考虑风电预测误差时序性及风电可信度的双层优化模型_徐询.pdf
《考虑风电预测误差时序性及风电可信度的双层优化模型_徐询.pdf》由会员分享,可在线阅读,更多相关《考虑风电预测误差时序性及风电可信度的双层优化模型_徐询.pdf(14页珍藏版)》请在咨信网上搜索。
1、2023 年3 月 电 工 技 术 学 报 Vol.38 No.6 第 38 卷第 6 期 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY Mar.2023 DOI:10.19595/ki.1000-6753.tces.211771 考虑风电预测误差时序性及风电可信度的双层优化模型 徐 询 谢丽蓉 梁武星 叶家豪 马 兰(可再生能源发电与并网技术教育部工程研究中心(新疆大学)乌鲁木齐 830047)摘要 推动风电等清洁能源是实现双碳目标的有力举措。为此针对风电的不确定性,提出考虑风电预测误差时序性及风电可信度的双层优化模型。首先,根据风电预测误差的
2、时序相关性优化预测误差分段数;然后,建立双层优化模型,日前阶段上层模型基于风电功率上下波动域以最大化利用风电和最小化发电成本及碳交易成本为目标函数,日内阶段基于风电概率性场景以最小化系统偏差校正成本及风险成本为目标函数,并考虑激励型需求响应,通过风电可信度耦合关联上下层模型;最后,以新疆某地区风电场数据进行仿真分析,结果表明所提模型能够降低系统风险成本,协调风电和火电的输出功率,并提高风电接入系统的整体经济性。关键词:风电预测误差 概率密度分布 自动发电控制 双层优化模型 中图分类号:TM614 0 引言 2020 年 9 月,我国提出 2030 年前实现碳达峰,努力争取 2060 年前实现碳
3、中和。研究碳中和背景下能源系统的低碳化转型,将加速风电等其他可再生能源的不断应用1。随着风电并网容量的增加,风电固有的不确定性使得电力系统运行存在风险2-3,不仅增加了电力系统调度的难度,还影响其经济性。故当前提高风电消纳能力及保证电力系统安全性是双碳目标的一个关键任务。现阶段针对风电并网经济调度问题已有一些研究。总体可分为两类,分别为确定性方法和不确定性方法。确定性方法即将风电预测功率视为确定值,常规机组预留足够的备用容量以此改善风电不确定性。不确定性方法则是将风电功率或风电预测误差等视为调度模型中的不确定性变量,以此确定经济性最优的机组组合。故而考虑具有风电不确定信息的预测误差概率分布进行
4、调度成为研究新方向4-6。在风电预测误差概率分布研究方面,文献7采用 TLS(t location-scale)分布描述风电功率预测误差分布;文献8以风电集群为主体,认为风电集群预测误差采用非参数核密度估计为最佳拟合模型方法;文献9采用核密度估计方法建立各类样本在不同风向条件下的风速-风电功率预测误差联合概率密度分布模型;文献10利用非参数核密度估计方法计算预测误差的概率密度分布及光伏日前功率预测值的置信区间。以上文献利用参数估计或非参数估计进行风电/光伏预测误差特性分析,但未考虑风电预测误差随时间变化的规律性。在基于预测误差构建调度模型研究方面主要采用鲁棒优化方法11-13,文献14在考虑风
5、电预测误差的最恶劣概率分布条件下,运用基于 Wasserstein距离的分布鲁棒算法,提出了微电网两阶段分布鲁棒优化模型;文献15通过统计学理论,利用-散度构建较高置信水平下的风电功率预测误差不确定概率的置信域,建立基于条件风险价值的动态经济调度风险费用鲁棒优化模型;文献16根据风电预测误差建立一种基于 0-1 规划的运行风险模型,将其模型与鲁棒 UC(unit commitment)模型结合并动态地调整风电不确定集合的边界,实现运行成本和运行风险的协同优化。鲁棒优化模型虽能保证可靠性,但对于风电预测误差大多采用极端分布估计,概率密度函数适应性较差,使得结果趋于保守。基于风电预测误差分布构建调
6、度模型大多采用随机优化方法17-18,文献19在研究风电预测误差分布特 国家自然科学基金项目(62163034)和新疆维吾尔自治区研究生科研创新项目(XJ2021G060)资助。收稿日期 2021-11-04 改稿日期 2022-04-15 第 38 卷第 6 期 徐 询等 考虑风电预测误差时序性及风电可信度的双层优化模型 1621 性后,基于机会约束混合整数规划建立考虑风电功率特性的风火协调滚动优化调度;文献20提出了基于预测误差分布的风功率随机性分析法,将生成的风电出力场景应用于基于频率响应的优化调度模型中;文献21考虑风电功率预测误差,从不同阶段构建了电力系统需求响应多时间尺度优化调度模
7、型;文献22在风电预测误差满足正态分布的条件下生成风电出力场景,提出了一种考虑风电有功降载运行的两阶段系统备用计划双层优化模型。基于以上分析,本文分析风电预测误差分布的时序特性,并建立风电功率上下波动域描述风电随机性,构建考虑风电预测误差时序性及风电可信度的双层优化模型。其中上层模型以系统发电成本最小为目标函数,将各发电源的计划出力及风电允许出力域作为决策变量;下层模型引入激励型需求响应,以自动发电控制(Automatic Generation Control,AGC)机组校正成本及系统成本最小为目标函数,通过风电可信度关联上下层模型。该双层模型可用于风电并网后制定机组运行计划和评估系统经济性
8、。1 日前-日内阶段双层优化模型框架的构 建 为了应对风电并网对电力系统带来的一系列挑战,本文建立了日前-日内阶段双层优化模型。其模型架构如图 1 所示。图 1 日前-日内双层优化模型框架 Fig.1 The detailed frame diagram of the model 如图 1 所示,日前运行阶段上层模型采用自适应带宽法的非参数核密度估计风电预测误差概率分布,并通过相关性分析优化预测误差的时序分段,由此建立风电功率上下波动域。上层模型以实现风电利用最大化和系统发电成本最小化为目标,求解非 AGC 机组、AGC 机组和风电计划出力以及风电允许出力域,其中风电计划出力根据日内阶段场景的
9、风电可信度决定,风电允许出力域使得风电场控制具有更大的灵活性,且通过参与因子决定 AGC 机组的出力决策以应对风电波动。日内优化阶段下层模型以实现最小化计划偏差、惩罚成本以及可中断负荷成本为目标,在源侧考虑到 Ns个可能的日内阶段场景得到该阶段下的风电可信度并反馈至上层模型中,在负荷侧引入激励型需求响应及考虑负荷误差生成负荷场景。下层模型通过跟踪上层模型得出的计划出力值,从而更新风电允许出力域及调整AGC 机组出力。2 风电预测误差的不确定性模型 2.1 风电功率预测误差概率分布 风电场运行中由于风电预测方法、预测模型的精确程度以及地理环境均会导致风电预测误差,本文选取中国新疆某地区风电场的
10、2020 年 12 月风电功率实际值与预测值进行预测误差分析。在风电功率预测误差拟合中,风电功率实际值会在预测值周围分布,故预测误差将服从某种分布 1622 电 工 技 术 学 报 2023 年 3 月 规律。有两种方法可进行分析,主要为参数估计和非参数核密度估计,分别对风电场风功率预测误差进行概率密度函数曲线拟合。假设12,nE EE为历史风电预测误差的 n 个样本,对其进行归一化处理,则非参数核密度估计的概率密度函数()hf和高斯核函数分别()K 为 ()h11nqqEfKnhh=EE(1)()221exp22qqEEKhh=EE(2)式中,E 为风电预测误差;h为带宽;qE为第q时刻的风
11、电预测误差。计算最终的概率密度函数之前需先获得参数,本文采用最大似然估计计算非参数估计模型参数,非参数核密度估计采用自适应带宽法23求取合适的带宽。利用dfittool拟合工具箱拟合的非参数核密度估计命名为非参数估计1,利用自适应带宽法拟合的非参数核密度估计命名为非参数估计2。采用正态分布、TLS分布、非参数估计1及非参数估计2的拟合效果如图2所示。图 2 风电预测误差的概率密度分布拟合图 Fig.2 Fitting diagram of probability density distribution of wind power forecast error 图2中风电预测误差的概率分布直方
12、图呈现中间高两侧低的趋势,从各分布模型拟合结果可看出,正态分布对于腰部的拟合效果不佳,同时正态分布与TLS分布均不能很好地拟合风电功率预测误差概率分布尖峰厚尾、非对称的特征,非参数核密度估计则相反,其模型形状灵活。为了验证拟合精度,采用K-S检验对以上分布的累积分布函数进行拟合优度检验,设定K-S检验的显著性水平为0.05。正态分布在进行K-S检验时H值为1,表示拒绝原假设,其余分布的H值为0,表示接受原假设。TLS分布、非参数估计1及非参数估计2拟合优度返回的P值大于0.05,分别为0.917 3、0.932 2和0.967 6,从P值大小可发现,采用自适应带宽法的非参数估计2拟合精度高于采
13、用拟合工具箱的非参数估计1,体现了自适应带宽法的适用性。故本文利用自适应带宽法的非参数核密度估计进行后续的误差时序性分析。2.2 时序下的预测误差拟合方法 风电预测误差往往随着预测步长的不同而发生变化,且预测误差在时序上存在相关性。当进行风电预测误差的特性分析时,考虑误差时序上的差异性和相关性才能真实反映风电预测误差24。在确定拟合方法和参数后对数据进行时序分段拟合,24时段预测误差拟合结果如图3所示。图 3 时序分段预测误差分布 Fig.3 Temporal segmentation prediction error fitting 由图3可知,随着预测步长的增加,各时段下的风电预测误差拟合
14、结果不唯一,显然不考虑时序性进行研究将影响实验结果,但若按照时序进行风电预测误差的分段将会导致计算量增大,此时可依据相关性分析优化时序分段数。各时间段间的相关系数矩阵如图4所示。图 4 各时间段间的相关系数矩阵 Fig.4 Correlation coefficient matrix of each time period 由图4可知,每个方块区域代表各时刻间预测误差的相关系数,横纵坐标代表时间。基于相关系 第 38 卷第 6 期 徐 询等 考虑风电预测误差时序性及风电可信度的双层优化模型 1623 数强相关原则可优化时序分段数,即相关系数大于0.8的归为一组,且不重复已选中的时段,由此重新划
15、分时序范围。该步骤考虑了风电预测误差的相关性,减少了时序分段数,从而降低计算量。优化后的时序分段为1h,5h、6h,7h、8h,11h、12h,15h、16h,21h、22h,24h。最后基于优化后的时序分段建立日前阶段的风电功率上下波动域以及生成日内风电出力场景。3 风电功率上下波动域的建立 在风电功率预测精度的基础上,当风电概率预测误差满足某种概率分布时,利用置信水平表示风电出力落在某一范围内的概率,可通过风电置信度计算风电功率上下波动域。设()F E为风电功率预测误差的概率密度函数,为置信水平,则风电功率上下波动域的上、下界为 ()min,k tk tPPG=+(3)()max,k tk
16、 tPPG=+(4)式中,min,k tP与max,k tP分别为风电场k在t时刻的波动域下界及上界;风电功率上、下波动域关于风电输出功率曲线上下限对称,即()11/2=;,k tP为风电场k的预测出力;()G为概率分布函数()F E的反函数,=,。参考以上步骤,基于优化后的时序分段并利用风电置信度构建风电功率上下波动域,建立双层优化模型,可计算得到风电允许出力域,使得系统经济成本最优。计算某日的两个风电场置信水平为60%95%的风电功率上下波动域。采用区间覆盖率和敏锐性指标25求解得到选取90%及95%置信水平下的风电功率上下波动域的区间覆盖率及敏锐性指标最大,故本文将90%置信度下的波动域
17、考虑到模型中。4 日前-日内阶段双层优化模型的建立 针对风电不确定性导致系统经济效益低等问题,提出一种考虑日前风电功率上下波动域及日内风电出力场景改善不确定性的双层优化模型。日前运行阶段上层模型以1h为调度间隔,以规划周期(24h)内综合成本最小为目标。日内优化阶段下层模型以15min为调度间隔,每隔4h对风电场的预测数据更新一次,根据最新的风电预测信息重新优化日内调度模型并执行下一时刻的调度计划。下层模型以计划偏差、惩罚成本及可中断负荷成本最小为目标,在日内阶段下层模型中考虑风电可信度,日前-日内阶段的优化问题具有互动性,两者可统一为双层优化模型。4.1 日前运行阶段上层模型 上层模型利用风
18、电功率上下波动域考虑风电的不确定性及波动性。该模型的目标函数为实现利用风电最大化和系统计划发电成本最小化。模型的目标函数为()()()()()()sa001,s,a1111upoff,1,1,11000,min,maxe,1111min,+5TGTGi ti tj tj ttitjTGm tm tm tm tm tm ttmTWTGk tk tk tm ttktmQfPfPQuuQuufPPfP=+()式中,T为调度时段;W为风电场数量;G、sG与aG分别为火电机组数、非AGC机组数与AGC机组数;()0,si ti tfP、()0,aj tj tfP分别为火电机组中非AGC机组与AGC机组的
19、煤耗运行成本;()up,1,m tm tm tQuu、()off,1,m tm tm tQuu分别为在t个时段内所有火电机组m的起动和停机成本;()00,min,max,k tk tk tfPP为在第t个时段内风电场k出力偏差惩罚成本,可避免风电场产生极端的弃风现象;()0e,m tfP为火电机组碳交易成本。()()2000,s,s,si ti tii tii tifPaPb Pc=+(6)()()2000,a,a,aj tj tjj tjj tjfPaPb Pc=+(7)式中,0,si tP为第i台非AGC机组在t时刻的功率计划值;0,aj tP为第j台AGC机组在t时刻的计划基点运行值;,
20、iiia b c与,jjja b c分别为第i台火电机组与第j台火电机组的煤耗费用系数。(),1,1up,1,2m tm tm tm tm tm tm tmuuuuQuuH+=(8)(),1,1off,1,2m tm tm tm tm tm tm tmuuuuQuuJ+=(9)式中,,m tu为第m台火电机组在t时刻的运行状态,是0-1变量;mH与mJ分别为第m台火电机组的起动和停机成本。()()()2200max0min0,min,max,max,min,k tk tk tkk tk tk tk tfPPPPPP=+|(10)式中,max,k tP与min,k tP分别为风电功率上下波动域的
21、上、下界;0,maxk tP与0,mink tP分别为风电允许出力域上、下界;k为惩罚系数。1624 电 工 技 术 学 报 2023 年 3 月 ()()000e,m tmm tmm tfPl PP=(11)式中,0,m tP为火电机组m的计划指令值;为单位碳排放权交易价格;ml为火电机组m的单位电量碳排放强度;m为单位电量碳交易配额。由于风电场的出力波动需要由AGC机组承担,在上层模型中为了考虑风电出力的不确定性,AGC机组j的实际出力为 ()0000,1Wj t aj t aj tk tk tkPPPP=?(12)式中,0,j t为在t时刻AGC机组j的计划参与因子;,k tP?为风电场
22、k的随机出力;0,k tP为风电场k的计划出力值,表达式为 ()0,1k tk tk tPLP=(13)式中,,k tL为0-1变量,,1k tL为风电可信度。风电可信度越大,则风电计划出力越接近风电预测出力;反之则相反。上层模型的约束条件包括以下几个约束。因含有未知参数,k tP?,使得模型求解复杂,通过对其简化以便求解。1)非AGC机组和AGC机组出力约束 min0max,s,ii ti tii tPuPPu(14)()()0000max,a,min,10000min,a,max,1Wj tj tk tk tk tj tkWj tj tk tk tk tj tkPPPPuPPPPu=(15
23、)式中,miniP与maxiP分别为非 AGC 机组 i 的技术最小及最大出力。2)非 AGC 机组和 AGC 机组爬坡约束 down00up,s,1,sii ti tiPDPPP D(16)()()0000000up,1,a,min,1,max,110000000down,1,a,max,1,min,11Wj t aj tj tk tk tk tk tjkWj t aj tj tk tk tk tk tjkPPPPPPPPPPPPPP=+(17)式中,downiP与upiP分别为非 AGC 机组 i 的向下及向上爬坡速率;D 为优化时段间隔,本文取 1h;downjP与upjP分别为 AGC
24、 机组 j 的向下及向上爬坡速率。3)风电出力约束 000,min,max,max0,min,min0k tk tk tk tk tk tPPPPPP(18)4)旋转备用约束 ()()aaaupadown,amax0000,a,min,1a0max000,a,max,1aa,110 0 j tjj tjWj tjj tj tk tk tkWj tj tjj tk tk tkGGj ttj ttjjrP DrPDrPPPPrPPPPrRrR+=+=+(19)式中,a,j tr+与a,j tr分别为 AGC 机组 j 在 t 时刻的上、下旋转备用容量;tR+与tR分别为在 t 时刻系统所需的上、下
25、备用旋转容量。5)AGC 机组参与因子约束 a00,11,0Gj tj tj=(20)6)启停时间约束 ()()s1,s,1,1t Ti ni ti tn tuT uu+=(21)()o1,o,1t Ti ni ti tn tuTuu+=(22)式中,sT与oT分别为最小关停、开机时间。7)线路传输容量约束()saa000,s,a,111+maxminbload,max1100,max,min+0,maxmin1,0,GGWl ii tljj tl kk tijkSWltl k tk tk tlbkGk tk tl k tl k tl kljj tjk tk tM PMPMPMPzPPPPPz
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 考虑 预测 误差 时序 可信度 双层 优化 模型 徐询
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,个别因单元格分列造成显示页码不一将协商解决,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。