CN117154850A - 一种确定电力系统灵活性供需平衡能力的方法 - Google Patents

一种确定电力系统灵活性供需平衡能力的方法 Download PDF

Info

Publication number
CN117154850A
CN117154850A CN202311187261.4A CN202311187261A CN117154850A CN 117154850 A CN117154850 A CN 117154850A CN 202311187261 A CN202311187261 A CN 202311187261A CN 117154850 A CN117154850 A CN 117154850A
Authority
CN
China
Prior art keywords
flexibility
capacity
climbing
power
effective
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
Application number
CN202311187261.4A
Other languages
English (en)
Inventor
高红均
周文毅
王长浩
郭明浩
刘挺坚
刘俊勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Original Assignee
Sichuan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan University filed Critical Sichuan University
Priority to CN202311187261.4A priority Critical patent/CN117154850A/zh
Publication of CN117154850A publication Critical patent/CN117154850A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • 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
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution 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
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种确定电力系统灵活性供需平衡能力的方法，包括：基于预测风速和预测负荷，确定电力系统的灵活性需求；基于有效容量分布和有效爬坡分布，确定电力系统的灵活性供给分布；基于所述灵活性需求和所述灵活性供给，确定所述电力系统的初始灵活性供需平衡能力；基于所述初始灵活性供需平衡能力，调整所述电力系统的灵活性资源的出力；基于调整后的电力系统，确定所述电力系统的最终灵活性供需平衡能力；以更加准确地评估次日灵活性供需情况，为运行调度计划提供更好的指导。

Description

一种确定电力系统灵活性供需平衡能力的方法
技术领域
本发明涉及电力系统供需平衡技术领域，具体而言，涉及一种确定电力系统灵活性供需平衡能力的方法。
背景技术
目前，电力系统的灵活性评估技术领域方面，大多数研究都是直接基于运行调度计划结果进行系统灵活性评估，并未考虑机组随机停运、可再生能源预测误差等随机因素，并且灵活性具有较强的概率特征，需要在概率框架下进行。因此，考虑不确定性特征的概率型评价方法被广泛使用，但目前大多数研究都只考虑了常规火电机组提供灵活性的能力，而没有将其他灵活性资源例如储能、需求响应等纳入评估体系中，这样容易错估系统真实的灵活性供给能力。在负荷高峰时段容易出现线路潮流越限情况，特别是高峰时段需要系统进行爬坡时，部分机组可能由于潮流限制而不能爬坡或爬坡顺序需要修改，但是目前基于考虑不确定特征的评价方法少有考虑系统空间约束的，这可能造成对高峰时段系统供需情况评估过于乐观。
为克服现有技术的不足，本发明提供了一种确定电力系统灵活性供需平衡能力的方法，以更加准确地评估次日灵活性供需情况，为运行调度计划提供更好的指导。
发明内容
本发明的目的在于提供一种确定电力系统灵活性供需平衡能力的方法，包括：基于预测风速和预测负荷，确定电力系统的灵活性分布；基于有效容量分布和有效爬坡分布，确定电力系统的灵活性供给分布；基于所述灵活性需求和所述灵活性供给，确定所述电力系统的初始灵活性供需平衡能力；基于所述初始灵活性供需平衡能力，调整所述电力系统的灵活性资源的出力；基于调整后的电力系统，确定所述电力系统的最终灵活性供需平衡能力。
进一步的，所述基于预测风速和预测负荷，确定电力系统的灵活性需求，包括：基于所述预测风速及其预测误差，建立风电出力概率模型；将所述风电出力概率模型作为负负荷与所述预测负荷相加，得到净负荷概率模型；通过拉丁超立方抽样方法对所述净负荷概率模型进行抽样，得到净负荷时间序列；基于所述净负荷时间序列中各时刻的净负荷，得到爬坡灵活性需求和容量灵活性需求。
进一步的，所述风电出力概率模型的表达式为：
；
；
；
；
其中，为风电出力；/>为预测风速；/>为风机切入风速；/>为风机切出风速；A、B和C分别为风电机组功率特性曲线的第一参数、第二参数和第三参数；/>为风机额定功率；/>为风机额定风速；/>为预测误差概率分布；/>为以/>为均值，/>为标准差的正态分布；/>为预测误差概率分布的均值；/>为t时刻偏差随机变量的标准差；/>为风电总装机容量；
所述爬坡灵活性需求的表达式为：
；
其中，为电力系统在t时刻的爬坡灵活性需求；/>为电力系统在t时刻的容量灵活性需求；/>为电力系统在t-1时刻的容量灵活性需求；
所述容量灵活性需求的表达式为：
；
其中，为电力系统在t时刻的容量灵活性需求；/>为电力系统的净负荷。
4. 根据权利要求1所述的确定电力系统灵活性供需平衡能力的方法，其特征在于，所述基于有效容量分布和有效爬坡分布，确定电力系统的灵活性供给，包括：
基于火电机组的容量概率模型，得到有效容量分布；
基于所述火电机组的爬坡模型，得到有效爬坡分布；
基于所述有效容量分布和所述有效爬坡分布，确定灵活性供给分布。
进一步的，所述基于火电机组的爬坡模型，得到有效爬坡分布，包括：将开机的火电机组设置为最小机组出力状态；加载所述火电机组，直至满足负荷需求，得到各所述火电机组的预出力状态；判断在所述预出力状态下，关键潮流断面是否越限；若越限，则调整所述火电机组的出力状态，并重复判断所述关键潮流断面是否越限；若未越限，则将该出力状态作为所述火电机组的运行状态；建立火电机组爬坡模型，并根据所述运行状态判断电力系统是否可以爬坡；基于所述电力系统是否可以爬坡，建立与电力系统故障相关的两状态模型；基于所述两状态模型，通过半不变量法，得到所述有效爬坡分布。
进一步的，所述容量概率模型的表达式为：
；
；
其中，为机组i向上有效发电容量分布；/>为机组i随机停运率；为机组i向下有效发电容量分布；/>是机组i最大技术出力；/>是机组i最小技术出力；
所述有效容量分布的表达式为：
；
；
其中，为系统向上有效容量分布；/>为机组1向上有效发电容量分布；为机组2向上有效发电容量分布；/>为机组/>向上有效发电容量分布；/>为系统向下有效容量分布；/>为机组1向下有效发电容量分布；/>为机组2向下有效发电容量分布；/>为机组/>向下有效发电容量分布；
所述爬坡模型的表达式为：
；
；
其中，为机组i的向上爬坡速率；/>为机组i的向上爬坡速率；/>为机组i在t时刻的爬坡速率；/>为机组i的最大技术出力；/>为机组i的向下爬坡速率；为机组向下爬坡速率；/>为机组i的最小技术出力；考虑随机停运后的概率分布模型的表达式为：
；
；
其中，为机组i向上有效爬坡分布；/>为相邻时刻之差；/>为机组/>的随机强迫停运率；/>为机组i向下有效爬坡分布；
所述有效爬坡分布的表达式为：
；
；
其中和/>分别为系统向上/向下有效爬坡分布；/>为机组1向上有效爬坡分布；/>为机组2向上有效爬坡分布；/>为机组/>向上有效爬坡分布；为机组1向下有效爬坡分布；/>为机组2向下有效爬坡分布；/>为机组/>向下有效爬坡分布；
所述灵活性供给分布的表达式为：
；
其中，为灵活性供给分布；/>为标准正态分布概率密度函数；/>为规格化后的随机变量/>；/>为标准正态分布函数；/>为规格化后的3阶半不变量；/>为埃尔米特多项式的第二式；/>为规格化后的4阶半不变量；/>为埃尔米特多项式的第三式；/>为规格化后的5阶半不变量；/>为埃尔米特多项式的第四式；/>为规格化后的6阶半不变量；/>为埃尔米特多项式的第五式。
进一步的，所述基于所述灵活性需求和所述灵活性供给，确定所述电力系统的初始灵活性供需平衡能力，包括：建立所述电力系统的灵活性评估指标；基于所述灵活性评估指标和灵活性供需关系，得到灵活性缺额情况。
进一步的，所述灵活性评估指标包括：
系统向上容量灵活性不足概率及其期望：
；
其中，为系统向上容量灵活性不足概率；/>为系统向上有效容量分布函数自变量取/>时的值；/>为系统容量灵活性需求；/>为系统向上灵活性不足期望；/>为系统向上有效容量分布函数以/>作为自变量；
系统向上爬坡灵活性不足概率及其期望：
；
其中，为系统向上爬坡灵活性不足概率；/>为系统向上有效爬坡分布函数自变量取/>时的值；/>为系统爬坡灵活性需求；/>为系统向上爬坡灵活性不足期望；/>为系统向上有效爬坡分布函数以/>作为自变量；
系统向下容量灵活性不足概率及其期望：
；
其中，为系统向下容量灵活性不足概率；/>为系统向下有效容量分布函数自变量取/>时的值；/>为系统向下容量灵活性不足期望；
系统向下爬坡灵活性不足概率及其期望：
；
其中，为系统向下爬坡灵活性不足概率；/>为系统向下有效爬坡分布函数自变量取/>时的值；/>为系统向下爬坡灵活性不足期望；
系统向上灵活性不足概率及其期望：
；
；
其中，为系统t时刻向上灵活性不足概率；/>为取最大值；/> ;为系统所有机组加载后向上容量灵活性不足概率；/>为系统所有机组加载后向上爬坡灵活性不足概率；/>为系统所有机组加载后向上容量灵活性不足期望；/>为系统所有机组加载后向上爬坡灵活性不足期望；
系统向上灵活性不足概率及其期望：
；
；
其中，为系统t时刻向下灵活性不足概率；/>为取最大值；/>为系统t时刻向下灵活性不足期望；/>为系统所有机组加载后向下容量灵活性不足概率；为系统所有机组加载后向下爬坡灵活性不足概率；/>为系统所有机组加载后向下容量灵活性不足期望；/>为系统所有机组加载后向下爬坡灵活性不足期望。
进一步的，所述基于所述初始灵活性供需平衡能力，调整所述电力系统的灵活性资源的出力，包括：建立储能模型和需求响应模型；基于所述储能模型和所述需求响应模型的约束以及所述灵活性缺额情况，调用源侧储能和负荷需求响应调整所述灵活性资源的出力。
进一步的，所述储能模型的表达式为：
；
；
其中，为储能t时刻放电功率；/>为取最小值；/>为储能t时刻SOC状态；/>为储能最小SOC；/>为储能放电效率；/>为储能最大放电功率；/>为系统向上灵活性不足期望；/>为储能t时刻充电功率；/>为储能最大SOC；/>为充电效率；/>为储能最大充电功率；/>为系统向下灵活性不足期望；
所述储能模型的约束包括：
向上灵活性约束：
；
；
其中，为储能运行放电后的净负荷；/>为系统容量灵活性需求；/>为储能t时刻放电功率；/>为储能运行放电后的爬坡需求；/>为t时刻爬坡需求；/>为相邻时刻之差；
放电功率约束：
；
其中，为储能t+1时刻SOC状态；/>为储能t时刻SOC状态；/>为储能放电电量；/>为储能放电效率；
向下灵活性约束：
；
；
其中，为储能运行充电后的净负荷；/>为系统容量灵活性需求；/>为储能t时刻充电功率；/>为储能运行充电后的爬坡需求；/>为t时刻爬坡需求；/>为相邻时刻之差；
充电功率约束
；
其中，为储能t时刻充电电量；/>为储能充电效率；
所述需求响应模型的表达式为：
；
；
其中，为用户n月最大平均负荷；/>为取极大值；/>为用户n第1天的平均负荷；/>为第2天的平均负荷；/>为第30天的平均负荷；/>为用户n月最小平均负荷；
所述需求响应模型的约束包括：
需求响应潜力期望约束：
；
；
；
；
其中，为用户n向下灵活性最大值；/>为用户n月最大平均负荷；/>为用户n在t时刻的负荷值；/>为用户n向上灵活性最大值；/>为用户n月最小平均负荷；/>为用户n向上响应概率；/>为可控度；/>为可接受度；/>为用户n向上响应期望；/>为用户n向下响应概率；/>为用户n向下响应期望。
本发明实施例的技术方案至少具有如下优点和有益效果：
本发明通过在概率框架下计算灵活性需求以及灵活性供给分布，并考虑空间约束以及源-荷灵活性资源参与灵活性供给，能够更加准确评估次日灵活性供需情况，为运行调度计划提供指导。
本发明通过采用半不变量法进行卷积，提高了卷积速度，并保有可接受的精度。
附图说明
图1为本发明实施例提供的一种确定电力系统灵活性供需平衡能力的方法的示例性流程图；
图2为本发明实施例提供的确定电力系统的灵活性需求的示例性示意图；
图3为本发明实施例提供的确定电力系统的灵活性供给的示例性示意图；
图4为本发明实施例提供的确定电力系统灵活性供需平衡能力的系统的示例性模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
图1为本发明实施例提供的一种确定电力系统灵活性供需平衡能力的方法的示例性流程图。如图2所示，确定电力系统灵活性供需平衡能力的方法包括以下内容：
步骤110，基于预测风速和预测负荷，确定电力系统的灵活性需求。
预测风速可以是指预测的未来一段时间的风速。例如，预测的次日的风速。可以基于历史风电数据，通过ARMA对未来的风速进行预测，得到预测风速。其中，ARMA是指自回归滑动平均模型，可以通过ARMA描述时间序列数据的动态特征。预测负荷可以是指预测的次日负荷值。可以基于历史负荷数据，通过ARMA模型对未来的负荷大小进行预测。灵活性需求是指在未来一段时间内（如，次日），电力系统对灵活性资源的需求情况。其中，灵活性资源可以包括源测储能和负荷需求响应等资源。关于确定灵活性需求的更多内容，参见图2及其相关描述。
步骤120，基于有效容量分布和有效爬坡分布，确定电力系统的灵活性供给分布。
有效容量分布是指在特定的时间段内（如，次日0-24小时内），火电机组能够提供的有效发电容量的分布情况。有效爬坡分布是指在特定时间段内，火电机组从停机状态或低负荷状态开始，逐步提升至满负荷运行状态的过程中，火电机组在不同时间点上能够实现的爬坡速率的分布情况。灵活性供给分布。灵活性供给分布是指在特定的时间段内，电力系统中可调度的灵活性资源的分布情况。关于确定灵活性供给分布的更多内容，参见图3及其相关描述。
步骤130，基于所述灵活性需求和所述灵活性供给，确定所述电力系统的初始灵活性供需平衡能力。
灵活性供需平衡能力是指电力系统在面对不同负荷需求和可再生能源波动等变化时，保持供需平衡的能力。其中，所述基于所述灵活性需求和所述灵活性供给，确定所述电力系统的初始灵活性供需平衡能力，包括：
建立所述电力系统的灵活性评估指标。灵活性评估指标可以是指用于评估电力系统的灵活性的各种指标。其中，所述灵活性评估指标包括：
系统向上容量灵活性不足概率及其期望：
；
其中，为系统向上容量灵活性不足概率；/>为系统向上有效容量分布函数自变量取/>时的值；/>为系统容量灵活性需求；/>为系统向上灵活性不足期望；/>为系统向上有效容量分布函数以/>作为自变量；
系统向上爬坡灵活性不足概率及其期望：
；
其中，为系统向上爬坡灵活性不足概率；/>为系统向上有效爬坡分布函数自变量取/>时的值；/>为系统爬坡灵活性需求；/>为系统向上爬坡灵活性不足期望；/>为系统向上有效爬坡分布函数以/>作为自变量；
系统向下容量灵活性不足概率及其期望：
；
其中，为系统向下容量灵活性不足概率；/>为系统向下有效容量分布函数自变量取/>时的值；/>为系统向下容量灵活性不足期望；
系统向下爬坡灵活性不足概率及其期望：
；
其中，为系统向下爬坡灵活性不足概率；/>为系统向下有效爬坡分布函数自变量取/>时的值；/>为系统向下爬坡灵活性不足期望；
系统向上灵活性不足概率及其期望：
；
；
其中，为系统t时刻向上灵活性不足概率；/>为取最大值；/> ;为系统所有机组加载后向上容量灵活性不足概率；/>为系统所有机组加载后向上爬坡灵活性不足概率；/>为系统所有机组加载后向上容量灵活性不足期望；/>为系统所有机组加载后向上爬坡灵活性不足期望；
为系统向上灵活性不足期望；
系统向上灵活性不足概率及其期望：
；
；
其中，为系统t时刻向下灵活性不足概率；/>为取最大值；/>为系统t时刻向下灵活性不足期望；/>为系统所有机组加载后向下容量灵活性不足概率；为系统所有机组加载后向下爬坡灵活性不足概率；/>为系统所有机组加载后向下容量灵活性不足期望；/>为系统所有机组加载后向下爬坡灵活性不足期望。
基于所述灵活性评估指标和灵活性供需关系，得到灵活性缺额情况。灵活性供需关系是指电力系统中，可调度的灵活性资源与负荷需求之间的相互关系。灵活性缺额情况是指在特定时间段内，电力系统面临的灵活性资源不足的情况。
步骤140，基于所述初始灵活性供需平衡能力，调整所述电力系统的灵活性资源的出力。其中，所述基于所述初始灵活性供需平衡能力，调整所述电力系统的灵活性资源的出力，包括：
建立储能模型和需求响应模型。
基于所述储能模型和所述需求响应模型的约束以及所述灵活性缺额情况，调用源侧储能和负荷需求响应调整所述灵活性资源的出力。
其中，所述储能模型的表达式为：
；
；
其中，为储能t时刻放电功率；/>为取最小值；/>为储能t时刻SOC状态；/>为储能最小SOC；/>为储能放电效率；/>为储能最大放电功率；/>为系统向上灵活性不足期望；/>为储能t时刻充电功率；/>为储能最大SOC；/>为充电效率；/>为储能最大充电功率；/>是系统向下灵活性不足期望；
所述储能模型的约束包括：
向上灵活性约束：
；
；
其中，为储能运行放电后的净负荷；/>为系统容量灵活性需求；/>为储能t时刻放电功率；/>为储能运行放电后的爬坡需求；/>为t时刻爬坡需求；/>为相邻时刻之差；
放电功率约束：
；
其中，为储能t+1时刻SOC状态；/>为储能t时刻SOC状态；/>为储能放电电量；/>为储能放电效率；
向下灵活性约束：
；
；
其中，为储能运行充电后的净负荷；/>为系统容量灵活性需求；/>为储能t时刻充电功率；/>为储能运行充电后的爬坡需求；/>为t时刻爬坡需求；/>为相邻时刻之差；
充电功率约束
；
其中，为储能t时刻充电电量；/>为储能充电效率；
所述需求响应模型的表达式为：
；
；
其中，为用户n月最大平均负荷；/>为取极大值；/>为用户n第1天的平均负荷；/>为第2天的平均负荷；/>为第30天的平均负荷；/>为用户n月最小平均负荷；/>
所述需求响应模型的约束包括：
需求响应潜力期望约束：
；
；
；
；
其中，为用户n向下灵活性最大值；/>为用户n月最大平均负荷；/>为用户n在t时刻的负荷值；/>为用户n向上灵活性最大值；/>为用户n月最小平均负荷；/>为用户n向上响应概率；/>为可控度；/>为可接受度；/>为用户n向上响应期望；/>为用户n向下响应概率；/>为用户n向下响应期望。
步骤150，基于调整后的电力系统，确定所述电力系统的最终灵活性供需平衡能力。
在一些实施例中，还包括基于所述最终灵活性供需平衡能力，调整所述电力系统的电力系统计划；所述电力系统计划包括运行计划和交易计划。
需求响应由于受通信设备、控制设备、自身意愿等影响具有一定程度上的不确定性。本发明考虑需求响应的潜力期望与用户设备的可控度以及可接受度有关。其中为可控度，/>为可接受度可通过调研等手段获知。由于需求响应会直接改变负荷大小，不仅会改变当前时刻的灵活性供需关系，也会对相邻时刻灵活性供需关系产生影响，因此直接基于需求响应修正负荷曲线，并基于新的负荷曲线重新对灵活性供需情况进行评估。
图2为本发明实施例提供的确定电力系统的灵活性需求的示例性示意图。如图2所示，主要是基于ARMA模型对次日进行风速以及负荷进行预测，并根据风电出力特性曲线预测次日风电出力，利用风电出力与负荷结合生成净负荷曲线并以此评估系统灵活性需求。所述基于预测风速和预测负荷，确定电力系统的灵活性需求，包括：
基于所述预测风速及其预测误差，建立风电出力概率模型。所述预测误差是指预测风速与实际风速的误差值。风电出力概率模型可以用于描述风力发电在不同风速条件下产生电力的概率分布模型。可以首先利用ARMA模型预测风速，再根据风电出力特性曲线计算风电出力序列，最后将风电预测误差视为正态分布的随机变量，构建风电出力概率模型，所述风电出力概率模型的表达式为：
；
；/>
；
；
其中，为风电出力；/>为风机切入风速；/>为风机切出风速；A、B和C分别为风电机组功率特性曲线的第一参数、第二参数和第三参数；/>为风机额定功率；/>为风机额定风速；/>为预测误差概率分布；/>为预测误差概率分布的均值；/>为t时刻偏差随机变量的标准差；/>为风电总装机容量。
将所述风电出力概率模型作为负负荷与所述预测负荷相加，得到净负荷概率模型。净负荷概率模型可以用于描述风电出力与预测负荷的差值的概率分布模型。
通过拉丁超立方抽样方法对所述净负荷概率模型进行抽样，得到净负荷时间序列。净负荷时间序列是指按时间序列得到的净负荷的值。
基于所述净负荷时间序列中各时刻的净负荷，得到爬坡灵活性需求概率和容量灵活性需求。爬坡灵活性需求是指在未来一段时间内（如，次日），电力系统对机组爬坡的需求情况。容量灵活性需求是指在未来一段时间内，电力系统对机组容量的需求情况。其中，将t时刻净负荷与t-1时刻净负荷做差求得t-1时刻爬坡灵活性需求，所述爬坡灵活性需求的表达式为：
；
其中，为电力系统在t时刻的爬坡灵活性需求；/>为电力系统在t时刻的容量灵活性需求；/>为电力系统在t-1时刻的容量灵活性需求。
其中，将t时刻净负荷作为t时刻的容量灵活性需求，所述容量灵活性需求的表达式为：
；
其中，为电力系统在t时刻的容量灵活性需求；/>为电力系统的净负荷。
图3为本发明实施例提供的确定电力系统的灵活性供给的示例性示意图。如图3所示，考虑机组的随机故障以及空间约束，通过半不变量法构建系统灵活性供给概率分布初步评估系统供需平衡能力，所述基于有效容量分布和有效爬坡分布，确定电力系统的灵活性供给，包括：
基于火电机组的容量概率模型，基于半不变量法进行卷积得到有效容量分布。
容量概率模型可以用于描述火电机组在不同运行状态下产生电力的概率分布的模型。其中，所述容量概率模型的表达式为：
；
；
其中，为机组i向上有效发电容量分布；/>为机组i随机停运率；/>为机组i向下有效发电容量分布；/>是机组i最大技术出力；/>是机组i最小技术出力。
有效容量分布是指火电机组能够提供的有效发电容量的分布情况。其中，所述有效容量分布的表达式为：
；
；
其中，为系统向上有效容量分布；/>为机组1向上有效发电容量分布；为机组2向上有效发电容量分布；/>为机组/>向上有效发电容量分布；/>为系统向下有效容量分布；/>为机组1向下有效发电容量分布；/>为机组2向下有效发电容量分布；/>为机组/>向下有效发电容量分布。
基于所述火电机组的爬坡模型，得到有效爬坡分布。
爬坡模型用于描述火电机组从停机状态或低负荷状态开始，逐步提升至满负荷运行状态的模型。有效爬坡分布可以是指火电机组能够实现的有效爬坡速率的分布情况。其中，所述基于火电机组的爬坡模型，得到有效爬坡分布，包括：
将开机的火电机组设置为最小机组出力状态。最小机组出力状态是指火电机组运行时，机组能够稳定运行的最低发电能力水平。
按经济性依次加载所述火电机组，直至满足负荷需求，得到各所述火电机组的预出力状态。负荷需求是指电力用户对电力的实际需求量。预出力状态是指火电机组刚好能满足负荷需求的状态。
判断在所述预出力状态下，关键潮流断面是否越限。关键潮流断面是指在电力系统中，影响系统稳定性的重要输电线路或设备断面。
若越限，则调整所述火电机组的出力状态，并重复判断所述关键潮流断面是否越限。其中，调整包括调整各机组出力状态并为潮流断面留有余量以便后续负荷变动。
若未越限，则将该出力状态作为所述火电机组的运行状态。
建立火电机组爬坡模型，并根据所述运行状态判断电力系统是否可以爬坡。火电机组爬坡模型可以是指用于描述火电机组从停机状态或低负荷状态逐步提升至满负荷运行状态的数学模型。
基于所述电力系统是否可以爬坡，建立与电力系统故障相关的两状态模型。其中，所述两状态模型的表达式为：
；
；
其中，为机组i的向上爬坡速率；/>为机组i的向上爬坡速率；/>为机组i在t时刻的爬坡速率；/>为机组i的最大技术出力；/>为机组i的向下爬坡速率；/>为机组向下爬坡速率；/>为机组i的最小技术出力；随即停运后的概率分布模型的表达式为：
；
；
其中，为机组i向上有效爬坡分布；/>为相邻时刻之差；/>为机组/>的随机强迫停运率；/>为机组i向下有效爬坡分布。
基于所述两状态模型，通过半不变量法，得到所述有效爬坡分布。其中，所述有效爬坡分布的表达式为：
；
；
其中和/>分别为系统向上/向下有效爬坡分布；/>为机组1向上有效爬坡分布；/>为机组2向上有效爬坡分布；/>为机组/>向上有效爬坡分布；为机组1向下有效爬坡分布；/>为机组2向下有效爬坡分布；/>为机组/>向下有效爬坡分布。
基于所述有效容量分布和所述有效爬坡分布，确定灵活性供给分布。其中，确定所述灵活性供给分布，包括：
首先计算随机变量的各阶矩：
；
其中，为随机变量的/>阶矩，/>为随机变量取值/>的概率；/>为随机变量/>的/>阶矩。
半不变量法是利用随机变量的各阶矩表示的一种数字特征，在一定程度上代表了随机分布的特性。前八阶半不变量与各阶矩之前的代数关系可以表示为：
；
其中，为随机变量的各阶半不变量；/>为随机变量的1阶矩，其他以此类推。
由一个未知随机变量的各阶半不变量计算该随机变量的函数值通常可以利用Gram-Charlier级数展开式把随机变量的分布函数表达为由正态随机变量各阶导数组成的级数，具体计算公式如下：
；
；
其中，为随机变量/>的的概率分布函数，/>为/>的概率密度函数。/>和/>分别为标准正态分布概率密度函数和分布函数，具体如下：
；
；
其中，为埃尔米特多项式。前6项为：
；/>
；
；
；
；
；
；
由此通过随机变量的分布函数的Gram-Charlier级数展开式，可以得到灵活性供给分布，所述灵活性供给分布的表达式为：
；
其中，为灵活性供给分布；/>为标准正态分布概率密度函数；/>为规格化后的随机变量/>；/>为标准正态分布函数；/>为规格化后的3阶半不变量；/>为埃尔米特多项式的第二式；/>为规格化后的4阶半不变量；/>为埃尔米特多项式的第三式；/>为规格化后的5阶半不变量；/>为埃尔米特多项式的第四式；/>为规格化后的6阶半不变量；/>为埃尔米特多项式的第五式。
图4为本发明实施例提供的确定电力系统灵活性供需平衡能力的系统的示例性模块图。如图4所示，确定电力系统灵活性供需平衡能力的系统包括由灵活性需求评估模块、灵活性供给评估模块、考虑源-荷灵活性资源的系统灵活性供需平衡能力评估模块，
所述系统灵活性需求评估模块，用于预测次日风速以及负荷时间序列，并根据风电出力特性曲线计算次日风电出力曲线，并根据风电出力曲线来计算预测误差概率分布，最后与负荷数据进行代数计算评估次日灵活性需求情况。
所述灵活性供给评估模块，用于计算考虑空间约束的常规机组的灵活性供给能力并以此生成初步灵活性供需平衡能力评估结果。
所述考虑源-荷灵活性资源的供需平衡能力评估模块，基于初步评估结果综合考虑源-荷灵活性资源所能提供的灵活性计算最后的供需平衡能力评估结果。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种确定电力系统灵活性供需平衡能力的方法，其特征在于，包括：
基于预测风速和预测负荷，确定电力系统的灵活性需求；
基于有效容量分布和有效爬坡分布，确定电力系统的灵活性供给分布；
基于所述灵活性需求和所述灵活性供给，确定所述电力系统的初始灵活性供需平衡能力；
基于所述初始灵活性供需平衡能力，调整所述电力系统的灵活性资源的出力；
基于调整后的电力系统，确定所述电力系统的最终灵活性供需平衡能力。
2.根据权利要求1所述的确定电力系统灵活性供需平衡能力的方法，其特征在于，所述基于预测风速和预测负荷，确定电力系统的灵活性需求，包括：
基于所述预测风速及其预测误差，建立风电出力概率模型；
将所述风电出力概率模型作为负负荷与所述预测负荷相加，得到净负荷概率模型；
通过拉丁超立方抽样方法对所述净负荷概率模型进行抽样，得到净负荷时间序列；
基于所述净负荷时间序列中各时刻的净负荷，得到爬坡灵活性需求和容量灵活性需求。
3.根据权利要求2所述的确定电力系统灵活性供需平衡能力的方法，其特征在于，所述风电出力概率模型的表达式为：；
；
；
；
；
其中，为风电出力；/>为预测风速；/>为风机切入风速；/>为风机切出风速；A、B和C分别为风电机组功率特性曲线的第一参数、第二参数和第三参数；/>为风机额定功率；/>为风机额定风速；/>为预测误差概率分布；/>为以/>为均值，/>为标准差的正态分布；为预测误差概率分布的均值；/>为t时刻偏差随机变量的标准差；/>为风电总装机容量；
所述爬坡灵活性需求的表达式为：
；
其中，为电力系统在t时刻的爬坡灵活性需求；/>为电力系统在t时刻的容量灵活性需求；/>为电力系统在t-1时刻的容量灵活性需求；
所述容量灵活性需求的表达式为：
；
其中，为电力系统在t时刻的容量灵活性需求；/>为电力系统的净负荷。
4.根据权利要求1所述的确定电力系统灵活性供需平衡能力的方法，其特征在于，所述基于有效容量分布和有效爬坡分布，确定电力系统的灵活性供给，包括：
基于火电机组的容量概率模型，得到有效容量分布；
基于所述火电机组的爬坡模型，得到有效爬坡分布；
基于所述有效容量分布和所述有效爬坡分布，确定灵活性供给分布。
5.根据权利要求4所述的确定电力系统灵活性供需平衡能力的方法，其特征在于，所述基于火电机组的爬坡模型，得到有效爬坡分布，包括：
将开机的火电机组设置为最小机组出力状态；
加载所述火电机组，直至满足负荷需求，得到各所述火电机组的预出力状态；
判断在所述预出力状态下，关键潮流断面是否越限；
若越限，则调整所述火电机组的出力状态，并重复判断所述关键潮流断面是否越限；
若未越限，则将该出力状态作为所述火电机组的运行状态；
建立火电机组爬坡模型，并根据所述运行状态判断电力系统是否可以爬坡；
基于所述电力系统是否可以爬坡，建立与电力系统故障相关的两状态模型；
基于所述两状态模型，通过半不变量法，得到所述有效爬坡分布。
6.根据权利要求5所述的确定电力系统灵活性供需平衡能力的方法，其特征在于，所述容量概率模型的表达式为：
；
；
其中，为机组i向上有效发电容量分布；/>为机组i随机停运率；/>为机组i向下有效发电容量分布；/>是机组i最大技术出力；/>是机组i最小技术出力；
所述有效容量分布的表达式为：
；
；
其中，为系统向上有效容量分布；/>为机组1向上有效发电容量分布；/>为机组2向上有效发电容量分布；/>为机组/>向上有效发电容量分布；/>为系统向下有效容量分布；/>为机组1向下有效发电容量分布；/>为机组2向下有效发电容量分布；/>为机组/>向下有效发电容量分布；
所述爬坡模型的表达式为：
；
；
其中，为机组i的有效向上爬坡速率；/>为机组i的向上爬坡速率；/>为机组i在t时刻的爬坡速率；/>为机组i的最大技术出力；/>为机组i的向下爬坡速率；/>为机组有效向下爬坡速率；/>为机组i的最小技术出力；考虑随机停运后的概率分布模型的表达式为：
；
；
其中，为机组i向上有效爬坡分布；/>为相邻时刻之差；/>为机组/>的随机强迫停运率；/>为机组i向下有效爬坡分布；
