一种计及风电不确定性的随机序列优化模型的建模方法技术

本发明专利技术公开了一种计及风电不确定性的随机序列优化模型的建模方法，该建模方法包括以下步骤：利用概率性序列描述风电出力的不确定性；建立基于概率性序列的线路潮流的约束模型；建立基于概率性序列的系统旋转储备约束模型。该模型可以很好地处理风电的不确定性，并可以方便的分析风电并网给电力系统安全带来的影响。同时，该模型可以应用在日前电力系统的优化调度中，能有效的提升电力系统运行经济性和安全性。

【技术实现步骤摘要】
一种计及风电不确定性的随机序列优化模型的建模方法
本专利技术涉及一种计及风电不确定性的建模方法，尤其是一种计及风电不确定性的随机序列优化模型的建模方法。
技术介绍
风能是当前世界上最具大规模商业化开发潜力的可再生能源。大规模开发利用风能发电，已成为世界各国解决能源问题和环境问题，改善能源结构，保证国民经济可持续发展的有效措施。吉林省可再生能源储量丰富，具备建设国家级清洁能源基地的条件。其中风电可装机容量5400万千瓦，是国家确定的9个千万千瓦风电风电基地之一。我国“三北”地区风能资源丰富，但能源结构不合理，例如吉林省的热电矛盾异常突出。全省热电联产机组装机容量达到1314.84万千瓦，占燃煤火电装机的74％，比全省统调最小负荷多800万千瓦，比统调最大负荷多400万千瓦。进入供暖期后，电网调峰难度极大，即使热电联产机组全部按照最小方式运行，在夜晚低负荷期，风电仍被迫大量参与调峰。在春节等极端低负荷期，风电机组和纯凝机组必须全停，仍有300多万千瓦电力无法消纳，必须采取紧急措施并得到东北电网联络线支持才能保证电网安全。受此影响，吉林省弃风问题非常严重，近几年弃风率连续位列全国前列，供热中期风电大面积弃风，夜间风电全停成为常态，累计弃风率达到31.1％。
技术实现思路
本专利技术要解决的技术问题是由于风电的不确定性导致风电难以并网，造成大面积弃风。为了解决上述技术问题，本专利技术提供了一种计及风电不确定性的随机序列优化模型的建模方法，其特征在于，包括如下步骤：步骤1，利用概率性序列理论描述风电出力情况；步骤2，建立基于概率性序列的线路潮流的约束模型；步骤3，建立基于概率性序列的系统旋转储备约束模型。通过建立线路潮流的约束模型以及系统旋转储备约束模型描述风电的不确定性以及风电并网对电力系统的影响，根据风电预测信息，实现日前热电联合经济调度，促进风电的消纳。作为本专利技术的进一步限定方案，步骤1中利用概率性序列理论描述风电出力情况具体是：将风电出力离散化并赋予与之对应的概率，从而描述整个风电场的出力状况，同时定义并求解出风电场出力的期望值。作为本专利技术的进一步限定方案，步骤2中建立基于概率性序列的线路潮流的约束模型具体是：计算出不同风电出力情况下的潮流分布，并赋予出现不同潮流分布时的对应概率，将当前运行方式下满足潮流约束的解所对应的概率相加，如果累加值大于设定的置信水平，则当前运行方式满足电力系统的安全稳定运行要求。作为本专利技术的进一步限定方案，步骤3中建立基于概率性序列的系统旋转储备约束模型具体是：将当前运行方式下满足系统旋转储备要求的解所对应的概率相加，如果累加值大于设定的置信水平，则当前运行方式满足电力系统的安全稳定运行。本专利技术的有益效果在于：(1)采用概率性序列理论，对风电的不确定性加以描述，方便计算机加以分析计算，与传统的蒙特卡洛法相比，在保证相同精度的前提下，大大节省了计算时间，不仅可以应用在日前优化调度中，也可以应用在调度时间间隔大于等于15分钟的短期经济调度中；(2)可以根据电网实际运行要求，对不同的线路设定不同的置信水平，不再统一的对所有线路设定相同的要求，可以单独分析风电并网对某一条线路的影响，从而帮助系统规划人员设计合理的线路容量；(3)可以直观的分析旋转储备容量对风电消纳的影响，为系统的安全稳定运行提供保障，减少基础建设成本，提高系统对风电的消纳能力，具有一定的经济和社会效益。附图说明图1为本专利技术的方法流程图；图2为本专利技术的风电的离散化概率分布图；图3为本专利技术的IEEE-30节点拓扑结构图；图4为本专利技术的旋转储备约束与热负荷的关系柱状图。具体实施方式如图1所示，本专利技术公开的计及风电不确定性的随机序列优化模型的建模方法，包括如下步骤：步骤1，利用概率性序列理论描述风电出力情况；步骤2，建立基于概率性序列的线路潮流的约束模型；步骤3，建立基于概率性序列的系统旋转储备约束模型。其中，步骤1中利用概率性序列理论描述风电出力情况具体是：将风电出力离散化并赋予与之对应的概率，从而描述整个风电场的出力状况，同时定义并求解出风电场出力的期望值；具体步骤为：利用风电的历史数据计算得到一段时间内的风电平均相对误差ε为：式中，T为该段时间被分为的时间节点个数，表示风电预测功率，wpt表示实际风电出力，C表示风电装机容量；由于风电预测误差服从正态分布，于是推导出风电平均相对误差ε与标准差σ的关系为：式中，σ为风电预测的标准差，再将风电预测误差作为期望值，得到风电出力的概率密度函数为：由于风电预测误差服从正态分布，所以风电出力在负半轴有一定的分布，然而负值是没有意义的，所以近似认为风电出力为零的概率是正态分布中小于等于0的部分对应的概率之和，将分布在负半轴上的概率归并至原点上，风电的离散化概率分布为：风电的离散化概率分布图如附图2所示，设风电功率的离散化步长为ΔP，Nwp(t)是t时刻风电概率性序列的长度，由于在正态分布中，其变量离中心位置的距离超过三倍标准差的概率不到千分之三，所以Nwp(t)的取值可以选择覆盖99.7％的出力情况。步骤2中建立基于概率性序列的线路潮流的约束模型具体是：计算出不同风电出力情况下的潮流分布，并赋予出现不同潮流分布时的对应概率，将当前运行方式下满足潮流约束的解所对应的概率相加，如果累加值大于设定的置信水平，则当前运行方式满足电力系统的安全稳定运行要求；具体步骤为：首先建立供热平衡及有功平衡约束：式中，COP表示电热泵的性能系数，PLoadt和HLoadt分别代表电负荷和热负荷，CG代表常规机组的集合，CHPG代表热电联产机组的集合，pi,t代表常规机组的电出力，代表热电联产机组的电出力，hj,t代表热电联产机组的热出力，代表热泵的热出力，代表热泵消耗的电功率，iwp代表风电出力，WPt(iwp)代表当风电出力为iwp时对应的概率，Ewp(t)代表风电出力的期望值，线路潮流约束如下：Pline(t)≥βline(9)式中，b1,b2,…,bN∈Bus，Bus是电网所有母线的集合，Pline(t)是用来计算满足潮流约束的概率之和的矩阵，是各线路所能承受的最大有功矩阵，βline是保障各线路运行安全的置信水平构成的矩阵，当某一条线路的有功i小于时，把他们对应的概率累加，得到该线路在这种运行方式下的安全概率，如果此概率大于事先设定好的置信水平βline，则该运行方式满足系统要求，当两个条母线不相连时，则对应元素的赋值如下：这样的幅值可以保证不相连的母线满足下式：由于式(10)-(12)三个矩阵都是稀疏矩阵，所以可以采用压缩行储存或者是压缩列储存，以节省存储空间，加快计算速度。步骤3中建立基于概率性序列的系统旋转储备约束模型具体是：将当前运行方式下满足系统旋转储备要求的解所对应的概率相加，如果累加值大于设定的置信水平，则当前运行方式满足电力系统的安全稳定运行；具体步骤为：式(15)-(20)中，pi,t代表常规机组i在t时刻的出力，和表示常规机组i的最大和最小出力，ΔT是调度时间间隔，rupi是机组i的向上爬坡速率，rdowni是机组i的向下爬坡速率，iwp代表风电场的实际出力，Ewp(t)代表风电场在t时刻的实际出力，式(17)和(18)是用来计算每台机组可提供的向上旋转储备容量和向下旋转储备容量，本文档来自技高网...

【技术保护点】
一种计及风电不确定性的随机序列优化模型的建模方法，其特征在于，包括如下步骤：步骤1，利用概率性序列理论描述风电出力情况；步骤2，建立基于概率性序列的线路潮流的约束模型；步骤3，建立基于概率性序列的系统旋转储备约束模型。

【技术特征摘要】
1.一种计及风电不确定性的随机序列优化模型的建模方法，其特征在于，包括如下步骤：步骤1，利用概率性序列理论描述风电出力情况；步骤2，建立基于概率性序列的线路潮流的约束模型；步骤3，建立基于概率性序列的系统旋转储备约束模型。2.根据权利要求1所述的一种计及风电不确定性的随机序列优化模型的建模方法，其特征在于，步骤1中利用概率性序列理论描述风电出力情况具体是：将风电出力离散化并赋予与之对应的概率，从而描述整个风电场的出力状况，同时定义并求解出风电场出力的期望值。3.根据权利要求2所述的一种计及风电不确定性的随机序列优化模型的建模方法，其特征在于，将风电出力离散化并赋予与之对应的概率的具体步骤为：利用风电的历史数据计算得到一段时间内的风电平均相对误差ε为：式中，T为该段时间被分为的时间节点个数，表示风电预测功率，wpt表示实际风电出力，C表示风电装机容量；由于风电预测误差服从正态分布，于是推导出风电平均相对误差ε与标准差σ的关系为：式中，σ为风电预测的标准差，再将风电预测误差作为期望值，得到风电出力的概率密度函数为：由于风电预测误差服从正态分布，所以风电出力在负半轴有一定的分布，风电出力为零的概率是正态分布中小于等于0的部分对应的概率之和，将分布在负半轴上的概率归并至原点上，则风电的离散化概率分布为：式中，ΔP为风电功率的离散化步长，Nwp(t)是t时刻风电概率性序列的长度。4.根据权利要求1所述的一种计及风电不确定性的随机序列优化模型的建模方法，其特征在于，步骤2中建立基于概率性序列的线路潮流的约束模型具体是：计算出不同风电出力情况下的潮流分布，并赋予出现不同潮流分布时的对应概率，将当前运行方式下满足潮流约束的解所对应的概率相加，如果累加值大于设定的置信水平，则当前运行方式满足电力系统的安全稳定运行要求。5.根据权利要求4所述的一种计及风电不确定性的随机序列优化模型的建模方法，其特征在于，建立线路潮流的约束模型的具体步骤为：建立供热平衡及有功平衡约束为：式中，COP表示电热泵的性能系数，PLoadt和HLoadt分别代表电负荷和热负荷，CG代表常规机组的集合，CHPG代表热电联产机组的集合，pi,t代表常规机组的电出力，代表热电联产机组的电出力，hj,t代表热电联产机组的热出力，代表热泵的热出力，代表热泵消耗的电功率，iwp代表风电出力，WPt(iwp)代表当风电...

【专利技术属性】
技术研发人员：兰岚，王勇，孙昕杰，罗兴，周科峰，吴晨雨，顾伟，
申请(专利权)人：国网江苏省电力公司南京供电公司，国家电网公司，国网江苏省电力公司，东南大学，
类型：发明
国别省市：江苏,32