CN116760025B - 电力系统的风险调度优化方法和系统 - Google Patents
电力系统的风险调度优化方法和系统 Download PDFInfo
- Publication number
- CN116760025B CN116760025B CN202310747072.1A CN202310747072A CN116760025B CN 116760025 B CN116760025 B CN 116760025B CN 202310747072 A CN202310747072 A CN 202310747072A CN 116760025 B CN116760025 B CN 116760025B
- Authority
- CN
- China
- Prior art keywords
- power
- load
- ith
- unit
- model
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 134
- 238000005457 optimization Methods 0.000 title claims abstract description 52
- 238000010248 power generation Methods 0.000 claims abstract description 104
- 230000003068 static effect Effects 0.000 claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims description 87
- 238000004146 energy storage Methods 0.000 claims description 69
- 230000006870 function Effects 0.000 claims description 46
- 230000008569 process Effects 0.000 claims description 45
- 230000009194 climbing Effects 0.000 claims description 28
- 230000004044 response Effects 0.000 claims description 28
- 238000007599 discharging Methods 0.000 claims description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 230000005611 electricity Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 239000003245 coal Substances 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 abstract description 4
- 230000001105 regulatory effect Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
-
- 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
- H02J2300/28—The renewable source being wind energy
-
- 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
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电力能源技术领域，提供一种电力系统的风险调度优化方法和系统，其中方法包括：构建电力系统的多个功能单元模型，设定各功能单元模型和系统运行的边界条件；采集区域电网的动态参数和静态参数，将参数输入各功能单元模型；根据风电光伏发电功率、电力负荷的不确定性构建风险调度目标函数；评估区域电网备用裕度；基于功能单元模型、采集参数和备用裕度，优化所述风险调度目标函数；比较优化后的风险调度成本，输出成本最小的优化结果及其日前调度计划。本发明针对新型电力系统的时变特性，充分考虑储荷资源调节能力，利用源网荷储协调的调度机制生成一种调度优化方法，保障电网安全可靠的同时，减少新能源弃电和用户负荷限电。
Description
技术领域
本发明涉及电力能源技术领域，尤其涉及一种电力系统的风险调度优化方法和系统。
背景技术
实现“双碳”目标是国家高质量发展的内在要求，因此构建以新能源为主体的新型电力系统尤为迫切，该系统以最大化消纳新能源为主要任务，以坚强智能电网为枢纽平台，以源网荷储互动与多能互补为支撑，具有清洁低碳、安全可控、灵活高效、智能友好、开放互动等基本特征。
与结构相对稳定的传统电网相比，新型电力系统是一个时变系统，各单元的发电参数波动幅度较大，调度模式有必要从“源随荷动”向“源网荷储协调控制”转换。由于分布式能源、用电负荷等不确定性扰动，以及部分时段的尖峰负荷，迫使火电挖掘深度调峰，增加机组调节性能，但仍难以避免火电开机不合理引起新能源上网空间被挤占、区域停电、机组空载等电网运行问题。
发明内容
本发明的目的在于解决背景技术中的至少一个技术问题，提供一种电力系统的风险调度优化方法和系统。
为实现上述目的，本发明提供一种电力系统的风险调度优化方法，包括：
构建电力系统的多个功能单元模型，并设定各功能单元模型和系统运行的边界条件；
采集区域电网的动态参数和静态参数，将动态参数和静态参数输入各功能单元模型；
根据风电光伏发电功率、电力负荷的不确定性构建风险调度目标函数；
评估区域电网备用裕度；
基于功能单元模型、采集参数和电网备用裕度，优化所述风险调度目标函数；
根据所述风险调度目标函数，比较优化后的风险调度成本，输出成本最小的优化结果及其日前调度计划。
根据本发明的一个方面，所述功能单元模型包括：电源模型、电网输电模型、储能模型和电力负荷模型。
根据本发明的一个方面，所述电源模型包括风力发电模型、光伏发电模型、水力发电模型、核电发电模型和火力发电模型；
所述风力发电模型为：
式中，为第i个风电站的装机容量，/>vw，i，t分别为第i个风电场的t时刻发电功率、预测风力发电系数；
光伏发电模型为：
式中，为第i个光伏电站的装机容量，/>vs，i，t分别为第i个光伏电站t时刻的发电功率、预测光伏发电系数；
水力发电模型中：
上式为水力发电的出力约束，为第i个水电机组t时刻的实际电功率，为第i个水电机组的最小、最大电功率；
上式为水电机组的爬坡约束，分别为第i台水电机组在调节周期内功率降低和功率提升时的最大爬坡功率；
