计及多重不确定性的梯级水电-光伏互补系统中长期区间优化调度方法技术方案

本发明专利技术属于电力系统发电调度技术领域，公开了一种计及多重不确定性的梯级水电

【技术实现步骤摘要】
计及多重不确定性的梯级水电
‑
光伏互补系统中长期区间优化调度方法


[0001]本专利技术属于电力系统发电调度
，具体涉及一种计及多重不确定性的梯级水电
‑
光伏互补系统中长期区间优化调度方法，是一种在考虑多个入库径流和多个光伏出力不确定性的基础上，兼顾调度方案经济性和稳健性的中长期优化调度方法。

技术介绍

[0002]传统的以化石能源为主的能源供应体系会导致能源枯竭和全球性气候问题，因此，发展清洁可再生能源已经成为迫切需求。贵州北盘江可再生能源互补发电系统是我国重要的清洁能源生产基地，系统中的光伏电站沿流域广泛分布，并且与大规模梯级水电站共用输电线路并入电网。在大量具有强波动性的光伏发电涌入电网的情况下，电网调度面临着梯级水库规模庞大、梯级电站间水力、电力联系紧密、径流和光伏不确定性大、系统输出功率波动大、输电线路容量有限等复杂问题，使互补系统输出功率无法在调度周期内保持相对平稳，并且容易出现大量弃水现象，对互补系统中长期优化运行产生不利影响。
[0003]本专利技术主要关注大规模梯级水电
‑
光伏互补系统中长期优化调度，旨在解决由于入库径流和光伏出力不确定性带来的互补系统输出功率剧烈波动和弃水问题，在保证互补系统输出功率相对平稳的基础上最大限度减少弃水。目前国内外关于梯级水电
‑
光伏互补系统中长期优化调度的研究，大多数将所有光伏电站作为一个集群统一分析其出力的不确定性，难以全面准确描述其出力特性，也无法考虑各电站并网点和各输电线路容量的限制。且在处理径流不确定性过程中，认为同一流域的各梯级水库入库径流规律性一致。而较少同时考虑梯级水电站多个入库径流(或区间入流)和多个光伏出力的不确定性，增加了调度风险。此外，在处理径流和光伏的不确定性过程中，传统的鲁棒优化方法所得调度方案偏保守，无法兼顾方案的经济性和稳健性。传统的随机优化方法在处理多个不确定性因素时，复杂度会显著增加，也因此给电网调度计划的制作带来了极大的挑战。因此，研究计及多重不确定性的梯级水电
‑
光伏互补系统中长期区间优化调度运行方式，对于提升优化决策效率、保障电网运行稳定以及促进清洁能源消纳，具有重要意义。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术的不足，提供一种计及多重不确定性的梯级水电
‑
光伏互补系统中长期区间优化调度方法。首先构建互补系统中长期区间优化调度模型，考虑入库径流和光伏出力两个不确定性因素，采用两者的预测值分别构建各自的极端场景，并利用所得极端场景代替不确定变量的区间数来作为模型的输入。然后采用多种确定性转化方法和线性化技术将原模型转化为标准的混合整数线性规划模型，并通过求解器来实现模型的求解。本专利技术方法具有较高的求解精度与效率，能够有效缓解互补系统输出功率的强烈波动和弃水等问题，对保障电网运行稳定和发电公司收益具有重要意义。
[0005]为实现上述目的，本专利技术采用的技术方案如下：
[0006]一种计及多重不确定性的梯级水电
‑
光伏互补系统中长期区间优化调度方法，包括如下步骤：
[0007]步骤(1)，设置条件，包括各水电站水位限制、期初水位、期末水位、水电站出力限制和传输通道容量限制；
[0008]步骤(2)，将弃电量惩罚函数引入目标函数，采用互补系统输出功率极差最小化为首要目标，并根据弃电量对目标函数施加惩罚，随后建立基于入库径流和光伏出力预测值的中长期优化调度模型，为确定性优化模型，则目标函数如下：
[0009][0010]式中：F表示互补系统输出功率的综合极差，即互补系统输出功率极差与弃电量惩罚的加和；I表示水电站的数量；J表示光伏电站的数量；表示水电站i在t时段的出力，单位MW；表示光伏电站j在t时段的出力，单位MW；c表示弃电量惩罚因子；P
loss
表示互补系统在整个运行周期的弃电量，单位MWh；
[0011]步骤(3)，为了降低梯级水电站的多个入库径流和多个光伏出力的不确定性对互补系统运行的影响，基于区间优化的理论和方法，对以上两个变量的不确定性进行表征；首先对研究区域在年内不同时段入库径流和光伏出力的历史数据进行统计和分析，从而确定每个时段内两个不确定性变量的波动区间，进而把不确定性变量表示成区间数的形式；因此，确定性优化模型转化为区间优化模型；一般的区间优化模型的数学公式如下：
[0012][0013]式中：X为N维决策变量矩阵；U为S维不确定性变量矩阵；g
k
(X,U)为第k个不确定性约束；K为不确定约束的个数；为约束方程的区间；U
J
为不确定性变量的区间矩阵，并以U
‑
为下限、U
+
为上限；U
v
为第v个不确定性变量，是U
J
的元素，其上下限分别为
[0014]步骤(4)，由于入库径流和光伏出力的增减对目标函数的影响是非单调的，即两个不确定变量的最大或最小值不一定对应最优的目标值，不能简单地采用取极值的方式来确定区间变量的上下限，而应提取与首要目标对应的入库径流和光伏出力最优场景、最劣场景，并分别取代以往区间优化中的上下极值即不确定变量的区间数上下限；
[0015]依据首要目标：互补系统输出功率极差最小化构建最优场景和最劣场景；
[0016]4.1)入库径流和光伏出力最优场景
[0017]在一年中，汛期的入库径流较大，太阳能也更加丰富，而非汛期入库径流小，太阳能也相对贫乏；根据两种可再生能源的分布特点，确定最优场景为入库径流和光伏出力在非汛期偏大，汛期偏小的场景；
[0018]4.2)入库径流和光伏出力最劣场景
[0019]以入库径流和光伏出力在非汛期偏小，汛期偏大的场景为最劣场景；
[0020]考虑到现有气象软件的预测精度，将入库径流和光伏出力的预测误差设置为预测值的
‑
15％～15％，并以此来构建两个极端场景。此时，不确定性变量的波动区间宽度为预测值的30％；典型的入库径流和光伏出力的两个极端场景如图1所示；
[0021]将两个极端场景同时作为区间优化模型的输入，以两个极端场景同步优化的形式，实现极端场景所确定的区间范围内所有不确定性场景的整体优化，进而提升互补系统对入库径流和光伏出力不确定性的应对能力；
[0022]步骤(5)，将两个极端场景同时作为区间优化模型的输入时，约束条件已经转化成了确定性约束，而目标函数中又将包含新的区间数；因此，目标函数仍然具有不确定性，无法直接进行求解，需要利用区间序关系进行含区间数的目标函数的确定性转化；
[0023]本方法中选择较小的目标权衡系数，将提高互补系统总输出功率的平稳性放在首位；目标函数确定性转化为：
[0024][0025]f
c
(x,u)＝[f
L
(x,u)+f
R
(x,u)]/2
[0026]f<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及多重不确定性的梯级水电
‑
光伏互补系统中长期区间优化调度方法，其特征在于，包括如下步骤：步骤(1)，设置条件，包括各水电站水位限制、期初水位、期末水位、水电站出力限制和传输通道容量限制；步骤(2)，将弃电量惩罚函数引入目标函数，采用互补系统输出功率极差最小化为首要目标，并根据弃电量对目标函数施加惩罚，随后建立基于入库径流和光伏出力预测值的中长期优化调度模型，为确定性优化模型，则目标函数如下：式中：F表示互补系统输出功率的综合极差，即互补系统输出功率极差与弃电量惩罚的加和；I表示水电站的数量；J表示光伏电站的数量；表示水电站i在t时段的出力，单位MW；表示光伏电站j在t时段的出力，单位MW；c表示弃电量惩罚因子；P
loss
表示互补系统在整个运行周期的弃电量，单位MWh；步骤(3)，为了降低梯级水电站的多个入库径流和多个光伏出力的不确定性对互补系统运行的影响，基于区间优化的理论和方法，对以上两个变量的不确定性进行表征；首先对研究区域在年内不同时段入库径流和光伏出力的历史数据进行统计和分析，从而确定每个时段内两个不确定性变量的波动区间，进而把不确定性变量表示成区间数的形式；因此，确定性优化模型转化为区间优化模型；区间优化模型的数学公式如下：式中：X为N维决策变量矩阵；U为S维不确定性变量矩阵；g
k
(X,U)为第k个不确定性约束；K为不确定约束的个数；为约束方程的区间；U
J
为不确定性变量的区间矩阵，并以U
‑
为下限、U
+
为上限；U
v
为第v个不确定性变量，是U
J
的元素，其上下限分别为步骤(4)，由于入库径流和光伏出力的增减对目标函数的影响是非单调的，即两个不确定变量的最大值或最小值不一定对应最优的目标值，不能简单地采用取极值的方式来确定区间变量的上下限，而应提取与首要目标对应的入库径流和光伏出力最优场景、最劣场景，并分别取代以往区间优化中的上下极值即不确定变量的区间数上下限；依据首要目标：互补系统输出功率极差最小化构建最优场景和最劣场景；4.1)入库径流和光伏出力最优场景在一年中，汛期的入库径流较大，太阳能也更加丰富，而非汛期入库径流小，太阳能也相对贫乏；根据两种可再生能源的分布特点，确定最优场景为入库径流和光伏出力在非汛期偏大，汛期偏小的场景；4.2)入库径流和光伏出力最劣场景
以入库径流和光伏出力在非汛期偏小，汛期偏大的场景为最劣场景；考虑到现有气象软件的预测精度，将入库径流和光伏出力的预测误差设置为预测值的
‑
15％～15％，并以此来构建两个极端场景；此时，不确定性变量的波动区间宽度为预测值的30％；将两个极端场景同时作为区间优化模型的输入，以两个极端场景同步优化的形式，实现极端场景所确定的区间范围内所有不确定性场景的整体优化，进而提升互补系统对入库径流和光伏出力不确定性的应对能力；步骤(5)，将两个极端场景同时作为区间优化模型的输入时，约束条件已经转化成了确定性约束，而目标函数中又将包含新的区间数；因此，目标函数仍然具有不确定性，无法直接进行求解，需要利用区间序关系进行含区间数的目标函数的确定性转化；本方法中选择较小的目标权衡系数，将提高互补系统总输出功率的平稳性放在首位；目标函数确定性转化为：f
c
(x,u)＝[f
L
(x,u)+f
R
)x,u)]/2f
w
(x,u)＝[f
R
(x,u)
‑
f
L
(x,u)]/2(x,u)]/2(x,u)]/2(x,u)]/2式中：f
L
(x,u)、f
R
(x,u)分别为在最优场景、最劣场景下，系统输出功率极差所组成区间数的下限和上限；a为目标权衡系数；f
c
(x,u)为输出功率极差区间数的中点值；f
w
(x,u)为输出功率极差区间数的半径；分别为最优场景下的水电出力、光伏出力、弃水电出力，单位MW；分别为最劣场景下的水电出力、光伏出力、弃水电出力，单位MW；和分别为最优场景和最劣场景下的总弃水电量，单位MWh；Δt表示计算时段长度，为一个月；步骤(6)，为了在保证求解精度的前提下快速获得全局最优解，对区间优化模型中出现的非线性因素在满足精度要求的前提下进行线性化处理，具体如下：6.1)目标函数线性化在目标函数中含有min和max这样的极值函数，...

【专利技术属性】
技术研发人员：苏承国，王光岩，卢娜，彭肖月，王贝贝，
申请(专利权)人：郑州大学，
类型：发明
国别省市：