CN109728605A - 基于机会约束igdt的风电场-输电网-储能联合规划方法 - Google Patents

Abstract

本发明公开了一种基于机会约束IGDT的风电场‑输电网‑储能联合规划方法，首先获取风电场规划数据、储能规划数据、系统基本技术数据、系统运行约束条件数据和系统运行预测数据，然后构建确定风电场投建下界的联合规划模型目标函数并建立模型决策约束条件；然后构建确定风电场投建上界的联合规划模型目标函数并构建模型约束条件；根据基于Benders分解策略的求解算法分别求解风电场投建上界和下界的联合规划模型目标函数，获取最优规划解进行规划。本发明所提出的联合规划方法相比于单一方面规划方法具有更优的经济性和风电利用效率，其能够更好的满足系统运行的多方面需求，从而极大地提高了风电的消纳水平，增加风电投资收益。

Description

基于机会约束IGDT的风电场-输电网-储能联合规划方法

技术领域

本发明属于电力系统中的电网规划技术领域，具体涉及一种基于机会约束IGDT的风电场- 输电网-储能联合规划方法。

背景技术

在提倡低碳经济发展的大环境下，我国的电力系统发展正处于向绿色能源转型的特殊时 期。由于风电产业在技术层面和市场层面上均具有较高的成熟度，加之我国政府也在政策层面 上鼓励针对风力发电的投资运营，目前风力发电是发展势头最为迅猛的可再生能源之一，其装 机规模仅次于煤电和水电，是我国的第三大电源。但值得注意的是，由于风力发电具有显著的 随机性和波动性，随着风力发电在电力系统中渗透率的不断增加，其对系统灵活性的需求也日 益见长，对电力系统基础设施建设的要求也越高。然而在实际中，风力发电的发展速度已超出 配套基础设施的建设速度，部分地区甚至出现了风电场无序投建的问题。因此，为了确保电力 系统的安全经济运行以及风力发电的持续健康发展，有必要研究风电场与配套基础设施的联合 规划问题。

传统的含风电场投建的输电网联合规划研究通常从全局角度出发，以最小化投建运行成本 或最大化全社会效益为优化目标，确定各类型设备的投建位置和投建规模。其中风电场被视为 多种类型电源中的一种，在联合规划模型构建中仅考虑其投建成本和随机出力特性对系统总成 本/效益的影响。这样得到的确定性风电场投建结果对风电发展的引导作用不足，其忽略了影 响风电场投建的诸多关键信息，诸如各投建风电场的风电消纳比例，盈利状况等。

针对该问题，研究新型风电并网规划模型，以响应风电发展号召以及风电消纳政策，实现 对风电健康发展更为灵活的引导，具有重要意义。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于机会约束 IGDT的风电场-输电网-储能联合规划方法，指导电网建设中的风电场投建，确定风电场的投 建区间，以满足足额的系统风电消纳量以及风电场侧的投资利益，同时确保系统应对负荷长期 和短期不确定性的鲁棒度。

本发明采用以下技术方案：

基于机会约束IGDT的风电场-输电网-储能联合规划方法，首先获取风电场规划数据、储 能规划数据、系统基本技术数据、系统运行约束条件数据和系统运行预测数据，然后构建确定 风电场投建下界的联合规划模型目标函数并建立模型决策约束条件；然后构建确定风电场投建 上界的联合规划模型目标函数并构建模型约束条件；根据基于Benders分解策略的求解算法分 别求解风电场投建上界和下界的联合规划模型目标函数，获取最优规划解进行规划。

具体的，假设在给定系统负荷长期增长率的条件下，得到规划水平年的系统负荷为P_L，风 电场投建下界的联合规划模型目标函数为：

maxγ_L

其中，γ_L为规划水平年系统负荷P_L的波动范围，其表征规划方案的鲁棒度，即所得规划 方案能够应对在[(1-γ_L)P_L,(1+γ_L)P_L]区间内的负荷长期不确定性。

具体的，模型决策约束条件包括规划投建总成本约束、各类型设备投建客观条件约束和投 建逻辑约束；运行评估约束，包括输电网络潮流约束、常规发电机出力约束、储能运行约束、 风电出力约束、负荷约束和节点功率平衡约束；面向风电场合理投建的约束，包括系统弃风损 失约束，风电消纳配额制约束，风电合理消纳约束。

进一步的，规划投建总成本约束为：

其中，γ_Line/γ_Sto/γ_Wind为输电线路/储能设备/风电场规划投建成本的等年值折算系数；c_ij为 发待扩建输电走廊ij上单回线路的投建成本参数；为0-1决策变量；c_E/c_P为储能设备单 位电量/容量的投建成本参数；为规划决策变量；c_W为风电场单位容量的投建成本参 数；为规划决策变量；C_budget为系统规划整体投建预算的等年值上限参数；

