CN115940146A - 一种基于机会约束规划的跨区域电网灵活性资源配置方法 - Google Patents
一种基于机会约束规划的跨区域电网灵活性资源配置方法 Download PDFInfo
- Publication number
- CN115940146A CN115940146A CN202211618908.XA CN202211618908A CN115940146A CN 115940146 A CN115940146 A CN 115940146A CN 202211618908 A CN202211618908 A CN 202211618908A CN 115940146 A CN115940146 A CN 115940146A
- Authority
- CN
- China
- Prior art keywords
- representing
- model
- unit
- thermal power
- cross
- 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
Images
Abstract
本公开揭示了一种基于机会约束规划的跨区域电网灵活性资源配置方法,包括:1、获取跨区域电力系统的直流通道物理运行参数、火电机组运行参数、发电成本数据、新能源发电历史数据以及灵活性参数;2、根据步骤1所述参数及数据建立跨区域电力系统的物理运行模型以及送受端新能源和负荷的不确定性模型;3、根据所述物理运行模型及不确定性模型建立跨区域直流通道互联电力系统灵活性资源配置两阶段机会约束模型P1;4、根据所述模型P1构建混合整数线性规划模型P2,以完成对跨区域电网的灵活性资源配置。
Description
技术领域
本公开属于电力系统运行与调度自动化技术领域,特别涉及一种基于机会约束规划的跨区域电网灵活性资源配置方法。
背景技术
随着我国电力系统组成部分的不断演化,电力系统规划面临着越来越严峻的挑战。合理应对挑战是我国电力系统保证优化管理、电网可靠性、灵活性的必然要求。在此背景下,高压直流输电技术将发挥关键作用。因此,在电网规划和中长期研究中,急需建立有效、具体的直流通道配置优化模型及其对应的求解方法。
直流通道配置优化问题中涉及的技术难点主要在于风电及太阳能等新能源以及负荷需求的不确定性建模,送受端诸如火力发电,储能,需求侧响应的灵活性资源的规划。合理利用送受端的灵活性资源能够大幅助力新能源消纳,而现有研究中关于灵活性资源在直流通道新能源消纳中的作用鲜有提及与分析。
发明内容
针对现有技术中的不足,本公开的目的在于提供一种基于机会约束规划的跨区域电网灵活性资源配置方法,该方法基于原始的跨区域直流电网系统物理模型,利用机会约束两阶段随机规划方法完成模型的求解,实现跨区域互联电网新能源消纳以及最小化投资运行成本,优化了我国现行的直流联络线输送功率配置模式。
为实现上述目的,本公开提供以下技术方案:
一种基于机会约束规划的跨区域电网灵活性资源配置方法,包括以下步骤:
S100、获取跨区域电力系统的直流通道物理运行参数、火电机组运行参数、发电成本数据、新能源发电历史数据以及灵活性参数;
S200、根据步骤S100所述参数及数据构建跨区域电力系统的物理运行模型以及送受端新能源和负荷的不确定性模型;
S300、根据所述物理运行模型及不确定性模型构建跨区域直流通道互联电力系统灵活性资源配置两阶段机会约束模型P1;
S400、根据所述模型P1构建混合整数线性规划模型P2,以完成对跨区域电网的灵活性资源配置。
优选的,步骤S200中,所述物理运行模型包括属于送端发电区域的传统火电机组、新能源机组、储能和负荷以及属于受端区域的传统火电机组、储能、大规模常规负荷和柔性负荷。
优选的,步骤S200中,所述送受端新能源和负荷的不确定性模型表示如下:
其中,分别表示t时刻的实际负荷与预测负荷,Pt w,Pt wf分别表示t时刻的实际风电出力与预测出力,Pt pv,Pt pvf分别表示t时刻的实际光伏出力与预测出力,A表示送受端的表示集合,是数学符号,表示任意,s表示送端,r表示受端,t表示优化时间段,l表示负荷,w表示风电,pv表示光伏,f表示预测值,εt A,l,εt w,εt pv分别表示均为零均值的高斯分布函数,它们的标准差分别为σt A,L,σt w,σt pv。
优选的,步骤S300中,所述跨区域直流通道互联电力系统灵活性资源配置两阶段机会约束模型P1表示为:
其中,Ce表示储能建设的成本系数,表示火电机组灵活性改造的成本系数,表示火电机组运行的成本系数,Crg表示火电机组备用的成本系数,Cre表示储能备用的成本系数,表示最大储能容量,表示火电机组g是否进行改造的决策变量,表示火电机组g在t时刻的出力,分别表示火电机组g在t时刻向上与向下的备用,分别表示储能在t时刻向上与向下的备用,e表示储能,g表示火电机组,m表示火电机组灵活性改造,o表示火电机组运行,rg表示火电机组备用,re表示储能备用,A表示送受端的表示集合,s表示送端,r表示受端,up表示向上的备用,dn表示向下的备用,Ng表示区域火电机组的总数。
优选的,步骤S400中,所述混合整数线性规划模型P2包括机组聚合模型,机组聚合模型表示为:
其中,表示在t-1时刻在A端的聚合机组的上限容量,表示在t时刻在A端的聚合机组的上限容量,表示在A端的机组数量,分别表示在t时刻聚合机组的开机和关机容量,分别表示在t时刻聚合机组c的开机和关机状态变量,分别表示在t时刻机组g的开机和关机状态变量,分别表示在t-1,t时刻聚合机组的出力,分别表示在t时刻聚合机组提供的向上和向下备用,分别表示在t-1时刻聚合机组提供的向上和向下备用,τ表示某个确定的优化时段,分别表示聚合机组的最小开机和关机时间,分别表示聚合机组的最小和最大出力,分别表示聚合机组能够提供的最大向上和向下备用,分别表示聚合机组的向上和向下爬坡率,Δt表示时间分辨率,τ表示某个确定的优化时段,c表示聚合机组,su表示机组的开机,sd表示机组的关机,on表示机组的最小开机,off表示机组的最小关机,s表示送端,r表示受端,up,dn分别表示向上和向下的备用。
