一种考虑柔性负荷的电力系统两阶段随机优化调度模型技术方案

本发明专利技术公开了一种考虑柔性负荷的电力系统两阶段随机优化调度模型，通过柔性负荷提供备用的方式响应风电不确定性。为充分发挥柔性负荷上调和下调潜力，提出柔性负荷上调/下调备用容量概念，上调备用表示减小需求，下调备用表示增加需求。所述模型包括日前阶段和基于场景的实时阶段，其中，日前阶段确定机组启停、机组和柔性负荷备用容量、风电出力；实时阶段根据风电场景确定实际调度的机组和柔性负荷备用，中断负荷以及弃风量。本发明专利技术将柔性负荷作为一种可调度资源，通过“负荷跟踪发电”，发挥负荷的主动性和灵活性，可有效补充完善常规电力系统调度。

A two stage stochastic optimal dispatching model for power system considering flexible load

The invention discloses a two-stage stochastic optimal dispatching model of power system considering flexible loads, which responds to wind power uncertainty by providing reserve through flexible loads. In order to give full play to the up-regulation and down-regulation potential of flexible load, the concept of up-regulation/down-regulation reserve capacity of flexible load is proposed. Up-regulation reserve capacity reduces demand and down-regulation reserve capacity increases demand. The model includes day-ahead phase and scene-based real-time phase, in which day-ahead phase determines the start-up and shutdown of the unit, the reserve capacity of the unit and flexible load, wind power output; real-time phase determines the actual dispatch of the unit and flexible load reserve according to the wind farm scenario, interrupt load and wind abandonment. The invention takes the flexible load as a dispatchable resource, and makes full use of the initiative and flexibility of the load by \load tracking power generation\, which can effectively supplement and perfect the conventional power system dispatch.

【技术实现步骤摘要】
一种考虑柔性负荷的电力系统两阶段随机优化调度模型
本专利技术涉及电气工程领域，尤其涉及用于大规模可再生能源并网工况下的电力系统调度领域。
技术介绍
常规电力系统调度根据“发电跟踪负荷”的方式进行，即根据负荷预测，兼顾安全性、可靠性和经济性，合理安排机组启停及出力。随着风电等不确定性发电资源大规模接入电力系统，“发电跟踪负荷”的调度方式难以满足新形势下电力系统对可再生能源消纳的要求，同时使电力系统调峰问题日渐突出。为应对风电出力固有的不确定性和间歇性，电力系统需要预留大量发电备用来满足负荷需求，不仅降低了常规发电机组的发电效率，也不可避免地增加了电力系统调度成本。将负荷作为一种可调度资源，即所谓柔性负荷，通过“负荷跟踪发电”，发挥负荷的主动性和灵活性，可有效补充完善常规电力系统调度。柔性负荷可以通过如下几种方式增加系统灵活性：1)降低峰荷时段负荷增长速度；2)降低峰荷时段负荷下降速度；3)降低峰荷；4)增加谷荷；5)峰荷电量向谷荷时段转移。目前，关于柔性负荷调度问题已成为国内外学者关心的重要议题，涉及柔性负荷响应建模、参与调度模型、市场行为等几个方面。
技术实现思路
针对上述
技术介绍
中的问题，本专利技术提出了一种考虑柔性负荷的电力系统两阶段随机优化调度模型。柔性负荷通过提供备用的方式参与电力系统调度，响应风电不确定性。本专利技术所提出的两阶段随机优化调度模型包括以下部分：1、目标函数独立系统运营商追求电力系统调度的社会福利最大化，即最大化负荷效用并最小化发电成本。非柔性负荷的效用固定不变，可从目标函数中略去，考虑柔性负荷提供备用所增加的负荷效用，最大化负荷效用相当于最小化负的负荷效用，将其包含进目标函数。因此，目标函数包括日前调度成本CDA和期望实时成本CERT。其中，上式中，t表示时间段，i表示常规机组，q表示风电机组，d表示负荷，ω表示风电场景，T,I,Q,D,Ω分别表示对应集合。决策变量集合下文详解各变量表征意义。日前调度成本CDA包含三部分，常规机组发电和备用容量成本，柔性负荷备用容量成本，风电发电成本。其中，和分别表示机组i在t时段内的启停机成本，和分别表示机组i的边际成本、上调备用成本和下调备用成本，为日前阶段机组向独立系统运营商提供的发电及备用报价，和分别为与之对应的输出功率、上调备用和下调备用容量。和分别表示柔性负荷d在t时段内的上调备用成本和下调备用成本，为日前阶段柔性负荷向独立系统运营商提供的备用报价，和为与之对应的上调备用和下调备用容量。Cq表示风电机组q的边际成本，Wqt为风电机组q在t时段内的输出功率。期望实时成本CERT为风电场景概率πω同每一场景实时成本的乘积。包含四部分，常规机组备用成本，柔性负荷效用(转化为最小化负的负荷效用)，新增风电发电成本，中断负荷成本以及弃风成本。和分别表示机组i上调备用和下调备用实时调度成本，可取值为机组边际成本。和分别为场景ω下机组i在t时段内实时调度的上调备用和下调备用。和分别表示柔性负荷d在t时段内上调备用和下调备用效用，可取值为负荷边际效用。和分别为场景ω下柔性负荷d在t时段内实时调度的上调备用和下调备用。和价值)和风电机组q的弃风成本。Wqtω和分别为场景ω下风电机组q在t时段内的输出功率和弃风功率，为场景ω下负荷d在t时段内的中断负荷。2、日前调度约束1)机组启停成本约束式(4)-(6)为机组启动成本约束，其中为机组i开机成本，uit为二进制变量，uit＝1时表示机组i在t时段内为开机状态，uit＝0表示机组i在t时段内为停机状态。式(4)表示机组i在t＝1时段内的启动成本约束，为机组初始状态。特别地，为机组i在t＝1时段内的启动成本。同理，(7)-(9)为机组停机成本约束，式中为机组i停机成本，特别地，为机组i在t＝1时段内的停机成本。2)机组有功及备用容量约束式(11)为机组爬坡速率约束，其中RUi为上爬速率，RDi为下爬速率。式(12)和(13)为机组有功功率约束，和分别为机组i最大有功输出和最小有功输出。式(14)和(15)为有功备用容量约束，和分别为最大的上调备用容量和下调备用容量。式(16)为风电功率约束，其中Wqt为日前阶段风电机组q在t时段内的输出功率，为风电机组q的容量。3)柔性负荷备用容量约束柔性负荷以提供备用的方式参加电力系统调度，式(17)和(18)分别为柔性负荷上调备用约束和下调备用约束。式中，和分别为柔性负荷可调度的最大上调备用容量和下调备用容量。4)潮流约束式(19)为节点潮流方程，利用直流潮流方程表征，其中Pdt为负荷d在t时段内的有功功率，Bnm为节点电纳矩阵，δnt为节点n在t时段内的电压幅角。集合和分别表示与节点n相连的常规机组、风电机组和负荷，集合m∈ψn表示与节点n相连的节点。式(20)为线路传输功率约束，为线路传输容量。式(21)表示在t时段内取第一个节点为参考节点。3、基于场景的实时平衡约束1)机组有功及备用调度约束式(22)和(23)分别为机组实时阶段上调备用和下调备用约束。式(24)为机组在场景ω下的输出功率，式(25)为机组在场景ω下的爬坡速率约束。式(26)为风电机组在场景ω下的弃风约束。2)柔性负荷有功及备用调度约束式(27)和(28)分别为柔性负荷实时阶段上调备用和下调备用约束。式(29)为负荷在场景ω下的有功功率。类比机组爬坡率，式(30)表示柔性负荷爬坡速率约束，其中PUd为柔性负荷上爬速率，DRd为柔性负荷下爬速率。柔性负荷需要满足一天的最低需求量如式(31)所示。另外，式(32)表示中断负荷低于实时阶段的负荷。3)实时平衡约束式(33)为实时阶段潮流平衡约束，其中δntω为场景ω下节点n在t时段内的电压幅角。式(34)为场景ω下线路传输容量约束。式(35)表示场景ω下也取第一个节点为参考节点。式(1)-(35)构成考虑柔性负荷的电力系统随机优化调度模型，该模型为混合整数线性规划模型(MixedIntegerLinearProgramming,MILP)，可基于GAMS平台利用Cplex求解该模型。附图说明图1为两阶段随机优化调度示意图；图2为六节点电力系统示意图；图3为该系统24小时负荷曲线图；图4为风电场景示意图；图5为无柔性负荷时机组出力结果；图6为20％柔性负荷时机组出力结果；图7为100％柔性负荷时机组出力结果；图8为日前阶段风电调度结果；图9为20％柔性负荷时上调/下调备用结果；图10为40％柔性负荷时上调/下调备用结果；图11为100％柔性负荷时上调/下调备用结果；图12为不同比例柔性负荷参与调度系统负荷曲线。具体实施方式下面结合附图与实施例对本专利技术作进一步说明。如图1所示，一种考虑柔性负荷的两阶段随机优化调度模型包括日前阶段和基于场景的实时阶段。其中，日前阶段确定机组启停、机组和柔性负荷备用容量、风电出力；实时阶段根据风电场景确定实际调度的机组和柔性负荷备用，中断负荷以及弃风量。以六节点系统为例，1天24h为研究时段，验证上文模型的正确性及有效性，系统接线图如图2所示。其中，常规机组分别位于1、2和6节点，风电机组位于5节点，负荷位于3、4和5节点，共有7条传输线路。表1列出各机组物理和经济参数，日前阶段上调备用和下调备用的成本分别取机组边际成本的1.1倍本文档来自技高网...

【技术保护点】
1.一种考虑柔性负荷的电力系统两阶段随机优化调度模型，其特征在于：柔性负荷通过提过上调/下调备用的方式参与电力系统调度，响应风电不确定性。

【技术特征摘要】
1.一种考虑柔性负荷的电力系统两阶段随机优化调度模型，其特征在于：柔性负荷通过提过上调/下调备用的方式参与电力系统调度，响应风电不确定性。2.根据权利要求1所述的一种考虑柔性负荷的电力系统两阶段随机优化调度模型，其特征在于：柔性负荷通过竞价方式和发电方资源共同参与电力系统调度，日前阶段发电方和柔性负荷分别向独立系统运营商提供报价，发电方提供电量及备用报价，负荷方提供备用报价；日前阶段确定机组和柔性负荷备用容量，实时阶段根据风电场景实现确定机组和柔性负荷实际调度备用。3.根据权利要求2所述的一种考虑柔性负荷的电力系统两阶段随机优化调度模型，其特征在于：模型考虑风电接入电力系统，利用一系列场景模拟风电不确定性，各场景概率之和为1；由此构建电力系统两阶段随机优化...

【专利技术属性】
技术研发人员：王海冰，王承民，戚永志，王跃峰，许晓艳，许彦平，李驰，刘涌，
申请(专利权)人：上海交通大学，中国电力科学研究院有限公司，上海博英信息科技有限公司，
类型：发明
国别省市：上海,31