市场环境下的电力系统新能源消纳成本计算方法及装置

1.本技术涉及电力系统运行技术领域，特别涉及一种市场环境下的电力系统新能源消纳成本计算方法及装置。


背景技术：

2.在碳达峰碳中和目标下，我国电力系统中风电光伏等新能源装机容量占比不断上升。新能源与传统火电机组相比，出力具有不确定性和不可控性，因此，在制定电力系统日运行方式时，新能源出力的不确定性使得电力系统必须预留更多调节能力，应对大量可能出现的新能源出力场景，导致运行方式的经济性下降。此外，新能源机组的出力的不可控性导致新能源为电力系统提供电量时，其出力曲线主要由不可控的风速、太阳辐照等外部气象条件决定，而不像传统的火电机组可以在一定范围内提供灵活可控的出力曲线。
3.新能源出力的不确定性和不可控性增加了电力系统额外的运行成本，即新能源消纳成本。新能源消纳成本计算对于电力系统低碳转型成本估计，电价政策和分摊规则的制定具有重要的意义。随着我国电力市场建设不断推进，电力系统运行方式将逐步由计划方式决定转换为由市场出清决定。因此，研究市场环境下电力系统新能源消纳成本计算具有重要的意义。
4.相关技术中，在新能源电力系统运行和消纳成本计算方面已经具有一些研究成果。在新能源电力系统运行方面，相关技术主要采取确定性优化方法或随机优化、鲁棒优化等不确定性优化方法，确定电力系统的运行方式。在电力系统新能源成本计算方面，相关技术通常采取电力系统运行模拟方法，考察电力系统中增加新能源装机后，电力系统运行成本的变化，进而测算新能源的度电成本。
5.然而，相关技术主要关注电力系统新能源装机增加后总体运行成本的变化，而非系统应对新能源出力不确定性和不可控性带来的消纳成本。因此，对于一个给定的电力系统，如何测算的新能源不确定性和不可控性引起的消纳成本，当前仍缺乏直接有效的方法，亟需解决。
6.申请内容
7.本技术提供一种市场环境下的电力系统新能源消纳成本计算方法及装置，以解决相关技术侧重于计算电力系统新能源装机增加后总体运行成本的变化，而非系统应对新能源出力不确定性和不可控性带来的消纳成本，导致电力系统难以直接量化新能源出力不确定性和不可控性引起的消纳成本的技术问题。
8.本技术第一方面实施例提供一种市场环境下的电力系统新能源消纳成本计算方法，包括以下步骤：利用预设的随机机组组合模型获取电力系统的第一全年市场出清结果和运行成本，其中，所述随机机组组合模型由新能源不确定性和出力曲线不可控性的实际场景建立；利用预设的第一确定性机组组合模型获取所述电力系统的第二全年市场出清结果和运行成本，其中，所述第一确定性机组组合模型由新能源不存在不确定性的虚拟场景建立；将所述电力系统中的新能源机组转换为目标可控机组，并利用预设的第二确定性机
组组合模型获取所述目标可控机组的第三全年市场出清结果和运行成本，其中，所述第二确定性机组组合模型由可控机组不存在不确定性的虚拟场景建立；以及将所述第一全年市场出清结果和运行成本、所述第二全年市场出清结果和运行成本和所述第三全年市场出清结果和运行成本进行对比，并基于对比结果计算所述电力系统的新能源消纳成本。
9.可选地，在本技术的一个实施例中，在利用所述预设的随机机组组合模型获取所述电力系统的第一全年市场出清结果和运行成本之前，还包括：基于可再生能源机组出力的不确定性，通过预设采样方式设置多个作为实际场景的可再生能源出力场景；估计每个可再生能源出力场景出现的概率，并基于考虑不确定性的规划问题建立考虑多场景的所述随机机组组合模型。
10.可选地，在本技术的一个实施例中，在利用所述预设的第一确定性机组组合模型获取所述电力系统的第二全年市场出清结果和运行成本之前，还包括；根据新能源出力概率分布特性，得到作为虚拟场景的新能源出力单点预测场景；基于所述新能源出力单点预测场景，由所述随机机组组合模型转换得到所述第一确定性机组组合模型。
11.可选地，在本技术的一个实施例中，所述将所述电力系统中的新能源机组转换为目标可控机组，并利用预设的第二确定性机组组合模型获取所述目标可控机组的第三全年市场出清结果和运行成本，包括：对于全年中每一天，按照预设描述规则逐一计算所述电力系统中所有可再生能源机组等效得到的常规机组参数，其中，所述常规机组参数包括最小出力/最大出力、单时段的最大上调/下调量、最小开机时间和最小停机时间。
12.可选地，在本技术的一个实施例中，所述新能源消纳成本包括由于新能源出力不确定性引起的消纳成本、由于新能源出力不可控性引起的消纳成本和/或消纳新能源的总成本。
13.本技术第二方面实施例提供一种市场环境下的电力系统新能源消纳成本计算装置，包括：第一获取模块，用于利用预设的随机机组组合模型获取电力系统的第一全年市场出清结果和运行成本，其中，所述随机机组组合模型由新能源不确定性和出力曲线不可控性的实际场景建立；第二获取模块，用于利用预设的第一确定性机组组合模型获取所述电力系统的第二全年市场出清结果和运行成本，其中，所述第一确定性机组组合模型由新能源不存在不确定性的虚拟场景建立；第三获取模块，用于将所述电力系统中的新能源机组转换为目标可控机组，并利用预设的第二确定性机组组合模型获取所述目标可控机组的第三全年市场出清结果和运行成本，其中，所述第二确定性机组组合模型由可控机组不存在不确定性的虚拟场景建立；以及计算模块，用于将所述第一全年市场出清结果和运行成本、所述第二全年市场出清结果和运行成本和所述第三全年市场出清结果和运行成本进行对比，并基于对比结果计算所述电力系统的新能源消纳成本。
14.可选地，在本技术的一个实施例中，所述装置，还包括：场景预设模块，用于基于可再生能源机组出力的不确定性，通过预设采样方式设置多个作为实际场景的可再生能源出力场景；建模模块，用于估计每个可再生能源出力场景出现的概率，并基于考虑不确定性的规划问题建立考虑多场景的所述随机机组组合模型。
15.可选地，在本技术的一个实施例中，所述装置，还包括；预测模块，用于根据新能源出力概率分布特性，得到作为虚拟场景的新能源出力单点预测场景；转换模块，用于基于所述新能源出力单点预测场景，由所述随机机组组合模型转换得到所述第一确定性机组组合
模型。
16.可选地，在本技术的一个实施例中，所述第三获取模块，进一步用于：对于全年中每一天，按照预设描述规则逐一计算所述电力系统中所有可再生能源机组等效得到的常规机组参数，其中，所述常规机组参数包括最小出力/最大出力、单时段的最大上调/下调量、最小开机时间和最小停机时间。
17.可选地，在本技术的一个实施例中，所述新能源消纳成本包括由于新能源出力不确定性引起的消纳成本、由于新能源出力不可控性引起的消纳成本和/或消纳新能源的总成本。
18.本技术第三方面实施例提供一种电子设备，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，以实现如上述实施例所述的市场环境下的电力系统新能源消纳成本计算方法。
19.本技术第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的市场环境下的电力系统新能源消纳成本计算方法。
20.本技术实施例首先将电力系统新能源消纳成本，分解为新能源不确定性和不可控性引起的电力系统额外运行成本，后采用随机规划技术模拟新能源电力系统的市场出清及运行成本的测算，对电力系统全年市场出清进行逐日模拟，并通过案例对比最终得到电力系统全年的新能源消纳成本，实现了新能源消纳成本的量化评估，且能够直观比较不确定性和不可控性引起的消纳成本，更能符合用户对电力系统新能源消纳成本计算的需求。由此，解决了相关技术侧重于计算电力系统新能源装机增加后总体运行成本的变化，而非系统应对新能源出力不确定性和不可控性带来的消纳成本，导致电力系统难以直接量化新能源出力不确定性和不可控性引起的消纳成本的技术问题。
21.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
22.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
23.图1为根据本技术实施例提供的一种市场环境下的电力系统新能源消纳成本计算方法的流程图；
24.图2为根据本技术一种具体实施例提供的市场环境下的电力系统新能源消纳成本计算方法都原理示意图；
25.图3为根据本技术实施例的市场环境下的电力系统新能源消纳成本计算装置的结构示意图；
26.图4为根据本技术实施例的电子设备的结构示意图。
具体实施方式
27.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附
图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
28.下面参考附图描述本技术实施例的市场环境下的电力系统新能源消纳成本计算方法及装置。针对上述背景技术中心提到的相关技术侧重于计算电力系统新能源装机增加后总体运行成本的变化，而非系统应对新能源出力不确定性和不可控性带来的消纳成本，导致电力系统难以直接量化新能源出力不确定性和不可控性引起的消纳成本的问题，本技术提供了一种市场环境下的电力系统新能源消纳成本计算方法，在该方法中，首先将电力系统新能源消纳成本，分解为新能源不确定性和不可控性引起的电力系统额外运行成本，后采用随机规划技术模拟新能源电力系统的市场出清及运行成本的测算，对电力系统全年市场出清进行逐日模拟，并通过案例对比最终得到电力系统全年的新能源消纳成本，实现了新能源消纳成本的量化评估，且能够直观比较不确定性和不可控性引起的消纳成本，更能符合用户对电力系统新能源消纳成本计算的需求。由此，解决了相关技术侧重于计算电力系统新能源装机增加后总体运行成本的变化，而非系统应对新能源出力不确定性和不可控性带来的消纳成本，导致电力系统难以直接量化新能源出力不确定性和不可控性引起的消纳成本等问题。
29.具体而言，图1为本技术实施例所提供的一种市场环境下的电力系统新能源消纳成本计算方法的流程示意图。
30.如图1所示，该市场环境下的电力系统新能源消纳成本计算方法包括以下步骤：
31.在步骤s101中，利用预设的随机机组组合模型获取电力系统的第一全年市场出清结果和运行成本，其中，随机机组组合模型由新能源不确定性和出力曲线不可控性的实际场景建立。
32.在实际执行过程中，本技术实施例可以在新能源不确定性和出力曲线不可控的实际场景下，建立电力系统随机机组组合模型，并逐日求解随机机组组合模型，进而获得第一全年市场出清结果和运行成本。具体地，本技术实施例建立的随机机组组合模型，可以是混合整数线性规划模型，可以采用商用求解器cplex或gurobi等求解。本技术实施例在优化模型求解完成后，可以得到全年市场出清结果，以及系统全年运行成本c1。
33.其中，预设的随机机组组合模型会在下文进行详细阐述。
34.可选地，在本技术的一个实施例中，在利用预设的随机机组组合模型获取电力系统的第一全年市场出清结果和运行成本之前，还包括：基于可再生能源机组出力的不确定性，通过预设采样方式设置多个作为实际场景的可再生能源出力场景；估计每个可再生能源出力场景出现的概率，并基于考虑不确定性的规划问题建立考虑多场景的随机机组组合模型。
35.可以理解的是，在此对上述预设的随机机组组合模型进行详细阐述。在电力市场中，机组的运行方式安排可以由机组组合模型求解得到经济性最优解。然而，由于新能源出力的不确定性，机组组合模型需要考虑可再生能源机组出力随机性。因此，本技术实施例给定可再生能源机组出力的不确定性，通过采样技术，设置若干可再生能源出力场景，并估计每个场景出现的概率，将考虑不确定性的规划问题建立为考虑多场景的随机机组组合模型。
36.具体地，随机机组组合目标函数为：
[0037][0038]
优化模型的约束包括：
[0039]
a.系统功率平衡约束：
[0040][0041][0042]
b.输电网络约束：
[0043][0044][0045][0046][0047]
c.常规机组运行约束：
[0048][0049][0050][0051][0052][0053][0054][0055]
d.可再生能源出力约束：
[0056][0057]
e.系统容量备用约束：
[0058][0059]
其中，对上标与下标，s表示第s个场景，t表示第t个时段，i表示第i号机组，n表示第n号母线节点，l表示第l条输电线路。s表示场景集合，t表示时段集合，i表示机组集合，n表示所有节点集合，ω
syn
表示常规机组集合，ω
vre
表示可再生能源机组集合，ωn为位于节点n的机组集合。
[0060]
对于优化模型中的常量，sui表示第i台机组的开机成本，πs指第s个场景出现的概率，voll指切负荷单位惩罚成本，b
l
指第l条线路电纳，f
lmax
指第l线路容量上限，p
imin
/p
imax
指第i台机组最小/最大出力，指电力系统直流潮流意义下导纳矩阵的第n行，表示s场景，t时段，第n个节点最大许可切负荷量，d
t,n
为时段t节点n的负荷，分别为机组i一个时段内的功率最大上调/下调量，t
ion
/t
ioff
为机组i最小开机/停机时间，为s场景，t时段，属于可再生能源的第i台机组最大可用出力，r
load
为负荷备用率，r
re
为可再生能源备用率，voll为单位切负荷量惩罚系数。
[0061]
对于优化模型中的变量，θ
s,t
为s场景，t时段电力系统所有节点相角组成的列向量，p
s,t,i
为s场景，t时段，第i台机组出力，为t时段，第i台机组的开机/停机动作指示变量，x
t,i
为t时段，第i台机组是否在线指示变量，表示s场景，t时段，第n个节点切负荷量，f
s,t,l
为s场景，t时段，l条线路的功率，ens
t,s
为s场景，t时段，系统总切负荷量，fi为机组i发电成本关于机组出力的函数关系式。
[0062]
在步骤s102中，利用预设的第一确定性机组组合模型获取电力系统的第二全年市场出清结果和运行成本，其中，第一确定性机组组合模型由新能源不存在不确定性的虚拟场景建立。
[0063]
作为一种可能实现的方式，本技术实施例可以建立新能源不存在不确定性的虚拟场景下的确定性机组组合模型，并在确定性机组组合模型获得新能源不存在不确定性的虚拟场景下，逐日求解第二全年时长出清结果和运行成本。举例而言，本技术实施例可以对于给定电力系统，全年365天，建立不考虑新能源处理不确定性机组组合模型，该模型可以是混合整数线性规划模型，采用商用求解器cplex或gurobi等求解。本技术实施例在优化模型求解完成后，得到全年市场出清结果，以及系统全年运行成本c2。
[0064]
可选地，在本技术的一个实施例中，在利用预设的第一确定性机组组合模型获取电力系统的第二全年市场出清结果和运行成本之前，还包括；根据新能源出力概率分布特性，得到作为虚拟场景的新能源出力单点预测场景；基于新能源出力单点预测场景，由随机机组组合模型转换得到第一确定性机组组合模型。
[0065]
在一些具体的实施例中，为了考察新能源不存在出力不确定的虚拟场景下，电力市场的出清结果以及系统全年运行成本，可以将上述步骤中建立的随即机组组合模型转换为确定性机组组合模型。本技术实施例可以通过考察新能源出力概率分布特性，得到新能源出力单点预测场景，并将其作为唯一考虑的场景，进一步地，本技术实施例将模型中的可再生能源备用率r
re
设置为0，即可将随即机组组合模型转换为确定性机组组合模型。
[0066]
在步骤s103中，将电力系统中的新能源机组转换为目标可控机组，并利用预设的第二确定性机组组合模型获取目标可控机组的第三全年市场出清结果和运行成本，其中，第二确定性机组组合模型由可控机组不存在不确定性的虚拟场景建立。
[0067]
在实际执行过程中，本技术实施例可以建立不存在不确定性的虚拟场景下的确定性机组组合模型，并在确定性机组组合模型获得新能源不存在不确定性的虚拟场景下，逐日求解第三全年市场出清结果和运行成本。其中，本技术实施例可以对于给定电力系统，全年365天，建立新能源等效为常规可控机组组合虚拟场景下的确定性机组组合模型，该模型可以是混合整数线性规划模型，采用商用求解器cplex或gurobi等求解。本技术实施例在优化模型求解完成后，得到全年市场出清结果，以及系统全年运行成本c3。
[0068]
可选地，在本技术的一个实施例中，将电力系统中的新能源机组转换为目标可控机组，并利用预设的第二确定性机组组合模型获取目标可控机组的第三全年市场出清结果和运行成本，包括：对于全年中每一天，按照预设描述规则逐一计算电力系统中所有可再生能源机组等效得到的常规机组参数，其中，常规机组参数包括最小出力/最大出力、单时段的最大上调/下调量、最小开机时间和最小停机时间。
[0069]
具体地，本技术实施例对于全年中每一天，可以按照以下描述的规则逐一计算系统中所有可再生能源机组等效得到的常规机组参数，包括：最小/最大出力、单时段的最大上调/下调量、最小开机时间和最小停机时间。对于任意指定日期，编号为i的新能源机组，其日内每个时段的最大可用出力分别为
[0070]
等效常规机组参数确定规则如下：
[0071]
a.等效最小/最大出力
[0072]
通过求解如下的非线性规划问题确定：
[0073]
目标函数为：
[0074][0075]
约束条件为：
[0076][0077][0078]
其中，sgn(
·
)表示符号函数，当自变量非负时函数值为1，否则函数值为0；ε为给定的惩罚系数，建议取值范围为0.01～0.05；η为最小等效容量和最大等效容量比例，建议取值范围为0.3～0.5；ci为新能源机组i的容量。
[0079]
b.等效单时段最大上调/下调量
[0080]
通过以下公式计算得到。
[0081][0082][0083]
其中k
up
和k
dn
分别为等效常规机组的相对上调/下调系数，建议取值范围为0.4～0.6。
[0084]
c.等效最小开机时间和最小停机时间
[0085]
将等效最小开机时间和最小停机时间，设置为所研究的电力系统的主力常规机组参数。
[0086]
将新能源机组等效为虚拟的常规可控机组后，求解以下等效后的确定性机组组合优化问题：
[0087][0088]
优化模型的约束包括：
[0089]
a.系统功率平衡约束：
[0090][0091][0092]
b.输电网络约束：
[0093][0094][0095][0096][0097]
c.常规机组运行约束：
[0098][0099][0100][0101][0102][0103][0104][0105]
d.可再生能源等效常规机组出力约束：
[0106][0107][0108][0109][0110][0111][0112]
[0113]
e.可再生能源等效常规机组可用电量约束：
[0114][0115]
f.系统容量备用约束：
[0116][0117]
其中，对上标与下标，t表示第t个时段，i表示第i号机组，n表示第n号母线节点，l表示第l条输电线路。s表示场景集合，t表示时段集合，i表示机组集合，n表示所有节点集合，ω
syn
表示常规机组集合，ω
vre
表示可再生能源机组集合，ωn为位于节点n的机组集合。
[0118]
对于优化模型中的常量，sui表示第i台机组的开机成本，voll指切负荷单位惩罚成本，b
l
指第l条线路电纳，f
lmax
指第l线路容量上限，p
imin
/p
imax
指第i台机组最小/最大出力，指电力系统直流潮流意义下导纳矩阵的第n行，表示s场景，t时段，第n个节点最大许可切负荷量，d
t,n
为时段t节点n的负荷，分别为机组i一个时段内的功率最大上调/下调量，t
ion
/t
ioff
为机组i最小开机/停机时间，为s场景，t时段，属于可再生能源的第i台机组最大可用出力，r
load
为负荷备用率，r
re
为可再生能源备用率，voll为单位切负荷量惩罚系数。为新能源机组等效的常规可控机组的最小/最大出力；为新能源机组等效的常规可控机组i一个时段内的功率最大上调/下调量；为新能源机组等效的常规可控机组i最小开机/停机时间。
[0119]
对于优化模型中的变量，θ
t
为t时段电力系统所有节点相角组成的列向量，p
t,i
为t时段，第i台机组出力，为t时段，第i台机组的开机/停机动作指示变量，x
t,i
为t时段，第i台机组是否在线指示变量，表示t时段，第n个节点切负荷量，f
t,l
为t时段，l条线路的功率，enss为t时段，系统总切负荷量，fi为机组i发电成本关于机组出力的函数关系式。
[0120]
在步骤s104中，将第一全年市场出清结果和运行成本、第二全年市场出清结果和运行成本和第三全年市场出清结果和运行成本进行对比，并基于对比结果计算电力系统的新能源消纳成本。
[0121]
本技术实施例可以将通过上述步骤获取的：第一全年市场出清结果和运行成本、第二全年市场出清结果和运行成本和第三全年市场出清结果和运行成本进行对比，并基于对比结果计算得出新能源出力不确定性和不可控性引起的消纳成本。可以理解的是，本技术实施例首先将电力系统新能源消纳成本，分解为新能源不确定性和不可控性引起的电力系统额外运行成本，后采用随机规划技术模拟新能源电力系统的市场出清及运行成本的测算，对电力系统全年市场出清进行逐日模拟，并通过案例对比最终得到电力系统全年的新能源消纳成本，实现了新能源消纳成本的量化评估，且能够直观比较不确定性和不可控性引起的消纳成本，更能符合用户对电力系统新能源消纳成本计算的需求
[0122]
可选地，在本技术的一个实施例中，新能源消纳成本包括由于新能源出力不确定性引起的消纳成本、由于新能源出力不可控性引起的消纳成本和/或消纳新能源的总成本。
[0123]
在一些具体的实施例中，可以将市场环境下电力系统新能源消纳成本分解为由于
新能源不确定性和不可控性引起的消纳成本。
[0124]
其中，电力系统全年由于新能源出力不确定性引起的消纳成本s1为：
[0125]
s1＝c
1-c2。
[0126]
电力系统全年由于新能源出力不可控性引起的消纳成本s2为：
[0127]
s1＝c
3-c2。
[0128]
电力系统全年消纳新能源的总成本s为：
[0129]
s＝c
3-c1。
[0130]
下面结合图2，对本技术的一个具体实施例进行详细阐述。
[0131]
如图2所示，本技术的一个具体实施例包括以下步骤：
[0132]
步骤s201：建立考虑新能源不确定性和出力曲线不可控性的实际场景下，电力系统随机机组组合模型。
[0133]
在电力市场中，机组的运行方式安排可以由机组组合模型求解得到经济性最优解。由于新能源出力的不确定性，机组组合模型需要考虑可再生能源机组出力随机性。本技术实施例给定可再生能源机组出力的不确定性，通过采样技术，设置若干可再生能源出力场景，并估计每个场景出现的概率，将考虑不确定性的规划问题建立为考虑多场景的随机机组组合模型。
[0134]
具体地，随机机组组合目标函数为：
[0135][0136]
优化模型的约束包括：
[0137]
a.系统功率平衡约束：
[0138][0139][0140]
b.输电网络约束：
[0141][0142][0143][0144][0145]
c.常规机组运行约束：
[0146][0147][0148][0149][0150]
[0151][0152][0153]
d.可再生能源出力约束：
[0154][0155]
e.系统容量备用约束：
[0156][0157]
其中，对上标与下标，s表示第s个场景，t表示第t个时段，i表示第i号机组，n表示第n号母线节点，l表示第l条输电线路。s表示场景集合，t表示时段集合，i表示机组集合，n表示所有节点集合，ω
syn
表示常规机组集合，ω
vre
表示可再生能源机组集合，ωn为位于节点n的机组集合。
[0158]
对于优化模型中的常量，sui表示第i台机组的开机成本，πs指第s个场景出现的概率，voll指切负荷单位惩罚成本，b
l
指第l条线路电纳，f
lmax
指第l线路容量上限，p
imin
/p
imax
指第i台机组最小/最大出力，指电力系统直流潮流意义下导纳矩阵的第n行，表示s场景，t时段，第n个节点最大许可切负荷量，d
t,n
为时段t节点n的负荷，分别为机组i一个时段内的功率最大上调/下调量，t
ion
/t
ioff
为机组i最小开机/停机时间，为s场景，t时段，属于可再生能源的第i台机组最大可用出力，r
load
为负荷备用率，r
re
为可再生能源备用率，voll为单位切负荷量惩罚系数。
[0159]
对于优化模型中的变量，θ
s,t
为s场景，t时段电力系统所有节点相角组成的列向量，p
s,t,i
为s场景，t时段，第i台机组出力，为t时段，第i台机组的开机/停机动作指示变量，x
t,i
为t时段，第i台机组是否在线指示变量，表示s场景，t时段，第n个节点切负荷量，f
s,t,l
为s场景，t时段，l条线路的功率，ens
t,s
为s场景，t时段，系统总切负荷量，fi为机组i发电成本关于机组出力的函数关系式。
[0160]
步骤s202：逐日求解随机机组组合模型，获得全年市场出清结果和运行成本。
[0161]
本技术实施例对于给定电力系统，全年365天，建立了随机机组组合模型，该模型可以是混合整数线性规划模型，采用商用求解器cplex或gurobi等求解。本技术实施例在优化模型求解完成后，得到全年市场出清结果，以及系统全年运行成本c1。
[0162]
s203：建立新能源不存在不确定性的虚拟场景下的确定性机组组合模型。
[0163]
为了考察新能源不存在出力不确定的虚拟场景下，电力市场的出清结果以及系统全年运行成本，需要将步骤s201中建立的随即机组组合模型转换为确定性机组组合模型。本技术实施例通过考察新能源出力概率分布特性，得到新能源出力单点预测场景，作为唯一考虑的场景。进一步地，本技术实施例将模型中的可再生能源备用率r
re
设置为0，即可将随即机组组合模型转换为确定性机组组合模型。
[0164]
s204：逐日求解确定性机组组合模型，获得新能源不存在不确定性的虚拟场景下，
全年市场出清结果和运行成本。
[0165]
本技术实施例对于给定电力系统，全年365天，建立了不考虑新能源出力不确定性的确定性机组组合模型，该模型可以是混合整数线性规划模型，采用商用求解器cplex或gurobi等求解。本技术实施例在优化模型求解完成后，得到全年市场出清结果，以及系统全年运行成本c2。
[0166]
s205：将新能源机组按照等效规则转换为常规机组，建立新能源具有类似常规机组可控性的虚拟场景下，确定性机组组合模型。
[0167]
当新能源和常规可控机组发出一定电量时，常规可控机组的出力曲线具有可控性，而新能源机组的出力曲线主要由气象条件决定，具有较低的可控性。为了量化新能源不可控性带来的额外消纳成本，本技术实施例需要设置将新能源合理等效为常规可控机组的虚拟场景。
[0168]
具体地，本技术实施例对于全年中每一天，可以按照以下描述的规则逐一计算系统中所有可再生能源机组等效得到的常规机组参数，包括：最小/最大出力、单时段的最大上调/下调量、最小开机时间和最小停机时间。对于任意指定日期，编号为i的新能源机组，其日内每个时段的最大可用出力分别为
[0169]
等效常规机组参数确定规则如下：
[0170]
a.等效最小/最大出力
[0171]
通过求解如下的非线性规划问题确定：
[0172]
目标函数为：
[0173][0174]
约束条件为：
[0175][0176][0177]
其中，sgn(
·
)表示符号函数，当自变量非负时函数值为1，否则函数值为0；ε为给定的惩罚系数，建议取值范围为0.01～0.05；η为最小等效容量和最大等效容量比例，建议取值范围为0.3～0.5；ci为新能源机组i的容量。
[0178]
b.等效单时段最大上调/下调量
[0179]
通过以下公式计算得到。
[0180][0181]
[0182]
其中k
up
和k
dn
分别为等效常规机组的相对上调/下调系数，建议取值范围为0.4～0.6。
[0183]
c.等效最小开机时间和最小停机时间
[0184]
将等效最小开机时间和最小停机时间，设置为所研究的电力系统的主力常规机组参数。
[0185]
将新能源机组等效为虚拟的常规可控机组后，求解以下等效后的确定性机组组合优化问题：
[0186][0187]
优化模型的约束包括：
[0188]
a.系统功率平衡约束：
[0189][0190][0191]
b.输电网络约束：
[0192][0193][0194][0195][0196]
c.常规机组运行约束：
[0197][0198][0199][0200][0201][0202][0203][0204]
d.可再生能源等效常规机组出力约束：
[0205]
[0206][0207][0208][0209][0210][0211][0212]
e.可再生能源等效常规机组可用电量约束：
[0213][0214]
f.系统容量备用约束：
[0215][0216]
其中，对上标与下标，t表示第t个时段，i表示第i号机组，n表示第n号母线节点，l表示第l条输电线路。s表示场景集合，t表示时段集合，i表示机组集合，n表示所有节点集合，ω
syn
表示常规机组集合，ω
vre
表示可再生能源机组集合，ωn为位于节点n的机组集合。
[0217]
对于优化模型中的常量，sui表示第i台机组的开机成本，voll指切负荷单位惩罚成本，b
l
指第l条线路电纳，f
lmax
指第l线路容量上限，p
imin
/p
imax
指第i台机组最小/最大出力，指电力系统直流潮流意义下导纳矩阵的第n行，表示s场景，t时段，第n个节点最大许可切负荷量，d
t,n
为时段t节点n的负荷，分别为机组i一个时段内的功率最大上调/下调量，t
ion
/t
ioff
为机组i最小开机/停机时间，为s场景，t时段，属于可再生能源的第i台机组最大可用出力，r
load
为负荷备用率，r
re
为可再生能源备用率，voll为单位切负荷量惩罚系数。为新能源机组等效的常规可控机组的最小/最大出力；为新能源机组等效的常规可控机组i一个时段内的功率最大上调/下调量；
[0218]
为新能源机组等效的常规可控机组i最小开机/停机时间。
[0219]
对于优化模型中的变量，θ
t
为t时段电力系统所有节点相角组成的列向量，p
t,i
为t时段，第i台机组出力，为t时段，第i台机组的开机/停机动作指示变量，x
t,i
为t时段，第i台机组是否在线指示变量，表示t时段，第n个节点切负荷量，f
t,l
为t时段，l条线路的功率，enss为t时段，系统总切负荷量，fi为机组i发电成本关于机组出力的函数关系式。
[0220]
s206：逐日求解确定性机组组合模型，获得新能源存在可控性的虚拟场景下，全年市场出清结果和运行成本。
[0221]
本技术实施例对于给定电力系统，全年365天，建立了新能源等效为常规可控机组组合虚拟场景下的确定性机组组合模型，该模型可以是混合整数线性规划模型，采用商用求解器cplex或gurobi等求解。本技术实施例在优化模型求解完成后，得到全年市场出清结果，以及系统全年运行成本c3。
[0222]
s207：对比实际场景和两个虚拟场景的系统运行成本，计算得出新能源不确定性和不可控性导致的消纳成本。
[0223]
其中，电力系统全年由于新能源出力不确定性引起的消纳成本s1为：
[0224]
s1＝c
1-c2。
[0225]
电力系统全年由于新能源出力不可控性引起的消纳成本s2为：
[0226]
s1＝c
3-c2。
[0227]
电力系统全年消纳新能源的总成本s为：
[0228]
s＝c
3-c1。
[0229]
根据本技术实施例提出的市场环境下的电力系统新能源消纳成本计算方法，首先将电力系统新能源消纳成本，分解为新能源不确定性和不可控性引起的电力系统额外运行成本，后采用随机规划技术模拟新能源电力系统的市场出清及运行成本的测算，对电力系统全年市场出清进行逐日模拟，并通过案例对比最终得到电力系统全年的新能源消纳成本，实现了新能源消纳成本的量化评估，且能够直观比较不确定性和不可控性引起的消纳成本，更能符合用户对电力系统新能源消纳成本计算的需求。由此，解决了相关技术侧重于计算电力系统新能源装机增加后总体运行成本的变化，而非系统应对新能源出力不确定性和不可控性带来的消纳成本，导致电力系统难以直接量化新能源出力不确定性和不可控性引起的消纳成本等问题。
[0230]
其次参照附图描述根据本技术实施例提出的市场环境下的电力系统新能源消纳成本计算装置。
[0231]
图3是本技术实施例的市场环境下的电力系统新能源消纳成本计算装置的方框示意图。
[0232]
如图3所示，该市场环境下的电力系统新能源消纳成本计算装置10包括：第一获取模块100、第二获取模块200、第三获取模块300和计算模块400。
[0233]
具体地，第一获取模块100，用于利用预设的随机机组组合模型获取电力系统的第一全年市场出清结果和运行成本，其中，随机机组组合模型由新能源不确定性和出力曲线不可控性的实际场景建立。
[0234]
第二获取模块200，用于利用预设的第一确定性机组组合模型获取电力系统的第二全年市场出清结果和运行成本，其中，第一确定性机组组合模型由新能源不存在不确定性的虚拟场景建立。
[0235]
第三获取模块300，用于将电力系统中的新能源机组转换为目标可控机组，并利用预设的第二确定性机组组合模型获取目标可控机组的第三全年市场出清结果和运行成本，其中，第二确定性机组组合模型由可控机组不存在不确定性的虚拟场景建立。
[0236]
计算模块400，用于将第一全年市场出清结果和运行成本、第二全年市场出清结果
和运行成本和第三全年市场出清结果和运行成本进行对比，并基于对比结果计算电力系统的新能源消纳成本。
[0237]
可选地，在本技术的一个实施例中，市场环境下的电力系统新能源消纳成本计算装置10，还包括：场景预设模块和建模模块。
[0238]
其中，场景预设模块，用于基于可再生能源机组出力的不确定性，通过预设采样方式设置多个作为实际场景的可再生能源出力场景。
[0239]
建模模块，用于估计每个可再生能源出力场景出现的概率，并基于考虑不确定性的规划问题建立考虑多场景的随机机组组合模型。
[0240]
可选地，在本技术的一个实施例中，市场环境下的电力系统新能源消纳成本计算装置10，还包括；预测模块和转换模块。
[0241]
其中，预测模块，用于根据新能源出力概率分布特性，得到作为虚拟场景的新能源出力单点预测场景。
[0242]
转换模块，用于基于新能源出力单点预测场景，由随机机组组合模型转换得到第一确定性机组组合模型。
[0243]
可选地，在本技术的一个实施例中，第三获取模块300，进一步用于：对于全年中每一天，按照预设描述规则逐一计算电力系统中所有可再生能源机组等效得到的常规机组参数，其中，常规机组参数包括最小出力/最大出力、单时段的最大上调/下调量、最小开机时间和最小停机时间。
[0244]
可选地，在本技术的一个实施例中，新能源消纳成本包括由于新能源出力不确定性引起的消纳成本、由于新能源出力不可控性引起的消纳成本和/或消纳新能源的总成本。
[0245]
需要说明的是，前述对市场环境下的电力系统新能源消纳成本计算方法实施例的解释说明也适用于该实施例的市场环境下的电力系统新能源消纳成本计算装置，此处不再赘述。
[0246]
根据本技术实施例提出的市场环境下的电力系统新能源消纳成本计算装置，首先将电力系统新能源消纳成本，分解为新能源不确定性和不可控性引起的电力系统额外运行成本，后采用随机规划技术模拟新能源电力系统的市场出清及运行成本的测算，对电力系统全年市场出清进行逐日模拟，并通过案例对比最终得到电力系统全年的新能源消纳成本，实现了新能源消纳成本的量化评估，且能够直观比较不确定性和不可控性引起的消纳成本，更能符合用户对电力系统新能源消纳成本计算的需求。由此，解决了相关技术侧重于计算电力系统新能源装机增加后总体运行成本的变化，而非系统应对新能源出力不确定性和不可控性带来的消纳成本，导致电力系统难以直接量化新能源出力不确定性和不可控性引起的消纳成本等问题。
[0247]
图4为本技术实施例提供的电子设备的结构示意图。该电子设备可以包括：
[0248]
存储器401、处理器402及存储在存储器401上并可在处理器402上运行的计算机程序。
[0249]
处理器402执行程序时实现上述实施例中提供的市场环境下的电力系统新能源消纳成本计算方法。
[0250]
进一步地，电子设备还包括：
[0251]
通信接口403，用于存储器401和处理器402之间的通信。
[0252]
存储器401，用于存放可在处理器402上运行的计算机程序。
[0253]
存储器401可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0254]
如果存储器401、处理器402和通信接口403独立实现，则通信接口403、存储器401和处理器402可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，简称为pci)总线或扩展工业标准体系结构(extended industry standard architecture，简称为eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0255]
可选的，在具体实现上，如果存储器401、处理器402及通信接口403，集成在一块芯片上实现，则存储器401、处理器402及通信接口403可以通过内部接口完成相互间的通信。
[0256]
处理器402可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
[0257]
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的市场环境下的电力系统新能源消纳成本计算方法。
[0258]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0259]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“n个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0260]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0261]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或n个布线的电连
接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0262]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，n个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0263]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0264]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0265]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。