CN111969655A - 考虑负荷响应不确定性的多源多荷协调调度方法及系统 - Google Patents

Abstract

本发明提供一种考虑负荷响应不确定性的多源多荷协调调度方法及系统，属于新能源电力系统技术领域。在本发明中考虑负荷响应不确定性，主要针对于海水淡化负荷，将海水淡化与源网荷灵活互动相结合，不仅降低海水淡化机组运行成本，在一定程度上增加了淡水资源的产量，对解决全球水资源短缺问题提供了一定的帮助。本发明同时提出包含日前和日内调度的多时间尺度协调调度方法，降低风电功率以及负荷功率的预测精度随时间尺度减小而提高对系统可靠性的影响，提高沿海区域电网运行的经济性，提高新能源利用率，并且将采集的机组运行数据、报警信息、多时间尺度调控信息等进行实时监控，具有可操控性。

Description

考虑负荷响应不确定性的多源多荷协调调度方法及系统

技术领域

本发明涉及新能源电力系统技术领域，尤其涉及一种考虑负荷响应不确定性的多源多荷协调调度方法及系统。

背景技术

随着能源危机与环境污染问题越来越严重，各国都在积极的开发如太阳能、风能、海洋能等新型可再生能源，部分可再生能源利用技术已取得技术突破，并在世界各地形成了一定的规模的可再生能源产业。但就目前来说，新能源的相关技术仍不成熟。加强需求侧管理，积极培育电能服务，利用能源互联技术，形成需求侧机动调峰能力，保障轻微缺电情况下的电力供需平衡，已经成为电网公司责任。而沿海海水淡化、沿海养殖等产业发展势头强劲，其负荷需求越来越强烈，特别是淡水资源缺乏地区，海水淡化已成为沿海重要的负荷。同时沿海太阳能、风能以及潮汐能等分布式可再生能源潜力巨大。开展多能源互补消纳、高效利用已成为实现沿海经济可持续发展重要内容。考虑海水淡化等多种负荷实现与沿海分布式可再生能源的时空匹配及互补利用的研究，对于沿海大规模推广海水淡化等产业，解决水资源难题，消纳分布式可再生能源，平衡和增加电网负荷，促进沿海的综合开发具有重要意义。

目前现有的多源多荷系统的协调控制研究更侧重微网内的功率平衡与局部优化控制，对微网与电网的灵活互动研究较少，对“源-网-荷-储”系统研究范围的划定更是偏向局部化。这导致能源互联网协调控制对象也出现局部化问题，一方面，体现在对不同地区不同负荷考虑不足，鲜有考虑沿海典型负荷等情况；另一方面，体现在对需求侧的控制过于理想化，并未考虑到需求侧响应不确定性对整个系统带来的风险；最后，体现在仅考虑日前角度，并未考虑到风电等新能源预测功率随时间尺度缩短而减小的特点，并未在多时间尺度上对系统进行优化。

