CN109687530A - 一种考虑阻塞和储能分时电价的电网混合滚动调度方法 - Google Patents

Abstract

本发明公开了一种考虑阻塞和储能分时电价的电网混合滚动调度方法，将一天24h分为三个周期，即24h周期、1h周期、10min周期，具体包括如下步骤：S1、获取计算模型、实时数据和预定时间内的联络线功率预测结果；S2、监测电网调度周期是否达到24h；S3、日前调度；S4、监测电网调度周期是否达到1h周期；S5、时前调度；S6、监测电网调度周期是否达到10min以内；S7、实时调度，S8、进入下一时刻。S8再转入步骤S2重新开始。本发明分别进行日前、时前、实时调度，随着时间尺度不断缩短，预测精度也不断提升，在实时调度上不断采样反馈校正，以保证联络线处于断面安全状态以内，保证电网安全运行。

Description

一种考虑阻塞和储能分时电价的电网混合滚动调度方法

技术领域

本发明涉及新能源并网下电力系统调度及其控制方法，属于电力系统新能源调度控制领域。

背景技术

电网联络线的输电阻塞一直都是电力系统需要考虑的重要问题，而传统电力系统对阻塞的解决方法多是利用火电机组的调节来应对新能源的不确定性，缓解阻塞现象，但是火电通常有一定的调节范围和调节限制，当火电机组调节能力无法满足新能源的超发时，此时电网弃风和弃光现象将会非常严重，不利于新能源的消纳。储能作为一种新的电网调峰调频设备，具有调节速度快，双向调节和实时储电等优势，同时对储能参与调峰的情况，有相应的峰谷电价机制来保证储能的收益，因此如何利用储能的储电和放电的双向特性以及现有的峰谷电价机制，以电网经济性和安全性为目标，通过储能和火力发电机的联合运行，有效的应对由于新能源不确定性引起的电网阻塞和弃风弃光等问题，将是研究的重点。

发明内容

发明目的：提供一种考虑阻塞和储能分时电价的电网混合滚动调度方法，以解决新能源不确定下电网阻塞和弃风弃光等现有电网调度技术中存在的问题。

技术方案：一种考虑阻塞和储能分时电价的电网混合滚动调度方法，包括如下步骤：

S1、获取计算模型、实时数据和预定时间内的联络线功率预测结果；

S2、监测电网调度周期是否达到24h；

若达到调度周期，则转入步骤S3，若没有达到调度周期，则转入步骤S4；

S3、日前调度，具体包括：S31、日前总负荷预测，S32、制定日前调度预出力策略，S33、求得总日前调度出力，S34、各项出力跟踪至时前调度；

S4、监测电网调度周期是否达到1h；若达到则转入步骤S5，若没有达到则转入步骤S6；

S5、时前调度，具体包括：S51、时前总负荷预测，S52、制定时前调度预出力策略，S53、求得总时前调度出力，S54、各项出力跟踪至实时调度；

S6、监测电网调度周期是否达到10min以内；若达到调度周期，则转入步骤S7，若没有达到调度周期，则转入步骤S8；

S7、实时调度，具体包括：S71、实时总负荷预测，S72、基于MPC滚动优化实时制定调度出力策略，S73、求得实时各项出力，S74、采样反馈不断校正直至实时调度周期结束；

S8、进入到下一时刻。

本发明从利用储能解决输电阻塞的滚动调度实际应用出发，通过监测电网处于的三个不同时段，制定相应的日前、时前、实时调度策略，同时根据每个调度方案建立求解模型，以求得最优条件下的解，更好的保证了电网运行的经济性和鲁棒性。本发明能够很好地解决因负荷波动或风光波动导致的调度出力不稳定性，进一步提高预测精确性，提高了控制的精度和平滑性，为电网滚动调度在线控制提供了更加精细化的调度方法。

有益效果：本发明能够实现提高预测信息精度，缓解联络线输电阻塞，保证电网获得最优经济，同时也保证电网安全运行；针对目前电网始终存在的弃风弃光现象，本文考虑加入储能结合火电调度，本发明在日前与时前调度上提出一个综合系统获得利润最高的模型，同时在实时调度上也提出一个基于MPC算法的实时滚动优化调度模型，并引入短期联络线的功率预测结果，最终通过改进的MPC算法进行优化计算并获得最优控制方案。

