CN110598952B - 中长期电力市场安全校核、模型建立方法及设备 - Google Patents

中长期电力市场安全校核、模型建立方法及设备 Download PDF

Info

Publication number
CN110598952B
CN110598952B CN201910897295.XA CN201910897295A CN110598952B CN 110598952 B CN110598952 B CN 110598952B CN 201910897295 A CN201910897295 A CN 201910897295A CN 110598952 B CN110598952 B CN 110598952B
Authority
CN
China
Prior art keywords
deviation
power
constraint
load prediction
generator set
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910897295.XA
Other languages
English (en)
Other versions
CN110598952A (zh
Inventor
凌武能
李秋文
林洁
莫东
邓秋荃
吴茵
卢纯颢
梁振成
郭少青
匡洪辉
张德亮
黄红伟
毛文照
游成彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi Power Grid Co Ltd
Original Assignee
Guangxi Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangxi Power Grid Co Ltd filed Critical Guangxi Power Grid Co Ltd
Priority to CN201910897295.XA priority Critical patent/CN110598952B/zh
Publication of CN110598952A publication Critical patent/CN110598952A/zh
Application granted granted Critical
Publication of CN110598952B publication Critical patent/CN110598952B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了一种中长期电力市场安全校核、模型建立方法、装置及设备。其中的方法包括：获取负荷预测偏差；获取预测完成率偏差；根据获取的所述负荷预测偏差、预测完成率偏差，建立目标优化函数；构建约束项；根据所述目标优化函数和约束项建立中长期电力市场安全校核模型。本申请的方案中，由于负荷预测偏差是导致交易完成率偏差的最重要因素，因此考虑了负荷预测偏差的影响，根据负荷预测偏差、预测完成率偏差建立目标优化函数，结合约束项，建立中长期电力市场安全校核模型，基于该模型进行安全校核，能够提升安全校核的效果。该方法物理概念清晰，与当前安全校核及交易执行业务结合紧密，对提升中长期电力市场安全校核可行性具有显著作用。

Description

中长期电力市场安全校核、模型建立方法及设备
技术领域
本申请涉及电力系统调度运行与电力市场交叉技术领域，尤其涉及一种中长期电力市场安全校核、模型建立方法及设备。
背景技术
中长期电力市场安全校核是我国中长期电力市场领域研究的重点，其校核对象为中长期电力市场中发用双方交易电量的可行性，通过综合考虑发电机组运行约束、电网运行约束、电力电量平衡等约束条件，判定中长期电力市场交易结果是否满足实际运行要求。
当前，中长期电力市场安全校核主要通过构造月度或年度安全约束机组组合(Security-Constrained UnitCommitment,SCUC)模型来分析。在该模型中，以机组预期执行偏差为优化目标，以上述安全校核中所需要考虑的运行约束为约束项，通过求解该优化模型，判断是否存在满足上述运行要求的运行方式安排，若存在，则表明上述交易结果能够满足安全校核要求，否则，不能通过校核。
上述模型中，边界数据的准确性对中长期电力市场安全校核影响较大，由于实际应用中，负荷预测、风功率预测等边界数据与SCUC模型所依据的预测数据存在差异，实际运行中，需要动态跟踪边界数据的变化，不断优化调整运行方式，确保最后执行情况的公平性。
然而，由于当前市场结算以“月度”为基本单位开展，尽管实际运行中动态调整运行方式，如果在当月下旬出现较大偏差时，受机组启停次数等因素限制，往往造成调度机构难以及时响应边界数据的变化要求，导致发电企业的交易完成率存在偏差，安全校核效果不佳。
发明内容
本申请的目的是提供一种中长期电力市场安全校核、模型建立方法及设备，以解决相关技术中存在的问题。
本申请的目的是通过以下技术方案实现的：
一种中长期电力市场安全校核模型建立方法，包括：
获取负荷预测偏差；
