CN114139402A - 一种可交易控制的联邦电厂数据驱动型风险规避优化方法 - Google Patents

一种可交易控制的联邦电厂数据驱动型风险规避优化方法 Download PDF

Info

Publication number
CN114139402A
CN114139402A CN202111510595.1A CN202111510595A CN114139402A CN 114139402 A CN114139402 A CN 114139402A CN 202111510595 A CN202111510595 A CN 202111510595A CN 114139402 A CN114139402 A CN 114139402A
Authority
CN
China
Prior art keywords
temperature
fpp
load
power
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.)
Pending
Application number
CN202111510595.1A
Other languages
English (en)
Inventor
宋梦
蒙璟
高赐威
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202111510595.1A priority Critical patent/CN114139402A/zh
Publication of CN114139402A publication Critical patent/CN114139402A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/0631—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
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

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

Abstract

本发明公开一种可交易控制的联邦电厂数据驱动型风险规避优化方法，包括如下步骤：S1、构建平滑输出波动的FPP两阶段优化调度框架；S2、构建FPP内的可交易能源市场机制；S3、构建基于Wasserstein距离的FPP两阶段优化调度模型，求解得到最优调度方案。本发明提出联邦电厂小时和分钟时间尺度两阶段联合优化方法，并根据温控负荷在不同控制方式下功率调节特性的差异，将其分别等效为虚拟发电机和虚拟电池参与联邦电厂调控，在充分挖掘温控负荷调节潜力的同时有效抑制可再生能源功率波动。不同于传统的需求响应，所提出的模型能够很好地解决可再生能源波动性问题，并且基于市场的可交易控制能够充分尊重用户意愿，为大规模可再生资源并网调度提供了技术支撑。

