CN111641233A - 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法 - Google Patents

一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法 Download PDF

Info

Publication number
CN111641233A
CN111641233A CN202010448877.2A CN202010448877A CN111641233A CN 111641233 A CN111641233 A CN 111641233A CN 202010448877 A CN202010448877 A CN 202010448877A CN 111641233 A CN111641233 A CN 111641233A
Authority
CN
China
Prior art keywords
power
load
time
day
peak regulation
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.)
Pending
Application number
CN202010448877.2A
Other languages
English (en)
Inventor
周海强
罗建裕
江叶峰
熊浩
夏冬荔
付伟
张振华
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 Jiangsu Electric Power Co Ltd
Hohai University HHU
Original Assignee
State Grid Jiangsu Electric Power Co Ltd
Hohai University HHU
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 Jiangsu Electric Power Co Ltd, Hohai University HHU filed Critical State Grid Jiangsu Electric Power Co Ltd
Priority to CN202010448877.2A priority Critical patent/CN111641233A/zh
Publication of CN111641233A publication Critical patent/CN111641233A/zh
Pending legal-status Critical Current

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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • 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
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

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新能源及负荷不确定性的电力系统日内灵活调峰方法，包括步骤：(1)获取日内灵活调峰电力系统的数据；(2)建立新能源及负荷的区间数模型；(3)建立电力系统日内灵活调峰优化问题数学模型；(4)应用基于区间可能度的方法求解日内灵活调峰优化问题；(5)校核日内灵活调峰方案的经济性及安全性。本发明充分考虑新能源及负荷不确定性的日内灵活调峰优化方案具有较低的日运营费用和较好的安全性，能较好地适应多种不确定性场景，具有较好的综合性能。而且，本发明采用区间数方法可降低对不确定性数据信息的要求，并极大地减小计算量，提高了计算速度，可更好地应用于实际系统的日内灵活调峰决策。