获取预测完成率偏差；
根据获取的所述负荷预测偏差、所述预测完成率偏差，建立目标优化函数；
构建约束项；
根据所述目标优化函数和所述约束项建立中长期电力市场安全校核模型。
可选的，所述根据获取的所述负荷预测偏差、所述预测完成率偏差，建立目标优化函数，包括：
构建所述负荷预测偏差的鲁棒性指标；所述负荷预测偏差的鲁棒性指标为不同时期的所述负荷预测偏差对所有发电机组完成率偏差的影响程度；
根据所述负荷预测偏差的鲁棒性指标和所述预测完成率偏差，建立目标优化函数。
可选的，所述构建所述负荷预测偏差的鲁棒性指标，包括：
按照如下公式构建所述负荷预测偏差的鲁棒性指标：
Figure BDA0002210690890000021
Figure BDA0002210690890000022
其中，处于上标位置的s为电力系统的标识符；g为发电机组的标识符；F为火电发电机组的标识；Rub为所述负荷预测偏差的鲁棒性指标；
Figure BDA0002210690890000023
为发电机组等效完成率指标，所述发电机组等效完成率指标是考虑了所述负荷预测偏差影响后发电机组g的交易结果完成率；
Figure BDA0002210690890000031
分别为基于发电机组g取数据序列的最大值、最小值和平均值的函数；
Figure BDA0002210690890000032
为电力系统中当月发电机组g的交易电量；
Figure BDA0002210690890000033
为发电机组g预期当月第d天的完成电量；NDm为第m月当月天数；
Figure BDA0002210690890000034
为近小远大系数，用于反映不同时期所述负荷预测偏差对所有发电机组完成率偏差的影响，当月上、中、下旬三段对应的近小远大系数分别取
Figure BDA0002210690890000035
Figure BDA0002210690890000036
和
Figure BDA0002210690890000037
并满足
Figure BDA0002210690890000038
Figure BDA0002210690890000039
为所述负荷预测偏差的系数，用于反映中长期电力市场安全校核中所依据的负荷预测偏差水平，当月上、中、下旬三段对应的
Figure BDA00022106908900000310
为根据历史数据所得的每段内负荷日均预测准确率。
可选的，所述根据所述负荷预测偏差的鲁棒性指标和所述预测完成率偏差，建立目标优化函数，包括：
按照如下公式构建目标优化函数：
minα1Dev-α2Rub
Figure BDA00022106908900000311
Figure BDA00022106908900000312
其中，minα1Dev-α2Rub为目标优化函数，min是对α1Dev-α2Rub取最小值；Dev为所述预测完成率偏差；α1为优化项目Dev的权重系数；α2为Rub的权重系数，α1＞α2；Comg为发电机组g的交易计划完成率。
可选的，所述构建约束项，包括：
构建电力电量平衡约束；
构建网络传输约束；
构建发电机组运行约束；
构建外送受电协议约束。
可选的，所述构建电力电量平衡约束，包括：
按照如下公式构建电力电量平衡约束：
Figure BDA0002210690890000041
Figure BDA0002210690890000042
其中，G为发电的标识符；L为负荷的标识符；NG为发电机组台数；NB为全网节点数；
Figure BDA0002210690890000043
为发电机组g在第d天第t时段的发电功率；
Figure BDA0002210690890000044
为发电机组g的装机容量；
Figure BDA0002210690890000045
为发电机组g在第d天的开停状态，为0、1、-1变量；
Figure BDA0002210690890000046
为节点b第d天第t时段的负荷预测；
Figure BDA0002210690890000047
为第d天第t时段的外送电功率，C为电力交换的标识符；
Figure BDA0002210690890000048
为第d天的备用容量需求；
所述构建网络传输约束，包括：
按照如下公式构建网络传输约束：
Figure BDA0002210690890000049
其中，
Figure BDA00022106908900000410
为输电断面l在第d天第t时段的传输上限；
Figure BDA00022106908900000411
为输电断面l在第d天第t时段的传输下限；
Figure BDA00022106908900000412
为发电机组g所在节点与输电断面l的转移分布因子；
Figure BDA00022106908900000413
为节点b与输电断面l的转移分布因子；
构建发电机组运行约束，包括：
按照如下公式构建发电机组运行约束，包括：
Figure BDA00022106908900000414
Figure BDA00022106908900000415
Figure BDA00022106908900000416
