CN112531745A - 一种电力***频率安全预防控制优化方法 - Google Patents

Abstract

一种电力***频率安全预防控制优化方法,将强化学习应用于计及风电不确定性的频率安全预防控制策略滚动，能够针对大规模新能源接入电网下的频率安全给出预想事故下的预防控制策略；由于采用了强化学习，可以根据历史训练样本构建强化学习模型，从而根据当前风电功率等***运行状态数据在线快速给出相关预防控制策略，能够在新能源不确定背景下预防***频率安全在预想事故后越限。

Description

一种电力***频率安全预防控制优化方法

技术领域

本发明涉及电力***频率安全预防控制优化技术领域，具体涉及一种电力***频率安全预防控制优化方法。

背景技术

频率是交流电力***运行的一个重要指标，反映了有功发电与负荷的平衡情况。频率稳定是电力***稳定的重要组成部分，反映了电力***在遭受严重扰动导致***发电负荷出现严重不平衡时频率能够保持或恢复到允许的范围内不发生频率崩溃的能力，包括短期暂态频率稳定和长期频率稳定两部分。早期小型区域电网备用有限，且与其他电网缺少互联，机组切除等故障容易导致频率发生严重偏移，频率稳定问题突出。

随着低频减载等控制措施的普遍应用以及电网互联程度的提高，区域电网间互为备用，***抗扰动能力逐渐增强，频率稳定一般不被认为是互联电网的重要问题。但是，近些年来，由于电力***复杂度的提高，隐性故障、连锁故障等导致多处电网发生了频率崩溃事故，表明电力***频率失稳的可能性依然存在，是电力***安全稳定运行的重要威胁之一。

此外，风电接入电网的规模越来越大，风电的间歇性和严重爬坡事件对***频率响应和频率稳定的影响也日益显著，需要准确把握电力***频率动态特性和深入研宄频率稳定控制措施。

电力***频率与有功平衡密切相关，频率稳定本质上是有功平衡问题。电力***无功电压动态会影响有功频率动态，导致频率稳定与功角稳定和电压稳定相互耦合，频率稳定分析难度较大。但是，在***无功备用充裕且励磁***调节能力较强时，有功不平衡故障导致的电压偏移较小，无功电压动态对有功频率动态的影响较小。为降低问题的复杂度，简化频率响应计算，需要在暂态频率稳定评估与控制研宄中忽略无功电压动态，从而更好地把握有功平衡与频率稳定之间的关系。

针对直流闭锁等严重有功扰动，仅采取紧急控制措施往往会导致大量负荷被切除，且当紧急控制量不足时会导致***频率安全越限，进而引发低频减载动作等严重后果。因此，考虑通过协调预防控制和紧急控制，共同保证***在直流闭锁等严重有功扰动后的暂态频率安全。预防控制通过开启新的机组为***提供旋备，而机组的开启涉及成本问题，由于涉及暂态频率，该成本最优问题难以直接使用线性规划等方法进行直接求解。目前针对该问题的解决方法往往是对未来的负荷水平和新能源出力进行预测，针对未来可能的频率安全事故在日前给出确定的机组开停机情况。但未来负荷水平和新能源出力预测存在误差，尤其是新能源出力预测方面，所以在日前固定各机组开停往往会导致***未来发生频率安全事故后，旋备不足或旋备过剩，从而导致***频率安全越限或造成不必要的机组运行成本，而实际上***中存在着大量具有快速启停能力的机组，如抽蓄机组和燃气轮机，因此需要考虑针对预想事故下的暂态频率安全，给出日内滚动的预防控制策略。

发明内容

本发明为了克服以上技术的不足，提供了一种能够在新能源不确定背景下预防***频率安全在预想事故后越限的电力***频率安全预防控制优化方法。

本发明克服其技术问题所采用的技术方案是：

一种电力***频率安全预防控制优化方法，包括如下步骤：

a)确定场景下的暂态频率安全预防控制策略，考虑的优化目标是在保证预想事故发生后***频率安全不越限的前提下，开机成本与经济调度成本之和最小。因此通过公式

计算开机成本与经济调度成本之和最小，式中T为日内滚动时刻数，m为电力***中机组数，C_i,SU(t)为t时刻机组i的开机费用，C_i,SD(t)为t时刻机组i的停机费用，I_i,t为t时刻机组i的开停机状态，C_i(P_i,t)为t时刻机组i的经济调度成本，

P_i,t为t时刻机组i的出力，a_i、b_i、c_i均为成本系数；

b)通过公式(X_i,on(t-1)-T_i,U)(I_i,t-1-I_i,t)≥0，(T_i,D-X_i,off(t-1))(I_i,t-1-I_i,t)≥0构建最小开停机时间约束，X_i,on(t-1)为机组i在t-1时刻已经连续开机的时间，X_i,off(t-1)为机组i在t-1时刻已经连续关机的时间，I_i,t为t-1时刻机组i的开停机状态，T_i,U为机组i的最小开机时间，T_i,D为机组i的最小停机时间；

c)通过公式-R_i,D≤(P_i,t-P_i,t-1)I_i,tI_i,t-1≤R_i,U构建机组爬坡速率约束，式中R_i,D机组i的上爬坡速率，R_i,U机组i的下爬坡速率，P_i,t-1为t-1时刻机组i的出力；

d)通过公式P_min,iI_i,t≤P_i,t≤P_max,iI_i,t构建机组有功出力上下限约束，式中P_min,i为机组i的的最小出力，P_max,i为机组i的的最大出力；

e)通过公式

构建机组的旋转备用约束；

f)通过公式

构建功率平衡约束，式中D为线路上的功率损耗，P_L为***负荷，P_w(t)为t时刻整个***的风电功率；

g)通过公式f_min＜f_th构建预想事故发生后暂态频率安全约束，式中f_min为事故发生后的最低频率，f_th为最低频率阈值；

h)通过马尔科夫链构建未来风电功率场景，由t时刻风电功率P_w(t)得到下一时刻t+1时刻的风电功率P_w(t+1)；

i)通过公式S(t)＝[D(t),P_w(t),X_i,on(t),X_i,off(t),I_i,t,T_i,on(t),T_i,off(t)，P_i(t)]计算得到电力***当前时间段的状态S(t)，式中D(t)为当前时间段的负荷水平，X_i,on(t)为机组已连续开机时间，X_i,off(t)为机组已连续关机时间，T_i,on(t)为机组是否处在开机状态标志，T_i,off(t)为机组是否处在关机状态标志，P_i(t)为机组有功出力；

j)通过公式A_i(t)＝[TN_i(t),TF_i(t),P_i(t)]得到机组i的动作集合A_i(t)，式中TN为开机指令，TN_i(t)＝1为下达开机指令，TN_i(t)＝0为不下达开机指令，TF_i(t)＝1为下达关机指令，TF_i(t)＝0为不下达关机指令，通过公式A(t)＝[A₁(t),A₂(t),...,A_m(t)]计算得到最终的动作集合A(t)，得到日内滚动的机组出力方案。

进一步的，步骤h)的步骤如下：

h-1)根据历史数据统计得到状态转移矩阵P；

h-2)通过公式

P_ij＝P(P_w(t+1)＝P_wj|P_w(t)＝P_wi)，

由当前t时刻的风电功率P_w(t)得到下一时刻t+1时刻的风电功率P_w(t+1)，式中P_ij(i＝1,...,l,j＝1,...,l)表示风电功率从风电功率离散值P_wi变为风电功率离散值P_wj的概率，n_ij为历史数据中风电功率从风电功率离散值P_wi变为风电功率离散值P_wj的样本频次，i,j表示不同的风电功率离散区间编号；

h-3)利用公式

采用核回归方法对不同风电功率状态之间波动量ΔP_ij的概率分布函数PDF(ΔP_ij)进行建模，式中ΔP_ij,k为采样值，N_ij为总的样本个数，h为核函数的带宽，k为样本个数，h为核函数的带宽，

σ为经验常数，式中

进一步的，还包括通过公式

计算得到t时刻的***的价值函数F_t，式中F_t+1为t+1时刻的***的价值函数，C_t,SU(u(t),u(t+1))为t时刻的开机成本，C_t,SD(u(t)_t,u(t+1))为t时刻的停机成本，C(u_i(t+1)、D_i(t+1)、

为t+1时刻的机组调度成本，

为t时刻的机组调度成本，N_w为未来风电场景下的预期成本的个数。

本发明的有益效果是：将强化学习应用于计及风电不确定性的频率安全预防控制策略滚动，能够针对大规模新能源接入电网下的频率安全给出预想事故下的预防控制策略；由于采用了强化学习，可以根据历史训练样本构建强化学习模型，从而根据当前风电功率等***运行状态数据在线快速给出相关预防控制策略，能够在新能源不确定背景下预防***频率安全在预想事故后越限。

附图说明

图1为本发明的频率安全预防控制方法的流程图；

图2为本发明的频率安全预防控制模型的结构图。

具体实施方式

下面结合附图1、附图2对本发明做进一步说明。

一种电力***频率安全预防控制优化方法，包括如下步骤：

a)通过公式

计算开机成本与经济调度成本之和最小，式中T为日内滚动时刻数，m为电力***中机组数，C_i,SU(t)为t时刻机组i的开机费用，C_i,SD(t)为t时刻机组i的停机费用，I_i,t为t时刻机组i的开停机状态，C_i(P_i,t)为t时刻机组i的经济调度成本，

P_i,t为t时刻机组i的出力，a_i、b_i、c_i均为成本系数；

b)通过公式(X_i,on(t-1)-T_i,U)(I_i,t-1-I_i,t)≥0，(T_i,D-X_i,off(t-1))(I_i,t-1-I_i,t)≥0构建最小开停机时间约束，X_i,on(t-1)为机组i在t-1时刻已经连续开机的时间，X_i,off(t-1)为机组i在t-1时刻已经连续关机的时间，I_i,t为t-1时刻机组i的开停机状态，T_i,U为机组i的最小开机时间，T_i,D为机组i的最小停机时间；

c)通过公式-R_i,D≤(P_i,t-P_i,t-1)I_i,tI_i,t-1≤R_i,U构建机组爬坡速率约束，式中R_i,D机组i的上爬坡速率，R_i,U机组i的下爬坡速率，P_i,t-1为t-1时刻机组i的出力；

d)通过公式P_min,iI_i,t≤P_i,t≤P_max,iI_i,t构建机组有功出力上下限约束，式中P_min,i为机组i的的最小出力，P_max,i为机组i的的最大出力；

e)通过公式

构建机组的旋转备用约束；

f)通过公式

构建功率平衡约束，式中D为线路上的功率损耗，P_L为***负荷，P_w(t)为t时刻整个***的风电功率；

g)通过公式f_min＜f_th构建预想事故发生后暂态频率安全约束，式中f_min为事故发生后的最低频率，f_th为最低频率阈值；

h)通过马尔科夫链构建未来风电功率场景，由t时刻风电功率P_w(t)得到下一时刻t+1时刻的风电功率P_w(t+1)；

i)基于强化学习方法求解频率安全预防控制策略优化问题的过程如下：在一天的各个调度时段t(t＝1,2,3,...,T)中通过公式

S(t)＝[D(t),P_w(t),X_i,on(t),X_i,off(t),I_i,t,T_i,on(t),T_i,off(t)，P_i(t)]计算得到电力***当前时间段的状态S(t)，式中D(t)为当前时间段的负荷水平，X_i,on(t)为机组已连续开机时间，X_i,off(t)为机组已连续关机时间，T_i,on(t)为机组是否处在开机状态标志，T_i,off(t)为机组是否处在关机状态标志，P_i(t)为机组有功出力；

j)通过公式A_i(t)＝[TN_i(t),TF_i(t),P_i(t)]得到机组i的动作集合A_i(t)，式中TN为开机指令，TN_i(t)＝1为下达开机指令，TN_i(t)＝0为不下达开机指令，TF_i(t)＝1为下达关机指令，TF_i(t)＝0为不下达关机指令，通过公式A(t)＝[A₁(t),A₂(t),...,A_m(t)]计算得到最终的动作集合A(t)，得到日内滚动的机组出力方案。

将强化学习应用于计及风电不确定性的频率安全预防控制策略滚动，能够针对大规模新能源接入电网下的频率安全给出预想事故下的预防控制策略；由于采用了强化学习，可以根据历史训练样本构建强化学习模型，从而根据当前风电功率等***运行状态数据在线快速给出相关预防控制策略，能够在新能源不确定背景下预防***频率安全在预想事故后越限。

进一步的，步骤h)的步骤如下：

h-1)根据历史数据统计得到状态转移矩阵P；

h-2)通过公式

P_ij＝P(P_w(t+1)＝P_wj|P_w(t)＝P_wi)，

由当前t时刻的风电功率P_w(t)得到下一时刻t+1时刻的风电功率P_w(t+1)，式中P_ij(i＝1,...,l,j＝1,...,l)表示风电功率从风电功率离散值P_wi变为风电功率离散值P_wj的概率，n_ij为历史数据中风电功率从风电功率离散值P_wi变为风电功率离散值P_wj的样本频次，i,j表示不同的风电功率离散区间编号；

h-3)通过上述传统的MC方法，得到的是基于当前时刻的下一时刻的风电功率离散状态，为了进一步提高风电功率预测的准确性，利用公式

采用核回归方法对不同风电功率状态之间波动量ΔP_ij的概率分布函数PDF(ΔP_ij)进行建模，式中ΔP_ij,k为采样值，N_ij为总的样本个数，h为核函数的带宽，k为样本个数，h为核函数的带宽，

σ为经验常数，式中

进一步的，还包括通过公式

计算得到t时刻的***的价值函数F_t，式中F_t+1为t+1时刻的***的价值函数，C_t,SU(u(t),u(t+1))为t时刻的开机成本，C_t,SD(u(t)_t,u(t+1))为t时刻的停机成本，C(u_i(t+1)、D_i(t+1)、

为t+1时刻的机组调度成本，

为t时刻的机组调度成本，N_w为未来风电场景下的预期成本的个数。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种电力***频率安全预防控制优化方法，其特征在于，包括如下步骤：

a)通过公式

计算开机成本与经济调度成本之和最小，式中T为日内滚动时刻数，m为电力***中机组数，C_i,SU(t)为t时刻机组i的开机费用，C_i,SD(t)为t时刻机组i的停机费用，I_i,t为t时刻机组i的开停机状态，C_i(P_i,t)为t时刻机组i的经济调度成本，

P_i,t为t时刻机组i的出力，a_i、b_i、c_i均为成本系数；

b)通过公式(X_i,on(t-1)-T_i,U)(I_i,t-1-I_i,t)≥0，(T_i,D-X_i,off(t-1))(I_i,t-1-I_i,t)≥0构建最小开停机时间约束，X_i,on(t-1)为机组i在t-1时刻已经连续开机的时间，X_i,off(t-1)为机组i在t-1时刻已经连续关机的时间，I_i,t为t-1时刻机组i的开停机状态，T_i,U为机组i的最小开机时间，T_i,D为机组i的最小停机时间；

c)通过公式-R_i,D≤(P_i,t-P_i,t-1)I_i,tI_i,t-1≤R_i,U构建机组爬坡速率约束，式中R_i,D机组i的上爬坡速率，R_i,U机组i的下爬坡速率，P_i,t-1为t-1时刻机组i的出力；

d)通过公式P_min,iI_i,t≤P_i,t≤P_max,iI_i,t构建机组有功出力上下限约束，式中P_min,i为机组i的的最小出力，P_max,i为机组i的的最大出力；

e)通过公式

构建机组的旋转备用约束；

f)通过公式

构建功率平衡约束，式中D为线路上的功率损耗，P_L为***负荷，P_w(t)为t时刻整个***的风电功率；

g)通过公式f_min＜f_th构建预想事故发生后暂态频率安全约束，式中f_min为事故发生后的最低频率，f_th为最低频率阈值；

h)通过马尔科夫链构建未来风电功率场景，由t时刻风电功率P_w(t)得到下一时刻t+1时刻的风电功率P_w(t+1)；

i)通过公式S(t)＝[D(t),P_w(t),X_i,on(t),X_i,off(t),I_i,t,T_i,on(t),T_i,off(t)，P_i(t)]计算得到电力***当前时间段的状态S(t)，式中D(t)为当前时间段的负荷水平，X_i,on(t)为机组已连续开机时间，X_i,off(t)为机组已连续关机时间，T_i,on(t)为机组是否处在开机状态标志，T_i,off(t)为机组是否处在关机状态标志，P_i(t)为机组有功出力；

j)通过公式A_i(t)＝[TN_i(t),TF_i(t),P_i(t)]得到机组i的动作集合A_i(t)，式中TN为开机指令，TN_i(t)＝1为下达开机指令，TN_i(t)＝0为不下达开机指令，TF_i(t)＝1为下达关机指令，TF_i(t)＝0为不下达关机指令，通过公式A(t)＝[A₁(t),A₂(t),...,A_m(t)]计算得到最终的动作集合A(t)，得到日内滚动的机组出力方案。

2.根据权利要求1所述的电力***频率安全预防控制优化方法，其特征在于，步骤h)的步骤如下：

h-1)根据历史数据统计得到状态转移矩阵P；

h-2)通过公式

P_ij＝P(P_w(t+1)＝P_wj|P_w(t)＝P_wi)，

由当前t时刻的风电功率P_w(t)得到下一时刻t+1时刻的风电功率P_w(t+1)，式中P_ij(i＝1,...,l,j＝1,...,l)表示风电功率从风电功率离散值P_wi变为风电功率离散值P_wj的概率，n_ij为历史数据中风电功率从风电功率离散值P_wi变为风电功率离散值P_wj的样本频次，i,j表示不同的风电功率离散区间编号；

h-3)利用公式

采用核回归方法对不同风电功率状态之间波动量ΔP_ij的概率分布函数PDF(ΔP_ij)进行建模，式中ΔP_ij,k为采样值，N_ij为总的样本个数，h为核函数的带宽，k为样本个数，h为核函数的带宽，

σ为经验常数，式中

3.根据权利要求2所述的电力***频率安全预防控制优化方法，其特征在于：还包括通过公式

计算得到t时刻的***的价值函数F_t，式中F_t+1为t+1时刻的***的价值函数，C_t,SU(u(t),u(t+1))为t时刻的开机成本，C_t,SD(u(t)_t,u(t+1))为t时刻的停机成本，C(u_i(t+1)、D_i(t+1)、

为t+1时刻的机组调度成本，

为t时刻的机组调度成本，N_w为未来风电场景下的预期成本的个数。

Images