CN109149557A - 一种考虑直接负荷控制的微网系统经济调度方法 - Google Patents
一种考虑直接负荷控制的微网系统经济调度方法 Download PDFInfo
- Publication number
- CN109149557A CN109149557A CN201810822859.9A CN201810822859A CN109149557A CN 109149557 A CN109149557 A CN 109149557A CN 201810822859 A CN201810822859 A CN 201810822859A CN 109149557 A CN109149557 A CN 109149557A
- Authority
- CN
- China
- Prior art keywords
- load
- power
- energy storage
- soc
- bess
- 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.)
- Pending
Links
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
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑直接负荷控制的微网系统经济调度方法,属于电网控制领域。该方法包括步骤:S1:建立DLC负荷的荷电状态模型,以及DLC可控特性建模;S2:获取微网系统参数、日前预测数据及相应的概率分布:S3:建立调度模型的目标函数:S4:建立调度模型的约束条件:S5:求解调度模型。本发明有效地反映了DLC的物理内涵,提高了调度模型的准确性。此外,由于DLC负荷的SOC被严格限定在[0,1]区间内,使得参与DLC的用户的用能体验得到充分保障,利于吸引更多用户参与DLC,提高微网的灵活性和经济性。
Description
技术领域
本发明涉及一种考虑直接负荷控制的微网系统经济调度方法,属于电网控制领域。
背景技术
随着大力推进可再生能源发展,微网作为开发利用可再生能源资源的重要电网组织形态,在我国得到越来越大的重视。微网是指将一定区域内的风力、光伏等分布式电源、储能装置和负荷组织起来形成的一个微型电网。风力、光伏等分布式电源的功率输出具有不确定性,而微网凭借内部的储能装置,可灵活调节风力、光伏等不确定性电源与负荷的功率平衡过程,从而实现高比例的可再生能源消纳。
储能是微网灵活性的重要实现载体,然而现阶段储能造价和维护费用昂贵,使得微网的投资和运营成本高企。需求侧响应作为微网一种新的灵活源,近年来受到了学术界和工业界的重视。需求侧响应中的直接负荷控制(Direct Load Control,DLC)技术具备控制灵活、快速响应的特点,配合具备储能特性的负荷(例如空调负荷蓄热蓄冷、电热水器蓄热、电动汽车蓄电等)参与供需平衡,可起到微网原有储能装置的调节作用,有效降低微网的投资和运营成本。
微网引入DLC技术后,在经济调度时需对DLC的作用予以考虑以提高微网经济调度的经济性。与本发明相关的现有技术
现有技术的技术方案
目前在微网的经济调度模型中考虑DLC时,一般做如下假设:在DLC实施时,部分负荷的功率需求被压制,因此在DLC实施完成后,会有部分负荷的功率需求反弹,并采用延迟负荷模型、阶段性补偿模型或固定的能量补偿模式等简化模型描述DLC结束后的反弹负荷。
现有技术的缺点
目前微网的经济调度模型中的DLC模型主要存在以下缺陷:
1.反弹负荷模型的参数难以确定;
2.实际实施DLC时,会根据控制需求等因素灵活控制负荷,反弹负荷模型的假设条件与DLC的实际情况存在较大差异,使得模型的准确性不足;
3.没有考虑参与DLC的用户的用能体验的影响。
发明内容
有鉴于此,本发明的目的是提供一种考虑直接负荷控制的微网系统经济调度方法,将DLC视为储能资源的调控行为,建立基于负荷储能特性的DLC模型。在此基础上,以经济效益最大为目标,考虑DLC作用,基于两阶段随机规划建立微网的经济调度模型。最后采用Matlab求解该模型获得微网内各个设备的调度指令,从而实现微网的经济运行。
本发明的目的是通过以下技术方案实现的:
一种考虑直接负荷控制的微网系统经济调度方法,包括以下步骤:
S1:建立DLC负荷的荷电状态模型,以及DLC可控特性建模;
S2:获取微网系统参数、日前预测数据及相应的概率分布:
S3:建立调度模型的目标函数:
S4:建立调度模型的约束条件:
S5:求解调度模型。
进一步,所述DLC负荷的荷电状态模型为;
荷电状态(State of Charge,SOC)的概念源自电池储能,表示电池储能的剩余电量,描述储能能量状态;对热储能负荷和电储能负荷进行直接控制,实质是对储能资源进行调控,因而需描述负荷的SOC;设xi'为负荷Li期望控制的目标状态量,xi,max'和xi,min'为xi'的上、下限,Pi为负荷的吸收功率,正值表示功率吸收,负值表示功率发出,Pi,max和Pi,min为Pi的上、下限;热储能负荷的目标状态量为负荷期望控制的某区域的温度,电储能负荷的目标状态量为负荷电池的SOC;对热储能负荷和电储能负荷,Pi与xi'满足形如下式的一阶线性微分方程:
不同负荷由于特性方程不同,xi'变化规律不一致,为此定义归一化目标状态量xi:
①若Li吸收功率为Pi,max时,Li归一化前的目标状态量xi'增加,定义归一化目标状态量xi为:
电动汽车,制热负荷属于该类;
②若Li吸收功率为Pi,max时,Li归一化前的目标状态量xi'减小,定义归一化目标状态量xi为:
制冷负荷属于该类;
经过归一化后,不同负荷的归一化目标状态量xi限值范围均为[0,1],且变化趋势一致,即Li吸收功率为Pi,max时,xi增加,Li吸收功率为Pi,min时,xi减少;xi接近0或1,意味着Li功率下调或上调的剩余容量减小;显然归一化后的目标状态量xi与SOC有相同的涵义,描述Li当前蕴含的能量水平,采用归一化目标状态量作为负荷和储能的SOC指标;将xi代入式(1)得到归一化后的特性方程:
式中:K1,i,K2,i,K3,i的定义如下:
1)若Li吸收功率为Pi,max时,Li归一化前的目标状态量xi'增加,K1,i,K2,i,K3,i为:
2)若Li吸收功率为Pi,max时,Li归一化前的目标状态量xi'减少,K1,i,K2,i,K3,i为:
进一步,所述DLC可控特性建模具体为:
负荷Li的xi在[0,1]区间内时,负荷Li处于可控状态;当xi超过[0,1]范围时,负荷Li处于不可控状态,必须吸收功率Pi'以使xi回到限值区间,xi>1时,Pi'=Pi,min;xi<0时,Pi'=Pi,max,另外当负荷未接入微网时也视为不可控负荷,其从微网吸收的功率Pi'为0;设L为直接控制负荷集合,则L分为可控负荷集Lc和不可控负荷集Luc;
设β∈Luc,不可控负荷集Luc的吸收功率Pluc为:
Pluc=∑P′β (11)
式中:Pβ'为不可控负荷β的吸收功率;
可控负荷集Lc根据式(4)的异同进一步分为若干可控负荷子集Lc,a,a=1,2,…,A;设b∈Lc,a,定义可控负荷子集Lc,a的SOC为:
xlc,a=(∑xb)/B (12)
式中:xlc,a为Lc,a的SOC;B为Lc,a的元素个数;xb为Lc,a中可控负荷b的SOC;
Lc,a的特性方程为:
Plc,a=∑Pb (14)
式中:K1,b,K2,b,K3,b为Lc,a中可控负荷b归一化特性方程的相应系数,Plc,a为Lc,a的功率;Pb为Lc,a中可控负荷b的吸收功率;
求解式(13)得到xlc,a随时间变化的关系,xlc,a0为xlc,a的初值:
进一步,所述步骤S2具体为:包括风电预测功率、光伏预测功率、非DLC负荷预测功率、各可控负荷子集预测功率的上限和下限、电价预测、单个调度时段的持续时间、电池储能功率的上限和下限、电池储能的额定功率和额定容量、电池储能吸收/释放单位电能的损耗成本。
进一步,所述步骤S3具体为:
以预测场景为基础,根据预测数据的概率分布采用蒙特卡洛抽样法生成若干个场景;以微网运营商利润期望最大为目标,基于两阶段随机规划确定微网的调度计划;规划模型中,微网与外网的联络线交换功率在所有场景下均相同,综合考虑各种可能的场景以实现目标最优,设置为一阶段决策变量;电池储能功率和各可控负荷子集功率是场景特定的,设置为二阶段决策变量;假设一天包含H个调度时段,各调度时段的联络线交换功率为Pline_ref,h,h=1,2,…,H,Pline_ref,h>0时表示功率从微网流向外网,每个调度时段包含N个预测点,相邻预测点的时间间隔为Tf,目标函数为:
式中:G为场景总数;H为调度时段总数;pg为场景g的概率;Td为每个调度时段的持续时间;Cp,h,g为与外网的交易电价;Cl,h为微网运营商对微网内负荷的供电电价;R为非直接控制负荷集合;Pj,n,h,g为非直接控制负荷j吸收的功率;Cbess为电池储能吸收/释放单位电能的损耗成本;Pbess,n,h,g为电池储能的吸收功率;Clc,a为可控负荷子集Lc,a吸收/释放单位电能的补偿价格。
