CN116384049B - 一种风光发电集中外送通道容量机会约束优化方法 - Google Patents

Abstract

本发明公开了一种风光发电集中外送通道容量机会约束优化方法，本发明在进行风电场群外送输电容量优化时,分析了风电场群输出功率的整体波动特性对外送输电容量规划的影响,在此基础上,综合考虑输电工程的综合收益和风电场群外送功率的波动合格率以及输电工程受端电网的消纳能力约束,为风电场群外送输电容量优化研究提供一定的理论依据和技术支持。以大规模新能源发电集中外送工程为研究对象，综合考虑了输电效益、弃电损失、建设成本、电网消纳能力；在规划输电线路容量时考虑了风速与光照强度的不确定行对新能源出力的影响以及受端电网的消纳能力约束，保证了优化结果可信度的同时，提高了输电线路容量规划的准确度。

Description

一种风光发电集中外送通道容量机会约束优化方法

技术领域

本发明涉及电力技术领域，尤其涉及一种考虑受端电网消纳能力的风光发电集中外送通道容量机会约束优化方法。

背景技术

输电网规划的主要工作是根据规划期内的负荷增长和电源规划，在满足输送电能的可靠性和经济性的前提下，确定合理、经济的电网结构，是电力系统规划中的重要组成部分。出于电力系统每年都投入大量的资金进行建设，在规划过程中，只需减少一个较小的百分数，就可以有效地减少对输电网的投资，因此做好输电网规划意义重大。经济性模型综合考虑输电的投资成本、运行成本、设备维护费用和网络损耗费用等经济性指标,构造以经济性最优的目标函数,其中“水平年电网规划数学模型”的应用最为广泛,该模型对负荷进行预测,以待选线路作为优化变量,综合考虑线路投资成本和运行成本，在不同的情况下增减部分经济性指标,构建考虑经济性的优化模型。

目前风光发电场站通常采用功率汇聚外送的方式并入电网,即若干风光发电场站组成风光发电场站群,通过输电线路将各个风光发电场站功率汇集到某个中心变电站,再通过一回或多回电压等级较高的输电线路,接入电网,输电线路容量是按风光发电场站群的总装机容量来匹配规划的。实际运行结果表明,受到发电功率波动的影响,绝大多数时刻风光发电场站群无法充分利用输电线路容量；若为提高输电线路利用率而降低输电容量,在发电高峰时段,则可能因输电能力达到瓶颈而导致弃电事件发生。

发明内容

本发明的目的是针对现有输电线路容量是按风光发电场站群的总装机容量来匹配规划的现状，提出一种考虑受端电网消纳能力的风光发电集中外送通道容量机会约束优化方法，保障输电线路利用率的同时减少弃电事件的发生。

为达到上述目的，本发明是按照以下技术方案实施的：

本发明包括以下步骤：

S1：输入各风电场的历史风速数据以各光伏电站的历史晴空指数数据以及受端系统网架数据；所述受端系统网架数据包括节点数据、支路数据、发电机数据、风电场与光伏电站并网点数据；

S2：对各风光场站的风速与晴空指数进行分时段的参数估计，得到风光场站群分时段的风速分布与晴空指数分布；

S3：对获得的风光分布进行超拉丁立方采样后，并根据风、光伏功率模型得出风光场站群出力；

S4：对获得的风光功率曲线进行排序得到持续出力曲线；

S5：根据得到的持续出力曲线运用机会约束优化算法优化输电通道容量，要求综合考虑输电效益、弃电损失、建设成本以及受端电网的消纳能力。

本发明在进行风电场群外送输电容量优化时,分析了风电场群输出功率的整体波动特性对外送输电容量规划的影响,在此基础上,综合考虑输电工程的综合收益和风电场群外送功率的波动合格率以及输电工程受端电网的消纳能力约束,为风电场群外送输电容量优化研究提供一定的理论依据和技术支持。

本发明的有益效果是：

本发明是一种风光发电集中外送通道容量机会约束优化方法，与现有技术相比，本发明具有如下技术效果：

(A)本发明提供了一种考虑受端电网消纳能力的风光发电集中外送通道容量机会约束优化方法，摒弃了输电线路容量按风光发电场站群的总装机容量来匹配规划的传统方法，以大规模新能源发电集中外送工程为研究对象，综合考虑了输电效益、弃电损失、建设成本、电网消纳能力；

(B)本发明在规划输电线路容量时考虑了风速与光照强度的不确定行对新能源出力的影响以及受端电网的消纳能力约束，保证了优化结果可信度的同时，提高了输电线路容量规划的准确度。

附图说明

图1为本发明的基本步骤流程图；

图2为使用本发明的示例性应用场景示意图。

具体实施方式

下面结合附图以及具体实施例对本发明作进一步描述，在此发明的示意性实施例以及说明用来解释本发明，但并不作为对本发明的限定。

如图1-2所示：本发明提供的方法主要包括以下步骤：

步骤S1：输入各风电场的历史风速数据以各光伏电站的历史晴空指数数据以及受端系统网架数据(节点数据、支路数据、发电机数据、风电场与光伏电站并网点)；

步骤S2：对各风光场站的风速与晴空指数进行分时段的参数估计，得到风光场站群分时段的风速分布与晴空指数分布；

所述步骤S2具体包括下列步骤：

步骤S21：风速分布采用：根据各风电场历史风速数据，利用极大似然估计法求出参数期望值

进一步得到风速分布：式中v表示风电场的风速；c为尺度参数；k为形状参数，f_vi,t(v_i,t,c_i,t,k_i,t)为风电场i在时段t的风速概率密度函数；

步骤S22：晴空指数分布采用：令F(k_t)＝Y为k_t的分布函数,则蒙特卡洛仿真中用于模拟产生k_t的函数表达式:

式中k_th表示kt的最大值，λ为由k_th和某月每h晴空指数均值k_tm所决定的常数,Y为区间(0,1)上服从均匀分布的随机变量；W()代表朗伯W函数。

步骤S3：对风速分布进行超拉丁立方采样，并通过风功率模型将风速转化为风电出力；通过光伏功率模型将晴空指数转化为光伏出力；

所述步骤S3具体步骤：

步骤S31：对风速分布进行超拉丁立方采样获取各风电场在各时段的风速典型值，将此风速典型值带入风功率模型获取风力发电出力：

式中：P_i(v_i)为风电场i在风速v_i下的输出功率，v_in,v_r,v_out分别为风机的切入风速、额定风速、切出风速，P_ri为风电场i的装机容量。

步骤S32：将晴空指数分布带入光伏功率模型获取光伏发电出力：

P_mt＝η_ctS_CAI_βt；

式中：S_CA代表电池面积；P_mt代表t时刻电池输出功率；I_βt代表t时刻斜面上的太阳辐照度。光伏面板能量转换效率η_ct并不是一个常量，它的大小要受到相应时刻入射光辐照强度I_βt的影响，分段函数可用来近似表示两者之间的关系：

式中：η_c是由电池厂家给出的标准测试条件下的能量转换效率；I_k代表某一入射光辐照度阈值，当辐照度低于该值时，转换效率随辐照度的增加线性增长；当辐照度超过该值之后，电池的转换效率即可基本保持恒定而不再随入射辐照度的变化而变化。一般取该值为150W/m2。此外，由于入射的光照能量中只有部分可以被转化为电能，而剩余大部分能量都将被光伏面板吸收或反射，从而与环境温度起作用引起电池温度的变化。而电池温度变化反过来又会影响输出功率的大小。由于光伏电池开路电压的负温度系数特性，以及对于温度变化高于短路电流的敏感度，使光伏的输出将随电池温度的升高而减小，其表达式：

P_st＝P_mt[1+c_pm(T_C-T_STC)]

式中：T_C表示电池温度；T_A代表环境温度；T_NOCT表示电池额定运行温度；I_βs与前文中的I_β意义一致，区别在于单位不同，I_βs的单位取kW/m²；T_STC表示标准测试条件下的电池温度，一般为25℃；P_st表示在时刻t电池的实际输出功率；c_pm为电池功率温度系数。在夏日高温环境下电池的性能会受到较大影响，输出功率会由于电池温度的升高而发生衰减。

步骤S4：对获得的风光功率曲线进行排序得到持续出力曲线；

步骤S5：根据得到的持续出力曲线运用机会约束优化算法得到满足受端电网消纳能力的输电通道容量。

目标函数具体形式如下：

式中：f表示新能源外送输电工程全回收周期等年值综合收益；R(P_line)表示电网输电收益；C(P_line)表示输电工程建设成本；L(P_line)表示输电阻塞造成的弃风和弃光损失；P_line表示新能源外送输电线路容量；P_N表示新能源总装机容量。

R(P_line)＝K_rG_s

式中：K_r表示输电工程输送单位电量的收费，元/(k W·h)；G_s表示输电工程每年外送的电量；

式中：K_c表示单位容量、单位长度的输电工程造价；L表示输电距离；T_s表示输电投资静态回收周期；r表示贴现率。

L(P_line)＝K_lG_lost

式中：K_l表示弃电损失的单价，G_lost表示输电阻塞造成的弃电量；

式中：T_line表示风光场站群输出功率高于外送输电线容量的持续出力时间；T_end表示风光场站群的持续出力时间；P_dur(t)表示风光场站持续出力曲线的值。

约束条件：

潮流约束：

式中,P_Gi，Q_Gi分别表示系统节点i上常规机组的有功出力、无功出力；P_i、Q_i分别表示系统节点i上风光场站的有功出力、无功出力；P_Li、Q_Li分别表示系统节点i上的有功负荷、无功负荷；Ui、U_j,分别表示系统节点i、j的电压幅值；θ_ij表示系统节点i、j之间的相角差,θ_ij＝θ_i-θ_j；G_ij、B_ij,分别表示系统节点导纳矩阵的实部、虚部；C_PQ、C_PV分别表示PQ、PV节点的集合。

常规机组出力约束：i∈C_G式中,C_G表示带有常规发电机组的节点的集合；P_Gi表示常规发电机组i的有功出力i∈C_G；/>分别表示常规发电机组i允许的最小有功出力、最大有功出力。

节点电压幅值约束：i∈C_PQ式中,Pr{*}表示事件{*}成立的概率；/>分别表示系统节点电压幅值U_i的上、下限；α₁表示节点电压幅值约束的给定置信水平,一般0.9-1.0范围内取值,其值越小表示优化结果导致的系统安全风险越大,其值越大表示优化结果越保守。

常规机组无功出力约束：i∈C_G式中,/>分别表示常规发电机组i无功出力Q_Gi的上、下限；α2表示常规机组无功出力约束的给定置信水平。

线路有功潮流约束：i∈C_L式中,P_Li表示系统中第i条支路上的有功潮流；/>表示系统中第i条支路上允许输送的有功潮流最大值；C_L表示系统所有支路的集合；α₃表示线路有功潮流约束的给定置信水平。

旋转备用约束:

式中,上旋转备用和下旋转备用/>通常可以取值为系统总负荷的5％；α₄,α₅分别表示上、下旋转备用约束的给定置信水平。

常规机组的爬坡能力约束:i∈C_G

式中,n表示常规发电机组的台数；r_Gi表示常规发电机组i的最大爬坡能力；p^t,p^t-1表示风光场站有功出力样本序列；α₆表示爬坡能力约束的给定置信水平。

经过上述五个步骤，即可完成对大规模风光发电场站的集中外送通道容量优化。

本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。

Claims (3)

1.一种风光发电集中外送通道容量机会约束优化方法，其特征在于，包括以下步骤：

S1：输入各风电场的历史风速数据以各光伏电站的历史晴空指数数据以及受端系统网架数据；所述受端系统网架数据包括节点数据、支路数据、发电机数据、风电场与光伏电站并网点数据；

S2：对各风光场站的风速与晴空指数进行分时段的参数估计，得到风光场站群分时段的风速分布与晴空指数分布；

S3：对获得的风速分布进行拉丁超立方采样后，并根据风、光伏功率模型得出风光场站群出力；

S4：对获得的风光功率曲线进行排序得到持续出力曲线；

S5：根据得到的持续出力曲线运用机会约束优化算法优化输电通道容量；

目标函数具体形式如下：

式中：f表示新能源外送输电工程全回收周期等年值综合收益；R(P_line)表示电网输电收益；C(P_line)表示输电工程建设成本；L(P_line)表示输电阻塞造成的弃风和弃光损失；P_line表示新能源外送输电线路容量；P_N表示新能源总装机容量；

R(P_line)＝K_rG_s

式中：K_r表示输电工程输送单位电量的收费，元/(k W·h)；G_s表示输电工程每年外送的电量；

式中：K_c表示单位容量、单位长度的输电工程造价；L表示输电距离；T_s表示输电投资静态回收周期；r表示贴现率；

L(P_line)＝K_lG_lost

式中：K_l表示弃电损失的单价，G_lost表示输电阻塞造成的弃电量；

式中：T_line表示风光场站群输出功率高于外送输电线容量的持续出力时间；T_end表示风光场站群的持续出力时间；P_dur(t)表示风光场站持续出力曲线的值；

约束条件：

潮流约束：

式中,P_Gi，Q_Gi分别表示系统节点i上常规机组的有功出力、无功出力；P_i、Q_i分别表示系统节点i上风光场站的有功出力、无功出力；P_Li、Q_Li分别表示系统节点i上的有功负荷、无功负荷；Ui、U_j,分别表示系统节点i、j的电压幅值；θ_ij表示系统节点i、j之间的相角差,θ_ij＝θ_i-θ_j；G_ij、B_ij,分别表示系统节点导纳矩阵的实部、虚部；C_PQ、C_PV分别表示PQ、PV节点的集合；

常规机组出力约束：式中,C_G表示带有常规发电机组的节点的集合；P_Gi表示常规发电机组i的有功出力i∈C_G；/>分别表示常规发电机组i允许的最小有功出力、最大有功出力；

节点电压幅值约束：式中,Pr{*}表示事件{*}成立的概率；/>分别表示系统节点电压幅值U_i的上、下限；α₁表示节点电压幅值约束的给定置信水平,一般0.9-1.0范围内取值,其值越小表示优化结果导致的系统安全风险越大,其值越大表示优化结果越保守；

常规机组无功出力约束：式中,/>分别表示常规发电机组i无功出力Q_Gi的上、下限；α₂表示常规机组无功出力约束的给定置信水平；

线路有功潮流约束：式中,P_Li表示系统中第i条支路上的有功潮流；/>表示系统中第i条支路上允许输送的有功潮流最大值；C_L表示系统所有支路的集合；α₃表示线路有功潮流约束的给定置信水平；

旋转备用约束:

式中,上旋转备用和下旋转备用/>通常可以取值为系统总负荷的5％；

α₄,α₅分别表示上、下旋转备用约束的给定置信水平；

常规机组的爬坡能力约束:

式中,n表示常规发电机组的台数；r_Gi表示常规发电机组i的最大爬坡能力；p^t,p^t-1表示风光场站有功出力样本序列；α₆表示爬坡能力约束的给定置信水平。

2.根据权利要求1所述的风光发电集中外送通道容量机会约束优化方法，其特征在于：所述步骤S2具体包括下列步骤：

步骤S21：风速分布采用：根据各风电场历史风速数据，利用极大似然估计法求出参数期望值

进一步得到风速分布：

式中v表示风电场的风速；c为尺度参数；k为形状参数，

为风电场i在时段t的风速概率密度函数；

步骤S22：晴空指数分布采用：令F(k_t)＝Y为k_t的分布函数,则蒙特卡洛仿真中用于模拟产生k_t的函数表达式:/>

式中k_th表示kt的最大值，λ为由k_th和某月每h晴空指数均值k_tm所决定的常数,Y为区间(0,1)上服从均匀分布的随机变量；W()代表朗伯W函数。

3.根据权利要求1所述的风光发电集中外送通道容量机会约束优化方法，其特征在于：所述步骤S3具体包括下列步骤：

步骤S31：对风速分布进行拉丁超立方采样获取各风电场在各时段的风速典型值，将此风速典型值带入风功率模型获取风力发电出力：

式中：P_i(v_i)为风电场i在风速v_i下的输出功率，v_in,v_r,v_out分别为风机的切入风速、额定风速、切出风速，P_ri为风电场i的装机容量；

步骤S32：将晴空指数分布带入光伏功率模型获取光伏发电出力：

P_mt＝η_ctS_CAI_βt；式中：S_CA代表电池面积；P_mt代表t时刻电池输出功率；I_βt代表t时刻斜面上的太阳辐照度；分段函数可用来近似表示两者之间的关系：

式中：η_c是由电池厂家给出的标准测试条件下的能量转换效率；I_k代表某一入射光辐照度阈值。