一种基于场景分析的风电场随机优化调度方法技术

本发明专利技术涉及一种基于场景分析的风电场随机优化调度方法。根据实际风电场风机排布地理位置和海拔高度，由尾流效应理论得到风电场风机尾流削减系数矩阵，带入随机优化调度模型。再由实际风电测风塔历史实测数据和历史预测数据，结合对未来时段风速预测进行场景分析，生成海量风速场景并进行场景削减，得到未来时段的场景修正风速曲线。以场景分析修正风速曲线作为输入量，利用本发明专利技术所公开的风电场随机优化调度模型，利用混合整数线性规划进行计算，得到未来时段风电场风机开停机及有功出力策略。以中国蒙东某实际风电场地理数据和风机参数为基础的仿真算例验证了所提方法的可行性和合理性。本专利具有良好的推广价值和应用前景。

【技术实现步骤摘要】

本专利技术属于电力系统运行与控制领域，涉及一种基于场景分析的风电场随机优化调度方法。
技术介绍
随着世界风电装机容量的不断攀升，风电大规模并网消纳问题越来越受到关注。近年来，风速和风电功率预测水平得到长足发展，预测精度逐步提升。系统运行人员可根据风电功率及负荷预测的信息，提前24小时制定系统内常规机组的机组组合和调度计划，同时向风电场下达发电曲线。风电场运行人员则根据风速预测数据，制定风机的启停和出力策略，跟踪系统下发的功率曲线，实现风电场内的优化调度，以减小风电功率的随机波动性对系统运行的影响。然而，由于风电场内风机数量众多，且排列方式各异，考虑尾流效应的影响后，不同的风机启停策略会造成风电场内风速分布的较大差异，从而导致风电场实际的功率输出与调度值存在较大误差，难以满足风电场内优化调度的需求，而各风机输入风速的不确定性也给风电场内的优化调度带来了较大的挑战。在风速不确定性研究上，已有方法可归纳为模糊建模、概率建模和场景建模三种。(1)模糊建模方法。模糊建模通过定义隶属度函数来反映调度决策者的意愿，但确定隶属度函数目前多依赖试验或经验，没有成熟的方法，人为因素较强，难以给出反映客观实际的调度决策方案。(2)概率建模方法。概率建模利用特定概率分布模型拟合风速预测误差的概率分布，在调度模型中计入以概率模型描述的实际风电出力的期望代价，但概率模型多以微积分形式存在，很多情况下无法在电力系统规划与运行决策中直接使用。(3)场景建模方法。场景建模根据预测误差的概率分布，生成未来一个调度周期内可能的风速波动场景，将随机期望值模型转化为离散化的确定性等价模型进行求解，求解速度快、方法简单。另外，在优化调度算法方面，动态规划法运算量较大，随着变量的增多，求解复杂度增大，无法满足快速性要求；优先顺序法计算速度快，占用内存少，但是对于变量庞大的问题常常找不到最优解；智能算法对于机组组合变量中混合有整数变量的问题难以保证解满足所有的约束，运算精度不高，无法满足精确性要求。部分科研工作者将非线性模型分段线性化，利用混合整数规划求解目标函数，对于庞大的变量求解取得了较快的运算效率和较高的运算精度，比较适合于风电场内优化调度问题的求解。
技术实现思路
本专利技术以区域内测风塔观测的10～15分钟平均风速和风向为输入以数据，建立了一种基于场景的风电场随机优化调度方法。将风速视为随机变量，结合尾流效应建立随机优化调度模型，通过场景分析方法将随机变量确定化，基于混合整数规划将模型线性化后求解，得到风电场优化调度策略。本专利技术提供的技术方案是一种基于场景分析的风电场随机优化调度方法，其特征是包括以下步骤：一种基于场景分析的风电场随机优化调度方法，基于优化调度模型和约束条件，该模型的目标函数为： min C 5 = Σ T 0 T e Σ i = 1 N a i , t P i , t x i , t + Σ T 0 T e Σ i = 1 N B t K i , t ( 1 - x i , t ) + Σ T 0 T e Σ i = 1 N b 本文档来自技高网...

【技术保护点】
一种基于场景分析的风电场随机优化调度方法，其特征在于，基于优化调度模型和约束条件，该模型的目标函数为：min C5=ΣT0TeΣi=1Nai,tPi,txi,t+ΣT0TeΣi=1NBtKi,t(1-xi,t)+ΣT0TeΣi=1Nbi,tyi,t+ΣT0TeΣi=1Nci,tzi,t+ΣT0Te(Bt+ptu)ΔPtu+ΣT0TeptdΔPtd]]>其中，Pi,t表示在t时段内第i台风力发电机从风能中获得的有功功率；ai,t为风机在一个时段内单位功率发电的运行和维护成本，bi,t和ci,t分别为开机动作成本和关机动作成本；xi,t为在t时段第i台风机的运行状态，yi,t和zi,t分别为第i台风机在t时段的开机动作变量和关机动作变量；Bt($)为上网电价，Ki为风机在停机状态下，内部电子元件依旧保持工作状态的耗电量；为风电场有功出力不满足系统侧下发功率需求的情况，产生功率缺额，为一个时段内单位功率缺额的罚金；为风机尾流效应或是人为改变桨距角限制风机出力，造成的风电场未利用风电功率，为未利用风功率的单位罚金；其约束条件为：条件一：功率约束；其中PiNmax为风机的额定功率，vt为自然风速，ci′为风机受风参数，为第j台风机对第i台风机的尾流削减系数，当风向一定时，其取值仅与两台风机的规格参数和相互位置、海拔有关，与风速大小无关；Cpmax为风能利用系数最大值，且有：Cpmax＝0.593；条件二：状态变量及启停动作变量约束；xi,t∈{0,1}yi,t∈{0,1}zi,t∈{0,1}]]>xi,t-xi,t-1≤yi,t≤1t∈{T0+1,T0+2...Te}xi,t-1-xi,t≤zi,t≤1t∈{T0+1,T0+2...Te}]]>其中，T为调度的总时间短，T0为调度开始的第一个时间段，Te为调度的最后一个时间段；条件三：功率缺额约束及未利用功率约束；ΔPtu=max0,Pset-Σi=1NPi,txi,t]]>ΔPtd=max0,Σi=1Nci′vt3Cpmaxxi,t-Σi=1NPi,t]]>其中，Pset是系统侧功率需求，其与变量同上；基于场景分析的风电场随机优化调度方法具体包括以下步骤：步骤1：读取实际风电场风机分布坐标和海拔数据，有尾流效应理论计算得出风电场风机尾流削减系数矩阵，带入随机优化调度模型；步骤2：读取风电场测风塔历史实测数据和历史预测数据，结合未来时段的风速预测曲线进行场景分析，生成海量风速场景并进行场景削减，得到未来时段的场景修正风速曲线；场景削减使用同步回代缩减法进行，具体步骤如下：步骤2.1.确定需要削减的场景：剔除满足下式所示条件的场景序列，s*∈{1,...,nS}，nS为场景总数；π(s*)π(s)mins≠s*d(ω(s),ω(s*))=minm∈{1,...nS}π(m){minn≠m,n∈{1,...nS}π(n)d(ω(n),ω(m))}]]>步骤2.2.改变场景的总数：nS＝nS‑1；并且挑选出与被剔除的场景最近的场景即：d(ω(S‾),ω(s*))=mins≠s*π(s*)·π(s)·d(ω(s),ω(s*))]]>步骤2.3.改变与被剔除的场景最近的场景的概率：步骤2.4.只要剩余的场景总数nS仍然大于需要的场景的数量，削减算法重复到第1步；步骤3：以场景修正风速曲线为输入量，输入到随机优化调度模型中，利用混合整数线性规划进行计算，得到未来时段风电场风机开停机及有功出力策略。...

【技术特征摘要】
1.一种基于场景分析的风电场随机优化调度方法，其特征在于，基于优化调度模型和约束条件，该模型的目标函数为： min C 5 = Σ T 0 T e Σ i = 1 N a i , t P i , t x i , t + Σ T 0 T e Σ i = 1 N B t K i , t ( 1 - x i , t ) + Σ T 0 T e Σ i = 1 N b i , t y i , t ...

【专利技术属性】
技术研发人员：徐箭，易先坤，孙元章，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42