光伏日内日前模型预测方法、系统、设备及介质技术方案

本发明专利技术属于电力系统优化调度技术领域，具体公开了一种光伏日内日前模型预测方法、系统、设备及介质；本发明专利技术基于时间尺度的不同依次建立日前计划调度模型和日内滚动调度模型，两种不同策略的协调优化，并利用光伏发电滚动预测模型，满足对光伏出力总量进行预测，通过NSGA

【技术实现步骤摘要】
光伏日内日前模型预测方法、系统、设备及介质


[0001]本专利技术属于电力系统优化调度
，具体涉及一种光伏日内日前模型预测方法、系统、设备及介质。

技术介绍

[0002]分布式光伏建设开发具有无序性和广域分散分布的特点，其出力具有很强的随机波动性。整村光伏规模化开发将导致配电台区源
‑
网
‑
荷结构发生根本性改变，低压分布式光伏不可观、不可测、不可控带来的“超限”“盲调”问题多发，且农村电网灵活调节资源匮乏，电网调峰难度进一步加大，这将给电网的清洁、稳定运行、及用户的优质供电带来一系列负面影响，极大地增加了电网的复杂性和管控难度。通过梳理分布式光伏运行控制相关研究发现，配电网应对分布式光伏随机性和波动性的灵活性调节能力不足严重制约了分布式光伏大规模推广应用，开展配电网对分布式光伏消纳和接入能力成为当前亟待解决的关键技术问题。

技术实现思路

[0003]为了克服现有技术的缺点，本专利技术的目的在于提供一种光伏日内日前模型预测方法、系统、设备及介质，以解决整村光伏发电出力存在波动性，电网对分布式光伏的接入和消纳能力较差的问题。
[0004]为了达到上述目的，本专利技术采用以下技术方案实现：
[0005]第一方面，本专利技术提供一种光伏日内日前模型预测方法，包括：
[0006]S1：对光伏发电量数据进行定时采集，并将光伏发电量数据采集总结为数据库，并生成基本调度；
[0007]S2：建立日前计划调度模型，使用NSGA
‑
>II求解日前计划调度模型得到的Pareto解集，选取最优解，确定系统中各微电源出力及负荷调整量，计算日供电量，作为日内滚动调度参提前下达；
[0008]S3：滚动模型优化，以滚动时段内微电网的综合调度成本最低的预测出力数据为目标构建光伏发电滚动预测模型，预测光伏出力总量；
[0009]S4：通过光伏出力总量、系统中各微电源出力及负荷调整量和日供电量，建立日内滚动调度模型；
[0010]S5：使用NSGA
‑
II求解日内滚动调度模型，得到微电网系统中各微电源的计划出力和负载的调整量，并确定反馈纠正环节对光伏发电的有功出力修正；
[0011]S6：通过选取准则进行日前最优供电方案的选择。
[0012]进一步的，所述S1具体包括：
[0013]S11：选取典型的整村光伏试点作为数据采集来源；
[0014]S12：选取试点的历史时间段，采样时间周期为n；
[0015]S13：获取该历史时间段内的光伏总发电量P
n
；
[0016]S14：计算试点历史单日光伏发电量为
[0017]S15：对试点N年内对应时间段的单日光伏发电量进行采样计算P
dx
；重复S12
‑
S15步骤进行多组采样计算；P
dx
为试点的第x组单日光伏发电量；
[0018]S16：对采样日历年和采样时间段内的单日光伏发电量P
dx
进行加权平均，计算预测单日光伏发电量P
d
，其表达式为：
[0019][0020]S17：以为基础数据输入日前计划调度模型进行分析计算，求解Pareto最优边界解集。
[0021]进一步的，所述S2具体包括：
[0022]S21：以电气耦合度和功率平衡度为依据，综合考虑规划和运行2个不同时间尺度优化问题间的相互影响，判断区域所包含的负荷类型，建立负荷满意度模型；
[0023]S22：基于日前天气预报信息对调度日内24h的光伏出力与负荷需求数据进行预测，以1h为分辨率，综合各发电单元和负荷的特性，优化调度日前光伏、蓄电池的出力以及负荷的调节量，并确定日前供电负荷总量；
[0024]S23：根据源网荷储系统中的日前可调度资源，日前计划调度以系统中可控微源的运行成本F1最低以及负荷满意度F2最大来构建多目标优化日前计划调度模型，其表达式为：
[0025][0026]maxF2＝S
[0027]F1为运行成本；F
dei
(t)为每小时内的各单位的成本；F
B
(T)为每小时的蓄电池寿命损耗成本；
[0028]采用改进非劣解排序遗传算法NSGA
‑
II进行求解，运用NSGA
‑
II得到Pareto解集；将负荷补偿费用F
L
作为标准来选取最优的供电方案，取F
L
最小为总终解的选取标准；F
L
的表达式为：
[0029][0030]公式中：F
L
为负荷补偿费用；
[0031]C
IL
为可中断负荷单位电量补偿费用；
[0032]P
IL
(t)为t时间段内可中断功率；
[0033]C
move
为可平移负荷单位电量补偿费用；
[0034]P
move
(t)为可平移负荷的单位电量补偿费用；
[0035]S24：典型负荷日负荷曲线和并网的光伏、最大出力曲线，计算典型负荷日1天24h中存在节点电压或线路潮流越上限的所有时刻，减小分布式电源出力，直至所有节点或支路不发生越限，得到各个越限时刻光伏出力减小量的最大值，对常用电负荷预测方法进行分类，分析不同预测方法的优缺点及适用条场景和时间维度；确定系统中各微电源出力及负荷调整量，计算日供电量，作为日内滚动调度参提前下达。
[0036]进一步的，所述S3具体包括：
[0037]S31：光伏发电滚动预测模型：给出不同温度、辐照度下光伏组件的功率计算方法，算出光伏板安装面积和光伏系统的发电功率，预测光伏在k时未来M时段的出力总量；
[0038]S32：基于MPC的源网荷储微电网滚动优化调度策略，优化模型以未来一个时段内运行费用最小为优化目标进行滚动优化；
[0039]S33：以源网荷储微电网日前调度计划为基础，以4h为滚动周期，15min为分辨率，更新新能源出力预测信息，在不改变日前计划中负荷运行状态和不减少负荷总供给量，且满足功率平衡；
[0040]S34：在光照、温度、风速、荷电状态以及负荷状态参数持续变化时，确定在高比例分布式光伏的工作模式下利用MPC的方法优化光伏、蓄电池的出力，保证源网荷储微电网系统的稳定运行。
[0041]进一步的，所述S4具体包括：
[0042]S41：光伏超短期预测功率由其日前预测功率分别叠加正态分布的预测误差得到；分布式光伏和用户的运行模式，考虑光伏高发、低发、功率波动、功率突变的运行工况；
[0043]S42：预测误差为其中取决于预测时间尺度Δt，则日内滚动调度模型如下：
[0044]P
i
(k+Δt|k)＝P
i
(t)+ε
i
(k+Δt)
[0045]公式中；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏日内日前模型预测方法，其特征在于，包括：S1：对光伏发电量数据进行定时采集，并将光伏发电量数据采集总结为数据库，并生成基本调度；S2：建立日前计划调度模型，使用NSGA
‑
II求解日前计划调度模型得到的Pareto解集，选取最优解，确定系统中各微电源出力及负荷调整量，计算日供电量，作为日内滚动调度参提前下达；S3：滚动模型优化，以滚动时段内微电网的综合调度成本最低的预测出力数据为目标构建光伏发电滚动预测模型，预测光伏出力总量；S4：通过光伏出力总量、系统中各微电源出力及负荷调整量和日供电量，建立日内滚动调度模型；S5：使用NSGA
‑
II求解日内滚动调度模型，得到微电网系统中各微电源的计划出力和负载的调整量，并确定反馈纠正环节对光伏发电的有功出力修正；S6：通过选取准则进行日前最优供电方案的选择。2.根据权利要求1所述的一种光伏日内日前模型预测方法，其特征在于，所述S1具体包括：S11：选取典型的整村光伏试点作为数据采集来源；S12：选取试点的历史时间段，采样时间周期为n；S13：获取该历史时间段内的光伏总发电量P
n
；S14：计算试点历史单日光伏发电量为S15：对试点N年内对应时间段的单日光伏发电量进行采样计算P
dx
；重复S12
‑
S15步骤进行多组采样计算；P
dx
为试点的第x组单日光伏发电量；S16：对采样日历年和采样时间段内的单日光伏发电量P
dx
进行加权平均，计算预测单日光伏发电量P
d
，其表达式为：S17：以为基础数据输入日前计划调度模型进行分析计算，求解Pareto最优边界解集。3.根据权利要求1所述的一种光伏日内日前模型预测方法，其特征在于，所述S2具体包括：S21：以电气耦合度和功率平衡度为依据，综合考虑规划和运行2个不同时间尺度优化问题间的相互影响，判断区域所包含的负荷类型，建立负荷满意度模型；S22：基于日前天气预报信息对调度日内24h的光伏出力与负荷需求数据进行预测，以1h为分辨率，综合各发电单元和负荷的特性，优化调度日前光伏、蓄电池的出力以及负荷的调节量，并确定日前供电负荷总量；S23：根据源网荷储系统中的日前可调度资源，日前计划调度以系统中可控微源的运行成本F1最低以及负荷满意度F2最大来构建多目标优化日前计划调度模型，其表达式为：
maxF2＝SF1为运行成本；F
dei
(t)为每小时内的各单位的成本；F
B
(T)为每小时的蓄电池寿命损耗成本；采用改进非劣解排序遗传算法NSGA
‑
II进行求解，运用NSGA
‑
II得到Pareto解集；将负荷补偿费用F
L
作为标准来选取最优的供电方案，取F
L
最小为总终解的选取标准；F
L
的表达式为：公式中：F
L
为负荷补偿费用；C
IL
为可中断负荷单位电量补偿费用；P
IL
(t)为t时间段内可中断功率；C
move
为可平移负荷单位电量补偿费用；P
move
(t)为可平移负荷的单位电量补偿费用；S24：典型负荷日负荷曲线和并网的光伏、最大出力曲线，计算典型负荷日1天24h中存在节点电压或线路潮流越上限的所有时刻，减小分布式电源出力，直至所有节点或支路不发生越限，得到各个越限时刻光伏出力减小量的最大值，对常用电负荷预测方法进行分类，分析不同预测方法的优缺点及适用条场景和时间维度；确定系统中各微电源出力及负荷调整量，计算日供电量，作为日内滚动调度参提前下达。4.根据权利要求1所述的一种光伏日内日前模型预测方法，其特征在于，所述S3具体包括：S31：光伏发电滚动预测模型：给出不同温度、辐照度下光伏组件的功率计算方法，算出光伏板安装面积和光伏系统的发电功率，预测光伏在k时未来M时段的出力总量；S32：基于MPC的源网荷储微电网滚动优化调度策略，优化模型以未来一个时段内运行费用最小为优化目标进行滚动优化；S33：以源网荷储微电网日前调度计划为基础，以4h为滚动周期，15min为分辨率，更新新能源出力预测信息，在不改变日前计划中负荷运行状态和不减少负荷总供给量，且满足功率平衡；S34：在光照、温度、风速、荷电状态以及负荷状态参数持续变化时，确定在高比例分布式光伏的工作模式下利用MPC的方法优化光伏、蓄电...

【专利技术属性】
技术研发人员：张志远，陈京，宋鑫，聂杰良，王慧琪，薄晓东，陈登明，何莹，刘爽，刘阳，曹波，刘涛，
申请(专利权)人：国家电网有限公司北京智芯微电子科技有限公司，
类型：发明
国别省市：