所述有效爬坡分布的表达式为：
；
；
其中和/>分别为系统向上/向下有效爬坡分布；/>为机组1向上有效爬坡分布；/>为机组2向上有效爬坡分布；/>为机组/>向上有效爬坡分布；/>为机组1向下有效爬坡分布；/>为机组2向下有效爬坡分布；/>为机组/>向下有效爬坡分布；
所述灵活性供给分布的表达式为：
；
其中，为灵活性供给分布；/>为标准正态分布概率密度函数；/>为规格化后的随机变量/>；/>为标准正态分布函数；/>为规格化后的3阶半不变量；/>为埃尔米特多项式的第二式；/>为规格化后的4阶半不变量；/>为埃尔米特多项式的第三式；/>为规格化后的5阶半不变量；/>为埃尔米特多项式的第四式；/>为规格化后的6阶半不变量；/>为埃尔米特多项式的第五式。
7.根据权利要求1所述的确定电力系统灵活性供需平衡能力的方法，其特征在于，所述灵活性需求和所述灵活性供给，确定所述电力系统的初始灵活性供需平衡能力，包括：
建立所述电力系统的灵活性评估指标；
基于所述灵活性评估指标和灵活性供需关系，得到灵活性缺额情况。
8.根据权利要求7所述的确定电力系统灵活性供需平衡能力的方法，其特征在于，所述灵活性评估指标包括：
系统向上容量灵活性不足概率及其期望：
；
其中，为系统向上容量灵活性不足概率；/>为系统向上有效容量分布函数自变量取/>时的值；/>为系统容量灵活性需求；/>为系统向上容量灵活性不足期望；为系统向上有效容量分布函数并以/>作为自变量；
系统向上爬坡灵活性不足概率及其期望：
；
其中，为系统向上爬坡灵活性不足概率；/>为系统向上有效爬坡分布函数自变量取/>时的值；/>为系统爬坡灵活性需求；/>为系统向上爬坡灵活性不足期望；为系统向上有效爬坡分布函数并以/>作为自变量；
系统向下容量灵活性不足概率及其期望：
；
其中，为系统向下容量灵活性不足概率；/>为系统向下有效容量分布函数自变量取/>时的值；/>为系统向下容量灵活性不足期望；/>为系统向下有效容量分布函数并以/>作为自变量；
系统向下爬坡灵活性不足概率及其期望：
；
其中，为系统向下爬坡灵活性不足概率；/>为系统向下有效爬坡分布函数自变量取/>时的值；/>为系统向下爬坡灵活性不足期望；/>为系统向下有效爬坡分布函数并以/>作为自变量；
系统向上灵活性不足概率及其期望：
；
；
其中，为系统t时刻向上灵活性不足概率；/>为取最大值； />为系统所有机组加载后向上容量灵活性不足概率；/>为系统所有机组加载后向上爬坡灵活性不足概率；/>为系统所有机组加载后向上容量灵活性不足期望；/>为系统所有机组加载后向上爬坡灵活性不足期望；
系统向下灵活性不足概率及其期望：
；
；
其中，为系统t时刻向下灵活性不足概率；/>为取最大值；/>为系统所有机组加载后向下容量灵活性不足概率；/>为系统所有机组加载后向下爬坡灵活性不足概率；/>为系统所有机组加载后向下容量灵活性不足期望；/>为系统所有机组加载后向下爬坡灵活性不足期望。
9.根据权利要求1所述的确定电力系统灵活性供需平衡能力的方法，其特征在于，所述基于所述初始灵活性供需平衡能力，调整所述电力系统的灵活性资源的出力，包括：
建立储能模型和需求响应模型；
基于所述储能模型和所述需求响应模型的约束以及所述灵活性缺额情况，调用源侧储能和负荷需求响应调整所述灵活性资源的出力。
10.根据权利要求9所述的确定电力系统灵活性供需平衡能力的方法，其特征在于，所述储能模型的表达式为：
；
；
其中，为储能t时刻放电功率；/>为取最小值；/>为储能t时刻SOC状态；为储能最小SOC；/>为储能放电效率；/>为储能最大放电功率；/>为系统向上灵活性不足期望；/>为储能t时刻充电功率；/>为储能最大SOC；/>为充电效率；/>为储能最大充电功率；/>是系统向下灵活性不足期望；
所述储能模型的约束包括：
向上灵活性约束：
；
；
其中，为储能运行放电后的净负荷；/>为系统容量灵活性需求；/>为储能t时刻放电功率；/>为储能运行放电后的爬坡需求；/>为t时刻爬坡需求；/>为相邻时刻之差；
放电功率约束：
；
其中，为储能t+1时刻SOC状态；/>为储能t时刻SOC状态；/>为储能放电电量；为储能放电效率；
向下灵活性约束：
；
；
其中，，为储能运行充电后的净负荷；/>为系统容量灵活性需求；/>为储能t时刻充电功率；/>为储能运行充电后的爬坡需求；/>为t时刻爬坡需求；/>为相邻时刻之差；
充电功率约束
；
其中，为储能t时刻充电电量；/>为储能充电效率；
所述需求响应模型的表达式为：
；
；
其中，为用户n月最大平均负荷；/>为取极大值；/>为用户n第1天的平均负荷；/>为第2天的平均负荷；/>为第30天的平均负荷；/>为用户n月最小平均负荷；
所述需求响应模型的约束包括：
需求响应潜力期望约束：
；
；
；
；
其中，为用户n向下灵活性最大值；/>为用户n月最大平均负荷；/>为用户n在t时刻的负荷值；/>为用户n向上灵活性最大值；/>为用户n月最小平均负荷；为用户n向上响应概率；/>为可控度；/>为可接受度；/>为用户n向上响应期望；/>为用户n向下响应概率；/>为用户n向下响应期望。
CN202311187261.4A 2023-09-14 2023-09-14 一种确定电力系统灵活性供需平衡能力的方法 Pending CN117154850A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311187261.4A CN117154850A (zh) 2023-09-14 2023-09-14 一种确定电力系统灵活性供需平衡能力的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311187261.4A CN117154850A (zh) 2023-09-14 2023-09-14 一种确定电力系统灵活性供需平衡能力的方法

Publications (1)

Publication Number Publication Date
CN117154850A true CN117154850A (zh) 2023-12-01

Family

ID=88898708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311187261.4A Pending CN117154850A (zh) 2023-09-14 2023-09-14 一种确定电力系统灵活性供需平衡能力的方法

Country Status (1)

Country Link
CN (1) CN117154850A (zh)

Similar Documents

Publication Publication Date Title
KR101490611B1 (ko) 풍력 발전 시스템, 풍력 발전 제어 장치 및 풍력 발전 제어 방법
JP6198894B2 (ja) 風力発電所の運転制御装置、運転制御方法及び風力発電システム
CN107944757A (zh) 电力互联系统可再生能源消纳能力评估分析方法
CN112381375B (zh) 一种基于潮流分配矩阵的电网经济运行域快速生成方法
FR3013514A1 (fr) Dispositif et procede de recharge de vehicules electriques ou hybrides
Zhang et al. A multiobjective robust scheduling optimization mode for multienergy hybrid system integrated by wind power, solar photovoltaic power, and pumped storage power
Zhou et al. Interval optimization combined with point estimate method for stochastic security-constrained unit commitment
CN107359611B (zh) 考虑多种随机因素的配电网等值方法
CN112383086A (zh) 一种孤岛微电网日前能量-备用联合优化调度方法
CN115510677A (zh) 一种风电场发电能力评估方法及系统
CN117077974A (zh) 虚拟电厂资源优化调度方法、装置、设备及存储介质
JP7285053B2 (ja) 電力需給制御装置、電力需給制御システムおよび電力需給制御方法
JP6584657B2 (ja) 電流電圧制御装置
Eltohamy et al. Power system flexibility metrics evaluation and power ramping analysis for high variable renewable generation shares
JP6705319B2 (ja) 統括制御装置、統括制御システム、統括制御方法および統括制御プログラム
US11921482B2 (en) Method of controlling a microgrid, power management system, and energy management system
Odero et al. Wind Energy Resource Prediction and Optimal Storage Sizing to Guarantee Dispatchability: A Case Study in the Kenyan Power Grid
CN117154850A (zh) 一种确定电力系统灵活性供需平衡能力的方法
CN112634076B (zh) 一种计及灵活性储备的含风电多微网系统分布式调控方法
CN109787279B (zh) 一种风电并网系统不确定调度问题的区间量求解方法
CN113489066A (zh) 计及供需不确定性的含储能电网区间供电可靠性评估方法
CN113255957A (zh) 综合服务站不确定因素的定量优化分析方法及系统
CN116195157A (zh) 用于预测能量服务提供的方法和装置以及软件程序产品
Awad Novel planning and market models for energy storage systems in smart grids
CN114884137B (zh) 一种功率控制方法、装置、电子设备及存储介质

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