CN112865151A - 一种含电动汽车的虚拟发电厂在线实时调度方法 - Google Patents

一种含电动汽车的虚拟发电厂在线实时调度方法 Download PDF

Info

Publication number
CN112865151A
CN112865151A CN202110069986.8A CN202110069986A CN112865151A CN 112865151 A CN112865151 A CN 112865151A CN 202110069986 A CN202110069986 A CN 202110069986A CN 112865151 A CN112865151 A CN 112865151A
Authority
CN
China
Prior art keywords
real
equipment
time
scheduling
power plant
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
CN202110069986.8A
Other languages
English (en)
Other versions
CN112865151B (zh
Inventor
王建学
张子龙
齐捷
杨帆
魏景东
雍维桢
王建臣
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.)
Xian Jiaotong University
Original Assignee
Xian 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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110069986.8A priority Critical patent/CN112865151B/zh
Publication of CN112865151A publication Critical patent/CN112865151A/zh
Application granted granted Critical
Publication of CN112865151B publication Critical patent/CN112865151B/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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • 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
    • H02J3/38—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
    • 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
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种含电动汽车的虚拟发电厂在线实时调度方法，获取各类型设备的实时运行数据和设备参数；采用模糊推理技术初始化设备的成本计算策略；虚拟发电厂调度中心根据获取的各类型设备的成本计算策略，建立各类设备模型进行统一出清，明确各类型设备的调度修正量和运行功率参考值；各类型设备根据出清结果，按照模糊推理技术自动更新成本计算策略，满足收敛条件后确定各类型设备的调度修正量和运行功率参考值作为调度结果；将调度结果下发各类型设备的控制器，完成虚拟发电厂的整体实时调度过程。本发明能够根据设备的实时工况，综合衡量设备的不同情况，在保障设备安全可靠运行基础上，实现整个系统和各设备的经济最优。

