一种光热电站-风电场联合系统的有功功率滚动调度方法
一种光热电站-风电场联合系统的有功功率滚动调度方法
【技术领域】
[0001] 本发明设及一种光热电站-风电场联合系统的有功功率滚动调度方法，属于电力 系统运行和控制技术领域。
【背景技术】
[0002] 随着近年来可再生能源发电的快速发展，利用太阳能转化为热能发电的光热发电 技术再一次引起人们的关注。据国际能源署预计，在适度政策的支持下，2050年全球CSP累 计装机容量将达980GW。目前，国内在张家口、青海等多地均有在建的光热电站项目。
[0003] 光热电站利用热能产生蒸汽推动汽轮机发电，当光热电站与储热装置结合时，可 W显著提高光热发电的可控性和可调度性，从而使原本不可调度的电源变为具有良好调度 性能的电源。由于光热电站需要产生蒸汽来发电，因此其对直射太阳光福射有较高的要求， 在我国，可W满足光热电站光照条件要求的地区大多位于西北和北部，运些地区风电资源 也比较丰富。由于风电资源存在不确定性，其预测误差使得风电实际出力与预测出力有一 定的偏差，在导致弃风问题的同时，也给电力系统的日前调度和实时调度带来了困难。考虑 到未来光热电站的发展趋势、其可能建设投产的地理位置W及光热电站的可调度能力，可 W考虑将光热电站与风电结合起来。光热电站中储热装置内的能量能W较低的损耗存储很 长时间，联合系统在制订日前计划时，如果没有考虑后几日风光功率的不确定性和光热电 站可调度能力的变化，就无法制订合理的储热装置充放电计划来充分发挥光热电站的可调 度能力，从而影响联合系统在更长时间尺度上的经济效益。因此，对于光热电站和风电联合 系统，有必要考虑风光功率预测的不确定性W及风光不确定性在未来48小时中的变化情 况，对联合系统的调度问题进行研究。
【发明内容】
[0004] 本发明的目的是提出一种光热电站-风电场联合系统的有功功率滚动调度方法， 针对可再生能源并网问题，充分考虑风光功率预测的不确定性W及风光不确定性在未来48 小时中的变化情况，将未来48小时的风光预测数据纳入光热电站-风电联合系统的调度当 中，从而产生合理的未来24小时的光热电站-风电联合系统输出有功功率计划，减少风电场 的不确定性，促进可再生能源并网。
[0005] 本发明提出的光热电站-风电场联合系统的有功功率滚动调度方法，包括W下步 骤：
[0006] (1)对风电场、光热电站的光场的历史预测数据和历史实际有功功率数据进行统 计，建立历史预测数据和历史实际有功功率数据之间的关系曲线，具体过程如下：
[0007] (1-1)对光热电站的光场过去一年的历史日前光照功率预测数据进行统计，得到 光热电站的光场过去一年的历史日前光照功率预测数据分布区间巧=[ρΓ"，ρΓχ]，pf"为上 述区间的下界，ρΓ"为上述区间的上界，则过去一年的历史日前光照功率预测数据分布于 区间Ρ1内；
[000引（1 -2)设定一个数值gapi，gapi的取值范围为gapi e (ο，5 ];
[0009] (1-3)根据步骤（1-1)中所述的分布区间PI和步骤（1-2)中设定的数值gapi，计算得 到子区间P k，k = 1，2，. . .，η 1，上述子区间P k的取值范围为 尸4 e (ρΓ。+ 巧-1). ，ρΓ + /(. ]，山的取值为：
[0010]
[0011] (1-4)对光热电站的光场过去一年的历史实际输出光照功率数据进行统计，得到 光热电站光场过去一年的历史实际输出光照功率数据集合hi;
[001^ (1-5)根据步骤（1-3)中所述子区间Pk和m，将历史实际输出光照功率数据集合hi 划分为m个子集合碎，k= 1，2，...，m，具体过程如下：
[0013] (1-5-1)从步骤（1-1)所述光热电站的光场过去一年的历史日前光照功率预测数 据中找出与上述数据集合hi中的任意一个元素 X相对应的历史日前光照功率预测数据x'，x Ehi;
[0014] ( 1 - 5 - 2 )根据步骤（1 - 3 )中所述子区间P k，若上述 X'€ (P;"'" + (Α· -1).'·.拼Pi，拇in+ A .·餅細.，:则将步骤(l-s-l)中所述的元素 X划分给集合.璋·，k= 1， 2,···,ηι;
[0015] (1-5-3)遍历数据集合hi中的每一个元素，重复步骤(1-5-1)和步骤(1-5-2)，将数 据集合hi中的每一个元素划分到上述数据子集合皆中，k=l，2,...，m;
[0016] (1-6)计算步骤（1-5-3)的数据子集合辟的均方根误差/?MS'与，将子区间Pk的中间 值作为自变量，将数据子集合皆的均方根误差中与Pk相对应的均方根误差樹叙巧作为因变 量，构成一个Pk与穴MS7马的关系曲线化；
[0017] (1-7)对风电场过去一年的历史日前风电功率预测数据进行统计，得到风电场过 去一年的历史日前风电功率预测数据分布区间扔=巧f":，pn，坡i"为上述区间的下界， ρΓ为上述区间的上界，则过去一年的历史日前风电功率预测数据分布于区间P2内；
[001引（1-8)设定一个数值gap2，gap2的取值范围为gap2E (0,5];
[0019] (1-9)根据步骤（1-7)中所述的分布区间P2和步骤（1-8)中设定的数值gap2,计算得 到子区间W g，g = 1，2，. . .，η 2，上述子区间W g的取值范围为 炉g e (ρΓ + (各-U. g。知ρΓ +《.若觀]，化的取值为：
[0020]
[0021] (1-10)对风电场的光场过去一年的历史实际输出风电功率数据进行统计，得到风 电场过去一年的历史实际输出风电功率数据集合h2，
[0022] (1-11)根据步骤(1-7)中所述子区间Wg和m，将历史实际输出光照功率数据集合h2 划分为Π2个子集合/?^'，g= 1，2，. . .，Π2，具体过程如下：
[0023] (1-11-1)从步骤(1-7)所述风电场过去一年的历史日前风电功率预测数据中找出 与上述数据集合h2中任一个元素 y相对应的历史日前风电功率预测数据y'，yEh2;
[0024] ( 1 - 1 1 - 2 )根据步骤（1 - 9 )所述子区间W g，若上述 .^'€咕^十侣-])，飢。:.!)；；"1 +《，巧吹]，则将步骤(1-11-1)中所述的元素7划分给集合舊，邑= 1.2.. ..,Π2 ；
[0025] (1-11-3)遍历数据集合hi中的每一个元素，重复步骤（1-11-1)和步骤（1-11-2)， 将数据集合h2中的每一个元素划分到上述数据子集合谭中，g=l，2,...，m;
[00%] (1-12)计算步骤(1-11-3)中得到的数据子集合谭的均方根误差MiSf，将子区间 Wg的中值作为自变量，将数据子集合的均方根误差中与Wg相对应的均方根误差/?MS'马作 为因变量，构成一个胖8与吗的关系曲线化；
[0027] (2)根据风电场、光热电站光场的未来48小时的有功功率预测，并根据上述步骤 (1)的历史预测数据和历史实际有功功率数据之间的关系曲线，生成未来48小时的风电场、 光热电站光场的有功功率场景集合，具体过程如下：
[0028] (2-1)设定光热电站的光场未来48小时的有功功率预测数值SPI，查询上述关系曲 线虹，分别得到与有功功率预测数值SP哺对应的48个均方根误差化做￡；'，1为预测时刻，1 = 1.2.. ...48；
[0029] (2-2)对48个均方根误差化I傲马分别进行修正，得到48个修正均方根误差品云耳：
[0030]
[0031] (2-3)根据步骤(2-2)所述的48个修正均方根误差/?Λ化￡'|'，利用基于高斯分布的蒙 特卡洛方法，相对应每个修正均方根误差方品if，产生标准差为瓦的10组数据<，1 = 1.2.. . .，48，si=l，2,. . . ,10为组下标；
[0032] (2-4)根据上述有功功率预测数值SPI和10组数据<，计算得到10组光热电站光场 未来48小时的有功功率巧：(场景：/? =Sp/+4，1 = 1，2, . . .，48，si = l，2, . . .，10为组下 标，10组共480个有功功率数据巧^^组成场景集合亦；
[0033] (2-5)设定风电场未来48小时的有功功率预测数值Wpi，查询上述关系曲线R2，分别 得到与有功功率预测数值Wpi相对应的48个均方根误差化I殺驾;，1为预测时刻，1 = 1，2，...， 48;
[0034] (2-6)对48个均方根误差/切做分别进行修正，得到48个修正均方根误差方运每：
[0035]
[0036] (2-7)根据步骤(2-2)所述的48个修正均方根误差方I友g，利用基于高斯分布的蒙 特卡洛方法，相对应每个修正均方根误差，产生标准差为i?MS^的10组数据乂，1 = 1,2,... ,48，S2= 1,2,... ,10为组下标；
[0037] (2-8)根据上述有功功率预测数值WPI和10组数据计算得到10组风电场未来48 小时的有功功率巧Γ'场景：
L = 1，2，. . .，48，S2 = 1，2，. . .，10为组下标， 10组共480个有功功率数据P巧r'd组成场景集合东^;
[0038] (3)根据上述风电场、光热电站的光场的有功功率场景集合和实际接入电网的售 电价格，对光热电站-风电联合系统未来24小时的输出有功功率计划值进行计算，具体过程 如下：
[0039] (3-1)设第1时刻的售电价格为P1;
[0040] (3-2)设定光热电站的有功功率出力的各項约束，具体过程如下：
[0041] ( 3 - 2 - 1 )设定光热电站发电机出力限制约束为：
[0042] 其中，1 = 1,2. . .48为时刻值，S为对上述步骤(2-4)集合承和步骤(2-8)集合i宇 进行并集运算亦U賊后得到的新集和中列元素的下标s = l，2,. . . .，100,写;Γ为光热电 站中的发电机在所述1时刻和所述的场景S中的出力变量，巧f为设定的光热电站中的发电 机的最小出力设定值，胃Pff为设定的光热电站中的发电机的最大出力设定值，jf"为光热 电站中的发电机在k时刻的状态变量，所述皆等于1表示发电机开启，等于0表示发电机关 闭；
[0043] (3-2-2)设定光热电站中的发电机的状态变量与开机变量的关系约束为：
[0044]
[0045] 其中，wfw为步骤(3-2-1)所述1时刻光热电站中的发电机的开机状态标志，所述 Mfw等于1表示机组在1时刻启动，等于0表示发电机没有在1时刻进行启动操作；
