CN114301071B - 适应全调度周期考核模式的风电场计划偏差率整定方法 - Google Patents
适应全调度周期考核模式的风电场计划偏差率整定方法 Download PDFInfo
- Publication number
- CN114301071B CN114301071B CN202210011072.0A CN202210011072A CN114301071B CN 114301071 B CN114301071 B CN 114301071B CN 202210011072 A CN202210011072 A CN 202210011072A CN 114301071 B CN114301071 B CN 114301071B
- Authority
- CN
- China
- Prior art keywords
- power
- plan
- wind
- full
- wind 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000010248 power generation Methods 0.000 claims abstract description 75
- 230000007246 mechanism Effects 0.000 claims abstract description 32
- 230000000670 limiting effect Effects 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims description 46
- 238000004146 energy storage Methods 0.000 claims description 43
- 230000005684 electric field Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 230000003247 decreasing effect Effects 0.000 abstract description 3
- 230000002708 enhancing effect Effects 0.000 abstract description 3
- 239000010410 layer Substances 0.000 description 20
- 230000002441 reversible effect Effects 0.000 description 7
- 230000033228 biological regulation Effects 0.000 description 6
- 229910052799 carbon Inorganic materials 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000003827 upregulation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Abstract
本发明公开了一种适应全调度周期考核模式的风电场计划偏差率整定方法,所述方法通过建立将α纳入系统决策变量集的、考虑安全约束的SCI‑LCD模型,生成α取得优化整定值时的多源区间调度计划,并建立了日前全周期调度计划核发总体流程;同时设计了在应用SCI‑LCD模块出现计划限负荷电量较多情形时,按适度步长递减α的调整机制。本发明可针对具体风电场景优化整定α并基于其统一考核系统所有风电场发电计划,达到增强系统新能源消纳能力、改善有序化用电质量的目的。
Description
技术领域
本发明属于电力系统运行与规划技术领域,涉及一种电力系统要求风电计划接受全调度周期考核时的最大允许偏差率的优化整定方法,具体涉及一种全调度周期内系统计划限负荷电量不超限条件下的风电场发电计划允许偏差率的优化计算方法。
背景技术
在风电发展早期,因并网装机规模和实发功率均较低,故其随机、间歇性给电网运行造成的影响微乎其微,可以被电网全额收购。在此阶段,电网对风电场功率预测和发电计划并无特殊管理和考核要求。当并网装机规模和实发功率变为高渗透场景后,其随机、间歇性给电网运行造成的调控压力明显增大,故国家将收购政策调整为保障性全额收购,并实施了对风电场短期功率预测的管理和部分限风时段的调度计划考核。在目前高渗透场景下,尽管各大区域电网总体运行水平处于良好态势,但在少量因灵活性资源调度紧张而确需限风时段,已明确要求:风电场应严格执行电网调度机构下达的调度计划曲线、实发电力不超过计划值的1%(华北网)或2%(华中网)或计划偏差不超过1%(南方电网)或2%(华东网)或5%(东北网)。目前,我国各大区域电网的新能源尽管已处于或趋于高渗透场景,但离双碳目标追求的新型电力系统的新能源高占比场景,还有相当距离。因此,对风电而言,总体上还处于预测准确率要求低、只有少量特殊时段执行百分之几偏差考核的粗放管理模式。
