考虑多时间尺度协调的风电鲁棒区间轨迹调度方法技术

本发明专利技术涉及一种考虑多时间尺度协调的风电鲁棒区间轨迹调度方法。该方法结合模型预测控制与鲁棒优化，在多时间尺度的调度框架下滚动鲁棒优化，生成风电场可消纳功率区间轨迹界限与常规机组发电计划，当风电出力在可消纳功率区间轨迹界限内时均满足系统安全约束，缓解了传统调度中风电功率点预测不精确遗留的系统安全隐患，同时风电场监测系统实时反馈风电场实际出力，计算预测误差并对预测值进行校正，使未来预测值更接近实际值，逐级削减由于风电预测误差导致的决策量的计划偏差，使优化计划指标更精确。

【技术实现步骤摘要】
考虑多时间尺度协调的风电鲁棒区间轨迹调度方法
本专利技术涉及电力系统运行与控制领域，特别涉及一种考虑多时间尺度协调的风电鲁棒区间轨迹调度方法。
技术介绍
随着电力系统中风电接入的比例逐渐升高，风电的不确定性和随机性将给电力系统带来多方面的影响。作为电力系统运行控制中的核心组成部分，有功调度直接关系到电力系统中的有功功率平衡和频率稳定，对电力系统的安全、可靠和经济运行均有着不可替代的作用。风电接入后的有功调度运行将依赖于风电功率预测技术。但风电功率点预测仍存在较大的误差，且随着预测时间的增长，预测值与实际值的误差也逐渐增大。在高比例风电并网的前提下，利用风电功率点预测结果的传统有功调度方法优化得到的发电计划，其可靠性将降低，风电的强随机性将导致风电场有可能偏离计划值，出现极端的运行方式，这将威胁到系统运行的安全性；而风电的剧烈波动将增加风电场的切机行为，导致弃风量升高，而限制风电出力的行为又只能在电力系统经历不可靠运行方式之后进行，无法提前预知。目前，国内外对于含风电系统的调度运行控制的研究越来越深入，如何利用概率性的信息进行电力系统的有功调度研究也逐渐增多。其中，随机规划与模糊规划在系统调度中得到了一定的应用。随机规划依据不确定量的概率分布信息，通过将优化模型中的安全约束构造成机会约束，来求解包含不确定量概率信息的经济调度模型。但是，风电的概率信息在实际中获取的困难及计算的复杂限制了随机规划的应用。模糊规划通过设置隶属度函数来表示决策者对不确定量及其所导致后果的态度，通过最大化隶属度函数来优化得到满意的决策值，但模糊规划的主观性较强，且多数优化方法均为开环优化，缺乏反馈控制作为补偿。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供了一种考虑多时间尺度协调的风电鲁棒区间轨迹调度方法。该方法结合模型预测控制与鲁棒优化，在多时间尺度的调度框架下滚动鲁棒优化，生成风电场可消纳功率区间轨迹界限与常规机组发电计划，当风电出力在可消纳功率区间轨迹界限内时均满足系统安全约束，缓解了传统调度中风电功率点预测不精确遗留的系统安全隐患，同时风电场监测系统实时反馈风电场实际出力，使未来预测值更接近实际值，逐级削减由于风电预测误差导致的决策量的计划偏差，使优化计划指标更精确。为达到以上目的，本专利技术采取的技术方案是：一种考虑多时间尺度协调的风电鲁棒区间轨迹调度方法，包括如下步骤：S1、根据历史风电功率实际值(即历史风电场实际出力)、历史短期风电功率预测值、和历史超短期风电功率预测值，统计短期风电功率预测的误差范围、超短期风电功率预测的误差范围，结合最新的短期风电功率预测值、最新的超短期风电功率预测值，生成短期风电功率预测区间、超短期风电功率预测区间，作为优化模型的输入信息；S2、在日内滚动计划模块内，基于短期风电功率预测区间与短期负荷预测，以常规机组发电成本最低、短期风电功率预测区间上限偏差最小为目标函数，以系统安全为约束进行鲁棒区间滚动优化，计算风电场可消纳功率区间轨迹界限与常规机组发电计划；S3、在实时调整计划模块内，基于超短期风电功率预测区间与超短期负荷预测，以日内滚动优化模块得到的风电场可消纳功率区间轨迹界限与常规机组发电计划为基值，继续滚动鲁棒优化，调整风电场可消纳功率区间轨迹界限与常规机组发电计划，获得修正风电场可消纳功率区间轨迹界限与修正常规机组发电计划；S4、在AGC实时控制模块内，非AGC机组追踪修正常规机组发电计划，风电场在修正风电场可消纳功率区间轨迹界限内采用最大功率点追踪模式，AGC机组应对非规律性的小幅波动与风电越限情况，实时调整AGC机组基点功率值，在AGC机组下备用充足时适当提升风电消纳量，最后向风电场和常规机组下发发电计划指令；S5、根据风电场监测系统实时反馈风电场实际出力，修正优化模型的输入信息，从而滚动提升调度计划的准确性。在上述方法中，步骤S1中，短期风电功率预测区间为将最新的短期风电功率预测值加上短期风电功率预测的误差范围得到；超短期风电功率预测区间为将最新的超短期风电功率预测值加上超短期风电功率预测的误差范围得到。在上述方法中，步骤S2中，目标函数为：其中,表示风电场可消纳功率区间轨迹界限的下限和上限；表示t时刻风电场i计划基值；Pj,t表示t时刻的第j个常规机组的发电计划；aj,bj,cj分别为第j个常规机组发电成本的二次项系数、一次项系数和常数项系数；表示t时刻风电场i的短期风电功率预测区间的上限；λi表示对风电场i的功率预测上界偏差惩罚系数；T表示优化时域；NG表示常规机组数量，NW表示风电场数量。在上述方法中，步骤S2中，约束条件包括：A1)功率平衡约束：其中，表示t时刻的短期负荷预测；B1)常规机组出力限制约束：其中，Pj,t、分别表示t时刻的第j个常规机组的出力下限和上限；C1)常规机组爬坡率约束：其中，分别为t时刻第j个常规机组的最大向下爬坡功率与最大向上爬坡功率；D1)旋转备用约束：其中，分别表示第j个常规机组在t时刻的下旋转备用与上旋转备用；分别表示电力系统的下旋转备用需求与上旋转备用需求；E1)传输断面安全约束：其中，φj-l为第j个常规机组对断面l的发电转移因子，φi-l为风电场i对断面l的发电转移因子；Flmin、Flmax分别表示断面l的潮流下限与潮流上限；F1)风电出力约束：其中，表示t时刻风电场i的短期风电功率预测区间下限。在上述方法中，步骤S2中，日内滚动计划模块中，每1h滚动一次，以15min为时间分辨率，优化未来4h的决策值，共16个点，每次只执行前4个点。在上述方法中，步骤S3中，滚动鲁棒优化的目标函数为：其中，表示日内滚动计划模块优化得到的第j个常规机组在t时刻的发电计划；表示日内滚动计划模块优化得到的风电场i在t时刻的可消纳功率区间轨迹界限上限；表示超短期风电功率预测区间上限；分别表示修正风电场i可消纳功率区间轨迹界限下限和上限；表示修正风电场计划基值；ΔPj,t表示修正常规机组发电计划值；T表示优化时域。在上述方法中，步骤S3中，滚动鲁棒优化的约束条件包括：A2)功率平衡约束：其中，表示t时刻日内滚动计划模块得到的风电场i计划基值，表示t时刻的超短期负荷预测；B2)常规机组出力限制约束：C2)常规机组爬坡率约束：D2)旋转备用约束：E2)传输断面安全约束：F2)风电出力约束：G2)AGC基点调整约束：其中，γmin、γmax分别表示AGC机组调整裕度的下限系数和上限系数；Pk,t为第k台AGC机组优化得到的计划出力；为第k台AGC机组的容量。在上述方法中，步骤S3中，实时调整计划模块每5min滚动一次，以5min为时间分辨率，优化未来1h的决策值，共12个点，每次只执行第1个点。在上述方法中，步骤S5的数学表述如下：在t时刻实施控制后，既可以根据预测模型算出对象在未来时刻的各输出值，其中也包括了第i个输出值在t+1时刻的预测值yi,1(t+1|t)；到t+1刻测得各实际输出yi(t+1)后，即可与相应的预测值比较并构成误差值e(t+1)，利用这一误差信息用加权方法预测未来的误差，并以此补偿基于模型的预测，可得到经校正的预测值：ycor(t+2|t+1)＝ypre(t+2|t+1)+He(t+2|t+1)(16)其中,ypre(t+2本文档来自技高网...

【技术保护点】
一种考虑多时间尺度协调的风电鲁棒区间轨迹调度方法，包括如下步骤：S1、根据历史风电功率实际值、历史短期风电功率预测值、和历史超短期风电功率预测值，统计短期风电功率预测的误差范围、超短期风电功率预测的误差范围，结合最新的短期风电功率预测值、最新的超短期风电功率预测值，生成短期风电功率预测区间、超短期风电功率预测区间，作为优化模型的输入信息；S2、在日内滚动计划模块内，基于短期风电功率预测区间与短期负荷预测，以常规机组发电成本最低、短期风电功率预测区间上限偏差最小为目标函数，以系统安全为约束进行鲁棒区间滚动优化，计算风电场可消纳功率区间轨迹界限与常规机组发电计划；S3、在实时调整计划模块内，基于超短期风电功率预测区间与超短期负荷预测，以日内滚动优化模块得到的风电场可消纳功率区间轨迹界限与常规机组发电计划为基值，继续滚动鲁棒优化，调整风电场可消纳功率区间轨迹界限与常规机组发电计划，获得修正风电场可消纳功率区间轨迹界限与修正常规机组发电计划；S4、在AGC实时控制模块内，非AGC机组追踪修正常规机组发电计划，风电场在修正风电场可消纳功率区间轨迹界限内采用最大功率点追踪模式，AGC机组应对非规律性的小幅波动与风电越限情况，实时调整AGC机组基点功率值，在AGC机组下备用充足时适当提升风电消纳量，最后向风电场和常规机组下发发电计划指令；S5、根据风电场监测系统实时反馈风电场实际出力，修正优化模型的输入信息，从而滚动提升调度计划的准确性。...

【技术特征摘要】
1.一种考虑多时间尺度协调的风电鲁棒区间轨迹调度方法，包括如下步骤：S1、根据历史风电功率实际值、历史短期风电功率预测值、和历史超短期风电功率预测值，统计短期风电功率预测的误差范围、超短期风电功率预测的误差范围，结合最新的短期风电功率预测值、最新的超短期风电功率预测值，生成短期风电功率预测区间、超短期风电功率预测区间，作为优化模型的输入信息；S2、在日内滚动计划模块内，基于短期风电功率预测区间与短期负荷预测，以常规机组发电成本最低、短期风电功率预测区间上限偏差最小为目标函数，以系统安全为约束进行鲁棒区间滚动优化，计算风电场可消纳功率区间轨迹界限与常规机组发电计划；S3、在实时调整计划模块内，基于超短期风电功率预测区间与超短期负荷预测，以日内滚动优化模块得到的风电场可消纳功率区间轨迹界限与常规机组发电计划为基值，继续滚动鲁棒优化，调整风电场可消纳功率区间轨迹界限与常规机组发电计划，获得修正风电场可消纳功率区间轨迹界限与修正常规机组发电计划；S4、在AGC实时控制模块内，非AGC机组追踪修正常规机组发电计划，风电场在修正风电场可消纳功率区间轨迹界限内采用最大功率点追踪模式，AGC机组应对非规律性的小幅波动与风电越限情况，实时调整AGC机组基点功率值，在AGC机组下备用充足时适当提升风电消纳量，最后向风电场和常规机组下发发电计划指令；S5、根据风电场监测系统实时反馈风电场实际出力，修正优化模型的输入信息，从而滚动提升调度计划的准确性。2.如权利要求1所述的方法，其特征在于：步骤S1中，短期风电功率预测区间为将最新的短期风电功率预测值加上短期风电功率预测的误差范围得到；超短期风电功率预测区间为将最新的超短期风电功率预测值加上超短期风电功率预测的误差范围得到。3.如权利要求1或2所述的方法，其特征在于：步骤S2中，目标函数为：其中,表示风电场可消纳功率区间轨迹界限的下限和上限；表示t时刻风电场i计划基值；Pj,t表示t时刻的第j个常规机组的发电计划；aj,bj,cj分别为第j个常规机组发电成本的二次项系数、一次项系数和常数项系数；表示t时刻风电场i的短期风电功率预测区间的上限；λi表示对风电场i的功率预测上界偏差惩罚系数；T表示优化时域；NG表示常规机组数量，NW表示风电场数量。4.如权利要求1或2所述的方法，其特征在于：步骤S2中，约束条件包括：A1)功率平衡约束：其中，表示t时刻的短期负荷预测；B1)常规机组出力限制约束：1其中，Pj,t、分别表示t时刻的第j个常规机组的出力下限和上限；C1)常规机组爬坡率约束：其中，分别为t时刻第j个常规机组的最大向下爬坡功率与最大向上爬坡功率；D1)旋转备用约束：其中，分别表示第j个常规机组在t时刻的下旋转备用与上旋转备用；分别表示电力系统的下旋转备用需求与上旋转备用需求；E1)传输断面安全约束：其中，φj-l为第j个常规机组对断面l的发电转移因子，φi-l为风电场i对断面l的发电转移因子；Flmin、Flmax分别表示断面l的潮流下限与潮流上限；F1)风电出力约束：其中，表示t时刻风电场...

【专利技术属性】
技术研发人员：叶林，张慈航，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11