CN115936756A - 一种考虑电网运行稳定性的水电厂发电控制方法 - Google Patents

Abstract

本发明涉及一种考虑电网运行稳定性的水电厂发电控制方法，属于水电技术领域。该方法基于历史电价数据，考虑电价影响因素识别出与运行日工况相似度最高的日期，将相似日的电价数据作为预测训练集；采用高斯过程回归方法进行概率区间预测，并确定运行日各时段的置信区间和区间离散电价点；建立上游水电站日前市场申报量优化模型；采用自适应粒子群优化算法进行求解；进而得出上游水电站全天每个时段下的日前市场申报量价曲线；之后基于梯级出力耦合关系生成下游电站申报量价曲线；最后基于申报电量进行发电控制。采用本发明方法，可以防止电站出现弃水，不仅可节约水资源的浪费，同时能够保证电网运行的安全稳定性，易于推广应用。

Description

一种考虑电网运行稳定性的水电厂发电控制方法

技术领域

本发明属于水电技术领域，具体涉及一种考虑电网运行稳定性的水电厂发电控制方法。

背景技术

在以火电为主电力市场中水电常以价格接受者参与市场，但对西南地区的高比例水电区域，水电作为主要市场主体需竞价上网。水电缺乏边际成本测算机制，且存在梯级电站耦合、不同业主利益协调困难等挑战，水电参与市场亟需建立合理的水电日前市场申报和发电控制方法。

在目前关于水电竞价的相关研究中，有研究针对水电参与跨省区交易报价问题，以中长期合约物理交割作为日前市场边界，针对水电的富裕发电能力，通过测算边际水价值曲线，以电量为标的进行报价，只适用于日前增量报价模型，不适用于水电的全电量日前竞价发电。有研究则以水电站售电收入最大为目标，统筹各时段的用水量与报价关系，以解析方法建立水电竞价模型，但都没有考虑上下游水电站之间的出力耦合关系，并且所建立方法受限于固定水头，缺乏适用性。也有研究基于不同场景模拟电价不确定性，根据日前与中长期合约价差收益和风险的综合效用最大为目标，采用优化手段建立日前报价模型，但没有考虑电价不确定性概率模型。鉴于此，现有研究没有较好解决水电站如何参与市场发电问题，特别是在考虑梯级耦合关系，协调上下游电站进行日前申报，实现水资源利用最大化的同时，兼顾电网安全稳定性等方面的研究还有所欠缺。

因此如何克服现有技术的不足是目前水电技术领域亟需解决的问题。

发明内容

本发明的目的是为了解决现有技术的不足，提供一种考虑电网运行稳定性的水电厂发电控制方法。

为实现上述目的，本发明采用的技术方案如下：

一种考虑电网运行稳定性的水电厂发电控制方法，包括如下步骤：

步骤(1)，基于电力市场中历史运行电价数据，考虑影响因素进行相似日识别，匹配出与运行日工况相似度最高的日期，并将相似日各时段的电价数据作为电价预测训练集；所述的影响因素包括负荷规模、天气和网络阻塞；

步骤(2)，基于电价预测训练集，采用高斯过程回归方法进行概率区间预测，得出运行日每个时段电价预测值的高斯分布均值μ和标准差σ，采用μ±nσ原则确定全天各时段的置信区间和区间离散电价点，n为大于0的正整数；

步骤(3)，设置决策者的收益偏好因子和风险规避因子，以期望全天售电收益最大为目标，并考虑多约束条件，建立上游水电站日前市场申报量优化模型；所述的多约束条件包括水量平衡约束、蓄水量上下限约束、出库流量上下限约束、出力上下限约束、水库水位上下限约束、同一时段分段申报量最小差额约束、不同时段电价相同时竞价出力一致约束；

步骤(4)，采用自适应粒子群优化算法对上游水电站日前市场申报量优化模型进行求解，得出运行日上游水电站全天各时段t的分段申报电量，设置初始时段t＝1，假设全天共分为T个时段，时段t对应的第h段申报电价为λ_t,h，申报电量为P_t,h；

步骤(5)，在时段t，根据离散电价点和对应的申报电量组成申报量价对(P_t,h，λ_t,h)，按申报电价从小到大排序构成时段t的申报量价曲线；

步骤(6)，在时段t，基于上下游电站出力耦合关系，生成与上游电站申报量相匹配的申报量价对，同样基于电价从小到大排序构成下游电站对应时段的申报曲线；

步骤(7)，判断t与T的大小，若t<T，则执行t＝t+1，并进入步骤(5)，否则进入下一步骤；

步骤(8)，基于上述过程，得出水电站全天每个时段下的日前市场申报量价曲线；之后基于该曲线的申报电量进行发电电量控制。

进一步，优选的是，步骤(1)中，相似度计算的具体方法为：若作为电价预测基础数据的历史天数共N天，基于历史第m天与运行日各时段的指标数据，m＝1,2,…,N，分别形成特征矩阵A和B，其中A＝[W_m1，W_m2，W_m3]^T，B＝[W₁，W₂，W₃]^T，其中指标数据W_m1、W_m2、W_m3和W₁、W₂、W₃分别为历史第m天和预测运行日各时刻的负荷规模、天气和网络阻塞量化数据；负荷规模为系统中的所有负荷总和，天气量化数据为各时刻的气温大小，网络阻塞量化数据为系统中各时段发生线路阻塞的条数。

