[发明专利]抽水蓄能电站联合新能源发电优化调度方法及装置在审
| 申请号: | 202111272128.X | 申请日: | 2021-10-29 |
| 公开(公告)号: | CN113872253A | 公开(公告)日: | 2021-12-31 |
| 发明(设计)人: | 王磊;吕志娟;高旭;曹敏健;胡泽春 | 申请(专利权)人: | 国网新源控股有限公司;清华大学 |
| 主分类号: | H02J3/46 | 分类号: | H02J3/46;H02J3/38;H02J15/00;H02J3/00;G06Q50/06;G06Q10/04;G06F30/27 |
| 代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 廖元秋 |
| 地址: | 100052 *** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 抽水 蓄能 电站 联合 新能源 发电 优化 调度 方法 装置 | ||
1.一种抽水蓄能电站联合新能源发电优化调度方法,其特征在于,包括:
对与抽水蓄能电站相连的每个新能源场站的发电功率进行分类,对所述新能源场站的每个分类建立对应的发电功率相对预测误差概率模型;
获取次日所述每个新能源场站的日前预测发电功率数据,根据所述发电功率相对预测误差概率模型,建立新能源场站日前发电功率相对预测误差场景集;
在所述新能源场站日前发电功率相对预测误差场景集下,建立含抽水蓄能电站和新能源发电的联合系统预调度模型;
求解所述含抽水蓄能电站和新能源发电的联合系统预调度模型,得到所述抽水蓄能电站中各抽水蓄能机组在次日各时刻的启停机状态和所述场景集中各场景下次日各时刻的上下水库蓄水量;
将所述场景集中各场景下次日各时刻的上下水库蓄水量作为初始值并进行迭代优化,得到所述抽水蓄能电站与所述新能源场站联合发电的优化调度方案,其中所述优化调度方案包括:所述抽水蓄能电站中各抽水蓄能机组在次日各时刻的启停机状态和抽水发电功率。
2.根据权利要求1所述的方法,其特征在于,所述对与抽水蓄能电站相连的每个新能源场站的发电功率进行分类,对所述新能源场站的每个分类建立对应的发电功率相对预测误差概率模型,包括:
1)获取与抽水蓄能电站相连的新能源场站各历史采样时刻的发电功率数据和预测功率数据;
其中,将任一新能源场站r的第i个历史采样时刻的发电功率和预测功率分别记为Pr,his(i)和
2)计算各新能源场站在每个历史采样时刻发电功率预测相对误差,表达式为:
其中,Pr,ins为新能源场站r的装机容量,ξr(i)表示新能源场站r在第i个历史采样时刻发电功率相对预测误差;
3)对每个新能源场站的发电功率进行分类;具体方法为:
计算每个新能源场站的各历史采样时刻的发电功率数据占该场站装机容量的百分比记为发电功率百分比,按照设定的百分比分段类别对每个新能源场站的发电功率百分比进行分类,得到每个新能源场站的发电功率分类结果;
4)根据每个新能源场站的发电功率分类结果,对各新能源场站在每个分类中的各历史采样时刻的发电功率预测相对误差进行分布拟合,将拟合结果作为各新能源场站发电功率每个分类的发电功率相对预测误差概率模型。
3.根据权利要求2所述的方法,其特征在于,所述分布拟合包括:
对光伏电站采用混合高斯分布拟合,对风电场采用Beta分布或正态分布拟合。
4.根据权利要求2所述的方法,其特征在于,所述获取次日所述每个新能源场站的日前预测发电功率数据,根据所述发电功率相对预测误差概率模型,建立新能源场站日前发电功率相对预测误差场景集,包括:
1)获得每个新能源场站的日前各采样时刻的发电功率预测值,将新能源场站r在日前第i个采样时刻的发电功率预测值为
2)计算每个新能源场站日前各采样时刻的发电功率预测值占该场站装机容量的百分比作为预测百分比;根据预测百分比确定各发电功率预测值所属的发电功率分类以及对应的发电功率相对预测误差概率模型;运用蒙特卡洛方法对每个模型分别进行Q次采样模拟,获得各新能源场站在各采样时刻对应的Q组发电功率预测误差场景,将所有采样模拟结果组成Q组包含所有新能源场站的日前发电功率相对预测误差场景;
3)对Q组包含所有新能源场站的日前发电功率相对预测误差场景进行聚类,生成所有新能源场站的日前发电功率相对预测误差场景集;
其中,将场景集记为Ω,通过聚类计算场景集Ω中任一ω场景的发生概率为ρω;
4)计算各新能源场站在场景集中每个场景下各采样时刻修正后的日前发电功率预测值;
其中,为新能源场站r在ω场景下第i个采样时刻日前发电功率相对预测误差。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网新源控股有限公司;清华大学,未经国网新源控股有限公司;清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111272128.X/1.html,转载请声明来源钻瓜专利网。





