CN116562563A - 一种基于最小惯量需求评估的电力***优化运行方法 - Google Patents

Abstract

本发明公开了一种基于最小惯量需求评估的电力***优化运行方法，包括如下步骤：1)搭建频率响应模型，2)基于新能源发电的高阶不确定性对预测误差的可行域建模，3)构建两阶段分布鲁棒优化调度模型并分解分主、子问题进行迭代求解，主、子问题通过割集连接，4)满足收敛条件时，将结束进程并输出优化结果，改进后的方法相比常规的电力***调度方法，频率变化率降低，拟合误差更小，在兼顾鲁棒性和经济性的同时能够合理地安排***调度计划，提高***的惯性响应能力，使电力***更加安全可靠的运行。

Description

一种基于最小惯量需求评估的电力***优化运行方法

技术领域

本发明涉及一种基于最小惯量需求评估的电力***优化运行方法，属于电力***优化调度技术领域。

背景技术

随着可再生能源的发电量在电网中的占比不断提高，新能源出力呈现出的不确定性以及新能源机组对电网表现出的低惯量特征给电网稳定运行带来了挑战。因此，为了提高电网在受到故障冲击时的稳定运行能力，对新能源电力***的惯量水平进行评估至关重要。

传统的调度方法主要以经济性最优为目标，仅考虑电力***中新能源发电的高渗透率要求难以保障***的安全运行。因此，为在保障***频率稳定需求的前提下提升***经济运行水平，增强***安全稳定运行能力，本发明提出了一种基于最小惯量需求评估的电力***优化运行方法，该方法充分考虑了新能源的不确定性和动态频率变化，建立两阶段分布鲁棒优化调度模型，在考虑最小惯量需求的基础上得到***的最佳运行结果，实现电力***规划的经济效益最优。

发明内容

本发明提供一种基于最小惯量需求评估的电力***优化运行方法，用来克服***惯量减小而导致的***频率偏差过大的缺陷，提高电力***的安全稳定运行能力。

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明公开了一种基于最小惯量需求评估的电力***优化运行方法，包括如下步骤：

1)搭建频率响应模型，测算***应对有功扰动情况下的最小惯量需求，建立最小惯量需求约束、频率最低点约束和准稳态频率约束。引入机械功率增益k_Gc、k_Wc和调速器时间常数T_Gc，提出了如图1所示的***频率响应等值模型：

式中，P_Gi表示火电机组i的功率，P_Wi表示新能源机组j的功率，v_i,t表示时段t火电机组i的运行状态，N_m、N_wc表示***中具备调频能力的火电机组和新能源机组数量，n表示***的机组总数，且N_m+N_wc≤n，P_Ni为第i个机组的功率，T_Gi表示火电机组i的调速器时间常数，k_i表示第i个火电机组的增益系数。

当***遭遇大功率的扰动时，频率变化率的最大值由功率缺额和***总惯量决定，各时段t内***最小惯量需求如下：

式中，表示***的频率变化率，Δf_max表示频率变化率的最大值，ΔP_ctg(t)表示时段t的功率缺额，f₀表示***初始频率，H_sys,t表示时段t的***惯量，H_sys,min表示***的最小惯量需求，v_j,t表示时段t新能源机组j的运行状态，N_G表示火电机组的数量，N_W表示新能源机组的数量，H_i,t表示时段t火电机组i的惯量，H_j,t表示时段t新能源机组j的惯量。

2)为了保证动态频率的最大偏移量不超过***设定的低频减载动作整定值，所构建的最低频率约束为：

式中，表示***设定的低频减载动作整定值，Δω(t^z)表示频率最大偏移量。

当频率到达准稳态时，***频率接近于稳定值，此时假设该时刻频率变化率为0，得到准稳态频率约束：

式中，Δf^ss表示准稳态频率偏差，ΔP_L表示负荷功率变化量，ΔP_G表示火电机组功率变化量，ΔP_W表示新能源机组功率变化量，P_d表示***的总负荷，D表示负荷阻尼系数，表示准稳态允许的最大频率偏差。

3)为考虑新能源发电的高阶不确定性，基于正态云模型的新能源预测误差的可行域建模，云的确定度与概率之间的映射关系如下：

式中：p(x_i)表示概率，μ(x_i)表示定性概念X量化表示的确定度，s表示新能源预测误差为x的确定度的数量，α表示检验确定度与概率一致性的常数，且α∈[0,1]，随着α的增大，二者一致性也逐渐增大；M表示从正态云模型抽样的云滴个数。

为使得求取的新能源预测误差概率分布值在合理的范围内波动，需对新能源场景的概率分布值进行限制：

式中，p_u表示场景u发生的概率，U表示场景数量，表示云模型得到的场景u发生的概率初始值，θ₁、θ_∞表示概率允许偏差限值。

{p_u}需满足的置信度如下所示：

式中，α₁、α_∞表示概率分布值的置信度。

4)构建的两阶段分布鲁棒优化调度模型将日前电力***调度问题作为第一阶段，考虑最小惯量需求约束并制定机组运行计划方案；第二阶段基于日前电力***调度计划，考虑新能源的不确定性并建立新能源预测误差概率模糊集，研究***的鲁棒经济运行问题，建立***的频率响应全过程约束。

5)将两阶段分布鲁棒优化调度模型进行分解，其中主问题为考虑最小惯量约束的***优化调度问题，其目标函数为：

式中，s_ui表示机组的启动成本，s_di表示机组的停机成本，z_i,t表示机组i在时段t的启动状态，1表示启动，0表示不启动；u_i,t表示机组i在时段t的停运状态，1表示停运，0表示不停运；η表示子问题的目标函数值，T和N_G分别表示调度时间和火电机组的数量。当不满足最小惯量需求约束时需要改变机组启停方式来保证有足够的惯量支撑，返回的优化割为：

式中，为不满足最小惯量需求约束时的***惯量。

6)两阶段分布鲁棒优化调度模型分解得到的子问题为新能源不确定性和频率动态稳定校验的优化问题，目标函数如下：

式中，a_i、b_i和c_i表示机组i的煤耗成本函数的系数，U表示新能源预测误差离散场景的数量，P_i,t表示时段t火电机组的实际出力，P_u表示场景u发生的概率，为满足可行域的随机值；N_W表示新能源机组的数量c_j,t表示新能源的惩罚价格系数，表示时段t第j个新能源场的弃风弃光量。

子问题在主问题给定的变量下，寻找运行时新能最恶劣的概率分布下的弃风弃光量，并返回给主问题供下一次迭代使用，且为上式提供上界值。为检测第一阶段变量可行性，需要检验***的安全稳定运行问题，引入松弛变量ξ_n,t构建可行性校验子问题并生成可行割：

v_i,tP_i ^min≤P_i,t≤v_i,tP_i ^max

P_i,t-P_i,t-1≤r_i ^up·v_i,t-1+P_i ^max·(1-v_i,t-1)

P_i,t-1-P_i,t≤r_i ^dn·v_i,t+P_i ^max·(1-v_i,t)

ξ_l,t≥0

-γ_1,lt-γ_2,lt≤1

-1≤γ_3,t≤1

式中，η_C表示可行性校验子问题的目标函数值，γ_1,lt、γ_2,lt、γ_3,t表示约束式对偶变量，ξ_l,t表示引入的松弛变量，表示火电机组节点到线路l的功率转移因子，/>表示新能源机组节点到线路l的功率转移因子，/>表示线路最大的传输容量，P_i ^max、P_i ^min表示机组i允许的最大、最小输出功率，r_i ^up、r_i ^dn表示机组i的向上、向下爬坡速率，/>表示新能源场在时段t的出力值。

7)在迭代过程中，校验子问题增加的可行性割集为：

若通过可行性检验，则进一步求解子问题：

若不能满足收敛条件则需要返回最优割集式到主问题，修正当前***调度结果：

8)主、子问题通过割集连接，当结果满足收敛条件时，将结束进程停止迭代并输出最优解，否则增加最优割集重新求解***优化调度模型的主问题。

本发明所达到的有益效果是：在考虑新能源的不确定性以及最小惯量需求约束和动态频率约束的基础上，建立的含高比例新能源电力***的两阶段分布鲁棒优化调度模型能够协调同步惯量和虚拟惯量控制作用，限制***频率最大偏移量与准稳态频率的变化，可以降低扰动后的频率变化率，在确保各时段***惯量充裕性和动态频率响应能力的前提下合理地安排***的调度计划，降低了传统鲁棒的保守性，提高了***的惯性响应能力。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明的***频率响应等值模型。

图2是本发明的算法流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1

一种基于最小惯量需求评估的电力***优化运行方法，包括如下步骤：

步骤1)搭建频率响应模型，测算***应对有功扰动情况下的最小惯量需求，建立最小惯量需求约束、频率最低点约束和准稳态频率约束。引入机械功率增益k_Gc、k_Wc和调速器时间常数T_Gc，提出了如图1所示的***频率响应等值模型：

式中，P_Gi表示火电机组i的功率，P_Wi表示新能源机组j的功率，v_i,t表示时段t火电机组i的运行状态，N_m、N_wc表示***中具备调频能力的火电机组和新能源机组数量，n表示***的机组总数，且N_m+N_wc≤n，P_Ni为第i个机组的功率，T_Gi表示火电机组i的调速器时间常数，K_i表示第i个火电机组的增益系数。

当***遭遇大功率的扰动时，频率变化率的最大值由功率缺额和***总惯量决定，各时段t内***最小惯量需求如下：

式中，表示***的频率变化率，Δf_max表示频率变化率的最大值，ΔP_ctg(t)表示时段t的功率缺额，f₀表示***初始频率，H_sys,t表示时段t的***惯量，H_sys,min表示***的最小惯量需求，v_j,t表示时段t新能源机组j的运行状态，N_G表示火电机组的数量，N_W表示新能源机组的数量，H_i,t表示时段t火电机组i的惯量，H_j,t表示时段t新能源机组j的惯量，v_i,t表示时段t火电机组i的运行状态。

步骤2)为了保证动态频率的最大偏移量不超过***设定的低频减载动作整定值，所构建的频率最低点约束为：

式中，表示***设定的低频减载动作整定值，Δω(t^z)表示频率最大偏移量。

当频率到达准稳态时，***频率接近于稳定值，此时假设该时刻频率变化率为0，得到准稳态频率约束：

式中，Δf^ss表示准稳态频率偏差，ΔP_L表示负荷功率变化量，ΔP_G表示火电机组功率变化量，ΔP_W表示新能源机组功率变化量，P_d表示***的总负荷，D表示负荷阻尼系数，表示准稳态允许的最大频率偏差。

步骤3)为考虑新能源发电的高阶不确定性，基于正态云模型的新能源预测误差的可行域建模，云的确定度与概率之间的映射关系如下：

式中：p(x_i)表示概率，μ(x_i)表示定性概念X量化表示的确定度，s表示新能源预测误差为x的确定度的数量，α表示检验确定度与概率一致性的常数，且α∈[0,1]，随着α的增大，二者一致性也逐渐增大；M表示从正态云模型抽样的云滴个数。

为使得求取的新能源预测误差概率分布值在合理的范围内波动，提出基于正态云模型构建新能源预测误差模糊集的方法是从正态云模型抽样M个云滴，根据确定度与概率转换得到每个预测误差场景的初始概率值，考虑到各离散场景初始概率分布的不确定性，以初始概率分布值为中心，综合范数条件为约束对新能源场景的概率分布值进行限制。

式中，p_u表示场景u发生的概率，U表示场景数量，表示云模型得到的场景u发生的概率初始值，θ₁、θ_∞表示概率允许偏差限值。

{p_u}需满足的置信度如下所示：

式中，α₁、α_∞表示概率分布值的置信度。

步骤4)构建的两阶段分布鲁棒优化调度模型将日前电力***调度问题作为第一阶段，考虑最小惯量需求约束并制定机组运行计划方案；第二阶段基于日前电力***调度计划，考虑新能源的不确定性并建立新能源预测误差概率模糊集，研究***的鲁棒经济运行问题，建立***的频率响应全过程约束。

步骤5)将两阶段分布鲁棒优化调度模型进行分解，其中主问题为考虑最小惯量约束的***优化调度问题，其目标函数为：

式中，s_ui表示机组的启动成本，s_di表示机组的停机成本，z_i,t表示机组i在时段t的启动状态，1表示启动，0表示不启动；T和N_G分别表示调度时间和火电机组的数量；u_i,t表示机组i在时段t的停运状态，1表示停运，0表示不停运；η表示子问题的目标函数值。当不满足最小惯量需求约束时需要改变机组启停方式来保证有足够的惯量支撑，返回的优化割为：

式中，为不满足最小惯量需求约束时的***惯量。

步骤6)两阶段分布鲁棒优化调度模型分解得到的子问题为新能源不确定性和频率动态稳定校验的优化问题，目标函数如下：

式中，a_i、b_i和c_i表示机组i的煤耗成本函数的系数，U表示新能源预测误差离散场景的数量，P_i,t表示时段t火电机组的实际出力，P_u表示场景u发生的概率，为满足可行域的随机值；N_W表示新能源机组的数量，c_j,t表示新能源的惩罚价格系数，表示时段t的弃风弃光量。

子问题在主问题给定的变量下，寻找运行时新能最恶劣的概率分布下的弃风弃光量，并返回给主问题供下一次迭代使用，且为上式提供上界值。为检测第一阶段变量可行性，需要检验***的安全稳定运行问题，引入松弛变量ξ_n,t构建可行性校验子问题并生成可行割：

v_i,tP_i ^min≤P_i,t≤v_i,tP_i ^max

P_i,t-P_i,t-1≤r_i ^up·v_i,t-1+P_i ^max·(1-v_i,t-1)

P_i,t-1-P_i,t≤r_i ^dn·v_i,t+P_i ^max·(1-v_i,t)

ξ_l,t≥0

-γ_1,lt-γ_2,lt≤1

-1≤γ_3,t≤1

式中，η_C表示可行性校验子问题的目标函数值，γ_1,lt、γ_2,lt、γ_3,t表示约束式的对偶变量，ξl,t表示引入的松弛变量，表示火电机组节点到线路l的功率转移因子，/>表示新能源机组节点到线路l的功率转移因子，/>表示线路最大的传输容量，P_i ^max、P_i ^min表示机组i允许的最大、最小输出功率，r_i ^up、r_i ^dn表示机组i的向上、向下爬坡速率，/>表示新能源场在时段t的出力值。

步骤7)在迭代过程中，校验子问题增加的可行性割集为：

若通过可行性检验，则进一步求解子问题：

若不能满足收敛条件则需要返回最优割集式到主问题，修正当前***调度结果：

步骤8)主、子问题通过割集连接，当结果满足收敛条件时，将结束进程停止迭代并输出最优解，否则增加最优割集重新求解***优化调度模型的主问题。

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 (4)

1.一种基于最小惯量需求评估的电力***优化运行方法，其特征在于，包括如下步骤：

步骤1)搭建频率响应模型，测算***应对有功扰动情况下的最小惯量需求，建立最小惯量需求约束、频率最低点约束和准稳态频率约束；

步骤2)基于新能源发电的高阶不确定性对预测误差的可行域建模；

步骤3)构建两阶段分布鲁棒优化调度模型并分解为主、子问题进行迭代求解，主问题为考虑最小惯量需求约束的***优化调度问题，子问题为新能源不确定性和频率动态稳定校验的优化问题，主、子问题通过割集连接；

步骤4)满足收敛条件时，将结束进程并输出优化结果。

2.根据权利要求1所述的一种基于最小惯量需求评估的电力***优化运行方法，其特征在于，所述步骤1)中的搭建频率响应模型并建立最小惯量需求约束、频率最低点约束和准稳态频率约束包括以下步骤：

21)引入火电机组和新能源机组的机械功率增益k_Gc、k_Wc和调速器时间常数T_Gc，利用参数等值聚合的方法，提出***频率响应等值模型：

式中，P_Gi表示火电机组，P_Wi表示新能源机组j的功率，v_i,t表示时段t火电机组i的运行状态，N_m、N_wc分别表示***中具备调频能力的火电机组和新能源机组数量，n表示***的机组总数，且N_m+N_wc≤n，P_Ni为第i个机组的功率，T_Gi表示火电机组i的调速器时间常数，k_i表示第i个火电机组的增益系数；

22)当***遭遇大功率的扰动时，频率变化率的最大值由功率缺额和***总惯量决定，各时段t内***最小惯量需求如下：

式中，表示***的频率变化率，Δf_max表示频率变化率的最大值，ΔP_ctg(t)表示时段t的功率缺额，f₀表示***初始频率，H_sys,t表示时段t的***惯量，H_sys,min表示***的最小惯量需求，v_j,t表示时段t新能源机组j的运行状态，N_G表示火电机组的数量，N_W表示新能源机组的数量，H_i,t表示时段t火电机组i的惯量，H_j,t表示时段t新能源机组j的惯量；

23)为了保证动态频率的最大偏移量不超过***设定的低频减载动作整定值，所构建的最低频率约束为：

式中，表示***设定的低频减载动作整定值，Δω(t^z)表示频率最大偏移量；

24)当频率到达准稳态时，***频率接近于稳定值，此时假设该时刻频率变化率为0，得到准稳态频率约束：

式中，Δf^ss表示准稳态频率偏差，ΔP_L表示负荷功率变化量，ΔP_G表示火电机组功率变化量，ΔP_W表示新能源机组功率变化量，P_d表示***的总负荷，D表示负荷阻尼系数，表示准稳态允许的最大频率偏差。

3.根据权利要求2所述的一种基于最小惯量需求评估的电力***优化运行方法，其特征在于，所述步骤2)中，新能源预测误差的可行域建模的方法如下：

31)根据云模型理论，“新能源功率预测误差”属于定性概念可以表示为x，而x则为定性概念的一次量化表示，μ(x_i)表示定性概念X量化表示的确定度；(x,μ(x_i))表示定性概念的一次具体实现，称为一个云滴，云的确定度与概率之间的映射关系如下：

式中：p(x_i)表示概率，μ(x_i)表示定性概念X量化表示的确定度，s表示新能源预测误差为x的确定度的数量，M表示从正态云模型抽样的云滴个数，α表示检验确定度与概率一致性的常数，且α∈[0,1]，随着α的增大，二者一致性也逐渐增大；

32)为使得求取的新能源预测误差概率分布值在合理的范围内波动，需对新能源场景的概率分布值进行限制：

式中，p_u表示场景u发生的概率，U表示场景数量，表示云模型得到的场景u发生的概率初始值；θ₁、θ_∞表示概率允许偏差限值；

{p_u}需满足的置信度如下所示：

式中，α₁、α_∞表示概率分布值的置信度。

4.根据权利要求3所述的一种基于最小惯量需求评估的电力***优化运行方法，其特征在于，所述步骤3)中，将两阶段分布鲁棒优化调度模型分解为主、子问题进行迭代求解的具体步骤如下：

41)两阶段分布鲁棒优化调度模型将日前电力***调度问题作为第一阶段，考虑最小惯量需求约束并制定机组运行计划方案；第二阶段基于日前电力***调度计划，考虑新能源的不确定性并建立新能源预测误差概率模糊集，研究***的鲁棒经济运行问题，建立***的频率响应全过程约束；

42)将两阶段分布鲁棒优化调度模型进行分解，其中主问题为考虑最小惯量约束的***优化调度问题，其目标函数为：

式中，s_ui表示机组的启动成本，s_di表示机组的停机成本，z_i,t表示机组i在时段t的启动状态，1表示启动，0表示不启动；u_i,t表示机组i在时段t的停运状态，1表示停运，0表示不停运；η表示子问题的目标函数值，T和N_G分别表示调度时间和火电机组的数量；当不满足最小惯量需求约束时需要改变机组启停方式来保证有足够的惯量支撑，返回的优化割为：

式中，为不满足最小惯量需求约束时的***惯量；

43)两阶段分布鲁棒优化调度模型分解得到的子问题为新能源不确定性和频率动态稳定校验的优化问题，目标函数如下：

式中，a_i、b_i和c_i表示机组i的煤耗成本函数的系数，U表示新能源预测误差离散场景的数量，P_i,t表示时段t火电机组的实际出力，P_u表示场景u发生的概率，为满足可行域的随机值；N_W表示新能源机组的数量，c_j,t表示新能源的惩罚价格系数，表示时段t第j个新能源场的弃风弃光量；

44)在迭代过程中，校验子问题增加的可行性割集为：

若通过可行性检验，则进一步求解子问题：

若不能满足收敛条件则需要返回最优割集式到主问题，修正当前***调度结果：

式中，η_C、η_s表示可行性校验子问题的目标函数值，ξ_l,t表示引入的松弛变量，其中n为样本数。