[0046] (3-2-3) 设定光热电站中的发电机的状态变量与关机变量的关系约束为：
[0047]
[004引其中，iff为步骤(3-2-1)所述1时刻光热电站中的发电机的关机状态标志，所述 vp等于1表示机组在1时刻启动，等于0表示发电机没有在1时刻进行启动操作；
[0049] (3-2-4)设定光热电站中的发电机的最小开机时间约束为：
[(K)加]
[0051]其中，为设定的光热电站中的发电机最小开机时间， Vre[/ + l，i地1{/ + 7；严-1，Γ}]指任意一个取值在区间y + l，min{/ + ：r。严-1，巧]中的变量τ，上 述区间中min ?/ + r,w -1. η表示对/ + 7；?" -1和Τ取最小值；
[0052] (3-2-5)设定光热电站中的发电机的最小关机时间约束为：
[0化3]
[0054] 其中，为设定的光热电站中的发电机最小关机时间；
[0055] (3-2-6)设定光热电站中的发电机的爬坡约束为：
[0化6]
[0057] 其中，抓ESP设定的光热电站发电机的最大上爬坡值，RDESp为设定的光热电站发电 机的最大下爬坡值；
[0058] (3-2-7)设定光热电站中的储能装置的存储能量约束为：
[0化9]
[0060] 其中，Emin为设定的光热电站中的储能装置考虑安全运行的最小能量存储量，El,S 为在所述1时刻和所述的场景S中光热电站中的储能装置内存储的能量变量，ppw为设定的 光热电站中的储能装置满负荷小时数，rie为设定的光热电站中的发电机热转电效率；
[0061] (3-2-8)设定光热电站中的储能装置的充放电功率约束为：
[0062]
[0063] 其中，货。.为设定的光热电站中的储能装置的最大充热功率，巧"为设定的光热电 站中的储能装置的最大充热/放热功率;为在所述1时刻和所述的场景S中光热电站中的 储热装置的充热功率变量，巧f为在所述1时刻和所述的场景S中光热电站中的储热装置的 放热功率变量，砖Γ36为在所述1时刻和所述的场景S中光热电站中的储热装置的充放电状 态，上述为加寸表示储热装置释放热量，而为1时表示储热装置储存热量；
[0064] (3-2-9)设定光热电站中的储热装置的充放热功率与储热装置中存储能量的关系 约束为：
[00 化]
[0066] 其中，丫为设定的储热装置耗散系数，相。为设定的储热装置的放热效率，屯为设定 的储热装置充热效率；
[0067] (3-2-10)设定在步骤(3-2-1)所述各场景S下光热电站中的储热装置中存储能量 的变量在1 = 24时刻的关系约束为：
[006引
[0069] 上述约束保证各场景s下光热电站中的储热装置存储能量在当前调度日结束时刻 取值相等，从而使下一调度日开始时刻储热装置内储能量为定值；
[0070] (3-2-11)设定光热电站中的能量流动关系约束为：
[0071]
[0072] 其中，Eidss为设定的光热电站发电机开机损失的热量；
[0073 ] (3-3)设定与光热电站组成联合系统的风电场的有功功率约束为：
[0074]
[0075] 式中：P巧为在步骤（2-8)所述1时刻和所述的场景S中风电场的预测风功率数 据，为在所述1时刻和所述的场景S中风电场的实际风电有功功率变量；
[0076] (3-4)设定光热电站-风电联合系统的有功功率计划变量为ifA%上述ifAf与步骤 (3-2-1)中所述光热电站中的发电机在所述1时刻和所述的场景S中的出力变量巧;f和步骤 (3-3)风电场的实际风电有功功率变量巧^^^的关系为：
[0077]
[0078] (3-5)光热电站-风电联合系统进行有功功率调度的目标函数为经济效益的最大 化，上述目标函数由步骤(3-1)所述售电价格P1和步骤(3-4)所述光热电站-风电联合系统 的有功功率计划变量if表示为
[0079] (3-6)根据上述步骤(3-2)，步骤(3-3)，步骤(3-4)中所述的约束和步骤(3-5)中所 述的目标函数，建立一个光热电站-风电联合系统的日前调度优化模型；
[0080] (3-7)通过数学中的分支定界方法，求解上述步骤(3-6)的日前调度优化模型，得 到未来48小时光热电站-风电联合系统的计划有功功率= l，2,. . .，48,和各1时刻和 各所述3场景下光热电站中的发电机有功功率巧；产、风电场有功功率巧^^
[0081 ] (4)光热电站-风电联合系统在未来24小时的时间尺度内，执行步骤(3-7)生成的 输出有功功率计划值巧"'4%具体过程如下：
[0082] (4-1)根据上述步骤(3-7)中未来48小时的计划有功功率ifAe，取出前24小时的计 划有功功率if&6，t = i，..，24;
[0083] (4-2)在预测开始的第t小时时刻，调度光热电站-风电联合系统的实时有功功率 为if直到第24小时后，当前调度周期结束；
[0084] (5)当上述步骤(4)中24小时的输出有功功率计划值执行完毕后，进入步骤(2)，进 入下一周期的光热电站-风电场联合系统的有功功率滚动调度。
[0085] 本发明提出的光热电站-风电场联合系统的有功功率滚动调度方法，其优点是:本 发明方法考虑未来48小时的光热电站光场和风电场有功功率预测数据，充分利用光热电站 中储热装置的调度能力，减少可再生能源的波动性。该方法可W在考虑未来48小时数据的 基础上，对未来24小时的光热电站-风电联合系统进行合理调度，充分考虑储能装置在光热 电站调度中的作用，根据第二天可能出现的风电场有功功率情况和光热电站光场有功功率 情况进行调度，并决定前24小时结束时的留存能量，防止由于第一天光热电站的储能装置 未能留存足够的能量导致光热电站-风电联合系统在第二天可能出现的有功功率波动情 况，并充分考虑光热电站-风电联合系统的经济效益。该方法在很大程度上解决了光热电 站-风电联合系统中风电场功率波动的情况，促进了可再生能源的并网。本发明方法原理简 单，利用实现方便。
【附图说明】
[0086] 图1是本发明提出的光热电站-风电场联合系统的有功功率滚动调度方法流程框 图
【具体实施方式】
[0087] 本发明提出的光热电站-风电场联合系统的有功功率滚动调度方法，其流程框图 如图1所示，包括W下步骤：
[0088] (1)对风电场、光热电站的光场的历史预测数据和历史实际有功功率数据进行统 计，建立历史预测数据和历史实际有功功率数据之间的关系曲线，具体过程如下：
[0089] (1-1)对光热电站的光场过去一年的历史日前光照功率预测数据进行统计，得到 光热电站的光场过去一年的历史日前光照功率预测数据分布区间A = [ρΓ'，ρΓ"]，ΡΓ为上 述区间的下界，ΡΓ*为上述区间的上界，则过去一年的历史日前光照功率预测数据分布于 区间pi内；
[0090] (1 -2)设定一个数值gapi，gapi的取值范围为gapi e (0，5 ];
[0091] (1-3)根据步骤（1-1)中所述的分布区间PI和步骤（1-2)中设定的数值gapi，计算得 到子区间P k，k = 1，2，. . .，η 1，上述子区间P k的取值范围为 C e (P;|'||' + (/( - 1) ·削)|，P:""| H- /(?沪/，| 1，m的取值为：
[0092]
[0093] (1-4)对光热电站的光场过去一年的历史实际输出光照功率数据进行统计，得到 光热电站光场过去一年的历史实际输出光照功率数据集合hi;
[0094] (1-5)根据步骤（1-3)中所述子区间Pk和m，将历史实际输出光照功率数据集合hi 划分为m个子集合砖，k=l，2,...，m，具体过程如下：
[00M] (1-5-1)从步骤（1-1)所述光热电站的光场过去一年的历史日前光照功率预测数 据中找出与上述数据集合hi中的任意一个元素 X相对应的历史日前光照功率预测数据x'，x Ehi;
[0096] ( 1 - 5 - 2 )根据步骤（1 - 3 )中所述子区间P k，若上述 X' € (p；"in + (A -.恥拼巧，货m+ ^巧町]，.则将步骤(1-5-1 )中所述的元素 X划分给集合皆.，k二1 , 2,···,ηι;
[0097] (1-5-3)遍历数据集合hi中的每一个元素，重复步骤(1-5-1)和步骤(1-5-2)，将数 据集合hi中的每一个元素划分到上述数据子集合皆中，k=l，2,...，m;
[009引（1-6)计算步骤（1-5-3)的数据子集合《的均方根误差度Μ涩f，将子区间Pk的中间 值作为自变量，将数据子集合皆的均方根误差中与Pk相对应的均方根误差化'做与作为因变 量，构成一个Pkij化'V按巧的关系曲线化；
[0099] (1-7)对风电场过去一年的历史日前风电功率预测数据进行统计，得到风电场过 去一年的历史日前风电功率预测数据分布区间片；=[9^，9?"]，口7^为上述区间的下界， P"…为上述区间的上界，则过去一年的历史日前风电功率预测数据分布于区间P2内；
[0100] (1-8)设定一个数值gap2，gap2的取值范围为gap2E (0,5];
[0101] (1-9)根据步骤（1-7)中所述的分布区间P2和步骤（1-8)中设定的数值gap2,计算得 到子区间W g，g = 1，2，. . .，η 2，上述子区间W g的取值范围为 Wg e (P f η + (容-矿辨扔，' +《· g哗J，Π 2的取值为：
[0102]
[0103] (1-10)对风电场的光场过去一年的历史实际输出风电功率数据进行统计，得到风 电场过去一年的历史实际输出风电功率数据集合h2，
[0104] (1-11)根据步骤(1-7)中所述子区间Wg和m，将历史实际输出光照功率数据集合h2 划分为m个子集合雌，g=l，2,...，耻，具体过程如下：
[0105] (1-11-1)从步骤(1-7)所述风电场过去一年的历史日前风电功率预测数据中找出 与上述数据集合h2中任一个元素 y相对应的历史日前风电功率预测数据y'，yEh2;
[0106] ( 1 - 1 1 - 2 )根据步骤（1 - 9 )所述子区间W g，若上述
贝1J将步骤（1-11-1)中所述的元素 y划分给集合咕，g = 1，2,···，。2;
[0107] (1-11-3)遍历数据集合hi中的每一个元素，重复步骤（1-11-1)和步骤（1-11-2)， 将数据集合h2中的每一个元素划分 到上述数据子集合璋中，g=l，2,...，m;
[0108] (1-12)计算步骤(1-11-3)中得到的数据子集合/婷的均方根误差7?MS'吗，将子区间 Wg的中值作为自变量，将数据子集合够的均方根误差中与Wg相对应的均方根误差/?MS'反'作 为因变量，构成一个Wg与化1做巧'的关系曲线化；
[0109] (2)根据风电场、光热电站光场的未来48小时的有功功率预测，并根据上述步骤 (1)的历史预测数据和历史实际有功功率数据之间的关系曲线，生成未来48小时的风电场、 光热电站光场的有功功率场景集合，具体过程如下：
[0110] (2-1)设定光热电站的光场未来48小时的有功功率预测数值Spi，查询上述关系曲 线Ri，分别得到与有功功率预测数值Spi相对应的48个均方根误差S V巧与'，1为预测时刻，1 = 1.2.. ...48；
[0111] (2-2)对48个均方根误差化做写分别进行修正，得到48个修正均方根误差瓦友g:
[0112]
[0113] (2-3)根据步骤(2-2)所述的48个修正均方根误差品远昂，利用基于高斯分布的蒙 特卡洛方法，相对应每个修正均方根误差品友g，产生标准差为品友早的10组数据<，1 = 1,2, · · · ,48，si二 1,2, · · · ,10为组下柄；
[0114] (2-4)根据上述有功功率预测数值SPI和10组数据<，计算得到10组光热电站光场 未来48小时的有功功率马^场景；
10为组下 标，10组共480个有功功率数据/?组成场景集合显；
[011引（2-5)设定风电场未来48小时的有功功率预测数值Wpi，查询上述关系曲线R2，分别 得到与有功功率预测数值Wpi相对应的48个均方根误差i?M狸，1为预测时刻，1 = 1，2，...， 48;
[0116] (2-6)对48个均方根误差化k议与分别进行修正，得到48个修正均方根误差品运g·:
[0117]
[0118] (2-7)根据步骤(2-2)所述的48个修正均方根误差跑fe按怎利用基于高斯分布的蒙 特卡洛方法，相对应每个修正均方根误差品友g，产生标准差为方反显[的10组数据乂，1 = 1.2.. .., 48, S2 二 1,2,..., 10为组下柄；
[0119] (2-8)根据上述有功功率预测数值Wpi和10组数据乂，计算得到10组风电场未来48 小时的有功功率巧r'w场景：
1 = 1，2，. . .，48，S2= 1，2，. . .，10为组下标， 10组共480个有功功率数据'巧；'"3组成场景集合兩?;
[0120] (3)根据上述风电场、光热电站的光场的有功功率场景集合和实际接入电网的售 电价格，对光热电站-风电联合系统未来24小时的输出有功功率计划值进行计算，具体过程 如下：
[0121] (3-1)设第1时刻的售电价格为P1，该价格数值由实际光热电站-风电联合系统与 电网公司的合同决定；
[0122] (3-2)设定光热电站的有功功率出力的各項约束，具体过程如下：
[0123] (3-2-1)设定光热电站发电机出力限制约束为：
[0124]
[0125] 其中，1 = 1,2. . .48为时刻值，S为对上述步骤(2-4)集合承和步骤(2-8)集合际 进行并集运算显u示^后得到的新集和中列元素的下标S = l，2,. . . .，100,巧为光热电站 中的发电机在所述1时刻和所述的场景S中的出力变量，P直W为设定的光热电站中的发电机 的最小出力设定值，冷Γ为设定的光热电站中的发电机的最大出力设定值，皆^为光热电 站中的发电机在k时刻的状态变量，所述.fw等于1表示发电机开启，等于0表示发电机关 闭；
[0126] (3-2-2)设定光热电站中的发电机的状态变量与开机变量的关系约束为：
[0127]
[0128] 其中，ufSf为步骤(3-2-1)所述1时刻光热电站中的发电机的开机状态标志，所述 wf"等于1表示机组在1时刻启动，等于0表示发电机没有在1时刻进行启动操作；
[0129] (3-2-3)设定光热电站中的发电机的状态变量与关机变量的关系约束为：
[0130]
[0131] 其中，vfw为步骤(3-2-1)所述1时刻光热电站中的发电机的关机状态标志，所述 iff等于1表示机组在1时刻启动，等于0表示发电机没有在1时刻进行启动操作；
[0132] (3-2-4)设定光热电站中的发电机的最小开机时间约束为：
[0133]
[0134] 其中，为设定的光热电站中的发电机最小开机时间， V Γ e [/ +1，min{/ + 7；严-1，巧]指任意一个取值在区间[/ +1，min{/ + 7：严-1，Π ]中的变量τ， 上述区间中min ;/ + -1，Γ!表示对/ + -1和Τ取最小值；
[0135] (3-2-5)设定光热电站中的发电机的最小关机时间约束为：
[0136]
[0137] 其中，？fP为设定的光热电站中的发电机最小关机时间；
[0138] (3-2-6)设定光热电站中的发电机的爬坡约束为：
[0139]
[0140] 其中，抓ESP设定的光热电站发电机的最大上爬坡值，rdEsp为设定的光热电站发电 机的最大下爬坡值；
[0141] (3-2-7)设定光热电站中的储能装置的存储能量约束为：
[0142]
[0143] 其中，Emin为设定的光热电站中的储能装置考虑安全运行的最小能量存储量，El,S 为在所述1时刻和所述的场景S中光热电站中的储能装置内存储的能量变量，ppw为设定的 光热电站中的储能装置满负荷小时数，rie为设定的光热电站中的发电机热转电效率；
[0144] (3-2-8)设定光热电站中的储能装置的充放电功率约束为：
[0145]
[0146] 其中，巧。。为设定的光热电站中的储能装置的最大充热功率，巧为设定的光热电 站中的储能装置的最大充热/放热功率;巧：为在所述1时刻和所述的场景S中光热电站中的 储热装置的充热功率变量，巧:f为在所述1时刻和所述的场景S中光热电站中的储热装置的 放热功率变量，砖为在所述1时刻和所述的场景S中光热电站中的储热装置的充放电状 态，上述為为0时表示储热装置释放热量，端为1时表示储热装置储存热量.
[0147] (3-2-9)设定光热电站中的储热装置的充放热功率与储热装置中存储能量的关系 约束为：
[014 引
[0149] 其中，丫为设定的储热装置耗散系数，相。为设定的储热装置的放热效率，屯为设定 的储热装置充热效率；
[0150] (3-2-10)设定在步骤(3-2-1)所述各场景S下光热电站中的储热装置中存储能量 的变量在1 = 24时刻的关系约束为：
[0151]
[0152] 上述约束保证各场景S下光热电站中的储热装置存储能量在当前调度日结束时刻 取值相等，从而使下一调度日开始时刻储热装置内储能量为定值；
[0153] (3-2-11)设定光热电站中的能量流动关系约束为：
[0154]
[0155] 其中，Eidss为设定的光热电站发电机开机损失的热量；
[0156] (3-3)设定与光热电站组成联合系统的风电场的有功功率约束为：
[0157]
[015引式中：巧^^为在步骤（2-8)所述1时刻和所述的场景8中风电场的预测风功率数 据，巧为在所述1时刻和所述的场景S中风电场的实际风电有功功率变量；
[0159] (3-4)设定光热电站-风电联合系统的有功功率计划变量为if"%上述if*与步骤 (3-2-1)中所述光热电站中的发电机在所述1时刻和所述的场景S中的出力变量巧;f和步骤 (3-3)风电场的实际风电有功功率变量巧关系为：
[0160]
[0161] (3-5)光热电站-风电联合系统进行有功功率调度的目标函数为经济效益的最大 化，上述目标函数由步骤(3-1)所述售电价格P1和步骤(3-4)所述光热电站-风电联合系统 的有功功率计划变量/f*'表示为：
[0162] (3-6)根据上述步骤(3-2)，步骤(3-3)，步骤(3-4)中所述的约束和步骤(3-5)中所 述的目标函数，建立一个光热电站-风电联合系统的日前调度优化模型；
[0163] (3-7)通过数学中的分支定界方法，求解上述步骤(3-6)的日前调度优化模型，得 到未来48小时光热电站-风电联合系统的计划有功功率= . . .，48,和各1时刻和 各所述S场景下光热电站中的发电机有功功率巧f、风电场有功功率巧fw ;
[0164] (4)光热电站-风电联合系统在未来24小时的时间尺度内，执行步骤(3-7)生成的 输出有功功率计划值if A6，具体过程如下：
[0165] (4-1)根据上述步骤(3-7)中未来48小时的计划有功功率/fA%取出前24小时的计 划有功功率ifAe，t = l，..，24;
[0166] (4-2)在预测开始的第t小时时刻，调度光热电站-风电联合系统的实时有功功率 为ifA6,直到第24小时后，当前调度周期结束；
[0167] (5)当上述步骤(4)中24小时的输出有功功率计划值执行完毕后，进入步骤(2)，进 入下一周期的光热电站-风电场联合系统的有功功率滚动调度。
【主权项】
1. 一种光热电站-风电场联合系统的有功功率滚动调度方法，其特征在于，该方法包括 以下步骤： (1)对风电场、光热电站的光场的历史预测数据和历史实际有功功率数据进行统计，建 立历史预测数据和历史实际有功功率数据之间的关系曲线，具体过程如下： (1-1)对光热电站的光场过去一年的历史日前光照功率预测数据进行统计，得到光热 电站的光场过去一年的历史日前光照功率预测数据分布区间为上述区 间的下界，Prx为上述区间的上界，则过去一年的历史日前光照功率预测数据分布于区间P1 内； (1-2)设定一个数值gapi，gapi的取值范围为gapie (〇,5]; (1-3)根据步骤（1-1)中所述的分布区间P1和步骤（1-2)中设定的数值gaPl，计算得到子 区间Pk，k=l，2,. . .，m，上述子区间Pk的取值范围为m的取值为：(1-4)对光热电站的光场过去一年的历史实际输出光照功率数据进行统计，得到光热 电站光场过去一年的历史实际输出光照功率数据集合Iu; (1-5)根据步骤（1-3)中所述子区间Pk和m，将历史实际输出光照功率数据集合In划分 为m个子集合Y，k=l，2,...，m，具体过程如下： (1-5-1)从步骤（1-1)所 述光热电站的光场过去一年的历史日前光照功率预测数据中 找出与上述数据集合hi中的任意一个元素X相对应的历史日前光照功率预测数据x'，xeh1; (1-5-2)根据步骤（1-3)中所述子区间Pk，若上述则将步骤(1-5-1)中所述的元素X划分给集合埤..，k=l，2,. . .，m; (1-5-3)遍历数据集合In中的每一个元素，重复步骤（1-5-1)和步骤（1-5-2)，将数据集 合hi中的每一个元素划分到上述数据子集合.Zif中，k=l，2,...，m; (1-6)计算步骤（1-5-3)的数据子集合<的均方根误差，将子区间Pk的中间值作 为自变量，将数据子集合Af的均方根误差中与Pk相对应的均方根误差作为因变量， 构成一个Pk与iiMSSf的关系曲线Ri; (1-7)对风电场过去一年的历史日前风电功率预测数据进行统计，得到风电场过去一 年的历史日前风电功率预测数据分布区间为上述区间的下界，ΡΓ为上 述区间的上界，则过去一年的历史日前风电功率预测数据分布于区间P2内； (1-8)设定一个数值gap2，gap2的取值范围为gap2e (〇,5]; (1-9)根据步骤（1-7)中所述的分布区间p2和步骤（1-8)中设定的数值gap2,计算得到子 区间W g，g = 1，2，· · ·，η 2，上述子区间W g的取值范围为n2的取值为：(1-10)对风电场的光场过去一年的历史实际输出风电功率数据进行统计，得到风电场 过去一年的历史实际输出风电功率数据集合h2， (1-11)根据步骤（1-7)中所述子区间WdPn2,将历史实际输出光照功率数据集合h2划分 为Π2个子集合.尽，g=l，2,. . .，n2,具体过程如下： (1-11-1)从步骤（1-7)所述风电场过去一年的历史日前风电功率预测数据中找出与上 述数据集合h2中任一个元素y相对应的历史日前风电功率预测数据y'，yeh2; (1-11-2)根据步骤（1-9)所述子区间Wg，若上述则 将步骤(1-11-1)中所述的元素y划分给集合.琴.，g = l，2,...，n2; (1-11-3)遍历数据集合Iu中的每一个元素，重复步骤(1-11-1)和步骤(1-11-2)，将数据 集合h2中的每一个元素划分到上述数据子集合每中，g= 1,2,...，Π2; (1-12)计算步骤(1-11-3)中得到的数据子集合稃的均方根误差，将子区间^的 中值作为自变量，将数据子集合圮的均方根误差中与Wg相对应的均方根误差作为因 变量，构成一个Wg与的关系曲线R 2; (2)根据风电场、光热电站光场的未来48小时的有功功率预测，并根据上述步骤（1)的 历史预测数据和历史实际有功功率数据之间的关系曲线，生成未来48小时的风电场、光热 电站光场的有功功率场景集合，具体过程如下： (2-1)设定光热电站的光场未来48小时的有功功率预测数值SP1，查询上述关系曲线R1, 分别得到与有功功率预测数值SP1相对应的48个均方根误差USg，1为预测时刻，I = 1， 2，···，48; (2-2)对48个均方根误差分别进行修正，得到48个修正均方根误差丨：(2-3)根据步骤(2-2)所述的48个修正均方根误差，利用基于高斯分布的蒙特卡 洛方法，相对应每个修正均方根误差RMSE[，产生标准差为RMSE[的10组数据，I = 1， 2, · · ·，48，si=l，2, · · · ,10为组下标； (2-4)根据上述有功功率预测数值SP1和10组数据<，计算得到10组光热电站光场未来 48小时的有功功率巧$场景：LO为组下标，10 组共480个有功功率数据组成场景集合涵;： (2-5)设定风电场未来48小时的有功功率预测数值WP1，查询上述关系曲线R2,分别得到 与有功功率预测数值WP1相对应的48个均方根误差，1为预测时刻，I = 1，2，. . .，48; (2-6)对48个均方根误差分别进行修正，得到48个修正均方根误差(2-7)根据步骤(2-2)所述的48个修正均方根误差/?MSt ,利用基于高斯分布的蒙特卡 洛方法，相对应每个修正均方根误差，产生标准差为的10组数据，1 = 1， 2, · · ·，48，S2=1，2, · · · ,10为组下标； (2-8)根据上述有功功率预测数值WP1和10组数据，计算得到10组风电场未来48小时 的有功功率场景：I = 1，2，· · ·，48，S2 = 1，2，· · ·，10为组下标，10组 共480个有功功率数据组成场景集合^; (3)根据上述风电场、光热电站的光场的有功功率场景集合和实际接入电网的售电价 格，对光热电站-风电联合系统未来24小时的输出有功功率计划值进行计算，具体过程如 下： (3-1)设第1时刻的售电价格为Pi; (3-2)设定光热电站的有功功率出力的各項约束，具体过程如下： (3-2-1)设定光热电站发电机出力限制约束为：其中，I = 1，2... 48为时刻值，s为对上述步骤(2-4)集合逆和步骤(2-8)集合砰进行并 集运算砰后得到的新集和中列元素的下标s = l，2, ....，100, /^"为光热电站中的 发电机在所述1时刻和所述的场景s中的出力变量，为设定的光热电站中的发电机的最 小出力设定值，P=为设定的光热电站中的发电机的最大出力设定值，.τ「 ?Ρ为光热电站中 的发电机在k时刻的状态变量，所述等于1表示发电机开启，等于0表示发电机关闭； (3-2-2)设定光热电站中的发电机的状态变量与开机变量的关系约束为：其中，为步骤(3-2-1)所述1时刻光热电站中的发电机的开机状态标志，所述if等 于1表示机组在1时刻启动，等于0表示发电机没有在1时刻进行启动操作； (3-2-3)设定光热电站中的发电机的状态变量与关机变量的关系约束为：其中，Vfsp为步骤(3-2-1)所述1时刻光热电站中的发电机的关机状态标志，所述vfsp等 于1表示机组在1时刻启动，等于0表示发电机没有在1时刻进行启动操作； (3-2-4)设定光热电站中的发电机的最小开机时间约束为：其中，If3为设定的光热电站中的发电机最小开机时间，指任意一个取值在区间中的变量τ，上述区间中表示对/ + -1和T取最小值； (3-2-5)设定光热电站中的发电机的最小关机时间约束为：其中，为设定的光热电站中的发电机最小关机时间； (3-2-6)设定光热电站中的发电机的爬坡约束为：其中，RUesp设定的光热电站发电机的最大上爬坡值，RDesp为设定的光热电站发电机的 最大下爬坡值； (3-2-7)设定光热电站中的储能装置的存储能量约束为：其中，Emin为设定的光热电站中的储能装置考虑安全运行的最小能量存储量，E1,s为在 所述1时刻和所述的场景s中光热电站中的储能装置内存储的能量变量，Pfu1为设定的光热 电站中的储能装置满负荷小时数，％为设定的光热电站中的发电机热转电效率； (3-2-8)设定光热电站中的储能装置的充放电功率约束为：其中，Gw为设定的光热电站中的储能装置的最大充热功率，为设定的光热电站中 的储能装置的最大充热/放热功率；为在所述1时刻和所述的场景s中光热电站中的储热 装置的充热功率变量，/?；?为在所述1时刻和所述的场景s中光热电站中的储热装置的放热 功率变量，<^〃为在所述1时刻和所述的场景s中光热电站中的储热装置的充放电状态，上 述为〇时表示储热装置释放热量，为1时表示储热装置储存热量； (3-2-9)设定光热电站中的储热装置的充放热功率与储热装置中存储能量的关系约束 为：其中，γ为设定的储热装置耗散系数，nd。为设定的储热装置的放热效率，η。为设定的储 热装置充热效率； (3-2-10)设定在步骤(3-2-1)所述各场景s下光热电站中的储热装置中存储能量的变 量在1 = 24时刻的关系约束为：上述约束保证各场景S下光热电站中的储热装置存储能量在当前调度日结束时刻取值 相等，从而使下一调度日开始时刻储热装置内储能量为定值； (3-2-11)设定光热电站中的能量流动关系约束为：其中，EicjssS设定的光热电站发电机开机损失的热量； (3-3)设定与光热电站组成联合系统的风电场的有功功率约束为：式中：在步骤（2-8)所述1时刻和所述的场景s中风电场的预测风功率数据， 为在所述1时刻和所述的场景s中风电场的实际风电有功功率变量； (3-4)设定光热电站-风电联合系统的有功功率计划变量为ZffeS上述if"与步骤(3-2-1)中所述光热电站中的发电机在所述1时刻和所述的场景s中的出力变量Jg 5p和步骤(3-3) 风电场的实际风电有功功率变量乃的关系为：(3-5)光热电站-风电联合系统进行有功功率调度的目标函数为经济效益的最大化，上 述目标函数由步骤(3-1)所述售电价格P1和步骤(3-4)所述光热电站-风电联合系统的有功 功率计划变量Tffc表示为：(3-6)根据上述步骤(3-2)，步骤(3-3)，步骤(3-4)中所述的约束和步骤(3-5)中所述的 目标函数，建立一个光热电站-风电联合系统的日前调度优化模型； (3-7)通过数学中的分支定界方法，求解上述步骤(3-6)的日前调度优化模型，得到未 来48小时光热电站-风电联合系统的计划有功功率ifte，1 = 1，2, ...，48,和各1时刻和各所 述8场景下光热电站中的发电机有功功率、风电场有功功率^ (4)光热电站-风电联合系统在未来24小时的时间尺度内，执行步骤(3-7)生成的输出 有功功率计划值if，具体过程如下： (4-1)根据上述步骤(3-7)中未来48小时的计划有功功率if，取出前24小时的计划有 功功率if气t = l，..，24; (4-2)在预测开始的第t小时时刻，调度光热电站-风电联合系统的实时有功功率为 if*，直到第24小时后，当前调度周期结束； (5)当上述步骤(4)中24小时的输出有功功率计划值执行完毕后，进入步骤(2)，进入下 一周期的光热电站-风电场联合系统的有功功率滚动调度。
【专利摘要】本发明涉及一种光热电站-风电场联合系统的有功功率滚动调度方法，属于电力系统运行和控制技术领域。首先对风电场、光热电站光场的历史预测数据和历史实际有功功率数据进行统计，建立历史预测数据和历史实际有功功率数据之间的关系曲线；根据关系曲线，生成未来48小时的风电场、光热电站光场的有功功率场景集合；根据场景集合和实际接入电网的售电价格，对光热电站-风电联合系统未来24小时的输出有功功率计划值进行计算；联合系统在未来24小时的时间尺度内，执行计算得到的输出有功功率计划值。本方法解决了光热电站-风电联合系统中风电场功率波动的情况，促进了可再生能源的并网。
【IPC分类】G06F19/00
【公开号】CN105488357
【申请号】CN201610051349
【发明人】孙宏斌, 郭庆来, 王彬, 张伯明, 吴文传, 晋宏杨
【申请人】清华大学
【公开日】2016年4月13日
【申请日】2016年1月26日
【技术领域】
[0001] 本发明设及一种光热电站-风电场联合系统的有功功率滚动调度方法，属于电力 系统运行和控制技术领域。
【背景技术】
[0002] 随着近年来可再生能源发电的快速发展，利用太阳能转化为热能发电的光热发电 技术再一次引起人们的关注。据国际能源署预计，在适度政策的支持下，2050年全球CSP累 计装机容量将达980GW。目前，国内在张家口、青海等多地均有在建的光热电站项目。
[0003] 光热电站利用热能产生蒸汽推动汽轮机发电，当光热电站与储热装置结合时，可 W显著提高光热发电的可控性和可调度性，从而使原本不可调度的电源变为具有良好调度 性能的电源。由于光热电站需要产生蒸汽来发电，因此其对直射太阳光福射有较高的要求， 在我国，可W满足光热电站光照条件要求的地区大多位于西北和北部，运些地区风电资源 也比较丰富。由于风电资源存在不确定性，其预测误差使得风电实际出力与预测出力有一 定的偏差，在导致弃风问题的同时，也给电力系统的日前调度和实时调度带来了困难。考虑 到未来光热电站的发展趋势、其可能建设投产的地理位置W及光热电站的可调度能力，可 W考虑将光热电站与风电结合起来。光热电站中储热装置内的能量能W较低的损耗存储很 长时间，联合系统在制订日前计划时，如果没有考虑后几日风光功率的不确定性和光热电 站可调度能力的变化，就无法制订合理的储热装置充放电计划来充分发挥光热电站的可调 度能力，从而影响联合系统在更长时间尺度上的经济效益。因此，对于光热电站和风电联合 系统，有必要考虑风光功率预测的不确定性W及风光不确定性在未来48小时中的变化情 况，对联合系统的调度问题进行研究。
【发明内容】
[0004] 本发明的目的是提出一种光热电站-风电场联合系统的有功功率滚动调度方法， 针对可再生能源并网问题，充分考虑风光功率预测的不确定性W及风光不确定性在未来48 小时中的变化情况，将未来48小时的风光预测数据纳入光热电站-风电联合系统的调度当 中，从而产生合理的未来24小时的光热电站-风电联合系统输出有功功率计划，减少风电场 的不确定性，促进可再生能源并网。
[0005] 本发明提出的光热电站-风电场联合系统的有功功率滚动调度方法，包括W下步 骤：
[0006] (1)对风电场、光热电站的光场的历史预测数据和历史实际有功功率数据进行统 计，建立历史预测数据和历史实际有功功率数据之间的关系曲线，具体过程如下：
[0007] (1-1)对光热电站的光场过去一年的历史日前光照功率预测数据进行统计，得到 光热电站的光场过去一年的历史日前光照功率预测数据分布区间巧=[ρΓ"，ρΓχ]，pf"为上 述区间的下界，ρΓ"为上述区间的上界，则过去一年的历史日前光照功率预测数据分布于 区间Ρ1内；
[000引（1 -2)设定一个数值gapi，gapi的取值范围为gapi e (ο，5 ];
[0009] (1-3)根据步骤（1-1)中所述的分布区间PI和步骤（1-2)中设定的数值gapi，计算得 到子区间P k，k = 1，2，. . .，η 1，上述子区间P k的取值范围为 尸4 e (ρΓ。+ 巧-1). ，ρΓ + /(. ]，山的取值为：
[0010]
[0011] (1-4)对光热电站的光场过去一年的历史实际输出光照功率数据进行统计，得到 光热电站光场过去一年的历史实际输出光照功率数据集合hi;
[001^ (1-5)根据步骤（1-3)中所述子区间Pk和m，将历史实际输出光照功率数据集合hi 划分为m个子集合碎，k= 1，2，...，m，具体过程如下：
[0013] (1-5-1)从步骤（1-1)所述光热电站的光场过去一年的历史日前光照功率预测数 据中找出与上述数据集合hi中的任意一个元素 X相对应的历史日前光照功率预测数据x'，x Ehi;
[0014] ( 1 - 5 - 2 )根据步骤（1 - 3 )中所述子区间P k，若上述 X'€ (P;"'" + (Α· -1).'·.拼Pi，拇in+ A .·餅細.，:则将步骤(l-s-l)中所述的元素 X划分给集合.璋·，k= 1， 2,···,ηι;
[0015] (1-5-3)遍历数据集合hi中的每一个元素，重复步骤(1-5-1)和步骤(1-5-2)，将数 据集合hi中的每一个元素划分到上述数据子集合皆中，k=l，2,...，m;
[0016] (1-6)计算步骤（1-5-3)的数据子集合辟的均方根误差/?MS'与，将子区间Pk的中间 值作为自变量，将数据子集合皆的均方根误差中与Pk相对应的均方根误差樹叙巧作为因变 量，构成一个Pk与穴MS7马的关系曲线化；
[0017] (1-7)对风电场过去一年的历史日前风电功率预测数据进行统计，得到风电场过 去一年的历史日前风电功率预测数据分布区间扔=巧f":，pn，坡i"为上述区间的下界， ρΓ为上述区间的上界，则过去一年的历史日前风电功率预测数据分布于区间P2内；
[001引（1-8)设定一个数值gap2，gap2的取值范围为gap2E (0,5];
[0019] (1-9)根据步骤（1-7)中所述的分布区间P2和步骤（1-8)中设定的数值gap2,计算得 到子区间W g，g = 1，2，. . .，η 2，上述子区间W g的取值范围为 炉g e (ρΓ + (各-U. g。知ρΓ +《.若觀]，化的取值为：
[0020]
[0021] (1-10)对风电场的光场过去一年的历史实际输出风电功率数据进行统计，得到风 电场过去一年的历史实际输出风电功率数据集合h2，
[0022] (1-11)根据步骤(1-7)中所述子区间Wg和m，将历史实际输出光照功率数据集合h2 划分为Π2个子集合/?^'，g= 1，2，. . .，Π2，具体过程如下：
[0023] (1-11-1)从步骤(1-7)所述风电场过去一年的历史日前风电功率预测数据中找出 与上述数据集合h2中任一个元素 y相对应的历史日前风电功率预测数据y'，yEh2;
[0024] ( 1 - 1 1 - 2 )根据步骤（1 - 9 )所述子区间W g，若上述 .^'€咕^十侣-])，飢。:.!)；；"1 +《，巧吹]，则将步骤(1-11-1)中所述的元素7划分给集合舊，邑= 1.2.. ..,Π2 ；
[0025] (1-11-3)遍历数据集合hi中的每一个元素，重复步骤（1-11-1)和步骤（1-11-2)， 将数据集合h2中的每一个元素划分到上述数据子集合谭中，g=l，2,...，m;
[00%] (1-12)计算步骤(1-11-3)中得到的数据子集合谭的均方根误差MiSf，将子区间 Wg的中值作为自变量，将数据子集合的均方根误差中与Wg相对应的均方根误差/?MS'马作 为因变量，构成一个胖8与吗的关系曲线化；
[0027] (2)根据风电场、光热电站光场的未来48小时的有功功率预测，并根据上述步骤 (1)的历史预测数据和历史实际有功功率数据之间的关系曲线，生成未来48小时的风电场、 光热电站光场的有功功率场景集合，具体过程如下：
[0028] (2-1)设定光热电站的光场未来48小时的有功功率预测数值SPI，查询上述关系曲 线虹，分别得到与有功功率预测数值SP哺对应的48个均方根误差化做￡；'，1为预测时刻，1 = 1.2.. ...48；
[0029] (2-2)对48个均方根误差化I傲马分别进行修正，得到48个修正均方根误差品云耳：
[0030]
[0031] (2-3)根据步骤(2-2)所述的48个修正均方根误差/?Λ化￡'|'，利用基于高斯分布的蒙 特卡洛方法，相对应每个修正均方根误差方品if，产生标准差为瓦的10组数据<，1 = 1.2.. . .，48，si=l，2,. . . ,10为组下标；
[0032] (2-4)根据上述有功功率预测数值SPI和10组数据<，计算得到10组光热电站光场 未来48小时的有功功率巧：(场景：/? =Sp/+4，1 = 1，2, . . .，48，si = l，2, . . .，10为组下 标，10组共480个有功功率数据巧^^组成场景集合亦；
[0033] (2-5)设定风电场未来48小时的有功功率预测数值Wpi，查询上述关系曲线R2，分别 得到与有功功率预测数值Wpi相对应的48个均方根误差化I殺驾;，1为预测时刻，1 = 1，2，...， 48;
[0034] (2-6)对48个均方根误差/切做分别进行修正，得到48个修正均方根误差方运每：
[0035]
[0036] (2-7)根据步骤(2-2)所述的48个修正均方根误差方I友g，利用基于高斯分布的蒙 特卡洛方法，相对应每个修正均方根误差，产生标准差为i?MS^的10组数据乂，1 = 1,2,... ,48，S2= 1,2,... ,10为组下标；
[0037] (2-8)根据上述有功功率预测数值WPI和10组数据计算得到10组风电场未来48 小时的有功功率巧Γ'场景：
L = 1，2，. . .，48，S2 = 1，2，. . .，10为组下标， 10组共480个有功功率数据P巧r'd组成场景集合东^;
[0038] (3)根据上述风电场、光热电站的光场的有功功率场景集合和实际接入电网的售 电价格，对光热电站-风电联合系统未来24小时的输出有功功率计划值进行计算，具体过程 如下：
[0039] (3-1)设第1时刻的售电价格为P1;
[0040] (3-2)设定光热电站的有功功率出力的各項约束，具体过程如下：
[0041] ( 3 - 2 - 1 )设定光热电站发电机出力限制约束为：
[0042] 其中，1 = 1,2. . .48为时刻值，S为对上述步骤(2-4)集合承和步骤(2-8)集合i宇 进行并集运算亦U賊后得到的新集和中列元素的下标s = l，2,. . . .，100,写;Γ为光热电 站中的发电机在所述1时刻和所述的场景S中的出力变量，巧f为设定的光热电站中的发电 机的最小出力设定值，胃Pff为设定的光热电站中的发电机的最大出力设定值，jf"为光热 电站中的发电机在k时刻的状态变量，所述皆等于1表示发电机开启，等于0表示发电机关 闭；
[0043] (3-2-2)设定光热电站中的发电机的状态变量与开机变量的关系约束为：
[0044]
[0045] 其中，wfw为步骤(3-2-1)所述1时刻光热电站中的发电机的开机状态标志，所述 Mfw等于1表示机组在1时刻启动，等于0表示发电机没有在1时刻进行启动操作；
[0046] (3-2-3) 设定光热电站中的发电机的状态变量与关机变量的关系约束为：
[0047]
[004引其中，iff为步骤(3-2-1)所述1时刻光热电站中的发电机的关机状态标志，所述 vp等于1表示机组在1时刻启动，等于0表示发电机没有在1时刻进行启动操作；
[0049] (3-2-4)设定光热电站中的发电机的最小开机时间约束为：
[(K)加]
[0051]其中，为设定的光热电站中的发电机最小开机时间， Vre[/ + l，i地1{/ + 7；严-1，Γ}]指任意一个取值在区间y + l，min{/ + ：r。严-1，巧]中的变量τ，上 述区间中min ?/ + r,w -1. η表示对/ + 7；?" -1和Τ取最小值；
[0052] (3-2-5)设定光热电站中的发电机的最小关机时间约束为：
[0化3]
[0054] 其中，为设定的光热电站中的发电机最小关机时间；
[0055] (3-2-6)设定光热电站中的发电机的爬坡约束为：
[0化6]
[0057] 其中，抓ESP设定的光热电站发电机的最大上爬坡值，RDESp为设定的光热电站发电 机的最大下爬坡值；
[0058] (3-2-7)设定光热电站中的储能装置的存储能量约束为：
[0化9]
[0060] 其中，Emin为设定的光热电站中的储能装置考虑安全运行的最小能量存储量，El,S 为在所述1时刻和所述的场景S中光热电站中的储能装置内存储的能量变量，ppw为设定的 光热电站中的储能装置满负荷小时数，rie为设定的光热电站中的发电机热转电效率；
[0061] (3-2-8)设定光热电站中的储能装置的充放电功率约束为：
[0062]
[0063] 其中，货。.为设定的光热电站中的储能装置的最大充热功率，巧"为设定的光热电 站中的储能装置的最大充热/放热功率;为在所述1时刻和所述的场景S中光热电站中的 储热装置的充热功率变量，巧f为在所述1时刻和所述的场景S中光热电站中的储热装置的 放热功率变量，砖Γ36为在所述1时刻和所述的场景S中光热电站中的储热装置的充放电状 态，上述为加寸表示储热装置释放热量，而为1时表示储热装置储存热量；
[0064] (3-2-9)设定光热电站中的储热装置的充放热功率与储热装置中存储能量的关系 约束为：
[00 化]
[0066] 其中，丫为设定的储热装置耗散系数，相。为设定的储热装置的放热效率，屯为设定 的储热装置充热效率；
[0067] (3-2-10)设定在步骤(3-2-1)所述各场景S下光热电站中的储热装置中存储能量 的变量在1 = 24时刻的关系约束为：
[006引
[0069] 上述约束保证各场景s下光热电站中的储热装置存储能量在当前调度日结束时刻 取值相等，从而使下一调度日开始时刻储热装置内储能量为定值；
[0070] (3-2-11)设定光热电站中的能量流动关系约束为：
[0071]
[0072] 其中，Eidss为设定的光热电站发电机开机损失的热量；
[0073 ] (3-3)设定与光热电站组成联合系统的风电场的有功功率约束为：
[0074]
[0075] 式中：P巧为在步骤（2-8)所述1时刻和所述的场景S中风电场的预测风功率数 据，为在所述1时刻和所述的场景S中风电场的实际风电有功功率变量；
[0076] (3-4)设定光热电站-风电联合系统的有功功率计划变量为ifA%上述ifAf与步骤 (3-2-1)中所述光热电站中的发电机在所述1时刻和所述的场景S中的出力变量巧;f和步骤 (3-3)风电场的实际风电有功功率变量巧^^^的关系为：
[0077]
[0078] (3-5)光热电站-风电联合系统进行有功功率调度的目标函数为经济效益的最大 化，上述目标函数由步骤(3-1)所述售电价格P1和步骤(3-4)所述光热电站-风电联合系统 的有功功率计划变量if表示为
[0079] (3-6)根据上述步骤(3-2)，步骤(3-3)，步骤(3-4)中所述的约束和步骤(3-5)中所 述的目标函数，建立一个光热电站-风电联合系统的日前调度优化模型；
[0080] (3-7)通过数学中的分支定界方法，求解上述步骤(3-6)的日前调度优化模型，得 到未来48小时光热电站-风电联合系统的计划有功功率= l，2,. . .，48,和各1时刻和 各所述3场景下光热电站中的发电机有功功率巧；产、风电场有功功率巧^^
[0081 ] (4)光热电站-风电联合系统在未来24小时的时间尺度内，执行步骤(3-7)生成的 输出有功功率计划值巧"'4%具体过程如下：
[0082] (4-1)根据上述步骤(3-7)中未来48小时的计划有功功率ifAe，取出前24小时的计 划有功功率if&6，t = i，..，24;
[0083] (4-2)在预测开始的第t小时时刻，调度光热电站-风电联合系统的实时有功功率 为if直到第24小时后，当前调度周期结束；
[0084] (5)当上述步骤(4)中24小时的输出有功功率计划值执行完毕后，进入步骤(2)，进 入下一周期的光热电站-风电场联合系统的有功功率滚动调度。
[0085] 本发明提出的光热电站-风电场联合系统的有功功率滚动调度方法，其优点是:本 发明方法考虑未来48小时的光热电站光场和风电场有功功率预测数据，充分利用光热电站 中储热装置的调度能力，减少可再生能源的波动性。该方法可W在考虑未来48小时数据的 基础上，对未来24小时的光热电站-风电联合系统进行合理调度，充分考虑储能装置在光热 电站调度中的作用，根据第二天可能出现的风电场有功功率情况和光热电站光场有功功率 情况进行调度，并决定前24小时结束时的留存能量，防止由于第一天光热电站的储能装置 未能留存足够的能量导致光热电站-风电联合系统在第二天可能出现的有功功率波动情 况，并充分考虑光热电站-风电联合系统的经济效益。该方法在很大程度上解决了光热电 站-风电联合系统中风电场功率波动的情况，促进了可再生能源的并网。本发明方法原理简 单，利用实现方便。
【附图说明】
[0086] 图1是本发明提出的光热电站-风电场联合系统的有功功率滚动调度方法流程框 图
【具体实施方式】
[0087] 本发明提出的光热电站-风电场联合系统的有功功率滚动调度方法，其流程框图 如图1所示，包括W下步骤：
[0088] (1)对风电场、光热电站的光场的历史预测数据和历史实际有功功率数据进行统 计，建立历史预测数据和历史实际有功功率数据之间的关系曲线，具体过程如下：
[0089] (1-1)对光热电站的光场过去一年的历史日前光照功率预测数据进行统计，得到 光热电站的光场过去一年的历史日前光照功率预测数据分布区间A = [ρΓ'，ρΓ"]，ΡΓ为上 述区间的下界，ΡΓ*为上述区间的上界，则过去一年的历史日前光照功率预测数据分布于 区间pi内；
[0090] (1 -2)设定一个数值gapi，gapi的取值范围为gapi e (0，5 ];
[0091] (1-3)根据步骤（1-1)中所述的分布区间PI和步骤（1-2)中设定的数值gapi，计算得 到子区间P k，k = 1，2，. . .，η 1，上述子区间P k的取值范围为 C e (P;|'||' + (/( - 1) ·削)|，P:""| H- /(?沪/，| 1，m的取值为：
[0092]
[0093] (1-4)对光热电站的光场过去一年的历史实际输出光照功率数据进行统计，得到 光热电站光场过去一年的历史实际输出光照功率数据集合hi;
[0094] (1-5)根据步骤（1-3)中所述子区间Pk和m，将历史实际输出光照功率数据集合hi 划分为m个子集合砖，k=l，2,...，m，具体过程如下：
[00M] (1-5-1)从步骤（1-1)所述光热电站的光场过去一年的历史日前光照功率预测数 据中找出与上述数据集合hi中的任意一个元素 X相对应的历史日前光照功率预测数据x'，x Ehi;
[0096] ( 1 - 5 - 2 )根据步骤（1 - 3 )中所述子区间P k，若上述 X' € (p；"in + (A -.恥拼巧，货m+ ^巧町]，.则将步骤(1-5-1 )中所述的元素 X划分给集合皆.，k二1 , 2,···,ηι;
[0097] (1-5-3)遍历数据集合hi中的每一个元素，重复步骤(1-5-1)和步骤(1-5-2)，将数 据集合hi中的每一个元素划分到上述数据子集合皆中，k=l，2,...，m;
[009引（1-6)计算步骤（1-5-3)的数据子集合《的均方根误差度Μ涩f，将子区间Pk的中间 值作为自变量，将数据子集合皆的均方根误差中与Pk相对应的均方根误差化'做与作为因变 量，构成一个Pkij化'V按巧的关系曲线化；
[0099] (1-7)对风电场过去一年的历史日前风电功率预测数据进行统计，得到风电场过 去一年的历史日前风电功率预测数据分布区间片；=[9^，9?"]，口7^为上述区间的下界， P"…为上述区间的上界，则过去一年的历史日前风电功率预测数据分布于区间P2内；
[0100] (1-8)设定一个数值gap2，gap2的取值范围为gap2E (0,5];
[0101] (1-9)根据步骤（1-7)中所述的分布区间P2和步骤（1-8)中设定的数值gap2,计算得 到子区间W g，g = 1，2，. . .，η 2，上述子区间W g的取值范围为 Wg e (P f η + (容-矿辨扔，' +《· g哗J，Π 2的取值为：
[0102]
[0103] (1-10)对风电场的光场过去一年的历史实际输出风电功率数据进行统计，得到风 电场过去一年的历史实际输出风电功率数据集合h2，
[0104] (1-11)根据步骤(1-7)中所述子区间Wg和m，将历史实际输出光照功率数据集合h2 划分为m个子集合雌，g=l，2,...，耻，具体过程如下：
[0105] (1-11-1)从步骤(1-7)所述风电场过去一年的历史日前风电功率预测数据中找出 与上述数据集合h2中任一个元素 y相对应的历史日前风电功率预测数据y'，yEh2;
[0106] ( 1 - 1 1 - 2 )根据步骤（1 - 9 )所述子区间W g，若上述
贝1J将步骤（1-11-1)中所述的元素 y划分给集合咕，g = 1，2,···，。2;
[0107] (1-11-3)遍历数据集合hi中的每一个元素，重复步骤（1-11-1)和步骤（1-11-2)， 将数据集合h2中的每一个元素划分 到上述数据子集合璋中，g=l，2,...，m;
[0108] (1-12)计算步骤(1-11-3)中得到的数据子集合/婷的均方根误差7?MS'吗，将子区间 Wg的中值作为自变量，将数据子集合够的均方根误差中与Wg相对应的均方根误差/?MS'反'作 为因变量，构成一个Wg与化1做巧'的关系曲线化；
[0109] (2)根据风电场、光热电站光场的未来48小时的有功功率预测，并根据上述步骤 (1)的历史预测数据和历史实际有功功率数据之间的关系曲线，生成未来48小时的风电场、 光热电站光场的有功功率场景集合，具体过程如下：
[0110] (2-1)设定光热电站的光场未来48小时的有功功率预测数值Spi，查询上述关系曲 线Ri，分别得到与有功功率预测数值Spi相对应的48个均方根误差S V巧与'，1为预测时刻，1 = 1.2.. ...48；
[0111] (2-2)对48个均方根误差化做写分别进行修正，得到48个修正均方根误差瓦友g:
[0112]
[0113] (2-3)根据步骤(2-2)所述的48个修正均方根误差品远昂，利用基于高斯分布的蒙 特卡洛方法，相对应每个修正均方根误差品友g，产生标准差为品友早的10组数据<，1 = 1,2, · · · ,48，si二 1,2, · · · ,10为组下柄；
[0114] (2-4)根据上述有功功率预测数值SPI和10组数据<，计算得到10组光热电站光场 未来48小时的有功功率马^场景；
10为组下 标，10组共480个有功功率数据/?组成场景集合显；
[011引（2-5)设定风电场未来48小时的有功功率预测数值Wpi，查询上述关系曲线R2，分别 得到与有功功率预测数值Wpi相对应的48个均方根误差i?M狸，1为预测时刻，1 = 1，2，...， 48;
[0116] (2-6)对48个均方根误差化k议与分别进行修正，得到48个修正均方根误差品运g·:
[0117]
[0118] (2-7)根据步骤(2-2)所述的48个修正均方根误差跑fe按怎利用基于高斯分布的蒙 特卡洛方法，相对应每个修正均方根误差品友g，产生标准差为方反显[的10组数据乂，1 = 1.2.. .., 48, S2 二 1,2,..., 10为组下柄；
[0119] (2-8)根据上述有功功率预测数值Wpi和10组数据乂，计算得到10组风电场未来48 小时的有功功率巧r'w场景：
1 = 1，2，. . .，48，S2= 1，2，. . .，10为组下标， 10组共480个有功功率数据'巧；'"3组成场景集合兩?;
[0120] (3)根据上述风电场、光热电站的光场的有功功率场景集合和实际接入电网的售 电价格，对光热电站-风电联合系统未来24小时的输出有功功率计划值进行计算，具体过程 如下：
[0121] (3-1)设第1时刻的售电价格为P1，该价格数值由实际光热电站-风电联合系统与 电网公司的合同决定；
[0122] (3-2)设定光热电站的有功功率出力的各項约束，具体过程如下：
[0123] (3-2-1)设定光热电站发电机出力限制约束为：
[0124]
[0125] 其中，1 = 1,2. . .48为时刻值，S为对上述步骤(2-4)集合承和步骤(2-8)集合际 进行并集运算显u示^后得到的新集和中列元素的下标S = l，2,. . . .，100,巧为光热电站 中的发电机在所述1时刻和所述的场景S中的出力变量，P直W为设定的光热电站中的发电机 的最小出力设定值，冷Γ为设定的光热电站中的发电机的最大出力设定值，皆^为光热电 站中的发电机在k时刻的状态变量，所述.fw等于1表示发电机开启，等于0表示发电机关 闭；
[0126] (3-2-2)设定光热电站中的发电机的状态变量与开机变量的关系约束为：
[0127]
[0128] 其中，ufSf为步骤(3-2-1)所述1时刻光热电站中的发电机的开机状态标志，所述 wf"等于1表示机组在1时刻启动，等于0表示发电机没有在1时刻进行启动操作；
[0129] (3-2-3)设定光热电站中的发电机的状态变量与关机变量的关系约束为：
[0130]
[0131] 其中，vfw为步骤(3-2-1)所述1时刻光热电站中的发电机的关机状态标志，所述 iff等于1表示机组在1时刻启动，等于0表示发电机没有在1时刻进行启动操作；
[0132] (3-2-4)设定光热电站中的发电机的最小开机时间约束为：
[0133]
[0134] 其中，为设定的光热电站中的发电机最小开机时间， V Γ e [/ +1，min{/ + 7；严-1，巧]指任意一个取值在区间[/ +1，min{/ + 7：严-1，Π ]中的变量τ， 上述区间中min ;/ + -1，Γ!表示对/ + -1和Τ取最小值；
[0135] (3-2-5)设定光热电站中的发电机的最小关机时间约束为：
[0136]
[0137] 其中，？fP为设定的光热电站中的发电机最小关机时间；
[0138] (3-2-6)设定光热电站中的发电机的爬坡约束为：
[0139]
[0140] 其中，抓ESP设定的光热电站发电机的最大上爬坡值，rdEsp为设定的光热电站发电 机的最大下爬坡值；
[0141] (3-2-7)设定光热电站中的储能装置的存储能量约束为：
[0142]
[0143] 其中，Emin为设定的光热电站中的储能装置考虑安全运行的最小能量存储量，El,S 为在所述1时刻和所述的场景S中光热电站中的储能装置内存储的能量变量，ppw为设定的 光热电站中的储能装置满负荷小时数，rie为设定的光热电站中的发电机热转电效率；
[0144] (3-2-8)设定光热电站中的储能装置的充放电功率约束为：
[0145]
[0146] 其中，巧。。为设定的光热电站中的储能装置的最大充热功率，巧为设定的光热电 站中的储能装置的最大充热/放热功率;巧：为在所述1时刻和所述的场景S中光热电站中的 储热装置的充热功率变量，巧:f为在所述1时刻和所述的场景S中光热电站中的储热装置的 放热功率变量，砖为在所述1时刻和所述的场景S中光热电站中的储热装置的充放电状 态，上述為为0时表示储热装置释放热量，端为1时表示储热装置储存热量.
[0147] (3-2-9)设定光热电站中的储热装置的充放热功率与储热装置中存储能量的关系 约束为：
[014 引
[0149] 其中，丫为设定的储热装置耗散系数，相。为设定的储热装置的放热效率，屯为设定 的储热装置充热效率；
[0150] (3-2-10)设定在步骤(3-2-1)所述各场景S下光热电站中的储热装置中存储能量 的变量在1 = 24时刻的关系约束为：
[0151]
[0152] 上述约束保证各场景S下光热电站中的储热装置存储能量在当前调度日结束时刻 取值相等，从而使下一调度日开始时刻储热装置内储能量为定值；
[0153] (3-2-11)设定光热电站中的能量流动关系约束为：
[0154]
[0155] 其中，Eidss为设定的光热电站发电机开机损失的热量；
[0156] (3-3)设定与光热电站组成联合系统的风电场的有功功率约束为：
[0157]
[015引式中：巧^^为在步骤（2-8)所述1时刻和所述的场景8中风电场的预测风功率数 据，巧为在所述1时刻和所述的场景S中风电场的实际风电有功功率变量；
[0159] (3-4)设定光热电站-风电联合系统的有功功率计划变量为if"%上述if*与步骤 (3-2-1)中所述光热电站中的发电机在所述1时刻和所述的场景S中的出力变量巧;f和步骤 (3-3)风电场的实际风电有功功率变量巧关系为：
[0160]
[0161] (3-5)光热电站-风电联合系统进行有功功率调度的目标函数为经济效益的最大 化，上述目标函数由步骤(3-1)所述售电价格P1和步骤(3-4)所述光热电站-风电联合系统 的有功功率计划变量/f*'表示为：
[0162] (3-6)根据上述步骤(3-2)，步骤(3-3)，步骤(3-4)中所述的约束和步骤(3-5)中所 述的目标函数，建立一个光热电站-风电联合系统的日前调度优化模型；
[0163] (3-7)通过数学中的分支定界方法，求解上述步骤(3-6)的日前调度优化模型，得 到未来48小时光热电站-风电联合系统的计划有功功率= . . .，48,和各1时刻和 各所述S场景下光热电站中的发电机有功功率巧f、风电场有功功率巧fw ;
[0164] (4)光热电站-风电联合系统在未来24小时的时间尺度内，执行步骤(3-7)生成的 输出有功功率计划值if A6，具体过程如下：
[0165] (4-1)根据上述步骤(3-7)中未来48小时的计划有功功率/fA%取出前24小时的计 划有功功率ifAe，t = l，..，24;
[0166] (4-2)在预测开始的第t小时时刻，调度光热电站-风电联合系统的实时有功功率 为ifA6,直到第24小时后，当前调度周期结束；
[0167] (5)当上述步骤(4)中24小时的输出有功功率计划值执行完毕后，进入步骤(2)，进 入下一周期的光热电站-风电场联合系统的有功功率滚动调度。
【主权项】
1. 一种光热电站-风电场联合系统的有功功率滚动调度方法，其特征在于，该方法包括 以下步骤： (1)对风电场、光热电站的光场的历史预测数据和历史实际有功功率数据进行统计，建 立历史预测数据和历史实际有功功率数据之间的关系曲线，具体过程如下： (1-1)对光热电站的光场过去一年的历史日前光照功率预测数据进行统计，得到光热 电站的光场过去一年的历史日前光照功率预测数据分布区间为上述区 间的下界，Prx为上述区间的上界，则过去一年的历史日前光照功率预测数据分布于区间P1 内； (1-2)设定一个数值gapi，gapi的取值范围为gapie (〇,5]; (1-3)根据步骤（1-1)中所述的分布区间P1和步骤（1-2)中设定的数值gaPl，计算得到子 区间Pk，k=l，2,. . .，m，上述子区间Pk的取值范围为m的取值为：(1-4)对光热电站的光场过去一年的历史实际输出光照功率数据进行统计，得到光热 电站光场过去一年的历史实际输出光照功率数据集合Iu; (1-5)根据步骤（1-3)中所述子区间Pk和m，将历史实际输出光照功率数据集合In划分 为m个子集合Y，k=l，2,...，m，具体过程如下： (1-5-1)从步骤（1-1)所 述光热电站的光场过去一年的历史日前光照功率预测数据中 找出与上述数据集合hi中的任意一个元素X相对应的历史日前光照功率预测数据x'，xeh1; (1-5-2)根据步骤（1-3)中所述子区间Pk，若上述则将步骤(1-5-1)中所述的元素X划分给集合埤..，k=l，2,. . .，m; (1-5-3)遍历数据集合In中的每一个元素，重复步骤（1-5-1)和步骤（1-5-2)，将数据集 合hi中的每一个元素划分到上述数据子集合.Zif中，k=l，2,...，m; (1-6)计算步骤（1-5-3)的数据子集合<的均方根误差，将子区间Pk的中间值作 为自变量，将数据子集合Af的均方根误差中与Pk相对应的均方根误差作为因变量， 构成一个Pk与iiMSSf的关系曲线Ri; (1-7)对风电场过去一年的历史日前风电功率预测数据进行统计，得到风电场过去一 年的历史日前风电功率预测数据分布区间为上述区间的下界，ΡΓ为上 述区间的上界，则过去一年的历史日前风电功率预测数据分布于区间P2内； (1-8)设定一个数值gap2，gap2的取值范围为gap2e (〇,5]; (1-9)根据步骤（1-7)中所述的分布区间p2和步骤（1-8)中设定的数值gap2,计算得到子 区间W g，g = 1，2，· · ·，η 2，上述子区间W g的取值范围为n2的取值为：(1-10)对风电场的光场过去一年的历史实际输出风电功率数据进行统计，得到风电场 过去一年的历史实际输出风电功率数据集合h2， (1-11)根据步骤（1-7)中所述子区间WdPn2,将历史实际输出光照功率数据集合h2划分 为Π2个子集合.尽，g=l，2,. . .，n2,具体过程如下： (1-11-1)从步骤（1-7)所述风电场过去一年的历史日前风电功率预测数据中找出与上 述数据集合h2中任一个元素y相对应的历史日前风电功率预测数据y'，yeh2; (1-11-2)根据步骤（1-9)所述子区间Wg，若上述则 将步骤(1-11-1)中所述的元素y划分给集合.琴.，g = l，2,...，n2; (1-11-3)遍历数据集合Iu中的每一个元素，重复步骤(1-11-1)和步骤(1-11-2)，将数据 集合h2中的每一个元素划分到上述数据子集合每中，g= 1,2,...，Π2; (1-12)计算步骤(1-11-3)中得到的数据子集合稃的均方根误差，将子区间^的 中值作为自变量，将数据子集合圮的均方根误差中与Wg相对应的均方根误差作为因 变量，构成一个Wg与的关系曲线R 2; (2)根据风电场、光热电站光场的未来48小时的有功功率预测，并根据上述步骤（1)的 历史预测数据和历史实际有功功率数据之间的关系曲线，生成未来48小时的风电场、光热 电站光场的有功功率场景集合，具体过程如下： (2-1)设定光热电站的光场未来48小时的有功功率预测数值SP1，查询上述关系曲线R1, 分别得到与有功功率预测数值SP1相对应的48个均方根误差USg，1为预测时刻，I = 1， 2，···，48; (2-2)对48个均方根误差分别进行修正，得到48个修正均方根误差丨：(2-3)根据步骤(2-2)所述的48个修正均方根误差，利用基于高斯分布的蒙特卡 洛方法，相对应每个修正均方根误差RMSE[，产生标准差为RMSE[的10组数据，I = 1， 2, · · ·，48，si=l，2, · · · ,10为组下标； (2-4)根据上述有功功率预测数值SP1和10组数据<，计算得到10组光热电站光场未来 48小时的有功功率巧$场景：LO为组下标，10 组共480个有功功率数据组成场景集合涵;： (2-5)设定风电场未来48小时的有功功率预测数值WP1，查询上述关系曲线R2,分别得到 与有功功率预测数值WP1相对应的48个均方根误差，1为预测时刻，I = 1，2，. . .，48; (2-6)对48个均方根误差分别进行修正，得到48个修正均方根误差(2-7)根据步骤(2-2)所述的48个修正均方根误差/?MSt ,利用基于高斯分布的蒙特卡 洛方法，相对应每个修正均方根误差，产生标准差为的10组数据，1 = 1， 2, · · ·，48，S2=1，2, · · · ,10为组下标； (2-8)根据上述有功功率预测数值WP1和10组数据，计算得到10组风电场未来48小时 的有功功率场景：I = 1，2，· · ·，48，S2 = 1，2，· · ·，10为组下标，10组 共480个有功功率数据组成场景集合^; (3)根据上述风电场、光热电站的光场的有功功率场景集合和实际接入电网的售电价 格，对光热电站-风电联合系统未来24小时的输出有功功率计划值进行计算，具体过程如 下： (3-1)设第1时刻的售电价格为Pi; (3-2)设定光热电站的有功功率出力的各項约束，具体过程如下： (3-2-1)设定光热电站发电机出力限制约束为：其中，I = 1，2... 48为时刻值，s为对上述步骤(2-4)集合逆和步骤(2-8)集合砰进行并 集运算砰后得到的新集和中列元素的下标s = l，2, ....，100, /^"为光热电站中的 发电机在所述1时刻和所述的场景s中的出力变量，为设定的光热电站中的发电机的最 小出力设定值，P=为设定的光热电站中的发电机的最大出力设定值，.τ「 ?Ρ为光热电站中 的发电机在k时刻的状态变量，所述等于1表示发电机开启，等于0表示发电机关闭； (3-2-2)设定光热电站中的发电机的状态变量与开机变量的关系约束为：其中，为步骤(3-2-1)所述1时刻光热电站中的发电机的开机状态标志，所述if等 于1表示机组在1时刻启动，等于0表示发电机没有在1时刻进行启动操作； (3-2-3)设定光热电站中的发电机的状态变量与关机变量的关系约束为：其中，Vfsp为步骤(3-2-1)所述1时刻光热电站中的发电机的关机状态标志，所述vfsp等 于1表示机组在1时刻启动，等于0表示发电机没有在1时刻进行启动操作； (3-2-4)设定光热电站中的发电机的最小开机时间约束为：其中，If3为设定的光热电站中的发电机最小开机时间，指任意一个取值在区间中的变量τ，上述区间中表示对/ + -1和T取最小值； (3-2-5)设定光热电站中的发电机的最小关机时间约束为：其中，为设定的光热电站中的发电机最小关机时间； (3-2-6)设定光热电站中的发电机的爬坡约束为：其中，RUesp设定的光热电站发电机的最大上爬坡值，RDesp为设定的光热电站发电机的 最大下爬坡值； (3-2-7)设定光热电站中的储能装置的存储能量约束为：其中，Emin为设定的光热电站中的储能装置考虑安全运行的最小能量存储量，E1,s为在 所述1时刻和所述的场景s中光热电站中的储能装置内存储的能量变量，Pfu1为设定的光热 电站中的储能装置满负荷小时数，％为设定的光热电站中的发电机热转电效率； (3-2-8)设定光热电站中的储能装置的充放电功率约束为：其中，Gw为设定的光热电站中的储能装置的最大充热功率，为设定的光热电站中 的储能装置的最大充热/放热功率；为在所述1时刻和所述的场景s中光热电站中的储热 装置的充热功率变量，/?；?为在所述1时刻和所述的场景s中光热电站中的储热装置的放热 功率变量，<^〃为在所述1时刻和所述的场景s中光热电站中的储热装置的充放电状态，上 述为〇时表示储热装置释放热量，为1时表示储热装置储存热量； (3-2-9)设定光热电站中的储热装置的充放热功率与储热装置中存储能量的关系约束 为：其中，γ为设定的储热装置耗散系数，nd。为设定的储热装置的放热效率，η。为设定的储 热装置充热效率； (3-2-10)设定在步骤(3-2-1)所述各场景s下光热电站中的储热装置中存储能量的变 量在1 = 24时刻的关系约束为：上述约束保证各场景S下光热电站中的储热装置存储能量在当前调度日结束时刻取值 相等，从而使下一调度日开始时刻储热装置内储能量为定值； (3-2-11)设定光热电站中的能量流动关系约束为：其中，EicjssS设定的光热电站发电机开机损失的热量； (3-3)设定与光热电站组成联合系统的风电场的有功功率约束为：式中：在步骤（2-8)所述1时刻和所述的场景s中风电场的预测风功率数据， 为在所述1时刻和所述的场景s中风电场的实际风电有功功率变量； (3-4)设定光热电站-风电联合系统的有功功率计划变量为ZffeS上述if"与步骤(3-2-1)中所述光热电站中的发电机在所述1时刻和所述的场景s中的出力变量Jg 5p和步骤(3-3) 风电场的实际风电有功功率变量乃的关系为：(3-5)光热电站-风电联合系统进行有功功率调度的目标函数为经济效益的最大化，上 述目标函数由步骤(3-1)所述售电价格P1和步骤(3-4)所述光热电站-风电联合系统的有功 功率计划变量Tffc表示为：(3-6)根据上述步骤(3-2)，步骤(3-3)，步骤(3-4)中所述的约束和步骤(3-5)中所述的 目标函数，建立一个光热电站-风电联合系统的日前调度优化模型； (3-7)通过数学中的分支定界方法，求解上述步骤(3-6)的日前调度优化模型，得到未 来48小时光热电站-风电联合系统的计划有功功率ifte，1 = 1，2, ...，48,和各1时刻和各所 述8场景下光热电站中的发电机有功功率、风电场有功功率^ (4)光热电站-风电联合系统在未来24小时的时间尺度内，执行步骤(3-7)生成的输出 有功功率计划值if，具体过程如下： (4-1)根据上述步骤(3-7)中未来48小时的计划有功功率if，取出前24小时的计划有 功功率if气t = l，..，24; (4-2)在预测开始的第t小时时刻，调度光热电站-风电联合系统的实时有功功率为 if*，直到第24小时后，当前调度周期结束； (5)当上述步骤(4)中24小时的输出有功功率计划值执行完毕后，进入步骤(2)，进入下 一周期的光热电站-风电场联合系统的有功功率滚动调度。
【专利摘要】本发明涉及一种光热电站-风电场联合系统的有功功率滚动调度方法，属于电力系统运行和控制技术领域。首先对风电场、光热电站光场的历史预测数据和历史实际有功功率数据进行统计，建立历史预测数据和历史实际有功功率数据之间的关系曲线；根据关系曲线，生成未来48小时的风电场、光热电站光场的有功功率场景集合；根据场景集合和实际接入电网的售电价格，对光热电站-风电联合系统未来24小时的输出有功功率计划值进行计算；联合系统在未来24小时的时间尺度内，执行计算得到的输出有功功率计划值。本方法解决了光热电站-风电联合系统中风电场功率波动的情况，促进了可再生能源的并网。
【IPC分类】G06F19/00
【公开号】CN105488357
【申请号】CN201610051349
【发明人】孙宏斌, 郭庆来, 王彬, 张伯明, 吴文传, 晋宏杨
【申请人】清华大学
【公开日】2016年4月13日
【申请日】2016年1月26日
最新回复(0)