考虑风电出力不确定性的调频市场出清安全校核方法与流程

1.本发明属于电力市场技术领域，具体涉及一种考虑风电出力不确定性的调频市场出清安全校核方法。


背景技术：

2.双碳目标的提出，未来电网新能源渗透率不断提高带来新能源不确定性显著增强，电网调频压力增大。国内调频市场均采用顺次出清模式，日前市场中调整机组范围预留调频容量，出清过程仅考虑市场因素，调频容量中标量完全依赖市场价格，在安全大于经济的背景下，日前市场预留调频容量在实时运行中存在无法调用可能，而新能源不确定特性的提升加重调频容量无法调用问题，机组的调频容量在目前机制下其本质为机会成本，当大量调频容量中标量在实时无法调用时，进一步影响到调频市场的结算执行模块，稀释调频市场运行经济性。调频容量出清缺乏安全校核机制将制约后续调频市场的健康运行。双高电网背景下电网调频的安全与经济博弈问题也将愈发凸显。电网生产运行中调频市场更多依赖市场运行者经验进行校验，缺乏量化分析。
3.综上所述考虑新能源的不确定性，可知，当前的调频市场出清环节中缺少安全校核机制，导致电网的安全性较低。


技术实现要素：

4.有鉴于此，本发明的目的在于克服现有技术的不足，提供一种考虑风电出力不确定性的调频市场出清安全校核方法，以解决现有技术中当前的调频市场出清环节中缺少安全校核机制，导致电网的安全性较低的问题。
5.为实现以上目的，本发明采用如下技术方案：一种考虑风电出力不确定性的调频市场出清安全校核方法，包括：
6.构建不考虑风电出力不确定性的调频安全校核基础模型；
7.根据风电出力的实际出力与预测出力的误差，采用arma自适应回归模型对风电预测误差进行建模，生成风电误差场景模型；
8.对所述风电误差场景模型进行缩减，得到场景缩减模型；
9.结合所述调频安全校核基础模型和场景缩减模型建立考虑有限调频安全校核模型。
10.进一步的，所述调频安全校核基础模型，包括：以调频服务费用成本最小为目标的第一目标函数和对应的第一约束条件；
11.所述第一目标函数为：
12.其中，n表示机组的总台数；t表示所考虑的总时段数；为机组i时段t调频中标容量；机组i时段t调频容量报价；为机组i时段t里程申报价格；分别为机组
i时段t中标被调用的上调频里程、下调频里程；
13.所述第一约束条件包括：
14.机组出力上下限约束：
[0015][0016][0017][0018][0019][0020]
其中，p
i,t
为机组i时段t出力；机组i时段t电能量市场中标出力；为机组i时段t调频中标容量；为机组i时段t有功出力上限；为i时段t系统调频容量需求；
[0021]
机组上爬/下坡能力约束：
[0022][0023][0024]
其中，δp
iuramp
为时段t-1到时段t的机组向上爬坡变化值；δp
idramp
为时段t-1到时段t的机组向下爬坡变化值；
[0025]
系统平衡约束：
[0026][0027]
其中，p
w,t
为风电机组w时段t预测计划；l
d,t
为负荷d时段t的母线负荷；为负荷d时段t的母线负荷；为时段t系统平衡的松弛变量；
[0028]
支路基态潮流约束：
[0029][0030]
其中，p
w,t
为风电机组w时段t预测计划；l
d,t
为负荷d时段t的母线负荷；为负荷d时段t的母线负荷；为时段t系统平衡的松弛变量；f
lneg
为支路l反向限值；s
l,t,i
为支路l的灵敏度；f
lpos
为支路l正向限值。
[0031]
进一步的，所述风电误差场景模型为：
[0032][0033][0034]
其中，为时段t-1时段的风电场输出功率预测误差与预测功率比值；ε
t
为服从均值为0，方差为0.0475高斯分布的白噪声；初始值ε0＝0。
[0035]
进一步的，采用反向削减算法对所述风电误差场景模型进行缩减，得到场景缩减
模型。
[0036]
进一步的，所述场景缩减模型表征风电出力在连续时段的随机变化；所述场景缩减模型为：
[0037][0038]
其中，dist
s,r
表示场景s到场景r的距离；ps为场景s的概率；xs为场景s；xr为场景r。
[0039]
进一步的，所述考虑有限调频安全校核模型，包括：以调频服务费用成本最小为目标的第二目标函数和对应的第二约束条件；
[0040]
所述第二目标函数为：
[0041]
所述第二约束条件包括：
[0042]
机组出力上下限约束：
[0043][0044][0045][0046][0047][0048]
其中，p
s,i,t
为场景s下机组i时段t出力；机组i时段t电能量市场中标出力；为机组i时段t调频中标容量；为场景s下机组i时段t中标被调用的上调频里程、下调频里程；为机组i时段t有功出力上限；为i时段t系统调频容量需求；
[0049]
机组上爬/下坡能力约束：
[0050][0051][0052]
其中，δp
iuramp
为场景s下时段t-1到时段t的机组向上爬坡变化值；δp
idramp
为场景s下时段t-1到时段t的机组向下爬坡变化值；
[0053]
系统平衡约束：
[0054][0055]
支路基态潮流约束：
[0056][0057]
其中，p
s,
i,t为场景s下机组i时段t机组出力；p
s,w,t
场景s下风电机组w时段t预测计划；为场景s下风电机组w时段t预测误差；l
s,d,t
为场景s下负荷d时段t的母线负荷；
为时段t系统平衡的松弛变量；f
lneg
为支路l反向限值；f
lpos
为支路l正向限值；
[0058]
初始状态系统平衡约束：
[0059][0060]
其中，l
s,d,t
为场景s下负荷d时段t的母线负荷；r
s,t
预设场景s时段t实际负荷偏离超短期负荷预测的比例；p
tload
为全系统时段t短期系统负荷预测；
[0061]
场景概率约束：
[0062][0063]
其中，α
s,t
为时段t场景s发生的概率。
[0064]
本技术实施例提供一种考虑风电出力不确定性的调频市场出清安全校核装置，包括：
[0065]
构建模块，用于构建不考虑风电出力不确定性的调频安全校核基础模型；
[0066]
生成模块，用于根据风电出力的实际出力与预测出力的误差，采用arma自适应回归模型对风电预测误差进行建模，生成风电误差场景模型；
[0067]
缩减模块，用于对所述风电误差场景模型进行缩减，得到场景缩减模型；
[0068]
建立模块，用于结合所述调频安全校核基础模型和场景缩减模型建立考虑有限调频安全校核模型。
[0069]
本技术实施例提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例所述考虑风电出力不确定性的调频市场出清安全校核方法的步骤。
[0070]
本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述考虑风电出力不确定性的调频市场出清安全校核方法的步骤。
[0071]
本发明采用以上技术方案，能够达到的有益效果包括：
[0072]
本发明提供一种考虑风电出力不确定性的调频市场出清安全校核方法，所述方法包括构建不考虑风电出力不确定性的调频安全校核基础模型；根据风电出力的实际出力与预测出力的误差，采用arma自适应回归模型对风电预测误差进行建模，生成风电误差场景模型；对风电误差场景模型进行缩减，得到场景缩减模型；结合调频安全校核基础模型和场景缩减模型建立考虑有限调频安全校核模型。本发明的目的在完善当前的调频辅助服务市场出清算法，针对调频辅助服务市场出清安全校核机制缺失问题，提供一种考虑风电出力不确定性的多场景调频辅助服务市场出清安全校核方法，在满足系统调频容量需求的前提下，在电网实时运行过程中能够保证出清量的严格执行，提升电网的安全性。
附图说明
[0073]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图获得其他的附图。
[0074]
图1为本发明考虑风电出力不确定性的调频市场出清安全校核方法的步骤示意图；
[0075]
图2为本发明考虑风电出力不确定性的调频市场出清安全校核装置的结构示意图；
[0076]
图3为本发明提供的计算机设备一实施例的原理框图。
具体实施方式
[0077]
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
[0078]
下面结合附图介绍本技术实施例中提供的一个具体的考虑风电出力不确定性的调频市场出清安全校核方法。
[0079]
如图1所示，本技术实施例中提供的考虑风电出力不确定性的调频市场出清安全校核方法，包括：
[0080]
s101，构建不考虑风电出力不确定性的调频安全校核基础模型；
[0081]
s102，根据风电出力的实际出力与预测出力的误差，采用arma自适应回归模型对风电预测误差进行建模，生成风电误差场景模型；
[0082]
s103，对所述风电误差场景模型进行缩减，得到场景缩减模型；
[0083]
s104，结合所述调频安全校核基础模型和场景缩减模型建立考虑有限调频安全校核模型。
[0084]
可以理解的是，上述考虑风电出力不确定性的调频市场出清安全校核方法可通过服务器实现，本技术实施例中，该服务器可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本技术实施例中所描述的服务器，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(cloud computing)的大量计算机或网络服务器构成。
[0085]
本技术实施例中，首先，建立不考虑风电出力不确定性的调频安全校核基础模型，然后因为风电出力的不确定性表现在其实际出力与预测出力的误差，采用arma自适应回归模型对风电预测误差进行建模，进一步对为更精准的表征风电出力在连续时段的随机变化，采用反向削减算法对风电预测误差场景进行缩减，得到场景缩减模型。最后，对调频安全校核基础模型和场景缩减模型进行结合得到考虑有限调频安全校核模型。
[0086]
一些实施例中，调频安全校核基础模型以调频服务费用成本最小为目标，建立不考虑风电出力不确定性目标函数及约束条件分别如下：
[0087][0088]
其中，其中：n表示机组的总台数；t表示所考虑的总时段数，假设一天考虑24时段，则t为24；为机组i时段t调频中标容量；机组i时段t调频容量报价；为机组i时段
t里程申报价格；为机组i时段t中标被调用的上调频里程、下调频里程。
[0089]
第一约束条件包括：
[0090]
1，机组出力上下限约束
[0091]
机组的出力应该处于其最大/最小技术出力范围之内，其约束条件可以描述为：
[0092][0093][0094][0095][0096][0097]
其中，p
i,t
为机组i时段t出力；机组i时段t电能量市场中标出力；为机组i时段t调频中标容量；为机组i时段t有功出力上限；为i时段t系统调频容量需求。
[0098]
2，机组上爬/下坡能力约束
[0099]
机组上爬坡或下爬坡时，均应满足爬坡速率要求。爬坡约束可描述为：
[0100][0101][0102]
其中，δp
iuramp
为时段t-1到时段t的机组向上爬坡变化值；δp
idramp
为时段t-1到时段t的机组向下爬坡变化值。
[0103]
3，系统平衡约束和支路基态潮流约束
[0104][0105][0106]
其中，p
w,t
为风电机组w时段t预测计划；l
d,t
为负荷d时段t的母线负荷；为负荷d时段t的母线负荷；为时段t系统平衡的松弛变量。f
lneg
为支路l反向限值；s
l,t,i
为支路l的灵敏度；f
lpos
为支路l正向限值。
[0107]
4，初始状态系统平衡约束
[0108][0109][0110]
其中，p
tload
为全系统时段t(超)短期系统负荷预测；r
t
为时段t实际负荷偏离超短期负荷预测的比例。
[0111]
优选的，本技术中风电出力的不确定性表现在其实际出力与预测出力的误差，采
用arma自适应回归模型对风电预测误差进行建模，模型如下：
[0112][0113][0114]
其中，为时段t-1时段的风电场输出功率预测误差与预测功率比值；ε
t
为服从均值为0，方差为0.0475高斯分布的白噪声；初始值ε0＝0。
[0115]
进一步的，为更精准的表征风电出力在连续时段的随机变化，采用反向削减算法对风电预测误差场景进行缩减，场景缩减模型如下：
[0116][0117]
其中，dist
s,r
表示场景s到场景r的距离；ps为场景s的概率；xs为场景s；xr为场景r。
[0118]
进一步的，以调频服务费用成本最小为目标，建立考虑有限调频安全校核模型如下：
[0119]
第二目标函数为：
[0120]
其中，其中：s表示场景数；n表示机组的总台数；t表示所考虑的总时段数，假设一天考虑24时段，则t为24；为机组i时段t里程申报价格；α
s,t
为时段t场景s发生的概率；为场景s下机组i时段t中标被调用的上调频里程、下调频里程；为机组i时段t调频中标容量；机组i时段t调频容量报价。
[0121]
第二约束条件包括：
[0122]
1，机组出力上下限约束
[0123][0124][0125][0126][0127][0128]
其中，p
s,i,t
为场景s下机组i时段t出力；机组i时段t电能量市场中标出力；为机组i时段t调频中标容量；为场景s下机组i时段t中标被调用的上调频里程、下调频里程；为机组i时段t有功出力上限；为i时段t系统调频容量需求。
[0129]
2，机组上爬/下坡能力约束
[0130][0131][0132]
其中，δp
iuramp
为场景s下时段t-1到时段t的机组向上爬坡变化值；δp
idramp
为场景
s下时段t-1到时段t的机组向下爬坡变化值。
[0133]
3，系统平衡约束和支路基态潮流约束
[0134][0135][0136]
其中，p
s,i,t
为场景s下机组i时段t机组出力；p
s,w,t
场景s下风电机组w时段t预测计划；为场景s下风电机组w时段t预测误差；l
s,d,t
为场景s下负荷d时段t的母线负荷；为时段t系统平衡的松弛变量；f
lneg
为支路l反向限值；f
lpos
为支路l正向限值。
[0137]
4，初始状态系统平衡约束
[0138][0139]
其中，l
s,d,t
为场景s下负荷d时段t的母线负荷；r
s,t
预设场景s时段t实际负荷偏离超短期负荷预测的比例；p
tload
为全系统时段t(超)短期系统负荷预测。
[0140]
5，场景概率约束
[0141][0142]
其中，α
s,t
为时段t场景s发生的概率。
[0143]
本发明的目的在完善当前的调频辅助服务市场出清算法，针对调频辅助服务市场出清安全校核机制缺失问题，提供一种考虑风电出力不确定性的多场景调频辅助服务市场出清安全校核方法，在满足系统调频容量需求的前提下，在电网实时运行过程中能够保证出清量的严格执行，提升电网的安全性。
[0144]
如图2所示，本技术实施例提供一种考虑风电出力不确定性的调频市场出清安全校核装置，包括：
[0145]
构建模块201，用于构建不考虑风电出力不确定性的调频安全校核基础模型；
[0146]
生成模块202，用于根据风电出力的实际出力与预测出力的误差，采用arma自适应回归模型对风电预测误差进行建模，生成风电误差场景模型；
[0147]
缩减模块203，用于对所述风电误差场景模型进行缩减，得到场景缩减模型；
[0148]
建立模块204，用于结合所述调频安全校核基础模型和场景缩减模型建立考虑有限调频安全校核模型。
[0149]
本技术实施例提供的考虑风电出力不确定性的调频市场出清安全校核装置的工作原理为，构建模块201构建不考虑风电出力不确定性的调频安全校核基础模型；生成模块202根据风电出力的实际出力与预测出力的误差，采用arma自适应回归模型对风电预测误差进行建模，生成风电误差场景模型；缩减模块203对所述风电误差场景模型进行缩减，得到场景缩减模型；建立模块204结合所述调频安全校核基础模型和场景缩减模型建立考虑有限调频安全校核模型。
[0150]
关于考虑风电出力不确定性的调频市场出清安全校核装置各个模块的具体限定可以参见上文中对于考虑风电出力不确定性的调频市场出清安全校核方法的限定，在此不
再赘述。上述考虑风电出力不确定性的调频市场出清安全校核装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0151]
如图3所示，本实施例还提供了一种计算机设备，该计算机设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该计算机设备包括处理器10、存储器20及显示器30。图3仅示出了计算机设备的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。在一实施例中，处理器10上存储有考虑风电出力不确定性的调频市场出清安全校核程序40。
[0152]
存储器20在一些实施例中可以是计算机设备的内部存储单元，例如计算机设备的硬盘或内存。存储器20在另一些实施例中也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器20还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器20用于存储安装于计算机设备的应用软件及各类数据，例如安装计算机设备的程序代码等。存储器20还可以用于暂时地存储已经输出或者将要输出的数据。
[0153]
处理器10在一些实施例中可以是一中央处理器(central processing unit,cpu)，微处理器或其他数据处理芯片，用于运行处理器10中设置的程序代码或处理数据，例如执行考虑风电出力不确定性的调频市场出清安全校核方法等。
[0154]
显示器30在一些实施例中可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。显示器30用于显示在计算机设备的信息以及用于显示可视化的用户界面。计算机设备的部件10-30通过系统总线相互通信。
[0155]
在一实施例中，当处理器10执行存储器20中考虑风电出力不确定性的调频市场出清安全校核程序40时实现以下步骤：
[0156]
构建不考虑风电出力不确定性的调频安全校核基础模型；
[0157]
根据风电出力的实际出力与预测出力的误差，采用arma自适应回归模型对风电预测误差进行建模，生成风电误差场景模型；
[0158]
对所述风电误差场景模型进行缩减，得到场景缩减模型；
[0159]
结合所述调频安全校核基础模型和场景缩减模型建立考虑有限调频安全校核模型。
[0160]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。
[0161]
本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram
(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0162]
综上所述，本发明提供一种考虑风电出力不确定性的调频市场出清安全校核方法，所述方法包括构建不考虑风电出力不确定性的调频安全校核基础模型；根据风电出力的实际出力与预测出力的误差，采用arma自适应回归模型对风电预测误差进行建模，生成风电误差场景模型；对风电误差场景模型进行缩减，得到场景缩减模型；结合调频安全校核基础模型和场景缩减模型建立考虑有限调频安全校核模型。本发明能够完善当前的调频辅助服务市场出清算法，提供一种考虑风电出力不确定性的多场景调频辅助服务市场出清安全校核方法，在满足系统调频容量需求的前提下，在电网实时运行过程中能够保证出清量的严格执行，提升电网的安全性。
[0163]
可以理解的是，上述提供的方法实施例与上述的装置实施例对应，相应的具体内容可以相互参考，在此不再赘述。
[0164]
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和光学存储器等)上实施的计算机程序产品的形式。
[0165]
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。
[0166]
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方法的制造品，该指令方法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。
[0167]
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。
[0168]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。