[发明专利]计及电网灵活性的分布式鲁棒优化方法、设备和存储介质在审
申请号: | 202210893366.0 | 申请日: | 2022-07-27 |
公开(公告)号: | CN115425638A | 公开(公告)日: | 2022-12-02 |
发明(设计)人: | 王云玲;刘嘉蔚;苟竞;刘方;陈玮;李旻;李婷;苏韵掣;刘志刚;孙文浩 | 申请(专利权)人: | 国网四川省电力公司经济技术研究院 |
主分类号: | H02J3/00 | 分类号: | H02J3/00;G06Q10/04;G06Q50/06 |
代理公司: | 成都行之专利代理事务所(普通合伙) 51220 | 代理人: | 伍旭伟 |
地址: | 610000 四川省成都市中国(四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电网 灵活性 分布式 优化 方法 设备 存储 介质 | ||
1.一种计及电网灵活性的分布式鲁棒优化方法,其特征在于,包括以下具体步骤:
S1、获取负荷功率和发电功率,根据负荷功率和发电功率确定净负荷,根据净负荷对电力系统灵活需求进行分析;
S2、根据对电力系统灵活需求的分析,获取灵活性需求预测误差的真实分布和经验分布,根据真实分布和经验分布构建基于Wasserstein距离的灵活性需求不确定集;
S3、根据灵活性需求不确定集,确定灵活性缺额时的风险成本;
S4、获取灵活性资源运行成本,结合灵活性不足风险成本,构建基于Wasserstein距离的分布式鲁棒优化模型;
S5、采用共轭函数对Wasserstein距离的分布式鲁棒优化模型进行优化。
2.根据权利要求1所述的计及电网灵活性的分布式鲁棒优化方法,其特征在于,所述S1具体包括:
S11、获取t时刻的常规负荷功率和发电功率,根据t时刻的常规负荷功率和发电功率确定t时刻的净负荷;
S12、根据净负荷对电力系统灵活需求进行分析,包括以下具体步骤:
获取t+τ时刻的净负荷功率预测值和t时刻的净负荷功率预测值,结合t时刻的净负荷,确定t时刻灵活性需求预测值;
获取t+τ时刻的净负荷功率预测误差和t时刻的净负荷功率预测误差,结合t时刻的净负荷,确定t时刻灵活性需求预测误差;
根据t时刻的灵活性需求预测值和灵活性需求预测误差确定电力系统灵活性需求。
3.根据权利要求1所述的计及电网灵活性的分布式鲁棒优化方法,其特征在于,所述S2具体包括:
S21、获取灵活性需求预测误差的真实分布和经验分布,采用Wasserstein距离衡量任意两个概率分布之间的距离;
S22、基于Wasserstein距离确定的任意两个概率分布之间的距离,构建灵活性需求不确定集。
4.根据权利要求1所述的计及电网灵活性的分布式鲁棒优化方法,其特征在于,所述S3具体包括:
S31、获取t时段水电机组和火电机组的爬坡速率和出力值,确定发电机组t时段的灵活性;
S32、获取灵活性存在缺额时灵活性需求的偏差量和风险系数成本,得到灵活性不足构成的风险成本。
5.根据权利要求4所述的计及电网灵活性的分布式鲁棒优化方法,其特征在于,所述S32具体包括:
根据第t时段发电机组上调灵活性,获取灵活性存在缺额时上调灵活性需求的偏差量;
获取弃风风险成本系数,结合灵活性存在缺额时上调灵活性需求的偏差量,得到上调灵活性不足构成的切负荷风险成本;
根据第t时段发电机组下调灵活性,获取灵活性存在缺额时下调灵活性需求的偏差量;
获取切负荷风险成本系数,结合灵活性存在缺额时下调灵活性需求的偏差量,得到下调灵活性不足构成的弃风风险成本。
6.根据权利要求1所述的计及电网灵活性的分布式鲁棒优化方法,其特征在于,所述S4具体包括:
S41、获取火电机组的煤耗系数和t时刻火电机组的出力,确定最小化火电机组运行成本;
S42、获取水电机组的单位出力成本和t时刻水电机组的出力,确定最小化水电机组运行成本;
S43、根据最小化火电机组运行成本、水电机组运行成本和灵活性不足风险成本,构建基于Wasserstein距离的分布式鲁棒优化模型。
7.根据权利要求1所述的计及电网灵活性的分布式鲁棒优化方法,其特征在于,所述S5具体包括:
S51、根据强对偶理论与松弛定理,获取基于Wasserstein距离模糊集下的最差场景期望;
S52、利用对偶范数的定义和函数的可分解性对Wasserstein距离不确定集下的最差场景期望进行分解,将灵活性不足风险成本分解为上调灵活性不足风险和下调灵活性不足风险;
S53、采用特征函数和共轭函数,通过加强约束与松弛获得上调灵活性不足风险分布鲁棒模型和下调灵活性不足风险分布鲁棒模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网四川省电力公司经济技术研究院,未经国网四川省电力公司经济技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210893366.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种金属工件前处理系统
- 下一篇:一种基于视觉智能的中考实验评分方法