其次，计算第m天历史数据与运行日的相似度r，基于r从大到小排序选取所需的相似日集合；相似度r计算方法为：

式一中：A、B分别为历史运行日和预测运行日指标数据构成的特征矩阵；

为矩阵中元素的平均值；A_i,j、B_i,j分别为矩阵对应的第i行、j列值。

进一步，优选的是，步骤(2)的具体方法为：

以电价预测训练集中的时段作为输入，以时段对应的电价作为输出，采用高斯过程回归方法进行模型训练；然后将待预测运行日的时段t作为输入样本x*，采用高斯过程回归方法进行概率区间预测，从而在输入样本x*时得到电价预测值的均值μ(x^*)和方差var(x^*)，据此得到在置信水平α下预测值的概率区间为：

[L_1-α(x^*),U_1-α(x^*)]＝[μ(x^*)-z_(1-α)/2var(x^*),μ(x^*)+z_(1-α)/2var(x^*)] 式二

式二中，L_1-α(x^*)、U_1-α(x^*)分别为置信区间为α时输入样本x^*对应预测值的下限和上限；z_(1-α)/2为置信区间为α时的概率分位点；

对于时段t，离散的电价点分别为[λ₁,λ₂,…,λ_n+1,…,λ_2n,λ_2n+1]＝[μ-nσ,μ-(n-1)σ,…,μ,…,μ+(n-1)σ,μ+nσ]，共2n+1个电价点。

进一步，优选的是，步骤(3)的具体方法为：

设置收益偏好因子和风险规避因子，以期望全天售电收益最大为目标，确定各时段的分段申报电量；

以期望全天售电收益最大为目标f表示为：

式三中，T为全天时段总数；H为时段t的分段申报数，与时刻t离散的电价点个数相等；P_L,t、λ_L,t分别为中长期合约L分解到时段t对应的申报电量、电价；β、η分别为决策者的收益偏好因子和风险规避因子；P_t,h为时段t第h段申报电量，λ_t,h为时段t第h段申报电价；ρ_1,t,h、ρ_2,t,h分别为申报电量中标和未中标的概率，其计算方法为：

式四中：F(λ_t)为时段t的电价累积概率分布函数；

所述的多约束条件为：

式五中：V_t+1为t+1时段电站的水库蓄水量；I_t为时段t电站的入库流量；V_t为时段t电站的水库蓄水量；Q_t为时段t电站的出库流量；C_t,e为时段t该电站上游电站e到达该电站的流量；E为上游电站数；Δt为单个时段的时长；V_max、V_min分别为该电站的水库蓄水量上下限；Q_max、Q_min分别为该电站的出库流量上下限；P_t为电站时段t的发电出力；P_max、P_min分别为该电站发电出力上下限；Z_t为电站时段t的水库水位；Z_min、Z_max分别为该电站的水库水位下限和上限；

式六中：ΔP_min为时段t不同分段申报电量最小差额；P_t,j、P_t,i、P_t,k分别为时段t的第i、j、k段申报电量；P_s,g为时段s的第g段申报电量；H为时段t的分段申报数；T为全天时段数；λ_t,k为时段t的第k段申报电价；λ_s,g为时段s的第g段申报电价。

进一步，优选的是，将式四中积分运算进行简化，采用梯形法计算，将积分区间划分为M等份，对M等份面积近似为矩形进行求和计算为：

采用自适应粒子群优化算法对上游水电站日前市场申报量优化模型进行求解。

进一步，优选的是，自适应粒子群优化算法中，自适应权重调整方法具体为：

式八中：f为优化中粒子的适应度，即以期望全天售电收益最大为目标的目标函数；ω_max、ω_min分别为惯性权重最大、最小值；f_min、f_avg分别为优化中当前所有粒子中适应度的最小值、平均值。

进一步，优选的是，在步骤(6)中，对上下游梯级电站u和v考虑水流时滞时，各时段t上游电站u和下游电站v之间的电力耦合联系表示为：

式九中：τ_v为电站u到电站v的水流时滞；P_v,t为电站v在时段t出力；

为电站u在t-τ_v时段的出力；γ_1,t、γ_2,t分别为出力耦合因子，其计算方法为：

式十中：a_t、b_t为时段t上游电站u的发电流量特性分段参数；c_t、d_t为时段t下游电站v的发电流量特性分段参数，上下游发电流量特性参数可按照现有方法基于电站历史运行数据，将发电流量特性参数分别作为一元二次函数的两个参数进行拟合得到，若考虑上游水库库容较大，忽略日前水位变化则a_t、b_t可视为常数；χ为上游电站u和下游电站v之间的河道坦化系数；I_v,t指下游电站v在时段t除上游电站u到达的流量外，其余汇入流量的总和；

