电力市场环境下发电调度与上下时间级的协调.docxVIP

电力市场环境下发电调度与上下时间级的协调 风电工程效率的预测偏差通常为25%-40%，预测精度随着时间的推移而逐渐降低。因此，在当前制定的发电计划的实际设计中，由于水电的实际设计输出曲线显著偏离预测曲线，因此很难实施。多时间隔协调的规划方法是慢慢消除风电设计的偏差，提高系统的消纳电气能的效率。实时布局是多时间斗争的核心内容之一。基于短期预测的先时预测的提前调整。实时t-t（t循环通常为5.15分钟）时间的推移是对上一时间内发电计划（滚动发电计划）的修正和偏差的修正。在文献中，我们讨论了在能源市场环境下和节能发电原则下实现实时规划和协调上一段时间内发电规划的策略。在文献中，我们研究了基于采购成本和煤炭消耗最小化的实时计划策略。然而，上述文件中没有考虑风电工程的影响。在文献中，我们提出了基于最小放弃风的实时设计模式，采用了线性渐进式优化模型。传统的提升模型可能会导致大型传统机组的调整不足，严重偏离经济领域。在文献中，建立了基于最大消耗风能力和最小化火电工具的实时规划模型，并取得了良好的运行效果。然而，目前，风电工程的基础数据并不完整，尚未建立实时风电工程系统。为了立即提供更短的预测值，需要进行调整和修改。因此，在基于波动校正的最佳动态规划和校正中，无法提高发电计划的精度。 本研究依托武汉大学智能电网研究平台，建立了一种超短期内风电时序动态修正的电力系统实时调度模型．该模型依据最新的风电功率实测值，采用马尔科夫链时序预测方法，以5～15min为周期动态修正风电超短期预测功率的时间序列，并以煤耗增量最小和弃风最小为双重优化目标同步修正风电场及常规机组的发电计划． 1 基于区块分析的实时规划模型 1.1 实时机组优化问题 实时调度不改变机组启停安排，考虑以机组出力调整引起的系统能耗增量成本最小为优化目标，即 式中：ai和bi分别为机组i的能耗二次项、一次项系数；NG为实时机组个数；p*Gi为机组i的滚动计划出力值；ΔpGi为机组i的出力的修正量，则机组i的实时计划出力值可表示为pGi=p*Gi+ΔpGi. 1.2 状态个数及状态变量的确定 X=(X1,X2，…，Xt，…）， 式中：X为风电预测误差的时间序列向量；Xt为第t时段的预测误差．运用二阶的马尔科夫模型对该序列变量之间的状态转移概率进行估计，即 式中：k,i,j∈{1,2，…，n}，n为状态变量个数；qkij(t）为状态转移矩阵Q(t）的元素，表示第t+1时刻状态是sj的概率，仅与t时刻状态si及t-1时刻的状态sk有关，则有n个状态变量的转移矩阵Q(t）的阶数为n×n×n;S为状态空间，记为S={s1,s2…，sn}． 通过极大似然估计方法确定qkij(t），即： 式中nkij(t）表示sk,si→sj状态转移的数量，可由风电场历史运行数据以统计方法求得． 建模时状态个数和状态变量确定的适当与否会影响到模型估计的精度．传统的状态个数划分方法，如样本均值-均方差分级法是应用样本均值与样本均方差来刻画随机变量的变化，但不能考虑物理因素对随机变量的影响，仅从统计的角度把样本均值作为随机变量波动区间的中心；另外，若有序聚类法要求各时段随机变量具有相依性，则以各阶自相关系数刻画状态变量之间的相关关系及其强弱，但风电机组发出的功率数据没有任何规律且波动很大，状态变量之间的相关关系难以描述，因此也不适用．本文为了不破坏风电功率的数据特点，采用基本等分法进行划分，同时等分法划分方法也便于比较分析状态变量个数对预测结果准确性的影响． 在确定二阶的马尔科夫模型各参数后，由状态转移概率矩阵Q(t）和初始误差分布向量，可以确定下一时段风电功率预测误差状态的概率密度分布ξ（t+1）=[ξ0(t），ξ0(t-1)]Q(t），其中：ξ（t+1）=[ξ1(t+1），ξ2(t+1），…，ξn(t+1）]为n维向量，第i个元素ξi(t+1）表示第t+1时段的预测误差等于状态si的概率；[ξ0(t），ξ0(t-1）]为第t+1时段的初始误差分布向量，由之前两个时段的实测误差值与预测值逐点比较求得． 最后以期望误差状态修正第t+1时段的风电预测功率，有 式中：为第t+1时段风电功率原预测值的期望误差状态；PW*(t+1）为第t+1时段原预测值；PWust(t+1）为修正后的第t+1时段预测值． 则实时发电调度中弃风惩罚量目标可表示为f2=κ（PWust-PW），其中：PW为风电功率的实时计划值；κ为弃风惩罚系数． 1.3 实时调度模型建立 A．功率平衡约束为其中UL为最新负荷预测值． B．风电场出力约束为0≤PW≤PWust. C．实时机组约束． a．爬坡率约束为其中：ΔpGi,dn和ΔpGi,up分别为机组i单位时间内允许的降出力和升出力限值；T15=15min为一个调度时段． b．出力上下限约束为pGimin≤