考虑风电不确定性的含储能电-热互联系统协调调度方法

技术领域

本发明涉及考虑风电不确定性的电-热互联系统优化调度技术领域，特别涉及一种考虑风电不确定性的含储能电-热互联系统协调调度方法。

背景技术

21世纪以来，可再生能源得到了全世界的广泛关注并经历了大规模的持续性发展。有两个主要因素制约着可再生能源的进一步发展：其一是可再生能源本身具有随机性和波动性，当其渗透率较大时经常出现明显的反调峰特性，使得传统机组调节困难，进而弃风弃光现象频发；其二是我国可再生能源和消费终端的逆向分布特性导致电力需要远距离大规模的传输，由于电网建设的滞后性使得可再生能源在发展中遭遇消纳困境，大量的清洁电能无法外送。此外，在冬季供暖时，供热机组的电热制约关系和“以热定电”的运行模式显著降低了其调峰能力，挤占了风电上网的空间。储能设备具有功率移时的储能特性，电锅炉和蓄热罐在弃风消纳优化、热电联产供暖等方面越来越成熟，将弃风功率转化成热能就地消纳；电储能装置易于控制，且调控灵活，能将弃风功率储存参与移时调峰，可以大幅度提升系统灵活性。

发明内容

针对现有技术存在的不足，本发明的目的是提供一种考虑风电不确定性的含储能电-热互联系统协调调度方法，旨在满足系统安全运行的前提下，最大限度地降低弃风量及系统运行成本。

本发明的技术方案是：一种考虑风电不确定性的含储能电-热互联系统协调调度方法，包括：

步骤1：每个调度时段都对风速历史数据进行更新，并基于卡曼滤波建立风电预测模型，用于对风速进行预测，再根据风速与出力的特性曲线，将风速转化为风电出力；

步骤2：基于步骤1的风电预测结果，构建系统协调调度模型，包括目标函数和约束条件，对系统机组出力及设备状态进行优化调度，其中储能设备按照不同的态势参与系统调度；

步骤3：提出自反馈修正模型，通过自反馈修正模型对风电预测误差进行在线预测，以此修正预测结果，进而根据修正后的预测结果对系统的优化调度指令进行修正。

根据所述的考虑风电不确定性的含储能电-热互联系统协调调度方法，所述步骤1进一步包括如下步骤：

步骤1-1：采用AR模型对卡曼滤波的状态方程和量测方程进行推算，得到卡曼滤波的状态方程和量测方程；

步骤1-2：基于卡曼滤波的风电预测；

步骤1-3：根据风速与出力的特性曲线，将风速转化为风电出力。

根据所述的考虑风电不确定性的含储能电-热互联系统协调调度方法，所述步骤2进一步包括：

(A)综合考虑系统中的电锅炉、蓄热罐、电储能装置的协调配合，构建以系统运行成本最低和弃风量最小为目标的协调调度模型；

(B)建立约束条件，包括：(B-1)潮流约束；(B-2)电储能装置运行约束；(B-3)电锅炉运行约束；(B-4)蓄热罐运行约束；(B-5)火电机组出力约束；(B-6)风电机组出力约束；(B-7)热电机组出力约束；(B-8)电力旋转储备约束；

(C)提出储能设备的态势划分方法，储能设备按照不同的态势参与系统调度；

所述储能设备的态势划分方法是在满足负荷需求、弃风量最小及经济成本最低的同时，将包含电锅炉、蓄热罐及电储能装置的储能设备划分为如下态势：电锅炉直供热态、蓄热罐储热态、电储能装置储电态和电储能装置、蓄热罐释能态；且在储能设备的各态势中，依据弃风启停标志，储能设备依次开启参与调控，即需要根据系统内各调度时段电负荷以及各机组出力情况来判断该时段系统是否有弃风，若有弃风，则启动储能设备参与调峰，若无弃风则控制储能设备释放能量参与供能；

(C-1)建立弃风启停标志，表示如下：

如式(32)所示弃风启停标志表示最小无弃风边界功率值，即无弃风情况下的机组最小电出力：

上式中，

(C-2)储能设备态势的判定：

(C-2-1)电锅炉直供热态：

电锅炉直供热调控模式下，系统电负荷由火电机组、热电机组和风电机组的部分出力提供，系统热负荷由热电机组和电锅炉转化的风电功率提供，此时系统弃风启停标志和电热平衡方程如式(33)所示：

上式中，P

(C-2-2)蓄热罐储热态：

蓄热罐储热态下，系统电负荷由火电机组、热电机组和风电机组的部分出力提供，系统热负荷由热电机组和电锅炉转化的部分风电功率提供，注意此时蓄热罐只储能，此时，系统弃风判断标志和电热平衡方程如式(34)所示：

上式中，S

(C-2-3)电储能装置储电态：

电储能装置储电态下，系统电负荷由火电机组、热电机组和风电机组的部分出力提供，系统热负荷由热电机组和电锅炉转化的部分风电功率提供，此时，系统弃风判断标志和平衡方程如式(35)所示：

上式中，E

(C-2-4)电储能装置与蓄热罐释能态：

储能设备在电储能释能态与蓄热罐释能态下，系统电负荷由火电机组、热电机组、风电机组的全部电出力和电储能装置提供，系统热负荷由热电机组、蓄热罐提供，此时，系统弃风判断标志和平衡方程如式(36)所示：

上式中，λ

根据所述的考虑风电不确定性的含储能电-热互联系统协调调度方法，所述步骤3中所述的自反馈修正模型包含子预测模型和子修正模型，且步骤3进一步包括如下步骤：

步骤3-1：通过子预测模型在线预测风电预测误差，子预测模型根据最新的风速预测数据构建经过误差修正和残差修正的灰色GM(1,1)模型；随后对风电预测误差的预测值进行数值逼近处理，进一步对风电预测误差进行高质量预测，具体步骤如下：

步骤3-1-1：根据风电预测值和风电实际值计算误差序列E

误差序列E

E

步骤3-1-2：根据误差序列E

按照式(39)对误差E

然后生成误差序列的灰色GM(1,1)模型：计算GM(1,1)模型的相关参数，其影子方程为式(42)，g

再然后根据影子方程，得到式(45)所示的误差E

最后，采用一阶累减逆行处理，可以求得式(46)所示的预测误差序列E

步骤3-1-3：进一步生成残差序列对风电预测误差的预测值进行修正；

残差序列是真实误差序列

上式中，g

最后，得到n+1时刻的经过残差序列修正后的风电预测误差的预测值如式(48)所示：

步骤3-1-4：采用数值逼近法对经过残差序列修正后的风电预测误差的预测值进行优化；

将经过残差序列修正后的风电预测误差的预测值与之前时刻的风电预测误差的真实值进行线性拟合，拟合函数如式(49)所示：

上式中，

利用最小二乘法将上式转换为对式(50)函数求最小值，然后对式(50)中的拟合系数求偏导，再让导数等于零，得到式(51)和(52)；

联立式(51)和(52)，求得拟合系数nap

步骤3-2：子校正模型根据步骤2的调度结果和步骤3-1中风电预测误差的预测值来修正系统机组出力及储能设备的态势，子校正模型包括目标函数和约束条件，具体步骤如下：

步骤3-2-1：子校正模型的目标函数是系统机组电出力、系统机组热出力、电锅炉热出力、蓄热罐储/放热功率和电储能装置的充放电功率的调整量最小，具体目标函数表示如下：

上式中，Δp

步骤3-2-2：建立子校正模型的约束条件，包括：潮流约束、电储能装置运行约束、电锅炉运行约束、蓄热罐运行约束、火电机组出力约束、风电机组出力约束、热电机组运行约束和电力旋转储备约束；

步骤3-2-3：判断是否到达下一个调度时刻，若是，则转至步骤1，若否，则转至步骤3-1-1，重复执行步骤3-1-1至步骤3-2-2。

根据所述的考虑风电不确定性的含储能电-热互联系统协调调度方法，所述步骤1-1的具体内容为：

首先，风速序列的预测值可以看做是前m+1时刻的风速实际值和随机干扰信号的线性组合，可表示为：

V

上式中，V

然后，令

则式(1)可以转换为：

再然后，根据式(1)可以得到式(4)所示的卡曼滤波的状态方程：

最后对式(4)进行简化，得到卡曼滤波的状态方程的简化式：

V

上式中，

而卡曼滤波的量测方程如下：

OB(t+1)＝HV

上式中，OB(t+1)为t+1时刻的观测向量；H为量测系统参数；V

与现有技术相比，本发明具有以下有益效果：

(1)本发明采用卡曼滤波预测风电功率，采用自反馈检测模型跟踪风电预测误差进而修正系统机组出力，在满足系统安全运行的前提下，最大限度地降低弃风量及系统运行成本。

(2)储能设备采用本发明所设计的态势划分方法参与调度，可以使储能设备的容量更加充分利用，进而减少弃风功率。

附图说明

图1为含储能电-热互联系统的结构示意图；

图2为本发明的考虑风电不确定性的含储能电-热互联系统协调调度方法流程图；

图3为本发明实施方式的两个目标函数的隶属度函数示意图；

图4(a)为本发明实施方式的储能设备处于电锅炉直供热态时的示意图；(b)为本发明实施方式的储能设备处于蓄热罐储热态时的示意图；(c)为本发明实施方式的储能设备处于电储能装置储电态时的示意图；(d)为本发明实施方式的储能设备处于电储能装置、蓄热罐释能态时的示意图。

具体实施方式

下面结合附图对本发明的一种实施方式作详细说明。

图1是本实施案例的含储能电-热互联系统的结构示意图，所述含储能电-热互联系统(以下简称系统)包括电力系统和热力系统，所述电力系统由常规火电机组G、风电场WF、电储能ES、输电线路和电负荷PL组成；所述热力系统由热管、换热站N、蓄热罐HS和热负荷HL组成，且包括多个区域热力系统，例如图1中示出了两个区域热力系统。如图1所示电力系统与热力系统通过中间耦合环节联系，耦合环节由热电联产机组CHP和电锅炉EB组成，即电热耦合元件为热电联产机组CHP、电锅炉EB。由此可见，在传统的电-热互联网络基础上，考虑电锅炉、蓄热罐及电储能装置，通过热电联产机组及电锅炉的耦合作用，电力系统和热力系统相互耦合形成本实施案例的含储能电-热互联系统。

图2是本发明考虑风电不确定性的含储能电-热互联系统协调调度方法的流程图，所述考虑风电不确定性的含储能电-热互联系统协调调度方法包括如下步骤：

步骤1：每个调度时段都对风速历史数据进行更新，并基于卡曼滤波建立风电预测模型，用于对风速进行预测，再根据风速与出力的特性曲线，将风速转化为风电出力。

步骤1-1：采用AR模型(Autoregressive model，自回归模型)对卡曼滤波的状态方程和量测方程进行推算，得到卡曼滤波的状态方程和量测方程。

首先，风速序列的预测值可以看做是前m+1时刻的风速实际值和随机干扰信号的线性组合，可表示为：

V

上式中，V

然后，令

则式(1)可以转换为：

再然后，根据式(1)可以得到式(4)所示的卡曼滤波的状态方程：

最后对式(4)进行简化，得到卡曼滤波的状态方程的简化式：

V

上式中，

而卡曼滤波的量测方程如下：

OB(t+1)＝HV

上式中，OB(t+1)为t+1时刻的观测向量；H为量测系统参数；V

步骤1-2：基于卡曼滤波的风电预测；

基于卡曼滤波的风电预测过程包括如下步骤：

步骤1-2-1：时间更新：

根据卡曼滤波的状态方程，系统t+1时刻的状态值如式(7)所示：

V

同时，根据t时刻的干扰信号矩阵ξ1(t)和误差协方差矩阵P(t)，可得到t+1时刻的误差协方差矩阵为：

P(t+1|t)＝φP(t|t)φ

上式中，所述误差为风速实际值与风速预测值之间的差值；

步骤1-2-2：状态更新：

首先，根据t+1时刻的误差协方差矩阵，可得到如式(9)所示的卡曼滤波的增益矩阵GA(t+1)：

GA(t+1)＝P(t+1|t)H

上式中，假设量测系统是精准的，则H＝1，ξ2(t)＝0。

然后，根据卡曼滤波的增益矩阵GA(t+1)，分别按式(10)和式(11)对t+1时刻的状态值和t+1时刻的误差协方差矩阵进行更新：

V

P(t+1|t+1)＝(E-GA(t+1))P(t+1|t) (11)

上式中，E为单位矩阵。

步骤1-3：根据风速与出力的特性曲线，将风速转化为风电出力；

因为风速与风电出力之间呈线性关系，则风速预测值可以通过式(12)转化为风电出力预测值：

上式中，P

步骤2：基于步骤1的风电预测结果，构建系统协调调度模型，包括目标函数和约束条件，对系统机组出力及设备状态进行优化调度，其中储能设备按照不同的态势参与系统调度。

(A)综合考虑系统中的电锅炉、蓄热罐、电储能装置的协调配合，构建以系统运行成本最低和弃风量最小为目标的协调调度模型。

非直供模式下，弃风量最小的目标函数为：

上式中，f

将弃风价值视为系统的经济损失，因此系统总运行成本最低的目标函数为：

上式中，f

热电机组运行成本通常以二次函数形式表示：

上式中，P

纯凝火电机组运行成本表示如下：

上式中，a

考虑到上述两目标函数的量纲不同，则基于线性加权法将双目标优化转化为单目标优化，将单目标函数等效为满意度，即目标函数在约束限制内满意度最大的解。目标函数如式(17)所示：

μ

上式中，k

上式中，μ

(B)建立约束条件；

(B-1)潮流约束：

上式中，SF

(B-2)电储能装置运行约束：

电储能装置运行约束分为荷电状态约束、最大充放电功率约束：

上式中，E

(B-3)电锅炉运行约束：

对于电锅炉来说，热输出与恒定转换效率的耗电量成线性关系：

上式中，η

此外，还需要下式来限制电锅炉的热出力上下限：

上式中，

(B-4)蓄热罐运行约束：

蓄热罐作为储能装置需保持容量平衡，且在运行过程中，工作状态只能是放热或储热中的一种，因此蓄热罐的约束条件如式(26)所示：

上式中，

(B-5)火电机组出力约束：

纯凝火电机组电出力约束如(27)所示：

P

上式中，P

(B-6)风电机组出力约束：

风电机组的出力较难预测，受风力大小的影响，波动性、随机性大，在优化过程中，风电机组的出力不能超过其预测值，因此风电机组出力约束如式(28)所示：

0≤P

上式中，P

(B-7)热电机组出力约束：

上式中，

(B-8)电力旋转储备约束：

上式中，

(C)提出储能设备的态势划分方法，储能设备按照不同的态势参与系统调度；

仿照在不同运行条件下电力系统与其设备有着不同的运行状态，提出储能设备的态势划分方法：在满足负荷需求、弃风量最小及经济成本最低的同时，将包含电锅炉、蓄热罐及电储能装置的储能设备划分为如下态势：电锅炉直供热态、蓄热罐储热态、电储能装置储电态和电储能装置、蓄热罐释能态。

储能设备采用弃风启停方案，依据弃风启停标志，储能设备在优化过程中依次开启参与调控。为使方案可行，需要根据系统内各调度时段电负荷以及各机组出力情况来判断该时段系统是否有弃风，若有弃风，则启动储能设备参与调峰，若无弃风则控制储能设备释放能量参与供能。

(C-1)建立弃风启停标志，表示如下：

弃风启停标志表示最小无弃风边界功率值，即无弃风情况下的机组最小电出力。该系统的弃风启停方案，不仅可以降低弃风量，也可降低系统运行成本。弃风启停标志如式(32)：

上式中，

(C-2)储能设备态势的判定：

(C-2-1)电锅炉直供热态：

如图4(a)所示，电锅炉直供热调控模式下，系统电负荷由火电机组、热电机组和风电机组的部分出力提供，系统热负荷由热电机组和电锅炉转化的风电功率提供。此时系统弃风启停标志和电热平衡方程如式(33)所示：

上式中，P

(C-2-2)蓄热罐储热态：

如图4(b)所示，蓄热罐储热态下，系统电负荷由火电机组、热电机组和风电机组的部分出力提供，系统热负荷由热电机组和电锅炉转化的部分风电功率提供，注意此时蓄热罐只储能。此时，系统弃风判断标志和电热平衡方程如式(34)所示：

上式中，S

(C-2-3)电储能装置储电态：

如图4(c)所示，电储能装置储电态下，系统电负荷由火电机组、热电机组和风电机组的部分出力提供，系统热负荷由热电机组和电锅炉转化的部分风电功率提供。此时，系统弃风判断标志和平衡方程如式(35)所示：

上式中，E

(C-2-4)电储能装置与蓄热罐释能态：

如图4(d)所示，储能设备在电储能释能态与蓄热罐释能态下，系统电负荷由火电机组、热电机组、风电机组的全部电出力和电储能装置提供，系统热负荷由热电机组、蓄热罐提供。此时，系统弃风判断标志和平衡方程如式(36)所示：

上式中，λ

步骤3：提出自反馈修正模型，通过自反馈修正模型对风电预测误差进行在线预测，以此修正预测结果，进而根据修正后的预测结果对系统的优化调度指令进行修正。

所述自反馈修正模型，包含子预测模型和子修正模型。

步骤3-1：通过子预测模型在线预测风电预测误差，子预测模型根据最新的风速预测数据构建经过误差修正和残差修正的灰色GM(1,1)模型；随后对风电预测误差的预测值进行数值逼近处理，进一步对风电预测误差进行高质量预测，具体步骤如下：

步骤3-1-1：根据风电预测值和风电实际值计算误差序列E

误差序列E

E

步骤3-1-2：根据误差序列E

按照式(39)对误差E

然后生成误差序列的灰色GM(1,1)模型：计算GM(1,1)模型的相关参数，其影子方程为式(42)，g

再然后根据影子方程，得到式(45)所示的误差E

最后，采用一阶累减逆行处理，可以求得式(46)所示的预测误差序列E

步骤3-1-3：进一步生成残差序列对风电预测误差的预测值进行修正；

残差序列是真实误差序列

上式中，g

最后，得到n+1时刻的经过残差序列修正后的风电预测误差的预测值如式(48)所示：

步骤3-1-4：采用数值逼近法对经过残差序列修正后的风电预测误差的预测值进行优化。

将经过残差序列修正后的风电预测误差的预测值与之前时刻的风电预测误差的真实值进行线性拟合，拟合函数如式(49)所示：

上式中，

利用最小二乘法将上式转换为对式(50)函数求最小值，然后对式(50)中的拟合系数求偏导，再让导数等于零，得到式(51)和(52)。

联立式(51)和(52)，求得拟合系数nap

步骤3-2：子校正模型根据步骤2的调度结果和步骤3-1中风电预测误差的预测值来修正系统机组出力及储能设备的态势，子校正模型包括目标函数和约束条件，具体步骤如下：

步骤3-2-1：子校正模型的目标函数是系统机组电出力、系统机组热出力、电锅炉热出力、蓄热罐储/放热功率和电储能装置的充放电功率的调整量最小，保证系统稳定运行，具体目标函数表示如下：

上式中，Δp

步骤3-2-2：建立子校正模型的约束条件，包括：

1)潮流约束：

2)电储能装置运行约束：

3)电锅炉运行约束：

4)蓄热罐运行约束：

5)火电机组出力约束：

P

6)风电机组出力约束：

7)热电机组运行约束：

8)电力旋转储备约束：

步骤3-2-3：判断是否到达下一个调度时刻，若是，则转至步骤1，若否，则转至步骤3-1-1，重复执行步骤3-1-1至步骤3-2-2。

应当理解的是，本领域技术人员在本发明技术构思的启发下，在不脱离本发明内容的基础上，可以根据上述说明做出各种改进或变换，这仍落在本发明的保护范围之内。