当上游电站u在时段t的第h段申报电价为λ_t,h，申报电量为P_t,h，则基于出力耦合关系，下游电站v时段t对应的第h段申报电价为λ_t,h，申报电量为

本发明中，概率分位点由正太分布表查询获得。

本发明中，决策者可视为水电厂的运行者，要决策在日前市场申报什么样的竞价曲线，如何进行发电等。

α、n、M、β、η均可根据实际情况设定，例如α设置为90％、95％等，n设为5、6等，M可以设为5000，β和η的取值范围可以为0～1，具体可由发电决策者对收益偏好和风险规避的程度选择合适取值，但以上参数的设定不限于此。

本发明系统的建立了考虑电网运行稳定性的水电厂发电控制方法。首先针对日前电价的不确定性，采用高斯过程回归方法(GPR)生成给定置信区间下的日前电价概率区间。对电价区间离散后进而以水电厂售电收益期望最大为目标，考虑决策者收益偏好和风险规避心理，以收益最大化和考虑多约束条件建立了上游水电站优化报价方法。进而构建上下游电站的出力耦合关系，得出电量相匹配的下游电站申报曲线。最后以实际梯级水电站进行日前分段电量申报及发电，市场出清仿真分析，验证了本发明方法的可行性和有效性。

本发明与现有技术相比，其有益效果为：

本发明基于相似日识别和高斯过程回归方法(GPR)预测，考虑日前出清电价的不确定性构建申报电量策略，可有效保证水电站获得中标电量，防止出现弃水，造成水资源的浪费；

基于前景理论思路在优化目标中引入决策者收益偏好和风险规避因子，可较好适应不同决策者的心理偏好，物理意义明确且实现过程简单；构建下游电站报价曲线时，充分考虑上下游电站的梯级耦合关系、上下游电站之间的水流时滞、区间天然流量汇入等影响因素，有效协调梯级上下游水电进行日前量价申报，能够实现上下游电站中标电量相匹配，出清结果具有可执行性，保障电网调度运行的安全和稳定性；

本发明所建立方法考虑因素较为全面，易于工程实现，可为水电厂参与日前市场竞价提供较好的辅助决策参考，较于不考虑梯级电量匹配的电量申报和发电控制，所建立方法对于电网调度的出清时间可缩减8％，并且出清结果的可执行性至少增加10％，同时可减少弃水率3％，具有实际的工程应用价值。

附图说明

图1为本发明方法流程图。

图2为水电站申报曲线示意图。

图3为运行日全天各时段预测电价分布。

图4为上游电站全天申报量价情况。

图5为部分时段上下游电站报价曲线。

图6为不同方案下水电站全天各时段申报情况。

图7为下游电站全天各时段申报电量情况。

具体实施方式

下面结合实施例对本发明作进一步的详细描述。

本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者，均为可以通过购买获得的常规产品。

一种考虑电网运行稳定性的水电厂发电控制方法，包括如下步骤：

步骤(1)，基于电力市场中历史运行电价数据，考虑影响因素进行相似日识别，匹配出与运行日工况相似度最高的日期，并将相似日各时段的电价数据作为电价预测训练集；所述的影响因素包括负荷规模、天气和网络阻塞；

步骤(2)，基于电价预测训练集，采用高斯过程回归方法进行概率区间预测，得出运行日每个时段电价预测值的高斯分布均值μ和标准差σ，采用μ±nσ原则确定全天各时段的置信区间和区间离散电价点，n为大于0的正整数；

步骤(3)，设置决策者的收益偏好因子和风险规避因子，以期望全天售电收益最大为目标，并考虑多约束条件，建立上游水电站日前市场申报量优化模型；所述的多约束条件包括水量平衡约束、蓄水量上下限约束、出库流量上下限约束、出力上下限约束、水库水位上下限约束、同一时段分段申报量最小差额约束、不同时段电价相同时竞价出力一致约束；

步骤(4)，采用自适应粒子群优化算法对上游水电站日前市场申报量优化模型进行求解，得出运行日上游水电站全天各时段t的分段申报电量，设置初始时段t＝1，假设全天共分为T个时段，时段t对应的第h段申报电价为λ_t,h，申报电量为P_t,h；

