本发明涉及电力市场分析领域，特别是涉及一种区域电力市场下含风电的电网月度购电方案优化方法。
背景技术：
风电作为可再生能源的重要组成部分，装机容量正迅速增大，风电接纳问题凸显，其出力的随机性为电网带来调峰难题，更增大了购电风险。月度购电计划占到了交易总量的80％以上，可以在更长的时间跨度内统筹考虑电网运行效益。将风电纳入月度电量平衡有助于促进风电接纳。另一方面，省间的差异性使得省级电网可以协调省内及省际电力市场，实现经济和环境效益的最优。但可能加重参与月度跨省购电电网系统的调峰和网络安全问题。因此，在购电优化中不仅应该考虑市场价格、风电量不确定性带来的风险，还应考虑风电接纳为系统安全稳定运行带来的风险。在考虑风险因素的基础上，研究考虑风电接纳及省际购电的月度购电优化能为电网公司购电提供参考。
技术实现要素：
本发明的目的是提出一种区域电力市场下含风电的电网月度购电方案优化方法，同时考虑风电消纳及省际购电，在月度购电计划的制定过程中统筹日前购电效益，更全面地考虑省级电网在购电中遇到的问题，增大购电整体效益。
为实现上述目的，本发明采用的技术方案是：一种区域电力市场下含风电的电网月度购电方案优化方法，包括以下步骤：
步骤s1：提取月度负荷、风电月度预测电量、日前市场预测电价、外购电价、省内发电机组报价数据；
步骤s2：建立综合日前及月度购电效益和风险的购电优化模型：考虑日前市场电价波动及风电功率预测误差对购电造成的风险，以总购电费用与购电损失的加权值最小为目标，用数学函数表述如下：
f＝min(fout+fin+λfβ)
其中，f为月度总购电费用，fout为月度外购电费用，fin为月度内购电费用，由省内月度购电费用和日前期望购电费用组成；fβ为置信水平β下的购电损失风险；λ为风险权重系数；
步骤s3：求解省级电网月度火电、风电、外购电量及相应电量分解。
进一步地，所述步骤s2具体包括以下步骤：
步骤s21：月度外购电费用，考虑区域电力市场环境下的购电优化，月度外购电费用fout为：
其中，d为购电方案实施月天数，pout.i为从第i个省的外购电价格，n为外购电省数量；wout.t为月度外购电量在第t天的分解电量；
步骤s22：月度内购电费用，目标函数中不考虑省内风电购电费用，月度内购电费用为火电月度购电费用及日前期望购电费用之和，月度内购电费用fin为：
fin＝fmonth+fday
其中，fmonth、fday分别为省内月度购电费用和日前期望购电费用；
fmonth为合约电量及合约价格的乘积，由于考虑了日前市场的影响，总合约电量为每日峰、平、谷时段合约电量的累加：
其中，d为购电方案实施月天数，pc为省内火电月度购电价格；k为负荷状态序号，当k取1,2,3时分别对应峰、平、谷3种负荷状态；whc.t.k为省内火电月购电量在第t天k时段的分解电量；
fday为日前期望购电费用，由每日峰、平、谷三个时段购电费用累加得到：
其中，pr.t.k.m为第t天k时段的日前市场电价期望值；wr.t.k.m为省内火电第t天k时段在日前市场的购电量期望值；
步骤s23：将日前市场电价描述成以期望电价为均值的正态分布，认为日前风电功率预测是准确的，月度与日前风电功率预测偏差服从正态分布；因此，日前市场实际购电量与风电预测偏差有关，是满足正态分布的随机变量，则日前市场各时段购电量描述为：
其中，
步骤s24：采用拉丁超立方模拟实际风电功率和日前市场电价，通过拉丁超立方模拟出的数据，计算风电及价格不确定因素为购电带来的风险，计算公式如下：
其中，
zk.t.n＝[f(x,yk.t.n)-αt.k]+
其中，fβ(x,α)为置信水平β下的购电损失风险，αt.k为在第t天k时段的var值(风险价值)，为在设定置信水平下可能发生的最大损失值；β为置信水平；m为用于计算cvar(条件风险价值)的历史数据个数，即通过拉丁超立方抽样得到的风电功率及日前电价样本个数；n为样本数据的序号；f(x,yk.t.n)为购电损失，即实际购电费用与期望购电费用的差值；[f(x,yk.t.n)-αt.k]+表示max{0,f(x,yk.t.n)-αt.k}。
进一步地，所述步骤s3求解时包括的约束条件有：电量平衡约束、各外购电电力电量耦合约束、峰荷与谷荷状态下的调峰机会约束、火电发电能力约束、风电功率约束、外购电省功率约束及省际联络线输送容量约束。
进一步地，所述电量平衡约束为：月度购电计划考虑省内火电、风电和外购电计划购电量与负荷电量的平衡，用数学函数表述如下：
wload.t.k＝whc.t.k+wout.t.k+wfc.t.k
其中，wload.t.k为第t天k时段负荷电量；wout.t.k为月度外购电量在第t天k时段的分解电量；whc.t.k为省内火电月购电量在第t天k时段的分解电量；wfc.t.k为省内风电月度购电量在第t天k时段的分解电量；当k取1,2,3时分别对应峰、平、谷3种负荷状态；t∈d，d为购电方案实施月天数；
所述各外购电电力电量耦合约束为：省际购电受到上级单位对于省际联络线安全的约束，不同时段输送功率满足固定关系即电力与电量存在强耦合关系，用数学函数表述如下：
其中，wout为月度外购电量，d为购电方案实施月天数，pout.i(t,k)为第i个省在第t天k时段下的输送功率；n为外购电省数量，tk为k时段持续小时数；
所述峰荷与谷荷状态下的调峰机会约束用数学函数表述如下：
其中，pr{}为概率算子；n1、n2分别为省内火电及风电发电单位数量；pd.t.max、pd.t.min分别为第t天最大、最小负荷；ph.j、pf.s分别为第j个火力发电单位、第s个风力发电单位功率随机值；pout.i为从第i个省外购电的功率，n为外购电省数量；α1、α2分别为峰荷和谷荷状态下调峰风险水平极限值；
所述火电发电能力约束用数学函数表述如下：
wh.min≤wh≤wh.max
ph.min≤ph≤ph.max
其中，wh为省内火电总发电量；wh.max、wh.min分别为省内火电最大、最小发电量；ph为省内火电总发电功率；ph.max、ph.min分别为省内火电最大、最小发电功率；
所述风电功率约束用数学函数表述如下：
0≤pf≤pf.max
其中，pf为省内风电总功率，pf.max为省内风电最大功率；
所述外购电省功率约束用数学函数表述如下：
0≤pout.i.k≤pout.i.k.max
其中，pout.i.k为从第i个省外购电第k时段功率；pout.i.k.max为从第i个省外购电第k时段最大功率；
所述省际联络线输送容量约束约束用数学函数表述如下：
pl.min≤pl≤pl.max
其中，pl为省际联络线l的输电功率；pl.max、pl.min分别为省际联络线l输电功率的最大、最小值。
与现有技术相比，本发明具有以下有益效果：
(1)以区域电力市场为背景，建立考虑风电消纳和省际购电的月度购电效益-风险管理模型；模型中考虑月度市场与日前市场的相互影响，计及风电出力不确定性及日前电价波动，依据风电出力特点优化月度购电总量及相应的电量优化分解方案。
(2)采用条件风险价值量化风电预测及日前市场电价不确定性造成的风险；借助调峰机会约束将系统调峰越限风险控制在可接受的范围内，实现电网调峰越限与购电损失双重风险的管理。
(3)实现省内常规电源与风电、省际购电与省内购电的相互协调，使用基于拉丁超立方模拟技术的量子粒子群优化算法求解模型。
附图说明
图1为本发明的原理流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如图1所示，一种区域电力市场下含风电的电网月度购电方案优化方法，包括以下步骤：
步骤s1：提取月度负荷、风电月度预测电量、日前市场预测电价、外购电价、省内发电机组报价等数据；
步骤s2：建立综合日前及月度购电效益和风险的购电优化模型；定义该模型：在月度购电优化时统筹日前购电情况，将月度购电计划细化至每日的峰、平、谷时段，同时考虑风电消纳及省际购电。以省内月度购电费用、日前购电费用与外购电费用之和作为评估购电经济性的指标。计及日前市场电价波动及风电功率预测误差对购电造成的风险，以总购电费用与购电损失的加权值最小为目标，用数学函数表述如下：
f＝min(fout+fin+λfβ)
其中，f为月度总购电费用，fout为月度外购电费用，fin为月度内购电费用，由省内月度购电费用和日前期望购电费用组成；fβ为置信水平β下的购电损失风险；λ为风险权重系数；
在本实施例中，步骤s2具体包括以下步骤：
步骤s21：月度外购电费用:在区域电力市场中，不同省份之间的经济差异使省级电网可以通过省级电力交易，获取经济和节能减排效益的最优。考虑区域电力市场环境下的购电优化，则月度购电费用fout为：
其中，d为购电方案实施月天数，pout.i为从第i个省的外购电价格，n为外购电省数量；wout.t为月度外购电量在第t天的分解电量；
步骤s22：月度内购电费用：在月度购电优化时，考虑日前市场电价对月度合约购电的影响，通过制定精细化至每日各时段的月度购电方案，能够发挥月度及日前市场的优势，统筹购电整体效益。由于考虑以固定电价全额购买风电，风电月度购电费用及日前购电费用之和与实际风电量成正比，不在优化范围内。因此，目标函数中不考虑省内风电购电费用，省内购电费用为火电月度购电费用及日前购电费用之和，月度内购电费用fin为：
fin＝fmonth+fday
其中，fmonth、fday分别为省内月度购电费用和日前期望购电费用；
fmonth为合约电量及合约价格的乘积，由于考虑了日前市场的影响，总合约电量为每日峰、平、谷时段合约电量的累加：
其中，d为购电方案实施月天数，pc为省内火电月度购电价格；k为负荷状态序号，当k取1,2,3时分别对应峰、平、谷3种负荷状态；whc.t.k为省内火电月购电量在第t天k时段的分解电量；
fday为日前期望购电费用，由每日峰、平、谷三个时段购电费用累加得到：
其中，pr.t.k.m为第t天k时段的日前市场电价期望值；wr.t.k.m为省内火电第t天k时段在日前市场的购电量期望值；
步骤s23：将日前市场电价描述成以期望电价为均值的正态分布，认为日前风电功率预测是准确的，月度与日前风电出力预测偏差服从正态分布；风电以及其它常规电源的月度及日前市场总购电量需要与负荷需求相等，在“以风定电”的环境下，风电出力波动性不可忽视，风电月度购电量(即预留电量)将影响日前市场购电量。因此，日前市场实际购电量与风电预测偏差有关，是满足正态分布的随机变量，则日前市场各时段购电量描述为：
其中，
步骤s24：采用拉丁超立方模拟实际风电功率和日前市场电价，通过拉丁超立方模拟出的数据，计算风电及价格不确定因素为购电带来的风险。采用条件风险价值度量购电经济风险，由于本发明所提模型中影响购电风险的随机因素有两个，且其乘积的综合分布表达式难以获得，故采用随机抽样的形式模拟电价及风电历史数据，以数值积分的方式近似计算购电损失风险，计算公式如下：
其中，
zk.t.n＝[f(x,yk.t.n)-αt.k]+
其中，fβ(x,α)为置信水平β下的购电损失风险，αt.k为在第t天k时段的var值，为在设定置信水平下可能发生的最大损失值；β为置信水平；m为用于计算cvar的历史数据个数，即通过拉丁超立方抽样得到的风电功率及日前电价样本个数；n为样本数据的序号；f(x,yk.t.n)为购电损失，即实际购电费用与期望购电费用的差值；[f(x,yk.t.n)-αt.k]+表示max{0,f(x,yk.t.n)-αt.k}。
步骤s3：求解省级电网月度火电、风电、外购电量及相应电量分解。
在本实施例中，步骤s3求解时包括的约束条件有：电量平衡约束、各外购电电力电量耦合约束、峰荷与谷荷状态下的调峰机会约束、火电发电能力约束、风电功率约束、外购电省功率约束及省际联络线输送容量约束。
电量平衡约束为：月度购电计划考虑省内火电、风电和外购电计划购电量与负荷电量的平衡，用数学函数表述如下：
wload.t.k＝whc.t.k+wout.t.k+wfc.t.k
其中，wload.t.k为第t天k时段负荷电量；wout.t.k为月度外购电量在第t天k时段的分解电量；whc.t.k为省内火电月购电量在第t天k时段的分解电量；wfc.t.k为省内风电月度购电量在第t天k时段的分解电量；当k取1,2,3时分别对应峰、平、谷3种负荷状态；t∈d，d为购电方案实施月天数；
各外购电电力电量耦合约束为：省际购电受到上级单位对于省际联络线安全的约束，不同时段输送功率一般满足固定关系即电力与电量存在较强的耦合关系，用数学函数表述如下：
其中，wout.i为月度外购电量，d为购电方案实施月天数，pout.i(t,k)为第i个省在第t天k时段下的输送功率；n为外购电省数量，tk为k时段持续小时数；
峰荷与谷荷状态下的调峰机会约束为：外购电的电力电量强耦合关系、风电出力的不确定性都可能引发系统峰荷和谷荷时调峰问题。由于月度购电计划以满足电量平衡为主，未涉及具体的发电计划，且风电出力随机性较强，难以在月度购电计划中满足严格的调峰等式约束。因此，采用机会约束的方法，在月度购电方案制定时预先考虑各类电源的调峰特性，将调峰越限发生的概率限制在可接受的范围内，既满足系统安全运行要求又保证了月度购电方案制定的可行性，用数学函数表述如下：
其中，pr{}为概率算子；n1、n2分别为省内火电及风电发电单位数量；pd.t.max、pd.t.min分别为第t天最大、最小负荷；ph.j、pf.s分别为第j个火力发电单位、第s个风力发电单位功率随机值；pout.i为从第i个省外购电的功率，n为外购电省数量；α1、α2分别为峰荷和谷荷状态下调峰风险水平极限值；
火电发电能力约束用数学函数表述如下：
wh.min≤wh≤wh.max
ph.min≤ph≤ph.max
其中，wh为省内火电总发电量；wh.max、wh.min分别为省内火电最大、最小发电量；ph为省内火电总发电功率；ph.max、ph.min分别为省内火电最大、最小发电功率；
风电功率约束用数学函数表述如下：
0≤pf≤pf.max
其中，pf为省内风电总功率，pf.max为省内风电最大功率；
所述外购电省功率约束用数学函数表述如下：
0≤pout.i.k≤pout.i.k.max
其中，pout.i.k为从第i个省外购电第k时段功率；pout.i.k.max为从第i个省外购电第k时段最大功率；
省际联络线输送容量约束约束用数学函数表述如下：
pl.min≤pl≤pl.max
其中，pl为省际联络线l的输电功率；pl.max、pl.min分别为省际联络线l输电功率的最大、最小值。
在本实施例中，以省内月度及日前市场、省际购电期望购电费用及对应风险的加权值最小为目标函数，模型重点考虑省际购电的电力电量耦合约束、调峰越限机会约束，并采用基于拉丁超立方模拟技术的量子粒子群算法求解，得到跨省月度购电方案、省内火电、风电月度购电量及相应电量分解方案。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。