考虑供需灵活性量化的源-荷-储多时间尺度协同优化方法

技术领域

本发明涉及新型电力系统灵活性评估领域，特别是涉及一种供需灵活性量化的源-荷-储多时间尺度协同优化方法。

背景技术

在以可再生能源为主体的新型电力系统中，高渗透新能源发电的随机性、间歇性等导致电力系统的运行难度剧增，传统机组的灵活性供给能力不能应对现有的灵活性需求，因此需要进行新型电力系统的灵活性研究；国际能源署定义电力系统灵活性：“在一定经济运行条件下，电力系统对供应或负荷大幅波动做出快速响应的能力”；现有技术中，电力系统灵活性一直难以具体量化，且多种灵活性资源之间的合作优化效应也需考虑；因此，需要设计一种考虑供需灵活性量化的源-荷-储多时间尺度协同优化方法来解决上述问题。

发明内容

本发明所要解决的技术问题是提供考虑供需灵活性量化的源-荷-储多时间尺度协同优化方法，包含中期运行模拟、短期运行模拟和超短期运行模拟三个阶段，解决了现有技术电力系统灵活性一直难以具体量化，且多种灵活性资源之间的合作优化效应难以计量的问题。

为实现上述技术效果，本发明所采用的技术方案是：

考虑供需灵活性量化的源-荷-储多时间尺度协同优化方法，包括以下步骤：

S1，获取电力系统的基础数据，包括新能源历史出力数据、负荷数据、各火电机组信息和灵活性资源信息；

S2，建立电力系统供需灵活性量化模型，分别对灵活性需求侧与供给侧进行量化；

S3，建立多时间尺度运行模拟模型，包含典型周、典型日和典型时段运行模拟三个阶段；通过供电可靠约束保证系统安全运行，同时利用灵活性容量、调峰容量和爬坡剩余容量在不同时间尺度上逐级细化，以考虑系统的实时灵活性需求；

S4，对模型进行求解并利用松弛技术提高计算的鲁棒性。

优选地，步骤S2中，需求侧量化对象包括风电、光伏类可再生能源和负荷；考虑多时间尺度波动特性的灵活性需求量化为：

考虑可再生能源出力受到天气条件等不确定性的影响和优先消纳可再生能源的需求，故将可再生能源出力与负荷按时序关系对应叠加等效为净负荷：

P

其中，P

F

其中，P

优选地，步骤S2中，考虑多时间尺度波动特性的灵活性供给量化包括：

为了高效、精准地匹配各时间尺度下的灵活性需求，根据源-荷-储灵活性资源机组多时间尺度出力特性，将灵活性机组划分为三类，分别是以电力电子储能设备、需求侧可控负荷以及灵活性改造后的火电机组为代表的分钟级、刻钟级和小时级灵活调节机组；

电力系统中的常规机组以火电机组为主，其具有选址灵活，建设周期短，技术完善等优点，但其受限于调度指令而导致爬坡速率低，只能提供有限的灵活性供给，灵活性调节能力较差；

常规机组灵活性供给表示为：

其中，

常规火电机组无法频繁迅速地调节出力状态，改造后的火电机组具有最低技术出力低、爬坡速度快等优势，能够参与小时级等其他时间尺度下的灵活性调节；

灵活性改造机组的灵活性供给表示为：

其中，

新型电力系统在需求侧的灵活性主要来源于电力负荷需求响应，本文系统负荷资源以可控负荷为主，又分为可转移负荷和可中断负荷；二者可同时实现10分钟级和中长期等不同时间尺度的反应，迅速适应系统需求侧的变化要求，提高电力系统灵活性；可控负荷的灵活性供给表示为：

其中，

储能技术与新能源相结合，能够显著提高新能源的利用率，实现削峰填谷、平滑负荷等功能，同时还能提高电力系统稳定性。且储能装置响应速度快(可以在短时间尺度内频繁进行充放电)、安装位置灵活，适用于抑制1～15分钟内的低能量、高频率的随机波动，成为快速调节的灵活性资源之一；

储能装置的灵活性供给表示为：

整合系统于时段t的向上、向下灵活性供给能力如下式所示：

式中，

优选地，步骤S2中，建立电力系统供需灵活性量化模型时，引入在t时段系统的向上、向下灵活性裕量，以满足灵活性供需平衡机理：

其中，

灵活性供需平衡是指在任何时刻、任何时间尺度下及任何方向上，系统中总的灵活性资源供给要比灵活性需求充裕，即供给水平一定要高于需求水平，算式如下：

F

其中，F

优选地，步骤S3中，多时间尺度运行模拟模型包含中期即典型周运行模拟、短期即典型日运行模拟和超短期即典型时段运行模拟三个阶段；各时间尺度目标函数包括：

S301，建立典型周运行模拟模型：

以多源电厂机组与源-荷-储灵活性资源的调度出力为决策变量，其机组组合作为典型日运行模拟阶段的输入；在考虑净负荷时序波动特性时，使用时序随机运行模拟方法，以周为时间尺度模拟电力系统运行来处理高比例新能源并网的中期随机波动；

以综合成本最小化为目标制定发电计划，为了兼顾环保性和经济性并校验供电可靠性，特别将碳交易收益和新能源弃电惩罚成本纳入优化目标：

minC

其中，C

新能源弃电惩罚成本：

其中，Ω

环境以及燃料成本：

将火电机组燃煤所产生的CO

其中，Ω

生产运维成本：

生产运维成本包含火电机组发电与启停成本C

其中，

碳交易收益：

B

其中，E

S302，建立典型日运行模拟模型：

短期即典型日运行模拟阶段，侧重系统的运行灵活性；在典型日运行的模拟过程中，假设常规机组的开关机状态保持不变，因此不需要考虑机组的运行成本和开关机成本；选取夏季典型周中净负荷时序波动变化最大日作为典型日，逐小时校验灵活性供需平衡：

其中，C

灵活性不足惩罚成本：

其中，v

灵活性资源响应成本：

式中，P

灵活性资源调用补偿成本：

其中，Ω

S303，建立典型时段运行模拟模型：

超短期即典型时段运行模拟阶段，充分调动源-荷-储灵活性资源，侧重系统的短时调峰、爬坡能力；针对短期运行模拟中调节资源短缺时段或者部分典型时段以5min为时间分辨率进行超短期运行模拟，将电力系统灵活性细化到短时调峰和爬坡，并引入调峰、爬坡容量不足惩罚成本：

其中，C

调峰不足惩罚成本：

其中，

爬坡不足惩罚成本：

其中，

优选地，步骤S3中，利用灵活性容量、调峰容量和爬坡剩余容量在不同时间尺度上逐级细化，以考虑系统的实时灵活性需求中，不同时间尺度约束条件包括：

典型周运行模拟模型中，系统满足供电可靠性约束、电源机组运行约束、功率平衡约束、需求响应运行约束和储能运行约束：

功率平衡约束：

其中，P

电源机组运行约束：

a.电源出力约束：

b.火电机组爬坡极限约束：

c.火电机组启停时间及状态约束：

其中，

和/>

储能运行约束：

a.储存电量及平衡约束：

b.充放电功率约束：

P

其中，η

需求响应运行约束：

a.响应潜力约束：

b.运行约束：

其中，

供电可靠性约束：

L

其中，L

典型日运行模拟模型中，除典型周运行模拟阶段涉及的约束外，还需要考虑灵活性供需平衡约束，即步骤S2中的灵活性供需平衡机理；

典型时段运行模拟模型中，除典型日的约束条件外，还需要考虑超短期运行模拟中可能会出现灵活资源爬坡容量不足的情况，对爬坡约束进行松弛，以确保模拟的准确性：

其中，P

进一步地，多时间尺度运行模拟属于混合整数线性规划问题，通过“多级优化，逐级细化”的求解方法和松弛技术提高计算的鲁棒性。

本发明提供的考虑供需灵活性量化的源-荷-储多时间尺度协同优化方法的有益效果如下：

1，本发明提供的一种多时间尺度协同优化方法，多时间尺度运行模拟模型包含中期典型周运行模拟、短期典型日运行模拟和超短期典型时段运行模拟三个阶段，有效解决了现有技术电力系统灵活性一直难以具体量化，且多种灵活性资源之间的合作优化效应难以计量的问题；

2，本发明提供了一种“多级优化，逐级细化”的求解方法和松弛技术来应对多时间尺度运行模拟此类混合整数线性规划问题并提高计算的鲁棒性。

附图说明

图1为本发明提供的一种多时间尺度系统优化运行框架图。

图2为本发明提供的一种多时间尺度协同求解流程图。

图3为本发明提供的一种新型电力系统结构图。

图4为本发明提供的一种典型日运行模拟机组出力图。

图5为本发明提供的一种典型时段运行模拟机组出力图。

图6为本发明提供的不同场景下典型日上、下调灵活性容量图。

图7为本发明提供的不同场景下典型时段上、下调峰容量图。

图8为本发明提供的不同场景下典型时段上、下爬坡剩余容量图。

具体实施方式

实施例一：

如图1所示，考虑供需灵活性量化的源-荷-储多时间尺度协同优化方法，包括以下步骤：

S1，获取电力系统的基础数据，包括新能源历史出力数据、负荷数据、各火电机组信息和灵活性资源信息；

S2，建立电力系统供需灵活性量化模型，分别对灵活性需求侧与供给侧进行量化；

S3，建立多时间尺度运行模拟模型，包含典型周、典型日和典型时段运行模拟三个阶段；通过供电可靠约束保证系统安全运行，同时利用灵活性容量、调峰容量和爬坡剩余容量在不同时间尺度上逐级细化，以考虑系统的实时灵活性需求；

S4，对模型进行求解并利用松弛技术提高计算的鲁棒性。

优选地，步骤S2中，需求侧量化对象包括风电、光伏类可再生能源和负荷；考虑多时间尺度波动特性的灵活性需求量化为：

考虑可再生能源出力受到天气条件等不确定性的影响和优先消纳可再生能源的需求，故将可再生能源出力与负荷按时序关系对应叠加等效为净负荷：

P

其中，P

F

其中，P

优选地，步骤S2中，考虑多时间尺度波动特性的灵活性供给量化包括：

为了高效、精准地匹配各时间尺度下的灵活性需求，根据源-荷-储灵活性资源机组多时间尺度出力特性，将灵活性机组划分为三类，分别是以电力电子储能设备、需求侧可控负荷以及灵活性改造后的火电机组为代表的分钟级、刻钟级和小时级灵活调节机组；

电力系统中的常规机组以火电机组为主，其具有选址灵活，建设周期短，技术完善等优点，但其受限于调度指令而导致爬坡速率低，只能提供有限的灵活性供给，灵活性调节能力较差；

常规机组灵活性供给表示为：

其中，

常规火电机组无法频繁迅速地调节出力状态，改造后的火电机组具有最低技术出力低、爬坡速度快等优势，能够参与小时级等其他时间尺度下的灵活性调节；

灵活性改造机组的灵活性供给表示为：

其中，

新型电力系统在需求侧的灵活性主要来源于电力负荷需求响应，本文系统负荷资源以可控负荷为主，又分为可转移负荷和可中断负荷；二者可同时实现10分钟级和中长期等不同时间尺度的反应，迅速适应系统需求侧的变化要求，提高电力系统灵活性；可控负荷的灵活性供给表示为：

其中，

储能技术与新能源相结合，能够显著提高新能源的利用率，实现削峰填谷、平滑负荷等功能，同时还能提高电力系统稳定性。且储能装置响应速度快(可以在短时间尺度内频繁进行充放电)、安装位置灵活，适用于抑制1～15分钟内的低能量、高频率的随机波动，成为快速调节的灵活性资源之一；

储能装置的灵活性供给表示为：

整合系统于时段t的向上、向下灵活性供给能力如下式所示：

式中，

优选地，步骤S2中，建立电力系统供需灵活性量化模型时，引入在t时段系统的向上、向下灵活性裕量，以满足灵活性供需平衡机理：

其中，

灵活性供需平衡是指在任何时刻、任何时间尺度下及任何方向上，系统中总的灵活性资源供给要比灵活性需求充裕，即供给水平一定要高于需求水平，算式如下：

F

其中，F

优选地，步骤S3中，多时间尺度运行模拟模型包含中期即典型周运行模拟、短期即典型日运行模拟和超短期即典型时段运行模拟三个阶段；各时间尺度目标函数包括：

S301，建立典型周运行模拟模型：

以多源电厂机组与源-荷-储灵活性资源的调度出力为决策变量，其机组组合作为典型日运行模拟阶段的输入；在考虑净负荷时序波动特性时，使用时序随机运行模拟方法，以周为时间尺度模拟电力系统运行来处理高比例新能源并网的中期随机波动；

以综合成本最小化为目标制定发电计划，为了兼顾环保性和经济性并校验供电可靠性，特别将碳交易收益和新能源弃电惩罚成本纳入优化目标：

minC

其中，C

新能源弃电惩罚成本：

其中，Ω

环境以及燃料成本：

将火电机组燃煤所产生的CO

其中，Ω

生产运维成本：

生产运维成本包含火电机组发电与启停成本C

其中，

碳交易收益：

B

其中，E

S302，建立典型日运行模拟模型：

短期即典型日运行模拟阶段，侧重系统的运行灵活性；在典型日运行的模拟过程中，假设常规机组的开关机状态保持不变，因此不需要考虑机组的运行成本和开关机成本；选取夏季典型周中净负荷时序波动变化最大日作为典型日，逐小时校验灵活性供需平衡：

其中，C

灵活性不足惩罚成本：

其中，v

灵活性资源响应成本：

式中，P

灵活性资源调用补偿成本：

其中，Ω

S303，建立典型时段运行模拟模型：

超短期即典型时段运行模拟阶段，充分调动源-荷-储灵活性资源，侧重系统的短时调峰、爬坡能力；针对短期运行模拟中调节资源短缺时段或者部分典型时段以5min为时间分辨率进行超短期运行模拟，将电力系统灵活性细化到短时调峰和爬坡，并引入调峰、爬坡容量不足惩罚成本：

minC

其中，C

调峰不足惩罚成本：

其中，

爬坡不足惩罚成本：

其中，

优选地，步骤S3中，利用灵活性容量、调峰容量和爬坡剩余容量在不同时间尺度上逐级细化，以考虑系统的实时灵活性需求中，不同时间尺度约束条件包括：

典型周运行模拟模型中，系统满足供电可靠性约束、电源机组运行约束、功率平衡约束、需求响应运行约束和储能运行约束：

功率平衡约束：

其中，P

电源机组运行约束：

a.电源出力约束：

b.火电机组爬坡极限约束：

/>

c.火电机组启停时间及状态约束：

其中，

储能运行约束：

a.储存电量及平衡约束：

b.充放电功率约束：

P

其中，η

需求响应运行约束：

a.响应潜力约束：

b.运行约束：

其中，

供电可靠性约束：

L

其中，L

典型日运行模拟模型中，除典型周运行模拟阶段涉及的约束外，还需要考虑灵活性供需平衡约束，即步骤S2中的灵活性供需平衡机理；

典型时段运行模拟模型中，除典型日的约束条件外，还需要考虑超短期运行模拟中可能会出现灵活资源爬坡容量不足的情况，对爬坡约束进行松弛，以确保模拟的准确性：

其中，P

实施例二：

如图2所示，多时间尺度运行模拟属于混合整数线性规划问题，通过“多级优化，逐级细化”的求解方法和松弛技术提高计算的鲁棒性，流程包括：

步骤一、选取模拟周期T，t＝0开始模拟；

步骤二、新能源时序出力从负荷时序曲线中削减，获得净负荷时序曲线；

步骤三、选取净负荷时序波动最大的夏、冬两个季度的代表周构成周时间尺度，采用时序随机成产模拟方法模拟电力系统实际调度运行；

步骤四、计算发电机组的发电量、弃电量、运行成本和可靠性指标；

步骤五、进行条件判断t≤T，结果为是，则进入步骤六，结果为否，则回到步骤一；

步骤六、进行可靠性评估判断，结果为是，则进入步骤七，结果为否，则调整系统备用率，并回到步骤一；

步骤七、净负荷时序波动最大的典型日进行生产模拟，基于灵活性供需平衡约束，计及灵活性不足惩罚成本和调节收益，建立灵活性校验模型；

步骤八、进行灵活性需求判断，结果为是，则进入步骤九，结果为否，则调整小时级响应灵活性资源，并回到步骤一；

步骤九、选取短期生产模拟中调节资源短缺时段，以刻钟为时间步长，计及调峰、爬坡容量不足惩罚成本，充分调动源荷储灵活性资源；

步骤十、进行调峰、爬坡需求判断，结果为是，则进入步骤十一，结果为否，则调整分钟级响应灵活性资源，并回到步骤一；

步骤十一、输出最优电源及灵活性资源协同运行方案及灵活性容量。

如图3所示，具体实施案例参照中国西北某区域电网，现有电源装机总容量为7461MW，该电源系统火电装机地位减弱，其装机规模为3724MW，占总装机容量的50％，光伏、风电等可再生能源比重较大，其装机规模为2602MW。分别占装机总容量的16％和19％。采用MATLAB工具箱YALMIP进行建模，使用求解器CPLEX对模型进行求解。

根据负荷、风、光的历史实际运行数据来生成模拟数据，常规火电和灵活性资源的参数见下表1所示：

表1：电源机组和灵活性资源参数

运行结果与分析：

如图4所示，为典型日运行模拟结果图，该图显示了各个机组的实时出力情况；结果表明：日内峰谷差减小、负荷曲线更加平滑，灵活性调节空间增大。

如图5所示，为典型时段运行模拟结果图，结果表明：电力系统弃风、弃光量大幅度降低，接近于零。各种灵活性资源在不同时间段的可调节能力不同，燃煤发电机组的可调节性受到容量和升温速度的限制，仅能承担基本负荷，储能机组在净负荷快速波动时进行充放电，具有较高的灵活性，有效弥补了燃煤发电机组短时间内升温速度不足的缺陷；通过优化可调节资源的协调运行，可以提高系统的灵活性和再生能源的接纳能力。

不同场景下的运行结果与对比分析如下

本发明设置两个案例讨论多时间尺度协调优化的实际应用：

场景1：只考虑电力系统电量平衡和预留备用裕度，探讨各时间尺度下的灵活性需求

场景2：综合考虑源-荷-储灵活资源协调优化，探讨各时间尺度下的灵活性需求。

典型周灵活性资源影响分析：

选取夏季净负荷时序波动变化最大周进行运行模拟；经济优化结果如表2所示：

表2：不同场景下典型周运行成本

在场景1，常规火电机组承担全部发电任务，其发电成本较高，使得系统运维成本较高，为2.5049×10

由表2可知，场景1和场景2相比，考虑源-荷-储灵活性资源协调优化后，降低了新能源弃电惩罚成本约1.196×10

典型日运行灵活性分析：

由图6可知，在0:00～5:00、17:00～19:00，负荷用电高峰时段：

场景1，上调灵活性容量均值为1105MW，现有电源机组向上调峰能力不足，易造成切负荷风险；场景2，上调灵活性容量均值上升至1560MW，改善了上调灵活性容量不足的问题。

在2:00～5:00的风电出力高峰时段和10:00～17:00光伏出力高峰时段：

场景1，下调灵活性容量过多；场景2，下调灵活性容量降低了约500MW，避免了资源浪费，提升了6：00～12：00时段的下调灵活性容量，降低了新能源弃电风险。

表3：不同场景下典型日灵活性不足惩罚成本

由图6和表3可知，场景1与场景2相比，灵活性不足惩罚成本从5.223×10

典型时段运行调峰、爬坡容量分析：

为研究系统超短期调峰、爬坡不足的问题，选取风资源、光资源剧烈变化的7:00～9:00早高峰时段进行研究，时间间隔选为5min。

由图7可知，在7：10～7：20、7：35～8：00、8：45～8：55等时间段：场景1，出现了上调峰容量不足，易发生切负荷风险，增加了调峰容量不足惩罚成本；场景2，对于时段：7：00～7：05、8：05～8：40的调峰容量显著提升，平滑了日内峰谷差，保证了电力系统安全稳定运行。

由图8可知，场景1，上、下爬坡剩余容量大致为±800MW/(5min)，且在8：00下爬坡剩余容量为0，系统下爬坡容量严重不足，在8：30上爬坡剩余容量为0，系统上爬坡容量严重不足；场景2，对于7：00～8：05、8：35～8：55时段，下爬坡剩余容量增量约为1500MW/(5min)，对于8：05～8：30时段，上爬坡剩余容量增量约为1200MW/(5min)；系统整体爬坡剩余容量大幅提升，满足电力系统在超短期时段内安全稳定运行的要求。

本发明研究了电力系统灵活性供需平衡，主要分析了电源侧、负荷侧和储能侧的灵活性供给能力，得出以下结论：综合考虑风光火多源与源-荷-储灵活性资源的协同优化下，灵活性不足惩罚成本降低了83％，使得典型周运行模拟的综合成本降低了约1.6288×10