CN111414690A - 一种基于分类聚合的虚拟电厂调度参数计算方法 - Google Patents

Abstract

本发明涉及一种基于分类聚合的虚拟电厂调度参数计算方法，属于电力系统的运行控制技术领域。本发明将多个分布式发电机聚合形成虚拟发电机模型，包括虚拟发电机向上爬坡速率、向下爬坡速率、电出力上限和电出力下限；将多个储能设备聚合形成一个虚拟储能设备模型，包括虚拟储能充电功率上限、放电功率上限、容量上限和容量下限；将风电、光伏和电负荷聚合形成虚拟负荷曲线的模型。本发明提出的基于分类聚合的虚拟电厂调度参数计算方法，利用虚拟电厂技术，将分布式资源聚合成电网调度可用的模型，实现对大量分布式电源的灵活控制，为电网提供新的灵活可调节能力，有效应对电网中可再生能源随机性持续增加、峰谷差不断增大的挑战，提升电网运行的经济性和安全性。

Description

一种基于分类聚合的虚拟电厂调度参数计算方法

技术领域

本发明涉及一种基于分类聚合的虚拟电厂调度参数计算方法，属于电力系统的运行控制技术领域。

技术背景

为有效解决社会发展过程中面临的能源与环境问题，能源互联网开始获得快速发展与工程应用。在此背景下，电力系统出现如下新的挑战：一方面，随着可再生能源的持续发展和并网、负荷峰谷差的增大等，需要更多的调节容量和更快的调节速率，电力系统中传统的灵活可调节能力已经出现不足，亟待进一步挖掘新的可调节资源；另一方面，分布式电源、储能及可控负荷等分布式资源的发展有望提供新的可调节资源，但由于其数量多、容量小、地理位置分散等特性，电网调度中心难以直接利用集中调度的方式对这些分布式资源进行调控。目前提出了虚拟电厂模型，将分布式资源聚合成电网调度可用的模型，虚拟电厂技术可有效地连接分布式资源与电网调度中心，实现对大量分布式电源的灵活控制，为电网提供新的灵活可调节能力，有效应对电网中可再生能源随机性持续增加、峰谷差不断增大的挑战，提升电网运行的经济性和安全性。

发明内容

本发明的目的是提出一种基于分类聚合的虚拟电厂调度参数计算方法，利用虚拟电厂技术，将分布式资源聚合成电网调度可用的模型，实现对大量分布式电源的灵活控制，为电网提供新的灵活可调节能力，有效应对电网中可再生能源随机性持续增加、峰谷差不断增大的挑战，提升电网运行的经济性和安全性。

本发明提出的基于分类聚合的虚拟电厂调度参数计算方法，包括以下步骤：

(1)将电网中的多个分布式发电机聚合形成一个虚拟发电机模型，包括以下步骤：

(1-1)计算虚拟发电机模型的向上爬坡速率：

式中，ramp^G_T，up是虚拟发电机模型的向上爬坡速率，ramp^G_i,up是序号为i的分布式发电机的向上爬坡速率，I是电网中所有分布式发电机的数量；

(1-2)计算虚拟发电机模型的向下爬坡速率：

式中，ramp^G_T，down是虚拟发电机模型的向下爬坡速率，ramp^G_i,down是序号为i的分布式发电机的向下爬坡速率；

(1-3)计算虚拟发电机模型的电出力上限：

(1-3-1)设定序号为i的分布式发电机的初始电出力为P_i(0)，电出力上限为P^{G _i,max}，对序号为i的分布式发电机在电网各调度时刻t的电出力上限P_t ^G_i,max进行修正，其中t＝1,2...96，过程如下：

a、令调度时刻t＝1；

b、若P_i(t-1)+Δt·ramp^G_i，up≥P^G_i,max，Δt为调度时刻的时间间隔，则该分布式发电机在该调度时刻的电出力上限为：P_t ^G_i,max＝P^G_i,max，且使以后各调度时刻的电出力上限均为P^G_i,max；

c、若P_i(t-1)+Δt·ramp^G_i，up＜P^G_i,max，则该分布式发电机在该调度时刻的电出力上限为：P_t ^G_i,max＝P_i(t-1)+Δt·ramp^G_i,up；

d、使t＝t+1，返回步骤a，直到计算完成所有的调度时刻，分别得到所有I个分布式发电机在各个调度时刻的电出力上限P_t ^G_i,max；

(1-3-2)将步骤(1-3-1)的所有I个分布式发电机在各个调度时刻的电出力上限P_t ^G_i,max相加，得到虚拟发电机模型在各调度时刻的电出力上限P_t ^G_T,max：

(1-4)计算虚拟发电机模型的电出力下限：

(1-4-1)设定序号为i的分布式发电机的初始电出力为P_i(0)，电出力下限为P^{G _i,min}，对序号为i的分布式发电机各个调度时刻t的电出力下限P_t ^G_i,min进行修正，t＝1,2...96，过程如下：

a、令调度时刻t＝1；

b、若P_i(t-1)-Δt·ramp^G_i，down≤P^G_i,min，则该分布式发电机在该调度时刻的电出力下限为：P_t ^G_i,min＝P^G_i,min，且使以后各调度时刻的电出力下限均为P^G_i,min；

c、若P_i(t-1)-Δt·ramp^G_i，down＞P^G_i,min，则该分布式发电机在该调度时刻的电出力下限为：P_t ^G_i,min＝P_i(t-1)-Δt·ramp^G_i，down；

d、使t＝t+1，返回步骤a，直到计算完成所有的调度时刻，分别得到所有I个分布式发电机各个调度时刻的电出力下限P_t ^G_i,min；

(1-4-2)将步骤(1-4-1)的所有I个分布式发电机各个调度时刻的电出力下限P_t ^{G _i,min}相加，得到虚拟发电机模型在各调度时刻的电出力下限P_t ^G_T,min：

(2)将电网中的多个储能设备聚合，形成一个虚拟储能设备模型，包括以下步骤：

(2-1)计算虚拟储能设备模型的充电功率上限：

式中，P^char_T，max是虚拟储能设备模型的充电功率上限，P^char_m,max是序号为m的储能设备的充电功率上限，M是储能设备的总数；

(2-2)计算虚拟储能设备模型的放电功率上限：

式中，P^disc_T,max为虚拟储能设备模型的放电功率上限，P^disc_m,max为序号为m的储能设备的放电功率上限；

(2-3)计算虚拟储能设备模型的容量上限：

(2-3-1)设定序号为m的储能设备的初始电量为E_m(0)，容量上限为W^ess_m,max，对序号为m的储能设备各个调度时刻t的容量上限W_t ^ess_m,max进行修正，t＝1,2...96，过程如下：

a、令调度时刻t＝1；

b、若E_m(t-1)+Δt·P^char_m,max≥W^ess_m,max，则该调度时刻序号为m的储能设备的容量为：W_t ^ess_m,max＝W^ess_m,max，且使以后各调度时刻的容量上限均为W^ess_m,max；

c、若E_m(t-1)+Δt·P^char_m,max＜W^ess_m,max，则该调度时刻序号为m的储能设备的容量为：W_t ^ess_m,max＝E_m(k-1)+Δt·P^char_m,max；

d、使t＝t+1，返回步骤a，直到计算了所有调度时刻，分别得到所有M台储能设备在各个调度时刻的容量上限；

(2-3-2)将步骤(2-3-1)得到M台储能设备在各个调度时刻的容量上限相加，得到各调度时刻虚拟储能设备模型容量上限W_t ^ess_T,max：

(2-4)计算虚拟储能设备模型的容量下限：

(2-4-1)设定序号为m的储能设备的初始电量为E_m(0)，储能容量下限为W^ess_m,min，对序号为m的储能设备在各个调度时刻t的容量下限W_t ^ess_m,min进行修正，t＝1,2...96，步骤如下：

a、令调度时刻t＝1；

b、若E_m(t-1)-Δt·P^disc_m,max≤W^ess_m,min，则该调度时刻序号为m的储能设备的容量为：W_t ^ess_m,min＝W^ess_m,min，且使以后各调度时刻的容量下限均为W^ess_m,min；

c、若E_m(t-1)-Δt·P^disc_m,max＞W^ess_m,min，则该调度时刻序号为m的储能设备的容量为：W_t ^ess_m,min＝E_m(k-1)-Δt·P^disc_m,max；

d、使t＝t+1，返回步骤a，直到计算了所有调度时刻，分别得到M台储能设备在各个调度时刻的容量下限；

(2-4-2)将步骤(2-4-1)得到的M台储能设备各个调度时刻的容量下限相加，得到各调度时刻虚拟储能设备模型的容量下限W_t ^ess_T,min：

(3)将电网中的风电、光伏和电负荷聚合形成一个虚拟负荷曲线的模型：

式中，

为虚拟负荷曲线调度时刻t的负荷功率，从虚拟电厂能量管理系统获取；

为调度时刻t的电负荷预测值，从虚拟电厂能量管理系统获取；P_t ^solar和P_t ^wind为调度时刻t的光伏和风电功率预测值，从虚拟电厂能量管理系统获取；

(4)由步骤(1)获得的虚拟发电机模型的向上爬坡速率、向下爬坡速率、电出力上限和电出力上限，步骤(2)获得的虚拟储能设备模型的充电功率上限、放电功率上限、容量上限和容量下限以及步骤(3)获得的虚拟负荷曲线的模型共同构成虚拟电厂的调度参数，将虚拟电厂的调度参数上报至电力系统控制中心，供电力系统控制中心对虚拟电厂进行调度。

本发明提出的一种基于分类聚合的虚拟电厂调度参数计算方法，其优点是：

本发明的基于分类聚合的虚拟电厂调度参数计算方法，将多个分布式发电机聚合形成虚拟发电机模型，具体包括虚拟发电机向上爬坡速率、向下爬坡速率、电出力上限和电出力下限；将多个储能设备聚合形成一个虚拟储能设备模型，包括虚拟储能充电功率上限、放电功率上限、容量上限和容量下限；将风电、光伏和电负荷聚合形成虚拟负荷曲线的模型。全面考虑了发电设备、储电设备、可在生能源和电负荷等设备，充分发挥不同能源设备的调节特性，为电力系统提供灵活可调节资源。本发明提出的基于分类聚合的虚拟电厂调度参数计算方法，利用虚拟电厂技术，将分布式资源聚合成电网调度可用的模型，实现对大量分布式电源的灵活控制，为电网提供新的灵活可调节能力，有效应对电网中可再生能源随机性持续增加、峰谷差不断增大的挑战，提升电网运行的经济性和安全性。

具体实施方式

本发明提出的基于分类聚合的虚拟电厂调度参数计算方法，其特征在于该方法包括以下步骤：

(1)将电网中的多个分布式发电机聚合形成一个虚拟发电机模型，包括以下步骤：

(1-1)计算虚拟发电机模型的向上爬坡速率：

式中，ramp^G_T，up是虚拟发电机模型的向上爬坡速率，ramp^G_i,up是序号为i的分布式发电机的向上爬坡速率，I是电网中所有分布式发电机的数量；

(1-2)计算虚拟发电机模型的向下爬坡速率：

式中，ramp^G_T，down是虚拟发电机模型的向下爬坡速率，ramp^G_i,down是序号为i的分布式发电机的向下爬坡速率；

(1-3)计算虚拟发电机模型的电出力上限：

(1-3-1)设定序号为i的分布式发电机的初始电出力为P_i(0)，电出力上限为P^{G _i,max}，对序号为i的分布式发电机在电网各调度时刻t的电出力上限P_t ^G_i,max进行修正，其中t＝1,2...96，过程如下：

a、令调度时刻t＝1；

b、若P_i(t-1)+Δt·ramp^G_i，up≥P^G_i,max，Δt为调度时刻的时间间隔，则该分布式发电机在该调度时刻的电出力上限为：P_t ^G_i,max＝P^G_i,max，且使以后各调度时刻的电出力上限均为P^G_i,max；

c、若P_i(t-1)+Δt·ramp^G_i，up＜P^G_i,max，则该分布式发电机在该调度时刻的电出力上限为：P_t ^G_i,max＝P_i(t-1)+Δt·ramp^G_i,up；

d、使t＝t+1，返回步骤a，直到计算完成所有的调度时刻，分别得到所有I个分布式发电机在各个调度时刻的电出力上限P_t ^G_i,max；

(1-3-2)将步骤(1-3-1)的所有I个分布式发电机在各个调度时刻的电出力上限P_t ^G_i,max相加，得到虚拟发电机模型在各调度时刻的电出力上限P_t ^G_T,max：

(1-4)计算虚拟发电机模型的电出力下限：

(1-4-1)设定序号为i的分布式发电机的初始电出力为P_i(0)，电出力下限为P^{G _i,min}，对序号为i的分布式发电机各个调度时刻t的电出力下限P_t ^G_i,min进行修正，t＝1,2...96，过程如下：

a、令调度时刻t＝1；

b、若P_i(t-1)-Δt·ramp^G_i，down≤P^G_i,min，则该分布式发电机在该调度时刻的电出力下限为：P_t ^G_i,min＝P^G_i,min，且使以后各调度时刻的电出力下限均为P^G_i,min；

c、若P_i(t-1)-Δt·ramp^G_i，down＞P^G_i,min，则该分布式发电机在该调度时刻的电出力下限为：P_t ^G_i,min＝P_i(t-1)-Δt·ramp^G_i，down；

d、使t＝t+1，返回步骤a，直到计算完成所有的调度时刻，分别得到所有I个分布式发电机各个调度时刻的电出力下限P_t ^G_i,min；

(1-4-2)将步骤(1-4-1)的所有I个分布式发电机各个调度时刻的电出力下限P_t ^{G _i,min}相加，得到虚拟发电机模型在各调度时刻的电出力下限P_t ^G_T,min：

(2)将电网中的多个储能设备聚合，形成一个虚拟储能设备模型，包括以下步骤：

(2-1)计算虚拟储能设备模型的充电功率上限：

式中，P^char_T，max是虚拟储能设备模型的充电功率上限，P^char_m,max是序号为m的储能设备的充电功率上限，M是储能设备的总数；

(2-2)计算虚拟储能设备模型的放电功率上限：

式中，P^disc_T,max为虚拟储能设备模型的放电功率上限，P^disc_m,max为序号为m的储能设备的放电功率上限；

(2-3)计算虚拟储能设备模型的容量上限：

(2-3-1)设定序号为m的储能设备的初始电量为E_m(0)，容量上限为W^ess_m,max，对序号为m的储能设备各个调度时刻t的容量上限W_t ^ess_m,max进行修正，t＝1,2...96，过程如下：

a、令调度时刻t＝1；

b、若E_m(t-1)+Δt·P^char_m,max≥W^ess_m,max，则该调度时刻序号为m的储能设备的容量为：W_t ^ess_m,max＝W^ess_m,max，且使以后各调度时刻的容量上限均为W^ess_m,max；

c、若E_m(t-1)+Δt·P^char_m,max＜W^ess_m,max，则该调度时刻序号为m的储能设备的容量为：W_t ^ess_m,max＝E_m(k-1)+Δt·P^char_m,max；

d、使t＝t+1，返回步骤a，直到计算了所有调度时刻，分别得到所有M台储能设备在各个调度时刻的容量上限；

(2-3-2)将步骤(2-3-1)得到M台储能设备在各个调度时刻的容量上限相加，得到各调度时刻虚拟储能设备模型容量上限W_t ^ess_T,max：

(2-4)计算虚拟储能设备模型的容量下限：

(2-4-1)设定序号为m的储能设备的初始电量为E_m(0)，储能容量下限为W^ess_m,min，对序号为m的储能设备在各个调度时刻t的容量下限W_t ^ess_m,min进行修正，t＝1,2...96，步骤如下：

a、令调度时刻t＝1；

b、若E_m(t-1)-Δt·P^disc_m,max≤W^ess_m,min，则该调度时刻序号为m的储能设备的容量为：W_t ^ess_m,min＝W^ess_m,min，且使以后各调度时刻的容量下限均为W^ess_m,min；

c、若E_m(t-1)-Δt·P^disc_m,max＞W^ess_m,min，则该调度时刻序号为m的储能设备的容量为：W_t ^ess_m,min＝E_m(k-1)-Δt·P^disc_m,max；

d、使t＝t+1，返回步骤a，直到计算了所有调度时刻，分别得到M台储能设备在各个调度时刻的容量下限；

(2-4-2)将步骤(2-4-1)得到的M台储能设备各个调度时刻的容量下限相加，得到各调度时刻虚拟储能设备模型的容量下限W_t ^ess_T,min：

(3)将电网中的风电、光伏和电负荷聚合形成一个虚拟负荷曲线的模型：

式中，

为虚拟负荷曲线调度时刻t的负荷功率，从虚拟电厂能量管理系统获取；

为调度时刻t的电负荷预测值，从虚拟电厂能量管理系统获取；P_t ^solar和P_t ^wind为调度时刻t的光伏和风电功率预测值，从虚拟电厂能量管理系统获取；

(4)由步骤(1)获得的虚拟发电机模型的向上爬坡速率、向下爬坡速率、电出力上限和电出力上限，步骤(2)获得的虚拟储能设备模型的充电功率上限、放电功率上限、容量上限和容量下限以及步骤(3)获得的虚拟负荷曲线的模型共同构成虚拟电厂的调度参数，将虚拟电厂的调度参数上报至电力系统控制中心，供电力系统控制中心对虚拟电厂进行调度。

Claims (1)

1.一种基于分类聚合的虚拟电厂调度参数计算方法，其特征在于该方法包括以下步骤：

(1)将电网中的多个分布式发电机聚合形成一个虚拟发电机模型，包括以下步骤：

(1-1)计算虚拟发电机模型的向上爬坡速率：

式中，ramp^G_T，up是虚拟发电机模型的向上爬坡速率，ramp^G_i,up是序号为i的分布式发电机的向上爬坡速率，I是电网中所有分布式发电机的数量；

(1-2)计算虚拟发电机模型的向下爬坡速率：

式中，ramp^G_T，down是虚拟发电机模型的向下爬坡速率，ramp^G_i,down是序号为i的分布式发电机的向下爬坡速率；

(1-3)计算虚拟发电机模型的电出力上限：

(1-3-1)设定序号为i的分布式发电机的初始电出力为P_i(0)，电出力上限为P^G_i,max，对序号为i的分布式发电机在电网各调度时刻t的电出力上限P_t ^G_i,max进行修正，其中t＝1,2...96，过程如下：

a、令调度时刻t＝1；

b、若P_i(t-1)+Δt·ramp^G_i，up≥P^G_i,max，Δt为调度时刻的时间间隔，则该分布式发电机在该调度时刻的电出力上限为：P_t ^G_i,max＝P^G_i,max，且使以后各调度时刻的电出力上限均为P^G_i,max；

c、若P_i(t-1)+Δt·ramp^G_i，up＜P^G_i,max，则该分布式发电机在该调度时刻的电出力上限为：P_t ^G_i,max＝P_i(t-1)+Δt·ramp^G_i,up；

d、使t＝t+1，返回步骤a，直到计算完成所有的调度时刻，分别得到所有I个分布式发电机在各个调度时刻的电出力上限P_t ^G_i,max；

(1-3-2)将步骤(1-3-1)的所有I个分布式发电机在各个调度时刻的电出力上限P_t ^G_i,max相加，得到虚拟发电机模型在各调度时刻的电出力上限P_t ^G_T,max：

(1-4)计算虚拟发电机模型的电出力下限：

(1-4-1)设定序号为i的分布式发电机的初始电出力为P_i(0)，电出力下限为P^G_i,min，对序号为i的分布式发电机各个调度时刻t的电出力下限P_t ^G_i,min进行修正，t＝1,2...96，过程如下：

a、令调度时刻t＝1；

b、若P_i(t-1)-Δt·ramp^G_i，down≤P^G_i,min，则该分布式发电机在该调度时刻的电出力下限为：P_t ^G_i,min＝P^G_i,min，且使以后各调度时刻的电出力下限均为P^G_i,min；

c、若P_i(t-1)-Δt·ramp^G_i，down＞P^G_i,min，则该分布式发电机在该调度时刻的电出力下限为：P_t ^G_i,min＝P_i(t-1)-Δt·ramp^G_i，down；

d、使t＝t+1，返回步骤a，直到计算完成所有的调度时刻，分别得到所有I个分布式发电机各个调度时刻的电出力下限P_t ^G_i,min；

(1-4-2)将步骤(1-4-1)的所有I个分布式发电机各个调度时刻的电出力下限P_t ^G_i,min相加，得到虚拟发电机模型在各调度时刻的电出力下限P_t ^G_T,min：

(2)将电网中的多个储能设备聚合，形成一个虚拟储能设备模型，包括以下步骤：

(2-1)计算虚拟储能设备模型的充电功率上限：

式中，P^char_T，max是虚拟储能设备模型的充电功率上限，P^char_m,max是序号为m的储能设备的充电功率上限，M是储能设备的总数；

(2-2)计算虚拟储能设备模型的放电功率上限：

式中，P^disc_T,max为虚拟储能设备模型的放电功率上限，P^disc_m,max为序号为m的储能设备的放电功率上限；

(2-3)计算虚拟储能设备模型的容量上限：

(2-3-1)设定序号为m的储能设备的初始电量为E_m(0)，容量上限为W^ess_m,max，对序号为m的储能设备各个调度时刻t的容量上限W_t ^ess_m,max进行修正，t＝1,2...96，过程如下：

a、令调度时刻t＝1；

b、若E_m(t-1)+Δt·P^char_m,max≥W^ess_m,max，则该调度时刻序号为m的储能设备的容量为：W_t ^ess_m,max＝W^ess_m,max，且使以后各调度时刻的容量上限均为W^ess_m,max；

c、若E_m(t-1)+Δt·P^char_m,max＜W^ess_m,max，则该调度时刻序号为m的储能设备的容量为：W_t ^ess_m,max＝E_m(k-1)+Δt·P^char_m,max；

d、使t＝t+1，返回步骤a，直到计算了所有调度时刻，分别得到所有M台储能设备在各个调度时刻的容量上限；

(2-3-2)将步骤(2-3-1)得到M台储能设备在各个调度时刻的容量上限相加，得到各调度时刻虚拟储能设备模型容量上限W_t ^ess_T,max：

(2-4)计算虚拟储能设备模型的容量下限：

(2-4-1)设定序号为m的储能设备的初始电量为E_m(0)，储能容量下限为W^ess_m,min，对序号为m的储能设备在各个调度时刻t的容量下限W_t ^ess_m,min进行修正，t＝1,2...96，步骤如下：

a、令调度时刻t＝1；

b、若E_m(t-1)-Δt·P^disc_m,max≤W^ess_m,min，则该调度时刻序号为m的储能设备的容量为：W_t ^ess_m,min＝W^ess_m,min，且使以后各调度时刻的容量下限均为W^ess_m,miⁿ；

c、若E_m(t-1)-Δt·P^disc_m,max＞W^ess_m,min，则该调度时刻序号为m的储能设备的容量为：W_t ^ess_m,min＝E_m(k-1)-Δt·P^disc_m,max；

d、使t＝t+1，返回步骤a，直到计算了所有调度时刻，分别得到M台储能设备在各个调度时刻的容量下限；

(2-4-2)将步骤(2-4-1)得到的M台储能设备各个调度时刻的容量下限相加，得到各调度时刻虚拟储能设备模型的容量下限W_t ^ess_T,min：

(3)将电网中的风电、光伏和电负荷聚合形成一个虚拟负荷曲线的模型：

式中，

为虚拟负荷曲线调度时刻t的负荷功率，从虚拟电厂能量管理系统获取；

为调度时刻t的电负荷预测值，从虚拟电厂能量管理系统获取；P_t ^solar和P_t ^wind为调度时刻t的光伏和风电功率预测值，从虚拟电厂能量管理系统获取；

(4)由步骤(1)获得的虚拟发电机模型的向上爬坡速率、向下爬坡速率、电出力上限和电出力上限，步骤(2)获得的虚拟储能设备模型的充电功率上限、放电功率上限、容量上限和容量下限以及步骤(3)获得的虚拟负荷曲线的模型共同构成虚拟电厂的调度参数，将虚拟电厂的调度参数上报至电力系统控制中心，供电力系统控制中心对虚拟电厂进行调度。