CN111242392B - 多虚拟电厂参与主动配电网的双层-两阶段运行方法 - Google Patents

多虚拟电厂参与主动配电网的双层-两阶段运行方法 Download PDF

Info

Publication number
CN111242392B
CN111242392B CN202010153105.6A CN202010153105A CN111242392B CN 111242392 B CN111242392 B CN 111242392B CN 202010153105 A CN202010153105 A CN 202010153105A CN 111242392 B CN111242392 B CN 111242392B
Authority
CN
China
Prior art keywords
distribution network
power plant
power distribution
layer
virtual power
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
CN202010153105.6A
Other languages
English (en)
Other versions
CN111242392A (zh
Inventor
张宇华
王志南
王育飞
薛花
李兵
韩志永
黄珂
王丛
孙晓鹏
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.)
Shanghai Electric Power University
Original Assignee
Shanghai Electric Power University
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 Shanghai Electric Power University filed Critical Shanghai Electric Power University
Priority to CN202010153105.6A priority Critical patent/CN111242392B/zh
Publication of CN111242392A publication Critical patent/CN111242392A/zh
Application granted granted Critical
Publication of CN111242392B publication Critical patent/CN111242392B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

Abstract

本发明涉及一种多虚拟电厂参与主动配电网的双层‑两阶段运行方法，首先对风光出力的不确定性进行分析，将含有不确定性随机变量的约束条件构造其拉格朗日函数，并通过利用对偶定理进行鲁棒对等模型变换，从而将不确定性转化为常规混合整数线性规划模型，并在此基础上构建多个虚拟电厂参与主动配电网的双层‑两阶段协调优化模型。采用分层能量优化策略，同时考虑主动配电网的安全性与虚拟电厂的经济性之间的关系，协调优化上下层的交互功率，对配电网安全性模型采用粒子群算法寻优，虚拟电厂经济性模型采用CPLEX进行求解。本发明能够有效应对可再生能源的不确定性影响，大大提高系统的运行鲁棒性，实现虚拟电厂与主动配电网协调优化运行。

Description

多虚拟电厂参与主动配电网的双层-两阶段运行方法
技术领域
本发明涉及一种配电网技术，特别涉及一种多虚拟电厂参与主动配电网的双层-两阶段运行方法。
背景技术
为了满足日益增长的电能需求和应对化石能源短缺危机，传统配电网运行结构已无法满足新能源并网需求，含有高渗透率分布式能源(distributed energy resource,DER)的主动配电网(active distribution network,ADN)技术得到了快速发展。但是可再生能源出力的随机性、波动性以及位置分布的分散性给电力系统安全稳定运行带来了严重隐患，渗透率的提高将会进一步加剧此问题。虚拟电厂(virtual power plant,VPP)技术的提出与发展给解决该问题提供了一种新方式，VPP通过先进通信与控制技术去聚合大量分布式可再生能源，以一个特殊的电厂身份参与配电网调度。通过进行虚拟电厂与主动配电网的双层优化来协调不同电力主体的利益冲突问题，在日前规划调度中，以提高虚拟电厂参与主动配电网的电能质量，并利用通信技术对系统进行实时调度，消除可再生能源实时误差。在电网不断完善的同时带动了电力市场的革新，使虚拟电厂参与主动配电网协调优化调度成为可能。
虚拟电厂中分布式可再生能源出力波动性大、难以预测、以及统一调配难度高，是与主动配电网协调运行迫切解决的问题。
发明内容
本发明是针对虚拟电厂与主动配电网协调优化调度的问题，提出了一种多虚拟电厂参与主动配电网的双层-两阶段运行方法。首先对风光出力的不确定性进行分析，将含有不确定性随机变量的约束条件构造其拉格朗日函数，并通过利用对偶定理进行鲁棒对等模型变换，从而将不确定性转化为常规混合整数线性规划模型，并在此基础上构建多个虚拟电厂参与主动配电网的双层-两阶段协调优化模型。采用分层能量优化策略，同时考虑主动配电网的安全性与虚拟电厂的经济性之间的关系，协调优化上下层的交互功率，对配电网安全性模型采用粒子群算法寻优，虚拟电厂经济性模型采用CPLEX进行求解。在虚拟电厂与主动配电网双层能量优化的结构下，进而建立其日前-实时两阶段调度模型，日前阶段采用鲁棒优化模型对可再生能源不确定性处理，在考虑其“最恶劣”场景的情况下建立了主动配电网安全性与虚拟电厂经济性的双层优化模型，得到日前运行方案；实时阶段对其不确定性的实时误差进行校正，通过对可控单元的调节和实时市场中功率的平衡，消除可在能源误差造成的波动性。
本发明的技术方案为：一种多虚拟电厂参与主动配电网的双层-两阶段运行方法，具体包括如下步骤：
1)以一天内系统各节点电压偏移平方和及各条线路总损耗最小为目标函数，建立上层主动配电网的安全性模型，利用粒子群算法对上层主动配电网进行寻优处理，从而得到主动配电网对下层多虚拟电厂的交互功率调度指令；
2)在上层主动配电网的安全性模型的优化调度结果约束的基础上，根据各个虚拟电厂内部分布式能源的发电、用电、储能的设备信息，建立下层各个虚拟电厂的经济性模型，通过协调各个可控设备的出力，降低其整体运行成本；
3)根据各个虚拟电厂内部可再生能源信息及历史记录，对光伏、风机的出力的不确定性分析不确定性对上下层配电网运行的影响，建立上下层功率交互平衡约束、虚拟电厂备用约束和虚拟电厂功率平衡约束，将其约束中含有的不确定参数项构其拉格朗日函数，通过对偶定理将不确定参数项进行极大化下的极小化处理，将其中含有不确定参数约束转化为确定性线性规划问题，消除约束中的不确性变量，建立下层虚拟电厂鲁棒优化模型；
4)将步骤1)得到的上层主动配电网的安全性模型得到的运行方案带入步骤2)中，再经过步骤3)优化运行，采用CPLEX进行求解，进而得到了双层优化模型的日前阶段运行方案；
如果下层虚拟电厂无法满足主动配电网的调度指令，则反馈给上层电网，主动配电网重新进行调整交互功率范围大小后，再进行新一次的寻优求解，生成新的调度指令，再进行优化，直到下层各虚拟电厂完全响应上层调度指令的要求，从而生成双层优化模型的日前阶段运行方案；
5)由于可再生能源出力的具有实时误差，对方案进行实时阶段的校正，通过调节内部可控单元和在实时市场中进行功率缺额的平衡，最终得到了双层优化模型的实时阶段运行方案。
所述多虚拟电厂参与主动配电网的双层-两阶段运行方法，构建多虚拟电厂参与主动配电网的双层-两阶段优化调度模型中，以不确定变量的区间集合来代替随机变量确定性的概率分布：不确定参数为上下层功率交互平衡约束、虚拟电厂备用约束、虚拟电厂功率平衡约束，光伏与风机出力为不确性因素，通过考虑“最恶劣”条件下的运行方案，使得鲁棒优化模型的虚拟电厂能应对可在生能源出力的波动性。
本发明的有益效果在于：本发明多虚拟电厂参与主动配电网的双层-两阶段运行方法，能够有效地应对可再生能源不确定性的影响，大大提高系统的运行鲁棒性，协调主动配电网安全性与虚拟电厂经济性关系，实现虚拟电厂与主动配电网协调优化运行。
附图说明
图1为本发明多虚拟电厂参与主动配电网的能量交互模型图；
图2为本发明多虚拟电厂参与主动配电网的双层-两阶段优化流程图。
具体实施方式
多虚拟电厂参与主动配电网的双层-两阶段运行方法，1)为了保证主动配电网稳定运行，提高供电质量，首先建立上层主动配电网的安全性优化模型；2)在上层主动配电网安全性优化模型的调度结果约束的基础上，根据虚拟电厂内部分布式能源的发电、用电、储能的设备信息，建立下层虚拟电厂的经济性模型；3)根据虚拟电厂内部可再生能源信息及历史记录，对光伏、风机的出力的不确定性进行处理，将确定性优化的虚拟电厂模型转化为鲁棒优化的虚拟电厂模型；4)在前基础上，得到了基于鲁棒模型的多虚拟电厂参与主动配电网的双层优化调度运行方式，在分别考虑主动配电网的安全性与虚拟电厂的经济性的情况下，协调优化上下层交互功率，进而得到了双层优化模型的日前阶段运行方案，该方案具有较高鲁棒性；5)由于可再生能源出力的具有实时误差，所以要进行实时阶段的校正，通过调节内部可控单元和在实时市场中进行功率缺额的平衡，最终得到了双层优化模型的实时阶段运行方案。
构建多虚拟电厂参与主动配电网的双层-两阶段优化调度模型：
上层主动配电网层以一天内系统各节点电压偏移平方和及各条线路总损耗最小为目标函数，建立起安全性模型，保证其处于正常运行状态，具体描述如下：
min Fupper＝μlossFloss+μvoffFvoff (1)
式中Floss与Fvoff分别表示为配网层损耗和电压偏移函数，μloss与μvoff分别为函数Floss与Fvoff所占的权重系数。
Figure BDA0002403129030000041
式中，N为配电网节点数目；T为调度周期；Ui(t)为节点i在t时刻的电压标幺值；ΔU为节点电压偏移惩罚阈值，设为0.05；
Figure BDA0002403129030000042
为节点电压偏移惩罚系数；[x]+为x取整运算。
Floss＝Ploss+Qloss (3)
Figure BDA0002403129030000043
Figure BDA0002403129030000044
Figure BDA0002403129030000045
Figure BDA0002403129030000046
Figure BDA0002403129030000047
Figure BDA0002403129030000048
式中，Ploss为有功总损耗；Qloss为无功总功率；θi别为节点i的相角；θj为节点j相角；Pi,Pj,Qi,Qj分别为节点i、j的注入有功、无功功率；rij,xij分别为节点i、j间线路的电阻与电抗；αij,βij分别为节点i、j间有功损耗系数；ωij,ξij分别为节点i、j间无功损耗系数。
上层主动配电网约束有潮流约束、交互功率约束、电压约束、功率传输约束，在此不做赘述，其中与下层虚拟电厂功率平衡约束如下所示：
Figure BDA0002403129030000051
式中，
Figure BDA0002403129030000052
分别表示第i个虚拟电厂光伏、风机、燃气轮机、燃料电池、储能以及负荷的功率大小；
Figure BDA0002403129030000053
表示第i个虚拟电厂与主动配电网的交互功率；n为虚拟电厂个数。
下层虚拟电厂模型是在上层主动配电网优化结果约束的基础上综合考虑各种可控资源(包括分布式电源(distributed generator,DG)、储能)等调度主体的综合成本和环境效益，通过协调各个可控设备的出力，降低其整体运行成本。
将分散在主动配电网用电终端的各种分布式可再生能源(如光伏、风力发电)、柔性负荷、储能系统以及可控发电单元通过先进的通信、控制技术聚合成不同区域的多个小型虚拟电厂，通过调控用电终端各个区域的虚拟电厂来协调主动配电网的优化运行，以提高整个电力系统运行稳定性。多虚拟电厂在很多文献中都有所提起和应用，并非文中创新之处，由于各虚拟电厂结构类似，下面以单个虚拟电厂为例建立其模型，其目标函数为：
min Flower＝Ffuel+Fw+Fk+Fh+Fj (11)
其中，
Figure BDA0002403129030000054
Fw＝kMTPMT+kFCPFC+kESSPESS+kVPV+kWPW (13)
Figure BDA0002403129030000061
Figure BDA0002403129030000062
Figure BDA0002403129030000063
式中，Ffuel,Fw,Fk,Fj,Fh分别为可控电源成本、系统维护成本、可中断负荷成本、交互成本以及环境成本；a，b，c分别为燃气轮机成本系数；SFC为燃料电池成本系数；kMT,kFC,kESS,kV,kW分别为燃气轮机、燃料电池、储能、光能以及风机维护系数；Pk为可中断负荷功率，Ck为其单位功率补偿费用；J为污染物种类数；Aj,Bj分别代表第j种污染物单位排放量的惩罚费用与分布式可控电源单位电量产生第j种污染物量；Cbuy,Csell分别为虚拟电厂日前市场地购、售电电价；PMT,t，PFC,t分别表示燃气轮机与燃料电池在时间t时刻的功率。
Figure BDA0002403129030000064
分别为虚拟电厂日前市场中购、售电量。
下层虚拟电厂约束有分布式可控电源约束(包括燃气轮机与燃料电池约束)、交互功率约束、储能约束、可控负荷约束，在此不做赘述，其中功率平衡约束同式(10)，备用功率约束如下所示：
Figure BDA0002403129030000065
式中，PV，t，PW,t，PESS,t，PL,t分别表示虚拟电厂光伏、风机、储能以及负荷在t时刻的功率大小；
Figure BDA0002403129030000066
分别表示燃气轮机和燃料电池在t时刻的最大出力功率；PPCC，t表示虚拟电厂与主动配电网在t时刻的交互功率；η为负荷波动系数。
构建多虚拟电厂参与主动配电网的双层-两阶段优化调度模型中，以不确定变量的区间集合来代替随机变量确定性的概率分布，不需要大量统计结果和精确的分布规律，通过考虑“最恶劣”条件下的运行方案，使得系统鲁棒性优化结果更切合工程实际需要。
考虑光伏与风机出力不确性因素，构建其箱式不确定集U，描述如下：
Figure BDA0002403129030000071
对虚拟电厂内多个分布式可再生能源出力用等效出力PS表示，则其箱式不确性集U转化为:
Figure BDA0002403129030000072
式中，
Figure BDA0002403129030000073
ζV ,ζW ,ζS ,分别表示光伏功率、风能功率以及可再生能源等效出力的预测偏差上、下限；ζV，t,ζW，t,ζS，t分别表示光伏功率、风能功率以及可再生能源等效出力在时间t时刻的实际偏差；eΤ为1的列向量转置；
Figure BDA0002403129030000074
PS，t为t时刻可再生能源等效出力的预测值和实际值。
构建的多虚拟电厂参与主动配电网的双层-两阶段优化调度模型，对于不确定性随机变量，不单单考虑了其对下层虚拟电厂内部的影响，同时考虑了不确定性对上层配电网运行的影响，有效抑制了系统不确定性因素在上下层之间的交互影响；
本发明所提的鲁棒优化模型要求所得优化方案在可再生能源出力波动下仍能满足系统安全运行。不确定参数主要影响上下层功率交互平衡约束、虚拟电厂备用约束、虚拟电厂功率平衡约束。可将式(10)和(17)等价转化为式(20)和(21)。
PPCC,t＝PL,t-PS,t-PMT,t-PFC,t-PESS,t (20)
Figure BDA0002403129030000081
为了消除等式约束，将式(20)代入式(21)可得：
Figure BDA0002403129030000082
式中：
Figure BDA0002403129030000083
分别燃气轮机和燃料电池出力的最大值。
通过考虑“最恶劣”条件下的运行方案，使得鲁棒优化模型的虚拟电厂能应对可在生能源出力的波动性，将上式中含不确定参数项最大化得：
Figure BDA0002403129030000084
构建的多虚拟电厂参与主动配电网的双层-两阶段优化调度模型中，将含有不确定性随机变量的约束条件构造其拉格朗日函数，并通过利用对偶定理进行鲁棒对等模型变换，从而将不确定性转化为常规混合整数线性规划模型；
将上式中含有不确定参数的
Figure BDA0002403129030000085
构造其拉格朗日函数，并对其求导：
Figure BDA0002403129030000086
根据对偶理论可得：
Figure BDA0002403129030000087
经过上述变换后，含有不确定参数约束式(20)和(21)可转化为式(26)
Figure BDA0002403129030000088
式中：L表示为拉格朗日函数，
Figure BDA0002403129030000091
表示对函数L求导；λt,δt,γt分别为时间t时刻的拉格朗日乘子，皆为辅助量，无具体物理意义。
经过鲁棒模型的对等变换，不确定参数已被消除，下层虚拟电厂鲁棒优化模型已转变为常规的线性规划模型。
构建的多虚拟电厂参与主动配电网的双层-两阶段优化调度模型中，同时考虑主动配电网安全性和虚拟电厂经济性的基础上，对不同电力主体之间的功率进行协调优化。虽然虚拟电厂与主动配电网属于两个不同的电力主体，个体局部的最优与整体全局最优存在矛盾，但采用双层规划理论进行交替优化可以很好的解决此问题；
由上层主动配电网控制中心向下层各虚拟电厂传送调度指令，各虚拟电厂在满足自身运行约束的条件下对上层控制中心的调度指令进行响应，并将初步响应后的调度结果反馈给配网层，上层控制中心根据下层的响应结果来更新自身的调度计划，系统进入在再调度-再响应过程，不同利益主体参与者互相影响，最终达到一个最佳平衡的状态。
构建的多虚拟电厂参与主动配电网的双层-两阶段优化调度模型中，由于上层主动配电网中含有非线性非凸约函数，故采用粒子群算法进行求解，而下层虚拟电厂经过推导变换后，变成了常规线性规划模型，采用CPLEX进行求解，求解流程如图2所示。
图2为整个完整方案的运行优化流程，首先在主动配电网系统中建立起以功率损耗最少和节点电压偏移量最小为目标的安全性模型，由于配电网中存在潮流平衡约束，难以处理，故采用智能算法适合求解，利用粒子群算法对上层主动配电网进行寻优处理，从而得到主动配电网对下层多虚拟电厂的调度指令(即交互功率大小)，再将上层通过粒子群算法优化得到的调度指令代入下层各虚拟电厂模型中。由于下层虚拟电厂中聚合了大量分布式可在生能源，出力具有随机性、波动性，首先将下层中不确定性因素进行处理，利用建立拉格朗日函数和对偶问题将其中含有不确定参数约束转化为一般的确定性线性规划问题，消除约束中的不确性变量，建立起下层虚拟电厂鲁棒优化模型。然后在上层配电网调度指令的约束下，对虚拟电厂内部各个单元出力进行最优化求解，由于此时已经消除掉了约束中的不确定性参数影响，故采用CPLEX进行求解。如果下层虚拟电厂无法满足主动配电网的调度指令，则反馈给上层电网，主动配电网重新进行调整交互功率范围大小后，再进行新一次的寻优求解，生成新的调度指令，如此循环优化，直到下层各虚拟电厂可以完全响应上层调度指令的要求，从而生成整个系统的日前双层优化运行方案。由于实时运行阶段，分布式可再生能源的出力存在偏差，需要对实时运行功率进行缺额补偿，由于分布可再生能源存在于下层的虚拟电厂中，故由下层各虚拟电厂参与实时市场进行购、售因出力误差造成的功率不平衡量，从而修正日前运行计划，生成实时双层优化运行方案。
构建的多虚拟电厂参与主动配电网的双层-两阶段优化调度模型有如下特点：
1)日前阶段充分考虑系统内可再生能源的不确定性影响，采用鲁棒优化方式进行有效处理，在考虑其“最恶劣”场景的情况下建立主动配电网安全性与虚拟电厂经济性的日前-双层优化模型，得到系统日前运行方案。
2)实时阶段对其不确定性的实时误差进行校正，主要体现在虚拟电厂内部可再生能源的出力偏差上，由虚拟电厂参与实时市场进行功率缺额平衡，所以在日前目标函数的基础上增设了实时市场功率平衡成本，以消除可在能源误差造成的波动性。
日前阶段的双层优化调度模型上面已经进行了详细的介绍，实时阶段的双层优化模型主要为了消除不确定性的实时误差，上层安全性模型不变，主要体现在下层含有可再生能源的虚拟电厂经济性模型上，增加了实时功率的平衡成本，故目标函数中的式(16)可以转化为如下形式，虚拟电厂其余模型保持不变。
Figure BDA0002403129030000101
式中，Csbuy、Cssell分别为实时市场中的购售、电价；
Figure BDA0002403129030000111
分别为在实时市场中的购、售电量，皆为实时市场中的功率平衡量。
在实时运行阶段，下层会因分布式可在生能源的出力误差产生功率的不平衡量，如果日前运行方案过于保守，则会存在实际可在生能源出力大于日前预测值，存在功率“富余”情况，此时下层各虚拟电厂参与实时市场出售多余的电量；如果日前运行方案过于冒险，则会存在实际可再生能源出力小于日前预测值，存在功率“缺额”情况，此时下层各虚拟电厂参与实时市场中购买缺少的电量，从而修正日前运行计划，得到实时运行方案。
本发明首先对风光出力的不确定性进行分析，将含有不确定性随机变量的约束条件构造其拉格朗日函数，并通过利用对偶定理进行鲁棒对等模型变换，从而将不确定性转化为常规混合整数线性规划模型，并在此基础上构建多个虚拟电厂参与主动配电网的双层-两阶段协调优化模型。采用分层能量优化策略，同时考虑主动配电网的安全性与虚拟电厂的经济性之间的关系，协调优化上下层的交互功率，对配电网安全性模型采用粒子群算法寻优，虚拟电厂经济性模型采用CPLEX进行求解。在虚拟电厂与主动配电网双层能量优化的结构下，进而建立其日前-实时两阶段调度模型，日前阶段采用鲁棒优化模型对可再生能源不确定性处理，在考虑其“最恶劣”场景的情况下建立了主动配电网安全性与虚拟电厂经济性的双层优化模型，得到日前运行方案；实时阶段对不确定性因素的实时误差进行校正，通过对可控单元的调节和实时市场中功率的平衡，消除可在能源误差造成的波动性。能够有效应对可再生能源的不确定性影响，大大提高系统的运行鲁棒性，同时协调配电网安全性与虚拟电厂经济性关系，实现虚拟电厂与主动配电网协调优化运行。

Claims (1)

1.一种多虚拟电厂参与主动配电网的双层-两阶段运行方法，其特征在于，具体包括如下步骤：
1)以一天内系统各节点电压偏移平方和及各条线路总损耗最小为目标函数，建立上层主动配电网的安全性模型，利用粒子群算法对上层主动配电网进行寻优处理，从而得到主动配电网对下层多虚拟电厂的交互功率调度指令；
2)在上层主动配电网的安全性模型的优化调度结果约束的基础上，根据各个虚拟电厂内部分布式能源的发电、用电、储能的设备信息，建立下层各个虚拟电厂的经济性模型，通过协调各个可控设备的出力，降低其整体运行成本；
3)根据各个虚拟电厂内部可再生能源信息及历史记录，对光伏、风机的出力的不确定性分析不确定性对上下层配电网运行的影响，建立上下层功率交互平衡约束、虚拟电厂备用约束和虚拟电厂功率平衡约束，将其约束中含有的不确定参数项构其拉格朗日函数，通过对偶定理将不确定参数项进行极大化下的极小化处理，将其中含有不确定参数约束转化为确定性线性规划问题，消除约束中的不确性变量，建立下层虚拟电厂鲁棒优化模型；
4)将步骤1)得到的上层主动配电网的安全性模型得到的运行方案带入步骤2)中，再经过步骤3)优化运行，采用CPLEX进行求解，进而得到了双层优化模型的日前阶段运行方案；
如果下层虚拟电厂无法满足主动配电网的调度指令，则反馈给上层电网，主动配电网重新进行调整交互功率范围大小后，再进行新一次的寻优求解，生成新的调度指令，再进行优化，直到下层各虚拟电厂完全响应上层调度指令的要求，从而生成双层优化模型的日前阶段运行方案；
5)由于可再生能源出力的具有实时误差，对方案进行实时阶段的校正，通过调节内部可控单元和在实时市场中进行功率缺额的平衡，最终得到了双层优化模型的实时阶段运行方案。
CN202010153105.6A 2020-03-06 2020-03-06 多虚拟电厂参与主动配电网的双层-两阶段运行方法 Active CN111242392B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010153105.6A CN111242392B (zh) 2020-03-06 2020-03-06 多虚拟电厂参与主动配电网的双层-两阶段运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010153105.6A CN111242392B (zh) 2020-03-06 2020-03-06 多虚拟电厂参与主动配电网的双层-两阶段运行方法

Publications (2)

Publication Number Publication Date
CN111242392A CN111242392A (zh) 2020-06-05
CN111242392B true CN111242392B (zh) 2022-12-09

Family

ID=70869865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010153105.6A Active CN111242392B (zh) 2020-03-06 2020-03-06 多虚拟电厂参与主动配电网的双层-两阶段运行方法

Country Status (1)

Country Link
CN (1) CN111242392B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112330045A (zh) * 2020-09-02 2021-02-05 国网冀北电力有限公司承德供电公司 一种基于K-medoids聚类分析方法的输电网线损评估与降损方法
CN112952908B (zh) * 2021-03-29 2024-02-02 四川大学 一种多合作微电网主体分布式协调交易方法
CN113034047B (zh) * 2021-04-21 2023-06-30 河南工业职业技术学院 一种柔性制造车间优化调度方法及系统
CN113507141B (zh) * 2021-07-08 2024-04-09 国网上海市电力公司 虚拟电厂等效闭环控制方法、系统、电子设备和存储介质
CN113762622B (zh) * 2021-09-09 2023-09-19 国网上海市电力公司 一种虚拟电厂接入点及容量优化规划方法
CN113793029A (zh) * 2021-09-14 2021-12-14 国网上海市电力公司 一种虚拟电厂优化调度方法及装置
CN114142532B (zh) * 2021-11-26 2023-06-23 国网山东省电力公司电力科学研究院 分布式光伏参与源网荷储协调控制的方法及系统
CN114859761B (zh) * 2022-04-12 2023-05-23 华能澜沧江水电股份有限公司 一种交互式电站的智能控制方法及系统
CN115062835A (zh) * 2022-06-10 2022-09-16 山东大学 基于虚拟发电厂的主动配电网分布式资源优化调度方法
CN115795875B (zh) * 2022-12-02 2023-06-16 山东大学 考虑配电网络安全的聚合商鲁棒运行包络估计方法及系统
CN116031951B (zh) * 2023-02-03 2023-10-13 国网安徽省电力有限公司营销服务中心 一种基于虚拟电厂的分布式光伏发电分流管理系统
CN117424295B (zh) * 2023-12-19 2024-02-27 山西中能博源能源科技有限公司 优化分布式资源聚合的虚拟电厂智慧控制系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106712031A (zh) * 2017-02-10 2017-05-24 东南大学 计及不确定性的主动配电网序贯‑鲁棒优化调度系统及调度方法
CN108388973A (zh) * 2018-01-11 2018-08-10 河海大学 一种虚拟电厂自适应鲁棒调度优化方法
CN108832665A (zh) * 2018-07-04 2018-11-16 四川大学 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度模型
CN109474022A (zh) * 2019-01-22 2019-03-15 合肥工业大学 考虑源荷互动和分布式电源出力随机性的配电网优化调控方法
CN109948823A (zh) * 2018-10-29 2019-06-28 河海大学 一种光储充电塔自适应鲁棒日前优化调度方法
CN110147907A (zh) * 2019-05-20 2019-08-20 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
CN110739725A (zh) * 2019-09-27 2020-01-31 上海电力大学 一种配电网优化调度方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106712031A (zh) * 2017-02-10 2017-05-24 东南大学 计及不确定性的主动配电网序贯‑鲁棒优化调度系统及调度方法
CN108388973A (zh) * 2018-01-11 2018-08-10 河海大学 一种虚拟电厂自适应鲁棒调度优化方法
CN108832665A (zh) * 2018-07-04 2018-11-16 四川大学 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度模型
CN109948823A (zh) * 2018-10-29 2019-06-28 河海大学 一种光储充电塔自适应鲁棒日前优化调度方法
CN109474022A (zh) * 2019-01-22 2019-03-15 合肥工业大学 考虑源荷互动和分布式电源出力随机性的配电网优化调控方法
CN110147907A (zh) * 2019-05-20 2019-08-20 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
CN110739725A (zh) * 2019-09-27 2020-01-31 上海电力大学 一种配电网优化调度方法

Also Published As

Publication number Publication date
CN111242392A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN111242392B (zh) 多虚拟电厂参与主动配电网的双层-两阶段运行方法
CN107958300B (zh) 一种考虑互动响应的多微网互联运行协调调度优化方法
Wang et al. Interactive dispatch modes and bidding strategy of multiple virtual power plants based on demand response and game theory
CN110276698B (zh) 基于多智能体双层协同强化学习的分布式可再生能源交易决策方法
Ouammi et al. Coordinated model predictive-based power flows control in a cooperative network of smart microgrids
Tan et al. A game-theoretic framework for vehicle-to-grid frequency regulation considering smart charging mechanism
Zhao et al. Distributed model predictive control strategy for islands multimicrogrids based on noncooperative game
Velasquez et al. Intra-hour microgrid economic dispatch based on model predictive control
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
Choobineh et al. Robust optimal energy pricing and dispatch for a multi-microgrid industrial park operating based on just-in-time strategy
Lee et al. Optimal operation strategy of virtual power plant considering real-time dispatch uncertainty of distributed energy resource aggregation
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
CN111769543A (zh) 一种含多微网的区域配电网自律协同运行优化方法
CN111667109A (zh) 一种虚拟电厂的出力控制方法及装置
CN112966855A (zh) 考虑风电不确定性的电-气耦合能源配网协调优化方法
Saha Adaptive model-based receding horizon control of interconnected renewable-based power micro-grids for effective control and optimal power exchanges
Lagouir et al. Multi-objective optimization dispatch based energy management of A microgrid running under grid connected and standalone operation mode
Yan et al. Optimal management of microgrid, considering various renewable and storage units of electrical-thermal generations and demand response program
Liu et al. Multi-energy coordination based on multi-agent system in energy internet
CN114362169A (zh) 一种计及光储型虚拟电厂边际成本的分层协调调控方法
Lezhniuk et al. Improving the Energy Efficiency of RES in the Electricity Balance of Power Systems
CN113837449A (zh) 虚拟电厂参与的电网系统集中优化调度方法
Chen et al. Research on distributed renewable energy transaction decision-making based on multi-agent bilevel cooperative reinforcement learning
Miracle et al. Hybrid Metaheuristic Model for Optimal Economic Load Dispatch in Renewable Hybrid Energy System
Wang et al. Multi-timescale energy sharing with grid-BESS capacity rental considering 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
GR01 Patent grant
GR01 Patent grant