考虑源-荷协调优化的多源电力系统多时间尺度调度方法转让专利
申请号 : CN202010100837.9
文献号 : CN111277005B
文献日 : 2022-03-18
发明人 : 崔杨 , 张家瑞 , 赵钰婷 , 王茂春 , 王铮
申请人 : 东北电力大学
摘要 :
权利要求 :
1.一种考虑源‑荷协调优化的多源电力系统多时间尺度调度方法,其特征是,它包括以下步骤:
1)对荷侧DR资源根据响应时间特性进行分类DR资源主要包括电价型(PDR)与激励型(IDR)两种;
其中PDR是指用户根据分时电价自发地调节用电计划;由于用户响应电价变化的速度较慢,因此分时电价在日前调度计划中制定,用户可在前一天根据各时刻电价不同制定相应的用电计划;
IDR又包括直接负荷控制(Directed Load Control,DLC)、可中断负荷(Interruptible Load,IL)、紧急需求侧响应项目(Emergency Demand Response Program,EDPR);电网企业先与IDR资源的管理者签订合同,在调度过程中直接管理与调用部分IDR资源;根据响应电网调度指令的时长可将IDR资源划分为以下两种:①A类IDR负荷:响应时长>1h,此类IDR负荷需要在日前长时间尺度调度中确定调用计划;
②B类IDR负荷:响应时长5~15min,此类IDR负荷可根据短时间尺度的调度指令改变自身的负荷需求;
2)提出源‑荷多时间尺度协调调度框架源‑荷多时间尺度协调调度在执行时间上分为日前调度与日内调度;日前调度时间尺度为1h,提前24h执行,只执行1次;由于常规火电机组启停时间长,因此在日前调度中确定其启停计划;同时,日前调度中还将确定PDR负荷响应量,A类IDR负荷调用计划;系统最终调用旋转备用容量将在整个调度计划的最后阶段,即日内15min时间尺度中确定,这样既能够保证系统安全运行,又能够根据更加精确的预测信息制定旋转备用计划,以此降低系统旋转备用成本;需要指出,日前调度中确定的常规机组启停计划以及PDR响应量、A类IDR负荷响应量在日内调度中将保持不变;
日内调度每15min滚动计算1次,每次优化下4h的调度计划,调度周期为15min;由于CSP电站的启停时间最小可控制在1h以内,因此能够在日内调度中制定其启停计划;同时,根据日内滚动更新的预测数据,日内调度将制定各机组出力计划、B类IDR负荷的调用计划以及最终的旋转备用计划;
3)建立源‑荷多时间尺度调度模型源‑荷多时间尺度调度模型是在源‑荷多时间尺度协调调度框架的基础上构建的,其包括对PDR、IDR的建模,以及日前调度模型以及日内调度模型的建立;
①PDR建模
PDR根据消费者心理意愿,通过制定合理的日前实时电价来改变用户的用电方式,采用价格型需求弹性矩阵E来表示电价变化率对负荷变化率的影响;
式中,T为调度总时长,取值为24;λ△q,t为t时刻的负荷变化率;λ△p,t为t时刻的电价变化率;E为价格型需求弹性矩阵,其主对角线为自弹性系数,副对角线为互弹性系数,自弹性系数与互弹性系数取值分别为‑0.2与0.03;
经过PDR后,负荷会相对于原负荷发生变化,其变化量称为负荷响应量,是根据式(1)的负荷变化率计算得来式(2):
ΔPPDR,t=λΔq,tPload,t (2)式中,△PDRt为经过PDR后t时刻的负荷响应量,Pload,t为原t时刻负荷预测值;
②IDR建模
IDR调用量受响应速度与响应容量限制,A类IDR负荷约束如式(3)所示,B类IDR负荷约束如式(4)所示,
式中,△IDRAt为A类IDR负荷在t时刻的响应量,△IDRAt‑1为A类IDR负荷在t‑1时刻的响max
应量,IDRA 为A类IDR负荷在每一时刻的最大调用量,RIDRA为A类IDR负荷的响应速率;△max
IDRBt为B类IDR负荷在t时刻的响应量,△IDRBt‑1为B类IDR负荷在t‑1时刻的响应量,IDRB为B类IDR负荷在每一时刻的最大调用量,RIDRB为B类IDR负荷的响应速率;
③日前优化调度模型
日前优化调度采用多场景随机优化的方法处理系统不确定性,多场景随机优化的核心思想是根据不确定量的分布规律,生成多个场景,使得决策量在多个场景下都能满足要求,选择那个使得所有场景的期望成本之和最小的调度策略,是一种二阶段的优化决策模型,适用于不确定量较大的场合,能够不依赖于系统可靠性指标获得经济性最优的调度结果,通过在日前调度中生成S个风电以及负荷预测场景来刻画风电及负荷预测的不确定性;
日前优化调度模型的目标函数为式(5),式中,f1为日前调度目标函数,min为取最小函数,∑为求和函数,CTh,t、CCSP,t、CW,t、CcW,t分别为火电机组运行成本、CSP电站运行成本、风电场运行成本以及弃风惩罚成本;Ns代表场景个数,NG代表常规火电机组台数,ps为第S个概率场景发生的概率;ai、bi、ci分别为第i台火电机组发电成本系数,PGi,t,s为第i台火电机组在场景s下t时刻的调度出力,Si为第i台火电机组启停成本系数,ui,t为第i台火电机组在t时刻的运行状态系数,为1代表处于运行状态;kCSP为CSP电站的发电成本系数,PCSP,t,s为CSP电站在场景s下t时刻的调度出力,SCSP为CSP电站的启停成本系数,uCSP,t,s为CSP电站在场景s下t时刻的运行状态系数,为1代表处于运行状态;kW为风电场运行成本系数,PW,t,s为风电在场景s下t时刻的调度出力;kcW为弃风惩罚成本系数, 为风电日前在场景s下t时刻的预测出力;kIDRA、kIDRB分别为A类IDR负荷与B类IDR负荷的调用成本系数,△IDRAt为A类IDR负荷在t时刻的调用量,△IDRBt,s为B类IDR负荷在s场景下t时刻的调用量;
日前优化调度模型的约束条件为:
系统功率平衡约束为式(6),
式中, 为负荷日前在场景s下t时刻的预测值;
火电机组出力约束如式(7)所示,式中, 为第i台火电机组的最小技术出力, 为第i台火电机组的最大技术出力;
火电机组爬坡约束如式(8)所示,u
式中,Ri为火电机组i的爬坡速率;
风电运行约束为式(9)
CSP电站能量守恒约束为式(10)th,S‑H th,T‑H th,H‑T C th th,H‑PPt +Pt =Pt +utPSU +Pt (10)th,S‑H th,T‑H
式中,Pt 为CSP电站光场吸收的太阳能热量、Pt 为CSP电站由TES向导热工质释th,H‑T
放的热量,该部分热量可被用于CSP电站发电、Pt 为CSP电站中由导热工质向TES存储的th,H‑P
热量,该部分热量可存储于CSP电站的TES中、Pt 为CSP电站的导热工质中用于发电的热量;
通过日前优化调度,能够得到常规机组启停计划、PDR各时刻响应量、A类IDR负荷调用计划,根据式(5)、(6)、(7)、(8)、(9)、(10),将变量△PDRt、ui,t、△IDRAt作为定值代入日内调度模型中;
④日内优化调度模型
日内调度目标与日前调度相同,为系统总成本最低,式中,f2为日内调度目标函数,△T为日内调度一个调度周期时长,t0为当前调度时段的初始时刻, 为日内旋转备用预留成本, 分别为日内火电机组与CSP电站提供旋转备用成本系数, 分别为火电机组与CSP电站日内所提供的正/负旋转备用容量,同时,日前调度确定的常规机组启停计划ui,t以及A类IDR负荷响应量△IDRAt为定值,不再进行相应优化;
由于日前调度已确定常规机组启停计划以及PDR负荷、A类IDR负荷响应量,因此日内调度中将不存在机组组合约束以及对于PDR、A类IDR负荷响应量约束;同时,由于日内调度中采用机会约束处理不确定性问题,因此日内调度在旋转备用约束上较日前调度有所不同,如式(12)所示,
式中,Pr{}为置信度表达式,α、β分别为满足正旋转备用与负旋转备用约束的置信度,取值都为0.95;
日内调度中系统功率平衡约束为式(13),由于日内调度中不采用多场景随机优化,因此不存在多个场景的约束,
式中, 为负荷在t时刻的日内预测值;PGi,t为第i台火电机组在t时刻的调度出力,PCSP,t为CSP电站在t时刻的调度出力,PW,t为风电在t时刻的调度出力;△IDRAt为A类IDR负荷在t时刻的调用量,△IDRBt为B类IDR负荷在t时刻的调用量;
火电机组日内出力约束如式(14)所示,火电机组爬坡约束如式(15)所示,风电运行约束为式(16)
式中, 为风电日内t时刻预测出力;
CSP电站能量守恒约束为式(17)th,S‑H th,T‑H th,H‑T C th th,H‑PPt +Pt =Pt +utPSU +Pt (17)。
说明书 :
考虑源‑荷协调优化的多源电力系统多时间尺度调度方法
技术领域
背景技术
度阶段,未充分探讨CSP电站的快速调节能力参与日内短时间尺度调度的作用;2)对于源侧
CSP电站与荷侧需求响应(Demand Response,DR)资源的协调调度未从多时间尺度协调优化
的角度展开研究;3)未充分分析源侧CSP电站与荷侧DR可调节资源之间的互补调节能力。
TES),其可在风电高发时刻将多余太阳能热存储,在风电低发时刻将存储的热能转换为电
能释放,以此实现能量的时移利用,并促进系统风电消纳;荷侧,随着电力市场化改革的推
进以及泛在电力物联网的提出与建设,DR已作为可调节资源参与到电力系统的调度运行当
中。近年来,西北地区也在加快引入DR资源。
发明内容
同对DR资源进行分类,然后,综合考虑CSP电站的能量时移特性与快速调节能力以及DR资源
的多时间尺度特性,以系统运行成本以及弃风惩罚成本最低为目标,构建了源‑荷多时间尺
度协调调度模型;通过协调调度源侧常规火电机组、CSP电站与风电出力以及荷侧各类DR资
源调用计划,在促进系统风电消纳的同时提高系统运行经济性。
同制定相应的用电计划;
EDPR);电网企业先与IDR资源的管理者签订合同,在调度过程中直接管理与调用部分IDR资
源;根据响应电网调度指令的时长可将IDR资源划分为以下两种:
确定其启停计划;同时,日前调度中还将确定PDR负荷响应量,A类IDR负荷调用计划;系统最
终调用旋转备用容量将在整个调度计划的最后阶段,即日内15min时间尺度中确定,这样既
能够保证系统安全运行,又能够根据更加精确的预测信息制定旋转备用计划,以此降低系
统旋转备用成本;需要指出,日前调度中确定的常规机组启停计划以及PDR响应量、A类IDR
负荷响应量在日内调度中将保持不变;
时,根据日内滚动更新的预测数据,日内调度将制定各机组出力计划、B类IDR负荷的调用计
划以及最终的旋转备用计划;
性系数与互弹性系数取值分别为‑0.2与0.03;
的响应量,IDRA 为A类IDR负荷在每一时刻的最大调用量,RIDRA为A类IDR负荷的响应速率;
△IDRBt为B类IDR负荷在t时刻的响应量,△IDRBt‑1为B类IDR负荷在t‑1时刻的响应量,
max
IDRB 为B类IDR负荷在每一时刻的最大调用量,RIDRB为B类IDR负荷的响应速率;
要求,选择那个使得所有场景的期望成本之和最小的调度策略,是一种二阶段的优化决策
模型,适用于不确定量较大的场合,能够不依赖于系统可靠性指标获得经济性最优的调度
结果,通过在日前调度中生成S个风电以及负荷预测场景来刻画风电及负荷预测的不确定
性;
代表场景个数,NG代表常规火电机组台数,ps为第S个概率场景发生的概率;ai、bi、ci分别为
第i台火电机组发电成本系数,PGi,t,s为第i台火电机组在场景s下t时刻的调度出力,Si为第
i台火电机组启停成本系数,ui,t为第i台火电机组在t时刻的运行状态系数,为1代表处于运
行状态;kCSP为CSP电站的发电成本系数,PCSP,t,s为CSP电站在场景s下t时刻的调度出力,SCSP
为CSP电站的启停成本系数,uCSP,t,s为CSP电站在场景s下t时刻的运行状态系数,为1代表处
于运行状态;kW为风电场运行成本系数,PW,t,s为风电在场景s下t时刻的调度出力;kcW为弃风
惩罚成本系数, 为风电日前在场景s下t时刻的预测出力;kIDRA、kIDRB分别为A类IDR负荷
与B类IDR负荷的调用成本系数,△IDRAt为A类IDR负荷在t时刻的调用量,△IDRBt,s为B类
IDR负荷在s场景下t时刻的调用量;
质释放的热量,该部分热量可被用于CSP电站发电、Pt 为CSP电站中由导热工质向TES存
th,H‑P
储的热量,该部分热量可存储于CSP电站的TES中、Pt 为CSP电站的导热工质中用于发电
的热量;
内调度模型中;
站提供旋转备用成本系数, 分别为火电机组与CSP电站日内所提
供的正/负旋转备用容量,同时,日前调度确定的常规机组启停计划ui,t以及A类IDR负荷响
应量△IDRAt为定值,不再进行相应优化;
度中采用机会约束处理不确定性问题,因此日内调度在旋转备用约束上较日前调度有所不
同,如式(12)所示,
负荷在t时刻的调用量,△IDRBt为B类IDR负荷在t时刻的调用量;
速调节能力以及DR资源的多时间尺度特性,以系统运行成本以及弃风惩罚成本最低为目
标,构建了源‑荷多时间尺度协调调度模型。其特点是,通过协调调度源侧常规火电机组、
CSP电站与风电出力以及荷侧各类DR资源调用计划,在促进系统风电消纳的同时提高了系
统运行经济性。具有科学合理,适用性强,效果佳等优点。
附图说明
具体实施方式
同制定相应的用电计划;
EDPR);电网企业先与IDR资源的管理者签订合同,在调度过程中直接管理与调用部分IDR资
源;根据响应电网调度指令的时长可将IDR资源划分为以下两种:
确定其启停计划;同时,日前调度中还将确定PDR负荷响应量,A类IDR负荷调用计划;系统最
终调用旋转备用容量将在整个调度计划的最后阶段,即日内15min时间尺度中确定,这样既
能够保证系统安全运行,又能够根据更加精确的预测信息制定旋转备用计划,以此降低系
统旋转备用成本;需要指出,日前调度中确定的常规机组启停计划以及PDR响应量、A类IDR
负荷响应量在日内调度中将保持不变;
时,根据日内滚动更新的预测数据,日内调度将制定各机组出力计划、B类IDR负荷的调用计
划以及最终的旋转备用计划;
性系数与互弹性系数取值分别为‑0.2与0.03;
的响应量,IDRA 为A类IDR负荷在每一时刻的最大调用量,RIDRA为A类IDR负荷的响应速率;
△IDRBt为B类IDR负荷在t时刻的响应量,△IDRBt‑1为B类IDR负荷在t‑1时刻的响应量,
max
IDRB 为B类IDR负荷在每一时刻的最大调用量,RIDRB为B类IDR负荷的响应速率;
要求,选择那个使得所有场景的期望成本之和最小的调度策略,是一种二阶段的优化决策
模型,适用于不确定量较大的场合,能够不依赖于系统可靠性指标获得经济性最优的调度
结果,通过在日前调度中生成S个风电以及负荷预测场景来刻画风电及负荷预测的不确定
性;
代表场景个数,NG代表常规火电机组台数,ps为第S个概率场景发生的概率;ai、bi、ci分别为
第i台火电机组发电成本系数,PGi,t,s为第i台火电机组在场景s下t时刻的调度出力,Si为第
i台火电机组启停成本系数,ui,t为第i台火电机组在t时刻的运行状态系数,为1代表处于运
行状态;kCSP为CSP电站的发电成本系数,PCSP,t,s为CSP电站在场景s下t时刻的调度出力,SCSP
为CSP电站的启停成本系数,uCSP,t,s为CSP电站在场景s下t时刻的运行状态系数,为1代表处
于运行状态;kW为风电场运行成本系数,PW,t,s为风电在场景s下t时刻的调度出力;kcW为弃风
惩罚成本系数, 为风电日前在场景s下t时刻的预测出力;kIDRA、kIDRB分别为A类IDR负荷
与B类IDR负荷的调用成本系数,△IDRAt为A类IDR负荷在t时刻的调用量,△IDRBt,s为B类
IDR负荷在s场景下t时刻的调用量;
质释放的热量,该部分热量可被用于CSP电站发电、Pt 为CSP电站中由导热工质向TES存
th,H‑P
储的热量,该部分热量可存储于CSP电站的TES中、Pt 为CSP电站的导热工质中用于发电
的热量;
日内调度模型中;
站提供旋转备用成本系数, 分别为火电机组与CSP电站日内所提供
的正/负旋转备用容量,同时,日前调度确定的常规机组启停计划ui,t以及A类IDR负荷响应
量△IDRAt为定值,不再进行相应优化;
度中采用机会约束处理不确定性问题,因此日内调度在旋转备用约束上较日前调度有所不
同,如式(12)所示,
负荷在t时刻的调用量,△IDRBt为B类IDR负荷在t时刻的调用量;
的调度方式进行对比,以此验证本发明的一种考虑源‑荷协调优化的多源电力系统多时间
尺度调度方法所构建模型的有效性。
荷聚合商。
计划于日前制定;
侧资源的调用情况,图5为两种风电场景下CSP电站的调度出力与自然出力的对比情况。
用,这一时段的负荷需求有所提高,该时段的弃风量有所降低。而在风电出力呈现正调峰的
场景下,由于风电的高发时段位于9‑14时以及16‑19时,且此时段需求响应前负荷较高,因
此正调峰场景下IDR负荷的正调用量相比反调峰场景减少了94.64%。
变化较为剧烈。
电消纳空间,并将多余能量存储于TES中;而20‑22时风电出力下降较为剧烈,此时CSP电站
通过自身的能量时移特性与灵活调节能力,将之前存储的热量转换为电能释放,在弥补风
电出力缺额的同时降低了火电机组的出力,有利于系统运行经济性。
度后在9‑19时出力相比反调峰场景较低,为风电提供了更多上网空间,同时,在19‑23时风
电出力开始出现下降趋势时CSP电站的调度出力相比反调峰场景较高,以此达到平衡负荷
需求的目的。
之后,而需求侧资源参与调节的时段则多位于0‑8时,较好的实现了资源的互补利用。
调峰场景下相比方式1与方式2弃风惩罚成本分别降低了24.22%与19.4%。此外,正调峰场
景下方式2相比方式1的弃风惩罚成本降低了53.98%,而采用调度方式3时无弃风惩罚成
本,这是由于正调峰场景下风电出力的高发时段集中于白天,而此时CSP电站可调节能力较
高,可为风电提供更多的上网空间。
了IDR负荷为平抑风电波动而需要的调节量;而方式3相比方式2又进一步考虑了多时间尺
度调度,这使系统能够更加精确地调用IDR负荷,减少了部分不必要的IDR负荷调用量。
式2的调度方式中考虑了CSP电站与火电机组共同提供系统旋转备用,这使得火电机组提供
旋转备用的成本有所降低;而方式3的系统旋转备用成本在日内调度中确定,由于日内预测
相比日前预测更加精确,系统为应对预测误差而所需的旋转备用容量相比只进行日前调度
的方式2有所减少,因此旋转备用成本相比方式2有所降低。
过创造性劳动就能够想到其它实质上同的替代,均在本发明保护范围内。