【技术实现步骤摘要】
本专利技术属于电力系统，更具体地，涉及一种基于极限场景聚合的区域电网日前鲁棒优化调度方法。
技术介绍
1、据国家能源局最新数据显示，截止2023年12月21日，我国可再生能源装机达到14.5亿千瓦，全国总发电装机容量约为29亿千瓦，新能源装机占比已超过全国50％。我国可再生能源发电量约占全社会用电量的1/3，其中风力发电与光伏发电为主要组成部分。与此同时，荷侧柔性负荷并网量也不断增加。随着源荷双侧弹性资源的并网量增加，源荷双侧波动性给电网调度带来的挑战也不断增加。因此，有必要研究一种具备较强源荷双侧波动适应性的调度算法，从而提高新能源的消纳率。
2、基于现存科技水平获取的第二天新能源预测出力及负荷需求预测存在误差的事实无可避免，采用传统优化方法获取的区域电网调度策略可能存在过于乐观的现象，引入鲁棒优化能较好应对源荷双侧的不确定性挑战。传统的鲁棒优化模型采用了理论上的盒式不确定集建模，并基于最恶劣的场景寻求最优策略的方式虽然简洁便利，但考虑对所有的不确定场景均处于最恶劣环境的情况过于理想化，使得调度策略过于保守，降低了日前调度方案的经济性。而区域电网调度的实际场景往往与历史发生过的场景相似，基于历史分布经验构建源荷双侧不确定模型更切合实际需求，可改善鲁棒模型的保守性，在保证调度计划鲁棒性的前提下提升其经济性。
3、综上所述，本专利技术提出了一种基于极限场景聚合的区域电网日前鲁棒优化调度方法，该方法首先基于调度系统可用历史数据构建极限场景下的源荷不确定集保证了不确定模型的鲁棒性，并进一步考虑聚集效应利用欧氏距
技术实现思路
1、针对现有技术中存在的问题，本专利技术提出一种基于极限场景聚合的区域电网日前鲁棒优化调度方法，该方法通过改善源荷双侧不确定模型构建方法从而改善鲁棒模型，使得日前调度计划能在保证其鲁棒性的情况下有效提高经济性。
2、为实现上述目的，本专利技术采用如下技术方案：
3、基于极限场景聚合的区域电网日前鲁棒优化调度方法，包括以下步骤：
4、步骤1：构建区域电网相关模型。基于源侧火电机组、负荷侧可削减负荷、可平移负荷的运行机理构建其调度模型，基于调度系统可用历史数据采用极限场景聚合法构建源侧风力发电机组、光伏电站以及荷侧负荷需求的不确定模型。
5、步骤2：构建区域电网日前两阶段鲁棒优化调度模型，将区域电网的调度优化问题分为预调度阶段和再调度阶段。其中，预调度阶段目标函数为日前调度计划调度成本，再调度阶段目标函数为风险成本。
6、步骤3：利用变精度c&cg算法完成区域电网日前两阶段鲁棒优化调度模型的求解，获取日前调度计划。
7、本技术方案进一步的优化，所述步骤1具体包含火电机组调度模型、可削减负荷调度模型、可平移负荷调度模型、风力发电机组不确定模型、光伏电站不确定模型以及荷侧用电负荷的不确定模型构建：
8、步骤1.1：构建火电机组调度模型。考虑到燃煤火电机组和燃气火电机组都存在常规出力和深度调峰两个状态，本专利技术对火电机组进行统一性建模，包含运行约束和运行成本两部分。
9、火电机组运行约束如下：
10、火电机组上下限约束：
11、
12、式中，pi,t为火电机组i在t时段的出力功率，pimax、pimin为火电机组i的常规出力上、下限，pia为火电机组i在深度调峰状态下的出力下限，zi,t为布尔变量，zi,t＝1表示火电机组i在t时刻处于深度调峰状态，zi,t＝0表示火电机组i在t时刻处于常规出力状态；
13、火电机组爬坡约束：
14、-ridown≤pi,t-pi,t-1≤riup
15、式中，riup、ridown分别为火电机组i的爬坡功率上、下限；
16、火电机组启停约束：
17、
18、式中，δi,t、δi,t-1为布尔变量，δi,t＝0代表火电机组i在t时刻处于停机状态，δi,t＝1表示火电机组i在t时刻处于运行状态，tioff、tion分别表示机组i处于关机、开机状态的最小时长；
19、火电机组备用容量约束：
20、
21、式中，为火电机组i在t时刻提供的上、下备用容量；
22、线路潮流约束：
23、
24、式中，tl,i、tl,j、tl,k和tl,m为功率传输分配系数，ng为区域电网内火电机组数量，nw为区域电网内风电场数量，nv为区域电网内光伏电场数量，nl为区域电网内节点负荷数量，为风电机组j和光伏电站k在t时刻的出力值，为节点m在t时刻的负荷功率，flmax为线路l的功率潮流上限；
25、火电机组运行成本模型如下：
26、火电机组运行成本满足：
27、
28、其中，各组成部分满足：
29、
30、
31、式中，为火电机组i所用燃料的单价，ai、bi、ci为火电机组i在常规运行状态的燃耗系数，δt为调度时间间隔，为火电机组i的单次启动、停机成本，vi为火电机组i在深度调峰状态的燃耗系数、常规最小技术出力状态的燃耗系数，εi表示火电机组在额定出力下的燃耗率，为火电机组i的提供单位上、下备用容量成本系数；
32、步骤1.2：构建可削减负荷模型，可削减负荷通过签订协议，在一定频率和功率范围内及时响应调度中心指令并获得响应补偿，可削减负荷也可以提供负荷侧备用容量，可削减负荷模型满足：
33、
34、式中，ccut为可削减负荷的调度成本，为可削减负荷在t时刻的单位削减电量的补偿价格，cre,cut为可削减负荷提供负荷侧备用容量造成的备用成本，ptcut,max分别为可削减负荷在t时刻可削减量的上限，为可削减负荷提供的负荷侧备用容量、容量上限，为可削减负荷提供单位备用容量的价格，为可削减负荷量补偿等级的函数，为可削减负荷初始补偿价格，为布尔变量，表示可削减负荷在t时刻的进行了削减，表示可削减负荷在t时刻的保持用电量不变，ncut,max为调度周期内的最大调节次数，表示可削减负荷的连续调用时间最小值、调用间隔时间最小值；
35、步骤1.3：构建可平移负荷模型，可平移负荷受生产流程约束，只能够对整个用电流程的起始时间进行规划，不能改变用其持续运行时间及用电量，其调度模型满足：
36、
37、式中，tsh为可平移负荷在调度后的开始运行时间，tsh-、tsh+为可平移负荷愿意响应电网需求的最早运行起始时间、最晚运行起始时间，ptsh为可平移负荷经调度后在t时段用电功率，为可平移负荷调度后在ts本文档来自技高网...
【技术保护点】
1.基于极限场景聚合的区域电网日前鲁棒优化调度方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于极限场景聚合的区域电网日前鲁棒优化调度方法，其特征在于，所述步骤1具体包含火电机组调度模型、可削减负荷调度模型、可平移负荷调度模型、风力发电机组不确定模型、光伏电站不确定模型以及荷侧用电负荷的不确定模型构建。
3.如权利要求2所述的基于极限场景聚合的区域电网日前鲁棒优化调度方法，其特征在于，所述步骤1如下：
4.如权利要求1所述的基于极限场景聚合的区域电网日前鲁棒优化调度方法，其特征在于，所述步骤2具体包括：
5.如权利要求4所述的基于极限场景聚合的区域电网日前鲁棒优化调度方法，其特征在于，所述步骤2的具体流程如下：
6.如权利要求1所述的基于极限场景聚合的区域电网日前鲁棒优化调度方法，其特征在于，所述步骤3具体包括：
7.如权利要求6所述的基于极限场景聚合的区域电网日前鲁棒优化调度方法，其特征在于，所述C&CG算法采用MATLAB平台和GUROBI求解器进行算例与模型求解。
8.如权
...【技术特征摘要】
1.基于极限场景聚合的区域电网日前鲁棒优化调度方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于极限场景聚合的区域电网日前鲁棒优化调度方法，其特征在于，所述步骤1具体包含火电机组调度模型、可削减负荷调度模型、可平移负荷调度模型、风力发电机组不确定模型、光伏电站不确定模型以及荷侧用电负荷的不确定模型构建。
3.如权利要求2所述的基于极限场景聚合的区域电网日前鲁棒优化调度方法，其特征在于，所述步骤1如下：
4.如权利要求1所述的基于极限场景聚合的区域电网日前鲁棒优化调度方法，其特征在于，所述步骤2...
【专利技术属性】
技术研发人员：唐昊，苏锦勋，王松，王同文，谭琦，王涛，张涛，张莹杰，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。