新能源与储能协同配合的电力系统黑启动路径恢复方法与流程

1.本发明涉及涉及电力系统恢复技术领域，具体涉及一种新能源与储能协同配合的电力系统黑启动路径恢复方法。


背景技术：

2.随着电网的不断发展，电网运行的可靠性和经济性不断得到提升。与此同时，新能源的并网比例也在不断攀升，虽然新能源发电控制技术也在不断发展，但其固有的不确定性仍给系统的安全稳定运行带来了隐患，若处理不当可能会导致严重的大停电事故。为减少大停电事故导致的损失，提前制定行之有效的黑启动方案具有极其重要的意义。发生大停电事故之后系统恢复的第一阶段是具有自启动能力的机组自启动。由于水电机组具有启动速度快、启动功率小、爬坡速度快等优点，是理想的黑启动电源。而风电等新能源同样具有启动速度快、启动功率小的优点，且随着新能源运行控制技术及电力电子技术的发展，包括风电和光伏在内的新能源已经具备了独立的有功、无功功率的调节能力，若新能源能够安全稳定地参与系统恢复，将极大地加快系统恢复的进程。
3.大停电事故后的系统黑启动过程一般被分为三个阶段：机组黑启动、网架重构、负荷恢复，现有的黑启动优化策略一般着重于其中一个阶段进行研究，但在实际的恢复过程中，这三个阶段之间并不存在明显的先后顺序。同时由于电力系统黑启动优化是一个混合整数非线性规划问题，属于np难问题，现有方法多采用启发式智能算法进行求解，但启发式智能算法存在着如模型鲁棒性差、容易陷入局部最优等问题。此外，对于考虑新能源参与的电力系统黑启动，现有方法主要侧重于接入时机、并网策略以及并网容量等方面，对于考虑新能源的全网恢复策略研究较少。现有关于新能源的并网策略的优化方法，虽在计算过程中考虑了新能源，但关于新能源出力的处理却基于确定性模型；关于接入时机，大多恢复方案选择在系统恢复后期的负荷恢复阶段接入新能源，未考虑到在网架重构中期系统具有一定应对新能源出力不确定性的能力。


技术实现要素：

4.本发明目的是提供一种新能源与储能协同配合的电力系统黑启动路径恢复方法，解决了部分地区可能存在的黑启动资源不足的问题。
5.本发明提供一种新能源与储能协同配合的电力系统黑启动路径恢复方法，包括以下步骤：
6.1)统计系统各机组及线路的数据、相应时间周期内负荷预测序列，根据系统所处区域新能源出力历史数据，得到有限个典型出力场景。
7.2)计及完整时间尺度下电网内各元件的恢复操作，同时考虑储能电站的电量约束、新能源出力不确定性及各机组所处位置，建立具有目标函数和约束条件的所述新能源与所述储能协同配合的电力系统黑启动动态路径恢复优化模型；所述目标函数为最大化系统恢复期间的恢复负荷电量及常规机组发电量；
8.3)求解该优化模型，得到系统内各机组及负荷的最优恢复顺序及相应的恢复路径。
9.优选地，所述统计系统各机组及线路的数据、相应时间周期内负荷预测序列，根据系统所处区域新能源出力历史数据，得到有限个典型出力场景具体包括将电力系统黑启动的机组黑启动、网架重构阶段、负荷全面恢复阶段合并为一个问题进行解决，实现了多时段的耦合，得到了一套完整时间尺度下全系统的黑启动方案。
10.优选地，所述计及完整时间尺度下电网内各元件的恢复操作，同时考虑储能电站的电量约束、新能源出力不确定性及各机组所处位置，建立新能源与储能协同配合的电力系统黑启动动态路径恢复优化模型具体包括考虑了储能电站的电量约束、新能源出力不确定性及各机组所处位置，实现了新能源与储能电站的协同配合。
11.优选地，所述目标函数中引入各场景出现的概率，相应的目标函数为：
[0012][0013]
式中，s为场景集合；n为节点集合；g为发电机组集合，包括黑启动机组、非黑启动的火力发电机组；p
s
为场景s出现的概率；p
d,i
为节点i的有功负荷需求；u
d,i
(t)为0
‑
1变量，表示节点i上的负荷在第t时段内的恢复状态，如在该时段该负荷处于已恢复状态则其值为1，否则为0；为场景s下第t时段机组g的有功出力；u
g
(t)为0
‑
1变量，表示机组g在第t时段的恢复状态，若已恢复则为1，否则为0；p
cr,g
为机组g的启动功率；t为优化的时段总数，δt为单位时间步长。
[0014]
优选地，所述新能源与储能协同配合的电力系统黑启动动态路径恢复优化模型约束条件包括：节点功率平衡约束、线路潮流约束、常规机组启动及运行约束、抽水蓄能机组约束、新能源机组约束、单次投入负荷功率约束、发电机自励磁约束、网络连通约束、系统运行约束。
[0015]
优选地，所述计及完整时间尺度下电网内各元件的恢复操作，同时考虑储能电站的电量约束、新能源出力不确定性及各机组所处位置，建立新能源与储能协同配合的电力系统黑启动动态路径恢复优化模型还包括对相关约束进行线性化处理，同时对发电机的模型也进行了线性化处理。
[0016]
优选地，所述求解该优化模型，得到系统内各机组及负荷的最优恢复顺序及相应的恢复路径具体包括以多场景刻划新能源的不确定性，综合考虑了多场景下新能源出力不确定性将会给电网黑启动过程带来的影响。
[0017]
优选地，所述求解该优化模型，得到系统内各机组及负荷的最优恢复顺序及相应的恢复路径还包括考虑各个场景的出现概率不同，可以有针对性地增加出现概率大的场景的权重。
[0018]
本发明方法具有如下优点：
[0019]
1、本发明将电力系统黑启动的机组黑启动、网架重构阶段、负荷全面恢复阶段合并为一个问题进行解决，实现了多时段的耦合，得到了一套完整时间尺度下全系统的黑启动方案，解决了分阶段求解可能导致的各阶段衔接不一致的问题。
[0020]
2、本发明考虑了储能电站的电量约束、新能源出力不确定性及各机组所处位置，实现了新能源与储能电站的协同配合，使得二者在时间和空间上实现互补，提高了恢复过
程中的稳定性，并解决了部分地区可能存在的黑启动资源不足的问题。
[0021]
3、系统恢复过程中网络拓扑不断变化将导致模型中潮流相关的约束非线性，本发明对相关约束进行了线性化处理，同时对发电机的模型也进行了线性化处理，使得整个模型线性化，提高了模型求解准确性和鲁棒性。
[0022]
4、本发明以多场景刻划新能源的不确定性，综合考虑了多场景下新能源出力不确定性将会给电网黑启动过程带来的影响，使得求解得到的黑启动方案全场景可行且期望值最大。同时考虑各个场景的出现概率不同，可以有针对性地增加出现概率大的场景的权重，从而使得优化结果更符合实际情况。
附图说明
[0023]
图1为本发明提供的新能源与储能协同配合的电力系统黑启动动态路径恢复优化方法的流程图。
[0024]
图2为应用实例所采用的新英格兰10机39节点系统拓扑图。
[0025]
图3为确定性优化所得到的黑启动方案与场景之间的对应图。
[0026]
图4为采用不同黑启动方案时系统节点电压幅值的变化曲线。
具体实施方式
[0027]
以下实施例用于说明本发明，但不用来限制本发明的范围。为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0028]
如图1所示，本发明提供一种新能源与储能协同配合的电力系统黑启动路径恢复方法，包括以下步骤：
[0029]
1)确定问题研究的时间周期和步长，收集系统内各元件的计算数据，包括：各类机组的运行参数和个数、线路参数、相应时间周期内负荷的预测序列和各新能源出力场景；本发明所述机组运行参数包括火电机组额定容量、最小技术出力、爬坡率、厂用电功率及启动时间，抽水蓄能机组额定容量、爬坡率、抽发电水电转换因子、水泵电机功率、初始水量、库容上下限，新能源机组额定容量、功率因数。本发明所述线路参数包括线路阻抗、对地电纳、最大有功功率限制及最大无功功率限制。
[0030]
2)计及完整时间尺度下电网内各元件的恢复操作，同时考虑储能电站的电量约束、新能源出力不确定性及各机组所处位置，建立具有目标函数和约束条件的所述新能源与所述储能协同配合的电力系统黑启动动态路径恢复优化模型；所述目标函数为最大化系统恢复期间的恢复负荷电量及常规机组发电量；所述目标函数中引入各场景出现的概率，相应的目标函数为：：
[0031][0032]
式中，s为场景集合；n为节点集合；g为发电机组集合，包括黑启动机组、非黑启动的火力发电机组；p
s
为场景s出现的概率；p
d,i
为节点i的有功负荷需求；u
d,i
(t)为0
‑
1变量，
表示节点i上的负荷在第t时段内的恢复状态，如在该时段该负荷处于已恢复状态则其值为1，否则为0；为场景s下第t时段机组g的有功出力；u
g
(t)为0
‑
1变量，表示机组g在第t时段的恢复状态，若已恢复则为1，否则为0；p
cr,g
为机组g的启动功率；t为优化的时段总数，δt为单位时间步长，约束条件为式(2)
‑
(31)。
[0033]
所述新能源与储能协同配合的电力系统黑启动动态路径恢复优化模型约束条件包括：节点功率平衡约束、线路潮流约束、常规机组启动及运行约束、抽水蓄能机组约束、新能源机组约束、单次投入负荷功率约束、发电机自励磁约束、网络连通约束、系统运行约束。
[0034]
所述的节点功率平衡约束表示为：
[0035][0036][0037]
其中，
[0038][0039][0040][0041]
式中，g(i)表示位于节点i的发电机组集合，包括黑启动机组、非黑启动的火力发电机组；r(i)是位于节点i的新能源发电机组集合；br(i)表示与节点i连接的线路集合；q
d,i
为节点i在的无功负荷需求；为场景s下第t时段机组g的无功出力；为场景s下新能源机组r在时段t发出的有功功率和无功功率；分别为场景s下t时段内经由线路ij由i节点流向j节点的有功功率和无功功率；v
is
(t)为场景s下t时段内节点i的电压幅值；u
ij
(t)为0
‑
1变量，表示线路ij在t时段的恢复状态，若已恢复则为1，否则为0；u
i
(t)为0
‑
1变量，表示节点i在t时段的恢复状态，若已恢复则为1，否则为0；b
sh,i0
为节点i上的并联电纳，b
sh,ij
为线路ij的对地电纳；表示在场景s下t时段由节点i上的并联电纳产生的对地注入无功功率；表示在场景s下t时段由线路ij对地电纳产生的经过节点i的对地注入无功功率；为节点i的电压上限。
[0042]
所述的线路潮流约束表示为：
[0043][0044][0045]
式中，为场景s下t时段节点i的电压相角；分别为线路ij允许流过的有功功率和无功功率上限。
[0046]
所述的常规机组启动及运行约束表示为：
[0047][0048][0049][0050][0051][0052][0053]
其中，
[0054][0055]
式中，是为了表示机组g在场景s下当前时段相对上一时段的出力差而引入的变量；t
cr,g
为启动机组g厂用电所需的充电时间；k
r,g
为机组g的爬坡率；t
up,g
为机组g从并网到爬坡至最小技术出力所需的时间；为机组有功出力上限；为机组g的无功出力上下限。
[0056]
所述的抽水蓄能机组约束包括：
[0057]
1)抽水\发电约束，表示为：
[0058][0059][0060]
[0061]
为抽水蓄能机组在场景s下t时段的抽水功率，d为水泵电机功率，为0
‑
1变量，表示抽水蓄能机组在t时段的抽水状态，若为1则表示机组在此时段内抽水，否则表示不抽水；表示抽水蓄能机组在场景s下t时段内对外输出的有功功率，为抽水蓄能机组发出的有功功率；u
b
(t)为0
‑
1变量，表示抽水蓄能机组在t时段的发电状态，若为1则表示机组在该时段内发电，否则表示不发电。
[0062]
2)库容约束
[0063][0064][0065]
式中，分别为库容上下限，为t时段水库水量；h
g
为发电状态下的水电转换因子，h
p
为抽水状态下的水电转换因子。
[0066]
所述的新能源机组约束表示为：
[0067][0068][0069]
式中，为场景s下新能源机组r在t时段的最大可发有功功率；u
i
(t)为0
‑
1变量，表示节点i的恢复状态，若已恢复则值为1，否则为0；为新能源机组的功率因数角。
[0070]
所述的单次投入负荷功率约束表示为：
[0071][0072]
式中，δf
max
为系统正常运行允许的最大频率偏差值；p
n,g
是机组g的额定有功功率；f
d,g
是机组g的频率响应值。
[0073]
所述的发电机自励磁约束表示为：
[0074][0075]
式中，k
cb,g
为机组g的短路比，s
n,g
为机组的额定容量。
[0076]
所述的网络连通约束表示为：
[0077]
u
i
(t)≥u
g
(t),g∈g(i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(26)
[0078]
u
i
(t)≥u
d,i
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(27)
[0079][0080][0081]
u
ij
(t)≤u
i
(t
‑
1) u
j
(t
‑
1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(30)
[0082]
[0083]
所述的系统运行约束表示为：
[0084][0085]
式中，θ
max
、θ
min
分别为节点电压相角的上下限，v
min
为节点电压幅值的下限。
[0086]
所述新能源与储能协同配合的电力系统黑启动动态路径恢复优化模型约束条件包括：节点功率平衡约束、线路潮流约束、常规机组启动及运行约束、抽水蓄能机组约束、新能源机组约束、单次投入负荷功率约束、发电机自励磁约束、网络连通约束、系统运行约束。
[0087]
3)求解模型得到系统内各机组及负荷的最优恢复顺序及相应的恢复路径。
[0088]
所述统计系统各机组及线路的数据、相应时间周期内负荷预测序列，根据系统所处区域新能源出力历史数据，得到有限个典型出力场景具体包括将电力系统黑启动的机组黑启动、网架重构阶段、负荷全面恢复阶段合并为一个问题进行解决，实现了多时段的耦合，得到了一套完整时间尺度下全系统的黑启动方案。
[0089]
所述计及完整时间尺度下电网内各元件的恢复操作，同时考虑储能电站的电量约束、新能源出力不确定性及各机组所处位置，建立新能源与储能协同配合的电力系统黑启动动态路径恢复优化模型具体包括考虑了储能电站的电量约束、新能源出力不确定性及各机组所处位置，实现了新能源与储能电站的协同配合。
[0090]
仿真算例：
[0091]
采用新英格兰10机39节点系统进行测算，其网络拓扑图如图2所示。研究时间范围为4个小时(240分钟)，步长为15分钟。火电机组的启动时间均设为30min，新能源机组的功率因数均设为0.9，抽水蓄能机组的水泵电机功率d设为200mw，水库初始水量为9.782
×
105l，火电机组的其他具体参数见表1，抽水蓄能机组的其他参数见表2，新能源机组的装机容量见表3，相应时间周期内负荷的预测序列见表4，所选取的10个场景下新能源可用容量占装机容量占比见表5。
[0092]
表1火电机组参数
[0093][0094]
表2抽水蓄能机组参数
[0095][0096]
表3新能源机组装机容量
[0097][0098]
表4恢复时段内预测负荷
[0099]
[0100][0101]
表5 10个场景新能源可用容量占装机容量占比
[0102][0103]
最后求解得到的发电机及负荷恢复顺序如表6所示，
[0104]
表6机组及负荷恢复顺序
[0105][0106]
所述计及完整时间尺度下电网内各元件的恢复操作，同时考虑储能电站的电量约束、新能源出力不确定性及各机组所处位置，建立新能源与储能协同配合的电力系统黑启动动态路径恢复优化模型还包括对相关约束进行线性化处理，同时对发电机的模型也进行了线性化处理，提出了线性化的优化模型，提高了模型求解准确性和鲁棒性。
[0107]
所述求解该优化模型，得到系统内各机组及负荷的最优恢复顺序及相应的恢复路径具体包括以多场景刻划新能源的不确定性，综合考虑了多场景下新能源出力不确定性将会给电网黑启动过程带来的影响，使得优化结果全场景可行，且期望值最大。
[0108]
考虑单一场景下进行确定性优化，即仅考虑一个场景求解本发明提出的模型，由发明给出的10个场景，再增加一组新能源0出力的场景，可得到11组黑启动方案，对应关系如图3所示。将表6所示的黑启动方案记作“黑启动方案12”。当系统实际恢复阶段分别处于场景1
‑
10时，将12个黑启动方案分别应用于系统的恢复，即根据上述黑启动方案1
‑
12，固定本发明提出模型中，除了黑启动机组相关变量外的各0
‑
1变量，在仅考虑一个场景的情况下求解模型，得到的方案可行性及可行场景的平均目标函数值如表7所示：
[0109]
表7不同黑启动方案的可行性及恢复效果
[0110][0111]
由表7可得，以单个场景进行确定性优化得到的黑启动方案，应用于处在其他场景下的系统进行黑启动时，虽然可行场景的平均目标函数值相对较高，但这些方案适用的场景有限，且适用场景越多，平均目标函数值就越小，当系统实际所处的场景与预设的场景差异较大时，系统恢复过程可能将无法满足系统安全稳定恢复的部分约束从而导致系统恢复失败，进而导致更大的经济损失。而考虑新能源0出力而得到的黑启动方案11，虽然适用于以上所有场景下的系统黑启动，但相对于多场景随机优化得到的黑启动方案12，其平均目标函数值减小了4.13％，也就是整个恢复过程中的负荷恢复电量和常规机组发电量较小，经济性稍差。故由多场景随机优化得到的黑启动方案平衡了普适性和经济性，在充分考虑了新能源不确定性的同时，减小了大停电事故可能带来的经济损失。
[0112]
图4以新能源资源较为丰富且出力变化幅度较大的场景3为例，展示了黑启动方案11和黑启动方案12为黑启动方案时，全网节点电压最大值、最小值及平均值的变化曲线。如图4所示，在两种黑启动方案下，平均电压值相差不大；但在恢复早期的网架重构阶段，黑启动方案12相对黑启动方案11，有效抑制了系统电压水平的升高；而在时段10
‑
14的负荷全面恢复阶段，黑启动方案12相比黑启动方案11又有效抑制了负荷投入可能导致的电压跌落。故黑启动方案12能更好地利用全网机组的无功调节能力，增强了恢复过程中的电压稳定性，减小了由此导致黑启动失败的概率。
[0113]
所述求解该优化模型，得到系统内各机组及负荷的最优恢复顺序及相应的恢复路径还包括考虑各个场景的出现概率不同，可以有针对性地增加出现概率大的场景的权重。
[0114]
表8展示了在不同新能源装机容量占比下，整个恢复过程中的负荷恢复电量的变化。由表8所示，随着新能源装机容量的减少，恢复过程中的负荷恢复电量也随之减小，说明由于新能源机组的并网，增强了系统的发电能力，使得系统可以尽可能多地恢复负荷，从而使得整个系统恢复过程的负荷恢复电量明显大于另外两种策略，降低了整个停电事故造成的经济损失。
[0115]
表8不同新能源装机容量占比下的负荷恢复电量
[0116][0117]
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。