CN112104005A - 一种考虑新能源预测不确定性的电网调度方法和系统 - Google Patents
一种考虑新能源预测不确定性的电网调度方法和系统 Download PDFInfo
- Publication number
- CN112104005A CN112104005A CN202010868932.3A CN202010868932A CN112104005A CN 112104005 A CN112104005 A CN 112104005A CN 202010868932 A CN202010868932 A CN 202010868932A CN 112104005 A CN112104005 A CN 112104005A
- Authority
- CN
- China
- Prior art keywords
- new energy
- power supply
- period
- total
- power grid
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000009826 distribution Methods 0.000 claims abstract description 42
- 238000009825 accumulation Methods 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims description 34
- 230000001186 cumulative effect Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010248 power generation Methods 0.000 claims description 9
- 230000007812 deficiency Effects 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000003203 everyday effect Effects 0.000 claims description 3
- 235000003642 hunger Nutrition 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 230000037351 starvation Effects 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 54
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009194 climbing Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供的一种考虑新能源预测不确定性的电网调度方法和系统,包括:获取电网运行数据和每一个新能源场站当日的日前时段的预测出力数据;基于所述每一个新能源场站当日的日前时段的预测出力数据和预先构建的历史预测误差的分布累积函数,得出多个新能源场站总预测出力高置信度区间和低置信度区间;根据所述电网运行数据、多个新能源场站总预测出力高置信度区间和低置信度区间确定风险调度方案。该方案降低新能源预测误差不确定性的影响,提供更加全面的调度决策和风险评估方案,提高电力系统安全性。
Description
技术领域
本发明属于新能源优化调度运行领域,涉及一种考虑新能源预测不确定性的电网调度方法和系统。
背景技术
由于新能源预测误差的不确定性较大,大规模的新能源并网给电网的调度运行带来了极大挑战,制约了新能源的高效消纳。在日前调度环节,通过合理安排常规电源的开机计划,为新能源提前预留足够的发电空间,是实现新能源高效消纳的关键。然而,由于新能源的日前预测误差较大,电网调度部门在制定常规电源开机计划时通常只是基于确定性调度方法,仅考虑新能源预测出力的可信部分,这样会造成系统开机容量过大,调度决策过于保守。针对确定性调度方法的不足,有学者提出采用随机优化调度方法,该方法可以考虑新能源预测出力的不确定性,较传统的确定性调度决策更加科学合理。
随机化调度方法需要考虑新能源预测出力的不确定性区间。理论上来说,考虑的出力区间范围越大,就越能够保证调度决策的安全性,但其代价是造成常规电源开机计划过于保守,影响新能源的消纳。因此,在应用随机优化调度方法时,通常只考虑新能源发电的部分不确定性,如:以新能源80%或90%的高置信度水平下的概率预测为输入进行优化决策。然而,虽然剩余的10%或20%低置信度出力发生的概率较低,但通常是较为极端的出力场景,会对电网产生较大的运行风险。
发明内容
为克服上述现有技术的不足,本发明提出一种考虑新能源预测不确定性的电网调度方法,包括:
获取电网运行数据和每一个新能源场站当日的日前时段的预测出力数据;
基于所述每一个新能源场站当日的日前时段的预测出力数据和预先构建的历史预测误差的分布累积函数,得出多个新能源场站总预测出力高置信度区间和低置信度区间;
根据所述电网运行数据、多个新能源场站总预测出力高置信度区间和低置信度区间确定风险调度方案。
优选的,所述根据所述电网运行数据、多个新能源场站总预测出力高置信度区间和低置信度区间确定风险调度方案,包括:
根据所述电网运行数据和多个新能源场站总预测出力高置信度区间建立机组组合随机优化模型,通过优化求解所述机组组合随机优化模型得到常规电源开机计划;
基于常规电源开机计划、多个新能源场站总预测出力低置信度区间和预先构建的新能源场站总预测出力的概率密度函数,分别计算电网发生供电不足和正备用容量不足的风险期望和发生概率;
根据电网发生供电不足和正备用容量不足的风险期望和发生概率的结果,确定风险调度方案。
优选的,所述根据所述电网运行数据和多个新能源场站总预测出力高置信度区间建立机组组合随机优化模型,通过优化求解所述机组组合随机优化模型得到常规电源开机计划,包括:
基于多个新能源场站总预测出力高置信度区间,通过均匀分布随机抽样的方法生成多个新能源总预测出力场景;
以所有新能源预测出力场景下全网发电运行成本和新能源弃电成本最小为目标函数,根据电网运行数据以所有新能源出力场景下的系统负荷平衡、系统备用容量、常规电源运行和新能源出力为约束条件,构建机组组合随机优化模型;
根据机组组合随机优化模型采用CPLEX求解器求解的方法,得到常规电源的开机计划。
优选的,所述目标函数的计算式如下:
式中,U表示目标函数,G表示常规电源机组个数,g表示常规电源机组编号,表示第k个场景下第g台常规电源机组在t时段的出力,Fg(·)表示第g台常规机组的发电成本线性函数,表示第g台常规机组的单次启机成本,ug,t表示第g台常规电源机组在t时段的启机状态0-1变量,ug,t=1表示第g台常规电源机组在t时段发生了启机动作,ug,t=0表示没有发生启机动作,表示第g台常规机组的单次停机成本,vg,t表示第g台常规电源机组在t时段的停机状态0-1变量,vg,t=1表示第g台常规电源机组在t时段发生了停机动作,vg,t=0表示没有发生停机动作,Δt表示单位优化时段时长,表示在高置信度水平α下第k个场景W个新能源场站在t时段的总弃电功率,λw表示新能源单位弃电量成本。
优选的,所述电网在各时段供电不足的风险期望的计算式如下:
所述电网在各时段供电不足的发生概率的计算式如下:
所述电网在各时段的正备用不足的风险期望的计算式如下:
所述电网在各时段的正备用不足的发生概率计算式如下:
式中,Et表示系统在t时段的供电不足期望,Pt表示系统在t时段的发生概率,表示在t时段正备用的不足期望,表示在t时段正备用的发生概率,表示W个新能源场站在t时段的总预测出力的分布累积函数的反函数,α表示给定置信度水平,x表示总预测出力,fW,t(·)表示W个新能源场站在t时段的总预测出力的概率密度函数,G表示常规电源机组个数,g表示常规电源机组编号,M表示负荷节点个数,pm,t表示第m个节点在t时段的预测负荷,L表示省间联络线个数,pl,t表示第l个省间联络线在t时段的受电功率,表示第g台常规电源机组的最大技术出力,xg,t表示第g台常规电源机组在t时段的运行状态0-1变量,xg,t=1表示第g台常规电源机组在t时段处于开机状态,xg,t=0表示处于停机状态,r+表示系统的正备用容量。
优选的,所述历史预测误差的分布累积函数的构建,包括:
在多个新能源场站中获取历史时段的多日内多点出力数据和对应的多点日前预测出力数据,计算每日多点时刻下多个新能源场站历史总出力的预测误差;
根据多个新能源场站历史总出力的预测误差采用核密度估计方法计算多点时刻对应的多个新能源历史总出力预测误差的分布累积函数。
优选的,所述基于所述每一个新能源场站当日的日前时段的预测出力数据和预先构建的历史预测误差的分布累积函数,得出多个新能源场站总预测出力高置信度区间和低置信度区间,包括:
基于所述每一个新能源场站当日的日前时段的预测出力数据和预先构建的历史预测误差的分布累积函数,计算出多个新能源场站在预设时段的总预测出力的分布累积函数;
根据多个新能源场站在预设时段的总预测出力分布累积函数的结果,得出多个新能源场站总预测出力高置信度区间和低置信度区间。
优选的,所述多个新能源场站总预测出力高置信度区间的取值范围如下:
所述多个新能源场站总预测出力低置信度区间的取值范围如下:
优选的,所述获取电网运行数据和每一个新能源场站当日的日前时段的预测出力数据,包括:
获取常规电源当前的运行状态、机组参数、省间联络线计划、用电负荷当日日前多点预测数据作为电网运行数据;
根据获取每一个新能源场站当日的日前时段的预测出力数据计算多个新能源场站当日的日前多点预测出力数据。
基于同一发明构思,本发明还提供了一种考虑新能源预测不确定性的电网调度系统,包括:获取模块、置信度区间模块和风险调度模块;
其中获取模块,用于获取电网运行数据和每一个新能源场站当日的日前时段的预测出力数据;
其中置信度区间模块,用于基于所述每一个新能源场站当日的日前时段的预测出力数据和预先构建的历史预测误差的分布累积函数,得出多个新能源场站总预测出力高置信度区间和低置信度区间;
其中风险调度模块,用于根据所述电网运行数据、多个新能源场站总预测出力高置信度区间和低置信度区间确定风险调度方案。
与最接近的现有技术相比,本发明具有的有益效果如下:
1、本发明提供的一种考虑新能源预测不确定性的电网调度方法和系统,包括:获取电网运行数据和每一个新能源场站当日的日前时段的预测出力数据;基于所述每一个新能源场站当日的日前时段的预测出力数据和预先构建的历史预测误差的分布累积函数,得出多个新能源场站总预测出力高置信度区间和低置信度区间;根据所述电网运行数据、多个新能源场站总预测出力高置信度区间和低置信度区间确定风险调度方案。本发明降低新能源预测误差不确定性的影响,提供更加全面的决策调度和风险评估方案,提高电力系统安全性;
2、本发明区分考虑了新能源预测不确定性高、低置信度水平,不仅能够避免考虑新能源全部不确定性所带来的调度决策偏保守的问题,并且克服传统调度方案舍弃极端小概率出力场景的不足。
附图说明
图1是本发明提供的一种考虑新能源预测不确定性的电网调度方法流程示意图;
图2是本发明提供的一种考虑新能源预测不确定性的电网调度系统基本结构示意图;
图3是本发明提供的一种考虑新能源预测不确定性的电网调度系统详细结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
实施例1:
本发明提供的一种考虑新能源预测不确定性的电网调度方法流程示意图,如图1所示,包括:
步骤1:获取电网运行数据和每一个新能源场站当日的日前时段的预测出力数据;
步骤2:基于所述每一个新能源场站当日的日前时段的预测出力数据和预先构建的历史预测误差的分布累积函数,得出多个新能源场站总预测出力高置信度区间和低置信度区间;
步骤3:根据所述电网运行数据、多个新能源场站总预测出力高置信度区间和低置信度区间确定风险调度方案。
本发明方法的实施流程如下:
1、获得所有新能源场站历史日内96点总出力数据{pd,t,t=1,2,...,96,d=1,2,...,D}和96点日前预测总出力数据其中,d为日期编号,D为总日期数,t为时段编号,pd,t和分别为第d日第t时段所有新能源场站的总出力和总预测出力。计算96点时刻下所有新能源场站历史总出力的预测误差{εd,t,t=1,2,...,96,d=1,2,...,D},其中第d日第t时段的预测误差计算方式如下:
式中,h为带宽,N(·)为标准正态分布的概率密度函数,Φ(·)表示标准正态分布的累积分布函数。
2、获得电网运行数据和当日的日前预测数据,包括:电网中常规电源当前的运行状态和机组参数、省间联络线计划、用电负荷当日日前96点预测数据、新能源场站当日日前96点预测出力数据其中,w为新能源场站序号,W为新能源场站个数,为第w个新能源场站在t时段的预测出力。计算所有新能源场站当日的日前96点总预测出力 表示W个新能源场站在t时段的总预测出力
3、基于新能源场站当日的日前96点总预测出力和历史预测误差的分布累积函数,计算给定置信度水平α后的总预测出力高置信度区间和低置信度区间其中,表示W个新能源场站在t时段的总预测出力分布累积函数的反函数,新能源场站总预测出力的分布累积函数x为自变量,表示总预测出力;为W个新能源场站的总装机容量。计算新能源场站总预测出力的概率密度函数其中FW,t(·)表示W个新能源场站在t时段的总预测出力的分布累积函数,fW,t(x)表示W个新能源场站在t时段的总预测出力的概率密度函数。
5、建立机组组合随机优化模型,优化常规电源的开机计划。随机优化模型的数学形式如下:
(1)目标函数
目标函数为所有新能源预测出力场景下全网发电运行成本和新能源弃电成本最小:
式中,G为常规电源机组个数,g为常规电源机组编号,为第k个场景下第g台常规电源机组在t时段的出力,Fg(·)为第g台常规机组的发电成本线性函数,为第g台常规机组的单次启机成本,ug,t为第g台常规电源机组在t时段的启机状态0-1变量,ug,t=1表示第g台常规电源机组在t时段发生了启机动作,ug,t=0表示没有发生启机动作,为第g台常规机组的单次停机成本,vg,t为第g台常规电源机组在t时段的停机状态0-1变量,vg,t=1表示第g台常规电源机组在t时段发生了停机动作,vg,t=0表示没有发生停机动作,Δt为单位优化时段时长,为在给定高置信度水平α下第k个场景W个新能源场站在t时段的总弃电功率,λw为新能源单位弃电量成本。
(2)约束条件
模型的约束条件包括所有新能源出力场景下的系统负荷平衡约束、系统备用容量约束、常规电源运行约束、新能源出力约束等。主要约束条件的形式如下:
1)系统功率平衡约束
2)系统备用容量约束
式中,和分别表示第g台常规电源机组的最大和最小技术出力,r+和r-分别表示系统的正、负备用容量,xg,t为第g台常规电源机组在t时段的运行状态0-1变量,xg,t=1表示第g台常规电源机组在t时段处于开机状态,xg,t=0表示处于停机状态。
3)新能源出力约束
该约束表示新能源场站的总优化出力不超过其总预测出力。
除上述约束条件外,机组组合优化模型还包括常规电源运行约束,主要为机组出力上下限约束、机组爬坡约束、机组最小开机和停机时长约束、机组运行状态约束,其中机组出力上下限约束和爬坡约束与新能源出力场景有关,机组最小开机和停机时长约束、机组运行状态约束则与场景无关。常规电源运行约束的形式较为常见,本专利中不再赘述。
6、所建立的机组组合随机优化模型为混合整数线性规划模型。采用CPLEX求解器求解所建立的机组组合随机优化模型,得到各时段常规电源的开机计划。
7、基于常规电源开机计划,分别计算电网发生供电不足和正备用容量不足的风险期望和发生概率。
1)电网在各时段供电不足期望Et,t=1,2,...,96和发生概率Pt,t=1,2,...,96为:
其中,Et表示系统在t时段的供电不足期望,Pt表示系统在t时段的发生概率,表示在t时段正备用的不足期望,表示在t时段正备用的发生概率,W为新能源场站个数,表示W个新能源场站在t时段的总预测出力分布累积函数的反函数,x表示总预测出力,fW,t(·)表示W个新能源场站在t时段的总预测出力的概率密度函数,G为常规电源机组个数,g为常规电源机组编号,M为负荷节点个数,pm,t为第m个节点在t时段的预测负荷;L为省间联络线个数,pl,t为第l个省间联络线在t时段的受电功率,表示第g台常规电源机组的最大技术出力,xg,t为第g台常规电源机组在t时段的运行状态0-1变量,xg,t=1表示第g台常规电源机组在t时段处于开机状态,xg,t=0表示处于停机状态,r+表示系统的正备用容量。
8、提交常规电源开机计划和电网运行风险测算结果。
实施例2:
下面给出一个考虑新能源预测不确定性的电网调度方法的具体实施例。
1)获得每个新能源场站历史每日96点出力数据和96点预测数据,计算每日96点时刻下所有新能源场站历史总出力预测误差的概率密度函数和分布累积函数。
2)获得电网运行数据和当日的日前预测数据,包括:电网中常规电源当前的运行状态和机组参数、省间联络线计划、用电负荷当日的日前96点预测数据、新能源场站当日的日前96点预测出力数据。计算新能源场站当日的日前96点总预测出力。
3)基于新能源场站当日的日前96点总预测出力和历史预测误差的分布累积函数,计算新能源总预测出力的高置信度区间。计算新能源场站总预测出力的概率密度函数。
4)基于各时段新能源总预测出力的高置信度区间,通过随机抽样生成新能源总预测出力场景。
5)建立机组组合随机优化模型,通过优化求解得到常规电源的开机计划;
6)基于常规电源开机计划,测算电网发生供电不足和正备用容量不足的风险期望值和发生概率。
实施例3:
基于同一发明构思,本发明还提供了一种考虑新能源预测不确定性的电网调度系统,由于这些设备解决技术问题的原理与一种考虑新能源预测不确定性的电网调度方法相似,重复之处不再赘述。
该系统如图2所示,包括:获取模块、置信度区间模块和风险调度模块;
其中获取模块,用于获取电网运行数据和每一个新能源场站当日的日前时段的预测出力数据;
其中置信度区间模块,用于基于所述每一个新能源场站当日的日前时段的预测出力数据和预先构建的历史预测误差的分布累积函数,得出多个新能源场站总预测出力高置信度区间和低置信度区间;
其中风险调度模块,用于根据所述电网运行数据、多个新能源场站总预测出力高置信度区间和低置信度区间确定风险调度方案。
本系统具体框架如图3所示。
所述风险调度模块,包括:常规电源开机计划子模块、风险期望和发生概率子模块和确定方案子模块;
其中常规电源开机计划子模块,用于根据所述电网运行数据和多个新能源场站总预测出力高置信度区间建立机组组合随机优化模型,通过优化求解所述机组组合随机优化模型得到常规电源开机计划;
其中风险期望和发生概率子模块,用于基于常规电源开机计划、多个新能源场站总预测出力低置信度区间和预先构建的新能源场站总预测出力的概率密度函数,分别计算电网发生供电不足和正备用容量不足的风险期望和发生概率;
其中确定方案子模块,用于根据电网发生供电不足和正备用容量不足的风险期望和发生概率的结果,确定风险调度方案。
所述常规电源开机计划子模块,包括:生成出力场景单元、机组组合随机优化单元和求解单元;
其中生成出力场景单元,用于基于多个新能源场站总预测出力高置信度区间,通过均匀分布随机抽样的方法生成多个新能源总预测出力场景;
其中机组组合随机优化单元,用于以所有新能源预测出力场景下全网发电运行成本和新能源弃电成本最小为目标函数,根据电网运行数据以所有新能源出力场景下的系统负荷平衡、系统备用容量、常规电源运行和新能源出力为约束条件,构建机组组合随机优化模型;
其中求解单元,用于根据机组组合随机优化模型采用CPLEX求解器求解的方法,得到常规电源的开机计划。
所述该系统还包括:构建模块;其中构建模块,用于构建历史预测误差的分布累积函数;
所述构建模块,包括:历史总出力的预测误差子模块和预测误差的分布累积函数子模块;
其中历史总出力的预测误差子模块,用于在多个新能源场站中获取历史时段的多日内多点出力数据和对应的多点日前预测出力数据,计算每日多点时刻下多个新能源场站历史总出力的预测误差;
预测误差的分布累积函数子模块,用于根据多个新能源场站历史总出力的预测误差采用核密度估计方法计算多点时刻对应的多个新能源历史总出力预测误差的分布累积函数。
所述置信度区间模块,包括:计算分布累积函数子模块和结果获得子模块;
其中计算分布累积函数子模块,用于基于所述每一个新能源场站当日的日前时段的预测出力数据和预先构建的历史预测误差的分布累积函数,计算出多个新能源场站在预设时段的总预测出力的分布累积函数;
其中结果获得子模块,用于根据多个新能源场站在预设时段的总预测出力分布累积函数的结果,得出多个新能源场站总预测出力高置信度区间和低置信度区间。
所述获取模块,包括:电网运行子模块和计算预测出力子模块;
其中电网运行子模块,用于获取常规电源当前的运行状态、机组参数、省间联络线计划、用电负荷当日日前多点预测数据作为电网运行数据;
其中计算预测出力子模块,用于根据获取每一个新能源场站当日的日前时段的预测出力数据计算多个新能源场站当日的日前多点预测出力数据。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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。
最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换,但这些变更、修改或者等同替换,均在申请待批的权利要求保护范围之内。
Claims (10)
1.一种考虑新能源预测不确定性的电网调度方法,其特征在于,包括:
获取电网运行数据和每一个新能源场站当日的日前时段的预测出力数据;
基于所述每一个新能源场站当日的日前时段的预测出力数据和预先构建的历史预测误差的分布累积函数,得出多个新能源场站总预测出力高置信度区间和低置信度区间;
根据所述电网运行数据、多个新能源场站总预测出力高置信度区间和低置信度区间确定风险调度方案。
2.根据权利要求1所述的方法,其特征在于,所述根据所述电网运行数据、多个新能源场站总预测出力高置信度区间和低置信度区间确定风险调度方案,包括:
根据所述电网运行数据和多个新能源场站总预测出力高置信度区间建立机组组合随机优化模型,通过优化求解所述机组组合随机优化模型得到常规电源开机计划;
基于常规电源开机计划、多个新能源场站总预测出力低置信度区间和预先构建的新能源场站总预测出力的概率密度函数,分别计算电网发生供电不足和正备用容量不足的风险期望和发生概率;
根据电网发生供电不足和正备用容量不足的风险期望和发生概率的结果,确定风险调度方案。
3.根据权利要求2所述的方法,其特征在于,所述根据所述电网运行数据和多个新能源场站总预测出力高置信度区间建立机组组合随机优化模型,通过优化求解所述机组组合随机优化模型得到常规电源开机计划,包括:
基于多个新能源场站总预测出力高置信度区间,通过均匀分布随机抽样的方法生成多个新能源总预测出力场景;
以所有新能源预测出力场景下全网发电运行成本和新能源弃电成本最小为目标函数,根据电网运行数据以所有新能源出力场景下的系统负荷平衡、系统备用容量、常规电源运行和新能源出力为约束条件,构建机组组合随机优化模型;
根据机组组合随机优化模型采用CPLEX求解器求解的方法,得到常规电源的开机计划。
4.根据权利要求3所述的方法,其特征在于,所述目标函数的计算式如下:
式中,U表示目标函数,G表示常规电源机组个数,g表示常规电源机组编号,表示第k个场景下第g台常规电源机组在t时段的出力,Fg(·)表示第g台常规机组的发电成本线性函数,表示第g台常规机组的单次启机成本,ug,t表示第g台常规电源机组在t时段的启机状态0-1变量,ug,t=1表示第g台常规电源机组在t时段发生了启机动作,ug,t=0表示没有发生启机动作,表示第g台常规机组的单次停机成本,vg,t表示第g台常规电源机组在t时段的停机状态0-1变量,vg,t=1表示第g台常规电源机组在t时段发生了停机动作,vg,t=0表示没有发生停机动作,Δt表示单位优化时段时长,表示在高置信度水平α下第k个场景W个新能源场站在t时段的总弃电功率,λw表示新能源单位弃电量成本。
5.根据权利要求2所述的方法,其特征在于,
所述电网在各时段供电不足的风险期望的计算式如下:
所述电网在各时段供电不足的发生概率的计算式如下:
所述电网在各时段的正备用不足的风险期望的计算式如下:
所述电网在各时段的正备用不足的发生概率计算式如下:
式中,Et表示系统在t时段的供电不足期望,Pt表示系统在t时段的发生概率,表示在t时段正备用的不足期望,表示在t时段正备用的发生概率,表示W个新能源场站在t时段的总预测出力的分布累积函数的反函数,α表示给定置信度水平,x表示总预测出力,fW,t(·)表示W个新能源场站在t时段的总预测出力的概率密度函数,G表示常规电源机组个数,g表示常规电源机组编号,M表示负荷节点个数,pm,t表示第m个节点在t时段的预测负荷,L表示省间联络线个数,pl,t表示第l个省间联络线在t时段的受电功率,表示第g台常规电源机组的最大技术出力,xg,t表示第g台常规电源机组在t时段的运行状态0-1变量,xg,t=1表示第g台常规电源机组在t时段处于开机状态,xg,t=0表示处于停机状态,r+表示系统的正备用容量。
6.根据权利要求1所述的方法,其特征在于,所述历史预测误差的分布累积函数的构建,包括:
在多个新能源场站中获取历史时段的多日内多点出力数据和对应的多点日前预测出力数据,计算每日多点时刻下多个新能源场站历史总出力的预测误差;
根据多个新能源场站历史总出力的预测误差采用核密度估计方法计算多点时刻对应的多个新能源历史总出力预测误差的分布累积函数。
7.根据权利要求1所述的方法,其特征在于,所述基于所述每一个新能源场站当日的日前时段的预测出力数据和预先构建的历史预测误差的分布累积函数,得出多个新能源场站总预测出力高置信度区间和低置信度区间,包括:
基于所述每一个新能源场站当日的日前时段的预测出力数据和预先构建的历史预测误差的分布累积函数,计算出多个新能源场站在预设时段的总预测出力的分布累积函数;
根据多个新能源场站在预设时段的总预测出力分布累积函数的结果,得出多个新能源场站总预测出力高置信度区间和低置信度区间。
9.根据权利要求1所述的方法,其特征在于,所述获取电网运行数据和每一个新能源场站当日的日前时段的预测出力数据,包括:
获取常规电源当前的运行状态、机组参数、省间联络线计划、用电负荷当日日前多点预测数据作为电网运行数据;
根据获取每一个新能源场站当日的日前时段的预测出力数据计算多个新能源场站当日的日前多点预测出力数据。
10.一种考虑新能源预测不确定性的电网调度系统,其特征在于,包括:获取模块、置信度区间模块和风险调度模块;
所述获取模块,用于获取电网运行数据和每一个新能源场站当日的日前时段的预测出力数据;
所述置信度区间模块,用于基于所述每一个新能源场站当日的日前时段的预测出力数据和预先构建的历史预测误差的分布累积函数,得出多个新能源场站总预测出力高置信度区间和低置信度区间;
所述风险调度模块,用于根据所述电网运行数据、多个新能源场站总预测出力高置信度区间和低置信度区间确定风险调度方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010868932.3A CN112104005B (zh) | 2020-08-25 | 2020-08-25 | 一种考虑新能源预测不确定性的电网调度方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010868932.3A CN112104005B (zh) | 2020-08-25 | 2020-08-25 | 一种考虑新能源预测不确定性的电网调度方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112104005A true CN112104005A (zh) | 2020-12-18 |
CN112104005B CN112104005B (zh) | 2023-05-16 |
Family
ID=73753611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010868932.3A Active CN112104005B (zh) | 2020-08-25 | 2020-08-25 | 一种考虑新能源预测不确定性的电网调度方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112104005B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113468811A (zh) * | 2021-07-06 | 2021-10-01 | 国网陕西省电力公司 | 一种含新能源机组的电网备用容量概率化动态评估方法、系统、终端及可读存储介质 |
CN113822470A (zh) * | 2021-08-31 | 2021-12-21 | 国网电力科学研究院有限公司 | 计及新能源场站出力不确定性的出力数据生成方法及系统 |
CN113972697A (zh) * | 2021-10-14 | 2022-01-25 | 国网天津市电力公司 | 一种大规模并网新能源的集群出力特性评价方法 |
CN116644866A (zh) * | 2023-07-27 | 2023-08-25 | 国网江西省电力有限公司经济技术研究院 | 考虑风光不确定性的综合能源系统鲁棒优化方法及系统 |
CN117674298A (zh) * | 2023-12-13 | 2024-03-08 | 河南九域腾龙信息工程有限公司 | 一种考虑风光场站不确定性的负荷调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130035885A1 (en) * | 2011-08-04 | 2013-02-07 | Massachusetts Institute Of Technology | Topology identification in distribution network with limited measurements |
CN104538992A (zh) * | 2015-01-14 | 2015-04-22 | 云南电力调度控制中心 | 一种大小水电及风电协调优化调度方法 |
CN108964113A (zh) * | 2017-05-25 | 2018-12-07 | 中国电力科学研究院 | 一种新能源发电调度方法及系统 |
-
2020
- 2020-08-25 CN CN202010868932.3A patent/CN112104005B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130035885A1 (en) * | 2011-08-04 | 2013-02-07 | Massachusetts Institute Of Technology | Topology identification in distribution network with limited measurements |
CN104538992A (zh) * | 2015-01-14 | 2015-04-22 | 云南电力调度控制中心 | 一种大小水电及风电协调优化调度方法 |
CN108964113A (zh) * | 2017-05-25 | 2018-12-07 | 中国电力科学研究院 | 一种新能源发电调度方法及系统 |
Non-Patent Citations (3)
Title |
---|
D"ARNAUD K A D.: "Optimization of renewable energy resources (RERs) For enhancing network performance for distribution systems", 《DISSERTATIONS & THESES - GRADWORKS》 * |
李志伟: "风光高占比多能源电力系统随机优化调度研究", 《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
赵书强 等: "考虑可再生能源出力不确定性的多能源电力系统日前调度", 《华北电力大学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113468811A (zh) * | 2021-07-06 | 2021-10-01 | 国网陕西省电力公司 | 一种含新能源机组的电网备用容量概率化动态评估方法、系统、终端及可读存储介质 |
CN113468811B (zh) * | 2021-07-06 | 2024-03-08 | 国网陕西省电力公司 | 含新能源机组的电网备用容量概率化动态评估方法及系统 |
CN113822470A (zh) * | 2021-08-31 | 2021-12-21 | 国网电力科学研究院有限公司 | 计及新能源场站出力不确定性的出力数据生成方法及系统 |
CN113822470B (zh) * | 2021-08-31 | 2024-04-02 | 国网电力科学研究院有限公司 | 计及新能源场站出力不确定性的出力数据生成方法及系统 |
CN113972697A (zh) * | 2021-10-14 | 2022-01-25 | 国网天津市电力公司 | 一种大规模并网新能源的集群出力特性评价方法 |
CN116644866A (zh) * | 2023-07-27 | 2023-08-25 | 国网江西省电力有限公司经济技术研究院 | 考虑风光不确定性的综合能源系统鲁棒优化方法及系统 |
CN117674298A (zh) * | 2023-12-13 | 2024-03-08 | 河南九域腾龙信息工程有限公司 | 一种考虑风光场站不确定性的负荷调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112104005B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112104005A (zh) | 一种考虑新能源预测不确定性的电网调度方法和系统 | |
Luna et al. | Online energy management systems for microgrids: Experimental validation and assessment framework | |
CN105046395B (zh) | 一种含多类型新能源的电力系统日内滚动计划编制方法 | |
CN104933516A (zh) | 一种多时间尺度的电力系统鲁棒调度系统设计方法 | |
CN104915737A (zh) | 基于风险控制含大规模风电的电力系统协调经济调度方法 | |
CN112381375B (zh) | 一种基于潮流分配矩阵的电网经济运行域快速生成方法 | |
CN116111597A (zh) | 一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备 | |
CN112383086A (zh) | 一种孤岛微电网日前能量-备用联合优化调度方法 | |
CN109038556B (zh) | 一种火电机组灵活性改造容量计算方法及系统 | |
CN112491080A (zh) | 一种新能源装机布局规划方法和系统 | |
CN109672170B (zh) | 一种区域电网有功备用评估方法和系统 | |
CN115566680B (zh) | 一种新能源电力系统时序生产模拟运行优化方法及装置 | |
CN117200185A (zh) | 计及新能源不确定性的日前调度计划风险决策方法及装置 | |
CN108599233B (zh) | 一种含分布式电源的配电网接纳容量确定方法和装置 | |
CN116341816A (zh) | 一种中长期调度计划多业务统筹协调方法、装置、存储器及设备 | |
CN113078688A (zh) | 一种防控备用不足风险的日前火电开机优化方法及系统 | |
CN117220419B (zh) | 一种电力调度方法、系统及存储介质 | |
CN114614469B (zh) | 电力系统备用预留方法、装置、电子设备及存储介质 | |
CN115241878B (zh) | 一种考虑风电备用可靠性的备用优化方法及系统 | |
CN111030088B (zh) | 一种电力外送输电通道容量预测方法和装置 | |
CN114243796B (zh) | 区域互联电网的分区域备用预留容量确定方法和系统 | |
Lee et al. | Determinants of reserve margin volatility: A new approach toward managing energy supply and demand | |
CN117937495A (zh) | 分布式光伏参与电网电量平衡调节需求分析方法及系统 | |
Ge et al. | Monthly unit commitment with the consideration of wind farms correlation | |
CN114548522A (zh) | 适应省间备用市场出清校核的两步制优化方法和装置 |
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 |