CN112821397A - 一种“源-荷-储”协调的低碳经济调度方法及装置 - Google Patents

一种“源-荷-储”协调的低碳经济调度方法及装置 Download PDF

Info

Publication number
CN112821397A
CN112821397A CN202110416354.4A CN202110416354A CN112821397A CN 112821397 A CN112821397 A CN 112821397A CN 202110416354 A CN202110416354 A CN 202110416354A CN 112821397 A CN112821397 A CN 112821397A
Authority
CN
China
Prior art keywords
load
energy storage
time period
scheduling model
optimized scheduling
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
CN202110416354.4A
Other languages
English (en)
Other versions
CN112821397B (zh
Inventor
曾伟
熊俊杰
姜飞
潘明明
熊华强
孙旻
何昊
李佳
赵伟哲
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
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Changsha University of Science and Technology
State Grid Electric Power Research Institute
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Changsha University of Science and Technology
State Grid Electric Power Research Institute
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, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd, Changsha University of Science and Technology, State Grid Electric Power Research Institute filed Critical State Grid Corp of China SGCC
Priority to CN202110416354.4A priority Critical patent/CN112821397B/zh
Publication of CN112821397A publication Critical patent/CN112821397A/zh
Application granted granted Critical
Publication of CN112821397B publication Critical patent/CN112821397B/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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种“源‑荷‑储”协调的低碳经济调度方法及装置，方法包括：依据价格型需求响应模型和激励型需求响应模型对某一时刻的负荷进行计算；响应于获取的某一时刻的负荷，构建计及合理弃能和储能设备变工况特性的上层优化调度模型；构建下层优化调度模型；将求解上层优化调度模型得到的各时段的剩余负荷和各时段的储能充放电功率输入至下层优化调度模型；响应于获取的各时段的剩余负荷和各时段的储能充放电功率，对下层优化调度模型进行求解；基于求解结果，将调度指令发送至电力系统的各个设备。实现了将源侧合理弃能与荷侧多类型需求响应共同引入至电力系统调度工作，能够有效提高低碳经济调度模型的经济性与计算的精确度。

Description

一种“源-荷-储”协调的低碳经济调度方法及装置
技术领域
本发明属于电力系统调度技术领域，尤其涉及一种“源-荷-储”协调的低碳经济调度方法及装置。
背景技术
“十四五”时期是我国电力行业转型的关键时期。为达到能源发展和环境质量的相关要求，增加风电、光伏等可再生能源的装机容量并提高其消纳总量，是我国未来长期内能源提质增效的主要方向。然而，在现有高比例可再生能源接入的电力系统中，由于风电的反调峰特征明显且各类型调峰电源建设较为滞后，仅靠火电机组的调峰能力不足以满足调峰需求，导致弃风限电现象频繁发生，碳排放总量仍处于较高水平。
充分挖掘需求侧各类型资源的调节能力，提高源侧发电出力和荷侧用电负荷的匹配程度，是从根本上解决可再生能源弃电问题，实现电力系统低碳排放的重要举措之一。
目前，关于挖掘需求侧资源的研究大多仅考虑单一类型需求响应和储能的作用，且往往将储能设备充放电效率视为定值，并未考虑设备实际效率随负载率变化的变工况特性，使得计算误差较大，导致调度方案的合理性下降。
因此，亟需一种考虑合理弃能与差异化需求响应的“源-荷-储”协调低碳经济调度方法，以期兼顾高比例可再生能源并网下电力系统运行的经济性和环保性。
发明内容
本发明提供一种“源-荷-储”协调的低碳经济调度方法，用于至少解决上述技术问题之一。
第一方面，本发明提供一种“源-荷-储”协调的低碳经济调度方法，包括：响应于获取的电力系统数据信息，依据价格型需求响应模型和激励型需求响应模型对某一时刻的负荷进行计算；响应于获取的所述某一时刻的负荷，以剩余负荷标准差最小为上层目标函数，构建计及合理弃能和储能设备变工况特性的上层优化调度模型，其中，所述储能设备变工况特性为储能设备的充放电效率随储能设备负载率变化的关系；以最小运行成本为下层目标函数，构建计及多类型费用的下层优化调度模型；对所述上层优化调度模型进行求解，并将求解得到的各时段的剩余负荷和各时段的储能充放电功率输入至所述下层优化调度模型；响应于获取的所述各时段的剩余负荷和所述各时段的储能充放电功率，对所述下层优化调度模型进行求解；基于求解结果，将调度指令发送至电力系统的各个设备。
第二方面，本发明提供一种“源-荷-储”协调的低碳经济调度装置，包括：计算模块，配置为响应于获取的电力系统数据信息，依据价格型需求响应模型和激励型需求响应模型对某一时刻的负荷进行计算；第一构建模块，配置为响应于获取的所述某一时刻的负荷，以剩余负荷标准差最小为上层目标函数，构建计及合理弃能和储能设备变工况特性的上层优化调度模型，其中，所述储能设备变工况特性为储能设备的充放电效率随储能设备负载率变化的关系；第二构建模块，配置为以最小运行成本为下层目标函数，构建计及多类型费用的下层优化调度模型；第一求解模块，配置为对所述上层优化调度模型进行求解，并将求解得到的各时段的剩余负荷和各时段的储能充放电功率输入至所述下层优化调度模型；第二求解模块，配置为响应于获取的所述各时段的剩余负荷和所述各时段的储能充放电功率，对所述下层优化调度模型进行求解；发送模块，配置为基于求解结果，将调度指令发送至电力系统的各个设备。
第三方面，本发明还提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的“源-荷-储”协调的低碳经济调度方法的步骤。
第四方面，本发明实施方式还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行本发明任一实施例的“源-荷-储”协调的低碳经济调度方法的步骤。
本申请的一种“源-荷-储”协调的低碳经济调度方法及装置提供的方案，基于价格型需求响应模型和激励型需求响应模型对电力系统的负荷进行计算，并将得到的负荷输入至考虑合理弃能和储能设备变工况特性的上层优化调度模型中，使获取个时段的剩余负荷和储能充放电功率，实现了将源侧合理弃能与荷侧多类型需求响应共同引入至电力系统调度工作，一方面能够有效提高低碳经济调度模型的经济性与计算的精确度，另一方面也能够提高可再生能源的利用率，降低二氧化碳的排放量。
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中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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为本发明一实施例提供的一种“源-荷-储”协调的低碳经济调度方法的流程图；
图2为本发明一实施例提供的再一种“源-荷-储”协调的低碳经济调度方法的流程图；
图3为本发明一实施例提供的一种“源-荷-储”协调的低碳经济调度装置的结构框图；
图4是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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他实施例，都属于本发明保护的范围。
请参阅图1，其示出了本申请的“源-荷-储”协调的低碳经济调度方法一实施例的流程图。
如图1所示，在S101中，响应于获取的电力系统数据信息，依据价格型需求响应模型和激励型需求响应模型对某一时刻的负荷进行计算；
在S102中，响应于获取的某一时刻的负荷，以剩余负荷标准差最小为上层目标函数，构建计及合理弃能和储能设备变工况特性的上层优化调度模型，其中，储能设备变工况特性为储能设备的充放电效率随储能设备负载率变化的关系；
在S103中，以最小运行成本为下层目标函数，构建计及多类型费用的下层优化调度模型；
在S104中，对上层优化调度模型进行求解，并将求解得到的各时段的剩余负荷和各时段的储能充放电功率输入至下层优化调度模型；
在S105中，响应于获取的各时段的剩余负荷和各时段的储能充放电功率，对下层优化调度模型进行求解；
在S106中，基于求解结果，将调度指令发送至电力系统的各个设备。
本实施的方法采用响应于获取包括用电负荷数据、电价数据、风电预测出力数据、光伏预测出力数据、火电机组数据及储能设备数据的电力系统数据信息，依据价格型需求响应模型和激励型需求响应模型对某一时刻的负荷进行计算，并基于计算得到的某一时刻的负荷，构建计及合理弃能和储能设备变工况特性的上层优化调度模型，实现了将源侧合理弃能与荷侧多类型需求响应共同引入至电力系统调度工作，一方面能够有效提高低碳经济调度模型的经济性与计算的精确度，另一方面也能够提高可再生能源的利用率，降低二氧化碳的排放量。
再采用CPLEX求解器对上层优化调度模型进行求解，并将求解得到的各个时段的剩余负荷何储能充放电功率数据输入至计及多类型费用的下层优化调度模型中，通过CPLEX求解器调用Yalmip工具箱进行求解下层优化调度模型，使得下层优化调度模型输出最小调度费用和各机组的最优出力，使得根据下层优化调度模型的计算结果，将最终调度指令发送至各设备，各设备按照最终调度指令运行。
综上描述，采用双层优化调度模型，能够针对多目标进行分层求解，从而有效地降低了求解优化调度模型的运算复杂度，而且上层优化调度模型考虑了动态效率，即储能设备的充放电效率随储能设备的负载率变化的关系，进一步提升了输出的各个时段的剩余负荷何储能充放电功率数据的准确度，从而增加了后续调度方案的合理性。
请参阅图2，其示出了本申请一实施例提供的再一种“源-荷-储”协调的低碳经济调度方法的流程图。
如图2所示，在S201中，对上层优化调度模型进行求解，并判断求解得到的各个时段的剩余负荷和各时段的储能充放电功率是否满足上层优化调度模型的约束条件；
在S202中，若求解得到的各时段剩余负荷和各时段储能充放电功率满足上层优化调度模型的约束条件，将各时段的剩余负荷和各时段的储能充放电功率输入至下层优化调度模型。
本实施例的方法，采用CPLEX求解器对上层优化调度模型进行求解，并判断求解得到的各个时段的剩余负荷和各时段的储能充放电功率是否满足上层优化调度模型的约束条件，若求解得到的各时段剩余负荷和各时段储能充放电功率满足上层优化调度模型的约束条件，将各时段的剩余负荷和各时段的储能充放电功率输入至下层优化调度模型，其中，上层优化调度模型的约束条件为：
1）储能设备充电功率约束：
Figure 18307DEST_PATH_IMAGE001
，
式中，
Figure 201027DEST_PATH_IMAGE002
表示t时段储能设备的充电功率，
Figure 308660DEST_PATH_IMAGE003
表示储能设备的最大充放电功率；
2）储能设备放电功率约束：
Figure 297344DEST_PATH_IMAGE004
，
式中，
Figure 377296DEST_PATH_IMAGE005
表示t时段储能设备的放电功率，
Figure 527655DEST_PATH_IMAGE003
表示储能设备的最大充放电功率；
3）储能设备充放电状态互斥约束：
Figure 325846DEST_PATH_IMAGE006
，
4）储能设备荷电状态约束：
Figure 790326DEST_PATH_IMAGE007
，
式中，
Figure 787100DEST_PATH_IMAGE008
表示储能设备的最小可储存电量，
Figure 48973DEST_PATH_IMAGE009
表示t时段储能系统的荷电状态，
Figure 131199DEST_PATH_IMAGE010
表示储能设备的最大可储存电量，其中，
Figure 133790DEST_PATH_IMAGE011
，
Figure 188333DEST_PATH_IMAGE012
表示t时段储能设备的储存电量；
5）储能设备调度的可持续性约束：
Figure 680495DEST_PATH_IMAGE013
，
式中，
Figure 453279DEST_PATH_IMAGE002
表示t时段储能设备的充电功率，
Figure 56298DEST_PATH_IMAGE014
表示调度时间间隔数，
Figure 965348DEST_PATH_IMAGE005
表示t时段储能设备的放电功率；
6）最大弃风率约束：
Figure 628411DEST_PATH_IMAGE015
，
式中，
Figure 622912DEST_PATH_IMAGE016
表示t时段的风电并网比例，
Figure 29622DEST_PATH_IMAGE014
表示调度时间间隔数，
Figure 807827DEST_PATH_IMAGE017
表示t时段的风电预测出力，
Figure 907370DEST_PATH_IMAGE018
表示系统允许的最大弃风率；
7）最大弃光率约束：
Figure 389167DEST_PATH_IMAGE019
，
式中，
Figure 537252DEST_PATH_IMAGE020
表示t时段的光伏并网比例，
Figure 217632DEST_PATH_IMAGE021
表示t时段的光伏预测出力，
Figure 425759DEST_PATH_IMAGE014
表示调度时间间隔数，
Figure 191590DEST_PATH_IMAGE022
表示系统允许的最大弃光率。
在一些可选的实施例中，价格型需求响应模型为：
Figure 877786DEST_PATH_IMAGE023
，
式中，e表示电价弹性系数，
Figure 678252DEST_PATH_IMAGE024
分别表示用电负荷及其变化量，
Figure 322860DEST_PATH_IMAGE025
分别表示电价及其变化量；
Figure 513670DEST_PATH_IMAGE026
，
Figure 68804DEST_PATH_IMAGE027
；
式中，E表示电价弹性矩阵，
Figure 395880DEST_PATH_IMAGE028
表示价格型需求响应实施后t时段的用电负荷，
Figure 8127DEST_PATH_IMAGE029
表示价格型需求响应实施前t时段的用电负荷，
Figure 686233DEST_PATH_IMAGE030
表示价格型需求响应实施后t时段的用电负荷变化量；
Figure 42128DEST_PATH_IMAGE031
、
Figure 489290DEST_PATH_IMAGE032
分别表示价格型需求响应实施前t时段的电价、价格型需求响应实施后t时段电价的变化量。
激励型需求响应模型仅考虑可中断负荷，其表达式为：
Figure 210121DEST_PATH_IMAGE033
，
式中，
Figure 437840DEST_PATH_IMAGE034
表示负荷中断后t时段的用电负荷，
Figure 269530DEST_PATH_IMAGE035
表示t时段表示负荷中断状态的0-1变量，
Figure 899094DEST_PATH_IMAGE035
=1表示负荷发生中断，
Figure 525248DEST_PATH_IMAGE036
表示t时段的可中断负荷大小，
Figure 243192DEST_PATH_IMAGE029
表示价格型需求响应实施前t时段的用电负荷。
因此，当价格型需求响应和激励型需求响应共同作用时，t时段负荷
Figure 878573DEST_PATH_IMAGE037
可表示为
Figure 97065DEST_PATH_IMAGE038
，
式中，
Figure 425278DEST_PATH_IMAGE039
表示t时段的负荷，
Figure 299693DEST_PATH_IMAGE029
表示价格型需求响应实施前t时段的用电负荷，
Figure 801082DEST_PATH_IMAGE030
表示价格型需求响应实施后t时段的用电负荷变化量，
Figure 77342DEST_PATH_IMAGE035
表示t时段表示负荷中断状态的0-1变量，
Figure 373194DEST_PATH_IMAGE035
=1表示负荷发生中断，
Figure 734906DEST_PATH_IMAGE036
表示t时段的可中断负荷大小。
与此同时，可中断负荷的计算需要满足以下约束条件：
1）可中断负荷取值范围约束：
Figure 774406DEST_PATH_IMAGE040
，
式中，
Figure 905173DEST_PATH_IMAGE041
表示t时段可中断负荷的最小值，
Figure 575189DEST_PATH_IMAGE036
表示t时段的可中断负荷大小，
Figure 223863DEST_PATH_IMAGE042
表示t时段可中断负荷的最大值；
2）可中断负荷最小可中断时间约束：
Figure 4737DEST_PATH_IMAGE043
，
式中，
Figure 317907DEST_PATH_IMAGE044
表示可中断负荷最小可中断时间，
Figure 893245DEST_PATH_IMAGE035
表示t时段表示负荷中断状态的0-1变量，
Figure 291865DEST_PATH_IMAGE035
=1表示负荷发生中断，
Figure 610851DEST_PATH_IMAGE045
表示
Figure 778527DEST_PATH_IMAGE046
时段表示负荷中断状态的0-1变量，
Figure 524766DEST_PATH_IMAGE045
=1表示负荷发生中断，
3）可中断负荷最大可中断时间约束：
Figure 348366DEST_PATH_IMAGE047
，
式中：
Figure 533360DEST_PATH_IMAGE035
表示t时段表示负荷中断状态的0-1变量，
Figure 493225DEST_PATH_IMAGE035
=1表示负荷发生中断，
Figure 463894DEST_PATH_IMAGE048
表示可中断负荷最大可中断时间。
在一些可选的实施例中，上层优化调度模型的上层目标函数表达式为：
Figure 774789DEST_PATH_IMAGE049
，
其中，
Figure 497895DEST_PATH_IMAGE014
表示调度时间间隔数，
Figure 312267DEST_PATH_IMAGE050
表示t时段的剩余负荷，其计算公式如下：
Figure 259363DEST_PATH_IMAGE051
，
式中，
Figure 791976DEST_PATH_IMAGE052
为t时段负荷，
Figure 318772DEST_PATH_IMAGE016
表示t时段的风电并网比例，
Figure 987651DEST_PATH_IMAGE017
表示t时段的风电预测出力，
Figure 574490DEST_PATH_IMAGE020
表示t时段的光伏并网比例，
Figure 594398DEST_PATH_IMAGE021
表示t时段的光伏预测出力，
Figure 662236DEST_PATH_IMAGE053
表示t时段储能设备的充放电效率，
Figure 716780DEST_PATH_IMAGE002
表示t时段储能设备的充电功率，
Figure 412203DEST_PATH_IMAGE005
表示t时段储能设备的放电功率；
其中，由于能源转换设备的转换效率并不是定值，而与个时段的负载率相关联，故储能设备的充放电效率随其负载率的变化关系可表示为：
其中，由于能源转换设备的转换效率并不是定值，而与个时段的负载率相关联，故储能设备的充放电效率随其负载率的变化关系可表示为：
Figure 716146DEST_PATH_IMAGE054
，
Figure 522428DEST_PATH_IMAGE055
，
式中，
Figure 493795DEST_PATH_IMAGE056
表示t时段储能设备的充放电效率，
Figure 94540DEST_PATH_IMAGE057
表示t时段储能设备的负载率，
Figure 151358DEST_PATH_IMAGE058
表示储能设备的额定功率，
Figure 495752DEST_PATH_IMAGE002
表示t时段储能设备的充电功率，
Figure 321625DEST_PATH_IMAGE005
表示t时段储能设备的放电功率。
在一些可选的实施例中，下层优化调度模型的下层目标函数表达式为：
Figure 93272DEST_PATH_IMAGE059
，
式中，
Figure 640316DEST_PATH_IMAGE060
表示火电机组的煤耗费用，
Figure 788400DEST_PATH_IMAGE061
表示储能设备的总运行费用，
Figure 468780DEST_PATH_IMAGE062
表示碳交易费用，
Figure 473645DEST_PATH_IMAGE063
表示弃电惩罚费用，
Figure 177159DEST_PATH_IMAGE064
表示可中断用户补偿费用。
其中，火电机组煤耗费用
Figure 660093DEST_PATH_IMAGE065
的计算表达式为：
Figure 460559DEST_PATH_IMAGE066
，
式中：
Figure 574008DEST_PATH_IMAGE060
表示火电机组的煤耗费用，
Figure 827135DEST_PATH_IMAGE014
表示调度时间间隔数，
Figure 317022DEST_PATH_IMAGE067
表示火电机组总数目，
Figure 974924DEST_PATH_IMAGE068
表示t时段火电机组i的发电功率，
Figure 524854DEST_PATH_IMAGE069
均表示煤耗成本函数系数，
Figure 265277DEST_PATH_IMAGE070
表示标煤价格。
储能设备总运行费用
Figure 293276DEST_PATH_IMAGE071
的计算表达式为：
Figure 802755DEST_PATH_IMAGE072
，
式中，
Figure 523586DEST_PATH_IMAGE071
表示储能设备总运行费用，
Figure 751305DEST_PATH_IMAGE073
表示储能设备的维护费用，
Figure 582995DEST_PATH_IMAGE074
表示储能设备的充电费用，
Figure 946980DEST_PATH_IMAGE075
表示储能设备可获得的补贴费用；
Figure 838713DEST_PATH_IMAGE076
，
式中，
Figure 568376DEST_PATH_IMAGE073
表示储能设备的维护费用，
Figure 938178DEST_PATH_IMAGE077
表示储能设备单位功率的维护费用，
Figure 422249DEST_PATH_IMAGE058
表示储能设备的额定功率；
Figure 484883DEST_PATH_IMAGE078
，
式中，
Figure 156035DEST_PATH_IMAGE074
表示储能设备的充电费用，
Figure 657424DEST_PATH_IMAGE079
表示储能设备单位功率的充电费用，
Figure 199264DEST_PATH_IMAGE014
表示调度时间间隔数，
Figure 432799DEST_PATH_IMAGE002
表示t时段储能设备的充电功率；
Figure 856827DEST_PATH_IMAGE080
，
式中，
Figure 568431DEST_PATH_IMAGE075
表示储能设备可获得的补贴费用，
Figure 27094DEST_PATH_IMAGE081
表示储能设备单位充电电量的补贴费用，
Figure 700040DEST_PATH_IMAGE014
表示调度时间间隔数，
Figure 549047DEST_PATH_IMAGE002
表示t时段储能设备的充电功率。
碳交易成本
Figure 126659DEST_PATH_IMAGE082
的计算表达式为：
Figure 377512DEST_PATH_IMAGE083
式中，
Figure 15166DEST_PATH_IMAGE082
表示碳交易成本，
Figure 351470DEST_PATH_IMAGE084
表示系统火电机组的碳排放总量，
Figure 732773DEST_PATH_IMAGE085
表示系统的碳排放配额，
Figure 838132DEST_PATH_IMAGE086
分别表示大于和小于碳排放配额时的碳排放权交易价格，
Figure 646688DEST_PATH_IMAGE087
表示碳排放配额增加时的单位变化区间，
Figure 204708DEST_PATH_IMAGE088
表示大于碳排放配额的碳排放权交易价格系数；
Figure 389702DEST_PATH_IMAGE089
，
式中，
Figure 618077DEST_PATH_IMAGE084
表示系统火电机组的碳排放总量，
Figure 535217DEST_PATH_IMAGE014
表示调度时间间隔数，
Figure 908429DEST_PATH_IMAGE067
表示火电机组总数目，
Figure 569218DEST_PATH_IMAGE090
表示火电机组i的碳排放强度，
Figure 445907DEST_PATH_IMAGE091
表示火电机组i，t时刻的发电功率；
Figure 799528DEST_PATH_IMAGE092
，
式中，
Figure 394457DEST_PATH_IMAGE086
分别表示大于和小于碳排放配额时的碳排放权交易价格，
Figure 593358DEST_PATH_IMAGE088
表示大于碳排放配额的碳排放权交易价格系数，
Figure 590132DEST_PATH_IMAGE084
表示系统火电机组的碳排放总量，
Figure 114655DEST_PATH_IMAGE085
表示系统的碳排放配额，
Figure 931301DEST_PATH_IMAGE087
表示碳排放配额增加时的单位变化区间；
弃电惩罚费用
Figure 467980DEST_PATH_IMAGE093
为：
Figure 256945DEST_PATH_IMAGE094
，
式中：
Figure 749106DEST_PATH_IMAGE093
表示弃电惩罚费用，
Figure 256311DEST_PATH_IMAGE095
表示单位电量的弃风惩罚费用，
Figure 124909DEST_PATH_IMAGE014
表示调度时间间隔数，
Figure 33960DEST_PATH_IMAGE016
表示t时段的风电并网比例，
Figure 900284DEST_PATH_IMAGE017
表示t时段的风电预测出力，
Figure 691523DEST_PATH_IMAGE096
表示单位电量的弃光惩罚费用，
Figure 301496DEST_PATH_IMAGE020
表示t时段的光伏并网比例，
Figure 330632DEST_PATH_IMAGE021
表示t时段的光伏预测出力。
可中断负荷的补偿费用
Figure 164595DEST_PATH_IMAGE097
为：
Figure 646392DEST_PATH_IMAGE098
，
式中，
Figure 848005DEST_PATH_IMAGE099
表示可中断负荷的补偿费用，
Figure 466068DEST_PATH_IMAGE100
表示单位电量可中断负荷的补偿费用，
Figure 470933DEST_PATH_IMAGE014
表示调度时间间隔数，
Figure 440026DEST_PATH_IMAGE036
表示t时段的可中断负荷大小。
在一些可选的实施例中，下层模型的约束条件为
1）系统功率平衡约束：
Figure 391802DEST_PATH_IMAGE101
，
式中，
Figure 926688DEST_PATH_IMAGE067
表示火电机组总数目，
Figure 305717DEST_PATH_IMAGE091
表示火电机组i，t时刻的发电功率，
Figure 558844DEST_PATH_IMAGE016
表示t时段的风电并网比例，
Figure 314310DEST_PATH_IMAGE017
表示t时段的风电预测出力，
Figure 906965DEST_PATH_IMAGE020
表示t时段的光伏并网比例，
Figure 519212DEST_PATH_IMAGE021
表示t时段的光伏预测出力，
Figure 934669DEST_PATH_IMAGE005
表示t时段储能设备的放电功率，
Figure 290564DEST_PATH_IMAGE052
为t时段负荷，
Figure 3305DEST_PATH_IMAGE102
表示t时段储能设备的放电效率，
Figure 724136DEST_PATH_IMAGE103
表示t时段储能设备的充电效率；
2）火电机组出力约束：
Figure 951855DEST_PATH_IMAGE104
，
式中，
Figure 783545DEST_PATH_IMAGE105
分别表示机组i的最大、最小发电功率，
Figure 147530DEST_PATH_IMAGE091
表示火电机组i，t时刻的发电功率；
3）火电机组爬坡约束：
Figure 304842DEST_PATH_IMAGE106
，
式中，
Figure 691961DEST_PATH_IMAGE107
分别表示机组
Figure 389659DEST_PATH_IMAGE108
的最大上爬坡、最大下爬坡速率，
Figure 811413DEST_PATH_IMAGE091
表示火电机组i，t时刻的发电功率，
Figure 139626DEST_PATH_IMAGE109
表示火电机组
Figure 813708DEST_PATH_IMAGE110
，
Figure 49518DEST_PATH_IMAGE111
时刻的发电功率。
请参阅图3，其示出了本申请的一种“源-荷-储”协调的低碳经济调度装置的结构框图。
如图3所示，低碳经济调度装置300，包括计算模块310、第一构建模块320、第二构建模块330、第一求解模块340、第二求解模块350以及发送模块360。
其中，计算模块310，配置为响应于获取的电力系统数据信息，依据价格型需求响应模型和激励型需求响应模型对某一时刻的负荷进行计算；第一构建模块320，配置为响应于获取的某一时刻的负荷，以剩余负荷标准差最小为上层目标函数，构建计及合理弃能和储能设备变工况特性的上层优化调度模型，其中，储能设备变工况特性为储能设备的充放电效率随储能设备负载率变化的关系；第二构建模块330，配置为以最小运行成本为下层目标函数，构建计及多类型费用的下层优化调度模型；第一求解模块340，配置为对上层优化调度模型进行求解，并将求解得到的各时段的剩余负荷和各时段的储能充放电功率输入至下层优化调度模型；第二求解模块350，配置为响应于获取的各时段的剩余负荷和各时段的储能充放电功率，对下层优化调度模型进行求解；发送模块360，配置为基于求解结果，将调度指令发送至电力系统的各个设备。
应当理解，图3中记载的诸模块与参考图1图2中描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征以及相应的技术效果同样适用于图3中的诸模块，在此不再赘述。
在另一些实施例中，本发明实施例还提供了一种非易失性计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的低碳经济调度方法；
作为一种实施方式，本发明的非易失性计算机存储介质存储有计算机可执行指令，计算机可执行指令设置为：
响应于获取的电力系统数据信息，依据价格型需求响应模型和激励型需求响应模型对某一时刻的负荷进行计算；
响应于获取的某一时刻的负荷，以剩余负荷标准差最小为上层目标函数，构建计及合理弃能和储能设备变工况特性的上层优化调度模型，其中，储能设备变工况特性为储能设备的充放电效率随储能设备负载率变化的关系；
以最小运行成本为下层目标函数，构建计及多类型费用的下层优化调度模型；
对上层优化调度模型进行求解，并将求解得到的各时段的剩余负荷和各时段的储能充放电功率输入至下层优化调度模型；
响应于获取的各时段的剩余负荷和各时段的储能充放电功率，对下层优化调度模型进行求解；
基于求解结果，将调度指令发送至电力系统的各个设备。
非易失性计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据低碳经济调度装置的使用所创建的数据等。此外，非易失性计算机可读存储介质可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，非易失性计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至低碳经济调度装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明实施例还提供一种计算机程序产品，计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，使计算机执行上述任一项低碳经济调度方法。
图4是本发明实施例提供的电子设备的结构示意图，如图4所示，该设备包括：至少一个处理器410以及存储器420，图4中以一个处理器410为例。电子设备还可以包括：输入装置430和输出装置440。处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接，图4中以通过总线连接为例。存储器420为上述的非易失性计算机可读存储介质。处理器410通过运行存储在存储器420中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例低碳经济调度方法。输入装置430可接收输入的数字或字符信息，以及产生与低碳经济调度装置的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
作为一种实施方式，上述电子设备应用于低碳经济调度装置中，用于客户端，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
响应于获取的电力系统数据信息，依据价格型需求响应模型和激励型需求响应模型对某一时刻的负荷进行计算；
响应于获取的某一时刻的负荷，以剩余负荷标准差最小为上层目标函数，构建计及合理弃能和储能设备变工况特性的上层优化调度模型，其中，储能设备变工况特性为储能设备的充放电效率随储能设备负载率变化的关系；
以最小运行成本为下层目标函数，构建计及多类型费用的下层优化调度模型；
对上层优化调度模型进行求解，并将求解得到的各时段的剩余负荷和各时段的储能充放电功率输入至下层优化调度模型；
响应于获取的各时段的剩余负荷和各时段的储能充放电功率，对下层优化调度模型进行求解；
基于求解结果，将调度指令发送至电力系统的各个设备。
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
最后应说明的是：以上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。

Claims (9)

1.一种“源-荷-储”协调的低碳经济调度方法，其特征在于，包括：
响应于获取的电力系统数据信息，依据价格型需求响应模型和激励型需求响应模型对某一时刻的负荷进行计算；
响应于获取的所述某一时刻的负荷，以剩余负荷标准差最小为上层目标函数，构建计及合理弃能和储能设备变工况特性的上层优化调度模型，其中，所述储能设备变工况特性为储能设备的充放电效率随储能设备负载率变化的关系；
以最小运行成本为下层目标函数，构建计及多类型费用的下层优化调度模型；
对所述上层优化调度模型进行求解，并将求解得到的各时段的剩余负荷和各时段的储能充放电功率输入至所述下层优化调度模型；
响应于获取的所述各时段的剩余负荷和所述各时段的储能充放电功率，对所述下层优化调度模型进行求解；
基于求解结果，将调度指令发送至电力系统的各个设备。
2.根据权利要求1所述的一种“源-荷-储”协调的低碳经济调度方法，其特征在于，所述价格型需求响应模型为：
Figure 529579DEST_PATH_IMAGE001
，
式中，e表示电价弹性系数，
Figure 800023DEST_PATH_IMAGE002
分别表示用电负荷及其变化量，
Figure 503537DEST_PATH_IMAGE003
分别表示电价及其变化量；
Figure 517629DEST_PATH_IMAGE004
，
Figure 990199DEST_PATH_IMAGE005
；
式中，E表示电价弹性矩阵，
Figure 431545DEST_PATH_IMAGE006
表示价格型需求响应实施后t时段的用电负荷，
Figure 622355DEST_PATH_IMAGE007
表示价格型需求响应实施前t时段的用电负荷，
Figure 174559DEST_PATH_IMAGE008
表示价格型需求响应实施后t时段的用电负荷变化量；
Figure 32793DEST_PATH_IMAGE009
、
Figure 317144DEST_PATH_IMAGE010
分别表示价格型需求响应实施前t时段的电价、价格型需求响应实施后t时段电价的变化量。
3.根据权利要求1所述的一种“源-荷-储”协调的低碳经济调度方法，其特征在于，所述激励型需求响应模型仅考虑可中断负荷，其表达式为：
Figure 60497DEST_PATH_IMAGE011
，
式中，
Figure 354075DEST_PATH_IMAGE012
表示负荷中断后t时段的用电负荷，
Figure 863553DEST_PATH_IMAGE013
表示t时段表示负荷中断状态的0-1变量，
Figure 584385DEST_PATH_IMAGE013
=1表示负荷发生中断，
Figure 546525DEST_PATH_IMAGE014
表示t时段的可中断负荷大小，
Figure 643794DEST_PATH_IMAGE007
表示价格型需求响应实施前t时段的用电负荷。
4.根据权利要求1所述的一种“源-荷-储”协调的低碳经济调度方法，其特征在于，所述对所述上层优化调度模型进行求解，并将求解得到的各个时段的剩余负荷和各时段的储能充放电功率输入至所述下层优化调度模型包括：
对所述上层优化调度模型进行求解，并判断求解得到的各个时段的剩余负荷和各时段的储能充放电功率是否满足所述上层优化调度模型的约束条件；
若求解得到的各时段剩余负荷和各时段储能充放电功率满足所述上层优化调度模型的约束条件，将所述各时段的剩余负荷和所述各时段的储能充放电功率输入至所述下层优化调度模型。
5.根据权利要求1所述的一种“源-荷-储”协调的低碳经济调度方法，其特征在于，所述上层优化调度模型的上层目标函数表达式为：
Figure 211041DEST_PATH_IMAGE015
，
其中，
Figure 165091DEST_PATH_IMAGE016
表示调度时间间隔数，
Figure 552210DEST_PATH_IMAGE017
表示t时段的剩余负荷，其计算公式如下：
Figure 249907DEST_PATH_IMAGE018
，
式中，
Figure 671661DEST_PATH_IMAGE019
为t时段负荷，
Figure 522244DEST_PATH_IMAGE020
表示t时段的风电并网比例，
Figure 662238DEST_PATH_IMAGE021
表示t时段的风电预测出力，
Figure 898047DEST_PATH_IMAGE022
表示t时段的光伏并网比例，
Figure 174308DEST_PATH_IMAGE023
表示t时段的光伏预测出力，
Figure 470160DEST_PATH_IMAGE024
表示t时段储能设备的充放电效率，
Figure 831871DEST_PATH_IMAGE025
表示t时段储能设备的充电功率，
Figure 871372DEST_PATH_IMAGE026
表示t时段储能设备的放电功率；
其中，由于能源转换设备的转换效率并不是定值，而与个时段的负载率相关联，故储能设备的充放电效率随其负载率的变化关系可表示为：
Figure 2139DEST_PATH_IMAGE027
，
Figure 672154DEST_PATH_IMAGE028
，
式中，
Figure 583479DEST_PATH_IMAGE029
表示t时段储能设备的负载率，
Figure 364353DEST_PATH_IMAGE030
表示储能设备的额定功率，
Figure 414873DEST_PATH_IMAGE025
表示t时段储能设备的充电功率，
Figure 990211DEST_PATH_IMAGE026
表示t时段储能设备的放电功率。
6.根据权利要求1所述的一种“源-荷-储”协调的低碳经济调度方法，其特征在于，所述下层优化调度模型的下层目标函数表达式为：
Figure 388831DEST_PATH_IMAGE031
，
式中，
Figure 973396DEST_PATH_IMAGE032
表示火电机组的煤耗费用，
Figure 78755DEST_PATH_IMAGE033
表示储能设备的总运行费用，
Figure 621732DEST_PATH_IMAGE034
表示碳交易费用，
Figure 710911DEST_PATH_IMAGE035
表示弃电惩罚费用，
Figure 630325DEST_PATH_IMAGE036
表示可中断用户补偿费用。
7.一种“源-荷-储”协调的低碳经济调度装置，其特征在于，包括：
计算模块，配置为响应于获取的电力系统数据信息，依据价格型需求响应模型和激励型需求响应模型对某一时刻的负荷进行计算；
第一构建模块，配置为响应于获取的所述某一时刻的负荷，以剩余负荷标准差最小为上层目标函数，构建计及合理弃能和储能设备变工况特性的上层优化调度模型，其中，所述储能设备变工况特性为储能设备的充放电效率随储能设备负载率变化的关系；
第二构建模块，配置为以最小运行成本为下层目标函数，构建计及多类型费用的下层优化调度模型；
第一求解模块，配置为对所述上层优化调度模型进行求解，并将求解得到的各时段的剩余负荷和各时段的储能充放电功率输入至所述下层优化调度模型；
第二求解模块，配置为响应于获取的所述各时段的剩余负荷和所述各时段的储能充放电功率，对所述下层优化调度模型进行求解；
发送模块，配置为基于求解结果，将调度指令发送至电力系统的各个设备。
8.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至6任一项所述方法的步骤。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。
CN202110416354.4A 2021-04-19 2021-04-19 一种“源-荷-储”协调的低碳经济调度方法及装置 Active CN112821397B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110416354.4A CN112821397B (zh) 2021-04-19 2021-04-19 一种“源-荷-储”协调的低碳经济调度方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110416354.4A CN112821397B (zh) 2021-04-19 2021-04-19 一种“源-荷-储”协调的低碳经济调度方法及装置

Publications (2)

Publication Number Publication Date
CN112821397A true CN112821397A (zh) 2021-05-18
CN112821397B CN112821397B (zh) 2021-10-19

Family

ID=75863666

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110416354.4A Active CN112821397B (zh) 2021-04-19 2021-04-19 一种“源-荷-储”协调的低碳经济调度方法及装置

Country Status (1)

Country Link
CN (1) CN112821397B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113922399A (zh) * 2021-12-13 2022-01-11 国网江西省电力有限公司电力科学研究院 一种低碳排放的电网储能控制方法及装置
CN116128262A (zh) * 2023-04-19 2023-05-16 山东科技大学 一种综合能源系统低碳调度方法及系统
WO2023136774A3 (en) * 2022-01-17 2023-09-21 Envision Digital International Pte. Ltd. Method and apparatus for determining energy storage charge and discharge scheme, device, and storage medium
CN117131982A (zh) * 2023-08-21 2023-11-28 四川大学 极端高温事件下保障负荷可靠供应的用户侧能源优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130006431A1 (en) * 2011-06-29 2013-01-03 Acciona Energia, S.A. Procedure for supply control and storage of power provided by a renewable energy generation plant
CN107181272A (zh) * 2017-05-23 2017-09-19 国网吉林省电力有限公司电力科学研究院 一种利用储能系统提升调峰空间的风电消纳方法
CN108023348A (zh) * 2017-12-13 2018-05-11 国网安徽省电力有限公司 一种基于外送通道确定风电最佳调峰装机规模的方法
CN108964050A (zh) * 2018-08-26 2018-12-07 燕山大学 基于需求侧响应的微电网双层优化调度方法
CN109617054A (zh) * 2018-12-13 2019-04-12 华南理工大学 一种考虑光储系统接入的配电变压器定容选型方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130006431A1 (en) * 2011-06-29 2013-01-03 Acciona Energia, S.A. Procedure for supply control and storage of power provided by a renewable energy generation plant
CN107181272A (zh) * 2017-05-23 2017-09-19 国网吉林省电力有限公司电力科学研究院 一种利用储能系统提升调峰空间的风电消纳方法
CN108023348A (zh) * 2017-12-13 2018-05-11 国网安徽省电力有限公司 一种基于外送通道确定风电最佳调峰装机规模的方法
CN108964050A (zh) * 2018-08-26 2018-12-07 燕山大学 基于需求侧响应的微电网双层优化调度方法
CN109617054A (zh) * 2018-12-13 2019-04-12 华南理工大学 一种考虑光储系统接入的配电变压器定容选型方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHEN RUNZE: "Reducing generation uncertainty by integrating CSP with wind power： an adaptive robust optimization-based analysis", 《SUSTAINABLE ENERGY》 *
叶泽等: "发电行业碳排放权初始配额分配的双层规划模型", 《系统工程》 *
周晓: "需求响应在大型智能商业楼宇能量管理中的应用研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113922399A (zh) * 2021-12-13 2022-01-11 国网江西省电力有限公司电力科学研究院 一种低碳排放的电网储能控制方法及装置
WO2023136774A3 (en) * 2022-01-17 2023-09-21 Envision Digital International Pte. Ltd. Method and apparatus for determining energy storage charge and discharge scheme, device, and storage medium
CN116128262A (zh) * 2023-04-19 2023-05-16 山东科技大学 一种综合能源系统低碳调度方法及系统
CN116128262B (zh) * 2023-04-19 2023-07-25 山东科技大学 一种综合能源系统低碳调度方法及系统
CN117131982A (zh) * 2023-08-21 2023-11-28 四川大学 极端高温事件下保障负荷可靠供应的用户侧能源优化方法
CN117131982B (zh) * 2023-08-21 2024-04-05 四川大学 极端高温事件下保障负荷可靠供应的用户侧能源优化方法

Also Published As

Publication number Publication date
CN112821397B (zh) 2021-10-19

Similar Documents

Publication Publication Date Title
CN112821397B (zh) 一种“源-荷-储”协调的低碳经济调度方法及装置
USRE49731E1 (en) Method and apparatus for facilitating the operation of an on-site energy storage system to co-optimize battery dispatch
Ju et al. A bi-level stochastic scheduling optimization model for a virtual power plant connected to a wind–photovoltaic–energy storage system considering the uncertainty and demand response
Tan et al. The optimization model for multi-type customers assisting wind power consumptive considering uncertainty and demand response based on robust stochastic theory
US20230122201A1 (en) Dispatching method for electric-hydrogen energy system considering flexible hydrogen demand
Zhong et al. Energy-saving generation dispatch toward a sustainable electric power industry in China
CN106844916B (zh) 一种基于调峰辅助服务市场的发电和用电组织方法及装置
He et al. Enhancing the power grid flexibility with battery energy storage transportation and transmission switching
CN105226696A (zh) 智能园区电动汽车有序充电系统及方法
CN105760993A (zh) 一种多源接入主动配电网评估方法
CN104376165A (zh) 一种用户参与新能源发电调峰的辅助服务政策仿真模型
Kobayashi et al. Coordinated operation of a battery energy storage system and thermal generators for supply–demand balance maintenance and efficient use of photovoltaic energy
Hao et al. Locational marginal pricing in the campus power system at the power distribution level
CN110783950A (zh) 一种配电网节点光伏最佳配置容量确定方法
CN111667136A (zh) 一种区域电力市场的出清方法、装置及存储介质
Schmitt et al. A review on active customers participation in smart grids
Gupta et al. Optimal sizing and siting of energy storage systems considering curtailable photovoltaic generation in power distribution networks
CN103208090B (zh) 基于全局配网的停电计划调度方案优化方法
CN105391060A (zh) 含微电网的配电网优化调度方法
Coppo et al. Sliding time windows assessment of storage systems capability for providing ancillary services to transmission and distribution grids
Chen et al. Congestion management of microgrids with renewable energy resources and energy storage systems
CN113363973A (zh) 一种热电联合调度方法及装置
CN113139271A (zh) 聚合资源建模方法及装置、电子设备及存储介质
Yu et al. Planning and Evaluation of Electric Vehicle Charging Stations Considering the Service Range
CN117200261B (zh) 一种基于电网调频的储能设备控制方法、装置和存储介质

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