CN110097228A - 一种政府监管下基于谱风险的虚拟电厂调度模型构建方法 - Google Patents
一种政府监管下基于谱风险的虚拟电厂调度模型构建方法 Download PDFInfo
- Publication number
- CN110097228A CN110097228A CN201910374421.3A CN201910374421A CN110097228A CN 110097228 A CN110097228 A CN 110097228A CN 201910374421 A CN201910374421 A CN 201910374421A CN 110097228 A CN110097228 A CN 110097228A
- Authority
- CN
- China
- Prior art keywords
- virtual plant
- power
- risk
- electricity
- constraint
- 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.)
- Withdrawn
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 60
- 230000033228 biological regulation Effects 0.000 title claims abstract description 23
- 238000010276 construction Methods 0.000 title claims abstract description 19
- 230000005611 electricity Effects 0.000 claims abstract description 102
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 30
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 12
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 5
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 5
- 206010063659 Aversion Diseases 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 12
- 230000005684 electric field Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 239000003657 drainage water Substances 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000020169 heat generation Effects 0.000 claims description 2
- 238000010248 power generation Methods 0.000 claims description 2
- 230000001276 controlling effect Effects 0.000 claims 1
- 238000007726 management method Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 239000011800 void material Substances 0.000 description 3
- 241000544061 Cuculus canorus Species 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000001373 regressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种政府监管下基于谱风险的虚拟电厂调度模型构建方法，属于电力系统调度技术领域，包括如下步骤：（1）给定调度模型输入变量，即风电、水电、有功负荷的预测值及在它们随机分布基础上的生成场景树，每个场景包含了上述随机变量的可能取值；（2）求解机组启停机状态和计划购售电曲线等日前控制变量；（3）构建双层随机优化调度模型，增加谱风险指标，优化目标为虚拟电厂的预期收益和谱风险的综合；本发明根据构建的考虑谱风险和收益的虚拟电厂多目标优化调度模型，反映虚拟电厂收益的整体分布情况，从而寻优决策者满意度最高的调度计划，解决了现有技术所存在的不能反映决策者对风险主观厌恶程度的问题。
Description
技术领域
本发明涉及电力系统调度技术领域，具体涉及一种政府监管下基于谱风险的虚拟电厂调度模型构建方法。
背景技术
虚拟电厂由于内部含有可再生能源、本地负荷等多种随机因素，风险管理压力较大，但是常用的方差、VaR和CVaR等风险指标集中于量化随机变量波动程度，却忽略了决策者一侧的风险厌恶信息——不同决策者对损失有不同的态度，无法反映决策者对风险的认识和态度。而在政府监管新背景下，政府监管机构对电力市场经济进行相关监管时，旨在维护市场参与者的合法权益，刺激市场多元主体的参与热情和满意度，最终实现电力行业资源的优化配置和电力市场的良性竞争。因此，市场主体的参与热情极为重要，而决策者的风险厌恶程度直接影响其参与市场交易的热情，随着虚拟电厂数目的增加，针对决策者主观风险厌恶而定制化的风险指标有助于虚拟电厂获得满意度最高的解。因此，在政府监管新背景下，我国电力市场急需一套考虑决策者主观风险厌恶度的虚拟电厂风险管理方法。
公开号为CN108062606A的专利文献公开了一种基于黎曼积分的虚拟电厂调度优化方法，用以解决虚拟电厂内部可再生出力和负荷连续变化时的最优调度问题。考虑虚拟电厂的聚合单元包括燃气轮机、风电机组、抽水蓄能电站和负荷，针对可再生能源出力和负荷连续变化的情况，应用黎曼积分的思想，考虑变量在时间上的连续性，建立基于黎曼积分的虚拟电厂调度优化模型。根据黎曼积分定义，通过对虚拟电厂调度时间区间的分割、作和、求极限，将该积分问题转化为极限求和问题，从而使该问题可解。
公开号为CN107784427A的专利文献公开一种基于布谷鸟算法的虚拟电厂优化调度方法，包括以下步骤：1)采集和输入数据，包括电价预测数据、风机出力预测数据，合约参数、惩罚参数、燃气轮机参数、抽水蓄能电站参数等；2)构造虚拟电厂经济调度优化模型，采用优化软件初步求解；3)输入网络约束条件，包括配电网网架参数，潮流约束参数等，构造虚拟电厂安全调度模型；4)采用布谷鸟算法进行求解；5)输出结果。
上述两种方法虚拟电厂技术，能够实现大规模分布式电源、储能装置和可控负荷等的有效管理，但是均未能考虑到反映决策者对风险主观厌恶程度，无法反映决策者对风险的认识和态度。
发明内容
本发明要解决的技术问题是构建一种政府监管下基于谱风险的虚拟电厂调度模型构建方法，以解决现有技术所存在的不能反映决策者对风险主观厌恶程度的问题。
为解决上述技术问题，本发明实施例提供一种政府监管下基于谱风险的虚拟电厂调度模型构建方法，包括如下步骤：
给定调度模型输入变量，即风电、水电、有功负荷的预测值及在它们随机分布基础上的生成场景树，每个场景包含了上述随机变量的可能取值；
求解机组启停机状态和计划购售电曲线等日前控制变量；
构建双层随机优化调度模型，考虑政府监管的要求，增加谱风险指标，优化目标为虚拟电厂的预期收益和谱风险的综合；优化调度模型以日前控制变量的求取为第一层模型，第二层模型根据随机变量在各场景中的实际取值求解虚拟电厂的优化控制，调整风电场、水电站的实际出力和负荷，求解变量为实际风电场出力、水电站出力、与电网实际联络线功率。
进一步地，所述步骤(2)中，日前控制变量是日前确定的，当实际不确定变量发生波动时保持不变。
进一步地，所述步骤(3)中，优化调度模型以最大化虚拟电厂期望收益和最大化虚拟电厂谱风险即虚拟电厂在最差场景中的收益情况为目标，目标函数为
其中，E(ξ)为虚拟电厂期望收益，函数表达式为式中NT和NS分别为调度周期内的时刻和计算中生成的场景数目，ξs,t为虚拟电厂在某一时刻和场景下的收益；
为虚拟电厂谱风险的离散化表示形式；
λsrm为多目标优化模型中给谱风险的风险厌恶系数。
进一步地，所述虚拟电厂期望收益中包括虚拟电厂向电网购售电获得的收益，虚拟电厂中所有设备的运行维护成本Os,t，由于功率不平衡导致切负荷SLs,t的惩罚成本以及实际出力和计划出力偏差造成的惩罚费用，函数表达式为
其中，和为虚拟电厂通过联络线向电网的售电电量和购电电量，相应的购售电价格分别为和
SC为单位电量负荷停电损失；
为虚拟电厂实际出力与日前计划出力之间偏差的绝对值；
λΔp为出力偏差惩罚系数，部分电网对分布式电源出力偏差会进行一定惩罚，此时λΔp可取值为相应的惩罚价格。
进一步地，所述虚拟电厂的总运行维护费用Os,t包括风电和水电站的运维成本，函数表达式为其中Zw和Zh分别为风电单位出力和水电单位出力的平均运维成本。
进一步地，所述优化调度模型的约束包括虚拟电厂有功平衡约束，负荷和可再生能源出力约束，虚拟电厂运营约束，水电站运行特性约束以及谱风险约束；
其中，有功平衡约束为式中和分别代表了虚拟电厂内部风电和水电站的有功输出，而Ls,t和分别代表了虚拟电厂内部负荷和虚拟电厂售电量；
负荷和可再生能源出力约束为0≤SLs,t≤Ls,t和式中表示实际可用风能资源，约束的含义为实际切负荷量和实际风电出力都是非负变量，并且小于实际总负荷和可用风能资源；
虚拟电厂运营约束为 和五项；
水电站运行特性约束为 和六项；
谱风险约束为
δj,s≥0
Δφi＝φi-φi+1 i＝1,...,N-1
ΔφNS＝φNS
本模型中，谱风险的取值等于虚拟电厂收益与传统描述损失的谱风险的差值；ψj和非负变量δj,s为谱风险计算的辅助变量，用于虚拟电厂在各个场景中收益的排序；φ(p)为描述决策者主观风险厌恶的指数型谱函数；φi为谱函数的离散化形式；Δφi为相邻φi的差值；在优化调度模型取最大值时，的取值即为虚拟电厂的谱风险。
进一步地，所述虚拟电厂运营的五项约束中：第一项和第二项约束为虚拟电厂与电网购售电量约束条件，表示虚拟电厂与电网联络线的最大容量，而gs,t为布尔变量，取值为1时表示虚拟电厂此时向电网售电，取值为0时虚拟电厂向电网购电；
第三项约束表示虚拟电厂的总购售电量为售电量和购电量的差值；
第四项和第五项约束为偏差电量的线性化计算方法，选取s＝1为制定日前计划的基准场景，其中场景1中的风电和有功负荷均为预测值，即为虚拟电厂购售电日前计划。
进一步地，所述水电站运行特性的六项约束中：第一项约束为水电站用水流量和发电功率的转换函数Fw-p(·)；
第二项和第三项约束分别表示水电站出力和用水流量需要满足水电站上下限特性，和为水电站出力上下限，和为水电站用水流量上下限，为水电站运行状态指示变量，1表示水电站在该时刻运行，0则表示停运；由于水轮机组不能频繁启停，所以模型假设水电机组在同一小时内必须保持运行状态不变；由于水轮机爬坡速率较快，在数分钟内可以从最小出力爬升至额定出力，因此模型中不考虑水电站出力的爬坡速率约束；
第四项约束表示了水电站的水库库容的时间耦合性，为该时刻水库上游来水量，为该时刻水库泄流水量；
第五项约束是由于水库库容规模有限，所以水库库容需要满足库容上限和下限的约束；
第六项约束用于保证水电站在下一调度周期有足够的库容调节能力参与调度运行，是水电站在调度周期末所需要保证的库容。
本发明的有益效果是：本发明所述的政府监管下基于谱风险的虚拟电厂调度模型构建方法，给定调度模型输入变量，即风电、水电、有功负荷的预测值及在它们随机分布基础上的生成场景树，每个场景包含了上述随机变量的可能取值；求解机组启停机状态和计划购售电曲线等日前控制变量；构建双层随机优化模型，考虑政府监管的要求，增加谱风险指标，优化目标为虚拟电厂的预期收益、谱风险的综合；优化调度模型以日前控制变量的求取为第一层模型，第二层模型根据随机变量在各场景中的实际取值求解虚拟电厂的优化控制，调整风电场、水电站的实际出力和负荷，求解变量为实际风电场出力、水电站出力、与电网实际联络线功率。本模型中的谱风险与传统损失的加权和不同，是虚拟电厂在各个场景中收益的加权和，谱风险对较差场景中收益的权重高于较好场景收益的权重值，谱风险的取值等于虚拟电厂收益与传统描述损失的谱风险的差值，根据构建的考虑谱风险和收益的虚拟电厂多目标优化调度模型，反映虚拟电厂收益的整体分布情况，从而寻优决策者满意度最高的调度计划，解决了现有技术所存在的不能反映决策者对风险主观厌恶程度的问题。
附图说明
下面结合附图对本发明作进一步的详细说明。
图1是流程图。
图2是风电、负荷和径流量预测图。
图3是虚拟电厂日前计划图。
图4是不同谱风险厌恶系数下的虚拟电厂售电计划图。
图5是不同谱风险厌恶系数下的联络线波动图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明针对现有的技术不能反映决策者对风险主观厌恶程度的问题，提供一种政府监管下基于谱风险的虚拟电厂调度模型构建方法。
实施例一
参看图1所示，本发明实施例提供的政府监管下基于谱风险的虚拟电厂调度模型构建方法，包括：
给定调度模型输入变量，即风电、水电、有功负荷的预测值及在它们随机分布基础上的生成场景树，每个场景包含了上述随机变量的可能取值；
求解机组启停机状态和计划购售电曲线等日前控制变量；
构建双层随机优化模型，考虑政府监管的要求，增加谱风险指标，优化目标为虚拟电厂的预期收益和谱风险的综合；优化调度模型以日前控制变量的求取为第一层模型，第二层模型根据随机变量在各场景中的实际取值求解虚拟电厂的优化控制，调整风电场、水电站的实际出力和负荷，求解变量为实际风电场出力、水电站出力、与电网实际联络线功率。
本发明实施例所述的政府监管下基于谱风险的虚拟电厂调度模型构建方法，给定调度模型输入变量，即风电、水电、有功负荷的预测值及在它们随机分布基础上的生成场景树，每个场景包含了上述随机变量的可能取值；求解机组启停机状态和计划购售电曲线等日前控制变量；构建双层随机优化模型，优化目标为虚拟电厂的预期收益、谱风险；优化调度模型以日前控制变量的求取为第一层模型，第二层模型根据随机变量在各场景中的实际取值求解虚拟电厂的优化控制，调整风电场、水电站的实际出力和负荷，求解变量为实际风电场出力、水电站出力、与电网实际联络线功率。根据构建的考虑谱风险和收益的虚拟电厂多目标优化调度模型，反映虚拟电厂收益的整体分布情况，从而寻优决策者满意度最高的调度计划。
本实施例中，虚拟电厂组成包括一家水电站、一个风电场以及本地负荷，风电场和水电站的装机容量分别为10MW和12MW，次日的负荷、风速和径流量曲线通过ARMA(auto-regressive moving average)模型预测得到，进而根据风电机组的风功率曲线，可以通过风速预测情况求得次日风电场预测出力曲线，具体数据如图2所示。风电功率假设满足正态分布，标准差假设为预测值的15％；负荷误差也遵循正态分布，标准差假设为预测值的5％；风电场出力通过蒙特卡洛模拟方法抽样生成场景树，场景数目为200。
本实施例中，由于日前径流量预测的准确度较高，因此假设径流量是确定值而不考虑其随机性，为了简化计算，水电站中假设只含有一台水轮机组，而且水库水头是恒定值，因此水电站出力和用水径流量为线性关系，水电站的运行特性如表1所示。
表1水电站运行特性
本实施例中，虚拟电厂向电网购售电的电价如表2所示，电价模式为分时电价，其中谷时段为00:00—08:00，平时段为08:00—11:00、16:00—19:00和22:00—24:00，峰时段为11:00—16:00和19:00—22:00。
表2购售电价表
本实施例中，因为水电站和风电场运行成本较少，所以忽略了运行成本费用，模型中的谱风险厌恶系数λsrm假设取值为0.5，谱风险的谱函数为指数型，绝对风险厌恶系数k为20，电网对虚拟电厂总出力的偏差惩罚系数为￥0.15/kWh。
本实施例中，所述日前控制变量是日前确定的，当实际不确定变量发生波动时保持不变。
本实施例中，优化调度模型以最大化虚拟电厂期望收益和最大化虚拟电厂谱风险(虚拟电厂在最差场景中的收益情况)为目标，目标函数为
其中，E(ξ)为虚拟电厂期望收益，函数表达式为式中NT和NS分别为调度周期内的时刻和计算中生成的场景数目，ξs,t为虚拟电厂在某一时刻和场景下的收益；
为虚拟电厂谱风险的离散化表示形式；
λsrm为多目标优化模型中给谱风险的风险厌恶系数。
本实施例中，所述虚拟电厂收益中包括虚拟电厂向电网购售电获得的收益，虚拟电厂中所有设备的运行维护成本Os,t，由于功率不平衡导致切负荷SLs,t的惩罚成本以及实际出力和计划出力偏差造成的惩罚费用，函数表达式为
其中，和为虚拟电厂通过联络线向电网的售电电量和购电电量，相应的购售电价格分别为和
SC为单位电量负荷停电损失；
为虚拟电厂实际出力与日前计划出力之间偏差的绝对值；
λΔp为出力偏差惩罚系数，部分电网对分布式电源出力偏差会进行一定惩罚，此时λΔp可取值为相应的惩罚价格。
本实施例中，所述虚拟电厂的总运行维护费用Os,t包括风电和水电站的运维成本，函数表达式为其中Zw和Zh分别为风电单位出力和水电单位出力的平均运维成本。
本实施例中，所述优化调度模型的约束包括虚拟电厂有功平衡约束，负荷和可再生能源出力约束，虚拟电厂运营约束，水电站运行特性约束以及谱风险约束；
其中，有功平衡约束为式中和分别代表了虚拟电厂内部风电和水电站的有功输出，而Ls,t和分别代表了虚拟电厂内部负荷和虚拟电厂售电量；
负荷和可再生能源出力约束为和式中表示实际可用风能资源，约束的含义为实际切负荷量和实际风电出力都是非负变量，并且小于实际总负荷和可用风能资源；
虚拟电厂运营约束为 和五项；水电站运行特性约束为 和六项；
谱风险约束为
δj,s≥0
Δφi＝φi-φi+1 i＝1,...,N-1
ΔφNS＝φNS
本模型中的谱风险与传统损失的加权和不同，是虚拟电厂在各个场景中收益的加权和，谱风险对较差场景中收益的权重高于较好场景收益的权重值，谱风险的取值等于虚拟电厂收益与传统描述损失的谱风险的差值；ψj和非负变量δj,s为谱风险计算的辅助变量，用于虚拟电厂在各个场景中收益的排序；φ(p)为描述决策者主观风险厌恶的指数型谱函数；φi为谱函数的离散化形式；Δφi为相邻φi的差值；在优化调度模型取最大值时，的取值即为虚拟电厂的谱风险。
本实施例中，虚拟电厂运营的五项约束中：第一项和第二项约束为虚拟电厂与电网购售电量约束条件，表示虚拟电厂与电网联络线的最大容量，而gs,t为布尔变量，取值为1时表示虚拟电厂此时向电网售电，取值为0时虚拟电厂向电网购电；
第三项约束表示虚拟电厂的总购售电量为售电量和购电量的差值；
第四项和第五项约束为偏差电量的线性化计算方法，选取s＝1为制定日前计划的基准场景，其中场景1中的风电和有功负荷均为预测值，即为虚拟电厂购售电日前计划；
本实施例中，水电站运行特性的六项约束中：第一项约束为水电站用水流量和发电功率的转换函数Fw-p(·)；
第二项和第三项约束分别表示水电站出力和用水流量需要满足水电站上下限特性，和为水电站出力上下限，和为水电站用水流量上下限，为水电站运行状态指示变量，1表示水电站在该时刻运行，0则表示停运；由于水轮机组不能频繁启停，所以模型假设水电机组在同一小时内必须保持运行状态不变；由于水轮机爬坡速率较快，在数分钟内可以从最小出力爬升至额定出力，因此模型中不考虑水电站出力的爬坡速率约束；
第四项约束表示了水电站的水库库容的时间耦合性，为该时刻水库上游来水量，为该时刻水库泄流水量；
第五项约束是由于水库库容规模有限，所以水库库容需要满足库容上限和下限的约束；
第六项约束用于保证水电站在下一调度周期有足够的库容调节能力参与调度运行，是水电站在调度周期末所需要保证的库容。
本实施例中，虚拟电厂在调度时段的日前出力计划如图3所示。由于在0-8时刻电价较低，所以只有风电机组发电，水电站停机蓄水。在电价高峰时刻，比如15、16以及20时刻，虚拟电厂尽可能的调度风电和水电，水电站处于以额定容量运行。由于虚拟电厂向电网售电价格小于负荷向电网的购电价格，所以虚拟电厂内电源发电优先提供负荷使用，实现能源的就地消纳。也因为这个原因，在所有时刻水电和风电的计划发电量大于虚拟电厂向电网的计划售电量。在12-16时刻，负荷处于较高水平，此时水电和风电的总计划电量也比计划售电量要高更多。由于虚拟电厂实际购售电与计划值有偏差时，将会遭受一定惩罚。因此，在电价低谷时刻，虚拟电厂近似按照风电预测值制定调度计划。而在水电站处于运行状态时，风电场调度计划并不一定等于预测值。因为当风电场出力波动时，可以通过调整水电站出力平抑偏差。而在负荷高峰时段，水电站按照额定容量运行，缺乏向上调节能力，因此风电场计划出力略低于其预测值。
本实施例中，随着目标函数中谱风险厌恶系数的增加，虚拟电厂调度计划将越来越保守，更加地注重虚拟电厂的尾部风险。不同谱风险厌恶系数下，虚拟电厂的购售电计划如图4所示。在18和23时刻，风险中性的调度计划将会制定更低售电的计划。在18和23时刻，虚拟电厂售电量均低于12MW，即均可以通过水电站调整出力而达到。但是，更低的出力可能会造成虚拟电厂实际出力比计划值高出更多，而遭受更多的损失。因此，虚拟电厂制定越低的售电计划并不意味着决策者越是风险厌恶的。
本实施例中，不同谱风险厌恶系数下制定虚拟电厂调度策略时，虚拟电厂售电计划在各个时刻的期望偏差值如图5所示。在电价低谷和平时段，电价较低而惩罚价格相较电价而言有更多的影响力。因此这些时段，谱风险厌恶的调度计划均通过制定合理的购售电计划降低期望偏差值。而在电价高峰时刻，如果虚拟电厂实际发电量高于预期，在遭受偏差惩罚的基础上出售剩余电量仍然可以获利，提高虚拟电厂收益。因此在电价高峰时段，风险厌恶的调度计划反而具有较高的售电偏差期望值。此时的售电偏差主要由实际售电量高于计划售电量的情况构成。
本实施例中，不同谱风险厌恶系数下的虚拟电厂总收益和谱风险情况如表3所示。随着谱风险厌恶系数的增加，虚拟电厂衡量尾部损失的谱风险有所改善，而期望收益由于制定了更加保守的计划因此下降。
表3不同谱风险厌恶系数下的收益和谱风险
Claims (8)
1.一种政府监管下基于谱风险的虚拟电厂调度模型构建方法，其特征在于：包括如下步骤：(1)给定调度模型输入变量，即风电、水电、有功负荷的预测值及在它们随机分布基础上的生成场景树，每个场景包含了上述随机变量的可能取值；
(2)求解机组启停机状态和计划购售电曲线等日前控制变量；
(3)构建双层随机优化调度模型，考虑政府监管的要求，增加谱风险指标，优化目标为虚拟电厂的预期收益和谱风险的综合；优化调度模型以日前控制变量的求取为第一层模型，第二层模型根据随机变量在各场景中的实际取值求解虚拟电厂的优化控制，调整风电场、水电站的实际出力和负荷，求解变量为实际风电场出力、水电站出力、与电网实际联络线功率。
2.如权利要求1所述的一种政府监管下基于谱风险的虚拟电厂调度模型构建方法，其特征在于：所述步骤(2)中，日前控制变量是日前确定的，当实际不确定变量发生波动时保持不变。
3.如权利要求1所述的一种政府监管下基于谱风险的虚拟电厂调度模型构建方法，其特征在于：所述步骤(3)中，优化调度模型以最大化虚拟电厂期望收益和最大化虚拟电厂谱风险即虚拟电厂在最差场景中的收益情况为目标，目标函数为
其中，E(ξ)为虚拟电厂期望收益，函数表达式为式中NT和NS分别为调度周期内的时刻和计算中生成的场景数目，ξs,t为虚拟电厂在某一时刻和场景下的收益；
为虚拟电厂谱风险的离散化表示形式；
λsrm为多目标优化模型中给谱风险的风险厌恶系数。
4.如权利要求3所述的一种政府监管下基于谱风险的虚拟电厂调度模型构建方法，其特征在于：所述虚拟电厂期望收益中包括虚拟电厂向电网购售电获得的收益，虚拟电厂中所有设备的运行维护成本Os,t，由于功率不平衡导致切负荷SLs,t的惩罚成本以及实际出力和计划出力偏差造成的惩罚费用，函数表达式为
其中，和为虚拟电厂通过联络线向电网的售电电量和购电电量，相应的购售电价格分别为和
SC为单位电量负荷停电损失；
为虚拟电厂实际出力与日前计划出力之间偏差的绝对值；
λΔp为出力偏差惩罚系数，部分电网对分布式电源出力偏差会进行一定惩罚，此时λΔp可取值为相应的惩罚价格。
5.如权利要求4所述的一种政府监管下基于谱风险的虚拟电厂调度模型构建方法，其特征在于：所述虚拟电厂的总运行维护费用Os,t包括风电和水电站的运维成本，函数表达式为其中Zw和Zh分别为风电单位出力和水电单位出力的平均运维成本。
6.如权利要求5所述的一种政府监管下基于谱风险的虚拟电厂调度模型构建方法，其特征在于：所述优化调度模型的约束包括虚拟电厂有功平衡约束，负荷和可再生能源出力约束，虚拟电厂运营约束，水电站运行特性约束以及谱风险约束；
其中，有功平衡约束为式中和分别代表了虚拟电厂内部风电和水电站的有功输出，而Ls,t和分别代表了虚拟电厂内部负荷和虚拟电厂售电量；
负荷和可再生能源出力约束为0≤SLs,t≤Ls,t和式中表示实际可用风能资源，约束的含义为实际切负荷量和实际风电出力都是非负变量，并且小于实际总负荷和可用风能资源；
虚拟电厂运营约束为 和五项；
水电站运行特性约束为 和六项；
谱风险约束为
δj,s≥0
Δφi＝φi-φi+1i＝1,...,N-1
ΔφNS＝φNS
本模型中，谱风险的取值等于虚拟电厂收益与传统描述损失的谱风险的差值；ψj和非负变量δj,s为谱风险计算的辅助变量，用于虚拟电厂在各个场景中收益的排序；φ(p)为描述决策者主观风险厌恶的指数型谱函数；φi为谱函数的离散化形式；Δφi为相邻φi的差值；在优化调度模型取最大值时，的取值即为虚拟电厂的谱风险。
7.如权利要求6所述的一种政府监管下基于谱风险的虚拟电厂调度模型构建方法，其特征在于：所述虚拟电厂运营的五项约束中：第一项和第二项约束为虚拟电厂与电网购售电量约束条件，表示虚拟电厂与电网联络线的最大容量，而gs,t为布尔变量，取值为1时表示虚拟电厂此时向电网售电，取值为0时虚拟电厂向电网购电；
第三项约束表示虚拟电厂的总购售电量为售电量和购电量的差值；
第四项和第五项约束为偏差电量的线性化计算方法，选取s＝1为制定日前计划的基准场景，其中场景1中的风电和有功负荷均为预测值，即为虚拟电厂购售电日前计划。
8.如权利要求7所述的一种政府监管下基于谱风险的虚拟电厂调度模型构建方法，其特征在于：所述水电站运行特性的六项约束中：第一项约束为水电站用水流量和发电功率的转换函数Fw-p(·)；
第二项和第三项约束分别表示水电站出力和用水流量需要满足水电站上下限特性，和为水电站出力上下限，和为水电站用水流量上下限，为水电站运行状态指示变量，1表示水电站在该时刻运行，0则表示停运；由于水轮机组不能频繁启停，所以模型假设水电机组在同一小时内必须保持运行状态不变；由于水轮机爬坡速率较快，在数分钟内可以从最小出力爬升至额定出力，因此模型中不考虑水电站出力的爬坡速率约束；
第四项约束表示了水电站的水库库容的时间耦合性，为该时刻水库上游来水量，为该时刻水库泄流水量；
第五项约束是由于水库库容规模有限，所以水库库容需要满足库容上限和下限的约束；
第六项约束用于保证水电站在下一调度周期有足够的库容调节能力参与调度运行，是水电站在调度周期末所需要保证的库容。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910374421.3A CN110097228A (zh) | 2019-05-06 | 2019-05-06 | 一种政府监管下基于谱风险的虚拟电厂调度模型构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910374421.3A CN110097228A (zh) | 2019-05-06 | 2019-05-06 | 一种政府监管下基于谱风险的虚拟电厂调度模型构建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110097228A true CN110097228A (zh) | 2019-08-06 |
Family
ID=67447068
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910374421.3A Withdrawn CN110097228A (zh) | 2019-05-06 | 2019-05-06 | 一种政府监管下基于谱风险的虚拟电厂调度模型构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110097228A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110429667A (zh) * | 2019-09-06 | 2019-11-08 | 国网甘肃省电力公司经济技术研究院 | 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法 |
| CN110571867A (zh) * | 2019-09-18 | 2019-12-13 | 东北大学 | 一种计及风电不确定性的虚拟电厂日前优化调度系统方法 |
| CN110661277A (zh) * | 2019-09-24 | 2020-01-07 | 国网江苏省电力有限公司 | 一种基于敏感负荷接入的虚拟电厂日前调度方法 |
| CN111402015A (zh) * | 2020-03-17 | 2020-07-10 | 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 |
| CN112084641A (zh) * | 2020-08-28 | 2020-12-15 | 国网综合能源服务集团有限公司 | 一种基于itsdp模型的园区虚拟电厂优化运行方法 |
| CN113837449A (zh) * | 2021-08-31 | 2021-12-24 | 国网江苏省电力有限公司南京供电分公司 | 虚拟电厂参与的电网系统集中优化调度方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105654224A (zh) * | 2015-10-19 | 2016-06-08 | 国家电网公司 | 一种计及风电不确定性的省级电网月度购电风险管理方法 |
-
2019
- 2019-05-06 CN CN201910374421.3A patent/CN110097228A/zh not_active Withdrawn
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105654224A (zh) * | 2015-10-19 | 2016-06-08 | 国家电网公司 | 一种计及风电不确定性的省级电网月度购电风险管理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘扬洋: ""风险管理下的虚拟电厂优化调度和竞价策略研究"", 《万方》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110429667A (zh) * | 2019-09-06 | 2019-11-08 | 国网甘肃省电力公司经济技术研究院 | 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法 |
| CN110429667B (zh) * | 2019-09-06 | 2022-04-22 | 国网甘肃省电力公司经济技术研究院 | 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法 |
| CN110571867A (zh) * | 2019-09-18 | 2019-12-13 | 东北大学 | 一种计及风电不确定性的虚拟电厂日前优化调度系统方法 |
| CN110661277A (zh) * | 2019-09-24 | 2020-01-07 | 国网江苏省电力有限公司 | 一种基于敏感负荷接入的虚拟电厂日前调度方法 |
| CN110661277B (zh) * | 2019-09-24 | 2022-10-11 | 国网江苏省电力有限公司 | 一种基于敏感负荷接入的虚拟电厂日前调度方法 |
| CN111402015A (zh) * | 2020-03-17 | 2020-07-10 | 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 |
| CN112084641A (zh) * | 2020-08-28 | 2020-12-15 | 国网综合能源服务集团有限公司 | 一种基于itsdp模型的园区虚拟电厂优化运行方法 |
| CN113837449A (zh) * | 2021-08-31 | 2021-12-24 | 国网江苏省电力有限公司南京供电分公司 | 虚拟电厂参与的电网系统集中优化调度方法 |
| CN113837449B (zh) * | 2021-08-31 | 2023-08-18 | 国网江苏省电力有限公司南京供电分公司 | 虚拟电厂参与的电网系统集中优化调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110097228A (zh) | 一种政府监管下基于谱风险的虚拟电厂调度模型构建方法 | |
| Li et al. | Distributed tri-layer risk-averse stochastic game approach for energy trading among multi-energy microgrids | |
| Choi et al. | Optimal scheduling and operation of the ESS for prosumer market environment in grid-connected industrial complex | |
| Kuznetsova et al. | An integrated framework of agent-based modelling and robust optimization for microgrid energy management | |
| Dolatabadi et al. | Optimal stochastic design of wind integrated energy hub | |
| Vahedipour‐Dahraie et al. | Stochastic security and risk‐constrained scheduling for an autonomous microgrid with demand response and renewable energy resources | |
| Wang et al. | Demand response comprehensive incentive mechanism-based multi-time scale optimization scheduling for park integrated energy system | |
| Zhao et al. | Distributed model predictive control strategy for islands multimicrogrids based on noncooperative game | |
| CN111222713B (zh) | 考虑响应行为不确定性的园区能源互联网优化运行方法 | |
| Peik‐herfeh et al. | Two‐stage approach for optimal dispatch of distributed energy resources in distribution networks considering virtual power plant concept | |
| Sheikhahmadi et al. | A risk-based approach for modeling the strategic behavior of a distribution company in wholesale energy market | |
| Khazeni et al. | Retail market equilibrium in multicarrier energy systems: A game theoretical approach | |
| CN112580901A (zh) | 基于市场供需和区域气象预测的日前交易策略方法及系统 | |
| Zhao et al. | Storage or no storage: Duopoly competition between renewable energy suppliers in a local energy market | |
| CN111311012A (zh) | 基于多智能体的微电网电力市场双层竞价优化方法 | |
| Yang et al. | Multi-Objective optimal scheduling of island microgrids considering the uncertainty of renewable energy output | |
| Shahinzadeh et al. | Unit commitment in smart grids with wind farms using virus colony search algorithm and considering adopted bidding strategy | |
| CN113690875A (zh) | 一种微网实时互动等值模型建立方法 | |
| Han et al. | Offering strategy of a price-maker PV power plant: Multi-stage stochastic programming with probabilistic constraints | |
| Shi et al. | Day-ahead complementary operation for wind-hydro-thermal system considering the multi-dimensional uncertainty | |
| Narimani et al. | Participating of micro-grids in energy and spinning reserve markets—Intra-day market | |
| Eshraghnia et al. | A novel approach for maintenance scheduling of generating units in a competitive environment | |
| Cheng et al. | A bivariate stochastic optimization model of bidding strategy considering the competition among renewable power producers | |
| Keyhani | Leader-follower framework for control of energy services | |
| Lu et al. | Analysis of Clearing Market Profit in the Spot Market Under the Action of Electricity Futures Trading |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190806 |