CN112531689B - 受端电力系统的源网荷储协调控制能力评估方法和设备 - Google Patents

Abstract

本发明公开了一种受端电力系统的源网荷储协调控制能力评估方法及设备，方法为：构建源网荷储协调控制能力的评价指标；分别根据评价矩阵和比较矩阵计算评价指标的客观权重和主观权重，整合得到综合权重；从历史数据中抽样风速和负荷数据，计算风电功率‑负荷场景集合，并计算每个场景的各评价指标数值；计算每个评价指标的多个聚类中心，分别对应多个协调控制能力级别；聚类中心为参考，建立每个评价指标的分级隶属度函数；获取预测的风电功率和负荷数据，计算其每个评价指标数值，再根据所有评价指标的分级隶属度函数和综合权重，计算得到与预测的风电功率和负荷数据所对应的协调控制能力级别。本发明可以提升受端电力系统的稳定运行。

Description

受端电力系统的源网荷储协调控制能力评估方法和设备

技术领域

本发明属于电力系统控制技术领域，具体涉及一种面向含高压直流馈入的受端电力系统的源网荷储协调控制能力评估方法和设备。

背景技术

远方电力系统的新能源通过高压直流送入受端电力系统，可以有效缓解受端电力系统的能源供给压力，但会给受端电力系统造成安全稳定运行方面的不利影响。例如，大规模直流闭锁故障会使受端电力系统的有功供给出现巨大缺额，单纯的切负荷等常规安全稳定方法难以应对大规模直流功率闭锁故障。由于通过电源侧、电网侧、负荷侧与储能侧的多类型资源协调优化与控制，可以显著提升电力系统稳定和高效运行水平以及电力供给与消耗的实时动态平衡能力，对于实现含大规模直流馈入功率的受端电力系统稳定与经济运行具有重要的积极作用。

近年来，已有研究人员在“源-网-荷-储”协调控制等方面开展了研究工作。例如，部分学者针对微网级的园区电力系统建立了综合考虑市场运行、系统安全等多个因素的“源-网-荷-储”运营模型，但上述方法不是面向大规模电力系统的“源-网-荷-储”协调优化问题。近年来负荷控制系统、电池储能技术、信息通信技术等因素的快速发展，这使得大规模电力系统“源-网-荷-储”协调优化运行与控制广受学术界和工业界的关注。针对大电网“源-网-荷-储”协调控制能力的全面有效评估，是充分发挥“源-网-荷-储”协调控制能力的重要基础。

发明内容

本发明以含高压直流馈入的受端电力系统为研究对象，提出了一种受端电力系统“源-网-荷-储”协调控制能力的评估方法，可以显著提升面向含高压直流馈入的受端电力系统稳定和高效运行水平以及电力供给与消耗的实时动态平衡能力，对于实现含大规模直流馈入功率的受端电力系统稳定与经济运行具有重要的积极作用。

为实现上述技术目的，本发明采用如下技术方案：

受端电力系统的源网荷储协调控制能力评估方法，包括以下步骤：

步骤1，构建源网荷储协调控制能力的评价指标：受端电力系统的快速调频能力、受端电力系统的总调频能力、受端电力系统的调峰能力、经高压直流系统馈入的风电功率特性、受端电力系统的无功水平、受端电力系统的电压稳定水平、受端电力系统的负荷侧安全响应能力；

步骤2，采用反熵权法根据预设的专家系统评价矩阵计算所有评价指标的客观权重，采用层次分析法根据预设的比较矩阵计算所有评价指标的主观权重，综合所有评价指标的客观权重和主观权重得到所有评价指标的综合权重；

步骤3，基于电网负荷的概率分布和风速的概率分布，从历史数据中抽样构建风速-负荷场景集合，并利用风速计算风电的有功功率，得到相应的风电功率-负荷场景集合；

步骤4，对步骤3得到的风电功率-负荷场景，计算其源网荷储协调控制能力的每个评价指标数值；对每个评价指标，均采用Kmeans聚类算法对所有场景对应的评价指标数值进行聚类，得出每个评价指标的K个聚类中心，分别对应源网荷储的K个协调控制能力级别；

步骤5，以K个聚类中心为参考，建立每个评价指标的分级隶属度函数；

步骤6，获取预测的风电功率和负荷数据，计算其源网荷储协调控制能力的每个评价指标数值；然后根据所有评价指标的分级隶属度函数和综合权重，计算得到与预测的风电功率和负荷数据所对应的协调控制能力级别。

在更优的技术方案中，受端电力系统的快速调频能力表示为T_FFMA，其计算公式为：

式中，P'_ch和P'_dis分别为电池储能电站的快速充电功率和快速放电功率，P_L为受端电力系统的有功负荷，α'_ch和β'_dis分别是对应于电池储能快速充电和快速放电的权重系数。

在更优的技术方案中，受端电力系统的总调频能力表示为T_TFMA，其计算公式为：

式中，

和

分别表示火电机组和水电机组的调频能力，T_FFMA为受端电力系统的快速调频能力；

和

分别为火电机组的上调功率与对应的权重系数，

和

分别为火电机组的下调功率与对应的权重系数；

和

分别为水电机组的上调功率与对应的权重系数，

和

分别为水电机组的下调功率和对应的权重系数，P_L为受端电力系统的有功负荷。

在更优的技术方案中，受端电力系统的调峰能力表示为ψ_PLRA，其计算公式为：

式中，

和

分别为火电机组和水电机组的备用容量，

和T分别为电池储能的额定能量和电池储能参与调峰的时间，P_L为受端电力系统的有功负荷。

在更优的技术方案中，经高压直流系统馈入的风电功率特性表示为γ_WG，其计算公式为：

式中，P_LCC,Wind和λ_adj分别表示通过高压直流馈入的风电功率和它的调节能力系数，α_unc和β_adj分别表示风电不确定性和调节能力的权重系数，P_L为受端电力系统的有功负荷。

在更优的技术方案中，受端电力系统的无功水平表示为ε_z，其计算公式为：

式中，Q_L、Q^t、Q^h、Q^s、Q^x分别表示当前受端系统内部无功负荷、调相机当前可以发出的无功功率、受端系统内火电发电可以发出的无功功率、水电发电可以发出的无功功率、电池储能可以发出的的无功功率，Q^HVDC表示高压直流输电系统向受端系统吸收的无功功率。

在更优的技术方案中，受端电力系统的电压稳定水平表示为δ^c，其计算公式为：

式中，α_V、β_V分别表示高压直流接入点电压稳定裕度和系统内其他节点中电压稳定裕度最大的节点的权重系数；

表示高压直流接入节点的电压稳定裕度，V_HV、V_HV,cr分别表示高压直流接入节点的当前电压值、换流站交流侧节点的PV曲线的临界电压；V_i、V_i,cr和

分别为系统内其他节点的当前电压和其对应的PV曲线临界电压值、电压稳定裕度最大的节点对应的电压稳定裕度。

在更优的技术方案中，受端电力系统的负荷侧安全响应能力表示为υ_k，其计算公式为：

式中，L_m、L_j分别表示盲切系统和精准切负荷系统可以切除的负荷，其中，α_m、β_j分别为对应于L_m、L_j的权重系数，P_L为受端电力系统的有功负荷。

在更优的技术方案中，K＝4，以4个聚类中心Cluster＝[a(i) b(i) c(i) d(i)]构建每个评价指标的4级隶属度函数为：

其中，f_i ¹(x)、f_i ²(x)、f_i ³(x)、f_i ⁴(x)分别表示为第i个评价指标的第一级、第二级、第三级、第四级隶属度函数，x为评价指标数值。

在更优的技术方案中，步骤6中所述的根据所有评价指标的分级隶属度函数和综合权重，计算得到与预测的风电功率和负荷数据所对应的协调控制能力级别，具体计算方法为：

将所有7个评价指标的综合权重表示为一个1行7列的向量ω；根据步骤6中计算得到的每个评价指标数据，均按照该评价指标的分级隶属度函数，计算其分别隶属于每个聚类中心对应的协调控制能力级别的隶属度，然后将7个评价指标的K个隶属度表示为一个7行K列的矩阵A；

根据向量ω与矩阵A计算协调控制能力级别B＝max(ω·A)，计算得到的B即为与预测的风电功率和负荷数据所对应的协调控制能力级别。

受端电力系统的源网荷储协调控制能力评估设备，包括处理器和存储器；其中：所述存储器用于存储计算机指令；所述处理器用于执行所述存储器存储的计算机指令，具体执行上述任一技术方案所述的方法。

有益效果

本发明首先在高压直流馈入的基础和现状上，对受端电力系统的协调控制能力进行有效分析，从电源侧、电网侧、负荷侧、储能侧对影响系统协调控制能力的因素，构建了快速调频能力、无功支撑能力、调峰能力等7个评价指标构成评估指标体系；然后提出了主观权重与客观权重相结合的“源-网-荷-储”评估指标权重确定方法；还提出了基于Kmeans聚类算法的评估指标评价标准的确定方法。因此，本发明保证了评估结果的合理性，可以显著提升面向含高压直流馈入的受端电力系统稳定和高效运行水平以及电力供给与消耗的实时动态平衡能力，可以为“源-网-荷-储”系统协调控制策略的制定提供合理的实践参考，对于实现含大规模直流馈入功率的受端电力系统稳定与经济运行具有重要的积极作用。

本发明的评估指标在选取定义时采取了归一化方式，均为无量纲指标，解决了评价标准难以建立的问题。

附图说明

图1是本发明实施例所述方法的流程图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例以本发明的技术方案为依据开展，给出了详细的实施方式和具体的操作过程，对本发明的技术方案作进一步解释说明。

本发明实施例提供一种面向含高压直流馈入的受端电力系统的源网荷储协调控制能力评估方法和设备，其中方法包括以下步骤：

步骤1，构建源网荷储协调控制能力的以下7个评价指标：受端电力系统的快速调频能力T_FFMA、受端电力系统的总调频能力T_TFMA、受端电力系统的调峰能力ψ_PLRA、经高压直流系统馈入的风电功率特性γ_WG、受端电力系统的无功水平ε_z、受端电力系统的电压稳定水平δ^c、受端电力系统的负荷侧安全响应能力υ_k，每个评价指标的计算公式如下表所示：

其中，评价指标1反映的是受端电力系统的快速调频能力。与抽水蓄能等储能技术相比，电池储能系统的功率调节具有快速灵活的显著特点。公式中，P'_ch和P'_dis分别为电池储能电站的快速充电功率和快速放电功率，P_L为受端电力系统的有功负荷，α'_ch和β'_dis分别是对应于电池储能快速充电和快速放电的权重系数。

指标2反映的是受端电力系统的总调频能力。包括电池储能在内，火电机组和水电机组也都可以参与电力系统频率控制。公式中，

和

分别表示火电机组和水电机组的调频能力。

和

分别为火电机组的上调功率与对应的权重系数；

和

分别为火电机组的下调功率与对应的权重系数。

和

分别为水电机组的上调功率与对应的权重系数；

和

分别为水电机组的下调功率和对应的权重系数。

指标3反映的是受端电力系统的调峰能力。火电机组、水电机组和储能系统都是电力系统重要的调峰单元。公式中，

和

分别为火电机组和水电机组的备用容量，

和T分别为电池储能的额定能量和电池储能参与调峰的时间。

经高压直流系统馈入的风电功率特性从一定程度上反映受端电力系统的安全稳定水平以及“源-网-荷-储”的协调控制能力。指标4由反映风电不确定性的前一部分和反映风电调节能力的后一部分组成。公式中，P_LCC,Wind和λ_adj分别表示通过高压直流馈入的风电功率和它的调节能力系数。α_unc和β_adj分别表示风电不确定性和调节能力的权重系数。

受端系统无功水平可以影响高压直流单极闭锁的概率。指标5中，Q_L、Q^t、Q^h、Q^s、Q^x分别表示当前受端系统内部无功负荷、调相机当前可以发出的无功功率、受端系统内火电发电可以发出的无功功率、水电发电可以发出的无功功率、电池储能可以发出的的无功功率；Q^HVDC表示高压直流输电系统向受端系统吸收的无功功率，它占高压直流系统有功功率的40％左右。因此，本发明令其等于高压直流系统传输的有功功率的40％。此外，本发明假设高压直流输电功率由50％的风电功率和50％的火电功率组成。

指标6通过换流站交流侧和受端系统内其他节点的电压稳定裕度，综合反映受端电力系统的电压稳定水平。公式中，α_V、β_V分别表示高压直流接入点电压稳定裕度和系统内其他节点中电压稳定裕度最大的节点的权重系数。

表示高压直流接入节点的电压稳定裕度，V_HV、V_HV,cr分别表示高压直流接入节点的当前电压值、换流站交流侧节点的PV曲线的临界电压，V_i、V_i,cr和

分别为系统内其他节点的当前电压和其对应的PV曲线临界电压值、电压稳定裕度最大的节点对应的电压稳定裕度。

盲切和精切负荷都可以反映受端电力系统的负荷侧安全响应能力。指标7中，L_m、L_j分别表示盲切系统和精准切负荷系统可以切除的负荷，其中，α_m、β_j分别为对应于L_m、L_j的权重系数。

步骤2，采用反熵权法根据预设的专家系统评价矩阵计算所有评价指标的客观权重，采用层次分析法根据预设的比较矩阵计算所有评价指标的主观权重，综合所有评价指标的客观权重和主观权重得到所有评价指标的综合权重。

预设的专家系统评价矩阵M＝(x_ij)_n×m，在由m位专家对n＝7个评价指标进行初始打分得到。然后进一步根据评价矩阵M＝(x_ij)_n×m采用反熵权法计算得到客观权重：

其中的i为评价指标的编号，得到的ω_oi即为第i个评价指标的客观权重。

比较矩阵N是由3个标度(0、1、2)的进行层次分析得到N＝(a_ij)_n×n：将n个评价指标均作为矩阵的行和列，矩阵的元素值a_ij表示为3个标度；a_ij＝0表示所在行的评价指标i与所在列的评价指标j相比，列评价指标j更重要；a_ij＝1表示所在行的评价指标i与所在列的评价指标j相比，具有同等重要性；a_ij＝2表示所在行的评价指标i与所在列的评价指标j相比，行指标较列指标更重要。

然后对比较矩阵N进行一致性校验后，取其最大特征值对应的特征向量ξ，再根据特征向量计算客观权重ω_si：

最后，通过对客观权重ω_oi及带有经验系数η的主观权重ω_si之和进行归一化得到综合权重ω_i：

步骤3，基于电网负荷的概率分布和风速的概率分布，从历史数据中抽样构建风速-负荷场景集合，并利用风速计算风电的有功功率，得到相应的风电功率-负荷场景集合；

一般情况下，电网负荷P_L的概率服从正态分布，风速V的概率服务威布尔分布，表达式具体为：

式中，μ_p、σ_p分别为负荷的期望和标准差，V为风电叶轮毂处的风速；r和c分别为形状参数和尺寸参数。

本实施例采用拉丁超立方抽样方法按照概率分布从历史数据中抽样获取电网负荷数据和风速数据，构建风速负荷场景集合。

步骤4，对步骤3得到的风电功率-负荷场景，计算其源网荷储协调控制能力的每个评价指标数值；对每个评价指标，均采用Kmeans聚类算法对所有场景对应的评价指标数值进行聚类，得出每个评价指标的K个聚类中心，分别对应源网荷储的K个协调控制能力级别.

步骤5，以K个聚类中心为参考，建立每个评价指标的分级隶属度函数；

本实施例中设K＝4，每个评价指标的4个聚类中心表示为Cluster＝[a(i) b(i) c(i) d(i)]，i为评价指标的序号，以该4个聚类中心构建每个评价指标的4级隶属度函数为：

其中，f_i ¹(x)、f_i ²(x)、f_i ³(x)、f_i ⁴(x)分别表示为第i个评价指标的第一级、第二级、第三级、第四级隶属度函数，x为评价指标数值。

步骤6，获取预测的风电功率和负荷数据，计算其源网荷储协调控制能力的每个评价指标数值；然后根据所有评价指标的分级隶属度函数和综合权重，计算得到与预测的风电功率和负荷数据所对应的协调控制能力级别，具体计算方法为：

将所有7个评价指标的综合权重表示为一个1行7列的向量ω；根据步骤6中计算得到的每个评价指标数据，均按照该评价指标的分级隶属度函数，计算其分别隶属于每个聚类中心对应的协调控制能力级别的隶属度，然后将7个评价指标的K个隶属度表示为一个7行K列的矩阵A；

根据向量ω与矩阵A计算协调控制能力级别B＝max(ω·A)，计算得到的B即为与预测的风电功率和负荷数据所对应的协调控制能力级别。

与上述受端电力系统的源网荷储协调控制能力评估方法对应的评估设备，包括处理器和存储器；其中：所述存储器用于存储计算机指令；所述处理器用于执行所述存储器存储的计算机指令，具体执行上述受端电力系统的源网荷储协调控制能力评估方法。

实施例：

采用仿真系统通过对IEEE39节点系统进行修改(例如添加储能和高压直流输电等)得到。首先假设评价矩阵M和比较矩阵N如下所示，反映客观权重和主观权重之间比重的经验系数η取0.618。

然后根据评价矩阵M和比较矩阵N分别计算7个协调评价指标的客观权重ω_oi和主观权重ω_si，在此基础上计算7个协调评价指标的综合权重ω_i得到如表2所示的结果：

表2针对七个评价指标的客观权重、主观权重、综合权重

然后，采用拉丁超立方抽样方法抽取4000个风速-负荷场景，并进一步通过计算风电功率得到相应的风电功率-负荷场景，计算这4000个风电功率-负荷场景下的评价指标数值，再通过Kmeans聚类算法得到每个评价指标的4个聚类中心(对应于四个评估等级)，如表3所示，

表3针对七个评价指标的Kmeans聚类结果

接下来，利用7个指标的4个聚类中心构建相应的分级隶属度函数。

最后，对不同负荷预测功率和风电预测功率构成的运行场景进行源-网-荷-储协调控制能力评估，相应评估结果如表4所示。其中，负荷预测情况#1：7689.566MW，负荷预测情况#2：6719.467MW，负荷预测情况#3：4941.890MW；风电预测情况#1:0MW，风电预测情况#2：91.9805MW，风电预测情况#3：210.5176MW，风电预测情况#4：306.9450MW，风电预测情况#5：366.7007MW，风电预测情况#6：400MW。

表4不同预测场景下的协调能力评估结果

从表4可以看出，在极少数情况下(负荷预测功率为7689.566MW，风电预测功率为366.7007MW或400MW)，受端系统源-网-荷-储协调控制能力为I级，在这种情况下受端电力系统的负荷水平和风电功率都比较高；在其他情况下，受端电力系统源-网-荷-储协调控制能力都大于I级。例如，当负荷预测功率为6719.467MW、风电预测功率为91.9805MW时，受端电力系统源-网-荷-储协调控制能力提高为III级。

以上实施例为本申请的优选实施例，本领域的普通技术人员还可以在此基础上进行各种变换或改进，在不脱离本申请总的构思的前提下，这些变换或改进都应当属于本申请要求保护的范围之内。

Claims (3)

1.受端电力系统的源网荷储协调控制能力评估方法，其特征在于，包括以下步骤：

步骤1，构建源网荷储协调控制能力的评价指标：受端电力系统的快速调频能力、受端电力系统的总调频能力、受端电力系统的调峰能力、经高压直流系统馈入的风电功率特性、受端电力系统的无功水平、受端电力系统的电压稳定水平、受端电力系统的负荷侧安全响应能力；

受端电力系统的快速调频能力表示为T_FFMA，其计算公式为：

式中，P'_ch和P'_dis分别为电池储能电站的快速充电功率和快速放电功率，P_L为受端电力系统的有功负荷，α'_ch和β'_dis分别是对应于电池储能快速充电和快速放电的权重系数；

受端电力系统的总调频能力表示为T_TFMA，其计算公式为：

式中，

和

分别表示火电机组和水电机组的调频能力，T_FFMA为受端电力系统的快速调频能力；

和

分别为火电机组的上调功率与对应的权重系数，

和

分别为火电机组的下调功率与对应的权重系数；

和

分别为水电机组的上调功率与对应的权重系数，

和

分别为水电机组的下调功率和对应的权重系数；

受端电力系统的调峰能力表示为ψ_PLRA，其计算公式为：

式中，

和

分别为火电机组和水电机组的备用容量，

和T分别为电池储能的额定能量和电池储能参与调峰的时间；

经高压直流系统馈入的风电功率特性表示为γ_WG，其计算公式为：

式中，P_LCC,Wind和λ_adj分别表示通过高压直流馈入的风电功率和它的调节能力系数，α_unc和β_adj分别表示风电不确定性和调节能力的权重系数；

受端电力系统的无功水平表示为ε_z，其计算公式为：

式中，Q_L、Q^t、Q^h、Q^s、Q^x分别表示当前受端系统内部无功负荷、调相机当前可以发出的无功功率、受端系统内火电发电可以发出的无功功率、水电发电可以发出的无功功率、电池储能可以发出的的无功功率，Q^HVDC表示高压直流输电系统向受端系统吸收的无功功率；

受端电力系统的电压稳定水平表示为δ^c，其计算公式为：

式中，α_V、β_V分别表示高压直流接入点电压稳定裕度和系统内其他节点中电压稳定裕度最大的节点的权重系数；

表示高压直流接入节点的电压稳定裕度，V_HV、V_HV,cr分别表示高压直流接入节点的当前电压值、换流站交流侧节点的PV曲线的临界电压；V_i、V_i,cr和

分别为系统内其他节点的当前电压和其对应的PV曲线临界电压值、电压稳定裕度最大的节点对应的电压稳定裕度；

受端电力系统的负荷侧安全响应能力表示为υ_k，其计算公式为：

式中，L_m、L_j分别表示盲切系统和精准切负荷系统可以切除的负荷，其中，α_m、β_j分别为对应于L_m、L_j的权重系数；

步骤2，采用反熵权法根据预设的专家系统评价矩阵计算所有评价指标的客观权重，采用层次分析法根据预设的比较矩阵计算所有评价指标的主观权重，综合所有评价指标的客观权重和主观权重得到所有评价指标的综合权重；

步骤3，基于电网负荷的概率分布和风速的概率分布，从历史数据中抽样构建风速-负荷场景集合，并利用风速计算风电的有功功率，得到相应的风电功率-负荷场景集合；

步骤4，对步骤3得到的风电功率-负荷场景，计算其源网荷储协调控制能力的每个评价指标数值；对每个评价指标，均采用Kmeans聚类算法对所有场景对应的评价指标数值进行聚类，得出每个评价指标的K个聚类中心，分别对应源网荷储的K个协调控制能力级别；

步骤5，以K个聚类中心为参考，建立每个评价指标的分级隶属度函数；

步骤6，获取预测的风电功率和负荷数据，计算其源网荷储协调控制能力的每个评价指标数值；然后根据所有评价指标的分级隶属度函数和综合权重，计算得到与预测的风电功率和负荷数据所对应的协调控制能力级别。

2.根据权利要求1所述的方法，其特征在于，步骤6中所述的根据所有评价指标的分级隶属度函数和综合权重，计算得到与预测的风电功率和负荷数据所对应的协调控制能力级别，具体计算方法为：

将所有7个评价指标的综合权重表示为一个1行7列的向量ω；根据步骤6中计算得到的每个评价指标数据，均按照该评价指标的分级隶属度函数，计算其分别隶属于每个聚类中心对应的协调控制能力级别的隶属度，然后将7个评价指标的K个隶属度表示为一个7行K列的矩阵A；

根据向量ω与矩阵A计算协调控制能力级别B＝max(ω·A)，计算得到的B即为与预测的风电功率和负荷数据所对应的协调控制能力级别。

3.受端电力系统的源网荷储协调控制能力评估设备，其特征在于，包括处理器和存储器；其中：所述存储器用于存储计算机指令；所述处理器用于执行所述存储器存储的计算机指令，具体执行如权利要求1-2任一所述的方法。

Images