CN115411773A - 基于机会约束的多电网负荷响应水光分区短期调峰方法 - Google Patents
基于机会约束的多电网负荷响应水光分区短期调峰方法 Download PDFInfo
- Publication number
- CN115411773A CN115411773A CN202211145630.9A CN202211145630A CN115411773A CN 115411773 A CN115411773 A CN 115411773A CN 202211145630 A CN202211145630 A CN 202211145630A CN 115411773 A CN115411773 A CN 115411773A
- Authority
- CN
- China
- Prior art keywords
- power
- peak
- load
- constraint
- grid
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000005192 partition Methods 0.000 title claims abstract description 45
- 230000004044 response Effects 0.000 title claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 238000003064 k means clustering Methods 0.000 claims abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 101000868154 Homo sapiens Son of sevenless homolog 2 Proteins 0.000 claims description 6
- 102100032930 Son of sevenless homolog 2 Human genes 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 102000003780 Clusterin Human genes 0.000 claims description 3
- 108090000197 Clusterin Proteins 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 239000002351 wastewater Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Power Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于机会约束的多电网负荷响应水光分区短期调峰方法包括:步骤1、分别采取模糊隶属度函数法和改进的K‑means聚类作为外送电网负荷曲线的峰平谷时段划分方法,结合输电通道利用系数生成具有负荷特征的典型外送电曲线;步骤2、将光伏不确定性转化成断面机会约束,再使用采样原理转化为确定性约束;步骤3、构建基于机会约束的多电网负荷响应水光分区短期调峰模型,并采用优化求解软件求解该模型,获得电力电量的分配计划;本发明能够充分反映了多电网调峰需求响应和分区断面输电限制之间的关系,充分考虑光伏随机性影响,利用水电为光伏腾出通道,实现水光互补下的多电网调峰目标。
Description
技术领域
本发明属于多能源互补协调调度技术领域,尤其涉及一种基于机会约束的多电网负荷响应水光分区短期调峰方法。
背景技术
为实现“双碳”目标,我国风电光伏等新能源近年来发展迅速,大规模新能源并网使电网安全稳定运行和新能源消纳困难的问题日益严峻。我国清洁能源大多集中于西部地区,尤其集中于西南地区,这种特征导致大规模、集中式、跨省区消纳是清洁能源主要的消纳模式。而由于电网建设不匹配的问题,水电及新能源电站的并网结构十分复杂,可能发生一个流域内的水光电站分别向不同地区电网并网送电,受不同调管机构调管的情况。因此如何让流域内水电和光伏电站满足不同受端电网调峰要求,实时响应其负荷需求,利用可调节电站的调节能力,提高清洁能源消纳的同时优化互补系统发电计划,得到更合理的电力电量分配计划对多能互补电力系统的安全、稳定、经济运行具有重要的意义。
目前针对多电网受端负荷响应的研究主要从两个方面着手:一是从调峰效果的优化角度开展,大多针对短期优化调度求解水电出力过程和多电网间电力电量分配。另一方面则主要针对清洁能源消纳和最大化发电效益进行研究。但是,当前已有的大多研究都以梯级水电站群和大规模新能源集群为研究对象,对于流域梯级大规模新能源电站的机组并网方式复杂的问题鲜有探讨,并不能完全适用于电源结构逐年变化的流域梯级清洁能源走廊的优化调度问题中。
发明内容
本发明要解决的技术问题是:提供一种基于机会约束的多电网负荷响应水光分区短期调峰方法,以有效应对响应不同电网负荷变化的需求和光伏随机性对外送通道越限的影响。
本发明的技术方案是:
一种基于机会约束的多电网负荷响应水光分区短期调峰方法,所述方法包括:
步骤1、分别采取模糊隶属度函数法和改进的K-means聚类作为外送电网负荷曲线的峰平谷时段划分方法,结合输电通道利用系数生成具有负荷特征的典型外送电曲线;
步骤2、将光伏不确定性转化成断面机会约束,再使用采样原理转化为确定性约束;
步骤3、构建基于机会约束的多电网负荷响应水光分区短期调峰模型,并采用优化求解软件求解该模型,获得电力电量的分配计划。
基于模糊隶属度函数的峰谷时段识别包括采用模糊隶属度法划分各时段的峰谷特性,并使用改进的评价指标确定最优阈值满足调度计划要求。
基于模糊隶属度函数的峰谷时段识别的具体步骤包括:
Step 1:选择隶属度函数:
将96个时段记录为集合[1,...,t,...,T],负荷样本集合为[load1,...,loadt,...loadT],
根据下式计算峰隶属度P(t)和谷隶属度V(t);
式中:loadmax、loadmin是负荷数据的最大值和最小值;
Step 2:使用η1和η2表示时段划分的阈值,当P(t)≥η1时,t时段是峰时段;当V(t)≥η2时,t时段是谷时段;不在上述划分的时段则为平时段;若峰时段总数为m1,平时段总数为m2,谷时段总数为m3,则有如下公式:
m1+m2+m3=T
Step 3:峰谷时段阈值评价函数。根据下式计算实值函数SΔ作为评价指标;
式中:LPmax,LPmin分别是全部峰时段的负荷的最大值及最小值;LFmax,LFmin分别是全部平时段的负荷的最大值及最小值;LVmax,LVmin分别是全部谷时段的负荷的最大值及最小值;lp是峰时段时长惩罚系数,当峰时段的时段数m1≥4时,lp=1;m1<4时,当峰时段有两个时段集合,每个时段集合的时段数记为m11,mi2,对两个集合分别取最大值;lf,lv同理,为平时段和谷时段的惩罚函数;同时峰时段总时间长度应设置下限,ε=1,当m1≥24时取1,否则取0;
根据Step3评价指标确定最优阈值,再按照Step2划分峰平谷时段。
采用改进型K-means聚类算法的峰谷时段划分的方法包括:
Step1:用下式对负荷数据进行归一化处理:
Step3:计算样本集中的最大值和最小值,并记录其出现的位置分别为a、b;计算a和b平均值的取整结果c,则初始的聚类中心为μ=[a,b,c],如下式;
式中:[.]为取整函数;
Step4:对于t=1,2,...,T用下式计算样本xt与簇中心μm(m=1,2,3)之间的距离:
Dtm=||xt-μm||2 2
Step6:如果质心都没有发生变化,则输出负荷峰谷时段划分结果,否则回到Step3,继续迭代,直至达到最大迭代次数N,结束。
典型外送电曲线生成方法包括:根据峰谷时段划分的结果,获取典型外送电曲线的峰谷时段特性,之后结合外送电网线路的输电容量限制,选择适当的峰、平、谷时段输电线路通道利用率系数,生成针对受端电网的典型外送电曲线。
将光伏不确定性转化成断面机会约束,再使用采样原理转化为确定性约束的方法包括:
Step 1:采用核密度估计分析光伏出力不确定性,假设光伏出力样本为,则概率密度为:
其中h是窗口宽度,采用下式计算窗口宽度:
选择核函数ke为标准正态分布概率密度函数,则累积概率密度为:
其中:
式中erf(·)是误差公式;
Step 2:使用采样原理将机会约束条件转化为确定性的混合整数线性约束形式:
式中:floor(·)为向下取整函数,即小于括号中值的最大整数。sort(·)为升序排序函数,将括号内数组按从小到大顺序进行排列,β为事先给定的置信水平,t时段水光分区i的出力包含分区i直接调管水电站出力总和分区i直接调管光伏电站的总出力第t时段分区i的分区出力Nsample为采样次数。
构建基于机会约束的多电网负荷响应水光分区短期调峰模型的方法包括:
Step 1:考虑电网剩余负荷过程与均值之间的平均距离,以及剩余负荷过程的峰谷差距,构建多电网负荷响应的调峰优化目标,如下式所示:
g=1,2,...,G,G为受端电网个数;Dg,t为g号电网在t时段的剩余负荷平均距;η1,η2为惩罚函数系数;Lg,t、Cg,t分别为g号电网在t时段剩余负荷过程,MW;为剩余负荷的最大和最小值;Pg,t为梯级水电站在t时段向g号电网外送的电力MW;Sg,t为光伏电站在t时段向g号电网输送的电力,MW;T为总时段数,1≤t≤T;
上式是一个多目标优化问题,为了求解方便,使用目标权重法将其转化为单目标问题,λg为g号电网的目标权重值;
Step 2:约束条件:
1)水光分区断面外送出力机会约束
2)水量平衡约束
Vm,t+1=Vm,t+3600×(Im,t-Um,t)×Δt
Im,t=Um-1,t-τm+QIm,t
式中:Vm,t、Vm,t+1分别是电站m在时段t的初库容和时段末库容,m3;Im,t和QIm,t分别为电站m在时段t的总入库流量和区间入库流量,m3/s;Um,t为电站m在时段t的出库流量,m3/s;Qm,t、分别为电站m在时段t的发电流量和弃水流量,m3/s;τm为上游电站m-1某时段出库流量到达电站m所需的时段数;
3)水库库容约束
4)出库流量约束
5)发电流量约束
6)水电站动力特性曲线约束
7)水电站出力爬坡约束
8)始末水位控制约束
Zm,0=bm,Zm,T=em
式中:Zm,o、Zm,T分别是调度期起始水位和末水位,bm、em分别为电站m的计划起始水位和计划末水位;
9)出力变化同步约束
式中:Nc是梯级水电站系统的集合;
10)系统备用约束
采用优化求解软件求解该模型的方法包括:
Step 1:目标函数线性化:
对于电网g,在t时段内剩余负荷和余荷平均值之间的差距Dg,t应该满足如下约束:
同时引入辅助变量UUmax、UUmin通过不等式约束线性化余荷峰谷差目标函数:
Step 2:特殊顺序集约束处理线性化(SOS类约束)
电站出力特性曲线函数是一个典型的三维曲面函数,选取比较方便的SOS2约束进行线性化。
式中:{α1,α2,...,αI}、{β1,β2,...,βJ}、{γ1,γ2,...,γI+J}均为SOS2约束λi,j(i∈I;j∈J)为引入的非负实数变量
Step 3:采用优化求解软件求解模型。
本发明的有益效果:
本发明提出一种基于机会约束的多电网负荷响应水光分区短期调峰方法。首先提出了一种基于外送断面约束越限可能性机会约束的多电网短期调峰模型。主要流程为:(1)分别采取模糊隶属度函数法和改进的K-means聚类作为外送电网负荷曲线的峰平谷时段划分方法,结合输电通道利用系数生成具有负荷特征的典型外送电曲线。(2)将光伏不确定性转化成断面机会约束,再使用采样原理将其转化为确定性约束。(3)构建基于机会约束的多电网负荷响应水光分区短期调峰模型,并采用优化求解软件求解该模型,获得电力电量的分配计划;所提方法的求解结果能够充分反映了多电网调峰需求响应和分区断面输电限制之间的关系,充分考虑光伏随机性影响,利用水电为光伏腾出通道,实现水光互补下的多电网调峰目标,在实际调度中可以通过合理调整模型中目标权重和置信度水平为调度人员提供决策参考。
附图说明
图1是本发明方法流程框图;
图2是具体实施方式丰水期典型外送电曲线图;
图3是具体实施方式电站出力过程及电网1调峰效果图;
图4是具体实施方式电站出力过程及电网2调峰效果图。
具体实施方式
本发明主要流程为:(1)分别采取模糊隶属度函数法和改进的K-means聚类作为外送电网负荷曲线的峰平谷时段划分方法,结合输电通道利用系数生成具有负荷特征的典型外送电曲线。(2)将光伏不确定性转化成断面机会约束,再使用采样原理将其转化为确定性约束。(3)构建基于机会约束的多电网负荷响应水光分区短期调峰模型,并采用优化求解软件求解该模型,获得电力电量的分配计划。本发明以北盘江流域梯级水电站及光伏电站为背景,以实际的调管关系建立不同分区电站对应不同电网负荷响应关系。以多电网调峰最优和梯级水电站发电量最大为目标。应用实例表明,所提方法的求解结果能够充分反映了多电网调峰需求响应和分区断面输电限制之间的关系,充分考虑光伏随机性影响,利用水电为光伏腾出通道,实现水光互补下的多电网调峰目标,在实际调度中可以通过合理调整模型中目标权重和置信度水平为调度人员提供决策参考。
本发明揭示了一种基于机会约束的多电网负荷响应水光分区短期调峰方法,主要包括:峰谷时段识别划分的典型外送电曲线生成、基于采样原理的分区断面机会约束确定性转化、基于外送断面约束越限可能性机会约束的多电网短期调峰模型构建,模型求解。按照下述步骤完成多电网负荷响应水光分区短期调峰:
(1)根据嵌套断面结构进行水光分区
(2)根据调管关系划分受端电网
(3)峰谷时段识别划分的典型外送电曲线生成
1)基于模糊隶属度函数的峰谷时段识别
采用模糊隶属度法划分各时段的峰谷特性,并使用改进的评价指标确定最优阈值,使其更满足调度计划要求。具体划分方法如下:
Step 1:选择隶属度函数。将96个时段记录为集合[1,...,t,...,T],负荷样本集合为[load1,...,loadt,...loadT],根据下式计算峰隶属度P(t)和谷隶属度V(t)。
式中:loadmax、loadmin是负荷数据的最大值和最小值。
Step 2:使用η1和η2表示时段划分的阈值,当P(t)≥η1时,t时段是峰时段;当V(t)≥η2时,t时段是谷时段;不在上述划分的时段则为平时段。若峰时段总数为m1,平时段总数为m2,谷时段总数为m3,则有如下公式:
m1+m2+m3=T
Step 3:峰谷时段阈值评价函数。根据下式计算实值函数SΔ作为评价指标。
式中:LPmax,LPmin分别是全部峰时段的负荷的最大值及最小值;LFmax,LFmin分别是全部平时段的负荷的最大值及最小值;LVmax,LVmin分别是全部谷时段的负荷的最大值及最小值;lp是峰时段时长惩罚系数,当峰时段的时段数m1≥4时,lp=1;m1<4时,当峰时段有两个时段集合,每个时段集合的时段数记为m11,m12,对两个集合分别取最大值;lf,lv同理,为平时段和谷时段的惩罚函数;同时峰时段总时间长度应设置下限,ε=1,当m1≥24时取1,否则取0。
根据Step3评价指标确定最优阈值,再按照Step2划分峰平谷时段。
2)基于改进型K-means聚类算法的峰谷时段划分
具体方法如下:
Step1:用下式对负荷数据进行归一化处理:
Step3:计算样本集中的最大值和最小值,并记录其出现的位置分别为a、b;计算a和b平均值的取整结果c,则初始的聚类中心为μ=[a,b,c],如下式;
式中:[·]为取整函数。
Step4:对于t=1,2,...,T用下式计算样本xt与簇中心μm(m=1,2,3)之间的距离:
Step6:如果质心都没有发生变化,则输出负荷峰谷时段划分结果,否则回到步骤3,继续迭代,直至达到最大迭代次数N,结束。
3)基于峰谷时段划分的典型外送电曲线生成
根据峰谷时段划分的结果,获取典型外送电曲线的峰谷时段特性,之后结合外送电网线路的输电容量限制,选择适当的峰、平、谷时段输电线路通道利用率系数,生成针对受端电网的典型外送电曲线。
(4)基于采样原理的分区断面机会约束确定性转化
具体方法如下:
Step 1:采用核密度估计分析光伏出力不确定性,假设光伏出力样本为,则概率密度为:
其中h是窗口宽度,采用下式计算窗口宽度:
选择核函数ke为标准正态分布概率密度函数,则累积概率密度为:
其中:
式中erf(·)是误差公式。
Step 2:使用采样原理将机会约束条件转化为确定性的混合整数线性约束形式:
式中:floor(·)为向下取整函数,即小于括号中值的最大整数。sort(·)为升序排序函数,将括号内数组按从小到大顺序进行排列,β为事先给定的置信水平,t时段水光分区i的出力包含分区i直接调管水电站出力总和
(5)多电网负荷响应的短期调峰模型构建
具体方法如下:
Step 1:考虑电网剩余负荷过程与均值之间的平均距离,以及剩余负荷过程的峰谷差距,构建多电网负荷响应的调峰优化目标,如下式所示:
式中:g=1,2,...,G,G为受端电网个数;Dg,t为g号电网在t时段的剩余负荷平均距;η1,η2为惩罚函数系数;Lg,t、Cg,t分别为g号电网在t时段剩余负荷过程,MW;为剩余负荷的最大和最小值;Pg,t为梯级水电站在t时段向g号电网外送的电力MW;Sg,t为光伏电站在t时段向g号电网输送的电力,MW;T为总时段数,1≤t≤T。
上式是一个多目标优化问题,为了求解方便,使用目标权重法将其转化为单目标问题,λg为g号电网的目标权重值。
Step 2:约束条件:
1)水光分区断面外送出力机会约束
式中:Pr{·}是{·}中事件发生的概率,
2)水量平衡约束
式中:Vm,t、Vm,t+1分别是电站m在时段t的初库容和时段末库容,m3;Im,t和QIm,t分别为电站m在时段t的总入库流量和区间入库流量,m3/s;Um,t为电站m在时段t的出库流量,m3/s;Qm,t、分别为电站m在时段t的发电流量和弃水流量,m3/s;τm为上游电站m-1某时段出库流量到达电站m所需的时段数。
3)水库库容约束
4)出库流量约束
5)发电流量约束
6)水电站动力特性曲线约束
7)水电站出力爬坡约束
8)始末水位控制约束
Zm,0=bm,Zm,T=em
式中:Zm,o、Zm,T分别是调度期起始水位和末水位,bm、em分别为电站m的计划起始水位和计划末水位。
9)出力变化同步约束
式中:Nc是梯级水电站系统的集合。
10)系统备用约束
(6)模型求解
Step 1:目标函数线性化:
对于电网g,在t时段内剩余负荷和余荷平均值之间的差距Dg,t应该满足如下约束:
同时引入辅助变量UUmax、UUmin通过不等式约束线性化余荷峰谷差目标函数:
Step 2:特殊顺序集约束处理线性化(SOS类约束)
电站出力特性曲线函数是一个典型的三维曲面函数,选取比较方便的SOS2约束进行线性化。
式中:{α1,α2,...,αI}、{β1,β2,...,βJ}、{γ1,γ2,...,γI+J}均为SOS2约束λi,j(i∈I;j∈J)为引入的非负实数变量。
Step 3:采用优化求解软件求解模型。
Claims (8)
1.一种基于机会约束的多电网负荷响应水光分区短期调峰方法,其特征在于:所述方法包括:
步骤1、分别采取模糊隶属度函数法和改进的K-means聚类作为外送电网负荷曲线的峰平谷时段划分方法,结合输电通道利用系数生成具有负荷特征的典型外送电曲线;
步骤2、将光伏不确定性转化成断面机会约束,再使用采样原理转化为确定性约束;
步骤3、构建基于机会约束的多电网负荷响应水光分区短期调峰模型,并采用优化求解软件求解该模型,获得电力电量的分配计划。
2.根据权利要求1所述的一种基于机会约束的多电网负荷响应水光分区短期调峰方法,其特征在于:基于模糊隶属度函数的峰谷时段识别包括采用模糊隶属度法划分各时段的峰谷特性,并使用改进的评价指标确定最优阈值满足调度计划要求。
3.根据权利要求1所述的一种基于机会约束的多电网负荷响应水光分区短期调峰方法,其特征在于:基于模糊隶属度函数的峰谷时段识别的具体步骤包括:
Step 1:选择隶属度函数:
将96个时段记录为集合[1,...,t,...,T],负荷样本集合为[load1,...,loadt,...loadT],根据下式计算峰隶属度P(t)和谷隶属度V(t);
式中:loadmax、loadmin是负荷数据的最大值和最小值;
Step 2:使用η1和η2表示时段划分的阈值,当P(t)≥η1时,t时段是峰时段;当V(t)≥η2时,t时段是谷时段;不在上述划分的时段则为平时段;若峰时段总数为m1,平时段总数为m2,谷时段总数为m3,则有如下公式:
m1+m2+m3=T
Step 3:峰谷时段阈值评价函数。根据下式计算实值函数SΔ作为评价指标;
式中:LPmax,LPmin分别是全部峰时段的负荷的最大值及最小值;LFmax,LFmin分别是全部平时段的负荷的最大值及最小值;LVmax,LVmin分别是全部谷时段的负荷的最大值及最小值;lp是峰时段时长惩罚系数,当峰时段的时段数m1≥4时,lp=1;m1<4时,当峰时段有两个时段集合,每个时段集合的时段数记为m11,m12,对两个集合分别取最大值;lf,lv同理,为平时段和谷时段的惩罚函数;同时峰时段总时间长度应设置下限,ε=1,当m1≥24时取1,否则取0;
根据Step3评价指标确定最优阈值,再按照Step2划分峰平谷时段。
4.根据权利要求1所述的一种基于机会约束的多电网负荷响应水光分区短期调峰方法,其特征在于:采用改进型K-means聚类算法的峰谷时段划分的方法包括:
Step1:用下式对负荷数据进行归一化处理:
Step3:计算样本集中的最大值和最小值,并记录其出现的位置分别为a、b;计算a和b平均值的取整结果c,则初始的聚类中心为μ=[a,b,c],如下式;
loqda=max(x1,x2,...,xt)
loadb=min(x1,x2,...,xt)
式中:[·]为取整函数;
Step4:对于t=1,2,...,T用下式计算样本xt与簇中心μm(m=1,2,3)之间的距离:
Dtm=||xt-μm||2 2
Step6:如果质心都没有发生变化,则输出负荷峰谷时段划分结果,否则回到Step3,继续迭代,直至达到最大迭代次数N,结束。
5.根据权利要求1所述的一种基于机会约束的多电网负荷响应水光分区短期调峰方法,其特征在于:典型外送电曲线生成方法包括:根据峰谷时段划分的结果,获取典型外送电曲线的峰谷时段特性,之后结合外送电网线路的输电容量限制,选择适当的峰、平、谷时段输电线路通道利用率系数,生成针对受端电网的典型外送电曲线。
6.根据权利要求1所述的一种基于机会约束的多电网负荷响应水光分区短期调峰方法,其特征在于:将光伏不确定性转化成断面机会约束,再使用采样原理转化为确定性约束的方法包括:
Step 1:采用核密度估计分析光伏出力不确定性,假设光伏出力样本为,则概率密度为:
其中h是窗口宽度,采用下式计算窗口宽度:
选择核函数ke为标准正态分布概率密度函数,则累积概率密度为:
其中:
式中erf(·)是误差公式;
Step 2:使用采样原理将机会约束条件转化为确定性的混合整数线性约束形式:
7.根据权利要求1所述的一种基于机会约束的多电网负荷响应水光分区短期调峰方法,其特征在于:构建基于机会约束的多电网负荷响应水光分区短期调峰模型的方法包括:
Step 1:考虑电网剩余负荷过程与均值之间的平均距离,以及剩余负荷过程的峰谷差距,构建多电网负荷响应的调峰优化目标,如下式所示:
g=1,2,...,G,G为受端电网个数;Dg,t为g号电网在t时段的剩余负荷平均距;η1,η2为惩罚函数系数;Lg,t、Cg,t分别为g号电网在t时段剩余负荷过程,MW;为剩余负荷的最大和最小值;Pg,t为梯级水电站在t时段向g号电网外送的电力MW;Sg,t为光伏电站在t时段向g号电网输送的电力,MW;T为总时段数,1≤t≤T;
上式是一个多目标优化问题,为了求解方便,使用目标权重法将其转化为单目标问题,λg为g号电网的目标权重值;
Step 2:约束条件:
1)水光分区断面外送出力机会约束
2)水量平衡约束
Vm,t+1=Vm,t+3600×(Im,t-Um,t)×Δt
式中:Vm,t、Vm,t+1分别是电站m在时段t的初库容和时段末库容,m3;Im,t和QIm,t分别为电站m在时段t的总入库流量和区间入库流量,m3/s;Um,t为电站m在时段t的出库流量,m3/s;Qm,t、分别为电站m在时段t的发电流量和弃水流量,m3/s;τm为上游电站m-1某时段出库流量到达电站m所需的时段数;
3)水库库容约束
4)出库流量约束
5)发电流量约束
6)水电站动力特性曲线约束
7)水电站出力爬坡约束
8)始末水位控制约束
Zm,O=bm,Zm,T=em
式中:Zm,o、Zm,T分别是调度期起始水位和末水位,bm、em分别为电站m的计划起始水位和计划末水位;
9)出力变化同步约束
式中:Nc是梯级水电站系统的集合;
10)系统备用约束
8.根据权利要求1所述的一种基于机会约束的多电网负荷响应水光分区短期调峰方法,其特征在于:采用优化求解软件求解该模型的方法包括:
Step 1:目标函数线性化:
对于电网g,在t时段内剩余负荷和余荷平均值之间的差距Dg,t应该满足如下约束:
同时引入辅助变量UUmax、UUmin通过不等式约束线性化余荷峰谷差目标函数:
Step 2:特殊顺序集约束处理线性化(SOS类约束)
电站出力特性曲线函数是一个典型的三维曲面函数,选取比较方便的SOS2约束进行线性化。
式中:{α1,α2,...,αI}、{β1,β2,...,βJ}、{γ1,γ2,...,γI+J}均为SOS2约束λi,j(i∈I;j∈J)为引入的非负实数变量
Step 3:采用优化求解软件求解模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211145630.9A CN115411773A (zh) | 2022-09-20 | 2022-09-20 | 基于机会约束的多电网负荷响应水光分区短期调峰方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211145630.9A CN115411773A (zh) | 2022-09-20 | 2022-09-20 | 基于机会约束的多电网负荷响应水光分区短期调峰方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115411773A true CN115411773A (zh) | 2022-11-29 |
Family
ID=84166892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211145630.9A Pending CN115411773A (zh) | 2022-09-20 | 2022-09-20 | 基于机会约束的多电网负荷响应水光分区短期调峰方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115411773A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116388301A (zh) * | 2023-06-06 | 2023-07-04 | 河海大学 | 梯级水光互补日前鲁棒调峰调度方法、系统、设备及介质 |
CN116565947A (zh) * | 2023-04-26 | 2023-08-08 | 武汉大学 | 水电站日调峰能力确定方法及设备 |
-
2022
- 2022-09-20 CN CN202211145630.9A patent/CN115411773A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116565947A (zh) * | 2023-04-26 | 2023-08-08 | 武汉大学 | 水电站日调峰能力确定方法及设备 |
CN116565947B (zh) * | 2023-04-26 | 2024-04-19 | 武汉大学 | 水电站日调峰能力确定方法及设备 |
CN116388301A (zh) * | 2023-06-06 | 2023-07-04 | 河海大学 | 梯级水光互补日前鲁棒调峰调度方法、系统、设备及介质 |
CN116388301B (zh) * | 2023-06-06 | 2023-08-08 | 河海大学 | 梯级水光互补日前鲁棒调峰调度方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6736112B2 (ja) | 超大規模の水力発電所群の短期間実用化スケジューリング方法 | |
Yan et al. | Stochastic multi-scenario optimization for a hybrid combined cooling, heating and power system considering multi-criteria | |
CN115411773A (zh) | 基于机会约束的多电网负荷响应水光分区短期调峰方法 | |
CN109390973B (zh) | 一种考虑通道约束的送端电网电源结构优化方法 | |
Li et al. | A novel bi-level robust game model to optimize a regionally integrated energy system with large-scale centralized renewable-energy sources in Western China | |
CN105048516A (zh) | 一种风光水火多源互补优化调度方法 | |
CN110676849B (zh) | 一种孤岛微电网群能量调度模型的构建方法 | |
Zhang et al. | Grid–source coordinated dispatching based on heterogeneous energy hybrid power generation | |
CN113452033B (zh) | 分区自治的含高比例光伏配电网电压控制方法及存储介质 | |
CN108075471B (zh) | 基于随机性电源出力预测的多目标约束优化电网调度策略 | |
CN115293442A (zh) | 一种基于分布鲁棒优化的水风光能源系统均衡调度模型 | |
CN115051388A (zh) | 一种基于分布鲁棒的“源-网-荷-储”两阶段调度优化方法 | |
CN116418001A (zh) | 应对新能源不确定性的水库群多能互补调度方法与系统 | |
CN116961114A (zh) | 基于分区自治的多虚拟电厂协调调度优化方法 | |
CN113298407B (zh) | 一种工业园区电-气综合能源系统优化调度模型建立方法 | |
CN109149658B (zh) | 基于一致性理论的独立微电网分布式动态经济调度方法 | |
CN113158547B (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
Linlin et al. | Research on Multi-Objective Reactive Power Optimization of Power Grid With High Proportion of New Energy | |
Xie et al. | Short-term power generation scheduling rules for cascade hydropower stations based on hybrid algorithm | |
CN113255982A (zh) | 一种风光水互补系统中长期优化调度方法 | |
Liu et al. | Short-term coordinated hybrid hydro-wind-solar optimal scheduling model considering multistage section restrictions | |
Liang et al. | Household power consumption prediction method based on selective ensemble learning | |
CN116796990A (zh) | 不确定电价条件下梯级水库汛前水位消落控制方法 | |
CN116544951A (zh) | 一种水电调峰灵活性量化与调度方法 | |
Ding et al. | Long-term operation rules of a hydro–wind–photovoltaic hybrid system considering forecast information |
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 |