步骤(5)，在时段t，根据离散电价点和对应的申报电量组成申报量价对(P_t,h，λ_t,h)，按申报电价从小到大排序构成时段t的申报量价曲线；

步骤(6)，在时段t，基于上下游电站出力耦合关系，生成与上游电站申报量相匹配的申报量价对，同样基于电价从小到大排序构成下游电站时段t的申报曲线；

步骤(7)，判断t与T的大小，若t<T，则执行t＝t+1，并进入步骤(5)，否则进入下一步骤；

步骤(8)，基于上述过程，得出水电站全天每个时段下的日前市场申报量价曲线；之后基于该曲线的申报电量进行发电电量控制。

其中，步骤(1)中，相似度计算的具体方法为：若作为电价预测基础数据的历史天数共N天，基于历史第m天与运行日各时段的指标数据，m＝1,2,…,N，分别形成特征矩阵A和B，其中A＝[W_m1，W_m2，W_m3]^T，B＝[W₁，W₂，W₃]^T，其中指标数据W_m1、W_m2、W_m3和W₁、W₂、W₃分别为历史第m天和预测运行日各时刻的负荷规模、天气和网络阻塞量化数据；

其次，计算第m天历史数据与运行日的相似度r，基于r从大到小排序选取所需的相似日集合；相似度r计算方法为：

式一中：A、B分别为历史运行日和预测运行日指标数据构成的特征矩阵；

为矩阵中元素的平均值；A_i,j、B_i,j分别为矩阵对应的第i行、j列值。

步骤(2)的具体方法为：

以电价预测训练集中的时段作为输入，以时段对应的电价作为输出，采用高斯过程回归方法进行模型训练；然后将待预测运行日的时段t作为输入样本x*，采用高斯过程回归方法进行概率区间预测，从而在输入样本x*时得到电价预测值的均值μ(x^*)和方差var(x^*)，据此得到在置信水平α下预测值的概率区间为：

[L_1-α(x^*),U_1-α(x^*)]＝[μ(x^*)-z_(1-α)/2var(x^*),μ(x^*)+z_(1-α)/2var(x^*)] 式二

式二中，L_1-α(x^*)、U_1-α(x^*)分别为置信区间为α时输入样本x^*对应预测值的下限和上限；z_(1-α)/2为置信区间为α时的概率分位点；

对于时段t，离散的电价点分别为[λ₁,λ₂,…,λ_n+1,…,λ_2n,λ_2n+1]＝[μ-nσ,μ-(n-1)σ,…,μ,…,μ+(n-1)σ,μ+nσ]，共2n+1个电价点。

步骤(3)的具体方法为：

设置收益偏好因子和风险规避因子，以期望全天售电收益最大为目标，确定各时段的分段申报电量；

以期望全天售电收益最大为目标f表示为：

式三中，T为全天时段总数；H为时段t的分段申报数，与时刻t离散的电价点个数相等；P_L,t、λ_L,t分别为中长期合约L分解到时段t对应的申报电量、电价；β、η分别为决策者的收益偏好因子和风险规避因子；P_t,h为时段t第h段申报电量，λ_t,h为时段t第h段申报电价；ρ_1,t,h、ρ_2,t,h分别为申报电量中标和未中标的概率，其计算方法为：

式四中：F(λ_t)为时段t的电价累积概率分布函数；

所述的多约束条件为：

式五中：V_t+1为t+1时段电站的水库蓄水量；I_t为时段t电站的入库流量；V_t为时段t电站的水库蓄水量；Q_t为时段t电站的出库流量；C_t,e为时段t该电站上游电站e到达该电站的流量；E为上游电站数；Δt为单个时段的时长；V_max、V_min分别为该电站的水库蓄水量上下限；Q_max、Q_min分别为该电站的出库流量上下限；P_t为电站时段t的发电出力；P_max、P_min分别为该电站发电出力上下限；Z_t为电站时段t的水库水位；Z_min、Z_max分别为该电站的水库水位下限和上限；

式六中：ΔP_min为时段t不同分段申报电量最小差额；P_t,j、P_t,i、P_t,k分别为时段t的第i、j、k段申报电量；P_s,g为时段s的第g段申报电量；H为时段t的分段申报数；T为全天时段数；λ_t,k为时段t的第k段申报电价；λ_s,g为时段s的第g段申报电价。

将式四中积分运算进行简化，采用梯形法计算，将积分区间划分为M等份，对M等份面积近似为矩形进行求和计算为：

采用自适应粒子群优化算法对上游水电站日前市场申报量优化模型进行求解。

自适应粒子群优化算法中，自适应权重调整方法具体为：

式八中：f为优化中粒子的适应度，即以期望全天售电收益最大为目标的目标函数；ω_max、ω_min分别为惯性权重最大、最小值；f_min、f_avg分别为优化中当前所有粒子中适应度的最小值、平均值。

在步骤(6)中，对上下游梯级电站u和v考虑水流时滞时，各时段t上游电站u和下游电站v之间的电力耦合联系表示为：

式九中：τ_v为电站u到电站v的水流时滞；P_v,t为电站v在时段t出力；

为电站u在t-τ_v时段的出力；γ_1,t、γ_2,t分别为出力耦合因子，其计算方法为：

式十中：a_t、b_t为时段t上游电站u的发电流量特性分段参数；c_t、d_t为时段t下游电站v的发电流量特性分段参数，上下游发电流量特性参数可根据电站历史运行数据拟合得到，若考虑上游水库库容较大，忽略日前水位变化则a_t、b_t可视为常数；χ为上游电站u和下游电站v之间的河道坦化系数；I_v,t指下游电站v在时段t除上游电站u到达的流量外，其余汇入流量的总和；

当上游电站u在时段t的第h段申报电价为λ_t,h，申报电量为P_t,h，则基于出力耦合关系，下游电站v时段t对应的第h段申报电价为λ_t,h，申报电量为

2.本发明研究对象

本发明研究对象为多数市场采用的集中市场模式，日前市场采用分时段阶梯报价机制，出清价格采用系统边际电价。一般而言，电站可实现对次日的来水预测比较准确，出清电价随机性是收益不确定性的主要原因，因此报价制定策略首先需要建立日前电价预测方法。

3.相似日识别和基于GPR的日前电价概率预测

在影响因素相似运行工况下日前电价常具有类似变化特点，为此可基于历史数据匹配出与运行日工况相似度最高的日期作为电价预测训练集。具体方法为：首先对影响因素进行量化，若作为电价预测基础数据的历史天数共N天，基于历史第m天与运行日各时段的指标数据，m＝1,2,…,N，分别形成特征矩阵A和B，其中A＝[W_m1，W_m2，W_m3]^T，B＝[W₁，W₂，W₃]^T，其中指标数据W_m1、W_m2、W_m3和W₁、W₂、W₃分别为历史第m天和预测运行日各时刻的负荷规模、天气和网络阻塞量化数据；

其次，计算第m天历史数据与运行日的相似度r，基于r从大到小排序选取所需的相似日集合；相似度r计算方法为：

式一中：A、B分别为历史运行日和预测运行日指标数据构成的特征矩阵；

为矩阵中元素的平均值；A_i,j、B_i,j分别为矩阵对应的第i行、j列值。

高斯过程回归(GPR)方法可给出指定置信水平下的概率区间，较只给出确定值的预测更符合客观实际。

以电价预测训练集中的时段作为输入，以时段对应的电价作为输出，采用高斯过程回归方法进行模型训练；然后将待预测运行日的时段t作为输入样本x*，采用高斯过程回归方法进行概率区间预测，从而在输入样本x*时得到电价预测值的均值μ(x^*)和方差var(x^*)，据此得到在置信水平α下预测值的概率区间为：

[L_1-α(x^*),U_1-α(x^*)]＝[μ(x^*)-z_(1-α)/2var(x^*),μ(x^*)+z_(1-α)/2var(x^*)] 式二

式二中，L_1-α(x^*)、U_1-α(x^*)分别为置信区间为α时输入样本x^*对应预测值的下限和上限；z_(1-α)/2为置信区间为α时的概率分位点；

对于时段t，离散的电价点分别为[λ₁,λ₂,…,λ_n+1,…,λ_2n,λ_2n+1]＝[μ-nσ,μ-(n-1)σ,…,μ,…,μ+(n-1)σ,μ+nσ]，共2n+1个电价点。

4.上游电站优化报价模型构建

1)优化目标

电站阶梯报价示意图如图2所示，当要确定申报电量P₃大小时，系统边际出清电价大小为λ，则申报中标电量为P₃，若系统边际出清电价大于λ，则申报量P₃能保证获得出清，反之未中标。可看出当申报电价高时，申报量过高能获得更高收益的同时也面临更大未中标风险，申报电价低时，较大申报电量能保证获得出清但也可能失去部分售电收益。

据此可基于前景理论的思路，根据不同决策者的心理因素，设置收益偏好因子和风险规避因子，以期望中标收益最大为目标，采用优化方法确定各时段的分段申报电量。考虑水电发电成本基本可忽略，以期望全天售电收益最大为目标f表示为：

式三中，T为全天时段总数；H为时段t的分段申报数，与时刻t离散的电价点个数相等；P_L,t、λ_L,t分别为中长期合约L分解到时段t对应的申报电量、电价；β、η分别为决策者的收益偏好因子和风险规避因子；P_t,h为时段t第h段申报电量，λ_t,h为时段t第h段申报电价；ρ_1,t,h、ρ_2,t,h分别为申报电量中标和未中标的概率，其计算方法为：

式四中：F(λ_t)为时段t的电价累积概率分布函数；

为增加求解速度，将式四中积分运算进行简化，采用梯形法计算，将积分区间划分为M等份，对M等份面积近似为矩形进行求和计算为：

采用自适应粒子群优化算法对上游水电站日前市场申报量优化模型进行求解。

多约束条件包括水量平衡约束、蓄水量上下限约束、出库流量上下限约束、出力上下限约束、水库水位上下限约束、同一时段分段申报量最小差额约束、不同时段电价相同时竞价出力一致约束；

此外为避免同一时段各申报量之差过小干扰市场稳定，设置分段电量间最小差额约束，加之考虑不同时段电价相同时竞价出力一致，以保证报价曲线唯一建立约束为：

式六中：V_t+1为t+1时段电站的水库蓄水量；I_t为时段t电站的入库流量；V_t为时段t电站的水库蓄水量；Q_t为时段t电站的出库流量；C_t,e为时段t该电站上游电站e到达该电站的流量；E为上游电站数；Δt为单个时段的时长；V_max、V_min分别为该电站的水库蓄水量上下限；Q_max、Q_min分别为该电站的出库流量上下限；P_t为电站时段t的发电出力；P_max、P_min分别为该电站发电出力上下限；Z_t为电站时段t的水库水位；Z_min、Z_max分别为该电站的水库水位下限和上限；

式七中：ΔP_min为时段t不同分段申报电量最小差额；P_t,j、P_t,i、P_t,k分别为时段t的第i、j、k段申报电量；P_s,g为时段s的第g段申报电量；H为时段t的分段申报数；T为全天时段数；λ_t,k为时段t的第k段申报电价；λ_s,g为时段s的第g段申报电价。

3)求解方法

采用自适应粒子群算法进行模型求解，该算法能实时调整惯性权重，增强全局搜索能力和收敛性，自适应权重调整方法具体为：

式中：f为优化中粒子的适应度；ω_max、ω_min分别为惯性权重最大、最小值；f_min、f_avg分别为优化中当前所有粒子中适应度的最小值、平均值。

5.下游水电站报价曲线构建

由于存在强时空水电耦合关系，下游电站日发电量主要由上游电站决定，报价信息不对称可能导致竞标和发电量失衡，交易结果难以执行或出现弃水等。为此在市场力可控前提下，一种可行方法为将上下游电站联合出清，上游电站根据来水预测进行申报，下游电站以价格接受者生成相匹配的报价信息。

对上下游梯级电站u和v考虑水流时滞时，各时段t上游电站u和下游电站v之间的电力耦合联系表示为：

式九中：τ_v为电站u到电站v的水流时滞；P_v,t为电站v在时段t出力；

为电站u在t-τ_v时段的出力；γ_1,t、γ_2,t分别为出力耦合因子，其计算方法为：

式十中：a_t、b_t为时段t上游电站u的发电流量特性分段参数；c_t、d_t为时段t下游电站v的发电流量特性分段参数，上下游发电流量特性参数可根据电站历史运行数据拟合得到，若考虑上游水库库容较大，忽略日前水位变化则a_t、b_t可视为常数；χ为上游电站u和下游电站v之间的河道坦化系数；I_v,t指下游电站v在时段t除上游电站u到达的流量外，其余汇入流量的总和；

当上游电站u在时段t的第h段申报电价为λ_t,h，申报电量为P_t,h，则基于出力耦合关系，下游电站v时段t对应的第h段申报电价为λ_t,h，申报电量为

应用实例

1、算例参数和日前电价预测

以某流域梯级电站仿真分析，系统包含电站A和B，上游电站A为龙头电站，无上游电站，即对于电站A各时刻上游电站到达该电站的流量C_t,e为0，电站A对运行日预测用水量约为5100万立方米，进行量价曲线申报，A的下游电站B为价格接受者，测算实时各时段的流量特性参数c_t和d_t，河道坦化系数χ为1，上游电站A和下游电站之间水流时滞暂考虑为0h、电站A和电站B区间的其它流量汇入暂考虑为0m³/s时。为简化分析，上游电站A发电特性参数a_t、b_t分别为0.00019和0.92，下游电站B各时段发电特性参数相同，c_t、d_t分别为0.00055和0.935，另外电站A和B的其它主要相关参数见表1。全天划分时段数T＝24，中长期合约L分解到时段t对应的申报量P_L,t、电价λ_L,t分别为500MW、250元/MWh。假设日前市场采用小时报价，另外考虑市场出清时以收购成本最小为目标。上游电站A采用本发明方法获得申报量价曲线，下游电站B根据该申报量价曲线依据本发明方法匹配获得相适应的申报量价曲线。

表1水电站主要参数

以某电力现货试点历史数据为依据，相似日集合选取5天共120个电价样本如表2所示，根据GPR对申报日的日前电价进行预测，不失一般性，当设定n＝2，根据“μ±2σ”原则以α＝95％置信区间确定的电价概率区间见图3。

表2相似日电价

2、优化报价分析

优化模型中，β和η分别为1和0.4，设定ΔP_min为80MW，积分计算区间分段数M为5000，算法惯性权重ω_max、ω_min分别为2和0.8，种群数50，迭代次数100。当设定n＝2，即采用“μ±2σ”原则将每个时段的电价区间离散为5个点时，可得出每个时段t采用5段申报的报价曲线(根据“μ±2σ”原则，因为n＝2，所以将电价区间离散为5个电价点，所以申报曲线为5段)，以上游电站A为例，优化得到最大收益期望值为153.46万元，全天各时段的申报量价见图4。另外基于出力耦合关系生成下游报价曲线，选取部分时段的上、下游电站申报曲线见图5。

3、报价曲线有效性分析

1)不同风险因子

为考虑不同决策者偏好不同，设置优化报价方案一：β＝1，η＝0.4；方案二：β＝0.9，η＝0.5。为避免对比分析中智能优化算法求解结果不唯一的影响，以方案一得出各时段最大申报量作为方案二求解的等式约束，保证两种方案最大申报电量相等。基于所建立方法得出各时段申报量情况见图6，可看出适当减小收益偏好因子和增加风险规避因子，起始申报量相应有所减小，高电价点对应的申报量相对增大，所得结果与前述定性分析结论一致。

另外若不考虑优化报价策略，基于预测电价点根据电站出力范围采用均等电量报价方案进行对比分析，考虑全天各时刻系统负荷需求都为1500MW，进行市场出清，根据电站中标电量可得到不同风险因子报价方案下全天电站总收益对比如表2所示。表中可看出所提方法相较于无策略的均等电量报价均具有较好的优势。

表2水电站全天售电收益对比

2)考虑水流时滞和天然汇流

在报价方案一得出结果基础上，若考虑上下游电站存在时滞为1h、区间有天然流量汇入为350m³/s时，下游电站在全天各时段的申报电量大小情况见图7，可看出各时段申报电量大小变化关系滞后无时滞结果1小时，另外因存在区间流量汇入，下游电站B发电流量增大，相较于无区间天然流量汇入，全天各时段的决策申报电量都更大。因此可看出，所提的报价策略对于下游电站在考虑时滞效应、区间有天然流量汇入等影响因素时，也具有较好的适应性和可行性。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种考虑电网运行稳定性的水电厂发电控制方法，其特征在于，包括如下步骤：

步骤(1)，基于电力市场中历史运行电价数据，考虑影响因素进行相似日识别，匹配出与运行日工况相似度最高的日期，并将相似日各时段的电价数据作为电价预测训练集；所述的影响因素包括负荷规模、天气和网络阻塞；

步骤(2)，基于电价预测训练集，采用高斯过程回归方法进行概率区间预测，得出运行日每个时段电价预测值的高斯分布均值μ和标准差σ，采用μ±nσ原则确定全天各时段的置信区间和区间离散电价点，n为大于0的正整数；

步骤(3)，设置决策者的收益偏好因子和风险规避因子，以期望全天售电收益最大为目标，并考虑多约束条件，建立上游水电站日前市场申报量优化模型；所述的多约束条件包括水量平衡约束、蓄水量上下限约束、出库流量上下限约束、出力上下限约束、水库水位上下限约束、同一时段分段申报量最小差额约束、不同时段电价相同时竞价出力一致约束；

步骤(4)，采用自适应粒子群优化算法对上游水电站日前市场申报量优化模型进行求解，得出运行日上游水电站全天各时段t的分段申报电量，设置初始时段t＝1，假设全天共分为T个时段，时段t对应的第h段申报电价为λ_t,h，申报电量为P_t,h；

步骤(5)，在时段t，根据离散电价点和对应的申报电量组成申报量价对(P_t,h，λ_t,h)，按申报电价从小到大排序构成时段t的申报量价曲线；

步骤(6)，在时段t，基于上下游电站出力耦合关系，生成与上游电站申报量相匹配的申报量价对，同样基于电价从小到大排序构成下游电站对应时段的申报曲线；

步骤(7)，判断t与T的大小，若t<T，则执行t＝t+1，并进入步骤(5)，否则进入下一步骤；

步骤(8)，基于上述过程，得出水电站全天每个时段下的日前市场申报量价曲线；之后基于该曲线的申报电量进行发电电量控制。

2.根据权利要求1所述的考虑电网运行稳定性的水电厂发电控制方法，其特征在于，步骤(1)中，相似度计算的具体方法为：若作为电价预测基础数据的历史天数共N天，基于历史第m天与运行日各时段的指标数据，m＝1,2,…,N，分别形成特征矩阵A和B，其中A＝[W_m1，W_m2，W_m3]^T，B＝[W₁，W₂，W₃]^T，其中指标数据W_m1、W_m2、W_m3和W₁、W₂、W₃分别为历史第m天和预测运行日各时刻的负荷规模、天气和网络阻塞量化数据；

其次，计算第m天历史数据与运行日的相似度r，基于r从大到小排序选取所需的相似日集合；相似度r计算方法为：

式一中：A、B分别为历史运行日和预测运行日指标数据构成的特征矩阵；

为矩阵中元素的平均值；A_i,j、B_i,j分别为矩阵对应的第i行、j列值。

3.根据权利要求1所述的考虑电网运行稳定性的水电厂发电控制方法，其特征在于，步骤(2)的具体方法为：

以电价预测训练集中的时段作为输入，以时段对应的电价作为输出，采用高斯过程回归方法进行模型训练；然后将待预测运行日的时段t作为输入样本x*，采用高斯过程回归方法进行概率区间预测，从而在输入样本x*时得到电价预测值的均值μ(x^*)和方差var(x^*)，据此得到在置信水平α下预测值的概率区间为：

[L_1-α(x^*),U_1-α(x^*)]＝[μ(x^*)-z₍₁-_α)/2var(x^*),μ(x^*)+z₍₁-_α)/2var(x^*)] 式二

式二中，L_1-α(x^*)、U_1-α(x^*)分别为置信区间为α时输入样本x^*对应预测值的下限和上限；z_(1-α)/2为置信区间为α时的概率分位点；

对于时段t，离散的电价点分别为[λ₁,λ₂,…,λ_n+1,…,λ_2n,λ_2n+1]＝[μ-nσ,μ-(n-1)σ,…,μ,…,μ+(n-1)σ,μ+nσ]，共2n+1个电价点。

4.根据权利要求1所述的考虑电网运行稳定性的水电厂发电控制方法，其特征在于，步骤(3)的具体方法为：

设置收益偏好因子和风险规避因子，以期望全天售电收益最大为目标，确定各时段的分段申报电量；

以期望全天售电收益最大为目标f表示为：

式三中，T为全天时段总数；H为时段t的分段申报数，与时刻t离散的电价点个数相等；P_L,t、λ_L,t分别为中长期合约L分解到时段t对应的申报电量、电价；β、η分别为决策者的收益偏好因子和风险规避因子；P_t,h为时段t第h段申报电量，λ_t,h为时段t第h段申报电价；ρ_1,t,h、ρ_2,t,h分别为申报电量中标和未中标的概率，其计算方法为：

式四中：F(λ_t)为时段t的电价累积概率分布函数；

所述的多约束条件为：

式五中：V_t+1为t+1时段电站的水库蓄水量；I_t为时段t电站的入库流量；V_t为时段t电站的水库蓄水量；Q_t为时段t电站的出库流量；C_t,e为时段t该电站上游电站e到达该电站的流量；E为上游电站数；Δt为单个时段的时长；V_max、V_min分别为该电站的水库蓄水量上下限；Q_max、Q_min分别为该电站的出库流量上下限；P_t为电站时段t的发电出力；P_max、P_min分别为该电站发电出力上下限；Z_t为电站时段t的水库水位；Z_min、Z_max分别为该电站的水库水位下限和上限；

式六中：ΔP_min为时段t不同分段申报电量最小差额；P_t,j、P_t,i、P_t,k分别为时段t的第i、j、k段申报电量；P_s,g为时段s的第g段申报电量；H为时段t的分段申报数；T为全天时段数；λ_t,k为时段t的第k段申报电价；λ_s,g为时段s的第g段申报电价。

5.根据权利要求4所述的考虑电网运行稳定性的水电厂发电控制方法，其特征在于，将式四中积分运算进行简化，采用梯形法计算，将积分区间划分为M等份，对M等份面积近似为矩形进行求和计算为：

采用自适应粒子群优化算法对上游水电站日前市场申报量优化模型进行求解。

6.根据权利要求1或5所述的考虑电网运行稳定性的水电厂发电控制方法，其特征在于，自适应粒子群优化算法中，自适应权重调整方法具体为：

式八中：f为优化中粒子的适应度，即以期望全天售电收益最大为目标的目标函数；ω_max、ω_min分别为惯性权重最大、最小值；f_min、f_avg分别为优化中当前所有粒子中适应度的最小值、平均值。

7.根据权利要求1所述的考虑电网运行稳定性的水电厂发电控制方法，其特征在于，在步骤(6)中，对上下游梯级电站u和v考虑水流时滞时，各时段t上游电站u和下游电站v之间的电力耦合联系表示为：

式九中：τ_v为电站u到电站v的水流时滞；P_v,t为电站v在时段t出力；

为电站u在t-τ_v时段的出力；γ_1,t、γ_2,t分别为出力耦合因子，其计算方法为：

式十中：a_t、b_t为时段t上游电站u的发电流量特性分段参数；c_t、d_t为时段t下游电站v的发电流量特性分段参数；χ为上游电站u和下游电站v之间的河道坦化系数；I_v,t指下游电站v在时段t除上游电站u到达的流量外，其余汇入流量的总和；

当上游电站u在时段t的第h段申报电价为λ_t,h，申报电量为P_t,h，则基于出力耦合关系，下游电站v时段t对应的第h段申报电价为λ_t,h，申报电量为

Images