CN110610251A - 一种高比例风电接入电网超短期调度计划鲁棒优化方法 - Google Patents

一种高比例风电接入电网超短期调度计划鲁棒优化方法 Download PDF

Info

Publication number
CN110610251A
CN110610251A CN201910033730.4A CN201910033730A CN110610251A CN 110610251 A CN110610251 A CN 110610251A CN 201910033730 A CN201910033730 A CN 201910033730A CN 110610251 A CN110610251 A CN 110610251A
Authority
CN
China
Prior art keywords
wind power
function
power
limit
buffer unit
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.)
Pending
Application number
CN201910033730.4A
Other languages
English (en)
Inventor
张雨薇
刘文颖
汪宁渤
夏鹏
周强
王方雨
陈钊
朱丹丹
丁坤
张尧翔
马明
许春蕾
荣俊杰
聂雅楠
李宛齐
冉忠
胡阳
朱丽萍
李潇
陈鑫鑫
郇悅
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.)
State Grid Corp of China SGCC
North China Electric Power University
State Grid Gansu Electric Power Co Ltd
Wind Power Technology Center of Gansu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
North China Electric Power University
State Grid Gansu Electric Power Co Ltd
Wind Power Technology Center of Gansu Electric Power 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 State Grid Corp of China SGCC, North China Electric Power University, State Grid Gansu Electric Power Co Ltd, Wind Power Technology Center of Gansu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910033730.4A priority Critical patent/CN110610251A/zh
Publication of CN110610251A publication Critical patent/CN110610251A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/008—Artificial life, i.e. computing arrangements simulating life based on physical entities controlled by simulated intelligence so as to replicate intelligent life forms, e.g. based on robots replicating pets or humans in their appearance or behaviour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明公开了一种考虑断面越限风险均衡度的高比例风电接入电网超短期调度计划鲁棒优化方法。对于含高比例风电接入的系统，将风电通过联络线送出是消纳风电的重要途径。本发明基于风电出力概率特性，构建超短期调度计划鲁棒优化模型，对于模型目标函数中不可积分项进行近似和线性化处理，采用混沌量子粒子群算法对模型进行求解，得到缓冲机组出力大小及各节点风电功率接纳区间，从而实现断面越限风险最小、经济性最优的输电断面各线路功率分配均衡的超短期调度计划。本发明提供了一种考虑断面越限风险均衡度的高比例风电接入电网超短期调度计划鲁棒优化方法，可为大规模风电通过联络线送出的超短期调度实现断面越限风险最小提供依据。

