CN111313473A - 一种考虑可靠性和切风率约束的多状态电力系统调度方法 - Google Patents

一种考虑可靠性和切风率约束的多状态电力系统调度方法 Download PDF

Info

Publication number
CN111313473A
CN111313473A CN202010252399.8A CN202010252399A CN111313473A CN 111313473 A CN111313473 A CN 111313473A CN 202010252399 A CN202010252399 A CN 202010252399A CN 111313473 A CN111313473 A CN 111313473A
Authority
CN
China
Prior art keywords
power system
state
generator set
output
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010252399.8A
Other languages
English (en)
Other versions
CN111313473B (zh
Inventor
丁一
杨阳
胡怡霜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202010252399.8A priority Critical patent/CN111313473B/zh
Publication of CN111313473A publication Critical patent/CN111313473A/zh
Application granted granted Critical
Publication of CN111313473B publication Critical patent/CN111313473B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑可靠性和切风率约束的多状态电力系统调度方法。建立负荷需求的多状态模型、风机出力的多状态模型和发电机组故障的多状态模型，构建电力系统的多状态模型；根据电力系统的多状态模型，在每一个电力系统的总状态下，结合状态的概率，处理获得期望切负荷值和期望切风值；将计及期望失负荷参数和期望切风参数约束的机组组合模型，在满足系统可靠性及切风率的前提下，对电力系统进行优化调度，计算发电机组在未来一天每个时间段的有功出力和运行备用分配值，进而对电力系统进行调度。本发明能够精准地调度电力系统各发电机组的出力和运行备用，保证系统满足可靠性和切风率要求。

