CN113705962B - 一种基于分布鲁棒优化的虚拟电厂日前调度方法 - Google Patents
一种基于分布鲁棒优化的虚拟电厂日前调度方法 Download PDFInfo
- Publication number
- CN113705962B CN113705962B CN202110804736.4A CN202110804736A CN113705962B CN 113705962 B CN113705962 B CN 113705962B CN 202110804736 A CN202110804736 A CN 202110804736A CN 113705962 B CN113705962 B CN 113705962B
- Authority
- CN
- China
- Prior art keywords
- power plant
- virtual power
- gas turbine
- day
- ahead
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000009826 distribution Methods 0.000 title claims abstract description 45
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 21
- 230000009977 dual effect Effects 0.000 claims description 21
- 230000014509 gene expression Effects 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000010248 power generation Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
Abstract
一种基于分布鲁棒优化的虚拟电厂日前调度方法,构建基于一阶原点矩和二阶中心矩的可再生能源出力模糊集;基于所构建的可再生能源出力模糊集,构建虚拟电厂日前优化调度的目标函数以及约束条件,并结合目标函数以及约束条件构建虚拟电厂日前优化调度模型;根据所构建的虚拟电厂分别鲁棒日前调度模型,采用仿射策略对模型进行转化,实现模型的高效求解。本发明能够求解出考虑新能源出力不确定性的前提下虚拟电厂的日前竞标策略以及优化调度策略,更好地权衡调度决策的鲁棒性和经济性,降低虚拟电厂面临的不确定性风险,提高其综合经济效益。
Description
技术领域
本发明属于电力技术领域,涉及电力系统电源调度,为一种基于分布鲁棒优化的虚拟电厂日前调度方法。
背景技术
随着能源短缺和环境污染等问题的日益严峻,大力开发以风电和光伏为主的可再生能源,实现能源的绿色、低碳和循环发展已成为全球能源行业的重要战略。与传统能源相比,分布式能源具有可靠、经济、灵活、环保等优势,但由于其容量小、地理位置分散、出力随机性等问题,导致电网很难对其进行有效管控。虚拟电厂技术为解决上述问题提供了有效途径,其通过先进的通信、计量、控制等手段实现不同类型分布式能源的协调优化控制,已逐渐成为一种灵活性强、适应度高、经济性好的新兴运营模式。
虚拟电厂内可再生能源出力的随机性和不确定性给调度决策的制定和系统的安全稳定运行带来严峻挑战。目前,国内外学者已开展了许多虚拟电厂不确定性优化的研究,并取得了一定的成果。其中,随机优化和鲁棒优化应用最广,分布鲁棒优化作为一种新的不确定性优化方法逐渐得到了关注,该方法考虑不确定参数可用的概率分布信息(如矩信息),并基于此构建一个包含所有不确定参数可能概率分布的模糊集,进而实现所构模糊集内不确定参数最恶劣概率分布下的最优决策。分布鲁棒优化结合了随机优化和传统鲁棒优化的优点,能避免随机优化对精确概率分布过于依赖导致的最优性不足问题,又能克服传统鲁棒优化忽略概率分布信息造成的结果过于保守的缺陷。基于上述优点,分布鲁棒优化在电力系统的不同领域已有成功应用,包括最优潮流、机组组合、能量/备用联合调度、多能互补等。
因此,如何根据可再生能源的出力预测信息,构建可再生能源的不确定模糊集,并基于该模糊集建立虚拟电厂日前调度模型,从而实现考虑新能源出力不确定性的前提下,尽可能的降低虚拟电厂优化调度策略以及竞标策略的保守性,是当前急需解决的关键问题。
