基于风/光出力柯西分布的火电机组动态实时调度方法技术

本发明专利技术涉及一种基于风/光出力柯西分布的火电机组动态实时调度方法，属于电力系统的运行技术领域。本通过分析风电出力的历史数据，利用统计或拟合软件进行联合柯西分布拟合。针对确定的电力系统参数，建立机会约束的随机动态实时调度模型；然后，利用柯西分布的数学性质，把原问题转化为容易求解的线性约束凸优化问题；最后求解调度模型，得到调度策略。本发明专利技术充分利用了柯西分布在风电/光伏电站出力的短期预测方面的优越性和优良的数学特性，有效提高了模型的求解效率，同时风险水平可调的机会约束模型消除了传统鲁棒经济调度的保守性，为决策者提供了更合理的调度依据。本发明专利技术可应用于包含大规模风电并网的电力系统有功实时经济调度中。

Dynamic Real-time Dispatching Method for Thermal Power Units Based on Cauchy Distribution of Wind/Light Output

【技术实现步骤摘要】
基于风/光出力柯西分布的火电机组动态实时调度方法
本专利技术涉及一种基于风/光出力柯西分布的火电机组动态实时调度方法，尤其涉及一种基于风电/光伏出力柯西分布的火电机组动态实时调度方法，属于电力系统的运行

技术介绍
开发利用风电资源、实现能源的可持续发展是我国能源发展战略的重大举措。随着风电大规模接入电网，其波动性和随机性给电力系统的有功调度带来了两个方面的难题。一方面，精确、灵活的风电出力预测是实现安全、经济有功调度的基础，传统的预测方法包括给定出力上下限的区间描述法和简单的高斯概率密度函数描述法，虽然像贝塔分布、通用分布、混合高斯分布等模型也被用在了风电预测出力的拟合中，但是它们或者无法精确拟合风电预测出力，或者给有功调度模型的求解带来了极大的困难，因此一种准确、灵活的预测模型亟需得到应用。另一方面，风电的波动性和随机性使得传统的确定性调度方法难以适用。鲁棒经济调度通常是一种可行的方案，然而由于鲁棒优化具有保守性，会给调度带来不必要的成本；机会约束的随机经济调度是兼顾系统运行风险和减少成本的有效建模策略，该方法把风险发生的概率限制在预先给定的置信水平下，通过目标函数值的最小化得到成本最低的调度策略。然而约束和目标函数中存在的随机变量使得机会约束优化问题的求解变得非常困难，现有的求解方法普遍存在计算量大的缺点，然而松弛的方法又使得求解结果不够精确，无法实现经济调度的高效性。综上所述，计及风电出力随机性的动态经济调度的建模以及快速求解仍然是影响风电资源利用率的一大难题。
技术实现思路
本专利技术的目的是提出一种基于风/光出力柯西分布的火电机组动态实时调度方法，基于联合柯西分布，对风电短期出力进行精确拟合，以充分利用机会约束随机经济调度的优点，有效降低系统的风险，节约电网调度的成本。本专利技术提出的基于风/光出力柯西分布的火电机组动态实时调度方法，包括以下步骤：(1)建立电网中风电/光伏电站短期预测出力的多随机变量联合柯西分布模型，该柯西分布模型包括以下内容：a、一个多风电/光伏电站短期预测出力的联合柯西分布的概率密度函数：其中，PDF(·)表示随机变量的概率密度函数，概率密度函数通过对风电/光伏电站历史出力的拟合得到，t为调度时段，K为风电/光伏电站的数目，为调度时段t所有风电/光伏电站实际出力的列向量，上标T为矩阵转置，上标w表示该变量描述风电/光伏电站，表示t调度时段第k个风电/光伏电站的实际出力，μt＝(μ1,t,μ2,t,...,μk,t)T表示t调度时段联合柯西分布概率密度函数的位置参数，μk,t表示t调度时段第k个风电/光伏电站出力的边缘柯西分布的位置参数，Σt表示t调度时段联合柯西分布概率密度函数的尺度参数；b、形式为各风电/光伏电站出力线性组合的随机变量的概率描述，包括概率密度函数、累积分布函数以及累积分布函数的逆函数：设a为k维列向量，那么随机变量服从位置参数和尺度参数为(aTμt,aTΣta)的一维柯西分布，其概率密度函数、累积分布函数以及累积分布函数的逆函数可以表达为以下形式：其中，概率密度函数为：累积分布函数为：累积分布函数的逆函数为：其中，tan为正切函数，arctan为反正切函数，F为分位数；(2)建立一个基于风电/光伏电站出力柯西分布的随机动态实时调度模型，该随机动态实时调度模型由目标函数和约束条件组成，具体步骤如下：(2-1)建立基于风电/光伏电站出力柯西分布的随机动态实时调度模型的目标函数f：目标函数为使运行成本最小化，表达式如下：其中，T、N和J分别表示调度时段t的数量、火电机组数量以及发电量自动控制机组的数量，t、i和j分别为调度时段、火电机组编号和发电量自动控制机组的编号，上标s表示该变量描述火电机组，上标“+”表示该变量描述正旋转备用，上标“-”表示该变量描述负旋转备用，表示第i台火电机组在t调度时段的计划出力，表示第j个发电量自动控制机组在t调度时段内计划出力，表示t调度时段所有风电/光伏电站实际出力的总和，和分别表示火电机组和发电量自动控制机组的燃料成本：其中，ai,t,bi,t,ci,t分别为t时段火电机组i的燃料成本的二次项系数、一次项系数和常数项，aj,t,bj,t,cj,t分别为t时段发电量自动控制机组j的燃料成本的二次项系数、一次项系数和常数项，E(·)表示随机变量的期望值，表示在t调度时段内，由于风电/光伏电站发电实际出力低于计划出力引起的正旋转备用的需求成本，即高估风电/光伏电站出力的惩罚，当风电/光伏电站的实际出力小于计划值时会调度发电量自动控制机组的正旋转备用以维持功率平衡，具体表达式如下：其中，为正旋转备用的成本系数，αj为第j个发电量自动控制机组的功率分配系数，根据发电量自动控制机组的额定容量占发电量自动控制机组的总容量的比例确定，wt表示t调度时段所有风电/光伏电站的计划出力总和，表示t时段所有风电/光伏电站的实际出力总和，满足如下关系：其中，为第j个发电量自动控制机组的实际出力，表示t调度时段第k个风电/光伏电站的计划出力，K表示风电/光伏电站的数量；表示在t时段内由于风电/光伏电站实际出力超过计划出力而引起的负旋转备用的需求成本，即低估风电/光伏电站出力的惩罚成本，当风电/光伏电站的实际出力大于计划值时会调度发电量自动控制机组的负旋转备用以维持功率平衡，具体表达式如下：其中，为负旋转备用的成本系数，为实际风电出力总和的概率密度函数，为所有风电/光伏电站在t调度时段出力的上界之和，为t时段第k个风电/光伏电站的出力的上界；根据上述步骤(1)的风电/光伏电站短期预测出力的多随机变量联合柯西分布模型，得到目标函数f的表达式中的后两项为：其中，为所有元素全为1的K维列向量，K为风电/光伏电站的数目，A,B,C均为常数具体表达式如下：(2-2)上述基于风电/光伏电站出力柯西分布的随机动态实时调度模型的约束条件，包括：(2-2-1)电网功率平衡约束，表达式如下：其中，为t调度时段、风电/光伏电站和火电机组所在电网的第d个节点的负荷量，D表示负荷的总数，同时表示电网中节点的个数；(2-2-2)电网机组出力的上、下限约束，包括：其中，t＝1,...,T，i＝1,...,N，j＝1,...,J，k＝1,...,K，和分别为第j个发电量自动控制机组在t调度时段出力的上下界，和分别为第i个火电机组在t时段出力的上下界，δ为调度员设定的可接受的风险水平，为的累积分布函数的逆函数，表示t时段所有风电/光伏电站的实际出力总和，为所有元素全为1的K维列向量，K表示风电/光伏电站的数量；(2-2-3)电网中火电机组和发电量自动控制机组的爬坡约束，表达式如下：对i＝1,2,...,N；j＝1,2,...,J：其中，和分别为t调度时段第i台火电机组向上、向下爬坡率，和分别表示t时段第j台发电量自动控制机组向上、向下爬坡率，ΔT表示相邻两个调度时段之间的调度间隔，β为调度员设定的可接受风险水平，表示wt,t-1的累积分布函数的逆函数，的表达式如下：(2-2-4)发电量自动控制机组的旋转备用约束，具体表达式如下：对i＝1,2,...,N,j＝1,2,...,J，其中，和分别表示t调度时段第j台发电量自动控制机组提供的正负旋转备用的数量，和分别表示t调度时段电网所本文档来自技高网...

【技术保护点】
1.一种基于风/光出力柯西分布的火电机组动态实时调度方法，其特征在于该方法包括以下步骤：(1)建立电网中风电/光伏电站短期预测出力的多随机变量联合柯西分布模型，该柯西分布模型包括以下内容：a、一个多风电/光伏电站短期预测出力的联合柯西分布的概率密度函数：

【技术特征摘要】
1.一种基于风/光出力柯西分布的火电机组动态实时调度方法，其特征在于该方法包括以下步骤：(1)建立电网中风电/光伏电站短期预测出力的多随机变量联合柯西分布模型，该柯西分布模型包括以下内容：a、一个多风电/光伏电站短期预测出力的联合柯西分布的概率密度函数：其中，PDF(·)表示随机变量的概率密度函数，概率密度函数通过对风电/光伏电站历史出力的拟合得到，t为调度时段，K为风电/光伏电站的数目，为调度时段t所有风电/光伏电站实际出力的列向量，上标T为矩阵转置，上标w表示该变量描述风电/光伏电站，表示t调度时段第k个风电/光伏电站的实际出力，μt＝(μ1,t,μ2,t,...,μk,t)T表示t调度时段联合柯西分布概率密度函数的位置参数，μk,t表示t调度时段第k个风电/光伏电站出力的边缘柯西分布的位置参数，Σt表示t调度时段联合柯西分布概率密度函数的尺度参数；b、形式为各风电/光伏电站出力线性组合的随机变量的概率描述，包括概率密度函数、累积分布函数以及累积分布函数的逆函数：设a为k维列向量，那么随机变量服从位置参数和尺度参数为(aTμt,aTΣta)的一维柯西分布，其概率密度函数、累积分布函数以及累积分布函数的逆函数可以表达为以下形式：其中，概率密度函数为：累积分布函数为：累积分布函数的逆函数为：其中，tan为正切函数，arctan为反正切函数，F为分位数；(2)建立一个基于风电/光伏电站出力柯西分布的随机动态实时调度模型，该随机动态实时调度模型由目标函数和约束条件组成，具体步骤如下：(2-1)建立基于风电/光伏电站出力柯西分布的随机动态实时调度模型的目标函数f：目标函数为使运行成本最小化，表达式如下：其中，T、N和J分别表示调度时段t的数量、火电机组数量以及发电量自动控制机组的数量，t、i和j分别为调度时段、火电机组编号和发电量自动控制机组的编号，上标s表示该变量描述火电机组，上标“+”表示该变量描述正旋转备用，上标“-”表示该变量描述负旋转备用，表示第i台火电机组在t调度时段的计划出力，表示第j个发电量自动控制机组在t调度时段内计划出力，表示t调度时段所有风电/光伏电站实际出力的总和，和分别表示火电机组和发电量自动控制机组的燃料成本：其中，ai,t,bi,t,ci,t分别为t时段火电机组i的燃料成本的二次项系数、一次项系数和常数项，aj,t,bj,t,cj,t分别为t时段发电量自动控制机组j的燃料成本的二次项系数、一次项系数和常数项，E(·)表示随机变量的期望值，表示在t调度时段内，由于风电/光伏电站发电实际出力低于计划出力引起的正旋转备用的需求成本，即高估风电/光伏电站出力的惩罚，当风电/光伏电站的实际出力小于计划值时会调度发电量自动控制机组的正旋转备用以维持功率平衡，具体表达式如下：其中，为正旋转备用的成本系数，αj为第j个发电量自动控制机组的功率分配系数，根据发电量自动控制机组的额定容量占发电量自动控制机组的总容量的比例确定，wt表示t调度时段所有风电/光伏电站的计划出力总和，表示t时段所有风电/光伏电站的实际出力总和，满足如下关系：其中，为第j个发电量自动控制机组的实际出力，表示t调...

【专利技术属性】
技术研发人员：吴文传，张伯明，许书伟，孙宏斌，王彬，郭庆来，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11