基于风电爬坡容量模型的发电机组出力调度方法及装置制造方法及图纸

本发明专利技术涉及一种基于风电爬坡容量模型的发电机组出力调度方法及装置，其中方法包括：步骤S1：导入风电系统参数，并确定风电的向上FRC和向下FRC；步骤S2：导入电力需求的预测数据以获得各调度时刻的爬坡需求量；步骤S3：基于得到的风电的向上FRC和向下FRC，以及爬坡需求量，分配风电的承担量；步骤S4：基于爬坡需求量和风电的承担量得得到出力爬坡缺口，并安排其他发电机组的出力。与现有技术相比，本发明专利技术将风电参与提供FRC可以有效减轻常规机组的FRC压力。

Generator Unit Output Dispatching Method and Device Based on Wind Power Climbing Capacity Model

【技术实现步骤摘要】
基于风电爬坡容量模型的发电机组出力调度方法及装置
本专利技术涉及一种电力调度技术，尤其是涉及一种基于风电爬坡容量模型的发电机组出力调度方法及装置。
技术介绍
电力系统不确定性日益增加对电力系统运行灵活性提出了新的挑战与要求。灵活性大多用定性方式描述，本文针对电力系统供需两侧响应系统不确定性变化的能力，用柔性爬坡容量(FlexibleRampCapacity，FRC)来量化电力系统的灵活性。FRC指某一调度时刻为满足后续时刻的更高/低的净负荷波动而预留的容量。目前只有常规机组提供FRC，随着可再生能源渗透率的增加，仅仅考虑常规机组的灵活性将难以有效处理电力系统的不确定性，因此需要发掘系统的潜在灵活能源。本专利将利用风电协助常规机组提供FRC，从而提高系统的运行灵活性。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于风电爬坡容量模型的发电机组出力调度方法及装置。本专利技术的目的可以通过以下技术方案来实现：一种基于风电爬坡容量模型的发电机组出力调度方法，包括：步骤S1：导入风电系统参数，并确定风电的向上FRC和向下FRC；步骤S2：导入电力需求的预测数据以获得各调度时刻的爬坡需求量；步骤S3：基于得到的风电的向上FRC和向下FRC，以及爬坡需求量，分配风电的承担量；步骤S4：基于爬坡需求量和风电的承担量得得到出力爬坡缺口，并安排其他发电机组的出力。所述其他发电机组包括火力机组、水力机组和光伏发电机组。风电的向上FRC为：其中：为场景s下风电在t时刻提供的向上FRC，为t+1时刻风电预测出力概率分布的α分位点，为风电的最大爬坡速率，Rw/pv为，T为调度时间尺度；风电的向下FRC为：其中：为t时刻风电提供的向下FRC。所述调度时间尺度为1小时。一种基于风电爬坡容量模型的发电机组出力调度装置，包括存储器、处理器，以及存储于存储器中并由所述处理器执行的程序，所述处理器执行所述程序时实现以下步骤：步骤S1：导入风电系统参数，并确定风电的向上FRC和向下FRC；步骤S2：导入电力需求的预测数据以获得各调度时刻的爬坡需求量；步骤S3：基于得到的风电的向上FRC和向下FRC，以及爬坡需求量，分配风电的承担量；步骤S4：基于爬坡需求量和风电的承担量得得到出力爬坡缺口，并安排其他发电机组的出力。与现有技术相比，本专利技术具有以下有益效果：1)将风电参与提供FRC可以有效减轻常规机组的FRC压力。2)该模型可以地减轻常规机组爬坡压力，提高系统整体经济效益和系统运行的灵活性。3)设计了风电的向上FRC和向下FRC的上限，避免了风电出力分配的不准确导致的电网事故。附图说明图1为本专利技术方法的主要步骤流程示意图；图2为风电提供FRC示意图；图3为风电提供FRC的示意图；图4为风电负荷的预测期望值；图5为基础模型的FRC调度示意图；图6为风电提供FRC的FRC调度示意图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。一种基于风电爬坡容量模型的发电机组出力调度方法，该方法以计算机程序的形式由计算机系统实现，对应的装置包括存储器、处理器，以及存储于存储器中并由处理器执行的程序，如图1所示，处理器执行程序时实现以下步骤：步骤S1：导入风电系统参数，并确定风电的向上FRC和向下FRC，由于风电具有不确定性，目前不将其作为灵活资源参与提供FRC，实际上风电大多采用装配有电力电子装置和先进控制器的发电机，能够快速调整出力，有足够的提供FRC的爬坡能力。图3说明了风电提供FRC的能力，A*为t时刻风电的实际出力，B0为t+1时刻出力的期望值，t+1时刻实际出力B*为不确定区间[Bd，Bu]内的任何一个点。风电的向上FRC：风电减少出力可以为后续时刻提供更多的可调度容量，将t时刻风电的出力由预测点A0减小至低点A1，为t+1时刻增加了(A0—A1)的可调度容量。t时刻风电提供向上FRC的能力受到t+1时刻的可输出功率以及t时刻实际出力的约束，考虑到风电的不确定性，用t+1时刻预测出力概率分布的下侧(1-α)分位数(B(1-α))来约束向上FRC，图中Bα与A1的垂直距离为t时刻能提供的最大向上FRC容量，再考虑调度时间尺度内的爬坡速率限制，t时刻风电提供向上FRC可表示为：其中：为场景s下风电在t时刻提供的向上FRC，为t+1时刻风电预测出力概率分布的α分位点，为风电的最大爬坡速率，Rw/pv为，T为调度时间尺度，可选为1小时；风电的向下FRC，风电直接通过弃风来提供向下FRC，t时刻提供向下FRC的能力受到t+1时刻可输出功率约束。考虑不确定性，用t+1时刻预测出力的下侧(1-α)分位数来约束风电提供向下FRC，图中A1与Bα的垂直距离为t时刻能提供的最大向下FRC容量，再考虑调度时间尺度内的爬坡速率限制，t时刻风电提供向下FRC可表示为：其中：为t时刻风电提供的向下FRC。向下FRC：风电直接通过弃风来提供向下FRC，t时刻提供向下FRC的能力受到t+1时刻可输出功率约束。考虑不确定性，用t+1时刻预测出力的下侧(1-α)分位数来约束风电提供向下FRC，图中A1与Bα的垂直距离为t时刻能提供的最大向下FRC容量，再考虑调度时间尺度内的爬坡速率限制，t时刻风电提供向下FRC可表示为式中：表示t时刻风电提供的向下FRC。步骤S2：导入电力需求的预测数据以获得各调度时刻的爬坡需求量；FRC旨在同时解决系统变化的变化性和不确定性，通过计算每个调度时间段的爬坡需求来分配FRC。图2说明了从T0到T3的三个调度时间段中FRU(向上FRC)和FRD(向下FRC)需求的变化。L0，L1，L2和L3是相应时间的预测净负荷。u1，u2，u3和d1，d2，d3分别是考虑相应时间预测净负荷不确定性的上下限。时刻T0的爬坡需求由两部分组成：预测的净负荷在T0和T1之间的变化(L0和L1之间的垂直距离)和时刻T1的预测净负荷的不确定性(L1和u1之间的正误差和L1和d1之间的负误差)。因为T1的预测负荷下限(点d1)高于T0的净负荷(点L0)，所以时刻T0不存在FRD需求。而T1的预测负荷上限(点u1)高于点L0，所以时刻T0的FRU需求为点L0和u1之间的垂直距离(FRU0)。同理，T1处的爬坡需求由FRU1和FRD1表示，T2处的爬坡需求由FRU2和FRD2表示。考虑净负荷的变化和不确定性，每个调度时段的向上/下FRC需求分别通过式下式计算得到。FRUt＝max{(NLt+1-NLt+UTt+1),0}FRDt＝max{(NLt-NLt+1+DTt+1)，0}式中，FRUt、FRDt分别表示系统在t时刻的向上/下FRC需求,NLt表示t时刻的净负荷，UTt+1、DTt+1分别表示t+1时刻预测净负荷的向上/下的不确定性容量。步骤S3：基于得到的风电的向上FRC和向下FRC，以及爬坡需求量，分配风电的承担量；步骤S4：基于爬坡需求量和风电的承担量得得到出力爬坡缺口，并安排其他发电机组的出力，其中，其他发电机组包括火力机组、水力机组和光伏发电机组。此外，在分配过程可以采用成本最小，例如目标函数为最小化系统的总运行成本，为了方本文档来自技高网...

【技术保护点】
1.一种基于风电爬坡容量模型的发电机组出力调度方法，其特征在于，包括：步骤S1：导入风电系统参数，并确定风电的向上FRC和向下FRC；步骤S2：导入电力需求的预测数据以获得各调度时刻的爬坡需求量；步骤S3：基于得到的风电的向上FRC和向下FRC，以及爬坡需求量，分配风电的承担量；步骤S4：基于爬坡需求量和风电的承担量得得到出力爬坡缺口，并安排其他发电机组的出力。

【技术特征摘要】
1.一种基于风电爬坡容量模型的发电机组出力调度方法，其特征在于，包括：步骤S1：导入风电系统参数，并确定风电的向上FRC和向下FRC；步骤S2：导入电力需求的预测数据以获得各调度时刻的爬坡需求量；步骤S3：基于得到的风电的向上FRC和向下FRC，以及爬坡需求量，分配风电的承担量；步骤S4：基于爬坡需求量和风电的承担量得得到出力爬坡缺口，并安排其他发电机组的出力。2.根据权利要求1所述的一种基于风电爬坡容量模型的发电机组出力调度方法，其特征在于，所述其他发电机组包括火力机组、水力机组和光伏发电机组。3.根据权利要求1所述的一种基于风电爬坡容量模型的发电机组出力调度方法，其特征在于，风电的向上FRC为：其中：为场景s下风电在t时刻提供的向上FRC，为t+1时刻风电预测出力概率分布的α分位点，为风电的最大爬坡速率，Rw/pv为，T为调度时间尺度；风电的向下FRC为：其中：为t时刻风电提供的向下FRC。4.根据权利要求3所述的一种基于风电爬坡容量模型的发电机组出力调度方法，其特征在于，所述调度时间尺度为1小时。5.一种基于风电爬坡容量模型的发电机组出力调度装...

【专利技术属性】
技术研发人员：黄阮明，赵晶晶，费斐，郭明星，庞爱莉，张梦瑶，赵鹏飞，何欣芹，
申请(专利权)人：国网上海市电力公司，上海电力学院，
类型：发明
国别省市：上海,31