CN119726743B - 一种极端高温场景下水风光储一体化多能互补系统调控策略 - Google Patents

Abstract

本发明公开了一种极端高温场景下水风光储一体化多能互补系统调控策略，涉及多能互补系统优化调度及韧性评估技术领域。该方法包括：获取气象及设备参数，构建极端高温条件下光伏、风电、火电及输电设施的性能模型；基于多能互补系统的运行成本最小建立目标函数，并根据供需平衡、设备运行、调峰裕度及负荷削减建立约束条件；结合需求响应策略，通过优化工具对系统进行优化调度，得到多能源协同运行方案；采用基于综合层次‑熵权法的韧性评估模型，从经济性、灵活性、安全性等维度定量分析系统韧性，输出韧性评分与改进建议。本发明有效提升了多能互补系统在极端高温条件下经济运行效率与抗风险能力，为多能互补系统的安全稳定运行提供了科学支撑。

Description

一种极端高温场景下水风光储一体化多能互补系统调控策略

技术领域

本发明涉及电力系统优化调度与韧性评估技术领域，具体涉及一种极端高温场景下水风光储一体化多能互补系统调控策略，用于提升多能互补系统在极端高温条件下的安全性、稳定性及经济性。

背景技术

在全球能源转型与气候变化加剧的背景下，极端高温天气的发生频率和强度显著增加。这对电力系统运行提出了巨大的挑战，主要表现为以下几个方面：负荷激增：极端高温条件下空调负荷显著增加，导致系统负荷峰值屡创新高，加剧了供需平衡的压力。设备性能下降：高温环境导致火电机组效率退化、输电线路和变压器承载能力降低，增加了系统的运行风险。新能源波动加剧：高温对光伏组件发电效率有负面影响，风电的不确定性进一步加剧，新能源消纳和调度难度显著提升。

针对这些问题，传统的电力系统优化与调度方法，如线性规划、遗传算法和粒子群算法等，尽管能够在一般情况下提供一定本发明公开一种极端高温场景下水风光储一体化多能互补系统调控策略，属多能互补系统优化调度与韧性评估领域。具体步骤：获取气象与设备参数，构建极端高温下光伏、风电、火电及输电设施性能模型；以多能互补系统运行成本最小设目标函数，依供需平衡、设备运行、调峰裕度与负荷削减约束立条件；结合动态电价与需求响应策略，用MATLAB调CPLEX优化工具优化调度得能源协同运行方案；再用综合层次-熵权法韧性评估模型，从经济性、灵活性、安全性等维度定量析系统韧性，输出评分与建议。本发明提升极端高温下系统经济运行与抗风险力，为其安全稳定运行供科学支撑。的优化效果，但在极端高温等特殊场景下，往往存在以下不足：缺乏针对极端气候建模：传统方法未充分考虑高温对设备性能和负荷特性的深远影响，难以精准刻画系统在高温下的运行特性。优化性能有限：现有算法易陷入局部最优，无法有效解决复杂多能互补系统的调度问题，特别是在高温条件下系统灵活性和韧性下降的情况下。有鉴于此，提出了一种极端高温场景下水风光储一体化多能互补系统调控策略，通过精准建模和优化调度策略，提高系统在极端条件下的韧性。

发明内容

本发明解决了传统方法在极端高温条件下对设备性能影响模拟不足、需求响应策略灵活性差及系统韧性评价不全面的问题。本发明的目的是提供一种极端高温场景下水风光储一体化多能互补系统调控策略，通过高温影响建模、数学优化调度和韧性指标评估，构建针对高温场景的优化运行方案，从而显著提高系统的韧性、灵活性和抗风险能力。系统的韧性评分、削负荷及调峰裕度对比如表1所示，优化策略显著提升了系统的韧性。

本发明的技术方案包括以下步骤：

1、高温影响建模：针对光伏组件的温度效应、火电效率退化、负荷峰值增加及输配电设施承载能力下降等问题，构建高温对多能互补系统的动态影响模型，量化极端高温对系统性能的影响。

