CN107464010B - 一种虚拟电厂容量优化配置方法 - Google Patents
一种虚拟电厂容量优化配置方法 Download PDFInfo
- Publication number
- CN107464010B CN107464010B CN201710513019.XA CN201710513019A CN107464010B CN 107464010 B CN107464010 B CN 107464010B CN 201710513019 A CN201710513019 A CN 201710513019A CN 107464010 B CN107464010 B CN 107464010B
- Authority
- CN
- China
- Prior art keywords
- risk
- power
- vpp
- formula
- scene
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012725 vapour phase polymerization Methods 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 238000010276 construction Methods 0.000 claims abstract description 19
- 238000003860 storage Methods 0.000 claims description 35
- 239000002253 acid Substances 0.000 claims description 25
- 230000005611 electricity Effects 0.000 claims description 24
- 238000010248 power generation Methods 0.000 claims description 17
- 238000003491 array Methods 0.000 claims description 13
- 238000004146 energy storage Methods 0.000 claims description 12
- 238000005286 illumination Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 7
- 239000002283 diesel fuel Substances 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000000153 supplemental effect Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 206010063659 Aversion Diseases 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
Abstract
本发明提出一种考虑风险的虚拟电厂容量优化配置方法,利用CVaR度量可再生能源出力及市场电价不确定性给规划VPP带来的风险;在规划建设VPP的目标函数中,将CVaR乘上一个权重系数,并以权重系数的大小衡量投资商的风险偏好水平,同时计及VPP实时运行中各种约束条件,建立考虑条件风险价值的虚拟电厂多电源容量优化配置模型。该模型量化了投资商在规划建设及运行VPP时由于各种不确定因素导致的风险,提供了多电源容量最优配置方案。在此基础上,本发明还探讨了不同风险偏好的投资商在规划建设VPP时面对多电源容量配置问题所做策略上的不同,为不同风险偏好的投资商在规划建设虚拟电厂时面对多电源容量配置问题提供定量依据。
Description
技术领域
本发明属于电力系统运行与规划领域,尤其涉及一种虚拟电厂容量优化配置方法。
背景技术
随着世界范围内化石能源的日益消耗,环境问题日益突出。利用可再生能源(renewable energy source,RES)发电的分布式电源(distributed generator,DG)以其经济、高效、环保等特点得到了越来越广泛的关注,逐渐成为了未来全球能源发展的主要方向。然而,可再生能源发电具有很强的随机性和间歇性,管理困难且接入后会对电网的安全稳定运行带来更大的威胁。
为了有效解决上述分布式电源并网所带来的困难,实现分布式电源的协调控制与能量管理,目前广泛采用微网和虚拟电厂(virtual power plant,VPP)的形式实现对大量分布式电源的灵活控制与管理。其中,VPP通过将各类分布式电源、储能系统及可控负荷聚合成一个有机整体参与电力市场的竞标和运营,一方面有利于缓解可再生能源对电网造成的波动,另一方面实现了资源的优化利用,从而有望获得规模化的经济效益。
虚拟电厂中风、光等可再生能源出力及市场电价的不确定性会导致其收益具有一定的风险性。合理配置虚拟电厂中风电、光伏、储能以及常规机组的容量,能够降低系统成本,使投资者的利益最大化。
