電網安全約束的魯棒機組組合方法與流程

2023-12-11 05:57:32

本發明屬於電力系統調度
技術領域：
：，特別是涉及一種電網安全約束的魯棒機組組合方法。
背景技術：
：：為應對化石能源枯竭和環境惡化問題，間歇性可再生能源如風電和太陽能在電力系統中的滲透率逐步提高，給系統安全與經濟運行帶來了問題甚至挑戰。由於很難對間歇性可再生能源的發電出力進行準確預測，這給預先制定系統運行方式和實時調度都帶來了困難。這樣，針對如此不確定環境，如何在保證系統安全性的前提下確定兼顧系統經濟性的運行和調度策略就是值得研究的重要問題。針對不確定性參數的特徵，可以採用概率、區間數、模糊數等進行模擬。概率模型一般採用蒙特卡洛仿真(montecarlosimulation，mcs)生成場景和廣義代數建模系統(generalalgebraicmodelingsystem，gams)進行場景縮減，來描述和處理電力系統中的不確定性因素。區間數模型只需關注不確定性變量的上下界，通過區間優化方法得到樂觀解和悲觀解。在此背景下，重點研究考慮安全約束的情況下，使用場景模擬風電出力不確定來對電力系統機組組合魯棒優化。技術實現要素：基於此，本發明的目的在於提供一種電網安全約束的魯棒機組組合方法，能夠對電力系統機組組合魯棒優化。為實現上述目的，本發明採用如下技術方案：一種電網安全約束的魯棒機組組合方法，包括以下步驟：s1，預測風電出力，並對其進行拉丁超立方抽樣，生成場景集，然後通過場景縮減技術對場景集縮減；s2，對縮減後的場景集按照其相應概率大小從大到小排序；s3，根據風電的預測出力求解主問題，即確定性考慮安全約束的機組組合問題；s4，對求得機組組合策略對場景逐一進行安全性校驗；若通過校驗，則計算該啟停策略對其他場景集的切負荷和棄風所產生成本，並將該場景加入「魯棒置信區間」，並則對下一個場景進行安全性校驗；若不通過，則生成benders割返回主問題，重複步驟s3；s5，當對所有場景進行過安全性校驗後，總成本最小的即為最優策略，其對應的「魯棒置信區間」的概率即為魯棒置信度。進一步，步驟s3中，在魯棒優化的框架下，建立能夠滿足給定魯棒置信區間的uc模型，為提高計算速度，對燃料成本曲線進行分段線性化處理，所構造的uc目標函數為：式中:ng為發電機組總數；t為一個調度周期內所包括的時段總數；k為機組燃料成本的分段數目；li，k為機組燃料成本的分段線性係數(i＝1，2，...，ng；k＝1，2，...，k)；為發電機組i在時段t的狀態，0和1分別表示停運和運行；表示火電機組i在時段t是否開機，其為1表示開機，否則為0；為火電機組i在時段t的開機成本；為火電機組i在時段t的有功出力；fld為切負荷和棄風的損失；s為需要考慮的不確定性變量的場景集，sr為魯棒置信區間所包含的場景集；ρs為場景s的概率，為場景s在時段t的切負荷功率，為場景s在時段t的棄風功率；此外模型還需滿足一定的約束條件，主要包括兩部分:1)確定性調度模型中的約束條件；2)安全性校驗中的約束條件，即魯棒約束條件。進一步，確定性調度的約束條件，(1)功率平衡約束式中：nw為風電場數；為預測的風電場j在時段t的出力；為節點k在時段t的負荷；為時段t的線路損耗，可採用交流潮流模型求取；(2)發電機組出力約束式中:和分別為機組i的出力下限和上限；(3)發電機組最小啟停時間約束式中:和分別為給定的機組i最小運行時間和最小停機時間；(4)機組爬坡約束式中:和分別為發電機組i的爬坡和滑坡速率；(5)機組旋轉備用約束式中r為系統的旋轉備用率；(6)支路潮流約束式中:fij為支路ij可輸送的有功功率極限；為支路ij在時段t輸送的有功功率。進一步，魯棒約束條件，風電出力置信區間用場景集sr表示，需要滿足的約束條件如下：(1)功率平衡約束式中：和分別為在場景s下時段t的常規機組出力、風電出力和網絡損耗；(2)發電機出力約束(3)機組爬坡約束(4)支路潮流約束式中：為在場景s下支路ij的有功功率；式(8)-(11)分別對應式(2)、(3)、(5)和(7)，表示在場景s下的相應約束。進一步，步驟s4中，採用以下求解方法：(1)潮流線性化在每個優化時段，採用lpac方法對交流潮流方程做近似線性化處理；首先給定sinθij≈θij，vi≈1.0，對cosθij採用多面鬆弛技術進行簡化處理，這樣，支路潮流方程可簡化為：pij＝gij-gij〈cosθij>-bijθij(12)式中：gij和bij分別為線路ij的導納和容納，可由式(14)和式(15)表示：式中：是cosθij的近似形式；是節點i的電壓vi的偏移量，為預估的相角差最大取值範圍；h為切線個數；d為相鄰切線的角度差，此外，每個節點需要滿足功率平衡約束，發電機節點還需要滿足無功出力上下限約束並考慮約束起作用時由pv節點向pq節點的轉換；(2)benders分解經過上述簡化處理後，可得到milp模型，採用benders分解將該milp模型分解為主問題和子問題，主問題是確定性的uc問題，子問題則對主問題生成的uc方案進行安全性檢驗；若由主問題獲得的uc方案滿足安全性校驗，則取其為最終結果；若不滿足，則產生benders割並反饋到主問題繼續求解；主問題：其中：w(x)≤0為benders割，w(x)的表達式在下述子問題中給出，即式(22)。子問題：對主問題求得的機組啟停計劃進行安全校驗，引入非負鬆弛變量和構建如下優化模型：由式(17)求得的vs如果為零，則表示滿足所有約束，否則就有約束沒能滿足，其中：為主問題得到的啟停策略，和分別為相應約束條件的對偶變量。當子問題的目標函數值vs等於零，可以認為所有約束均滿足，即通過安全性校驗。否則必定有約束不滿足。如果vs大於預先設定的閾值ε，則認為不滿足安全性校驗，需由式(22)求得的benders割w(x)返回到主問題繼續求解。式中：為場景s下子問題的目標函數值，由子問題模型可以看出最小棄風量和最小切負荷量至少有一個為零；當此時可以功率平衡約束中負荷過大，可通過切負荷實現功率平衡；而當此時可認為風電出力過高，需要通過棄風實現功率平衡；其最小棄風量和切負荷量可認為相應鬆弛變量取值，如式(23)所示：本發明首先建立基於場景生成的魯棒優化scuc(robustsecurityconstrainedunitcommitment，rscuc)模型，由此獲得的魯棒機組組合策略滿足給定的置信度，對處於置信區間之外的極端場景則採取棄風或切負荷等不得已措施來維持系統功率平衡，從而在系統運行的經濟性和保守性之間合理折衷。之後，採用benders分解法求解所建模型，將該問題分解為主問題和子問題。其中，主問題為確定性的scuc問題；子問題則對考慮風電場出力隨機變化時的系統狀態進行安全性校驗，若通過校驗則表明所求得的scuc策略滿足魯棒性約束，否則就生成相應的安全約束即benders割並反饋給主問題。最後，採用修改的ieee39節點系統來說明所提方法的有效性。附圖說明圖1是本發明一實施例的機組組合魯棒優化流程示意圖；圖2是本發明一實施例的採用ieee10機39節點系統的拓撲結構圖；圖3是本發明風電場出力原始場景集和縮減後的場景集示意圖；圖4為基準情形下的成本曲線圖。具體實施方式附圖僅用於示例性說明，不能理解為對本專利的限制；為了更好說明本實施例，附圖某些部件會有省略、放大或縮小，並不代表實際產品的尺寸；對於本領域技術人員來說，附圖中某些公知結構及其說明可能省略是可以理解的。附圖中描述位置關係僅用於示例性說明，不能理解為對本專利的限制。請參照圖1，在一個實施例中，本發明提出的機組組合魯棒優化方法包括步驟如下：s1，預測風電出力，並對其進行拉丁超立方抽樣，生成場景集，然後通過場景縮減技術對場景集縮減；s2，對縮減後的場景集按照其相應概率大小從大到小排序；s3，根據風電的預測出力求解主問題，即確定性考慮安全約束的機組組合問題；s4，對求得機組組合策略對場景逐一進行安全性校驗；若通過校驗，則計算該啟停策略對其他場景集的切負荷和棄風所產生成本，並將該場景加入「魯棒置信區間」，並則對下一個場景進行安全性校驗；若不通過，則生成benders割返回主問題，重複步驟s3；s5，當對所有場景進行過安全性校驗後，總成本最小的即為最優策略，其對應的「魯棒置信區間」的概率即為魯棒置信度。在傳統的機組最優組合(uc)模型中，一般以給定調度時段內包括機組燃料成本和機組組合成本的系統運行總費用最小為優化目標。隨著風電和太陽能等間歇性電源容量滲透率的不斷提高，需要對傳統uc模型進行改進，引入懲罰項來表徵棄風和切負荷等措施所導致的損失。針對這一問題，在魯棒優化的框架下，本節建立能夠滿足給定魯棒置信區間的uc模型。為提高計算速度，對燃料成本曲線進行分段線性化處理。所構造的uc目標函數為：式中:ng為發電機組總數；t為一個調度周期內所包括的時段總數；k為機組燃料成本的分段數目；li，k為機組燃料成本的分段線性係數(i＝1，2，...，ng；k＝1，2，...，k)；為發電機組i在時段t的狀態，0和1分別表示停運和運行；表示火電機組i在時段t是否開機，其為1表示開機，否則為0；為火電機組i在時段t的開機成本；為火電機組i在時段t的有功出力；fld為切負荷和棄風的損失；s為需要考慮的不確定性變量的場景集，sr為魯棒置信區間所包含的場景集；ρs為場景s的概率，為場景s在時段t的切負荷功率，為場景s在時段t的棄風功率；此外模型還需滿足一定的約束條件，主要包括兩部分:1)確定性調度模型中的約束條件；2)安全性校驗中的約束條件，即魯棒約束條件。一、確定性調度的約束條件(1)功率平衡約束式中：nw為風電場數；為預測的風電場j在時段t的出力；為節點k在時段t的負荷；為時段t的線路損耗，可採用交流潮流模型求取，在此不再贅述；(2)發電機組出力約束式中:和分別為機組i的出力下限和上限；(3)發電機組最小啟停時間約束式中:和分別為給定的機組i最小運行時間和最小停機時間；(4)機組爬坡約束式中:和分別為發電機組i的爬坡和滑坡速率；(5)機組旋轉備用約束式中r為系統的旋轉備用率；(6)支路潮流約束式中:fij為支路ij可輸送的有功功率極限；為支路ij在時段t輸送的有功功率。二、魯棒約束條件這裡的魯棒性指uc策略對於風電機組在其出力的魯棒置信區間變化時均能找到相應的經濟調度方式來消納風電出力。風電出力置信區間用場景集sr表示，需要滿足的約束條件如下：(1)功率平衡約束式中：和分別為在場景s下時段t的常規機組出力、風電出力和網絡損耗；(2)發電機出力約束(3)機組爬坡約束(4)支路潮流約束式中：為在場景s下支路ij的有功功率；式(8)-(11)分別對應式(2)、(3)、(5)和(7)，表示在場景s下的相應約束。求解方法：(1)潮流線性化這裡採用多面鬆弛技術，將交流潮流鬆弛為線性模型，在提高求解效率的同時，結果也比較精確。在每個優化時段，可採用lpac方法對交流潮流方程做近似線性化處理。首先給定sinθij≈θij，vi≈1.0，對cosθij採用多面鬆弛技術進行簡化處理，這樣，支路潮流方程可簡化為：pij＝gij-gij-bijθij(12)式中：gij和bij分別為線路ij的導納和容納，可由式(14)和式(15)表示：式中：是cosθij的近似形式；是節點i的電壓vi的偏移量，為預估的相角差最大取值範圍；h為切線個數；d為相鄰切線的角度差，此外，每個節點需要滿足功率平衡約束，發電機節點還需要滿足無功出力上下限約束並考慮約束起作用時由pv節點向pq節點的轉換；(2)benders分解經過上述簡化處理後，可得到milp模型，採用benders分解將該milp模型分解為主問題和子問題，主問題是確定性的uc問題，子問題則對主問題生成的uc方案進行安全性檢驗；若由主問題獲得的uc方案滿足安全性校驗，則取其為最終結果；若不滿足，則產生benders割並反饋到主問題繼續求解；主問題：其中：w(x)≤0為benders割，w(x)的表達式在下述子問題中給出，即式(22)。子問題：對主問題求得的機組啟停計劃進行安全校驗，引入非負鬆弛變量和構建如下優化模型：由式(17)求得的vs如果為零，則表示滿足所有約束，否則就有約束沒能滿足，其中：為主問題得到的啟停策略，和分別為相應約束條件的對偶變量。當子問題的目標函數值vs等於零，可以認為所有約束均滿足，即通過安全性校驗。否則必定有約束不滿足。如果vs大於預先設定的閾值ε，則認為不滿足安全性校驗，需由式(22)求得的benders割w(x)返回到主問題繼續求解，式中：為場景s下子問題的目標函數值，由子問題模型可以看出最小棄風量和最小切負荷量至少有一個為零；當此時可以功率平衡約束中負荷過大，可通過切負荷實現功率平衡；而當此時可認為風電出力過高，需要通過棄風實現功率平衡；其最小棄風量和切負荷量可認為相應鬆弛變量取值，如式(23)所示：實施案例1.數據處理採用ieee10機39節點系統對所提出的方法進行說明，該系統的拓撲圖見附圖2。在具有雙核3.2ghzcpu和4gb內存的個人計算機上進行了實現，並由商業求解器cplex12.5求解rscuc模型中的混合整數規劃問題。對機組燃料成本曲線進行分段線性化處理，分為3段。對於機組每小時的最大爬坡和滑坡功率分別給定為相應機組最大功率的1/3和1/6。benders分解中閾值ε選取為10-3；目標函數中的fld數值為800usd/mwh。給定與交流潮流線性化相關的參數為:h＝10。風電場在節點29接入系統，每時段系統總負荷和風電預測出力如表1，各節點負荷佔總負荷的比例如表2所示。表1各時段系統負荷和風電出力的預測值table1theforecastedvaluesoftheloadsandwindpoweroutputs表2各負荷節點有功負荷佔系統總有功負荷的百分比table2activepowerdemandateachloadbusoverthetotalactiveloadinthesystem假定風電出力服從正態分布，在時刻t的期望值μt為預測值，預測誤差σt為μt的10％。為方便後續敘述，將預測誤差σt為μt的10％這種情形稱為「基準情形」。給定風電場出力的置信概率α為99.74％，對應的kα＝3。這樣，風電出力置信區間為：給定由5000個風電出力原始場景經場景縮減後得到100個場景。圖2展示了風電場出力原始場景集和縮減後的場景集。把參數按上述取值時的運行場景作為基準情形。2.基準情形下的計算結果圖3展示了基準情形下的計算結果。可以看出，隨著魯棒置信水平的提高，需要滿足的場景增多，rscuc成本隨之增大。基準情形下一天24小時的最優rscuc的機組成本為$411422.3，此時相應的切機和切負荷導致的賠償費用的期望值為$280.3，總成本為$414702.6，魯棒置信度為59％。表3列出了基準情形下的機組最優組合策略，1和0分別表示機組運行和停機。當給定魯棒置信度為100％時，總成本為$419923.9，比上述rscuc最優策略的成本高$5221.3。而當給定魯棒置信度為0時，即不計及風電出力預測誤差時，rscuc的成本為$417412.9，比最優解對應的成本高$2990.6。表3基準情形下的機組最優組合策略table3optimalunitcommitmentstrategyforthebasecase3.風電出力預測誤差對rscuc結果的影響本小節分析風電出力預測誤差對rscuc結果的影響，並對模型和常規魯棒優化模型進行對比分析。定義兩種rscuc模式：模式1：採用基於常規魯棒優化模型的rscuc，不考慮棄風和切負荷。這種模式為所提模型的極端形式，對應的魯棒置信度為100％。模式2：採用所提出模型。用σ/μ表示風電出力預測誤差，給定不同的σ/μ值，針對基態情形計算這兩種模式下rscuc優化結果對應的運行總成本。場景集取縮減後的100個場景。計算結果列於表4。表4風電出力預測誤差對rscuc運行總成本的影響table4impactsofwindpowerpredictionerrorontheoveralloperationcostofrscuc由表4可以看出，當σ/μ＝0即風電出力預測完全準確時，此時即為確定性的scuc問題，兩種模式求得的結果相同。只要σ/μ大於0，由模式2求得的運行成本總是小於模式1相關的成本，且隨著σ/μ的增大，兩種模式的優化結果相差增大。隨著σ/μ增大，兩種模式所求的運行總成本均增大，這符合預期，也說明了風電出力預測精度影響系統運行的經濟性。顯然，本發明的上述實施例僅僅是為清楚地說明本發明所作的舉例，而並非是對本發明的實施方式的限定。對於所屬領域的普通技術人員來說，在上述說明的基礎上還可以做出其它不同形式的變化或變動。這裡無需也無法對所有的實施方式予以窮舉。凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明權利要求的保護範圍之內。當前第1頁12當前第1頁12