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】
本专利技术涉及电力调度,具体地说,涉及一种基于多场景的水电平抑分布鲁棒优化方法。
技术介绍
1、国民经济的迅速发展对电能的需求日益增加,由于使用传统化石燃料的火电机组仍然占较大比例,由此引发的化石燃料日益枯竭、生态环境逐渐恶化的问题越来越受到广泛的关注。风电、光伏、水能等可再生能源具有清洁、无污染可再生的优点,近年在电力系统中的比例也不断增加。然而可再生能源发电具有随机性、波动性、反调峰等特性,导致系统调峰困难、市场消纳能力不足,弃风弃光量逐年攀升,典型日下的风电光伏出力波动见图2所示。水电机组启停迅速、爬坡能力强;抽蓄电站响应速度快,容量大。如果能利用水电和抽蓄对风光出力波动进行平抑,可以实现输出高质量电能、提高供电的可靠性并减少自然资源的浪费,缓解可再生能源在发电特性上的不足。
2、目前,水电和抽蓄参与电力系统的优化调度是新能源研究领域的热点。很多学者针对风光水蓄综合能源系统已经建立了各种优化调度模型,但现有的研究有很大一部分是确定性优化,没有考虑风电和光伏的随机性和预测误差。而现有考虑预测误差的鲁棒优化模型多为两阶段优化,鲜有同时考虑风光水蓄四种不同能源共同参与的综合能源系统。此外,在现有研究中,虽然考虑梯级水电或者抽水蓄能电站单独进行平抑风光波动的研究成果比较多,但忽略了梯级水电和抽蓄电站共同参与的潜在价值,而且基于场景的鲁棒优化在构建场景时多采用蒙特卡洛采样,随机采样的效率太低,很难涵盖所有场景,不具备良好的工程实用性。
技术实现思路
1、本专利技术的目的在于
2、本专利技术的技术方案如下:一种基于多场景的水电平抑分布鲁棒优化方法,包括如下步骤:
3、步骤1、构建梯级水电站和抽水蓄能电站的出力模型;
4、步骤2、利用拉丁超立方采样,基于历史数据构建风电和光伏的出力场景;
5、步骤3、构建基于多场景的风光水蓄四层三阶段优化调度模型;
6、步骤4、针对模型中涉及的机组,给出对应的约束条件;
7、步骤5、利用列与约束生成算法,基于场景对四层三阶段模型进行求解,进而获得各机组的最优出力。
8、上述的基于多场景的水电平抑分布鲁棒优化方法,其特征在于:步骤1中,所述梯级水电站的出力模型如下:
9、
10、其中,ph,i,t表示第i级水电站在t时段的出力,αi0,αi1,αi2分别为第i级水电站出力与发电流量二次函数关系的系数,qi,t为第i级水电站在t时段的发电流量;
11、所述抽水蓄能电站等效为一个储能系统,上水库中储存的水的势能转化为储能量来表示,抽蓄电站势能的变化量下所示:
12、eout,t=ρqout,tgh;
13、ein,t=μcec,t;
14、其中,ρ为水的密度,qout,t为抽蓄电站在t时段的发电流量,h为抽蓄电站的发电水头,μc为抽蓄电站抽水的效率,ec,t为抽蓄电站在t时段抽水消耗的电能;
15、所述抽蓄电站的出力模型表示为:
16、ps,t=ed,t-ec,t;
17、ed,t=μdeout,t;
18、其中,ps,t为抽蓄电站在t时段的出力,正值表示放水发电,负值表示抽水蓄能;ed,t为抽蓄电站在t时段产生的电能;μd为抽蓄电站势能转化为电能的效率。
19、前述的基于多场景的水电平抑分布鲁棒优化方法,步骤2中,所述风电和光伏的出力场景的构建过程如下:
20、步骤2.1、利用风电和光伏的历史出力数据,采用正态分布对各个时段的数据进行拟合,得到每个时段的均值和方差这两个参数;
21、步骤2.2、根据均值和方差,计算出力p的分布函数f(p),将f(p)的概率区间均匀分成n个子区间,每个子区间的长度为1/n;
22、步骤2.3、在步骤2.2生成的i个子区间中,随机生成一在[0,1]范围内的随机数μi,其中i=1,2,...,n;则在第i个子区间的累计概率pi表示为:
23、
24、设分布函数的反函数为f-1(p),则基于累计概率pi的风光出力数据采样值为:
25、pi=f-1(pi);
26、由此根据风力和光伏历史出力数据,得到各自的场景集。
27、前述的基于多场景的水电平抑分布鲁棒优化方法,步骤3中,所述风光水蓄四层三阶段优化调度模型包括第一阶段的日前调度阶段、第二阶段的日内调度阶段和第三阶段;
28、在日前调度阶段,在满足各类运行约束的条件下,先利用风光出力的预测值,优化不同类型机组出力,以火电机组运行成本最低作为优化目标,求解这种工况下火电机组的出力;所述日前调度阶段的目标函数为:
29、
30、其中,cth1、cth2为火电机组的成本系数,pth,t为火电机组的成本;
31、在日内调度阶段,考虑到风电和光伏的预测误差,在所有可能的风光出力场景下,尽可能降低运行成本,确定梯级水电各级各自的出力;所述日内调度阶段的目标函数为:
32、
33、其中,s和s分别为上一步构建的风力和光伏出力场景集和其中的场景,ns为场景总数,nh为梯级水电数量,ps为场景s的概率,ch,i为第i个梯级水电的成本系数;
34、第三阶段,对抽蓄电站两种工作状态进行分析,在满足功率平衡的条件下,以运行成本最低为目标进行优化调度;所述第三阶段的目标函数表示为:
35、
36、其中,z表示抽蓄电站工作状态的0-1变量,cd、cc分别为抽蓄电站在发电和用电两种工况下的成本系数;ed,t为抽蓄电站在t时段产生的电能,ec,t为抽蓄电站在t时段抽水消耗的电能;
37、将三个阶段的目标函数整合在一起,总的目标函数表示为:
38、
39、前述的基于多场景的水电平抑分布鲁棒优化方法,其特征在于:步骤4中,所述约束条件包括日前调度阶段的约束条件、日内调度阶段的约束条件以及第三阶段的约束函数;
40、所述日前调度阶段的约束条件为负荷平衡约束以及火电机组的相关约束,表达式如下:
41、
42、其中,pw,t,ppv,t分别为风电和光伏出力在t时段的预测值,loadt为t时段的负荷需求;
43、
44、其中pth和分别为火电机组出力上下限;
45、
46、其中,ηth为火电机组的爬坡约束系数,取15%至30%;
47、所述日内调度阶段的约束条件考虑风电和光伏的预测误差,决策变量为风电光伏不同的出力场景以及各梯级水电的出力;
48、梯级本文档来自技高网...
【技术保护点】
1.一种基于多场景的水电平抑分布鲁棒优化方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的基于多场景的水电平抑分布鲁棒优化方法,其特征在于:步骤1中,所述梯级水电站的出力模型如下:
3.根据权利要求1所述的基于多场景的水电平抑分布鲁棒优化方法,其特征在于:步骤2中,所述风电和光伏的出力场景的构建过程如下:
4.根据权利要求1所述的基于多场景的水电平抑分布鲁棒优化方法,其特征在于:步骤3中,所述风光水蓄四层三阶段优化调度模型包括第一阶段的日前调度阶段、第二阶段的日内调度阶段和第三阶段;
5.根据权利要求4所述的基于多场景的水电平抑分布鲁棒优化方法,其特征在于:步骤4中,所述约束条件包括日前调度阶段的约束条件、日内调度阶段的约束条件以及第三阶段的约束函数;
6.根据权利要求4所述的基于多场景的水电平抑分布鲁棒优化方法,其特征在于:步骤5中,所述四层三阶段模型描述为以下形式:
7.根据权利要求6所述的基于多场景的水电平抑分布鲁棒优化方法,其特征在于:所述四层三阶段模型的求解包括如下步骤:
【技术特征摘要】
1.一种基于多场景的水电平抑分布鲁棒优化方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的基于多场景的水电平抑分布鲁棒优化方法,其特征在于:步骤1中,所述梯级水电站的出力模型如下:
3.根据权利要求1所述的基于多场景的水电平抑分布鲁棒优化方法,其特征在于:步骤2中,所述风电和光伏的出力场景的构建过程如下:
4.根据权利要求1所述的基于多场景的水电平抑分布鲁棒优化方法,其特征在于:步骤3中,所述风光水蓄四层三阶段优化调度模型包括第一阶段的日前...
【专利技术属性】
技术研发人员:周泓,路亮,魏明奎,文一宇,张鹏,杨宇霄,
申请(专利权)人:国家电网有限公司西南分部,
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。