基于两阶段随机优化的输电网和储能联合规划方法及系统技术方案

本发明专利技术公开了一种基于两阶段随机优化的输电网和储能联合规划方法及系统，基于典型场景的随机优化方法充分考虑负荷与新能源的波动性与不确定性，引入K

【技术实现步骤摘要】
基于两阶段随机优化的输电网和储能联合规划方法及系统


[0001]本专利技术属于电力系统中的规划评估
，具体涉及一种基于两阶段随机优化的输电网和储能联合规划方法及系统。

技术介绍

[0002]可再生能源高比例接入电网给电力系统带来一系列的不确定因素，尤其是风、光等出力的间歇性与波动性的特性，会对电力系统的净负荷造成剧烈的波动。可再生能源渗透率的逐年增长可能会带来输电网的阻塞，这给输电网的规划与运行带来了一定挑战。
[0003]因此，为提高电力系统灵活性与可再生能源消纳能力，合理地配置输电工程对于实现30.60碳排放地目标意义重大。与此同时，储能系统具有对功率与能量的时间迁移能力且安装位置灵活，对于应对系统灵活性不足与输电阻塞具有重要作用，被认为是未来高比例可再生能源电力系统的重要技术支撑之一。几十年来，围绕电力系统扩展规划和储能规划都各自拥有大量地研究。而联合规划可以从电力系统规划的全局出发，可以充分考虑储能与输电网在规划、运行层面上的相互作用关系，并在此基础上以低碳经济为目标确定统一的多设备规划组合方案。
[0004]因此，研究输电网
‑
储能联合规划方法对于实现低碳目标，提高电力系统灵活性并减少电网投资与运行成本具有重要意义。

技术实现思路

[0005]本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于两阶段随机优化的输电网和储能联合规划方法及系统，用于解决现有的规划方法未考虑多场景问题线性化处理与加速策略且对输电阻塞与新能源外送困难应对能力较差的技术问题。
[0006]本专利技术采用以下技术方案：
[0007]基于两阶段随机优化的输电网和储能联合规划方法，包括以下步骤：
[0008]基于电力系统基本技术数据建立日净负荷曲线的集合，通过场景削减得到反应负荷与新能源不确定性的典型场景集合；
[0009]基于反应负荷与新能源不确定性的典型场景集合建立基于输电网
‑
储能联合规划模型；
[0010]基于输电网
‑
储能联合规划模型的第一阶段约束为输电线路与储能元件投建数量上限，构建输电网与储能的投建决策；
[0011]线性化处理基于输电网
‑
储能联合规划模型的第二阶段约束中的双线性项与整数变量；
[0012]采用Benders分解框架对线性化处理后输电网
‑
储能联合规划模型进行求解；将模型拆分为投资主问题和一系列的运行子问题进行迭代求解，将输电网与储能的规划决策作为投资主问题，典型场景的运行校核作为运行子问题，根据投资主问题求解得到整数参数，求解整数参数下最优性子问题的解，并向主问题返回最优割约束，同时得到联合规划问题
的上界；继续求解更新最优割约束下的投资主问题，得到新的整数参数，并得到联合规划问题的下界；不断迭代求解投资主问题与运行子问题，基于得到的联合规划问题解实现输电网和储能联合规划。
[0013]具体的，通过场景削减得到反应负荷与新能源不确定性的典型场景集合具体为：
[0014]选取所需典型场景的数量，或者将误差平方和曲线的拐点作为最佳的典型场景数量，将其作为聚类的簇数，采用K
‑
Means聚类的方法对所有的净负荷曲线进行聚类，将全部的日净负荷曲线分为给定数量的曲线簇；
[0015]基于给定数量的曲线簇，计算曲线簇内所有曲线与其簇心之间的灰色关联度，选取关联度最大的一条曲线作为该簇曲线的代表性日净负荷曲线，并对应于典型日。
[0016]进一步的，灰色关联度ε(k)计算如下：
[0017][0018]其中，X0(k)为簇心序列曲线的第k个点的位置；X
i
(k)为第i条序列曲线的第k个点的位置；ρ为分辨系数。
[0019]具体的，基于输电网
‑
储能联合规划的两阶段随机优化的初步模型的目标函数为最小化输电网
‑
储能联合规划的投建成本与各个典型场景下机组组合运行成本，具体为：
[0020][0021]其中，C
Inv
\C
Op
为投资成本与运行成本；Ω
nl
\Ω
nes
为系统中所有待选线路的集合与储能候选节点的集合；为第k条线路的投建成本与0
‑
1投建变量；为第i个节点的单位储能设备的投建成本与投建数量整数变量；ξ为待投建设备的资金回收系数；Ω
B
\Ω
s
为系统中所有节点的集合与典型场景的集合；Ω
WT
\Ω
PV
为系统中所有风电机组的集合与所有光伏机组的集合；C
Load,curt
为单位失负荷电量的成本；为第i个节点在j个场景下t时刻的失负荷电量；为第i台火电机组在j个场景下的发电成本函数，t时刻的出力，启动成本，停机成本；C
WT,Curt
/C
PV,Curt
为单位弃风力发电与弃光伏发电的惩罚成本；为第i台风电机组与光伏机组在j个场景下t时刻的超出风力发电与光伏发电最大允许的弃电量部分。
[0022]进一步的，约束条件如下：
[0023]输电网与储能的规划决策阶段的约束：
[0024]第一阶段的约束条件包括线路走廊输电线路投建数量上限与候选节点储能设备投建数量上限，具体如下：
[0025][0026]典型场景运行校核阶段的约束：
[0027]第二阶段的约束包括火电机组运行成本：
[0028][0029]火电机组出力限制：
[0030][0031]火电机组最短开停机时间约束：
[0032][0033]火电机组运行状态的逻辑约束：
[0034][0035]新能源机组的出力区间：
[0036][0037]新能源消纳约束：
[0038][0039]储能充放电功率区间：
[0040][0041]限制储能同充同放：
[0042][0043]储能电量约束：
[0044][0045]已存在线路的网络安全约束：
[0046][0047]待选线路的直流潮流模型：
[0048][0049]待选线路两端节点的相角：
[0050][0051]待选线路潮流上下限约束：
[0052][0053]节点功率平衡约束：
[0054][0055]其中，Ω
lc
/Ω
R
为系统中所有输电走廊的集合与负荷的集合；为输电走廊中允许的最大的线路数量与第i条走廊中已存在的线路数量；为第i台机组的单次开机成本与单次停机成本为第i台机组在s场景下t时刻的运行状态0
‑
1变量、开机状态0
‑
1变量与关机状态0
‑
1变量；k
i,j
/h
i,j
为第i台机组线性化发电成本曲线中第j段的斜率与截距；为第i台机组本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，包括以下步骤：基于电力系统基本技术数据建立日净负荷曲线的集合，通过场景削减得到反应负荷与新能源不确定性的典型场景集合；基于反应负荷与新能源不确定性的典型场景集合建立基于输电网
‑
储能联合规划模型；基于输电网
‑
储能联合规划模型的第一阶段约束为输电线路与储能元件投建数量上限，构建输电网与储能的投建决策；线性化处理基于输电网
‑
储能联合规划模型的第二阶段约束中的双线性项与整数变量；采用Benders分解框架对线性化处理后输电网
‑
储能联合规划模型进行求解；将模型拆分为投资主问题和一系列的运行子问题进行迭代求解，将输电网与储能的规划决策作为投资主问题，典型场景的运行校核作为运行子问题，根据投资主问题求解得到整数参数，求解整数参数下最优性子问题的解，并向主问题返回最优割约束，同时得到联合规划问题的上界；继续求解更新最优割约束下的投资主问题，得到新的整数参数，并得到联合规划问题的下界；不断迭代求解投资主问题与运行子问题，基于得到的联合规划问题解实现输电网和储能联合规划。2.根据权利要求1所述的基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，通过场景削减得到反应负荷与新能源不确定性的典型场景集合具体为：选取所需典型场景的数量，或者将误差平方和曲线的拐点作为最佳的典型场景数量，将其作为聚类的簇数，采用K
‑
Means聚类的方法对所有的净负荷曲线进行聚类，将全部的日净负荷曲线分为给定数量的曲线簇；基于给定数量的曲线簇，计算曲线簇内所有曲线与其簇心之间的灰色关联度，选取关联度最大的一条曲线作为该簇曲线的代表性日净负荷曲线，并对应于典型日。3.根据权利要求2所述的基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，灰色关联度ε(k)计算如下：其中，X0(k)为簇心序列曲线的第k个点的位置；X
i
(k)为第i条序列曲线的第k个点的位置；ρ为分辨系数。4.根据权利要求1所述的基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，基于输电网
‑
储能联合规划的两阶段随机优化的初步模型的目标函数为最小化输电网
‑
储能联合规划的投建成本与各个典型场景下机组组合运行成本，具体为：
其中，C
Inv
\C
Op
为投资成本与运行成本；Ω
nl
\Ω
nes
为系统中所有待选线路的集合与储能候选节点的集合；为第k条线路的投建成本与0
‑
1投建变量；为第i个节点的单位储能设备的投建成本与投建数量整数变量；ξ为待投建设备的资金回收系数；Ω
B
\Ω
s
为系统中所有节点的集合与典型场景的集合；Ω
WT
\Ω
PV
为系统中所有风电机组的集合与所有光伏机组的集合；C
Load,curt
为单位失负荷电量的成本；为第i个节点在j个场景下t时刻的失负荷电量；为第i台火电机组在j个场景下的发电成本函数，t时刻的出力，启动成本，停机成本；C
WT,Curt
/C
PV,Curt
为单位弃风力发电与弃光伏发电的惩罚成本；为第i台风电机组与光伏机组在j个场景下t时刻的超出风力发电与光伏发电最大允许的弃电量部分。5.根据权利要求4所述的基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，约束条件如下：输电网与储能的规划决策阶段的约束：第一阶段的约束条件包括线路走廊输电线路投建数量上限与候选节点储能设备投建数量上限，具体如下：数量上限，具体如下：典型场景运行校核阶段的约束：第二阶段的约束包括火电机组运行成本：火电机组出力限制：火电机组最短开停机时间约束：
火电机组运行状态的逻辑约束：新能源机组的出力区间：新能源消纳约束：储能充放电功率区间：限制储能同充同放：储能电量约束：已存在线路的网络安全约束：已存在线路的网络安全约束：
待选线路的直流潮流模型：待选线路两端节点的相角：待选线路潮流上下限约束：节点功率平衡约束：其中，Ω
lc
/Ω
R
为系统中所有输电走廊的集合与负荷的集合；为输电走廊中允许的最大的线路数量与第i条走廊中已存在的线路数量；为第i台机组的单次开机成本与单次停机成本为第i台机组在s场景下t时刻的运行状态0
‑
1变量、开机状态0
‑
1变量与关机状态0
‑
1变量；k
i,j
/h
i,j
为第i台机组线性化发电成本曲线中第j段的斜率与截距；为第i台机组的出力下限，出力上限、爬坡率、最短开机时间与最短关机时间；为第i台风电机组在j场景下t时刻的风资源曲线与最大弃风率；为第i台光伏机组在j场景下t时刻的光资源曲线与最大弃光率；为第i个候选节点的储能在j场景下的充电功率与放电功率；为第i个候选节点的储能设备的充电效率与放电效率；为第i个候选节点在j场景下t时刻的储能的充电状态0
‑
1变量与放电状态0
‑
1变量；为第i个候选节点单位储能设备的最大充电功率、放电功率、电量下限与电量上限；P
k,s,t
/θ
k,i,s,t
为第k条线路在s场景下t时刻的线路潮流，i端节点的相角值与线路电抗；为节点相角的最小值与最大值；为第k条线路的线路电抗与线路容量。6.根据权利要求1所述的基于两阶段随机优化的输电网和储能联合规划方法，其特征在于，线性化处理输电网
‑
储能联合规划模型的第二阶段约束中的双线性项与整数变量具体为：针对输电网

【专利技术属性】
技术研发人员：李志远，丛立章，杨钤，王建学，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：