CN108599248B - 基于调控措施代价性能比指标的开机计划迭代寻优方法 - Google Patents
基于调控措施代价性能比指标的开机计划迭代寻优方法 Download PDFInfo
- Publication number
- CN108599248B CN108599248B CN201810441155.7A CN201810441155A CN108599248B CN 108599248 B CN108599248 B CN 108599248B CN 201810441155 A CN201810441155 A CN 201810441155A CN 108599248 B CN108599248 B CN 108599248B
- Authority
- CN
- China
- Prior art keywords
- control
- boundary
- regulation
- power
- optimization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000003449 preventive effect Effects 0.000 claims abstract description 27
- 230000002265 prevention Effects 0.000 claims abstract description 23
- 238000012216 screening Methods 0.000 claims description 82
- 230000006735 deficit Effects 0.000 claims description 74
- 230000001105 regulatory effect Effects 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 8
- 238000010348 incorporation Methods 0.000 claims description 6
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 claims description 6
- 230000008685 targeting Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 3
- 230000000069 prophylactic effect Effects 0.000 claims 1
- 238000009826 distribution Methods 0.000 abstract description 3
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 230000003094 perturbing effect Effects 0.000 abstract 1
- 238000010206 sensitivity analysis Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000002737 fuel gas Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- H02J3/382—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于调控措施（RM）代价性能比指标（CPR）的开机计划迭代寻优方法，首先确定预防控制与紧急控制的分配量，再针对预防控制量与紧急控制量分别采用CPR优化方法进行RM的优化选取，最后利用2层反复迭代完成分配量的不断修正。在初始控制量分配下，通过逐步摄动某一控制量（预防或紧急备用容量大小）完成灵敏度分析，最终选取风险总成本最小的迭代步为最优解，通过对待优化场景下预防控制量与紧急控制量的灵敏度搜索，能够自适应确定非旋转调控措施参与预防控制与紧急控制的分配量大小，实现旋转调控措施与非旋转调控措施的协调优化，提升系统运行经济性。
Description
技术领域
本发明涉及一种基于调控措施代价性能比指标的开机优化迭代寻优方法，属于电力系统机组组合技术领域。
背景技术
高比例间歇性可再生能源(Renewable Energy，RE)接入电网，其出力不确定性将对电力系统的安全稳定运行造成一系列影响及挑战，随着渗透率的增加，由此带来的充裕性问题尤为突出。相较欧洲、美国具有较高比例的抽蓄、燃气等灵活调节机组，中国灵活电源比例偏低(抽蓄、燃气电源比例仅为6％)，严重影响了RE的有效消纳。2016年，中国平均弃风、弃光率分别为17％，20％。
国家发改委、国家能源局发布的《电力发展“十三五”规划(2016-2020年)》[]中，明确提出加强火电机组灵活性改造，尤其是快速启停能力改造，以提高系统调峰能力及RE消纳能力。将具备快速启停能力的火电机组作为非旋转级备用容量资源，参与辅助服务市场竞争，协调旋转级备用与非旋转级备用的优化配置是实现高比例RE接入的有效途径。
