CN110688725B - 一种计及运行风险和需求响应的鲁棒机组组合方法 - Google Patents
一种计及运行风险和需求响应的鲁棒机组组合方法 Download PDFInfo
- Publication number
- CN110688725B CN110688725B CN201910744012.8A CN201910744012A CN110688725B CN 110688725 B CN110688725 B CN 110688725B CN 201910744012 A CN201910744012 A CN 201910744012A CN 110688725 B CN110688725 B CN 110688725B
- Authority
- CN
- China
- Prior art keywords
- wind power
- scene
- output
- unit combination
- constraint
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000004044 response Effects 0.000 title claims abstract description 37
- 230000005611 electricity Effects 0.000 claims abstract description 24
- 238000003462 Bender reaction Methods 0.000 claims abstract description 9
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 9
- 238000007619 statistical method Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 31
- 239000010410 layer Substances 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 12
- 208000011580 syndromic disease Diseases 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000009977 dual effect Effects 0.000 claims description 6
- 230000036316 preload Effects 0.000 claims description 3
- 239000002356 single layer Substances 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 description 5
- 230000009194 climbing Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/063—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—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)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种计及运行风险和需求响应的鲁棒机组组合方法,所述鲁棒机组组合方法包括以下步骤:步骤1:根据风电历史数据,建立基于统计方法的运行风险模型;步骤2:基于步骤1的运行风险模型,将基于分时电价的需求响应纳入建立的计及运行风险的鲁棒机组组合模型,并采用奔德斯(Benders)分解法和列约束生成方法(C&CG)对鲁棒机组组合模型进行求解。
Description
技术领域
本发明涉及电力系统调度自动化技术领域,特别是涉及计及运行风险和需求响应的鲁棒机组组合方法(A Robust Unit Commitment Method Considering Operation Riskand Demand Response)。
背景技术
随着风电并网比例升高、电力市场化改革的推进及深化,电网中的不确定因素逐渐增多。为了更好地把握各种不确定性对调度所带来的影响,电力系统发电计划从确定性问题转变为不确定性问题。
鲁棒优化理论被应用于调度领域,并取得良好效果。鲁棒优化通过一个不确定集来描述参数的波动,只要参数的取值在不确定集范围之内,鲁棒优化模型的解一定可行。鲁棒优化使用闭凸集合描述参数的不确定性,并计算目标函数在“最坏情况”下的最优问题。通常基于风电预测误差经验分布或历史数据并辅之以预先给定的置信概率,构建风电不确定集合,用以刻画风电出力不确定性,出于可计算性的考虑,该集合多由线性不等式构成。然而,随机调度法仅保证对抽样场景的可行性,由该方法制定的调度策略可能无法应对风电实际出力偏离抽样场景的情形;类似地,鲁棒调度法也仅能保证调度策略对不确定集合内风电出力场景的鲁棒性,若风电实际出力不属于风电不确定集合,鲁棒调度策略对该风电出力场景可行性同样无法保证。此外,上述两类计及风电不确定性的灵活调度方法并未考虑调度策略不可行的后果,即电网可能的运行损失,如弃风或切负荷成本等。
因此希望有一种计及运行风险和需求响应的鲁棒机组组合方法能够解决现有技术中存在的问题。
发明内容
本发明公开了一种计及运行风险和需求响应的鲁棒机组组合方法,所述鲁棒机组组合方法包括以下步骤:
步骤1:根据风电历史数据,建立基于统计方法的运行风险模型;
步骤2:基于步骤1的运行风险模型,将基于分时电价的需求响应纳入建立的计及运行风险的鲁棒机组组合模型,并采用奔德斯(Benders)分解法和列约束生成方法(C&CG)对鲁棒机组组合模型进行求解。
优选地,所述步骤1包括以下步骤:
步骤1.1:处理历史数据,得到日前风电出力预测分布;
步骤1.2:形成条件风险矩阵;
步骤1.3:基于风电可接纳域得到运行风险模型。
优选地,所述步骤1.1包括以下步骤:
步骤1.1.1:收集风电历史数据,包括风电预测值和实际出力;
步骤1.1.2:根据不同出力区间对历史数据分组,获得不同出力区间下的预测误差分布;
步骤1.1.3:结合各出力区间的预测误差分布,得到日前风电预测分布带。
优选地,所述步骤1.2的风险矩阵通过以下步骤建立:
步骤1.2.1:将风电的预测曲线与风电最大出力和最小出力之间的区间分别均匀划分为若干个小区间;
步骤1.2.2:统计预测误差带内风电出力落入各个小区间内的频数,得到风电出力在各小区间内的频率;
步骤1.2.3:将每一个区间落入数据的频率乘以各小区间的宽度,得到各个小区间的运行风险值;
优选地,所述步骤1.3的运行风险矩阵为:
所述风电可接纳域的上下界落在一个小区间的边界上,约束表示为:
其中,Nw为风电场数,T为总调度时段,Nu为弃风风险矩阵划分层数,Nv为切负荷风险矩阵划分层数,Uw,t,u为风电可接纳域上界变量,Uw,t,u=1表示w风电场t时段的风电可接纳域的上界位于第u个风电出力区间的边界,Vw,t,v为风电可接纳域的下界变量。
优选地,所述步骤2中基于分时电价的需求响应表示为:
所述鲁棒机组组合模型的目标函数为:
基本场景下包括两个约束条件:
(1)A·Ib+B·pb+K·θb+Q·db≤g;
(2)C·w≤e;
不确定场景下包括三个约束条件:
基本场景下约束条件(1)表示基本场景下功率平衡、机组运行以及输电线路功率限制等约束;基本场景下约束条件(2)表示风电不确定集合边界约束;不确定场景下约束条件(3)表示不确定场景下的弃风和切负荷限制;不确定场景下约束条件(4)表示不确定场景下的系统运行约束条件;不确定场景下约束条件(5)为系统变量的约束。
优选地,所述步骤2采用奔德斯分解法和列约束生成方法对鲁棒机组组合模型进行求解的过程包括以下步骤:
步骤2.1:通过奔德斯(Benders)分解法将鲁棒机组组合模型的原始模型分解为机组组合主问题和在不确定性下的可行性校验子问题;
步骤2.2:求解机组组合主问题,其目标函数为:
约束条件为:
A·Ib+B·pb+K·θb+Q·db≤g,C·w≤e,
可行性列约束生成最优割平面割集:pb≥0,Ib∈{0,1};
机组组合主问题为混合整数线性规划问题,采用Gurobi求解,机组组合主问题得到基本情况下的机组组合Ib和机组出力pb,对应基本情况的方案约束和所有最优割平面;
步骤2.3:求解可行性校验子问题,可行性校验子问题目标函数为:
约束条件为:
如果最坏场景下的弃风和切负荷大于0,则生成可行性列约束生成最优割平面并返回至步骤2.2的求解机组组合主问题,重新计算机组组合主问题和可接纳的风电不确定集合边界。
优选地,所述步骤2.3包括以下步骤:
步骤2.3.1:所述可行性校验子问题为Max-Min问题,内层的Min问题是线性问题,用对偶变换将其转化为单层问题,其目标函数为:
约束条件为:
步骤2.3.2:生成最坏场景下对应的列约束生成(Column and ConstraintGeneration)最优割平面,求解线性规划(LP)问题,如果最坏场景下的弃风和切负荷大于0,记弃风和切负荷总量为R,λ、zw的最优解为λk+1、zwk+1,在所述机组组合主问题中添加变量sk+1、和生成列约束生成最优割平面,如下式:
返回所述机组组合主问题,式中k表示迭代次数,k+1表示下一次迭代,wk+1表示第k次迭代得到的风电可接纳域边界,Ib表示发电机的开停机变量;pb表示基本场景下的发电机出力变量;θb表示基本场景下的节点相角;db表示基本场景下的需求响应w表示基本场景下优化得到的风电不确定集合边界变量;s表示不确定场景下的弃风和切负荷变量;pu表示不确定场景下的发电机出力;θu表示不确定场景下的节点相角;wu表示风电的不确定变量;a,b,c,f,g,e,h,A,B,C,K,E,F,R,G,H,M表示常系数矩阵。
本发明提出了一种计及运行风险和需求响应的鲁棒机组组合方法(A RobustUnit Commitment Method Considering Operation Risk and Demand Response),在改进的IEEE-118节点系统上进行测试。结果表明,本发明提出的计及运行风险和需求响应的鲁棒机组组合方法能够有效的实现运行成本和风险的协同优化。
附图说明
图1是计及运行风险的鲁棒机组组合方法流程图。
图2是风电出力误差分布图。
图3是风电出力区间划分图。
图4是需求侧响应前后的负荷曲线图。
图5是需求侧响应前后的电价示意图。
具体实施方式
为使本发明实施的目的、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更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。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。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。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。
实施例1:
如图1所示,计及运行风险和需求响应的鲁棒机组组合方法方法,所述鲁棒机组组合方法包括以下步骤:
步骤A:基于风电历史数据,建立基于统计方法的运行风险模型;
步骤B:基于步骤A,将需求响应纳入建立的计及运行风险的鲁棒机组组合模型,并采用奔德斯(Benders)分解法和列约束生成方法(C&CG)对鲁棒机组组合模型进行求解。
步骤A包括:
步骤A1:处理历史数据,得到日前风电出力预测分布:1)收集风电历史数据,包括风电预测值和实际出力;2)根据不同出力区间对历史数据分组,获得不同出力区间下的预测误差分布;3)结合各出力区间的预测误差分布,得到日前风电预测分布带。风电预测分布带如图2所示。
步骤A2:形成条件风险矩阵:1)将风电的预测曲线与风电最大出力和最小出力之间的区间分别均匀划分为若干个小区间,如图3所示;2)统计预测误差带内风电出力落入各个小区间内的频数,得到风电出力在各小区间内的频率,此频率对应风电实际出力的概率;3)将每一个区间落入数据的频率乘以各小区间的宽度,得到各个小区间的运行风险值。将各小区间的运行风险从外到内逐层累加,得到运行风险矩阵。时的弃风风险矩阵记为WC,时的切负荷矩阵记为LS。将各个小区间的风电出力从内到外逐层累加,得到风电出力矩阵,时的风电出力上界矩阵记为WL,时的风电出力下界矩阵记为WL。
步骤A3:基于风电可接纳域计算运行风险:基于风电可接纳域的运行风险可以表示为:
风电可接纳域的上下界只能落在一个小区间的边界上,约束可表示为:
步骤B:
基于步骤A,建立计及运行风险和需求响应的鲁棒机组组合模型。
需求响应模型可以表示为:
基于电价的DR(price-based DR,PDR)通过改变电价调整系统的负荷需求。本发明采用一种基于分时电价的DR模型,DR的原理是在负荷低谷时降低电价,在负荷高峰时段提高电价,实现负荷的“削峰填谷”。基于分时电价的DR模型如下式所示。
目标函数为:
(1)目标函数
(2)约束条件
系统功率平衡:运行机组的总发电量须满足系统负荷要求。这里暂时忽略网络损耗,即火电机组、风电机组出力总和等于总的负荷。
机组出力上下限:每台机组的出力都有最大和最小约束。
火电机组出力限制:火电机组出力高于最小发电功率,低于最大发电功率。
式中:Pi min、Pi max为火电机组出力的上下限。
机组最小启停时间:机组在一定时间段内不能重复的开机或停机。
机组开停机费用限制:
式中:sui,sdi为机组i的开停机成本。
爬坡约束:机组出力的变化量在相邻时段须满足一定的界限,
式中:URi,DRi为机组爬坡功率限制。
输电线路功率约束:
风电可接纳域变量约束:
DR约束。本文侧重考虑DR对系统对系统运行的影响,在本文中仅考虑自弹性系数。
响应电量公式:
响应前后电量平衡约束:
电价变动上下限约束:
ρmin≤ρt≤ρmax
响应电量上下限约束:
定义不确定集合为U={Wu}。
不确定场景下的可行性约束表示任意属于风电不确定集合的风电出力均不会导致电网弃风或切负荷,可行性约束包括:弃风和切负荷约束,
系统功率平衡约束:
输电线路功率约束:
火电机组出力约束:
火电机组爬坡约束:
将以上模型简化为矩阵形式,利用Benders-C&CG法进行求解鲁棒UC模型,包括以下步骤:
目标函数为:
基本场景下的约束条件包括:
(1)A·Ib+B·pb+K·θb≤g,
(2)C·w≤e;
不确定场景下的约束条件包括:
约束条件(1)表示基本场景下功率平衡、机组运行以及输电线路功率限制等约束。约束条件(2)表示风电不确定集合边界约束。约束条件(3)表示不确定场景下的弃风和切负荷限制。约束条件(4)表示不确定场景下的系统运行约束条件。约束条件(5)为系统变量的约束。
本发明提出的方法采用Benders-C&CG法进行求解,包括以下步骤:
步骤B1:所提出的基于运行风险的鲁棒机组组合模型通过Benders分解法将其原始模型分解为机组组合(UC)主问题和在不确定性下的可行性校验子问题。
步骤B2:求解UC主问题,其目标函数为:
约束条件为:A·Ib+B·pb+K·θb≤g,C·w≤e,到目前为止所有获得的C&CG最优割平面割集,pb≥0,Ib∈{0,1}。UC主问题为混合整数线性规划问题,采用Gurobi求解。UC主问题得到基本情况下的机组组合Ib和机组出力pb,对应基本情况的方案约束和到目前为止获得的所有最优割平面。第一次主迭代中没有最优割平面。
步骤B3:求解安全校验子问题。安全检验子问题求解最坏场景下的安全违反。可行性校验子问题目标函数为:
所述步骤B3包括:
步骤B31:可行性检验子问题是Max-Min问题,不能直接求解。内层的Min问题是线性问题,可用对偶变换将其转化为单层问题,目标函数为:
约束条件为:
步骤B32:λ表示式步骤B31中的目标函数内层优化问题的对偶变量。式步骤B31中的目标函数的决策变量为不确定变量zw以及λ。步骤B31中的目标函数的目标函数中存在非线形项。本发明采用附加变量法将其转化为线性规划问题。
步骤B33:生成最坏场景下对应的C&CG最优割平面:求解LP问题,如果最坏场景下的弃风和切负荷大于0,记弃风和切负荷总量为R,λ、zw的最优解为λk+1、zwk+1,并在主问题中添加变量sk+1、并生成C&CG最优割平面,
并返回到UC主问题。式中k表示迭代次数,k+1表示下一次迭代,wk+1表示第k次迭代得到的风电可接纳域边界。
式中:Ib表示发电机的开停机变量;pb表示基本场景下的发电机出力变量;θb表示基本场景下的节点相角;w表示基本场景下优化得到的风电不确定集合边界变量;s表示不确定场景下的弃风和切负荷变量;pu表示不确定场景下的发电机出力;θu表示不确定场景下的节点相角;wu表示风电的不确定变量;a,b,c,f,g,e,h,A,B,C,K,E,F,R,G和M表示常系数矩阵。
为使本领域技术人员更好地理解本发明以及了解本发明相对现有技术的优点,申请人结合具体实施例进行进一步的阐释。
实施例2:
基于改进的IEEE-118节点系统验证本发明提出的鲁棒UC模型的有效性。改进的IEEE-118节点系统含有3座风电场。风电场和负荷的预测数据如图5所示。通过求解运行成本、运行风险来分析本发明提出的计及运行分析风险的鲁棒UC模型。电网的弃风惩罚成本设为60$/MWh,切负荷惩罚成本设为600$/MWh。为说明本发明模型的有效性和优势,对以下3种UC模型进行对比分析。
Model 1)鲁棒UC模型(robust UC,RUC)。其风电不确定集合与95%置信概率水平的风电预测误差带一致。在此模型中假设风电预测误差服从均值为0的正态分布,正态分布的方差通过历史数据得到。
Model 2)计及运行风险的鲁棒UC模型(risk-roust UC,RRUC)。
Model 3)计及运行风险和需求响应的鲁棒UC模型(demand response-risk-roustUC,DRRUC)。
首先设置3种模型的运行参数:Model 1)、Model 2)、Model 3)中ΓT=12、ΓS=3;Model 2)、Model 3)中惩罚系数K=1,风险矩阵划分层数Nu和Nv设为20。求解3种UC模型的运行成本和运行风险,结果如表1所示。
表1 3种UC模型的计算结果对比
由表1可知,DUC模型的运行成本最低。但是其运行风险远高于其余3中鲁棒UC模型。在RUC模型中,“未加粗”的一项表示通过拟合正态分布曲线通过优化得到的运行风险,“加粗”项表示基于正态分布的Risk得到的风电可接纳域在实际风电分布下求得的运行风险。通过对比RUC模型、RRUC模型以及DRRUC模型的运行结果可以发现,本发明提出的DRRUC模型的运行成本和运行结果低于RUC模型和RRUC模型。基于以上对比分析,可以得出本发明提出的DRRUC模型可以实现运行风险和风电可接纳域的协同优化,在控制了运行风险的基础上,降低了鲁棒UC模型的运行成本。
接下来分析在DRRUC模型在考虑需求响应前后的负荷和电价的变化,如图4和图5所示。结合图4和图5可以看出,将需求响应纳入到鲁棒UC模型以后,在负荷低谷时段的电价降低,高峰时段的电价升高,通过电价高低影响用户的用电习惯,从而使低谷时段的负荷需求上升,高峰时段的负荷需求下降,达到“削峰填谷”的效果,从而降低系统的运行成本和运行风险。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种计及运行风险和需求响应的鲁棒机组组合方法,其特征在于,所述鲁棒机组组合方法包括以下步骤:
步骤1:根据风电历史数据,建立基于统计方法的运行风险模型;
所述步骤1包括以下步骤:
步骤1.1:处理历史数据,得到日前风电出力预测分布;
步骤1.2:形成条件风险矩阵;
所述步骤1.2的风险矩阵通过以下步骤建立:
步骤1.2.1:将风电的预测曲线与风电最大出力和最小出力之间的区间分别均匀划分为若干个小区间;
步骤1.2.2:统计预测误差带内风电出力落入各个小区间内的频数,得到风电出力在各小区间内的频率;
步骤1.2.3:将每一个区间落入数据的频率乘以各小区间的宽度,得到各个小区间的运行风险值;
步骤1.3:基于风电可接纳域得到运行风险模型;
所述步骤1.3的运行风险矩阵为:
所述风电可接纳域的上下界落在一个小区间的边界上,约束表示为:
其中,Nw为风电场数,T为总调度时段,Nu为弃风风险矩阵划分层数,Nv为切负荷风险矩阵划分层数,Uw,t,u为风电可接纳域上界变量,Uw,t,u=1表示w风电场t时段的风电可接纳域的上界位于第u个风电出力区间的边界,Vw,t,v为风电可接纳域的下界变量;
步骤2:基于步骤1的运行风险模型,将基于分时电价的需求响应纳入建立的计及运行风险的鲁棒机组组合模型,并采用奔德斯Benders分解法和列约束生成方法C&CG对鲁棒机组组合模型进行求解。
2.根据权利要求1所述的计及运行风险和需求响应的鲁棒机组组合方法,其特征在于:所述步骤1.1包括以下步骤:
步骤1.1.1:收集风电历史数据,包括风电预测值和实际出力;
步骤1.1.2:根据不同出力区间对历史数据分组,获得不同出力区间下的预测误差分布;
步骤1.1.3:结合各出力区间的预测误差分布,得到日前风电预测分布带。
3.根据权利要求1所述的计及运行风险和需求响应的鲁棒机组组合方法,其特征在于:所述步骤2中基于分时电价的需求响应表示为:
所述鲁棒机组组合模型的目标函数为:
基本场景下包括两个约束条件:
(1)A·Ib+B·pb+K·θb+Q·db≤g;
(2)C·w≤e;
不确定场景下包括三个约束条件:
基本场景下约束条件(1)表示基本场景下功率平衡、机组运行以及输电线路功率限制约束;基本场景下约束条件(2)表示风电不确定集合边界约束;不确定场景下约束条件(3)表示不确定场景下的弃风和切负荷限制;不确定场景下约束条件(4)表示不确定场景下的系统运行约束条件;不确定场景下约束条件(5)为系统变量的约束。
4.根据权利要求1所述的计及运行风险和需求响应的鲁棒机组组合方法,其特征在于:所述步骤2采用奔德斯分解法和列约束生成方法对鲁棒机组组合模型进行求解的过程包括以下步骤:
步骤2.1:通过奔德斯Benders分解法将鲁棒机组组合模型的原始模型分解为机组组合主问题和在不确定性下的可行性校验子问题;
步骤2.2:求解机组组合主问题,其目标函数为:
约束条件为:
A·Ib+B·pb+K·θb+Q·db≤g,C·w≤e,
可行性列约束生成最优割平面割集:pb≥0,Ib∈{0,1};
机组组合主问题为混合整数线性规划问题,采用Gurobi求解,机组组合主问题得到基本情况下的机组组合Ib和机组出力pb,对应基本情况的方案约束和所有最优割平面;
步骤2.3:求解可行性校验子问题,可行性校验子问题目标函数为:
约束条件为:
如果最坏场景下的弃风和切负荷大于0,则生成可行性列约束生成最优割平面并返回至步骤2.2的求解机组组合主问题,重新计算机组组合主问题和可接纳的风电不确定集合边界。
5.根据权利要求4所述的计及运行风险和需求响应的鲁棒机组组合方法,其特征在于:所述步骤2.3包括以下步骤:
步骤2.3.1:所述可行性校验子问题为Max-Min问题,内层的Min问题是线性问题,用对偶变换将其转化为单层问题,其目标函数为:
约束条件为:
步骤2.3.2:生成最坏场景下对应的列约束生成C&CG最优割平面,求解线性规划LP问题,如果最坏场景下的弃风和切负荷大于0,记弃风和切负荷总量为R,λ、zw的最优解为λk+1、zwk+1,在所述机组组合主问题中添加变量sk+1、和生成列约束生成最优割平面,如下式:
返回所述机组组合主问题,式中k表示迭代次数,k+1表示下一次迭代,wk+1表示第k次迭代得到的风电可接纳域边界,Ib表示发电机的开停机变量;pb表示基本场景下的发电机出力变量;θb表示基本场景下的节点相角;db表示基本场景下的需求响应w表示基本场景下优化得到的风电不确定集合边界变量;s表示不确定场景下的弃风和切负荷变量;pu表示不确定场景下的发电机出力;θu表示不确定场景下的节点相角;wu表示风电的不确定变量;a,b,c,f,g,e,h,A,B,C,K,E,F,R,G,H,M表示常系数矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910744012.8A CN110688725B (zh) | 2019-08-13 | 2019-08-13 | 一种计及运行风险和需求响应的鲁棒机组组合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910744012.8A CN110688725B (zh) | 2019-08-13 | 2019-08-13 | 一种计及运行风险和需求响应的鲁棒机组组合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110688725A CN110688725A (zh) | 2020-01-14 |
CN110688725B true CN110688725B (zh) | 2022-09-27 |
Family
ID=69108180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910744012.8A Active CN110688725B (zh) | 2019-08-13 | 2019-08-13 | 一种计及运行风险和需求响应的鲁棒机组组合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110688725B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112886572A (zh) * | 2021-01-21 | 2021-06-01 | 三峡大学 | 一种电网可再生能源消纳能力评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446383A (zh) * | 2016-09-14 | 2017-02-22 | 三峡大学 | 一种基于改进约束序优化的带安全约束的不确定性机组组合问题求解方法 |
CN107785935A (zh) * | 2017-12-07 | 2018-03-09 | 太原理工大学 | 计及风险及机组组合的电网风电消纳能力评估方法 |
CN109728605A (zh) * | 2019-03-01 | 2019-05-07 | 西安交通大学 | 基于机会约束igdt的风电场-输电网-储能联合规划方法 |
CN109980636A (zh) * | 2019-03-21 | 2019-07-05 | 上海电力学院 | 基于改进Benders分解法的风水火协调优化调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463697A (zh) * | 2014-11-28 | 2015-03-25 | 清华大学 | 含大规模风电电力系统的风险评估方法 |
-
2019
- 2019-08-13 CN CN201910744012.8A patent/CN110688725B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446383A (zh) * | 2016-09-14 | 2017-02-22 | 三峡大学 | 一种基于改进约束序优化的带安全约束的不确定性机组组合问题求解方法 |
CN107785935A (zh) * | 2017-12-07 | 2018-03-09 | 太原理工大学 | 计及风险及机组组合的电网风电消纳能力评估方法 |
CN109728605A (zh) * | 2019-03-01 | 2019-05-07 | 西安交通大学 | 基于机会约束igdt的风电场-输电网-储能联合规划方法 |
CN109980636A (zh) * | 2019-03-21 | 2019-07-05 | 上海电力学院 | 基于改进Benders分解法的风水火协调优化调度方法 |
Non-Patent Citations (6)
Title |
---|
Z.Zhang 等."Two-Stage Robust Security Constrained Unit Commitment Considering the Spatiotemporal Correlation of Uncertainty Prediction Error".《IEEE Access》.2019,(第7期), * |
仉梦林 等."基于可行性检测的考虑风电和需求响应的机组组合鲁棒优化方法".《中国电机工程学报》.2017,第38卷(第1期), * |
唐楠."柔性配置需求响应参与大规模风电消纳的调度模型研究".《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》.2017,(第2017-3期), * |
徐箭 等."基于扩展序列运算的含不确定性需求响应电力系统优化调度".《电力系统自动化》.2018,第42卷(第13期), * |
曹慧秋."计及需求响应的含风电电力系统日前经济调度".《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》.2018,(第2018-12期), * |
符杨 等."基于二阶段鲁棒优化模型的混合交直流配电网无功电压控制策略研究".《中国电机工程学报》.2019,第39卷(第16期), * |
Also Published As
Publication number | Publication date |
---|---|
CN110688725A (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Santos et al. | New multistage and stochastic mathematical model for maximizing RES hosting capacity—Part I: Problem formulation | |
Hu et al. | Toward optimal energy management of microgrids via robust two-stage optimization | |
US10509374B2 (en) | Systems and methods for managing power generation and storage resources | |
Mohammadi et al. | Scenario-based stochastic operation management of microgrid including wind, photovoltaic, micro-turbine, fuel cell and energy storage devices | |
CN110137955B (zh) | 一种计及CVaR的鲁棒机组组合调度的决策方法 | |
De Jonghe et al. | Value of price responsive load for wind integration in unit commitment | |
CN105046395B (zh) | 一种含多类型新能源的电力系统日内滚动计划编制方法 | |
CN106056256B (zh) | 一种平衡电力供需关系的互动化微网调度方法 | |
CN108599268B (zh) | 一种考虑风电场时空关联约束的日前优化调度方法 | |
He et al. | A two-stage robust optimal allocation model of distributed generation considering capacity curve and real-time price based demand response | |
Ding et al. | Optimal dispatching strategy for user-side integrated energy system considering multiservice of energy storage | |
CN110543693B (zh) | 一种计及运行风险的鲁棒机组组合方法 | |
CN112950098B (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
CN107800153B (zh) | 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法 | |
Xu et al. | Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation | |
CN108334997A (zh) | 基于支撑故障事件约束机组组合的备用优化方法和装置 | |
CN113224800A (zh) | 一种考虑寿命约束的计及灵活性储能优化调度方法 | |
CN113659620A (zh) | 基于动态频率约束的水风互补发电系统日前调度方法 | |
Zhong et al. | Chance constrained scheduling and pricing for multi-service battery energy storage | |
Zhang et al. | Frequency-constrained unit commitment for power systems with high renewable energy penetration | |
CN110688725B (zh) | 一种计及运行风险和需求响应的鲁棒机组组合方法 | |
Jiang et al. | Robust frequency risk-constrained unit commitment model for AC-DC system considering wind uncertainty | |
Tan et al. | Optimal planning of integrated electricity and heat system considering seasonal and short-term thermal energy storage | |
Mercurio et al. | Distributed control approach for community energy management systems | |
CN117217496A (zh) | 计及主从博弈的区域综合能源系统控制方法及装置 |
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 |