CN111126551A - 一种多投资主体模式下虚拟电厂的组合规划方法和装置 - Google Patents

一种多投资主体模式下虚拟电厂的组合规划方法和装置 Download PDF

Info

Publication number
CN111126551A
CN111126551A CN201911359638.3A CN201911359638A CN111126551A CN 111126551 A CN111126551 A CN 111126551A CN 201911359638 A CN201911359638 A CN 201911359638A CN 111126551 A CN111126551 A CN 111126551A
Authority
CN
China
Prior art keywords
combination
load
power
resource set
analyzed
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.)
Granted
Application number
CN201911359638.3A
Other languages
English (en)
Other versions
CN111126551B (zh
Inventor
方燕琼
唐升卫
刘菲
郑培文
曾梦迪
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.)
Guangdong Electric Power Science Research Institute Energy Technology Co Ltd
Original Assignee
Guangdong Electric Power Science Research Institute Energy Technology 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 Guangdong Electric Power Science Research Institute Energy Technology Co Ltd filed Critical Guangdong Electric Power Science Research Institute Energy Technology Co Ltd
Priority to CN201911359638.3A priority Critical patent/CN111126551B/zh
Publication of CN111126551A publication Critical patent/CN111126551A/zh
Application granted granted Critical
Publication of CN111126551B publication Critical patent/CN111126551B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Biophysics (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了一种多投资主体模式下虚拟电厂的组合规划方法和装置，其中方法包括：获取虚拟电厂对应管控区域内的待分析负荷用户和分布式电源；基于离散二进制粒子群算法，将待分析负荷用户和分布式电源进行初步组合，得到若干基本组合；对若干基本组合进行二次组合，得到若干联盟，并将若干联盟按照电量划分为缺电资源集合和余电资源集合；基于合并分裂算法，根据缺电资源集合和余电资源集合对应的营收，对若干联盟进行最终组合，得到虚拟电厂的最优组合。解决了现有技术对于分布式电源和负荷用户的组合是按照经验进行，组合方式可能存在不合理的技术问题。