各类型设备投建客观条件约束为：

其中，为待扩建输电走廊ij上已运行的线路回数/允许运行的最大线路回数；为节点i上风电场的最大投建容量参数；γ_M为风电场配套储能的容量限制系数；

各类型设备投建逻辑约束为：

其中，为储能设备的连续满发时间的上下界；

输电网络潮流约束为：

其中，θ_ik(t)为规划场景k下，节点i在时刻t的相角；x_ij为待扩建输电走廊ij上单回线路 的电抗参数；f_ijok(t)为规划场景k下，待扩建输电走廊ij第o回线路在时刻t的有功传输功率； 为待扩建输电走廊ij上单回线路的反向/正向最大有功传输功率参数；F_ijk(t)为规划 场景k下，输电走廊ij在时刻t的有功传输功率；

常规发电机出力约束为：

其中，P_G,ik(t)为规划场景k下，位于节点i的常规发电机组在时刻t的出力；节 点i上常规发电机组的最小/最大有功出力参数；于节点i的常规发电机组在单位时段内 的最大爬坡速率；

储能运行约束为：

其中，P_SD,ik(t)/P_SC,ik(t)为规划场景k下，位于节点i的储能设备在时刻t的充/放电功率； SOC_ik(t)为规划场景k下，位于节点i的储能设备在时刻t的荷电状态；η_C/η_D为储能设备的 充电/放电效率；

风电出力约束和负荷水平约束为：

其中，P_W,ik(t)为规划场景k下，位于节点i的风电场在时刻t的出力；为规划场景 输入参数，表征规划场景k下，位于节点i的单位容量风电机组在时刻t的出力；CW_ik(t)为规 划场景k下，位于节点i的风电场在时刻t的弃风功率；为规划场景输入参数，表征在给 定负荷增长率，规划场景k中位于节点i的规划水平年负荷；P_L,ik(t)为规划场景k下，节点i 在时刻t的负荷需求；

节点功率平衡约束为：

系统弃风损失约束为：

其中，P_Loss,k为规划场景k下系统的日弃风量；

风电消纳配额制约束为：

其中，p_k为规划场景输入参数，表征规划场景k的发生概率；γ_RPS为面向风电消纳的配 额制参数；

风电合理消纳约束为：

其中，为风电保障消纳率参数；z_k为0-1指示变量；γ_ε为弃风风险水平参数。

具体的，风电场投建上界的联合规划模型目标函数为：

其中，表示节点i处风电场的投建容量决策变量。

具体的，模型决策约束条件包括规划投建总成本约束、各类型设备投建客观条件约束和投 建逻辑约束；运行评估约束，包括输电网络潮流约束、常规发电机出力约束、储能运行约束、 风电出力约束、负荷约束和节点功率平衡约束；面向风电场合理投建的约束，包括系统弃风损 失约束，系统失负荷风险约束，风电场侧利益约束。

进一步的，负荷水平约束为：

其中，为负荷水平参数，表征在规划预算限制下系统负荷水平的最大波动范围。

节点功率平衡约束为：

其中，η_L,ik(t)为对应于负荷安全供应的非负松弛变量。

系统失负荷风险约束为：

其中，为负荷保障供应率参数，表征规划决策者预期需要满足的负荷安全供应比例。

风电场侧利益约束为：

其中，γ_Fix为风电出力售电价格参数；γ_I为风电场侧投资预期收益比例参数。

具体的，基于Benders分解策略求解算法求解模型具体步骤如下：

S301、对迭代计数器和规划解可行性计数器的初始化；

S302、更新迭代计数器，求解引入强化约束后的主问题，获取最优规划解；

S303、迭代终止。

进一步的，步骤S302具体为：

S3021、更新迭代计数器m＝m+1，求解引入强化约束后的主问题，获取最优规划解初始的主问题即为原始问题中仅保留设备投建逻辑约束；

S3022、基于最优规划解，遍历所有规划场景，对任意的规划场景k，若其可行性子问题 的目标函数取值大于0，则产生Benders可行割并将其传递至主问题，并更新规划解可行 性计数器Δ＝Δ+1；对任意的规划场景k，若其可行性子问题的目标函数取值等于0，则前 进至步骤S3023；

S3023、基于最优规划解，遍历所有通过步骤S3022可行性校验的规划场景，求解相应的 最优性子问题，进而产生Benders最优割并将其传递至主问题，构造Benders最优割，并将其 传递至主问题中对各规划决策变量进行限制：

进一步的，步骤S303具体为：

S3031、若规划解可行性计数器Δ＝0，则前进至步骤S3032；否则返回步骤S302，更新规 划解可行性计数器Δ＝0，继续迭代寻优；

S3032、求解收敛判据子问题，若取值为0，则终止迭代过程，返回当前最优规划解； 否则返回步骤S302，继续迭代寻优，当收敛子问题的目标函数取值大于0时，当前规划解 不可行；当目标函数等于0时，当前规划解可行；收敛子问题为：

其中，对应于风电消纳配额制约束/风电合理消纳约束的非负松弛变量；对应于当前规划解下的节点负荷/节点风电出力/系统弃风损失。

与现有技术相比，本发明至少具有以下有益效果：

本发明基于机会约束IGDT的风电场-输电网-储能联合规划方法，以同时满足风电合理消 纳和确保风电投建规模为规划目的，以确定风电场的投建区间为规划目标，在充分考虑风能出 力随机波动特征、负荷长期增长的不确定性以及输电网、储能设备配套投建成本的基础上，构 建了机会约束IGDT的风电场-输电网-储能联合规划模型。该规划模型计及了风电、电网系统、 储能设备等各方面的特性约束，并包含了可同时管理系统长期和短期不确定因素的IGDT机会 约束条件，能够帮助实现更为灵活、经济、合理的规划决策。

进一步的，风电场投建下界的联合规划模型目标函数，是从优先确保风电合理消纳的角度 出发，应用IGDT来处理负荷长期增长的不确定性，在该预算限制下最大化所得优化方案应对 长期不确定性的鲁棒度，而且在满足负荷最大不确定下可使风电场投建规模最小，从而使规划 方案更经济可行，这相比目标函数是投建成本的模型更能保证电力系统运行的鲁棒性。

进一步的，下界模型决策约束条件设置了基础设施投建约束以及系统运行约束，其中创新 性在于约束中考虑了储能装置的电力和电量平衡的作用，同时考虑了风电的弃风风险，可使得 最终得到的结果从长远角度来看更为经济，鲁棒性更高。

进一步的，风电场投建上界的联合规划模型目标函数是从优先确保风电投建规模的角度出 发，最大化风电场总投建的容量，这一目标函数是为风电场相关人员所考虑的，可以最大化风 电场的收益，与传统的最小化电力系统整体运行成本的目标函数更具创新性。

进一步的，上界模型决策约束条件设置的目的在于保证风电场侧的收益，防止风电场投建 规模过大而导致净收益降低，从而对风电场投建规模进行的限制，可使模型收敛，同时放开了 负荷全保障的硬性条件，改为了负荷保障消纳率约束，即允许一定的切负荷，这样可最大程度 提高风电场投建规模，风电出力具有反调峰特性，不允许切负荷肯定会限制风电场的出力和投 建规模。

进一步的，Benders分解策略求解算法求解模型设置的目的在于加快模型的收敛速度，提 高对实际系统分析的计算效率，因为本发明的模型较为复杂，若没有较快的收敛算法则实用性 会降低，该算法使得模型加速收敛，能够在较短时间内得到计算结果，提高了本模型的应用价 值。

进一步的，步骤S302设置的目的在于应用Benders算法对模型进行求解，通过将主问题 分解为子问题，可以减少模型计算的复杂度，并反复迭代，加快模型的收敛速度，是体现该算 法核心思想的一步，也是加速收敛的关键步骤。

进一步的，步骤S303设置的目的是加速Benders算法的收敛速度，因为步骤S302中的 Benders割返回主问题时并不作用于的目标函数，因此目标函数内的决策变量的选取范围没有 缩小，因此设置定制化的收敛准则可以使决策变量的范围逐渐缩小，最终收敛至最优解，是该 发明的模型计算中不可或缺的一个步骤。

综上所述，本发明所提出的联合规划方法相比于单一方面规划方法具有更优的经济性和风 电利用效率，其能够更好的满足系统运行的多方面需求，从而极大地提高了风电的消纳水平， 增加风电投资收益。

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

图1为本发明流程示意图；

图2为IEEE RTS24节点示意图。

具体实施方式

本发明提供了一种基于机会约束IGDT的风电场-输电网-储能联合规划方法，仅考虑风电 场投建成本和随机出力特性对系统总成本/效益的影响，而忽略了影响风电场投建的诸多关键 信息，诸如各投建风电场的风电消纳比例，盈利状况等，得到的确定性风电场投建结果对风电 发展的引导作用不足的问题，给出了一种新型的确定风电场投建区间的风电场-输电网-储能联 合规划方法。对比传统的含风电场投建的输电网联合规划方法，本发明以同时满足风能的并网 消纳和确保风电投建规模为规划目的，以确定风电场的投建区间为规划目标，在充分考虑风电 出力随机波动特征、负荷长期增长的不确定性以及输电网、储能设备配套投建成本的基础上， 构建了基于机会约束IGDT的风电场-输电网-储能联合规划模型。该规划模型计及了风电、输 电网、储能设备等各方面的特性约束，并包含了可同时管理系统长期和短期不确定因素的IGDT 机会约束条件，以最优规划解进行规划，能够帮助实现更为灵活、经济、合理的规划决策。

