CN111064187A - 一种发用电的电量极限分配方法 - Google Patents

Abstract

本发明公开了一种发用电的电量极限分配方法。根据历史负荷数据，预测未来的全年负荷曲线；根据各时刻节点负荷数据，将全年负荷曲线分解到电网中每个负荷节点；在电网中具有大规模独立负荷用电情况下，以用电代价最小为目标，考虑发用电平衡和机组容量约束，建立大规模独立负荷用电优化模型，求解模型得到电网各机组的出清电量；以机组开机方式最小及电校核量最小为目标，建立机组总电量分配优化模型，求解得到机组的最小开机方式、各机组的总电量和电校核量；判断电校核量是否满足要求并按照各机组的出清电量进行分配。本发明能在满足电网安全运行的前提下，能分配机组的出清电量，并获得发用电电量极限。

Description

一种发用电的电量极限分配方法

技术领域

本发明属于电网、电力市场技术领域的一种用电处理优化方法，涉及一种发用电的电量极限分配方法。

背景技术

电力体制改革，涉及电力工业发展、国家政策制定等各个方面，是一项涉及面广、影响主体多、工作量浩大的系统工程，任务非常复杂，对电网安全稳定运行具有重要影响。其中，大规模独立负荷用电是电力体制改革的切入点与突破口，但也会带来一系列问题，可能导致电网调节资源减少、资源协调更加复杂，增加保障电网安全稳定运行的复杂性和难度。由于60万千瓦及以上机组相对于30万千瓦及以下机组更具有竞争优势，大规模独立负荷用电必将向大机组集中，导致30万千瓦及以下机组的年利用小时数逐渐下降，这可能对电网的安全稳定运行、迎峰度夏、度冬及供热安全带来不利影响。大规模独立负荷用电带来的具体影响如下：

1)减小了电网可调度空间，显著增加调度电量优化和协调的复杂度；

2)可能产生极端潮流运行方式，逼近电网安全极限，安全裕度下降；

3)机组可调度出力范围缩小，参与调峰机组减少，电网调峰资源紧张；

4)可调度备用容量不足；

5)机组可检修时间窗口受限，机组检修申请冲突等。

发明内容

为了解决背景技术中存在的问题，本发明的目的是提供一种考虑大规模独立负荷用电的电量极限分配方法。本发明能在满足电网安全运行的同时，确定电网发用电计划放开规模极限。

为此，本发明采用的具体技术方案是包括以下步骤：

步骤1、根据历史负荷数据，预测未来的全年负荷曲线；

步骤2、根据各时刻节点负荷数据，将全年负荷曲线分解到电网中每个负荷节点；

步骤3、在电网中具有大规模独立负荷用电情况下，以用电代价最小为目标，考虑发用电平衡和机组容量约束，建立大规模独立负荷用电优化模型，求解模型得到电网各机组的出清电量；

步骤4、以机组开机方式最小及电校核量最小为目标，建立计及发用电平衡、机组容量限制、电网线路安全、机组供热需求、机组检修计划等物理运行约束的机组总电量分配优化模型，求解得到机组的最小开机方式、各机组的总电量和电校核量；

步骤5、判断步骤4获得的电校核量是否满足要求，若否，返回步骤3，并调整大规模独立负荷用电量占电网总用电量的比例η；若是，按照各机组的出清电量对各机组进行分配。

具体实施中还将各机组的出清电量E_i ^mark进行累加得到大规模独立负荷用电存在情况下的发用电电量极限。

本发明的所述电网是由多个节点组成，发电机组和用电设备均连接在节点上，节点之间是由输电线路连接进而构成电网。

所述的步骤1具体如下：

步骤1.1、基于历史负荷曲线，通过平移和拉伸得到预测年度负荷曲线，计算如下：

式中，L^m(t)示第m月第t时段的预测负荷；

表示第m月预测的最小负荷；

表示第m月预测的最大负荷；

表示第m月历史负荷曲线；

表示第m月历史最小负荷；

表示第m月历史最大负荷；m为预测年份中各月的序数；

步骤1.2、根据各月负荷预测数据，得到预测年份总负荷电量Q：

本发明所述的负荷为用电量。

所述的步骤2采用以下公式将电网年负荷曲线分解到电网中每个负荷节点：

式中，

表示第m月第n节点第t时段的预测负荷；

表示第n节点的负荷值；N表示电网节点总数；n为电网中节点的序数。

所述的步骤3具体如下：

步骤3.1、在电网中具有大规模独立负荷用电情况下，以用电代价最小为目标函数，建立大规模独立负荷用电优化模型：

式中，

表示第i台机组在第t个时段内的电出力，出力即为输出功率；C_i(·)表示第i台机组的用电代价函数；N_g表示电网中的机组数量；T表示用电周期；γ表示电量惩罚因子；C^pun表示电量惩罚因子对应的惩罚系数；i为电网中机组的序数；t为用电周期中各时段的序数；