附图说明

图1是本发明的总体流程图。

图2是本发明的日前调度策略流程图。

图3是本发明的时前调度策略流程图。

图4是联络线断面状态划分图。

图5是MPC模型预测控制的原理流程图。

图6是本发明的实时调度策略流程图。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明：

一种考虑阻塞和储能分时电价的多阶段电网滚动调度方法，步骤如下：

a.通过接口获取计算模型和实时预测数据；

b.通过接口获取短期联络线功率预测结果；

c.监测电网调度周期是否达到24h，若达到调度周期则转到步骤d，否则进入步骤e；

d.根据日前总负荷预测制定日前调度预出力策略，转入步骤f；

e.监测电网调度周期是否达到1h，若达到调度周期则转到步骤g，否则进入步骤h；

f.建立利润最高的经济模型，求解后得到各项出力，并跟踪至步骤e；

g.根据时前总负荷预测制定时前调度预出力策略，转入步骤i；

h.监测电网调度周期是否达到10min以内，若达到调度周期则转入步骤j，否则进入步骤k；

i.根据联络线功率的极限状态建立利润最高的两种经济模型，分别求解得到各项出力，并跟踪至实时调度步骤h；

j.实时预测负荷信息，基于MPC滚动优化实时制定调度出力策略，转入步骤l；

k.进入下一时刻，并转入步骤c重新开始；

l.建立二次规划函数进行求解，将每次求得的最优序列组的第一个元素下发至下一次指令，转入步骤m；

m.每次优化均采样反馈不断校正，直至实时调度周期结束，进入步骤k重新开始。

日前调度预出力策略包括无弃风弃光下的风光在线出力，储能在利润最高下的出力，常规火电机组出力；通过调度策略，得到最高利润下的调度模型，计算得到各项出力。

时前调度预出力策略包括联络线处于预警状态下与联络线不处于预警状态下的两种情形，分别对应两种最高利润模型与约束条件；实时调度策略包括建立状态空间预测模型，滚动优化，采样反馈等步骤，包括两种情况：1.常规火电机组出力跟踪时前调度，即不作为变量加入输出变量向量组，建立一个多输入、多输出的模型。2.常规火电机组出力作为一个新变量加入输出变量向量组，重新建立一个多输入、多输出的模型。

参考图1描述本发明方法的总体流程，具体步骤如下：

步骤S1：通过接口获取计算模型、实时数据和预定时间内的联络线功率预测结果；

步骤S2：监测电网调度周期是否达到24h周期，若达到则转入步骤S3，否则转入步骤S4；

步骤S3：制定日前调度预出力策略；

步骤S4：监测电网调度周期是否达到1h周期，若达到则转入步骤S5，否则转入步骤S6；

步骤S5：制定时前调度预出力策略；

步骤S6：监测电网调度周期是否达到10min以内，若达到则转入步骤S7，否则转入步骤S8；

步骤S7：制定实时调度出力策略；

步骤S8：进入下一时刻，再转入步骤S2重新开始。

为了更清楚的说明本发明，下面将对相关内容进行展开说明。

(一)日前调度策略

如图2所示，日前调度由于预测误差较大原因，主要考虑综合系统获得最高利润前提下的调度出力策略。

步骤S321：达到24h调度周期。

步骤S322：获取24h之后天气预报数据：风电场和光伏电厂从大数据数值天气预报获得24h之后的风光预测值，主要随机因素为风力大小、风速、持续性、光照强度、考核惩罚等。

步骤S323：调度风光在线出力：使弃风弃光成本降为零，让风光出力全部上网，得到日前的风电在线出力和光伏在线出力，在t时刻，让风光预测值等于其调度出力值。

步骤S324：判断当前时刻是否处于峰时段：若是，则转入步骤S325；否则转入步骤S326。

步骤S325：储能在最低电量约束下出力售电：储能装置的出力应从收益最大化角度考虑，储能电池选择进行放电还是选择进行充电，应由t时刻的峰平谷电价表格决定，即在峰时刻储能在最低电量约束下出力售电。

步骤S326：判断当前时刻是否处于平时段：若是，则转入步骤S327；否则转入步骤S328。

步骤S327：储能进入备用状态不充不发。

步骤S328：储能在最高电量约束下充电。

步骤S325、步骤S327、步骤S328三个步骤共同转入步骤S329：三个阶段相配合从而获得峰谷电价差收益。

步骤S3210：根据日常负荷曲线得到t时刻的总负荷预测值，根据剩余所需功率，确定火电机组开停机信息，调度日前常规火电机组出力。

步骤S3211：求得日前总计划出力：风光在线出力、储能出力、常规火电机组出力三项数据共同保持到日内调度之前，求出日前总计划出力。

最高利润的模型建立：当前调度周期为日前调度，在日前调度上，由于预测误差较大(约15％～20％)，因此较大的误差可能不能有效地保证联络线输电不阻塞，此时考虑经济性最优较为恰当，即综合系统获得的利润最高。故所述模型为：

目标函数：

式中：

C₁为日前调度总利润；

C_G为火电机组售电收益，其中ρ_pri,t为t时刻市场售电的分时电价；

C_bat为储能电池的售电收益，其大小与t时刻储能充放电功率P_ch(t)、P_x(t)有关；

C_w,p为风光在线出力售电收益，由于国家政策补贴新能源发电，故此处取t时刻风光在线上网的分时电价为ρ_w,p,t＝λρ_pri,t，其中λ为常数且λ>1，

F_G为常规火电机组的成本，式中：W为火电机组的总数量；a、b、c为i号火电机组出力的成本系数；P_Gi(t)为i号火电机组在t时刻的出力；T为一天24h；d_it为i号火电机组的开停状态，由日前出力计划的开停计划决定，1时为开启，0时为停止；

F_bat为储能运行成本，包括储能电池寿命损耗费用和储能电池基础投资费用等，此成本可由“雨流计数法”估算得到；

F_w,p为风光在线运行成本，包括风机和光伏电池板的维修费用等；

F_devi为出力偏离经济惩罚，F_devi＝ρ_devi,t·|Pl(t)-Pout(t)|，其中ρ_devi,t为偏差惩罚价格系数，P_l(t)为负荷预测值，P_out(t)为总的计划出力；

约束条件：

①综合系统的功率平衡约束：

式中：储能充电时，令u＝1；储能放电时，令u＝0。

②火电机组出力上下限约束：

u_i,tP_Gimin≤P_Gi(t)≤u_i,tP_Gimax

其中：P_Gimin为i号机组的出力功率下限；P_Gimax为i号机组的出力功率上限。

③火电机组爬坡约束：

P_Gi(t+1)-P_Gi(t)≤(1-u_i,t)P_Gimax+Q_i,upu_i,t

P_Gi(t)-P_Gi(t+1)≤(1-u_i,t+1)P_Gimin+Q_i,dowmu_i,t+1

其中：u_i,t、u_i,t+1分别为火电机组在t、t+1时刻的启停状态，开启时令u_i,t＝1，停止时令u_i,t＝0；Q_i,up、Q_i,down分别为i号机组输出功率最大的向上、向下调节功率。

④储能系统约束：

1)储能电池运行状态约束：u_x+u_static+u_ch＝1

式中：u_x、u_static、u_ch互斥，分别为放电、不充不放、充电状态。

2)储能电池充放电功率约束：

u_chP_ch,min≤P_ch,t≤u_chP_ch,max

u_xP_x,min≤P_x,t≤u_xP_x,max

其中：P_ch,min、P_ch,max分别为电池充电功率下限、上限；

P_x,min、P_x,max分别为电池放电功率下限、上限。

3)储能电池荷电状态约束：

E_bat,min≤E_bat,startt≤E_bat,max

其中：E_bat,min、E_bat,max分别为储能电池的最小、最大能量状态，

E_bat,startt为在t时刻储能电池的能量状态。

4)电池充放电次数约束：

∑(u_ch+u_x)≤Z

其中：Z为储能电池充放电转换次数限定值。

为了提高储能电池充放电转换效率，避免充放电转换过快以及有效地延长电池寿命，考虑在充放电转换阶段末尾留有一定的时间裕度Δt'，在此时间段内，引入三种转换状态参数，即充电转换状态参数放电转换状态参数不充不放转换状态参数

当进入充电转换状态时，令当进入放电转换状态时，令当进入不充不放转换状态时，令

5)周期始末储能能量平衡约束：

为了使进入下一阶段调度时，储能电池应有足够的电量，此处应考虑两个调度周期的始末保持总电量的平衡。即：

E_T＝E₀

⑤联络线功率约束：

此处考虑用联络线的功率波动方差来描绘功率约束，而联络线功率波动方差：

其中：为联络线平均功率，f₀为联络线安全运行的最小固定方差值。

(二)时前调度

如图3所示，由于时前调度预测误差相差不大，仍然考虑综合系统获得最高利润前提下的调度出力策略。

步骤S521：达到1h调度周期。

步骤S522：与日前预测相比是否有大负荷的投切：若是，则转入步骤S523；若否，则转入步骤S524。

步骤S523：根据偏差重新调整常规火电机组出力。

步骤S524：延用日前常规火电机组出力。

步骤S523再转入步骤S525，对步骤S525进行判断，若是，则转入步骤S526，若否，则转入步骤S527、步骤S528。

步骤S525：风光变化与日前预测变化是否较大。

步骤S526：此时风光是否大于日前预测风光较多。

步骤S527：延用日前风光在线出力数据。

步骤S528：储能仍按照日前削峰填谷策略调度出力，只是时间t单位由之前的h变为min，具体步骤见日前储能调度。对步骤S526进行判断，若是，则转入步骤S529，若否，则转入步骤S5210、步骤S5211。

步骤S529：风光在线出力全部上网，联络线功率是否在预警状态。

步骤S5210：风光在线出力全部上网。

步骤S5211：计算出联络线功率缺额。对步骤529进行判断，若是，则转入步骤S5212、步骤S5213，若否，则转入步骤S5214、步骤S5215、步骤S5216。

步骤S5212：在联络线断面预警状态下确定最大风光在线出力。

步骤S5213：计算超过预警状态部分功率。

步骤S5214：风光在线出力全部上网。

步骤S5215：储能仍按照日前削峰填谷策略调度出力。

步骤S5216：计算剩余功率，由AGC调度出力。

步骤S5211转入步骤S5217，对步骤S5217进行判断，若是，则转入步骤S5218，若否，则转入步骤S5219。

步骤S5217：储能售电收益是否大于自身运行成本。

步骤S5218：储能放电弥补该部分功率。

步骤S5219：AGC调度该部分功率缺额。步骤S5213再转入步骤S5220，对步骤S5220进行判断，若是，则转入步骤S5221，若否，则转入步骤S5222、步骤S5223。

步骤S5220：监测储能电池是否有充电空间。

步骤S5221：计算出储能电池可继续充电电量空间。

步骤S5222：给AGC下发出力下调指令，出力下调值等于超过预警状态部分功率。

步骤S5223：AGC出力下调同时，超过预警状态部分功率也随之上网。步骤S5221再转入步骤S5224，对步骤S5224进行判断，若是，则转入步骤S5225，否则转入步骤S5226。

步骤S5224：超过预警状态部分功率给储能充电能否使电池充满。

步骤S5225：让该部分功率给储能电池充满电。

步骤S5226：超过预警状态部分功率全部给储能电池充电。步骤S5225再转入步骤S5227，对步骤S5227进行判断，若是，则转入步骤S5228、步骤S5229，否则转入步骤S5230。

步骤S5227：超过预警状态部分功率是否还有多余。

步骤S5228：给AGC下发出力下调指令，出力下调值等于多余值。

步骤S5229：AGC出力下调同时，多余部分功率也随之上网。

步骤S5230：求得时前总调度出力。

最后，步骤S5224、步骤S5228、步骤S5219、步骤S5218、步骤S5216、步骤S5226、步骤S5227的否，统一转到步骤S5230。

由图3可知，(1)(2)、(3)、(4)、(5)这四种状态，联络线并不会出现功率达到预警状态。具体见表1。而由于时前调度每小时更新一次数据，时间跨度仍然较大，故预测误差和日前调度相比变化不大，此时仍然优先考虑经济性最优，即以综合系统获得利润最高为目标。

表1：联络线功率处于断面安全状态

目标函数A：

其中：

∑C＝C'_G+C'_bat+C'_w,p，

∑F＝F'_G+F'_AGC+F'_bat+F'_w,p+F'_devi

约束条件：

在时前调度上，整体约束条件相比日前调度均无较大区别，只是此时调度是建立在某一小时内，即Δt₂＝1h，因此只需在前者基础上把时间单位t从小时h级别改为分钟min级别。但由于时前调度的时间分辨率比日前调度更短，只有10min，因此需要附加考虑风光的出力变化、快速调节发电机组AGC等约束，另外联络线功率约束也与日前调度不同。

联络线断面状态划分见说明书附图。

由图3可知，(6)、(7)、(8)、(9)这四种状态，联络线功率已经处于预警状态下的最大安全值下，此时与目标函数A中的联络线功率约束条件不同，即：P'_l(t)>P'_l,safe。仍然以利润最高为目标建立函数。

从(6)、(7)、(8)、(9)可以得出，四种状态下的常规火电机组出力、风电出力、光伏出力均相同，因此，三者出力产生成本相同，收益也相同。

不同的是：在(6)中，储能仍有充电空间，且超过预警状态部分功率不能给储能充满电，即该部分功率全部给储能充电，因此储能会产生收益与相应的运行成本；在(7)中，储能仍有充电空间，但是越限部分功率给储能充电不能使其充满，此时先让超过预警状态部分功率给储能充满电，产生储能的运行成本与收益。再判断超过预警状态部分功率是否还有多余，若没有剩余则(8)结束，若有剩余则让AGC下调出力等于该剩余功率值，此时产生AGC成本和收益；在(9)中，储能为满电荷状态，没有充电空间，储能成本和收益均为零，此时让AGC下调出力等于超过预警状态部分功率，产生AGC成本和收益。具体见表2。

在出现联络线功率处于预警状态最大安全值时，各种调度方法已经给出，如上所述，而此时的目标仍然为追求最高利润，即收益减去成本所得值最大，因此目标函数类似于目标函数A。约束条件与目标函数A中类似，此处不再赘述。

表2：联络线功率出现处于预警状态情况(三)实时调度

如图6所示，由于实时调度时间周期较短，因此此时主要以系统运行安全性要求为主，即进一步减小预测误差，此处采用改进的基于MPC算法的滚动调度策略。

步骤S721：调度周期达到10min。

步骤S722：让光伏出力跟踪时前调度数据。

步骤S723：判断是否出现超大负荷的投切或超大系统故障，若否则转入步骤S724、步骤S725、步骤S726、步骤S727、步骤S728、步骤S729、步骤S7210、步骤S7211、步骤S7212，若是则转入步骤S7213、步骤S7214、步骤S7215。

步骤S724：常规火电机组出力跟踪时前调度出力。

步骤S725：确定状态变量、控制变量、扰动输入、输出变量四个向量组。

步骤S726：建立一个多输入、多输出的状态空间预测模型。

步骤S727：以当前时刻负荷、风电出力、AGC出力、储能出力实际值作为参考值。

根据模型预测控制MPC原理，考虑一个离散线性时不变系统，用状态空间形式描述如下：

x(k+1)＝Ax(k)+Bu(k)

y(k)＝Cx(k)

其中：x(k)表示k时刻系统的状态变量向量，y(k)为量测输出，u(k)表示k时刻控制输入变量向量。

因此先确定状态变量向量组x[t]、控制变量向量组u[t]、扰动输入向量组r[t]、输出变量向量组y[t]这四个向量组，这样就可以建立一个多输入、多输出的状态空间模型。根据本文实时滚动调度策略，可以得出以下四个具体的向量组：

状态变量向量组x[t]＝[P″′_AGC(t),P″′_bat(t),P″′_l(t)]^T

控制变量向量组u[t]＝[ΔP″′_AGC(t),ΔP″′_bat(t)]^T

扰动输入向量组r[t]＝[ΔP″′w(t),ΔP″′_load(t)]^T

输出变量向量组y[t]＝[P″′_l(t)]^T

其中：P″′_AGC(t)为可调机组AGC出力；P″′_bat(t)为储能电充放电功率；P″′_l(t)为联络线功率；ΔP″′_AGC(t)为可调机组AGC出力的增量；ΔP″′_bat(t)为储能电池的出力增量；ΔP″′_w(t)为风电机组实时预测功率增量；ΔP″′_load(t)为负荷实时预测功率增量。

步骤S728：利用初始值通过预测模型计算出各时刻的预测值：

y[t]＝[P″′_l(t)]＝[001][P″′_AGC(t)P″′_bat(t)P″′_l(t)]^T

根据上面两式子，再结合MPC滚动优化原理，便可得到在t时刻向前进行k次预测，每次预测时间为Δt，即总的优化有限时域为t+kΔt的一个实际输出变量向量组R_t+kΔt：

R_t+kΔt＝[P″′_l.real(t+Δt),P″′_l.real(t+2Δt),Λ,P″′_l.real(t+kΔt)]^T

步骤S729：以输出变量向量组跟踪时前调度为目标参考值，建立跟踪控制目标向量组R_ref：由于以联络线功率尽量跟踪时前调度为目标，因此跟踪控制目标即可建立为：

其中k为滚动预测次数，kΔt为一个完整实时调度周期。

建立如下二次规划目标函数：

其中：Q为跟踪误差权重系数矩阵；H为控制变量增量的系数矩阵；

Δu_t+kΔt为控制变量增量矩阵；

s.t.

步骤S7210：求解优化周期内控制指令：用MATLAB优化工具箱提供的二次规划quadprog函数进行求解，求解之后得到AGC装置和储能电池构成的控制变量增量最优序列组，

{Δu_t+Δt,Δu_t+2Δt,Λ,Δu_t+kΔt}

步骤S7211：下发控制指令Δu_t+Δt，下发当前最优序列组的第一个元素给下一次优化。

步骤S7212：调度周期是否结束：若结束，则转入步骤S7216，否则转入步骤S7217。若转为步骤S7216，则结束；若转入步骤S7217，则采样t+Δt时刻测量值，修正预测输出，令t＝t+Δt进行下一次优化。

步骤S7213：将常规火电机组出力作为一个新变量加进输出变量向量组，其余变量组不变。

步骤S7214：重新建立一个多输入、多输出的状态空间预测模型。

步骤S7215：以当前时刻负荷、风电出力、AGC出力、储能出力、常规火电机组出力实际值作为参考值。

若在实时调度期间，出现超大负荷的投切或超大系统故障，此时不得已需要重新调节常规火电机组出力，这种情况下只需将常规火电机组出力作为一个新变量加进输出变量向量组y[t]内，以其跟踪时前调度出力为目标。具体求解思路与不调节常规火电机组出力时相同，见上文，此处不再赘述。

步骤S7215再转入步骤S729。

本发明在日前调度和时前调度上采用的均为求利润最高模型，模型中既包含整数变量，又包含连续变量，也就是混合非线性规划问题(MINLP)，此模型可以采用商业软件GAMS(General Algebraic Modeling System)中的CPLEX求解器进行求解。

在实时调度上，采用改进的MPC算法并结合时前调度策略来求解所提出的二次规划模型，优化求解后得到一个最优控制序列组，并将序列组中的首个元素加到被控对象上，然后进行下一步的优化，直至实时调度周期结束。

改进的基于MPC算法滚动优化是在传统MPC算法的基础上充分利用时前调度中光伏出力与常规火电机组出力不变的特点，在建立状态空间模型时，一般在输出变量向量组中不考虑常规火电机组出力，这就简化了实时调度策略，能够得到最优解。

传统MPC模型预测控制方法的核心思想步骤分为：模型预测、滚动优化、反馈校正。

预测模型：考虑到各种不确定性因素，在此之上建立目标函数模型具有一定的困难，并且求解方法也十分繁琐。然而，预测模型相比其他一些数学模型就有其独特优势，其可以在有限时域内预测某时刻的状态变量，且其并不太注重模型的形式，并且具有预测控制功能的信息集合，集合中包括传递函数和状态变量。

滚动优化：在每个信息采集周期内，通过系统的初始状态和预测模型实施滚动优化，优化求解得到一个最优控制序列数组，为了防止预测模型不匹配和由其他干扰因素引起的实时微弱偏差，此时将序列数组中的首个元素加到被控对象上，然后进行下一步的优化，如此循环直至实时调度周期结束。

反馈校正：传统调度策略普遍在开环控制系统中利用逐级细化时间段的方法来减小预测误差，显然，由于系统开环可能会导致预测误差进一步扩大，这有悖于调度初衷，而由传统控制理论可知，闭环系统能够进一步消除误差，故MPC采用信息的实时采集反馈步骤，采集信息反馈给预测模型，此时将实际系统的采样值作为新一轮优化的初始值。

算法的具体步骤如下：

步骤1：确定状态变量x[t]、控制变量u[t]、扰动输入r[t]、输出变量y[t]四个向量组。

步骤2：根据四个向量组建立一个多输入、多输出的状态空间预测模型。

步骤3：构建二次规划函数。

步骤4：以当前时刻各项数据作为初始值。

步骤5：利用初始值通过预测模型计算出相应时刻的预测值。

步骤6：以输出变量向量组跟踪某一数据为目标参考值，建立跟踪控制目标向量组。

步骤7：求解二次规划函数，得到优化周期内控制指令最优序列组。

步骤8：将最优序列组的首个元素作为下一次优化的初始值进行优化。

步骤9：进行多次迭代，直至调度周期结束。

总之，针对现有技术的情况，本发明引入储能调度和预定时间内联络线功率预测结果，通过对日前、时前、实时调度的负荷预测，制定了不同的调度策略，最大程度的消除了预测偏差带来的经济损失及输电阻塞等影响，实现电网安全经济运行的效果。为了进一步的消除预测偏差，本发明引入改进的基于MPC算法的实时滚动调度，通过求解该二次规划函数模型，得到最优控制序列组，一定程度上消除了预测偏差可能带来的输电阻塞问题，提高了优化的收敛性。将这种方法应用到实际在线控制中去，可以实现日前和时前调度最高利润的调度方法，以及实时调度期间最安全运行的滚动调度方法，解决了传统调度没有充分利用储能来调节和负荷预测偏差带来的负面影响。

以上所述结合附图详细描述了本发明的优选实施方式，然而本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (5)

1.一种考虑阻塞和储能分时电价的电网混合滚动调度方法，将一天24h分为三个周期，即包括24h周期、1h周期、10min周期，其特征在于，包括如下步骤:

S1、获取计算模型、实时数据和预定时间内的联络线功率预测结果；

S2、监测电网调度周期是否达到24h；

若达到调度周期，则转入步骤S3，若没有达到调度周期，则转入步骤S4；

S3、日前调度，具体包括：S31、日前总负荷预测，S32、制定日前调度预出力策略，S33、求得总日前调度出力，S34、各项出力跟踪至时前调度；

S4、监测电网调度周期是否达到1h；

若达到则转入步骤S5，若没有达到则转入步骤S6；

S5、时前调度，具体包括：S51、时前总负荷预测，S52、制定时前调度预出力策略，S53、求得总时前调度出力，S54、各项出力跟踪至实时调度；

S6、监测电网调度周期是否达到10min以内；

若达到调度周期，则转入步骤S7，若没有达到调度周期，则转入步骤S8；

S7、实时调度，具体包括：S71、实时总负荷预测，S72、基于MPC滚动优化实时制定调度出力策略，S73、求得实时各项出力，S74、采样反馈不断校正直至实时调度周期结束；

S8、进入到下一时刻。

2.根据权利要求1所述的一种考虑阻塞和储能分时电价的电网混合滚动调度方法，其特征在于上述步骤S32制定日前调度预出力策略具体过程如下：

S321、达到24h调度周期；

S322、获取24h之后天气预报数据：风电场和光伏电厂从大数据数值天气预报获得24h之后的风光预测值；

S323、调度风光在线出力：使弃风弃光成本降为零，让风光出力全部上网，得到日前的风电在线出力和光伏在线出力，在t时刻，让风光预测值等于其调度出力值；

S324、判断当前时刻是否处于峰时段：若是，则转入步骤S325；否则转入步骤S326；

S325、储能在最低电量约束下出力售电：储能装置的出力应从收益最大化角度考虑，储能电池选择进行放电还是选择进行充电，应由t时刻的峰平谷电价表格决定，即在峰时刻储能在最低电量约束下出力售电；

