CN112803499A - 电力/电量补偿协同的风光水多能互补容量优化配置方法 - Google Patents

Abstract

本发明公开了一种电力/电量补偿协同的风光水多能互补容量优化配置方法，包括，通过评估风光资源量，初步选取风光电站场址，并确定风光最大可开发容量；构建兼顾长期电量补偿和短期电力补偿的风光水多能互补长短嵌套序贯调度模型，评估给定风光装机容量下风光水多能互补调度效益；构建电力/电量补偿协同的风光水多能互补容量优化配置模型，该优化配置模型以风光最大可开发容量为约束，以风光水多能互补调度全生命周期投资收益最大化为目标；求解优化配置模型，得到最优风光装机容量。该方法能获得兼顾资源时空分布特性和互补调度系统动态时序运行特征的风光新能源容量规划方案，对提升风光水多能互补调度的综合效益具有重要的意义。

Description

电力/电量补偿协同的风光水多能互补容量优化配置方法

技术领域

本发明属于多能互补发电技术领域，更具体的，涉及一种电力/电量补偿协同的风光水多能互补容量优化配置方法。

背景技术

流域内大规模风光水互补研究是近几年才兴起的，受区域内径流以及风光功率多时间尺度的耦合不确定性影响，该问题规模庞大、约束条件复杂、求解难度大。目前，多能互补容量优化配置大多只涉及到风、光、水中的两种能源，如基于CO2排放量的风光互补发电系统容量优化配置(唐浩等，电力建设,38(3):108-114.)、水电与风电联合补偿调度机理研究与应用[J](畅建霞，水力发电学报,33(3).)、水-光电联合运行短期调度可行性分析(明波等，太阳能学报,36(11):2731-2737.)，同时计及风光水三种清洁能源的多能互补容量优化配置研究较少。

目前，针对传统电源(火电)的容量配置技术已经相对成熟，但是难以直接应用于涉及风光等新能源的容量规划。风光出力具有随机性、波动性、间歇性等较强的时序不确定性特征，传统的以电量平衡为基础的容量配置方法难以考虑风光资源时序变化特性和电力系统的消纳能力，容易造成对新能源并网的乐观估计，出现严重的弃风、弃光现象。而以短期电力补偿为基础的风光水多能互补容量优化配置，忽略了互补调度系统的长期运行约束，难以实现风光水多能互补运行全景效益最大化。

总体而言，目前多能互补容量优化配置在研究对象上大都只涉及风光水的二元组合，且大都集中于小型单一水电站，涉及大规模梯级水电站、计及三种清洁能源的研究较少，不适应我国大力推进大型风光水互补基地建设的现实背景。在研究方法上，对径流以及风光功率在不同时间尺度上的时序不确定性考虑不足，亟待提出兼顾长期电量补偿和短期电力补偿效益的风光水多能互补容量优化配置方法。

发明内容

为解决现有技术的不足，本发明提出一种电力/电量补偿协同的风光水多能互补容量优化配置方法，该方法能获得兼顾资源时空分布特性和互补调度系统动态时序运行特征的风光新能源容量规划方案，这对引导风光新能源的有序发展，提升风光水多能互补调度的综合效益具有重要的意义。

为实现上述发明目的，本发明采用如下的技术方案：

本发明提供一种电力/电量补偿协同的风光水多能互补容量优化配置方法，包括：

通过评估风光资源量，初步选取风光电站场址，并确定风光最大可开发容量；

构建兼顾长期电量补偿和短期电力补偿的风光水多能互补长短嵌套序贯调度模型，评估给定风光装机容量下风光水多能互补调度效益；

构建电力/电量补偿协同的风光水多能互补容量优化配置模型；所述优化配置模型以风光最大可开发容量为约束，以风光水多能互补调度全生命周期投资收益最大化为目标；

求解所述优化配置模型，得到最优风光装机容量。

进一步的，所述通过评估风光资源量，初步选取风光电站场址，并确定风光最大可开发容量，包括：

通过计算各地理网格内平均风速、风功率密度、风速年内分布以及年风能可利用小时评估流域内各地理网格的风能开发潜力；

以年均太阳总辐射和日照时数评价太阳能资源的丰富程度，采用一年中各月日照时数大于6h的天数最大值与最小值之比衡量太阳能稳定程度，综合评估流域内各地理网格的太阳能资源的丰富程度和稳定程度；

结合《风能资源评估手册》和《光伏并网电站太阳能资源评估规范》规定，以及流域下垫面条件选出风光资源开发潜力最优的地理网格；

根据地理网格面积确定风光最大可开发容量。

进一步的，所述兼顾长期电量补偿和短期电力补偿的风光水多能互补长短嵌套序贯调度模型包括两层，

第一层为以风光水多能互补系统全年发电收益最大为目标的长期电量补偿优化调度模型；第二层为以电网剩余负荷方差最小为目标的短期电力补偿优化调度模型；

所述长期电量补偿优化调度模型为：

P^h _i,d＝kQ^e _i,d*H_i,d

其中，E为风光水多能互补系统全年发电收益，Δd为长期时段长，m为水电站数量，Td为长期调度划分时段数，C_w,d和C_s,d分别为风电和光伏上网价格，C_h,d为水电随长期时段d变化的丰枯电价，P^h _i,d为水电站i在长期时段d的输出功率，P^w _i,d和P^s _i,d分别为在长期时段d，接入水电站i打捆送出的风电和光伏输出功率，Q^e _i,d为水电站i在长期时段d的发电流量，H_i,d为水电站i在长期时段d的发电水头，k为水电站出力系数，P_stc为标准条件下光伏电池板的出力，I_stc为标准条件所对应的辐照度，t_stc为标准条件下所对应的温度，I_i,d为光伏电站在长期时段d的实测辐照度，

为光伏电池板的功率温度系数，t_i,d为光伏电站在长期时段d的光伏电池板温度，

为风机额定输出功率，v_i,d为风机在长期时段d的轮毂高度风速，v_in为切入风速，v_out为切出风速，v_r为风机额定风速；

所述短期电力补偿优化调度模型为：

其中，F为电网剩余负荷方差，T为短期调度划分时段数，

分别为风电、光伏和水电站在短期时段t的出力，L_t为短期时段t的电网负荷需求，L_max为最大电网负荷需求，

为平均缺负荷量。

进一步的，

所述长期电量补偿优化调度模型以年为调度期，以日为调度时段，即长期时段长Δd为一日；

所述短期电力补偿优化调度模型以日为调度期，以15分钟为调度时段，即短期时段长为15分钟，短期调度划分时段数T为96。

进一步的，所述长期电量补偿优化调度模型需满足约束条件：

水量平衡约束：

V_i,d+1＝V_i,d+(I_i,d-Q_i,d)Δd

其中，V_i,d,V_i,d+1分别为水电站i在长期时段d的初、末库容，I_i,d和Q_i,d分别为水电站i在长期时段d的入库流量和出库流量；

发电引用流量约束：

其中，

为水电站i最大允许引用流量；

下泄流量约束：

Q_i,min≤Q_i,d≤Q_i,max

其中，Q_i,min为水电站i下游最小生态需水流量，Q_i,max为水电站i最大允许下泄流量；

水库库容约束：

V_i,min≤V_i,d≤V_i,max

其中，V_i,min为水电站i死库容，V_i,max为水电站i在长期时段d的最大允许库容；

日水位变幅约束：

ΔZ≤ΔZ_max

其中，ΔZ为一日水位变幅，ΔZ_max为一日最大允许水位变幅；

输送通道容量约束：

P^s _i,d+P^w _i,d+P^h _i,d≤N_max

其中，N_max为输送通道最大容量；

所述短期电力补偿优化调度模型同样需满足在短期时段内的水电站水量平衡约束，水电站水位变幅约束，水电站库容约束，水电站流量约束，以及输送通道容量约束，还需要满足：

S_d,96＝S_d

其中，S_d长期时段d的末水位，S_d,96为短期调度日末水位。

进一步的，所述构建电力/电量补偿协同的风光水多能互补容量优化配置模型，包括：

max NP＝P-C_in-C_om

其中，NP为互补运行全生命周期投资净收益，P为互补运行全生命周期总发电收益，C_in为风光电站前期投资成本，C_om为风光电站在全生命周期内的运行维护成本，Y和Td为全生命周期年数和每年的天数，

分别表示水电站、光伏电站和风电站在第i年j天k时段内的发电收益，

和

分别为单位装机容量光伏电站和风电站的投资费用，N^pv和N^w分别表示光伏电站和风电站的装机容量，

和

分别表示单位装机容量光伏、风电的年运行维护费用，N^pv、N^w分别为光伏电站和风电站的装机容量。

进一步的，采用动态规划算法求解所述风光水多能互补长短嵌套序贯调度模型，得到给定风光装机容量下各时段风光水多能互补调度效益。

进一步的，采用遗传算法求解所述电力/电量补偿协同的风光水多能互补容量优化配置模型，得到最优风光装机容量。

与现有技术相比，本发明具有以下优点和有益效果：

本发明实现风光水多能互补“容量优化配置-长期电量补偿—短期电力补偿”互馈一体化优化建模，提出电力/电量补偿协同的风光水多能互补容量优化配置方法，能获得兼顾资源时空分布特性和互补调度系统动态时序运行特征的风光新能源容量规划方案，这对引导风光新能源的有序发展，提升风光水多能互补调度的综合效益具有重要的意义。

附图说明

图1为本发明的电力/电量补偿协同的风光水多能互补容量优化配置方法流程。

图2为本发明的风光水多能互补系统多时间尺度嵌套调度模式。

图3为本发明的电力/电量补偿协同的风光水多能互补容量优化配置求解过程。

具体实施方式

下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明提供一种电力/电量补偿协同的风光水多能互补容量优化配置方法，包括如下步骤：

(1)评估风光资源量，初步优选风光电站场址，确定风光最大可开发容量。

收集流域风、光实测气象数据，或者数值天气预报模式(如NECP-R2,ERA-Interim,NASA-MERRA等)的再分析数据，从平均风速、风功率密度(公式(1))、风速年内分布以及年风能可利用小时等方面评估流域内各地理网格的风能开发潜力。其中，风能密度是衡量一个地区风能大小和风能储量最有价值的参考量，计算公式为：

式中，WPD为风功率密度(W/m²)，ρ_i为大气密度(kg/m³)，v_i为风速(m/s)，n为计算周期内的时段数

采用威布尔两参数分布模型对风速年内分布进行拟合，威布尔概率密度函数：

式中：v为风速；c为尺度参数，可反映地理网格的平均风速大小；k为形状参数，可反映各地理网格风速分布的集中程度。

以年均太阳总辐射和日照时数等评价太阳能资源的丰富程度，采用一年中各月日照时数大于6h的天数最大值与最小值之比来衡量太阳能稳定程度，综合评估流域内各地理网格的太阳能资源的丰富程度、稳定程度，以及利用价值。

年内太阳总辐射计算公式为：

其中，R为年内太阳总辐射(MJ/m²)；GHI_t为t时段水平辐照度(W/m²)；Δt为时段长，T为全年计算时段数。

稳定度指标反映太阳能资源全年变幅的大小，比值越小，说明太阳能资源全年变化越稳定，受天气变化影响越少，开发利用价值越高。计算公式为：

式中，k为太阳能资源稳定程度指标，Day₁,Day₂,...Day₁₂分别为1-12月各月日照时数大于6小时的天数。max(*)和min(*)分别为求最大值和最小值的函数。

最后，结合《风能资源评估手册》和中国气象局发布的《光伏并网电站太阳能资源评估规范》规定，以及流域下垫面条件初步优选出风光资源开发潜力较大的地理网格。

同时需要根据地理网格面积确定单位网格风光最大可开发容量。

式中：

和

分别为地理网格i的风电场和光伏电站的最大可开发容量；j为地表覆盖类型，其中包括草原、灌木丛、荒地等17种类型；S_i,j为地理网格i中第j种地表覆盖类型所占的面积；a_j为第j种地表覆盖类型的土地可利用率；S^w和S^pv分别为单个风机和单位装机容量光伏电站的占地面积；

为单个风机的装机容量。

通过地理网格筛选与各地理网格风光最大可开发容量计算，可确定风光电站厂址，为后续模型提供装机容量上限约束条件，减小后续模型计算规模，为步骤(2)中进一步精细化评估风光水多能互补调度效益奠定基础。

(2)提出兼顾长期电量补偿和短期电力补偿效益的风光水多能互补长短嵌套序贯调度方法，精细化评估风光水多能互补调度效益。

建立以全景发电效益最大为目标的中长期电量补偿优化调度模型和实时响应电网需求的短期电力补偿优化调度模型，提出多时间尺度下分层嵌套结构和序贯决策模式，建立平衡混合能源系统长期电量补偿效益和短期电力补偿效益的长短嵌套序贯经济调度模型，以精细化评估风光水多能互补发电效益。

(21)长期电量补偿优化调度模型

长期电量补偿优化调度模型考虑季节性风光水电丰枯电价差异，以多能互补系统在全年发电收益最大为目标，并决策水电站的逐日水位/水量控制过程，为短期调度提供边界条件。

式中：E为多能互补系统全年发电收益，Δd为长期时段长，m为水电站数量，Td为长期调度划分时段数；C_w,d、C_s,d、C_h,d分别为风电、光伏上网价格，以及水电随长期时段d变化的丰枯电价；P^h _i,d为水电站i在长期时段d的输出功率；P^w _i,d、P^s _i,d分别为在长期时段d，接入水电站i打捆送出的风电和光伏输出功率。

其中，水电站的出力计算公式具体为：

P^h _i,d＝kQ^e _i,d*H_i,d (8)

式中：Q^e _i,d为水电站i在长期时段d的发电流量；H_i,d为水电站i在长期时段d的发电水头；k为水电站出力系数。

光伏出力计算公式具体为：

式中：P_stc为标准条件下光伏电池板的出力；I_stc为标准条件所对应的辐照度，1000W/m²；t_stc为标准条件下所对应的温度，25℃；I_i,d为光伏电站在长期时段d的实测辐照度；

为光伏电池板的功率温度系数，晶硅电池一般取-0.4％～-0.45％；t_i,d为光伏电站在长期时段d的光伏电池板温度。

风电出力计算公式具体为：

式中：

为风机额定输出功率；v_i,d为风机在长期时段d的轮毂高度风速；v_in为切入风速；v_out为切出风速；v_r为风机额定风速。

模型需要满足水库水量平衡、水位、库容、流量，以及电网外送通道限制等约束条件。

①水量平衡约束

V_i,d+1＝V_i,d+(I_i,d-Q_i,d)Δd (11)

式中，V_i,d,V_i,d+1分别为水电站i在长期时段d的初、末库容；I_i,d和Q_i,d分别为水电站i在长期时段d的入库流量和出库流量。

②发电引用流量约束

式中，

为水电站i最大允许引用流量。

③下泄流量约束。为保证下游的防洪对象安全和生态安全，需要满足下泄流量约束：

Q_i,min≤Q_i,d≤Q_i,max (13)

式中，Q_i,min为水电站i下游最小生态需水流量；Q_i,max为水电站i最大允许下泄流量。

④水库库容约束

V_i,min≤V_i,d≤V_i,max (14)

式中，V_i,min为水电站i死库容；V_i,max为水电站i在长期时段d的最大允许库容，汛期为防洪限制水位对应的库容，其它时期为正常蓄水位对应的库容。

⑤日水位变幅约束

ΔZ≤ΔZ_max (15)

式中，ΔZ为一日水位变幅；ΔZ_max为一日最大允许水位变幅。

⑥输送通道容量约束

P^s _i,d+P^w _i,d+P^h _i,d≤N_max (16)

式中，N_max为输送通道最大容量。

(22)短期电力补偿优化调度模型

充分发挥风、光、水三种电源的短期电力互补优势，提高风光水多能互补发电系统的调峰能力。优化目标为经风光水多能互补系统削峰后的整个电网余荷在保证平坦的情况下尽可能小。采用电网剩余负荷方差最小为寻优目标：

式中，F为电网剩余负荷方差，T为短期调度划分时段数，

分别为风电、光伏和水电站在短期时段t的输出功率，L_t为短期时段t的电网负荷需求，L_max为最大电网负荷需求；

为平均缺负荷量。

动态规划算法适用于多阶段决策过程最优化问题，它可以将复杂的初始问题简化成一系列简单化的结构相似的最优子问题，逐时段求解得到整个系统的最优决策方案，本发明推荐采用动态规划算法对长期电量补偿优化调度模型和短期电力补偿优化调度模型进行求解。

(23)长短嵌套序贯经济调度模型

构建考虑混合能源系统长期调度效益和短期时序不确定性特征的长短嵌套序贯经济调度模型，参见图2，模型包括两层：

第一层(长期)：以年为调度期，以日为调度时段(长期时段d)，构建以全景发电收益最大为目标的风光水长期电量补偿优化调度模型(见公式(5))，获得梯级水电站日库容运行过程，为短期调度提供水量控制约束。

第二层(短期)：以日为调度期，以15分钟为调度时段(短期时段t)，根据电网对混合能源需求的调峰和发电需求，分别建立相应的短期电力补偿优化调度模型，获得风光水电站的输出功率和水电站的短期水位控制过程。

短期调度模型除了需要满足各风光水电站出力约束，水库水量平衡、水位、库容、流量，以及电网外送通道限制等约束条件外，还需要满足长期水量/水位控制约束：

S_d,96＝S_d (20)

式中，S_d长期时段d的末水位，S_d,96为短期调度日末水位。

长期、短期调度模型通过库容/水位控制实现嵌套和信息反馈，以此建立起能兼顾长期电量补偿效益和短期电力补偿效益的风光水多能多时间尺度协调互补调度模型，以期精细化的评估风光水多能互补发电调度效益。

(3)以步骤(1)确定的风光最大可开发容量为约束条件，以风光水多能互补调度全生命周期投资收益最大化为目标，建立电力/电量补偿协同的风光水多能互补容量优化配置模型，确定风电、光伏的最优开发规模。

首先，分析风光水多能互补系统在全生命周期中主要成本和效益组成，提出系统在全生命周期内运行的成本和效益计算方法；基于建立的兼顾电力/电量补偿效益的长-短嵌套序贯经济调度模式，模拟特定开发方案下多能互补系统在全生命周期内的运行经济效益，优选出使风光水互补调度全生命周期投资收益最大化的风光容量规划方案。

(31)风光水多能互补系统的成本和效益构成

投资成本：分别考虑风电场与光伏电站的地理位置和装机规模等影响因素，分析风光电站在设计建造期需投入的前期工作费、建筑工程费、设备购置费与其他费用，计算多能互补系统的总投资成本C_in：

式中，C_in表示风光电站前期投资成本，

分别为单位装机容量光伏电站和风电站的投资费用，N^pv、N^w分别表示光伏电站和风电站的装机容量。

运行维护成本：风电和光伏电站建成运行以后，为保证电站能够长期正常稳定运行，每年都需进行必要的维护检修。分析风光电站的运行维护需求，根据电站运行寿命，计算系统在全生命周期内的运行维护成本。

式中，C_om表示风光电站在全生命周期内的运行维护成本，Y为全生命周期年数，

分别表示单位装机容量光伏、风电的年运行维护费用；N^pv、N^w分别为光伏电站和风电站的装机容量。

发电收益：在风光水系统投入运行期间，根据不同时段不同电站的上网电价，结合风光水电在各时段的发电量，计算多能互补系统的总发电收益。

式中，P为多能互补系统总发电收益，Y、Td为全生命周期年数、每年的天数；

分别表示水电站、光伏电站和风电站在第i年j天k时段内的发电收益。

全生命周期净收益：风光水系统面向全生命周期的净收益NP表示为系统在生产运营阶段的发电收益减去投资和运行维护的成本费用之和：

NP＝P-C_in-C_om (24)

式中，P、C_in、C_om三项依次代表风光水互补发电系统在全生命周期内的发电收益、风光电站的投资成本以及运行维护成本。

(32)风光水多能互补容量优化配置

以步骤(1)确定的风光最大可开发容量为约束条件，以风光水多能互补调度全生命周期投资收益最大化为目标，建立风光水多能互补容量优化配置模型，确定风电、光伏的最优开发规模。目标函数为：

max NP＝P-C_in-C_om (25)

采用参数模拟优化方法获取最优的风光水多能互补容量配置方案，基本计算流程见图3，包括：

参数化风光容量规划方案；

构建电力/电量补偿协调的风光水多能互补容量优化配置模型，评估互补运行全生命周期风光水多能互补调度的电力、电量补偿效益；

基于评估结果采用遗传算法等现代启发式算法指导风光容量规划方案调整，直至寻找到使风光水互补调度全生命周期投资效益最大化的风光容量规划方案。

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：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (8)

1.电力/电量补偿协同的风光水多能互补容量优化配置方法，其特征在于，包括：

通过评估风光资源量，初步选取风光电站场址，并确定风光最大可开发容量；

构建兼顾长期电量补偿和短期电力补偿的风光水多能互补长短嵌套序贯调度模型，评估给定风光装机容量下风光水多能互补调度效益；

构建电力/电量补偿协同的风光水多能互补容量优化配置模型；所述优化配置模型以风光最大可开发容量为约束，以风光水多能互补调度全生命周期投资收益最大化为目标；

求解所述优化配置模型，得到最优风光装机容量。

2.根据权利要求1所述的电力/电量补偿协同的风光水多能互补容量优化配置方法，其特征在于，所述通过评估风光资源量，初步选取风光电站场址，并确定风光最大可开发容量，包括：

通过计算各地理网格内平均风速、风功率密度、风速年内分布以及年风能可利用小时评估流域内各地理网格的风能开发潜力；

以年均太阳总辐射和日照时数评价太阳能资源的丰富程度，采用一年中各月日照时数大于6h的天数最大值与最小值之比衡量太阳能稳定程度，综合评估流域内各地理网格的太阳能资源的丰富程度和稳定程度；

结合《风能资源评估手册》和《光伏并网电站太阳能资源评估规范》规定，以及流域下垫面条件选出风光资源开发潜力最优的地理网格；

根据地理网格面积确定风光最大可开发容量。

3.根据权利要求1所述的电力/电量补偿协同的风光水多能互补容量优化配置方法，其特征在于，所述兼顾长期电量补偿和短期电力补偿的风光水多能互补长短嵌套序贯调度模型包括两层，

第一层为以风光水多能互补系统全年发电收益最大为目标的长期电量补偿优化调度模型；第二层为以电网剩余负荷方差最小为目标的短期电力补偿优化调度模型；

所述长期电量补偿优化调度模型为：

P^h _i,d＝kQ^e _i,d*H_i,d

其中，E为风光水多能互补系统全年发电收益，Δd为长期时段长，m为水电站数量，Td为长期调度划分时段数，C_w,d和C_s,d分别为风电和光伏上网价格，C_h,d为水电随长期时段d变化的丰枯电价，P^h _i,d为水电站i在长期时段d的输出功率，P^w _i,d和P^s _i,d分别为在长期时段d，接入水电站i打捆送出的风电和光伏输出功率，Q^e _i,d为水电站i在长期时段d的发电流量，H_i,d为水电站i在长期时段d的发电水头，k为水电站出力系数，P_stc为标准条件下光伏电池板的出力，I_stc为标准条件所对应的辐照度，t_stc为标准条件下所对应的温度，I_i,d为光伏电站在长期时段d的实测辐照度，

为光伏电池板的功率温度系数，t_i,d为光伏电站在长期时段d的光伏电池板温度，P_r ^w为风机额定输出功率，v_i,d为风机在长期时段d的轮毂高度风速，v_in为切入风速，v_out为切出风速，v_r为风机额定风速；

所述短期电力补偿优化调度模型为：

其中，F为电网剩余负荷方差，T为短期调度划分时段数，

分别为风电、光伏和水电站在短期时段t的出力，L_t为短期时段t的电网负荷需求，L_max为最大电网负荷需求，

为平均缺负荷量。

4.根据权利要求3所述的电力/电量补偿协同的风光水多能互补容量优化配置方法，其特征在于，

所述长期电量补偿优化调度模型以年为调度期，以日为调度时段，即长期时段长Δd为一日；

所述短期电力补偿优化调度模型以日为调度期，以15分钟为调度时段，即短期时段长为15分钟，短期调度划分时段数T为96。

5.根据权利要求3所述的电力/电量补偿协同的风光水多能互补容量优化配置方法，其特征在于，所述长期电量补偿优化调度模型需满足约束条件：

水量平衡约束：

V_i,d+1＝V_i,d+(I_i,d-Q_i,d)Δd

其中，V_i,d,V_i,d+1分别为水电站i在长期时段d的初、末库容，I_i,d和Q_i,d分别为水电站i在长期时段d的入库流量和出库流量；

发电引用流量约束：

其中，

为水电站i最大允许引用流量；

下泄流量约束：

Q_i,min≤Q_i,d≤Q_i,max

其中，Q_i,min为水电站i下游最小生态需水流量，Q_i,max为水电站i最大允许下泄流量；

水库库容约束：

V_i,min≤V_i,d≤V_i,max

其中，V_i,min为水电站i死库容，V_i,max为水电站i在长期时段d的最大允许库容；

日水位变幅约束：

ΔZ≤ΔZ_max

其中，ΔZ为一日水位变幅，ΔZ_max为一日最大允许水位变幅；

输送通道容量约束：

P^s _i,d+P^w _i,d+P^h _i,d≤N_max

其中，N_max为输送通道最大容量；

所述短期电力补偿优化调度模型同样需满足在短期时段内的水电站水量平衡约束，水电站水位变幅约束，水电站库容约束，水电站流量约束，以及输送通道容量约束，还需要满足：

S_d,96＝S_d

其中，S_d长期时段d的末水位，S_d,96为短期调度日末水位。

6.根据权利要求1所述的电力/电量补偿协同的风光水多能互补容量优化配置方法，其特征在于，所述构建电力/电量补偿协同的风光水多能互补容量优化配置模型，包括：

max NP＝P-C_in-C_om

其中，NP为互补运行全生命周期投资净收益，P为互补运行全生命周期总发电收益，C_in为风光电站前期投资成本，C_om为风光电站在全生命周期内的运行维护成本，Y和Td为全生命周期年数和每年的天数，

分别表示水电站、光伏电站和风电站在第i年j天k时段内的发电收益，

和

分别为单位装机容量光伏电站和风电站的投资费用，N^pv和N^w分别表示光伏电站和风电站的装机容量，

和

分别表示单位装机容量光伏、风电的年运行维护费用，N^pv、N^w分别为光伏电站和风电站的装机容量。

7.根据权利要求5所述的电力/电量补偿协同的风光水多能互补容量优化配置方法，其特征在于，采用动态规划算法求解所述风光水多能互补长短嵌套序贯调度模型，得到给定风光装机容量下各时段风光水多能互补调度效益。

8.根据权利要求6所述的电力/电量补偿协同的风光水多能互补容量优化配置方法，其特征在于，采用遗传算法求解所述电力/电量补偿协同的风光水多能互补容量优化配置模型，得到最优风光装机容量。

Images