Description

一种考虑新能源及负荷不确定性的电力系统日内灵活调峰 方法
技术领域
本发明属于电力系统调度技术领域，涉及一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法。
背景技术
近年来，以风电场、光伏电站为代表的新能源获得了迅猛发展，对建设绿色、低碳、环保型社会做出了重要贡献。但由于新能源具有随机性、波动性和间隙性的特点，使得电源的不确定性增强。另一方面，由于电动汽车、变频空调及分布式储能等新型负荷大量使用，用电需求受到气象、价格、经济政策及消费心理等多种因素影响，负荷的不确定性加大。因此，现代电力系统具有电源与负荷双侧不确定性，传统调度所使用的“发电跟随负荷”的方法面临着可调控资源不足、代价过高的问题，影响了高比例新能源的消纳。
随着需求侧管理技术的发展，基于电价、合同等方式的需求响应行为激励机制不断完善，用户可以通过削减、转移或平移部分可控负荷，甚至通过储能向电网提供一定的电能，协助调度部门实现削峰填谷，并获得一定的经济补偿，负荷的可控性逐步提高。现有电力系统调度主要依赖发电机机组组合、有序用电等手段，其经济代价高，用户体验差，并且较少考虑新能源及负荷的不确定性，调度方案的适应性较差。未来电力系统调度技术应该充分利用可控负荷资源，并考虑新能源及负荷的不确定性对系统运行的影响，才能保证电力系统运营的安全性。
目前，关于不确定性电力系统调度的现有技术，常运用机会约束规划方法计算违约概率小于一定阀值时的调度方案，但该方法计算量大，而且需要知道输入不确定性变量如新能源或负荷功率的概率分布函数，但在实际系统中，往往由于缺乏足够的观测数据，或者变量自身的规律性较弱，难以确切地知道其概率分布。基于区间数理论的分析方法只需要知道不确定性变量的变化范围，对数据的要求较低，而且计算量较小，为不确定性电力系统日内灵活调峰提供了新的更为简便的决策方法。
发明内容
本发明的目的在于克服现有技术所存在的对新能源及负荷的不确定性考虑较少、需要知道不确定性变量的概率分布函数以及计算量大的技术缺陷，提供一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法，综合运用同步发电机、储能系统、可削减负荷及可平移负荷等措施进行灵活调峰，平衡电力系统运营成本与安全性，进行调度决策。
为了解决上述现有技术存在的问题，本发明采用以下技术方案。
本发明的一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法，包括以下步骤：
(1)获取日内灵活调峰电力系统的数据；
(2)建立新能源及负荷的区间数模型；
(3)建立电力系统日内灵活调峰优化问题数学模型；
(4)应用基于区间数可能度的方法求解日内灵活调峰优化问题，包括：应用区间数理论将不确定性问题转化为确定性问题，应用混合整数线性规划方法求解日内灵活调峰方案；
(5)校核日内灵活调峰方案的经济性及安全性。
所述的日内灵活调峰电力系统的数据包括：同步发电机最大和最小输出功率、爬坡功率、最小开机和停机时间、机组启停费用、发电机运行费用参数；未来24小时风电场、光伏电站输出功率预测值；未来24小时刚性负荷、可削减负荷和可平移负荷功率预测值，削减或平移负荷的代价因子；储能电池的最大容量、最大及最小荷电状态、最大充放电功率、充放电效率及代价因子。
步骤(2)中所述的建立新能源及负荷的区间数模型，其过程为：
对于风电场或光伏电站，设其发电功率预测值为
Figure BDA0002506794580000021
尽管不清楚预测误差eN的概率分布，但根据对所用预测方法的性能考核数据，可知eN分布在
Figure BDA0002506794580000022
范围内的概率为α，其中，α为给定值，一般可取95％，上标“+”表示区间数上界，上标“-”表示区间数下界；由此可以推出新能源发电功率的上界为
Figure BDA0002506794580000023
下界为
Figure BDA0002506794580000024
新能源发电功率PN的区间数模型为
Figure BDA0002506794580000025
日内灵活调峰电力系统的负荷功率PL包括刚性负荷功率PLo、可平移负荷功率PLsh及可削减负荷功率PLred，根据历史用电数据，分别统计出PLo、PLsh及PLred预测误差
Figure BDA0002506794580000026
的上下界；设某类负荷功率预测值为
Figure BDA0002506794580000027
预测误差为
Figure BDA0002506794580000028
由此可以推出该类负荷功率的上界为
Figure BDA0002506794580000029
下界为
Figure BDA00025067945800000210
负荷功率区间数模型为
Figure BDA00025067945800000211
对于PLo、PLsh及PLred可分别建立其区间数模型
Figure BDA00025067945800000212
及
Figure BDA00025067945800000213
由此可以得出系统负荷功率的区间数模型
Figure BDA00025067945800000214
在所述步骤(3)中，所述的建立电力系统日内灵活调峰优化问题数学模型的实现过程为：
将所述的电力系统日内灵活调峰优化问题描述为：
min f＝f11+f12+f2+f3 (1)
条件包含：
①
Figure BDA0002506794580000031
②
Figure BDA0002506794580000032
③
Figure BDA0002506794580000033
④
Figure BDA0002506794580000034
⑤
Figure BDA0002506794580000035
j∈[T off,i+Tcold,i+2,24]，
⑥SOCmin≤SOCj≤SOCmax，SOCT＝SOC0，
⑦SOCj＝SOCj-1+(Pch,j·ηch-Pdis,j/ηdis)Δt/Emax，
⑧0≤Xj+Yj≤1，
⑨0≤Pch,j≤XjPch,max，0≤Pdis,j≤YjPdis,max，
⑩
Figure BDA0002506794580000036
0≤ρj≤1；
其中，i＝1,…,ng，j＝1,…,T，ng为发电机台数,T为调度周期，一般可取T＝24；
Figure BDA0002506794580000037
为发电机组的发电成本，ai,bi,ci为第i台发电机的成本参数，
Figure BDA0002506794580000038
为j时刻第i台发电机的功率；
Figure BDA0002506794580000039
为发电机组的启停成本，
Figure BDA00025067945800000310
分别为j时刻第i台发电机的启动控制0-1变量、冷启动控制0-1变量，
Figure BDA00025067945800000311
为“1”分别表示j时刻第i台发电机接受启动或冷启动指令，
Figure BDA00025067945800000312
为“0”则表示j时刻无启动或冷启动指令，Chot,i、Ccold,i分别为第i台发电机的热启动费用和冷启动费用；
Figure BDA00025067945800000313
为储能电池的充放电费用，Pch,j、Pdis,j分别为j时刻储能电池的充电和放电功率，Cch、Cdis分别为储能电池充电、放电代价因子；
Figure BDA00025067945800000314
为负荷控制的费用，其中
Figure BDA00025067945800000315
为分别为j时刻的可削减负荷功率、k时刻的可平移负荷功率，Cred、Csh分别为削减和平移负荷的代价因子，ρj为j时刻可削减负荷的负荷削减率，
Figure BDA0002506794580000041
为可平移负荷的平移控制0-1变量，为“1”表示k时刻的可平移负荷
Figure BDA0002506794580000042
平移到j时刻，为“0”则表示不平移；
条件①是j时刻系统的有功功率平衡方程，
Figure BDA0002506794580000043
分别为j时刻的新能源发电功率及刚性负荷功率，二者均为区间数变量，故该有功功率平衡方程是一区间等式；
条件②是发电机的最小、最大功率约束，以及向下、向上爬坡功率约束，
Figure BDA0002506794580000044
分别为第i台发电机的最小和最大功率，di,j为0-1变量，为“1”表示j时刻第i台发电机处于开机状态，为“0”则表示处于停机状态，
Figure BDA0002506794580000045
分别表示第i台发电机向下和向上爬坡功率的极限；
条件③、④分别为j时刻对第i台发电机最小开机时间T on,i、最小停机时间T off,i的约束；
条件⑤为j时刻对第i台发电机冷启动和热启动的约束，Tcold,i为第i台发电机的冷启动时间；
条件⑥、⑦是对j时刻储能电池荷电状态SOCj的约束，SOCmin、SOCmax为荷电状态的最小值和最大值，ηch、ηdis分别为储能电池的充电和放电效率，SOCT为T时刻的荷电状态，SOC0为储能电池的初始荷电状态，Δt为充电时长，Emax为储能电池的最大容量；
条件⑧、⑨是对j时刻储能电池充放电状态及充放电功率的约束，Xj和Yj分别为0-1变量,Xj为“1”表示j时刻储能电池充电，“0”则表示不充电，Yj为“1”表示j时刻储能电池放电，“0”则表示不放电，Pch,max、Pdis,max分别为储能电池最大充电和放电功率；
条件⑩是对可平移负荷的平移控制变量
Figure BDA0002506794580000046
以及j时刻可削减负荷的负荷削减率ρj的约束。
在所述步骤(4)中，所述的应用基于区间数可能度的方法求解日内灵活调峰优化问题的实现过程为：
首先，将式(1)描述的电力系统日内灵活调峰优化问题转化为确定性问题，其中，目标函数转换为F＝(1-β)(f++f-)/2+β·(f+-f-)/2，β为加权系数，
Figure BDA0002506794580000051
将日内灵活调峰优化问题包含的条件①这一区间等式，转换为两个区间不等式，即：
Figure BDA0002506794580000052
和
Figure BDA0002506794580000053
其中，
Figure BDA0002506794580000054
Figure BDA0002506794580000055
Figure BDA0002506794580000056
设区间不等式
Figure BDA0002506794580000057
成立的可能度为ζ1，ζ1∈[0,1]，则按照区间数可能度理论，将其转换为确定性不等式：
Figure BDA0002506794580000058
同样，设区间不等式
Figure BDA0002506794580000059
成立的可能度为ζ2，ζ2∈[0,1]，将其转换为确定性不等式：
Figure BDA00025067945800000510
日内灵活调峰优化问题包含的条件②-⑩保持不变；含区间等式的电力系统日内灵活调峰优化问题转化为如下确定性问题：
min F (4)
条件包括：式(2)、式(3)以及条件②-⑩；
应用混合整数线性规划方法求解上述确定性问题(4)可得出日内灵活调峰方案。
在所述步骤(5)中，所述的校核日内灵活调峰方案的经济性及安全性的实现过程为：
将步骤(4)求出的日内灵活调峰方案作为方案A，以新能源及负荷预测值所对应的场景为例，分析方案A实施前后的峰谷负荷差，验证日内灵活调峰的效果；以负荷功率PL取区间上界、新能源发电功率PN取区间下界时的场景下求得的日内灵活调峰方案为方案B；以负荷功率PL取区间下界、新能源发电功率PN取区间上界时的场景下求得的日内灵活调峰方案为方案C；对PLo、PLsh、PLred及PN在其所在区间内进行随机抽样，生成1000个不同场景，计算A、B、C三种方案在每个场景中j时刻的功率缺额vj，
Figure BDA0002506794580000061
其中，ng为发电机台数,T为调度周期，一般可取T＝24，
Figure BDA0002506794580000062
为j时刻第i台发电机的功率，Pch,j、Pdis,j分别为j时刻储能电池的充电和放电功率，PN,j、PLo,j、PLsh,j、PLred,j分别为j时刻的新能源发电功率、刚性负荷功率、可平移负荷功率及可削减负荷功率，ρj为j时刻可削减负荷的负荷削减率，
Figure BDA0002506794580000063
为可平移负荷的平移控制0-1变量，为“1”表示k时刻的可平移负荷
Figure BDA0002506794580000064
平移到j时刻，为“0”则表示不平移；设日最大功率缺额v＝max{vj,j＝1,2,…T}超过10％为不安全日，统计A、B、C三种方案的费用及不安全天数，对其经济性及安全性进行比较验证。
与现有技术相比，本发明具有以下优点和有益效果：
1.本发明提出的考虑新能源及负荷不确定性的电力系统日内灵活调峰方法，以电力系统日运营成本为目标函数，全面考虑了削减、平移负荷及储能充放电所需费用，并考虑了新能源及负荷的不确定性，构建了电力系统日内灵活调峰问题的数学模型；应用区间数理论将目标函数转换为确定性函数，将区间等式转化为两个确定性不等式，从而将不确定性问题转化为确定性问题求解，减小了计算量，提高了计算速度；最后，对日内灵活调峰方案进行了仿真校核。本发明考虑了可削减、可平移负荷及储能系统对日内灵活调峰的贡献，同时考虑了可控负荷及新能源的不确定性对系统功率平衡的影响，日内灵活调峰方案在不确定性场景下的安全性和经济性较好，且计算速度快，可行性高。
2.本发明对算例的仿真表明，针对最大负荷和最小新能源出力制定的日内灵活调峰方案日运营费用最高，但发电功率过大，导致资源浪费及功率过剩的问题；针对最小负荷和最大新能源出力制定的日内灵活调峰方案日运营费用最低，但不安全天数最多；基于区间可能度方法求得的日内灵活调峰方案较好地兼顾了安全性和经济性，具有较好的综合性能。
附图说明
图1是本发明的考虑新能源及负荷不确定性的电力系统日内灵活调峰方法的一个实施例的流程图。
图2是本发明的一个实施例的含新能源及储能电池的IEEE10机39节点算例系统结构图，其中“WT”表示风电场，“PV”表示光伏电站，“ESS”表示储能电池。
图3是本发明的一个实施例的日负荷曲线示意图，其中实线为系统总负荷，“Δ”表示刚性负荷，“＊”表示可削减负荷，“°”表示可平移负荷。
图4是本发明的一个实施例的日风电及光伏发电功率曲线示意图，其中实线为风电功率曲线，虚线为光伏发电功率曲线。
图5是本发明的一个实施例的日内灵活调峰方案中储能电池充放电示意图，其中放电功率为正值，充电功率为负值。
图6是本发明的一个实施例的发电机组G7的日输出功率曲线图。
图7是本发明的一个实施例的日内灵活调峰后系统功率平衡示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细说明。
本发明所述的一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法，图1所示为本发明考虑新能源及负荷不确定性的电力系统日内灵活调峰方法的流程图，包括以下步骤：
步骤一、获取日内灵活调峰电力系统的数据。
本发明的日内灵活调峰电力系统的数据包括：同步发电机最大和最小输出功率、爬坡功率、最小开机和停机时间、机组启停费用、发电机运行费用参数；未来24小时风电场、光伏电站输出功率预测值；未来24小时刚性负荷、可削减负荷和可平移负荷功率预测值，削减或平移负荷的代价因子；储能电池的最大容量、最大及最小荷电状态、最大充放电功率、充放电效率及代价因子。
步骤二、建立新能源及负荷的区间数模型。
对于风电场或光伏电站，设其发电功率预测值为
Figure BDA0002506794580000071
尽管不清楚预测误差eN的概率分布，但根据对所用预测方法的性能考核数据，可知eN分布在
Figure BDA0002506794580000072
范围内的概率为α，其中，α为给定值，上标“+”表示区间数上界，上标“-”表示区间数下界；由此可以推出新能源发电功率的上界为
Figure BDA0002506794580000073
下界为
Figure BDA0002506794580000074
新能源发电功率PN的区间数模型为
Figure BDA0002506794580000075
日内灵活调峰电力系统的负荷功率PL包括刚性负荷功率PLo、可平移负荷功率PLsh及可削减负荷功率PLred，根据历史用电数据，分别统计出PLo、PLsh及PLred预测误差
Figure BDA0002506794580000081
的上下界；设某类负荷功率预测值为
Figure BDA0002506794580000082
预测误差为
Figure BDA0002506794580000083
由此可以推出该类负荷功率的上界为
Figure BDA0002506794580000084
下界为
Figure BDA0002506794580000085
负荷功率区间数模型为
Figure BDA0002506794580000086
对于PLo、PLsh及PLred可分别建立其区间数模型
Figure BDA0002506794580000087
及
Figure BDA0002506794580000088
由此可以得出系统总负荷功率的区间数模型
Figure BDA0002506794580000089
步骤三、建立电力系统日内灵活调峰优化问题数学模型。
将所述的电力系统日内灵活调峰优化问题描述为：
min f＝f11+f12+f2+f3 (1)
条件包含：
①
Figure BDA00025067945800000810
②
Figure BDA00025067945800000811
③
Figure BDA00025067945800000812
④
Figure BDA00025067945800000813
⑤
Figure BDA00025067945800000814
j∈[T off,i+Tcold,i+2,24]，
⑥SOCmin≤SOCj≤SOCmax，SOCT＝SOC0，
⑦SOCj＝SOCj-1+(Pch,j·ηch-Pdis,j/ηdis)Δt/Emax，
⑧0≤Xj+Yj≤1，
⑨0≤Pch,j≤XjPch,max，0≤Pdis,j≤YjPdis,max，
⑩
Figure BDA00025067945800000815
0≤ρj≤1；
其中，i＝1,…,ng，j＝1,…,T，ng为发电机台数,T为调度周期，一般可取T＝24；
Figure BDA00025067945800000816
为发电机组的发电成本，ai,bi,ci为第i台发电机的成本参数，
Figure BDA00025067945800000817
为j时刻第i台发电机的功率；
Figure BDA00025067945800000818
为发电机组的启停成本，
Figure BDA00025067945800000819
分别为j时刻第i台发电机的启动控制0-1变量、冷启动控制0-1变量，
Figure BDA00025067945800000820
为“1”分别表示j时刻第i台发电机接受启动或冷启动指令，
Figure BDA00025067945800000821
为“0”则表示j时刻无启动或冷启动指令，Chot,i、Ccold,i分别为第i台发电机的热启动费用和冷启动费用；
Figure BDA0002506794580000091
为储能电池的充放电费用，Pch,j、Pdis,j分别为j时刻储能电池的充电和放电功率，Cch、Cdis分别为储能电池充电、放电代价因子；
Figure BDA0002506794580000092
为负荷控制的费用，其中
Figure BDA0002506794580000093
为分别为j时刻的可削减负荷功率、k时刻的可平移负荷功率，Cred、Csh分别为削减和平移负荷的代价因子，ρj为j时刻可削减负荷的负荷削减率，
Figure BDA0002506794580000094
为可平移负荷的平移控制0-1变量，为“1”表示k时刻的可平移负荷
Figure BDA0002506794580000095
平移到j时刻，为“0”则表示不平移；
条件①是j时刻系统的有功功率平衡方程，
Figure BDA0002506794580000096
分别为j时刻的新能源发电功率及刚性负荷功率，二者均为区间数变量，故该有功功率平衡方程是一区间等式；
条件②是发电机的最小、最大功率约束，以及向下、向上爬坡功率约束，
Figure BDA0002506794580000097
分别为第i台发电机的最小和最大功率，di,j为0-1变量，为“1”表示j时刻第i台发电机处于开机状态，为“0”则表示处于停机状态，
Figure BDA0002506794580000098
分别表示第i台发电机向下和向上爬坡功率的极限；
条件③、④分别为j时刻对第i台发电机最小开机时间T on,i、最小停机时间T off,i的约束；
条件⑤为j时刻对第i台发电机冷启动和热启动的约束，Tcold,i为第i台发电机的冷启动时间；
条件⑥、⑦是对j时刻储能电池荷电状态SOCj的约束，SOCmin、SOCmax为荷电状态的最小值和最大值，ηch、ηdis分别为储能电池的充电和放电效率，SOCT为T时刻的荷电状态，SOC0为储能电池的初始荷电状态，Δt为充电时长，Emax为储能电池的最大容量；
条件⑧、⑨是对j时刻储能电池充放电状态及充放电功率的约束，Xj和Yj分别为0-1变量,Xj为“1”表示j时刻储能电池充电，“0”则表示不充电，Yj为“1”表示j时刻储能电池放电，“0”则表示不放电，Pch,max、Pdis,max分别为储能电池最大充电和放电功率；
条件⑩是对可平移负荷的平移控制变量
Figure BDA0002506794580000101
以及j时刻可削减负荷的负荷削减率ρj的约束。
步骤四、应用基于区间可能度的方法求解日内灵活调峰优化问题。
首先，将式(1)描述的电力系统日内灵活调峰优化问题转化为确定性问题，其中，目标函数转换为F＝(1-β)(f++f-)/2+β·(f+-f-)/2，β为加权系数，
Figure BDA0002506794580000102
将日内灵活调峰优化问题包含的条件①这一区间等式，转换为两个区间不等式，即：
Figure BDA0002506794580000103
和
Figure BDA0002506794580000104
其中，
Figure BDA0002506794580000105
Figure BDA0002506794580000106
Figure BDA0002506794580000107
设区间不等式
Figure BDA0002506794580000108
成立的可能度为ζ1，ζ1∈[0,1]，则按照区间数可能度理论，将其转换为确定性不等式：
Figure BDA0002506794580000109
同样，设区间不等式
Figure BDA00025067945800001010
成立的可能度为ζ2，ζ2∈[0,1]，将其转换为确定性不等式：
Figure BDA00025067945800001011
日内灵活调峰优化问题包含的条件②-⑩保持不变；含区间等式的电力系统日内灵活调峰优化问题转化为如下确定性问题：
min F (4)
条件包括：式(2)、式(3)以及条件②-⑩；
应用混合整数线性规划方法求解上述确定性问题(4)可得出日内灵活调峰方案。
步骤五、校核日内灵活调峰方案的经济性及安全性。
将步骤四求出的日内灵活调峰方案作为方案A，以新能源及负荷预测值所对应的场景为例，分析方案A实施前后的峰谷负荷差，验证日内灵活调峰的效果；以负荷功率PL取区间上界、新能源发电功率PN取区间下界时的场景下求得的日内灵活调峰方案为方案B；以负荷功率PL取区间下界、新能源发电功率PN取区间上界时的场景下求得的日内灵活调峰方案为方案C；对PLo、PLsh、PLred及PN在其所在区间内进行随机抽样，生成1000个不同场景，计算A、B、C三种方案在每个场景中j时刻的功率缺额vj，
Figure BDA0002506794580000111
其中，ng为发电机台数,T为调度周期，一般可取T＝24，
Figure BDA0002506794580000112
为j时刻第i台发电机的功率，Pch,j、Pdis,j分别为j时刻储能电池的充电和放电功率，PN,j、PLo,j、PLsh,j、PLred,j分别为j时刻的新能源发电功率、刚性负荷功率、可平移负荷功率及可削减负荷功率，ρj为j时刻可削减负荷的负荷削减率，
Figure BDA0002506794580000113
为可平移负荷的平移控制0-1变量，为“1”表示k时刻的可平移负荷
Figure BDA0002506794580000114
平移到j时刻，为“0”则表示不平移；设日最大功率缺额v＝max{vj,j＝1,2,…T}超过10％为不安全日，统计A、B、C三种方案的费用及不安全天数，对其经济性及安全性进行比较验证。
图2是本发明的一个实施例的含新能源及储能电池的IEEE10机39节点算例系统结构图，本实施例将本发明方法应用于含新能源及储能电池的IEEE10机39节点算例系统，对系统进行了日内灵活调峰优化调度，对日内灵活调峰方案的综合性能进行了分析。实施步骤如下：
步骤1、获取日内灵活调峰电力系统的数据。
本实施例的含新能源及储能电池的IEEE10机39节点算例系统结构如图2所示，在IEEE10机39节点系统标准算例的基础上，加装了风电场、光伏电站及储能电池，对原有发电机功率进行了调整，使得修改前后,系统总发电功率保持不变；各发电机的最大和最小输出功率
Figure BDA0002506794580000121
及
Figure BDA0002506794580000122
运行费用参数ai、bi及ci，发电机的热启动费用Chot,i和冷启动费用Ccold,i，发电机最小开机时间T on,i、最小停机时间T off,i、冷启动时间Tcold,i，爬坡功率
Figure BDA0002506794580000123
参数如表1所示；
表1.发电机参数
Figure BDA0002506794580000124
负荷由刚性负荷PLo、可削减负荷PLred及可平移负荷PLsh三部分组成，未来24小时的日负荷曲线如图3所示，各类负荷的预测值如表2所示；可削减和可平移负荷的代价因子Cred、Csh分别取35$/MW、20$/MW；未来24小时风电及光伏发电功率曲线如图4所示，其预测值如表3所示；储能电池的最大容量Emax、最小荷电状态SOCmin、最大荷电状态SOCmax、放电收益因子Cdis、充电代价因子Cch、充电效率ηch、放电效率ηdis、最大充电功率Pch,max及最大放电功率Pdis,max等参数如表4所示。
表2.未来24小时各类负荷预测值
Figure BDA0002506794580000125
Figure BDA0002506794580000131
表3.未来24小时风电场及光伏电站功率预测值
Figure BDA0002506794580000132
表4储能电池参数
Figure BDA0002506794580000133
步骤2、建立新能源及负荷的区间数模型。
本实施例的风电场功率预测值Pwt及光伏电站功率预测值Ppv如表3所示，尽管不清楚预测误差eN的概率分布，但根据对所用预测方法的性能考核数据，可假设eN以95％的置信度分布在
Figure BDA0002506794580000134
范围内，其中，
Figure BDA0002506794580000135
由此可以推出新能源输出功率的上界为
Figure BDA0002506794580000136
下界为
Figure BDA0002506794580000137
新能源出力的区间数模型为
Figure BDA0002506794580000138
对于风电和光伏功率可分别求出
Figure BDA0002506794580000139
和
Figure BDA00025067945800001310
灵活调峰电力系统的刚性需求PLo、可平移负荷PLsh及可削减负荷预测值如表2所示，根据历史用电数据，分别统计出PLo、PLsh及PLred预测误差
Figure BDA00025067945800001311
的上下界，设某类负荷预测值为
Figure BDA00025067945800001312
预测误差为
Figure BDA00025067945800001313
由此可以推出该类负荷功率的上界为
Figure BDA00025067945800001314
下界为
Figure BDA00025067945800001315
负荷功率区间数模型为
Figure BDA00025067945800001316
本实施例中设三类负荷预测误差的上下界相同，取
Figure BDA00025067945800001317
对于PLo、PLsh及PLred可分别建立其区间数模型
Figure BDA00025067945800001318
及
Figure BDA00025067945800001319
由此可以得出系统负荷的区间数模型
Figure BDA00025067945800001320
步骤3、建立电力系统日内灵活调峰优化问题数学模型。
将所述的电力系统日内灵活调峰优化问题描述为：
min f＝f11+f12+f2+f3 (1)
条件包含：
①
Figure BDA0002506794580000141
②
Figure BDA0002506794580000142
③
Figure BDA0002506794580000143
④
Figure BDA0002506794580000144
⑤
Figure BDA0002506794580000145
j∈[T off,i+Tcold,i+2,24]，
⑥SOCmin≤SOCj≤SOCmax，SOCT＝SOC0，
⑦SOCj＝SOCj-1+(Pch,j·ηch-Pdis,j/ηdis)Δt/Emax，
⑧0≤Xj+Yj≤1，
⑨0≤Pch,j≤XjPch,max，0≤Pdis,j≤YjPdis,max，
⑩
Figure BDA0002506794580000146
0≤ρj≤1；
其中，i＝1,…,ng，j＝1,…,T，ng为发电机台数,T为调度周期，一般可取T＝24；
Figure BDA0002506794580000147
为发电机组的发电成本，ai,bi,ci为第i台发电机的成本参数，
Figure BDA0002506794580000148
为j时刻第i台发电机的功率；
Figure BDA0002506794580000149
为发电机组的启停成本，
Figure BDA00025067945800001410
分别为j时刻第i台发电机的启动控制0-1变量、冷启动控制0-1变量，
Figure BDA00025067945800001411
为“1”分别表示j时刻第i台发电机接受启动或冷启动指令，
Figure BDA00025067945800001412
为“0”则表示j时刻无启动或冷启动指令，Chot,i、Ccold,i分别为第i台发电机的热启动费用和冷启动费用；
Figure BDA00025067945800001413
为储能电池的充放电费用，Pch,j、Pdis,j分别为j时刻储能电池的充电和放电功率，Cch、Cdis分别为储能电池充电、放电代价因子；
Figure BDA00025067945800001414
为负荷控制的费用，其中
Figure BDA00025067945800001415
为分别为j时刻的可削减负荷功率、k时刻的可平移负荷功率，Cred、Csh分别为削减和平移负荷的代价因子，ρj为j时刻可削减负荷的负荷削减率，
Figure BDA0002506794580000151
为可平移负荷的平移控制0-1变量，为“1”表示k时刻的可平移负荷
Figure BDA0002506794580000152
平移到j时刻，为“0”则表示不平移；
条件①是j时刻系统的有功功率平衡方程，
Figure BDA0002506794580000153
分别为j时刻的新能源发电功率及刚性负荷功率，二者均为区间数变量，故该有功功率平衡方程是一区间等式；
条件②是发电机的最小、最大功率约束，以及向下、向上爬坡功率约束，
Figure BDA0002506794580000154
分别为第i台发电机的最小和最大功率，di,j为0-1变量，为“1”表示j时刻第i台发电机处于开机状态，为“0”则表示处于停机状态，
Figure BDA0002506794580000155
分别表示第i台发电机向下和向上爬坡功率的极限；
条件③、④分别为j时刻对第i台发电机最小开机时间T on,i、最小停机时间T off,i的约束；
条件⑤为j时刻对第i台发电机冷启动和热启动的约束，Tcold,i为第i台发电机的冷启动时间；
条件⑥、⑦是对j时刻储能电池荷电状态SOCj的约束，SOCmin、SOCmax为荷电状态的最小值和最大值，ηch、ηdis分别为储能电池的充电和放电效率，SOCT为T时刻的荷电状态，SOC0为储能电池的初始荷电状态，Δt为充电时长，Emax为储能电池的最大容量；
条件⑧、⑨是对j时刻储能电池充放电状态及充放电功率的约束，Xj和Yj分别为0-1变量,Xj为“1”表示j时刻储能电池充电，“0”则表示不充电，Yj为“1”表示j时刻储能电池放电，“0”则表示不放电，Pch,max、Pdis,max分别为储能电池最大充电和放电功率；
条件⑩是对可平移负荷的平移控制变量
Figure BDA0002506794580000156
以及j时刻可削减负荷的负荷削减率ρj的约束。
步骤4、应用基于区间可能度的方法求解日内灵活调峰优化问题。
首先，将式(1)描述的电力系统日内灵活调峰优化问题转化为确定性问题，其中，目标函数转换为F＝(1-β)(f++f-)/2+β·(f+-f-)/2，β为加权系数，
Figure BDA0002506794580000161
将日内灵活调峰优化问题包含的条件①这一区间等式，转换为两个区间不等式，即：
Figure BDA0002506794580000162
和
Figure BDA0002506794580000163
其中，
Figure BDA0002506794580000164
Figure BDA0002506794580000165
Figure BDA0002506794580000166
设区间不等式
Figure BDA0002506794580000167
成立的可能度为ζ1，ζ1∈[0,1]，则按照区间数可能度理论，将其转换为确定性不等式：
Figure BDA0002506794580000168
同样，设区间不等式
Figure BDA0002506794580000169
成立的可能度为ζ2，ζ2∈[0,1]，将其转换为确定性不等式：
Figure BDA00025067945800001610
日内灵活调峰优化问题包含的条件②-⑩保持不变；含区间等式的电力系统日内灵活调峰优化问题转化为如下确定性问题：
min F (4)
条件包括：式(2)、式(3)以及条件②-⑩；
应用混合整数线性规划方法求解上述确定性问题(4)可得出日内灵活调峰方案，日内灵活调峰方案中储能电池充放电示意图如图5所示，发电机组G7的日输出功率曲线如图6所示。
步骤5、校核日内灵活调峰方案的经济性及安全性。
将步骤4求出的日内灵活调峰方案作为方案A，以新能源及负荷预测值所对应的场景为例，分析调峰前后的峰谷负荷差，日内灵活调峰后系统功率平衡示意图如图7所示，由图7可见，位于13:00-14:00及17:00-21:00用电高峰的负荷被平移到2:00-8:00用电低谷阶段，方案A起到了较好的日内调峰作用；
以负荷PL,j取区间上界、新能源PN,j取区间下界时的场景下求得的灵活调峰方案为方案B；以负荷PL,j取区间下界、新能源PN,j取区间上界时的场景下求得的灵活调峰方案为方案C；对PLo,j、PLsh,j、PLred,j及PN,j在其所在区间内进行随机抽样，生成1000个不同的日负荷及新能源场景，计算A、B、C三种方案在每个场景中j时刻的功率缺额vj，
Figure BDA0002506794580000171
设日最大功率缺额v＝max{vj,j＝1,2,…T}超过10％为不安全日，统计A、B、C三种方案的费用及不安全天数，对其经济性及安全性进行比较验证。表2给出了3种不同调峰方案的综合性能对比，由表2可见，方案C的费用最低，但安全性也最差，而方案B的经济代价最大，而安全性也最高，而方案A与方案B相接近，但费用较低，在工程中可根据实际要求，平衡经济性和安全性，选择不同的日内灵活调峰方案。
表2. 3种不同调峰方案的综合性能对比
Figure BDA0002506794580000172
A---考虑新能源及负荷不确定性的调峰方案；B---最大负荷最小新能源场景下的调峰方案；
C---最小负荷最大新能源场景下的调峰方案
综上所述，本发明的一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法弥补了现有技术所存在的对新能源及负荷的不确定性考虑不足，对不确定性变量的数据要求较高的技术缺陷，根据负荷及新能源预测误差的波动范围，建立风电、光伏、可平移负荷及可削减负荷的区间数模型，考虑发电机、储能电池、可削减及可平移负荷的费用及运行约束条件，建立电力系统日内灵活调峰优化问题，应用基于区间可能度的方法求解日内灵活调峰优化问题，将含区间等式的不确定性问题转换为确定性的混合整数线性规划问题求解，得出考虑不确定性的电力系统日内灵活调峰优化方案。与最大负荷最小新能源场景、最小负荷最大新能源场景下求出的其它两种调峰方案相比，考虑新能源及负荷不确定性的日内灵活调峰优化方案既具有较低的日运营费用，又能较好地适应多种不确定性场景，具有较好的综合性能，可更好地应用于实际系统的日内灵活调峰决策。

Claims (4)

1.一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法，其特征在于，包括以下步骤：
(1)获取日内灵活调峰电力系统的数据；
(2)建立新能源及负荷的区间数模型；
(3)建立电力系统日内灵活调峰优化问题数学模型；
(4)应用基于区间数可能度的方法求解日内灵活调峰优化问题，包括：应用区间数理论将不确定性问题转化为确定性问题，应用混合整数线性规划方法求解日内灵活调峰方案；
(5)校核日内灵活调峰方案的经济性及安全性；
所述的日内灵活调峰电力系统的数据包括：同步发电机最大和最小输出功率、爬坡功率、最小开机和停机时间、机组启停费用、发电机运行费用参数；未来24小时风电场、光伏电站输出功率预测值；未来24小时刚性负荷、可削减负荷和可平移负荷功率预测值，削减或平移负荷的代价因子；储能电池的最大容量、最大及最小荷电状态、最大充放电功率、充放电效率及代价因子；
步骤(2)中所述的建立新能源及负荷的区间数模型，其过程为：
对于风电场或光伏电站，设其发电功率预测值为
Figure FDA0002506794570000011
尽管不清楚预测误差eN的概率分布，但根据对所用预测方法的性能考核数据，可知eN分布在
Figure FDA0002506794570000012
范围内的概率为α，其中，α为给定值，上标“+”表示区间数上界，上标“-”表示区间数下界；由此可以推出新能源发电功率的上界为
Figure FDA0002506794570000013
下界为
Figure FDA0002506794570000014
新能源发电功率PN的区间数模型为
Figure FDA0002506794570000015
日内灵活调峰电力系统的负荷功率PL包括刚性负荷功率PLo、可平移负荷功率PLsh及可削减负荷功率PLred，根据历史用电数据，分别统计出PLo、PLsh及PLred预测误差
Figure FDA0002506794570000016
的上下界；设某类负荷功率预测值为
Figure FDA0002506794570000017
预测误差为
Figure FDA0002506794570000018
由此可以推出该类负荷功率的上界为
Figure FDA0002506794570000019
下界为
Figure FDA00025067945700000110
负荷功率区间数模型为
Figure FDA00025067945700000111
对于PLo、PLsh及PLred可分别建立其区间数模型
Figure FDA00025067945700000112
及
Figure FDA00025067945700000113
由此可以得出系统总负荷功率的区间数模型
Figure FDA00025067945700000114
2.根据权利要求1所述的一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法，其特征在于，步骤(3)中所述的建立电力系统日内灵活调峰优化问题数学模型的实现过程为：
将所述的电力系统日内灵活调峰优化问题描述为：
min f＝f11+f12+f2+f3 (1)
条件包含：
①
Figure FDA0002506794570000021
②
Figure FDA0002506794570000022
③
Figure FDA0002506794570000023
④
Figure FDA0002506794570000024
⑤
Figure FDA0002506794570000025
⑥SOCmin≤SOCj≤SOCmax，SOCT＝SOC0，
⑦SOCj＝SOCj-1+(Pch,j·ηch-Pdis,j/ηdis)Δt/Emax，
⑧0≤Xj+Yj≤1，
⑨0≤Pch,j≤XjPch,max，0≤Pdis,j≤YjPdis,max，
⑩
Figure FDA0002506794570000026
其中，i＝1,…,ng，j＝1,…,T，ng为发电机台数,T为调度周期，一般可取T＝24；
Figure FDA0002506794570000027
为发电机组的发电成本，ai,bi,ci为第i台发电机的成本参数，
Figure FDA0002506794570000028
为j时刻第i台发电机的功率；
Figure FDA0002506794570000029
为发电机组的启停成本，
Figure FDA00025067945700000210
分别为j时刻第i台发电机的启动控制0-1变量、冷启动控制0-1变量，
Figure FDA00025067945700000211
为“1”分别表示j时刻第i台发电机接受启动或冷启动指令，
Figure FDA00025067945700000212
为“0”则表示j时刻无启动或冷启动指令，Chot,i、Ccold,i分别为第i台发电机的热启动费用和冷启动费用；
Figure FDA00025067945700000213
为储能电池的充放电费用，Pch,j、Pdis,j分别为j时刻储能电池的充电和放电功率，Cch、Cdis分别为储能电池充电、放电代价因子；
Figure FDA00025067945700000214
为负荷控制的费用，其中
Figure FDA0002506794570000031
为分别为j时刻的可削减负荷功率、k时刻的可平移负荷功率，Cred、Csh分别为削减和平移负荷的代价因子，ρj为j时刻可削减负荷的负荷削减率，
Figure FDA0002506794570000032
为可平移负荷的平移控制0-1变量，为“1”表示k时刻的可平移负荷
Figure FDA0002506794570000033
平移到j时刻，为“0”则表示不平移；
条件①是j时刻系统的有功功率平衡方程，
Figure FDA0002506794570000034
分别为j时刻的新能源发电功率及刚性负荷功率，二者均为区间数变量，故该有功功率平衡方程是一区间等式；
条件②是发电机的最小、最大功率约束，以及向下、向上爬坡功率约束，
Figure FDA0002506794570000035
分别为第i台发电机的最小和最大功率，di,j为0-1变量，为“1”表示j时刻第i台发电机处于开机状态，为“0”则表示处于停机状态，
Figure FDA0002506794570000036
分别表示第i台发电机向下和向上爬坡功率的极限；
条件③、④分别为j时刻对第i台发电机最小开机时间T on,i、最小停机时间T off,i的约束；
条件⑤为j时刻对第i台发电机冷启动和热启动的约束，Tcold,i为第i台发电机的冷启动时间；
条件⑥、⑦是对j时刻储能电池荷电状态SOCj的约束，SOCmin、SOCmax为荷电状态的最小值和最大值，ηch、ηdis分别为储能电池的充电和放电效率，SOCT为T时刻的荷电状态，SOC0为储能电池的初始荷电状态，Δt为充电时长，Emax为储能电池的最大容量；
条件⑧、⑨是对j时刻储能电池充放电状态及充放电功率的约束，Xj和Yj分别为0-1变量,Xj为“1”表示j时刻储能电池充电，“0”则表示不充电，Yj为“1”表示j时刻储能电池放电，“0”则表示不放电，Pch,max、Pdis,max分别为储能电池最大充电和放电功率；
条件⑩是对可平移负荷的平移控制变量
Figure FDA0002506794570000037
以及j时刻可削减负荷的负荷削减率ρj的约束。
3.根据权利要求1所述的一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法，其特征在于，步骤(4)中所述的应用基于区间数可能度的方法求解日内灵活调峰优化问题的实现过程为：
将所述的电力系统日内灵活调峰优化问题描述为：
min f＝f11+f12+f2+f3 (1)
条件包含：
①
Figure FDA0002506794570000041
②
Figure FDA0002506794570000042
③
Figure FDA0002506794570000043
④
Figure FDA0002506794570000044
⑤
Figure FDA0002506794570000045
⑥SOCmin≤SOCj≤SOCmax，SOCT＝SOC0，
⑦SOCj＝SOCj-1+(Pch,j·ηch-Pdis,j/ηdis)Δt/Emax，
⑧0≤Xj+Yj≤1，
⑨0≤Pch,j≤XjPch,max，0≤Pdis,j≤YjPdis,max，
⑩
Figure FDA0002506794570000046
其中，i＝1,…,ng，j＝1,…,T，ng为发电机台数,T为调度周期，一般可取T＝24；
Figure FDA0002506794570000047
为发电机组的发电成本，ai,bi,ci为第i台发电机的成本参数，
Figure FDA0002506794570000048
为j时刻第i台发电机的功率；
Figure FDA0002506794570000049
为发电机组的启停成本，
Figure FDA00025067945700000410
分别为j时刻第i台发电机的启动控制0-1变量、冷启动控制0-1变量，
Figure FDA00025067945700000411
为“1”分别表示j时刻第i台发电机接受启动或冷启动指令，
Figure FDA00025067945700000412
为“0”则表示j时刻无启动或冷启动指令，Chot,i、Ccold,i分别为第i台发电机的热启动费用和冷启动费用；
Figure FDA00025067945700000413
为储能电池的充放电费用，Pch,j、Pdis,j分别为j时刻储能电池的充电和放电功率，Cch、Cdis分别为储能电池充电、放电代价因子；
Figure FDA00025067945700000414
为负荷控制的费用，其中
Figure FDA00025067945700000415
为分别为j时刻的可削减负荷功率、k时刻的可平移负荷功率，Cred、Csh分别为削减和平移负荷的代价因子，ρj为j时刻可削减负荷的负荷削减率，
Figure FDA0002506794570000051
为可平移负荷的平移控制0-1变量，为“1”表示k时刻的可平移负荷
Figure FDA0002506794570000052
平移到j时刻，为“0”则表示不平移；
条件①是j时刻系统的有功功率平衡方程，
Figure FDA0002506794570000053
分别为j时刻的新能源发电功率及刚性负荷功率，二者均为区间数变量，故该有功功率平衡方程是一区间等式；
条件②是发电机的最小、最大功率约束，以及向下、向上爬坡功率约束，
Figure FDA0002506794570000054
分别为第i台发电机的最小和最大功率，di,j为0-1变量，为“1”表示j时刻第i台发电机处于开机状态，为“0”则表示处于停机状态，
Figure FDA0002506794570000055
分别表示第i台发电机向下和向上爬坡功率的极限；
条件③、④分别为j时刻对第i台发电机最小开机时间T on,i、最小停机时间T off,i的约束；
条件⑤为j时刻对第i台发电机冷启动和热启动的约束，Tcold,i为第i台发电机的冷启动时间；
条件⑥、⑦是对j时刻储能电池荷电状态SOCj的约束，SOCmin、SOCmax为荷电状态的最小值和最大值，ηch、ηdis分别为储能电池的充电和放电效率，SOCT为T时刻的荷电状态，SOC0为储能电池的初始荷电状态，Δt为充电时长，Emax为储能电池的最大容量；
条件⑧、⑨是对j时刻储能电池充放电状态及充放电功率的约束，Xj和Yj分别为0-1变量,Xj为“1”表示j时刻储能电池充电，“0”则表示不充电，Yj为“1”表示j时刻储能电池放电，“0”则表示不放电，Pch,max、Pdis,max分别为储能电池最大充电和放电功率；
条件⑩是对可平移负荷的平移控制变量
Figure FDA0002506794570000056
以及j时刻可削减负荷的负荷削减率ρj的约束；
首先，将上式(1)描述的电力系统日内灵活调峰优化问题转化为确定性问题，其中，目标函数转换为F＝(1-β)(f++f-)/2+β·(f+-f-)/2，β为加权系数，
Figure FDA0002506794570000061
将日内灵活调峰优化问题包含的条件①这一区间等式，转换为两个区间不等式，即：
Figure FDA0002506794570000062
和
Figure FDA0002506794570000063
其中，
Figure FDA0002506794570000064
Figure FDA0002506794570000065
Figure FDA0002506794570000066
设区间不等式
Figure FDA0002506794570000067
成立的可能度为ζ1，ζ1∈[0,1]，则按照区间数可能度理论，将其转换为确定性不等式：
Figure FDA0002506794570000068
同样，设区间不等式
Figure FDA0002506794570000069
成立的可能度为ζ2，ζ2∈[0,1]，将其转换为确定性不等式：
Figure FDA00025067945700000610
日内灵活调峰优化问题包含的条件②-⑩保持不变；含区间等式的电力系统日内灵活调峰优化问题转化为如下确定性问题：
min F (4)
条件包括：式(2)、式(3)以及条件②-⑩；
应用混合整数线性规划方法求解上述确定性问题(4)可得出日内灵活调峰方案。
4.根据权利要求1所述的一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法，其特征在于，在步骤(5)中，所述的校核日内灵活调峰方案的经济性及安全性的实现过程为：
将步骤(4)求出的日内灵活调峰方案作为方案A，以新能源及负荷预测值所对应的场景为例，分析方案A实施前后的峰谷负荷差，验证日内灵活调峰的效果；以负荷功率PL取区间上界、新能源发电功率PN取区间下界时的场景下求得的日内灵活调峰方案为方案B；以负荷功率PL取区间下界、新能源发电功率PN取区间上界时的场景下求得的日内灵活调峰方案为方案C；对PLo、PLsh、PLred及PN在其所在区间内进行随机抽样，生成1000个不同场景，计算A、B、C三种方案在每个场景中j时刻的功率缺额vj，
Figure FDA0002506794570000071
其中，i＝1,…,ng，j＝1,…,T，ng为发电机台数,T为调度周期，一般可取T＝24，
Figure FDA0002506794570000072
为j时刻第i台发电机的功率，Pch,j、Pdis,j分别为j时刻储能电池的充电和放电功率，PN,j、PLo,j、PLsh,j、PLred,j分别为j时刻的新能源发电功率、刚性负荷功率、可平移负荷功率及可削减负荷功率，ρj为j时刻可削减负荷的负荷削减率，
Figure FDA0002506794570000073
为可平移负荷的平移控制0-1变量，为“1”表示k时刻的可平移负荷
Figure FDA0002506794570000074
平移到j时刻，为“0”则表示不平移；设日最大功率缺额v＝max{vj,j＝1,2,…T}超过10％为不安全日，统计A、B、C三种方案的费用及不安全天数，对其经济性及安全性进行比较验证。
CN202010448877.2A 2020-05-25 2020-05-25 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法 Pending CN111641233A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010448877.2A CN111641233A (zh) 2020-05-25 2020-05-25 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010448877.2A CN111641233A (zh) 2020-05-25 2020-05-25 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法

Publications (1)

Publication Number Publication Date
CN111641233A true CN111641233A (zh) 2020-09-08

Family

ID=72333286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010448877.2A Pending CN111641233A (zh) 2020-05-25 2020-05-25 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法

Country Status (1)

Country Link
CN (1) CN111641233A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113193547A (zh) * 2021-03-19 2021-07-30 国网江苏省电力有限公司 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
CN113629745A (zh) * 2021-08-16 2021-11-09 哈尔滨工业大学 一种新能源场站计划外功率辅助控制用储能容量规划方法
CN115912491A (zh) * 2023-01-05 2023-04-04 国网山东省电力公司东营供电公司 分布式光伏发电调峰调频控制方法、系统、终端及介质
CN117892848A (zh) * 2023-11-03 2024-04-16 中国电建集团华东勘测设计研究院有限公司 计及源荷双侧不确定性的综合能源系统区间优化运行方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109103912A (zh) * 2018-07-18 2018-12-28 合肥工业大学 考虑电网调峰需求的工业园区主动配电系统调度优化方法
CN109245183A (zh) * 2018-05-21 2019-01-18 国网河南省电力公司安阳供电公司 一种基于负荷控制的高风光渗透率地区电网调峰方法
CN111628503A (zh) * 2020-06-20 2020-09-04 东北电力大学 考虑广义储能与火电联合调峰的日前-日内两阶段滚动优化调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109245183A (zh) * 2018-05-21 2019-01-18 国网河南省电力公司安阳供电公司 一种基于负荷控制的高风光渗透率地区电网调峰方法
CN109103912A (zh) * 2018-07-18 2018-12-28 合肥工业大学 考虑电网调峰需求的工业园区主动配电系统调度优化方法
CN111628503A (zh) * 2020-06-20 2020-09-04 东北电力大学 考虑广义储能与火电联合调峰的日前-日内两阶段滚动优化调度方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113193547A (zh) * 2021-03-19 2021-07-30 国网江苏省电力有限公司 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
CN113629745A (zh) * 2021-08-16 2021-11-09 哈尔滨工业大学 一种新能源场站计划外功率辅助控制用储能容量规划方法
CN113629745B (zh) * 2021-08-16 2024-01-30 哈尔滨工业大学 一种新能源场站计划外功率辅助控制用储能容量规划方法
CN115912491A (zh) * 2023-01-05 2023-04-04 国网山东省电力公司东营供电公司 分布式光伏发电调峰调频控制方法、系统、终端及介质
CN115912491B (zh) * 2023-01-05 2023-08-22 国网山东省电力公司东营供电公司 分布式光伏发电调峰调频控制方法、系统、终端及介质
CN117892848A (zh) * 2023-11-03 2024-04-16 中国电建集团华东勘测设计研究院有限公司 计及源荷双侧不确定性的综合能源系统区间优化运行方法

Similar Documents

Publication Publication Date Title
CN112104007B (zh) 一种广义源储系统调度的集中控制方法
CN111641233A (zh) 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法
CN111697578B (zh) 多目标含储能区域电网运行控制方法
CN107453402B (zh) 一种降低含风储一体化电站电力系统运行风险的调度方法
CN112821432B (zh) 一种风光接入下储能系统的双层多位置配置方法
CN110350589B (zh) 一种可再生能源和储能调度模型及调度方法
CN113193547A (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
CN115001035B (zh) 考虑灵活性需求的电力系统多时间尺度优化方法
CN112053034B (zh) 一种考虑风电不确定性分布特征的电网可调节鲁棒优化调度方法
CN114676991B (zh) 基于源荷双侧不确定的多能互补系统优化调度方法
CN113708394B (zh) 一种百兆瓦级储能参与调峰及频率响应辅助服务的联合调度方法
CN116780646A (zh) 一种计及灵活性的电力系统资源优化调度方法及终端
CN115360734A (zh) 考虑光、荷多场景的分布式储能容量配置方法及装置
CN115036914B (zh) 考虑灵活性与新能源消纳的电网储能双层优化方法及系统
CN115117940A (zh) 考虑风电、光伏及负荷不确定的风光水火储系统低碳调度模型建模方法
CN115663791A (zh) 基于运行环境时变性的智能配电网多目标自适应调度方法
CN115001046A (zh) 多储能电站参与调峰调频双层优化控制方法
CN112510690B (zh) 考虑风火储联合和需求响应奖惩的优化调度方法及系统
CN113869608A (zh) 源网荷储灵活性资源日前优化方法
CN110336308B (zh) 一种基于机会约束的主动配电网经济调度方法
CN116805192A (zh) 考虑最优弃能率的综合能源系统双层规划优化方法及应用
CN114865715A (zh) 基于mpc的源网荷储灵活性资源实时优化调度方法
CN114759614A (zh) 基于博弈论的多能源系统鲁棒优化调度策略
Ma et al. Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation
CN111884262B (zh) 一种基于应用工况性能的广域分布式储能系统调控方法

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
AD01 Patent right deemed abandoned

Effective date of abandoning: 20230407

AD01 Patent right deemed abandoned