本发明属于风电电力系统的调峰优化调度，具体涉及一种自适应步长调整的风电电力系统多阶段优化调峰方法。
背景技术：
1、“双碳”目标下，我国风电新能源发电装机容量与占比将飞速提升，然而，风电等新能源的并网也为电网的调峰提出了更高的要求。由于风电的出力具有明显的不确定性、波动性和反调峰特性，往往使得电网的下调峰能力不足，造成严重的弃风现象。
2、目前针对风电接入电力系统的调峰优化运行及协调等研究方面已有一定进展。相关研究考虑风电场站参与调峰辅助服务，建立计及风电场站调峰补偿的日前优化调度模型；针对含风电高比例新能源经特高压直流外送系统的新型场景，考虑风电与直流输电灵活调节能力，提出多目标优化调度策略；部分研究人员以风电-光伏-火电联合系统调峰需求为对象，从系统整体协调运行角度提出风电场参数的配置方法。然而现有研究大多聚焦于日前调度，风电新能源的随机出力使得功率波动频幅加剧，单次开环日前优化调度难以满足要求，需通过日前全局优化与日内精细调控配合，实现系统的多资源协调运行。基于模型预测控制思想，协调系统内大幅调节、小幅调控和反馈调整等多调控手段，可有效抑制不确定因素的影响。但经典模型预测控制的优化调度方法忽略了随机误差的影响，难以完全刻画可再生能源及负荷的随机性。同时通过经验确定包括预测时域、控制时域以及控制间隔在内的域参数，且在优化过程中保持恒定不变，无法根据系统的状态进行自适应调整，难以动态协调计算时长与优化效果之间的矛盾。因此，构建经济高效合理的含风电电网调峰优化调度方法尤为重要，对于减小弃风，提高新能源消纳水平具有重要意义。
技术实现思路
1、鉴于上述现有存在的问题，提出了本发明。本发明为了解决目前风电参与调峰效果不足、不确定性因素影响较大、优化动态协调计算时长与优化效果之间矛盾等问题，提供一种自适应步长调整的风电电力系统多阶段优化调峰方法，该多阶段优化调峰方法能充分结合系统内风电和调峰火电机组的调控资源，考虑风电出力和负荷参量不确定性的影响，以系统总协调决策成本最小为目标函数，建立日前-日内-实时多阶段优化调峰调度方法，针对更短尺度的动态调整环节，基于自适应模型预测控制，实现间隔步长的灵活缩放，有效避免频繁饱和调节，提高调峰调度决策的优化效率和实时修正效果。
2、为解决上述技术问题，提出了一种自适应步长调整的风电电力系统多阶段优化调峰方法，包括，
3、获取电力系统内风电电源的日前功率预测和电力负荷日前预测信息；建立风电电力系统日前优化调峰调度模型，求解模型得到风电日前有功出力计划、火电电源机组日前启停计划和出力计划；更新系统内风电日内功率预测和电力负荷日内短时预测信息；保持火电电源机组日前启停计划，建立风电电力系统日内滚动优化调峰调度模型，基于模型预测控制实施闭环滚动优化，求解模型修正系统内风电日内有功出力计划和火电机组日内出力计划；考虑源荷短时不确定性波动对调峰调度决策的影响，获取系统内风电实时功率和电力实时负荷信息；根据火电电源机组日前启停计划，建立风电电力系统实时动态优化调峰调度模型，设置步长自适应调整，求解模型实时修正系统内风电机组和火电机组的出力，各电源按照求解结果设置输出功率，进行风电电力系统日前-日内-实时多阶段优化调峰调度，调度命令执行完毕后结束工作。
4、作为本发明所述的一种自适应步长调整的风电电力系统多阶段优化调峰方法的一种优选方案，其中：所述预测信息包括历史风电功率数据、天气预报数据、历史负荷数据、市场交易数据、设备运行状态数据、成本数据，以及可再生能源的输出数据。
5、所述历史风电功率数据包括通过分析过去的风电场输出功率数据，预测未来的风电功率。
6、所述天气预报数据包括风速、风向、温度和气压。
7、所述历史负荷数据包括电力系统的负荷需求会根据季节、天气、日间和夜间模式，预测未来的负荷需求。
8、所述市场交易数据包括电力市场的价格波动和交易活动，预测负荷。
9、所述成本数据包括运行成本、启停成本和风电弃风成本。
10、所述设备运行状态数据包括风电场的设备健康状况和维护记录。
11、作为本发明所述的一种自适应步长调整的风电电力系统多阶段优化调峰方法的一种优选方案，其中：所述建立风电电力系统日前优化调峰调度模型包括以系统总调峰优化调度经济性最优为目标，设定风电电力系统日前优化调峰调度模型的目标函数：
12、
13、其中，分别表示系统日前调峰调度过程中运行成本、启停成本和风电弃风成本，和分别表示系统内不同电源火电机组n和风电机组w在t时刻下的输出功率或出力情况，表示风电功率预测值，un，t表示火电机组n在t时刻的启停状态，为0-1状态变量，0表示停机状态，1表示开机状态，ag为火电机组的运行成本系数，scg为火电机组的启停成本，t0为调峰调度起始时刻，为时段数，δti为步长。
14、日前优化调峰调度模型中取δti＝1h，风电电力系统日前优化调峰调度过程中消纳风电清洁能源，同时始终满足功率平衡，即包括系统功率平衡等式约束：
15、
16、其中，表示t时刻负荷l有功功率，表示系统内节点i向节点j的连接线路ij所传输的有功电流，sg、sw、sl和snet分别表示系统内常规火电机组、风电机组、负荷以及系统网架所包含的节点集合，常规火电机组在调峰调度过程中存在有功出力和调整速率不等式约束：
17、
18、其中，和分别表示参与调峰调度的火电机组n的有功出力上下限值和调整速率上下限值，常规火电机组在启停过程中还存在最小持续开机和停机时间不等式约束：
19、
20、其中，和表示参与调峰调度的火电机组n到t-δti时刻已持续的开机和停机时间，和则表示当前火电机组n的最小开机和停机时间限值，同时电网网架线路传输功率及运行存在如下约束：
21、
22、其中，bij为系统节点i和j导纳虚部，θij，t为节点i和j在t时刻相位差，θij，man为允许最大相角差，一般取45°，为系统中线路ij的最大输送功率，一般可取1.2～1.5倍额定功率。
23、通过风电电力系统日前优化调峰调度模型，得到风电日前有功出力计划、其他火电电源机组日前启停和出力计划。
24、作为本发明所述的一种自适应步长调整的风电电力系统多阶段优化调峰方法的一种优选方案，其中：所述更新系统内风电日内功率预测和电力负荷日内短时预测信息包括使用最新的气象数据和风电场历史运行数据，重新训练风电功率预测模型和电力负荷预测模型，得到使用更新后的风电功率预测模型生成未来时间的风电功率预测曲线，和更新后的电力负荷预测模型生成未来一段时间内的负荷预测曲线，将生成的预测结果整合到电力系统的调度模型中。
25、作为本发明所述的一种自适应步长调整的风电电力系统多阶段优化调峰方法的一种优选方案，其中：所述建立风电电力系统日内滚动优化调峰调度模型包括火电机组启停灵活性较差，日内阶段中不改变火电机组启停计划，保持火电机组启停计划，建立风电电力系统日内滚动优化调峰调度模型，风电电力系统日内优化调峰调度模型的目标函数为：
26、
27、其中，为日内优化调峰调度阶段时段数，δtii为日内阶段步长，取δtii＝15min，火电机组启停计划un，t不参与优化，为恒定值保持不变，代入日前阶段结果，风电电力系统日内优化调峰调度模型与日前阶段在系统约束、机组运行约束以及网架运行约束上保持一致，在时间变量上δti更替为δtii。
28、风电电力系统日内优化调峰调度基于模型预测控制实施闭环滚动优化，通过日前全局优化与日内精细调控配合，实现系统的多资源协调运行。
29、作为本发明所述的一种自适应步长调整的风电电力系统多阶段优化调峰方法的一种优选方案，其中：所述建立风电电力系统实时动态优化调峰调度模型包括考虑源荷短时不确定性波动对调峰调度决策的影响，获取系统内风电实时功率和电力实时负荷信息，根据火电电源机组日前启停计划，建立风电电力系统实时动态优化调峰调度模型选取系统内风电有功出力、火电机组有功出力以及线路输送功率构成向量作为实时动态优化调峰调度阶段的状态变量，选取风电及火电机组有功出力增量构成向量作为控制变量，选取风电功率预测及负荷预测波动增量构成向量作为扰动变量，作为输出变量，在日内调峰调度优化阶段基础上，建立短时间δtii内的状态空间预测模型：
30、
31、其中，a、b、c和d矩阵系数通过风电电力系统功率平衡方程、网架线路输送功率计算等式的变形转换确定，通过预测模型根据扰动变量预测信息进行实时动态调整形成新的计划输出变量r，以短时间δtii内的计划输出变量r与日内阶段优化输出结果y之间的误差最小为目标，建立风电电力系统实时动态优化调峰调度阶段的目标函数：
32、min j＝min(r-y)tq(r-y)
33、其中，q为权重系数矩阵，根据系统调峰调度需求进行设定，同时设置步长自适应调整，以目标函数误差大小为依据自适应调整优化步长：
34、
35、其中，为实时动态优化调峰调度阶段时段数，δtiii为实时调整阶段步长，[]表示取整函数，|| ||2表示对目标函数误差向量j求其谱范数。
36、误差减小时步长变大，避免频繁饱和调节，提高优化效率，误差增大时说明系统扰动量造成偏差大，细化优化间隔减小步长，提高实时修正效果，实时动态优化调峰调度阶段的约束条件与日内滚动优化阶段和日前阶段一致，在时间变量上更替为δtiii。
37、作为本发明所述的一种自适应步长调整的风电电力系统多阶段优化调峰方法的一种优选方案，其中：所述多阶段优化调峰调度包括采用改进粒子群算法对风电电力系统日前-日内-实时多阶段优化调峰调度模型进行求解，实时修正系统内风电机组和火电机组的出力，各电源按照求解结果设置输出功率，实现风电电力系统日前-日内-实时多阶段优化调峰调度，调度命令执行完毕后结束工作。
38、本发明的另外一个目的是提供了一种自适应步长调整的风电电力系统多阶段优化调峰系统，本发明通过数据采集与预测模块、优化调峰调度模块、优化算法执行模块以及系统执行与反馈模块等多个模块的交互，解决了传统风电电力系统在应对源荷不确定性波动、优化调峰策略实施等方面的技术难题，达到了显著的技术效果。
39、作为本发明所述的一种自适应步长调整的风电电力系统多阶段优化调峰系统的一种优选方案，其特征在于，包括数据采集与预测模块、日前优化调峰调度模块、日内滚动优化调峰调度模块、实时动态优化调峰调度模块、优化算法执行模块以及系统执行与反馈模块。
40、所述数据采集与预测模块，负责收集历史风电功率数据、天气预报数据、历史负荷数据，并利用数据预测未来的风电功率和负荷需求，为系统提供准确的前瞻性数据，作为优化调峰的基础。
41、所述日前优化调峰调度模块，基于预测数据，建立以经济性最优为目标的日前优化调峰调度模型，并求解以获得风电日前有功出力计划、火电电源机组日前启停计划和出力计划，制定长期调度策略，确保系统的稳定性和经济性。
42、所述日内滚动优化调峰调度模块，根据最新的气象数据和风电场历史运行数据，更新风电功率预测和电力负荷预测，并在此基础上建立日内滚动优化调峰调度模型，通过模型预测控制实施闭环滚动优化，修正系统内风电日内有功出力计划和火电机组日内出力计划。
43、所述实时动态优化调峰调度模块，考虑源荷短时不确定性波动，获取系统内风电实时功率和电力实时负荷信息，建立实时动态优化调峰调度模型，通过短时间内的状态空间预测模型进行实时动态调整，以形成新的计划输出，并设置步长自适应调整，以提高实时修正效果。
44、所述优化算法执行模块，采用改进粒子群算法对风电电力系统多阶段优化调峰调度模型进行求解，实时修正系统内风电机组和火电机组的出力，负责执行优化算法，确保调峰调度策略的有效实施。
45、所述系统执行与反馈模块，根据优化算法执行模块的求解结果，设置各电源的输出功率，并执行调度命令，在调度完成后，收集实际运行数据，为下一阶段的预测和优化提供反馈信息。
46、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现一种自适应步长调整的风电电力系统多阶段优化调峰所述的方法的步骤。
47、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现一种自适应步长调整的风电电力系统多阶段优化调峰所述的方法的步骤。
48、本发明的有益效果：本发明所公开的一种自适应步长调整的风电电力系统多阶段优化调峰方法，充分利用系统内风电和调峰火电机组的调控资源，基于日前-日内-实时多阶段优化调峰调度架构，实施闭环滚动优化，有效减小了源荷不确定性波动对调峰调度决策结果的影响，提高了系统经济运行水平；本发明日前-日内-实时多阶段优化调峰调度方法内设置更短尺度的动态调整环节，基于自适应模型预测控制，实现调整时间间隔灵活缩放，有效避免调峰过程中的频繁饱和调节，提高调峰调度决策的优化效率和实时修正效果，整体参数设定架构简单快速易于实现，是传统电力系统调峰优化调度技术的有效补充。
1.一种自适应步长调整的风电电力系统多阶段优化调峰方法，其特征在于：包括，
2.如权利要求1所述的一种自适应步长调整的风电电力系统多阶段优化调峰方法，其特征在于：所述预测信息包括历史风电功率数据、天气预报数据、历史负荷数据、市场交易数据、设备运行状态数据、成本数据，以及可再生能源的输出数据；
3.如权利要求2所述的一种自适应步长调整的风电电力系统多阶段优化调峰方法，其特征在于：所述建立风电电力系统日前优化调峰调度模型包括以系统总调峰优化调度经济性最优为目标，设定风电电力系统日前优化调峰调度模型的目标函数：
4.如权利要求3所述的一种自适应步长调整的风电电力系统多阶段优化调峰方法，其特征在于：所述更新系统内风电日内功率预测和电力负荷日内短时预测信息包括使用最新的气象数据和风电场历史运行数据，重新训练风电功率预测模型和电力负荷预测模型，得到使用更新后的风电功率预测模型生成未来时间的风电功率预测曲线，和更新后的电力负荷预测模型生成未来一段时间内的负荷预测曲线，将生成的预测结果整合到电力系统的调度模型中。
5.如权利要求4所述的一种自适应步长调整的风电电力系统多阶段优化调峰方法，其特征在于：所述建立风电电力系统日内滚动优化调峰调度模型包括火电机组启停灵活性较差，日内阶段中不改变火电机组启停计划，保持火电机组启停计划，建立风电电力系统日内滚动优化调峰调度模型，风电电力系统日内优化调峰调度模型的目标函数为：
6.如权利要求5所述的一种自适应步长调整的风电电力系统多阶段优化调峰方法，其特征在于：所述建立风电电力系统实时动态优化调峰调度模型包括考虑源荷短时不确定性波动对调峰调度决策的影响，获取系统内风电实时功率和电力实时负荷信息，根据火电电源机组日前启停计划，建立风电电力系统实时动态优化调峰调度模型选取系统内风电有功出力、火电机组有功出力以及线路输送功率构成向量作为实时动态优化调峰调度阶段的状态变量，选取风电及火电机组有功出力增量构成向量作为控制变量，选取风电功率预测及负荷预测波动增量构成向量作为扰动变量，作为输出变量，在日内调峰调度优化阶段基础上，建立短时间δtπ内的状态空间预测模型：
7.如权利要求6所述的一种自适应步长调整的风电电力系统多阶段优化调峰方法，其特征在于：所述多阶段优化调峰调度包括采用改进粒子群算法对风电电力系统日前-日内-实时多阶段优化调峰调度模型进行求解，实时修正系统内风电机组和火电机组的出力，各电源按照求解结果设置输出功率，实现风电电力系统日前-日内-实时多阶段优化调峰调度，调度命令执行完毕后结束工作。
8.一种采用如权利要求1～7任一所述的一种自适应步长调整的风电电力系统多阶段优化调峰方法的系统，其特征在于：包括数据采集与预测模块、日前优化调峰调度模块、日内滚动优化调峰调度模块、实时动态优化调峰调度模块、优化算法执行模块以及系统执行与反馈模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
