CN109659985A - 基于大规模风电和可调节负荷的电力系统联合调度方法 - Google Patents

Abstract

本发明公开了一种基于大规模风电和可调节负荷的电力系统联合随机调度方法包括：首先基于短期风速概率特性，建立基于风电场出力概率特性的风电模型；然后建立基于大规模风电和可调节负荷的联合随机调度模型，所述模型由目标函数和约束条件构成；然后，利用帝国竞争算法对基于大规模风电和可调节负荷的联合随机调度模型进行求解，并将求解结果用于优化调度。本发明所述方法，辅助调度人员从安全性、经济性和可靠性的全局视角进行统筹协调，为电力系统调度人员合理地安排发电计划奠定了良好的基础。

Description

基于大规模风电和可调节负荷的电力系统联合调度方法

技术领域

本发明属于电力系统的调度领域，具体地，涉及一种基于大规模风电和可调节负荷的电力系统联合随机调度方法。

背景技术

随着大规模风电接入电网，一方面出现就地消纳困难，风能资源无法得到充分利用；另一方面风电外送通道受阻，给电力系统运行调度带来巨大挑战。负荷同风电一样具有不确定性，具有可调节能力的负荷如电动汽车负荷等具有良好的调峰性能使之受到广泛关注。因此，需要建立兼顾灵活性与经济性的基于大规模风电和可调节负荷的电力系统联合随机调度模型。

在风电等新能源容量占电网总容量比例较小时，传统调度把风电看成负值负荷进行处理，然而随着风电的迅速发展，这种调度策略逐渐成为制约风电发展的一个重要因素，此外风电的随机性为电力系统的优化调度和运行带来了一系列问题。因此，基于风电出力概率特性的电力系统随机优化调度方法更符合未来系统的实际需求。同时，具有调节能力的负荷作为一种应对负荷波动的手段，通过控制可调节负荷以适应大规模风电的波动性，以适当减少电网的备用容量，避免造成较大的经济损失。

本发明将可调节负荷纳入电力系统调度体系中，基于风险约束理论，建立了基于大规模风电和可调节负荷的电力系统联合随机调度模型，进而通过帝国竞争算法对模型进行求解。与现有调度方法相比，本发明提出的方法充分体现了可调节负荷的潜在调峰能力，并能够较为准确地反映系统运行的实际风险水平，对实际调度具有指导意义。

在实现本发明的过程中，发明人发现现有技术中至少无法实现电力系统的合理调度等缺陷。

发明内容

本发明的目的是为了解决上述问题，提出了一种基于大规模风电和可调节负荷的电力系统联合随机调度方法，用于解决传统调度方法不计及可调节负荷的调节潜力的问题。具体设计方案为：

为实现上述目的，本发明采用的技术方案是：一种基于大规模风电和可调节负荷的电力系统联合随机调度方法，步骤为：

a、建立基于风电场出力概率特性的风电模型；

b、建立基于大规模风电和可调节负荷的联合随机调度模型的目标函数；

c、建立基于大规模风电和可调节负荷的联合随机调度模型的约束条件；

d、利用帝国竞争算法进行模型求解，将结果用于优化调度。

进一步地，所述步骤a，具体包括：

a1、为描述短期风速概率特性，采用正态分布进行模拟，其日分布特性如式(1)所示：

其中，v为风速，σ_v为预测风速误差的标准差，为预测平均风速。

a2、忽略风电场尾流效应和电气损耗，风电场的输出功率可近似看做风电场内所有风机出力之和。风机的功率输出主要取决于风机轮毂高度处的风速，二者之间的数学关系如式(2)所示。

