CN114880851B - 考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法 - Google Patents

考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法 Download PDF

Info

Publication number
CN114880851B
CN114880851B CN202210482340.7A CN202210482340A CN114880851B CN 114880851 B CN114880851 B CN 114880851B CN 202210482340 A CN202210482340 A CN 202210482340A CN 114880851 B CN114880851 B CN 114880851B
Authority
CN
China
Prior art keywords
flexibility
constraint
node
unit
formula
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
CN202210482340.7A
Other languages
English (en)
Other versions
CN114880851A (zh
Inventor
马英浩
刘琛
张梦袁
杨贺钧
王帅
童金炳
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202210482340.7A priority Critical patent/CN114880851B/zh
Publication of CN114880851A publication Critical patent/CN114880851A/zh
Application granted granted Critical
Publication of CN114880851B publication Critical patent/CN114880851B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Geometry (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法，其步骤包括：1引入节点灵活性、网络灵活性和网络灵活性均衡度，建立综合灵活性指标；2建立综合灵活性约束模型，包括节点灵活性约束、网络灵活性约束和网络灵活性均衡度‑关键线路联合约束；3将综合灵活性约束加入到机组组合模型中；4采用鲁棒优化方法进行求解。本发明能明显降低系统的节点灵活性不足指数，并提高系统灵活性和灵活性资源的可用性，从而保证系统具有响应功率偏差的能力。

