CN111523947B - 一种虚拟电厂发电成本生成方法 - Google Patents

一种虚拟电厂发电成本生成方法 Download PDF

Info

Publication number
CN111523947B
CN111523947B CN202010485416.2A CN202010485416A CN111523947B CN 111523947 B CN111523947 B CN 111523947B CN 202010485416 A CN202010485416 A CN 202010485416A CN 111523947 B CN111523947 B CN 111523947B
Authority
CN
China
Prior art keywords
power
power plant
node
virtual
generation cost
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
CN202010485416.2A
Other languages
English (en)
Other versions
CN111523947A (zh
Inventor
潘斌
陈旗展
彭嵩
方嵩
李国号
杨涌新
卢小海
钟毅
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 Power Grid Co Ltd
Zhongshan Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Zhongshan Power Supply Bureau of Guangdong Power Grid 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 Power Grid Co Ltd, Zhongshan Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202010485416.2A priority Critical patent/CN111523947B/zh
Publication of CN111523947A publication Critical patent/CN111523947A/zh
Application granted granted Critical
Publication of CN111523947B publication Critical patent/CN111523947B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出一种虚拟电厂发电成本生成方法，包括以下步骤：构建虚拟电厂内部分布式设备的约束条件，根据虚拟电厂内部分布式设备在节点中的位置，求得虚拟电厂内部分布式设备的在各个节点的净注入功率；根据约束条件及净注入功率，求解虚拟电厂对外输出功率的可行范围；在可行范围内部取样求取不同输出功率下的输出功率‑发电成本点，构建拟合数据集；设定时刻t的虚拟电厂的输出功率‑发电成本函数关系式，采用最小二乘法及拟合数据集对输出功率‑发电成本函数关系式的参数进行曲线拟合，求解得到时刻t的虚拟电厂的发电成本。本发明有效提高了虚拟电厂发电成本的计算准确度，且有效实现虚拟电厂作为整体参与电力市场的成本评估。

Description

一种虚拟电厂发电成本生成方法
技术领域
本发明涉及电力系统及其自动化技术领域，更具体地，涉及一种虚拟电厂发电成本生成方法。
背景技术
虚拟电厂定义是将分布式发电机组、可控负荷和分布式储能设施有机结合，通过配套的调控技术、通信技术实现对各类分布式能源进行整合调控的载体，作为一个特殊电厂参与电力市场和电网运行。在配电网中存在着数量众多、特性各异、规模较小、分散分布的分布式发电设备，这将造成调控中心对发电设备的控制较为困难，且这些小而分散的发电设备无法有效参与电力市场的投标与竞标。虚拟电厂能够有效解决了上述问题，但是构成虚拟电厂的设备特性各异，而且虚拟电厂内部往往存在着运行约束条件，这给虚拟电厂作为整体参与电力市场的成本评估带来了困难。
公开号为CN109002913A的专利公开了一种多虚拟电厂联合优化调度方法，提出了考虑VPP内部网络潮流约束，对常规机组、储能、燃气轮机运行约束，建立技术型VPP优化调度的非线性模型，能够计算其发电成本。然而，虚拟电厂内的分布式发电设备还包括同步机类型设备、逆变器型设备、双馈风机型设备、储能设备型设备等，这种方法没有考虑虚拟电厂内部各类发电设备的运行约束，存在发电成本计算准确度较低的问题。
发明内容
本发明为克服上述现有技术所述的虚拟电厂作为整体参与电力市场的成本评估困难的缺陷，提供一种虚拟电厂发电成本生成方法。
为解决上述技术问题，本发明的技术方案如下：
一种虚拟电厂发电成本生成方法，包括以下步骤：
S1：构建虚拟电厂内部分布式设备的约束条件，根据虚拟电厂内部分布式设备在节点中的位置，求得虚拟电厂内部分布式设备的在各个节点的净注入功率；
S2：根据约束条件及净注入功率，求解虚拟电厂对外输出功率的可行范围；
S3：在可行范围内部取样求取不同输出功率下的输出功率-发电成本点，构建拟合数据集；
S4：设定时刻t的虚拟电厂的输出功率-发电成本函数关系式，采用最小二乘法及拟合数据集对输出功率-发电成本函数关系式的参数进行曲线拟合，求解得到时刻t的虚拟电厂的发电成本。
本技术方案中，通过构建虚拟电厂内部分布式设备的约束条件，形成虚拟电厂运行的约束问题，然后根据其构建的约束问题，聚合虚拟电厂内部设备的输出功率，等效为虚拟电厂的并网点处的输出功率，通过求解优化问题获得虚拟电厂输出有功的可行域，即虚拟电厂对外输出功率的可行范围，最后在上述求得的可行范围内求取虚拟电厂不同输出功率下的发电成本，形成输出功率-发电成本的对应关系，并利用最小二乘法进行曲线拟合求解虚拟电厂发电成本的函数参数，构建输出功率-发电成本函数，并用于求解得到时刻t的虚拟电厂的发电成本。
优选地，S1步骤中，分布式设备包括同步机型设备、逆变器型设备、双馈风机型设备、储能设备型设备。
优选地，S1步骤中，虚拟电厂内部分布式设备的约束条件包括：
(1)同步机型设备的约束条件如下：
同步机型设备的输出有功功率存在最大值和最小值，即：
同步机型设备的输出无功功率存在最大值和最小值，即：
其中，表示在t时刻节点i处同步机型设备的有功输出功率,/>分别表示节点i处同步机型设备的有功输出功率最小值和最大值；/>表示在t时刻节点i处同步机型设备的无功输出功率，/>分别表示节点i处同步机型设备的无功输出功率最小值和最大值；
(2)逆变器型设备的约束条件如下：
逆变器型设备的输出有功功率存在最大值和最小值，且其最大值受天气条件的限制，即：
逆变器型设备的输出功率受到容量约束的限制，即：
其中，表示在t时刻节点i处逆变器型设备的有功输出功率,/>表示节点i处的逆变器型设备有功输出功率的最小值，/>表示节点i处逆变器设备受到t时刻天气情况的影响而能够发出的最大有功功率；/>表示在t时刻节点i处的逆变器型设备的无功输出功率；/>表示在节点i处的逆变器型设备的最大容量；
(3)双馈风机型设备的约束条件如下：
双馈风机型设备的输出有功功率存在最大值和最小值，且其最大值受天气条件的限制，即：
双馈风机型设备的输出无功功率存在最大值和最小值，即：
且双馈风机型设备的输出功率受到容量约束的限制，即：
其中，表示在t时刻节点i处双馈风机型设备的有功输出功率,/>表示节点i处的双馈风机型设备有功输出功率的最小值，/>表示节点i处双馈风机型设备受到t时刻天气情况的影响而能够发出的最大有功功率；/>表示在t时刻节点i处的双馈风机型设备的无功输出功率，/>分别表示节点i处双馈风机型设备的无功输出功率最小值和最大值；/>表示在节点i处的双馈风机型设备的最大容量；
(4)储能设备型设备的约束条件如下：
储能设备型设备存在充电和放电两种状态，其净有功输出功率存在约束：
且储能设备型设备的输出功率收到容量的限制，即：
其中，表示在t时刻节点i处储能设备型设备的净有功输出功率,/>表示节点i处的储能设备型设备充电有功功率的最大值，/>表示节点i处的储能设备型设备放电有功功率的最大值；/>表示在t时刻节点i处的储能设备型设备的无功输出功率，/>表示在节点i处的储能设备型设备的最大容量。
优选地，S1步骤中，虚拟电厂内部分布式设备的在各个节点的净注入功率的表达公式如下：
其中，和/>分别表示t时刻节点i的有功和无功的净注入功率；/>和/>分别表示t时刻节点i的负荷。
优选地，S2步骤中，求解虚拟电厂对外输出功率的可行范围的具体步骤如下：定义虚拟电厂t时刻向外输出功率其表达公式如下：
构建优化问题，考虑S1步骤中虚拟电厂内部分布式设备的约束条件，分别将的最大化和/>的最小化作为目标函数，求解得到t时刻虚拟电厂对外输出有功功率的最大值和最小值/>得到虚拟电厂对外输出功率的可行范围/>
优选地，S3步骤中，其具体步骤包括：
S3.1：在不同的输出功率下聚合虚拟电厂内部各个设备的发电成本，构建虚拟电厂内部各个设备的发电成本模型；
S3.2：根据各个设备的发电成本模型，构建优化问题；
S3.3：求解优化问题，得到最小运行成本然后根据最小运行成本，得到其对应的输出功率-发电成本点，构成虚拟电厂发电成本曲线的拟合数据集。
优选地，S3.1步骤中，虚拟电厂内部各个设备的发电成本模型如下：
同步机型设备的发电成本函数为：
其中，函数表示节点i处的同步机型设备在时刻t输出有功功率为/>时的发电成本，ai,DG，bi,DG，ci,DG分别表示节点i处的同步机型设备二次成本参数、一次成本参数和成本常数参数；
逆变器型设备的发电成本函数为：
其中，函数表示节点i处的逆变器型设备在时刻t输出有功功率为时的发电成本；/>表示t时刻的电网电价；
双馈风机型设备的发电成本函数为：
其中，函数表示节点i处的双馈风机型设备在时刻t输出有功功率为时的发电成本；
储能设备型设备的发电成本函数为：
其中，函数表示节点i处的储能设备型设备在时刻t输出有功功率为时的发电成本；ki,ESS表示节点i处的储能设备型设备维护成本系数，Δt表示相邻两个决策时间点的时间间隔。
优选地，S3.2步骤中，构建优化问题的具体步骤如下：将S1步骤中的约束作为约束条件，将虚拟电厂内部设备的运行总成本最小化作为目标函数：
其中，表示时刻t虚拟电厂中所有设备运行的总成本。
优选地，S3.3步骤中，其具体步骤包括：在S2步骤中得到的可行范围内，随机抽取K个样本，设第k个样本为/>令虚拟电厂t时刻向外输出功率的输出功率以最小化虚拟电厂运行成本为目标，求解优化问题，得到最小运行成本/>由此得到第k个样本对应的输出功率-发电成本点为/>然后重复上述抽样和优化步骤，得到K个输出功率-发电成本点，并将K个输出功率-发电成本点构成K个虚拟电厂发电成本曲线的拟合数据集。
优选地，S4步骤中，其具体步骤如下：
S4.1：设定时刻t的虚拟电厂的输出功率-发电成本函数关系式如下：
其中，分别表示t时刻虚拟电厂输出功率-发电成本函数的二次成本参数、一次成本参数和常数参数；
S4.2：采用最小二乘法求解输出功率-发电成本函数中的二次成本参数一次成本参数/>和常数参数/>将参数/>作为矢量p，其表达公式如下：
S4.3：利用S3.3步骤中抽取的K个拟合数据集k＝1,...,K，构建参数矩阵A及矢量b，其表达公式如下：
S4.4：利用最小二乘法拟合曲线，根据参数矢量p中的元素值，可以得到曲线拟合的结果参数然后将参数/>代入输出功率-发电成本函数中，用于求解时刻t的虚拟电厂的发电成本；其中，参数矢量p可以表示为p＝(ATA-1)ATb。
与现有技术相比，本发明技术方案的有益效果是：考虑了虚拟电厂内部设备的运行约束条件，通过求解大量的优化问题获取虚拟电厂输出功率-发电成本的对应数据，进而通过拟合的方法获取虚拟电厂发电成本的函数解析表达式，用于生成虚拟电厂的发电成本，提高了虚拟电厂发电成本的计算准确度，有效实现虚拟电厂作为整体参与电力市场的成本评估。
附图说明
图1为实施例中虚拟电厂发电成本生成方法的流程图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
本实施例提出一种虚拟电厂发电成本生成方法，如图1所示，为本实施例的虚拟电厂发电成本生成方法的流程图。
本实施例提出的虚拟电厂发电成本生成方法中，包括以下步骤：
S1：构建虚拟电厂内部分布式设备的约束条件，根据虚拟电厂内部分布式设备在节点中的位置，求得虚拟电厂内部分布式设备的在各个节点的净注入功率。
本实施例中，虚拟电厂内部存在的分布式发电设备包括同步机型设备、逆变器型设备、双馈风机型设备、储能设备型设备等四种类型，其设备运行约束条件分别表示如下：
(1)同步机型设备的约束条件如下：
同步机型设备的输出有功功率存在最大值和最小值，即：
同步机型设备的输出无功功率存在最大值和最小值，即：
其中，表示在t时刻节点i处同步机型设备的有功输出功率,/>分别表示节点i处同步机型设备的有功输出功率最小值和最大值；/>表示在t时刻节点i处同步机型设备的无功输出功率，/>分别表示节点i处同步机型设备的无功输出功率最小值和最大值。
(2)逆变器型设备的约束条件如下：
逆变器型设备的输出有功功率存在最大值和最小值，且其最大值受天气条件的限制，即：
逆变器型设备的输出功率受到容量约束的限制，即：
其中，表示在t时刻节点i处逆变器型设备的有功输出功率,/>表示节点i处的逆变器型设备有功输出功率的最小值，/>表示节点i处逆变器设备受到t时刻天气情况的影响而能够发出的最大有功功率；/>表示在t时刻节点i处的逆变器型设备的无功输出功率；/>表示在节点i处的逆变器型设备的最大容量。
为了简化优化问题的复杂性，通常将上述的二次圆形约束问题近似简化为下列八边形的线性约束条件：
(3)双馈风机型设备的约束条件如下：
双馈风机型设备的输出有功功率存在最大值和最小值，且其最大值受天气条件的限制，即：
双馈风机型设备的输出无功功率存在最大值和最小值，即：
且双馈风机型设备的输出功率受到容量约束的限制，即：
其中，表示在t时刻节点i处双馈风机型设备的有功输出功率,/>表示节点i处的双馈风机型设备有功输出功率的最小值，/>表示节点i处双馈风机型设备受到t时刻天气情况的影响而能够发出的最大有功功率；/>表示在t时刻节点i处的双馈风机型设备的无功输出功率，/>分别表示节点i处双馈风机型设备的无功输出功率最小值和最大值；/>表示在节点i处的双馈风机型设备的最大容量。
同(3)，为了简化优化问题的复杂性，通常将上述的二次圆形约束问题近似简化为下列八边形的线性约束条件：
(4)储能设备型设备的约束条件如下：
储能设备型设备存在充电和放电两种状态，其净有功输出功率存在约束：
且储能设备型设备的输出功率收到容量的限制，即：
其中，表示在t时刻节点i处储能设备型设备的净有功输出功率,/>表示节点i处的储能设备型设备充电有功功率的最大值，/>表示节点i处的储能设备型设备放电有功功率的最大值；/>表示在t时刻节点i处的储能设备型设备的无功输出功率，表示在节点i处的储能设备型设备的最大容量。
同样地，为了简化优化问题的复杂性，通常将上述的二次圆形约束问题近似简化为下列八边形的线性约束条件：
根据上述虚拟电厂内部各个类型的分布式设备的约束条件，及其在节点中的位置，求得虚拟电厂内部设备在各个节点的净注入功率：
其中，和/>分别表示t时刻节点i的有功和无功的净注入功率；/>和/>分别表示t时刻节点i的负荷。
S2：根据约束条件及净注入功率，求解虚拟电厂对外输出功率的可行范围。
本步骤中，求解虚拟电厂对外输出功率的可行范围的具体步骤如下：
定义虚拟电厂t时刻向外输出功率其表达公式如下：
构建优化问题，考虑S1步骤中虚拟电厂内部分布式设备的约束条件，分别将的最大化和/>的最小化作为目标函数，求解得到t时刻虚拟电厂对外输出有功功率的最大值和最小值/>得到虚拟电厂对外输出功率的可行范围/>
S3：在可行范围内部取样求取不同输出功率下的输出功率-发电成本点，构建拟合数据集；其具体步骤如下：
S3.1：在不同的输出功率下聚合虚拟电厂内部各个设备的发电成本，构建虚拟电厂内部各个设备的发电成本模型；
本步骤中，为了获取虚拟电厂发电成本函数的解析表达式，需要在不同的输出功率下聚合虚拟电厂内部各个设备的发电成本，其中，虚拟电厂内部各个设备的发电成本模型如下：
同步机型设备的发电成本为二次函数行驶，其发电成本函数如下：
其中，函数表示节点i处的同步机型设备在时刻t输出有功功率为/>时的发电成本，ai,DG，bi,DG，ci,DG分别表示节点i处的同步机型设备二次成本参数、一次成本参数和成本常数参数；
逆变器型设备主要考虑弃光的成本，其发电成本函数如下：
其中，函数表示节点i处的逆变器型设备在时刻t输出有功功率为时的发电成本；/>表示t时刻的电网电价；
双馈风机型设备主要考虑弃风的成本，其发电成本函数如下：
其中，函数表示节点i处的双馈风机型设备在时刻t输出有功功率为时的发电成本；
储能设备型设备主要考虑维护成本，其发电成本函数如下：
其中，函数表示节点i处的储能设备型设备在时刻t输出有功功率为时的发电成本；ki,ESS表示节点i处的储能设备型设备维护成本系数，Δt表示相邻两个决策时间点的时间间隔。
S3.2：根据各个设备的发电成本模型，构建优化问题；具体地，将S1步骤中的约束作为约束条件，将虚拟电厂内部设备的运行总成本最小化作为目标函数：
其中，表示时刻t虚拟电厂中所有设备运行的总成本。
S3.3：求解优化问题，得到最小运行成本然后根据最小运行成本，得到其对应的输出功率-发电成本点，构成虚拟电厂发电成本曲线的拟合数据集；其具体步骤如下：
在S2步骤中得到的可行范围内，随机抽取K个样本，设第k个样本为令虚拟电厂t时刻向外输出功率的输出功率/>以最小化虚拟电厂运行成本为目标，求解优化问题，得到最小运行成本/>由此得到第k个样本对应的输出功率-发电成本点为/>然后重复上述抽样和优化步骤，得到K个输出功率-发电成本点，并将K个输出功率-发电成本点构成K个虚拟电厂发电成本曲线的拟合数据集。
步骤4：设定时刻t的虚拟电厂的输出功率-发电成本函数关系式，采用最小二乘法及拟合数据集对输出功率-发电成本函数关系式的参数进行曲线拟合，求解得到时刻t的虚拟电厂的发电成本；其具体步骤如下：
S4.1：设定时刻t的虚拟电厂的输出功率-发电成本函数关系式如下：
其中，分别表示t时刻虚拟电厂输出功率-发电成本函数的二次成本参数、一次成本参数和常数参数；
S4.2：采用最小二乘法求解输出功率-发电成本函数中的二次成本参数一次成本参数/>和常数参数/>将参数/>作为矢量p，其表达公式如下：
S4.3：利用S3.3步骤中抽取的K个拟合数据集k＝1,...,K，构建参数矩阵A及矢量b，其表达公式如下：
S4.4：利用最小二乘法拟合曲线，根据参数矢量p中的元素值，可以得到曲线拟合的结果参数然后将参数/>代入输出功率-发电成本函数中，用于求解时刻t的虚拟电厂的发电成本；其中，参数矢量p可以表示为p＝(ATA-1)ATb。
本实施例提出的虚拟电厂发电成本生成方法主要考虑了虚拟电厂内部设备的运行约束条件，通过求解大量的优化问题获取虚拟电厂运行成本的海量数据，即输出功率-发电成本点，构成虚拟电厂发电成本曲线的拟合数据集，进而通过拟合的方法获取虚拟电厂发电成本的函数解析表达式，用于生成虚拟电厂的发电成本，有效实现虚拟电厂作为整体参与电力市场的成本评估。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (9)

1.一种虚拟电厂发电成本生成方法，其特征在于，包括以下步骤：
S1：构建虚拟电厂内部分布式设备的约束条件，根据所述虚拟电厂内部分布式设备在节点中的位置，求得所述虚拟电厂内部分布式设备的在各个节点的净注入功率；
S2：根据所述约束条件及净注入功率，求解虚拟电厂对外输出功率的可行范围；
S3：在所述可行范围内部取样求取不同输出功率下的输出功率-发电成本点，构建拟合数据集；其具体步骤包括：
S3.1：在不同的输出功率下聚合虚拟电厂内部各个设备的发电成本，构建虚拟电厂内部各个设备的发电成本模型；
S3.2：根据所述各个设备的发电成本模型，构建优化问题；
S3.3：求解所述优化问题，得到最小运行成本然后根据所述最小运行成本，得到其对应的输出功率-发电成本点，构成虚拟电厂发电成本曲线的拟合数据集；
S4：设定时刻t的虚拟电厂的输出功率-发电成本函数关系式，采用最小二乘法及所述拟合数据集对所述输出功率-发电成本函数关系式的参数进行曲线拟合，求解得到时刻t的虚拟电厂的发电成本。
2.根据权利要求1所述的虚拟电厂发电成本生成方法，其特征在于：所述S1步骤中，所述分布式设备包括同步机型设备、逆变器型设备、双馈风机型设备、储能设备型设备。
3.根据权利要求2所述的虚拟电厂发电成本生成方法，其特征在于：所述S1步骤中，所述虚拟电厂内部分布式设备的约束条件包括：
(1)所述同步机型设备的约束条件如下：
同步机型设备的输出有功功率存在最大值和最小值，即：
同步机型设备的输出无功功率存在最大值和最小值，即：
其中，表示在t时刻节点i处同步机型设备的有功输出功率,/>分别表示节点i处同步机型设备的有功输出功率最小值和最大值；/>表示在t时刻节点i处同步机型设备的无功输出功率，/>分别表示节点i处同步机型设备的无功输出功率最小值和最大值；
(2)所述逆变器型设备的约束条件如下：
逆变器型设备的输出有功功率存在最大值和最小值，且其最大值受天气条件的限制，即：
逆变器型设备的输出功率受到容量约束的限制，即：
其中，表示在t时刻节点i处逆变器型设备的有功输出功率,/>表示节点i处的逆变器型设备有功输出功率的最小值，/>表示节点i处逆变器设备受到t时刻天气情况的影响而能够发出的最大有功功率；/>表示在t时刻节点i处的逆变器型设备的无功输出功率；/>表示在节点i处的逆变器型设备的最大容量；
(3)所述双馈风机型设备的约束条件如下：
双馈风机型设备的输出有功功率存在最大值和最小值，且其最大值受天气条件的限制，即：
双馈风机型设备的输出无功功率存在最大值和最小值，即：
且双馈风机型设备的输出功率受到容量约束的限制，即：
其中，表示在t时刻节点i处双馈风机型设备的有功输出功率,/>表示节点i处的双馈风机型设备有功输出功率的最小值，/>表示节点i处双馈风机型设备受到t时刻天气情况的影响而能够发出的最大有功功率；/>表示在t时刻节点i处的双馈风机型设备的无功输出功率，/>分别表示节点i处双馈风机型设备的无功输出功率最小值和最大值；/>表示在节点i处的双馈风机型设备的最大容量；
(4)所述储能设备型设备的约束条件如下：
储能设备型设备存在充电和放电两种状态，其净有功输出功率存在约束：
且储能设备型设备的输出功率收到容量的限制，即：
其中，表示在t时刻节点i处储能设备型设备的净有功输出功率,/>表示节点i处的储能设备型设备充电有功功率的最大值，/>表示节点i处的储能设备型设备放电有功功率的最大值；/>表示在t时刻节点i处的储能设备型设备的无功输出功率，/>表示在节点i处的储能设备型设备的最大容量。
4.根据权利要求3所述的虚拟电厂发电成本生成方法，其特征在于：所述S1步骤中，所述虚拟电厂内部分布式设备的在各个节点的净注入功率的表达公式如下：
其中，和/>分别表示t时刻节点i的有功和无功的净注入功率；/>和/>分别表示t时刻节点i的有功和无功的负荷。
5.根据权利要求4所述的虚拟电厂发电成本生成方法，其特征在于：所述S2步骤中，求解虚拟电厂对外输出功率的可行范围的具体步骤如下：
定义虚拟电厂t时刻向外输出功率其表达公式如下：
构建优化问题，考虑所述S1步骤中虚拟电厂内部分布式设备的约束条件，分别将的最大化和/>的最小化作为目标函数，求解得到t时刻虚拟电厂对外输出有功功率的最大值和最小值/>得到虚拟电厂对外输出功率的可行范围/>
6.根据权利要求5所述的虚拟电厂发电成本生成方法，其特征在于：所述S3.1步骤中，所述虚拟电厂内部各个设备的发电成本模型如下：
所述同步机型设备的发电成本函数为：
其中，函数表示节点i处的同步机型设备在时刻t输出有功功率为/>时的发电成本，ai,DG，bi,DG，ci,DG分别表示节点i处的同步机型设备二次成本参数、一次成本参数和成本常数参数；
所述逆变器型设备的发电成本函数为：
其中，函数表示节点i处的逆变器型设备在时刻t输出有功功率为时的发电成本；/>表示t时刻的电网电价；
所述双馈风机型设备的发电成本函数为：
其中，函数表示节点i处的双馈风机型设备在时刻t输出有功功率为/>时的发电成本；
所述储能设备型设备的发电成本函数为：
其中，函数表示节点i处的储能设备型设备在时刻t输出有功功率为/>时的发电成本；ki,ESS表示节点i处的储能设备型设备维护成本系数，Δt表示相邻两个决策时间点的时间间隔。
7.根据权利要求6所述的虚拟电厂发电成本生成方法，其特征在于：所述S3.2步骤中，构建优化问题的具体步骤如下：将所述S1步骤中的约束作为约束条件，将虚拟电厂内部设备的运行总成本最小化作为目标函数：
其中，表示时刻t虚拟电厂中所有设备运行的总成本。
8.根据权利要求7所述的虚拟电厂发电成本生成方法，其特征在于：所述S3.3步骤中，其具体步骤包括：在所述S2步骤中得到的可行范围内，随机抽取K个样本，设第k个样本为/>令虚拟电厂t时刻向外输出功率的输出功率/>以最小化虚拟电厂运行成本为目标，求解优化问题，得到最小运行成本/>由此得到第k个样本对应的输出功率-发电成本点为/> 然后重复上述抽样和优化步骤，得到K个输出功率-发电成本点，并将所述K个输出功率-发电成本点构成K个虚拟电厂发电成本曲线的拟合数据集。
9.根据权利要求8所述的虚拟电厂发电成本生成方法，其特征在于：所述S4步骤中，其具体步骤如下：
S4.1：设定时刻t的虚拟电厂的输出功率-发电成本函数关系式如下：
其中，分别表示t时刻虚拟电厂输出功率-发电成本函数的二次成本参数、一次成本参数和常数参数；
S4.2：采用最小二乘法求解所述输出功率-发电成本函数中的二次成本参数一次成本参数/>和常数参数/>将所述参数/>作为矢量p，其表达公式如下：
S4.3：利用所述S3.3步骤中抽取的K个拟合数据集构建参数矩阵A及矢量b，其表达公式如下：
S4.4：利用最小二乘法拟合曲线，根据参数矢量p中的元素值，可以得到曲线拟合的结果参数然后将所述参数/>代入所述输出功率-发电成本函数中，用于求解时刻t的虚拟电厂的发电成本；其中，参数矢量p可以表示为p＝(ATA-1)ATb。
CN202010485416.2A 2020-06-01 2020-06-01 一种虚拟电厂发电成本生成方法 Active CN111523947B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010485416.2A CN111523947B (zh) 2020-06-01 2020-06-01 一种虚拟电厂发电成本生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010485416.2A CN111523947B (zh) 2020-06-01 2020-06-01 一种虚拟电厂发电成本生成方法

Publications (2)

Publication Number Publication Date
CN111523947A CN111523947A (zh) 2020-08-11
CN111523947B true CN111523947B (zh) 2023-11-10

Family

ID=71909283

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010485416.2A Active CN111523947B (zh) 2020-06-01 2020-06-01 一种虚拟电厂发电成本生成方法

Country Status (1)

Country Link
CN (1) CN111523947B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112531790B (zh) * 2020-11-25 2022-11-25 清华大学 一种虚拟电厂动态灵活性评估方法
CN112632853A (zh) * 2020-12-15 2021-04-09 国网上海市电力公司 虚拟电厂分布式控制装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150029120A (ko) * 2013-09-09 2015-03-18 한국전기연구원 가상발전소（ｖｐｐ）의 최적운영계획 모형 생성장치，및 가상발전소（ｖｐｐ）의 최적운영계획 모형 생성장치를 이용한 최적운영계획 모형 생성방법
CN106485600A (zh) * 2016-10-12 2017-03-08 国网宁夏电力公司 一种虚拟电厂经济安全调度优化方法
CN109002913A (zh) * 2018-07-10 2018-12-14 河海大学 一种多虚拟电厂联合优化调度方法
CN110311388A (zh) * 2019-05-28 2019-10-08 广东电网有限责任公司电力调度控制中心 基于分布式投影次梯度法的虚拟电厂一次频率控制方法
CN111210079A (zh) * 2020-01-09 2020-05-29 华北电力大学 一种分布式能源虚拟电厂运行优化方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140142776A1 (en) * 2012-11-16 2014-05-22 Kaj Skov Nielsen Method of controlling a power plant

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150029120A (ko) * 2013-09-09 2015-03-18 한국전기연구원 가상발전소（ｖｐｐ）의 최적운영계획 모형 생성장치，및 가상발전소（ｖｐｐ）의 최적운영계획 모형 생성장치를 이용한 최적운영계획 모형 생성방법
CN106485600A (zh) * 2016-10-12 2017-03-08 国网宁夏电力公司 一种虚拟电厂经济安全调度优化方法
CN109002913A (zh) * 2018-07-10 2018-12-14 河海大学 一种多虚拟电厂联合优化调度方法
CN110311388A (zh) * 2019-05-28 2019-10-08 广东电网有限责任公司电力调度控制中心 基于分布式投影次梯度法的虚拟电厂一次频率控制方法
CN111210079A (zh) * 2020-01-09 2020-05-29 华北电力大学 一种分布式能源虚拟电厂运行优化方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
于娜 ; 李铁松 ; .计及风电不确定性的虚拟电厂优化调度.东北电力大学学报.2017,(第05期),全文. *

Also Published As

Publication number Publication date
CN111523947A (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
Hemmati et al. System modeling and optimization for islanded micro-grid using multi-cross learning-based chaotic differential evolution algorithm
Nguyen-Hong et al. Optimal sizing of energy storage devices in isolated wind-diesel systems considering load growth uncertainty
Yang et al. Optimal sizing of a wind/solar/battery/diesel hybrid microgrid based on typical scenarios considering meteorological variability
CN111523947B (zh) 一种虚拟电厂发电成本生成方法
Pathak et al. Fractional cascade LFC for distributed energy sources via advanced optimization technique under high renewable shares
CN112580897B (zh) 基于鹦鹉算法的多能源电力系统优化调度的方法
Sawle et al. Techno-economic scrutiny of HRES through GA and PSO technique
Wang et al. An improved min-max power dispatching method for integration of variable renewable energy
Ma et al. State-of-the-art forecasting algorithms for microgrids
Ali et al. Development and planning of a hybrid power system based on advance optimization approach
Bocklisch et al. Technical and economic investigation and comparison of photovoltaic–wind energy–hybrid systems with battery and heat-storage path
Zhang et al. Optimal microgrid operation based on model predictive control framework
Mégel et al. Reducing the computational effort of stochastic multi-period dc optimal power flow with storage
Huang et al. Capacity optimisation for an SAMS considering LCOE and reliability objectives
Borra et al. Comparison between the dynamic programming and Particle Swarm Optimization for solving unit commitment problems
Khalid et al. Optimal hybrid wind-solar system for matching renewable power generation with demand
CN114298383A (zh) 一种虚拟电厂储能容量配置方法及装置
Soykan et al. Evaluation of the effect of weather conditions on optimal sizing of an isolated microgrid
Manabe et al. Cooperation of energy storage systems and biogas generator for stabilization of renewable energy power plants
CN113572168A (zh) 一种考虑风光水能源多重不确定性风险的优化调度方法
CN109449974B (zh) 一种基于变模式分解和样本熵理论的综合能源系统优化调度方法
Krishnan et al. Slow dynamics model of compressed air energy storage and battery storage technologies for automatic generation control
Ma et al. Consensus-based hierachical demand side management in microgrid
CN116822908B (zh) 一种可快速求解的多时间尺度储能规划方法及设备
CN117391402B (zh) 一种面向碳中和的智慧工厂多能协同优化方法

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