式中，v为风机轮毂高度处的风速，v_in、v_out分别为切入风速和切出风速，v_R为额定风速，P_W为风机的输出功率，P_WR为额定输出功率。

a3、风电的输出功率是一个混合型随机变量，基于随机变量函数分布的求解理论，分别求解离散部分、连续部分的概率密度函数。

对于离散部分，当0≤v≤v_in or v≥v_out时，

Φ(v)为风速v的概率密度函数。

当v_R≤v≤v_out时，

对于连续部分，当v_in≤v≤v_R时，q(P_W)＝q_v(v(P_W))×|v′(P_W)|，v(P_W)为式(2)的反函数。

综上，可求得风电场输出功率的概率密度函数为

进一步地，所述步骤b，具体包括：

b1、可调节负荷的补偿成本函数如式(4)所示。

式中，系统可调节负荷用户数量为N，U_At＝[U_A1t,…,U_Ajt,…,U_ANt]为可调节负荷的状态向量，其中，U_Ajt＝0表示负荷此时不可调，U_Ajt＝1表示负荷此时可调。ρ_j为j用户的可调节负荷赔偿系数，P_At＝[P_A1t,…,P_Ajt,…,P_ANt]为可调节负荷的容量向量。

b2、系统发电成本函数如式(5)所示。

式中，M为发电机组数量，P_Gt＝[P_G1t,…,P_Git,…,P_GMt]为机组出力向量，为第i发电机组在t时段的运行成本，S_it(P_Git)为第i发电机组在t时段的启停成本。U_Gt＝[U_G1t,…,U_Git,…,U_GMt]为第i发电机组在t时段的运行状态，U_Git＝0表示发电机组处于停机状态，U_Git＝1表示发电机组处于开机状态。

b3、根据公式(4)、(5)，系统总的运行总成本为

式中，T为系统调度周期。

进一步地，所述步骤c，具体包括：

c1、系统有功功率平衡约束

式中，P_Lt为系统在t时段的发电负荷，P_Wt为风电机组在t时段的输出功率；

c2、常规机组出力约束

P_Git.min≤P_Git≤P_Git.max (8)

式中，P_Git.min、P_Git.max分别为发电机组i的最大和最小出力。

c3、最小启停次数约束

式中，M_i为机组在调度期内最大允许启停次数。

c4、机组爬坡速率约束

-60r_di≤P_Git-P_Git-1≤60r_ri (10)

式中，r_di、r_ri为机组在调度周期内最大允许的启停次数。

c5、可调节负荷限值约束

P_Ajt.min≤P_Ajt≤P_Ajt.max (11)

式中：P_Ajt.min、P_Ajt.max分别为用户j在时段t可调节负荷的上下限值。

进一步地，所述步骤d，具体包括：

本发明采用帝国竞争算法对模型进行求解。帝国竞争算法是一种借鉴了人类政治社会殖民阶段帝国之间相互竞争并占领其殖民地过程的一种全局性优化的进化算法。种群个体称为国家，根据权力的大小分为两类：殖民地和帝国。算法主要包括：帝国形成、吸收殖民地、帝国竞争、帝国消亡等四个主要环节。

d1、帝国形成。由h维决策变量组成国家，其函数值为f_country，定义第n个国家的标准化权力为

根据标准化权力的大小，将规模为N_C的种群排序，将权利最大的k_C个国家作为帝国，其余国家作为殖民地随机分配给各帝国。

d2、吸收殖民地。殖民地向帝国靠近，其移动距离l服从均匀分布，移动方向和其与帝国的连线的偏移夹角θ也服从均匀分布。在吸收殖民地的过程中，若出现帝国的标准化权力值小于殖民地的情况，则将该帝国的位置与其殖民地所在的位置进行交换。

d3、帝国竞争。定义帝国权力总值为

式中，f_k为帝国k的目标函数值，σ为权重参数，为帝国k占有殖民地的目标函数平均值。

d4、帝国消亡。当权力较小的帝国经过帝国竞争后，其拥有的所有殖民地全部都被权力更强的帝国占有，则定义该帝国已经灭亡，并消除其位置。当帝国竞争结束后，仅存在一个帝国，且其余所有殖民地都由该帝国占有，则算法停止，输出最优解。否则，返回d2。

