[发明专利]基于多目标优化的电网日前风电接纳能力评估方法的风电单位接纳成本指标确定方法

摘要

本发明公开了一种基于多目标优化的电网日前风电接纳能力评估方法的风电单位接纳成本指标确定方法，基于电网日前风电接纳能力评估模型Pareto最优解集的风电单位接纳成本指标CApu,i，按下式计算：根据Pareto最优的定义，各解对应的发电成本满足如下关系：CG,1<CG,2<…CG,n风电接纳能力评估模型的Pareto最优解集由n个不同的解组成，按风电接纳电量Aw的大小对Pareto最优解集进行排序，排序后，存在如下关系：AW,1<AW,2<…AW,n。本发明在日前风电接纳能力评估模型Pareto最优解集的基础上提出了风电单位接纳成本指标，可衡量电网为接纳风电付出的成本代价。

主权项

1.一种基于多目标优化的电网日前风电接纳能力评估方法的风电单位接纳成本指标确定方法，其特征是：基于电网日前风电接纳能力评估模型Pareto最优解集的风电单位接纳成本指标CApu,i，按下式计算： C A p u , i = C G , i - C G , 1 A W , i - A W , 1 , i = 2 , 3 , ... n ]]>根据Pareto最优的定义，各解对应的发电成本满足如下关系：CG,1&lt;CG,2&lt;…CG,n风电接纳能力评估模型的Pareto最优解集由n个不同的解组成，按风电接纳电量Aw的大小对Pareto最优解集进行排序，排序后，存在如下关系：AW,1&lt;AW,2&lt;…AW,n；所述基于多目标优化的电网日前风电接纳能力评估方法：电网日前风电接纳能力评估模型有风电接纳能力最大与常规系统发电成本最小两个优化目标，如下所示：优化目标1：优化目标2：上式中，Aw为调度日内的风电接纳电量，为调度日内的风电预测电量减去弃风电量期望；Pi,t为机组i在时段t的输出功率；ui表示机组i在调度日内的运行状态，“0”表示停机，“1”表示开机；T为调度时段数；Fw,t为时段t的风电最大理论出力，即风功率预测值；Cw,t为时段t的“弃风”电量期望，与Pi,t及ui有关；CG为常规系统在调度日内的发电成本；N为常规机组的数目；fi(Pi,t)为机组i在时段t的燃料成本函数，可由二次函数拟合；电网日前风电接纳能力评估模型的约束条件如下：系统有功平衡约束： P d , t - &Sigma; i = 1 N u i P i , t - P w , t = 0 ]]>上式中，Pd,t为时刻t的负荷预测值，Pw,t为时刻t的风电上网电量；常规机组出力约束：Pmin,i≤Pi,t≤Pmax,i上式中，Pmax,i、Pmin,i分别为机组i的最大、最小技术出力；爬坡约束：Pi,t-Pi,t-1≤ΔTRup,iPi,t-1-Pi,t≤ΔTRdown,i上式中，Rup,i、Rdown,i分别为机组i最大增、减出力速率；系统安全性约束：VLOLP,t≤RLOLP上式中，VLOLP,t为调度时段t的失负荷概率，RLOLP为期望达到的运行可靠性水平；风功率约束：Pw,t≤Fw,t；电网日前风电接纳能力评估模型，采用基于非支配分类的遗传算法对其进行求解，求出该评估模型的Pareto最优解集，具体步骤如下：步骤1、随机产生遗传算法的初始染色体种群，种群规模为10N；采用长度为N的二进制编码表示染色体种群中的一条染色体；每条染色体给出了N台常规机组在调度日内的运行状态，“0”表示停机，“1”表示开机；步骤2、对染色体进行可靠性评估，对满足安全性约束的染色体进行经济调度计算，在此基础上计算常规系统的发电成本CG，并计算这些满足安全性约束的染色体在调度日内的弃风电量期望Cw,t；步骤3、按非劣解等级对种群中的染色体进行分层，层次索引越小，非劣解层等级越高，分层时，不满足安全性约束的染色体的非劣解层等级最低；假定种群可分为m层，对个体i来说，若其所处的非劣解层次为j，则该个体的适应度Vfit,i为：Vfit,i＝10N-ji＝0,1,…,10N j＝0,1,…,m步骤4、计算同一非劣解层中各个体的局部拥挤距离；局部拥挤距离计算时，个体分为两类：处于排序边缘的个体以及排序中间的个体；对处于排序边缘的个体来说，其局部拥挤距离直接赋一个较大的数值，使其获得选择优势；对处于排序中间的个体来说，其局部拥挤距离为以两个相邻的个体为顶点构成的矩形的两条边的长度之和；步骤5、将父代种群中的非劣解集直接复制至子代种群，作为子代种群的一部分；根据个体适应度以及局部拥挤距离进行选择操作产生子代种群中的其它个体，即从父代中随机选取两个个体，若适应度值不同，则选取适应度大的个体，若适应度相同，则选择局部拥挤距离较大的个体；上述选择操作重复进行，直至形成子代种群；按一定的概率，对子代种群进行交叉、变异操作；步骤6、重复执行步骤2至5，直至算法满足预先设定的收敛条件；采用解析概率算法对各调度时段弃风电量期望Cw,t与失负荷概率VLOLP,t进行计算，其步骤如下：步骤1、采用通用概率分布函数表示风功率在预测值附近随机波动的概率特性，其概率密度函数与累计概率分布函数分别如下式所示： f ( x ) = &alpha; &beta; exp &lsqb; - &alpha; ( x - &gamma; ) &rsqb; { 1 + exp &lsqb; - &alpha; ( x - &gamma; ) &rsqb; } &beta; + 1 ]]>F(x)＝{1+exp[-α(x-γ)]}-β步骤2、采用正态分布N(Pd,t,σd,t)表示负荷在预测值附近随机波动的概率特性，并采用7个离散概率点对正态分布N(Pd,t,σd,t)进行近似逼近，即：步骤3、采用不考虑元件修复的改进双状态模型表示机组的随机故障特性，机组i在时段t的故障率fi,t为：fi,t＝1-exp[-λi(TLD+t)]≈λi(TLD+t)式中，TLD为风电接纳能力评估提前时间；λi为机组i的平均故障率；步骤4、假设时段t有m台机组处于开机状态，在忽略两台以上机组同时故障的情况下，该时段常规机组可用发电容量的离散概率表达式如下所示： P { G t = G j } = p j , j = 0 , 1 , 2 ... , m ( m + 1 ) 2 ]]>上式中，G0为机组均处于正常状态时的可用发电容量，p0为对应的概率，可由下式计算： G 0 = &Sigma; j = 1 m P m a x , j ]]> p 0 = &Pi; j = 1 j = m ( 1 - f j , t ) ]]>Gj(j＝1,2,…m)为单台机组故障时的可用发电容量，pj为对应的概率；假定故障机组的索引为k，Gj、pj分别为：Gj＝G0-Pmax,k p j = p 0 f k , t 1 - f k , t ]]>Gj(j＝m+1,m+2,…m(m+1)/2)为某两台机组同时故障时的可用发电容量，pj为事件发生的概率；假定故障机组的索引为k1、k2，Gj、pj分别为： G j = G 0 - P m a x , k 1 - P m a x , k 2 ]]> p j = p 0 f k 1 , t f k 2 , t ( 1 - f k 1 , t ) ( 1 - f k 2 , t ) ]]>步骤5、假设时段t有m台机组处于开机状态，在忽略两台以上机组同时故障的情况下，该时段常规机组总最小技术出力的离散概率表达式如下所示： P { G min , t = G min , j } = p m i n , j , j = 0 , 1 , 2 ... , m ( m + 1 ) 2 ]]>上式中，G0为机组均处于正常状态时的常规机组总最小技术出力，p0为对应的概率，可由下式计算： G 0 = &Sigma; j = 1 m P min , j ]]> p 0 = &Pi; j = 1 j = m ( 1 - f j , t ) ]]>Gj(j＝1,2,…m)为单台机组故障时的常规机组总最小技术出力，pj为对应的概率；假定故障机组的索引为k，Gj、pj分别为：Gj＝G0-Pmin,k p j = p 0 f k , t 1 - f k , t ]]>Gj(j＝m+1,m+2,…m(m+1)/2)为某两台机组同时故障时的常规机组总最小技术出力，pj为事件发生的概率；假定故障机组的索引为k1、k2，Gj、pj分别为： G j = G 0 - P m i n , k 1 - P min , k 2 ]]> p j = p 0 f k 1 , t f k 2 , t ( 1 - f k 1 , t ) ( 1 - f k 2 , t ) ]]>步骤6、计算各调度时段弃风电量期望Cw,t与失负荷概率VLOLP,t，如下式所示： V L O L P , t = &Sigma; l = 1 7 &Sigma; j = 0 m ( m + 1 ) / 2 p j p d , l F ( P d , l - G j G w i n d ) ]]>if Pd,l-Gj&lt;0 Pd,l-Gj＝0if Pd,l-Gj&gt;Gwind Pd,l-Gj＝Gwind C w , t = &Sigma; l = 1 7 &Sigma; j = 0 m ( m + 1 ) / 2 p j p d , l &Integral; x 0 1 ( x - x 0 ) f ( x ) d x ]]> x 0 = P d , l - G m i n , j G w i n d ]]>if x0&lt;0 x0＝0if x0&gt;1 x0＝1。