首先从相关部门获取计算模型输入所需数据，获取的计算模型输入数据包括：

储能规划数据：储能设备单位电量/容量投建成本c_E/c_P；储能设备的固定/可变运行维护 成本c_F/c_V；储能设备的运行损耗成本c_Loss；储能充/放电效率η_C/η_D；储能设备在节点/系统 投建电量上限E^Sto；储能设备投建成本的等年值折算系数γ_Sto。

系统基本技术数据：规划水平年系统负荷P_L；位于节点i的常规发电机组的最小发电成本 参数位于节点i常规发电机组在线性分段上单位出力的燃料成本参数输电线路i-j 上单回线路的电抗参数x_ij。

系统运行约束条件数据：输电线路i-j上的反向/正向最大有功传输功率参数位 于节点i的常规发电机组的最小/最大出力参数位于节点i的常规发电机组在单位 时段内的最大爬坡速率面向新能源消纳的新能源保障消纳率参数γ_κ(主要为风能)； 弃新能源风险水平参数γ_ε(主要为风能)；规划场景k下，位于节点i的第q类储能设备在时 刻t的荷电状态

系统运行预测数据：运行场景总数K；场景k发生的概率p_k；场景k下节点i单位容量新 能源机组出力曲线；场景k下节点i规划水平年负荷曲线。

请参阅图1，本发明一种基于机会约束IGDT的风电场-输电网-储能联合规划方法，包括 以下步骤：

S1、构建确定风电场投建下界的联合规划模型；

S101、构建确定风电场投建下界的联合规划模型目标函数，假设在给定系统负荷长期增长 率的条件下，得到规划水平年的系统负荷为P_L，目标函数表示为：

maxγ_L (1)

其中，γ_L为规划水平年系统负荷P_L的波动范围，其表征规划方案的鲁棒度，即所得规划 方案能够应对在[(1-γ_L)P_L,(1+γ_L)P_L]区间内的负荷长期不确定性。

S102、建立模型决策约束条件，规划决策约束，即制约各类型设备投建的因素，包括规划 投建总成本约束、各类型设备投建客观条件约束和投建逻辑约束；运行评估约束，包括输电网 络潮流约束、常规发电机出力约束、储能运行约束、风电出力约束、负荷约束和节点功率平衡 约束；面向风电场合理投建的约束，包括系统弃风损失约束，风电消纳配额制约束，风电合理 消纳约束。具体如下：

a、规划投建总成本约束

其中，γ_Line/γ_Sto/γ_Wind为输电线路/储能设备/风电场规划投建成本的等年值折算系数，已考 虑各类型设备的全寿命周期；c_ij为发待扩建输电走廊ij上单回线路的投建成本参数；为 0-1决策变量，表征待扩建输电走廊ij上第o回线路的投建状态；c_E/c_P为储能设备单位电量/ 容量的投建成本参数；为规划决策变量，表征节点i上储能设备的投建电量/容量，此 处将该决策变量简化为连续变量，以提高规划模型的可解性；c_W为风电场单位容量的投建成 本参数；为规划决策变量，表征节点i上风电场的投建容量，此处将该决策变量简化为连 续变量，以提高规划模型的可解性；C_budget为系统规划整体投建预算的等年值上限参数。

b、各类型设备投建客观条件约束

其中，为待扩建输电走廊ij上已运行的线路回数/允许运行的最大线路回数；为节点i上风电场的最大投建容量参数；γ_M为风电场配套储能的容量限制系数。

c、各类型设备投建逻辑约束

其中，为储能设备的连续满发(持续充放电)时间的上下界，用于反映储能设备的 类型和应用领域。

d、输电网络潮流约束

其中，θ_ik(t)为规划场景k下，节点i在时刻t的相角；x_ij为待扩建输电走廊ij上单回线路 的电抗参数；f_ijok(t)为规划场景k下，待扩建输电走廊ij第o回线路在时刻t的有功传输功率； 为待扩建输电走廊ij上单回线路的反向/正向最大有功传输功率参数；F_ijk(t)为规划 场景k下，输电走廊ij在时刻t的有功传输功率。