在规划含有可再生能源发电的微网和虚拟电厂时,要充分考虑分布式电源发电的间歇性、互补性等因素。如何平衡投资与收益、合理配置可再生能源、常规发电机组及储能的容量问题引起了国内外学者关注。
投资组合理论可用于权衡资产风险和收益的关系,已在电力建设规划、发电商电量分配以及装机容量优化等领域得到了广泛的应用。不确定因素影响下的多电源容量配置问题也正是投资组合理论中典型的资产配置问题。CVaR作为一种有效的风险度量手段已经被广泛应用于电力系统的风险管理中,该方法有效解决了均值-方差理论在衡量风险时的缺点。
目前容量配置研究主要集中在微网,而VPP作为一个整体参与市场运营,在运行方式上可以更加灵活地通过向市场售购电来平抑可再生能源出力的波动。并且,目前对于VPP的研究大多集中在调度运行方面,鲜有研究考虑VPP规划运行一体化。此外,大多数针对规划的研究并没有考虑投资商在收益上面临的不确定性风险。
发明内容
发明目的:为克服现有技术不足,本发明旨于提供一种考虑条件风险价值、能够更好的为决策者提供最优策略方案的虚拟电厂容量优化配置方法,
技术方案:为解决上述技术问题,本发明采用如下技术方案:
一种虚拟电厂容量优化配置方法,包括以下步骤:
步骤1:对VPP中典型结构组成与功能进行分析及建模;
步骤2:以场景技术模拟VPP中不确定性因素;
步骤3:建立只考虑系统成本的VPP多电源容量配置模型目标函数;
步骤4:以投资组合理论及风险度量方法为理论基础,在上述VPP多电源容量配置模型目标函数中加入条件风险价值以衡量风险,并对应不同风险偏好水平的投资商,对风险系数进行分级;
步骤5:根据上述步骤得到的目标函数,结合VPP实际运行中各种约束条件,建立VPP规划运行一体化模型。
所述步骤1中VPP中典型结构包括以下几部分结构与功能:
1)光伏发电系统:光伏发电系统的发电功率与光照强度密切相关,因此光伏发电也具有强随机性,太阳光照强度可以近似看成服从Beta分布;假设给定一组光伏电池阵列,其面积和光电转换效率分别为A和η,则这组光伏电池阵列的输出功率为:
Ppv=rAη
式中:r为这一时间段内的实际光照强度;
2)风力发电系统:一般认为风速服从威布尔分布,可通过下式得到风力发电机的输出功率:
式中:Pr为风力发电机的额定功率;vci,vr,vco分别为同型号风力发电机的切入风速、额定风速和切出风速,v为当前待测风速;
3)柴油发电机:在VPP中通过配置常规机组平抑可再生能源出力的波动性,从而对外输出一个较稳定的电能以参与电力市场运营;
4)储能系统:储能系统不仅起到削峰填谷的作用,还能够根据电力市场价格的波动,灵活地调整VPP在日前市场的电力竞标量;考虑到VPP建设成本的限制,使用寿命较长、功率容量高、价格较便宜的铅酸蓄电池作为储能设备;
5)电力负荷:通常在规划VPP时,需要将对某地区的负荷供应纳入VPP的功能之一;电力负荷又分为固定负荷和可中断负荷,对于可中断负荷,在中断时VPP要向用户支付一定的补偿费用。
本发明中负荷为可中断负荷。
所述步骤2中,在规划和运行VPP时存在3种不确定性因素:
1)、风速不确定性导致风电出力波动;
2)、光照强度不确定性导致光伏出力波动;
3)、市场因素导致电价波动;
以场景技术模拟VPP中使用场景集的方法将随机优化问题转化为确定性优化问题处理,分别选取风电出力、光伏出力及电价场景集w、s、p个,各场景概率分别为π(w)、π(s)、π(p),则VPP在实时运行中的变量均为在各场景下的形式。
所述步骤3中只考虑系统成本的VPP多电源容量配置模型目标函数如下:
1)等年值初始投资建设成本
Co=(NPV·Cpv+Nwind·Cwind+Nb·Cb+Nc·Cc)·CRF
式中:Cpv、Cwind、Cb、Cc分别为单组光伏阵列、单台风力发电机、单组铅酸蓄电池和单台柴油发电机的造价成本;NPV为光伏阵列的并联个数,Nwind为风力发电机的台数,Nb为铅酸蓄电池组的并联个数,Nc为柴油发电机的台数,CRF为将初始投资化为等年值的系数因子,m为系统使用年限,r为贴现率;
2)系统年运行维护成本
3)系统置换成本(当某单元的寿命小于系统使用年限时考虑)
4)柴油机燃料成本
5)可中断负荷补偿成本
6)VPP运行收益
VPP的运行收益主要来自于在日前市场的收益。
综上,系统的等年值总建设运行成本为:
所述步骤4包括以下步骤:
1)投资组合理论
投资组合问题即投资者如何通过配置各种资产以权衡风险和收益的过程;有效的投资组合必须达到或接近资产收益最大化与风险最小化的均衡状态;在收益一定的条件下,选择风险最小的投资组合;在风险一定的条件下,选择收益最大的投资组合,同时满足这2个条件的投资组合集合就是有效集,又称为有效边界或有效前沿;
在投资建设虚拟电厂时,如何选择配置各机组的装机容量以及在运行时段内合理地向市场售购电等均为典型投资组合理论中的资产配置问题;因此,在规划建设VPP时,可应用投资组合理论,合理权衡风险与收益,从而使VPP的配置方案具有更强的鲁棒性;