Description

一种含电动汽车的虚拟发电厂在线实时调度方法
技术领域
本发明属于能源互联网技术领域，具体涉及一种含电动汽车的虚拟发电厂在线实时调度方法。
背景技术
分布式可再生能源的渗透率逐年提高，为电力系统提供了更加多样化的电力服务，并提高了电力系统的供能质量，降低了传统火电厂的发电量，降低了氮硫化物的排放，进一步实现了绿色供电。但风电、光伏可再生能源的发电量极大的依赖于自然天气因素，因此不可避免的具有发电随机性和波动性，给大规模的并网电力系统带来了巨大的挑战。随着国家对新能源电动汽车的扶持力度增大，电动汽车的数量急剧增加，越来越多的电动汽车参与到电网辅助服务，大规模的电动汽车参与电网会产生一系列并网问题。为了大规模的聚合分布式可再生能源和可控负荷，虚拟发电厂(virtual power plant)的概念被提出来了。虚拟发电厂不仅限于发电侧各发电单元的聚合，还能够于用电侧的可控负荷和需求响应技术结合起来，将发电和用电两侧的一些单元有机结合起来组成一个虚拟的整体参与到电力系统的调度和运行以及电力市场的竞标中。虚拟发电厂为解决分布式资源、储能、负荷侧资源并网问题提供了一种最佳途径。
在虚拟发电厂的实时运行过程中，由于光伏、风电出力的随机性以及负荷的波动性，需要对虚拟发电厂内部的各类元件出力进行实时优化调度。虚拟发电厂的实时调度是一个单时段的决策问题。在单步实时调度过程中，若过多的改变单个元件的出力以平衡实时功率波动，将导致该元件状态过多偏离下一时刻的计划运行点，带来较大的调度偏差，不利于虚拟发电厂的经济运行。
同时，随着电力体制改革，电力市场化程度加大，越来越多的资本力量参与虚拟发电厂的建设。虚拟发电厂内部的各类分布式资源往往归属于不同的个体，各分布式电源的投资和财务是相互独立的，在虚拟电厂内部，如何采用一种相对公平公正、相对合理的实时功率调度分配机制来处理各类分布式电源的实时调度问题至关重要，这必将成为虚拟发电厂健康稳定运行的关键所在，影响到了虚拟发电厂的扩建和并网。
最近，研究表明，虚拟发电厂具有提高新能源发电效率和节省输电费用的能力。然而，由于地理特征、能源价格和消费者构成的差异，虚拟发电厂内部的各类分布式资源对于实时调度带来的收益和风险具有不同的偏好。因此，有必要建立虚拟发电厂的实时优化调度分析工具。到目前为止，已有关于储能、电动汽车和风电、光伏单个元件或集群并网在线实时调度的部分研究，但针对虚拟发电厂内部的各类分布式资源协同参与实时调度的相关工具仍然缺失。如果有了这个分析工具，对虚拟发电厂管控人员参与虚拟发电厂日常调度保障其稳定经济运行有极大的帮助，这必将有利于新能源并网的发展和用户侧可控资源的挖掘。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种含电动汽车的虚拟发电厂在线实时调度方法，保障虚拟发电厂实时可靠稳定运行的同时，获得一定的经济收益。
本发明采用以下技术方案：
一种含电动汽车的虚拟发电厂在线实时调度方法，包括以下步骤：
S1、从虚拟发电厂内部各类型设备的底层采集装备中获取各类型设备的实时运行数据和设备参数；
S2、针对步骤S1得到的各类型设备的实时运行数据和设备参数，采用模糊推理技术初始化设备的成本计算策略，上传虚拟发电厂调度中心；
S3、虚拟发电厂调度中心根据获取的各类型设备的成本计算策略，建立各类设备模型进行统一出清，明确各类型设备的调度修正量和运行功率参考值；
S4、各类型设备根据出清结果，即调度修正量和运行功率参考值，按照模糊推理技术自动更新成本计算策略，重复步骤S3直到满足收敛条件，最终确定各类型设备的调度修正量和运行功率参考值作为调度结果；
S5、将步骤S4的调度结果下发各类型设备的控制器执行相关调度命令，完成虚拟发电厂的整体实时调度过程。
具体的，步骤S1中，虚拟发电厂包括风电、光伏、储能和电动汽车充电桩；底层设备采集装备包括风电和光伏的PLC装置和通信链路；储能的控制器和通信链路；充电桩的控制器和通信装置；设备的实时运行数据和设备参数包括风电和光伏的装机容量和实时发电功率；储能的充放电功率、荷电状态和实时充放电功率；电动汽车的实时荷电状态和实时充电负荷功率。
具体的，步骤S2中，成本计算策略系数模型中，根据虚拟发电厂内部各元件主体实时设备状态和运行数据定义设备的实时状态参数集SOE具体为：
Figure BDA0002905425330000031
Figure BDA0002905425330000032
Figure BDA0002905425330000033
Figure BDA0002905425330000034
Figure BDA0002905425330000041
其中，
Figure BDA0002905425330000042
为光伏的实时状态参数；
Figure BDA0002905425330000043
为风电的实时状态参数；
Figure BDA0002905425330000044
为G2V电动汽车的实时状态参数；
Figure BDA0002905425330000045
为V2G电动汽车的实时状态参数；
根据虚拟发电厂内部各元件主体实时调节能力大小定义设备调节能力参数集RCOE，具体如下：
Figure BDA0002905425330000046
RCtotal(t)＝RCPV(t)+RCWT(t)+RCG2V(t)+RCV2G(t)+RCESS(t)
Figure BDA0002905425330000047
其中，
Figure BDA0002905425330000048
e∈(PV,WT,ESS,G2V,V2G)代表各个元件设备的实时调节能力参数；RCe(t)e∈(PV,WT,ESS,G2V,V2G)为元件的实时调节能力。