优选的,步骤S400中,所述混合整数线性规划模型P2还包括等价确定性混合整数规划,等价确定性混合整数规划表示为:
其中,φt -1(k)表示正态分布的累计分布函数的k-分位数,αup,αdn分别表示送端向上和向下灵活性机会约束的置信度水平,βup,βdn分别表示受端向上和向下灵活性机会约束的置信度水平,分别表示机组g在时刻t提供的向上和向下备用,分别表示机组g在时刻t提供的向上和向下备用,分别表示送端储能在时刻t提供的向上和向下备用,分别表示受端储能在时刻t提供的向上和向下备用,分别表示直流通道在时刻t提供的向上和向下备用,Ng表示区域火电机组的总数。
优选的,步骤S400中,所述混合整数线性规划模型P2表示为:
其中,Ce表示储能建设的成本系数,表示最大储能容量,表示火电机组灵活性改造的成本系数,表示火电机组g是否进行改造的决策变量,表示火电机组运行的成本系数,表示火电机组g在t时刻的出力,Crg表示火电机组备用的成本系数,分别表示火电机组g在t时刻向上与向下的备用,Cre表示储能备用的成本系数。
本公开还提供一种基于机会约束规划的跨区域电网灵活性资源配置装置,包括:
获取模块,用于获取跨区域电力系统的直流通道物理运行参数、火电机组运行参数、发电成本数据、新能源发电历史数据以及灵活性参数;
第一构建模块,用于根据由获取模块所获取的参数及数据构建跨区域电力系统的物理运行模型以及送受端新能源和负荷的不确定性模型;
第二构建模块,用于根据由第一构建模块构建的物理运行模型及不确定性模型构建跨区域直流通道互联电力系统灵活性资源配置两阶段机会约束模型P1;
第三构建模块,用于根据模型P1构建混合整数线性规划模型P2,以完成对跨区域电网的灵活性资源配置。
本公开还提供一种存储设备,其中存储有多条指令,所述指令适于由处理器加载并执行:
获取跨区域电力系统的直流通道物理运行参数、火电机组运行参数、发电成本数据、新能源发电历史数据以及灵活性参数;
根据参数及数据构建跨区域电力系统的物理运行模型以及送受端新能源和负荷的不确定性模型;
根据所述物理运行模型及不确定性模型构建跨区域直流通道互联电力系统灵活性资源配置两阶段机会约束模型P1;
根据所述模型P1构建混合整数线性规划模型P2,以完成对跨区域电网的灵活性资源配置。
本公开还提供一种计算机设备,包括:
存储器,用于存储计算机指令;
处理器,用于执行计算机指令以实现如前任一所述的方法。
与现有技术相比,本公开带来的有益效果为:
1、本公开提供了包含灵活性资源的两区域送受端直流通道新能源消纳输送功率配置物理模型,并提出了对应的送受端直流通道输送功率配置优化模型,该模型可用于新能源装机容量配置和储能灵活性资源容量规划,助力新能源消纳,对于电网规划建设等相关部门具有一定的实用价值。
2、本公开提供了一种基于机会约束的两阶段随机规划模型,该模型用于跨区域互联电网的协同规划与运行。同时,该模型在解决新能源出力与负荷预测不确定性的同时,引入机会约束灵活性适应,有效解决了新能源消纳与最小化投资运行成本。
3、本公开提供了一系列方法以解决所提出的基于机会约束的两阶段随机规划模型难以有效求解的问题,将该模型转换成了确定的混合整数规划模型。首先,提出一种机组聚合模型以解决原始问题中整形变量过多带来的计算负担;其次,提出一种解析方法将机会约束转化为等价的确定性约束,将机会约束的两阶段问题转化为混合整数线性规划问题,这些方法在保证模型求解准确性的同时,极大提升了模型求解效率。
附图说明
图1是本公开提供的一种基于机会约束规划的跨区域电网灵活性资源配置方法的流程图;
图2是本公开提供的一种跨区域直流通道互联电力系统灵活性资源配置物理模型示意图;
图3是本公开提供的一种多时间尺度的决策框架模型示意图;
图4是本公开提供的一种直流通道作为系统备用提供者及使用者的机制示意图;
图5是本公开提供的一种规划备用满足所有可能场景爬坡的示意图;
图6是本公开提供的一种系统发电与系统负荷关系的概率分布函数示意图;
图7是本公开实施例中聚合模型得到的火电机组出力及可调范围示意图;
图8是本公开实施例中非聚合模型得到的火电机组出力及可调范围示意图;
图9是本公开实施例中聚合模型得到的直流通道规划输送功率及可调范围示意图;
图10是本公开实施例中非聚合模型得到的直流通道规划输送功率及可调范围示意图;
图11是本公开实施例中不同新能源等级下最优储能容量示意图;
图12是本公开实施例中不同置信水平下最优储能容量示意图。
具体实施方式
下面将参照附图1至图12详细地描述本公开的具体实施例。虽然附图中显示了本公开的具体实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
需要说明的是,在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解,技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异作为区分组件的方式,而是以组件在功能上的差异作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语,故应解释成“包含但不限定于”。说明书后续描述为实施本公开的较佳实施方式,然所述描述乃以说明书的一般原则为目的,并非用以限定本公开的范围。本公开的保护范围当视所附权利要求所界定者为准。
为便于对本公开实施例的理解,下面将结合附图以具体实施例为例做进一步的解释说明,且各个附图并不构成对本公开实施例的限定。
一个实施例中,如图1所示,本公开提供一种基于机会约束规划的跨区域电网灵活性资源配置方法,包括以下步骤:
S100、获取跨区域电力系统的直流通道物理运行参数、火电机组运行参数、发电成本数据、新能源发电历史数据以及灵活性参数。
该步骤中,所述直流通道物理运行参数包括:直流通道输送功率上限和下限直流通道最大向上爬坡功率Rdc,up和向下爬坡功率Rdc,dn、直流通道输送功率最小调节时间间隔τdc、直流通道日最大调节次数Ndc和直流通道日规划传输电量Qdc。
所述火电机组运行参数包括:机组出力上限和下限机组最大向上爬坡功率和向下爬坡功率机组出力最小调节时间间隔
所述电力系统灵活性参数包括:预测负荷与预测新能源出力误差的随机变量模型εt A,l,εt w,εt pv及模型参数σt A,L,σt w,σt pv。
S200、根据步骤S100所述参数及数据构建跨区域电力系统的物理运行模型以及送受端新能源和负荷的不确定性模型。
该步骤中,如图2所示,所述物理模型包括送端发电区域和受端区域,其中,送端发电区域包括传统火电机组,新能源机组,储能以及负荷,受端区域包括传统火电机组,储能与大规模的常规负荷与柔性负荷。
该步骤中,假定负荷和新能源出力的不确定预测误差服从正态分布函数。此外,假设负荷和新能源出力在每个时间阶段相互独立,则送受端新能源及负荷的不确定性模型如下所示:
其中,分别表示t时刻的实际负荷与预测负荷,Pt w,Pt wf分别表示t时刻的实际风电出力与预测出力,Pt pv,Pt pvf分别表示t时刻的实际光伏出力与预测出力,A表示送受端的表示集合,是数学符号,表示任意,s表示送端,r表示受端,t表示优化时间段,l表示负荷,w表示风电,pv表示光伏,f表示预测值,εt A,l,εt w,εt pv分别表示均为零均值的高斯分布函数,它们的标准差分别为σt A,L,σt w,σt pv,此三式定义了负荷及新能源出力的概率分布函数,不确定性参数分布可以表示为:
其中,表示预测负荷中的不可控负荷,Cw,Cpv分别表示风电机组及光伏机组的装机容量。
其次,跨区域互联电网的协同规划与运行问题是一个综合考虑可靠性和经济性的优化问题,同时,其中的负荷及新能源预测出力又具有不确定性,因此,本公开建立了如图3所示的不同时间尺度下的决策框架。在该框架中,考虑到规划结果的经济性能,本公开在预测情景下使蓄电池储能和火电机组改造投资成本以及燃料和备用运行成本最小。根据可靠性要求,调度中心规划了足够的火电机组、储能和直流联络线作为备用,以应对送受端负荷和可再生能源出力的不确定性。在本公开所建模跨区域互联电网中,送端电力系统将风电、光伏出力和负荷的历史数据提交给系统调度中心。此外,调度中心还可以获取受端电网的历史负荷数据。基于这些历史数据,调度中心可以通过取一个季节内数据的平均值,为每个季节生成一个基础情景。具体来说,模型建模为一个两阶段优化问题。在规划阶段,根据预测数据的信息,确定储能容量和火电机组的改造方案。高压直流输电通道的输送功率也应在此阶段进行调度。但预测数据与实际值存在误差,为应对这些预测误差,系统调度中心需要调度可利用的灵活性资源储备,以保证跨区域电力系统在运行阶段的可靠性。
本公开备用由火电机组、储能和直流输电通道提供,其中,火电机组可以通过增加(减少)送端和受端的输出来提供向上(向下)的储备。储能可以通过提高(降低)放电(充电)速率或降低(增加)充电(放电)速率来供应向上(向下)的储备。另外,高压直流输电通道也可以作为提供备用的一种形式。如果在送端提供备用,那么受端则可以同样提供备用或是使用备用。例如,当送端实际净负荷大于预测时,直流通道则应通过降低输送功率来供给上行备用。受端电力系统有两种情况,当实际负荷大于预测时,直流通道是备用使用者,当实际需求小于预测时,高压直流输电通道则提供向下备用,其机制如图4所示。图4是直流通道作为备用提供者或使用者的示意图。当直流通道在送端提供向上备用时,可在受端提供或使用备用,其中,分别表示送端增加前后的净负荷,分别表示受端变化前后的净负荷,分别表示直流通道变化前后的输送功率,分别表示直流通道最小和最大传输功率,分别表示直流通道所能提供的最大向下和向上备用,rt dc ,up表示此时直流通道所提供的实际向上备用量。
S300、根据所述物理运行模型及不确定性模型构建跨区域直流通道互联电力系统灵活性资源配置两阶段机会约束模型P1。
该步骤中,建立跨区域直流通道互联电力系统灵活性资源配置两阶段机会约束规划模型,旨在通过寻找系统中灵活性资源的配置模式,以最小化系统的投资运行成本最大化系统新能源消纳。该模型包括两个阶段,分别为规划阶段与运行阶段,其中,规划阶段是对直流输电通道的输送功率进行调度,确定送受端储能的容量和火电机组灵活性改造的决策;运行阶段则对系统备用进行分配,以应对来自发电侧和需求侧的多重不确定性。
两阶段规划问题的目标是最小化储能与火电机组灵活性改造的投资成本以及最小化发电所需燃料成本和备用成本,具体目标函数确定如下:
其中,Ce表示储能建设的成本系数,表示火电机组灵活性改造的成本系数,表示火电机组运行的成本系数,Crg表示火电机组备用的成本系数,Cre表示储能备用的成本系数,表示最大储能容量,表示火电机组g是否进行改造的决策变量,表示火电机组g在t时刻的出力,分别表示火电机组g在t时刻向上与向下的备用,分别表示储能在t时刻向上与向下的备用,e表示储能,g表示火电机组,m表示火电机组灵活性改造,o表示火电机组运行,rg表示火电机组备用,re表示储能备用,A表示送受端的表示集合,s表示送端,r表示受端,up表示向上的备用,dn表示向下的备用,Ng表示区域火电机组的总数。
下面,分别对规划阶段与运行阶段进行建模。
1、规划阶段建模。为解决负荷需求和新能源的波动性以及不确定性,在规划阶段对于灵活性资源的配置至关重要。规划阶段建模的目标是确定最优的储能容量和送受端火电机组灵活性改造策略。此外,在此阶段还决定了直流通道的最优输送功率。规划阶段的目标包括储能投资成本、火电机组改造成本。电力系统的灵活性,即电力系统通过在给定的时间尺度内部署可用资源进行调整来适应变化和不确定性的能力。本公开将系统的灵活性视为灵活性资源的备用。
本阶段构建的模型还需满足送受端及直流联络线等约束条件,具体如下:
1)送端功率平衡约束:
2)受端功率平衡约束:
其中,Pt s,c,Pt s,d分别表示在t时刻送端储能的充放电功率,Pt dc表示在t时刻直流通道输送功率,Pt r,c,Pt r,d分别表示在t时刻受端储能的充放电功率。
传统的火电机组灵活性不强,因此引入机组改造,通过深化最小出力和增大爬坡率来增加其灵活性,关于火电机组的物理及运行约束引入如下:
3)现有火电机组的出力约束:
4)改造后火电机组的出力约束:
5)机组的爬坡约束:
6)机组的最小开关机时间约束:
其中,表示在t时刻机组的开关机状态,机组开机或机组关机 表示是否经过灵活性改造,机组经过改造或未经过改造 分别表示机组g在改造前后的最小出力,表示机组最大出力,分别表示机组g在改造前后的向上爬坡率,分别表示机组g在改造前后的向下爬坡率,分别表示机组g的最小开关机时间。
本公开中,将储能的最大装机容量作为决策变量,因此放电深度和最大充放电速率被设定与其容量成正比,储能相关约束具体引入如下:
7)储能电池不能同时充电放电:
8)储能的充放电能量限制:
9)储能能量限制:
10)规划周期内开始与结束时段的能量等级关系:
11)放电深度与最大充放电速率与储能最大容量的关系:
其中,分别表示储能的充放电状态变量,分别表示储能的最大充放电功率,分别表示在t时刻的储能电量即最小储能电量,ηA,c,ηA,d分别表示储能的充放电效率,分别表示时间变化间隔与整个规划时间段集合,k1表示最小储能容量与最大储能容量的比例关系,k2,k3分别表示最大充放电功率与储能容量的比例关系。
12)直流通道传输功率上下限约束:
13)直流通传输功率爬坡约束:
14)直流通道最小调节时间约束:
15)直流通道最大调节次数约束:
16)直流通道传输电量交易计划约束:
其中,分别表示直流通道最小/最大传输功率,st表示直流通道输送功率在t时刻是否进行调整的状态变量,进行调整(st=1)或不进行调整(st=0),τdc表示直流通道最小稳定时间,T表示总规划时间段数,Ndc表示直流通道最大允许调节次数,Qdc表示日前规划的直流通道总交易电量。
2、运行阶段建模。本阶段建立了考虑风电、太阳能和负荷需求多重不确定性的机会约束规划模型。该阶段旨在调度各电力系统设备灵活性以较高概率满足需求,同时最小化运行成本,其中包括发电燃料成本和不确定性实现后的备用成本。
本阶段建模还需引入火电机组备用约束。火电机组作为一种传统的备用形式,可以为电力系统提供向上和向下的备用,以应对预测误差。而且,火电机组灵活性改造可以进一步增加灵活性。火电机组备用约束具体引入如下:
17)考虑机组的向上向下备用的技术限制约束:
18)考虑保守储备调度的爬坡约束:
以上约束表明,相邻时间间隔中的规划备用保证了足够的爬坡能力以满足所有可能场景,其示意图如图5所示。
19)最大向上备用约束:
20)最大向下备用约束:
其中,分别表示机组g能够提供的最大向上/向下备用。
储能近期发展最为迅猛的灵活性资源之一,因为它能快速响应扰动。由于其特殊的特性,当系统有过剩新能源出力时,储能进行充电过程,当系统发电不能满足需求时,储能进行放电过程,储能备用约束具体引入如下:
21)储能在t时刻最大向上备用约束:
22)储能在t时刻最大向下备用约束:
23)储能备用规划的保守约束:
需要说明的是,当火电机组和高压直流输电通道在一天内对整个调度周期没有足够的向上备用时,储能应在每个阶段内均提供向上储备,以满足约束23)中的第一个约束,约束23)中的第二个约束则对应于整个调度周期缺乏向下储备。
高压直流输电通道的灵活性虽然不如火电机组和储能,但仍能供给部分备用,直流通道相关约束具体引入如下:
24)包含向上备用的规划传输功率上下限约束:
25)包含向下备用的规划传输功率上下限约束:
26)包含保守备用的爬坡约束:
27)备用随通道传输功率约束:
其中,rt dc,dn,rt dc,up分别表示直流通道在t时刻提供的向下和向上备用,M为一个极大的正值,即对通道备用的爬坡不做限制。
在实际情况中,由于极端场景发生的概率较低,不需要让备用来满足所有情况的净负荷。因此,系统规划的灵活性供应无法满足净负荷的情况是有可能发生的。具体而言,当向上或向下的灵活性供应不足时,就会出现甩负荷或新能源弃风弃光,如图6所示。图6展示了在可行域中电力产生环节满足电力需求的概率分布函数。当电力系统向下的灵活性不足时可能出现分布左侧新能源弃风弃光的情况,而当电力系统向上的灵活性不足时则可能出现右侧甩负荷的情况。故本公开将灵活性约束建模为机会约束的形式,具体如下:
28)送端切负荷与新能源弃用的机会约束:
29)受端切负荷与新能源弃用的机会约束
其中,αup,αdn分别表示送端向上和向下灵活性机会约束的置信度水平,βup,βdn分别表示受端向上和向下灵活性机会约束的置信度水平。
需要说明的是,约束28)中的第一个约束表示当计划向上备用大于或等于网络负荷随机变化时,其联合概率必须大于或等于置信度αup,即计划备用大于或等于网络负荷的随机变化的概率很高。同理,该解释也可用于新能源削减的情况,即约束28)中的第二个约束以及约束29)。
