一种基于最优风电置信度的优化调度方法

摘要

本发明涉及新能源发电技术中的调度与控制领域，其公开了一种基于最优风电置信度的优化调度方法，它以风功率预测出力及其概率密度分布为基础，建立以风电置信度和机组启停、出力为决策变量，以置信区间内经济调度成本与置信区间外风险成本最小为目标函数的电力系统优化调度模型，并应用改进的粒子群算法进行求解，本发明确定最优的风电置信度、最有风电接纳区间以及最优经济接纳区间下系统机组的出力安排，使得含风电的电力优化调度能够选取经济性和风险性综合最优的风电置信度和风电置信区间，以此实现优化调度经济性和风险性的平衡，为调度部门安排日前出力计划提供了参考，同时实现最佳经济效益。

主权项

一种基于最优风电置信度的优化调度方法，其特征在于，包括以下几个步骤：(一)采集风电预测数据和机组性能参数；(二)以置信度和机组出力为决策变量建立目标函数模型；该目标函数模型以置信区间内经济调度成本与置信区间外风险成本最小为目标函数，所述目标函数公式如下：$F=min\{(\underset{t=1}{\overset{T}{\Sigma }}\underset{i=1}{\overset{I}{\Sigma }}{a}_i{p}_{i,t}^2+b_i{p}_{i,t}+c_i)+(\underset{t=1}{\overset{T}{\Sigma }}\beta ·p_{wlt1}+\underset{t=1}{\overset{T}{\Sigma }}\gamma ·p_{lct1})\}---\left(1\right)$其中，风电置信度和机组启停、出力为决策变量；在公式(1)中，第1项为区间内的经济调度成本，第2项为区间外的风险成本；区间外的风险成本包括强制弃风成本p_wlt1和切负荷成本p_lct1；(三)求取强制弃风成本p_wlt1和切负荷成本p_lct1，并根据强制弃风成本p_wlt1和切负荷成本p_lct1代入公式(1)求取机组运行成本和风险成本最小的目标函数；利用风险期望计算公式计算强制弃风成本p_wlt1和切负荷成本p_lct1；该风险期望计算公式如下：设随机变量w_t满足概率密度分布函数，即正态分布则计算强制弃风成本p_wlt1和切负荷成本p_lct1的期望；$p_{wlt1}={\int }_{p_{wtmax}}^{p_{wmax}}{w}_t·\frac{1}{\sqrt{2\pi }}·e^{-\frac{{w_t}^2}{2}}{\mathrm{dw}}_t\text{---}\left(2\right)$$p_{lct1}={\int }_0^{p_{wtmin}}w·\frac{1}{\sqrt{2\pi }}·e^{-\frac{{w_t}^2}{2}}{\mathrm{dw}}_t\text{---}\left(3\right)$$f_{w_t}\left(w_t\right)=\frac{1}{\sqrt{2\pi }}·e^{-\frac{{w_t}^2}{2}}---\left(4\right)$其中，a_i、b_i、c_i表示机组的成本运行参数，p_i,t表示第i台机组出力，其中，i＝1,2,…,N，β为弃风损失系数，γ为切负荷损失系数，p_wlt1表示区间外的弃风成本，p_lct1表示区间外的切负荷成本，p_wtmax，p_wtmin分别表示t时刻的风电预测出力区间上下限，p_wmax代表风电场并网容量；(四)建立约束条件；约束条件包括功率平衡约束条件、机组出力约束、风电出力约束、爬坡约束和备用约束；功率平衡约束条件：$\underset{i=1}{\overset{I}{\Sigma }}{p}_{i,t}+p_{wt}=p_{lt},t=1,...T---\left(5\right)$机组出力约束：p_imin≤p_i,t≤p_imax           (6)风电出力约束：p_wtmin≤p_wt≤p_wtmax             (7)爬坡约束：‑Δ_i,dT₆₀≤p_i,t‑p_i,t‑1≤Δ_i,uT₆₀       (8)备用约束：$\underset{i=1}{\overset{n}{\Sigma }}min(p_{imax}-p_{i,t},{\Delta }_{i,u}{T}_{15})\ge p_{wt}-p_{wt\min }---\left(9\right)$$\underset{i=1}{\overset{n}{\Sigma }}min(p_{i,t}-p_{i\min ,}{\Delta }_{i,d}{T}_{15})\ge