CN111525628B - 考虑多时间尺度灵活性约束的含风电并网机组组合方法 - Google Patents

考虑多时间尺度灵活性约束的含风电并网机组组合方法 Download PDF

Info

Publication number
CN111525628B
CN111525628B CN202010385070.9A CN202010385070A CN111525628B CN 111525628 B CN111525628 B CN 111525628B CN 202010385070 A CN202010385070 A CN 202010385070A CN 111525628 B CN111525628 B CN 111525628B
Authority
CN
China
Prior art keywords
time
flexibility
time scale
wind power
generating unit
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.)
Active
Application number
CN202010385070.9A
Other languages
English (en)
Other versions
CN111525628A (zh
Inventor
马英浩
徐吴昊
杨贺钧
张大波
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202010385070.9A priority Critical patent/CN111525628B/zh
Publication of CN111525628A publication Critical patent/CN111525628A/zh
Application granted granted Critical
Publication of CN111525628B publication Critical patent/CN111525628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑多时间尺度灵活性约束的含风电并网机组组合方法，其步骤包括：1基于混合整数线性(MIL)方法建立电力系统多时间尺度灵活性供给模型；2基于风电功率预测误差时变概率特性，建立电力系统多时间尺度灵活性需求模型；3建立考虑多时间尺度灵活性约束的含风电并网机组组合模型。本发明对多时间尺度运行灵活性供给及需求进行分析，考虑多时间尺度灵活性约束，建立含风电电力系统机组组合模型，能够充分反映含大规模风电电力系统多时间尺度灵活性供需平衡关系，在保证系统灵活性和安全性的前提下，提高运行经济性。

