本发明涉及高压输电，特别是一种沙戈荒新能源基地源网储直协同规划方法。
背景技术：
1、沙戈荒地区风光资源禀赋，极端天气频发，特高压直流往往为“直线式”运行方式，风电、光伏出力受气象天气变化的影响具有一定的不确定性及随机性，为保证直流外送通道的安全稳定运行，通常需配置火电机组等灵活性调节电源来应对新能源出力的随机性和波动性。因此，需开展合理的新能源基地源网储直协同规划，充分发挥各类电源的互补特性、灵活性资源的调节特性、电源与直流外送的协同特性，提高系统经济环保、安全可靠运行的能力，助力大型新能源外送基地落地实施，将能源资源优势转化为经济发展优势，具有显著的经济社会效益和十分重要的意义。
2、对于新能源电力系统的规划国内外学者已经开展了大量研究，提出了各具针对性的规划方法。文献[1]考虑储能平抑风光出力波动，提出一种风光混合发电系统的最优容量配比计算方法；文献[2]精准挖掘风电的不确定性，建立了综合能源系统扩展规划模型，并提出一种基于场景法的两阶段规划求解策略；文献[3]出一种储能与海上风电协同运行的多目标容量规划框架；文献[4]采用随机过程中的鞅理论来区分内生不确定和外生不确定性，构建风储联合的改进分布鲁棒优化模型，给出兼具经济性和鲁棒性的规划方案；文献[5]提出按时间尺度逐层分解、递进优化的求解算法模拟系统全年逐小时调度运行过程，构建双层规划模型对由风光水火储和抽蓄并网多能互补系统的电源容量进行优化配置；文献[6]以系统最小化总投资费用和规划期内co2排放总量为目标，建立碳达峰约束下的省级电源规划多目标优化模型；文献[7]以互补发电系统年净收益最大化以及日出力波动率和日出力峰谷差最小化为目标，提出一种基于双层优化模型的风-光-储互补发电系统优化配置方法，有效提高互补发电系统年净收益的同时改善并网指标。
3、一般电力系统的规划问题考虑的因素主要聚焦于风光不确定性、风光利用率和网内消纳水平等，而新能源基地跨区直流外送一般采用点对点的输电模式，需要根据输送距离和电压等级来确定直流外送容量，充分考虑直流输电的运行特性，建立直流外送运行模型，并且模型建立后，不需要通过网内潮流计算来满足节点功率平衡，而需要根据地区风光出力场景和负荷需求来制定直流外送计划功率，保证外送电量能够满足预定的外送计划。而对于新能源基地外送的研究，均为针对直流外送调度策略的优化，未考虑新能源基地的容量优化配置。因此，对新能源基地的规划研究应突出源网储直的协同能力，考虑因素更加全面和独特，现有规划方法不能有效解决相关的问题。
4、参考文献
5、[1]khalid m，almuhaini m,aguilera r p,et al.method for planning awind-solar-battery hybrid power plant with optimal generation-demand matching[j].iet renewable power generation,2018,12(15):1800-1806.
6、[2]李哲,王成福,梁军,等.计及风电不确定性的电-气-热综合能源系统扩展规划方法[j].电网技术,2018,42(11):3477-3487.
7、[3]paul s,nath a p,rather z h.a multi-objective planning frameworkfor coordinated generation from offshore wind farm and battery energy storagesystem[j].ieee trans actions on sustainable energy,2020,11(4):2087-2097.
8、[4]王骞,张学广,徐殿国.考虑内–外生双重不确定性的风储系统联合规划方法[j].中国电机工程学报,2023,43(01):169-181.
9、[5]姜梦妍,王筱,董闯,等.基于时序运行模拟的水火风光储互补系统电源优化配置[j].水力发电学报,2024,43(03):71-83.
10、[6]蒋海玮,张明理,侯依昕,等.碳达峰约束下的省级电源规划方法[j].太阳能学报,2023,44(09):49-56.
11、王磊,王昭,冯斌,等.基于双层优化模型的风-光-储互补发电系统优化配置[j].太阳能学报,2022,43(05):98-104.。
技术实现思路
1、本发明的目的在于克服现有技术的不足，提供一种沙戈荒新能源基地源网储直协同规划方法。
2、本发明的目的是通过以下技术方案来实现的：一种沙戈荒新能源基地源网储直协同规划方法，包括以下步骤：
3、步骤110：考虑风光不确定的影响，基于历史数据和风光出力特性，采用非参数核密度估计对样本数据进行拟合，并选取最优copula函数建立风光出力的联合概率分布模型，采样生成场景集；
4、步骤120：基于生成的场景集合，k-means聚类得到风光典型场景；
5、步骤130：分析风光出力的季节特性，根据该季节下的负荷需求，建立直流外送计划功率模型，求解得到直流外送计划功率曲线；
6、步骤140：建立新能源基地双层规划运行模型，利用上层粒子群算法求解风光火储容量配置，利用下层改进多目标粒子群算法求解典型日运行曲线，然后上下迭代得到最优配置和运行结果。
7、具体的，所述步骤110的具体步骤为：
8、步骤111：以历史一年风机和光伏出力为基础，基于非参数核密度估计法选取高斯核函数生成24h内每个时段的风机和光伏出力概率密度函数：
9、
10、式中：t＝1,2....,24，为24个时段；xt、yt分别为t时段风机与光伏出力，分别为第d天t时段风机与光伏出力；h为带宽，k()为高斯核函数，即：
11、
12、步骤112：根据风机和光伏出力每个时段的概率密度函数求出其累积分布函数，然后基于frank-copula函数建立每个时段的风光出力联合分布函数：
13、
14、式中，c为二维frank-copula函数，即：
15、
16、式中，λt∈(-1,1)且λt≠0，是相关参数；λt＞0表示ut，vt呈正
17、相关；λt→0表示ut，vt趋向于独立；λt＜0表示ut，vt呈负相关；
18、步骤113：对每个时段的联合分布函数进行采样，借助3次样条插值法求解出其累积概率所对应每个时段的采样风机和光伏出力。
19、具体的，所述步骤113中累积概率所对应每个时段的采样风机和光伏出力的具体求解方法为将累积概率区间[0,1]分成(d-1)个小区间，在任一小区间和上，分别以累积概率u和v为自变量，x和y为因变量，利用3次样条插值法求得该区间上的3次样条多项式为：
20、
21、式中d＝1,2....,n；ad、bd、cd、ld、a′d、b′d、c′d、l′d均为常数。
22、对于任一采样累积概率值和f＝1,2,...f，f为采样规模，一定落在某个小区间和内，将和代入上式，即可求出每个时段的采样风机和光伏出力。
23、具体的，所述步骤130中直流外送计划功率模型为：
24、
25、其中，式(6)表示模型以外送功率与负荷需求之间功率波动惩罚最小的目标函数，αline为功率偏差惩罚因子，为t时刻的直流外送计划功率，为i场景下t时刻的负荷功率；式(7)是对直流调整次数的约束，其中μt为0-1变量，ut＝1表示t时刻调整直流外送功率，ut＝0表示t时刻不调整直流外送功率；
26、式(8)是日间运行连续性约束，表示每天的日初和日末直流外送计划功率相等；
27、式(9)为输电功率切换约束，式中m为实数，当μt＝0时，保证t时刻直流外送计划功率保持不变；
28、式(10)为电量平衡约束，直流通道的计划电量供给应与受端电网负荷保持平衡，避免能量供给缺额或过剩；
29、式(11)是直流外送上下限约束，分别表示直流外送功率的上下限；
30、式(12)是直流外送爬坡约束，分别表示直流外送向上、向下最大爬坡能力。具体的，所述步骤140中新能源基地双层规划运行模型包括上层模型和下层模型，所述上层模型为：
31、min(cp+cw+cg+cess,p+cess,e+cy)
32、(13)
33、cy＝com+cco2+cen+cfuel
34、(14)
35、式中，cp表示光伏投资成本，cw表示风电投资成本；cg表示火电投资成本；cess,p表示储能功率投资成本；cess,e表示储能容量投资成本；cy表示下层综合成本；
36、
37、式中，ci表示总投资成本，rd表示折现率；ri各类机组的表示规划年；ci,unit表示各类机组单位容量成本；si表示各类机组配置容量；
38、所述下层模型为：
39、min(com+cco2+cen+cfuel)
40、(16)
41、式中，com表示运维成本，cco2表示碳排成本；cen表示环境惩罚成本；cfuel表示燃料成本；
42、
43、式中，com,unit为各机组单位运维成本；ρ0表示各场景概率；pi(t)表示各典型场景各类机组各时刻出力；
44、
45、式中，cco2,unit为单位碳排成本；vc为单位碳排量；pg为火电t时刻出力；
46、
47、式中，cen,unit为单位污染物治理成本；γen是单位污染物排放量；
48、
49、式中，cfuel,unit为单位燃料成本；ven为单位火电燃料体积。
50、具体的，所述步骤140中通过约束条件对新能源基地双层规划运行模型进行约束；
51、所述约束条件包括：
52、功率平衡约束：
53、
54、该约束表示风光火储每一时刻的总出力大于等于每一时刻负荷；
55、火电出力和爬坡约束：
56、
57、式中，λ为爬坡能力上限；sg为火电配置容量；
58、风光出力约束：
59、
60、式中，wp和ww是风光不确定度，pb,p和pb,w为风光归一化出力；sp和sw为风光配置容量；
61、弃电约束：
62、
63、式中，μ表示弃电率上限，设为10％；
64、新能源占比约束：
65、
66、该约束表示每一时刻风光出力大于等于火电出力；
67、储能运行约束：
68、
69、式中，e为每一时刻的储能容量；pch，pdis为每一时刻储能的充放电量，ηch，ηdis为储能充放
70、电效率；socmin，socmax表示储能荷电状态；eess,unit表示储能配置容量；pess,unit表示储能充放电功率；θt表示储能0-1充放电状态变量；m为实数。
71、具体的，步骤140中改进多目标粒子群算法为：
72、
73、式中：w是惯性权重因子；c1、c2表示学习因子；it是当前迭代次数；mi是总迭代次数；ws和we是惯性权重因子的初始值和终止值；c1s和c1e是c1的初始值和停止值，c1s大于c1e；c2s和c2e是的初始值和停止值，c2s小于c2e；通过引人非线性变异算子，在粒子每次更新之后，以一定概率重新初始化粒子。
74、具体的，所述粒子的变异概率如式所示：
75、
76、式中，u表示变异率，在每次迭代时，当变异概率pm大于[0,1]范围内的随机数，对更新速度和位置的当前粒子进行变异操作，即在变异区间[lb,ub]范围内随机生成一个新的位置值，代替粒子原位置处的元素；lb和ub计算公式如下式所示：
77、lb＝min(xvarmin,xi-pm(xvarmax-xvarmin))
78、(30)
79、ub＝max(xvarmax,xi+pm(xvarmax-xvarmin))
80、(31)
81、式中：xi为粒子i的位置；xvarmax，xvarmin分别为变量的上下界。
82、本发明的有益效果是：
83、1、本发明采用场景生成和场景削减法来处理风光的不确定性，从新能源基地源网储直协同出发，挖掘直流外送潜力，建立源网储直双层规划模型并提出求解算法，为沙戈荒新能源基地源网储直的规划提供了一种参考方法。
84、2、双层规划和运行模型同时考虑了经济性和低碳环保目标，在保证新能源基地投资成本较少的前提下，降低对环境的污染。
1.一种沙戈荒新能源基地源网储直协同规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种沙戈荒新能源基地源网储直协同规划方法，其特征在于，所述步骤110的具体步骤为：
3.根据权利要求2所述的一种沙戈荒新能源基地源网储直协同规划方法，其特征在于，所述步骤113中累积概率所对应每个时段的采样风机和光伏出力的具体求解方法为将累积概率区间[0,1]分成(d-1)个小区间，在任一小区间和上，分别以累积概率u和v为自变量，x和y为因变量，利用3次样条插值法拟合三次曲线，求得该区间上的3次样条多项式为：
4.根据权利要求1所述的一种沙戈荒新能源基地源网储直协同规划方法，其特征在于，所述步骤130中直流外送计划功率模型为：
5.根据权利要求1所述的一种沙戈荒新能源基地源网储直协同规划方法，其特征在于，所述步骤140中新能源基地双层规划运行模型包括上层模型和下层模型，所述上层模型为：
6.根据权利要求5所述的一种沙戈荒新能源基地源网储直协同规划方法，其特征在于，所述步骤140中通过约束条件对新能源基地双层规划运行模型进行约束；
7.根据权利要求6所述的一种沙戈荒新能源基地源网储直协同规划方法，其特征在于，步骤140中改进多目标粒子群算法为：
8.根据权利要求7所述的一种沙戈荒新能源基地源网储直协同规划方法，其特征在于，所述粒子的变异概率如式所示：