进一步,所述步骤S4具体为:
①功率平衡约束
式中:S为微网电源集合;Pi,n,h,g为微网电源i的出力;
②储能和DLC负荷功率限值约束
Pbess,min≤Pbess,n,h,g≤Pbess,max (18)
Plc,a,min,n,h,g≤Plc,a,n,h,g≤Plc,a,max,n,h,g (19)
式中:Pbess,min和Pbess,max分别为电池储能功率的下限和上限;Plc,a,n,h,g,min和Plc,a,n,h,g,max分别为可控负荷子集Lc,a的功率下限和上限;
③储能和DLC负荷SOC限值约束
0≤xbess,n,h,g,xlc,a,n,h,g≤1 (22)
式中:xbess,n,h,g为电池储能归一化后的SOC,xbess,max'和xbess,min'分别为电池储能归一化前SOC的上、下限,En为电池储能的额定容量;
④储能日内能量平衡约束
xbess,N,H,g=xbess,0,g (23)
式中:xbess,N,H,g为场景g调度时段H预测点N处的电池储能SOC;xbess,0,g为场景g电池储能的初始SOC;微网调度一般具有周期性,一天后储能的SOC应与初始的SOC相等;
⑤联络线交换功率限值约束
Pline,min,h≤Pline_ref,h≤Pline,max,h (26)。
进一步,所述步骤S5具体为:
在Matlab软件中输入上述调度模型的目标函数和约束条件,进行求解,得到微网各个设备的各时段的调度指令。
本发明的有益效果是:
(1)本发明提出一种考虑DLC的微网系统经济调度方法。根据DLC的实际物理过程,将DLC视为储能资源的调控行为,建立基于负荷储能特性的DLC模型。在此基础上,以经济效益最大为目标,考虑DLC作用,基于两阶段随机规划建立微网的经济调度模型。
(2)本发明所提出的经济调度方法,有效地反映了DLC的物理内涵,提高了调度模型的准确性。此外,由于DLC负荷的SOC被严格限定在[0,1]区间内,使得参与DLC的用户的用能体验得到充分保障,利于吸引更多用户参与DLC,提高微网的灵活性和经济性。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为本发明流程图;
具体实施方式
以下将参照附图,对本发明的优选实施例进行详细的描述。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
发明原理
1)DLC负荷的荷电状态模型
荷电状态(State of Charge,SOC)的概念源自电池储能,表示电池储能的剩余电量,是描述储能能量状态的重要参数。对热储能负荷和电储能负荷进行直接控制,实质是对储能资源进行调控,因而需描述负荷的SOC。设xi'为负荷Li期望控制的目标状态量,xi,max'和xi,min'为xi'的上、下限,Pi为负荷的吸收功率(正值表示功率吸收,负值表示功率发出),Pi,max和Pi,min为Pi的上、下限。热储能负荷的目标状态量为负荷期望控制的某区域的温度,电储能负荷的目标状态量为负荷电池的SOC。对热储能负荷和电储能负荷,Pi与xi'满足形如下式的一阶线性微分方程:
不同负荷由于特性方程不同,xi'变化规律不一致,为此定义归一化目标状态量xi:
①若Li吸收功率为Pi,max时,Li归一化前的目标状态量xi'增加,定义归一化目标状态量xi为:
电动汽车,制热负荷属于该类。
②若Li吸收功率为Pi,max时,Li归一化前的目标状态量xi'减小,定义归一化目标状态量xi为:
制冷负荷属于该类。
经过归一化后,不同负荷的归一化目标状态量xi限值范围均为[0,1],且变化趋势一致,即Li吸收功率为Pi,max时,xi增加,Li吸收功率为Pi,min时,xi减少。xi接近0或1,意味着Li功率下调或上调的剩余容量减小。显然归一化后的目标状态量xi与SOC有相同的涵义,描述了Li当前蕴含的能量水平,该概念对电池储能也同样适用,下面采用归一化目标状态量作为负荷和储能的SOC指标。将xi代入式(1)得到归一化后的特性方程:
式中:K1,i,K2,i,K3,i的定义如下:
1)若Li吸收功率为Pi,max时,Li归一化前的目标状态量xi'增加,K1,i,K2,i,K3,i为:
2)若Li吸收功率为Pi,max时,Li归一化前的目标状态量xi'减少,K1,i,K2,i,K3,i为:
2)DLC可控特性建模
负荷Li的xi在[0,1]区间内时,负荷Li处于可控状态;当xi超过[0,1]范围时,负荷Li处于不可控状态,必须吸收功率Pi'以使xi回到限值区间(xi>1时,Pi'=Pi,min;xi<0时,Pi'=Pi,max),另外当负荷未接入微网时也视为不可控负荷,其从微网吸收的功率Pi'为0。设L为直接控制负荷集合,则L分为可控负荷集Lc和不可控负荷集Luc。
设β∈Luc,不可控负荷集Luc的吸收功率Pluc为:
Pluc=∑P′β (11)
式中:Pβ'为不可控负荷β的吸收功率。
可控负荷集Lc根据式(4)的异同进一步分为若干可控负荷子集Lc,a(a=1,2,…,A)。设b∈Lc,a,定义可控负荷子集Lc,a的SOC为:
xlc,a=(∑xb)/B (12)
式中:xlc,a为Lc,a的SOC;B为Lc,a的元素个数;xb为Lc,a中可控负荷b的SOC。
Lc,a的特性方程为:
Plc,a=∑Pb (14)
式中:K1,b,K2,b,K3,b为Lc,a中可控负荷b归一化特性方程的相应系数,Plc,a为Lc,a的功率;Pb为Lc,a中可控负荷b的吸收功率。
求解式(13)得到xlc,a随时间变化的关系,xlc,a0为xlc,a的初值:
方法实现流程
1)获取微网系统参数、日前预测数据及相应的概率分布:
获取微网系统参数、日前预测数据及相应的概率分布,如风电预测功率、光伏预测功率、非DLC负荷预测功率、各可控负荷子集预测功率的上限和下限、电价预测、单个调度时段的持续时间、电池储能功率的上限和下限、电池储能的额定功率和额定容量、电池储能吸收/释放单位电能的损耗成本等。
2)建立调度模型的目标函数:
以预测场景为基础,根据预测数据的概率分布采用蒙特卡洛抽样法生成若干个场景。以微网运营商利润期望最大为目标,基于目前广泛应用的两阶段随机规划确定微网的调度计划。规划模型中,微网与外网的联络线交换功率在所有场景下均相同,需综合考虑各种可能的场景以实现目标最优,设置为一阶段决策变量;电池储能功率和各可控负荷子集功率是场景特定的,设置为二阶段决策变量。假设一天包含H个调度时段,各调度时段的联络线交换功率为Pline_ref,h(h=1,2,…,H),Pline_ref,h>0时表示功率从微网流向外网,每个调度时段包含N个预测点,相邻预测点的时间间隔为Tf,目标函数为:
式中:G为场景总数;H为调度时段总数;pg为场景g的概率;Td为每个调度时段的持续时间;Cp,h,g为与外网的交易电价;Cl,h为微网运营商对微网内负荷的供电电价;R为非直接控制负荷集合;Pj,n,h,g为非直接控制负荷j吸收的功率;Cbess为电池储能吸收/释放单位电能的损耗成本;Pbess,n,h,g为电池储能的吸收功率;Clc,a为可控负荷子集Lc,a吸收/释放单位电能的补偿价格。
3)建立调度模型的约束条件:
①功率平衡约束
式中:S为微网电源集合;Pi,n,h,g为微网电源i的出力。
②储能和DLC负荷功率限值约束
Pbess,min≤Pbess,n,h,g≤Pbess,max (18)
Plc,a,min,n,h,g≤Plc,a,n,h,g≤Plc,a,max,n,h,g (19)
式中:Pbess,min和Pbess,max分别为电池储能功率的下限和上限;Plc,a,n,h,g,min和Plc,a,n,h,g,max分别为可控负荷子集Lc,a的功率下限和上限。
③储能和DLC负荷SOC限值约束
0≤xbess,n,h,g,xlc,a,n,h,g≤1 (22)
式中:xbess,n,h,g为电池储能归一化后的SOC,xbess,max'和xbess,min'分别为电池储能归一化前SOC的上、下限,En为电池储能的额定容量。
④储能日内能量平衡约束
xbess,N,H,g=xbess,0,g (23)
式中:xbess,N,H,g为场景g调度时段H预测点N处的电池储能SOC;xbess,0,g为场景g电池储能的初始SOC。微网调度一般具有周期性,一天后储能的SOC应与初始的SOC相等。
⑤联络线交换功率限值约束
Pline,min,h≤Pline_ref,h≤Pline,max,h (26)
4)求解调度模型:
在Matlab软件中输入上述调度模型的目标函数和约束条件,进行求解,得到微网各个设备的各时段的调度指令。
本发明的技术关键点:
1)建立了DLC负荷的荷电状态模型。
对热储能负荷和电储能负荷进行直接控制,实质是对储能资源进行调控,因而需描述负荷的SOC。设xi'为负荷Li期望控制的目标状态量,xi,max'和xi,min'为xi'的上、下限,Pi为负荷的吸收功率(正值表示功率吸收,负值表示功率发出),Pi,max和Pi,min为Pi的上、下限。热储能负荷的目标状态量为负荷期望控制的某区域的温度,电储能负荷的目标状态量为负荷电池的SOC。根据式(2)或式(3),对负荷Li期望控制的目标状态量进行归一化。经过归一化后,不同负荷的归一化目标状态量xi限值范围均为[0,1],且变化趋势一致,即Li吸收功率为Pi,max时,xi增加,Li吸收功率为Pi,min时,xi减少。xi接近0或1,意味着Li功率下调或上调的剩余容量减小。xi即为DLC负荷的SOC。
2)对DLC的可控特性进行了建模
负荷Li的xi在[0,1]区间内时,负荷Li处于可控状态;当xi超过[0,1]范围时,负荷Li处于不可控状态,必须吸收功率Pi'以使xi回到限值区间(xi>1时,Pi'=Pi,min;xi<0时,Pi'=Pi,max),另外当负荷未接入微网时也视为不可控负荷,其从微网吸收的功率Pi'为0。设L为直接控制负荷集合,则L分为可控负荷集Lc和不可控负荷集Luc。可控负荷集Lc的特性方程如式(15)所示。
3)建立了考虑DLC的微网经济调度模型的目标函数和约束条件
考虑DLC的微网经济调度模型的目标函数和约束条件如式(16)~式(26)所示。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种考虑直接负荷控制的微网系统经济调度方法,其特征在于:该方法包括以下步骤:
S1:建立DLC负荷的荷电状态模型,以及DLC可控特性建模;
S2:获取微网系统参数、日前预测数据及相应的概率分布:
S3:建立调度模型的目标函数:
S4:建立调度模型的约束条件:
S5:求解调度模型。
2.根据权利要求1所述的一种考虑直接负荷控制的微网系统经济调度方法,其特征在于:所述DLC负荷的荷电状态模型为;
荷电状态(State ofCharge,SOC)的概念源自电池储能,表示电池储能的剩余电量,描述储能能量状态;对热储能负荷和电储能负荷进行直接控制,实质是对储能资源进行调控,因而需描述负荷的SOC;设xi'为负荷Li期望控制的目标状态量,xi,max'和xi,min'为xi'的上、下限,Pi为负荷的吸收功率,正值表示功率吸收,负值表示功率发出,Pi,max和Pi,min为Pi的上、下限;热储能负荷的目标状态量为负荷期望控制的某区域的温度,电储能负荷的目标状态量为负荷电池的SOC;对热储能负荷和电储能负荷,Pi与xi'满足形如下式的一阶线性微分方程:
不同负荷由于特性方程不同,xi'变化规律不一致,为此定义归一化目标状态量xi:
①若Li吸收功率为Pi,max时,Li归一化前的目标状态量xi'增加,定义归一化目标状态量xi为:
电动汽车,制热负荷属于该类;
②若Li吸收功率为Pi,max时,Li归一化前的目标状态量xi'减小,定义归一化目标状态量xi为:
制冷负荷属于该类;
经过归一化后,不同负荷的归一化目标状态量xi限值范围均为[0,1],且变化趋势一致,即Li吸收功率为Pi,max时,xi增加,Li吸收功率为Pi,min时,xi减少;xi接近0或1,意味着Li功率下调或上调的剩余容量减小;显然归一化后的目标状态量xi与SOC有相同的涵义,描述Li当前蕴含的能量水平,采用归一化目标状态量作为负荷和储能的SOC指标;将xi代入式(1)得到归一化后的特性方程:
式中:K1,i,K2,i,K3,i的定义如下:
1)若Li吸收功率为Pi,max时,Li归一化前的目标状态量xi'增加,K1,i,K2,i,K3,i为:
2)若Li吸收功率为Pi,max时,Li归一化前的目标状态量xi'减少,K1,i,K2,i,K3,i为:
3.根据权利要求2所述的一种考虑直接负荷控制的微网系统经济调度方法,其特征在于:所述DLC可控特性建模具体为:
负荷Li的xi在[0,1]区间内时,负荷Li处于可控状态;当xi超过[0,1]范围时,负荷Li处于不可控状态,必须吸收功率Pi'以使xi回到限值区间,xi>1时,Pi'=Pi,min;xi<0时,Pi'=Pi,max,另外当负荷未接入微网时也视为不可控负荷,其从微网吸收的功率Pi'为0;设L为直接控制负荷集合,则L分为可控负荷集Lc和不可控负荷集Luc;
设β∈Luc,不可控负荷集Luc的吸收功率Pluc为:
Pluc=∑P′β (11)
式中:Pβ'为不可控负荷β的吸收功率;
可控负荷集Lc根据式(4)的异同进一步分为若干可控负荷子集Lc,a,a=1,2,…,A;设b∈Lc,a,定义可控负荷子集Lc,a的SOC为:
xlc,a=(∑xb)/B (12)
式中:xlc,a为Lc,a的SOC;B为Lc,a的元素个数;xb为Lc,a中可控负荷b的SOC;
Lc,a的特性方程为:
Plc,a=∑Pb (14)
式中:K1,b,K2,b,K3,b为Lc,a中可控负荷b归一化特性方程的相应系数,Plc,a为Lc,a的功率;Pb为Lc,a中可控负荷b的吸收功率;
求解式(13)得到xlc,a随时间变化的关系,xlc,a0为xlc,a的初值:
4.根据权利要求1所述的一种考虑直接负荷控制的微网系统经济调度方法,其特征在于:所述步骤S2具体为:包括风电预测功率、光伏预测功率、非DLC负荷预测功率、各可控负荷子集预测功率的上限和下限、电价预测、单个调度时段的持续时间、电池储能功率的上限和下限、电池储能的额定功率和额定容量、电池储能吸收/释放单位电能的损耗成本。
5.根据权利要求4所述的一种考虑直接负荷控制的微网系统经济调度方法,其特征在于:所述步骤S3具体为:
以预测场景为基础,根据预测数据的概率分布采用蒙特卡洛抽样法生成若干个场景;以微网运营商利润期望最大为目标,基于两阶段随机规划确定微网的调度计划;规划模型中,微网与外网的联络线交换功率在所有场景下均相同,综合考虑各种可能的场景以实现目标最优,设置为一阶段决策变量;电池储能功率和各可控负荷子集功率是场景特定的,设置为二阶段决策变量;假设一天包含H个调度时段,各调度时段的联络线交换功率为Pline_ref,h,h=1,2,…,H,Pline_ref,h>0时表示功率从微网流向外网,每个调度时段包含N个预测点,相邻预测点的时间间隔为Tf,目标函数为:
式中:G为场景总数;H为调度时段总数;pg为场景g的概率;Td为每个调度时段的持续时间;Cp,h,g为与外网的交易电价;Cl,h为微网运营商对微网内负荷的供电电价;R为非直接控制负荷集合;Pj,n,h,g为非直接控制负荷j吸收的功率;Cbess为电池储能吸收/释放单位电能的损耗成本;Pbess,n,h,g为电池储能的吸收功率;Clc,a为可控负荷子集Lc,a吸收/释放单位电能的补偿价格。
6.根据权利要求5所述的一种考虑直接负荷控制的微网系统经济调度方法,其特征在于:所述步骤S4具体为:
①功率平衡约束
式中:S为微网电源集合;Pi,n,h,g为微网电源i的出力;
②储能和DLC负荷功率限值约束
Pbess,min≤Pbess,n,h,g≤Pbess,max (18)
Plc,a,min,n,h,g≤Plc,a,n,h,g≤Plc,a,max,n,h,g (19)
式中:Pbess,min和Pbess,max分别为电池储能功率的下限和上限;Plc,a,n,h,g,min和Plc,a,n,h,g,max分别为可控负荷子集Lc,a的功率下限和上限;
③储能和DLC负荷SOC限值约束
0≤xbess,n,h,g,xlc,a,n,h,g≤1 (22)
式中:xbess,n,h,g为电池储能归一化后的SOC,xbess,max'和xbess,min'分别为电池储能归一化前SOC的上、下限,En为电池储能的额定容量;
④储能日内能量平衡约束
xbess,N,H,g=xbess,0,g (23)
式中:xbess,N,H,g为场景g调度时段H预测点N处的电池储能SOC;xbess,0,g为场景g电池储能的初始SOC;微网调度一般具有周期性,一天后储能的SOC应与初始的SOC相等;
⑤联络线交换功率限值约束
Pline,min,h≤Pline_ref,h≤Pline,max,h (26)。
7.根据权利要求6所述的一种考虑直接负荷控制的微网系统经济调度方法,其特征在于:所述步骤S5具体为:
在Matlab软件中输入上述调度模型的目标函数和约束条件,进行求解,得到微网各个设备的各时段的调度指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810822859.9A CN109149557A (zh) | 2018-07-25 | 2018-07-25 | 一种考虑直接负荷控制的微网系统经济调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810822859.9A CN109149557A (zh) | 2018-07-25 | 2018-07-25 | 一种考虑直接负荷控制的微网系统经济调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109149557A true CN109149557A (zh) | 2019-01-04 |
Family
ID=64797786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810822859.9A Pending CN109149557A (zh) | 2018-07-25 | 2018-07-25 | 一种考虑直接负荷控制的微网系统经济调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109149557A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334366A (zh) * | 2019-03-14 | 2019-10-15 | 华电电力科学研究院有限公司 | 一种基于运用拉丁超立方抽样的蒙特卡罗法的建筑瞬时冷负荷预测方法 |
CN111047097A (zh) * | 2019-12-16 | 2020-04-21 | 贵州电网有限责任公司 | 一种综合能源系统日中滚动优化方法 |
CN112883566A (zh) * | 2021-02-02 | 2021-06-01 | 华北电力大学 | 一种基于虚拟电池模型的光伏产消者能量建模方法及系统 |
CN113656988A (zh) * | 2021-10-20 | 2021-11-16 | 中国能源建设集团湖南省电力设计院有限公司 | 一种提升风电消纳储能功率的优化方法 |
CN114744636A (zh) * | 2022-03-29 | 2022-07-12 | 海南省电力学校(海南省电力技工学校) | 一种基于用电信息主动感知的节能与安全技术 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096773A (zh) * | 2016-06-07 | 2016-11-09 | 三峡大学 | 一种电动汽车充当储能的多目标优化调度方法 |
-
2018
- 2018-07-25 CN CN201810822859.9A patent/CN109149557A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096773A (zh) * | 2016-06-07 | 2016-11-09 | 三峡大学 | 一种电动汽车充当储能的多目标优化调度方法 |
Non-Patent Citations (5)
Title |
---|
MD ABU ABDULLAH.ET AL: "An effective power dispatch control strategy to improve generation schedulability and supply reliability of a wind farm using a battery energy storage system", 《IEEE TRANSACTIONS ON SUSTAINABLE ENERGY》 * |
冯雷 等: "计及负荷储能特性的微网荷储协调联络线功率波动平抑策略", 《电力系统自动化》 * |
刘小聪 等: "基于实时电价的大规模风电消纳机组组合和经济调度模型", 《电网技术》 * |
张钦 等: "电力市场下直接负荷控制决策模型", 《电力系统自动化》 * |
牛焕娜: "基于储能水平控制的微电网能量优化调度", 《农业工程学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334366A (zh) * | 2019-03-14 | 2019-10-15 | 华电电力科学研究院有限公司 | 一种基于运用拉丁超立方抽样的蒙特卡罗法的建筑瞬时冷负荷预测方法 |
CN111047097A (zh) * | 2019-12-16 | 2020-04-21 | 贵州电网有限责任公司 | 一种综合能源系统日中滚动优化方法 |
CN112883566A (zh) * | 2021-02-02 | 2021-06-01 | 华北电力大学 | 一种基于虚拟电池模型的光伏产消者能量建模方法及系统 |
CN112883566B (zh) * | 2021-02-02 | 2024-02-20 | 华北电力大学 | 一种基于虚拟电池模型的光伏产消者能量建模方法及系统 |
CN113656988A (zh) * | 2021-10-20 | 2021-11-16 | 中国能源建设集团湖南省电力设计院有限公司 | 一种提升风电消纳储能功率的优化方法 |
CN114744636A (zh) * | 2022-03-29 | 2022-07-12 | 海南省电力学校(海南省电力技工学校) | 一种基于用电信息主动感知的节能与安全技术 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109149557A (zh) | 一种考虑直接负荷控制的微网系统经济调度方法 | |
Jia et al. | Dynamic pricing and distributed energy management for demand response | |
Wei et al. | Charging strategies of EV aggregator under renewable generation and congestion: A normalized Nash equilibrium approach | |
Wang et al. | Hierarchical market integration of responsive loads as spinning reserve | |
CN111008739B (zh) | 一种热电联产虚拟电厂优化调控及收益分配方法及系统 | |
Jahromi et al. | A dynamic fuzzy interactive approach for DG expansion planning | |
CN106877339B (zh) | 一种考虑电动汽车接入配电网后随机模糊潮流的分析方法 | |
CN103439926B (zh) | 一种钢铁企业煤气优化调度装置 | |
Li et al. | An interactive decision-making model based on energy and reserve for electric vehicles and power grid using generalized stackelberg game | |
CN109802412B (zh) | 用户侧负荷聚集商储能容量的优化配置方法 | |
CN109948954A (zh) | 一种面向电力系统分布式资源的配电网双向阻塞调度方法 | |
CN110111214B (zh) | 一种基于优先级的用户用能管理方法及系统 | |
CN105576684B (zh) | 一种含高渗透率光电微电网中的电动汽车优化调度方法 | |
Aghazadeh et al. | Robust placement and tuning of UPFC via a new multiobjective scheme‐based fuzzy theory | |
CN113326994A (zh) | 一种考虑源荷储互动的虚拟电厂能量协同优化方法 | |
CN110474370B (zh) | 一种空调可控负荷、光伏储能系统的协同控制系统及方法 | |
CN108764524A (zh) | 一种家庭能量管理系统的滚动优化调度方法 | |
CN104699051A (zh) | 一种温控设备需求响应控制方法 | |
CN105356491A (zh) | 一种基于储能和虚拟储能最优控制的功率波动平抑方法 | |
Chen et al. | A two-stage robust optimization model for a virtual power plant considering responsiveness-based electric vehicle aggregation | |
CN113258581A (zh) | 一种基于多智能体的源荷协调电压控制方法及装置 | |
CN113746089A (zh) | 面向多用户的多时间尺度电力套餐与家庭能量优化方法 | |
Chasparis et al. | A cooperative demand-response framework for day-ahead optimization in battery pools | |
Bandyopadhyay et al. | Solar panels and smart thermostats: The power duo of the residential sector? | |
Lu et al. | Two-stage robust scheduling and real-time load control of community microgrid with multiple uncertainties |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190104 |