Description

一种高比例风电接入电网超短期调度计划鲁棒优化方法
技术领域
本发明属于电力系统调度方法领域，尤其涉及对高比例风电接入的电网，考虑断面越限风险均衡度的超短期调度计划鲁棒优化方法。
背景技术
随着我国各大风电基地风电装机容量的不断增大，在电力电量平衡中，风电出力将由仅作为常规能源的补充的角色，转变为与常规能源“平分秋色”。但随着系统中风电比例的不断增大，风电出力的随机性和波动性给调度决策控制增加了难度，因此，充分考虑系统安全和经济问题，制定合理的含高比例风电的电力系统调度计划至关重要。
在电力系统多时间尺度调度中，超短期调度计划是衔接日前计划、滚动计划与自动发电控制的重要环节，超短期调度计划以5min为周期，起着承上启下的重要协调作用。超短期调度计划既要保证系统安全，又要考虑经济性，在经济性方面，含高比例风电系统的超短期调度计划主要考虑弃风损失、切负荷损失和缓冲机组调节及备用费用，在安全性方面超短期调度计划主要需要保证系统功率平衡及输电断面不过载。超短期调度计划制定中，对于输电断面，通常将其不越限作为约束条件，可能导致在当前调度时段虽然得到具有最好经济性且满足安全约束的结果，但输电断面内各线路的输电功率分配不均衡，出现某些线路输电功率接近极限而其他线路负载率过低的情况，因此，将断面负载均衡度纳入考虑之中，断面负载均衡度用于衡量断面功率在断面内各线路中的分配不均匀程度。然而，线路负载率和断面负载均衡度仅能衡量线路接近其自身极限的程度以及断面内功率分配的不均匀程度，不能反映断面内线路对断面越限风险的影响程度。因此，制定超短期调度计划时，将能反映断面内线路对断面越限风险的影响程度的断面越限风险均衡度指标纳入考虑非常必要。
发明内容
本发明的目的在于，提供一种考虑断面越限风险均衡度的高比例风电接入电网超短期调度计划鲁棒优化方法，可为大规模风电通过联络线送出的调度运行实现断面越限风险最小提供依据。
其特征是基于风电出力概率特性，定义了断面越限风险均衡度这一指标，将其取最小作为安全目标之一，同时将缓冲机组运行及备用成本、弃风成本和切负荷成本之和最小作为经济优化目标，构建超短期调度计划鲁棒优化模型，对各节点风电接纳区间及缓冲机组出力进行决策。对于目标函数中存在超越函数不可积分的问题，采用正态分布积分近似方法和分段线性化计算积分法进行处理。最后采用混沌量子粒子群算法对模型进行求解，得到缓冲机组出力及各节点风电接纳区间。
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是考虑断面越限风险均衡度的高比例风电接入电网超短期鲁棒调度计划的流程图；
图2是IEEE39节点测试系统分区域接线图。
具体实施方式
下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
本发明的目的在于，提供一种考虑断面越限风险均衡度的高比例风电接入电网超短期调度计划鲁棒优化方法，可为大规模风电通过联络线送出的调度运行实现断面越限风险最小提供依据。
下面通过三个步骤(附图1)介绍所提方法。
步骤1、建立超短期调度计划鲁棒优化模型。
1)目标函数。
目标函数为对断面越限风险均衡度平方取最小的安全目标，及对缓冲机组运行及备用成本、弃风成本和切负荷成本取最小的经济目标。
min D2(MES) (1)
min C1+C2+C3 (2)
其中，
