[发明专利]高水电比重系统中梯级水电群与风光电站协调调峰方法

摘要

本发明公开了一种高水电比重系统中梯级水电群与风光电站协调调峰方法，考虑风光电站出力的不确定性，利用梯级水电群的出力可调的优势，通过增大系统接纳风光电站出力的能力，尽可能平抑负荷波动，减小火电机组调峰压力；提出的梯级水电群与风光电站协调调峰优化运行策略，考虑方便模型求解，对非线性的水电转换函数进行线性化处理；利用梯级水电群出力可调的优势，增大系统风光的接纳能力，实现梯级水电群与风光电站协调调峰，同时减小火电调峰压力。

主权项

1.一种高水电比重系统中梯级水电群与风光电站协调调峰方法，其特征在于，包括以下步骤：步骤1：建立风光水协调调峰优化运行模型步骤1.1：确定目标函数目标函数为系统剩余负荷的方差最小：式中：t和T分别为调度时段及调度期内时段总数；F_t为t时段的剩余负荷；为剩余负荷均值；C^cur为弃风弃光惩罚；P_t^load为原始负荷；和分别为风电场w、光伏电站p出力预测值；P_ht，P_wt和P_pt分别为水电站h，风电场w和光伏电站p的调度出力；步骤1.2：建立水电站模型水电转换函数表示水电站发电功率与水头、发电流量的关系，如公式(5)所示：P_ht＝g·η_h·Q_ht·H_ht                     (5)式中：g为水电转换系数；η_h为水电站h发电效率；Q_ht为水电站h在t时段的发电流量；H_ht为水电站h在t时段的水头；水电站发电功率受到机组出力上下限的约束，如公式(6)，以及爬坡约束，如公式(7)，即：Δ_h≤P_ht‑P_h,t‑1≤Δ_h    (7)式中：和为水电站h出力的最小和最大限制；Δ_h为水电站h单时段最大出力升降限制；1)径流水电站径流水电站的发电流量与其来水流量和最大发电流量有关，具体如公式(8)‑(10)所示，即如果径流量小于最大发电流量，那么径流量全部用于发电，反之，则径流电站满发；‑f_ht·M+R_ht≤Q_ht≤R_ht+f_ht·M    (9)式中：M为一个足够大的数；为水电站最大发电流量；f_ht为0‑1变量，用来表示水电站径流量R_ht是否超过最大发电流量，f_ht假如为1，则表示水电站径流量超过最大发电流量，水电站发电流量Q_ht为f_ht为0时则相反，水电站发电流量Q_ht为R_ht；径流电站的水头为常数，即：H_ht＝h_h                  (11)式中：h_h为水电站h的水头常数；2)可调水电站可调水电站具有较好的调峰功能，调节库容使得电站发电量最大或者电站出力跟踪负荷的变化，需要满足发电流量不等式约束(12)、库容不等式约束(13)，起始、末尾库容约束(14)，以及库容平衡约束(15)等；V_h,0＝v_h,0,V_h,NT＝v_h,NT                   (14)V_ht＝V_h,t‑1+R_ht‑Q_ht                   (15)式中：V_ht为水电站h在t时刻的库容；和为水电站h库容的最小和最大限制；NT为优化运行最终时刻；v_h,0和v_h,NT为常数，分别代表水电站h的初始库容和最终时刻库容；可调电站的水头随着库容的变化而改变，即水头为库容的线性函数，如公式(16)所示；H_ht＝h_0,h+α_h·V_ht                 (16)式中：h_0,h和α_h为常数，由水电站h的大小决定；3)梯级水电站梯级水电站的发电流量约束，库容约束，起始、末尾库容约束需要满足公式(12)‑(14)的约束；但梯级水电站的库容平衡约束中需要考虑上一级水电站的发电流量和水流时滞，如公式(17)所示；式中：τ_h为水电站h的水流时滞；为上一级水电站h‑1在t‑τ_h时刻的发电流量；步骤1.3：建立风光电站模型设定风电场和光伏电站的出力在一定程度上是能够进行调度的，调度的方式即通过适当弃风弃光来实现优化调峰，具体如公式(18)‑(19)所示；步骤2：建立随机风光水电站协调调峰优化运行模型步骤2.1：对水电转换函数进行线性化处理针对可调节水电站，将水头与库容函数(16)带入到水电转换函数(5)中，便得到了水电站发电功率与发电流量、库容之间的关系，如公式(20)所示；P_ht＝g·η_h·Q_ht·(h_0,h+α_h·V_ht)               (20)引入辅助0‑1变量和连续变量来对其进行线性化处理，使风光水电站协调调峰优化运行模型(1)‑(19)转化为混合整数二次规划问题；将公式(20)中的角标省略，得到通用的水电转换函数(21)；P＝g·η·Q·(h₀+α·V)                     (21)将Q和V分成若干子区间，即[Q_i,Q_i+1]和[V_j,V_j+1]，其中i＝1…m‑1，j＝1…n‑1；这样一来，原来的水电转换函数就被分成了(m‑1)·(n‑1)的网格，其中每一个顶点即原来函数的值，每个顶点发电量计算为P_i,j＝g·η·Q_i·(h₀+α·V_j)；每一个网格被分成两个三角形，即左上三角形和右下三角形，用0‑1变量δ_i,j和ξ_i,j来表征在两个三角形中的位置，于是公式(21)用(22)‑(26)来近似；φ_i,j≤δ_i,j‑1+δ_i,j+δ_i,j+1+ξ_i‑1,j+ξ_i,j+ξ_i+1,j    (24)δ_i,j,ξ_i,j∈{0,1}    (26)步骤2.2：建立紧凑形式的确定性调峰优化运行模型将确定性的风光水电站协调调峰优化运行模型写成如公式(27)所示形式；式中：x表示0‑1变量，即水电转换函数线性化处理中的辅助变量；f(x,y)表示目标函数与x和y相关；y为连续变量，代表风光水电站的调度；C，D和e为抽象的矩阵和向量，表示目标函数和约束中的成本以及系数；步骤2.3：建立随机风光水电站协调调峰优化运行模型随机优化模型通过Monte Carlo模拟，利用若干不同的风光出力场景来代表风光出力不确定性的影响；得到随机风光水电站协调调峰优化运行模型如公式(28)所示；式中：上标s表示不同的场景；ρ^s为对应场景s的概率；目标函数为不同场景目标的加权平均；对于每个场景s来说，风光水电站的运行都需要满足自身的约束；步骤3：对随机风光水电站协调调峰优化运行模型求解步骤3.1：风光出力场景生成假定风光的出力满足正态分布N(μ,σ²)，其中风光出力预测的均值为μ，方差为σ²；利用Monte Carlo模拟法生成大量的符合正态分布的风光出力场景，每一个生成场景的概率则是通过1除以场景总数来得到；利用拉丁超立方法对风光出力场景进行抽样，若采样空间为D维，拉丁超立方采样方法如下：将每一维变量划分为N个相等的区间；然后在每个区间随机产生一个数，就形成了N乘以D维的采样矩阵S；最后再在S矩阵中每一列随机抽取一个数，组成向量；步骤3.2：风光出力场景消减利用风光出力场景消减技术，减少用于场景模拟的计算时间；场景削减技术是通过测量概率分布的距离作为概率标准来控制近似拟合度；利用快进约简法来进行场景消减，具体步骤如下；令Ω^s(s＝1,2,...N)表示N个不同的风光出力场景，每一个场景概率为ρ^s，DT^s,s'表示两个场景(s,s')之间的距离：步骤(1)：设S为最初的场景集合；DS为需要删除的场景，DS初始状态为空集；计算每一个场景对之间的距离：DT^s,s'＝DT(Ω^s,Ω^s'),s,s'＝1,2,...N；步骤(2)：计算k＝1,2,...N，其中r指代场景；选择d，满足PD_d＝min PD_k，k＝1,2,...N；步骤(3)：S＝S‑{d}，DS＝DS+{d}；ρ_r＝ρ_r+ρ_d；步骤(4)：重复步骤(2)‑(4)直至删除场景的数量达到设置的要求。