步骤3.2、建立以下大规模独立负荷用电优化模型的等量约束：

式中，η表示大规模独立负荷用电量占电网总用电量的比例；

表示第m月总负荷电量；

表示第m月中总电量；P_i,max表示第i台机组的最大技术出力；

大规模独立负荷用电量是指一年的用电量大于所在地区电网一年用电量20％的负荷设备集合。

步骤3.3、建立以下大规模独立负荷用电优化模型的不等量约束：

γ≥0

式中，r表示机组的电量上限系数；

步骤3.4、采用线性规划方法求解上述大规模独立负荷用电优化模型，得到各机组各时段电出力

再采用以下公式累加得到第i台机组在用电周期内的出清电量

计算如下：

所述的步骤4具体如下：

步骤4.1、以机组开机方式最小及电校核量最小为目标函数，建立计及发电负荷平衡、机组容量限制、电网线路安全、机组供热需求、机组检修计划等实际运行约束的机组总电量分配优化模型：

式中，P_i,t表示第i台机组在第t时段内的总出力；v_i表示第i台机组的开机权重系数，权重越小则开机优先性越高；λ_i表示第i台机组的电校核量；

表示第i台机组的电校核量惩罚系数；

步骤4.2、建立以下计及实际运行约束的机组总电量分配优化模型的等量约束：

u_i,t＝0 t∈T_repair,i

式中，L_j,t表示第j个负荷节点在第t个时段内的负荷量；P_l,t表示第l条线路在第t时段内流过的功率；G_l-i表示线路-机组传输分配系数，具体为第i台机组增加单位功率导致第l条线路流过功率的增量；G_l-j表示线路-负荷功率分配系数，具体为第j个节点增加单位负荷功率导致第l条线路流过功率的增量；T_repair,i表示第i台机组的检修时间周期；l为电网中线路的序数；u_i,t表示第i台机组在第t时段内的开机状态，开机为1，关机为0；N_L表示电网中负荷节点的数量；j为电网中负荷节点的序数；

步骤4.2、建立以下计及实际运行约束的机组总电量分配优化模型的不等量约束：

u_i,tP_i,min≤P_i,t≤u_i,tP_i,max

P_l，min≤P_l，t≤P_l，max l＝1，2，，N_L

-R_d,i≤P_i,t-P_i,t-1≤R_u,i

T_i ^on≥T_i ^U

T_i ^off≥T_i ^D

λ_i≥0

式中，u_i,t表示第i台机组在第t个时段的开机状态，为0-1变量(开机为1，关机为0)；N_L表示电网线路总数；ρ表示电网的备用系数；R_d,i、R_u,i表示第i台机组的上、下爬坡速率极限；T_i ^on、T_i ^off表示第i台机组的实际连续开机、关机时间；T_i ^U、T_i ^D表示第i台机组的最小持续开机、关机时间；

表示第i台机组在第t个时段内的供热需求；N_heat表示供热机组集合，供热机组是指在冬天供暖期间用于供热发电的发电机组，供热机组是发电机组中的一部分。发电机组中除了供热机组还有非供热机组，非供热机组或者叫常规机组；T_heat表示供热时间周期；Ω_j表示第j个电厂所拥有的机组集合，电厂中包含一个或多个节点；Z表示电网中电厂总数；j为电网中电厂的序数；

表示机组的第i个用电周期的月度出清电量；P_i,min、P_i,max分别表示第i台机组的最大、最小技术出力，P_l,min、P_l,max分别表示第l条线路最大、最小传输能力；

步骤4.3、采用混合整数线性规划方法求解上述机组总电量分配优化模型，得到机组最小开机方式、各机组各时段的总出力P_i,t和电校核量λ_i，进一步采用以下公式处理得到各机组的在用电周期内的总发电量