Description

一种考虑可靠性和切风率约束的多状态电力系统调度方法
技术领域
本发明属于电力系统运行技术领域的一种电力系统调度方法，涉及一种考虑可靠性和切风率约束的多状态电力系统调度方法。
背景技术
随着电网智能化进程的推进，高比例间歇性能源(如风能、太阳能等)导致电网负荷峰谷差不断增大，电力系统可靠性问题变得更加突出，电力系统迫切需要一种能够在保证可靠性前提下最优调度发电机组出力和运行备用容量分配的方法。此外，传统的调度方法多采用两状态模型，也即发电机组只能处于正常运行状态或者完全故障状态，而忽略了部分故障状态等中间状态。因此，采用多状态模型能够更加精准地调度电力系统。现有技术中缺少了一种基于多状态模型的考虑可靠性约束的电力系统调度方法。
发明内容
为了解决背景技术中存在的问题，本发明提出了一种考虑可靠性和切风率约束的多状态电力系统调度方法。本发明能够精准地调度电力系统各发电机组的出力和运行备用，保证系统满足可靠性和切风率要求。
本发明所采用的技术方案是：
步骤1、建立负荷需求的多状态模型、风机出力的多状态模型和发电机组故障的多状态模型，然后构建整个电力系统的多状态模型；
步骤2、根据电力系统的多状态模型，在每一个电力系统的总状态下，结合每一个状态对应的概率，处理获得状态下的期望切负荷值和期望切风值；
步骤3、将计及期望失负荷参数和期望切风参数约束的机组组合模型，在满足系统可靠性及切风率的前提下，对电力系统进行优化调度，计算发电机组在未来一天每个时间段的有功出力和运行备用分配值，然后根据有功出力和运行备用分配值对电力系统进行调度。
所述的电力系统包括风机、负荷、发电机组和输电线，风机、发电机组经输电线和负荷相连接。负荷为用电设备，风机、发电机组为发电设备。
所述步骤1具体为：
1.1)采用以下方式分别对风机、发电机组、负荷的出力以及同时考虑正、负运行备用的发电机组出力水平进行多状态建模：
1.1.1)电力系统中风机的建模：
风机的风速用正态分布近似通过多状态模型表示为：
Figure BDA0002435959320000021
其中，μw,t和δw,t分别是风机w所在地点时间t的风速分布的平均值和标准差；Vw,t(kw)和prw,t(kw)分别是风机所在地点在时间t状态kw下的风速和风机在时间t为状态kw的概率，kw表示风机的状态；pr(Vw,t(kw))表示风机的风速在时间t处于状态kw的概率；
根据风机的风速，风机的输出功率从零到额定值连续不断地变化，风机的风力发电的输出出力根据功率曲线确定，功率曲线表示为：
Figure BDA0002435959320000022
式中，Pw,t(kw)表示风机w的风力发电在时间t状态kw下的输出出力；
Figure BDA0002435959320000023
和
Figure BDA0002435959320000024
分别为风电w的启动风速、停机风速和额定风速；
Figure BDA0002435959320000025
为当风速处于额定风速与停机风速之间时的出力，即额定出力；Aw,Bw和Cw分别为风机自身的出力曲线的常数项、一次项和二次项系数；
通过式(1)和式(2)构成风机出力的多状态模型。
1.1.2)电力系统中负荷的建模：
负荷的不确定性用正态分布进行表示，正态分布的平均值为当日前一天预测值，采用正态分布近似通过多状态模型表示为：
Figure BDA0002435959320000026
式中，μd,t和δd,t分别为负荷d在时间t的均值和标准差，Dd,t(kd)和prd,t(kd)分别为负荷d在时间t状态kd的实际负荷需求功率量和负荷d在时间t为状态kd的概率，kd表示负荷d的状态；
1.1.3)电力系统中发电机组的建模：
在实时运行过程中，发电机组的随机出现的故障会导致机组出力具有一定的随机性。发电机组的故障的类型分为完全故障和部分故障的两种，而这些随机出现的故障会极大程度地影响机组最实时运行时的最大出力容量和最小出力容量；部分故障的状态分为两种情况，加上正常运行状态，具体分为以下四种情况，一个典型的四状态机组模型如图5所示：
在正常运行状态中，kg＝1，kg表示发电机组的状态，则设置发电机组在实时运行的最大出力容量等于自身在日前预调度过程中确定的正运行备用RUg,t与出力Pg,t之和，即RUg,t+Pg,t，发电机组的最小出力容量等于自身在日前(当日前一天)预调度过程中确定的出力Pg,t与负运行备用RDg,t之差，即Pg,t-RDg,t；
在第一类部分故障状态中，kg＝2，此状态下发电机组的最大可出力水平
Figure BDA0002435959320000031
低于日前预调度过程中确定的正运行备用RUg,t与发电机组的出力Pg,t之和，即RUg,t+Pg,t，且最小可出力水平小于发电机组在日前预调度过程中确定的机组出力Pg,t与负运行备用RDg,t之差，即Pg,t-RDg,t；这意味着发电机组在实时运行过程中按照日前机组组合的结果为电力系统提供足够的负运行备用，但是却不能提供足够的正运行备用。则设置发电机组在实时运行的最大出力容量等于最大可出力水平