其中，Nw为系统中接入风电的节点数,Pw.i为节点i的风电功率，为节点i风电功率的预测值，f(Pw.i)为节点i风电功率的正态概率密度函数，为风电在节点i的功率上限， 分别为决策变量风电在节点i可接纳功率的上、下限，Δpw.j为节点j接入的风电出力波动量；NAGC为缓冲机组，pi为缓冲机组i的运行基点，Δpi为缓冲机组i平抑风电波动的功率调整量，分别为缓冲机组i的最大最小出力，为缓冲机组i所需提供的最大、最小调节功率；C1、C2和C3分别为缓冲机组运行及备用成本、弃风成本和切负荷成本，为缓冲机组i的发电成本，为缓冲机组i的上调节备用和下调节备用成本，ctop、cbottom分别为弃风和切负荷损失费用；Mil、Mjl分别为缓冲机组i、节点j所接风电对支路l的功率转移因子，ρl为线路l的本文定义的线路负载率，为线路l最大传输容量扣除非缓冲机组与负荷转移到线路l的功率，Pcut、分别为输电断面功率及其极限功率，L为断面中线路条数，因高比例风电接入电网多为送端电网，因此只考虑的情况；MESl为线路l的边际期望损失， E(MES)为各线路的边际期望损失的均值，D(MES)为断面越限风险均衡度。
2)约束条件。
(1)功率平衡约束
其中，pG和D为常规机组出力和总负荷功率。
(2)风电出力约束
(3)缓冲机组约束
其中，
其中，分别为风电出力波动上下限。
其中，为缓冲机组i的初始运行基点，分别为缓冲机组i的最大上调和下调爬坡率。
(4)断面极限约束
式(1)～(19)构成了考虑断面越限风险均衡度的超短期调度计划鲁棒优化模型，决策变量为及pi。
步骤2、模型处理。
对于目标函数中存在超越函数不可积分的问题，采用正态分布积分近似方法和分段线性化计算积分法进行处理。
首先对目标函数式(1)进行处理，其对断面越限风险均衡度D(MES)的平方取最小，断面越限风险均衡度为各线路边际期望损失MESl的标准差，因此先对各线路MESl进行计算。
MESl为一个条件均值，积分变量为ρl，条件概率密度为对于MESl中的两个变量ρl和Pcut，为便于计算概率函数，分别将其拆分为随机变量和非随机变量两部分。
假设各节点风电出力pw.j互相独立，因此其中分别为的线性变换之和。
同理，将断面功率Pcut也拆分为随机变量和非随机变量两部分，也分别为的线性变换之和。
对MESl中变量拆分为随机变量和非随机变量两部分后，得到MESl由随机变量及其条件概率分布函数和非随机变量部分组成的表达式，如下所示：
其中，F为概率密度函数f的概率分布函数，由f积分得到；和分别为的上下限，为的上限。若想得到MESl，则需对条件概率分布函数与随机变量的乘积及概率分布函数进行计算，如下式所示。
首先对(27)分子进行计算，计算其中的需要对联合概率密度函数进行两重积分，如下所示。
对于式(24)内层积分(方括号内)计算中没有显示表达式的问题，本文正态分布积分近似计算法对其近似后，得到分子、分母均包含的指数函数的不可积分的超越函数，记为如下所示。
其中，
对于不可积分的问题，采用分段线性化方法对外层积分(式(24)花括号内的积分)与的乘积(记为)进行线性化处理，步骤如下。
1)将0到均分为S-1份，各分段点取值为os，s＝1,2,L,S；
2)得到各分段点g(os)的取值，得到各分段内的线性函数
其中，cs、ds为各分段内线性函数的系数。
3)取值为任意分段点os时，计算从0(即o1)到任意分段点的积分值并乘以
4)取任意分段区间[os,os+1]内值时，根据式(27)获得从0到任意分段区间内的积分值。
其中，as、bs为各分段内线性函数的系数。
5)取值区间为时，得到如下形式。
到此，得到式(22)的分子式(22)分母关于随机变量为常数，采用上述正态分布积分近似计算公式可计算得到。可得MESl关于和的线性表达式，对其求方差后得到目标函数式(1)为和的二次函数，又因决策变量与存在如下线性关系。
因此目标函数式(1)最终计算得到为关于决策变量pi，的二次函数，目标函数式(2)采用上述线性化计算积分方法得到关于决策变量的线性函数，对处理后的两目标函数加权得到目标函数如下。
步骤3、模型求解。
首先将本文的超短期调度优化模型通过罚函数法转换为无约束优化问题，得到n(n＝NAGC+2NW)维优化问题minh(x1,L,xn)，ai≤xi≤bi，其中，x1,L, 然后采用混沌量子粒子群算法求解，计算步骤如下。