和电校核量

所述步骤5具体为：

判断电校核量是否满足以下公式：

式中，E^require表示电校核量的最大允许值；

若不满足，则将大规模独立负荷用电量占电网总用电量的比例降低5％，并返回步骤3再次处理得到新的各机组的出清电量，并执行步骤4进行电量校验，直至满足要求；

若满足，则按照步骤3处理获得各机组的出清电量

对各机组进行分配。

将每台机组最终求解到的出清电量

进行累加，可得到大规模独立负荷用电存在情况下的发用电电量极限。

本发明具有的有益效果如下：

本发明方法为一种在考虑大规模独立负荷用电存在电网中的背景下，充分考虑电网安全运行约束的发用电的电量极限分配方法；

本发明方法能够合理分配各机组的出清电量，确定电网发用电规模极限，保证电网运行在安全的运行方式，预留足够的安全裕度，同时能够考虑机组的检修时间和供热需求等实际工业运行要求，避免大规模独立负荷用电量过大对电网安全运行带来不利影响，为电网适应考虑大规模独立负荷用电情况提供可靠的方案，弥补当前研究领域的空白。

附图说明

图1是本发明方法流程图。

图2是电网中各类发电机组装机容量占比分布图。

图3是预测年份的负荷曲线。

图4是η取70％时各电厂在用电周期内的出清电量分布图。

图5是η取70％时各电厂在用电周期内的总电量和出清电量对比图。

图6是η分别取0～70％时各机组的电校核量

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

如图1所示，本发明的实施例及其实施过程如下：

以某省实际电网为例，结合技术方案和附图详细叙述本发明的具体实施。

该电网共包含112台机组，36家电厂，部分机组属于同一的电厂。如图2所示，将电网中所包含的发电机组根据装机容量大小分为4类：1000MW、600～1000MW、300～600MW、300MW以下。其中，600MW及以上发电机组的装机容量占电网总装机容量近70％，300MW以下发电机组的装机容量占比最小，不足4％。

如图2所示，具体步骤如下：

步骤1、根据历史负荷数据，预测未来的全年负荷曲线；

步骤1.1、基于历史负荷曲线，通过平移和拉伸得到预测年度负荷曲线，计算如下：

步骤1.2、根据各月负荷预测数据，得到预测年份总负荷电量Q：

在上述步骤1中，求解得到预测年份所有时段的负荷大小，将每个时段的负荷连接起来构成负荷曲线，如图3所示。

步骤2、根据各时刻节点负荷数据，将全年负荷曲线分解到电网中每个负荷节点；

步骤2.1、采用以下公式将电网年负荷曲线分解到电网中每个负荷节点：

步骤3、在电网中具有大规模独立负荷用电情况下，以用电代价最小为目标，考虑发用电平衡和机组容量约束，建立大规模独立负荷用电优化模型，求解模型得到电网各机组的出清电量；

步骤3.1、在电网中具有大规模独立负荷用电情况下，以用电代价最小为目标函数，建立大规模独立负荷用电优化模型：

步骤3.2、建立以下大规模独立负荷用电优化模型的等量约束：

大规模独立负荷用电量是指一年的用电量大于所在地区电网一年用电量20％的负荷设备集合。

步骤3.3、建立以下大规模独立负荷用电优化模型的不等量约束：

γ≥0

步骤3.4、采用线性规划方法求解上述大规模独立负荷用电优化模型，得到各机组各时段电出力

再采用以下公式累加得到第i台机组在用电周期内的出清电量

计算如下：

在上述步骤3中，η取70％，求解得到各机组在用电周期内的出清电量E_i ^mark。为了便于比较，将属于同一电厂的机组进行合并，得到每个电厂在用电周期内的出清电量。图4展示了各电厂的出清电量分布情况，其中，横坐标为电厂按照总装机容量从大到小进行排序得到的序号。可以看出，前三个电厂的出清电量最多，这是因为这些电厂内机组的装机容量都是1000MW，所以竞争力最强；4到18电厂的出清电量相差不多，但比前三个电厂小得多，这是因为这些电厂内的机组的装机容量均为600～100MW，竞争力均差不多，但比1000MW机组弱；从第19个电厂开始，后面的电厂均没有得到出清电量，这是因为这些电厂内的机组的装机容量均为6000MW以下，竞争力最小，无法获得出清电量。

步骤4、以机组开机方式最小及电校核量最小为目标，建立计及发用电平衡、机组容量限制、电网线路安全、机组供热需求、机组检修计划等物理运行约束的机组总电量分配优化模型，求解得到机组的最小开机方式、各机组的总电量和电校核量；

步骤4.1、以机组开机方式最小及电校核量最小为目标函数，建立计及发电负荷平衡、机组容量限制、电网线路安全、机组供热需求、机组检修计划等实际运行约束的机组总电量分配优化模型：

步骤4.2、建立以下计及实际运行约束的机组总电量分配优化模型的等量约束：

u_i,t＝0 t∈T_repair,i

步骤4.2、建立以下计及实际运行约束的机组总电量分配优化模型的不等量约束：

u_i,tP_i,min≤P_i,t≤u_i,tP_i,max

P_l，min≤P_l，t≤P_l，max l＝1，2，...，N_L

-R_d,i≤P_i,t-P_i,t-1≤R_u,i

T_i ^on≥T_i ^U

T_i ^off≥T_i ^D

λ_i≥0

步骤4.3、采用混合整数线性规划方法求解上述机组总电量分配优化模型，得到机组最小开机方式、各机组各时段的总出力P_i,t和电校核量λ_i，进一步采用以下公式处理得到各机组的在用电周期内的总发电量

和电校核量

在上述步骤4中，η取70％，求解得到各机组的在用电周期内的总发电量

和步骤3中得到的出清电量进行对比，结果见图5所示。可以看出，前18个电厂虽然拿到了出清电量，但是这些电厂的总发电量均小于出清电量。这初步表明此时大规模独立负荷用电量占电网总用电量的比例η过高，大量机组由于受到电网安全运行的约束，无法全部完成自身的出清电量，应该进一步降低η。为了量化出清电量超出总发电量的严重程度，还需要通过电量校核量

进行验证，通过计算得到电校核量

为272亿千瓦时。

步骤5、判断步骤4获得的电校核量是否满足要求，若否，返回步骤3，并调整大规模独立负荷用电量占电网总用电量的比例η；若是，按照各机组的出清电量对各机组进行分配。

最后将各机组的出清电量

进行累加得到大规模独立负荷用电存在情况下的发用电电量极限。

在上述步骤中，假定电校核量的最大容许值为100亿千瓦时，则根据步骤4可知η取70％时，电校核量

为272亿千瓦时，不满足要求，需要进一步降低η。图6展示了η从70％按5％步长逐渐降到0时，电校核量

的变化情况。可以看出，当η降到60％时，电校核量

刚好为100亿千瓦时，满足要求；进一步降低η，电校核量持续降低，小于30％时，电校核量为0。由此可知，该电网的大规模独立负荷用电量占电网总用电量的比例η极限为60％，计算此时发用电电量极限，可得为1250亿千瓦时。

因此，根据本发明提出的考虑大规模独立负荷用电存在电网中的电量极限分配方法，可以合理分配各机组的出清电量，确定电网发用电规模极限，保证电网运行在安全的运行方式，预留足够的安全裕度，避免大规模独立负荷用电量过大对电网安全运行带来不利影响。

Claims (6)

1.一种发用电的电量极限分配方法，其特征在于：包括以下步骤：

步骤1、根据历史负荷数据，预测未来的全年负荷曲线；

步骤2、根据各时刻节点负荷数据，将全年负荷曲线分解到电网中每个负荷节点；

步骤3、在电网中具有大规模独立负荷用电情况下，以用电代价最小为目标，考虑发用电平衡和机组容量约束，建立大规模独立负荷用电优化模型，求解模型得到电网各机组的出清电量；