2)基于VaR和CVAR的风险度量
风险度量是指对特定风险发生的可能性或损失的范围与程度进行估计和度量;VaR和CVaR是当前金融领域比较常用的风险管理技术,有效弥补了传统的均值-方差模型在度量风险时的局限性;风险价值的计算方法有历史模拟法和随机模拟法等,由于风速、光照强度及电价的概率分布难以准确获得,本申请采用历史模拟法来计算风险价值。
VaR反映投资组合在给定的置信度β上潜在的最大损失;设f(x,y)为损失函数,x为决策变量,y为随机变量,假设ρ(y)是y的概率密度函数,则损失函数f(x,y)不大于边界值α的分布函数为:
对于给定的置信度β,VaR可由下式得到:
VaRβ=min{α∈R:ψ(x,α)≥β}
式中,R为实数域;
而VaR只是某个置信度下的分位点,而分位点以后的风险信息未被考虑,即存在“尾部风险”;因此美国学者Rockafell和Uryas于1999年提出了条件风险价值CVaR含义为超过VaR部分的平均损失,其作为VaR的一种补充风险度量能够更好地反映“尾部风险”:
由于VaRβ(x)解析式难以求出,所以推导出变换函数Fβ(x,α):
式中:[f(x,y)-α]+表示max{f(x,y)-α,0};α即为VaR的值;
通常用以下估计式来计算变换函数Fβ(x,α):
式中:y1,...,yq为y的q个样本,k为求和的计步器,表示k从1取到q;
3)根据上述投资组合理论及风险管理方法,将条件风险价值CVaR以乘以一个风险偏好系数L的形式加入到VPP多电源容量配置模型的目标函数中,则目标函数包含两个部分,形式如下:
第一部分为等年值总建设运行成本,第二部分为CVaR和一个权重系数的乘积;权重系数L为风险偏好系数,表示投资者对于风险的态度,其取值范围为L≥0,当L取值小于0.1时,表示投资者为风险偏好型,投资者希望以较大的风险换取较高的收益;当L取值大于0.5时,表示投资者为风险规避型,投资策略较保守;投资者应根据自身风险偏好程度,恰当地选取风险系数L。
所述步骤5包括以下步骤:
1)常规机组出力约束
2)蓄电池电量及充放电约束
式中:分别为t时段各场景下储电量和充、放电量,为t-1时段各场景下储电量,为决策变量;Wb.max为单组铅酸蓄电池的额定容量;CDOD为蓄电池的最大放电深度;Pbc.max、Pbd.max分别表示单组铅酸蓄电池的最大充、放电功率;
3)可中断负荷约束
4)功率平衡约束
5)CVaR风险约束
式中:α即为VaR的值;β为投资商设定的置信度;
优化问题的决策变量包括:
本发明风力发电机简称风机。
本发明未提及的技术均为现有技术。
有益效果:与现有技术相比,本发明的有益效果是:
(1)能提供一种考虑条件风险价值的虚拟电厂容量优化配置方法,CVaR的引入能够直观地度量投资者在规划和运行VPP时面临的风险;通过对风险系数的设定能够更好地衡量规划建设VPP的经济性与风险性之间的关系;为不同风险偏好的投资商在决策时提供了定量的依据。
(2)在不同风险系数下配置柴油发电机及储能所发挥的功能侧重不同;当投资策略保守时配置柴油机及储能以平抑可再生能源出力波动,降低风险性;当投资策略激进时灵活调度柴油机及储能从而增加售电收益,提高经济性。
附图说明
图1为本发明虚拟电厂容量优化配置方法流程图;
图2为系统总成本关于CVaR的有效边界示意图;
图3为风力发电机台数、光伏电池板并联数、铅酸蓄电池组并联数和柴油机台数四个不同风险系数下的优化结果示意图;
图4为风力发电机总出力、柴油发电机总出力和总售电量三种不同风险系数下的优化结果示意图;
图5为光伏发电系统总出力、铅酸蓄电池总输出、总购电量和总中断负荷四种不同风险系数下的优化结果示意图;
其中,图3-图5中,每个风险系数从左到右依次为激进型、较激进型、较保守型和保守型。
具体实施方式
为了更好地理解本发明,下面结合实施例进一步阐明本发明的内容,但本发明的内容不仅仅局限于下面的实施例。
实施例1
如图1-5所示,一种虚拟电厂容量优化配置方法,包括以下步骤:
步骤1:对VPP中典型结构组成与功能进行分析及建模;
步骤2:以场景技术模拟VPP中不确定性因素;
步骤3:建立只考虑系统成本的VPP多电源容量配置模型目标函数;
步骤4:以投资组合理论及风险度量方法为理论基础,在上述VPP多电源容量配置模型目标函数中加入条件风险价值以衡量风险,并对应不同风险偏好水平的投资商,对风险系数进行分级;
步骤5:根据上述步骤得到的目标函数,结合VPP实际运行中各种约束条件,建立VPP规划运行一体化模型。
步骤1中VPP中典型结构包括以下几部分结构与功能:
1)光伏发电系统:光伏发电系统的发电功率与光照强度密切相关,光伏发电具有强随机性,太阳光照强度看成服从Beta分布;假设给定一组光伏电池阵列,其面积和光电转换效率分别为A和η,则这组光伏电池阵列的输出功率为:
Ppv=rAη
式中:r为这一时间段内的实际光照强度;
2)风力发电系统:一般认为风速服从威布尔分布,可通过下式得到风力发电机的输出功率:
式中:Pr为风力发电机的额定功率;vci,vr,vco分别为同型号风力发电机的切入风速、额定风速和切出风速,v为当前待测风速;
3)柴油发电机:在VPP中通过配置常规机组平抑可再生能源出力的波动性,从而对外输出一个较稳定的电能以参与电力市场运营;
4)储能系统:储能系统不仅起到削峰填谷的作用,还能够根据电力市场价格的波动,灵活地调整VPP在日前市场的电力竞标量;考虑到VPP建设成本的限制,使用寿命较长、功率容量高、价格较便宜的铅酸蓄电池作为储能设备;
5)电力负荷:通常在规划VPP时,需要将对某地区的负荷供应纳入VPP的功能之一;电力负荷又分为固定负荷和可中断负荷,对于可中断负荷,在中断时VPP要向用户支付一定的补偿费用。
步骤2中,在规划和运行VPP时存在3种不确定性因素:
1)、风速不确定性导致风电出力波动;
2)、光照强度不确定性导致光伏出力波动;
3)、市场因素导致电价波动;
以场景技术模拟VPP中使用场景集的方法将随机优化问题转化为确定性优化问题处理,分别选取风电出力、光伏出力及电价场景集w、s、p个,各场景概率分别为π(w)、π(s)、π(p),则VPP在实时运行中的变量均为在各场景下的形式。
步骤3中只考虑系统成本的VPP多电源容量配置模型目标函数如下:
1)等年值初始投资建设成本
Co=(NPV·Cpv+Nwind·Cwind+Nb·Cb+Nc·Cc)·CRF
式中:Cpv、Cwind、Cb、Cc分别为单组光伏阵列、单台风力发电机、单组铅酸蓄电池和单台柴油发电机的造价成本;NPV为光伏阵列的并联个数,Nwind为风力发电机的台数,Nb为铅酸蓄电池组的并联个数,Nc为柴油发电机的台数,CRF为将初始投资化为等年值的系数因子,m为系统使用年限,r为贴现率;
2)系统年运行维护成本
3)系统置换成本
4)柴油机燃料成本
5)可中断负荷补偿成本
6)VPP运行收益
综上,系统的等年值总建设运行成本为:
步骤4包括以下步骤:
1)投资组合理论
投资组合问题即投资者如何通过配置各种资产以权衡风险和收益的过程;有效的投资组合必须达到或接近资产收益最大化与风险最小化的均衡状态;在收益一定的条件下,选择风险最小的投资组合;在风险一定的条件下,选择收益最大的投资组合,同时满足这2个条件的投资组合集合就是有效集,又称为有效边界或有效前沿;
2)基于VaR和CVAR的风险度量
VaR反映投资组合在给定的置信度β上潜在的最大损失;设f(x,y)为损失函数,x为决策变量,y为随机变量,假设ρ(y)是y的概率密度函数,则损失函数f(x,y)不大于边界值α的分布函数为:
对于给定的置信度β,VaR可由下式得到:
VaRβ=min{α∈R:ψ(x,α)≥β}
式中,R为实数域;
而VaR只是某个置信度下的分位点,而分位点以后的风险信息未被考虑,即存在“尾部风险”;条件风险价值CVaR含义为超过VaR部分的平均损失,其作为VaR的一种补充风险度量能够更好地反映“尾部风险”:
由于VaRβ(x)解析式难以求出,所以推导出变换函数Fβ(x,α):
式中:[f(x,y)-α]+表示max{f(x,y)-α,0};α即为VaR的值;
通常用以下估计式来计算变换函数Fβ(x,α):
式中:y1,...,yq为y的q个样本;k为求和的计步器,表示从1取到q;
3)根据上述投资组合理论及风险管理方法,将条件风险价值CVaR以乘以一个风险偏好系数L的形式加入到VPP多电源容量配置模型的目标函数中,则目标函数包含两个部分,形式如下:
第一部分为等年值总建设运行成本,第二部分为CVaR和一个权重系数的乘积;权重系数L为风险偏好系数,表示投资者对于风险的态度,其取值范围为L≥0,当L取值小于0.1时,表示投资者为风险偏好型,投资者希望以较大的风险换取较高的收益;当L取值大于0.5时,表示投资者为风险规避型,投资策略较保守;投资者应根据自身风险偏好程度,恰当地选取风险系数L。
步骤5包括以下步骤:
1)常规机组出力约束
2)蓄电池电量及充放电约束
式中:分别为t时段各场景下储电量和充、放电量,为t-1时段各场景下储电量,为决策变量;Wb.max为单组铅酸蓄电池的额定容量;CDOD为蓄电池的最大放电深度;Pbc.max、Pbd.max分别表示单组铅酸蓄电池的最大充、放电功率;
3)可中断负荷约束
4)功率平衡约束
5)CVaR风险约束
式中:α即为VaR的值;β为投资商设定的置信度;
优化问题的决策变量包括:
以规划一个VPP为例:
选取美国德克萨斯州某地区的风、光资源及电价、负荷数据,采用本发明中的模型进行计算,时间步长取为1h,计算时间为全年8760h。选取过去四年的风、光、电价历史数据作为不同场景,每个场景的概率均为25%;选取四年平均历史负荷作为负荷数据。考虑到该地区年平均负荷为300kW,选择额定功率为200kW的风力发电机;单块最大功率为200W的光伏电池板,根据系统功率等级要求将14块光伏电池板串联构成一组光伏阵列;采用单体容量为800Ah的铅酸蓄电池作为储能单元,根据并网电压输入允许范围,将240节电池串联构成一个蓄电池组。所选风力发电机、光伏电池板、柴油机及铅酸蓄电池的具体参数见表1:
表1风光柴储各电源的相关参数