随着新型电力系统中新能源高占比场景的出现,由水、火、储(抽蓄)等提供的传统灵活性资源将捉襟见肘,而由电池储能等提供的新型灵活性资源,在短期内又存在技术经济瓶颈,这就要求风电场必须综合应用更为先进的功率预测技术和更为精准的计划跟踪技术,以便能够接受电网调度机构颁布的更为严格的计划偏差考核标准。针对上述技术现状,可将仅针对少量限风时段进行计划偏差考核的模式,拓展成全调度周期(日前24h共96个时段)执行计划偏差考核的模式,以激励风电场输出更为稳定可靠的风电。此外,若计划允许偏差率过大,则可能出现因系统调节资源不足导致计划限负荷较多的情形,故需要统一实施更为严格的管控风电的不确定性,以抑制其对系统灵活调节资源的过度消费需求。有鉴于此,对以新能源为主体的新型电力系统,需要探讨如何选择适度的对风电场发电计划进行统一考核的问题。针对该问题,建立相关优化调度模型并将纳入决策范畴,可为提高有序化用电质量、促进新能源高效消纳,提供新的技术支持。
当前,电网调度机构仅对风电场输出功率预测准确率进行考核,或仅对少数特殊限风时段的风电调度计划有严格要求。总体而言,风电场的粗放管理模式,难以适应未来风电高占比场景。
发明内容
为了克服上述技术缺陷,本发明设计了全调度周期实施风电计划偏差考核的调度模式,并针对配套的计划允许偏差率(α)决策难题,提供了一种适应全调度周期考核模式的风电场计划偏差率整定方法。本发明通过建立将α纳入系统决策变量集的、考虑安全约束的日前区间低碳调度(Day-ahead Security Constrained Interval Low Carbon Dispatch,SCI-LCD)模型,生成α取得优化整定值时的多源区间调度计划。计划流程包括非区间优化和区间优化两个子阶段(拥有各自对应的子模型),由此得到各电源日前发电计划曲线及其调节区间;在系统备用可用范围内,针对线路潮流越限情形,建立双层优化模型校正得到计划曲线及其允许调节区间。本发明依据全周期多源区间调度计划结果,设计了风电场发电的优化整定方法。
本发明的目的是通过以下技术方案实现的:
一种适应全调度周期考核模式的风电场计划偏差率整定方法,包括如下步骤:
步骤一、建立全调度周期计划生成用的SCI-LCD模块
纳入SCI-LCD模块的主体主要包括风电场、火电机组和储能电站等,待决策的变量为各主体的日前发电计划、充放电计划和备用计划;
所述SCI-LCD模块包括非区间优化子模块和区间优化子模块,其中:
所述非区间优化子模型用于决策相应源-荷-储的确定性计划;
所述区间优化子模块基于非区间优化子模型形成等效净负荷区间数,决策火电机组和储能电站调度计划区间;
所述非区间优化子模型的目标函数为:限负荷量最少、弃风电量最少、CO2排放量最少,约束条件为:系统有功平衡约束、限后负荷功率约束、风电场相关约束、火电机组相关约束、储能装置相关约束、备用约束、线路安全约束;
所述线路安全约束主要考虑线路潮流限值,应用直流潮流模型和功率转移分布因子计算线路有功变化;
所述区间优化子模块为双层线性规划模型,上层模型从下层模型获取在各时段线路达到极限潮流时各源-荷-储的功率值,下层模型从上层模型获得优化后的各源-荷-储在各时段的功率上/下限;
步骤二、风电场全调度周期偏差考核模式设计与发电计划考核曲线形成过程
将风电场仅在少量限风时段接受计划偏差考核的模式,拓展成全调度周期(日前24h共96个时段)执行计划偏差考核的模式,在新模式下,调度机构应用步骤一的SCI-LCD模型,形成风电场待考核发电计划曲线,其中,所述风电场待考核发电计划曲线依下述过程形成:
(1)风电场综合考虑区域电网施行的计划偏差考核标准的严格化程度、电场现有日前功率预测水准、电场自备偏差风险校正手段,经自我优化决策,向电网调度机构申报日前全调度周期的发电计划曲线Pwa(t);
(2)电网调度机构基于系统负荷预测信息和各新能源场站申报的日前发电计划曲线,应用步骤一的SCI-LCD模型,核准各场站Pwa(t)的可行性,或对其适度调整,最终形成各场站可考核的、日前全调度周期的发电计划曲线Pwc(t);
步骤三、基于全周期调度计划信息整定风电场发电计划允许偏差率α
在步骤二提出的模式背景下,应用步骤一的SCI-LCD模块作为求解工具整定风电场计划,具体整定步骤如下:
(1)由电网调度机构在综合考虑系统灵活调节资源的基础上,公布各风电场发电计划统一执行的最大α;
(2)风电场在规定时间之前向电网调度机构申报自我决策后的96点日前发电计划曲线;
(3)电网调度机构启动SCI-LCD模块,输入所有风电场申报计划曲线和系统其他源-荷-储数据,计算发电/充放电计划;
(4)设ΔQL为全调度周期内计划限负荷电量,ΔQL0为设定的阈值,若出现ΔQL>ΔQL0,则预示公布的α过于宽松,采取按步长Δα逐渐收紧α的方式寻找最优α值;若出现ΔQL≦ΔQL0,则生成常规机组和储能发电/充放电/备用计划、核发风电场计划曲线Pwc(t)和α。
相比于现有技术,本发明具有如下优点:
(1)改革了风电场发电计划考核机制:将预测误差考核模式转变为全调度周期发电计划考核模式,通过细化风电场运行管理,降低因新能源不确定性引发的系统调节资源需求。
(2)提高了新型电力系统有序化用电质量:基于新考核机制,建立的风电场发电α随系统限负荷电量自动调整的方法,可在增强系统新能源消纳能力的同时,改善有序化用电质量。
(3)发展了传统电力系统经济调度模型:SCI-LCD模块通过非区间优化和区间优化,在依据α将风电场发电计划功率变量区间数化的基础上,能够制定出火电机组发电计划曲线和储能电站的充放电计划曲线及其对应的调度区间,更易于相关主体单元组织自动发电系统实时调控或指导操作员人工调度。
(4)量化了风电场发电α和储能电站促进新能源消纳的联合作用:在风电占比和储能容量不同组合场景下,可应用SCI-LCD模块优选出配套的α,对风电场发电计划实施统一考核。基于最优α值信息,可为特定新能源发展场景规划配套的电网侧储能提供技术支持。
附图说明
图1为风电场发电计划考核范围示意图。
图2为区间优化子模型结构图。
图3为电网调度机构核准风电场计划曲线和风电场发电寻优流程图。
图4为修改后IEEE 30节点系统拓扑图。
图5为风电场申报计划和负荷预测曲线(横坐标为调度时段,各时段长均为15min)。
图6为单风电场景下计划弃风量和限负荷量随α变化趋势。
图7为多风电场景下计划限负荷量随α变化趋势。
具体实施方式
下面结合附图对本发明的技术方案作进一步的说明,但并不局限于此,凡是对本发明技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,均应涵盖在本发明的保护范围中。
本发明提供了一种适应全调度周期考核模式的风电场发电计划允许偏差率整定方法,通过建立将α纳入系统决策变量集的、考虑安全约束的SCI-LCD模型,生成α取得优化整定值时的多源区间调度计划,并建立了日前全周期调度计划核发总体流程;同时设计了在应用SCI-LCD模块出现计划限负荷电量较多情形时,按适度步长递减α的调整机制。本发明可针对具体风电场景优化整定α并基于其统一考核系统所有风电场发电计划,达到增强系统新能源消纳能力、改善有序化用电质量的目的。如图3所示,所述方法包括如下步骤:
步骤一、风电场全调度周期偏差考核模式设计与发电计划考核曲线形成过程
将风电场仅在少量限风时段接受计划偏差考核的模式,拓展成全调度周期(日前24h共96个时段)执行计划偏差考核的模式。在新模式下,应用SCI-LCD模块,核准并形成各风电场待考核发电计划曲线。所述风电场待考核发电计划曲线依下述过程形成:
(1)风电场综合考虑区域电网施行的计划偏差考核标准的严格化程度、电场现有日前功率预测水准、电场自备偏差风险校正手段(如储能、柔性负荷等),经自我优化决策,向电网调度机构申报日前全调度周期的发电计划曲线Pwa(t);
(2)电网调度机构基于系统负荷预测信息和各新能源场站(风电场)申报的日前发电计划曲线,应用SCI-LCD模型,核准各场站Pwa(t)的可行性,或对其适度调整,最终形成各场站可考核的、日前全调度周期的发电计划曲线Pwc(t)。
一旦电网调度机构向各场站核发各自的发电计划曲线Pwc(t),则各场站次日实发功率Pwr(t)应控制在允许的偏差范围内:
Pwd(t)≤Pwr(t)≤Pwu(t) (1);
其中,
式中:α为计划允许偏差率;Pwu(t)和Pwd(t)为t时段允许的计划功率上下界。
一旦t时段Pwr(t)违反约束(1),则超出电量部分计入风电场违约电量统计结果。
图1说明了风电场全调度周期发电计划考核范围的形成。在全调度周期考核模式下,风电场实发功率允许变化的范围由风电场日前申报的计划曲线和系统统一规定的计划允许偏差率α共同决定。
步骤二、建立全调度周期计划生成用的SCI-LCD模块
本发明中,以考虑安全约束的日前区间低碳调度(Day-ahead SecurityConstrained Interval Low Carbon Dispatch,SCI-LCD)模块作为整定风电场发电计划允许偏差率的求解工具。
本发明对该工具的设置主要从以下几方面考虑:
(1)调度主体
纳入SCI-LCD模块的主体主要包括风电场(可拓展至其他新能源场站)、火电机组和储能电站等,待决策的变量为各主体的日前发电计划、充放电计划和备用计划。风电作为新型电力系统中的主力发电单元,应最大限度地被接纳以承担更多的负荷;火电机组和储能电站,在承担剩余负荷的同时,应更多地提供系统备用需求,以服务于电网接纳更多的风电。
(2)调度阶段
SCI-LCD模块包含非区间优化和区间优化两个子阶段。前者决策相应源-荷-储的确定性计划(包括风电场接受考核的发电计划曲线、系统被限负荷功率曲线、火电机组发电计划曲线和储能电站的充放电计划曲线);后者基于前者形成等效净负荷区间数,决策火电机组和储能电站调度计划区间。
(3)调度目标
在非区间优化子模型中,为顺应新型电力系统发展需要,SCI-LCD模块优化目标优先考虑限负荷量最少,其次为风电消纳最大化和CO2排放最小化。具体考虑如下目标函数:
1)限负荷量最少:为保证供电可靠性,调度机构应尽量减少对负荷量的削减。
2)弃风电量最少:当电网无法全部接纳风电时,调度机构应尽量减少对风电场申报计划的调整。考虑到风电“可下不可上”的特点,SCI-LCD模块只允许适度削减风电场申报的发电计划值,并将对应的削减电量累加到系统整体计划弃风电量目标中。
3)CO2排放量最少:由系统中所有火电机组发电过程排放的CO2累加形成。
在区间优化子模型中,主要依据经济性决定火电机组和储能电站调节容量的调用顺序。
(4)安全约束
SCI-LCD模块主要考虑线路潮流限值。应用直流潮流模型和功率转移分布因子计算线路有功变化。在区间优化阶段,建立双层优化模型计算各时段、各线路的功率区间,以校核线路潮流安全约束。
本发明中,生成全调度周期多主体计划的非区间优化子模型可具体表述如下:
(1)目标函数
1)负荷计划被限电量最小化
式中:D为负荷总数;T为总调度时段数;Plf(d,t)为负荷d时段t的预测功率(已知量);Plc(d,t)为负荷d时段t被限后的功率(决策量);计划调度周期时段Δt=15min。
2)风电计划被弃电量最小化
式中:W为风电场总数;Pwa(w,t)为场w时段t的计划申报功率(已知量);Pwc(w,t)为场w时段t的计划考核功率(决策量)。
3)CO2排放量最小化
式中:N为火电机组总数;P(i,t)为机组i时段t的计划功率(决策量);ai、bi、ci为机组i的CO2排放因子。
(2)约束条件
1)系统有功平衡约束
式中:Ps(s,t)为储能电站s时段t的计划功率(决策量),值为正表示放电功率,为负表示充电功率;S为储能电站总数。
2)限后负荷功率约束
Plc(d,t)≤Plf(d,t) (7);
3)风电场相关约束
①出力限值约束
Pwc(w,t)≤Pwa(w,t) (8);
Pwu(w,t)=(1+α)Pwc(w,t) (9);
Pwd(w,t)=(1-α)Pwc(w,t) (10);
式中:Pwu(w,t)、Pwd(w,t)为场w时段t的计划出力允许上下界,随决策量α和Pwc(w,t)变化。
②等弃风率约束
式中:μ(t)为时段t各场的等弃风率。按等弃风率原则弃风,可更好地体现分摊计划弃风电量的公平性。
4)火电机组相关约束
①出力上下限约束
z(i,t)Pmin(i)≤P(i,t)≤z(i,t)Pmax(i) (12);
式中:z(i,t)为机组i时段t的启停状态,0表示处于停机态,1表示处于开机态。机组出力与其状态应满足耦合关系:当z(i,t)=0时,P(i,t)=0;Pmax(i)、Pmin(i)为火电机组i功率上下限。
②机组爬坡约束
式中:Ui、Di为机组i出力上升和下降速率。
5)储能装置相关约束
①充放电功率约束
Psmin(s,t)≤Ps(s,t)≤Psmax(s,t) (14);
式中:Psmin(s,t)、Psmax(s,t)为储能电站s时段t的实际充电、放电功率限值;Pscmax(s)、Psdmax(s)为储能电站s的技术充、放电功率限值;ηsc、ηsd为储能电站s的充、放电效率;Es(s,t-1)为储能电站s时段t-1结束时的电量值;Esmin(s)、Esmax(s)为储能电站s的最小和最大电量。
②储能电量约束
Esmin(s)≤Es(s,t)≤Esmax(s) (16);
Es(s,t)=Es(s,t-1)-ΔEs(s,t) (17);
上述三式分别表示电量上、下限和相邻时段递推关系。ΔEs(s,t)表示储能电站s时段t的环比电量衰减值。
③储能周期始末电量约束
要求日调度周期结束时段,储能电量回归初始时段值附近:
Es(s,0)=Es(s,T) (19)。
6)备用约束
①系统备用能力
火电机组可提供的备用能力为:
Rgu(i,t)=min(UiΔt,Pmax(i)-P(i,t)) (20);
Rgd(i,t)=min(DiΔt,P(i,t)-Pmin(i)) (21);
式中:Rgu(i,t)、Rgd(i,t)为机组i时段t上、下备用能力;机组备用与其状态应满足耦合关系:当z(i,t)=0时,Rgu(i,t)=Rgd(i,t)=0。
储能电站可提供的备用能力为:
Rsu(s,t)=Psmax(s,t)-Ps(s,t) (22);
Rsd(s,t)=Ps(s,t)-Psmin(s,t) (23);
式中:Rsu(s,t)、Rsd(s,t)为储能电站s时段t上、下备用能力。
②系统备用需求
只考虑上调事故备用。设事故备用一般预留为系统最大预测发电负荷的比例为μ,且由火电机组和电网侧独立储能电站共同分担:
Rac(t)=μPGmax (24);
式中:Rac(t)为时段t需预留的系统事故备用;PGmax为全调度周期内系统最大发电负荷预测值。
此外,系统需另外预留一部分备用以应对等效净负荷产生的正反向偏移量。记ε为负荷预测误差,ΔPlcnu(t)、ΔPlcnd(t)为系统等效净负荷正反向最大功率偏移量,其可在重点考虑各风电场计划偏差幅度同时性的基础上近似为:
综上,系统总上调、下调备用能力需分别满足约束:
7)线路安全约束
对线路1~l,采用直流潮流模型计算线路功率:
式中:Gl-i、Gl-w、Gl-d、Gl-s分别为火电机组i、风电场w、负荷d、储能电站s对线路l的潮流转移因子;Plmax为线路l的传输功率限值,L为电网总支路数。
本发明中,生成全调度周期多主体计划的区间优化子模型可具体表述如下:
基于上述非区间优化子模型,得到火电机组和储能电站的确定性日前调度计划P(i,t)与Ps(s,t)(已知量)。在此基础上,考虑负荷功率预测区间数和风电场发电计划考核区间数的影响,决策出火电机组发电计划区间数和储能电站充放电功率计划区间数/>
在区间优化子模型中,重点根据ΔPlcnd(t)和ΔPlcnu(t)信息,决策火电机组和储能电站日调度计划区间,并使对应的系统总调节电量需求最小化。
为保证优化结果不会因网络传输能力限制而无法使用,在求解各源-荷-储功率区间时应充分考虑极限场景下的线路潮流约束,且同时满足系统功率平衡约束。由于线路极限潮流不一定在各源-荷-储取功率区间端点值时突破,为求得线路极限潮流对应的各源-荷-储的功率值,构造双层线性规划模型:上层模型从下层模型获取在各时段线路达到极限潮流时各源-荷-储的功率值,下层模型从上层模型获得优化后的各源-荷-储在各时段的功率上/下限。模型求解框架见图2。
(1)上层模型:备用分配
该层模型的决策变量为机组功率上/下限Pu(i,t)、Pd(i,t)和储能功率上/下限Psu(s,t)、Psd(s,t)。
1)目标函数
式中,Pu(i,t)、Pd(i,t)为时段t机组i功率上/下限;Psu(s,t)、Psd(s,t)为时段t储能s功率上/下限。目标函数考虑到火电机组和储能电站调节成本差异确定对各自调节容量的调用比重。此处依据区域电网内储能相对火电备用容量平均价格的倍数,确定系数Rs。
2)功率区间平衡约束
3)机组/储能功率上下界约束
其中,Rgu(i,t)、Rgd(i,t)和Rsu(s,t)、Rsd(s,t)均为非区间优化调度模型求得的已知量。
4)线路潮流约束
要求在所有源-荷-储功率区间上下限取值组合场景下,线路潮流均不越限。为此,任意线路l极限潮流应满足:
式中:Plu(t,l)、Pld(t,l)为线路l在t时段正反向潮流极大值; 分别为线路l在t时段取正向潮流极大值时所对应的火电机组i、风电场w、储能电站s、负荷d功率;P(i,t,l)、P wc(w,t,l)、P s(s,t,l)、P lc(d,t,l)分别为线路l在t时段取反向潮流极大值时所对应的火电机组i、风电场w、储能电站s、负荷d功率。它们均为下层模型的决策变量。
(2)下层模型:极限潮流
下层模型主要用于求解极限潮流。将各线路在各时段的正、反向潮流极大值拆分求解,其间不存在耦合关系。
1)目标函数
式中:gu(t,l)、gd(t,l)旨在求得线路l在t时段的正、反向潮流极大值。
2)约束条件
式中:Pwcu(w,t)、Pwcd(w,t)为时段t风电场w功率上/下限;Plcu(d,t)、Plcd(d,t)为时段t负荷d功率上/下限。上述约束条件分别为系统源-荷-储在各自区间内变化时,需满足的功率平衡和变化范围限制。上述范围限值由非区间优化子模型和区间优化的上层模型确定。
因求解正、反向潮流时不存在相互影响,故目标函数可表示为:
g2(t,l)=Plu(t,l)-Pld(t,l)→max(l=1~L,t=1~T)
由于下层优化模型为线性规划问题,属连续凸优化,故可用KKT条件将下层规划模型转化为约束代入上层模型,从而将双层优化模型转为单层优化模型求解。
步骤三、基于全周期调度计划信息整定风电场发电计划允许偏差率
经电网调度机构应用SCI-LCD模块生成全周期调度计划后,可能出现因系统调节资源不足引发较多计划限负荷情形。需基于全周期调度计划信息,优化调整风电场发电α。如图3所示,日前发电计划生成及最大计划偏差率整定流程可表述为:
1)先由电网调度机构在综合考虑系统灵活调节资源的基础上,公布各风电场发电计划统一执行的最大α;
2)风电场在规定时间之前向电网调度机构申报自我决策后的96点日前发电计划曲线;
3)电网调度机构启动SCI-LCD模块,输入所有风电场申报计划曲线和系统其他源-荷-储数据,优化生成各主体的日前调度计划,并在规定时间前下发。
SCI-LCD模型允许对风电场申报计划曲线进行适度调整(弃风)。但在应用SCI-LCD模块进行实际优化时,可能出现因系统调节资源不足引发较多计划限负荷。设ΔQL为全调度周期内计划限负荷电量,ΔQL0为设定的阈值。若出现ΔQL>ΔQL0,则预示公布的α过于宽松,须实施更为严格的考核标准管束风电计划不确定性,以更为有效地抑制对系统灵活调节资源的过度消费需求。因此,当SCI-LCD模块优化出现计划限负荷电量超阈值时,可采取按步长Δα逐渐收紧α的方式寻找最优α值。
实施例1:单风电场场景时的α整定过程
采用修改后的IEEE 30节点系统(图4)进行模拟分析。设储能电站充放电效率ηsc=ηsd=0.95,电网线损率γ=0.01,事故备用比例μ=0.08,负荷预测误差ε=0.02,调度时段数T=96,系数Rs=1.6。
依据图3流程阐述该实施例下α的整定方法:
(1)电网调度机构发布初始α=15%。
(2)各风电场申报日前发电计划曲线,电网调度机构预测负荷曲线,见图5。
(3)电网调度机构应用SCI-LCD模块,计算发电/充放电计划。
设ΔQL0=500MWh,计划弃风量、限负荷量及其与α的关系见图6。由图6知,α在10%之内时,计划弃风量和限负荷量较少,且随着α的增大,等效净负荷偏移量近似线性增加。当α超过10%后,等效净负荷偏移量需求增加趋缓,原因为:受限于备用能力,系统需通过增加弃风量以满足系统备用平衡约束,故在α大于10%时,弃风量较之前的迅速增加。当α大于13%后,系统需协调的备用超出能力范围,同时考虑到风电计划发电量的减少,需增加限负荷量,即通过增加计划弃风和限制负荷以维持偏移备用需求近似不变,进而实现系统备用能力和备用需求的平衡。
(4)依据曲线图6,按步长Δα=1%递减α,当Δα=13%时,满足限负荷量要求,输出此时发电/充放电计划。
实施例2:多风电场场景时的α整定过程
设置四个风电场景比较优化整定结果:场景1~4中,风电场各时段的申报计划功率分别为初始算例的80%、90%、100%和110%。
依据图3流程阐述该实施例下α的整定方法:
(1)电网调度机构发布初始α=15%。
(2)各场景下,各风电场申报日前发电计划曲线,调度机构预测负荷曲线。
(3)电网调度机构应用SCI-LCD模块,计算发电/充放电计划。
设ΔQL0=1000MWh,计划限负荷量与α间的关系,见图7。
(4)依据曲线图7,按步长Δα=1%递减α。由图7知,为满足限负荷量要求,上述四种风电场景对应的α分别为:α1=6%,α2=13%,α3=14%,α4=14%,并输出相应场景的发电/充放电计划。
Claims (4)
1.一种适应全调度周期考核模式的风电场计划偏差率整定方法,其特征在于所述方法包括如下步骤:
步骤一、建立全调度周期计划生成用的SCI-LCD模块
所述SCI-LCD模块包括非区间优化子模块和区间优化子模块,其中:
所述非区间优化子模块用于决策相应源-荷-储的确定性计划;
所述非区间优化子模块的目标函数为:限负荷量最少、弃风电量最少、CO2排放量最少,约束条件为:系统有功平衡约束、限后负荷功率约束、风电场相关约束、火电机组相关约束、储能装置相关约束、备用约束、线路安全约束;
所述区间优化子模块基于非区间优化子模型形成等效净负荷区间数,决策火电机组和储能电站调度计划区间;
所述区间优化子模块为双层线性规划模型,上层模型从下层模型获取在各时段线路达到极限潮流时各源-荷-储的功率值,下层模型从上层模型获得优化后的各源-荷-储在各时段的功率上/下限;
步骤二、风电场全调度周期偏差考核模式设计与发电计划考核曲线形成过程
将风电场仅在少量限风时段接受计划偏差考核的模式,拓展成全调度周期执行计划偏差考核的模式,在新模式下,调度机构应用步骤一的SCI-LCD模型,形成风电场待考核发电计划曲线;
步骤三、基于全周期调度计划信息整定风电场发电计划允许偏差率α
在步骤二提出的模式背景下,应用步骤一的SCI-LCD模块作为求解工具整定风电场计划。
2.根据权利要求1所述的适应全调度周期考核模式的风电场计划偏差率整定方法,其特征在于所述线路安全约束主要考虑线路潮流限值,应用直流潮流模型和功率转移分布因子计算线路有功变化。
3.根据权利要求1所述的适应全调度周期考核模式的风电场计划偏差率整定方法,其特征在于所述风电场待考核发电计划曲线依下述过程形成:
(1)风电场综合考虑区域电网施行的计划偏差考核标准的严格化程度、电场现有日前功率预测水准、电场自备偏差风险校正手段,经自我优化决策,向电网调度机构申报日前全调度周期的发电计划曲线Pwa(t);
(2)电网调度机构基于系统负荷预测信息和各新能源场站申报的日前发电计划曲线,应用步骤一的SCI-LCD模型,核准各场站Pwa(t)的可行性,或对其适度调整,最终形成各场站可考核的、日前全调度周期的发电计划曲线Pwc(t)。
4.根据权利要求1所述的适应全调度周期考核模式的风电场计划偏差率整定方法,其特征在于所述整定的具体步骤如下:
(1)由电网调度机构在综合考虑系统灵活调节资源的基础上,公布各风电场发电计划统一执行的最大α;
(2)风电场在规定时间之前向电网调度机构申报自我决策后的96点日前发电计划曲线;
(3)电网调度机构启动SCI-LCD模块,输入所有风电场申报计划曲线和系统其他源-荷-储数据,计算发电/充放电计划;
(4)设ΔQL为全调度周期内计划限负荷电量,ΔQL0为设定的阈值,若出现ΔQL>ΔQL0,则预示公布的α过于宽松,采取按步长Δα逐渐收紧α的方式寻找最优α值;若出现ΔQL≦ΔQL0,则生成常规机组和储能发电/充放电/备用计划、核发风电场计划曲线Pwc(t)和α。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210011072.0A CN114301071B (zh) | 2022-01-06 | 2022-01-06 | 适应全调度周期考核模式的风电场计划偏差率整定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210011072.0A CN114301071B (zh) | 2022-01-06 | 2022-01-06 | 适应全调度周期考核模式的风电场计划偏差率整定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114301071A CN114301071A (zh) | 2022-04-08 |
CN114301071B true CN114301071B (zh) | 2023-10-27 |
Family
ID=80975145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210011072.0A Active CN114301071B (zh) | 2022-01-06 | 2022-01-06 | 适应全调度周期考核模式的风电场计划偏差率整定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114301071B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114611847B (zh) * | 2022-05-16 | 2022-08-26 | 广东电力交易中心有限责任公司 | 一种省内可调优先发电调度计划的生成方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549958A (zh) * | 2018-04-11 | 2018-09-18 | 国网经济技术研究院有限公司 | 考虑风电接入的基于序数效用论的日前低碳调度决策方法 |
CN109711728A (zh) * | 2018-12-27 | 2019-05-03 | 陕西师范大学 | 基于电力不确定性和低碳诉求的双层多目标电力调度方法 |
-
2022
- 2022-01-06 CN CN202210011072.0A patent/CN114301071B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549958A (zh) * | 2018-04-11 | 2018-09-18 | 国网经济技术研究院有限公司 | 考虑风电接入的基于序数效用论的日前低碳调度决策方法 |
CN109711728A (zh) * | 2018-12-27 | 2019-05-03 | 陕西师范大学 | 基于电力不确定性和低碳诉求的双层多目标电力调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114301071A (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102563891B1 (ko) | 신재생기반 독립형 마이크로그리드의 최적 운전을 위한 운영 시스템 및 방법 | |
Reddy | Optimal power flow with renewable energy resources including storage | |
US9692233B2 (en) | Method for controlling an energy storage system | |
Sjödin et al. | Risk-mitigated optimal power flow for wind powered grids | |
US20170262007A1 (en) | Multi-agent oriented method for forecasting-based control with load priority of microgrid in island mode | |
CN113193547B (zh) | 计及新能源及负荷区间不确定性的电力系统日前-日内协同调度方法与系统 | |
Mohammadi et al. | Allocation of centralized energy storage system and its effect on daily grid energy generation cost | |
CN107959285B (zh) | 一种区域间日前发输电计划的优化方法、系统及装置 | |
Xu et al. | Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation | |
Yao et al. | Energy storage sizing optimization for large-scale PV power plant | |
CN106203714A (zh) | 考虑电网运行风险的高压直流输电系统检修时机优化方法 | |
CN114301071B (zh) | 适应全调度周期考核模式的风电场计划偏差率整定方法 | |
CN117077974A (zh) | 虚拟电厂资源优化调度方法、装置、设备及存储介质 | |
CN109657898B (zh) | 一种基于凸松弛的可再生能源随机动态经济调度方法 | |
TWI650728B (zh) | 微電網多代理日前市場排程方法 | |
JP6705319B2 (ja) | 統括制御装置、統括制御システム、統括制御方法および統括制御プログラム | |
CN110826801A (zh) | 电动车充电站分布式电能管理方法 | |
JP2017046507A (ja) | 系統安定化システム | |
CN116131297A (zh) | 一种面向新能源消纳的源网荷储省地协同调控方法及系统 | |
KR102337562B1 (ko) | 상업적 가상발전소 계통 내에서 계통 연계형 판매 사업자의 pv-ess 시스템의 최적운용계획 수립을 위한 시뮬레이터 및 시뮬레이팅 방법 | |
Bruninx et al. | Improved energy storage system & unit commitment scheduling | |
CN115392785A (zh) | 计及阻塞抵抗性的配电网阻塞调度方法 | |
Muttaqi et al. | An effective power dispatch strategy to improve generation schedulability by mitigating wind power uncertainty with a data driven flexible dispatch margin for a wind farm using a multi-unit battery energy storage system | |
CN113872226A (zh) | 规模化储能参与辅助服务日前增补空间优化方法 | |
Huan et al. | Evaluating transmission network flexibility considering uncertainties |
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 |