CN109474003B - 一种接入风电场的区域电网优化调度方法 - Google Patents

一种接入风电场的区域电网优化调度方法 Download PDF

Info

Publication number
CN109474003B
CN109474003B CN201811062223.5A CN201811062223A CN109474003B CN 109474003 B CN109474003 B CN 109474003B CN 201811062223 A CN201811062223 A CN 201811062223A CN 109474003 B CN109474003 B CN 109474003B
Authority
CN
China
Prior art keywords
wind power
power
output
value
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811062223.5A
Other languages
English (en)
Other versions
CN109474003A (zh
Inventor
钱啸
韩志军
王文华
方景辉
唐锦江
郑伟军
曾建梁
文科
黄红兵
杨鸿珍
汤亿则
徐志强
刘明华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Zhejiang Electric Power Co Ltd
Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Haining Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Haining Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Zhejiang Electric Power Co Ltd, Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd, Haining Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN201811062223.5A priority Critical patent/CN109474003B/zh
Publication of CN109474003A publication Critical patent/CN109474003A/zh
Application granted granted Critical
Publication of CN109474003B publication Critical patent/CN109474003B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H02J3/386—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Wind Motors (AREA)

Abstract

本发明涉及一种电力***运行规划领域，公开了一种接入风电场的区域电网优化调度方法，其特征为，该方法通过建立各风电场的质量评分和风电消纳欲望指数控制风电消纳,包括以下步骤：A)制定日前计划；B)以时间T为单位时段建立日内计划；C)建立实时计划，建立各风电场的质量评分Ki，跟踪常规机组执行日内计划；本发明的有益效果是：通过风电场的质量评分和风电消纳欲望指数使得风电的消纳更具有目的性和可控性，有助于提高***运行的稳定性和提高风电的消纳量。

Description

一种接入风电场的区域电网优化调度方法
技术领域
本发明属于电力***运行和规划领域，具体涉及一种接入风电场的区域电网优化调度方法。
背景技术
风电出力具有较强的随机波动性，而大规模的风电接入大大增加了***的不确定性，增加了***故障发生的机率。以风电为例，2008年2月-11月，新疆地区风电在30min内出力波动超过9万kW达到347次，而当时新疆地区风电总装机容量约为57万kW，波动超过总装机容量的16％。大规模风电出力预测的不准确性将导致电力***常规机组实时调度时，反复调节出力水平，增大了火电机组磨损且在维持***供需平衡过程中加重了资源的浪费，增加了电网的安全风险。目前，根据我国《电力***安全技术导则》，备用容量大小为最大负荷的10％，且大于***最大一台发电机组容量。大规模风电接入要求***需保留更大比例备用以应对风电的随机性出力，由此造成发电成本极大的浪费。风电出力预测值在日前误差较大，在日前制定的常规机组发电与备用计划在实时运行时的修改幅度较大，造成调度员需要进行大量的调度调整工作。虽然国家能源局在《风电功率预报与电网协调运行实施细则(试行)》中规定超短期预测未来15分钟-4小时内的功率预测误差要低于15％，但由于风力大小具有陡削的变化趋势，且不同地理位置的风场环境相差很大，低于15％的误差难以保证，风电出力预测仍然是世界性难题。虽然风电是清洁能源且发电成本更低，但维护***稳定运行的重要性大于降低发电成本的重要性。因此，亟待研发出更具目的性和可控性地消纳风电的电力***优化调度方法。
中国专利公告号CN 102170170 A，公开日2011年08月31日，消纳风电接入的大电网调度滚动计划方法，其通过日内滚动扩展短期预测得到更准确的***负荷预测值和更准确的风电总出力预测值，并根据所述***负荷预测值和风电总出力预测值在线刷新所有常规机组剩余时段的出力数据，能够更加准确的跟踪风电出力的波动变化，不断调整常规机组的工作状态，使***能够消纳更多风电量，但该方法仍然被动的跟踪变化莫测的风电出力，对于风电的消纳具有盲目性。
发明内容
本发明要解决的技术问题是在考虑风电接入的情况下，对风电的消纳具有盲目性和被动性。提出了一种通过建立风电场质量评分和风电消纳欲望指数，更具目的性和可控性地消纳风电的一种接入风电场的区域电网优化调度方法。
本发明为解决上述问题所采取的技术方案是：一种接入风电场的区域电网优化调度方法，包括以下步骤：A)设置风电消纳欲望指数PTt并初始化，以时间TB为单位时段制定日前计划；B)以时间T为单位时段建立日内计划；各时段初，依据日前计划、风电消纳欲望指数PTt、各风电场的质量评分Ki、***负载预测值和风电场总出力预测值，计算本时段风电消纳值,依据本时段风电消纳值调整日内剩余时段常规机组的初始出力水平和风电场总出力上限，生成日内计划并下发给实时计划；C)建立实时计划，各风电场的质量评分Ki，跟踪常规机组执行日内计划；实时跟踪各风电场出力、常规机组实时出力水平和***负载，实时调整常规机组出力，使发电与负载平衡；在时段末，根据风电场出力波动幅度，更新各风电场的质量评分Ki，根据时段内风电接入效果，更新风电消纳欲望指数PTt并反馈给日内计划，重复步骤B-C直到全部时段被优化。
通过日前、日内和实时三个时间尺度逐级细化，层层递进精细模拟电力***发电计划，日前计划确定了常规机组的启停和***备用的计划；日内计划进行超短期的负荷和风电出力预测，增加了风电出力预测的准确度，根据风电出力预测和风电消纳欲望指数，制定出下一时段常规机组的初始工作状态；实时计划用于跟踪日内计划的执行和电网发电与负荷的平衡，并记录风电的消纳情况和风电场出力的波动情况，并更新各风电场的质量评分和风电消纳欲望指数。
作为优选，所述时间TB为1小时，所述日前计划的建立方法为：A1)将所述风电消纳欲望指数PTt置1，从电力调度中心获取当天24时段***负载预测值和常规机组基础数据；A2)以***负荷平衡、常规机组输出上下限、常规机组爬坡率、输电网络断面潮流安全和提供足够***备用作为约束，以常规机组发电总成本最小为目标函数，求解出常规机组启停和出力的日前计划；所述日前计划的目标函数为：
Figure BDA0001797379470000021
其中，M为常规机组数量，pi，T为机组i在T时段的运行功率，ai、bi和ci分别是机组i运行时费用的二次项系数、一次项系数和常数；其***负荷平衡约束条件为：
Figure BDA0001797379470000022
其中pD，T为T时段***负荷预测值，
Figure BDA0001797379470000023
为T时段风电场j出力预测值,W为风电场数量；常规机组功率上下限约束条件为：
Figure BDA0001797379470000024
其中pi 为机组i出力的下限值，
Figure BDA0001797379470000025
为机组i出力的上限值；常规机组的爬坡率约束条件为：-Δpi≤pi，T-pi，T-1≤Δpi，其中Δpi为机组i在时段内可以上调或下调的功率的最大值；输电网络断面潮流安全的约束条件为：
Figure BDA0001797379470000026
其中Iτ 和
Figure BDA0001797379470000027
分别是输电网络断面τ的潮流下限和上限，δτ，i是断面τ对于常规机组i的敏感系数；提供足够***备用的约束条件为：
Figure BDA0001797379470000028
其中pi，max是机组i的最大出力值，η为***总备用系数，θ为接纳风电准备的备用功率系数，
Figure BDA0001797379470000031
为日前计划中时段T时风电出力总值的预测值。
作为优选，所述日内计划的建立方法为：B1)以15分钟为单位时段,全日共96个时段t0～t95；t0时段PT0置1，其他时段PTi由实时计划反馈；B2)时段初，从电力调度中心获取最新***负载预测值和超短期风电场总出力预测值，将超短期风电场总出力预测值乘风电消纳欲望指数PTi后作为本时段风电消纳总上限和风电场总出力上限的值，依据日前计划，以常规机组出力费用最小为目的，调整日内剩余时段常规机组的日内计划，将日内计划和风电场总出力上限下发给实时计划，其数学模型的目标函数为：
Figure BDA0001797379470000032
其中，M为全部常规机组的数量，pi是在t时段机组i的运行功率，ai、bi和ci分别是机组i运行时费用的二次项系数、一次项系数和常数，Δpi是机组i在本时段初进行的功率调整量，Δpi＝pi-pi-1，ei是机组i的功率调整费用系数，ψ为人工设定的风电消纳风险惩罚费用系数，
Figure BDA0001797379470000033
是本时段风电出力预测值，其***负荷平衡约束条件为：
Figure BDA0001797379470000034
其中
Figure BDA0001797379470000035
为本时段风电出力预测值，pD为本时段***负荷预测值，其值由电力调度中心之间获得，常规机组功率上下限约束条件为：
Figure BDA0001797379470000036
其中pi 为机组i出力的下限值，
Figure BDA0001797379470000037
为机组i出力的上限值，常规机组的爬坡率约束条件为：-Δpi≤pi，t-pi，t-1≤Δpi，其中Δpi为机组i在时段内可以上调或下调的功率的最大值，输电网络断面潮流安全的约束条件为：
Figure BDA0001797379470000038
其中Iτ
Figure BDA0001797379470000039
分别是输电网络断面τ的潮流下限和上限，δτ，i是断面τ对于常规机组i的敏感系数,
Figure BDA00017973794700000310
是断面τ对于风电机组j的敏感系数，提供足够***备用的约束条件为：
Figure BDA00017973794700000311
其中Pi，max的最大出力值，η为***总备用系数，η取0.12，θ为接纳风电准备的备用功率系数，θ取0.8，
Figure BDA00017973794700000312
为日前计划中时段T时风电出力总值的预测值。
作为优选，所述实时计划的建立方法为：以各风电场质量评分Ki作为权重分配本时段风电消纳总上限
Figure BDA00017973794700000313
设置各风电场的本时段的出力上限
Figure BDA00017973794700000314
实时跟踪各风电场出力pw，j及常规机组实时出力水平pi和***负载pD，建立常规机组的PID控制，使
Figure BDA00017973794700000315
ε为允许运行偏差，其值取pD的千分之四，M为全部常规机组的数量，W为全部风电场的数量；每隔一定时间对风电场出力水平取样，并至少取样30次作为样本集Mw，k；时段末时，根据采集的样本集Mw，k计算出新的风电场质量评分值Ki；时段末时，计算出常规机组运行费用因风电接入的代价△E和风电接入量预期收益EW，若△E为负，则将PTt加上步长△PT，若△E为正，则计算△E与EW的比值ηt，若ηt小于阈值
Figure BDA0001797379470000041
则将PTt加上步长△PT，反之则将PTt减掉步长△PT，而后取PTt与1比较的较小值和与0比较的较大值作为最终的PTt值，将PTt反馈给日内计划。
风电场质量评分Ki助于***选择本时段出力波动较小的优质风电，使得***更多的消纳本时段的优质风电，减少对本时段出力波动较大的劣质风电；风电消纳欲望指数PTt记录了上一周期***为消纳风电所付出的代价情况，若付出代价相对较小，则风电消纳乐观，增加风电消纳欲望，反之，则减小风电消纳欲望，从而使得风电的消纳更具有目的性和主动性。
作为优选，某一时段内，所述风电接入的代价△E的计算方法为：
Figure BDA0001797379470000042
其中，MΔ是在时段内变功率的常规机组集合，pi，e是变功率机组i在变功率结束时的功率，pi，s是变功率机组i在变功率开始时的功率，eΔ为变功率机组进行变功率的费用系数，ξΔ是机组变功率费用的权重；pw是时段内风电提供的总功率，eψ是为风电接入而承担风险的等效惩罚费用系数，ξψ是风险等效惩罚费用的权重，pσ是时段内常规机组出力平均值，pfor是时段开始时预期的常规机组出力值，eσ为常规机组发电费用系数，ξσ是常规实际运行平均功率与预期运行功率不同而导致费用变化的权重。
由于风电出力具有短时段性，即在一个短时段内出力情况具有高度的相似性，例如在某一个短时段内出力平稳，或者在某一短时段内出力波动剧烈，从而引起常规机组为消纳风电进行功率调整的幅度和次数不同，通过计算常规机组进行变功率调整的代价、风电消纳带来的风险等效代价和常规机组实际出力平均值与预期值的不同引起的效益变化，来表征计算风电接入的代价△E能够直接的反应某短时段内***为消纳风电所付出的代价。
作为优选，所述风电场质量评分值Ki的更新方法为：计算样本集Mk.i的平均值μi，剔除样本集Mk.i中比样本平均值μi大的样品，剩余样本与平均值μi差值的绝对值△k.i，计算△k.i与平均值μi的比值，做为样本集Mtrans.i，计算样本集Mtrans.i的标准差σi，而后令Ki＝e-σi/2作为新的风电场质量评分值。标准差能够反应风电出力的离散情况，离散越严重表示风电出力波动越剧烈，而对***运行成本影响最主要的风电出力波动的波谷数量和幅度，波峰虽然会带来常规机组变功率费用，但会降低常规机组的出力值，使其带来的效益大于费用，所以剔除波峰后计算波谷分布的标准差，用于反应风电场风电质量。
作为优选，设置各风电场的本时段的出力上限
Figure BDA0001797379470000043
的方法为：
Figure BDA0001797379470000044
其中，Mw是全部风电场的集合,
Figure BDA0001797379470000045
是风电场j/i的最大出力值。
风电场的质量评分Ki高的风电场出力相对稳定，带来的消纳成本和风险更小，进行风电场出力上限的调整，能够使***更加依赖风电场的质量评分Ki高的风电场，而降低质量评分Ki低的风电场最大出力能够降低其在***中的影响力，从而使得风电的消纳更具有选择性。
作为优选，所述风电接入量预期收益EW的计算方法为：
Figure BDA0001797379470000051
其中，
Figure BDA0001797379470000052
是本时段风电消纳总上限，eσ为常规机组发电费用系数，pσ是时段内常规机组出力平均值，pfor是本时段常规机组预期运行功率。风电接入量预期收益EW是被风电代替的那部分常规机组出力等效的费用，能够客观的反应风电带来的效益。
作为优选，所述阈值
Figure BDA0001797379470000053
所述步长△PT＝0.2。阈值
Figure BDA0001797379470000054
等于60％时具有最好的综合效益，步长△PT等于0.2时能够使***更灵敏的调整风电的消纳。
本发明的实质性效果是：通过风电场的质量评分和风电消纳欲望指数使得风电的消纳具有更强的目的性和可控性，有助于提高***运行的稳定性和提高风电的消纳量。
附图说明
图1为本发明方法的流程图。
具体实施方式
下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。
本发明提出的一种接入风电场的区域电网优化调度方法，其流程图如图1所示，其特征在于，该方法通过建立各风电场的质量评分Ki和风电消纳欲望指数PTt指导风电消纳，包括以下步骤：
S1：获取日前负荷预测、输电网络拓扑结构、常规机组基础数据和备用计划，以小时为单位，全日分为24个时段，并将风电消纳欲望指数PTt置1，构建日前优化的数学计划：
Figure BDA0001797379470000055
Figure BDA0001797379470000056
其中，M为全部常规机组的数量，pi，T为机组i在T时段的运行功率，ai、bi和ci分别是机组i运行时费用的二次项系数、一次项系数和常数，pD，T为T时段***负荷预测值，
Figure BDA0001797379470000061
为T时段风电出力预测值，pi 为机组i出力的下限值，
Figure BDA0001797379470000062
为机组i出力的上限值，Δpi为机组i在时段内可以上调或下调的功率的最大值，Iτ 和
Figure BDA0001797379470000063
分别是输电网络断面τ的潮流下限和上限，δτ，i是断面τ对于常规机组i的敏感系数，Pi，max是机组i的最大出力值，η为***总备用系数，一般取0.12，θ为接纳风电准备的备用功率系数，一般取0.8，
Figure BDA0001797379470000064
为日前计划中时段T时风电出力总值的预测值。求解该数学计划，得到常规机组的日前计划。
S2：构建日内计划，获取超短期风电出力预测和***负荷预测值，以15分钟为单位时段,全日共分96个时段,从零点t0开始，至24点t96为止；t0时段PT0置1，其他时段PTi由实时计划反馈；将超短期风电场总出力预测值乘风电消纳欲望指数PTi后作为本时段风电消纳总上限和风电场总出力上限的值，依据日前计划，以常规机组出力费用最小为目的，调整日内剩余时段常规机组的日内计划，将日内计划和风电场总出力上限下发给实时计划；其数学计划为：
Figure BDA0001797379470000065
Figure BDA0001797379470000066
其中，M为全部常规机组的数量，pi是在t时段机组i的运行功率，ai、bi和ci分别是机组i运行时费用的二次项系数、一次项系数和常数，Δpi是机组i在本时段初进行的功率调整量，Δpi＝pi-pi-1，ei是机组i的功率调整费用系数，ψ为风电消纳风险惩罚费用系数，
Figure BDA0001797379470000067
是本时段风电出力预测值，
Figure BDA0001797379470000068
为本时段风电出力预测值，pD为本时段***负荷预测值，其值由电力调度中心之间获得，常规机组功率上下限约束条件为：
Figure BDA0001797379470000069
其中pi 为机组i出力的下限值，
Figure BDA00017973794700000610
为机组i出力的上限值，Δpi为机组i在时段内可以上调或下调的功率的最大值，Iτ 和
Figure BDA00017973794700000611
分别是输电网络断面τ的潮流下限和上限，δτ，i是断面τ对于常规机组i的敏感系数,
Figure BDA0001797379470000071
是断面τ对于风电机组j的敏感系数，pi，max的最大出力值，η为***总备用系数，一般取0.12，θ为接纳风电准备的备用功率系数，一般取0.8，
Figure BDA0001797379470000072
为日前计划中时段T时风电出力总值的预测值。求解计划得到最优解后，将常规机组的出力计划作为日内计划下发给实时计划。如果当前时段为t95则结束日内计划，否则在15分钟后进行下一时段的日内滚动优化。
S3：构建实时计划，以各风电场质量评分Ki作为权重分配本时段风电消纳总上限
Figure BDA0001797379470000073
设置各风电场的本时段的出力上限
Figure BDA0001797379470000074
实时跟踪各风电场出力pw，j及常规机组实时出力水平pi和***负载pD，建立常规机组的PID控制，使
Figure BDA0001797379470000075
ε为允许运行偏差，其值取pD的千分之四；每隔30秒对风电场出力水平取样，共取样30次作为样本集Mw，k；时段末时，根据采集的样本集Mw，k计算出新的风电场质量评分值Ki；时段末时，计算出常规机组运行费用因风电接入的代价△E和风电接入量预期收益EW，若△E为负，则将PTt加上步长△PT，若△E为正，则计算△E与EW的比值ηt，若ηt小于阈值
Figure BDA0001797379470000076
则将PTt加上步长△PT，反之则将PTt减掉步长△PT，而后取PTt与1比较的较小值和与0比较的较大值作为最终的PTt值，将PTt反馈给日内计划，其中阈值
Figure BDA0001797379470000077
所述步长△PT＝0.2。
风电接入的代价△E的计算方法为：
Figure BDA0001797379470000078
其中，MΔ是在时段内变功率的常规机组集合，pi，e是变功率机组i在变功率结束时的功率，pi，s是变功率机组i在变功率开始时的功率，eΔ为变功率机组进行变功率的费用系数，ξΔ是机组变功率费用的权重；pw是时段内风电提供的总功率，eψ是为风电接入而承担风险的等效惩罚费用系数，ξψ是风险等效惩罚费用的权重，pσ是时段内常规机组出力平均值，pfor是时段开始时预期的常规机组出力值，eσ为常规机组发电费用系数，ξσ是常规实际运行平均功率与预期运行功率不同而导致费用变化的权重。
风电场质量评分值Ki的更新方法为：计算样本集Mk.i的平均值μi，剔除样本集Mk.i中比样本平均值μi大的样品，剩余样本与平均值μi差值的绝对值△k.i，计算△k.i与平均值μi的比值，做为样本集Mtrans.i，计算样本集Mtrans.i的标准差σi，而后令Ki＝e-σi/2作为新的风电场质量评分值。
设置各风电场的本时段的出力上限
Figure BDA0001797379470000079
的方法为：
Figure BDA00017973794700000710
其中，Mw是全部风电场的集合,
Figure BDA00017973794700000711
是风电场j/i的最大出力值。
风电接入量预期收益EW的计算方法为：
Figure BDA00017973794700000712
其中，
Figure BDA00017973794700000713
是本时段风电消纳总上限，eσ为常规机组发电费用系数，pσ是时段内常规机组出力平均值，pfor是本时段常规机组预期运行功率。
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (7)

1.一种接入风电场的区域电网优化调度方法，其特征在于，
包括以下步骤：
A)设置风电消纳欲望指数PTt并初始化，以时间TB为单位时段制定日前计划；
B)以时间T为单位时段建立日内计划；各时段初，依据日前计划、风电消纳欲望指数PTt、各风电场的质量评分Ki、***负载预测值和风电场总出力预测值，计算本时段风电消纳值,依据本时段风电消纳值调整日内剩余时段常规机组的初始出力水平和风电场总出力上限，生成日内计划并下发给实时计划；
C)建立实时计划，建立各风电场的质量评分Ki，跟踪常规机组执行日内计划；实时跟踪各风电场出力、常规机组实时出力水平和***负载，实时调整常规机组出力，使发电与负载平衡；在时段末，根据风电场出力波动幅度，更新各风电场的质量评分Ki，根据时段内风电接入效果，更新风电消纳欲望指数PTt并反馈给日内计划，重复步骤B-C直到全部时段被优化；
所述时间TB为1小时，所述日前计划的建立方法为：
A1)将所述风电消纳欲望指数PTt置1，从电力调度中心获取当天24时段***负载预测值和常规机组基础数据；
A2)以***负荷平衡、常规机组输出上下限、常规机组爬坡率、输电网络断面潮流安全和提供足够***备用作为约束，以常规机组发电总成本最小为目标函数，求解出常规机组启停和出力的日前计划；所述日前计划的目标函数为：
Figure FDA0003402578680000011
其中，M为常规机组数量，pi.T为机组i在T时段的运行功率，ai、bi和ci分别是机组i运行时费用的二次项系数、一次项系数和常数；
其***负荷平衡约束条件为：
Figure FDA0003402578680000012
其中pD，T为T时段***负荷预测值，
Figure FDA0003402578680000013
为T时段风电场j出力预测值,W为风电场数量；
常规机组功率上下限约束条件为：
Figure FDA0003402578680000014
其中pi 为机组i出力的下限值，
Figure FDA0003402578680000015
为机组i出力的上限值；
常规机组的爬坡率约束条件为：-Δpi≤pi，T-pi，T-1≤Δpi，其中Δpi为机组i在时段内可以上调或下调的功率的最大值；
输电网络断面潮流安全的约束条件为：
Figure FDA0003402578680000021
其中Iτ 和
Figure FDA0003402578680000022
分别是输电网络断面τ的潮流下限和上限，δτ，i是断面τ对于常规机组i的敏感系数；
提供足够***备用的约束条件为：
Figure FDA0003402578680000023
其中pi，max是机组i的最大出力值，η为***总备用系数，θ为接纳风电准备的备用功率系数，
Figure FDA0003402578680000024
为日前计划中时段T时风电出力总值的预测值；
所述日内计划的建立方法为：
B1)以15分钟为单位时段,全日共96个时段t0～t95；t0时段PT0置1，其他时段PTi由实时计划反馈；
B2)时段初，从电力调度中心获取最新***负载预测值和超短期风电场总出力预测值，将超短期风电场总出力预测值乘风电消纳欲望指数PTi后作为本时段风电消纳总上限和风电场总出力上限的值，依据日前计划，以常规机组出力费用最小为目的，调整日内剩余时段常规机组的日内计划，将日内计划和风电场总出力上限下发给实时计划，其数学计划的目标函数为：
Figure FDA0003402578680000025
其中，M为常规机组的数量，ai、bi和ci分别是机组i运行时费用的二次项系数、一次项系数和常数，Δpi是机组i在本时段初进行的功率调整量，Δpi＝pi-pi-1，ei是机组i的功率调整费用系数，ψ为人工设定的风电消纳风险惩罚费用系数，
Figure FDA0003402578680000026
是本时段风电出力预测值，
其***负荷平衡约束条件为：
Figure FDA0003402578680000027
其中
Figure FDA0003402578680000028
为本时段风电出力预测值，pD为本时段***负荷预测值，其值由电力调度中心获得，
常规机组功率上下限约束条件为：
Figure FDA0003402578680000031
其中pi 为机组i出力的下限值，
Figure FDA0003402578680000032
为机组i出力的上限值，
常规机组的爬坡率约束条件为：-Δpi≤pi，t-pi，t-1≤Δpi，其中Δpi为机组i在时段内可以上调或下调的功率的最大值，
输电网络断面潮流安全的约束条件为：
Figure FDA0003402578680000033
其中Iτ 和
Figure FDA0003402578680000034
分别是输电网络断面τ的潮流下限和上限，δτ，i是断面τ对于常规机组i的敏感系数,
Figure FDA0003402578680000035
是断面τ对于风电机组j的敏感系数，
提供足够***备用的约束条件为：
Figure FDA0003402578680000036
其中pi，max的最大出力值，η为***总备用系数，η取0.12，θ为接纳风电准备的备用功率系数，θ取0.8，
Figure FDA0003402578680000037
为日前计划中时段T时风电出力总值的预测值；
所述实时计划的建立方法为：
C1)以各风电场质量评分Ki作为权重分配本时段风电消纳总上限
Figure FDA0003402578680000038
设置各风电场的本时段的出力上限
Figure FDA0003402578680000039
实时跟踪各风电场出力pw.j及常规机组实时出力水平pi和***负载pD，建立常规机组的PID控制，使
Figure FDA00034025786800000310
ε为允许运行偏差，其值取pD的千分之四；每隔一定时间对风电场出力水平取样，并至少取样30次作为样本集Mw，k；时段末时，根据采集的样本集Mw，k计算出新的风电场质量评分值Ki；时段末时，计算出常规机组运行费用因风电接入的代价△E和风电接入量预期收益EW，若△E为负，则将PTt加上步长△PT，若△E为正，则计算△E与EW的比值ηt，若ηt小于阈值
Figure FDA00034025786800000311
则将PTt加上步长△PT，反之则将PTt减掉步长△PT，而后取PTt与1比较的较小值和与0比较的较大值作为最终的PTt值，将PTt反馈给日内计划。
2.根据权利要求1所述的一种接入风电场的区域电网优化调度方法，其特征在于，
某一时段内，所述风电接入的代价△E的计算方法为：
Figure FDA0003402578680000041
其中，MΔ是在时段内变功率的常规机组集合，pi，e是变功率机组i在变功率结束时的功率，pi，s是变功率机组i在变功率开始时的功率，eΔ为变功率机组进行变功率的费用系数，ξΔ是机组变功率费用的权重；pw是时段内风电提供的总功率，eψ是为风电接入而承担风险的等效惩罚费用系数，ξψ是风险等效惩罚费用的权重，pσ是时段内常规机组出力平均值，pfor是时段开始时预期的常规机组出力值，eσ为常规机组发电费用系数，ξσ是常规实际运行平均功率与预期运行功率不同而导致费用变化的权重。
3.根据权利要求1或2所述的一种接入风电场的区域电网优化调度方法，其特征在于，
所述风电场质量评分值Ki的更新方法为：计算样本集Mk.i的平均值μi，剔除样本集Mk.i中比样本平均值μi大的样品，剩余样本与平均值μi差值的绝对值△k.i，计算△k.i与平均值μi的比值，做为样本集Mtrans.i，计算样本集Mtrans.i的标准差σi，而后令Ki＝e-σi/2作为新的风电场质量评分值。
4.根据权利要求1或2所述的一种接入风电场的区域电网优化调度方法，其特征在于，
设置各风电场的本时段的出力上限
Figure FDA0003402578680000042
的方法为：
Figure FDA0003402578680000043
其中，Mw是全部风电场的集合,
Figure FDA0003402578680000044
是风电场j/i的最大出力值。
5.根据权利要求1或2所述的一种接入风电场的区域电网优化调度方法，其特征在于，
所述风电接入量预期收益EW的计算方法为：
Figure FDA0003402578680000045
其中，
Figure FDA0003402578680000051
是本时段风电消纳总上限，eσ为常规机组发电费用系数，pσ是时段内常规机组出力平均值，pfor是本时段常规机组预期运行功率。
6.根据权利要求3所述的一种接入风电场的区域电网优化调度方法，其特征在于，
所述风电接入量预期收益EW的计算方法为：
Figure FDA0003402578680000052
其中，
Figure FDA0003402578680000053
是本时段风电消纳总上限，eσ为常规机组发电费用系数，pσ是时段内常规机组出力平均值，pfor是本时段常规机组预期运行功率。
7.根据权利要求1或2所述的一种接入风电场的区域电网优化调度方法，其特征在于，
所述阈值
Figure FDA0003402578680000054
所述步长△PT＝0.2。
CN201811062223.5A 2018-09-12 2018-09-12 一种接入风电场的区域电网优化调度方法 Active CN109474003B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811062223.5A CN109474003B (zh) 2018-09-12 2018-09-12 一种接入风电场的区域电网优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811062223.5A CN109474003B (zh) 2018-09-12 2018-09-12 一种接入风电场的区域电网优化调度方法

Publications (2)

Publication Number Publication Date
CN109474003A CN109474003A (zh) 2019-03-15
CN109474003B true CN109474003B (zh) 2022-02-15

Family

ID=65664268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811062223.5A Active CN109474003B (zh) 2018-09-12 2018-09-12 一种接入风电场的区域电网优化调度方法

Country Status (1)

Country Link
CN (1) CN109474003B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117353313A (zh) * 2023-09-25 2024-01-05 国网宁夏电力有限公司 一种促进广域新能源消纳的实时优化调度方法及***
CN117726150B (zh) * 2024-02-08 2024-04-26 天津天创绿能投资管理有限公司 基于预定时长段用能数据的能源站供能调配方法及设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102097828A (zh) * 2010-12-30 2011-06-15 中国电力科学研究院 一种基于功率预测的风电优化调度方法
CN102170170A (zh) * 2011-04-02 2011-08-31 清华大学 消纳风电接入的大电网调度滚动计划方法
CN102738833A (zh) * 2012-06-20 2012-10-17 湖北省电力公司 一种含风电的电力***多时间尺度滚动协调调度方法
CN102930351A (zh) * 2012-10-26 2013-02-13 安徽省电力公司 一种综合节能优化调度日计划生成方法
CN103226735A (zh) * 2013-03-26 2013-07-31 国家电网公司 一种基于风电分段的电力***优化调度方法
CN103679284A (zh) * 2013-11-18 2014-03-26 上海交通大学 一种消纳风电接入的定区间滚动调度方法
CN104333047A (zh) * 2014-10-31 2015-02-04 武汉大学 一种适用于风电接入的电力***实时滚动计划方法
CN105656025A (zh) * 2015-12-03 2016-06-08 国网江苏省电力公司经济技术研究院 提高风电消纳能力的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5800771B2 (ja) * 2012-08-10 2015-10-28 株式会社日立パワーソリューションズ 風力発電システム、風力発電制御装置および風力発電制御方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102097828A (zh) * 2010-12-30 2011-06-15 中国电力科学研究院 一种基于功率预测的风电优化调度方法
CN102170170A (zh) * 2011-04-02 2011-08-31 清华大学 消纳风电接入的大电网调度滚动计划方法
CN102738833A (zh) * 2012-06-20 2012-10-17 湖北省电力公司 一种含风电的电力***多时间尺度滚动协调调度方法
CN102930351A (zh) * 2012-10-26 2013-02-13 安徽省电力公司 一种综合节能优化调度日计划生成方法
CN103226735A (zh) * 2013-03-26 2013-07-31 国家电网公司 一种基于风电分段的电力***优化调度方法
CN103679284A (zh) * 2013-11-18 2014-03-26 上海交通大学 一种消纳风电接入的定区间滚动调度方法
CN104333047A (zh) * 2014-10-31 2015-02-04 武汉大学 一种适用于风电接入的电力***实时滚动计划方法
CN105656025A (zh) * 2015-12-03 2016-06-08 国网江苏省电力公司经济技术研究院 提高风电消纳能力的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于日前风功率预测的风电消纳能力评估方法;贾文昭等;《电网技术》;20120805;第 卷(第08期);全文 *
考虑经济性的日前风电消纳动态评估方法;李宏仲等;《电网技术》;20170405(第04期);全文 *

Also Published As

Publication number Publication date
CN109474003A (zh) 2019-03-15

Similar Documents

Publication Publication Date Title
CN109245183B (zh) 一种基于负荷控制的高风光渗透率地区电网调峰方法
CN103683326B (zh) 一种区域电网风电多点接入最佳接纳能力的计算方法
CN105162149B (zh) 基于模糊自适应调节的光储***跟踪发电计划出力方法
CN109492861B (zh) 一种梯级水电站群中期电量交易计划分解方法
US20230268742A1 (en) A method for quantification of flexibility requirements and coordinated optimization of a hydro-wind-solar multi-energy complementary systems
CN104463378B (zh) 用于水电资源丰富地区省级电网风力发电消纳能力的算法
CN106384168A (zh) 针对特性各异电源的多目标协调优化调度模型
CN108054790B (zh) 基于预测出力逐次逼近的风光发电集群有功实时优化控制方法
CN109245184B (zh) 适应多类型约束与多控制区间的多源协同有功控制方法
CN109474003B (zh) 一种接入风电场的区域电网优化调度方法
CN114493222A (zh) 考虑出力预测与价格的风电场储能电站多市场参与策略
Li et al. A coordinated peak shaving strategy using neural network for discretely adjustable energy-intensive load and battery energy storage
CN115912427A (zh) 一种考虑弃风弃光上限的水风光储一体化容量配置方法
CN114336592B (zh) 一种基于模型预测控制的风电场agc控制方法
CN113255982A (zh) 一种风光水互补***中长期优化调度方法
CN109460887B (zh) 一种考虑光电接入的电力***优化调度方法
CN107947246A (zh) 一种考虑调频增发的风电发电指标分配及增发评估方法
CN116706869A (zh) 一种用于区域电网供需平衡场景的预测方法及装置
CN113381457B (zh) 一种风电集群有功功率波动的抑制方法及***
CN109474024B (zh) 一种含光电场的区域电网优化调度方法
CN112994087B (zh) 基于条件风险约束的多源电力***中期优化调度方法
CN112491049B (zh) 一种考虑在线煤耗曲线的多能源接入电网优化调度方法
CN115065097A (zh) 计及不确定性的光-储场站日内功率上报方法及装置
CN114188942A (zh) 一种包含大规模新能源基地的电网调度方法
CN112332463A (zh) 一种改善风电场agc控制性能的有功控制方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant