首页 / 专利库 / 绝缘 / 热损失 / 一种电热综合能源系统风电消纳能力评估的方法

一种电热综合能源系统电消纳能评估的方法

阅读:922发布:2020-05-08

专利汇可以提供一种电热综合能源系统电消纳能评估的方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种电热综合 能源 系统 风 电消纳能 力 评估的方法,首先建立电热综合能源系统模型;然后建立基于凸包不确定集合CHUS表示下的风电出力形式;再构建两阶段风电消纳能力评估鲁棒模型,获得一组满足CHUS中所有风电出力不确定性并极小化运行风险的风电可接纳域;然后构造一系列的低维凸包LCH,并在高维空间中交汇成一种ACHUS;然后构建基于最坏场景的等比例伸缩规则,将ACHUS的动态不确定集合与两阶段鲁棒模型进行结合求解;再基于ACHUS的动态不确定集合与两阶段鲁棒模型结合的求解 算法 ,获得新的风电可接纳域边界,并以此进行风电消纳能力评估。该方法评估结果更加准确,能为系统整体配置提供有力支持。,下面是一种电热综合能源系统电消纳能评估的方法专利的具体信息内容。

1.一种电热综合能源系统电消纳能评估的方法,其特征在于,所述方法包括:
步骤1、首先建立电热综合能源系统模型,所述电热综合能源系统模型包括电力网络约束条件、热力网络约束条件和电热耦合约束条件;
步骤2、然后建立基于凸包不确定集合CHUS表示下的风电出力形式,用于表征所述电热综合能源系统模型中的风电出力不确定性;
步骤3、根据步骤1所建立的电热综合能源系统模型,构建两阶段风电消纳能力评估鲁棒模型,获得一组满足凸包不确定集合CHUS中所有风电出力不确定性并极小化运行风险的风电可接纳域;
步骤4、然后构造一系列的低维凸包LCH,并在高维空间中交汇成一种近似高维凸包不确定集合ACHUS,以保证算法在各维度计算的适用性;
步骤5、然后构建基于最坏场景的等比例伸缩规则,使近似高维凸包不确定集合ACHUS顶点对应的可行系数表示的最坏场景与风电可接纳域边界建立联系,从而将ACHUS的动态不确定集合与两阶段鲁棒模型进行结合求解;
步骤6、再基于ACHUS的动态不确定集合与两阶段鲁棒模型结合的求解算法,获得新的风电可接纳域边界,并以此进行风电消纳能力评估。
2.根据权利要求1所述电热综合能源系统风电消纳能力评估的方法,其特征在于,在步骤1中,所述电力网络约束条件包括如下公式:
节点功率平衡约束:
其中,t与b分别表示时刻和母线的序数;Pdt表示负荷需求的电功率,d与 分别表示连接母线b的负荷序数与集合; 表示流经线路的电功率,le与 分别表示连
接母线b的线路的序数及线路始端、线路末端的集合; 表示热消耗的电功率,h与分别表示连接母线b的加热站序数与集合; 表示电锅炉消耗的电功率,s与 分别表示连接母线b的热源的序数及电锅炉的集合;Pgt表示发电机的出力,g与 分别表示连接母线b的发电机的序数及CHP机组、常规机组的集合; 表示风电的预测出力,m与 分别表示连接母线b的风电机组序数及集合;
发电机的出力约束:
上式中,ugt表示发电机的运行状态, 与Pg分别表示发电机出力的上限与下限;
分别表示CHP机组与常规机组的集合;
发电机的爬坡约束:
上式中, 分别表示发电机的正爬坡能力与负爬坡能力;
式(5)-(6)分别表示线路的传输容量约束:
上式中, 表示线路的传输容量限制; 表示线路的导纳; 与 分别表示线
路的始端与末端的相大小。
3.根据权利要求1所述电热综合能源系统风电消纳能力评估的方法,其特征在于,在步骤1中,热力网络约束条件包括如下公式:
式(7)-(9)表示热转换约束:
上式中,Qgt、Qst、Qjt分别表示CHP机组产热量、电锅炉和热锅炉的产热量、换热站的耗热量;c表示流体比热容;Mgt、Mst、Mjt分别表示流过CHP机组、电锅炉和热锅炉、换热站的流体质量; 分别表示供热网与回热网的节点温度; 分别表示连
接节点n的CHP机组、电锅炉、热锅炉与换热站的集合;
式(10)-(11)表示热力管道的温度降约束:
上式中,lp表示热力管道的序数; 表示流体在热力管道lp的延迟滞留时间; 表示热力管道lp的热损失系数; 分别表示供热网中热力管道始端与末端的温度;
分别表示回热网中热力管道始端与末端的温度;Te表示热力管道周围的环境
温度;
式(12)-(15)表示节点温度混合约束,其中式(12)-(13)表示来自不同管道的流体携带不同的温度在同一个节点完成温度混合,式(14)-(15)表示在同一个节点经历温度混合后流入不同管道的流体温度相同:
上式中, 分别表示始端与末端连接节点n的热力管道集合; 分
别表示供热网与回热网中流经热力管道的流体流量;
式(16)-(23)表示储热罐的出力约束;其中,式(16)表示储热罐的总体储热量;式(17)表示储热罐可释放的热量;式(18)表示储热罐内部损失的热量;式(19)表示储热罐内部损失热量的变化;式(20)表示储热罐实际释放的热量;式(21)表示储热罐热量变化的上下限约束;式(22)-(23)表示储热罐内部水层温度与外部热网温度的联系:
上式中, 分别表示储热罐的集合与连接节点n的储热罐集合;
分别表示储热罐的总热量、可释放热量、内部损失热量、
内部损失热量的变化与最大热量变化; 分别表示热水层体积、冷水层体积及混合层的一半体积; 分别表示热水层温度与冷水层温度; 表示储热罐混合层体积的扩张率;
式(24)表示热锅炉放热约束:
上式中 表示热锅炉的集合; 表示热锅炉的最大产热量。
4.根据权利要求1所述电热综合能源系统风电消纳能力评估的方法,其特征在于,在步骤1中,所述电热耦合约束条件包括如下公式:
式(25)-(27)表示多面体可行域下的CHP机组电热耦合出力:
上式中, 表示CHP机组的集合;αgtk表示多面体可行域顶点对应的可行系数;Pgk、Qgk分别表示多面体可行域顶点对应的电出力与热出力;
式(28)-(29)表示电锅炉的出力约束:
上式中, 表示电锅炉的集合; 表示电锅炉的电转热效率; 表示电锅炉的最大耗电量;
式(30)-(31)表示加热站中水泵的耗电约束:
上式中,h表示加热站的序数;Mht表示流经加热站的流体流量;ΔPrht表示加热站中供水网与回水网的压差; 表示加热站中水泵的工作效率; 分别表示水泵
耗电功率的下限与上限。
5.根据权利要求1所述电热综合能源系统风电消纳能力评估的方法,其特征在于,在步骤2中,所建立的凸包不确定集合CHUS具体为:
其中,i与 分别表示凸包顶点的序数与集合;wmti表示凸包顶点对应的风电出力;
表示风电出力的预测值;χi表示凸包顶点对应的可行系数。
6.根据权利要求1所述电热综合能源系统风电消纳能力评估的方法,其特征在于,在步骤3中,所构建的两阶段风电消纳能力评估鲁棒模型具体为:
式(3)-(31),式(33)-(34).}
其中,目标函数(35)是极小化CHUS中的运行风险,包含弃风风险和切负荷风险两部分,分别由 和 表示;
具体地,弃风风险和切负荷风险的表达式如下:
上式中, 和 分别代表弃风项和切负荷项的罚系数;σm,t代表风电的预测误差;
zmt(·)表示预测误差的概率密度函数;
进一步的,为了降低积分表达式所带来的计算负担,式(43)-(44)被近似分选线性化转换为如式(36)-(37)所示;其中, 和 表示常系数;y表示分段的
个数;
式(38)-(39)表示风电可接纳域边界的约束;
式(40)以一对松弛变量作为双层max-min问题的目标函数,同时双层max-min优化模型包含约束式(3)-(31)、式(33)-(34)和式(41)-(42);
和 分别表示正功率不平衡量和负功率不平衡量,它们被添加在约束(41)中检验和 之间的风电不满足系统功率平衡的出力区间。
7.根据权利要求1所述电热综合能源系统风电消纳能力评估的方法,其特征在于,在步骤4中,低维凸包LCH的构建原则如下:
其中,o和 分别指LCH中顶点的序数与集合; 表示LCH的顶点数量;
进一步得出两种不确定集合的关系表示为:
根据式(47),CHUS是ACHUS的子集。
8.根据权利要求1所述电热综合能源系统风电消纳能力评估的方法,其特征在于,在步骤5中,所构建基于最坏场景的等比例伸缩规则表示为:
上式中,c和τ分别表示已进行迭代的总次数与序数; 和 分别表示第τ次
迭代中大于风电预测值的ACHUS顶点集合与小于风电预测值的ACHUS顶点集合; 表示第τ次迭代中ACHUS顶点对应的可行系数; 和 分别代表第τ次迭代中已求取的风电可接纳域的上界与下界; 和 分别代表第c次迭代中即将求取的风电可接纳域的上界与下界。
9.根据权利要求1所述电热综合能源系统风电消纳能力评估的方法,其特征在于,在步骤6中,具体求解过程为:
首先,基于步骤3获得的风电可接纳域边界得到本次迭代中有效的风电历史数据,基于该有效的风电历史数据驱动生成本次迭代的ACHUS;
然后求取两阶段鲁棒模型的下层max-min问题,识别出这组风电可接纳域中基于所生成的ACHUS顶点的最坏场景;
如若不收敛,则更新迭代已求取的最坏场景集合,随后在两阶段鲁棒模型的上层问题中添加约束与变量,并进行基于最坏场景的等比例伸缩,再求取获得新的风电可接纳域边界,准备下一次迭代直至收敛。

说明书全文

一种电热综合能源系统电消纳能评估的方法

技术领域

[0001] 本发明涉及电热综合能源系统技术领域,尤其涉及一种电热综合能源系统风电消纳能力评估的方法。

背景技术

[0002] 目前,由于风电可再生和低清洁的特性,风电在全球电力行业中发挥着越来越重要的作用,但是风电本身的波动性和不确定性给电力系统的决策问题带来了严峻的挑战。针对这一现象,已有一些研究旨在通过构建先进的高级决策体系去应对不确定场景以及安装具有较高操作灵活性的装置弥补不确定因素引起的电力系统运行波动。除此之外,近来有些研究开始关注通过与其它异质能源系统的耦合和协同来提高电力系统应对不确定性的能力,比如电力系统与天然气系统或者区域热力系统之间的耦合,利用天然气或热能易于储存的特性进行能量之间的转化和储存,从而能够调节电力系统中的源荷不平衡,起到充当外部储存设备的功能。然而,天然气系统与区域热力系统亦受到自身安全约束与工作条件的限制,意味着可能有电力系统中的不确定场景仍不能被完全应对。同时考虑到实际应用,在中国东北以及北欧的电热综合能源系统中,热电联产(Combined heat-and-power,CHP)机组承担着热网的主要供热职责,其电功率和热功率的输出具有一定的相关性,因此,受供热的影响电热综合能源系统的部分电功率也会受到限制,这使得电热综合能源系统中的风电消纳能力评估成为一个悬而未决的问题。
[0003] 现有技术针对风电消纳能力问题,提出风电可接纳域的评估指标,采用随机调度或鲁棒调度的方法制定一套总体评估框架,但是随机调度涉及到的随机场景模拟风电不确定性仅能保证对抽样场景的可行性,可能无法应对实际出力偏离抽样场景的情形;而鲁棒调度使用不确定集合表征风电的不确定性,但现有研究中的不确定集合的构建总是忽略了风电出力的时空相关性,没有利用历史数据去挖掘准确的风电不确定特性,这使得最终风电消纳评估结果不够准确,进而影响到整体系统应对不确定性资源的配置成本。

发明内容

[0004] 本发明的目的是提供一种电热综合能源系统风电消纳能力评估的方法,该方法通过历史数据挖掘风电出力的相关性,建立以凸包为不确定集合的两阶段鲁棒优化模型来评估电热综合能源系统的风电消纳能力,使评估结果更加准确,为系统整体配置提供有力支持。
[0005] 本发明的目的是通过以下技术方案实现的:
[0006] 一种电热综合能源系统风电消纳能力评估的方法,所述方法包括:
[0007] 步骤1、首先建立电热综合能源系统模型,所述电热综合能源系统模型包括电力网络约束条件、热力网络约束条件和电热耦合约束条件;
[0008] 步骤2、然后建立基于凸包不确定集合CHUS表示下的风电出力形式,用于表征所述电热综合能源系统模型中的风电出力不确定性;
[0009] 步骤3、根据步骤1所建立的电热综合能源系统模型,构建两阶段风电消纳能力评估鲁棒模型,获得一组满足凸包不确定集合CHUS中所有风电出力不确定性并极小化运行风险的风电可接纳域;
[0010] 步骤4、然后构造一系列的低维凸包LCH,并在高维空间中交汇成一种近似高维凸包不确定集合ACHUS,以保证算法在各维度计算的适用性;
[0011] 步骤5、然后构建基于最坏场景的等比例伸缩规则,使近似高维凸包不确定集合ACHUS顶点对应的可行系数表示的最坏场景与风电可接纳域边界建立联系,从而将ACHUS的动态不确定集合与两阶段鲁棒模型进行结合求解;
[0012] 步骤6、再基于ACHUS的动态不确定集合与两阶段鲁棒模型结合的求解算法,获得新的风电可接纳域边界,并以此进行风电消纳能力评估。
[0013] 由上述本发明提供的技术方案可以看出,上述方法通过历史数据挖掘风电出力的相关性,建立以凸包为不确定集合的两阶段鲁棒优化模型来评估电热综合能源系统的风电消纳能力,使评估结果更加准确,为系统整体配置提供有力支持。附图说明
[0014] 为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
[0015] 图1为本发明实施例提供的电热综合能源系统风电消纳能力评估的方法流程示意图;
[0016] 图2为本发明所举实例进行测试的系统拓扑结构示意图。

具体实施方式

[0017] 下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
[0018] 下面将结合附图对本发明实施例作进一步地详细描述,如图1所示为本发明实施例提供的电热综合能源系统风电消纳能力评估的方法流程示意图,所述方法包括:
[0019] 步骤1、首先建立电热综合能源系统模型,所述电热综合能源系统模型包括电力网络约束条件、热力网络约束条件和电热耦合约束条件;
[0020] 在该步骤中,所述电力网络约束条件包括如下公式:
[0021] 节点功率平衡约束:
[0022]
[0023] 其中,t与b分别表示时刻和母线的序数;Pdt表示负荷需求的电功率,d与 分别表示连接母线b的负荷序数与集合; 表示流经线路的电功率,le与 分别表示连接母线b的线路的序数及线路始端、线路末端的集合; 表示热消耗的电功率,h与 分别表示连接母线b的加热站序数与集合; 表示电锅炉消耗的电功率,s与分别表示连接母线b的热源的序数及电锅炉的集合;Pgt表示发电机的出力,g与分别表示连接母线b的发电机的序数及CHP机组、常规机组的集合; 表示风
电的预测出力,m与 分别表示连接母线b的风电机组序数及集合;
[0024] 发电机的出力约束:
[0025]
[0026] 上式中,ugt表示发电机的运行状态, 与Pg分别表示发电机出力的上限与下限;SCHP、STU分别表示CHP机组与常规机组的集合;
[0027] 发电机的爬坡约束:
[0028]
[0029] 上式中, 分别表示发电机的正爬坡能力与负爬坡能力;
[0030] 式(5)-(6)分别表示线路的传输容量约束:
[0031]
[0032]
[0033] 上式中, 表示线路的传输容量限制; 表示线路的导纳; 与 分别表示线路的始端与末端的相大小。
[0034] 热力网络约束条件包括如下公式:
[0035] 式(7)-(9)表示热转换约束:
[0036]
[0037]
[0038]
[0039] 上式中,Qgt、Qst、Qjt分别表示CHP机组产热量、电锅炉和热锅炉的产热量、换热站的耗热量;c表示流体比热容;Mgt、Mst、Mjt分别表示流过CHP机组、电锅炉和热锅炉、换热站的流体质量; 分别表示供热网与回热网的节点温度; 分别表示连接节点n的CHP机组、电锅炉、热锅炉与换热站的集合;
[0040] 式(10)-(11)表示热力管道的温度降约束:
[0041]
[0042]
[0043] 上式中,lp表示热力管道的序数; 表示流体在热力管道lp的延迟滞留时间;表示热力管道lp的热损失系数; 分别表示供热网中热力管道始端与末端的温度; 分别表示回热网中热力管道始端与末端的温度;Te表示热力管道周围的环境温度
[0044] 式(12)-(15)表示节点温度混合约束,其中式(12)-(13)表示来自不同管道的流体携带不同的温度在同一个节点完成温度混合,式(14)-(15)表示在同一个节点经历温度混合后流入不同管道的流体温度相同:
[0045]
[0046]
[0047]
[0048]
[0049] 上式中, 分别表示始端与末端连接节点n的热力管道集合;分别表示供热网与回热网中流经热力管道的流体流量;
[0050] 式(16)-(23)表示储热罐的出力约束;其中,式(16)表示储热罐的总体储热量;式(17)表示储热罐可释放的热量;式(18)表示储热罐内部损失的热量;式(19)表示储热罐内部损失热量的变化;式(20)表示储热罐实际释放的热量;式(21)表示储热罐热量变化的上下限约束;式(22)-(23)表示储热罐内部水层温度与外部热网温度的联系:
[0051]
[0052]
[0053]
[0054]
[0055]
[0056]
[0057]
[0058]
[0059] 上式中, 分别表示储热罐的集合与连接节点n的储热罐集合;分别表示储热罐的总热量、可释放热量、内部损失热量、内
部损失热量的变化与最大热量变化; 分别表示热水层体积、冷水层体积及混合层的一半体积; 分别表示热水层温度与冷水层温度; 表示储热罐混合层体积的扩张率;
[0060] 式(24)表示热锅炉放热约束:
[0061]
[0062] 上式中SHB表示热锅炉的集合; 表示热锅炉的最大产热量。
[0063] 所述电热耦合约束条件包括如下公式:
[0064] 式(25)-(27)表示多面体可行域下的CHP机组电热耦合出力:
[0065]
[0066]
[0067]
[0068] 上式中,SCHP表示CHP机组的集合;αgtk表示多面体可行域顶点对应的可行系数;Pgk、Qgk分别表示多面体可行域顶点对应的电出力与热出力;
[0069] 式(28)-(29)表示电锅炉的出力约束:
[0070]
[0071]
[0072] 上式中,SEB表示电锅炉的集合; 表示电锅炉的电转热效率; 表示电锅炉的最大耗电量;
[0073] 式(30)-(31)表示加热站中水泵的耗电约束:
[0074]
[0075]
[0076] 上式中,h表示加热站的序数;Mht表示流经加热站的流体流量;ΔPrht表示加热站中供水网与回水网的压差; 表示加热站中水泵的工作效率; 分别表示水泵耗电功率的下限与上限。
[0077] 步骤2、然后建立基于凸包不确定集合(Convex hull based Uncertainty Set,CHUS)表示下的风电出力形式,用于表征所述电热综合能源系统模型中的风电出力不确定性;
[0078] 在该步骤中,现有技术传统的BUS是常见的不确定性量化表示法,它的表达式为:
[0079]
[0080] 式中,wmt表示风电场的实际出力; 分别代表风电场出力的上界与下界。
[0081] 由于气象条件是影响风电不确定性的主要因素,风电出力受其影响具有区域相似性和短期一致性的特点,这表明在相邻风电场或时段内风电不确定性之间存在明显的相关性,同时考虑到一定条件预测误差范围内的历史出力数据,故本申请所建立的凸包不确定集合CHUS表示为:
[0082]
[0083]
[0084] 其中,i与 分别表示凸包顶点的序数与集合;wmti表示凸包顶点对应的风电出力; 表示风电出力的预测值;χi表示凸包顶点对应的可行系数。
[0085] 与传统BUS相比,本申请所建立的CHUS更能体现出风电出力的相关性,并基于历史数据的分布特点减少对不确定集合中的一些不必要场景区域的考虑,从而降低决策的保守性。
[0086] 步骤3、根据步骤1所建立的电热综合能源系统模型,构建两阶段风电消纳能力评估鲁棒模型,获得一组满足凸包不确定集合CHUS中所有风电出力不确定性并极小化运行风险的风电可接纳域;
[0087] 在该步骤中,所构建的两阶段风电消纳能力评估鲁棒模型具体为:
[0088]
[0089]
[0090]
[0091]
[0092]
[0093]
[0094]
[0095]
[0096] 式(3)-(31),式(33)-(34).}
[0097] 其中,目标函数(35)是极小化CHUS中的运行风险,包含弃风风险和切负荷风险两部分,分别由 和 表示;
[0098] 具体地,弃风风险和切负荷风险的表达式如下:
[0099]
[0100]
[0101] 上式中, 和 分别代表弃风项和切负荷项的罚系数;σm,t代表风电的预测误差;zmt(·)表示预测误差的概率密度函数;
[0102] 进一步的,为了降低积分表达式所带来的计算负担,式(43)-(44)被近似分选线性化转换为如式(36)-(37)所示;其中, 和 表示常系数;y表示分段的个数;
[0103] 式(38)-(39)表示风电可接纳域边界的约束;
[0104] 式(40)以一对松弛变量作为双层max-min问题的目标函数,同时双层max-min优化模型包含约束式(3)-(31)、式(33)-(34)和式(41)-(42);
[0105] 和 分别表示正功率不平衡量和负功率不平衡量,它们被添加在约束(41)中检验 和 之间的风电不满足系统功率平衡的出力区间。
[0106] 步骤4、然后构造一系列的低维凸包LCH(Lower-dimension convex hull,LCH),并在高维空间中交汇成一种近似高维凸包不确定集合ACHUS(Approximated convex hull based uncertainty set,ACHUS),以保证算法在各维度计算的适用性;
[0107] 在该步骤中,低维凸包LCH的构建原则如下:
[0108]
[0109]
[0110] 其中,o和 分别指LCH中顶点的序数与集合;|yo|表示LCH的顶点数量;
[0111] 事实上,LCH可以认为是CHUS在不同低维空间的投影,因此,进一步得出两种不确定集合的关系表示为:
[0112]
[0113] 根据式(47),CHUS是ACHUS的子集,相比较CHUS,ACHUS虽然略显保守,但却改善了计算负担且能进行效果展示。
[0114] 步骤5、然后构建基于最坏场景的等比例伸缩规则,使近似高维凸包不确定集合ACHUS顶点对应的可行系数表示的最坏场景与风电可接纳域边界建立联系,从而将ACHUS的动态不确定集合与两阶段鲁棒模型进行结合求解;
[0115] 在该步骤中,所构建基于最坏场景的等比例伸缩规则表示为:
[0116]
[0117] 上式中,c和τ分别表示已进行迭代的总次数与序数; 和 分别表示第τ次迭代中大于风电预测值的ACHUS顶点集合与小于风电预测值的ACHUS顶点集合;Xiτ表示第τ次迭代中ACHUS顶点对应的可行系数; 和 分别代表第τ次迭代中已求取的风电可接纳域的上界与下界; 和 分别代表第c次迭代中即将求取的风电可接纳域的上界与下界。
[0118] 根据上述式(48),ACHUS顶点对应的可行系数表示的最坏场景与风电可接纳域边界建立联系,基于ACHUS的动态不确定集合与两阶段鲁棒模型结合求解的流程因此得到完善。
[0119] 步骤6、再基于ACHUS的动态不确定集合与两阶段鲁棒模型结合的求解算法,获得新的风电可接纳域边界,并以此进行风电消纳能力评估。
[0120] 在该步骤中,具体求解过程为:
[0121] 首先,基于步骤3获得的风电可接纳域边界得到本次迭代中有效的风电历史数据,基于该有效的风电历史数据驱动生成本次迭代的ACHUS;
[0122] 然后求取两阶段鲁棒模型的下层max-min问题,识别出这组风电可接纳域中基于所生成的ACHUS顶点的最坏场景;
[0123] 如若不收敛,则更新迭代已求取的最坏场景集合,随后在两阶段鲁棒模型的上层问题中添加约束与变量,并进行基于最坏场景的等比例伸缩,再求取获得新的风电可接纳域边界,准备下一次迭代直至收敛。
[0124] 下面以具体的实例对上述方法进行测试与结果分析,本实例采取改进的IEEE 6节点电力系统与9节点热力系统耦合而成的联合系统进行相关研究内容测试,如图2所示为本发明所举实例进行测试的系统拓扑结构示意图,基于图2:
[0125] 1)热力系统耦合测试
[0126] 考虑热力系统耦合对风电消纳评估结果的影响,本测试基于一系列二维凸包组成的ACHUS和BUS两种不确定集合分别在电力系统与电热综合能源系统中展开,具体事例设置如下:
[0127] Case 1:BUS+电力系统
[0128] Case 2:BUS+电热综合能源系统
[0129] Case 3:ACHUS+电力系统
[0130] Case 4:ACHUS+电热综合能源系统
[0131] 如下表1所示,Case 1的运行风险要高于Case 2的运行风险,Case 3的运行风险高于Case 4的运行风险。说明对于ACHUS和BUS,考虑热力系统的耦合后均能够有效提高电力系统的灵活性,从而降低风电消纳的运行风险。同时表1亦可反映出ACHUS下的运行风险总是低于BUS下的运行风险,侧面说明ACHUS相比较传统的BUS能够改善决策的保守性从而降低运行风险。
[0132] 表1 Case 1-4的运行风险($)
[0133]
[0134] 2)数据相关性测试
[0135] 为了验证数据相关性研究对风电消纳能力评估的改善,本测试在正相关、负相关和不相关三种情况下构建不确定集合评估风电场24小时的消纳能力。同时不确定集合由ACHUS和BUS共同构成,ACHUS仍采用一系列二维凸包组成,根据不同数目的二维凸包构成的ACHUS与不同维度的BUS,设置以下事例:
[0136] Case 5:24维的BUS
[0137] Case 6:4个二维凸包构成ACHUS与16维的BUS
[0138] Case 7:8个二维凸包构成ACHUS与8维的BUS
[0139] Case 8:12个二维凸包构成的ACHUS
[0140] 根据表2可知,三种数据分布情况下,不确定集合由Case 5到Case 8考虑的数据相关性越强,而运行风险由Case 5到Case 8逐步减少,说明随着ACHUS的应用维度增加,此时的不确定集合更能紧密表征风电的不确定性出力,由于减少了对一些冗余场景的考虑应对从而降低了决策的保守性,弱化了对不确定性应对资源的配置要求。
[0141] 表2 Case 5-8的运行风险($)
[0142]
[0143] 值得注意的是,本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
[0144] 以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