CN114936798A - 目标区域中电量调度方案的确定方法及装置 - Google Patents

目标区域中电量调度方案的确定方法及装置 Download PDF

Info

Publication number
CN114936798A
CN114936798A CN202210681244.5A CN202210681244A CN114936798A CN 114936798 A CN114936798 A CN 114936798A CN 202210681244 A CN202210681244 A CN 202210681244A CN 114936798 A CN114936798 A CN 114936798A
Authority
CN
China
Prior art keywords
power
target area
time point
scheduling scheme
electric quantity
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.)
Pending
Application number
CN202210681244.5A
Other languages
English (en)
Inventor
杨晨光
韩光
吴向明
陶鹏
张洋瑞
张超
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.)
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Marketing Service Center of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Marketing Service Center of State Grid Hebei 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 State Grid Corp of China SGCC, State Grid Hebei Electric Power Co Ltd, Marketing Service Center of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202210681244.5A priority Critical patent/CN114936798A/zh
Publication of CN114936798A publication Critical patent/CN114936798A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • 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
    • 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
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biodiversity & Conservation Biology (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

本发明提供一种目标区域中电量调度方案的确定方法及装置。该方法包括：获取下一时段各时间点的预测负荷功率，并基于预测负荷功率和协整关系模型，确定下一时段各时间点的预测出清电价；以目标区域中目标运行指标满足设定条件为目标，以各时间点的预测负荷功率等于风电、光伏和自有机组的发电功率与调度电量之和为第一约束条件，以风电与光伏的发电功率之和位于安全区间的概率大于置信概率为第二约束条件，以自有机组的容量限值为第三约束条件，建立电量调度方案预测模型；将下一时段各时间点的预测出清电价和预测负荷功率，输入到调度方案预测模型，确定目标区域中下一时段的电量调度方案。本发明能够提高电量调度方案的合理性。