Figure BDA00022106908900000417
其中，
Figure BDA00022106908900000418
为发电机组g的最小出力；
Figure BDA00022106908900000419
为发电机组g第d天的启停状态变量，取值为1时表明当天启机，取值为0时表示运行状态无变化，取值为-1表示停机；
Figure BDA00022106908900000420
为规定的发电机组g当月最大启停次数，lim为最大限制的标识符；ΔT为全天时段划分时间间隔；
所述构建外送受电协议约束，包括：
按照如下公式构建调峰率约束：
Figure BDA0002210690890000051
按照如下公式构建送电电量约束：
Figure BDA0002210690890000052
其中，
Figure BDA0002210690890000053
为最大调峰率；
Figure BDA0002210690890000054
为最小调峰率；
Figure BDA0002210690890000055
为协议送电电量。
可选的，所述发电机组包括火电机组。
一种中长期电力市场安全校核方法，包括：
获取预先建立的中长期电力市场安全校核模型；所述中长期电力市场安全校核模型是通过如以上任一项所述的中长期电力市场安全校核模型建立方法建立的；
对所述中长期电力市场安全校核模型求解；
若得到的优化目标函数中预测完成率偏差在预设范围内，确定交易结果满足运行要求。
一种中长期电力市场安全校核模型建立设备，包括：
处理器，以及与所述处理器相连接的存储器；
所述处理器用于调用并执行所述存储器中的所述计算机程序，以执行如以上任一项所述的中长期电力市场安全校核模型建立方法的步骤。
一种中长期电力市场安全校核设备，包括：
处理器，以及与所述处理器相连接的存储器；
所述处理器用于调用并执行所述存储器中的所述计算机程序，以执行如以上任一项所述的中长期电力市场安全校核方法的步骤。
本申请采用以上技术方案，具有如下有益效果：
本申请的方案中，针对传统的中长期电力市场安全校核方法未考虑交易结果执行过程中边界参数预测偏差影响的问题，由于负荷预测偏差是导致交易完成率偏差的最重要因素，因此考虑了负荷预测偏差的影响，根据负荷预测偏差、预测完成率偏差建立目标优化函数，结合约束项，建立中长期电力市场安全校核模型，基于该模型进行安全校核，能够提升安全校核的效果。该方法物理概念清晰，与当前安全校核及交易执行业务结合紧密，对提升中长期电力市场安全校核可行性具有显著作用。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一个实施例提供的一种中长期电力市场安全校核模型建立方法的流程图；
图2为本申请一个实施例提供的中长期电力市场安全校核方法的流程图；
图3为本申请一个实施例提供的中长期电力市场安全校核模型建立设备的结构示意图；
图4为本申请一个实施例提供的中长期电力市场安全校核设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。
参见图1，图1是本申请一个实施例提供的一种中长期电力市场安全校核模型建立方法的流程图。
如图1所示，本实施例提供的一种中长期电力市场安全校核模型建立方法，至少包括如下步骤：
步骤11、获取负荷预测偏差。
负荷是指电力需求量(即功率)或用电量，负荷预测是对未来某特定时刻的电力需求量(功率)或用电量的预测，相关技术中，已有成熟的负荷预测模型，可以参考实施，此处不再详述，相应的，负荷预测会存在负荷预测偏差。
步骤12、获取预测完成率偏差。
完成率是实际完成量占计划完成量的百分比。实施中，电网调度机构须保证各电厂通过中长期电力市场安全校核的交易电量按完成率的要求执行，可以对该完成率进行预测得到预测完成率，相应的预测结果会存在偏差，即预测完成率偏差。
步骤13、根据获取的负荷预测偏差、预测完成率偏差，建立目标优化函数。
步骤14、构建约束项。
本步骤中的约束项是上述目标优化函数的约束项，作为目标优化函数的约束条件。
步骤15、根据目标优化函数和约束项建立中长期电力市场安全校核模型。
本实施例中，基于目标优先函数和相应的约束项建立了约束优化模型，实施中，可以在约束条件下，找到目标优化函数的最优解，为安全校核提供依据。
本申请的方案中，针对传统的中长期电力市场安全校核方法未考虑交易结果执行过程中边界参数预测偏差影响的问题，由于负荷预测偏差是导致交易完成率偏差的最重要因素，因此考虑了负荷预测偏差的影响，根据负荷预测偏差、预测完成率偏差建立目标优化函数，结合约束项，建立中长期电力市场安全校核模型，基于该模型进行安全校核，能够提升安全校核的效果。该方法物理概念清晰，与当前安全校核及交易执行业务结合紧密，对提升中长期电力市场安全校核可行性具有显著作用。
本申请的方案的执行主体可以是计算机设备，或者计算机设备内部的功能模块。
实际执行过程中，电网调度机构将动态调整负荷预测等边界数据、跟踪各电厂电量计划完成率，确保交易目标达成。从上述执行过程可以看出，不同时期的负荷预测偏差对各电厂的交易结果完成率影响是不同的，呈“近小远大”的变化趋势，其原因包括两个方面：
一、每月初期的负荷预测偏差由于可调整的时间范围较广，对交易结果完成率影响相对较小；而每月末期的负荷预测偏差调整的时间范围限制，对其完成率影响较大。
二、中长期电力市场安全校核阶段所依据的负荷预测数据，其准确率也呈现当月初期较高，而月末期较低的问题。
基于此，针对传统中长期电力市场安全校核方法未考虑交易结果执行过程中边界参数预测偏差影响的问题，本申请提出一种负荷预测偏差鲁棒性指标，以量化中长期电力市场安全校核中不同日期的负荷预测偏差对交易结果的影响。那么，上述步骤13中，根据获取的负荷预测偏差、预测完成率偏差，建立目标优化函数，具体实现方式可以是：构建负荷预测偏差的鲁棒性指标；负荷预测偏差的鲁棒性指标为不同时期的负荷预测偏差对所有发电机组完成率偏差的影响程度；根据负荷预测偏差的鲁棒性指标和预测完成率偏差，建立目标优化函数。
在一些实施例中，可选的，构建负荷预测偏差的鲁棒性指标，具体可以包括：
按照如下公式构建负荷预测偏差的鲁棒性指标：
Figure BDA0002210690890000081
Figure BDA0002210690890000082
其中，处于上标位置的s为包括发电机组的电力系统的标识符；g为发电机组的标识符；F为火电发电机组的标识；Rub为负荷预测偏差的鲁棒性指标；
Figure BDA0002210690890000091
为发电机组等效完成率指标，发电机组等效完成率指标是考虑了负荷预测偏差影响后发电机组g的交易结果完成率；
Figure BDA0002210690890000092
分别为基于发电机组g取数据序列的最大值、最小值和平均值的函数；
Figure BDA0002210690890000093
为电力系统中当月发电机组g的交易电量；
Figure BDA0002210690890000094
为发电机组g预期当月第d天的完成电量；NDm为第m月当月天数；
Figure BDA0002210690890000095
为近小远大系数，用于反映不同时期负荷预测偏差对所有发电机组完成率偏差的影响，考虑到当前电网运行实际，将全月划分为上、中、下旬三段，当月上、中、下旬三段对应的近小远大系数分别取
Figure BDA0002210690890000096
和
Figure BDA0002210690890000097
并满足
Figure BDA0002210690890000098
Figure BDA0002210690890000099
为负荷预测偏差的系数，用于反映中长期电力市场安全校核中所依据的负荷预测偏差水平，类似“近小远大”系数，也将全月划分为上、中、下旬三段，当月上、中、下旬三段对应的
Figure BDA00022106908900000910
为根据历史数据所得的每段内负荷日均预测准确率。
为保证中长期电力市场安全校核对负荷预测偏差具有一定的鲁棒性，本申请的实施例中所提出的优化目标包括两个方面：一、各机组的交易结果完成率偏差应尽可能小；二、负荷预测偏差鲁棒性指标尽可能大。综合如上两方面要求，相应的，上述步骤13中，根据负荷预测偏差的鲁棒性指标和预测完成率偏差，建立目标优化函数，包括：
按照如下公式构建目标优化函数：
minα1Dev-α2Rub (3)
Figure BDA00022106908900000911
Figure BDA00022106908900000912
其中，minα1Dev-α2Rub为目标优化函数，min是对α1Dev-α2Rub取最小值；Dev为预测完成率偏差；α1为优化项目Dev的权重系数；α2为Rub的权重系数，考虑安全校核实际，α1>α2；Comg为发电机组g的交易计划完成率，为所有机组的交易结果完成率最大差距与其平均完成率的比值。其中，发电机组g的交易计划完成率就是当月每天的完成电量之和与交易电量的比值。
本实施例中，将负荷预测偏差作为中长期电力市场安全校核的目标项，提升了安全校核对负荷预测偏差的鲁棒性，提升了中长期市场安全校核对负荷预测偏差的适应性。
实施中，对于上述目标优化函数来说，需要考虑的约束项包括：电力电量平衡约束、网络传输约束、发电机组运行约束、外送受电协议约束，等等。
相应的，上述步骤14中，构建约束项，具体实现方式可以是：构建电力电量平衡约束；构建网络传输约束；构建发电机组运行约束；构建外送受电协议约束。
其中，电力电量平衡约束，即要求逐日各时段机组发电功率与外送受电及电力系统负荷预测相匹配，同时最大发电能力应留有满足相关规定的备用容量。基于此，构建电力电量平衡约束，其具体实现方式可以包括：
按照如下公式构建电力电量平衡约束：
Figure BDA0002210690890000101
Figure BDA0002210690890000102
其中，G为发电的标识符；L为负荷的标识符；NG为发电机组台数；NB为全网节点数；
Figure BDA0002210690890000103
为发电机组g在第d天第t时段的发电功率；
Figure BDA0002210690890000104
为发电机组g的装机容量；
Figure BDA0002210690890000105
