CN113328475A - 一种计及新能源消纳的基于源荷协调互补的电力系统调度方法 - Google Patents

Abstract

本发明公开了一种计及新能源消纳的基于源荷协调互补的电力系统调度方法，包括以下步骤：对新能源出力和负荷进行互补协调优化，优化过程同时计及新能源消纳目标以及等效负荷曲线波动性最小目标，从而得到负荷叠加新能源出力后的等效负荷曲线；在此基础上以火电机组运行经济性最优为目标构建调度模型，通过时序生产模拟的方法得到火电平衡等效负荷曲线的出力情况。本发明所述调度方法不仅对于降低电力系统峰谷差、改善等效负荷曲线的波动性以平滑火电机组出力具有明显的效果，还能保证新能源的弃电量不至于过大，同时还可以降低火电机组开机容量。

Description

一种计及新能源消纳的基于源荷协调互补的电力系统调度 方法

技术领域

本发明属于新能源电力系统调度技术领域，具体涉及一种计及新能源消纳的基于源荷协调互补的电力系统调度方法。

背景技术

随着“碳达峰”与“碳中和”目标的提出，大力发展以风电、光伏为主的新能源电力已成未来趋势。然而，新能源具有间歇性和随机性的特点，对电力系统造成较大冲击；另一方面，风电和光伏往往存在不同程度的反调峰特性，随着风电与光伏装机容量的不断增加，其反调峰特性越来越明显，造成火电机组频繁调整出力以跟踪负荷和新能源，不仅给火电机组带来很大的调峰压力且容易造成大量的弃风弃光。因此，如何确定系统的调度策略就显得十分重要。传统调度方式在满足最大负荷并留有一定备用的条件下确定火电机组开机容量，以确保满足负荷需求，这种方式下较大的火电机组开机容量不仅造成浪费而且没有计及风光之间的互补特性，火电机组需要频繁调节出力以跟踪新能源出力和负荷变化，对火电机组磨损严重。为了更好的削峰填谷，平滑火电机组出力，使新能源出力与负荷协调互补得到优化后波动性最小的等效负荷曲线，进而火电机组平衡等效负荷曲线成为一种较好的调度方式，但其单一以等效负荷曲线波动性最小为目标造成较大的弃新能源率。

发明目的

本发明的目的即在于应对现有技术中所存在的问题，旨在至少在一定程度上解决上述技术问题之一或至少提供一种有用的商业选择，为了在平滑等效负荷曲线的基础上尽可能大的消纳新能源，提出了一种计及新能源消纳的基于源荷协调互补的电力系统调度方法，可以同时兼顾新能源消纳与减小等效负荷波动的目标。

发明内容

本发明提供了一种计及新能源消纳的基于源荷协调互补的电力系统调度方法，所述电力系统包括新能源机组和火电机组，所述新能源机组包括风电机组和/或光伏机组；所述电力系统调度方法包括以下步骤：

步骤A.对电力系统中的新能源出力和负荷进行互补协调优化，优化过程同时计及新能源消纳目标以及等效负荷曲线波动性最小目标，从而得到负荷叠加新能源出力后的等效负荷曲线，具体包括以下子步骤：

子步骤A1、获取系统预测风电、光伏出力曲线以及负荷曲线，其中在t时刻，预测风电出力、光伏出力以及负荷分别表示为P_FL(t)、P_GL(t)、D_P(t)；以新能源全消纳或大比例消纳的限制因素，如下式所示

式中ρ为定义的新能源消纳比例，把此时得到的等效负荷曲线波动值Obj作为波动量最大的基准值，记为B_max，O_bj的计算表达式如式(1)所示：

其中：T为电力系统调度期间的时段数；t为某一时刻，单位为小时；E_p(t)为等效负荷曲线在t时刻的值，表达为如式(2)所示：

E_p(t)＝L_p(t)-P_F(t)-P_G(t) (2)，

式中，L_p(t)为t时刻的负荷值，它的范围是在预测负荷D_P(t)的基础上向上或向下波动α％，且要满足电力系统调度周期内总负荷电量不变，即

P_F(t)、P_G(t)分别为t时刻风电、光伏的出力值，它们的范围在0到预测出力之间；E_pv为E_p(t)序列的均值，表示为如式(3)所示：

以形成的等效负荷曲线波动性最小为目标函数，将波动最小时的等效负荷曲线的波动值O_bj记作为B_max；

子步骤A2、计算新能源机组的理论发电量X_max，将其作为新能源消纳量的理论最大值，X_max的计算式如式(4)所示：

子步骤A3、构建以等效负荷波动性最小和新能源消纳量最大的多目标模型，基于子步骤A1和步骤A2所得到的波动量最大值B_max和新能源消纳量理论最大值X_max，采用线性加权的方法将两个不同量纲的函数转换得到一个目标函数，如式(5)所示：

式中，ω₁、ω₂分别为两个目标的权重系数，且满足ω₁+ω₂＝1,其余各变量定义及范围与步骤A1中一致，求解式(5)即得到优化后的等效负荷曲线E_p(t)；

步骤B.以火电机组运行经济性最优为目标构建调度模型，通过时序生产模拟的方法得到火电平衡等效负荷曲线的出力情况，包括以下子步骤：

子步骤B1、确定火电机组开机方式，具体是，基于步骤A中的子步骤A3所得到的等效负荷曲线E_p(t)确定机组开机方式，开机方式选取原则为：在最大等效负荷max(E_p(t))的基础上考虑负荷备用max(D_p(t))·σ，以及新能源备用{max(P_FL(t))+max(P_GL(t))}·μ，从而确定最大开机容量S_max，选择满足最大开机容量S_max下机组最低技术出力最小的开机方案，所述最大开机容量S_max表示为如式(6)所示：

S_max＝max(E_p(t))+max(D_p(t))·σ+{max(P_FL(t))+max(P_GL(t))}·μ (6)，

式中，σ、μ分别为负荷备用系数和新能源备用系数；

子步骤B2、以火电机组运行经济性最优为目标构建调度模型，满足如式(7)所示的机组运行约束：

minC_to_tal＝C^Y+C^R+C^W (7)，

式中

C^Y、C^R、C^W分别表示火电机组的运行成本、燃料成本和排放成本，均为火电机组发电量P_M(t)的函数。

优选地，步骤A中所述新能源消纳比例ρ为0.95。

优选地，式(5)中，ω₁、ω₂分别为0.3和0.7。

优选地，式(6)中，σ、μ分别取值为5％和10％。

附图说明

图1为本发明所述计及新能源消纳的基于源荷协调互补的电力系统调度方法流程图。

图2为本发明具体实施例中的预测负荷特性曲线。

图3为本发明具体实施例中的预测风电出力曲线。

图4为本发明具体实施例中的预测光伏出力曲线。

图5为本发明具体实施例中的单目标、多目标模型下等效负荷曲线与预测负荷特性曲线对比图。

图6为本发明具体实施例中的单目标模型下系统出力调度结果图。

图7为本发明具体实施例中的多目标模型下系统出力调度结果图。

具体实施方式

下面结合附图，对本发明进一步详细说明。

计及新能源消纳的基于源荷协调互补调度方法，包括以下步骤：

步骤A.对新能源出力和负荷进行互补协调优化，优化过程同时计及新能源消纳最大目标以及等效负荷曲线波动性最小目标：

从而得到优化后的新能源出力与负荷叠加的等效负荷曲线。

步骤A1：选取某地区一个月为调度周期，获取系统预测负荷特性曲线如图2所示、预测风电出力曲线如图3所示、预测光伏出力曲线如图4所示，其中预测风电出力、光伏出力以及负荷分别表示为P_FL(t)、P_GL(t)、D_P(t)。考虑新能源实际出力可以在0到预测出力范围内调节，以及考虑负荷的不确定性其会在预测值的小范围内波动，考虑如下约束条件：

0≤P_F(t)≤P_FL(t) (条件1)，

0≤P_G(t)≤P_GL(t) (条件2)，

D_p(t)·(1-α％)≤L_p(t)≤D_p(t)·(1+α％) (条件3)，

其中：T为系统调度期间的时段数；t为某一时刻，单位为小时；P_F(t)、P_G(t)分别为t时刻风电、光伏出力值，它们的范围是在0到预测出力之间；L_p(t)为t时刻的负荷值，它的范围是在预测负荷D_P(t)的基础上考虑向上向下波动α％，且要满足调度周期内总负荷电量不变。本算例中取α％为5％。

通过优化调节新能源的出力与负荷曲线协调互补可以得到波动性不同的等效负荷曲线，表示为条件5所示

E_p(t)＝L_p(t)-P_F(t)-P_G(t) (条件5)，

式中，E_P(t)为等效负荷曲线t时刻的等效负荷值。

定义等效负荷曲线波动性指标O_bj，具体如下：

式中，E_pv为E_p(t)序列的均值。

以优化得到的等效负荷曲线波动性最小为目标函数，表示为minObj如下式所示，以条件1-7为约束条件，可以得到波动值最小的等效负荷曲线，如下式所示：

新能源消纳量的大小与等效负荷曲线的波动剧烈程度正相关。当要求百之百新能源全消纳时，等效负荷曲线即为预测负荷曲线减去预测新能源出力，也即净负荷曲线，此时的等效负荷曲线波动值较大。可以在上述模型基础上加入新能源全消纳或较大比例消纳的限制因素，如下式所示，把此时得到的等效负荷曲线波动值Obj作为波动量最大的基准值，记为B_max，

式中，ρ为定义的新能源消纳比例，本算例中取0.95。

步骤A2：计算新能源的理论发电量，并记为X_max，作为新能源消纳量的理论最大值，表示为下式所示：

步骤A3：构建综合考虑等效负荷波动性最小和新能源消纳量最大的多目标模型，如式(11)和(12)所示。由于多目标函数的优化目标不同，本发明将两个目标函数进行标幺化处理，并赋予两个目标以权重，通过线性加权的方法将两个不同量纲的多目标模型转换得到单目标模型，如式(13)所示。目标函数的标幺化计算基于步骤A1和步骤A2得到的波动量最大值B_max和新能源消纳量理论最大值X_max。

其中ω₁、ω₂分别为两个目标的权重系数，且满足ω₁+ω₂＝1，可根据实际需求选取。本算例中取ω₁、ω₂分别为0.3和0.7。以式(13)为目标函数，式(1)-(7)为约束条件进行优化求解，该方法下得出的等效负荷曲线同时兼顾了曲线的波动特性以及新能源的消纳情况，得出优化后的等效负荷曲线E_p(t)如图5所示(截取其中一周为例)，并在图中与预测负荷特性曲线及单一考虑波动性最小为目标得到的等效负荷曲线进行对比。

对于步骤B，包括：基于步骤A，以火电机组运行经济性最优为目标构建调度模型，minC_total＝C^Y+C^R+C^W，通过时序生产模拟的方法得到火电平衡等效负荷曲线的出力情况，包括以下步骤：

步骤B1：确定火电机组开机方式。基于步骤A3得到的等效负荷曲线确定机组开机方式，开机方式选取原则为：在最大等效负荷max(E_p(t))的基础上考虑负荷备用max(D_p(t))·σ，以及新能源备用{max(P_FL(t))+max(P_GL(t))}·μ。从而确定最大开机容量S_max＝max(E_p(t))+max(D_p(t))·σ+{max(P_FL(t))+max(P_GL(t))}·μ，并选择满足最大开机容量下机组最低技术出力最小的开机方案。

式中，σ、μ分别为负荷备用系数和新能源备用系数，本算例中σ、μ分别取值为5％和10％。

选取某地区一个月为调度周期，该地区装机容量和火电机组相关系数如表1-2所示。

表1某地区装机情况表

表2火电机组相关系数表

表中，s_k为机组的容量类型，单位为：万千瓦；n为该种类型机组台数；u_l、d_l、p_up、p_down分别为机组出力上下限系数以及向上向下爬坡速率，均以标幺值的形式给出，其基准值为机组额定容量；c_y、c_r为机组的运行成本和燃料成本，单位为：元/千瓦时；w_c、w_n、w_s分别为机组发电排放CO₂、SO₂、NO_x系数，单位为：克/千瓦时。

该月预测新能源出力最大值以及不同负荷特性曲线特征值如表3所示。其中，净负荷为预测负荷减去预测新能源出力，单目标及多目标下等效负荷曲线由步骤A求得。

表3预测新能源出力及不同负荷特性曲线特征值

单位(万千瓦)

根据表2和表3参数，按照本步骤中所述开机方式选取原则，开机容量S_max为724万千瓦，取6台100万千瓦机组和2台66万千瓦机组，实际火电开机容量732万千瓦。

步骤B2：以火电机组运行经济性最优为目标构建调度模型，minC_total＝C^Y+C^R+C^W，满足机组运行约束，通过时序生产模拟得到火电平衡等效负荷曲线的出力情况。

式中，I为开机数量，P_M,i(t)为火电机组i在t时刻的出力；c_y,i、c_r,i分别为火电机组i的运行成本、燃料成本；w_c,i、w_s,i、w_n,i分别为火电机组i的CO₂、SO₂、NO_x排放系数；c_c、c_s、c_n分别为CO₂、SO₂、NO_x单位排放成本，本算例中取c_c、c_s、c_n分别为54、3000、3000，单位为元/吨。

时序生产模拟运行约束条件为

功率平衡约束

机组出力约束

d_l,i·s_k,i≤P_M,i(t)≤u_l,i·s_k,i (18)

式中，u_l,i、d_l,i、s_k,i分别为机组i的出力上限、下限系数以及额定容量。

机组爬坡约束

-p_down,i·s_k,i≤P_M,i(t+1)-P_M,i(t)≤p_up,i·s_k,i (19)

式中，p_up,i、p_down,i分别为机组i的向上、向下爬坡速率。

备用约束

式中，ν、λ₁、λ₂分别为考虑负荷、风电出力以及光伏出力的不确定性，可能与优化确定的出力存在偏差而取的备用系数，本算例中ν、λ₁、λ₂分别取值为0.05、0.1、0.1。

由步骤A中优化新能源出力，得到源荷协调互补的等效负荷曲线，并以本步骤中火电机组运行经济性最优为目标构建调度模型，满足机组运行约束，通过时序生产模拟可以得到火电平衡等效负荷曲线的出力情况。最终得到的基于单目标和多目标下系统出力调度结果如图6和图7所示。

为使本领域技术人员更好地理解本发明以及了解本发明相对现有技术的优点，申请人结合具体实施例进行进一步的阐释。

1、等效负荷波动性分析

不论是单目标(即以等效负荷波动性最小为目标)模型下还是多目标(计及新能源消纳最大目标和等效负荷波动性最小目标)模型下，通过源荷协调互补得到的等效负荷曲线与原始预测负荷曲线的波动性相比均得到很大改善，对比净负荷曲线更是得到极大改善。为更好的展示效果，将不同负荷曲线的波动特征参数总结如表4所示。可见，优化后的等效负荷曲线不论是峰谷差还是波动值都大大改善，且单目标下由于仅以波动值最小为目标因此其改善效果最明显。多目标下等效负荷曲线由于兼顾了新能源消纳目标，因此其波动较单目标方式下略大，但与预测负荷曲线或净负荷相比改善效果明显。预测负荷特性曲线，单目标、多目标模型下等效负荷曲线对比图如图5所示，从图5中可以更加明显看出上述特点。优化后得到的波动性更小的等效负荷曲线可以平滑火电机组出力，避免火电机组频率调节出力，并减小火电机组调峰压力。

表4不同负荷特性曲线波动特征参数

同时，按本方法得到的实际火电开机容量为732万千瓦。若按传统开机方式，在满足最大预测负荷的基础上考虑留有一定备用容量，这里备用仍按照最大预测负荷的5％考虑，则开机容量为756万千瓦，对比表2本地火电机组参数，则需多开一台35万千瓦机组，实际开机容量为767万千瓦。因此，本发明还可以降低火电机组开机容量。

2、新能源消纳情况分析

单目标模型下为了最小化等效负荷波动，造成了很大的弃新能源发电量，本仿真算例中，以某地区一个月为调度周期，计算得到单目标模型下弃新能源率高达55.6％，而计及新能源消纳与等效负荷波动性的多目标模型下弃新能源率为14.5％，较单目标模型下大大降低。两种模式下各类电源出力如表5所示。

表5单目标与多目标模型下不同电源出力情况

单位：万千瓦时

选取其中48小时时段为例，将单目标和多目标模型下系统出力调度结果分别展示如图6和图7所示，从图中可以很明显的看出，虽然多目标模型下火电机组出力较单目标模型下波动更加大一点，但新能源消纳量却有了很大提升。单一考虑波动性最小为目标，等效负荷波动性和峰谷差得到较好改善，但却以弃掉大量新能源为代价。

通过以上的仿真分析可以看出，本发明计及新能源消纳的基于源荷协调互补调度方法不仅对于降低电力系统峰谷差、改善等效负荷曲线的波动性以平滑火电机组出力具有明显的效果，而且又能保证新能源的弃电量不至于过大，同时还可以降低火电机组开机容量。

由此可见，本发明所提供的计及新能源消纳的基于源荷协调互补的电力系统调度方法，对于降低电力系统峰谷差、改善等效负荷曲线的波动性以平滑火电机组出力具有明显的效果，又能保证新能源的弃电量不至于过大，同时还可以降低火电机组开机容量，并通过仿真算例验证了所提方法的有效性。

上述实施例对本发明的技术方案进行了详细说明。但是，本领域技术人员应该理解，本发明并不局限于所描述的实施例。基于本发明中的实施例，熟悉本技术领域的人员还可据此做出多种变化，但任何与本发明等同或相类似的变化都属于本发明保护的范围。

Claims (4)

1.一种计及新能源消纳的基于源荷协调互补的电力系统调度方法，所述电力系统包括新能源机组和火电机组，所述新能源机组包括风电机组和/或光伏机组，其特征在于，所述电力系统调度方法包括以下步骤：

步骤A.对电力系统中的新能源出力和负荷进行互补协调优化，优化过程同时计及新能源消纳目标以及等效负荷曲线波动性最小目标，从而得到负荷叠加新能源出力后的等效负荷曲线，具体包括以下子步骤：

子步骤A1、获取系统预测风电、光伏出力曲线以及负荷曲线，其中在t时刻，预测风电出力、光伏出力以及负荷分别表示为P_FL(t)、P_GL(t)、D_P(t)；以新能源全消纳或大比例消纳的限制因素，如下式所示

式中ρ为定义的新能源消纳比例，把此时得到的等效负荷曲线波动值Obj作为波动量最大的基准值，记为B_max，O_bj的计算表达式如式(1)所示：

其中：T为电力系统调度期间的时段数；t为某一时刻，单位为小时；E_p(t)为等效负荷曲线在t时刻的值，表达为如式(2)所示：

E_p(t)＝L_p(t)-P_F(t)-P_G(t) (2)，

式中，L_p(t)为t时刻的负荷值，它的范围是在预测负荷D_P(t)的基础上向上或向下波动α％，且要满足电力系统调度周期内总负荷电量不变，即

P_F(t)、P_G(t)分别为t时刻风电、光伏的出力值，它们的范围在0到预测出力之间；E_pv为E_p(t)序列的均值，表示为如式(3)所示：

以形成的等效负荷曲线波动性最小为目标函数，将波动最小时的等效负荷曲线的波动值O_bj记作为B_max；

子步骤A2、计算新能源机组的理论发电量X_max，将其作为新能源消纳量的理论最大值，X_max的计算式如式(4)所示：

子步骤A3、构建以等效负荷波动性最小和新能源消纳量最大的多目标模型，基于子步骤A1和步骤A2所得到的波动量最大值B_max和新能源消纳量理论最大值X_max，采用线性加权的方法将两个不同量纲的函数转换得到一个目标函数，如式(5)所示：

式中，ω₁、ω₂分别为两个目标的权重系数，且满足ω₁+ω₂＝1,其余各变量定义及范围与步骤A1中一致，求解式(5)即得到优化后的等效负荷曲线E_p(t)；

步骤B.以火电机组运行经济性最优为目标构建调度模型，通过时序生产模拟的方法得到火电平衡等效负荷曲线的出力情况，包括以下子步骤：

子步骤B1、确定火电机组开机方式，具体是，基于步骤A中的子步骤A3所得到的等效负荷曲线E_p(t)确定机组开机方式，开机方式选取原则为：在最大等效负荷max(E_p(t))的基础上考虑负荷备用max(D_p(t))·σ，以及新能源备用{max(P_FL(t))+max(P_GL(t))}·μ，从而确定最大开机容量S_max，选择满足最大开机容量S_max下机组最低技术出力最小的开机方案，所述最大开机容量S_max表示为如式(6)所示：

S_max＝max(E_p(t))+max(D_p(t))·σ+{max(P_FL(t))+max(P_GL(t))}·μ (6)，

式中，σ、μ分别为负荷备用系数和新能源备用系数；

子步骤B2、以火电机组运行经济性最优为目标构建调度模型，满足如式(7)所示的机组运行约束：

min C_total＝C^Y+C^R+C^W (7)，

式中

C^Y、C^R、C^W分别表示火电机组的运行成本、燃料成本和排放成本，均为火电机组发电量P_M(t)的函数。

2.根据权利要求1所述的电力系统调度方法，其特征在于，步骤A中所述新能源消纳比例ρ为0.95。

3.根据权利要求1所述的电力系统调度方法，其特征在于，式(5)中，ω₁、ω₂分别为0.3和0.7。

4.根据权利要求1所述的电力系统调度方法，其特征在于，式(6)中，σ、μ分别取值为5％和10％。

Images