CN111563699A - 考虑灵活性需求的电力系统分布鲁棒实时调度方法及系统 - Google Patents

考虑灵活性需求的电力系统分布鲁棒实时调度方法及系统 Download PDF

Info

Publication number
CN111563699A
CN111563699A CN202010474740.4A CN202010474740A CN111563699A CN 111563699 A CN111563699 A CN 111563699A CN 202010474740 A CN202010474740 A CN 202010474740A CN 111563699 A CN111563699 A CN 111563699A
Authority
CN
China
Prior art keywords
flexibility
unit
time scheduling
power
real
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
CN202010474740.4A
Other languages
English (en)
Other versions
CN111563699B (zh
Inventor
袁振华
许乃媛
赵龙
王艳
白娅宁
刘晓明
田鑫
曹相阳
孙东磊
张丽娜
张玉跃
付一木
张栋梁
孙毅
王男
陈博
薄其滨
杨斌
王宪
刘冬
牟颖
张家宁
魏佳
杨思
高效海
魏鑫
王轶群
程佩芬
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.)
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd
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 State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010474740.4A priority Critical patent/CN111563699B/zh
Publication of CN111563699A publication Critical patent/CN111563699A/zh
Application granted granted Critical
Publication of CN111563699B publication Critical patent/CN111563699B/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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • 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]
    • 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

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

Abstract

本发明属于电力调度领域，提供了一种考虑灵活性需求的电力系统分布鲁棒实时调度方法及系统。其中，虑灵活性需求的电力系统分布鲁棒实时调度方法包括获取电力系统拓扑结构及其相关参数，得到每个机组提供的调节容量灵活性需求；将相应机组的调节容量灵活性需求转化为经济性指标，并与机组燃料成本一起构成目标函数；在满足约束的最不利概率分布条件下求解目标函数，使得期望成本最低，得到出机组出力增量，进而在实时调度中按照线性自动发电控制策略，基于功率分配因子将功率不平衡量分配到机组，得到实时调度结果。