Description

一种可交易控制的联邦电厂数据驱动型风险规避优化方法
技术领域
本发明属于电力技术领域，具体涉及一种可交易控制的联邦电厂数据驱动型风险规避优化方法。
背景技术
随着现在科技的不断发展，传统化石型能源向清洁、可再生能源转型已经成为全球化趋势。随着可再生能源渗透率增加，发电侧波动性增强对电力系统的稳定性带来了极大挑战。与此同时，温控负荷作为一种典型的负荷侧柔性负荷，成为电力需求侧调控管理的重要资源。电源侧和负荷侧资源的协调控制成为当今新型电力系统的一种主要表现形式，到目前为止，需求响应技术已经开始应用于实际电力系统，但其调节潜力有限难以有效平抑新能源出力波动，并且无法充分反映用户自身意愿。因此提出的一种能够有效解决可再生能源波动性问题，并能够充分反映用户意愿的方法是符合实际需要的。
针对上述提出的问题，现设计一种可交易控制的联邦电厂数据驱动型风险规避优化方法。
发明内容
针对现有技术的不足，本发明的目的在于提供一种可交易控制的联邦电厂数据驱动型风险规避优化方法，不同于传统的需求响应，所提出的模型能够很好地解决可再生能源波动性问题，并且基于市场的可交易控制能够充分尊重用户意愿，为大规模可再生资源并网调度提供了技术支撑。
本发明的目的可以通过以下技术方案实现：
一种可交易控制的联邦电厂数据驱动型风险规避优化方法，包括如下步骤：
S1、构建平滑输出波动的FPP两阶段优化调度框架；
S2、构建FPP内的可交易能源市场机制；
S3、构建基于Wasserstein距离的FPP两阶段优化调度模型，求解得到最优调度方案。
进一步的，采用基于温控负荷多时间尺度协调控制的FPP两阶段优化模型，在小时时间尺度，具有温度调整功能的温控负荷被模拟成虚拟发电机；在分钟时间尺度，具有频率控制功能的温控负荷被视为虚拟电池。
进一步的，所述S1具体包括如下步骤：
S1.1、构建温控负荷的小时尺度等效模型
温控负荷通过温度调节和频率调节两种手段控制其输出功率，根据两种方法的物理调控特性，分别具有不同的时间尺度调节效应；
在小时时间尺度调节中，温控负荷功耗变化基于温度的调控，可维持较长时间但无法快速响应，因此在小时时间尺度上温控负荷等效于虚拟发电机，可描述为：
Figure BDA0003405544530000021
Figure BDA0003405544530000022
Figure BDA0003405544530000023
公式①、②、③中，Pg是虚拟发电机的功率，
Figure BDA0003405544530000024
是虚拟发电机功率的最小值，
Figure BDA0003405544530000025
是虚拟发电机功率的最大值，ΔTmax是内部温度允许增量(ΔT)的最大值，κ为与温控负荷有关的常数参数；
S1.2、构建温控负荷的分钟尺度等效模型
在分钟时间尺度调节中，温控负荷功耗变化基于频率的控制，可以快速响应信号，但无法维持较长时间，因此在分钟尺度上温控负荷等效于虚拟电池，可描述为：
Figure BDA0003405544530000031
SOC(k+1)＝αSOC(k)+βPb(k)+γ ⑤
SOCmin≤SOC(k+1)≤SOCmax ⑥
公式④、⑤、⑥中，Pb是虚拟电池的充放电功率，
Figure BDA0003405544530000032
是Pb的虚拟电池充放电功率的最小值，
Figure BDA0003405544530000033
是Pb的虚拟电池充放电功率的最大值，α、β和γ是虚拟电池自身参数，SOC是虚拟电池的充电状态，SOCmin是SOC的最小值，SOCmax是SOC的最大值；
S1.3、温控负荷的小时和分钟尺度耦合协调控制
在温控负荷的分钟尺度模型中，等效虚拟电池的部分参数是由预先设定的内部温度
Figure BDA0003405544530000034
确定的，公式④、⑤、⑥中的虚拟电池参数——
Figure BDA0003405544530000035
β、γ取决于
Figure BDA0003405544530000036
在温控负荷的小时尺度调度中确定，可描述为：
Figure BDA0003405544530000037
Figure BDA0003405544530000038
Figure BDA0003405544530000039
公式⑦、⑧、⑨中，To是外部温度，Tmax是最大的内部温度；
虚拟电池的初始SOC值SOC0取决于
Figure BDA00034055445300000310
可描述为：
Figure BDA00034055445300000311
进一步的，所述S2具体包括如下步骤：
在一小时的时间范围内，可交易能源市场中客户的目标函数是最小化成本和最大化舒适度水平，描述为：
Figure BDA00034055445300000312
公式
Figure BDA0003405544530000041
中，λ是温控负荷在可交易能源市场的投标价格，λ0是温控负荷的电价,
Figure BDA0003405544530000042
是温控负荷的基线功率，a是代表客户偏好的常数参数，a越大表示用户对温度调整的容忍度越高，aΔT2表示用户温度调整的成本，aΔT2越小，客户的舒适度较高，
Figure BDA0003405544530000043
是电力成本，λPg是FPP对温控负荷的补偿；
简单起见，令λPg＞0，根据温控负荷小时时间尺度模型，用Pg/κ代替ΔT，因此公式