S400、根据所述模型P1构建混合整数线性规划模型P2,以完成对跨区域电网的灵活性资源配置。
该步骤中,步骤S400中所提出模型P1非常难以求解。一个原因在于机组组合问题的大量整形决策变量的计算负担,另一个原因在于负荷需求和可再生能源的随机性。针对与此,本公开提出了一种机组聚合模型来减轻计算负担。另外,通过解析方法将机会约束转化为等价的确定性约束,将机会约束的两阶段问题转化为混合整数线性规划问题。
1、机组聚合模型建模。在长期规划问题中,大量的整形决策变量带来了巨大的计算开销。因此,本公开提出一种聚合同类机组的方法以减少机组组合问题中的整形变量数目,提高求解效率,机组聚合模型建模如下:
其中,表示在t-1时刻在A端的聚合机组的上限容量,表示在t时刻在A端的聚合机组的上限容量,表示在A端的机组数量,分别表示在t时刻聚合机组的开机和关机容量,分别表示在t时刻聚合机组c的开机和关机状态变量,分别表示在t时刻机组g的开机和关机状态变量,分别表示在t-1,t时刻聚合机组的出力,分别表示在t时刻聚合机组提供的向上和向下备用,分别表示在t-1时刻聚合机组提供的向上和向下备用,τ表示某个确定的优化时段,分别表示聚合机组的最小开机和关机时间,分别表示聚合机组的最小和最大出力,分别表示聚合机组能够提供的最大向上和向下备用,分别表示聚合机组的向上和向下爬坡率,Δt表示时间分辨率,τ表示某个确定的优化时段,c表示聚合机组,su表示机组的开机,sd表示机组的关机,on表示机组的最小开机,off表示机组的最小关机,s表示送端,r表示受端,up,dn分别表示向上和向下的备用。
需要说明的是,聚合机组的相关参数,如机组最大或最小出力爬坡率最小开关机时间均设置为原始机组的加权平均值,关于备用的参数则采用平均值。其引入具体如下:
2、等价确定性混合整数规划模型建模。由于随机变量的累积分布函数形式复杂,带有机会约束的随机规划模型很难求解。另外,采用随机模拟方法求解该模型费时且计算量大。然而,该解析方法易于得到正态分布随机变量的逆累积分布,因此,本公开应用解析方法将模型P1转化为等价确定性模型,具体转化过程如下:
令Xt,Yt分别表示的概率分布,其仍然满足正态分布因为为相互独立的正态分布,故Xt,Yt可表示为:
对于给定的置信度a,都对应于与一个Ka满足Pr{Ka≤X}=a,即Ka=φ-1(1-a)。相应的,对于给定的置信度b,都对应于与一个Kb满足Pr{Ka≥Y}=b,即Kb=φ-1(b)。依据此原理,步骤S400中的机会约束28)和29)可以转化为以下确定形式:
其中,表示正态分布的累计分布函数的k-分位数,αup,αdn分别表示送端向上和向下灵活性机会约束的置信度水平,βup,βdn分别表示受端向上和向下灵活性机会约束的置信度水平,分别表示机组g在时刻t提供的向上和向下备用,分别表示机组g在时刻t提供的向上和向下备用,分别表示送端储能在时刻t提供的向上和向下备用,分别表示受端储能在时刻t提供的向上和向下备用,rt dc,up,rt dc,dn分别表示直流通道在时刻t提供的向上和向下备用,Ng表示区域火电机组的总数。
至此,经过机组聚合与机会约束转化,基于机会约束的网络灵活性资源规划两阶段模型可以被转化为混合整数线性规划问题。具体而言,跨区域直流通道互联网灵活性资源规划与运行模型可以被总结为P2,即如下所示:
其中,Ce表示储能建设的成本系数,表示最大储能容量,表示火电机组灵活性改造的成本系数,表示火电机组g是否进行改造的决策变量,表示火电机组运行的成本系数,表示火电机组g在t时刻的出力,Crg表示火电机组备用的成本系数,分别表示火电机组g在t时刻向上与向下的备用,Cre表示储能备用的成本系数。
为了更好地理解本公开所述技术方案,以下基于图2所示的两区域直流通道互联电网进行试验。试验测试环境为计算机:Intel(R)Xeon(R)Gold-5118服务器,主频2.30GHZ,内存256GB,编程语言:C++,求解器:Gurobi 9.1.2。
互联电网系统分别由送、受端电网各3个机组组成,机组详细数据如表1所示,其中,参数选取时有
为了避免重复,未在表1中全部列出。
表1实施例两区域互联电网火电机组相关数据
以小时为时间尺度的用电需求、风电及太阳能发电数据根据奥地利2016年的开源数据进行修改得到。这些数据是每个季节的通过取平均值再进行归一化。仿真时间尺度设置为1年,96个时段,即每24个阶段表示一个季节,时间分辨率为1小时。两个地区的负荷按峰值1000兆瓦和2500兆瓦计算依比例换算。
在实际中,负荷的不确定性很小,所以只有10%的预测负荷存在波动。然后,将预测误差拟合成均值为0、标准差为负荷变化20%的正态分布。风电和太阳能发电按装机容量1500MW和1500MW依比例换算。新能源发电预测误差服从均值为0的正态分布,标准差为装机容量的2%加上预测值的20%。为了促进新能源消纳,储能的装机容量被设定为一个影响经济效益的变量。因此,放电深度、储能容量的最大值和最小值设定为与装机容量有关的变量,其比例因子分别为0.9、0.5和0.5。初始荷电状态设定为装机容量的一半,循环效率为0.9。
另外,关于直流通道的详细参数如表2所示:
表2实施例直流通道相关数据
参数意义 | 取值 |
传输容量 | 2000MW |
爬坡率 | 1000MW/h |
最小调整时间间隔 | 2 |
最大调整次数 | 4 |
为了验证机组聚合模型的有效性,本实施例进行了两个仿真实验。其中,试验1只包含两个机组单元,分别将送端机组与受端机组聚合为单一机组。试验2将每个机组具有各自整形变量的独立机组,求解机组组合问题。
包括模型规模和计算时间的详细信息如表3所示:
表3机组聚合模型有效性验证实验结果数据
两种仿真模型的详细信息包括模型规模和计算时间如表3所示。第二列显示了两种情况下的约束总数。显然,非聚合模型的约束个数约为聚合模型的1.5倍,因为每个独立机组都有许多相关物理约束。变量总数方面,连续变量和整数变量之和列在第三列。由表3可知,非聚合模型的变量个数为4622,而聚合模型的变量个数为3854,非聚合模型的总变量数远大于聚合模型。第4列和第5列分别表示两种模型连续变量和整数变量的个数,其中,两种模型的连续变量的个数相同,而非聚合模型的整数变量大约是聚合模型的2倍,因为聚合模型中关于机组组合的整形变量较少。系数矩阵中非零元素的个数列于第六列,由此可以看出聚合模型比非聚合模型具有更高的内存利用效率。最后一列展示了两种情况的计算时间,表明了聚合模型比非聚合模型节省了约20倍的时间,因为聚合方法极大地减少了模型的约束和变量数量等规模,在保证模型求解精确性的同时,极大提升了模型求解效率。
图7和图8分别给出了聚合模型和非聚合模型得到的火电机组规划出力及可调范围。图9与图10分别描述了本实施例提出的以聚合模型作为参照的非聚合模型得到的直流通道的计划输送功率和可调范围。如图7和图8所示,精确非聚合模型中的火电机组规划出力和可调范围与本公开所提出的机组聚合模型中的结果非常相近。此外,送端和受端的储能容量在本公开的规划问题中是十分重要的因素。如表4所示,聚合模型的优化能力与非聚合模型模型几乎完全相同。通过比较两种模型的调度结果,提出的聚合模型能够保证有效性。
表4两种模型的对应的最优储能容量
模型 | 送端储能容量(MW) | 受端储能容量(MW) |
聚合模型 | 2874 | 1408 |
非聚合模型 | 2887 | 1563 |
下面讨论本公开中的另一个要点,即在聚合模型的情况下直流通道灵活性对规划储能装机容量的影响。在这部分的实验过程中,本实施例使用考虑使用直流通道提供备用与不将直流通道用作备用的实验结果。
表5给出了两种情况下的最优储能装机容量和总成本对比。考虑直流通道备用的送端电网最优储能容量远小于无直流通道备用的储能容量,而受端电网优化储能容量情况则相反。这是因为直流输电通道在考虑直流通道备用时可以协同应对不确定性,而不考虑将直流通道作为备用只能独立处理送端和受端的不确定性。具体而言,直流通道在考虑直流通道备用时为送端电网提供备用,但对于受端是备用需求者。也就是说,与不考虑直流通道备用相比,这种模式受端电网可以分担送端电网的备用负担。因此,在送端电网,优化后的储能容量分别为考虑直流通道备用的2874MWh和不考虑直流通道备用时的12075MWh。相反,在受端电网,优化后的储能容量分比为1408兆瓦时和420兆瓦时。此外,由于储能建设的投资费用较少,考虑直流通道备用的总规划成本少于不考虑直流通道备用的情况。实验证明,将直流通道作为电力系统灵活性资源备用的情况下,即能通过直流通道助力新能源消纳,也能降低电力系统投资运行成本。总之,在所提出的具有良好经济效益的模型中,直流通道灵活性可以为其他灵活性资源分担调整压力。
表5两种情况下最优储能装机容量与总成本
随着环保政策和经济发展的推动,新能源年装机容量逐渐增加。本实施例探讨了新能源装机水平对所提出规划方法的影响。由于新能源预测出力误差和容量有关,所以波动和出力都随着新能源的水平增加而增加。实验仿真分别在5个新能源装机水平,每个等级相差100MW的风电和光伏容量。
图11展示了在5个新能源装机容量水平下送端和受端的最优储能容量。结果表明,送端的储能容量随着新能源装机容量的增加而增加。虽然所有机组都进行了改造,直流输电通道提供了备用,但灵活性仍然不够。因此,应建立更多的储能来应对送端的新能源出力波动性。然而,优化后的受端储能容量差别不大。其原因是受端储能只需要面对负载的不确定性,以及一小部分来自送端及直流通道的不确定性。说明未来随着新能源装机量的增加,应投入更多的储能投资,为区域间电力系统提供更多的灵活性。
最后,为了研究置信水平对规划结果的影响,在实施例测试中使用了不同的αup,αdn,βup,βdn取值。单次实验中这些值都设置为统一取值且每次实验增量为0.3,结果如图12所示,可以看出,送端和受端的储能容量均随着置信水平的提高而增大。这是因为置信水平越大,送端和受端预测误差的波动范围就越宽。因此,需要更灵活的资源,如更大的储能容量,以较低的概率避免切负荷和新能源的弃用。
另一个实施例中,本公开还提供一种基于机会约束规划的跨区域电网灵活性资源配置装置,包括:
获取模块,用于获取跨区域电力系统的直流通道物理运行参数、火电机组运行参数、发电成本数据、新能源发电历史数据以及灵活性参数;
第一构建模块,用于根据由获取模块所获取的参数及数据构建跨区域电力系统的物理运行模型以及送受端新能源和负荷的不确定性模型;
第二构建模块,用于根据由第一构建模块构建的物理运行模型及不确定性模型构建跨区域直流通道互联电力系统灵活性资源配置两阶段机会约束模型P1;
第三构建模块,用于根据模型P1构建混合整数线性规划模型P2,以完成对跨区域电网的灵活性资源配置。
另一个实施例中,本公开还提供一种存储设备,其中存储有多条指令,所述指令适于由处理器加载并执行:
获取跨区域电力系统的直流通道物理运行参数、火电机组运行参数、发电成本数据、新能源发电历史数据以及灵活性参数;
根据参数及数据构建跨区域电力系统的物理运行模型以及送受端新能源和负荷的不确定性模型;
根据所述物理运行模型及不确定性模型构建跨区域直流通道互联电力系统灵活性资源配置两阶段机会约束模型P1;
根据所述模型P1构建混合整数线性规划模型P2,以完成对跨区域电网的灵活性资源配置。
另一个实施例中,本公开还提供一种计算机设备,包括:
存储器,用于存储计算机指令;
处理器,用于执行计算机指令以实现上述的基于机会约束规划的跨区域电网灵活性资源配置方法。
以上结合具体实施例对本公开所提供的技术方案进行了详细介绍,同时,上述实施例的说明只是用于帮助理解本公开的方法及其核心思想,对于本领域的一般技术人员,依据本公开的思想,在具体实施方式及应用范围上均会有改变之处。因此,本说明书内容不应理解为对本公开的限制。
Claims (10)
1.一种基于机会约束规划的跨区域电网灵活性资源配置方法,包括以下步骤:
S100、获取跨区域电力系统的直流通道物理运行参数、火电机组运行参数、发电成本数据、新能源发电历史数据以及灵活性参数;
S200、根据步骤S100所述参数及数据构建跨区域电力系统的物理运行模型以及送受端新能源和负荷的不确定性模型;
S300、根据所述物理运行模型及不确定性模型构建跨区域直流通道互联电力系统灵活性资源配置两阶段机会约束模型P1;
S400、根据所述模型P1构建混合整数线性规划模型P2,以完成对跨区域电网的灵活性资源配置。
2.根据权利要求1所述的方法,其中,优选的,步骤S200中,所述物理运行模型包括属于送端发电区域的传统火电机组、新能源机组、储能和负荷以及属于受端区域的传统火电机组、储能、大规模常规负荷和柔性负荷。
4.根据权利要求1所述的方法,其中,步骤S300中,所述跨区域直流通道互联电力系统灵活性资源配置两阶段机会约束模型Pl表示为:
5.根据权利要求1所述的方法,其中,步骤S400中,所述混合整数线性规划模型P2包括机组聚合模型,机组聚合模型表示为:
其中,表示在t-1时刻在A端的聚合机组的上限容量,表示在t时刻在A端的聚合机组的上限容量,表示在A端的机组数量,分别表示在t时刻聚合机组的开机和关机容量,分别表示在t时刻聚合机组c的开机和关机状态变量,分别表示在t时刻机组g的开机和关机状态变量,分别表示在t-1,t时刻聚合机组的出力,分别表示在t时刻聚合机组提供的向上和向下备用,分别表示在t-1时刻聚合机组提供的向上和向下备用,τ表示某个确定的优化时段,分别表示聚合机组的最小开机和关机时间,分别表示聚合机组的最小和最大出力,分别表示聚合机组能够提供的最大向上和向下备用,分别表示聚合机组的向上和向下爬坡率,Δt表示时间分辨率,τ表示某个确定的优化时段,c表示聚合机组,su表示机组的开机,sd表示机组的关机,on表示机组的最小开机,off表示机组的最小关机,s表示送端,r表示受端,up,dn分别表示向上和向下的备用。
6.根据权利要求1所述的方法,其中,步骤S400中,所述混合整数线性规划模型P2还包括等价确定性混合整数规划,等价确定性混合整数规划表示为:
8.一种基于机会约束规划的跨区域电网灵活性资源配置装置,包括:
获取模块,用于获取跨区域电力系统的直流通道物理运行参数、火电机组运行参数、发电成本数据、新能源发电历史数据以及灵活性参数;
第一构建模块,用于根据由获取模块所获取的参数及数据构建跨区域电力系统的物理运行模型以及送受端新能源和负荷的不确定性模型;
第二构建模块,用于根据由第一构建模块构建的物理运行模型及不确定性模型构建跨区域直流通道互联电力系统灵活性资源配置两阶段机会约束模型P1;
第三构建模块,用于根据模型P1构建混合整数线性规划模型P2,以完成对跨区域电网的灵活性资源配置。
9.一种存储设备,其中存储有多条指令,所述指令适于由处理器加载并执行:
获取跨区域电力系统的直流通道物理运行参数、火电机组运行参数、发电成本数据、新能源发电历史数据以及灵活性参数;
根据灵活性参数及数据构建跨区域电力系统的物理运行模型以及送受端新能源和负荷的不确定性模型;
根据所述物理运行模型及不确定性模型构建跨区域直流通道互联电力系统灵活性资源配置两阶段机会约束模型P1;
根据所述模型P1构建混合整数线性规划模型P2,以完成对跨区域电网的灵活性资源配置。
10.一种计算机设备,包括:
存储器,用于存储计算机指令;
处理器,用于执行计算机指令以实现权利要求1-7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211618908.XA CN115940146A (zh) | 2022-12-15 | 2022-12-15 | 一种基于机会约束规划的跨区域电网灵活性资源配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211618908.XA CN115940146A (zh) | 2022-12-15 | 2022-12-15 | 一种基于机会约束规划的跨区域电网灵活性资源配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115940146A true CN115940146A (zh) | 2023-04-07 |
Family
ID=86698872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211618908.XA Pending CN115940146A (zh) | 2022-12-15 | 2022-12-15 | 一种基于机会约束规划的跨区域电网灵活性资源配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115940146A (zh) |
-
2022
- 2022-12-15 CN CN202211618908.XA patent/CN115940146A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Turk et al. | Day-ahead stochastic scheduling of integrated multi-energy system for flexibility synergy and uncertainty balancing | |
Dui et al. | Two-stage optimization of battery energy storage capacity to decrease wind power curtailment in grid-connected wind farms | |
CN110119886B (zh) | 一种主动配网动态规划方法 | |
Awad et al. | Optimal ESS allocation for benefit maximization in distribution networks | |
Purvins et al. | Application of battery-based storage systems in household-demand smoothening in electricity-distribution grids | |
US20140365419A1 (en) | Adaptation of a power generation capacity and determining of an energy storage unit size | |
Javadi et al. | Optimal spinning reserve allocation in presence of electrical storage and renewable energy sources | |
CN112734098B (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
Xie et al. | Greedy energy management strategy and sizing method for a stand-alone microgrid with hydrogen storage | |
Hug-Glanzmann | Coordination of intermittent generation with storage, demand control and conventional energy sources | |
Xie et al. | Sizing renewable generation and energy storage in stand-alone microgrids considering distributionally robust shortfall risk | |
Mladenov et al. | Characterisation and evaluation of flexibility of electrical power system | |
CN112383086B (zh) | 一种孤岛微电网日前能量-备用联合优化调度方法 | |
Wang et al. | A hierarchical control algorithm for managing electrical energy storage systems in homes equipped with PV power generation | |
CN110350518A (zh) | 一种用于调峰的电网储能容量需求评估方法及系统 | |
CN117077974A (zh) | 虚拟电厂资源优化调度方法、装置、设备及存储介质 | |
Sardi et al. | A comprehensive community energy storage planning strategy based on a cost-benefit analysis | |
Oloo et al. | Modelling and optimisation studies for generator dispatch strategies for deployment of an off-grid micro-grid in South Africa | |
Quan et al. | Optimal Energy Management of Vanadium Redox Flow Batteries Energy Storage System for Frequency Regulation and Peak Shaving in an Islanded Microgrid | |
CN115986743A (zh) | 基于隐式决策法的电力跨区域配置优化方法、装置及设备 | |
CN113394820B (zh) | 一种新能源并网电力系统的优化调度方法 | |
Prajapati et al. | Congestion management of power system with integration of renewable resources and energy storage system | |
Duan et al. | Impact of Integrating Solar Generation in Power Systems with Battery Energy Storage | |
CN115940146A (zh) | 一种基于机会约束规划的跨区域电网灵活性资源配置方法 | |
CN103326387B (zh) | 一种利用储能减小风电调度风险的源网协调调度方法 |
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 |