一种面向灵活爬坡服务的电力系统资源调度方法技术方案

本发明专利技术涉及高比例新能源电力系统调度运行技术领域，提供一种面向灵活爬坡服务的电力系统资源调度方法，考虑系统灵活爬坡需求，针对

【技术实现步骤摘要】
一种面向灵活爬坡服务的电力系统资源调度方法


[0001]本专利技术涉及高比例新能源电力系统调度运行
，尤其涉及一种面向灵活爬坡服务的电力系统资源调度方法
。

技术介绍

[0002]高比例新能源的接入对电力系统安全稳定运行带来了挑战，灵活性成为系统运行特性的核心和关键
。
电力系统的灵活性是指在满足一定的经济性和可靠性前提下，系统通过调用可调节资源，应对所有相关时间尺度的供求变化和不确定性的能力
。
为实现电力系统灵活性平衡，对可调节资源的调用问题进行研究十分重要
。
[0003]灵活性平衡要求系统在任何时刻
、
任一时间尺度下及任何方向上，各类资源的灵活性供给相对于灵活爬坡需求的充裕程度超过允许水平
。
灵活爬坡需求来自负荷及可再生能源的波动性及不确定性所引起的系统内功率变化
。
目前系统可调节资源一般采用常规发电机组
(Conventional Generation
，
CG)。
但是，频繁调用
CG
单元会增加其磨损，通常在机组组合问题中增加爬坡成本来弥补
CG
机组频繁调用造成的技术和经济损失
。
[0004]然而，随着新能源接入比例的增加，仅采用
CG
机组不足以提供足够的灵活性供给
。
因此，现有研究将储能
、
需求侧资源
、
热网及热负荷
、/>电动汽车集群等系统中能够应对波动性与不确定性的调节手段纳入可调节资源
。
然而，由于缺乏经济信号引导，仅将可调节资源纳入系统不能确保其提供足够的爬坡能力，爬坡能力不足会导致负荷减载或可再生能源出力削减
。
[0005]系统独立运营商在电力市场中引入灵活爬坡服务
(flexible ramping product
，
FRP)
，确保系统在考虑预测误差
、
可再生能源出力波动的情况下，可调节资源出力能够满足下一个时段负荷的变动需求，保障系统的实时平衡
。
日前调度中的
FRP
作为一个多区间问题，在调度区间之前的净负荷值是不确定的
。
[0006]即，现有的研究在估计灵活爬坡需求时没有考虑调度开始时间净负荷的不确定性，导致对灵活爬坡需求的估计偏低；或改进了灵活爬坡需求估计方法，同时考虑了调度时段开始和结束时刻净负荷的不确定性，但没有考虑到能量调度中已满足的净负荷波动，导致对灵活爬坡需求的估计偏高，系统运行成本偏大
。
[0007]且，现有关于
FRP
的研究主要仅对单一可调节资源进行调用，或局限在日前市场或实时市场中，没有考虑到由于可调节资源爬坡能力不足，实时市场中
FRP
可能无法满足系统灵活爬坡需求
。

技术实现思路

[0008]本专利技术提供一种面向灵活爬坡服务的电力系统资源调度方法，解决了现有的高比例新能源电力系统对灵活爬坡需求的估计不准确，导致系统灵活性平衡不稳定的技术问题
。
[0009]为解决以上技术问题，本专利技术提供一种面向灵活爬坡服务的电力系统资源调度方
法，包括：
S1、
根据系统净负荷及其安全裕度，结合能量调度中已满足的净负荷波动，建立对应日前调度和实时调度的灵活爬坡需求估计模型；
S2、
以运行成本最小化为目标，建立基于两阶段混合整数线性规划的可调节资源优化调度模型；
S3、
结合对应日前调度的灵活爬坡需求估计模型，对可调节资源优化调度模型进行优化求解，获得调度计划
。
[0010]在进一步的实施方案中，所述步骤
S1
包括：
S11、
根据系统负荷功率
、
光伏出力
、
风电出力，预测系统净负荷功率；
S12、
根据当前时刻与下一时刻系统净负荷及其安全裕度的大小关系，计及能量调度中已满足的净负荷波动，建立对应日前调度的灵活爬坡需求估计模型；其中，所述灵活爬坡需求估计模型如下：式中，为
t
时刻预测的系统净负荷功率，分别为
t
时刻的上灵活爬坡需求和向下灵活爬坡需求；
、
分别是
t
时刻预留的向上安全裕度和向下安全裕度
。
[0011]在进一步的实施方案中，在所述步骤
S2
中，所述可调节资源优化调度模型如下：式中，
obj
为系统总成本，分别表示日前调度中的能量成本
、
备用成本
、
可调节资源调用成本和新能源出力削减成本；分别表示实时调度中的负荷削减惩罚和可调节资源再调用成本
。
[0012]在进一步的实施方案中，所述步骤
S3
包括步骤：
S31、
构建约束条件；
S32、
结合日前调度的灵活爬坡需求估计模型和所述约束条件，以运行成本最小化为目标求解所述可调节资源优化调度模型，输出日前调度中日前机组组合输出的可调节资源调度计划；
S33、
生成净负荷不确定场景，以步骤
S32
得到的可调节资源调度计划为上限结合所述约束条件，以运行成本最小化为目标求解所述可调节资源优化调度模型，在生成的净负荷不确定性场景中对可调节资源进行重新调度，得到实时调度计划
。
[0013]在进一步的实施方案中，所述生成净负荷不确定场景包括：
A、
采用自回归滑动平均模型生成净负荷抽样场景，得到大规模场景集合
S
；
B、
采用基于概率距离的快速前代消除技术进行场景削减
。
[0014]在进一步的实施方案中，所述步骤
B
包括步骤：
B1、
计算场景集
S
中每对场景
s
和
s
’
之间的几何距离；
B2、
选定与剩余场景概率距离之和最小的场景
d
；
B3、
以场景集
S
中与场景
d
集合距离最近的场景
r
代替场景
d
，将场景
d
的概率加到场景
r
的概率上，消去场景
d
，形成新的场景集
S
’
；
B4、
判断剩余场景数目是否满足要求，若满足，结束场景削减；否则，重复步骤
B1
至步骤
B3。
[0015]在进一步的实施方案中，在所述步骤
S33
中：所述重新调度包括，考虑净负荷的波动性对灵活爬坡需求的影响定时计算实时调本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种面向灵活爬坡服务的电力系统资源调度方法，其特征在于，包括：
S1、
根据系统净负荷及其安全裕度，结合能量调度中已满足的净负荷波动，建立对应日前调度和实时调度的灵活爬坡需求估计模型；
S2、
以运行成本最小化为目标，建立基于两阶段混合整数线性规划的可调节资源优化调度模型；
S3、
结合对应日前调度的灵活爬坡需求估计模型，对可调节资源优化调度模型进行优化求解，获得调度计划
。2.
如权利要求1所述的一种面向灵活爬坡服务的电力系统资源调度方法，其特征在于，所述步骤
S1
包括：
S11、
根据系统负荷功率
、
光伏出力
、
风电出力，预测系统净负荷功率；
S12、
根据当前时刻与下一时刻系统净负荷及其安全裕度的大小关系，计及能量调度中已满足的净负荷波动，建立对应日前调度的灵活爬坡需求估计模型；其中，所述灵活爬坡需求估计模型如下：式中，为
t
时刻预测的系统净负荷功率，分别为
t
时刻的上灵活爬坡需求和向下灵活爬坡需求；
、
分别是
t
时刻预留的向上安全裕度和向下安全裕度
。3.
如权利要求1所述的一种面向灵活爬坡服务的电力系统资源调度方法，其特征在于，在所述步骤
S2
中，所述可调节资源优化调度模型如下：式中，
obj
为系统总成本，分别表示日前调度中的能量成本
、
备用成本
、
可调节资源调用成本和新能源出力削减成本；分别表示实时调度中的负荷削减惩罚和可调节资源再调用成本
。4.
如权利要求1所述的一种面向灵活爬坡服务的电力系统资源调度方法，其特征在于，所述步骤
S3
包括步骤：
S31、
构建约束条件；
S32、
结合日前调度的灵活爬坡需求估计模型和所述约束条件，以运行成本最小化为目标求解所述可调节资源优化调度模型，输出日前调度中日前机组组合输出的可调节资源调度计划；
S33、
生成净负荷不确定场景，以步骤
S32
得到的可调节资源调度计划为上限结合所述约束条件，以运行成本最小化为目标求解所述可调节资源优化调度模型，在生成的净负荷不确定性场景中对可调节资源进行重新调度，得到实时调度计划
。
5.
如权利要求4所述的一种面向灵活爬坡服务的电力系统资源调度方法，其特征在于，所述生成净负荷不确定场景包括：
A、
采用自回归滑动平均模型生成净负荷抽样场景，得到大规模场景集合
S
；
B、
采用基于概率距离的快速前代消除技术进行场景削减
。6.
如权利要求5所述的一种面向灵活爬坡服务的电力系统资源调度方法，其特征在于，所述步骤
B
包括步骤：
B1、
计算场景集
S
中每对场景
s
和
s
’
之间的几何距离；
B2、
选定与剩余场景概率距离之和最小的场景
d
；
B3、
以场景集
S
中与场景
d
集合距离最近的场景
r
代替场景
d
，将场景
d
的概率加到场景
r
的概率上，消去场景
d
，形成新的场景集
S
’
；
B4、
判断剩余场景数目是否满足要求，若满足，结束场景削减；否则，重复步骤
B1
至步骤
B3。7.
如权利要求6所述的一种面向灵活爬坡服务的电力系统资源调度方法，其特征在于，在所述步骤
S33
中：所述重新调度包括，考虑净负荷的波动性对灵活爬坡需求的影响定时计算实时调度中系统灵活爬坡需求；所述灵活爬坡需求估计模型如下：所述灵活爬坡需求估计模型如下：式中，
、
分别为场景
j
中
m
时刻的向上灵活爬坡需求
、
向下灵活爬坡需求；为场景
j
中
m
时刻的净负荷值
。8.
如权利要求4所述的一种面向灵活爬坡服务的电力系统资源调度方法，其特征在于：在日前调度中，...

【专利技术属性】
技术研发人员：林顺富，张琪，畅国刚，李领，许亮峰，
申请(专利权)人：杭州戈虎达科技有限公司，
类型：发明
国别省市：