p_{wtmax}-p_{wt}---\left(10\right)$其中，p_i,t为t时段的第i台机组的计划出力，p_wt为t时段风电预测出力，p_lt为t时段负荷预测出力；p_imin、p_imax分别为第i台机组的最小和最大技术出力；p_wtmin、p_wtmax分别为t时段风电出力的最大和最小值；Δ_i,d，Δ_i,u分别为第i台机组的向下和向上爬坡速率，取爬坡时间T₆₀为1小时；(五)通过改进的粒子群算法对步骤(4)中的机组上下限约束及爬坡约束、备用约束和系统功率平衡约束进了调整；机组上下限约束及爬坡约束调整：粒子每次迭代更新后，将粒子控制在约束边界上，使粒子能满足机组上下限约束以及爬坡约束；调整后的机组上下限约束及爬坡约束公式为：$x_i^k=\left\{\begin{array}{c}\max (p_{i\min },p_{i,t-1}-{\Delta }_{i,d}{T}_{60})\\ \begin{array}{cc}if& x_i^k\le (p_{i\min },p_{i,t-1}-{\Delta }_{i,d}{T}_{60})\end{array}\\ \min (p_{i\max },p_{i,t-1}+{\Delta }_{i,u}{T}_{60})\\ \begin{array}{cc}if& x_i^k\ge \min (p_{i\max },p_{i,t-1}+{\Delta }_{i,u}{T}_{60})\end{array}\end{array}\right.---\left(11\right)$其中，k表示第k次迭代，i表示机组编号，表示第i台机组在第k次迭代的出力，p_i,t‑1为t‑1时段第i台机组的出力；备用约束调整：通过罚函数的方法，对区间内弃风以及切负荷的量进行约束，该约束公式为；$f=f_0+\lambda (\underset{t=1}{\overset{T}{\Sigma }}\beta ·p_{wlt0}+\underset{t=1}{\overset{T}{\Sigma }}\gamma ·p_{lct0})---\left(12\right)$其中，λ为惩罚系数，取极大值；p_wlt0、p_lct0分别为由于风电出力区间过大而造成的弃风量以及切负荷的值，β为弃风损失系数，γ为切负荷损失系数，f₀为目标函数，即系统总成本，如式所示，t为运行时段，取值范围从1取到24；p_wlt0、p_lct0的计算公式如下：$p_{wlt0}=max(0,p_{wtmax}-p_{wt}-\underset{i=1}{\overset{I}{\Sigma }}min(p_{i,t}-p_{i\min },T_{15}{\Delta }_{i,d}))---\left(13\right)$$p_{lct0}=max(0,p_{wt}-p_{wtmin}-\underset{i=1}{\overset{I}{\Sigma }}min(p_{imax}-p_{i,t},T_{15}{\Delta }_{i,u}))---\left(14\right)$其中，p_imax、p_imin分别表示机组i的最大、最小技术出力，p_wt表示风电出力，Δ_i,u，Δ_i,d分别表示机组i的上升、下降爬坡率约束，T₁₅表示15分钟；系统功率平衡约束调整：当机组出力无法满足系统功率平衡约束时，此时的功率缺额为Δp_t，功率缺额Δp_t计算公式为：${\mathrm{\Delta p}}_t=\underset{i=1}{\overset{I}{\Sigma }}{p}_{i,t}+p_{wt}-p_{lt}---\left(15\right)$并将功率缺额进行机组出力再分配，具体步骤如下：1)求如果|Δp_t|＜ε(ε为一个很小的正数)，则转步骤7)；2)根据各机组的初始出力求得对应的机组经济微增率，若Δp_t＞0，则按照微增率从大到小的顺序对机组进行排列；若Δp_t＜0，则按照微增率从小到大的顺序对机组进行排列；3)设i＝1，这里i为排队后的机组编号；4)设p_temp,t＝p_i,t，p_i,t＝p_i,t‑Δp_t，然后根据功率缺额Δp_t计算公式调整p_i,t的值，以使p_i,t满足各种约束条件；5)设Δp_t＝Δp_t+p_i,t‑p_temp,t，如果|Δp_t|＜ε，则转转至步骤7)，否则转下一步；6)如果i＜N，则设i＝i+1，然后转至步骤4)，否则转下一步；7)结束；(六)通过步骤(五)的粒子群算法求解目标函数模型，得到最优机组出力方案、最优置信度及其对应的最优置信区间，获得最小的系统整体运行成本。