CN114336607B - 计及源荷双侧不确定性的电网经济运行域生成方法及系统 - Google Patents

计及源荷双侧不确定性的电网经济运行域生成方法及系统 Download PDF

Info

Publication number
CN114336607B
CN114336607B CN202111647280.1A CN202111647280A CN114336607B CN 114336607 B CN114336607 B CN 114336607B CN 202111647280 A CN202111647280 A CN 202111647280A CN 114336607 B CN114336607 B CN 114336607B
Authority
CN
China
Prior art keywords
scene
unit
load
power
moment
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
CN202111647280.1A
Other languages
English (en)
Other versions
CN114336607A (zh
Inventor
王博文
华文
陆承宇
叶琳
祁伟雯
董炜
郭创新
杨滢
周正阳
申屠磊璇
罗刚
江博游
周升彧
徐华廷
陈哲
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 University ZJU
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
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 University ZJU, Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd, Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN202111647280.1A priority Critical patent/CN114336607B/zh
Publication of CN114336607A publication Critical patent/CN114336607A/zh
Application granted granted Critical
Publication of CN114336607B publication Critical patent/CN114336607B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • Y02E10/70—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
    • 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

  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种计及源荷双侧不确定性的电网经济运行域生成方法及系统。目前的电力系统调度方法大多给出机组出力计划曲线，难以反应不确定性对电网调度计划的影响。本发明基于tLocation‑scale分布，拉丁超立方采样和K‑medoids聚类，获取典型风电出力场景及其对应概率；根据价格型需求侧响应规则，建立需求侧响应模型；在此基础上，根据经济运行域定义，建立计及源荷双侧不确定性的电网经济运行域生成模型，通过商业求解器直接求解。本发明将经济运行域概念和电力系统调度相结合，生成机组的经济运行出力区间，满足并进一步完善了电力系统调度运行的需求，可定量刻画不确定性对电网调度计划的影响。

Description

计及源荷双侧不确定性的电网经济运行域生成方法及系统
技术领域
本发明属于大电网不确定性优化调度领域，具体涉及一种计及源荷双侧不确定性的电网经济运行域生成方法及系统。
背景技术
近年来，以风电为代表的可再生能源得到了迅猛发展，目前中国已成为世界风电装机容量最大的国家。然而在目前的技术水平下，风电功率预测精度远低于传统电力系统负荷预测精度，风电出力的随机性与波动性对传统确定性调度方式提出了挑战。
众多学者围绕风电不确定性下的电力系统调度已经开展了大量研究，从优化问题的建模形式上可分为随机优化和鲁棒优化两大类。随机优化首先用概率密度函数对风电不确定性功率进行拟合，再基于概率密度函数进行采样得到随机场景，对所有场景进行协同优化。虽然不同概率分布函数各有特点，但实际上风电的精确概率分布信息是难以获取的，利用概率分布函数来拟合风电预测误差的精确度有限；并且随机优化的计算效率随着场景数的增多大幅下降。鲁棒优化采用不确定集的方式来描述风电出力的不确定性，不需要场景采样，避免了维数灾问题，并可保证满足所有随机场景的运行约束，提升系统运行的鲁棒性，因而得到了广泛应用。
然而现有大部分研究虽然已经考虑不确定性对调度计划的影响，但通常孤立地给出调度计划，缺乏不确定性对调度计划影响的定量刻画。
发明内容
为解决上述现有技术存在的问题，本发明提供一种计及源荷双侧不确定性的电网经济运行域生成方法及系统，其首先建立经济运行域的数学模型，随后利用t-locationscale分布对风电出力预测误差进行拟合，利用K-medoids聚类方法获得典型风电出力场景，并基于考虑多场景的随机优化给出系统的经济运行域求解模型；经济运行域可定量反应出力不确定性对于调度计划的影响，以便调度人员更好地把握系统运行状况及风险。
本发明采用的一种技术方案为：计及源荷双侧不确定性的电网经济运行域生成方法，其包括步骤：
(1)基于t Location-scale分布，拉丁超立方采样和K-medoids聚类，获取典型风电出力场景及其对应概率；
(2)根据价格型需求侧响应规则，建立需求侧响应模型；
(3)根据经济运行域定义，以及步骤(1)和(2)得到的典型风电出力场景及其对应概率和需求侧响应模型，建立计及源荷双侧不确定性的电网经济运行域生成模型，通过商业求解器快速求解。
进一步地，所述步骤(1)具体内容如下：
(1.1)利用tLocation-scale分布对风电预测误差历史数据进行拟合：
Figure BDA0003445659240000021
式中，x为随机变量，此处为风电预测误差，Γ为伽马函数，μ为位置参数，σ为尺度参数，ν为形状参数；
(1.2)利用拉丁超立方采样获取风电出力离散场景：假设随机标量Xk的累计概率分布函数为Yk＝Fk(Xk)，将Yk曲线沿纵轴等分为N个区间，选择每个区间的中点作为Yk采样值，然后通过累计概率分布函数的反函数计算Xk的采样值，即Xk的第n个采样值为
Figure BDA0003445659240000031
(1.3)利用K-medoids聚类方法对(1.2)中获取的离散场景进行聚类：
Figure BDA0003445659240000032
Figure BDA0003445659240000033
式中，dij为欧几里得距离，
Figure BDA0003445659240000034
为场景i的第a个风电出力值，NT表示时段数目，NX为原始场景集的样本总数；ws,i为场景i与以典型场景s为中心的簇的隶属关系，1表示属于该簇，0表示不属于该簇；ρs为场景s对应的概率。
进一步地，所述步骤(2)具体内容如下：
(2.1)价格型需求响应实施前后负荷需求满足如下约束：
L＝L0+ΔLPDR， (4)
Figure BDA0003445659240000035
Figure BDA0003445659240000036
Figure BDA0003445659240000037
式中：L与L0分别为响应前后的负荷需求；ΔLPDR为PDR实施后的负荷变化量；
Figure BDA0003445659240000038
为PDR实施后负荷的变化归一化矩阵；Δpnor为分时电价变化归一化矩阵；NT为时段数目；
Figure BDA0003445659240000039
和
Figure BDA00034456592400000310
分别为时刻t原电力需求和分时电价；ΔLt与Δpt分别为时刻tPDR实施后的电力需求与分时电价变化量；E'为电量电价弹性矩阵。
进一步地，所述步骤(3)具体内容包括：
(3.1)计及源荷双侧不确定性的电网经济运行域生成模型的目标函数包括弃负荷惩罚、弃风惩罚、经济运行域宽度和燃料费用：
min C1+C2+C3+C4
Figure BDA0003445659240000041
式中：C1、C2、C3和C4分别为弃负荷惩罚、弃风惩罚、经济运行域宽度和燃料费用；NG、NS、NB、NW、NT分别为发电机数、场景数、节点数、风电场数目和时段数目；ρs为场景s对应的概率；ΔLb,t,s为场景s时刻t节点b的弃负荷量，Aw,t,s和Pw,t,s为场景s时刻t风电场w的可用风电功率和并网风电功率；EUg,t和EDg,t分别表示时刻t机组g的经济运行域上界和下界；ig,t为机组启停状态指示符，为0-1整数变量，0表示机组处于停机状态，1表示机组处于开机状态；Pg,t,s为场景s时刻t机组g的出力。
更进一步地，所述步骤(3)具体内容还包括：
(3.2)模型的约束条件：
1)机组运行费用约束：
Figure BDA0003445659240000042
式中：机组运行费用采用二次模型，α1,i、α2,i、α3,i为各次项参数；ig,t为机组启停状态指示符，为0-1整数变量，0表示机组处于停机状态，1表示机组处于开机状态；Pg,t,s为场景s时刻t机组g的出力；
2)机组出力约束：
Figure BDA0003445659240000051
式中：
Figure BDA0003445659240000052
分别为机组g的出力下限和上限，Pg,t,s为场景s时刻t机组g的出力；
3)经济运行域限值约束：
Figure BDA0003445659240000053
