一种电热联合系统的调度灵活性评估方法及系统与流程

1.本发明属于电力系统调度自动化技术领域，具体涉及一种电热联合系统的调度灵活性评估方法及系统。


背景技术：

2.随着能源转换设备如热-电联产机组的蓬勃发展，能源网络耦合日益紧密。在电热协调优化调度模型中存在不确定性变量，不确定性的来源包括风电出力的预测误差，以及电、热负荷功率的预测误差。当风电出力的预测值高于实际值或者电、热负荷预测值低于实际值时，需要增加可控供能设备的出力或切除部分负荷以保证电功率平衡；反之，当风电出力的预测值低于实际值或者电、热负荷预测值高于实际值时，需要降低可控供能设备的出力或浪费部分可再生能源，这都会给电热联合系统带来调度费用增加的风险。传统“以热定电”的运行模式，导致热-电之间具有强制约关系；而热电机组根据实际情况参与调峰的模式，缺乏优化统筹规划灵活性，限制了热电机组参与调峰的效果。


技术实现要素：

3.针对现有的传统“以热定电”的运行模式，导致热-电之间具有强制约关系；而热电机组根据实际情况参与调峰的模式，缺乏优化统筹规划灵活性，限制了热电机组参与调峰的效果的不足，本发明提供了一种电热联合系统的调度灵活性评估方法，具体包括：
4.基于历史风电数据确定日前风电、负荷的不确定场景；
5.将所述不确定场景下日前风功率、电负荷和热负荷预测数据带入预先构建的优化调度模型确定机组组合计划；
6.基于所述机组组合计划利用预先构建的安全校核模型对电热联合系统的调度灵活性进行评估；
7.其中，所述安全校核模型包括：以不确定场景下弃风和切负荷量最小为目标函数，为所述目标函数引入备用不足场景次数和备用不足总量的变量，并根据变量得到预先设定的调度灵活性评估指标值；
8.所述优化调度模型包括：以火电机组和热电联产机组成本最小为目标。
9.优选的，所述优化调度模型的构建，包括：
10.根据所述不确定场景下日前风功率、电负荷和热负荷预测数据确定日前的机组组合，以火电机组的开停机成本、运行成本，热电联产机组的开停机成本和运行成本最小为目标构建目标函数；
11.以con机组功率平衡约束、con机组出力上下限约束、con机组爬坡约束、con机组输电线路容量限制约束、chp机组电出力约束、chp机组热出力约束、热力系统加热站约束，热力系统热网约束、热力系统换热站和热负荷约束为约束条件。
12.优选的，所述安全校核模型的构建，包括：
13.以不确定场景下电力系统的弃风和切负荷量最小为目标设定目标函数；
14.同时以con机组功率平衡约束、con机组出力上下限约束、con机组爬坡约束、con机组输电线路容量限制约束、chp机组电出力约束、chp机组热出力约束、热力系统加热站约束，热力系统热网约束、热力系统换热站和热负荷约束为约束条件；
15.为所述目标函数引入备用不足场景次数和备用不足总量的迭代变量以及迭代次数；
16.基于所述备用不足场景次数和备用不足总量的迭代变量以及迭代次数，分别在系统的上调备用不足时和系统的下调备用不足时计算得到迭代后的上调备用不足总量、上调备用不足场景次数、下调不足备用总量和下调备用不足场景出现次数；
17.基于预先设定的调度灵活性评估指标以及所述迭代后的上调备用不足总量、上调备用不足场景次数、下调不足备用总量和下调备用不足场景出现次数以及迭代次数，得到各调度灵活性评估指标对应的指标值。
18.优选的，所述调度灵活性评估指标，包括：上调灵活性不足概率指标、上调灵活性不足期望指标、下调灵活性不足概率指标和下调灵活性不足期望指标。
19.优选的，所述下调备用不足场景出现次数和所述下调不足备用总量的计算如下式所示：
[0020][0021]
式中，δ
down
为下调备用不足场景出现次数，η
down
为下调不足备用总量，为第s次迭代时的弃风，t为总时间段，t为时间段，n
w
为风电场总数，w为风电场；
[0022]
所述上调备用不足场景次数和所述上调备用不足总量的计算如下式所示：
[0023][0024]
式中，δ
up
为上调备用不足场景次数，η
up
为上调备用不足总量，为第s次迭代时的切负荷量，n
d
为负荷节点总数，d为负荷节点；
[0025]
所述上调灵活性不足概率指标、上调灵活性不足期望指标、下调灵活性不足概率指标和下调灵活性不足期望指标分别按下式计算：
[0026][0027]
式中，p
ufns，t
为上调灵活性不足概率指标，e
ufns，t
为上调灵活性不足期望，p
dfns，t
为下调灵活性不足概率，e
dfns，t
为下调灵活性不足期望。
[0028]
优选的，所述基于历史风电数据确定日前风电、负荷的不确定场景，包括：
[0029]
对电力系统风电出力进行区间划分；
[0030]
获取各区间的历史风电数据，并基于所述各区间的历史风电数据得到风电出力的历史预测误差分布；
[0031]
基于所述历史预测误差分布，确定日前动态场景的协方差矩阵，并基于所述协方差矩阵利用matlab生成多个不确定场景；
[0032]
其中，所述历史风电数据包括：风功率和负荷的预测数据以及实际数据。
[0033]
优选的，所述基于所述历史预测误差分布，确定日前动态场景的协方差矩阵，并基于所述协方差矩阵利用matlab生成多个不确定场景，包括：
[0034]
基于所述历史预测误差分布，采用指数型函数法计算不同时间段的任意两个多元正态随机向量的协方差，并由所述协方差构建协方差矩阵来确定日前动态场景；
[0035]
基于所述协方差矩阵确定的日前动态场景，采用数学算法得到多元正态随机向量的样本；
[0036]
基于所述历史预测误差分布，采用累计经验概率分布函数基于预先获取的风电功率预测值进行拟合得到相对预测误差；
[0037]
基于所述多元正态随机向量样本和所述相对预测误差计算得到误差场景；
[0038]
基于所述多元正态随机向量样本和误差场景，采用标准正态分布的累积概率分布函数计算得到不确定场景。
[0039]
优选的，所述累计经验概率分布函数的计算如下式所示：
[0040][0041][0042]
式中，f
l
为预测误差的累积经验概率分布函数，θ为风电功率随机变量e和样本δ
k
的关系函数，k为各区间历史风电预测数据的个数，δ
k
为区间历史风电预测数据；
[0043]
所述不确定场景的计算如下式所示：
[0044]
φ(z
t
)＝f
l
(δw
t
)
[0045][0046]
式中，φ(
·
)为标准正态分布的累积概率分布函数累积计算得到的不确定场景，z
t
为多元正态随机向量样本，δw
t
为误差场景。
[0047]
基于同一构思，本发明提供了一种电热联合系统的调度灵活性评估系统，包括：场景模块、机组组合模块和评估模块；
[0048]
所述场景模块，用于基于历史风电数据确定日前风电、负荷的不确定场景；
[0049]
所述机组组合模块，用于将所述不确定场景下日前风功率、电负荷和热负荷预测数据带入预先构建的优化调度模型确定机组组合计划；
[0050]
所述评估模块，用于基于所述机组组合计划利用预先构建的安全校核模型对电热联合系统的调度灵活性进行评估；
[0051]
其中，所述安全校核模型包括：以不确定场景下弃风和切负荷量最小为目标函数，为所述目标函数引入备用不足场景次数和备用不足总量的变量，并根据变量得到预先设定的调度灵活性评估指标值；
[0052]
所述优化调度模型包括：以火电机组和热电联产机组成本最小为目标。
[0053]
优选的，所述机组组合模块，包括：优化调度模型目标子模块和优化调度模型约束子模块；
[0054]
所述优化调度模型目标子模块，用于根据所述不确定场景下日前风功率、电负荷和热负荷预测数据确定日前的机组组合，以火电机组的开停机成本、运行成本，热电联产机
组的开停机成本和运行成本最小为目标构建目标函数；
[0055]
所述优化调度模型约束子模块，用于以con机组功率平衡约束、con机组出力上下限约束、con机组爬坡约束、con机组输电线路容量限制约束、chp机组电出力约束、chp机组热出力约束、热力系统加热站约束，热力系统热网约束、热力系统换热站和热负荷约束为约束条件。
[0056]
与现有技术相比，本发明的有益效果为：
[0057]
1、本发明提供了一种电热联合系统的调度灵活性评估方法，包括：基于历史风电数据确定日前风电、负荷的不确定场景；将所述不确定场景下日前风功率、电负荷和热负荷预测数据带入预先构建的优化调度模型确定机组组合计划；基于所述机组组合计划利用预先构建的安全校核模型对电热联合系统的调度灵活性进行评估；其中，所述安全校核模型包括：以不确定场景下弃风和切负荷量最小为目标函数，为所述目标函数引入备用不足场景次数和备用不足总量的变量，并根据变量得到预先设定的调度灵活性评估指标值；所述优化调度模型包括：以火电机组和热电联产机组成本最小为目标；指标评估体系考虑了常规机组和热电联产机组的调度灵活性，能够分别反映系统上调备用和下调备用的充裕性。
附图说明
[0058]
图1为本发明提供的方法流程图；
[0059]
图2为本发明实施例提供的一种电热联合系统的调度灵活性评估方法的评估流程图；
[0060]
图3为本发明实施例提供的基于动态场景生成的系统灵活性评估流程图；
[0061]
图4为本发明实施例提供的ieee-24节点系统图；
[0062]
图5为本发明实施例提供的16节点热力系统图；
[0063]
图6为本发明实施例提供的风电、负荷、室外温度的预测数据图；
[0064]
图7为本发明实施例提供的风电的不确定场景图；
[0065]
图8为本发明实施例提供的负荷的不确定场景图；
[0066]
图9为本发明实施例提供的系统结构图。
具体实施方式
[0067]
结合附图对本发明的实施例作进一步说明。
[0068]
实施例1：
[0069]
本发明提供了一种电热联合系统的调度灵活性评估方法，首先考虑到风电的不确定性特点及与常规机组和热电联产机组的协调配合，定义了系统运行灵活性指标体系，该指标体系考虑了常规机组和热电联产机组的向上灵活性和向下灵活性，能够分别反映系统上调备用和下调备用的充裕性。然后基于动态场景生成算法，提出电热联合系统的调度灵活性评估方法，根据系统调度结果评估系统灵活性，结合图1的方法流程图进行介绍，具体包括：
[0070]
步骤1：基于历史风电数据确定日前风电、负荷的不确定场景；
[0071]
步骤2：将所述不确定场景下日前风功率、电负荷和热负荷预测数据带入预先构建的优化调度模型确定机组组合计划；
[0072]
步骤3：基于所述机组组合计划利用预先构建的安全校核模型对电热联合系统的调度灵活性进行评估；
[0073]
其中，步骤1：基于历史风电数据确定日前风电、负荷的不确定场景，具体包括：
[0074]
对运行阶段常规机组与风电场出力协调能力，定义一种灵活性指标体系；
[0075]
上调灵活性不足概率(probability of up flexibility not supplied)参数pufns，指在运行日内，机组上调备用不能满足需求的概率。
[0076][0077]
式中：p
ufns，t
为上调灵活性不足概率，ru
t
为系统在时刻t可用的上调容量；p
net，t 1
和p
net，t
分别为时刻t和t 1的净负荷量；和p
i，t
分别为机组i的出力上限和t时刻实际出力；ur
i
为机组i的上爬坡率；δt为调度间隔；pr{
·
}表示概率；n
g
为发电机总数量；
[0078]
上调灵活性不足期望(expected up flexibility not supplied)参数eufns，指在运行日内，机组所能提供上调备用与实际需求差额的期望值。
[0079][0080]
式中，e
ufns，t
为上调灵活性不足期望，δru
t
为机组所能提供上调备用与实际需求差额；
[0081]
下调灵活性不足概率(probability of down flexibility not supplied)参数pdfns，指在运行日内，机组下调备用不能满足需求的概率。
[0082][0083]
式中：p
dfns，t
为下调灵活性不足概率，rd
t
为系统在时刻t可用的下调容量；dr
i
为其下爬坡率；
[0084]
下调灵活性不足期望(expected down flexibility not supplied)参数edfns，指在运行日内，机组所能提供下调备用与实际需求差额的期望值。
[0085][0086]
式中，e
dfns，t
为下调灵活性不足期望。
[0087]
提出一种动态场景生成方法，该方法基于大量的历史数据生成考虑随机变量相关性的场景。结合图3的基于动态场景生成的系统灵活性评估流程图进行介绍：
[0088]
生成各出力区间的风功率“预测箱”。根据历史的风电预测数据(历史风功率和负荷预测数据)对风电出力区间进行划分，按照预测值大小将统计所得到的历史预测数据和实际出力放入到各“预测箱”内，计算得到各预测箱的相对预测误差的分布。
[0089]
确定日前动态场景的协方差矩阵∑。协方差矩阵∑可以表示为：
[0090][0091]
式中，σ
m，n
为m时段和n时段随机变量的协方差，即为两随机变量之间的相关性。
[0092]
采用一种指数型函数法来计算协方差：
[0093][0094]
式中，ε用来确定m，n时段随机变量的相关性。
[0095]
确定协方差矩阵后，利用matlab数学算法生成s个服从n(0，∑)的多元正态随机向量的样本随机向量z。
[0096]
拟合各预测箱内数据的相对预测误差的累计经验概率分布函数。对于第1个预测箱，预测箱内的数据有k个，将数据(风电功率预测值)从小到大排列为δ1，δ2，...，δ
k
。则风电预测误差e的累计经验概率分布函数为：
[0097][0098][0099]
对多元正态随机向量样本进行逆变换。利用式(5)-(6)所示的等概率逆变换公式，将s个随机向量z转化成s个具有相关性的误差场景δw
t
，进而基于日前预测风电生成s个风电场景。
[0100]
φ(z
t
)＝f
l
(δw
t
)
ꢀꢀ
(5)
[0101][0102]
式中，φ(.)为标准正态分布的累积概率分布函数。
[0103]
基于生成的不确定场景，计算灵活性指标。
[0104]
步骤2：将所述不确定场景下日前风功率、电负荷和热负荷预测数据带入预先构建的优化调度模型确定机组组合计划，具体包括：
[0105]
根据日前风功率、电负荷和热负荷预测数据确定该日的机组组合，得到常规机组和热电联产机组在时刻t的启停状态为u
i，t
(0-1变量)，设置模拟次数s＝0，并设总迭代次数为s。确立日前机组组合的模型如下所示。
[0106]
确立日前机组组合的模型以经济性最优(成本最低)为目标函数，构建电力系统与集中供热网络相协调的优化调度模型。
[0107]
目标函数包括火电机组的开停机成本、运行成本，热电联产机组的开停机成本和运行成本以及系统的弃风和切负荷惩罚；火电机组和chp机组以及弃风、切负荷惩罚为各场景下的成本的概率加权。目标函数的数学形式具体如下式所示：
[0108][0109]
式中，表示纯凝(condensation，con)机组的开机费用；表示con机组的停机费用；表示chp机组的开机成本；表示chp机组的停机成本；表示con机组的运行成本；表示chp机组的运行成本；σ
d
为切负荷惩罚成本系数；分别表示con机组出力，chp机组出力。
[0110]
电力系统的基本约束包括功率平衡约束(8)，机组出力上下限约束(9)，风电场出力约束(10)，机组最小开停机时间约束(11)-(12)，机组开停机成本约束(13)-(14)，机组爬坡约束(15)-(16)，机组灵活调整限制(17)，输电线路容量限制约束(18)-(19)。
[0111][0112][0113][0114][0115][0116][0117][0118][0119][0120][0121]
pl
l，t
＝(θ
n，t-θ
o，t
)/x
l
，θ
ref，t
＝0
ꢀꢀ
(18)
[0122][0123]
式中，pl
l，t
为输电线路的传输功率；pd
d，t
表示负荷节点负荷量；表示风电预测值；pw
w，t
表示风电出力；g(n)表示位于n节点的con机组的集合，c(n)表示位于n节点的chp机组的集合，w(n)表示位于节点n的风电场的集合，l(n)表示与节点n连接的输电线路的集合，d(n)表示位于节点n的负荷用户的集合；表示con机组开停机状态；为机组出力的下限和上限；力的下限和上限；表示机组已经连续开机和停机的时间；t
on，i
、t
off，i
表示机组开机和停机时间约束；su
i
和sd
i
表示机组的单位开停机成本。ur
i
和dr
i
为机组上下爬坡约束；θ
n，t
和θ
o，t
为与线路l连接的节点的相角，θ
ref，t
为平衡节点的相角，x
l
为线路l的电抗；为线路的最大输电功率容量。
[0124]
以上约束条件中仅给出了con机组的运行约束条件，chp机组的电出力和热出力如
式(20)。chp机组的运行成本如式(21)。chp机组的其他约束和con机组相同，不再给出详细公式。
[0125][0126][0127]
式中，分别为第j台chp机组在t时刻的电输出功率和热输出功率；分别表示第j台热电联产机组在可行域中第k个极值点对应的电输出功率和热输出功率；表示第j台chp机组在t时刻第k个极值点的出力系数；nk
j
为第j台热电联产机组可行域内极值点的数量；c
chp
(
·
)为热电联产机组的运行成本；表示各极值点的运行成本。
[0128]
热力系统的约束包括加热站约束(22)-(23)，热网约束(24)-(28)，换热站和热负荷约束(29)-(31)。
[0129][0130][0131][0132][0133][0134][0135][0136][0137][0138][0139]
式中，c
w
表示管道中流体的比热容；mc
g，t
表示换热站的质量流率；表示换热站的供热温度；表示换热站的回热温度；s
g
表示换热站序号。和分别表示供热站供热温度的下限和上限。表示供水管道p在t时刻的出口温度；表示供水管道p在t时刻的入口温度；表示室外温度；μ
p
，l
p
，r
p
分别表示管道的热损失系数，长度，半径；表
示供水管道中流体的质量流率；ρ
w
表示流体的密度；δt表示调度时间间隔。表示回水管道的出口温度；表示回水管道中流体的质量流率；和表示供水网和回水网节点m处的温度；ω
pipe-和ω
pipe
分别表示以节点m为终点和起点的管道。表示热负荷；mh
h，t
，表示换热站的入口处的热水流量，供水温度，回水温度。表示换热站的入口处的热水流量，供水温度，回水温度。分别为回水温度的下限和上限。表示建筑物的室内温度；表示室外温度；χ
h，t
为单位温差传热系数。
[0140]
步骤3：基于所述机组组合计划利用预先构建的安全校核模型对电热联合系统的调度灵活性进行评估，具体包括：
[0141]
根据风功率和电负荷历史预测误差分布，采用动态场景生成法生成风功率、负荷时序曲线，并基于机组启停计划，设置弃风、切负荷变量，求解以下安全校核模型：
[0142]
以不确定场景下的弃风和切负荷惩罚最小为目标。目标函数为：
[0143][0144]
式中：和分别为场景s下的弃风和切负荷量，c
w
和c
d
分别为弃风和切负荷惩罚。
[0145]
约束条件包括：电力系统的基本约束包括功率平衡约束(33)，机组出力上下限约束(34)，机组爬坡约束(35)-(36)，输电线路容量限制约束(37)-(38)。以下约束中的变量含义与式(8)-(19)中相同，不再解释。
[0146][0147][0148][0149][0150]
pl
l，t，s
＝(θ
n，t，s-θ
o，t，s
)/x
l
，θ
ref，t
＝0
ꢀꢀ
(37)
[0151][0152]
式中，为通过求解上面的调度模型中的con机组开停机状态得到的启停计划；表示场景s下常规机组的出力；pl
l，t，s
为不确定场景s下输电线路的传输功率；表示不确定场景s下的负荷；表示场景s下的风电出力。
[0153]
以上约束条件中仅给出了con机组(纯凝汽式火电机组)的运行约束条件，chp机组的电出力和热出力如式(39)。chp机组(热电联产机组)的其他约束和con机组相同，不再给出详细公式。
[0154][0155]
式中，为通过求解得到的调度模型中的chp机组启停计划；分别为场景s下第j台chp机组在t时刻的电输出功率和热输出功率；场景s下第j台chp机组在t时刻的电输出功率和热输出功率；分别为场景s下第j台热电联产机组在可行域中第k个极值点对应的电输出功率和热输出功率；表示场景s下第j台chp机组在t时刻第k个极值点的出力系数；nk
j
为第j台热电联产机组可行域内极值点的数量。
[0156]
热力系统的约束包括加热站约束(40)-(41)，热网约束(42)-(46)，换热站和热负荷约束(47)-(49)。
[0157][0158][0159][0160][0161][0162][0163][0164][0165][0166][0167]
式中，下标s表示不确定场景；表示换热站的供热温度；表示换热站的回热温度；表示供水管道p在t时刻的出口温度；表示供水管道p在t时刻的入口温度；表示回水管道的出口温度；和表示供水网和回水网节点m处的温度；表示换热站的供水温度，回水温度。
[0168]
设置4个变量δ
up
，δ
down
，η
up
，η
down
(初始值均为0)，用来记录模拟结果，根据计算结果，若变量δw
w，t，s
不全为0时，说明在第s次迭代中存在弃风，说明系统的下调备用不足，则按照下式进行计算：
[0169][0170]
若变量δd
d，t，s
不全为0时，说明在第s次迭代中存在切负荷，说明系统的上调备用不足，则按照下式进行计算：
[0171][0172]
设置s为迭代次数，直到迭代次数为设置的总次数s停止迭代，若满足则模拟过程结束，输出系统灵活性指标，灵活性指标如下式所示。
[0173][0174]
式中：δ
up
上调备用不足场景次数，δ
down
为下调备用不足场景出现次数，η
up
为上调备用不足总量，η
down
为下调不足备用总量；n
w
为风电场总数；n
d
为负荷节点总数；t为总时间段。
[0175]
综上所述，一种电热联合系统的调度灵活性评估方法整体流程如图2所示。
[0176]
为使本领域技术人员更好地理解本发明以及了解本发明相对现有技术的优点，申请人结合具体实施例进行进一步的阐释。
[0177]
基于改进的ieee-24节点电力系统和16节点热力系统验证本发明提出的电热协调随机优化调度模型的有效性，构造的系统如图4和图5所示。改进的ieee-24节点系统包括10台发电机，改进点是将其中4台con机组用chp机组代替，此外包括con机组6台，1个风电场。热力系统包括16个节点，14条输热管道。风电、电负荷、室外温度的预测数据如图6所示。算例中弃风成本设为100$/mwh，失负荷成本为600$/mwh。提出的电热协调随机优化调度模型在matlab 2017b上调用yalmip和gurobi-8.0.1实现。
[0178]
本节所提出的灵活性评估模型首先需要采用动态场景生成法生成随机风电和负荷场景。动态场景生成法需要通过历史数据建立累积经验概率分布函数，风电和负荷的历史数据来源于比利时输电运行商elia提供的2017年9月-2018年8月的数据，对历史风电和负荷数据按比例进行调整。
[0179]
利用动态场景生成法随机生成1000个风电和负荷场景，如图7和图8所示。
[0180]
本小节对考虑系统供热的电热联合系统进行灵活性评估。在ieee-24节点系统中，1-6号机组为常规火电机组，7-10号机组为热电联产机组。首先求得预测场景下的机组组合决策以及机组的电出力和热出力。
[0181]
在得到期望场景下的机组组合计划后，根据生成的动态场景评估本节中所定义的四个评估系统灵活性的指标：上调灵活性不足率，下调灵活性不足率，上调灵活性不足期望，下调灵活性不足期望。
[0182]
表1给出了系统运行成本和系统灵活性评估指标值。
[0183]
表1系统的运行成本和灵活性评估指标
[0184][0185]
从表中可以看出，在电热系统的灵活性评估，系统的下调灵活不足率较高。即为当风电实际出力高于预测出力或负荷实际需求低于预测负荷时，机组无法降低其处理，导致弃风的情况。与前一节分析的电力系统不同，电热联合系统的下调灵活性较差。通过分析可以的，由于在冬季热电联产机组需要供热，受热电联产机组的运行域影响，热电联产机组的电出力范围被约束，当风电出力高于预测出力时，热电联产机组不能降低其电出力，从而导致弃风。
[0186]
根据本节中所提的方法，接下来对系统中机组的灵活性进行评估。给出了各机组在整个调度时段上提供的上/下灵活调整功率之和，如表2所示。
[0187]
表2各机组在整个调度时段上提供的灵活功率(mw)
[0188]
机组上调灵活功率下调灵活功率1002003196.17167.989474423.06251708.556540.942281858.6226263.4084207.694871570.1918.7708781626.93878.065119623.369699.31938101402.11649.42499
[0189]
表2给出了所有机组在整个调度时段上的上/下灵活调整功率之和。从表2中可以看出，4号和5号机组主要承担了系统的下调备用。热电联产机组上调灵活性较高，而下调灵活性表现为不足。从表中可以看出，7号机组的平均下调调整功率最低，可认为7号机组是影响系统调峰的关键机组。
[0190]
实施例2：
[0191]
基于同一构思，本发明提供了一种电热联合系统的调度灵活性评估系统，结合图9的系统结构图进行介绍，具体包括：场景模块、机组组合模块和评估模块；
[0192]
所述场景模块，用于基于历史风电数据确定日前风电、负荷的不确定场景；
[0193]
所述机组组合模块，用于将所述不确定场景下日前风功率、电负荷和热负荷预测数据带入预先构建的优化调度模型确定机组组合计划；
[0194]
所述评估模块，用于基于所述机组组合计划利用预先构建的安全校核模型对电热联合系统的调度灵活性进行评估；
[0195]
其中，所述安全校核模型包括：以不确定场景下弃风和切负荷量最小为目标函数，为所述目标函数引入备用不足场景次数和备用不足总量的变量，并根据变量得到预先设定的调度灵活性评估指标值；
[0196]
所述优化调度模型包括：以火电机组和热电联产机组成本最小为目标。
[0197]
所述机组组合模块，包括：优化调度模型目标子模块和优化调度模型约束子模块；
[0198]
所述优化调度模型目标子模块，用于根据所述不确定场景下日前风功率、电负荷和热负荷预测数据确定日前的机组组合，以火电机组的开停机成本、运行成本，热电联产机组的开停机成本和运行成本最小为目标构建目标函数；
[0199]
所述优化调度模型约束子模块，用于以con机组功率平衡约束、con机组出力上下限约束、con机组爬坡约束、con机组输电线路容量限制约束、chp机组电出力约束、chp机组热出力约束、热力系统加热站约束，热力系统热网约束、热力系统换热站和热负荷约束为约束条件。
[0200]
所述评估模块，包括：安全校核模型目标子模块、安全校核模型约束子模块、安全校核模型变量子模块、迭代变量子模块和指标值子模块和；
[0201]
所述安全校核模型目标子模块，用于以不确定场景下电力系统的弃风和切负荷量最小为目标设定目标函数；
[0202]
所述安全校核模型约束子模块，用于同时以con机组功率平衡约束、con机组出力上下限约束、con机组爬坡约束、con机组输电线路容量限制约束、chp机组电出力约束、chp机组热出力约束、热力系统加热站约束，热力系统热网约束、热力系统换热站和热负荷约束为约束条件；
[0203]
所述安全校核模型变量子模块，用于为所述目标函数引入备用不足场景次数和备用不足总量的迭代变量以及迭代次数；
[0204]
所述迭代变量子模块，用于基于所述备用不足场景次数和备用不足总量的迭代变量以及迭代次数，分别在系统的上调备用不足时和系统的下调备用不足时计算得到迭代后的上调备用不足总量、上调备用不足场景次数、下调不足备用总量和下调备用不足场景出现次数；
[0205]
所述指标值子模块，用于基于预先设定的调度灵活性评估指标以及所述迭代后的上调备用不足总量、上调备用不足场景次数、下调不足备用总量和下调备用不足场景出现次数以及迭代次数，得到各调度灵活性评估指标对应的指标值。
[0206]
所述场景模块，包括：划分子模块、误差分布子模块和生成子模块；
[0207]
所述划分子模块，用于对电力系统风电出力进行区间划分；
[0208]
所述误差分布子模块，用于获取各区间的历史风电数据，并基于所述各区间的历史风电数据得到风电出力的历史预测误差分布；
[0209]
所述生成子模块，用于基于所述历史预测误差分布，确定日前动态场景的协方差矩阵，并基于所述协方差矩阵利用matlab生成多个不确定场景；
[0210]
其中，所述历史风电数据包括：风功率和负荷的预测数据以及实际数据。
[0211]
所述生成子模块，包括：日前动态场景单元、样本单元、相对预测误差单元、误差场景单元和不确定场景单元；
[0212]
所述日前动态场景单元，用于基于所述历史预测误差分布，采用指数型函数法计算不同时间段的任意两个多元正态随机向量的协方差，并由所述协方差构建协方差矩阵来确定日前动态场景；
[0213]
所述样本单元，用于基于所述协方差矩阵确定的日前动态场景，采用数学算法得
到多元正态随机向量的样本；
[0214]
所述相对预测误差单元，用于基于所述历史预测误差分布，采用累计经验概率分布函数基于预先获取的风电功率预测值进行拟合得到相对预测误差；
[0215]
所述误差场景单元，用于基于所述多元正态随机向量样本和所述相对预测误差计算得到误差场景；
[0216]
所述不确定场景单元，用于基于所述多元正态随机向量样本和误差场景，采用标准正态分布的累积概率分布函数计算得到不确定场景。
[0217]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0218]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0219]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0220]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0221]
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。