2、协调调度目标函数构建：以系统净收益最大化为目标，综合考虑火电、水电、风电、光伏及储能的收益，以及削负荷惩罚成本和需求响应补贴成本。

3、约束条件设置：包括机组出力、功率平衡、储能系统能量约束及高温对输电设施承载能力的限制。

4、优化求解：采用MATLAB调用CPLEX工具，对目标函数进行求解，输出多能源协同调度方案，优化系统的经济性与灵活性。

5、韧性评估：基于综合层次-熵权韧性评估方法(CAHP-ERE)，从经济性、灵活性、安全性及拓扑脆弱性等多维度对系统进行定量评估。

本发明的突出优势在于，其高温影响全面建模能够精准刻画多能互补系统在极端高温条件下的动态特性，有效涵盖光伏效率退化、火电效率下降、负荷激增及输电设施承载能力下降等关键影响因素，为优化调度提供可靠的数据支持。此外，通过优化火电、水电、风电、光伏及储能的联合调度，本发明显著提升了系统资源的利用效率，缓解了极端高温下的供需矛盾，降低了运行成本并提升了系统的韧性和灵活性。更重要的是，本发明提出了一种基于综合层次-熵权韧性评估(CAHP-ERE)的方法，能够从经济性、灵活性和稳定性等多维度量化评估系统韧性，明确薄弱环节并提供针对性的优化指导，有助于系统在高温条件下实现更安全、稳定、高效的运行。

本发明通过下述技术方案实现：

第一方面，本发明提供了一种极端高温场景下水风光储一体化多能互补系统调控策略，该方法包括以下步骤：

高温影响建模：获取系统设备及气象数据，构建多能互补系统在极端高温条件下的动态影响模型，包括光伏组件的温度效应、火电效率退化、负荷峰值激增及输电设施承载能力下降等。

光伏组件的温度效应模型：

T_t ^PV＝c₁+c₂·T_t ^air+c₃·I_t+c₄·v_t

式中：P_t ^PV为光伏组件在t时刻的输出功率；P^0,PV为标准条件下光伏发电设备的额定功率；I_t、I⁰为t时刻的实际辐射强度、标准条件下辐射强度；为温度功率系数，取0.005/℃；T_t ^air、T_t ^PV、T^0,PV为t时刻的空气温度、光伏组件的实际工作温度、标准条件下光伏组件的工作温度(25℃)；c₁、c₂、c₃、c₄均为光伏工作温度的相关系数；v_t为t时刻地面风速。

火电机组效率退化模型：

其中ρ为当T_i,j高于T_{health_air}时的火电机组效率退化率。其中，T_{health_air}＝10℃，ρ＝0.0094。

系统负荷受外部温度影响模型：

C^l为电力负荷温度敏感系数,T_j和分别代表预估气温和历史参考气温的地理平均值。

输配电设施承载能力退化模型：

其中I为允许载流量(A)；W_R为单位长度导线的辐射散热功率(W/m)；W_F为单位长度导线的对流散热功率(W/m)；W_S为单位长度导线的日照吸热功率(W/m)；R_t'为允许温度时导线的交流电阻(Ω/m)。

需求响应策略设计：本发明考虑的需求响应负荷以电价激励型为主，包含可转移负荷和可削减负荷两大类。可转移负荷可调控性强，一般不可中断但能整体平移用电时段，如电动汽车充电和工业负荷等。可削减负荷指在电网紧急情况下可以暂时切断或减少的负荷，如温控负荷和照明系统等。

系统对可转移负荷的补贴成本C_shift为

式中：c_shift为每MWh可转移负荷的补贴成本，P_t ^shift为t时刻可转移负荷的功率，T为调度时段总数。

系统对可削减负荷的补贴成本为

式中：c_int为系统对需求响应中每MWh可削减负荷的补贴成本,P_t ^int为t时段可削减负荷的功率；U_i,t为节点i负荷削减状态变量，S_i,t为t时段第i个节点可削减容量，N为可削减节点总数。

多能互补系统优化调度模型：构建极端高温条件下的多能互补系统优化调度模型，目标为系统净收益最大化。

多能互补系统的运行目标是最大化系统总收益，目标函数如下：

max F＝F_income-F_cost＝P_g+P_w+P_v+P_h+P_ESS-C_DR-C_shed

式中：P_g、P_w、P_v、P_h和P_ESS分别为火电、风机、光伏、水电、储能运行收益，C_DR和C_shed分别为需求响应补贴成本和直接削负荷成本。

储能系统运行收益与成本

P_ESS＝I_ESS-C_ESS

式中：为上网电价，η_c、η_d分别为储能充、放电效率，P_t ^char、P_t ^dis分别是t时刻储能充、放电功率。

火电机组运行收益与成本

P_g＝I_g-C_g

C_g＝C_coal+C_ss

式中：C_g为火电运行成本,I_g为火电上网收益，为第i台火电机组在t时刻的上网功率，p_t,grid为t时刻的火电上网电价。C_coal、C_ss分别为机组煤耗成本及启停成本；a_i、b_i、c_i分别为第i台机组的耗量二次、一次及常系数；为第i台机组的启动费用，为第i机组的停机费用，为机组的启停状态变量。