具体的，步骤S3中，虚拟发电厂控制中心以实时调度总成本最小为目标函数，包括：偏离计划调度结果惩罚项、实时调度出力修正补偿项：
Figure BDA0002905425330000049
e∈(PV,WT,ESS,G2V,V2G)
其中，Pt e表示在实时调度阶段，各类元件的出清中标量；
Figure BDA00029054253300000410
表示实时调度出清电价，本文中采用更有利于市场竞争的PAC出清规则；
Figure BDA00029054253300000411
和
Figure BDA00029054253300000412
分别表示虚拟发电厂向配网实时购售电和日前计划购售电；η表示偏离参考运行点的惩罚因子。
进一步的，统一出清的约束条件包括：
风电和光伏的在线实时调度模型：
Figure BDA00029054253300000413
Figure BDA0002905425330000051
其中，t代表虚拟发电厂实时调度时刻；PPV(t)和PWT(t)分别代表实时调度风光出力决策变量，
Figure BDA0002905425330000052
和
Figure BDA0002905425330000053
代表实时监测到的风光出力；
储能的在线实时调度模型为：
Figure BDA0002905425330000054
Figure BDA0002905425330000055
Figure BDA0002905425330000056
Figure BDA0002905425330000057
其中，
Figure BDA0002905425330000058
和
Figure BDA0002905425330000059
代表储能实时充放电功率决策变量；
Figure BDA00029054253300000510
和
Figure BDA00029054253300000511
代表储能最大允许充放电功率；SOCESS(t)代表储能的SOC；
Figure BDA00029054253300000512
和
Figure BDA00029054253300000513
是储能SOC的上下界；
Figure BDA00029054253300000514
和
Figure BDA00029054253300000515
是充放电效率；ΔT代表虚拟发电厂实时调度时间间隔；
电动汽车按照与虚拟发电厂的交互类型，模型分为G2V和V2G两类，在实时调度阶段，两类电动汽车在线实时调度模型具体为：
Figure BDA00029054253300000516
Figure BDA00029054253300000517
Figure BDA00029054253300000518
Figure BDA00029054253300000519
Figure BDA00029054253300000520
Figure BDA00029054253300000521
其中，
Figure BDA00029054253300000522
和
Figure BDA00029054253300000523
代表实时调度中电动汽车充放电功率决策变量；
Figure BDA00029054253300000524
是G2V和V2G类型的区分标志，0代表G2V，1代表V2G；
Figure BDA00029054253300000525
和
Figure BDA00029054253300000526
代表电动汽车充放电标识；
Figure BDA0002905425330000061
和
Figure BDA0002905425330000062
是电动汽车最大允许充放电功率；
Figure BDA0002905425330000063
表示电动汽车用户要求的电动汽车最低驶离SOC；
Figure BDA0002905425330000064
表示电动汽车用户要求的最大可充电时间。
具体的，步骤S4中，各类型设备自动更新成本计算策略具体为：
根据虚拟发电厂调控中心统一出清的各类设备实时调度功率修正量和运行功率参考值，各类设备计算出对应调度功率修正量和运行功率参考值下的设备实时功率参考值，根据模糊推理技术更新下一轮迭代的成本计算策略，重复迭代过程，直至满足收敛条件。
进一步的，收敛条件具体为：
虚拟发电厂内部各类设备根据模糊推理技术单独更新自身的成本计算策略，无法获得个体的收益增加，同时虚拟发电厂整体的收益随迭代不增长或减少。
具体的，步骤S5中，相关调度命令具体为：
虚拟发电厂调度中心根据步骤S4中迭代收敛时的各类设备的实时调度功率修正量，计算得到各类设备的实时功率运行参考值，将设备运行功率参考值通过通信链路下发到设备的下层控制机构，执行在线实时调度结果。
与现有技术相比，本发明至少具有以下有益效果：
本发明一种含电动汽车的虚拟发电厂在线实时调度方法，能够在虚拟发电厂内部的各类元件分属不同的利益主体时，协调调度各类元件出力，保证整个虚拟发电厂的安全稳定可靠运行的前提下，实现各类元件主体的利益最大化，符合当前的电力市场原则，发掘出各类元件参与虚拟发电厂调度的积极性，保证虚拟发电厂具有充足的灵活性应对可再生能源的出力随机性和波动性。此外，针对电动汽车参与虚拟发电厂的方式不同，将电动汽车分为G2V和V2G两种类型，充分考虑两种电动汽车的运行约束差异，构建全面的元件约束、系统约束和安全约束，能够保证整个虚拟发电厂的运行安全可靠。
进一步的，通过虚拟发电厂内部各类型设备的底层采集装置获取设备的实时运行数据和设备参数，能够根据设备的这些实时数据判断设备当下最为准确的运行工况和设备状态，为后续设备的实时调度方法提供可靠准确的输入数据。
进一步的，通过定义各类元件设备的实时状态参数集SOE和设备调节能力参数集RCOE，将当下各类设备的实时状态和虚拟发电厂系统的整体运行工况相耦合，以实时状态参数集SOE和设备调节能力参数集RCOE作为输入，采用模糊推理技术生成初始的成本计算策略，能够充分考虑设备和虚拟发电厂系统的实时工况，反映出不同设备对于当下工况的风险偏好程度，所生成的成本计算策略能够合理反映设备实时状态，同时避免了对设备的工况和成本计算之间确定性数学模型的需求。
进一步的，虚拟发电厂综合考虑系统实时运行成本，包括偏离计划调度结果惩罚项和实时调度出力修正补偿项，以系统总成本最小为实时调度目标，调度设备运行。通过在目标函数中添加实时调度出力修正补偿项可以动态反映设备运行工况改变对系统经济性带来的影响，更有利于实时修正设备的运行状态。
进一步的，虚拟发电厂控制中心进行统一出清时，需要考虑的约束条件包括：风电、光伏、储能、G2V充电桩、V2G充电桩的设备实时运行约束条件。通过在实时调度优化出清模型中添加设备的实时运行约束，可以保证调度结果不会违背设备的安全运行条件，保证设备的实时安全可靠运行，保障整个系统运行的安全可靠。
进一步的，根据虚拟发电厂调控中心统一出清结果，得到一轮迭代后的设备实时调度功率修正量和运行功率参考值，更新设备运行工况，根据模糊推理技术更新下一轮迭代的成本计算策略，重新参与虚拟发电厂的在线实时调度过程。通过多轮迭代，各类设备不断修正实时运行功率参考值，最终达到整个虚拟发电厂系统实时运行稳定点，此时系统经济性最优，同时各设备运行一个稳定工况。
进一步的，收敛条件设置为各类设备无法通过更新成本计算函数实现更佳的经济性，有利于综合考虑各类设备的经济性和系统整体的经济性，使得各类设备通过协同达到集体的经济最优，同时不损失各设备自身的经济性，更符合当下电力市场的环境。
进一步的，虚拟发电厂控制中心将最终的优化调度结果下发各类设备，各类设备通过底层本地控制实现运行工况的调整改变，执行在线实时调度结果，将理论的调度结果通过控制器实时实现，实现设备和系统实际的经济效益。
综上所述，本发明能够实时根据设备的运行工况，综合衡量设备的不同情况，相互协同，在保障设备的安全可靠运行的基础上，从理论和实际实现整个系统和各设备的经济最优。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为设备成本计算策略模糊推理隶属度函数图，其中，(a)为SOE的实时计算模糊控制隶属度函数，(b)为ROCE的实时计算模糊控制隶属度函数，(c)为设备成本计算策略生成的模糊推理隶属度函数；
图2为本发明流程图。
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做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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明提供了一种含电动汽车的虚拟发电厂在线实时调度方法，能够在虚拟发电厂内部的各类元件分属不同的利益主体时，协调调度各类元件出力，保证整个虚拟发电厂的安全稳定可靠运行的前提下，实现各类元件主体的利益最大化，符合当前的电力市场原则，发掘出各类元件参与虚拟发电厂调度的积极性，保证虚拟发电厂具有充足的灵活性应对可再生能源的出力随机性和波动性。此外，针对电动汽车参与虚拟发电厂的方式不同，将电动汽车分为G2V和V2G两种类型，充分考虑两种电动汽车的运行约束差异，构建全面的元件约束、系统约束和安全约束，能够保证整个虚拟发电厂的运行安全可靠。本发明介绍的含电动汽车的含电动汽车的虚拟发电厂在线实时调度方法，允许虚拟发电厂内部的元件设备归属不同的利益主体，但综合考虑了各类元件的差异特性，构建统一的优化模型，避免了不同元件之间的恶性竞争，通过虚拟发电厂调度中心的整体协调调度，实现了整个虚拟发电厂的利益最大化。在当今能源互联网全局建设的形式下更能体现虚拟发电厂在线实时调度的经济合理性，更符合当今电网全局发展的经济要求。
请参阅图2，本发明一种含电动汽车的虚拟发电厂在线实时调度方法，包括以下步骤：
S1、从虚拟发电厂内部各类型设备的底层采集装备中获取各类型设备的实时运行数据和设备参数；
虚拟发电厂包括风电、光伏、储能和电动汽车充电桩。
底层设备采集装备包括风电和光伏的PLC装置和通信链路；储能的控制器和通信链路；充电桩的控制器和通信装置。
设备的实时运行数据和设备参数包括风电和光伏的装机容量和实时发电功率；储能的充放电功率、荷电状态和实时充放电功率；电动汽车的实时荷电状态和实时充电负荷功率。
以风电为例说明实时采集数据类型。风电通过通信链路向虚拟发电厂调度中心传输风电装机容量参数、最大允许发电功率、实时风速、实时发电功率和风电逆变器工作状态参数。
S2、根据步骤S1得到的各类元件设备参数，采用模糊推理技术初始化设备的成本计算策略，上传虚拟发电厂调度中心；
采用模糊推理技术初始化设备的成本计算策略是指：虚拟发电厂内部各个元件主体在价格竞争中通过分析自身价值，竞争对象优势，选择一种最有利于自己的成本计算策略，我们采用了基于模糊控制技术，提出了一种根据元件实时状态和元件所处整个虚拟发电厂“系统情况”来生成其最佳成本计算策略。
具体包括如下：按式(1)、(6)计算各类元件的SOE、ROCE参数，根据图1计算得到元件的成本计算策略系数，形成各类元件的成本计算策略。
参考蓄电池的荷电状态(SOC)，引入设备状态参数集SOE(State of Equipment)对风电、光伏、G2V型电动汽车和V2G型电动汽车等设备状态进行统一量化处理，从而在统一的标准下衡量设备参与实时调度功率控制的潜力。
Figure BDA0002905425330000119
Figure BDA0002905425330000111
Figure BDA0002905425330000112
Figure BDA0002905425330000113
Figure BDA0002905425330000114
其中，
Figure BDA0002905425330000115
为光伏的实时状态参数；
Figure BDA0002905425330000116
为风电的实时状态参数；
Figure BDA0002905425330000117
为G2V电动汽车的实时状态参数；
Figure BDA0002905425330000118
为V2G电动汽车的实时状态参数。显然，上述所有设备的状态参数取值都在0-1之间。此外设备的SOE数值越高，表明该设备的实时功率越接近其允许的最大功率，此时的设备运行工况较差，实时调节能力不足。
根据虚拟发电厂内部各元件主体实时调节能力大小定义设备调节能力参数集RCOE(regulating capacity of equipment)，用于衡量该设备在整个虚拟发电厂调节能力系统中的的“能力”，该指标越大，设备的实时调节能力越高。具体的计算公式如下：
Figure BDA0002905425330000124
Figure BDA0002905425330000121
Figure BDA0002905425330000122
其中，
Figure BDA0002905425330000123
e∈(PV,WT,ESS,G2V,V2G)代表各个元件设备的实时调节能力参数；RCe(t)e∈(PV,WT,ESS,G2V,V2G)为元件的实时调节能力。显然，上述所有设备的状态参数取值都在0～1之间。
以SOE和RCOE为输入，采用模糊控制实时调整元件主体参与价格竞争下的成本计算策略模型。模糊控制采用模糊集来区分各设备的运行状态，共设置低、中、高三个模糊集，根据虚拟发电厂实时调度中元件风险偏好，选取的各个元件隶属度函数如图1所示。
S3、虚拟发电厂调度中心根据获取的各类型设备的成本计算策略，建立各类设备模型进行统一出清，明确各类设备的调度修正量和运行功率参考值；
虚拟发电厂调度中心以式(9)为在线实时调度优化目标，式(10)-(21)为系统约束条件，构建含电动汽车的虚拟发电厂在线实时调度模型，求解该模型可得到虚拟发电厂的统一出清结果，虚拟发电厂调度中心将出清得到的各类元件的实时调度功率修正量下发各类设备，完成一次迭代。
虚拟发电厂调度中心获取各设备的成本计算策略后统一出清方法为：
虚拟发电厂控制中心主要以实时调度总成本最小为目标函数，其中主要包括：偏离计划调度结果惩罚项、实时调度出力修正补偿项：
Figure BDA0002905425330000131
其中，Pt e表示在实时调度阶段，各类元件的出清中标量；
Figure BDA0002905425330000132
表示实时调度出清电价，本文中采用更有利于市场竞争的PAC出清规则；
Figure BDA0002905425330000133
和
Figure BDA0002905425330000134
分别表示虚拟发电厂向配网实时购售电和日前计划购售电；η表示偏离参考运行点的惩罚因子，此项为了约束虚拟发电厂对配网表现出友好可控特性。
虚拟发电厂内部各类设备模型包括：
风电和光伏的在线实时调度模型具体为：
Figure BDA0002905425330000135
Figure BDA0002905425330000136
其中，t代表虚拟发电厂实时调度时刻；PPV(t)和PWT(t)分别代表实时调度风光出力决策变量，
Figure BDA0002905425330000137
和
Figure BDA0002905425330000138
代表实时监测到的风光出力，式(10)、(11)表示风光实时调度出力只能向下调节，即为了保证虚拟发电厂运行的可靠性，必要情况下允许弃风弃光运行。
储能的在线实时调度模型具体为，需要说明的是由于储能的损耗成本与充放电功率由直接的关系，相当于在目标函数中添加了一项储能充放电功率惩罚项，因此储能充放电互斥约束可以直接略去：
Figure BDA0002905425330000139
Figure BDA00029054253300001310
Figure BDA0002905425330000141
Figure BDA0002905425330000142
其中，
Figure BDA0002905425330000143
和
Figure BDA0002905425330000144
代表储能实时充放电功率决策变量；
Figure BDA0002905425330000145
和
Figure BDA0002905425330000146
代表储能最大允许充放电功率；SOCESS(t)代表储能的SOC；
Figure BDA0002905425330000147
和
Figure BDA0002905425330000148
是储能SOC的上下界；
Figure BDA0002905425330000149
和
Figure BDA00029054253300001410
是充放电效率；ΔT代表虚拟发电厂实时调度时间间隔。
电动汽车按照与虚拟发电厂的交互类型，模型分为G2V和V2G两类。在实时调度阶段，两类电动汽车在线实时调度模型具体为：
Figure BDA00029054253300001411
Figure BDA00029054253300001412
Figure BDA00029054253300001413
Figure BDA00029054253300001414
Figure BDA00029054253300001415
Figure BDA00029054253300001416
其中，
Figure BDA00029054253300001417
和
Figure BDA00029054253300001418
代表实时调度中电动汽车充放电功率决策变量；
Figure BDA00029054253300001419
是G2V和V2G类型的区分标志，为二进制变量，0代表G2V，1代表V2G；
Figure BDA00029054253300001420
和
Figure BDA00029054253300001421
代表电动汽车充放电标识，二进制变量；
Figure BDA00029054253300001422
和
Figure BDA00029054253300001423
是电动汽车最大允许充放电功率；式(9)、(10)反映了电动汽车充放电互斥约束和最大SOC约束；
Figure BDA00029054253300001424
表示电动汽车用户要求的电动汽车最低驶离SOC；
Figure BDA00029054253300001425
表示电动汽车用户要求的最大可充电时间。
S4、各类型设备根据出清结果，即新的实时功率参考值按照模糊推理技术更新成本计算策略，重复步骤S3直到满足收敛条件，得到最终的调度结果；
各类设备自动更新成本计算策略具体为：
通过虚拟发电厂调控中心统一出清的各类设备实时调度功率修正量，各类设备计算出对应调度功率修正量下的实时功率参考值，根据模糊推理技术更新下一轮迭代的成本计算策略。具体的模糊推理技术可参考步骤S2。
虚拟发电厂整体的实时调度迭代收敛判据具体为：
虚拟发电厂内部各类设备根据模糊推理技术单独更新自身的成本计算策略时，无法获得个体的收益增加，同时虚拟发电厂整体的收益随着迭代不在有明显的增长或减少。
S5、将步骤S4最终确定的虚拟发电厂内部的各类设备的调度修正量和功率参考值下发设备的控制器，执行相关调度命令，完成虚拟发电厂的整体实时调度过程。
虚拟发电厂调度中心将最终的各类元件实时调度结果下发各元件的下层控制中心完成一次实时调度，调度结果具体为各类元件设备的实时功率设定参考值。此时虚拟发电厂等待下一次实时调度时刻的到来，重复上述步骤，完成整个虚拟发电厂全天的实时调度。
虚拟发电厂内部各类设备的控制器执行相关调度命令具体为：
虚拟发电厂调度中心根据步骤S4中迭代收敛时的各类设备的实时调度功率修正量，计算得到各类设备的实时功率运行参考值。将设备运行功率参考值通过通信链路下发到设备的下层控制机构，执行在线实时调度结果。
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit，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 GateArray，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，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于含电动汽车的虚拟发电厂在线实时调度方法、存储介质及计算设备的操作，包括：
从虚拟发电厂内部各类型设备的底层采集装备中获取各类型设备的实时运行数据和设备参数；针对各类型设备的实时运行数据和设备参数，采用模糊推理技术初始化设备的成本计算策略，上传虚拟发电厂调度中心；虚拟发电厂调度中心根据获取的各类型设备的成本计算策略，建立各类设备模型进行统一出清，明确各类型设备的调度修正量和运行功率参考值；各类型设备根据出清结果，即调度修正量和运行功率参考值，按照模糊推理技术自动更新成本计算策略，重复直到满足收敛条件，最终确定各类型设备的调度修正量和运行功率参考值作为调度结果；将调度结果下发各类型设备的控制器执行相关调度命令，完成虚拟发电厂的整体实时调度过程。
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关含电动汽车的虚拟发电厂在线实时调度方法、存储介质及计算设备的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：
从虚拟发电厂内部各类型设备的底层采集装备中获取各类型设备的实时运行数据和设备参数；针对各类型设备的实时运行数据和设备参数，采用模糊推理技术初始化设备的成本计算策略，上传虚拟发电厂调度中心；虚拟发电厂调度中心根据获取的各类型设备的成本计算策略，建立各类设备模型进行统一出清，明确各类型设备的调度修正量和运行功率参考值；各类型设备根据出清结果，即调度修正量和运行功率参考值，按照模糊推理技术自动更新成本计算策略，重复直到满足收敛条件，最终确定各类型设备的调度修正量和运行功率参考值作为调度结果；将调度结果下发各类型设备的控制器执行相关调度命令，完成虚拟发电厂的整体实时调度过程。
请参阅图1，根据虚拟发电厂内部各类型设备的底层采集装置获取的各类设备实时运行数据和设备参数，计算各类设备的SOE和RCOE，然后利用图1中的(a)(b)(c)生成设备的成本计算策略。最后参与虚拟发电厂的实时调度，最终得到各类设备的实时运行功率参考值，并下发设备底层控制中心执行，完成整个系统的在线实时调度。
综上所述，本发明一种含电动汽车的虚拟发电厂在线实时调度方法，允许虚拟发电厂内部的元件设备归属不同的利益主体，但综合考虑了各类元件的差异特性，构建统一的优化模型，避免了不同元件之间的恶性竞争，通过虚拟发电厂调度中心的整体协调调度，实现了整个虚拟发电厂的利益最大化。在当今能源互联网全局建设的形式下更能体现虚拟发电厂在线实时调度的经济合理性，更符合当今电网全局发展的经济要求。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (8)

1.一种含电动汽车的虚拟发电厂在线实时调度方法，其特征在于，包括以下步骤：
S1、从虚拟发电厂内部各类型设备的底层采集装备中获取各类型设备的实时运行数据和设备参数；
S2、针对步骤S1得到的各类型设备的实时运行数据和设备参数，采用模糊推理技术初始化设备的成本计算策略，上传虚拟发电厂调度中心；
S3、虚拟发电厂调度中心根据获取的各类型设备的成本计算策略，建立各类设备模型进行统一出清，明确各类型设备的调度修正量和运行功率参考值；
S4、各类型设备根据出清结果，即调度修正量和运行功率参考值，按照模糊推理技术自动更新成本计算策略，重复步骤S3直到满足收敛条件，最终确定各类型设备的调度修正量和运行功率参考值作为调度结果；
S5、将步骤S4的调度结果下发各类型设备的控制器执行相关调度命令，完成虚拟发电厂的整体实时调度过程。
2.根据权利要求1所述的方法，其特征在于，步骤S1中，虚拟发电厂包括风电、光伏、储能和电动汽车充电桩；底层设备采集装备包括风电和光伏的PLC装置和通信链路；储能的控制器和通信链路；充电桩的控制器和通信装置；设备的实时运行数据和设备参数包括风电和光伏的装机容量和实时发电功率；储能的充放电功率、荷电状态和实时充放电功率；电动汽车的实时荷电状态和实时充电负荷功率。
3.根据权利要求1所述的方法，其特征在于，步骤S2中，成本计算策略系数模型中，根据虚拟发电厂内部各元件主体实时设备状态和运行数据定义设备的实时状态参数集SOE具体为：
Figure FDA0002905425320000021
Figure FDA0002905425320000022
Figure FDA0002905425320000023
Figure FDA0002905425320000024
Figure FDA0002905425320000025
其中，
Figure FDA0002905425320000026
为光伏的实时状态参数；
Figure FDA0002905425320000027
为风电的实时状态参数；
Figure FDA0002905425320000028
为G2V电动汽车的实时状态参数；
Figure FDA0002905425320000029
为V2G电动汽车的实时状态参数；
根据虚拟发电厂内部各元件主体实时调节能力大小定义设备调节能力参数集RCOE，具体如下：
Figure FDA00029054253200000210
RCtotal(t)＝RCPV(t)+RCWT(t)+RCG2V(t)
+RCV2G(t)+RCESS(t)
Figure FDA00029054253200000211
其中，
Figure FDA00029054253200000212
代表各个元件设备的实时调节能力参数；RCe(t)e∈(PV,WT,ESS,G2V,V2G)为元件的实时调节能力。
4.根据权利要求1所述的方法，其特征在于，步骤S3中，虚拟发电厂控制中心以实时调度总成本最小为目标函数，包括：偏离计划调度结果惩罚项、实时调度出力修正补偿项：
Figure FDA00029054253200000213
其中，Pt e表示在实时调度阶段，各类元件的出清中标量；
Figure FDA00029054253200000214
表示实时调度出清电价，本文中采用更有利于市场竞争的PAC出清规则；
Figure FDA0002905425320000031
和
Figure FDA0002905425320000032
分别表示虚拟发电厂向配网实时购售电和日前计划购售电；η表示偏离参考运行点的惩罚因子。
5.根据权利要求4所述的方法，其特征在于，统一出清的约束条件包括：
风电和光伏的在线实时调度模型：
Figure FDA0002905425320000033
Figure FDA0002905425320000034
其中，t代表虚拟发电厂实时调度时刻；PPV(t)和PWT(t)分别代表实时调度风光出力决策变量，
Figure FDA0002905425320000035
和
Figure FDA0002905425320000036
代表实时监测到的风光出力；
储能的在线实时调度模型为：
Figure FDA0002905425320000037
Figure FDA0002905425320000038
Figure FDA0002905425320000039
Figure FDA00029054253200000310
其中，
Figure FDA00029054253200000311
和
Figure FDA00029054253200000312
代表储能实时充放电功率决策变量；
Figure FDA00029054253200000313
和
Figure FDA00029054253200000314
代表储能最大允许充放电功率；SOCESS(t)代表储能的SOC；
Figure FDA00029054253200000315
和
Figure FDA00029054253200000316
是储能SOC的上下界；
Figure FDA00029054253200000317
和
Figure FDA00029054253200000318
是充放电效率；ΔT代表虚拟发电厂实时调度时间间隔；
电动汽车按照与虚拟发电厂的交互类型，模型分为G2V和V2G两类，在实时调度阶段，两类电动汽车在线实时调度模型具体为：
Figure FDA00029054253200000319
Figure FDA00029054253200000320
Figure FDA00029054253200000321
Figure FDA0002905425320000041
Figure FDA0002905425320000042
Figure FDA0002905425320000043
其中，
Figure FDA0002905425320000044
和
Figure FDA0002905425320000045
代表实时调度中电动汽车充放电功率决策变量；
Figure FDA0002905425320000046
是G2V和V2G类型的区分标志，0代表G2V，1代表V2G；
Figure FDA0002905425320000047
和
Figure FDA0002905425320000048
代表电动汽车充放电标识；
Figure FDA0002905425320000049
和
Figure FDA00029054253200000410
是电动汽车最大允许充放电功率；
Figure FDA00029054253200000411
表示电动汽车用户要求的电动汽车最低驶离SOC；
Figure FDA00029054253200000412
表示电动汽车用户要求的最大可充电时间。
6.根据权利要求1所述的方法，其特征在于，步骤S4中，各类型设备自动更新成本计算策略具体为：
根据虚拟发电厂调控中心统一出清的各类设备实时调度功率修正量和运行功率参考值，各类设备计算出对应调度功率修正量和运行功率参考值下的设备实时功率参考值，根据模糊推理技术更新下一轮迭代的成本计算策略，重复迭代过程，直至满足收敛条件。
7.根据权利要求6所述的方法，其特征在于，收敛条件具体为：
虚拟发电厂内部各类设备根据模糊推理技术单独更新自身的成本计算策略，无法获得个体的收益增加，同时虚拟发电厂整体的收益随迭代不增长或减少。
8.根据权利要求1所述的方法，其特征在于，步骤S5中，相关调度命令具体为：
虚拟发电厂调度中心根据步骤S4中迭代收敛时的各类设备的实时调度功率修正量，计算得到各类设备的实时功率运行参考值，将设备运行功率参考值通过通信链路下发到设备的下层控制机构，执行在线实时调度结果。
CN202110069986.8A 2021-01-19 2021-01-19 一种含电动汽车的虚拟发电厂在线实时调度方法 Active CN112865151B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110069986.8A CN112865151B (zh) 2021-01-19 2021-01-19 一种含电动汽车的虚拟发电厂在线实时调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110069986.8A CN112865151B (zh) 2021-01-19 2021-01-19 一种含电动汽车的虚拟发电厂在线实时调度方法

Publications (2)

Publication Number Publication Date
CN112865151A true CN112865151A (zh) 2021-05-28
CN112865151B CN112865151B (zh) 2023-05-02

Family

ID=76007374

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110069986.8A Active CN112865151B (zh) 2021-01-19 2021-01-19 一种含电动汽车的虚拟发电厂在线实时调度方法

Country Status (1)

Country Link
CN (1) CN112865151B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105514986A (zh) * 2015-12-07 2016-04-20 国网上海市电力公司 一种基于虚拟电厂技术的der用户竞价并网方法
US20160224922A1 (en) * 2015-02-02 2016-08-04 Korea Institute Of Civil Engineering And Building Technology System and method for evaluating performance of infrastructure
CN109378845A (zh) * 2018-10-08 2019-02-22 国网天津市电力公司电力科学研究院 一种基于动态集成器的两级调度结构的智能v2g充电方法
CN109447348A (zh) * 2018-10-29 2019-03-08 上海交通大学 一种基于模糊联盟的虚拟电厂优化组合机制
CN112186809A (zh) * 2020-09-01 2021-01-05 国网电力科学研究院有限公司 基于电动汽车v2g模式的虚拟电厂优化协同调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160224922A1 (en) * 2015-02-02 2016-08-04 Korea Institute Of Civil Engineering And Building Technology System and method for evaluating performance of infrastructure
CN105514986A (zh) * 2015-12-07 2016-04-20 国网上海市电力公司 一种基于虚拟电厂技术的der用户竞价并网方法
CN109378845A (zh) * 2018-10-08 2019-02-22 国网天津市电力公司电力科学研究院 一种基于动态集成器的两级调度结构的智能v2g充电方法
CN109447348A (zh) * 2018-10-29 2019-03-08 上海交通大学 一种基于模糊联盟的虚拟电厂优化组合机制
CN112186809A (zh) * 2020-09-01 2021-01-05 国网电力科学研究院有限公司 基于电动汽车v2g模式的虚拟电厂优化协同调度方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SPYROS SKARVELIS-KAZAKOS ET AL.: "Automating Virtual Power Plant Decision Making with Fuzzy Logic and Human Psychology", 《2018 53RD INTERNATIONAL UNIVERSITIES POWER ENGINEERING CONFERENCE (UPEC)》 *
YI KUANG ET AL.: "Optimal Bidding Strategy for a RES Virtual Power Plant in the Spot Market", 《2019 IEEE SUSTAINABLE POWER AND ENERGY CONFERENCE (ISPEC)》 *
杨旭红等: "基于模糊控制的虚拟同步发电机并网策略研究", 《电机与应用控制》 *
王卓群等: "考虑灵活弃风的电力系统优化调度", 《青岛农业大学学报》 *

Also Published As

Publication number Publication date
CN112865151B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN106451553B (zh) 一种多时间尺度的光伏微网区间优化调度方法
CN114256836B (zh) 一种新能源电站共享储能的容量优化配置方法
CN107453381B (zh) 基于两阶段交叉控制的电动汽车集群功率调节方法及系统
CN113904385A (zh) 新能源发电侧虚拟电厂共享储能方法、系统及存储介质
CN113326467B (zh) 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统
He et al. A new cooperation framework with a fair clearing scheme for energy storage sharing
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
CN117526454B (zh) 虚拟电厂运行管理方法、设备及存储介质
CN117239740A (zh) 一种虚拟电厂系统的优化配置与灵活性提升方法及系统
CN111667109A (zh) 一种虚拟电厂的出力控制方法及装置
CN107273968A (zh) 一种基于动态模糊混沌粒子群的多目标调度方法及装置
CN113437752A (zh) 一种含混合储能的综合能源系统运行控制方法
CN108493943A (zh) 多微电网系统电能的调度方法、系统、装置及存储介质
CN114285093B (zh) 一种源网荷储互动调度方法及系统
CN116054241A (zh) 一种新能源微电网群系统鲁棒能量管理方法
CN118114469A (zh) 一种虚拟电厂参与配电网协同优化调度方法及系统
Zhang et al. Research on two-level energy optimized dispatching strategy of microgrid cluster based on IPSO algorithm
CN113690875A (zh) 一种微网实时互动等值模型建立方法
CN113364043A (zh) 一种基于条件风险价值的微电网群优化方法
CN117332937A (zh) 一种考虑需求响应的多能互补虚拟电厂经济调度方法
CN112865151B (zh) 一种含电动汽车的虚拟发电厂在线实时调度方法
CN112766571B (zh) 一种分布式与集中式相协同的微网群调度方法
CN112801813A (zh) 一种确定虚拟电厂系统源-荷协同优化模型的方法及系统
Zhang et al. Real-time active power dispatch for virtual power plant via a multi-agent leader-follower game approach

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