CN110854933B - 利用灵活性资源的月度机组组合优化方法 - Google Patents

Abstract

本发明公开了利用灵活性资源的月度机组组合优化方法，包括获取电力系统的基础数据；计算日前尺度灵活性资源削峰能力；计算、形成削峰后的每日负荷曲线；建立火电机组的月度机组组合优化模型；对月度机组组合优化模型进行求解，得到机组月度生产计划。本发明能够减少月度计划为满足短时负荷高峰中对火电开机容量的要求，也减少了常规火电机组总的最小出力，增加了系统的下旋备用，增强系统新能源消纳能力，使系统能够在连续大风的情况下，消纳更多的新能源，具有重要的现实意义。

Description

利用灵活性资源的月度机组组合优化方法

技术领域

本发明属于电力系统发电调度领域，具体涉及一种利用灵活性资源的月度机组组合优化方法。

背景技术

现有的机组组合优化算法，主要考虑计划电量的执行、减少机组启动次数并保证投运机组一定的负载率，约束主要为最高负荷情况下系统安全性等，随着新能源大规模接入电网，在月度机组组合计划中，考虑新能源影响也逐渐引起学者关注。

在我国北方，冬季造成弃风的主要原因是为了在风电、光伏出力很小时，系统仍有足够的发电能力，必须保持常规机组一定的开机数，而常规火电机组出力下限通常为额定装机容量的40％～50％，同时供热机组一般不参加调峰，使得系统在风电出力大的时候，下调峰能力不足，从而被迫弃风。大规模风、光电源接入后，新能源出力的波动性和随机性对系统灵活性资源提出了更多需求；另一方面，常规机组的灵活性改造，如抽气储热，或电储热锅炉，以及储能电池及抽水蓄能电站等也为电网提供了常规水火电机组以外，新的灵活性资源。

发明内容

本发明的技术问题是现有的机组组合算法的主要考虑计划电量的执行、减少机组启动次数并保证投运机组一定的负载率，约束主要为最高负荷情况下系统安全性，未充分利用新能源，弃风弃光时有发生，未充分利用灵活性资源的削峰能力，导致火电机组在制定月度计划时，可能会为满足持续时间较短的峰值负荷而开启过多的机组，峰值负荷过后使得系统整体下旋备用不足，不得不进行弃风甚至关停机组，降低了系统新能源消纳能力以及经济性。

本发明的目的是解决上述问题，提供一种利用灵活性资源的月度机组组合优化方法，优化目标考虑开停机费用最小，系统常规火电机组最低出力最小以及各电厂最大可供电量偏差值最小，从灵活性需求和灵活性资源优化匹配的角度出发，在日前或日内滚动计划中将持续时间较短的尖峰或低谷负荷，用灵活性改造后的火电机组或抽蓄电站来匹配，减少月度计划为满足短时负荷高峰中对火电开机容量的要求，减少常规火电总的最小出力，并能够在连续大风的情况下，消纳更多的新能源。

本发明的技术方案是利用灵活性资源的月度机组组合优化方法，包括以下步骤，

步骤1：获取电力系统的基础数据，基础数据包括联络线购售电计划、电力系统各电厂的月度计划、各火电机组信息、月度每日负荷数据以及灵活性资源信息；

步骤2：计算日前尺度灵活性资源削峰能力；

步骤3：计算、形成削峰后的每日负荷曲线；

步骤4：建立火电机组的月度机组组合优化模型；

步骤5：对月度机组组合优化模型进行求解，得到月度生产计划。

进一步的，所述基础数据，包括

1)联络线购售电计划；

2)电力系统中各电厂信息：电厂数量H，电厂j的月度计划电量Q_j；

3)电力系统中火电机组信息：火电机组总台数N，火电机组编号i，每台火电机组的最大有功出力P_i,max和最小有功出力P_i,min，每台火电机组启动一次的成本

每台火电机组停机一次的成本

4)月度每日负荷数据；

5)灵活性资源：灵活性资源总容量P_flex、最大放电功率P_max、最大功率下总工作时间T_max；

6)t日除新能源以及联络线购售电计划之外的负荷需求E_t以及热负荷需求Q_load,t。

进一步的，步骤2中，所述计算日前尺度灵活性资源削峰能力，采用日负荷削峰算法，日负荷削峰算法包括：首先将日负荷按降序排序，得到日负荷序列L_n，n∈[1,24]；根据灵活性资源调峰能力受最大放电功率P_max、最大功率下总工作时间T_max，计算出最大放电功率约束下可削峰日负荷最大序号N_X，即求取日负荷峰值L₁与L_n的差值Δ_n，N_X取满足Δ_n≤P_max时L_n的最大序号；其次，得到最大放电功率约束下可削峰日负荷最大序号N_X之后，计算灵活性资源最大削峰容量S_max约束下的削峰后负荷峰值L′_max，S_max＝P_maxT_max。

进一步的，所述火电机组的月度机组组合优化模型的目标函数为

式中N为火电机组总数；T为总时段数；

为机组i在t日的启动变量，为0-1整数变量；

表示机组i在t日的停机变量，为0-1整数变量；

表示机组i停机一次的成本，

表示机组i开机一次的成本；M₁为最低出力权重系数；β_i,t表示机组i在t日的启停状态，为0-1整数变量；P_i,min为机组i最小技术出力；M₂为在线时间偏差惩罚系数；H为电厂数量；Q_j,max、Q'_j,max分别为电厂j最大可供电量实际值以及最大可供电量估算值。

进一步的，所述火电机组的月度机组组合优化模型的约束条件，包括：

1)火电机组出力约束：

为保证系统运行的安全性、可靠性，机组开机方式的最小、最大总出力考虑：

101)常规火电机组的最大出力大于计算周期内负荷与联络线售电与最小旋转备用之和的最大值，这样在最保守的情况下，新能源出力为0，系统也能保证不切负荷，保证用户正常用电，约束的表达式为

式中P_i,max为机组i最大出力；L_t为t日的负荷，

为t日的联络线购电量；R_t,min为t日最小旋转备用容量；

102)常规火电机组的最小总出力小于计算周期内负荷与联络线售电之和最小值，否则将风电、光伏全切除时，系统发电仍大于负荷，无法做到发电、负荷平衡，约束的表达式为

式中，

为t日的联络线售电量；

103)冬季供热时期，供热机组开机和出力满足热负荷出力要求，以保证用户日常生活需要，约束的表达式为

Q_chp,t＝Q_load,t

式中Q_chp,t、Q_load,t分别为t日的供热机组热出力以及热负荷；

2)备用约束，约束的表达式为

其中，E_t,min、E_t,max分别为t日的除新能源以及联络线购售电计划之外的最小负荷需求和最大负荷需求；

分别为t日的正负旋转备用；

3)最大启动次数约束

该式表示优化周期内每台机组启停次数小于2次；

4)火电机组启停逻辑约束

5)火电机组最小开停持续时间约束

该式表示火电机组i开机后3天内不能停机，停机后3天内不准开机；

6)电厂最大可供电量约束

式中，

分别为电厂j最大可供电量上下限；

7)电厂最小运行机组数约束

式中，

表示在确保系统安稳运行的条件下，电厂j最少运行机组台数；

8)电厂人手约束

该式表示受电厂人数限制，电厂每日最多启动或者关停一台机组。

优选地，上述的月度机组组合优化模型的求解，采用线性规划方法。

相比现有技术，本发明的有益效果是在月度机组组合目标函数中引入系统常规火电机组总最低出力项，以提高系统下旋备用，并提出了一种估算储热、储能电站及抽水蓄能电站在日前或日内滚动计划中“削峰填谷”算法，在日前或日内滚动计划中将持续时间较短的尖峰或低谷负荷，用灵活性改造后的火电机组或抽蓄电站来匹配，通过“削峰填谷”，减少月度计划为满足短时负荷高峰中对火电开机容量的要求，这样也减少了常规火电总的最小出力，能够在连续大风的情况下，消纳更多的新能源。该方法可广泛应用于可再生能源资源丰富的省级电网中，为电网管理人员制定适应可再生能源高比例消纳的政策提供科学及时的决策依据，为电网运行人员制定考虑大规模新能源接入的月度调度计划提供方法。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1为利用灵活性资源的月度机组组合优化方法的流程图。

图2为确定可削峰日负荷最大序号N_X的流程图。

图3为削峰后负荷峰值计算流程图。

图4为实施例的削峰示意图。

图5为实施例的削峰前后日负荷对比图。

图6为实施例的未利用灵活性资源调度优化结果的示意图。

图7为实施例的利用灵活性资源调度优化结果的示意图。

具体实施方式

如图1所示，利用灵活性资源的月度机组组合优化方法，包括以下步骤，

步骤1：获取电力系统的基础数据，

1)获取系统中各电厂信息，包括：电厂数量H，电厂j的月度计划电量Q_j；

2)获取系统中各火电机组信息，包括：火电机组总台数N，火电机组编号i，每台火电机组的最大有功出力P_i,max和最小有功出力P_i,min，每台火电机组启动一次的成本

每台火电机组停机一次的成本

3)获取灵活性资源总容量P_flex、最大放电功率P_max、最大功率下总工作时间T_max；

4)获取月度每日负荷数据L_n；

5)获取t日除新能源以及联络线购售电计划之外的负荷需求E_t以及热负荷需求Q_load,t；

步骤2：计算日前尺度灵活性资源削峰能力；

步骤3：形成新的日最大负荷曲线

通过对日负荷进行削峰，得到新的日负荷峰值，确定新的日开机容量，即可放宽月度计划中对火电开机容量的限制。

步骤4：建立火电机组月度机组组合优化模型；该模型由目标函数和约束条件构成；

步骤5：通过线型规划求解模型，该模型为混合整数线型规划模型，调用成熟的线型规划软件包进行求解，如GLPK。

步骤2中，所述计算日前尺度灵活性资源削峰能力，采用日负荷削峰算法，日负荷削峰算法包括：首先将日负荷按降序排序，得到日负荷序列L_n，n∈[1,24]。由于灵活性资源调峰能力受最大放电功率P_max、最大功率下总工作时间T_max所限制，所以首先要计算出最大放电功率约束下可削峰日负荷最大序号N_X，即求取日负荷峰值L₁与L_n的差值Δ_n，N_X取满足Δ_n≤P_max时L_n的最大序号，计算流程如图2所示。其次，得到最大放电功率约束下可削峰日负荷最大序号N_X之后，计算灵活性资源最大削峰容量S_max约束下的削峰后负荷峰值L′_max，计算流程如图3所示。图3中，S_max＝P_maxT_max；q为计算循环次数；S_q为已削峰总容量；N_K为可削峰日负荷最大序号；ΔS为剩余可削峰容量；ΔP为剩余容量约束下可削峰功率，ΔP应满足

否则最大削峰功率超过了灵活性资源最大放电功率P_max。

步骤4中，确定火电机组月度机组组合优化模型目标函数：月度机组组合应安排合理，使得机组持续运行，减少机组启停次数。而且，为提高系统新能源消纳能力，火电机组的最小总出力应尽量小，从而确保系统有足够的下旋备用。同时，要保证各电厂月度计划电量的完成以及各电厂负载率均衡，由于实际电网中，各电厂月度计划电量往往差别较大，甚至相差两个数量级，目标函数通过考虑各电厂最大可供电量偏差最小来保证各电厂月度计划的完成以及各电厂负载率均衡，并在约束条件中增加各电厂最大可供电量上下限，以保证各电厂都在一定的在线运行时间。

综上，目标函数综合考虑开停机费用最小，系统常规火电机组最低出力最小以及各电厂最大可供电量偏差值最小，目标函数为

式中N为火电机组总数；T为总时段数；

表示机组i在t日的启动变量，为0-1整数变量；

表示机组i在t日的停机变量，为0-1整数变量；

表示机组i停机一次的成本，

表示机组i开机一次的成本。M₁为最低出力权重系数；β_i,t表示机组i在t日的启停状态，为0-1整数变量；P_i,min为机组i最小技术出力；M₂为在线时间偏差惩罚系数；H为电厂数量；Q_j,max、Q'_j,max分别为电厂j最大可供电量实际值以及最大可供电量估算值。

电厂最大可供电量估算值可通过估算系统平均负载率进行计算。首先设置t日开机容量P_t：

P_t＝L_t,max+RC_t

式中L_t,max为t日最大负荷；RC_t为t日系统安全备用容量。

然后计算系统平均负载率

式中Q_j为电厂j的月度计划电量，24P_t为t日最大可能发电量。则电厂各机组在线时间w_i可由下式获得：

式中i∈j表示属于电厂j的机组i；P_i为机组i的容量。则电厂j最大可供电量估算值为：

为简化计算，还需将最大可供电量偏差|Q_j,max-Q'_j,max|转换为线性函数。令x_j＝|Q_j,max-Q'_j,max|，引入两个非负决策变量u_j、v_j，对于任意的x_j，存在u_j,v_j≥0，满足x_j＝u_j-v_j，|x_j|＝u_j+v_j。

确定模型的约束条件，具体如下：

1)火电机组出力约束：

为保证系统运行的安全性、可靠性，机组开机方式的最小、最大总出力考虑：

101)常规火电机组的最大出力应大于计算周期内负荷与联络线售电与最小旋转备用之和的最大值，这样在最保守的情况下，新能源出力为0，系统也能保证不切负荷，保证用户正常用电。约束的表达式为

式中P_i,max为机组i最大出力；L_t为t日的负荷，

为t日的联络线购电量；R_t,min为t日最小旋转备用容量。

102)常规火电机组的最小总出力应小于计算周期内负荷与联络线售电之和最小值，否则将风电、光伏全切除时，系统发电仍大于负荷，无法做到发电、负荷平衡。约束的表达式为

式中

为t日的联络线售电量。

103)冬季供热时期，供热机组开机和出力应满足热负荷出力要求，以保证用户日常生活需要。约束的表达式为

Q_chp,t＝Q_load,t

式中，Q_chp,t、Q_load,t分别为t日的供热机组热出力以及热负荷。

2)备用约束：

其中E_t,min、E_t,max分别为t日的除新能源以及联络线购售电计划之外的最小负荷需求和最大负荷需求；

分别为t日的正负旋转备用。

3)最大启动次数约束

该式表示优化周期内每台机组启停次数小于2次。

4)火电机组启停逻辑约束：

5)火电机组最小开停持续时间约束：

该式表示火电机组i开机后3天内不能停机，停机后3天内不准开机。

6)电厂最大可供电量约束

式中

分别为电厂j最大可供电量上下限。

7)电厂最小运行机组数约束

式中

表示在确保系统安稳运行的条件下，电厂j最少运行机组台数。

8)电厂人手约束

该式表示受电厂人数限制，电厂每日最多启动或者关停一台机组。

采用华北某地电网2018年3月实际运行数据，系统规模为58个常规火电厂共138台机组，灵活性资源放电最大功率为1000MW，含抽蓄电站和电池储能装置，满功率放电时间为2小时。所建优化调度模型为混合整数线性规划模型，共有10423个决策变量，其中0-1整数变量有10262个，约束条件数目为13481，采用自由软件项目GNU的线性规划软件包GLPK进行求解。因为问题规模较大，且多为0-1变量，采用了Fischetti-Monaci邻近搜索启发式算法。该算法能够快速改进混合整数规划问题的可行解，使得一些需要很长时间才能得到最优解的问题快速获得次优解，大大提高了求解速率。

首先采用本发明的日负荷削峰算法对优化周期内每日的日负荷曲线进行削峰。选取任一日负荷为案例，削峰示意图如图4所示。削峰前后日负荷对比如图5所示。

分别采用本发明的利用日前灵活性资源削峰填谷效益的月度优化调度模型、未考虑灵活性资源的月度优化调度模型进行求解，并将所得优化结果与历史实际调度结果进行对比，对比结果如图6、图7和表1所示。

从电力的角度上，由图6可以看出，本发明的优化调度模型在未考虑日前尺度灵活性资源的削峰填谷效益时，日最大发电总出力小于历史实际调度结果，但满足系统日最大负荷与安全备用总需求；日最小发电总出力小于历史实际调度结果，增大了系统的下旋备用，提升了系统对新能源的消纳能力。从图7可以看出，在计及新能源的日前削峰填谷能力后，系统日最大负荷与安全备用之和在削峰后有所降低，放宽了月度开机容量的限制，使得日最小发电总出力进一步减小，系统下旋备继续增大，系统新能源消纳能力显著增强，大大增强了系统在连续大风的情况下对新能源的消纳能力。

从电量的角度上，从表1可以看出，本发明的优化调度模型在未考虑灵活性资源时，月总可消纳新能源电量最大值较优化前提高了56005万度，提升了14.5％，系统新能源消纳能力有所提高。月总可供电量偏差减小了3.6％。月总开机次数减少了4次，月负载率均值提高了14.7％，机组经济性有所增强。而利用灵活性资源日前尺度的调峰效益之后，月总可消纳新能源电量进一步增大，较优化前增加了116224.9万度，提升了30％，系统新能源消纳能力显著增强。月总开机次数减少了2次，月负载率均值较优化前提高了17.5％，机组经济性进一步提高。但由于实际电力系统中，电厂之间的月度电量相差很大，往往相差两个数量级，而目标函数考虑的是各电厂最大可供电量偏差绝对值最小，因此月负载率均方差有所增大。该月计划电量数为1657468万度。

表1优化结果对比表

Claims (4)

1.利用灵活性资源的月度机组组合优化方法，其特征在于，包括以下步骤，

步骤1：获取电力系统的基础数据，基础数据包括联络线购售电计划、电力系统各电厂的月度计划、各火电机组信息、月度每日负荷数据以及灵活性资源信息；

步骤2：计算日前尺度灵活性资源削峰能力；

步骤3：计算、形成削峰后的每日负荷曲线；

步骤4：建立火电机组的月度机组组合优化模型；

步骤5：对月度机组组合优化模型进行求解，得到月度生产计划；

所述基础数据，包括

1)联络线购售电计划；

2)电力系统中各电厂信息：电厂数量H，电厂j的月度计划电量Q_j；

3)电力系统中火电机组信息：火电机组总台数N，火电机组编号i，每台火电机组的最大有功出力P_i,max和最小有功出力P_i,min，每台火电机组启动一次的成本

每台火电机组停机一次的成本

4)月度每日负荷数据L_n；

5)灵活性资源：灵活性资源总容量P_flex、最大放电功率P_max、最大功率下总工作时间T_max；

6)t日除新能源以及联络线购售电计划之外的负荷需求E_t以及热负荷需求Q_load,t；

步骤2中，所述计算日前尺度灵活性资源削峰能力，首先将日负荷按降序排序，得到日负荷序列L_n，n∈[1,24]；根据灵活性资源调峰能力受最大放电功率P_flex、最大功率下总工作时间T_max，计算出最大放电功率约束下可削峰日负荷最大序号N_X，即求取日负荷峰值L₁与L_n的差值Δ_n，N_X取满足Δ_n≤P_max时L_n的最大序号；

得到最大放电功率约束下可削峰日负荷最大序号N_X之后，计算灵活性资源最大削峰容量S_max约束下的削峰后负荷峰值L′_max，S_max＝P_maxT_max。

2.根据权利要求1所述的利用灵活性资源的月度机组组合优化方法，其特征在于，所述火电机组的月度机组组合优化模型的目标函数为

式中N为火电机组总数；T为总时段数；

为机组i在t日的启动变量，为0-1整数变量；

表示机组i在t日的停机变量，为0-1整数变量；

表示机组i停机一次的成本，

表示机组i开机一次的成本；M₁为最低出力权重系数；β_i,t表示机组i在t日的启停状态，为0-1整数变量；P_i,min为机组i最小技术出力；M₂为在线时间偏差惩罚系数；H为电厂数量；Q_j,max、Q'_j,max分别为电厂j最大可供电量实际值以及最大可供电量估算值。

3.根据权利要求2所述的利用灵活性资源的月度机组组合优化方法，其特征在于，所述火电机组的月度机组组合优化模型的约束条件，包括：

1)火电机组出力约束：

为保证系统运行的安全性、可靠性，机组开机方式的最小、最大总出力考虑：

101)常规火电机组的最大出力大于计算周期内负荷与联络线售电与最小旋转备用之和的最大值，这样在最保守的情况下，新能源出力为0，系统也能保证不切负荷，保证用户正常用电，约束的表达式为

式中P_i,max为机组i最大出力；L_t为t日的负荷，

为t日的联络线购电量；R_t,min为t日最小旋转备用容量；

102)常规火电机组的最小总出力小于计算周期内负荷与联络线售电之和最小值，否则将风电、光伏全切除时，系统发电仍大于负荷，无法做到发电、负荷平衡，约束的表达式为

式中，

为t日的联络线售电量；

103)冬季供热时期，供热机组开机和出力满足热负荷出力要求，以保证用户日常生活需要，约束的表达式为

Q_chp,t＝Q_load,t

式中Q_chp,t、Q_load,t分别为t日的供热机组热出力以及热负荷；

2)备用约束，约束的表达式为

其中，E_t,min、E_t,max分别为t日的除新能源以及联络线购售电计划之外的最小负荷需求和最大负荷需求；

分别为t日的正负旋转备用；

3)最大启动次数约束

该式表示优化周期内每台机组启停次数小于2次；

4)火电机组启停逻辑约束

5)火电机组最小开停持续时间约束

该式表示火电机组i开机后3天内不能停机，停机后3天内不准开机；

6)电厂最大可供电量约束

式中，

分别为电厂j最大可供电量上下限；

7)电厂最小运行机组数约束

式中，

表示在确保系统安稳运行的条件下，电厂j最少运行机组台数；

8)电厂人手约束

该式表示受电厂人数限制，电厂每日最多启动或者关停一台机组。

4.根据权利要求1-3任意一项所述的利用灵活性资源的月度机组组合优化方法，其特征在于，所述对月度机组组合优化模型进行求解，采用线性规划方法。

Images