CN106712005B - 一种计及需求响应的电网安全优化调度方法 - Google Patents
一种计及需求响应的电网安全优化调度方法 Download PDFInfo
- Publication number
- CN106712005B CN106712005B CN201710019608.2A CN201710019608A CN106712005B CN 106712005 B CN106712005 B CN 106712005B CN 201710019608 A CN201710019608 A CN 201710019608A CN 106712005 B CN106712005 B CN 106712005B
- Authority
- CN
- China
- Prior art keywords
- load
- period
- power
- demand response
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000004044 response Effects 0.000 title claims abstract description 65
- 238000005457 optimization Methods 0.000 title claims abstract description 15
- 230000007246 mechanism Effects 0.000 claims abstract description 8
- 230000009467 reduction Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000012546 transfer Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 24
- 230000005284 excitation Effects 0.000 claims description 17
- 238000013178 mathematical model Methods 0.000 claims description 5
- 238000009987 spinning Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 claims description 2
- 238000005553 drilling Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004308 accommodation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种计及需求响应的电网安全优化调度方法，包括以下步骤：建立动态激励补偿机制，根据用户的负荷削减及转移特性，对用户的需求响应行为进行建模；建立电网可靠性指标失负荷概率和电量不足期望值的计算模型；将可靠性指标转化为经济指标融入到目标函数中，建立以总运营成本最小为目标的日前经济调度模型；建立约束条件，使得电力系统满足系统约束、机组约束以及安全约束；使用计算软件求解得到最优的日前经济调度结果。本发明将需求响应和可靠性指标融入到电力系统日前调度中，建立了考虑动态激励补偿和期望停电损失的优化调度模型，协调解决发电侧的机组组合问题和需求侧的供需互动问题，实现电网运行的经济性与安全性。
Description
技术领域
本发明属于电力系统调度的技术领域，尤其涉及一种计及需求响应的电网安全优化调度方法。
背景技术
随着国民经济结构的逐步调整，全社会用电量持续攀升，用电峰值不断被刷新，电网峰谷差呈现逐步扩大趋势。同时，为了推动能源结构转型和实现节能减排，非化石能源发电比重快速上升，使电力系统调峰能力明显不足，严重影响电力系统的安全稳定运行。作为下一代的电力网络，智能电网强化了用户与电网之间的双向互动，以通信信息平台为支撑，以智能控制为手段，灵活地整合、调度需求侧资源。在智能电网的环境下，用户根据电价和激励政策主动调整用电模式，积极参与电网运行，实现负荷在时间、空间上的有序分布，熨平负荷曲线，保证电力系统的稳定经济运行。
智能电网的发展为需求响应(demand response，DR)的实施提供了有力的技术支撑。当电网发生意外事故时，通过先进的测量技术和通信系统，需求侧资源能够及时作出反馈，减少用电需求，实现源荷之间的供需平衡。同时，将需求响应资源纳入电力系统的经济调度中，能够实现削峰填谷、节能减排等效果。
可靠性评估作为电力调度的重要组成部分，对电网的安全稳定运行起着重要作用。近年来，在欧美等多个电力市场中，概率性旋转备用的评估方法得到了广泛运用，通过在发电调度计划中安排一定的备用容量，以满足最大电量不足期望值(expected energynot supplied，EENS)。
本发明将需求响应和可靠性指标融入到了电力系统日前调度中，建立了考虑动态激励补偿和期望停电损失的电力优化调度模型，协调解决发电侧的机组组合问题和需求侧的供需互动问题，实现电网运行的经济性与安全性。
发明内容
发明目的：为了降低电网运营成本，实现经济和安全效益的最大化，本发明提供一种计及需求响应的电网安全优化调度方法。
技术方案：一种计及需求响应的电网安全优化调度方法，包括以下步骤：
步骤S1，建立动态激励补偿机制，根据用户的负荷削减及转移特性，对用户的需求响应行为进行建模；
步骤S2，建立电网可靠性指标失负荷概率和电量不足期望值的计算模型；
步骤S3，构建总运营成本的目标函数，将可靠性指标转化为经济指标融入所述目标函数中，建立以总运营成本最小为目标的日前经济调度模型；
步骤S4，建立约束条件，使得电力系统满足系统约束、机组约束以及安全约束；
步骤S5，使用最优解计算软件求解得到最优的日前经济调度结果。
进一步的，步骤S1中，动态激励补偿机制设计如下，在系统出现最高负荷的时段，电网企业将给予的激励补偿最高，设电网企业给予的最高激励补偿为A*元/MWh，定义各时段负荷与负荷最大值之比为需求比例系数，设需求比例系数为Γt，即：
式中，指需求响应前t时段的电力需求；T为时段总数；
设各时段的激励补偿为At，则各时段的激励补偿为
At＝A*Γt
(1)单时段模型下，用户主动削减负荷，需求响应后，用户在第t时段的用电需求调整为：
式中，为用户在第t时段的用电需求，Et，t为自弹性系数；为需求响应前的电价；Prt为需求响应后的电价；
(2)多时段模型下，用户将当前时段的用电需求转移到其他时段，t时段用户的需求函数为：
式中，Et，j为交叉弹性系数；i和j表示不同的时间段；
定义用户参与需求响应项目的参与度为需求响应系数，设需求响应系数为η，t时刻下ηt与At成正比，且当激励价格大于电价时，用户将完全参与需求响应；所以，ηt可由下式表示：
结合单时段模型、多时段模型及需求响应系数，t时段，实际参与需求响应的负荷为：
则t时段的实际负荷Dt为：
进一步的，步骤S2中，可靠性指标失负荷概率指发电机组的可用容量不满足某一负荷需求的概率；市场环境下，可靠性指标失负荷概率越小，表明电力供应越充裕，电力市场越接近完全竞争市场；可靠性指标失负荷概率的数学模型建立如下：
假设电网失负荷仅由发电机组故障停运引起，机组的故障停运率可由强迫停机率替代；
设t时段的失负荷概率为LOLPt，表示为：
式中，δj，t表示电网的失负荷状态，δj，t＝1表明t时段机组j切机将导致备用不足，δj，t＝0表明t时段机组j切机后系统不会失负荷；和分别表示单机和双机故障情况下机组i的失负荷贡献系数；和分别表示t时段下系统中单机和双机故障的概率。
进一步的，步骤S2中，电量不足期望值指由于失负荷导致的电量不足期望值，电量不足期望值的数学模型建立如下：
设t时段的电量不足期望值为EENSt，表示为：
式中，SRt是t时段系统的旋转备用容量，Ri，t表示机组i在t时段的备用容量。
进一步的，步骤S3中，计及可靠性指标和需求响应的日前经济调度模型的目标函数为：
ECostt＝VOLL*EENSt
式中，γi，t为机组i在t时段的状态，γi，t＝1表示开机，γi，t＝0表示停机；SUi，t为发电机组的启动成本；为发电机组的运行成本，一般采用二次函数形式，Pi，t为发电机i在t时段的出力，ai、bi、ci为机组的运行费用参数；为电网公司支付给参与需求响应用户的激励补偿，即p(ΔDt)；ECostt为期望停电损失，VOLL为单位停电损失，即失负荷价值，EENSt为t时段的电量不足期望值。
进一步的，步骤S4中，所述约束条件包括：
(1)系统约束，所述系统约束包括功率平衡约束和支路潮流约束；
a)功率平衡约束
式中，NGen(b)为连接到母线b上的发电机组总数量；Lb为与母线b相连的支路数量；式中等号左侧为实施需求响应后母线b在t时刻的净输入功率，等号右侧为t时刻与母线b相连的支路潮流之和；Db，t表示t时刻母线b的实际用电需求，
利用直流潮流可计算得到支路潮流Fl，t：
式中，分别为支路l两端母线节点的相角；Xl为支路l的阻抗；
b)支路潮流约束
为保证电力系统安全稳定运行，电网中各条支路的潮流应在限值以内，即：
式中，为t时刻支路l上潮流的最大值；
(2)机组约束，所述机组约束包括发电机组输出功率上下限约束、机组启停约束及机组爬坡约束；
a)发电机组输出功率上下限约束
式中，Pi max和Pi min分别为机组i出力的上下限；
b)机组启停约束
式中，和分别为发电机组i在t-1时段已连续开机和停机的时段数；Ti on和Ti off分别为机组i的最小开机和停机时段数；
c)机组爬坡约束
式中，Pi up和Pi down分别为机组i的上/下爬坡速率限制；
(3)安全约束，所述安全约束包括系统备用约束及可靠性约束；
a)系统备用约束
b)可靠性约束
分别设定失负荷概率限值和电量不足期望值的限值，电网运行的可靠性约束主要体现为失负荷概率和电量不足期望值小于一定的限值，即：
LOLPt≤LOLPmax
EENSt≤EENSmax
式中，LOLPt为t时段的失负荷概率；LOLPmax为失负荷概率限值；EENS为t时段的电量不足期望值；EENSmax为最大电量不足期望值。
进一步的，步骤S5中，通过YALMIP调用求解器Gurobi在Matlab中编程对所建立的机组组合模型进行求解。
有益效果：本发明提供的一种计及需求响应的电网安全优化调度方法，所提出的模型特点是在传统的日前调度机组组合问题中融入了了需求响应，基于分时电价，建立了动态激励响应机制，根据时段负荷实时调整的激励价格能够引导用户积极参与削峰填谷，改善负荷曲线，降低电网运营成本。本发明所建立的模型利用电网的概率特征信息，将可靠性指标转化为经济性指标，实现了电力系统运行的经济性和安全性的有效统一。可靠性指标、单位停电损失等客观因素对电力系统的备用容量和运营成本有着重要影响。在制定日前调度计划时，电力公司通过设定合理的可靠性指标，可以实现经济和安全效益的最大化。
附图说明
图1为本发明提供的一种计及需求响应的电网安全优化调度方法流程图；
图2为需求响应参与电力系统调度的计划框架图；
图3为某典型日负荷预测曲线图；
图4为不同激励下负荷曲线变化比较图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
如图1所示，该计及需求响应的电网安全优化调度方法，包括以下步骤：
步骤S1，建立动态激励补偿机制，根据用户的负荷削减及转移特性，对用户的需求响应行为进行建模。
动态激励补偿机制设计如下，在系统出现最高负荷的时段，电网企业将给予的激励补偿最高，设电网企业给予的最高激励补偿为A*元/MWh，定义各时段负荷与负荷最大值之比为需求比例系数，设需求比例系数为Γt，即：
式(1)中，指需求响应前t时段的电力需求；T为时段总数；
设各时段的激励补偿为At，则各时段的激励补偿为：
At＝A*Γt (2)
(1)单时段模型下，用户主动削减负荷，需求响应后，用户在第t时段的用电需求调整为：
式(3)中，为用户在第t时段的用电需求，Et，t为自弹性系数；为需求响应前的电价；Prt为需求响应后的电价；
(2)多时段模型下，用户将当前时段的用电需求转移到其他时段，t时段用户的需求函数为：
式(4)中，Et，j为交叉弹性系数；i和j表示不同的时间段；
考虑到实际生产运营中，用户不一定完全响应，引入“需求响应系数”η作为用户参与需求响应项目的参与度，如图2所示。定义用户参与需求响应项目的参与度为需求响应系数，设需求响应系数为η，根据消费者心理学的基本原理，可认为t时刻下ηt与At成正比，且当激励价格大于电价时，用户将完全参与需求响应；所以，ηt可由式(5)表示：
结合式(3)至式(5)中单时段模型、多时段模型及需求响应系数，t时段，实际参与需求响应的负荷为：
则t时段的实际负荷Dt为：
步骤S2，建立电网可靠性指标失负荷概率(loss of load probability，LOLP)和电量不足期望值(expected energy not supplied，EENS)的计算模型。
可靠性指标失负荷概率指发电机组的可用容量不满足某一负荷需求的概率；市场环境下，可靠性指标失负荷概率越小，表明电力供应越充裕，电力市场越接近完全竞争市场；可靠性指标失负荷概率的数学模型建立如下：
假设电网失负荷仅由发电机组故障停运引起，机组的故障停运率可由强迫停机率(forced outage rate，FOR)替代；
设t时段的失负荷概率为LOLPt，表示为：
式(8)中，δj，t表示电网的失负荷状态，δj，t＝1表明t时段机组j切机将导致备用不足，δj，t＝0表明t时段机组j切机后系统不会失负荷；和分别表示单机和双机故障情况下机组i的失负荷贡献系数；和分别表示t时段下系统中单机和双机故障的概率。
电量不足期望值指由于失负荷导致的电量不足期望值，电量不足期望值的数学模型建立如下：
设t时段的电量不足期望值为EENSt，表示为：
式(9)中，SRt是t时段系统的旋转备用容量，Ri，t表示机组i在t时段的备用容量。
步骤S3，构建总运营成本的目标函数，将可靠性指标转化为经济指标融入所述目标函数中，建立以总运营成本最小为目标的日前经济调度模型。
计及可靠性指标和需求响应的日前经济调度模型的目标函数为：
ECostt＝VOLL*EENSt (13)
上式中，γi，t为机组i在t时段的状态，γi，t＝1表示开机，γi，t＝0表示停机；SUi，t为发电机组的启动成本；为发电机组的运行成本，一般采用二次函数形式，Pi，t为发电机i在t时段的出力，ai、bi、ci为机组的运行费用参数；为电网公司支付给参与需求响应用户的激励补偿，即p(ΔDt)；ECostt为期望停电损失，VOLL为单位停电损失，即失负荷价值，EENSt为t时段的电量不足期望值。
步骤S4，建立约束条件，使得电力系统满足系统约束、机组约束以及安全约束。
所述约束条件包括：
(1)系统约束，所述系统约束包括功率平衡约束和支路潮流约束；
