CN113381416B - 多类型柔性负荷参与的调峰方法及系统 - Google Patents

Abstract

本发明公开了一种多类型柔性负荷参与的调峰方法，包括：构建柔性负荷的可控裕度指标；根据柔性负荷的运行状态变量对其进行分群；根据可控裕度指标对分群后的可控柔性负荷裕度指标进行排序；根据可控区域范围对排序后的柔性负荷裕度指标所对应负荷进行筛选，进行负荷控制，本发明实现了柔性负荷去异质化调控问题，解决了柔性负荷之间的协同策略等技术问题。

Description

多类型柔性负荷参与的调峰方法及系统

技术领域

本发明属于电力系统运行控制技术领域，尤其涉及一种多类型柔性负荷参与的调峰方法。

背景技术

随着电网能源转型的不断深入，现代电力系统正在逐步向源荷互动、大规模新能源消纳、特高压交直流互联等方向发展。一方面，新能源的大规模并网使电力平衡呈现出明显的空间、时间不均衡，调峰调频压力突出，现有的发电跟踪负荷的模式已无法适应电网的发展；另一方面，负荷侧设备的更加多元化，分布式发电、分布式储能、电动汽车等的大量应用使得负荷端的灵活可控性增强，为电网提供了丰富的可调资源。

现有的研究主要集中于单类负荷的控制策略研究，对于结构异构的调控负荷群，对于多类型柔性资源参与调峰的模式尚无较好的技术方案。

发明内容

为了解决现有技术存在的问题，本发明提供一种多类型柔性负荷参与的调峰方法，能够实现柔性负荷去异质化调控。

本发明所要解决的技术问题是通过以下技术方案实现的：

第一方面，提供了一种多类型柔性负荷参与的调峰方法，包括：

构建柔性负荷的可控裕度指标；

根据柔性负荷的运行状态变量对其进行分群；

根据可控裕度指标对分群后的可控柔性负荷裕度指标进行排序；

根据可控区域范围对排序后的柔性负荷裕度指标所对应负荷进行筛选，进行负荷控制。

结合第一方面，进一步的，可控裕度指标ε包括功率裕度ε_p、时间裕度ε_t以及可控能量状态裕度ε_e，ε＝α·ε_p+β·ε_t+γ·ε_e；其中α、β、γ均为权重向量。

结合第一方面，进一步的，：所述根据柔性负荷的运行状态变量对其进行分群如下式所示：

其中，

为t时段以某一类型可控负荷运行状态划分的第n个负荷群参数集合；a、b、c分别为

和负荷群中的运行控制参数；

分别为t时段第n个群内负荷的数量。

结合第一方面，进一步的，对排序后的柔性负荷裕度指标所对应负荷进行筛选包括：

定义可控区域的上下限指标ε_low、ε_high，并筛选各群在此范围内的负荷，如下所示：

其中：

为t时段在可控区域的负荷群参数集合；

为可控区域内的负荷可控裕度参数；当负荷群的调控目标为ΔP_t时，通过下列目标函数确定

群中参与调控的负荷数量Q；

式中：P_h为可控负荷群

中第h个可控负荷的调控功率。

结合第一方面，进一步的，负荷控制包括：以系统运行经济性最优为目标建立日前调度

模型，目标函数如下所示：

其中，S₁为调度中心运行成本，C_gen为日前常规发电机组的运行成本，C_wp为弃风惩罚成本，C_fl为资源聚合商的调度成本，U_G,j(t)为第j台常规发电机组在t时段的启停状态变量，N_G为常规发电机组的台数，P_G,j(t)为第j台常规发电机组在t时段的出力，a_j、b_j、c_j均为第j台常规发电机组的运行成本参数，S_G,j为第j台常规发电机组的启停成本，C_w为单位弃风成本，P_w(t)为t时段的弃风容量，ΔP_ac,j(t)、ΔP_ev,j(t)分别为第j个资源聚合商中空调负荷群和电动汽车充电负荷群的功率调整量，ΔP_fl,j为第j个资源聚合商的功率调整量，T₁为日前调度阶段的时段总数，N_fl为资源聚合商的个数，L_fl,j为单位功率调节补偿价格；

