本發(fā)明涉及源網(wǎng)荷儲

背景技術：

1、隨著新能源的發(fā)展，以風電、光伏等為代表的清潔能源得到迅速發(fā)展，極大滿足了用戶的用電需求，緩解了電網(wǎng)壓力，同時減少了以火電機組為主的傳統(tǒng)發(fā)電機組出力，進而減少了環(huán)境污染。為了盡快完成“碳達峰、碳中和”的宏偉目標，國家加快了新能源的發(fā)展，不斷采取有效措施提高新能源的滲透率，兼顧經(jīng)濟性的同時更加注重環(huán)保問題。我國風光資源豐富，且風光作為清潔能源的代表，成為構(gòu)建新型電力系統(tǒng)不可或缺的能源載體。以光伏為例，截至2022年底，中國光伏新增裝機87410mw，累計裝機容量395240mw，新增裝機容量增長速率為59％，總裝機容量增長速率為28％，而新疆作為西北地區(qū)的代表，受地區(qū)和光照強度的影響，光伏產(chǎn)業(yè)發(fā)展較為迅猛，截至2022年底，新疆光伏新增裝機容量1095mw，累計裝機容量14509mw，由于氣象因素造成光伏出力的不穩(wěn)定性，給電網(wǎng)的安全運行帶來諸多威脅，故對多能互補系統(tǒng)的研究意義重大。

2、目前學者對多能互補系統(tǒng)的研究主要體現(xiàn)在風光水火協(xié)調(diào)方面，其中對水光互補系統(tǒng)開展了很多研究，主要從運行特性和調(diào)度模型兩方面概述：葉浩劼和韓柳等分別以風火和風光水火為研究對象分析了風電光伏出力特性以及互補調(diào)節(jié)能力；朱曄和夏依莎分別建立了風光儲和水光蓄優(yōu)化調(diào)度模型，結(jié)果表明多能互補系統(tǒng)能夠減少棄風棄光現(xiàn)象，平抑新能源出力波動。

3、對于水電站和光伏電站的互補優(yōu)化調(diào)度研究主要分為三個部分，一是新能源出力不確定性分析，包括風電和光伏。目前對于不確定性分析的研究方法主要分為隨機優(yōu)化、區(qū)間優(yōu)化和魯棒優(yōu)化，隨機優(yōu)化一般采用機會約束去處理不確定性變量，白凱峰等對風電、光伏和負荷進行不確定性建模，基于服從韋布爾分布的風速、服從beta分布的光照強度和負荷概率分布進行場景生成和削減，進而將不確定性變量轉(zhuǎn)化為確定性變量；區(qū)間優(yōu)化則以區(qū)間的形式表征不確定性變量，宋曉芳等基于源荷不確定性，提出一種電力系統(tǒng)區(qū)間優(yōu)化調(diào)度方法，在風電及負荷預測值已知的情況下，將其不確定性表征為預測誤差的波動區(qū)間；而魯棒優(yōu)化是在最惡劣條件下求得最優(yōu)解，相比較其他方法可靠性較強，但是經(jīng)濟性較差，吳孟雪等基于分布魯棒條件風險價值方法，計及風光不確定性，提出一種電熱氫綜合能源系統(tǒng)分布魯棒方法，能顯著減少風光不確定性造成的經(jīng)濟損失。二是多能互補優(yōu)化調(diào)度模型的建立，在各類發(fā)電設備的約束條件下實現(xiàn)目標函數(shù)最優(yōu)，宋柯等構(gòu)建了以總出力波動最小、整體平穩(wěn)性最優(yōu)為目標的水光互補優(yōu)化調(diào)度模型；郭曉雅等構(gòu)建了發(fā)電量最大、發(fā)電保證率最高、綜合風險率最小、剩余負荷標準差最小的多目標函數(shù)，建立了水光互補中長期優(yōu)化調(diào)度模型；li?d建立了年、月、日調(diào)度周期互補的水力光伏優(yōu)化調(diào)度模型，該模型采用仿真優(yōu)化算法，引入光伏吸納測量方法，旨在實現(xiàn)系統(tǒng)發(fā)電效益最大化，最終確定梯級水電調(diào)度方法；朱燕梅等兼顧水光互補系統(tǒng)發(fā)電量和出力波動兩個目標，建立優(yōu)化調(diào)度模型，依靠水電的靈活性調(diào)節(jié)能力減小光伏出力波動對電網(wǎng)的沖擊。三是模型求解方法的選擇，通常采用智能優(yōu)化算法進行求解，優(yōu)化算法可以通過某些方式將多目標轉(zhuǎn)換為單目標進行求解，也可以采用cplex求解器進行求解。羅彬等考慮光伏出力的不確定性，以整體可消納電量期望最大為目標，提出了梯級水光互補系統(tǒng)短期優(yōu)化調(diào)度模型，采用cplex求解器進行求解。liu?l等提出了一種水電一體化系統(tǒng)的短期優(yōu)化方法，根據(jù)水電計算原理推導了綜合系統(tǒng)最大功率輸出和互補功率與原始功率最小變化的目標函數(shù)和約束條件?；谀繕撕瘮?shù)和約束組成的優(yōu)化模型，將遺傳算法應用于優(yōu)化問題的建模，得到集成系統(tǒng)運行調(diào)度的最優(yōu)解。

4、綜上所述，對于多能互補系統(tǒng)的研究，學者在運行特性、調(diào)度模型方面做了很多工作，主要研究多能互補系統(tǒng)如何協(xié)調(diào)發(fā)電，從而最大化棄風消納，最小化經(jīng)濟成本，而對于風電、光伏等不確定性電源的處理鮮有提及；對于水光互補系統(tǒng)的研究，學者大都會考慮光伏出力的不確定性，且一般傾向于建立調(diào)峰能力最大、互補發(fā)電系統(tǒng)發(fā)電量最大、成本最小等多目標函數(shù)，采用智能優(yōu)化算法進行模型求解，由于算法易陷入局部最優(yōu)，故無法確定最優(yōu)結(jié)果。本發(fā)明著重分析光伏出力的不確定性對優(yōu)化調(diào)度結(jié)果的影響，首先分析晴天、陰天、下雨天和四個季度不同氣象情況下光伏發(fā)電功率特性；然后基于蒙特卡洛模擬方法和k均值聚類實現(xiàn)場景生成和削減，采用概率加權(quán)法得到典型日光伏出力曲線參與水光互補日前優(yōu)化調(diào)度；最后通過設置三種場景進行對比，以經(jīng)濟成本最小為目標，結(jié)合水電站、光伏電站、儲能設備的相關約束條件建立水光互補優(yōu)化調(diào)度模型，并通過cplex求解器求解出模型的最小成本以及各設備的最優(yōu)出力，仿真結(jié)果驗證了本發(fā)明所提場景三模型的經(jīng)濟性和有效性。

技術實現(xiàn)思路

1、為解決上述現(xiàn)有技術存在的問題，本發(fā)明的目的在于考慮光伏不確定性的水-光-儲日前優(yōu)化調(diào)度研究方法。

2、為達到上述目的，本發(fā)明的技術方案為如下步驟構(gòu)成：

3、光伏不確定性的水-光-儲日前優(yōu)化調(diào)度研究，由如下步驟構(gòu)成：

4、s1水光互補發(fā)電系統(tǒng)

5、s1.1水光互補發(fā)電系統(tǒng)結(jié)構(gòu)

6、水光互補發(fā)電系統(tǒng)協(xié)調(diào)調(diào)度主要依靠水電站的靈活調(diào)節(jié)能力來平抑光伏出力的波動性，互補系統(tǒng)的規(guī)模不同，在電網(wǎng)中承擔的任務不同，但主要目標都是最大化新能源消納，在滿足電網(wǎng)用電及調(diào)峰需求的同時降低經(jīng)濟成本，減少環(huán)境污染。

7、本發(fā)明構(gòu)造的水光互補系統(tǒng)旨在減少棄光現(xiàn)象，同時滿足電網(wǎng)調(diào)度指令，引入抽水蓄能從而更好地利用發(fā)電資源。當互補系統(tǒng)發(fā)電較多時，電網(wǎng)無法接收更多電能，此時為了減少棄光，將過剩光伏發(fā)電功率通過儲能設備進行存儲，當互補發(fā)電系統(tǒng)無法滿足電網(wǎng)調(diào)度計劃時，儲能可以通過放電補償部分缺額功率。含儲能的水光互補系統(tǒng)不僅能夠減小光伏出力的波動，實現(xiàn)電能轉(zhuǎn)移，還能獲得較大的經(jīng)濟效益。由于電儲能能夠及時響應負荷變化，并且充放電效率較高，也參與到系統(tǒng)的能量管理和日前優(yōu)化調(diào)度中。

8、s1.2光伏不確定性分析

9、對晴天、陰天和下雨天三種典型日下的光伏發(fā)電功率進行對比分析，光伏出力具有明顯的日特性，即白天受氣象因素的影響出力較大，上午處于出力上升階段，下午處于出力下降階段，光伏出力波動較大，晚上由于沒有光照出力為零。光伏出力主要受光照強度、溫度、天氣的影響，晴天時出力最大，曲線較為光滑，峰值時間較為固定，陰天出力次之，下雨天出力最小，但陰天下雨天出力均呈現(xiàn)明顯的波動且峰值時間不固定不唯一。光伏出力一般均會呈現(xiàn)出典型的夏秋較高，春冬較低的季節(jié)性特點，但由于新疆具有獨特的地理位置和氣候條件，全年光照強度變化不大，故光伏發(fā)電功率變化不明顯，季節(jié)性特點也較弱。

10、s1.3光伏場景生成與削減

11、s1.3.1蒙特卡洛場景生成

12、光伏電站出力可能會存在多種不同的情景，而一般對于光伏出力的處理方法很難兼顧這一點，這會影響水光互補系統(tǒng)運行的可靠性。為了考慮各種極端天氣狀況下的光伏出力，本采用某光伏電站2018年全年12個月2160個光伏出力數(shù)據(jù)通過采用蒙特卡洛模擬方法生成具有代表性的光伏出力預測場景。

13、s1.3.2k均值聚類

14、常見的聚類方法包括k均值聚類、高斯混合模型聚類、密度聚類、層次聚類、譜聚類，這些方法在不同的數(shù)據(jù)情況下有不同的優(yōu)勢和適用性。選擇合適的聚類方法需要考慮數(shù)據(jù)類型、數(shù)據(jù)分布、聚類目標等因素。雖然采用蒙特卡洛模擬方法得到了具有代表性的光伏出力預測場景，但在實際工程中，往往還需要考慮其他各種因素及相關約束，模型復雜度較高。目前采用最多的k均值聚類能夠最大限度地降低模型復雜度，從而將之前由蒙特卡洛模擬方法得到的大量典型場景進行削減。k均值聚類算法在于將具有相似性與趨同性的數(shù)據(jù)單元進行歸類與劃分，從而判定各個數(shù)據(jù)對象之間的相似性。通過k均值聚類從而削減得到四個典型場景，根據(jù)每種場景生成的概率進行加權(quán)求和從而獲得典型日光伏預測出力。

15、k均值聚類首先將數(shù)據(jù)集分為k個不重疊的簇，每個數(shù)據(jù)點都是距其最近的簇的中心。它是一種迭代的、無監(jiān)督的聚類算法，常用于數(shù)值型數(shù)據(jù)，當k簇中的每一簇都相對比較密集且各簇之間區(qū)別明顯時，默認算法收斂，該方法不僅能夠減少場景數(shù)量，還能反映光伏預測的實際分布過程，進一步降低模型中輸入變量數(shù)目，從而減小模型復雜度，提高模型求解效率。k均值聚類方法中通常采用輪廓系數(shù)法確定最優(yōu)k值。假設k的取值為k0，先引入其簇內(nèi)不相似度d1(i)，其表示該樣本與簇內(nèi)其他樣本的平均距離；d2(i)稱為簇間不相似度，其表示該樣本與其他簇間的所有樣本間的平均距離的最小值，則該樣本的輪廓系數(shù)ε(i)可由下式求得：

16、

17、即有：

18、

19、s1.4水電站

20、電網(wǎng)的負荷高峰時段往往與光伏電站的出力高峰時段基本相同，將光伏電站應用于電網(wǎng)調(diào)峰具有天然的優(yōu)勢。而大型水庫一般均具有較強的調(diào)節(jié)性能，當光伏電站發(fā)電較高時，水電站會將一部分水資源儲存在水庫當中，在光伏出力較低或不發(fā)電時段，水電站再進行發(fā)電，以有效削減電網(wǎng)負荷的峰值。

21、s2含儲能的水光互補日前優(yōu)化調(diào)度

22、s2.1目標函數(shù)

23、對于中小規(guī)模的水光互補系統(tǒng)，電網(wǎng)根據(jù)其發(fā)電能力預先給定合理的調(diào)度指令，并要求水光互補系統(tǒng)在調(diào)度期各時段聯(lián)合出力跟蹤電網(wǎng)給定的計劃。同時，為提高水光互補系統(tǒng)的能源利用率，在保證電網(wǎng)安全穩(wěn)定運行的基礎上，以水光互補系統(tǒng)成本最小為目標函數(shù)，同時考慮光伏電站、水電站和儲能運行成本、棄光懲罰成本、光伏電站和水電站運維成本以及光伏電站和水電站上網(wǎng)收益。

24、min?f＝frun+faban+fom-fsell???????????????????????(3)

25、式中，frun為光伏電站、水電站和儲能運行成本，faban為棄光懲罰成本，fom為光伏電站、水電站運行維護成本，fsell為光伏發(fā)電、水電上網(wǎng)收益。

26、(1)運行成本

27、

28、式中，λrun_pv、λrun_w、λrun_es分別為光伏電站、水電站和儲能的運行成本系數(shù)，為t時段光伏發(fā)電功率，mw，為t時段水電功率，mw，分別為t時段儲能充放電功率，mw。

29、(2)棄光懲罰成本

30、

31、式中，λaban為棄光懲罰成本系數(shù)，λom_w為t時段光伏預測功率，mw。

32、(3)運行維護成本

33、

34、式中，λom_pv、λom_w分別為光伏電站、水電站運行維護成本系數(shù)。

35、(4)光伏電站、水電站上網(wǎng)收益

36、

37、式中，λgrid_pv為光伏發(fā)電上網(wǎng)電價，λgrid_w為水電上網(wǎng)電價。

38、約束條件

39、本模型以水電機組、光伏電站、儲能為基本調(diào)度單元，以一天24個小時為調(diào)度周期，主要考慮以下約束條件：

40、(1)功率平衡約束

41、

42、式中，為電網(wǎng)調(diào)度計劃，mw。

43、(2)水力發(fā)電流量約束

44、

45、式中，ηw為水電站發(fā)電效率，為發(fā)電流量，m3/s，hw為水電站發(fā)電水頭高度，m。

46、(3)水電機組出力上下限約束

47、

48、式中，pw_max為水電機組最大裝機容量，mw。

49、(4)光伏電站出力約束

50、

51、(5)儲能相關約束

52、儲能容量約束

53、

54、式中，分別為t時段、t-1時段儲能容量，mw，ηes為儲能充電、放電效率，es_max、es_min分別為儲能容量上下限，mw。

55、儲能始末容量約束

56、

57、式中，分別為1時段和24時段儲能的容量，mw。

58、儲能充放電功率約束

59、

60、式中，μc、μdis分別為儲能的充放電狀態(tài)，儲能不能同時進行充放電。

61、相對于現(xiàn)有技術，本發(fā)明的有益效果為：

62、為積極響應國家“碳達峰、碳中和”政策，降低光伏出力不確定性對電網(wǎng)的沖擊，減少環(huán)境污染，本發(fā)明建立了一種考慮光伏出力不確定性的水光互補協(xié)調(diào)優(yōu)化調(diào)度模型，并進行仿真分析，驗證了所提模型的有效性，結(jié)論如下：

63、1)首先對光伏出力的不確定性進行了分析，并采用蒙特卡洛模擬方法進行場景生成，通過k均值聚類得到四種典型出力場景，并將四種典型日出力與其場景概率加權(quán)求和得到光伏典型日出力，并將其作為光伏預測數(shù)據(jù)參與日前優(yōu)化調(diào)度。

64、2)以水光互補系統(tǒng)經(jīng)濟成本最小為目標函數(shù)，考慮光伏電站、水電站和儲能設備的相關約束條件，構(gòu)建互補系統(tǒng)日前優(yōu)化調(diào)度模型，通過cplex求解器進行模型求解，得到最優(yōu)經(jīng)濟成本為410990元。設置三種場景進行對比分析證明本發(fā)明所提模型經(jīng)濟性較好，場景三經(jīng)濟成本分別比場景一、場景二少84.6％、5.7％，且有效減少了棄光，平均棄光率比場景二少了2.85％。

65、3)仿真結(jié)果表明水電、儲能具有較好的調(diào)節(jié)能力和能量轉(zhuǎn)移功能，能夠補償部分缺額功率，使得水光互補系統(tǒng)出力更加平緩，滿足電網(wǎng)調(diào)度計劃需求。