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 PDFInfo
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000033228 biological regulation Effects 0.000 claims abstract description 28
- 230000007246 mechanism Effects 0.000 claims abstract description 5
- ZJPGOXWRFNKIQL-JYJNAYRXSA-N Phe-Pro-Pro Chemical compound C([C@H](N)C(=O)N1[C@@H](CCC1)C(=O)N1[C@@H](CCC1)C(O)=O)C1=CC=CC=C1 ZJPGOXWRFNKIQL-JYJNAYRXSA-N 0.000 claims abstract 19
- 230000008859 change Effects 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 3
- 238000000418 atomic force spectrum Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
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:
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:
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,是Pb的虚拟电池充放电功率的最小值,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
公式⑦、⑧、⑨中,To是外部温度,Tmax是最大的内部温度;
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:
公式中,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,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,是电力成本,λPg是FPP对温控负荷的补偿;
相应的,Pg和λ的关系可被描述为:
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:
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:
公式中,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,和是当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:
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:
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:
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:
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:
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:
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:
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,是Pb的虚拟电池充放电功率的最小值,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
公式⑦、⑧、⑨中,To是外部温度,Tmax是最大的内部温度。
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:
公式中,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,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,是电力成本,λPg是FPP对温控负荷的补偿。
相应的,Pg和λ的关系可被描述为:
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:
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:
公式中,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,和是当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:
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:
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:
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:
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:
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:
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:
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,是Pb的虚拟电池充放电功率的最小值,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
公式⑦、⑧、⑨中,To是外部温度,Tmax是最大的内部温度;
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:
公式中,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,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,是电力成本,λPg是FPP对温控负荷的补偿;
相应的,Pg和λ的关系可被描述为:
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:
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:
公式中,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,和是当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:
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:
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:
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:
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:
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。
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)
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 |
-
2021
- 2021-12-11 CN CN202111510595.1A patent/CN114139402A/zh active Pending
Cited By (2)
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 |