含风电场的电力系统鲁棒调度课件

含风电场的电力系统鲁棒调度研究背景及现状1鲁棒调度概述2鲁棒调度模型及实例验证3风-水-火协调优化的鲁棒调度4汇报内容风电作为绿色环保的可再生能源，资源分布极其广泛，但风电具有随机性、间歇性及反调峰性，这给含大规模风电场的电力系统经济调度带来困难。1研究背景及现状目前解决方法1.留有足够的备用2.采用随机优化技术缺点过于保守由于机组爬坡率约束，难以应对功率变化较大时的情况缺点需要获取不确定性的概率分布不能完全消纳新能源的不确定性需要大量数据做支持，且只能提供一种系统可靠性的概率关键问题如何消纳风电的波动性3.采用鲁棒调度优势鲁棒优化对不确定性因素具有一定的免疫能力对信息掌握不完全的电力系统进行调度时，该调度方式能够适应所有可能出现的运行情况，并消除不确定性因素所造成的扰动，使电力系统在保持安全、稳定运行的前提下尽量满足预定目标函数最小。2含风电场的电力系统鲁棒调度概述定义对于某个调度时段h，我们把电力系统可能出现的一种运行状态设为一个场景Si。由于风电的不确定性，在每个调度时段将存在预测场景和大量的误差场景。采用鲁棒调度模型旨在满足两点：其一，预测场景下实现目标函数最优；其二，模型的解能适应所有的误差场景Si。模型的解对误差场景的适应能力表述为：当发生误差场景Si时，经过实时调度重新调整火电机组的出力后，如果在规定时间内电网能从预测场景过渡到误差场景Si，即重新分配机组的出力保证场景Si功率的平衡，则称模型的解适应该场景Si。

误差场景是由风电不确定性造成，误差场景的适应力受相互场景之间爬坡率约束制约基本原理场景集的选择——极限场景法采用鲁棒调度方式的求解关键技术当风电场个数为n时，极限场景即为n维空间的各个顶点，极限场景个数为2n若一个场景中各风电场出力均处于置信极限,则该场景称为极限场景，即图中顶点极限场景之间所有可能出现的场景为误差场景，故只要取极限场景集为St,就对风电出力取值空间具有完全代表性。2）预测场景下的约束方程1）目标函数以预测场景下系统的发电成本作为目标函数3含风电场的电力系统鲁棒调度模型功率平衡约束机组上下限约束爬坡率约束旋转备用约束式中：N为火电机组数，H为调度的时段数，An、Bn、Cn为发电机的成本系数，为第n个机组在第h个时段的有功输出场景之间连接的纽带，要求机组在10min内完成场景之间的过渡。3）极限场景S1下的约束方程4）极限场景S2下的约束方程上下限约束功率平衡约束爬坡率约束分别采用传统的确定性调度方式和鲁棒调度方式，对10个火电机组、1个风电场系统进行6个调度时段的计算，并分析两种调度方式的对风电的适应能力。10机组系统的各机组参数注：An，Bn，Cn为成本系数，rd为机组的向上爬坡率、ru为机组的向下爬坡率参数机组1机组2机组3机组4机组5机组6机组7机组8机组9机组10Pmax/MW320360300200175150801008056Pmin/MW1501357360735720472054An(10-3)0.430.630.390.70.790.562.114.8109.19.51Bn21.621.0520.8123.921.6217.8716.5123.2319.5822.54Cn958.21313.6604.97471.6480.29601.75502.7639.4455.6692.4rd40404025252515151515ru40404025252515151515实例验证采用原-对偶内点法作为核心算法，编程语言为Matlab语言。1）迭代次数为19时，收敛，得到确定性调度的发电计划如下表所示：时段机组1机组2机组3机组4机组5机组6机组7机组8机组9机组10h=1150156176607315080472054h=2160196216607314480472054h=3200236256609815080572056h=42402762966012315080472054h=52803162606014815080472054h=63203563006017315080582056由此可得，两种调度方式的发电计划：2）假设风电的波动范围为点预测值附近的

，此时各场景下风电出力情况如下表所示，单位为MW：故可得鲁棒调度的发电计划如下表所示：分析两种调度方式对风电不确定性的适应能力调度时段6

在调度时段6发生场景S1时，即风电实际出力只有预测出力55MW的一半，减小量为27.5MW。此时，系统功率不平衡，火电机组出力需要在10min内增大27.5MW，下面分析两种调度方式是否具备这种能力。1）对于确定性调度方式

由于受到机组上限的限制，机组n=1、3、6、7已经没有上调容量了，则10min内火电机组能上调的总功率为：机组n=1n=2n=3n=4n=5n=6n=7n=8n=9n=10h=6机组出力3203563006017315080582056Pmax3203603002001751508010080561/6*rd（机组可上调容量）6.676.676.674.174.174.172.52.52.52.5

2）对于鲁棒调度模型机组n=1n=2n=3n=4n=5n=6n=7n=8n=9n=10h=6机组出力314.5353.3300.066.4170.8150.080.063.720.254.0Pmax3203603002001751508010080561/6*rd6.676.676.674.174.174.172.52.52.52.5此时，10min内机组出力最大的上调量为两种调度方式的性能比较结论：当风电实际出力与预测出力相差较大时，确定性调度方式无法在短时间内通过对机组的再调度来维持系统的功率平衡，对电网安全稳定运行产生威胁；而鲁棒调度在建立模型时充分考虑了风电的不确定性，故能在短时间内调整机组出力使系统功率保持平衡。换言之，确定性调度方式无法适应风电出力的不确定性，而鲁棒调度可以。鲁棒调度的最优解比确定性调度方式的最优解要差。换言之，鲁棒调度方式是以损失经济性为代价换取对风电不确定性的适应能力。等式约束个数不等式约束个数迭代次数最优解对风电适应力确定性调度617219198580弱鲁棒调度1835624198650强4风-水-火协调优化的鲁棒调度

参考风火联调的鲁棒调度模型，考虑水电后，不需要改变目标函数，但各场景下的约束方程需要作如下的三点修改。2）考虑水量平衡约束3）添加水电厂物理特性约束建立了风-水-火协调优化的鲁棒调度模型1）功率平衡约束考虑水电出力水库库容约束水库发电流量约束水电站出力约束调度模式及其实现方法

与火电机组相比，

水电机组的调节能力强，机组出力变化速度快，调整成本低。所以，在应对风电出力的波动时水电更具有明显的优势。调度模式：应对风电波动时，优化调整水电出力，当水电备用不足时再调整火电机组出力。为了实现上述调度模式，本文在目标函数上引入火电机组的调整成本

。只要调整火电机组出力，就会有额外的成本，所以引导了优化的过程，尽量减少火电的出力调整。对海南电网进行有功调度计算简化后的海南电网等效为一个含6个火电厂、3个水电厂、1个风电场的电力系统调度模型。进行6个时段的有功调度计算，优化结果如下所示。（水电备用容量为180MW）场景时段火电厂输出功率/MW水电厂输出功率/MW风电海口新厂海口老厂东方电厂洋浦电厂清澜电厂南山电厂牛路岭大广坝戈枕电厂出力

/MWS(预测)1170.0587.4700.0150.0149.9131.972.0216.972.0200S11170.2587.5700.2150.2150.0132.0100.0260.0100.0100S21170.0587.4700.0150.0149.9131.957.2146.457.2300S(预测)4268.4652.4707.4184.4142.4124.459.7161.159.7450S14276.0660.0715.0192.0150.0132.0100.0260.0100.0225S24261.0645.0700.0177.0135.0117.020.060.020.0675对于时段1，当出现极限场景S1或S2时，风电的实际出力与预测出力相差100MW，此时只需调整水电机组即可填补这部分