一种可考虑新能源极端出力特性的多能源外送基地规划方法

技术领域

本发明属于电力系统规划领域，具体涉及一种可考虑新能源极端出力特性的多能源外送基地规划方法。

背景技术

随着新能源占比逐渐增大，新能源的随机波动性对外送基地规划的影响越来越大。传统的外送基地电源规划常用典型日方法，做全年的规划时，仅选取少数典型日参与规划计算。但典型日的选取缺乏对所涵盖的总量与分布特性、典型性及极端性等的综合考量，导致所获得的典型日不足以较好地代表原始数据。因而，基于全年8760h逐小时的时序运行模拟，是应对新能源随机波动性下外送基地电源规划的有效技术手段。

此外，新能源发电受局地气候条件的影响，呈现出间歇性、波动性和不稳定性的特点。短时间、高频次的气象条件波动会对风光发电设施的发电效率与出力产生显著影响。近年来极端气候事件呈现出"多发、频发、强发、并发"的趋势，严重制约了风光资源的有效利用。由此引发的风光资源气候风险(例如低风速和低太阳辐射同时出现时的“无风无光”天气)将严重制约风光发电的稳定性和可靠性，进而威胁地区供电安全。此外，当前大多数研究在规划中欠缺对新能源预测误差(即随机性)的考虑，将影响规划结果的准确性。因此，在规划新能源系统时必须全面考虑新能源极端出力特性与预测误差，以充分评估和满足系统在典型场景与极端场景下的电力需求。

考虑新能源极端出力特性与预测误差，基于全年逐小时运行模拟进行外送基地电源规划，需要针对多类型电源规划方案进行长时间、多场景的生产模拟，该类问题往往含有多个整数变量，求解时段及整数变量个数的增长将大大降低求解效率，因此还需要提出模拟加速策略。

发明内容

本发明的目的在于针对多能源外送基地电源规划研究的不足，考虑新能源极端出力特性与预测误差，提供一种计及全年逐小时运行模拟的多能源外送基地电源高效规划方法。具体而言，建立一种以年投资成本和运行成本之和最小为目标，考虑新能源极端出力特性与预测误差的风光水火储多能源基地规划模型，并针对模型求解较慢的问题，采用“机组聚合+整数变量削减”的方式提高计算效率，具有实际应用价值。

为实现上述目的，本发明采用的技术方案是：

一种可考虑新能源极端出力特性的多能源外送基地规划方法，包括：

收集整理多能源外送基地规划所需数据：多类型电源和外送线路相关参数和新能源历史出力数据；

建立计及风光水火储多类型电源和直流外送线路全年8760h逐小时运行模拟的规划模型，并采用混合整数规划方法求解。

本发明进一步的改进在于，收集整理多能源外送基地规划所需数据中，多类型电源包括风电、光伏、火电、水电、抽蓄和电池，外送线路相关参数包括：1)规划相关参数：(1)各类型电源的单位装机投建成本；(2)外送线路的单位长度投建成本；2)运行相关参数：(1)火电：燃煤成本、启停成本、机组出力上下限和爬坡速率；(2)水电：各周预想出力和强迫出力、爬坡速率和周水量；(3)电池：最小充电功率、荷电状态的最大和最小值、自放电率和充放电效率；(4)抽蓄：抽水和发电效率；(5)新能源：历史风电和光伏8760h时序功率曲线。

本发明进一步的改进在于，计及风光水火储多类型电源和直流外送线路全年8760h逐小时运行模拟的规划模型包括：1)目标函数为年化投资成本和全年运行成本之和，全年运行成本由火电运行成本和新能源弃电惩罚构成；2)多能源外送基地规划约束包括：风光水火储待建容量的上限约束和新能源装机占比约束；3)多能源外送基地电源运行约束包括：火电出力限值约束和爬坡约束、水电出力限制约束和爬坡约束、周水量约束、电池和抽蓄的功率限值约束与能量约束；4)多能源外送基地直流线路运行约束包括：直流传输容量限值约束、外送电量中新能源电量占比约束、直流功率爬坡约束、直流恒定运行时长约束、直流每日功率调峰范围约束、直流输电量约束和直流连续日功率固定约束。

本发明进一步的改进在于，能量约束包括储能限值约束、初末态约束和不跨周期约束。

本发明进一步的改进在于，在建立的计及风光水火储多类型电源和直流外送线路全年8760h逐小时运行模拟的规划模型基础上，同时考虑新能源出力预测误差；具体而言，基于所收集的新能源历史出力数据形成新能源逐小时随机多场景出力，进而将规划模型中的新能源出力模型调整为可计及新能源预测误差的新能源出力模型；

新能源逐小时随机多场景出力生成的方式为：将风电和光伏的时序功率曲线上的每个数据点与相应的风电和光伏预测误差的概率分布叠加，抽样形成多个离散场景对风电、光伏出力的概率密度函数近似，即形成风电和光伏逐小时随机多场景出力数据，每个出力场景有对应的概率值；

计及预测误差的新能源弃电风险计算方法为：

式中，s为风电场景标号，π

本发明进一步的改进在于，在建立的计及风光水火储多类型电源和直流外送线路全年8760h逐小时运行模拟的规划模型基础上，同时考虑新能源极端出力特性，具体而言，考虑低风速和低太阳辐射同时出现时的连续多日“无风无光”极端天气，对规划模型进行改进，从而保证规划方案在极端场景下的可行性；改进方式为：输入无风无光场景的持续天数、开始日期，设置一组极端场景下的运行变量，包括火电开机台数

本发明进一步的改进在于，通过“机组聚合+整数变量削减”方法提升计算效率，具体而言，对火电机组进行聚合，将一系列相似的火电机组等效为多台参数和运行行为完全一致的机组，从而用一组表示启停状态的整数变量代替多组0-1变量，减少变量个数；进一步，对表示启停状态的整数变量进行削减；实际运行中，火电机组在一天之内启停次数不会超过1次，因此将每小时1个的整数变量

本发明进一步的改进在于，最终求解得到的多能源外送基地规划方案包括：风光水火储多类型电源的装机容量和外送线路容量。

与现有的多能源基地电源规划方法相比，本发明至少具有如下有益的技术效果：

本发明建立了计及全年8760h逐小时运行模拟的外送基地规划模型，并在此基础上，考虑低风速和低太阳辐射同时出现时的连续多日“无风无光”极端天气，从而保证规划方案在极端场景下的可行性；考虑新能源出力预测误差，从而保证规划方案兼顾新能源随机性；进一步，通过“机组聚合+整数变量削减”方法，显著提升计算效率。相较于已有方法，本发明更加全面完整地构建了多能源外送基地规划方法，能够得到兼顾新能源极端出力特性与随机性的外送基地规划方案，对于加速新能源开发和能源转型，推动实现“双碳”目标具有重要作用，能填补已有研究尚未关注的空白。

附图说明

图1为风光水火储基地与外送线路示意图。

图2为风电多场景出力示意图。

图3为本发明的整体流程。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

本发明提供的一种计及全年逐小时运行模拟的多能源外送基地电源高效规划方法，包括以下步骤：

步骤一：收集整理多能源外送基地规划所需数据：多类型电源和外送线路相关参数、新能源历史出力数据。

其中，多类型电源包括风电、光伏、火电、水电、抽蓄、电池，相关参数包括：1)规划相关参数：(1)各类型电源的单位装机投建成本；(2)外送线路的单位长度投建成本；2)运行相关参数：(1)火电：燃煤成本、启停成本、机组出力上下限和爬坡速率；(2)水电：各周预想出力和强迫出力、爬坡速率和周水量；(3)电池：最小充电功率、荷电状态(SOC)的最大和最小值、自放电率和充放电效率；(4)抽蓄：抽水和发电效率；(5)新能源：历史风电和光伏8760h时序功率曲线(标幺值形式)。

步骤二：建立计及风光水火储多类型电源和直流外送线路全年8760h逐小时运行模拟的规划模型。(如图1所示)

1)规划模型的目标函数为年化投资成本C

min Z＝C

C

式中，C

全年运行成本C

其中，N

若以单个火电机组为对象进行火电建模，则会引入多个表示机组各时刻启停状态的0-1变量，严重影响计算速度。假设规划投建的火电机组的参数一致，因此可进一步采取机组聚合法，将多台火电机组视为一个整体进行建模，用一组整数变量代替多组0-1变量，从而提高计算效率。火电机组聚合后的全年运行成本计算公式由式(4)变为：

其中，

2)多能源外送基地规划约束

多类型电源待建容量的约束如下所示。

P

P

P

P

P

P

P

P

P

其中，N

3)多能源外送基地运行约束

(1)火电运行约束

火电运行约束包括出力上下限约束与爬坡约束。

其中，

(2)水电运行约束

水电机组的运行约束与火电机组类似，包括出力上下限约束与爬坡约束，此外还有周水量约束。

其中，

(3)电池运行约束

电池运行约束包括功率限值约束与能量约束。

功率限值约束中，

能量约束包括储能限值约束(27)、初末态约束(28)(以一个周期为例)、不跨周期约束(29)(以一个周期为例)。SOC

(4)抽蓄运行约束

抽蓄机组可分为恒速恒频和变速恒频两种。与恒速恒频机组相比，变速机组转速可变，抽水功率连续可调，运行区间更广、调节速度更快，具有更显著的灵活性。因此本研究选用变速恒频抽蓄机组进行建模，满足功率限值约束、储能限值约束、初末态约束(以一个周期为例)，以及不跨周期约束(以一个周期为例)。式中变量含义与电池类似，仅是上下标类型差异。

(5)直流外送线路运行约束

设第d日第t时刻外送线路传输功率为TP

TP

其中，TP

同时提升新能源在电力能源结构中的占比，因此希望外送线路中新能源电量具有一定的占比(如γ

此外，外送线路运行约束还包含直流功率爬坡约束、直流恒定运行时长约束、直流每日功率调峰范围约束、直流输电量约束、直流连续日功率固定约束。

TP

TP

其中，d和i表示日序号；

至此，计及风光水火储多类型电源和直流外送线路全年8760h逐小时运行模拟的规划模型已建立，可采用混合整数规划方法求解。

步骤三：基于新能源历史出力数据形成新能源逐小时随机多场景出力，将规划模型中的新能源出力模型调整为可计及新能源预测误差的新能源出力模型。

将风电和光伏的时序功率曲线上的每个数据点与相应的风电和光伏预测误差的概率分布相叠加，可以根据误差的大小对功率分布进行调整，反映新能源预测的准确性对系统运行的影响。

为便于计算分析，抽样形成多个离散场景对风电、光伏出力的概率密度函数近似，即形成风电、光伏逐小时随机多场景出力数据(标幺值形式)。以风电多场景出力为例，示意图如图2，并且每个出力场景有对应的概率值。

设t时刻风电、光伏实际出力分别为

基于风电、光伏各时刻的多场景出力，可对系统运行中的弃风、弃光风险进行评估，则t时刻的弃风、弃光风险为

式中，s为风电场景标号，π

全年的弃风、弃光总电量即为各时刻弃风、弃光风险之和。

E

根据本步骤中建立的新能源出力模型，对应调整步骤二中的规划模型。

步骤四：考虑低风速和低太阳辐射同时出现时的连续多日“无风无光”极端天气，在建模中考虑新能源极端出力特性，从而保证规划方案在极端场景下的可行性。

输入无风无光场景的持续天数、开始日期，设置一组极端场景下的运行变量(带*表示极端场景，不带*表示常规场景)，包括火电开机台数

……

将上述约束称为极端场景与常规场景的连接约束。

极端场景下的运行约束，是将步骤二约束中的运行变量替换为极端场景下的运行变量，以极端场景下的水电出力上下限约束为例，将约束改写为：

同理将约束(16)-(35)进行改写。

对于极端场景下的外送线路运行约束，将式(36)-(37)改写为

对于新能源占比较高的基地，在无风无光的极端场景下，往往难以保证外送功率达到常规场景的外送功率水平，因此可将

再将式(39)-(42)相应改为：

自此，计及预测误差和极端场景的多能源外送基地规划模型已构建完毕。

步骤五：针对模型中机组类型多、时间跨度长、整数变量多，导致规划模型求解效率不高的问题，通过“机组聚合+整数变量削减”方法，提高计算效率。

在步骤二的目标函数和火电运行约束中已经进行了火电机组聚合的处理，在本步骤中进一步说明对火电机组运行约束中整数变量个数的削减。由于火电机组启停成本高，在实际运行中往往不希望其频繁启停。实际运行中，火电机组在一天之内启停次数不会超过1次，因此可将每小时1个的整数变量

目标函数中的启停成本计算式改为

常规场景下的火电运行约束改为

极端场景下的火电开机台数连接约束改为

极端场景下的火电运行约束改为

步骤六：采用“matlab+yalmip+gurobi”联合求解上述模型，得到多能源外送基地规划方案。

下面以一个算例说明本方法实施流程。

算例中的新能源数据来源于某大型新能源基地2020年实际出力数据。风电、光伏的年利用小时数分别为2837、1332。火电投建成本500万元/MW，燃煤成本为0.023万元/MWh，每台火电机组的装机是660MW，最小技术出力是130MW。水电投建成本1000万元/MW，最小技术出力为装机的40％。抽蓄投建成本为550万元/MW，抽水和发电效率均为75％。电池配置成本为20万元/MWh，SOC的最大值和最小值分别为0.9和0.1，自放电率为5％，充放电效率均为90％。设外送输电线路为特高压直流线路，容量8000MW。以上投资成本数值均为现值，采用等年值法转化为年投资成本时，年利率为0.05，风电、光伏、火电、水电、抽蓄、电池和线路的投资回收期分别为20年、25年、40年、50年、50年、10年以及20年。外送曲线制定满足通道利用小时数不低于4500小时、新能源电量占比不低于50％、新能源利用率不低于90％、保障率为10％。由于电力系统典型的日负荷曲线变化趋势可按照每8h划分为低高中三段，设置外送曲线日内最小稳定运行时长为8h，按照低高中趋势运行。

规划模型以1h为步长，设火电每周最多启停1次，开展水平年内8760h逐时段运行模拟。设风光出力曲线预测误差均为10％。鉴于中国目前“无风无光”事件分布在秋季出现时间占比最大，部分地区年均最长持续时长可达120h～240h。因此算例中设置10月1日～10月3日(一年中的第274～276天)可能出现连续“无风无光”的极端场景，极端场景下的每小时的最低外送要求是800MW(满足10％保障率要求)。

1)基础算例结果

表1为基础算例的多能源外送基地规划方案。

在此规划方案中，外送通道利用小时数为4600小时，新能源弃电率8.7％，新能源装机占比81.6％，新能源电量占比70％。

2)与基于典型日规划方法的对比

若规划模型仅基于全年部分典型日开展运行模拟，所得规划方案与基础算例的对比如表2所示。为了反映新能源出力季节特性，从四个季节各选1个典型日，认为极端场景可能发生在秋季典型日中。

表2基于典型日的规划方案与基础算例方案对比

由表2可见，典型日法求解出的规划方案中，所需配置的新能源机组、常规机组、储能机组的装机容量均比基础算例方案少，因而总成本更低。进而，将典型日法的规划方案代入8760h逐小时运行模拟模型进行计算，无解。可见典型日法求解结果无法满足基地逐小时运行的外送需求。尽管计及全年逐小时运行模拟的规划模型求解时间为239s，远大于典型日法的5s，但求解得到的规划结果比典型日法更准确。

3)新能源预测误差考虑前后对比

表3考虑新能源预测误差前后的规划方案对比

由表3可知，考虑预测误差后，新能源装机容量增多，常规电源和储能装机减少。将不考虑预测误差得到的规划方案，代入考虑预测误差的运行模拟中，无解。可见考虑预测误差得到的规划方案更准确，同时更节约成本。

4)极端场景考虑前后对比

表4考虑新能源极端场景前后的规划方案对比

由表4可见，考虑极端场景后，新能源配置减少，常规电源和储能的配置增多。进一步，用不考虑极端场景约束规划模型中得到的规划方案跑含极端场景下的运行模拟，无解，说明未计及极端场景模型的规划结果无法在多日无风无光的情形下保供。

5)整数变量削减前后对比

由于已有许多研究进行了机组聚合前后的加速效果对比，因此下面主要进行整数变量削减前后的效果对比。

表5整数变量削减前后的规划方案对比

表5中比较了每小时1个、每日1个、每周1个以及每月1个整数变量的求解结果与时间。可见，整数变量削减法可以在0.05％成本误差范围内，显著提升计算效率。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案，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揭露的范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都属于本发明的保护范围。