为了给不同风险偏好的投资商规划建设VPP提供有价值的依据,根据本发明模型计算不同风险系数下的VPP多电源容量配置结果,并分析建设总成本与CVaR之间的关系以及不同风险偏好水平对于规划策略的具体影响。
表2列出了不同风险系数下,VPP的容量配置及目标函数各部分的计算结果:
表2容量配置结果表
从表中可以看出,随着风险系数的增大,VPP的等年值总建设运行成本增加,而CVaR逐渐减小,说明投资者对风险的厌恶程度加深,规划策略趋于保守,风电、光伏、柴油机的装机容量也相应减小,而蓄电池由于技术尚未成熟、造价成本较高,因此所规划出的蓄电池数量较少。根据上表结果可以得到总成本关于CVaR的有效边界,如图2所示。
可将风险系数水平划分为四部分:分别代表投资商为保守型、较保守型、较激进型和激进型。在风险系数较小时,投资商倾向于获得收益,投资策略比较激进,随着CVaR的减小总成本增加缓慢;在风险系数较大时,投资商极力规避风险,投资策略趋向保守,总成本迅速增加。
下面分别选取代表四种不同投资策略的风险系数:L=0.05代表投资商为激进型;L=0.1代表投资商为较激进型;L=0.5代表投资商为较保守型;L=2代表投资商为保守型,下面具体分析不同风险偏好对于VPP配置和运行策略的影响,结果见图3-图5。
当投资商从激进型转为较激进型时,风力发电机和光伏电池板的数量有所下降,其中风力发电机数量下降得更快,这是因为相对于光照强度的波动性来说风速不确定性更强,这说明投资商为风险偏好型时,主要通过减少风电装机容量来规避风险。
当投资商从较激进型转为较保守型时,柴油机的数量急剧减小,这是因为当投资商偏好风险时,柴油机出力不仅用于平抑可再生能源出力的波动和负荷供应,还用于将剩余的柴发出力在电价合适的时候向市场出售,以此获得更高的收益,而由于电价波动也会带来一定的风险,因此当投资商风险厌恶程度加深时,柴油机的作用更多地用于平抑可再生能源出力波动及满足负荷需求,因而VPP向市场售电量急剧减小,导致配置柴油机的数量突然下降。
当投资商从较保守型转为保守型时,此时风力发电机数量已经较小,主要通过减小光伏电池板的数量来规避风险,虽然柴油机的数量没有改变,但是为了满足负荷需求,柴发总出力有所上升。相比于风险系数较小时主要依靠柴油机出力及蓄电池充放电来平抑可再生能源出力波动,当风险系数较大时,为了规避风险,主要依靠从电网购电及中断负荷来维持VPP各部分相对稳定地运作,因此总购电量、总中断负荷量有所上升。显然这种配置策略的风险性很小而经济性也相对较差。
以上仿真结果验证了本发明所构模型有效性和实用性。该模型能给决策者提供了更大的抉择空间,使投资商能够在更多情况下做出最优规划决策,从而提高所建VPP的利润。并且,条件风险价值的引入降低了不确定性决策的盲目性,且明确衡量了风险与收益,为投资者选择最佳策略提供有效参考。
以上仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对各设施位置进行调整,这些调整也应视为本发明的保护范围。
Claims (1)
1.一种虚拟电厂容量优化配置方法,其特征在于:包括以下步骤:
步骤1:对VPP中典型结构组成与功能进行分析及建模,包括:
1)光伏发电系统:给定一组光伏电池阵列,其面积和光电转换效率分别为A和η,则这组光伏电池阵列的输出功率为:
Ppv=lAη
式中:l为这一时间段内的实际光照强度;
2)风力发电系统:通过下式得到风力发电机的输出功率:
式中:Pr为风力发电机的额定功率;vci,vr,vco分别为同型号风力发电机的切入风速、额定风速和切出风速,v为当前待测风速;
3)柴油发电机:在VPP中通过配置常规机组平抑可再生能源出力的波动性,从而对外输出一个较稳定的电能以参与电力市场运营;
4)储能系统:使用铅酸蓄电池作为储能设备;
5)电力负荷:将对某地区的负荷供应纳入VPP的功能之一;电力负荷又分为固定负荷和可中断负荷,对于可中断负荷,在中断时VPP要向用户支付一定的补偿费用;
步骤2:以场景技术模拟VPP中不确定性因素,包括:
1)、风速不确定性导致风电出力波动;
2)、光照强度不确定性导致光伏出力波动;
3)、市场因素导致电价波动;
以场景技术模拟VPP中使用场景集的方法将随机优化问题转化为确定性优化问题处理,分别选取风电出力、光伏出力及电价场景集w、s、p个,各场景概率分别为π(w)、π(s)、π(p),则VPP在实时运行中的变量均为在各场景下的形式;
步骤3:建立只考虑系统成本的VPP多电源容量配置模型目标函数,包括:
1)等年值初始投资建设成本
Co=(NPV·Cpv+Nwind·Cwind+Nb·Cb+Nc·Cc)·CRF
式中:Cpv、Cwind、Cb、Cc分别为单组光伏阵列、单台风力发电机、单组铅酸蓄电池和单台柴油发电机的造价成本;NPV为光伏阵列的并联个数,Nwind为风力发电机的台数,Nb为铅酸蓄电池组的并联个数,Nc为柴油发电机的台数,CRF为将初始投资化为等年值的系数因子,m为系统使用年限,r为贴现率;
2)系统年运行维护成本
3)系统置换成本
4)柴油机燃料成本
5)可中断负荷补偿成本
6)VPP运行收益
综上,系统的等年值总建设运行成本为:
步骤4:以投资组合理论及风险度量方法为理论基础,在上述VPP多电源容量配置模型目标函数中加入条件风险价值以衡量风险,并对应不同风险偏好水平的投资商,对风险系数进行分级,具体包括:
1)投资组合理论
投资组合问题即投资者如何通过配置各种资产以权衡风险和收益的过程;有效的投资组合必须达到或接近资产收益最大化与风险最小化的均衡状态;在收益一定的条件下,选择风险最小的投资组合;在风险一定的条件下,选择收益最大的投资组合,同时满足这2个条件的投资组合集合就是有效集,又称为有效边界或有效前沿;
2)基于VaR和CVAR的风险度量
VaR反映投资组合在给定的置信度β上潜在的最大损失;设f(x,y)为损失函数,x为决策变量,y为随机变量,假设ρ(y)是y的概率密度函数,则损失函数f(x,y)不大于边界值α的分布函数为:
对于给定的置信度β,VaR由下式得到:
VaRβ=min{α∈R:ψ(x,α)≥β}
式中,R为实数域;
而VaR只是某个置信度下的分位点,而分位点以后的风险信息未被考虑,即存在“尾部风险”;条件风险价值CVaR含义为超过VaR部分的平均损失,其作为VaR的一种补充风险度量能够更好地反映“尾部风险”:
由于VaRβ(x)解析式难以求出,所以推导出变换函数Fβ(x,α):
式中:[f(x,y)-α]+表示max{f(x,y)-α,0};α即为VaR的值;
用以下估计式来计算变换函数Fβ(x,α):
式中:y1,...,yq为y的q个样本;k为求和的计步器,表示从1取到q;
3)根据上述投资组合理论及风险管理方法,将条件风险价值CVaR以乘以一个风险偏好系数L的形式加入到VPP多电源容量配置模型的目标函数中,则目标函数包含两个部分,形式如下:
第一部分为等年值总建设运行成本,第二部分为CVaR和一个权重系数的乘积;权重系数L为风险偏好系数,表示投资者对于风险的态度;
步骤5:根据上述步骤得到的目标函数,结合VPP实际运行中各种约束条件,建立VPP规划运行一体化模型,所述约束条件包括:
1)常规机组出力约束
2)蓄电池电量及充放电约束
式中:分别为t时段各场景下储电量和充、放电量,为t-1时段各场景下储电量,为决策变量;Wb.max为单组铅酸蓄电池的额定容量;CDOD为蓄电池的最大放电深度;Pbc.max、Pbd.max分别表示单组铅酸蓄电池的最大充、放电功率;
3)可中断负荷约束
4)功率平衡约束
5)CVaR风险约束
式中:α即为VaR的值;β为投资商设定的置信度;
优化问题的决策变量包括:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710513019.XA CN107464010B (zh) | 2017-06-29 | 2017-06-29 | 一种虚拟电厂容量优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710513019.XA CN107464010B (zh) | 2017-06-29 | 2017-06-29 | 一种虚拟电厂容量优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107464010A CN107464010A (zh) | 2017-12-12 |
CN107464010B true CN107464010B (zh) | 2021-10-29 |
Family
ID=60546429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710513019.XA Active CN107464010B (zh) | 2017-06-29 | 2017-06-29 | 一种虚拟电厂容量优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107464010B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325636A (zh) * | 2018-10-31 | 2019-02-12 | 国网山东省电力公司电力科学研究院 | 一种虚拟电厂中电动汽车换电站的容量优化配置方法 |
CN109617059B (zh) * | 2018-12-20 | 2020-02-14 | 四川大学 | 一种含水光的多能源互补发电系统容量配置方法 |
CN109638886B (zh) * | 2019-01-10 | 2021-01-08 | 国网江苏省电力有限公司宿迁供电分公司 | 一种基于CVaR的风电日前出力申报优化方法 |
US11320796B1 (en) | 2019-06-05 | 2022-05-03 | Form Energy, Inc. | Renewable energy system controls |
US11416936B1 (en) | 2019-06-05 | 2022-08-16 | Form Energy, Inc. | Systems and methods for managing a renewable power asset |
CN110516843B (zh) * | 2019-07-19 | 2023-09-26 | 国网冀北电力有限公司电力科学研究院 | 一种虚拟电厂容量优化方法、设备以及系统 |
CN111126551B (zh) * | 2019-12-25 | 2021-09-03 | 南方电网电力科技股份有限公司 | 一种多投资主体模式下虚拟电厂的组合规划方法和装置 |
CN111402015B (zh) * | 2020-03-17 | 2023-06-27 | 南京工业大学 | 一种基于购售风险的虚拟电厂双层竞标方法及系统 |
CN111799786B (zh) * | 2020-07-07 | 2021-03-16 | 中原工学院 | 一种基于博弈论的新能源混合电力系统容量配置方法 |
CN112072640B (zh) * | 2020-08-13 | 2022-01-07 | 国网冀北电力有限公司 | 一种虚拟电厂聚合资源的容量优化方法 |
CN112269966B (zh) * | 2020-11-18 | 2023-12-22 | 国网上海市电力公司 | 一种考虑备用需求的通信基站虚拟电厂发电容量测量方法 |
CN113255957A (zh) * | 2021-04-02 | 2021-08-13 | 国网山东省电力公司济南供电公司 | 综合服务站不确定因素的定量优化分析方法及系统 |
CN113435714B (zh) * | 2021-06-10 | 2022-08-02 | 华中科技大学 | 一种基于WCVaR风险分析的电网调度优化方法和系统 |
CN113507111B (zh) * | 2021-06-24 | 2022-09-27 | 东北电力大学 | 基于盲数理论的规划目标年电力盈亏评估方法 |
CN116070801B (zh) * | 2023-04-03 | 2023-08-08 | 杭州轻舟科技有限公司 | 一种负荷聚合平台多站点最优运行策略生成方法 |
CN117748608A (zh) * | 2023-12-18 | 2024-03-22 | 国网江苏省电力有限公司南通供电分公司 | 面向不同场景的多类灵活性资源组合配置方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631599A (zh) * | 2015-12-30 | 2016-06-01 | 国网甘肃省电力公司电力科学研究院 | 一种虚拟电厂多目标运行调度方法 |
CN105741027A (zh) * | 2016-01-27 | 2016-07-06 | 河海大学 | 一种含电动汽车的虚拟电厂优化调度方法 |
CN105930919A (zh) * | 2016-04-11 | 2016-09-07 | 南瑞(武汉)电气设备与工程能效测评中心 | 基于两阶段随机规划的虚拟电厂风险规避优化运行方法 |
CN106096779A (zh) * | 2016-06-13 | 2016-11-09 | 国家电网公司 | 一种输配电成本分析、风险评估模型及风险结构优化方法 |
CN106127389A (zh) * | 2016-06-24 | 2016-11-16 | 河海大学 | 一种虚拟电厂热电联合调度鲁棒优化模型 |
CN106169102A (zh) * | 2016-06-24 | 2016-11-30 | 河海大学 | 一种虚拟电厂日前调度优化模型 |
CN106300336B (zh) * | 2016-07-22 | 2018-12-18 | 华北电力大学 | 一种计及负荷侧和电源侧的虚拟电厂多目标优化调度方法 |
-
2017
- 2017-06-29 CN CN201710513019.XA patent/CN107464010B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107464010A (zh) | 2017-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107464010B (zh) | 一种虚拟电厂容量优化配置方法 | |
CN108960510B (zh) | 一种基于两阶段随机规划的虚拟电厂优化交易策略装置 | |
Yang et al. | Optimal sizing and placement of energy storage system in power grids: A state-of-the-art one-stop handbook | |
Papaefthymiou et al. | Optimum sizing of wind-pumped-storage hybrid power stations in island systems | |
Ahadi et al. | A novel approach for optimal combinations of wind, PV, and energy storage system in diesel-free isolated communities | |
He et al. | Optimal bidding strategy of battery storage in power markets considering performance-based regulation and battery cycle life | |
CN105846423B (zh) | 一种计及需求响应的光伏微电网储能多目标容量配置方法 | |
Tajeddini et al. | Risk averse optimal operation of a virtual power plant using two stage stochastic programming | |
Chen et al. | Optimal allocation and economic analysis of energy storage system in microgrids | |
CN108053057B (zh) | 一种基于CVaR的虚拟电厂优化调度建模方法 | |
Kazempour et al. | Electric energy storage systems in a market-based economy: Comparison of emerging and traditional technologies | |
Fathima et al. | Optimized sizing, selection, and economic analysis of battery energy storage for grid‐connected wind‐PV hybrid system | |
Gbadegesin et al. | Techno-economic analysis of storage degradation effect on levelised cost of hybrid energy storage systems | |
CN110633854A (zh) | 一种考虑储能电池多重分段服务全生命周期优化规划方法 | |
CN111311012A (zh) | 基于多智能体的微电网电力市场双层竞价优化方法 | |
Awasthi et al. | Operation of datacenter as virtual power plant | |
CN113888204A (zh) | 多主体博弈的虚拟电厂容量优化配置法 | |
CN115759556A (zh) | 一种碳-电市场中的多虚拟电厂优化运行与分配方法 | |
Dixit et al. | Energy management in microgrids with renewable energy sources and demand response | |
Ali et al. | Development and planning of a hybrid power system based on advance optimization approach | |
Elsir et al. | Coordinating the day-ahead operation scheduling for demand response and water desalination plants in smart grid | |
Ali et al. | Optimal sizing of networked microgrid using game theory considering the peer-to-peer energy trading | |
Kumar et al. | Role of optimal sized dual energy storage based microgrid for ancillary service support to utility grid | |
Mohamed et al. | Residential battery energy storage sizing and profitability in the presence of PV and EV | |
Elazab et al. | Optimal techno-economic feasibility analysis of a grid-tied microgrid considering demand response strategy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |