一种考虑电力系统灵活性的多能源日前调度方法及系统技术方案

本发明专利技术公开了一种考虑电力系统灵活性的多能源日前调度方法及系统，该方法包括：S1，确定电力系统的灵活性特征参数；S2，修正所述电力系统的风电预测值和负荷预测值；S3，根据所述灵活性特征参数以及所述风电预测值和负荷预测值的修正结果，建立计及系统灵活性的日前优化调度模型；S4，基于遗传算法，求解并输出所述日前优化调度模型的最优解集。本发明专利技术提供的考虑电力系统灵活性的多能源日前调度方法及系统，考虑到电力系统的风电出力和负荷变化双重不确定性影响，充分利用传统机组良好的调节性能响应负荷和波动电源变化，增强了电力系统大规模接纳风电的能力，实现了系统的经济性和灵活性的均衡。

【技术实现步骤摘要】
一种考虑电力系统灵活性的多能源日前调度方法及系统
本专利技术涉及电力系统调度
，特别是涉及一种考虑电力系统灵活性的多能源日前调度方法及系统。
技术介绍
随着能源与环境问题的日益加剧，新能源在电力系统中所占的比例逐渐加大。风电是目前发展前景最好的可再生能源发电方式之一，但是由于其出力的随机性、波动性和间歇性等不确定性的特点，含高渗透率风电的电力系统面临着严重的“弃风”问题。传统的电力系统日前调度方法已经无满足消纳高比例风电的需求，调峰矛盾逐渐加剧。电力系统的灵活性是影响风电大规模消纳的重要因素之一。所谓灵活性，是指在一定经济约束下电力系统响应负荷和波动电源变化而随之调节的能力。因此，在日前优化调度中，不仅要考虑到电力系统的经济性，同时还要均衡考虑到电力系统的灵活性。然而，在现有技术中，对于电力系统的灵活性的定义和评价没有统一的标准。由于电力系统的灵活性涉及的因素众多，难以用数学公式统一表征，目前较多的研究都是从保障可靠运行概率的规划角度出发进行灵活性定量评价，而对于电力系统运行的灵活性评估的研究较少，而且，当前针对高渗透风电的日前优化调度方法大多数仅考虑到生产成本、购电成本，而忽视了电力系统高度不确定因素影响下的灵活性需求，因此，难以实现电力系统的经济性和灵活性的均衡。因此，研发一种能够均衡电力系统的经济性和灵活性的日前调度方法是本领域技术人员亟待解决的问题。
技术实现思路
本专利技术的目的是提供一种考虑电力系统灵活性的多能源日前调度方法及系统，充分利用传统机组良好的调节性能响应负荷和波动电源变化，同时增强了电力系统大规模接纳风电的能力，实现了系统的经济性和灵活性的均衡。为实现上述目的，本专利技术提供了如下方案：一种考虑电力系统灵活性的多能源日前调度方法，包括以下步骤：S1，确定电力系统的灵活性特征参数；S2，修正所述电力系统的风电预测值和负荷预测值；S3，根据所述灵活性特征参数以及所述风电预测值和负荷预测值的修正结果，建立计及系统灵活性的日前优化调度模型；S4，基于遗传算法，求解并输出所述日前优化调度模型的最优解集。进一步的，所述步骤S1中，灵活性特征参数包括调节容量、调节速度、调节周期。进一步的，所述步骤S1，确定电力系统的灵活性特征参数，具体为：采用采用模糊综合评价法对各项灵活性特征参数进行量化评价，得到电力系统中机组的灵活性的量化得分，包括以下步骤：确定调节容量：调节容量S为机组的额定容量Pmax减去机组的最小稳定出力Pmin，即表示为：S＝Pmax-Pmin；确定调节速度：调节速度V表征为向上爬坡vRUR和向下爬坡vRDR绝对值的最小值，即表示为：V＝min{|vRUR|,|vRDR|}；确定调节周期：调节周期T定义为机组从上一时刻开机到达机组最小稳定出力，到下一时刻机组由关机到开机到达机组最小稳定出力的最小时间间隔，具体表示为：T＝tSUT+tMUT+tSDT+tMDT，其中，tSUT为机组启动时间，tMUT为最小开机时间，tSDT为机组关闭时间，tMDT为最小停机时间；由确定的调节容量、调节速度、调节周期形成灵活性特征参数模糊评价集，对评价等级进行量化打分，最终形成电力系统中机组的灵活性的量化得分。进一步的，所述步骤S2中，修正所述电力系统的风电预测值和负荷预测值，具体包括：采用风功率历史预测误差作为误差经验分布，对所述风电预测值进行修正，得到风电预测修正值为：其中，εw为风功率历史预测误差，Ωw为风功率历史预测误差集合，为调度周期t的风电预测值；采用正态分布模拟，对所述负荷预测值进行修正，得到负荷预测修正值为：其中，εl为负荷预测误差；为调度周期t的负荷预测值。进一步的，所述步骤S3中，根据所述灵活性特征参数，建立计及系统灵活性的日前优化调度模型，具体包括：根据所述灵活性特征参数以及所述风电预测值和负荷预测值的修正结果，确定所述计及系统灵活性的日前优化调度模型中的目标函数；根据所述风电预测值和负荷预测值的修正结果，确定所述计及系统灵活性的日前优化调度模型中的所述目标函数的约束条件。进一步的，所述目标函数为：其中，式(3)中minfth表示给定时段内所有机组的运行、开机、停机三类成本总和最小，式(4)中maxff表示电力系统中机组的灵活性总体性最高；式中，i为机组编号；t为调度周期；CGi为第i个机组的运行成本；PGit为反映第i个机组在第t个调度周期内的出力；Iit为反映第i个机组在第t个调度周期内开、停状态的二元整型变量，取1时表示开机，取0时表示停机；SUit为第i个机组在第t个调度周期内的开机成本；SDit为第i个机组在第t个调度周期内的停机成本；Fi表示第i个机组的灵活性的量化得分；所述约束条件包括：负荷平衡约束、机组的发电功率限制约束、系统备用要求约束、最小开停机时间约束以及机组的爬坡约束。进一步的，所述负荷平衡约束为：所述负荷平衡约束为：其中，PGit反映第i个机组在第t个调度周期内的出力，PLt表示负荷在第t个调度周期内的功率；PWt为第t个调度周期风电发电功率，且令所述机组的发电功率限制约束为：其中，分别代表第t个调度周期内机组发电功率的上、下限；所述系统备用要求约束为：其中，PRt代表第t个调度周期系统的备用容量(一般为系统总容量的2％～5％)；所述最小开停机时间约束为：其中，分别表示最小开机时间和停机时间；分别代表上一调度周期机组开机和停机持续时间，Ii(t-1)表示上一调度周期内开、停状态的二元整型变量；所述机组的爬坡约束为：PGit-PGi(t-1)≤URi(10)PGi(t-1)-PGit≤DRi(11)其中，URi为机组i有功功率上升量的限值，DRi为机组i有功功率下降量的限值，PGi(t-1)为第i个机组在上一调度周期的机组出力。进一步的，所述步骤S4中，基于遗传算法，求解并输出所述日前优化调度模型的最优解集，具体包括:随机产生多个初始二进制编码作为基因型，以形成初始化；评估每个基因型，并计算其适应值，具体地，机组的基因型被解码为N单位、H期操作时间表，每个基因型的适应值与所述目标函数是一致的；使用轮盘赌轮父选择算法选择两种基因型，即从历史的计及机组灵活性的方案群中选择出具有与基因型相对适合度成比例的概率的基因型，该概率是根据历史数据进行模拟出的一个概率；上述两种基因型经交叉运算、基因突变、运行概率适应、比对进化得出成熟收敛的最优解，最后输出最优解集。本专利技术还提供了一种考虑电力系统灵活性的多能源日前调度系统，应用于上述的考虑电力系统灵活性的多能源日前调度方法，包括：确定单元，用于确定电力系统的灵活性特征参数；修正单元，用于修正所述电力系统的风电本文档来自技高网...

【技术保护点】
1.一种考虑电力系统灵活性的多能源日前调度方法，其特征在于，包括以下步骤：/nS1，确定电力系统的灵活性特征参数；/nS2，修正所述电力系统的风电预测值和负荷预测值；/nS3，根据所述灵活性特征参数以及所述风电预测值和负荷预测值的修正结果，建立计及系统灵活性的日前优化调度模型；/nS4，基于遗传算法，求解并输出所述日前优化调度模型的最优解集。/n

【技术特征摘要】
1.一种考虑电力系统灵活性的多能源日前调度方法，其特征在于，包括以下步骤：
S1，确定电力系统的灵活性特征参数；
S2，修正所述电力系统的风电预测值和负荷预测值；
S3，根据所述灵活性特征参数以及所述风电预测值和负荷预测值的修正结果，建立计及系统灵活性的日前优化调度模型；
S4，基于遗传算法，求解并输出所述日前优化调度模型的最优解集。


2.根据权利要求1所述的考虑电力系统灵活性的多能源日前调度方法，其特征在于，所述步骤S1中，灵活性特征参数包括调节容量、调节速度、调节周期。


3.根据权利要求2所述的考虑电力系统灵活性的多能源日前调度方法，其特征在于，所述步骤S1，确定电力系统的灵活性特征参数，具体为：采用采用模糊综合评价法对各项灵活性特征参数进行量化评价，得到电力系统中机组灵活性的量化得分，包括以下步骤：
确定调节容量：调节容量S为机组的额定容量Pmax减去机组的最小稳定出力Pmin，即表示为：S＝Pmax-Pmin；
确定调节速度：调节速度V表征为向上爬坡vRUR和向下爬坡vRDR绝对值的最小值，即表示为：V＝min{|vRUR|,|vRDR|}；
确定调节周期：调节周期T定义为机组从上一时刻开机到达机组最小稳定出力，到下一时刻机组由关机到开机到达机组最小稳定出力的最小时间间隔，具体表示为：T＝tSUT+tMUT+tSDT+tMDT，其中，tSUT为机组启动时间，tMUT为最小开机时间，tSDT为机组关闭时间，tMDT为最小停机时间；
由确定的调节容量、调节速度、调节周期形成灵活性特征参数模糊评价集，对评价等级进行量化打分，最终形成电力系统中机组灵活性的量化得分。


4.根据权利要求1所述的考虑电力系统灵活性的多能源日前调度方法，其特征在于，所述步骤S2中，修正所述电力系统的风电预测值和负荷预测值，具体包括：
采用风功率历史预测误差作为误差经验分布，对所述风电预测值进行修正，得到风电预测修正值为：



其中，εw为风功率历史预测误差，Ωw为风功率历史预测误差集合，为调度周期t的风电预测值；
采用正态分布模拟，对所述负荷预测值进行修正，得到负荷预测修正值为：



其中，εl为负荷预测误差；为调度周期t的负荷预测值。


5.根据权利要求3所述的考虑电力系统灵活性的多能源日前调度方法，其特征在于，所述步骤S3中，根据所述灵活性特征参数以及所述风电预测值和负荷预测值的修正结果，建立计及系统灵活性的日前优化调度模型，具体包括：
根据所述灵活性特征参数，确定所述计及系统灵活性的日前优化调度模型中的目标函数；
根据所述风电预测值和负荷预测值的修正结果，确定所述计及系统灵活性的日前优化调度模型中的所述目标函数的约束条件。


6.根据权利要求5所述的考虑电力系统灵活性的多能源日前调度方法，其特征在于，
所述目标函数为：






其中，式(3)中minfth表示给定时段内所有机组的运行、开机、停机三类成本总和最小，式(4)中maxff表示电力系统中机组的灵活性总体性最高；
式中，i为机组编号；t为调度周期；CGi为第i个机组的运行成本；PGit为反映第i个机组在第t个调度周期内的出力；Iit为反映第i个机组在第t个调度周期内开、停状态的二元整型变量，取1时表示开机，取0时表示停机；SUit为第i个机组在第t个调度周期内的开机成本；SDit为第i个机组在第t个调度周期内的停机成本；Fi表示第i个机组的灵活性的量化得分；
所述约束条件包括：负荷平衡约束、机组的发电功率限制约束、系统备用要求约束、最小开停机时间约束以及机组的爬坡约束。


7.根据权利要求6所述的考虑电力系统灵活性的多能源日前调度方法，其特征在于，
所述负荷平衡约束为：



其中，PGit反映第i个机组在第t个调度周期内的出力，PLt表示负荷在第...

【专利技术属性】
技术研发人员：李国强，晋飞，刘静利，侯保刚，周玉，曹凯，张迪，孙赛赛，陈警钰，秦扬，王鹤飞，卢邵强，陈鹏，庄士成，张同军，邢方方，王磊，高竹青，尹国徽，
申请(专利权)人：国网山东省电力公司潍坊供电公司，
类型：发明
国别省市：山东;37