一种电网应急场景随机优化调度方法技术

本发明专利技术公开了一种电网应急场景随机优化调度方法。首先建立风电出力以及可中断负荷响应的不确定性模型；针对可中断负荷，设置激励因子和惩罚因子，从而约束其中断行为；其次以应急场景下随机优化调度的总成本最低为目标，建立可中断负荷参与电网应急场景下的随机优化调度模型；然后利用无迹变换法在多维空间内生成一定数量的Sigma点集；最后，在每个Sigma采样点处求解电网应急场景下的确定性优化调度结果，根据其统计特性进行分析与评估。本发明专利技术提供了一种有效、实用、科学的电网应急场景下的随机优化调度方法，兼顾了模型的计算精度和计算成本，有利于保障电力系统的电力电量供需平衡，维护系统安全稳定运行。

A stochastic optimal dispatching method for power grid emergency scenario

The invention discloses a random optimization dispatching method for power grid emergency scenarios. Firstly, the uncertainties model of wind power output and interruptible load response is established; for interruptible load, the incentive factor and penalty factor are set to restrain interruption behavior; secondly, the stochastic optimization of interruptible load participation in grid emergency scenarios is established with the objective of minimizing the total cost of stochastic optimal dispatch in emergency scenarios. Secondly, a certain number of Sigma point sets are generated in the multi-dimensional space by using the traceless transformation method. Finally, the deterministic optimal dispatching results are solved at each Sigma sampling point in the emergency scenario, and the statistical characteristics are analyzed and evaluated. The invention provides an effective, practical and scientific stochastic optimal dispatching method for power grid emergency scenarios, taking into account the calculation accuracy and cost of the model, which is beneficial to ensuring the balance of power supply and demand in power system and maintaining the safe and stable operation of the system.

【技术实现步骤摘要】
一种电网应急场景随机优化调度方法
本专利技术涉及一种电网应急场景随机优化调度方法，具体涉及一种计及风电和可中断负荷不确定性的电网应急场景随机优化调度方法。
技术介绍
近年来，为应对能源危机和环境问题，风电作为可持续性较高、成本较小、技术较为成熟的清洁能源在世界范围内受到广泛关注。根据全球风能理事会发布的《全球风电市场2017年度统计报告》，2017年全球风电新增装机容量约为52.6GW，累计装机容量达到539.6GW，其中中国风电新增装机和累计装机量仍保持全球第一。然而风电的波动性与间歇性会直接导致电网节点输入功率不确定性的增强，其弱稳定性和弱抗扰性也势必对电力系统的运行稳定性造成影响。尤其在我国风电高集中度开发、远距离输送的模式下，随着风电并网规模的增加，其对系统供电充裕性和运行稳定性的影响趋于恶化，为电力系统的安全运行和稳定控制带来了新的威胁。风电资源由于其固有性质，预测难度较大，且具有预测时间越短，预测精度越高的特点。为尽量避免电力系统短期运行中可能出现的小概率高风险事故，可以缩短风电预测的时间尺度，基于更加精确的预测数据，对日前调度计划进行日内滚动修正，从而逐级消除大规模风电接入对电网运行造成的影响。但考虑到发电侧有限的调节能力难以应对频繁的机组大幅爬坡等需求，还需要借助需求侧资源响应的效果实现电网应急场景下的随即优化调度。而可中断负荷(interruptibleload,IL)作为一种激励型需求响应资源，部署灵活、可调潜力大且响应速度快，可以在负荷高峰或系统故障时中断部分或全部负荷，从而保障系统安全。尤其是电网发生高风险事故的应急场景下，由于线路潮流限制等原因，发电机组无法提供足够的供电量时，IL作为一种虚拟的备用发电容量和输电容量资源，在应对容量事故、保障系统安全稳定运行方面愈发受到重视。因此，广泛挖掘IL的可调度潜力，对大规模风电接入下的电网应急场景随机优化调度进行研究，对于提升电力系统调度方式的智能性与灵活性，保障电力系统安全稳定运行具有重要的意义。根据目前的研究，发现以下几个突出的不足问题：(1)对IL响应不确定性的假设较为单一，不能准确体现其真实的分布规律；(2)多集中于以24h为时间尺度的日前调度计划研究，但为了避免小概率高风险事故，针对不确定性IL参与电网应急场景下的短期优化调度鲜有报道；(3)多利用蒙特卡洛模拟法求解电网随机调度模型，虽然实施简单，利于并行运算，但计算成本较高，收敛率较低。即使是改进的蒙特卡洛方法，如拉丁超立方抽样方法、拟蒙特卡洛方法等，仍存在一定的应用局限性，需要设计可有效处理电网随机调度模型中高维随机输入变量的不确定性量化(uncertaintyquantification,UQ)方法。
技术实现思路
专利技术目的：本专利技术提供了一种计及风电和可中断负荷不确定性的电网应急场景随机优化调度方法，利用无迹变换机调度过程中的不确定量，模型更加贴合实际情况，能够有效减小电力系统的随机调度成本，保障电力系统的安全稳定运行，兼顾了随机调度模型的计算精度和计算成本。技术方案：本专利技术所述的一种电网应急场景随机优化调度方法，包括以下步骤：(1)建立风电出力以及需求侧可中断负荷响应的不确定性模型；(2)设置激励因子和惩罚因子来约束可中断负荷的中断行为；(3)以随机调度总成本最低为目标，建立电网应急场景下的随机优化调度模型；(4)明确步骤(3)所述的随机优化调度模型的约束条件；(5)针对随机优化调度过程中的不确定性因素，利用无迹变换法在多维空间内生成一定数量的Sigma点集；(6)在每个Sigma采样点处，调用MATLABYALMIP工具箱和CPLEX12.1求解电网应急场景下的确定性优化调度结果。所述步骤(1)包括以下步骤：(11)建立风电出力的不确定性模型：其中，为风电机组w的实际输出功率，为风电机组w的预测输出功率，ΔPw为风电出力预测误差；(12)建立可中断负荷响应的不确定性模型：Dk'＝Dk-Δdk(ζk)其中，Dk'表示用户实际用电负荷，Dk表示用户初始用电负荷，Δdk(ζk)代表激励水平ζk下用户的实际负荷变化量。所述步骤(2)包括以下步骤：(21)电网公司为可中断用户k支付的激励成本：其中，ζk为激励因子，ηk(ζk)为预测的负荷变化量；(22)当用户k响应出现较大偏差时，电网公司对用户k进行惩罚：其中，ξk为惩罚因子。步骤(3)所述的优化调度模型可通过以下公式实现：minF＝costDR+costre-gen+cosload+costwind其中，costDR代表可中断负荷补偿成本，costre-gen代表发电机组再调度成本，costload代表切负荷成本，costwind代表弃风成本，Nb为电网的负荷节点总数，k∈i表示可中断用户k在节点i处，uk为0-1状态变量，若该节点处的用户k参与电网经济再调度，则uk＝1，反之，则uk＝0，ζi和ξi表示节点i处针对所有用户的激励因子和惩罚因子，Δdi(ζi)表示电网某一负荷节点i处的总体负荷变化量，为发电机组g出力增加所付出的单位成本，为发电机组g出力减小所付出的单位成本，g∈i表示发电机组g接在i节点处，表示随机调度过程中发电机组g增加的出力，表示随机调度过程中减小的出力，ug1、ug2为0-1状态变量，当ug1＝1时，代表随机调度过程中发电机组g增加出力，当ug2＝1时，代表减少出力，ug1、ug2不能同时为1，即ug1+ug2＜2，VOLL(valueoflostload)为单位切负荷损失，为节点i处切除的负荷总量，Cgw表示风电的单位发电成本，Cew表示由于弃风操作所增加的单位环境成本，表示风电机组w的弃风总量，w∈i表示风电机组w接在节点i处。步骤(4)所述的约束条件主要包括：功率平衡约束：其中，Pgi'、Pwi'、Pdi'分别表示电网节点i处的发电机组出力、风电出力以及负荷；网络约束：其中，Gline为节点注入功率-线路潮流灵敏度矩阵，TL为输电线路的传输容量；发电机组出力约束：其中，Pg,min、Pg,max分别表示发电机组g的输出功率上下限，表示随机调度过程中发电机组g的出力变化量，ΔPg,max表示发电机组出力变化量的最大值；发电机组爬坡约束：其中，分别表示发电机组的小时级上、下爬坡速率；风电出力约束：Pw,min≤Pw+ΔPw≤Pw,max其中，Pw,min、Pw,max分别表示风电w的输出功率上下限；弃风约束条件：切负荷约束条件：其中，为节点i的可切负荷最大值。所述步骤(5)包括以下步骤：(51)确定随机调度过程中的不确定性输入变量X2：X2＝[ΔPw,Δdk(ζk),Δdbus]T其中，ΔPw为风电出力预测误差向量，Δdk(ζk)为可中断负荷响应误差向量，Δdbus为电力系统中普通负荷节点的误差向量；(52)采用对称采样策略，构造均值为μx、协方差为Pxx的n维随机输入变量X2的Sigma点集，Sigma采样点的个数为2n+1：其中，λ＝α2(n+κ)-n为尺度参数，控制各采样点到原状态变量均值的距离；(53)计算各采样点的均值加权系数以及协方差加权系数：其中，Wi为第i个Sigma样本点的权值，Wim为各采样点均值加权系数，Wip为个点协方差加权系数。有益效果：与现有技术相比，本专利技术的有益本文档来自技高网...

【技术保护点】
1.一种电网应急场景随机优化调度方法，其特征在于，包括以下步骤：(1)建立风电出力以及需求侧可中断负荷响应的不确定性模型；(2)设置激励因子和惩罚因子来约束可中断负荷的中断行为；(3)以随机调度总成本最低为目标，建立电网应急场景下的随机优化调度模型；(4)明确步骤(3)所述的随机优化调度模型的约束条件；(5)针对随机优化调度过程中的不确定性因素，利用无迹变换法在多维空间内生成一定数量的Sigma点集；(6)在每个Sigma采样点处，调用MATLAB YALMIP工具箱和CPLEX12.1求解电网应急场景下的确定性优化调度结果。

【技术特征摘要】
1.一种电网应急场景随机优化调度方法，其特征在于，包括以下步骤：(1)建立风电出力以及需求侧可中断负荷响应的不确定性模型；(2)设置激励因子和惩罚因子来约束可中断负荷的中断行为；(3)以随机调度总成本最低为目标，建立电网应急场景下的随机优化调度模型；(4)明确步骤(3)所述的随机优化调度模型的约束条件；(5)针对随机优化调度过程中的不确定性因素，利用无迹变换法在多维空间内生成一定数量的Sigma点集；(6)在每个Sigma采样点处，调用MATLABYALMIP工具箱和CPLEX12.1求解电网应急场景下的确定性优化调度结果。2.根据权利要求1所述的一种电网应急场景随机优化调度方法，其特征在于，所述步骤(1)包括以下步骤：(11)建立风电出力的不确定性模型：其中，为风电机组w的实际输出功率，为风电机组w的预测输出功率，ΔPw为风电出力预测误差；(12)建立可中断负荷响应的不确定性模型：Dk'＝Dk-Δdk(ζk)其中，Dk'表示用户实际用电负荷，Dk表示用户初始用电负荷，Δdk(ζk)代表激励水平ζk下用户的实际负荷变化量。3.根据权利要求1所述的一种的电网应急场景随机优化调度方法，其特征在于，所述步骤(2)包括以下步骤：(21)电网公司为可中断用户k支付的激励成本：其中，ζk为激励因子，ηk(ζk)为预测的负荷变化量；(22)当用户k响应出现较大偏差时，电网公司对用户k进行惩罚：其中，ξk为惩罚因子。4.根据权利要求1所述的一种电网应急场景随机优化调度方法，其特征在于，步骤(3)所述的优化调度模型可通过以下公式实现：minF＝costDR+costre-gen+cosload+costwind其中，costDR代表可中断负荷补偿成本，costre-gen代表发电机组再调度成本，costload代表切负荷成本，costwind代表弃风成本，Nb为电网的负荷节点总数，k∈i表示可中断用户k在节点i处，uk为0-1状态变量，若该节点处的用户k参与电网经济再调度，则uk＝1，反之，则uk＝0，ζi和ξi表示节点i处针对所有用户的激励因子和惩罚因子，Δdi(ζi)表示电网某一负荷节点i处的总体负荷变化量，为发电机组g出力增加所付出的单位成本，为发电机组g出力减小所付出...

【专利技术属性】
技术研发人员：徐青山，刘梦佳，黄煜，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32