CN108388973B - 一种虚拟电厂自适应鲁棒调度优化方法 - Google Patents

Abstract

本发明公开了一种虚拟电厂自适应鲁棒调度优化方法。该方法采用自适应鲁棒优化处理可再生能源出力的不确定性，且考虑虚拟电厂日前和实时两阶段调度。自适应鲁棒调度优化方法所建的模型为三层优化模型，为了求解该问题，首先，引入辅助变量，将该模型分为单层的主问题和双层的子问题；其次，通过对偶理论，将双层的子问题转化为单层问题；最后，采用列和约束生成方法，通过交替迭代求解主问题和子问题，直到这两个问题的间隙收敛到可接受的范围。相比于静态鲁棒优化，本发明在保证系统安全性的同时，考虑得知可再生能源出力后虚拟电厂内部各聚合单元的调整策略和实时市场的平衡情况，能有效平抑可再生能源波动，提高虚拟电厂的经济效益。

Description

一种虚拟电厂自适应鲁棒调度优化方法

技术领域

本发明属于电力系统调度领域，特别涉及了一种虚拟电厂自适应鲁棒调度优化方法。

背景技术

近年来，以可再生能源发电的分布式电源迅速发展，然而，分布式电源容量小、数量多、接入分散、出力间歇性的特点限制了其大规模的发展。以虚拟电厂形式聚合可再生能源，通过能量管理系统控制各聚合单元，能实现聚合单元的协调优化运行，从而提高虚拟电厂的稳定性和参与电力市场时的竞争力，并获得规模经济的效益。虚拟电厂可参与的电力市场包括日前市场、实时市场、双边合同市场和辅助服务市场等，参与平衡市场能帮助虚拟电厂平抑可再生能源的波动，降低可再生能源出力预测不准确的风险，并获得更大经济效益。

虚拟电厂在调度优化的过程中面临可再生能源出力的不确定因素，给决策和系统安全运行带来一定的困难。因此，采用合理的调度方式，尽量量化或削弱不确定因素对调度策略的影响，实现利润最大化成为学术界研究的热点。自适应鲁棒优化作为一种处理不确定性的方法，具有无需知道不确定参数概率分布、计算快捷、规避风险能力好等优点。该方法通过鲁棒系数调节系统的鲁棒性和经济性，鲁棒系数越大，系统鲁棒性越强，面临的风险越小。相比于静态鲁棒优化，自适应鲁棒优化考虑得知可再生能源出力后虚拟电厂内部各聚合单元的调整策略和实时市场的平衡，从而有效平抑可再生能源波动，提高虚拟电厂的经济效益。目前，还未有自适应鲁棒优化应用到虚拟电厂调度策略的研究。

发明内容

为了解决上述背景技术提出的技术问题，本发明旨在提供一种虚拟电厂自适应鲁棒调度优化方法，解决虚拟电厂日前和实时两阶段调度优化问题，考虑得知可再生能源出力后虚拟电厂内部各聚合单元的调整策略和实时市场的平衡，降低可再生能源出力波动带来的风险，提高虚拟电厂的收益。

为了实现上述技术目的，本发明的技术方案为：

一种虚拟电厂自适应鲁棒调度优化方法，包括以下步骤：

(1)考虑虚拟电厂参与的电力市场包括日前市场和实时市场、虚拟电厂内部的聚合单元包括燃气轮机、风电机组和负荷，建立虚拟电厂自适应鲁棒调度优化模型，该模型的目标函数为多层优化问题；

