CN112366706A - 一种负荷侧调峰资源规模需求的预测方法 - Google Patents

Abstract

本发明提供的一种负荷侧调峰资源规模需求的预测方法，通过模拟的方法预测负荷侧响应资源的需求规模，具体包括：根据已有的机组组合、每台机组的最小功率、新能源装机规模以及功率预测、输电线路等参数进行仿真，从而计算出出新能源消纳量，进一步得出限电率；假定负荷侧响应资源规模，不断在模拟中进行增加规模，直至弃电率满足要求。此时负荷侧规模即为所求规模。本发明提供的预测方法，在保证电力系统安全稳定运行的前提下，能够计算出最优的需求侧响应规模，有助于降低成本。

Description

一种负荷侧调峰资源规模需求的预测方法

技术领域

本发明涉及节能减排技术领域，尤其涉及一种负荷侧调峰资源规模需求的预测方法。

背景技术

随着风电、光伏发电等间歇性可再生能源接入电网的比例越来越高以及用电负荷峰谷差逐渐加大，电力系统对灵活性的需求与日俱增。然而，仅发电侧的灵活性资源已经难以满足电力系统平衡和新能源消纳的需要，开发利用需求侧灵活性资源显得尤为重要。近年来，欧美成熟电力市场已陆续把需求侧资源纳入到电力市场，不仅保证电力系统安全稳定运行，还有效降低了整个电力系统的运行成本以及用户的能源成本。例如，美国德州、新英格兰等地区电力市场对电网负荷高峰时段大用户主动降低用电负荷给予奖励，奖励额度高度高达10万美元/MW；澳大利亚国家电力市场已推出了“需求侧响应批发机制”。因此，负荷侧调节资源是电力系统可用的功率平衡资源，应积极开发利用。

发明内容

本发明的实施例提供了一种负荷侧调峰资源规模需求的预测方法，用于解决现有技术中存在的技术问题。

为了实现上述目的，本发明采取了如下技术方案。

一种负荷侧调峰资源规模需求的预测方法，包括：

获取区域电力系统的机组数据，该机组数据包括某类型机组的物理特性和经济特性；

基于该机组数据，分别建立化石燃料排放模型、机组组合模型和经济调度模型，并结合约束条件，进行区域电力系统模拟运行，获得区域新能源限电率计算值；

将该区域新能源限电率计算值与新能源限电率预设阈值进行比较，若大于新能源限电率预设阈值，加入负荷侧响应资源，重复执行区域电力系统模拟运行的过程，否则，获得并输出负荷侧响应资源规模需求预测结果。

优选地，化石燃料排放模型为：

M_emstype＝g*R_emstype (1)，

其中，M_emstype为某类排放物的排放量，单位为吨；g为发电机组的发电量，单位为MWh；R_emstype为某类排放物的排放率，单位为吨/MWh；

机组组合模型为：

式中，F[p_i(t),I_i(t)]为系统总的发电成本；p_i(t)和I_i(t)为决策变量，p_i(t)为机组i在t时段的出力，I_i(t)为机组i在t时段的开机状态，I_i(t)＝1表示机组处于运行状态，I_i(t)＝0表示机组处于停机状态，C_i[p_i(t)]为机组i在t时段的发电运行成本，S_i(t)为机组i在t时段的启动成本；M为机组数，T为机组组合问题覆盖的总时段数；

将式中的C_i[p_i(t)]用二次函数的形式表示：

C_i[p_i(t)]＝a_i[p_i(t)]²+b_i[p_i(t)]+c_i+[p_i(t)×R_EMi×T] (3)，

式中：a_i、b_i、c_i为机组i的发电成本特性函数参数，其中c_i为空载成本，在机组组合模型中可将二次函数进行线性化以便于求解；R_{EM i}为机组的排放率，单位为ton/MWh；T为区域碳排放价格，单位为元/ton；

经济调度模型为：

式中，NG为系统常规机组数，NRE为可再生能源场站数；p_i和p_h分别为常规机组i和可再生能源机组h的有功功率；C_i(p_i)和C_h(p_h)为机组i和h的运行成本，常规机组成本模型中包含碳排放成本。

优选地，约束条件包括机组组合约束条件和经济调度约束条件；

机组组合约束条件包括：

系统功率平衡约束

式中，P_d(t)为t时段系统总的负荷；

发电机最大和最小出力约束I_i(t)*P_imin≤p_i(t)≤I_i(t)*P_imax (6)，

式中，P_imin、P_imax分别为机组i的最小、最大出力；

机组旋转备用容量约束

式中，S_D(t)为t时段系统总的备用容量需求；

爬坡率限制约束-DR_i≤p_i(t)-p_i(t-1)≤UR_i (8)，

式中，DR_i、DR_i分别为机组i每个时段允许的上调、下调出力；

最小开机时间约束

最小停机时间约束

式(9)和式(10)中，

为机组i的最小启/停时间，T_i ^on(t-1)、T_i ^off(t-1)为机组i在t时段前的持续开/关机时间；

经济调度约束条件包括：

系统负荷平衡约束

式中，D_k为母线负荷，NLD为负荷母线的个数；

机组出力上下限约束p_imin≤p_i≤p_imax (12)，

式中，p_imin，p_imax分别为发电机组i出力功率的上限/下限；

机组加减负荷爬坡率约束-Δp_i≤p_i-p_i,t-1≤Δp_i (13)，

式中，Δp_i为机组i每时段可加减负荷的最大值；

可再生能源发电约束0≤p_h≤P_h (14)，

式中，P_h为机组h的可再生能源机组理论出力；

电网输电安全约束

式中，GSF_l-i，GSF_l-h and GSF_l-k分别为常规机组i、新能源机组h和负荷k对输电设备l的发电转移因子，F_l,min和F_l,max分别为输电设备l的潮流功率及上限/下限。

优选地，加入负荷侧响应资源，重复执行区域电力系统模拟运行的过程包括：

根据区域新能源限电率计算值与新能源限电率预设阈值的差，多次逐步增加负荷侧响应资源的规模，重复执行区域电力系统模拟运行的过程，直至某次重复执行区域电力系统模拟运行的过程获得的区域新能源限电率计算值满足LR_i(M_i)<LR₀(16)，式中，i为不断增加增负荷侧响应资源的次数，M_i为第i次时负荷侧响应资源的规模，LR_i(M_i)为当负荷侧响应资源规模为M_i时的新能源限电率，LR₀为新能源限电率预设阈值。

优选地，某类型机组的物理特性包括：

常规机组的最大出力、最小出力、爬坡率、最短开机时间和最短停机时间；风电与光伏的铭牌功率和预测功率；

所述某类型机组的经济特性包括：

常规机组的燃料成本、启动成本、固定成本和运维成本；风电与光伏的固定成本和运维成本。

由上述本发明的实施例提供的技术方案可以看出，本发明提供一种负荷侧调峰资源规模需求的预测方法，通过模拟的方法预测负荷侧响应资源的需求规模，具体包括：根据已有的机组组合、每台机组的最小功率、新能源装机规模以及功率预测、输电线路等参数进行仿真，从而计算出出新能源消纳量，进一步得出限电率；假定负荷侧响应资源规模(此时取较小值)，不断在模拟中进行增加规模，直至新能源限电率满足要求。此时负荷侧规模即为所求规模。本发明提供的预测方法，在保证电力系统安全稳定运行的前提下，能够计算出最优的需求侧响应规模，有助于降低成本。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种负荷侧调峰资源规模需求的预测方法的处理流程图；

图2为本发明提供的一种负荷侧调峰资源规模需求的预测方法的一种优选实施例的处理流程图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

本发明提供一种负荷侧调峰资源规模需求的预测方法，采用模拟的方法预测负荷侧响应资源的需求规模，通过增加负荷侧响应规模，从而使新能源的限电率控制在合理范围。

电力系统随机生产模拟是一种通过优化发电机组的生产情况，考虑机组的随机故障及电力负荷的随机性，从而同时计算出最优运行方式下各电厂的发电量、系统的生产成本及系统的可靠性指标的算法。随机生产模拟按电力系统中各发电机的经济、技术特性模拟其运行状况以计算各发电机组在某一时期所产生的电量和燃料费用，从而得出整个电力系统在该时期的运行费用，为电力系统计算电能成本和系统规划进行方案比选提供数据支持。因此，生产模拟也可以用来评估负荷侧调节资源的需求规模。

实施例一

参见图1，本发明提供的一种负荷侧调峰资源规模需求的预测方法，包括：

获取区域电力系统的机组数据，该机组数据包括某类型机组的物理特性和经济特性；

基于该机组数据，分别建立化石燃料排放模型、机组组合模型和经济调度模型，并结合约束条件，进行区域电力系统模拟运行，获得区域新能源限电率计算值；

将该区域新能源限电率计算值与新能源限电率预设阈值进行比较，若大于新能源限电率预设阈值，在模拟运行环境的区域电力系统中加入负荷侧响应资源，重复执行的区域电力系统模拟运行的过程，否则，获得并输出负荷侧响应资源规模需求预测结果。

在本发明提供的优选实施例中，区域电力系统的机组数据采用所有类型机组的已知数据，主要包括每类型机组的物理特性和经济特性。其中：

物理特性包括：1)常规机组：最大出力、最小出力、爬坡率、最短开机时间、最短停机时间；2)风电与光伏：铭牌功率、功率预测。

经济特性包括：1)常规机组：燃料成本、启动成本、固定成本和运维成本；2)风电与光伏：固定成本与运维成本。

本领域技术人员应能理解上述每类型机组的物理特性和经济特性的应用类型仅为举例，其他现有的或今后可能出现的每类型机组的物理特性和经济特性应用类型如可适用于本发明实施例，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

进一步的，化石燃料排放模型为：

M_emstype＝g*R_emstype (1)，

其中，M_emstype为某类排放物的排放量，单位为吨；g为发电机组的发电量，单位为MWh；R_emstype为某类排放物的排放率，单位为吨/MWh。

机组组合模型为：

式中，F[p_i(t),I_i(t)]为系统总的发电成本；p_i(t)和I_i(t)为决策变量，p_i(t)为机组i在t时段的出力，I_i(t)为机组i在t时段的开机状态，I_i(t)＝1表示机组处于运行状态，I_i(t)＝0表示机组处于停机状态，C_i[p_i(t)]为机组i在t时段的发电运行成本，S_i(t)为机组i在t时段的启动成本；M为机组数，T为机组组合问题覆盖的总时段数；

将式(2)中的C_i[p_i(t)]用二次函数的形式表示：

C_i[p_i(t)]＝a_i[p_i(t)]²+b_i[p_i(t)]+c_i+[p_i(t)×R_EMi×T] (3)，

式中：a_i、b_i、c_i为机组i的发电成本特性函数参数，其中c_i为空载成本，在机组组合模型中可将二次函数进行线性化以便于求解；R_{EM i}为机组的排放率，单位为ton/MWh；T为区域碳排放价格，单位为元/ton。

经济调度模型为：

式中，NG为系统常规机组数，NRE为可再生能源场站数；p_i和p_h分别为常规机组i和可再生能源机组h的有功功率；C_i(p_i)和C_h(p_h)为机组i和h的运行成本，常规机组成本模型中包含碳排放成本。

进一步的，约束条件包括机组组合约束条件和经济调度约束条件；

机组组合约束条件包括：

系统功率平衡约束

式中，P_d(t)为t时段系统总的负荷；

发电机最大和最小出力约束I_i(t)*P_imin≤p_i(t)≤I_i(t)*P_imax (6)，

式中，P_imin、P_imax分别为机组i的最小、最大出力；

机组旋转备用容量约束

式中，S_D(t)为t时段系统总的备用容量需求；

爬坡率限制约束-DR_i≤p_i(t)-p_i(t-1)≤UR_i (8)，

式中，DR_i、DR_i分别为机组i每个时段允许的上调、下调出力；

最小开机时间约束

最小停机时间约束

式(9)和式(10)中，

为机组i的最小启/停时间，T_i ^on(t-1)、T_i ^off(t-1)为机组i在t时段前的持续开/关机时间；

经济调度约束条件包括：

系统负荷平衡约束

式中，D_k为母线负荷，NLD为负荷母线的个数；

机组出力上下限约束p_imin≤p_i≤p_imax (12)，

式中，p_imin，p_imax分别为发电机组i出力功率的上限/下限；

机组加减负荷爬坡率约束-Δp_i≤p_i-p_i,t-1≤Δp_i (13)，

式中，Δp_i为机组i每时段可加减负荷的最大值；

可再生能源发电约束0≤p_h≤P_h (14)，

式中，P_h为机组h的可再生能源机组理论出力；

电网输电安全约束

式中，GSF_l-i，GSF_l-h and GSF_l-k分别为常规机组i、新能源机组h和负荷k对输电设备l的发电转移因子，F_l,min和F_l,max分别为输电设备l的潮流功率及上限/下限。

更进一步的，上述加入负荷侧响应资源，重复执行所述的区域电力系统模拟运行的过程具体包括：

根据区域新能源限电率计算值与新能源限电率预设阈值的差，在模拟系统中多次逐步增加负荷侧响应资源的规模，重复执行所述的区域电力系统模拟运行的过程，直至某次重复执行所述的区域电力系统模拟运行的过程获得的区域新能源限电率计算值满足LR_i(M_i)<LR₀(16)，式中，i为不断增加增负荷侧响应资源的次数，M_i为第i次时负荷侧响应资源的规模，LR_i(M_i)为当负荷侧响应资源规模为M_i时的新能源限电率，LR₀为新能源限电率预设阈值。

上述子步骤中，负荷侧响应资源即负荷侧愿意削减的负荷规模，其可以是假定的负荷侧负荷规模数据。重复执行区域电力系统模拟运行的过程也可以是多次执行，例如：

首先加入负荷侧响应资源规模，首次加入时取较小值，执行一次区域电力系统模拟运行的过程，获得区域新能源限电率的一次修正值，根据该次修正值与限电率预设阈值的差，再逐渐增加负荷侧响应资源的规模，并多次重复执行区域电力系统模拟运行的过程，直至获得的区域新能源限电率计算值满足式(16)的条件。

实施例二

本发明还提供一个实施例，用于示例性地显示本发明提供的预测方法的应用，在目标年中，构建全年8760小时负荷曲线、风光出力曲线、火电特性及可用性，进行8760小时时序仿真，模拟电力系统真实运行情况。计算时首先确定目标年的新能源消纳目标和边界条件，接着对目标年电力系统进行8760仿真，对比仿真结果与新能源消纳目标的偏差。然后根据偏差量，增加负荷侧响应资源，再进行仿真。如果存在偏差，继续增加负荷侧响应资源，直到达到新能源消纳目标，最终确定负荷侧响应资源规模需求。其处理流程如图2所示。

生产模拟模型中需要重点考虑源、网、荷、储环节的经济、技术、排放等特性，进行全环节特性建模。各类资源的耦合特性主要反映在，技术和排放、成本和调度以及发电与负荷的三重耦合关系上:

步骤一，在技术与排放的耦合关系方面，重点对化石燃料机组的各类排放物建模，对化石燃料机组在长期生产过程中积累的排放率与区域对排放的限制的关系的建模，对化石燃料机组排放成本的增加与发电量的关系建模。

步骤二，在成本与调度的耦合关系方面，在构成各类发电电源的变动和固定成本建模的基础上，遵循经济性最优的原则，在机组组合和经济调度模型中构建发电电源成本与发电安排顺序关系的模型。

步骤三，在发电与负荷的耦合关系方面，遵循电力电量平衡的原则，构建各类发电电源与负荷的平衡模型。

具体的，步骤一中，对化石燃料排放的建模如下：

M_emstype＝g*R_emstype

其中，M_emstype为某类排放物的排放量，单位为吨；g为发电机组的发电量，单位为MWh；R_emstype为某类排放物的排放率，单位为吨/MWh。

步骤二中，对机组组合的建模如下：

式中，F[p_i(t),I_i(t)]为系统总的发电成本；p_i(t)和I_i(t)为决策变量，p_i(t)为机组i在t时段的出力，I_i(t)为机组i在t时段的开机状态，I_i(t)＝1表示机组处于运行状态，I_i(t)＝0表示机组处于停机状态，C_i[p_i(t)]为机组i在t时段的发电运行成本，S_i(t)为机组i在t时段的启动成本；M为机组数，T为机组组合问题覆盖的总时段数。

通常情况下，C_i[p_i(t)]可以用二次函数表示为：

C_i[p_i(t)]＝a_i[p_i(t)]²+b_i[p_i(t)]+c_i+[p_i(t)×R_EMi×T]

式中：a_i、b_i、c_i为机组i的发电成本特性函数参数，其中c_i为空载成本，在机组组合模型中可将二次函数进行线性化以便于求解；R_{EM i}为机组的排放率，单位为ton/MWh；T为区域碳排放价格，单位为元/ton。

约束条件：

①系统功率平衡约束

式中，P_d(t)为t时段系统总的负荷。

②发电机最大和最小出力约束

I_i(t)*P_imin≤p_i(t)≤I_i(t)*P_imax

式中，P_imin、P_imax分别为机组i的最小、最大出力。

③机组旋转备用容量约束

式中，S_D(t)为t时段系统总的备用容量需求。

④爬坡率限制约束

-DR_i≤p_i(t)-p_i(t-1)≤UR_i

式中，DR_i、DR_i分别为机组i每个时段允许的上、下调出力。

⑤机组最小运行与停机持续时间约束

对于常规火电机组，一旦停机，必须持续一段时间(最小停机时间)后才能开机；反之，一旦开机，也必须持续一段时间(最小开机时间)后才能停机。

最小开机时间约束：

最小开机时间约束：

式中，

为机组i的最小启(停)是时间，T_i ^on(t-1)、T_i ^off(t-1)为机组i在t时段前的持续开(关)机时间。

步骤三中，对经济调度的建模如下：

式中，NG为系统常规机组数，NRE为可再生能源场站数；p_i和p_h分别为常规机组i和可再生能源机组h的有功功率；C_i(p_i)和C_h(p_h)为机组i和h的运行成本，常规机组成本模型中包含碳排放成本。

C_i[p_i(t)]＝a_i[p_i(t)]²+b_i[p_i(t)]+c_i+[p_i(t)×R_EMi×T_r]

式中：a_i、b_i、c_i为机组i的发电成本特性函数的参数，其中c_i为空载成本；REM i为机组的排放率，单位为ton/MWh；T为区域碳排放价格，单位为元/ton。

约束条件：

①系统负荷平衡约束：

式中D_k为母线负荷，NLD为负荷母线的个数。

②机组出力上下限约束：

p_imin≤p_i≤p_imax

式中，p_imin，p_imax分别为发电机组i出力功率的上下限。

③机组加减负荷爬坡率约束：

-Δp_i≤p_i-p_i,t-1≤Δp_i

式中，Δp_i为机组i每时段可加减负荷的最大值。

④可再生能源发电约束：

0≤p_h≤P_h

式中，P_h为机组h的可再生能源机组理论出力。

⑤电网输电安全约束

式中，GSF_l-i，GSF_l-h and GSF_l-k分别为常规机组i，新能源机组h以及负荷k对输电设备l的发电转移因子，F_l,min和F_l,max分别为输电设备l的潮流功率及上下限。

根据仿真系统计算的新能源限电率，在模型加入负荷侧响应资源规模(先对规模进行假定)，并逐渐增加负荷侧负荷规模，直至限电率满足预定要求。

综上所述，本发明提供的一种负荷侧调峰资源规模需求的预测方法，通过模拟的方法预测负荷侧响应资源的需求规模，具体包括：根据已有的机组组合、每台机组的最小功率、新能源装机规模以及功率预测、输电线路等参数进行仿真，从而计算出出新能源消纳量，进一步得出新能源限电率；假定负荷侧响应资源规模(此时取较小值)，不断在模拟中进行增加规模，直至新能源限电率满足要求。此时负荷侧规模即为所求规模。本发明提供的预测方法，在保证电力系统安全稳定运行的前提下，能够计算出最优的需求侧响应规模，有助于降低成本。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (5)

1.一种负荷侧调峰资源规模需求的预测方法，其特征在于，包括：

获取区域电力系统的机组数据，该机组数据包括某类型机组的物理特性和经济特性；

基于该机组数据，分别建立化石燃料排放模型、机组组合模型和经济调度模型，并结合约束条件，进行区域电力系统模拟运行，获得区域新能源限电率计算值；

将该区域新能源限电率计算值与新能源限电率预设阈值进行比较，若大于新能源限电率预设阈值，加入负荷侧响应资源，重复执行所述的区域电力系统模拟运行的过程，否则，获得并输出负荷侧响应资源规模需求预测结果。

2.根据权利要求1所述的预测方法，其特征在于，所述化石燃料排放模型为：

M_emstype＝g*R_emstype (1)，

其中，M_emstype为某类排放物的排放量，单位为吨；g为发电机组的发电量，单位为MWh；R_emstype为某类排放物的排放率，单位为吨/MWh；

所述机组组合模型为：

式中，F[p_i(t),I_i(t)]为系统总的发电成本；p_i(t)和I_i(t)为决策变量，p_i(t)为机组i在t时段的出力，I_i(t)为机组i在t时段的开机状态，I_i(t)＝1表示机组处于运行状态，I_i(t)＝0表示机组处于停机状态，C_i[p_i(t)]为机组i在t时段的发电运行成本，S_i(t)为机组i在t时段的启动成本；M为机组数，T为机组组合问题覆盖的总时段数；

将式中的C_i[p_i(t)]用二次函数的形式表示：

C_i[p_i(t)]＝a_i[p_i(t)]²+b_i[p_i(t)]+c_i+[p_i(t)×R_EMi×T] (3)，

式中：a_i、b_i、c_i为机组i的发电成本特性函数参数，其中c_i为空载成本，在机组组合模型中可将二次函数进行线性化以便于求解；R_EMi为机组的排放率，单位为ton/MWh；T为区域碳排放价格，单位为元/ton；

所述经济调度模型为：

式中，NG为系统常规机组数，NRE为可再生能源场站数；p_i和p_h分别为常规机组i和可再生能源机组h的有功功率；C_i(p_i)和C_h(p_h)分别为机组i和h的运行成本，常规机组成本模型中包含碳排放成本。

3.根据权利要求2所述的预测方法，其特征在于，所述约束条件包括机组组合约束条件和经济调度约束条件；

所述机组组合约束条件包括：

系统功率平衡约束

式中，P_d(t)为t时段系统总的负荷；

发电机最大和最小出力约束I_i(t)*P_imin≤p_i(t)≤I_i(t)*P_imax (6)，

式中，P_imin、P_imax分别为机组i的最小、最大出力；

机组旋转备用容量约束

式中，S_D(t)为t时段系统总的备用容量需求；

爬坡率限制约束-DR_i≤p_i(t)-p_i(t-1)≤UR_i (8)，

式中，DR_i、DR_i分别为机组i每个时段允许的上调、下调出力；

最小开机时间约束

最小停机时间约束

式(9)和式(10)中，

为机组i的最小启/停时间，

为机组i在t时段前的持续开/关机时间；

所述经济调度约束条件包括：

系统负荷平衡约束

式中，D_k为母线负荷，NLD为负荷母线的个数；

机组出力上下限约束p_imin≤p_i≤p_imax (12)，

式中，p_imin，p_imax分别为发电机组i出力功率的上限/下限；

机组加减负荷爬坡率约束-Δp_i≤p_i-p_i,t-1≤Δp_i (13)，

式中，Δp_i为机组i每时段可加减负荷的最大值；

可再生能源发电约束0≤p_h≤P_h (14)，

式中，P_h为机组h的可再生能源机组理论出力；

电网输电安全约束

式中，GSF_l-i，GSF_l-h and GSF_l-k分别为常规机组i、新能源机组h和负荷k对输电设备l的发电转移因子，F_l,min和F_l,max分别为输电设备l的潮流功率及上限/下限。

4.根据权利要求3所述的预测方法，其特征在于，所述的加入负荷侧响应资源，重复执行所述的区域电力系统模拟运行的过程包括：

根据区域新能源限电率计算值与新能源限电率预设阈值的差，多次逐步增加负荷侧响应资源的规模，重复执行所述的区域电力系统模拟运行的过程，直至某次重复执行所述的区域电力系统模拟运行的过程获得的区域新能源限电率计算值满足LR_i(M_i)<LR₀(16)，式中，i为不断增加增负荷侧响应资源的次数，M_i为第i次时负荷侧响应资源的规模，LR_i(M_i)为当负荷侧响应资源规模为M_i时的新能源限电率，LR₀为新能源限电率预设阈值。

5.根据权利要求1至4任一所述的预测方法，其特征在于，所述某类型机组的物理特性包括：

常规机组的最大出力、最小出力、爬坡率、最短开机时间和最短停机时间；风电与光伏的铭牌功率和预测功率；

所述某类型机组的经济特性包括：

常规机组的燃料成本、启动成本、固定成本和运维成本；风电与光伏的固定成本和运维成本。

Images