S326、判断当前时刻是否处于平时段：若是，则转入步骤S327；否则转入步骤S328；

S327、储能进入备用状态不充不发；

S328、储能在最高电量约束下充电；

S325、S327、S328三个步骤共同转入步骤S329：三个阶段相配合从而获得峰谷电价差收益；

S3210、根据日常负荷曲线得到t时刻的总负荷预测值，根据剩余所需功率，确定火电机组开停机信息，调度日前常规火电机组出力；

S3211、求得日前总计划出力：风光在线出力、储能出力、常规火电机组出力三项数据共同保持到日内调度之前，求出日前总计划出力。

3.根据权利要求1所述的一种考虑阻塞和储能分时电价的电网混合滚动调度方法，其特征在于上述步骤S52制定时前调度预出力策略的具体过程如下：

S521、达到1h调度周期；

S522、与日前预测相比是否有大负荷的投切：若是，则转入S523；若否，则转入S524；

S523、根据偏差重新调整常规火电机组出力；

S524、延用日前常规火电机组出力；

S523再转入步骤S525，对S525进行判断，若是，则转入S526，若否，则转入S527、S528；

S525、风光变化与日前预测变化是否较大；

S526、此时风光是否大于日前预测风光较多；

S527、延用日前风光在线出力数据；

S528、储能仍按照日前削峰填谷策略调度出力，只是时间t单位由之前的h变为min，具体步骤见日前储能调度；

对S526进行判断，若是，则转入S529，若否，则转入S5210、S5211；

S529、风光在线出力全部上网，联络线功率是否在预警状态；

S5210、风光在线出力全部上网；S5211、计算出联络线功率缺额；

对S529进行判断，若是，则转入S5212、S5213，若否，则转入S5214、S5215、S5216；

S5212、在联络线断面预警状态下确定最大风光在线出力；

S5213、计算超过预警状态部分功率；S5214、风光在线出力全部上网；

S5215、储能仍按照日前削峰填谷策略调度出力；S5216、计算剩余功率，由AGC调度出力；

S5211转入步骤S5217，对S5217进行判断，若是，则转入S5218，若否，则转入S5219；

S5217、储能售电收益是否大于自身运行成本；S5218、储能放电弥补该部分功率；

S5219、AGC调度该部分功率缺额；

S5213再转入S5220，对S5220进行判断，若是，则转入S5221，若否，则转入S5222、S5223；

S5220、监测储能电池是否有充电空间；S5221、计算出储能电池可继续充电电量空间；

S5222、给AGC下发出力下调指令，出力下调值等于超过预警状态部分功率；

S5223、AGC出力下调同时，超过预警状态部分功率也随之上网；

S5221再转入S5224，对S5224进行判断，若是，则转入S5225，否则转入S5226；

S5224、超过预警状态部分功率给储能充电能否使电池充满；

S5225、让该部分功率给储能电池充满电；S5226、超过预警状态部分功率全部给储能电池充电；

S5225再转入步骤S5227，对S5227进行判断，若是，则转入S5228、S5229，否则转入S5230；

S5227、超过预警状态部分功率是否还有多余；

S5228、给AGC下发出力下调指令，出力下调值等于多余值；

S5229、AGC出力下调同时，多余部分功率也随之上网；

S5230、求得时前总调度出力；

最后，S524、S528、S5219、S5218、S5216、S5226、S5227的否，统一转到步骤S5230。

4.根据权利要求1所述的一种考虑阻塞和储能分时电价的电网混合滚动调度方法，其特征在于上述步骤S72基于MPC滚动优化实时制定调度出力策略，具体步骤如下：

S721、调度周期达到10min；S722、让光伏出力跟踪时前调度数据；

S723、是否出现超大负荷的投切或超大系统故障，若否则转入S724、S725、S726、S727、S728、S729、S7210、S7211、S7212，若是则转入S7213、S7214、S7215；

S724、常规火电机组出力跟踪时前调度出力；

S725、确定状态变量、控制变量、扰动输入、输出变量四个向量组；

S726、建立一个多输入、多输出的状态空间预测模型；

S727、以当前时刻负荷、风电出力、AGC出力、储能出力实际值作为参考值；

根据模型预测控制MPC原理，考虑一个离散线性时不变系统，用状态空间形式描述如下：

x(k+1)＝Ax(k)+Bu(k)

y(k)＝Cx(k)

其中：x(k)表示k时刻系统的状态变量向量，y(k)为量测输出，u(k)表示k时刻控制输入变量向量；

因此先确定状态变量向量组x[t]、控制变量向量组u[t]、扰动输入向量组r[t]、输出变量向量组y[t]这四个向量组，这样就可以建立一个多输入、多输出的状态空间模型；根据实时滚动调度策略，可以得出以下四个具体的向量组：

状态变量向量组x[t]＝[P″′_AGC(t),P″′_bat(t),P″′_l(t)]^T

控制变量向量组u[t]＝[ΔP″′_AGC(t),ΔP″′_bat(t)]^T

扰动输入向量组r[t]＝[ΔP″′_w(t),ΔP″′_load(t)]^T

输出变量向量组y[t]＝[P″′_l(t)]^T

其中：P″′_AGC(t)为可调机组AGC出力；P″′_bat(t)为储能电充放电功率；P″′_l(t)为联络线功率；ΔP″′_AGC(t)为可调机组AGC出力的增量；ΔP″′_bat(t)为储能电池的出力增量；ΔP″′_w(t)为风电机组实时预测功率增量；ΔP″′_load(t)为负荷实时预测功率增量；

S728、利用初始值通过预测模型计算出各时刻的预测值：

y[t]＝[P″′_l(t)]＝[0 0 1][P″′_AGC(t) P″′_bat(t) P″′_l(t)]^T

根据上面两式子，再结合MPC滚动优化原理，便可得到在t时刻向前进行k次预测，每次预测时间为Δt，即总的优化有限时域为t+kΔt的一个实际输出变量向量组R_t+kΔt：

R_t+kΔt＝[P″′_l.real(t+Δt),P″′_l.real(t+2Δt),Λ,P″′_l.real(t+kΔt)]^T

S729、以输出变量向量组跟踪时前调度为目标参考值，建立跟踪控制目标向量组R_ref：由于以联络线功率尽量跟踪时前调度为目标，因此跟踪控制目标即可建立为：

其中k为滚动预测次数，kΔt为一个完整实时调度周期。

建立如下二次规划目标函数：

其中：Q为跟踪误差权重系数矩阵；H为控制变量增量的系数矩阵；

Δu_t+kΔt为控制变量增量矩阵；

s.t.

S7210、求解优化周期内控制指令：用MATLAB优化工具箱提供的二次规划quadprog函数进行求解，求解之后得到AGC装置和储能电池构成的控制变量增量最优序列组，

{Δu_t+Δt,Δu_t+2Δt,Λ,Δu_t+kΔt}

S7211、下发控制指令Δu_t+Δt，下发当前最优序列组的第一个元素给下一次优化；

S7212、调度周期是否结束；若结束，则转入S7216，否则转入S7217；

S7216、结束；S7217、采样t+Δt时刻测量值，修正预测输出，令t＝t+Δt进行下一次优化；

S7213、将常规火电机组出力作为一个新变量加进输出变量向量组，其余变量组不变；

S7214、重新建立一个多输入、多输出的状态空间预测模型；

S7215、以当前时刻负荷、风电出力、AGC出力、储能出力、常规火电机组出力实际值作为参考值；

若在实时调度期间，出现超大负荷的投切或超大系统故障，此时不得已需要重新调节常规火电机组出力，这种情况下只需将常规火电机组出力作为一个新变量加进输出变量向量组y[t]内，以其跟踪时前调度出力为目标。具体求解思路与不调节常规火电机组出力时相同，见上文，此处不再赘述。

S7215再转入步骤S729。

5.如权利要求1所述的一种考虑阻塞和储能分时电价的电网混合滚动调度方法，其特征在于，在日前调度上，目标函数：

式中：

C₁为日前调度总利润；C_G为火电机组售电收益，其中ρ_pri,t为t时刻市场售电的分时电价；C_bat为储能电池的售电收益，其大小与t时刻储能充放电功率P_ch(t)、P_x(t)有关；C_w,p为风光在线出力售电收益，取t时刻风光在线上网的分时电价为ρ_w,p,t＝λρ_pri,t，其中λ为常数且λ>1，

F_G为常规火电机组的成本，式中：W为火电机组的总数量；a、b、c为i号火电机组出力的成本系数；P_Gi(t)为i号火电机组在t时刻的出力；T为一天24h；d_it为i号火电机组的开停状态，由日前出力计划的开停计划决定，1时为开启，0时为停止；

F_bat为储能运行成本，包括储能电池寿命损耗费用和储能电池基础投资费用等，此成本可由“雨流计数法”估算得到；

F_w,p为风光在线运行成本，包括风机和光伏电池板的维修费用等；

F_devi为出力偏离经济惩罚，F_devi＝ρ_devi,t·|P_l(t)-P_out(t)|，其中ρ_devi,t为偏差惩罚价格系数，P_l(t)为负荷预测值，P_out(t)为总的计划出力。