Description

考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化 方法
技术领域
本发明针对含风电的电力系统，提出一种考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法。
背景技术
近年来，碳减排已成为世界各国的发展目标。在可预见的未来，可再生能源将成为电力生产的主要发展方向。然而，随着可再生能源装机量的增加，可再生能源的随机性和波动性将不可避免地给电网的功率平衡和运行稳定性带来严重挑战，可再生能源消纳压力将长期存在。为了确保运行安全，需要有足够的旋转备用或灵活性资源来应对可再生能源的随机性和波动性。灵活性描述了系统根据净负载的变化来调度其灵活资源的能力。在大规模可再生能源接入电力系统的规划和运行研究中考虑灵活性对电力系统的安全稳定运行至关重要。
电力系统综合灵活性可分为节点灵活性和网络灵活性，节点灵活性意为火电机组或其他灵活性资源调整出力应对功率偏差得能力，网络灵活性意为输电线路可用得传输裕度，是被动和不可调整的，两者协同作用保障电力系统安全运行。节点灵活性不足会导致功率调整能力受限，而网络灵活性不足会导致节点灵活性资源不可用。因此，针对电力系统综合灵活性分析是十分必要的。除此之外，灵活性资源的调节能力并不直接等于系统的灵活性供给，这是由于功率的传输需要依托网架这一载体，灵活性的实现需要建立在系统具有灵活性传输通道的基础上。现有技术对灵活性的研究大多集中在节点灵活性方面，对网络灵活性的考虑较为简单，显然节点灵活性和网络灵活性都会影响系统的运行安全；同时，现有技术并未考虑灵活性资源可用性这一概念，这会导致在实际运行过程中，可再生能源或负荷出现波动需要平衡差值时，灵活性资源并不能通过线路传输至所需节点，造成灵活性资源不可用，进而产生弃风和切负荷的现象。
发明内容
本发明是为了解决上述现有技术存在的不足之处，提出一种考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法，以期能反应系统的综合灵活性并解决灵活性资源可用性的问题，从而能提高系统灵活性和灵活性资源的可用性，并保证系统具有响应功率偏差的能力。
为了达到上述目的，本发明所采用的技术方案为：
本发明一种考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法的特点在于，是按如下步骤进行：
步骤1、引入节点灵活性、网络灵活性和网络灵活性均衡度，建立综合灵活性指标：
步骤1.1、利用式(1)分别计算所述含风电电力系统中节点b上的火电机组n在t时刻向上节点灵活性FNup b,n(t)和向下节点灵活性FNdo b,n(t)：
式(1)中，Pmax b,n表示节点b上的火电机组n的最大出力；Pb,n(t)表示节点b上的火电机组n的当前出力；Rup b,n(t)表示节点b上的火电机组n的向上爬坡限制；Pmin b,n表示节点 b上的火电机组n的最小出力；Rdn b,n(t)表示节点b上的火电机组n的向下爬坡限制；
利用式(2)计算所述含风电电力系统t时刻的节点灵活性不足指数NIFI(t)：
式(2)中；ΔPD b(t)表示t时刻节点b的功率波动；表示节点b上的火电机组n在 t时刻的最大向上或向下灵活性；Nb表示所述含风电电力系统的节点数；Ng表示火电机组数目；
步骤1.2、利用式(3)计算所述含风电电力系统的传输网络中线路l在t时刻的网络灵活性 FLl(t)：
FLl(t)＝Pl max-Pl(t) (3)
式(3)中，Pmax l为线路l的最大传输容量；Pl(t)为线路l的当前已使用的容量；
利用式(4)计算t时刻的传输网络灵活性指数NFI(t)：
式(4)中，Nl为传输网络中的线路数；
步骤1.3、利用式(5)计算t时刻的传输网络灵活性均衡度NFBD(t)：
步骤2、建立综合灵活性约束，包括：节点灵活性约束、传输网络灵活性约束和传输网络灵活性均衡度-关键线路联合约束：
步骤2.1、利用式(6)和式(7)建立节点灵活性约束：
式(6)和式(7)中，fPE为所述含风电电力系统在处理风电出力不确定性所在的阶段中节点灵活性不足罚函数；σ为对应惩罚因子；T表示所述含风电电力系统机组组合优化周期；
步骤2.2、利用式(8)建立传输网络灵活性约束：
步骤2.3、定义在调度周期内任意时刻负荷率大于ξ％的线路为关键线路，并利用式(9)和式(10)建立传输网络灵活性均衡度-关键线路联合约束：
NFBD(t)≤NFBDset(t) (9)
式(9)和式(10)中，NFBDset(t)为t时刻的传输网络灵活性均衡度设定值；FLkl(t)为关键线路在t时刻的网络灵活性；FLmin kl(t)为关键线路在t时刻所保持的网络灵活性最小值；
步骤3、利用式(11)构建目标函数f，并由综合灵活性约束和式(12)至式(16)所示的常规约束条件共同构成机组组合模型：
式(12)为两阶段的功率平衡约束，包括：按日前预测数值进行功率平衡的确定性约束和根据日内的输出波动进行调度的不确定性约束，Pn(t)为火电机组n在t时刻的输出，Ppr w(t)为风机w在t时刻预测出力，PD(t)为t时刻负荷需求，Nw为风电场数目，Ngo为已开机火电机组数目，ΔPn(t)为日内火电机组处理变化量，Pre w(t)为风电实际出力；
式(13)为火电机组出力上下限约束，un(t)为机组状态二进制变量，Pmin n和Pmaxn分别为火电机组n最小出力和最大出力；
式(14)为爬坡约束，ΔPup n和ΔPdo n分别为火电机组n的爬坡变化量；
式(15)为最小开停机时间约束，Ton,min n和Toff,min n分别为火电机组n最小开机和停机时间；
式(16)为旋转备用约束，SP(t)和SN(t)分别为系统t时刻向上和向下旋转备用；
步骤4、采用鲁棒优化方法进行求解所述机组组合模型，得到日前机组组合的主方案和日内应对最恶劣场景下风电出力波动的机组调度的子方案；
步骤4.1、当前迭代次数为k，并初始化k＝1；
设定第k次迭代下的目标函数f的上界LBk＝+∞、第k次迭代下的下界为UBk＝-∞，
令第k次迭代下的不确定变量风电出力的取值为预测值，并作为第k次迭代下的初始场景，定义不确定集为风电预测出力上下波动的δ％，在不确定集范围内随机生成第k次迭代下的若干风电出力场景；其中，δ表示所设定的阈值；
步骤4.2、根据第k次迭代下的若干风电出力场景以及第k次迭代下的上界LBk和下界 UBk，采用鲁棒优化方法对所述机组组合模型进行求解，得到第k次迭代下的日前机组组合的主方案，并将第k次迭代下主方案的目标函数值作为第k+1次迭代下的下界UBk+1；
步骤4.3、根据第k次迭代下的若干风电出力场景，将第k次迭代下的日前机组组合的主方案带入所述机组组合模型中进行求解，得到第k次迭代下的日内应对最恶劣场景下风电出力波动的机组调度的子方案；并将第k次迭代下子方案的目标函数值作为第k+1次迭代下的上界LBk+1；
步骤4.4、若UBk-LBk≤ε，则停止迭代并输出第k次迭代下的日前机组组合的主方案和日内应对最恶劣场景下风电出力波动的机组调度的子方案，否则，令k+1赋值给k后，返回步骤4.2顺序执行，其中，ε为收敛阈值。
与已有技术相比，本发明的有益效果体现在：
1、本发明建立节点灵活性约束和网络灵活性约束，并以此表征节点灵活性资源的可用性，从而能更准确地评估系统的灵活性水平；
2、本发明提出了网络灵活性均衡度的概念，保证了系统的整体网络灵活性均衡，并在此基础上建立网络灵活性均衡度-关键线路联合约束，该约束同时保证了关键支路的网络灵活性和系统整体的灵活性均衡，避免了对线路的分类和个体约束，降低了模型的复杂程度。
3、本发明通过引入节点灵活性、网络灵活性和网络灵活性均衡度，建立了综合灵活性指标以便更为全面评估系统的可用灵活性，并在此基础上建立综合灵活性约束模型，包括节点灵活性约束、网络灵活性约束和网络灵活性均衡度-关键线路联合约束，使得系统留有一定的灵活性应对恶劣情况下的功率偏差，以保证系统节点灵活性资源的有效性，从而提高了电力系统的综合灵活性，最后将综合灵活性约束加入到机组组合模型中，并用鲁棒优化方法进行求解，得到机组组合方案并应用于含风电电力系统的运行中，从而解决了灵活性资源可用性的问题，并提高了系统灵活性和灵活性资源的可用性，保证了系统具有响应功率偏差的能力。
附图说明
图1为考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法流程图；
图2为本发明得到的不考虑综合灵活性约束的节点向上灵活性示意图；
图3为本发明得到的不考虑综合灵活性约束的节点向下灵活性示意图；
图4为本发明得到的不考虑综合灵活性约束的网络灵活性指数的示意图；
图5为本发明得到的不考虑综合灵活性约束的节点灵活性不足指数示意图；
图6为本发明得到的考虑综合灵活性约束的节点向上灵活性示意图；
图7为本发明得到的考虑综合灵活性约束的节点向下灵活性示意图；
图8为本发明得到的考虑综合灵活性约束的网络灵活性指数示意图；
图9为本发明得到的考虑综合灵活性约束的节点灵活性不足指数示意图。
具体实施方式
本实施例中，以24节点系统为例验证考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法，首先，引入节点灵活性、网络灵活性和网络灵活性均衡度，建立综合灵活性指标；其次，建立综合灵活性约束模型，包括节点灵活性约束、网络灵活性约束和网络灵活性均衡度-关键线路联合约束；然后，将综合灵活性约束加入到传统机组组合模型中；最后，采用鲁棒优化方法进行求解。具体的说，如图1所示，是按如下步骤进行：
步骤1、引入节点灵活性、网络灵活性和网络灵活性均衡度，建立综合灵活性指标：
步骤1.1、利用式(1)分别计算含风电电力系统中节点b上的火电机组n在t时刻向上节点灵活性FNup b,n(t)和向下节点灵活性FNdo b,n(t)：
式(1)中，Pmax b,n表示节点b上的火电机组n的最大出力；Pb,n(t)表示节点b上的火电机组n的当前出力；Rup b,n(t)表示节点b上的火电机组n的向上爬坡限制；Pmin b,n表示节点 b上的火电机组n的最小出力；Rdn b,n(t)表示节点b上的火电机组n的向下爬坡限制；
利用式(2)计算含风电电力系统t时刻的节点灵活性不足指数NIFI(t)：
式(2)中；ΔPD b(t)表示t时刻节点b的功率波动；表示节点b上的火电机组n在 t时刻的最大向上或向下灵活性；Nb表示含风电电力系统的节点数；Ng表示火电机组数目；
步骤1.2、利用式(3)计算含风电电力系统的传输网络中线路l在t时刻的网络灵活性FLl(t)：
FLl(t)＝Pl max-Pl(t) (3)
式(3)中，Pmax l为线路l的最大传输容量；Pl(t)为线路l的当前已使用的容量；
利用式(4)计算t时刻的传输网络灵活性指数NFI(t)：
式(4)中，Nl为传输网络中的线路数；
步骤1.3、利用式(5)计算t时刻的传输网络灵活性均衡度NFBD(t)：
步骤2、建立综合灵活性约束，包括：节点灵活性约束、传输网络灵活性约束和传输网络灵活性均衡度-关键线路联合约束：
步骤2.1、利用式(6)和式(7)建立节点灵活性约束：
式(6)和式(7)中，fPE为含风电电力系统在处理风电出力不确定性所在的阶段中节点灵活性不足罚函数；σ为对应惩罚因子，本实施例中σ取109；；T表示含风电电力系统机组组合优化周期；
步骤2.2、利用式(8)建立传输网络灵活性约束：
步骤2.3、定义在调度周期内任意时刻负荷率大于ξ％的线路为关键线路，本实施例中ξ取80，NFBDset(t)取90％，FLmin kl(t)取10％，并利用式(9)和式(10)建立传输网络灵活性均衡度- 关键线路联合约束：
NFBD(t)≤NFBDset(t) (9)
式(9)和式(10)中，NFBDset(t)为t时刻的传输网络灵活性均衡度设定值；FLkl(t)为关键线路在t时刻的网络灵活性；FLmin kl(t)为关键线路在t时刻所保持的网络灵活性最小值；
步骤3、将综合灵活性约束加入到机组组合模型中，目标函数为优化周期内节点灵活性不足指数之和最小，目标函数如式(11)所示；常规约束条件包括出力约束、爬坡约束、功率平衡约束、最小开停机时间约束和旋转备用约束，其公式如式(12)至式(16)所示：
式(12)为两阶段的功率平衡约束，包括按日前预测数值进行功率平衡的确定性约束和根据日内的输出波动进行调度的不确定性约束，Pn(t)为火电机组n在t时刻的输出，Ppr w(t)为风机 w在t时刻预测出力，PD(t)为t时刻负荷需求，Nw为风电场数目，Ngo为已开机火电机组数目，ΔPn(t)为日内火电机组处理变化量，Pre w(t)为风电实际出力；
式(13)为火电机组出力上下限约束，un(t)为机组状态二进制变量，Pmin n和Pmaxn分别为火电机组n最小出力和最大出力；
式(14)为爬坡约束，ΔPup n和ΔPdo n分别为火电机组n的爬坡变化量；
式(15)为最小开停机时间约束，Ton,min n和Toff,min n分别为火电机组n最小开机和停机时间；
式(16)为旋转备用约束，SP(t)和SN(t)分别为系统t时刻向上和向下旋转备用。
步骤4、采用鲁棒优化方法进行求解机组组合模型，得到日前机组组合的主方案和日内应对最恶劣场景下风电出力波动的机组调度的子方案；
步骤4.1、当前迭代次数为k，并初始化k＝1；
设定第k次迭代下的目标函数f的上界LBk＝+∞、第k次迭代下的下界为UBk＝-∞，
令第k次迭代下的不确定变量风电出力的取值为预测值，并作为第k次迭代下的初始场景，不确定集定义为风电预测出力上下波动的δ％，本实施例中，所设定的阈值δ取20，在不确定集范围内随机生成第k次迭代下的若干风电出力场景；
步骤4.2、根据第k次迭代下的若干风电出力场景以及第k次迭代下的上界LBk和下界 UBk，采用鲁棒优化方法对机组组合模型进行求解，得到第k次迭代下的日前机组组合的主方案，并将第k+1次迭代下的下界UBk+1为第k次迭代下主方案的目标函数值；
步骤4.3、根据第k次迭代下的若干风电出力场景，将第k次迭代下的日前机组组合的主方案带入机组组合模型中进行求解，得到第k次迭代下的日内应对最恶劣场景下风电出力波动的机组调度的子方案；并将第k+1次迭代下的上界LBk+1更新为第k次迭代下子方案的目标函数值；
步骤4.4、若UBk-LBk≤ε，则停止迭代并输出第k次迭代下的日前机组组合的主方案和日内应对最恶劣场景下风电出力波动的机组调度的子方案，否则，令k+1赋值给k后，返回步骤4.2顺序执行，其中，ε为收敛阈值。
步骤4.5、根据求解结果分析系统灵活性。
首先对比图2和图6，可以发现添加综合灵活性约束后，系统的向上节点型灵活性有了显著提升；对比图3和图7，可以发现系统的向下节点型灵活性仍然维持在较高水平，因此可以认为添加综合灵活性约束后，系统的节点灵活性水平提升显著。图4和图8分别为添加综合灵活性约束前后系统的网络灵活性指数示意图，由图可知对于比较拥堵的线路21、线路 22和线路30，添加综合灵活性约束能保证这些线路的网络灵活性指数有所提升。因此，通过对比可以得出，添加综合灵活性约束后，日前机组组合方案要留有一定的传输裕度为节点型灵活性资源提供传输通道，使得关键线路处的机组出力不能过多，而显然关键线路连接的通常为效率较优的机组，这部分机组出力降低后需要其他效率稍差的机组增加出力弥补差值，综合灵活性约束的意义在于其对抗风险能力，即日前方案通过预留网络型灵活性应对日内可能出现的风电出力波动。添加联合约束后机组向下节点型灵活性依旧维持在较高水平，但向上型节点灵活性水平有了显著提升，这是由于日前机组组合方案中更多的机组参与到了功率平衡中，就意味着机组出力改变有更大的空间，网络型灵活性也有小幅度提升。
综上所述，添加综合灵活性约束后系统的综合灵活性有所上升，其中向上节点型灵活性提升显著，而这代表着系统的鲁棒性更强，而最终的结果也印证了这一点：图5和图9分别为添加综合灵活性约束前后系统的节点灵活性不足指数，添加综合灵活性约束后系统最恶劣场景下的节点灵活性不足指数总和为336.980，而未添加联合约束时最恶劣场景下的节点灵活性不足指数总和为461.997。虽然两种情况下都出现了系统灵活性不足的情况，但本发明提出的模型节点灵活性不足指数总和最小，应对风电波动能力更强。

Claims (1)

1.一种考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法，其特征在于，是按如下步骤进行：
步骤1、引入节点灵活性、网络灵活性和网络灵活性均衡度，建立综合灵活性指标：
步骤1.1、利用式(1)分别计算所述含风电电力系统中节点b上的火电机组n在t时刻向上节点灵活性FNup b,n(t)和向下节点灵活性FNdo b,n(t)：
式(1)中，Pmax b,n表示节点b上的火电机组n的最大出力；Pb,n(t)表示节点b上的火电机组n的当前出力；Rup b,n(t)表示节点b上的火电机组n的向上爬坡限制；Pmin b,n表示节点b上的火电机组n的最小出力；Rdn b,n(t)表示节点b上的火电机组n的向下爬坡限制；
利用式(2)计算所述含风电电力系统t时刻的节点灵活性不足指数NIFI(t)：
式(2)中；ΔPDb(t)表示t时刻节点b的功率波动；表示节点b上的火电机组n在t时刻的最大向上或向下灵活性；Nb表示所述含风电电力系统的节点数；Ng表示火电机组数目；
步骤1.2、利用式(3)计算所述含风电电力系统的传输网络中线路l在t时刻的网络灵活性FLl(t)：
FLl(t)＝Pl max-Pl(t) (3)
式(3)中，Pmax l为线路l的最大传输容量；Pl(t)为线路l的当前已使用的容量；
利用式(4)计算t时刻的传输网络灵活性指数NFI(t)：
式(4)中，Nl为传输网络中的线路数；
步骤1.3、利用式(5)计算t时刻的传输网络灵活性均衡度NFBD(t)：
步骤2、建立综合灵活性约束，包括：节点灵活性约束、传输网络灵活性约束和传输网络灵活性均衡度-关键线路联合约束：
步骤2.1、利用式(6)和式(7)建立节点灵活性约束：
式(6)和式(7)中，fPE为所述含风电电力系统在处理风电出力不确定性所在的阶段中节点灵活性不足罚函数；σ为对应惩罚因子；T表示所述含风电电力系统机组组合优化周期；
步骤2.2、利用式(8)建立传输网络灵活性约束：
步骤2.3、定义在调度周期内任意时刻负荷率大于ξ％的线路为关键线路，并利用式(9)和式(10)建立传输网络灵活性均衡度-关键线路联合约束：
NFBD(t)≤NFBDset(t) (9)
式(9)和式(10)中，NFBDset(t)为t时刻的传输网络灵活性均衡度设定值；FLkl(t)为关键线路在t时刻的网络灵活性；FLmin kl(t)为关键线路在t时刻所保持的网络灵活性最小值；
步骤3、利用式(11)构建目标函数f，并由综合灵活性约束和式(12)至式(16)所示的常规约束条件共同构成机组组合模型：
式(12)为两阶段的功率平衡约束，包括：按日前预测数值进行功率平衡的确定性约束和根据日内的输出波动进行调度的不确定性约束，Pn(t)为火电机组n在t时刻的输出，Pprw(t)为风机w在t时刻预测出力，PD(t)为t时刻负荷需求，Nw为风电场数目，Ngo为已开机火电机组数目，ΔPn(t)为日内火电机组处理变化量，Pre w(t)为风电实际出力；
式(13)为火电机组出力上下限约束，un(t)为机组状态二进制变量，Pmin n和Pmax n分别为火电机组n最小出力和最大出力；
式(14)为爬坡约束，ΔPup n和ΔPdo n分别为火电机组n的爬坡变化量；
式(15)为最小开停机时间约束，Ton,min n和Toff,min n分别为火电机组n最小开机和停机时间；
式(16)为旋转备用约束，SP(t)和SN(t)分别为系统t时刻向上和向下旋转备用；
步骤4、采用鲁棒优化方法进行求解所述机组组合模型，得到日前机组组合的主方案和日内应对最恶劣场景下风电出力波动的机组调度的子方案；
步骤4.1、当前迭代次数为k，并初始化k＝1；
设定第k次迭代下的目标函数f的上界LBk＝+∞、第k次迭代下的下界为UBk＝-∞，
令第k次迭代下的不确定变量风电出力的取值为预测值，并作为第k次迭代下的初始场景，定义不确定集为风电预测出力上下波动的δ％，在不确定集范围内随机生成第k次迭代下的若干风电出力场景；其中，δ表示所设定的阈值；
步骤4.2、根据第k次迭代下的若干风电出力场景以及第k次迭代下的上界LBk和下界UBk，采用鲁棒优化方法对所述机组组合模型进行求解，得到第k次迭代下的日前机组组合的主方案，并将第k次迭代下主方案的目标函数值作为第k+1次迭代下的下界UBk+1；
步骤4.3、根据第k次迭代下的若干风电出力场景，将第k次迭代下的日前机组组合的主方案带入所述机组组合模型中进行求解，得到第k次迭代下的日内应对最恶劣场景下风电出力波动的机组调度的子方案；并将第k次迭代下子方案的目标函数值作为第k+1次迭代下的上界LBk+1；
步骤4.4、若UBk-LBk≤ε，则停止迭代并输出第k次迭代下的日前机组组合的主方案和日内应对最恶劣场景下风电出力波动的机组调度的子方案，否则，令k+1赋值给k后，返回步骤4.2顺序执行，其中，ε为收敛阈值。
CN202210482340.7A 2022-05-05 2022-05-05 考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法 Active CN114880851B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210482340.7A CN114880851B (zh) 2022-05-05 2022-05-05 考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210482340.7A CN114880851B (zh) 2022-05-05 2022-05-05 考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法

Publications (2)

Publication Number Publication Date
CN114880851A CN114880851A (zh) 2022-08-09
CN114880851B true CN114880851B (zh) 2024-02-20

Family

ID=82673031

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210482340.7A Active CN114880851B (zh) 2022-05-05 2022-05-05 考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法

Country Status (1)

Country Link
CN (1) CN114880851B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118539435B (zh) * 2024-07-24 2024-10-29 国网山东省电力公司莱芜供电公司 计及电碳耦合约束的电力系统可用灵活性提升优化方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2806521A1 (en) * 2013-05-22 2014-11-26 Vito NV System for electricity grids for adjusting or matching the electrical demand
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质
CN110535132A (zh) * 2019-09-11 2019-12-03 国网天津市电力公司 一种基于鲁棒优化的电力系统建设规划方法
WO2020014006A1 (en) * 2018-07-13 2020-01-16 Siemens Aktiengesellschaft Dynamic photovoltaic curtailment for electrical power distribution
CN111525628A (zh) * 2020-05-09 2020-08-11 合肥工业大学 考虑多时间尺度灵活性约束的含风电并网机组组合方法
CN114065543A (zh) * 2021-11-24 2022-02-18 国网新疆电力有限公司 一种交直流互联电力系统分散鲁棒优化调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2806521A1 (en) * 2013-05-22 2014-11-26 Vito NV System for electricity grids for adjusting or matching the electrical demand
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质
WO2020014006A1 (en) * 2018-07-13 2020-01-16 Siemens Aktiengesellschaft Dynamic photovoltaic curtailment for electrical power distribution
CN110535132A (zh) * 2019-09-11 2019-12-03 国网天津市电力公司 一种基于鲁棒优化的电力系统建设规划方法
CN111525628A (zh) * 2020-05-09 2020-08-11 合肥工业大学 考虑多时间尺度灵活性约束的含风电并网机组组合方法
CN114065543A (zh) * 2021-11-24 2022-02-18 国网新疆电力有限公司 一种交直流互联电力系统分散鲁棒优化调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于多空间约束的含风电电力系统调度鲁棒模型研究;王永明;;电气技术;20180915(09);全文 *
计及火电机组灵活性改造的电源扩展弱鲁棒规划;马龙飞;吴耀武;梁彦杰;娄素华;董超;;电力系统自动化;20200610(11);全文 *

Also Published As

Publication number Publication date
CN114880851A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN108599269B (zh) 一种考虑风险成本的大电网自适应鲁棒备用优化方法
CN107039977B (zh) 电力系统鲁棒调度不确定集构建方法
CN114880851B (zh) 考虑综合灵活性约束的含风电电力系统机组组合鲁棒优化方法
CN109992818B (zh) 大规模风电参与一次调频的机组组合模型及求解方法
CN114069688B (zh) 一种基于时序生产模拟的多电源容量布局规划方法
CN113224769B (zh) 考虑光伏多状态调节的多时间尺度配电网电压优化方法
CN110889540B (zh) 电力市场环境下系统备用需求的优化方法及装置
CN108683188A (zh) 考虑环境价值及调峰充裕度的多目标风电接纳水平优化
CN113241780A (zh) 一种基于秃鹰搜索算法的电网二次调频控制技术
CN113452078A (zh) 基于新能源接入及水火电特性的agc多目标协调优化策略
CN114465246A (zh) 一种计及调速器死区与限幅环节的机组组合优化方法
CN107506878A (zh) 一种考虑风光平滑效应的电力系统多源调度方法
CN116934105A (zh) 一种考虑柔性资源接入的配电网灵活性评估方法和系统
CN115222195A (zh) 考虑源-网-荷-储灵活性资源的配电网优化调度方法
CN114676921A (zh) 一种考虑源荷储协调优化的系统风电可接纳能力计算方法
CN111342453B (zh) 计及多类型备用资源的电气综合能源系统备用决策方法
CN116436040B (zh) 考虑频率动态安全约束的输配电协同优化调度方法和系统
CN112308433B (zh) 一种风电电力调度方法及系统
CN117526440A (zh) 一种计及灵活性的煤-水-风-光协同发电系统优化运行方法
CN110336308B (zh) 一种基于机会约束的主动配电网经济调度方法
CN115021327B (zh) 基于虚拟储能的互联微电网系统的协同日前优化调度方法
CN111327080B (zh) 一种面向多类别机组的电力系统中长期电量联合分解方法
CN113949105B (zh) 考虑可变惯性响应的风火电机组备用协调优化调度方法
CN112821469B (zh) 基于调频消纳域分析的日前发电调度优化方法及装置
CN114512985B (zh) 一种基于调峰辅助服务分摊的新能源交易分析方法

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