CN112398115A - 一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案 - Google Patents

一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案 Download PDF

Info

Publication number
CN112398115A
CN112398115A CN201910747248.7A CN201910747248A CN112398115A CN 112398115 A CN112398115 A CN 112398115A CN 201910747248 A CN201910747248 A CN 201910747248A CN 112398115 A CN112398115 A CN 112398115A
Authority
CN
China
Prior art keywords
power
photovoltaic
unit
day
thermal power
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
CN201910747248.7A
Other languages
English (en)
Other versions
CN112398115B (zh
Inventor
余加喜
莫若慧
毛李帆
何勇琪
吴锋
谢磊
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.)
Hainan Power Grid Co Ltd
Original Assignee
Hainan Power Grid 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 Hainan Power Grid Co Ltd filed Critical Hainan Power Grid Co Ltd
Priority to CN201910747248.7A priority Critical patent/CN112398115B/zh
Publication of CN112398115A publication Critical patent/CN112398115A/zh
Application granted granted Critical
Publication of CN112398115B publication Critical patent/CN112398115B/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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • H02J3/381—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
    • 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
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Photovoltaic Devices (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种基于改进模型预测控制(MPC)的多时间尺度火电‑光伏‑抽水蓄能联合优化调度模型，属于新能源发电调度技术领域。对于日前优化调度，在目标函数中引入了光伏未消纳量和火电污染物排放量，与火电运行费用加权得到综合指标，可使调度方案中光伏消纳量最大，同时减少污染物排放；对于日内滚动优化，以跟踪日前计划值为目标，考虑了光伏出力极限场景调节能力约束与抽水蓄能机组启停速率约束，并采用自适应调节预测时域与控制时域的MPC方法改进了传统MPC，使得日内滚动优化在功率平衡的基础上更加快速与经济。最后，以海南某区域电网进行算例分析，验证了本发明综合模型的有效性。

Description

一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄 能联合优化调度方案
技术领域
本发明涉及一种基于改进模型预测控制(MPC)的多时间尺度火电-光伏-抽水蓄能联合优化调度模型，综合考虑了光伏消纳、污染物排放、抽水蓄能运行机制等因素，并采用自适应调节预测时域与控制时域的MPC方法改进了传统MPC，属于新能源发电调度技术领域。
背景技术
“大机小网”电网机组容量大、负荷小的结构性问题，为系统运行带来一系列问题，如可靠性低、抵抗风险能力弱；尤其是近年来大量光伏的集中接入，更加剧了电网功率的不平衡，为应对光伏接入后“大机小网”下电网功率不平衡问题，投入抽水蓄能电站可以解决此问题。为充分利用响应速度快、可储可发的抽水蓄能电站来平衡因光伏接入带来的波动性功率，需要借助准确的电网调度方案；传统调度方案依赖于准确的日前负荷预测和光伏功率预测，然而日前光伏功率预测的误差通常高达20％～30％，难以满足调度的高精度要求。本发明通过多级调度以有效解决这一问题，即在多个时间尺度下完成调度方案的协调优化，可统一考虑日前、日内甚至更小时间尺度下的调度优化组合。有研究结果表明，光伏功率预测随时间尺度的精细化而更加精确，因而本发明中多级调度可基于高频率的光伏功率预测来实现更准确的优化调度。
发明内容
本发明的目的在于通过多级调度方案来实现更准确的优化调度，在日前调度中引入光伏未消纳量与污染物排放量，以实现综合指标最低的目标，在日内滚动优化阶段，以改进MPC实现滚动，并引入抽水蓄能机组约束，最后获得最优结果。
本发明所述问题是以下述技术方案实现的：
1.一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案，区别于一般的单断面调度，本发明在日前与日内两个层面进行，并分别以不同的目标进行综合建模，从而得到最优调度方案。
在日前优化调度中，本发明不同于一般基于火电运行费用的经济调度，在火电运行费用的基础上，同时考虑到光伏消纳问题与火电污染排放问题，以火电运行费用、光伏未消纳量和火电污染物排放量进行加权，形成一个总的目标：
min F＝f1+ρjf2+ρif3
其中，ρi、ρj表示权重系数，f1为火电机组运行与启停费用，f2为光伏未消纳量，f3为火电机组污染物排放量。
Figure BSA0000187195670000011
其中，T为一个优化周期内的总时段数，N1为联合系统内火电机组台数，PGi，t指第i台火电机组在t时段的有功出力，SGi为火电机组i的启动成本，Ii，t表示火电机组i在t时段的启停状态，0为停机状态，1为启动状态，ai、bi、ci为第i台机组的发电成本系数。
Figure BSA0000187195670000021
其中，N2为光伏机组台数，
Figure BSA0000187195670000022
表示光伏机组j在t时段的发电日前预测值，Ppvj，t表示光伏j在t时段发电值。
Figure BSA0000187195670000023
其中，αi、βi、γi、ζi、λi表示火电机组i的排放系数。
日内滚动优化利用改进MPC方法实现，包括预测模型、滚动优化、反馈校正三个部分。
在预测模型控制中，输入变量为负荷与光伏日前预测值，状态变量为实测的各类机组有功出力值，控制变量为火电机组和光伏机组的有功出力增量值，优化可得到未来一个控制周期内的各控制变量取值，利用第一个控制变量值得到新的预测值。
在滚动优化模型中，为了保证功率平衡，以火电机组出力和光伏机组出力跟踪日前计划参考值为目标，通过抽水蓄能机组平衡日前预测误差，建立目标函数：
Figure BSA0000187195670000024
其中，p为预测步长，P(k+n|k)表示在k时刻对k+n时刻的有功出力的预测值，Q为权重系数矩阵，Pf(k+p)为日前调度中k+n时刻的有功出力日前参考值，包括每台火电机组与光伏机组。
同时，传统MPC模型参数固定，即预测步长与控制步长为定值，在对其选值时，如果过长则不能充分减小光伏出力不确定性的影响，一定程度上失去滚动优化的意义，并且需要不断迭代寻优从而增加了计算量，如果过短则不能充分考虑系统全局状态，优化结果不准确，本发明采用自适应步长的改进MPC模型，在数据实际值与预测值误差较大时减小步长，以充分适应不确定性程度，在误差较小时则增加适当步长，可以既能提高控制性能，又能避免不必要的计算。
在k时刻进行一次优化后，可得到一个控制时域m内的所有控制变量，进而得到m个优化值{P(k+1)，...，P(k+m)}，但是这种单时刻优化误差较大，在MPC中进行反馈校正解决这一问题，故只采用P(k+1)作为k+1时刻的优化值，在k+1时刻用实测值来更新初始值，这一更新的过程就是反馈校正。
2.根据述调度方案框架，本发明针对火电、光伏和抽水蓄能各自的特点，对复杂系统进行约束，更适合于三者联合发电系统。
在日前优化调度阶段，约束条件为功率平衡约束、火电机组出力上下限及爬坡约束、光伏上网功率约束、正负旋转备用约束，其中，考虑到“大机小网”电网的特点，系统应具备足够的备用容量来应对负荷与光伏的波动，备用以火电机组来承担。
在日内滚动优化阶段，抽水蓄能机组参与调度，作为不确定性备用来平衡日前预测误差，故应在日前优化模型约束条件中加入与抽水蓄能有关的约束。
系统的功率平衡应包含抽水蓄能机组的发电功率和抽水功率：
Figure BSA0000187195670000031
其中，N3为抽水蓄能机组总台数，Plg，t、Plp，t为第1台抽水蓄能机组在t时刻的发电功率与抽水功率。
抽水蓄能机组包括常规机组与变速机组，它们各自的抽水功率与发电功率不相同，因此需要单独进行约束：
Figure BSA0000187195670000032
Figure BSA0000187195670000033
其中，
Figure BSA0000187195670000034
表示抽水蓄能机组1发电、抽水功率上限值。
发电功率与水流量平衡约束：
Figure BSA0000187195670000035
Figure BSA0000187195670000036
其中，qlg，t、qlp，t表示抽水蓄能机组1在t时刻发电、抽水时的水流量，c1、c2、c3、c4为发电、抽水功率的二次、一次系数。
对水库容量进行约束：
rmin≤rt≤rmax
其中，rt为t时刻水库容量，rmax、rmin为水库容量上下限。
抽水蓄能机组在发电与抽水不能同时进行，需进行约束如下：
Plg，tPlp，t＝0
“大机小网”电网系统容量相对较小，且网内发电厂AGC调节速度较慢，当联络线检修或故障处于孤岛运行时，发电机组功率变化过快会造成电网频率的波动较大，系统的稳定运行受到制约，抽水蓄能机组在开机、停机过程中功率变化过快会引起电网频率波动加剧，所以有必要对抽水蓄能机组启停速率进行约束：
Figure BSA0000187195670000037
Figure BSA0000187195670000038
其中，Rlup、Rldown为第1台抽水蓄能机组的启动速率与停机速率，
Figure BSA0000187195670000039
为启动速率的最大值和最小值，
Figure BSA00001871956700000310
为停机速率的最大值和最小值。
同时，光伏发电具有极强的不确定性，在相邻前后两个时刻可能在出力的上限与下限之间变换，这种极限场景会对系统的调节能力产生要求，因此需要保证在光伏极限场景情况下火电与抽蓄的调节能力充足，对系统调节能力进行约束：
Figure BSA00001871956700000311
Figure BSA0000187195670000041
其中，
Figure BSA0000187195670000042
的值为1表示抽水蓄能机组1在t时段为发电状态，
Figure BSA0000187195670000043
的值为1表示抽水蓄能机组1在t时段为抽水状态，
Figure BSA0000187195670000044
表示光伏机组j在t时刻区间预测的上下限，ui，t、vi，t为为火电机组i的启动与停运变量。
附图说明
下面结合附图对本发明作进一步说明：
图1为系统优化结构图；
图2为日前发电计划中总负荷和光伏功率预测值；
图3为日前优化出力结果；
图4为无自适应域日内优化出力结果；
图5为有自适应域日内优化出力结果；
图6为无自适应域误差；
图7为有自适应域误差；
具体实施方案
下面结合附图，以海南某区域电网为算例，通过以下具体实施方案作进一步说明：
1.日前优化调度
一种基于改进模型预测控制(MPC)的多时间尺度火电-光伏-抽水蓄能联合优化调度方案，包括日前优化调度与日内滚动优化调度。