发明内容
本发明要解决的问题是:在虚拟电厂技术中,如何在计及不确定性因素下求解虚拟电厂的日前调度方案的问题。
本发明的技术方案为:一种基于分布鲁棒优化的虚拟电厂日前调度方法,包括以下步骤:
步骤1,构建可再生能源出力模糊集,可再生能源出力模糊集囊括可再生能源出力所有可能的概率分布,以可再生能源出力的预测均值为一阶原点矩,方差为二阶中心矩,构建得到模糊集F,再将模糊集F改写为二阶锥形式,得到扩展模糊集G;
步骤2,建立基于分布鲁棒优化的虚拟电厂日前调度模型,分布鲁棒优化问题为两阶段优化问题,燃气轮机机组组合变量和日前市场竞标电量为第一阶段决策变量,此时可再生能源出力为未知量,其他调度变量为第二阶段决策变量,在得知可再生能源实际出力后做出,结合扩展模糊集G,按两阶段构建虚拟电厂日前优化调度的目标函数以及约束条件,结合目标函数以及约束条件得到基于分布鲁棒优化的虚拟电厂日前调度模型;
步骤3,对虚拟电厂日前调度模型,采用仿射策略对模型进行转化,结合二阶锥对偶理论,将调度模型化简为混合整数二阶锥规划问题,求解得到调度结果。
本发明将分布鲁棒优化方法应用于虚拟电厂日前调度问题中,用以处理所面临的可再生能源出力的不确定性。为实现概率分布信息的充分利用,本发明纳入可再生能源出力的一阶矩和二阶矩,构建了一种二阶锥形式的可再生能源出力模糊集,进而建立虚拟电厂日前两阶段分布鲁棒优化模型。在此基础上,提出了一种模型求解方法,其通过仿射策略实现第二阶段决策变量的近似,并结合二阶锥对偶理论,将分布鲁棒优化模型的原问题等价地转化为确定性的混合整数二阶锥规划问题。从而有效降低了虚拟电厂参与日前能量市场竞标的风险,降低了不确定性因素存在下其参与市场竞标策略的保守性。
本发明方法在虚拟电厂日前竞标策略中考虑了可再生能源出力的不确定性,基于构建的二阶锥形式的可再生能源出力模糊集,进而建立了虚拟电厂日前两阶段分布鲁棒优化模型,并采用仿射策略和二阶锥对偶理论的模型求解方法,显著提高了模型的求解速度。所提方法能够一定程度上降低虚拟电厂参与市场竞标的风险,降低其市场交易策略的保守性,从而提高其综合收益,可以为电力交易机构人员的正确的决策提供有效的理论支持,具有一定的工程实用价值。
附图说明
图1为本发明方法的流程示意图。
图2为本发明中虚拟电厂所在配电网结构图。
图3为本发明中不同优化方法下的虚拟电厂日前竞标电量。
具体实施方式
下面结合说明书附图对本发明的实施方式进行描述。
如图1所示,本发明涉及一种基于分布鲁棒优化的虚拟电厂日前调度方法,该方法具体包括以下步骤:
步骤1:建立可再生能源出力模糊集,具体如下:
模糊集囊括了可再生能源出力所有可能的概率分布。本发明采用可再生能源出力的预测均值(一阶原点矩)和方差(二阶中心距)构建模糊集F,表示为如下矩阵/向量的形式:
其中:
式中:w表示可再生能源机组出力F表示w的模糊集;P表示w的概率分布;R表示w所有可能的情况;I表示w的维度;P(RI)表示w所有可能的概率分布;W表示w的不确定集;μ和σ分别为w的均值和方差;/>和w分别为w的上限和下限。
在模糊集中,除第三行公式中的平方项(w-μ)2外,均为线性形式,而平方项(w-μ)2可方便地转化为二阶锥的形式,因而可认为所构模糊集F为二阶锥形式。另外,当不考虑任何可再生能源出力概率分布信息时,模糊集将退化为不确定集,分布鲁棒优化方法也退化为传统鲁棒优化方法。模糊集中存在平方项会给模型的转化和求解带来困难。为方便后续模型的转化,引入辅助变量v替代模糊集F第三行公式中的平方项(w-μ)2,将模糊集F改写为二阶锥形式的扩展模糊集G:
其中:
式中:I×I表示(w,v)的维度;表示对应的扩展不确定集,/>表示v的上限。
步骤2:建立基于分布鲁棒优化的虚拟电厂日前调度模型,具体如下:
(1)目标函数
虚拟电厂日前分布鲁棒优化问题为两阶段优化问题,其中,燃气轮机机组组合变量和日前市场竞标电量为第一阶段决策变量,需在日前确定,此时可再生能源出力为未知量;其他调度变量(包括燃气轮机出力等)为第二阶段决策变量,在得知可再生能源实际出力后做出,其中第一阶段决策0-1变量,第二阶段决策连续变量。
第一阶段的目标函数可表示为:
