一种考虑风电预测误差的机组有功实时调度方法技术

本发明专利技术公开了一种考虑风电预测误差的电力系统有功实时经济调度方法。使用拉普拉斯分布描述风电预测误差随机分布特性，以经济性最优与弃风最小为双目标，引入机会约束条件，基于拉丁超立方采样的概率潮流方法求解系统有功潮流概率分布，建立考虑风电预测误差的缓冲机组有功最优分配模型，并采用改进的遗传算法求解该机会约束规划模型。本发明专利技术在实时调度中考虑风电预测误差，能够避免风电出力偏差给系统带来的功率失衡和潮流越限，保障系统的安全运行。此外系统在消纳风电预测误差的同时，提高了风电接纳能力。

【技术实现步骤摘要】
一种考虑风电预测误差的机组有功实时调度方法
本专利技术涉及电网的运行控制领域，特别是风电新能源电网的调度方法。
技术介绍
近年来，随着国内电源结构的调整力度不断加大，新能源发电技术迅速发展，接入电网的容量增大。然而，风力发电固有的随机性和波动性，使其在大规模接入系统时，会对电网运行造成严重影响甚至危及电网安全。电力系统经济调度问题以经济型最优为目标，满足系统功率平衡和运行约束条件的优化问题。近年来，依据“多级协调、逐级细化”的思路，将控制分为四个阶段：日前调度、滚动调度、实时调度和AGC(自动发电控制)。实时调度以15min为周期，取系统中性能良好、爬坡速率较快的机组为缓冲机组，依据提前15min的预测信息调整缓冲机组的出力并提前15min下发给对应机组，平抑有功的不平衡量，以改善运行的经济性。由于在滚动调度之后，实时调度所需修正的机组出力的量相对较小。实时调度是在滚动调度基础上的进一步校核和修正，本质上是对缓冲机组出力的动态优化问题。由于现有的风电预测精度较低，当大规模风电并网时，风电波动造成的功率缺额将会给电网的安全运行带来威胁。然而，现有研究实时调度研究大多仅考虑到负荷预测的偏差，忽略了风电预测误差。负荷预测虽然也存在误差，但是相较于风电预测，其变化趋势认为是可以被精确预测的。事实上，风电预测的实测值与预测值之间存在较大差异，势必影响实时调度结果和系统安全。所以，实时调度中必须考虑到风电预测误差的影响。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种考虑风电预测误差的机组有功实时调度方法，用于解决现有的电力系统经济调度中实时调度时风电预测误差较大的技术问题。技术方案：为实现上述目的，本专利技术采用的技术方案为：一种考虑风电预测误差的机组有功实时调度方法，包括顺序执行的以下步骤：步骤一、读取待调度电力系统的网络数据和机组参数，以及最新滚动调度后电力系统中的机组出力；步骤二、设定缓冲机组有功最优分配模型目标函数为(1)式中：v表示机组包括缓冲机组和风电机组，Nrt是缓冲机组的集合，Nwind是风电机组的集合，是缓冲机组发电出力单位调整成本，是缓冲机组在t时刻初的出力调整量(在t-1时刻计算并下发)，是风电机组在t时刻初的弃风量，κv为弃风权重因子；步骤三、获取下一周期的风电预测出力及总负荷预测信息，并设置阈值Pwind；利用下一周期的风电预测出力减去当前周期的风电出力获得风电总出力预测增量，判断风电总出力预测增量是否大于Pwind；若大于等于Pwind，则下一周期电力系统选择弃风；若小于Pwind，则下一周期电力系统选择全部接纳风电出力，即步骤四、设定和为决策变量，组成待求染色体；步骤五、随机产生初代染色体，基于拉丁超立方采样获取风电预测误差样品，通过概率潮流方法得到电力系统有功潮流概率分布。上述过程具体为：依据拉丁超立方随机采样方法对每台风机的风电预测误差随机变量进行采样后得到采样矩阵；将采样矩阵中的每一列风电预测误差向量视为负的负荷计入相应节点后，进行直流潮流计算，通过数学统计得到线路有功潮流的概率分布。接着，验证是否满足缓冲机组整体出力约束、线路潮流约束、缓冲机组出力调整上下限约束以及备用容量约束共4个约束条件，分别用下列4个式子表示；（2）式中：是风电机组预测出力的增量，△Pload为总负荷预测的增量，总负荷预测增量为下一周期总负荷预测信息减去当前周期总负荷；(3)式为机会约束，其中：为风电机组的风电预测误差量，PTk为t时刻实时调度风电预测误差后的线路断面k的有功功率概率分布，为线路断面k的有功功率传输上限，PTk为线路断面k的有功功率传输下限，Pr{·}表示概率，为给定的潮流约束置信水平，且该式需对电网中任一断面k都成立；(4)式中：为缓冲机组出力调整的下限，且其中Pv,min为缓冲机组出力下限，为缓冲机组出力的最大下调量(由缓冲机组爬坡能力决定)，为缓冲机组出力调整的上限，且其中Pv,max为缓冲机组v出力上限，为缓冲机组出力的最大上调量(由缓冲机组爬坡能力决定)；(5)式为机会约束，其中：为给定的旋转备用约束置信水平；缓冲机组需要留下充分的备用容量消纳风电预测误差保证系统的功率平衡。若满足上述所有约束条件，则将对应的初代染色体放入初代种群；否则重新产生染色体并在新的染色体的基础上重复上述采样及验证方法，将满足约束条件的对应的染色体放入初代种群中，直至初代种群达到种群规模N；步骤六：经由改进遗传算法(即HGA)进行保留、选择、交叉、变异、复制操作，采用基于序的评价函数，对新产生种群进行检验以确认其满足步骤五中的4个约束条件，直到改进遗传算法达到指定进化代数d或满足以下收敛性条件：(6)式中：为染色体，d为进化代数，ε为收敛判据；步骤七：将最终代染色体中的最优个体作为优化后的缓冲机组出力调整量和弃风量，并按照优化后缓冲机组出力调整量和弃风量进行实时调度。本专利技术将风电预测误差作为负的负荷接入相应接入点，基于拉丁超立方的概率潮流方法，求解线路有功潮流的概率分布，同时利用缓冲机组的备用容量消纳风电预测误差。采用机会约束条件，给定潮流约束与备用容量约束成立的置信水平，并最终通过改进遗传算法计算出优化结果。进一步的，在本专利技术中，将风电机组的风电预测误差视为随机变量，所述风电机组的风电预测误差量随机分布采用拉普拉斯分布描述，相应的风电预测误差的概率密度函数为：式中，参数λ>0，通过风电场大量历史风电出力偏差数据可以拟合风电预测误差的概率密度函数，从而与拉普拉斯分布比较得到参数λ。有益效果：本专利技术提供的一种考虑风电预测误差的机组有功实时调度方法，使用拉普拉斯分布描述风电预测误差随机分布特性，以经济性最优与弃风最小为双目标，引入机会约束条件，基于拉丁超立方采样的概率潮流方法求解系统有功潮流概率分布，建立考虑风电预测误差的缓冲机组有功最优分配模型，并采用改进的遗传算法求解该机会约束规划模型。具体包括以下几方面的优点：1.在电力系统实时调度阶段考虑风电预测误差后，能够避免风电预测可能存在的较大误差对系统运行的影响，保证系统的功率平衡与网络安全约束，合理地调整系统的调度计划，还可以在消纳风电出力偏差的同时，为下一时段的风电预测出力的改变做好准备，尽可能地接纳风力发电；2.现有实时调度算法中计算系统有功潮流分布，普遍采用线性化方法，引入负荷平衡灵敏度，存在一定的误差。概率潮流算法通过在潮流计算中考虑各状态变量的不确定性，能够更准确地获得节点电压和线路潮流等的概率分布。蒙特卡罗随机模拟是一种最常采用的概率潮流算法，但是采样规模较大时，计算量也很庞大。本专利技术采用基于拉丁超立方采样的概率潮流算法，可以有效地提高计算效率；3.由于存在随机变量，确定性的约束条件已不再适用，采用机会约束规划方法建立缓冲机组有功最优分配模型，给定约束成立的置信水平，充分考虑到风电预测误差的随机分布。综上所述，本专利技术在实时调度中考虑风电预测误差，能够避免风电出力偏差给系统带来的功率失衡和潮流越限，保障系统的安全运行。此外系统在消纳风电预测误差的同时，提高了风电接纳能力。附图说明图1为本专利技术一种考虑风电预测误差的机组有功实时调度方法的算法流程图；图2为实施方案中实例所用IEEE24节点系统；图3为实施方案中实例仿真本文档来自技高网...

【技术保护点】
一种考虑风电预测误差的机组有功实时调度方法，其特征在于：包括顺序执行的以下步骤：步骤一、读取待调度电力系统的网络数据和机组参数，以及最新滚动调度后电力系统中的机组出力；步骤二、设定缓冲机组有功最优分配模型目标函数为min(Σv∈Nrtavrt·ΔPvrt(t)+Σv∈Nwindκv·ΔPvloss(t))---(1)]]>(1)式中：v表示机组包括缓冲机组和风电机组，Nrt是缓冲机组的集合，Nwind是风电机组的集合，是缓冲机组发电出力单位调整成本，是缓冲机组在t时刻初的出力调整量，是风电机组在t时刻初的弃风量，κv为弃风权重因子；步骤三、获取下一周期的风电预测出力及总负荷预测信息，并设置阈值Pwind；利用下一周期的风电预测出力减去当前周期的风电出力获得风电总出力预测增量，判断风电总出力预测增量是否大于Pwind；若大于等于Pwind，则下一周期电力系统选择弃风；若小于Pwind，则下一周期电力系统选择全部接纳风电出力；步骤四、设定和为决策变量，组成待求染色体；步骤五、随机产生初代染色体，基于拉丁超立方采样获取风电预测误差样品，通过概率潮流方法得到电力系统有功潮流概率分布，验证其是否满足如下4个约束条件；Σv∈NrtΔPvrt(t)+Σv∈Nwind(ΔPvwind(t)-ΔPvloss(t))-ΔPload=0---(2)]]>Pr{PTk‾≤PTk(ϵvf(t))≤PTk‾‾}≥1-θ1rt---(4)]]>-ΔPvrt‾≤ΔPvrt(t)≤ΔPvrt---(5)]]>Pr{-Σv∈NrtΔPvrt‾≤Σv∈NrtΔPvrt(t)-Σv∈Nwind(ϵvf(t)-ΔPvloss(t))≤Σv∈NrtΔPvrt‾}≤1-θ2rt---(6)]]>式中：(2)式中：是风电机组预测出力的增量，ΔPload为总负荷预测的增量，总负荷预测增量为下一周期总负荷预测信息减去当前周期总负荷；(3)式中：为风电机组的风电预测误差量，PTk为t时刻实时调度风电预测误差后的线路断面k的有功功率概率分布，为线路断面k的有功功率传输上限，为线路断面k的有功功率传输下限，Pr{·}表示概率，为给定的潮流约束置信水平，且该式需对电网中任一断面k都成立；(4)式中：为缓冲机组出力调整的下限，且ΔPvrt‾=min(Pvrt(t-1)-Pv,min,ΔPvdn),]]>其中Pv,min为缓冲机组出力下限，为缓冲机组出力的最大下调量，为缓冲机组出力调整的上限，且ΔPvrt‾=min(Pv,max-Pvrt(t-1),ΔPvup),]]>其中Pv,max为缓冲机组出力上限，为缓冲机组出力的最大上调量；(5)式中：为给定的旋转备用约束置信水平；若满足所有约束条件，则将对应的初代染色体放入初代种群；否则重新产生染色体并在新的染色体的基础上重复上述采样及验证方法，将满足约束条件的对应的染色体放入初代种群中，直至达到种群规模N；步骤六：经由改进遗传算法进行保留、选择、交叉、变异、复制操作，采用基于序的评价函数，对新产生种群进行检验以确认其满足步骤五中的4个约束条件，直到改进遗传算法达到指定进化代数d或满足以下收敛性条件：Σv∈N|ηvd-ηvd-1|≤ϵ---(7)]]>(1)式中：为染色体，d为进化代数，ε为收敛判据；步骤七：将最终代染色体中的最优个体作为优化后的缓冲机组出力调整量和弃风量，并按照优化后缓冲机组出力调整量和弃风量进行实时调度。...

【技术特征摘要】
1.一种考虑风电预测误差的机组有功实时调度方法，其特征在于：包括顺序执行的以下步骤：步骤一、读取待调度电力系统的网络数据和机组参数，以及最新滚动调度后电力系统中的机组出力；步骤二、设定缓冲机组有功最优分配模型目标函数为(1)式中：v表示机组包括缓冲机组和风电机组，Nrt是缓冲机组的集合，Nwind是风电机组的集合，是缓冲机组发电出力单位调整成本，是缓冲机组在t时刻初的出力调整量，是风电机组在t时刻初的弃风量，κv为弃风权重因子；步骤三、获取下一周期的风电预测出力及总负荷预测信息，并设置阈值Pwind；利用下一周期的风电预测出力减去当前周期的风电出力获得风电总出力预测增量，判断风电总出力预测增量是否大于Pwind；若大于等于Pwind，则下一周期电力系统选择弃风；若小于Pwind，则下一周期电力系统选择全部接纳风电出力；步骤四、设定和为决策变量，组成待求染色体；步骤五、随机产生初代染色体，基于拉丁超立方采样获取风电预测误差样品，通过概率潮流方法得到电力系统有功潮流概率分布，验证其是否满足如下4个约束条件；

【专利技术属性】
技术研发人员：蒋平，张文婷，霍雨翀，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32