Figure BDA0002435959320000032
且设置最小出力容量等于在日前预调度过程中确定的出力Pg,t与负运行备用RDg,t之差，即Pg,t-RDg,t；
在第二类部分故障状态中，kg＝3，此状态下发电机组的最大可出力水平
Figure BDA0002435959320000033
低于日前预调度过程中确定的正运行备用RUg,t与发电机组的出力Pg,t之和，即RUg,t+Pg,t，且最小可出力水平
Figure BDA0002435959320000034
高于发电机组最大可出力水平
Figure BDA0002435959320000035
与负运行备用RDg,t之差，即
Figure BDA0002435959320000036
这意味着发电机组既不能按照日前机组组合的结果为电力系统提供正运行备用以及对应的出力水平，也不能为系统提供足够的负运行备用。则设置发电机组在实时运行的最大出力容量等于最大可出力水平
Figure BDA0002435959320000037
且设置最小出力容量等于最小可出力水平
Figure BDA0002435959320000038
在完全故障状态中，kg＝4，发电机组不再提供任何出力，在实时运行过程中的最大出力容量和最小出力容量均为0；
综上，发电机组在不同状态中的最大出力容量和最小出力容量表示为：
Figure BDA0002435959320000039
Figure BDA00024359593200000310
式中，
Figure BDA00024359593200000311
和
Figure BDA00024359593200000312
分别是发电机组g在时间t状态kg下的最大出力容量和最小出力容量；
Figure BDA00024359593200000313
和
Figure BDA00024359593200000314
分别为发电机组g在状态kg下最大出力水平和最小出力水平；发电机组的不同故障状态的概率根据发电机组自身固有参数通过历史数据统计直接获得，或者由生产厂家提供的数据获得；
运行备用是指在保证负荷实时需求外为应对负荷波动、设备故障等因素带来的供需不平衡所预留的快速有功响应容量，单位为功率。根据出力的调节方向分为正运行备用和负运行备用。
1.2)
在实时运行过程中，每个风机的出力、负荷的需求功率量和每个发电机组的出力均处于不同的状态，电力系统即处于非常复杂的状态中，风机、负荷和发电机组的状态聚合一起形成电力系统总状态，如下式所示：
s＝[kg1,kg2,...,kgn,...,kw1,kw2,...,kwn,...,kd1,kd2,...,kdn,...] (6)
式中，kgn,kwn,kdn分别为第n个发电机组g、风机w和用电负荷d的状态，n表示发电机组g、风机w、用电负荷d的序数。
电力系统为总状态s的概率为等同于所有发电机组的状态kg的概率prg,t(kg)、所有风机的状态kw的概率prw,t(kw)和所有负荷的状态kd的概率prd,t(kd)的三者乘积。
本发明的出力均是指出力功率。
步骤2、根据电力系统的多状态模型，在每一个电力系统的总状态下，结合每一个状态对应的概率，计算获得状态下的期望切负荷值和期望切风值；
所述步骤2具体采用如下方法计算期望失负荷参数和期望切风参数：
在电力系统的总状态s下，电力系统的切风量等于所有风机的出力和所有发电机组的最小出力容量之和再与电力系统负荷需求功率量之间的差值，整个电力系统在时间t的期望切风值EWPCt采用以下公式获得：
Figure BDA0002435959320000041
Figure BDA0002435959320000042
式中，
Figure BDA0002435959320000043
表示电力系统在时间t总状态s下是否存在切风，是一个0-1变量，只有当在电力系统状态s下，电力系统的切风大于零时才为1；Pw,t(kw)为风机w在时间t状态kw下的出力Δt为时间段t的时长；NS为电力系统所有状态s的集合；1()表示条件函数，只有当括号内的条件满足时值才等于1，否则为0；
由此通过上述公式(7)，在负荷确定情况下，发电机组能尽可能压低自身的出力，消纳风机发电。
期望切负荷参数是一个重要的系统可靠性参数，被用来衡量因风电出力不确定性、负荷用电不确定性以及机组随机故障导致的切负荷水平。在负荷一定的情况下，如果系统出力不足，为了尽可能减小切负荷量，传统发电机组将尽可能提高自身的出力。在电力系统的总状态s下，电力系统的切负荷量等于所有风机的出力和所有发电机组的最大出力容量之和再与电力系统负荷需求功率量之间的差值，整个电力系统在时间t的期望切负荷值EENSt采用以下公式获得：
