计及风险及机组组合的电网风电消纳能力评估方法技术

本发明专利技术涉及风电消纳能力评估方法，具体为计及风险及机组组合的电网风电消纳能力评估方法，包括步骤一：生成各风电场单台风电机组出力的时序序列曲线；步骤二：随机生成各风电场并网容量组合的集合；步骤三：求解粗糙优化目标函数值；步骤四：确定序优化问题种类；步骤五：确定精确优化集合；步骤六：求解精确优化目标函数值；步骤七：确定电网对风电的最优消纳能力。本发明专利技术计及风险及机组组合，对多个风电场接入电网的最优容量进行计算评估，最终确定电网的最优风电消纳能力。本发明专利技术可以兼顾系统运行可靠性与经济性，并提高电网对新能源的利用率，是很有前景的一种电网风电消纳能力优化评估方法，进而为电力系统运行规划提供建议和依据。

【技术实现步骤摘要】
计及风险及机组组合的电网风电消纳能力评估方法
本专利技术涉及电力系统中风电消纳能力评估方法，具体为计及风险及机组组合的电网风电消纳能力评估方法。
技术介绍
随着风电并网容量的快速增长，由于电网安全稳定等约束，导致风电的弃风率一直提高，2016年我国新疆、甘肃等省份弃风率已经达到42％以上。为保证风电场投资收益，国家已出台相应政策，在弃风率较高的地区放缓风电建设进度，但具体应该批准多少风电，才能在保证提高我国新能源并网容量的同时，提高风电的利用率，已成为制约风电发展的重要瓶颈。一定规模的电网对于并网风电的消纳能力是有一定的限度的，这一能力主要受到系统电源结构及调节能力、负荷特性、运行方式、电网安全稳定水平、风电出力特性等诸多因素影响。当风电并网容量超过电网可消纳的能力时，就会出现弃风现象，或是对电网运行造成如频率偏移、切除负荷等不良后果。要减少运行时电网的弃风率，首先应该在风电规划时考虑电网运行因素的影响，计及电网运行风险及机组组合，评估电网全年平均对风电的消纳和利用程度，最终确定风电场的建设方案。由此可见，计及风电和机组组合，合理的进行风电消纳能力优化，是提高电网风电利用率和确定风电场最优建设方案的重要解决措施之一。
技术实现思路
本专利技术为了缓解现今风电发展中的弃风问题，从保证电网安全可靠运行的角度，提出了计及风险及机组组合的含多个风电场的电网风电消纳能力评估方法。采用该方法，针对给定电网的运行条件，确定可能的风电场并网方案，并根据不同风电并网方案下保证系统最优消纳的机组组合方式，采用序优化方法，进行粗糙集和精确集的优化求解，进而以较小的计算代价确定电网对风电的最优消纳能力。本专利技术是采用如下的技术方案实现的：计及风险及机组组合的电网风电消纳能力评估方法，包括以下步骤：S1：生成各风电场单台风电机组出力的时序序列曲线。假设有r个可建风电场，采用历史数据模拟风速的随机性，从历史数据中随机抽取风速数据，计及风速预测误差，得到预测的时序风速，结合风功率输出特性曲线，获得每个风电场的单台风电机组出力的时序序列曲线。S2：随机生成W组各风电场并网容量组合并形成集合Θ。随机生成W组r个风电场并网机组数组合，结合由S1确定的各风电场单台风电机组出力的时序序列曲线，得到W组各风电场并网容量组合并形成集合Θ，该组合应满足：1)单个风电场容量不大于其所在地理位置风电资源限制；2)r个风电场的总并网容量应不超过系统负荷预测峰值。S3：求解粗糙优化目标函数值。针对S2中第m个(m＝1,2，……W)风电场并网容量组合，通过机组组合模型搭建场景基本数学模型，以弃风量Losswind最小、系统运行成本最小、系统风险最低为目标函数，粗糙模型表达式为(1)：其中，i为机组序号，G为火电机组集合，T为时段数；Pit为机组i在t时刻的出力；Iit为机组i在t时刻的状态，0为停运，1为运行；Ci(Pit,Iit)为机组i在t时刻的发电成本；CRit为机组i在t时刻的备用成本；CSit为机组启动费用。为获得最优的风电消纳组合，通常选择较大的W值(W>1000)，为加快优化速度，上述优化模型采用简化约束条件，求取粗糙优化目标函数值。粗糙模型需满足的约束条件有：①功率平衡约束；②发电机出力约束；③机组爬坡约束；④最小开停机约束；⑤开停机费用约束；⑥备用容量约束；⑦风险性指标约束，即N-1原则下的EENS指标评估结果，N为系统中在线机组数量，EENS为系统的电量不足期望值。若第m个组合可以使得目标函数有解，则该组合为粗糙评估有效解；否则将该组合从集合Θ中删除，按照S2中约束重新随机生成一组风电场并网容量组合，再次进行粗糙目标函数求解。针对集合Θ中的每个组合进行粗糙优化目标函数求解，直至获得W个粗糙评估有效解，获得W个有效解所对应的集合为有效解集合Θ。将W个粗糙评估有效解代入，求解对应的系统弃风量Losswind、系统运行成本系统风险作为目标函数值，将各目标函数值全部归一化到[0，1]中估计噪声等级，目标函数值与随机噪声的和即为最终粗糙优化目标函数值。S4：确定序优化问题种类。根据排序分层算法对W个粗糙优化目标函数值进行快速排序分层，确定有效解集合Θ中每个组合的层号。用层号x作横坐标，前x层解的总数累加值作纵坐标，做出累计函数曲线，与向量序优化的标准曲线对比，则可确定序优化问题种类。S5：确定精确优化集合Ω。根据S4中确定的序优化问题种类，确定通用3目标优化问题需要精确仿真计算的总层数M，有效解集合Θ中层数小于等于M的所有组合形成集合Ω。S6：求解精确优化目标函数值。针对集合Ω中所有组合，以公式(1)为目标函数，约束条件为①功率平衡约束；②发电机出力约束；③机组爬坡约束；④最小开停机约束；⑤开停机费用约束；⑥备用容量约束；⑦风险性指标约束，即N-2原则下的EENS指标评估结果。运用上述的精确模型进行计算，直至获得Ω中所有组合的精确优化目标函数值。S7：确定电网对风电的最优消纳能力。对S6中获得的精确优化目标函数值进行排序、分层，采用隶属度函数法确定集合Ω中的最优风电机组组合策略，从而确定电网对风电的最优消纳能力。本专利技术提供的计及风险及机组组合的电网风电消纳能力评估方法选取电网典型日从运行调度角度对风电最优消纳能力进行评估，考虑多种约束条件，兼顾系统运行可靠性与经济性，构建了多目标风电消纳能力评估模型，从运行的层面对电网风电并网规划提供决策依据。且通过向量序优化方法，极大地缩小了可行域空间的搜索范围，优化模型的计算效率大大提高，计算时间明显缩短，从而提高了本方法在实际工程实用中的可行性。具体实施方式计及风险及机组组合的电网风电消纳能力评估方法，包括以下步骤：S1：生成各风电场单台风电机组出力的时序序列曲线。假设有r个可建风电场，采用历史数据模拟风速的随机性，从历史数据中随机抽取风速数据，计及风速预测误差，得到预测的时序风速，结合风功率输出特性曲线，获得每个风电场的单台风电机组出力的时序序列曲线。S2：随机生成W组各风电场并网容量组合并形成集合Θ。随机生成W组r个风电场并网机组数组合，结合由S1确定的各风电场单台风电机组出力的时序序列曲线，得到W组各风电场并网容量组合并形成集合Θ，该组合应满足：1)单个风电场容量不大于其所在地理位置风电资源限制；2)r个风电场的总并网容量应不超过系统负荷预测峰值。S3：求解粗糙优化目标函数值。针对S2中第m个(m＝1,2，……W)风电场并网容量组合，通过机组组合模型搭建场景基本数学模型，以弃风量Losswind最小、系统运行成本最小、系统风险最低为目标函数，粗糙模型表达式为(1)：其中，i为机组序号，G为火电机组集合，T为时段数；Pit为机组i在t时刻的出力；Iit为机组i在t时刻的状态，0为停运，1为运行；Ci(Pit,Iit)为机组i在t时刻的发电成本；CRit为机组i在t时刻的备用成本；CSit为机组启动费用。为获得最优的风电消纳组合，通常选择较大的W值(W>1000)，为加快优化速度，上述优化模型采用简化约束条件，求取粗糙优化目标函数值。粗糙模型需满足的约束条件有：①功率平衡约束；②发电机出力约束；③机组爬坡约束；④最小开停机约束；⑤开停机费用约束；⑥备用容量约束；⑦风险性指标约束本文档来自技高网...

【技术保护点】
计及风险及机组组合的电网风电消纳能力评估方法，其特征在于包括以下步骤：S1：生成各风电场单台风电机组出力的时序序列曲线，假设有r个可建风电场，采用历史数据模拟风速的随机性，从历史数据中随机抽取风速数据，计及风速预测误差，得到预测的时序风速，结合风功率输出特性曲线，获得每个风电场的单台风电机组出力的时序序列曲线；S2：随机生成W组各风电场并网容量组合并形成集合Θ，随机生成W组r个风电场并网机组数组合，结合由S1确定的各风电场单台风电机组出力的时序序列曲线，得到W组各风电场并网容量组合并形成集合Θ，该组合应满足：1)单个风电场容量不大于其所在地理位置风电资源限制；2)r个风电场的总并网容量应不超过系统负荷预测峰值；S3：求解粗糙优化目标函数值，针对S2中第m个，m＝1,2，……W，风电场并网容量组合，通过机组组合模型搭建场景基本数学模型，以弃风量Losswind最小、系统运行成本

【技术特征摘要】
1.计及风险及机组组合的电网风电消纳能力评估方法，其特征在于包括以下步骤：S1：生成各风电场单台风电机组出力的时序序列曲线，假设有r个可建风电场，采用历史数据模拟风速的随机性，从历史数据中随机抽取风速数据，计及风速预测误差，得到预测的时序风速，结合风功率输出特性曲线，获得每个风电场的单台风电机组出力的时序序列曲线；S2：随机生成W组各风电场并网容量组合并形成集合Θ，随机生成W组r个风电场并网机组数组合，结合由S1确定的各风电场单台风电机组出力的时序序列曲线，得到W组各风电场并网容量组合并形成集合Θ，该组合应满足：1)单个风电场容量不大于其所在地理位置风电资源限制；2)r个风电场的总并网容量应不超过系统负荷预测峰值；S3：求解粗糙优化目标函数值，针对S2中第m个，m＝1,2，……W，风电场并网容量组合，通过机组组合模型搭建场景基本数学模型，以弃风量Losswind最小、系统运行成本最小、系统风险最低为目标函数，表达式为：其中，i为机组序号，G为火电机组集合，T为时段数；Pit为机组i在t时刻的出力；Iit为机组i在t时刻的状态，0为停运，1为运行；Ci(Pit,Iit)为机组i在t时刻的发电成本；CRit为机组i在t时刻的备用成本；CSit为机组启动费用；粗糙模型需满足的约束条件有：①功率平衡约束；②发电机出力约束；③机组爬坡约束；④最小开停...

【专利技术属性】
技术研发人员：贾燕冰，付可宁，韩肖清，王英，王鹏，梁琛，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西,14