在日前优化调度阶段，采用多种目标加权成本方案，考虑系统总运行成本的同时也考虑了光伏消纳量，运行成本综合考虑了火电机组的运行费用、启停费用和污染物排放成本，同时在考虑光伏未消纳量时利用了光伏日前单点预测值，并将其与系统总运行成本加权，以总加权费用最低为目标去制定未来一天内各火电机组出力、光伏出力的最优分配方案，并将该方案提前下发。
日前优化调度采用将多类目标加权为总目标的方法建立目标函数如下：
(1)火电机组运行与启停费用
Figure BSA0000187195670000045
其中，T为一个优化周期内的总时段数，N1为联合系统内火电机组台数，PGi，t指第i台火电机组在t时段的有功出力，SGi为火电机组i的启动成本，Ii，t表示火电机组i在t时段的启停状态，0为停机状态，1为启动状态，ai、bi、ci为第i台机组的发电成本系数。
(2)光伏未消纳量
Figure BSA0000187195670000046
其中，N2为光伏机组台数，
Figure BSA0000187195670000047
表示光伏机组j在t时段的发电日前预测值，Ppvj，t表示光伏j在t时段发电值。
(3)火电机组污染物排放量
Figure BSA0000187195670000051
式中，αi、βi、γi、ζi、λi表示火电机组i的排放系数。
(4)总目标
min F＝f1+ρjf2+ρif3 (4)
式中，ρi、ρj表示权重系数。
建立约束条件如下：
(1)功率平衡约束
Figure BSA0000187195670000052
其中，PL，t为t时段系统总负荷。
(2)火电机组出力上下限及爬坡约束
Figure BSA0000187195670000053
PGdowni≤PGi，t-PGi，t-1≤PGupi (7)
其中，
Figure BSA0000187195670000054
为火电机组i有功出力的上下限，PGupi、PGdowni为火电机组i上下爬坡速率。
(3)光伏上网功率约束
Figure BSA0000187195670000055
Figure BSA0000187195670000056
表示光伏j在t时段的计划上网功率值。
(4)正负旋转备用约束
考虑到海南电网“大机小网”的特点，系统应具备足够的备用容量来应对负荷与光伏的波动，以火电机组来承担，约束如下：
Figure BSA0000187195670000057
Figure BSA0000187195670000058
其中，L+、L-表示系统负荷的正、负旋转备用系数，P+、P-表示光伏的正、负旋转备用系数。
2.日内滚动优化
日内滚动优化分为三个步骤进行：预测模型控制、滚动优化、反馈校正。
在预测模型控制中，输入变量为负荷与光伏日前预测值，状态变量为实测的各类机组有功出力值，控制变量为火电机组和光伏机组的有功出力增量值，优化可得到未来一个控制周期内的各控制变量取值，利用第一个控制变量值得到新的预测值。
火电机组与光伏出力预测模型表达式的统一为：
Figure BSA0000187195670000059
其中，P(k+n|k)表示在k时刻对k+n时刻的有功出力的预测，P(k)指k时刻监测到的实际测量值，ΔP(k+r|k)为控制变量，表示k时刻对未来k+r-1到k+r时段有功出力增量的预测值，p为预测步长。
在滚动优化中，为了保证功率平衡，以火电机组出力和光伏机组出力跟踪日前计划参考值为目标，通过抽水蓄能机组平衡日前预测误差，建立目标函数如下：
Figure BSA0000187195670000061
其中，Q为权重系数矩阵，Pf(k+p)为日前调度中k+n时刻的有功出力日前参考值，包括每台火电机组与光伏机组。
传统MPC模型参数固定，即预测步长p与控制步长m为定值，在对其选值时，如果过长则不能充分减小光伏出力不确定性的影响，一定程度上失去滚动优化的意义，并且需要不断迭代寻优从而增加了计算量，如果过短则不能充分考虑系统全局状态，优化结果不准确。因此，本文采用自适应步长的改进MPC模型，在数据实际值与预测值误差较大时减小步长，以充分适应不确定性程度，在误差较小时则增加适当步长，可以既能提高控制性能，又能避免不必要的计算。
在日内滚动优化阶段，抽水蓄能机组参与调度，作为不确定性备用来平衡日前预测误差，故应在日前优化模型约束条件中加入与抽水蓄能有关的约束：
(1)含抽水蓄能机组的功率平衡
Figure BSA0000187195670000062
其中，N3为抽水蓄能机组总台数，Plg，t、Plp，t为第l台抽水蓄能机组在t时刻的发电功率与抽水功率。
(2)发电、抽水功率约束
抽水蓄能机组包括常规机组与变速机组，它们各自的抽水功率与发电功率不相同，因此需要单独进行约束。
Figure BSA0000187195670000063
Figure BSA0000187195670000064
其中，
Figure BSA0000187195670000065
表示抽水蓄能机组l发电、抽水功率上限值。
(3)发电功率-水流量平衡约束
Figure BSA0000187195670000066
Figure BSA0000187195670000067
其中，qlg，t、qlp，t表示抽水蓄能机组l在t时刻发电、抽水时的水流量，c1、c2、c3、c4为发电、抽水功率的二次、一次系数。
(4)水库容量约束
rmin≤rt≤rmax (18)
其中，rt为t时刻水库容量，rmax、rmin为水库容量上下限。
(5)抽水与发电功率互补约束
抽水蓄能机组在发电与抽水不能同时进行，需进行约束如下：
Plg，tPlp，t＝0 (19)
(6)系统上下调节能力约束
光伏发电具有极强的不确定性，在前后两个时刻可能在出力的上限与下限之间变换，这种极限场景会对系统的调节能力产生要求，因此需要保证在光伏极限场景情况下火电与抽蓄的调节能力充足。
Figure BSA0000187195670000071
Figure BSA0000187195670000072
其中，
Figure BSA0000187195670000073
的值为1表示抽水蓄能机组l在t时段为发电状态，
Figure BSA0000187195670000074
的值为1表示抽水蓄能机组l在t时段为抽水状态，
Figure BSA0000187195670000075
表示光伏机组j在t时刻区间预测的上下限，ui，t、vi，t为为火电机组i的启动与停运变量。
(7)抽水蓄能机组启停速率约束
海南电网系统容量相对较小，且网内发电厂AGC调节速度较慢，是典型的“大机小网”，当联络线检修或故障处于孤岛运行时，发电机组功率变化过快会造成电网频率的波动较大，系统的稳定运行受到制约，抽水蓄能机组在开机、停机过程中功率变化过快会引起电网频率波动加剧，比如，调度要求琼中抽水蓄能1号机组抽水工况开停机过程功率快速变化造成电网频率波动最大值不能超过±0.10Hz。因此，有必要对抽水蓄能机组启停速率进行约束：
Figure BSA0000187195670000076
Figure BSA0000187195670000077
其中，Rlup、Rldown为第l台抽水蓄能机组的启动速率与停机速率，
Figure BSA0000187195670000078
为启动速率的最大值和最小值，
Figure BSA0000187195670000079
为停机速率的最大值和最小值。
反馈校正指在k时刻进行一次优化后，可得到一个控制时域m内的所有控制变量，进而得到m个优化值{P(k+1)，...，P(k+m)}，但是这种单时刻优化误差较大，在MPC中进行反馈校正解决这一问题，故只采用P(k+1)作为k+1时刻的优化值，在k+1时刻用实测值来更新初始值，即式(11)预测模型中的P(k)进行新一轮的优化并不断滚动。
3.算例分析
选取海南电网中某典型小区域电网为研究对象，日前优化调度主要以日前负荷预测值和光伏预测值为基础，如图2所示；图3为日前优化调度的优化结果；日内滚动优化以跟踪日前发电计划值为目标，优化结果如图4、图5所示，可以发现跟踪效果好，对比两图可看出，有自适应调节的MPC波动较小，跟踪效果更好；图6和图7为有自适应域与无自适应域误差对比，可得出有自适应的MPC具有更好的平衡预测误差的能力。
(1)计算结果表明，本发明构建的日前优化与日内滚动优化相结合的多时间尺度联合调度方案，适合于海南电网含火力发电、光伏发电、抽水蓄能多类型机组的联合运行。
(2)随着光伏大规模并网和抽水蓄能的参与，单一的经济调度模型已经无法使多类型机组联合运行目标达到最优。本发明综合考虑火电运行成本、光伏消纳最大化和火电污染物排放量的日前优化调度模型，能够有效消纳光伏，进一步降低系统运行成本。
(3)本发明以跟踪日前计划值为目标，同时考虑光伏出力极限变化和抽水蓄能机组启停机制的日内滚动优化调度方案，完善了“大机小网”下的日内滚动优化模型，同时改进的自适应MPC更能适应光伏出力的不确定性调整，与传统MPC方法相比，预测时长与控制时长可随光伏不确定性自适应调整，使得日内滚动优化在功率平衡的基础上更加快速与经济。

Claims (2)

1.一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案，区别于一般的单断面调度，本发明在日前与日内两个层面进行，并分别以不同的目标进行综合建模，从而得到最优调度方案；
在日前优化调度中，不同于一般基于火电运行费用的经济调度，本发明在火电运行费用的基础上，同时考虑到光伏消纳问题与火电污染排放问题，以火电运行费用、光伏未消纳量和火电污染物排放量进行加权，形成一个总的目标：
min F＝f1+ρjf2+ρif3
其中，ρi、ρj表示权重系数，f1为火电机组运行与启停费用，f2为光伏未消纳量，f3为火电机组污染物排放量；
Figure FSA0000187195660000011
其中，T为一个优化周期内的总时段数，N1为联合系统内火电机组台数，L+指第i台火电机组在t时段的有功出力，SGi为火电机组i的启动成本，Ii，t表示火电机组i在t时段的启停状态，0为停机状态，1为启动状态，ai、bi、ci为第i台机组的发电成本系数；
Figure FSA0000187195660000012
其中，N2为光伏机组台数，
Figure FSA0000187195660000013
表示光伏机组j在t时段的发电日前预测值，Ppvj，t表示光伏j在t时段发电值；
Figure FSA0000187195660000014
其中，αi、βi、γi、ζi、λi表示火电机组i的排放系数；
日内滚动优化利用改进MPC方法实现，包括预测模型、滚动优化、反馈校正三个部分；
在预测模型控制中，输入变量为负荷与光伏日前预测值，状态变量为实测的各类机组有功出力值，控制变量为火电机组和光伏机组的有功出力增量值，优化可得到未来一个控制周期内的各控制变量取值，利用第一个控制变量值得到新的预测值；
在滚动优化模型中，为了保证功率平衡，以火电机组出力和光伏机组出力跟踪日前计划参考值为目标，通过抽水蓄能机组平衡日前预测误差，建立目标函数：
Figure FSA0000187195660000015
其中，p为预测步长，P(k+n|k)表示在k时刻对k+n时刻的有功出力的预测值，Q为权重系数矩阵，Pf(k+p)为日前调度中k+n时刻的有功出力日前参考值，包括每台火电机组与光伏机组；
同时，传统MPC模型参数固定，即预测步长与控制步长为定值，在对其选值时，如果过长则不能充分减小光伏出力不确定性的影响，一定程度上失去滚动优化的意义，并且需要不断迭代寻优从而增加了计算量，如果过短则不能充分考虑系统全局状态，优化结果不准确，本发明采用自适应步长的改进MPC模型，在数据实际值与预测值误差较大时减小步长，以充分适应不确定性程度，在误差较小时则增加适当步长，可以既能提高控制性能，又能避免不必要的计算；
在k时刻进行一次优化后，可得到一个控制时域m内的所有控制变量，进而得到m个优化值{P(k+1)，...，P(k+m)}，但是这种单时刻优化误差较大，在MPC中进行反馈校正解决这一问题，故只采用P(k+1)作为k+1时刻的优化值，在k+1时刻用实测值来更新初始值，这一更新的过程就是反馈校正。
2.区别于一般的多时间尺度优化调度，本发明针对火电、光伏和抽水蓄能各自的特点进行建模，根据权利要求1所述调度方案框架，对复杂系统进行约束，更适合于三者联合发电系统；
在日前优化调度阶段，约束条件为功率平衡约束、火电机组出力上下限及爬坡约束、光伏上网功率约束、正负旋转备用约束，其中，考虑到“大机小网”电网的特点，系统应具备足够的备用容量来应对负荷与光伏的波动，备用以火电机组来承担；
在日内滚动优化阶段，抽水蓄能机组参与调度，作为不确定性备用来平衡日前预测误差，故应在日前优化模型约束条件中加入与抽水蓄能有关的约束；
系统的功率平衡应包含抽水蓄能机组的发电功率和抽水功率：
Figure FSA0000187195660000021
其中，N3为抽水蓄能机组总台数，Plg，t、Plp，t为第l台抽水蓄能机组在t时刻的发电功率与抽水功率；
抽水蓄能机组包括常规机组与变速机组，它们各自的抽水功率与发电功率不相同，因此需要单独进行约束：
Figure FSA0000187195660000022
Figure FSA0000187195660000023
其中，
Figure FSA0000187195660000024
表示抽水蓄能机组l发电、抽水功率上限值；
发电功率与水流量平衡约束：
Figure FSA0000187195660000025
Figure FSA0000187195660000026
其中，qlg，t、qlp，t表示抽水蓄能机组l在t时刻发电、抽水时的水流量，c1、c2、c3、c4为发电、抽水功率的二次、一次系数；
对水库容量进行约束：
rmin≤rt≤rmax
其中，rt为t时刻水库容量；rmax、rmin为水库容量上下限；
抽水蓄能机组在发电与抽水不能同时进行，需进行约束如下：
Plg，tPlp，t＝0
“大机小网”电网系统容量相对较小，且网内发电厂AGC调节速度较慢，是典型的“大机小网”，当联络线检修或故障处于孤岛运行时，发电机组功率变化过快会造成电网频率的波动较大，系统的稳定运行受到制约，抽水蓄能机组在开机、停机过程中功率变化过快会引起电网频率波动加剧，所以有必要对抽水蓄能机组启停速率进行约束：
Figure FSA0000187195660000031
Figure FSA0000187195660000032
其中，Rlup、Rldown为第l台抽水蓄能机组的启动速率与停机速率，
Figure FSA0000187195660000033
Figure FSA0000187195660000034
为启动速率的最大值和最小值，
Figure FSA0000187195660000035
为停机速率的最大值和最小值；
同时，光伏发电具有极强的不确定性，在相邻前后两个时刻可能在出力的上限与下限之间变换，这种极限场景会对系统的调节能力产生要求，因此需要保证在光伏极限场景情况下火电与抽蓄的调节能力充足，对系统调节能力进行约束：
Figure FSA0000187195660000036
Figure FSA0000187195660000037
其中，
Figure FSA0000187195660000038
的值为1表示抽水蓄能机组l在t时段为发电状态，
Figure FSA0000187195660000039
的值为1表示抽水蓄能机组l在t时段为抽水状态，
Figure FSA00001871956600000310
表示光伏机组j在t时刻区间预测的上下限，ui，t、vi，t为为火电机组i的启动与停运变量；
本发明针对光伏大规模并网以及抽水蓄能的平衡机制完善模型，可使“大机小网”电网准确、稳定、快速地进行调度。
CN201910747248.7A 2019-08-14 2019-08-14 一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案 Active CN112398115B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910747248.7A CN112398115B (zh) 2019-08-14 2019-08-14 一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910747248.7A CN112398115B (zh) 2019-08-14 2019-08-14 一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案

Publications (2)

Publication Number Publication Date
CN112398115A true CN112398115A (zh) 2021-02-23
CN112398115B CN112398115B (zh) 2023-06-09

Family

ID=74602724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910747248.7A Active CN112398115B (zh) 2019-08-14 2019-08-14 一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案

Country Status (1)

Country Link
CN (1) CN112398115B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112821469A (zh) * 2021-03-09 2021-05-18 中国南方电网有限责任公司 基于调频消纳域分析的日前发电调度优化方法及装置
CN113743809A (zh) * 2021-09-10 2021-12-03 国网新源控股有限公司 一种考虑碳交易的抽蓄与电化学储能联合运行方法及系统
CN114418198A (zh) * 2021-12-30 2022-04-29 国网辽宁省电力有限公司电力科学研究院 一种弃新能源惩罚成本的分段函数式计算方法
CN114435399A (zh) * 2022-01-27 2022-05-06 上海工程技术大学 基于预测模型的自动驾驶汽车稳定性路径跟踪方法
CN114884101A (zh) * 2022-07-04 2022-08-09 华中科技大学 一种基于自适应模型控制预测的抽水蓄能调度方法
CN115276110A (zh) * 2021-04-30 2022-11-01 国网冀北电力有限公司 基于环保限产信息的日前机组组合模型的火电机组数量更新方法
CN116542475A (zh) * 2023-05-09 2023-08-04 河海大学 一种计及光热电站集热器工作模式的两阶段优化调度方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103138256A (zh) * 2011-11-30 2013-06-05 国网能源研究院 一种新能源电力消纳全景分析系统及方法
CN106485352A (zh) * 2016-09-30 2017-03-08 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法
WO2018156700A1 (en) * 2017-02-22 2018-08-30 Board Of Regents, The University Of Texas System Building energy management and optimization
CN108932560A (zh) * 2018-06-13 2018-12-04 天津大学 基于模型预测控制的园区综合能源系统优化调度方法
CN109995091A (zh) * 2019-04-26 2019-07-09 太原理工大学 一种考虑预测误差的交直流混合微电网经济调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103138256A (zh) * 2011-11-30 2013-06-05 国网能源研究院 一种新能源电力消纳全景分析系统及方法
CN106485352A (zh) * 2016-09-30 2017-03-08 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法
WO2018156700A1 (en) * 2017-02-22 2018-08-30 Board Of Regents, The University Of Texas System Building energy management and optimization
CN108932560A (zh) * 2018-06-13 2018-12-04 天津大学 基于模型预测控制的园区综合能源系统优化调度方法
CN109995091A (zh) * 2019-04-26 2019-07-09 太原理工大学 一种考虑预测误差的交直流混合微电网经济调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
肖浩等: "基于模型预测控制的微电网多时间尺度协调优化调度", 《电力系统自动化》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112821469A (zh) * 2021-03-09 2021-05-18 中国南方电网有限责任公司 基于调频消纳域分析的日前发电调度优化方法及装置
CN112821469B (zh) * 2021-03-09 2022-10-25 中国南方电网有限责任公司 基于调频消纳域分析的日前发电调度优化方法及装置
CN115276110A (zh) * 2021-04-30 2022-11-01 国网冀北电力有限公司 基于环保限产信息的日前机组组合模型的火电机组数量更新方法
CN113743809A (zh) * 2021-09-10 2021-12-03 国网新源控股有限公司 一种考虑碳交易的抽蓄与电化学储能联合运行方法及系统
CN113743809B (zh) * 2021-09-10 2024-03-29 国网新源控股有限公司 一种考虑碳交易的抽蓄与电化学储能联合运行方法及系统
CN114418198A (zh) * 2021-12-30 2022-04-29 国网辽宁省电力有限公司电力科学研究院 一种弃新能源惩罚成本的分段函数式计算方法
CN114435399A (zh) * 2022-01-27 2022-05-06 上海工程技术大学 基于预测模型的自动驾驶汽车稳定性路径跟踪方法
CN114435399B (zh) * 2022-01-27 2023-09-12 上海工程技术大学 基于预测模型的自动驾驶汽车稳定性路径跟踪方法
CN114884101A (zh) * 2022-07-04 2022-08-09 华中科技大学 一种基于自适应模型控制预测的抽水蓄能调度方法
CN114884101B (zh) * 2022-07-04 2022-09-30 华中科技大学 一种基于自适应模型控制预测的抽水蓄能调度方法
CN116542475A (zh) * 2023-05-09 2023-08-04 河海大学 一种计及光热电站集热器工作模式的两阶段优化调度方法
CN116542475B (zh) * 2023-05-09 2023-11-07 河海大学 一种计及光热电站集热器工作模式的两阶段优化调度方法

Also Published As

Publication number Publication date
CN112398115B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN112398115A (zh) 一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案
CN105846461B (zh) 一种大规模储能电站自适应动态规划的控制方法和系统
CN106992556B (zh) 一种基于混合电源多时间尺度互补的优化调度方法
CN106786807B (zh) 一种基于模型预测控制的风电场有功功率控制方法
WO2017000853A1 (zh) 主动配电网多时间尺度协调优化调度方法和存储介质
CN111555281B (zh) 一种电力系统灵活性资源配置仿真方法及装置
CN112186811B (zh) 一种基于深度强化学习的agc机组动态优化方法
CN111697597B (zh) 一种基于粒子群算法的火储联合agc调频控制方法
CN110752626B (zh) 一种主动配电网滚动优化调度方法
CN114221338B (zh) 考虑电源灵活性和互补性的多能源电力系统优化调度方法
CN114336673B (zh) 一种基于模型预测控制的风储联合电站一次调频控制策略
CN108054771A (zh) 一种储能系统充放电控制方法及系统
CN112381424A (zh) 新能源及负荷不确定性的多时间尺度有功优化决策方法
CN110048438A (zh) 一种基于模型预测控制的配电网馈线级负荷功率控制方法
CN117057491B (zh) 基于mpc与储能系统结合的农村地区电力供应优化管理方法
CN115659096A (zh) 考虑源荷不确定性的微网多时间尺度能量调度方法及装置
CN117175616A (zh) 基于二维动态减载与双层mpc的风储联合调频方法
CN115147245A (zh) 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
US20230352937A1 (en) Power regulation method and power regulation device
CN110994639B (zh) 一种电厂储能辅助调频的仿真定容方法、装置及设备
CN111049195B (zh) 一种agc参数优化方法及装置
CN117394404A (zh) 考虑碳效益和辅助调频的风电场储能容量配置方法
CN117477666A (zh) 电网分布式源网荷储调度优化配置方法
CN116934035A (zh) 基于模型预测的互联数据中心多时间尺度优化调度方法
CN115102228A (zh) 一种含飞轮储能的风电场多目标协调频率优化方法和装置

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