式中:下标t表示调度时段;下标e表示燃气轮机;分别为燃气轮机e的启动、停止和固定成本;机组组合变量ue,t、ve,t和xe,t分别表示燃气轮机e在t时段是否启动、停止和工作,是则置1,否则置0;/>为t时段日前市场价格;Pt EM为t时段虚拟电厂在电力市场的竞标量(正为售电,负为购电);x={xe,t,ue,t,ve,t,Pt EM}表示第一阶段决策变量,均为0、1值的变量;sup表示上确界;Ep表示取期望值;Q(x,w)表示在给定第一阶段决策变量和可再生能源出力情况下虚拟电厂的运行成本,为第二阶段目标函数,表示如下:
式中:Fe GT(·)为燃气轮机的发电成本函数;为燃气轮机e在t时段的有功出力;y表示第二阶段决策变量,均为具有连续性值的变量,包括燃气轮机出力、市场竞标量以及配电网电压等。
(2)约束条件
第一阶段约束条件为燃气轮机布尔变量约束:
xe,t-xe,t-1=ue,t-ve,t
式中:和/>分别为燃气轮机e的最小开机和关机时间,τ表示时刻。
第二阶段约束条件包括燃气轮机出力约束和配电网约束。需要说明的是,为避免虚拟电厂调度结果违反配电网潮流约束带来的节点电压越线、线路过载等问题,本发明在调度模型中考虑了配电网约束。
燃气轮机出力约束可表示为:
式中:和/>分别表示燃气轮机e有功出力的下限和上限,/>和/>分别表示燃气轮机e无功出力的下限和上限,/>为燃气轮机e在t时段的无功出力;/>和/>分别为燃气轮机e的最大向上和向下爬坡率;/>和/>分别为燃气轮机e的最大开机时向上和关机时向下爬坡率。
配电网约束采用线性DistFlow支路潮流模型来描述,表示如下:
Vj,t=Vi,t-(Pij,trij+Qij,txij)/V0
式中:下标w表示可再生能源机组;下标i、j和l均表示电网节点;和/>分别为位于节点j的燃气轮机和可再生能源机组集合;/>为首端节点为j的支路集合;SPCC表示配网和主网的公共连接点集合;/>为可再生能源机组w在t时段的出力;Pij,t和Qij,t分别为支路i-j在t时段的有功和无功传输功率;/>和/>分别为节点j处在t时段的有功和无功负荷;Vi,t为节点i处在t时段的电压幅值;rij和xij分别为支路i-j的电阻和电抗;V0为额定电压幅值。
步骤3:基于仿射策略和二阶锥对偶理论,完成模型的转化与求解,具体如下:
(1)仿射策略
分布鲁棒优化模型是一个典型的NP难(NP-hard)问题,该问题需要遍历不确定参数所有可能的情况后才能确定第二阶段决策变量的最优解。仿射策略为解决该问题提供了一种新的途径,该策略限制第二阶段决策变量仿射依赖于不确定参数。为实现与扩展模糊集G的匹配,本文限定第二阶段决策变量y为不确定变量w和辅助变量v的线性仿射函数,表示如下:
y(w,v)=y0+Yww+Yvv
式中:y0、Yw和Yv为表示仿射函数的线性系数,为决策变量。
本实施例中,第二阶段决策变量为方便理解,下面给出/>的线性仿射函数的具体表达式,其余第二阶段决策变量,包括/>Pij,t、Qij,t和Vi,t的表达式与之类似,不再赘述。
(2)模型转化
为描述方便,将虚拟电厂日前分布鲁棒优化模型表示为如下矩阵/向量形式:
s.t.Ax≤b
s.t.Ex+Gy+Mw≤h
式中:A、E、G、M、b、c、d、h为分布鲁棒优化模型对应的系数矩阵和向量。
分布鲁棒优化模型中最难处理的是上确界(sup)问题,其为无限维问题,本发明将模糊集扩展为二阶锥形式的可再生能源出力模糊集,经过这样扩展后,模型就转换为了二阶锥优化的模型,这样就将原来非线性复杂问题转为一个可解的模型,求解效率和求解效果将会大大提高。首先,根据扩展模糊集G,将目标函数中上确界问题表示如下半无限优化问题:
f(w,v)≥0
式中:f(w,v)为w和v的联合概率密度函数;α、β和γ分别为各约束式的对偶变量。
应用强对偶理论,将半无限优化问题转化为其有限维的对偶问题,并用转化后的对偶问题替代原问题中的上确界问题,可得到虚拟电厂日前分布鲁棒问题的等价形式,表示如下:
s.t.Ax≤b
γ≥0
代入仿射函数可将不确定优化问题中的鲁棒约束分别转化为其对偶问题:
进一步将上述对偶问题写成最恶劣情况下的表达式:
式中,不确定变量w和辅助变量v满足扩展不确定集的约束。模糊集F中,除约束(w-μ)2≤v外,均为线性约束。将约束(w-μ)2≤v改写为如下二阶锥形式:
引入辅助变量τ、ψ、ζ,将扩展不确定集中的约束表示为:
w≥w:δ
2(w-μ)=τ:η
v-1=ψ:κ
v+1=ζ:π
