含抽蓄与新能源发电的柔性直流输电系统日前调度方法
技术领域
本发明涉及电网及储能系统调度技术领域,尤其涉及一种含抽蓄与新能源发电的柔性直流输电系统日前调度方法。
背景技术
当今,可再生能源发电大规模接入电网,为全社会的能源消耗提供了重要的支撑。但是,由于可再生能源出力主要由外部气象条件决定。因此,气象条件的变动将会导致可再生能源出力呈现较强的波动性和间歇性,这也给电力系统的运行调度带来了诸多挑战。大容量储能技术,可以与可再生能源在时空尺度上进行配合,有效平抑其发电的出力波动,实现能量在时间和空间上的转移,从而提高可再生能源发电曲线与受端负荷间的匹配程度。
一般地,按照储能的电量存储和功率转化特性可以分为功率型储能和容量型储能。前者具有较大的功率转换速率、调节方式灵活,而后者具备较大的电量存储能力。抽水蓄能电站作为一种较为成熟的能量存储方式,在电网的调峰应用中广受青睐;其中,可变速抽水蓄能机组相较于定速抽水蓄能机组在抽水阶段表现出更为强大的调节能力,应用前景更加广阔。另外,电池储能技术由于配置位置灵活且适用于功率、能量兼顾型场景,在储能应用的各个领域(尤其是新能源并网)都获得了应用。因此,在新能源富集地区协调调度定/变速抽水蓄能机组和电池储能系统可以促进地区大规模新能源的送出与综合利用。相较于电池储能,抽水蓄能机组在运行中存在抽水、停机和发电三状态,不宜频繁在多状态间切换,即时调节灵活性欠佳。因此,在调度综合储能系统时,需要根据日前新能源出力功率预测信息提前确定机组的运行状态以保证日内调度中系统高效、经济调度。
运行经验表明,相较于传统交流输电系统,柔性直流输电系统在长距离输电、新能源消纳、孤岛供电、有功功率与无功功率控制方面优势明显。因此,国内已有部分站点采用柔性直流输电方式解决大规模风电、光伏等新能源的并网及远距离传输问题。但是,柔性直流输电线路在运行中存在输电容量上限。因此,需要对接入柔性直流输电系统的新能源和抽水蓄能与电池储能系统统筹调度,保证新能源可靠送出。
目前,对于柔性直流输电系统的运行调度问题,柔性直流输电系统结构多由新能源、电池储能和常规火电机组构成,调度问题未能考虑抽水蓄能电站中机组的运行特性和定/变速机组的启停计划安排问题。另外,利用抽水蓄能电站消纳新能源的调度问题,仅考虑了全系统的功率平衡约束和抽水蓄能运行约束,而没有考虑柔性直流输电系统的运行约束。由于在含抽蓄和新能源发电系统的实际调度中,需要考虑抽蓄机组的启停及运行调节特性,同时考虑线路传输功率约束对大规模新能源发电送出的运行要求限制。所以,当前日前调度策略已不再适用于通过柔性直流输电线路相连接的抽蓄和新能源发电系统运行调度要求。
发明内容
本发明的目的是为克服已有技术的不足之处,提出一种含抽蓄与新能源发电的柔性直流输电系统日前调度方法。本发明可以将新能源场站日前预测出力误差考虑到日前优化调度模型之中,进而合理安排次日定/变速抽水蓄能机组运行,保证柔性直流输电网络传输功率约束的前提下,实现新能源发电的送出与消纳。
本发明提出一种含抽蓄与新能源发电的柔性直流输电系统日前调度方法,其特征在于,该方法包括以下步骤:
1)计算柔性直流输电系统中所有新能源场站在每个历史采样点的出力预测相对误差,建立每个新能源场站对应的出力预测相对误差概率模型;具体步骤如下:
1-1)对过去全年柔性直流输电系统中所有新能源场站的实际出力数据和预测出力数据进行采样,其中采样周期为15分钟,将任一新能源场站r第i个历史采样点的实际出力值记为P
r,his(i),新能源场站r第i个历史采样点的预测出力值记为
1-2)计算新能源场站r在每个历史采样点的出力预测相对误差,表达式如下:
其中,Pr,ins为新能源场站r的装机容量,新能源场站r在第i个历史采样点的出力预测相对误差记为δr,i;
1-3)对所有新能源场站,选取相对误差百分比步长κ,利用每个新能源场站r所有历史采样点的出力预测相对误差δr,i绘制该新能源场站对应的预测误差直方图;
对于新能源场站r对应的预测误差直方图,令该直方图中第i个相对误差段的出力预测误差中心值为Ar,i,该相对误差段的直方图高度为Hr,i,令新能源场站r对应的拟合分布指标γr:
其中,N
r为当选取相对误差百分比步长为κ时,新能源场站r对应的预测误差直方图的总区间数;
为选取的分布模型;
对于每种分布模型,通过极大似然估计方法,确定基于该分布模型的相关参数,并分别根据各分布模型拟合结果,计算每种分布模型所对应的拟合分布指标γr,选取使得拟合分布指标γr最小的分布模型为新能源场站r对应的出力预测相对误差概率模型;
2)获取柔性直流输电系统中所有新能源厂站的日前出力预测数据,生成每个新能源场站的日前出力预测相对误差典型场景,建立新能源场站日前出力预测典型场景集,计算各新能源场站在每个日前出力预测典型场景下修正后的日前出力预测值;具体步骤如下:
2-1)令采样周期为15分钟,获取柔性直流输电系统中每个新能源场站的日前出力预测数据,每个新能源场站共获得96个日前出力预测数据;将新能源场站r在日前第i个采样点的出力预测值记为
2-2)利用步骤1)确定的新能源场站r对应的出力预测相对误差概率模型,重复运用Q次蒙特卡洛方法模拟运行,获得该新能源场站共计Q组日前出力预测相对误差序列,每组日前出力预测误差序列包含分别对应全天96个采样点的日前出力预测相对误差值;对Q组日前出力预测相对误差序列,运用K-Means聚类方法,最终获得新能源场站r对应的聚类后的W组日前出力预测相对误差序列,将聚类后的每组日前出力预测相对误差序列作为该新能源场站r的一个日前出力预测相对误差典型场景;
2-3)对每个新能源场站分别对应的W个日前出力预测相对误差典型场景依次从1到W进行编号,将编号相同的各新能源场站对应的日前出力预测相对误差典型场景组成一个新能源场站日前出力预测典型场景,所有新能源场站日前出力预测典型场景构成新能源场站日前出力预测典型场景集Ω,该场景集共包括W个新能源场站日前出力预测典型场景;
2-4)对于场景集Ω中任一典型场景ω,将新能源场站r在该典型场景对应的日前出力预测相对误差序列记为
其中
表示新能源场站r在ω场景下第i个采样点的日前出力预测相对误差,则新能源场站r在该典型场景下对应的日前出力预测误差的绝对值序列为
该新能源场站r在ω场景下第i个采样点修正后的日前出力预测值
为:
利用式(3),最终得到Ω中各典型场景下每个新能源场站r在各采样点的修正后的日前出力预测值;
3)建立含抽蓄和新能源发电的柔性直流输电系统日前调度优化模型,该模型由目标函数和约束条件构成;具体步骤如下:
3-1)确定模型的目标函数,表达式如下:
其中,k为采样点序号,k={1,2,...,96};
为第k个采样点的抽水蓄能机组的启停成本,
为ω场景下第k个采样点的电池储能运行成本,
为ω场景下第k个采样点的弃新能源成本,
为ω场景下第k个采样点的负荷失配成本,ω∈Ω;
其中,
式(5)中,C
su,C
sd,C
vd,C
vd分别表示定速抽水蓄能机组启动成本、定速抽水蓄能机组关停成本、变速抽水蓄能机组启动成本和变速抽水蓄能机组关停成本;
分别表示第k个采样点j节点处的抽水蓄能电站中定速抽水蓄能机组启动抽水台数、定速抽水蓄能机组停止抽水台数、变速抽水蓄能机组启动抽水台数、变速抽水蓄能机组停止抽水台数,M表示柔性直流输电系统的节点总数;
式(6)中,
表示在ω场景下第k个采样点所有节点的电池储能充放电运行费用,Δt为采样周期,π
c和π
d分别表示电池储能充电成本参数和放电成本参数;
和
分别表示ω场景下j节点处在第k个采样点的电池储能的充电功率和放电功率;
式(7)中,α
W和α
S分别为风力发电和光伏发电的弃用惩罚系数,π
W,k和π
S,k分别为第k个采样点的风电上网电价和光伏上网电价;ω场景下在第k个采样点连接在j节点的风电场修正预测出力为
ω场景下在第k个采样点连接在j节点的光伏电站的修正预测出力为
ω场景下在第k个采样点连接在j节点的风电场上网功率为
ω场景下在第k个采样点连接在j节点的光伏电站上网功率为
式(8)中,α
L表示负荷失配惩罚系数,π
k表示第k个采样点的负荷电价,
表示在第k个采样点j节点处的负荷功率,
表示ω场景下在第k个采样点连接在j节点的所有发电设备的发电功率;其中,
计算表达式如式(9)所示:
式(9)中,
和
分别表示ω场景下在第k个采样点连接在j节点的定速抽水蓄能机组发电功率和抽水功率;
和
分别表示ω场景下在第k个采样点连接在j节点的变速抽水蓄能机组发电功率和抽水功率;
3-2)确定模型的约束条件;具体如下:
3-2-1)抽蓄机组工作状态及储能充放电状态互斥约束:
式中,
分别为第k个采样点储能
充/放电状态的二进制变量,
表示储能类别,储能类别包括抽水蓄能机组ε和电池储能B;
3-2-2)定/变速抽水蓄能机组运行约束:
式中,
为第k个采样点工作在抽水状态的抽水蓄能机组台数,sp、vp分别表示定速抽水蓄能机组机组和变速抽水蓄能机组;
表示第k个采样点连接在j节点工作在抽水状态的定速抽水蓄能机组台数,
表示第k个采样点连接在j节点工作在抽水状态的变速抽水蓄能机组台数,
表示第k个采样点在j节点处定速抽水蓄能机组的启动机组数目,
表示第k个采样点在j节点处变速抽水蓄能机组的启动机组数目,
表示第k个采样点在j节点处定速抽水蓄能机组的关闭机组数目,
表示第k个采样点在j节点处变速抽水蓄能机组的关闭机组数目;
分别表示j节点处抽水蓄能电站的定速抽水蓄能机组和变速机组抽水蓄能日内最多启停次数;
p vp分别为ω场景下在第k个采样点连接在j节点的变速抽水蓄能机组的抽水功率、单台变速抽水蓄能机组的抽水上限功率和下限功率,
为在第k个采样点连接在j节点的定速抽水蓄能机组的抽水功率,
为单台定速抽水蓄能机组的额定抽水功率;
g ε分别为ω场景下在第k个采样点连接在j节点的抽水蓄能机组的发电功率、单台抽水蓄能机组的上限发电功率和下限发电功率;
表示抽水蓄能电站中定速抽水蓄能机组或变速抽水蓄能机组的台数;
和
分别表示ω场景下在第k个采样点j节点处抽水蓄能机组的抽水功率和发电功率;
3-2-3)抽水蓄能电站的容量约束:
式中,
和
分别表示ω场景下在第k个采样点j节点处的上水库库容和下水库库容,λ
g和λ
p分别为抽水蓄能机组的发电阶段的功率-水量转换常数和抽水阶段的功率-水量转换常数,j节点处上水库的库容上、下限分别为
和
j节点处下水库的库容上、下限分别为
和
和
δ j分别表示j节点处首末段时段的最大库容变动量和最小库容变动量;
3-2-4)电池储能系统运行约束:
式中,
和
分别表示ω场景下在第k个采样点j节点处电池储能的充电功率和放电功率;
和
p c分别表示电池储能的最大、最小充电功率,
和
p d分别表示电池储能的最大、最小放电功率;
和
分别表示ω场景下在第k个采样点j节点处的电池储能的充电状态和放电状态的二进制变量;
E0·SOCmin≤Ej,ω,k≤E0·SOCmax (30)
式中,Ej,ω,k为ω场景下在第k个采样点j节点的存储电量;ηc和ηd分别表示电池储能的充电效率和放电效率,E0为电池储能的配置额定容量,SOCmax和SOCmin分别表示电池储能运行的荷电状态上限和下限;
3-2-5)柔性直流输电系统约束:
Vk,ω±0 (34)
令v
ω,k表示ω场景下在第k个采样点的所有节点电压构成的列向量,则
为M×M维矩阵,M表示柔性直流输电系统节点总数,V
ij,ω,k为ω场景下在第k个采样点电压矩阵中位于第i行第j列的元素,代表ω场景下在第k个采样点i节点和j节点电压的乘积;
表示ω场景下在第k个采样点从i节点向j节点的输送的有功功率,
代表连接i、j节点线路的传输功率上限;r
ij表示连接i、j节点线路的电阻值,
v i和
分别表示i节点的电压下限值和电压上限值;
4)对步骤3)建立模型求解,得到次日定/变速抽水蓄能机组的机组启动与关停计划
风电和光伏等新能源上网功率
和
定/变速机组抽水及发电功率
和
储能充放电功率
和
的最优解;
其中,将定/变速抽水蓄能机组启停计划
的最优解作为次日对应抽水蓄能机组的动作指令,得到日前优化调度的结果。
本发明的特点及有益效果:
1、本发明考虑含定/变速抽水蓄能机组和电池储能的混合储能系统,用以促进新能源富集地区大规模新能源送出与消纳,混合储能系统存储电量大,调节灵活性强;
2、本发明将抽水蓄能机组与电池储能混合系统、新能源发电厂场站和受端负荷均接入柔性直流输电系统,日前调度优化阶段考虑柔性直流输电功率传输限制,调度算法可限制全时段线路传输功率在限值范围之内,保证系统运行安全性要求;
3.本发明充分结合日前预测出力数据和新能源场站预测出力误差情况制定调度方案,调度方案可以保证系统有效应对日前新能源出力存在预测偏差情况,提升计及新能源预测出力偏差时的系统运行的效率。
具体实施方式
本发明提出一种含抽蓄与新能源发电的柔性直流输电系统日前调度方法,下面结合具体实施例对本发明作进一步详细描述。
本发明提出一种含抽蓄与新能源发电的柔性直流输电系统日前调度方法,包括以下步骤:
1)计算柔性直流输电系统中所有新能源场站(本发明中新能源场站包括风电场和光伏电站)在每个历史采样点的出力预测相对误差,建立每个新能源场站对应的出力预测相对误差概率模型。具体步骤如下:
1-1)对过去全年柔性直流输电系统中所有新能源场站的实际出力数据和预测出力数据进行采样,其中采样周期为15分钟,将任一新能源场站r第i个历史采样点的实际出力值记为P
r,his(i),新能源场站r第i个历史采样点的预测出力值记为
1-2)计算新能源场站r在每个历史采样点的出力预测相对误差,表达式如下:
其中,Pr,ins为新能源场站r的装机容量。新能源场站r在第i个历史采样点的出力预测相对误差记为δr,i,δr,i<0表示该历史采样点的新能源的预测出力小于实际出力;δr,i>0表示该历史采样点的新能源的预测出力大于实际出力。
1-3)对包含新能源场站r在内的所有新能源场站,选取固定的相对误差百分比步长κ(建议范围2%-5%),利用每个新能源场站r所有历史采样点的出力预测相对误差δr,i绘制该新能源场站对应的预测误差直方图(每个直方图中包含多个相对误差段)。对于新能源场站r对应的预测误差直方图,令该直方图中第i个相对误差段的出力预测误差百分比中心值为Ar,i,该相对误差段的直方图高度为Hr,i。定义新能源场站r对应的拟合分布指标γr:
其中,N
r为当选取相对误差百分比步长为κ时,新能源场站r对应的预测误差直方图的总区间数。
为选取的分布模型,可采用正态分布、带位置和尺度参数的t分布、极值分布等用于拟合新能源出力预测相对误差的经典概率分布模型。
对于每种分布模型,通过极大似然估计方法,确定基于该分布模型的相关参数,并分别根据各分布模型拟合结果,计算每种分布模型所对应的拟合分布指标γr。选取使得拟合分布指标γr最小的分布模型为新能源场站r对应的出力预测相对误差概率模型。
2)获取柔性直流输电系统中所有新能源厂站的日前出力预测数据,通过随机模拟和聚类生成每个新能源场站的日前出力预测误差典型场景,构建新能源场站日前出力预测典型场景集,计算各新能源场站在每个日前出力预测典型场景下修正后的日前出力预测值。
具体步骤如下:
2-1)令采样周期为15分钟,从预测中心获得柔性直流输电系统中每个新能源场站的日前出力预测数据,每个新能源场站共获得96个日前出力预测数据;将新能源场站r在日前第i个采样点的出力预测值记为
2-2)新能源发电由于受外界气象因素影响,出力呈现较大的不确定性。因此,仅根据日前预测数据安排抽水蓄能机组工作状态,可能在出力存在较大偏差时系统调度经济性欠佳。所以,在实际调度运行中可以通过构建场景集的方式,根据新能源场站出力预测误差情况,确定运行调度可能的场景,考虑日前系统的优化调度。具体来说,基于步骤1)确定的新能源场站r对应的出力预测相对误差概率模型,重复运用Q次(取值500-1000次)蒙特卡洛方法模拟运行,获得该新能源场站的共计Q组日前出力预测相对误差序列(每组日前出力预测误差序列包含分别对应全天96个采样点的日前出力预测相对误差值)。对Q组日前出力预测相对误差序列,运用K-Means聚类方法,最终获得新能源场站r对应的聚类后的W组日前出力预测相对误差序列(3~5组)作为该新能源场站r的日前出力预测相对误差典型场景。
2-3)分别对柔性直流输电系统中的所有新能源场站生成相等数量(均为W组)的典型场景,对每个新能源场站分别对应的W个日前出力预测相对误差典型场景依次从1到W进行编号,将编号相同的各新能源场站对应的日前出力预测相对误差典型场景组成一个新能源场站日前出力预测典型场景,所有新能源场站日前出力预测典型场景构成新能源场站日前出力预测典型场景集Ω,该场景集共包括W个新能源场站日前出力预测典型场景。
2-4)对于场景集Ω中任一典型场景ω,将新能源场站r在该典型场景对应的日前出力预测相对误差序列记为
其中
表示新能源场站r在ω场景下第i个采样点的日前出力预测相对误差,则新能源场站r在该典型场景下对应的日前出力预测误差的绝对值序列为
若已获得新能源场站r在第i个采样点的日前预测出力为
考虑到新能源场站的实际出力运行限制要求,则该新能源场站r在ω场景下第i个采样点修正后的日前出力预测值
为:
利用式(3),最终得到Ω中各典型场景下每个新能源场站r在各采样点的修正后的日前出力预测值。
3)建立含抽蓄和新能源发电的柔性直流输电系统日前调度优化模型,,该模型由目标函数和约束条件构成。具体步骤如下:
3-1)确定模型的目标函数;
由于新能源场站修正后的日前出力预测数据与当日实际运行数据之间存在一定的偏差,因此在安排日前含抽水蓄能机组的运行调度计划时,需要考虑预测偏差对调度计划安排的影响。结合步骤2)中生成的日前出力典型场景集构造调度模型的目标函数:
该目标函数为运行总成本的最小化;
其中,Ω为日前新能源场站出力预测典型场景集,Ω中场景数为W。k为采样点序号,日前采样周期为15分钟,则一日采样点总数为96点,因此k={1,2,...,96}。在ω场景下第k个采样点运行总成本包含抽水蓄能机组的启停成本
电池储能运行成本
弃新能源成本
和负荷失配成本
其中,
式(5)中,
为第k个采样点的抽水蓄能机组的启停成本(抽水蓄能机组,简称抽蓄机组,包括定速抽水蓄能机组和变速抽水蓄能机组),C
su,C
sd,C
vd,C
vd分别表示定速抽水蓄能机组启动成本、定速抽水蓄能机组关停成本、变速抽水蓄能机组启动成本和变速抽水蓄能机组关停成本。
分别表示第k个采样点j节点处的抽水蓄能电站中定速抽水蓄能机组启动抽水台数、定速抽水蓄能机组停止抽水台数、变速抽水蓄能机组启动抽水台数、变速抽水蓄能机组停止抽水台数,均为整数决策变量,M表示柔性直流输电系统的节点总数。
式(6)中,
表示在ω场景下第k个采样点所有节点的电池储能充放电运行费用,Δt为采样周期(为15分钟),π
c和π
d分别表示电池储能充放电成本参数(论文:cooperativedispatch of BESS and wind power generation considering carbon esmissionlimitation in Australia中可以查到充放电成本参数为$100/MWh);
和
分别表示ω场景下j节点处在第k个采样点的电池储能的充电功率和放电功率。
式(7)中,αW和αS分别为风力发电和光伏发电的弃用惩罚系数(根据调度部门运行需求设置,或者前人研究论文可以查到此类参数取值。比如:Flexible-regulationresources planning for distributionnetworks with a high penetration ofrenewableenergy一文中的风电和光伏弃用惩罚费用均设置为0.5元/kWh),πW,k和πS,k分别为第k个采样点的风电上网电价和光伏上网电价。
ω场景下在第k个采样点连接在j节点的风电场修正预测出力为
ω场景下在第k个采样点连接在j节点的光伏电站的修正预测出力分别为
(
和
均根据式(3)计算得到)ω场景下在第k个采样点连接在j节点的风电场上网功率为
ω场景下在第k个采样点连接在j节点的光伏电站上网功率为
式(8)中,α
L和π
k分别表示负荷失配惩罚系数(此处也可以根据调度部门运行经验,或者查阅文献,如On the Use of PumpedStorage for Wind Energy Maximization in Transmission-Constrained PowerSystems有不能满足负荷时的削减负荷费用)和第k个采样点的负荷电价,
表示在第k个采样点j节点处的负荷功率,
表示ω场景下在第k个采样点连接在j节点的所有发电设备的发电功率。其中,
计算表达式如式(9)所示,包含定/变速机组净发电功率、电池储能净放电功率、风力上网发电功率和光伏上网发电功率。
式(9)中,
和
分别表示ω场景下在第k个采样点连接在j节点的定速抽水蓄能机组发电功率和抽水功率;
和
分别表示ω场景下在第k个采样点连接在j节点的变速抽水蓄能机组发电功率和抽水功率。3-2)确定模型的约束条件;具体如下:
3-2-1)抽蓄机组工作状态及储能充放电状态互斥约束:
式(10)表示第k个采样点抽蓄机组(或储能设备)仅可以工作在充电或者放电模式下,不可同时充放电,
分别为第k个采样点储能
充/放电状态的二进制变量。当
等于0时表示k时刻电池储能未充电,或抽蓄机组未工作在抽水状态;当
等于1时表示k时刻电池储能充电,或抽蓄机组工作在抽水状态。当
等于0时表示k时刻电池储能未放电,或抽蓄机组未工作在发电状态;当
等于1时表示k时刻电池储能放电,或抽蓄机组工作在发电状态。
表示储能类别,储能类别包括抽水蓄能机组ε和电池储能B。
3-2-2)定/变速抽水蓄能机组运行约束:
式中,
为第k个采样点工作在抽水状态的抽水蓄能机组台数,sp、vp分别表示定速抽水蓄能机组机组和变速抽水蓄能机组;
表示第k个采样点连接在j节点工作在抽水状态的定速抽水蓄能机组台数,
表示第k个采样点连接在j节点工作在抽水状态的变速抽水蓄能机组台数,
表示第k个采样点在j节点处定速抽水蓄能机组的启动机组数目,
表示第k个采样点在j节点处变速抽水蓄能机组的启动机组数目,
表示第k个采样点在j节点处定速抽水蓄能机组的关闭机组数目,
表示第k个采样点在j节点处变速抽水蓄能机组的关闭机组数目;
分别表示j节点处抽水蓄能电站的定速机组和变速机组日内最多启停次数;
p vp分别为ω场景下在第k个采样点连接在j节点的变速抽水蓄能机组的抽水功率、单台变速抽水蓄能机组的抽水上限功率和下限功率,
为在第k个采样点连接在j节点的定速抽水蓄能机组的抽水功率,
为和单台定速抽水蓄能机组的额定抽水功率;
g ε分别为ω场景下在第k个采样点连接在j节点的抽水蓄能机组的发电功率、单台抽水蓄能机组的上限发电功率和下限发电功率;
表示抽水蓄能电站中定速抽水蓄能机组或变速抽水蓄能机组的台数;
和
分别表示ω场景下在第k个采样点j节点处抽水蓄能机组的抽水功率和发电功率;