Figure BDA0002435959320000051
Figure BDA0002435959320000052
式中，
Figure BDA0002435959320000053
表示电力系统在时间t总状态s下是否存在切负荷，是一个0-1变量，只有当在电力系统的总状态s下电力系统的切负荷大于零时才为1。
所述步骤3具体为：
3.1)机组组合模型的目标函数为最小化电力系统代价，包括发电机组的出力代价、启动和停机代价以及机组的运行备用代价：
Figure BDA0002435959320000054
其中，Pg,t为发电机组g在时间t的有功出力；RUg,t和PRUg,t分别为发电机组g在时间t的正运行备用和代价；RDg,t和PRDg,t分别为发电机组g在时间t的负运行备用和代价；NLCg为发电机组g的固定代价；SUg和SDg分别为发电机组g的启动代价和关机代价；xg,t、yg,t和zg,t分别代表发电机组g在时间t的运行状态、启动状态和关机状态，为0-1变量；GCg(Pg,t)表示发电机组g在时间t的出力代价；T表示时间范围，一般为24h；N表示电力系统节点的集合；NGi表示在电力系统节点i上的发电机组的集合；节点是指电力传输线、发电机组、风机、负荷的电力系统元件所在处，节点上有电力传输线、发电机组、风机、负荷；
并且建立以下约束条件：
A)能量平衡约束
Figure BDA0002435959320000055
式中，NWi为节点i上的风机集合；Pw,t表示在日前预测的在时间t的风机w的出力；Dd,t表示负荷d在时间t的日前预测需求量；Pg,t表示机组g在时间t的预调度出力；θi,t表示节点i在时间t的相角；Bij为电力系统导纳矩阵的第i行第j列的元素虚部；i(j)、g、w、d分别表示节点、发电机组、风机、负荷的序号；j表示与节点i通过传输线直接相连的节点的序号；φi为节点j的集合；NLi表示在节点i上的负荷的集合；
B)传输线潮流约束
Figure BDA0002435959320000056
式中，
Figure BDA0002435959320000061
表示位于节点i和节点j之间的输电线的最大传输容量；
C)机组运行约束
Figure BDA0002435959320000062
Figure BDA0002435959320000063
Figure BDA0002435959320000064
Figure BDA0002435959320000065
Figure BDA0002435959320000066
Figure BDA0002435959320000067
Figure BDA0002435959320000068
Figure BDA0002435959320000069
Figure BDA00024359593200000610
Figure BDA00024359593200000611
式中，
Figure BDA00024359593200000612
和
Figure BDA00024359593200000613
分别为电力系统在时间t的总的正运行备用和总的负运行备用；
Figure BDA00024359593200000614
和
Figure BDA00024359593200000615
分别表示发电机组g的最大出力上调速度和最大出力下调速度；
Figure BDA00024359593200000616
和
Figure BDA00024359593200000617
分别表示发电机组g在系统运行开始时已经开机和已经关机的时间；UTg和DTg分别表示发电机组g的最短开机时间和最短关机时间；T10是指10min；
Figure BDA00024359593200000618
和
Figure BDA00024359593200000619
分别表示发电机组g在正常状态下的最大出力水平和最小出力水平；τ和t都是时间段的编号。
其中，式(12)表示当机组在运行时，其有功出力应介于机组最大和最小有功出力之间。式(13)表示表示当机组在运行时，机组的出力与正运行备用之和应不超过机组的最大出力而且机组的正运行备用不应超过机组的上爬能力；当机组关闭时，机组的出力和正运行备用都应该为零，也即机组即不提供出力也不提供正运行备用。式(14)表示当机组在运行时，机组的出力与负运行备用之差应不小于机组的最小出力而且机组的负运行备用不应超过机组的下爬能力；当机组关闭时，机组的出力和负运行备用都应该为零，也即机组即不提供出力也不提供负运行备用。式(15)表示机组在运行状态上爬时，不应超过机组的上爬坡能力；机组从停机状态到运行状态时，其出力变化不应超过机组的最大出力值。式(16)表示机组在运行状态下爬时，不应超过机组的下爬坡能力；机组从运行状态变为停机状态时，其出力变化不应超过机组的最大出力。式(17)和式(18)分别表示机组的最小运行时间和最小停机时间约束。
D)期望切风约束和期望切负荷约束
设置以下电力系统在未来一天内总的期望切负荷量和切风量小于预设值，保证系统的可靠性以及切风率：
∑t∈TEENSt≤EENSmax (22)
∑t∈TEWPCt≤EWPCmax (23)
式中，EENSmax和EWPCmax分别为电力系统最大可接受的期望切负荷值和期望切风值。
3.2)具体可采用离散线性规划算法求解上述机组组合模型获得有功出力Pg,t、正运行备用RUg,t和负运行备用RDg,t，然后施加到电力系统进行调度。
本发明以上便构建了一个考虑期望切风约束和期望切负荷约束的日前机组组合模型，为电力系统更加精准有效地分配运行备用。
本发明具有的有益效果如下：
随着电力系统峰谷差的逐步增加，电力系统可靠性问题变得更加突出，电力系统迫切需要一种能够在保证可靠性前提下最优调度发电机组出力和运行备用容量分配的方法。本发明方法能够在保证系统可靠性的前提下精准有效地调度发电机组和分配运行备用容量。相比传统的调度方法，采用本方法能够实现在较少的正、负运行备用量的前提下，满足系统对可靠性的要求，并减少电力系统的煤耗，同时还可以减少风力发电的浪费，促进风电的利用。
附图说明
图1是实施例为IEEE8节点系统图。
图2是实施例电力系统典型日负荷图。
图3是实施在不同可靠性约束条件下的正运行备用分配情况图。
图4是实施在不同切风率约束条件下的负运行备用分配情况图。
图5是本发明中考虑正负运行备用的发电机组多状态模型图。
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。
按照本发明发明内容方法完整实施的实施例及其实施过程如下：
以图1中的IEEE8节点系统图为例：
其中，节点2连接的为风力发电机组，其余节点上的机组均为火电机组。所有传输线的传输容量设置为200MW。假设负荷需求的预测误差为一个高斯分布，标准误差为预测值的3％。机组提供正运行备用和负运行备用的代价均设置为200。风机的容量设置为140MW，其多状态模型中不同状态对应的概率以及出力从文献《Karki R,Hu P,Billinton R.ASimplified Wind Power Generation Model for Reliability Evaluation[J].IEEETransactions on Energy Conversion,2006,21(2):533-540.》中获得。火电机组的多状态模型中不同状态对应的概率以及出力从文献《Lisnianski A,Elmakias D,Laredo D,etal.A multi-state Markov model for a short-term reliability analysis of apower generating unit[J].Reliability Engineering&System Safety,2012,98(1):1-6.》中获得。火电机组的爬坡率、最短关机时间和最短开机时间、机组的出力代价、负荷曲线等数据从文献《Daneshi H,Srivastava A K.Security-constrained unit commitmentwith wind generation and compressed air energy storage[J].IET GenerationTransmission&Distribution,2012,6(2):167-0.》获得。在系统初始运行阶段，假设所有的机组都在运行。
根据本专利提出的方法，计算发电机组在未来一天每个时间段的有功出力和运行备用分配值，结果如图3和图4所示：
从图3看出，随着期望切负荷参数从1MWh逐渐增加到200MWh，系统需要的正运行备用也逐渐降低。当期望切风参数设置为200MWh以上时，系统几乎不需要留有负运行备用。这是因为根据式(8)系统正运行备用与期望切负荷参数具有负相关的关系。系统中的正运行备用越多，系统的可靠性也就越强。此外，根据传统的正运行备用设置方案，也即系统中最大一台机组的额定容量，系统中的正运行备用应设置为250MW。由于有着更多的正运行备用，此时系统的期望切负荷参数仅为0.692MWh。
从图4看出，随着期望切风参数从20MWh逐渐增加到200MWh，系统需要的负运行备用也逐渐降低。当期望切风参数设置为200MWh以上时，系统几乎不需要留有负运行备用。这是因为根据式(7)系统负运行备用与期望切风参数具有负相关的关系。系统中的负运行备用越多，系统吸收过多风力发电的能力也就越强。
通过上述算例看出，本发明方法能够在保证可靠性和切风率前提下精准有效调度发电机组的出力和运行备用分配方式。
以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。