为发电机组g在第d天的开停状态，可以为0、1、-1变量；
Figure BDA0002210690890000106
为节点b第d天第t时段的负荷预测；
Figure BDA0002210690890000107
为第d天第t时段的外送电功率，C为电力交换的标识符；
Figure BDA0002210690890000108
为第d天的备用容量需求。
一般，在实际电力系统中，仅根据地理位置，将联络电源中心与负荷中心的若干线路选为一个输电断面。在电源电势激励作用下，电流或功率从电源通过系统各元件流入负荷，分布于电网各处，称为电力潮流。其中，网络传输约束，即要求电网运行所要求的各输电断面潮流均在其给定限值范围内，基于此，构建网络传输约束，其具体实现方式可以包括：
按照如下公式构建网络传输约束：
Figure BDA0002210690890000111
其中，
Figure BDA0002210690890000112
为输电断面l在第d天第t时段的传输上限；
Figure BDA0002210690890000113
为输电断面l在第d天第t时段的传输下限；
Figure BDA0002210690890000114
为发电机组g所在节点与输电断面l的转移分布因子；
Figure BDA0002210690890000115
为节点b与输电断面l的转移分布因子。
需要注意的是，上述运行断面应考虑可预见的输变电设备检修所产生的检修方式断面，并根据预计的工期设定控制时段范围约束。
其中，发电机组运行约束，即发电机组运行所必须满足的运行条件，包括最大/最小出力范围约束、启停次数约束等，爬坡约束等短期优化中需要考虑的约束项由于中长期电力市场安全校核所划定的时段一般较长可不考虑。此外还需要考虑启停状态变量与开停状态变量关系、全天发电量与发电功率关系等因素，综上，构建发电机组运行约束，包括：
按照如下公式构建发电机组运行约束，其具体实现方式可以包括：
Figure BDA0002210690890000116
Figure BDA0002210690890000117
Figure BDA0002210690890000118
Figure BDA0002210690890000119
其中，
Figure BDA00022106908900001110
为发电机组g的最小出力；
Figure BDA00022106908900001111
为发电机组g第d天的启停状态变量，取值为1时表明当天启机，取值为0时表示运行状态无变化，取值为-1表示停机；
Figure BDA0002210690890000121
为规定的发电机组g当月最大启停次数，lim为最大限制的标识符；ΔT为全天时段划分时间间隔。
其中，外送受电协议约束，即当月外送电调峰率和送受电量应按照协议执行的约束，基于此，构建外送受电协议约束，包括：
按照如下公式构建调峰率约束：
Figure BDA0002210690890000122
按照如下公式构建送电电量约束：
Figure BDA0002210690890000123
其中，
Figure BDA0002210690890000124
为最大调峰率；
Figure BDA0002210690890000125
为最小调峰率；
Figure BDA0002210690890000126
为协议送电电量。
需要说明的是，发电机组可以但不限于包括火电机组。
实施中，将上述公式(1)至(14)联立即可以得到考虑负荷预测偏差鲁棒性的中长期电力市场安全校核模型。
参见图2，图2是本申请另一个实施例提供的一种中长期电力市场安全校核方法的流程图。
如图2所示，本实施例提供一种中长期电力市场安全校核方法，包括：
步骤21、获取预先建立的中长期电力市场安全校核模型；中长期电力市场安全校核模型是通过如以上任意实施例所述的中长期电力市场安全校核模型建立方法建立的。
步骤22、对中长期电力市场安全校核模型求解。
步骤23、若得到的优化目标函数中预测完成率偏差在预设范围内，确定交易结果满足运行要求。
上述中长期电力市场安全校核模型本质上为混合整数凸二次规划问题，可通过Cplex等商用软件包直接求解得到目标优化函数的最优解。这里不赘述其实施流程。
根据优化求解结果，若得到的优化目标函数中预测完成率偏差在预设范围内，确定交易结果满足运行要求，也就是说，所得到的优化目标中预测完成率偏差Dev在预设范围Devlim范围内，即满足：
Dev≤Devlim (15)
此时，表明该交易结果满足运行要求，且均有一定的负荷预测偏差鲁棒性，且随Rub数值越大，表明其鲁棒性越强；否则，表明该交易结果不能满足系统运行要求，即安全校核不通过。
参见图3，图3是本申请另一个实施例提供的一种中长期电力市场安全校核模型建立设备的结构示意图。
如图3所示，本实施例提供一种中长期电力市场安全校核模型建立设备，包括：
处理器301，以及与处理器301相连接的存储器302；
处理器301用于调用并执行存储器中的计算机程序，以执行如以上任一项的中长期电力市场安全校核模型建立方法的步骤。
本实施例提供的中长期电力市场安全校核模型建立设备的具体实施方式，可以参考以上中长期电力市场安全校核模型建立方法的相关实施例，此处不再赘述。
参见图4，图4是本申请另一个实施例提供的一种中长期电力市场安全校核设备的结构示意图。
如图4所示，本实施例提供一种中长期电力市场安全校核设备，包括：
处理器401，以及与处理器401相连接的存储器402；
处理器401用于调用并执行存储器中的计算机程序，以执行如以上任意实施例的中长期电力市场安全校核方法的步骤。
本实施例提供的中长期电力市场安全校核设备的具体实施方式，可以参考以上中长期电力市场安全校核方法的相关实施例，此处不再赘述。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种中长期电力市场安全校核模型建立方法，其特征在于，包括：
获取负荷预测偏差；
获取预测完成率偏差；
根据获取的所述负荷预测偏差、所述预测完成率偏差，建立目标优化函数；
构建约束项；
根据所述目标优化函数和所述约束项建立中长期电力市场安全校核模型；
所述根据获取的所述负荷预测偏差、所述预测完成率偏差，建立目标优化函数，包括：
构建所述负荷预测偏差的鲁棒性指标；所述负荷预测偏差的鲁棒性指标为不同时期的所述负荷预测偏差对所有发电机组完成率偏差的影响程度；
根据所述负荷预测偏差的鲁棒性指标和所述预测完成率偏差，建立目标优化函数；
所述构建所述负荷预测偏差的鲁棒性指标，包括：
按照如下公式构建所述负荷预测偏差的鲁棒性指标：
Figure FDA0003512623000000011
Figure FDA0003512623000000012
其中，处于上标位置的s为电力系统的标识符；g为发电机组的标识符；F为火电发电机组的标识；Rub为所述负荷预测偏差的鲁棒性指标；
Figure FDA0003512623000000013
为发电机组等效完成率指标，所述发电机组等效完成率指标是考虑了所述负荷预测偏差影响后发电机组g的交易结果完成率；
Figure FDA0003512623000000014
分别为基于发电机组g取数据序列的最大值、最小值和平均值的函数；
Figure FDA0003512623000000015
为电力系统中当月发电机组g的交易电量；
Figure FDA0003512623000000021
为发电机组g预期当月第d天的完成电量；NDm为第m月当月天数；
Figure FDA0003512623000000022
为近小远大系数，用于反映不同时期所述负荷预测偏差对所有发电机组完成率偏差的影响，当月上、中、下旬三段对应的近小远大系数分别取
Figure FDA0003512623000000023
和
Figure FDA0003512623000000024
并满足
Figure FDA0003512623000000025
Figure FDA0003512623000000026
为所述负荷预测偏差的系数，用于反映中长期电力市场安全校核中所依据的负荷预测偏差水平，当月上、中、下旬三段对应的
Figure FDA0003512623000000027
为根据历史数据所得的每段内负荷日均预测准确率。
2.根据权利要求1所述的方法，其特征在于，所述根据所述负荷预测偏差的鲁棒性指标和所述预测完成率偏差，建立目标优化函数，包括：
按照如下公式构建目标优化函数：
minα1Dev-α2Rub
Figure FDA0003512623000000028
Figure FDA0003512623000000029
其中，minα1Dev-α2Rub为目标优化函数，min是对α1Dev-α2Rub取最小值；Dev为所述预测完成率偏差；α1为优化项目Dev的权重系数；α2为Rub的权重系数，α1>α2；Comg为发电机组g的交易计划完成率。
3.根据权利要求2所述的方法，其特征在于，所述构建约束项，包括：
构建电力电量平衡约束；
构建网络传输约束；
构建发电机组运行约束；
构建外送受电协议约束。
4.根据权利要求3所述的方法，其特征在于，所述构建电力电量平衡约束，包括：
按照如下公式构建电力电量平衡约束：
Figure FDA0003512623000000031
Figure FDA0003512623000000032
其中，G为发电的标识符；L为负荷的标识符；NG为发电机组台数；NB为全网节点数；
Figure FDA0003512623000000033
为发电机组g在第d天第t时段的发电功率；
Figure FDA0003512623000000034
为发电机组g的装机容量；
Figure FDA0003512623000000035
为发电机组g在第d天的开停状态，为0、1、-1变量；
Figure FDA0003512623000000036
为节点b第d天第t时段的负荷预测；
Figure FDA0003512623000000037
为第d天第t时段的外送电功率，C为电力交换的标识符；
Figure FDA0003512623000000038
为第d天的备用容量需求；
所述构建网络传输约束，包括：
按照如下公式构建网络传输约束：
Figure FDA0003512623000000039
其中，
Figure FDA00035126230000000310
为输电断面l在第d天第t时段的传输上限；
Figure FDA00035126230000000311
为输电断面l在第d天第t时段的传输下限；
Figure FDA00035126230000000312
为发电机组g所在节点与输电断面l的转移分布因子；
Figure FDA00035126230000000313
为节点b与输电断面l的转移分布因子；
构建发电机组运行约束，包括：
按照如下公式构建发电机组运行约束，包括：
Figure FDA00035126230000000314
Figure FDA00035126230000000315
Figure FDA00035126230000000316
Figure FDA00035126230000000317
其中，
Figure FDA00035126230000000318
为发电机组g的最小出力；
Figure FDA00035126230000000319
为发电机组g第d天的启停状态变量，取值为1时表明当天启机，取值为0时表示运行状态无变化，取值为-1表示停机；
Figure FDA00035126230000000320
为规定的发电机组g当月最大启停次数，lim为最大限制的标识符；ΔT为全天时段划分时间间隔；
所述构建外送受电协议约束，包括：
按照如下公式构建调峰率约束：
Figure FDA0003512623000000041
按照如下公式构建送电电量约束：
Figure FDA0003512623000000042
其中，
Figure FDA0003512623000000043
为最大调峰率；
Figure FDA0003512623000000044
为最小调峰率；
Figure FDA0003512623000000045
为协议送电电量。
5.根据权利要求1所述的方法，其特征在于，所述发电机组包括火电机组。
6.一种中长期电力市场安全校核方法，其特征在于，包括：
获取预先建立的中长期电力市场安全校核模型；所述中长期电力市场安全校核模型是通过如权利要求1～5任一项所述的方法建立的；
对所述中长期电力市场安全校核模型求解；
若得到的优化目标函数中预测完成率偏差在预设范围内，确定交易结果满足运行要求。
7.一种中长期电力市场安全校核模型建立设备，其特征在于，包括：
处理器，以及与所述处理器相连接的存储器；
所述处理器用于调用并执行所述存储器中的计算机程序，以执行如权利要求1-5任一项所述的方法的步骤。
8.一种中长期电力市场安全校核设备，其特征在于，包括：
处理器，以及与所述处理器相连接的存储器；
所述处理器用于调用并执行所述存储器中的计算机程序，以执行如权利要求6所述的方法的步骤。
CN201910897295.XA 2019-09-23 2019-09-23 中长期电力市场安全校核、模型建立方法及设备 Active CN110598952B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910897295.XA CN110598952B (zh) 2019-09-23 2019-09-23 中长期电力市场安全校核、模型建立方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910897295.XA CN110598952B (zh) 2019-09-23 2019-09-23 中长期电力市场安全校核、模型建立方法及设备

Publications (2)

Publication Number Publication Date
CN110598952A CN110598952A (zh) 2019-12-20
CN110598952B true CN110598952B (zh) 2022-05-03

Family

ID=68862118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910897295.XA Active CN110598952B (zh) 2019-09-23 2019-09-23 中长期电力市场安全校核、模型建立方法及设备

Country Status (1)

Country Link
CN (1) CN110598952B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111538952B (zh) * 2020-04-01 2023-10-03 国电南瑞南京控制系统有限公司 一种灵活的电力市场中长期交易校核方法
CN111582869A (zh) * 2020-04-21 2020-08-25 海南电网有限责任公司 信息安全防护方法、装置及设备
CN112308303B (zh) * 2020-10-22 2024-03-08 新奥数能科技有限公司 基于偏差分配的高容错供能群组负荷调度方法、装置及终端设备
CN112215374B (zh) * 2020-10-28 2024-03-15 中国电力科学研究院有限公司 电网中长期检修计划的校核方法、系统、设备及介质
CN113991638B (zh) * 2021-08-31 2023-07-28 华能(福建)能源开发有限公司 一种针对不同地点的新能源场站发电功率的预测方法
CN115051416B (zh) * 2022-08-16 2022-11-15 阿里巴巴（中国）有限公司 数据处理方法、发电方法、装置和云设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2690511A1 (en) * 2012-07-24 2014-01-29 ETH Zurich Apparatus and method for detecting an intrusion in electric power networks
CN104218569B (zh) * 2014-08-15 2016-02-24 国家电网公司 一种大规模电网静态安全校核的评价分析方法
CN104616069B (zh) * 2015-01-13 2017-11-10 国电南瑞科技股份有限公司 一种年度发电计划滚动分解优化方法

Also Published As

Publication number Publication date
CN110598952A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN110598952B (zh) 中长期电力市场安全校核、模型建立方法及设备
AU2017364328B2 (en) Method and apparatus for facilitating the operation of an on-site energy storage system to co-optimize battery dispatch
US8068938B2 (en) Method and system for managing a load demand on an electrical grid
CN102097828B (zh) 一种基于功率预测的风电优化调度方法
CN107681656B (zh) 一种考虑实时运行风险的阻塞调度二层规划方法
US20140277599A1 (en) Innovative Approach to Distributed Energy Resource Scheduling
Xu et al. Optimal operation and economic value of energy storage at consumer locations
CN112183855B (zh) 区域电力现货市场出清方法、装置和电子设备
CN103972896A (zh) 一种基于需求响应的负荷建模和优化控制方法
CN110137955A (zh) 一种计及CVaR的鲁棒机组组合调度的决策方法
CN102810186A (zh) 多时间尺度微网能量优化管理体系结构及其方法
CN109858725A (zh) 集团级水力发电厂群经济运行一体化系统平台架构
Mancini et al. Demand-aware price policy synthesis and verification services for smart grids
Satuyeva et al. Energy 4.0: towards IoT applications in Kazakhstan
Parhizi et al. Market-based microgrid optimal scheduling
CN109657850B (zh) 中长期梯级水电优化调度方法及装置
CN108281989A (zh) 一种风电电力系统经济调度方法及装置
CN107528348A (zh) 一种基于来水不确定性的梯级水电站负荷调整方法
CN110867904A (zh) 电量出清方法和设备
CN109167351A (zh) 基于广义Benders分解法的源荷备用协同优化方法
CN117200185A (zh) 计及新能源不确定性的日前调度计划风险决策方法及装置
Fuchs et al. A security-constrained multi-period OPF for the locational allocation of automatic reserves
CN109378857A (zh) 一种负荷尖峰时刻风电预测可信度风险计算方法
CN112183903B (zh) 一种水火电系统多时间尺度联合优化调度方法及系统
AU2016202858B2 (en) Method and device for the provision of aggregate offers of electrical energy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant