交直流外送的梯级水光互补系统的光伏容量优化配置方法与流程

本发明属于多能互补发电系统规划运行，具体涉及交直流外送的梯级水光互补系统的光伏容量优化配置方法。

背景技术：

1、我国水、光电资源丰富，通过建立以水能调蓄为调度机制的多能互补系统，促进清洁能源并网消纳，是推动能源发展和电力系统转型的重要举措。与此同时，区域性清洁能源的高效利用，对清洁能源基地运行管理影响重大。

2、所谓“水光互补”，就是把光伏发电站和水电站组合成一个电源。光伏发电是最具发展前景的发电技术，也是太阳能利用的重要形式。光伏电站的发电出力受温度、昼夜、天气、季节等的变化，具有一定的波动性、随机性、间隙性，发电稳定性较差。将光伏电站与水电站汇集入同一升压站，利用水电站调节能力强、运行灵活、启动迅速、能够快速适应光伏发电出力变动的特点补偿光伏电站的不稳定出力波动，构成水光互补系统。

3、因此，现阶段需设计交直流外送的梯级水光互补系统的光伏容量优化配置方法，来解决以上问题。

技术实现思路

1、本发明目的在于提供交直流外送的梯级水光互补系统的光伏容量优化配置方法，用于解决上述现有技术中存在的技术问题，可实现梯级水电能源基地光伏容量的配置，通过光伏装机容量的最优配置实现水光互补能源发电系统的最优运行。

2、为实现上述目的，本发明的技术方案是：

3、交直流外送的梯级水光互补系统的光伏容量优化配置方法，包括以下步骤：

4、s1：根据历史数据，采用拉丁超立方法进行光伏出力场景的生成与削减；

5、s2：根据历史数据生成考虑不确定性的水电站入库径流场景；

6、s3：组合考虑不确定性的光伏出力场景与水电站入库径流场景进行新场景的生成；

7、s4：构建考虑交直流外送的梯级水光互补系统的光伏容量优化配置模型；

8、s5：使用遗传算法对光伏容量配置模型进行求解，获取梯级水光互补系统中光伏的最优容量配置。

9、进一步的，步骤s1具体包括：

10、s101：将光伏的不确定性转换为光伏预测误差的不确定性，假定光伏出力服从正态分布n(μ,δ2)，预测光伏出力期望值为μ，其波动的百分比为δ；

11、s102：采用拉丁超立方抽样方法，生成大量服从概率分布约束的风电出力场景；

12、s103：采用考虑kantorovich距离的sbr算法对场景进行削减；

13、s104：导出具有相应概率的减少后的光伏出力场景，获取每个场景对应的24小时光伏出力曲线并进行标准化。

14、进一步的，步骤s2具体包括：

15、s201：基于水电站入库径流曲线历史数据，生成k个水电站入库径流的初始聚类中心计算公式为：

16、

17、

18、

19、式(1)-(3)中，为第d个水电站入库径流曲线历史数据在t时段的入库径流流量标幺值；分别为第t时段水电站入库径流历史曲线的最大值和最小值；k为聚类中心的索引，表示是第k个水电站入库径流流量的聚类中心；

20、s202：基于步骤s201的运算结果，计算出每条水电站入库径流曲线与各个聚类中心的相似度sd,k，计算公式为：

21、

22、s203：筛选出与第d条水电站入库径流曲线相似度最大的聚类中心，并讲第d条水电站入库径流曲线划分到第k个类簇中；

23、s204：根据新的类簇，生成新的聚类中心，计算公式为：

24、

25、s205：循环进行步骤s302至s304，直到聚类的结果不再发生变化；

26、s206：选取每个类簇的聚类中心作为该类簇中所有水电站入库径流曲线的代表场景；

27、s207：计算每个代表场景的概率πk，计算公式为：

28、

29、进一步的，步骤s3具体包括：

30、s301：利用研究地区季节和天气的不同组合构建各类典型场景；

31、s302：利用研究地区过往历史数据计算各种典型场景的概率；

32、s303：将步骤s1与步骤s2中生成的光伏随机出力场景与水电站入库径流随机场景进行组合，得到组合后的新场景，计算新场景下的光伏出力场景概率与入库径流概率。

33、进一步的，步骤s4具体包括：

34、s401：建立梯级水光互补系统的运行目标函数，其计算公式为：

35、目标函数f1：梯级水光互补系统日出力总量最大，具体形式如下：

36、

37、

38、

39、式(7)-(9)中，t为调度的总时段数；t为时段；δt为每个时段的持续时间；为水光互补能源发电系统在t时刻的联合出力；为梯级水电站i在t时刻的出力；为光伏电站在t时刻的出力；a为水电站综合出力系数；qi,t为梯级水电站i在t时刻的发电流量；cs为光伏电站的规划装机容量；为光伏电站在t时刻的标准化出力，由步骤s1得出；hi,t为梯级水电站i在t时刻的净水头，其具体计算公式为：

40、

41、式(10)中，zi,t表示梯级水电站i在t时刻的水位；为梯级水电站i在t时刻的尾水位；为梯级水电站i在t时刻的水头损失，可以视作一个固定值；

42、目标函数f2：梯级水光互补系统的新能源消纳量最大，具体包括互补系统的弃水弃光量最小，直流外送功率最大，具体形式如下：

43、

44、式(11)中，为梯级水电站i在t时刻的弃水流量(m3/s)，为光伏电站在t时刻的弃光出力(mw)，为直流传输线路最小传输功率，pdc为直流传输线路实际传输功率值，α1,α2,α3分别为弃水、弃光以及直流传输功率的惩罚因子；

45、s402：建立梯级水光互补系统中的梯级水电站运行约束，包括：

46、梯级水电上下游水库水利联系约束：

47、ii,t＝qi-1,t+ri,t (12)

48、式(12)中，ii,t为t时刻的梯级水电站i的入库径流库容，由步骤s2获得，qi-1,t为上一级梯级水电站i-1在t时刻的出库流量，ri,t为梯级水电站i在t时刻的区间流量；

49、梯级水电站的水量平衡约束：

50、vi,t+1＝vi.t+(ii,t-qi,t)·δt (13)

51、式(13)中，vi,t为t时刻的梯级水电站i的库容，ii,t为梯级水电站i在t时刻的入库径流，qi,t为梯级水电站i在t时刻的下泄流量；

52、梯级水库水位约束：

53、zi,min≤zi,t≤zi,max (14)

54、式(14)中，zi,min、zi,max分别为梯级水电站i的水库死水位和正常蓄水位(m)；

55、梯级下泄流量约束：

56、

57、式(15)中，qi,min、qi,max分别为梯级水电站i的最小和最大下泄流量(m3/s)，为梯级水电站i在t时刻的弃水流量(m3/s)；

58、梯级发电流量约束：

59、qi,min≤qi,t≤qi,max (16)

60、式(16)中，qi,min、qi,max分别为梯级水电站i的最小和最大下泄流量(m3/s)，为梯级水电站i在t时刻的弃水流量(m3/s)；

61、梯级水电站出力约束：

62、

63、式(17)中，分别为梯级水电站i的最小出力和最大出力(mw)；

64、梯级水电站弃水约束：

65、

66、式(18)中，δi为梯级水电站i的弃水总量的上限(m3)；

67、梯级水电站的水位-库容约束：

68、

69、式(19)中，fi,zv为梯级水电站i的水位-库容关系函数；

70、梯级水电站的尾水位-下泄流量约束：

71、

72、式(20)中，fi,zq为梯级水电站i的尾水位-下泄流量关系函数；

73、s403：建立梯级水光互补系统中的光伏电站运行约束，包括：

74、光伏电站的功率平衡约束

75、

76、式(21)中，cs为光伏电站的规划装机容量；为光伏电站在t时刻的标准化出力，由步骤s1得出，为光伏电站在t时刻的弃光出力(mw)；

77、光伏电站的弃光约束：

78、

79、式(22)中，为光伏电站在t时刻的弃光出力(mw)；

80、s404：建立梯级水光互补系统中的交直流混合外送运行网架约束，包括：

81、梯级水光互补系统运行的支路潮流限制：

82、

83、式(23)中，pt,j和分别表示输电元件j在时段t下流过的有功功率及其长期允许载流量，l为输电元件总数；

84、梯级水光互补系统的交直流外送功率约束：

85、

86、式(24)中，pdc为系统通过直流线路外送的功率，为直流线路最小传输功率值；

87、通过对直流送端的母线进行三相短路校核，监测同步机之间的暂态功角差获得梯级水光互补系统的交直流外送暂态功角稳定约束：

88、tasi>0 (25)

89、

90、式(26)中，δmax为系统任意两台发电机之间的最大功角差，当tasi>0，系统暂态功角稳定,并且tasi数值越大，系统暂态功角稳定性越高，当tasi<0，系统暂态功角失稳；

91、通过对直流送端进暂态电压稳定校核，监测各个节点母线的的暂态电压情况获得梯级水光互补系统的交直流外送暂态电压稳定约束：

92、tvsi＝1 (27)

93、

94、式(28)中，vmin为系统受扰动后节点电压的最小值，vcr表示设定的电压值，ts表示电压低于设定值的真实时间，tcr表示低于设定值所允许的极限时间，tvsi为1时表示系统暂态电压稳定，反之系统暂态电压失稳。

95、进一步的，步骤s5具体包括：

96、s501:选定一种光伏出力场景与水电站入库径流场景，根据光伏出力数据与入库径流数据生成约束，进行梯级水光互补系统的光伏容量优化配置模型的求解，获取场景对应的最优光伏容量与系统整体日出力以及弃水弃光等数据；

97、s502：对不同的组合场景进行模型的迭代求解，获取各个典型场景及其概率与光伏容量数据；

98、s503:依据场景概率与对应的光伏容量数据进行最终的光伏容量选取。

99、进一步的，步骤s501具体包括：

100、s601：设定种群规模n、交叉概率pe、变异概率pm并且设定终止进化的条件；随机生成n个个体作为初始种群x(0)

101、s602：对种群的个体进行评价，计算或估计得出种群x(0)中各子体自身的适应度；

102、s603：通过选择、交叉、变异运算进行种群进化；

103、s604：检验种群x(t)是否满足水电站、光伏电站以及网架安全稳定约束，满足则对种群中的个体进行适应度计算，获取目标函数f1,f2；否则重复进行步骤s603生成下一代种群x(t+1)

104、s605：筛选输出目标函数最优的个体作为光伏电站容量的最优解。

105、进一步的，步骤s603具体包括：

106、s701：选择母体，从x(t)中利用设置的选择算子找出m/2对母体(m>n)；

107、s702：交叉，对照初的m/2对母体，依照概率pe进行交叉得出m个个体；

108、s703：变异，对找出的m个个体分别依照设定的变异概率pm进行变异，形成m个变异个体；

109、s704：选择子代，从上述形成的m个变异个体中按照适应度高低挑选出n个个体形成下一代种群x(t+1)。

110、与现有技术相比，本发明所具有的有益效果为：

111、本方案其中一个有益效果在于，本发明提出了一种考虑交直流外送的梯级水光互补系统的光伏容量优化配置方法。通过光伏出力场景与水电站入库径流场景的模拟与生成，充分考虑了水电站径流来水和光伏出力的不确定性并进行建模。在此基础上，通过考虑不同的天气季节场景生成典型的组合运行场景及其概率，对不同的运行场景进行光伏容量配置计算。同时，由于模型的求解中综合考虑了水电站约束，光伏电站约束，能够实现水光出力的最大化消纳，实现弃水弃光量的减少。且由于考虑了交直流混合送出场景，对新能源外送消纳的安全稳定运行也进行了约束控制，确保计算结果能够促进新能源的稳定外送。所得优选结果更能适应具体实际需求，更具说服力。