CN113078677B - 一种考虑可再生能源不确定性的能源消耗量风险排除方法 - Google Patents

一种考虑可再生能源不确定性的能源消耗量风险排除方法 Download PDF

Info

Publication number
CN113078677B
CN113078677B CN202110378985.1A CN202110378985A CN113078677B CN 113078677 B CN113078677 B CN 113078677B CN 202110378985 A CN202110378985 A CN 202110378985A CN 113078677 B CN113078677 B CN 113078677B
Authority
CN
China
Prior art keywords
energy consumption
output
renewable energy
power system
node
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.)
Active
Application number
CN202110378985.1A
Other languages
English (en)
Other versions
CN113078677A (zh
Inventor
何洁
金骆松
汪向阳
赵雯
黄恒孜
丁一
李思颖
桑茂盛
周迪雅
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.)
Zhejiang Electric Power Trade Center Co ltd
Zhejiang University ZJU
Original Assignee
Zhejiang Electric Power Trade Center Co ltd
Zhejiang University ZJU
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 Zhejiang Electric Power Trade Center Co ltd, Zhejiang University ZJU filed Critical Zhejiang Electric Power Trade Center Co ltd
Priority to CN202110378985.1A priority Critical patent/CN113078677B/zh
Publication of CN113078677A publication Critical patent/CN113078677A/zh
Application granted granted Critical
Publication of CN113078677B publication Critical patent/CN113078677B/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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • 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
    • H02J3/50—Controlling the sharing of the out-of-phase component
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种考虑可再生能源不确定性的能源消耗量风险排除方法。包括获得最终的出力集合；建立考虑可再生能源消纳的电力平衡优化模型得到电力系统平均能源消耗量；建立能源消耗量风险预测模型，计算电力系统能源消耗量风险参数并进行判断，根据判断结果排除能源消耗量风险。本发明能够量化系统整体的能源消耗量风险，得到各时段能源消耗量的期望水平、波动情况及出现较高值的可能性；对可再生能源参与电力系统的相关研究有一定的参考价值，有助于在促进可再生能源消纳的同时排除由此造成的能源消耗量风险；并可为电力系统在不同环境下能源消耗量风险的比较提供依据，从而帮助采取合理的措施以排除能源消耗量风险。

Description

一种考虑可再生能源不确定性的能源消耗量风险排除方法
技术领域
本发明属于电力系统、电力市场技术领域的一种电力市场运行评估方法，具体涉及一种考虑可再生能源不确定性的能源消耗量风险排除方法。
背景技术
21世纪以来，气候、环境条件的恶化使低碳化成为世界能源产业发展的必然趋势。当前，我国也正处于能源转型的关键时期。低碳化趋势和能源转型目标的提出将促使高比例可再生能源接入电网，以风电、光伏为主的可再生能源将逐渐成为我国主要的能源供应形式。
与此同时，随着电力市场建设的持续推进，市场在资源优化配置中的作用愈加明显，通过市场化机制实现可再生能源优先或保障性消纳是我国电力市场建设的重要任务。
然而，由于其出力的不确定性和间歇性，以风电、光伏为代表的可再生能源发电在降低系统成本、减少碳排放的同时，也可能会使实时市场出清能源消耗量发生变化，导致能源消耗量剧烈波动，给电力市场运营带来不可忽视的影响。
发明内容
为了解决背景技术中存在的问题，本发明的目的是提供一种考虑可再生能源不确定性的能源消耗量风险排除方法，分析高比例可再生能源参与对能源消耗量造成的风险，并进行有效的量化评估。
本发明的技术方案如下：
包括以下具体步骤：
步骤1：对可再生能源历史出力数据进行统计和拟合，得到可再生能源累积经验分布函数和可再生能源累积经验分布逆函数，其中，可再生能源累积经验分布函数是指累积概率与出力之间的函数关系，可再生能源累积经验分布逆函数是指出力与累积概率之间的函数关系；通过递归方程得到可再生能源协方差矩阵，然后根据可再生能源协方差矩阵Σt采用蒙特卡洛模拟法生成T维随机数，再根据可再生能源累积经验分布逆函数得到每个随机数对应的出力，并作为出力集合，然后对出力集合进行削减得到最终的出力集合；
步骤2：建立考虑可再生能源消纳的电力平衡优化模型，并采用内点法对电力市场出清优化模型进行求解，得到拉格朗日函数，然后根据拉格朗日函数计算节点能源消耗量和电力系统平均能源消耗量；
步骤3：利用电力系统平均能源消耗量建立能源消耗量风险预测模型，根据能源消耗量风险预测模型计算电力系统能源消耗量风险参数，然后根据电力系统能源消耗量风险参数进行判断，根据判断结果排除能源消耗量风险。
所述的电力系统是由若干个节点、发电机组、负荷和电力线路组成，发电机组包括常规机组和可再生能源机组，可再生能源机组包括光伏机组和风电机组，电力线路包括输电线路和变压器支路，发电机组和负荷均连接在各自的节点上，节点之间由电力线路连接。
所述的可再生能源包括风电和光伏。
所述的步骤1具体如下：
对可再生能源历史出力数据进行统计得到可再生能源历史出力数据分布情况；根据可再生能源历史出力数据分布情况拟合得到可再生能源累积经验分布函数和可生能源累积经验分布逆函数；根据可再生能源历史出力数据分布情况，通过递归方程由前一时刻的可再生能源协方差矩阵得到下一时刻的可再生能源协方差矩阵，初始的可再生能源协方差矩阵为T×T阶单位矩阵；
递归方程采用以下公式表示：
Figure BDA0003012092810000021
式中，Σt和Σt-1分别表示历史时刻t和历史时刻t-1的可再生能源协方差矩阵，Σt和Σt-1均为T×T阶矩阵；e表示遗忘因子；Xt-T表示可再生能源在历史时刻t-T的出力；Xt-T为T维向量；T表示预测循环周期；
根据可再生能源协方差矩阵Σt，采用蒙特卡洛模拟法生成服从正态分布N(0,Σt)的N组T维随机数，根据可再生能源累积经验分布函数分别得到每组T维随机数中每个随机数对应的累计概率，再根据可生能源累积经验分布逆函数分别得到每组T维随机数中每个随机数对应的出力，并作为出力集合，得到N组出力集合；每组出力集合主要由每组T维随机数的出力组成，
采用快速前推方式对N组出力集合进行削减，得到保留下来的出力集合和被削减的出力集合，并把保留下来的出力集合作为最终的出力集合。保留下来的出力集合的数量可以改变。
采用快速前推方式对N组出力集合进行削减，具体为：
采用以下公式的目标函数最小化对N组出力集合进行削减：
Figure BDA0003012092810000031
式中，d表示N组出力集合中保留下来的出力集合与被削减的出力集合之间的概率距离，d为目标函数，pr表示出力集合r发生的概率；Pr和Pj表示可再生能源在出力集合r和出力集合j下的出力；R和J分别表示被削减的出力集合和保留的出力集合；
所述的步骤2具体如下：
建立考虑可再生能源消纳的电力市场优化模型，可再生能源包括风电和光伏，目标函数z为总需求电代价、弃风惩罚代价、弃光惩罚代价以及失负荷惩罚代价之和：
Figure BDA0003012092810000032
式中，
Figure BDA0003012092810000033
表示节点j上发电机组在最终的出力集合中的一个出力集合s下t时刻的有功中标出力；Cj(×)表示节点j上发电机组的总需求电代价，Cj(×)为
Figure BDA0003012092810000034
的函数，一般为一次或二次函数；
Figure BDA0003012092810000035
和
Figure BDA0003012092810000036
分别表示节点j上风电和光伏在最终的出力集合中的一个出力集合s下t时刻的有功出力预测值；
Figure BDA0003012092810000037
和
Figure BDA0003012092810000038
分别表示节点j上风电和光伏在最终的出力集合中的一个出力集合s下t时刻的有功中标出力；
Figure BDA0003012092810000039
表示节点j上的有功负荷；
Figure BDA00030120928100000310
表示节点j在最终的出力集合中的一个出力集合s下t时刻的有功负荷削减量；rw、rs和r分别表示弃风惩罚代价、弃光惩罚代价和失负荷惩罚代价；Ne表示节点的数量；T表示预测循环周期；
目标函数满足以下约束条件：
1)节点有功出力平衡方程：
Figure BDA00030120928100000311
式中，
Figure BDA00030120928100000312
表示节点j在最终的出力集合中的一个出力集合s下t时刻的电压幅值；
Figure BDA00030120928100000313
表示节点k在最终的出力集合中的一个出力集合s下t时刻的电压幅值；
Figure BDA00030120928100000314
表示节点j与节点k在最终的出力集合中的一个出力集合s下t时刻的相角差；Gjk和Bjk分别表示节点导纳矩阵第j行第k列元素的实部和虚部；
2)节点无功出力平衡方程：
Figure BDA00030120928100000315
式中，
Figure BDA00030120928100000316
表示节点j上发电机组在最终的出力集合中的一个出力集合s下t时刻的无功出力；QD,j表示节点j上无功负荷；
3)常规机组出力的约束条件：
Figure BDA0003012092810000041
Figure BDA0003012092810000042
Figure BDA0003012092810000043
式中，
Figure BDA0003012092810000044
和
Figure BDA0003012092810000045
分别表示节点j上常规机组的有功出力下限和有功出力上限；
Figure BDA0003012092810000046
和
Figure BDA0003012092810000047
分别表示节点j上常规机组的无功出力下限和无功出力上限；
Figure BDA0003012092810000048
和
Figure BDA0003012092810000049
分别表示节点j上常规机组有功出力的下爬坡限制和上爬坡限制；
4)风电出力和光伏出力的约束条件：
Figure BDA00030120928100000410
Figure BDA00030120928100000411
5)线路传输容量的约束条件：
Figure BDA00030120928100000412
式中，
Figure BDA00030120928100000413
为线路l在最终的出力集合中的一个出力集合s流过的潮流；Fl min和Fl max表示线路l的最小传输容量和最大传输容量；
6)节点电压的约束条件：
Figure BDA00030120928100000416
式中，
Figure BDA00030120928100000417
和
Figure BDA00030120928100000418
分别表示节点j的电压幅值下限和电压幅值上限；
7)负荷削减量的约束条件：
Figure BDA00030120928100000419
基于目标函数的约束条件，采用内点法以目标函数z最小进行求解，并得到节点有功功率平衡方程的拉格朗日函数Ls，然后采用以下公式计算节点能源消耗量和电力系统平均能源消耗量；
Figure BDA00030120928100000420
Figure BDA00030120928100000421
式中，
Figure BDA00030120928100000422
表示电力系统在最终的出力集合中的一个出力集合s下t时刻的平均能源消耗量；Ne表示节点的数量；
Figure BDA00030120928100000423
表示节点j在最终的出力集合中的一个出力集合s下t时刻的能源消耗量。
所述的步骤3中，电力系统能源消耗量风险参数包括电力系统能源消耗量期望参数、电力系统能源消耗量标准差参数和电力系统尖峰能源消耗量概率，具体采用以下步骤进行计算：
3.1)利用电力系统的平均能源消耗量采用以下公式计算电力系统能源消耗量期望：
Figure BDA0003012092810000051
式中，
Figure BDA0003012092810000052
表示电力系统能源消耗量期望；Ns表示最终保留的出力集合中的个数；ps表示最终的出力集合中的一个出力集合s发生的概率；
Figure BDA0003012092810000053
表示电力系统的平均能源消耗量；电力系统能源消耗量期望用于评估系统平均能源消耗量在所有可能发生的出力集合下的期望水平。
3.2)利用电力系统的平均能源消耗量采用以下公式计算电力系统能源消耗量标准差：
Figure BDA0003012092810000054
式中，
Figure BDA0003012092810000055
表示电力系统能源消耗量标准差；电力系统能源消耗量标准差用于评估系统平均能源消耗量在所有可能发生的出力集合下的波动情况。
3.3)利用电力系统的平均能源消耗量采用以下公式计算电力系统尖峰能源消耗量概率：
Figure BDA0003012092810000056
式中，ζp表示电力系统尖峰能源消耗量概率；
Figure BDA0003012092810000057
为设定的能源消耗量阈值；T表示预测交易周期；电力系统尖峰能源消耗量概率用于评估系统平均能源消耗量在所有可能发生的出力集合下出现较高值的可能性。
3.4)然后进行判断：
根据电力系统能源消耗量风险参数的计算结果分析系统能源消耗量风险：
若电力系统能源消耗量期望参数、电力系统能源消耗量标准差参数和电力系统尖峰能源消耗量概率均小于各自预设的风险阈值，则认为系统能源消耗量风险不存在；
若电力系统能源消耗量期望参数、电力系统能源消耗量标准差参数和电力系统尖峰能源消耗量概率至少其中一个大于各自预设的阈值，则认为系统能源消耗量存在能源消耗量风险，采取增设配置的常规机组的数量、增加可再生能源历史出力数据和增加保留的出力集合数量来减小可再生能源出力不确定性，从而排除能源消耗量风险。
本发明具有的有益效果是：
本发明能够量化系统整体的能源消耗量风险，得到各时段能源消耗量的期望水平、波动情况及出现较高值的可能性；
本发明对可再生能源参与电力系统的相关研究有一定的参考价值，有助于在促进可再生能源消纳的同时衡量由此造成的能源消耗量风险；
本发明的能源消耗量风险评估结果，可为电力系统在不同环境下能源消耗量风险的比较提供依据，从而帮助采取合理的措施以排除能源消耗量风险。
附图说明
图1是电力系统结构示意图；
图2是不同可再生能源渗透率下期望系统能源消耗量图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明的实施例及其实施过程如下：
如图1所示，本发明的电力系统包括30个节点、6台常规机组、1个风电厂、1个光伏电站、41条电力线路和若干负荷组成，负荷和常规机组、风电厂和光伏电站均连接在各自的节点上，节点之间由电力线路连接，电力线路包括输电线路和变压器支路，图1中L加数字为电力线路，其中L11、L12、L15和L36为变压器支路，其他的电力线路均为输电线路，图1中数字加B表示节点，共有30个节点，在节点20B接入一个风电厂，在节点28B接入一个光伏电站，图中圆中由字母加G表示是常规机组，共6台常规机组，在节点上有箭头引出来的线表示是负荷，如在节点24B有引出来的一个箭头表示节点24B上连接有负荷，如在节点25B没有引出来的一个箭头表示节点25B上没有连接负荷。
风电和光伏的发电容量依据不同的分析环境进行设定。
考虑到风电、光伏的边际发电代价很小，代价参数按照最低来设置。电力系统的弃风惩罚代价和弃光惩罚代价设为500，失负荷惩罚代价设为5000。
为了研究不同可再生能源渗透率对能源消耗量风险的影响，本发明设定五种分析环境，各分析环境下风电、光伏发电容量设置如下：
环境1：风电容量50MW，光伏容量0MW；
环境2：风电容量0MW，光伏容量50MW；
环境3：风电容量50MW，光伏容量50MW；
环境4：风电容量70MW，光伏容量70MW；
环境5：风电容量100MW，光伏容量100MW。
按照权利要求中的步骤或发明内容中的步骤进行操作，计算得到的不同可再生能源渗透率下的期望系统能源消耗量
Figure BDA0003012092810000061
系统能源消耗量标准差
Figure BDA0003012092810000062
与系统尖峰能源消耗量概率ζp的结果分别如图2、表1和表2所示，能源消耗量阈值
Figure BDA0003012092810000071
根据可再生能源出力预测值得到市场出清能源消耗量的最高值而定。
表1
Figure BDA0003012092810000072
表2
Figure BDA0003012092810000073
由图2可以看出，可再生能源机组接入电网后，系统整体的能源消耗量水平也有所下降，且渗透率越高，能源消耗量降低越明显。这是因为可再生能源相比常规机组发电成本较低，随着渗透率的增大，可再生能源出力也不断增大，代替部分高成本机组发电，导致期望系统能源消耗量也随之下降。
表1为不同可再生能源渗透率下部分时段系统能源消耗量标准差，由表1可以看出，在不同可再生能源渗透率下，系统能源消耗量标准差也存在差异，可再生能源渗透率越高，系统能源消耗量标准差越大。比较环境1和环境2，可以看出环境1下的能源消耗量标准差更大，表明风电比光伏更容易导致能源消耗量的波动性，这是因为在本算例中，风电的预测误差标准差比光伏更大，另外，可以看出在15h-20h时段内，系统能源消耗量标准差相对较高，这是因为这段时间内为可再生能源出力的高峰期，能源消耗量对可再生能源出力的波动性较为敏感。
与系统能源消耗量标准差不同，系统尖峰能源消耗量概率与可再生能源渗透率的关系恰好相反。表2为不同可再生能源渗透率下系统尖峰能源消耗量概率，由表2可以看出，随着可再生能源渗透率的提高，系统尖峰能源消耗量概率逐渐降低。这是因为可再生能源发电占比的增大，导致能源消耗量水平整体下降，因此出现尖峰能源消耗量的概率也相应变小。
因此，本发明可以量化系统整体的能源消耗量风险，得到各时段能源消耗量的期望水平、波动情况及出现较高值的可能性。同时，本发明对可再生能源参与电力系统的相关研究具有一定的参考价值，在促进可再生能源消纳的同时，也要关注由此造成的能源消耗量风险，通过增设配置的常规机组的数量、增加可再生能源历史出力数据和增加保留的出力集合数量来提高可再生能源出力预测精度，然后通过提高可再生能源出力预测精度减小出力的不确定性，从而排除能源消耗量风险。

Claims (4)

1.一种考虑可再生能源不确定性的能源消耗量风险排除方法，其特征在于：方法包括以下步骤：
步骤1、对可再生能源历史出力数据进行统计和拟合，得到可再生能源累积经验分布函数和可再生能源累积经验分布逆函数，其中，可再生能源累积经验分布函数是指累积概率与出力之间的函数关系，可再生能源累积经验分布逆函数是指出力与累积概率之间的函数关系；通过递归方程得到可再生能源协方差矩阵，然后根据可再生能源协方差矩阵Σt采用蒙特卡洛模拟法生成T维随机数，再根据可再生能源累积经验分布逆函数得到每个随机数对应的出力，并作为出力集合，然后对出力集合进行削减得到最终的出力集合；
步骤2、建立考虑可再生能源消纳的电力平衡优化模型，并采用内点法对电力市场出清优化模型进行求解，得到拉格朗日函数，然后根据拉格朗日函数计算节点能源消耗量和电力系统平均能源消耗量；
步骤3、利用电力系统平均能源消耗量建立能源消耗量风险预测模型，根据能源消耗量风险预测模型计算电力系统能源消耗量风险参数，然后根据电力系统能源消耗量风险参数进行判断，根据判断结果排除能源消耗量风险；
所述的步骤2具体如下：
建立考虑可再生能源消纳的电力市场优化模型，可再生能源包括风电和光伏，目标函数z为总需求电代价、弃风惩罚代价、弃光惩罚代价以及失负荷惩罚代价之和：
Figure FDA0003549218480000011
式中，
Figure FDA0003549218480000012
表示节点j上发电机组在最终的出力集合中的一个出力集合s下t时刻的有功中标出力；Cj(·)表示节点j上发电机组的总需求电代价，为
Figure FDA0003549218480000013
的函数；
Figure FDA0003549218480000014
和
Figure FDA0003549218480000015
分别表示节点j上风电和光伏在最终的出力集合中的一个出力集合s下t时刻的有功出力预测值；
Figure FDA0003549218480000016
和
Figure FDA0003549218480000017
分别表示节点j上风电和光伏在最终的出力集合中的一个出力集合s下t时刻的有功中标出力；
Figure FDA0003549218480000018
表示节点j上的有功负荷；
Figure FDA0003549218480000019
表示节点j在最终的出力集合中的一个出力集合s下t时刻的有功负荷削减量；rw、rs和r分别表示弃风惩罚代价、弃光惩罚代价和失负荷惩罚代价；Ne表示节点的数量；T表示预测循环周期；
目标函数满足以下约束条件：
1)节点有功出力平衡方程：
Figure FDA0003549218480000021
式中，
Figure FDA0003549218480000022
表示节点j在最终的出力集合中的一个出力集合s下t时刻的电压幅值；
Figure FDA0003549218480000023
表示节点k在最终的出力集合中的一个出力集合s下t时刻的电压幅值；
Figure FDA0003549218480000024
表示节点j与节点k在最终的出力集合中的一个出力集合s下t时刻的相角差；Gjk和Bjk分别表示节点导纳矩阵第j行第k列元素的实部和虚部；
2)节点无功出力平衡方程：
Figure FDA0003549218480000025
式中，
Figure FDA0003549218480000026
表示节点j上发电机组在最终的出力集合中的一个出力集合s下t时刻的无功出力；QD,j表示节点j上无功负荷；
3)常规机组出力的约束条件：
Figure FDA0003549218480000027
Figure FDA0003549218480000028
Figure FDA0003549218480000029
式中，
Figure FDA00035492184800000210
和
Figure FDA00035492184800000211
分别表示节点j上常规机组的有功出力下限和有功出力上限；
Figure FDA00035492184800000212
和
Figure FDA00035492184800000213
分别表示节点j上常规机组的无功出力下限和无功出力上限；
Figure FDA00035492184800000214
和
Figure FDA00035492184800000215
分别表示节点j上常规机组有功出力的下爬坡限制和上爬坡限制；
4)风电出力和光伏出力的约束条件：
Figure FDA00035492184800000216
Figure FDA00035492184800000217
5)线路传输容量的约束条件：
Figure FDA00035492184800000218
式中，
Figure FDA00035492184800000219
为线路l在最终的出力集合中的一个出力集合s流过的潮流；Fl min和Fl max表示线路l的最小传输容量和最大传输容量；
6)节点电压的约束条件：
Figure FDA00035492184800000220
式中，Vj min和Vj max分别表示节点j的电压幅值下限和电压幅值上限；
7)负荷削减量的约束条件：
Figure FDA00035492184800000221
基于目标函数的约束条件，采用内点法以目标函数z最小进行求解，并得到节点有功功率平衡方程的拉格朗日函数Ls，然后采用以下公式计算节点能源消耗量和电力系统平均能源消耗量；
Figure FDA0003549218480000031
Figure FDA0003549218480000032
式中，
Figure FDA0003549218480000033
表示电力系统在最终的出力集合中的一个出力集合s下t时刻的平均能源消耗量；Ne表示节点的数量；
Figure FDA0003549218480000034
表示节点j在最终的出力集合中的一个出力集合s下t时刻的能源消耗量。
2.根据权利要求1所述的考虑可再生能源不确定性的能源消耗量风险排除方法，其特征在于：所述的可再生能源包括风电和光伏。
3.根据权利要求1所述的考虑可再生能源不确定性的能源消耗量风险排除方法，其特征在于：
所述的步骤1具体如下：
对可再生能源历史出力数据进行统计得到可再生能源历史出力数据分布情况；根据可再生能源历史出力数据分布情况拟合得到可再生能源累积经验分布函数和可生能源累积经验分布逆函数；根据可再生能源历史出力数据分布情况，通过递归方程由前一时刻的可再生能源协方差矩阵得到下一时刻的可再生能源协方差矩阵，初始的可再生能源协方差矩阵为T×T阶单位矩阵；
递归方程采用以下公式表示：
Figure FDA0003549218480000035
式中，Σt和Σt-1分别表示历史时刻t和历史时刻t-1的可再生能源协方差矩阵；e表示遗忘因子；Xt-T表示可再生能源在历史时刻t-T的出力；Xt-T为T维向量；T表示预测循环周期；
根据可再生能源协方差矩阵Σt，采用蒙特卡洛模拟法生成服从正态分布N(0,Σt)的N组T维随机数，根据可再生能源累积经验分布函数分别得到每组T维随机数对应的累计概率，再根据可生能源累积经验分布逆函数分别得到每组T维随机数对应的出力，并作为出力集合，得到N组出力集合；
采用快速前推方式对N组出力集合进行削减，得到保留下来的出力集合和被削减的出力集合，并把保留下来的出力集合作为最终的出力集合。
4.根据权利要求1所述的考虑可再生能源不确定性的能源消耗量风险排除方法，其特征在于：
所述的步骤3中，电力系统能源消耗量风险参数包括电力系统能源消耗量期望参数、电力系统能源消耗量标准差参数和电力系统尖峰能源消耗量概率，具体采用以下步骤进行计算：
3.1)利用电力系统的平均能源消耗量采用以下公式计算电力系统能源消耗量期望：
Figure FDA0003549218480000041
式中，
Figure FDA0003549218480000042
表示电力系统能源消耗量期望；Ns表示最终保留的出力集合中的个数；ps表示最终的出力集合中的一个出力集合s发生的概率；
Figure FDA0003549218480000043
表示电力系统的平均能源消耗量；
3.2)利用电力系统的平均能源消耗量采用以下公式计算电力系统能源消耗量标准差：
Figure FDA0003549218480000044
式中，
Figure FDA0003549218480000045
表示电力系统能源消耗量标准差；
3.3)利用电力系统的平均能源消耗量采用以下公式计算电力系统尖峰能源消耗量概率：
Figure FDA0003549218480000046
式中，ζp表示电力系统尖峰能源消耗量概率；
Figure FDA0003549218480000047
为设定的能源消耗量阈值；T表示预测交易周期；
3.4)然后进行判断：
根据电力系统能源消耗量风险参数的计算结果分析系统能源消耗量风险：
若电力系统能源消耗量期望参数、电力系统能源消耗量标准差参数和电力系统尖峰能源消耗量概率均小于各自预设的风险阈值，则认为系统能源消耗量风险不存在；
若电力系统能源消耗量期望参数、电力系统能源消耗量标准差参数和电力系统尖峰能源消耗量概率至少其中一个大于各自预设的阈值，则认为系统能源消耗量存在能源消耗量风险，采取增设配置的常规机组的数量、增加可再生能源历史出力数据和增加保留的出力集合数量来排除能源消耗量风险。
CN202110378985.1A 2021-04-08 2021-04-08 一种考虑可再生能源不确定性的能源消耗量风险排除方法 Active CN113078677B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110378985.1A CN113078677B (zh) 2021-04-08 2021-04-08 一种考虑可再生能源不确定性的能源消耗量风险排除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110378985.1A CN113078677B (zh) 2021-04-08 2021-04-08 一种考虑可再生能源不确定性的能源消耗量风险排除方法

Publications (2)

Publication Number Publication Date
CN113078677A CN113078677A (zh) 2021-07-06
CN113078677B true CN113078677B (zh) 2022-05-27

Family

ID=76615565

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110378985.1A Active CN113078677B (zh) 2021-04-08 2021-04-08 一种考虑可再生能源不确定性的能源消耗量风险排除方法

Country Status (1)

Country Link
CN (1) CN113078677B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115940152B (zh) * 2023-02-22 2023-08-18 国网山东省电力公司东营市垦利区供电公司 一种新能源装机容量优化分配方法、系统、终端及介质
CN116432478B (zh) * 2023-06-15 2023-09-08 广东电网有限责任公司东莞供电局 一种电力系统的能量确定方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103208088A (zh) * 2013-03-21 2013-07-17 国家电网公司 考虑风电出力不确定性的节能发电调度的决策风险计算机评价方法
CN106549378A (zh) * 2016-12-09 2017-03-29 国网江苏省电力公司金湖县供电公司 一种针对分布式电源出力不确定性的配网协同调度方法
CN107785935A (zh) * 2017-12-07 2018-03-09 太原理工大学 计及风险及机组组合的电网风电消纳能力评估方法
CN110750758A (zh) * 2019-09-06 2020-02-04 广州捷能电力科技有限公司 计及风险的微电网的日前优化调度方法
CN111681130A (zh) * 2020-06-15 2020-09-18 西安交通大学 一种考虑条件风险价值的综合能源系统优化调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10673273B2 (en) * 2018-05-18 2020-06-02 General Electric Company Distributed ledger based control of large-scale, power grid energy resources

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103208088A (zh) * 2013-03-21 2013-07-17 国家电网公司 考虑风电出力不确定性的节能发电调度的决策风险计算机评价方法
CN106549378A (zh) * 2016-12-09 2017-03-29 国网江苏省电力公司金湖县供电公司 一种针对分布式电源出力不确定性的配网协同调度方法
CN107785935A (zh) * 2017-12-07 2018-03-09 太原理工大学 计及风险及机组组合的电网风电消纳能力评估方法
CN110750758A (zh) * 2019-09-06 2020-02-04 广州捷能电力科技有限公司 计及风险的微电网的日前优化调度方法
CN111681130A (zh) * 2020-06-15 2020-09-18 西安交通大学 一种考虑条件风险价值的综合能源系统优化调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于拉格朗日函数的配电网评价指标权重研究;白恒远等;《电测与仪表》;20190326(第08期);1-8页，正文第2章 *
计及新能源出力不确定性的电气综合能源系统协同优化;王静,徐箭;《电力系统自动化》;20190806;2-9 *

Also Published As

Publication number Publication date
CN113078677A (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
CN112632794B (zh) 基于交叉熵参数子集模拟优化的电网可靠性评估方法
CN112036611B (zh) 一种计及风险的电网优化规划方法
CN113078677B (zh) 一种考虑可再生能源不确定性的能源消耗量风险排除方法
CN108400595B (zh) 一种考虑新能源出力相关性的电压暂降随机预估方法
CN103986193B (zh) 一种最大风电并网容量获取的方法
CN112103941B (zh) 考虑电网灵活性的储能配置双层优化方法
CN102915472A (zh) 基于基因修复混沌遗传算法的配电网综合优化规划方法
CN110334870B (zh) 基于门控循环单元网络的光伏电站短期功率预测方法
CN104050517A (zh) 基于grnn神经网络的光伏发电预测方法
CN111931331B (zh) 一种适用于配电网机组组合的分布鲁棒优化方法
CN103077300A (zh) 一种基于二型模糊逻辑的分布式光伏电源发电量预测方法
CN114362153A (zh) 一种并网型风光储系统多目标容量优化配置方法及系统
CN112508279B (zh) 基于空间相关性的区域分布式光伏预测方法及系统
CN114511132A (zh) 一种光伏出力短期预测方法及预测系统
CN111428970A (zh) 一种大规模水电站群跨省外送能力分析模型及求解方法
CN111612244A (zh) 基于qra-lstm的日前光伏功率非参数概率预测方法
CN116418001A (zh) 应对新能源不确定性的水库群多能互补调度方法与系统
CN113363976B (zh) 一种基于场景图的风光水互补发电系统中期优化调度方法
CN114123313B (zh) 一种时序生产模拟新能源电力系统消纳方法
CN113536581B (zh) 一种计及运行策略的储能系统多状态可靠性建模方法
CN110729767A (zh) 一种含水电的地区电网风光容量优化配置方法
CN112994087B (zh) 基于条件风险约束的多源电力系统中期优化调度方法
CN108108837B (zh) 一种地区新能源电源结构优化预测方法和系统
CN111342501B (zh) 一种含分布式电源微电网的无功功率控制方法
CN113158547A (zh) 计及经济性和可靠性的区域综合能源系统优化配置方法

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