CN111967639A - 计及风光出力和价格需求响应的配电网优化方法及系统 - Google Patents

计及风光出力和价格需求响应的配电网优化方法及系统 Download PDF

Info

Publication number
CN111967639A
CN111967639A CN202010639859.2A CN202010639859A CN111967639A CN 111967639 A CN111967639 A CN 111967639A CN 202010639859 A CN202010639859 A CN 202010639859A CN 111967639 A CN111967639 A CN 111967639A
Authority
CN
China
Prior art keywords
power
time
wind
distribution network
network optimization
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
CN202010639859.2A
Other languages
English (en)
Other versions
CN111967639B (zh
Inventor
付文杰
霍胜利
杨伯青
陈伟
张军朝
郭庚江
张强
孔令号
潘龙懿
张卫国
李化
陈良亮
宋杰
周材
邵军军
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.)
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
NARI Group Corp
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
State Grid Electric Power Research Institute
Baoding Power Supply Co of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
NARI Group Corp
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
State Grid Electric Power Research Institute
Baoding Power Supply Co of State Grid Hebei Electric Power 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 State Grid Corp of China SGCC, State Grid Hebei Electric Power Co Ltd, NARI Group Corp, Nari Technology Co Ltd, NARI Nanjing Control System Co Ltd, State Grid Electric Power Research Institute, Baoding Power Supply Co of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010639859.2A priority Critical patent/CN111967639B/zh
Publication of CN111967639A publication Critical patent/CN111967639A/zh
Application granted granted Critical
Publication of CN111967639B publication Critical patent/CN111967639B/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
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q30/0283—Price estimation or determination
    • G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters
    • 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
    • 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

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

Abstract

本发明公开了一种计及风光出力和价格需求响应的配电网优化方法，包括：采用混合定价法得到日电价曲线；对风、光出力进行分层采样和相关性控制得到风光出力情况；根据日电价曲线和风光出力情况建立用户需求响应模型；根据用户需求响应建立配电网优化模型；采用遗传算法对配电网优化模型求解，并最终通过该模型对配电网进行优化。

Description

计及风光出力和价格需求响应的配电网优化方法及系统
技术领域
本发明属于电网优化技术领域，尤其涉及一种计及风光出力和价格需求响应的配电网优化方法。
背景技术
近年来，随着经济的发展，用电量持续增加。需求响应成为解决日益增长的供需矛盾的有效手段。需求响应通过价格和激励两种手段，可以引导用户合理地改变消费模式，平抑峰谷差，优化电网的运行。合理的电价可以让用户自发地将用电量从电价高的时段转移到电价低的时段。一些文献建立了需求响应的模型，分析了高峰时段和低谷时段电价对用户用电的影响，指出需求响应不仅可以缩短高峰时间，还可以为用户带来更多的利润。
一些文献分析了电力用户分时电价的定价原则，并且提出了不同时段指定不同电价的分时电价对负荷曲线、用户电费的有利影响。一些文献提出了电力市场中，能反映每小时甚至更短的时间内电价变化的实时电价的定价原则和可行性。一些文献分析了固定电价、实时电价、分时电价等几种定价策略的特点，提出了理想化的实时电价缺乏一定的可操作性。例如一些文献计算了电力价格弹性矩阵，以峰负荷及峰谷负荷差都最小为目标，建立了分时电价的多目标优化模型,但是配电网模型中未考虑到光伏、风电等可再生能源接入的影响。一些文献以供电商购买出售电价的效用最大为目标，建立了基于实时电价考虑电价成本、电价收入和风险的决策模型，但是模型的理想化使得应用范围较小。一些文献通过分析了近50年来多个地方太阳辐射与风速、湿度等气象因素的关系，指出不同地方太阳辐射与风速的相关性不同。一些文献考虑了风、光出力的不确定性，基于峰谷分时电价，建立了配电网重构模型，但是模型中的定价方法不够合理，风光出力的相关性也未考虑。
发明内容
针对现有技术存在的问题，本发明提供了一种计及风光出力和价格需求响应的配电网优化方法，能够对配电网进行优化。
本发明是通过以下技术方案实现的：
第一方面，一种计及风光出力和价格需求响应的配电网优化方法，其特征在于，包括：
采用混合定价法得到日电价曲线；
对风、光出力进行分层采样和相关性控制得到风光出力情况；
根据日电价曲线和风光出力情况建立用户需求响应模型；
根据用户需求响应建立配电网优化模型；
采用遗传算法对配电网优化模型求解。
结合第一方面，进一步的，所述采用混合定价法得到日电价曲线具体为：
在低谷时段和平常时段采用分时电价，在高峰时段采用实时电价得到日电价曲线。
结合第一方面，进一步的，所述对风、光出力进行分层采样和相关性控制得到风、光出力情况具体为：
分别针对风电出力，光伏出力在采样时间段内取N个采样值，设Z为采样时间段风或光出力的相应的累积分布函数，
Figure BDA0002571112050000024
为相应的累积分布函数的反函数变换；
累积分布函数Z的取值范围为[0,1]，将其分为相同的N等份，各区间内依次抽取一个值，区间内的抽取是随机的；
将各区间的抽取值经过Z的反函数的变换
Figure BDA0002571112050000023
得到变换后相应区间的采样值；
设a为0～1上的随机数，第l个区间抽取的风或光出力采样值rl为：
Figure BDA0002571112050000021
通过公式(1)变换，即可得到采样时间段内，一行光伏和一行风电的组成的2行N列的样本矩阵Rpw；
假设各变量之间的通过历史数据分析得到实际的相关系数矩阵是Preal；
然后对样本的相关性进行变换，包括：
生成与Rpw规模相同的随机顺序矩阵S，对S的相关系数矩阵进行Cholesky分解，得第一下三角矩阵L；
对Preal进行Cholesky分解得到第二下三角矩阵Lreal；
令S1＝L-1S，
Figure BDA0002571112050000022
将S按照Sreal排序得Sfinal，Rpw按Sfinal排序得Rfinal；
Rfinal即为相关系数矩阵为Preal的样本矩阵，其中S、S1、Sreal、Sfinal为变换过程中的中间变量。
结合第一方面，进一步的，所述根据日电价曲线和风光出力情况建立用户需求响应模型具体为：
根据公式(2)建立用户需求响应模型：
Figure BDA0002571112050000031
t、h分别表示一天中两个不同的时间段，
Figure BDA0002571112050000032
是参与需求响应后在时间t的总的有功负荷，
Figure BDA0002571112050000033
参与需求响应前在时间t的总的有功负荷，
Figure BDA0002571112050000034
是用户在时间t的自弹性，
Figure BDA0002571112050000035
是用户在时间t与时间h的交叉弹性，
Figure BDA0002571112050000036
是原来对用户制定的固定电价，
Figure BDA0002571112050000037
是对用户制定的新的零售电价方案在时间t的电价，
Figure BDA0002571112050000038
为对用户制定的新的零售电价方案在时间h的电价。
结合第一方面，进一步的，所述根据用户需求响应建立配电网优化模型具体为：
根据式(3)建立配电网优化模型：
Figure BDA0002571112050000039
其中，Ret、Cot分别表示时间t的收入和成本，
Figure BDA00025711120500000310
表示在时间t与电网的电能交换量，
Figure BDA00025711120500000311
表示时间t的电力批发市场的价格，
Figure BDA00025711120500000312
时间t的分布式电源的运行成本，
Figure BDA00025711120500000313
表示一个节点分布式电源的启动成本，
Figure BDA00025711120500000314
表示节点i分布式电源的关机成本，
