本发明涉及一种园区微网日前调度方法,属于电力系统配电网日前调度。
背景技术:
1、随着间歇性可再生能源的大规模并网,电力系统面临越来越多的功率扰动问题,传统的集中式调控资源难以维持系统安全稳定。因此,有必要引导用户侧参与到电网侧调节的工作中来,通过需求响应来共同完成维持系统安全稳定的任务。
2、园区微网是电力系统负荷侧的一种微型系统,其集成光伏、储能与负荷。通过对园区微网进行合理的协同运行优化,不仅能降低园区的用电成成本,也能够使其与电网侧协调,以协助电网侧消纳光伏电站、整县光伏等大容量新能源,以提高电力系统安全运行。
技术实现思路
1、本发明的目的在于提供一种园区微网日前调度方法,能够通过园区微网日前调度模型获取园区微网日前调度计划。
2、为达到上述目的,本发明提供如下技术方案:
3、一种园区微网日前调度方法,包括:
4、获取预构建的园区微网基础模型和象征源荷不确定性经验分布的经验场景集;
5、根据所述园区微网基础模型和象征源荷不确定性经验分布的经验场景集,构建源荷不确定性集;
6、根据所述源荷不确定性集,构建园区微网日前调度模型;
7、对所述园区微网日前调度模型进行求解,获取园区微网日前调度计划。
8、进一步的,所述园区微网基础模型由园区内微型燃气轮机、储能、需求响应负荷的运行约束条件以及园区微网日前和日内运行成本构成;
9、其中,微型燃气轮机的运行约束条件如公式(1)所示:
10、
11、公式(1)中,为微型燃气轮机出力,pg、为微型燃气轮机出力的下界限制、上界限制;
12、储能的运行约束条件如公式(2)所示:
13、
14、公式(2)中,为储能充放电状态变量,当时,储能充电,当时,储能放电,pts,in、pts,out为储能充、放电功率,为储能充、放电功率的上界限制,ct为t时刻储能的储电量,ct-1为t-1时刻储能的储电量,ηin、ηout为储能充、放电效率,δt为时间间隔,c、为储电量的下界限制、上界限制,ct为储能一个调度周期后的储电量,c0为储能调度前的初始储电量;
15、需求响应负荷的运行约束条件如公式(3)所示:
16、
17、公式(3)中,为第i个需求响应负荷的转移负荷,pidr、为第i个需求响应负荷的转移负荷的下界限制、上界限制,ti,1为第i个需求响应负荷的可转移时段,ti,2为第i个需求响应负荷的不可转移时段,didr为第i个需求响应负荷的用电需求;
18、园区微网日前运行成本包括日前购电成本,所述日前购电成本的计算公式如公式(4)所示:
19、f0=∑t ptptc (4)
20、公式(4)中,f0为日前购电成本,pt为日前交易电价,ptc为日前计划购电量;
21、园区微网日内运行成本包括日内微型燃气轮机发电成本和日内购电成本,所述园区微网日内运行成本的计算公式如公式(5)所示:
22、
23、公式(5)中,f为园区微网日内运行成本,ftg为日内微型燃气轮机发电成本,为实时购、售电价格,为购电量正、负向偏差,a、b为第一发电成本系数、第二发电成本系数。
24、进一步的,所述园区微网基础模型还包括园区微网与电网侧的功率交换,所述园区微网与电网侧的功率交换公式如公式(6)所示:
25、
26、公式(6)中,为光伏出力,为常规负荷。
27、进一步的,获取象征源荷不确定性经验分布的经验场景集包括:
28、在标准正态分布空间进行拉丁超立方采样,获取标准正态分布空间原始矩阵;
29、生成一个随机顺序矩阵,将所述标准正态分布空间原始矩阵中的元素按照所述随机顺序矩阵进行排列,获取随机采样矩阵;
30、对所述随机采样矩阵进行nataf变换,获取具有时空相关性的标准正态分布空间采样矩阵;
31、在源荷不确定性空间进行拉丁超立方采样,获取源荷不确定性原始矩阵;
32、利用所述标准正态分布空间采样矩阵的顺序矩阵,对所述源荷不确定性原始矩阵的元素进行排列,获取源荷不确定性采样矩阵;
33、利用k-means聚类,对所述源荷不确定性采样矩阵进行场景削减,获取象征源荷不确定性经验分布的经验场景集。
34、进一步的,所述源荷不确定性集的表达式如公式(7)所示:
35、
36、公式(7)中,[i]为源荷不确定性集,ptv,0为光伏出力基准值,为光伏向上、向下的波动程度,为光伏预测误差的上界限制、下界限制,γv为光伏的不确定性预算,ptl,0为负荷基准值,为负荷向上、向下的波动程度,为负荷预测误差的上界限制、下界限制,γl为负荷的不确定性预算,γ为源荷不确定性总不确定性预算。
37、进一步的,园区微网日前调度模型的表达式如公式(8)所示:
38、
39、公式(8)中,x为日前决策变量,日前决策变量包括储能充放电状态变量和日前计划购电量y为日内决策变量,日内决策变量包括微型燃气轮机出力储能充电功率pts,in、储能放电功率pts,out、t时刻储能的储电量ct、第i个需求响应负荷的转移负荷购电量正向偏差和购电量负向偏差ξ为源荷不确定性变量,源荷不确定性变量包括光伏出力和常规负荷s为源荷不确定性经验场景索引,ys为第s个源荷不确定性经验场景的日内决策变量,ξs为第s个源荷不确定性经验场景的源荷不确定性变量,ctx为日前购电成本f0的紧凑计算形式,fty为园区微网日内运行成本f的紧凑计算形式,fty包括日内微型燃气轮机发电成本和日内购电成本增量,ftys为第s个源荷不确定性经验场景的日内运行成本,ψ为经验场景集,ωs为经验场景权重,为极端场景成本阈值,f为日内成本系数列向量,g、a、b、u、v为常数矩阵,g、c、d为常数列向量。
40、进一步的,所述极端场景成本阈值的设置公式如公式(9)所示:
41、
42、公式(9)中,fworse为传统鲁棒优化得到的极端场景成本,为随机优化得到的极端场景成本,λ为均衡系数。
43、进一步的,对所述园区微网日前调度模型进行求解,获取园区微网日前调度计划包括:
44、s1:对所述园区微网日前调度模型的主问题进行求解,获取园区微网储能充放电状态和日前购电计划,并将其下发给所述园区微网日前调度模型的子问题;
45、s2:对所述园区微网日前调度模型的子问题进行求解,获取源荷不确定性极端场景,并将其上传给所述园区微网日前调度模型的主问题;
46、s3:重复s1、s2,直至所述园区微网日前调度模型达到收敛条件为止,输出园区微网储能充放电状态和日前购电计划,作为园区微网日前调度计划。
47、进一步的,所述主问题的表达式如公式(10)所示:
48、
49、公式(10)中,yr为第r个源荷不确定性极端场景下的日内决策变量,ξr为第r个源荷不确定性极端场景下的源荷不确定性变量,λv-1为上一次迭代所形成的源荷不确定性极端场景集。
50、进一步的,所述子问题的表达式如公式(11)所示:
51、
52、公式(11)中,xv为求解主问题获取的日前决策变量,γ为对应于约束gy≤g的对偶变量,π为对应于约束xv+by≤c的对偶变量,τ为对应于约束uy+vξ=d的对偶变量。
53、与现有技术相比,本发明的有益效果是:
54、本发明所提供的园区微网日前调度方法,考虑了源荷不确定性的园区微网日前调度,基于约束鲁棒优化,构建园区微网日前调度模型,该园区微网日前调度模型能够优化源荷不确定性经验分布下的园区成本期望值,并对源荷不确定性极端场景下的园区成本进行约束,利用列约束生成技术求解园区微网日前调度模型,能够获取微网日前调度最优策略。获取的微网日前调度最优策略具有较强的鲁棒性,能够应对电力市场下的实时电价波动,使得园区的运行成本能够尽可能小。同时,园区微网能够对电网侧的电价进行响应,从而对电网侧起到辅助削峰填谷的作用。