[发明专利]一种考虑风险成本的大电网自适应鲁棒备用优化方法

摘要

本发明公开了一种考虑风险成本的大电网自适应鲁棒备用优化方法，综合考虑多种类型发电机组协同调度和新能源出力不确定而带来风险成本，该方法首先以新能源多面体不确定集刻画其出力的不确定性，建立计及新能源出力误差概率的期望弃新能源和期望切负荷的风险模型，并综合考虑多类型电源机组运行特性，以发电效益与潜在期望风险为备用目标，构建考虑风险成本的多类型电源机组协同调度的旋转备用优化模型，并提出了一种自适应遗传算法与分枝切割算法相结合的双层优化算法以求解所建模型。本发明所公开的备用方法能自适应地寻找新能源最优不确定度，合理地权衡备用策略的经济效益和风险成本，实现综合效益最优。

主权项

1.一种考虑风险成本的大电网自适应鲁棒备用优化方法，其特征在于，所述的优化方法包括下列步骤：S1、将新能源出力的各种可能出现情况事先置于一个有界的集合内，并定义该集合为新能源不确定集，并定义新能源多面体不确定集为：式中：p_w(t)为新能源机组w在时段t的不确定功率，为新能源机组w在时段t的预测功率，为新能源机组w在时段t出力偏离预测功率的波动幅值，δ_w(t)表征新能源机组w在时段t的不确定程度，W、T分别为新能源电厂和调度时段的集合，·表示集合内元素的个数，Γ为新能源不确定度；S2、分别为可消纳的新能源不确定集上限和下限，为新能源机组的总预测功率，R_w(t)为系统为应对新能源不确定性而预留的旋转备用容量，为新能源机组的装机总容量，则可消纳的新能源不确定集上限和下限受新能源技术出力与新能源旋转备用容量双重约束的限制：S3、定义旋转备用策略的期望风险成本为期望弃新能源成本与期望切负荷成本之和，其中，所述的期望弃新能源成本为由于新能源不确定功率大于可消纳的新能源不确定集上限值而采取弃新能源等措施所产生成本的期望值，表达为：式中，ρ_wc为采取弃新能源等措施的成本系数；为在给定可消纳的新能源不确定集上限情况下的弃新能源电量期望值，φ(p_w(t))为新能源出力在t时段的概率密度函数；所述的期望切负荷成本为由于新能源不确定功率小于可消纳的新能源不确定集下限值而采取切负荷等措施所产生成本的期望值，表达为：式中，ρ_ls为采取切负荷等措施的成本系数；为在给定可消纳的新能源不确定集下限值情况下的切负荷电量期望值；S4、在可消纳的新能源不确定集上下限给定的情况下，将旋转备用策略所对应的期望风险成本F1表示为：F1＝fwc+fls；S5、考虑新能源‑火‑水‑气‑核‑抽水蓄能等机组的发电特性和系统运行约束，计及旋转备用的潜在风险，寻找最优的新能源不确定度以客观合理地权衡备用的效益和风险，即在该不确定度下旋转备用策略的综合成本达到最优，其中，综合成本为期望风险成本F1与备用发电成本F2之和，min F＝F1+F2，Sn(t)＝Kn(In(t)(1‑In(t‑1))+In(t‑1)(1‑In(t)))，Sg(t)＝Kg(Ig(t)(1‑Ig(t‑1))+Ig(t‑1)(1‑Ig(t)))，Fm(t)＝ampm(t)+Im(t)bm+Sm(t)，Fr(t)＝Sgen,r(t)+Spump,r(t)，Fd(t)＝adpd(t)+bd，式中：Fn(t)、Fg(t)、Fd(t)、Fm(t)、Fr(t)分别为时段t内火电电源机组n、燃气电源机组g、核电机组d、水电电源机组m、抽水蓄能机组r的发电运行成本，N、G、D、M、R分别为火电、燃气、核电、水电及抽水蓄能机组数，T为调度周期，pn(t)和pm(t)为火电电源机组n、水电电源机组m在时段t的发电出力，In(t)和Ig(t)为火电电源机组n、燃气电源机组g在时段t的启动决策变量，若其取值为1，此时对应启动状态，否则若其取值为0，则对应停机状态；an/ag、bn/bg、cn/cg为火电电源机组n、燃气电源机组g的煤耗成本特性系数，Kn/Kg为火电电源机组n、燃气电源机组g的启停成本系数，包括由于启停计划而增加的煤耗、对汽轮机转子寿命的损耗成本，am/bm为水电电源机组的发电成本特性系数，Sm(t)为水电电源机组的启停成本函数，表征由于机组启停所引起的水量损失、机组设备机械损耗的成本，抽水蓄能机组成本为不同运行工况转换而产生的运行成本，包括发电工况下发电机的启动成本Sgen,r(t)和抽水工况下电动机的启动成本Spump,r(t)，核电发电成本包括核燃料成本和核电站维护成本，表示为发电出力的线性函数，ad、bd分别为核电机组核燃料耗量特性系数和维护成本系数，pd(t)为核电机组d在时段t的发电出力；S6、定义多类型电源机组旋转备用模型的约束条件，包括火电电源机组、燃气电源机组、核电电源机组、水电电源机组、抽水蓄能电源机组的运行特性约束，以及系统运行的约束限制；S7、为了应对新能源波动性对系统的影响，需满足新能源不确定集场景下的旋转备用需求，即预留的新能源旋转备用容量不小于新能源的总波动量，因此可控机组所提供的总备用容量应满足负荷备用需求与新能源备用需求之和，即：Ru(t)≥RL(t)+Rw(t)Rd(t)≥RL(t)+Rw(t)式中，RL(t)为系统负荷的备用需求容量，由电力工业标准确定；Rw(t)为系统新能源的备用需求容量，用于对应新能源的随机波动，即其取值应不小于新能源的总波动量；S8、采用自适应遗传算法与分枝切割算法相结合的双层混合优化算法以解耦协调求解所构建的MINLP模型，首先将上述模型分解为机组旋转备用优化和期望风险成本评估，其中，机组旋转备用优化表示为：需要满足的约束：1)火电电源机组约束，2)水电电源机组约束，3)燃气电源机组约束，4)核电机组约束，5)抽水蓄能机组约束，6)系统运行约束；以及备用需求约束：Ru(t)≥RL(t)+Rw(t)Rd(t)≥RL(t)+Rw(t)期望风险成本计算方法表示为：S9、将旋转备用优化模型的燃料成本二次函数通过分段逼近方法线性化，机组的启停成本函数Sn(t)＝Kn(In(t)(1‑In(t‑1))+In(t‑1)(1‑In(t)))通过松弛约束方法转化为线性形式：Sn＝S1n+S2n式中，S1n、S2n为引入的新松弛变量，当机组由停机状态启动时，In(t‑1)＝0且In(t)＝1，由于目标为最小化成本，因此使得S1n＝Kn且S2n＝0；同理，当机组由启动运行状态转为停机时，In(t‑1)＝1且In(t)＝0，同理为使目标成本最小化，故有S1n＝0且S2n＝Kn，此外，水电电源机组的启停成本函数Sm(t)与抽水蓄能机组的启动成本函数Sgen,r(t)、Spump,r(t)亦同理线性松弛化，通过上述的线性逼近和非线性约束松弛方法，机组旋转备用模型转化为线性混合整数规划问题；S10、提出自适应遗传算法与分枝切割算法相结合的双层混合优化算法以解耦协调求解所构建的MINLP模型：内层为在给定风电不确定集与不确定度下的旋转备用优化模型，属于线性混合整数规划问题，通过CPLEX求解器中的分枝切割算法有效求解，外层为非线性期望风险成本评估及不确定度寻优模型，将不确定集上限和下限作为遗传算法的染色体，并根据每个染色体的备用综合成本F计算相应的适应度y(F)＝M‑F，其中M为足够大的数即可，并通过自适应遗传算法调整不确定度的寻优方向，其中遗传算法交叉概率Pc和变异概率Pm的自适应调节方式如下：式中：ymax/yavg分别为种群的最大适应度与平均适应度；y'为要交叉的两个个体中较大的适应度；y为变异个体的适应度；Pcmax/Pcmin分别为交叉概率的最大值/最小值；Pmmax/Pmmin分别为变异概率的最大值/最小值。本专利的自适应遗传算法群体规模为20，遗传代数为40，允许误差ε＝10‑3，Pcmax/Pcmin＝0.85/0.55，Pmmax/Pmmin＝0.1/0.001。