基于机会约束规划和波动成本的风电场装机容量优化方法技术

本发明专利技术涉及一种基于机会约束规划和波动成本的风电场装机容量优化方法，包括以下步骤，步骤S1：获取风电场原始风速数据、待接入电网的运行参数和机组参数；步骤S2:获取风速时间序列建模结果；步骤S3：以风电场发电社会效益最大化为目标函数建立风电场装机容量机会约束规划模型；步骤S4：根据风电场装机容量机会约束规划模型，采用随机模拟粒子群算法，计算得到风电场最优装机容量。本发明专利技术引入波动成本，以风电场发电社会效益净现值为优化目标，考虑系统功率平衡约束、常规发电机组出力约束、网架线路传输容量约束、系统备用容量约束等约束条件建立机会约束规划模型，得到风电场装机容量优化解。

Wind farm installed capacity optimization method based on chance-constrained programming and fluctuating cost

The present invention relates to a wind farm installed capacity optimization method based on chance-constrained programming and fluctuation cost, including the following steps: obtaining wind farm original wind speed data, operation parameters to be connected to the grid and unit parameters; _2: obtaining wind speed time series modeling results; _: establishing wind farm installed capacity with the objective function of maximizing social benefits of wind farm generation. Capacity Chance Constrained Programming Model; (4) According to the Wind Farm Installation Capacity Chance Constrained Programming Model, the stochastic simulation particle swarm optimization algorithm is used to calculate the optimal installed capacity of the wind farm. The invention introduces fluctuation cost, takes the net present value of social benefits of wind farm generation as the optimization objective, considers the constraints of system power balance, output of conventional generators, transmission capacity of grid lines, system reserve capacity and other constraints, establishes the chance constrained programming model, and obtains the optimal solution of wind farm installed capacity.

【技术实现步骤摘要】
基于机会约束规划和波动成本的风电场装机容量优化方法
本专利技术涉及电力系统
，具体涉及一种基于机会约束规划和波动成本的风电场装机容量优化方法。
技术介绍
在节能减排的大背景下，作为清洁能源的风电迅猛发展，但弃风现象也比较严重，导致风电场投资效率下降。对风电场的装机容量进行合理规划是从源头上解决风电消纳难等问题的有效办法。风电场装机容量的确定主要受三方面的因素影响：一是风电并网系统对风电的接纳能力，二是拟建风电场地区的风资源禀赋以及风电场商运营方式。电网对于风电的接纳能力是有限的，当系统对风电的接纳达到一定比例后，风电并网的边际效益为零，此时系统对于风电的接纳能力达到了极限。影响风电接纳能力的主要因素包括：电网负荷水平与特性、电源结构、调峰能力、网架结构和风电机组低压穿越能力等。大量研究集中从电网侧考虑风电的接纳能力，确定风电场的装机容量，但基本都没有考虑风电接入电网的波动成本；也有一部分研究仅站在风电场投资者的角度考虑风电场的装机容量。事实上，从某一个角度评估风电的最大装机容量，所具有的效益仅代表某一方利益，不一定是具有社会效益最优的风电装机容量。另外，由于风电出力的随机性和间歇性，如果在求取风电场装机容量过程中采用严格约束条件，所得结果将偏于保守。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于机会约束规划和波动成本的风电场装机容量优化方法，以风电场发电社会效益净现值为优化目标，考虑系统功率平衡约束、常规发电机组出力约束、网架线路传输容量约束、系统备用容量约束等约束条件建立机会约束规划模型，得到风电场装机容量优化解。为实现上述目的，本专利技术采用如下技术方案：一种基于机会约束规划和波动成本的风电场装机容量优化方法，包括以下步骤：步骤S1：获取风电场原始风速数据、待接入电网的运行参数和机组参数；步骤S2:根据风电场原始风速数据，获取风速时间序列建模结果；步骤S3：根据得到的风速时间序列建模结果、待接入电网的运行参数和机组参数，以风电场发电社会效益最大化为目标函数建立风电场装机容量机会约束规划模型；步骤S4：根据风电场装机容量机会约束规划模型，采用随机模拟粒子群算法，计算得到风电场最优装机容量。进一步的,所述步骤S2具体为：步骤S21:对风电场原始风速数据进行小波变换滤波，滤除高频随机扰动，并对滤波后的风速序列划分波动过程；步骤S22:利用自组织神经网络映射聚类算法对波动过程分类；步骤S23:利用以x＝0为对称轴的高斯函数对每一个波动过程进行拟合，表达式如式(1)步骤S24:统计各类波动间的马尔科夫转移概率矩阵；并统计各类波动由高斯函数拟合参数a、b和每个波动过程的持续时间c组成的三维联合分布；步骤S25:利用马尔科夫链模拟序贯抽样，抽样出波动类型，再在该类型波动内抽样出具体的波动过程。已知该波动类型的联合分布函数为F3(a，b，c)，根据贝叶斯法则F3(a，b，c)可以表示成边缘概率分布和条件分布的乘积的形式：F3(a,b,c)＝F(c|a,b)·F(b|a)·F(a)(2)基于多维联合分布的抽样方法，按照由边缘概率分布F(a)到条件分布F(b|a)、F(c|a,b)层层深入的顺序进行随机抽样，可以得到一个波动过程的随机抽样结果；步骤S26:重复步骤S25直至抽样的风速时间序列长度符合预设要求,将抽样的波动过程结果按序连接起来，得到风速时间序列建模结果。进一步的,所述步骤S3具体为：步骤S31：计算风电场寿命周期内风电接入系统波动成本的净现值，计算原始风电出力接入待接入电网的最小运行成本，根据“等电量-顺负荷”思路，变换风电出力，计算接入变换后的风电出力时系统最小运行成本，二者之差即为风电接入引起的波动成本：Cf＝(Cori-Cequ)PA(d,n)其中，Cf为待优化装机容量风电场的波动成本，Cori和Cequ分别表示原始风电出力和“等电量-顺负荷”变换后的风电出力接入系统的年最小运行成本；PA(d,n)是年金现值系数；步骤S32：计算风电场接入的总投资成本：Cc＝SWCep其中：Cep是风电场单位风电装机容量的投资成本；Sw是待优化变量，即风电场的装机容量。步骤S33：计算风电场的运行维护费用：风电场寿命周期内的总运维成本为：Cm＝SwCem其中：Cem是风电场寿命周期内单位风电装机容量的总运维成本。步骤S34：计算风电场的发电效益：Bs＝spEwPA(d,n)其中：Bs是风电场的发电收益；sp是风电上网电价；Ew是风电场实际年发电量期望值；PA(d,n)是年金现值系数；步骤S35：风电场环境效益计算：Be＝seEwPA(d,n)其中，se是相对于火力发电，风电场生产单位电量的电能所创造的环境价值。步骤S36：构建风电场装机容量优化数学模型：目标函数为风电场发电社会效益净现值最大：maxB＝max(Bs+Be-Cc-Cm-Cf)约束条件包括系统功率平衡约束、发电机出力能力约束、网架线路传输容量约束和系统备用容量约束。进一步的,所述约束条件包括系统功率平衡约束、发电机出力能力约束、网架线路传输容量约束和系统备用容量约束，具体为：Prob{-Pl,max≤Pl,p≤Pl,max}≥β1其中，Pi，g是常规机组i出力；Pw是系统接纳的风电场出力；PL是系统负荷需求；；Pl是线路l在p时刻的输送功率；Pl，max是线路l的传输容量极限；和分别是由全部可调度常规机组出力上、下极限组成的向量；Psrup和Psrdn分别表示系统的上、下旋转备用容量要求；cT是表征各可调度常规机组的启停状态的向量，1表示相应机组处于运行状态，0表示停运状态；{βi，i＝1，2，3}是相应约束条件的置信水平要求。本专利技术与现有技术相比具有以下有益效果：本专利技术考虑风电场接入电网的波动成本以及风电场自身的发电效益、环保效益、运维成本和投资成本，全面量化风电场的社会效益，有利于合理优化风电场的装机容量；机会约束规划的引入充分体现风资源的不确定性，使得优化容量不致过于保守。具体实施方式下面结合实施例对本专利技术做进一步说明。本专利技术提供一种基于机会约束规划和波动成本的风电场装机容量优化方法，包括以下步骤：步骤S1：获取风电场原始风速数据、待接入电网的运行参数和机组参数；步骤S2:根据风电场原始风速数据，获取风速时间序列建模结果；步骤S3：根据得到的风速时间序列建模结果、待接入电网的运行参数和机组参数，以风电场发电社会效益最大化为目标函数建立风电场装机容量机会约束规划模型；步骤S4：根据风电场装机容量机会约束规划模型，采用随机模拟粒子群算法，计算得到风电场最优装机容量。在本实施例中,所述步骤S2具体为：步骤S21:对风电场原始风速数据进行小波变换滤波，滤除高频随机扰动，并对滤波后的风速序列划分波动过程；步骤S22:利用自组织神经网络映射聚类算法对波动过程分类；步骤S23:利用以x＝0为对称轴的高斯函数对每一个波动过程进行拟合，表达式如式(1)步骤S24:统计各类波动间的马尔科夫转移概率矩阵；并统计各类波动由高斯函数拟合参数a、b和每个波动过程的持续时间c组成的三维联合分布；步骤S25:利用马尔科夫链模拟序贯抽样，抽样出波动类型，再在该类型波动内抽样出具体的波动过程。已知该波动类型的联合分布函数为F3(a，b，c)，根据贝叶斯法则F3(a本文档来自技高网...

【技术保护点】
1.一种基于机会约束规划和波动成本的风电场装机容量优化方法，其特征在于，包括以下步骤：步骤S1：获取风电场原始风速数据、待接入电网的运行参数和机组参数；步骤S2:根据风电场原始风速数据，获取风速时间序列建模结果；步骤S3：根据得到的风速时间序列建模结果、待接入电网的运行参数和机组参数，以风电场发电社会效益最大化为目标函数建立风电场装机容量机会约束规划模型；步骤S4：根据风电场装机容量机会约束规划模型，采用随机模拟粒子群算法，计算得到风电场最优装机容量。

【技术特征摘要】
1.一种基于机会约束规划和波动成本的风电场装机容量优化方法，其特征在于，包括以下步骤：步骤S1：获取风电场原始风速数据、待接入电网的运行参数和机组参数；步骤S2:根据风电场原始风速数据，获取风速时间序列建模结果；步骤S3：根据得到的风速时间序列建模结果、待接入电网的运行参数和机组参数，以风电场发电社会效益最大化为目标函数建立风电场装机容量机会约束规划模型；步骤S4：根据风电场装机容量机会约束规划模型，采用随机模拟粒子群算法，计算得到风电场最优装机容量。2.根据权利要求1所述的基于机会约束规划和波动成本的风电场装机容量优化方法，其特征在于,所述步骤S2具体为：步骤S21:对风电场原始风速数据进行小波变换滤波，滤除高频随机扰动，并对滤波后的风速序列划分波动过程；步骤S22:利用自组织神经网络映射聚类算法对波动过程分类；步骤S23:利用以x＝0为对称轴的高斯函数对每一个波动过程进行拟合，表达式如式(1)步骤S24:统计各类波动间的马尔科夫转移概率矩阵；并统计各类波动由高斯函数拟合参数a、b和每个波动过程的持续时间c组成的三维联合分布；步骤S25:利用马尔科夫链模拟序贯抽样，抽样出波动类型，再在该类型波动内抽样出具体的波动过程。已知该波动类型的联合分布函数为F3(a，b，c)，根据贝叶斯法则F3(a，b，c)可以表示成边缘概率分布和条件分布的乘积的形式：F3(a,b,c)＝F(c|a,b)·F(b|a)·F(a)(3)基于多维联合分布的抽样方法，按照由边缘概率分布F(a)到条件分布F(b|a)、F(c|a,b)层层深入的顺序进行随机抽样，可以得到一个波动过程的随机抽样结果；步骤S26:重复步骤S25直至抽样的风速时间序列长度符合预设要求,将抽样的波动过程结果按序连接起来，得到风速时间序列建模结果。3.根据权利要求2所述的基于机会约束规划和波动成本的风电场装机容量优化方法，其特征在于,所述步骤S3具体为：步骤S31：计算风电场寿命周期内风电接入系统波动成本的净现值，计算原始风电出力接入待接入电网的最小运行成本，根据“等电量-顺负荷”思路，变换风电...

【专利技术属性】
技术研发人员：江岳文，陈晓榕，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35