[发明专利]基于风光时空特性的梯级水电日前优化调度方法及装置

权利要求书

1.一种基于风光时空特性的梯级水电日前优化调度方法，其特征在于，包括以下步骤：

获取目标函数，通过约束条件对所述目标函数进行约束生成日前优化调度模型；

获取风光出力的历史数据，根据所述风光出力的历史数据并通过Copula函数对风电场和光伏电站的时空联合分布函数进行建模和拟合，得到高维联合分布函数；

对所述高维联合分布函数进行采样生成多个风光有功出力场景，将所述多个风光有功出力场景输入所述日前优化调度模型来描述风电和光伏发电有功出力的时空特性，生成优化调度策略；其中，所述目标函数为：

其中，N是水电站的数目；K是风电场的数目；J是光伏电站的数目；T是总时段数；Δt为时段间隔；是水电站i中的机组数量；y_i,h,t和分别代表水电机组的启停操作，为0/1变量；X_i,h,t为水电站i中机组h在时段t下启停折算得到的耗水量；S为风光出力的场景总数；π_s为场景s对应的概率；为场景s下水电站i机组h在时段t下的发电流量；为场景s下水电站i在时段t下的弃水流量；为场景s下风电场k在时段t下的限电功率；为场景s下光伏电站j在时段t下的限电功率；ζ和ξ分别是弃水流量和风光限电量在所述目标函数中的权重系数，取ζ为1，ξ则根据实际水电机组的发电系数和风光限电成本来决定。

2.根据权利要求1所述的方法，其特征在于，所述约束条件包括：

(1)机组动力特性约束

其中，为场景s下水电站i机组h在时段t下的发电功率；为场景s下水电站i机组h在时段t下的发电水头；

(2)机组最小、最大功率约束

其中，u_i,h,t是水电站i机组h在时段t的运行状态，为0/1变量；和分别为水电站i机组h的出力上下限；

(3)机组最小、最大水头约束

其中，和分别为水电站i机组h的水头上下限；

(4)机组最小、最大发电流量约束

其中，和分别为水电站i机组h的发电流量上下限；

(5)机组振动区约束

其中，和分别为水电站i机组h振动区μ的功率上下限；

(6)机组持续运行时间约束

其中，α_i,h和β_i,h分别为水电站i机组h的最小开/停机持续时间；

(8)水库最大弃水流量约束

其中，为水库i的弃水流量上限；

(9)梯级水库水力联系约束

其中，τ_i-1为流量从水库i-1到水库i的时滞；为场景s下水电站i在时段t下的来水量；

(10)风电场功率约束

其中，为场景s下风电场k在时段t下的最大发电功率；为场景s下风电场k在时段t下的计划发电功率；

(11)光伏电站功率约束

其中，为场景s下光伏电站j在时段t下的最大发电功率；为场景s下光伏电站j在时段t下的计划发电功率；

(12)系统功率平衡约束

其中，D_t为时段t的负荷需求；

(13)系统备用容量约束

其中，SR_up,t和SR_down,t分别为系统时段t的上下备用需求。

3.根据权利要求1所述的方法，其特征在于，利用所述copula 函数C(·)得到高维联合分布函数，包括：

H(x₁,x₂,...x_d)＝C(F₁(x₁),F₂(x₂),...,F_d(x_d)) (15)

其中，F₁(x₁),F₂(x₂),...,F_d(x_d)为多元随机变量的边缘分布函数。