式中:δ、ε、η、κ、π、θ、ρ为相应约束式的对偶变量;1表示所有元素均为1的向量。进一步运用二阶锥理论,将最恶劣情况表达式化简为其对偶问题:
δ≤0,ε≥0,ρ≥0
从而将虚拟电厂日前分布鲁棒优化问题化简为:
s.t.Ax≤b
经过上述化简,可将虚拟电厂的日前分布鲁棒调度模型转换为混合整数二阶锥规划问题,该问题采用成熟的求解器,如MOSEK、CPLEX、GAMS等直接求解,得到调度方案,求解器求解过程为本领域现有技术,不再详述。。
为了验证本发明方法能够降低虚拟电厂参与市场竞标的风险,降低其市场交易策略的保守性,从而提高其综合收益,下面以三台燃气轮机、一个风电机组、一个光伏机组以及配网内负荷构成的虚拟电厂,进行验证说明,虚拟电厂所在配电网结构图如图2所示。
燃气轮机参数见表1,选取IEEE 33节点为测试系统,其结构图如图1所示,三台燃气轮机、风电机组和光伏机组分别位于22、18、33、12和25节点。
表1燃气轮机参数
不同优化方法下,虚拟电厂的日前竞标电量示意图如图3所示。不同优化方法下虚拟电厂的运行成本见表2。
表2不同算法虚拟电厂运行成本对比
可以看出,相比于随机优化方法,采用本发明分布鲁棒优化方法时虚拟电厂的售电量更少(购电量更多),这有利于规避可再生能源出力较低时负荷供应不足的问题。相比于传统鲁棒优化方法,本发明分布鲁棒优化方法考虑了可再生能源出力的矩信息,降低了优化决策的保守性,最终使得虚拟电厂的总成本降低了31.87%。这证明了分布鲁棒优化方法能较好地权衡调度决策的鲁棒性和经济性。
不同优化算法下,模型整体的计算时间见表3。可以看出,本发明的分布鲁棒优化模型的计算效率虽然低于传统鲁棒优化模型,但相比于随机优化模型,其计算时间减少了81.07%,计算效率明显提高。并且,本发明分布鲁棒优化模型的计算时间仅为16s左右,远小于日前调度决策的时间阈值,这是由于所提出的求解方法将复杂的分布鲁棒优化模型转化为确定性的混合整数二阶锥规划问题,从而大幅度降低了分布鲁棒优化模型的求解难度,这验证了本发明所提求解方法的有效性。
表3不同算法计算时间对比
以上仿真结果验证了本发明方法的有效性和实用性,本发明在整体上取得了最佳性能比。本发明方法在虚拟电厂日前竞标策略中考虑了可再生能源出力的不确定性,能够一定程度上降低虚拟电厂参与市场竞标的风险,降低其市场交易策略的保守性,从而提高其综合收益。
综上,本发明方法能够求解出考虑新能源出力不确定性前提下的虚拟电厂日前优化调度策略以及日前竞标策略,并通过分布鲁棒优化方法降低竞标策略以及调度策略的保守性,避免虚拟电厂因新能出力波动而遭受高额不平衡惩罚,能够降低虚拟电厂参与市场竞标的风险,降低其市场交易策略的保守性,从而提高其综合收益。并能够为电力调度机构提供有效的理论支撑,具有一定的工程实用价值。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (4)
1.一种基于分布鲁棒优化的虚拟电厂日前调度方法,其特征是包括以下步骤:
步骤1,构建可再生能源出力模糊集,可再生能源出力模糊集囊括可再生能源出力所有可能的概率分布,以可再生能源出力的预测均值为一阶原点矩,方差为二阶中心矩,构建得到模糊集F,再将模糊集F改写为二阶锥形式,得到扩展模糊集G;具体为:模糊集F表示为如下矩阵/向量的形式:
其中:
式中:w表示可再生能源机组出力F表示w的模糊集;P表示w的概率分布;R表示w所有可能的情况;I表示w的维度;P(RI)表示w所有可能的概率分布;W表示w的不确定集;μ和σ分别为w的均值和方差;/>和w分别为w的上限和下限;
引入辅助变量v替代模糊集F中的平方项(w-μ)2,将模糊集F改写为二阶锥形式,得到扩展模糊集G:
其中:
式中:I×I表示(w,v)的维度;表示对应的扩展不确定集,/>表示v的上限;
步骤2,建立基于分布鲁棒优化的虚拟电厂日前调度模型,分布鲁棒优化问题为两阶段优化问题,燃气轮机机组组合变量和日前市场竞标电量为第一阶段决策变量,此时可再生能源出力为未知量,其他调度变量为第二阶段决策变量,在得知可再生能源实际出力后做出,结合扩展模糊集G,按两阶段构建虚拟电厂日前优化调度的目标函数以及约束条件,结合目标函数以及约束条件得到基于分布鲁棒优化的虚拟电厂日前调度模型;
目标函数具体为:
第一阶段的目标函数表示为:
式中:下标t表示调度时段;下标e表示燃气轮机;分别为燃气轮机e的启动、停止和固定成本;机组组合变量ue,t、ve,t和xe,t分别表示燃气轮机e在t时段是否启动、停止和工作,是则置1,否则置0;/>为t时段日前市场价格;Pt EM为t时段虚拟电厂在电力市场的竞标量,正为售电,负为购电;x={xe,t,ue,t,ve,t,Pt EM}表示第一阶段决策变量;sup表示上确界;Ep表示取期望值;Q(x,w)表示在给定第一阶段决策变量和可再生能源出力情况下虚拟电厂的运行成本,为第二阶段目标函数,表示如下:
式中:Fe GT(·)为燃气轮机的发电成本函数;为燃气轮机e在t时段的有功出力;y表示第二阶段决策变量,为连续性变量,包括燃气轮机出力、市场竞标量以及配电网电压;
步骤3,对虚拟电厂日前调度模型,采用仿射策略对模型进行转化,结合二阶锥对偶理论,将调度模型化简为混合整数二阶锥规划问题,求解得到调度结果。
2.根据权利要求1所述的一种基于分布鲁棒优化的虚拟电厂日前调度方法,其特征是约束条件具体为:
第一阶段约束条件为燃气轮机布尔变量约束:
xe,t-xe,t-1=ue,t-ve,t
式中:和/>分别为燃气轮机e的最小开机和关机时间,τ表示时刻;
第二阶段约束条件包括燃气轮机出力约束和配电网约束,
燃气轮机出力约束表示为:
式中:和/>分别表示燃气轮机e有功出力的下限和上限,/>和/>分别表示燃气轮机e无功出力的下限和上限,/>为燃气轮机e在t时段的无功出力;/>和/>分别为燃气轮机e的最大向上和向下爬坡率;/>和/>分别为燃气轮机e的最大开机时向上和关机时向下爬坡率;
配电网约束采用线性DistFlow支路潮流模型来描述,表示如下:
Vj,t=Vi,t-(Pij,trij+Qij,txij)/V0
式中:下标w表示可再生能源机组;下标i、j和l均表示电网节点;和/>分别为位于节点j的燃气轮机和可再生能源机组集合;/>为首端节点为j的支路集合;SPCC表示配网和主网的公共连接点集合;/>为可再生能源机组w在t时段的出力;Pij,t和Qij,t分别为支路i-j在t时段的有功和无功传输功率;/>和/>分别为节点j处在t时段的有功和无功负荷;Vi,t为节点i处在t时段的电压幅值;rij和xij分别为支路i-j的电阻和电抗;V0为额定电压幅值。
3.根据权利要求1所述的一种基于分布鲁棒优化的虚拟电厂日前调度方法,其特征是步骤3具体为:
(1)仿射策略
仿射策略限制第二阶段决策变量仿射依赖于不确定参数,为实现与扩展模糊集G的匹配,限定第二阶段决策变量y为不确定变量w和辅助变量v的线性仿射函数,表示如下:
y(w,v)=y0+Yww+Yvv
式中:y0、Yw和Yv为表示仿射函数的线性系数,为决策变量;
(2)模型转化
将虚拟电厂日前分布鲁棒优化模型表示为如下矩阵/向量形式:
s.t.Ax≤b
s.t.Ex+Gy+Mw≤h
式中:A、E、G、M、b、c、d、h为分布鲁棒优化模型对应的系数矩阵和向量;
首先,根据扩展模糊集G将目标函数中上确界问题表示如下所示的半无限优化问题:
f(w,v)≥0
式中:f(w,v)为w和v的联合概率密度函数;α、β和γ分别为各约束式的对偶变量;
应用强对偶理论,将半无限优化问题转化为其有限维的对偶问题,并用转化后的对偶问题替代原问题中的上确界问题,得到虚拟电厂日前分布鲁棒问题的等价形式,表示如下:
s.t.Ax≤b
γ≥0
代入仿射函数可将不确定优化问题中的鲁棒约束分别转化为其对偶问题:
进一步将上述对偶问题写成最恶劣情况下的表达式:
式中,不确定变量w和辅助变量v满足扩展不确定集的约束,模糊集F中,除约束(w-μ)2≤v外均为线性约束,将约束(w-μ)2≤v改写为如下二阶锥形式:
引入辅助变量τ、ψ、ζ,将扩展不确定集中的约束表示为:
w≥w:δ
2(w-μ)=τ:η
v-1=ψ:κ
v+1=ζ:π
式中:δ、ε、η、κ、π、θ、ρ为相应约束式的对偶变量;1表示所有元素均为1的向量;
进一步运用二阶锥理论,将最恶劣情况表达式化简为其对偶问题:
δ≤0,ε≥0,ρ≥0
从而将虚拟电厂日前分布鲁棒优化问题化简为:
s.t.Ax≤b
经过上述化简,将虚拟电厂的日前分布鲁棒调度模型转换为混合整数二阶锥规划问题,求解得到调度方案。
4.根据权利要求3所述的一种基于分布鲁棒优化的虚拟电厂日前调度方法,其特征是仿射策略中,第二阶段决策变量的线性仿射函数的具体表达式为:
其余第二阶段决策变量,包括Pij,t、Qij,t和Vi,t的表达式参照/>得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110804736.4A CN113705962B (zh) | 2021-07-16 | 2021-07-16 | 一种基于分布鲁棒优化的虚拟电厂日前调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110804736.4A CN113705962B (zh) | 2021-07-16 | 2021-07-16 | 一种基于分布鲁棒优化的虚拟电厂日前调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113705962A CN113705962A (zh) | 2021-11-26 |
CN113705962B true CN113705962B (zh) | 2024-03-05 |
Family
ID=78648706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110804736.4A Active CN113705962B (zh) | 2021-07-16 | 2021-07-16 | 一种基于分布鲁棒优化的虚拟电厂日前调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113705962B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781866B (zh) * | 2022-04-21 | 2023-10-31 | 河海大学 | 一种基于数据驱动的综合能源系统鲁棒日内滚动调度方法 |
CN114896768B (zh) * | 2022-04-21 | 2024-03-01 | 河海大学 | 一种基于新能源分位数回归的虚拟电厂分布鲁棒优化方法 |
CN115358519A (zh) * | 2022-07-13 | 2022-11-18 | 上海嘉柒智能科技有限公司 | 一种虚拟电厂优化调度方法及装置 |
CN115409294B (zh) * | 2022-11-01 | 2023-03-24 | 江西江投电力技术与试验研究有限公司 | 一种配电网调度与充电协同的鲁棒优化方法 |
CN117688793A (zh) * | 2024-02-04 | 2024-03-12 | 中国地质大学(武汉) | 一种分布鲁棒机组组合建模与求解方法、设备及存储设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361247A (zh) * | 2014-11-24 | 2015-02-18 | 国网河南省电力公司电力科学研究院 | 主从博弈的交直流混联电力系统主动防御策略制定方法 |
CN108388973A (zh) * | 2018-01-11 | 2018-08-10 | 河海大学 | 一种虚拟电厂自适应鲁棒调度优化方法 |
WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
WO2019233134A1 (zh) * | 2018-06-06 | 2019-12-12 | 南京工程学院 | 数据驱动下基于风电不确定性的电热气网三阶段调度方法 |
CN111478358A (zh) * | 2019-11-06 | 2020-07-31 | 南瑞集团有限公司 | 一种计及分布式电源不确定性的配电网鲁棒恢复决策方法 |
CN111697625A (zh) * | 2020-06-29 | 2020-09-22 | 中国人民解放军国防科技大学 | 基于分布鲁棒优化的孤岛微电网机会约束能量调度方法 |
CN111931331A (zh) * | 2020-06-23 | 2020-11-13 | 河海大学 | 一种适用于配电网机组组合的分布鲁棒优化方法 |
CN112016727A (zh) * | 2019-05-30 | 2020-12-01 | 天津大学 | 一种考虑冷负荷不确定性的供冷系统鲁棒优化设计方法 |
CN112465285A (zh) * | 2020-06-15 | 2021-03-09 | 广东电网有限责任公司电力调度控制中心 | 一种电气热多能源供能系统的调度方法 |
CN112785184A (zh) * | 2021-01-29 | 2021-05-11 | 四川大学 | 考虑需求响应的源网荷协调分布鲁棒长期扩展规划方法 |
CN114742314A (zh) * | 2022-04-29 | 2022-07-12 | 河海大学 | 一种考虑相关性的电热综合能源系统分布鲁棒优化方法 |
-
2021
- 2021-07-16 CN CN202110804736.4A patent/CN113705962B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361247A (zh) * | 2014-11-24 | 2015-02-18 | 国网河南省电力公司电力科学研究院 | 主从博弈的交直流混联电力系统主动防御策略制定方法 |
CN108388973A (zh) * | 2018-01-11 | 2018-08-10 | 河海大学 | 一种虚拟电厂自适应鲁棒调度优化方法 |
WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
WO2019233134A1 (zh) * | 2018-06-06 | 2019-12-12 | 南京工程学院 | 数据驱动下基于风电不确定性的电热气网三阶段调度方法 |
CN112016727A (zh) * | 2019-05-30 | 2020-12-01 | 天津大学 | 一种考虑冷负荷不确定性的供冷系统鲁棒优化设计方法 |
CN111478358A (zh) * | 2019-11-06 | 2020-07-31 | 南瑞集团有限公司 | 一种计及分布式电源不确定性的配电网鲁棒恢复决策方法 |
CN112465285A (zh) * | 2020-06-15 | 2021-03-09 | 广东电网有限责任公司电力调度控制中心 | 一种电气热多能源供能系统的调度方法 |
CN111931331A (zh) * | 2020-06-23 | 2020-11-13 | 河海大学 | 一种适用于配电网机组组合的分布鲁棒优化方法 |
CN111697625A (zh) * | 2020-06-29 | 2020-09-22 | 中国人民解放军国防科技大学 | 基于分布鲁棒优化的孤岛微电网机会约束能量调度方法 |
CN112785184A (zh) * | 2021-01-29 | 2021-05-11 | 四川大学 | 考虑需求响应的源网荷协调分布鲁棒长期扩展规划方法 |
CN114742314A (zh) * | 2022-04-29 | 2022-07-12 | 河海大学 | 一种考虑相关性的电热综合能源系统分布鲁棒优化方法 |
Non-Patent Citations (1)
Title |
---|
含分布式可再生能源的主动配电网鲁棒优化调度;李佳;中国优秀硕士论文电子期刊网工程科技Ⅱ辑(第2020年第01期期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113705962A (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113705962B (zh) | 一种基于分布鲁棒优化的虚拟电厂日前调度方法 | |
CN103490410B (zh) | 一种基于多目标优化的微电网规划和容量配置方法 | |
CN102509175B (zh) | 分布式供电系统可靠性优化方法 | |
CN106684915A (zh) | 一种风氢耦合发电系统的优化方法及装置 | |
CN107679679A (zh) | 联合发电机组调度运行方法 | |
CN112821465A (zh) | 包含热电联产的工业微网负荷优化调度方法与系统 | |
CN108009745A (zh) | 工业园区内多元用户协同能量管理方法 | |
CN114977320A (zh) | 一种配电网源网荷储多目标协同规划方法 | |
An et al. | Optimal operation of multi-micro energy grids under distribution network in Southwest China | |
CN116187509A (zh) | 一种电力系统生产成本测算的方法及装置 | |
CN114172148A (zh) | 一种基于合作博弈的黑启动容量配置方法 | |
Feng et al. | Economic research on application of electric heating system based on game theory | |
Wang et al. | An integrated energy distribution system planning method with multiple energy storage systems | |
An et al. | A multi-energy microgrid configuration method in remote rural areas considering the condition value at risk | |
Yu et al. | Energy Storage Planning Considering Renewable Investment and Coal-Fired Units Retirement | |
Wang et al. | Optimal Power Flow of Low Carbon Power System Based on NSGA2 Algorithm and Carbon Flow Theory | |
CN116247720B (zh) | 用于火储联合调频的控制装置及火储联合调频系统 | |
Zhang et al. | Two-Stage Optimization Model of Centralized Energy Storage Participating in Peak Shaving with Maximum Reserve Capacity and Minimum Carbon Emission of the System | |
Hao et al. | Research on Risk-Based Planning of Power Grid Considering the Access of New Energy | |
Jia | Distributed coordination of integrated distribution network based on new energy uncertainty model | |
Wang et al. | Distributionally Robust Planning of Distribution Network Considering Flexibility of DSR | |
Sun et al. | A fast island partition method of distribution network with energy storage based on electricity sufficiency and power balance information | |
Xing et al. | Reliability Optimization Planning Method of New Energy Grid Considering the Growth Characteristics of Hydrogen Load | |
Dou et al. | Multi-stage Transmission Network Planning Considering the Reform of Transmission and Distribution Price | |
Yang et al. | Coordinated Planning of Active Distribution Network Considering Virtual Power Plant Based on Master-Slave Game |
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 |