Description

考虑灵活性需求的电力系统分布鲁棒实时调度方法及系统
技术领域
本发明属于电力调度领域，尤其涉及一种考虑灵活性需求的电力系统分布鲁棒实时调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
可再生能源与负荷等随机变量的处理方式主要分为随机优化、鲁棒优化与多层组合。目前利用随机优化与鲁棒优化研究电力系统灵活性特征的研究较多。随机规划通常假定随机变量随机特性已知，并采取多场景的方法模拟，由于假设的随机特性可能与真实特性存在偏差，因此随机规划可能低估风险。传统鲁棒优化不需要随机变量的概率分布，只需要构建包含随机变量的所有可能取值的不确定集，但是为保证任何场景下决策均可行，传统鲁棒优化一般都过于保守。尽管存在场景削减以及不确定集预算值等方法来改进随机优化与鲁棒优化方法，两种方法的缺点依旧无法避免。因此，为改进针对不确定性变量的模拟，有学者将随机优化和传统鲁棒优化的思想相结合，提出概率分布鲁棒优化理论。针对分布鲁棒优化的特点，近年来有学者将数据驱动的思想引入，深入挖掘历史数据信息，提高了分布鲁棒优化的准确度。
发明人发现，目前电力系统实时鲁棒调度主要利用鲁棒优化对不确定性处理简单、计算高效等特点。灵活性分析与传统鲁棒优化的主要区别在于：灵活性分析考虑具体调度计划的增量不确定性，而传统鲁棒优化不考虑具体场景。而目前主要研究实时调度中对不确定性的处理，没有明确灵活性需求与不确定性的关系，无法满足电力系统实时调度中对灵活性的需求。
发明内容
为了解决上述问题，本发明提供一种考虑灵活性需求的电力系统分布鲁棒实时调度方法及系统，其有效兼顾灵活性与经济性指标，同时在牺牲可接受经济性代价的前提下可以较好考虑随机变量概率分布不确定性。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种考虑灵活性需求的电力系统分布鲁棒实时调度方法。
一种考虑灵活性需求的电力系统分布鲁棒实时调度方法，包括：
获取电力系统拓扑结构及其相关参数，得到每个机组提供的调节容量灵活性需求；
将相应机组的调节容量灵活性需求转化为经济性指标，并与机组燃料成本一起构成目标函数；
在满足约束的最不利概率分布条件下求解目标函数，使得期望成本最低，得到出机组出力增量，进而在实时调度中按照线性自动发电控制策略，基于功率分配因子将功率不平衡量分配到机组，得到实时调度结果。
本发明的第二个方面提供一种考虑灵活性需求的电力系统分布鲁棒实时调度系统。
一种考虑灵活性需求的电力系统分布鲁棒实时调度系统，包括：
数据获取模块，其用于获取电力系统拓扑结构及其相关参数，得到每个机组提供的调节容量灵活性需求；
目标函数构建模块，其用于将相应机组的调节容量灵活性需求转化为经济性指标，并与机组燃料成本一起构成目标函数；
实时调度模块，其用于在满足约束的最不利概率分布条件下求解目标函数，使得期望成本最低，得到出机组出力增量，进而在实时调度中按照线性自动发电控制策略，基于功率分配因子将功率不平衡量分配到机组，得到实时调度结果。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的考虑灵活性需求的电力系统分布鲁棒实时调度方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的考虑灵活性需求的电力系统分布鲁棒实时调度方法中的步骤。
与现有技术相比，本发明的有益效果是：
采用分布鲁棒优化形式，第一阶段优化机组基准运行点、分配因子与灵活性区间，第二阶段为最不利概率分布下的机组运行与灵活性成本期望，最终构建为考虑经济性与灵活性的实时调度综合模型，模型采用基于一阶矩与瓦瑟斯坦距离的不确定集，可以较准确地模拟随机变量的概率分布的不确定性。
本发明有效兼顾灵活性与经济性指标，同时在牺牲可接受经济性代价的前提下可以较好考虑随机变量概率分布不确定性。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例的考虑灵活性需求的电力系统分布鲁棒实时调度方法流程图；
图2是本发明实施例的灵活性区间与不确定集区间示意图；
图3是本发明实施例的调整后的IEEE14节点系统结构图；
图4是本发明实施例的不同场景下不同机组提供的灵活性区间。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本实施例使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
如图1所示，本实施例的一种考虑灵活性需求的电力系统分布鲁棒实时调度方法，包括：
S101：获取电力系统拓扑结构及其相关参数，得到每个机组提供的调节容量灵活性需求；
S102：在考虑调节容量灵活性需求与经济性的基础上，将相应机组的调节容量灵活性需求转化为经济性指标，并与机组燃料成本一起构成目标函数；
S103：在满足约束的最不利概率分布条件下求解目标函数，使得期望成本最低，得到出机组出力增量，进而在实时调度中按照线性自动发电控制策略，基于功率分配因子将功率不平衡量分配到机组，得到实时调度结果。
具体地，在步骤S102中，表征所述调节容量灵活性需求的灵活性指标为最大调节容量范围与约束的灵活性需求的比值；约束的灵活性需求为不确定集范围。
灵活性指标可以采用随机变量最大波动区间与灵活性电源调节容量区间来表征，即在给定时间尺度、经济性与物理约束条件下，灵活性指标可表示为下式：
Figure BDA0002515502230000051
从公式(1)可以看出，电源调节容量越多、随机变量波动区间越小，则灵活性越充足，但是盲目增加调节容量则导致成本增加。如图2所示，灵活性区间大于所需随机变量不确定集时，灵活性充足，但是此时所需成本较高；反之，则灵活性存在缺额，因此综合考虑经济性与灵活性因此有必要对灵活性需求准确评估。
对于给定电力系统参数与约束的灵活性需求(即不确定集范围)计算模型可以采用以下紧凑形式表示：
Figure BDA0002515502230000052
式中，
Figure BDA0002515502230000053
与
Figure BDA0002515502230000054
分别为随机变量ΔP取值范围的上界与下界；A、B与b分别为系统参数；a(·)为变量为ΔP的函数。
式(2)中的不确定集通常比较保守，采用分布鲁棒形式对其改进并采用机会约束，得到最终的灵活性需求的公式为最不利概率分布条件下的期望：
Figure BDA0002515502230000061
式中，
Figure BDA0002515502230000062
为可再生能源出力的概率分布；Φ为概率分布不确定集；1-ρ置信度矢量，其中确定性约束对应的元素为1。
瓦瑟斯坦距离可以更加准确度量两个概率分布的距离。任意两个概率分布的瓦瑟斯坦距离定义为：
Figure BDA0002515502230000063
式中，θ1、θ2分别为概率分布
Figure BDA0002515502230000064
与
Figure BDA0002515502230000065
的随机变量；Ξ为其支撑集；Π(·)为随机变量的联合分布。
本实施例结合一阶矩与瓦瑟斯坦距离，采用分布鲁棒不确定集。假设新能源电站随机变量的预测误差ζ的分布未知，但由历史数据得到样本数据为{ζ1,ζ2,…,ζN}，N为样本数量，则本实施例构建的概率分布不确定集为：
Figure BDA0002515502230000066
式中，dW(·)表示瓦瑟斯坦距离；
Figure BDA0002515502230000067
表示随机变量一阶矩；ζ e、
Figure BDA0002515502230000068
分别表示随机变量一阶矩的置信区间下限
Figure BDA0002515502230000069
与上限
Figure BDA00025155022300000610
μ、σ与Z分别表示样本均值、方差与一定置信区间的标准分数；ε为瓦瑟斯坦半径，其取值可以采用估计公式(6)：
Figure BDA00025155022300000611
式中，β为置信概率；D为支撑集直径。
本实施例的目标函数也就是分布鲁棒经济调度模型，包括机组燃料成本与灵活性成本(即自动发电控制调节容量成本)，具体描述如下：
Figure BDA0002515502230000071
其中，I机组i燃料成本，II为机组i提供灵活性的成本；
Figure BDA0002515502230000072
为可再生能源出力的概率分布，Φ为概率分布不确定集；Pg,i为机组运行基准点；
Figure BDA0002515502230000073
分别为机组i所需提供灵活性的上调容量与下调容量；cu,i与cd,i为分别为机组i提供上调容量与下调容量的单位成本；x为决策变量的矢量形式，包括Pg,i、αi、
Figure BDA0002515502230000074
Figure BDA0002515502230000075
fi(·)为机组燃料成本，采用如下二次函数：
Figure BDA0002515502230000076
ΔPg,i为机组出力增量。在实时调度中，机组按照线性自动发电控制策略，根据功率分配因子αi将功率不平衡量eTζ分配到机组，具体公式如下：
ΔPg,i＝-αieTζ (9)
其中，ζ为风电场发电功率预测误差向量列向量，列数为风电场数量。αi还应该满足如下约束：
Figure BDA0002515502230000077
求解目标函数的约束条件包括功率平衡约束、灵活性调整容量上下限约束、机组功率上下限约束、机组出力增量约束和潮流约束。
1)功率平衡约束：
Figure BDA0002515502230000078
式中，G、R、D分别为传统机组、可再生能源机组与负荷的集合；Pr,j为可再生能源预测出力；Pd,k为负荷。
2)灵活性调整容量上下限约束：
Figure BDA0002515502230000081
Figure BDA0002515502230000082
式中，
Figure BDA0002515502230000083
与
Figure BDA0002515502230000084
分别为机组上调容量与下调容量的最大值。
3)机组功率上下限约束：
Figure BDA0002515502230000085
Figure BDA0002515502230000086
式中，
Figure BDA0002515502230000087
与P g,i分别为机组最大出力与最小出力。
4)机组出力增量约束：
此约束表示在最不利概率分布条件下，机组出力增量需要至少在1-ρ概率下满足出力增量小于调整容量约束，具体公式如下：
Figure BDA00025155022300000813
Figure BDA0002515502230000088
5)潮流约束：
此约束表示在最不利概率分布条件下，线路潮流需要至少在1-ρ概率下满足传输容量约束，具体公式如下：
Figure BDA0002515502230000089
Figure BDA00025155022300000810
式中，Pl支路l上的功率；为P l与
Figure BDA00025155022300000811
分别表示支路l某正向与反向的潮流约束下限与上限。其中的Pl公式如下：
Figure BDA00025155022300000812
式中，Gi,l为自动发电控制机组i对支路l的功率转移分布因子；Gj,l为可再生能源发电机组j对支路l的功率转移分布因子。
原分布鲁棒调度问题为非线性，难以直接求解。本实施例采用线性化处理方法，将原问题就转化为混合整数线性规划问题。求解混合整数线性规划问题，目前已有比较成熟的软件(比如LINGO、CPLEX、GUROBI)，本实施例使用GUROBI对模型进行求解。
机组燃料成本函数fi(·)为二次凸函数，对其采用分段线性化处理，则目标函数转化为如下形式：
Figure BDA0002515502230000091
其中，ai,k与bi,k分别为机组燃料成本函数fi(·)的第k分段的斜率与截距。
目标函数形式(21)中，最不利概率分布下燃料成本期望为：
Figure BDA0002515502230000092
由于式(22)难以计算，考虑其近似上界：
Figure BDA0002515502230000093
式(23)中各机组燃料成本可以独立计算。对于机组i，令ω＝eTζ、c1,k＝-ai,kαi、c2,k＝ai,kPg,i+bi,k，则最不利概率分布下的燃料成本期望为：
Figure BDA0002515502230000094
根据凸函数的对偶理论，式(24)等价为：
Figure BDA0002515502230000095
由于线性规划中最优解在极点处取得，因此ω取ω、
Figure BDA0002515502230000096
或
Figure BDA0002515502230000097
则式(25)中的约束可以等效为：
Figure BDA0002515502230000101
最终，目标函数可以简化为如下形式：
Figure BDA0002515502230000102
s.t.(25),(26)
Figure BDA0002515502230000103
模型中的主要非线性约束为机会约束，借助条件风险价值可以实现机会约束的线性化。置信1-ρ下的条件风险价值为：
Figure BDA0002515502230000104
其中，[·]+为取正数运算符。
不失一般性，以
Figure BDA0002515502230000105
为例，推导机会约束的线性化形式。由于CVaR1-ρ(z)为Pr{z≤0}≥1-ρ的保守近似，因此
Figure BDA0002515502230000106
可以保守近似为：
Figure BDA0002515502230000107
与目标函数线性化同理，
Figure BDA0002515502230000108
等价为：
Figure BDA0002515502230000109
根据线性规划理论，最优解在极点处取得，即Ω为z可行域集点集合。
将式(30)带入(29)，式(29)等价为：
Figure BDA0002515502230000111
最终一般形式的机会约束转化为如下线性形式：
Figure BDA0002515502230000112
以调整后的IEEE14节点系统为算例，其拓扑如图3所示。
图3中的14节点系统数据参考matpower的case14.m。其中节点3与节点12各接入了一台风机，预测出力均为50MW。假设风机出力的预测误差服从状态分布，其均值为0，标准差为10％。根据预测出力与误差分布模拟10组样本数据，作为历史数据，最终算例结果为10次模拟结果的期望。本实施例的机会约束置信度1-ρ为95％，线路容量为70MW。5个机组的灵活性调节容量分别为20、10、8、8、8MW。cu,i与cd,i分别为机组i的燃料成本函数一次项ci2的50％。
当样本数据数量N＝1000时，采用本实施例方法计算的实时调度结果如表1所示。
表1采用本实施例分布鲁棒优化的实时调度结果
Figure BDA0002515502230000113
从表1可以看出，在IEEE14节点系统中加入两个风机后，常规机组中G4与G5处于停机状态，而机组G1则的机组运行基准最多为102.469MW。经过分布鲁棒优化第一阶段优化得到各自组功率分配因子分别为α1＝0.28、α2＝0.72、其余机组分配因子为0，因此由风电预测出力误差带来的系统不平衡功率由机组G1与G2承担，这是因为机组G1与G2提供灵活性的成本比其他机组低。根据功率分配因子、风机出力预测误差与置信概率，得到表1中的机组G1与G2的灵活性调节容量，所有机组灵活性调节容量和为[-12.94,13.53]，即为满足置信水平的灵活性需求。各机组的成本包括机组燃料成本与灵活性成本，最终得到系统的总成本为4932.55美元。
为进一步说明本实施例所构建模型的有效性，将采用同样置信水平下的本实施例分布鲁棒优化方法与传统鲁棒优化方法、随机优化方法得到的实时调度计算结果对比统计于表2中。
表2采用不同优化方法的实时调度结果对比
单位(MW)
Figure BDA0002515502230000121
对比表1与表2可知，三种方法的实时调度结果中的开机方式是相同的，各机组出力的比例相似而略有不同，这是因为不同方法对不确定性的模拟不同，导致应对方案略有不同。其中，随机优化的灵活性需求为[-12.13,12.72]，是三种方法中灵活性需求最小的，但是其假设概率分布式已知的，得到的结果偏于乐观。通常情况下，随机变量的概率分布是具有不确定性的，鲁棒优化是在此假设前提下的优化方法，但是鲁棒优化方法为完全覆盖此不确定性因素，其得到的结果通常过于保守。在本实施例算例中，相同置信水平下鲁棒优化的灵活性需求为[-15.23,17.31]，其灵活性需求高于其他方法的主要原因是其不确定集范围更大，需要更多灵活性来应对最恶劣的场景。本实施例提出的分布鲁棒实时调度模型则综合随机优化与鲁棒优化的特点，其灵活性区间介于两者之间，比随机优化略大6.5％，而比鲁棒优化小19％。与随机优化相比，本实施例构建的分布鲁棒实时调度其以略增加灵活性区间为代价考虑了随机变量分布的不确定性。
采用本实施例分布鲁棒优化方法与传统鲁棒优化方法、随机优化方法进行实时调度的成本对比如表3所示。
表3采用不同优化方法的实时调度成本对比
Figure BDA0002515502230000131
采用三种方法的调度成本由低到高为：随机优化方法、分布鲁棒优化方法与传统鲁棒优化方法，可以看出分布鲁棒优化方法的成本比随机优化方法高14.02美元，而比鲁棒优化小67.97美元，可以看出本实施例分布鲁棒优化方法在考虑随机变量概率分布不确定性同时，成本增加幅度较小，而鲁棒优化则增加幅度较高。从机组燃料成本的角度看，不同方法相差较小，鲁棒优化略高于其他两种方法。但是在灵活性成本方面，三种方法的差别较大，这跟表2中不同方法的灵活性需求大小相对应，因此在本仿真中，不同方法的总成本差异主要体现在灵活性成本上。最后不同方法的计算时间如表3所示均满足实时调度对计算效率的需求。
为进一步分析不同机组提供灵活性区间的影响因素，分别分析不同机组调节速度对机组提供灵活性区间的影响。
在以上实时调度结果分析中，机组G1与G2承担了所有灵活性需求，其中G2提供了大部分灵活性。为分析不同机组的提供灵活性与经济性、调节能力的关系，本实施例设置4个不同机组调节能力的场景，场景中只改变G1与G2的调节能力，其他机组不变，不同场景数据见表4。
表4机组调节能力不同场景
Figure BDA0002515502230000141
在其他数据不变的条件下，不同场景的灵活性区间如图4所示。
图4中的场景1为机组调节能力较低的情况，此时G1与G2的调节能力不同，因此在其达到提供灵活性上限时，剩余部分由G3承担。而场景2中机组G2调节能力不足、G1调节能力充足，因此大部分灵活性需求由机组G1承担。场景3中G2调节能力增强，其承担的灵活性也增加。场景4中，G2调节能力充足，全部灵活性需求都由G2承担。由此可见，本实施例采用的方法计算得到不同机组提供的灵活性受经济性与调节能力影响，在系统灵活性充足的情况下，优先考虑经济性最优的方案，最终综合考虑灵活性与经济性的需求。
实施例二
本实施例提供了一种考虑灵活性需求的电力系统分布鲁棒实时调度系统，包括：
数据获取模块，其用于获取电力系统拓扑结构及其相关参数，得到每个机组提供的调节容量灵活性需求；
目标函数构建模块，其用于将相应机组的调节容量灵活性需求转化为经济性指标，并与机组燃料成本一起构成目标函数；
实时调度模块，其用于在满足约束的最不利概率分布条件下求解目标函数，使得期望成本最低，得到出机组出力增量，进而在实时调度中按照线性自动发电控制策略，基于功率分配因子将功率不平衡量分配到机组，得到实时调度结果。
具体地，在所述目标函数构建模块中，表征所述调节容量灵活性需求的灵活性指标为最大调节容量范围与约束的灵活性需求的比值；约束的灵活性需求为不确定集范围。结合一阶矩与瓦瑟斯坦距离构建分布不确定集范围。
其中，在所述实时调度模块中，求解目标函数的约束条件包括功率平衡约束、灵活性调整容量上下限约束、机组功率上下限约束、机组出力增量约束和潮流约束。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如实施例一所述的考虑灵活性需求的电力系统分布鲁棒实时调度方法中的步骤。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如实施例一所述的考虑灵活性需求的电力系统分布鲁棒实时调度方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种考虑灵活性需求的电力系统分布鲁棒实时调度方法，其特征在于，包括：
获取电力系统拓扑结构及其相关参数，得到每个机组提供的调节容量灵活性需求；
将相应机组的调节容量灵活性需求转化为经济性指标，并与机组燃料成本一起构成目标函数；
在满足约束的最不利概率分布条件下求解目标函数，使得期望成本最低，得到出机组出力增量，进而在实时调度中按照线性自动发电控制策略，基于功率分配因子将功率不平衡量分配到机组，得到实时调度结果。
2.如权利要求1所述的考虑灵活性需求的电力系统分布鲁棒实时调度方法，其特征在于，表征所述调节容量灵活性需求的灵活性指标为最大调节容量范围与约束的灵活性需求的比值；约束的灵活性需求为不确定集范围。
3.如权利要求2所述的考虑灵活性需求的电力系统分布鲁棒实时调度方法，其特征在于，结合一阶矩与瓦瑟斯坦距离构建分布不确定集范围。
4.如权利要求1所述的考虑灵活性需求的电力系统分布鲁棒实时调度方法，其特征在于，求解目标函数的约束条件包括功率平衡约束、灵活性调整容量上下限约束、机组功率上下限约束、机组出力增量约束和潮流约束。
5.一种考虑灵活性需求的电力系统分布鲁棒实时调度系统，其特征在于，包括：
数据获取模块，其用于获取电力系统拓扑结构及其相关参数，得到每个机组提供的调节容量灵活性需求；
目标函数构建模块，其用于将相应机组的调节容量灵活性需求转化为经济性指标，并与机组燃料成本一起构成目标函数；
实时调度模块，其用于在满足约束的最不利概率分布条件下求解目标函数，使得期望成本最低，得到出机组出力增量，进而在实时调度中按照线性自动发电控制策略，基于功率分配因子将功率不平衡量分配到机组，得到实时调度结果。
6.如权利要求5所述的考虑灵活性需求的电力系统分布鲁棒实时调度系统，其特征在于，在所述目标函数构建模块中，表征所述调节容量灵活性需求的灵活性指标为最大调节容量范围与约束的灵活性需求的比值；约束的灵活性需求为不确定集范围。
7.如权利要求6所述的考虑灵活性需求的电力系统分布鲁棒实时调度系统，其特征在于，结合一阶矩与瓦瑟斯坦距离构建分布不确定集范围。
8.如权利要求5所述的考虑灵活性需求的电力系统分布鲁棒实时调度系统，其特征在于，在所述实时调度模块中，求解目标函数的约束条件包括功率平衡约束、灵活性调整容量上下限约束、机组功率上下限约束、机组出力增量约束和潮流约束。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一项所述的考虑灵活性需求的电力系统分布鲁棒实时调度方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一项所述的考虑灵活性需求的电力系统分布鲁棒实时调度方法中的步骤。
CN202010474740.4A 2020-05-29 2020-05-29 考虑灵活性需求的电力系统分布鲁棒实时调度方法及系统 Active CN111563699B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010474740.4A CN111563699B (zh) 2020-05-29 2020-05-29 考虑灵活性需求的电力系统分布鲁棒实时调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010474740.4A CN111563699B (zh) 2020-05-29 2020-05-29 考虑灵活性需求的电力系统分布鲁棒实时调度方法及系统

Publications (2)

Publication Number Publication Date
CN111563699A true CN111563699A (zh) 2020-08-21
CN111563699B CN111563699B (zh) 2023-04-18

Family

ID=72069803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010474740.4A Active CN111563699B (zh) 2020-05-29 2020-05-29 考虑灵活性需求的电力系统分布鲁棒实时调度方法及系统

Country Status (1)

Country Link
CN (1) CN111563699B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113269371A (zh) * 2021-06-23 2021-08-17 华北电力大学（保定） 一种智能配电网供电综合性能评估方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107257129A (zh) * 2017-06-28 2017-10-17 国网山东省电力公司经济技术研究院 一种考虑电网结构灵活调整的鲁棒调度方法
CN109193636A (zh) * 2018-10-08 2019-01-11 华东交通大学 一种基于分类不确定集的电力系统环境经济鲁棒调度方法
CN110729765A (zh) * 2019-08-30 2020-01-24 四川大学 一种考虑sop的配电网灵活性评估指标体系和优化调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107257129A (zh) * 2017-06-28 2017-10-17 国网山东省电力公司经济技术研究院 一种考虑电网结构灵活调整的鲁棒调度方法
CN109193636A (zh) * 2018-10-08 2019-01-11 华东交通大学 一种基于分类不确定集的电力系统环境经济鲁棒调度方法
CN110729765A (zh) * 2019-08-30 2020-01-24 四川大学 一种考虑sop的配电网灵活性评估指标体系和优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙伟卿等: "考虑灵活性需求时空特性的电网调度计划与评价", 《电力自动化设备》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113269371A (zh) * 2021-06-23 2021-08-17 华北电力大学（保定） 一种智能配电网供电综合性能评估方法及系统

Also Published As

Publication number Publication date
CN111563699B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
Yorino et al. High-speed real-time dynamic economic load dispatch
CN111555281B (zh) 一种电力系统灵活性资源配置仿真方法及装置
CN106485352A (zh) 一种多类电源发电计划组合决策方法
CN110854932B (zh) 一种交直流配电网多时间尺度优化调度方法及系统
CN108695857B (zh) 风电场自动电压控制方法、装置及系统
CN109447379B (zh) 一种中长期电量安全校正的分步优化方法及系统
CN105071385A (zh) 一种电网运行数据实时分析系统
CN104239967A (zh) 一种含风电场的电力系统多目标经济调度方法
CN113541205B (zh) 基于集群学习的低碳csp系统协同优化方法及装置
CN108493992A (zh) 一种含分布式潮流控制器的风电场优化调度方法
CN110570020A (zh) 适应区域交直流混联电网的中长期交易电量安全校核方法
CN115481856A (zh) 考虑综合需求响应的综合能源系统多尺度调度方法及系统
CN111563699B (zh) 考虑灵活性需求的电力系统分布鲁棒实时调度方法及系统
CN117526432B (zh) 一种面向源荷互动的配网调控系统及方法
US20230344242A1 (en) Method for automatic adjustment of power grid operation mode base on reinforcement learning
CN116995682B (zh) 一种可调节负荷参与有功潮流连续调整方法与系统
CN112039126A (zh) 含分布式电源的配电网多时间尺度协调调度方法及系统
CN115296345B (zh) 一种燃气发电机组启停-出力-备用联合优化方法及装置
CN109149630A (zh) 一种新能源电量消纳能力分析规划方法
CN115659098A (zh) 一种分布式新能源消纳能力计算方法、装置、设备及介质
CN115115276A (zh) 考虑不确定性和隐私保护的虚拟电厂调度方法及系统
CN114336663A (zh) 一种新型电力系统源网协同规划方法及装置
CN112803498A (zh) 概率分布不确定下有功-无功协调的实时调度方法及系统
CN116822908B (zh) 一种可快速求解的多时间尺度储能规划方法及设备
Gaidukov et al. Control algorithms and optimization method of the hydroelectric power plant’s microprocessing joint power control

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