1)初始化。随机生成一个n维向量z1＝{z11,L,z1j,L,z1n}，0≤z1j≤1，用混沌法扩充得 z2，z3，L，zM，将向量zi中元素载波到决策变量中生成M个粒子，xi＝{xi1,L,xij,L,xin}，i＝1,L,M，其中，xij＝aj+(bj-aj)zij，j＝1,L,n。计算各粒子的目标函数hi，选择目标函数最小的前m个粒子作为初始粒子，各粒子当前的位置xi和目标函数hi作为其个体最优值具有最小目标函数的粒子的当前位置和目标函数作为群最优值gbest。
2)生成混沌序列。生成长度为Q的n维混沌序列V＝{v1,K,vq,K,vQ}，其中，vq＝{vq1,K,vqj,K,vqn}， 0≤vqj≤1。
3)更新位置。采用量子粒子群优化(QPSO)算法中的位置更新方法更新粒子位置，如式 (32)所示，若越限则取边界值，更新位置后计算各粒子的目标函数。
其中，
其中，K为CQPSO算法迭代次数，χ为0～1之间随机数。
4)混沌扰动。粒子i的混沌扰动范围为γi，γi为粒子i位置上下限之差的r倍，r随迭代次数K的增大而线性减小，令q＝1，进行以下扰动步骤。
a)生成扰动量Δxi＝{Δxi1,L,Δxij,L,Δxin}，i＝1,K,m，其中，Δxij＝-γi+2γivqj，j＝1,L,n，令 xi＝xi+Δxi，计算各粒子的目标函数hi′，i＝1,K,m。
b)若则令并更新粒子i位置。若q＝Q，进入步骤4)，否则q＝q+1，返回步骤a)。
5)更新个体最优值pbest.i和群最优值gbest。
6)若满足终止条件则算法终止，输出gbest，否则返回步骤3)。
求解后得到缓冲机组出力及各节点风电接纳区间。
本文采用IEEE39节点测试系统验证本文所提方法的有效性。将该测试系统分为三个区域，如图2所示，其中区域3为送电区域，区域1为受电区域，两区域间的输电断面由线路16-17、 28-26、29-26组成。测试系统内包含10个发电机组，其中缓冲机组2个，分别位于节点30 和34，风电场3个，分别位于节点35、36、38，其余机组为常规机组，其余节点分别接入负荷。
采用本文所提出的方法对上述系统进行计算，计算结果如下。
表1缓冲机组出力
表2风电场出力接纳区间
计算结果系统成本为13723.11元，断面内各线路边际期望损失及断面越限风险均衡度如表3所示，同时计算出在各节点风电实际出力取其预测值时断面内各线路的输电功率及负载率，以及断面总功率和断面均衡度。
表3计算结果断面和线路各指标
不采用断面越限风险均衡度目标的超短期调度计划鲁棒优化方法计算结果作为对比如下表所示。
表4对比方法的计算结果断面和线路各指标
由表3可以看出，各线路的负载率和边际期望损失并不是正相关关系，相对于线路28-26， 29-26线路的负载率较小，但边际期望损失却较大，即对断面越限风险的贡献度较大，因此线路负载率并不能体现线路对断面越限的贡献度。由表3和表4对比可以看出，在使断面越限风险均衡度数值取最小时能得到数值较小的断面均衡度，即在制定超短期调度计划中引入断面越限风险均衡度取最小的目标函数既可以保证超短期调度中断面内各线路功率分配均匀，又可实现断面越限风险最小，说明本文提出的考虑断面越限风险均衡度超短期调度计划鲁棒优化方法是有效的。
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。凡在本发明的内容和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种考虑断面越限风险均衡度的高比例风电接入电网超短期调度计划鲁棒优化方法，其特征在于，基于风电出力概率特性，定义断面越限风险均衡度这一指标，将其取最小作为安全目标之一，同时将缓冲机组运行及备用成本、弃风成本和切负荷成本之和最小作为经济优化目标，构建超短期调度计划鲁棒优化模型，对各节点风电接纳区间及缓冲机组出力进行决策；对于目标函数中存在超越函数不可积分的问题，采用正态分布积分近似方法和分段线性化计算积分法进行处理；最后采用混沌量子粒子群算法对模型进行求解，得到缓冲机组出力及各节点风电接纳区间；所述方法具体步骤为：
S1建立超短期调度计划鲁棒优化模型；
S2、对于目标函数中存在超越函数不可积分的问题，采用正态分布积分近似方法和分段线性化计算积分法进行处理；
S3、对模型进行求解。
2.根据权利要求1所述的一种考虑断面越限风险均衡度的高比例风电接入电网超短期调度计划鲁棒优化方法，其特征在于，步骤1具体为：
1)目标函数；
目标函数为对断面越限风险均衡度平方取最小的安全目标，及对缓冲机组运行及备用成本、弃风成本和切负荷成本取最小的经济目标；
min D2(MES) (1)
min C1+C2+C3 (2)
其中，
其中，Nw为系统中接入风电的节点数,Pw.i为节点i的风电功率，为节点i风电功率的预测值，f(Pw.i)为节点i风电功率的正态概率密度函数，为风电在节点i的功率上限， 分别为决策变量风电在节点i可接纳功率的上、下限，Δpw.j为节点j接入的风电出力波动量；NAGC为缓冲机组，pi为缓冲机组i的运行基点，Δpi为缓冲机组i平抑风电波动的功率调整量，分别为缓冲机组i的最大最小出力，为缓冲机组i所需提供的最大、最小调节功率；C1、C2和C3分别为缓冲机组运行及备用成本、弃风成本和切负荷成本，为缓冲机组i的发电成本，为缓冲机组i的上调节备用和下调节备用成本，ctop、cbottom分别为弃风和切负荷损失费用；Mil、Mjl分别为缓冲机组i、节点j所接风电对支路l的功率转移因子，ρl为线路l的本文定义的线路负载率，为线路l最大传输容量扣除非缓冲机组与负荷转移到线路l的功率，Pcut、分别为输电断面功率及其极限功率，L为断面中线路条数，因高比例风电接入电网多为送端电网，因此只考虑的情况；MESl为线路l的边际期望损失，E(MES)为各线路的边际期望损失的均值，D(MES)为断面越限风险均衡度；
2)约束条件；
(1)功率平衡约束
其中，pG和D为常规机组出力和总负荷功率；
(2)风电出力约束
(3)缓冲机组约束
其中，
其中，分别为风电出力波动上下限；
其中，为缓冲机组i的初始运行基点，分别为缓冲机组i的最大上调和下调爬坡率；
(4)断面极限约束
式(1)～(19)构成了考虑断面越限风险均衡度的超短期调度计划鲁棒优化模型，决策变量为及pi。
3.根据权利要求1和2所述的一种考虑断面越限风险均衡度的高比例风电接入电网超短期调度计划鲁棒优化方法，其特征在于，步骤2具体为：对于目标函数中存在超越函数不可积分的问题，采用正态分布积分近似方法和分段线性化计算积分法进行处理；
首先对目标函数式(1)进行处理，其对断面越限风险均衡度D(MES)的平方取最小，断面越限风险均衡度为各线路边际期望损失MESl的标准差，因此先对各线路MESl进行计算；
MESl为一个条件均值，积分变量为ρl，条件概率密度为对于MESl中的两个变量ρl和Pcut，为便于计算概率函数，分别将其拆分为随机变量和非随机变量两部分；
假设各节点风电出力pw.j互相独立，因此 其中分别为的线性变换之和；
同理，将断面功率Pcu也拆分为随机变量和非随机变量两部分， 也分别为的线性变换之和；
对MESl中变量拆分为随机变量和非随机变量两部分后，得到MESl由随机变量及其条件概率分布函数和非随机变量部分组成的表达式，如下所示：
其中，F为概率密度函数f的概率分布函数，由f积分得到；和分别为的上下限，为的上限；若想得到MESl，则需对条件概率分布函数与随机变量的乘积及概率分布函数进行计算，如下式所示；
首先对(27)分子进行计算，计算其中的需要对联合概率密度函数进行两重积分，如下所示；
对于式(24)内层积分(方括号内)计算中没有显示表达式的问题，本文正态分布积分近似计算法对其近似后，得到分子、分母均包含的指数函数的不可积分的超越函数，记为如下所示；
其中，
对于不可积分的问题，采用分段线性化方法对外层积分(式(24)花括号内的积分)与的乘积(记为)进行线性化处理，步骤如下；
1)将0到均分为S-1份，各分段点取值为os，s＝1,2,L,S；
2)得到各分段点g(os)的取值，得到各分段内的线性函数
其中，cs、ds为各分段内线性函数的系数；
3)取值为任意分段点os时，计算从0(即o1)到任意分段点的积分值并乘以
4)取任意分段区间[os,os+1]内值时，根据式(27)获得从0到任意分段区间内的积分值；
其中，as、bs为各分段内线性函数的系数；
5)取值区间为时，得到如下形式；
到此，得到式(22)的分子式(22)分母关于随机变量为常数，采用上述正态分布积分近似计算公式可计算得到；可得MESl关于和的线性表达式，对其求方差后得到目标函数式(1)为和的二次函数，又因决策变量与 存在如下线性关系；
因此目标函数式(1)最终计算得到为关于决策变量pi，的二次函数，目标函数式(2)采用上述线性化计算积分方法得到关于决策变量的线性函数，对处理后的两目标函数加权得到目标函数如下；
4.根据权利要求1和2所述的一种考虑断面越限风险均衡度的高比例风电接入电网超短期调度计划鲁棒优化方法，其特征在于，步骤3具体为：首先将本文的超短期调度优化模型通过罚函数法转换为无约束优化问题，得到n(n＝NAGC+2NW)维优化问题minh(x1,L,xn)，ai≤xi≤bi，其中，然后采用混沌量子粒子群算法求解，计算步骤如下；
1)初始化；随机生成一个n维向量z1＝{z11,L,z1j,L,z1n}，0≤z1j≤1，用混沌法扩充得z2，z3，L，zM，将向量zi中元素载波到决策变量中生成M个粒子，xi＝{xi1,L,xij,L,xin}，i＝1,L,M，其中，xij＝aj+(bj-aj)zij，j＝1,L,n；计算各粒子的目标函数h i，选择目标函数最小的前m个粒子作为初始粒子，各粒子当前的位置xi和目标函数hi作为其个体最优值具有最小目标函数的粒子的当前位置和目标函数作为群最优值gbest；
2)生成混沌序列；生成长度为Q的n维混沌序列V＝{v1,K,vq,K,vQ}，其中，vq＝{vq1,K,vqj,K,vqn}，0≤vqj≤1；
3)更新位置；采用量子粒子群优化(QPSO)算法中的位置更新方法更新粒子位置，如式(32)所示，若越限则取边界值，更新位置后计算各粒子的目标函数；
其中，
其中，K为CQPSO算法迭代次数，χ为0～1之间随机数；
4)混沌扰动；粒子i的混沌扰动范围为γi，γi为粒子i位置上下限之差的r倍，r随迭代次数K的增大而线性减小，令q＝1，进行以下扰动步骤；
a)生成扰动量Δxi＝{Δxi1,L,Δxij,L,Δxin}，i＝1,K,m，其中，Δxij＝-γi+2γivqj，j＝1,L,n，令xi＝xi+Δxi，计算各粒子的目标函数hi′，i＝1,K,m；
b)若则令并更新粒子i位置；若q＝Q，进入步骤4)，否则q＝q+1，返回步骤a)；
5)更新个体最优值pbest.i和群最优值gbest；
6)若满足终止条件则算法终止，输出gbest，否则返回步骤3)；
求解后得到缓冲机组出力及各节点风电接纳区间。
CN201910033730.4A 2019-01-14 2019-01-14 一种高比例风电接入电网超短期调度计划鲁棒优化方法 Pending CN110610251A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910033730.4A CN110610251A (zh) 2019-01-14 2019-01-14 一种高比例风电接入电网超短期调度计划鲁棒优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910033730.4A CN110610251A (zh) 2019-01-14 2019-01-14 一种高比例风电接入电网超短期调度计划鲁棒优化方法

Publications (1)

Publication Number Publication Date
CN110610251A true CN110610251A (zh) 2019-12-24

Family

ID=68889593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910033730.4A Pending CN110610251A (zh) 2019-01-14 2019-01-14 一种高比例风电接入电网超短期调度计划鲁棒优化方法

Country Status (1)

Country Link
CN (1) CN110610251A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102280878A (zh) * 2011-07-26 2011-12-14 国电南瑞科技股份有限公司 基于sced的风电接纳能力优化评估方法
CN103259285A (zh) * 2013-05-03 2013-08-21 国家电网公司 含大规模风电电力系统的短期运行优化方法
CN103606967A (zh) * 2013-11-26 2014-02-26 华中科技大学 一种实现电力系统鲁棒运行的调度方法
CN104933516A (zh) * 2015-05-27 2015-09-23 华南理工大学 一种多时间尺度的电力系统鲁棒调度系统设计方法
CN106253352A (zh) * 2016-08-17 2016-12-21 山东大学 计及风电概率分布特征的鲁棒实时调度方法
CN106505635A (zh) * 2016-09-20 2017-03-15 北京恒泰实达科技股份有限公司 弃风最小的有功调度模型及调度系统
CN107257129A (zh) * 2017-06-28 2017-10-17 国网山东省电力公司经济技术研究院 一种考虑电网结构灵活调整的鲁棒调度方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102280878A (zh) * 2011-07-26 2011-12-14 国电南瑞科技股份有限公司 基于sced的风电接纳能力优化评估方法
CN103259285A (zh) * 2013-05-03 2013-08-21 国家电网公司 含大规模风电电力系统的短期运行优化方法
CN103606967A (zh) * 2013-11-26 2014-02-26 华中科技大学 一种实现电力系统鲁棒运行的调度方法
CN104933516A (zh) * 2015-05-27 2015-09-23 华南理工大学 一种多时间尺度的电力系统鲁棒调度系统设计方法
CN106253352A (zh) * 2016-08-17 2016-12-21 山东大学 计及风电概率分布特征的鲁棒实时调度方法
CN106505635A (zh) * 2016-09-20 2017-03-15 北京恒泰实达科技股份有限公司 弃风最小的有功调度模型及调度系统
CN107257129A (zh) * 2017-06-28 2017-10-17 国网山东省电力公司经济技术研究院 一种考虑电网结构灵活调整的鲁棒调度方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘聪等: "高载能负荷参与的电网消纳风/光电能力定量预评估方法", 《电网技术》 *
周保中等: "考虑风电接纳风险的鲁棒实时调度方法", 《科学技术与工程》 *
孙悦: "适应大规模风电并网的超短期调度策略研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
朱丹丹: "表征电网运行安全水平的简洁指标构建研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Similar Documents

Publication Publication Date Title
Zhang et al. Adaptive distributed auction-based algorithm for optimal mileage based AGC dispatch with high participation of renewable energy
Niknam et al. Scenario-based multiobjective distribution feeder reconfiguration considering wind power using adaptive modified particle swarm optimisation
CN109861202B (zh) 一种柔性互联配电网动态优化调度方法及系统
CN104866919B (zh) 基于改进nsga-ii的含风电场电网多目标规划方法
CN108306303A (zh) 一种考虑负荷增长和新能源出力随机的电压稳定评估方法
Tang et al. Study on day-ahead optimal economic operation of active distribution networks based on Kriging model assisted particle swarm optimization with constraint handling techniques
CN113378100B (zh) 考虑碳排放的配电网源网荷储协同优化调度模型和方法
CN111092429A (zh) 一种柔性互联配电网的优化调度方法、存储介质及处理器
CN105207253A (zh) 考虑风电及频率不确定性的agc随机动态优化调度方法
CN112561273B (zh) 一种基于改进pso的主动配电网可再生dg规划方法
CN116388262A (zh) 基于多目标优化的含分布式光伏配网无功优化方法及系统
CN116937556A (zh) 一种基于博弈的虚拟电厂双层协调控制方法
CN111193295A (zh) 一种考虑动态重构的配网灵活性提升鲁棒优化调度方法
Omar et al. Commercial wind turbines modeling using single and composite cumulative probability density functions.
CN111525556B (zh) 一种计及风电置信风险的多目标最优潮流计算方法
CN109103946A (zh) 风电经柔性直流电网送出系统电容器组投切计划生成方法
CN105207255B (zh) 一种适用于风电出力的电力系统调峰计算方法
CN110610251A (zh) 一种高比例风电接入电网超短期调度计划鲁棒优化方法
CN108539799B (zh) 一种电网中风电的调度方法及装置
CN110957767B (zh) 微电网电能质量的治理方法及装置
CN113178868A (zh) 一种柔性互联配电系统电压优化方法
CN109713680B (zh) 基于改进灵敏度法的地区电网电压快速调节方法
CN114865649B (zh) 一种风光储一体化场站无功调节方法、装置及电子设备
CN117439090B (zh) 以灵活调节系数为指标的灵活性资源配置或调度方法
CN109980683A (zh) 一种风电场功率不确定预测方法

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