以综合成本最小为目标的电力系统鲁棒调度不确定集构建方法技术方案

本发明专利技术公开了一种以综合成本最小为目标的电力系统鲁棒调度不确定集构建方法，包括如下步骤：S1、由Yt定义式：

【技术实现步骤摘要】
以综合成本最小为目标的电力系统鲁棒调度不确定集构建方法
本专利技术涉及电力系统领域，具体涉及一种以综合成本最小为目标的电力系统鲁棒调度不确定集构建方法。
技术介绍
大规模新能源并网后，基于准确负荷预测的电力系统传统调度体系已不再适用。传统调度方法通过预留固定比例的备用容量来应对风电波动，但足以保证系统安全的备用量不易精确获取。更好的解决方法是随机优化技术，根据概率密度分布函数随机模拟风电的出力，获得统计意义上的最优期望成本。但应用于大规模电力系统时仍具有一定的复杂性与局限性。近年来，鲁棒调度受到广泛关注。在给定参数不确定性变化范围的情况下，该方法寻求一个最优解，使得约束条件在不确定参数的所有可能取值下均得到满足。现有文献分别从不同的切入点建立了鲁棒调度模型，但当风电场数目变多时，模型的复杂程度将急剧上升。于是现有文献提出了一种基于极限场景集的鲁棒机组组合模型，较好地解决了当风电场个数变多时模型复杂度急剧上升的问题。但是，基于极限场景集和区间优化的鲁棒调度均要求输入风电的出力范围。极端情况下，鲁棒调度涵盖所有的可能性(考虑风电从零到装机容量之间的任意波动)，但存在过于保守、对目标函数牺牲过大的风险。现有文献通过人为给定一个小于1的置信概率来确定风电的出力范围，即下文所指的不确定集。该不确定集忽略了某些小概率的极端波动情况，从而降低了调度的保守度。通过分析不确定集对鲁棒调度的影响，提出了满足一定置信水平的不确定集选取方法，使得调度人员可以根据风险偏好来控制鲁棒调度策略的保守度，但主观上控制调度的保守度很难达到最优解。可见，现有技术中仍没有解决鲁棒调度的经济性和鲁棒性的冲突问题。
技术实现思路
为解决上述问题，本专利技术提供了一种以综合成本最小为目标的电力系统鲁棒调度不确定集构建方法。为实现上述目的，本专利技术采取的技术方案为：以综合成本最小为目标的电力系统鲁棒调度不确定集构建方法，包括如下步骤：S1、控制变量由Yt定义式：式中：为时段t时风电总出力的预测值，u(t)和v(t)分别为风电的向下波动比例和向上波动比例对Yt的定义，考虑如下的控制变量X：X＝{u(1)，v(1)，...，u(t)，v(t)，...，u(T)，v(T)}S2、目标函数目标函数为综合成本最小：min.f＝f1+f2式中：f1为预测场景下的发电成本，f2为应对风电出力波动时产生的风险成本期望值，f1和f2相加为调度方案总的期望成本，即综合成本；S3、约束方程在优化过程中，风电总出力应满足上下限约束，如下式所示：其中，所述应对风电出力波动时产生的风险成本期望值通过以下步骤计算所得：①计算功率缺额当风电出力波动时，电网出现有功不平衡，火电机组需要在t0内完成出力调整，使电网恢复功率平衡；火电机组的出力调整受到上下限和爬坡率的双重限制，火电的下调容量Pd(t)和上调容量Pu(t)分别根据下式计算，其大小与机组的当前出力p(g，t)相关；根据风电总出力的概率密度分布函数计算功率缺额的期望值；时段t时，为风电的出力序列，当风电总出力小于Pd(t)时，为维持功率平衡需进行切负荷，切负荷量如式(1)所示，积分区间从0到Pd(t)；当风电总出力大于Pu(t)时，为维持有功平衡需进行弃风，弃风电量如式(2)所示，积分区间从Pu(t)到②计算风险成本进一步地，周期T内的总弃风量总切负荷量设单位电量切负荷成本为fc，单位电量弃风成本为fw，则有：式中：ηc为单位切负荷量的损失成本，大小与负荷类型有关；ηw为单位弃风电量的损失成本。本专利技术具有以下有益效果：在鲁棒区间调度模型的基础上，本专利技术通过对弃风和切负荷进行风险评估将调度的鲁棒性转化为经济指标，建立了使得综合成本最小(发电成本与风险成本之和)的不确定集优化模型，并通过构建一种双层优化算法求解该模型；算例分析表明：通过优化不确定集能改善调度的综合成本；采用不同的变量个数描述不确定集将有不同的优化效果，可根据具体要求调整策略。附图说明图1为风电总出力的预测曲线及其不确定集。图2为风电总出力的概率密度分布曲线。图3为双层优化算法流程图。图4为GA-PSO算法流程图。图5为负荷与风电预测值。图6为三种调度成本的变化曲线。图7切负荷成本对计算结果的影响。图8为三种算法的平均收敛特性。具体实施方式为了使本专利技术的目的及优点更加清楚明白，以下结合实施例对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。建立模型考虑G台火电机组数和W个风电场，周期为T；以t时刻为例，某一置信概率下风电场w的出力pw，t和风电总出力满足：式中：和分别为风电场w在时段t的不确定集下限和上限；和分别为风电总出力在时段t的不确定集下限和上限；1)目标函数考虑火电机组的可变运行成本作为目标函数，如式(3)所示；发电成本F(g，t)采用式(4)所示的二次曲线，系数ag、bg、cg通过实际运行或实验获得，p(g，t)为火电机组g在时段t的输出功率；F(g，t)＝(agp2(g，t)+bgp(g，t)+cg)(4)2)约束方程调度模型可以表示为一个含区间数的大规模非线性优化问题；式(5)为有功平衡约束，D(t)为时段t的负荷；式(6)为上下限约束，pmin(g)和pmax(g)分别为火电机组g的出力下限和出力上限；式(7)为爬坡速度约束，rd(g)和ru(g)分别为火电机组g的向下和向上爬坡速度，t0为调度时间间隔；式(8)为线路传输约束，γg-l、γd-l、γw-l分别为火电机组g、负荷d、风电场w在线路l上的功率分布因子，PL(l)为线路l的最大传输功率；消去区间变量1)简化有功平衡约束有功平衡约束含有区间数即Yt为t时刻风电总出力的不确定集。Yt内任意一个值对应一个场景，则风电总出力为预测值时称为预测场景s0，风电总出力为时称为最小场景s1，风电总出力为时称为最大场景s2。显然，最严重的情况出现在风电出力波动最大的时候，当调度方案能适应最小场景和最大场景时，必然能适应不确定集内所有的场景。将式(5)转化为无区间数的形式如式(9)-(11)所示，式中的p(s，g，t)为场景s下火电机组的输出功率。2)简化线路传输约束线路传输约束含有区间数为了保证风电在任意波动下(包括小概率的极端情况)均不发生线路潮流越限，取pw，max为风电场w的装机容量，则不确定集[0，pw，max]对应的置信概率为1。将式(8)写成式(12)的形式，其中当各风电场出力在[0，pw，max]内变化时，线路潮流中与风电相关的部分也会在一定范围内变化，假设其变化的上限和下限分别为A，则线路传输约束可简化为式(13)的形式。对于γw(w，l)＞0的风电场，为装机容量，对于γw(w，l)＜0的风电场，出力为0，此时线路潮流中与风电相关的部分为上限反之为下限A。可见，和A均为定值。通过上述处理，一方面保证了电网运行的安全性，即使发生小概率的极端波动情况线路潮流也满足要求；另一方面避免了不确定集在各风电场上的分配，只需对风电总出力进行不确定集的优化。3)添加场景束约束简化后的有功平衡约束涉及到s0，s1，s2三个场景，场景之间的过渡受到了机组调节速率的限制。式(14)为预测场景与最小场景的过渡约束，式(15)为预测场景与最大场景的过渡约束。综上，本文档来自技高网...