Figure BDA00025711120500000315
为时间t分布式电源的发电功率，
Figure BDA00025711120500000316
为时间内分布式电源机组运行状态的二进制决策变量，
Figure BDA00025711120500000317
为分布式电源机组启动的二进制决策变量，
Figure BDA00025711120500000318
分布式电源机组关闭的二进制决策变量，
Figure BDA00025711120500000319
则是风电、光伏的发电成本，
Figure BDA0002571112050000041
为时间t内风电和光伏总的发电量，
Figure BDA0002571112050000042
为t-1时间段分布式电源机组运行状态的二进制决策变量；
该模型约束包括：
1)有功无功潮流约束
电网中的电压和功率分布必须满足潮流方程，潮流方程表示如下：
Figure BDA0002571112050000043
Figure BDA0002571112050000044
i＝1…n,j＝1…n
Figure BDA0002571112050000045
为在时间t节点i总的有功出力和无功出力，
Figure BDA0002571112050000046
在时间t节点i有功负荷和无功负荷，
Figure BDA0002571112050000047
为时间t节点i的电压，
Figure BDA0002571112050000048
分别为时间t节点i与节点j之间的电导、电纳及相角差；
在上述等式中，
Figure BDA0002571112050000049
的计算如下：
Figure BDA00025711120500000410
Figure BDA00025711120500000411
式中：
Figure BDA00025711120500000412
为时间t配电网和电网之间的无功功率交换量，
Figure BDA00025711120500000413
为节点i分布式电源、风电、光伏产生的无功功率；
Figure BDA00025711120500000414
如上式所示，
Figure BDA00025711120500000415
分别为节点i电压的上下限，每个节点的电压应该满足上下限的约束，同时配电网与上级电网进行电力交易时不能超过电网最大的输出/输入功率
Figure BDA00025711120500000416
2)功率平衡约束
Figure BDA00025711120500000417
Figure BDA00025711120500000418
Figure BDA00025711120500000419
Figure BDA0002571112050000051
Figure BDA0002571112050000052
Figure BDA0002571112050000053
其中，
Figure BDA0002571112050000054
为时间t总有功损耗，
Figure BDA0002571112050000055
为总无功损耗，
Figure BDA0002571112050000056
为为时间t分布式电源的发电功率，
Figure BDA0002571112050000057
为时间t风电和光伏总的发电功率，
Figure BDA0002571112050000058
分别为时间t整个电网分布式电源、风电、光伏产生的总的，无功功率、
Figure BDA0002571112050000059
为时间t整个电网的无功负荷
Figure BDA00025711120500000510
时间t配电网和电网之间的总的无功功率交换量，n表示电网的节点数量；
3)分布式电源约束
Figure BDA00025711120500000511
Figure BDA00025711120500000512
Figure BDA00025711120500000513
式中：节点i发电机组的发电量应满足上限
Figure BDA00025711120500000514
与下限
Figure BDA00025711120500000515
的约束，
Figure BDA00025711120500000516
为一个时间段内可以上升或下降的最大速率。
第二方面，提供了一种计及风光出力和价格需求响应的发电系统，包括：
定价模块，用于采用混合定价法得到日电价曲线；
出力计算模块，用于计算风光出力；
建模模块，用于根据日电价曲线和风光出力情况建立用户需求响应模型；
根据用户需求响应建立配电网优化模型；
发电模块，用于根据配电网优化模型进行发电。
第三方面，提供了一种计及风光出力和价格需求响应的发电系统，包括：
存储器和处理器；
所述存储器用于存储指令；
所述处理器用于根据所述指令进行操作以执行第一方面任一项所述方法的步骤。
有益效果：
1、本发明通过采用将分时电价与实时电价相结合的混合电价法，有效的结合了两种定价优点引导用户用电，改善了负荷用电曲线
2、本发明以配电网为研究对象，在配电网中既考虑了以光伏、风电为代表的可再生能源的发电不确定性和相关性，又考虑了配电网中的用户可以根据电价合理地分配负荷。
附图说明
图1为本发明方法的流程图；
图2为本发明中定价方法的价格变化图；
图3为本发明中混合电价1000次采样的利润值示意图。
具体实施方式
下面结合说明书附图，对本发明作进一步的说明。
如图1-3所示，本发明提供了一种计及风光出力和价格需求响应的配电网优化方法，包括如下步骤：
步骤1、基于混合电价的定价原理，将分时电价与实时电价结合，得到混合电价的日电价曲线，即得到一天中每个小时的电价；
混合电价方法是在低谷时段和平常时段使用分时电价，在高峰时段使用实时电价的方法，一般取高峰时间段为7:00-10:00，17:00-19:00；低谷时间段为11:00-16:00；平常时间段为1:00-6:00，20:00-24:00。
分时电价法：这种定价方法中，将一天分为峰谷平多个时段，每个时段设置一个电价。这种方法虽然基本上符合简单和透明的原则，但不能完全考虑长期的电力成本。
实时电价方法：在这个定价计划中，价格是按小时变化的。因此，它可以全面地考虑到成本，但是由于价格的不断变化，具有一定的复杂性。
步骤2、考虑到风光出力的不确定性与相关性，，采用拉丁超立方采样法(该方法可以让样本点均匀地分布在随机变量的分布曲线上。相较于蒙特卡洛采样，该方法可以有效地改善样本堆积、分布不均的现象。)对风、光出力进行分层采样和相关性控制得到风光出力情况，具体为：
以风力、光伏为代表的可再生能源有效地缓解了供需矛盾，但是由于风力、光伏受天气因素的影响较大，风力发电、光伏发电都具有一定的不确定性。同一片区域的风力和光伏都受到该区域气象因素的影响，因此出力有着一定的关系。为了考虑风电和光伏的不确定性与相关性，本发明采用拉丁超立方采样法对出力这个随机变量进行采样和相关性控制。
假设在每个时间段内，光伏发电中光照强度服从Beta分布，风力发电中风速服从Weibull分布，对光照强度和风速通过相应变换即可得到相应的光伏和风电出力。采用拉丁超立方采样法对光照强度和风速进行采样。拉丁超立方采样法的核心思想的“分层采样”，从而让样本点均匀地分布在随机变量的分布曲线上。相较于蒙特卡洛采样，该方法可以有效地改善样本堆积、分布不均的现象。
以光伏为例，一个时间段的光照强度服从Beta分布，对这个时间段采样取N个值。Z为相应的累积分布函数，为
Figure BDA0002571112050000071
为相应的累积分布函数的反函数变换。
1)累积分布函数Z的取值范围为[0,1]，将其分为相同的N等份，各区间内依次抽取一个值，区间内的抽取是随机的；
2)分布函数各区间的抽取值经过累积分布函数Z的反函数变换
Figure BDA0002571112050000072
得到相应区间的采样值。
假设a为0～1上的随机数，第l个区间抽取的采样值rl为：
Figure BDA0002571112050000073
按照上述步骤，即可得到光照的N个采样值。重复上述步骤，将Beta分布换成Weibull分布(本方法适用于任意分布)便可以得到风速的N个采样值。通过变换，即可得到某时间段内，一行光伏和一行风电的组成的2行N列的样本矩阵为Rpw。
为了反映变量样本之间的相关性，可以采用相关系数矩阵。假设各变量之间的通过历史数据分析得到实际的相关系数矩阵是Preal，采样得到的样本值的相关性是一般不等于Preal，无法反映实际的相关性，因此需要对样本的相关性进行变换。
本发明采用Spearman秩相关系数来反映相关性，Spearman秩相关系数，用样本顺序代替样本值，可以反映随机变量为任何分布的相关性。相关性变换的相应步骤如下：
1)得到样本矩阵Rpw，生成与Rpw规模相同的随机顺序矩阵S。对S的相关系数矩阵进行Cholesky分解，得第一下三角矩阵L。
2)为了让Rpw的相关性满足Preal，对Preal进行Cholesky分解得到第二下三角矩阵Lreal。
3)令S1＝L-1S变换，
Figure BDA0002571112050000081
将S按照Sreal排序得Sfinal，Rpw按Sfinal排序得Rfinal。Rfinal即为相关系数矩阵基本为Preal的样本矩阵。
对每个时间段的光伏和风电进行相应的采样和相关性控制，即可得到一天内光伏和风电所有的样本矩阵，其中S、S1、Sreal、Sfinal为变换过程中的中间变量。
步骤3、根据日电价曲线和风光出力情况建立用户需求响应模型；
配电网中的用户可以通过改变他们的用电行为，参与需求响应达到减少用电成本的目的。在这一节中，考虑到价格的灵活性和需求分布，在时间t，建立用户D的需求响应经济模型
Figure BDA0002571112050000082
t、h分别表示一天中两个不同的时间段，
Figure BDA0002571112050000083
是参与需求响应后在时间t的总的有功负荷，
Figure BDA0002571112050000084
参与需求响应前在时间t的总的有功负荷，
Figure BDA0002571112050000085
是用户在时间t的自弹性，
Figure BDA0002571112050000086
是用户在时间t与时间h的交叉弹性，
Figure BDA0002571112050000087
是原来对用户制定的固定电价，
Figure BDA0002571112050000088
是对用户制定的新的零售电价方案在时间t的电价，
Figure BDA0002571112050000089
为对用户制定的新的零售电价方案在时间h的电价。
步骤4、根据用户需求响应建立配电网优化模型；
优化决策的目标函数是使配电网利润最大化，即等于收入和成本的差值。其中成本包括分布式电源的发电成本、向电力批发市场(即上级电网)购买电力的成本和风电、光伏的发电成本。收入包括出售给用户电量获得的电费与出售给电力批发市场得到的费用。
根据式(3)建立配电网优化模型：
Figure BDA0002571112050000091
其中，Ret、Cot分别表示时间t的收入和成本，
Figure BDA0002571112050000092
表示在时间t与电网的电能交换量，
Figure BDA0002571112050000093
表示时间t的电力批发市场的价格，
Figure BDA0002571112050000094
时间t的分布式电源的运行成本，
Figure BDA0002571112050000095
表示一个节点(这里节点指电网的节点，有发电机节点和负荷节点，发电机节点连接至上级电网中，负荷节点模拟用户，同时有分布式电源，风机，光伏连接在负荷节点上)分布式电源的启动成本，
Figure BDA0002571112050000096
表示节点i分布式电源的关机成本，
Figure BDA0002571112050000097
为时间t分布式电源的发电功率，
Figure BDA0002571112050000098
为时间内分布式电源机组运行状态的二进制决策变量，
Figure BDA0002571112050000099
为分布式电源机组启动的二进制决策变量，
Figure BDA00025711120500000910
分布式电源机组关闭的二进制决策变量，
Figure BDA00025711120500000911
则是风电、光伏的发电成本，
Figure BDA00025711120500000912
为时间t内风电和光伏总的发电量，
Figure BDA00025711120500000913
为t-1时间段分布式电源机组运行状态的二进制决策变量；
该模型约束包括：
1)有功无功潮流约束
电网中的电压和功率分布必须满足潮流方程，潮流方程表示如下：
Figure BDA00025711120500000914
Figure BDA00025711120500000915
i＝1…n,j＝1…n
Figure BDA00025711120500000916
为在时间t节点i总的有功出力和无功出力，
Figure BDA00025711120500000917
在时间t节点i有功负荷和无功负荷，
Figure BDA00025711120500000918
为时间t节点i的电压，
Figure BDA00025711120500000919
分别为时间t节点i与节点j之间的电导、电纳及相角差；
在上述等式中，
Figure BDA00025711120500000920
的计算如下：
Figure BDA0002571112050000101
Figure BDA0002571112050000102
式中：
Figure BDA0002571112050000103
为时间t配电网和电网之间的无功功率交换量，
Figure BDA0002571112050000104
为节点i分布式电源、风电、光伏产生的无功功率；
Figure BDA0002571112050000105
如上式所示，
Figure BDA0002571112050000106
分别为节点i电压的上下限，每个节点的电压应该满足上下限的约束，同时配电网与上级电网进行电力交易时不能超过电网最大的输出/输入功率
Figure BDA0002571112050000107
2)功率平衡约束
Figure BDA0002571112050000108
Figure BDA0002571112050000109
Figure BDA00025711120500001010
Figure BDA00025711120500001011
Figure BDA00025711120500001012
Figure BDA00025711120500001013
其中，
Figure BDA00025711120500001014
为时间t总有功损耗，
Figure BDA00025711120500001015
为总无功损耗，
Figure BDA00025711120500001016
为时间t内分布式电源的发电功率，
Figure BDA00025711120500001017
为时间t风电和光伏总的发电功率，
Figure BDA00025711120500001018
分别为时间t整个电网分布式电源、风电、光伏产生的总的，无功功率、
Figure BDA00025711120500001019
为时间t整个电网的无功负荷
Figure BDA00025711120500001020
时间t配电网和电网之间的总的无功功率交换量，n表示电网的节点数量；
3)分布式电源约束
Figure BDA00025711120500001021
Figure BDA00025711120500001022
Figure BDA00025711120500001023
式中：节点i发电机组的发电量应满足上限
Figure BDA0002571112050000111
与下限
Figure BDA0002571112050000112
的约束，
Figure BDA0002571112050000113
为一个时间段内可以上升或下降的最大速率。最大上升和下降速率分别取每小时分布式发电的15％和10％。
采用拉丁超立方采样法，以一小时为单位，每个时间段得到反映风电和光伏出力不确定性与相关性的样本值各1000组，将1000组采样值带入优化模型中，采用遗传算法进行优化求解，即可得到1000组利润的优化值，以1000组值的平均值作为最终的优化值。图3为混合电价1000次采样的利润值。通过该模型最终实现对配电网的优化。
本发明实施例还提供了一种计及风光出力和价格需求响应的配电网优化系统，包括：
定价模块，用于采用混合定价法得到日电价曲线；
出力计算模块，用于计算风光出力；
建模模块，用于根据日电价曲线和风光出力情况建立用户需求响应模型；
根据用户需求响应建立配电网优化模型；
发电模块，用于根据配电网优化模型进行发电。
本发明提供的一种计及风光出力和价格需求响应的配电网优化系统，还可以是，包括：
存储器和处理器；
所述存储器用于存储指令；
所述处理器用于根据所述指令进行操作以执行前述计及风光出力和价格需求响应的配电网优化方法的步骤。
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (7)

1.一种计及风光出力和价格需求响应的配电网优化方法，其特征在于，包括：
采用混合定价法得到日电价曲线；
对风、光出力进行分层采样和相关性控制得到风光出力情况；
根据日电价曲线和风光出力情况建立用户需求响应模型；
根据用户需求响应建立配电网优化模型；
采用遗传算法对配电网优化模型求解。
2.根据权利要求1所述的一种计及风光出力和价格需求响应的配电网优化方法，其特征在于，所述采用混合定价法得到日电价曲线具体为：
在低谷时段和平常时段采用分时电价，在高峰时段采用实时电价得到日电价曲线。
3.根据权利要求1所述的一种计及风光出力和价格需求响应的配电网优化方法，其特征在于，所述对风、光出力进行分层采样和相关性控制得到风、光出力情况具体为：
分别针对风电出力，光伏出力在采样时间段内取N个采样值，设Z为采样时间段风或光出力的相应的累积分布函数，
Figure FDA0002571112040000011
为相应的累积分布函数的反函数变换；
累积分布函数Z的取值范围为[0,1]，将其分为相同的N等份，各区间内依次抽取一个值，区间内的抽取是随机的；
将各区间的抽取值经过Z的反函数的变换
Figure FDA0002571112040000012
得到变换后相应区间的采样值；
设a为0～1上的随机数，第l个区间抽取的风或光出力采样值rl为：
Figure FDA0002571112040000013
通过公式(1)变换，即可得到采样时间段内，一行光伏和一行风电的组成的2行N列的样本矩阵Rpw；
假设各变量之间的通过历史数据分析得到实际的相关系数矩阵是Preal；
然后对样本的相关性进行变换，包括：
生成与Rpw规模相同的随机顺序矩阵S，对S的相关系数矩阵进行Cholesky分解，得第一下三角矩阵L；
对Preal进行Cholesky分解得到第二下三角矩阵Lreal；
令S1＝L-1S，
Figure FDA00025711120400000215
将S按照Sreal排序得Sfinal，Rpw按Sfinal排序得Rfinal；
Rfinal即为相关系数矩阵为Preal的样本矩阵，其中S、S1、Sreal、Sfinal为变换过程中的中间变量。
4.根据权利要求3所述的一种计及风光出力和价格需求响应的配电网优化方法，其特征在于，所述根据日电价曲线和风光出力情况建立用户需求响应模型具体为：
根据公式(2)建立用户需求响应模型：
Figure FDA0002571112040000021
t、h分别表示一天中两个不同的时间段，
Figure FDA0002571112040000022
是参与需求响应后在时间t的总的有功负荷，
Figure FDA0002571112040000023
参与需求响应前在时间t的总的有功负荷，
Figure FDA0002571112040000024
是用户在时间t的自弹性，
Figure FDA0002571112040000025
是用户在时间t与时间h的交叉弹性，
Figure FDA0002571112040000026
是原来对用户制定的固定电价，
Figure FDA0002571112040000027
是对用户制定的新的零售电价方案在时间t的电价，
Figure FDA0002571112040000028
为对用户制定的新的零售电价方案在时间h的电价。
5.根据权利要求3所述的一种计及风光出力和价格需求响应的配电网优化方法，其特征在于，所述根据用户需求响应建立配电网优化模型具体为：
根据式(3)建立配电网优化模型：
Figure FDA0002571112040000029
其中，Ret、Cot分别表示时间t的收入和成本，
Figure FDA00025711120400000210
表示在时间t与电网的电能交换量，
Figure FDA00025711120400000211
表示时间t的电力批发市场的价格，
Figure FDA00025711120400000212
时间t的分布式电源的运行成本，
Figure FDA00025711120400000213
表示一个节点分布式电源的启动成本，
Figure FDA00025711120400000214
表示节点i分布式电源的关机成本，
Figure FDA0002571112040000031
为时间t分布式电源的发电功率，
Figure FDA0002571112040000032
为时间内分布式电源机组运行状态的二进制决策变量，
Figure FDA0002571112040000033
为分布式电源机组启动的二进制决策变量，
Figure FDA0002571112040000034
分布式电源机组关闭的二进制决策变量，
Figure FDA0002571112040000035
则是风电、光伏的发电成本，
Figure FDA0002571112040000036
为时间t内风电和光伏总的发电量，
Figure FDA0002571112040000037
为t-1时间段分布式电源机组运行状态的二进制决策变量；
该模型约束包括：
1)有功无功潮流约束
电网中的电压和功率分布必须满足潮流方程，潮流方程表示如下：
Figure FDA0002571112040000038
Figure FDA0002571112040000039
Figure FDA00025711120400000310
为在时间t节点i总的有功出力和无功出力，
Figure FDA00025711120400000311
在时间t节点i有功负荷和无功负荷，
Figure FDA00025711120400000312
为时间t节点i的电压，
Figure FDA00025711120400000313
分别为时间t节点i与节点j之间的电导、电纳及相角差；
在上述等式中，
Figure FDA00025711120400000314
的计算如下：
Figure FDA00025711120400000315
Figure FDA00025711120400000316
式中：
Figure FDA00025711120400000317
为时间t配电网和电网之间的无功功率交换量，
Figure FDA00025711120400000318
为节点i分布式电源、风电、光伏产生的无功功率；
Figure FDA00025711120400000319
如上式所示，
Figure FDA00025711120400000320
分别为节点i电压的上下限，每个节点的电压应该满足上下限的约束，同时配电网与上级电网进行电力交易时不能超过电网最大的输出/输入功率
Figure FDA00025711120400000321
2)功率平衡约束
Figure FDA0002571112040000041
Figure FDA0002571112040000042
Figure FDA0002571112040000043
Figure FDA0002571112040000044
Figure FDA0002571112040000045
Figure FDA0002571112040000046
其中，
Figure FDA0002571112040000047
为时间t总有功损耗，
Figure FDA0002571112040000048
为总无功损耗，
Figure FDA0002571112040000049
为时间t内分布式电源的发电功率，
Figure FDA00025711120400000410
为时间t风电和光伏总的发电功率，
Figure FDA00025711120400000411
分别为时间t整个电网分布式电源、风电、光伏产生的总的，无功功率、
Figure FDA00025711120400000412
为时间t整个电网的无功负荷
Figure FDA00025711120400000413
时间t配电网和电网之间的总的无功功率交换量，n表示电网的节点数量；
3)分布式电源约束
Figure FDA00025711120400000414
Figure FDA00025711120400000415
Figure FDA00025711120400000416
式中：节点i发电机组的发电量应满足上限
Figure FDA00025711120400000417
与下限
Figure FDA00025711120400000418
的约束，
Figure FDA00025711120400000419
为一个时间段内可以上升或下降的最大速率。
6.一种计及风光出力和价格需求响应的配电网优化系统，其特征在于，包括：
定价模块，用于采用混合定价法得到日电价曲线；
出力计算模块，用于计算风光出力；
建模模块，用于根据日电价曲线和风光出力情况建立用户需求响应模型；
根据用户需求响应建立配电网优化模型；
发电模块，用于根据配电网优化模型进行发电。
7.一种计及风光出力和价格需求响应的配电网优化系统，其特征在于，包括：
存储器和处理器；
所述存储器用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～5任一项所述方法的步骤。
CN202010639859.2A 2020-07-06 2020-07-06 计及风光出力和价格需求响应的配电网优化方法及系统 Active CN111967639B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010639859.2A CN111967639B (zh) 2020-07-06 2020-07-06 计及风光出力和价格需求响应的配电网优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010639859.2A CN111967639B (zh) 2020-07-06 2020-07-06 计及风光出力和价格需求响应的配电网优化方法及系统

Publications (2)

Publication Number Publication Date
CN111967639A true CN111967639A (zh) 2020-11-20
CN111967639B CN111967639B (zh) 2023-04-07

Family

ID=73361530

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010639859.2A Active CN111967639B (zh) 2020-07-06 2020-07-06 计及风光出力和价格需求响应的配电网优化方法及系统

Country Status (1)

Country Link
CN (1) CN111967639B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112434444A (zh) * 2020-12-07 2021-03-02 国网天津市电力公司 计及需求响应的配电网站网协同扩容规划方法
CN112821463A (zh) * 2021-01-07 2021-05-18 厦门大学 基于风、光随机性的主动配电网多目标日前优化调度方法
CN113033870A (zh) * 2021-02-25 2021-06-25 国网河北省电力有限公司营销服务中心 电力专变客户柔性负荷调度方法及终端设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106961124A (zh) * 2017-02-27 2017-07-18 南阳理工学院 一种基于价格需求响应的经济调度模型
CN107274087A (zh) * 2017-06-09 2017-10-20 燕山大学 一种计及需求侧响应不确定性的主动配电网双层规划方法
CN108539784A (zh) * 2018-04-13 2018-09-14 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN108964124A (zh) * 2018-07-19 2018-12-07 国网江苏省电力有限公司宿迁供电分公司 增量配电网中计及电价响应的分布式电源并网优化配置方法
CN110350523A (zh) * 2019-07-10 2019-10-18 佳源科技有限公司 基于需求响应的多能源互补优化调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106961124A (zh) * 2017-02-27 2017-07-18 南阳理工学院 一种基于价格需求响应的经济调度模型
CN107274087A (zh) * 2017-06-09 2017-10-20 燕山大学 一种计及需求侧响应不确定性的主动配电网双层规划方法
CN108539784A (zh) * 2018-04-13 2018-09-14 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN108964124A (zh) * 2018-07-19 2018-12-07 国网江苏省电力有限公司宿迁供电分公司 增量配电网中计及电价响应的分布式电源并网优化配置方法
CN110350523A (zh) * 2019-07-10 2019-10-18 佳源科技有限公司 基于需求响应的多能源互补优化调度方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112434444A (zh) * 2020-12-07 2021-03-02 国网天津市电力公司 计及需求响应的配电网站网协同扩容规划方法
CN112434444B (zh) * 2020-12-07 2022-03-11 国网天津市电力公司 计及需求响应的配电网站网协同扩容规划方法
CN112821463A (zh) * 2021-01-07 2021-05-18 厦门大学 基于风、光随机性的主动配电网多目标日前优化调度方法
CN113033870A (zh) * 2021-02-25 2021-06-25 国网河北省电力有限公司营销服务中心 电力专变客户柔性负荷调度方法及终端设备
CN113033870B (zh) * 2021-02-25 2022-04-26 国网河北省电力有限公司营销服务中心 电力专变客户柔性负荷调度方法及终端设备

Also Published As

Publication number Publication date
CN111967639B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
Rahimi et al. Optimal stochastic scheduling of electrical and thermal renewable and non-renewable resources in virtual power plant
Mirzaei et al. Integrated energy hub system based on power‐to‐gas and compressed air energy storage technologies in the presence of multiple shiftable loads
Nojavan et al. Optimal bidding and offering strategies of merchant compressed air energy storage in deregulated electricity market using robust optimization approach
Torkan et al. A genetic algorithm optimization approach for smart energy management of microgrids
CN104376410B (zh) 一种配电网中分布式电源的规划方法
CN111967639B (zh) 计及风光出力和价格需求响应的配电网优化方法及系统
Yang et al. A multi-objective stochastic optimization model for electricity retailers with energy storage system considering uncertainty and demand response
Hakimi et al. Optimal sizing of renewable energy systems in a Microgrid considering electricity market interaction and reliability analysis
Bidgoli et al. Multi-stage optimal scheduling of multi-microgrids using deep-learning artificial neural network and cooperative game approach
Yang et al. Optimal sizing of a wind/solar/battery/diesel hybrid microgrid based on typical scenarios considering meteorological variability
Wang et al. Operation strategy of a hybrid solar and biomass power plant in the electricity markets
Nazari et al. A two-stage stochastic model for energy storage planning in a microgrid incorporating bilateral contracts and demand response program
CN107453407B (zh) 一种智能微电网分布式能源调度方法
CN115271467A (zh) 考虑电碳协同优化的虚拟电厂调度优化方法及应用
CN112950098A (zh) 基于综合能源系统的能源规划方法、装置及终端设备
Petrichenko et al. Modelling the Future of the Baltic Energy Systems: A Green Scenario
Guo et al. Multi-energy collaborative optimization of park integrated energy system considering carbon emission and demand response
Wu et al. Dynamic pricing and energy management of hydrogen-based integrated energy service provider considering integrated demand response with a bi-level approach
Mobarakeh et al. Techno-economic energy management of micro-grid in the presence of distributed generation sources based on demand response programs
CN115146868A (zh) 电热气耦合的农村微能源系统协同规划方法及终端设备
Ma et al. Multi-timescale optimization scheduling of regional integrated energy system based on source-load joint forecasting
Basu Heat and power generation augmentation planning of isolated microgrid
Kumar et al. Impact of optimal sized pump storage unit on microgrid operating cost and bidding in electricity market
Yang et al. Optimal design and energy management of residential prosumer community with photovoltaic power generation and storage for electric vehicles
Khajehzadeh et al. Novel control framework for optimal scheduling in microgrid with demand response support under contingency events

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