基于风险价值理论的电力系统灵活性优化调度方法技术方案

基于风险价值理论的电力系统灵活性优化调度方法，包括以下步骤：基于正态Copula函数理论，建立了风光联合概率分布模型；构建灵活性供求模型；基于条件风险价值的优化调度模型：首先从切负荷和弃风弃光两方面评估系统灵活性不足的情况，对于切负荷及弃风弃光分别设置惩罚系数，从而量化灵活性不足风险成本；其次，建立基于风险价值理论的日前随机优化调度模型，并通过调整惩罚系数对系统的经济性和灵活性加以权衡，进行协调优化。本发明专利技术考虑基于Copula函数理论进行风光出力模拟，这将使对系统灵活性总需求的预测更加准确，有利于日前调度的进行。度的进行。

【技术实现步骤摘要】
基于风险价值理论的电力系统灵活性优化调度方法


[0001]本专利技术涉及一种调度方法，尤其是涉及一种基于风险价值理论的电力系统灵活性优化调度方法，属于能源领域。

技术介绍

[0002]现代电力系统面临可再生能源和负荷双重波动性叠加，系统运行状况日益复杂，不仅需要考虑安全性、可靠性和经济性的内在要求，还需要具备一定的快速应变和响应能力，即电力系统灵活性。因此，面向新能源电力系统存在的各种挑战，灵活性将成为衡量电力系统优化运行的一个新的且重要指标。陈凡等学者的文章《入风速与风电机组故障相关性的风电场可靠性建模及其应用》通过备用优化的方法来应对含风电电力系统的多重不确定性，并提出了针对互联系统的分散协调调度方法。张丹宁等学者的文章《含风电电力系统日前备用动态评估与优化》针对含风电的电力系统，利用风电出力预测和负荷预测的历史数据，提出了无效向上/向下备用容量、切负荷量和弃风量期望的评价指标，并对应建立日前优化调度模型。张俊涛等学者的文章《考虑风光不确定性的高比例可再生能源电网短期联合优化调度方法》提出了一种耦合分位点回归理论和降维聚类技术的新能源组合出力场景集生成方法，并应用短期优化调度方法中。总体上看，这些研宄未对不确定性、波动性及相关性进行综合考量并建模，缺少对灵活性需求的系统量化
[0003]总体来看现有技术，都未充分对不确定性、波动性及相关性进行综合考量并建模，缺少对灵活性需求的系统量化，也没有充分考虑系统调度经济性与灵活性的权衡问题。

技术实现思路

[0004]目前调度计划制定大多缺乏对于不确定性的处理，没有全面考虑源荷储各侧的灵活性资源，缺乏灵活性供需的协调优化，从而使得电力系统运行的经济性或灵活性较差。为解决这一问题，本专利技术首先基于Copula函数构建考虑时空相关性的风光出力联合概率分布模型用以对风光出力进行模拟；之后综合考虑源荷储各侧的灵活性资源，刻画系统灵活性供给与需求；最后基于条件风险价值CVaR(Conditional Value
‑
at
‑
Risk)来表现电力系统灵活性不足的风险损失，以风险损失最小和运行成本最小为目标构建随机优化调度模型，实现兼顾系统经济性和灵活性的优化调度，具体技术方案如下：
[0005]基于风险价值理论的电力系统灵活性优化调度方法，其特征为：该方法主要包括以下步骤：
[0006]步骤1：基于正态Copula函数理论，建立了风光联合概率分布模型；
[0007]步骤2：构建灵活性供求模型：根据历史数据，生成系统负荷预测曲线，之后利用风光联合概率分布模型中风、光出力相邻时刻的波动值与负荷的波动值计算出系统灵活性需求的概率分布，得到灵活性需求模型；综合考虑源、荷、储各侧灵活性资源，根据不同灵活性资源的特点建立了灵活性供给模型；
[0008]步骤3：基于条件风险价值的优化调度模型：基于条件风险价值理论，首先从切负
荷和弃风弃光两方面评估系统灵活性不足的情况，对于切负荷及弃风弃光分别设置惩罚系数，从而量化灵活性不足风险成本；其次，以风险损失最小和运行成本最小为目标构建随机优化调度模型，实现兼顾系统经济性和灵活性的优化调度。
[0009]有益效果
[0010]风力、光伏发电出力以及电力系统负荷具有一定的不确定性，难以准确预测，且风光出力往往呈现一定的时空相关性，本专利技术考虑基于Copula函数理论进行风光出力模拟，这将使对系统灵活性总需求的预测更加准确，有利于日前调度的进行。之后，在灵活性需求侧本专利技术充分考虑风光出力及负荷的不确定性，在灵活性供给侧，综合考虑了源荷储各侧灵活性资源的技术特性，以此建立的灵活性供需模型将能更加全面准确的反应系统灵活性供需特点。最后本专利技术基于风险价值理论建立的系统灵活性优化调度模型，该模型以系统运行成本及灵活性不足风险最小为目标对日前调度进行优化。综上，本专利技术提出的系统灵活性优化调度方法，能够避免个别时段灵活性不足引起较大的风险损失，保证调度计划运行的经济性和灵活性能更好的兼顾灵活性和经济性，由于Copula函数的使用，本专利技术对于风光出力及灵活性需求的变化也有更好的拟合性。
附图说明
[0011]图1为本专利技术基于风险价值理论的电力系统灵活性优化调度方法的流程图，图中的三个步骤已详细阐释；
[0012]图2为灵活性需求概率密度函数曲线，该图仅为示意图，假设灵活性需求服从正态分布。由图可见，当向上灵活性需求超出上调灵活性时，系统需要采取切负荷措施以保证系统安全；当向下灵活性需求超出下调灵活性时，系统需要削减部分风电出力以保证系统安全运行。
具体实施方式
[0013]一种基于风险价值理论的电力系统灵活性优化调度方法，该方法主要包括以下步骤：
[0014]步骤1：构建基于Copula函数的风光出力模拟：由于风光出力具有不确定性，且有一定的时空相关性，基于正态Copula函数理论，建立了风光联合概率分布模型。
[0015]由于风光发电出力具有一定的不确定性，难以准确预测，且风光出力往往呈现一定的时空相关性，本专利技术考虑基于Copula函数理论对风光出力进行模拟，作为之后灵活性需求预测的基础。
[0016]考虑风电出力和光伏出力的时空相关性，基于正态Copula函数理论，建立两者联合概率分布模型，具体步骤如下:
[0017]1)Copula函数理论：假设随机向量X＝(x
1 x
2 L x
n
)的联合分布函数为H(
·
)，其边缘分布分别为F1,F2,L,F
n
则存在一个Copula函数C(
·
)满足
[0018]H(x1,x2,L,x
n
)＝C(F1(x1),F2(x2),L,F
n
(x
n
))
ꢀꢀꢀ
(1)
[0019]若F1,F2,L,F
n
是连续的，则C(
·
)唯一确定，则由式(1)确定的H(x1,x2,L,x
n
)是具有边缘分布F1,F2,L,F
n
的n元联合分布函数。
[0020]对式(1)两边同时求偏导，可以得到随机向量X＝(x1,x2,L,x
n
)的联合概率密度函
数
[0021][0022]式中c(
·
)为Copula概率密度函数；f
i
(x
i
)为x
i
的概率密度函数。
[0023]2)设模拟时段为T，各时段光伏电站出力为x
s,t
，风电场的出力为x
w,t
；
[0024]3)基于历史数据求各时段光伏出力概率密度f
s,t
(x
s,t
)和概率分布F
s,t
(x
s,t
)，其中t＝1,2,
…
,T；
[0025]4本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于风险价值理论的电力系统灵活性优化调度方法，其特征为：该方法包括以下步骤：步骤1：基于正态Copula函数理论，建立了风光联合概率分布模型；步骤2：构建灵活性供求模型：根据历史数据，生成系统负荷预测曲线，之后利用风光联合概率分布模型中风、光出力相邻时刻的波动值与负荷的波动值计算出系统灵活性需求的概率分布，得到灵活性需求模型；综合考虑源、荷、储各侧灵活性资源，根据不同灵活性资源的特点建立了灵活性供给模型；步骤3：基于条件风险价值的优化调度模型：首先从切负荷和弃风弃光两方面评估系统灵活性不足的情况，对于切负荷及弃风弃光分别设置惩罚系数，从而量化灵活性不足风险成本；其次，以风险损失最小和运行成本最小为目标构建随机优化调度模型，实现兼顾系统经济性和灵活性的优化调度。2.根据权利要求1所述的基于风险价值理论的电力系统灵活性优化调度方法，其特征为：所述步骤1具体步骤如下:1)Copula函数理论：假设随机向量X＝(x
1 x
2 L x
n
)的联合分布函数为H(
·
)，其边缘分布分别为F1,F2,L,F
n
则存在一个Copula函数C(
·
)满足H(x1,x2,L,x
n
)＝C(F1(x1),F2(x2),L,F
n
(x
n
))(1)若F1,F2,L,F
n
是连续的，则C(
·
)唯一确定，则由式(1)确定的H(x1,x2,L,x
n
)是具有边缘分布F1,F2,L,F
n
的n元联合分布函数；对式(1)两边同时求偏导，可以得到随机向量X＝(x1,x2,L,x
n
)的联合概率密度函数式中c(
·
)为Copula概率密度函数；f
i
(x
i
)为x
i
的概率密度函数；2)设模拟时段为T，各时段光伏电站出力为x
s,t
，风电场的出力为x
w,t
；3)基于历史数据求各时段光伏出力概率密度f
s,t
(x
s,t
)和概率分布F
s,t
(x
s,t
)，其中t＝1,2,
…
,T；4)同理可得各时段风电出力概率密度f
w,t
(x
w,t
)和概率分布F
w,t
(x
w,t
)，其中t＝1,2,
…
,T；5)构建2T维Copula函数，其中T表时间维度，2代表空间维度，空间相关性指同一时段内风电和光伏出力的相关性，本发明暂时只考虑1座风电场和1座光伏电站，故空间维度为2；6)基于风电、光伏历史出力数据求解Copula函数相关系数，并生成一组具有相关性的随机值{u
s,t
,u
w,t
|t＝1,2,
…
,T}；7)对该组具有相关性的随机值分别求逆可得一组考虑时空相关性的风光出力模拟数据。3.根据权利要求1所述的基于风险价值理论的电力系统灵活性优化调度方法，其特征为：所述步骤2具体步骤如下:电力系统中往往存在多种灵活性资源，通过调用这些资源，可以为系统提供一定的灵活性调节能力来平衡波动，本发明考虑的灵活性供给包括源、荷、储三侧，分别考虑了常规火电机组、储能设施、可中断负荷三种灵活性资源，其中火电机组可以通过调整其出力来提
供向上及向下的灵活性，但因其技术特征，提供灵活性时会收到爬坡功率以及最小最大出力的限制；储能设施通过自身充放电来向系统提供向上/向下灵活性，在系统有向上灵活性需求时向系统放电，在有向下灵活性需求时从系统中获取电能为自身充电，储能设施提供灵活性的能力受到最大最小放电功率、最大最小电能储存量、充放电效率的影响；可中断负荷即用电侧通过切负荷提供一定的向上灵活性，源荷储灵活性供给特性如下：荷即用电侧通过切负荷提供一定的向上灵活性，源荷储灵活性供给特性如下：其中，分别表示t时刻系统上调和下调灵活性供给；分别表示t时刻系统上调和下调灵活性供给；分别表示t时刻常规机组g的上调和下调灵活性，分别表示t时刻储能j的上调和下调灵活性，分别表示t时刻可中断负荷k的上调和下调灵活性；N
g
，N
s
，N
IL
分别为系统中常规机组、储能、可中断负荷的数量。分别表示常规机组的最大向上、向下爬坡功率；ΔT为调度时间间隔；P
g,i,t
，P
g,i,max
，P
g,i,min
分别表示常规机组i在t时刻的出力以及最大和最小出力；P
De,j,max
，P
Ch,j,max
，P
s,j,t
分别表示储能j的最大放电功率、最大充电功率以及在t时刻的出力；E
j,max
，E
j,min
，E
j,t
分别表示储能j能储存的最大、最小电量以及在t时刻储存的电量；η
Ch
，η
De
分别为储能的充电、放电效率；P
IL,k,max
，P
IL,k,min
，P
IL,k,t
分别表示可中断负荷k的最大、最小可中断功率以及当前中断功率。4.根据权利要求3所述的基于风险价值理论的电力系统灵活性优化调度方法...

【专利技术属性】
技术研发人员：刘红丽，梁燕，王尧，吉喆，郑晓明，冯跃华，张弛，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：