[发明专利]最大化可再生能源出力的数据驱动电力系统实时调度方法

摘要

本发明公开了一种最大化可再生能源出力的数据驱动电力系统实时调度方法，通过同时优化常规机组的运行基点和可再生能源发电机组的允许运行范围限制，以最大化实际可用可再生能源发电输出被允许运行范围限制覆盖的概率。利用可再生能源发电历史数据的样本平均近似技术将决策模型制定为混合整数线性模型；还提出了选择风电出力历史数据样本的策略，以在变量预测输出水平下更准确地捕捉可再生能源发电不确定性，从而提高可再生能源的利用率。

主权项

1.最大化可再生能源出力的数据驱动电力系统实时调度方法，其特征在于：该方法开发一个基于允许运行范围的两阶段实时电力调度框架，为t+Δt时刻解决可调度范围确定问题和具有固定允许运行范围限制的运行基点优化问题，以获得即将到来时期的可再生能源发电机组的允许运行范围限制和常规机组的运行基点，在下一个阶段执行调度决策，校正控制机组根据其运行基点提供校正措施，非校正控制机组遵循其运行基点，可再生能源发电机组采取主动措施将其出力保持在允许运行范围限制内；其包括以下步骤：1)确定电力系统机组出力的可调度范围，寻求覆盖大部分可能场景的可再生能源发电输出范围，以获取即将到来时期的可再生能源发电机组的允许运行范围限制，具体如下：1.1)构造确定可调度范围的原始模型，寻求覆盖大部分可能场景的可再生能源发电输出范围，在这些范围内，通过采取校正措施来维护或恢复系统的可靠性；1.2)采用样本平均近似技术来近似风电出力在允许运行范围中的概率值和生产成本的期望值，其中概率分布被风输出水平的历史观测值所代替，引入二元指示变量z(k)，最大限度地减少允许运行范围限制以外的场景数量；1.3)使用强化扩展建模方法，开发一种更紧凑、更紧密的可调度范围确定模型，所得重构的线性松弛与原始配方的所有有效不等式具有一样强的约束，得到的最终允许运行范围模型，即DNE模型，如下：其中，u、l分别表示可再生能源发电机组允许运行范围限制的上限、下限，z表示数据样本是否在允许运行范围限制内的二元变量，w表示可再生能源发电机组的出力，p^B表示常规机组发电量的运行基点，k表示中的第k个数据样本，表示允许运行范围限制问题的数据样本索引集；如果第k个数据样本在允许运行范围内，则z^(k)等于0，否则等于1；表示常规机组i发电量的运行基点，w_j表示可再生能源发电机组j的发电出力，D_n表示母线n的负荷需求，和分别表示校正控制机组的索引集、非校正控制机组的索引集、可再生能源发电机组的索引集和母线索引集，l表示线路l，SF_l,n、F_l^max和分别表示线路l到母线n的发电转移分布因子、线路l的传输容量和传输线索引集，RAMP_i表示发电机组i的最大爬坡率，P_i^min、P_i^max分别表示发电机组i的当前时刻出力、最小出力、最大出力，和分别表示可再生能源发电机组j的预测可用输出、发电容量，u_j、l_j分别表示可再生能源发电机组j的允许运行范围限制的上限、下限，表示可再生能源发电机组的实际发电输出用可再生能源发电机组的允许运行范围限制上下限表示的凸组合系数，其取值范围为[0，1]，表示可再生能源发电机组j的实际发电输出用可再生能源发电机组的允许运行范围限制上下限表示的凸组合系数，其取值范围为[0，1]，表示可行的校正调度输出，表示可再生能源发电机组j的实际可用出力，Δ_i分别表示常规机组i的可校正调度输出、最大输出调整；表示校正调度输出，H为允许运行范围限制确定问题的数据样本索引集中位于允许运行范围之外的场景数量的上限估计，表示可再生能源机组j的第k个样本的预测误差，序列和按降序排序，得到的索引序列分别用和表示；和为二元指示变量；2)确定常规机组的最优运行基点，其在允许运行范围限制内最小化预期总调度成本，而且不丧失鲁棒性，以获得即将到来时期的常规机组的运行基点模型，具体如下：2.1)将目标函数设置为最小化期望生产成本，通过解决允许运行范围限制问题获得的最佳允许运行范围限制为[l*，u*]，在允许运行范围限制固定为[l*，u*]的情况下，解决后续的问题以产生最优的运行基点，其在允许运行范围限制内最小化预期的总调度成本，而且不丧失鲁棒性，求解第二阶段校正调度问题的最优调度成本；2.2)为每个数据样本引入自适应变量得到确定最优运行基点的模型，即OBP模型，如下：subject to:l＝l*,u＝u*  (21)其中，w表示可再生能源发电机组的出力，p^B表示常规机组发电量的运行基点，p^C(·)表示校正控制机组发电量，表示常规机组发电成本，表示校正控制机组发电成本，表示非校正控制机组的索引集，表示运行基点优化问题的数据样本索引集，表示校正控制机组的索引集，表示常规机组i发电量的运行基点，表示校正控制机组i发电量，u、l分别表示允许运行范围限制的上限、下限，u*、l*分别表示最佳允许运行范围限制的上限、下限，表示可再生能源发电机组j的实际发电输出用可再生能源发电机组的允许运行范围限制上下限表示的凸组合系数，其取值范围为[0，1]；表示可行的校正调度输出，表示可再生能源发电机组j的实际可用出力，分别表示可再生能源发电机组的索引集、母线索引集，D_n表示母线n的负荷需求，SF_l,n、和分别表示线路l到母线n的发电转移分布因子、线路l的传输容量和传输线索引集，Δ_i分别表示常规机组i的可校正调度输出、最大输出调整，P_i^min、P_i^max分别表示发电机组i的最小出力，最大出力，表示常规发电机组的校正调度输出，表示常规机组i的可校正调度输出，表示可再生能源发电机组j的预测可用输出，k表示中的第k个样本，可再生能源机组j的第k个样本的预测误差；3)制定一种数据选择策略，让允许运行范围限制计算中使用的数据为允许运行范围限制计算中的最相关样本，具体如下：3.1)计算每个数据历史预测值与即将到来时期的预测值之间的欧几里德距离：其中，k表示中的第k个样本，表示可再生能源发电输出的预测值和预测误差的原始历史数据序列，表示可再生能源发电预测误差历史数据索引集，(W^f,e)表示即将到来时期的可再生能源发电预测值和预测误差，表示可再生能源发电机组的索引集；3.2)对序列按升序进行排序，并获得索引序列3.3)选择数据排序索引序列以形成数据样本集其中，Ns表示选定样本的数量；4)运用列‑约束生成算法求解允许运行范围模型和运行基点模型，具体如下：把允许运行范围模型和运行基点模型视为：具有风险约束的两阶段鲁棒优化问题，具有以下抽象形式：subject to:Ax≤b  (34)其中，e_i表示可再生能源发电预测误差，x表示第一阶段决策变量，如允许运行范围模型中的l，u，w，p^B和z以及运行基点模型中的w，p^B和p^C(.)；表示可再生能源发电机组的实际发电输出用可再生能源发电机组的允许运行范围限制上下限表示的凸组合系数，其取值范围为[0，1]；代表第二阶段自适应变量；c^T、A、b、B_i、C_i、D_i表示相应的系数矩阵，式(35)表示约束(7)‑(12)和(22)‑(27)，式(34)表示模型中的其它约束；在此采用列‑约束生成算法，列‑约束生成算法采用了“主问题和子问题”迭代框架，其中，主问题是原始问题约束的松弛，并且子问题确定了最违反的场景，把违反场景发送给主问题，再次解决主问题，重复该过程直到没有识别出另外的违反场景；子问题定义如下：其中，s表示松弛变量的向量，y表示第二阶段决策变量，如果Θ(x)＝0，响应于不确定性集合中随机参数的实现，始终存在可行的自适应决策，如果Θ(x)>0，那么在不确定性集合内至少有一个不可行的自适应行为；最大最小子问题通过内层线性规划问题的对偶转换和问题重构技术转化为等价的混合整数线性规划，所得到的重构模型通过现成的求解器直接求解，列‑约束生成算法解决两阶段鲁棒优化模型的过程如下：4.1)初始化：将迭代计数设置为n＝0，并将收敛容差ε设置为ε>0；4.2)解决主问题并获得最优解x*(n+1)：4.3)用给定的x＝x*求解子问题，并获得最优解和最优值Θ(x*⁽ⁿ⁺¹⁾)；4.4)检查是否收敛：如果Θ(x*(n+1))<ε，则x*(n+1)为最优解并终止，否则，转到4.5)；4.5)生成列‑约束：在主问题中包含附加决策变量y^(k+1)及约束：设置n＝n+1，并转到4.2)；通过求解允许运行范围模型和运行基点模型能够得到：下一阶段可再生能源发电机组的允许运行范围和常规机组的运行基点，在下一个阶段执行调度决策，校正控制机组根据其运行基点提供校正措施，非校正控制机组遵循其运行基点，可再生能源发电机组采取主动措施将其出力保持在允许运行范围限制内，能够实现：在可再生能源输出为一定值的情况下，使用允许运行范围限制方法，使可再生能源发电机组捕获更多的可再生能源输出，综合考虑经济性和安全性，提高电力系统消纳可再生能源的能力。