一种计及源网不确定性的多阶段协调控制风险调度方法技术

本发明专利技术公开了一种计及源网不确定性的多阶段协调控制风险调度方法，包括：采用K

【技术实现步骤摘要】
一种计及源网不确定性的多阶段协调控制风险调度方法


[0001]本专利技术涉及电力系统风险调度领域，更具体地，涉及一种计及源网不确定性的多阶段协调控制风险调度方法。

技术介绍

[0002]随着全球能源短缺和环境污染的问题日益严重，寻求可再生新能源代替传统化石能源已然迫在眉睫。按照国家发改委规划，到本世纪中叶，我国可再生能源发电量要占到总发电量的85.8％，风力发电比例也将占到新能源出力的41％。但新能源出力具有较强的不确定性和波动性，其大规模渗透给电力供需平衡带来新的挑战。另一方面，近年来我国自然灾害频发，高温、雷暴、寒潮等恶劣天气众多，严重缩短了设备的工作寿命，增大了元件的停运概率，对电网的安全稳定运行造成了严重影响。
[0003]目前电力系统仍普遍采用安全约束最优潮流，其本质上是基于确定性N
‑
1安全准则的调度方式，没有考虑多重不确定性因素对电网运行的影响，未对事故后果进行合理量化，所给出的调度方案往往无法同时满足安全性和经济性的要求。而电网运行风险是对电力系统所面临的不确定性因素给出可能性与严重性的综合量度。风险的概念为电网应对小概率严重事故，协调电网运行的安全性和经济性开辟了新的思路。
[0004]为提高大电网抵御纵深风险的能力，近年来很多国内外学者将风险理论引入优化调度领域，取得了不少的研究成果，其中主要包括预防控制和校正控制两种策略。预防控制的目的是实现系统风险最低，要求同时满足正常阶段和所有故障场景下的安全约束条件，偏向保守，缺乏调度的灵活性，导致经济性较差。校正控制允许故障发生后采取大规模的紧急调度手段，如机组再调整、切负荷、弃风电等校正措施。校正控制下的发电成本最低，但由于没有考虑紧急潮流的安全约束问题，导致风险性较高，容易引发连锁故障。目前的专利技术成果大都孤立对待预防控制和校正控制问题，因此有必要研究这两种调度模型的协调机制，以兼顾运行成本和故障风险，提高调度策略的灵活性。

技术实现思路

[0005]本专利技术要解决的技术问题是：提供一种计及源网不确定性的多阶段协调控制风险调度方法，计及源网双侧的不确定性因素，包括新能源出力的随机波动以及灾害天气引发的设备停运，考虑电网运行的经济性和安全性，有效协调预防控制措施和校正控制措施，保障用户可靠供电和新能源高效消纳，给出风险可控且经济合理的调度方案，为调度决策提供重要参考。
[0006]本专利技术技术方案是：
[0007]一种计及源网不确定性的多阶段协调控制风险调度方法，它包括：
[0008]步骤1、采用数据挖掘方式对新能源历史出力数据进行场景聚类，获取典型出力场景集，以此描述源侧新能源随机波动的不确定性；
[0009]步骤2、对于厂内设备采用独立可修复强迫停运模型，通过马尔可夫状态转移过
程，得到相应故障概率；对于输电线路户外元件，考虑不同天气因素影响，将气象变化视为正常、恶劣和极端三种状态转换的随机过程，建立三天气状态故障模型；
[0010]步骤3、将系统运行状态划分为“正常
‑
紧急
‑
故障”三个阶段，考虑所有故障场景、新能源场景以及天气场景，以正常运行成本和故障风险赔偿之和的总费用作为目标函数进行随机优化，通过引入风险协调因子限制紧急阶段的潮流越限风险，从而求解得出经济性和安全性综合最优的基态调度措施和事故态校正预案。
[0011]场景聚类采用K
‑
means++/K
‑
medoids的改进聚类分析算法，采用K
‑
means++的启发式算法进行初始聚类；采用K
‑
medoids算法进行聚类分析；将聚类后每个簇的簇心作为预测误差的典型场景，加上新能源的出力预测值，即得到描述新能源出力不确定性的典型场景集，每个出力场景对应的概率为
[0012][0013]式中：n为样本总数；w
s,i
为样本点i与簇s的隶属关系，1表示属于该簇，0表示不属于该簇。
[0014]采用K
‑
means++的启发式算法进行初始聚类的方法为：首先将新能源出力表示为预测值与预测误差之和，输入历史出力数据集，从中随机选取第一个簇心；其次计算每个样本点到簇心的Euclid距离，并将其分配给距离最近的簇心，形成簇的集合；然后以样本点到所属簇心的距离与所有距离和的比值作为抽样概率，随机选取新的簇心；重复上述过程，直到选出K个初始簇心。
[0015]采用K
‑
medoids算法进行聚类分析的方法为：首先计算每个样本点到簇心的Euclid距离，并将Euclid距离归入距离最近的簇内；然后计算各簇内所有样本点到其他点的距离之和，将距离和最短的中心样本点作为新的簇心；不断迭代，直至簇的分配不再改变。
[0016]所述对于厂内设备采用独立可修复强迫停运模型，通过马尔可夫状态转移过程，得到相应故障概率的方法包括：在对厂内设备进行故障建模时视为两状态模型，即正常运行状态和停运状态，且各元件之间相互独立；由于计划停运是根据检修安排人为进行掌控，风险可控，因此考虑随机故障带来的强迫停运风险；对于独立可修复强迫停运元件的故障建模方式，将设备“运行
‑
停运”的状态转换过程视为马尔可夫过程，即下一时刻的状态只和当前时刻的状态相关，根据状态转移公式推导得出发电机的故障概率为
[0017][0018]式中：λ和μ分别代表元件发生停运和可以修复的次数，即故障率和修复率。
[0019]三天气状态故障模型的建立方法为：在对输电线路户外元件进行故障建模时，要在元件强迫停运模型的基础上引入天气因素，将气象变化视为正常、恶劣和极端三种状态转换的随机过程，并以此建立三天气状态故障模型；
[0020]设λ
n
、λ
s
和λ
e
分别为正常、恶劣、极端三种天气状态下的故障率，其表达式分别为
[0021][0022][0023][0024]式中：λ
avg
为年平均故障率；P
n
、P
s
和P
e
分别为出现正常天气、恶劣天气和极端天气的稳态概率；G
s
为恶劣天气下的故障比率；G
e
为极端天气引发的故障百分比。
[0025]步骤3所述将系统运行状态划分为“正常
‑
紧急
‑
故障”三个阶段，考虑所有故障场景、新能源场景以及天气场景，以正常运行成本和故障风险赔偿之和的总费用作为目标函数进行随机优化，通过引入风险协调因子限制紧急阶段的潮流越限风险，从而求解得出经济性和安全性综合最优的基态调度措施和事故态校正预案，具体包括：
[0026]步骤3.1、将系统运行状态划分为“正常
‑
紧急
‑
故障”三个阶段，假设T0为当前运行时刻，T0‑
T1为正常阶段记作x0，以预防控制方式运行记作u0，线路潮流处于长期阈值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及源网不确定性的多阶段协调控制风险调度方法，其特征在于：它包括：步骤1、采用数据挖掘方式对新能源历史出力数据进行场景聚类，获取典型出力场景集，以此描述源侧新能源随机波动的不确定性；步骤2、对于厂内设备采用独立可修复强迫停运模型，通过马尔可夫状态转移过程，得到相应故障概率；对于输电线路户外元件，考虑不同天气因素影响，将气象变化视为正常、恶劣和极端三种状态转换的随机过程，建立三天气状态故障模型；步骤3、将系统运行状态划分为“正常
‑
紧急
‑
故障”三个阶段，考虑所有故障场景、新能源场景以及天气场景，以正常运行成本和故障风险赔偿之和的总费用作为目标函数进行随机优化，通过引入风险协调因子限制紧急阶段的潮流越限风险，从而求解得出经济性和安全性综合最优的基态调度措施和事故态校正预案。2.根据权利要求1所述的一种计及源网不确定性的多阶段协调控制风险调度方法，其特征在于：场景聚类采用K
‑
means++/K
‑
medoids的改进聚类分析算法，采用K
‑
means++的启发式算法进行初始聚类；采用K
‑
medoids算法进行聚类分析；将聚类后每个簇的簇心作为预测误差的典型场景，加上新能源的出力预测值，即得到描述新能源出力不确定性的典型场景集，每个出力场景对应的概率为式中：n为样本总数；w
s,i
为样本点i与簇s的隶属关系，1表示属于该簇，0表示不属于该簇。3.根据权利要求2所述的一种计及源网不确定性的多阶段协调控制风险调度方法，其特征在于：采用K
‑
means++的启发式算法进行初始聚类的方法为：首先将新能源出力表示为预测值与预测误差之和，输入历史出力数据集，从中随机选取第一个簇心；其次计算每个样本点到簇心的Euclid距离，并将其分配给距离最近的簇心，形成簇的集合；然后以样本点到所属簇心的距离与所有距离和的比值作为抽样概率，随机选取新的簇心；重复上述过程，直到选出K个初始簇心。4.根据权利要求2所述的一种计及源网不确定性的多阶段协调控制风险调度方法，其特征在于：采用K
‑
medoids算法进行聚类分析的方法为：首先计算每个样本点到簇心的Euclid距离，并将Euclid距离归入距离最近的簇内；然后计算各簇内所有样本点到其他点的距离之和，将距离和最短的中心样本点作为新的簇心；不断迭代，直至簇的分配不再改变。5.根据权利要求1所述的一种计及源网不确定性的多阶段协调控制风险调度方法，其特征在于：所述对于厂内设备采用独立可修复强迫停运模型，通过马尔可夫状态转移过程，得到相应故障概率的方法包括：在对厂内设备进行故障建模时视为两状态模型，即正常运行状态和停运状态，且各元件之间相互独立；由于计划停运是根据检修安排人为进行掌控，风险可控，因此考虑随机故障带来的强迫停运风险；对于独立可修复强迫停运元件的故障建模方式，将设备“运行
‑
停运”的状态转换过程视为马尔可夫过程，即下一时刻的状态只和当前时刻的状态相关，根据状态转移公式推导得出发电机的故障概率为
式中：λ和μ分别代表元件发生停运和可以修复的次数，即故障率和修复率。6.根据权利要求1所述的一种计及源网不确定性的多阶段协调控制风险调度方法，其特征在于：三天气状态故障模型的建立方法为：在对输电线路户外元件进行故障建模时，要在元件强迫停运模型的基础上引入天气因素，将气象变化视为正常、恶劣和极端三种状态转换的随机过程，并以此建立三天气状态故障模型；设λ
n
、λ
s
和λ
e
分别为正常、恶劣、极端三种天气状态下的故障率，其表达式分别为分别为正常、恶劣、极端三种天气状态下的故障率，其表达式分别为分别为正常、恶劣、极端三种天气状态下的故障率，其表达式分别为式中：λ
avg
为年平均故障率；P
n
、P
s
和P
e
分别为出现正常天气、恶劣天气和极端天气的稳态概率；G
s
为恶劣天气下的故障比率；G
e
为极端天气引发的故障百分比。7.根据权利要求1所述的一种计及源网不确定性的多阶段协调控制风险调度方法，其特征在于：步骤3所述将系统运行状态划分为“正常
‑
紧急
‑
故障”三个阶段，考虑所有故障场景、新能源场景以及天气场景，以正常运行成本和故障风险赔偿之和的总费用作为目标函数进行随机优化，通过引入风险协调因子限制紧急阶段的潮流越限风险，从而求解得出经济性和安全性综合最优的基态调度措施和事故态校正预案，具体包括：步骤3.1、将系统运行状态划分为“正常
‑
紧急
‑
故障”三个阶段，假设T0为当前运行时刻，T...

【专利技术属性】
技术研发人员：陈锐，马覃峰，刘明顺，贺先强，曹杰，张丹，安甦，王寅，朱灵子，王国松，蒲清昕，吴应双，范翔，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：