Description

考虑多时间尺度灵活性约束的含风电并网机组组合方法
技术领域
本发明涉及电力系统调度运行领域，具体涉及一种考虑多时间尺度灵活性约束的含风电并网机组组合方法。
背景技术
随着经济发展，能源消耗量持续增长，风能作为一种清洁的可再生能源，在全球能源供应中的份额快速增加。风电具有环保、运行成本低等特征，大力发展风电对我国紧张的能源形势有很好的缓解作用。然而，风电间歇、波动及难以准确预测的特性又给电力系统安全、经济调度带来巨大困难。为了维持系统功率实时平衡，保证系统安全稳定运行，含大规模风电电力系统机组组合需安预留充足的灵活性资源以满足风电并网的不确定性。
电力系统灵活性是指系统调用可用资源在一定时间尺度内响应系统净负荷变化的能力。电力系统多时间尺度资源构成、运行及响应特性不同，通过多时间尺度功率调节与调度，维持发用电实时平衡。在大规模新能源背景下，电力系统灵活性的研究逐渐受到了学者和业界的重视。含大规模风电电力系统中，风电固有的波动性和随机性使系统中机组启停频繁，通过机组特别是快速启停机组的有序启停，能很好的响应新能源波动，提高系统灵活性水平。因此，在灵活性资源分析中应充分考虑机组启停对系统灵活性的贡献。目前，对于电力系统灵活性的研究仍处于起步阶段，1)现有成果多参照电力系统可靠性评估，集中于规划层面的灵活性技术研究，对运行层面灵活性和考虑运行灵活性约束机组组合研究较少，无法保证含大规模风电电力系统运行经济性和安全；2)现有研究只针对单一时间尺度，灵活性资源仅考虑旋转备用容量，无法考虑机组启停机对运行灵活性的贡献，提高了含大规模风电电力系统运行成本。
发明内容
本发明的目的是为了解决现有技术中存在的问题，提供一种考虑多时间尺度灵活性约束的含风电并网机组组合方法，以期能保证含大规模风电电力系统运行安全，降低系统运行成本，从而能促进大规模风电的有效消纳，提高电力系统一次能源利用效率。
为了达到上述目的，本发明所采用的技术方案为：
本发明一种考虑多时间尺度灵活性约束的含风电并网机组组合方法的特点是应用于N台火电机组及风电场所构成电力系统中，并按如下步骤进行：
步骤1、建立基于混合整数线性方法的电力系统多时间尺度灵活性供给模型；
步骤1.1、在当前时刻t下，利用式(1)-式(2)和式(3)-式(4)分别建立在时间尺度τ1内电力系统向上和向下灵活性容量：
Figure GDA0003080902110000021
Figure GDA0003080902110000022
Figure GDA0003080902110000023
Figure GDA0003080902110000024
式(1)至式(4)中，
Figure GDA0003080902110000025
和
Figure GDA0003080902110000026
分别为当前时刻t下第i台火电机组在时间尺度τ1的向上和向下灵活性容量；Ui(t)为当前时刻t下第i台火电机组的运行状态，当Ui(t)＝1时，表示第i台火电机组处于运行状态，当Ui(t)＝0时，表示第i台火电机组处于停机状态；Pi(t)为当前时刻t下第i台火电机组的出力；Ri,+和Ri,-分别为第i台火电机组的向上、向下爬坡率；Pi max和Pi min为第i台火电机组的额定最大、最小出力；
步骤1.2、在当前时刻t下，利用式(5)-式(6)和式(7)-式(8)分别建立在时间尺度τ2内电力系统向上和向下灵活性容量：
Figure GDA0003080902110000027
Figure GDA0003080902110000028
Figure GDA0003080902110000029
Figure GDA00030809021100000210
式(5)到式(8)中，Ii,F表示第i台火电机组的快速启停机组标识，当Ii,F＝1时，表示第i台火电机组能快速启停机；当Ii,F＝0时，表示第i台火电机组不能快速启停机；Ti为第i台火电机组的启动时间；τ1＜τ2；
步骤1.3、在当前时刻t下，利用式(9)-式(10)和式(11)-式(12)分别建立在时间尺度τ3内电力系统向上和向下灵活性资源容量：
Figure GDA00030809021100000211
Figure GDA00030809021100000212
Figure GDA00030809021100000213
Figure GDA00030809021100000214
