CN111738497B - 计及需求侧响应的虚拟电厂双层优化调度方法 - Google Patents

计及需求侧响应的虚拟电厂双层优化调度方法 Download PDF

Info

Publication number
CN111738497B
CN111738497B CN202010494201.7A CN202010494201A CN111738497B CN 111738497 B CN111738497 B CN 111738497B CN 202010494201 A CN202010494201 A CN 202010494201A CN 111738497 B CN111738497 B CN 111738497B
Authority
CN
China
Prior art keywords
output
period
power
wind
energy storage
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
CN202010494201.7A
Other languages
English (en)
Other versions
CN111738497A (zh
Inventor
高明
曾平良
罗艳斌
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.)
Bai Huiyuan
Nanjing Xiaoji Technology Co ltd
Original Assignee
Hangzhou Dianzi 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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202010494201.7A priority Critical patent/CN111738497B/zh
Publication of CN111738497A publication Critical patent/CN111738497A/zh
Application granted granted Critical
Publication of CN111738497B publication Critical patent/CN111738497B/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
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

Abstract

本发明公开了一种计及需求侧响应的虚拟电厂双层优化调度方法。在上层模型中燃气轮机单元和储能设备单元用来补偿风光预测出力与其实际出力的偏差，以上层模型收益最大为目标优化；上层优化出力传递到下层，下层建立计及需求侧响应单元、火电机组单元对负荷进行优化，以经济收益最大为目标优化，通过对火电机组出力寻优得到最优分配出力曲线，在MATLAB 2016a软件中调用CPLEX求解器和YALMIP工具箱分别对上层模型和下层模型求解。本发明建立燃气轮机、储能设备、需求侧响应、火电机组的虚拟电厂双层优化模型，考虑风光预测误差对系统收益的影响，该模型可以达到虚拟电厂收益最大化。

Description

计及需求侧响应的虚拟电厂双层优化调度方法
技术领域
本发明属于虚拟电厂协调优化调度技术领域，具体涉及一种计及需求侧响应的虚拟电厂双层优化调度方法。
背景技术
随着全球化石能源的紧缺以及环境污染问题日益严重，考虑到利用风能、太阳能等新能源发电具有污染小、可再生的优点，近年来国内外研究学者将能源供给侧瞄准新能源领域。虽然此类能源具有低碳环保特征，但是风电、光伏发电等具有间歇性、波动性、随机性的特点，使得分布式能源输出功率不确定性，导致供电可靠性、稳定性较差的问题。随着智能电网技术的飞速发展，虚拟电厂利用先进智能控制技术整合协调分布式能源、储能系统以及可控负荷参与电网的优化调度运行，有效处理了风电和光伏发电的出力不确定性问题，提高电网的经济性、稳定性、可靠性。
考虑到风光出力的不确定性，现有优化调度研究表明用储能设备平抑风光出力的不确定性具有良好的效果，可以有效提升虚拟电厂的经济性，且主要以经济成本最小或收益最大单目标进行优化，目前做优化调度大多考虑可再生能源与储能设备聚合，若不考虑传统能源机组组合不利于实际工程的应用；对如何协调调度虚拟电厂的分布式电源、储能系统和负荷以增加虚拟电厂的收益具有很重要的研究意义。
发明内容
本发明考虑风光预测出力和风光实际出力的预测偏差，在上层模型中，利用燃气轮机出力和储能系统出力对偏差进行修正，上层模型以经济收益最大为目标优化，同时考虑风电、光伏、燃气轮机、储能系统的运行管理成本以及燃气轮机的燃料成本，考虑各时间段的功率平衡约束、燃气轮机出力约束、储能系统充放电约束；下层模型建立包含需求侧响应、火电机组的模型，考虑各时段功率平衡约束，火电机组的爬坡约束、出力约束，需求侧响应约束，以经济收益最大为目标进行优化。
本发明的具体步骤如下：
步骤1、确定上层模型和下层模型各单元运行策略
1-1、上层模型：
风光可再生能源为清洁能源，虚拟电厂首先对风光发电的出力进行优先消纳，做到清洁能源的优先利用。
储能设备和燃气轮机的运行策略：风光预测出力会有一定的误差，虚拟电厂中的出力偏差为风光预测出力与实际出力之差，通过储能设备和燃气轮机进行补偿修正偏差，使虚拟电厂的实际出力跟踪计划出力进行修正：
(1)若上层模型的出力偏差大于0，则说明虚拟电厂上层模型中风光发电的预测出力大于其实际出力，首先利用燃气轮机优先发电补偿出力偏差，经燃气轮机出力补偿后，若出力偏差仍存在，则储能设备放电补偿偏差，若储能设备补偿后仍然无法满足发电计划，此时从电网购电进行补偿以满足发电计划，从电网购电成本记为惩罚成本。
(2)若上层模型的出力偏差小于0，则说明虚拟电厂上层模型中风光发电的预测出力小于其实际出力，此时储能电池进行充电，给储能电池充电后，出力偏差依旧存在，则减小燃气轮机出力以满足出力计划。
1-2、下层模型：
需求侧响应单元：需求侧响应考虑基于价格的需求侧响应，基于价格的需求侧响应制定分时电价策略，根据分时电价策略引导用户侧进行负荷转移，使用户侧的负荷波动减小，负荷峰谷差减小，起到削峰填谷的作用。
火电机组单元运行策略：上层模型优化的风光预测出力传递到下层模型，下层模型中基于价格的需求侧响应优化后的负荷曲线，两者之差为净负荷曲线，各火电机组对净负荷曲线进行出力寻优，得到各火电机组最优出力分配曲线。
步骤2、虚拟电厂调度运行
2-1、虚拟电厂对次日风光出力曲线进行预测，得到次日虚拟电厂系统每隔一个小时风光的预测出力曲线。
2-2、虚拟电厂根据预测的风光出力曲线、配电网分时电价策略、各发电单元运行管理成本、偏差的惩罚成本，对虚拟电厂的次日出力方案进行优化，并向虚拟电厂控制中心申报其次日出力计划。
2-3、虚拟电厂控制中心根据申报的次日出力计划，安排各发电单元机组发电出力，各发电单元机组进行协调优化。
2-4、根据各单元运行控制策略，虚拟电厂进行经济性协调优化调度，得到次日协调优化调度结果。
步骤3、建立上层模型、下层模型目标函数及约束条件
上层模型目标函数和约束条件的建立：由于风光发电的预测出力与实际出力有一定的偏差，利用储能设备充放电灵活性特征配合燃气轮机进行协调优化出力，以各时段经济效益最大化为目标函数优化，考虑风光发电、储能设备的运行管理成本，燃气轮机的燃料成本和运行管理成本，以及风光实际出力偏离预测的惩罚成本建立目标函数，综合考虑上层模型各时段功率平衡约束、燃气轮机功率约束、储能设备充放电功率约束和剩余容量约束
Rt＝Gt.1(Pw.t+Ppv.t+Pg.t+Pess.td-Pess.tc) (1)
Ct＝XwPw.t+XpvPpv.t+Xess(Pess.td+Pess.tc)+XgPg.t (2)
Cgt＝KgPg.t (3)
Dt＝Gt.2|Pf.t-Pw.t-Ppv.t-Pg.t-Pess.td+Pess.tc| (4)
其中，Rt是t时段上层模型收益，Gt.1是t时段配电网分时电价下的售电价格，Pw.t、Ppv.t、Pg.t分别是t时段风电、光伏、燃气轮机发电出力，Pess.tc是t时段储能电池的充电功率，Pess.td是t时段储能电池的放电功率，Ct是t时段上层模型的运行管理成本，Xw、Xpv、Xess、Xg分别是风电、光伏、储能设备、燃气轮机的运行管理系数，Cgt是t时段燃气轮机的燃料成本，Kg是燃气轮机单位发电燃料成本系数，Dt是t时段偏离预测的惩罚成本，Gt.2是t时段配电网分时电价下的购电电价，Pf.t是t时段上层模型的风光发电的预测出力，f1是上层模型收益
约束条件：
功率平衡约束：
Pdev.t＝Pf.t+Pess.tc-Pw.t-Ppv.t-Pg.t-Pess.td (6)
Pdev.t是上层模型t时段的发电出力偏差
燃气轮机功率约束：
Pg.min≤Pg.t≤Pg.max (7)
Pg.min是燃气轮机最小出力，Pg.max是燃气轮机最大出力
储能电池充放电约束及剩余容量约束：
充电状态：
0≤Pess.tc≤Pess.max (8)
Soc.t＝Soc.t-1+ΔtPess.tcλc (9)
放电状态：
-Pess.tdmax≤Pess.tc≤0 (10)
Pess.tc是储能设备t时段的充放电功率，Pess.max、-Pess.tdmax分别是储能设备充放电功率的最大值，Soc.t是t时刻的储能电池容量，Soc.t-1是t-1时刻的储能电池容量，Δt是时间间隔为1，λc、λd是储能电池的充放电效率剩余容量约束：
Soc.min≤Soc.t≤Soc.max (12)
Soc.min是储能设备的最小剩余容量，Soc.max是储能设备的最大剩余容量
下层模型目标函数和约束条件的建立：考虑需求侧响应后的各时段经济性最优为目标优化，为了给负荷侧提供更好的供电可靠性同时保证用户侧电价的合理性，实时峰谷分时电价策略更好的引导用户侧负荷的转移或削减，以达到削峰填谷、减小负荷峰谷差的目的，基于价格的需求侧响应模型中负荷对电价的反应有自弹性和交叉弹性两种，其中自弹性是指本时段电价的变化对本时段负荷的影响，交叉弹性是指本时段电价变化对其他时段负荷的影响，得到净负荷曲线之后对火电机组进行出力寻优，同时求出下层模型最优值
其中，R′t是t时段售电收益，Gt.1是t时段配电网分时电价下的售电价格，Pl.t是第l台火电机组t时段出力，RPB.t是t时段负荷侧采用基于价格的需求侧响应后的收益，Lt是t时段负荷侧采用基于价格的需求侧响应之后的负荷需求，Lt0是t时段负荷侧采用基于价格的需求侧响应之前的负荷需求，ett是自弹性交叉系数，ρt是t时段负荷侧采用基于价格的需求侧响应后的电价，是t时段负荷侧采用基于价格的需求侧响应前的电价，ρs是s时段负荷采用基于价格的需求侧响应后的电价，/>是s时段负荷侧采用基于价格的需求侧响应前的电价，est是交叉弹性系数，Kt是火电机组发电成本，al、bl、cl分别是第l台火电机组的成本系数，f2是下层模型收益
约束条件：
功率平衡约束：
Pup.t是上层模型优化后的出力，Lt是t时段需求侧响应优化后的负荷
火电机组爬坡速率约束：
-ΔtVd≤Pl.t-Pl.(t-1)≤ΔtVu (19)
Vu、Vd分别是火电机组的爬坡升、降速率
火电机组出力约束：
Pl.min≤Pl.t≤Pl.max (20)
Pl.min是机组l的最小出力，Pl.max是机组l的最大出力
基于价格的需求侧响应约束：
|Lt-Lt0|＝αPBDR.tΔLt.max (21)
αPBDR.t是0-1状态变量，值为1时，需求侧响应被实施，值为0时，需求侧响应未被实施，ΔLt.max是t时段负荷变动上限，ΔLt是t时段负荷变动量，ΔLmax是调度周期内总负荷变动上限。
步骤4、确定目标函数和优化变量后，在MATLAB 2016a软件中调用CPLEX求解器和YALMIP工具箱分别对上层模型的目标函数f1和下层模型的目标函数f2进行求解，具体步骤如下：
4-1、上层模型中根据光伏、风电的预测出力得出风电、光伏的实际出力，定义每个时段燃气轮机、储能设备充放电功率为变量。
4-2、根据目标函数收益最大，考虑风、光、燃气轮机、储能设备的运行管理成本以及各单元的约束条件编写程序。
4-3、调用CPLEX求解器对目标函数进行优化，得到燃气轮机和储能设备的出力曲线，目标函数的最优值。
4-4、下层模型中考虑需求侧响应、火电机组的约束条件，以最大化收益为目标编写程序优化求解。
4-5、调用CPLEX求解器对目标函数进行优化，得到各火电机组的出力曲线，目标函数的最优值。
本发明有益效果：
1、本发明针对风光预测出力与实际出力有一定的偏差，在上层模型中考虑燃气轮机和储能设备共同协调优化调度对此偏差补偿，建立收益最大的目标函数，得到经济性最优的结果以及燃气轮机和储能设备的各时段出力曲线，使得所建上层模型更贴近实际情况，从而得到的优化结果也更具有现实意义。
2、下层模型中，通过上层模型优化的出力结果传递下层，首先由需求侧响应对负荷进行优化，优化后的负荷与上层优化的出力之差为净负荷曲线，利用火电机组对净负荷曲线进行出力寻优，得到经济性最优的结果以及各台火电机组的出力曲线。
3、本发明采用CPLEX求解器和YALMIP工具包进行求解，建模语言较较简单：(1)创建决策变量(2)约束条件设置(3)参数配置(4)求解。YALMIP工具箱可提供一种简单又统一的建模语言，相比较于MATLAB原有语言，YALMIP的语言表达方法更易掌握，求解速度快，寻优结果收敛性更好。
附图说明
图1是虚拟电厂双层优化模型结构图；
图2是虚拟电厂双层优化模型调度运行流程图；
图3是风电光伏预测出力以及实际出力图；
图4是虚拟电厂上层模型燃气轮机和储能出力图；
图5是储能设备的SOC状态图；
图6是负荷曲线及其优化后的负荷曲线图；
图7是各台火电机组的出力图。
具体实施方式
下面结合具体实例对本发明进行详细的说明，但不应该理解为本发明上述主题范围仅限于下述实施实例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。
本实例模型中，上层模型有3个200MW的风电场，1个100MW的光伏电场，1个20MW的燃气轮机，以及1个200MW的储能电池，储能设备初始容量80MW，下层模型有6台火电机组和需求侧响应单元构成，储能设备的SOC设为0.3-0.9，分时电价时段划分：谷时段(24时—8时)，平时段(12时—17时，21时—24时)，峰时段(8时—12时，17时—21时)，电网侧购电价格设置：谷时段为400元/MW.h，平时段为720元/MW.h，峰时段为1040元/MW.h，电网侧售电价格设置：谷时段为180元/MW.h，平时段为490元/MW.h，峰时段为840元/MW.h，负荷侧电价未考虑需求响应前平均价格为550元/MW.h，考虑需求响应后(峰时段提高为原来的30％，谷时段降低至原来的30％)：谷时段为元385/MW.h，平时段为550元/MW.h，峰时段为715元/MW.h，用户侧基于价格的需求侧响应自弹性和交叉弹性取值如表4所示。
表1风电、光伏参数
设备 运行管理系数(元MW/h)
风电 28.6
光伏 8.8
风电光伏的预测出力以及实际出力图如图3所示
表2燃气轮机参数
燃气轮机的出力曲线如图4所示
表3储能设备参数
储能设备出力曲线如图4所示，储能设备SOC状态曲线如图5所示表4各时段用户侧需求价格弹性
时段 谷时段 平时段 峰时段
谷时段 -0.18 0.06 0.08
平时段 0.06 -0.14 0.12
峰时段 0.08 0.12 -0.2
表5各火电机组参数
各火电机组的出力曲线如图7所示
步骤1、确定上层模型和下层模型各单元运行策略
1-1、上层模型：
风光可再生能源为清洁能源，虚拟电厂首先对风光发电的出力进行优先消纳，做到清洁能源的优先利用。
储能设备和燃气轮机的运行策略：风光预测出力会有一定的误差，虚拟电厂中的出力偏差为风光预测出力与实际出力之差，通过储能设备和燃气轮机进行补偿修正偏差，使虚拟电厂的实际出力跟踪计划出力进行修正：
(1)若上层模型的出力偏差大于0，则说明虚拟电厂上层模型中风光发电的预测出力大于其实际出力，首先利用燃气轮机优先发电补偿出力偏差，经燃气轮机出力补偿后，若出力偏差仍存在，则储能设备放电补偿偏差，若储能设备补偿后仍然无法满足发电计划，此时从电网购电进行补偿以满足发电计划，从电网购电成本记为惩罚成本。
(2)若上层模型的出力偏差小于0，则说明虚拟电厂上层模型中风光发电的预测出力小于其实际出力，此时储能电池进行充电，给储能电池充电后，出力偏差依旧存在，则减小燃气轮机出力以满足出力计划；
1-2、下层模型：
需求侧响应单元：需求侧响应考虑基于价格的需求侧响应，基于价格的需求侧响应制定分时电价策略，根据分时电价策略引导用户侧进行负荷转移，使用户侧的负荷波动减小，负荷峰谷差减小，起到削峰填谷的作用。
火电机组单元运行策略：上层模型优化的风光预测出力传递到下层模型，下层模型中基于价格的需求侧响应优化后的负荷曲线，两者之差为净负荷曲线，各火电机组对净负荷曲线进行出力寻优，得到各火电机组最优出力分配曲线。
步骤2、虚拟电厂调度运行
2-1、虚拟电厂对次日风光出力曲线进行预测，得到次日虚拟电厂系统每隔一个小时风光的预测出力曲线。
2-2、虚拟电厂根据预测的风光出力曲线、配电网分时电价策略、各发电单元运行管理成本、偏差的惩罚成本，对虚拟电厂的次日出力方案进行优化，并向虚拟电厂控制中心申报其次日出力计划。
2-3、虚拟电厂控制中心根据申报的次日出力计划，安排各发电单元机组发电出力，各发电单元机组进行协调优化。
2-4、根据各单元运行控制策略，虚拟电厂进行经济性协调优化调度，得到次日协调优化调度结果。
步骤3、建立上层模型、下层模型目标函数及约束条件
上层模型目标函数和约束条件的建立：由于风光发电的预测出力与实际出力有一定的偏差，利用储能设备充放电灵活性特征配合燃气轮机进行协调优化出力，以各时段经济效益最大化为目标函数优化，考虑风光发电、储能设备的运行管理成本，燃气轮机的燃料成本和运行管理成本，以及风光实际出力偏离预测的惩罚成本建立目标函数，综合考虑上层模型各时段功率平衡约束、燃气轮机功率约束、储能设备充放电功率约束和剩余容量约束
Rt＝Gt.1(Pw.t+Ppv.t+Pg.t+Pess.td-Pess.tc) (1)
Ct＝XwPw.t+XpvPpv.t+Xess(Pess.td+Pess.tc)+XgPg.t (2)
Cgt＝KgPg.t (3)
Dt＝Gt.2|Pf.t-Pw.t-Ppv.t-Pg.t-Pess.td+Pess.tc| (4)
其中，Rt是t时段上层模型收益，Gt.1是t时段配电网分时电价下的售电价格，Pw.t、Ppv.t、Pg.t分别是t时段风电、光伏、燃气轮机发电出力，Pess.tc是t时段储能电池的充电功率，Pess.td是t时段储能电池的放电功率，Ct是t时段上层模型的运行管理成本，Xw、Xpv、Xess、Xg分别是风电、光伏、储能设备、燃气轮机的运行管理系数，Cgt是t时段燃气轮机的燃料成本，Kg是燃气轮机单位发电燃料成本系数，Dt是t时段偏离预测的惩罚成本，Gt.2是t时段配电网分时电价下的购电电价，Pf.t是t时段上层模型的风光发电的预测出力，f1是上层模型收益。
约束条件：
功率平衡约束：
Pdev.t＝Pf.t+Pess.tc-Pw.t-Ppv.t-Pg.t-Pess.td (6)
Pdev.t是上层模型t时段的发电出力偏差
燃气轮机功率约束：
Pg.min≤Pg.t≤Pg.max (7)
Pg.min是燃气轮机最小出力，Pg.max是燃气轮机最大出力
储能电池充放电约束及剩余容量约束：
充电状态：
0≤Pess.tc≤Pess.max (8)
Soc.t＝Soc.t-1+ΔtPess.tcλc (9)
放电状态：
-Pess.tdmax≤Pess.tc≤0 (10)
Pess.tc是储能设备t时段的充放电功率，Pess.max、-Pess.tdmax分别是储能设备充放电功率的最大值，Soc.t是t时刻的储能电池容量，Soc.t-1是t-1时刻的储能电池容量，Δt是时间间隔为1，λc、λd是储能电池的充放电效率剩余容量约束：
Soc.min≤Soc.t≤Soc.max (12)
Soc.min是储能设备的最小剩余容量，Soc.max是储能设备的最大剩余容量。
下层模型目标函数和约束条件的建立：考虑需求侧响应后的各时段经济性最优为目标优化，为了给负荷侧提供更好的供电可靠性同时保证用户侧电价的合理性，实时峰谷分时电价策略更好的引导用户侧负荷的转移或削减，以达到削峰填谷、减小负荷峰谷差的目的，基于价格的需求侧响应模型中负荷对电价的反应有自弹性和交叉弹性两种，其中自弹性是指本时段电价的变化对本时段负荷的影响，交叉弹性是指本时段电价变化对其他时段负荷的影响，得到净负荷曲线之后对火电机组进行出力寻优，同时求出下层模型最优值
其中，R′t是t时段售电收益，Gt.1是t时段配电网分时电价下的售电价格，Pl.t是第l台火电机组t时段出力，RPB.t是t时段负荷侧采用基于价格的需求侧响应后的收益，Lt是t时段负荷侧采用基于价格的需求侧响应之后的负荷需求，Lt0是t时段负荷侧采用基于价格的需求侧响应之前的负荷需求，ett是自弹性交叉系数，ρt是t时段负荷侧采用基于价格的需求侧响应后的电价，是t时段负荷侧采用基于价格的需求侧响应前的电价，ρs是s时段负荷采用基于价格的需求侧响应后的电价，/>是s时段负荷侧采用基于价格的需求侧响应前的电价，est是交叉弹性系数，Kt是火电机组发电成本，al、bl、cl分别是第l台火电机组的成本系数，f2是下层模型收益。
约束条件：
功率平衡约束：
Pup.t是上层模型优化后的出力，Lt是t时段需求侧响应优化后的负荷
火电机组爬坡速率约束：
-ΔtVd≤Pl.t-Pl.(t-1)≤ΔtVu (19)
Vu、Vd分别是火电机组的爬坡升、降速率
火电机组出力约束：
Pl.min≤Pl.t≤Pl.max (20)
Pl.min是机组l的最小出力，Pl.max是机组l的最大出力
基于价格的需求侧响应约束：
|Lt-Lt0|＝αPBDR.tΔLt.max (21)
αPBDR.t是0-1状态变量，值为1时，需求侧响应被实施，值为0时，需求侧响应未被实施，ΔLt.max是t时段负荷变动上限，ΔLt是t时段负荷变动量，ΔLmax是调度周期内总负荷变动上限。
步骤4、确定目标函数和优化变量后，在MATLAB 2016a软件中调用CPLEX求解器和YALMIP工具箱分别对上层模型的目标函数f1和下层模型的目标函数f2进行求解，具体步骤如下：
4-1、上层模型中根据光伏、风电的预测出力得出风电、光伏的实际出力，定义每个时段燃气轮机、储能设备充放电功率为变量。
4-2、根据目标函数收益最大，考虑风、光、燃气轮机、储能设备的运行管理成本以及各单元的约束条件编写程序。
4-3、调用CPLEX求解器对目标函数进行优化，得到燃气轮机和储能设备的出力曲线，目标函数的最优值。
4-4、下层模型中考虑需求侧响应、火电机组的约束条件，以最大化收益为目标编写程序优化求解。
4-5、调用CPLEX求解器对目标函数进行优化，得到各火电机组的出力曲线，目标函数的最优值。
本发明为计及需求侧响应的虚拟电厂双层优化调度方法，对比对比了不同风光预测误差对虚拟电厂经济性影响，基于价格的需求侧响应可以平缓负荷曲线，经算例验证表明该模型可以提高风光新能源的消纳，减小负荷峰谷差，使得虚拟电厂收益最大化。
虚拟电厂上层模型预测误差分析：
上层预测误差分析：
t是对风电平均绝对误差和光伏平均绝对误差增大或者减小倍数，经过仿真分析表明：随着风光平均绝对误差的增大，上层VPP模型的收益在减小，而惩罚成本在增大，可再生能源的出力预测误差对VPP的效益以及惩罚成本有明显的影响。储能和燃气轮机优化出力曲线：
针对上层模型的风光预测出力与其实际出力的偏差由储能和燃气轮机分别出力进行目标函数优化，当风光预测出力大于其实际出力时，储能设备和燃气轮机协调优化分别出力，较好的补偿偏差，当风光预测出力小于其实际出力时，储能设备的充放电灵活性给储能设备进行充电减小偏差，同时可以减小燃气轮机的出力保持功率平衡。
储能设备的SOC状态曲线：储能设备SOC状态表明了储能设备各时段电量的的比例，可以看出从0时到12时储能设备在进行充电，12时到24时进行放电，储能设备灵活的充放电特征与燃气轮机合理分配调度，对偏差进行修正，使得优化目标经济性达到最优。
下层模型分析：
需求侧响应单优化负荷曲线：负荷经分时电价优化后的曲线，采用需求侧响应后的负荷曲线如图所示，其负荷峰谷差由原来574MW变为453.134MW，峰谷差减少120.866MW，总负荷需求减少111.762MW.h，采用需求侧响应后经济收益增加152761元，优化后的负荷曲线相比原负荷曲线更加平缓，具有明显的削峰填谷效果。
火电机组出力曲线：
根据基于价格的需求侧响应对负荷曲线优化之后，结合上层模型优化的出力传递下层，得到净负荷曲线对6台火电机组出力寻优，在2016b版本的MATLAB中编写程序调用CPLEX求解器和YAMLIP分别对6台火电机组进行寻优求解，根据各台机组的出力范围等约束，得到6台机组的出力曲线，表明各台火电机组可以较好的跟随净负荷曲线进行出力，且做到了各台火电机组的最优出力分配，得到下层模型的最优收益为3422330元。
综上，本发明提出了一种考虑风光燃储以及需求侧响应构成虚拟电厂双层优化调度方法，上层模型中虚拟电厂以风光预测出力为出力计划进行申报，采用燃气轮机和储能电池对风光预测出力与其实际出力之间偏差进行平抑，下层模型中考虑需求侧响应对负荷曲线进行修正以减小负荷波动，将优化后的上层出力传递至下层模型与修正后的负荷曲线之差为净负荷曲线，将得到的净负荷用火电机组提供出力，对火电机组进行出力寻优，上层模型和下层模型均以经济收益最大为目标分别在MATLAB 2016a软件中调用CPLEX求解器和YALMIP工具箱分别对上层模型和下层模型求解。

Claims (2)

1.计及需求侧响应的虚拟电厂双层优化调度方法，其特征在于该方法包括以下步骤：
步骤(1)、确定上层模型和下层模型各单元运行策略
(1-1)、上层模型：
风光可再生能源为清洁能源，虚拟电厂首先对风光发电的出力进行优先消纳，做到清洁能源的优先利用；
储能设备和燃气轮机的运行策略：风光预测出力会有一定的误差，虚拟电厂中的出力偏差为风光预测出力与实际出力之差，通过储能设备和燃气轮机进行补偿修正偏差，使虚拟电厂的实际出力跟踪计划出力进行修正；
(1-2)、下层模型：
需求侧响应单元：需求侧响应考虑基于价格的需求侧响应，基于价格的需求侧响应制定分时电价策略，根据分时电价策略引导用户侧进行负荷转移，使用户侧的负荷波动减小，负荷峰谷差减小，起到削峰填谷的作用；
火电机组单元运行策略：上层模型优化的风光预测出力传递到下层模型，下层模型中基于价格的需求侧响应优化后的负荷曲线，两者之差为净负荷曲线，各火电机组对净负荷曲线进行出力寻优，得到各火电机组最优出力分配曲线；
步骤(2)、虚拟电厂调度运行
(2-1)、虚拟电厂对次日风光出力曲线进行预测，得到次日虚拟电厂系统每隔一个小时风光的预测出力曲线；
(2-2)、虚拟电厂根据预测的风光出力曲线、配电网分时电价策略、各发电单元运行管理成本、偏差的惩罚成本，对虚拟电厂的次日出力方案进行优化，并向虚拟电厂控制中心申报其次日出力计划；
(2-3)、虚拟电厂控制中心根据申报的次日出力计划，安排各发电单元机组发电出力，各发电单元机组进行协调优化；
(2-4)、根据各单元运行控制策略，虚拟电厂进行经济性协调优化调度，得到次日协调优化调度结果；
步骤(3)、建立上层模型、下层模型目标函数及约束条件
上层模型目标函数和约束条件的建立：由于风光发电的预测出力与实际出力有一定的偏差，利用储能设备充放电灵活性特征配合燃气轮机进行协调优化出力，以各时段经济效益最大化为目标函数优化，考虑风光发电、储能设备的运行管理成本，燃气轮机的燃料成本和运行管理成本，以及风光实际出力偏离预测的惩罚成本建立目标函数，综合考虑上层模型各时段功率平衡约束、燃气轮机功率约束、储能设备充放电功率约束和剩余容量约束；
下层模型目标函数和约束条件的建立：考虑需求侧响应后的各时段经济性最优为目标优化，为了给负荷侧提供更好的供电可靠性同时保证用户侧电价的合理性，实时峰谷分时电价策略更好的引导用户侧负荷的转移或削减，以达到削峰填谷、减小负荷峰谷差的目的，基于价格的需求侧响应模型中负荷对电价的反应有自弹性和交叉弹性两种，其中自弹性是指本时段电价的变化对本时段负荷的影响，交叉弹性是指本时段电价变化对其他时段负荷的影响，得到净负荷曲线之后对火电机组进行出力寻优，同时求出下层模型最优值；
步骤(4)、确定目标函数和优化变量后，在MATLAB 2016a软件中调用CPLEX求解器和YALMIP工具箱分别对上层模型的目标函数f1和下层模型的目标函数f2进行求解，具体步骤如下：
(4-1)、上层模型中根据光伏、风电的预测出力得出风电、光伏的实际出力，定义每个时段燃气轮机、储能设备充放电功率为变量；
(4-2)、根据目标函数收益最大，考虑风、光、燃气轮机、储能设备的运行管理成本以及各单元的约束条件编写程序；
(4-3)、调用CPLEX求解器对目标函数进行优化，得到燃气轮机和储能设备的出力曲线，目标函数的最优值；
(4-4)、下层模型中考虑需求侧响应、火电机组的约束条件，以最大化收益为目标编写程序优化求解；
(4-5)、调用CPLEX求解器对目标函数进行优化，得到各火电机组的出力曲线，目标函数的最优值；
所述的上层模型目标函数为：
Rt＝Gt.1(Pw.t+Ppv.t+Pg.t+Pess.td-Pess.tc) (1)
Ct＝XwPw.t+XpvPpv.t+Xess(Pess.td+Pess.tc)+XgPg.t (2)
Cgt＝KgPg.t (3)
Dt＝Gt.2|Pf.t-Pw.t-Ppv.t-Pg.t-Pess.td+Pess.tc| (4)
其中，Rt是t时段上层模型收益，Gt.1是t时段配电网分时电价下的售电价格，Pw.t、Ppv.t、Pg.t分别是t时段风电、光伏、燃气轮机发电出力，Pess.tc是t时段储能电池的充电功率，Pess.td是t时段储能电池的放电功率，Ct是t时段上层模型的运行管理成本，Xw、Xpv、Xess、Xg分别是风电、光伏、储能设备、燃气轮机的运行管理系数，Cgt是t时段燃气轮机的燃料成本，Kg是燃气轮机单位发电燃料成本系数，Dt是t时段偏离预测的惩罚成本，Gt.2是t时段配电网分时电价下的购电电价，Pf.t是t时段上层模型的风光发电的预测出力，f1是上层模型收益；
上层模型约束条件：
功率平衡约束：
Pdev.t＝Pf.t+Pess.tc-Pw.t-Ppv.t-Pg.t-Pess.td (6)
Pdev.t是上层模型t时段的发电出力偏差
燃气轮机功率约束：
Pg.min≤Pg.t≤Pg.max (7)
Pg.min是燃气轮机最小出力，Pg.max是燃气轮机最大出力
储能电池充放电约束及剩余容量约束：
充电状态：
0≤Pess.tc≤Pess.max (8)
Soc.t＝Soc.t-1+ΔtPess.tcλc (9)
放电状态：
-Pess.tdmax≤Pess.tc≤0 (10)
Pess.tc是储能设备t时段的充放电功率，Pess.max、-Pess.tdmax分别是储能设备充放电功率的最大值，Soc.t是t时刻的储能电池容量，Soc.t-1是t-1时刻的储能电池容量，Δt是时间间隔为1，λc、λd是储能电池的充放电效率
剩余容量约束：
Soc.min≤Soc.t≤Soc.max (12)
Soc.min是储能设备的最小剩余容量，Soc.max是储能设备的最大剩余容量；
所述的下层模型目标函数为：
其中，R′t是t时段售电收益，Gt.1是t时段配电网分时电价下的售电价格，Pl.t是第l台火电机组t时段出力，RPB.t是t时段负荷侧采用基于价格的需求侧响应后的收益，Lt是t时段负荷侧采用基于价格的需求侧响应之后的负荷需求，Lt0是t时段负荷侧采用基于价格的需求侧响应之前的负荷需求，ett是自弹性交叉系数，ρt是t时段负荷侧采用基于价格的需求侧响应后的电价，是t时段负荷侧采用基于价格的需求侧响应前的电价，ρs是s时段负荷采用基于价格的需求侧响应后的电价，/>是s时段负荷侧采用基于价格的需求侧响应前的电价，est是交叉弹性系数，Kt是火电机组发电成本，al、bl、cl分别是第l台火电机组的成本系数，f2是下层模型收益；
下层模型约束条件：
功率平衡约束：
Pup.t是上层模型优化后的出力，Lt是t时段需求侧响应优化后的负荷
火电机组爬坡速率约束：
-ΔtVd≤Pl.t-Pl.(t-1)≤ΔtVu (19)
Vu、Vd分别是火电机组的爬坡升、降速率
火电机组出力约束：
Pl.min≤Pl.t≤Pl.max (20)
Pl.min是机组l的最小出力，Pl.max是机组l的最大出力
基于价格的需求侧响应约束：
|Lt-Lt0|＝αPBDR.tΔLt.max (21)
αPBDR.t是0-1状态变量，值为1时，需求侧响应被实施，值为0时，需求侧响应未被实施，ΔLt.max是t时段负荷变动上限，ΔLt是t时段负荷变动量，ΔLmax是调度周期内总负荷变动上限。
2.根据权利要求1所述的计及需求侧响应的虚拟电厂双层优化调度方法，其特征在于，步骤(1-1)中虚拟电厂的实际出力跟踪计划出力进行修正具体是：
(1)若上层模型的出力偏差大于0，则说明虚拟电厂上层模型中风光发电的预测出力大于其实际出力，首先利用燃气轮机优先发电补偿出力偏差，经燃气轮机出力补偿后，若出力偏差仍存在，则储能设备放电补偿偏差，若储能设备补偿后仍然无法满足发电计划，此时从电网购电进行补偿以满足发电计划，从电网购电成本记为惩罚成本；
(2)若上层模型的出力偏差小于0，则说明虚拟电厂上层模型中风光发电的预测出力小于其实际出力，此时储能电池进行充电，给储能电池充电后，出力偏差依旧存在，则减小燃气轮机出力以满足出力计划。
CN202010494201.7A 2020-06-03 2020-06-03 计及需求侧响应的虚拟电厂双层优化调度方法 Active CN111738497B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010494201.7A CN111738497B (zh) 2020-06-03 2020-06-03 计及需求侧响应的虚拟电厂双层优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010494201.7A CN111738497B (zh) 2020-06-03 2020-06-03 计及需求侧响应的虚拟电厂双层优化调度方法

Publications (2)

Publication Number Publication Date
CN111738497A CN111738497A (zh) 2020-10-02
CN111738497B true CN111738497B (zh) 2023-09-19

Family

ID=72648316

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010494201.7A Active CN111738497B (zh) 2020-06-03 2020-06-03 计及需求侧响应的虚拟电厂双层优化调度方法

Country Status (1)

Country Link
CN (1) CN111738497B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112271724A (zh) * 2020-10-13 2021-01-26 国网上海市电力公司 一种基于电压调控的虚拟电厂分区构建模型及构建方法
CN112928749B (zh) * 2021-01-18 2023-06-06 西安交通大学 一种融合多能需求侧资源的虚拟电厂日前调度方法
CN112906190B (zh) * 2021-01-19 2024-01-16 国网陕西省电力公司电力科学研究院 一种计及供水系统的虚拟发电厂优化调度方法及系统
CN112803446B (zh) * 2021-01-28 2023-05-23 国网江苏省电力有限公司营销服务中心 基于客户侧需求响应的多能优化控制方法及控制系统
CN112966909A (zh) * 2021-02-23 2021-06-15 国网山东省电力公司经济技术研究院 计及需求响应的区域综合能源系统的优化调度方法
CN113013930B (zh) * 2021-03-04 2022-03-11 山东大学 一种虚拟电厂经柔性直流外送的二次调频控制方法及系统
CN113097999B (zh) * 2021-04-01 2022-04-19 中国电建集团福建省电力勘测设计院有限公司 基于需求侧管理的虚拟电厂系统
CN113013929A (zh) * 2021-04-20 2021-06-22 天津大学 面向负荷曲线调节的有源配电网模拟优化运行方法
CN113364051B (zh) * 2021-06-22 2023-01-17 国网山东省电力公司经济技术研究院 考虑海上风电接入的多电源系统容量配置调度方法及装置
CN113852081A (zh) * 2021-09-01 2021-12-28 国网山东省电力公司东营供电公司 一种考虑需求侧响应的电力系统动态无功优化方法
CN113822707A (zh) * 2021-09-10 2021-12-21 国网冀北电力有限公司电力科学研究院 电力市场的出力决策方法、装置、计算机设备及存储介质
CN113742944A (zh) * 2021-09-29 2021-12-03 海南电网有限责任公司电力科学研究院 一种考虑电制氢系统的虚拟电厂建模方法
CN114597969B (zh) * 2022-03-16 2023-04-07 南昌航空大学 计及智能软开关和虚拟电厂技术的配电网双层优化方法
CN117526454A (zh) * 2024-01-05 2024-02-06 国网浙江省电力有限公司宁波供电公司 虚拟电厂运行管理方法、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110188950A (zh) * 2019-05-30 2019-08-30 三峡大学 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110188950A (zh) * 2019-05-30 2019-08-30 三峡大学 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
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

Also Published As

Publication number Publication date
CN111738497A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN110188950B (zh) 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
CN109617142B (zh) 一种cchp型微电网多时间尺度优化调度方法及系统
CN110365013B (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
CN115241931B (zh) 基于时变电碳因子曲线的园区综合能源系统调度方法
CN111614121A (zh) 考虑需求响应的含电动汽车的多能源园区日前经济调度方法
CN111786422B (zh) 基于bp神经网络的微电网参与上层电网实时优化调度方法
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
Ju et al. A Tri-dimensional Equilibrium-based stochastic optimal dispatching model for a novel virtual power plant incorporating carbon Capture, Power-to-Gas and electric vehicle aggregator
CN114865631B (zh) 源荷协同降碳的综合能源系统最优分布鲁棒经济调度方法
CN110796373B (zh) 面向风电消纳的多阶段场景生成电热系统优化调度方法
CN110601260B (zh) 一种限定联络线上功率波动的光-蓄系统容量优化方法
CN112800658A (zh) 一种考虑源储荷互动的主动配电网调度方法
CN111210079B (zh) 一种分布式能源虚拟电厂运行优化方法及系统
CN116109076A (zh) 能量和调峰市场下考虑需求响应的虚拟电厂优化调度方法
CN116599148A (zh) 一种面向新能源消纳的氢电混合储能两阶段协同规划方法
CN110119850B (zh) 基于光热发电调节的储热量双阶段优化调度方法
CN116961008A (zh) 计及电力弹簧与负荷需求响应的微电网容量双层优化方法
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及系统
CN115800276A (zh) 一种考虑机组爬坡的电力系统应急调度方法
CN115642620A (zh) 一种储能参与低碳灵活调峰的双层优化方法
CN115940284A (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN115187018A (zh) 一种园区综合能源系统双层优化调度方法及装置
Hongli et al. Day-ahead optimal dispatch of regional power grid based on electric vehicle participation in peak shaving pricing strategy
CN117592621B (zh) 一种虚拟电厂集群两阶段调度优化方法

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
TR01 Transfer of patent right

Effective date of registration: 20231116

Address after: Room 101, Unit 3, Building 6, Zhengxin Garden, Xixi Chengyuan, Xihu District, Hangzhou City, Zhejiang Province, 310000

Patentee after: Bai Huiyuan

Address before: Room C1510, Kechuang Headquarters Building, 320 Pubin Road, Nanjing District, Jiangsu Free Trade Zone, Nanjing, 210000, Jiangsu

Patentee before: Nanjing Xiaoji Technology Co.,Ltd.

Effective date of registration: 20231116

Address after: Room C1510, Kechuang Headquarters Building, 320 Pubin Road, Nanjing District, Jiangsu Free Trade Zone, Nanjing, 210000, Jiangsu

Patentee after: Nanjing Xiaoji Technology Co.,Ltd.

Address before: 310018 No.2 street, Baiyang street, Qiantang New District, Hangzhou City, Zhejiang Province

Patentee before: HANGZHOU DIANZI University

TR01 Transfer of patent right