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】
本专利技术属于含风电系统的有功和无功优化调度,特别涉及一种考虑备用需求的含风电系统有功无功协调优化调度策略。
技术介绍
1、近年来,以风电为核心的新能源得到迅猛发展,风电出力的随机性、波动性对系统的安全稳定运行带来极大的风险。为保证含风电系统运行的经济性与安全性,如何对传统的调度方式进行改进是值得研究的问题。由于电力系统的有功、无功优化调度问题相互关联,应该协同优化两者。随着风电高比例渗透系统,系统不确定性加剧,为保证系统的安全稳定运行,应预留合理的有功、无功备用容量,平衡风电出力预测误差、保证电压质量。
技术实现思路
1、本专利技术提供一种考虑备用需求的含风电系统有功无功协调优化调度策略,通过对含风电系统的有功、无功以及备用协同优化,兼顾系统的经济性与安全性,保障电网安全稳定运行,为调度人员提供决策依据。
2、本专利技术具体为一种考虑备用需求的含风电系统有功无功协调优化调度策略,所述含风电系统有功无功协调优化调度策略分为两个阶段:
3、一阶段模型根据风电功率预测值,以发电机燃料成本最小、有功网损最小、电压偏差最小为目标,建立含风电系统有功无功协调优化调度模型;
4、二阶段模型考虑风电出力的不确定性和时序性,基于马尔可夫蒙特卡洛(mcmc)的场景生成和k-means聚类的场景削减法,生成风电出力的实际场景,并根据一阶段的优化结果,最小化应对风电出力预测偏差的有功备用成本,最大化保证系统电压稳定裕度能力的无功备用容量;
5、最后采用基于
6、所述的含风电系统有功无功协调优化调度策略,其特征在于,目标函数包括:燃料成本、网损以及电压偏差,表示为:
7、
8、式中,fg、floss、fu分别表示发电机的燃料成本、系统的网络有功损耗以及节点的电压偏差;t为调度时段总数,ng、nl、n分别为发电机数量、线路数量以及节点数量;上标f表示在风电预测出力下的调度值;为发电机i在时段t的计划出力,ai、bi、ci为发电机i的成本系数;为系统中节点m的电压值,为节点m与节点n之间的电压相位差,gl,mn为线路l的电导;un为节点电压的额定值;
9、建立约束条件,包括:发电机出力约束,系统交流潮流约束,以及无功优化相关约束,具体表示为:
10、
11、
12、
13、
14、
15、
16、
17、
18、
19、
20、
21、
22、式中,pimax、pimin分别为发电机i的有功出力上下限,riup、ridw分别为发电机i的向上、向下爬坡速率;δt为调度时段间隔;分别表示节点m的发电机有功出力、风电预测出力以及有功负荷;分别表示节点m的发电机无功出力和无功负荷;gmn,bmn分别表示节点m和n之间的电导和电纳;sl为线路l的视在功率;无功优化调度的变量约束可以分为状态变量约束和控制变量约束,控制变量约束包括发电机端电压无功补偿设备的无功补偿量可调变压器变比ti以及可投切电容器组和可调变压器的动作次数状态变量为各负荷节点的电压以及各发电机所允许发出的无功上标max、min表示各变量的上下限。
23、考虑风电出力的不确定性和时序性,生成风电出力实际场景,其特征在于,首先基于mcmc生成风电出力场景集,然后采取k-means缩减风电出力场景数量,减轻模型计算负担,具体包括:
24、s1:随机生成风电出力初始状态。风电出力状态的生成需要首先求取邻近时刻风电出力的状态转移概率,从而形成风电出力状态转移率矩阵,进而计算得到风电出力累积状态转移矩阵,具体表达式如下:
25、
26、
27、
28、式中,pij表示当前时刻风电出力状态i转移到出力状态j的概率,nij表示相邻时刻风电出力状态从i转移到j的数量,m表示风电出力状态总数,风电出力状态s可表示为[(pwmax-pwmin)(s-1)/m,(pwmax-pwmin)s/m](s=1,2,…,m),pwmax、pwmin为风电出力的最大、最小值;
29、s2:抽样下一时刻状态j:随机生成(0,1)中的数μ,当时,则认为下一时刻的状态为j;
30、s3:重复抽样:重复s2,直至满足风电出力时间序列长度;
31、s4:将离散状态变量转化为风电出力:从[(pwmax-pwmin)(s-1)/m,(pwmax-pwmin)s/m]区间内随机抽取风电出力值;
32、s5:得到风电出力场景集后,采用k-means聚类获得典型场景及其概率。
33、二阶段所述含风电系统有功无功备用优化模型,根据一阶段的优化结果,最小化应对风电出力预测偏差的有功备用成本,最大化保证系统电压稳定裕度能力的无功备用容量,所述目标函数表示为:
34、f2=minpr+maxqr
35、
36、式中,s表示风电出力场景个数;pr、qr分别表示系统提供的有功、无功备用容量;分别为发电机i在时段t、场景s下提供的向上、向下备用容量;分别表示发电机i提供向上、向下备用容量的价格;ki为火电机组i的无功备用权系数;分别为火电机组在系统电压稳定临界点和基态情况下的无功出力;
37、调节约束条件包括备用容量调节约束、实际功率平衡约束以及一阶段考虑的无功优化调度相关约束,具体如下:
38、有功备用容量调节约束:
39、
40、
41、
42、
43、
44、
45、
46、
47、
48、
49、
50、式中,ptrsum表示时段t的有功备用需求总量,分别为时段t下风电场w的实际出力和预测出力,nw为风电场数量;为发电机i在时段t为应对风电出力预测误差所需预留的有功备用容量,为发电机有功向上、向下备用容量分配系数,
51、实际功率平衡调节约束:
52、
53、式中,分别为对应场景s下的发电机无功出力调节值以及无功补偿设备出力调节值;um,t,s、un,t,s为节点m、n的电压调节值,θmn,t,s为节点m与节点n间的电压相位差调节值。
54、采用多目标粒子群优化算法对模型进行求解,多目标粒子群优化算法的主要特征如下:
55、粒子位置的更新方式如下:
56、
57、
58、式中,分别为第m个粒子经过k次迭代的速度和位置;ω、c1、c2分别表示惯性权重系数、粒子的自我认知以及社会认知参数;分别表示粒子m在第k次迭代时的个体最佳位置和群体最佳位置;r1,r2是满足均匀分布[本文档来自技高网...
【技术保护点】
1.一种考虑备用需求的含风电系统有功无功协调优化调度策略,其特征在于,所所述优化调度策略分为两个阶段:
2.根据权利要求1所述的一种考虑备用需求的含风电系统有功无功协调优化调度策略,其特征在于,所述含风电系统有功无功协调优化调度模型的目标函数包括:燃料成本、网损以及电压偏差,表示为:
3.根据权利要求2所述的一种考虑备用需求的含风电系统有功无功协调优化调度策略,其特征在于,考虑风电出力的不确定性和时序性,生成风电出力的实际场景,首先基于MCMC生成风电出力场景集,然后采取K-means缩减风电出力场景数量,减轻模型计算负担,具体包括:
4.根据权利要求3所述的一种考虑备用需求的含风电系统有功无功协调优化调度策略,其特征在于,二阶段所述含风电系统有功无功备用优化模型,根据一阶段的优化结果,最小化应对风电出力预测偏差的有功备用成本,最大化保证系统电压稳定裕度能力的无功备用容量,所述目标函数表示为:
5.根据权利要求4所述的一种考虑备用需求的含风电系统有功无功协调优化调度策略,其特征在于,采用多目标粒子群优化算法对模型进行求解,多目标粒子
6.根据权利要求5所述的一种考虑备用需求的含风电系统有功无功协调优化调度策略,其特征在于,多目标粒子群优化算法存在难以同时兼顾勘探和开发能力的问题,考虑采用进化博弈论EGT策略自适应更新MOPSO参数,其特征如下:
7.根据权利要求6所述的一种考虑备用需求的含风电系统有功无功协调优化调度策略,其特征在于,采用基于参数自适应调整的MOPSO求解考虑备用需求的含风电系统有功无功协调优化调度模型,具体步骤如下:
...【技术特征摘要】
1.一种考虑备用需求的含风电系统有功无功协调优化调度策略,其特征在于,所所述优化调度策略分为两个阶段:
2.根据权利要求1所述的一种考虑备用需求的含风电系统有功无功协调优化调度策略,其特征在于,所述含风电系统有功无功协调优化调度模型的目标函数包括:燃料成本、网损以及电压偏差,表示为:
3.根据权利要求2所述的一种考虑备用需求的含风电系统有功无功协调优化调度策略,其特征在于,考虑风电出力的不确定性和时序性,生成风电出力的实际场景,首先基于mcmc生成风电出力场景集,然后采取k-means缩减风电出力场景数量,减轻模型计算负担,具体包括:
4.根据权利要求3所述的一种考虑备用需求的含风电系统有功无功协调优化调度策略,其特征在于,二阶段所述含风电系统有功无功备用优化模型,根据一阶段的优化结...
【专利技术属性】
技术研发人员:成云朋,张宏,张涛,丁亚杰,冯兴明,
申请(专利权)人:国网江苏省电力有限公司盐城供电分公司,
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。