式(9)至式(12)中，
Figure GDA0003080902110000031
和
Figure GDA0003080902110000032
为当前时刻t下第i台火电机组的运行状态在时间尺度τ3之前能够达到的最大、最小运行状态；
Figure GDA0003080902110000033
和
Figure GDA0003080902110000034
分别为第i台火电机组的最小开、停机时间；τ2＜τ3；
式(10)和式(12)分别表示第i台火电机组在t至t+τ3时刻内，当满足最小开停机时间约束时，能通过再调度开机或停机来提供灵活性容量；
步骤2、建立基于风电功率预测误差时变概率特性的电力系统多时间尺度灵活性需求模型；
步骤2.1、假设风电功率预测误差满足期望为0的正态分布，并获取已知预测结果的若干个时间尺度的风电功率预测误差标准差；
步骤2.2、用指数方法拟合所述风电功率预测误差标准差与时间之间函数关系，得到风电功率预测误差标准差与预测时间之间变化关系曲线，从而确定各时间尺度τ1、τ2、τ3下的预测误差概率分布；
步骤2.3、根据给定的未来时刻τ下的风电功率预测值，利用式(13)和式(14)所示的概率论和机会约束方法确定各时间尺度下的电力系统灵活性容量需求：
Figure GDA0003080902110000035
Figure GDA0003080902110000036
式(13)和式(14)中，Pro[·]表示取概率的函数；PW(t)为当前时刻t下的风电功率预测值；PW(t+τ)为当前时刻t下未来时刻τ的风电功率，且为随机变量；N为火电机组台数；βτ为未来时刻τ的灵活性不足概率阈值；
未来τ时刻风电功率预测误差分布确定后，灵活性需求可转化为确定形式，如式(15)和式(16)所示：
Figure GDA0003080902110000037
Figure GDA0003080902110000038
式(15)和式(16)中，
Figure GDA0003080902110000039
和
Figure GDA00030809021100000310
分别为PW(t+τ)的概率分布为
Figure GDA00030809021100000311
和
Figure GDA00030809021100000312
时对应的功率值；
步骤3、根据式(15)和式(16)所表示的各时间尺度τ1、τ2、τ3下的向上和向下灵活性需求约束，从而建立基于混合整数线性规划的考虑多时间尺度灵活性约束的含风电并网电力系统机组组合模型。
与已有技术相比，本发明的有益效果体现在：
1、本发明提出的基于混合整数线性(MIL)方法的电力系统多时间尺度灵活性供给模型，充分考虑了系统多时间尺度灵活性资源的运行及响应特性，计及多时间尺度机组启停约束及灵活性贡献容量，量化了系统各时间尺度的灵活性水平，挖掘了电力系统潜在运行灵活性容量，从而提高了电力系统运行灵活性水平。
2、本发明提出基于风电功率预测误差时变概率特性的多时间尺度灵活性需求模型，通过风电功率预测误差时变概率特性研究，能量化电力系统多时间尺度灵活性需求，从而提高了风电的有效消纳和系统运行安全性。
3、本发明提出的考虑多时间尺度灵活性约束的含风电并网机组组合方法，充分反映了含大规模风电电力系统多时间尺度灵活性供需平衡关系，在保证系统灵活性和安全性的前提下，促进了大规模风电的有效消纳，提高了电力系统一次能源利用效率，降低了含大规模风电并网系统运行成本；并且该模型通过混合整数线性规划建模能有效降低模型求解复杂性，为大规模系统应用提供基础。
附图说明
图1为本发明考虑多时间尺度灵活性约束的含风电并网机组组合方法流程示意图；
图2为本发明风电功率预测误差与预测时间变化关系示意图；
图3为本发明风电功率预测曲线示意图；
图4为本发明多时间尺度灵活性资源曲线示意图；
图5为本发明含快速启停机组的灵活性资源曲线示意图；
图6为本发明不同灵活性不足概率阈值下系统运行成本变化示意图。
具体实施方式
本实施例中，参见图1，一种考虑多时间尺度灵活性约束的含风电并网机组组合方法是应用于N台火电机组及风电场所构成电力系统中，首先，基于混合整数线性(MIL)方法建立电力系统多时间尺度灵活性供给模型；其次，基于风电功率预测误差时变概率特性，建立多时间尺度灵活性需求模型；最后，基于多时间尺度运行灵活性供需分析模型，建立考虑多时间尺度灵活性约束的含风电并网机组组合模型；具体的说，是按如下步骤进行：