核电发电模型中：
上式为核电发电的电功率约束，为第i个核电机组t时刻的实际电功率，为第i个核电机组的最小、最大电功率；
上式为核电机组的爬坡约束，分别为第i台核电机组在调节周期内功率降低和功率提升时的最大爬坡功率；
火力发电模型中：
上式为火电机组的电功率约束，分别为第i台火电机组在t时刻的实际电功率、电功率下限和电功率上限，/>为第i个核电机组的启停状态；
上式为火电机组的爬坡约束，分别为第i台火电机组在调节周期内功率降低和功率提升时的最大爬坡功率；
上式为火电机组的开停机和最小开停机时间约束，为机组i在t时段的0-1启停状态，0表示停机，1表示开机；/>为机组i在时段t-1的连续运行时间和连续停运时间；/>为第i个机组的最小连续运行时间和最小连续停运时间；
火电机组包含部分热电机组，其模型为：
式中，分别为第i台热电机组t时刻电功率的上、下限，/>为机组的热出力，aH、bH、aL、bL分别为拟合系数；
上式为热电机组的热功率约束，分别为第i台热电机组在t时刻的实际热功率、热功率下限和热功率上限。
根据本发明的一个方面，所述电网输电模型包括交流输电模型和直流输电模型，在所述电网输电模型中，
式中，为第i条输电联络线t时刻实际输电功率，属于计划输电容量的集合；
上式为输电功率变化约束，Δp为单位时间的输电功率变化极限；
上式为输电功率约束，Li，min、Li，max分别为第i条输电线的最小、最大通道容量。
根据本发明的一个方面，所述储能模型中的储能功率的等式约束为：
式中，为储能充放电的实际功率，/>分别为第i个储能电站t时刻的充电状态变量和放电状态的0-1变量，/>分别为第i个储能电站t时刻的充电功率和放电功率，ηsc、ηsd分别为充电效率和放电效率；
充放电状态变量的约束为：
储能电量的等式约束为，
式中，分别为第i个储能电站在起始电量、t时刻的电量；
储能功率、电量的不等式约束为：
式中，分别为第i个储能电站的最小、最大电功率，/>分别为第i个储能电站的最小、最大电量。
根据本发明的一个方面，所述电力负荷模型包括：
常规负荷模型：
式中，为常规负荷最大功率，/>vrl，t分别为t时刻的常规负荷功率、功率系数；
可控负荷模型：
可控负荷为聚合负荷：
式中，T为离散的优化时段数，为t时刻的可控负荷最大功率，/>分别为t时刻的可控负荷实际功率、可履约系数，Ecl、Tcl为1个调度周期的可控负荷响应电量、响应时段，/>Δt分别为负荷是否出力的0-1变量、持续出力的时段。
根据本发明的一个方面，设定各功能单元模型和系统运行的边界条件为：
式中，Nwind、Nsolar、NH、NN、Ntp、NC、Nsd、Nsc分别为风电站、光伏电站、水电机组、核电机组、火电机组、输电通道、储能电站放电/充电的个数。
根据本发明的一个方面，所述动态参数包括新能源机组的短期、超短期预测功率系数，常规电负荷、热负荷的预测功率，可控负荷的最大响应电量、最大响应功率，可控负荷的履约概率，有序用电最大可调负荷功率、最大可调负荷电量；
所述静态参数包括风光水核火多类型电源的装机容量、上网电价，水核火多类型可控机组的发电功率调节极限、爬坡约束，火电机组的煤耗系数，热电机组的发电拟合系数，输电网架的通道容量、并网安全极限，储能响应时间、最大响应电量、最大响应功率。
根据本发明的一个方面，根据风电光伏发电功率、电力负荷的不确定性构建风险调度目标函数：
minF＝min(F1+F2)
式中，F1为确定性调度成本，包含火电启/停机成本、输电成本，SU，i，t、SD，i，t分别为t时刻的火电机组i的启机、停机费用，λc为单位输电电量价格；F2为不确定性调度成本，包含风光水火核的发电成本、储能调度成本、可控负荷调度成本、有序用电成本；T为离散的优化时段数，Ns为场景的个数，λwind、λsolar、λH、λN、λtp、λsc、λsd、λcl、λL分别为风力发电、光伏发电、水力发电、核电发电、火力发电、输电、可控负荷、有序用电切负荷的单位电量价格；ρs为场景s占全场景集的概率；
ρs满足如下等式约束，
有序用电满足如下不等式约束，
式中，为每个优化时段的最大切负荷功率。
根据本发明的一个方面，所述评估区域电网备用裕度，包括：
构建电网备用约束：
分别为电网充裕度指标值；
对区域电网的正、负备用容量进行评估，其公式为：
式中，分别为t时刻的正备用容量和负备用容量。
根据本发明的一个方面，所述优化所述风险调度目标函数，包括：
上层优化日前火电机组组合和跨区输电计划的可行解；
下层优化日内水火核可控机组出力和储荷出力，评估各个预测场景的储荷待平衡负荷，其公式为：
式中，Loadest，t为t时刻的待平衡电力负荷。
为实现上述目的，本发明还提供一种电力系统的风险调度优化系统，包括：
模型构建模块，构建电力系统的多个功能单元模型，并设定各功能单元模型和系统运行的边界条件；
参数采集模块，采集区域电网的动态参数和静态参数，将动态参数和静态参数输入各功能单元模型；
目标函数构建模块，根据风电光伏发电功率、电力负荷的不确定性构建风险调度目标函数；
备用裕度评估模块，评估区域电网备用裕度；
目标函数优化模块，基于功能单元模型、采集参数和电网备用裕度，优化所述风险调度目标函数；
结果输出模块，根据所述风险调度目标函数，比较优化后的风险调度成本，输出成本最小的优化结果及其日前调度计划。。
为实现上述目的，本发明还提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的电力系统的风险调度优化方法。
为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的电力系统的风险调度优化方法。
根据本发明的方案，与现有技术相比，本发明针对新型电力系统中调度灵活性不足的问题，提出了一种风险调度优化方法，该方法具有以下有益效果：
第一，模型层面考虑了源网储荷的协调，通过分布式储能、可控负荷参与深度的设定来减少火电开机不当引起的资源浪费和停电风险。
第二，在源网发电计划既定的前提下，构建风险调度目标函数来量化新能源发电的不确定性对新型电力系统调度成本的影响；
第三，构建系统备用容量评估公式，并作为约束条件优化调度结果，调度优化结果满足电力系统备用裕度要求。
根据本发明的方案，本发明针对新型电力系统的时变特性，利用源网荷储协调的调度机制，考虑各类单元物理约束、系统运行约束、充裕度约束，以多场景的风险调度总成本最小为目标优化经济可靠的火电机组组合、跨区输电计划，充分发挥储荷资源的调节能力，减少新能源弃电和用户负荷限电，保障电网绿色安全运行。
附图说明
图1示意性表示根据本发明的电力系统的风险调度优化方法的流程图；
图2示意性表示根据本发明的一种实施方式的电力系统的风险调度优化方法的流程图。
具体实施方式
现在将参照示例性实施例来论述本发明的内容。应当理解，论述的实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本发明的内容，而不是暗示对本发明的范围的任何限制。
如本文中所使用的，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”。术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。
图1示意性表示根据本发明的电力系统的风险调度优化方法的流程图；图2示意性表示根据本发明的一种实施方式的电力系统的风险调度优化方法的流程图。结合图1和图2所示，在本实施方式中，电力系统的风险调度优化方法，包括：
a.构建电力系统的多个功能单元模型，并设定各功能单元模型和系统运行的边界条件；
b.采集区域电网的动态参数和静态参数，将动态参数和静态参数输入各功能单元模型；
c.根据风电光伏发电功率、电力负荷的不确定性构建风险调度目标函数；
d.评估区域电网备用裕度；
e.基于功能单元模型、采集参数和电网备用裕度，优化所述风险调度目标函数；
f.根据所述风险调度目标函数，比较优化后的风险调度成本，输出成本最小的优化结果及其日前调度计划。
根据本发明的一种实施方式，在上述a步骤中，功能单元模型包括：电源模型、电网输电模型、储能模型和电力负荷模型。
其中，所述电源模型包括风力发电模型、光伏发电模型、水力发电模型、核电发电模型和火力发电模型；
在本实施方式中，将待优化时段离散为多个时刻，将其表征为{t1，t2，t3，t4...}(如日内24点、日内96点)，基于离散时间断面构建电源模型；
风力发电模型为：
式中，为第i个风电站的装机容量，/>vw，i，t分别为第i个风电场的t时刻发电功率、预测风力发电系数；
光伏发电模型为：
式中，为第i个光伏电站的装机容量，/>vs，i，t分别为第i个光伏电站t时刻的发电功率、预测光伏发电系数；
水力发电模型中：
上式为水力发电的出力约束，为第i个水电机组t时刻的实际电功率，为第i个水电机组的最小、最大电功率；
上式为水电机组的爬坡约束，分别为第i台水电机组在调节周期内功率降低和功率提升时的最大爬坡功率；
核电发电模型中：
上式为核电发电的电功率约束，为第i个核电机组t时刻的实际电功率，为第i个核电机组的最小、最大电功率；
上式为核电机组的爬坡约束，分别为第i台核电机组在调节周期内功率降低和功率提升时的最大爬坡功率；
火力发电模型中：
上式为火电机组的电功率约束，分别为第i台火电机组在t时刻的实际电功率、电功率下限和电功率上限，/>为第i个核电机组的启停状态；
上式为火电机组的爬坡约束，分别为第i台火电机组在调节周期内功率降低和功率提升时的最大爬坡功率；
上式为火电机组的开停机和最小开停机时间约束，为机组i在t时段的0-1启停状态，0表示停机，1表示开机；/>为机组i在时段t-1的连续运行时间和连续停运时间；/>为第i个机组的最小连续运行时间和最小连续停运时间；
火电机组包含部分热电机组，其模型为：
式中，分别为第i台热电机组t时刻电功率的上、下限，/>为机组的热出力，aH、bH、aL、bL分别为拟合系数；
上式为热电机组的热功率约束，分别为第i台热电机组在t时刻的实际热功率、热功率下限和热功率上限。
在本实施方式中，电网输电模型包括交流输电模型和直流输电模型，在电网输电模型中，
式中，为第i条输电联络线t时刻实际输电功率，属于计划输电容量的集合；
上式为输电功率变化约束，Δp为单位时间的输电功率变化极限；
上式为输电功率约束，Li，min、Li，max分别为第i条输电线的最小、最大通道容量。
在本实施方式中，储能模型中的储能功率的等式约束为：
式中，为储能充放电的实际功率，/>分别为第i个储能电站t时刻的充电状态变量和放电状态的0-1变量，/>分别为第i个储能电站t时刻的充电功率和放电功率，ηsc、ηsd分别为充电效率和放电效率；
充放电状态变量的约束为：
储能电量的等式约束为，
式中，分别为第i个储能电站在起始电量、t时刻的电量；
储能功率、电量的不等式约束为：
式中，分别为第i个储能电站的最小、最大电功率，/>分别为第i个储能电站的最小、最大电量。
在本实施方式中，电力负荷模型包括：
常规负荷模型：
式中，为常规负荷最大功率，Pt rl、vrl，t分别为t时刻的常规负荷功率、功率系数；
可控负荷模型：
可控负荷为聚合负荷：
式中，T为离散的优化时段数，为t时刻的可控负荷最大功率，/>分别为t时刻的可控负荷实际功率、可履约系数，Ecl、Tcl为1个调度周期的可控负荷响应电量、响应时段，/>Δt分别为负荷是否出力的0-1变量、持续出力的时段。
在本实施方式中，设定各功能单元模型和系统运行的边界条件，满足有功功率平衡约束，具体为：
式中，Nwind、Nsolar、NH、NN、Ntp、NC、Nsd、Nsc分别为风电站、光伏电站、水电机组、核电机组、火电机组、输电通道、储能电站放电/充电的个数。
根据本发明的一种实施方式，在上述b步骤中，采集新型电力系统的动态参数(即系统运行参数)，包括但不限于风、光等新能源机组的短期、超短期预测功率系数，常规电负荷、热负荷的预测功率，可控负荷的最大响应电量、最大响应功率，可控负荷的履约概率，有序用电最大可调负荷功率、最大可调负荷电量。
采集新型电力系统的静态参数(即系统物理参数)，包括但不限于风光水核火等多类型电源的装机容量、上网电价，水核火等多类型可控机组的发电功率调节极限、爬坡约束，火电机组的煤耗系数，热电机组的发电拟合系数，输电网架的通道容量、并网安全极限，储能响应时间、最大响应电量、最大响应功率。
根据本发明的一种实施方式，在上述c步骤中，根据风电光伏发电功率、电力负荷的不确定性构建适用于新型电力系统的风险调度目标函数，面对多个不确定预测场景，确定性调度火电启/停机和跨区域输电功率，不确定性调度机组功率、储荷功率(即每个场景有独立的机组、储荷调度计划)，产生的风险成本来源于新能源和储荷的不确定性出力。以调度总成本最小为原则构建风险调度目标函数：
minF＝min(F1+F2)
/>
式中，F1为确定性调度成本，包含火电启/停机成本、输电成本，SU，i，t、SD，i，t分别为t时刻的火电机组i的启机、停机费用，λc为单位输电电量价格；F2为不确定性调度成本，包含风光水火核的发电成本、储能调度成本、可控负荷调度成本、有序用电成本；T为离散的优化时段数，Ns为场景的个数，λwind、λsolar、λH、λN、λtp、λsc、λsd、λcl、λL分别为风力发电、光伏发电、水力发电、核电发电、火力发电、输电、可控负荷、有序用电切负荷的单位电量价格；ρs为场景s占全场景集的概率；
ρs满足如下等式约束，
有序用电满足如下不等式约束，
式中，为每个优化时段的最大切负荷功率。
根据本发明的一种实施方式，在上述d步骤中，评估区域电网备用裕度，包括：
构建电网备用约束：
分别为电网充裕度指标值；
对区域电网的正、负备用容量进行评估，其公式为：
式中，分别为t时刻的正备用容量和负备用容量。
根据本发明的一种实施方式，在上述e步骤中，基于功能单元模型、采集参数和电网备用裕度，优化所述风险调度目标函数，包括：
上层优化日前火电机组组合和跨区输电计划的可行解；
根据上述方法，已将包含火电、储能等发电单元的电力系统简化为混合整数线性规划模型，上层优化可调用一般商业优化器求解火电机组组合和跨区输电问题。
下层优化日内水火核等可控机组出力和储荷出力，需要注意的是，评估各个预测场景的储荷待平衡负荷，其公式为：
/>
式中，Loadest，t为t时刻的储荷待平衡电力负荷。
进而将同一优化时刻t的分布式储能、可控负荷分类别按报价从低到高排序，如储能放电竞价排序储能充电竞价排序/>可控负荷竞价排序/>将Loadest，t设置为t时刻的储荷调度功率，优化器根据调度原则优先出清低报价的储荷功率，直到满足调度需求。
根据本发明的一种实施方式，在上述f步骤中，基于日前火电机组组合和跨区输电计划，优化该调度计划下各个场景的电力系统调度成本，在满足电网充裕度指标等电网运行边界条件下，输出经济性最优的风险调度成本(目标函数)；若存在其它日前调度计划的优化可行解，则基于该可行解再次优化日内机组和储荷出力；比较所有基于日前调度计划输出的风险调度成本，输出最佳优化目标、日前火电机组组合和跨区输电计划。
根据本发明的上述方案，与现有技术相比，本发明针对新型电力系统中调度灵活性不足的问题，提出了一种风险调度优化方法，该方法具有以下有益效果：
第一，模型层面考虑了源网储荷的协调，通过分布式储能、可控负荷参与深度的设定来减少火电开机不当引起的资源浪费和停电风险。
第二，在源网发电计划既定的前提下，构建风险调度目标函数来量化新能源发电的不确定性对新型电力系统调度成本的影响；
第三，构建系统备用容量评估公式，并作为约束条件优化调度结果，调度优化结果满足电力系统备用裕度要求。
根据本发明的上述方案，本发明针对新型电力系统的时变特性，利用源网荷储协调的调度机制生成一种风险调度优化方法，考虑各类单元物理约束、系统运行约束、充裕度约束，以多场景的风险调度总成本最小为目标优化经济可靠的火电机组组合、跨区输电，充分发挥储荷资源的调节能力，减少新能源弃电和用户负荷限电，保障电网绿色安全运行。
为实现上述目的，本发明还提供一种电力系统的风险调度优化系统，包括：
模型构建模块，构建电力系统的多个功能单元模型，并设定各功能单元模型和系统运行的边界条件；
参数采集模块，采集区域电网的动态参数和静态参数，将动态参数和静态参数输入各功能单元模型；
目标函数构建模块，根据风电光伏发电功率、电力负荷的不确定性构建风险调度目标函数；
备用裕度评估模块，评估区域电网备用裕度；
目标函数优化模块，基于功能单元模型、采集参数和电网备用裕度，优化所述风险调度目标函数；
结果输出模块，根据所述风险调度目标函数，比较优化后的风险调度成本，输出成本最小的优化结果及其日前调度计划。
根据本发明的一种实施方式，在上述模型构建模块中，功能单元模型包括：电源模型、电网输电模型、储能模型和电力负荷模型。
其中，所述电源模型包括风力发电模型、光伏发电模型、水力发电模型、核电发电模型和火力发电模型；
在本实施方式中，将待优化时段离散为多个时刻，将其表征为{t1，t2，t3，t4...}(如日内24点、日内96点)，基于离散时间断面构建电源模型；
风力发电模型为：
式中，为第i个风电站的装机容量，/>vw，i，t分别为第i个风电场的t时刻发电功率、预测风力发电系数；
光伏发电模型为：
式中，为第i个光伏电站的装机容量，/>vs，i，t分别为第i个光伏电站t时刻的发电功率、预测光伏发电系数；
水力发电模型中：
上式为水力发电的出力约束，为第i个水电机组t时刻的实际电功率，为第i个水电机组的最小、最大电功率；
上式为水电机组的爬坡约束，分别为第i台水电机组在调节周期内功率降低和功率提升时的最大爬坡功率；
核电发电模型中：
上式为核电发电的电功率约束，为第i个核电机组t时刻的实际电功率，为第i个核电机组的最小、最大电功率；
上式为核电机组的爬坡约束，分别为第i台核电机组在调节周期内功率降低和功率提升时的最大爬坡功率；
火力发电模型中：
上式为火电机组的电功率约束，分别为第i台火电机组在t时刻的实际电功率、电功率下限和电功率上限，/>为第i个核电机组的启停状态；
上式为火电机组的爬坡约束，分别为第i台火电机组在调节周期内功率降低和功率提升时的最大爬坡功率；
上式为火电机组的开停机和最小开停机时间约束，为机组i在t时段的0-1启停状态，0表示停机，1表示开机；/>为机组i在时段t-1的连续运行时间和连续停运时间；/>为第i个机组的最小连续运行时间和最小连续停运时间；
火电机组包含部分热电机组，其模型为：
式中，分别为第i台热电机组t时刻电功率的上、下限，/>为机组的热出力，aH、bH、aL、bL分别为拟合系数；
上式为热电机组的热功率约束，分别为第i台热电机组在t时刻的实际热功率、热功率下限和热功率上限。
在本实施方式中，电网输电模型包括交流输电模型和直流输电模型，在电网输电模型中，
式中，为第i条输电联络线t时刻实际输电功率，属于计划输电容量的集合；
上式为输电功率变化约束，Δp为单位时间的输电功率变化极限；
上式为输电功率约束，Li，min、Li，max分别为第i条输电线的最小、最大通道容量。
在本实施方式中，储能模型中的储能功率的等式约束为：
式中，为储能充放电的实际功率，/>分别为第i个储能电站t时刻的充电状态变量和放电状态的0-1变量，/>分别为第i个储能电站t时刻的充电功率和放电功率，ηsc、ηsd分别为充电效率和放电效率；
充放电状态变量的约束为：
储能电量的等式约束为，
式中，分别为第i个储能电站在起始电量、t时刻的电量；
储能功率、电量的不等式约束为：
式中，分别为第i个储能电站的最小、最大电功率，/>分别为第i个储能电站的最小、最大电量。
在本实施方式中，电力负荷模型包括：
常规负荷模型：
式中，为常规负荷最大功率，/>vrl，t分别为t时刻的常规负荷功率、功率系数；
可控负荷模型：
可控负荷为聚合负荷：
式中，T为离散的优化时段数，为t时刻的可控负荷最大功率，/>分别为t时刻的可控负荷实际功率、可履约系数，Ecl、Tcl为1个调度周期的可控负荷响应电量、响应时段，/>Δt分别为负荷是否出力的0-1变量、持续出力的时段。
在本实施方式中，设定各功能单元模型和系统运行的边界条件，满足有功功率平衡约束，具体为：
式中，Nwind、Nsolar、NH、NN、Ntp、NC、Nsd、Nsc分别为风电站、光伏电站、水电机组、核电机组、火电机组、输电通道、储能电站放电/充电的个数。
根据本发明的一种实施方式，在上述参数采集模块中，采集新型电力系统的动态参数(即系统运行参数)，包括但不限于风、光等新能源机组的短期、超短期预测功率系数，常规电负荷、热负荷的预测功率，可控负荷的最大响应电量、最大响应功率，可控负荷的履约概率，有序用电最大可调负荷功率、最大可调负荷电量。
采集新型电力系统的静态参数(即系统物理参数)，包括但不限于风光水核火等多类型电源的装机容量、上网电价，水核火等多类型可控机组的发电功率调节极限、爬坡约束，火电机组的煤耗系数，热电机组的发电拟合系数，输电网架的通道容量、并网安全极限，储能响应时间、最大响应电量、最大响应功率。
根据本发明的一种实施方式，在上述目标函数构建模块中，根据风电光伏发电功率、电力负荷的不确定性构建适用于新型电力系统的风险调度目标函数，面对多个不确定预测场景，确定性调度火电启/停机和跨区域输电功率，不确定性调度机组功率、储荷功率(即每个场景有独立的机组、储荷调度计划)，产生的风险成本来源于新能源和储荷的不确定性出力。以调度总成本最小为原则构建风险调度目标函数：
minF＝min(F1+F2)
式中，F1为确定性调度成本，包含火电启/停机成本、输电成本，SU，i，t、SD，i，t分别为t时刻的火电机组i的启机、停机费用，λc为单位输电电量价格；F2为不确定性调度成本，包含风光水火核的发电成本、储能调度成本、可控负荷调度成本、有序用电成本；T为离散的优化时段数，Ns为场景的个数，λwind、λsolar、λH、λN、λtp、λsc、λsd、λcl、λL分别为风力发电、光伏发电、水力发电、核电发电、火力发电、输电、可控负荷、有序用电切负荷的单位电量价格；ρs为场景s占全场景集的概率；
ρs满足如下等式约束，
有序用电满足如下不等式约束，
式中，为每个优化时段的最大切负荷功率。
根据本发明的一种实施方式，在上述备用裕度评估模块中，评估区域电网备用裕度，包括：
构建电网备用约束：
分别为电网充裕度指标值；
对区域电网的正、负备用容量进行评估，其公式为：
式中，分别为t时刻的正备用容量和负备用容量。
根据本发明的一种实施方式，在上述目标函数优化模块中，基于功能单元模型、采集参数和电网备用裕度，优化所述风险调度目标函数，包括：
上层优化日前火电机组组合和跨区输电计划的可行解；
根据上述方法，已将包含火电、储能等发电单元的电力系统简化为混合整数线性规划模型，上层优化可调用一般商业优化器求解火电机组组合和跨区输电问题。
下层优化日内水火核等可控机组出力和储荷出力，需要注意的是，评估各个预测场景的储荷待平衡负荷，其公式为：
式中，Loadest，t为t时刻的待平衡电力负荷。
进而将同一优化时刻t的分布式储能、可控负荷分类别按报价从低到高排序，如储能放电竞价排序储能充电竞价排序/>可控负荷竞价排序/>将Loadest，t设置为t时刻的储荷调度功率，优化器根据调度原则优先出清低报价的储荷功率，直到满足调度需求。
根据本发明的一种实施方式，在上述结果输出模块中，比较优化后的风险调度成本，输出成本最小的优化结果及其日前调度计划。
根据本发明的上述方案，与现有技术相比，本发明针对新型电力系统中调度灵活性不足的问题，提出了一种风险调度优化方法，该方法具有以下有益效果：
第一，模型层面考虑了源网储荷的协调，通过分布式储能、可控负荷参与深度的设定来减少火电开机不当引起的资源浪费和停电风险。
第二，在源网发电计划既定的前提下，构建风险调度目标函数来量化新能源发电的不确定性对新型电力系统调度成本的影响；
第三，构建系统备用容量评估公式，并作为约束条件优化调度结果，调度优化结果满足电力系统备用裕度要求。
根据本发明的上述方案，本发明针对新型电力系统的时变特性，利用源网荷储协调的调度机制，考虑各类单元物理约束、系统运行约束、充裕度约束，以多场景的风险调度总成本最小为目标优化经济可靠的火电机组组合、跨区输电计划，充分发挥储荷资源的调节能力，保障电网安全可靠的同时，减少新能源弃电和用户负荷限电。
为实现上述目的，本发明还提供一种电子设备，包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现如上所述的电力系统的风险调度优化方法。
为实现上述目的，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现如上所述的电力系统的风险调度优化方法。
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模块及算法步骤，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。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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，例如多个模块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信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。
另外，在本发明实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
应理解，本发明的发明内容及实施例中各步骤的序号的大小并不绝对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。
Claims (12)
1.电力系统的风险调度优化方法，其特征在于，包括：
构建电力系统的多个功能单元模型，并设定各功能单元模型和系统运行的边界条件；
采集区域电网的动态参数和静态参数，将动态参数和静态参数输入各功能单元模型；
根据风电光伏发电功率、电力负荷的不确定性构建风险调度目标函数；
评估区域电网备用裕度；
基于功能单元模型、采集参数和电网备用裕度，优化所述风险调度目标函数；
根据所述风险调度目标函数，比较优化后的风险调度成本，输出成本最小的优化结果及其日前调度计划；
所述根据风电光伏发电功率、电力负荷的不确定性构建风险调度目标函数：
min F＝min(F1+F2)
式中，F1为确定性调度成本，包含火电启/停机成本、输电成本，SU，i，t、SD，i，t分别为t时刻的火电机组i的启机、停机费用，λc为单位输电电量价格；F2为不确定性调度成本，包含风光水火核的发电成本、储能调度成本、可控负荷调度成本、有序用电成本；T为离散的优化时段数，Ns为场景的个数，λwind、λsolar、λH、λN、λtp、λsc、λsd、λcl、λL分别为风力发电、光伏发电、水力发电、核电发电、火力发电、储能电站充电、储能电站放电、可控负荷、有序用电切负荷的单位电量价格；ρs为场景s占全场景集的概率；
Nwind、Nsolar、NH、NN、Ntp、NC、Nsd、Nsc分别为风电站、光伏电站、水电机组、核电机组、火电机组、输电通道、储能电站放电、储能电站充电的个数；
为第i条输电联络线t时刻实际输电功率、/>为第i个风电场的t时刻发电功率、为第i个光伏电站t时刻的发电功率、/>为第i个水电机组t时刻的实际电功率、/>为第i台火电机组在t时刻的实际电功率、/>为第i个核电机组t时刻的实际电功率、/>和/>分别为第i个储能电站t时刻的充电功率和放电功率、/>为t时刻的可控负荷实际功率、/>为t时刻的切负荷功率；
ρs满足如下等式约束，
有序用电满足如下不等式约束，
式中，为每个优化时段的最大切负荷功率；
所述优化所述风险调度目标函数，包括：
上层优化日前火电机组组合和跨区输电计划的可行解；
下层优化日内水火核可控机组出力和储荷出力，评估各个预测场景的储荷待平衡负荷，其公式为：
式中，为t时刻的常规负荷功率、Loadest，t为t时刻的储荷待平衡电力负荷。
2.根据权利要求1所述的电力系统的风险调度优化方法，其特征在于，所述功能单元模型包括：电源模型、电网输电模型、储能模型和电力负荷模型。
3.根据权利要求2所述的电力系统的风险调度优化方法，其特征在于，所述电源模型包括风力发电模型、光伏发电模型、水力发电模型、核电发电模型和火力发电模型；
所述风力发电模型为：
式中，为第i个风电站的装机容量，/>vw，i，t分别为第i个风电场的t时刻发电功率、预测风力发电系数；
光伏发电模型为：
式中，为第i个光伏电站的装机容量，/>vs，i，t分别为第i个光伏电站t时刻的发电功率、预测光伏发电系数；
水力发电模型中：
上式为水力发电的出力约束，为第i个水电机组t时刻的实际电功率，/>为第i个水电机组的最小、最大电功率；
上式为水电机组的爬坡约束，分别为第i台水电机组在调节周期内功率降低和功率提升时的最大爬坡功率；
核电发电模型中：
上式为核电发电的电功率约束，为第i个核电机组t时刻的实际电功率，/> 为第i个核电机组的最小、最大电功率；
上式为核电机组的爬坡约束，分别为第i台核电机组在调节周期内功率降低和功率提升时的最大爬坡功率；
火力发电模型中：
上式为火电机组的电功率约束，分别为第i台火电机组在t时刻的实际电功率、电功率下限和电功率上限，/>为第i个核电机组的启停状态；
上式为火电机组的爬坡约束，分别为第i台火电机组在调节周期内功率降低和功率提升时的最大爬坡功率；
上式为火电机组的开停机和最小开停机时间约束，为机组i在t时段的0-1启停状态，0表示停机，1表示开机；/>为机组i在时段t-1的连续运行时间和连续停运时间；/>为第i个机组的最小连续运行时间和最小连续停运时间；
火电机组包含部分热电机组，其模型为：
式中，分别为第i台热电机组t时刻电功率的上、下限，/>为机组的热出力，aH、bH、aL、bL分别为拟合系数；
上式为热电机组的热功率约束，分别为第i台热电机组在t时刻的实际热功率、热功率下限和热功率上限。
4.根据权利要求3所述的电力系统的风险调度优化方法，其特征在于，所述电网输电模型包括交流输电模型和直流输电模型，在所述电网输电模型中，
式中，为第i条输电联络线t时刻实际输电功率，属于计划输电容量的集合；
上式为输电功率变化约束，Δp为单位时间的输电功率变化极限；
上式为输电功率约束，Li，min、Li，max分别为第i条输电线的最小、最大通道容量。
5.根据权利要求4所述的电力系统的风险调度优化方法，其特征在于，所述储能模型中的储能功率的等式约束为：
式中，为储能充放电的实际功率，/>分别为第i个储能电站t时刻的充电状态变量和放电状态的0-1变量，/>分别为第i个储能电站t时刻的充电功率和放电功率，ηsc、ηsd分别为充电效率和放电效率；
充放电状态变量的约束为：
储能电量的等式约束为，
式中，分别为第i个储能电站在起始电量、t时刻的电量；
储能功率、电量的不等式约束为：
式中，分别为第i个储能电站的最小、最大电功率，/>分别为第i个储能电站的最小、最大电量。
6.根据权利要求5所述的电力系统的风险调度优化方法，其特征在于，所述电力负荷模型包括：
常规负荷模型：
式中，为常规负荷最大功率，/>vrl，t分别为t时刻的常规负荷功率、功率系数；
可控负荷模型：
可控负荷为聚合负荷：
式中，T为离散的优化时段数，为t时刻的可控负荷最大功率，/>分别为t时刻的可控负荷实际功率、可履约系数，Ecl、Tcl为1个调度周期的可控负荷响应电量、响应时段，Δt分别为负荷是否出力的0-1变量、持续出力的时段。
7.根据权利要求6所述的电力系统的风险调度优化方法，其特征在于，设定各功能单元模型和系统运行的边界条件为：
式中，Nwind、Nsolar、NH、NN、Ntp、NC、Nsd、Nsc分别为风电站、光伏电站、水电机组、核电机组、火电机组、输电通道、储能电站放电/充电的个数。
8.根据权利要求7所述的电力系统的风险调度优化方法，其特征在于，所述动态参数包括新能源机组的短期、超短期预测功率系数，常规电负荷、热负荷的预测功率，可控负荷的最大响应电量、最大响应功率，可控负荷的履约概率，有序用电最大可调负荷功率、最大可调负荷电量；
所述静态参数包括风光水核火多类型电源的装机容量、上网电价，水核火多类型可控机组的发电功率调节极限、爬坡约束，火电机组的煤耗系数，热电机组的发电拟合系数，输电网架的通道容量、并网安全极限，储能响应时间、最大响应电量、最大响应功率。
9.根据权利要求1所述的电力系统的风险调度优化方法，其特征在于，所述评估区域电网备用裕度，包括：
构建电网备用约束：
分别为电网充裕度指标值；
对区域电网的正、负备用容量进行评估，其公式为：
式中，分别为t时刻的正备用容量和负备用容量。
10.电力系统的风险调度优化系统，其特征在于，包括：
模型构建模块，构建电力系统的多个功能单元模型，并设定各功能单元模型和系统运行的边界条件；
参数采集模块，采集区域电网的动态参数和静态参数，将动态参数和静态参数输入各功能单元模型；
目标函数构建模块，根据风电光伏发电功率、电力负荷的不确定性构建风险调度目标函数；
备用裕度评估模块，评估区域电网备用裕度；
目标函数优化模块，基于功能单元模型、采集参数和电网备用裕度，优化所述风险调度目标函数；
结果输出模块，根据所述风险调度目标函数，比较优化后的风险调度成本，输出成本最小的优化结果及其日前调度计划；
所述根据风电光伏发电功率、电力负荷的不确定性构建风险调度目标函数：
min F＝min(F1+F2)
式中，F1为确定性调度成本，包含火电启/停机成本、输电成本，SU，i，t、SD，i，t分别为t时刻的火电机组i的启机、停机费用，λc为单位输电电量价格；F2为不确定性调度成本，包含风光水火核的发电成本、储能调度成本、可控负荷调度成本、有序用电成本；T为离散的优化时段数，Ns为场景的个数，λwind、λsolar、λH、λN、λtp、λsc、λsd、λcl、λL分别为风力发电、光伏发电、水力发电、核电发电、火力发电、储能电站充电、储能电站放电、可控负荷、有序用电切负荷的单位电量价格；ρs为场景s占全场景集的概率；
nwind、Nsolar、NH、NN、Ntp、NC、Nsd、Nsc分别为风电站、光伏电站、水电机组、核电机组、火电机组、输电通道、储能电站放电、储能电站充电的个数；
为第i条输电联络线t时刻实际输电功率、/>为第i个风电场的t时刻发电功率、为第i个光伏电站t时刻的发电功率、/>为第i个水电机组t时刻的实际电功率、/>为第i台火电机组在t时刻的实际电功率、/>为第i个核电机组t时刻的实际电功率、/>和/>分别为第i个储能电站t时刻的充电功率和放电功率、/>为t时刻的可控负荷实际功率、/>为t时刻的切负荷功率；
ρs满足如下等式约束，
有序用电满足如下不等式约束，
式中，为每个优化时段的最大切负荷功率；
所述优化所述风险调度目标函数，包括：
上层优化日前火电机组组合和跨区输电计划的可行解；
下层优化日内水火核可控机组出力和储荷出力，评估各个预测场景的储荷待平衡负荷，其公式为：
式中，为t时刻的常规负荷功率、Loadest，t为t时刻的储荷待平衡电力负荷。
11.电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至9中任一项所述的电力系统的风险调度优化方法。
12.计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的电力系统的风险调度优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310747072.1A CN116760025B (zh) | 2023-06-25 | 2023-06-25 | 电力系统的风险调度优化方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310747072.1A CN116760025B (zh) | 2023-06-25 | 2023-06-25 | 电力系统的风险调度优化方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116760025A CN116760025A (zh) | 2023-09-15 |
| CN116760025B true CN116760025B (zh) | 2024-05-24 |
Family
ID=87947567
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310747072.1A Active CN116760025B (zh) | 2023-06-25 | 2023-06-25 | 电力系统的风险调度优化方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116760025B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117375098A (zh) * | 2023-09-22 | 2024-01-09 | 国网宁夏电力有限公司 | 一种含高比例风电的电力系统调度方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8583467B1 (en) * | 2012-08-23 | 2013-11-12 | Fmr Llc | Method and system for optimized scheduling of workflows |
| EP3221666A1 (en) * | 2014-11-18 | 2017-09-27 | Telecom Italia S.p.A. | Automatic system for monitoring electric power consumption |
| CN108063451A (zh) * | 2017-11-17 | 2018-05-22 | 国网辽宁省电力有限公司 | 一种提高风电接纳能力的电网多元优化调度方法 |
| CN112257229A (zh) * | 2020-09-18 | 2021-01-22 | 西安理工大学 | 一种微网两阶段鲁棒调度方法 |
| CN112465181A (zh) * | 2020-09-11 | 2021-03-09 | 国网天津市电力公司电力科学研究院 | 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法 |
| CN113193547A (zh) * | 2021-03-19 | 2021-07-30 | 国网江苏省电力有限公司 | 计及新能源及负荷区间不确定性的电力系统日前-日内协同调度方法与系统 |
| KR20220013069A (ko) * | 2020-07-24 | 2022-02-04 | 한국산업기술대학교산학협력단 | 독립 운전을 고려한 마이크로그리드 최적 스케쥴링 방법 |
| CN114204550A (zh) * | 2021-11-24 | 2022-03-18 | 国网天津市电力公司电力科学研究院 | 一种含多类型新能源的电力系统绿色调度方法 |
| CN114389262A (zh) * | 2022-01-21 | 2022-04-22 | 合肥工业大学 | 一种弹性环境下基于鲁棒优化的区域电网调度方法 |
| WO2022100091A1 (zh) * | 2020-11-10 | 2022-05-19 | 中国能源建设集团湖南省电力设计院有限公司 | 一种广义源储系统调度的集中控制方法 |
| CN115133548A (zh) * | 2022-05-26 | 2022-09-30 | 三峡大学 | 一种考虑运行灵活性的含储协电力系统优化调度方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104993522B (zh) * | 2015-06-30 | 2018-01-19 | 中国电力科学研究院 | 一种基于mpc的主动配电网多时间尺度协调优化调度方法 |
-
2023
- 2023-06-25 CN CN202310747072.1A patent/CN116760025B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8583467B1 (en) * | 2012-08-23 | 2013-11-12 | Fmr Llc | Method and system for optimized scheduling of workflows |
| EP3221666A1 (en) * | 2014-11-18 | 2017-09-27 | Telecom Italia S.p.A. | Automatic system for monitoring electric power consumption |
| CN108063451A (zh) * | 2017-11-17 | 2018-05-22 | 国网辽宁省电力有限公司 | 一种提高风电接纳能力的电网多元优化调度方法 |
| KR20220013069A (ko) * | 2020-07-24 | 2022-02-04 | 한국산업기술대학교산학협력단 | 독립 운전을 고려한 마이크로그리드 최적 스케쥴링 방법 |
| CN112465181A (zh) * | 2020-09-11 | 2021-03-09 | 国网天津市电力公司电力科学研究院 | 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法 |
| CN112257229A (zh) * | 2020-09-18 | 2021-01-22 | 西安理工大学 | 一种微网两阶段鲁棒调度方法 |
| WO2022100091A1 (zh) * | 2020-11-10 | 2022-05-19 | 中国能源建设集团湖南省电力设计院有限公司 | 一种广义源储系统调度的集中控制方法 |
| CN113193547A (zh) * | 2021-03-19 | 2021-07-30 | 国网江苏省电力有限公司 | 计及新能源及负荷区间不确定性的电力系统日前-日内协同调度方法与系统 |
| CN114204550A (zh) * | 2021-11-24 | 2022-03-18 | 国网天津市电力公司电力科学研究院 | 一种含多类型新能源的电力系统绿色调度方法 |
| CN114389262A (zh) * | 2022-01-21 | 2022-04-22 | 合肥工业大学 | 一种弹性环境下基于鲁棒优化的区域电网调度方法 |
| CN115133548A (zh) * | 2022-05-26 | 2022-09-30 | 三峡大学 | 一种考虑运行灵活性的含储协电力系统优化调度方法 |
Non-Patent Citations (3)
| Title |
|---|
| 付伟 ; 刘坤艳 ; 宁卜 ; .计及风险备用需求的含风电电力系统经济调度.《电力系统及其自动化学报》.2016,(第6期),全文. * |
| 罗波 ; 张伟 ; 廖湘凯 ; 付发云 ; 周守强 ; .基于极限场景集的多类型能源鲁棒调度模型.《水电能源科学》.2017,(第5期),全文. * |
| 考虑不同场景的微电网短期经济调度分析;刘春辉，张政;《电子器件》;20211220;第44卷(第6期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116760025A (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110581571A (zh) | 一种主动配电网动态优化调度方法 | |
| CN112039056A (zh) | 一种新能源两阶段优化调度方法 | |
| CN104795846A (zh) | 一种抽水蓄能电站与风电的联合系统的优化运行方法 | |
| CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
| CN104882905A (zh) | 一种考虑暂态安全约束的新能源接纳能力评估方法 | |
| CN104578176A (zh) | 一种计及直流互动的发电计划编制方法 | |
| CN116760025B (zh) | 电力系统的风险调度优化方法和系统 | |
| CN108879657B (zh) | 基于风电容量可信度的电力电量平衡优化方法 | |
| US20230294544A1 (en) | Method of Controlling of Battery Energy Storage System of Power System with High Dynamic Loads | |
| CN108808737A (zh) | 促进可再生分布式电源消纳的主动配电网优化调度方法 | |
| CN102593855B (zh) | 平抑电力系统中可再生能源电源输出功率波动的方法 | |
| CN115036914A (zh) | 考虑灵活性与新能源消纳的电网储能双层优化方法及系统 | |
| Li et al. | Optimization scheduling model based on source-load-energy storage coordination in power systems | |
| Sharma et al. | Comparative analysis of different types of micro-grid architectures and controls | |
| CN116544991A (zh) | 一种考虑风电不确定性的风储联合优化调度方法 | |
| CN114389262B (zh) | 一种弹性环境下基于鲁棒优化的区域电网调度方法 | |
| CN116562554A (zh) | 一种考虑灵活性供需平衡的长短期储能联合规划方法 | |
| Li et al. | Multi-energy coordinated operation optimization model for wind-solar-hydro-thermal-energy storage system considering the complementary characteristics of different power resources | |
| CN113327065B (zh) | 针对发电侧的用户复杂用电情况的能源管理方法及系统 | |
| CN115238992A (zh) | 一种电力系统源荷储的协调优化方法、装置及电子设备 | |
| CN110826210B (zh) | 基于功率互联的多区域楼宇虚拟电厂建模及优化协调方法 | |
| CN114676921A (zh) | 一种考虑源荷储协调优化的系统风电可接纳能力计算方法 | |
| CN114759614A (zh) | 基于博弈论的多能源系统鲁棒优化调度策略 | |
| CN111404195B (zh) | 一种基于智能网关的含分布式电源微电网的调度方法 | |
| CN114465226A (zh) | 一种电力系统多级备用获取联合优化模型的建立方法 |
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 | ||
| GR01 | Patent grant |