CN112418636A - 虚拟电厂自组织聚合运行调度方法 - Google Patents

虚拟电厂自组织聚合运行调度方法 Download PDF

Info

Publication number
CN112418636A
CN112418636A CN202011291439.6A CN202011291439A CN112418636A CN 112418636 A CN112418636 A CN 112418636A CN 202011291439 A CN202011291439 A CN 202011291439A CN 112418636 A CN112418636 A CN 112418636A
Authority
CN
China
Prior art keywords
self
organizing
individual
power plant
virtual power
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
CN202011291439.6A
Other languages
English (en)
Other versions
CN112418636B (zh
Inventor
何光宇
王芬
范帅
吴清
李志勇
庞松岭
孟琰
李川江
何果红
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.)
Shanghai Qianguan Energy Saving Technology Co ltd
Hainan Electric Power School Hainan Electric Power Technical School
Shanghai Jiaotong University
Original Assignee
Shanghai Qianguan Energy Saving Technology Co ltd
Hainan Electric Power School Hainan Electric Power Technical School
Shanghai Jiaotong 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 Shanghai Qianguan Energy Saving Technology Co ltd, Hainan Electric Power School Hainan Electric Power Technical School, Shanghai Jiaotong University filed Critical Shanghai Qianguan Energy Saving Technology Co ltd
Priority to CN202011291439.6A priority Critical patent/CN112418636B/zh
Publication of CN112418636A publication Critical patent/CN112418636A/zh
Application granted granted Critical
Publication of CN112418636B publication Critical patent/CN112418636B/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了电气工程及其自动化技术领域的虚拟电厂自组织聚合运行调度方法，包括如下步骤：建立负荷跟踪模型；构建自组织聚合响应流程及假定个体基础智能和建立虚拟电厂自组织聚合模型与进化机制，具体为针对分布式能源联合运行问题，考虑分布式能源间的互补作用，通过自底向上方法寻求了分布式能源的组合优化运行，本专利方法能够克服集中式优化过程中数据收集的困难以及模型求解的困难，减轻计算压力；能够驱动虚拟电厂根据自然资源分布规律合理的组合；其总体调控量较个体独立调度模式显著下降；其模型计算效率较整体统一调度模式更高。

Description

虚拟电厂自组织聚合运行调度方法
技术领域
本发明涉及电气工程及自动化技术领域，具体为虚拟电厂自组织聚合运行调度方法。
背景技术
现有的关于虚拟电厂(Virtual Power Plant,VPP)容量优化配置和协调运行方面的研究文献介绍中(文献如卫志农,陈妤,黄文进,等.考虑条件风险价值的虚拟电厂多电源容量优化配置模型[J].电力系统自动化,2018,42(4):39-46；李翔宇,赵冬梅.计及可调资源动态特性的虚拟电厂多级优化配置[J].电力系统自动化,2020,44(13):17-24和秦玉杰,胡健, 焦提操.基于泛在电力物联网的分布式可再生能源(DRE)理性消纳调峰模型[J].电力建设,2019,40(12):120-128)主要存在以下不足：(1) 在容量配置问题里最终产出为静态结构，难以发挥系统灵活性，系统的可扩展性受到了限制，(2)在协调运行问题里，主流的做法为对分布式能源(Distributed Energy Resources,DERs)采用集中式优化运行方法，而集中式方法涉及到多方信息上报、收集、处理等问题，还存在全局最优值求解困难的问题；除此之外，各DER分属不同的利益主体，集中式运行难以调动各利益主体的参与积极性，故亟需设计一种新型虚拟电厂的运行调度方法，基于此，本发明设计了虚拟电厂自组织聚合运行调度方法，以解决上述问题。
发明内容
本发明的目的在于提供虚拟电厂自组织聚合运行调度方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：虚拟电厂自组织聚合运行调度方法，包括如下步骤：
S1：建立负荷跟踪模型；
S2：构建自组织聚合响应流程及假定个体基础智能；
S3：建立虚拟电厂自组织聚合模型与进化机制。
进一步的，所述步骤S1具体为：负荷跟踪系数定义如下：若调度期n内个体i在时段t的出力标幺值为：
Figure RE-GDA0002900290870000021
其中PC,i为i的最大值，一般可取作装机容量，对个体i功率信号、负荷l定义t时刻的一致性指标为：
αi,t＝δl,t-δi,t,t＝1,2,…n (2)
则该时段内定义负荷跟踪系数IT为：
Figure RE-GDA0002900290870000022
IT越接近1，表明个体i的出力与负荷l在考察时窗内越一致，反之则不一致性越高；
在每个调度周期开始阶段，个体将基于出力预测值计算其负荷跟踪系数，如果该值低于某一特定阈值则启动优化调控决策过程；调控目标为通过较少次数或少量的调节，降低其出力水平与给定曲线不一致的程度，对于调控量的计算，采用如下优化模型：
Figure RE-GDA0002900290870000023
其中，γi,t为t时刻个体i所需承担的相对调控量即标幺值，Icr为一致性阈值，可依据功率不平衡量阈值与该节点总负荷水平比值进行整定，目标函数为该时段内出力调控总量最小，约束条件为调控后个体i出力跟随负荷变化能力满足系统要求。
进一步的，所述步骤S2中自组织聚合响应流程分为三步：(1) 针对系统发布的负荷信号，分布式能源进行自组织聚合形成虚拟电厂； (2)各分布式能源按调度计划执行，并依据聚合出力与负荷一致性情况，调度可控负荷以满足系统要求；(3)根据虚拟电厂实际调度情况对内部成员完成利益分配，在仅考虑同一配网节点下分布式能源的自组织聚合行为，其又可分为三步：(1)感知；(2)预判；(3)决策。
进一步的，所述步骤S2中还包括假定单一分布式能源是具有有限理性的智能个体，并对其行为作如下假定：(1)分布式能源在考虑自组织聚合时，仅考虑与之相邻的个体或虚拟电厂进行通信交流；(2) 忽略分布式能源之间的通信成本及通信延迟问题；(3)分布式能源具备高精度的出力预测能力。
进一步的，所述步骤S3中使用联盟博弈论的框架研究分布式能源的自组织聚合行为，具体为：针对负荷跟踪系数IT低于阈值Icr的个体，从自组织聚合的联盟效用函数出发，提出自组织聚合基本原则；定义如下联盟效用函数用于表征虚拟电厂S的出力调整量；
Figure RE-GDA0002900290870000031
定义聚合过程如下：对于联盟Si、Sj、i≠j、i，j∈{1、2、...l}，如果
Figure RE-GDA0002900290870000032
大于
Figure RE-GDA0002900290870000033
则Si、Sj将合并形成S′＝Si∪Sj，并且采用中的优化模型，可得S′的出力调整量小于Si、Sj独立运行时的出力调整量之和；接下来S′将作为一个新的联盟参与聚合过程，其中个体也可看成是单成员的联盟。
进一步的，所述步骤S3中进化机制基于merge-split规则的自组织聚合进化算法，允许迭代改进N的分割形式，其中N为所有成员集合；规则如下：(1)Merge即融合；对于任意联盟集合{S1...Sj}而言，若
Figure RE-GDA0002900290870000034
则以下聚合过程发生
Figure RE-GDA0002900290870000035
Split即分裂；对于任意联盟
Figure RE-GDA0002900290870000036
而言，若
Figure RE-GDA0002900290870000037
则以下分裂过程发生：
Figure RE-GDA0002900290870000041
其中
Figure RE-GDA0002900290870000042
表示S优于R，即在不降低其他个体利益的基础上，如果至少存在一个个体通过融合或分裂机制能够提升自身利益，则联盟之间将会融合或分裂；可证明该算法中任何聚合和分裂的迭代具有收敛性；考虑到融合后联盟数量减小、个体之间距离的限制等实际情况，该算法的复杂性大大降低，此外，所提出的虚拟电厂自组织聚合方法不仅适用于日前调度场景，也适用于时间尺度更短的有功调度场景；
最终形成的自组织聚合流程如下：(1)初始化，以个体独立形式为初始系统划分状态T＝N＝{1，2，···M}，计算各分布式能源的非合作效用；(2)根据融合条件，对于系统T中任意联盟Si和Sj，计算融合时各自所能得到的效用，如果至少有一个效用得到了提升，则融合成功；否则融合失败，如果任何两个联盟都不能发生融合，则融合过程完成，此时对应的系统划分状态为T′；(3)对于融合过程形成的T′，依次检测对应的每个联盟Si是否满足分裂条件，如果分裂能够使得Si中至少一个成员的效用得到提升，则分裂成功，如果任意联盟都不能发生分裂，则分裂过程完成，此时对应的系统划分状态为T″；(4)重复步骤(2) 和步骤(3)，直到任意联盟都不能发生融合和分裂，形成最终的系统划分状态；(5)输出系统划分状态以及各分布式能源的效用值。
与现有技术相比，本发明的有益效果是：本发明建立一种自底向上的虚拟电厂自组织聚合运行调度方法，通过分布式能源间自发聚合形成动态虚拟电厂的行为提升负荷跟踪水平，以分散集中式调度中的计算压力，同时减小调度过程中的调控量，增强分布式能源个体的适应能力，促进各类分布式能源以与负荷更一致的出力特性参与调度，促进联合出力以较小代价向理想出力逼近；具体为针对分布式能源联合运行问题，考虑分布式能源间的互补作用，通过自底向上方法寻求了分布式能源的组合优化运行，以聚合后负荷跟踪效果的量化评估为依据，作为分布式能源之间“融合”和“分裂”的判定条件，最终形成的虚拟电厂能以与调度要求更一致的出力特性参与调度；
优点：(1)本专利方法能够克服集中式优化过程中数据收集的困难以及模型求解的困难，减轻计算压力；(2)能够驱动虚拟电厂根据自然资源分布规律合理的组合；(3)其总体调控量较个体独立调度模式显著下降；(4)其模型计算效率较整体统一调度模式更高。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明虚拟电厂自组织聚合运行调度流程图；
图2为本发明虚拟电厂自组织聚合流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
请参阅图1-2，本发明提供一种技术方案：虚拟电厂自组织聚合运行调度方法，包括如下步骤：
S1：建立负荷跟踪模型；
S2：构建自组织聚合响应流程及假定个体基础智能；
S3：建立虚拟电厂自组织聚合模型与进化机制。
其中，步骤S1具体为：负荷跟踪系数定义如下：若调度期n内个体 i在时段t的出力标幺值为：
Figure RE-GDA0002900290870000061
其中PC,i为i的最大值，一般可取作装机容量，对个体i功率信号、负荷l定义t时刻的一致性指标为：
αi,t＝δl,t-δi,t,t＝1,2,…n (2)
则该时段内定义负荷跟踪系数IT为：
Figure RE-GDA0002900290870000062
IT越接近1，表明个体i的出力与负荷l在考察时窗内越一致，反之则不一致性越高；
在每个调度周期开始阶段，个体将基于出力预测值计算其负荷跟踪系数，如果该值低于某一特定阈值则启动优化调控决策过程；调控目标为通过较少次数或少量的调节，降低其出力水平与给定曲线不一致的程度，对于调控量的计算，采用如下优化模型：
Figure RE-GDA0002900290870000063
其中，γi,t为t时刻个体i所需承担的相对调控量即标幺值，Icr为一致性阈值，可依据功率不平衡量阈值与该节点总负荷水平比值进行整定，目标函数为该时段内出力调控总量最小，约束条件为调控后个体i出力跟随负荷变化能力满足系统要求，本模型可用于某网络节点中，在电网给定负荷曲线情况下分布式能源进行负荷跟踪的优化调控，以给定负荷减去该网络节点下不可调出力或叠加上不可调负荷所得到的净负荷曲线作为分布式能源的理想出力曲线，采用负荷跟踪系数量化评估调度期内的预测出力水平与负荷水平的一致性，并给出相应的负荷跟踪策略。
步骤S2中自组织聚合响应流程分为三步：(1)针对系统发布的负荷信号，分布式能源进行自组织聚合形成虚拟电厂；(2)各分布式能源按调度计划执行，并依据聚合出力与负荷一致性情况，调度可控负荷以满足系统要求；(3)根据虚拟电厂实际调度情况对内部成员完成利益分配，在仅考虑同一配网节点下分布式能源的自组织聚合行为，其又可分为三步：(1)感知；(2)预判；(3)决策。
步骤S2中还包括假定单一分布式能源是具有有限理性的智能个体，并对其行为作如下假定：(1)分布式能源在考虑自组织聚合时，仅考虑与之相邻的个体或虚拟电厂进行通信交流；(2)忽略分布式能源之间的通信成本及通信延迟问题；(3)分布式能源具备高精度的出力预测能力。
步骤S3中使用联盟博弈论的框架研究分布式能源的自组织聚合行为，具体为：针对负荷跟踪系数IT低于阈值Icr的个体，从自组织聚合的联盟效用函数出发，提出自组织聚合基本原则；定义如下联盟效用函数用于表征虚拟电厂S的出力调整量；
Figure RE-GDA0002900290870000071
定义聚合过程如下：对于联盟Si、Sj、i≠j、i，j∈{1、2、...l}，如果
Figure RE-GDA0002900290870000072
大于
Figure RE-GDA0002900290870000073
则Si、Sj将合并形成S′＝Si∪Sj，并且采用中的优化模型，可得S′的出力调整量小于Si、Sj独立运行时的出力调整量之和；接下来S′将作为一个新的联盟参与聚合过程，其中个体也可看成是单成员的联盟。
步骤S3中进化机制基于merge-split规则的自组织聚合进化算法，允许迭代改进N的分割形式，其中N为所有成员集合；规则如下：(1) Merge即融合；对于任意联盟集合{S1...Sj}而言，若
Figure RE-GDA0002900290870000081
则以下聚合过程发生
Figure RE-GDA0002900290870000082
(2)Split即分裂；对于任意联盟
Figure RE-GDA0002900290870000083
而言，若
Figure RE-GDA0002900290870000084
则以下分裂过程发生：
Figure RE-GDA0002900290870000085
其中
Figure RE-GDA0002900290870000086
表示S优于R，即在不降低其他个体利益的基础上，如果至少存在一个个体通过融合或分裂机制能够提升自身利益，则联盟之间将会融合或分裂；可证明该算法中任何聚合和分裂的迭代具有收敛性；考虑到融合后联盟数量减小、个体之间距离的限制等实际情况，该算法的复杂性大大降低，此外，所提出的虚拟电厂自组织聚合方法不仅适用于日前调度场景，也适用于时间尺度更短的有功调度场景；
最终形成的自组织聚合流程如下：(1)初始化，以个体独立形式为初始系统划分状态T＝N＝{1，2，···M}，计算各分布式能源的非合作效用；(2)根据融合条件，对于系统T中任意联盟Si和Sj，计算融合时各自所能得到的效用，如果至少有一个效用得到了提升，则融合成功；否则融合失败，如果任何两个联盟都不能发生融合，则融合过程完成，此时对应的系统划分状态为T′；(3)对于融合过程形成的T′，依次检测对应的每个联盟Si是否满足分裂条件，如果分裂能够使得Si中至少一个成员的效用得到提升，则分裂成功，如果任意联盟都不能发生分裂，则分裂过程完成，此时对应的系统划分状态为T″；(4)重复步骤(2) 和步骤(3)，直到任意联盟都不能发生融合和分裂，形成最终的系统划分状态；(5)输出系统划分状态以及各分布式能源的效用值。
本实施例的一个具体应用为：考虑日前调度场景，设一个调度周期n＝24h，每个调度时段为1h，采用以上负荷跟踪模型进行计算。选择某配网节点作为分析对象，所包含的14个DER个体编号为1～14，数据来自PJM开源数据集。对ICR＝1的情况进行分析，即要求经过调整的负荷与负荷完全一致；当ICR不为1时，可按照相同方法进行分析。计算了以独立运行、采用所提出的自组织聚合方法参与运行、所有DER 统一优化运行三种模式的结果，在后文中分别以独立模式、自组织模式、统一优化模式简称。首先按照以上方法进行自组织聚合过程，以下为该方法的最终迭代结果。接着分别以三种模式进行负荷跟踪过程，并将对应模式中各分布式能源个体应当承担的出力调整量进行了分析。
(1)自组织聚合结果
在最终的自组织聚合情况中，以个体1、4、8、13形成VPP1，个体2、8、12形成VPP2，个体3、14形成VPP3，个体5、7形成VPP4，个体6、10、11形成VPP5。
(2)三种模式下负荷跟踪情况及负荷调节量分析
自组织模式与独立优化模式对比，通过聚合形成动态VPP，可使各DER的负荷跟踪系数有不同幅度的提升，这也将导致后续的负荷调节量大大下降；与统一优化模式相对比，可以看出自组织所形成的部分VPP的负荷跟踪系数超过统一优化模式，即这些VPP中的成员通过自组织能进一步提升负荷跟踪水平，也证明了从个体利益角度出发，所有个体集合的统一优化并非符合所有个体的利益期待，即统一优化模式存在不合理之处；
Figure RE-GDA0002900290870000101
(3)计算时间分析
对三种模式下优化模型的运行时长进行对比分析，每种情况取10 次运行时长均值。可以看出该算例中自组织模式对应的计算效率介于统一优化与独立模式之间，计算时长较独立模式稍有增长，较统一优化模式却有所下降。而由于本文采用的优化模型较为简单，实际运行中如果考虑诸多约束条件，则模型极为复杂，自组织模式相较于统一优化模式，在计算效率方面的提升将更为显著；
表3三种模式下模型计算效率
Figure RE-GDA0002900290870000102
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (6)

1.虚拟电厂自组织聚合运行调度方法，其特征在于，包括如下步骤：
S1：建立负荷跟踪模型；
S2：构建自组织聚合响应流程及假定个体基础智能；
S3：建立虚拟电厂自组织聚合模型与进化机制。
2.根据权利要求1所述的虚拟电厂自组织聚合运行调度方法，其特征在于：所述步骤S1具体为：负荷跟踪系数定义如下：若调度期n内个体i在时段t的出力标幺值为：
Figure RE-FDA0002900290860000011
其中PC,i为i的最大值，一般可取作装机容量，对个体i功率信号、负荷l定义t时刻的一致性指标为：
αi,t＝δl,t-δi,t,t＝1,2,…n (2)
则该时段内定义负荷跟踪系数IT为：
Figure RE-FDA0002900290860000012
IT越接近1，表明个体i的出力与负荷l在考察时窗内越一致，反之则不一致性越高；
在每个调度周期开始阶段，个体将基于出力预测值计算其负荷跟踪系数，如果该值低于某一特定阈值则启动优化调控决策过程；调控目标为通过较少次数或少量的调节，降低其出力水平与给定曲线不一致的程度，对于调控量的计算，采用如下优化模型：
Figure RE-FDA0002900290860000013
其中，γi,t为t时刻个体i所需承担的相对调控量即标幺值，Icr为一致性阈值，可依据功率不平衡量阈值与该节点总负荷水平比值进行整定，目标函数为该时段内出力调控总量最小，约束条件为调控后个体i出力跟随负荷变化能力满足系统要求。
3.根据权利要求1所述的虚拟电厂自组织聚合运行调度方法，其特征在于：所述步骤S2中自组织聚合响应流程分为三步：(1)针对系统发布的负荷信号，分布式能源进行自组织聚合形成虚拟电厂；(2)各分布式能源按调度计划执行，并依据聚合出力与负荷一致性情况，调度可控负荷以满足系统要求；(3)根据虚拟电厂实际调度情况对内部成员完成利益分配，在仅考虑同一配网节点下分布式能源的自组织聚合行为，其又可分为三步：(1)感知；(2)预判；(3)决策。
4.根据权利要求3所述的虚拟电厂自组织聚合运行调度方法，其特征在于：所述步骤S2中还包括假定单一分布式能源是具有有限理性的智能个体，并对其行为作如下假定：(1)分布式能源在考虑自组织聚合时，仅考虑与之相邻的个体或虚拟电厂进行通信交流；(2)忽略分布式能源之间的通信成本及通信延迟问题；(3)分布式能源具备高精度的出力预测能力。
5.根据权利要求1所述的虚拟电厂自组织聚合运行调度方法，其特征在于：所述步骤S3中使用联盟博弈论的框架研究分布式能源的自组织聚合行为，具体为：针对负荷跟踪系数IT低于阈值Icr的个体，从自组织聚合的联盟效用函数出发，提出自组织聚合基本原则；定义如下联盟效用函数用于表征虚拟电厂S的出力调整量；
Figure RE-FDA0002900290860000021
定义聚合过程如下：对于联盟Si、Sj、i≠j、i，j∈{1、2、...l}，如果
Figure RE-FDA0002900290860000022
大于
Figure RE-FDA0002900290860000023
则Si、Sj将合并形成S′＝Si∪Sj，并且采用中的优化模型，可得S′的出力调整量小于Si、Sj独立运行时的出力调整量之和；接下来S′将作为一个新的联盟参与聚合过程，其中个体也可看成是单成员的联盟。
6.根据权利要求1所述的虚拟电厂自组织聚合运行调度方法，其特征在于：所述步骤S3中进化机制基于merge-split规则的自组织聚合进化算法，允许迭代改进N的分割形式，其中N为所有成员集合；规则如下：(1)Merge即融合；对于任意联盟集合{S1...Sj}而言，若
Figure RE-FDA0002900290860000031
则以下聚合过程发生
Figure RE-FDA0002900290860000032
Split即分裂；对于任意联盟
Figure RE-FDA0002900290860000033
而言，若
Figure RE-FDA0002900290860000034
则以下分裂过程发生：
Figure RE-FDA0002900290860000035
其中
Figure RE-FDA0002900290860000036
表示S优于R，即在不降低其他个体利益的基础上，如果至少存在一个个体通过融合或分裂机制能够提升自身利益，则联盟之间将会融合或分裂；可证明该算法中任何聚合和分裂的迭代具有收敛性；考虑到融合后联盟数量减小、个体之间距离的限制等实际情况，该算法的复杂性大大降低，此外，所提出的虚拟电厂自组织聚合方法不仅适用于日前调度场景，也适用于时间尺度更短的有功调度场景；
最终形成的自组织聚合流程如下：(1)初始化，以个体独立形式为初始系统划分状态T＝N＝{1，2，···M}，计算各分布式能源的非合作效用；(2)根据融合条件，对于系统T中任意联盟Si和Sj，计算融合时各自所能得到的效用，如果至少有一个效用得到了提升，则融合成功；否则融合失败，如果任何两个联盟都不能发生融合，则融合过程完成，此时对应的系统划分状态为T′；(3)对于融合过程形成的T′，依次检测对应的每个联盟Si是否满足分裂条件，如果分裂能够使得Si中至少一个成员的效用得到提升，则分裂成功，如果任意联盟都不能发生分裂，则分裂过程完成，此时对应的系统划分状态为T″；(4)重复步骤(2)和步骤(3)，直到任意联盟都不能发生融合和分裂，形成最终的系统划分状态；(5)输出系统划分状态以及各分布式能源的效用值。
CN202011291439.6A 2020-11-17 2020-11-17 虚拟电厂自组织聚合运行调度方法 Active CN112418636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011291439.6A CN112418636B (zh) 2020-11-17 2020-11-17 虚拟电厂自组织聚合运行调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011291439.6A CN112418636B (zh) 2020-11-17 2020-11-17 虚拟电厂自组织聚合运行调度方法

Publications (2)

Publication Number Publication Date
CN112418636A true CN112418636A (zh) 2021-02-26
CN112418636B CN112418636B (zh) 2024-03-22

Family

ID=74832484

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011291439.6A Active CN112418636B (zh) 2020-11-17 2020-11-17 虚拟电厂自组织聚合运行调度方法

Country Status (1)

Country Link
CN (1) CN112418636B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113191680A (zh) * 2021-05-21 2021-07-30 上海交通大学 一种自适应虚拟电厂分散式架构及其经济调度方法
CN113762921A (zh) * 2021-08-30 2021-12-07 国网上海市电力公司 基于上界置信算法的虚拟电厂分布式能源资源聚合方法
CN112418636B (zh) * 2020-11-17 2024-03-22 海南省电力学校(海南省电力技工学校) 虚拟电厂自组织聚合运行调度方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105260824A (zh) * 2015-09-24 2016-01-20 华中科技大学 一种基于统一电力市场含蓄电池的虚拟电厂优化调度方法
CN106779487A (zh) * 2017-01-17 2017-05-31 国网江西省电力公司电力科学研究院 一种基于原‑对偶内点法的虚拟电厂动态经济调度模型
CN106992556A (zh) * 2017-05-24 2017-07-28 南方电网科学研究院有限责任公司 一种基于混合电源多时间尺度互补的优化调度方法
CN107767033A (zh) * 2017-09-28 2018-03-06 上海交通大学 一种考虑不确定性的虚拟电厂竞价及利益分配方法及系统
CN107800157A (zh) * 2017-11-14 2018-03-13 武汉大学 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法
CN108520437A (zh) * 2018-03-30 2018-09-11 天津大学 基于用户负荷曲线提高风电消纳的vpp市场机制
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
US20200209812A1 (en) * 2018-03-16 2020-07-02 Dalian University Of Technology Practical method for short-term operations of super large-scale hydropower plants
CN114444256A (zh) * 2021-12-13 2022-05-06 国网综合能源服务集团有限公司 一种基于大数据的虚拟电厂负荷预测方法及跟踪控制方法
US20220158487A1 (en) * 2020-11-16 2022-05-19 Hainan Electric Power School Self-organizing aggregation and cooperative control method for distributed energy resources of virtual power plant
WO2023103862A1 (zh) * 2021-12-08 2023-06-15 国网山西省电力公司电力科学研究院 面向多能分散式资源的虚拟电厂多级聚合方法、装置及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418636B (zh) * 2020-11-17 2024-03-22 海南省电力学校(海南省电力技工学校) 虚拟电厂自组织聚合运行调度方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105260824A (zh) * 2015-09-24 2016-01-20 华中科技大学 一种基于统一电力市场含蓄电池的虚拟电厂优化调度方法
CN106779487A (zh) * 2017-01-17 2017-05-31 国网江西省电力公司电力科学研究院 一种基于原‑对偶内点法的虚拟电厂动态经济调度模型
CN106992556A (zh) * 2017-05-24 2017-07-28 南方电网科学研究院有限责任公司 一种基于混合电源多时间尺度互补的优化调度方法
CN107767033A (zh) * 2017-09-28 2018-03-06 上海交通大学 一种考虑不确定性的虚拟电厂竞价及利益分配方法及系统
CN107800157A (zh) * 2017-11-14 2018-03-13 武汉大学 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法
US20200209812A1 (en) * 2018-03-16 2020-07-02 Dalian University Of Technology Practical method for short-term operations of super large-scale hydropower plants
CN108520437A (zh) * 2018-03-30 2018-09-11 天津大学 基于用户负荷曲线提高风电消纳的vpp市场机制
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
US20220158487A1 (en) * 2020-11-16 2022-05-19 Hainan Electric Power School Self-organizing aggregation and cooperative control method for distributed energy resources of virtual power plant
WO2023103862A1 (zh) * 2021-12-08 2023-06-15 国网山西省电力公司电力科学研究院 面向多能分散式资源的虚拟电厂多级聚合方法、装置及存储介质
CN114444256A (zh) * 2021-12-13 2022-05-06 国网综合能源服务集团有限公司 一种基于大数据的虚拟电厂负荷预测方法及跟踪控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘东;樊强;尤宏亮;戴欣;黄玉辉;邵宗卫;: "泛在电力物联网下虚拟电厂的研究现状与展望", 工程科学与技术, no. 04, 31 December 2020 (2020-12-31), pages 7 - 16 *
刘然;赵洪山;: "考虑污染物排放约束的传统电厂与虚拟电厂间环境经济调度模型", 电力建设, no. 09, pages 58 - 64 *
王芬等: "虚拟电厂自组织聚合运行调度方法", 电力建设, pages 79 - 88 *
粟世玮;张思洋;尤熠然;吉雅鑫;赵一鸣;: "基于相关性分析的风光储互补需求响应策略", 科学技术与工程, no. 17, pages 205 - 210 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418636B (zh) * 2020-11-17 2024-03-22 海南省电力学校(海南省电力技工学校) 虚拟电厂自组织聚合运行调度方法
CN113191680A (zh) * 2021-05-21 2021-07-30 上海交通大学 一种自适应虚拟电厂分散式架构及其经济调度方法
CN113191680B (zh) * 2021-05-21 2023-08-15 上海交通大学 一种自适应虚拟电厂分散式架构及其经济调度方法
CN113762921A (zh) * 2021-08-30 2021-12-07 国网上海市电力公司 基于上界置信算法的虚拟电厂分布式能源资源聚合方法

Also Published As

Publication number Publication date
CN112418636B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
Chang et al. Energy saving technology of 5G base station based on internet of things collaborative control
CN112418636A (zh) 虚拟电厂自组织聚合运行调度方法
CN111881616B (zh) 一种基于多主体博弈的综合能源系统的运行优化方法
Wu et al. Distributed optimal coordination for distributed energy resources in power systems
Zhong et al. ADMM-based distributed auction mechanism for energy hub scheduling in smart buildings
CN107769237B (zh) 基于电动汽车接入的多能源系统协同调度方法及装置
CN107579518B (zh) 基于mhba的电力系统环境经济调度方法和装置
CN107706921B (zh) 基于纳什博弈的微电网电压调节方法和装置
CN111555355B (zh) 水光蓄联合发电的调度策略及其优化方法
CN113282368A (zh) 一种用于变电站巡视的边缘计算资源调度方法
CN107831685A (zh) 一种群体机器人的控制方法和系统
CN111340299A (zh) 一种微电网多目标优化调度方法
CN111612273A (zh) 一种区域级综合能源系统分区设计方法及系统
Wang et al. Optimal scheduling for integrated energy system considering scheduling elasticity of electric and thermal loads
CN112232863A (zh) 一种基于云边端协同的虚拟资源管理方法及系统
CN111509728A (zh) 一种基于多源异构虚拟负荷的优化调控方法及系统
CN115411728A (zh) 一种融合q学习与势博弈的多微电网系统协调控制方法
CN111817298B (zh) 含随机风能的多调度区间分布式能源调度方法及系统
CN115439026A (zh) 基于嵌套联邦学习的多智能体自组织需求响应方法及系统
Wang et al. Multi-robot task allocation algorithm based on anxiety model and modified contract network protocol
Behrunani et al. Designing fairness in autonomous peer-to-peer energy trading
Cao et al. Energy Management using Optimal Fuzzy Logic Control in Wireless Sensor Network.
Zou et al. Consensus-based coordination of electric vehicle charging
He et al. Distributed Optimal Power Scheduling for Microgrid System via Deep Reinforcement Learning with Privacy Preserving
Singh et al. A fuzzy logic-based clustering algorithm for network optimisation

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