System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于机组组合优化调度,尤其涉及一种计及可靠性和不确定性的日内滚动调度方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术。
2、机组日内滚动调度(rolling scheduling of units within the day)旨在15分钟计算得到未来4小时所有机组的运行计划,提高风电的消纳能力,降低系统运行的备用负担,研究含新能源电力系统的可靠调度成为亟待解决的问题。
3、机组日内滚动调度主要在输电线路的功率平衡约束,机组有功出力约束和日前日内耦合约束下确定机组的出力和备用容量。随着可再生能源并网比例的提高,机组日内滚动调度需要将可再生能源的波动性和随机性纳入考量,从而制定更合理的规划方案。
4、已有的考虑可再生能源不确定性的机组调度模型从时间尺度上大致可以分为下面三类:
5、1)日前调度规划模型:日前规划由于时间较为充裕,在满足安全约束的前提下,主要以经济性或者经济环保性为优化目标。这类模型的主要缺点是日前的风电和负荷曲线等预测值与实际值存在偏差。
6、2)日内滚动优化模型:日内滚动优化是对日前规划的进一步优化,由于受到风电不确定性、负荷波动等原因的影响,日前规划不可能与日内的实际情况完全吻合,通过日内滚动优化可以逐步减小日前规划的偏差,是对日前规划的修正和校核。它的主要缺点是计算量较大,需要应用一些快速有效的求解算法进行在线求解。
7、3)实时调度模型:实时调度所适应的时间尺度通常在5~1
8、上述模型主要考虑的是风电、光伏日前预测偏差进行日前决策优化,强调的是“日前”的计划,而非“日内应对不确定”的能力。针对日内滚动优化调度的研究和实践尚不成熟,多个关键核心难题尚未攻破,具体包括几个方面:
9、首先,风电出力受气象条件显著影响进而呈现显著的不确定性,电力系统基于日内运行决策的运行可靠性其“不确定性”与“决策”耦合交织,导致对其分析和建模存在巨大困难;
10、其次,预测超前时间对预测误差影响较大,其预测误差和元件随机故障必将在一定程度上影响系统的可靠性和日内滚动调度决策,如何揭示风、光预测偏差与系统可靠性的关系,并在可靠性约束下实现系统的日内调度优化等问题还有待深入探索;
11、最后,如何考虑多种风险因素,应用计及可靠性的优化的调度技术实现快速计算求解,从而指导电力系统运行决策,当前也缺少有效的方法。
技术实现思路
1、为了解决上述
技术介绍
中存在的至少一项技术问题,本专利技术提供一种计及可靠性和不确定性的日内滚动调度方法及系统,能协调机组调度方案的经济性和可靠性,保障高比例风电接入电力系统的可靠性。首先,提出了一种可以实现动态更新预测数据的滚动优化框架;其次,建立了计及可靠性约束和不确定性的日内滚动调度模型;然后,提出了一种随机优化算法来求解日内滚动调度模型,可以得到未来4小时考虑不确定性和n-1准则的机组调度方案,其中包含常规机组的出力计划和快速启动机组的启停及出力计划;最后,执行每个调度周期内第一个时段的调度方案作为最优的调度指令。
2、为了实现上述目的,本专利技术采用如下技术方案:
3、本专利技术的第一个方面提供一种计及可靠性和不确定性的日内滚动调度方法,包括如下步骤:
4、获取日前调度计划的机组启停方案和系统基础参数数据;
5、通过场景生成方法得到可再生能源出力与负荷需求的典型场景;
6、建立滚动优化框架,结合典型场景和日前调度计划的机组启停方案和系统基础参数数据,经过滚动优化,输出该时段的所有机组的出力和备用计划;
7、建立计及可靠性约束和不确定性的日内滚动调度模型,对日内滚动模型进行优化,确定当前时段的最优调度方案;
8、将预测窗口向后移动至下一时刻时段,作为新的当前时段,重复滚动优化,更新每个时段的调度计划,直到得到各个时段的最优调度方案。
9、进一步地,所述通过场景生成方法得到可再生能源出力与负荷需求的典型场景,包括:
10、对运行场景进行建模,考虑可再生能源出力与负荷需求的时序数据来表示输电扩容规划所考虑的运行场景;
11、根据风电出力和负荷需求情况将运行状态数据按比例划分,并进行组合生成典型场景,具体为:
12、基于运行状态数据,利用蒙特卡罗抽样方法分别生成风电情景和负荷情景,利用k-means聚类得到多个日内调度随机情景。
13、进一步地,所述对日内滚动模型进行优化,确定当前时段的最优调度方案,包括:
14、求解确定场景下的日内滚动调度模型,得到不同的调度候选方案池,所述调度候选方案池包含不同的机组出力方案;
15、根据每一候选方案的机组出力和快速启动机组启停方案,添加不确定场景下的约束,求解不确定场景下的日内滚动调度模型,并计算各候选方案对应的可靠性指标,剔除不满足可靠性约束的方案;
16、基于满足系统可靠性指标的调度方案,分别计算对应方案的经济性指标,取总成本最低的方案作为设定时段的最优方案。
17、进一步地,应用蒙特卡洛模拟法进行可靠性评估,计算发输电系统的可靠性指标,所述可靠性指标包括失负荷概率、失负荷频率和期望失电量。
18、进一步地,所述日内滚动调度模型包括目标函数和约束;
19、其中所述目标函数为日内滚动优化的最小总成本,包括发电成本、备用成本,快速启动机组的发电成本和启停成本以及可靠性成本三部分;
20、约束包括各线路直流潮流及传输容量约束、功率平衡约束、不确定条件下的线路潮流及传输容量约束和功率平衡约束、日内滚动调度阶段发电机组的最大功率不超过日前计划约束、限制常规机组和快速启动机组在不确定场景下的最大功率不超过预测场景下的出力约束、限制滚动调度方案的可靠性满足要求约束以及快速启动机组的启停约束和爬坡约束。
21、进一步地,对运行场景进行建模,考虑可再生能源出力与负荷需求的时序数据来表示输电扩容规划所考虑的运行场景,包括:
22、代表运行状态数据,x的每一列代表风电出力或者负荷需求的时序数据,数组维度是由风电机组数量和负荷需求决定,其中nw代表风电机组的数量,t是时序长度,对于任何时刻t∈{1,2,3,...,t},x的每个数据点就表示一个实际运行场景,场景发生的概率为1/t,如果一个典型场景有m个数据点,通过m/t可以计算该典型场景发生的概率。
23、进一步地,滚动优化模型的输入参数包括该时间段最新的风电、负荷、故障场景和日前指定的机组启停方案;滚动优化模型的机组包括常规发电机组和快速启动机组。
24、本专利技术的第二个方面提供一种计及可靠性和本文档来自技高网...
【技术保护点】
1.一种计及可靠性和不确定性的日内滚动调度方法,其特征在于,包括如下步骤:
2.如权利要求1所述的一种计及可靠性和不确定性的日内滚动调度方法,其特征在于,所述通过场景生成方法得到可再生能源出力与负荷需求的典型场景,包括:
3.如权利要求1所述的一种计及可靠性和不确定性的日内滚动调度方法,其特征在于,所述对日内滚动模型进行优化,确定当前时段的最优调度方案,包括:
4.如权利要求1所述的一种计及可靠性和不确定性的日内滚动调度方法,其特征在于,应用蒙特卡洛模拟法进行可靠性评估,计算发输电系统的可靠性指标,所述可靠性指标包括失负荷概率、失负荷频率和期望失电量。
5.如权利要求1所述的一种计及可靠性和不确定性的日内滚动调度方法,其特征在于,所述日内滚动调度模型包括目标函数和约束;
6.如权利要求1所述的一种计及可靠性和不确定性的日内滚动调度方法,其特征在于,对运行场景进行建模,考虑可再生能源出力与负荷需求的时序数据来表示输电扩容规划所考虑的运行场景,包括:
7.如权利要求1所述的一种计及可靠性和不确定性的日内滚动调度方
8.一种计及可靠性和不确定性的日内滚动调度系统,其特征在于,包括:
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的一种计及可靠性和不确定性的日内滚动调度方法中的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种计及可靠性和不确定性的日内滚动调度方法中的步骤。
...【技术特征摘要】
1.一种计及可靠性和不确定性的日内滚动调度方法,其特征在于,包括如下步骤:
2.如权利要求1所述的一种计及可靠性和不确定性的日内滚动调度方法,其特征在于,所述通过场景生成方法得到可再生能源出力与负荷需求的典型场景,包括:
3.如权利要求1所述的一种计及可靠性和不确定性的日内滚动调度方法,其特征在于,所述对日内滚动模型进行优化,确定当前时段的最优调度方案,包括:
4.如权利要求1所述的一种计及可靠性和不确定性的日内滚动调度方法,其特征在于,应用蒙特卡洛模拟法进行可靠性评估,计算发输电系统的可靠性指标,所述可靠性指标包括失负荷概率、失负荷频率和期望失电量。
5.如权利要求1所述的一种计及可靠性和不确定性的日内滚动调度方法,其特征在于,所述日内滚动调度模型包括目标函数和约束;
6.如权利要求1所述的一种计及可靠性和不确定性的日内滚动调度方法,其特征在于...
【专利技术属性】
技术研发人员:李玉敦,张建,李乃永,李聪聪,孙运涛,梁正堂,孙其振,李娜,李宽,李广磊,刘萌,赵斌超,邵常政,韩煜,胡博,潘聪聪,
申请(专利权)人:国网山东省电力公司电力科学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。