[發(fā)明專(zhuān)利]一種針對(duì)風(fēng)電并網(wǎng)的概率區(qū)間優(yōu)化方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710300415.4
• 申請(qǐng)日: 2017-05-02
• 公開(kāi)（公告）號(hào): CN108808723A
• 公開(kāi)（公告）日: 2018-11-13
• 發(fā)明（設(shè)計(jì)）人: 熊玉倩;江曉燕;楊燁;程青青;李國(guó)軍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京理工大學(xué)
• 主分類(lèi)號(hào): H02J3/38
• 分類(lèi)號(hào): H02J3/38
• 代理公司: 南京理工大學(xué)專(zhuān)利中心 32203
• 代理人: 朱顯國(guó)

本發(fā)明公開(kāi)了一種針對(duì)風(fēng)電并網(wǎng)的概率區(qū)間優(yōu)化方法。包括以下步驟：1）根據(jù)風(fēng)速分布的概率密度函數(shù)，確定風(fēng)速的置信區(qū)間，然后根據(jù)分段函數(shù)計(jì)算風(fēng)電的取值區(qū)間；2）根據(jù)風(fēng)速的累積概率密度函數(shù)，計(jì)算風(fēng)電的概率分布信息，即區(qū)間里的每個(gè)風(fēng)電值對(duì)應(yīng)該風(fēng)電出現(xiàn)的概率值；3）概率區(qū)間優(yōu)化方法的目標(biāo)函數(shù)為考慮風(fēng)電并網(wǎng)和不考慮風(fēng)電網(wǎng)的差值的條件期望，即得出模型。本發(fā)明將風(fēng)速視為概率區(qū)間變量，將并網(wǎng)前后的系統(tǒng)花費(fèi)的差值作為風(fēng)電并網(wǎng)后的收益，該方法不需要求解多目標(biāo)優(yōu)化問(wèn)題，或者進(jìn)行大規(guī)模風(fēng)速采樣而構(gòu)造基于條件期望的目標(biāo)函數(shù)來(lái)衡量風(fēng)電并網(wǎng)給電力系統(tǒng)運(yùn)行帶來(lái)的經(jīng)濟(jì)性和風(fēng)險(xiǎn)性。

技術(shù)領(lǐng)域

本發(fā)明屬于新能源發(fā)電領(lǐng)域，特別涉及一種針對(duì)風(fēng)電并網(wǎng)的概率區(qū)間優(yōu)化方法。

背景技術(shù)

風(fēng)能作為一種清潔的可再生能源，目前已經(jīng)被大規(guī)模應(yīng)用于實(shí)際的電力系統(tǒng)中。然而風(fēng)速的不確定性致使風(fēng)電具有隨機(jī)波動(dòng)性和不可控性，進(jìn)而大規(guī)模風(fēng)電并網(wǎng)在給我們帶來(lái)經(jīng)濟(jì)性的同時(shí)，也將會(huì)對(duì)電力系統(tǒng)運(yùn)行帶來(lái)很大的風(fēng)險(xiǎn)。因此，合理可靠的度量風(fēng)電并網(wǎng)對(duì)電力系統(tǒng)的影響具有重要的現(xiàn)實(shí)和理論意義。

目前度量風(fēng)電的模型有模糊理論模型、魯棒模型、隨機(jī)模型和區(qū)間優(yōu)化模型。但這些方法都存在著一定的局限性。如模糊方法是通過(guò)建立模糊集來(lái)度量不確定性因素，但該種方法主要依賴于模糊函數(shù)的選取，進(jìn)而存在著強(qiáng)烈的主觀性，從而得到的調(diào)度解難以滿足實(shí)際的需求；而魯棒方法需要提前定義一個(gè)不確定集合和確定最差的場(chǎng)景，但該方法很難找到和證明最差場(chǎng)景；至于隨機(jī)的方法，它主要是通過(guò)應(yīng)用概率模型模擬隨機(jī)變量的分布，然而模擬統(tǒng)計(jì)的方法主要為蒙特卡洛方法，該方法的計(jì)算量又相當(dāng)大，另外該方法大多只是考慮到了期望成本，其風(fēng)險(xiǎn)往往被忽略；區(qū)間優(yōu)化模型是將風(fēng)電看能區(qū)間變量，將其和機(jī)組處理同時(shí)優(yōu)化，該模型通過(guò)考慮風(fēng)電并網(wǎng)后，系統(tǒng)運(yùn)行優(yōu)化的最大值和最小值的均值最為經(jīng)濟(jì)指標(biāo)；最大值和最小值的差值作為風(fēng)險(xiǎn)指標(biāo)，進(jìn)而該模型同時(shí)考慮了風(fēng)電并網(wǎng)的經(jīng)濟(jì)性和安全性，另外該模型不需要對(duì)風(fēng)速進(jìn)行采樣，從而減少了采樣給運(yùn)算帶來(lái)的復(fù)雜度，但是該模型將經(jīng)濟(jì)指標(biāo)和風(fēng)險(xiǎn)指標(biāo)分別看成一個(gè)優(yōu)化目標(biāo)，進(jìn)而需要進(jìn)行多目標(biāo)優(yōu)化，從而給系統(tǒng)運(yùn)行計(jì)算帶來(lái)了一定的復(fù)雜度，而且該模型將風(fēng)電看成確定性的區(qū)間變量，并沒(méi)有考慮風(fēng)電的概率隨機(jī)性的特點(diǎn)，進(jìn)而用區(qū)間優(yōu)化模型度量風(fēng)電是不合理的。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種針對(duì)風(fēng)電并網(wǎng)的概率區(qū)間優(yōu)化方法。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種針對(duì)風(fēng)電并網(wǎng)的概率區(qū)間優(yōu)化方法，包括以下步驟：

步驟1、構(gòu)建風(fēng)速的概率密度函數(shù)和累積概率密度函數(shù)；所述風(fēng)速的概率密度函數(shù)為：

累積概率密度函數(shù)為：

式中，υ為實(shí)際風(fēng)速，υ_ci為切入風(fēng)速，υ_ra為額定風(fēng)速，υ_co為切出風(fēng)速，P_ra為風(fēng)機(jī)的額定出力。

步驟2、根據(jù)風(fēng)速的累積概率密度函數(shù)，確定風(fēng)電的概率分布信息，即區(qū)間里的每個(gè)風(fēng)電值對(duì)應(yīng)該風(fēng)電出現(xiàn)的概率值；計(jì)算風(fēng)電的概率分布信息所用公式為：

步驟3、利用PIO模型的目標(biāo)函數(shù)確定考慮風(fēng)電并網(wǎng)和不考慮風(fēng)電網(wǎng)的差值條件期望，并利用該信息對(duì)風(fēng)電并網(wǎng)的概率區(qū)間進(jìn)行優(yōu)化。PIO模型的目標(biāo)函數(shù)為考慮風(fēng)電并網(wǎng)和不考慮風(fēng)電網(wǎng)的差值的條件期望，模型為：

minH(X,U,P_w)＝-p(P_w)(G₀-G(X,U,P_w))

s.t.g(X,U,P_w)＝0

h(X,U,P_w)＜0