免費下載！
[!--downpath--]出版物：《電力設備手冊》
一、研究背景
風電集群通過同一傳輸通道向電網傳輸電力。 當需要對風電集群進行功率限制時，如何考慮風電場功率預測和調節能力的不確定性，將有限的功率分配到各個風電場，保證調度的公平性是其中之一電網調度面臨的問題。
2、研究內容
1 基于機會約束規劃和機會目標約束的情境調度模型
目標函數包括三個方面：火電機組發電成本最低、棄風電量最小、所有風電場日計劃調度功率與風電總調度功率之比誤差之和最小集群和預期調度功率比。
模型的三個目標函數分別為：火電機組發電成本最低目標函數、棄風電量最小目標函數、風電集群功率分配目標函數。
約束包括 4 個概率約束和 2 個確定性約束：
四個概率約束分別為：風電場功率概率約束、功率平衡概率約束、網絡安全概率約束、風電場日調度電量比例概率約束。 這兩個確定性約束是：
2 將概率約束轉化為確定性約束的方法
在多目標優化中，目標函數f0為：
其中風電功率預測的意義，A、B、C為多目標優化函數的權重系數； f1、f2、f3分別為火電機組發電成本函數、風電調度功率函數、風電場調度功率與風電集群調度功率之比和期望調度功率比誤差函數。
機會約束模型需要轉化為確定性約束才能求解。 假設函數gj(x, Ψ)的形式為gj(x, Ψ)=hj(x, Ψ) - Ψ，則包含隨機變量Ψ的機會約束可以等價地轉化為確定性約束，根據以下公式。
對于機會約束Pr{f(x, xi)≤b}≥β，根據xi的分布規律進行N次采樣，然后用形成的樣本來驗證f(x, xi)≤b是否滿足已確立的。
當樣本數量N足夠大時，目標函數f0可以等價于下面公式(3)所示的混合整數線性約束。
如果機會約束f0中的隨機變量和優化變量可以分開，則可以表示為：
將采樣值按照影響程度從小到大排序，式(3)又可以進一步分為：
方程（5）是所需的確定性約束。
3 估算過程
三、案例分析
以某地區3個風電場為例進行驗證，將本文模型與不考慮后續變量、僅根據預測功率比分配功率的傳統模型進行比較。 各風電場的調度電量和調度電量分別如圖3和表1所示。
根據圖 3 和表 1 數據可以看出，與傳統模型相比，在限風發生的第 1～23、72～94 時刻，本文模型下各風電場的實際功率都有不同程度的增加。 電量多于實際可用電量的風電場，可以更顯著地提高療效； 與傳統模型相比，本文模型下三個風電場的實際總電量增加了361.25MW·h，風電場AC日調度電量比由1.12：1：1.09變為1.6： 1：1.37，更接近預計日調度電量比例。
4. 推論
在風電集群輸出功率有限的情況下，為了將有限的功率分配給集群中的各個風電場，需要考慮風電場功率預測和調節能力差異的不確定性以及調度的公平性。 本文提出了一種機會約束結合規劃和機會約束目標規劃的風電集群日常電力調度模型，并通過抽樣排序將不確定變量轉化為確定性變量的方法。 在目標函數中加入所有風電場日計劃調度功率占風電集群總調度功率的比例與期望調度功率比例誤差之和最小的目標，使得保證調度的公平性，考慮風電場功率預測偏差和出力調整誤差的不確定性，建立風電場功率約束、功率平衡約束、網絡安全約束、風電場日調度電量比例約束作為概率約束，將概率約束轉化為混合整數線性約束進行求解。 本文提出的調度策略可以加大風電調度不確定性對電網穩定運行的影響，同時保證優質風電場的效益和調度的公平合理性風電功率預測的意義，從而更好地促進消費和發展新能源。