Description

一种多投资主体模式下虚拟电厂的组合规划方法和装置
技术领域
本申请涉及电力系统规划领域，尤其涉及一种多投资主体模式下虚拟电厂的组合规划方法和装置。
背景技术
近年来，将分布式电源以虚拟电厂的形式接入电网，进行资源管理、组织及市场运行，得到了广泛的应用。虚拟电厂是指将区域内大量的分布式电源聚合起来，并配以通信系统，以一个虚拟整体参与电网的运行。
随着区域中分布式电源数量的增多，分布式电源可以聚合成多投资主体模式下的虚拟电厂。对于多投资主体模式下的虚拟电厂，如何组合分布式电源和负荷用户，消除分布式电源对外部系统所呈现出的波动性和随机性影响，是虚拟电厂规划研究中的重要问题。然而现有技术中对于分布式电源和负荷用户的组合，大都是按照经验进行，导致组合方式可能存在不合理。
发明内容
本申请提供了一种多投资主体模式下虚拟电厂的组合规划方法和装置，用于对虚拟电厂中的分布式电源和负荷用户进行合理组合，解决了现有技术对于分布式电源和负荷用户的组合是按照经验进行，组合方式可能存在不合理的技术问题。
有鉴于此，本申请第一方面提供了一种多投资主体模式下虚拟电厂的组合规划方法，包括：
获取虚拟电厂对应管控区域内的待分析负荷用户和分布式电源；
基于离散二进制粒子群算法，将所述待分析负荷用户和所述分布式电源进行初步组合，得到若干基本组合；
对若干所述基本组合进行二次组合，得到若干联盟，并将若干所述联盟按照电量划分为缺电资源集合和余电资源集合；
基于合并分裂算法，根据所述缺电资源集合和所述余电资源集合对应的营收，对若干所述联盟进行最终组合，得到所述虚拟电厂的最优组合。
可选地，所述离散二进制粒子群算法对应的模型为：
Figure BDA0002336840770000021
式中，NG为虚拟电厂内所有可组合的分布式电源集合，T为调度周期，Pi,t为t时刻机组i的出力值，LDi,t为t时刻的负荷用户i预测值，xj为变量，
Figure BDA0002336840770000022
Cl为单位通信成本，lij为单元i与j之间的距离，α、β为权重系数，F为该基本组合的总成本。
可选地，所述基于离散二进制粒子群算法，将所述待分析负荷用户和所述分布式电源进行初步组合，得到若干基本组合具体包括：
S1、将负荷最大的所述待分析负荷用户作为第一负荷用户；
S2、基于离散二进制粒子群算法，在所述分布式电源和第二负荷用户中，确定所述第一负荷用户对应的基本组合，其中，所述第二负荷用户为所述待分析负荷用户中除去所述第一负荷用户的负荷用户；
S3、根据步骤S2确定的所述基本组合和所述待分析负荷用户，重新确定新的待分析负荷用户和新的分布式电源；
S4、在新的待分析负荷用户中确定新的第一负荷用户后，返回步骤S2，在所述新的分布式电源和所述新的待分析负荷用户中确定所述新的第一负荷用户对应的基本组合；
S5、循环执行步骤S3和S4,直至确定每一所述待分析负荷用户对应的基本组合。
可选地，所述对若干所述基本组合进行二次组合，得到若干联盟，并将若干所述联盟按照电量划分为缺电资源集合和余电资源集合具体包括：
对若干所述基本组合进行二次组合，得到若干联盟；
根据各所述联盟的电量，确定各联盟对应的联盟特性，其中，联盟特性包括缺电和余电；
根据所述联盟特性，将若干所述联盟进行归类，确定缺电资源集合和余电资源集合。
可选地，所述合并分裂算法对应的模型为：
v(S)＝min(COSTpur+COSTcom+COSTpen)；
式中，COSTpur为联盟S中的缺电资源集合Sb向余电资源集合Ss的购电成本以及联盟S中的余电资源集合Ss向缺电资源集合Sb的售电收益；COSTcom是联盟中单元i与j之间的通信成本；COSTpen为受到联络线交易功率限制导致的弃电或弃负荷惩罚成本，v(S)是联盟S的特征函数。
本申请第二方面提供了一种多投资主体模式下虚拟电厂的组合规划装置，包括：
获取单元，用于获取虚拟电厂对应管控区域内的待分析负荷用户和分布式电源；
第一组合单元，用于基于离散二进制粒子群算法，将所述待分析负荷用户和所述分布式电源进行初步组合，得到若干基本组合；
第二组合单元，用于对若干所述基本组合进行二次组合，得到若干联盟，并将若干所述联盟按照电量划分为缺电资源集合和余电资源集合；
第三组合单元，用于基于合并分裂算法，根据所述缺电资源集合和所述余电资源集合对应的营收，对若干所述联盟进行最终组合，得到所述虚拟电厂的最优组合。
可选地，所述离散二进制粒子群算法对应的模型为：
Figure BDA0002336840770000031
式中，NG为虚拟电厂内所有可组合的分布式电源集合，T为调度周期，Pi,t为t时刻机组i的出力值，LDi,t为t时刻的负荷用户i预测值，xj为变量，
Figure BDA0002336840770000032
Cl为单位通信成本，lij为单元i与j之间的距离，α、β为权重系数，F为该基本组合的总成本。
可选地，所述第一组合单元具体包括：
第一赋值子单元，用于将负荷最大的所述待分析负荷用户作为第一负荷用户；
第一组合子单元，用于基于离散二进制粒子群算法，在所述分布式电源和第二负荷用户中，确定所述第一负荷用户对应的基本组合，其中，所述第二负荷用户为所述待分析负荷用户中除去所述第一负荷用户的负荷用户；
重新确定子单元，用于根据所述组合子单元确定的所述基本组合和所述待分析负荷用户，重新确定新的待分析负荷用户和新的分布式电源；
触发子单元，用于在新的待分析负荷用户中确定新的第一负荷用户后，触发所述组合子单元，在所述新的分布式电源和所述新的待分析负荷用户中确定所述新的第一负荷用户对应的基本组合；
循环子单元，循环触发所述重新确定子单元和所述触发子单元,直至确定每一所述待分析负荷用户对应的基本组合。
可选地，所述第二组合单元具体包括：
第二组合子单元，用于对若干所述基本组合进行二次组合，得到若干联盟；
联盟特性确定单元，用于根据各所述联盟的电量，确定各联盟对应的联盟特性，其中，联盟特性包括缺电和余电；
归类子单元，用于根据所述联盟特性，将若干所述联盟进行归类，确定缺电资源集合和余电资源集合。
可选地，所述合并分裂算法对应的模型为：
v(S)＝min(COSTpur+COSTcom+COSTpen)；
式中，COSTpur为联盟S中的缺电资源集合Sb向余电资源集合Ss的购电成本以及联盟S中的余电资源集合Ss向缺电资源集合Sb的售电收益；COSTcom是联盟中单元i与j之间的通信成本；COSTpen为受到联络线交易功率限制导致的弃电或弃负荷惩罚成本，v(S)是联盟S的特征函数。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请提供了一种多投资主体模式下虚拟电厂的组合规划方法，首先获取虚拟电厂对应管控区域内的待分析负荷用户和分布式电源，接着先对负荷用户和分布式电源进行初步组合，得到基本组合，然后在对基本组合进行组合得到联盟，然后再根据联盟的电量，将联盟划分为缺电资源集合和余电资源集合；最后基于合并分裂算法，根据缺电资源集合和余电资源集合对应的营收，对若干联盟进行最终组合，得到虚拟电厂的最优组合，对分布式电源和负荷用户进行了合理组合，解决了现有技术对于分布式电源和负荷用户的组合是按照经验进行，组合方式可能存在不合理的技术问题。
附图说明
图1为本申请实施例中一种多投资主体模式下虚拟电厂的组合规划方法的第一实施例的流程示意图；
图2为本申请实施例中一种多投资主体模式下虚拟电厂的组合规划方法的第二实施例的流程示意图；
图3为本申请实施例中合并分裂算法中的合并规则示意图；
图4为本申请实施例中合并分裂算法中的分裂规则示意图；
图5为本申请实施例中一种多投资主体模式下虚拟电厂的组合规划装置的结构示意图。
具体实施方式
本申请实施例提供了一种多投资主体模式下虚拟电厂的组合规划方法和装置，用于对虚拟电厂中的分布式电源和负荷用户进行合理组合，解决了现有技术对于分布式电源和负荷用户的组合是按照经验进行，组合方式可能存在不合理的技术问题。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参阅图1，本申请实施例中一种多投资主体模式下虚拟电厂的组合规划方法的第一实施例的流程示意图，包括：
步骤101、获取虚拟电厂对应管控区域内的待分析负荷用户和分布式电源。
需要说明的是，建立虚拟电厂对应的管控区域内存在分散的、不同类型、不同容量的分布式电源和待分析负荷用户，要组合这些待分析负荷用户和分布式电源，首先获取虚拟电厂对应的管控区域内的待分析负荷用户和分布式电源。
步骤102、基于离散二进制粒子群算法，将待分析负荷用户和分布式电源进行初步组合，得到若干基本组合。
需要说明的是，在虚拟电厂的管控区域内，可能有大量的小型分布式电源与小型负荷用户。若直接对小型的成员进行组合，则可能需要遍历的次数增多，效率较低。所以可以先通过基本组合来实现初步聚集和简化，提高组合效率。故在得到待分析负荷用户和分布式电源后，首先基于离散二进制粒子群算法，将待分析负荷用户和分布式电源进行初步组合，得到若干基本组合。
步骤103、对若干基本组合进行二次组合，得到若干联盟，并将若干联盟按照电量划分为缺电资源集合和余电资源集合。
需要说明的是，在得到基本组合后，将基本组合再进行一次组合，得到若干联盟，并且根据联盟按照电量划分为缺电资源集合和余电资源集合。
步骤104、基于合并分裂算法，根据缺电资源集合和余电资源集合对应的营收，对若干联盟进行最终组合，得到虚拟电厂的最优组合。
需要说明的是，在得到缺电资源集合、余电资源集合后，基于合并分裂算法，根据缺电资源集合和余电资源集合对应的营收，对若干联盟进行最终组合，得到虚拟电厂的最优组合。
本实施例中，首先获取虚拟电厂对应管控区域内的待分析负荷用户和分布式电源，接着先对负荷用户和分布式电源进行初步组合，得到基本组合，然后在对基本组合进行组合得到联盟，然后再根据联盟的电量，将联盟划分为缺电资源集合和余电资源集合；最后基于合并分裂算法，根据缺电资源集合和余电资源集合对应的营收，对若干联盟进行最终组合，得到虚拟电厂的最优组合，对分布式电源和负荷用户进行了合理组合，解决了现有技术对于分布式电源和负荷用户的组合是按照经验进行，组合方式可能存在不合理的技术问题。
以上为本申请实施例提供的一种多投资主体模式下虚拟电厂的组合规划方法的第一实施例，以下为本申请实施例提供的一种多投资主体模式下虚拟电厂的组合规划方法的第二实施例。
请参阅图2，本申请实施例中一种多投资主体模式下虚拟电厂的组合规划方法的第二实施例的流程示意图，包括：
步骤201、获取虚拟电厂对应管控区域内的待分析负荷用户和分布式电源。
需要说明的是，步骤201的说明与第一实施例中步骤101的描述相同，具体可以参见上述描述，在此不再赘述。
为了便于理解，本实施例中举例说明待分析负荷用户有A1、A2、A3、A4和A5，分布式电源有B1、B2、B3、B4和B5。
步骤202、将负荷最大的待分析负荷用户作为第一负荷用户。
需要说明的是，负荷较大的用户一般是大用电量的客户，首先确定这部分客户对应的基本组合。因此，在得到基本组合的过程中，首先将待分析负荷由大到小排序，负荷大者优先选择分布式电源，形成基本组合。例如，本实施例中在A1、A2、A3、A4和A5中确定负荷最大的为A5，故将A5作为第一负荷用户。
步骤203、基于离散二进制粒子群算法，在分布式电源和第二负荷用户中，确定第一负荷用户对应的基本组合，其中，第二负荷用户为待分析负荷用户中除去第一负荷用户的负荷用户。
需要说明的是，在虚拟电厂的管控区域内，可能存在多种出力特性的分布式电源以及多个待分析负荷用户。根据待分析负荷用户每日不同的负荷预测曲线，将分布式电源的出力特性与负荷特性按照一定目标进行匹配。可再生能源与负荷互补性可用可再生能源机组的时序出力曲线与时序负荷曲线距离来衡量。如果可再生能源机组的时序出力曲线与时序负荷曲线距离越小，可认为两者互补性越强。同时，需要考虑聚合负荷和分布式电源时所导致的通信成本。
故，本实施例中的离散二进制粒子群算法对应的模型为：
Figure BDA0002336840770000071
式中，NG为虚拟电厂内所有可组合的分布式电源集合，T为调度周期，Pi,t为t时刻机组i的出力值，LDi,t为t时刻的负荷用户i预测值，xj为变量，
Figure BDA0002336840770000081
Cl为单位通信成本，lij为单元i与j之间的距离，α、β为权重系数，F为该基本组合的总成本。
上式中，加号前为第一部分，其衡量基本组合造成的联络线功率波动，加号后为第二部分，其为负荷用户i与基本组合j中单元之间的通信成本之和。
例如，本实施例中，根据离散二进制粒子群算法确定的A5的基本组合M为(A5,B1,B2)。
步骤204、根据步骤203确定的基本组合和待分析负荷用户，重新确定新的待分析负荷用户和新的分布式电源。
需要说明的是，在确定第一负荷用户对应的基本组合后，根据基本组合重新确定新的待分析负荷用户和新的分布式电源。例如，针对(A5,B1,B2)，可以重新确定新的待分析负荷用户为A1、A2、A3和A4，新的分布式电源为B3、B4和B5。
步骤205、在新的待分析负荷用户中确定新的第一负荷用户后，返回步骤203，在新的分布式电源和新的待分析负荷用户中确定新的第一负荷用户对应的基本组合。
需要说明的是，在步骤204确定新的待分析负荷用户和新的分布式电源后，在新的待分析负荷用户中确定新的第一负荷用户。例如在新的待分析负荷用户为A1、A2、A3和A4中，负荷最大的为A3，此时的新的第一负荷用户为A3,然后在A1、A2、A4和B3、B4、B5中确定A3对应的基本组合N。
步骤206、循环执行步骤204和205,直至确定每一待分析负荷用户对应的基本组合。
本实施例中，循环执行步骤204和205，直至每一待分析负荷用户都有其对应的基本组合。
步骤207、对若干基本组合进行二次组合，得到若干联盟。
在基本组合完成后，进行优化组合之前，首先要将基本组合进行归类，分为买方和卖方。故，首先度基本组合进行二次组合，得到若干联盟，在此过程中，二次组合的方法可以是根据如图3和如图4所示的合并分裂算法的规则进行的。例如将基本组合M和基本组合N进行组合，就可以的到联盟MN。
步骤208、根据各联盟的电量，确定各联盟对应的联盟特性，其中，联盟特性包括缺电和余电。
需要说明的是，缺电可以理解为买方，余电可以理解为卖方。例如对于步骤207中的联盟MN根据这个联盟整体的电量，确定这个联盟为余电，即卖方。
步骤209、根据联盟特性，将若干联盟进行归类，确定缺电资源集合和余电资源集合。
在得到各联盟对应的联盟特性后，可以将同一联盟特性的联盟进行归类，便可得到缺电资源集合和余电资源集合。
步骤210、基于合并分裂算法，根据缺电资源集合和余电资源集合对应的营收，对若干联盟进行最终组合，得到虚拟电厂的最优组合。
需要说明的是，合并分裂算法对应的模型为：
v(S)＝min(COSTpur+COSTcom+COSTpen)
式中，COSTpur为联盟S中的缺电资源集合Sb向余电资源集合Ss的购电成本以及联盟S中的余电资源集合Ss向缺电资源集合Sb的售电收益；COSTcom是联盟中单元i与j之间的通信成本；COSTpen为受到联络线交易功率限制导致的弃电或弃负荷惩罚成本，v(S)是联盟S的特征函数。
可以理解的是，COSTpur、COSTcom和COSTpen分别为：
Figure BDA0002336840770000091
Figure BDA0002336840770000092
Figure BDA0002336840770000093
上式中，lij为单元i与j之间的距离，Pij为单元i与j之间的交易电量，Pi0为单元i与配网之间的交易电量，Cij为单元i与j之间的交易价格，Cb为聚合资源向配网的购电价格，Cs为聚合资源向配网的售电价格；Cpen为惩罚成本系数，Cl为单位通信成本，Pmax为最大联络线交易功率。
本实施例中，首先获取虚拟电厂对应管控区域内的待分析负荷用户和分布式电源，接着先对负荷用户和分布式电源进行初步组合，得到基本组合，然后在对基本组合进行组合得到联盟，然后再根据联盟的电量，将联盟划分为缺电资源集合和余电资源集合；最后基于合并分裂算法，根据缺电资源集合和余电资源集合对应的营收，对若干联盟进行最终组合，得到虚拟电厂的最优组合，对分布式电源和负荷用户进行了合理组合，解决了现有技术对于分布式电源和负荷用户的组合是按照经验进行，组合方式可能存在不合理的技术问题。
以上为本申请实施例提供的一种多投资主体模式下虚拟电厂的组合规划方法的第二实施例，以下为本申请实施例提供的一种多投资主体模式下虚拟电厂的组合规划装置的实施例，请参阅图5。
本申请实施例中提供的一种多投资主体模式下虚拟电厂的组合规划装置，包括：
获取单元501，用于获取虚拟电厂对应管控区域内的待分析负荷用户和分布式电源；
第一组合单元502，用于基于离散二进制粒子群算法，将待分析负荷用户和分布式电源进行初步组合，得到若干基本组合；
第二组合单元503，用于对若干基本组合进行二次组合，得到若干联盟，并将若干联盟按照电量划分为缺电资源集合和余电资源集合；
第三组合单元504，用于基于合并分裂算法，根据缺电资源集合和余电资源集合对应的营收，对若干联盟进行最终组合，得到虚拟电厂的最优组合。
可选地，离散二进制粒子群算法对应的模型为：
Figure BDA0002336840770000101
式中，NG为虚拟电厂内所有可组合的分布式电源集合，T为调度周期，Pi,t为t时刻机组i的出力值，LDi,t为t时刻的负荷用户i预测值，xj为变量，
Figure BDA0002336840770000111
Cl为单位通信成本，lij为单元i与j之间的距离，α、β为权重系数，F为该基本组合的总成本。
可选地，第一组合单元402具体包括：
第一赋值子单元，用于将负荷最大的待分析负荷用户作为第一负荷用户；
第一组合子单元，用于基于离散二进制粒子群算法，在分布式电源和第二负荷用户中，确定第一负荷用户对应的基本组合，其中，第二负荷用户为待分析负荷用户中除去第一负荷用户的负荷用户；
重新确定子单元，用于根据组合子单元确定的基本组合和待分析负荷用户，重新确定新的待分析负荷用户和新的分布式电源；
触发子单元，用于在新的待分析负荷用户中确定新的第一负荷用户后，触发组合子单元，在新的分布式电源和新的待分析负荷用户中确定新的第一负荷用户对应的基本组合；
循环子单元，循环触发重新确定子单元和触发子单元,直至确定每一待分析负荷用户对应的基本组合。
可选地，第二组合单元403具体包括：
第二组合子单元，用于对若干基本组合进行二次组合，得到若干联盟；
联盟特性确定单元，用于根据各联盟的电量，确定各联盟对应的联盟特性，其中，联盟特性包括缺电和余电；
归类子单元，用于根据联盟特性，将若干联盟进行归类，确定缺电资源集合和余电资源集合。
可选地，合并分裂算法对应的模型为：
v(S)＝min(COSTpur+COSTcom+COSTpen)；
式中，COSTpur为联盟S中的缺电资源集合Sb向余电资源集合Ss的购电成本以及联盟S中的余电资源集合Ss向缺电资源集合Sb的售电收益；COSTcom是联盟中单元i与j之间的通信成本；COSTpen为受到联络线交易功率限制导致的弃电或弃负荷惩罚成本，v(S)是联盟S的特征函数。
本实施例中，首先获取虚拟电厂对应管控区域内的待分析负荷用户和分布式电源，接着先对负荷用户和分布式电源进行初步组合，得到基本组合，然后在对基本组合进行组合得到联盟，然后再根据联盟的电量，将联盟划分为缺电资源集合和余电资源集合；最后基于合并分裂算法，根据缺电资源集合和余电资源集合对应的营收，对若干联盟进行最终组合，得到虚拟电厂的最优组合，对分布式电源和负荷用户进行了合理组合，解决了现有技术对于分布式电源和负荷用户的组合是按照经验进行，组合方式可能存在不合理的技术问题。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种多投资主体模式下虚拟电厂的组合规划方法，其特征在于，包括：
获取虚拟电厂对应管控区域内的待分析负荷用户和分布式电源；
基于离散二进制粒子群算法，将所述待分析负荷用户和所述分布式电源进行初步组合，得到若干基本组合；
对若干所述基本组合进行二次组合，得到若干联盟，并将若干所述联盟按照电量划分为缺电资源集合和余电资源集合；
基于合并分裂算法，根据所述缺电资源集合和所述余电资源集合对应的营收，对若干所述联盟进行最终组合，得到所述虚拟电厂的最优组合。
2.根据权利要求1所述的多投资主体模式下虚拟电厂的组合规划方法，其特征在于，所述离散二进制粒子群算法对应的模型为：
Figure FDA0002336840760000011
式中，NG为虚拟电厂内所有可组合的分布式电源集合，T为调度周期，Pi,t为t时刻机组i的出力值，LDi,t为t时刻的负荷用户i预测值，xj为变量，
Figure FDA0002336840760000012
Cl为单位通信成本，lij为单元i与j之间的距离，α、β为权重系数，F为该基本组合的总成本。
3.根据权利要求2所述的多投资主体模式下虚拟电厂的组合规划方法，其特征在于，所述基于离散二进制粒子群算法，将所述待分析负荷用户和所述分布式电源进行初步组合，得到若干基本组合具体包括：
S1、将负荷最大的所述待分析负荷用户作为第一负荷用户；
S2、基于离散二进制粒子群算法，在所述分布式电源和第二负荷用户中，确定所述第一负荷用户对应的基本组合，其中，所述第二负荷用户为所述待分析负荷用户中除去所述第一负荷用户的负荷用户；
S3、根据步骤S2确定的所述基本组合和所述待分析负荷用户，重新确定新的待分析负荷用户和新的分布式电源；
S4、在所述新的待分析负荷用户中确定新的第一负荷用户后，返回步骤S2，在所述新的分布式电源和所述新的待分析负荷用户中确定所述新的第一负荷用户对应的基本组合；
S5、循环执行步骤S3和S4,直至确定每一所述待分析负荷用户对应的基本组合。
4.根据权利要求1所述的多投资主体模式下虚拟电厂的组合规划方法，其特征在于，所述对若干所述基本组合进行二次组合，得到若干联盟，并将若干所述联盟按照电量划分为缺电资源集合和余电资源集合具体包括：
对若干所述基本组合进行二次组合，得到若干联盟；
根据各所述联盟的电量，确定各所述联盟对应的联盟特性，其中，所述联盟特性包括缺电和余电；
根据所述联盟特性，将若干所述联盟进行归类，确定缺电资源集合和余电资源集合。
5.根据权利要求1所述的多投资主体模式下虚拟电厂的组合规划方法，其特征在于，所述合并分裂算法对应的模型为：
v(S)＝min(COSTpur+COSTcom+COSTpen)；
式中，COSTpur为联盟S中的缺电资源集合Sb向余电资源集合Ss的购电成本以及联盟S中的余电资源集合Ss向缺电资源集合Sb的售电收益；COSTcom是联盟中单元i与j之间的通信成本；COSTpen为受到联络线交易功率限制导致的弃电或弃负荷惩罚成本，v(S)是联盟S的特征函数。
6.一种多投资主体模式下虚拟电厂的组合规划装置，其特征在于，包括：
获取单元，用于获取虚拟电厂对应管控区域内的待分析负荷用户和分布式电源；
第一组合单元，用于基于离散二进制粒子群算法，将所述待分析负荷用户和所述分布式电源进行初步组合，得到若干基本组合；
第二组合单元，用于对若干所述基本组合进行二次组合，得到若干联盟，并将若干所述联盟按照电量划分为缺电资源集合和余电资源集合；
第三组合单元，用于基于合并分裂算法，根据所述缺电资源集合和所述余电资源集合对应的营收，对若干所述联盟进行最终组合，得到所述虚拟电厂的最优组合。
7.根据权利要求6所述的多投资主体模式下虚拟电厂的组合规划装置，其特征在于，所述离散二进制粒子群算法对应的模型为：
Figure FDA0002336840760000031
式中，NG为虚拟电厂内所有可组合的分布式电源集合，T为调度周期，Pi,t为t时刻机组i的出力值，LDi,t为t时刻的负荷用户i预测值，xj为变量，
Figure FDA0002336840760000032
Cl为单位通信成本，lij为单元i与j之间的距离，α、β为权重系数，F为该基本组合的总成本。
8.根据权利要求7所述的多投资主体模式下虚拟电厂的组合规划装置，其特征在于，所述第一组合单元具体包括：
第一赋值子单元，用于将负荷最大的所述待分析负荷用户作为第一负荷用户；
第一组合子单元，用于基于离散二进制粒子群算法，在所述分布式电源和第二负荷用户中，确定所述第一负荷用户对应的基本组合，其中，所述第二负荷用户为所述待分析负荷用户中除去所述第一负荷用户的负荷用户；
重新确定子单元，用于根据所述组合子单元确定的所述基本组合和所述待分析负荷用户，重新确定新的待分析负荷用户和新的分布式电源；
触发子单元，用于在所述新的待分析负荷用户中确定新的第一负荷用户后，触发所述组合子单元，在所述新的分布式电源和所述新的待分析负荷用户中确定所述新的第一负荷用户对应的基本组合；
循环子单元，循环触发所述重新确定子单元和所述触发子单元,直至确定每一所述待分析负荷用户对应的基本组合。
9.根据权利要求6所述的多投资主体模式下虚拟电厂的组合规划装置，其特征在于，所述第二组合单元具体包括：
第二组合子单元，用于对若干所述基本组合进行二次组合，得到若干联盟；
联盟特性确定单元，用于根据各所述联盟的电量，确定各所述联盟对应的联盟特性，其中，所述联盟特性包括缺电和余电；
归类子单元，用于根据所述联盟特性，将若干所述联盟进行归类，确定缺电资源集合和余电资源集合。
10.根据权利要求6所述的多投资主体模式下虚拟电厂的组合规划装置，其特征在于，所述合并分裂算法对应的模型为：
v(S)＝min(COSTpur+COSTcom+COSTpen)；
式中，COSTpur为联盟S中的缺电资源集合Sb向余电资源集合Ss的购电成本以及联盟S中的余电资源集合Ss向缺电资源集合Sb的售电收益；COSTcom是联盟中单元i与j之间的通信成本；COSTpen为受到联络线交易功率限制导致的弃电或弃负荷惩罚成本，v(S)是联盟S的特征函数。
CN201911359638.3A 2019-12-25 2019-12-25 一种多投资主体模式下虚拟电厂的组合规划方法和装置 Active CN111126551B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911359638.3A CN111126551B (zh) 2019-12-25 2019-12-25 一种多投资主体模式下虚拟电厂的组合规划方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911359638.3A CN111126551B (zh) 2019-12-25 2019-12-25 一种多投资主体模式下虚拟电厂的组合规划方法和装置

Publications (2)

Publication Number Publication Date
CN111126551A true CN111126551A (zh) 2020-05-08
CN111126551B CN111126551B (zh) 2021-09-03

Family

ID=70502466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911359638.3A Active CN111126551B (zh) 2019-12-25 2019-12-25 一种多投资主体模式下虚拟电厂的组合规划方法和装置

Country Status (1)

Country Link
CN (1) CN111126551B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100138065A1 (en) * 2009-02-11 2010-06-03 Taft Jeffrey D Method and system for reducing feeder circuit loss using demand response
US20110196546A1 (en) * 2010-02-09 2011-08-11 Open Access Technology International, Inc. Systems and methods for demand response and distributed energy resource management
CN102609793A (zh) * 2012-03-22 2012-07-25 杭州盈电科技有限公司 基于多尺度规划与调度耦合的微电网能量优化管理方法
CN103824134A (zh) * 2014-03-06 2014-05-28 河海大学 一种用于虚拟电厂的两阶段优化调度方法
CN104517161A (zh) * 2014-12-25 2015-04-15 东南大学 虚拟发电厂的分布式电源组合规划系统和方法
CN105512774A (zh) * 2016-01-24 2016-04-20 浙江大学 接入分布式光伏发电的配电网检修计划优化方法
US20160172859A1 (en) * 2010-11-18 2016-06-16 John J. Marhoefer Virtual power plant system and method incorporating renewal energy, storage and scalable value-based optimization
CN105761109A (zh) * 2016-02-19 2016-07-13 刘隽琦 虚拟电厂能源管理和电力交易的智能管理系统及其优化运行方法
CN106602555A (zh) * 2016-12-27 2017-04-26 上海中兴电力建设发展有限公司 具有分层分布式结构的能源互联网能量管理系统
CN107464010A (zh) * 2017-06-29 2017-12-12 河海大学 一种虚拟电厂容量优化配置方法
CN107767033A (zh) * 2017-09-28 2018-03-06 上海交通大学 一种考虑不确定性的虚拟电厂竞价及利益分配方法及系统
CN109902884A (zh) * 2019-03-27 2019-06-18 合肥工业大学 一种基于主从博弈策略的虚拟电厂优化调度方法
CN110552848A (zh) * 2019-08-02 2019-12-10 江苏南瑞泰事达电气有限公司 一种风力分布式电源及并网性能研究方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100138065A1 (en) * 2009-02-11 2010-06-03 Taft Jeffrey D Method and system for reducing feeder circuit loss using demand response
US20110196546A1 (en) * 2010-02-09 2011-08-11 Open Access Technology International, Inc. Systems and methods for demand response and distributed energy resource management
US20160172859A1 (en) * 2010-11-18 2016-06-16 John J. Marhoefer Virtual power plant system and method incorporating renewal energy, storage and scalable value-based optimization
CN102609793A (zh) * 2012-03-22 2012-07-25 杭州盈电科技有限公司 基于多尺度规划与调度耦合的微电网能量优化管理方法
CN103824134A (zh) * 2014-03-06 2014-05-28 河海大学 一种用于虚拟电厂的两阶段优化调度方法
CN104517161A (zh) * 2014-12-25 2015-04-15 东南大学 虚拟发电厂的分布式电源组合规划系统和方法
CN105512774A (zh) * 2016-01-24 2016-04-20 浙江大学 接入分布式光伏发电的配电网检修计划优化方法
CN105761109A (zh) * 2016-02-19 2016-07-13 刘隽琦 虚拟电厂能源管理和电力交易的智能管理系统及其优化运行方法
CN106602555A (zh) * 2016-12-27 2017-04-26 上海中兴电力建设发展有限公司 具有分层分布式结构的能源互联网能量管理系统
CN107464010A (zh) * 2017-06-29 2017-12-12 河海大学 一种虚拟电厂容量优化配置方法
CN107767033A (zh) * 2017-09-28 2018-03-06 上海交通大学 一种考虑不确定性的虚拟电厂竞价及利益分配方法及系统
CN109902884A (zh) * 2019-03-27 2019-06-18 合肥工业大学 一种基于主从博弈策略的虚拟电厂优化调度方法
CN110552848A (zh) * 2019-08-02 2019-12-10 江苏南瑞泰事达电气有限公司 一种风力分布式电源及并网性能研究方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
BAHRAMI S等: "Optimal Placement of Distributed Generation Units for Constructing Virtual Power Plant Using Binary Particle Swarm Optimization Algorithm"", 《ELECTRICAL ENGINEERING》 *
刘思源: ""多时间尺度的多虚拟电厂双层协调机制与运行策略"", 《中国电机工程学报》 *
方燕琼: ""虚拟电厂研究综述"", 《 供用电》 *
李鹏 等: ""基于混沌二进制粒子群算法的独立微网系统的微电源组合优化"", 《电力自动化设备 》 *

Also Published As

Publication number Publication date
CN111126551B (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
Haggi et al. Multi-round double auction-enabled peer-to-peer energy exchange in active distribution networks
Amin et al. A converging non-cooperative & cooperative game theory approach for stabilizing peer-to-peer electricity trading
Gomes et al. A novel microgrid support management system based on stochastic mixed-integer linear programming
Zeng et al. An incentivized auction-based group-selling approach for demand response management in V2G systems
CN109389327B (zh) 基于风光不确定性的多虚拟电厂时前合作方法
CN108182507A (zh) 一种计及不确定性的售电商最优电价决策方法
Li et al. Incentivizing distributed energy trading among prosumers: A general Nash bargaining approach
Fang et al. A double auction model for competitive generators and large consumers considering power transmission cost
JP4679910B2 (ja) 電力取引市場における約定価格の決定要因分析方法及び分析のためのコンピュータプログラム
KR102672397B1 (ko) 전력거래 중개 시스템 및 방법
Dai et al. A robust biobjective optimization approach for operating a shared energy storage under price uncertainty
Tushar et al. Feasibility of using discriminate pricing schemes for energy trading in smart grid
Genc Discriminatory versus uniform-price electricity auctions with supply function equilibrium
Dynge et al. Local electricity market pricing mechanisms’ impact on welfare distribution, privacy and transparency
Vahid-Ghavidel et al. Energy storage system impact on the operation of a demand response aggregator
Schmitt et al. How will local energy markets influence the pan-European day-ahead market and transmission systems? A case study for local markets in France and Germany
Guo et al. Purchase strategies for power retailers considering load deviation and CVaR
CN111126551B (zh) 一种多投资主体模式下虚拟电厂的组合规划方法和装置
Noorfatima et al. Development of community-based peer-to-peer energy trading mechanism using Z-bus network cost allocation
Zhang et al. Optimal marketing strategy for electricity retailer considering interruptible load
CN112633942A (zh) 一种园区电力系统合约偏差费用计算方法、介质及设备
Feng et al. Research on the medium term market decision of electricity retailer considering risk
Bae et al. Comparison between seller and buyer pricing systems for energy trading in microgrids
Jiang et al. An interactive dispatching strategy for virtual power plants based on multi-energy coordination and demand side bidding
Zhao et al. Electricity price decision-making method of electricity selling company based on multi-objective optimization and Min-Max Regret Theory

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 501-503, annex building, Huaye building, No.1-3 Chuimao new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province 510000

Applicant after: China Southern Power Grid Power Technology Co.,Ltd.

Address before: Room 501-503, annex building, Huaye building, No.1-3 Chuimao new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province 510000

Applicant before: GUANGDONG ELECTRIC POWER SCIENCE RESEARCH INSTITUTE ENERGY TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant