CN111049193A - 一种风电系统多调度场景的备用需求动态评估方法 - Google Patents

Abstract

本发明提出了一种风电系统多调度场景的备用需求动态评估方法。本发明综合考虑含风电电力系统源荷侧不确定性，将同一历史时段的风电、负荷预测值和实测值组成数据组；根据预测值对数据组进行均匀分箱，采用通用分布模型对箱内系统误差分布规律进行拟合，获取系统误差概率分布曲线；根据分布曲线得到失效向上/向下备用容量、切负荷量和弃风量的期望；将不可解析的四种期望表达式进行数值积分和分段线性化处理使其可解析易推广。本发明优点在于可实现动态评估不同调度时段下受系统不确定性影响的备用需求，不仅可作为已知电力系统机组组合/经济调度结果的评价指标，还可以直接应用于电力系统优化调度问题中，帮助调度人员得到合理的备用计划。

Description

一种风电系统多调度场景的备用需求动态评估方法

技术领域

本发明属于电力系统技术领域，尤其是涉及一种风电系统多调度场景的备用需求动态评估方法。

背景技术

随着可再生能源的迅速发展及大量并网，含高比例可再生能源的电力系统优化调度已成为当前能源现状下备受关注的研究课题。而备用资源作为电力系统安全稳定运行的重要保障，其优化问题在风电大规模并网的背景下也面临新的挑战。

电力系统预留备用的目的在于平抑系统源荷侧不确定性引起的不平衡功率，预留备用过多会造成浪费而降低经济性，过少则不足以保障系统可靠运行。因此需要对备用需求作出准确而合理的评估，实现系统可靠性与经济性之间的平衡。在大规模风电及柔性负荷接入系统之前，备用需求评估采用确定性方法，常用 N-1准则和负荷百分比准则，例如利用风电场出力和负荷对系统正、负旋转备用的需求系数，将风电功率预测值和负荷预测值加权求和作为系统正、负旋转备用的约束下限。这类方法主要根据既定标准将不确定量转化为确定量或百分比，从而实现系统备用需求的评估。而在高比例风电接入电网后，系统不确定性与备用需求之间的关系变得复杂，确定性方法已不再适用。

发明内容

为了解决现有技术所存在的技术问题，本发明提出了一种风电系统多调度场景的备用需求动态评估方法。

本发明的技术方案为一种风电系统多调度场景的备用需求动态评估方法，其特征在于，包括以下步骤：

步骤1，综合考虑含风电电力系统源荷侧的不确定性，收集同一历史时段的历史风电预测值、历史风电实测值、历史负荷预测值、历史负荷实测值，以组成该历史时段的历史数据组；

步骤2，根据历史风电功率预测值和历史负荷预测值对历史数据组进行均匀分箱，计算各数据箱中各历史数据组的历史系统误差，对各箱内的历史系统误差样本进行概率统计并采用通用分布模型进行拟合，获取基于风电功率和负荷预测等级的系统误差概率分布曲线；

步骤3，根据失效向上备用、失效向下备用、切负荷事件和弃风事件，结合基于风电功率和负荷预测等级的系统误差概率分布曲线，分别得到失效向上备用容量期望、失效向下备用容量期望、切负荷量期望和弃风量期望；

步骤4，将具有变上、下限积分且不可解析的失效向上备用容量期望、失效向下备用容量期望、切负荷量期望和弃风量期望表达式进行数值积分，得到类似于指数形式的非线性关系曲线，从而实现关系曲线的直观展示；再在数值积分结果的基础之上，对非线性关系曲线进行不均匀分段线性化处理，得到可解析易推广的备用需求评估指标函数表达式。

作为优选，步骤1中所述历史时段的历史数据组为：

同一历史时段的数据组即该历史时段的历史数据组，所包含的数据分别为：

其中，

为历史风电功率预测值，

为历史风电功率实测值，

为历史负荷预测值，

为历史负荷实测值；

作为优选，步骤2中所述根据历史风电功率预测值和历史负荷预测值对历史数据组进行均匀分箱，具体为：

根据历史风电功率预测值，均匀划分预测区间，按照由小到大的顺序每个预测区间对应一个风电功率预测等级，则各历史数据组均具有其对应的风电功率预测等级，可记为风电功率预测值分箱号；

根据历史负荷预测值，均匀划分预测区间，按照由小到大的顺序每个预测区间对应一个负荷预测等级，则各历史数据组均具有其对应的负荷预测等级，可记为负荷预测值分箱号；

将各历史数据组的风电功率预测值分箱号和负荷预测值分箱号组合，最终得到各历史数据组的系统误差分箱号，并根据此分箱号将各历史数据组进行分箱；

步骤2中所述计算各数据箱中各历史数据组的历史系统误差为：

所述各数据箱中各历史数据组的历史系统误差为

历史系统误差计算公式为：

其中，

为历史风电功率预测值，

为历史风电功率实测值，

为历史负荷预测值，

为历史负荷实测值；

步骤2中所述对各箱内的历史系统误差样本进行概率统计并采用通用分布的概率密度模型进行拟合为：

对各箱内的历史系统误差样本进行概率统计，具体为：

根据各预测等级数据箱中的“历史系统误差”样本，对各数据箱分别绘制系统误差的概率密度直方图，原始数据的概率密度直方图一般可视为其真实分布。研究人员可根据所研究的问题选择适合的概率分布模型对各数据箱的概率密度直方图进行拟合，从而得到每一个风电功率—负荷预测等级w下的“系统误差

”的概率密度函数；

通用分布的概率密度模型的函数表达式：

其中，α、β和γ均为通用分布模型的形状参数；

作为优选，步骤3中所述失效向上备用为：

当系统内有任意一台火电机组发生非计划停运时：系统误差为正值且小于系统向上备用时，会出现失效向上备用；

步骤3中所述失效向下备用为：

当系统内有任意一台火电机组发生非计划停运时：系统误差为负值且其绝对值小于预留的向下备用容量时，会出现失效向下备用；

步骤3中所述切负荷事件为：

当系统内有任意一台火电机组发生非计划停运时：系统误差为正值且大于系统向上备用时，会发生切负荷事件；

步骤3中所述弃风事件为：

当系统内有任意一台火电机组发生非计划停运时：系统误差为负值且其绝对值大于预留的向下备用容量时，会发生弃风事件；

假设系统内有任意一台火电机组发生非计划停运，

为该系统火电机组i发生非计划停运事故的概率，该数据为已知量，可通过统计该火电机组的历史运行数据获取，时段t的系统误差为x，且系统误差为x这个事件发生的概率为f(x)；

当

时，系统预留的向上备用中会出现失效向上备用，步骤3中所述失效向上备用容量期望为：

其中，

表示考虑一台机组开断故障时系统在时刻t的失效向上备用容量期望，

为系统在时刻t预留的向上备用，

为发生故障的火电机组脱网前的输出功率，

为发生故障的火电机组在故障脱网前承担的向上备用容量， G为系统内所有火电机组的集合；

当

时，系统预留的向下备用中会出现失效向下备用，步骤3中所述失效向下备用容量期望为：

其中，

表示考虑一台机组开断故障时系统在时刻t的失效向下备用容量期望，

为系统在时刻t预留的向下备用，

为发生故障的火电机组脱网前的输出功率，

为发生故障的火电机组在故障脱网前承担的向下备用容量， G为系统内所有火电机组的集合；

当

时，系统会发生切负荷事件，步骤3中所述切负荷量期望为：

其中，

表示考虑一台机组开断故障时系统在时刻t的切负荷量期望，

为系统在时刻t预留的向上备用，

为发生故障的火电机组脱网前的输出功率，

为发生故障的火电机组在故障脱网前承担的向上备用容量，G为系统内所有火电机组的集合；

当

时，系统会发生弃风事件，步骤3中所述弃风量期望为：

其中，

表示考虑一台机组开断故障时系统在时刻t的弃风量期望，

为系统在时刻t预留的向下备用，

为发生故障的火电机组脱网前的输出功率，

为发生故障的火电机组在故障脱网前承担的向下备用容量，G为系统内所有火电机组的集合；

在上述的一种适用风电电力系统多调度场景的大电网备用需求动态评估方法，由所述的步骤4中，数值积分和不均匀分段线性化的具体操作方法如下：

步骤4.1，将期望函数的定义域均分为n段，利用自适应递推复合Lobatto 数值积分方法，以每一个均分点为自变量求取期望函数对应的函数值，可以得到 n组对应关系，将求取的n组关系一一对应地放入坐标系中，并将同一坐标系中的n点顺次相连，即可得到数值积分后的结果；

步骤4.2，经过上述数值积分处理后，每条期望函数关系曲线均被离散化成了n个点，以第一点为起点，第i点为终点，将起点和终点相连构成第一段的线性化结果，为确保线性化结果的精度，线性化后得到的线段与实际函数曲线中各点之间的距离需不大于一定的误差限额，按照上述规则重复进行线性化操作，直至在函数的整个定义域上均完成线性化。

因此，本发明具有如下优点：

采用物理意义明确的失效向上/向下备用容量期望、切负荷量期望和弃风量期望作为评估指标，可实现动态评估不同调度时段下受系统不确定性影响的备用需求；

采用期望函数的备用需求动态评估方法，可将备用需求的评估问题转化为经济性权衡的优化问题，通过四种期望之间的博弈使得系统既不过多预留备用造成浪费，也不因备用预留不足而导致切负荷和弃风；

采用期望函数的备用需求动态评估方法，不仅可作为已知电力系统机组组合 /经济调度结果的评价指标，还可以直接应用于电力系统优化调度问题中，帮助调度人员得到合理的备用计划。

附图说明

图1：是本发明根据历史风电数据和历史负荷数据所得到的系统误差分箱结果示意图。

图2：是本发明的系统误差分箱结果中，某一数据箱内的系统误差概率密度分布曲线示意图。

图3：是本发明的四种期望函数经过数值积分和不均匀分段线性化处理得到的结果示意图。

图4：是本发明的方法流程图。

具体实施方式

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清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。

下面结合图1至图4，介绍本发明的具体实施方式为一种风电系统多调度场景的备用需求动态评估方法，其特征在于，包括以下步骤：

步骤1，综合考虑含风电电力系统源荷侧的不确定性，收集同一历史时段的历史风电预测值和实测值，以及该时段的历史负荷预测值和实测值，并组成该历史时段的历史数据组。获取历史数据组的具体操作方法如下：

步骤1.1，选取所要研究风电场的历史数据，例如选取爱尔兰岛风电场 2011-2012年的风电数据，包括风电功率预测值

和其对应的实测值

步骤1.2，选取历史负荷数据，例如选取美国区域输电组织PJM公司 2015-2016年的负荷数据，包括负荷预测值

和其对应的实测值

步骤1.3，以每日96个调度时段为依据，将两年历史风电功率数据和负荷数据按照同一调度时段组合成(365+366)×96个历史数据组，则历史数据组中包含的数据分别为：风电功率预测值

风电功率实测值

负荷预测值

负荷实测值

步骤2，按照风电功率预测值和负荷预测值对数据组进行均匀分箱，计算各数据箱中各历史数据组的历史系统误差，对各箱内的历史系统误差样本进行概率统计并采用通用分布模型进行拟合，得到基于风电功率和负荷预测等级的系统误差概率分布。获取系统误差概率密度分布曲线的具体操作方法如下：

步骤2.1，首先以历史风电功率最大值为基准值，将历史风电功率预测值

标幺化，并将其取值范围均匀划分为5个预测区间，按照由小到大的顺序每个预测区间对应一个风电功率预测等级，则各历史数据组均具有其对应的风电功率预测等级，可记为风电功率预测值分箱号；

步骤2.2，首先以历史负荷最大值为基准值，将历史负荷预测值

标幺化，并将其取值范围均匀划分为5个预测区间，按照由小到大的顺序每个预测区间对应一个负荷预测等级，则各历史数据组均具有其对应的负荷预测等级，可记为负荷预测值分箱号；

步骤2.3，将各历史数据组的风电功率预测值分箱号和负荷预测值分箱号组合，最终得到各历史数据组的系统误差分箱号，并根据此分箱号将各历史数据组进行分箱，共分成5×5个箱，如某历史数据组的风电功率和负荷预测值分箱号分别为1和2，则其最终分至系统误差2号箱；

步骤2.4，计算各数据箱内各历史数据组的系统误差

统计其概率分布规律，并采用通用分布模型进行拟合，得到系统误差概率密度分布的拟合函数。

系统误差计算公式：

通用分布的概率密度函数表达式：

步骤3，根据步骤2得到的系统误差概率密度分布曲线，并结合失效备用、切负荷和弃风事件的定义，得到失效向上备用容量期望、失效向下备用容量期望、切负荷量期望和弃风量期望的函数表达式。获取四种期望函数表达式的具体操作方法如下：

步骤3.1，假设系统内有任意一台火电机组发生非计划停运，

为该系统火电机组i发生非计划停运事故的概率，该数据为已知量，可通过统计该火电机组的历史运行数据获取。时段t的系统误差为x，且系统误差为x这个事件发生的概率为f(x)，则当

时，系统预留的向上备用中会出现失效向上备用，失效向上备用容量期望的函数表达式为：

步骤3.2，当

时，系统会发生切负荷事件，切负荷量期望的函数表达式为：

步骤3.3，当

时，系统预留的向下备用中会出现失效向下备用，失效向下备用容量期望的函数表达式为：

步骤3.4，当

时，系统会发生弃风事件，弃风量期望的函数表达式为：

步骤4，将具有变上、下限积分且不可解析的函数表达式进行数值积分，得到类似于指数形式的非线性关系曲线；再在数值积分结果的基础之上，对非线性关系曲线进行不均匀分段线性化处理，得到可解析易推广的备用需求评估指标函数表达式。获取可解析函数关系曲线的具体操作方法如下：

步骤4.1，将期望函数的定义域均分为n段，利用自适应递推复合Lobatto 数值积分方法，以每一个均分点为自变量求取期望函数对应的函数值，可以得到 n组对应关系，将求取的n组关系一一对应地放入坐标系中，并将同一坐标系中的n点顺次相连，即可得到数值积分后的结果；

步骤4.2，经过上述数值积分处理后，每条期望函数关系曲线均被离散化成了n个点，以第一点为起点，第i点为终点，将起点和终点相连构成第一段的线性化结果，为确保线性化结果的精度，线性化后得到的线段与实际函数曲线中各点之间的距离需不大于一定的误差限额，设置误差限额为0.5％，按照上述规则重复进行线性化操作，直至在函数的整个定义域上均完成线性化。

尽管本文较多地使用了分箱、系统误差、失效向上备用容量期望、失效向下备用容量期望、切负荷量期望、弃风量期望、数值积分、不均匀分段线性化等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (5)

1.一种风电系统多调度场景的备用需求动态评估方法，其特征在于，包括以下步骤：

步骤1，综合考虑含风电电力系统源荷侧的不确定性，收集同一历史时段的历史风电预测值、历史风电实测值、历史负荷预测值、历史负荷实测值，以组成该历史时段的历史数据组；

步骤2，根据历史风电功率预测值和历史负荷预测值对历史数据组进行均匀分箱，计算各数据箱中各历史数据组的历史系统误差，对各箱内的历史系统误差样本进行概率统计并采用通用分布模型进行拟合，获取基于风电功率和负荷预测等级的系统误差概率分布曲线；

步骤3，根据失效向上备用、失效向下备用、切负荷事件和弃风事件，结合基于风电功率和负荷预测等级的系统误差概率分布曲线，分别得到失效向上备用容量期望、失效向下备用容量期望、切负荷量期望和弃风量期望；

步骤4，将具有变上、下限积分且不可解析的失效向上备用容量期望、失效向下备用容量期望、切负荷量期望和弃风量期望表达式进行数值积分，得到类似于指数形式的非线性关系曲线，从而实现关系曲线的直观展示；再在数值积分结果的基础之上，对非线性关系曲线进行不均匀分段线性化处理，得到可解析易推广的备用需求评估指标函数表达式。

2.根据权利要求1所述的风电系统多调度场景的备用需求动态评估方法，其特征在于：步骤1中所述历史时段的历史数据组为：

同一历史时段的数据组即该历史时段的历史数据组，所包含的数据分别为：

其中，

为历史风电功率预测值，

为历史风电功率实测值，

为历史负荷预测值，

为历史负荷实测值。

3.根据权利要求1所述的风电系统多调度场景的备用需求动态评估方法，其特征在于：步骤2中所述根据历史风电功率预测值和历史负荷预测值对历史数据组进行均匀分箱，具体为：

根据历史风电功率预测值，均匀划分预测区间，按照由小到大的顺序每个预测区间对应一个风电功率预测等级，则各历史数据组均具有其对应的风电功率预测等级，可记为风电功率预测值分箱号；

根据历史负荷预测值，均匀划分预测区间，按照由小到大的顺序每个预测区间对应一个负荷预测等级，则各历史数据组均具有其对应的负荷预测等级，可记为负荷预测值分箱号；

将各历史数据组的风电功率预测值分箱号和负荷预测值分箱号组合，最终得到各历史数据组的系统误差分箱号，并根据此分箱号将各历史数据组进行分箱；

步骤2中所述计算各数据箱中各历史数据组的历史系统误差为：

所述各数据箱中各历史数据组的历史系统误差为

历史系统误差计算公式为：

其中，

为历史风电功率预测值，

为历史风电功率实测值，

为历史负荷预测值，

为历史负荷实测值；

步骤2中所述对各箱内的历史系统误差样本进行概率统计并采用通用分布的概率密度模型进行拟合为：

对各箱内的历史系统误差样本进行概率统计，具体为：

可根据所研究的问题选择适合的概率分布模型对各数据箱的概率密度直方图进行拟合，从而得到每一个风电功率—负荷预测等级w下的“系统误差

”的概率密度函数；

通用分布的概率密度模型的函数表达式：

其中，α、β和γ均为通用分布模型的形状参数。

4.根据权利要求1所述的风电系统多调度场景的备用需求动态评估方法，其特征在于：步骤3中所述失效向上备用为：

当系统内有任意一台火电机组发生非计划停运时：系统误差为正值且小于系统向上备用时，会出现失效向上备用；

步骤3中所述失效向下备用为：

当系统内有任意一台火电机组发生非计划停运时：系统误差为负值且其绝对值小于预留的向下备用容量时，会出现失效向下备用；

步骤3中所述切负荷事件为：

当系统内有任意一台火电机组发生非计划停运时：系统误差为正值且大于系统向上备用时，会发生切负荷事件；

步骤3中所述弃风事件为：

当系统内有任意一台火电机组发生非计划停运时：系统误差为负值且其绝对值大于预留的向下备用容量时，会发生弃风事件；

假设系统内有任意一台火电机组发生非计划停运，

为该系统火电机组i发生非计划停运事故的概率，该数据为已知量，可通过统计该火电机组的历史运行数据获取，时段t的系统误差为x，且系统误差为x这个事件发生的概率为f(x)；

当

时，系统预留的向上备用中会出现失效向上备用，步骤3中所述失效向上备用容量期望为：

其中，

表示考虑一台机组开断故障时系统在时刻t的失效向上备用容量期望，

为系统在时刻t预留的向上备用，

为发生故障的火电机组脱网前的输出功率，

为发生故障的火电机组在故障脱网前承担的向上备用容量，G为系统内所有火电机组的集合；

当

时，系统预留的向下备用中会出现失效向下备用，步骤3中所述失效向下备用容量期望为：

其中，

表示考虑一台机组开断故障时系统在时刻t的失效向下备用容量期望，

为系统在时刻t预留的向下备用，

为发生故障的火电机组脱网前的输出功率，

为发生故障的火电机组在故障脱网前承担的向下备用容量，G为系统内所有火电机组的集合；

当

时，系统会发生切负荷事件，步骤3中所述切负荷量期望为：

其中，

表示考虑一台机组开断故障时系统在时刻t的切负荷量期望，

为系统在时刻t预留的向上备用，

为发生故障的火电机组脱网前的输出功率，

为发生故障的火电机组在故障脱网前承担的向上备用容量，G为系统内所有火电机组的集合；

当

时，系统会发生弃风事件，步骤3中所述弃风量期望为：

其中，

表示考虑一台机组开断故障时系统在时刻t的弃风量期望，

为系统在时刻t预留的向下备用，

为发生故障的火电机组脱网前的输出功率，

为发生故障的火电机组在故障脱网前承担的向下备用容量，G为系统内所有火电机组的集合。

5.根据权利要求1所述的风电系统多调度场景的备用需求动态评估方法，其特征在于：步骤4中所述的数值积分和不均匀分段线性化的具体操作方法如下：

步骤4.1，将期望函数的定义域均分为n段，利用自适应递推复合Lobatto数值积分方法，以每一个均分点为自变量求取期望函数对应的函数值，可以得到n组对应关系，将求取的n组关系一一对应地放入坐标系中，并将同一坐标系中的n点顺次相连，即可得到数值积分后的结果；

步骤4.2，经过上述数值积分处理后，每条期望函数关系曲线均被离散化成了n个点，以第一点为起点，第i点为终点，将起点和终点相连构成第一段的线性化结果，为确保线性化结果的精度，线性化后得到的线段与实际函数曲线中各点之间的距离需不大于一定的误差限额，按照上述规则重复进行线性化操作，直至在函数的整个定义域上均完成线性化。

Images