一种面向实时电价的供水管网带风险约束的优化调度方法技术

本发明专利技术提供了一种面向实时电价的供水管网带风险约束的优化调度方法，属于城市供水管网优化调度方法。(1)收集历史电网用电负荷、历史风光能强度、历史电价数据等；(2)预测次日各时刻的电价概率分布；(3)采用超拉丁立方抽样方法从次日各时刻的电价概率分布中抽样，生成场景集，每一个场景包含各时刻的电价及其出现概率；并通过聚类从场景生成典型电价场景，更新典型电价场景的出现概率；(4)基于典型电价场景中次日各时刻的电价数据，构建具有风险约束的供水管网优化调度模型，求解供水管网水泵的最优调度方案。本发明专利技术关注预测场景成本分布尾部的最不利场景，助力水务公司根据不同的风险偏好来规避实时电价高波动性带来的不确定性风险。性风险。性风险。

【技术实现步骤摘要】
一种面向实时电价的供水管网带风险约束的优化调度方法


[0001]本专利技术属于城市供水管网优化调度方法，具体是一种面向实时电价的供水管网带风险约束的优化调度方法。

技术介绍

[0002]随着可再生能源行业(光伏、风电)的蓬勃发展，社会能源结构正在发生实质性变化。可再生能源发电具有清洁可再生的优势，在电力市场的占有率也逐年提高；但是可再生能源发电具有间歇性和不确定性，低碳与能源稳定之间的矛盾越来越突出。因此，面对可再生能源不确定性的挑战，实施实时电价策略将是我国电力市场的一种必然趋势。国际上，有些发达地区已推出了实时电价(RTP)策略。在我国，现有供水管网水泵调度方法都是基于峰谷电价或分时电价。
[0003]在供水管网的优化调度中，调度人员将根据前一天电价市场价格和其他数据预测第二天的电价，依据预测的电价，指导第二天调度方案，以使能耗成本最低；然后根据第二天的实际电价进行费用结算。这里就会带来一个巨大的风险：如果预测的电价很不准确，这将导致第二天调度方案的实际结算费用远高于根据预测电价预估的费用，给水务公司带来很大的财务风险。然而，可再生能源固有的不确定性使得每次都能精确地预测电价变得非常困难。

技术实现思路

[0004]本专利技术的目的在于应对可再生能源快速发展带来的电力市场高度波动和不确定的能源价格，给城市供水管网调度带来新的挑战。本专利技术为解决实时电价的不确定性带来的供水管网优化调度风险问题，提出了面向实时电价的供水管网带风险约束的优化调度方法。
[0005]为实现以上目的，本专利技术提供一种面向实时电价的供水管网带风险约束的优化调度方法，包括如下步骤：
[0006](1)收集历史电网用电负荷、历史风光能强度、历史电价数据，训练次日电价概率分布预测模型；
[0007](2)利用训练后的次日电价概率分布预测模型，获得次日各时刻的电价概率分布函数；
[0008](3)采用超拉丁立方抽样方法，从次日各时刻的电价概率分布函数各时刻的电价概率分布函数中抽样，生成场景集，每一个场景包含各时刻的电价及其出现概率；从场景集中聚类筛选出典型电价场景，更新典型电价场景的出现概率；
[0009](4)基于典型电价场景中的次日各时刻的电价数据，构建具有风险约束的供水管网优化调度模型，求解供水管网水泵的最优调度方案。
[0010]进一步地，所述的次日电价概率分布预测模型采用后验随机森林。
[0011]进一步地，所述的步骤(2)包括：
[0012]2.1)根据天气预报数据获取次日风光能强度；将次日风光能强度、历史电价数据、预测的用电负荷数据，代入训练好的含N棵决策树的随机森林，输出N个预测电价，构成预测电价样本集合，每一个预测电价样本包含次日每个时刻的电价；
[0013]2.2)根据预测电价样本集合，计算各时刻电价x的概率分布，计算公式如下：
[0014][0015][0016]其中，F
t
(x)表示t时刻电价x的概率分布，f
t
(x)表示t时刻电价x的概率密度函数，N表示随机森林中的决策树数量，λ表示全部决策树预测的t时刻电价的标准差，x表示电价，表示第i棵决策树预测的t时刻电价，u表示生成电价场景向量。
[0017]进一步地，所述的步骤(3)包括：
[0018]3.1)拉丁超立方抽样
[0019]使用超拉丁抽样方法从各时刻电价x的概率分布F
t
(x)中抽样，生成场景集φ；
[0020]3.2)样本缩减
[0021]将场景集φ中的场景进行聚类，每一个聚类中心作为一个典型电价场景，该簇下所有场景的出现概率之和作为典型电价场景更新后的出现概率，得到典型电价场景集合S，表示如下：
[0022]S＝{(u1，p1)，(u2，p2)，...，(u
s
，p
s
)，...，(u
n
，p
n
)}
[0023]u
s
＝[u
s，1
，u
s，2
，...，u
s，t
，...u
s，T
][0024]其中，S表示典型电价场景集合，ρ
n
表示第n个场景的出现概率，u
n
表示第n个典型电价场景电价向量，(u
s
，p
s
)表示典型电价场景s电价向量及其出现概率，n表示聚类的典型电价场景的数量，u
s，t
表示典型电价场景s中t时刻的电价，T表示电价预测时长。
[0025]进一步地，所述的拉丁超立方抽样方法具体为：
[0026]将次日电价概率分布{F1(x)，...，F
T
(x)}的取值范围[0，1]划分为5个等间距区间[[0
‑
0.2]，[0.2
‑
0.4]，[0.4,0.6]，[0.6,0.8]，[0.8，1]]，对各时刻电价的概率分布处于每个区间的电价集合中随机抽样m次，记录抽样得到的电价，则各时刻均有m个抽样结果，随机组合生成若干个场景作为场景集φ，每一个场景由各时刻的电价及其出现概率组成。
[0027]进一步地，每一个场景的初始化出现概率相同。
[0028]进一步地，所述的步骤(4)包括：
[0029]4.1)根据典型电价场景中预测的次日各时刻的电价数据，计算水泵调度方案下的能耗成本cost
s
；
[0030]4.2)计算费用分布的条件置信水平α下的综合风险成本cost
r
；
[0031]4.3)构建供水管网优化调度模型的调度目标函数J：
[0032][0033]4.4)依照供水管网水力方程，构建供水管网优化调度模型的约束条件，求解供水管网水泵的最优调度方案。
[0034]进一步地，所述的能耗成本计算公式如下：
[0035][0036]其中，PP
p，t
表示t时刻水泵p的功率，与供水管网水泵的调度方案有关，所述的供水管网水泵的调度方案是指次日各时刻下每台水泵的启闭状态；cost
s
表示典型电价场景s的能耗成本，T表示电价预测时长，NP表示水泵数量，u
s，t
表示典型电价场景s中t时刻的电价。
[0037]进一步地，所述的综合风险成本计算公式如下：
[0038]cost
r
＝β
·
CVaR
α
[0039][0040][0041]其中，cost
r
表示综合风险成本，β表示风险规避偏好参数，α表示典型电价场景成本分布的置信水平，CVaR
α
表示在条件置信水平α下的条件风险价值的成本，θ
s
表示典型电价场景s超越风险价值VaR的风险成本，VaR
α
表示典型电价场景成本分布的置信水平α下的风险价值，S表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向实时电价的供水管网带风险约束的优化调度方法，其特征在于，包括如下步骤：(1)收集历史电网用电负荷、历史风光能强度、历史电价数据，训练次日电价概率分布预测模型；(2)利用训练后的次日电价概率分布预测模型，获得次日各时刻的电价概率分布函数；(3)采用超拉丁立方抽样方法，从次日各时刻的电价概率分布函数各时刻的电价概率分布函数中抽样，生成场景集，每一个场景包含各时刻的电价及其出现概率；从场景集中聚类筛选出典型电价场景，更新典型电价场景的出现概率；(4)基于典型电价场景中的次日各时刻的电价数据，构建具有风险约束的供水管网优化调度模型，求解供水管网水泵的最优调度方案。2.如权利要求1所述的一种面向实时电价的供水管网带风险约束的优化调度方法，其特征在于，所述的次日电价概率分布预测模型采用后验随机森林。3.如权利要求2所述的一种面向实时电价的供水管网带风险约束的优化调度方法，其特征在于，所述的步骤(2)包括：2.1)根据天气预报数据获取次日风光能强度；将次日风光能强度、历史电价数据、预测的用电负荷数据，代入训练好的含N棵决策树的随机森林，输出N个预测电价，构成预测电价样本集合，每一个预测电价样本包含次日每个时刻的电价；2.2)根据预测电价样本集合，计算各时刻电价x的概率分布，计算公式如下：2.2)根据预测电价样本集合，计算各时刻电价x的概率分布，计算公式如下：其中，F
t
(x)表示t时刻电价x的概率分布，f
t
(x)表示t时刻电价x的概率密度函数，N表示随机森林中的决策树数量，λ表示全部决策树预测的t时刻电价的标准差，x表示电价，表示第i棵决策树预测的t时刻电价，u表示生成电价场景向量。4.如权利要求1所述的一种面向实时电价的供水管网带风险约束的优化调度方法，其特征在于，所述的步骤(3)包括：3.1)拉丁超立方抽样使用超拉丁抽样方法从各时刻电价x的概率分布F
t
(x)中抽样，生成场景集φ；3.2)样本缩减将场景集φ中的场景进行聚类，每一个聚类中心作为一个典型电价场景，该簇下所有场景的出现概率之和作为典型电价场景更新后的出现概率，得到典型电价场景集合S，表示如下：S＝{(u1,p1),(u2,p2),
…
,(u
s
,p
s
),
…
,(u
n
,p
n
)}u
s
＝[u
s,1
,u
s,2
,
…
,u
s,t
,
…
u
s,T
]其中，S表示典型电价场景集合，ρ
n
表示第n个场景的出现概率，u
n
表示第n个典型电价场景电价向量，(u
s
,p
s
)表示典型电价场景s电价向量及其出现概率，n表示聚类的典型电价场
...

【专利技术属性】
技术研发人员：张土乔，周欣泓，袁永钦，龙志宏，楚士鹏，邵煜，俞亭超，
申请(专利权)人：浙江大学广州市自来水有限公司，
类型：发明
国别省市：