步骤4、以机组开机方式最小及电校核量最小为目标，建立机组总电量分配优化模型，求解得到机组的最小开机方式、各机组的总电量和电校核量；

步骤5、判断步骤4获得的电校核量是否满足要求，若否，返回步骤3，并调整大规模独立负荷用电量占电网总用电量的比例η；若是，按照各机组的出清电量进行分配。

2.根据权利要求1所述的发用电的电量极限分配方法，其特征在于：

所述的步骤1具体如下：

步骤1.1、基于历史负荷曲线，通过平移和拉伸得到预测年度负荷曲线，计算如下：

式中，L^m(t)示第m月第t时段的预测负荷；

表示第m月预测的最小负荷；

表示第m月预测的最大负荷；

表示第m月历史负荷曲线；

表示第m月历史最小负荷；

表示第m月历史最大负荷；m为预测年份中各月的序数；

步骤1.2、根据各月负荷预测数据，得到预测年份总负荷电量Q：

3.根据权利要求1所述的发用电的电量极限分配方法，其特征在于：

所述的步骤2采用以下公式将电网年负荷曲线分解到电网中每个负荷节点：

式中，

表示第m月第n节点第t时段的预测负荷；

表示第n节点的负荷值；N表示电网节点总数；n为电网中节点的序数。

4.根据权利要求1所述的发用电的电量极限分配方法，其特征在于：

所述的步骤3具体如下：

步骤3.1、在电网中具有大规模独立负荷用电情况下，以用电代价最小为目标函数，建立大规模独立负荷用电优化模型：

式中，

表示第i台机组在第t个时段内的电出力；C_i(·)表示第i台机组的用电代价函数；N_g表示电网中的机组数量；T表示用电周期；γ表示电量惩罚因子；C^pun表示电量惩罚因子对应的惩罚系数；i为电网中机组的序数；t为用电周期中各时段的序数；

步骤3.2、建立以下大规模独立负荷用电优化模型的等量约束：

式中，η表示大规模独立负荷用电量占电网总用电量的比例；

表示第m月总负荷电量；

表示第m月中总电量；P_i,max表示第i台机组的最大技术出力；

步骤3.3、建立以下大规模独立负荷用电优化模型的不等量约束：

γ≥0

式中，r表示机组的电量上限系数；

步骤3.4、求解上述大规模独立负荷用电优化模型，得到各机组各时段电出力

再采用以下公式累加得到第i台机组在用电周期内的出清电量

计算如下：

5.根据权利要求1所述的发用电的电量极限分配方法，其特征在于：

所述的步骤4具体如下：

步骤4.1、以机组开机方式最小及电校核量最小为目标函数，建立机组总电量分配优化模型：

式中，P_i,t表示第i台机组在第t时段内的总出力；v_i表示第i台机组的开机权重系数；λ_i表示第i台机组的电校核量；

表示第i台机组的电校核量惩罚系数；

步骤4.2、建立以下机组总电量分配优化模型的等量约束：

u_i,t＝0t∈T_repair,i

式中，L_j,_t表示第j个负荷节点在第t个时段内的负荷量；P_l,t表示第l条线路在第t时段内流过的功率；G_l-i表示线路-机组传输分配系数；G_l-j表示线路-负荷功率分配系数；T_repair,i表示第i台机组的检修时间周期；l为电网中线路的序数；u_i,t表示第i台机组在第t时段内的开机状态，开机为1，关机为0；N_L表示电网中负荷节点的数量；j为电网中负荷节点的序数；

步骤4.2、建立以下机组总电量分配优化模型的不等量约束：

u_i,tP_i,min≤P_i,t≤u_i,tP_i,max

P_l，min≤P_l，t≤P_l，maxl＝1，2，…，N_L

-R_d,i≤P_i,t-P_i,t-1≤R_u,i

T_i ^on≥T_i ^U

T_i ^off≥T_i ^D

λ_i≥0

式中，u_i,t表示第i台机组在第t个时段的开机状态；N_L表示电网线路总数；ρ表示电网的备用系数；R_d,i、R_u,i表示第i台机组的上、下爬坡速率极限；T_i ^on、T_i ^off表示第i台机组的实际连续开机、关机时间；T_i ^U、T_i ^D表示第i台机组的最小持续开机、关机时间；

表示第i台机组在第t个时段内的供热需求；N_heat表示供热机组集合；T_heat表示供热时间周期；Ω_j表示第j个电厂所拥有的机组集合；Z表示电网中电厂总数；j为电网中电厂的序数；

表示机组的第i个用电周期的月度出清电量；P_i,min、P_i,max分别表示第i台机组的最大、最小技术出力，P_l,min、P_l,max分别表示第l条线路最大、最小传输能力；

步骤4.3、求解上述机组总电量分配优化模型，得到机组最小开机方式、各机组各时段的总出力P_i,t和电校核量λ_i，进一步采用以下公式处理得到各机组的在用电周期内的总发电量

和电校核量

6.根据权利要求1所述的发用电的电量极限分配方法，其特征在于：

所述步骤5具体为：

判断电校核量是否满足以下公式：

式中，E^require表示电校核量的最大允许值；

若不满足，则将大规模独立负荷用电量占电网总用电量的比例降低5％，并返回步骤3再次处理得到新的各机组的出清电量，并执行步骤4进行电量校验，直至满足要求；

若满足，则按照步骤3处理获得各机组的出清电量

进行分配。

Images