一种求解考虑风电波动性的机组组合方法

1.一种求解考虑风电波动性的机组组合方法，其特征在于包括如下步骤：
（1）接收电网机组调度中心得出的系统未来24小时负荷需求数据；接收风电场对风电出力大小的预测数据，包括预测风电出力大小和风电出力的上下限区间；根据各个发电厂上报的机组特性数据得出各个机组的特性约束；
（2）根据步骤（1）接收的数据对电力系统的机组组合问题进行建模，根据运行要求选择目标函数和约束条件，包括等式约束条件和不等式约束条件，构成混合整数非线性规划问题；
（3）根据步骤（2）产生的混合整数非线性规划问题，得出主问题的目标函数和约束条件，求解主问题；
（4）对步骤（3）的结果进行网络安全约束检验，如果结果不能满足要求，产生对应的Benders割，将产生的Benders割作为新的约束条件，返回步骤（3）；（5）运用区间线性规划理论，对计算结果进行全情景约束检验，如果所有约束均满足，得到最终结果；否则产生对应的Benders割作为新的约束条件，返回至步骤（3）；
（6）将步骤（5）所得最终结果作为电网机组的调度方案，用以调度发电机组启停机，以提高系统整体经济性和安全性；
所述步骤（2）中，所述目标函数为系统整体费用最小；等式约束为系统负荷平衡约束；
不等式约束包括机组最大最小出力约束，机组爬坡约束，最小启停机时间约束，线路潮流约束和节点电压约束；
所述步骤（3）中，所述主问题中的目标函数为系统整体费用最小，所述约束条件为：功率平衡约束、机组出力约束、机组爬坡约束、机组最小启停机时间约束以及每次步骤（4）和步骤（5）产生的Benders割约束；
所述步骤（5）中，所述全情景约束检验中需要检验的约束包括系统功率平衡区间约束、线路潮流区间约束和节点电压区间约束，具体如下：
（A）系统功率平衡区间约束：
其中，P为机组有功出力，u为机组启停状态， 分别为系统节点有功负荷预测最小值和最大值；
（B）线路潮流区间约束：
其中，P为机组有功出力，FL为线路潮流约束值， 分别为系统节点有功负荷预测最小值和最大值，T为节点有功功率输入对线路的转移分布系数矩阵；
（C）节点电压区间约束：
其中，Q为机组无功出力， 分别为系统节点无功负荷预测最小值和最大值，B为节点无功功率输入对节点电压的雅克比矩阵，ΔVmax和ΔVmin分别为系统节点电压变化值的上下限。

一种求解考虑风电波动性的机组组合方法\n技术领域\n[0001] 本发明属于电力系统的运行、分析与调度技术领域，尤其涉及一种含有风电等波动性能源的机组组合方法。\n背景技术\n[0002] 如何在确保电网安全的前提下提高系统的整体经济性一直是电网短期发电计划的核心内容。近年来随着新能源技术的快速发展，大量新能源特别是风力发电并入电网。与传统发电方式相比，风力发电具有无污染可再生等优点。但是风力发电自身也存在一些缺点，例如风力发电机组出力几乎不可调节，而且出力变化速度快、范围大，难以准确预测等，这些问题对电网的安全稳定造成了巨大的威胁。因此，如何应对大量风电的接入带来的问题，成为机组组合问题新的挑战。\n[0003] 传统的机组组合模型中不考虑随机性很强的风电等新能源，因此系统的波动性不明显，在这样的前提下传统的机组组合方法通过预留系统总负荷一定百分比的容量来应对系统负荷或者电源的波动。但是随着风电等新能源的大量接入，电力系统的波动性越来越显著，传统的备用方法已经无法适应波动性增强的电网的要求。电力系统的波动性给系统的安全带来了前所未有的挑战，因此急需一种能够保证电力系统在波动下仍然能够安全稳定运行的机组组合方法。\n发明内容\n[0004] 本发明的目的在于针对现有技术的不足，提供一种求解考虑风电波动性的机组组合方法，本发明保证电力系统机组组合结果在电源及负荷波动的情况下能够保证系统的安全稳定，并且提高系统的经济性。\n[0005] 本发明的目的是通过以下技术方案来实现的：一种求解考虑风电波动性的机组组合方法，包括如下步骤：\n[0006] 第一步：接收电网机组调度中心得出的系统未来24小时负荷需求数据；接收风电场对风电出力大小的预测数据，包括预测风电出力和出风电出力的上下限区间；根据各个发电厂上报的机组特性数据得出各个机组的特性约束。\n[0007] 第二步：根据第一步接收的数据对电力系统的机组组合问题进行建模，根据运行要求选择目标函数和约束条件，包括等式约束条件和不等式约束条件，构成混合整数非线性规划问题。\n[0008] 第三步：根据上一步产生的混合整数非线性规划问题，得出主问题的目标函数和约束条件，求解主问题。\n[0009] 主问题中的目标函数为系统整体费用最小，约束条件为：功率平衡约束、机组出力约束、机组爬坡约束、机组最小启停机时间约束以及每次第四第五步产生的Benders割约束（第一次迭代中无此约束）。\n[0010] 第四步：对第三步的结果进行网络安全约束检验，如果结果不能满足要求，产生对应的Benders割，将产生的Benders割作为新的约束条件，返回第三步。\n[0011] 网络安全约束检验问题中添加了非负的松弛变量，保证网络安全约束检验问题有解，通过检验最小化松弛变量的和是否大于零，判断网络安全约束是否满足。\n[0012] 第五步：运用区间线性规划理论，对计算结果进行全情景约束检验，如果所有约束均被满足，得到最终结果；否则产生对应的Benders割作为新的约束条件，返回至第三步；\n[0013] 全情景约束检验中需要检验的约束包括：\n[0014] 1、系统功率平衡区间约束：\n[0015] ；\n[0016] 其中 为机组有功出力， 为机组启停状态， 分别为系统节点有功负荷预测最小值和最大值；\n[0017] 2、线路潮流区间约束：\n[0018] ；\n[0019] 其中 为机组有功出力， 为线路潮流约束值， 分别为系统节点有功负荷预测最小值和最大值， 为节点有功功率输入对线路的转移分布系数矩阵；\n[0020] 3、节点电压区间约束：\n[0021] ；\n[0022] 其中， 机组无功出力， 分别为系统节点无功负荷预测最小值和最大值， 为节点无功功率输入对节点电压的雅克比矩阵， 和 分别为系统节点\n电压变化值的上下限。\n[0023] 第六步：所得最终结果可以作为电网机组调度的方案，用以调度发电机组启停机，以提高系统整体经济性和安全性。\n[0024] 本发明的有益效果是，本发明的方法运用区间线性规划理论，能够在保证系统在风电出力波动范围内安全稳定的同时，提高结果的经济性。在风电等新能源大量接入的现实背景下，该方法能够有效地提高电力系统应对风电波动性的能力，提高系统的安全稳定性及经济性。\n附图说明\n[0025] 图1是本发明的流程图；\n[0026] 图2是IEEE-30节点系统；\n[0027] 图3是系统负荷预测值；\n[0028] 图4是风力发电出力预测区间上下限；\n[0029] 图5是系统备用机爬坡示意图。\n具体实施方式\n[0030] 本发明求解考虑风电波动性的机组组合方法，包括如下步骤：\n[0031] 第一步：接收电网机组调度中心得出的系统在接下来24小时的负荷需求数据；接收风电场对于风电出力大小的预测数据，包括预测风电出力和出风电出力的上下限区间；\n根据各个发电厂上报的机组特性数据得出各个机组的特性约束。\n[0032] 第二步：根据第一步接收的数据对电力系统的机组组合问题进行建模，根据运行要求选择目标函数和约束条件，包括等式约束条件和不等式约束条件，构成混合整数非线性规划问题。\n[0033] 第三步：根据上一步产生的混合整数非线性规划问题，得出主问题的目标函数和约束条件，求解主问题。\n[0034] 主问题中的目标函数为系统整体费用最小，约束条件为：功率平衡约束、机组出力约束、机组爬坡约束、机组最小启停机时间约束以及每次第四第五步产生的Benders割约束（第一次迭代中无此约束）。\n[0035] 第四步：对于第三步的结果进行网络安全约束检验，如果结果不能满足要求，产生对应的Benders割，将产生的Benders割作为新的约束条件，返回第三步。\n[0036] 网络安全约束检验问题中添加了非负的松弛变量，保证网络安全约束检验问题有解，通过检验最小化松弛变量的和是否大于零，判断网络安全约束是否满足。\n[0037] 第五步：运用区间线性规划理论，对计算结果进行全情景约束检验，如果所有约束均被满足，得到最终结果；否则产生对应的Benders割作为新的约束条件，返回至第三步；\n[0038] 全情景约束检验中需要检验的约束包括：\n[0039] 1、系统功率平衡区间约束：\n[0040] ；\n[0041] 其中 为机组有功出力， 为机组启停状态， 分别为系统节点有功负荷预测最小值和最大值；\n[0042] 2、线路潮流区间约束：\n[0043] ；\n[0044] 其中 为机组有功出力， 为线路潮流约束值， 分别为系统节点有功负荷预测最小值和最大值， 为节点有功功率输入对线路的转移分布系数矩阵；\n[0045] 3、节点电压区间约束：\n[0046] ；\n[0047] 其中， 机组无功出力， 分别为系统节点无功负荷预测最小值和最大值， 为节点无功功率输入对节点电压的雅克比矩阵， 和 分别为系统节点电压变化值的上下限。\n[0048] 第六步：将第五步获得的最终结果作为电网机组调度的方案，用以调度发电机组启停机，以提高系统整体经济性和安全性。\n[0049] 以下结合附图，对本发明的实施例作详细说明，本发明的流程图如图1所示。\n[0050] 实施例：\n[0051] 本实例使用IEEE-30节点系统，如图2所示。系统各个时段负荷大小如图3所示，系统各个时段风电出力大小预测区间如图4所示。设定目标函数为系统总发电成本最小（1），其中 为机组发电成本， 为机组开机成本， 为总的时段数； 为发电机台数； 为机组 在时刻 的有功出力。\n[0052] （1）\n[0053] 约束条件为：有功负荷平衡约束（2），机组出力约束（3），机组爬坡约束（4），机组最大启停机时间约束（5），线路潮流约束（6），节点电压约束（7）。\n[0054] （2）\n[0055] 式中： ； 为机组 在时刻 的启停状态； 为发电机台数；\n为负荷节点总数； 为负荷 在时刻 的有功需求。\n[0056] （3）\n[0057] 式中： ； ； 为机组 在时刻 的启停状态； 为机\n组 在时刻 的有功出力； 为机组 在时刻 的无功出力； 和 分别为机组 的\n有功出力上下限； 和 分别为机组 的无功出力上下限。\n[0058] （4）\n[0059] 式中： ； ； 为机组 在时刻 的有功出力；\n为机组 的有功出力的最大爬坡速率。\n[0060] （5）\n[0061] 式中： 为机组 在时刻 的启停状态； 为机组 的连续在线时间； 为机组 的连续离线时间； 为别为机组 的最小连续在线和离线时间。\n[0062] \n（6）\n[0063] 式中： ； ； 为机组 在时刻 的有功出力； 为\n负荷 在时刻 的有功需求； 为线路总数； 为节点有功功率输入对线路的转移分布系数矩阵； 为线路 的功率输送上限。\n[0064] （7）\n[0065] 式中： ； ； 为节点总数； 为机组 在时刻 的\n无功出力； 为负荷 在时刻 的无功需求； 为节点无功功率输入对节点电压的雅克比矩阵； 和 分别为节点电压变化值的上下限。\n[0066] 上述问题可以分为如下三个问题：多情景主问题、网络约束检验问题和全情景检验问题。\n[0067] 多情景主问题：\n[0068] 多情景主问题的目标函数对应（1），约束是（2）-（5）。本身是求解一个不含网络安全约束的机组组合问题。通过求解这个问题，得出每一种情景下机组的出力大小，且所有情景共用同一套机组启停方案。此问题可以使用混合整数线性规划（MILP）方法求解。\n[0069] 网络约束检验：\n[0070] 网络安全约束检验问题实际上是检验多情景主问题求出的机组出力能否在对应的情境下满足网络安全约束（6），（7）。可以归纳为求解目标函数：\n[0071] （8）\n[0072] 满足约束条件：\n[0073] \n[0074] \n[0075] 其中： ， ， ， 为非负松弛变量。\n[0076] 如果目标函数（8）的值为0，说明机组出力满足所有的网络安全约束，否则产生对应的Benders割（9），作为新的约束加入主问题。\n[0077] （9）\n[0078] 其中 为主问题求出的机组 在时刻 的有功出力值， 为主问题求出的机组在时刻 的无功出力值，为目标函数（8）的计算结果。\n[0079] 全情景检验\n[0080] 完成以上两步以后，所求结果已经能满足在所考虑的多种情景下整体最优，而且满足相关约束，但是这样的启停机方案不一定能在所有情景下满足安全约束。\n[0081] 本方法中将风电作为一种发出功率的“负荷”，并与一般负荷进行合并，认为波动的只有负荷。负荷可能大小以区间形式给定，而与负荷直接相关的约束为负荷平衡约束（2），网络潮流约束（6）和节点电压约束（7）。为了进一步使用区间线性规划理论，将这三个约束写成区间形式（10）-（12）.\n[0082] （10）\n[0083] （11）\n[0084] （12）\n[0085] 其中 为节点负荷 在时刻 有功功率测区间上下限，\n为节点负荷 在时刻 无功功率预测区间上下限。\n[0086] 全情景检验问题即检验在前面所得的机组组合方案下，能否求出一组机组出力值，满足最坏情况下的安全约束。如果有这样一组机组出力值，表明所得的机组组合状态能满足全情景安全约束。\n[0087] 这个问题可以写成目标函数：\n[0088] （13）\n[0089] 满足约束（3）,（4）,（14）-（16）。\n[0090] （14）\n[0091] （15）\n[0092] （16）\n[0093] 其中 为非负松弛变量。\n[0094] 在这些约束中只有（14），（15），（16）与预测负荷区间变量直接有关，其中约束（15）与约束（16）形式基本一致，因此只介绍约束（15）的处理方法，约束（16）可以使用相同的方法处理。首先定义变量 ，约束（33）中的T 是一个常\n数矩阵，因此PLD的值也是在一定的范围之内，其上下限表示为 。约束（15）可以表示为（17），做最严格检验，约束（17）进而写成（18）。如果能找到满足最严格约束的可行解，那实际中一定也可以找到可行解。同理约束（16）可以写成（19）。\n[0095] （17）\n[0096] （18）\n[0097] （19）\n[0098] 其中， ，其上下限为 ， 。\n[0099] 接下来出力等式区间约束（14），首先定义\n。根据区间线性规划理论，等式约束（14）最坏情况发生在：\n[0100] （20）\n[0101] 其中， ， 代表不同的情景。\n[0102] 从（20）中可以知道最坏情况发生在两种情景中的某一种情景下，但是具体发生在哪一种情景下是不能确定，因此两种情景都要考虑。那么对于共有T 个时间段的问题就有种可能的最坏情景，这样计算量显然是无法接受的。观察这个问题自身的特点，功率平衡约束和网络安全约束都是只与当前时刻的机组出力有关，不同时刻之间互相独立。只需把约束（20）带入到各个时刻，然后添加相邻的两个时段的最坏情况之间的爬坡约束（21）。\n这样 种最坏情景等式约束可以用 种最坏情况等式约束代替。\n[0103] （21）\n[0104] 因此，全情景校验问题可以表示为：目标函数为（13），满足约束（3）,（4）， （18）-（21），其中 。\n[0105] 求解上面的问题，如果所得的目标函数为0，则表示这种机组启停机能满足全情景的安全约束；如果大于0，则产生对应的Benders割（22），作为新的约束带入多情景主问题重新求解。\n[0106] （22）\n[0107] 本发明中使用了区间线性规划理论的方法，对机组组合结果进行了全情景安全检验。因此结果可以从理论上保证，当负荷（包括风电等）在预测区间内任意波动时，系统都可以通过调节机组出力满足安全约束。表2中对比了以备用约束形式来满足系统负荷波动的安全约束机组组合（SCUC）方法与本发明提出的基于区间线性规划理论的全情景安全约束机组组合（full scenario security constrained unit commitment, FS-SCUC）方法，在负荷波动时满足系统约束的能力。表中SCUC-X是指备用容量占系统负荷大小的百分之X。\n[0108] 表2：风电出力波动下系统安全性\n[0109] \n[0110] 注：√代表系统安全约束能全部满足，×代表系统安全约束不能全部满足。\n[0111] 表3：系统总费用\n[0112] \n[0113] 从表2中可以看出FS-SCUC方法，在风电出力波动时能很好的满足系统安全约束，提高系统安全性。普通的SCUC模型在不考虑风电处理波动时均能满足系统安全约束，但是风电出力波动时，SCUC无法满足系统安全约束。提高系统备用容量，当备用容量为20%时，所得结果能够满足风电出力波动下的系统安全，但是这个时候的SCUC方法的费用要高于FS-SCUC方法。当备用容量小于20%，所得结果不能满足风电出力波动下的系统安全。当容量大于20%时，所得结果也不能满足风电出力波动下的系统安全，相关原因会在后面的分析中说明。\n[0114] 单纯的增加备用容量不能满足在风电出力波动时满足系统安全约束是因为系统机组的爬坡能力限制。从图5中可以看出，如果一个时刻风电出力处于预测区间的上限，而下一个时刻位于下限，这样就需要非常大的下爬坡能力。同理如果一个时刻风电出力处于预测区间的下限，而下一个时刻位于上限，这样就需要非常大的上爬坡能力。传统的机组组合方法没有考虑这样的约束，因此无法保证系统安全。\n[0115] 综上，我们提出的求解考虑风电波动性的机组组合方法由于包含了全情景约束检验能很好的满足系统在风电出力波动时的安全性需求，大大的提高了系统的安全性，对于风电的大规模接入带来的波动性问题提供了有效的解决办法。