Figure BDA0003405544530000044
重新描述为：
Figure BDA0003405544530000045
当公式
Figure BDA0003405544530000046
取到最小值时，需要满足条件：
Figure BDA0003405544530000047
相应的，Pg和λ的关系可被描述为：
Figure BDA0003405544530000048
由于虚拟发电机的功率调整范围被限制在
Figure BDA0003405544530000049
之内，为保证用户舒适度，满足拉格朗日条件下Pg和λ的关系如下：
Figure BDA00034055445300000410
显然，舒适度和功率调整范围影响温控负荷出力的最优决策，在分钟时间尺度的调控中，温控负荷内部温度在一个有限的范围内变化。此外，随着时间尺度变短，运营商的预测误差也会相应变小，日前计划通过FPP的小时前调度得到缓解，小时前计划则通过FPP的小时内调度得到平滑。
进一步的，所述S3具体包括如下步骤：
S3.1、以小时为单位的FPP优化调度
在以小时时间尺度进行优化调度前，FPP需要根据RES的预测结果来安排虚拟发电机输出功率以平滑新能源出力波动，,FPP的优化目标是最小化温控负荷控制成本，因此，以小时为单位的FPP优化调度模型如下：
Figure BDA0003405544530000051
Figure BDA0003405544530000052
由于该模型为非凸函数，所以对模型进行适当变形，转换后的以小时为单位的FPP优化调度模型如下：
Figure BDA0003405544530000053
Figure BDA0003405544530000054
公式
Figure BDA0003405544530000055
中，λt是t时刻的市场结算价格，Δth是以小时为单位的时间间隔，N是温控负荷的集合，T是小时时间段集合，
Figure BDA0003405544530000056
和
Figure BDA0003405544530000057
是当λt为分段线段边界点时，λt、Pg,i,t和Mi,t的数值，Sg和mg是为确定λt而引入的变量，R1为Sg的集合，R2为mg的集合，r1是Sg的索引，r2是mg的索引；
S3.2、以分钟为单位的FPP优化调度
以分钟为单位的FPP优化调度过程中将温控负荷看做虚拟电池，所以第二阶段虚拟电池的集中调控潜力需要被评估，其相关调度参数计算如下：
Figure BDA0003405544530000061
Figure BDA0003405544530000062
Figure BDA0003405544530000063
Figure BDA0003405544530000064
Figure BDA0003405544530000065
Figure BDA0003405544530000066
Figure BDA0003405544530000067
根据上述参数，类似的基于分钟时间尺度的FPP优化调度模型如下：
Figure BDA0003405544530000068
Figure BDA0003405544530000071
公式
Figure BDA0003405544530000072
中，Δtm是分钟时间尺度的时隙，Pload是以分钟为时间尺度的预测负荷，Pw是以分钟为时间尺度的风电功率，
Figure BDA0003405544530000073
是可再生能源出力波动；
S3.3、基于Wasserstein距离的FPP两阶段优化调度
前述两阶段优化调度给出如下：
Figure BDA0003405544530000074
x是第一阶段的决策变量，X是第一阶段优化模型的约束条件，c是系数向量，ξ是可再生能源的随机变量，P是ξ的概率分布，Ω是P的模糊集；
Α(x,ξ)被表述为:
Figure BDA0003405544530000075
公式
Figure BDA0003405544530000076
中，y是第二阶段的决策变量，q是系数向量，T、H和W是系数矩阵，利用P和Wasserstein距离来确定模糊集Ω，当η∈(0，1)时，置信度将不低于η；
Figure BDA0003405544530000077
公式
Figure BDA0003405544530000078
中，D是ξ的概率分布空间的直径。显然，Wasserstein球的半径随着S的增加而变短，这将缩小包含于Wasserstein球置信区间内的模糊集范围，因此，ξ被重述为:
Figure BDA0003405544530000081
根据转换条件，将原两阶段优化模型进行转换可得下述模型：
Figure BDA0003405544530000082
Figure BDA0003405544530000083
求解该模型得到温控负荷在第一阶段的最优温度调整量和第二阶段的最优功率调整量，并根据优化计算结果对温控负荷进行控制，实现温控负荷对可再生能源功率波动的抑制。
本发明的有益效果：
本发明提出的可交易控制的联邦电厂数据驱动型风险规避优化方法，考虑到可再生能源功率波动随预测时间尺度的减小而减小的特性，提出联邦电厂小时和分钟时间尺度两阶段联合优化方法，并根据温控负荷在不同控制方式下功率调节特性不同，将其分别等效为虚拟发电机和虚拟电池参与联邦电厂调控，在充分挖掘温控负荷调节潜力的同时有效抑制可再生能源功率波动；利用可交易能源市场的机制，通过价格信号引导用户参与联邦电厂调控，在控制温度负荷过程中充分考虑用户舒适度、成本、收益三方面因素，以提高用户参与调控的积极性和满意度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，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是本发明实施例的优化调度方法流程图；
图2是本发明实施例的可交易能源市场中客户的投标曲线图；
图3是本发明实施例的不同时间尺度下FPP调度示意图；
图4是本发明实施例的日前的出力曲线示意图；
图5是本发明实施例的小时前的出力曲线示意图；
图6是本发明实施例的小时内的出力曲线示意图。
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，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
如图1所示，一种可交易控制的联邦电厂数据驱动型风险规避优化方法，包括如下步骤：
S1、构建平滑输出波动的FPP(联邦电厂)两阶段优化调度框架；
S2、构建FPP内的可交易能源市场机制；
S3、构建基于Wasserstein距离(用于度量两个概率分布之间的距离)的FPP两阶段优化调度模型，求解得到最优调度方案。
由可再生能源和温控负荷组成的FPP与主电网相连，为了充分利用温控负荷的灵活性来解决可再生能源出力波动，本申请采用了基于温控负荷多时间尺度协调控制的FPP两阶段优化模型。在小时时间尺度(第一阶段)，具有温度调整功能的温控负荷被模拟成虚拟发电机；在分钟时间尺度(第二阶段)，具有频率控制功能的温控负荷被视为虚拟电池。
S1具体包括如下步骤：
S1.1、构建温控负荷的小时尺度等效模型
温控负荷通过温度调节和频率调节两种手段控制其输出功率，根据两种方法的物理调控特性，分别具有不同的时间尺度调节效应。
在小时时间尺度调节中，温控负荷功耗变化基于温度的调控，可维持较长时间但无法快速响应，因此在小时时间尺度上温控负荷等效于虚拟发电机，可描述为：
Figure BDA0003405544530000101
Figure BDA0003405544530000102
Figure BDA0003405544530000103
公式①、②、③中，Pg是虚拟发电机的功率，
Figure BDA0003405544530000104
是虚拟发电机功率的最小值，
Figure BDA0003405544530000105
是虚拟发电机功率的最大值，ΔTmax是内部温度允许增量(ΔT)的最大值，κ为与温控负荷有关的常数参数。
S1.2、构建温控负荷的分钟尺度等效模型
在分钟时间尺度调节中，温控负荷功耗变化基于频率的控制，可以快速响应信号，但无法维持较长时间，因此在分钟尺度上温控负荷等效于虚拟电池，可描述为：
Figure BDA0003405544530000106
SOC(k+1)＝αSOC(k)+βPb(k)+γ ⑤
SOCmin≤SOC(k+1)≤SOCmax ⑥
公式④、⑤、⑥中，Pb是虚拟电池的充放电功率，
Figure BDA0003405544530000111
是Pb的虚拟电池充放电功率的最小值，
Figure BDA0003405544530000112
是Pb的虚拟电池充放电功率的最大值，α、β和γ是虚拟电池自身参数，SOC是虚拟电池的充电状态，SOCmin是SOC的最小值，SOCmax是SOC的最大值。
S1.3、温控负荷的小时和分钟尺度耦合协调控制
在温控负荷的分钟尺度模型中，等效虚拟电池的部分参数是由预先设定的内部温度
Figure BDA0003405544530000113
确定的，公式④、⑤、⑥中的虚拟电池参数——
Figure BDA0003405544530000114
β、γ取决于
Figure BDA0003405544530000115
在温控负荷的小时尺度调度中确定，可描述为：
Figure BDA0003405544530000116
Figure BDA0003405544530000117
Figure BDA0003405544530000118
公式⑦、⑧、⑨中，To是外部温度，Tmax是最大的内部温度。
虚拟电池的初始SOC值SOC0取决于
Figure BDA0003405544530000119
可描述为：
Figure BDA00034055445300001110
S2具体包括如下步骤：
为保护终端用户的隐私和偏好，在FPP内部建立一个可交易能源市场进行温控负荷功率调节，拥有温控负荷设备的用户需要根据自己的偏好和经济利益提交其投标曲线。在一小时的时间范围内，可交易能源市场中客户的目标函数是最小化成本和最大化舒适度水平，可描述为：
Figure BDA00034055445300001111
公式
Figure BDA00034055445300001112
中，λ是温控负荷在可交易能源市场的投标价格，λ0是温控负荷的电价,
Figure BDA00034055445300001113
是温控负荷的基线功率，a是代表客户偏好的常数参数，aΔT2表示用户温度调整的成本，aΔT2越小，客户的舒适度较高，
Figure BDA00034055445300001114
是电力成本，λPg是FPP对温控负荷的补偿。
简单起见，由于λ与Pg的符号相同(即λPg＞0)，根据温控负荷时间尺度模型，用Pg/κ代替ΔT，因此公式
Figure BDA0003405544530000121
重新描述为：
Figure BDA0003405544530000122
当公式
Figure BDA0003405544530000123
取到最小值时，需要满足条件：
Figure BDA0003405544530000124
相应的，Pg和λ的关系可被描述为：
Figure BDA0003405544530000125
由于虚拟发电机的功率调整范围被限制在
Figure BDA0003405544530000126
之内，为保证用户舒适度，满足拉格朗日条件下Pg和λ的关系如下：
Figure BDA0003405544530000127
显然，舒适度和功率调整范围影响温控负荷出力的最优决策。在分钟时间尺度的调控中，温控负荷内部温度在一个有限的范围内变化。此外，随着时间尺度变短，运营商(RES)的预测误差也会相应变小。日前计划通过FPP的小时前调度得到缓解，小时前计划则通过FPP的小时内调度得到平滑。为了简单起见，假设温控负荷调节的经济补偿只发生在小时时间尺度的调度中。
所述S3具体包括如下步骤：
S3.1、以小时为单位的FPP优化调度
在以小时时间尺度进行优化调度前，FPP需要根据RES的预测结果来安排虚拟发电机输出功率以平滑新能源出力波动。在此条件下，FPP的优化目标是最小化温控负荷控制成本，因此，以小时为单位的FPP优化调度模型如下：
Figure BDA0003405544530000131
Figure BDA0003405544530000132
由于该模型为非凸函数，所以对模型进行适当变形，转换后的以小时为单位的FPP优化调度模型如下：
Figure BDA0003405544530000133
Figure BDA0003405544530000134
公式
Figure BDA0003405544530000135
中，λt是t时刻的市场结算价格，Δth是以小时为单位的时间间隔，N是温控负荷的集合，T是小时时间段集合，
Figure BDA0003405544530000136
和
Figure BDA0003405544530000137
是当λt为分段线段边界点时，λt、Pg,i,t和Mi,t的数值，Sg和mg是为确定λt而引入的变量，R1为Sg的集合，R2为mg的集合，r1是Sg的索引，r2是mg的索引。
S3.2、以分钟为单位的FPP优化调度
以分钟为单位的FPP优化调度过程中将温控负荷看做虚拟电池，所以第二阶段虚拟电池的集中调控潜力需要被评估，其相关调度参数计算如下：
Figure BDA0003405544530000141
Figure BDA0003405544530000142
Figure BDA0003405544530000143
Figure BDA0003405544530000144
Figure BDA0003405544530000145
Figure BDA0003405544530000146
Figure BDA0003405544530000147
根据上述参数，类似的基于分钟时间尺度的FPP优化调度模型如下：
Figure BDA0003405544530000148
Figure BDA0003405544530000149
公式
Figure BDA0003405544530000151
中，Δtm是分钟时间尺度的时隙，Pload是以分钟为时间尺度的预测负荷，Pw是以分钟为时间尺度的风电功率，
Figure BDA0003405544530000152
是可再生能源出力波动。
S3.3、基于Wasserstein距离的FPP两阶段优化调度
前述两阶段优化调度给出如下：
Figure BDA0003405544530000153
x是第一阶段的决策变量，X是第一阶段优化模型的约束条件，c是系数向量，ξ是可再生能源的随机变量，P是ξ的概率分布，Ω是P的模糊集。
Α(x,ξ)被表述为:
Figure BDA0003405544530000154
公式
Figure BDA0003405544530000155
中，y是第二阶段的决策变量，q是系数向量，T、H和W是系数矩阵，利用P和Wasserstein距离来确定模糊集Ω，当η∈(0，1)时，置信度将不低于η。
Figure BDA0003405544530000156
公式
Figure BDA0003405544530000157
中，D是ξ的概率分布空间的直径。显然，Wasserstein球的半径随着S的增加而变短，这将缩小包含于Wasserstein球置信区间内的模糊集范围，因此，ξ被重述为:
Figure BDA0003405544530000158
根据转换条件，将原两阶段优化模型进行转换可得下述模型：
Figure BDA0003405544530000159
Figure BDA0003405544530000161
是一个线性规划问题，可以直接利用商业求解器Gurobi求解该模型，得到温控负荷在第一阶段的最优温度调整量和第二阶段的最优功率调整量，并根据优化计算结果对温控负荷进行控制，实现温控负荷对可再生能源功率波动的抑制。
如图4、图5、图6所示，分别示出了该系统的日前、小时前和小时内的出力曲线，并且示出了FPP内部的资源、通过可交易能源市场调度温控负荷以及对温控负荷进行控制的过程。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (5)

1.一种可交易控制的联邦电厂数据驱动型风险规避优化方法，其特征在于，包括如下步骤：
S1、构建平滑输出波动的FPP两阶段优化调度框架；
S2、构建FPP内的可交易能源市场机制；
S3、构建基于Wasserstein距离的FPP两阶段优化调度模型，求解得到最优调度方案。
2.根据权利要求1所述的一种可交易控制的联邦电厂数据驱动型风险规避优化方法，其特征在于，采用基于温控负荷多时间尺度协调控制的FPP两阶段优化模型，在小时时间尺度，具有温度调整功能的温控负荷被模拟成虚拟发电机；在分钟时间尺度，具有频率控制功能的温控负荷被视为虚拟电池。
3.根据权利要求2所述的一种可交易控制的联邦电厂数据驱动型风险规避优化方法，其特征在于，所述S1具体包括如下步骤：
S1.1、构建温控负荷的小时尺度等效模型
温控负荷通过温度调节和频率调节两种手段控制其输出功率，根据两种方法的物理调控特性，分别具有不同的时间尺度调节效应；
在小时时间尺度调节中，温控负荷功耗变化基于温度的调控，可维持较长时间但无法快速响应，因此在小时时间尺度上温控负荷等效于虚拟发电机，可描述为：
Figure FDA0003405544520000011
Figure FDA0003405544520000012
Figure FDA0003405544520000013
公式①、②、③中，Pg是虚拟发电机的功率，Pg min是虚拟发电机功率的最小值，
Figure FDA0003405544520000021
是虚拟发电机功率的最大值，ΔTmax是内部温度允许增量(ΔT)的最大值，κ为与温控负荷有关的常数参数；
S1.2、构建温控负荷的分钟尺度等效模型
在分钟时间尺度调节中，温控负荷功耗变化基于频率的控制，可以快速响应信号，但无法维持较长时间，因此在分钟尺度上温控负荷等效于虚拟电池，可描述为：
Figure FDA0003405544520000022
SOC(k+1)＝αSOC(k)+βPb(k)+γ ⑤
SOCmin≤SOC(k+1)≤SOCmax ⑥
公式④、⑤、⑥中，Pb是虚拟电池的充放电功率，
Figure FDA0003405544520000023
是Pb的虚拟电池充放电功率的最小值，
Figure FDA0003405544520000024
是Pb的虚拟电池充放电功率的最大值，α、β和γ是虚拟电池自身参数，SOC是虚拟电池的充电状态，SOCmin是SOC的最小值，SOCmax是SOC的最大值；
S1.3、温控负荷的小时和分钟尺度耦合协调控制
在温控负荷的分钟尺度模型中，等效虚拟电池的部分参数是由预先设定的内部温度
Figure FDA0003405544520000025
确定的，公式④、⑤、⑥中的虚拟电池参数——
Figure FDA0003405544520000026
β、γ取决于
Figure FDA0003405544520000027
在温控负荷的小时尺度调度中确定，可描述为：
Figure FDA0003405544520000028
Figure FDA0003405544520000029
Figure FDA00034055445200000210
公式⑦、⑧、⑨中，To是外部温度，Tmax是最大的内部温度；
虚拟电池的初始SOC值SOC0取决于
Figure FDA00034055445200000211
可描述为：
Figure FDA00034055445200000212
4.根据权利要求3所述的一种可交易控制的联邦电厂数据驱动型风险规避优化方法，其特征在于，所述S2具体包括如下步骤：
在一小时的时间范围内，可交易能源市场中客户的目标函数是最小化成本和最大化舒适度水平，描述为：
Figure FDA0003405544520000031
公式
Figure FDA0003405544520000032
中，λ是温控负荷在可交易能源市场的投标价格，λ0是温控负荷的电价,
Figure FDA0003405544520000033
是温控负荷的基线功率，a是代表客户偏好的常数参数，a越大表示用户对温度调整的容忍度越高，aΔT2表示用户温度调整的成本，aΔT2越小，客户的舒适度较高，
Figure FDA0003405544520000034
是电力成本，λPg是FPP对温控负荷的补偿；
简单起见，令λPg＞0，根据温控负荷小时时间尺度模型，用Pg/κ代替ΔT，因此公式
Figure FDA0003405544520000035
重新描述为：
Figure FDA0003405544520000036
当公式
Figure FDA0003405544520000037
取到最小值时，需要满足条件：
Figure FDA0003405544520000038
相应的，Pg和λ的关系可被描述为：
Figure FDA0003405544520000039
由于虚拟发电机的功率调整范围被限制在
Figure FDA00034055445200000310
之内，为保证用户舒适度，满足拉格朗日条件下Pg和λ的关系如下：
Figure FDA00034055445200000311
显然，舒适度和功率调整范围影响温控负荷出力的最优决策，在分钟时间尺度的调控中，温控负荷内部温度在一个有限的范围内变化。此外，随着时间尺度变短，运营商的预测误差也会相应变小，日前计划通过FPP的小时前调度得到缓解，小时前计划则通过FPP的小时内调度得到平滑。
5.根据权利要求4所述的一种可交易控制的联邦电厂数据驱动型风险规避优化方法，其特征在于，所述S3具体包括如下步骤：
S3.1、以小时为单位的FPP优化调度
在以小时时间尺度进行优化调度前，FPP需要根据RES的预测结果来安排虚拟发电机输出功率以平滑新能源出力波动，,FPP的优化目标是最小化温控负荷控制成本，因此，以小时为单位的FPP优化调度模型如下：
Figure FDA0003405544520000041
Figure FDA0003405544520000042
由于该模型为非凸函数，所以对模型进行适当变形，转换后的以小时为单位的FPP优化调度模型如下：
Figure FDA0003405544520000043
Figure FDA0003405544520000051
公式
Figure FDA0003405544520000052
中，λt是t时刻的市场结算价格，Δth是以小时为单位的时间间隔，N是温控负荷的集合，T是小时时间段集合，
Figure FDA0003405544520000053
和
Figure FDA0003405544520000054
是当λt为分段线段边界点时，λt、Pg,i,t和Mi,t的数值，Sg和mg是为确定λt而引入的变量，R1为Sg的集合，R2为mg的集合，r1是Sg的索引，r2是mg的索引；
S3.2、以分钟为单位的FPP优化调度
以分钟为单位的FPP优化调度过程中将温控负荷看做虚拟电池，所以第二阶段虚拟电池的集中调控潜力需要被评估，其相关调度参数计算如下：
Figure FDA0003405544520000055
Figure FDA0003405544520000056
Figure FDA0003405544520000057
Figure FDA0003405544520000061
Figure FDA0003405544520000062
Figure FDA0003405544520000063
Figure FDA0003405544520000064
根据上述参数，类似的基于分钟时间尺度的FPP优化调度模型如下：
Figure FDA0003405544520000065
Figure FDA0003405544520000066
公式
Figure FDA0003405544520000067
中，Δtm是分钟时间尺度的时隙，Pload是以分钟为时间尺度的预测负荷，Pw是以分钟为时间尺度的风电功率，
Figure FDA0003405544520000068
是可再生能源出力波动；
S3.3、基于Wasserstein距离的FPP两阶段优化调度
前述两阶段优化调度给出如下：
Figure FDA0003405544520000069
x是第一阶段的决策变量，X是第一阶段优化模型的约束条件，c是系数向量，ξ是可再生能源的随机变量，P是ξ的概率分布，Ω是P的模糊集；
Α(x,ξ)被表述为:
Figure FDA0003405544520000071
公式
Figure FDA0003405544520000072
中，y是第二阶段的决策变量，q是系数向量，T、H和W是系数矩阵，利用P和Wasserstein距离来确定模糊集Ω，当η∈(0，1)时，置信度将不低于η；
Figure FDA0003405544520000073
公式
Figure FDA0003405544520000074
中，D是ξ的概率分布空间的直径。显然，Wasserstein球的半径随着S的增加而变短，这将缩小包含于Wasserstein球置信区间内的模糊集范围，因此，ξ被重述为:
Figure FDA0003405544520000075
根据转换条件，将原两阶段优化模型进行转换可得下述模型：
Figure FDA0003405544520000076
Figure FDA0003405544520000077
求解该模型得到温控负荷在第一阶段的最优温度调整量和第二阶段的最优功率调整量，并根据优化计算结果对温控负荷进行控制，实现温控负荷对可再生能源功率波动的抑制。
CN202111510595.1A 2021-12-11 2021-12-11 一种可交易控制的联邦电厂数据驱动型风险规避优化方法 Pending CN114139402A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111510595.1A CN114139402A (zh) 2021-12-11 2021-12-11 一种可交易控制的联邦电厂数据驱动型风险规避优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111510595.1A CN114139402A (zh) 2021-12-11 2021-12-11 一种可交易控制的联邦电厂数据驱动型风险规避优化方法

Publications (1)

Publication Number Publication Date
CN114139402A true CN114139402A (zh) 2022-03-04

Family

ID=80386005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111510595.1A Pending CN114139402A (zh) 2021-12-11 2021-12-11 一种可交易控制的联邦电厂数据驱动型风险规避优化方法

Country Status (1)

Country Link
CN (1) CN114139402A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115048773A (zh) * 2022-05-24 2022-09-13 西安交通大学 双时间尺度室温控制建模方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115048773A (zh) * 2022-05-24 2022-09-13 西安交通大学 双时间尺度室温控制建模方法
CN115048773B (zh) * 2022-05-24 2024-03-29 西安交通大学 双时间尺度室温控制建模方法

Similar Documents

Publication Publication Date Title
Athari et al. Operational performance of energy storage as function of electricity prices for on-grid hybrid renewable energy system by optimized fuzzy logic controller
Tsikalakis et al. Centralized control for optimizing microgrids operation
CN111969655B (zh) 考虑负荷响应不确定性的多源多荷协调调度方法及系统
CN112215433B (zh) 基于市场出清电价不确定性的虚拟电厂日前优化调度方法
Fischer et al. Power-to-gas in a smart city context–Influence of network restrictions and possible solutions using on-site storage and model predictive controls
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
US20180097366A1 (en) Method and apparatus for controlling power grid member behavior
Fan et al. Characterization and trading of energy level and energy shift considering virtual power plant
Feng et al. Optimization analysis of energy storage application based on electricity price arbitrage and ancillary services
Mukhopadhyay et al. Optimal multi-objective long-term sizing of distributed energy resources and hourly power scheduling in a grid-tied microgrid
Chen et al. Improved Market Mechanism for Energy Storage Based on Flexible State of Energy
Michael et al. Economic scheduling of virtual power plant in day-ahead and real-time markets considering uncertainties in electrical parameters
CN114139402A (zh) 一种可交易控制的联邦电厂数据驱动型风险规避优化方法
Li et al. Two-time-scale coordinated optimal control of building energy systems for demand response considering forecast uncertainties
CN114723230A (zh) 面向新能源发电和储能的微电网双层调度方法及系统
Castelli et al. Robust optimization of seasonal, day-ahead and real time operation of aggregated energy systems
Wen et al. Data-driven energy management system for flexible operation of hydrogen/ammonia-based energy hub: A deep reinforcement learning approach
Elazab et al. Optimal techno-economic feasibility analysis of a grid-tied microgrid considering demand response strategy
JP2020039222A (ja) 電力需給制御装置、電力需給制御システムおよび電力需給制御方法
CN110661255A (zh) 一种多能源系统的热电优化运行方法、装置及设备
Zhang et al. Optimal Scheduling Model of Virtual Power Plant and Thermal Power Units Participating in Peak Regulation Ancillary Service in Northeast China
CN111478325B (zh) 一种氢-电混合储能微电网能量调度方法及系统
Momen et al. Multi-objective Optimization of Energy Consumption in Microgrids Considering CHPs and Renewables Using Improved Shuffled Frog Leaping Algorithm
Laitsos et al. Impact of demand side management methods on modern power systems
CN113629781A (zh) 一种基于empc的多vpp日前日内协调优化方法及装置

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