a)功率平衡约束
式(14)中，NGen(b)为连接到母线b上的发电机组总数量；Lb为与母线b相连的支路数量；等号左侧为实施需求响应后母线b在t时刻的净输入功率，等号右侧为t时刻与母线b相连的支路潮流之和；Db，t表示t时刻母线b的实际用电需求，可由式(7)计算得到。
利用直流潮流可计算得到支路潮流Fl，t：
式(15)中，分别为支路l两端母线节点的相角；Xl为支路l的阻抗；
b)支路潮流约束
为保证电力系统安全稳定运行，电网中各条支路的潮流应在限值以内，即：
式(16)中，为t时刻支路l上潮流的最大值；
(2)机组约束，所述机组约束包括发电机组输出功率上下限约束、机组启停约束及机组爬坡约束；
a)发电机组输出功率上下限约束
式(17)中，Pi max和Pi min分别为机组i出力的上下限；
b)机组启停约束
式(18)中，和分别为发电机组i在t-1时段已连续开机和停机的时段数；Ti on和Ti off分别为机组i的最小开机和停机时段数；
c)机组爬坡约束
式(19)中，Pi up和Pi down分别为机组i的上/下爬坡速率限制；
(3)安全约束，所述安全约束包括系统备用约束及可靠性约束；
a)系统备用约束
b)可靠性约束
分别设定失负荷概率限值和电量不足期望值的限值，电网运行的可靠性约束主要体现为失负荷概率和电量不足期望值小于一定的限值，即：
LOLPt≤LOLPmax (21)
EENSt≤EENSmax (22)
式(21)和(22)中，LOLPt为t时段的失负荷概率；LOLPmax为失负荷概率限值；EENS为t时段的电量不足期望值；EENSmax为最大电量不足期望值。
步骤S5，使用最优解计算软件求解得到最优的日前经济调度结果。
本实施例中提出的模型为一个混合整数规划问题(mixed-integer programming，MIP)，利用现有的商业软件能对其进行快速有效地求解，可通过YALMIP调用求解器Gurobi在Matlab中编程对所建立的机组组合模型进行求解。
以IEEE-RTS 24节点26机系统为例，对上述模型进行分析。选取冬季44-52周的周末作为典型日，其负荷预测曲线如图3所示。根据曲线特性，将其分为峰、平、谷三个时段，各时段时间及电价见表1，电价取自江苏省大工业峰谷分时电价。负荷的需求价格弹性系数见表2。
表1峰时电价及时段划分
表2需求价格弹性系数
图4是不同激励价格下，系统中所有负荷的需求响应结果。从图中可以看出，相较于基本运营模式(模式1)，峰时段下模式2～5的用电需求均有所降低，平时段和谷时段的负荷均略有增长。
表3对不同激励价格下的成本进行了比较，其中发电成本包括了机组启动成本和燃料成本。从表中可以看出，随着激励价格的不断提高，激励总成本不断上升，但发电成本不断下降，因此总成本呈现出“先降后升”的U型趋势，故存在某一激励价格，使得系统日前调度的总成本最小。通过对激励价格进行优化可得，当激励价格为584.12元/MWh时，总成本最小，为5374458元。
表3不同激励模式下的成本比较
现设定LOLPmax＝5％，EENSmax＝2.4MWh，VOLL＝5000元/MWh，当激励价格为584.12元/MWh时，结果如表4和表5，其中模式6表示仅计及DR的日前调度运营模式，模式7表示同时考虑DR和可靠性指标的日前调度运营模式。
从表4中可以看出，在最优激励价格下，模式6和模式7中用户的需求响应参与度保持不变，激励成本相同。将经济性指标纳入日前调度的统筹考虑中后，模式7的发电成本较仅计及DR的情况下有所增加，从而导致总成本也相应地出现增长，但与模式1相比，经济性仍然得到了保证。
表5表明，计及DR和可靠性指标后，系统在各个时段下的失负荷概率(LOLP)最大值和电量不足期望值(EENS)最大值均显著下降，体现出本文模型的有效性。
表4可靠性指标对日前调度成本的影响
表5可靠性指标对比
Claims (4)
1.一种计及需求响应的电网安全优化调度方法，其特征在于，包括以下步骤：
步骤S1，建立动态激励补偿机制，根据用户的负荷削减及转移特性，对用户的需求响应行为进行建模；
动态激励补偿机制设计如下，在系统出现最高负荷的时段，电网企业将给予的激励补偿最高，设电网企业给予的最高激励补偿为A*元/MWh，定义各时段负荷与负荷最大值之比为需求比例系数，设需求比例系数为Γt，即：
式中，指需求响应前t时段的电力需求；T为时段总数；
设各时段的激励补偿为At，则各时段的激励补偿为
At＝A*Γt
(1)单时段模型下，用户主动削减负荷，需求响应后，用户在第t时段的用电需求调整为：
式中，为用户在第t时段的用电需求，Et,t为自弹性系数；为需求响应前的电价；Prt为需求响应后的电价；
(2)多时段模型下，用户将当前时段的用电需求转移到其他时段，t时段用户的需求函数为：
式中，Et,j为交叉弹性系数；t和j表示不同的时间段；
定义用户参与需求响应项目的参与度为需求响应系数，设需求响应系数为η，t时刻下ηt与At成正比，且当激励价格大于电价时，用户将完全参与需求响应；所以，ηt可由下式表示：
结合单时段模型、多时段模型及需求响应系数，t时段，实际参与需求响应的负荷为：
则t时段的实际负荷Dt为：
步骤S2，建立电网可靠性指标失负荷概率和电量不足期望值的计算模型；
可靠性指标失负荷概率指发电机组的可用容量不满足某一负荷需求的概率；市场环境下，可靠性指标失负荷概率越小，表明电力供应越充裕，电力市场越接近完全竞争市场；可靠性指标失负荷概率的数学模型建立如下：
假设电网失负荷仅由发电机组故障停运引起，机组的故障停运率可由强迫停机率替代；
设t时段的失负荷概率为LOLPt，表示为：
式中，δj,t表示电网的失负荷状态，δj,t＝1表明t时段机组j切机将导致备用不足，δj,t＝0表明t时段机组j切机后系统不会失负荷；和分别表示单机和双机故障情况下机组i的失负荷贡献系数；和分别表示t时段下系统中单机和双机故障的概率；
电量不足期望值指由于失负荷导致的电量不足期望值，电量不足期望值的数学模型建立如下：
设t时段的电量不足期望值为EENSt，表示为：
式中，SRt是t时段系统的旋转备用容量，Ri,t表示机组i在t时段的备用容量；
步骤S3，构建总运营成本的目标函数，将可靠性指标转化为经济指标融入所述目标函数中，建立以总运营成本最小为目标的日前经济调度模型；
步骤S4，建立约束条件，使得电力系统满足系统约束、机组约束以及安全约束；
步骤S5，使用最优解计算软件求解得到最优的日前经济调度结果。
2.根据权利要求1所述的计及需求响应的电网安全优化调度方法，其特征在于：步骤S3中，计及可靠性指标和需求响应的日前经济调度模型的目标函数为：
ECostt＝VOLL*EENSt
式中，γi,t为机组i在t时段的状态，γi,t＝1表示开机，γi,t＝0表示停机；SUi,t为发电机组的启动成本；为发电机组的运行成本，采用二次函数形式，Pi,t为发电机i在t时段的出力，ai、bi、ci为机组的运行费用参数；为电网公司支付给参与需求响应用户的激励补偿，即p(ΔDt)；ECostt为期望停电损失，VOLL为单位停电损失，即失负荷价值，EENSt为t时段的电量不足期望值。
3.根据权利要求1或2所述的计及需求响应的电网安全优化调度方法，其特征在于：步骤S4中，所述约束条件包括：
(1)系统约束，所述系统约束包括功率平衡约束和支路潮流约束；
a)功率平衡约束
式中，NGen(b)为连接到母线b上的发电机组总数量；Lb为与母线b相连的支路数量；式中等号左侧为实施需求响应后母线b在t时刻的净输入功率，等号右侧为t时刻与母线b相连的支路潮流之和；Db,t表示t时刻母线b的实际用电需求，
利用直流潮流可计算得到支路潮流Fl,t：
式中，分别为支路l两端母线节点的相角；Xl为支路l的阻抗；
b)支路潮流约束
为保证电力系统安全稳定运行，电网中各条支路的潮流应在限值以内，即：
式中，为t时刻支路l上潮流的最大值；
(2)机组约束，所述机组约束包括发电机组输出功率上下限约束、机组启停约束及机组爬坡约束；
a)发电机组输出功率上下限约束
式中，Pi max和Pi min分别为机组i出力的上下限；
b)机组启停约束
式中，和分别为发电机组i在t-1时段已连续开机和停机的时段数；Ti on和Ti off分别为机组i的最小开机和停机时段数；
c)机组爬坡约束
式中，Pi up和Pi down分别为机组i的上/下爬坡速率限制；
(3)安全约束，所述安全约束包括系统备用约束及可靠性约束；
a)系统备用约束
b)可靠性约束
分别设定失负荷概率限值和电量不足期望值的限值，电网运行的可靠性约束体现为失负荷概率和电量不足期望值小于限值，即：
LOLPt≤LOLPmax
EENSt≤EENSmax
式中，LOLPt为t时段的失负荷概率；LOLPmax为失负荷概率限值；EENS为t时段的电量不足期望值；EENSmax为最大电量不足期望值。
4.根据权利要求1或2所述的计及需求响应的电网安全优化调度方法，其特征在于：步骤S5中，通过YALMIP调用求解器Gurobi在Matlab中编程对所建立的机组组合模型进行求解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710019608.2A CN106712005B (zh) | 2017-01-11 | 2017-01-11 | 一种计及需求响应的电网安全优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710019608.2A CN106712005B (zh) | 2017-01-11 | 2017-01-11 | 一种计及需求响应的电网安全优化调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106712005A CN106712005A (zh) | 2017-05-24 |
| CN106712005B true CN106712005B (zh) | 2019-04-30 |
Family
ID=58907389
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710019608.2A Active CN106712005B (zh) | 2017-01-11 | 2017-01-11 | 一种计及需求响应的电网安全优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106712005B (zh) |
Families Citing this family (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107276074B (zh) * | 2017-06-19 | 2020-07-24 | 深圳市芝电能源科技有限公司 | 自动需求响应方法及自动需求响应系统 |
| CN107545364B (zh) * | 2017-08-25 | 2020-08-07 | 合肥工业大学 | 激励型电力需求响应的用户响应策略优化方法 |
| CN107769244B (zh) * | 2017-08-31 | 2018-09-14 | 南京邮电大学 | 计及多种柔性负荷模型的多储能风电调度方法 |
| CN108133394A (zh) * | 2018-01-12 | 2018-06-08 | 南瑞集团有限公司 | 考虑用户风险偏好的可控负荷需求响应菜单定价方法 |
| CN108448645B (zh) * | 2018-01-16 | 2023-03-21 | 华北电力大学 | 一种基于两层规划模型的多形态广域需求侧负荷响应方法 |
| CN108416529B (zh) * | 2018-03-16 | 2021-07-27 | 太原理工大学 | 计及需求响应的风电并网系统节点短期可靠性评估方法 |
| CN108764543B (zh) * | 2018-05-17 | 2023-07-18 | 中国电力科学研究院有限公司 | 一种电力调度方法及系统 |
| CN108599157B (zh) * | 2018-05-17 | 2021-03-30 | 东北电力大学 | 一种考虑电价型需求响应的交直流配合电网优化调度方法 |
| CN109167350B (zh) * | 2018-09-04 | 2020-11-06 | 南方电网科学研究院有限责任公司 | 一种工业负荷响应模型的构建方法 |
| CN110032770B (zh) * | 2019-03-18 | 2021-01-05 | 华中科技大学 | 抽水蓄能机组双机相继开机规律的多目标优选方法及系统 |
| CN109980672B (zh) * | 2019-03-27 | 2022-03-25 | 中国电力科学研究院有限公司 | 用于确定特高压直流送端的最小开机数量的方法及系统 |
| CN110046758A (zh) * | 2019-04-09 | 2019-07-23 | 湘潭大学 | 一种结合智能合约的微网用电调度方法 |
| CN110048414B (zh) * | 2019-04-24 | 2023-04-14 | 深圳供电局有限公司 | 一种虚拟电厂互动资源补贴定价方法 |
| CN111900740B (zh) * | 2019-05-05 | 2023-11-03 | 中国电力科学研究院有限公司 | 一种基于需求响应设备的电力系统调频方法和系统 |
| CN110503309B (zh) * | 2019-07-30 | 2022-11-04 | 北京理工大学珠海学院 | 基于主动需求响应的电动汽车充电调度方法 |
| CN110611337B (zh) * | 2019-09-30 | 2022-12-09 | 国家电网公司华中分部 | 一种基于供电可靠性的电力系统能量与备用联合调度方法 |
| CN111369386B (zh) * | 2020-03-03 | 2023-06-06 | 宁波工程学院 | 基于同步算法的智能电网需求侧管理方法 |
| CN111476431B (zh) * | 2020-04-24 | 2022-06-10 | 江苏方天电力技术有限公司 | 基于在线供需匹配响应的园区综合能源现货交易激励方法 |
| CN111952980B (zh) * | 2020-08-11 | 2022-12-09 | 合肥工业大学 | 考虑需求侧响应不确定性的综合能源系统优化方法及系统 |
| CN112150190B (zh) * | 2020-09-04 | 2023-08-22 | 广东工业大学 | 一种面向高成分灵活负荷的需求响应互补式电价系统及方法 |
| CN112488374B (zh) * | 2020-11-24 | 2022-07-19 | 国网江苏省电力有限公司经济技术研究院 | 一种基于时序生产模拟的广义需求响应优化配比研究方法 |
| CN112632842A (zh) * | 2020-12-23 | 2021-04-09 | 国网北京市电力公司 | 基于交易和谐度的电网与建筑用能交易匹配方法及系统 |
| CN113054687B (zh) * | 2021-03-19 | 2023-11-03 | 华北电力大学 | 一种考虑电、热负荷综合需求响应的虚拟电厂风电消纳方法 |
| CN114336594A (zh) * | 2021-12-02 | 2022-04-12 | 国网山东省电力公司营销服务中心(计量中心) | 一种能源聚合客户监测及需求响应调度系统及方法 |
| CN114243687A (zh) * | 2021-12-09 | 2022-03-25 | 国网甘肃省电力公司电力科学研究院 | 一种基于成本和效益的风电提供旋转备用服务定价方法 |
| CN114221391B (zh) * | 2021-12-13 | 2024-02-06 | 清华四川能源互联网研究院 | 一种电力系统备用容量确定方法、装置及相关设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2472280A (en) * | 2009-07-27 | 2011-02-02 | Rltec Ltd | Monitoring responsive loads connected to electrical power networks |
| CN105634024A (zh) * | 2016-02-23 | 2016-06-01 | 国网江苏省电力公司电力科学研究院 | 基于价格需求响应的日内经济调度模型及线性求解方法 |
| CN105846467A (zh) * | 2016-05-15 | 2016-08-10 | 华南理工大学 | 计及激励型需求响应的微电网负荷削减控制方法 |
-
2017
- 2017-01-11 CN CN201710019608.2A patent/CN106712005B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2472280A (en) * | 2009-07-27 | 2011-02-02 | Rltec Ltd | Monitoring responsive loads connected to electrical power networks |
| CN105634024A (zh) * | 2016-02-23 | 2016-06-01 | 国网江苏省电力公司电力科学研究院 | 基于价格需求响应的日内经济调度模型及线性求解方法 |
| CN105846467A (zh) * | 2016-05-15 | 2016-08-10 | 华南理工大学 | 计及激励型需求响应的微电网负荷削减控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106712005A (zh) | 2017-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106712005B (zh) | 一种计及需求响应的电网安全优化调度方法 | |
| Yu et al. | Risk-averse stochastic operation of a power system integrated with hydrogen storage system and wind generation in the presence of demand response program | |
| Zhong et al. | Optimal energy management for multi-energy multi-microgrid networks considering carbon emission limitations | |
| Strbac et al. | Strategic assessment of the role and value of energy storage systems in the UK low carbon energy future | |
| Li et al. | Shared energy storage system for prosumers in a community: Investment decision, economic operation, and benefits allocation under a cost-effective way | |
| Mazidi et al. | Incorporating price-responsive customers in day-ahead scheduling of smart distribution networks | |
| Aghamohamadi et al. | A novel approach to multi energy system operation in response to DR programs; an application to incentive-based and time-based schemes | |
| Aghamohamadi et al. | Energy generation cost in multi-energy systems; an application to a non-merchant energy hub in supplying price responsive loads | |
| CN106096751A (zh) | 考虑新能源接入与需求侧响应参与短期发电计划安排及备用优化配置方法 | |
| CN107194514A (zh) | 一种针对风电功率预测误差的需求响应多时间尺度调度方法 | |
| Muthirayan et al. | Mechanism design for self-reporting baselines in demand response | |
| CN111340556A (zh) | 一种考虑柔性负荷的电网峰谷分时电价的制定方法 | |
| CN111242702A (zh) | 一种考虑系统峰谷差最小的电网峰谷分时电价的制定方法 | |
| Zhang et al. | Optimal selection of energy storage system sharing schemes in industrial parks considering battery degradation | |
| Wu et al. | Dynamic pricing and energy management of hydrogen-based integrated energy service provider considering integrated demand response with a bi-level approach | |
| Mussadiq et al. | Economic and Climatic Impacts of Different Peer-to-Peer Game Theoretic–Based Energy Trading Systems | |
| Gu et al. | A data-driven stochastic energy sharing optimization and implementation for community energy storage and PV prosumers | |
| Chang et al. | Low carbon oriented collaborative energy management framework for multi-microgrid aggregated virtual power plant considering electricity trading | |
| CN108764543A (zh) | 一种电力调度方法及系统 | |
| Li et al. | Multi-time scale economic optimization dispatch of the park integrated energy system | |
| Jiang et al. | Monthly electricity purchase and decomposition optimization considering wind power accommodation and day-ahead schedule | |
| Abdullah et al. | Optimizing time of use (ToU) electricity pricing in regulated market | |
| Gbadegesin et al. | Stacked value streams of hybrid energy storage systems in prosumer microgrids | |
| Pei et al. | Optimizing the operation and allocating the cost of shared energy storage for multiple renewable energy stations in power generation side | |
| Zhang et al. | New urban power grid flexible load dispatching architecture and key technologies |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |