CN109473972B - 基于多功率曲线协整的源荷储优化控制方法 - Google Patents

Abstract

本发明公开一种基于多功率曲线协整的源荷储优化控制方法，步骤包括：S1.构建由用户总负荷曲线和储能系统出力曲线构成的组合功率曲线、与新能源电源出力曲线之间的协整关系模型；S2.分别获取目标电力系统在运行过程中对应新能源电源出力曲线、用户总负荷曲线以及储能系统出力曲线的时间序列，计算得到机组出力残差序列；S3调整目标电力系统的新能源电源出力、用户总负荷以及储能系统出力中可调度资源，直至机组出力残差序列为平稳序列，以使得新能源出力、用户负荷以及储能系统出力之间为协整运行状态。本发明能够实现源网荷储协整运行，提高电网消纳新能源能力的同时，保证常规机组出力的平稳。

Description

基于多功率曲线协整的源荷储优化控制方法

技术领域

本发明涉及新能源渗透率电力系统技术领域，尤其涉及一种基于多功率曲线协整的源荷储优化控制方法。

背景技术

当前大量新能源电力并网起到了一定的缓解能源危机和改善环境的作用，但同时也存在大量的弃风弃光的情况，由于新能源出力和电力负荷的随机性变化、传统电源的调节能力不足，系统功率平衡通常需要通过舍弃部分新能源或甩掉部分负荷，由此造成大量的能源浪费和降低了供电可靠性。源网荷储协调调度即是通过协调发电侧与用户侧的可调度资源，能有效提高系统运行的灵活性与可靠性，源-荷-储是解决新能源消纳问题的有效途径，其中“源”是指风光水火多种电源，“荷”指具有可调节特性的需求侧响应负荷，“储”指电池储能装置。

目前源网荷储协调消纳新能源方法主要是通过源-荷互动和储能装置配合，实现源荷之间的协调，即在发电侧，通过选用优质的备用服务电源或调度储能装置充放电功率，协调系统发电调度；在用户侧，通过对柔性负荷的调控或需求响应来适应可再生能源的大规模接入。无论是对发电侧还是对用户侧，都存在相应的协调，这些协调定会改变传统机组出力曲线、用户负荷曲线、新能源电力曲线和储能出力曲线。

在传统运行方式下，往往是直接通过对传统常规机组的协调优化来适应新能源的全额并网，这会导致常规机组频繁的调整出力，同时受机组运行经济性和爬坡调节性能的限制，其出力也无法完全适应新能源的波动，而为了不影响电网运行的安全性和经济性，电网只能采取弃风措施，导致弃风弃光严重。

传统运行方式得到的各曲线如图1所示，从图中可以看出其中的常规机组出力波动较大，同时弃风现象也较为严重，如图中填充区域所示，该方式下弃风电量可表示为：

式中，P_g,min表示常规机组最小出力，P_W(t)与P_L(t)分别表示t时段的风电计划出力与负荷大小。

源-荷-储协调运行方式由于引入负荷与储能这两个可调度的资源与常规机组一起适应新能源的波动，可以大大增加调节能力，因此其常规机组出力波动及新能源弃用情况均有所改善，但是目前在源-荷-储协调运行的优化过程中并没有考虑各曲线之间的相关性，没能对系统协调优化程度进行有效控制，优化协调能力仍然有限。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、优化协调性能好的基于多功率曲线协整的源荷储优化控制方法，能够实现源网荷储协整运行，提高电网消纳新能源能力的同时，保证常规机组出力的平稳。

为解决上述技术问题，本发明提出的技术方案为：

一种基于多功率曲线协整的源荷储优化控制方法，步骤包括：

S1.构建协整关系模型：构建由用户总负荷曲线P_L和储能系统出力曲线P_S构成的组合功率曲线P_Load、与新能源电源出力曲线P_W之间的协整关系模型；S2.机组出力残差计算：分别获取目标电力系统在运行过程中对应新能源电源出力曲线P_W、用户总负荷曲线P_L以及储能系统出力曲线P_S的时间序列，根据获取到的对应各曲线的时间序列以及所述协整关系模型计算得到机组出力残差序列；

S3.优化调节：调整目标电力系统的新能源电源出力、用户总负荷以及储能系统出力中可调度资源，直至所述机组出力残差序列为平稳序列，以使得新能源出力、用户负荷以及储能系统出力之间为协整运行状态。

作为本发明的进一步改进：所述步骤S1中，先由所述用户总负荷曲线P_L以及所述储能系统出力曲线P_S构成组合功率曲线P_Load，再由所述组合功率曲线P_Load与所述新能源电源出力曲线P_W构建协整关系，得到协整关系模型。

作为本发明的进一步改进：所述用户总负荷曲线P_L以及储能系统出力曲线P_S按照下式构成组合功率曲线P_Load；

P_L+P_S＝P_Load

所述组合功率曲线P_Load与所述新能源电源出力曲线P_W按照下式构建协整关系；

P_Load＝α+βP_W+u_t

其中，α、β为常数，u_t为协整关系下的残差序列。

作为本发明的进一步改进：所述步骤S2中按下式计算得到机组出力残差的时间序列；

其中，P_g为机组出力曲线的时间序列，

为机组出力残差。

作为本发明的进一步改进：所述步骤S2中获取对应各曲线的时间序列时，还包括对各时间序列进行平稳性检验，判断各时间序列是否满足同阶单整条件，若不满足，调整新能源出力、用户负荷以及储能系统出力。

作为本发明的进一步改进，所述步骤S3后还包括协整度检验步骤，具体步骤包括：预先基于机组出力残差序列的信息熵构建协整度的计算模型；所述步骤S3得到平稳的所述机组出力残差序列后，计算所述机组出力残差序列的信息熵，根据计算得到的信息熵以及所述计算模型得到新能源出力、用户负荷以及储能系统出力之间的协整度，根据计算得到的所述协整度评估目标电力系统中源-荷-储的协整性能。

作为本发明的进一步改进，所述协整度的计算模型为；

其中，

为机组出力残差序列的信息熵，H_stand为机组出力残差序列的信息熵的基准值，k_p为所述协整度。

作为本发明的进一步改进：所述步骤S3后还包括控制目标电力系统运行步骤，所述控制目标电力系统运行步骤包括控制目标电力系统在预先构建的协整度约束条件下运行，即使得新能源出力、用户负荷以及储能系统出力之间的所述协整度满足所述协整度约束条件。

作为本发明的进一步改进：所述控制目标电力系统在预先构建的协整度约束条件下运行时，还包括功率平衡约束、机组出力约束、单时段响应负荷约束、负荷响应容量约束、储能系统出力约束中一种或多种约束条件。

作为本发明的进一步改进，所述控制目标电力系统运行步骤的具体步骤为：预先以降低系统运行成本和提高新能源消纳量为目标，基于包括所述协整度约束条件的约束条件构建源-荷-储多目标优化协整模型，基于所述源-荷-储多目标优化协整模型控制目标电力系统运行。

与现有技术相比，本发明的优点在于：

1、本发明基于多功率曲线协整的源荷储优化控制方法，通过将时间序列协整理论中的协整应用于新能源电力曲线、用户负荷曲线和储能出力曲线等多条功率曲线的统一协调整合，通过构建多曲线之间的协整关系模型，基于该协整关系模型得到系统的机组出力残差序列，根据机组出力残差序列的平稳性来调整系统资源，能够利用新能源电力曲线、用户负荷曲线和储能出力曲线之间的协整关系，将需求响应资源与储能装置作为消纳新能源的重要调度资源，与常规机组共同参与系统优化调度，使得用户负荷曲线、新能源出力曲线与储能出力曲线形成协整关系，从而基于时间序列协整理论实现源-荷-储协同调整的协整运行。

2、本发明基于多功率曲线协整的源荷储优化控制方法，通过实现源-荷-储协整运行，引入需求响应资源ΔP_L(t)与储能装置P_S(t)，大大增加了系统平衡新能源波动的能力，使得源-荷-储协整运行下的弃风电量要小于传统运行方式下的弃风电量，即Q′_W＜Q_W，同时由于源-荷-储协整系统中多条功率曲线间形成了协整关系，使得常规机组出力曲线为平稳曲线，大大减少了常规机组的调频压力。

3、本发明基于多功率曲线协整的源荷储优化控制方法，基于协整理论进一步通过构建协整度k_p的计算模型，以由协整度k_p作为区分协整程度的指标，由该协整度k_p作为源-荷-储协整度指标，可以定量地描述各功率曲线之间相互协调整合程度，从而可以获取到源-荷-储的协整效果。

附图说明

图1是系统传统运行状态下得到的各功率曲线示意图。

图2是本实施例基于多功率曲线协整的源荷储优化控制方法的实现流程示意图。

图3是在具体应用实施例中源-荷-储运行在协整状态时得到的各功率曲线示意图。

图4是在具体应用实施例中得到的两类负荷曲线对比结果示意图。

图5是本实施于多功率曲线协整实现源荷储优化控制的具体实现流程示意图。

图6是具体实施例中采用的风光联合出力预测曲线、用户负荷曲线示意图。

图7是具体实施例中得到的常规优化运行方式的试验结果示意图。

图8是具体实施例中得到的源-荷-储协调运行方式的试验结果示意图。

图9是具体实施例中采用本发明源-荷-储协整运行方式的试验结果示意图。

图10是具体实施例中得到的不同协整度约束下的常规机组出力曲线的试验结果示意图。

图11是具体实施例中得到的不同协整度约束下新能源弃用量曲线的试验结果示意图。

图12是具体实施例中不同新能源渗透率系统新能源出力预测曲线的试验结果示意图。

图13是具体实施例中不同新能源渗透率下的常规机组出力曲线的试验结果示意图。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。

如图2所示，本实施例基于多功率曲线协整的源荷储优化控制方法步骤包括：

S1.构建由用户总负荷曲线P_L和储能系统出力曲线P_S构成的组合功率曲线P_Load、与新能源电源出力曲线P_W之间的协整关系模型；

S2.机组出力残差计算：分别获取目标电力系统在运行过程中对应新能源电源出力曲线P_W、用户总负荷曲线P_L以及储能系统出力曲线P_S的时间序列，根据获取到的对应各曲线的时间序列以及协整关系模型计算得到机组出力残差序列；

S3.优化调节：调整目标电力系统的新能源电源出力、用户总负荷以及储能系统出力中可调度资源，直至机组出力残差序列为平稳序列，以使得新能源出力、用户负荷以及储能系统出力之间为协整运行状态。

协整是对非平稳变量的长期均衡关系的描述，即认为若两个或多个非平稳的变量序列，其某个线性组合后的序列呈平稳性，则变量间具有协整关系。在协整理论中，如果非平稳变量的线性组合是平稳的，则变量间具有协整关系。在电力系统中，新能源电力曲线、用户负荷曲线及储能出力曲线往往呈现出典型的非平稳序列特征，而传统机组出力曲线被期望具有平稳性，若非平稳的用户负荷曲线、新能源发电出力曲线与储能出力曲线之间能够建立特定的协整关系，则其线性组合值即--传统发电机组的出力曲线(时间序列值)--就是平稳的，这样恰恰满足了传统机组出力曲线性状。

本实施例基于上述特性，将时间序列协整理论中的协整应用于新能源电力曲线、用户负荷曲线和储能出力曲线等多条功率曲线的统一协调整合，通过构建多曲线之间的协整关系模型，基于该协整关系模型得到系统的机组出力残差序列，根据机组出力残差序列的平稳性来调整系统资源，能够利用新能源电力曲线、用户负荷曲线和储能出力曲线之间的协整关系，将需求响应资源与储能装置作为消纳新能源的重要调度资源，与常规机组共同参与系统优化调度，使得用户负荷曲线、新能源出力曲线与储能出力曲线形成协整关系，从而基于时间序列协整理论实现源-荷-储协同调整的协整运行，进而实现电力需求侧管理、系统协调优化、调度协同调整。

本实施例通过实现源-荷-储协整运行，引入需求响应资源ΔP_L(t)与储能装置P_S(t)，大大增加了系统平衡新能源波动的能力，使得源-荷-储协整运行下的弃风电量要小于传统运行方式下的弃风电量，即Q′_W＜Q_W，同时由于源-荷-储协整系统中多条功率曲线间形成了协整关系，使得常规机组出力曲线为平稳曲线，大大减少了常规机组的调频压力。

本实施例步骤S1中，先由用户总负荷曲线P_L以及储能系统出力曲线P_S构成组合功率曲线P_Load，再由组合功率曲线P_Load与新能源电源出力曲线P_W构建协整关系，得到协整关系模型，即通过调节源-荷-储等可调度资源，让用户负荷曲线和储能出力曲线的组合功率曲线与新能源电力曲线形成特定的协整关系，使得常规机组出力平稳。

本实施例在源-荷-储协整关系的建立过程中，考虑新能源电源出力、用户总负荷及储能装置出力的协调整合对传统机组出力的影响，具体采用传统机组出力作为分析变量，新能源电源出力、用户总负荷及储能装置出力作为解释变量，针对用户总负荷P_L和储能装置出力P_S的组合功率P_Load与新能源电源出力P_W建立协整关系。

本实施例具体采用基于静态残差的EG两步法进行协整检验，当然也可以采用基于模型系数本身的似然比检验及共同趋势检验方法等。采用EG两步检验法来检验序列的协整关系具体流程为：

第1步：对变量x_1t和x_2t进行静态回归，得：

x_1t＝α+βx_2t+u_t (1)

利用观测数据，通过OLS(普通最小二乘)方法进行拟合，得

得到残差序列

第2步：采用ADF检验法对残差序列

进行单整性检验，如果

为稳定序列，则序列x_1t和x_2t是协整的，

为协整向量。

将电力系统中常规机组出力P_g、新能源电源出力P_W、用户总负荷P_L和储能系统出力P_S这四者可以构成一个完全的协整关系，系统功率平衡关系式为：

P_g+P_W-P_L-P_S＝0 (4)

而上述协整关系并不能体现系统各功率曲线的协调运行特征，本实施例进一步基于上述协整检验方法构建各功率曲线与常规机组出力之间的协整关系模型，以建立基于常规机组出力平稳的源-荷-储协整关系。

本实施例中，用户总负荷曲线P_L以及储能系统出力曲线P_S具体按照下式(5)构成组合功率曲线P_Load；

P_L+P_S＝P_Load (5)

组合功率曲线P_Load与新能源电源出力曲线P_W按照下式(6)构建协整关系模型；

P_Load＝α+βP_W+u_t (6)

其中，α、β为常数，u_t为协整关系残差序列。

步骤S2中按下式计算得到机组出力残差序列

由上式表示了用户总负荷、储能出力、新能源电源出力和常规机组出力多种电力功率间稳定的均衡关系，即虽然新能源电源出力P_W、用户总负荷P_L与储能装置出力P_S是非平稳的，但是通过适当调节这三者的出力，让用户负荷曲线和储能出力曲线的组合功率曲线P_Load与新能源电力曲线P_W形成如式(4)的特定协整关系，使得常规机组出力残差

平稳，这样传统机组出力P_g也是平稳的，这就恰恰满足了传统机组的期望出力曲线性状，同时又保证了新能源的高利用率。

两个序列建立协整关系之前，必须保证两变量序列为同阶单整序列，即需要对时间序列数据进行平稳性检验。本实施例步骤S2中获取对应各曲线的时间序列时，还包括对各时间序列进行平稳性检验，判断各时间序列是否满足同阶单整条件，若不满足，调整新能源出力、用户负荷以及储能系统出力。具体在在建立源-荷-储协整状态时，不断调整用户总负荷P_L、储能装置出力P_S和新能源电源出力P_W，直至新能源电源出力序列{P_W}和组合功率序列{P_Load}满足同阶单整条件。上述对时间序列数据进行平稳性检验可采用ADF检验法等方法。

本发明在具体应用实施例中通过使源-荷-储运行为协整状态得到的各功率曲线如图3所示，在周期T内，用户总负荷和储能出力的组合功率曲线P_Load与新能源电源实际出力P_W形成了上述协整关系，由图中可知，此时常规机组出力波动较小，同时新能源利用率高，此时的弃风电量为：

式中，ΔP_L(t)与P_S(t)分别表示t时段的负荷调整量与储能装置充放电功率。

即本实施例源-荷-储协整运行时，通过调节源-荷-储可调度资源，使得系统中的多条电力功率曲线形成特定的协整运行状态，在有效提高了电网消纳新能源能力的同时，能够保证常规机组出力的平稳。

本实施例步骤S3后还包括协整度检验步骤，具体步骤包括：预先基于机组出力残差序列的信息熵构建协整度的计算模型；步骤S3得到平稳的机组出力残差序列后，计算机组出力残差序列的信息熵，根据计算得到的信息熵以及计算模型得到新能源出力、用户负荷以及储能系统出力之间的协整度k_p，根据计算得到的协整度k_p评估目标电力系统中源-荷-储的协整性能。

对于给定的多个随机过程或时间序列，要么协整，要么非协整，而实际上一个变量可能与多个变量之间都存在协整关系，仅通过检验协整关系无法区分各组协整关系之间的区别，如协整关系紧密程度。常规机组出力曲线、新能源出力曲线、负荷曲线及储能装置出力曲线，通过调度、控制、管理等协调调整后，曲线性状发生改变，使得系统达到协整运行状态，源-荷-储协整后，协调调整会产生相应的协整效果，但是系统协同调整的效果、曲线改变的程度、各个曲线性状等无法直接获取。本实施例基于协整理论，进一步通过构建协整度k_p的计算模型，以由协整度k_p作为区分协整程度的指标，由该协整度k_p作为源-荷-储协整度指标，可以定量地描述各功率曲线之间相互协调整合程度，从而可以获取到源-荷-储的协整效果。

信息熵(香农熵)是用于量化信息量，同样机组出力残差序列

每时每刻都在变化，因此参考信息熵来度量其离散程度，本实施例基于信息熵来构建协整度的计算模型，通过运用信息熵来度量残差序列的离散程度来计算协整度指标，以度量源-荷-储协整关系的密切程度。

机组出力残差序列的信息熵

的表达式为：

式中，n为机组出力残差序列

的维数，设

的分布律为{P}，其中

且0≤p_i≤1，

信息的量度依赖于最小二乘回归的残差序列的概率分布，其中

越小，则需要度量

的信息量也就越小，进而说明

越集中；

越大，则需要度量

的信息量也就越大，进而说明

越离散。

本实施例中，协整度的计算模型具体为；

其中，

为机组出力残差序列的信息熵，H_stand为机组出力残差序列的信息熵的基准值，k_p为协整度。

由上式(9)，可以在有效刻画机组出力残差序列信息熵的基础上，以信息熵度量机组出力残差序列离散程度定义协整度，通过协整度k_p，便能有效刻画多变量间协整关系的紧密程度，其值越大，表明序列间的协整关系更为紧密，即变量间的联动关系更为密切。

本实施例协整度指标k_p可以表征用户负荷曲线和储能出力曲线的组合功率曲线与新能源电力曲线的协整程度，通过构建协整度指标k_p可以更好的刻画常规机组出力的波动情况，能够定量地描述多条功率曲线协调整合的效果，相比于传统的如期望、方差、标准差等特性指标，不会存在两功率曲线的上述指标均相同，但是曲线性状差异却很大的情况，从而更好的从整体上体现了常规机组出力的时间序列波动特征。如图4所示，其中曲线A表示平滑稳定波动特征曲线、曲线B表示频繁剧烈波动特征曲线。

在具体应用实施例中，如图5所示，基于多功率曲线协整实现源荷储优化控制的步骤如下：

1)数据预处理

在建立协整关系之前，本实施例获取各功率曲线后对各时间序列中的原数据进行取对数处理，生成协整模型中对应变量的时间序列{P_W}和{P_Load}，上述取自然对数处理不会影响各时间序列的平稳性，也不会改变原来的协整关系，可以消除变量可能存在的异方差，同时又保证数据的相对关系。

2)时间序列数据的同阶单整检验

在对序列{P_W}和{P_Load}建立协整关系之前，必须保证两变量序列为同阶单整序列，即对时间序列数据进行平稳性检验，具体采用ADF检验法对时间序列数据进行平稳性检验。即在建立源-荷-储协整状态时，不断调整用户总负荷P_L、储能装置出力P_S和新能源电源出力P_W，直至新能源电源出力序列{P_W}和组合功率序列{P_Load}满足同阶单整条件。

3)源-荷-储协整检验

通过调节源-荷-储可调度资源，采用上述的EG两步法对序列{P_W}和{P_Load}的协整关系进行检验，即源-荷-储协整检验，得到协整关系表达式：

P_Load＝α+βP_W+u_t (12)

4)源-荷-储协整度检验

在变量协整的基础上，对源-荷-储协整程度进行区分，即将基于上述协整方程所得的常规机组出力残差序列：

代入式(10)求得其信息熵

再将

代入式(11)求到系统协整度k_p，即进行协整度检验，以协整度k_p作为源-荷-储协整程度指标，评估源-荷-储协整效果。

本实施例中，步骤S3后还包括控制目标电力系统运行步骤，控制目标电力系统运行步骤包括控制目标电力系统在预先构建的协整度约束条件下运行，即使得新能源出力、用户负荷以及储能系统出力之间的协整度满足协整度约束条件。

为了更好的调节系统的协整运行状态，本实施例具体引入以下系统运行协整度约束：

P_L+ΔP+P_stor＝α+βP_w+u_t (14)

k_p≥k_p,min (17)

其中，P_L+ΔP+P_stor即为对应组合功率曲线P_Load，α、β均为常系数。

上式中，式(14)-(16)分别对应为源荷储协整表达式、常规机组出力表达式、常规机组出力残差序列表达式；将所求得的常规机组出力残差序列

代入式(10)，求得

的信息熵，再通过式(11)即得源荷储协整度k_p，k_p,min表示系统运行协整度下限值。

本实施例中，控制目标电力系统在预先构建的协整度约束条件下运行时，还包括功率平衡约束、机组出力约束、单时段响应负荷约束、负荷响应容量约束、储能系统出力约束中一种或多种约束条件。约束条件具体可包括如下系统功率平衡约束、常规机组出力约束、需求响应负荷约束和系统运行协整度约束等：

①功率平衡约束

功率平衡约束表达式为：

式中，P_L(t)为t时段系统中的负荷量。

②传统机组出力约束

传统机组参与调度主要受到出力约束、爬坡约束和启停时间约束，具体可根据实际需求设定。

③需求响应负荷约束

a)单时段响应负荷约束

各个时段可供灵活调整的负荷是有限的，具体引入单时段响应负荷约束：

P_Hmin(t)≤ΔP(t)≤P_Hmax(t) (19)

式中，P_Hmax(t)和P_Hmin(t)分别表示t时段需求响应负荷的上下限。

b)负荷响应容量约束

为了保证调度周期内用户整体用电量的平衡，需求响应削减或增加负荷量应保持一定的平衡，引入负荷响应容量约束：

式中，S_Pmax和S_Pmin分别表示在调度周期T内负荷响应容量的上下限，其中S_Pmin＜0。

④储能系统出力约束

储能系统主要约束条件包括充放电功率约束、充放电状态约束和蓄电池储能容量约束等，具体可根据实际需求设定。

上述各约束条件当然还可以根据实际需求设定其他形式，还可以增加其他约束条件以进一步提高控制性能。

本实施例中，控制目标电力系统运行步骤的具体步骤为：预先以降低系统运行成本和提高新能源消纳量为目标，基于包括协整度约束条件的约束条件构建源-荷-储多目标优化协整模型，基于源-荷-储多目标优化协整模型控制目标电力系统运行。具体利用协整度，建立协整度约束下以新能源消纳量最大和系统运行成本最小为目标的源-荷-储多目标优化协整模型，使用该模型能有效降低系统运行成本，提高新能源消纳水平，由协整度指标可为电力需求侧管理和新能源消纳提供重要参考。

本实施例构建多目标优化协整模型时，具体包括：

1)系统运行成本最小

系统运行成本包括常规机组运行成本C_gen、需求响应负荷调度成本C_DR、储能系统运行成本C_stor。

f₁＝minC_GE＝C_gen+C_DR+C_stor (21)

式中，N_g为常规机组台数，U_i(t)及U_i(t-1)分别表示常规机组i在t和t-1时刻的启停状态；a_i,b_i,c_i表示常规机组i的燃料成本参数，α_i,β_i,τ_i为常规机组i的启停成本参数，τ为常规机组的停机时间；ρ为需求响应负荷的单位补偿成本，ΔP(t)为t时段参与需求响应的负荷量，ΔP(t)为正，代表负荷增加；ΔP(t)为负，代表负荷减少。P_stor(t)为t时段的充放电功率，为正表示充电，为负表示放电，λ和μ为储能成本系数。

2)新能源消纳电量最大

式中P_w(t)表示新能源在t时段的联合调度出力。

多目标优化模型通常通过加权方法将多个目标转化为单目标进行求解，转化过程中的权重系数与惩罚系数的选择通常为人为设定，具有较大的随意性。本实施例具体采用基于拉丁超立方抽样的初代粒子生成法、最优位置自适应选取策略和变异算子的种群多样性维护策略的改进MOPSO算法对上述源-荷-储多目标优化协整模型进行求解，相比于传统的多目标粒子群优化算法(MOPSO)方法，可以解决寻优的后期会出现收敛速度慢、容易陷入局部最优等问题。

为验证本发明的有效性，选取某风光火储联合发电系统作为分析对象对本发明上述方法进行试验，其中包含3台常规机组，总装机容量为800MW，风电装机容量为150MW，光伏装机容量为50MW，储能装置运行参数如表1所示。设一个调度周期为24h，每一个调度时段为30min，系统负荷预测曲线和风光联合出力预测曲线如图6所示，负荷响应的出力限制如表2所示，其中可响应负荷的单位调节成本取值180元/MWh，H_stand取为10。

表1：储能装置运行参数

表2：响应出力限制

以系统总运行成本最小及新能源消纳量最大为目标，选取3种不同优化运行方式进行对比分析，方式1：系统调度资源仅考虑常规火电机组的常规运行方式；方式2：系统调度资源考虑常规火电机组、需求侧响应和储能装置的源-荷-储协调运行方式；方式3：系统调度资源包括常规火电机组、需求侧响应和储能装置的源-荷-储协整运行方式，根据负荷曲线特点，将一个调度周期内的48个时段分为[1-16],[17-32],[33-48]三个阶段，进行分阶段协整运行；系统协整度下限为k_p,min，其值根据系统状况及运行特点确定。

系统协整度下限k_p,min为80％时，优化运行结果如图7-图9所示，通过对图7-图9进行分析可得，常规优化运行方式中，常规机组出力波动较大，新能源弃用严重；源-荷-储协调运行方式中，负荷曲线有削峰填谷现象、常规机组出力波动情况及新能源弃用情况较常规优化运行方式有一定的改善；采用本发明源-荷-储协整运行方式中，以协整度为约束条件，负荷曲线有明显的负荷转移现象，储能装置也有明显的跟随新能源出力充放电过程，新能源利用率最高，常规机组出力在每一个协整周期内是平稳的，同时总体上又实现了随着负荷的增加而增加发电总体出力，即采用本发明源-荷-储协整运行方式明显优于其他两种运行方式。

由于常规优化运行方式仅通过常规机组调整出力来适应新能源的波动，以最大限度消纳新能源，这一方面导致机组出力波动较大，同时受机组运行经济性和爬坡调节性能的限制，其出力无法完全适应新能源的波动，导致弃风弃光严重；源-荷-储协调运行方式由于引入负荷与储能这两个可调度的资源与常规机组一起适应新能源的波动，其调节能力大大增加，因此其常规机组出力波动及新能源弃用情况均有所改善，但其在优化过程中没有考虑多曲线之间的相关性，没能对系统协调优化程度进行有效控制，优化协调能力有限；本发明源-荷-储协整运行方式通过协调调整源-荷-储等多条功率曲线出力，使多曲线达到协整状态，从而实现机组出力波动小，新能源利用率高，同时对整个调度周期进行分时段建立不同的协整关系，实现常规机组出力在每一个小的协整周期内是平稳的，但总体上又随着负荷的增加而增加其出力，从而大大降低了负荷和储能等可调度资源的调节压力，使得优化结果更加合理且符合实际，各机组的出力波动情况与总出力曲线是一致的，为了便于观察，图中给出的为3台机组的总出力曲线。

本实施例进一步分别比较三种不同系统运行状态下各项运行费用及新能源消纳情况，如表3、表4所示：

表3：3种系统运行情况下运行费用情况

表4：3种系统运行情况下新能源消纳情况

通过对上述表3、表4可知，方式1常规优化运行方式机组燃料成本、启停成本、总运行成本均最大，新能源消纳量最小；方式2、方式3因需求侧响应和储能装置参与系统优化调度，虽然增加了一定的需求响应成本及储能成本，但系统燃料成本与机组启停成本有较为显著的下降，从而系统总运行成本较低，同时新能源消纳量大。此外，由于方式3具有更加优良的协调优化能力，其负荷及储能响应的尺度更大，导致其需求响应成本及储能成本较其他两种运行方式大，但其燃料成本、机组启停成本及系统总运行成本最小，同时新能源消纳量最大。

本实施例进一步对不同协整率约束下系统优化结果进行仿真及分析：

以系统总运行成本最小及新能源消纳量最大为目标，分别取k_p,min分别为70％、80％，90％，比较在不同协整度约束下系统优化运行结果。

(1)源-荷-储运行状况及运行成本对比分析

不同协整率约束下系统优化源-荷-储运行状况及运行成本如图10、表5与表6所示。

表5：不同协整度约束下弃风时段负荷调整量及储能出力

如图10可得，随着协整度的增大，常规机组出力波动程度减小，有效优化了常规机组运行状态，避免了常规机组频繁调频；如表5中数据可知，在30-35和40-46这两个弃风时段，协整度越高，系统通过需求响应增加的负荷量和储能系统的充电量越大，从而更多的消纳过剩的新能源，这表明在电力系统中提高运行协整度，能充分调动系统调度资源，保证常规机组出力稳定，有效提高新能源消纳水平。

表6：不同协整度约束下系统运行费用

由表6可知，计及协整度约束的运行方式较传统运行方式系统总运行成本均有所下降，且在不同的协整度约束下，优化效果不同：随着协整度的增大，需求响应成本及储能成本有所增加，但常规机组燃料成本、启停成本与系统运行总成本均有较大幅度降低。这表明在电力系统中提高运行协整度，能减少系统运行成本。

(2)不同协整度约束下新能源消纳对比分析

不同协整率约束下新能源弃用量及消纳量如图11和表7所示。

表7：不同协整度约束下新能源消纳情况

图11和表7可知，随着协整度的增加，弃风时段从19个减少7个，系统消纳的新能源电量从2803.42MWh增加到2983.32MWh，表明在电力系统中提高运行协整度，风电消纳水平得到了显著的提高，有效减少了弃风量。

在系统总负荷不变的情况下，分别取新能源机组装机容量为400MW、200MW、100MW的高中低三种不同新能源渗透率的系统，在协整度为80％的情况下，比较源荷储协整优化运行结果，三者的新能源出力预测曲线如图12所示。

分别比较三种不同新能源渗透率下常规机组出力、系统运行的各项运行费用及新能源消纳情况，如图13、表8和表9所示：

表8：3种新能源渗透率下系统运行费用情况

表9：3种新能源渗透率下系统新能源消纳情况

如图13所示，随着系统新能源渗透率的增大，常规机组出力波动有一定程度的增大，但总体上保持了阶梯上升，没有出现常规机组频繁调频的现象；由表8可知，随着系统新能源渗透率的增大，系统通过充分调节需求响应资源和储能系统充放电，消纳更多的新能源，使得启停成本、需求响应成本和储能成本有所增加，但常规机组的燃料成本大幅降低，从而使得总成本降低；由表9可知，高中低三种新能源渗透率下，系统均能保持较高的新能源消纳率。即在不同的新能源渗透率系统中，采用源-荷-储协整运行方式均能充分调动系统调度资源，保证常规机组出力稳定，降低系统运行成本、有效提高新能源消纳水平。

由上述试验结果可得，本实施例通过在引入需求侧响应及储能装置参与系统优化调度，同时以协整度为约束条件的源荷储优化协整模型中，负荷曲线有明显的削峰填谷、负荷转移现象，储能装置有明显的充放电过程，计及协整度约束的运行方式较其他两种运行方式系统总运行成本均有所下降，且在不同的协整度约束下，优化效果不同：k_p,min越高，参与响应的负荷及储能装置充放电量约大，弃风电量越小，发电成本越低；在不同新能源渗透率下，该模型同样能降低系统运行成本，保持新能源高利用率；计及协整度约束的源-荷-储优化协调模型能更加合理有效的协调调度多种调度资源，是缓解常规电源调节压力、提高系统运行经济性和风电消纳水平的有效手段。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (9)

1.一种基于多功率曲线协整的源荷储优化控制方法，其特征在于，步骤包括：

S1.构建协整关系模型：构建由用户总负荷曲线P_L和储能系统出力曲线P_S构成的组合功率曲线P_Load、与新能源电源出力曲线P_W之间的协整关系模型；

S2.机组出力残差计算：分别获取目标电力系统在运行过程中对应新能源电源出力曲线P_W、用户总负荷曲线P_L以及储能系统出力曲线P_S的时间序列，根据获取到的对应各曲线的时间序列以及所述协整关系模型计算得到机组出力残差序列；

S3.优化调节：调整目标电力系统的新能源电源出力、用户总负荷以及储能系统出力中可调度资源，直至所述机组出力残差序列为平稳序列，以使得新能源出力、用户负荷以及储能系统出力之间为协整运行状态；

所述步骤S1中，先由所述用户总负荷曲线P_L以及所述储能系统出力曲线P_S构成组合功率曲线P_Load，再由所述组合功率曲线P_Load与所述新能源电源出力曲线P_W构建协整关系，得到协整关系模型。

2.根据权利要求1所述的基于多功率曲线协整的源荷储优化控制方法，其特征在于：所述用户总负荷曲线P_L以及储能系统出力曲线P_S按照下式构成组合功率曲线P_Load；

P_L+P_S＝P_Load

所述组合功率曲线P_Load与所述新能源电源出力曲线P_W按照下式构建所述协整关系模型；

P_Load＝α+βP_W+u_t

其中，α、β为常数，u_t为协整关系下的残差序列。

3.根据权利要求2所述的基于多功率曲线协整的源荷储优化控制方法，其特征在于，所述步骤S2中按下式计算得到机组出力残差序列；

其中，P_g为机组出力曲线的时间序列，

为机组出力残差序列。

4.根据权利要求1～3中任意一项所述的基于多功率曲线协整的源荷储优化控制方法，其特征在于，所述步骤S2中获取对应各曲线的时间序列时，还包括对各时间序列进行平稳性检验，判断各时间序列是否满足同阶单整条件，若不满足，调整新能源出力、用户负荷以及储能系统出力。

5.根据权利要求1～3中任意一项所述的基于多功率曲线协整的源荷储优化控制方法，其特征在于，所述步骤S3后还包括协整度检验步骤，具体步骤包括：预先基于机组出力残差序列的信息熵构建协整度的计算模型；所述步骤S3得到平稳的所述机组出力残差序列后，计算所述机组出力残差序列的信息熵，根据计算得到的信息熵以及所述计算模型得到新能源出力、用户负荷以及储能系统出力之间的协整度，根据计算得到的所述协整度评估目标电力系统中源荷储的协整性能。

6.根据权利要求5所述的基于多功率曲线协整的源荷储优化控制方法，其特征在于，所述协整度的计算模型为；

其中，

为机组出力残差序列的信息熵，H_stand为机组出力残差序列的信息熵的基准值，k_p为所述协整度，

为机组出力残差序列。

7.根据权利要求5所述的基于多功率曲线协整的源荷储优化控制方法，其特征在于，所述步骤S3后还包括控制目标电力系统运行步骤，所述控制目标电力系统运行步骤包括控制目标电力系统在预先构建的协整度约束条件下运行，即使得新能源出力、用户负荷以及储能系统出力之间的所述协整度满足所述协整度约束条件。

8.根据权利要求7所述的基于多功率曲线协整的源荷储优化控制方法，其特征在于，所述控制目标电力系统在预先构建的协整度约束条件下运行时，还包括功率平衡约束、机组出力约束、单时段响应负荷约束、负荷响应容量约束、储能系统出力约束中一种或多种约束条件。

9.根据权利要求7或8所述的基于多功率曲线协整的源荷储优化控制方法，其特征在于，所述控制目标电力系统运行步骤的具体步骤为：预先以降低系统运行成本和提高新能源消纳量为目标，基于包括所述协整度约束条件的约束条件构建源荷储多目标优化协整模型，基于所述源荷储多目标优化协整模型控制目标电力系统运行。

Images