e、常规发电机出力约束

其中，P_G,ik(t)为规划场景k下，位于节点i的常规发电机组在时刻t的出力；节 点i上常规发电机组的最小/最大有功出力参数；于节点i的常规发电机组在单位时段内 的最大爬坡速率。

f、储能运行约束

其中，P_SD,ik(t)/P_SC,ik(t)为规划场景k下，位于节点i的储能设备在时刻t的充/放电功率； SOC_ik(t)为规划场景k下，位于节点i的储能设备在时刻t的荷电状态；η_C/η_D为储能设备的 充电/放电效率。

g、风电出力约束和负荷水平约束

其中，P_W,ik(t)为规划场景k下，位于节点i的风电场在时刻t的出力；为规划场景 输入参数，表征规划场景k下，位于节点i的单位容量风电机组在时刻t的出力；CW_ik(t)为规 划场景k下，位于节点i的风电场在时刻t的弃风功率；为规划场景输入参数，表征在给 定负荷增长率，规划场景k中位于节点i的规划水平年负荷；P_L,ik(t)为规划场景k下，节点i 在时刻t的负荷需求。

h、节点功率平衡约束

i、系统弃风损失约束

其中，P_Loss,k为规划场景k下系统的日弃风量。

j、风电消纳配额制约束

其中，p_k为规划场景输入参数，表征规划场景k的发生概率；γ_RPS为面向风电消纳的配 额制参数。

k、风电合理消纳约束

其中，为风电保障消纳率参数，表征规划决策者对于系统风电消纳比例的预期程度；z_k为0-1指示变量，表征所得规划方案是否需在规划场景k下满足给定风电保障消纳率下的风电 消纳需求；γ_ε为弃风风险水平参数，表征规划决策者对于系统弃风风险的可接受程度。

S2、构建确定风电场投建上界的联合规划模型；

S201、构建确定风电场投建下界的联合规划模型目标函数，从优先确保风电投建规模的角 度出发，确定目标函数为最大化风电场的总投建容量：

S202、构建模型决策约束条件，此处的约束条件与S1中的条件基本相同，规划决策约束， 包括规划投建总成本约束、各类型设备投建客观条件约束和投建逻辑约束；运行评估约束，包 括输电网络潮流约束、常规发电机出力约束、储能运行约束、风电出力约束、负荷约束和节点 功率平衡约束；面向风电场合理投建的约束，包括系统弃风损失约束，系统失负荷风险约束， 风电场侧利益约束。

只是修改g、h条件，改为：

a、负荷水平约束

其中，为负荷水平参数，表征在规划预算限制下系统负荷水平的最大波动范围。

b、节点功率平衡约束

其中，η_L,ik(t)为对应于负荷安全供应的非负松弛变量。

排除i、j、k条件，另加以下两个条件：

a、系统失负荷风险约束

其中，为负荷保障供应率参数，表征规划决策者预期需要满足的负荷安全供应比例。

b、风电场侧利益约束

其中，γ_Fix为风电出力售电价格参数；γ_I为风电场侧投资预期收益比例参数。

S3、根据基于Benders分解策略的快速求解算法求解模型；

S301、对迭代计数器和规划解可行性计数器的初始化；

初始化迭代计数器m＝0，规划解可行性计数器Δ＝0，确定规划场景集中具有最大负荷取 值的场景k^max；

S302、更新迭代计数器，求解引入强化约束后的主问题，获取最优规划解；

S3021、更新迭代计数器m＝m+1。求解引入强化约束后的主问题，获取最优规划解初始的主问题即为原始问题中仅保留设备投建逻辑约束；

S3022、基于最优规划解，遍历所有规划场景，求解相应的可行性校验子问题。对任意的 规划场景k，若其可行性子问题的目标函数取值大于0，则产生Benders可行割并将其传递 至主问题，并更新规划解可行性计数器Δ＝Δ+1；对任意的规划场景k，若其可行性子问题的 目标函数取值等于0，则前进至步骤S3023；

可行性子问题用于判断当前的系统规划方案是否能够满足各规划场景下系统负荷的安全 供应。我们通过引入非负切负荷松弛变量η_L,ik(t)来确保可行性校验子问题的可解性，此处给出 对应于第m次迭代下第k个规划场景的可行性子问题的具体形式如下所述：

s.t式(6)-(14) (27)

其中，为对应于式(30)的对偶变量，表征第m次迭代下主问题 规划结果(线路扩展/风电场容量/储能电量/储能容量/负荷波动范围)对目标函数取值的影响 程度。当求解该可行性校验子问题得到目标函数的取值大于0时，则意味着当前规划解不 能满足该规划场景下的负荷安全供应，因此需要产生下述Benders可行割，并传递至主问题中 对规划决策变量进行限制：

