考虑异质灵活资源和电网韧性提升的随机优化调度方法

本发明属于电网优化调度领域，尤其涉及了一种考虑异质灵活资源和电网韧性提升的随机优化调度方法。

背景技术：

1、近年来，世界范围内极端天气频发严重威胁着电力系统安全运行。全球气候和环境近年来急剧恶化，干旱、洪涝、飓风、极端高温和极端寒冷等极端天气事件频发，灾害损失持续加剧。能源电力系统作为最重要的基础设施，安全稳定运行受极端天气影响严重。极端天气不仅会引起负荷在短时间内激增，突然恶化的运行条件还会造成发电侧、输电线路等设备故障率的提升，极端天气伴随的自然灾害还可能导致发电厂、输电线路、用电设备、调度通信等关键设施损毁。因此，在电力系统安全稳定领域延伸出了电力系统韧性的研究。区别于《电力系统安全稳定导则》及“三道防线”所应对的故障类型及特点，电力系统韧性理论应对的正是极端天气这类概率极低但危害极高的故障。

2、另一方面，我国电力系统的灵活性充裕度水平不足，灵活电源和负荷资源的协同响应能力没有充分发挥。从电力系统灵活性角度将电源侧的灵活电源和负荷侧的柔性负荷资源统一归纳为异质灵活资源，如天然气发电、抽水蓄能、新型储能等灵活性电源，温控负荷、电动汽车等柔性负荷资源各类灵活资源在极端条件下电力系统的恢复过程中可以发挥重要作用，但目前的研究尚未涉及各类异质灵活资源协同响应以提升电力系统韧性的调度策略。因此，亟需研究出一种考虑电网韧性的提升的优化调度模型，以进一步提高灵活资源的跨时空配置效率，有效释放电力系统多时间尺度灵活性。

技术实现思路

1、为了解决背景技术中存在的问题，本发明的目的在于提供一种考虑异质灵活资源和电网韧性提升的随机优化调度方法，本发明能在极端天气条件下，充分发挥各类灵活资源(包括灵活电源和负荷资源)的调节能力。

2、本发明采用的技术方案，包括以下步骤：

3、步骤s1、首先，根据电力系统中各类异质灵活资源的运行特性构建资源运行模型；所述的异质灵活资源包含燃气发电机组、抽水蓄能电站、电池储能电站、电动汽车充电站和温控负荷系统；

4、步骤s2、然后考虑极端天气条件下的电网运行状态变化过程，以电力系统运行成本最低为目标，构建两阶段随机优化调度模型；所述两阶段随机优化调度模型的第一阶段为电力系统发生故障前的预防调度阶段，第二阶段为电力系统发生故障后的紧急恢复阶段；

5、步骤s3、确定步骤s2所述两阶段随机优化调度模型的约束条件；

6、步骤s4、基于资源运行模型和两阶段随机优化调度模型的约束条件，得到预防调度阶段的优化调度结果，然后以预防调度阶段的优化调度结果作为紧急恢复阶段的边界条件，结合资源运行模型，获取紧急恢复阶段的最佳调度决策结果作为电力系统最终的调度决策结果，并根据该最终的调度决策结果对实际电力系统的运行状态进行配置。

7、所述步骤s1中燃气发电机组k的爬坡速度满足以下约束条件：

8、-rpk,max≤i,k,t-pi,k,t+1≤pk,max

9、式中，pi,k,t和pi,k,t+1分别表示节点i上燃气发电机组k在t时刻和t+1时刻的功率出力水平，rpk,max表示燃气发电机组k的爬坡速率最大值；

10、所述抽水蓄能电站pu在抽水和发电过程中的发电量按照下式处理得到：

11、

12、其中，spu,t为抽水蓄能电站pu在t时段内的可发电量，μ表示抽水过程效率系数，xpu,t为表征抽水蓄能电站状态的0-1变量，0表示抽水状态，1表示发电状态；分别表示抽水蓄能电站pu在t时刻的发电功率和抽水功率，分别表示抽水蓄能电站pu在t时刻的发电流量和抽水流量，分别表示抽水蓄能电站pu的发电水头和水泵抽水扬程的计算值，ρw表示水的密度，ηm、ηg、ηp、ηt分别表示电动机效率、发电机效率、水泵工况水力效率、发电机工况水力效率，rpu,max表示抽水蓄能电站pu的最大水头，rpu,min表示抽水蓄能电站pu最小水头；

13、电池储能电站es充放电过程的表达式如下：

14、

15、式中，表示电池储能电站es在t时段的荷电状态，ηloss表示电池储能电站es的损耗系数，xes,t为表征电池储能电站状态的0-1变量，0表示充电状态，1表示放电状态，和分别表示电池储能电站es在t时段内的充电功率和放电功率，ηch和ηdis为电池储能电站的充电效率和放电效率，ces为储能额定容量，和分别为电池储能电站es荷电状态上限和下限。

16、所述步骤s1中电动汽车充电站的充放电容量模型具体如下：

17、

18、其中，为电动汽车充电站evs在t时段的充电电池容量，为电动汽车充电站在t时刻的放电电池容量，m表示电动汽车充电站evs在t时段可提供充放电的电动汽车数量，和分别表示电动汽车ev在t时段的充电容量和放电容量，cev,bat是电动汽车ev的电池容量，，为电池最大电量值，表示电动汽车ev在t时段内的荷电状态，为电动汽车ev开始与电网交互电量的电池初始荷电状态；

19、所述温控负荷系统的响应模型具体如下：

20、rva1＝pinit-pmin

21、rca2＝pmax-pinit

22、rra1＝rca1·(1-α％)/rta1

23、rra2＝rca2·(1-α％)/rta2

24、其中，rca1表示温控负荷系统ac的向下可调容量，rca2表示温控负荷系统的的向上可调容量，pinit表示温控负荷系统的初始功率，pmax表示温控负荷系统的最大运行功率，pmin表示温控负荷系统的最小运行功率，rra1表示向下调节过程的爬坡率，rra2表示向上调节过程的爬坡率，％为反弹效应中产生的容量偏差率，rta1为功率向下调整的响应时间，rta2为功率向上调整的响应时间。

25、所述步骤s2中，两阶段随机优化调度模型在预防调度阶段具体如下：

26、

27、其中，表示电力系统发生故障前的运行成本，表示极端天气影响下，概率为p的各个故障场景中运行成本及各类异质灵活资源调节成本之和的期望值；

28、上式中，电力系统发生故障前的运行成本具体如下：

29、

30、其中，t0表示故障发生的时刻，ng、nk、np、nes、nevs和nd分别表示燃煤发电机组、燃气发电机组、抽水蓄能电站、电池储能电站、电动汽车充电站和电网中负荷的数量，和分别表示燃煤发电机组g和燃气发电机组k的单位发电成本，和分别表示电网正常运行状态下燃煤发电机组g和燃气发电机组k在t时段的功率出力水平，和分别表示燃煤发电机组g和燃气发电机组k的备用成本，分别表示燃煤发电机组g的上、下旋转备用容量，分别表示燃气发电机组k的上、下旋转备用容量，和分别表示抽水蓄能电站pu抽水蓄能和放水发电的单位成本，和分别表示电网正常运行状态下抽水蓄能电站pu在t时段内抽水蓄能和放水发电的功率，和分别表示电池储能电站es的单位充电成本和单位放电成本，和分别表示电动汽车充电站evs的单位充电成本和单位放电成本，和分别表示电网正常运行状态下电池储能电站es在t时段内的充电功率和放电功率，和分别表示电网正常运行状态下电动汽车充电站evs在t时段内的充电功率和放电功率，表示单位负荷削减成本，表示电网正常运行状态下t时刻节点i处负荷削减量；

31、上式中，概率为p的各个故障场景中运行成本及各类异质灵活资源调节成本之和的期望值具体如下：

32、

33、其中，ns表示故障场景的数量，t表示电力系统运行模拟过程的总时段数，nac表示温控负荷系统的数量，ps表示故障场景s的概率，和分别表示故障场景s下燃煤发电机组g和燃气发电机组k在t时段的功率出力水平的估计值，和分别表示电网故障场景s下抽水蓄能电站pu在t时段内抽水蓄能和放水发电的功率估计值，和分别表示电网故障场景s下电池储能电站es在t时段内的充电功率估计值和放电功率估计值，和分别表示电网故障场景s下电动汽车充电站evs在t时段内的充电功率估计值和放电功率估计值，cac表示空调负荷系统调整的单位成本，表示故障场景s下空调负荷系统调节的功率估计值，表示故障场景s下t时刻节点i处负荷削减量的估计值。

34、所述步骤s2中，两阶段随机优化调度模型在紧急恢复阶段具体如下：

35、

36、其中，cem表示电力系统紧急恢复的成本，和分别表示故障场景s下燃煤发电机组g和燃气发电机组k在y时段的功率出力水平，和分别表示电网故障场景s下抽水蓄能电站pu在t时段内抽水蓄能和放水发电的功率，和分别表示电网故障场景s下电池储能电站es在t时段内的充电功率和放电功率，和分别表示电网故障场景s下电动汽车充电站evs在t时段内的充电功率和放电功率，表示故障场景s下温控负荷系统ac在t时段内调节的功率值，表示故障场景s下t时刻的节点i处负荷削减量。

37、所述步骤s3中，两阶段随机优化调度模型在预防调度阶段的运行约束调节具体如下：

38、i)电网各节点的功率平衡约束：

39、

40、其中，eg、gg、pu、es、evs、ac分别表示与节点i相连的燃煤发电机组集合、燃气发电机组集合、抽水蓄能电站集合、电池储能电站集合、电动汽车充电站集合、温控负荷系统集合，el表示与节点i相连的支路集合，和分别表示电网正常运行状态下节点i上燃煤发电机组g和燃气发电机组k在t时刻的功率出力水平，和表示电网正常运行状态下节点i上抽水蓄能电站pu在t时段内抽水蓄能和放水发电的功率，和分别表示电网正常运行状态下节点i上电池储能电站es在t时段内的充电功率和放电功率，和分别表示电网正常运行状态下节点i上电动汽车充电站evs在t时段内的充电功率和放电功率，表示电网正常运行状态下节点i上温控负荷系统ac在t时段的功率，表示电网正常运行状态下t时刻节点i的负荷功率，表示电网正常运行状态下t时刻线路l的功率流；

41、上式中，线路l的功率流与节点相角的关系如下：

42、

43、其中，和分别表示节点i和节点j在电网正常运行状态下时刻t的相角，xl表示线路l的阻抗；

44、输电线路功率约束：

45、

46、其中，fl,max表示线路l输电功率的最大值；

47、节点相位角约束：

48、

49、其中，θi,max表示节点i功角偏差允许的最大值；

50、ii)燃煤发电机组和燃气发电机组的备用约束：

51、

52、其中，和分别表示电网正常运行状态下节点i上燃煤发电机组g的上、下旋转备用容量，和分别表示电网正常运行状态下节点i上燃气发电机组k的上、下旋转备用容量，pig,max和pig,max分别表示燃煤发电机组的发电功率最小值和最大值，pik,min和pik,max分别表示燃气发电机组的发电功率最小值和最大值；

53、iii)抽水蓄能电站运行约束：

54、其中，抽水蓄能电站发电量与抽水功率、发电功率的约束：

55、

56、抽水蓄能电站抽水用电功率约束及发电功率约束：

57、

58、

59、其中，和分别表示电网正常运行状态下抽水蓄能电站pi在t时段内抽水蓄能和放水发电的功率，和分别表示抽水蓄能电站pu充电时的功率上限和下限，和分别表示抽水蓄能电站pu放电时的功率上限和下限；

60、抽水蓄能电站不能同时充放电约束：

61、

62、其中，m为预设的常数，m取极大的数；

63、抽水蓄能电站的可发电量约束：

64、

65、其中，spu,为抽水蓄能电站pu的水库最大容量等值发电量，spu,为水库最小容量等值发电量；.

66、iv)电池储能电站运行约束：

67、其中，电池储能电站荷电状态与充放电功率的约束：

68、

69、电池储能电站充放电功率上下限约束：

70、

71、其中，和分别表示电网正常运行状态下电池储能电站es在t时段内的充电功率和放电功率，和分别表示电池储能电站es充电时的功率上限和下限，和分别表示电池储能电站es放电时的功率上限和下限；

72、电池储能电站不能同时充放电约束：

73、

74、电池储能电站的荷电状态上下限约束：

75、

76、其中，和分别表示电池储能电站es的最小荷电状态和最大荷电状态；

77、v)电动汽车充电站运行约束：

78、其中，电动汽车充电站荷电状态与充放电过程的功率的约束：

79、

80、式中，表示电动汽车充电站evs在t时段的荷电状态，ηloss′表示电动汽车充电站的损耗系数，evs,t为表征电动汽车充电站evs状态的0-1变量，0表示充电状态，1表示放电状态，和分别表示电动汽车充电站evs在t时段内的充电功率和放电功率，ηch′和ηdis′为电动汽车充电站的充电效率和放电效率；

81、电动汽车充电站充放电功率上下限约束：

82、

83、其中，和分别表示电网正常运行状态下电动汽车充电站evs在t时段内的充电功率和放电功率，和分别表示电动汽车充电站evs充电时的功率上限和下限，和分别表示电动汽车充电站evs放电时的功率上限和下限；

84、电动汽车充电站不能同时充放电约束：

85、

86、电动汽车充电站的充电电池荷电状态上下限约束：

87、

88、其中，和分别表示电动汽车充电站evs的最小荷电状态和最大荷电状态；

89、vi)各类异质灵活资源的爬坡约束：

90、

91、

92、其中，rpg,max和rpk,max分别表示燃煤发电机组g和燃气发电机组k的爬坡速度最大值，和分别表示抽水蓄能电站pu在充电过程和放电过程的爬坡速度最大值，和分别表示电池储能电站es在充电过程和放电过程的爬坡速度最大值，和表示电动汽车充电站evs在充电过程和放电过程的爬坡速度最大值，rpac,表示空调负荷系统ac的响应爬坡速度最大；

93、vii)切负荷约束：

94、

95、其中，表示电网正常运行状态下t时刻节点i处负荷削减量，表示电网正常运行状态下t时刻节点i的负荷功率。

96、所述步骤s3中，两阶段随机优化调度模型在紧急恢复阶段的运行约束调节具体如下：

97、i)电网各节点的功率平衡约束：

98、

99、其中，和分别表示故障场景s下节点i上燃煤发电机组g和燃气发电机组k在t时刻的功率出力水平的估计值，和表示故障场景s下节点i上抽水蓄能电站pu在t时段内抽水蓄能和放水发电的功率估计值，和分别表示故障场景s下节点i上电池储能电站es在t时段内的充电功率估计值和放电功率估计值，和分别表示故障场景s下节点i上电动汽车充电站evs在t时段内的充电功率估计值和放电功率估计值，表示故障场景s下节点i上温控负荷系统ac在t时段的功率估计值，表示电网故障场景s下t时刻节点i的负荷功率估计值，表示电网示故障场景s下t时刻节点i的负荷削减量估计值，表示电网示故障场景s下t时刻线路l的功率流估计值；

100、上式中，线路功率流估计值与节点相角的关系如下：

101、

102、其中，和分别表示节点i和节点j在故障场景s下时刻t的相角估计值；

103、输电线路功率约束：

104、

105、节点相位角约束：

106、

107、ii)燃煤及燃气机组的备用约束：

108、

109、iii)抽水蓄能电站运行约束：

110、其中，抽水蓄能电站发电量与抽水功率、发电功率的约束：

111、

112、其中，和分别表示抽水蓄能电站pu在t时段充电功率和放电功率的估计值；

113、抽水蓄能电站抽水用电功率约束及发电功率约束：

114、

115、抽水蓄能电站不能同时充放电约束：

116、

117、其中，为故障场景s下抽水蓄能电站状态的0-1变量，0表示抽水状态，1表示发电状态；

118、抽水蓄能电站的可发电量约束：

119、

120、其中，为为抽水蓄能电站pu在故障场景s下t时段内的可发电量，spu,max为抽水蓄能电站pu的水库最大容量等值发电量，spu,min为水库最小容量等值发电量；

121、iv)电池储能电站运行约束：

122、其中，电池储能电站荷电状态与其充放电过程的功率的约束：

123、

124、其中，和分别表示电池储能电站es在t时段充电功率和放电功率的估计值；

125、电池储能电站充放电功率上下限约束：

126、

127、其中，和分别表示电池储能电站es充电时的功率上限和下限，和分别表示电池储能电站es放电时的功率上限和下限；

128、电池储能电站不能同时充放电约束：

129、

130、其中，为故障场景s下电池储能电站状态的0-1变量，0表示抽水状态，1表示发电状态；

131、电池储能电站的荷电状态上下限约束：

132、

133、v)电动汽车充电站运行约束：

134、其中，电动汽车充电站荷电状态与其充放电过程的功率的约束：

135、

136、式中，和分别表示电动汽车充电站evs在t时段充电功率和放电功率的估计值；

137、电动汽车充电站充放电功率上下限约束：

138、

139、电动汽车充电站不能同时充放电约束：

140、

141、

142、其中，为故障场景s下电动汽车充电站evs状态的0-1变量，0表示充电状态，1表示发电状态；

143、电动汽车充电站的充电电池荷电状态上下限约束：

144、

145、其中，为电动汽车充电站evs在故障场景s下t时刻的荷电状态；

146、vi)各类调节资源的爬坡约束：

147、

148、vii)切负荷约束：

149、

150、viii)风险约束：

151、

152、eenst≤eensset

153、其中，ps表示故障场景s的概率，eenst表示电能不足期望值，eensset表示预设的期望阈值。

154、所述的步骤s4具体为：

155、步骤s4.1、基于资源运行模型和两阶段随机优化调度模型的约束条件，得到两阶段随机优化调度模型在预防调度阶段的优化调度结果，两阶段随机优化调度模型在预防调度阶段的优化调度结果ωpre具体如下：

156、

157、其中，ωpre表示预防调度阶段的优化调度结果；

158、步骤s4.2、接着，将电路系统在故障发生前t0时刻的燃煤发电机组g和燃气发电机组k的功率出力水平和备用容量，作为两阶段随机优化调度模型在紧急恢复阶段优化调度决策的边界条件；

159、步骤s4.3、结合资源运行模型，以电力系统运行总成本call最低为目标，获取紧急恢复阶段的最佳调度决策结果作为电力系统最终的调度决策结果；

160、电力系统运行总成本call按照以下公式处理得到：

161、

162、其中，cem表示电力系统紧急恢复的成本，表示电力系统发生故障前的运行成本，表示极端天气影响下，概率为p的各个故障场景中运行成本及各类异质灵活资源调节成本之和的期望值；

163、步骤s4.4、最后，根据该最终的调度决策结果对实际电力系统的运行状态进行设置。

164、本方法首先对各类异质灵活资源的运行特性进行分析及建模，然后考虑极端天气条件下的电网运行状态变化过程，最后建立了考虑韧性提升的两阶段随机优化调度模型。该两阶段随机优化调度模型的第一阶段为故障前的预防调度阶段，根据极端天气预警信息，通过概率模型考虑不同故障场景下的线路断开情况，决策故障发生前的常规电源出力计划和备用需求，以及各类异质灵活资源的准备工作，如灵活电源预留备用容量，各类储能设备在准备阶段进行充能确保足够的可发电容量，并以第一阶段的决策结果作为第二阶段优化决策的边界条件。第二阶段为故障发生后的紧急恢复阶段，考虑多种异质灵活资源，对已发生的故障场景下进行校正调度。该方法利用多种类型灵活资源的调度来制定电网韧性提升策略，利用相应场景的负荷减载结果计算电网韧性指标，通过在模型中引入韧性指标约束，实现了极端事件前后两阶段调度的相互作用，从而有效提升电力系统韧性。

165、本发明的有益效果为：

166、本发明提出了一种考虑异质灵活资源和电网韧性提升的随机优化调度方法。该方法首先对各类灵活资源的运行特性进行分析及建模，然后考虑了极端天气条件下的电网运行调度策略，以故障发生前后将优化过程分为两个阶段，分别为故障前的预防调度阶段和故障发生后的紧急恢复阶段，最后利用概率模型模拟极端条件下故障场景的随机性，并通过灵活电源和负荷资源协同响应和韧性指标约束，实现了电力系统韧性的有效提升。