现有关于RE接入后的系统运行备用研究，大多仅考虑旋转级备用的优化，仅少量文献涉及非旋转级备用。电网使用非旋转级RM的传统方式是：当风/光发电出力偏差等充裕性事件发生后，先调度旋转级备用容量(包括切除合约外的次要负荷)以实施频率控制，同时调度非旋转RM升级，待升级后替换已实施频率控制措施，属于事后的紧急控制，没有区分预防控制与紧急控制。预防性充裕控制意味着：针对预想充裕性事件场景，通过提前调度非旋转级RM升级，提升应对事件的及时性。
发明内容
本发明进一步研究大规模RE接入下的开机优化问题；针对混合优化求解的困难，提出基于“充裕性预防控制线”(下文简称“预防控制线”)的预防-紧急解耦协调优化方法，即一种基于调控措施(RM)代价性能比指标(CPR)的开机计划迭代寻优方法。
为实现上述目的，本发明采用的技术方案，具体如下：
一种基于调控措施代价性能比指标的开机计划迭代寻优方法，包括以下步骤：
1)设置寻优参数，初始化预防控制曲线：
记优化总时长为T，优化时段编号为t，调控措施(RM)编号为i，优化时段数为NT；参与竞标的RM数目为NR；RMi为第i个调控措施；第i个调控措施在场景s下第t时段内的控制成本为CR,i(s,t)；表示RMi签约状态的0-1变量为ui，1表示签约，否则为0；RMi的最大备用出力为
RMi的容量价格为pcap,i；RMi的电量价格为pele,i；RMi的升级成本为Pup,i；RMi在场景下第t时段的出力大小为qi,t；场景的概率为ρs；场景s在时段t内的功率缺额为qs,t；每个时间段的时长为ΔT；设置寻优参数ΔQ和电量缺额期望值阈值E；初始化预防控制曲线，令t＝1、k＝1；ΔQ为预防控制容量的单次摄动量；k为待校核调控措施的个数；
2)计算优化开始时刻第t个ΔT时段内的ΔEt；ΔEt为在当前预防控制曲线下，ΔT时段内增加ΔQ预防控制容量所能应对的电量缺额期望值；
3)若ΔEt小于等于电量缺额期望值阈值E，则令t＝t+1，判断t与NT的大小，若t>NT，则优化结束，选取控制风险之和最小的优化步为最优寻优方案；若ΔEt大于电量缺额期望值阈值E，则将第t个ΔT时段内预防控制量增加ΔQ，更新后续时段内ΔEt>E的预防控制容量；
4)针对预防控制曲线的RM合约优化；
5)预防控制合约优化结果下的紧急控制优化；
6)计算当前优化步k的控制成本与控制风险之和Ck，令k＝k+1，返回步骤2)。
步骤2)中，ΔT＝T/NT，ΔEt＝ρs·min(ΔQ,qs,t)。
步骤4)包括以下步骤：
4-1)将量化RM备用价值的CPR指标定义为RM在待优化场景下的总控制风险成本与可提供的有效备用电量之比，则待优化场景s下的RMi的代价性能比CPR(RMi)为式(1)：
其中，
νi表示RMi参与充裕控制形式的二元变量；Ii(t)表示RMi在t时段状态；qi,s,t表示RMi的场景s在时段t内的功率缺额；
4-2)设置基于待优化场景功率缺额的CPR多步优化的初始分界线，针对待优化场景，在由横轴时间与纵轴功率组成的二维直角坐标轴中，从零刻度线开始，沿纵轴增加方向，依次比较整个优化时段内相邻三个单位刻度范围内的两个功率缺额区的期望值，若期望值下降，则在中间的刻度设置1条初始分界线，直至场景中的功率缺额最大值，初始分界线记为I1,I2,…,Im，各相邻初始分界线确定的m-1个功率缺额区记为a1,a2,…,am-1；m为初始分界线总数目；若期望值不变，则不进行初始分界线的选取；
4-3)确定筛选后分界线：针对初始分界线Ii，i的初值为2，计算功率缺额区ai-1与功率缺额区ai内功率缺额期望值Ei-1和Ei，若|Ei-1-Ei|大于设置的功率缺额期望差值阈值σ，则保留初始分界线Ii，记为筛选后分界线Ln，n的初值为1，令i＝i+1，n＝n+1循环计算，循环计算至i＝m-1；若|Ei-1-Ei|小于等于设置的功率缺额期望差值阈值σ，将初始分界线Ln移除，功率缺额区ai-1并入ai，循环计算直至i＝m-1；最后令Ln＝lm；
4-4)针对n条筛选后分界线L1，L2，...，Ln，n≤m，选定当前优化步所针对的筛选后分界线Lj，j的初值为2；
4-5)根据代价性能比计算公式，求取待优化场景下所有调控措施参与预防控制的代价性能比；
4-6)选取代价性能比最小的调控措施，更新待优化场景的功率缺额：
其中：t＝1,...,NT.qs,t为场景s在时段t内的功率缺额，
为RMi的最大备用出力(即当前选取的调控措施容量)；
4-7)判断在当前分界线下，所有已选RM总容量与筛选后分界线Lj所代表的功率缺额值的大小关系，若已选RM总容量小于筛选后分界线Lj所代表的功率缺额值，则进入步骤4-8)，否则进入步骤4-15)；
4-8)判断选定RM基础上新增未选中调控措施后的总容量与筛选后分界线Lj所代表的功率缺额值的大小关系，若新增任一未选中调控措施后的总容量仍不大于筛选后分界线Lj所代表的功率缺额值，回到步骤4-5)；若存在新增未选中调控措施后的总容量大于筛选后分界线Lj所代表的功率缺额值，则进入步骤4-9)；
4-9)将所有满足条件的未选中调控措施作为当前步下的待校核调控措施集，待校核调控措施分别记为CRM1，CRM2，...，CRMK，保存当前寻优断面；
4-10)从保存的寻优断面中移除已选中的最后一个调控措施，更新待优化场景的功率缺额，更新方法为恢复选中最后一个调控措施前的场景信息；
4-11)选中待校核调控措施集中的CRMi，i的初值为1，i＝1,2…k；
4-12)更新待优化场景的功率缺额，计算所有未选中调控措施的代价性能比并选取最小者；
4-13)若所有已选调控措施总容量小于筛选后分界线Lj所代表的功率缺额值，回到步骤4-12)；否则，将该方案存为筛选后分界线Lj以下功率缺额的备选解待用，若i＜K，则令i＝i+1，回到步骤4-10)，否则，校核完毕，进入步骤4-14)；
4-14)恢复步骤4-9)中保存的寻优断面，返回步骤4-5)；
4-15)将当前方案存为筛选后分界线Lj以下功率缺额的备选解待用；
4-16)针对筛选后分界线Lj下所有备选解，选取平均代价性能比最小的组合，作为筛选后分界线Lj下的寻优结果，记为Rj；
4-17)判断j是否小于筛选后的分界线数目n，若是，则令j＝j+1，将Rj作为后续优化选取的初值，回到步骤4-4)，否则，预防控制寻优结束。
步骤5)具体包含以下步骤：
5-1)更新待优化功率缺额场景：初始功率缺额场景减去预防控制合约优化下选取的RM总容量大小；
5-2)设置基于待优化场景功率缺额的CPR多步优化的初始分界线，针对待优化场景，在由横轴时间与纵轴功率组成的二维直角坐标轴中，从零刻度线开始，沿纵轴增加方向，依次比较整个优化时段内相邻三个单位刻度范围内的两个功率缺额区的期望值，若期望值下降，则在中间的刻度设置1条初始分界线，直至场景中的功率缺额最大值，初始分界线记为I1,I2,…,Im，m为初始分界线总数目，各相邻初始分界线确定的m-1个功率缺额区记为a1,a2,…,am-1；若期望值不变或者增大，则不进行初始分界线的选取；
5-3)确定筛选后分界线，针对初始分界线Ii，i的初值为2，计算功率缺额区ai-1与功率缺额区ai内功率缺额期望值Ei-1和Ei，若|Ei-1-Ei|大于设置的功率缺额期望差值阈值σ，则保留初始分界线Ii，记为筛选后分界线Ln，n的初值为1，令i＝i+1，n＝n+1循环计算，循环计算至i＝m-1；若|Ei-1-Ei|小于等于设置的功率缺额期望差值阈值σ将初始分界线Ln移除，功率缺额区ai-1并入ai，循环计算直至i＝m-1；最后令Ln＝lm；
5-4)针对n条筛选后分界线L1，L2，...，Ln，n≤m，选定当前优化步所针对的筛选后分界线Lj，j的初值为2；
5-5)根据代价性能比计算公式，求取待优化场景下所有调控措施参与紧急控制的代价性能比；
5-6)选取代价性能比最小的调控措施，更新待优化场景的功率缺额：
其中：t＝1,...,NT.qs,t为场景s在时段t内的功率缺额，
为当前选取的调控措施容量；
5-7)判断在当前分界线下，所有已选RM总容量与筛选后分界线Lj所代表的功率缺额值的大小关系，若已选RM总容量小于筛选后分界线Lj所代表的功率缺额值，则进入步骤5-8)，否则进入步骤5-15)；
5-8)判断选定RM基础上新增未选中调控措施后的总容量与筛选后分界线Lj所代表的功率缺额值的大小关系，若新增任一未选中调控措施后的总容量仍不大于筛选后分界线Lj所代表的功率缺额值，回到步骤5-5)；若存在新增未选中调控措施后的总容量大于筛选后分界线Lj所代表的功率缺额值，则进入步骤5-9)；
5-9)将所有满足条件的未选中调控措施作为当前步下的待校核调控措施集，待校核调控措施分别记为CRM1，CRM2，...，CRMK，保存当前寻优断面；
5-10)从保存的寻优断面中移除已选中的最后一个调控措施，更新待优化场景的功率缺额，更新方法为恢复选中最后一个调控措施前的场景信息；
5-11)选中待校核调控措施集中的CRMi，i的初值为1，i＝1,2…k；
5-12)更新待优化场景的功率缺额，计算所有未选中调控措施的代价性能比并选取最小者；
5-13)若所有已选调控措施总容量小于筛选后分界线Lj所代表的功率缺额值，回到步骤5-12)；否则，将该方案存为筛选后分界线Lj以下功率缺额的备选解待用，若i＜K，则令i＝i+1，回到步骤5-10)，否则，校核完毕，进入步骤5-14)；
5-14)恢复步骤5-9)中保存的寻优断面，返回步骤5-5)；
5-15)将当前方案存为筛选后分界线Lj以下功率缺额的备选解待用；
5-16)针对筛选后分界线Lj下所有备选解，选取平均代价性能比最小的组合，作为筛选后分界线Lj下的寻优结果，记为Rj；
5-17)判断j是否小于筛选后的分界线数目n，若是，则令j＝j+1，将Rj作为后续优化选取的初值，回到步骤5-4)，否则，紧急控制寻优结束。
较优地，RMi参与充裕控制形式的二元变量νi取值为：0表示紧急控制，1表示预防控制。
较优地，Ii(t)表示RMi在t时段状态，0表示非旋转，1表示旋转。
补充本发明有益效果
本发明提出的技术方案通过对待优化场景下预防控制量与紧急控制量的灵敏度搜索，能够自适应确定非旋转调控措施参与预防控制与紧急控制的分配量大小，实现旋转调控措施与非旋转调控措施的协调优化，提升系统运行经济性。
本申请步骤2)和3)通过考察待优化功率缺额场景下单位优化时段ΔT内的电量缺额期望值，通过与设置阈值的比较来确定是否增加预防控制量，因此能精确摄动预防控制曲线，更有效地协调预防控制与紧急控制；申报步骤4和5通过基于调控措施代价性能比指标的方法分别实现了预防控制措施与紧急控制措施的组合优化选取，该调控措施优化选取方法能兼顾优化效果与计算效率；申报步骤6通过计算迭代步下预防控制与紧急控制的控制风险之和，选取总控制风险最优的迭代步优化方案作为寻优结果。
附图说明
下面结合附图和实施例对本发明进一步说明；
图1为本发明一种基于调控措施代价性能比指标的开机计划迭代寻优方法的流程图。
具体实施方式
下面结合附图并通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。
为了使本发明的技术手段、创作特征、工作流程、使用方法达成目的与功效，且为了使该评价方法易于明白了解，下面结合具体实施例，进一步阐述本发明。
下面参照附图并结合实例对本发明作进一步详细描述。
如图1所示，一种基于调控措施代价性能比指标的开机计划迭代寻优方法，包括以下步骤：
1)设置寻优参数，初始化预防控制曲线：
记优化总时长为T，优化时段编号为t，调控措施(RM)编号为i，优化时段数为NT；参与竞标的RM数目为NR；RMi为第i个调控措施；第i个调控措施在场景s下第t时段内的控制成本为CR,i(s,t)；表示RMi签约状态的0-1变量为ui，1表示签约，否则为0；RMi的最大备用出力为
RMi的容量价格为pcap,i；RMi的电量价格为pele,i；RMi的升级成本为Pup,i；RMi在场景下第t时段的出力大小为qi,t；场景的概率为ρs；场景s在时段t内的功率缺额为qs,t；每个时间段的时长为ΔT；设置寻优参数ΔQ和电量缺额期望值阈值E；初始化预防控制曲线，令t＝1、k＝1；ΔQ为预防控制容量的单次摄动量；k为待校核调控措施的个数；
2)计算优化开始时刻第t个ΔT时段内的ΔEt；ΔEt为在当前预防控制曲线下，ΔT时段内增加ΔQ预防控制容量所能应对的电量缺额期望值；
3)若ΔEt小于等于电量缺额期望值阈值E，则令t＝t+1，判断t与NT的大小，若t>NT，则优化结束，选取控制风险之和最小的优化步为最优寻优方案；若ΔEt大于电量缺额期望值阈值E，则将第t个ΔT时段内预防控制量增加ΔQ，更新后续时段内ΔEt>E的预防控制容量；
4)针对预防控制曲线的RM合约优化；
5)预防控制合约优化结果下的紧急控制优化；
6)计算当前优化步k的控制成本与控制风险之和Ck，令k＝k+1，返回步骤2)。
步骤2)中，ΔT＝T/NT，ΔEt＝ρs·min(ΔQ,qs,t)。
步骤4)包括以下步骤：
4-1)将量化RM备用价值的CPR指标定义为RM在待优化场景下的总控制风险成本与可提供的有效备用电量之比，则待优化场景s下的RMi的代价性能比CPR(RMi)为式(1)：
其中，
νi表示RMi参与充裕控制形式的二元变量(0表示紧急控制，1表示预防控制)；Ii(t)表示RMi在t时段状态(0表示非旋转，1表示旋转)；qi,s,t表示RMi的场景s在时段t内的功率缺额；
4-2)设置基于待优化场景功率缺额的CPR多步优化的初始分界线，针对待优化场景，在由横轴时间与纵轴功率组成的二维直角坐标轴中，从零刻度线开始，沿纵轴增加方向，依次比较整个优化时段内相邻三个单位刻度范围内的两个功率缺额区的期望值，若期望值下降，则在中间的刻度设置1条初始分界线，直至场景中的功率缺额最大值，初始分界线记为I1,I2,…,Im(m为初始分界线总数目)，各相邻初始分界线确定的m-1个功率缺额区记为a1,a2,…,am-1；4-3)确定筛选后分界线：针对初始分界线Ii，i的初值为2，计算功率缺额区ai-1与功率缺额区ai内功率缺额期望值Ei-1和Ei，若|Ei-1-Ei|大于设置的功率缺额期望差值阈值σ，则保留初始分界线Ii，记为筛选后分界线Ln，n的初值为1，令i＝i+1，n＝n+1循环计算，循环计算至i＝m-1；若|Ei-1-Ei|小于等于设置的功率缺额期望差值阈值σ，将初始分界线Ln移除，功率缺额区ai-1并入ai，循环计算直至i＝m-1；最后令Ln＝lm；
4-4)针对n条筛选后分界线L1，L2，...，Ln，n≤m，选定当前优化步所针对的筛选后分界线Lj，j的初值为2；
4-5)根据代价性能比计算公式，求取待优化场景下所有调控措施参与预防控制的代价性能比；
4-6)选取代价性能比最小的调控措施，更新待优化场景的功率缺额：
其中：t＝1,...,NT.qs,t为场景s在时段t内的功率缺额，
为RMi的最大备用出力(即当前选取的调控措施容量)；
4-7)判断在当前分界线下，所有已选RM总容量与筛选后分界线Lj所代表的功率缺额值的大小关系，若已选RM总容量小于筛选后分界线Lj所代表的功率缺额值，则进入步骤4-8)，否则进入步骤4-15)；
4-8)判断选定RM基础上新增未选中调控措施后的总容量与筛选后分界线Lj所代表的功率缺额值的大小关系，若新增任一未选中调控措施后的总容量仍不大于筛选后分界线Lj所代表的功率缺额值，回到步骤4-5)；若存在新增未选中调控措施后的总容量大于筛选后分界线Lj所代表的功率缺额值，则进入步骤4-9)；
4-9)将所有满足条件的未选中调控措施作为当前步下的待校核调控措施集，待校核调控措施分别记为CRM1，CRM2，...，CRMK，保存当前寻优断面；
4-10)从保存的寻优断面中移除已选中的最后一个调控措施，更新待优化场景的功率缺额，更新方法为恢复选中最后一个调控措施前的场景信息；
4-11)选中待校核调控措施集中的CRMi，i的初值为1，i＝1,2…k；
4-12)更新待优化场景的功率缺额，计算所有未选中调控措施的代价性能比并选取最小者；
4-13)若所有已选调控措施总容量小于筛选后分界线Lj所代表的功率缺额值，回到步骤4-12)；否则，将该方案存为筛选后分界线Lj以下功率缺额的备选解待用，若i＜K，则令i＝i+1，回到步骤4-10)，否则，校核完毕，进入步骤4-14)；
4-14)恢复步骤4-9)中保存的寻优断面，返回步骤4-5)；
4-15)将当前方案存为筛选后分界线Lj以下功率缺额的备选解待用；
4-16)针对筛选后分界线Lj下所有备选解，选取平均代价性能比最小的组合，作为筛选后分界线Lj下的寻优结果，记为Rj；
4-17)判断j是否小于筛选后的分界线数目n，若是，则令j＝j+1，将Rj作为后续优化选取的初值，回到步骤4-4)，否则，预防控制寻优结束。
步骤5)具体包含以下步骤：
5-1)更新待优化功率缺额场景：初始功率缺额场景减去预防控制合约优化下选取的RM总容量大小；
5-2)设置基于待优化场景功率缺额的CPR多步优化的初始分界线，针对待优化场景，在由横轴时间与纵轴功率组成的二维直角坐标轴中，从零刻度线开始，沿纵轴增加方向，依次比较整个优化时段内相邻三个单位刻度范围内的两个功率缺额区的期望值，若期望值下降，则在中间的刻度设置1条初始分界线，直至场景中的功率缺额最大值，初始分界线记为I1,I2,…,Im(m为初始分界线总数目)，各相邻初始分界线确定的m-1个功率缺额区记为a1,a2,…,am-1；若期望值不变或者增大，则不进行初始分界线的选取；
5-3)确定筛选后分界线，针对初始分界线Ii，i的初值为2，计算功率缺额区ai-1与功率缺额区ai内功率缺额期望值Ei-1和Ei，若|Ei-1-Ei|大于设置的功率缺额期望差值阈值σ，则保留初始分界线Ii，记为筛选后分界线Ln，n的初值为1，令i＝i+1，n＝n+1循环计算，循环计算至i＝m-1；若|Ei-1-Ei|小于等于设置的功率缺额期望差值阈值σ将初始分界线Ln移除，功率缺额区ai-1并入ai，循环计算直至i＝m-1；最后令Ln＝lm；
5-4)针对n条筛选后分界线L1，L2，...，Ln，n≤m，选定当前优化步所针对的筛选后分界线Lj，j的初值为2；
5-5)根据代价性能比计算公式，求取待优化场景下所有调控措施参与紧急控制的代价性能比；
5-6)选取代价性能比最小的调控措施，更新待优化场景的功率缺额：
其中：t＝1,...,NT.qs,t为场景s在时段t内的功率缺额，
为当前选取的调控措施容量；
5-7)判断在当前分界线下，所有已选RM总容量与筛选后分界线Lj所代表的功率缺额值的大小关系，若已选RM总容量小于筛选后分界线Lj所代表的功率缺额值，则进入步骤5-8)，否则进入步骤5-15)；
5-8)判断选定RM基础上新增未选中调控措施后的总容量与筛选后分界线Lj所代表的功率缺额值的大小关系，若新增任一未选中调控措施后的总容量仍不大于筛选后分界线Lj所代表的功率缺额值，回到步骤5-5)；若存在新增未选中调控措施后的总容量大于筛选后分界线Lj所代表的功率缺额值，则进入步骤5-9)；
5-9)将所有满足条件的未选中调控措施作为当前步下的待校核调控措施集，待校核调控措施分别记为CRM1，CRM2，...，CRMK，保存当前寻优断面；
5-10)从保存的寻优断面中移除已选中的最后一个调控措施，更新待优化场景的功率缺额，更新方法为恢复选中最后一个调控措施前的场景信息；
5-11)选中待校核调控措施集中的CRMi，i的初值为1，i＝1,2…k；
5-12)更新待优化场景的功率缺额，计算所有未选中调控措施的代价性能比并选取最小者；
5-13)若所有已选调控措施总容量小于筛选后分界线Lj所代表的功率缺额值，回到步骤5-12)；否则，将该方案存为筛选后分界线Lj以下功率缺额的备选解待用，若i＜K，则令i＝i+1，回到步骤5-10)，否则，校核完毕，进入步骤5-14)；
5-14)恢复步骤5-9)中保存的寻优断面，返回步骤5-5)；
5-15)将当前方案存为筛选后分界线Lj以下功率缺额的备选解待用；
5-16)针对筛选后分界线Lj下所有备选解，选取平均代价性能比最小的组合，作为筛选后分界线Lj下的寻优结果，记为Rj；
5-17)判断j是否小于筛选后的分界线数目n，若是，则令j＝j+1，将Rj作为后续优化选取的初值，回到步骤5-4)，否则，紧急控制寻优结束。
本领域内的技术人员可以对本发明进行改动或变型的设计但不脱离本发明的思想和范围。因此，如果本发明的这些修改和变型属于本发明权利要求及其等同的技术范围之内，则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种基于调控措施代价性能比指标的开机计划迭代寻优方法，其特征在于，包括以下步骤：
1)设置寻优参数，初始化预防控制曲线：
记优化总时长为T，优化时段编号为t，调控措施编号为i，优化时段数为NT；参与竞标的RM数目为NR；RMi为第i个调控措施；第i个调控措施在场景s下第t时段内的控制成本为CR，i(s，t)；表示RMi签约状态的0-1变量为ui，1表示签约，否则为0；RMi的最大备用出力为
RMi的容量价格为pcap，i；RMi的电量价格为pele，i；RMi的升级成本为Pup，i；RMi在场景下第t时段的出力大小为qi，t；场景的概率为ρs；场景s在时段t内的功率缺额为qs，t；每个时段的时长为ΔT；设置寻优参数ΔQ和电量缺额期望值阈值E；初始化预防控制曲线，令t＝1、k＝1；ΔQ为预防控制容量的单次摄动量；k为待校核调控措施的个数；
2)计算优化开始时刻第t个ΔT时段内的ΔEt；ΔEt为在当前预防控制曲线下，ΔT时段内增加ΔQ预防控制容量所能应对的电量缺额期望值；
3)若ΔEt小于等于电量缺额期望值阈值E，则令t＝t+1，判断t与NT的大小，若t＞NT，则优化结束，选取控制风险之和最小的优化步为最优寻优方案；若ΔEt大于电量缺额期望值阈值E，则将第t个ΔT时段内预防控制量增加ΔQ，更新后续时段内ΔEt＞E的预防控制容量；
4)针对预防控制曲线的RM合约优化；
5)预防控制合约优化结果下的紧急控制优化；
6)计算当前优化步k的控制成本与控制风险之和Ck，令k＝k+1，返回步骤2)；
步骤4)包括以下步骤：
4-1)将量化RM备用价值的CPR指标定义为RM在待优化场景下的总控制风险成本与可提供的有效备用电量之比，则待优化场景s下的RMi的代价性能比CPR(RMi)为式(1)：
其中，
νi表示RMi参与充裕控制形式的二元变量；Ii(t)表示RMi在t时段状态；qi，s，t表示RMi的场景s在时段t内的功率缺额；
4-2)设置基于待优化场景功率缺额的CPR多步优化的初始分界线，针对待优化场景，在由横轴时间与纵轴功率组成的二维直角坐标轴中，从零刻度线开始，沿纵轴增加方向，依次比较整个优化时段内相邻三个单位刻度范围内的两个功率缺额区的期望值：若期望值下降，则在中间的刻度设置1条初始分界线，直至场景中的功率缺额最大值，初始分界线记为I1，I2，…，Im，各相邻初始分界线确定的m-1个功率缺额区记为a1，a2，…，am-1，m为初始分界线总数目；
4-3)确定筛选后分界线：针对初始分界线Ii，i的初值为2，计算功率缺额区ai-1与功率缺额区ai内功率缺额期望值Ei-1和Ei，若|Ei-1-Ei|大于设置的功率缺额期望差值阈值σ，则保留初始分界线Ii，记为筛选后分界线Ln，n的初值为1，令i＝i+1，n＝n+1循环计算，循环计算至i＝m-1；若|Ei-1-Ei|小于等于设置的功率缺额期望差值阈值σ，将初始分界线Ln移除，功率缺额区ai-1并入ai，循环计算直至i＝m-1；最后令Ln＝lm；
4-4)针对n条筛选后分界线L1，L2，...，Ln，n≤m，选定当前优化步所针对的筛选后分界线Lj，j的初值为2；
4-5)根据代价性能比计算公式，求取待优化场景下所有调控措施参与预防控制的代价性能比；
4-6)选取代价性能比最小的调控措施，更新待优化场景的功率缺额：
其中：t＝1，...，NT.qs，t为场景s在时段t内的功率缺额，
为RMi的最大备用出力；
4-7)判断在当前分界线下，所有已选RM总容量与筛选后分界线Lj所代表的功率缺额值的大小关系，若已选RM总容量小于筛选后分界线Lj所代表的功率缺额值，则进入步骤4-8)，否则进入步骤4-15)；
4-8)判断选定RM基础上新增未选中调控措施后的总容量与筛选后分界线Lj所代表的功率缺额值的大小关系，若新增任一未选中调控措施后的总容量仍不大于筛选后分界线Lj所代表的功率缺额值，回到步骤4-5)；若存在新增未选中调控措施后的总容量大于筛选后分界线Lj所代表的功率缺额值，则进入步骤4-9)；
4-9)将所有满足条件的未选中调控措施作为当前步下的待校核调控措施集，待校核调控措施分别记为CRM1，CRM2，...，CRMK，保存当前寻优断面；
4-10)从保存的寻优断面中移除已选中的最后一个调控措施，更新待优化场景的功率缺额，更新方法为恢复选中最后一个调控措施前的场景信息；
4-11)选中待校核调控措施集中的CRMi，i的初值为1，i＝1，2…k；
4-12)更新待优化场景的功率缺额，计算所有未选中调控措施的代价性能比并选取最小者；
4-13)若所有已选调控措施总容量小于筛选后分界线Lj所代表的功率缺额值，回到步骤4-12)；否则，将该方案存为筛选后分界线Lj以下功率缺额的备选解待用，若i＜K，则令l＝i+1，回到步骤4-10)，否则，校核完毕，进入步骤4-14)；
4-14)恢复步骤4-9)中保存的寻优断面，返回步骤4-5)；
4-15)将当前方案存为筛选后分界线Lj以下功率缺额的备选解待用；
4-16)针对筛选后分界线Lj下所有备选解，选取平均代价性能比最小的组合，作为筛选后分界线Lj下的寻优结果，记为Rj；
4-17)判断j是否小于筛选后的分界线数目n，若是，则令j＝j+1，将Rj作为后续优化选取的初值，回到步骤4-4)，否则，预防控制寻优结束；
步骤5)具体包含以下步骤：
5-1)更新待优化功率缺额场景：初始功率缺额场景减去预防控制合约优化下选取的RM总容量大小；
5-2)设置基于待优化场景功率缺额的CPR多步优化的初始分界线，针对待优化场景，在由横轴时间与纵轴功率组成的二维直角坐标轴中，从零刻度线开始，沿纵轴增加方向，依次比较整个优化时段内相邻三个单位刻度范围内的两个功率缺额区的期望值，若期望值下降，则在中间的刻度设置1条初始分界线，直至场景中的功率缺额最大值，初始分界线记为I1，I2，…，Im，m为初始分界线总数目，各相邻初始分界线确定的m-1个功率缺额区记为a1，a2，…，am-1；
5-3)确定筛选后分界线，针对初始分界线Ii，i的初值为2，计算功率缺额区ai-1与功率缺额区ai内功率缺额期望值Ei-1和Ei，若|Ei-1-Ei|大于设置的功率缺额期望差值阈值σ，则保留初始分界线Ii，记为筛选后分界线Ln，n的初值为1，令i＝i+1，n＝n+1循环计算，循环计算至i＝m-1；若|Ei-1-Ei|小于等于设置的功率缺额期望差值阈值σ将初始分界线Ln移除，功率缺额区ai-1并入ai，循环计算直至i＝m-1；最后令Ln＝Tm；
5-4)针对n条筛选后分界线L1，L2，...，Ln，n≤m，选定当前优化步所针对的筛选后分界线Lj，j的初值为2；
5-5)根据代价性能比计算公式，求取待优化场景下所有调控措施参与紧急控制的代价性能比；
5-6)选取代价性能比最小的调控措施，更新待优化场景的功率缺额：
其中：t＝1，...，NT.qs，t为场景s在时段t内的功率缺额，
为当前选取的调控措施容量；
5-7)判断在当前分界线下，所有已选RM总容量与筛选后分界线Lj所代表的功率缺额值的大小关系，若已选RM总容量小于筛选后分界线Lj所代表的功率缺额值，则进入步骤5-8)，否则进入步骤5-15)；
5-8)判断选定RM基础上新增未选中调控措施后的总容量与筛选后分界线Lj所代表的功率缺额值的大小关系，若新增任一未选中调控措施后的总容量仍不大于筛选后分界线Lj所代表的功率缺额值，回到步骤5-5)；若存在新增未选中调控措施后的总容量大于筛选后分界线Lj所代表的功率缺额值，则进入步骤5-9)；
5-9)将所有满足条件的未选中调控措施作为当前步下的待校核调控措施集，待校核调控措施分别记为CRM1，CRM2，...，CRMK，保存当前寻优断面；
5-10)从保存的寻优断面中移除已选中的最后一个调控措施，更新待优化场景的功率缺额，更新方法为恢复选中最后一个调控措施前的场景信息；
5-11)选中待校核调控措施集中的CRMi，i的初值为1，i＝1，2…k；
5-12)更新待优化场景的功率缺额，计算所有未选中调控措施的代价性能比并选取最小者；
5-13)若所有已选调控措施总容量小于筛选后分界线Lj所代表的功率缺额值，回到步骤5-12)；否则，将该方案存为筛选后分界线Lj以下功率缺额的备选解待用，若i＜K，则令i＝i+1，回到步骤5-10)，否则，校核完毕，进入步骤5-14)；
5-14)恢复步骤5-9)中保存的寻优断面，返回步骤5-5)；
5-15)将当前方案存为筛选后分界线Lj以下功率缺额的备选解待用；
5-16)针对筛选后分界线Lj下所有备选解，选取平均代价性能比最小的组合，作为筛选后分界线Lj下的寻优结果，记为Rj；
5-17)判断j是否小于筛选后的分界线数目n，若是，则令j＝j+1，将Rj作为后续优化选取的初值，回到步骤5-4)，否则，紧急控制寻优结束。
2.根据权利要求1所述的一种基于调控措施代价性能比指标的开机计划迭代寻优方法，其特征在于，
步骤2)中，ΔT＝T/NT，ΔEt＝ρs·min(ΔQ，qs，t)。
3.根据权利要求1所述的基于调控措施代价性能比指标的开机计划迭代寻优方法，其特征在于，
RMi参与充裕控制形式的二元变量νi取值为：0表示紧急控制，1表示预防控制。
4.根据权利要求1所述的基于调控措施代价性能比指标的开机计划迭代寻优方法，其特征在于，
Ii(t)表示RMi在t时段状态，0表示非旋转，1表示旋转。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810441155.7A CN108599248B (zh) | 2018-05-10 | 2018-05-10 | 基于调控措施代价性能比指标的开机计划迭代寻优方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810441155.7A CN108599248B (zh) | 2018-05-10 | 2018-05-10 | 基于调控措施代价性能比指标的开机计划迭代寻优方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108599248A CN108599248A (zh) | 2018-09-28 |
| CN108599248B true CN108599248B (zh) | 2021-02-23 |
Family
ID=63636386
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810441155.7A Active CN108599248B (zh) | 2018-05-10 | 2018-05-10 | 基于调控措施代价性能比指标的开机计划迭代寻优方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108599248B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112787327B (zh) * | 2021-01-28 | 2022-08-09 | 国电南瑞科技股份有限公司 | 基于送、受端区域优化的两区域应急备用配置方法和装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105322566A (zh) * | 2015-11-06 | 2016-02-10 | 山东大学 | 考虑预测误差时序分布的含风电机组组合模型建立方法 |
| CN105518723A (zh) * | 2015-09-21 | 2016-04-20 | 国电南瑞科技股份有限公司 | 一种基于备用对象代价性能比的旋转备用容量优化方法 |
-
2018
- 2018-05-10 CN CN201810441155.7A patent/CN108599248B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105518723A (zh) * | 2015-09-21 | 2016-04-20 | 国电南瑞科技股份有限公司 | 一种基于备用对象代价性能比的旋转备用容量优化方法 |
| CN105322566A (zh) * | 2015-11-06 | 2016-02-10 | 山东大学 | 考虑预测误差时序分布的含风电机组组合模型建立方法 |
Non-Patent Citations (1)
| Title |
|---|
| 备用容量服务市场的风险决策;赖业宁等;《电力系统自动化》;20060825;第1-5页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108599248A (zh) | 2018-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2018059096A1 (zh) | 一种多类电源发电计划组合决策方法及存储介质 | |
| US9916630B2 (en) | Electricity suppressing type electricity and heat optimizing control device, optimizing method, and optimizing program | |
| CN105048516A (zh) | 一种风光水火多源互补优化调度方法 | |
| CN109713666B (zh) | 一种基于K-means聚类的电力市场下分布式储能经济性调控方法 | |
| CN109347152B (zh) | 考虑多类型电源参与调峰的随机生产模拟方法及应用 | |
| CN105225022A (zh) | 一种热电联产型微电网的经济性优化运行方法 | |
| CN103414213A (zh) | 一种海岛型微电网的电源优化配置方法 | |
| CN111799786B (zh) | 一种基于博弈论的新能源混合电力系统容量配置方法 | |
| CN112651105A (zh) | 一种基于博弈论的微网容量配置优化方法 | |
| CN104091207A (zh) | 考虑有害气体排放量的含风电场多目标机组组合优化方法 | |
| CN109146320A (zh) | 一种考虑配电网安全性的虚拟电厂优化调度方法 | |
| CN108599238A (zh) | 考虑风能与太阳能互补的虚拟电厂分布式电源规划方法 | |
| CN110752598B (zh) | 多点分布式储能系统灵活性评价方法和装置 | |
| CN107392791B (zh) | 多能互补系统的分布式光伏与气电混合容量规划方法和系统 | |
| CN110247392B (zh) | 计及风电备用能力与需求侧响应的多备用资源鲁棒优化方法 | |
| CN111030101B (zh) | 一种基于多元化大数据清洁能源消纳联动调控方法及系统 | |
| CN108599248B (zh) | 基于调控措施代价性能比指标的开机计划迭代寻优方法 | |
| CN116470543A (zh) | 一种虚拟电厂的运行控制方法、装置、设备及介质 | |
| CN109038668B (zh) | 一种基于弃风利用的塔筒电梯供电方法及储能系统 | |
| CN110504701A (zh) | 一种考虑动态充放电效率的电池储能系统调度方法 | |
| CN113313351A (zh) | 计及多能耦合影响的电-气-热系统灵活性评估方法 | |
| CN111160636B (zh) | 一种cchp型微电网调度优化方法 | |
| CN108767855A (zh) | 一种时序持续混合的电力系统随机生产模拟方法 | |
| CN115936336B (zh) | 一种虚拟电厂容量配置与调控运行优化方法 | |
| CN114204599A (zh) | 一种抑制配电网电压波动的分布式储能布点运行控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |