CN112803401B - 虚拟分布式能源集群的调控方法、装置及终端设备 - Google Patents

虚拟分布式能源集群的调控方法、装置及终端设备 Download PDF

Info

Publication number
CN112803401B
CN112803401B CN202110132405.0A CN202110132405A CN112803401B CN 112803401 B CN112803401 B CN 112803401B CN 202110132405 A CN202110132405 A CN 202110132405A CN 112803401 B CN112803401 B CN 112803401B
Authority
CN
China
Prior art keywords
power
electric heating
distributed energy
electricity
virtual distributed
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
CN202110132405.0A
Other languages
English (en)
Other versions
CN112803401A (zh
Inventor
魏晓强
王宁
王宏
祁峰
江海洋
王海涛
张轶平
徐洪涛
王珺
李盼
贾清泉
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
Yanshan University
State Grid Heilongjiang Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Yanshan University
State Grid Heilongjiang 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, Yanshan University, State Grid Heilongjiang Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110132405.0A priority Critical patent/CN112803401B/zh
Publication of CN112803401A publication Critical patent/CN112803401A/zh
Application granted granted Critical
Publication of CN112803401B publication Critical patent/CN112803401B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明适用于电网控制技术领域，提供了一种虚拟分布式能源集群的调控方法、装置及终端设备，该方法包括：获取虚拟分布式能源集群参数、电网参数以及电采暖设备参数并建立所述虚拟分布式能源集群的采暖运行参数和采暖运行约束条件；以采暖运行收益最小作为优化目标，基于所述采暖运行参数建立采暖运行目标函数；基于采暖运行约束条件和采暖运行目标函数，将采暖运行参数作为粒子进行粒子群优化，得到最优采暖运行参数并计算所述虚拟分布式能源集群参数的最优解以调控所述虚拟分布式能源集群。本发明通过建立虚拟分布式能源集群与电采暖负荷的关联，能够提高虚拟分布式能源集群与电采暖供电负荷协同调控时的能源利用率。

Description

虚拟分布式能源集群的调控方法、装置及终端设备
技术领域
本发明属于电网控制技术领域，尤其涉及一种虚拟分布式能源集群的调控方法、装置及终端设备。
背景技术
虚拟分布式能源集群(Virtual Distributed Energy Resource Clusters,VDC)包含多个协同工作的分布式发电系统和用电系统，虚拟分布式能源集群作为一个整体参与电力市场交易，可以起到调峰、调频、调整电力市场柔性负荷的作用。
具体的，分布式发电系统包括分布式光伏发电系统，用电系统包括电采暖负荷。在电采暖与分布式光伏发电系统。
虚拟分布式能源集群可以为电采暖系统供能然而目前将虚拟分布式能源集群与电采暖供电负荷进行协同调度时，发电系统的利用率低且采暖效果差。
发明内容
有鉴于此，本发明实施例提供了一种虚拟分布式能源集群的调控方法、装置及终端设备，以解决现有技术中虚拟分布式能源集群与电采暖供电负荷协同调控时的能源利用率低采暖效果差的问题。
本发明实施例的第一方面提供了一种虚拟分布式能源集群的调控方法，包括：
获取虚拟分布式能源集群参数、电网参数以及电采暖设备参数；
根据所述虚拟分布式能源集群参数、所述电网参数以及所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行参数；
以采暖运行收益最小作为优化目标，基于所述采暖运行参数建立采暖运行目标函数；
根据所述虚拟分布式能源集群参数和所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行约束条件；
基于所述采暖运行约束条件和所述采暖运行目标函数，将所述采暖运行参数作为粒子进行粒子群优化，得到最优采暖运行参数；
根据所述最优采暖运行参数计算所述虚拟分布式能源集群参数的最优解，所述虚拟分布式能源集群参数的最优解用于调控所述虚拟分布式能源集群。
本发明实施例的第二方面提供了一种虚拟分布式能源集群的调控装置，包括：
参数获取模块，用于获取虚拟分布式能源集群参数、电网参数以及电采暖设备参数；
采暖运行参数建立模块，用于根据所述虚拟分布式能源集群参数、所述电网参数以及所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行参数；
运行目标函数建立模块，用于以采暖运行收益最小作为优化目标，基于所述采暖运行参数建立采暖运行目标函数；
约束条件构建模块，用于根据所述虚拟分布式能源集群参数和所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行约束条件；
粒子群寻优模块，用于基于所述采暖运行约束条件和所述采暖运行目标函数，将所述采暖运行参数作为粒子进行粒子群优化，得到最优采暖运行参数；
最优解计算模块，用于根据所述最优采暖运行参数计算所述虚拟分布式能源集群参数的最优解，所述虚拟分布式能源集群参数的最优解用于调控所述虚拟分布式能源集群。
本发明实施例的第三方面提供了一种终端设备，包括：
包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例提供了一种虚拟分布式能源集群的调控方法，包括获取虚拟分布式能源集群参数、电网参数以及电采暖设备参数并建立所述虚拟分布式能源集群的采暖运行参数和采暖运行约束条件；以采暖运行收益最小作为优化目标，基于所述采暖运行参数建立采暖运行目标函数；基于所述采暖运行约束条件和所述采暖运行目标函数，将所述采暖运行参数作为粒子进行粒子群优化，得到最优采暖运行参数；根据所述最优采暖运行参数计算所述虚拟分布式能源集群参数的最优解，所述虚拟分布式能源集群参数的最优解用于调控所述虚拟分布式能源集群。本发明提供的采暖控制方法可以根据虚拟分布式能源集群和电采暖设备的实际情况准确的确定虚拟分布式能源集群参数的最优解，从而提高虚拟分布式能源集群的能源利用率和采暖设备的采暖效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的虚拟分布式能源集群的调控方法流程示意图；
图2是本发明实施例提供的市场电价曲线图；
图3是本发明实施例提供的各个舒适度等级下的电采暖负荷数量和电采暖可调控容量曲线图；
图4是本发明实施例提供的光伏发电功率及负荷功曲线图；
图5是本发明实施例提供的电采暖调控功率曲线图；
图6是本发明实施例提供的虚拟分布式能源集群的对外调控功率曲线和功率基线曲线图；
图7是本发明实施例提供的调控前后电网购电功率曲线图；
图8是本发明实施例提供的虚拟分布式能源集群的调控装置示意图；
图9是本发明实施例提供的终端设备示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
本发明实施例提供的虚拟分布式能源集群包括分布式光伏发电系统和多个电采暖负荷。
参加图1，本发明提供了一种虚拟分布式能源集群的调控方法，包括：
S101：获取虚拟分布式能源集群参数、电网参数以及电采暖设备参数；
S102：根据所述虚拟分布式能源集群参数、所述电网参数以及所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行参数；
在本发明的一个实施例中，所述虚拟分布式能源集群参数包括虚拟分布式能源集群的内部光伏发电功率、内部负荷功率、对外调控功率、内部售电电价、电力市场电价、购售电状态标量以及单位功率光伏运行维护成本；所述电采暖设备参数包括各个舒适度等级对应的单位采暖负荷调用容量补贴电价以及各个舒适度等级对应的采暖功率；所述电网参数包括电网调峰补贴电价；所述采暖运行参数数包括调峰收益、内部售电收益、电力市场售电收益、电力市场购电成本、电采暖负荷调用成本、光伏发电运维成本；
上述S102的具体实现流程包括：
根据调峰收益计算公式、所述电网调峰补贴电价、所述内部光伏发电功率、所述内部负荷功率以及所述对外调控功率计算所述调峰收益；
所述调峰收益计算公式为：
F1(t)＝α(t)|PPV(t)-PL(t)-PVDC(t)|；
其中，F1(t)为t时段内所述虚拟分布式能源集群的调峰收益，α(t)为t时段内电网调峰补贴电价，PPV(t)为t时段内所述虚拟分布式能源集群的内部光伏发电功率，PL(t)为t时段内所述虚拟分布式能源集群的内部负荷功率，PVDC(t)为t 时段内所述虚拟分布式能源集群的对外调控功率；
根据内部售电收益计算公式、所述内部售电电价以及所述内部负荷功率计算所述内部售电收益；
所述内部售电收益计算公式为：
F2(t)＝β(t)PL(t)；
其中，F2(t)为t时段内所述虚拟分布式能源集群的内部售电收益，β(t)为t 时段内所述虚拟分布式能源集群的内部售电电价；根据电力市场售电收益计算公式、所述电力市场电价、所述购售电状态标量以及所述对外调控功率计算所述电力市场售电收益；
所述电力市场售电收益计算公式为：
F3(t)＝χ(t)[1-N(t)]PVDC(t)；
其中，F3(t)为t时段内所述虚拟分布式能源集群的电力市场售电收益，χ(t) 为t时段内所述虚拟分布式能源集群的电力市场电价，N(t)为t时段内购售电状态标量，N(t)＝1表示所述虚拟分布式能源集群向电力市场购电，N(t)＝0表示所述虚拟分布式能源集群向电力市场售电；根据电力市场购电成本计算公式、所述电力市场电价、所述购售电状态标量以及所述对外调控功率计算所述电力市场购电成本；
所述电力市场购电成本计算公式为：
C1(t)＝χ(t)N(t)PVDC(t)；
其中，C1(t)为t时段内所述虚拟分布式能源集群的电力市场购电成本；根据电采暖负荷调用成本计算公式、各个舒适度等级对应的单位采暖负荷调用容量补贴电价以及各个舒适度等级对应的采暖功率计算所述电采暖负荷调用成本；
所述电采暖负荷调用成本计算公式为：
Figure BDA0002925843690000061
其中，C2(t)为t时段内所述虚拟分布式能源集群的电采暖负荷调用成本， Cp为p级舒适度等级下的单位采暖负荷调用容量补贴电价，PHL。Cp(t)为t时段内 p级舒适度等级的采暖功率；
根据光伏发电运维成本计算公式、所述单位功率光伏运行维护成本以及所述内部光伏发电功率计算所述光伏发电运维成本；
所述光伏发电运维成本计算公式为：
C3(t)＝coPPV(t)；
其中，C3(t)为t时段内所述虚拟分布式能源集群的光伏发电运维成本，co为所述单位功率光伏运行维护成本。S103：建立以所述采暖运行参数为自变量，以采暖运行收益作为因变量的采暖运行目标函数；
在本发明的一个实施例中，所述采暖运行目标函数为：
Figure BDA0002925843690000062
其中，F(t)为t时段内的采暖运行收益，T为调度周期，F1(t)为t时段内所述虚拟分布式能源集群的调峰收益，F2(t)为t时段内所述虚拟分布式能源集群的内部售电收益，F3(t)为t时段内所述虚拟分布式能源集群的电力市场售电收益，C1(t)为t时段内所述虚拟分布式能源集群的电力市场购电成本，C3(t)为t 时段内所述虚拟分布式能源集群的光伏发电运维成本。
在本实施例中，调度周期包括多个连续的时段，在调度周期的范围内对虚拟分布式能源集群进行计算。
可选的，各个时段的长度为1小时，调度周期T＝8760个时段，即8760个小时。
S104：根据所述虚拟分布式能源集群参数和所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行约束条件；
在本发明的一个实施例中，所述虚拟分布式能源集群参数包括：所述虚拟分布式能源集群的内部光伏发电功率、购售电状态标量、对外调控功率、内部负荷功率、最大允许功率差额、功率上升速率最大值、功率下降速率最大值、最大供电功率以及最大售电功率；所述电采暖设备参数包括：电采暖负荷可调用总功率、各个等级的电采暖负荷数量、各个等级的电采暖负荷可调控容量、各个等级的电采暖负荷可调用功率区间、各个电采暖负荷的可调用容量、各个电采暖负荷的调用次数、各个电采暖负荷调用最大次数；所述采暖运行约束条件包括：电采暖负荷可调控容量约束、电采暖负荷调用次数约束、功率平衡约束、调峰深度约束、调峰相应速率约束以及交互功率约束；
S104包括：
根据所述电采暖负荷可调用总功率、各个等级的电采暖负荷数量、各个等级的电采暖负荷可调控容量、各个等级的电采暖负荷可调用功率区间以及各个电采暖负荷的可调用容量建立电采暖负荷可调控容量约束：
Figure BDA0002925843690000071
其中，
Figure BDA0002925843690000072
为t时段内p级舒适度等级的电采暖负荷总可调控容量，
Figure BDA0002925843690000073
为t时段内p级舒适度等级下的第m个电采暖负荷的可调用容量，Zp为当前等级的电采暖负荷数量，
Figure BDA0002925843690000074
为t时段内p级舒适度等级下的电采暖负荷可调用功率区间，PHL(t)为t时段内的电采暖负荷可调用总功率；
根据各个电采暖负荷的调用次数和各个电采暖负荷调用最大次数建立电采暖负荷调用次数约束：
0≤nH.m≤nH.m.max；
其中，nH,m为第m个电采暖负荷的调用次数，nH,m,max为第m个电采暖负荷调用最大次数。
在本实施例中，由于电采暖负荷的频繁调控会影响设备使用寿命和用户使用体验，并增加设备运行维护工作量，因此需设置电采暖负荷调用次数约束。
根据所述内部光伏发电功率、所述电采暖负荷可调用总功率、所述购售电状态标量、所述对外调控功率以及所述内部负荷功率建立功率平衡约束：
PPV(t)+PHL(t)+N(t)PVDC(t)＝PL(t)+[1-N(t)]PVDC(t)；
其中，PPV(t)为t时段内的为光伏发电功率，PHL(t)为t时段内的电采暖负荷可调用总功率，N(t)为t时段内所述虚拟分布式能源集群的市场购售电状态量， PL(t)为t时段内的内部负荷功率；PVDC(t)为t时段内的对外调控功率。
根据所述内部负荷功率、所述对外调控功率以及所述最大允许功率差额建立调峰深度约束：
|PL(t)-PVDC(t)|≤PVDC.T.max；
其中，PVDC.T.max为最大允许功率差额；
根据所述功率上升速率最大值、所述功率下降速率最大值、所述电采暖负荷可调用总功率建立调峰响应速率约束：
Figure BDA0002925843690000081
其中，
Figure BDA0002925843690000082
为功率下降速率最大值，
Figure BDA0002925843690000083
为功率上升速率最大值，PHP(t) 为t时段内电采暖负荷总功率，PHP(t+1)为t+1时段内的电采暖负荷总功率；
根据所述最大供电功率、所述最大售电功率以及所述对外调控功率建立交互功率约束：
[1-N(t)]PN.max≤PVDC(t)≤N(t)PM.max；
其中，PN.max为最大供电功率，PM.max为最大售电功率。S105：基于所述采暖运行约束条件和所述采暖运行目标函数，将所述采暖运行参数作为粒子进行粒子群优化，得到最优采暖运行参数；
在本发明的一个实施例中，S105包括：
基于所述采暖运行约束条件和所述采暖运行目标函数，更新所述粒子的速度和位置，直至达到最大迭代次数，得到最优采暖运行参数；
所述粒子的速度更新公式为：
Figure BDA0002925843690000091
其中k为迭代次数，vk+1为迭代次数为k+1时粒子的速度，ω为惯性因子， vk为迭代次数为k时粒子的速度，pbestk为粒子在第k次迭代时的自身最优解， xk为迭代次数为k时粒子的空间位置，gbestk为粒子在第k次迭代时的全局最优解，s1和s2为学习因子，r1和r2为0至1之间均匀分布的随机数，ωmin为惯性因子的最小值，kmax为迭代次数最大值；
所述粒子的位置更新公式为：xk+1＝xk+vk+1；
其中，xk+1为迭代次数为k+1时粒子的空间位置。
具体的，在构建粒子群时，所述方法还包括将粒子进行初始化。
可选的，粒子的初始值为零。
S106：根据所述最优采暖运行参数计算虚拟分布式能源集群参数的最优解，所述虚拟分布式能源集群参数的最优解用于调控所述虚拟分布式能源集群。
在本实施例中，所述分布式能源集群参数包括对外调控功率和电采暖负荷可调控容量，S106包括：根据粒子的最优解计算的分布式能源集群的对外调控功率即PVDC(t)和各个舒适度等级对应的电采暖负荷可调控容量即
Figure BDA0002925843690000092
Figure BDA0002925843690000093
可选的，计算粒子的最优解对应的采暖运行收益。
本发明实施例提供的虚拟分布式能源集群的调控方法在调控过程中可以充分考虑电采暖负荷的实际情况即各个用户选择的舒适度等级，保证调控的公平合理。本实施例可以实现根据电采暖负荷的需求响应调控虚拟分布式能源集群的调控过程，使电采暖负荷主动参与电网运行，提高电采暖负荷的采暖效果和光伏发电系统的能源利用率。
以一个具体的应用场景为例，虚拟分布式能源集群包含大规模电采暖负荷和分布式光伏发电系统。该集群范围内的年均最大负荷功率为44.79MW，分布式光伏发电系统的总装机容量为50MW。图2示出了本发明是实施例中的电力市场电价，同时所述虚拟分布式能源集群参与电网调峰，调峰时间为每日10： 00-12：00、20：00-24：00，电网调峰补贴电价为0.37元/kWh。设置各个电采暖负荷调用最大次数为5次。
表1示出了本发明实施例中虚拟分布式能源集群包括的电采暖负荷装机容量和用户数量之间的关系。
表1
Figure BDA0002925843690000101
表2示出了本发明实施例中虚拟分布式能源集群中各个舒适度等级对应的单位采暖负荷调用容量补贴电价和电采暖负荷可调用功率区间。
表2
Figure BDA0002925843690000102
图3(a)示出了本发明实施例中虚拟分布式能源集群中不同时间内各个舒适度等级下的电采暖负荷数量，图中3(a)中的曲线Z1-Z4分别为舒适度等级 1-4对应的用户数量，电采暖负荷总数即用户总数为3000。根据居民的实际工作和生活习惯，20:00-5:00为大部分用户的居家时段，用户的舒适度等级要求较高，参与1级舒适度响应的用户数较多，参与4级舒适度响应的用户数较少而8:00至12:00和14:00至18:00的范围内，用户对舒适度等级的要求较低，参与4级舒适度响应的用户数较多，参与1级舒适度响应的用户数量较少。而 2级和3级用户的数量全天波动较小。
图3(b)示出了本发明实施例中各个等级的电采暖负荷可调控容量的变化情况，图3(b)中的曲线P0为电采暖负荷总可调容量，曲线P1-P4分别为舒适度等级1-4对应的电采暖负荷可调控容量。在用户居家期间各舒适等级对应的电采暖负荷可调控容量相对较少，各等级电采暖负荷可调控容量
Figure BDA0002925843690000111
至
Figure BDA0002925843690000112
均在1～4MW左右，总可调控容量PHL(t)在6MW左右；随着时间增加
Figure BDA0002925843690000113
快速增加，并在11:00和16:00时段达到极大值，此时总可调控容量达到最大值13MW。另外，总可调控容量第四级舒适度可调控容量影响较大。上述结果表明在用户外出期间电采暖负荷可调控容量较大。
图4示出了本发明实施例中某典型日24个时段光伏发电出力及负荷功率的变化情况，图4中曲线P负荷为负荷功率功率，P光伏为光伏发电出力功率由图4 可知，光伏功率及负荷功率存在明显的变化，且两者的变化具有明显的时序性差异，在晚间18：00-24：00、次日0：00-08：00光伏出力微弱，仅在正午11： 00-15：00时，光伏出力增大，负荷相对减少。
图5示出了本发明实施例根据电力市场电价和各个舒适度等级对应的单位采暖负荷调用容量补贴电价计算得到的各个时段电采暖调控功率，图5中，曲线P调节前为调节前的功率,P调节后为调节后的功率。结合电力市场电价、各个等级的电采暖负荷可调控容量以及各个时段的电采暖调控功率可知，在该典型日的 0：00-6:00,虚拟分布式能源集群处于功率缺额状态，而夜间用户对舒适度的要求较高，大部分用户选择一级舒适度，单个用户可调容量少，且此时电力市场电价水平较高，因此在补贴成本低于购电成本时保持调用夜间少量电采暖功率补偿功率缺额，不足部分通过市场购电获得。在7：00-10：00，虚拟分布式能源集群仍处于功率缺额状态，此时大多用户转入二级舒适度，单个用户可调容量相对增加，在补贴成本低于市场购电成本时优先调用电采暖补偿功率缺额，然后通过市场购电补足剩余部分。在11：00-15:00，光伏出力较高，虚拟分布式能源集群处于功率剩余状态，此时虚拟分布式能源集群参与市场售电。在 19:00-24:00，光伏出力微弱，虚拟分布式能源集群处于功率缺额状态，夜间用户大多转入一级舒适度，在补贴成本低于市场购电成本时调用少量电采暖功率补偿功率缺额。另外，在9:00，虚拟分布式能源集群参与电网调峰获取收益，而在夜晚由于调峰补贴低于电采暖调用成本，可调用容量不足，因此不参与调峰。
由图5可知，在时段16：00电采暖负荷的调控容量总共为6.8MW，该时段下，按照表3分配不同舒适度等级下电采暖可调控容量。
表3
Figure BDA0002925843690000121
由表3可知，电采暖负荷的总调控成本为3505元，成本低于使用单一舒适度等级。本发明实施例提供的调控方法可以保证各舒适度等级的调控容量分布均匀，保证了调控的公平性与合理性，且降低调控成本。
按照图5所示的各个时段电采暖调控功率调控虚拟分布式能源集群，得到虚拟分布式能源集群对外调控功率曲线和功率基线如图6所示，图6中，曲线 P对外调控为对外调控功率，曲线P基线为基线功率；调控前后电网购电功率如图7 所示，曲线P调控前为调控前的电力市场购电量，曲线P调控后为调控后的电力市场购电功率。
由图6和图7可知，调节前虚拟分布式能源集群功率缺额全部依赖于电力市场购电，灵活性及经济性较差。调节后，电采暖负荷主动参与电网运行调控，减少了虚拟分布式能源集群向市场购电的电量，具体的，早、晚峰值分别下降了24.10％和29.04％，峰谷差下降了6.64％。
表4示出了本发明实施例提供的调控方法对应的收益与现有技术的对比。
表4
Figure BDA0002925843690000131
由表4可知，本发明实施例提供的调控方法可以显著降低运行费用，总收益提高15％。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
参见图8，本发明实施例提供了一种虚拟分布式能源集群的调控装置80，其特征在于，包括：
参数获取模块810，用于获取虚拟分布式能源集群参数、电网参数以及电采暖设备参数；
采暖运行参数建立模块820，用于根据所述虚拟分布式能源集群参数、所述电网参数以及所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行参数；
运行目标函数建立模块830，用于以采暖运行收益最小作为优化目标，基于所述采暖运行参数建立采暖运行目标函数；
约束条件构建模块840，用于根据所述虚拟分布式能源集群参数和所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行约束条件；
粒子群寻优模块850，用于基于所述采暖运行约束条件和所述采暖运行目标函数，将所述采暖运行参数作为粒子进行粒子群优化，得到最优采暖运行参数；
最优解计算模块860，用于根据所述最优采暖运行参数计算所述虚拟分布式能源集群参数的最优解，所述虚拟分布式能源集群参数的最优解用于调控所述虚拟分布式能源集群。
本发明实施例提供的虚拟分布式能源集群的采暖控制方法可以根据虚拟分布式能源集群和电采暖设备的实际情况准确的确定虚拟分布式能源集群参数的最优解，从而提高虚拟分布式能源集群的能源利用率和采暖设备的采暖效果。
在本发明的一个实施例中，所述虚拟分布式能源集群参数包括虚拟分布式能源集群的内部光伏发电功率、内部负荷功率、对外调控功率、内部售电电价、电力市场电价、购售电状态标量以及单位功率光伏运行维护成本；所述电采暖设备参数包括各个舒适度等级对应的单位采暖负荷调用容量补贴电价以及各个舒适度等级对应的采暖功率；所述电网参数包括电网调峰补贴电价；所述采暖运行参数数包括调峰收益、内部售电收益、电力市场售电收益、电力市场购电成本、电采暖负荷调用成本、光伏发电运维成本；
所述采暖运行参数建立模块820具体用于：
根据调峰收益计算公式、所述电网调峰补贴电价、所述内部光伏发电功率、所述内部负荷功率以及所述对外调控功率计算所述调峰收益；
根据内部售电收益计算公式、所述内部售电电价以及所述内部负荷功率计算所述内部售电收益；
根据电力市场售电收益计算公式、所述电力市场电价、所述购售电状态标量以及所述对外调控功率计算所述电力市场售电收益；
根据电力市场购电成本计算公式、所述电力市场电价、所述购售电状态标量以及所述对外调控功率计算所述电力市场购电成本；
根据电采暖负荷调用成本计算公式、各个舒适度等级对应的单位采暖负荷调用容量补贴电价以及各个舒适度等级对应的采暖功率计算所述电采暖负荷调用成本；
根据光伏发电运维成本计算公式、所述单位功率光伏运行维护成本以及所述内部光伏发电功率计算所述光伏发电运维成本；
所述调峰收益计算公式为：
F1(t)＝α(t)|PPV(t)-PL(t)-PVDC(t)|；
其中，F1(t)为t时段内所述虚拟分布式能源集群的调峰收益，α(t)为t时段内电网调峰补贴电价，PPV(t)为t时段内所述虚拟分布式能源集群的内部光伏发电功率，PL(t)为t时段内所述虚拟分布式能源集群的内部负荷功率，PVDC(t)为t 时段内所述虚拟分布式能源集群的对外调控功率；
所述内部售电收益计算公式为：
F2(t)＝β(t)PL(t)；
其中，F2(t)为t时段内所述虚拟分布式能源集群的内部售电收益，β(t)为t 时段内所述虚拟分布式能源集群的内部售电电价；
所述电力市场售电收益计算公式为：
F3(t)＝χ(t)[1-N(t)]PVDC(t)；
其中，F3(t)为t时段内所述虚拟分布式能源集群的电力市场售电收益，χ(t) 为t时段内所述虚拟分布式能源集群的电力市场电价，N(t)为t时段内购售电状态标量，N(t)＝1表示所述虚拟分布式能源集群向电力市场购电，N(t)＝0表示所述虚拟分布式能源集群向电力市场售电；
所述电力市场购电成本计算公式为：
C1(t)＝χ(t)N(t)PVDC(t)；
其中，C1(t)为t时段内所述虚拟分布式能源集群的电力市场购电成本；
所述电采暖负荷调用成本计算公式为：
Figure BDA0002925843690000161
其中，C2(t)为t时段内所述虚拟分布式能源集群的电采暖负荷调用成本， Cp为p级舒适度等级下的单位采暖负荷调用容量补贴电价，PHL。Cp(t)为t时段内 p级舒适度等级的采暖功率；
所述光伏发电运维成本计算公式为：
C3(t)＝coPPV(t)；
其中，C3(t)为t时段内所述虚拟分布式能源集群的光伏发电运维成本，co为所述单位功率光伏运行维护成本。
在本发明的一个实施例中，所述采暖运行目标函数为：
Figure BDA0002925843690000162
其中，F(t)为t时段内的采暖运行收益，T为调度周期，F1(t)为t时段内所述虚拟分布式能源集群的调峰收益，F2(t)为t时段内所述虚拟分布式能源集群的内部售电收益，F3(t)为t时段内所述虚拟分布式能源集群的电力市场售电收益，C1(t)为t时段内所述虚拟分布式能源集群的电力市场购电成本，C3(t)为t 时段内所述虚拟分布式能源集群的光伏发电运维成本。
在本发明的一个实施例中，所述虚拟分布式能源集群参数包括：所述虚拟分布式能源集群的内部光伏发电功率、购售电状态标量、对外调控功率、内部负荷功率、最大允许功率差额、功率上升速率最大值、功率下降速率最大值、最大供电功率以及最大售电功率；所述电采暖设备参数包括：电采暖负荷可调用总功率、各个等级的电采暖负荷数量、各个等级的电采暖负荷可调控容量、各个等级的电采暖负荷可调用功率区间、各个电采暖负荷的可调用容量、各个电采暖负荷的调用次数、各个电采暖负荷调用最大次数；所述采暖运行约束条件包括：电采暖负荷可调控容量约束、电采暖负荷调用次数约束、功率平衡约束、调峰深度约束、调峰相应速率约束以及交互功率约束；
所述约束条件构建模块840具体用于：
根据所述电采暖负荷可调用总功率、各个等级的电采暖负荷数量、各个等级的电采暖负荷可调控容量、各个等级的电采暖负荷可调用功率区间以及各个电采暖负荷的可调用容量建立电采暖负荷可调控容量约束：
Figure BDA0002925843690000171
其中，
Figure BDA0002925843690000172
为t时段内p级舒适度等级的电采暖负荷总可调控容量，
Figure BDA0002925843690000173
为t时段内p级舒适度等级下的第m个电采暖负荷的可调用容量，Zp为当前等级的电采暖负荷数量，
Figure BDA0002925843690000174
为t时段内p级舒适度等级下的电采暖负荷可调用功率区间，PHL(t)为t时段内的电采暖负荷可调用总功率；
根据各个电采暖负荷的调用次数和各个电采暖负荷调用最大次数建立电采暖负荷调用次数约束：
0≤nH.m≤nH.m.max；
其中，nH,m为第m个电采暖负荷的调用次数，nH,m,max为第m个电采暖负荷调用最大次数；
根据所述内部光伏发电功率、所述电采暖负荷可调用总功率、所述购售电状态标量、所述对外调控功率以及所述内部负荷功率建立功率平衡约束：
PPV(t)+PHL(t)+N(t)PVDC(t)＝PL(t)+[1-N(t)]PVDC(t)；
其中，PPV(t)为t时段内的为光伏发电功率，PHL(t)为t时段内的电采暖负荷可调用总功率，N(t)为t时段内所述虚拟分布式能源集群的市场购售电状态量， PL(t)为t时段内的内部负荷功率；PVDC(t)为t时段内的对外调控功率。
根据所述内部负荷功率、所述对外调控功率以及所述最大允许功率差额建立调峰深度约束：
|PL(t)-PVDC(t)|≤PVDC.T.max；
其中，PVDC.T.max为最大允许功率差额；
根据所述功率上升速率最大值、所述功率下降速率最大值、所述电采暖负荷可调用总功率建立调峰响应速率约束：
Figure BDA0002925843690000181
其中，
Figure BDA0002925843690000182
为功率下降速率最大值，
Figure BDA0002925843690000183
为功率上升速率最大值，PHP(t) 为t时段内的电采暖负荷总功率，PHP(t+1)为t+1时段内的电采暖负荷总功率；
根据所述最大供电功率、所述最大售电功率以及所述对外调控功率建立交互功率约束：
[1-N(t)]PN.max≤PVDC(t)≤N(t)PM.max；
其中，PN.max为最大供电功率，PM.max为最大售电功率。
在本发明的一个实施例中，所述粒子群寻优模块850具体用于：
基于所述采暖运行约束条件和所述采暖运行目标函数，更新所述粒子的速度和位置，直至达到最大迭代次数，得到最优采暖运行参数；
所述粒子的速度更新公式为：
Figure BDA0002925843690000184
其中k为迭代次数，vk+1为迭代次数为k+1时粒子的速度，ω为惯性因子， vk为迭代次数为k时粒子的速度，pbestk为粒子在第k次迭代时的自身最优解， xk为迭代次数为k时粒子的空间位置，gbestk为粒子在第k次迭代时的全局最优解，s1和s2为学习因子，r1和r2为0至1之间均匀分布的随机数，ωmin为惯性因子的最小值，kmax为迭代次数最大值；
所述粒子的位置更新公式为：xk+1＝xk+vk+1；
其中，xk+1为迭代次数为k+1时粒子的空间位置。
图5是本发明一实施例提供的终端设备的示意图。如图9所示，该实施例的终端设备9包括：处理器90、存储器91以及存储在所述存储器91中并可在所述处理器90上运行的计算机程序92，例如虚拟分布式能源集群的采暖调控程序。所述处理器90执行所述计算机程序92时实现上述各个空冷岛热态冲洗时的蒸汽流量计算方法实施例中的步骤，例如图1所示的S101至S106。或者，所述处理器90执行所述计算机程序92时实现上述各装置实施例中各模块/单元的功能，例如图8所示模块810至860的功能。
示例性的，所述计算机程序92可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器91中，并由所述处理器90执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序92在所述终端设备9中的执行过程。例如，所述计算机程序92可以被分割成污垢热阻获取模块、监测数据获取模块、换热系数计算模块、换热量计算模块、蒸汽流量计算模块(虚拟装置中的模块)。
所述终端设备9可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器90、存储器91。本领域技术人员可以理解，图9仅仅是终端设备9的示例，并不构成对终端设备9的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器90可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器91可以是所述终端设备9的内部存储单元，例如终端设备9 的硬盘或内存。所述存储器91也可以是所述终端设备9的外部存储设备，例如所述终端设备9上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器91还可以既包括所述终端设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (9)

1.一种虚拟分布式能源集群的调控方法，其特征在于，包括：
获取虚拟分布式能源集群参数、电网参数以及电采暖设备参数；
根据所述虚拟分布式能源集群参数、所述电网参数以及所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行参数；
以采暖运行收益最大作为优化目标，基于所述采暖运行参数建立采暖运行目标函数；
根据所述虚拟分布式能源集群参数和所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行约束条件；
基于所述采暖运行约束条件和所述采暖运行目标函数，将所述采暖运行参数作为粒子进行粒子群优化，得到最优采暖运行参数；
根据所述最优采暖运行参数计算所述虚拟分布式能源集群参数的最优解，所述虚拟分布式能源集群参数的最优解用于调控所述虚拟分布式能源集群；
所述虚拟分布式能源集群参数包括：所述虚拟分布式能源集群的内部光伏发电功率、购售电状态标量、对外调控功率、内部负荷功率、最大允许功率差额、功率上升速率最大值、功率下降速率最大值、最大供电功率以及最大售电功率；所述电采暖设备参数包括：电采暖负荷可调用总功率、各个等级的电采暖负荷数量、各个等级的电采暖负荷可调控容量、各个等级的电采暖负荷可调用功率区间、各个电采暖负荷的可调用容量、各个电采暖负荷的调用次数、各个电采暖负荷调用最大次数；所述采暖运行约束条件包括：电采暖负荷可调控容量约束、电采暖负荷调用次数约束、功率平衡约束、调峰深度约束、调峰响应速率约束以及交互功率约束；
所述根据所述虚拟分布式能源集群参数和所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行约束条件，包括：
根据所述电采暖负荷可调用总功率、各个等级的电采暖负荷数量、各个等级的电采暖负荷可调控容量、各个等级的电采暖负荷可调用功率区间以及各个电采暖负荷的可调用容量建立所述电采暖负荷可调控容量约束：
Figure FDA0003943921230000021
其中，
Figure FDA0003943921230000022
为t时段内p级舒适度等级的电采暖负荷总可调控容量，
Figure FDA0003943921230000023
为t时段内p级舒适度等级下的第m个电采暖负荷的可调用容量，Zp为当前等级的电采暖负荷数量，
Figure FDA0003943921230000024
为t时段内p级舒适度等级下的电采暖负荷可调用功率区间，PHL(t)为t时段内的电采暖负荷可调用总功率；
根据各个电采暖负荷的调用次数和各个电采暖负荷调用最大次数建立所述电采暖负荷调用次数约束：
0≤nH.m≤nH.m.max；
其中，nH,m为第m个电采暖负荷的调用次数，nH,m,max为第m个电采暖负荷调用最大次数；
根据所述内部光伏发电功率、所述电采暖负荷可调用总功率、所述购售电状态标量、所述对外调控功率以及所述内部负荷功率建立所述功率平衡约束：
PPV(t)+PHL(t)+N(t)PVDC(t)＝PL(t)+[1-N(t)]PVDC(t)；
其中，PPV(t)为t时段内的为光伏发电功率，PHL(t)为t时段内的电采暖负荷可调用总功率，N(t)为t时段内所述虚拟分布式能源集群的市场购售电状态量，PL(t)为t时段内的内部负荷功率；PVDC(t)为t时段内的对外调控功率；
根据所述内部负荷功率、所述对外调控功率以及所述最大允许功率差额建立所述调峰深度约束：
|PL(t)-PVDC(t)|≤PVDC.T.max；
其中，PVDC.T.max为最大允许功率差额；
根据所述功率上升速率最大值、所述功率下降速率最大值、所述电采暖负荷可调用总功率建立所述调峰响应速率约束：
Figure FDA0003943921230000031
其中，
Figure FDA0003943921230000032
为功率下降速率最大值，
Figure FDA0003943921230000033
为功率上升速率最大值，PHP(t)为t时段内的电采暖负荷总功率，PHP(t+1)为t+1时段内的电采暖负荷总功率；
根据所述最大供电功率、所述最大售电功率以及所述对外调控功率建立交互功率约束：
[1-N(t)]PN.max≤PVDC(t)≤N(t)PM.max；
其中，PN.max为最大供电功率，PM.max为最大售电功率。
2.如权利要求1所述的一种虚拟分布式能源集群的调控方法，其特征在于，所述虚拟分布式能源集群参数包括虚拟分布式能源集群的内部光伏发电功率、内部负荷功率、对外调控功率、内部售电电价、电力市场电价、购售电状态标量以及单位功率光伏运行维护成本；所述电采暖设备参数包括各个舒适度等级对应的单位采暖负荷调用容量补贴电价以及各个舒适度等级对应的采暖功率；所述电网参数包括电网调峰补贴电价；所述采暖运行参数包括调峰收益、内部售电收益、电力市场售电收益、电力市场购电成本、电采暖负荷调用成本、光伏发电运维成本；
所述根据所述虚拟分布式能源集群参数、所述电网参数以及所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行参数，包括：
根据调峰收益计算公式、所述电网调峰补贴电价、所述内部光伏发电功率、所述内部负荷功率以及所述对外调控功率计算所述调峰收益；
根据内部售电收益计算公式、所述内部售电电价以及所述内部负荷功率计算所述内部售电收益；
根据电力市场售电收益计算公式、所述电力市场电价、所述购售电状态标量以及所述对外调控功率计算所述电力市场售电收益；
根据电力市场购电成本计算公式、所述电力市场电价、所述购售电状态标量以及所述对外调控功率计算所述电力市场购电成本；
根据电采暖负荷调用成本计算公式、各个舒适度等级对应的单位采暖负荷调用容量补贴电价以及各个舒适度等级对应的采暖功率计算所述电采暖负荷调用成本；
根据光伏发电运维成本计算公式、所述单位功率光伏运行维护成本以及所述内部光伏发电功率计算所述光伏发电运维成本；
所述调峰收益计算公式为：
F1(t)＝α(t)|PPV(t)-PL(t)-PVDC(t)|；
其中，F1(t)为t时段内所述虚拟分布式能源集群的调峰收益，α(t)为t时段内电网调峰补贴电价，PPV(t)为t时段内所述虚拟分布式能源集群的内部光伏发电功率，PL(t)为t时段内所述虚拟分布式能源集群的内部负荷功率，PVDC(t)为t时段内所述虚拟分布式能源集群的对外调控功率；
所述内部售电收益计算公式为：
F2(t)＝β(t)PL(t)；
其中，F2(t)为t时段内所述虚拟分布式能源集群的内部售电收益，β(t)为t时段内所述虚拟分布式能源集群的内部售电电价；
所述电力市场售电收益计算公式为：
F3(t)＝χ(t)[1-N(t)]PVDC(t)；
其中，F3(t)为t时段内所述虚拟分布式能源集群的电力市场售电收益，χ(t)为t时段内所述虚拟分布式能源集群的电力市场电价，N(t)为t时段内购售电状态标量，N(t)＝1表示所述虚拟分布式能源集群向电力市场购电，N(t)＝0表示所述虚拟分布式能源集群向电力市场售电；
所述电力市场购电成本计算公式为：
C1(t)＝χ(t)N(t)PVDC(t)；
其中，C1(t)为t时段内所述虚拟分布式能源集群的电力市场购电成本；
所述电采暖负荷调用成本计算公式为：
Figure FDA0003943921230000051
其中，C2(t)为t时段内所述虚拟分布式能源集群的电采暖负荷调用成本，Cp为p级舒适度等级下的单位采暖负荷调用容量补贴电价，
Figure FDA0003943921230000052
为t时段内p级舒适度等级的采暖功率；
所述光伏发电运维成本计算公式为：
C3(t)＝coPPV(t)；
其中，C3(t)为t时段内所述虚拟分布式能源集群的光伏发电运维成本，co为所述单位功率光伏运行维护成本。
3.如权利要求2所述的一种虚拟分布式能源集群的调控方法，其特征在于，所述采暖运行目标函数为：
Figure FDA0003943921230000053
其中，F(t)为t时段内的采暖运行收益，T为调度周期，F1(t)为t时段内所述虚拟分布式能源集群的调峰收益，F2(t)为t时段内所述虚拟分布式能源集群的内部售电收益，F3(t)为t时段内所述虚拟分布式能源集群的电力市场售电收益，C1(t)为t时段内所述虚拟分布式能源集群的电力市场购电成本，C3(t)为t时段内所述虚拟分布式能源集群的光伏发电运维成本。
4.如权利要求1所述的一种虚拟分布式能源集群的调控方法，其特征在于，所述基于所述采暖运行约束条件和所述采暖运行目标函数，将所述采暖运行参数作为粒子进行粒子群优化，得到最优采暖运行参数，包括：
基于所述采暖运行约束条件和所述采暖运行目标函数，更新所述粒子的速度和位置，直至达到最大迭代次数，得到最优采暖运行参数；
所述粒子的速度更新公式为：
Figure FDA0003943921230000054
其中k为迭代次数，vk+1为迭代次数为k+1时粒子的速度，ω为惯性因子，vk为迭代次数为k时粒子的速度，pbestk为粒子在第k次迭代时的自身最优解，xk为迭代次数为k时粒子的空间位置，gbestk为粒子在第k次迭代时的全局最优解，s1和s2为学习因子，r1和r2为0至1之间均匀分布的随机数，ωmin为惯性因子的最小值，kmax为迭代次数最大值；
所述粒子的位置更新公式为：xk+1＝xk+vk+1；
其中，xk+1为迭代次数为k+1时粒子的空间位置。
5.一种虚拟分布式能源集群的调控装置，其特征在于，包括：
参数获取模块，用于获取虚拟分布式能源集群参数、电网参数以及电采暖设备参数；
采暖运行参数建立模块，用于根据所述虚拟分布式能源集群参数、所述电网参数以及所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行参数；
运行目标函数建立模块，用于以采暖运行收益最大作为优化目标，基于所述采暖运行参数建立采暖运行目标函数；
约束条件构建模块，用于根据所述虚拟分布式能源集群参数和所述电采暖设备参数建立所述虚拟分布式能源集群的采暖运行约束条件；
所述虚拟分布式能源集群参数包括：所述虚拟分布式能源集群的内部光伏发电功率、购售电状态标量、对外调控功率、内部负荷功率、最大允许功率差额、功率上升速率最大值、功率下降速率最大值、最大供电功率以及最大售电功率；所述电采暖设备参数包括：电采暖负荷可调用总功率、各个等级的电采暖负荷数量、各个等级的电采暖负荷可调控容量、各个等级的电采暖负荷可调用功率区间、各个电采暖负荷的可调用容量、各个电采暖负荷的调用次数、各个电采暖负荷调用最大次数；所述采暖运行约束条件包括：电采暖负荷可调控容量约束、电采暖负荷调用次数约束、功率平衡约束、调峰深度约束、调峰响应速率约束以及交互功率约束；
所述约束条件构建模块具体用于：
根据所述电采暖负荷可调用总功率、各个等级的电采暖负荷数量、各个等级的电采暖负荷可调控容量、各个等级的电采暖负荷可调用功率区间以及各个电采暖负荷的可调用容量建立电采暖负荷可调控容量约束：
Figure FDA0003943921230000071
其中，
Figure FDA0003943921230000072
为t时段内p级舒适度等级的电采暖负荷总可调控容量，
Figure FDA0003943921230000073
为t时段内p级舒适度等级下的第m个电采暖负荷的可调用容量，Zp为当前等级的电采暖负荷数量，
Figure FDA0003943921230000074
为t时段内p级舒适度等级下的电采暖负荷可调用功率区间，PHL(t)为t时段内的电采暖负荷可调用总功率；
根据各个电采暖负荷的调用次数和各个电采暖负荷调用最大次数建立电采暖负荷调用次数约束：
0≤nH.m≤nH.m.max；
其中，nH,m为第m个电采暖负荷的调用次数，nH,m,max为第m个电采暖负荷调用最大次数；
根据所述内部光伏发电功率、所述电采暖负荷可调用总功率、所述购售电状态标量、所述对外调控功率以及所述内部负荷功率建立功率平衡约束：
PPV(t)+PHL(t)+N(t)PVDC(t)＝PL(t)+[1-N(t)]PVDC(t)；
其中，PPV(t)为t时段内的为光伏发电功率，PHL(t)为t时段内的电采暖负荷可调用总功率，N(t)为t时段内所述虚拟分布式能源集群的市场购售电状态量，PL(t)为t时段内的内部负荷功率；PVDC(t)为t时段内的对外调控功率；
根据所述内部负荷功率、所述对外调控功率以及所述最大允许功率差额建立调峰深度约束：
|PL(t)-PVDC(t)|≤PVDC.T.max；
其中，PVDC.T.max为最大允许功率差额；
根据所述功率上升速率最大值、所述功率下降速率最大值、所述电采暖负荷可调用总功率建立调峰响应速率约束：
Figure FDA0003943921230000081
其中，
Figure FDA0003943921230000082
为功率下降速率最大值，
Figure FDA0003943921230000083
为功率上升速率最大值，PHP(t)为t时段内的电采暖负荷总功率，PHP(t+1)为t+1时段内的电采暖负荷总功率；
根据所述最大供电功率、所述最大售电功率以及所述对外调控功率建立交互功率约束：
[1-N(t)]PN.max≤PVDC(t)≤N(t)PM.max；
其中，PN.max为最大供电功率，PM.max为最大售电功率；
粒子群寻优模块，用于基于所述采暖运行约束条件和所述采暖运行目标函数，将所述采暖运行参数作为粒子进行粒子群优化，得到最优采暖运行参数；
最优解计算模块，用于根据所述最优采暖运行参数计算所述虚拟分布式能源集群参数的最优解，所述虚拟分布式能源集群参数的最优解用于调控所述虚拟分布式能源集群。
6.如权利要求5所述的一种虚拟分布式能源集群的调控装置，其特征在于，所述虚拟分布式能源集群参数包括虚拟分布式能源集群的内部光伏发电功率、内部负荷功率、对外调控功率、内部售电电价、电力市场电价、购售电状态标量以及单位功率光伏运行维护成本；所述电采暖设备参数包括各个舒适度等级对应的单位采暖负荷调用容量补贴电价以及各个舒适度等级对应的采暖功率；所述电网参数包括电网调峰补贴电价；所述采暖运行参数包括调峰收益、内部售电收益、电力市场售电收益、电力市场购电成本、电采暖负荷调用成本、光伏发电运维成本；
所述采暖运行参数建立模块具体用于：
根据调峰收益计算公式、所述电网调峰补贴电价、所述内部光伏发电功率、所述内部负荷功率以及所述对外调控功率计算所述调峰收益；
根据内部售电收益计算公式、所述内部售电电价以及所述内部负荷功率计算所述内部售电收益；
根据电力市场售电收益计算公式、所述电力市场电价、所述购售电状态标量以及所述对外调控功率计算所述电力市场售电收益；
根据电力市场购电成本计算公式、所述电力市场电价、所述购售电状态标量以及所述对外调控功率计算所述电力市场购电成本；
根据电采暖负荷调用成本计算公式、各个舒适度等级对应的单位采暖负荷调用容量补贴电价以及各个舒适度等级对应的采暖功率计算所述电采暖负荷调用成本；
根据光伏发电运维成本计算公式、所述单位功率光伏运行维护成本以及所述内部光伏发电功率计算所述光伏发电运维成本；
所述调峰收益计算公式为：
F1(t)＝α(t)|PPV(t)-PL(t)-PVDC(t)|；
其中，F1(t)为t时段内所述虚拟分布式能源集群的调峰收益，α(t)为t时段内电网调峰补贴电价，PPV(t)为t时段内所述虚拟分布式能源集群的内部光伏发电功率，PL(t)为t时段内所述虚拟分布式能源集群的内部负荷功率，PVDC(t)为t时段内所述虚拟分布式能源集群的对外调控功率；
所述内部售电收益计算公式为：
F2(t)＝β(t)PL(t)；
其中，F2(t)为t时段内所述虚拟分布式能源集群的内部售电收益，β(t)为t时段内所述虚拟分布式能源集群的内部售电电价；
所述电力市场售电收益计算公式为：
F3(t)＝χ(t)[1-N(t)]PVDC(t)；
其中，F3(t)为t时段内所述虚拟分布式能源集群的电力市场售电收益，χ(t)为t时段内所述虚拟分布式能源集群的电力市场电价，N(t)为t时段内购售电状态标量，N(t)＝1表示所述虚拟分布式能源集群向电力市场购电，N(t)＝0表示所述虚拟分布式能源集群向电力市场售电；
所述电力市场购电成本计算公式为：
C1(t)＝χ(t)N(t)PVDC(t)；
其中，C1(t)为t时段内所述虚拟分布式能源集群的电力市场购电成本；
所述电采暖负荷调用成本计算公式为：
Figure FDA0003943921230000101
其中，C2(t)为t时段内所述虚拟分布式能源集群的电采暖负荷调用成本，Cp为p级舒适度等级下的单位采暖负荷调用容量补贴电价，
Figure FDA0003943921230000103
为t时段内p级舒适度等级的采暖功率；
所述光伏发电运维成本计算公式为：
C3(t)＝coPPV(t)；
其中，C3(t)为t时段内所述虚拟分布式能源集群的光伏发电运维成本，co为所述单位功率光伏运行维护成本。
7.如权利要求6所述的一种虚拟分布式能源集群的调控装置，其特征在于，所述采暖运行目标函数为：
Figure FDA0003943921230000102
其中，F(t)为t时段内的采暖运行收益，T为调度周期，F1(t)为t时段内所述虚拟分布式能源集群的调峰收益，F2(t)为t时段内所述虚拟分布式能源集群的内部售电收益，F3(t)为t时段内所述虚拟分布式能源集群的电力市场售电收益，C1(t)为t时段内所述虚拟分布式能源集群的电力市场购电成本，C3(t)为t时段内所述虚拟分布式能源集群的光伏发电运维成本。
8.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
CN202110132405.0A 2021-01-31 2021-01-31 虚拟分布式能源集群的调控方法、装置及终端设备 Active CN112803401B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110132405.0A CN112803401B (zh) 2021-01-31 2021-01-31 虚拟分布式能源集群的调控方法、装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110132405.0A CN112803401B (zh) 2021-01-31 2021-01-31 虚拟分布式能源集群的调控方法、装置及终端设备

Publications (2)

Publication Number Publication Date
CN112803401A CN112803401A (zh) 2021-05-14
CN112803401B true CN112803401B (zh) 2022-12-27

Family

ID=75813177

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110132405.0A Active CN112803401B (zh) 2021-01-31 2021-01-31 虚拟分布式能源集群的调控方法、装置及终端设备

Country Status (1)

Country Link
CN (1) CN112803401B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113311713B (zh) * 2021-05-31 2022-08-16 燕山大学 基于集群状态统计的温控负荷需求响应控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104037776A (zh) * 2014-06-16 2014-09-10 国家电网公司 随机惯性因子粒子群优化算法的电网无功容量配置方法
CN107609684A (zh) * 2017-08-24 2018-01-19 浙江万克新能源科技有限公司 一种基于微电网的综合能源系统经济优化调度方法
CN110350512A (zh) * 2019-05-31 2019-10-18 中国电力科学研究院有限公司 一种智能园区新能源发电站调度优化方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL301644B2 (en) * 2016-09-15 2024-06-01 Savant Systems Inc Dynamic management of critical loads

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104037776A (zh) * 2014-06-16 2014-09-10 国家电网公司 随机惯性因子粒子群优化算法的电网无功容量配置方法
CN107609684A (zh) * 2017-08-24 2018-01-19 浙江万克新能源科技有限公司 一种基于微电网的综合能源系统经济优化调度方法
CN110350512A (zh) * 2019-05-31 2019-10-18 中国电力科学研究院有限公司 一种智能园区新能源发电站调度优化方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
不同基础配置的虚拟电厂内部资源组合策略研究;杨建林等;《电力需求侧管理》;20200131;第22卷(第1期);第4-9页 *
提升风电消纳的储热电混合储能系统经济优化配置;李军徽等;《电网技术》;20201231;第44卷(第12期);第4547-4555页 *

Also Published As

Publication number Publication date
CN112803401A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
Bahrami et al. From demand response in smart grid toward integrated demand response in smart energy hub
Jia et al. Dynamic pricing and distributed energy management for demand response
Yu et al. A real-time demand-response algorithm for smart grids: A stackelberg game approach
CN106846179B (zh) 一种基于非合作博弈的居民负荷双层调度优化方法
CN115115277A (zh) 园区综合能源调度方法、装置、计算机设备及存储介质
Jeddi et al. Distributed load scheduling in residential neighborhoods for coordinated operation of multiple home energy management systems
Gomez-Herrera et al. Optimal collaborative demand-response planner for smart residential buildings
KR102672397B1 (ko) 전력거래 중개 시스템 및 방법
Yang et al. Exploring blockchain for the coordination of distributed energy resources
CN112632842A (zh) 基于交易和谐度的电网与建筑用能交易匹配方法及系统
CN104156581A (zh) 计及系统可靠性与购电风险的峰谷分时电价确定方法
Celik et al. Coordinated energy management using agents in neighborhood areas with RES and storage
CN114239956A (zh) 虚拟电厂的资源配置方法、装置及终端
CN113746089A (zh) 面向多用户的多时间尺度电力套餐与家庭能量优化方法
CN112803401B (zh) 虚拟分布式能源集群的调控方法、装置及终端设备
CN116545025A (zh) 一种配电网优化调度方法、装置、设备及存储介质
Tiwari et al. Optimal scheduling of home appliances under automated demand response
CN117639043A (zh) 风电协同下的电动汽车调度方法、装置、终端设备及介质
Gupta et al. Optimal provision for enhanced consumer satisfaction and energy savings by an intelligent household energy management system
CN107967528A (zh) 充电价格显示方法及装置
CN116488223A (zh) 家庭光-蓄-柔双层多时间尺度控制方法、装置及介质
CN115271229A (zh) 一种基于需求响应的虚拟电厂运行成本优化方法及系统
Dai et al. A demand response scheme in smart grid with clustering of residential customers
CN115481858A (zh) 考虑需求响应的电-气系统最优潮流分散计算方法及系统
CN113283655B (zh) 一种基于共识优化算法的分布式智能电网能源调度方法

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