Claims (4)

1.一种基于多状态模型的考虑可靠性和切风率约束的电力系统调度方法，其特征在于：方法主要包括以下步骤：
步骤1、建立负荷需求的多状态模型、风机出力的多状态模型和发电机组故障的多状态模型，然后构建整个电力系统的多状态模型；
步骤2、根据电力系统的多状态模型，在每一个电力系统的总状态下，结合每一个状态对应的概率，处理获得状态下的期望切负荷值和期望切风值；
步骤3、将计及期望失负荷参数和期望切风参数约束的机组组合模型，在满足系统可靠性及切风率的前提下，对电力系统进行优化调度，计算发电机组在未来一天每个时间段的有功出力和运行备用分配值，然后根据有功出力和运行备用分配值对电力系统进行调度。
2.根据权利要求1所述的一种基于多状态模型的考虑可靠性和切风率约束的电力系统调度方法，其特征在于：所述步骤1具体为：
1.1)采用以下方式分别对风机、发电机组、负荷的出力以及同时考虑正、负运行备用的发电机组出力水平进行多状态建模：
1.1.1)电力系统中风机的建模：
风机的风速用正态分布近似通过多状态模型表示为：
Figure FDA0002435959310000011
其中，μw,t和δw,t分别是风机w所在地点时间t的风速分布的平均值和标准差；Vw,t(kw)和prw,t(kw)分别是风机所在地点在时间t状态kw下的风速和风机在时间t为状态kw的概率，kw表示风机的状态；pr(Vw,t(kw))表示风机的风速在时间t处于状态kw的概率；
根据风机的风速，风机的输出功率从零到额定值连续不断地变化，风机的风力发电的输出出力根据功率曲线确定，功率曲线表示为：
Figure FDA0002435959310000012
式中，Pw,t(kw)表示风机w的风力发电在时间t状态kw下的输出出力；
Figure FDA0002435959310000013
和
Figure FDA0002435959310000014
分别为风电w的启动风速、停机风速和额定风速；
Figure FDA0002435959310000015
为当风速处于额定风速与停机风速之间时的出力，即额定出力；Aw,Bw和Cw分别为风机自身的出力曲线的常数项、一次项和二次项系数；
1.1.2)电力系统中负荷的建模：
负荷的不确定性用正态分布进行表示，正态分布的平均值为当日前一天预测值，采用正态分布近似通过多状态模型表示为：
Figure FDA0002435959310000021
式中，μd,t和δd,t分别为负荷d在时间t的均值和标准差，Dd,t(kd)和prd,t(kd)分别为负荷d在时间t状态kd的实际负荷需求功率量和负荷d在时间t为状态kd的概率，kd表示负荷d的状态；
1.1.3)电力系统中发电机组的建模：
发电机组的故障的类型分为完全故障和部分故障的两种；部分故障的状态分为两种情况，加上正常运行状态，具体分为以下四种情况：
在正常运行状态中，kg＝1，kg表示发电机组的状态，则设置发电机组在实时运行的最大出力容量等于自身在日前预调度过程中确定的正运行备用RUg,t与出力Pg,t之和，即RUg,t+Pg,t，发电机组的最小出力容量等于自身在日前预调度过程中确定的出力Pg,t与负运行备用RDg,t之差，即Pg,t-RDg,t；
在第一类部分故障状态中，kg＝2，此状态下发电机组的最大可出力水平
Figure FDA0002435959310000022
低于日前预调度过程中确定的正运行备用RUg,t与发电机组的出力Pg,t之和，即RUg,t+Pg,t，且最小可出力水平小于发电机组在日前预调度过程中确定的机组出力Pg,t与负运行备用RDg,t之差，即Pg,t-RDg,t；则设置发电机组在实时运行的最大出力容量等于最大可出力水平
Figure FDA0002435959310000023
且设置最小出力容量等于在日前预调度过程中确定的出力Pg,t与负运行备用RDg,t之差，即Pg,t-RDg,t；
在第二类部分故障状态中，kg＝3，此状态下发电机组的最大可出力水平
Figure FDA0002435959310000024
低于日前预调度过程中确定的正运行备用RUg,t与发电机组的出力Pg,t之和，即RUg,t+Pg,t，且最小可出力水平
Figure FDA0002435959310000025
高于发电机组最大可出力水平
Figure FDA0002435959310000026
与负运行备用RDg,t之差，即
Figure FDA0002435959310000027
则设置发电机组在实时运行的最大出力容量等于最大可出力水平
Figure FDA0002435959310000028
且设置最小出力容量等于最小可出力水平
Figure FDA0002435959310000029
在完全故障状态中，kg＝4，发电机组不再提供任何出力，在实时运行过程中的最大出力容量和最小出力容量均为0；
综上，发电机组在不同状态中的最大出力容量和最小出力容量表示为：
Figure FDA0002435959310000031
Figure FDA0002435959310000032
式中，
Figure FDA0002435959310000033
和
Figure FDA0002435959310000034
分别是发电机组g在时间t状态kg下的最大出力容量和最小出力容量；
Figure FDA0002435959310000035
和
Figure FDA0002435959310000036
分别为发电机组g在状态kg下最大出力水平和最小出力水平；
1.2)在实时运行过程中，每个风机的出力、负荷的需求功率量和每个发电机组的出力均处于不同的状态，电力系统即处于非常复杂的状态中，风机、负荷和发电机组的状态聚合一起形成电力系统总状态，如下式所示：
s＝[kg1,kg2,...,kgn,...,kw1,kw2,...,kwn,...,kd1,kd2,...,kdn,...] (6)
式中，kgn,kwn,kdn分别为第n个发电机组g、风机w和用电负荷d的状态，n表示发电机组g、风机w、用电负荷d的序数；
电力系统为总状态s的概率为等同于所有发电机组的状态kg的概率prg,t(kg)、所有风机的状态kw的概率prw,t(kw)和所有负荷的状态kd的概率prd,t(kd)的三者乘积。
3.根据权利要求1所述的一种考虑灵活调节机组发电份额约束的电力系统调度方法，其特征在于：所述步骤2具体采用如下方法计算期望失负荷参数和期望切风参数：在电力系统的总状态s下，电力系统的切风量等于所有风机的出力和所有发电机组的最小出力容量之和再与电力系统负荷需求功率量之间的差值，整个电力系统在时间t的期望切风值EWPCt采用以下公式获得：
Figure FDA0002435959310000037
Figure FDA0002435959310000038
式中，
Figure FDA0002435959310000039
表示电力系统在时间t总状态s下是否存在切风，是一个0-1变量，只有当在电力系统状态s下，电力系统的切风大于零时才为1；Δt为时间段t的时长；NS为电力系统所有状态s的集合；1()表示条件函数，只有当括号内的条件满足时值才等于1，否则为0；
在电力系统的总状态s下，电力系统的切负荷量等于所有风机的出力和所有发电机组的最大出力容量之和再与电力系统负荷需求功率量之间的差值，整个电力系统在时间t的期望切负荷值EENSt采用以下公式获得：
Figure FDA0002435959310000041
Figure FDA0002435959310000042
式中，
Figure FDA0002435959310000043
表示电力系统在时间t总状态s下是否存在切负荷，是一个0-1变量，只有当在电力系统的总状态s下电力系统的切负荷大于零时才为1。
4.根据权利要求1所述的一种考虑灵活调节发电机组发电份额约束的电力系统调度方法，其特征在于：所述步骤3具体为：
3.1)机组组合模型的目标函数为最小化电力系统代价，包括发电机组的出力代价、启动和停机代价以及机组的运行备用代价：
Figure FDA0002435959310000044
其中，Pg,t为发电机组g在时间t的有功出力；RUg,t和PRUg,t分别为发电机组g在时间t的正运行备用和代价；RDg,t和PRDg,t分别为发电机组g在时间t的负运行备用和代价；NLCg为发电机组g的固定代价；SUg和SDg分别为发电机组g的启动代价和关机代价；xg,t、yg,t和zg,t分别代表发电机组g在时间t的运行状态、启动状态和关机状态；GCg(Pg,t)表示发电机组g在时间t的出力代价；T表示时间范围，N表示电力系统节点的集合；NGi表示在电力系统节点i上的发电机组的集合；节点是指电力传输线、发电机组、风机、负荷的电力系统元件所在处；
并且建立以下约束条件：
A)能量平衡约束
Figure FDA0002435959310000045
式中，NWi为节点i上的风机集合；Pw,t表示在日前预测的在时间t的风机w的出力；Dd,t表示负荷d在时间t的日前预测需求量；Pg,t表示机组g在时间t的预调度出力；θi,t表示节点i在时间t的相角；Bij为电力系统导纳矩阵的第i行第j列的元素虚部；i(j)、g、w、d分别表示节点、发电机组、风机、负荷的序号；j表示与节点i通过传输线直接相连的节点的序号；φi为节点j的集合；NLi表示在节点i上的负荷的集合；
B)传输线潮流约束
Figure FDA0002435959310000046
式中，
Figure FDA0002435959310000051
表示位于节点i和节点j之间的输电线的最大传输容量；
C)机组运行约束
Figure FDA00024359593100000519
Figure FDA0002435959310000052
Figure FDA00024359593100000518
Figure FDA0002435959310000053
Figure FDA0002435959310000054
Figure FDA0002435959310000055
Figure FDA0002435959310000056
Figure FDA0002435959310000057
Figure FDA0002435959310000058
Figure FDA0002435959310000059
式中，
Figure FDA00024359593100000510
和
Figure FDA00024359593100000511
分别为电力系统在时间t的总的正运行备用和总的负运行备用；
Figure FDA00024359593100000512
和
Figure FDA00024359593100000513
分别表示发电机组g的最大出力上调速度和最大出力下调速度；
Figure FDA00024359593100000514
和
Figure FDA00024359593100000515
分别表示发电机组g在系统运行开始时已经开机和已经关机的时间；UTg和DTg分别表示发电机组g的最短开机时间和最短关机时间；T10是指10min；
Figure FDA00024359593100000516
和
Figure FDA00024359593100000517
分别表示发电机组g在正常状态下的最大出力水平和最小出力水平；τ和t都是时间段的编号。
D)期望切风约束和期望切负荷约束
设置以下电力系统在未来一天内总的期望切负荷量和切风量小于预设值：
∑t∈TEENSt≤EENSmax (22)
∑t∈TEWPCt≤EWPCmax (23)
式中，EENSmax和EWPCmax分别为电力系统最大可接受的期望切负荷值和期望切风值；
3.2)求解上述机组组合模型获得有功出力Pg,t、正运行备用RUg,t和负运行备用RDg,t，然后施加到电力系统进行调度。
CN202010252399.8A 2020-04-01 2020-04-01 一种考虑可靠性和切风率约束的多状态电力系统调度方法 Active CN111313473B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010252399.8A CN111313473B (zh) 2020-04-01 2020-04-01 一种考虑可靠性和切风率约束的多状态电力系统调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010252399.8A CN111313473B (zh) 2020-04-01 2020-04-01 一种考虑可靠性和切风率约束的多状态电力系统调度方法

