一种含水电的地区电网风光容量优化配置方法
技术领域
本发明涉及新能源电力系统技术领域,具体是一种含水电的地区电网风光容量优化配置方法。
背景技术
近年来,以风电、光伏为代表的新能源电源在应对气候变化、改善能源结构、保护生态环境等方面显示出越来越重要的作用,风电场和光伏电站高渗透率接入地区电网将是电力系统未来发展的重要特征。然而,新能源的快速发展也给地区电网带来一系列的问题,如目前风电和光伏接入地区电网的无序性,导致严重的“弃风”、“弃光”问题。因此,有必要合理优化配置地区电网的风电场和光伏电站装机容量。
现有的风光容量优化配置方法主要存在三个问题:1)只针对风电场或光伏电站的接入容量进行规划,但实际的地区电网可能同时富集风光资源,单独规划便割裂了风光出力的耦合关系;2)规划方案确定的新能源电场接入容量,存在一定的“弃风”、“弃光”和“弃水”,无法保证新能源的全额消纳,造成了资源的浪费;3)已有的风光容量优化配置方法较少考虑含水电的地区电网,未准确计及水电站的运行特性,未能提出适用于含水电的地区电网风光容量优化配置方法。因此,目前缺乏一种含水电的地区电网风光容量优化配置方法。
发明内容
本发明的目的是解决现有技术中存在的问题。
为实现本发明目的而采用的技术方案是这样的,一种含水电的地区电网风光容量优化配置方法,主要包括以下步骤:
1)确定待优化地区电网在春季、夏季、秋季、冬季的典型日,并获取待优化地区电网在各个典型日内的功率数据。
2)利用K均值聚类方法对电网数据进行处理,生成待优化地区电网在春季、夏季、秋季、冬季的典型场景,并分别计算每个典型场景发生的概率。
进一步,生成待优化地区电网在春季、夏季、秋季、冬季的典型场景的主要步骤如下:
1.1)基于待优化地区电网在春季、夏季、秋季、冬季的典型日,设置每个典型日内的功率采样点和功率采样时间间隔。
基于所述功率采样时间间隔,依次对典型日内的采样节点进行功率采样,获得典型日的采样点功率数据。基于采样点功率数据,将每个典型日划分为峰、平和谷三个时段。
1.2)根据采样点功率数据,分别建立典型日内峰、平和谷三个时段内的源荷功率原始场景。
各典型日的原始场景表示如下:
式中,P为典型日内建立的原始场景,
和
分别为第n个采样点在峰、平、谷时段内的第t个采样时刻的采样功率,n=1,2,…,N,N为采样点总数。
1.3)利用K均值聚类技术对原始场景进行聚类,主要步骤如下:
1.3.1)根据典型日峰、平和谷三个时段内的典型场景,分别在峰、平和谷三个时段内选取K个初始聚类中心。
1.3.2)计算峰、平和谷时段内的原始场景和对应时段内所有聚类中心的距离,并采用均值法更新迭代聚类中心直至收敛,进而分别在峰、平和谷时段内聚类生成K个类和K个聚类中心。
1.4)将峰、平和谷时段内生成的K个聚类中心和对应时段内的原始场景进行比较分析,分别计算每个原始场景和所有聚类中心的欧式距离,并选择与聚类中心欧式距离最小的原始场景替换聚类中心,更新后的聚类中心即为峰、平和谷时段内的典型场景。
1.5)各个典型场景发生的概率如下所示:
式中,k为典型场景的编号,Pk为第k个典型场景发生的概率,K为典型场景的总数,nk为典型场景k所代表的原始场景数量,N为原始场景总数,Tk为典型场景k所属的典型日在一年中所代表的天数。
3)设置待优化地区电网内风电场和光伏电站的待选接入点。
4)基于所述待选接入点,建立优化地区电网的目标函数和约束条件。所述约束条件包括风光装机容量约束、风光水消纳约束、功率平衡约束、机组出力约束、线路传输容量约束和水电站约束。
进一步,待优化地区电网的目标函数如下所示:
式中,w和pv分别表示风电场和光伏电站的编号,Nw和Npv分别为待选接入的风电场和光伏电站的总数,Yw和Ypv分别为第w个风电场和第pv个光伏电站的装机容量。
进一步,待优化地区电网的约束条件分别如公式(4)至公式(9)所示:
风光装机容量约束如下所示:
式中,α
w为第w个风电场单位容量占地面积。α
pv为第pv个光伏电站单位容量占地面积。
和
分别为待选接入点用于风电开发的面积最大值和最小值,
和
分别为待选接入点用于光伏开发的面积最大值和最小值。
风光水消纳约束如下所示:
式中,N
k为典型日内典型场景总数,k为典型场景的编号,N
h为电网内水电站总数,h为水电站的编号,k
w和k
pv分别为第k个典型场景下的第w座风电场和第pv座光伏电站的出力系数,也即风电场和光伏电站的实际出力与其容量的比值,ΔT
k为第k个典型场景所持续的时间,
和
分别为该地区电网内的风电场、光伏电站和水电站在某典型日的最大发电量。
为第k个典型场景下的第h座水电站的平均发电净水头。
功率平衡约束如下所示:
式中,
和
分别为节点i所连接的的火电站和水电站在第k个典型场景下的出力,
和
为节点i所连接的第w座风电场和第pv座光伏电站的容量,
为节点i所连接的负荷在第k个典型场景下的有功功率,
和
分别为节点i与节点j在第k个典型场景下的电压相角,
为节点i与节点j的支路导纳。i、j表示待优化地区电网节点。
机组出力约束如下所示:
式中,
和
分别为节点i所连接的火电站在第k个典型场景下的有功出力上下限,
和
分别为节点i所连接的风电场、光伏电站和水电站在第k个典型场景下的有功出力上限。
线路传输容量约束如下所示:
式中,为支路ij所允许的有功功率传输最大值。
水电站约束如下所示:
式中,η
h为第h座水电站的发电效率,
为第k个典型场景下的第h座水电站的发电流量,
为第k个典型场景下的第h座水电站的平均发电净水头,
为第k个典型场景下的第h座水电站的水库蓄水量,
为第k+1个典型场景下的第h座水电站的水库蓄水量,
为第k个典型场景下的第h座水电站的水库入库流量,
为第k个典型场景下的第h座水电站的水库出库流量,
和
分别为第h座水电站的水库蓄水量的最小值和最大值,
和
分别为第h座水电站发电流量的最小值和最大值。
5)基于待优化地区电网的约束条件,求解目标函数,优化水电站出力,从而计算得到待优化地区电网待选接入点的风电场和光伏电站的容量。
本发明的技术效果是毋庸置疑的。针对含水电的地区电网,本发明提出了一种风光容量优化配置方法,该方法准确计及了水电站的运行特性,实现地区电网内可再生能源的全额消纳,避免了弃风、弃光、弃水问题,完成了含水电的地区电网的风光容量优化配置,可为地区电网内的新能源发展规划提供参考。
附图说明
图1为含水电的地区电网风光容量优化配置方法的流程示意图;
图2为地区电网的网架结构;
图3为地区电网在春季典型日聚类生成的典型场景;
图4为地区电网在夏季典型日聚类生成的典型场景;
图5为地区电网在秋季典型日聚类生成的典型场景;
图6为地区电网在冬季典型日聚类生成的典型场景。
具体实施方式
下面结合实施例对本发明作进一步说明,但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。
实施例1:
一种含水电的地区电网风光容量优化配置方法,主要包括以下步骤:
1)确定待优化地区电网在春季、夏季、秋季、冬季的典型日,并获取待优化地区电网在各个典型日内的功率数据。
2)利用K均值聚类方法对电网数据进行处理,生成待优化地区电网在春季、夏季、秋季、冬季的典型场景,并分别计算每个典型场景发生的概率。
进一步,生成待优化地区电网在春季、夏季、秋季、冬季的典型场景的主要步骤如下:
2.1)基于待优化地区电网在春季、夏季、秋季、冬季的典型日,设置每个典型日内的功率采样点和功率采样时间间隔。
基于所述功率采样时间间隔,依次对典型日内的采样节点进行功率采样,获得典型日的采样点功率数据。基于采样点功率数据,将每个典型日划分为峰、平和谷三个时段。
2.2)根据采样点功率数据,分别建立典型日内峰、平和谷三个时段内的源荷功率原始场景。
各典型日的原始场景表示如下:
式中,P为典型日内建立的原始场景,
和
分别为第n个采样点在峰、平、谷时段内的第t个采样时刻的采样功率,n=1,2,…,N,N为采样点总数。
2.3)利用K均值聚类技术对原始场景进行聚类,主要步骤如下:
2.3.1)根据典型日峰、平和谷三个时段内的典型场景,分别在峰、平和谷三个时段内选取K个初始聚类中心。
2.3.2)计算峰、平和谷时段内的原始场景和对应时段内所有聚类中心的距离,并采用均值法更新迭代聚类中心直至收敛,进而分别在峰、平和谷时段内聚类生成K个类和K个聚类中心。
2.4)将峰、平和谷时段内生成的K个聚类中心和对应时段内的原始场景进行比较分析,分别计算每个原始场景和所有聚类中心的欧式距离,并选择与聚类中心欧式距离最小的原始场景替换聚类中心,更新后的聚类中心即为峰、平和谷时段内的典型场景。
2.5)各个典型场景发生的概率如下所示:
式中,k为典型场景的编号,Pk为第k个典型场景发生的概率,K为典型场景的总数,nk为典型场景k所代表的原始场景数量,N为原始场景总数,Tk为典型场景k所属的典型日在一年中所代表的天数。
3)设置待优化地区电网内风电场和光伏电站的待选接入点。
4)基于所述待选接入点,建立优化地区电网的目标函数和约束条件。所述约束条件包括风光装机容量约束、风光水消纳约束、功率平衡约束、机组出力约束、线路传输容量约束和水电站约束。
进一步,待优化地区电网的目标函数如下所示:
式中,w和pv分别表示风电场和光伏电站的编号,Nw和Npv分别为待选接入的风电场和光伏电站的总数,Yw和Ypv分别为第w个风电场和第pv个光伏电站的装机容量。
进一步,待优化地区电网的约束条件分别如公式(4)至公式(9)所示:
风光装机容量约束如下所示:
式中,α
w为第w个风电场单位容量占地面积。α
pv为第pv个光伏电站单位容量占地面积。
和
分别为待选接入点用于风电开发的面积最大值和最小值,
和
分别为待选接入点用于光伏开发的面积最大值和最小值。
风光水消纳约束如下所示:
式中,N
k为典型日内典型场景总数,k为典型场景的编号,N
h为电网内水电站总数,h为水电站的编号,k
w和k
pv分别为第k个典型场景下的第w座风电场和第pv座光伏电站的出力系数,也即风电场和光伏电站的实际出力与其容量的比值,ΔT
k为第k个典型场景所持续的时间,
和
分别为该地区电网内的风电场、光伏电站和水电站在某典型日的最大发电量。
为第k个典型场景下的第h座水电站的平均发电净水头。净水头为毛水头减去水头损失的值,毛水头为上游水位和下游水位的差值。
功率平衡约束如下所示:
式中,
和
分别为节点i所连接的的火电站和水电站在第k个典型场景下的出力,
和
为节点i所连接的第w座风电场和第pv座光伏电站的容量,
为节点i所连接的负荷在第k个典型场景下的有功功率,
和
分别为节点i与节点j在第k个典型场景下的电压相角,
为节点i与节点j的支路导纳。i、j表示待优化地区电网节点。
机组出力约束如下所示:
式中,
和
分别为节点i所连接的火电站在第k个典型场景下的有功出力上下限,
和
分别为节点i所连接的风电场、光伏电站和水电站在第k个典型场景下的有功出力上限。
线路传输容量约束如下所示:
水电站约束如下所示:
式中,η
h为第h座水电站的发电效率,
为第k个典型场景下的第h座水电站的发电流量,
为第k个典型场景下的第h座水电站的平均发电净水头,
为第k个典型场景下的第h座水电站的水库蓄水量,
为第k+1个典型场景下的第h座水电站的水库蓄水量,
为第k个典型场景下的第h座水电站的水库入库流量,
为第k个典型场景下的第h座水电站的水库出库流量,
和
分别为第h座水电站的水库蓄水量的最小值和最大值,
和
分别为第h座水电站发电流量的最小值和最大值。
5)基于待优化地区电网的约束条件,求解目标函数,优化水电站出力,从而计算得到待优化地区电网待选接入点的风电场和光伏电站的容量。
实施例2:
一种含水电的地区电网风光容量优化配置方法,主要包括以下步骤:
1)确定待优化地区电网在春季、夏季、秋季、冬季的典型日,并获取待优化地区电网在各个典型日内的功率数据。
2)利用K均值聚类方法对电网数据进行处理,生成待优化地区电网在春季、夏季、秋季、冬季的典型场景,并分别计算每个典型场景发生的概率。
3)设置待优化地区电网内风电场和光伏电站的待选接入点。
4)基于所述待选接入点,以电网内新能源装机容量最大为目标,建立优化地区电网的目标函数和约束条件;所述约束条件包括风光装机容量约束、风光水消纳约束、功率平衡约束、机组出力约束、线路传输容量约束和水电站约束。
5)基于待优化地区电网的约束条件,求解目标函数,从而计算得到待优化地区电网待选接入点的风电场和光伏电站的容量。
实施例3:
一种含水电的地区电网风光容量优化配置方法,主要步骤见实施例2,其中,生成待优化地区电网在春季、夏季、秋季、冬季的典型场景的主要步骤如下:
1)基于待优化地区电网在春季、夏季、秋季、冬季的典型日,设置每个典型日内的功率采样点和功率采样时间间隔。
基于所述功率采样时间间隔,依次对典型日内的采样节点进行功率采样,获得典型日的采样点功率数据。基于采样点功率数据,将每个典型日划分为峰、平和谷三个时段。
2)根据采样点功率数据,分别建立典型日内峰、平和谷三个时段内的源荷功率原始场景。
各典型日的原始场景表示如下:
式中,P为典型日内建立的原始场景,
和
分别为第n个采样点在峰、平、谷时段内的第t个采样时刻的采样功率,n=1,2,…,N,N为采样点总数。
3)利用K均值聚类技术对原始场景进行聚类,主要步骤如下:
3.1)根据典型日峰、平和谷三个时段内的典型场景,分别在峰、平和谷三个时段内选取K个初始聚类中心。
3.2)计算峰、平和谷时段内的原始场景和对应时段内所有聚类中心的距离,并采用均值法更新迭代聚类中心直至收敛,进而分别在峰、平和谷时段内聚类生成K个类和K个聚类中心。
4)将峰、平和谷时段内生成的K个聚类中心和对应时段内的原始场景进行比较分析,分别计算每个原始场景和所有聚类中心的欧式距离,并选择与聚类中心欧式距离最小的原始场景替换聚类中心,更新后的聚类中心即为峰、平和谷时段内的典型场景。
5)各个典型场景发生的概率如下所示:
式中,k为典型场景的编号,Pk为第k个典型场景发生的概率,K为典型场景的总数,nk为典型场景k所代表的原始场景数量,N为原始场景总数,Tk为典型场景k所属的典型日在一年中所代表的天数。
实施例4:
一种含水电的地区电网风光容量优化配置方法,主要步骤见实施例2,其中,目标函数如下所示:
式中,w和pv分别表示风电场和光伏电站的编号,Nw和Npv分别为待选接入的风电场和光伏电站的总数,Yw和Ypv分别为第w个风电场和第pv个光伏电站的装机容量。
实施例5:
一种含水电的地区电网风光容量优化配置方法,主要步骤见实施例2,其中,待优化地区电网的约束条件分别如下所示:
风光装机容量约束如下所示:
式中,α
w为第w个风电场单位容量占地面积。α
pv为第pv个光伏电站单位容量占地面积。
和
分别为待选接入点用于风电开发的面积最大值和最小值,
和
分别为待选接入点用于光伏开发的面积最大值和最小值。
风光水消纳约束如下所示:
式中,N
k为典型日内典型场景总数,k为典型场景的编号,N
h为电网内水电站总数,h为水电站的编号,k
w和k
pv分别为第k个典型场景下的第w座风电场和第pv座光伏电站的出力系数,也即风电场和光伏电站的实际出力与其容量的比值,ΔT
k为第k个典型场景所持续的时间,
和
分别为该地区电网内的风电场、光伏电站和水电站在某典型日的最大发电量。
为第k个典型场景下的第h座水电站的平均发电净水头。
功率平衡约束如下所示:
式中,
和
分别为节点i所连接的的火电站和水电站在第k个典型场景下的出力,
和
为节点i所连接的第w座风电场和第pv座光伏电站的容量,
为节点i所连接的负荷在第k个典型场景下的有功功率,
和
分别为节点i与节点j在第k个典型场景下的电压相角,
为节点i与节点j的支路导纳。i、j表示待优化地区电网节点。
机组出力约束如下所示:
式中,
和
分别为节点i所连接的火电站在第k个典型场景下的有功出力上下限,
和
分别为节点i所连接的风电场、光伏电站和水电站在第k个典型场景下的有功出力上限。
线路传输容量约束如下所示:
水电站约束如下所示:
式中,η
h为第h座水电站的发电效率,
为第k个典型场景下的第h座水电站的发电流量,
为第k个典型场景下的第h座水电站的平均发电净水头,
为第k个典型场景下的第h座水电站的水库蓄水量,
为第k+1个典型场景下的第h座水电站的水库蓄水量,
为第k个典型场景下的第h座水电站的水库入库流量,
为第k个典型场景下的第h座水电站的水库出库流量,
和
分别为第h座水电站的水库蓄水量的最小值和最大值,
和
分别为第h座水电站发电流量的最小值和最大值。
实施例6:
一种验证含水电的地区电网风光容量优化配置方法的实验,主要步骤如下:
1)获取地区电网在春季、夏季、秋季、冬季的典型日,以及收资地区电网在各个典型日内的数据。以我国南方某市的110kV地区电网作为实施例,该地区电网的网架结构如图2所示。该地区电网共有19个节点,节点1是该地区电网的平衡节点,地区电网通过节点1同外部电网进行电能的交换;节点3连接该地区电网已投运的风电场;节点7连接该地区电网已投运的光伏电站;节点14、15和16连接该地区电网已投运的水电站;节点17和节点19将作为该地区电网风电场的待选接入点,节点18将作为该地区电网光伏电站的待选接入点。分别在春季、夏季、秋季、冬季各选取一典型日,其中,春季选择了3月21日,夏季选择了8月5日,秋季选取10月21日,冬季选择了12月15日。
2)利用K均值聚类技术聚类生成地区电网在春季、夏季、秋季、冬季各个典型日内的典型场景,并获得各个典型场景的概率。
选择地区电网的节点1-16作为功率采样点,每隔15min对各采样点进行一次功率采样获得各个节点的原始数据,并将各个典型日划分为峰、平、谷三个时段,典型日内的峰、平和谷时段划分情况如表1所示。
表1典型日内的峰、平和谷时段划分情况
根据采样获得的原始数据,建立峰、平、谷三个时段内的原始场景,并采用K均值聚类技术分别在各个典型日的峰、平和谷时段内生成典型场景,并计算典型场景发生的概率。
图3至图6为春季、夏季、秋季、冬季典型日内的典型场景生成结果,表2为春季、夏季、秋季、冬季典型日内的典型场景发生的概率。
表2各个典型日内的典型场景发生的概率
3)该地区电网计划将在节点17和节点19接入风电场、节点18接入光伏电站,该地区电网内的风电场和光伏电站在各个典型场景下的出力系数如表3所示。
表3各个典型日内的典型场景下的出力系数
4)基于风电场和光伏电站的待选接入点,建立地区电网的目标函数和约束条件,利用优化求解算法优化求解得到地区电网待选接入点的风/光装机容量。
基于测试网络和典型场景数据,利用水电站的灵活调节作用,实现地区电网内的可再生能源全额消纳,计算出待选接入点风电场和光伏电站的装机容量,计算结果如表4所示,经计算,该地区电网的风光装机容量最大为87.10MW。
表4地区电网内的风光装机容量
待选接入点 |
新能源电站类型 |
装机容量(MW) |
节点17 |
风电场 |
16.72 |
节点18 |
光伏电站 |
32.69 |
节点19 |
风电场 |
37.69 |