源网协调分布鲁棒优化规划方法及系统

本发明涉及电力系统规划，特别是一种源网协调分布鲁棒优化规划方法及系统。

背景技术：

1、传统的电力系统规划方法只关注于系统的功率平衡，但随着大规模可再生能源经无惯量/低惯量的电力电子器件并入替代了部分同步电源，电力系统惯量水平和一次调频能力不断减小，给电网频率安全带来了挑战。一方面，在高比例可再生能源电力系统构建中，仅靠传统同步机组(火电和水电)提供惯量响应和调频服务已经越来越难以同时满足可再生能源消纳目标和频率安全要求，亟需挖掘风电、光伏等资源的惯量支撑和一次调频能力。另一方面，多类型频率响应方式下的频率安全约束属于高度非线性函数，直接纳入规划问题极大增加问题的难度和复杂度，如何构建关联规划变量的频率安全约束是高比例可再生能源电力系统规划的关键和难点。

2、在电力系统规划领域，需要提出一种考虑频率安全的电力系统优化规划方法，以确保高比例可再生电力系统运行的安全性，并能反应多类型资源提供惯量和频率支持的有效性。

技术实现思路

1、本发明所要解决的技术问题是，针对现有技术不足，提供一种源网协调分布鲁棒优化规划方法及系统，得到满足多场景下电网运行和频率安全的规划方案。

2、为解决上述技术问题，本发明所采用的技术方案是：一种源网协调分布鲁棒优化规划方法，包括以下步骤：

3、1)计算第i个外循环的主问题并获得规划决策值v(i)和日前机组开停机决策值u(i)、日前运行决策值x(i)、对偶变量的值θ(i)、π+(i)、π-(i)和λ(i)，以及辅助变量的值γ(i)；将外循环的下界值lbouter更新为主问题的目标函数值；设置内循环的上下界初始值为lbinter＝-∞和ubinter＝+∞，设置内循环的次数k＝1；所述主问题表达式如下：

4、

5、s.t.a1v(i)+b1≤0；

6、a2v(i)+bu(i)+gx(i)+b2≤0；

7、|γ(i)|≤λ(i)；

8、

9、

10、其中，c1表示投资成本系数；c2为日前机组的开停机成本系数；ρs为第s个典型日的概率值，其中s为典型日的引索号；θ(i)、λ(i)、π+(i)和π-(i)是通过slater条件转换得到的对偶变量；ε为wasserstein半径；表示第n个新能源预测误差的历史数据；ζ(i)表示第i个筛选出的新能源预测误差值；γ(i)为引入的辅助变量；a1为网源规划模型中规划决策值的系数矩阵；b1为网源规划中的系数向量；a2为日前机组组合模型中规划决策值的系数矩阵；b和g分别日前机组组合模型中开停机决策值u(i)和日前运行决策值x(i)的系数矩阵；b2为日前机组组合模型中的系数向量；d为日内调度模型的运行成本系数；z(i)为日内运行的决策向量，为0-1型变量；y(i)为日内调度模型中日内运行状态值；a3、e、f和l分别为日内调度模型中规划决策值v3(i)、开停机决策值u(i)、日前运行决策值x(i)和新能源预测误差值ζ(i)的系数矩阵；j1和j2分别为日内调度模型中日内运行状态值y(i)和日内运行的决策值z(i)的系数矩阵；q为日内调度模型中的系数向量；δ+和δ-分别为正、负松弛变量；μ+和μ-分别为随机变量的条件期望值的上限和下限；m为常数项；n为新能源预测误差历史数据的数量；

11、2)将第i次主问题计算得到的v(i)、u(i)、x(i)、π+(i)、π-(i)和γ(i)代入sp-u模型；计算第k个内循环的sp-u模型，获得不确定变量的值ζ(k)，并更新所述sp-u模型表达式如下：

12、

13、

14、

15、其中，τ(k)为引入的辅助变量；α(k)为日内调度约束的对偶变量；z(k)为日内调度模型中新能源参与调频决策值；

16、3)将第k次sp-u计算得到的ζ(k)代入sp-l模型；计算sp-l模型，获得决策变量y(k)、z(k)、δ+(k)和δ-(k)，并更新ubinner＝fsp(v,u,x,ζ)；所述sp-l模型表达式如下：

17、

18、s.t.a3v(i)+eu(i)+fx(i)+lζ(k)-q≤j1y(k)+j2z(k)+δ+(k)-δ-(k)；

19、其中，

20、4)若|ubinner-lbinner|≤εinner，则更新并转到5)；否则，k的值加1，转到2)；

21、5)若|lbouter-ubouter|≤εouter，停止循环并得到最终的投资方案(新能源机组和线路投建方案、新能源机组虚拟同步化方案和火电机组退役方案)；否则，i的值加1，返回1)；其中，εouter和εinter分别为内、外循环的误差阈值。

22、利用上述规划过程，可预先得到满足规划模型和经典场景下机组组合模型的初始规划方案，然后利用考虑频率安全约束的日内调度模型，校验初始规划方案在不确定场景中的可行性和扰动发生后频率安全性，将不满足安全稳定运行条件的数据返回规划模型，迭代求解规划模型，最终可以使规划方案满足多场景下电网运行和频率安全。

23、所述主问题确定过程包括：

24、将源网协调分布鲁棒优化规划模型表示如下：

25、

26、s.t.a1v+b1≤0

27、a2v+bu+gx+b2≤0

28、

29、s.t.a3v+eu+fx+lζ-q≤j1y+j2z+δ+-δ-

30、式中，v为规划决策向量，其中表示第w个风电厂是否投建的决策量；表示光伏机组p是否投建的决策量；表示第l*条输电线路是否投建的决策量；表示风电厂w是否进行虚拟同步化的决策量；表示第p个光伏机组是否进行虚拟同步化的决策量；表示火电机组g是否退役的决策量；u为日前机组开停机决策变量，其中和分别表示火电机组g在s场景t时段开、停机操作，ug,s,t表示火电机组g在s场景t时段的开、停机状态；x为日前运行状态向量，其中为日前运行计划中火电机组g在s场景t时段的发电功率，和分别为日前运行计划中现有线路l和候选线路l*在s场景t时刻的传输功率；和分别为日前运行计划中现有线路l和候选线路l*的起始节点i在s场景t时刻的电压相角；z为日内运行的决策向量，其中为机组跳闸变量，和分别表示s场景t时段的第w个风电厂和第p个火电机组是否参与调频；y为日内运行状态向量，pg,s,t为日内运行中火电机组g在s场景t时段的发电功率，fl,s,t和fl*,s,t分别为日内运行中现有线路l和候选线路l*在s场景t时刻的传输功率，和分别为日内运行中现有线路l和候选线路l*的起始节点i在s场景t时刻的电压相角，和分别为日内运行中风电厂w在s场景t时刻的输出功率和调频备用，和分别为日内运行中光伏机组p在s场景t时刻的输出功率和调频备用，和分别风电厂w在s场景t时刻的虚拟惯性时间常数和下垂控制系数，和分别为电网的惯性时间常数、静调差系数；为汽轮机的特性参数，和分别为s场景t时刻的功率缺额值和缺额比例；ζ表示新能源预测误差值；ρζ表示分布函数距离集合；表示期望；表示最大期望值；

31、利用slater条件将表示为可处理的等价模型，即得到所述主问题表达式。

32、本发明主问题构建中利用了分布鲁棒优化框架，可以根据新能源预测误差数据集识别出新能源出力的极端场景，并添加到规划模型，避免网源协调规划阶段遗漏极端场景或者其他常规场景。

33、所述源网协调分布鲁棒优化规划模型由源网协调规划模型、日前机组组合模型和日内调度模型整合而成；所述源网协调规划模型的目标函数表达式为：

34、

35、其中，cw和cpv分别为风电厂和光伏机组的单位投建成本；cline为输电线路的单位投建成本；cv1和cv2分别为风电厂和光伏机组虚拟同步化的投资成本；cs为火电机组报废成本；cd为退役火电机组的设备处理成本；cm为服役火电机组的维护成本；co为服役火电机组的退运成本；vw、vpv和vl分别表示风电厂、光伏机组和输电线路的投建决策向量，1表示候选设施已经投建，0表示候选设施还未投建；vv1和vv2分别表示风电厂、光伏机组虚拟同步化的投资决策向量，1表示对厂站的机组进行虚拟同步化，0表示对厂站的机组不进行虚拟同步化；vg表示火电机组的退役决策向量，1表示火电机组已退役，0表示火电机组仍在服役；

36、源网协调规划模型的约束为：

37、

38、

39、

40、为年投资成本的上限值；为可开发新能源的上限值；表示风电厂的集合；表示光伏机组的集合；和分别为风电厂w和光伏机组p的单位装机容量；为总的装机容量；为新能源装机占比的目标值；σg、σw和σpv分别表示火电机组、风电厂和光伏机组的备用率；rm为系统的备用容量系数；pdmax系统负荷的最大需求。

41、本发明利用源网协调规划模型的目标函数和其约束条件，可在满足电网规划基本要求前提下，实现投资方案的经济最优性。

42、所述日内调度模型的目标函数为：

43、

44、日内调度模型的基本运行约束包括：

45、

46、

47、

48、|fl,s,t|≤flmax，

49、

50、

51、

52、

53、

54、

55、

56、

57、

58、

59、

60、

61、其中，pg,s,t为火电机组g在s场景t时刻的实际出力，为系统节点i在s场景t时段的需求功率，为新能源机组r在s场景t时段的预测功率，其中和分别为风电厂w和光伏机组p在s场景t时段的预测功率；为新能源预测功率与可输出功率之间的误差；为新能源机组r在s场景t时刻的实际可输出最大功率，其中和分别为风电厂w和光伏机组p在s场景t时段的最大可输出功率；为新能源机组r的输出功率，其中和分别为风电厂w和光伏机组p在s场景t时段的输出功率；为新能源机组r在s场景t时刻的调频备用，其中和分别为风电厂w和光伏机组p在s场景t时段中预留的调频备用有功功率(备用分为很多类型，本发明默认新能源机组预留的备用仅供调频使用)；ug,s,t表示火电机组g在s场景t时段的开、停机状态，ug,s,t＝1为火电机组g处于开机状态，ug,s,t＝0表示火电机组g处于停机状态；gg(pg,s,t)为火电机组g的发电成本函数，表示火电机组的集合；和分别表示火电机组g的最大和最小出力，al和al*为现有线路l和候选线路l*的节点关联矩阵；fl,s,t和fl*,s,t分别为现有线路l和候选线路l*在s场景t时刻的实际传输功率；为候选线路l*的投建状态变量；bl和bl*分别为现有线路l和候选线路l*的电抗大小；和分别为现有线路l*的起始节点i和终止节点j在s场景t时刻的实际电压相角值，和分别为拟投建线路l*的起始节点i和终止节点j在s场景t时刻的实际电压相角；为节点i的电压相角上限值；为0-1变量，表示机组是否故障，1表示机组发生跳闸，0表示机组未发生跳闸；为s场景t时刻的扰动功率；和分别为风电厂w在s场景t时段的虚拟同步惯性时间和下垂控制特性参数，κw为风电厂w参与频率的阈值，为风电厂w的额定容量，为0-1变量，表示风电厂w是否参与调频；和为光伏电站p的虚拟同步惯性时间常数和下垂控制特性参数，κpv为光伏电站p参与频率的阈值，为光伏电站p的额定容量，为0-1变量，表示光伏电站p是否参与调频；为火电机组g的同步惯性时间常数，fg为火电机组g的汽轮机特性参数，为火电机组g的静调差系数，为扰动功率与总需求量的比值，dsys为等效的阻尼系数，为最大频率偏差阈值；f0为基准频率，fss为准稳态频率，为最低点频率的最大限值，为初始时刻频率变化速率的最大限值，为等效惯量系数，rsys为等效静调差系数，为等效汽轮机的特性参数值，ak，bk和ck分别为第k个线性函数中和的系数，dk为第k个线性函数的常数项。

62、本发明利用日内调度模型的目标函数和其约束，可校验规划方案在极端场景或者其他常规场景下是否满足电网运行的基本要求。

63、风电厂w在s场景t时段的虚拟同步惯性时间的表达式为：

64、风电厂w在s场景t时段的下垂控制特性参数的表达式为：

65、其中，η为电机组w参与一次调频响应的备用参数，为最大频率偏差阈值。

66、线性函数的表达式为：

67、

68、

69、其中，n表示第n个采样点，表示{1,…,n}的整数集合，n*表示第n*个采样点，k为线性函数个数；为筛选出的n*个等效惯量值；为筛选出的n*个等效静调差系数；为筛选出的n*个等效汽轮机的特性参数值；为筛选出的n*个有功扰动值；为n*个最低惯量值。

70、线性函数的确定过程包括：

71、a)设置迭代次数iteramax、误差的阈值ε0、线性函数个数k，初始迭代次数itera＝1；

72、b)对待拟合的参数空间χn*进行随机划分，形成k个子参数空间ωk,k＝1,…,k，各子参数空间为不相交凸包；

73、c)对子参数空间k,k＝1,…,k中的点进行线性拟合，获得最佳拟合仿射函数：

74、

75、

76、其中，n表示第n个采样点，表示{1,…,n}的整数集合，n*表示第n*个采样点，k为线性函数个数；为筛选出的n*个等效惯量值；为筛选出的n*个等效静调差系数；为筛选出的n*个等效汽轮机的特性参数值；

77、为筛选出的n*个有功扰动值；为n*个最低惯量值；

78、d)通过更新并根据

79、重新将待拟合的参数空间划分为k个不相交的子参数空间ω*k,k＝1,…,k；

80、e)若子参数空间ω*k的划分不再变更，或者则结束；

81、否则，进入步骤f)；ε0为设定的阈值；

82、f)令当前迭代次数加1，若当前迭代次数＜iteramax，则结束；否则，返回步骤c。

83、本发明利用线性函数的确定过程，可以得到满足最大频率偏差安全的线性约束，线性约束可直接纳入日内调度模型，实现对规划方案的最大频率偏差安全性的校验。

84、随机变量的条件期望值的计算公式为：

85、

86、其中，为的期望函数，为条件模糊集，和表示新能源预测误差的经验分布和真实分布，||·||为范数式，表示所有概率分布的集合，表示和的联合分布，θ为随机变量的支撑集，ζmax为新能源预测误差的最大值，ζave为新能源预测误差的平均值；为新能源预测误差的历史样本值。

87、利用随机变量的条件期望值的计算过程，使生成的条件模糊集更贴近新能源功率实际波动情况。

88、所述日前机组组合模型的目标函数为：

89、

90、日前机组组合模型约束为：

91、

92、

93、

94、

95、

96、

97、

98、其中，和分别为火电机组g开、停机成本和固定空载成本；ug,s,t表示火电机组g在s场景t时段的开、停机状态，ug,s,t＝1为火电机组g处于开机状态，ug,s,t＝0表示火电机组g处于停机状态；和分别表示火电机组g在s场景t时段开、停机操作，为火电机组g进行开机操作，表示火电机组进行停机操作，ton和toff分别表示火电机组的最小开、停机时间，为火电机组g在s场景t时段的发电功率；和分别表示火电机组g的最大和最小出力；sdg分别表示关闭爬坡能力，al和分别为现有线路l和候选线路l*的节点关联矩阵；和分别为现有线路l和候选线路l*在s场景t时刻的传输功率；为新能源机组r在s场景t时段的预测功率，为风电厂w在s场景t时段的预测功率，为光伏机组p在s场景t时段的预测功率；为系统节点i在s场景t时段的预测需求功率，bl和bl*分别为现有线路l和候选线路l*的电抗大小；和为现有线路l的起始节点i和终止节点j的电压相角；为节点i的电压相角上限值；和为候选线路l*的起始节点i和终止节点j在s场景t时刻的电压相角；flmax和分别为现有线路l和候选线路l*的最大传输功率；为候选线路l*的投建状态变量。

99、本发明利用日前机组组合模型的目标函数和其约束，使规划方案在经典场景中能满足基本开、停机要求和电网基本运行要求，并实现日前计划中的电网运行成本最低。

100、本发明还提供了一种源网协调分布鲁棒优化规划系统，包括存储器、处理器及存储在所述存储器上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程序时实现本发明上述的方法。

101、与现有技术相比，本发明所具有的有益效果为：本发明计及多类型资源可提供惯量水平和调频能力，构造满足电网动态频率安全的线性约束集，将频率安全约束集纳入日内调度模型，体现日内调度中多类型资源提供惯量和频率支持的有效性。利用构造的日内调度模型对规划模型的方案进行安全可行性校验，得到满足多场景下电网运行和频率安全的规划方案，确保高比例可再生电力系统运行的安全性。

技术特征：

1.一种源网协调分布鲁棒优化规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的源网协调分布鲁棒优化规划方法，其特征在于，所述主问题确定过程包括：

3.根据权利要求2所述的源网协调分布鲁棒优化规划方法，其特征在于，所述源网协调分布鲁棒优化规划模型由源网协调规划模型、日前机组组合模型和日内调度模型整合而成；所述源网协调规划模型的目标函数表达式为：

4.根据权利要求1所述的源网协调分布鲁棒优化规划方法，其特征在于，所述日内调度模型的目标函数为：

5.根据权利要求4所述的源网协调分布鲁棒优化规划方法，其特征在于，风电厂w在s场景t时段的虚拟同步惯性时间的表达式为：

6.根据权利要求4所述的源网协调分布鲁棒优化规划方法，其特征在于，线性函数的表达式为：

7.根据权利要求4或6所述的源网协调分布鲁棒优化规划方法，其特征在于，线性函数的确定过程包括：

8.根据权利要求1所述的源网协调分布鲁棒优化规划方法，其特征在于，随机变量的条件期望值的计算公式为：

9.根据权利要求1所述的源网协调分布鲁棒优化规划方法，其特征在于，所述日前机组组合模型的目标函数为：

10.一种源网协调分布鲁棒优化规划系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～9中任一项所述的方法。

技术总结
本发明公开了一种源网协调分布鲁棒优化规划方法及系统，计及多类型资源可提供惯量水平和调频能力，构造满足电网动态频率安全的线性约束集，将频率安全约束集纳入日内调度模型，体现日内调度中多类型资源提供惯量和频率支持的有效性。利用构造的日内调度模型对规划模型的方案进行安全可行性校验，得到满足多场景下电网运行和频率安全的规划方案，确保高比例可再生电力系统运行的安全性。

技术研发人员：文云峰,陆艺丹,钟祖浩,甄玉萌
受保护的技术使用者：湖南大学
技术研发日：
技术公布日：2024/9/23