S3023、基于最优规划解，遍历所有通过步骤S3022可行性校验的规划场景，求解相应的 最优性子问题，进而产生Benders最优割并将其传递至主问题。

设计最优性子问题的目标函数为最小化系统运行中出现的弃风损失，包括风电场的直接弃 风损失以及配套储能因运行损耗而产生的间接弃风损失，以评估当前系统规划方案在各规划场 景中的风电消纳能力，此处给出对应于第m次迭代下第k个规划场景的最优性子问题的具体 形式如下所述：

s.t式(6)-(14),(16)-(17),(28) (33)

其中，为对应于式(34)的对偶变量，表征第m次迭代下主问题 规划结果(线路扩展/风电场容量/储能电量/储能容量/负荷波动范围)对目标函数取值的影响 程度。

构造下述Benders最优割，并将其传递至主问题中对各规划决策变量进行限制：

S303、迭代终止。

S3031、若规划解可行性计数器Δ＝0，则前进至步骤S3032；否则返回步骤S302，更新规 划解可行性计数器Δ＝0，继续迭代寻优；

S3032、求解收敛判据子问题。

若取值为0，则终止迭代过程，返回当前最优规划解，以最优规划解进行规划；否则返 回步骤S302，继续迭代寻优。

对于IGDT规划模型而言，其二阶段返回的系统运行评估结果(各规划场景下的系统弃风 损失)并未反映至总目标函数中，因此并不适合采用传统的Benders分解收敛准则，即基于目 标函数上下界的逼近程度来判断规划解的最优性。

对此，本发明构建了一个用于判断主问题规划解是否收敛的LP问题如下所述：

其中，对应于风电消纳配额制约束/风电合理消纳约束的非负松弛变量；对应于当前规划解(含线路扩展、风电场容量、储能电量容量、负荷水平 波动范围结果)下的节点负荷/节点风电出力/系统弃风损失。

可以看出，该子问题可用于验证当前主问题的规划解对原始规划问题是否可行。当该子问 题的目标函数取值大于0时，则意味着当前规划解不可行；而当目标函数等于0时，则意 味着当前规划解可行。当该最优解被证实可行，易知其同样是原始规划问题的最优解。

综上所述，本发明所提出的联合规划方法相比于单一方面规划方法具有更优的经济性和风 电利用效率，其能够更好地满足系统运行的多方面需求，从而极大地提高了风电消纳率，增加 风电投资收益。本发明提出的方法弥补了传统规划方法中的缺陷，实现了对风电场投建区间的 规划，对于风电场实际建设具有更强的指导意义。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图， 对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分 实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通 过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并 非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实 施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本 发明保护的范围。

请参阅图2，为进一步论证本发明的好处，选取IEEE RTS24节点进行说明。

对于确定风电场投建下界的联合规划，算利用于验证加入弃风风险约束的好处。针对所提 含机会约束IGDT联合规划模型，设置弃风风险水平为10％，风电保障消纳率为95％，风电配 额制比例为8％，系统规划预算的等年值上限为25×10⁷$，通过求解得到规划方案R1如表1所 示。同时为了分析风电保障消纳约束对规划结果的影响，表1也分别给出了弃风风险水平为 0％的规划方案R2，进行对比分析。

表1不同约束条件下规划方案对比

对比规划方案R1和R2可知，风电保障消纳约束对于规划结果同样具有较大的影响。对 于R2，由于需要在所有场景下均满足对风电出力的足额消纳，因此需要在保障风电消纳方面 投入额外成本。请参阅表2。

表2规划方案性能对比

相比于R1，R2中所投建的风电场总容量达到了1448.8MW，还要高于R1的1440.8MW；进而在限定的投建预算下，增加的风电场投建成本和线路投建成本压缩了储能的投建空间，导 致R2中储能投建电量/容量的下降，使得该方案支持的负荷增长最大波动范围仅为11.84％。 进一步通过对比规划方案R1和R2中的日风电发电量期望值和日弃风电量期望值可以看出： 尽管R2利用更严格的风电消纳约束大幅降低了弃风电量，但其日期望发电量小于R1，最终的 实际日风电消纳量为10444.3MWh，同样低于R1的10471.2MWh。可以看出，R2为了提高风 电消纳水平，其既降低了系统应对负荷长期不确定性的鲁棒度，也降低了系统的实际风电消纳 量。基于上述分析可得出以下结论：由于风电出力及其时序波动功率均具有尖峰分布特征，在 风电并网规划研究中盲目追求对风电出力的足额消纳容易导致出现“规划投入”和“风电消纳 产出”间的严重不匹配现象，影响风电并网规划方案的整体经济性。

可以看出，本发明中模型的弃风风险约束能够在确定风电场投建下界模型中得到更好的系 统鲁棒性和经济性。

对于确定风电场投建上界的联合规划，主要分析放开负荷保障供应率的好处，表3给出不 同负荷保障供应率下的联合规划方案比对，负荷保障消纳率分别为R4-99％，R5-98％，R6-97％。

表3不同负荷保障供应率下的联合规划方案比对

通过对比规划方案R4-R6可以看出，风电场的投建上界与规划决策者所能接受的系统在最 大负荷增长率下的切负荷比例直接相关。随着负荷保障供应率取值的降低，各规划方案中的储 能投建成本占比大幅度下降，而风电场的投建容量则相应增加，其中规划方案R6中的风电场 总装机容量达到了2127.9MW，占系统总发电装机容量的20％，其相应的日实际风电消纳量更是 达到了14471.5MWh，是三组规划方案中最高的。因此该结果说明对于风电场侧而言，为了最 大化风电场投建规模和收益，可以选择适当降低负荷保障供应率。

本发明确定风电场投建区间的联合规划同时考虑了系统鲁棒性和风电场侧的收益，为系统 规划人员以及风电场运营人员都提供了相应的投资方案，可根据不同目标进行规划，且算例验 证了规划方案的可行性，实用性较强。

本发明在给定规划水平年系统负荷水平和常规电源装机规模的基础上，为制定风电场的合 理投建区间并确定其配套储能以及输电网架扩展方案提出了一种合理实用的风电场-输电网- 配套储能联合规划模型，并设计了一种与之相适应的快速求解算法。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明 提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之 内。

Claims (10)

1.基于机会约束IGDT的风电场-输电网-储能联合规划方法，其特征在于，首先获取风电场规划数据、储能规划数据、系统基本技术数据、系统运行约束条件数据和系统运行预测数据，然后构建确定风电场投建下界的联合规划模型目标函数并建立模型决策约束条件；然后构建确定风电场投建上界的联合规划模型目标函数并构建模型约束条件；根据基于Benders分解策略的求解算法分别求解风电场投建上界和下界的联合规划模型目标函数，获取最优规划解进行规划。

2.根据权利要求1所述的基于机会约束IGDT的风电场-输电网-储能联合规划方法，其特征在于，假设在给定系统负荷长期增长率的条件下，得到规划水平年的系统负荷为P_L，风电场投建下界的联合规划模型目标函数为：

maxγ_L

其中，γ_L为规划水平年系统负荷P_L的波动范围，其表征规划方案的鲁棒度，即所得规划方案能够应对在[(1-γ_L)P_L,(1+γ_L)P_L]区间内的负荷长期不确定性。

3.根据权利要求1或2所述的基于机会约束IGDT的风电场-输电网-储能联合规划方法，其特征在于，模型决策约束条件包括规划投建总成本约束、各类型设备投建客观条件约束和投建逻辑约束；运行评估约束，包括输电网络潮流约束、常规发电机出力约束、储能运行约束、风电出力约束、负荷约束和节点功率平衡约束；面向风电场合理投建的约束，包括系统弃风损失约束，风电消纳配额制约束，风电合理消纳约束。

4.根据权利要求3所述的基于机会约束IGDT的风电场-输电网-储能联合规划方法，其特征在于，规划投建总成本约束为：

其中，γ_Line/γ_Sto/γ_Wind为输电线路/储能设备/风电场规划投建成本的等年值折算系数；c_ij为发待扩建输电走廊ij上单回线路的投建成本参数；为0-1决策变量；c_E/c_P为储能设备单位电量/容量的投建成本参数；为规划决策变量；c_W为风电场单位容量的投建成本参数；为规划决策变量；C_budget为系统规划整体投建预算的等年值上限参数；

各类型设备投建客观条件约束为：

其中，为待扩建输电走廊ij上已运行的线路回数/允许运行的最大线路回数；为节点i上风电场的最大投建容量参数；γ_M为风电场配套储能的容量限制系数；

各类型设备投建逻辑约束为：

其中，为储能设备的连续满发时间的上下界；

输电网络潮流约束为：

其中，θ_ik(t)为规划场景k下，节点i在时刻t的相角；x_ij为待扩建输电走廊ij上单回线路的电抗参数；f_ijok(t)为规划场景k下，待扩建输电走廊ij第o回线路在时刻t的有功传输功率；为待扩建输电走廊ij上单回线路的反向/正向最大有功传输功率参数；F_ijk(t)为规划场景k下，输电走廊ij在时刻t的有功传输功率；

常规发电机出力约束为：

其中，P_G,ik(t)为规划场景k下，位于节点i的常规发电机组在时刻t的出力；节点i上常规发电机组的最小/最大有功出力参数；于节点i的常规发电机组在单位时段内的最大爬坡速率；

储能运行约束为：

其中，P_SD,ik(t)/P_SC,ik(t)为规划场景k下，位于节点i的储能设备在时刻t的充/放电功率；SOC_ik(t)为规划场景k下，位于节点i的储能设备在时刻t的荷电状态；η_C/η_D为储能设备的充电/放电效率；

风电出力约束和负荷水平约束为：

其中，P_W,ik(t)为规划场景k下，位于节点i的风电场在时刻t的出力；为规划场景输入参数，表征规划场景k下，位于节点i的单位容量风电机组在时刻t的出力；CW_ik(t)为规划场景k下，位于节点i的风电场在时刻t的弃风功率；为规划场景输入参数，表征在给定负荷增长率，规划场景k中位于节点i的规划水平年负荷；P_L,ik(t)为规划场景k下，节点i在时刻t的负荷需求；

节点功率平衡约束为：

系统弃风损失约束为：

其中，P_Loss,k为规划场景k下系统的日弃风量；

风电消纳配额制约束为：

其中，p_k为规划场景输入参数，表征规划场景k的发生概率；γ_RPS为面向风电消纳的配额制参数；

风电合理消纳约束为：

其中，为风电保障消纳率参数；z_k为0-1指示变量；γ_ε为弃风风险水平参数。

5.根据权利要求1所述的基于机会约束IGDT的风电场-输电网-储能联合规划方法，其特征在于，风电场投建上界的联合规划模型目标函数为：

其中，表示节点i处风电场的投建容量决策变量。

6.根据权利要求1或5所述的基于机会约束IGDT的风电场-输电网-储能联合规划方法，其特征在于，模型决策约束条件包括规划投建总成本约束、各类型设备投建客观条件约束和投建逻辑约束；运行评估约束，包括输电网络潮流约束、常规发电机出力约束、储能运行约束、风电出力约束、负荷约束和节点功率平衡约束；面向风电场合理投建的约束，包括系统弃风损失约束，系统失负荷风险约束，风电场侧利益约束。

7.根据权利要求6所述的基于机会约束IGDT的风电场-输电网-储能联合规划方法，其特征在于，负荷水平约束为：

其中，为负荷水平参数，表征在规划预算限制下系统负荷水平的最大波动范围；

节点功率平衡约束为：

其中，η_L,ik(t)为对应于负荷安全供应的非负松弛变量；

系统失负荷风险约束为：

其中，为负荷保障供应率参数，表征规划决策者预期需要满足的负荷安全供应比例；

风电场侧利益约束为：

其中，γ_Fix为风电出力售电价格参数；γ_I为风电场侧投资预期收益比例参数。

8.根据权利要求1所述的基于机会约束IGDT的风电场-输电网-储能联合规划方法，其特征在于，基于Benders分解策略求解算法求解模型具体步骤如下：

S301、对迭代计数器和规划解可行性计数器的初始化；

S302、更新迭代计数器，求解引入强化约束后的主问题，获取最优规划解；

S303、迭代终止。

9.根据权利要求8所述的基于机会约束IGDT的风电场-输电网-储能联合规划方法，其特征在于，步骤S302具体为：

S3021、更新迭代计数器m＝m+1，求解引入强化约束后的主问题，获取最优规划解初始的主问题即为原始问题中仅保留设备投建逻辑约束；

S3022、基于最优规划解，遍历所有规划场景，对任意的规划场景k，若其可行性子问题的目标函数取值大于0，则产生Benders可行割并将其传递至主问题，并更新规划解可行性计数器Δ＝Δ+1；对任意的规划场景k，若其可行性子问题的目标函数取值等于0，则前进至步骤S3023；

S3023、基于最优规划解，遍历所有通过步骤S3022可行性校验的规划场景，求解相应的最优性子问题，进而产生Benders最优割并将其传递至主问题，构造Benders最优割，并将其传递至主问题中对各规划决策变量进行限制：

10.根据权利要求8所述的基于机会约束IGDT的风电场-输电网-储能联合规划方法，其特征在于，步骤S303具体为：

S3031、若规划解可行性计数器Δ＝0，则前进至步骤S3032；否则返回步骤S302，更新规划解可行性计数器Δ＝0，继续迭代寻优；

S3032、求解收敛判据子问题，若取值为0，则终止迭代过程，返回当前最优规划解；否则返回步骤S302，继续迭代寻优，当收敛子问题的目标函数取值大于0时，当前规划解不可行；当目标函数等于0时，当前规划解可行；收敛子问题为：

其中，对应于风电消纳配额制约束/风电合理消纳约束的非负松弛变量；对应于当前规划解下的节点负荷/节点风电出力/系统弃风损失。