高比例新能源电网分区多时间尺度协调优化调度方法

摘要

本发明公开了一种高比例新能源电网分区多时间尺度协调优化调度方法，包括：高比例新能源电网区域划分；获取高比例新能源电网内各区日前时间尺度下新能源预测曲线、电网运行控制参数等；构建以新能源发电最大为目标的分区随机多场景日前协调优化调度模型；对模型求解，形成分区日前协调优化调度计划；获取高比例新能源电网内各区日内时间尺度下新能源预测功率及分区日前协调优化调度计划等；构建以新能源发电最大为目标的分区模糊机会约束日内协调优化调度模型；对模型求解，形成分区日内协调优化调度计划。本方法有效挖掘了高比例新能源电网电力资源分区多时间尺度下的协调优化潜力，可以实现提高新能源消纳水平的目的。

说明书

技术领域

本发明涉及电力系统调度方法领域，具体地，涉及一种高比例新能源电网分区多时间尺度协调优化调度方法。

背景技术

高比例新能源接入电网将成为未来电力系统新场景，该场景下，新能源装机比例不断上升，常规电源装机比例相应下降，有限的常规电源调峰能力难以满足日益增长的新能源调峰需求，由电网调峰能力不足造成的弃风、弃光问题愈加严重。新能源出力特性在不同区域内、不同时间尺度下存在显著差异，各区域电网电源结构、负荷结构也存在着较大差异，因此区域电网间存在着可观的互补协调调节能力。充分利用区域电网间的互补协调调节能力，对提高新能源消纳水平至关重要。

目前实际电网采用有功功率就地平衡控制方式，调节能力不足的电网需要向与之互联的电网申请辅助调节，这种辅助调节需要通过CPS(Control Performance Standard)考核标准实现，且辅助调节量极其有限，这种调度模式缺乏分区协调性，对于高比例新能源电网，将严重制约新能源消纳。基于此现象，现有的理论研究提出了对于高比例新能源电网，将电网划分为多个区域电网，以新能源预测作为电网分区协调调度的依据，通过优化各区电网常规电源的开机方式及备用等，最大化消纳新能源，然而，新能源出力具有随机性，随着预测时间的增长，预测误差也会逐渐增大，现有理论研究未考虑新能源出力及负荷预测精度的时间特性，因而不能实现充分消纳新能源。

综上所述，为充分消纳新能源，需要挖掘电力资源分区协调优化潜力，对高比例新能源电网进行分区协调优化调度，并且，在进行分区协调调度时，需要考虑新能源出力预测精度的时间特性，进行多时间尺度协调优化调度。

发明内容

本发明的目的在于，针对上述问题，提出一种高比例新能源电网分区多时间尺度协调优化调度方法，有效挖掘高比例新能源电网电力资源分区多时间尺度下的协调优化潜力，以实现最大化消纳新能源的目的。

为实现上述目的，本发明采用的技术方案是：高比例新能源电网分区多时间尺度协调优化调度方法，主要包括：

a、高比例新能源电网区域划分；

b、获取高比例新能源电网内各区日前时间尺度下新能源预测曲线、电网运行控制参数等；

c、构建以新能源发电最大为目标的分区随机多场景日前协调优化调度模型；

d、对模型求解，形成分区日前协调优化调度计划；

e、获取高比例新能源电网内各区日内时间尺度下新能源预测功率及分区日前协调优化调度计划等；

f、构建以新能源发电最大为目标的分区模糊机会约束日内协调优化调度模型；

g、对模型求解，形成分区日内协调优化调度计划。

进一步地，所述步骤a包括在高比例新能源电网地理分区基础上，将地区电网之间输电通道薄弱环节，作为划分电网区域之间的分区联络线，搜索分区联络线一侧的地区电网，将源荷容量比例分布相似、地理位置相邻或者网架结构联系紧密的多个地区电网合并为一个电网区域。

进一步地，所述步骤b包括获取各区新能源日前预测曲线、负荷预测曲线、电网运行控制参数等。其中的电网运行控制参数包括常规电源调节上下限、分区联络线输电功率极限等参数。

进一步地，所述步骤c包括，形成日前新能源随机多场景，及构建以新能源发电最大为目标的分区随机多场景日前协调优化调度模型，具体如步骤c1和c2所示。

步骤c1：形成日前新能源随机多场景：

通过生成新能源随机多场景，可以将连续的新能源出力的不确定性转换为有限个数的确定性场景，包括三个步骤：场景生成、场景削减、场景组合。

场景生成：已知高比例新能源电网各区内日前新能源出力预测值，基于新能源出力的预测误差概率分布，采用蒙特卡洛模拟方法分别对各区新能源出力随机生成若干个新能源出力场景。

场景削减：利用聚类算法削减新能源出力场景，在各区设置有限个新能源出力场景聚类。

场景组合：以高比例新能源电网划分为两区域电网为例，将两区域电网削减后的日前新能源出力场景进行组合，得到新能源出力场景总数及对应场景发生的概率。如式(1)所示：

n

p

其中，n

步骤c2：构建以新能源发电最大为目标的分区随机多场景日前协调优化调度模型：

目标函数：日前调度的目标为各场景下的新能源日前发电量期望最大，如式(2)所示：

其中，P

约束条件：

系统平衡约束：

其中，

常规电源运行约束：

其中，

分区联络线传输功率约束：

其中，

分区交易电量约束：

其中，

新能源出力约束：

其中，

进一步地，所述步骤d中，由于分区日前协调优化调度模型为混合整数规划问题，可以通过matlab中YALMIP优化算法包和CPLEX优化算法包联合求解。求解后形成的分区日前协调优化调度计划包括：新能源日前出力计划，火电机组启停及出力计划，分区联络线日前传输功率计划。

进一步地，所述步骤e包括获取各区日内时间尺度下新能源预测功率、负荷预测功率及分区日前协调优化调度计划。

进一步地，所述步骤f包括，形成日内新能源梯形模糊数，及构建以新能源发电最大为目标的分区模糊机会约束日内协调优化调度模型，具体如步骤f1和f2所示。

步骤f1：形成日内新能源梯形模糊数：

新能源日内模糊预测出力可表示为：

其中，γ为新能源风险水平，

步骤f2：构建以新能源发电最大为目标的分区模糊机会约束日内协调优化调度模型：

目标函数：日内调度的目标为新能源在日内调度时刻发电功率最大，如式(9)所示：

约束条件：

日内调度与日前调度的电源运行约束及分区联络线传输功率约束类似，此处不再列出，但日内不考虑常规电源的启停。由于日内调度中采用模糊机会约束表征新能源出力的不确定性，导致日内调度模型在系统平衡约束中有所变化，如式(10)所示：

其中，式中各变量含义与式(3)中各变量含义相同。

进一步地，所述步骤g中，利用改进粒子群优化算法对含模糊机会约束的分区日内协调优化调度模型求解，形成分区日内协调优化调度计划。其中，改进粒子群优化算法求解步骤如下：

步骤g1:输入各区日内时间尺度下新能源预测功率、负荷预测功率、分区日前协调优化调度计划，及目标函数式(9)，设置迭代最大次数。

步骤g2:进行粒子种群初始化，利用新能源日内出力计划，火电机组日内出力计划，分区联络线日内传输功率计划对粒子位置进行编码。

步骤g3:计算各粒子对应目标函数值。

步骤g4:求粒子个体最优位置和全局最优位置，并更新粒子速度位置及大小。

步骤g5:满足迭代次数后，输出求解结果。

求解后形成的分区日内协调优化调度计划包括：新能源日内出力计划，火电机组日内出力计划，分区联络线日内传输功率计划。

本发明提供的高比例新能源电网分区多时间尺度协调优化调度方法，由于包括：高比例新能源电网区域划分；获取高比例新能源电网内各区日前时间尺度下新能源预测曲线、电网运行控制参数等；构建以新能源发电最大为目标的分区随机多场景日前协调优化调度模型；对模型求解，形成分区日前协调优化调度计划；获取高比例新能源电网内各区日内时间尺度下新能源预测功率及分区日前协调优化调度计划等；构建以新能源发电最大为目标的分区模糊机会约束日内协调优化调度模型；对模型求解，形成分区日内协调优化调度计划。充分挖掘了多时间尺度下的电力资源分区协调优化潜力，可以实现提高新能源消纳水平的目的。本发明的其它特征和优点将在随后的说明书中阐述，并且从说明书中变得更显而易见，或者通过实施本发明而了解。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明高比例新能源电网分区多时间尺度协调优化调度方法的流程示意图；

图2为本发明高比例新能源电网分区结构图；

图3为本发明日前、日内时间尺度高比例新能源电网新能源预测曲线。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

图2所示为高比例新能源电网分区结构图，以此为例，本发明提供的一种高比例新能源电网分区多时间尺度协调优化调度方法包括：

步骤a，将高比例新能源电网划分为区域电网A和区域电网B。

步骤b，获取日前时间尺度下区域电网A和区域电网B新能源预测曲线、电网运行控制参数。

日前时间尺度两区域电网新能源预测曲线如图3所示，常规电源参数如表1及表2所示，分区联络线输送功率极限为3500MW，分区联络线跨区交易电量为72000MWh。

表1区域电网A常规电源参数表

表2区域电网B常规电源参数表

步骤c，构建以新能源发电最大为目标的分区随机多场景日前协调优化调度模型。

以正态分布表示日前两区域电网新能源出力的预测误差，利用蒙特卡洛模拟法分别随机生成100个新能源出力场景，利用K-means法进行场景削减，在各区设置3个新能源出力场景，两区域电网的新能源出力场景发生概率如表3所示。

表3两区域电网的新能源出力场景发生概率

将两区域电网削减后的日前新能源出力场景两两进行组合，得到9种新能源出力场景，并对这9种新能源出力场景，利用以新能源发电最大为目标的分区随机多场景日前协调优化调度模型进行计算。

步骤d，对模型求解，形成分区日前协调优化调度计划。

对步骤c中以新能源发电最大为目标的分区随机多场景日前协调优化调度模型求解后，得到各场景下的新能源日前出力计划，火电机组启停及出力计划，分区联络线日前传输功率计划，选择组合概率最大的场景作为分区日前协调优化调度计划，如表4所示。

表4分区日前协调优化调度计划

将本发明方法的计算结果与传统日前调度计划计算结果进行对比，传统方法中，将分区联络线功率设置为定值，各区域电网制定其区域电网内协调调度计划，结果对比如表5所示：

表5分区日前协调优化调度计划与传统方法结果对比

步骤e，获取日内时间尺度下各区新能源预测功率及分区日前协调优化调度计划。

日内时间尺度下各区域电网新能源预测功率如图3所示，且在日内时间尺度，不对常规电源机组启停进行变化，常规电源启停状态由日前时间尺度的调度计划决定。

步骤f，构建以新能源发电最大为目标的分区模糊机会约束日内协调优化调度模型。

新能源出力的模糊比例系数取值如表6所示。

表6新能源出力的模糊比例系数

新能源置出力信水平取0.4，利用以新能源发电最大为目标的分区模糊机会约束日内协调优化调度模型进行计算。

步骤g，对模型求解，形成分区日内协调优化调度计划。

对步骤f中以新能源发电最大为目标的分区模糊机会约束日内协调优化调度模型求解后，求解后得到新能源日内出力计划，火电机组日内出力计划，分区联络线日内传输功率计划，形成的分区日内协调优化调度计划如表7所示。

表7分区日内协调优化调度计划

将本发明方法的计算结果与传统日内调度计划计算结果进行对比，传统方法中，将分区联络线功率设置为定值，各区域电网制定其区域内协调调度计划，结果对比如表8所示：

表8分区日内协调优化调度计划与传统方法结果对比

经过对上述实施例的分析，表明利用本发明提出的高比例新能源电网分区多时间尺度协调优化调度方法，有效挖掘了多时间尺度下的电力资源分区协调优化潜力，可以实现提高新能源消纳水平的目的。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，本领域技术人员不需要付出创造性劳动即可做出的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。