一种考虑调峰和爬坡需求的两阶段源-荷调度方法及装置

摘要

本发明公开了一种考虑调峰和爬坡需求的两阶段源‑荷调度方法及装置，调度方法包括：根据净负荷曲线的拐点对净负荷曲线进行分区；基于净负荷曲线分析电力系统的调峰需求和各时段间的爬坡需求；对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化；当所有分区计算完毕时，输出优化后的负荷曲线；基于优化后的负荷曲线，利用二阶段调度模型进行日前调度；当优化调度结果满足所有约束条件时，输出调度的结果。调度装置包括：分区模块、分析模块、第一优化模块、第一输出模块、调度模块和第二输出模块，本发明可有效提高风电利用率，适用于含大规模风电电力系统的实际调度。

权利要求

1.一种考虑调峰和爬坡需求的两阶段源-荷调度方法，其特征在于，所述调度方法包括以下步骤：根据净负荷曲线的拐点对净负荷曲线进行分区；基于净负荷曲线分析电力系统的调峰需求和各时段间的爬坡需求；

对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化；

当所有分区计算完毕时，输出优化后的负荷曲线；

基于优化后的负荷曲线，利用二阶段调度模型进行日前调度；

当优化调度结果合理，即满足所有约束条件时，输出调度的结果，流程结束；

其中，所述一阶段激励型需求响应优化模型包括：第一目标函数、各节点响应量的上下限约束、净负荷的上下限约束、各负荷节点的总响应量约束以及相邻时段间和区间爬坡需求约束；

所述第一目标函数为：

其中，定义净负荷曲线中，曲线变化趋势发生变化的点为净负荷曲线的拐点，tk为净负荷曲线的第k个拐点对应的时间；tk+1为第k+1个拐点对应的时间；tl为时间；Nb为需求响应节点总数；b为需求响应节点号；FIDR,b,tl为需求响应的补偿成本；

当所有分区计算尚未完毕时，继续对未计算的分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化；

当优化调度结果不合理，即不满足任一约束条件时，重新对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化。

2.根据权利要求1所述的一种考虑调峰和爬坡需求的两阶段源-荷调度方法，其特征在于，所述二阶段调度模型包括：第二目标函数、功率平衡约束、火电机组出力约束、火电机组爬坡约束、风电机组出力约束以及旋转备用约束。

3.一种用于权利要求1至2中任一权利要求所述的考虑调峰和爬坡需求的两阶段源-荷调度方法的装置，其特征在于，所述装置包括：分区模块，用于根据净负荷曲线的拐点对净负荷曲线进行分区；

分析模块，用于基于净负荷曲线分析电力系统的调峰需求和各时段间的爬坡需求；

第一优化模块，用于对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化；

第一输出模块，用于当所有分区计算完毕时，输出优化后的负荷曲线；

调度模块，用于基于优化后的负荷曲线，利用二阶段调度模型进行日前调度；

第二输出模块，用于当优化调度结果合理，即满足所有约束条件时，输出调度的结果，流程结束。

4.根据权利要求3所述的装置，其特征在于，所述装置还包括：第二优化模块，用于当所有分区计算尚未完毕时，继续对未计算的分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化。

5.根据权利要求3所述的装置，其特征在于，所述装置还包括：第三优化模块，用于当优化调度结果不合理，即不满足任一约束条件时，重新对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化。

说明书

一种考虑调峰和爬坡需求的两阶段源-荷调度方法及装置

技术领域

[0001] 本发明涉及电力系统分析与调度技术领域，尤其涉及一种考虑调峰和爬坡需求的两阶段源-荷调度方法及装置。

背景技术

[0002] 2014年6月7日国务院印发的《能源发展战略行动计划(2014-2020年)》中，提出坚持“节约、清洁、安全”的战略方针，把发展清洁低碳能源作为调整能源结构的主攻方向。虽然2014年全国风电累计并网装机容量已达到9637万千瓦，占全部发电装机容量的7％，但全国风电平均弃风率达到8％，弃风现象非常普遍，而在“三北”地区尤其突出，如何大规模消纳风电已成为限制风电发展的瓶颈问题。

[0003] 风电出力具有间歇性、随机性和反调峰性的特点，因而需常规火电机组具备大幅连续爬坡、深度调峰的能力，要求电力系统具有更加灵活的调节能力。调峰能力是制约风电消纳的一个重要因素；而爬坡需求也在一定程度上制约了风电的消纳，当负荷相邻时段间的差值或一定时间段内连续增加(减小)的总量较大时，火电机组受爬坡速度和出力上下限的限制，可能其总爬坡能力不能满足要求，而风电接入电力系统与负荷相减后，不仅会增大负荷峰谷差，还会增大电力系统对于常规火电机组的爬坡需求。因此，如何提高电力系统灵活调节能力，减小电力系统的调峰和爬坡需求，从而解决由于调峰和爬坡制约而产生弃风的问题，是促进风电消纳亟待解决的问题。

[0004] 当风电接入电力系统后，从发电端进行调整已难以应对较高的调峰和爬坡需求，而需求侧资源主动参与调节，将增加电力系统调解能力的灵活性。需求响应是指电力终端用户根据不同时期的价格信号和激励措施主动发生的改变日常用电模式的互动方式。在智能电网背景下，需求侧被赋予越来越大的灵活性和弹性使其在电力系统运行中发挥重要的作用。需求响应作为优化电网运行的新的突破口，凭借其灵活的调节能力，在提高风电利用率方面有显著的优势。近年来，国内外已针对将需求响应应用于含风电电力系统的协调运行进行了大量研究，如将需求响应用于含风电电力系统经济运行、缓解输电阻塞、平抑风电波动和提高风电节能减排效益等。

[0005] 发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

[0006] 上述研究均未从净负荷曲线的角度考虑电力系统的调峰和爬坡需求对风电利用率的限制，未从平滑净负荷曲线、减小含风电电力系统调峰和爬坡需求的角度促进风电消纳；需求响应一般被引入到电力系统经济调度或机组组合模型中，并未单独建立需求响应优化模型对净负荷曲线进行优化。

发明内容

[0007] 本发明提供了一种考虑调峰和爬坡需求的两阶段源-荷调度方法及装置，本发明可有效提高风电利用率，适用于含大规模风电电力系统的实际调度，详见下文描述：

[0008] 一种考虑调峰和爬坡需求的两阶段源-荷调度方法，所述调度方法包括以下步骤：

[0009] 根据净负荷曲线的拐点对净负荷曲线进行分区；基于净负荷曲线分析电力系统的调峰需求和各时段间的爬坡需求；

[0010] 对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化；

[0011] 当所有分区计算完毕时，输出优化后的负荷曲线；

[0012] 基于优化后的负荷曲线，利用二阶段调度模型进行日前调度；

[0013] 当优化调度结果合理，即满足所有约束条件时，输出调度的结果，流程结束。

[0014] 其中，所述调度方法还包括：

[0015] 当所有分区计算尚未完毕时，继续对未计算的分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化。

[0016] 其中，所述调度方法还包括：

[0017] 当优化调度结果不合理，即不满足任一约束条件时，重新对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化。

[0018] 其中，所述一阶段激励型需求响应优化模型包括：

[0019] 第一目标函数、各节点响应量的上下限约束、净负荷的上下限约束、各负荷节点的总响应量约束以及相邻时段间和区间爬坡需求约束。

[0020] 其中，所述二阶段调度模型包括：

[0021] 第二目标函数、功率平衡约束、火电机组出力约束、火电机组爬坡约束、风电机组出力约束以及旋转备用约束。

[0022] 一种考虑调峰和爬坡需求的两阶段源-荷调度装置，所述调度装置包括：

[0023] 分区模块，用于根据净负荷曲线的拐点对净负荷曲线进行分区；

[0024] 分析模块，用于基于净负荷曲线分析电力系统的调峰需求和各时段间的爬坡需求；

[0025] 第一优化模块，用于对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化；

[0026] 第一输出模块，用于当所有分区计算完毕时，输出优化后的负荷曲线；

[0027] 调度模块，用于基于优化后的负荷曲线，利用二阶段调度模型进行日前调度；

[0028] 第二输出模块，用于当优化调度结果合理，即满足所有约束条件时，输出调度的结果，流程结束。

[0029] 其中，所述调度装置还包括：

[0030] 第二优化模块，用于当所有分区计算尚未完毕时，继续对未计算的分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化。