日前调度模型的约束如下式所示：

其中，P_load(t)为t时段系统负荷功率值，

分别为常规机组j在t时段的最小出力和最大出力，

分别为t时段应对负荷预测误差的正、负旋转备用，

分别为t时段应对风电功率波动所需的正、负旋转备用，P_{wind_f}(t)为t时段风电有功预测出力，

分别为资源聚合商中的空调群的上调和下调容量限值，

和

分别为资源聚合商中的电动汽车群的上调和下调容量限值；

求解日前调度模型的目标函数后得到P_G,j(t)；

建立以系统运行经济性最优为目标的日内调度模型，其目标函数如下：

其中，C_{gen_2}为常规发电机组的日内运行成本，T₂为实时调度阶段的时段总数，

为日内调度中第i台常规发电机组的出力变化成本，

为第i台发电机日内调度输出功率，

为日内1h风电预测功率，

为风电场日内调度输出功率；

日内调度模型的约束如下：

其中，

和

分别为资源聚合商中分布式储能负荷群的可上调和下调容量限值；

根据日前调度模型和日内调度模型以及相应的约束条件输出各个调峰资源的出力计划，对负荷进行控制。

第二方面，提供了一种多类型柔性负荷参与的调峰方法，包括：

指标构建模块，用于构建柔性负荷的可控裕度指标；

分群模块，用于根据柔性负荷的运行状态变量对其进行分群；

排序模块，用于根据可控裕度指标对分群后的可控柔性负荷裕度指标进行排序；

控制模块，用于根据可控区域范围对排序后的柔性负荷裕度指标所对应负荷进行筛选，进行负荷控制。

本发明有益效果：本发明针对多类型负荷的异构特性，在聚合商-负荷设备层面，提出了一种通用的基于可控裕度指标的状态序列化控制策略，通过建立通用的可控裕度指标，使异构负荷具有可比性，在优化组合过程中，可以作为统一的资源池来进行控制；在调度中心-聚合商层面，建立了一种多时间尺度的调峰优化模型。在日前阶段，考虑了常规机组的启停计划、电动汽车充电计划和空调的中断计划，建立了以日前系统运行经济性最优为目标的调度模型；在日内阶段，聚合商中的分布式储能进一步应对风电和负荷预测的不确定性。由于柔性资源聚合商的引入，提供了灵活的上调和下调的功率调节能力，减轻了常规机组的调节压力，减小了系统的运行成本；所建立的多类型柔性负荷参与的日前-日内调峰优化模型在不同的时间尺度下采用相适应的响应实施策略，有效提高了风电的消纳能力，减小系统的调峰压力，获得良好的经济效益。

附图说明

图1为本发明的系统架构图。

具体实施方式

为了进一步描述本发明的技术特点和效果，以下结合附图和具体实施方式对本发明做进一步描述。

实施例1

如图1所示，本发明所提出的一种多类型柔性负荷参与的调峰方法，包括如下步骤：

步骤一、构建柔性负荷的可控裕度指标；

可控裕度指标ε包括：

1)功率裕度ε_p；

ε_p＝P

其中，P为负荷的可控功率。此指标是在负荷静态功率的基础上，综合体现了在调控周期内负荷的等效功率状态。

2)时间裕度ε_t以及可控能量状态裕度ε_e，

负荷的可控时间裕度不仅取决于用户自身设定的使用时间，而且取决于为了满足用户用电需要，负荷本身可用的能量空间转化时长。取其较小值作为实际可控时间依据，以最大化保证用户用能需求。

ε_t＝min{t_f-t,E_need/P}

其中，t_f为用户自主设定的使用时间；E_need为用户负荷需要的容量；P为负荷的等效运行功率。

3)可控能量状态裕度ε_e；

对于结构异构的负荷，其可控能量状态裕度指标定义如下。

(a)对于空调负荷，由于其具有一定的热储备能力，因此将空调建筑系统等效为虚拟储能，定义可控能量状态裕度ε_e,ac，用来描述空调虚拟储能的剩余电量。

式中：T_r(t)为房间温度；T_max和T_min为用户可接受的温度上限和下限；C为建筑等效热容；η_ac为定频空调能效比；E(t)和E_N分别为空调虚拟储能的储电量和额定容量。

由上式可知，ε_e,ac的取值范围为0到1之间，当室内温度接近温度上限时，虚拟储能的剩余电量为0，此时已达到最大放电深度。

(b)对于电动汽车，参考诸如空调等负荷的虚拟储能和热力学响应特性，电动汽车采取方波式的充电模式。本文只考虑电动汽车的充电过程。为了描述充电过程，定义了电动汽车的可控能量状态裕度ε_e,ev。

式中：

分别为充电曲线的上下边界；SOC_evn(t)为电动汽车按方波式充电的荷电容量。由上述分析可以得出，可控能量状态裕度指标反映了电动汽车的荷电容量相对所处的位置。可以基于可控能量状态来改变电动汽车的充电情况，从而控制电动汽车消耗的功率。

(c)对于分布式储能负荷，储能设备以荷电状态来表示其自身电量状态，分布式储能的可控能量状态裕度ε_e,es为：

ε_e,es(t)＝SOC_es(t)

式中：SOC_es(t)为t时刻储能的荷电状态。

对上述的功率裕度、时间裕度、可控能量状态裕度指标进行归一化后，通过下式得到负荷态势的可控裕度指标ε，以参与后续的负荷控制。

ε＝α·ε_p+β·ε_t+γ·ε_e；其中α、β、γ均为权重向量，当系统需要削减负荷时，ε值越大，则可控越高，越优先参与负荷的调控，反之则可控程度越低。

步骤二、根据柔性负荷的运行状态变量对其进行分群；

分群如下式所示:

其中，

为t时段以某一类型可控负荷运行状态划分的第n个负荷群参数集合；a、b、c分别为

和负荷群中的运行控制参数；

分别为t时段第n个群内负荷的数量。

步骤三、根据可控裕度指标对分群后的可控柔性负荷裕度指标进行排序；

将前文定义的可控裕度ε作为排序指标，选择相应的负荷进行控制。根据不同的场景需要，将可控群中的负荷设备按照可控裕度的大小进行升序排列或者降序排列，重新排列后的可控群

如下所示。

式中：

为t时段的第k个可控负荷群的参数集合；d^t为可控群中的负荷可控裕度参数；

为可控负荷群k在t时段的负荷数量。

步骤四、根据可控区域范围对排序后的柔性负荷裕度指标所对应负荷进行筛选，进行负荷控制。

考虑到用户的舒适度，定义可控区域的上下限指标ε_low、ε_high。并筛选各群在此范围内的负荷，如下所示：

其中：

为t时段在可控区域的负荷群参数集合；

为可控区域内的负荷可控裕度参数。

当负荷群的调控目标为ΔP_t时，通过下列目标函数确定

群中参与调控的负荷数量Q。

式中：P_h为可控负荷群

中第h个可控负荷的调控功率。

其中，负荷控制包括：以系统运行经济性最优为目标建立日前调度模型(对24小时之后的优化)，目标函数如下所示：

其中，S₁为调度中心运行成本，C_gen为日前常规发电机组的运行成本，C_wp为弃风惩罚成本，C_fl为资源聚合商的调度成本，U_G,j(t)为第j台常规发电机组在t时段的启停状态变量，N_G为常规发电机组的台数，P_G,j(t)为第j台常规发电机组在t时段的出力，a_j、b_j、c_j均为第j台常规发电机组的运行成本参数，S_G,j为第j台常规发电机组的启停成本，C_w为单位弃风成本，P_w(t)为t时段的弃风容量，ΔP_ac,j(t)、ΔP_ev,j(t)分别为第j个资源聚合商中空调负荷群和电动汽车充电负荷群的功率调整量，ΔP_fl,j为第j个资源聚合商的功率调整量，T₁为日前调度阶段的时段总数，N_fl为资源聚合商的个数，L_fl,j为单位功率调节补偿价格；

假设资源聚合商的功率调节补偿价格与其功率调整量之间均呈线性关系，即

式中：ΔP_fl,j为第j个资源聚合商的功率调整量；α_j、β_j为第j个资源聚合商的成本系数。

日前调度模型的约束如下式所示：

其中，P_load(t)为t时段系统负荷功率值，

分别为常规机组j在t时段的最小出力和最大出力，

分别为t时段应对负荷预测误差的正、负旋转备用，

分别为t时段应对风电功率波动所需的正、负旋转备用，P_{wind_f}(t)为t时段风电有功预测出力，

分别为资源聚合商中的空调群的上调和下调容量限值，

和

分别为资源聚合商中的电动汽车群的上调和下调容量限值；

求解日前调度模型的目标函数后得到P_G,j(t)；

建立以系统运行经济性最优为目标的日内调度模型，每15min进行一次滚动优化，制订未来4h负荷用电计划和出力修正计划。根据日内风电出力预测出力和负荷日内预测值，安排常规机组出力计划、聚合商资源中分布式储能的运行策略和风电机组出力；其目标函数如下：

其中，C_{gen_2}为常规发电机组的日内运行成本，T₂为实时调度阶段的时段总数，

为日内调度中第i台常规发电机组的出力变化成本，

为第i台发电机日内调度输出功率，

为日内1h风电预测功率，

为风电场日内调度输出功率；

日内调度模型的约束如下：

其中，

和

分别为资源聚合商中分布式储能负荷群的可上调和下调容量限值；

根据日前调度模型和日内调度模型以及相应的约束条件输出各个调峰资源的出力计划，对负荷进行控制。

实施例2

还提供了提供了一种多类型柔性负荷参与的调峰方法，包括：

指标构建模块，用于构建柔性负荷的可控裕度指标；

分群模块，用于根据柔性负荷的运行状态变量对其进行分群；

排序模块，用于根据可控裕度指标对分群后的可控柔性负荷裕度指标进行排序；

控制模块，用于根据可控区域范围对排序后的柔性负荷裕度指标所对应负荷进行筛选，进行负荷控制。

上述实施例不以任何形式限定本发明，凡采取等同替换或等效变换的形式所获得的技术方案，均落在本发明的保护范围之内。

Claims (5)

1.一种多类型柔性负荷参与的调峰方法，其特征在于，包括：

构建柔性负荷的可控裕度指标；

根据柔性负荷的运行状态变量对其进行分群；

根据可控裕度指标对分群后的可控柔性负荷裕度指标进行排序；

根据可控区域范围对排序后的柔性负荷裕度指标所对应负荷进行筛选，进行负荷控制，

所述负荷控制包括：以系统运行经济性最优为目标建立日前调度模型，目标函数如下所示：

其中，S₁为调度中心运行成本，C_gen为日前常规发电机组的运行成本，C_wp为弃风惩罚成本，C_fl为资源聚合商的调度成本，U_G,j(t)为第j台常规发电机组在t时段的启停状态变量，N_G为常规发电机组的台数，P_G,j(t)为第j台常规发电机组在t时段的出力，a_j、b_j、c_j均为第j台常规发电机组的运行成本参数，S_G,j为第j台常规发电机组的启停成本，C_w为单位弃风成本，P_w(t)为t时段的弃风容量，ΔP_ac,j(t)、ΔP_ev,j(t)分别为第j个资源聚合商中空调负荷群和电动汽车充电负荷群的功率调整量，ΔP_fl,j为第j个资源聚合商的功率调整量，T₁为日前调度阶段的时段总数，N_fl为资源聚合商的个数，L_fl,j为单位功率调节补偿价格；

日前调度模型的约束如下式所示：

其中，P_load(t)为t时段系统负荷功率值，

分别为常规机组j在t时段的最小出力和最大出力，

分别为t时段应对负荷预测误差的正、负旋转备用，

分别为t时段应对风电功率波动所需的正、负旋转备用，P_{wind_f}(t)为t时段风电有功预测出力，

分别为资源聚合商中的空调群的上调和下调容量限值，

和

分别为资源聚合商中的电动汽车群的上调和下调容量限值；

求解日前调度模型的目标函数后得到P_G,j(t)；

建立以系统运行经济性最优为目标的日内调度模型，其目标函数如下：

其中，C_{gen_2}为常规发电机组的日内运行成本，T₂为实时调度阶段的时段总数，

为日内调度中第i台常规发电机组的出力变化成本，

为第i台发电机日内调度输出功率，

为日内1h风电预测功率，

为风电场日内调度输出功率；

日内调度模型的约束如下：

其中，

和

分别为资源聚合商中分布式储能负荷群的可上调和下调容量限值；

根据日前调度模型和日内调度模型以及相应的约束条件输出各个调峰资源的出力计划，对负荷进行控制。

2.根据权利要求1所述的一种多类型柔性负荷参与的调峰方法，其特征在于：

可控裕度指标ε包括功率裕度ε_p、时间裕度ε_t以及可控能量状态裕度ε_e，ε＝α·ε_p+β·ε_t+γ·ε_e；其中α、β、γ均为权重向量。

3.根据权利要求1所述的一种多类型柔性负荷参与的调峰方法，其特征在于：所述根据柔性负荷的运行状态变量对其进行分群如下式所示：

其中，

为t时段以某一类型可控负荷运行状态划分的第n个负荷群参数集合；a、b、c分别为

和负荷群中的运行控制参数；

分别为t时段第n个群内负荷的数量。

4.根据权利要求1所述的一种多类型柔性负荷参与的调峰方法，其特征在于：对排序后的柔性负荷裕度指标所对应负荷进行筛选包括：

定义可控区域的上下限指标ε_low、ε_high，并筛选各群在此范围内的负荷，如下所示：

其中：

为t时段在可控区域的负荷群参数集合；

为可控区域内的负荷可控裕度参数；

当负荷群的调控目标为ΔP_t时，通过下列目标函数确定

群中参与调控的负荷数量Q；

式中：P_h为可控负荷群

中第h个可控负荷的调控功率。

5.一种权利要求1-4任意一项的多类型柔性负荷参与的调峰方法的装置，其特征在于，包括：

指标构建模块，用于构建柔性负荷的可控裕度指标；

分群模块，用于根据柔性负荷的运行状态变量对其进行分群；

排序模块，用于根据可控裕度指标对分群后的可控柔性负荷裕度指标进行排序；

控制模块，用于根据可控区域范围对排序后的柔性负荷裕度指标所对应负荷进行筛选，进行负荷控制。

Images