Description

目标区域中电量调度方案的确定方法及装置
技术领域
本发明涉及电力电网技术领域，尤其涉及目标区域中电量调度方案的确定方法及装置。
背景技术
电网中供需平衡是影响电网可靠运行的重要因素之一，也是目前售电公司制定调度方案时的重要考虑因素。售电公司制定的调度方案主要包括来自于其他售电公司或单位调度的调度电量，以及自有机组的发电量。
在调度方案的制定过程中，由于需求侧负荷的波动，以及出清电价的波动，需求侧负荷和出清电价存在不确定性，这一不确定性导致售电公司的电量调度方案确定困难。例如，基于需求侧负荷，仅能确定供电侧的供电量，调度电量和发电量之间的比例关系无法确定。又例如，基于出清电价确定调度方案，可以满足需求侧负荷的要求，也可以确定出调度电量和发电量之间的比例关系，但是可能存在自有机组的发电量过大或过小的问题，导致调度方案无法实现，严重时可能影响电网的稳定运行。因此，目前存在电量调度方案中调度电量和发电量确定不合理的问题。
发明内容
本发明提供了一种目标区域中电量调度方案的确定方法及装置，能够提高了电量调度方案的合理性，实现目标区域电网的优化调度。
第一方面，本发明提供了一种目标区域中电量调度方案的确定方法，包括：获取下一时段中各时间点的预测负荷功率，并基于预测负荷功率和协整关系模型，确定下一时段中各时间点的预测出清电价；协整关系模型表征目标区域中历史时期内各时间点的出清电价与负荷功率的协整关系；以目标区域中目标运行指标满足设定条件为目标，以各时间点的预测负荷功率等于风电、光伏和自有机组的发电功率与调度电量之和为第一约束条件，以风电与光伏的发电功率之和位于安全区间的概率大于置信概率为第二约束条件，以自有机组的容量限值为第三约束条件，建立电量调度方案预测模型；将下一时段中各时间点的预测出清电价和预测负荷功率，输入到调度方案预测模型，确定目标区域中下一时段的电量调度方案。
本发明提供一种目标区域中电量调度方案的确定方法，通过表征目标区域中历史时期内各时间点的出清电价与负荷功率的协整关系的协整关系模型，基于下一时段中各时间点的预测负荷功率，预测出下一时段中各时间点的预测出清电价，之后，将下一时段中各时间点的预测出清电价和预测负荷功率输入到电量调度方案预测模型，预测出目标运行指标满足设定条件，且满足电网稳定运行的约束性条件的电量调度方案，如此确定的电量调度方案既确定了调度电量和自有机组的发电量的取值和比例关系，又满足了目标区域中运行指标和稳定运行的要求，提高了电量调度方案的合理性，实现目标区域电网的优化调度。
在一种可能的实现方式中，基于预测负荷功率和协整关系模型，确定下一时段中各时间点的预测出清电价，之前还包括：步骤一：获取历史时期内设定时间窗口中各时间点的出清电价与负荷功率；步骤二：对设定时间窗口中各时间点的出清电价与负荷功率，进行差分计算，得到差分序列；步骤三：对差分序列进行ADF检验，得到检验结果；若检验结果为不满足一阶单整性，则调整设定时间窗口在历史时期中的位置，和/或，调整设定时间窗口的时长，重复步骤一、步骤二、步骤三；若检验结果为满足一阶单整性，则建立协整关系模型，并基于该满足一阶单整性的差分序列对应的设定时间窗口中各时间点的出清电价与负荷功率，确定协整关系模型的模型参数。
在一种可能的实现方式中，目标区域中目标运行指标满足设定条件，包括以下其中一项：运行成本最低，电网稳定性大于第一设定值，运行成本与最低成本之间的偏差小于第二设定值且电网稳定性最大，和，运行成本最低且电网稳定性大于第一设定值；其中，运行成本包括调度电量的调度成本，备用容量的设置成本和自有机组的发电成本，电网稳定性包括电压稳定性和/或频率稳定性。
在一种可能的实现方式中，建立调度方案预测模型的过程，还包括：对于各时间点中的任一时间点，以该任一时间点的调度电量和自有机组的发电量，以及备用容量的上限值的加和，与该任一时间点的预测负荷之间的差值，为安全区间的上限值；以该任一时间点的预测负荷，与该任一时间点的调度电量和自有机组的发电量，以及备用容量的下限值的加和，之间的差值，为安全区间的下限值。
在一种可能的实现方式中，建立调度方案预测模型的过程，还包括：基于目标区域中各风电机组的预测风速曲线，确定目标区域中各风电机组在各时间点的发电功率；基于目标区域中各风电机组在各时间点的发电功率，确定目标区域中各时间点的风电的发电功率；基于目标区域中各光伏机组在各时间点的预测发电功率，确定目标区域中各时间点的光伏的发电功率。
在一种可能的实现方式中，将下一时段中各时间点的预测出清电价和预测负荷功率，输入到调度方案预测模型，确定目标区域中下一时段的电量调度方案，包括：对于下一时段中的任一时间点，将该任一时间点的预测出清电价和预测负荷功率，输入到电量调度方案预测模型，得到该任一时间点的最低运行成本，以及与最低运行成本对应的电量调度方案；基于下一时段中各个时间点的最低运行成本，以及与最低运行成本对应的电量调度方案，确定目标区域中下一时段的电量调度方案。
在一种可能的实现方式中，将下一时段中各时间点的预测出清电价和预测负荷功率，输入到调度方案预测模型，确定目标区域中下一时段的电量调度方案，之后还包括：接收与目标区域相邻的其他区域发送的待调度电量信息；基于待调度电量信息，分配调度电量，确定需要向目标区域调度的多个区域，以及多个区域中每个区域向目标区域调度的电量；基于目标区域中各自有机组的设备容量，分配自有机组的发电量，得到目标区域中各自有机组的发电量。
第二方面，本发明实施例提供了一种目标区域中电量调度方案的确定装置，包括：通信模块和处理模块；通信模块，用于获取下一时段中各时间点的预测负荷功率；处理模块，用于基于预测负荷功率和协整关系模型，确定下一时段中各时间点的预测出清电价；协整关系模型表征目标区域中历史时期内各时间点的出清电价与负荷功率的协整关系；处理模块，还用于以目标区域中目标运行指标满足设定条件为目标，以各时间点的预测负荷功率等于风电、光伏和自有机组的发电功率与调度电量之和为第一约束条件，以风电与光伏的发电功率之和位于安全区间的概率大于置信概率为第二约束条件，以自有机组的容量限值为第三约束条件，建立电量调度方案预测模型；处理模块，还用于将下一时段中各时间点的预测出清电价和预测负荷功率，输入到调度方案预测模型，确定目标区域中下一时段的电量调度方案。
在一种可能的实现方式中，处理模块，还用于步骤一：获取历史时期内设定时间窗口中各时间点的出清电价与负荷功率；步骤二：对设定时间窗口中各时间点的出清电价与负荷功率，进行差分计算，得到差分序列；步骤三：对差分序列进行ADF检验，得到检验结果；若检验结果为不满足一阶单整性，则调整设定时间窗口在历史时期中的位置，和/或，调整设定时间窗口的时长，重复步骤一、步骤二、步骤三；若检验结果为满足一阶单整性，则建立协整关系模型，并基于该满足一阶单整性的差分序列对应的设定时间窗口中各时间点的出清电价与负荷功率，确定协整关系模型的模型参数。
在一种可能的实现方式中，目标区域中目标运行指标满足设定条件，包括以下其中一项：运行成本最低，电网稳定性大于第一设定值，运行成本与最低成本之间的偏差小于第二设定值且电网稳定性最大，和，运行成本最低且电网稳定性大于第一设定值；其中，运行成本包括调度电量的调度成本，备用容量的设置成本和自有机组的发电成本，电网稳定性包括电压稳定性和/或频率稳定性。
在一种可能的实现方式中，处理模块，还用于对于各时间点中的任一时间点，以该任一时间点的调度电量和自有机组的发电量，以及备用容量的上限值的加和，与该任一时间点的预测负荷之间的差值，为安全区间的上限值；以该任一时间点的预测负荷，与该任一时间点的调度电量和自有机组的发电量，以及备用容量的下限值的加和，之间的差值，为安全区间的下限值。
在一种可能的实现方式中，处理模块，还用于基于目标区域中各风电机组的预测风速曲线，确定目标区域中各风电机组在各时间点的发电功率；基于目标区域中各风电机组在各时间点的发电功率，确定目标区域中各时间点的风电的发电功率；基于目标区域中各光伏机组在各时间点的预测发电功率，确定目标区域中各时间点的光伏的发电功率。
在一种可能的实现方式中，处理模块，具体用于对于下一时段中的任一时间点，将该任一时间点的预测出清电价和预测负荷功率，输入到电量调度方案预测模型，得到该任一时间点的最低运行成本，以及与最低运行成本对应的电量调度方案；基于下一时段中各个时间点的最低运行成本，以及与最低运行成本对应的电量调度方案，确定目标区域中下一时段的电量调度方案。
在一种可能的实现方式中，通信模块，还用于接收与目标区域相邻的其他区域发送的待调度电量信息；处理模块，还用于基于待调度电量信息，分配调度电量，确定需要向目标区域调度的多个区域，以及多个区域中每个区域向目标区域调度的电量；基于目标区域中各自有机组的设备容量，分配自有机组的发电量，得到目标区域中各自有机组的发电量。
第三方面，本发明实施例提供了一种电子设备，其特征在于，所述电子设备包括存储器和处理器，该存储器存储有计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序执行如上述第一方面以及第一方面中任一种可能的实现方式所述方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述第一方面以及第一方面中任一种可能的实现方式所述方法的步骤。
上述第二方面至第四方面中任一种实现方式所带来的技术效果可以参见第一方面对应实现方式所带来的技术效果，此处不再赘述。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种目标区域中电量调度方案的确定方法的流程示意图；
图2是本发明实施例提供的另一种目标区域中电量调度方案的确定方法的流程示意图；
图3是本发明实施例提供的一种不同置信水平下调度电量的示意图；
图4是本发明实施例提供的一种不同置信水平下调度成本的示意图；
图5是本发明实施例提供的一种目标区域中电量调度方案的确定装置的结构示意图；
图6是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
在本发明的描述中，除非另有说明，“/”表示“或”的意思，例如，A/B可以表示A或B。本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和 B，单独存在B这三种情况。此外，“至少一个”“多个”是指两个或两个以上。“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念，便于理解。
此外，本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是可选的还包括其他没有列出的步骤或模块，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明的附图通过具体实施例来进行说明。
如背景技术所述，目前存在电量调度方案中调度电量和发电量确定不合理的技术问题。
为解决该技术问题，如图1所示，本发明实施例提供了一种目标区域中电量调度方案的确定方法。该确定方法的执行主体为电量调度方案的确定装置。该确定方法包括步骤S101-S103。
S101、获取下一时段中各时间点的预测负荷功率，并基于预测负荷功率和协整关系模型，确定下一时段中各时间点的预测出清电价。
本申请实施例中，协整关系模型表征目标区域中历史时期内各时间点的出清电价与负荷功率的协整关系。
需要说明的是，历史时期内各时间点的出清电价与负荷功率是不确定的，一般会呈现时间序列的非平整性，而协整关系理论表示如果非平整变量之间的线性组合满足平衡性，则两个变量之间具有协整关系。由于电力电网固有的功率实时平衡的特点，出清电价与负荷功率两者存在协整关系在数学关系上是客观存在的。因此，通过建立出清电价与负荷功率之间的协整关系模型，可以将出清电价与负荷功率之间的不确定性关系，转换为确定性协整关系。
作为一种可能的实现方式，确定装置可以将下一时段中各时间点的预测负荷功率，分别输入到协整关系模型，确定下一时段中各时间点的预测出清电价。
S102、建立电量调度方案预测模型。
本申请实施例中，电量调度方案预测模型以目标区域中目标运行指标满足设定条件为目标建立目标函数。
在一些实施例中，目标区域中目标运行指标满足设定条件，包括以下其中一项：运行成本最低，电网稳定性大于第一设定值，运行成本与最低成本之间的偏差小于第二设定值且电网稳定性最大，和，运行成本最低且电网稳定性大于第一设定值。
其中，运行成本包括调度电量的调度成本，备用容量的设置成本和自有机组的发电成本，电网稳定性包括电压稳定性和/或频率稳定性。
示例性的，确定装置可以基于如下公式，计算目标区域中下一时段的运行成本。
Figure BDA0003696326660000081
其中，min为最小值函数，f表示下一时段的运行成本，T表示下一时段的时长，Qby,t表示t时刻的调度电量，QMTd,t表示t时刻自有机组的发电量， Cby(Qby,t)表示t时刻调度电量的调度成本，CR(URt,DRt)表示t时刻备用容量的设置成本，CMTd(QMTd,t)表示t时刻自有机组的发电成本，URt为t时刻待调度区域的上备用容量，DRt为t时刻待调度区域的下备用容量，ΔT表示时间的无穷小量，ND表示自有机组的数量。
作为一种可能的实现方式，确定装置可以基于如下公式，确定自有机组的发电成本。
Figure BDA0003696326660000091
其中，ND表示自有机组的数量，QMTd,t表示t时刻自有机组的发电量， CMTd(QMTd,t)表示t时刻自有机组的发电成本，kd表示成本系数。
在一些实施例中，成本系数用于表征发电成本与发电量之间的关系。示例性的，成本系数可以为发电成本与发电量之间的比值。
作为一种可能的实现方式，确定装置可以基于如下公式，确定调度电量的调度成本。
Cby(Qby,t)＝PL,tQby,t；
其中，Qby,t表示t时刻的调度电量，Cby(Qby,t)表示t时刻调度电量的调度成本，PL,t表示t时刻的预测出清电价。
作为一种可能的实现方式，确定装置可以基于如下公式，确定调度电量的调度成本。
CR(URt,DRt)＝PUR,tURt+PDR,tDRt；
其中，CR(URt,DRt)表示t时刻备用容量的设置成本，URt为t时刻待调度区域的上备用容量，DRt为t时刻待调度区域的下备用容量，PUR,t表示待调度区域中上备用容量的设置成本，PDR,t表示待调度区域中下备用容量的设置成本。
需要说明的是，待调度区域的上备用容量和下备用容量可以通过待调度区域的发电机组设置。示例性的，以待调度区域中发电机组A为例，发电机组A的额定容量为10MW，发电机组A的上备用容量为额定容量的1％，发电机组A的下备用容量为额定容量的2％。
需要说明的是，待调度区域中上备用容量的设置成本和下备用容量的设备成本与待调度区域中发电机组的爬坡难度相关。示例性的，待调度区域中上备用容量调节过程中的爬坡难度与待调度区域中下备用容量调节过程中的爬坡难度不同，因此，待调度区域中上备用容量调节过程中的设置成本与待调度区域中下备用容量调节过程中的设置成本不同。例如，发电机组A由额定容量调节至额定容量的101％的过程中的爬坡难度，与发电机组A由额定容量调节至额定容量的98％的过程中的爬坡难度是不同的，因此，发电机组A的上备用容量的设备成本与下备用容量的设置成本不同。
作为一种可能的实现方式，待调度区域的上备用容量可以是上备用容量的上限值，也可以是上备用容量的上限值与额定容量之间的任意值。
作为一种可能的实现方式，待调度区域的下备用容量可以是下备用容量的下限值，也可以是下备用容量的下限值与额定容量之间的任意值。
本申请实施例中，电量调度方案预测模型以各时间点的预测负荷功率等于风电、光伏和自有机组的发电功率与调度电量之和为第一约束条件。
可以理解的是，由于电力电网固有的功率实时平衡的特点，在时间点中的任一时间点，供给侧的电量等于负荷侧的电量。
作为一种可能的实现方式，对于各时间点中的任一时间点，假设该任一时间点为t时刻，确定装置可以基于如下公式，确定第一约束条件。
Figure BDA0003696326660000101
其中，NS表示负荷的数量，NI表示风电发电机组的数量，NG表示光伏发电机组的数量，ND表示自有机组的数量，QLfs,t表示t时刻第s个负荷的预测负荷功率，QWTfi,t表示t时刻第i个风电发电机组的发电功率，QPVfg,t表示t时刻第g个光伏发电机组的发电功率，QMTd,t表示t时刻第d个自有机组的发电功率，Qby,t表示t时刻的调度电量。
本申请实施例中，电量调度方案预测模型以风电与光伏的发电功率之和位于安全区间的概率大于置信概率为第二约束条件。
在一些实施例中，建立调度方案预测模型的过程，还包括：对于各时间点中的任一时间点，以该任一时间点的调度电量和自有机组的发电量，以及备用容量的上限值的加和，与该任一时间点的预测负荷之间的差值，为安全区间的上限值；以该任一时间点的预测负荷，与该任一时间点的调度电量和自有机组的发电量，以及备用容量的下限值的加和，之间的差值，为安全区间的下限值。
其中，备用容量的上限值可以为上备用容量的上限值，备用容量的下限值可以为下备用容量的下限值。
示例性的，假设该任一时间点为t时刻，确定装置可以基于如下公式，确定第二约束条件。
Figure BDA0003696326660000111
其中，URt为t时刻待调度区域的上备用容量，DRt为t时刻待调度区域的下备用容量，NS表示负荷的数量，NI表示风电发电机组的数量，NG表示光伏发电机组的数量，ND表示自有机组的数量，QLfs,t表示t时刻第s个负荷的预测负荷功率，QWTfi,t表示t时刻第i个风电发电机组的发电功率，QPVfg,t表示t 时刻第g个光伏发电机组的发电功率，QMTd,t表示t时刻第d个自有机组的发电功率，Qby,t表示t时刻的调度电量，QMTUd,t表示t时刻第d个自有机组的上备用容量；QMTDd,t表示t时刻第d个自有机组的下备用容量，η表示置信概率，Pr{}表示概率密度函数。
需要说明的是，自有机组的上备用容量和自有机组的下备用容量，可以通过设置自有机组实现。示例性的，以自有机组B为例，自有机组B的额定容量为10MW，自有机组B的上备用容量为额定容量的2％，自有机组B的下备用容量为额定容量的1％，则自有机组B的实时出力在额定容量的99％至 102％之间波动。
需要说明的是，待调度区域的上备用容量和下备用容量，表示调度电量未调度时的备用容量，用于计算调度电量进行调度时的调度成本。自有机组的上备用容量和下备用容量，表示调度电量调度完成后，由于发电和负荷的变化引起的自有机组的实时出力发生变化。自有机组的实时出力在自有机组的上备用容量和下备用容量之间波动。
需要说明的是，本发明实施例通过第二约束条件，将风电和光伏两个不确定性因素，转换为确定性的置信概率约束，通过置信概率约束建立了风电和光伏的发电功率的确定性约束条件，实现了对于电量调度方案的确定性的有效预测，提高了电量调度方案的合理性，实现目标区域电网的优化调度。
本申请实施例中，电量调度方案预测模型以自有机组的容量限值为第三约束条件。
示例性的，确定装置可以基于如下公式，确定第三约束条件。
Figure BDA0003696326660000131
其中，QMTUd,t表示t时刻第d个自有机组的上备用容量；QMTDd,t表示t时刻第d个自有机组的下备用容量，QMTd,t表示t时刻第d个自有机组的发电功率，QMTdmax表示第d个自有机组的出力上限值，QMTdmin表示第d个自有机组的出力下限值，QMTUdmax表示第d个自有机组的上备用容量的上限值；QMTDdmax表示第d个自有机组的下备用容量的下限值。
作为一种可能的实现方式，建立电量调度方案预测模型还包括：基于目标区域中各风电机组的预测风速曲线，确定目标区域中各风电机组在各时间点的发电功率；基于目标区域中各风电机组在各时间点的发电功率，确定目标区域中各时间点的风电的发电功率。
示例性的，确定装置可以基于如下公式，确定风电发电机组的发电功率。
Figure BDA0003696326660000132
其中，
Figure BDA0003696326660000133
表示风电发电机组的额定功率，QWT(v)表示风电发电机组的发电功率，v*表示额定风速，vin表示切入风速，vout表示切断风速，v表示实时风速。
需要说明的是，风电发电机组的风速曲线近似于韦布尔Weibull分布，概率密度公式如下所示。
fw(v)＝(k/γ)(v/γ)k-1exp[-(v/γ)k]；
其中，fw(v)表示概率密度，k为形状因子，γ为比例因子，v表示风速， exp为以e为底的指数函数。
作为一种可能的实现方式，建立电量调度方案预测模型还包括：基于目标区域中各光伏机组在各时间点的预测发电功率，确定目标区域中各时间点的光伏的发电功率。
示例性的，确定装置可以基于如下公式，确定光伏的发电功率。
Figure BDA0003696326660000141
其中，QPVg,t表示t时刻第g个光伏发电机组的发电功率，QPVfg,t表示t时刻第g个光伏发电机组在白天的预测发电功率，εPV,t表示t时刻的预测偏差， NG表示光伏发电机组的数量。
需要说明的是，预测偏差εPV,t服从均值为0的正态分布。该正态分布的标准差公式如下所示。
Figure BDA0003696326660000142
其中，σPV,t表示该正态分布的标准差，QPVfg,t表示t时刻第g个光伏发电机组在白天的预测发电功率，QPVNg表示第g个光伏发电机组的额定容量。
需要说明的是，在调度方案预测模型的建立过程中，为了考虑风电发电和光伏发电的不确定性造成的影响，需要将风电发电和光伏发电用机会约束规划的方法描述。
机会约束规划为对不确定性条件进行处理，转化为确定性约束。机会约束规划是一种随机规划的方法，用于解决约束条件中含随机变量并且必须要在观察到随机变量实现之前作出决策的问题。
在一些实施例中，使用机会约束规划将约束条件中的随机变量转化为确定性约束形式的过程如下所示。
Pr{h(x)≥ξ}≥α；
其中，h(x)表示决策向量x的线性函数，ξ表示随机变量，α表示概率密度，Pr{h(x)≥ξ}表示h(x)≥ξ的概率。
需要说明的是，对于给定的置信概率η(0≤η≤1)，都存在一个常数ka，使得Ka＝inf{K|K＝Φ-1(η)}；如此一来，可将机会约束规划可以转化为确定性约束，也即满足h(x)≥Ka。其中，ka为常数，inf为取下限函数，K＝Φ-1(η) 为概率密度函数。
如此一来，即可得到如第二约束条件所述的公式，满足风电与光伏的发电功率之和位于安全区间的概率大于置信概率，从而将风电与光伏的发电功率的不确定性转化为确定性的概率约束，使电量调度方案的合理预测成为可能，提高了电量调度方案的合理性，实现目标区域电网的优化调度。
S103、将下一时段中各时间点的预测出清电价和预测负荷功率，输入到调度方案预测模型，确定目标区域中下一时段的电量调度方案。
作为一种可能的实现方式，确定装置可以对各时间点的电量调度方案逐一预测，得到目标区域中下一时段的电量调度方案。
示例性的，对于下一时段中的任一时间点，确定装置可以将该任一时间点的预测出清电价和预测负荷功率，输入到电量调度方案预测模型，得到该任一时间点的最低运行成本，以及与最低运行成本对应的电量调度方案；之后，基于下一时段中各个时间点的最低运行成本，以及与最低运行成本对应的电量调度方案，确定目标区域中下一时段的电量调度方案。
本发明提供一种目标区域中电量调度方案的确定方法，通过表征目标区域中历史时期内各时间点的出清电价与负荷功率的协整关系的协整关系模型，基于下一时段中各时间点的预测负荷功率，预测出下一时段中各时间点的预测出清电价，之后，将下一时段中各时间点的预测出清电价和预测负荷功率输入到电量调度方案预测模型，预测出目标运行指标满足设定条件，且满足电网稳定运行的约束性条件的电量调度方案，如此确定的电量调度方案既确定了调度电量和自有机组的发电量的取值和比例关系，又满足了目标区域中运行指标和稳定运行的要求，提高了电量调度方案的合理性，实现目标区域电网的优化调度。
可选的，如图2所示，本发明实施例提供的目标区域中电量调度方案的确定方法，在步骤S103之后，还包括步骤S201-S203。
S201、接收与目标区域相邻的其他区域发送的待调度电量信息。
S202、基于待调度电量信息，分配调度电量，确定需要向目标区域调度的多个区域，以及多个区域中每个区域向目标区域调度的电量。
作为一种可能的实现方式，确定装置可以计算目标区域相邻的其他区域向目标区域调度电量时的传输损耗，以传输损耗最低为目标建立目标函数，求得最优解，将最优解对应的多个区域，确定为需要向目标区域调度的多个区域。
作为一种可能的实现方式，确定装置可以以电网稳定性大于第一设定值为目标函数，求得最优解，将将最优解对应的多个区域，确定为需要向目标区域调度的多个区域。
S203、基于目标区域中各自有机组的设备容量，分配自有机组的发电量，得到目标区域中各自有机组的发电量。
作为一种可能的实现方式，确定装置可以按各自有机组的设备容量之间的比例关系，分配自有机组的发电量，得到各自有机组的发电量。
基于图2所示的实施例，本发明可以在预测出目标区域中下一时段的电量调度方案之后，对电量调度方案中的调度电量和发电量进行分配，提高了电量调度方案的合理性，实现目标区域电网的优化调度。
可选的，本发明实施例提供的目标区域中电量调度方案的确定方法，在步骤S101之前，还包括如下步骤。
步骤一：获取历史时期内设定时间窗口中各时间点的出清电价与负荷功率。
步骤二：对设定时间窗口中各时间点的出清电价与负荷功率，进行差分计算，得到差分序列。
步骤三：对差分序列进行ADF检验，得到检验结果。
其中，ADF检验用于验证差分序列的单整性。
若检验结果为不满足一阶单整性，则调整设定时间窗口在历史时期中的位置，和/或，调整设定时间窗口的时长，重复步骤一、步骤二、步骤三。
若检验结果为满足一阶单整性，则建立协整关系模型，并基于该满足一阶单整性的差分序列对应的设定时间窗口中各时间点的出清电价与负荷功率，确定协整关系模型的模型参数。
如此一来，本发明可以在对电量调度方案进行预测之前，建立历史时期内各时间点的出清电价与负荷功率之间的协整关系模型，将出清电价和负荷功率的不确定性转换为确定性的协整关系，实现出清电价的确定性预测，从而提高了电量调度方案的合理性，实现目标区域电网的优化调度。
如图3所示，本发明实施例提供了一种不同置信水平下调度电量的示意图。在24小时的每一小时中，●表示置信水平为93％时的调度电量，▲表示置信水平为95％时的调度电量，■表示置信水平为97％时的调度电量。结合图3可知，不同的置信水平下，调度电量的取值不同。本发明可以将风电和光伏等可再生能源的不确定性，转化为置信水平的确定性约束。如此一来，本发明可以调节调度电量，增加电网对于可再生能源的消纳能力，提高电网中系统的稳定性。
如图4所示，本发明实施例提供了一种不同置信水平下调度成本的示意图。在24小时的每一个小时中，●表示置信水平为93％时的调度成本，▲表示置信水平为95％时的调度成本，■表示置信水平为97％时的调度成本。结合图4可知，不同置信水平下，调度成本的取值不同。本发明可以将电价和负荷的不确定性，转化为协整关系约束，也即转化为确定性约束。如此一来，本发明可以在不同的置信水平下对调度方案的调度成本进行计算，得到调度成本最低的调度方案。本发明实施例在提高电网中系统的稳定性的同时，降低了调度方案的调度成本。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
图5示出了本发明实施例提供的一种目标区域中电量调度方案的确定装置的结构示意图，该确定装置300包括：通信模块301和处理模块302。
通信模块301，用于获取下一时段中各时间点的预测负荷功率。
处理模块302，用于基于预测负荷功率和协整关系模型，确定下一时段中各时间点的预测出清电价；协整关系模型表征目标区域中历史时期内各时间点的出清电价与负荷功率的协整关系。
处理模块302，还用于以目标区域中目标运行指标满足设定条件为目标，以各时间点的预测负荷功率等于风电、光伏和自有机组的发电功率与调度电量之和为第一约束条件，以风电与光伏的发电功率之和位于安全区间的概率大于置信概率为第二约束条件，以自有机组的容量限值为第三约束条件，建立电量调度方案预测模型。
处理模块302，还用于将下一时段中各时间点的预测出清电价和预测负荷功率，输入到调度方案预测模型，确定目标区域中下一时段的电量调度方案。
在一种可能的实现方式中，处理模块302，还用于步骤一：获取历史时期内设定时间窗口中各时间点的出清电价与负荷功率；步骤二：对设定时间窗口中各时间点的出清电价与负荷功率，进行差分计算，得到差分序列；步骤三：对差分序列进行ADF检验，得到检验结果；若检验结果为不满足一阶单整性，则调整设定时间窗口在历史时期中的位置，和/或，调整设定时间窗口的时长，重复步骤一、步骤二、步骤三；若检验结果为满足一阶单整性，则建立协整关系模型，并基于该满足一阶单整性的差分序列对应的设定时间窗口中各时间点的出清电价与负荷功率，确定协整关系模型的模型参数。
在一种可能的实现方式中，目标区域中目标运行指标满足设定条件，包括以下其中一项：运行成本最低，电网稳定性大于第一设定值，运行成本与最低成本之间的偏差小于第二设定值且电网稳定性最大，和，运行成本最低且电网稳定性大于第一设定值；其中，运行成本包括调度电量的调度成本，备用容量的设置成本和自有机组的发电成本，电网稳定性包括电压稳定性和/或频率稳定性。
在一种可能的实现方式中，处理模块302，还用于对于各时间点中的任一时间点，以该任一时间点的调度电量和自有机组的发电量，以及备用容量的上限值的加和，与该任一时间点的预测负荷之间的差值，为安全区间的上限值；以该任一时间点的预测负荷，与该任一时间点的调度电量和自有机组的发电量，以及备用容量的下限值的加和，之间的差值，为安全区间的下限值。
在一种可能的实现方式中，处理模块302，还用于基于目标区域中各风电机组的预测风速曲线，确定目标区域中各风电机组在各时间点的发电功率；基于目标区域中各风电机组在各时间点的发电功率，确定目标区域中各时间点的风电的发电功率；基于目标区域中各光伏机组在各时间点的预测发电功率，确定目标区域中各时间点的光伏的发电功率。
在一种可能的实现方式中，处理模块302，具体用于对于下一时段中的任一时间点，将该任一时间点的预测出清电价和预测负荷功率，输入到电量调度方案预测模型，得到该任一时间点的最低运行成本，以及与最低运行成本对应的电量调度方案；基于下一时段中各个时间点的最低运行成本，以及与最低运行成本对应的电量调度方案，确定目标区域中下一时段的电量调度方案。
在一种可能的实现方式中，通信模块301，还用于接收与目标区域相邻的其他区域发送的待调度电量信息；处理模块302，还用于基于待调度电量信息，分配调度电量，确定需要向目标区域调度的多个区域，以及多个区域中每个区域向目标区域调度的电量；基于目标区域中各自有机组的设备容量，分配自有机组的发电量，得到目标区域中各自有机组的发电量。
图6是本发明实施例提供的一种电子设备的结构示意图。如图6所示，该实施例的电子设备400包括：处理器401、存储器402以及存储在所述存储器 402中并可在所述处理器401上运行的计算机程序403。所述处理器401执行所述计算机程序403时实现上述各方法实施例中的步骤，例如图1所示的步骤 101至步骤104。或者，所述处理器401执行所述计算机程序403时实现上述各装置实施例中各模块/单元的功能，例如，图5所示通信模块301和处理模块302的功能。
示例性的，所述计算机程序403可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器402中，并由所述处理器401 执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序403在所述电子设备400中的执行过程。例如，所述计算机程序403可以被分割成图5所示通信模块301和处理模块302。
所称处理器401可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器402可以是所述电子设备400的内部存储单元，例如电子设备 400的硬盘或内存。所述存储器402也可以是所述电子设备400的外部存储设备，例如所述电子设备400上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card) 等。进一步地，所述存储器402还可以既包括所述电子设备400的内部存储单元也包括外部存储设备。所述存储器402用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory， ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种目标区域中电量调度方案的确定方法，其特征在于，包括：
获取下一时段中各时间点的预测负荷功率，并基于所述预测负荷功率和协整关系模型，确定所述下一时段中各时间点的预测出清电价；所述协整关系模型表征目标区域中历史时期内各时间点的出清电价与负荷功率的协整关系；
以目标区域中目标运行指标满足设定条件为目标，以各时间点的预测负荷功率等于风电、光伏和自有机组的发电功率与调度电量之和为第一约束条件，以风电与光伏的发电功率之和位于安全区间的概率大于置信概率为第二约束条件，以自有机组的容量限值为第三约束条件，建立电量调度方案预测模型；
将所述下一时段中各时间点的预测出清电价和预测负荷功率，输入到所述调度方案预测模型，确定目标区域中下一时段的电量调度方案。
2.根据权利要求1所述的目标区域中电量调度方案的确定方法，其特征在于，所述基于所述预测负荷功率和协整关系模型，确定所述下一时段中各时间点的预测出清电价，之前还包括：
步骤一：获取历史时期内设定时间窗口中各时间点的出清电价与负荷功率；
步骤二：对所述设定时间窗口中各时间点的出清电价与负荷功率，进行差分计算，得到差分序列；
步骤三：对所述差分序列进行ADF检验，得到检验结果；
若所述检验结果为不满足一阶单整性，则调整所述设定时间窗口在所述历史时期中的位置，和/或，调整所述设定时间窗口的时长，重复步骤一、步骤二、步骤三；
若所述检验结果为满足一阶单整性，则建立所述协整关系模型，并基于该满足一阶单整性的差分序列对应的设定时间窗口中各时间点的出清电价与负荷功率，确定所述协整关系模型的模型参数。
3.根据权利要求1所述的目标区域中电量调度方案的确定方法，其特征在于，所述目标区域中目标运行指标满足设定条件，包括以下其中一项：运行成本最低，电网稳定性大于第一设定值，运行成本与最低成本之间的偏差小于第二设定值且电网稳定性最大，和，运行成本最低且电网稳定性大于第一设定值；其中，所述运行成本包括所述调度电量的调度成本，所述备用容量的设置成本和所述自有机组的发电成本，所述电网稳定性包括电压稳定性和/或频率稳定性。
4.根据权利要求1所述的目标区域中电量调度方案的确定方法，其特征在于，所述建立调度方案预测模型的过程，还包括：
对于各时间点中的任一时间点，以该任一时间点的调度电量和自有机组的发电量，以及备用容量的上限值的加和，与所述该任一时间点的预测负荷之间的差值，为所述安全区间的上限值；
以所述该任一时间点的预测负荷，与该任一时间点的调度电量和自有机组的发电量，以及备用容量的下限值的加和，之间的差值，为所述安全区间的下限值。
5.根据权利要求1所述的目标区域中电量调度方案的确定方法，其特征在于，所述建立调度方案预测模型的过程，还包括：
基于所述目标区域中各风电机组的预测风速曲线，确定所述目标区域中各风电机组在各时间点的发电功率；
基于所述目标区域中各风电机组在各时间点的发电功率，确定所述目标区域中各时间点的风电的发电功率；
基于所述目标区域中各光伏机组在各时间点的预测发电功率，确定所述目标区域中各时间点的光伏的发电功率。
6.根据权利要求1所述的目标区域中电量调度方案的确定方法，其特征在于，所述将所述下一时段中各时间点的预测出清电价和预测负荷功率，输入到所述调度方案预测模型，确定目标区域中下一时段的电量调度方案，包括：
对于所述下一时段中的任一时间点，将该任一时间点的预测出清电价和预测负荷功率，输入到所述电量调度方案预测模型，得到该任一时间点的最低运行成本，以及与最低运行成本对应的电量调度方案；
基于所述下一时段中各个时间点的最低运行成本，以及与最低运行成本对应的电量调度方案，确定所述目标区域中下一时段的电量调度方案。
7.根据权利要求1至6中任一项所述的目标区域中电量调度方案的确定方法，其特征在于，所述将所述下一时段中各时间点的预测出清电价和预测负荷功率，输入到所述调度方案预测模型，确定目标区域中下一时段的电量调度方案，之后还包括：
接收与所述目标区域相邻的其他区域发送的待调度电量信息；
基于所述待调度电量信息，分配所述调度电量，确定需要向所述目标区域调度的多个区域，以及所述多个区域中每个区域向所述目标区域调度的电量；
基于所述目标区域中各自有机组的设备容量，分配所述自有机组的发电量，得到所述目标区域中各自有机组的发电量。
8.一种目标区域中电量调度方案的确定装置，其特征在于，包括：通信模块和处理模块；
所述通信模块，用于获取下一时段中各时间点的预测负荷功率；
所述处理模块，用于基于所述预测负荷功率和协整关系模型，确定所述下一时段中各时间点的预测出清电价；所述协整关系模型表征目标区域中历史时期内各时间点的出清电价与负荷功率的协整关系；
所述处理模块，还用于以目标区域中目标运行指标满足设定条件为目标，以各时间点的预测负荷功率等于风电、光伏和自有机组的发电功率与调度电量之和为第一约束条件，以风电与光伏的发电功率之和位于安全区间的概率大于置信概率为第二约束条件，以自有机组的容量限值为第三约束条件，建立电量调度方案预测模型；
所述处理模块，还用于将所述下一时段中各时间点的预测出清电价和预测负荷功率，输入到所述调度方案预测模型，确定目标区域中下一时段的电量调度方案。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，该存储器存储有计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。
CN202210681244.5A 2022-06-15 2022-06-15 目标区域中电量调度方案的确定方法及装置 Pending CN114936798A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210681244.5A CN114936798A (zh) 2022-06-15 2022-06-15 目标区域中电量调度方案的确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210681244.5A CN114936798A (zh) 2022-06-15 2022-06-15 目标区域中电量调度方案的确定方法及装置

Publications (1)

Publication Number Publication Date
CN114936798A true CN114936798A (zh) 2022-08-23

Family

ID=82868904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210681244.5A Pending CN114936798A (zh) 2022-06-15 2022-06-15 目标区域中电量调度方案的确定方法及装置

Country Status (1)

Country Link
CN (1) CN114936798A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116780660A (zh) * 2023-08-22 2023-09-19 国网浙江宁波市鄞州区供电有限公司 一种分布式光伏的分层协同控制方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116780660A (zh) * 2023-08-22 2023-09-19 国网浙江宁波市鄞州区供电有限公司 一种分布式光伏的分层协同控制方法及系统
CN116780660B (zh) * 2023-08-22 2024-03-12 国网浙江宁波市鄞州区供电有限公司 一种分布式光伏的分层协同控制方法及系统

Similar Documents

Publication Publication Date Title
Resch et al. Impact of operation strategies of large scale battery systems on distribution grid planning in Germany
Awad et al. Optimal ESS allocation for benefit maximization in distribution networks
Carpinelli et al. Optimal integration of distributed energy storage devices in smart grids
Lujano-Rojas et al. Optimizing daily operation of battery energy storage systems under real-time pricing schemes
Doostizadeh et al. Energy and reserve scheduling under wind power uncertainty: An adjustable interval approach
Pinson et al. Dynamic sizing of energy storage for hedging wind power forecast uncertainty
US9026259B2 (en) Power generation optimization in microgrid including renewable power source
US20230178985A1 (en) Method for implementing power delivery transaction for potential electrical output of integrated renewable energy source and energy storage system facility
Kalantari et al. Security-constrained unit commitment with uncertain wind generation: The loadability set approach
US8922175B2 (en) System and method for operating capacitor banks
Sadeghi-Mobarakeh et al. Optimal market participation of distributed load resources under distribution network operational limits and renewable generation uncertainties
Tosatto et al. Sharing reserves through HVDC: Potential cost savings in the Nordic countries
Yi et al. Optimal allocation of ESSs in active distribution networks to achieve their dispatchability
Yi et al. Dispatch-aware planning of energy storage systems in active distribution network
Andreotti et al. Decision theory criteria for the planning of distributed energy storage systems in the presence of uncertainties
CN114936798A (zh) 目标区域中电量调度方案的确定方法及装置
Peña et al. Sizing and siting of battery energy storage systems: A Colombian case
Nick et al. Stochastic day-ahead optimal scheduling of Active Distribution Networks with dispersed energy storage and renewable resources
AU2021218240B2 (en) Method for determining and managing potential electrical output of integrated renewable energy source and energy storage system facility
Marquez et al. Optimal planning and operation of distribution systems using network reconfiguration and flexibility services
Mosca et al. Technical and economic impact of the inertia constraints on power plant unit commitment
Kalantar-Neyestanaki et al. Allocation of frequency control reserve from aggregated resources of active distribution systems
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
Besson et al. Control optimization and sizing of energy storage for PV systems using probabilistic forecasts
Li et al. Risk-based stochastic continuous-time scheduling of flexibility reserve for energy storage systems

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