CN111313459B - 一种基于g-v源荷适配的跨省新能源调度方法 - Google Patents

Abstract

本发明公开一种基于G‑V源荷适配的跨省新能源调度方法，步骤是：分别构建新能源发电厂和用户的数据库，其中储存有每个新能源发电厂的综合出力曲线与每个用户的综合负荷曲线；统计将要进行协调组合的新能源发电厂与用户的类型与数量，并利分别将其综合出力曲线与综合负荷曲线拟合成各自对应的函数；根据源荷曲线适配度计算公式，计算每一种组合方式下的新能源发电厂与用户负荷的适配度；将得到最大适配度平均值时的分别含有一定数量新能源发电厂与电力用户负荷组合确定为此次调度的最佳组合，进行新能源发电厂与电力用户之间的交易。此种方法运用函数曲线适配的方法，可以优化新能源发电厂与电力用户的组合方式，降低对电网产生的不利影响。

Description

一种基于G-V源荷适配的跨省新能源调度方法

技术领域

本发明属于电力系统优化调度技术领域，特别涉及一种考虑G-V(斜率-方差)源荷适配的跨省新能源协调组合消纳策略。

背景技术

随着社会的不断发展，能源短缺、环境压力和可再生能源并网以及消纳的问题越来越严峻。在现实的状况条件下，我国长期存在着能源资源分布不均的问题。清洁能源资源包括风能、太阳能、水能、地热能等资源，主要分布于我国北部，西部、西南等地，然而高用电需求中心则主要集中于中东部和南部，即以京津冀、长三角、长江中游城市群为代表的地区，且这些地区的负荷持续快速增长。因此，我国的能源分布状况大致是能源与负荷呈现逆向分布的特性，我国这种东西部能源与负荷呈逆向分布的状况也制约着我国的经济的发展。因此，跨省新能源交易，即将我国西部、西南、北部的大量的清洁能源输送至我国中东部高用电量省区，不但可以缓解这些用电负荷高比例地区的传统火电发电压力，改善环境污染问题，还可以减少清洁能源高比例省区的弃风弃光率，充分利用自然资源的同时还可以促进清洁能源高比例省区的经济的发展。

但是，众所周知的是，清洁能源中尤其是像风电、光伏等这些新能源随环境影响波动较大，具有很强的间歇性、随机性、波动性，他们的输出功率具有明显的不确定性与不可控性，他们的大规模传输以及并网势必会对电网带来较大的冲击及影响。所以研究大规模清洁能源的输送以及并网问题，完善相应的清洁能源跨省跨区消纳机制是很有必要的。

发明内容

本发明的目的，在于提供一种基于G-V源荷适配的跨省新能源调度方法，运用函数曲线适配的方法，可以优化新能源发电厂与电力用户的组合方式，降低对电网产生的不利影响。

为了达成上述目的，本发明的解决方案是：

一种基于G-V源荷适配的跨省新能源调度方法，包括如下步骤：

步骤1，分别构建新能源发电厂和用户的数据库，其中储存有每个新能源发电厂的综合出力曲线与每个用户的综合负荷曲线；

步骤2，统计将要进行协调组合的新能源发电厂与用户的类型与数量，并利分别将其综合出力曲线与综合负荷曲线拟合成各自对应的函数；

步骤3，根据源荷曲线适配度计算公式，计算每一种组合方式下的新能源发电厂与用户负荷的适配度；

步骤4，将得到最大适配度平均值时的分别含有一定数量新能源发电厂与电力用户负荷组合确定为此次调度的最佳组合；

步骤5，针对步骤4得到的最佳组合，进行新能源发电厂与电力用户之间的交易。

上述步骤3中，在a～b时段的源荷曲线适配度S的计算公式是：

S＝-(α·S_S+β·S_N)

式中，S表示a～b时段内综合考虑源荷两曲线函数在斜率与数值上的适配度；α为考虑斜率适配度S_S占综合适配度的权重；β为考虑数值适配度S_N占综合适配度的权重；其中，0≤α≤1，0≤β≤1，且α+β＝1。

上述斜率适配度S_S的计算公式是：

式中，S_S表示源荷曲线的斜率适配度即形状上的适配度；∑G_i(t)表示i个新能源发电厂出力曲线综合拟合的函数曲线，G_i(t)表示第i个新能源发电厂的电源出力值；∑L_j(t)表示j个用户用电负荷曲线综合拟合的函数曲线，L_j(t)表示第j个电力用户的用电负荷值；

为拟合之后的新能源发电厂电源出力函数曲线对t时刻的一阶导数；

为拟合之后的电力用户负荷的函数曲线对t时刻的一阶导数。

上述数值适配度S_N的计算公式是：

式中，S_N表示源荷曲线的数值适配度；∑G_i(t)表示i个新能源发电厂出力曲线综合拟合的函数曲线，G_i(t)表示第i个新能源发电厂的电源出力值；∑L_j(t)表示j个用户用电负荷曲线综合拟合的函数曲线，L_j(t)表示第j个电力用户的用电负荷值。

a、b的取值决定时间尺度的大小，其单位为日、月度、季度或年度。

上述步骤4中，建立最佳组合的最大适配度的优化模型，包括目标函数及约束条件：

目标函数为maxS＝max[-(α·S_S+β·S_N)]；

式中，S表示源荷曲线适配度，a、b分别为时间周期内的起止时间；maxS表示a～b时段内综合考虑源荷两曲线函数在斜率与数值上的最佳匹配组合时的最大值；α为考虑斜率适配度S_S占综合适配度的权重；β为考虑数值适配度S_N占综合适配度的权重；其中，0≤α≤1，0≤β≤1，且α+β＝1；

约束条件包括：

各新能源发电厂电源出力的上下限约束：

minG_i(t)≤G_i(t)≤maxG_i(t)

式中，minG_i(t)表示某个新能源发电厂的最小电源出力值；maxG_i(t)表示某个新能源发电厂的最大电源出力值；

各电力用户负荷的上下限约束：

minL_j(t)≤L_j(t)≤maxL_j(t)

式中，minL_j(t)表示某个电力用户的最小用电负荷；表示某个电力用户的最大用电负荷。

采用上述方案后，本发明首先分别构建新能源发电厂和用户的数据库，其储存有每个新能源发电厂的综合出力曲线与每个用户的综合负荷曲线；然后统计将要进行协调组合的新能源发电厂与用户的类型与数量，并利用相关软件分别将其综合出力曲线与综合负荷曲线拟合成各自对应的函数；最后根据模型的公式计算多种不同组合情况下的适配度值，选择计算结果中平均适配度值最大时所对应的新能源发电厂与电力用户组合，进而达到新能源发电厂与电力用户最优协调组合的目的。本发明就是通过计算各种组合的适配度的数值的大小，优化新能源发电厂与电力用户的组合方式，降低对电网产生的不利影响。

本发明旨在促成新能源发电厂与用户协调组合达成交易，实现更多的清洁能源消纳，保证大规模的新能源有效稳定的并网传输，降低对电网产生的不利影响，并进一步达到保护能源高消耗省区的环境、降低新能源高比例省区的弃风弃光率的目的。

附图说明

图1是本发明的流程图。

具体实施方式

以下将结合附图，对本发明的技术方案及有益效果进行详细说明。

本发明基于新能源发电厂与电力用户的源荷曲线适配的概念，建立源荷曲线适配优化模型。该模型设定新能源发电厂电源出力曲线与电力用户负荷曲线组合的适配度的平均值最大为目标，在满足相应约束条件下，从多个新能源发电厂与电力用户中选择确定组合，计算多种新能源发电厂与电力用户不同组合方式中各配对的适配度的平均值，最终计算所得的适配度的数值越大(为负值，绝对值为最小)，则说明此种组合方式下源荷两曲线形状与数值上越相近，此时即为最佳的发电与用电的组合。

结合数学中连续函数的定义及性质，本发明定义的方法提出了基于斜率与数值方差(G-V)的源荷适配的跨省新能源交易优化算法的概念，并列出了具体的计算公式，此计算是在选择最合适的新能源发电厂与电力用户的最佳组合中的关键。

在实施大规模清洁能源跨省跨区消纳的过程中，存在多个电力用户对多个清洁能源或新能源发电厂商的出力进行消纳情况。新能源发电厂的数量、出力的波动性，以及电力用户的数量、负荷的不确定性，造成了将要进行交易的总体出力曲线与总体负荷曲线存在一定的差距，本发明就是通过计算各种组合的适配度的数值的大小，来最终确定新能源发电厂与电力用户之间的最佳的组合，进而再进行消纳。

如图1所示，本发明提供一种基于G-V源荷适配的跨省新能源调度方法，包括以下步骤：

(1)分别构建新能源发电厂和用户的数据库，其中储存有每个新能源发电厂的综合出力曲线与每个用户的综合负荷曲线；

(2)统计将要进行协调组合的新能源发电厂与用户的类型与数量；并利用相关软件分别将其综合出力曲线与综合负荷曲线拟合成各自对应的函数；

(3)根据源荷适配度计算公式，计算每一种组合方式下的新能源发电厂与用户负荷的适配度；

1)在a～b时段综合考虑的源荷曲线适配度S计算：

S＝-(α·S_S+β·S_N) (1)

式中，S表示a～b时段内综合考虑源荷两曲线函数在斜率与数值上的适配度；α为考虑斜率适配度S_S占综合适配度的权重；β为考虑数值适配度S_N综合适配度的权重；其中，0≤α≤1，0≤β≤1，且α+β＝1。

2)其中在a～b时段的源荷曲线斜率适配度S_S计算公式：

式中，S_S表示源荷曲线的斜率适配度即形状上的适配度，a，b分别为时间周期内的起止时间；∑G_i(t)表示i个新能源发电厂出力曲线综合拟合的函数曲线，G_i(t)表示第i个新能源发电厂的电源出力值；∑L_j(t)表示j个用户用电负荷曲线综合拟合的函数曲线，L_j(t)表示第j个电力用户的用电负荷值；

为拟合之后的新能源发电厂电源出力函数曲线对t时刻的一阶导数；

为拟合之后的电力用户负荷的函数曲线对t时刻的一阶导数。

3)其中在a～b时段的源荷曲线数值适配度S_N计算：

式中，S_N表示源荷曲线的数值适配度，a，b分别为时间周期内的起止时间；G_i(t)表示i个新能源发电厂出力曲线综合拟合的函数曲线；L_j(t)表示j个电力用户用电负荷曲线综合拟合的函数曲线。

在式(2)、(3)中，对于a，b的取值，可以根据不同的需要确定不同时间尺度的大小，如日、月度、季度或年度来确定a，b的数字，那么计算出的S_S、S_N相应地就表示日适配度、月适配度、季适配度或年适配度。

(4)将得到最大适配度平均值时的分别含有一定数量新能源发电厂与电力用户负荷组合确定为此次协调组合消纳的最佳组合；

其中，得到最佳源荷组合的最大适配度的优化模型包括目标函数及约束条件，所述目标函数为maxS＝max[-(α·S_S+β·S_N)]，即：

式中，S表示源荷两曲线在斜率与数值上的适配度，a，b分别为时间周期内的起止时间；∑G_i(t)表示i个新能源发电厂出力曲线综合拟合的函数曲线；∑L_j(t)表示j个用户用电负荷曲线综合拟合的函数曲线；

为拟合之后的新能源发电厂电源出力函数曲线对t时刻的一阶导数；

为拟合之后的电力用户负荷的函数曲线对t时刻的一阶导数；

式中，maxS为源荷适配度，表示a～b时段内综合考虑源荷两曲线函数在斜率与数值上的最佳匹配组合时的最大值；α为考虑斜率适配度S_S占综合适配度的权重；β为考虑数值适配度S_N占综合适配度的权重；其中，0≤α≤1，0≤β≤1，且α+β＝1。

约束条件包括：

各新能源发电厂电源出力的上下限约束：

minG_i(t)≤G_i(t)≤maxG_i(t) (5)

式中，minG_i(t)表示某个新能源发电厂的最小电源出力值；maxG_i(t)表示某个新能源发电厂的最大电源出力值。

各电力用户负荷的上下限约束：

minL_j(t)≤L_j(t)≤maxL_j(t) (6)

式中，minL_j(t)表示某个电力用户的最小用电负荷；表示某个电力用户的最大用电负荷。

根据式(5)、(6)判断形成的新能源发电厂与电力负荷的组合是否符合各种安全约束；

(5)进行新能源发电厂与电力用户之间的交易。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (1)

1.一种基于G-V源荷适配的跨省新能源调度方法，其特征在于包括如下步骤：

步骤1，分别构建新能源发电厂和用户的数据库，其中储存有每个新能源发电厂的综合出力曲线与每个用户的综合负荷曲线；

步骤2，统计将要进行协调组合的新能源发电厂与用户的类型与数量，并利分别将其综合出力曲线与综合负荷曲线拟合成各自对应的函数；

步骤3，根据源荷曲线适配度计算公式，计算每一种组合方式下的新能源发电厂与用户负荷的适配度；

所述步骤3中，在a～b时段的源荷曲线适配度S的计算公式是：

S＝-(α·S_S+β·S_N)

式中，S表示a～b时段内综合考虑源荷两曲线函数在斜率与数值上的适配度；a、b的取值决定时间尺度的大小，其单位为日、月度、季度或年度；α为考虑斜率适配度S_S占综合适配度的权重；β为考虑数值适配度S_N占综合适配度的权重；其中，0≤α≤1，0≤β≤1，且α+β＝1；

所述斜率适配度S_S的计算公式是：

式中，S_S表示源荷曲线的斜率适配度即形状上的适配度；∑G_i(t)表示i个新能源发电厂出力曲线综合拟合的函数曲线，G_i(t)表示第i个新能源发电厂的电源出力值；∑L_j(t)表示j个用户用电负荷曲线综合拟合的函数曲线，L_j(t)表示第j个电力用户的用电负荷值；

为拟合之后的新能源发电厂电源出力函数曲线对t时刻的一阶导数；

为拟合之后的电力用户负荷的函数曲线对t时刻的一阶导数；

所述数值适配度S_N的计算公式是：

式中，S_N表示源荷曲线的数值适配度；∑G_i(t)表示i个新能源发电厂出力曲线综合拟合的函数曲线，G_i(t)表示第i个新能源发电厂的电源出力值；∑L_j(t)表示j个用户用电负荷曲线综合拟合的函数曲线，L_j(t)表示第j个电力用户的用电负荷值；

步骤4，将得到最大适配度平均值时的分别含有一定数量新能源发电厂与电力用户负荷组合确定为此次调度的最佳组合；

所述步骤4中，建立最佳组合的最大适配度的优化模型，包括目标函数及约束条件：

目标函数为max S＝max[-(α·S_S+β·S_N)]；

式中，S表示源荷曲线适配度，a、b分别为时间周期内的起止时间；max S表示a～b时段内综合考虑源荷两曲线函数在斜率与数值上的最佳匹配组合时的最大值；α为考虑斜率适配度S_S占综合适配度的权重；β为考虑数值适配度S_N占综合适配度的权重；其中，0≤α≤1，0≤β≤1，且α+β＝1；

约束条件包括：

各新能源发电厂电源出力的上下限约束：

min G_i(t)≤G_i(t)≤max G_i(t)

式中，min G_i(t)表示某个新能源发电厂的最小电源出力值；max G_i(t)表示某个新能源发电厂的最大电源出力值；

各电力用户负荷的上下限约束：

min L_j(t)≤L_j(t)≤max L_j(t)

式中，min L_j(t)表示某个电力用户的最小用电负荷；表示某个电力用户的最大用电负荷；

步骤5，针对步骤4得到的最佳组合，进行新能源发电厂与电力用户之间的交易。

Images