CN108964113A - 一种新能源发电调度方法及系统 - Google Patents
一种新能源发电调度方法及系统 Download PDFInfo
- Publication number
- CN108964113A CN108964113A CN201710376520.6A CN201710376520A CN108964113A CN 108964113 A CN108964113 A CN 108964113A CN 201710376520 A CN201710376520 A CN 201710376520A CN 108964113 A CN108964113 A CN 108964113A
- Authority
- CN
- China
- Prior art keywords
- power
- prediction
- power output
- risk
- probability
- 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.)
- Granted
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000009826 distribution Methods 0.000 claims abstract description 26
- 238000005457 optimization Methods 0.000 claims description 30
- 238000004088 simulation Methods 0.000 claims description 26
- 238000005192 partition Methods 0.000 claims description 16
- 230000009194 climbing Effects 0.000 claims description 14
- 238000010248 power generation Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000009987 spinning Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000012502 risk assessment Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 241000196324 Embryophyta Species 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000029087 digestion Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009183 running Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Classifications
-
- H02J3/382—
-
- H02J3/383—
-
- H02J3/386—
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明一种新能源发电调度方法及系统，包括：采集新能源发电的历史数据，确定预测误差概率分布；基于预测误差概率分布，建立置信区间；基于置信区间内的预测出力带的约束参数，确定计划出力曲线；基于计划出力曲线和置信区间外的预测出力带，确定发电运行风险值。本发明根据置信区间内预测出力制定常规机组和新能源发电调度计划，基于调度计划对置信区间外的预测出力进行风险评估，能够在可接受风险水平上达到最大化消纳新能源发电的目的。
Description
技术领域
本发明涉及电力系统调度运行领域，具体讲涉及一种新能源发电调度方法及系统。
背景技术
新能源发电是解决能源紧张、环境污染的重要途径。受天气原因影响，新能源发电出力具有强烈的不确定性，大规模新能源发电接入电力系统将会带来诸如潮流越限和电压越限等运行风险，从而给电网调度运行带来一定的挑战。
现有含大规模新能源发电的优化调度运行技术是基于新能源功率预测，并考虑新能源功率预测误差和电网运行的各种安全约束，包括系统调峰约束、网架约束及机组起停时间约束等，以最大化消纳新能源为目标进行机组组合和调度计划的制定，这样就满足了所有时刻电网安全运行的约束，但是新能源发电出力在负荷较低的时刻将会受到限制，降低了新能源的利用率，以及整个电力系统运行的经济性和环保性。由于新能源发电预测误差概率服从近似正态分布，出力在误差带边缘附件的概率非常小，若制作机组组合和调度计划时不考虑这部分功率，将会更易保证大部分预测出力范围内的消纳能力和系统运行安全性，如何协调系统安全运行以及新能源消纳能力是问题的关键。
发明内容
本发明为解决如何协调系统安全运行以及新能源消纳能力提出一种新能源发电调度方法及系统。
一种新能源发电调度方法包括步骤：采集新能源发电的历史数据，确定预测误差概率分布；基于预测误差概率分布，建立置信区间；基于置信区间内的预测出力带的约束参数，确定计划出力曲线；基于计划出力曲线和置信区间外的预测出力带，确定发电运行风险值。
建立置信区间，包括：基于预测误差概率分布，利用发电预测出力曲线，确定预测出力带；
基于预测出力带，根据预设的置信水平划分置信区间；优选的，预设的置信水平为预测出力带的85％-95％。
预测误差概率分布的计算公式如下所示：
其中，MAE为所述预测误差概率分布，PMi为时刻i的实际功率，PPi为时刻i的预测功率，Sop为光伏电站的开机容量，n为预测数据点数。
确定计划出力曲线，包括：基于置信区间内预测出力带的约束参数，建立非线性优化调度模型；根据非线性优化调度模型，得到计划出力曲线；
优选的，非线性优化调度模型包括设定目标函数和约束条件；
优选的，目标函数如下所示：
式中：N为系统所包含的分区总数，T为调度时间的总长度，t为仿真时间步长，Pw(t,n)为分区电网n在时段t的风电出力，Ppv(t,n)为分区电网n在时段t的光伏发电出力；优选的，约束参数包括：常规机组优化功率范围、常规机组起停参数、区域负荷水平、机组爬坡率范围及新能源出力预测参数；
约束条件包括：旋转备用容量约束、区域负荷平衡约束、区域间线路、传输容量约束、机组出力约束、机组优化功率爬坡率约束、最小启机运行时间约束、新能源出力约束。
基于计划出力曲线和置信区间外的预测出力带，确定发电运行风险值，包括：利用电力系统仿真软件建立电网仿真模型；对置信区间外的预测出力带的发电出力进行出力抽样，将出力抽样结果、采集到的母线负荷预测数据及根据优化调度模型得到的常规机组出力计划数据输入电网仿真模型，得到潮流结果，并统计得到潮流越限概率和电压越限概率；利用各线路的潮流越限概率和各母线的电压越限概率计算运行风险值；
优选的，计算运行风险值包括：
线路i的潮流越限风险计算公式，如下所示：
母线i的电压越限风险计算公式，如下所示：
运行风险的计算公式，如下所示：
式中，Sev(Li)为线路i潮流越限严重度,Sev(Ui)为母线i潮流越限严重度，NL和NU分别为系统内线路和节点的数量，为线路i的潮流越限风险权重，为节点i的电压越限风险权重。
确定发电运行风险值，还包括：判断发电运行风险值是否超出设定阈值，若未超出则发布出力计划、极端出力下的运行风险和概率，若超出则增加置信水平。
一种新能源发电调度系统包括：确定模块，用于采集新能源发电历史数据，确定预测误差概率分布；建立置信区间模块，基于预测误差概率分布，建立置信区间；计划出力曲线确定模块，基于置信区间内的预测出力带的约束参数，确定计划出力曲线；发电运行风险值确定模块，基于计划出力曲线和置信区间外的预测出力带，确定发电运行风险值。
建立置信区间模块，包括：预测出力带确定模块和置信区间划分模块；预测出力带确定模块基于预测误差概率分布，利用发电预测出力曲线，确定预测出力带；置信区间划分模块基于预测出力带，根据预设的置信水平划分置信区间；优选的，预设的置信水平为预测出力带的85％-95％。
预测误差概率分布应满足下式：
其中，MAE为预测误差概率分布，PMi为时刻i的实际功率，PPi为时刻i的预测功率，Sop为光伏电站的开机容量，n为预测数据点数；优选的，计划出力曲线确定模块，包括：非线性优化调度模型建立模块和计划出力曲线获得模块；非线性优化调度模型建立模块基于置信区间内预测出力带的约束参数，建立非线性优化调度模型；
计划出力曲线获得模块根据非线性优化调度模型，获得计划出力曲线；
优选的，非线性优化调度模型包括目标函数设定模块和约束条件设定模块；
优选的，目标函数设定模块中的目标函数应满足下式：
式中：N为系统所包含的分区总数，T为调度时间的总长度，t为仿真时间步长，Pw(t,n)为分区电网n在时段t的风电出力，Ppv(t,n)为分区电网n在时段t的光伏发电出力；
优选的，约束参数包括：常规机组优化功率范围、常规机组起停参数、区域负荷水平、机组爬坡率范围及新能源出力预测参数；
约束条件设定模块包括：旋转备用容量约束、区域负荷平衡约束、区域间线路、传输容量约束、机组出力约束、机组优化功率爬坡率约束、最小启机运行时间约束及新能源出力约束的设定。
发电运行风险值确定模块包括：电网仿真模型建立模块、潮流越限概率和电压越限概率得到模块和运行风险值计算模块；电网仿真模型建立模块，用于电网仿真模型建立模块利用电力系统仿真软件建立电网仿真模型；潮流越限概率和电压越限概率得到模块，用于对置信区间外的预测出力带的发电出力进行出力抽样，将出力抽样结果、采集到的母线负荷预测数据及根据优化调度模型得到的常规机组出力计划数据输入电网仿真模型，得到潮流结果，并统计得到潮流越限概率和电压越限概率；
运行风险值计算模块，利用各线路的潮流越限概率和各母线的电压越限概率计算运行风险值；
优选的，运行风险值计算模块还包括：
线路i的潮流越限风险应满足下式：
母线i的电压越限风险应满足下式：
运行风险应满足下式：
式中，Sev(Li)为线路i潮流越限严重度,Sev(Ui)为母线i潮流越限严重度，NL和NU分别为系统内线路和节点的数量，为线路i的潮流越限风险权重，为节点i的电压越限风险权重；
优选的，发电运行风险值确定模块还包括：判断发电运行风险值是否超出设定阈值，若未超出则发布出力计划、极端出力下的运行风险和概率，若超出则增加置信水平。
与最接近的现有技术比，本发明提供的技术方案具有如下有益效果：
1、本发明考虑置信度在一定区间内的预测误差，并基于此安排出力计划，其满足了新能源发电出力大概率下的系统安全稳定运行，对置信度区间之外的新能源发电出力接入电网进行风险评估，给出风险等级和概率，指导实际调度运行；
2、本发明将新能源预测出力按照误差置信水平分为两部分，置信区间内的预测出力用于安排调度计划，置信区间外的预测出力用于评估运行风险，避免了小概率出力范围引起的大范围新能源出力受限；
3、本发明根据置信区间内预测出力制定常规机组和新能源发电调度计划，基于调度计划对置信区间外的预测出力进行风险评估，能够在可接受风险水平上达到最大化消纳新能源发电的目的。
附图说明
图1为本发明的流程图；
图2为本发明的新能源预测出力带示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
本发明设计的方法考虑了新能源预测误差概率分布，提出的不确定性调度方法能够给出计划时间段常规机组和新能源电站计划曲线，以及系统运行风险和概率。
考虑置信度在一定区间内的预测误差，并基于此安排机组组合和调度计划，满足新能源发电出力大概率下的系统安全稳定运行，对置信度区间之外的新能源发电出力接入电网进行风险评估，给出风险等级和概率，并指导实际调度运行。
下面结合图1对本发明的具体实施流程进行描述，具体包括以下步骤：
步骤1：获取全网新能源发电预测和实际出力的历史数据，统计预测误差概率分布；
步骤1-1：电网调度人员通过能量管理系统(EMS)获取近1年来新能源电站以及全网新能源发电出力的历史实际出力和历史预测出力；
步骤1-2：计算每天的新能源发电平均绝对误差，并进行预测误差概率统计；
新能源发电预测平均绝对误差表达式：
其中，PMi为i时刻的实际功率，PPi为i时刻的预测功率，Sop为光伏电站/光伏电站开机容量，n为预测数据点数。
步骤2：统计置信区间d(如90％)内的误差范围和置信区间d外的误差范围；
步骤2-1：设置置信水平d(如90％)，统计置信区间d内的误差范围和置信区间d外的误差范围；
步骤3：如附图2所示，获取计划时段全网新能源发电预测出力曲线，基于统计的误差范围得到置信区间的预测出力带，并将新能源预测出力带分为置信区间d内预测出力带和置信区间d外预测出力带两部分。
步骤3-1：电网调度人员通过EMS获取计划时段新能源发电预测数据，即风电预测数据和光伏发电预测数据和母线负荷预测数据Pl(t,n)；
步骤3-2：根据步骤2-1和步骤3-1得到考虑误差的新能源发电预测出力带，包括置信区间d内的预测出力带和置信区间d外的预测出力带；
步骤4：基于置信区间d内新能源预测出力制定全网常规机组和新能源出力计划；
步骤4-1：获取计划时段置信区间d内常规机组优化功率范围、常规机组起停参数、区域负荷水平、机组爬坡率范围及新能源出力预测参数；
步骤4-2：以新能源消纳能力最大为目标函数，以新能源电站出力、线路传输容量、区域负荷平衡、旋转备用容量、常规机组出力、爬坡率和常规最小启机运行时间等为约束条件，建立出力计划；
其中，目标函数：
式中：N为系统所包含的分区总数；n为分区电网n；T为调度时间的总长度；t为仿真时间步长，Pw(t,n)为分区电网n在时段t的风电出力，Ppv(t,n)为分区电网n在时段t的光伏发电出力；
约束条件具体如下所示：
①系统旋转备用容量约束
式中：Pre和Nre分别为正旋转备用和负旋转备用；Pj,max(t,n)和Pj,min(t,n)分别为分区电网n中第j类机组的出力上限和出力下限；Sj(t,n)为整数变量，表示分区电网n中第j类机组的开机台数；Pl(t,n)则表示分区网n第t时段的电力负荷。
②区域负荷平衡约束
式中：为分区电网n第t时段的所有常规机组的总功率之和，Li(t)为第t时段第i条传输线的输电功率。
③区域间线路传输容量约束
-Li,max≤Li(t)≤Li,max
式中，Li,max和-Li,max分别为第i条传输线传输容量上下限。
④机组出力约束
0≤ΔPj(t,n)≤[Pj,max(t,n)-Pj,min(t,n)]·Sj(t,n)
Pj(t,n)＝Pj,min(t,n)·Sj(t,n)+ΔPj(t,n)
式中，ΔPj(t,n)为常规机组优化功率大小。
⑤机组优化功率爬坡率约束
Pj(t+1,n)-Pj(t,n)≤ΔPj,up(n)
Pj(t,n)-Pj(t+1,n)≤ΔPj,down(n)
式中，ΔPj,up，ΔPj,down分别为第j台机组的上爬坡率和下爬坡率。
⑥最小启机运行时间约束
Yj(t)+Zj(t+1)+Zj(t+2)+...+Zj(t+k)≤1
Zj(t)+Yj(t+1)+Yj(t+2)+...+Yj(t+k)≤1
式中：Yj(t)和Zj(t)为第j台机组t时段的启动状态和停机状态，均为二进制变量。
对于Y：0表示不在启动状态，1表示正在启动；对于Z：0表示不在停机状态，1表示正在停机；k由机组最小启机或停机时间参数决定，其反映了最小启机或停机的时间步长。
⑦新能源出力约束
式中：指时刻t时风电预测数据，指时刻t时光伏预测数据。
步骤4-3：对非线性优化调度模型进行求解，得到调度总时间T内每个时刻t的常规机组计划出力Pj(t,n)、风电计划出力Pw(t,n)和光伏发电计划出力Ppv(t,n)。
步骤5：根据常规机组计划出力Pj(t,n)得到的计划出力曲线，进行置信区间d外新能源预测出力接入系统运行风险评估。
步骤5-1：由步骤4获取常规机组出力计划的数据Pj(t,n)和母线负荷预测Pl(t,n)数据；
步骤5-2：基于新能源电站置信区间d外预测误差概率分布进行新能源电站极端出力抽样，即多组风电极端出力和光伏极端出力
步骤5-3：基于电力系统仿真软件建立电网仿真模型；
步骤5-4：将常规机组计划数据Pj(t,n)和母线负荷预测数据Pl(t,n)以及新能源电站极端出力抽样值和输入仿真模型，进行概率潮流仿真计算；
步骤5-5：统计系统各线路潮流越限概率和各母线电压越限概率计算总的运行风险值。
①潮流越限风险
线路i的潮流越限风险：
式中，Sev(Li)为线路i潮流越限严重度，表示为：
式中，ωL为线路i潮流越限的损失值，表示为：
式中：Li为支路i的实际输送功率，为支路i的传输极限。
②电压越限风险
同理，电压越限风险：
式中，Sev(Ui)为节点i的电压越限严重度，ωV(Ui)为节点i的电压越限损失值，Ui为节点i的实际电压，和分别为节点i的电压下限和上限，U为系统的标称电压。
③运行风险值
式中，NL和NU分别为系统内线路和节点的数量，为线路i的潮流越限风险权重，为节点i的电压越限风险权重。
步骤6：发布常规机组和新能源电站出力计划，给出新能源运行风险和概率。
步骤6-1：调度员判断步骤5-5得到的风险值Risk是否超出阈值e，没有超出则发布调度计划，转到步骤6-2；超出则增加置信水平，转到步骤2-1。
步骤6-2：调度员发布计划时段常规机组和新能源电站的调度计划曲线，给出极端出力下运行风险和概率。
基于同一发明构思，本发明还提供了一种新能源发电调度系统，下面进行说明。
本发明提供的系统包括：确定模块，用于采集新能源发电历史数据，确定预测误差概率分布；建立置信区间模块，基于预测误差概率分布，建立置信区间；计划出力曲线确定模块，基于置信区间内的预测出力带的约束参数，确定计划出力曲线；发电运行风险值确定模块，基于计划出力曲线和置信区间外的预测出力带，确定发电运行风险值。
建立置信区间模块，包括：预测出力带确定模块和置信区间划分模块；预测出力带确定模块基于预测误差概率分布，利用发电预测出力曲线，确定预测出力带；置信区间划分模块基于预测出力带，根据预设的置信水平划分置信区间；优选的，预设的置信水平为预测出力带的85％-95％。
预测误差概率分布应满足下式：
其中，MAE为预测误差概率分布，PMi为时刻i的实际功率，PPi为时刻i的预测功率，Sop为光伏电站的开机容量，n为预测数据点数；优选的，计划出力曲线确定模块，包括：非线性优化调度模型建立模块和计划出力曲线获得模块；非线性优化调度模型建立模块基于置信区间内预测出力带的约束参数，建立非线性优化调度模型；
计划出力曲线获得模块根据非线性优化调度模型，获得计划出力曲线；
优选的，非线性优化调度模型包括目标函数设定模块和约束条件设定模块；
优选的，目标函数设定模块中的目标函数应满足下式：
式中：N为系统所包含的分区总数，T为调度时间的总长度，t为仿真时间步长，Pw(t,n)为分区电网n在时段t的风电出力，Ppv(t,n)为分区电网n在时段t的光伏发电出力；
优选的，约束参数包括：常规机组优化功率范围、常规机组起停参数、区域负荷水平、机组爬坡率范围及新能源出力预测参数；
约束条件设定模块包括：旋转备用容量约束、区域负荷平衡约束、区域间线路、传输容量约束、机组出力约束、机组优化功率爬坡率约束、最小启机运行时间约束及新能源出力约束的设定。
发电运行风险值确定模块包括：电网仿真模型建立模块、潮流越限概率和电压越限概率得到模块和运行风险值计算模块；电网仿真模型建立模块，用于电网仿真模型建立模块利用电力系统仿真软件建立电网仿真模型；潮流越限概率和电压越限概率得到模块，用于对置信区间外的预测出力带的发电出力进行出力抽样，将出力抽样结果、采集到的母线负荷预测数据及根据优化调度模型得到的常规机组出力计划数据输入电网仿真模型，得到潮流结果，并统计得到潮流越限概率和电压越限概率；
运行风险值计算模块，利用各线路的潮流越限概率和各母线的电压越限概率计算运行风险值；
优选的，运行风险值计算模块还包括：
线路i的潮流越限风险应满足下式：
母线i的电压越限风险应满足下式：
运行风险应满足下式：
式中，Sev(Li)为线路i潮流越限严重度,Sev(Ui)为母线i潮流越限严重度，NL和NU分别为系统内线路和节点的数量，为线路i的潮流越限风险权重，为节点i的电压越限风险权重；
优选的，发电运行风险值确定模块还包括：判断发电运行风险值是否超出设定阈值，若未超出则发布出力计划、极端出力下的运行风险和概率，若超出则增加置信水平。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。
Claims (10)
1.一种新能源发电调度方法，其特征在于，所述发电调度方法包括步骤：
采集新能源发电的历史数据，确定预测误差概率分布；
基于所述预测误差概率分布，建立置信区间；
基于置信区间内的预测出力带的约束参数，确定计划出力曲线；
基于所述计划出力曲线和置信区间外的预测出力带，确定发电运行风险值。
2.根据权利要求1所述的新能源发电调度方法，其特征在于，所述建立置信区间，包括：
基于所述预测误差概率分布，利用发电预测出力曲线，确定预测出力带；
基于所述预测出力带，根据预设的置信水平划分所述置信区间；
优选的，所述预设的置信水平为所述预测出力带的85％-95％。
3.根据权利要求1所述的新能源发电调度方法，其特征在于，所述预测误差概率分布的计算公式如下所示：
其中，MAE为所述预测误差概率分布，PMi为时刻i的实际功率，PPi为时刻i的预测功率，Sop为光伏电站的开机容量，n为预测数据点数。
4.根据权利要求1所述的新能源发电调度方法，其特征在于，确定计划出力曲线，包括：
基于置信区间内预测出力带的约束参数，建立非线性优化调度模型；
根据所述非线性优化调度模型，得到所述计划出力曲线；
优选的，所述非线性优化调度模型包括设定目标函数和约束条件；
优选的，所述目标函数如下所示：
式中：N为系统所包含的分区总数，T为调度时间的总长度，t为仿真时间步长，Pw(t,n)为分区电网n在时段t的风电出力，Ppv(t,n)为分区电网n在时段t的光伏发电出力；
优选的，所述约束参数包括：常规机组优化功率范围、常规机组起停参数、区域负荷水平、机组爬坡率范围及新能源出力预测参数；
所述约束条件包括：旋转备用容量约束、区域负荷平衡约束、区域间线路、传输容量约束、机组出力约束、机组优化功率爬坡率约束、最小启机运行时间约束、新能源出力约束。
5.根据权利要求4所述的新能源发电调度方法，其特征在于，基于所述计划出力曲线和置信区间外的预测出力带，确定发电运行风险值，包括：利用电力系统仿真软件建立电网仿真模型；
对置信区间外的预测出力带的发电出力进行出力抽样，将所述出力抽样结果、采集到的母线负荷预测数据及根据所述优化调度模型得到的常规机组出力计划数据输入所述电网仿真模型，得到潮流结果，并统计得到潮流越限概率和电压越限概率；
利用各线路的潮流越限概率和各母线的电压越限概率计算运行风险值；
优选的，所述计算运行风险值包括：
线路i的潮流越限风险计算公式，如下所示：
母线i的电压越限风险计算公式，如下所示：
所述运行风险的计算公式，如下所示：
式中，Sev(Li)为线路i潮流越限严重度,Sev(Ui)为母线i潮流越限严重度，NL和NU分别为系统内线路和节点的数量，为线路i的潮流越限风险权重，为节点i的电压越限风险权重。
6.根据权利要求1所述的新能源发电调度方法，其特征在于，确定发电运行风险值，还包括：
判断所述发电运行风险值是否超出设定阈值，若未超出则发布出力计划、极端出力下的运行风险和概率，若超出则增加所述置信水平。
7.一种新能源发电调度系统，其特征在于，所述系统包括：
确定模块，用于采集新能源发电历史数据，确定预测误差概率分布；
建立置信区间模块，基于所述预测误差概率分布，建立置信区间；
计划出力曲线确定模块，基于置信区间内的预测出力带的约束参数，确定计划出力曲线；
发电运行风险值确定模块，基于所述计划出力曲线和置信区间外的预测出力带，确定发电运行风险值。
8.根据权利要求7所述的新能源发电调度系统，其特征在于，建立置信区间模块，包括：预测出力带确定模块和置信区间划分模块；
所述预测出力带确定模块基于所述预测误差概率分布，利用发电预测出力曲线，确定预测出力带；
所述置信区间划分模块基于所述预测出力带，根据预设的置信水平划分所述置信区间；
优选的，所述预设的置信水平为所述预测出力带的85％-95％。
9.根据权利要求7所述的新能源发电调度系统，其特征在于，所述预测误差概率分布应满足下式：
其中，MAE为所述预测误差概率分布，PMi为时刻i的实际功率，PPi为时刻i的预测功率，Sop为光伏电站的开机容量，n为预测数据点数；
优选的，计划出力曲线确定模块，包括：非线性优化调度模型建立模块和计划出力曲线获得模块；
所述非线性优化调度模型建立模块基于置信区间内预测出力带的约束参数，建立非线性优化调度模型；
所述计划出力曲线获得模块根据所述非线性优化调度模型，获得所述计划出力曲线；
优选的，所述非线性优化调度模型包括目标函数设定模块和约束条件设定模块；
优选的，所述目标函数设定模块中的目标函数应满足下式：
式中：N为系统所包含的分区总数，T为调度时间的总长度，t为仿真时间步长，Pw(t,n)为分区电网n在时段t的风电出力，Ppv(t,n)为分区电网n在时段t的光伏发电出力；
优选的，所述约束参数包括：常规机组优化功率范围、常规机组起停参数、区域负荷水平、机组爬坡率范围及新能源出力预测参数；
所述约束条件设定模块包括：旋转备用容量约束、区域负荷平衡约束、区域间线路、传输容量约束、机组出力约束、机组优化功率爬坡率约束、最小启机运行时间约束及新能源出力约束的设定。
10.根据权利要求9所述的新能源发电调度系统，其特征在于，发电运行风险值确定模块包括：电网仿真模型建立模块、潮流越限概率和电压越限概率得到模块和运行风险值计算模块；
所述电网仿真模型建立模块，用于所述电网仿真模型建立模块利用电力系统仿真软件建立电网仿真模型；
所述潮流越限概率和电压越限概率得到模块，用于对置信区间外的预测出力带的发电出力进行出力抽样，将出力抽样结果、采集到的母线负荷预测数据及根据所述优化调度模型得到的常规机组出力计划数据输入所述电网仿真模型，得到潮流结果，并统计得到潮流越限概率和电压越限概率；
所述运行风险值计算模块，利用各线路的潮流越限概率和各母线的电压越限概率计算运行风险值；
优选的，所述运行风险值计算模块还包括：
线路i的潮流越限风险应满足下式：
母线i的电压越限风险应满足下式：
所述运行风险应满足下式：
式中，Sev(Li)为线路i潮流越限严重度,Sev(Ui)为母线i潮流越限严重度，NL和NU分别为系统内线路和节点的数量，为线路i的潮流越限风险权重，为节点i的电压越限风险权重；
优选的，所述发电运行风险值确定模块还包括：
判断所述发电运行风险值是否超出设定阈值，若未超出则发布出力计划、极端出力下的运行风险和概率，若超出则增加所述置信水平。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710376520.6A CN108964113B (zh) | 2017-05-25 | 2017-05-25 | 一种新能源发电调度方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710376520.6A CN108964113B (zh) | 2017-05-25 | 2017-05-25 | 一种新能源发电调度方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108964113A true CN108964113A (zh) | 2018-12-07 |
| CN108964113B CN108964113B (zh) | 2021-04-30 |
Family
ID=64494449
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710376520.6A Active CN108964113B (zh) | 2017-05-25 | 2017-05-25 | 一种新能源发电调度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108964113B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111030189A (zh) * | 2019-12-06 | 2020-04-17 | 国网辽宁省电力有限公司经济技术研究院 | 一种风电和光伏消纳预测预警方法 |
| CN112104005A (zh) * | 2020-08-25 | 2020-12-18 | 中国电力科学研究院有限公司 | 一种考虑新能源预测不确定性的电网调度方法和系统 |
| CN112769147A (zh) * | 2020-12-30 | 2021-05-07 | 国家电网有限公司 | 一种基于电网感知数据的频率稳定性预警方法 |
| CN113850406A (zh) * | 2020-06-28 | 2021-12-28 | 国网电力科学研究院有限公司 | 一种计及新能源不确定性的中长期电力电量分解方法 |
| CN113972697A (zh) * | 2021-10-14 | 2022-01-25 | 国网天津市电力公司 | 一种大规模并网新能源的集群出力特性评价方法 |
| CN114386849A (zh) * | 2022-01-13 | 2022-04-22 | 国网湖南省电力有限公司 | 新能源高占比系统电力平衡风险预警方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102842105A (zh) * | 2012-07-09 | 2012-12-26 | 中国电力科学研究院 | 一种计及风电不确定性的暂态稳定风险在线评估方法 |
| CN104156887A (zh) * | 2014-08-14 | 2014-11-19 | 国家电网公司 | 一种基于电网约束的区域新能源开发规模及布局分析方法 |
| CN104953624A (zh) * | 2015-07-27 | 2015-09-30 | 武汉大学 | 一种基于光伏预测误差模糊性的电力系统调度方法 |
| JP2016110255A (ja) * | 2014-12-03 | 2016-06-20 | 三菱電機株式会社 | 需給調整装置 |
-
2017
- 2017-05-25 CN CN201710376520.6A patent/CN108964113B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102842105A (zh) * | 2012-07-09 | 2012-12-26 | 中国电力科学研究院 | 一种计及风电不确定性的暂态稳定风险在线评估方法 |
| CN104156887A (zh) * | 2014-08-14 | 2014-11-19 | 国家电网公司 | 一种基于电网约束的区域新能源开发规模及布局分析方法 |
| JP2016110255A (ja) * | 2014-12-03 | 2016-06-20 | 三菱電機株式会社 | 需給調整装置 |
| CN104953624A (zh) * | 2015-07-27 | 2015-09-30 | 武汉大学 | 一种基于光伏预测误差模糊性的电力系统调度方法 |
Non-Patent Citations (1)
| Title |
|---|
| 孙景文: "风电功率概率特征建模及风险分析应用", 《中国知网硕士学位论文全文数据库》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111030189A (zh) * | 2019-12-06 | 2020-04-17 | 国网辽宁省电力有限公司经济技术研究院 | 一种风电和光伏消纳预测预警方法 |
| CN113850406A (zh) * | 2020-06-28 | 2021-12-28 | 国网电力科学研究院有限公司 | 一种计及新能源不确定性的中长期电力电量分解方法 |
| CN112104005A (zh) * | 2020-08-25 | 2020-12-18 | 中国电力科学研究院有限公司 | 一种考虑新能源预测不确定性的电网调度方法和系统 |
| CN112104005B (zh) * | 2020-08-25 | 2023-05-16 | 中国电力科学研究院有限公司 | 一种考虑新能源预测不确定性的电网调度方法和系统 |
| CN112769147A (zh) * | 2020-12-30 | 2021-05-07 | 国家电网有限公司 | 一种基于电网感知数据的频率稳定性预警方法 |
| CN112769147B (zh) * | 2020-12-30 | 2022-04-15 | 国家电网有限公司 | 一种基于电网感知数据的频率稳定性预警方法 |
| CN113972697A (zh) * | 2021-10-14 | 2022-01-25 | 国网天津市电力公司 | 一种大规模并网新能源的集群出力特性评价方法 |
| CN114386849A (zh) * | 2022-01-13 | 2022-04-22 | 国网湖南省电力有限公司 | 新能源高占比系统电力平衡风险预警方法 |
| CN114386849B (zh) * | 2022-01-13 | 2023-05-23 | 国网湖南省电力有限公司 | 新能源高占比系统电力平衡风险预警方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108964113B (zh) | 2021-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108964113A (zh) | 一种新能源发电调度方法及系统 | |
| CN105207267B (zh) | 一种微网能量管理系统 | |
| CN102097828B (zh) | 一种基于功率预测的风电优化调度方法 | |
| Salimi et al. | Simultaneous operation of wind and pumped storage hydropower plants in a linearized security-constrained unit commitment model for high wind energy penetration | |
| CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
| CN111555281B (zh) | 一种电力系统灵活性资源配置仿真方法及装置 | |
| CN109149571A (zh) | 一种考虑系统燃气和火电机组特性的储能优化配置方法 | |
| CN101692575B (zh) | 一种大电网实时潮流计算数据的处理方法 | |
| CN106058917A (zh) | 一种计及光伏发电的电力系统动态经济调度方法 | |
| HUE035925T2 (en) | Hybrid electric power plant that uses a combination of real-time power generation equipment and energy storage system | |
| Chen et al. | Stochastic dynamic economic dispatch of wind-integrated electricity and natural gas systems considering security risk constraints | |
| Qiu et al. | Resilience-oriented multistage scheduling for power grids considering nonanticipativity under tropical cyclones | |
| US12015275B2 (en) | Hybrid power plant | |
| CN104537428B (zh) | 一种计及风电接入不确定性的经济运行评估方法 | |
| CN105811472A (zh) | 一种基于风电场经济性的有功功率调节方法及系统 | |
| CN108493992A (zh) | 一种含分布式潮流控制器的风电场优化调度方法 | |
| CN110350589A (zh) | 一种可再生能源和储能调度模型及调度方法 | |
| CN105305485A (zh) | 一种消纳大规模间歇性能源的安全约束经济调度方法 | |
| CN108429249A (zh) | 一种电力系统调峰调频的社会经济效益计算方法及系统 | |
| Kushwaha et al. | A novel framework to assess synthetic inertia & primary frequency response support from energy storage systems | |
| WO2023167631A1 (en) | An electrical power system and a multi-timescale coordinated optimization scheduling method therefor | |
| CN117239740B (zh) | 一种虚拟电厂系统的优化配置与灵活性提升方法及系统 | |
| Tian et al. | Coordinated RES and ESS Planning Framework Considering Financial Incentives Within Centralized Electricity Market | |
| CN111525550A (zh) | 一种功率预测对断面输送功率影响的评估方法及系统 | |
| Hua et al. | Design of energy dispatch strategy of active distribution network using chance-constrained programming |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100192 Beijing city Haidian District Qinghe small Camp Road No. 15 Applicant after: CHINA ELECTRIC POWER RESEARCH INSTITUTE Co.,Ltd. Applicant after: STATE GRID CORPORATION OF CHINA Applicant after: STATE GRID JIANGSU ELECTRIC POWER Co. Address before: 100192 Beijing city Haidian District Qinghe small Camp Road No. 15 Applicant before: China Electric Power Research Institute Applicant before: State Grid Corporation of China Applicant before: STATE GRID JIANGSU ELECTRIC POWER Co. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |