计及需求侧响应的新能源电力系统调度方法

1.本发明涉及电力系统调度领域，具体的是一种新能源广泛接入背景下考虑需求侧响应对电力系统的优化调度策略。


背景技术：

2.随着需求侧响应的发展和新能源的广泛接入，电力系统中存在大量的灵活性资源和不确定因素，需求侧资源在电力调度中的作用开始被重新认识，通过需求侧管理调控负荷，是有效解决新能源机组出力不确定性、维持系统稳定运行的重要手段。而国内在该方面的研究少之又少，在目前已有的需求侧响应电力系统调度研究中，只考虑以需求侧响应为电力系统调度的研究主体，火电机组等常规机组接入背景下的优化调度问题，或是只考虑风电机组广泛接入背景下的电力系统调度问题。但仅仅考虑需求侧或新能源供应侧的不确定性已经不能满足电力系统发展的趋势，而传统的统计方法已不满足求解两者不确定性的综合问题。除此之外，大多数需求侧的研究脱离新能源广泛接入电网的背景趋势，许多计及需求侧的电力系统调度方法仍处于理论研究阶段。
3.针对风电与可中断负荷的预测的不确定性处理，在现有研究中也只有少数涉及到。其中，大部分将风电和负荷预测简单地做确定性处理，如将不确定比例归入备用容量处理，并没有在本质上解决问题。少有的利用统计学理论处理不确定性的研究中，采用了传统的蒙特卡罗模拟、场景分析法或点估计方法，既未考虑电力系统需求侧的主动性，又无法确保系统应对不确定性的鲁棒性，且该类统计方法难以与电力市场的经济优化目标问题联系。因此，采用合适的统计决策方法最优化电力系统在供给侧与需求侧双重不确定性下的调度方法是当前研究的需求。


技术实现要素：

4.本发明是为了解决上述现有技术存在的不足之处，提出一种计及需求侧响应的新能源电力系统调度方法，以期能实现电力系统的优化调度，从而能保证电力系统的安全稳定运行。
5.为达到上述目的，本发明所采用的技术方案为：
6.本发明一种计及需求侧响应的电力系统调度方法的特点是按如下步骤进行：
7.步骤一、建立电力系统的调度模型：
8.步骤1.1、利用式(1)建立电力系统火电机组的碳排放最小化为目标的目标函数：
[0009][0010]
式(1)中：ω
t
为调度时间集合，tm表示所述调度时间集合ω
t
中的第m个采样时刻；ωg为火电机组集合；cg为第g个机组发出单位电量的碳排放量；为第g个机组在第m个采样时刻tm的有功出力；
[0011]
步骤1.2、利用式(2)建立电力系统的功率平衡约束：
[0012][0013]
式(2)中：ωb为节点集合；为第i个节点在第m个采样时刻tm的负荷功率需求；
[0014]
步骤1.3、利用式(3)和式(4)建立电力线路潮流安全约束：
[0015][0016][0017]
式(3)-式(4)中：表示第m个采样时刻tm的第i个节点和第j个节点之间的输电线路允许流过的有功功率；为第i个节点和第j个节点之间的输电线路允许流过的有功功率最大值；ω
l
为线路集合；gk为与第k个节点连接的机组集合；γ
ij,k
为第k个节点对第i个节点和第j个节点之间的输电线路的节点功率转移因子；
[0018]
步骤1.4、利用式(5)构建机组爬坡速度约束：
[0019][0020]
式(5)中：和分别为第g个机组上、下行的爬坡速率；为第g个机组在第m-1个采样时刻t
m-1
的有功出力；
[0021]
步骤1.5、利用式(6)构建机组最大、最小出力约束：
[0022][0023]
式(6)中：和分别为第g个机组有功出力的下限和上限；
[0024]
步骤二、构建考虑需求侧响应的电力系统调度模型：
[0025]
步骤2.1、在电力系统的调度模型中增加与可中断负荷调控相关的约束：
[0026]
步骤2.1.1、利用式(7)构建可中断负荷中断量约束：
[0027][0028]
式(7)中：p
iil,min
和p
iil,max
分别为第i个节点上可中断负荷的最小和最大中断量；为表示第m个采样时刻tm的第i个节点上可中断负荷中断状态的布尔变量，若为1，则表示处于中断状态；若为0，则表示处于不中断状态；
[0029]
步骤2.1.2、利用式(8)构建最小中断时间约束：
[0030][0031]
式(8)中：为第i个节点可中断负荷在第m个采样时刻tm的累计中断时间；t
id,min
为第i个节点可中断负荷的最小中断时间；
[0032]
对式(8)进行线性化处理，得到式(9)：
[0033][0034]
式(9)中：表示第i个节点在第m个采样时刻tm开始中断负荷的布尔变量，当且
仅当且时，为表示第m-1个采样时刻t
m-1
的第i个节点上可中断负荷中断状态的布尔变量，若为1，则表示处于中断状态；若为0，则表示处于不中断状态；
[0035]
对进行线性化后，得到式(10)-式(12)：
[0036][0037][0038][0039]
步骤2.1.3、利用式(13)构建最大中断时间约束：
[0040][0041]
式(13)中：t
id,max
为第i个节点可中断负荷的最大中断时间；
[0042]
步骤2.1.4、利用式(14)构建最小中断间隔约束：
[0043][0044]
式(14)中：为第i个节点可中断负荷在第m个采样时刻tm累计不中断时间，t
iu,min
为最小中断间隔时间；
[0045]
对式(14)进行线性化，得到式(15)：
[0046][0047]
式(15)中：为表示第i个节点负荷在第m个采样时刻tm停止中断负荷的布尔变量，当且仅当且时，
[0048]
对进行线性化后，得到式(16)-式(18)：
[0049][0050][0051][0052]
步骤2.1.5、利用式(19)构建最大中断次数约束：
[0053][0054]
式(19)中：为第i个节点可中断负荷的最大中断次数；
[0055]
步骤2.2、利用式(20)得到加入可中断负荷后的电力系统功率平衡约束：
[0056][0057]
由式(1)和式(3)-式(7)、式(9)-式(13)、式(15)-式(20)共同构成所述考虑需求侧响应的电力系统调度模型；
[0058]
步骤三、建立基于igdt的新能源电力系统调度模型：
[0059]
步骤3.1、利用式(21)构建新的目标函数：
[0060]
maxα
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)
[0061]
式(21)中：α为不确定参数的波动范围；
[0062]
步骤3.2、利用式(22)构建新的目标函数的约束条件：
[0063][0064]
式(22)中：f0为碳排放量的预设值，δ为偏差因子，取值范围为[0,1)；
[0065]
步骤3.3、利用式(23)构建风电场出力约束：
[0066][0067]
式(23)中：ωw为风电场的集合；为第w个风电场在第m个采样时刻tm的实际有功出力；是第w个风电场在第m个采样时刻tm的风电预测值；
[0068]
步骤3.4、利用式(24)构建新能源电力系统功率平衡约束：
[0069][0070]
由式(21)和式(3)-式(6)、式(15)-式(19)、式(22)-式(24)共同构成基于igdt的新能源电力系统调度模型；
[0071]
步骤四、建立cgdt模型：
[0072]
步骤4.1、利用式(25)构建概率约束：
[0073][0074]
步骤4.2、利用式(26)构建风电出力的约束条件：
[0075][0076]
步骤4.3、采用场景法对式(25)进行处理，得到式(27)、式(28)：
[0077][0078][0079]
式(27)中：sn为第n个场景的决策变量，若sn＝1，则表示第n个场景满足式(22)，若sn＝0，则表示第n个场景不满足式(22)；
[0080]
式(28)中：ωn为场景集合；pn为第n个场景发生的概率；β为置信度；
[0081]
步骤4.4、利用big-m法对式(27)进行处理，得到式(29)：
[0082][0083]
步骤4.4、利用式(30)-式(34)构建风电场场景约束：
[0084][0085]
[0086][0087][0088][0089]
式(30)-式(34)中，为在第n个场景中第w个风电场在第m个采样时刻tm的实际有功出力；为在第n个场景中第g个机组在第m个采样时刻tm的有功出力；为在第n个场景中第i个节点和第j个节点之间的输电线路在第m个采样时刻tm流过的有功功率；和分别为第g个机组上下行的爬坡速率；
[0090]
由式(21)和式(7)、式(9)-式(13)、式(15)-式(19)、式(24)、式(26)、式(28)-式(34)共同构成基于计及需求侧响应的新能源电力系统调度模型；
[0091]
步骤4.6、利用ampl求解器对基于计及需求侧响应的新能源电力系统调度模型进行求解，得到最优调度方案，包括：风电出力的波动范围，可中断负荷的中断量，各节点，输电线路的有功功率，机组的发电量。
[0092]
与已有技术相比，本发明的有益效果体现在：
[0093]
1、在保证电力系统运行安全的前提下，本发明提出一种应用于电力系统调度的可中断负荷调控措施，将用户侧作为可供调度的资源，在负荷高峰、系统故障时中断部分或全部负荷，进而参与电力系统调度，充分用户侧对电力系统调度的灵活性，从而提高电力系统的稳定性。
[0094]
2、为了有效应对高比例新能源广泛接入后对电力系统的影响，本发明提出一种基于概率置信间隙决策理论的电力系统优化调度策略，并探索需求侧响应对新能源电力系统调度的积极作用，有利于合理地引入新能源而不至于影响电力系统的稳定性，减少碳排放量，提高电力系统的环保性。
[0095]
3、本发明提出考虑新能源出力不确定性的电力系统优化调度模型，利用专业建模软件对所提出的模型进行编程并调用商业求解器对模型进行求解，最后得到计及需求响应的新能源电力系统优化调度策略，较充分地考虑了电力系统的不确定性因素与需求侧响应的主动性，使本优化调度策略的实用性更高，与电力市场的优化目标问题有效联系起来。
具体实施方式
[0096]
本实施例中，一种考虑可中断负荷的新能源电力系统调度方法的主要步骤包括：考虑用户侧作为可供调度的资源，以电力系统火电机组的碳排放最小为目标，建立含可中断负荷的电力系统优化调度模型；计及风电场作为新能源参与系统调度，考虑风电出力的不确定性，建立igdt模型；运用机会约束规划理论，最大化不确定参数的波动范围，构建基于概率置信间隙决策理论的数学模型；利用ampl软件求系统运行最优解。具体的说，该方法是按如下步骤进行：
[0097]
步骤一、建立电力系统调度模型：
[0098]
步骤1.1、利用式(1)建立电力系统火电机组的碳排放最小化为目标的目标函数：
[0099][0100]
式(1)中：ω
t
为调度时间集合，tm表示所述调度时间集合ω
t
中的第m个采样时刻；ωg为火电机组集合；cg为第g个机组发出单位电量的碳排放量；为第g个机组在第m个采样时刻tm的有功出力；
[0101]
步骤1.2、利用式(2)建立电力系统的功率平衡约束：
[0102][0103]
式(2)中：ωb为节点集合；为第i个节点在t时刻的负荷功率需求；
[0104]
步骤1.3、利用式(3)和式(4)建立电力线路潮流安全约束：
[0105][0106][0107]
式(3)-式(4)中：表示第m个采样时刻tm的第i个节点和第j个节点之间的输电线路允许流过的有功功率；为第i个节点和第j个节点之间的输电线路允许流过的有功功率最大值；ω
l
为线路集合；gk为与第k个节点连接的机组集合；γ
ij,k
为第k个节点对第i个节点和第j个节点之间的输电线路的节点功率转移因子；
[0108]
步骤1.4、利用式(5)构建机组爬坡速度约束：
[0109][0110]
式(5)中：和分别为第g个机组上、下行的爬坡速率；为第g个机组在第m-1个采样时刻t
m-1
的有功出力；
[0111]
步骤1.5、利用式(6)构建机组最大、最小出力约束：
[0112][0113]
式(6)中：和分别为第g个机组有功出力的下限和上限；
[0114]
步骤二、构建考虑需求侧响应的电力系统调度模型；
[0115]
在电力系统的调度模型中考虑可中断负荷的影响，将可中断负荷最为可供系统调度的负荷资源，可以增加电力系统调度的灵活性，从而保证系统安全稳定运行。
[0116]
步骤2.1、增加与可中断负荷调控相关的约束：
[0117]
步骤2.1.1、利用式(7)构建可中断负荷中断量约束：
[0118][0119]
式(7)中：p
iil,min
和p
iil,max
分别为第i个节点上可中断负荷的最小和最大中断量；为表示第m个采样时刻tm的第i个节点上可中断负荷中断状态的布尔变量，若为1，则表示处于中断状态；若为0，则表示处于不中断状态；
[0120]
步骤2.1.2、利用式(8)构建最小中断时间约束：
[0121]
[0122]
式(8)中：为第i个节点可中断负荷在第m个采样时刻tm的累计中断时间；t
id,min
为第i个节点可中断负荷的最小中断时间；
[0123]
式(8)为非线性模型，在求解中比较困难且可靠性不高，对非线性模型线性化可以提高模型的求解效率。
[0124]
对式(8)进行线性化处理，得到式(9)：
[0125][0126]
式(9)中：表示第i个节点在第m个采样时刻tm开始中断负荷的布尔变量，当且仅当且时，为表示第m-1个采样时刻t
m-1
的第i个节点上可中断负荷中断状态的布尔变量，若为1，则表示处于中断状态；若为0，则表示处于不中断状态；
[0127]
对进行线性化后，得到式(10)-式(12)：
[0128][0129][0130][0131]
步骤2.1.3、利用式(13)构建最大中断时间约束：
[0132][0133]
式(13)中：t
id,max
为第i个节点可中断负荷的最大中断时间；
[0134]
步骤2.1.4、利用式(14)构建最小中断间隔约束：
[0135][0136]
式(14)中：为第i个节点可中断负荷在第m个采样时刻tm累计不中断时间，t
iu,min
为最小中断间隔时间；
[0137]
对式(14)进行线性化，得到式(15)：
[0138][0139]
式(15)中：为表示第i个节点负荷在第m个采样时刻tm止中断负荷的布尔变量，当且仅当且时，
[0140]
对进行线性化后，得到式(16)-式(18)：
[0141][0142][0143][0144]
步骤2.1.5、利用式(19)构建最大中断次数约束：
[0145][0146]
式(19)中：为第i个节点可中断负荷的最大中断次数；
[0147]
步骤2.2、利用式(20)得到加入可中断负荷后的电力系统功率平衡约束：
[0148][0149]
由式(1)和式(3)-式(7)、式(9)-式(13)、式(15)-式(20)共同构成所述考虑需求侧响应的电力系统调度模型；
[0150]
步骤三、建立基于igdt的新能源电力系统调度模型
[0151]
步骤3.1、考虑风电出力的不确定性，确保原目标函数优化结果不低于预设值的条件下，最大化不确定变量的波动区间，利用式(21)构建新的目标函数：
[0152]
maxα
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)
[0153]
式(21)中：α为不确定参数的波动范围；
[0154]
步骤3.2、原目标函数优化结果不低于预设值，利用式(22)构建新的目标函数的约束条件：
[0155][0156]
式(22)中：f0为碳排放量的预设值，δ为偏差因子，取值范围为[0,1)；
[0157]
步骤3.3、考虑风电出力具有不确定性，引入风电场后需要对风电出力进行约束，利用式(23)构建风电场出力约束：
[0158][0159]
式(23)中：ωw为风电场的集合；为第w个风电场在第m个采样时刻tm的实际有功出力；是第w个风电场在第m个采样时刻tm的风电预测值；
[0160]
步骤3.4、引入风电场后系统建立新的功率平衡约束，利用式(24)构建新能源电力系统功率平衡约束：
[0161][0162]
由式(21)和式(3)-式(6)、式(15)-式(20)、式(22)-式(24)共同构成基于igdt的新能源电力系统调度模型；
[0163]
步骤四、建立cgdt模型：
[0164]
步骤4.1、基于igdt的风险规避策略在确保优化结果不劣于预设值的条件下最大化不确定量的波动区间，预设的目标偏差因子过于主观，且难以体现目标的置信水平，提出引入机会约束对目标偏差和不确定区间进行置信度评价，利用式(25)构建概率约束：
[0165][0166]
步骤4.2、利用式(26)构建风电出力的约束条件：
[0167]
[0168]
步骤4.3、采用场景法对式(25)进行处理，得到式(27)和式(28)：
[0169][0170][0171]
式(27)中：sn为第n个场景的决策变量，若sn＝1，则表示第n个场景满足式(22)，若sn＝0，则表示第n个场景不满足式(22)；
[0172]
式(28)中：ωn为场景集合；pn为第n个场景发生的概率；β为置信度；
[0173]
步骤4.4、利用big-m法对式(27)进行处理，得到式(29)：
[0174][0175]
步骤4.4、因引入风电场景，需要利用式(30)-式(34)构建风电场场景约束：
[0176][0177][0178][0179][0180][0181]
式(30)-式(34)中，为在第n个场景中第w个风电场在第m个采样时刻tm的实际有功出力；为在第n个场景中第g个机组在第m个采样时刻tm的有功出力；为在第n个场景中第i个节点和第j个节点之间的输电线路在第m个采样时刻tm流过的有功功率；和分别为第g个机组上下行的爬坡速率；
[0182]
由式(21)和式(7)、式(9)-式(13)、式(15)-式(19)、式(26)、式(28)-式(34)共同构成基于计及需求侧响应的新能源电力系统调度模型；
[0183]
步骤4.6、利用ampl求解器对基于计及需求侧响应的新能源电力系统调度模型进行求解，得到最优调度方案，包括：风电出力的波动范围，可中断负荷的中断量，各节点，输电线路的有功功率，机组的发电量。
[0184]
综上所述，本方法以安全性和环保性为目标，将需求侧响应的方法引入电力系统运行，引入风电场作为新能源参与系统调度，同时考虑风电出力的不确定性，构建基于概率置信间隙决策理论的数学模型，实现电力系统的优化调度；利用仿真验证负荷参与电力系统调度的可行性，以及通过需求响应资源与电力系统调度的联合优化，从而保证电力系统的安全稳定运行。