Page 33 - 《中国电力》2026年第4期
P. 33

陆建宇等:考虑风光发电不确定性的风光水火多能互补区域电网中期优化调度方法                                            2026  年第 4 期




              式中:    f  max  (x)、  f  min  (x)分别为第  i 个目标函数在                    表 1   电站基本参数
                      i        i
                                                                      Table 1   Basic parameters of power plants
              所有候选解样本中的最大值和最小值。
                                                                  类型     电站名称     装机容量/MW       单机组合/(台·MW)
                  3)通过专家经验或生产需求确定目标函数优
              先 级 。 设 目 标 优 先 级 为     P = {p 1 , p 2 ,··· , p m }, 其 中  水电  XAJ        850            9×95
                                                                          FCJ          360            6×60
              p 1 优先级最高,     p m 优先级最低。
                  4)根据优先级       P,将   m个目标划分为        L个层级                  LH         1 260           2×630
                                                                           PX         3 280      2×640+2×1 000
                                        L
              (  L≤m),   F = {F ,F ,··· ,F },分层满足:
                                  2
                               1
                                                                           SZ         1 260           2×630
                  ①高层级目标优先级严格高于底层级目标;
                                                                  火电       YZ         2 660      2×630+2×700
                  ②同一层级内目标优先级差异较小。
                                                                           FT         2 580      2×630+2×660
                  5) 对 不 同 层 级   F目 标 , 采 用 指 数 型 权 重 分
                                                                          LZH         1 260           2×630
              配,通过数量级差异体现优先级,具体规则如下。
                                                                           ZJ         1 320           2×660
                  ① 高 优 先 级 目 标 (    F 1 ) : 权 重 系 数  ω 1 = M,
              M  为极大正数,确保其优化对聚合函数值贡献远                                  表 2   华东地区各省(市)电源装机情况
              超其他目标;                                             Table 2   Installed capacities of provinces in East China
                  ②次优先级目标(          F 2 ∼ F L ):权重系数    ω j =     省(市)     风电/MW    光伏/MW    火电/MW     水电/MW
              εM(j=2, ···, L), ε为指数衰减系数(极小正数),                     上海        1 066    4 114    25 421      0
              保证其贡献仅为高优先级的              ε倍。                        江苏       23 214   61 647   109 522    3 100
                  6)对同一层级       F 内的目标,采用层次分析法                     浙江        6 491   47 274    71 646   14 980
                                 k
              ( analytic hierarchy process, AHP) , 通 过 实 际 调       安徽        8 991   43 112    63 134    6 190
              度专家对各目标重要性的考量确定相应权重                       λ (k)  =   福建        8 030   12 583    38 606   17 200
                   (k)
                          (k)
                (k)
              {λ ,λ ,··· ,λ n }。
                1  2                                            高斯抽样调用       scikit-learn  库的  GaussianMixture 模块。
                  7)构造聚合函数,保证关键目标优先性,兼
                                                                优化模型求解采用           Gurobi 10.0.1  进行求解。计算
              顾多目标的协调性,即
                                                                环境为    Intel(R) Core(TM) i7-11800H CPU @ 2.30 GHz,
                                  (  (2)     (2)   )
                 Φ(x) =ω 1 f (x 1 )+ω 2 λ  f (x 2 )+λ  f (x 3 ) +···+
                                    1        2                  32 GB DDR4 RAM,Windows 11    操作系统。

                       ω L f (x m )                   (34)      3.2    结果分析

                                                                3.2.1    风光出力场景生成
              3    算例分析                                             根据   2024  年华东地区    10  天预见期内新能源预
                                                                测出力与实际出力,计算可得                      维度的新能
                                                                                              10×10
              3.1    工程背景                                       源预测误差协方差矩阵,根据                3.2.2  节的场景生成
                  华东电网是中国“西电东送”的主要受端电                           方法得到     5  组新能源出力场景,并给出相应的实
              网 , 近 年 来 随 着 电 网 区 内 新 能 源 装 机 的 迅 速 增           际出力和预测出力,如图             1  所示。
              长,新能源日间出力波动对电网的安全稳定运行                                 由图   1  可知,在较短预见期内,风光出力预
              影响日益凸显,对网调电源的调节能力提出了更                             测准确率较高,场景波动范围较小;随着预见期

              高要求。本文对华东网调电源(火电、水电、核                             的延长,场景的波动范围逐渐增加,导致电网面
              电、抽蓄)及四省一市风光电站进行多能互补中                             临更大平衡压力。当前预测结果在整体上呈现出
              期 调 度 , 其 余 省 调 电 源 不 参 与 优 化 计 算 , 按 照           力高估趋势,反映出预测精度存在不足。若仅基
              2024  年实际运行数据给定典型运行方式,基本参                         于预测出力制定电网调度计划,将显著增加系统
              数详见表     1  和表  2。省间互济顺序依次为:上海>                   缺电风险。本文所提场景生成方法充分考虑了预
              江苏>浙江>安徽>福建。                                      见期内预测误差的时变特性,生成的场景不仅能
                  新能源出力场景生成采用            Python  编程实现,其         有效覆盖实际出力波动范围,同时可修正预测出
              中协方差矩阵计算调用           Numpy  库的  cov  函数,混合        力偏差,且整体趋势与实际出力特性一致,为新

                                                                                                           29
   28   29   30   31   32   33   34   35   36   37   38