一种机组组合决策的日前调度模型的建模方法技术

一种机组组合决策的日前调度模型的建模方法，它包括以下步骤：步骤1，将机组组合决策分为基本场景和最坏场景；步骤2，以不确定性因素功率预测值为基础，以系统总运行成本最小为目标，同时考虑在确定性环境下的常规约束条件，进行基本场景下的日前调度模型的建模；步骤3，以不确定性电源出力的最大波动出力为基础，考虑不确定性约束条件，进行最坏场景下的日前调度模型的建模。本发明专利技术将机组组合决策分为基本场景和最坏场景分别建模，基本场景以不确定性因素功率预测值为基础，以系统总运行成本最小为目标，同时考虑系统在确定性环境下的各种常规约束条件，从而保障调度决策的经济性。

【技术实现步骤摘要】
一种机组组合决策的日前调度模型的建模方法
本专利技术一种机组组合决策的日前调度模型的建模方法，涉及电力系统调度领域。
技术介绍
风电及光伏是无污染、绿色的可再生能源，其分布广泛、能量密度高，适合大规模开发，因此，风力和光伏发电技术已受到了世界各国的高度重视。然而，由于其出力具有随机性与波动性的特点，大规模接入电网将会给传统的调度方法带来极大的挑战，因此，研究多种新能源大规模接入下的电力系统日前调度方法具有重要的理论价值与现实意义。目前很多专家学者从不同角度研究了新能源接入下的电力系统日前调度问题，但普遍仅考虑了单一不确定性变量，然而实际电力系统中包含诸如风电出力、光伏出力、负荷预测误差等多重不确定性因素，现有仅考虑单一不确定性的日前调度显然难以保证其决策的有效性并影响系统运行的经济性。因此在调度问题中考虑多重不确定性因素的影响已经成为近年来专家学者们研究的热点。
技术实现思路
针对现有方法的不足，本专利技术提出了一种综合考虑负荷、风电以及光伏不确定性及相关性的改进鲁棒调度方法，该方法首先构造考虑多种不确定性因素的日前鲁棒优化本文档来自技高网...

【技术保护点】
1.一种机组组合决策的日前调度模型的建模方法，其特征在于，它包括以下步骤：/n步骤1，将机组组合决策分为基本场景和最坏场景；/n步骤2，以不确定性因素功率预测值为基础，以系统总运行成本最小为目标，同时考虑在确定性环境下的常规约束条件，进行基本场景下的日前调度模型的建模；/n步骤3，以不确定性电源出力的最大波动出力为基础，考虑不确定性约束条件，进行最坏场景下的日前调度模型的建模。/n

【技术特征摘要】
1.一种机组组合决策的日前调度模型的建模方法，其特征在于，它包括以下步骤：
步骤1，将机组组合决策分为基本场景和最坏场景；
步骤2，以不确定性因素功率预测值为基础，以系统总运行成本最小为目标，同时考虑在确定性环境下的常规约束条件，进行基本场景下的日前调度模型的建模；
步骤3，以不确定性电源出力的最大波动出力为基础，考虑不确定性约束条件，进行最坏场景下的日前调度模型的建模。


2.根据权利要求1所述的机组组合决策的日前调度模型的建模方法，其特征在于，在进行基本场景下的日前调度模型的建模时，它包含的目标函数及约束条件如下：
1)确定包含了常规机组的燃料费用和机组启停成本的目标函数：



其中：



式中：表示机组i在t时刻的有功出力；表示机组i在t时刻的状态；为开停机费用，ai、bi、ci为机组的发电成本函数的参数；
2)确立该模型中含有的约束条件如下：
(1)系统功率平衡约束，不计网损的情况下：



式中：为t时刻风电出力和负荷功率以及光伏发电出力的预测值；
(2)常规机组出力约束：



式中：Pimin与Pimax分别表示火电机组i的最大和最小有功出力；
(3)机组爬坡速率约束
上升爬坡速率约束



下降爬坡速率约束



式中：URi,DRi为常规机组爬坡功率限制；
(4)常规机组启停时间约束






式中：为机组i在t时刻的开停机时间，Ton,iToff,i为最小开机和停机时间约束；
(5)网络安全约束



式中：为线路最大潮流约束，SFl,m为节点功率转移因子；U(m)、D(m)、W(m)和V(m)分别为常规机组、负荷、风电以及光伏所在母线集合。


3.根据权利要求1或2所述的机组组合决策的日前调度模型的建模方法，其特征在于，利用不确定性环境下的系统约束条件对日前计划进行校核。


4.根据权利要求3所述的机组组合决策的日前调度模型的建模方法，其特征在于，在进行最坏场景下的日前调度模型的建模时，所确立模型中的约束条件为：
(1)系统功率平衡约束，不计网损的情况下：



式中：和...

【专利技术属性】
技术研发人员：杨楠，王璇，李宏圣，黎索亚，叶迪，黄禹，董邦天，
申请(专利权)人：三峡大学，
类型：发明
国别省市：湖北;42