3-2-3)抽水蓄能电站的容量约束可以通过库容的形式表示:
其中,式(21)和(22)描述了抽水蓄能电站的上水库和下水库库容连续运行约束条件。其中,
和
分别表示接入输柔性直流输电系统ω场景下在第k个采样点j节点处的上水库库容和下水库库容,λ
g和λ
p分别为抽水蓄能机组的发电阶段的功率-水量转换常数和抽水阶段的功率-水量转换常数,相应数值可以通过查阅从水轮机和水泵的运行手册获得。式(23)-(24)分别表示上水库和下水库的运行容量上下限范围,其中j节点处上水库的库容上下限分别为
和
j节点处下水库的库容上下限分别为
和
式(25)保证抽水蓄能机组在日前运行周期结束时首末段时段上下水库的库容变化在一定范围,以满足次日的运行要求。其中,
和
δ j分别表示j节点处首末段时段的最大库容变动量和最小库容变动量。
3-2-4)电池储能系统运行约束:
其中,式(26)和(27)表示了ω场景下j节点在第k个采样点电池储能的充电功率
和放电功率
运行范围约束。
和
p c分别表示电池储能的最大、最小充电功率,
和
p d分别表示电池储能的最大、最小放电功率。
和
分别表示ω场景下在第k个采样点j节点处的电池储能的充电状态和放电状态的二进制变量,电池储能系统不能在同一时刻充电且放电。
E0·SOCmin≤Ej,ω,k≤E0·SOCmax (30)
其中,式(29)为电池储能在时段间隔为Δt时的连续时段运行约束,Ej,ω,k为ω场景在第k个采样点j节点的存储电量;ηc和ηd分别表示电池储能的充电效率和放电效率。式(30)限制了电池储能存储能量的运行区间范围,E0为电池储能的配置额定容量,SOCmax和SOCmin分别表示电池储能运行的荷电状态上限和下限范围;
3-2-5)柔性直流输电系统约束:
出于安全运行要求考虑,在实际的柔性直流输电系统中各条连接线路存在容量传输上限。因此,系统运行需满足柔性直流系统的传输功率限制约束:
Vω,k±0 (35)
令v
ω,k表示ω场景下在第k个采样点的所有节点电压构成的列向量,则
为M×M维矩阵,M表示柔性直流输电系统节点总数,V
ij,ω,k表示ω场景下在第k个采样点电压矩阵中位于第i行第j列的元素,其物理含义为ω场景下在第k个采样点i节点和j节点电压的乘积。式(31)中
表示ω场景下在第k个采样点从i节点向j节点的输送的有功功率,该式子表示i节点的注入功率等于流向相连柔性直流输电线路功率的总和。式(32)表示ω场景下在第k个采样点连接i、j节点的线路的传输功率绝对值应该小于线路的传输功率上限值
通过式(33)可以求得ω场景下在第k个采样点i节点流向j节点的输送功率,其中r
ij表示连接i、j节点线路的电阻值。式(34)限制ω场景下在第k个采样点i节点的电压范围,
v i和
分别表示i节点的电压下限值和电压上限值。式(35)限制了V
ω,k为半正定矩阵。
4)模拟运行调度获得日前定/变速机组的抽水和发电运行计划。
依据步骤2-1)中,从预测中心所获得的日前柔性直流输电电系统中新能源场站预测出力数据和根据步骤2-2)生成考虑新能源场站出力预测误差修正的典型场景集,通过CPLEX优化软件求解步骤3)建立的模型,获得次日定/变速抽蓄机组的机组启动与关停计划
风电和光伏等新能源上网功率
和
定/变速机组抽水及发电功率
和
储能充放电功率
和
的最优解。考虑到日前新能源场站出力预测误差相对较大,仅选取优化调度结果中的定/变速抽水蓄能机组启停计划
的最优解作为次日相应抽蓄机组的动作指令,作为日前优化调度的结果。
最后,在日内调度中,定/变速抽水蓄能机组工作状态确定情况下,结合新能源场站滚动出力预测数据,根据日内滚动时间窗口中的新能源预测出力场景集,并按照步骤3)建立的模型,可计算各设备日内滚动窗口中的新能源场站上网功率
和
定/变速机组抽水和发电功率
和
电池储能充放电功率
和
运行控制量的最优解。