本发明提供的一种基于大规模风电和可调节负荷的电力系统联合随机调度方法，由于包括：建立基于风电场出力概率特性的风电模型；建立基于大规模风电和可调节负荷的联合随机调度模型的目标函数；建立基于大规模风电和可调节负荷的联合随机调度模型的约束条件；利用帝国竞争算法进行模型求解，将结果用于优化调度。该联合随机调度方法，可以克服现有技术至少无法实现电力系统的合理调度的缺点，具有综合效益高的优点。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明一种基于大规模风电和可调节负荷的电力系统联合随机调度方法的流程示意图；

图2为本发明风力发电机功率输出曲线；

图3为本发明未将可调节负荷纳入系统调度体系的调度方式与将可调节负荷纳入系统调度体系的系统运行总成本示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

根据本发明实施例，提供了一种基于大规模风电和可调节负荷的电力系统联合随机调度方法，解决无法实现含风电与可调节负荷合理调度的问题。

步骤1，选择含并网风电场的IEEE10机电力系统，设置帝国竞争算法的参数为：国家数量为200，初始帝国10个，σ＝0.2。风场共有100台额定功率为1MW的风力发电机，假设风机的相关参数为v_in＝3m/s、v_out＝25m/s、v_R＝15m/s。

步骤2，假设可调节负荷的用户参数为：用户1的用户的可调节负荷赔偿系数ρ₁＝4.52元/兆瓦时，负荷上限为15MW；用户2的可调节负荷赔偿系数ρ₂＝4.91元/兆瓦时，负荷上限为22MW；用户3的可调节负荷赔偿系数ρ₃＝5.24元/兆瓦时，负荷上限为25MW。

步骤3，基于所建立的基于大规模风电和可调节负荷的联合随机调度模型，忽略可调节负荷内部的负荷分配，未将可调节负荷纳入系统调度体系的调度方式记为方式1，将可调节负荷纳入系统调度体系的调度方式记为方式2，分别计算系统运行总成本，如图3所示，方式2的总费用比方式1降低了0.39％。

综上所述，本发明上述实施例的一种基于大规模风电和可调节负荷的电力系统联合随机调度方法，包括：首先基于短期风速概率特性，建立基于风电场出力概率特性的风电模型；然后建立基于大规模风电和可调节负荷的联合随机调度模型，所述模型由目标函数和约束条件构成；然后，利用所提出的帝国竞争算法对基于大规模风电和可调节负荷的联合随机调度模型进行求解，并将求解结果用于优化调度。该联合随机调度方法，辅助调度人员从安全性、经济性和可靠性的全局视角进行统筹协调，为电力系统调度人员合理地安排发电计划奠定了良好的基础。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，本领域技术人员不需要付出创造性劳动即可做出的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于大规模风电和可调节负荷的电力系统联合随机调度方法，其特征在于，首先基于短期风速概率特性，建立基于风电场出力概率特性的风电模型；然后建立基于大规模风电和可调节负荷的联合随机调度模型，所述模型由目标函数和约束条件构成；然后，利用所提出的帝国竞争算法对基于大规模风电和可调节负荷的联合随机调度模型进行求解，并将求解结果用于优化调度。

2.如权利要求1所述的一种基于大规模风电和可调节负荷的电力系统联合随机调度方法，其特征在于，该方法具体包括以下步骤：

a、建立基于风电场出力概率特性的风电模型；

b、建立基于大规模风电和可调节负荷的联合随机调度模型的目标函数；

c、建立基于大规模风电和可调节负荷的联合随机调度模型的约束条件；

d、利用帝国竞争算法进行模型求解，将结果用于优化调度。

3.如权利要求2所述的一种基于大规模风电和可调节负荷的电力系统联合随机调度方法，其特征在于，在步骤a中，具体包括：

a1、为描述短期风速概率特性，采用正态分布进行模拟，其日分布特性如式(1)所示：

其中，v为风速，σ_v为预测风速误差的标准差，为预测平均风速；

a2、忽略风电场尾流效应和电气损耗，风电场的输出功率可近似看做风电场内所有风机出力之和；风机的功率输出主要取决于风机轮毂高度处的风速，二者之间的数学关系如式(2)所示；

式中，v为风机轮毂高度处的风速，v_in、v_out分别为切入风速和切出风速，v_R为额定风速，P_W为风机的输出功率，P_WR为额定输出功率；

a3、风电的输出功率是一个混合型随机变量，基于随机变量函数分布的求解理论，分别求解离散部分、连续部分的概率密度函数；

对于离散部分，当0≤v≤v_inor v≥v_out时，

Φ(v)为风速v的概率密度函数；

当v_R≤v≤v_out时，

对于连续部分，当v_in≤v≤v_R时，q(P_W)＝q_v(v(P_W))×|v′(P_W)|，v(P_W)为式(2)的反函数；

综上，可求得风电场输出功率的概率密度函数为

4.如权利要求2所述的一种基于大规模风电和可调节负荷的电力系统联合随机调度方法，其特征在于，在步骤b中，具体包括：

b1、可调节负荷的补偿成本函数如式(4)所示；

式中，系统可调节负荷用户数量为N，U_At＝[U_A1t,…,U_Ajt,…,U_ANt]为可调节负荷的状态向量，其中，U_Ajt＝0表示负荷此时不可调，U_Ajt＝1表示负荷此时可调；ρ_j为j用户的可调节负荷赔偿系数，P_At＝[P_A1t,…,P_Ajt,…,P_ANt]为可调节负荷的容量向量；

b2、系统发电成本函数如式(5)所示；

式中，M为发电机组数量，P_Gt＝[P_G1t,…,P_Git,…,P_GMt]为机组出力向量，为第i发电机组在t时段的运行成本，S_it(P_Git)为第i发电机组在t时段的启停成本；U_Gt＝[U_G1t,…,U_Git,…,U_GMt]为第i发电机组在t时段的运行状态，U_Git＝0表示发电机组处于停机状态，U_Git＝1表示发电机组处于开机状态；

b3、根据公式(4)、(5)，系统总的运行总成本为

式中，T为系统调度周期。

5.如权利要求2所述的一种基于大规模风电和可调节负荷的电力系统联合随机调度方法，其特征在于，在步骤c中，具体包括：

c1、系统有功功率平衡约束

式中，P_Lt为系统在t时段的发电负荷，P_Wt为风电机组在t时段的输出功率；

c2、常规机组出力约束

P_Git.min≤P_Git≤P_Git.max (8)

式中，P_Git.min、P_Git.max分别为发电机组i的最大和最小出力；

c3、最小启停次数约束

式中，M_i为机组在调度期内最大允许启停次数；

c4、机组爬坡速率约束

-60r_di≤P_Git-P_Git-1≤60r_ri (10)

式中，r_di、r_ri为机组在调度周期内最大允许的启停次数；

c5、可调节负荷限值约束

P_Ajt.min≤P_Ajt≤P_Ajt.max (11)

式中：P_Ajt.min、P_Ajt.max分别为用户j在时段t可调节负荷的上下限值。

6.如权利要求2所述的一种基于大规模风电和可调节负荷的电力系统联合随机调度方法，其特征在于，在步骤d中，具体包括：

四个主要环节；

d1、帝国形成；由h维决策变量组成国家，其函数值为f_country，定义第n个国家的标准化权力为

根据标准化权力的大小，将规模为N_C的种群排序，将权利最大的k_C个国家作为帝国，其余国家作为殖民地随机分配给各帝国；

d2、吸收殖民地；殖民地向帝国靠近，其移动距离l服从均匀分布，移动方向和其与帝国的连线的偏移夹角θ也服从均匀分布；在吸收殖民地的过程中，若出现帝国的标准化权力值小于殖民地的情况，则将该帝国的位置与其殖民地所在的位置进行交换；

d3、帝国竞争；定义帝国权力总值为

式中，f_k为帝国k的目标函数值，σ为权重参数，为帝国k占有殖民地的目标函数平均值；

d4、帝国消亡；当权力较小的帝国经过帝国竞争后，其拥有的所有殖民地全部都被权力更强的帝国占有，则定义该帝国已经灭亡，并消除其位置；当帝国竞争结束后，仅存在一个帝国，且其余所有殖民地都由该帝国占有，则算法停止，输出最优解；否则，返回d2。