(2)引入辅助变量，将虚拟电厂自适应鲁棒调度优化模型分为主问题和子问题，其中主问题为单层优化问题；

(3)基于对偶理论，将子问题转化为单层优化问题；

(4)采用迭代算法，交替求解主问题和子问题，输出调度结果。

进一步地，在步骤(1)中，建立虚拟电厂自适应鲁棒调度优化模型的步骤如下：

(101)虚拟电厂的优化目标为利润最大化，包括日前和实时市场的售电利润、燃气轮机的运行和启停成本，模型的目标函数表示为“max-min-max”三层的形式：

上式中，T为总时段数；

分别为t时段日前和实时市场电价预测值；

、

分别为t时段虚拟电厂在日前和实时市场的交易量，为正表示售电量，为负表示购电量；n_i为燃气轮机数；k_i为燃气轮机i的固定成本；布尔变量

分别表示t时段燃气轮机i是否工作、启动、停止，是则置1，否则置0；

分别为燃气轮机i的启、停成本；

为燃气轮机i单位发电成本；g_i,t为t时段燃气轮机i出力；θ₁、θ₂、θ₃分别为第一、第二和第三层决策变量集合，其中：

θ₂＝{g_w,t}，g_w,t为t时段风电机组w输出功率，θ₃＝

；

(102)建立虚拟电厂自适应鲁棒调度优化模型的约束条件，包括燃气轮机约束和虚拟电厂内部功率平衡约束。

1)燃气轮机约束：

-r_i ^d≤g_i,t+1-g_i,t≤r_i ^u

上式中，

分别为燃气轮机i最大、最小输出功率；r_i ^u、r_i ^d分别为燃气轮机i向上、向下爬坡率；布尔变量

表示t+1时段燃气轮机i是否工作，是则置1，否则置0；g_i,t+1为t+1时段燃气轮机i出力；

2)虚拟电厂内部功率平衡约束：

上式中，n_w为风电机组数量；g_w,t为t时段风电机组w输出功率；P_t ^L为t时段负荷量；

(103)建立虚拟电厂自适应鲁棒调度优化模型的可再生能源出力不确定区间，采用盒式不确定集定义风电出力的不确定区间：

上式中，

分别为t时段风电机组w输出功率最大和最小值；

为t时段风电机组w输出功率最大可能偏差；Γ为鲁棒系数，Γ∈[0,|J]，其中，J为所有不确定参数的集合；当Γ＝0时，不考虑不确定参数的不确定性，该模型与确定性优化模型一致，系统鲁棒性较差。随着Γ的不断增大，系统鲁棒性逐渐提高，经济性不断下降。当Γ＝|J|时，即为最保守形式；通过调节鲁棒系数Г，即可得到不同保守程度的最优解，从而兼顾决策方案的鲁棒性和经济性。

进一步地，在步骤(2)中，将模型目标函数的三层优化问题分解为单层主问题和双层子问题，具体步骤如下：

(201)引入辅助变量，建立虚拟电厂自适应鲁棒调度优化主问题，主问题的约束包含燃气轮机的布尔变量约束，其目标函数和约束条件如下：

上式中，Λ为引入的辅助变量，该变量的实质是对子问题的松弛；

(202)建立虚拟电厂自适应鲁棒调度优化子问题，子问题表示为“min-max”双层形式，子问题的约束包含燃气轮机的出力约束和虚拟电厂的功率平衡约束，其目标函数和约束条件如下：

-r_i ^d≤g_i,t+1-g_i,t≤r_i ^u

进一步地，在步骤(3)中，通过对偶理论，将子问题内层的“max”问题转化为“min”问题，得到单层子问题，其转化后的目标函数和约束条件如下：

上式中，θ_d为对偶变量集合，

为引入的对偶变量。

进一步地，步骤(4)的具体步骤如下：

(401)设置上限UB＝+∞，下限LB＝－∞，设置迭代次数v＝0；

(402)求解主问题，更新上限UB：

(403)将解得的主问题决策变量P_t ^DA、

当成固定量代入子问题，求解子问题；

(404)更新下限LB：

(405)判断UB－LB≤ε是否成立，是则停止迭代，进入步骤(408)；否则进入步骤(406)；ε为设置的间隙，一般取很小的正数，如10^-3；

(406)更新迭代次数v＝v+1，判断是否达到最大迭代次数，是则停止迭代，进入步骤(408)，否则进入步骤(407)；

(407)固定风电出力g_w,t，进入步骤(402)；

(408)输出结果。

采用上述技术方案带来的有益效果：

(1)本发明采用自适应鲁棒优化方法处理可再生能源出力的不确定性，建立虚拟电厂日前和实时两阶段调度优化模型，因此，本发明能在保证安全性的同时，计及得知可再生能源出力后虚拟电厂内部各聚合单元的调整策略和实时市场的平衡，从而有效降低可再生能源出力波动带来的风险，提高虚拟电厂的收益；

(2)本发明通过引入辅助变量和对偶转化，将三层的自适应鲁棒优化模型转化为单层的主问题和子问题，从而使得该问题能够方便地求解，并且，本发明所建模型为混合整数线性规划模型，该模型能够直接采用GAMS、CPLEX等计算软件建模求解，简化了建模过程，减少了计算时间。

附图说明

图1为本发明的方法流程图；

图2为实施例中风电出力和负荷预测数据示意图。

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

本发明设计了一种虚拟电厂自适应鲁棒调度优化方法，如图1所示。

下文以一个虚拟电厂为例介绍本发明。

虚拟电厂调度周期为1天，分为24时段。该虚拟电厂同时参与日前和实时市场，电力市场电价如表1所示。虚拟电厂的聚合单元包括一台燃气轮机、一台风电机组和负荷。燃气轮机采用TAU5670型号，具体数据见表2。风电出力和负荷预测数据如图2所示。

自适应鲁棒优化方法和确定性优化方法对比结果如表3所示，其中，自适应鲁棒优化方法的鲁棒系数设为1，确定性优化方法设置固定的备用容量应对风电出力的波动。采用蒙特卡洛方法生成50组可能的风电出力场景，用以计算平均失负荷量。可以看出，自适应鲁棒优化方法的利润大于确定性方法，且失负荷量小于确定性方法。说明自适应鲁棒优化方法的经济性和安全性高于确定性优化方法。

采用自适应鲁棒优化方法和静态鲁棒优化方法求解虚拟电厂模型，所得不同鲁棒系数下虚拟电厂利润如表4所示。其中，静态鲁棒优化方法不考虑得知可再生能源出力后虚拟电厂内部各聚合单元的调整策略和实时市场的平衡。可以看出，两种方法虚拟电厂的利润均随着鲁棒系数的增大而降低。当鲁棒系数相等时，采用自适应鲁棒优化方法得到的虚拟电厂利润均大于静态鲁棒优化方法的利润，说明相比于静态鲁棒优化方法，本发明提出的方法能提高虚拟电厂的经济效益。

仿真结果验证了本发明方法的有效性和实用性。本发明方法在保证系统安全性的同时，考虑得知可再生能源出力后虚拟电厂内部各聚合单元的调整策略和实时市场的平衡，从而有效平抑可再生能源波动，提高虚拟电厂的经济效益。

表1日前和实时市场电价

表2TAU5670燃气轮机参数

表3自适应鲁棒和确定性优化方法对比

表4自适应鲁棒和静态鲁棒优化方法虚拟电厂利润

鲁棒系数	自适应鲁棒优化方法利润($)	静态鲁棒优化方法利润/($)
			0％	3260.900	3197.880
12.5％	3195.060	3127.492
			25％	3130.22	3057.105
37.5％	3066.420	2986.717
			50％	3005.260	2916.33
62.5％	2949.700	2845.942
			75％	2903.140	2775.555
87.5％	2859.620	2705.168
			100％	2817.060	2634.780

实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (5)

1.一种虚拟电厂自适应鲁棒调度优化方法，其特征在于，包括以下步骤：

(1)考虑虚拟电厂参与的电力市场包括日前市场和实时市场、虚拟电厂内部的聚合单元包括燃气轮机、风电机组和负荷，建立虚拟电厂自适应鲁棒调度优化模型，该模型的目标函数为多层优化问题；

建立虚拟电厂自适应鲁棒调度优化模型的步骤如下：

(101)虚拟电厂的优化目标为利润最大化，包括日前和实时市场的售电利润、燃气轮机的运行和启停成本，模型的目标函数表示为“max-min-max”三层的形式：

上式中，T为总时段数；

分别为t时段日前和实时市场电价预测值；P_t ^DA、P_t ^RT分别为t时段虚拟电厂在日前和实时市场的交易量，为正表示售电量，为负表示购电量；n_i为燃气轮机数；k_i为燃气轮机i的固定成本；布尔变量

分别表示t时段燃气轮机i是否工作、启动、停止，是则置1，否则置0；

分别为燃气轮机i的启、停成本；

为燃气轮机i单位发电成本；g_i,t为t时段燃气轮机i出力；θ₁、θ₂、θ₃分别为第一、第二和第三层决策变量集合，其中：

θ₂＝{g_w,t}，g_w,t为t时段风电机组w输出功率，θ₃＝{P_t ^RT,g_i,t}；

(102)建立虚拟电厂自适应鲁棒调度优化模型的约束条件，包括燃气轮机约束和虚拟电厂内部功率平衡约束；

1)燃气轮机约束：

-r_i ^d≤g_i,t+1-g_i,t≤r_i ^u

上式中，

分别为燃气轮机i最大、最小输出功率；r_i ^u、r_i ^d分别为燃气轮机i向上、向下爬坡率；布尔变量

表示t+1时段燃气轮机i是否工作，是则置1，否则置0；g_i,t+1为t+1时段燃气轮机i出力；

2)虚拟电厂内部功率平衡约束：

上式中，n_w为风电机组数量；g_w,t为t时段风电机组w输出功率；P_t ^L为t时段负荷量；

(103)建立虚拟电厂自适应鲁棒调度优化模型的可再生能源出力不确定区间，采用盒式不确定集定义风电出力的不确定区间：

上式中，

分别为t时段风电机组w输出功率最大和最小值；

为t时段风电机组w输出功率最大可能偏差；Γ为鲁棒系数，Γ∈[0,|J|]，其中，J为所有不确定参数的集合；通过调节鲁棒系数Г，即可得到不同保守程度的最优解，从而兼顾决策方案的鲁棒性和经济性；

(2)引入辅助变量，将虚拟电厂自适应鲁棒调度优化模型分为主问题和子问题，其中主问题为单层优化问题；

(3)基于对偶理论，将子问题转化为单层优化问题；

(4)采用迭代算法，交替求解主问题和子问题，输出调度结果。

2.根据权利要求1所述虚拟电厂自适应鲁棒调度优化方法，其特征在于，在步骤(2)中，将模型目标函数的三层优化问题分解为单层主问题和双层子问题，具体步骤如下：

(201)引入辅助变量，建立虚拟电厂自适应鲁棒调度优化主问题，主问题的约束包含燃气轮机的布尔变量约束，其目标函数和约束条件如下：

上式中，Λ为引入的辅助变量，该变量的实质是对子问题的松弛；

(202)建立虚拟电厂自适应鲁棒调度优化子问题，子问题表示为“min-max”双层形式，子问题的约束包含燃气轮机的出力约束和虚拟电厂的功率平衡约束，其目标函数和约束条件如下：

-r_i ^d≤g_i,t+1-g_i,t≤r_i ^u

3.根据权利要求2所述虚拟电厂自适应鲁棒调度优化方法，其特征在于，在步骤(3)中，通过对偶理论，将子问题内层的“max”问题转化为“min”问题，得到单层子问题，其转化后的目标函数和约束条件如下：

上式中，θ_d为对偶变量集合，

为引入的对偶变量。

4.根据权利要求3所述虚拟电厂自适应鲁棒调度优化方法，其特征在于，步骤(4)的具体步骤如下：

(401)设置上限UB＝+∞，下限LB＝－∞，设置迭代次数v＝0；

(402)求解主问题，更新上限UB：

(403)将解得的主问题决策变量P_t ^DA、

当成固定量代入子问题，求解子问题；

(404)更新下限LB：

(405)判断UB－LB≤ε是否成立，是则停止迭代，进入步骤(408)；否则进入步骤(406)；ε为设置的间隙；

(406)更新迭代次数v＝v+1，判断是否达到最大迭代次数，是则停止迭代，进入步骤(408)，否则进入步骤(407)；

(407)固定风电出力g_w,t，进入步骤(402)；

(408)输出结果。

5.根据权利要求4所述虚拟电厂自适应鲁棒调度优化方法，其特征在于，在步骤(405)中，间隙ε取10^-3。

Images