清洁能源机组运行收益模型

式中：p_w、p_v、p_h分别为风电、光伏和水电的上网电价，P_t ^w、P_t ^v、P_t ^h分别表示t时刻风电、光伏和水电的输出功率；θ_w、θ_v、θ_h分别为弃风、弃光和弃水惩罚系数， 分别表示t时刻弃风、弃光和弃水功率。

需求响应补贴成本

C_DR＝C_shift+C_int

式中：c_shift为每MWh可转移负荷的补贴成本，为节点i在t时刻可转移负荷的功率。c_int为系统对需求响应中可削减负荷的补贴成本，可中断负荷的功率，T为调度时段总数。

直接削负荷惩罚成本

式中：为直接削负荷功率，为直接削负荷惩罚基础成本，为节点i在t时刻考虑节点脆弱性的直接削负荷惩罚系数。

约束条件：

机组出力约束

式中：为t时刻水电最大理论出力；分别为储能的充、放电状态变量， 分别为充电功率的上、下限，分别为放电功率的上、下限。

火电机组爬坡约束

-r_i,down≤P_i,t-P_i,(t-1)≤r_i,up

式中：r_i,up和r_i,down分别为火电机组最大向上爬坡速率和最大向下爬坡速率。

储能系统能量约束与充放电约束

式中：为t时刻储能的荷电状态(State of Charge,SOC)，δ表示储能自放电率，E_ESS(MWh)为储能容量，S_max、S_min分别为储能的荷电状态上、下限；分别为开始、结束时刻储能的荷电状态。分别表示储能装置充电功率的最小、大值，分别表示储能装置放电功率的最小、大值。

线路传输容量约束

式中：B_i,j(S)表示节点i、j之间的电纳，θ_i,t、θ_j,t分别表示节点i、j的电压相角，P_i,j,Lmax表示节点i、j之间线路允许最大输电功率的标幺值。和分别表示t时刻节点i、j之间线路和变压器因高温导致的容量衰减系数，当线路处于额定工作温度时，为1。同理，当变压器处于正常工作温度或节点i、j之间不含变压器时，为1。

功率平衡约束

式中：为节点i在t时刻可转移负荷转入功率，可中断负荷功率，为直接削负荷功率。

备用约束

式中：为机组i在t时刻最大可用上网功率，λ为备用系数。

需求响应约束

一个调度周期内，系统每个节点需求响应前后负荷的总量不变

式中：为节点i在t时刻可转移负荷的总量的最大值，可削减负荷的总量的最大值。

优化求解：通过分析日前96个时段电力系统优化调度结果，来验证所建模型的合理性。基于MATLAB 2022a平台，调用MATLAB中的CPLEX求解器，对多能互补系统优化模型进行求解，输出光伏、风电、火电、水电及储能的最优运行方案。

多能互补系统韧性评估方法：在当前全球能源转型与气候变化背景下，多能互补系统在提供可靠性和可持续性方面发挥着越来越重要的作用。为了有效评估这些系统在不同场景下的韧性，本文提出了一种综合层次-熵权韧性评估法(Combined AnalyticHierarchy Process-Entropy Resilience Evaluation Method,CAHP-ERE)。CAHP-ERE方法通过融合主观层次分析法(AHP)与客观熵权法，评估多能互补系统在不同场景下的韧性表现。该方法兼具专家判断与客观数据驱动，适用于综合性指标体系下的系统韧性评价。

第二方面，本发明还提供了一种极端高温情况下多能互补系统优化与韧性评估系统，该系统实现了上述方法，旨在解决极端高温条件下能源系统运行中的复杂问题，提升其运行经济性、稳定性和抗压能力。系统包括以下功能模块：

高温影响建模单元：用于采集环境气象数据与设备参数，构建高温条件下光伏、风电、火电等能源设备的性能模型。

目标函数及约束条件建立单元：用于构建多能互补系统优化调度模型，定义目标函数和约束条件。

优化求解单元：基于MATLAB调用CPLEX进行模型求解，生成优化调度结果。

需求响应执行单元：用于设计并模拟用户侧的削减负荷和负荷转移策略，结合动态电价实现响应目标。

韧性评估单元：基于CAHP-ERE方法，定量分析多能互补系统的韧性指标，输出韧性评估结果。

与现有技术相比，本发明的系统具有以下显著优点：

本发明系统具有显著技术优势，能够全面建模光伏、火电、风电及输电设施在高温条件下的性能变化，精准模拟高温对多能互补系统的影响，为调度优化提供可靠数据支持；通过联合优化多种能源运行，提升了系统经济性和灵活性，显著降低高温条件下的供需失衡风险，确保系统安全运行；采用主客观结合的CAHP-ERE方法，从经济性、灵活性和安全性三方面量化系统韧性，明确极端高温场景中的薄弱环节；通过优化用电时序削减高峰负荷、平滑负荷曲线，降低电网运行压力，提高整体稳定性与经济性；结合优化求解与结果可视化技术，生成直观且易解读的运行方案与韧性评分，为电网调度和策略制定提供科学支持。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明一种极端高温场景下水风光储一体化多能互补系统调控策略整体流程图；

图2为本发明实施例1的多能互补系统拓扑结构示意图；

图3为本发明实施例1优化前后系统直接削负荷对比数据图；

图4为本发明一种极端高温场景下水风光储一体化多能互补系统调控策略详细流程图；

图5为本发明一种极端高温情况下多能互补系统优化与韧性评估系统功能模块结构框图。

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明白，下面结合实施例和附图，对本发明作进一步详细说明。本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。本发明提出了一种极端高温场景下水风光储一体化多能互补系统调控策略，分别包括高温影响建模、多能互补系统优化调度及韧性评估三个主要环节。其中，第一步具体为构建高温条件下设备性能模型，为后续优化提供底层数据支持；第二步是优化部分，主要通过MATLAB调用CPLEX实现多能互补系统的调度优化；第三步是韧性评估，采用CAHP-ERE方法量化系统在不同场景下的韧性表现。本发明通过优化与评估相结合的方式，解决了极端高温条件下系统运行的经济性、灵活性及安全性问题，并为电网规划与运行提供了科学支持。

实施例1

方法流程

如图1所示，本发明一种极端高温场景下水风光储一体化多能互补系统调控策略包括以下步骤：

S1：高温条件影响建模

获取环境气象数据、设备运行参数及历史运行数据，构建极端高温条件下多能互补系统中光伏、风电、火电及输配电设施的性能模型，系统拓扑结构如图2所示。具体包括：

光伏组件的温度效应建模，采用温度功率系数计算高温条件下的光伏输出功率。

火电机组效率退化建模，采用分段线性函数描述高温条件下效率的下降规律。

输配电设施承载能力建模，利用热平衡方程分析高温对线路载流量及变压器运行能力的影响。

系统负荷建模，结合空调负荷温度敏感系数及历史气象数据预测极端高温下的峰值负荷。

S2：需求响应优化

设计需求响应策略，优化负荷分布，平滑负荷曲线。策略包括：

削减非必要负荷，例如居民空调及部分工业负荷。

通过动态电价引导用户将高峰负荷转移至低谷时段。

模拟需求响应的削减效果，并纳入调度模型。

S3：多能互补系统优化调度

基于上述建模结果，构建多能互补系统优化调度模型，目标函数为系统运行成本最小化，约束条件包括电源出力范围、供需平衡、线路容量、调峰裕度等。具体步骤包括：

获取输入数据(光伏、风电预测出力，火电、水电参数，负荷需求等)。

调用MATLAB集成的CPLEX优化工具对目标函数求解，生成多能源协同运行方案，包括光伏、风电、火电、水电及储能的调度策略。

输出优化结果，包括发电成本、调峰能力及负荷平衡状态。调度优化结果表明，在高温条件下，通过合理分配光伏、风电、火电及储能资源，可有效减少直接削负荷量，具体变化如图3所示。

S4：韧性评估

图4为本发明的韧性评估详细流程图，展示了从韧性参数计算到综合评分的完整流程。采用CAHP-ERE(综合层次-熵权韧性评估)方法，定量分析系统在极端高温条件下的经济性、灵活性和安全性。具体步骤：

指标选取：包括直接削负荷、重要线路负载率、峰谷差、调峰裕度等。

指标权重计算：结合AHP法与熵权法计算综合权重。

评估得分：计算系统在不同场景下的韧性评分，分析薄弱环节并提出改进建议。

本实施例中，S1部分高温条件影响建模通过以下步骤完成：

高温影响建模：获取系统设备及气象数据，构建多能互补系统在极端高温条件下的动态影响模型，包括光伏组件的温度效应、火电效率退化、负荷峰值激增及输电设施承载能力下降等。系统拓扑结构如图2所示。

光伏组件的温度效应模型：

T_t ^PV＝c₁+c₂·T_t ^air+c₃·I_t+c₄·v_t

式中：P_t ^PV为光伏组件在t时刻的输出功率；P^0,PV为标准条件下光伏发电设备的额定功率；I_t、I⁰为t时刻的实际辐射强度、标准条件下辐射强度；为温度功率系数，取0.005/℃；T_t ^air、T_t ^PV、T^0,PV为t时刻的空气温度、光伏组件的实际工作温度、标准条件下光伏组件的工作温度(25℃)；c₁、c₂、c₃、c₄均为光伏工作温度的相关系数；v_t为t时刻地面风速。

火电机组效率退化模型：

其中ρ为当T_i,j高于T_{health_air}时的火电机组效率退化率。其中，T_{health_air}＝10℃，ρ＝0.0094。

系统负荷受外部温度影响模型：

C^l为电力负荷温度敏感系数,T_j和分别代表预估气温和历史参考气温的地理平均值。

输配电设施承载能力退化模型：

其中I为允许载流量(A)；W_R为单位长度导线的辐射散热功率(W/m)；W_F为单位长度导线的对流散热功率(W/m)；W_S为单位长度导线的日照吸热功率(W/m)；R_t'为允许温度时导线的交流电阻(Ω/m)。

本实施例中，S2部分需求响应优化通过以下策略完成：

需求响应策略设计：本发明考虑的需求响应负荷以电价激励型为主，包含可转移负荷和可削减负荷两大类。可转移负荷可调控性强，一般不可中断但能整体平移用电时段，如电动汽车充电和工业负荷等。可削减负荷指在电网紧急情况下可以暂时切断或减少的负荷，如温控负荷和照明系统等。

系统对可转移负荷的补贴成本C_shift为

式中：c_shift为每MWh可转移负荷的补贴成本，P_t ^shift为t时刻可转移负荷的功率，T为调度时段总数。

系统对可削减负荷的补贴成本为

式中：c_int为系统对需求响应中每MWh可削减负荷的补贴成本,P_t ^int为t时段可削减负荷的功率；U_i,t为节点i负荷削减状态变量，S_i,t为t时段第i个节点可削减容量，N为可削减节点总数。

本实施例中，S3部分多能互补系统优化调度通过以下策略完成：

多能互补系统优化调度模型：构建极端高温条件下的多能互补系统优化调度模型，目标为系统净收益最大化，目标函数如下：

max F＝F_income-F_cost＝P_g+P_w+P_v+P_h+P_ESS-C_DR-C_shed

式中：P_g、P_w、P_v、P_h和P_ESS分别为火电、风机、光伏、水电、储能运行收益，C_DR和C_shed分别为需求响应补贴成本和直接削负荷成本。

储能系统运行收益与成本

P_ESS＝I_ESS-C_ESS

式中：为上网电价，η_c、η_d分别为储能充、放电效率，P_t ^char、P_t ^dis分别是t时刻储能充、放电功率。

火电机组运行收益与成本

P_g＝I_g-C_g

C_g＝C_coal+C_ss

式中：C_g为火电运行成本,I_g为火电上网收益，为第i台火电机组在t时刻的上网功率，p_t,grid为t时刻的火电上网电价。C_coal、C_ss分别为机组煤耗成本及启停成本；a_i、b_i、c_i分别为第i台机组的耗量二次、一次及常系数；为第i台机组的启动费用，为第i机组的停机费用，为机组的启停状态变量。

清洁能源机组运行收益模型

式中：p_w、p_v、p_h分别为风电、光伏和水电的上网电价，P_t ^w、P_t ^v、P_t ^h分别表示t时刻风电、光伏和水电的输出功率；θ_w、θ_v、θ_h分别为弃风、弃光和弃水惩罚系数， 分别表示t时刻弃风、弃光和弃水功率。

需求响应补贴成本

C_DR＝C_shift+C_int

式中：c_shift为每MWh可转移负荷的补贴成本，为节点i在t时刻可转移负荷的功率。c_int为系统对需求响应中可削减负荷的补贴成本，可中断负荷的功率，T为调度时段总数。

直接削负荷惩罚成本

式中：为直接削负荷功率，为直接削负荷惩罚基础成本，为节点i在t时刻考虑节点脆弱性的直接削负荷惩罚系数。

约束条件：

机组出力约束

式中：为t时刻水电最大理论出力；分别为储能的充、放电状态变量， 分别为充电功率的上、下限，分别为放电功率的上、下限。

火电机组爬坡约束

-r_i,down≤P_i,t-P_i,(t-1)≤r_i,up

式中：r_i,up和r_i,down分别为火电机组最大向上爬坡速率和最大向下爬坡速率。

储能系统能量约束与充放电约束

式中：为t时刻储能的荷电状态(State of Charge,SOC)，δ表示储能自放电率，E_ESS(MWh)为储能容量，S_max、S_min分别为储能的荷电状态上、下限；分别为开始、结束时刻储能的荷电状态。分别表示储能装置充电功率的最小、大值，分别表示储能装置放电功率的最小、大值。

线路传输容量约束

式中：B_i,j(S)表示节点i、j之间的电纳，θ_i,t、θ_j,t分别表示节点i、j的电压相角，P_i,j,Lmax表示节点i、j之间线路允许最大输电功率的标幺值。和分别表示t时刻节点i、j之间线路和变压器因高温导致的容量衰减系数，当线路处于额定工作温度时，为1。同理，当变压器处于正常工作温度或节点i、j之间不含变压器时，为1。

功率平衡约束

式中：为节点i在t时刻可转移负荷转入功率，可中断负荷功率，为直接削负荷功率。

备用约束

式中：为机组i在t时刻最大可用上网功率，λ为备用系数。

需求响应约束

一个调度周期内，系统每个节点需求响应前后负荷的总量不变

式中：为节点i在t时刻可转移负荷的总量的最大值，可削减负荷的总量的最大值。

优化求解：通过分析日前96个时段电力系统优化调度结果，来验证所建模型的合理性。基于MATLAB 2022a平台，调用MATLAB中的CPLEX求解器，对多能互补系统优化模型进行求解，输出光伏、风电、火电、水电及储能的最优运行方案。

本实施例中，S4部分韧性评估通过以下流程完成：

第一步，韧性参数计算。计算不同场景下的系统运行参数，包括重要线路平均负载率、削负荷、火电额定容量、峰谷差和调峰裕度五个指标。

第二步，数据归一化。对原始数据进行归一化处理，区分正向和负向指标。正向指标，占最大值的比例归一化；负向指标，以最大值为基准逆向归一化。

第三步，熵权计算。使用归一化后的数据矩阵，计算客观熵权。数据矩阵大小为n×m，其中n为场景数量，m为指标数量。具体的流程如图4所示，其中详细展示了数据处理、熵权计算和综合评分的各步骤。

计算每个指标的熵值：

其中，P_ij是第j指标的归一化值，∈是一个极小值，用于避免对数计算错误。

计算客观权重：

第四步，AHP主观权重计算。构造AHP判断矩阵，根据专家经验指定指标权重比例w_i，构造矩阵A，其中：

计算特征值与特征向量，提取最大特征值对应的归一化特征向量作为主观权重。

进行一致性检验：

若CR≥0.1，需调整判断矩阵。

第五步，综合权重计算。融合主观(AHP)与客观(熵权)权重，计算综合权重：

W_combined＝αW_objective+(1-α)W_subjective

其中α取0.5。

第六步，综合评分计算。基于综合权重与归一化数据，计算各场景的韧性评分：

实施例2

韧性评估系统

如图5所示，本实施例提供了一种极端高温情况下多能互补系统优化与韧性评估系统，该系统实现了上述方法，包括以下功能模块：

高温影响建模模块：采集环境气象数据、设备运行参数及历史运行数据，构建高温条件下光伏、风电、火电、储能等能源设备的性能模型，结合高温负荷预测、火电效率退化、线路容量缩减等效应，为优化调度提供精准的基础数据支持。

需求响应模块：设计并模拟用户侧负荷优化策略，包括削减非必要负荷和负荷转移策略。结合动态电价，引导用户优化负荷分布，实现需求响应目标，通过减少高峰负荷和平滑负荷曲线，显著降低系统运行成本和高峰压力。

优化调度模块：基于构建的高温条件下多能互补系统模型，调用MATLAB集成的CPLEX优化工具，生成包含光伏、风电、火电、水电及储能的调度策略，以成本最小化为目标，满足系统供需平衡、线路容量限制等约束条。

模型求解模块：按照分段线性化技术，建立并求解交互式调度模型，验证约束条件是否满足；若不满足，则返回调整。以多能互补最大化系统收益及最小化削负荷为目标，提升系统整体经济性和韧性。

韧性评估模块：基于CAHP-ERE方法(综合层次-熵权韧性评估)，量化分析系统在极端高温条件下的经济性、灵活性及安全性，输出各场景下的韧性评分与改进建议，通过结合主客观权重法，科学评估系统薄弱环节，提出优化对策。

应用案例

本发明通过IEEE-30节点系统的应用案例验证其有效性，分析结果包括以下内容：

在高温条件下，负荷峰值达6045.8MW，火电总出力增加约1％，线路平均负载率略升至0.5133，通过优化调度，总削负荷从4235.9MWh降至2235.9MWh，系统利润提升约7％。

引入需求响应前后的系统经济性与稳定性变化。

需求响应策略引入后，可中断负荷800MWh和可转移负荷1200MWh有效降低系统压力，峰谷差由9.8990降低至9.7383，总调峰裕度从0.0120提升至0.0096。

基于CAHP-ERE评估方法，场景1(无需求响应)韧性评分为0.2，场景2(引入需求响应)提升至0.4329，表明优化策略显著提高了系统在高温极端条件下的适应性和灵活性，具体数据如表1所示。

表1

其中，各个单元的执行过程按照实施例1的一种极端高温场景下水风光储一体化多能互补系统调控策略流程步骤执行即可，此实施例中不再一一赘述。

本领域内的技术人员应知，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种极端高温场景下水风光储一体化多能互补系统调控策略，其特征在于包括：

获取多能互补系统的基础数据，包括光伏组件、风电机组、火电机组、水电站、储能系统及输配电设施的运行参数；构建极端高温影响模型，基于高温对光伏组件效率、火电机组效率、负荷峰值、变压器和输电线路承载能力的影响，建立多能互补系统的动态性能模型；

构建系统协调调度目标函数，以系统总收益最大化为目标，包括火电、水电、风电、光伏和储能的运行收益，并计入需求响应补贴成本及直接削负荷惩罚成本；提出多约束优化模型，约束条件包括机组出力约束、功率平衡约束、储能系统能量约束、火电爬坡约束及输配电设施高温承载能力限制；利用MATLAB调用CPLEX求解，通过数学优化技术求解多能源协同调度方案，优化系统运行；

对系统韧性进行评估，基于综合层次-熵权韧性评估方法，结合重要线路平均负载率、削负荷、火电额定容量、峰谷差和调峰裕度等多维度指标，定量评估极端高温下系统运行韧性；

高温影响模型：

光伏组件的温度效应模型：

式中：P_t ^PV为光伏组件在t时刻的输出功率；P^0,PV为标准条件下光伏发电设备的额定功率；I_t、I⁰为t时刻的实际辐射强度、标准条件下辐射强度；为温度功率系数，取0.005/℃；T_t ^air、T_t ^PV、T^0,PV为t时刻的空气温度、光伏组件的实际工作温度、标准条件下光伏组件的工作温度(25℃)；c₁、c₂、c₃、c₄均为光伏工作温度的相关系数；v_t为t时刻地面风速；

火电机组效率退化模型：

其中ρ为当T_i,j高于T_{health_air}时的火电机组效率退化率，其中，T_{health_air}＝10℃，ρ＝0.0094；

系统负荷受外部温度影响模型：

C^l为电力负荷温度敏感系数,T_j和分别代表预估气温和历史参考气温的地理平均值；

输配电设施承载能力退化模型：

其中I为允许载流量(A)；W_R为单位长度导线的辐射散热功率(W/m)；W_F为单位长度导线的对流散热功率(W/m)；W_S为单位长度导线的日照吸热功率(W/m)；R’_t为允许温度时导线的交流电阻(Ω/m)；

韧性评估指标体系包括：直接削负荷、重要线路平均负载率、火电额定容量利用率、峰谷差和调峰裕度；

韧性评分通过综合层次-熵权法计算，结合多维度指标的综合权重与归一化结果，量化极端高温下系统的运行韧性；

基于优化模型的调峰策略包括：

优先调度光伏、风电、水电及储能资源，减少对火电调度的依赖；在高峰负荷时段通过需求响应策略进行削峰填谷；

根据多时段负荷分级减载原则优先保护脆弱节点，降低极端高温下的系统运行风险，分级减载原则优先保护脆弱节点，降低系统运行风险：

式中，N表示脆弱点集，P_t ^shed表示直接削负荷削减功率。

2.根据权利要求1所述的一种极端高温场景下水风光储一体化多能互补系统调控策略，其特征在于，所述目标函数包括：

火电、水电、风电、光伏及储能上网收益：

式中：P_g、P_w、P_v、P_h和P_ESS分别为火电、风机、光伏、水电、储能运行收益，C_DR和C_shed分别为需求响应补贴成本和直接削负荷成本；

需求响应补贴成本模型，包括可转移负荷补贴成本和可削减负荷补贴成本：

式中：β_shift为每MWh可转移负荷的补贴成本，P_t ^shift为可转移负荷的功率，β_{DR_shed}为系每MWh可削减负荷的补贴成本，P_t ^DR_shed可中断负荷的功率，T为调度时段总数；

直接削负荷惩罚成本，通过惩罚系数与削负荷功率耦合计算：

式中：为直接削负荷功率，为直接削负荷惩罚基础成本，为节点i在t时刻考虑节点脆弱性的直接削负荷惩罚系数；

数学优化模型通过以下步骤实现：

建立系统的目标函数与多约束优化模型：

约束1:功率平衡约束

式中：为节点i在t时刻可转移负荷转入功率，可中断负荷功率，为直接削负荷功率；

约束2:储能系统能量约束

式中：为t时刻储能的荷电状态(State of Charge,SOC)，δ表示储能自放电率，E_ESS为储能容量；

约束3:火电爬坡限制

-r_i,down≤P_i,t-P_i,(t-1)≤r_i,up

式中：r_i,up和r_i,down分别为火电机组最大向上爬坡速率和最大向下爬坡速率；

约束4:输电线路容量限制

式中：B_i,j(S)表示节点i、j之间的电纳，θ_i,t、θ_j,t分别表示节点i、j的电压相角，P_i,j,Lmax表示节点i、j之间线路允许最大输电功率的标幺值，和分别表示t时刻节点i、j之间线路和变压器因高温导致的容量衰减系数，当线路处于额定工作温度时，为1；同理，当变压器处于正常工作温度或节点i、j之间不含变压器时，为1；

利用MATLAB平台调用CPLEX优化工具，求解混合整数线性规划问题；输出包括光伏、风电、火电、水电及储能设备的最优协同运行方案，优化系统运行效率。

3.根据权利要求1所述的一种极端高温场景下水风光储一体化多能互补系统调控策略，其特征在于，所述韧性评估包括以下步骤：

韧性参数计算，计算多能互补系统在不同场景下的运行参数，包括直接削负荷、重要线路平均负载率、火电额定容量利用率、峰谷差和调峰裕度；

指标数据归一化，根据指标属性进行归一化处理，正向指标按占最大值比例归一化，负向指标按以下公式归一化:

其中，表示归一化后的指标值，X为原始指标值，X_max为指标的最大值；

熵权计算，使用归一化后的数据矩阵计算客观熵权，熵值公式为：

式中，p_ij表示归一化后的数据矩阵中的每个元素占该列总和的比例；k是常数，通常取其中m为指标的个数；

根据熵权公式，计算客观权重：

其中，m是指标的个数，H_j是第j个指标的熵值；

AHP主观权重计算：依据专家经验构造AHP判断矩阵，利用特征值分解提取最大特征值对应的特征向量作为主观权重，进行一致性检验：

其中，λ_max为最大特征值，RI为随机一致性指标，若CR<0.1，则判断矩阵一致性通过；

综合权重计算，综合考虑主观权重与客观权重，综合权重公式为：

其中，α为主观权重与客观权重的融合系数；

韧性综合评分，根据综合权重和归一化指标计算各场景的韧性评分：

其中，S_i为第i场景的韧性评分。