步骤1、分析电力系统多时间尺度调度体系，建立基于混合整数线性方法的电力系统多时间尺度灵活性供给模型；电力系统通过多时间尺度功率调度实现实时功率平衡，所以多时间尺度灵活性供给模型应与系统多时间尺度调度体系相匹配。电力系统调度主要包括日前(1h时间尺度)、日内(15min时间尺度，未来4h或日内剩余时间)和实时调度，因此本实施例中取15min、1h和4h三个时间尺度进行分析。
步骤1.1、在当前时刻t下，利用式(1)-式(2)和到式(3)-式(4)分别建立在时间尺度τ1内电力系统向上和向下灵活性容量。本实施例中取τ1＝15min，只考虑系统中在线机组爬坡灵活性资源。
Figure GDA0003080902110000051
Figure GDA0003080902110000052
Figure GDA0003080902110000053
Figure GDA0003080902110000054
式(1)至式(4)中，
Figure GDA0003080902110000055
和
Figure GDA0003080902110000056
分别为当前时刻t下第i台火电机组在时间尺度τ1的向上和向下灵活性容量；Ui(t)为当前时刻t下第i台火电机组的运行状态，当Ui(t)＝1时，表示第i台火电机组处于运行状态，当Ui(t)＝0时，表示第i台火电机组处于停机状态；Pi(t)为当前时刻t下第i台火电机组的出力；Ri,+和Ri,-分别为第i台火电机组的向上、向下爬坡率；Pi max和Pi min为第i台火电机组的额定最大、最小出力。
步骤1.2、在当前时刻t下，利用式(5)-式(6)和式(7)-式(8)分别建立在时间尺度τ2内电力系统向上和向下灵活性容量。取τ2＝1h，灵活性资源除包含在线机组爬坡资源外，还考虑能够在1h内启停的快速启停机组。对于快速启停机组可只考虑启动时间，忽略最小开停机时间约束。
Figure GDA0003080902110000057
Figure GDA0003080902110000058
Figure GDA0003080902110000059
Figure GDA00030809021100000510
式(5)到式(8)中，Ii,F表示第i台火电机组的快速启停机组标识，当Ii,F＝1时，表示第i台火电机组能快速启停机；当Ii,F＝0时，表示第i台火电机组不能快速启停机；Ti为第i台火电机组的启动时间；τ1＜τ2。
步骤1.3、在当前时刻t下，利用式(9)-式(10)和式(11)-式(12)分别建立在时间尺度τ3内电力系统向上和向下灵活性资源容量。本实施例中取τ3＝4h，灵活性资源考虑机组爬坡资源、快速启停资源和满足最小开停机时间约束的机组启停资源；对于火电机组爬坡率一般可达1～2％额定容量/min以上，因此4h灵活性资源分析可忽略机组爬坡限制。
Figure GDA0003080902110000061
Figure GDA0003080902110000062
Figure GDA0003080902110000063
Figure GDA0003080902110000064
式(9)至式(12)中，
Figure GDA0003080902110000065
和
Figure GDA0003080902110000066
为当前时刻t下第i台火电机组的运行状态在时间尺度τ3之前能够达到的最大、最小运行状态；
Figure GDA0003080902110000067
和
Figure GDA0003080902110000068
分别为第i台火电机组的最小开、停机时间；τ2＜τ3。
式(10)和式(12)分别表示第i台火电机组在t至t+τ3时刻内，当满足最小开停机时间约束时，能通过再调度开机或停机来提供灵活性容量；
步骤2、建立基于风电功率预测误差时变概率特性的电力系统多时间尺度灵活性需求模型；
步骤2.1、假设风电功率预测误差满足期望为0的正态分布，并获取已知预测结果的若干个时间尺度的风电功率预测误差标准差；例如：10min、20min、30min、40min、50min、60min和24h个时间尺度；
步骤2.2、用指数方法拟合所述风电功率预测误差标准差与时间之间函数关系，得到风电功率预测误差标准差与预测时间之间变化关系曲线，从而确定各时间尺度τ1、τ2、τ3下的预测误差概率分布；参见图2；本实施例中，取15min、1h和4h三个时间尺度；
步骤2.3、根据给定的未来时刻τ下的风电功率预测值，利用式(13)和式(14)所示的概率论和机会约束方法确定各时间尺度下的电力系统灵活性容量需求：
Figure GDA0003080902110000071
Figure GDA0003080902110000072
式(13)和式(14)中，Pro[·]表示取概率的函数；PW(t)为当前时刻t下的风电功率预测值；PW(t+τ)为当前时刻t下未来时刻τ的风电功率，且为随机变量；N为火电机组台数；βτ为未来时刻τ的灵活性不足概率阈值。
未来τ时刻风电功率预测误差分布确定后，灵活性需求可转化为确定形式，如式(15)和式(16)所示。
Figure GDA0003080902110000073
Figure GDA0003080902110000074
式(15)和式(16)中，
Figure GDA0003080902110000075
和
Figure GDA0003080902110000076
分别为PW(t+τ)的概率分布为
Figure GDA0003080902110000077
和
Figure GDA0003080902110000078
时对应的功率值。
步骤3、根据式(15)和式(16)所表示的各时间尺度τ1、τ2、τ3下的向上和向下灵活性需求约束，从而建立基于混合整数线性规划的考虑多时间尺度灵活性约束的含风电并网电力系统机组组合模型。
步骤3.1、以经济成本最低为优化目标，构造目标函数：
步骤3.1.1、将系统的总运行成本(包含机组发电成本和开机成本)最小作为机组组合的目标。本实施例用式(17)表示目标函数。
Figure GDA0003080902110000079
式(17)中，F1为系统运行成本；T为机组组合小时数；Fi(·)为机组i的成本函数；
Figure GDA00030809021100000710
为时刻t机组i的开机成本。
步骤3.1.2、本实施例用式(18)表示火电机组成本函数，并转换为分段线性形式，如式(19)：
Fi(Pi(t))＝ai+bi×Pi(t)+ci×Pi(t)2 (18)
Fi(Pi(t))≥ai (m)Ui(t)+bi (m)Pi(t)，m＝1，2，…，M (19)
式(18)和式(19)中，ai，bi，ci为机组i成本函数系数；
Figure GDA0003080902110000081
和
Figure GDA0003080902110000082
分别为线性化后第m段成本函数曲线的截距和斜率；M为分段线性总段数。
步骤3.1.3、本实施例中机组开机成本与停运时间相关，根据冷、热启动成本，用式(20)到式(21)表示机组开机成本：
Figure GDA0003080902110000083
Figure GDA0003080902110000084
Figure GDA0003080902110000085
式(20)-(22)中，
Figure GDA0003080902110000086
和
Figure GDA0003080902110000087
为机组i热启动和冷启动成本；Ti C为机组i冷启动的停机时间。
步骤3.2、本实施例中机组组合模型考虑多时间尺度灵活性约束、功率平衡约束、机组出力约束、开停机时间约束和网络潮流约束：
步骤3.2.1、根据不同时间尺度的重视程度分别确定灵活性不足概率阈值βτ1、βτ2和βτ3，利用步骤2.3得到多时间尺度灵活性约束；
步骤3.2.2、本实施例用式(23)表示功率平衡约束：
Figure GDA0003080902110000088
式(23)中，PD(t)为时刻t负荷值；
步骤3.2.3、本实施例用用式(24)到式(28)表示火电机组出力约束：
Pi min(t)≤Pi(t)≤Pi max(t) (24)
Pi min(t)≥Ui(t)·Pi min (25)
Pi min(t)≥Pi(t-1)-Ui(t)Ri,- (26)
0≤Pi max(t)≤Ui(t)·Pi max (27)
Pi max(t)≤Pi(t-1)+Ri,+·Ui(t-1) (28)
式(24)到式(28)中，Pi max(t)和Pi min(t)为机组i时刻t可能最大和最小出力，受爬坡率和额定最大、最小出力限制。
步骤3.2.4、本实施例将机组组合优化周期(24h)划分三个时间段，用式(29)到式(34)表示火电机组开停机时间约束：
Figure GDA0003080902110000091
Figure GDA0003080902110000092
Figure GDA0003080902110000093
Figure GDA0003080902110000094
Figure GDA0003080902110000095
Figure GDA0003080902110000096
式(29)至式(34)中，
Figure GDA0003080902110000097
和
Figure GDA0003080902110000098
为机组i在初始时刻必须开、停机小时数，若初始状态开机
Figure GDA0003080902110000099
否则
Figure GDA00030809021100000910
Ti 0为初始时刻机组i处于初始状态的时间。
步骤3.2.5、本实施例用式(35)和式(36)表示网络潮流约束：
-PFl max≤PFl(P(t)，δ(t))≤PFl max (35)
δmin≤δt≤δmax (36)
式(35)和式(36)中，Fl max为线路l的潮流限值；Fl(P(t)，δ(t))为时刻t线路l的潮流关于节点功率矩阵P(t)和相角矩阵δ(t)的函数，根据直流潮流方法可转换为机组出力的线性形式；δmax和δmin为节点相角上下限值。
验证本发明“考虑多时间尺度灵活性约束的含风电并网机组组合方法”的实验，主要包括以下步骤：
1)以10台火电机组和800MW风电构成的系统为测试系统。
火电机组参数如表1所示：
表1火电机组参数
Figure GDA00030809021100000911
Figure GDA0003080902110000101
为了突出风电并网的影响将负荷取为2000MW恒定值。风电功率预测曲线参见图3。
2)确定多时间尺度灵活性约束对机组组合结果影响：
本实施例以两种调度策略对比分析，不考虑快速启停机组：Case1为常规含风电系统机组组合方法，每小时上下旋转备用需求取为风电功率预测功率的20％；Case2为本发明考虑多时间尺度灵活性约束的含风电并网机组组合方法。根据步骤2，假设风电功率预测误差服从均值为0的正态分布，各时间尺度误差标幺值的标准差分别为15min：0.1156，1h：0.2256，4h：0.3183，灵活性不足概率阈值取βτ1＝0.98、βτ2＝0.95和βτ3＝0.90。
本发明机组组合程序利用MATLAB编写，采用Intel Core i7-6700HQ移动平台调用GUROBI求解器进行求解，计算用时5.56s。证明本发明的有效性和适用性。
两种调度策略的机组组合结果如表2，各个时间尺度机组灵活性资源曲线参见图4。分析发现，本发明方法增加了多时间尺度灵活性约束，使得系统总运行成本较有一定提高，但是各时间尺度灵活性提高明显，尤其影响较大的15min向上灵活性。表明本发明方法增加一定运行成本的同时，能够带来系统运行灵活性的提高。
表2机组组合结果对比
Figure GDA0003080902110000102
Figure GDA0003080902110000111
3)确定快速启停机组影响：
本实施例(Case3)假设0号机组为快速启停机组，启动时间为15min，进行系统优化运行，Case2和Case3灵活性资源曲线参见图5。分析Case2和Case3结果发现，将0号机组设为快速启动机组后，虽然该机组调度计划未发生改变，但是由于该机组能通过快速启动对1h尺度灵活性提供支持。因此，加入快速启停机组能够在基本不改变系统灵活性水平的前提下，降低系统运行成本。
4)确定灵活性不足概率阈值影响
本实施例分别改变三个时间尺度灵活性不足概率阈值βτ1、βτ2和βτ3，并进行系统机组组合优化，计算系统总运行成本参见图6。由结果发现，15min尺度下灵活性不足阈值对系统运行成本影响最明显，1h尺度次之，而4h尺度的灵活性不足阈值在βτ3＝0.86～0.94之间并未影响系统运行。这说明短时间尺度内系统灵活性资源相对紧张，对系统灵活性水平影响较大。时间延长，伴随着调节手段更加的丰富，灵活性对系统运行的影响降低。
综上所述，本发明所提出的一种考虑多时间尺度灵活性约束的含风电并网机组组合方法，综合分析了系统多时间尺度运行灵活性供给及需求，能充分反映含大规模风电电力系统多时间尺度灵活性供需平衡关系，在保证系统灵活性和安全性的前提下，提高了运行经济性水平。

Claims (1)

1.一种考虑多时间尺度灵活性约束的含风电并网机组组合方法，其特征是应用于N台火电机组及风电场所构成电力系统中，并按如下步骤进行：
步骤1、建立基于混合整数线性方法的电力系统多时间尺度灵活性供给模型；
步骤1.1、在当前时刻t下，利用式(1)-式(2)和式(3)-式(4)分别建立在时间尺度τ1内电力系统向上和向下灵活性容量：
Figure FDA0003080902100000011
Figure FDA0003080902100000012
Figure FDA0003080902100000013
Figure FDA0003080902100000014
式(1)至式(4)中，
Figure FDA0003080902100000015
和
Figure FDA0003080902100000016
分别为当前时刻t下第i台火电机组在时间尺度τ1的向上和向下灵活性容量；Ui(t)为当前时刻t下第i台火电机组的运行状态，当Ui(t)＝1时，表示第i台火电机组处于运行状态，当Ui(t)＝0时，表示第i台火电机组处于停机状态；Pi(t)为当前时刻t下第i台火电机组的出力；Ri,+和Ri,-分别为第i台火电机组的向上、向下爬坡率；Pi max和Pi min为第i台火电机组的额定最大、最小出力；
步骤1.2、在当前时刻t下，利用式(5)-式(6)和式(7)-式(8)分别建立在时间尺度τ2内电力系统向上和向下灵活性容量：
Figure FDA0003080902100000017
Figure FDA0003080902100000018
Figure FDA0003080902100000019
Figure FDA00030809021000000110
式(5)到式(8)中，Ii,F表示第i台火电机组的快速启停机组标识，当Ii,F＝1时，表示第i台火电机组能快速启停机；当Ii,F＝0时，表示第i台火电机组不能快速启停机；Ti为第i台火电机组的启动时间；τ1＜τ2；
步骤1.3、在当前时刻t下，利用式(9)-式(10)和式(11)-式(12)分别建立在时间尺度τ3内电力系统向上和向下灵活性资源容量：
Figure FDA00030809021000000111
Figure FDA00030809021000000112
Figure FDA0003080902100000021
Figure FDA0003080902100000022
式(9)至式(12)中，
Figure FDA0003080902100000023
和
Figure FDA0003080902100000024
为当前时刻t下第i台火电机组的运行状态在时间尺度τ3之前能够达到的最大、最小运行状态；
Figure FDA0003080902100000025
和
Figure FDA0003080902100000026
分别为第i台火电机组的最小开、停机时间；τ2＜τ3；
式(10)和式(12)分别表示第i台火电机组在t至t+τ3时刻内，当满足最小开停机时间约束时，能通过再调度开机或停机来提供灵活性容量；
步骤2、建立基于风电功率预测误差时变概率特性的电力系统多时间尺度灵活性需求模型；
步骤2.1、假设风电功率预测误差满足期望为0的正态分布，并获取已知预测结果的若干个时间尺度的风电功率预测误差标准差；
步骤2.2、用指数方法拟合所述风电功率预测误差标准差与时间之间函数关系，得到风电功率预测误差标准差与预测时间之间变化关系曲线，从而确定各时间尺度τ1、τ2、τ3下的预测误差概率分布；
步骤2.3、根据给定的未来时刻τ下的风电功率预测值，利用式(13)和式(14)所示的概率论和机会约束方法确定各时间尺度下的电力系统灵活性容量需求：
Figure FDA0003080902100000027
Figure FDA0003080902100000028
式(13)和式(14)中，Pro[·]表示取概率的函数；PW(t)为当前时刻t下的风电功率预测值；PW(t+τ)为当前时刻t下未来时刻τ的风电功率，且为随机变量；N为火电机组台数；βτ为未来时刻τ的灵活性不足概率阈值；
未来τ时刻风电功率预测误差分布确定后，灵活性需求可转化为确定形式，如式(15)和式(16)所示：
Figure FDA0003080902100000029
Figure FDA00030809021000000210
式(15)和式(16)中，
Figure FDA0003080902100000031
和
Figure FDA0003080902100000032
分别为PW(t+τ)的概率分布为
Figure FDA0003080902100000033
和
Figure FDA0003080902100000034
时对应的功率值；
步骤3、根据式(15)和式(16)所表示的各时间尺度τ1、τ2、τ3下的向上和向下灵活性需求约束，从而建立基于混合整数线性规划的考虑多时间尺度灵活性约束的含风电并网电力系统机组组合模型。
CN202010385070.9A 2020-05-09 2020-05-09 考虑多时间尺度灵活性约束的含风电并网机组组合方法 Active CN111525628B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010385070.9A CN111525628B (zh) 2020-05-09 2020-05-09 考虑多时间尺度灵活性约束的含风电并网机组组合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010385070.9A CN111525628B (zh) 2020-05-09 2020-05-09 考虑多时间尺度灵活性约束的含风电并网机组组合方法

Publications (2)

Publication Number Publication Date
CN111525628A CN111525628A (zh) 2020-08-11
CN111525628B true CN111525628B (zh) 2021-07-27

Family

ID=71905168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010385070.9A Active CN111525628B (zh) 2020-05-09 2020-05-09 考虑多时间尺度灵活性约束的含风电并网机组组合方法

Country Status (1)

Country Link
CN (1) CN111525628B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112491093B (zh) * 2020-11-16 2022-05-03 国网山东省电力公司电力科学研究院 一种量化广域可控资源日内灵活安全裕度的方法
CN114880851B (zh) * 2022-05-05 2024-02-20 合肥工业大学 考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法
CN114583766B (zh) * 2022-05-06 2022-07-22 天津大学 面向风电消纳的海上油气平台能源系统低碳运行调度方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105429172B (zh) * 2015-11-18 2017-09-15 山东大学 增强系统运行灵活性的发电调度方法
CN106384168A (zh) * 2016-09-20 2017-02-08 北京恒泰实达科技股份有限公司 针对特性各异电源的多目标协调优化调度模型
CN106992556B (zh) * 2017-05-24 2020-01-03 南方电网科学研究院有限责任公司 一种基于混合电源多时间尺度互补的优化调度方法
CA3062186A1 (en) * 2017-05-25 2018-11-29 Opus One Solutions (Usa) Corporation Integrated distribution planning systems and methods for electric power systems

Also Published As

Publication number Publication date
CN111525628A (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
CN111525628B (zh) 考虑多时间尺度灵活性约束的含风电并网机组组合方法
CN110224399B (zh) 基于风电场的电力现货市场出清方法、装置及存储介质
Zhang et al. A frequency security constrained scheduling approach considering wind farm providing frequency support and reserve
CN107240933B (zh) 一种考虑风电功率特性的风火协调滚动调度方法
CN106099993B (zh) 一种适应新能源大规模接入的电源规划方法
Troy et al. Multi-mode operation of combined-cycle gas turbines with increasing wind penetration
CN111555281B (zh) 一种电力系统灵活性资源配置仿真方法及装置
CN107944757A (zh) 电力互联系统可再生能源消纳能力评估分析方法
CN107800153B (zh) 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法
CN110826773B (zh) 一种考虑新能源接入的火电机组月度发电计划优化方法
CN107332286A (zh) 一种含储热的热电联产与风电协调调度方法
WO2019128012A1 (zh) 一种交直流混合微网鲁棒优化协调调度方法
Bruce et al. Operational flexibility of future generation portfolios using high spatial-and temporal-resolution wind data
CN112994042A (zh) 考虑风电机组参与电网一次调频的机组组合建模及优化方法
CN110752598B (zh) 多点分布式储能系统灵活性评价方法和装置
CN109992818A (zh) 大规模风电参与一次调频的机组组合模型及求解方法
Wang et al. A time-scale adaptive dispatching strategy considering the matching of time characteristics and dispatching periods of the integrated energy system
CN110707756A (zh) 一种高比例风电接入电网的光热电站日前调峰优化控制方法
CN115811046A (zh) 考虑风光新能源保障性消纳的日前电力现货市场出清方法
Yan et al. Practical flexibility analysis on europe power system with high penetration of variable renewable energy
CN116581775A (zh) 一种考虑核电调峰的电力电量平衡分析方法及系统
CN113452081A (zh) 一种新能源消纳提升量后评估方法及装置
Zhang et al. Research on Optimal Scheduling of Power System with High-penetration Renewable Energy Considering Flexibility of Power Supply Side and Load Side
Yang et al. Multi-time scale collaborative scheduling strategy of distributed energy systems for energy Internet
CN117674266B (zh) 一种梯级水电与光伏协同运行的超前预测控制方法及系统

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