发明内容

针对上述现有技术的不足，本发明提供一种考虑负荷响应不确定性的多源多荷协调调度方法及系统。

为解决上述技术问题，本发明所采取的技术方案是：

一种考虑负荷响应不确定性的多源多荷协调调度方法，包括如下步骤：

步骤1：风机、火电机组、常规负荷、海水淡化负荷、储能装置、电网分别获取自身的运行数据，并获取相应的气象数据和用水数据；

步骤2：考虑海水淡化负荷的需求响应，建立需求响应不确定性风险成本模型；

所述需求响应不确定性风险成本模型包括海水淡化负荷削减不确定性所导致的风险成本以及用户参与需求响应的补偿成本。

步骤3：根据需求响应不确定性风险成本模型计算出的成本、常规机组发电成本、机组启停成本、需求侧响应成本以及电能交易成本，建立日前优化模型，过程如下：

步骤3.1：以日前系统综合运行成本最小为日前优化模型的目标函数；

所述日前系统综合运行成本包括常规机组发电成本、机组启停成本、需求侧响应成本以及电能交易成本；

所述日前常规机组发电成本是根据设备年维护成本系数、设备容量、设备建造单价以及相对应的运行周期内能源消耗成本计算得到；

所述机组启停成本是获取机组在t时刻的启停状态，为1表示开机态，为0表示停机态，以及相对应的开机成本计算得到；

所述日前需求侧响应成本是所述需求响应不确定性风险成本模型计算得到的成本与需求响应所带来的削峰填谷收益之差；

所述电能交易成本是电网购电成本与售电收益之差。

步骤3.2：设定日前调度的约束条件，包括：机组出力约束、日前系统功率平衡约束、储能设备约束、系统旋转备用约束、最小开关机时间约束以及需求响应约。

所述机组出力约束是判断机组日前出力值是否在其出力最小值与最大值之间，所述日前系统功率平衡约束是保证日前负荷侧功率值与新能源机组日前出力、储能日前出力、日前电网功率值之和相等，当从电网购电时，则电网功率>0，当向电网售电时，则电网功率<0，所述储能设备约束主要包括两部分，其一储能装置的日前充放电功率保证在其最小充放电功率以及最大充放电功率之间，其二储能装置的日前荷电量保证在其最小荷电量以及最大荷电量之间，所述系统旋转备用约束是保证机组的日前最大出力值与日前负荷实际预测值之差大于系统的旋转备用容量，所述最小开关机时间约束是保证发电机组已连续开、停机时段数分别大于对应的发电机组开、停机最短时段数，所述需求响应约束是保证日前需求响应的负荷削减间隔时间大于用户参与两次需求响应负荷削减事件过程中的最小间隔时间。

步骤4：基于已建立的日前优化模型，输入日前负荷以及日前新能源预测情况，根据粒子群优化算法，求解得到次日的日前调度计划，包含次日机组启停及调度策略；

步骤5：根据常规机组发电成本、电能交易成本、需求响应成本以及系统日内净负荷值惩罚成本，建立日内优化模型，过程如下：

步骤5.1：以日内系统综合运行成本最小为日内优化模型的目标函数；

所述日内系统综合运行成本包括常规机组发电成本、电能交易成本、需求响应成本以及系统日内净负荷值惩罚成本；

所述日内常规机组发电成本是由日内最新风机出力情况、日内负荷预测情况所确定的能源消耗成本以及运行维护成本之和；

所述日内需求侧响应成本是利用日内最新获得的海水淡化负荷曲线所求得的日内需求响应不确定性风险成本与日内需求响应所带来的削峰填谷收益之差；

所述系统日内净负荷值惩罚成本是将日前预测的风电机组出力值以及火电机组的出力值与日内修正后的发电机组出力值之差，再乘以相对应的惩罚系数计算得到。

步骤5.2：设定日内调度的约束条件，包括：机组出力约束、日内系统功率平衡约束、储能装置约束、系统旋转备用约束以及需求响应约束。

由于常规机组启停计划在日前调度中已经确定，在日内调度计划中无法进行修改，故在日内调度计划中不考虑常规机组开停时间约束。

所述机组出力约束是判断机组日内出力值是否在其出力最小值与最大值之间，所述日内系统功率平衡约束是保证日内负荷侧功率值与新能源机组日内出力、储能日内出力、电网日内功率值之和相等，当从电网购电时，则电网功率>0，当向电网售电时，则电网功率<0，所述储能设备约束主要包括两部分，其一储能装置的日内的充放电功率保证在其最小充放电功率以及最大充放电功率之间，其二储能装置的日内荷电量保证在其最小荷电量以及最大荷电量之间，所述系统旋转备用约束是保证机组的日内最大出力值与日内负荷实际预测值之差大于系统的旋转备用容量，所述需求响应约束是保证日内需求响应的负荷削减间隔时间大于用户参与两次需求响应负荷削减事件过程中的最小间隔时间。

步骤6：基于已建立的日内优化模型及步骤4得到的次日机组启停及调度策略，输入日内最新负荷以及风机出力预测值，采用粒子群优化算法，求解得到日内调度计划；

步骤7：将日内调度计划与日前调度计划进行对比，根据日内调度计划的机组出力值对日前所确定的机组出力值进行微调。

另一方面，本发明还提供一种采用上述考虑负荷响应不确定性的多源多荷协调调度方法进行调度的系统，包括：用户登录模块、数据采集模块、设备运行状态监测模块、多时间尺度调控模块、设备控制模块、数据显示与存储模块和报警模块；

所述用户登录模块识别用户名和密码，完成用户的登录操作；

所述数据采集模块用于接收采集到的风机、火电机组、海水淡化负荷、常规负荷、储能装置的运行数据；

所述设备运行状态监测模块提供设备运行状态查询功能，调用数据显示与存储模块存储的设备运行状态数据，根据实际的需求，在指定的时间显示指定机组或者全部机组的运行数据；

所述多时间尺度调控模块采用考虑负荷响应不确定性的多源多荷协调调度方法得到系统调度情况；

所述设备控制模块根据多时间尺度调控模块得到的系统调度情况控制系统内风机、火电机组出力值；根据系统功率平衡状况对储能装置进行控制；根据用户实际需求控制常规负荷和海水淡化负荷；

所述数据显示与存储模块将采集的数据推送到数据库进行存储并显示，具体显示方式如下：

采用曲线图的方式对采集的风机、火电机组、储能装置、常规负荷、海水淡化负荷的数据进行显示，其中横坐标为时间，纵坐标分别为每台风机、火电机组、储能装置、常规负荷、海水淡化负荷的功率值；

采用曲线图的方式分别对日前调度、日内调度中机组的调控信息进行显示，其中横坐标为时间，纵坐标分别为对应时间的日前调度计划机组出力值和对应时间的日内调度计划机组出力值；

采用曲线图的方式对对应时间段内的天气数据、用水数据进行显示，其中横坐标是时间，纵坐标分别是气温以及用水量；并根据实际需求设置可查询周期，将每一查询周期内所采集的数据进行历史数据存储，进而实现用户对历史数据的实时查询；

所述报警模块将海水淡化负荷作为需求响应，将用户在需求响应事件当天实际用水需求与既定需求做比较，计算出用户实际用水需求相对于既定需求的差值，当差值为正并大于一定阈值时，则存在过响应，系统报警；当差值为负并小于一定阈值时，则存在欠响应，系统报警。

采用上述技术方案所产生的有益效果在于：

(1)本发明引入海水淡化负荷，单纯的海水淡化技术成本较高，海水淡化技术推广程度受限，将海水淡化技术与源网荷储灵活互动相结合，在提高系统互动能力的同时，又能降低海水淡化技术成本，增加海水淡化技术推广范围，在一定程度上，提升淡水产量，对解决水资源难题提供了一定的帮助，不仅具有经济效益，还具有社会效益；

(2)本发明考虑了海水淡化负荷需求响应的不确定性，考虑需求响应项目实施过程中的外界环境因素以及价格因素等导致的需求响应不确定性，提出了基于风险评估理论的海水淡化负荷需求响应不确定性模型，并给出相应的计算公式，更加具有实际应用意义；

(3)本发明提出了一种包含日前和日内调度的多时间尺度优化调度策略，降低风电功率以及负荷功率的预测精度随时间尺度减小而提高对系统可靠性的影响，日前调度确定机组的启停状态，日内调度在日前调度的基础上对机组出力值进行修正，更加符合实际工程运行情况；

(4)本发明所提出的源网荷协调调度方法，提高了新能源的利用率，减少了弃风现象，进一步扩大了新能源的消纳空间。

(5)本发明设计的系统，将采集的机组运行数据、报警信息、多时间尺度调控信息等进行实时监控，并显示在电脑界面上。

附图说明

图1为本发明实施方式中的多源多荷微能源网络结构拓扑图；

图2为本发明实施方式中的多源多荷微能源网络结构示意图；

图3为本发明实施方式中的考虑负荷响应不确定性的多源多荷协调调度计划生成原理示意图；

图4为本发明实施方式中的多时间尺度框架图；

图5为本发明实施方式中的考虑负荷响应不确定性的多源多荷协调调度中的多时间尺度流程图；

图6为本发明实施方式中的考虑负荷响应不确定性的多源多荷协调调度系统登录模块流程图；

图7为本发明实施方式中的考虑负荷响应不确定性的多源多荷协调调度系统首页界面图；

图8为本发明实施方式中的考虑负荷响应不确定性的多源多荷协调调度系统设备运行状态显示界面图；

图9为本发明实施方式中的考虑负荷响应不确定性的多源多荷协调调度系统设备控制显示界面图；

图10为本发明实施方式中的考虑负荷响应不确定性的多源多荷协调调度系统多时间尺度调控信息显示界面图；

图11为本发明实施方式中的考虑负荷响应不确定性的多源多荷协调调度系统气象数据显示界面图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本实施例的多源多荷微能源网络拓扑图如图1所示，本实施例中的“源”指火电机组、风机；“网”指电网；“荷”指海水淡化负荷、常规负荷；“储”指储能装置。

步骤1：本实施例的多源多荷微能源网络结构示意图如图2所示，考虑负荷响应不确定性的多源多荷协调调度系统控制发电机组启停状态以及相应出力值，风机、火电机组、常规负荷、海水淡化负荷、储能装置、电网分别获取自身的运行数据，如目标电力系统的风机出力曲线、常规负荷曲线、海水淡化负荷曲线等运行数据发送至所述控制中心，所述考虑负荷响应不确定性的多源多荷协调调度系统中的数据采集模块获取相应的运行数据、气象数据、用水数据。

步骤2：本实施例中，基于膜法海水淡化，建立考虑海水淡化负荷的需求响应不确定性成本模型。需求响应海水淡化负荷调度的总成本包括两部分，其一为对用户参与需求响应的补偿成本，其二为由于海水淡化负荷削减不确定性所导致的风险成本。需求响应海水淡化负荷调度的总成本计算公式为:

其中，x_t,j为海水淡化负荷参与需求响应状态变量，其值为0时表示用户j在t时段未执行负荷削减指令，其值为1时表示用户j在t时段执行负荷削减操作，C_R为海水淡化负荷调度的总成本，C_risk,t,j为由于海水淡化负荷削减不确定性所导致的风险成本，C_p,t,j为对用户参与需求响应的补偿成本，T为运行周期，J为用户总数。

风险的损失费用的计算方式跟以下两个变量相关：单位停电损失费用ρ₀与期望供缺电量β_j＞0，其结果为两者的乘积。考虑用户需求响应的不确定性因素，将电网历史负荷数据整合分析，可得到用户响应情况的正态分布g(β_j)。对于第j个用户，海水淡化负荷需求响应调度风险成本为：

当用户过响应时，电网部门按照下达的负荷削减量进行补偿；当用户欠响应时，电网部门按照实际负荷削减量进行补偿，并对期望供缺电量差值进行惩罚。不确定性补偿成本的计算公式为：

式中，P_L为海水淡化负荷实际削减量，P_agree为合同约定负荷削减量，ρ_punish为单位惩罚成本，ρ_c为单位补偿成本。

本实施例的考虑负荷响应不确定性的多源多荷协调调度计划生成原理示意图如图3所示，考虑负荷响应不确定性的多源多荷协调调度系统采集不同时间尺度的负荷预测、淡水需求预测、风电预测信息，将日前预测信息存储在数据显示与存储模块的日前数据存储区，将日内预测信息存储在数据显示与存储模块的日内数据存储区，最终通过多时间尺度调控模块采用考虑负荷响应不确定性的多源多荷协调调度方法得到系统调度情况，生成相应时间尺度的调度计划。

本实施例的多时间尺度框架图如图4所示，本实施中的日前调度以1h为单位对全天24h作出24个调度方案，日前调度确定机组组合；本实施例中的日内调度以15min为单位对全天24h作出96个调度方案，日内调度在日前调度所确定的机组组合基础上进行出力值的微调。

本实施例的考虑负荷响应不确定性的多源多荷协调调度方法中的多时间尺度的流程图如图5所示，具体包括以下几个步骤：(1)分别获取日前新能源及负荷预测数据；(2)利用粒子群算法求解出日前调度计划，包含机组启停和日前调度策略；(3)多源多荷能量管理系统平台于次日零点前向各装置发布日前计划；(4)分别获取最新超短期新能源、负荷预测结果以及日前调度计划；(5)通过日内模型求解日内协调控制策略；(6)将日内调度计划与日前调度计划进行对比，进行出力值的微调；(7)得到日内日前出力值变化量，确定最终日内调度计划；(8)多源多荷能量管理系统平台提前一小时向各装置发布日内计划。

步骤3：本实施例中，建立日前优化模型，日前优化目标函数是日前系统综合运行成本最小，所述系统综合运行成本包括常规机组发电成本、机组启停成本、需求侧响应不确定性风险成本以及电能交易成本，日前调度目标函数为：

C_Q＝min(C_m1+C_m2+C_x+C_tr)

式中，C_Q为日前系统运行综合成本；C_m1为机组启停成本，C_m2为机组发电成本；C_x为需求侧响应成本，C_tr为电能交易成本。

所述机组启停成本公式如下：

式中，n为设备台数，T为系统运行周期，S_i为机组i的开机成本，u_i,t为机组i在t时刻的启停状态，为1表示开机态，为0表示停机态。

所述机组发电成本公式如下：

式中，n为设备台数，O_i为第i个设备的每年维护成本系数，C_i'为第i个设备的容量，M_i为第i个设备的建造单价，C_i为微电网第i类电源运行单位成本费用；P_i(t)为第i类电源在第t小时的输出功率。

所述需求侧响应成本公式如下：

C_x＝C_R-C_in

式中，C_R为考虑需求响应不确定性的补偿费用，C_in为削峰填谷的直接收益。

所述考虑需求响应不确定性的补偿费用公式如下：

所述需求侧响应参与电网削峰填谷的直接收益数学模型如下：

式中，P⁺(t)、P^-(t)分别表示t时刻需求侧转移进和转移出的电量，C_pu(t)为第t小时的分时电价，C_in为削峰填谷的直接收益。

所述电能交易成本的计算公式如下：

式中，

分别为电网单位功率的购电价格、售电价格，

分别为与电网的购电功率、售电功率。

本实施例中，步骤3日前优化模型设定的日前调度约束条件，包括：机组出力约束、日前系统功率平衡约束、储能装置约束、系统旋转备用约束、最小开关机时间约束以及需求响应约束。

所述机组出力约束公式如下：

式中，

为机组i的最大出力，

为机组i的最小出力。

所述日前系统功率平衡约束公式如下：

式中，P_d(t)为负荷实际预测值，P_L(t)为需求侧响应值，即海水淡化负荷功率，P_b(t)为储能装置的充放电功率，P_i(t)为火电机组i在第t时段的机组出力值，P_w(t)为风电机组功率。

所述储能装置的约束条件如下：

Soc_min≤Soc(t)≤Soc_max

式中，P_b(t)为储能装置的充放电功率，

为储能装置最小充放电功率，

为储能装置的最大充电功率，Soc(t)为储能装置第t时的荷电量，Soc_min为储能装置最小荷电量，Soc_max为储能装置最大荷电量。

所述系统旋转备用约束如下：

式中，

为机组i的最大出力，P_R(t)表示系统在第t时段的旋转备用容量。

所述最小开关机时间约束如下：

式中，Δt_on,i,tΔt_off,i,t分别为发电机组i已连续开、停机的时段数；Δt_on,i,minΔt_off,i,min分别为发电机组i连续开、停机最短时段数。

所述需求响应约束如下：

|m-n|≥K_min.j j＝1,2,3...J

式中，时段m和n处在用户参与需求响应事件时间段之内；在时段m-1处有x_j,m-1＝0，用户正常用电，在时段m处有x_j,m＝1，用户按合同削减相应的负荷量；在时段n-1处有x_j,m-1＝1，用户参与需求响应负荷削减，在时段n处有x_j,n＝0，用户正常用电；K_min,j为用户j参与两次需求响应负荷削减事件过程中的最小间隔时间。

步骤4：基于已建立的日前优化模型，输入日前负荷以及日前新能源预测情况，根据粒子群优化算法，求解得到次日的日前调度计划，包含次日机组启停及调度策略；

步骤5：本实施例中，建立日内优化模型，日内优化目标函数是日内系统综合运行成本最小，所述日内系统综合运行成本包括常规机组发电成本、电能交易成本、需求侧响应不确定性风险成本以及系统日内净负荷值惩罚成本，日内调度目标函数为：

C_N＝min(C_ge+C_x+C_tr+C_punish)

式中，C_N为日内系统运行综合成本，C_ge为日内常规机组发电成本，C_x为需求侧响应成本，C_tr为电能交易成本，C_punish为系统日内调度净负荷值惩罚成本。

所述的日内常规机组发电成本、需求侧响应成本、电能交易成本公式与日前调度中所给的公式一致，但在日内调度中，其对应的输入量值皆是日内调度中最新的日内风电预测值、日内负荷预测值以及根据最新的预测值所确定出的火电机组日内出力值，即虽然公式一致，但其输入的数值不同，所得结果不同。

所述的系统日内调度净负荷值惩罚成本公式如下：

式中，C_punish为系统日内调度净负荷值惩罚成本，

为惩罚系数，P_w,t

分别为t时刻日前风电预测功率和日内风电预测功率，P_i,t

分别为t时刻修正前和修正后的火电机组输出功率。

本实施例中，日内调度主要受到机组出力约束、日内系统功率平衡约束、储能装置约束、系统旋转备用约束以及需求响应约束等条件的约束，由于常规机组启停计划在日前调度中已经确定，在日内调度计划中无法进行修改，故在日内调度计划中不考虑常规机组开停时间约束。

所述的机组出力约束、储能装置约束、系统旋转备用约束以及需求响应约束与日前优化模型中的约束一致，所述日内系统功率平衡约束公式如下：

式中，

为t时刻超短期风电预测功率，

为t时刻修正后的火电机组输出功率，

为日内售电功率，

为日内购电功率。

步骤6：基于已建立的日内优化模型及步骤4得到的次日机组启停及调度策略，输入日内最新负荷以及风机出力预测值，采用粒子群优化算法，求解得到日内调度计划；

步骤7：将日内调度计划与日前调度计划进行对比，根据日内调度计划的机组出力值对日前所确定的机组出力值进行微调。

本实施例中，考虑负荷响应不确定性的多源多荷协调调度系统，包括用户登录模块、数据采集模块、设备运行状态监测模块、多时间尺度调控模块、设备控制模块、数据显示与存储模块和报警模块；

所述用户登录模块识别用户名和密码，完成用户的登录操作；输入用户名及密码，通过如图6所示的登录验证流程后，进入系统首页；在系统首页，根据实际需求，选择相应的功能：设备运行状态、设备控制界面、气象数据、多时间尺度调控信息以及报警信息；上述功能分别调用系统中与之对应的功能模块，并将数据显示在系统界面上。

所述数据采集模块用于接收采集到的风机、火电机组、海水淡化负荷、常规负荷、储能装置的运行数据；

所述设备运行状态监测模块提供设备运行状态查询功能，调用数据显示与存储模块存储的设备运行状态数据，根据实际的需求，在指定的时间显示指定机组或者全部机组的运行数据；

所述多时间尺度调控模块采用考虑负荷响应不确定性的多源多荷协调调度方法得到系统调度情况；

所述设备控制模块根据多时间尺度调控模块得到的系统调度情况控制系统内风机、火电机组出力值；根据系统功率平衡状况对储能装置进行控制；根据用户实际需求控制常规负荷和海水淡化负荷；

所述数据显示与存储模块将采集的数据推送到数据库进行存储并显示，具体显示方式如下：

采用曲线图的方式对采集的风机、火电机组、储能装置、常规负荷、海水淡化负荷的数据进行显示，其中横坐标为时间，纵坐标分别为每台风机、火电机组、储能装置、常规负荷、海水淡化负荷的功率值；

采用曲线图的方式分别对日前调度、日内调度中机组的调控信息进行显示，其中横坐标为时间，纵坐标分别为对应时间的日前调度计划机组出力值和对应时间的日内调度计划机组出力值；

采用曲线图的方式对对应时间段内的天气数据、用水数据进行显示，其中横坐标是时间，纵坐标分别是气温以及用水量；并根据实际需求设置可查询周期，将每一查询周期内所采集的数据进行历史数据存储，进而实现用户对历史数据的实时查询；

所述报警模块将海水淡化负荷作为需求响应，将用户在需求响应事件当天实际用水需求与既定需求做比较，计算出用户实际用水需求相对于既定需求的差值，当差值为正并大于一定阈值时，则存在过响应，系统报警；当差值为负并小于一定阈值时，则存在欠响应，系统报警。

本实施例的系统登录流程图如图6所示，输入用户名及密码，若是输入密码不正确，则需要重新输入密码。当该用户密码错误达到三次，则锁定该用户15min，15min以后通过邮箱找回密码，重新登录。若输入错误密码未达三次，则密码正确以后，直接进入系统首页界面。用户根据实际需求，选择相应的功能：设备运行状态、设备控制界面、气象数据、多时间尺度调控信息以及报警信息，用户进行相关的功能操作，最终完成多源多荷系统能量管理。

本实施例的系统首页界面图如图7所示，所述界面包含五个功能查询的入口以及1个系统网架结构：设备运行状态查询入口、设备控制界面查询入口、气象数据查询入口、多时间尺度调控信息查询入口、报警信息查询入口以及系统网架结构。所述系统网架结构的交流母线上依次连接有电网、风机、火电机组、储能装置、常规负荷以及海水淡化负荷，电网支路上设置有功率传感器，所述电网支路功率传感器用于检测电网支路电流、电压以及功率，风机支路上设置有功率传感器，所述风机支路功率传感器用于检测风机支路电流、电压以及功率，火电机组支路上设置有功率传感器，所述火电机组支路功率传感器用于检测火电机组支路电流、电压以及功率，储能装置支路上设置有储能变流器PCS以及2个功率传感器，所述储能变流器PCS的主要作用是将交流电转换为直流电，所述2个储能装置支路功率传感器分别用于检测未经PCS变流前的支路电流、电压、功率以及经PCS变流后的支路电流、电压以及功率，常规负荷支路上设置有功率传感器，所述常规负荷支路功率传感器用于检测常规负荷支路电流、电压以及功率，海水淡化负荷支路上设置有功率传感器，所述海水淡化负荷支路功率传感器用于检测海水淡化负荷支路电流、电压以及功率。

本实施例的设备运行状态界面图如图8所示，所述界面主要可以进行6个功能查询：风机运行状态查询、火电机组运行状态查询、储能装置运行状态查询、常规负荷运行状态查询、海水淡化机组运行状态查询以及报警信息查询，便于用户更好的对设备运行状态进行全面了解，便于用户更好的选择想要控制的设备。

根据实际需求，对风机、火电机组、储能装置、常规负荷、海水淡化负荷的启停进行控制；

本实施例的设备控制界面图如图9所示，所述界面主要可以进行5个功能控制以及1个信息查询：风机机组启停控制、火电机组启停控制、储能装置启停控制、常规负荷启停控制、海水淡化负荷启停控制以及报警信息查询，便于用户更好的对设备进行调控。

采用图像显示的方式分别对日前调度、日内调度中机组的调控信息进行显示；

本实施例的多时间尺度调控信息界面图如图10所示，所述界面主要可以进行5个功能查询：日前机组调控信息查询、日内机组调控信息查询、日前调控目标值查询、日内调控目标值查询以及报警信息查询，用户可以清晰的看出日前机组调控信息情况以及日内机组出力值调整情况，分别显示日前、日内调控目标值，用户可以直观地看出日前、日内经济效益值。

采用图像显示的方式对对应时间段内的天气数据、用水数据进行显示，并根据实际需求设置可查询周期，将每一查询周期内所采集的数据进行历史数据存储，进而实现用户对历史数据的实时查询；

本实施例的气象数据界面图如图11所示，所述界面主要可以进行6个功能查询：天气数据查询、用水数据查询、历史数据查询以及报警信息查询，根据实际需求，用户可以选择查看相应时间段的天气数据及用水数据，从而更加清楚了解对应时段的用水需求，用户可以选择查看过去一天、一周、一个月任意时间的气象数据进行查看，报警信息区域在多源多荷协调调度系统的任一界面都可查看，便于用户最快发现系统异常情况。

Claims (7)

1.一种考虑负荷响应不确定性的多源多荷协调调度方法，其特征在于，包括如下步骤：

步骤1：风机、火电机组、常规负荷、海水淡化负荷、储能装置、电网分别获取自身的运行数据，并获取相应的气象数据和用水数据；

步骤2：考虑海水淡化负荷的需求响应，建立需求响应不确定性风险成本模型；

步骤3：根据需求响应不确定性风险成本模型计算出的成本、常规机组发电成本、机组启停成本、需求侧响应成本以及电能交易成本，建立日前优化模型；

步骤4：基于已建立的日前优化模型，输入日前负荷以及日前新能源预测情况，根据粒子群优化算法，求解得到次日的日前调度计划，包含次日机组启停及调度策略；

步骤5：根据常规机组发电成本、电能交易成本、需求响应成本以及系统日内净负荷值惩罚成本，建立日内优化模型；

步骤6：基于已建立的日内优化模型及步骤4得到的次日机组启停及调度策略，输入日内最新负荷以及风机出力预测值，采用粒子群优化算法，求解得到日内调度计划；

步骤7：将日内调度计划与日前调度计划进行对比，根据日内调度计划的机组出力值对日前所确定的机组出力值进行微调。

2.根据权利要求1所述的考虑负荷响应不确定性的多源多荷协调调度方法，其特征在于：所述需求响应不确定性风险成本模型包括海水淡化负荷削减不确定性所导致的风险成本以及用户参与需求响应的补偿成本。

3.根据权利要求1所述的一种考虑负荷响应不确定性的多源多荷多时间尺度协调调度方法，其特征在于：所述步骤3的过程如下：

步骤3.1：以日前系统综合运行成本最小为日前优化模型的目标函数；

步骤3.2：设定日前调度的约束条件，包括：机组出力约束、日前系统功率平衡约束、储能装置约束、系统旋转备用约束、最小开关机时间约束以及需求响应约。

4.根据权利要求3所述的考虑负荷响应不确定性的多源多荷协调调度方法，其特征在于：所述日前系统综合运行成本包括常规机组发电成本、机组启停成本、需求侧响应成本以及电能交易成本；

所述日前常规机组发电成本是根据设备年维护成本系数、设备容量、设备建造单价以及相对应的运行周期内能源消耗成本计算得到；

所述机组启停成本是获取机组在t时刻的启停状态，为1表示开机态，为0表示停机态，以及相对应的开机成本计算得到；

所述日前需求侧响应成本是所述需求响应不确定性风险成本模型计算得到的成本与需求响应所带来的削峰填谷收益之差；

所述电能交易成本是电网购电成本与售电收益之差。

5.根据权利要求1所述的考虑负荷响应不确定性的多源多荷协调调度方法，其特征在于：所述步骤5的过程如下：

步骤5.1：以日内系统综合运行成本最小为日内优化模型的目标函数；

步骤5.2：设定日内调度的约束条件，包括：机组出力约束、日内系统功率平衡约束、储能装置约束、系统旋转备用约束以及需求响应约束。

6.根据权利要求5所述的考虑负荷响应不确定性的多源多荷协调调度方法，其特征在于：所述日内系统综合运行成本包括常规机组发电成本、电能交易成本、需求响应成本以及系统日内净负荷值惩罚成本；

所述日内常规机组发电成本是由日内最新风机出力情况、日内负荷预测情况所确定的能源消耗成本以及运行维护成本之和；

所述日内需求侧响应成本是利用日内最新获得的海水淡化负荷曲线所求得的日内需求响应不确定性风险成本与日内需求响应所带来的削峰填谷收益之差；

所述系统日内净负荷值惩罚成本是将日前预测的风电机组出力值以及火电机组的出力值与日内修正后的发电机组出力值之差，再乘以相对应的惩罚系数计算得到。

7.采用权利要求1所述考虑负荷响应不确定性的多源多荷协调调度方法进行调度的系统，其特征在于，包括：用户登录模块、数据采集模块、设备运行状态监测模块、多时间尺度调控模块、设备控制模块、数据显示与存储模块和报警模块；

所述用户登录模块识别用户名和密码，完成用户的登录操作；

所述数据采集模块用于接收采集到的风机、火电机组、海水淡化负荷、常规负荷、储能装置的运行数据；

所述设备运行状态监测模块提供设备运行状态查询功能，调用数据显示与存储模块存储的设备运行状态数据，根据实际的需求，在指定的时间显示指定机组或者全部机组的运行数据；

所述多时间尺度调控模块采用考虑负荷响应不确定性的多源多荷协调调度方法得到系统调度情况；

所述设备控制模块根据多时间尺度调控模块得到的系统调度情况控制系统内风机、火电机组出力值；根据系统功率平衡状况对储能装置进行控制；根据用户实际需求控制常规负荷和海水淡化负荷；

所述数据显示与存储模块将采集的数据推送到数据库进行存储并显示，具体显示方式如下：

采用曲线图的方式对采集的风机、火电机组、储能装置、常规负荷、海水淡化负荷的数据进行显示，其中横坐标为时间，纵坐标分别为每台风机、火电机组、储能装置、常规负荷、海水淡化负荷的功率值；

采用曲线图的方式分别对日前调度、日内调度中机组的调控信息进行显示，其中横坐标为时间，纵坐标分别为对应时间的日前调度计划机组出力值和对应时间的日内调度计划机组出力值；

采用曲线图的方式对对应时间段内的天气数据、用水数据进行显示，其中横坐标是时间，纵坐标分别是气温以及用水量；并根据实际需求设置可查询周期，将每一查询周期内所采集的数据进行历史数据存储，进而实现用户对历史数据的实时查询；

所述报警模块将海水淡化负荷作为需求响应，将用户在需求响应事件当天实际用水需求与既定需求做比较，计算出用户实际用水需求相对于既定需求的差值，当差值为正并大于一定阈值时，则存在过响应，系统报警；当差值为负并小于一定阈值时，则存在欠响应，系统报警。

Images