式中：Pg,t,s为场景s时刻t机组g的出力，EUg,t和EDg,t分别表示时刻t机组g的经济运行域上界和下界；
4)机组爬坡约束
Figure BDA0003445659240000054
式中：
Figure BDA0003445659240000055
分别为机组g出力的最大下调速率和最大上调速率，Pg,t,s和Pg,t-1,s分别为场景s时刻t和t-1机组g的出力；
5)风电场并网功率约束
Figure BDA0003445659240000056
式中：Aw,t,s和Pw,t,s为场景s时刻t风电场w的可用风电功率和并网风电功率；
6)弃负荷约束
Figure BDA0003445659240000057
式中，ΔLb,t,s和Lb,t分别表示场景s节点b时刻t的弃负荷量和节点b时刻t的负荷功率；
7)电力平衡约束
Figure BDA0003445659240000058
式中：o1(b)和o2(b)表示功率注入和流出节点b的输电线路集合，Pl,t,s为场景s时刻t线路l的传输功率，取值正负表示方向；Pg,t,s为场景s时刻t机组g的出力；Pw,t,s为场景s时刻t风电场w的并网风电功率；Gb和Wb分别表示节点b所连接的发电机和风电场集合；ΔLb,t,s和Lb,t分别表示场景s节点b时刻t的弃负荷量和节点b时刻t的负荷功率；
Figure BDA0003445659240000061
为PDR实施后场景s节点b时刻t的负荷变化量；
8)直流潮流方程约束
Figure BDA0003445659240000062
式中：Pl,t,s为场景s时刻t线路l的传输功率，Bl为线路l的电纳，
Figure BDA0003445659240000063
和
Figure BDA0003445659240000064
分别为场景s时刻t线路l的首末节点电压相角；
9)线路潮流约束
Figure BDA0003445659240000065
式中：Pl,t,s为场景s时刻t线路l的传输功率，Pl max为线路l的最大传输容量。
本发明采用的另一种技术方案为：计及源荷双侧不确定性的电网经济运行域生成系统，其包括：
典型风电出力场景及其对应概率获取单元：基于t Location-scale分布，拉丁超立方采样和K-medoids聚类，获取典型风电出力场景及其对应概率；
需求侧响应模型建立单元：根据价格型需求侧响应规则，建立需求侧响应模型；
电网经济运行域生成模型建立单元：根据经济运行域定义，以及前面二个单元得到的典型风电出力场景及其对应概率和需求侧响应模型，建立计及源荷双侧不确定性的电网经济运行域生成模型，通过商业求解器快速求解。
本发明一方面，结合t Location-scale分布和拉丁超立方采样对风电不确定性进行描述，再利用K-medoids聚类方法获取典型风电出力场景；另一方面，协同优化价格型与激励型需求侧响应提高电网运行的灵活性。为了精准刻画不确定性对电力系统调度计划的影响，创造性地提出了电网经济运行域的概念，并给出了求解模型，通过运行域平均宽度和经济运行域宽度方差定量反应不确定性对电网系统的影响。
本发明具有的有益效果在于：在新能源渗透率不断提升的背景下，经济运行域模型可定量反应不确定性对电力系统运行状况的影响，使得调度人员对电网运行状态有更好的把握。可有效平抑负荷波动，降低负荷峰谷差，促进系统火电机组平稳出力，提升系统运行经济性，提升电力系统应对不确定性因素的能力，对于保障电网安全稳定运行具有重要意义。
附图说明
图1是本发明拉丁超立方采样示意图；
图2是本发明K-medoids聚类流程图。
具体实施方式
下面通过实施例并结合说明书附图，对本发明的具体实施方式作进一步说明。
实施例1
本实施例提供一种计及源荷双侧不确定性的电网经济运行域生成方法，其包括以下步骤：
步骤(1)：基于t Location-scale分布，拉丁超立方采样和K-medoids聚类，获取典型风电出力场景及其对应概率。图1给出了拉丁超立方采样示意图，图2给出了K-medoids聚类流程图。该步骤具体如下：
(1.1)利用tLocation-scale分布对风电预测误差历史数据进行拟合：
Figure BDA0003445659240000081
式中，x为随机变量，此处为风电预测误差，Γ为伽马函数，μ为位置参数，σ为尺度参数，ν为形状参数；
(1.2)利用拉丁超立方采样获取风电出力离散场景：假设随机标量Xk的累计概率分布函数为Yk＝Fk(Xk)，将Yk曲线沿纵轴等分为N个区间(每一区间的宽度为1/N)，选择每个区间的中点作为Yk采样值，然后通过累计概率分布函数的反函数来计算Xk的采样值，即Xk的第n个采样值为
Figure BDA0003445659240000082
(1.3)利用K-medoids聚类方法对(1.2)中获取到的离散场景进行聚类：
Figure BDA0003445659240000083
Figure BDA0003445659240000084
式中，dij为欧几里得距离，
Figure BDA0003445659240000085
为场景i的第a个风电出力值，NT表示时段数目，NX为原始场景集的样本总数；ws,i为场景i与以典型场景s为中心的簇的隶属关系，1表示属于该簇，0表示不属于该簇；ρs为场景s对应的概率。
步骤(2)：根据价格型需求侧响应规则，建立需求侧响应模型。价格型需求侧响应通过调节分时电价调整用户的用电行为，引导用户合理转移用电时段。该步骤具体如下：
(2.1)价格型需求响应实施前后负荷需求满足如下约束：
L＝L0+ΔLPDR (4)
Figure BDA0003445659240000097
Figure BDA0003445659240000091
Figure BDA0003445659240000092
式中：L与L0分别为响应前后的负荷需求；ΔLPDR为PDR实施后的负荷变化量。
Figure BDA0003445659240000093
为PDR实施后负荷的变化归一化矩阵；Δpnor为分时电价变化归一化矩阵；NT为时段数目；
Figure BDA0003445659240000094
和
Figure BDA0003445659240000095
分别为时刻t原电力需求和分时电价；ΔLt与Δpt分别为时刻tPDR实施后的电力需求与分时电价变化量；E'为电量电价弹性矩阵。
步骤(3)：根据经济运行域定义，以及步骤(1)和(2)得到的风电出力场景、概率和需求侧响应模型，建立计及源荷双侧不确定性的电网经济运行域生成模型，通过目前成熟的商业求解器快速求解。该步骤具体如下：
(3.1)计及源荷双侧不确定性的电网经济运行域生成模型的目标函数包括弃负荷惩罚、弃风惩罚、经济运行域宽度和燃料费用：
min C1+C2+C3+C4
Figure BDA0003445659240000096
式中：C1、C2、C3和C4分别为弃负荷惩罚、弃风惩罚、经济运行域宽度和燃料费用；NG、NS、NB、NW、NT分别为发电机数、场景数、节点数、风电场数目和时段数目；ρs为场景s对应的概率；ΔLb,t,s为场景s时刻t节点b的弃负荷量，Aw,t,s和Pw,t,s为场景s时刻t风电场w的可用风电功率和并网风电功率；EUg,t和EDg,t分别表示时刻t机组g的经济运行域上界和下界；ig,t为机组启停状态指示符，为0-1整数变量，0表示机组处于停机状态，1表示机组处于开机状态；Pg,t,s为场景s时刻t机组g的出力。
(3.2)模型需要满足如下约束条件：
1)机组运行费用约束：
Figure BDA0003445659240000101
式中：机组运行费用采用二次模型，α1,i、α2,i、α3,i为各次项参数；ig,t为机组启停状态指示符，为0-1整数变量，0表示机组处于停机状态，1表示机组处于开机状态；Pg,t,s为场景s时刻t机组g的出力。
2)机组出力约束：
Figure BDA0003445659240000102
式中：
Figure BDA0003445659240000103
分别为机组g的出力下限和上限，Pg,t,s为场景s时刻t机组g的出力。
3)经济运行域限值约束：
Figure BDA0003445659240000104
式中：Pg,t,s为场景s时刻t机组g的出力，EUg,t和EDg,t分别表示时刻t机组g的经济运行域上界和下界。
4)机组爬坡约束
Figure BDA0003445659240000105
式中：
Figure BDA0003445659240000106
分别为机组g出力的最大下调速率和最大上调速率，Pg,t,s和Pg,t-1,s分别为场景s时刻t和t-1机组g的出力。
5)风电场并网功率约束
Figure BDA0003445659240000111
式中：Aw,t,s和Pw,t,s为场景s时刻t风电场w的可用风电功率和并网风电功率。
6)弃负荷约束
Figure BDA0003445659240000112
式中，ΔLb,t,s和Lb,t分别表示场景s节点b时刻t的弃负荷量和节点b时刻t的负荷功率。
7)电力平衡约束
Figure BDA0003445659240000113
式中：o1(b)和o2(b)表示功率注入和流出节点b的输电线路集合，Pl,t,s为场景s时刻t线路l的传输功率，取值正负表示方向；Pg,t,s为场景s时刻t机组g的出力；Pw,t,s为场景s时刻t风电场w的并网风电功率；Gb和Wb分别表示节点b所连接的发电机和风电场集合；ΔLb,t,s和Lb,t分别表示场景s节点b时刻t的弃负荷量和节点b时刻t的负荷功率；
Figure BDA0003445659240000114
为PDR实施后场景s节点b时刻t的负荷变化量。
8)直流潮流方程约束
Figure BDA0003445659240000115
式中：Pl,t,s为场景s时刻t线路l的传输功率，Bl为线路l的电纳，
Figure BDA0003445659240000116
和
Figure BDA0003445659240000117
分别为场景s时刻t线路l的首末节点电压相角。
9)线路潮流约束
Figure BDA0003445659240000118
式中：Pl,t,s为场景s时刻t线路l的传输功率，Pl max为线路l的最大传输容量。
实施例2
本实施例提供一种计及源荷双侧不确定性的电网经济运行域生成系统，其包括：
典型风电出力场景及其对应概率获取单元：基于t Location-scale分布，拉丁超立方采样和K-medoids聚类，获取典型风电出力场景及其对应概率；
需求侧响应模型建立单元：根据价格型需求侧响应规则，建立需求侧响应模型；
电网经济运行域生成模型建立单元：根据经济运行域定义，以及前面二个单元得到的典型风电出力场景及其对应概率和需求侧响应模型，建立计及源荷双侧不确定性的电网经济运行域生成模型，通过商业求解器快速求解。
所述典型风电出力场景及其对应概率获取单元的具体内容如下：
(1.1)利用tLocation-scale分布对风电预测误差历史数据进行拟合：
Figure BDA0003445659240000121
式中，x为随机变量，此处为风电预测误差，Γ为伽马函数，μ为位置参数，σ为尺度参数，ν为形状参数；
(1.2)利用拉丁超立方采样获取风电出力离散场景：假设随机标量Xk的累计概率分布函数为Yk＝Fk(Xk)，将Yk曲线沿纵轴等分为N个区间，选择每个区间的中点作为Yk采样值，然后通过累计概率分布函数的反函数计算Xk的采样值，即Xk的第n个采样值为
Figure BDA0003445659240000122
(1.3)利用K-medoids聚类方法对(1.2)中获取的离散场景进行聚类：
Figure BDA0003445659240000131
Figure BDA0003445659240000132
式中，dij为欧几里得距离，
Figure BDA0003445659240000133
为场景i的第a个风电出力值，NT表示时段数目，NX为原始场景集的样本总数；ws,i为场景i与以典型场景s为中心的簇的隶属关系，1表示属于该簇，0表示不属于该簇；ρs为场景s对应的概率。
所述需求侧响应模型建立单元的具体内容如下：
(2.1)价格型需求响应实施前后负荷需求满足如下约束：
L＝L0+ΔLPDR， (4)
Figure BDA0003445659240000134
Figure BDA0003445659240000135
Figure BDA0003445659240000136
式中：L与L0分别为响应前后的负荷需求；ΔLPDR为PDR实施后的负荷变化量；
Figure BDA0003445659240000137
为PDR实施后负荷的变化归一化矩阵；Δpnor为分时电价变化归一化矩阵；NT为时段数目；
Figure BDA0003445659240000138
和
Figure BDA0003445659240000139
分别为时刻t原电力需求和分时电价；ΔLt与Δpt分别为时刻tPDR实施后的电力需求与分时电价变化量；E'为电量电价弹性矩阵。
所述电网经济运行域生成模型建立单元的具体内容包括：
(3.1)计及源荷双侧不确定性的电网经济运行域生成模型的目标函数包括弃负荷惩罚、弃风惩罚、经济运行域宽度和燃料费用：
min C1+C2+C3+C4
Figure BDA0003445659240000141
式中：C1、C2、C3和C4分别为弃负荷惩罚、弃风惩罚、经济运行域宽度和燃料费用；NG、NS、NB、NW、NT分别为发电机数、场景数、节点数、风电场数目和时段数目；ρs为场景s对应的概率；ΔLb,t,s为场景s时刻t节点b的弃负荷量，Aw,t,s和Pw,t,s为场景s时刻t风电场w的可用风电功率和并网风电功率；EUg,t和EDg,t分别表示时刻t机组g的经济运行域上界和下界；ig,t为机组启停状态指示符，为0-1整数变量，0表示机组处于停机状态，1表示机组处于开机状态；Pg,t,s为场景s时刻t机组g的出力。
(3.2)模型的约束条件：
1)机组运行费用约束：
Figure BDA0003445659240000142
式中：机组运行费用采用二次模型，α1,i、α2,i、α3,i为各次项参数；ig,t为机组启停状态指示符，为0-1整数变量，0表示机组处于停机状态，1表示机组处于开机状态；Pg,t,s为场景s时刻t机组g的出力。
2)机组出力约束：
Figure BDA0003445659240000143
式中：
Figure BDA0003445659240000144
分别为机组g的出力下限和上限，Pg,t,s为场景s时刻t机组g的出力。
3)经济运行域限值约束：
Figure BDA0003445659240000151
式中：Pg,t,s为场景s时刻t机组g的出力，EUg,t和EDg,t分别表示时刻t机组g的经济运行域上界和下界。
4)机组爬坡约束
Figure BDA0003445659240000152
式中：
Figure BDA0003445659240000153
分别为机组g出力的最大下调速率和最大上调速率，Pg,t,s和Pg,t-1,s分别为场景s时刻t和t-1机组g的出力。
5)风电场并网功率约束
Figure BDA0003445659240000154
式中：Aw,t,s和Pw,t,s为场景s时刻t风电场w的可用风电功率和并网风电功率。
6)弃负荷约束
Figure BDA0003445659240000155
式中，ΔLb,t,s和Lb,t分别表示场景s节点b时刻t的弃负荷量和节点b时刻t的负荷功率。
7)电力平衡约束
Figure BDA0003445659240000156
式中：o1(b)和o2(b)表示功率注入和流出节点b的输电线路集合，Pl,t,s为场景s时刻t线路l的传输功率，取值正负表示方向；Pg,t,s为场景s时刻t机组g的出力；Pw,t,s为场景s时刻t风电场w的并网风电功率；Gb和Wb分别表示节点b所连接的发电机和风电场集合；ΔLb,t,s和Lb,t分别表示场景s节点b时刻t的弃负荷量和节点b时刻t的负荷功率；
Figure BDA0003445659240000157
为PDR实施后场景s节点b时刻t的负荷变化量。
8)直流潮流方程约束
Figure BDA0003445659240000161
式中：Pl,t,s为场景s时刻t线路l的传输功率，Bl为线路l的电纳，
Figure BDA0003445659240000162
和
Figure BDA0003445659240000163
分别为场景s时刻t线路l的首末节点电压相角。
9)线路潮流约束
Figure BDA0003445659240000164
式中：Pl,t,s为场景s时刻t线路l的传输功率，Pl max为线路l的最大传输容量。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.计及源荷双侧不确定性的电网经济运行域生成方法，其特征在于，包括步骤：
(1)基于tLocation-scale分布，拉丁超立方采样和K-medoids聚类，获取典型风电出力场景及其对应概率；
(2)根据价格型需求侧响应规则，建立需求侧响应模型；
(3)根据经济运行域定义，以及步骤(1)和(2)得到的典型风电出力场景及其对应概率和需求侧响应模型，建立计及源荷双侧不确定性的电网经济运行域生成模型，通过商业求解器快速求解；
所述步骤(3)具体内容包括：
(3.1)计及源荷双侧不确定性的电网经济运行域生成模型的目标函数包括弃负荷惩罚、弃风惩罚、经济运行域宽度和燃料费用：
min C1+C2+C3+C4
Figure FDA0004047106080000011
式中：C1、C2、C3和C4分别为弃负荷惩罚、弃风惩罚、经济运行域宽度和燃料费用；NG、NS、NB、NW、NT分别为发电机数、场景数、节点数、风电场数目和时段数目；ρs为场景s对应的概率；ΔLb,t,s为场景s时刻t节点b的弃负荷量，Aw,t,s和Pw,t,s为场景s时刻t风电场w的可用风电功率和并网风电功率；EUg,t和EDg,t分别表示时刻t机组g的经济运行域上界和下界；ig,t为机组启停状态指示符，为0-1整数变量，0表示机组处于停机状态，1表示机组处于开机状态；Pg,t,s为场景s时刻t机组g的出力；
所述步骤(3)具体内容还包括：
(3.2)模型的约束条件：
1)机组运行费用约束：
Figure FDA0004047106080000021
式中：机组运行费用采用二次模型，α1,i、α2,i、α3,i为各次项参数；ig,t为机组启停状态指示符，为0-1整数变量，0表示机组处于停机状态，1表示机组处于开机状态；Pg,t,s为场景s时刻t机组g的出力；
2)机组出力约束：
Figure FDA0004047106080000022
式中：
Figure FDA0004047106080000023
分别为机组g的出力下限和上限，Pg,t,s为场景s时刻t机组g的出力；
3)经济运行域限值约束：
Figure FDA0004047106080000024
式中：Pg,t,s为场景s时刻t机组g的出力，EUg,t和EDg,t分别表示时刻t机组g的经济运行域上界和下界；
4)机组爬坡约束
Figure FDA0004047106080000025
式中：
Figure FDA0004047106080000026
分别为机组g出力的最大下调速率和最大上调速率，Pg,t,s和Pg,t-1,s分别为场景s时刻t和t-1机组g的出力；
5)风电场并网功率约束
Figure FDA0004047106080000031
式中：Aw,t,s和Pw,t,s为场景s时刻t风电场w的可用风电功率和并网风电功率；
6)弃负荷约束
Figure FDA0004047106080000032
式中，ΔLb,t,s和Lb,t分别表示场景s节点b时刻t的弃负荷量和节点b时刻t的负荷功率；
7)电力平衡约束
Figure FDA0004047106080000033
式中：o1(b)和o2(b)表示功率注入和流出节点b的输电线路集合，Pl,t,s为场景s时刻t线路l的传输功率，取值正负表示方向；Pg,t,s为场景s时刻t机组g的出力；Pw,t,s为场景s时刻t风电场w的并网风电功率；Gb和Wb分别表示节点b所连接的发电机和风电场集合；ΔLb,t,s和Lb,t分别表示场景s节点b时刻t的弃负荷量和节点b时刻t的负荷功率；
Figure FDA0004047106080000034
为PDR实施后场景s节点b时刻t的负荷变化量；
8)直流潮流方程约束
Figure FDA0004047106080000035
式中：Pl,t,s为场景s时刻t线路l的传输功率，Bl为线路l的电纳，
Figure FDA0004047106080000036
和
Figure FDA0004047106080000037
分别为场景s时刻t线路l的首末节点电压相角；
9)线路潮流约束
Figure FDA0004047106080000038
式中：Pl,t,s为场景s时刻t线路l的传输功率，Pl max为线路l的最大传输容量。
2.根据权利要求1所述的电网经济运行域生成方法，其特征在于，所述步骤(1)具体内容如下：
(1.1)利用tLocation-scale分布对风电预测误差历史数据进行拟合：
Figure FDA0004047106080000041
式中，x为随机变量，此处为风电预测误差，Γ为伽马函数，μ为位置参数，σ为尺度参数，ν为形状参数；
(1.2)利用拉丁超立方采样获取风电出力离散场景：假设随机标量Xk的累计概率分布函数为Yk＝Fk(Xk)，将Yk曲线沿纵轴等分为N个区间，选择每个区间的中点作为Yk采样值，然后通过累计概率分布函数的反函数计算Xk的采样值，即Xk的第n个采样值为
Figure FDA0004047106080000042
(1.3)利用K-medoids聚类方法对(1.2)中获取的离散场景进行聚类：
Figure FDA0004047106080000043
Figure FDA0004047106080000044
式中，dij为欧几里得距离，
Figure FDA0004047106080000045
为场景i的第a个风电出力值，NT为时段数目，NX为原始场景集的样本总数；ws,i为场景i与以典型场景s为中心的簇的隶属关系，1表示属于该簇，0表示不属于该簇；ρs为场景s对应的概率。
3.根据权利要求1所述的电网经济运行域生成方法，其特征在于，所述步骤(2)具体内容如下：
(2.1)价格型需求响应实施前后负荷需求满足如下约束：
L＝L0+ΔLPDR， (4)
Figure FDA0004047106080000052
Figure FDA0004047106080000053
Figure FDA0004047106080000054
式中：L与L0分别为响应前后的负荷需求；ΔLPDR为PDR实施后的负荷变化量；
Figure FDA0004047106080000055
为PDR实施后负荷的变化归一化矩阵；Δpnor为分时电价变化归一化矩阵；NT为时段数目；
Figure FDA0004047106080000056
和
Figure FDA0004047106080000057
分别为时刻t原电力需求和分时电价；ΔLt与Δpt分别为时刻tPDR实施后的电力需求与分时电价变化量；E'为电量电价弹性矩阵。
4.计及源荷双侧不确定性的电网经济运行域生成系统，其特征在于，包括：
典型风电出力场景及其对应概率获取单元：基于tLocation-scale分布，拉丁超立方采样和K-medoids聚类，获取典型风电出力场景及其对应概率；
需求侧响应模型建立单元：根据价格型需求侧响应规则，建立需求侧响应模型；
电网经济运行域生成模型建立单元：根据经济运行域定义，以及前面二个单元得到的典型风电出力场景及其对应概率和需求侧响应模型，建立计及源荷双侧不确定性的电网经济运行域生成模型，通过商业求解器快速求解；
所述电网经济运行域生成模型建立单元的具体内容包括：
(3.1)计及源荷双侧不确定性的电网经济运行域生成模型的目标函数包括弃负荷惩罚、弃风惩罚、经济运行域宽度和燃料费用：
min C1+C2+C3+C4
Figure FDA0004047106080000061
式中：C1、C2、C3和C4分别为弃负荷惩罚、弃风惩罚、经济运行域宽度和燃料费用；NG、NS、NB、NW、NT分别为发电机数、场景数、节点数、风电场数目和时段数目；ρs为场景s对应的概率；ΔLb,t,s为场景s时刻t节点b的弃负荷量，Aw,t,s和Pw,t,s为场景s时刻t风电场w的可用风电功率和并网风电功率；EUg,t和EDg,t分别表示时刻t机组g的经济运行域上界和下界；ig,t为机组启停状态指示符，为0-1整数变量，0表示机组处于停机状态，1表示机组处于开机状态；Pg,t,s为场景s时刻t机组g的出力；
所述电网经济运行域生成模型建立单元的具体内容还包括：
(3.2)模型的约束条件：
1)机组运行费用约束：
Figure FDA0004047106080000062
式中：机组运行费用采用二次模型，α1,i、α2,i、α3,i为各次项参数；ig,t为机组启停状态指示符，为0-1整数变量，0表示机组处于停机状态，1表示机组处于开机状态；Pg,t,s为场景s时刻t机组g的出力；
2)机组出力约束：
Figure FDA0004047106080000063
式中：
Figure FDA0004047106080000064
分别为机组g的出力下限和上限，Pg,t,s为场景s时刻t机组g的出力；
3)经济运行域限值约束：
Figure FDA0004047106080000071
式中：Pg,t,s为场景s时刻t机组g的出力，EUg,t和EDg,t分别表示时刻t机组g的经济运行域上界和下界；
4)机组爬坡约束
Figure FDA0004047106080000072
式中：
Figure FDA0004047106080000073
分别为机组g出力的最大下调速率和最大上调速率，Pg,t,s和Pg,t-1,s分别为场景s时刻t和t-1机组g的出力；
5)风电场并网功率约束
Figure FDA0004047106080000074
式中：Aw,t,s和Pw,t,s为场景s时刻t风电场w的可用风电功率和并网风电功率；
6)弃负荷约束
Figure FDA0004047106080000075
式中，ΔLb,t,s和Lb,t分别表示场景s节点b时刻t的弃负荷量和节点b时刻t的负荷功率；
7)电力平衡约束
Figure FDA0004047106080000076
式中：o1(b)和o2(b)表示功率注入和流出节点b的输电线路集合，Pl,t,s为场景s时刻t线路l的传输功率，取值正负表示方向；Pg,t,s为场景s时刻t机组g的出力；Pw,t,s为场景s时刻t风电场w的并网风电功率；Gb和Wb分别表示节点b所连接的发电机和风电场集合；ΔLb,t,s和Lb,t分别表示场景s节点b时刻t的弃负荷量和节点b时刻t的负荷功率；
Figure FDA0004047106080000081
为PDR实施后场景s节点b时刻t的负荷变化量；
8)直流潮流方程约束
Figure FDA0004047106080000082
式中：Pl,t,s为场景s时刻t线路l的传输功率，Bl为线路l的电纳，
Figure FDA0004047106080000083
和
Figure FDA0004047106080000084
分别为场景s时刻t线路l的首末节点电压相角；
9)线路潮流约束
Figure FDA0004047106080000085
式中：Pl,t,s为场景s时刻t线路l的传输功率，Pl max为线路l的最大传输容量。
5.根据权利要求4所述的电网经济运行域生成系统，其特征在于，所述典型风电出力场景及其对应概率获取单元的具体内容如下：
(1.1)利用tLocation-scale分布对风电预测误差历史数据进行拟合：
Figure FDA0004047106080000086
式中，x为随机变量，此处为风电预测误差，Γ为伽马函数，μ为位置参数，σ为尺度参数，ν为形状参数；
(1.2)利用拉丁超立方采样获取风电出力离散场景：假设随机标量Xk的累计概率分布函数为Yk＝Fk(Xk)，将Yk曲线沿纵轴等分为N个区间，选择每个区间的中点作为Yk采样值，然后通过累计概率分布函数的反函数计算Xk的采样值，即Xk的第n个采样值为
Figure FDA0004047106080000087
(1.3)利用K-medoids聚类方法对(1.2)中获取的离散场景进行聚类：
Figure FDA0004047106080000091
Figure FDA0004047106080000092
式中，dij为欧几里得距离，
Figure FDA0004047106080000093
为场景i的第a个风电出力值，NT表示时段数目，NX为原始场景集的样本总数；ws,i为场景i与以典型场景s为中心的簇的隶属关系，1表示属于该簇，0表示不属于；ρs为场景s对应的概率。
6.根据权利要求4所述的电网经济运行域生成系统，其特征在于，所述需求侧响应模型建立单元的具体内容如下：
(2.1)价格型需求响应实施前后负荷需求满足如下约束：
L＝L0+ΔLPDR， (4)
Figure FDA0004047106080000095
Figure FDA0004047106080000096
Figure FDA0004047106080000097
式中：L与L0分别为响应前后的负荷需求；ΔLPDR为PDR实施后的负荷变化量；
Figure FDA0004047106080000098
为PDR实施后负荷的变化归一化矩阵；Δpnor为分时电价变化归一化矩阵；NT为时段数目；
Figure FDA0004047106080000099
和
Figure FDA00040471060800000910
分别为时刻t原电力需求和分时电价；ΔLt与Δpt分别为时刻tPDR实施后的电力需求与分时电价变化量；E'为电量电价弹性矩阵。
CN202111647280.1A 2021-12-30 2021-12-30 计及源荷双侧不确定性的电网经济运行域生成方法及系统 Active CN114336607B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111647280.1A CN114336607B (zh) 2021-12-30 2021-12-30 计及源荷双侧不确定性的电网经济运行域生成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111647280.1A CN114336607B (zh) 2021-12-30 2021-12-30 计及源荷双侧不确定性的电网经济运行域生成方法及系统

Publications (2)

Publication Number Publication Date
CN114336607A CN114336607A (zh) 2022-04-12
CN114336607B true CN114336607B (zh) 2023-04-07

Family

ID=81016380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111647280.1A Active CN114336607B (zh) 2021-12-30 2021-12-30 计及源荷双侧不确定性的电网经济运行域生成方法及系统

Country Status (1)

Country Link
CN (1) CN114336607B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114662798B (zh) * 2022-05-17 2022-09-06 浙江大学 一种基于电网经济运行域的调度方法及装置、电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112952807A (zh) * 2021-02-09 2021-06-11 西安理工大学 考虑风电不确定性与需求响应的多目标优化调度方法
CN113488987A (zh) * 2021-05-17 2021-10-08 国网浙江杭州市余杭区供电有限公司 一种考虑源荷波动的电网灵活性运行域评估指标计算方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10908571B2 (en) * 2019-03-18 2021-02-02 Bigwood Technology, Inc. Online multi-period power dispatch with renewable uncertainty and storage

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112952807A (zh) * 2021-02-09 2021-06-11 西安理工大学 考虑风电不确定性与需求响应的多目标优化调度方法
CN113488987A (zh) * 2021-05-17 2021-10-08 国网浙江杭州市余杭区供电有限公司 一种考虑源荷波动的电网灵活性运行域评估指标计算方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Revenue Evaluation of Grid-scale Battery Storage in Zhejiang under Different Operating Schemes;Le Fang;《2020 4th International Conference on HVDC (HVDC)》;全文 *
Synergizing PMU Data From Multiple Locations in Indian Power Grid-Case Study;Makarand Sudhakar Ballal;《IEEE Access》;全文 *
考虑需求响应和风电不确定性的能源系统调度;张通等;《浙江大学学报(工学版)》(第08期);全文 *

Also Published As

Publication number Publication date
CN114336607A (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN111769600B (zh) 一种基于灵活性裕度的电力系统源荷储协调滚动调度方法
CN109524958B (zh) 考虑深度调峰和需求响应的电力系统灵活性优化调度方法
CN107947165A (zh) 一种面向调节需求的配电网灵活性评价方法
CN107947164A (zh) 一种考虑多重不确定性及相关性的电力系统日前鲁棒调度方法
CN104682381B (zh) 大型风电场柔性直流输电系统可靠性计算方法
CN103683274B (zh) 区域中长期风电发电量概率预测方法
CN105071389B (zh) 计及源网荷互动的交直流混合微电网优化运行方法及装置
US20160092622A1 (en) Method for modeling medium and long term wind power output model of medium and long term optimal operationof power system
CN103810535B (zh) 电力系统风电消纳能力评估方法
CN108306303A (zh) 一种考虑负荷增长和新能源出力随机的电压稳定评估方法
CN103545832A (zh) 一种基于发电预测误差的光伏系统储能容量配置方法
CN111401664A (zh) 一种综合能源系统鲁棒优化调度方法及装置
CN110429649A (zh) 考虑灵活性的高渗透率可再生能源集群划分方法
CN103887813B (zh) 基于风功率预测不确定度的风电系统运行的控制方法
CN102479347A (zh) 基于数据驱动的风电场短期风速预测方法和系统
CN106786736A (zh) 基于经济调度的风电储能源功率与容量优化配置方法
CN114336607B (zh) 计及源荷双侧不确定性的电网经济运行域生成方法及系统
CN105528668A (zh) 一种风电并网电力系统动态环境经济调度方法
CN102904248B (zh) 基于风电出力不确定性集合的电力系统调度方法
CN113255982A (zh) 一种风光水互补系统中长期优化调度方法
CN114243794A (zh) 风光水多能互补系统灵活性需求量化及协调优化方法
CN116470543A (zh) 一种虚拟电厂的运行控制方法、装置、设备及介质
CN112072643A (zh) 一种基于深度确定性梯度策略的光-蓄系统在线调度方法
CN104915889A (zh) 一种基于日负荷曲线在线获取综合负荷模型参数的方法
CN118399396A (zh) 电力系统可用输电容量计算方法、装置、介质及设备

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