CN117937433A - 基于安全域的风电最大接纳能力预测方法及系统 - Google Patents
基于安全域的风电最大接纳能力预测方法及系统 Download PDFInfo
- Publication number
- CN117937433A CN117937433A CN202311702638.5A CN202311702638A CN117937433A CN 117937433 A CN117937433 A CN 117937433A CN 202311702638 A CN202311702638 A CN 202311702638A CN 117937433 A CN117937433 A CN 117937433A
- Authority
- CN
- China
- Prior art keywords
- constraint
- power
- time
- maximum
- node
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004088 simulation Methods 0.000 claims abstract description 68
- 238000002347 injection Methods 0.000 claims abstract description 64
- 239000007924 injection Substances 0.000 claims abstract description 64
- 238000004519 manufacturing process Methods 0.000 claims abstract description 62
- 239000000243 solution Substances 0.000 claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims description 32
- 239000013598 vector Substances 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 9
- 230000009194 climbing Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000011155 quantitative monitoring Methods 0.000 abstract description 2
- 238000003860 storage Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 8
- 238000010248 power generation Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
基于安全域的风电最大接纳能力预测方法及系统,以最大节点电压、最小节点电压和最大支路电流对应的临界功率注入变量构造功率注入边界条件作为安全域的边界,获得功率注入空间中的安全域;建立时序生产模拟模型,其中,以可再生能源的最大消耗量作为模型的目标函数,以机组启停机运行状态逻辑约束作为时序生产模拟模型的控制约束;基于功率注入空间中的安全域选择关键时间断面下的运行约束;基于时序生产模拟模型,以关键时间断面下的运行约束、出力联合约束和控制约束构成联合约束条件,在联合约束条件下对时序生产模拟模型的目标函数进行求解,以所得的解作为风电最大接纳能力预测结果。实现高比例新能源场站的运行的稳定性与安全性的量化监控。
Description
技术领域
本发明属于电力系统运行的稳定性和安全性领域,特别涉及一种基于安全域的风电最大接纳能力预测方法及系统。
背景技术
高比例新能源电网中,新能源波动的随机性导致了发电功率的不稳定,增加了电网供电系统的不确定性,为电网安全运行带来了潜在风险。电网供需不平衡最直接表现是频率变化,当频率超过电网所规定的范围时,会有发电机退出运行或者引发低频减载来保证系统的安全运行。
现有技术中,对多电源接入大电网的频率稳定量化评价,传统调度方法依赖安全稳定后校验,即先以系统运行的经济性为目标,制定出候选的调度计划,然后借助潮流计算、特征值分析、时域仿真等方法,对相应运行方式进行安全稳定校核,仅能在给定负荷预测的基础上,针对特定的调度方式,判断系统是否能满足网络安全约束。在每小时的安全稳定校验中,对于一种预想事故,受风电波动性、间歇性与不确定性的影响,存在数量巨大的可能运行状态(即数量巨大的待选节点注入向量)。若要求电力系统调度运行人员每天对次日的调度方案进行如此规模的数值仿真意味着巨大的工作量,实施效率低。因此,亟需可有效考虑安全稳定约束的调度运行理论与方法。此外,在电力系统中,系统频率是一个虚拟的集成概念,用来表征系统的平均频率。对于一个大型互联电网,系统局部频率的变化以及相应的越线风险无法被准确地预测,但针对每一台发电机都进行频率预测又不切实际。
发明内容
为解决现有技术中存在的不足,本发明提供一种基于安全域的风电最大接纳能力预测方法及系统,在电力系统日常调度工作中有效计及系统的小扰动稳定、暂态稳定等复杂的网络安全约束,保证大规模风电并网后电力系统的安全稳定运行。
本发明采用如下的技术方案。
本发明提出了一种基于安全域的风电最大接纳能力预测方法,包括:
步骤1,根据输电网络结构,以最大节点电压、最小节点电压和最大支路电流对应的临界功率注入变量构造功率注入边界条件,作为安全域的边界,获得输电网络中的功率注入空间中的安全域;
步骤2,建立时序生产模拟模型,其中,以可再生能源的最大消耗量作为模型的目标函数,以潮流约束、旋转备用约束、常规机组出力约束、常规机组爬坡约束、机组最小启停时间约束、新能源出力约束作为时序生产模拟模型的出力联合约束,以机组启停机运行状态逻辑约束作为时序生产模拟模型的控制约束;
步骤3,基于功率注入空间中的安全域选择关键时间断面下的运行约束;基于时序生产模拟模型,以关键时间断面下的运行约束、出力联合约束和控制约束构成联合约束条件,在联合约束条件下对时序生产模拟模型的目标函数进行求解,以所得的解作为风电最大接纳能力预测结果。
优选地,步骤1包括:
步骤1.1,根据输电网络结构,建立考虑潮流运行约束的安全域;
步骤1.2,基于考虑潮流运行约束的安全域,建立任意节点的电压幅值增量模型和任意线路的电流幅值增量模型;
步骤1.3,基于节点的电压幅值增量模型和线路的电流幅值增量模型,以最大节点电压、最小节点电压和最大支路电流对应的临界功率注入变量构造功率注入边界条件;
步骤1.4,对功率注入边界条件归一化处理;
步骤1.5,以归一化处理后的功率注入边界条件作为安全域的边界,获得输电网络中的功率注入空间中的安全域。
优选地,步骤1.3中,节点i的电压幅值增量模型ΔVi满足如下关系式:
式中,aik和bik是雅可比矩阵J求出的系数,ΔPk、ΔQk分别为各节点的有功功率的变化量和无功功率变化的变化量,k为各节点编号,N是节点集。
优选地,步骤1.3中,线路l的电流幅值增量模型满足如下关系式:
式中,|Il|为求取向量Il模的函数,Δ|Il|2为电流Il的变化量,clk和dlk是行向量Sl和矩阵Aij求出的系数,Sl∈R1×4是一个由节点i电压相角θi、节点j电压相角θj、节点i电压幅值Vi和节点j电压幅值Vj的一阶导数组成的行向量,Aij是由雅可比矩阵J-1中的向量组成的矩阵,ΔP、ΔQ分别为有功功率矢量P的变化量、无功功率矢量Q的变化量,R为实数集。
优选地,步骤1.5中,输电网络中的功率注入空间中的安全域,满足如下关系式:
式中,Ω为安全域,x为有功功率矢量和无功功率矢量组成的集合,k、i均为各节点编号,N、B分别是节点集和分支集,和/>均为超平面系数,上标V、v、I分别对应最大节点电压、最小节点电压和最大支路电流,Pk、Qk分别为各节点的有功功率和无功功率。
优选地,在考虑电网安全的情况下,时序生产模拟模型的目标函数f,表示如下:
式中,TN为时序生产模拟的运行总时间;Piw(t)为t时刻系统可消纳的总风电功率;Pis(t)为t时刻系统可消纳的总光伏功率。
优选地,机组启停机运行状态逻辑约束如下所示:
式中,
Ek(t)为第k个机组在t时刻的运行状态的0-1变量,Ek(t)等于1时表示t时刻第k个机组处于运行状态,Ek(t)等于0时表示t时刻第k个机组处于停机状态;
Fk(t)为第k个机组在t时刻的启动状态的0-1变量,Fk(t)为1时表示t时刻第k个机组正在执行启动操作,Fk(t)为0时表示t时刻第k个机组不在执行启动操作;
Gk(t)为第k个机组在t时刻的停机状态的0-1变量,Gk(t)为1时表示t时刻第k个机组正在执行停止操作,Gk(t)为0时表示t时刻第k个机组不在执行停止操作。
优选地,机组最小启停时间约束,如下所示:
式中,Trun、Tshut分别为机组的最小持续运行时间和最小持续停机时间。
优选地,步骤3包括:
步骤3.1,忽略运行约束下,对时序生产模拟模型进行仿真,以获得时间断面运行点;
步骤3.2,若时间断面运行点均在功率注入空间的安全域中,则以时间断面作为关键时间断面,若时间断面中存在t时刻运行点不在功率注入空间的安全域中,则以t时刻作为关键时间断面;
步骤3.3,在关键时间断面下,联合求解时序生产模拟模型和运行约束,获得最优运行点。
本发明还提出了一种基于安全域的风电最大接纳能力预测系统,包括:
安全域构造模块,时序生产模拟模型模块,预测模块;
安全域构造模块,用于根据输电网络结构,以最大节点电压、最小节点电压和最大支路电流对应的临界功率注入变量构造功率注入边界条件,作为安全域的边界,获得输电网络中的功率注入空间中的安全域;
时序生产模拟模型模块,用于建立时序生产模拟模型,其中,以可再生能源的最大消耗量作为模型的目标函数,以潮流约束、旋转备用约束、常规机组出力约束、常规机组爬坡约束、机组最小启停时间约束、新能源出力约束作为时序生产模拟模型的出力联合约束,以机组启停机运行状态逻辑约束作为时序生产模拟模型的控制约束;
预测模块,用于基于功率注入空间中的安全域选择关键时间断面下的运行约束;基于时序生产模拟模型,以关键时间断面下的运行约束、出力联合约束和控制约束构成联合约束条件,在联合约束条件下对时序生产模拟模型的目标函数进行求解,以所得的解作为风电最大接纳能力预测结果。
本发明的有益效果在于,与现有技术相比,本发明提出的基于安全域的风电最大接纳能力评估方法,对新能源涉网特性诊断识别,可实现高比例新能源场站的运行的稳定性与安全性的量化监控,有效评估交直流混联、多电源接入大电网的情况下,电网对于波动的运行管控能力,提升电力系统的稳定性与安全性,形成良性循环。
附图说明
图1是本发明提出的一种基于安全域的风电最大接纳能力预测方法的流程图;
图2是本发明实施例中改良的IEEE-30节点输电网结构图;
图3是本发明实施例中风力发电的月调节图;
图4是本发明实施例中8760h时所有节点的电压分布图。
具体实施方式
为使本发明的目的、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,对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例,而不是全部实施例。基于本发明精神,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明的保护范围。
本发明提出了一种基于安全域(security region,SR)的风电最大接纳能力预测方法,通过利用SR推导出输电网的线性运行约束,并以残差优化(residual-refinement,RES)的最大消耗量为评价目标,建立了基于SR的年度时序生产模拟仿真模型。同时,考虑到计算效率,采用迭代方法选择关键时间段的约束条件,以逼近所有时间段的限制条件。
如图1所示,方法包括:
步骤1,根据输电网络结构,以最大节点电压、最小节点电压和最大支路电流对应的临界功率注入变量构造功率注入边界条件,作为安全域的边界,获得输电网络中的功率注入空间中的安全域。
具体地,步骤1包括:
步骤1.1,根据输电网络结构,建立功率注入空间的安全域。
具体地,获取输电网络的n+1个节点和bn条线路,定义节点0是松弛节点,定义N和B分别是节点集和分支集,定义P和Q分别是有功功率矢量和无功功率矢量。在功率注入空间中,考虑潮流运行约束的安全域Ω表示如下:
式中,x为有功功率矢量和无功功率矢量组成的集合,满足x:=(PT,QT)T∈R2n;R为实数集;Vi m、Vi和Vi M分别为节点i电压幅值的最小值、当前值和最大值,Il和/>分别为线路l的电流幅值向量和电流幅值上限,/>|Il|为求取向量Il模的函数;f(V,θ)=x为潮流方程;θ为电压相角。
步骤1.2,基于功率注入空间的安全域,建立任意节点的电压幅值增量模型和任意线路的电流幅值增量模型。
具体地,设线路l的首、末端节点分别为i和j,其导纳为gl+jbl,线路l上的电流Il表示如下:
式中,Vi、θi和Vj、θj分别为节点i和节点j的电压幅值和相角;gl、bl分别为线路l的电导和电纳;bi0为节点i的自导纳;θij为节点i和节点j的电压相角差。
假设为线路l上当前流经的电流幅值。针对式(2)进行泰勒展开,得到如下关系式:
式中,Δ|Il|2为电流Il的变化量;Sl∈R1×4是一个由节点i电压相角θi、节点j电压相角θj、节点i电压幅值Vi和节点j电压幅值Vj的一阶导数组成的行向量;Δθi、Δθj、ΔVi、ΔVj分别是节点i电压相角的变化量、节点j电压相角的变化量、节点i电压幅值的变化量、节点j电压幅值的变化量。
结合潮流方程,推导任意节点的电压幅值增量模型和任意线路的电流幅值增量模型,具体如下:
式中,J为潮流方程的雅可比矩阵;Aij是由J-1中的向量组成的矩阵;ΔP、ΔQ分别为有功功率矢量P的变化量、无功功率矢量Q的变化量。
任意节点的电压幅值增量模型满足如下关系式:
式中,aik和bik是雅可比矩阵J求出的系数,ΔPk、ΔQk分别为各节点的有功功率的变化量和无功功率变化的变化量,k为各节点编号。
任意线路的电流幅值增量模型满足如下关系式:
式中,clk和dlk是行向量Sl和矩阵Aij求出的系数。
步骤1.3,基于节点的电压幅值增量模型和线路的电流幅值增量模型,以最大节点电压、最小节点电压和最大支路电流对应的临界功率注入变量构造功率注入边界条件。
根据所有节点和分支的运行约束,根据式(6)和式(7)推导出如下关系式式:
式中,和/>分别是最大节点电压、最小节点电压和最大支路电流对应的临界功率注入变量。
步骤1.4,对功率注入边界条件归一化处理;
整理式(8)并进行归一化处理得到如下式所示:
式中,和/>为超平面系数。
步骤1.5,以归一化处理后的功率注入边界条件作为安全域的边界,获得输电网络中的功率注入空间中的安全域;
对于既定的网络拓扑结构来说,超平面系为常数。因此,输电网络中,以最大节点电压、最小节点电压和最大支路电流对应的有功功率和无功功率,建立功率注入空间中的安全域满足如下关系式:
步骤2,建立时序生产模拟模型,其中,以可再生能源的最大消耗量作为模型的目标函数,以潮流约束、旋转备用约束、常规机组出力约束、常规机组爬坡约束、机组最小启停时间约束、机组启停机运行状态逻辑约束、新能源出力约束作为时序生产模拟模型的联合约束。
具体地,步骤2包括:
步骤2.1,在考虑电网安全的情况下,以可再生能源的最大消耗量作为时序生产模拟模型的目标函数f,表示如下:
式中,TN为时序生产模拟的运行总时间,实施例中TN取为8760h;Piw(t)为t时刻系统可消纳的总风电功率;Pis(t)为t时刻系统可消纳的总光伏功率。
步骤2.2,以潮流约束、旋转备用约束、常规机组出力约束、常规机组爬坡约束、机组最小启停时间约束、新能源出力约束作为时序生产模拟模型的出力联合约束。
具体地,出力联合约束包括:
1)、潮流约束,如下所示:
式中,ngen为系统中的常规机组数量;为第k个机组在t时刻的有功出力;Pl(t)为t时刻系统的总负荷。
2)、旋转备用约束,如下所示:
式中,为第k个机组的有功出力上限;Pb为系统的正旋转备用;Ek(t)为第k个机组在t时刻的运行状态的0-1变量,Ek(t)等于1时表示t时刻第k个机组处于运行状态,Ek(t)等于0时表示t时刻第k个机组处于停机状态。
3)、常规机组出力约束,如下所示:
式中,分别为第k个机组的有功出力下限和上限,/>为第k个机组的有功出力。
4)、常规机组爬坡约束,如下所示:
式中,分别为第k个机组t时刻、t+1时刻的有功出力;/> 分别为第k个机组允许的最大上坡速率和最大下坡速率。
5)、机组最小启停时间约束,如下所示:
式中,Fk(t)和Gk(t)分别表示第k个机组在t时刻的启动状态、停机状态的0-1变量,其中,Fk(t)为1时表示t时刻第k个机组正在执行启动操作,Fk(t)为0时表示t时刻第k个机组不在执行启动操作;Gk(t)为1时表示t时刻第k个机组正在执行停止操作,Gk(t)为0时表示t时刻第k个机组不在执行停止操作;Trun、Tshut分别为机组的最小持续运行时间和最小持续停机时间。
6)、新能源出力约束如下所示:
式中,和/>分别为风电和光伏在t时刻的理论最大出力。
步骤2.3,以机组启停机运行状态逻辑约束作为时序生产模拟模型的控制约束;
机组启停机运行状态逻辑约束如下所示:
本发明中,对第k个常规发电机组加入描述机组运行状态的3类0-1变量Ek(t)、Fk(t)、Gk(t),通过机组的出力联合约束和控制约束,充分反映常规机组启停以及新能源发电投入和切出的逻辑关系,实际是在以新能源消纳最大为优化目标的前提下,去优化常规机组的启停机操作,不是简单的以时间为常规机组启停机操作时刻,而是需要同时关联当前时刻下的新能源消纳率来判断是否执行启停机操作。此外,3类0-1变量的引入,还能有效改善时序生产模拟模型的紧性,从而缩短松弛问题的解与整数解之间的距离,提高计算效率和计算精度。
步骤3,基于功率注入空间中的安全域选择关键时间断面下的运行约束;基于时序生产模拟模型,以关键时间断面下的运行约束、出力联合约束和控制约束构成联合约束条件,在联合约束条件下对时序生产模拟模型的目标函数进行求解,以所得的解作为风电最大接纳能力预测结果。
具体地,即使在时序生产模拟模型中应用安全域法,在考虑8760个时间段下的运行约束时,评估模型也无法快速求解。因此,本发明提出基于功率注入空间中的安全域选择关键时间断面下的运行约束,并且所选择的运行约束等价于考虑8760个时间段的运行约束。关键时间断面的选择既可以保证运行安全又可以提高计算效率。
具体地,步骤3包括:
步骤3.1,忽略运行约束下,对时序生产模拟模型进行仿真,以获得时间断面运行点。
步骤3.2,若时间断面运行点均在功率注入空间的安全域中,则以时间断面作为关键时间断面,若时间断面中存在t时刻运行点不在功率注入空间的安全域中,则以t时刻作为关键时间断面。
步骤3.3,在关键时间断面下,联合求解时序生产模拟模型和运行约束,获得最优运行点。
实施例中,经过仿真表明,SR的应用可以使操作约束线性化。然而,大多数现有的SR生成方法计算负担重,不适合在线应用。本发明提出的方法以最大节点电压、最小节点电压和最大支路电流对应的临界功率注入变量构造功率注入边界条件,作为安全域的边界,能够快速生成SR边界,从而利用SR推导出输电网的线性运行约束,并以RES的最大消耗量为评价目标,建立了基于SR的年度时序生产模拟模型仿真模型。同时,考虑到计算效率,采用迭代方法选择关键时间断面的约束条件,以逼近所有时间段的限制条件。
针对图2所示的IEEE-30节点输电网进行测试。整个输电网中,图中节点7、11均安装光伏PV,所有光伏装机容量均为70MW。节点19和29装有风力发电机WP,所有风力发电机的装机容量分别为70MW和45MW。时序生产模拟方法是利用8760h的负荷数据、5954h的风力发电数据和4380h的光伏发电数据构建的。同时,模拟的边界条件如表1所示。
表1边界条件
参数 | 取值 |
电压上限/下限/pu | 1.05/0.95 |
最大/最小技术出力/pu | 1/0.1 |
爬坡速率/(MW/h) | 30 |
最小启/停机时间/h | 2 |
热备用系数 | 0.05 |
支路功率限额/MW | 50 |
采用本发明提出的方法时,第一次迭代选择了324个关键时间段,经过4次迭代后,所有节点电压幅值和支线幅值都满足约束条件,得到379个关键时间段。模拟后,总弃光量为10.516GWh,弃电率为4.6%,实际利用小时数为4380小时;风电总消纳238.202GWh,总弃电13.471GWh,弃电率5.4%,实际利用小时数5888小时。
图3显示了风力发电的月调节情况。8760h时所有节点的电压分布如图4所示。可以看出,各时间段的所有节点电压幅值都在0.95-1.05p.u.范围内。通过选择关键时段的运行约束条件,保证了模拟输电网的运行安全,评价可再生能源的消纳能力更符合应用需求。
同时,在此模拟设置了两个场景,用以对比所提方法的有效性。
场景1:构建考虑运行约束的时序生产模拟方法;
场景2:构建忽略运行约束的时序生产模拟方法;
不同时间尺度下发电量和渗透率的比较如表2所示。
可以看出,在考虑运营约束后,总发电容量和可再生能源渗透率均低于场景2所获得的结果。换句话说,传统时序生产模拟所获得的评估结果是乐观的。尽管可再生能源的发电量在考虑运行约束的情况下有所降低,但所提方法的仿真结果能够满足所有运行约束,使得新能源消纳能力评价更适合未来电网规划的需求。
表2场景1和场景2消纳能力与渗透率对比
针对表3中的计算时间,我们可以看到,通过使用基于SR的线性评估模型,计算时间大大减少。此外,虽然计算复杂度和计算时间随着时间尺度、单元数量和运行约束的增加而迅速增加,但这并不意味着模型无法求解。也就是说,所提出的时序生产模拟方法模型是有效的,具有很强的适用性。
表3场景1和场景2求解时间对比
本发明还提出了一种基于安全域的风电最大接纳能力预测系统,包括:
安全域构造模块,时序生产模拟模型模块,预测模块;
安全域构造模块,用于根据输电网络结构,以最大节点电压、最小节点电压和最大支路电流对应的临界功率注入变量构造功率注入边界条件,作为安全域的边界,获得输电网络中的功率注入空间中的安全域;
时序生产模拟模型模块,用于建立时序生产模拟模型,其中,以可再生能源的最大消耗量作为模型的目标函数,以潮流约束、旋转备用约束、常规机组出力约束、常规机组爬坡约束、机组最小启停时间约束、新能源出力约束作为时序生产模拟模型的出力联合约束,以机组启停机运行状态逻辑约束作为时序生产模拟模型的控制约束;
预测模块,用于基于功率注入空间中的安全域选择关键时间断面下的运行约束;基于时序生产模拟模型,以关键时间断面下的运行约束、出力联合约束和控制约束构成联合约束条件,在联合约束条件下对时序生产模拟模型的目标函数进行求解,以所得的解作为风电最大接纳能力预测结果。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种基于安全域的风电最大接纳能力预测方法,其特征在于,包括:
步骤1,根据输电网络结构,以最大节点电压、最小节点电压和最大支路电流对应的临界功率注入变量构造功率注入边界条件,作为安全域的边界,获得输电网络中的功率注入空间中的安全域;
步骤2,建立时序生产模拟模型,其中,以可再生能源的最大消耗量作为模型的目标函数,以潮流约束、旋转备用约束、常规机组出力约束、常规机组爬坡约束、机组最小启停时间约束、新能源出力约束作为时序生产模拟模型的出力联合约束,以机组启停机运行状态逻辑约束作为时序生产模拟模型的控制约束;
步骤3,基于功率注入空间中的安全域选择关键时间断面下的运行约束;基于时序生产模拟模型,以关键时间断面下的运行约束、出力联合约束和控制约束构成联合约束条件,在联合约束条件下对时序生产模拟模型的目标函数进行求解,以所得的解作为风电最大接纳能力预测结果。
2.根据权利要求1所述的基于安全域的风电最大接纳能力预测方法,其特征在于,
步骤1包括:
步骤1.1,根据输电网络结构,建立考虑潮流运行约束的安全域;
步骤1.2,基于考虑潮流运行约束的安全域,建立任意节点的电压幅值增量模型和任意线路的电流幅值增量模型;
步骤1.3,基于节点的电压幅值增量模型和线路的电流幅值增量模型,以最大节点电压、最小节点电压和最大支路电流对应的临界功率注入变量构造功率注入边界条件;
步骤1.4,对功率注入边界条件归一化处理;
步骤1.5,以归一化处理后的功率注入边界条件作为安全域的边界,获得输电网络中的功率注入空间中的安全域。
3.根据权利要求2所述的基于安全域的风电最大接纳能力预测方法,其特征在于,
步骤1.3中,节点i的电压幅值增量模型ΔVi满足如下关系式:
式中,aik和bik是雅可比矩阵J求出的系数,ΔPk、ΔQk分别为各节点的有功功率的变化量和无功功率变化的变化量,k为各节点编号,N是节点集。
4.根据权利要求3所述的基于安全域的风电最大接纳能力预测方法,其特征在于,
步骤1.3中,线路l的电流幅值增量模型满足如下关系式:
式中,|Il|为求取向量Il模的函数,Δ|Il|2为电流Il的变化量,clk和dlk是行向量Sl和矩阵Aij求出的系数,Sl∈R1×4是一个由节点i电压相角θi、节点j电压相角θj、节点i电压幅值Vi和节点j电压幅值Vj的一阶导数组成的行向量,Aij是由雅可比矩阵J-1中的向量组成的矩阵,ΔP、ΔQ分别为有功功率矢量P的变化量、无功功率矢量Q的变化量,R为实数集。
5.根据权利要求1所述的基于安全域的风电最大接纳能力预测方法,其特征在于,
步骤1.5中,输电网络中的功率注入空间中的安全域,满足如下关系式:
式中,Ω为安全域,x为有功功率矢量和无功功率矢量组成的集合,k、i均为各节点编号,N、B分别是节点集和分支集,和/>均为超平面系数,上标V、v、I分别对应最大节点电压、最小节点电压和最大支路电流,Pk、Qk分别为各节点的有功功率和无功功率。
6.根据权利要求1所述的基于安全域的风电最大接纳能力预测方法,其特征在于,
在考虑电网安全的情况下,时序生产模拟模型的目标函数f,表示如下:
式中,TN为时序生产模拟的运行总时间;Piw(t)为t时刻系统可消纳的总风电功率;Pis(t)为t时刻系统可消纳的总光伏功率。
7.根据权利要求1所述的基于安全域的风电最大接纳能力预测方法,其特征在于,
机组启停机运行状态逻辑约束如下所示:
式中,
Ek(t)为第k个机组在t时刻的运行状态的0-1变量,Ek(t)等于1时表示t时刻第k个机组处于运行状态,Ek(t)等于0时表示t时刻第k个机组处于停机状态;
Fk(t)为第k个机组在t时刻的启动状态的0-1变量,Fk(t)为1时表示t时刻第k个机组正在执行启动操作,Fk(t)为0时表示t时刻第k个机组不在执行启动操作;
Gk(t)为第k个机组在t时刻的停机状态的0-1变量,Gk(t)为1时表示t时刻第k个机组正在执行停止操作,Gk(t)为0时表示t时刻第k个机组不在执行停止操作。
8.根据权利要求5所述的基于安全域的风电最大接纳能力预测方法,其特征在于,
机组最小启停时间约束,如下所示:
式中,Trun、Tshut分别为机组的最小持续运行时间和最小持续停机时间。
9.根据权利要求1所述的基于安全域的风电最大接纳能力预测方法,其特征在于,
步骤3包括:
步骤3.1,忽略运行约束下,对时序生产模拟模型进行仿真,以获得时间断面运行点;
步骤3.2,若时间断面运行点均在功率注入空间的安全域中,则以时间断面作为关键时间断面,若时间断面中存在t时刻运行点不在功率注入空间的安全域中,则以t时刻作为关键时间断面;
步骤3.3,在关键时间断面下,联合求解时序生产模拟模型和运行约束,获得最优运行点。
10.一种基于安全域的风电最大接纳能力预测系统,其特征在于,包括:
安全域构造模块,时序生产模拟模型模块,预测模块;
安全域构造模块,用于根据输电网络结构,以最大节点电压、最小节点电压和最大支路电流对应的临界功率注入变量构造功率注入边界条件,作为安全域的边界,获得输电网络中的功率注入空间中的安全域;
时序生产模拟模型模块,用于建立时序生产模拟模型,其中,以可再生能源的最大消耗量作为模型的目标函数,以潮流约束、旋转备用约束、常规机组出力约束、常规机组爬坡约束、机组最小启停时间约束、新能源出力约束作为时序生产模拟模型的出力联合约束,以机组启停机运行状态逻辑约束作为时序生产模拟模型的控制约束;
预测模块,用于基于功率注入空间中的安全域选择关键时间断面下的运行约束;基于时序生产模拟模型,以关键时间断面下的运行约束、出力联合约束和控制约束构成联合约束条件,在联合约束条件下对时序生产模拟模型的目标函数进行求解,以所得的解作为风电最大接纳能力预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311702638.5A CN117937433A (zh) | 2023-12-12 | 2023-12-12 | 基于安全域的风电最大接纳能力预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311702638.5A CN117937433A (zh) | 2023-12-12 | 2023-12-12 | 基于安全域的风电最大接纳能力预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117937433A true CN117937433A (zh) | 2024-04-26 |
Family
ID=90749447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311702638.5A Pending CN117937433A (zh) | 2023-12-12 | 2023-12-12 | 基于安全域的风电最大接纳能力预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117937433A (zh) |
-
2023
- 2023-12-12 CN CN202311702638.5A patent/CN117937433A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abubakr et al. | Adaptive frequency regulation strategy in multi-area microgrids including renewable energy and electric vehicles supported by virtual inertia | |
Khamies et al. | A robust PID controller based on linear quadratic gaussian approach for improving frequency stability of power systems considering renewables | |
Zhao et al. | Resilient unit commitment for day-ahead market considering probabilistic impacts of hurricanes | |
Khadanga et al. | A novel sine augmented scaled sine cosine algorithm for frequency control issues of a hybrid distributed two-area power system | |
CN103473393A (zh) | 一种考虑随机概率的输电裕度控制模型建模方法 | |
Mohseni-Bonab et al. | Stochastic optimal transmission switching: A novel approach to enhance power grid security margins through vulnerability mitigation under renewables uncertainties | |
Cao et al. | Supply inadequacy risk evaluation of stand-alone renewable powered heat-electricity energy systems: a data-driven robust approach | |
CN113472014A (zh) | 含分布式电源的配电网优化调度方法及系统 | |
Golpîra et al. | A data‐driven inertia adequacy‐based approach for sustainable expansion planning in distributed generations‐penetrated power grids | |
Ansarian et al. | Optimum generation dispatching of distributed resources in smart grids | |
Zhang et al. | Frequency-constrained unit commitment for power systems with high renewable energy penetration | |
Xu et al. | Distributed power optimization of large wind farms using ADMM for real-time control | |
CN112994011B (zh) | 考虑电压风险约束的多源电力系统日前优化调度方法 | |
Sandhya et al. | Two-stage ANN based intelligent technique for optimal positioning and sizing of DERs in distribution system | |
Vidyarthi et al. | A modified tilt controller for AGC in hybrid power system integrating forecasting of renewable energy sources | |
Khan et al. | Digital twin for advanced automation of future smart grid | |
Khamies et al. | Enhancing frequency stability in diverse power systems with conventional and renewable energy sources based on an innovative LFC and controlled energy storage integration | |
CN116937685A (zh) | 一种基于安全域的可再生能源电网时间序列生产模拟方法 | |
Weng et al. | Fuzzy power flow solution considering wind power variability and uncertainty | |
CN117937433A (zh) | 基于安全域的风电最大接纳能力预测方法及系统 | |
Yin et al. | Lazy deep Q networks for unified rotor angle stability framework with unified time-scale of power systems with mass distributed energy storage | |
Tian et al. | Security Region-Based Time Series Production Simulation of Renewable Energy Power Grids | |
Yang et al. | Coordinated restoration of inverter‐based power sources and synchronous generators for the high renewable penetrated power system considering the dynamic frequency regulation capability | |
Aref et al. | Oscillation Damping Neuro-Based Controllers Augmented Solar Energy Penetration Management of Power System Stability. Energies 2023, 16, 2391 | |
El-Hameed et al. | Frequency control of hybrid microgrid comprising solid oxide fuel cell using hunger games search |
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 |