一种考虑新能源置信容量的机组启停优化方法及系统与流程

本发明涉及机组启停优化，特别是一种考虑新能源置信容量的机组启停优化方法及系统。

背景技术：

1、为了应对全球变暖等环境问题的迅速恶化，许多国家实施了旨在建立清洁能源系统的相关政策。因此，建立以可再生能源为中心的新型电力系统已成为这些国家电力系统的首要目标。随着我国经济社会的发展，电力系统负荷需求迅速增加。此外，可再生能源的出力具有较大不稳定性。因此，在安排发电计划时，需要分配足够的运行备用，以确保供电的可靠性。这些运行备用的很大一部分由火力发电机承担，这不可避免地降低了系统整体的调峰潜力。这种限制不利于可再生能源与传统能源的整合，进而阻碍了以可再生能源为中心的新型电力系统的发展。

2、由于可再生能源出力的不稳定性，相比于传统电力系统带有可再生能源的电力系统需要较大的运行备用。运行备用很大一部分由火力发电机承担，这种限制使得系统调峰能力下降，并增大弃风弃光量。因此在带有风电与光电的大规模电力系统的调峰能力与稳定性以及带有风电与光电的大规模电力系统的风、光电消纳能力有所不足。

3、风力发电的天然随机性和波动性，使得其与传统常规电源形成鲜明反差，大规模风电并网对电力系统的挑战贯穿电能生产、输送及消费的全部环节。随着现代预测技术的发展，根据数值天气预报和历史数据，采用物理方法或统计方法能够实现对风电功率的预测。相比应用较为复杂的物理方法，时间序列法、卡尔曼滤波法、支持向量机法、小波分析法、人工神经网络法等统计方法只需风速与功率的时间序列即可进行预测，因而得到较多应用。

4、然而，这些方法多为确定性的点预测，通常只是给出一个确切的数值，无法估计该数值可能出现的概率，同时也无法确定预测结果可能的波动范围。根据统计，风电场短期出力预测的平均相对误差一般在15％～40％之间，风电功率预测精度远未达到负荷预测的精度，仅给出一条确定性的风电功率预测曲线不足以全面描绘风电功率的不确定性，不利于风电场发电计划的上报及风电功率的运行调度。

技术实现思路

1、鉴于现有的考虑新能源置信容量的机组启停优化方法存在的问题，提出了本发明。因此，本发明所要解决的问题在于如何提供一种考虑新能源置信容量的机组启停优化方法及系统。

2、为解决上述技术问题，本发明提供如下技术方案：

3、第一方面，本发明提供了一种考虑新能源置信容量的机组启停优化方法，其包括，收集风电场的历史功率输出数据进行风电功率置信区间预测，识别风电功率概率分布规律；构建机组组合模型，设定目标函数和约束条件并进行线性化处理；对机组组合模型进行考虑新能源置信容量的优化，求解优化后的机组组合模型获取最优机组启停状态和出力计划；在模拟环境中测试优化结果，验证不同场景下的性能动态调整置信区间和模型参数迭代优化模型。

4、作为本发明所述考虑新能源置信容量的机组启停优化方法的一种优选方案，其中：所述进行风电功率置信区间预测包括以下步骤，描绘风电短期功率预测误差分布曲线，求出样本均值，获得置信区间；收集历史风电功率的实际值和相应的预测值，计算预测值与实际值之间的差值，即风电短期功率预测误差，计算公式为：

5、et＝pa(t)-pp(t)

6、式中，et是时间点t的预测误差，pa(t)和pp(t)分别是实际功率和预测功率；

7、将功率预测误差的出现概率分布散点连接成线，构造风电短期功率预测误差分布曲线；计算得出所有预测误差的样本均值作为置信区间的选取起点，计算公式为：

8、

9、式中，是样本均值，n是预测误差数量；基于风电功率预测误差分布确定置信度水平和置信区间，给出风电功率预测范围；采用风电功率预测准确度作为新能源功率预测的统计样本，使用风电功率预测准确度的置信区间折算得出风电预测目标周期的功率置信区间。

10、作为本发明所述考虑新能源置信容量的机组启停优化方法的一种优选方案，其中：所述目标函数包括以总运行费用降至最低为目标进行优化，包括燃料费用、开机费用和停机费用，机组组合模型目标函数的表达式为：

11、

12、式中，表示机组组合运行的总费用；表示所有煤电机组集合；表示机组组合运行时间段总数；cg表示煤电机组g的发电成本曲线；表示煤电机组g的启动成本；表示煤电机组g的停机成本；pg,t表示煤电机组g在时刻t的出力；ug,t表示煤电机组g在时刻t的启动状态，dg,t表示煤电机组g在时刻t的停机状态。

13、作为本发明所述考虑新能源置信容量的机组启停优化方法的一种优选方案，其中：所述进行线性化处理包括以下步骤，将煤电机组发电成本曲线使用二次函数进行表示，表达式为：

14、

15、式中，ai，bi，ci分别表示煤电机组g成本曲线的二次，一次和常数项；xg,t表示煤电机组的启停状态；对二次函数形式的煤电机组发电成本曲线进行分段线性化处理，得到分段线性化后得到的煤电机组发电成本，表达式为：

16、

17、式中，表示所有分段的结合；分别表示煤电机组g的发电成本曲线分段线性化后第i段上下界；对煤电机组发电成本曲线进行线性化处理，处理为线性约束加入机组组合模型中，表达式为：

18、

19、得到分段线性化煤电机组发电成本替代二次函数形式的煤电机组发电成本曲线。

20、作为本发明所述考虑新能源置信容量的机组启停优化方法的一种优选方案，其中：所述约束条件包括电源运行约束和系统层面约束；所述电源运行约束包括煤电机组运行状态逻辑约束、煤电机组出力极限约束、煤电机组最大爬坡极限约束、煤电机组最小启停时间约束、光伏机组出力极限约束、联络线计划功率约束以及负荷需求约束；所述系统层面约束包括功率平衡约束和运行备用约束。

21、作为本发明所述考虑新能源置信容量的机组启停优化方法的一种优选方案，其中：所述煤电机组运行状态逻辑约束的表达式为：

22、

23、

24、式中，xg,t，ug,t，dg,t分别为煤电机组的运行状态变量，当xg,t＝1时，则表示煤电机组g在时刻t处于开机状态，否则煤电机组处于停机状态；当ug,t＝1时，则表示煤电机组g在时刻t启动，即从停机状态进入开机状态；当dg,t＝1时，则表示火电机组g在时刻t停机，即从开机状态进入停机状态；所述煤电机组出力极限约束的表达式为：

25、

26、式中，表示煤电机组g的最大出力极限；pg表示煤电机组g的最小出力极限；表示煤电机组g在时刻t状态为xg,t时的最大出力极限；xg,tpg表示煤电机组g在时刻t状态为xg,t时的最小出力极限；所述煤电机组最大爬坡极限约束的表达式为：

27、

28、式中，表示煤电机组g的最大上爬坡速率，表示煤电机组g的最大下爬坡速率；当煤电机组由停机状态进入开机状态时，则将下一时刻最大爬坡极限松弛为最小技术出力；当煤电机组由开机状态进入停机状态时，则将下一时刻的最大爬坡极限同样松弛为最小技术出力；所述煤电机组最小启停时间约束的表达式为：

29、

30、式中，表示煤电机组g的最小开机持续时间；表示煤电机组g的最小停机持续时间，t表示机组组合运行末尾时段；所述光伏机组出力极限约束的表达式为：

31、

32、式中，ps,t表示光伏机组s在时刻t的出力；ss,t表示光伏机组s在时刻t的资源水平，表示光伏机组s装机容量；所述联络线计划功率约束的表达式为：

33、

34、式中，pl,t表示联络线l在时刻t的交换功率；表示联络线l在时刻t的计划交换功率；所述负荷需求约束的表达式为：

35、

36、式中，pd,t表示负荷d在时刻t的负荷需求；表示负荷d在时刻t的负荷实际需求功率；所述功率平衡约束的表达式为：

37、

38、所述运行备用约束的表达式为：

39、

40、式中，pg,t表示煤电机组g在时刻t的出力；pw,t表示风电机组g在时刻t的出力；ps,t表示光伏机组s在时刻t的出力；表示煤电机组g的最大出力极限；αr表示运行备用占负荷比例，αguar新能源置信容量比例。

41、作为本发明所述考虑新能源置信容量的机组启停优化方法的一种优选方案，其中：所述求解优化后的机组组合模型获取最优机组启停状态包括以下步骤，根据建立机组组合模型，设置变量和参数的初始值进行求解；将模型使用优化求解器进行迭代计算求解，寻找满足所有约束条件的最优解，直到找到使目标函数最小化的结果，输出全局最优解；检查求解结果是否满足所有约束条件，根据求解结果生成机组调度操作指令，将调度指令下发执行机组启停计划；实时监控电力系统的运行状态，当实际运行与计划出现偏差时调整调度策略，更新调度计划，完成机组启停优化。

42、第二方面，本发明提供了一种考虑新能源置信容量的机组启停优化系统，其包括：收集模块，用于收集风电场的历史功率输出数据进行风电功率置信区间预测，识别风电功率概率分布规律；构建模块，用于构建机组组合模型，设定目标函数和约束条件并进行线性化处理；求解模块，用于对机组组合模型进行考虑新能源置信容量的优化，求解优化后的机组组合模型获取最优机组启停状态和出力计划；优化模块，用于在模拟环境中测试优化结果，验证在不同场景下的性能和可靠性，动态调整置信区间和模型参数迭代优化模型。

43、第三方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现考虑新能源置信容量的机组启停优化方法的步骤。

44、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现考虑新能源置信容量的机组启停优化方法的步骤。

45、本发明有益效果为有助于构建更为精准的风电功率预测模型，提高电力系统运行的可靠性和经济性，提高电力系统调度的灵活性和响应速度，快速响应市场变化和可再生能源出力的波动，能够更加灵活地应对未来能源转型的挑战，促进清洁能源的高效利用。