【技术保护点】
以综合成本最小为目标的电力系统鲁棒调度不确定集构建方法，其特征在于，包括如下步骤：S1、控制变量由Yt定义式：

【技术特征摘要】
1.以综合成本最小为目标的电力系统鲁棒调度不确定集构建方法，其特征在于，包括如下步骤：S1、控制变量由Yt定义式：式中：为时段t时风电总出力的预测值，u(t)和v(t)分别为风电的向下波动比例和向上波动比例对Yt的定义，考虑如下的控制变量X：X＝{u(1)，v(1)，...，u(t)，v(t)，...，u(T)，v(T)}S2、目标函数目标函数为综合成本最小：min.f＝f1+f2式中：f1为预测场景下的发电成本，f2为应对风电出力波动时产生的风险成本期望值，f1和f2相加为调度方案总的期望成本，即综合成本；S3、约束方程在优化过程中，风电总出力应满足上下限约束，如下式所示：2.如权利要求1所述的以综合成本最小为目标的电力系统鲁棒调度不确定集构建方法，其特征在于，所述应对风电出力波动时产生的风险成本期望值通过以下步骤计算所得：①计...

【专利技术属性】
技术研发人员：陈皓勇，
申请(专利权)人：广东博慎智库能源科技发展有限公司，
类型：发明
国别省市：广东,44