基于隐式决策法的电力跨区域配置优化方法、装置及设备

本发明属于智能新能源电网领域，特别是一种基于隐式决策法的电力跨区域配置优化方法、装置及设备。

背景技术：

1、新能源资源与电力需求的逆向分布特征，决定了考虑远距离、大容量直流通道的跨区域电力系统是满足西部、北部地区新能源消纳的主要方式。伴随着高比例新能源基地并网规模的持续增加，新能源的功率间歇性和随机性特征，给跨区域电力系统带来了系统调峰困难和通道利用效率低等问题。在此背景下，充裕的灵活调节资源成为支撑新能源通过跨区域电力系统消纳的必要条件。充分利用直流通道的灵活调整能力，配置储能、需求侧管理、灵活火电等多元灵活性资源，可为系统提供平滑新能源出力、提升输电服务灵活性、提升通道利用效率等多种支撑作用，可有效缓解高比例新能源跨省跨区消纳带来的一系列问题。

2、根据我国目前跨区域电力系统调度的组织模式，上级调度机构根据各区域的预测发电和需求，人工制定直流通道各时段输电计划，作为联络线计划下发至下级调度机构；下级调度机构以联络线计划为边际条件，优化制定本区域内自身机组计划。然而，这种分级调度的组织模式并未实现送受端系统和直流输电的协调优化，未能充分发挥跨区域系统协调优化的效益。此外，这种组织模式也未考虑新能源和负荷预测不确定性，调度计划无法确保全场景可行性，在实际运行时可能存在严重的弃风弃光问题，大大降低新能源跨区域消纳效果。因此，亟需建立一种有效、具体的跨区域电力系统优化模型，实现跨区域电力系统联合协调优化，并缓解不确定性对跨区域电力系统的影响。

3、在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。

技术实现思路

1、针对现有技术中存在的问题，本发明提出一种基于隐式决策法的电力跨区域配置优化方法、装置及设备，本发明基于各区域新能源和负荷的不确定性模型，利用隐式决策法构建关键场景集和非预期性约束，建立电力跨区域优化模型，实现跨区域电力系统的灵活性资源及新能源的优化配置，并保证解的非预期性和全场景可行性。

2、本发明的目的是通过以下技术方案予以实现，一种基于隐式决策法的电力跨区域配置优化方法包括以下步骤：

3、步骤s100，建立各区域新能源及负荷不确定性模型，其中，新能源包括光伏机组和风电机组；

4、步骤s200，基于各区域新能源及负荷不确定性模型，使用隐式决策法构建不确定性关键场景集合和非预期性约束条件，其中，所述关键场景集合包括预测场景、极端爬坡场景和顶点场景，所述非预期性约束条件包括火电非预期性约束、储能非预期性约束和直流通道非预期性约束；

5、步骤s300，根据所述不确定性关键场景集合和非预期性约束条件，建立电力跨区域优化模型，以确定对跨区域电力系统优化配置。

6、所述的方法中，所述新能源及负荷不确定性模型为：

7、

8、

9、其中，表示所有时刻的不确定性集合的笛卡尔乘积，表示在t时刻的不确定集合，t表示时间，t表示时段总数，(·)t表示向量的转置，表示时间集合，a表示区域，表示区域的集合，pta,pv、pta,w、pta,l分别表示区域a的光伏机组、风电机组和负荷在t时刻的不确定性功率，pv、w、l分别表示光伏机组、风电机组和负荷，分别表示a区域的不确定性v在t时刻的不确定性下界和上界，v表示不确定性来源的类型。

10、所述的方法中，预测场景为：

11、

12、其中，bs表示预测场景集合，表示不确定性的预测值矩阵，表示a区域的不确定性v在t时刻的预测值，na表示区域的总数，nv表示不确定性来源类别的数量；

13、极端爬坡场景为：

14、ers＝{os,es}，

15、

16、

17、其中，ers表示极端爬坡场景集合，os表示不确定性取值在奇数时段达到最大且偶数时段达到最小的场景集合，es表示不确定性取值在奇数时段达到最小且偶数时段达到最大的场景集合，表示不确定性在os场景下的数值矩阵，表示a区域的不确定性v在t时刻的os场景取值，表示不确定性在es场景下的数值矩阵，表示a区域的不确定性v在t时刻的es场景取值；

18、顶点场景为：

19、

20、

21、

22、其中，svs表示顶点场景集合，表示第n个顶点场景的数值矩阵，表示a区域的不确定性v在t时刻的svs场景取值，nsvs表示顶点场景的个数，∑(·)表示求和函数。

23、所述的方法中，火电非预期性约束为：

24、

25、

26、

27、其中，δt表示相邻两时段的时间间隔，i表示关键场景，表示关键场景集合，βa表示区域a的火电最小出力系数，ca,g表示区域a的火电装机容量，pta,g,min、pta,g,max分别表示区域a的火电出力的最小安全边界和最大安全边界，表示区域a的火电在t时刻i场景下的出力，ra,g表示区域a的火电最大爬坡速率；

28、储能非预期性约束为：

29、

30、

31、

32、其中，αa表示区域a的储能最大放电深度，ca,sto表示区域a的储能装机容量，分别表示区域a的储能电量在t时刻的最小安全边界和最大安全边界，表示区域a的储能在t时刻i场景下的电量，ηa,d、ηa,c分别表示区域a储能的最大放电速率系数和最大充电速率系数，μa,d、μa,c分别表示区域a储能的放电效率和充电效率；

33、直流通道非预期性约束为：

34、

35、其中，分别表示第k条直流通道的最小输送功率和最大输送功率，分别表示第k条直流通道输送功率的最小安全边界和最大安全边界，表示第k条直流通道在t时刻i场景下的输送功率，vk,t表示第k条直流通道输送功率在t时刻是否发生调整的0-1变量，表示第k条直流通道的最大爬坡速率。

36、所述的方法中，电力跨区域优化模型为，

37、目标函数：

38、

39、其中，ρi表示第i个关键场景的发生概率，fsto(·)、fpv(·)、fw(·)分别表示储能、光伏和风电的投资成本函数，fg表示火电运行成本函数，fls表示需求侧响应成本函数，ca,sto、ca,pv、ca,w分别表示区域a的储能、光伏和风电的装机容量，表示区域a的火电在t时刻i场景下的出力，表示区域a的可控负荷在t时刻i场景下的削减功率；

40、约束条件包括：关键场景下各区域电力供需平衡约束、关键场景下各区域火电机组运行约束、关键场景下各区域储能运行约束、关键场景下各区域需求侧响应运行约束、关键场景下直流通道运行约束及非预期性约束。

41、所述的方法中，所述电力跨区域优化模型可优化得到直流通道交易电量。

42、一种实施所述的方法的装置包括，

43、第一建模单元，其配置成建立各区域新能源及负荷不确定性模型，其中，新能源包括光伏机组和风电机组；

44、第二建模单元，其连接所述第一建模单元以基于各区域新能源及负荷不确定性模型，使用隐式决策法构建不确定性关键场景集合和非预期性约束条件，其中，所述关键场景集合包括预测场景、极端爬坡场景和顶点场景，所述非预期性约束条件包括火电非预期性约束、储能非预期性约束和直流通道非预期性约束；

45、第三建模单元，其连接所述第二建模单元以根据所述不确定性关键场景集合和非预期性约束条件，建立电力跨区域优化模型。

46、所述的装置中，所述第一建模单元、第二建模单元和第三建模单元包括中央处理器。

47、一种存储设备存储有多条指令，适于由处理器加载并执行的所述指令包括：

48、建立各区域新能源及负荷不确定性模型，其中，新能源包括光伏机组和风电机组；

49、基于各区域新能源及负荷不确定性模型，使用隐式决策法构建不确定性关键场景集合和非预期性约束条件，其中，所述关键场景集合包括预测场景、极端爬坡场景和顶点场景，所述非预期性约束条件包括火电非预期性约束、储能非预期性约束和直流通道非预期性约束；

50、根据所述不确定性关键场景集合和非预期性约束条件，建立电力跨区域优化模型，以确定对跨区域电力系统优化配置。

51、一种计算机设备，包括：

52、存储器，用于存储计算机指令；

53、处理器，用于执行计算机指令以实现所述的方法。

54、本发明利用隐式决策法构建关键场景集和非预期性约束，保证了优化结果的非预期性和全场景可行性，避免实际运行时可能存在的严重弃风弃光问题，有效缓解不确定性对跨区域电力系统的影响。可实现跨区域电力系统的灵活性资源、新能源及直流通道联合协调优化，确定对灵活性资源及新能源的优化配置，优化直流通道联络线调度计划，充分挖掘跨区域电力系统灵活性潜力，提高跨区域新能源消纳能力。可实现直流通道交易电量优化，相比于现有交易计划而言，可显著降低系统整体经济成本。该方法在跨区域电力系统优化模型中有广阔的应用前景，包括：跨区域系统新能源消纳边界优化、跨区域系统新能源不确定性消纳、跨区域系统投资规划、跨区域系统联络线交易电量优化、跨区域系统灵活性资源统筹配置运行优化。

55、上述说明仅是本发明技术方案的概述，为了能够使得本发明的技术手段更加清楚明白，达到本领域技术人员可依照说明书的内容予以实施的程度，并且为了能够让本发明的上述和其它目的、特征和优点能够更明显易懂，下面以本发明的具体实施方式进行举例说明。