[发明专利]一种计及风电不确定性的省级电网月度购电风险管理方法

摘要

本发明涉及一种计及风电不确定性的省级电网月度购电风险管理方法。其特征在于，所述方法步骤如下：建立月峰荷和谷荷状态调峰风险度量指标；建立月峰荷和谷荷状态支路潮流越限风险度量指标；建立月电量平衡上下越限风险度量指标；建立省级电网月度购电风险管理方法模型。本发明的有益效果在于：建立的月峰荷和谷荷状态调峰、月峰荷和谷荷状态支路潮流越限风险、月电量平衡上下风险度量指标能够实现月度购电计划风险的有效度量，丰富了电力市场风险度量指标的物理内涵。所建的省级电网月度购电风险管理模型，能够实现经济效益和风险之间的有效管理，从而为未来大规模风电纳入月度电力电量平衡提供了新思路。

主权项

一种计及风电不确定性的省级电网月度购电风险管理方法，其特征在于，所述方法步骤如下：1.1建立月峰荷和谷荷状态调峰风险度量指标，所述指标表示如下：$\begin{array}{c}{\mathrm{\β}}_s=\mathrm{Pr}\{\underset{k=1}{\overset{N_d}{\Σ}}{P}_{d,s,k.}\≥\underset{k=1}{\overset{N_w}{\Σ}}{P}_{w,s,k}+\underset{k=1}{\overset{N_t}{\Σ}}{P}_{t,k,\max }+\underset{k=1}{\overset{N_{ex}}{\Σ}}{P}_{ex,s,k}-P_{r,s}\}\\ s=1\end{array}---\left(1\right)$$\begin{array}{c}{\mathrm{\β}}_s=\mathrm{Pr}\{\underset{k=1}{\overset{N_d}{\Σ}}{P}_{d,s,k}\≤\underset{k=1}{\overset{N_w}{\Σ}}{P}_{w,s,k}+\underset{k=1}{\overset{N_t}{\Σ}}{P}_{t,k,\min }+\underset{k=1}{\overset{N_{ex}}{\Σ}}{P}_{ex,s,k}+P_{r,s}\}\\ s=3\end{array}---\left(2\right)$式中：Pr{ }表示概率算子；s表示负荷状态序号，当s分别取1、2、3时即对应峰平谷3种负荷状态；β_s表示在s负荷状态下调峰风险度量指标；P_d,s,k表示s负荷状态下第k个负荷节点的随机负荷；P_w,s,k表示s负荷状态下第k台风电机组的随机功率(一座风电场可等效为一台风电机组)；P_r,s表示s负荷状态下系统旋转备用容量；P_t,k,max和P_t,k,min分别表示第k台火电机组的功率上下限；N_d、N_w、N_t和N_ex分别表示负荷节点个数以及风电、火电机组台数和外购电单位数；1.2建立月峰荷和谷荷状态支路潮流越限风险度量指标，由此，所述指标表示如下：α_s,l＝Pr{|P_s,l|≥P_l,max} l＝1,2,...,N_l；s＝1，3  (3)式中：α_s,l表示在s负荷状态下支路l的潮流越限风险度量指标；P_s,l表示在s负荷状态下支路l的输电功率；P_l,max表示支路l的输电容量极限；N_l表示支路总数；1.3建立月电量平衡上下越限风险度量指标，所述指标表示如下：$\begin{array}{cc}{\mathrm{\γ}}_s=\mathrm{Pr}\{W_{d,\max }\≤\underset{k=1}{\overset{N_w}{\Σ}}{W}_{w,k,m}+\underset{k=1}{\overset{N_t}{\Σ}}{W}_{t,k}+\underset{k=1}{\overset{N_{ex}}{\Σ}}{W}_{ex,k}\}& s=1\end{array}---\left(4\right)$$\begin{array}{cc}{\mathrm{\γ}}_s=\mathrm{Pr}\{W_{d,\min }\≥\underset{k=1}{\overset{N_w}{\Σ}}{W}_{w,k,m}+\underset{k=1}{\overset{N_t}{\Σ}}{W}_{t,k}+\underset{k=1}{\overset{N_{ex}}{\Σ}}{W}_{ex,k}\}& s=3\end{array}---\left(5\right)$式中：γ_s表示在月电量平衡上下越限风险度量指标(s＝1表示上越限，s＝3表示下越限)；W_w,k,m表示第k台风电机组月随机电量；W_t,k表示第k台火电机组月电量；W_ex,k表示第k个外购电单位月电量；W_d,max和W_d,min分别表示省级电网月最大和最小负荷电量；1.4建立省级电网月度购电风险管理方法模型；1.41目标函数以省级电网在月度区域电力市场和网内电力市场的月购电费用最小为目标函数；同时考虑市场电价、月风电电量和月负荷电量等随机性因素的存在会导致购电费用面临一定的风险，选用半绝对离差风险指标^[17]来度量购电费用对应的风险，由此所建模型的目标函数可表示如下：$\begin{array}{cc}\min & \underset{k=1}{\overset{N_w}{\Σ}}{u}_{w,k}{W}_{w,k}+\underset{k=1}{\overset{N_t}{\Σ}}{u}_{t.k}{W}_{t.k}+\underset{k=1}{\overset{N_{ex}}{\Σ}}{u}_{ex,k}{W}_{ex,k}\end{array}---\left(6\right)$式中：u_w,k表示第k台风电机组电价；u_t,k表示第k台火电机组电价期望值；u_ex,k表示第k个外购电单位电价期望值；W_w,k表示第k台风电机组月电量期望值；p_t,k和p_ex,k分别表示第k台火电机组和外购电单位的随机电价；注意，此处| |₊中的“+”其含义是指总购电费用“超过”对应期望值时就会存在风险；1.42约束条件1)系统安全约束a)月峰荷和谷荷状态直流潮流功率平衡方程P_w,s+P_t,s+P_ex,s‑P_d,s＝Bδ_s s＝1,3   (8)式中：P_w,s、P_t,s、P_ex,s和P_d,s分别表示s负荷状态下风电机组、火电机组、外购电和负荷节点功率向量；B表示节点导纳矩阵；δ_s表示s负荷状态下的电压相角向量；这里节点外购电功率表达式为：$\begin{array}{cc}{P}_{ex,s,i}=\underset{k\∈{\mathrm{\Φ}}_i}{\Σ}{P}_{ex,s,k}& i=1,\mathrm{...},N;s=1,3\end{array}---\left(9\right)$式中：P_ex,s,i表示在s负荷状态下节点i的外购电功率；P_ex,s,k表示s负荷状态下第k个外购电单位功率；Φ_i表示与节点i相关连的外购电单位集合；N为系统总节点数；b)月峰荷和谷荷状态支路潮流功率方程P_s,l＝(δ_s,i‑δ_s,j)/x_ij l＝1,2,...,N_l；s＝1,3   (10)式中：P_s,l表示s负荷状态下支路l的传输功率；δ_s,i和δ_s,j分别表示s负荷状态下支路l的首末端节点i、j的电压相角；x_ij表示支路l的电抗；c)月峰荷与谷荷状态各支路潮流风险管理约束α_1,l≤α_1,l,max l＝1,2,...,N_l      (11)α_3,l≤α_3,l,max l＝1,2,...,N_l        (12)式中：α_1,l,max和α_3,l,max分别表示峰荷和谷荷状态支路l的潮流越限风险水平极限值；2)月峰荷与谷荷状态调峰风险管理约束β₁≤β_1，max         (13)β₃≤β_3,max           (14)式中：β_1,max和β_3.max分别表示峰荷和谷荷状态调峰风险水平极限值；3)区域电力市场外购电单位约束a)各外购电单位电力电量的耦合关系$\begin{array}{cc}{W}_{ex,k}=\underset{s=1}{\overset{3}{\Σ}}({\mathrm{\α}}_s\×P_{ex,1,k}\×T_s\×D)& k=1,2,\mathrm{...},N_{ex}\end{array}---\left(15\right)$式中：α_s表示在s负荷状态下外购电功率与其峰荷状态下外购功率的比值；P_ex,1,k表示外购电单位k的峰荷状态功率；T_s表示一天当中3种负荷状态的购电小时数；D表示购电月实际天数；b)外购电单位电价模式可选方案以华中区域电力市场跨省交易峰平谷一段式报价模式确定外购电单位电价可选方案^[18]，具体如下：$c_{ex,k}=\left\{\begin{array}{ccc}{c}_{ex,k,1}& if& {\mathrm{\σ}}_1:{\mathrm{\σ}}_2:{\mathrm{\σ}}_3=1.0:1.0:1.0\\ c_{ex,k,2}& if& {\mathrm{\σ}}_1:{\mathrm{\σ}}_2:{\mathrm{\σ}}_3=1.0:1.0:0.9\\ ...& & \\ c_{ex,k,n}& if& {\mathrm{\σ}}_1:{\mathrm{\σ}}_2:{\mathrm{\σ}}_3=1.0:{\underset{\‾}{\mathrm{\σ}}}_2:{\underset{\‾}{\mathrm{\σ}}}_3\end{array}\right.---\left(16\right)$式中：c_ex,k,n表示外购电单位k购电模式编号为n的电价期望值；σ₂和σ₃分别表示平荷、谷荷状态下外购电功率与峰荷状态功率比值的下限；c)外购电单位功率约束0≤P_ex,s,k≤P_ex,k,max k＝1,2,...,N_ex；s＝1,2,3    (17)式中：P_ex,k,max表示外购电单位k的最大功率；4)月电量平衡上下越限风险管理约束γ₁≤γ_1，max            (18)γ₃≤γ_3，max          (19)式中：γ_1,max和γ_3,max分别表示月电量平衡上下越限风险水平极限值；5)网内购电单位约束a)各火电机组功率上下限约束P_t,k.min≤P_t,s,k≤P_t,k,max k＝1,2,....,N_t；s＝1,3    (20)式中：P_t,s,k表示s负荷状态下第k台火电机组的功率；b)各火电机组电量上下限约束W_t,k,min≤W_t,k≤W_t,k,max       (21)式中：W_t,k,max和W_t,k,min分别表示第k台火电机组电量上下限，该电量已包含该火电机组年度购电计划的月分解电量；1.5所建模型求解的基本思路所建模型中含有以概率形式表示的风险度量指标约束(11)～(14)、(18)、(19)，由于很难将这些约束转化为其确定的等价类，故可采用内嵌Monte‑Carlo模拟技术的遗传算法求解^[21]；而针对模型为多目标模型的特点，为获取其综合最优解，将目标相对占优法引入所提遗传算法中，形成内嵌目标相对占优和Monte‑Carlo模拟技术的混合遗传算法；其中，为提高模拟技术可采用高效的拉丁超立方采样技术^[22]；1.51基于目标相对占优的染色体适应度函数构造：$A\left(x_i\right)=1/\left(F\right(x_i)+\underset{j=1}{\overset{N_y}{\Σ}}({\mathrm{\ω}}_j\×g_j\left(x_i\right)\left)\right)---\left(22\right)$式中：A(x_i)表示染色体x_i的适应度函数；g_j(x_i)表示惩罚函数；ω_j表示惩罚函数系数，若g_j(x_i)满足约束则ω_j为0，否则不为0且约束越重要罚函数系数就越大；N_y表示需要判断的总约束数；F(x_i)表示染色体x_i相对各基点的目标函数值之和，其表达式如下：$F\left(x_i\right)=\underset{j=1}{\overset{N_j}{\Σ}}\left(f_j\right(x_i)/f_j(x_{j\_0}\left)\right)---\left(23\right)$式中：f_j(x_i)表示染色体x_i对应的子目标函数j的函数值；f_i(x_{j_0})表示子目标函数j的基点x_{j_0}对应的函数值；N_j表示子目标函数的个数；1.52内嵌目标相对占优与Monte‑Carlo模拟技术的遗传算法的具体步骤：采用内嵌目标相对占优和Monte‑Carlo模拟技术的遗传算法求解所建模型，其主要步骤如下；1)输入原始数据；输入各风险度量指标水平极限值、各网内机组以及外购电单位市场电价、电网结构等基础数据，以及遗传算法中要求的染色体(候选的购电方案)个数，交叉概率与变异概率等算法参数值；2)产生初始种群；根据(17)、(20)、(21)式随机产生一组购电方案作为遗传算法的初始种群，对种群中的每一个染色体,采用拉丁超立方采样检验其是否满足各风险管理约束(即式(11)～(14)、(18)和(19))；3)计算适应度；找到本次迭代中使得各子目标函数值排序第一且不为0的染色体作为基点，再基于(22)式计算各染色体的适应度；4)选择操作；采用轮盘赌方法对种群中的染色体进行选择操作；5)交叉变异操作；对种群中的染色体进行交叉和变异操作得到新一代染色体,之后再利用拉丁超立方采样技术检验其是否满足风险约束式(11)～(14)、(18)和(19)；6)获得最优购电方案；重复步骤3)到步骤5)，直到达到给定的迭代终止判据为止；以求解过程中发现的综合最优染色体作为最后的购电方案，网内各机组分配电量、各外购电单位分配电量、购电费用、风险价值以及各指标风险信息。