确保发电机组的发电容量充裕性的模型及方法技术

本发明专利技术公开了确保发电机组的发电容量充裕性的模型及方法，搭建天然气网模型，输入天然气网元件故障概率的相关参数；设置总模拟次数，对气网运行/故障状态进行非序贯蒙特卡洛随机抽样，组合得到多种天然气网故障场景；计算各个故障场景下燃气机组所在天然气网节点的最大供气流量并确定燃气机组有功功率出力上限；统计燃气机组出力受限的状态概率，构建两阶段分布式鲁棒机组组合模型的概率分布模糊集；设置两阶段分布式鲁棒机组组合模型的初始参数及概率分布模糊集的置信区间；通过免对偶C&CG算法求解两阶段分布式鲁棒机组组合模型，输出日前机组组合方案，本发明专利技术降低了燃气电厂出力受限不确定性导致的电力系统发电容量充裕性不足的风险。量充裕性不足的风险。量充裕性不足的风险。

【技术实现步骤摘要】
确保发电机组的发电容量充裕性的模型及方法


[0001]本专利技术涉及电力
，特别是涉及确保发电机组的发电容量充裕性的模型及方法。

技术介绍

[0003]高比例燃气机组的接入将使电力系统与天然气系统的耦合更加紧密。然而，由于气网拓扑结构复杂，空间跨度广，其供气可靠性受到多种不确定因素的影响，电力系统与天然气系统耦合程度的加深使得天然气网故障所导致的天然气供应充裕性问题开始凸显，气网侧的不确定性传导至电网侧，将对电网安全稳定运行产生显著的影响。若天然气网发生天然气源阀门故障、管线泄露或断裂、输气管道气压损失等故障时将导致燃气机组燃料供应受限或被迫关停，从而威胁电网安全稳定运行，给电力系统的调度决策带来新的困难。因此，调度人员在制定系统运行方案时需要充分地考虑天然气网故障导致燃气机组出力受限的不确定性对电网的威胁，确保得出的机组组合方案具备抵御不确定因素恶劣实现的鲁棒性。
[0004]在现有的考虑不确定性的机组组合相关研究中，仅有少部分研究考虑燃气机组出力受限不确定性对机组组合的影响，并且这些研究中对燃气机组出力受限不确定性的刻画还比较粗糙。
[0005]一种思路是采用计及N
‑
k故障约束的鲁棒优化方法，通过鲁棒优化“在最坏情况下求最优解”的思想，寻找满足不确定集约束的最恶劣的系统元件失效场景，并制定能够可靠抵御该恶劣场景的机组组合方案。但该方法在考虑发电机组状态时均只采用传统的两状态模型，即正常状态和失效状态。然而，现实中天然气网实际出现的如管道泄漏、压缩机故障、操作人员误操作等故障大多会导致燃气机组因供气受限而出力降额，只有在极少数极端情况下才会导致燃气机组被迫关停，简单的两状态模型将导致决策结果过于保守，不适用于分析天然气网故障带来的燃气机组出力受限问题。
[0006]另一种思路是将电力系统与天然气系统联合建模，以保证电力系统调度方案在天然气网正常或故障状态下的可行性。目前在该类方法中比较先进的模型是一种考虑系统元件发生故障的综合能源系统两阶段三层鲁棒优化模型，包括外层机组组合问题、中间层“寻找最恶劣元件失效场景”问题以及内层优化调度问题，通过该模型可以得出能够可靠抵御预设的“风险区域”内电网与气网元件故障风险的综合能源系统运行方案，并通过统一的上层调度中心将优化结果作为控制指令下发给电力系统和天然气系统，这种求解思路具有较强的前瞻性，但模型的可解性与“风险区域”的选取密切相关，在实际应用时存在诸多不便。
[0007]除了模型的可解性较差，此类将电力系统与天然气系统联合建模优化的方法面临的另一个重要问题是，该类方法是基于存在一个能够统一调度两个系统的调度机构的前提之上，其需要两系统间数据高度共享。这在目前各能源系统独立运行、对自身信息私密性要求较高的现状下是难以实现的。

技术实现思路

[0008]为了克服现有技术的不足，本专利技术提供确保发电机组的发电容量充裕性的模型及方法，采用合适方法将电
‑
气联合优化问题分解为天然气系统和电力系统独立求解的问题，通过随机抽样的方法获得大量的天然气网故障场景数据，以实现对燃气电厂出力受限不确定性较准确的量化，并提出可以考虑燃气电厂出力受限不确定性的两阶段分布式鲁棒机组组合模型，在保证电力系统调度需求得到满足的前提下提高模型实际应用的可行性，以降低燃气电厂出力受限不确定性导致的电力系统发电容量充裕性不足的风险。
[0009]为解决上述技术问题，本专利技术提供如下技术方案：确保发电机组的发电容量充裕性的方法，包括以下步骤：步骤1：搭建天然气网模型，输入天然气网元件故障概率的相关参数；步骤2：设置总模拟次数，对气网运行/故障状态进行非序贯蒙特卡洛随机抽样，组合得到多种天然气网故障场景；步骤3：通过天然气负荷最优削减模型，计算各个故障场景下燃气机组所在天然气网节点的最大供气流量；步骤4：根据供气流量确定燃气机组有功功率出力上限；步骤5：统计燃气机组出力受限的状态概率，构建两阶段分布式鲁棒机组组合模型的概率分布模糊集；步骤6：设置两阶段分布式鲁棒机组组合模型的初始参数及概率分布模糊集的置信区间；步骤7：通过免对偶C&CG算法求解两阶段分布式鲁棒机组组合模型，输出日前机组组合方案。
[0010]作为本专利技术的一种优选技术方案，所述步骤1中的天然气网元件故障概率的相关参数包括天然气源正常/故障状态下的出口管道传输容量、天然气源年运行故障概率；输气管道正常/故障状态下传输能力、输气管道年运行故障概率；天然气压缩机正常/故障状态下上下游管道输气能力、天然气压缩机年运行故障概率。
[0011]作为本专利技术的一种优选技术方案，所述步骤3中的天然气负荷削减以天然气负荷削减量最小为优化目标。
[0012]作为本专利技术的一种优选技术方案，所述天然气负荷削减以天然气负荷削减量最小为优化目标，其目标函数为。
[0013]作为本专利技术的一种优选技术方案，所述目标函数的约束条件包括：稳态气流方程约束，节点流量平衡约束，切负荷量、节点气压及气源注入量上下限约束，天然气潮流的线性化处理。
[0014]作为本专利技术的一种优选技术方案，所述步骤4中燃气机组所在节点可获得的最大天然气流量与该时段燃气机组的最大有功功率的转换关系为
[0015][0016]作为本专利技术的一种优选技术方案，所述步骤6中两阶段分布式鲁棒机组组合模型的目标函数为：
[0017][0018]作为本专利技术的一种优选技术方案，所述步骤6中所提模型为两阶段优化问题，第一
阶段优化与第二阶段优化分别服从于不同的约束条件。
[0019]作为本专利技术的一种优选技术方案，所述第一阶段约束条件包括：功率平衡约束、煤电机组启停相关约束、燃气机组启停相关约束，所述第二阶段约束条件包括：功率平衡约束、煤电机组出力相关约束、燃气机组出力相关约束、外购电功率上下限约束、直流潮流约束、基于多离散场景的概率分布模糊集、模糊集线性化。
[0020]本专利技术还提供确保发电机组的发电容量充裕性的模型，包括上述的确保发电机组的发电容量充裕性的方法所训练出的模型。
[0021]与现有技术相比，本专利技术能达到的有益效果是：
[0022]本专利技术采用合适方法将电
‑
气联合优化问题分解为天然气系统和电力系统独立求解的问题，通过随机抽样的方法获得大量的天然气网故障场景数据，以实现对燃气电厂出力受限不确定性较准确的量化，并提出可以考虑燃气电厂出力受限不确定性的两阶段分布式鲁棒机组组合模型，在保证电力系统调度需求得到满足的前提下提高模型实际应用的可行性，以降低燃气电厂出力受限不确定性导致的电力系统发电容量充裕性不足的风险。
附图说明
[0023]图1为本专利技术采用的天然气网元件故障模型，包括天然气源、输气管道与天然气压缩机；
[0024]图2为本专利技术提供的一种基于气网故障场景模拟与气负荷最优削减模型的燃气电厂出力受限状态概率计算流程；
[0025]图3为本专利技术提供的可用于求解两阶段可靠性机组组合模型的C&am本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.确保发电机组的发电容量充裕性的方法，其特征在于：包括以下步骤：步骤1：搭建天然气网模型，输入天然气网元件故障概率的相关参数；步骤2：设置总模拟次数，对气网运行/故障状态进行非序贯蒙特卡洛随机抽样，组合得到多种天然气网故障场景；步骤3：通过天然气负荷最优削减模型，计算各个故障场景下燃气机组所在天然气网节点的最大供气流量；步骤4：根据供气流量确定燃气机组有功功率出力上限；步骤5：统计燃气机组出力受限的状态概率，构建两阶段分布式鲁棒机组组合模型的概率分布模糊集；步骤6：设置两阶段分布式鲁棒机组组合模型的初始参数及概率分布模糊集的置信区间；步骤7：通过免对偶C&CG算法求解两阶段分布式鲁棒机组组合模型，输出日前机组组合方案。2.根据权利要求1所述的确保发电机组的发电容量充裕性的方法，其特征在于：所述步骤1中的天然气网元件故障概率的相关参数包括天然气源正常/故障状态下的出口管道传输容量、天然气源年运行故障概率；输气管道正常/故障状态下传输能力、输气管道年运行故障概率；天然气压缩机正常/故障状态下上下游管道输气能力、天然气压缩机年运行故障概率。3.根据权利要求1所述的确保发电机组的发电容量充裕性的方法，其特征在于：所述步骤3中的天然气负荷削减以天然气负荷削减量最小为优化目标。4.根据权利要求3所述的确保发电机组的发电容量充裕性的方法，其特征在于：所述天然气负荷削减以天然气负荷...

【专利技术属性】
技术研发人员：赵宏伟，蔡莹，蔡泓铭，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：