Publications (2)

Publication Number Publication Date
CN111313473A true CN111313473A (zh) 2020-06-19
CN111313473B CN111313473B (zh) 2021-07-06

Family

ID=71162673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010252399.8A Active CN111313473B (zh) 2020-04-01 2020-04-01 一种考虑可靠性和切风率约束的多状态电力系统调度方法

Country Status (1)

Country Link
CN (1) CN111313473B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104600747A (zh) * 2015-01-21 2015-05-06 西安交通大学 协调运行风险与风能消纳的电力系统运行优化方法
CN104701890A (zh) * 2015-03-21 2015-06-10 南京理工大学 考虑风电功率溢出的含风电场电力系统旋转备用优化方法
CN105449666A (zh) * 2015-10-20 2016-03-30 中国农业大学 适用于微电网的多状态等值分析方法及系统
CN106058917A (zh) * 2016-05-31 2016-10-26 国网山东省电力公司济南供电公司 一种计及光伏发电的电力系统动态经济调度方法
CN107644116A (zh) * 2017-08-02 2018-01-30 广东电网有限责任公司肇庆供电局 一种适应于间歇性能源接入的随机生产模拟算法
CN109149571A (zh) * 2018-09-21 2019-01-04 国网福建省电力有限公司 一种考虑系统燃气和火电机组特性的储能优化配置方法
CN109787217A (zh) * 2018-11-20 2019-05-21 国网浙江省电力有限公司 基于风电多状态模型及机会成本修正的备用出清方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104600747A (zh) * 2015-01-21 2015-05-06 西安交通大学 协调运行风险与风能消纳的电力系统运行优化方法
CN104701890A (zh) * 2015-03-21 2015-06-10 南京理工大学 考虑风电功率溢出的含风电场电力系统旋转备用优化方法
CN105449666A (zh) * 2015-10-20 2016-03-30 中国农业大学 适用于微电网的多状态等值分析方法及系统
CN106058917A (zh) * 2016-05-31 2016-10-26 国网山东省电力公司济南供电公司 一种计及光伏发电的电力系统动态经济调度方法
CN107644116A (zh) * 2017-08-02 2018-01-30 广东电网有限责任公司肇庆供电局 一种适应于间歇性能源接入的随机生产模拟算法
CN109149571A (zh) * 2018-09-21 2019-01-04 国网福建省电力有限公司 一种考虑系统燃气和火电机组特性的储能优化配置方法
CN109787217A (zh) * 2018-11-20 2019-05-21 国网浙江省电力有限公司 基于风电多状态模型及机会成本修正的备用出清方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LISNIANSKI: "A multi-state Markov model for ashort-term reliability analysis of a power generating unit", 《RELIABILITY ENGINEERING & SYSTEM SAFETY》 *

Also Published As

Publication number Publication date
CN111313473B (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
CN108306331B (zh) 一种风光储混合系统的优化调度方法
US11770098B2 (en) Coordinated control of renewable electric generation resource and charge storage device
CN113193547B (zh) 计及新能源及负荷区间不确定性的电力系统日前-日内协同调度方法与系统
CN107240933B (zh) 一种考虑风电功率特性的风火协调滚动调度方法
CN110783963B (zh) 电力系统优化调度方法、装置、计算机设备和存储介质
CN110739687A (zh) 一种考虑风电高阶不确定性的电力系统分布鲁棒调度方法
CN107800153B (zh) 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法
CN110061492B (zh) 考虑配电网供电可靠性的储能系统容量优化配置方法
CN117077974A (zh) 虚拟电厂资源优化调度方法、装置、设备及存储介质
CN109713713B (zh) 一种基于机会约束凸松弛的机组启停随机优化方法
CN107967567B (zh) 基于虚拟电源的风电场调度方法和系统
CN111313473B (zh) 一种考虑可靠性和切风率约束的多状态电力系统调度方法
CN117578565A (zh) 一种极端天气下电力系统日前运行策略鲁棒迭代优化方法
CN110336308B (zh) 一种基于机会约束的主动配电网经济调度方法
CN117172569A (zh) 一种考虑电力系统供需匹配的灵活性评估方法
CN116826736A (zh) 高比例新能源系统惯量约束的灵活性资源配置方法及系统
Li et al. An improved dispatchable wind turbine generator and dual-battery energy storage system to reduce battery capacity requirement
CN115021327B (zh) 基于虚拟储能的互联微电网系统的协同日前优化调度方法
CN113659566B (zh) 一种基于CVaR的多能互补发电系统的容量配置优化方法
CN115733146A (zh) 一种源荷储多时间尺度协调调度模型
CN111327080B (zh) 一种面向多类别机组的电力系统中长期电量联合分解方法
CN114204599A (zh) 一种抑制配电网电压波动的分布式储能布点运行控制方法
CN114301071A (zh) 适应全调度周期考核模式的风电场计划偏差率整定方法
CN115769454A (zh) 混合动力发电厂快速频率响应
CN111064187A (zh) 一种发用电的电量极限分配方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant