CN113193547B - 计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法与*** - Google Patents

计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法与*** Download PDF

Info

Publication number
CN113193547B
CN113193547B CN202110293668.XA CN202110293668A CN113193547B CN 113193547 B CN113193547 B CN 113193547B CN 202110293668 A CN202110293668 A CN 202110293668A CN 113193547 B CN113193547 B CN 113193547B
Authority
CN
China
Prior art keywords
day
power
scheduling
ahead
interval
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
CN202110293668.XA
Other languages
English (en)
Other versions
CN113193547A (zh
Inventor
张振华
周海强
梁文腾
鞠平
周航
秦川
江叶峰
熊浩
付伟
罗建裕
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 Jiangsu Electric Power Co Ltd
Hohai University HHU
Original Assignee
State Grid Jiangsu Electric Power Co Ltd
Hohai University HHU
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 Jiangsu Electric Power Co Ltd, Hohai University HHU filed Critical State Grid Jiangsu Electric Power Co Ltd
Priority to CN202110293668.XA priority Critical patent/CN113193547B/zh
Publication of CN113193547A publication Critical patent/CN113193547A/zh
Application granted granted Critical
Publication of CN113193547B publication Critical patent/CN113193547B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种计及新能源及负荷区间不确定性的电力***日前‑日内协同调度方法与***，包括获取电力***数据以及新能源和负荷日前预测数据；构建日前调度区间优化问题数学模型；确定日前调度方案及日内调度的边界条件；获取新能源及负荷日内滚动预测数据；以及基于日内调度方案边界条件以及新能源及负荷日内区间数模型，构建日内调度问题数学模型并求解日内调度方案。本发明的电力***日前‑日内协同调度方法，综合构建了电力***日前‑日内协同调度的区间问题数学模型；运用区间优化理论，将不确定性目标函数及约束函数转化为确定性问题求解，与机会约束规划方法相比，具有对输入数据信息要求较低、决策灵活性好、计算速度快的优点。

Description

计及新能源及负荷区间不确定性的电力***日前-日内协同 调度方法与***
技术领域
本发明涉及智能电网技术领域，尤其是电力***调度技术，具体而言涉及一种计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法。
背景技术
近年来，以风电、光伏为代表的新能源在电力***中的占比不断增加，大力发展新能源是我国能源转型和实现碳排放目标的必然要求，由于新能源具有随机性、波动性和间隙性的特点，其预测难免存在一定的误差。在负荷侧，用电需求受到天气、时间、电价、经济发展阶段及消费心理等多种因素影响，同样存在较大预测误差。因此，现代电力***的运行场景具有较强的不确定性。如何针对不确定性电力***进行科学调度，在控制调度方案风险的基础上提高调度方案的经济性，是电力***所亟需解决的问题。
目前，关于不确定性电力***调度的现有技术，常采用的有场景法及概率法。其中场景法需要抽样生成场景集，并在场景集的基础上进行大量计算，该方法简便易行，但计算量很大。概率方法又称为机会约束规划方法，该方法根据输入不确定性变量如新能源或负荷功率的概率分布函数，将约束不等式在一定的置信度下转化为确定性不等式求解，该方法计算量较小。
上述两种方法都需要知道输入变量确切的概率分布函数，但这对于实际***而言，常存在一定困难。实践中，由于缺乏足够的历史数据，或者变量自身的规律性较弱，往往难以确切地知道其概率分布。
发明内容
本发明目的在于针对现有技术所存在的需要知道新能源及负荷不确定性变量的概率分布函数、计算量大以及日前调度方案不够精细的技术缺陷，提供一种计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法与***，在新能源及负荷日前与日内预测数据的基础上，运用区间优化原理，协同常规发电机、快速启停机组、新能源、柔性负荷以及储能调控资源，在实现***功率平衡的同时确保足够的安全备用，平衡电力***运营成本与安全性，进行科学的电力调度决策。
根据本发明目的的第一方面提出一种计及新能源及负荷区间不确定性的电力***日前- 日内协同调度方法，包括以下步骤：
步骤1、获取电力***数据以及新能源和负荷日前预测数据；
步骤2、构建日前调度区间优化问题数学模型；
步骤3、确定日前调度方案及日内调度的边界条件；
步骤4、获取新能源及负荷日内滚动预测数据；以及
步骤5、基于步骤3所确定的日内调度方案边界条件，以及步骤4获取的新能源及负荷日内区间数模型，构建日内调度问题数学模型并求解日内调度方案；
其中，所述电力***数据包括常规发电机组和快速启停机组最大和最小输出功率、机组启停费用、运行成本系数、爬坡功率、最小开机和停机时间，A、B、C三类柔性负荷Pila、Pilb、 Pilc的分档数和每档的可削减负荷最大容量、成本系数、需求响应的弹性系数以及最大累计中断时间，其中A类柔性负荷需提前24h告知用户，B类柔性负荷提前告知用户的时间为 15min-2h，C类柔性负荷提前告知用户的时间为5-15min；
所述新能源和负荷日前预测数据包括未来24小时风电场及光伏电站的输出功率Pwt、Ppv的每小时的预测值及其日前预测误差的波动区间，未来24小时***负荷Pl每小时的预测值及其日前预测误差的波动区间。
根据本发明目的的第二方面还提出一种计及新能源及负荷区间不确定性的电力***日前 -日内协同调度***，包括：
一个或多个处理器；
存储器，存储可***作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括执行前述协同调度处理的过程。
与现有技术相比，本发明具有以下优点和有益效果：
1.本发明提出的考虑新能源及负荷不确定性的电力***日前-日内协同调度方法，利用新能源及负荷的预测误差随时间尺度减小而减小的特点，考虑各类机组的灵活性及柔性负荷的多时间尺度特性，综合考虑发电机运行成本、弃风或弃光惩罚代价以及柔性负荷参与电力***调度所需各种费用，实现了电力***日前-日内协同调度；
2.在不确知输入数据概率分布的条件下，应用区间优化理论，将不确定性目标函数转换为确定性函数，在一定的区间可能度下将区间不等式转化为确定性不等式，从而将不确定性问题转化为确定性问题求解，与机会约束规划方法相比，具有对输入数据信息要求较低、决策灵活性好、计算速度快等优点；
3.最后，对日前-日内协同调度方案进行了仿真校核，验证了本发明所提出的日前-日内协同调度方案可以克服了日前调度方案不够精细的技术缺陷，在降低日运营费用的条件下，提高了***的安全性，具有较好的实用性。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是本发明的计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法的一个实施例的流程图。
图2是本发明的一个实施例的IEEE10机39节点算例***结构图，其中“WT”表示风电场，“FG”表示快速启停机组。
图3是本发明的一个实施例的日负荷曲线示意图，其中“°”表示日前预测值，“*”表示日内预测值，“△”表示负荷预测值区间下界，“▽”表示负荷预测值区间上界。
图4是本发明的一个实施例的日风电功率曲线示意图，其中表示“°”日前预测值，“*”表示日内预测值，“△”表示风电预测值区间下界，“▽”表示风电预测值区间上界。
图5是本发明的一个实施例的日前调度与日前-日内协同调度的常规发电机组日总发电量对比图。
图6是本发明的一个实施例的日前调度与日前-日内协同调度的弃风量对比图。
图7是本发明的一个实施例的日前-日内协同调度的***功率平衡示意图。
图8是本发明的一个实施例的日前-日内协同调度的***功率平衡及正、负备用功率约束成立的可能度示意图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
结合图示，根据本发明示例性实施例公开一种计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法，图1所示为本发明计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法的流程图，包括以下步骤：步骤1、获取电力***数据以及新能源和负荷日前预测数据；步骤2、构建日前调度区间优化问题数学模型；步骤3、确定日前调度方案及日内调度的边界条件；步骤4、获取新能源及负荷日内滚动预测数据；以及步骤5、基于步骤3所确定的日内调度方案边界条件，以及步骤4获取的新能源及负荷日内区间数模型，构建日内调度问题数学模型并求解日内调度方案。
下面结合附图所示，更加具体地阐述上述步骤的具体实现。
步骤一、获取电力***数据以及新能源和负荷日前预测数据
其中，所述电力***数据包括常规发电机组和快速启停机组最大和最小输出功率、机组启停费用、运行成本系数、爬坡功率、最小开机和停机时间，A、B、C三类柔性负荷Pila、Pilb、 Pilc的分档数和每档的可削减负荷最大容量、成本系数、需求响应的弹性系数以及最大累计中断时间，其中A类柔性负荷需提前24h告知用户，B类柔性负荷提前告知用户的时间为 15min-2h，C类柔性负荷提前告知用户的时间为5-15min；
所述新能源和负荷日前预测数据包括未来24小时风电场及光伏电站的输出功率Pwt、Ppv的每小时的预测值及其日前预测误差的波动区间，未来24小时***负荷Pl每小时的预测值及其日前预测误差的波动区间。
步骤二、建立日前调度区间优化问题数学模型
假设新能源发电日前预测值为
Figure BDA0002983456120000041
其日前预测误差
Figure BDA0002983456120000042
位于区间
Figure BDA0002983456120000043
内，上标“+”表示区间数上界，上标“-”表示区间数下界，由此可以推出新能源发电功率PN1的上界为
Figure BDA0002983456120000044
下界为
Figure BDA0002983456120000045
PN1的日前区间数模型为
Figure BDA0002983456120000046
由此可建立风力及光伏发电的日前区间数模型
Figure BDA0002983456120000047
假设负荷日前预测值为
Figure BDA0002983456120000048
其日前预测误差
Figure BDA0002983456120000049
位于区间
Figure BDA00029834561200000410
内，由此可以推出负荷功率Pl1的上界为
Figure BDA0002983456120000051
下界为
Figure BDA0002983456120000052
则负荷功率的日前区间数模型为
Figure BDA0002983456120000053
一般日前调度时间尺度为1小时，日内调度时间尺度为15分钟，为了使日前-日内调度更好地衔接，本发明取日前调度的时间尺度为15分钟，对每小时新能源及负荷的预测值进行线性插值，以此作为每隔15分钟的日前预测值，在此基础上进行日前调度。
由此，将所述的电力***日前调度优化问题的目标函数描述为：
min f1＝f11+f12+f13+f14 (1)
Figure BDA0002983456120000054
为常规发电机组的运行费用，右边第1项为常规机组启停成本，第2项为发电成本。
Figure BDA0002983456120000055
为常规发电机台数, T1为调度周期，由于日前调度时间尺度取为15分钟，故T1＝96，即96个调度周期。
Figure BDA0002983456120000056
分别为j时刻第i台常规发电机的启动控制0-1变量、冷启动控制0-1变量，
Figure BDA0002983456120000057
为“1”分别表示j时刻第i台常规发电机接受启动或冷启动指令，
Figure BDA0002983456120000058
为“0”则表示j时刻无启动或冷启动指令。
Chot,i、Ccold,i分别为第i台常规发电机的热启动费用和冷启动费用，
Figure BDA0002983456120000059
为0-1变量，为“1”表示j时刻第i台常规发电机处于开机状态，为“0”则表示处于停机状态。
Figure BDA00029834561200000510
为第i台常规发电机的发电成本系数，
Figure BDA00029834561200000511
为j时刻第i台常规发电机的功率。
Figure BDA00029834561200000512
为快速启停机组运行成本。
其中，
Figure BDA00029834561200000513
为快速启动发电机台数；
Figure BDA00029834561200000514
为第i台快速启停机组的运行成本系数，
Figure BDA00029834561200000515
为j 时刻第i台快速启停机组的功率。
Figure BDA00029834561200000516
为快速启停机组的启动控制0-1变量，
Figure BDA00029834561200000517
为“1”分别表示j时刻第i台快速启停机组接受启动指令，
Figure BDA00029834561200000518
为第i台快速启停机组的启动成本。
Figure BDA00029834561200000519
为弃风惩罚费用，其中
Figure BDA00029834561200000520
为j时刻削减的风电功率，Cw为弃风惩罚因子。
Figure BDA00029834561200000521
为A、B、C三类柔性负荷的调控费用，ns为柔性负荷的分档数，其中
Figure BDA00029834561200000522
分别为j时刻A、B、C三类柔性负荷s档的调控功率，由于柔性负荷响应具有弹性，故
Figure BDA00029834561200000523
为区间数，
Figure BDA00029834561200000524
分别为A、B、C三类柔性负荷以s档参与调控时的代价因子。
其中，本发明确定电力***日前调度优化问题约束条件包括：
①有功功率平衡方程
Figure BDA0002983456120000061
式(2)中，左边为常规发电机组、快速启停机组及风力发电的总和，右边为***总负荷减去3类柔性负荷的削减量，该有功功率平衡方程为区间等式；
②常规发电机出力及爬坡功率约束
Figure BDA0002983456120000062
Figure BDA0002983456120000063
式(3)中
Figure BDA0002983456120000064
分别为第i台常规发电机的最小和最大功率，
Figure BDA0002983456120000065
分别表示第i台常规发电机向下和向上爬坡功率的极限值；
③常规发电机最小开停机时间约束
Figure BDA0002983456120000066
Figure BDA0002983456120000067
式(5)、(6)中
Figure BDA0002983456120000068
分别为第i台常规发电机的最小开机时间和最小停机时间；
④常规发电机组冷热启动约束
Figure BDA0002983456120000069
Figure BDA00029834561200000610
式(7)、(8)为j时刻对第i台常规发电机冷启动和热启动的约束，
Figure BDA00029834561200000611
为第i台常规发电机的冷启动时间；
⑤快速启停机组最大最小功率及爬坡功率约束
Figure BDA00029834561200000612
Figure BDA00029834561200000613
式(9)是快速启动发电机最小、最大功率约束，
Figure BDA00029834561200000614
分别为第i台快速启停机组的最小和最大功率，
Figure BDA00029834561200000615
为0-1变量，为“1”表示j时刻第i台快速机组处于开机状态，为“0”则表示处于停机状态；式(10)是快速机组向下、向上爬坡功率约束，
Figure BDA0002983456120000071
分别表示第 i台快速启停机组向下和向上爬坡功率的极限值；
⑥快速机组最小开机时间最小停机时间约束
Figure BDA0002983456120000072
Figure BDA0002983456120000073
式(11)、式(12)分别为j时刻对第i台快速机组最小开机时间
Figure BDA0002983456120000074
最小停机时间
Figure BDA0002983456120000075
的约束，
Figure BDA0002983456120000076
为截止j时刻第i台快速机组的连续运行时间，
Figure BDA0002983456120000077
为截止j时刻第i台快速机组的连续停机时间；
⑦弃风约束
Figure BDA0002983456120000078
式(13)中
Figure BDA0002983456120000079
分别为日前调度中j时刻削减的风功率及风功率波动区间下界；
⑧柔性负荷约束
Figure BDA00029834561200000710
Figure BDA00029834561200000711
Figure BDA00029834561200000712
其中，Pila,s,j、Pilb,s,j、Pilc,s,j为j时刻A、B、C三类柔性负荷s档调控功率，
Figure BDA00029834561200000713
为A、B、C三类柔性负荷s档的调控功率最大值，
Figure BDA00029834561200000714
及
Figure BDA00029834561200000715
分别为A、B、 C三类柔性负荷s档响应系数的弹性波动区间；
⑨正、负备用功率约束
Figure BDA00029834561200000716
Figure BDA00029834561200000717
Figure BDA00029834561200000718
Figure BDA00029834561200000719
其中
Figure BDA00029834561200000720
为j时刻常规机组和快速机组所能提供的正备用功率，r为备用系数，
Figure BDA00029834561200000721
Figure BDA00029834561200000722
为j时刻常规机组和快速机组所能提供的负备用功率，
Figure BDA00029834561200000723
为负荷向上、风速向下波动时的波动区间，
Figure BDA00029834561200000724
为负荷向下、风速向上波动时的波动区间。
由此，前述公式(1)-(20)共同构成了日前调度区间优化问题的数学模型。
步骤三、确定日前调度方案及日内调度的边界条件
式(1)所描述的电力***日前调度区间优化问题目标函数f1为区间函数，设其上下界分别为
Figure BDA0002983456120000081
其中：
Figure BDA0002983456120000082
Figure BDA0002983456120000083
设区间目标函数均值为
Figure BDA0002983456120000084
目标函数半径为
Figure BDA0002983456120000085
将区间目标函数转换为
Figure BDA0002983456120000086
β1为加权系数；
再将电力***日前调度区间优化问题中式(2)、式(17)及(19)所描述的区间不等式约束在预设的区间可能度下，转换为确定性不等式，设有功功率平衡、备用约束方程成立的区间可能度分别为ζ11、ζ12及ζ13，则根据区间可能度理论，式(2)、式(17)及(19)可分别转化为：
Figure BDA0002983456120000087
Figure BDA0002983456120000088
Figure BDA0002983456120000089
由此，日前调度区间优化问题可转化为如下确定性问题：
min F1 (24)
其约束条件包括式(3)-(16)、式(18)、(20)以及式(21)-(23)；
再应用混合整数线性规划方法求解上述确定性问题，得出日前调度区间优化方案，由此可确定日内调度问题的边界条件，即：常规机组的开机状态保持不变，A类柔性负荷的调控量保持不变，而快速启停机组的启停状态以及B、C两类柔性负荷的柔性负荷则需要在日内调度中调整。
步骤四、获取新能源及负荷日内滚动预测数据
每隔15分钟对未来2小时的风电、光伏及负荷功率进行1次超短期预测，时间尺度为 15分钟，从第一个调度周期k＝1开始，获取预测数据。如前述的，调度周期为96个。假设新能源发电日内预测值为
Figure BDA0002983456120000091
其日内预测误差
Figure BDA0002983456120000092
位于区间
Figure BDA0002983456120000093
内，由此可以推出新能源发电功率PN2的上界为
Figure BDA0002983456120000094
下界为
Figure BDA0002983456120000095
PN2的日内区间数模型为
Figure BDA0002983456120000096
由此可分别建立风力及光伏发电的日内区间数模型
Figure BDA0002983456120000097
假设负荷日内预测值为
Figure BDA0002983456120000098
其日内预测误差
Figure BDA0002983456120000099
位于区间
Figure BDA00029834561200000910
内，由此可以推出负荷功率Pl2的上界为
Figure BDA00029834561200000911
下界为
Figure BDA00029834561200000912
则负荷功率的日内区间数模型为
Figure BDA00029834561200000913
步骤五、建立日内调度问题数学模型并求解日内调度方案。
基于步骤三所确定的日内调度方案边界条件，以及步骤四获取的新能源及负荷日内区间数模型，建立日内优化调度问题数学模型；其目标函数为
f2＝f21+f22+f23+f24 (25)
Figure BDA00029834561200000914
为常规发电机组发电成本，对于日内调度而言T2＝8；
Figure BDA00029834561200000915
为快速启停机组运行成本；
Figure BDA00029834561200000916
为弃风成本；
Figure BDA00029834561200000917
其中，确定日内优化调度问题的约束条件包含：
①有功功率平衡方程
Figure BDA00029834561200000918
②弃风约束
Figure BDA00029834561200000919
③正、负备用功率约束
Figure BDA00029834561200000920
Figure BDA00029834561200000921
Figure BDA00029834561200000922
Figure BDA0002983456120000101
其中，
Figure BDA0002983456120000102
为负荷向上、风速向下波动时的波动区间，
Figure BDA0002983456120000103
为负荷向下、风速向上波动时的波动区间；
此外，日内优化调度问题的约束条件还包含：常规发电机出力及爬坡功率约束不等式(3)-(4)、快速启停机组约束不等式(9)-(12)、柔性负荷约束方程(15)-(16)；
其中，式(25)所描述的电力***日内调度区间优化问题目标函数f2为区间函数，设其上下界分别为
Figure BDA0002983456120000104
其中：
Figure BDA0002983456120000105
Figure BDA0002983456120000106
设区间目标函数均值为
Figure BDA0002983456120000107
目标函数半径为
Figure BDA0002983456120000108
将区间目标函数转换为
Figure BDA0002983456120000109
β2为加权系数；
设电力***日内调度区间优化问题的有功功率平衡方程(26)、备用频率约束方程(28)及式 (30)成立的区间可能度分别为ζ21、ζ22及ζ23，根据区间可能度理论，式(26)、式(28)及(30) 可分别转化为：
Figure BDA00029834561200001010
Figure BDA00029834561200001011
Figure BDA00029834561200001012
由此，日前调度区间优化问题可转化为如下确定性问题：
min F2 (35)
其约束条件包括式(3)-(4)、式(9)-(12)、式(15)-(16)、式(27)、(29)、(31)以及式(32)-(34)；
将步骤四中求得的常规机组的开机状态保持及A类柔性负荷的调控量作为边界条件代入计算，应用混合整数线性规划方法求解上述确定性问题，得出日内调度区间优化方案；
由此生成k时刻的日前-日内协同调度方案，若k＝96，则输出协同调度方案，若k<96，则k＝k+1，并转步骤四继续处理，直到k达到96。
在进一步优选的方案中，在k达到96确定协同调度方案后，还校核日前-日内协同调度方案的经济性及安全性。
将步骤三求出的日前优化调度方案作为方案A，步骤五求出的日前-日内协同调度方案作为方案B，比较两种方案的运行费用及违约概率。
假设新能源及负荷预测误差在各自区间内服从均匀分布，各变量相互独立，且不考虑不同时刻场景之间的相关性，应用蒙特卡洛方法，对风电功率及负荷功率日内预测误差在其波动区间内进行抽样，每个时刻生成Ns＝30000个不同场景，构成测试样本集；设在j时刻的 Ns个场景中，发生正备用功率约束不等式(28)违约的场景个数为
Figure BDA0002983456120000111
发生负备用功率约束不等式(30)违约的场景个数为
Figure BDA0002983456120000112
则在一个调度日内发生正备用不足的概率Probu为：
Figure BDA0002983456120000113
以及发生负备用不足的概率Probd为：
Figure BDA0002983456120000114
统计A、B两种方案的违约概率及日运营费用，对其经济性及安全性进行比较验证。
图2是本发明的一个实施例的IEEE10机39节点算例***结构图，该实施例将本发明方法应用于含新能源及快速启停机组的IEEE10机39节点算例***，对***进行了日前-日内协同优化调度，并分析了本发明所提出的日前日内优化调度方案的综合性能。
结合图1所示的流程，实施步骤如下：
步骤1、获取电力***数据以及新能源和负荷日前预测数据
本实施例的含新能源及快速启停机组的IEEE10机39节点算例***结构如图2所示。在 IEEE10机39节点***标准算例的基础上，加装了风电场及快速启停机组，对发电机功率进行了调整，使得修改前后,***总发电功率保持不变。
常规发电机组各发电机的最大和最小输出功率
Figure BDA0002983456120000115
及
Figure BDA0002983456120000116
运行费用参数
Figure BDA0002983456120000117
及
Figure BDA0002983456120000118
发电机的热启动费用Chot,i和冷启动费用Ccold,i，发电机最小开机时间
Figure BDA0002983456120000119
最小停机时间
Figure BDA00029834561200001110
冷启动时间Tcold,i，爬坡功率
Figure BDA00029834561200001111
参数如表1所示。
快速启停机组最大和最小输出功率
Figure BDA00029834561200001112
及
Figure BDA00029834561200001113
运行成本系数
Figure BDA00029834561200001114
启动成本
Figure BDA00029834561200001115
发电机最小运行时间
Figure BDA0002983456120000121
最小停机时间
Figure BDA0002983456120000122
爬坡功率
Figure BDA0002983456120000123
参数如表2所示。
表1.常规发电机参数
Figure BDA0002983456120000124
表2.快速启停发电机参数
Figure BDA0002983456120000125
未来24小时的***日前预测负荷曲线如图3所示，其预测值如表3所示；未来24小时风电曲线如图4所示，其预测值如表4所示，弃风惩罚因子Cw取100$/MW；A、B、C三类柔性负荷的分档数和每档的最大容量、成本系数、需求响应的弹性系数如表5所示。
表3.未来24小时***负荷功率日前预测值
Figure BDA0002983456120000126
表4.未来24小时风电场功率日前预测值
Figure BDA0002983456120000127
表5.A、B、C三类柔性负荷参数
Figure BDA0002983456120000131
步骤2、建立日前调度区间优化问题数学模型
本实施例未来24小时每小时***日前预测负荷功率Pl1如表3所示，假设日前预测误差
Figure BDA0002983456120000132
即
Figure BDA0002983456120000133
由此可以推出负荷功率Pl1的上界为
Figure BDA0002983456120000134
下界为
Figure BDA0002983456120000135
则负荷功率的日前区间数模型为
Figure BDA0002983456120000136
风电场功率未来24小时日前预测值Pwt1如表5所示，假设预测误差
Figure BDA0002983456120000137
由此可以推出风电场输出功率的日前区间数模型为
Figure BDA0002983456120000138
将所述的电力***日前调度优化问题的目标函数描述为：
min f1＝f11+f12+f13+f14 (1)
其中，
Figure BDA0002983456120000139
为常规发电机组的运行费用，右边第1项为常规机组启停成本，第2项为发电成本，
Figure BDA00029834561200001310
为常规发电机台数,T1为调度周期，由于日前调度时间尺度取为15分钟，故T1＝96，
Figure BDA00029834561200001311
分别为j时刻第i台常规发电机的启动控制0-1变量、冷启动控制0-1变量，
Figure BDA00029834561200001312
为“1”分别表示j时刻第i台常规发电机接受启动或冷启动指令，
Figure BDA00029834561200001313
为“0”则表示j时刻无启动或冷启动指令，Chot,i、Ccold,i分别为第i台常规发电机的热启动费用和冷启动费用，
Figure BDA00029834561200001314
为0-1变量，为“1”表示j时刻第i台常规发电机处于开机状态，为“0”则表示处于停机状态，
Figure BDA00029834561200001315
为第i台常规发电机的发电成本系数，
Figure BDA00029834561200001316
为j时刻第i台常规发电机的功率；
Figure BDA00029834561200001317
为快速启停机组运行成本，
Figure BDA00029834561200001318
为快速启动发电机台数；
Figure BDA00029834561200001319
为第i台快速启停机组的运行成本系数，
Figure BDA00029834561200001320
为j时刻第i台快速启停机组的功率，
Figure BDA00029834561200001321
为快速启停机组的启动控制0-1变量，
Figure BDA0002983456120000141
为“1”分别表示j时刻第i台快速启停机组接受启动指令，
Figure BDA0002983456120000142
为第i台快速启停机组的启动成本；
Figure BDA0002983456120000143
为弃风惩罚费用，其中
Figure BDA0002983456120000144
为j时刻削减的风电功率，Cw为弃风惩罚因子；
Figure BDA0002983456120000145
为A、B、C三类柔性负荷的调控费用，ns为柔性负荷的分档数，其中
Figure BDA0002983456120000146
分别为j时刻A、B、C三类柔性负荷s档的调控功率，由于柔性负荷响应具有弹性，故
Figure BDA0002983456120000147
为区间数，
Figure BDA0002983456120000148
分别为A、B、C三类柔性负荷以s档参与调控时的代价因子；
所述的电力***日前调度优化问题约束条件包括：
①有功功率平衡方程
Figure BDA0002983456120000149
式(2)中，左边为常规发电机组、快速启停机组及风力发电的总和，右边为***总负荷减去3类柔性负荷的削减量，该有功功率平衡方程为区间等式；
②常规发电机出力及爬坡功率约束
Figure BDA00029834561200001410
Figure BDA00029834561200001411
式(3)中
Figure BDA00029834561200001412
分别为第i台常规发电机的最小和最大功率，
Figure BDA00029834561200001413
分别表示第i台常规发电机向下和向上爬坡功率的极限值；
③常规发电机最小开停机时间约束
Figure BDA00029834561200001414
Figure BDA00029834561200001415
式(5)、(6)中
Figure BDA00029834561200001416
分别为第i台常规发电机的最小开机时间和最小停机时间；
④常规发电机组冷热启动约束
Figure BDA00029834561200001417
Figure BDA00029834561200001418
式(7)、(8)为j时刻对第i台常规发电机冷启动和热启动的约束，
Figure BDA00029834561200001419
为第i台常规发电机的冷启动时间；
⑤快速启停机组最大最小功率及爬坡功率约束
Figure BDA0002983456120000151
Figure BDA0002983456120000152
式(9)是快速启动发电机最小、最大功率约束，
Figure BDA0002983456120000153
分别为第i台快速启停机组的最小和最大功率，
Figure BDA0002983456120000154
为0-1变量，为“1”表示j时刻第i台快速机组处于开机状态，为“0”则表示处于停机状态；式(10)是快速机组向下、向上爬坡功率约束，
Figure BDA0002983456120000155
分别表示第i台快速启停机组向下和向上爬坡功率的极限值；
⑥快速机组最小开机时间最小停机时间约束
Figure BDA0002983456120000156
Figure BDA0002983456120000157
式(11)、式(12)分别为j时刻对第i台快速机组最小开机时间
Figure BDA0002983456120000158
最小停机时间
Figure BDA0002983456120000159
的约束，
Figure BDA00029834561200001510
为截止j时刻第i台快速机组的连续运行时间，
Figure BDA00029834561200001511
为截止j时刻第i台快速机组的连续停机时间；
⑦弃风约束
Figure BDA00029834561200001512
式(13)中
Figure BDA00029834561200001513
分别为日前调度中j时刻削减的风功率及风功率波动区间下界；
⑧柔性负荷约束
Figure BDA00029834561200001514
Figure BDA00029834561200001515
Figure BDA00029834561200001516
其中，Pila,s,j、Pilb,s,j、Pilc,s,j为j时刻A、B、C三类柔性负荷s档调控功率，
Figure BDA00029834561200001517
为A、B、C三类柔性负荷s档的调控功率最大值，
Figure BDA00029834561200001518
及
Figure BDA00029834561200001519
分别为A、B、 C三类柔性负荷s档响应系数的弹性波动区间；
⑨正、负备用功率约束
Figure BDA00029834561200001520
Figure BDA00029834561200001521
Figure BDA0002983456120000161
Figure BDA0002983456120000162
其中
Figure BDA0002983456120000163
为j时刻常规机组和快速机组所能提供的正备用功率，r为备用系数，
Figure BDA0002983456120000164
Figure BDA0002983456120000165
为j时刻常规机组和快速机组所能提供的负备用功率，
Figure BDA0002983456120000166
为负荷向上、风速向下波动时的波动区间，
Figure BDA0002983456120000167
为负荷向下、风速向上波动时的波动区间；方程(1)-(20)共同构成了日前调度区间优化问题的数学模型。
步骤3、确定日前调度方案及日内调度的边界条件
式(1)所描述的电力***日前调度区间优化问题目标函数f1为区间函数，设其上下界分别为
Figure BDA0002983456120000168
其中：
Figure BDA0002983456120000169
Figure BDA00029834561200001610
设区间目标函数均值为
Figure BDA00029834561200001611
目标函数半径为
Figure BDA00029834561200001612
将区间目标函数转换为
Figure BDA00029834561200001613
β1为加权系数，此处取值β1＝0.1；
其次，将电力***日前调度区间优化问题中式(2)、式(17)及(19)所描述的区间不等式约束在一定的区间可能度下转换为确定性不等式，设有功功率平衡、备用约束方程成立的区间可能度分别为ζ11＝0.85、ζ12＝0.85及ζ13＝0.85，则根据区间可能度理论，式(2)、式(17)及 (19)可分别转化为：
Figure BDA00029834561200001614
Figure BDA00029834561200001615
Figure BDA00029834561200001616
由此，日前调度区间优化问题可转化为如下确定性问题：
min F1 (24)
约束条件包括式(3)-(16)、式(18)、(20)以及式(21)-(23)；应用混合整数线性规划方法求解上述确定性问题，得出日前调度区间优化方案，作为方案A；由此可确定日内调度问题的边界条件，即：常规机组的开机状态保持不变，A类柔性负荷的调控量保持不变，而快速启停机组的启停状态以及B、C两类柔性负荷的柔性负荷则需要在日内调度中调整。
步骤4、获取新能源及负荷日内滚动预测数据
每隔15分钟对未来2小时的风电及负荷功率进行1次超短期预测，时间尺度为15分钟，***日内超短期预测负荷曲线如图3所示，预测值如表6所示；日内超短期预测风电功率曲线如图4所示，预测值如表7所示；在超短期预测中，预测精度更准确，预测误差较日前预测误差小；假设
Figure BDA0002983456120000171
由此可以推出新能源发电功率PN2的上界为
Figure BDA0002983456120000172
下界为
Figure BDA0002983456120000173
PN2的日内区间数模型为
Figure BDA0002983456120000174
假设
Figure BDA0002983456120000175
由此可以推出负荷功率的日内区间数模型为
Figure BDA0002983456120000176
表6.***负荷功率日内预测值
Figure BDA0002983456120000177
表7.风电场功率日内预测值
Figure BDA0002983456120000181
步骤5、建立日内调度问题数学模型并求解日内调度方案
基于步骤3所确定的日内调度方案边界条件，以及步骤4获取的新能源及负荷功率日内区间数模型，建立日内优化调度问题数学模型；其目标函数为
f2＝f21+f22+f23+f24 (25)
其中，
Figure BDA0002983456120000182
为常规发电机组发电成本，对于日内调度而言T2＝8；
Figure BDA0002983456120000183
为快速启停机组运行成本；
Figure BDA0002983456120000184
为弃风成本；
Figure BDA0002983456120000185
日内优化调度问题的约束条件包含：
①有功功率平衡方程
Figure BDA0002983456120000191
②弃风约束
Figure BDA0002983456120000192
③正、负备用功率约束
Figure BDA0002983456120000193
Figure BDA0002983456120000194
Figure BDA0002983456120000195
Figure BDA0002983456120000196
其中，
Figure BDA0002983456120000197
为负荷向上、风速向下波动时的波动区间，
Figure BDA0002983456120000198
为负荷向下、风速向上波动时的波动区间；
此外，日内优化调度问题的约束条件还包含：常规发电机出力及爬坡功率约束不等式 (3)-(4)、快速启停机组约束不等式(9)-(12)、柔性负荷约束方程(15)-(16)；
式(25)所描述的电力***日内调度区间优化问题目标函数f2为区间函数，设其上下界分别为
Figure BDA0002983456120000199
其中：
Figure BDA00029834561200001910
设区间目标函数均值为
Figure BDA00029834561200001911
目标函数半径为
Figure BDA00029834561200001912
将区间目标函数转换为
Figure BDA00029834561200001913
β2为加权系数，此处取β2＝0.1；
设电力***日内调度区间优化问题的有功功率平衡方程(26)、备用约束方程(28)及式(30) 成立的区间可能度分别为为ζ21＝0.95、ζ22＝0.99及ζ23＝0.99，根据区间可能度理论，式(2 6)、式(28)及(30)可分别转化为：
Figure BDA00029834561200001914
Figure BDA0002983456120000201
Figure BDA0002983456120000202
由此，日前调度区间优化问题可转化为如下确定性问题：
min F2 (35)
约束条件包括式(3)-(4)、式(9)-(12)、式(15)-(16)、式(27)、(29)、(31)以及式(32)-(34)；将步骤4中求得的常规机组的开机状态保持及A类柔性负荷的调控量作为边界条件代入计算，应用混合整数线性规划方法求解上述确定性问题，得出日内调度区间优化方案。
我们在本例中按照前述实施例的方式进行经济性及安全性的校核。
表8给出了A、B两种方案的综合性能对比，由表8可见，方案B的***日运营费用显著降低，且波动区间均值与波动范围小，即方案B的经济性更好；同时方案B发生正、负备用不足的概率较方案A低，表明日前-日内协同调度可以充分利用发电机组和柔性负荷的多时间尺度特性，有效平抑新能源功率及负荷功率不确定性所引起的功率不平衡量，可以兼顾经济性和安全性需求。
表8.日前调度与日前-日内协同调度方案的综合性能对比
Figure BDA0002983456120000203
A---日前调度方案；B---日前-日内协同调度方案；
方案A与方案B的常规发电机总发电量对比图如图5所示，弃风量对比图如图6所示，由图5、6可见，方案B常规发电机总发电量及弃风量都小于方案A的总发电量和弃风量，表明方案B能更多地消纳新能源，减少能源浪费并降低运营成本，缓解了常规发电机组的调峰压力并减小其发电成本，提高了***运营的经济性。
方案B***的功率平衡示意图如图7所示，由图7可见，调度后的***总发电功率与总负荷功率均在一定区间内波动，在整个调度周期内，发电功率大于负荷功率的可能度大于预设值；在调度方案B下，各时刻***满足功率平衡及正、负备用约束的区间可能度如图8所示，由图8可见，夜间0：00-5：00，由于风电功率在此时间段内较为充足，因此***主要问题在于向下调节的备用功率不足，即***易发生负备用不足的现象；在日间13：00-17：00，由于此时间段内负荷功率较高，且风电在白天出力较小，因此***正备用功率不足的问题较为突出。
根据本发明另一方面的实施例，结合图1所示的实例，还提出一种电力***日前-日内协同调度***，例如以服务器或者服务器阵列的方式实施，其包括：
一个或多个处理器；
存储器，存储可***作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括执行前述任意实施例的电力***日前-日内协同调度方法的实现过程，尤其是图1实施例的具体实现过程。
综上所述，本发明的计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法克服了现有技术所存在的需要确知新能源及负荷不确定性变量的概率分布、计算量大以及日前调度方案不够精细的技术缺陷，在新能源及负荷日前与日内预测数据的基础上，利用新能源及负荷的预测误差随时间尺度减小而减小的特点，考虑各类机组的灵活性及柔性负荷的多时间尺度特性，综合考虑发电机运行成本、新能源弃风、弃光惩罚代价以及柔性负荷参与电力***调度所需费用，构建了电力***日前-日内协同调度的区间问题数学模型；运用区间优化理论，将不确定性目标函数及约束函数转化为确定性问题求解，与机会约束规划方法相比，具有对输入数据信息要求较低、决策灵活性好、计算速度快的等优点；最后，对日前-日内协同调度方案进行了仿真校核，验证了本发明所提出的日前-日内协同调度方案可以更好地消纳新能源，减少资源浪费，在不确定性场景下兼顾了***运行的经济性和安全性。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (5)

1.一种计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法，其特征在于，包括以下步骤：
步骤1、获取电力***数据以及新能源和负荷日前预测数据；
步骤2、构建日前调度区间优化问题数学模型；
步骤3、确定日前调度方案及日内调度的边界条件；
步骤4、获取新能源及负荷日内滚动预测数据；以及
步骤5、基于步骤3所确定的日内调度方案边界条件，以及步骤4获取的新能源及负荷日内区间数模型，构建日内调度问题数学模型并求解日内调度方案；
其中，所述电力***数据包括常规发电机组和快速启停机组最大和最小输出功率、机组启停费用、运行成本系数、爬坡功率、最小开机和停机时间，A、B、C三类柔性负荷Pila、Pilb、Pilc的分档数和每档的可削减负荷最大容量、成本系数、需求响应的弹性系数以及最大累计中断时间，其中A类柔性负荷需提前24h告知用户，B类柔性负荷提前告知用户的时间为15min-2h，C类柔性负荷提前告知用户的时间为5-15min；
所述新能源和负荷日前预测数据包括未来24小时风电场及光伏电站的输出功率Pwt、Ppv的每小时的预测值及其日前预测误差的波动区间，未来24小时***负荷Pl每小时的预测值及其日前预测误差的波动区间；
其中，所述步骤2中，构建日前调度区间优化问题数学模型的过程包括：
假设新能源发电日前预测值为
Figure FDA0003731596870000011
其日前预测误差
Figure FDA0003731596870000012
位于区间
Figure FDA0003731596870000013
内，上标“+”表示区间数上界，上标“-”表示区间数下界，由此得到新能源发电功率PN1的上界为
Figure FDA0003731596870000014
下界为
Figure FDA0003731596870000015
PN1的日前区间数模型为
Figure FDA0003731596870000016
由此分别建立风力及光伏发电的日前区间数模型
Figure FDA0003731596870000017
假设负荷日前预测值为
Figure FDA0003731596870000018
其日前预测误差
Figure FDA0003731596870000019
位于区间
Figure FDA00037315968700000110
内，由此得到负荷功率Pl1的上界为
Figure FDA00037315968700000111
下界为
Figure FDA00037315968700000112
则负荷功率的日前区间数模型为
Figure FDA00037315968700000113
取日前调度的时间尺度为15分钟，日内调度时间尺度为15分钟，对每小时新能源及负荷的预测值进行线性插值，以此作为每隔15分钟的日前预测值，在此基础上进行日前调度；
由此，将电力***日前调度优化问题的目标函数描述为：
min f1＝f11+f12+f13+f14 (1)
其中，f11表示常规发电机组的运行费用，f12表示快速启停机组运行成本，f13表示弃风惩罚费用，f14表示为A、B、C三类柔性负荷的调控费用；
同时，确定电力***日前调度优化问题约束条件，包括：
有功功率平衡；
常规发电机出力及爬坡功率约束；
常规发电机最小开停机时间约束；
常规发电机组冷热启动约束；
快速启停机组最大最小功率及爬坡功率约束；
快速启停机组最小开机时间最小停机时间约束；
柔性负载约束；
弃风约束；以及
正、负备用功率约束；
由上述公式(1)以及以上九个约束条件构成日前调度区间优化问题的数学模型；
其中，所述目标函数的表达中，常规发电机组的运行费用f11、快速启停机组运行成本f12、表示弃风惩罚费用f13以及A、B、C三类柔性负荷的调控费用f14的获取包括：
1)常规发电机组的运行费用f11：
Figure FDA0003731596870000021
Figure FDA0003731596870000022
表示常规机组启停成本；
Figure FDA0003731596870000023
表示为发电成本；
其中，
Figure FDA0003731596870000024
为常规发电机台数,T1为调度周期，T1＝96，
Figure FDA0003731596870000025
分别为j时刻第i台常规发电机的启动控制0-1变量、冷启动控制0-1变量；
Figure FDA0003731596870000026
为“1”分别表示j时刻第i台常规发电机接受启动或冷启动指令，
Figure FDA0003731596870000027
为“0”则表示j时刻无启动或冷启动指令；
Chot,i、Ccold,i分别为第i台常规发电机的热启动费用和冷启动费用，
Figure FDA0003731596870000028
为0-1变量，为“1”表示j时刻第i台常规发电机处于开机状态，为“0”则表示处于停机状态；
Figure FDA0003731596870000029
为第i台常规发电机的发电成本系数，
Figure FDA00037315968700000210
为j时刻第i台常规发电机的功率；
Figure FDA0003731596870000031
为快速启停机组运行成本，
Figure FDA0003731596870000032
为快速启动发电机台数；
Figure FDA0003731596870000033
为第i台快速启停机组的运行成本系数，
Figure FDA0003731596870000034
为j时刻第i台快速启停机组的功率，
Figure FDA0003731596870000035
为快速启停机组的启动控制0-1变量，
Figure FDA0003731596870000036
为“1”分别表示j时刻第i台快速启停机组接受启动指令，
Figure FDA0003731596870000037
为第i台快速启停机组的启动成本；
Figure FDA0003731596870000038
为弃风惩罚费用，其中
Figure FDA0003731596870000039
为j时刻削减的风电功率，Cw为弃风惩罚因子；
Figure FDA00037315968700000310
为A、B、C三类柔性负荷的调控费用，ns为柔性负荷的分档数，其中
Figure FDA00037315968700000311
分别为j时刻A、B、C三类柔性负荷s档的调控功率，由于柔性负荷响应具有弹性，故
Figure FDA00037315968700000312
为区间数，
Figure FDA00037315968700000313
分别为A、B、C三类柔性负荷以s档参与调控时的代价因子；
其中，所述电力***日前调度优化问题约束条件包括：
①有功功率平衡方程
Figure FDA00037315968700000314
式(2)中，左边为常规发电机组、快速启停机组及风力发电的总和，右边为***总负荷减去3类柔性负荷的削减量，该有功功率平衡方程为区间等式；
②常规发电机出力及爬坡功率约束
Figure FDA00037315968700000315
Figure FDA00037315968700000316
式(3)中
Figure FDA00037315968700000317
分别为第i台常规发电机的最小和最大功率，
Figure FDA00037315968700000318
分别表示第i台常规发电机向下和向上爬坡功率的极限值；
③常规发电机最小开停机时间约束
Figure FDA00037315968700000319
Figure FDA00037315968700000320
式(5)、(6)中
Figure FDA00037315968700000321
分别为第i台常规发电机的最小开机时间和最小停机时间；
④常规发电机组冷热启动约束
Figure FDA0003731596870000041
Figure FDA0003731596870000042
式(7)、(8)为j时刻对第i台常规发电机冷启动和热启动的约束，
Figure FDA0003731596870000043
为第i台常规发电机的冷启动时间；
⑤快速启停机组最大最小功率及爬坡功率约束
Figure FDA0003731596870000044
Figure FDA0003731596870000045
式(9)是快速启动发电机最小、最大功率约束，
Figure FDA0003731596870000046
分别为第i台快速启停机组的最小和最大功率，
Figure FDA0003731596870000047
为0-1变量，为“1”表示j时刻第i台快速机组处于开机状态，为“0”则表示处于停机状态；式(10)是快速机组向下、向上爬坡功率约束，
Figure FDA0003731596870000048
分别表示第i台快速启停机组向下和向上爬坡功率的极限值；
⑥快速启停机组最小开机时间最小停机时间约束
Figure FDA0003731596870000049
Figure FDA00037315968700000410
式(11)、式(12)分别为j时刻对第i台快速机组最小开机时间
Figure FDA00037315968700000411
最小停机时间
Figure FDA00037315968700000412
的约束，
Figure FDA00037315968700000413
为截止j时刻第i台快速机组的连续运行时间，
Figure FDA00037315968700000414
为截止j时刻第i台快速机组的连续停机时间；
⑦弃风约束
Figure FDA00037315968700000415
式(13)中
Figure FDA00037315968700000416
分别为日前调度中j时刻削减的风功率及风功率波动区间下界；
⑧柔性负荷约束
Figure FDA00037315968700000417
Figure FDA00037315968700000418
Figure FDA00037315968700000419
其中，Pila,s,j、Pilb,s,j、Pilc,s,j为j时刻A、B、C三类柔性负荷s档调控功率，
Figure FDA00037315968700000420
为A、B、C三类柔性负荷s档的调控功率最大值，
Figure FDA00037315968700000421
及
Figure FDA00037315968700000422
分别为A、B、C三类柔性负荷s档响应系数的弹性波动区间；
⑨正、负备用功率约束
Figure FDA0003731596870000051
Figure FDA0003731596870000052
Figure FDA0003731596870000053
Figure FDA0003731596870000054
其中，
Figure FDA0003731596870000055
为j时刻常规机组和快速机组所能提供的正备用功率，r为备用系数，
Figure FDA0003731596870000056
Figure FDA0003731596870000057
为j时刻常规机组和快速机组所能提供的负备用功率，
Figure FDA0003731596870000058
为负荷向上、风速向下波动时的波动区间，
Figure FDA0003731596870000059
为负荷向下、风速向上波动时的波动区间；
其中，所述确定日前调度方案及日内调度的边界条件，包括：
首先，由于公式(1)所描述的电力***日前调度区间优化问题目标函数f1为区间函数，设其上下界分别为f1 +、f1 -，其中：
Figure FDA00037315968700000510
Figure FDA00037315968700000511
设区间目标函数均值为
Figure FDA00037315968700000512
目标函数半径为
Figure FDA00037315968700000513
将区间目标函数转换为F1＝(1-β1)f1 m+β1f1 w，β1为加权系数；
然后，将电力***日前调度区间优化问题中的公式(2)、公式(17)及(19)所确定的区间不等式约束在预定的区间可能度下，转换为确定性不等式，设有功功率平衡、备用约束方程成立的区间可能度分别为ζ11、ζ12及ζ13，则根据区间可能度原理，公式(2)、公式(17)及(19)分别转化为：
Figure FDA00037315968700000514
Figure FDA00037315968700000515
Figure FDA0003731596870000061
由此，将日前调度区间优化问题转化为如下确定性问题：
min F1 (24)
公式(24)的约束条件包括式公(3)-(16)、公式(18)、(20)以及公式(21)-(23)；
最后，应用混合整数线性规划方法求解上述确定性问题，得出日前调度区间优化方案，由此确定日内调度问题的边界条件，即：常规机组的开机状态保持不变，A类柔性负荷的调控量保持不变，而快速启停机组的启停状态以及B、C两类柔性负荷的柔性负荷则需要在日内调度中调整。
2.根据权利要求1所述的计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法，其特征在于，所述获取新能源及负荷日内滚动预测数据，包括
每隔15分钟对未来2小时的风电、光伏及负荷功率进行1次超短期预测，时间尺度为15分钟；
假设新能源发电日内预测值为
Figure FDA0003731596870000062
其日内预测误差
Figure FDA0003731596870000063
位于区间
Figure FDA0003731596870000064
内，由此得到新能源发电功率PN2的上界为
Figure FDA0003731596870000065
下界为
Figure FDA0003731596870000066
PN2的日内区间数模型为
Figure FDA0003731596870000067
由此建立风力及光伏发电的日内区间数模型
Figure FDA0003731596870000068
假设负荷日内预测值为
Figure FDA0003731596870000069
其日内预测误差
Figure FDA00037315968700000610
位于区间
Figure FDA00037315968700000611
内，由此得到负荷功率Pl2的上界为
Figure FDA00037315968700000612
下界为
Figure FDA00037315968700000613
则负荷功率的日内区间数模型为
Figure FDA00037315968700000614
3.根据权利要求2所述的计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法，其特征在于，所述构建日内调度问题数学模型并求解日内调度方案，包括：
建立日内优化调度问题数学模型，其目标函数为：
f2＝f21+f22+f23+f24 (25)
Figure FDA00037315968700000615
为常规发电机组发电成本，T2＝8；
Figure FDA00037315968700000616
为快速启停机组运行成本；
Figure FDA00037315968700000617
为弃风成本；
Figure FDA0003731596870000071
确定日内优化调度问题的约束条件，包括：
有功功率平衡；
弃风约束；
正、负备用功率约束；
常规发电机出力及爬坡功率约束；
快速启停机组约束；以及
柔性负荷约束。
4.根据权利要求3所述的计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法，其特征在于，所述日内优化调度问题的约束条件包括：
①有功功率平衡方程
Figure FDA0003731596870000072
②弃风约束
Figure FDA0003731596870000073
③正、负备用功率约束
Figure FDA0003731596870000074
Figure FDA0003731596870000075
Figure FDA0003731596870000076
Figure FDA0003731596870000077
其中，
Figure FDA0003731596870000078
为负荷向上、风速向下波动时的波动区间，
Figure FDA0003731596870000079
为负荷向下、风速向上波动时的波动区间；
常规发电机出力及爬坡功率约束，即由所述公式(3)-(4)确定的约束；
快速启停机组约束，即由所述公式(9)-(12)确定的约束；以及
柔性负荷约束方程，即即由所述公式(15)-(16)确定的约束；
由此，由于公式(25)所描述的电力***日内调度区间优化问题目标函数f2为区间函数，设其上下界分别为
Figure FDA00037315968700000710
其中：
Figure FDA0003731596870000081
Figure FDA0003731596870000082
设区间目标函数均值为
Figure FDA0003731596870000083
目标函数半径为
Figure FDA0003731596870000084
将区间目标函数转换为
Figure FDA0003731596870000085
β2为加权系数；
设电力***日内调度区间优化问题的有功功率平衡方程(26)、备用功率约束方程(28)及(30)成立的区间可能度分别为ζ21、ζ22及ζ23，根据区间可能度原理，将公式(26)、(28)及(30)分别转化为：
Figure FDA0003731596870000086
Figure FDA0003731596870000087
Figure FDA0003731596870000088
然后，根据区间可能度原理，将日前调度区间优化问题转化为如下确定性问题：
min F2 (35)
约束条件包括式(3)-(4)、式(9)-(12)、式(15)-(16)、式(27)、(29)、(31)以及式(32)-(34)；
再将步骤4获得的常规机组的开机状态保持及A类柔性负荷的调控量作为边界条件代入计算，应用混合整数线性规划方法求解上述确定性问题，得出日内调度区间优化方案；
由此，生成k时刻的日前-日内协同调度方案，并进一步判断k是否达到96，如果是则输出日前-日内协同调度方案，如果否，则令k＝k+1，返回步骤4处理，直到k达到96。
5.一种计及新能源及负荷区间不确定性的电力***日前-日内协同调度***，其特征在于，包括：
一个或多个处理器；
存储器，存储可***作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括执行所述权利要求1-4中任意一项所述电力***日前-日内协同调度方法的过程。
CN202110293668.XA 2021-03-19 2021-03-19 计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法与*** Active CN113193547B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110293668.XA CN113193547B (zh) 2021-03-19 2021-03-19 计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法与***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110293668.XA CN113193547B (zh) 2021-03-19 2021-03-19 计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法与***

Publications (2)

Publication Number Publication Date
CN113193547A CN113193547A (zh) 2021-07-30
CN113193547B true CN113193547B (zh) 2022-09-06

Family

ID=76973457

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110293668.XA Active CN113193547B (zh) 2021-03-19 2021-03-19 计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法与***

Country Status (1)

Country Link
CN (1) CN113193547B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114050609B (zh) * 2021-11-05 2023-11-24 国网江苏省电力有限公司盐城供电分公司 一种高比例新能源电力***自适应鲁棒日前优化调度方法
CN114050570B (zh) * 2021-11-17 2024-03-01 许继集团有限公司 一种源网荷储***协同调控方法及装置
CN114156883B (zh) * 2021-12-09 2024-04-26 国网(苏州)城市能源研究院有限责任公司 考虑源荷双重随机性的功率与备用协同优化的建模方法
CN114336783B (zh) * 2022-01-07 2022-09-27 国网能源研究院有限公司 一种适应于市县新能源消纳优化方法和***
CN114764652A (zh) * 2022-02-28 2022-07-19 国网浙江省电力有限公司 一种考虑中长期调度的多周期协调电力平衡***及方法
CN115828497B (zh) * 2022-09-21 2023-11-28 中国电力科学研究院有限公司 融合蒙特卡洛与区间数的电网网络阻塞分析方法及***
CN116454924B (zh) * 2023-06-16 2023-09-29 华东交通大学 一种基于相关系数的柔性负荷功率调控方法
CN116760025B (zh) * 2023-06-25 2024-05-24 南京国电南自电网自动化有限公司 电力***的风险调度优化方法和***

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5908302B2 (ja) * 2012-02-27 2016-04-26 株式会社東芝 蓄電蓄熱最適化装置、最適化方法及び最適化プログラム
CN111641233A (zh) * 2020-05-25 2020-09-08 国网江苏省电力有限公司 一种考虑新能源及负荷不确定性的电力***日内灵活调峰方法

Also Published As

Publication number Publication date
CN113193547A (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
CN113193547B (zh) 计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法与***
CN112104007B (zh) 一种广义源储***调度的集中控制方法
CN107895971B (zh) 基于随机规划和模型预测控制的区域能源互联网调度方法
CN105046395B (zh) 一种含多类型新能源的电力***日内滚动计划编制方法
CN107800153B (zh) 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法
CN111697578B (zh) 多目标含储能区域电网运行控制方法
CN110535132B (zh) 一种基于鲁棒优化的电力***建设规划方法
CN110350589B (zh) 一种可再生能源和储能调度模型及调度方法
CN112053034B (zh) 一种考虑风电不确定性分布特征的电网可调节鲁棒优化调度方法
CN115276008B (zh) 考虑调峰调频需求的电力***新能源承载能力评估方法
CN111641233A (zh) 一种考虑新能源及负荷不确定性的电力***日内灵活调峰方法
CN114648195A (zh) 一种电网多层级辅助服务中的储能电站智能协同调控办法
CN105244870A (zh) 一种快速计算电网风电场弃风率及机组发电量的方法
CN114336599A (zh) 一种独立型微电网动态优化调度方法
Nassourou et al. Economic model predictive control for energy dispatch of a smart micro-grid system
CN115528674A (zh) 基于减载运行的海上风电场虚拟惯量最优分配方法及***
CN114444851A (zh) 一种计及旋转备用服务的虚拟电厂优化调度方法及***
CN114301071A (zh) 适应全调度周期考核模式的风电场计划偏差率整定方法
CN116760025B (zh) 电力***的风险调度优化方法和***
CN110676846B (zh) 电力调峰方法、调度中心及电力调峰***
CN114928052A (zh) 考虑深度调峰的高渗透率新能源电网调度方法及***
CN113078639B (zh) 考虑空调负荷与频率响应的高比例风电***优化调度方法
CN114971069A (zh) 一种计及源荷不确定性及频率安全的电力***区间优化调度方法
CN114389262A (zh) 一种弹性环境下基于鲁棒优化的区域电网调度方法
CN112054553A (zh) 电热气互联***协调优化运行方法、***、介质及设备

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