CN109474024B - 一种含光电场的区域电网优化调度方法 - Google Patents

Abstract

本发明涉及电网调度优化领域，具体涉及一种含光电场的区域电网优化调度方法，包括以下步骤：A1)生成日前计划，建立各光电场质量评分K_w并初始化；A2)建立日内滚动优化模型；各时段初，依据日前计划、各光电场质量评分K_w、系统负载预测值和光电场总出力预测值，计算本时段光电消纳值，生成日内计划并下发给实时模型；时间T后优化下一时段，直至全部时段优化完为止；A3)建立实时模型，跟踪常规机组执行日内计划；更新各光电场的质量评分K_w并反馈给日内滚动优化模型。本发明的实质性效果是：通过跟踪光电场出力波动情况，主动选择波动情况较好的光电场进行消纳，能够降低抵消光电场波动成本，缓解常规机组压力，提高光电场经济效益。

Description

一种含光电场的区域电网优化调度方法

技术领域

本发明涉及电网调度优化领域，具体涉及一种含光电场的区域电网优化调度方法。

背景技术

光电作为清洁能源，在当前能源结构改革的背景下，受到了全世界范围的青睐。据资料，按年均太阳能系统装机容量计算，全球太阳能市场复合年均增长率达47.4％，从2003年的598MW增长至2012年的9917MW。这种增长势头在很大程度上要归功于全球快速增加的市场需求、日益提高的上网电价和各种政府鼓励措施。在世界的一些主要国家，纷纷以退税、税收抵免和其他激励措施的形式向太阳能产品的最终用户、经销商、系统集成商和制造商提供补贴和经济鼓励，以促进太阳能在并网应用中的使用，降低对其他能源的依赖。但随着光电装机量的不断上升，光电场出力随光照强度随机变化的缺点对电网电力质量的影响，也愈加明显。因而需要一种能够降低电网消纳光电时，为抵消光电随机出力而新增的成本的技术。

中国专利CN103050986A，公开日2012年12月31日，一种微电网及其储能调度方法，微电网主要包括光伏组件、逆变器、蓄电池、主网、旋转负荷、超级电容器和变频启动装置等；光伏通过逆变器接在交流母线上；超级电容通过逆变器转换成交流电接在交流母线上；储能电池通过逆变器接在交流母线上。本方法根据微电网状态调整储能运行，在旋转负荷启动时，采用超级电容器放电平衡；在旋转负荷运行过程中，优先采用超级电容器出力，超级电容器放电结束，储能电池出力。本发明解决了旋转负荷启动对微电网冲击的影响、供电可靠性差等问题；充分利用清洁可再生能源，并且避免了清洁可再生能源的浪费；在保障了用户的供电可靠性的同时，增加了微电网整体的使用寿命。但其技术复杂，且超级电容的建设投入大，而电池属于易耗装置，使用损耗成本高。

发明内容

本发明要解决的技术问题是：目前对光电的消纳具有被动性和盲目性，导致抵消光电波动的成本较高，降低了光电的经济性的技术问题。提出了一种主动选择抵消波动成本低的光电场及时段去消纳光电的以常规机组出力成本最低为目的的含光电场的区域电网优化调度方法。

为解决上述技术问题，本发明所采取的技术方案为：一种含光电场的区域电网优化调度方法，包括以下步骤：A1)以时间T_B为单位时段构建日前优化模型，生成日前计划，建立各光电场质量评分K_w并初始化；A2)以时间T为单位时段建立日内滚动优化模型；各时段初，依据日前计划、各光电场质量评分K_w、系统负载预测值和光电场总出力预测值计算本时段光电消纳值，调整日内剩余时段常规机组的初始出力水平，生成日内计划并下发给实时模型；时间T后优化下一时段，直至全部时段优化完为止；A3)建立实时模型，跟踪常规机组执行日内计划；实时跟踪各光电场出力、常规机组实时出力水平和系统负载，实时调整常规机组出力，使发电与负载平衡；在时段末，根据光电场出力波动幅度，更新各光电场的质量评分K_w并反馈给日内滚动优化模型。

日前计划确定了常规机组的启停和系统备用的计划；日内计划进行超短期的负荷和光电出力预测，增加了光电出力预测的准确度，根据光电出力预测和光电消纳欲望指数，制定出下一时段常规机组的初始工作状态；实时计划用于跟踪日内计划的执行和电网发电与负荷的平衡，并记录光电的消纳情况和光电场出力的波动情况。

作为优选，所述时间T_B为1小时；所述日前优化模型的建立方法为：从电力调度中心获取当天24时段系统负载预测值和常规机组基础数据，以系统负荷平衡、常规机组输出上下限、常规机组爬坡率、输电网络断面潮流安全和提供足够系统备用作为约束，以常规机组发电总成本最小为目标函数，求解出常规机组启停和出力的日前计划；所述日前优化模型的目标函数为：

其中，M为常规机组数量，p_i.T为机组i在T时段的运行功率，a_i、b_i和c_i分别是机组i运行时费用的二次项系数、一次项系数和常数；其系统负荷平衡约束条件为：

其中p_D.T为T时段系统负荷预测值，

为T时段光电场w出力预测值，W为全部光电场的集合；常规机组功率上下限约束条件为：

其中p_i 为机组i出力的下限值，

为机组i出力的上限值；常规机组的爬坡率约束条件为： -Δp_i≤p_i.T-p_i.T-1≤Δp_i，其中Δp_i为机组i在时段内可以上调或下调的功率的最大值；输电网络断面潮流安全的约束条件为：

其中I_τ 和

分别是输电网络断面τ的潮流下限和上限，δ_τ.i是断面τ对于常规机组i的敏感系数；

提供足够系统备用的约束条件为：

其中p_i.max是机组i的最大出力值，η为系统总备用系数，θ为接纳光电准备的备用功率系数。

作为优选，所述日内滚动优化模型的建立方法为：以15分钟为单位时段,全日共96个时段t₀～t₉₅；t₀时段各光电场质量评分K_w均置1，其他时段K_i由实时模型反馈；时段初，从电力调度中心获取最新系统负载预测值和超短期光电场总出力预测值，将各个光电场的超短期出力预测值乘光电场质量评分K_w后作为对应光电场本时段光电消纳上限，依据日前计划，以常规机组出力费用最小为目的，调整日内剩余时段常规机组的日内计划，将日内计划和光电场总出力上限下发给实时模型；其数学模型的目标函数为：

其中，M为全部常规机组，p_i是在t时段机组i的运行功率，a_i、b_i和c_i分别是机组i运行时费用的二次项系数、一次项系数和常数，Δp_i是机组i在本时段初进行的功率调整量，Δp_i＝p_i.t-p_i.t-1，e_i是机组i的功率调整费用系数，ψ为光电消纳风险惩罚费用系数，其值由人工设定，

是本时段光电场w的光电出力预测值，W是全部光电场的集合；

其系统负荷平衡约束条件为：

其中

为本时段光电场w出力预测值，p_D为本时段系统负荷预测值，其值由电力调度中心之间获得；常规机组功率上下限约束条件为：

其中p_i 为机组i出力的下限值，

为机组i出力的上限值；常规机组的爬坡率约束条件为：-Δp_i≤p_i.t-p_i.t-1≤Δp_i，其中Δp_i为机组i在时段内可以上调或下调的功率的最大值；输电网络断面潮流安全的约束条件为：

其中I_τ 和

分别是输电网络断面τ的潮流下限和上限，δ_τ.i是断面τ对于常规机组i的敏感系数,δ_τ.w是断面τ对于光电场w的敏感系数；

提供足够系统备用的约束条件为：

其中p_i.max的最大出力值，η为系统总备用系数，θ为接纳光电准备的备用功率系数。

作为优选，所述实时模型的建立方法为：以各光电场质量评分K_w与各光电场本时段出力预测

的乘积作为本时段的出力上限

光电场出力p_w超过出力上限

则将超出部分弃置；实时跟踪各光电场出力p_w、常规机组实时出力水平p_i和系统负载p_D，建立常规机组的PID 控制，使

ε为允许运行偏差，其值取p_D的千分之四；每隔一定时间对光电场出力水平取样，并至少取样30次作为样本集M_w.k；时段末时，根据采集的样本集 M_w.k以及总弃风量计算出新的光电场质量评分值K_w并反馈给日内滚动优化模型。

作为优选，所述光电场质量评分值K_w的更新方法为：计算样本集M_w.k的平均值μ_w，剔除样本集M_w.k中比样本平均值μ_w大的样品，剩余样本与平均值μ_w差值的绝对值△_w.k，计算△_w.k与平均值μ_w的比值，做为样本集M_trans.w，计算出样本集M_trans.w的标准差σ_w，将

作为新的光电场质量评分K_w。标准差能够反应光电出力的离散情况，离散越严重表示光电出力波动越剧烈，而对系统运行成本影响最主要的光电出力波动的波谷数量和幅度，波峰虽然会带来常规机组变功率费用，但会降低常规机组的出力值，使其带来的效益大于费用，所以剔除波峰后计算波谷分布的标准差，用于反应光电场光电质量。

作为优选，系统总备用系数η取0.12，接纳光电准备的备用功率系数θ取0.8。

本发明的实质性效果是：通过跟踪光电场出力波动情况，主动选择波动情况较好的光电场进行消纳，能够降低抵消光电场波动成本，缓解常规机组压力，提高光电场经济效益。

附图说明

图1为电网优化调度方法流程框图。

具体实施方式

下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。

如图1所示，为电网优化调度方法流程框图，包括以下步骤：

A)建立各光电场质量评分K_w并初始化，获取日前负荷预测、输电网络拓扑结构、常规机组基础数据和备用计划，以时间T_B为单位时段构建日前优化模型，构建日前优化的数学模型：

其中，M为全部常规机组的数量，p_i.T为常规机组i在T时段的运行功率，a_i、b_i和c_i分别是常规机组i运行时费用的二次项系数、一次项系数和常数，p_D.T为T时段系统负荷预测值，

为T时段光电出力预测值，W为全部光电场的数量，p_i 为常规机组i出力的下限值，

为常规机组i出力的上限值，Δp_i为常规机组i在时段内可以上调或下调的功率的最大值，I_τ 和

分别是输电网络断面τ的潮流下限和上限，δ_τ.i是断面τ对于常规常规机组i的敏感系数，p_i.max是常规机组i的最大出力值，η为系统总备用系数，一般取0.12，θ为接纳光电准备的备用功率系数，一般取0.8，

为日前计划中时段T时光电出力总值的预测值。求解该数学模型，得到常规机组的日前计划；

B)将一天按时间15分钟为单位划分时段，建立各光电场质量评分K_w并初始化，根据各光电场质量评分K_w对日前计划进行更新，形成日内计划，其数学模型为：

其中，M为全部常规机组的数量，p_i是在t时段机组i的运行功率，a_i、b_i和c_i分别是机组i 运行时费用的二次项系数、一次项系数和常数，Δp_i是机组i在本时段初进行的功率调整量，Δp_i＝p_i-p_i-1，e_i是机组i的功率调整费用系数，ψ为光电消纳风险惩罚费用系数，

是本时段光电出力预测值，

为本时段光电出力预测值，p_D为本时段系统负荷预测值，其值由电力调度中心之间获得，常规机组功率上下限约束条件为：

其中p_i 为机组i出力的下限值，

为机组i出力的上限值，Δp_i为机组i在时段内可以上调或下调的功率的最大值，I_τ 和

分别是输电网络断面τ的潮流下限和上限，δ_τ.i是断面τ对于常规机组i的敏感系数,

是断面τ对于光电机组j的敏感系数，p_i.max的最大出力值，η为系统总备用系数，一般取0.12，θ为接纳光电准备的备用功率系数，一般取0.8，

为日前计划中时段T时光电出力总值的预测值，求解计划得到最优解后，将常规机组的出力计划作为日内计划下发给实时计划，如果当前时段为t₉₅则结束日内计划，否则在15分钟后进行下一时段的日内滚动优化； C)实时跟踪各光电场出力、常规机组实时出力水平和系统负载，实时调整常规机组出力，使发电与负载平衡，每隔一定时间对光电场出力水平取样，并至少取样30次作为样本集M_w.k；时段末时，根据采集的样本集M_w.k以及总弃风量计算出新的光电场质量评分值K_w，光电场质量评分值K_w的更新方法为：计算样本集M_w.k的平均值μ_w，剔除样本集M_w.k中比样本平均值μ_w大的样品，剩余样本与平均值μ_w差值的绝对值△_w.k，计算△_w.k与平均值μ_w的比值，做为样本集M_trans.w，计算出样本集M_trans.w的标准差σ_w，将

作为新的光电场质量评分K_w。

以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (3)

1.一种含光电场的区域电网优化调度方法，其特征在于，

包括以下步骤：

A1)以时间T_B为单位时段构建日前优化模型，生成日前计划，建立各光电场质量评分K_w并初始化；

A2)以时间T为单位时段建立日内滚动优化模型；各时段初，依据日前计划、各光电场质量评分K_w、系统负载预测值和光电场总出力预测值计算本时段光电消纳值，调整日内剩余时段常规机组的初始出力水平，生成日内计划并下发给实时模型；时间T后优化下一时段，直至全部时段优化完为止；

A3)建立实时模型，跟踪常规机组执行日内计划；实时跟踪各光电场出力、常规机组实时出力水平和系统负载，实时调整常规机组出力，使发电与负载平衡；在时段末，根据光电场出力波动幅度，更新各光电场的质量评分K_w并反馈给日内滚动优化模型；

所述日内滚动优化模型的建立方法为：以15分钟为单位时段,全日共96个时段t₀～t₉₅；t₀时段各光电场质量评分K_w均置1，其他时段K_i由实时模型反馈；时段初，从电力调度中心获取最新系统负载预测值和超短期光电场总出力预测值，将各个光电场的超短期出力预测值乘光电场质量评分K_w后作为对应光电场本时段光电消纳上限，依据日前计划，以常规机组出力费用最小为目的，调整日内剩余时段常规机组的日内计划，将日内计划和光电场总出力上限下发给实时模型；其数学模型的目标函数为：

其中，M为常规机组数量，p_i是在t时段机组i的运行功率，a_i、b_i和c_i分别是机组i运行时费用的二次项系数、一次项系数和常数，Δp_i是机组i在本时段初进行的功率调整量，Δp_i＝p_i.t-p_i.t-1，e_i是机组i的功率调整费用系数，ψ为光电消纳风险惩罚费用系数，其值由人工设定，

是本时段光电场w的光电出力预测值，W是全部光电场的集合；

其系统负荷平衡约束条件为：

其中

为本时段光电场w出力预测值，p_D为本时段系统负荷预测值，其值由电力调度中心获得；

常规机组输出上下限约束条件为：

其中p_i 为机组i出力的下限值，

为机组i出力的上限值；

常规机组的爬坡率约束条件为：-Δp_i≤p_i.t-p_i.t-1≤Δp_i，其中Δp_i为机组i在时段内可以上调或下调的功率的最大值；

输电网络断面潮流安全的约束条件为：

其中I_τ 和

分别是输电网络断面τ的潮流下限和上限，δ_τ.i是断面τ对于常规机组i的敏感系数,δ_τ.w是断面τ对于光电场w的敏感系数；

提供足够系统备用的约束条件为：

其中p_i.max为 最大出力值，η为系统总备用系数，θ为接纳光电准备的备用功率系数；

所述实时模型的建立方法为：以各光电场质量评分K_w与各光电场本时段出力预测

的乘积作为本时段的出力上限

光电场出力p_w超过出力上限

则将超出部分弃置；实时跟踪各光电场出力p_w、常规机组实时出力水平p_i和系统负载p_D，建立常规机组的PID控制，使

ε为允许运行偏差，其值取p_D的千分之四；每隔一定时间对光电场出力水平取样，并至少取样30次作为样本集M_w.k；时段末时，根据采集的样本集M_w.k以及总弃风量计算出新的光电场质量评分值K_w并反馈给日内滚动优化模型；

所述光电场质量评分值K_w的更新方法为：计算样本集M_w.k的平均值μ_w，剔除样本集M_w.k中比样本平均值μ_w大的样品，剩余样本与平均值μ_w差值的绝对值Δ_w.k，计算Δ_w,k与平均值μ_w的比值，做为样本集M_trans.w，计算出样本集M_trans.w的标准差σ_w，将

作为新的光电场质量评分K_w。

2.根据权利要求1所述的一种含光电场的区域电网优化调度方法，其特征在于，

所述时间T_B为1小时；所述日前优化模型的建立方法为：从电力调度中心获取当天24时段系统负载预测值和常规机组基础数据，以系统负荷平衡、常规机组输出上下限、常规机组爬坡率、输电网络断面潮流安全和提供足够系统备用作为约束，以常规机组发电总成本最小为目标函数，求解出常规机组启停和出力的日前计划；所述日前优化模型的目标函数为：

其中，M为常规机组数量，p_i.T为机组i在T时段的运行功率，a_i、b_i和c_i分别是机组i运行时费用的二次项系数、一次项系数和常数；

其系统负荷平衡约束条件为：

其中p_D.T为T时段系统负荷预测值，

为T时段光电场w出力预测值，W为全部光电场的集合；

常规机组输出上下限约束条件为：

其中p_i 为机组i出力的下限值，

为机组i 出力的上限值；

常规机组的爬坡率约束条件为：-Δp_i≤p_i.T-p_i.T-1≤Δp_i，其中Δp_i为机组i在时段内可以上调或下调的功率的最大值；

输电网络断面潮流安全的约束条件为：

其中I_τ 和

分别是输电网络断面τ的潮流下限和上限，δ_τ.i是断面τ对于常规机组i的敏感系数；

提供足够系统备用的约束条件为：

其中p_i.max是机组i的最大出力值，η为系统总备用系数，θ为接纳光电准备的备用功率系数。

3.根据权利要求2所述的一种含光电场的区域电网优化调度方法，其特征在于，

系统总备用系数η取0.12，接纳光电准备的备用功率系数θ取0.8。

Images