CN109245091B - 一种面向售电公司的双层策略调度方法 - Google Patents

一种面向售电公司的双层策略调度方法 Download PDF

Info

Publication number
CN109245091B
CN109245091B CN201811135864.9A CN201811135864A CN109245091B CN 109245091 B CN109245091 B CN 109245091B CN 201811135864 A CN201811135864 A CN 201811135864A CN 109245091 B CN109245091 B CN 109245091B
Authority
CN
China
Prior art keywords
node
power
time
representing
energy storage
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
Application number
CN201811135864.9A
Other languages
English (en)
Other versions
CN109245091A (zh
Inventor
韩海腾
宗炫君
樊安洁
周洪伟
黄俊辉
谈健
谢珍建
吴晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Southeast University
Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Southeast University
Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Southeast University, Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811135864.9A priority Critical patent/CN109245091B/zh
Publication of CN109245091A publication Critical patent/CN109245091A/zh
Application granted granted Critical
Publication of CN109245091B publication Critical patent/CN109245091B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J13/0006—
    • H02J3/382—
    • 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
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明的面向售电公司的双层策略调度方法，包括如下步骤：步骤1）通过融合电网级储能模型与虚拟电厂模型构建可用于日前电力市场下的双层调度模型；步骤2）以所述双层调度模型为核心结合故障预测技术，形成可适用于日内电力市场中计及电力故障影响后的带有修复性质的策略调度模型；步骤3）将所述双层调度模型转换成混合整数规划的形式进行求解。有益效果：既考虑了电网级储能电站与虚拟电厂的市场行为，又可以同时评估在电网故障预测场景下售电公司采用具有修复性质的二次策略调度后的收益。

Description

一种面向售电公司的双层策略调度方法
技术领域
本发明涉及电力系统调度技术领域，尤其涉及一种面向售电公司的双层策略调度方法。
背景技术
可再生能源包含了大量的不确定性，给电网的安全稳定运行提出了新的要求。一些小规模的可再生能源不仅不能向电网提供稳定的电能供应，同时由于自身规模的局限本身也不能较好地参与到当前的电力市场运营中。
针对目前存在的问题，采用储能技术以及虚拟电厂技术能够有效地解决。一方面，随着储能电池的性能提升和成本削减，储能电站已经发展到电网层级，由于其灵活的充放电特性，储能电站可以显著地起到削峰填谷的作用。同时电网层级的储能在电力市场运营的环境中也具有着巨大的潜力。另一方面，虚拟电厂可通过中央管理系统，聚集电网中大量小型可再生能源，如小型风力发电场，光伏电站等，为电网提供可靠的电能供应，并且通过集中管控参与到电力市场活动中。
售电公司作为电网级储能和虚拟电厂的拥有者，在竞价过程中的策略调度与其盈利息息相关。如何根据来源于用户，电力交易中心以及自身辖管发电单元的信息制定策略性的竞价方案对于售电公司的运营尤为重要。当前研究主要侧重于储能或虚拟电厂的单一市场行为，未能考虑到两者的协同互补作用；在策略性的调度方面基于电网非故障的运行状态，未涉及在预测到电网中即将发生故障时售电公司主动式的二次调度，而如果售电公司采取了具有修复性质的策略调度方案及时对各发电单元进行调整，可以极大可能地减少因为故障造成的盈利损失。
发明内容
本发明目的在于克服现技术的不足，提供了可同时适用于日内市场故障环境下的具有修复性质的售电公司二次策略调度方法，具体由以下技术方案实现：
所述面向售电公司的双层策略调度方法，包括如下步骤：
步骤1)通过融合电网级储能模型与虚拟电厂模型构建可用于日前电力市场下的双层调度模型；
步骤2)以所述双层调度模为核心结合故障预测技术，形成可适用于日内电力市场中计及电力故障影响后的带有修复性质的策略调度模型；
步骤3)将所述双层调度模型转换成混合整数规划的形式进行求解。
所述面向售电公司的双层策略调度方法的进一步设计在于，所述双层策略调度模型构建包括：
构建上层目标函数，表征售电公司的日收益；
构建下层目标函数，表征了电力市场的出清过程；
构建约束条件，所述约束条件包括电网级储能出力约束、虚拟电厂出力约束、传统火电机组出力约束、电网潮流约束；
扩展策略性二次调度模型，增加了故障预测时间，在日前调度方案的基础上根据各发电单元的剩余容量进行重新调度。
所述面向售电公司的双层策略调度方法的进一步设计在于，所述步骤2)包括：
首先，根据双层调度模型形成日前策略调度模型；
接着，在日前策略调度模型上扩充而成的二次调度模型形成日内策略调度模型；最后，在日内策略调度模型基础上增加故障预测时间环节形成具有修复性质的策略调度模型。
所述面向售电公司的双层策略调度方法的进一步设计在于，电网级储能模型基于储能元件的充放电功率、自放电率、最大充放电量以及充放电效率，具体描述如下：
xi,t+yi,t＝1 (1a)
Figure GDA0003501908680000021
Figure GDA0003501908680000022
Figure GDA0003501908680000023
Figure GDA0003501908680000024
Figure GDA0003501908680000025
Figure GDA0003501908680000026
Figure GDA0003501908680000027
Figure GDA0003501908680000028
Figure GDA0003501908680000031
Figure GDA0003501908680000032
其中，xi,t,yi,t表示节点i上储能设备在时刻t的二进制变量，xi,t＝1表明储能在充电模式下，yi,t＝1表明储能在放电模式下，i表示节点序号，t表示时间序号，
Figure GDA0003501908680000033
表示节点i上储能设备在时刻t的充电功率，
Figure GDA0003501908680000034
表示节点i上储能设备在时刻t的放电功率，
Figure GDA0003501908680000035
分别表示节点i上储能设备的额定充电、放电功率，
Figure GDA0003501908680000036
表示t时刻节点i上储能设备的充电、放电电量，
Figure GDA0003501908680000037
Figure GDA0003501908680000038
分别表示节点i上储能设备充电、放电效率，
Figure GDA0003501908680000039
分别表示节点i上储能设备的最大充电、放电容量，
Figure GDA00035019086800000310
节点i上储能设备在时刻t的自放电量，
Figure GDA00035019086800000311
表示节点i上储能设备在时刻t的储存电量，Ei,max表示储能设备的额定容量，SOCi,min表示最小剩余电量百分比，SOCi,max表示最小剩余电量百分比，Δt表示间隔时间。
所述面向售电公司的双层策略调度方法的进一步设计在于，虚拟电厂模型基于可终端负荷的需求响应模型建立，具体描述如下：
Figure GDA00035019086800000312
Figure GDA00035019086800000313
Figure GDA00035019086800000314
Figure GDA00035019086800000315
Figure GDA00035019086800000316
其中，vi,t表示节点i上虚拟电厂在时刻t的运行状态，
Figure GDA00035019086800000317
表示节点i上虚拟电厂的最小离线时间，Ti off表示节点i上虚拟电厂由于前序运行状态引起的最小离线时间，T表示日调度时间，TΩ为通用的额表征字符，TN表示故障预测前的调度时间，TP表示故障预测到故障发生之间的调度时间，TO表示故障发生后的调度时间。
所述面向售电公司的双层策略调度方法的进一步设计在于，所述日前策略性调度模型以双层调度模型为核心构建，优化目标如式(3)，约束条件分别为电网级储能约束，如式(1a)-(1k)与虚拟电厂约束如式(2a)-(2e)，
Figure GDA0003501908680000041
其中，βi,t表示节点i上可中断负荷在时刻t享有的合同价格，γi,t表示节点i上储能设备在时刻t的充电价格，πi,t表示t时刻节点i上的节点边际电价，N表示节点数。
所述面向售电公司的双层策略调度方法的进一步设计在于，所述日内策略性调度模型同样以双层调度模型为核心构建，优化目标为：
Figure GDA0003501908680000042
s*表示一种特定的故障场景。
所述面向售电公司的双层策略调度方法的进一步设计在于，所述具有修复性质的策略调度模型的优化目标为：
Figure GDA0003501908680000043
fDA(i,t,s*)表示售电公司在日前市场中的收益、fID,P(i,t,s*)表示日内市场中故障预测阶段的收益、fID,O(i,t,s*)表示日内市场中故障发生后的收益。
所述面向售电公司的双层策略调度方法的进一步设计在于，所述修复性质的策略调度模型求解的过程为：根据Karush-Kuhn-Tucker条件将原有的双层优化问题转换成带有等式约束的数学规划问题；根据强对偶理论带有等式约束的数学规划问题转换成混合整数规划问题，进而可借助常规优化软件进行高效求解。
所述面向售电公司的双层策略调度方法的进一步设计在于，所述修复性质的策略调度模型求解转化为混合整数规划问题的目标函数为：
Figure GDA0003501908680000051
其中，
Figure GDA0003501908680000052
表示t时刻节点i上虚拟电厂的剩余容量，
Figure GDA0003501908680000053
表示t时刻节点i上储能设备的剩余容量，
Figure GDA0003501908680000054
表示t时刻节点i上储能设备的剩余容量，Limitl表示线路l的传输功率限值，GSFl,i表示发电量转移因子，Di,t表示t时刻节点i上的总负荷，
Figure GDA0003501908680000055
表示节点i上传统机组在时刻t的竞价，
Figure GDA0003501908680000056
表示t时刻节点i上与输电线路最小容量相关的对偶变量，λt,ψ表示t时刻节点i上与功率平衡相关的对偶变量，
Figure GDA0003501908680000057
分别对应地表示t时刻节点i上与传统机组最大、最小出力相关的对偶变量，
Figure GDA0003501908680000058
分别对应表示t时刻节点i上传统机组的最大、最小出力。
本发明的优点如下：
本发明的面向售电公司的双层策略调度方法既考虑了电网级储能电站与虚拟电厂的市场行为，又可以同时评估在电网故障预测场景下售电公司采用具有修复性质的二次策略调度后的收益。
附图说明
图1为主动负荷的安全调度策略的计算模块示意图。
具体实施方式
如图1，本实施例的面向售电公司的双层策略调度方法包括如下步骤：
步骤1)通过融合电网级储能模型与虚拟电厂模型构建可用于日前市场下的双层调度模型。
步骤2)以所述双层调度模为核心结合故障预测技术，形成可适用于日内市场中计及电力故障影响后的带有修复性质的策略调度模型。
步骤3)将所述双层调度模型转换成混合整数规划的形式进行求解。
本实施例中双层策略调度模型构建包括：构建上层目标函数，表征售电公司的日收益；
构建下层目标函数，数表征了电力市场的出清过程；构建约束条件，所述约束条件包括电网级储能出力约束、虚拟电厂出力约束、传统火电机组出力约束、电网潮流约束；扩展策略性二次调度模型，增加了故障预测时间，在日前调度方案的基础上根据各发电单元的剩余容量进行重新调度。
进一步的，步骤2)包括：首先，根据双层调度模型形成日前策略调度模型；接着，在日前策略调度模型上扩充而成的二次调度模型形成日内策略调度模型；最后，在日内策略调度模型基础上增加故障预测时间环节形成具有修复性质的策略调度模型。
进一步的，电网级储能模型的建立：电网级储能模型基于储能元件的充放电功率，自放电率、最大充放电量、充放电效率等构成，具体描述如下：
xi,t+yi,t＝1 (1a)
Figure GDA0003501908680000061
Figure GDA0003501908680000062
Figure GDA0003501908680000063
Figure GDA0003501908680000064
Figure GDA0003501908680000065
Figure GDA0003501908680000066
Figure GDA0003501908680000067
Figure GDA0003501908680000068
Figure GDA0003501908680000069
Figure GDA00035019086800000610
进一步的，虚拟电厂模型的建立：虚拟电厂基于可终端负荷的需求响应模型建立，具体描述如下：
Figure GDA0003501908680000071
Figure GDA0003501908680000072
Figure GDA0003501908680000073
Figure GDA0003501908680000074
Figure GDA0003501908680000075
进一步的，日前策略性调度模型建立：日前策略性调度模型以双层调度模型为核心构建，具体描述如下：
优化目标为：
Figure GDA0003501908680000076
约束条件为：
电网级储能约束：(1a)-(1k) (3b)
虚拟电厂约束：(2a)-(2e) (3c)
Figure GDA0003501908680000077
Figure GDA0003501908680000078
Figure GDA0003501908680000079
Figure GDA00035019086800000710
Figure GDA0003501908680000081
Figure GDA0003501908680000082
进一步的，日内策略性调度模型建立：日内策略性调度模型同样以双层调度模型为核心构建，具体描述如下：
优化目标为：
Figure GDA0003501908680000083
约束条件为：
更新后的电网级储能约束(1a)-(1e) (4b)
Figure GDA0003501908680000084
Figure GDA0003501908680000085
Figure GDA0003501908680000086
Figure GDA0003501908680000087
更新后的虚拟电厂约束:
Figure GDA0003501908680000088
Figure GDA0003501908680000089
原虚拟电厂约束(2c)-(2e) (4i)
Figure GDA00035019086800000810
Figure GDA00035019086800000811
Figure GDA0003501908680000091
Figure GDA0003501908680000092
建立日内市场下售电公司具有修复性质的双层策略调度模型：日内市场下售电公司具有修复性质的双层策略调度模型同样以双层调度模型为核心构建，具体描述如下：
优化目标为：
Figure GDA0003501908680000093
约束条件：
Figure GDA0003501908680000094
原约束条件(4b)-(4n)(5c)
进一步，对双层调度模型进行数学求解：由于该发明中双层调度模型为核心，故针对其通用的求解过程如下：
首先，根据Karush-Kuhn-Tucker(KKT)条件将原有的双层优化问题转换成带有等式约束的数学规划问题(Mathematical Program with Equilibrium Constraints，MPEC)，该问题的目标函数为：
Figure GDA0003501908680000095
约束条件为：
原约束条件(3b)和(3c)(6b)
Figure GDA0003501908680000096
Figure GDA0003501908680000097
Figure GDA0003501908680000098
Figure GDA0003501908680000099
Figure GDA0003501908680000101
Figure GDA0003501908680000102
其次，根据强对偶理论将上述带有等式约束的数学规划问题转换成混合整数规划问题(Mixed-Integer Linear Programming，MILP)。该过程中需要消除原模型的非线性。模型中涉及的非线性主要集中在(6a)的
Figure GDA0003501908680000103
以及(6c)-(6g)的互补性条件中。
根据强对偶理论，双层模型中的底层问题(3d)可以表征为：
Figure GDA0003501908680000104
根据约束(6d)-(6f)，式(7b)-(7d)可以得到:
Figure GDA0003501908680000105
Figure GDA0003501908680000106
Figure GDA0003501908680000107
进而
Figure GDA0003501908680000108
根据式(3i),(6c),(7b)-(7d)改写成如下形式:
Figure GDA0003501908680000109
将式(7a)代入式(7e)中可以得到式(7f):
Figure GDA00035019086800001010
最后，该混合整数规划问题可以表征如下，目标函数为：
Figure GDA0003501908680000111
约束条件为：
原约束条件(6b)和(6c)(8b)
Figure GDA0003501908680000112
Figure GDA0003501908680000113
Figure GDA0003501908680000114
Figure GDA0003501908680000115
其中，
Figure GDA0003501908680000116
为大值常量；
Figure GDA0003501908680000117
为与对偶变量相关的辅助二进制变量。
转换成上述混合整数规划问题后可借助常规优化软件进行高效求解。
以上所述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作出若干改进，这些改进也应视为本发明的保护范围。

Claims (8)

1.一种面向售电公司的双层策略调度方法，其特征在于包括如下步骤：
步骤1)通过融合电网级储能模型与虚拟电厂模型构建可用于日前电力市场下的双层调度模型；
步骤2)以所述双层调度模为核心结合故障预测技术，形成可适用于日内电力市场中计及电力故障影响后的带有修复性质的策略调度模型；
步骤3)将所述双层调度模型转换成混合整数规划的形式进行求解；
所述步骤2)包括：
首先，根据双层调度模型形成日前策略性调度模型；
接着，在日前策略性调度模型上扩充而成的二次调度模型形成日内策略性调度模型；最后，在日内策略性调度模型基础上增加故障预测时间环节形成具有修复性质的策略调度模型；
电网级储能模型基于储能元件的充放电功率、自放电率、最大充放电量以及充放电效率，具体描述如下：
xi,t+yi,t＝1 (1a)
Figure FDA0003501908670000011
Figure FDA0003501908670000012
Figure FDA0003501908670000013
Figure FDA0003501908670000014
Figure FDA0003501908670000015
Figure FDA0003501908670000016
Figure FDA0003501908670000017
Figure FDA0003501908670000018
Figure FDA0003501908670000019
Figure FDA00035019086700000110
其中，xi,t,yi,t表示节点i上储能设备在时刻t的二进制变量，xi,t＝1表明储能在充电模式下，yi,t＝1表明储能在放电模式下，i表示节点序号，t表示时间序号，
Figure FDA0003501908670000021
表示节点i上储能设备在时刻t的充电功率，
Figure FDA0003501908670000022
表示节点i上储能设备在时刻t的放电功率，
Figure FDA0003501908670000023
分别表示节点i上储能设备的额定充电、放电功率，
Figure FDA0003501908670000024
表示t时刻节点i上储能设备的充电、放电电量，
Figure FDA0003501908670000025
Figure FDA0003501908670000026
分别表示节点i上储能设备充电、放电效率，
Figure FDA0003501908670000027
分别表示节点i上储能设备的最大充电、放电容量，
Figure FDA0003501908670000028
节点i上储能设备在时刻t的自放电量，
Figure FDA0003501908670000029
表示节点i上储能设备在时刻t的储存电量，Ei,max表示储能设备的额定容量，SOCi,min表示最小剩余电量百分比，SOCi,max表示最小剩余电量百分比，Δt表示间隔时间。
2.根据权利要求1所述的面向售电公司的双层策略调度方法，其特征在于所述双层策略调度模型构建包括：
构建上层目标函数，表征售电公司的日收益；
构建下层目标函数，表征了电力市场的出清过程；
构建约束条件，所述约束条件包括电网级储能出力约束、虚拟电厂出力约束、传统火电机组出力约束、电网潮流约束；
扩展策略性二次调度模型，增加了故障预测时间，在日前调度方案的基础上根据各发电单元的剩余容量进行重新调度。
3.根据权利要求1所述的面向售电公司的双层策略调度方法，其特征在于虚拟电厂模型基于可终端负荷的需求响应模型建立，具体描述如下：
Figure FDA00035019086700000210
Figure FDA00035019086700000211
Figure FDA00035019086700000212
Figure FDA00035019086700000213
Figure FDA0003501908670000031
其中，vi,t表示节点i上虚拟电厂在时刻t的运行状态，
Figure FDA0003501908670000032
表示节点i上虚拟电厂的最小离线时间，Ti off表示节点i上虚拟电厂由于前序运行状态引起的最小离线时间，T表示日调度时间，TΩ为通用的额表征字符，TN表示故障预测前的调度时间、TP表示故障预测到故障发生之间的调度时间、TO表示故障发生后的调度时间。
4.根据权利要求3所述的面向售电公司的双层策略调度方法，其特征在于所述日前策略性调度模型以双层调度模型为核心构建，优化目标如式(3)，约束条件分别为电网级储能约束，如式(1a)-(1k)与虚拟电厂约束如式(2a)-(2e)，
Figure FDA0003501908670000033
其中，βi,t表示节点i上可中断负荷在时刻t享有的合同价格，γi,t表示节点i上储能设备在时刻t的充电价格，πi,t,DA表示t时刻节点i上的节点边际电价，N表示节点数。
5.根据权利要求4所述的面向售电公司的双层策略调度方法，其特征在于所述日内策略性调度模型同样以双层调度模型为核心构建，优化目标为：
Figure FDA0003501908670000034
s*表示一种特定的故障场景。
6.根据权利要求5所述的面向售电公司的双层策略调度方法，其特征在于所述具有修复性质的策略调度模型的优化目标为：
Figure FDA0003501908670000035
fDA(i,t,s*)表示售电公司在日前市场中的收益、fID,P(i,t,s*)表示日内市场中故障预测阶段的收益、fID,O(i,t,s*)表示日内市场中故障发生后的收益。
7.根据权利要求4所述的面向售电公司的双层策略调度方法，其特征在于所述修复性质的策略调度模型求解的过程为：根据Karush-Kuhn-Tucker条件将原有的双层优化问题转换成带有等式约束的数学规划问题；根据强对偶理论带有等式约束的数学规划问题转换成混合整数规划问题，进而可借助常规优化软件进行高效求解。
8.根据权利要求7所述的面向售电公司的双层策略调度方法，其特征在于所述修复性质的策略调度模型求解转化为混合整数规划问题的目标函数为：
Figure FDA0003501908670000041
其中，
Figure FDA0003501908670000042
表示t时刻节点i上虚拟电厂的剩余容量，
Figure FDA0003501908670000043
表示t时刻节点i上储能设备的剩余容量，
Figure FDA0003501908670000044
表示t时刻节点i上储能设备的剩余容量，Limitl表示线路l的传输功率限值，GSFl,i表示发电量转移因子，Di,t表示t时刻节点i上的总负荷，
Figure FDA0003501908670000045
表示节点i上传统机组在时刻t的竞价，
Figure FDA0003501908670000046
表示t时刻节点i上与输电线路最小容量相关的对偶变量，λt,ψ表示t时刻节点i上与功率平衡相关的对偶变量，
Figure FDA0003501908670000047
分别对应地表示t时刻节点i上与传统机组最大、最小出力相关的对偶变量，
Figure FDA0003501908670000048
分别对应表示t时刻节点i上传统机组的最大、最小出力。
CN201811135864.9A 2018-09-27 2018-09-27 一种面向售电公司的双层策略调度方法 Active CN109245091B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811135864.9A CN109245091B (zh) 2018-09-27 2018-09-27 一种面向售电公司的双层策略调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811135864.9A CN109245091B (zh) 2018-09-27 2018-09-27 一种面向售电公司的双层策略调度方法

Publications (2)

Publication Number Publication Date
CN109245091A CN109245091A (zh) 2019-01-18
CN109245091B true CN109245091B (zh) 2022-04-26

Family

ID=65057832

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811135864.9A Active CN109245091B (zh) 2018-09-27 2018-09-27 一种面向售电公司的双层策略调度方法

Country Status (1)

Country Link
CN (1) CN109245091B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110147907B (zh) * 2019-05-20 2021-05-25 广西电网有限责任公司电力科学研究院 一种考虑网络约束的虚拟电厂双层优化模型的构建方法
CN110739691B (zh) * 2019-11-06 2021-05-14 南方电网科学研究院有限责任公司 一种电网支路故障预测方法及装置
CN111682529B (zh) * 2020-06-10 2023-10-27 广西大学 一种基于节点电价信息的移动储能车灵活调度方法
CN111899122B (zh) * 2020-07-03 2024-01-02 国网江苏省电力有限公司镇江供电分公司 一种基于储能控制的用户分散出清方法
CN112418643B (zh) * 2020-11-18 2022-05-20 国网四川省电力公司经济技术研究院 一种风电并网下面向多目标市场的网源协同规划方法
CN112906975A (zh) * 2021-03-17 2021-06-04 广东电网有限责任公司电力调度控制中心 一种双层优化方法及其装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971181A (zh) * 2014-05-20 2014-08-06 河海大学 一种用于虚拟电厂的日前经济调度方法
CN104809531A (zh) * 2015-05-18 2015-07-29 国家电网公司 一种储能系统配置方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971181A (zh) * 2014-05-20 2014-08-06 河海大学 一种用于虚拟电厂的日前经济调度方法
CN104809531A (zh) * 2015-05-18 2015-07-29 国家电网公司 一种储能系统配置方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
含微电网的虚拟电厂分层随机优化调度;冯其芝;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20160815;全文 *

Also Published As

Publication number Publication date
CN109245091A (zh) 2019-01-18

Similar Documents

Publication Publication Date Title
CN109245091B (zh) 一种面向售电公司的双层策略调度方法
Varaiya et al. Smart operation of smart grid: Risk-limiting dispatch
Gabash et al. Flexible optimal operation of battery storage systems for energy supply networks
Manz et al. Look before you leap: The role of energy storage in the grid
Zhang et al. Grid-level application of electrical energy storage: Example use cases in the United States and China
CA3103789A1 (en) Distributed energy control
CN108446796A (zh) 考虑电动汽车负荷需求响应的网-源-荷协调规划方法
Panda et al. A conceptual review on transformation of micro‐grid to virtual power plant: Issues, modeling, solutions, and future prospects
Gill et al. Maximising revenue for non‐firm distributed wind generation with energy storage in an active management scheme
Manz et al. Value propositions for utility-scale energy storage
Dawn et al. Efficient approach for establishing the economic and operating reliability via optimal coordination of wind–PSH–solar‐storage hybrid plant in highly uncertain double auction competitive power market<? show [AQ ID= Q1]?>
Brief Utility-scale batteries
Mohan et al. Performance enhancement of online energy scheduling in a radial utility distribution microgrid
Zaree et al. An MILP formulation for centralized energy management strategy of microgrids
Zhang et al. Aggregating distributed energy storage: Cloud-based flexibility services from China
Jordehi et al. A two-stage stochastic model for security-constrained market clearing with wind power plants, storage systems and elastic demands
Saini et al. Cloud energy storage based embedded battery technology architecture for residential users cost minimization
Lazaroiu et al. Energy trading optimization of a virtual power plant on electricity market
Yang et al. Toward resilient solar-integrated distribution grids: Harnessing the mobility of power sources
Aghdam et al. Optimal stochastic operation of technical virtual power plants in reconfigurable distribution networks considering contingencies
Ashoornezhad et al. A two‐stage multi‐period distribution network expansion planning considering the integration of private investors
CN115062835A (zh) 基于虚拟发电厂的主动配电网分布式资源优化调度方法
Delarestaghi et al. The impact of peer to peer market on energy costs of consumers with pv and battery
Nguyen et al. Optimal scheduling and operation of battery/wind generation system in response to real‐time market prices
Lamari et al. Multi‐objective economic/emission optimal energy management system for scheduling micro‐grid integrated virtual power plant

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