一种适应于高比例光伏渗透的新能源电力系统消纳优化方法及装置与流程

文档序号:38579301发布日期:2024-07-10 15:14阅读:62来源:国知局
一种适应于高比例光伏渗透的新能源电力系统消纳优化方法及装置与流程

本发明属于新能源及节能高新,尤其是一种适应于高比例光伏渗透的新能源电力系统消纳优化方法及装置。


背景技术:

1、高比例光伏等新能源渗透的电力系统与传统电力系统相比,具有碳排放量少等优势,且光伏分布式的发电方式可以实现电能的就地消纳、减少输电线路的损耗,随着储能技术、综合能源技术的应用,新能源电力系统更有利于多区域的协同优化发展。然而,高比例光伏渗透的新能源电力系统也面临着严峻的挑战,一方面光伏出力与辐照度密切相关,受天气因素影响较大,具有波动性、随机性和不确定性,另一方面,面对大量的不稳定的光伏出力,由于网源规划不协调、就地消纳空间有限、调峰能力不足等因素影响,可能会出现弃光的问题;新能源消纳矛盾突出时,消纳能力逐渐成为制约其发展的主要因素。

2、发电机组与负荷作为电网供需平衡的两端,二者相互影响并通过电网及储能装置实现功率的流动。对“源—网—荷—储”系统的协同优化管理,可以提高整个系统的能源效率,减少系统过载或失稳等异常状态出现的频率,在满足电网运行安全稳定要求、电能质量要求的情况下实现发电成本最小或新能源消纳最大的既定目标。在电网调度优化方面,研究人员提出采用动态规划等方式解决传统经济调度问题,而对于非凸非线性的优化,通常采用遗传算法、粒子群优化算法等启发式算法解决。为实现新能源消纳的最大化,时序生产模拟法在电力电量平衡以及机组决策优化方面也获得了广泛应用,其优化结果为发电计划的制定提供了合理的依据。

3、传统的优化研究中对弃风弃光现象关注较少,为了解决上述高比例光伏渗透的新能源电力系统中存在的问题,保障电力系统运行的供电可靠性与运行稳定性,提高新能源利用率,需要通过配置储能装置、合理规划大型火电机组出力等方式实现对新能源的最大化消纳。


技术实现思路

1、针对高比例光伏等新能源渗透下,由于网源规划不协调、调峰能力有限等因素的影响,新能源电力系统消纳矛盾突出的问题,本发明提供一种适应于高比例光伏渗透的新能源电力系统消纳优化方法及装置,其基于光伏等新能源出力及负荷的功率预测结果,构建电网中的新能源电力系统时间序列模型并提出对模型实施两轮优化的具体方案,保障新能源电力系统运行的供电可靠性与运行稳定性,提高新能源利用率,实现对新能源的最大化消纳。

2、为此,本发明采用如下的一种技术方案:一种适应于高比例光伏渗透的新能源电力系统消纳优化方法,其包括:

3、步骤s1,结合历史光伏数据集,构建双向长短期记忆网络bi-lstm,获得不同时间尺度下光伏出力;基于电网火电机组和抽蓄电站的装机容量数据,结合风电出力和负荷的预测数据,构建高比例光伏渗透的“源-网-荷-储”一体化的新能源电力系统时间序列模型;

4、步骤s2,基于步骤s1构建的新能源电力系统时间序列模型,设定约束条件;

5、步骤s3,在步骤s2设定的约束条件下,为实现对新能源出力的最大消纳,选择以新能源弃风弃光电量最小(即光伏和风电的总限电量最小)为新能源电力系统时间序列模型的首轮优化目标,不考虑大型火电机组的停机;采用基于yalmip的cplex求解器解决上述首轮优化,获得优化时间段内不同时刻下火电机组、系统联络线和储能装置的出力状态或运行状态,为调度计划提供依据;

6、步骤s4:若步骤s3中优化最终结果目标函数值为0,则新能源电力系统实现新能源完全消纳,不存在弃风弃光现象;若结果不为0,则表明在所分析的包含高比例分布式光伏出力的新能源电力系统中只通过联络线与储能装置的配置,无法完全消纳新能源出力,需进行第二轮优化过程,考虑火电机组运行成本、启停成本以及弃风弃光惩罚成本,以经济最优的方式对火电机组的启停与出力状态进行优化。

7、本发明的首轮优化在机组出力功率极限、负荷平衡等约束条件下以光伏和风电的总限电量最小为目标函数对时间序列模型进行序列优化,确定机组不停机状态下火电机组、新能源电力系统联络线与储能功率的配置;本发明的次轮优化则针对发生弃风弃光时间段,通过考虑机组的启停成本、运行成本、弃风弃光惩罚制定经济最优的机组启停方案,在增加风光消纳的同时降低了火电成本。

8、本发明所述的时间序列模型,用于将各个机组出力数据、储能功率数据以及负荷数据整理为以1小时为分辨率的时间序列数据形式,为后续采用时序生产模拟方法进行电力电量平衡分析提供数据支撑。

9、进一步地,步骤s1中,在循环神经网络rnn基础上,lstm神经网络增加门结构和细胞记忆单元,令xt、ht、ct分别表示网络的输入、输出和记忆细胞状态,则控制之前时刻输出和当前信息输入结合的总信息量并进行标准化概率转换的遗忘门表示为:

10、ft=σ(wf·[ht-1,xt]+bf)    (1)

11、输入门表示为:

12、it=σ(wi·[ht-1,xt]+bi)    (2)

13、输出门表示为:

14、ot=σ(wo·[ht-1,xt]+bo)    (3)

15、记忆细胞状态为:

16、

17、

18、最终的输出值为:

19、it=σ(wi·[ht-1,xt]+bi)    (6)

20、其中,σ表示sigmoid函数;wf、wo、wc、wi分别表示遗忘门、输出门、记忆细胞状态和输入门的权重向量;bf、bo、bc、bi分别表示遗忘门、输出门、记忆细胞状态和输入门的偏置项;

21、所述的双向长短期记忆网络bi-lstm将正向的lstm与反向的lstm结合,挖掘历史时刻的反向时序因素信息,提升数据的利用效率,其公式如下:

22、

23、

24、

25、其中,表示t时刻的正向lstm隐藏层输出,表示反向lstm隐藏层输出,α、β分别表示的权重。

26、进一步地,运用所述双向长短期记忆网络获得新能源电力系统时间序列模型的光伏出力序列的预测信息,在此基础上构建优化时间段内整个“源-网-荷-储”一体化的新能源电力系统时间序列模型的序列,上述时间序列模型中出力机组(源)包含背压式、抽汽式、凝气式火电机组以及调节性水电机组和核电机组,还包括风电、光伏新能源出力机组;对出力机组功率、抽蓄、储能功率以及区域间联络输送功率在优化时间段内以一小时为分辨率实现功率配置,为新能源电力系统的调度决策优化提供数据支撑。

27、进一步地,对于火电机组,考虑机组出力约束、爬坡功率约束、运行台数约束;对于抽蓄机组,考虑抽水或蓄能状态指令和水库容量限制约束;对于所分析的新能源电力系统,考虑联络线功率极限约束、新能源出力约束、旋转备用约束和负荷平衡约束;

28、更进一步地,所用的约束条件包括:

29、机组出力约束:

30、pmin≤p(t)≤pmax  (10)

31、式中,pmin、pmax、p分别表示机组出力下限、机组出力上限和机组出力实际值;

32、爬坡功率约束:

33、-pdown≤p(t+1)-p(t)≤pup  (11)

34、式中,pdown、pup分别表示机组爬坡功率下限、机组爬坡功率上限;

35、机组运行台数约束:

36、0≤sj(t)≤sjmax  (12)

37、式中,j表示机组类型;sj、sjmax分别表示机组实际运行台数和允许的机组最大运行台数;

38、抽蓄机组约束:

39、y(t)+z(t)≤1     (13)

40、ccxmin≤ccx(t-1)-mpcx(t)≤ccxmax     (14)

41、其中,y(t)和z(t)表示抽水或蓄能状态指令,其均为虚拟变量,当y(t)=1,z(t)=0时抽蓄电站吸收功率,当y(t)=0,z(t)=1时抽蓄电站送出功率,且功率值分别满足最大最小功率约束;式(14)的水库容量限制约束用于描述抽蓄电站的“电量”状态,其中m表示单位发电或吸收功率所对应的水量变化情况,pcx(t)表示抽蓄电站出力,ccxmin和ccxmin分别表示水库的最小和最大蓄水量,ccx(t-1)表示上一时刻的蓄水量;如果简化处理,将抽蓄电站蓄水量单位改为mw,则m=1;

42、联络线功率极限约束:

43、limin≤li(t)≤limax      (15)

44、-δlmax≤li(t)-li(t-1)≤δlmax      (16)

45、式中,li、limin、limax、δlmax分别表示实际联络线功率、联络线最小传输功率、联络线最大传输功率、联络线传输功率变化极限;

46、新能源出力约束:

47、0≤pw(t)≤pwmax(t)     (17)

48、0≤ppv(t)≤ppvmax(t)      (18)

49、式中,pwmax表示在实际风资源下机组的最大风电出力,ppvmax表示在实际光资源下机组的最大光电出力,pw表示机组的实际风电出力,ppv表示机组的实际光电出力;

50、旋转备用约束:

51、

52、

53、其中,pre与nre分别表示新能源电力系统设定的正旋转备用容量和负旋转备用容量,pj,max和pj,min分别表示对应机组的出力上、下限;如果将每台机组的开机关机二值状态分别设置为虚拟变量,开机状态为1,则总开机台数通过累加求得;pl表示对应时刻的电力负荷;

54、负荷平衡约束:

55、

56、其中,pj表示对应机组的出力,sj(t)表示机组出力的状态,ph表示调节式水电机组出力,pai表示核电机组出力,pcx表示抽蓄电站出力,若其处于蓄能状态则pcx为负数,l表示联络线功率。

57、进一步地,步骤s3中,选取的首轮优化目标函数为新能源弃风弃光电量最小,即:

58、

59、其中,t表示优化的总时间长度,pwmax表示在实际风资源下机组的最大风电出力,ppvmax表示在实际光资源下机组的最大光电出力,pw表示机组的实际风电出力,ppv表示机组的实际光电出力;结合步骤s2所述的约束条件实现高比例光伏渗透下新能源电力系统运行状态功率配置优化,此优化过程为混合整数规划问题,采用分支界定法进行处理。

60、更进一步地,采用matlab+cplex+yalmip进行优化求解。

61、进一步地,步骤s4中,面对只通过联络线与储能装置的配置无法完全消纳新能源出力,考虑以经济最优的方式对火电机组的启停与出力状态进行优化,其内容如下:

62、新能源电力系统的运行成本包括火电机组运行成本、火电机组启停成本以及弃风弃光惩罚三个部分,对于水电新能源机组的出力,由于其边际价格约等于零,因此在约束中暂不考虑其成本;此外,在考虑约束时,应当考虑到如下情况:只有当机组开启时其才有最大最小功率约束,否则出力为0;只有当机组启停状态不发生变化时才遵循爬坡功率约束,否则当机组开启或关闭时变化的最大功率为额定功率的一半;当机组开启后,一段时间内不应关停机组。

63、更进一步地,对于火电机组运行成本的计算采用煤耗特性曲线表示,由于其为二次函数形式,如果直接运用到时间序列模型中将大大增加模型的复杂度,故选择运用分段线性法,将三种火电机组的煤耗特性曲线分成三段线性,以此简化模型。

64、本发明采用的另一种技术方案为:一种适应于高比例光伏渗透的新能源电力系统消纳优化装置,其用于实现上述适应于高比例光伏渗透的新能源电力系统消纳优化方法。

65、本发明具有的有益效果如下:首先,构建双向长短期记忆网络bi-lstm获得光伏出力等预测结果,并构建高比例光伏渗透的“源网荷储”一体化的新能源电力系统时间序列模型;其次,在机组爬坡功率等约束条件下,以光伏和风电的总限电量最小为目标进行中长期优化,确定机组不停机状态下新能源电力系统火电机组、联络线与储能等功率的配置;最后,对于发生弃风弃光的短期时段,通过添加机组启停约束、分段线性的煤耗特性曲线等信息,以机组启停成本、运行成本、弃风弃光惩罚成本总和最小进行短期经济优化,为新能源电力系统机组启停决策制定与日前调度规划提供信息。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1