[0031] 其中，所述调度装置还包括：

[0032] 第三优化模块，用于当优化调度结果不合理，即不满足任一约束条件时，重新对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化。

[0033] 本发明提供的技术方案的有益效果是：本发明将负荷与风电预测出力进行拟合得到净负荷曲线，分析其爬坡需求和调峰需求，引入激励型需求响应模型，建立一阶段需求响应优化模型，对净负荷曲线进行修正，可有效降低系统的调峰和爬坡需求；在得到优化后的负荷曲线基础上，建立二阶段计及火电机组备用成本的日前调度模型，可有效提高风电利用率，优化分配发电资源，适用于含大规模风电电力系统的实际调度。

附图说明

[0034] 图1为一种考虑调峰和爬坡需求的两阶段源-荷调度方法的流程图；

[0035] 图2为激励型需求响应阶梯报价曲线图；

[0036] 图3为实施例中净负荷曲线对比图；

[0037] 图4为一种考虑调峰和爬坡需求的两阶段源-荷调度装置的结构示意图；

[0038] 图5为第二优化模块的示意图；

[0039] 图6为第三优化模块的示意图。

[0040] 1：分区模块；                      2：分析模块；

[0041] 3：第一优化模块；                  4：第一输出模块；

[0042] 5：调度模块；                      6：第二输出模块；

[0043] 7：第二优化模块；                  8：第三优化模块。

具体实施方式

[0044] 为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

[0045] 通过对现有技术的描述可知，分析风电接入后电力系统调峰需求和爬坡需求，利用需求响应对两种需求进行柔性调节，对于风电消纳问题具有重要研究意义。

[0046] 实施例1

[0047] 一种考虑调峰和爬坡需求的两阶段源-荷调度方法，参见图1，该调度方法包括以下步骤：

[0048] 101：根据净负荷曲线的拐点对净负荷曲线进行分区；基于净负荷曲线分析电力系统的调峰需求和各时段间的爬坡需求；

[0049] 102：对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化；

[0050] 103：当所有分区计算完毕时，输出优化后的负荷曲线；

[0051] 104：基于优化后的负荷曲线，利用二阶段调度模型进行日前调度；

[0052] 105：当优化调度结果合理，即满足所有约束条件时，输出调度的结果，流程结束。

[0053] 其中，该调度方法还包括：

[0054] 当所有分区计算尚未完毕时，继续对未计算的分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化。

[0055] 进一步地，该调度方法还包括：

[0056] 当优化调度结果不合理，即不满足任一约束条件时，重新对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化。

[0057] 其中，一阶段激励型需求响应优化模型包括：

[0058] 第一目标函数、各节点响应量的上下限约束、净负荷的上下限约束、各负荷节点的总响应量约束以及相邻时段间和区间爬坡需求约束。

[0059] 其中，二阶段调度模型包括：

[0060] 第二目标函数、功率平衡约束、火电机组出力约束、火电机组爬坡约束、风电机组出力约束以及旋转备用约束。

[0061] 综上所述，本发明实施例通过上述步骤101-步骤105提高了风电利用率，优化分配了发电资源，适用于含大规模风电电力系统的实际调度。

[0062] 实施例2

[0063] 下面结合具体的计算公式、例子对实施例1中的方案进行详细说明，详见下文描述：

[0064] 201：读取风电预测出力、负荷和电力系统数据；将电力系统日前负荷预测曲线与风电预测曲线相减，得到常规火电机组的净负荷曲线；根据净负荷曲线的拐点对净负荷曲线进行分区；基于净负荷曲线分析电力系统的调峰需求和各时段间的爬坡需求，计算净负荷曲线的峰谷差和各时段、各分区的爬坡需求；

[0065] 202：对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化；

[0066] 其中，对含大规模风电电力系统净负荷曲线进行优化修正，在减小火电机组爬坡需求的同时，减小负荷峰谷差，提高系统的调峰能力，进而促进风电消纳。

[0067] 定义净负荷曲线中，曲线变化趋势发生变化的点为净负荷曲线的拐点。对于火电机组的爬坡需求，相邻时段间与相邻拐点间的爬坡需求都需要进行考虑。按照净负荷曲线拐点位置，将曲线进行分区，相邻两拐点间视为一个区间，对区间内所有相邻时段间的爬坡需求和整个区间整体爬坡需求进行考虑，利用激励型需求响应优化模型对曲线进行处理，从而使爬坡需求满足火电机组的爬坡能力；根据净负荷上下限调节峰谷差，进而提高电力系统的调峰能力。

[0068] 其中，本发明实施例以需求响应的补偿成本最小为目标对响应量进行分配，第一目标函数为：

[0069]

[0070] 其中，tk为净负荷曲线的第k个拐点对应的时间；tk+1为第k+1个拐点对应的时间；tl为时间；Nb为需求响应节点总数；b为需求响应节点号；FIDR,b,tl为需求响应的补偿成本。

[0071] 补偿成本采用阶梯报价，参照图2，纵轴对应报价曲线各分段的价格PD，横轴对应需求响应的变化量ΔD，阴影部分为响应成本。各响应节点b的补偿成本为：

[0072]

[0073] 其中，Nj为需求响应报价曲线的总分段数；j为需求响应报价曲线中第j段；PDb,j,tl和Δdb,j,tl分别为tl时刻需求响应报价曲线第j段的单位价格和负荷的变化量；μb,tl为辅助变量，表示负荷变化量的正负。

[0074] 当ΔDb,tl为正时，μb,tl＝1；当ΔDb,tl为负时，μb,tl＝-1。tl时刻节点b负荷响应的总量

[0075] 约束条件包括：

[0076] 1)各节点响应量的上下限约束：

[0077] 0≤μb,tl*ΔDb,tl≤ΔDb,max

[0078] 其中，ΔDb,max为节点b响应量的上限。

[0079] 2)净负荷的上下限约束：

[0080] Deqmin≤Deqtl≤Deqmax

[0081] 其中，Deqmin和Deqmax分别为节点负荷的上下限；Deqtl为tl时段的净负荷。

[0082] 3)各负荷节点的总响应量约束：

[0083]

[0084] 其中，T为总调度周期数，该约束保证总调度周期内，各负荷节点的总用电量不变。

[0085] 4)相邻时段间和区间爬坡需求约束：

[0086] μtl*(Deqtl-Deqtl-1)≤Rampup

[0087]

[0088] 其中，μtl为辅助变量，表示净负荷的趋势，增加为1，减小为-1；Rampup为设定的时段间火电机组的爬坡上限。μtk为辅助变量，与μtl含义相同；Rampsup为设定的区间内火电机组的单位爬坡上限；Deqtl-1为t-1时段的净负荷值；tk和tk-1分别为净负荷曲线第k和第k-1个拐点对应的时间； 和 为第k和第k-1个净负荷曲线拐点对应时段的净负荷值。

[0089] 203：判断所有分区计算是否完毕，如果是，输出优化后的负荷曲线，执行步骤204；如果否，执行步骤202；

[0090] 204：基于优化后的负荷曲线，利用二阶段调度模型进行日前调度；

[0091] 其中，在含风电系统中，风电由于不消耗化石能源，其运行成本相比火电机组可以忽略，但火电机组为风电消纳提供大量的备用，降低了火电机组运行经济性。在火电机组运行成本的基础上，在目标函数中引入备用容量补偿成本对系统中火电机组进行一定的补偿，以提高其经济性。

[0092] 第二目标函数包括：火电机组运行耗量成本和备用容量补偿成本，表达式如下：

[0093] min f(Pi,t)＝F(Pi,t)+Freserve(Pi,t)

[0094] 其中，火电运行成本F(Pi,t)可表示为：

[0095]

[0096] 式中：Pi,t为第i台火电机组t时刻的调度出力，ai，bi，ci为火电机组运行成本特性系数；N为常规火电机组数。

[0097] 备用容量补偿成本Freserve(Pi,t)可表示为：

[0098]

[0099] 式中，ηi,sr为备用补偿成本系数，单位$/MW；Pimax为第i台火电机组最大出力。

[0100] 约束条件包括：

[0101] 1)功率平衡约束：

[0102]

[0103] 其中，Pws,t为风电出力；Dt为t时段的系统有功负荷值。

[0104] 2)火电机组出力约束：

[0105] Pi min≤Pi,t≤Pi max

[0106] 其中，Pimin为第i台火电机组最小出力值。

[0107] 3)火电机组爬坡约束：

[0108]

[0109]

[0110] 其中， 分别为火电机组向上、向下爬坡速率；ΔT为调度时间间隔；Pi,t-1为第i台火电机组t-1时刻的调度出力。

[0111] 4)风电机组出力约束：

[0112]

[0113] 其中， 为风电机组预测出力值。

[0114] 5)旋转备用约束：

[0115]

[0116]

[0117] 其中，Rd为未纳入风电时系统所需的旋转备用，取系统负荷的5％～10％或最大一台机组装机容量；Rup、Rdown分别为接入风电后的上调、下调旋转备用增量。

[0118] 205：判断优化调度结果是否合理，即结果是否满足所有约束条件，如果是，输出调度的结果，流程结束；如果否(不满足任一约束条件)，重新执行步骤202。

[0119] 综上所述，本发明实施例通过上述步骤201-步骤205提高了风电利用率，优化分配了发电资源，适用于含大规模风电电力系统的实际调度。

[0120] 实施例3

[0121] 下面结合具体的试验、附图3来验证实施例1和2中方案的可行性，详见下文描述：

[0122] 以IEEE 36节点10机电力系统为算例，接入装机容量为600MW的风电，需求响应量上下限为最大负荷的正负15％。设定两个场景，场景1为不考虑需求响应只考虑步骤204中的二阶段调度模型进行调度；场景2为考虑需求响应，利用步骤202和步骤204的两阶段优化模型进行优化。两种场景下电力系统净负荷曲线对比参照图3，两种场景下优化结果对比如表1所示：

[0123] 表1不同场景下的优化结果对比

[0124]

[0125] 由图3可知，对比两种场景下的净负荷曲线，场景2下的净负荷曲线波动较场景1小。由表1可知，场景2对比场景1，电力系统负荷曲线的峰谷差减小，爬坡需求减小，对应的调峰和爬坡需求减小，同时风电利用率增大，表明了本发明实施例首先考虑调峰和爬坡需求运用需求响应对净负荷曲线进行优化，之后进行日前调度可有效提高风电利用率，证明了本发明实施例的合理性和有效性。

[0126] 实施例4

[0127] 一种考虑调峰和爬坡需求的两阶段源-荷调度装置，参见图4，该调度装置包括：

[0128] 分区模块1，用于根据净负荷曲线的拐点对净负荷曲线进行分区；

[0129] 分析模块2，用于基于净负荷曲线分析电力系统的调峰需求和各时段间的爬坡需求；

[0130] 第一优化模块3，用于对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化；

[0131] 第一输出模块4，用于当所有分区计算完毕时，输出优化后的负荷曲线；

[0132] 调度模块5，用于基于优化后的负荷曲线，利用二阶段调度模型进行日前调度；

[0133] 第二输出模块6，用于当优化调度结果合理，即满足所有约束条件时，输出调度的结果，流程结束。

[0134] 其中，参见图5，调度装置还包括：

[0135] 第二优化模块7，用于当所有分区计算尚未完毕时，继续对未计算的分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化。

[0136] 其中，参见图6，该调度装置还包括：

[0137] 第三优化模块8，用于当优化调度结果不合理，即不满足任一约束条件时，重新对每个分区利用一阶段激励型需求响应优化模型对净负荷曲线进行优化。

[0138] 具体实现时，本发明实施例对上述模块的执行主体不做限制，可以为单片机、PC机等具有计算功能的器件，也可以为其他能实现上述功能的器件。

[0139] 综上所述，本发明实施例通过上述模块提高了风电利用率，优化分配了发电资源，适用于含大规模风电电力系统的实际调度。

[0140] 本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

[0141] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。