考虑风光不确定性的多能联供系统机会约束优化调度方法与流程

本发明涉及一种优化调度方法，尤其涉及一种考虑风光不确定性的多能联供系统机会约束优化调度方法。

背景技术：

1、近年来，随着化石燃料的逐渐枯竭和全球变暖问题的日益凸显，构建绿色低碳的新型能源系统已成为能源行业完成绿色转型的重要举措。在此背景下，耦合储能、风能和太阳能的冷-热-电联供系统(以下简称多能联供系统)，因其能够实现能源的梯级利用和多能互补协同运行，有效减少化石能源使用量和二氧化碳排放量，已成为研究热点。然而，随着未来风、光能源的大规模接入，其出力的不确定性和波动性，将给多能联供系统的安全运行带来新一轮的挑战。

2、目前关于处理风、光不确定性的主要方法主要集中在应用随机规划算法、鲁棒优化算法和多场景识别方法对能源系统的运行进行不确定性仿真。其中，随机优化算法本质上是基于风力发电和光伏发电各自的概率分布曲线，通过建立机会约束规划(ccp，chance-constrained programming)模型或条件风险模型，将风、光出力的不确定性转化为确定性优化，以此规避风、光不确定性对系统运行安全性的影响。然而，对于园区级多能联供系统，所有的供能单元均处在同一时间和空间序列下，导致风、光能源并非是两个完全割裂的供能主体，而是有着强烈的出力相关性。因此，若仅根据风、光各自的概率分布集合，制定各自运行方案，忽略彼此出力间的“客观”影响规律，容易造成供需失衡的风险，导致优化结果鲁棒性略显不足。

3、为确保多能联供系统的安全稳定运行，需要在充分考虑风、光出力的相关性的基础上，有效降低风、光不确定性对电网运行的影响。因此，为解决上述问题，本发明以同时表征风光相关性、处理风光不确定性为出发点，应用cholesky分解对风、光相关性进行表征，应用ccp算法规避风、光不确定性的影响，最终提出一种计及风、光联合出力分布概率的多能联供系统机会约束优化模型。

技术实现思路

1、本发明就是针对现有技术存在的缺陷，提供一种考虑风光不确定性的多能联供系统机会约束优化调度方法。其是考虑到已有方法在处理多能联供系统上对于风光不确定性、相关性考虑不足，以及处理运行约束条件时存在求解时间长的问题，提出的考虑风光不确定性的多能联供系统优化策略。

2、为实现上述目的，本发明采用如下技术方案，包括：

3、s1、构建风力发电系统模型；

4、所述风力发电系统模型中电能来源于：风机、光伏阵列以及上级电网，热能的供应则依赖于电锅炉、储热设备；

5、s2、构建及分析光伏出力模型，得到光伏输出功率的概率密度函数；

6、s3、构建基于风力发电系统模型的需求响应模型；

7、s4、建立在s3的需求响应模型基础上，向多能联供系统内添加系统备用约束；具体为：由于备用约束中含可再生能源出力的随机变量，将其作为随机优化问题建立机会约束；

8、s5、对s4中机会约束中的相关性输入变量进行处理；

9、s6、对s4进行基于半不变量的机会约束确定性转化；

10、s7、针对半不变量中心矩的求取。

11、进一步地，s1具体包括：

12、因风机出力的不确定性的两大来源：风速的间歇性及随机性；为量化风机出力的不确定性，引入风速分布理论；

13、即：在风机出力模型中，风速服从weibull分布，风速的概率密度函数

14、fw(v)＝(k/γ)(v/γ)k-1exp[-(v/γ)k]       (1)

15、式中，v为实际风速；k为形状系数，描述了风速概率密度函数的形状；γ为尺度系数，反映了某时段的平均风速；

16、根据公式(1)可推导出风力发电的输出功率模型：

17、

18、式中，pw为风电机组的输出功率；pr为风电机组的总装机容量；vin为切入风速；vout为切出风速；vr为额定风速；

19、再由风速的概率密度函数推导出风机出力的概率密度函数，如下式所示；以将风速的随机性转化为风机出力的可预测模式；

20、

21、式中，h＝(vr/vin)-1。

22、进一步地，s2具体包括进行光伏发电输出功率分析：

23、2.1太阳辐照度特性分析：

24、统计数据显示，一天内太阳辐照度的变化趋势能够近似用beta分布模型来表征，这有助于量化日照强度的自然变异性：

25、

26、式中，γ(·)为伽马函数；λ1,λ2分别为beta分布的形状参数；r，rmax分别为太阳辐射强度和最大太阳辐射强度；γ表示以下形式的伽玛函数：其中ρ为一个积分变量；

27、2.2光伏输出功率与太阳辐照度的关系：

28、光伏输出功率与太阳辐射强度之间存在直接关联，其关系由以下方程概括：

29、ppv＝ξηmapvηpvcosθ       (5)

30、式中，ξ为太阳辐照强度；ηm为最大功率跟踪点；apv为光伏组件辐射面积；ηpv为光伏板能量转换系数；θ为太阳光入射角；

31、2.3.因光伏输出功率与太阳辐照度呈线性关系，因此光伏输出功率也服从beta分布，因此推导出光伏输出功率的概率密度函数：

32、

33、式中，ppv和分别代表当前光伏输出功率和光伏最大允许输出功率。

34、进一步地，s3具体包括：

35、需求响应模型描述如下：

36、

37、式中，为初始负荷；为进行需求响应后的负荷；为可时移负荷时移功率，δtsl为可时移负荷占总负荷比例；为可中断负荷中断功率，δit为可中断负荷占总负荷比例。

38、进一步地，s4具体包括：所建立的机会约束如下：

39、minf＝c(x)         (8)

40、

41、式中，prob{·}为概率计算算子；为t时刻分布式发电机出力；为t时刻风力发电机出力；为t时刻光伏发电出力；分别为t时刻电网备用容量和储能系统备用容量；α为系统置信水平。

42、进一步地，s5具体包括：

43、将和输入变量之间的相关关系用相关系数矩阵法表示；

44、假设输入变量的相关系数矩阵为cx：

45、

46、在实际的电力系统中，相关系数矩阵cx为正定矩阵，则可对该矩阵进行cholesky分解：

47、cx＝ggt         (11)

48、其中g为下三角矩阵其元素可由下式求得：

49、

50、由式(4)可知相关系数矩阵cx为对称矩阵，故而存在一个正交矩阵b，使得下式存在：

51、y＝bx          (13)

52、式中y＝[y1,y2,…,yn]t；

53、结合式(3)可知b＝g-1，可将相关的输入变量x表示成独立的变量y的组合：

54、x＝gy          (14)。

55、进一步地，s6具体包括：

56、对于式(4)可推导出下式：

57、

58、式中，β＝ig.i∈rn×1为元素为1的单位矩阵；

59、令

60、z:＝βy              (16)

61、对于既定的z，定义如下函数：

62、f(z):＝prob{z≥z}               (17)

63、因此，功率平衡的机会约束条件可表示为

64、

65、由于f是单调递增的，若上式成立，必有

66、

67、式中f-1是f的反函数；这样建立约束条件的关键就是如何求取f-1(α)的值；f-1(α)的值可用cornish-fisher级数展开求得：

68、

69、式中，d＝φ-1(α)，φ(·)为标准正态分布函数。是z的k(k≥1)半不变量，可根据y的半不变量求得：

70、

71、式中，是yi的k(k≥1)半不变量；

72、半不变量的特性就是连续型可再生能源的不确定性出力的一个数字性质，可以通过从低于或等于其中一个相应阶数的连续型可再生能源的不确定性出力的矩中获取，具体求法如下：

73、

74、式中，αv为变量yi的概率密度函数f(yi)的v阶矩。

75、进一步地，s7具体分为：

76、对于网络内各分布式可再生能源的不确定性出力，若概率分布情况已知，其各阶矩及和中心矩可由下述方法求得；

77、(1)对于连续型可再生能源的不确定性出力；

78、设连续型可再生能源的不确定性出力x的概率密度函数为f(x)则其v阶矩αv可由下式求得:

79、

80、当v＝1时，可得到连续型可再生能源的不确定性出力x的一阶矩，也就是x的期望值综合期望值与式(22)易得出随机变量x的各阶中心矩：

81、

82、(2)离散连续型可再生能源的不确定性出力；设连续型可再生能源的不确定性出力x取xi的概率为pi,则其v阶矩av可由下式求得：

83、

84、期望值为：

85、

86、x的各阶中心距为：

87、

88、与现有技术相比本发明有益效果。

89、本发明基于机会约束考虑了可再生能源的不确定性，通过机会约束保障综合能源系统运行，同时通过置信度水平的形式保证优化调度的可调性，可辅助调度人员在系统的经济性和可靠性间实现平衡，具有一定的应用价值。

90、本发明相较于传统的随机模拟方法，所提方法在精度相近的情况下，提高了求解效率，更能够适应实际的电网调度工作。

技术特征：

1.考虑风光不确定性的多能联供系统机会约束优化调度方法，其特征在于：包括：

2.根据权利要求1所述的考虑风光不确定性的多能联供系统机会约束优化调度方法，其特征在于：s1具体包括：

3.根据权利要求1所述的考虑风光不确定性的多能联供系统机会约束优化调度方法，其特征在于：

4.根据权利要求1所述的考虑风光不确定性的多能联供系统机会约束优化调度方法，其特征在于：s3具体包括：

5.根据权利要求1所述的考虑风光不确定性的多能联供系统机会约束优化调度方法，其特征在于：s4具体包括：所建立的机会约束如下：

6.根据权利要求1所述的考虑风光不确定性的多能联供系统机会约束优化调度方法，其特征在于：s5具体包括：

7.根据权利要求6所述的考虑风光不确定性的多能联供系统机会约束优化调度方法，其特征在于：s6具体包括：

8.根据权利要求1所述的考虑风光不确定性的多能联供系统机会约束优化调度方法，其特征在于：s7具体分为：

技术总结
本发明涉及一种优化调度方法，尤其涉及一种考虑风光不确定性的多能联供系统机会约束优化调度方法。包括步骤：S1、构建风力发电系统模型；S2、构建及分析光伏出力模型，得到光伏输出功率的概率密度函数；S3、构建基于风力发电系统模型的需求响应模型；S4、建立在S3的需求响应模型基础上，向多能联供系统内添加系统备用约束；S5、对S4中机会约束中的相关性输入变量进行处理；S6、对S4进行基于半不变量的机会约束确定性转化；S7、针对半不变量中心矩的求取。其相较于传统的随机模拟方法，所提方法在精度相近的情况下，提高了求解效率，更能够适应实际的电网调度工作。

技术研发人员：田增垚,李春山,孙铭泽,刘少午,朱时雨,惠鑫,王超,张强,冯伟,杨天蒙
受保护的技术使用者：国家电网公司东北分部
技术研发日：
技术公布日：2024/9/23