CN114444851A - 一种计及旋转备用服务的虚拟电厂优化调度方法及系统 - Google Patents
一种计及旋转备用服务的虚拟电厂优化调度方法及系统 Download PDFInfo
- Publication number
- CN114444851A CN114444851A CN202111542038.8A CN202111542038A CN114444851A CN 114444851 A CN114444851 A CN 114444851A CN 202111542038 A CN202111542038 A CN 202111542038A CN 114444851 A CN114444851 A CN 114444851A
- Authority
- CN
- China
- Prior art keywords
- power plant
- virtual power
- gas turbine
- virtual
- power
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000004146 energy storage Methods 0.000 claims abstract description 133
- 238000005457 optimization Methods 0.000 claims abstract description 128
- 238000003860 storage Methods 0.000 claims abstract description 102
- 238000010248 power generation Methods 0.000 claims abstract description 79
- 238000007599 discharging Methods 0.000 claims abstract description 36
- 230000008901 benefit Effects 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000005611 electricity Effects 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 238000004378 air conditioning Methods 0.000 claims description 19
- 230000009194 climbing Effects 0.000 claims description 18
- 238000009825 accumulation Methods 0.000 claims description 16
- 238000009987 spinning Methods 0.000 claims description 16
- 239000000446 fuel Substances 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 claims description 8
- 238000001816 cooling Methods 0.000 claims description 4
- 206010023497 kuru Diseases 0.000 claims description 4
- 230000002860 competitive effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013076 uncertainty analysis Methods 0.000 description 1
Images
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
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (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
本申请涉及一种计及旋转备用服务的虚拟电厂优化调度方法和系统。该方法包括:步骤1:构建计及旋转备用服务的虚拟电厂优化调度模型;步骤2:获取与虚拟电厂调度有关的调度参数,步骤3:将调度参数输入到步骤1构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略,虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。考虑虚拟电厂中的光伏发电功率的不确定性,优化调度虚拟电厂的运行方式,从而发挥虚拟电厂参与旋转备用市场的经济潜力,有效提高虚拟电厂的经济效益。
Description
技术领域
本申请涉及电力系统电源调度技术领域,特别是涉及一种计及旋转备用服务的虚拟电厂优化调度方法及系统。
背景技术
近些年来社会各行各业的高速发展,使得人们对电力需求日益增长,并且由于化石燃料资源不断减少,环境污染,碳排放日益严重等问题,传统的基于集中式发电和远距离输电的能源供应模式已不再满足于现代社会可持续发展理念的要求。分布式能源以其经济,环保,储量丰富等优点逐渐被越来越多的国家广泛采用。作为能源供给的终端,用户侧分布式光伏,储能,空调容量的爆发式增长使得其逐渐发展为负荷可控,源荷二重性的产消者。辅助服务作为电力市场的重要主体和组成部分,对于我国电力系统安全、稳定地运行具有重要保障作用。考虑虚拟电厂同时参与电能量和旋转备用市场可提高决策灵活性,并获得市场双重收益。
虚拟电厂通过先进的通信、计量和控制技术聚合可再生能源、储能、需求响应等多种分布式能源,作为一个整体参与电网运行,能够减小分布式能源单独并网对公网造成的冲击,并提高其市场竞争力。目前虚拟电厂的研究主要集中在能量市场的调度问题,而忽略了其具有的辅助功能,比如旋转备用服务,未能够充分发挥虚拟电厂的潜在功能,且虚拟电厂在面对光伏等随机变量时,可采用传统的随机规划和机会约束规划等基于概率论的不确定性分析方法。但这些方法存在分析量大、分析精度低和安全性无法保证等问题,限制了其进一步的应用,使得虚拟电厂的资源利用率低。
发明内容
基于此,有必要针上述技术问题,提供一种能够提高虚拟电厂的资源利用率的计及旋转备用服务的虚拟电厂优化调度方法及系统。
一种计及旋转备用服务的虚拟电厂优化调度方法,所述方法包括:
步骤1:构建计及旋转备用服务的虚拟电厂鲁棒优化调度模型,包括:
1)构建计及旋转备用服务的虚拟电厂优化调度模型,所述虚拟电厂优化调度模型的目标函数计及虚拟电厂提供旋转备用服务而产生的经济效益,所述虚拟电厂优化调度模型的约束条件包括:运行功率约束、空调系统运行约束、燃气轮机运行约束、储能电站运行约束、可中断负荷约束、备用容量约束;
2)对所述虚拟电厂优化调度模型中的光伏发电功率、运行功率约束条件进行鲁棒优化处理,将所述虚拟电厂优化调度模型转换成计及旋转备用服务的虚拟电厂鲁棒优化调度模型;
步骤2:获取与虚拟电厂调度有关的调度参数,所述调度参数包括:能量市场电价、旋转备用市场电价、燃气轮机燃料成本、燃气轮机固定成本、燃气轮机启动成本、燃气轮机停止成本、负荷中断补偿价格、燃气轮机发电成本、蓄冷池的容量上限、蓄冷池的释冷过程中的能量转换效率、燃气轮机向下爬坡率、燃气轮机向上爬坡率、燃气轮机开机时间的最小值、燃气轮机关机时间的最小值、储能电站储电量最小值、储能电站储电量最大值、充电效率、放电效率和总中断负荷、光伏发电预测功率、光伏发电最大预测偏差;
步骤3:将所述调度参数输入到步骤1构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略,所述虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。
在其中一个实施例中,所述计及旋转备用服务的虚拟电厂优化调度模型的目标函数为:
其中,t表示为时间段,T表示调度周期;表示虚拟电厂参与电力市场收益,由能量市场收益和旋转备用市场收益构成;为t时段能量市场电价;为t时段旋转备用市场电价;Pt em为t时段虚拟电厂在能量市场的竞标量,为决策变量;为t时段虚拟电厂在旋转备用市场的竞标量,为决策变量;为燃气轮机成本,为可中断负荷的补偿成本,为储能电站的运行成本。
在其中一个实施例中,所述燃气轮机成本包括运行成本和启停成本,燃气轮机成本根据成本计算公式获取,所述成本计算公式为:
其中,Pt gas为t时段燃气轮机输出功率;k为燃气轮机燃料成本;kg为燃气轮机固定成本;λsu为燃气轮机启动成本;λsd为燃气轮机停止成本;布尔变量μt、分别表示t时段燃气轮机是否工作、启动、停止,是则置1,否则置0。
在其中一个实施例中,所述可中断负荷的补偿成本为:
在其中一个实施例中,所述储能电站的运行成本与其充放电功率呈线性关系,表达式如下:
在其中一个实施例中,所述空调运行系统约束为:
式中,△t表示时间隔,Pt cold表示空调系统用电量;QAC(t)表示空调总制冷量;为制冷机制冷量;为蓄冷池蓄冷量;为蓄冷池释冷量;为蓄冷池t时段的容量;为蓄冷池t-1时段的容量;Sc,max为蓄冷池的容量上限;ηst为蓄冷池的蓄冷效率;ηre为蓄冷池的释冷效率;uch为制冷机的能量转换效率;ust为蓄冷池的蓄冷过程中的能量转换效率;ure为蓄冷池的释冷过程中的能量转换效率。
在其中一个实施例中,所述燃气轮机运行时约束为:
Pt gas≥Pgas,minμt
式中:Pt gas为t时段燃气轮机输出功率;为燃气轮机提供的备用容量;Pgas,min为燃气轮机输出功率最小值;Pgas,max为燃气轮机输出功率最大值;rd为燃气轮机向下爬坡率;ru为燃气轮机向上爬坡率;tu为燃气轮机开机时间的最小值;td为燃气轮机关机时间的最小值;布尔变量ut表示燃气轮机在t时段是否工作;tr为备用时间;为t-1时段燃气轮机输出功率;布尔变量μt-1表示燃气轮机在t-1时段是否工作;为t时段燃气轮机是否启动;为t时段燃气轮机是否停止;t表示为时间段,T表示调度周期。
在其中一个实施例中,所述储能电站运行约束为:
μesc+μesd≤1
式中,为储能电站在t时段储电量;表示储能电站在t-1时段储电量;布尔变量μesc表示储能电站在t时段是否充电,μesd表示储能电站在t时段是否放电,是则置1,否则置0;Sesmin为储能电站储电量最小值;Sesmax为储能电站储电量最大值;Pt esc为储能充电功率;Pt esd为储能放电功率;ηesc为充电效率;ηesd为放电效率。
在其中一个实施例中,所述可中断负荷约束为:
在其中一个实施例中,所述运行功率约束为:
Pt gas+Pt pv+Pt esd=Pt m+Pt el+Pt cold-Pt elcurt+Pt esc
式中,Pt pv为光伏机组出力;Pt m为虚拟电厂在能量市场竞标电量;
在其中一个实施例中,所述备用容量约束为:
在其中一个实施例中,利用鲁棒优化原理处理所述计及旋转备用服务的虚拟电厂优化调度模型中的光伏发电功率:
为考虑光伏发电功率的不确定性对虚拟电厂优化调度的影响,对虚拟电厂中的光伏发电功率进行鲁棒优化处理,即
式中:ηt为棒鲁系数;为光伏发电功率的不确定表达形式;Pt pv为光伏发电功率预测值;ρt为估计误差系数,即认为光伏发电功率可用发电功率在[(1-ρt)Pt pv,(1+ρt)Pt pv]内波动,其中所述估计误差系数ρt为0.3。
在其中一个实施例中,利用鲁棒优化原理,处理所述计及旋转备用服务的虚拟电厂优化调度模型中的运行功率约束,将其转变为鲁棒运行约束条件:
首先将计及旋转备用服务的虚拟电厂优化调度模型中的运行功率约束变换如下:
式中:Pt elcurt为可中断负荷,Pt el固定负荷;
为叙述方便,使用Ft代表Pt gas+Pt esd-Pt cold+Pt elcurt-Pt esc-Pt em-Pt el,记:
Ft=Pt gas+Pt esd-Pt cold+Pt elcurt-Pt esc-Pt em-Pt el
-Pt pv-ηtρtPt pv≤Ft
为使得光伏发电功率在达到实际预测边界时依旧满足运行约束,引入辅助变量rt,令rt≥|Pt pv|,则
-Pt pv-ηtρtPt pv≤-Pt pv+ρt|Pt pv|≤-Pt pv+ρtrt≤Ft
因此有下式:
为了能够调节决策结果的鲁棒性,兼顾经济效益,引入鲁棒控制系数Γ来控制系统决策的保守度,Γ∈[0,1],Γ取值越大,系统就越保守,通过鲁棒控制系数Γ控制每时段最大偏离预测值计及旋转备用服务的虚拟电厂优化调度模型中的运行功率约束转化为鲁棒运行约束如下:
当所述计及旋转备用服务的虚拟电厂优化调度模型中Γ取值为0时,等同于光伏发电功率采取预测值;当Γ取值为1时,等同于光伏发电功率采取预测的最大偏差值,通过调节Γ的取值,可以得到在不同保守度下的虚拟电厂最优调度策略,从而兼顾鲁棒性和经济性。
在其中一个实施例中,将所述计及旋转备用服务的虚拟电厂优化调度模型中的光伏发电功率以及运行功率约束按照所述的利用鲁棒优化原理处理后,即转换成计及旋转备用服务的虚拟电厂鲁棒优化调度模型。
在其中一个实施例中,将所述调度参数输入到步骤1构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略的步骤,包括:
输入所述调度参数,在Gams中调用优化求解器求解,获得虚拟电厂最优调度策略,所述虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。
一种利用所述虚拟电厂优化调度方法的计及旋转备用服务的虚拟电厂优化调度系统,包括虚拟电厂鲁棒优化调度模型建模模块、调度参数采集输入模块、虚拟电厂最优调度策略生成模块;
所述虚拟电厂鲁棒优化调度模型建模模块构建计及旋转备用服务的虚拟电厂鲁棒优化调度模型,包括:
1)构建计及旋转备用服务的虚拟电厂优化调度模型,所述虚拟电厂优化调度模型的目标函数计及虚拟电厂提供旋转备用服务而产生的经济效益,所述虚拟电厂优化调度模型的约束条件包括:运行功率约束、空调系统运行约束、燃气轮机运行约束、储能电站运行约束、可中断负荷约束、备用容量约束;
2)对所述虚拟电厂优化调度模型中的光伏发电功率、运行功率约束条件进行鲁棒优化处理,将所述虚拟电厂优化调度模型转换成计及旋转备用服务的虚拟电厂鲁棒优化调度模型;
所述调度参数采集输入模块获取与虚拟电厂调度有关的调度参数,所述调度参数包括:能量市场电价、旋转备用市场电价、燃气轮机燃料成本、燃气轮机固定成本、燃气轮机启动成本、燃气轮机停止成本、负荷中断补偿价格、燃气轮机发电成本、蓄冷池的容量上限、蓄冷池的释冷过程中的能量转换效率、燃气轮机向下爬坡率、燃气轮机向上爬坡率、燃气轮机开机时间的最小值、燃气轮机关机时间的最小值、储能电站储电量最小值、储能电站储电量最大值、充电效率、放电效率和总中断负荷、光伏发电预测功率、光伏发电最大预测偏差;
所述虚拟电厂最优调度策略生成模块将所述调度参数输入到步骤1构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略,所述虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。
上述计及旋转备用服务的虚拟电厂优化调度方法和系统,通过步骤1构建计及旋转备用服务的虚拟电厂优化调度模型;步骤2获取与虚拟电厂调度有关的调度参数,所述调度参数包括:能量市场电价、旋转备用市场电价、燃气轮机燃料成本、燃气轮机固定成本、燃气轮机启动成本、燃气轮机停止成本、负荷中断补偿价格、燃气轮机发电成本、蓄冷池的容量上限、蓄冷池的释冷过程中的能量转换效率、燃气轮机向下爬坡率、燃气轮机向上爬坡率、燃气轮机开机时间的最小值、燃气轮机关机时间的最小值、储能电站储电量最小值、储能电站储电量最大值、充电效率、放电效率和总中断负荷、光伏发电预测功率、光伏发电最大预测偏差;步骤3:将所述调度参数输入到步骤1构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略,所述虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。通过计及旋转备用服务的虚拟电厂鲁棒优化调度模型,考虑虚拟电厂中的光伏发电功率的不确定性,优化调度虚拟电厂中的空调系统、燃气轮机、储能电站、可中断负荷的运行方式,从而发挥虚拟电厂参与旋转备用市场的经济潜力,有效提高虚拟电厂的经济效益。
附图说明
图1为一个实施例中计及旋转备用服务的虚拟电厂优化调度方法的流程示意图;
图2为虚拟电厂单日固定负荷需求图;
图3为能量市场和旋转备用市场电价图;
图4为不同鲁棒控制系数下虚拟电厂在能量市场最优竞标策略结果图;
图5为虚拟电厂发电机、储能、蓄冷池的优化结果图;
图6为中断负荷和备用容量的优化结果图;
图7为不同鲁棒控制系数下虚拟电厂的利润结果图;
图8为一个实施例中计及旋转备用服务的虚拟电厂优化调度系统的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种计及旋转备用服务的虚拟电厂优化调度方法,以该方法应用于终端为例进行说明,包括以下步骤:
步骤1:构建计及旋转备用服务的虚拟电厂鲁棒优化调度模型,包括:
1)构建计及旋转备用服务的虚拟电厂优化调度模型,虚拟电厂优化调度模型的目标函数计及虚拟电厂提供旋转备用服务而产生的经济效益,虚拟电厂优化调度模型的约束条件包括:运行功率约束、空调系统运行约束、燃气轮机运行约束、储能电站运行约束、可中断负荷约束、备用容量约束;
2)对虚拟电厂优化调度模型中的光伏发电功率、运行功率约束条件进行鲁棒优化处理,将虚拟电厂优化调度模型转换成计及旋转备用服务的虚拟电厂鲁棒优化调度模型;
步骤2:获取与虚拟电厂调度有关的调度参数,调度参数包括:能量市场电价、旋转备用市场电价、燃气轮机燃料成本、燃气轮机固定成本、燃气轮机启动成本、燃气轮机停止成本、负荷中断补偿价格、燃气轮机发电成本、蓄冷池的容量上限、蓄冷池的释冷过程中的能量转换效率、燃气轮机向下爬坡率、燃气轮机向上爬坡率、燃气轮机开机时间的最小值、燃气轮机关机时间的最小值、储能电站储电量最小值、储能电站储电量最大值、充电效率、放电效率和总中断负荷、光伏发电预测功率、光伏发电最大预测偏差;
步骤3:将调度参数输入到步骤1构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略,虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。
在一个实施例中,计及旋转备用服务的虚拟电厂优化调度模型的目标函数为:
其中,t表示为时间段,T表示调度周期;表示虚拟电厂参与电力市场收益,由能量市场收益和旋转备用市场收益构成;为t时段能量市场电价;为t时段旋转备用市场电价;Pt em为t时段虚拟电厂在能量市场的竞标量,为决策变量;为t时段虚拟电厂在旋转备用市场的竞标量,为决策变量;为燃气轮机成本,为可中断负荷的补偿成本,为储能电站的运行成本。
在一个实施例中,燃气轮机成本包括运行成本和启停成本,燃气轮机成本根据成本计算公式获取,成本计算公式为:
其中,Pt gas为t时段燃气轮机输出功率;k为燃气轮机燃料成本;kg为燃气轮机固定成本;λsu为燃气轮机启动成本;λsd为燃气轮机停止成本;布尔变量μt、分别表示t时段燃气轮机是否工作、启动、停止,是则置1,否则置0。
在一个实施例中,可中断负荷的补偿成本为:
在一个实施例中,储能电站的运行成本与其充放电功率呈线性关系,表达式如下:
在一个实施例中,空调运行系统约束为:
式中,△t表示时间隔,Pt cold表示空调系统用电量;QAC(t)表示空调总制冷量;为制冷机制冷量;为蓄冷池蓄冷量;为蓄冷池释冷量;为蓄冷池t时段的容量;为蓄冷池t-1时段的容量;Sc,max为蓄冷池的容量上限;ηst为蓄冷池的蓄冷效率;ηre为蓄冷池的释冷效率;uch为制冷机的能量转换效率;ust为蓄冷池的蓄冷过程中的能量转换效率;ure为蓄冷池的释冷过程中的能量转换效率。
在一个实施例中,燃气轮机运行时约束为:
Pt gas≥Pgas,minμt
式中:Pt gas为t时段燃气轮机输出功率;为燃气轮机提供的备用容量;Pgas,min为燃气轮机输出功率最小值;Pgas,max为燃气轮机输出功率最大值;rd为燃气轮机向下爬坡率;ru为燃气轮机向上爬坡率;tu为燃气轮机开机时间的最小值;td为燃气轮机关机时间的最小值;布尔变量ut表示燃气轮机在t时段是否工作;tr为备用时间;为t-1时段燃气轮机输出功率;布尔变量μt-1表示燃气轮机在t-1时段是否工作;为t时段燃气轮机是否启动;为t时段燃气轮机是否停止;t表示为时间段,T表示调度周期。
在一个实施例中,储能电站运行约束为:
μesc+μesd≤1
式中,为储能电站在t时段储电量;表示储能电站在t-1时段储电量;布尔变量μesc表示储能电站在t时段是否充电,μesd表示储能电站在t时段是否放电,是则置1,否则置0;Sesmin为储能电站储电量最小值;Sesmax为储能电站储电量最大值;Pt esc为储能充电功率;Pt esd为储能放电功率;ηesc为充电效率;ηesd为放电效率。
在一个实施例中,可中断负荷约束为:
在一个实施例中,运行功率约束为:
Pt gas+Pt pv+Pt esd=Pt m+Pt el+Pt cold-Pt elcurt+Pt esc
式中,Pt pv为光伏机组出力;Pt m为虚拟电厂在能量市场竞标电量;
在一个实施例中,备用容量约束为:
在一个实施例中,利用鲁棒优化原理处理计及旋转备用服务的虚拟电厂优化调度模型中的光伏发电功率:
为考虑光伏发电功率的不确定性对虚拟电厂优化调度的影响,对虚拟电厂中的光伏发电功率进行鲁棒优化处理,即
式中:ηt为棒鲁系数;为光伏发电功率的不确定表达形式;Pt pv为光伏发电功率预测值;ρt为估计误差系数,即认为光伏发电功率可用发电功率在[(1-ρt)Pt pv,(1+ρt)Pt pv]内波动,其中估计误差系数ρt为0.3。
在一个实施例中,利用鲁棒优化原理,处理计及旋转备用服务的虚拟电厂优化调度模型中的运行功率约束,将其转变为鲁棒运行约束条件:
首先将计及旋转备用服务的虚拟电厂优化调度模型中的运行功率约束变换如下:
式中:Pt elcurt为可中断负荷,Pt el固定负荷;
为叙述方便,使用Ft代表Pt gas+Pt esd-Pt cold+Pt elcurt-Pt esc-Pt em-Pt el,记:
Ft=Pt gas+Pt esd-Pt cold+Pt elcurt-Pt esc-Pt em-Pt el
-Pt pv-ηtρtPt pv≤Ft
为使得光伏发电功率在达到实际预测边界时依旧满足运行约束,引入辅助变量rt,令rt≥|Pt pv|,则
-Pt pv-ηtρtPt pv≤-Pt pv+ρt|Pt pv|≤-Pt pv+ρtrt≤Ft
因此有下式:
为了能够调节决策结果的鲁棒性,兼顾经济效益,引入鲁棒控制系数Γ来控制系统决策的保守度,Γ∈[0,1],Γ取值越大,系统就越保守,通过鲁棒控制系数Γ控制每时段最大偏离预测值计及旋转备用服务的虚拟电厂优化调度模型中的运行功率约束转化为鲁棒运行约束如下:
当计及旋转备用服务的虚拟电厂优化调度模型中Γ取值为0时,等同于光伏发电功率采取预测值;当Γ取值为1时,等同于光伏发电功率采取预测的最大偏差值,通过调节Γ的取值,可以得到在不同保守度下的虚拟电厂最优调度策略,从而兼顾鲁棒性和经济性。
在一个实施例中,将计及旋转备用服务的虚拟电厂优化调度模型中的光伏发电功率以及运行功率约束按照的利用鲁棒优化原理处理后,即转换成计及旋转备用服务的虚拟电厂鲁棒优化调度模型。
在一个实施例中,将调度参数输入到预先构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略的步骤,包括:
输入调度参数,在Gams中调用优化求解器求解,获得虚拟电厂最优调度策略,虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。
其中,Gams全称通用代数建模系统,是数学编程和优化的高级建模系统。它由一个语言编译器和稳定的集成各种高性能的求解器组成能够很好地解决建模线性、非线性和混合整数最优化间题。
上述计及旋转备用服务的虚拟电厂优化调度方法,通过步骤1构建计及旋转备用服务的虚拟电厂优化调度模型;步骤2获取与虚拟电厂调度有关的调度参数,调度参数包括:能量市场电价、旋转备用市场电价、燃气轮机燃料成本、燃气轮机固定成本、燃气轮机启动成本、燃气轮机停止成本、负荷中断补偿价格、燃气轮机发电成本、蓄冷池的容量上限、蓄冷池的释冷过程中的能量转换效率、燃气轮机向下爬坡率、燃气轮机向上爬坡率、燃气轮机开机时间的最小值、燃气轮机关机时间的最小值、储能电站储电量最小值、储能电站储电量最大值、充电效率、放电效率和总中断负荷、光伏发电预测功率、光伏发电最大预测偏差;步骤3:将调度参数输入到步骤1构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略,虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。通过计及旋转备用服务的虚拟电厂鲁棒优化调度模型,考虑虚拟电厂中的光伏发电功率的不确定性,优化调度虚拟电厂中的空调系统、燃气轮机、储能电站、可中断负荷的运行方式,从而发挥虚拟电厂参与旋转备用市场的经济潜力,有效提高虚拟电厂的经济效益。
进一步地,考虑到除了传统发电机组可以提供旋转备用服务,用户侧需求响应的存在也能够提供备用服务参与旋转备用市场,而且还具备成本低,灵活方便等优点。另一方面虚拟电厂在进行调度时需面临光伏出力不确定的影响,鲁棒优化作为一种处理不确定性的方法,具有无需知道不确定参数概率分布、计算简易等优点,能够很好地处理光伏不确定给调度带来的影响。考虑虚拟电厂同时参与电能量和旋转备用市场可提高决策灵活性,并获得市场双重收益,基于各成员参与意愿的基础上最大化自身收益。计及旋转备用服务的虚拟电厂优化调度,使虚拟电厂能同时参与能量和辅助服市场,促进可再生能源的消纳,有效提高虚拟电厂实际收益。
在一个实施例中,以空调系统、燃气轮机机组、光伏机组、储能电站及可中断负荷构成虚拟电厂。考虑虚拟电厂参与的策略,将调度周期设置为1天,分为24个时段。
空调系统参数见表1,燃气轮机具体参数见表2,储能电站的具体参数见表3。虚拟电厂单日固定负荷需求见,能量市场和旋转备用市场电价见图2。光伏发电功率预测曲线以及预测最大偏差见图3。图4为鲁棒控制系数Γ=0、0.5、1时,虚拟电厂在能量市场最优竞标策略,可以看出在光伏电站出力时间段期间,不同鲁棒系数下的虚拟电厂购电量均高于(售电量均小于)确定性模型,并且鲁棒系数越大,虚拟电厂在能量市场的购电量就越多(售电量越少)。图5给出了对应虚拟电厂的每时段燃气轮机最优输出功率,最优储能充电功率、最优储能放电功率、最优蓄冷池蓄冷量、最优蓄冷池释冷量。图6给出了最优中断负荷,每时段虚拟电厂提供的最优总备用容量。从图5和图6可以看出,虚拟电厂通过对各类分布式资源的协调调度,实现资源的整合和优化。
表1空调系统参数
表2燃气轮机参数
表3储能电站参数
图7给出了虚拟电厂鲁棒系数对利润的影响。
以上仿真结果验证了本申请的有效性和实用性。根据优化调度结果发现,相比于只参与能量市场而言,该发明能够获得更大的市场收益。利用鲁棒优化处理光伏出力,能够使得系统同时兼顾鲁棒性和经济性,提高虚拟电厂的实际利润。
在一个实施例中,如图8所示,还提供了一种利用虚拟电厂优化调度方法的计及旋转备用服务的虚拟电厂优化调度系统,包括虚拟电厂鲁棒优化调度模型建模模块310、调度参数采集输入模块320、虚拟电厂最优调度策略生成模块330;
虚拟电厂鲁棒优化调度模型建模模块310构建计及旋转备用服务的虚拟电厂鲁棒优化调度模型,包括:
1)构建计及旋转备用服务的虚拟电厂优化调度模型,虚拟电厂优化调度模型的目标函数计及虚拟电厂提供旋转备用服务而产生的经济效益,虚拟电厂优化调度模型的约束条件包括:运行功率约束、空调系统运行约束、燃气轮机运行约束、储能电站运行约束、可中断负荷约束、备用容量约束;
2)对虚拟电厂优化调度模型中的光伏发电功率、运行功率约束条件进行鲁棒优化处理,将虚拟电厂优化调度模型转换成计及旋转备用服务的虚拟电厂鲁棒优化调度模型;
调度参数采集输入模块320获取与虚拟电厂调度有关的调度参数,调度参数包括:能量市场电价、旋转备用市场电价、燃气轮机燃料成本、燃气轮机固定成本、燃气轮机启动成本、燃气轮机停止成本、负荷中断补偿价格、燃气轮机发电成本、蓄冷池的容量上限、蓄冷池的释冷过程中的能量转换效率、燃气轮机向下爬坡率、燃气轮机向上爬坡率、燃气轮机开机时间的最小值、燃气轮机关机时间的最小值、储能电站储电量最小值、储能电站储电量最大值、充电效率、放电效率和总中断负荷、光伏发电预测功率、光伏发电最大预测偏差;
虚拟电厂最优调度策略生成模块330将调度参数输入到步骤1构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略,虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。
在一个实施例中,计及旋转备用服务的虚拟电厂优化调度模型的目标函数为:
其中,t表示为时间段,T表示调度周期;表示虚拟电厂参与电力市场收益,由能量市场收益和旋转备用市场收益构成;为t时段能量市场电价;为t时段旋转备用市场电价;Pt em为t时段虚拟电厂在能量市场的竞标量,为决策变量;为t时段虚拟电厂在旋转备用市场的竞标量,为决策变量;为燃气轮机成本,为可中断负荷的补偿成本,为储能电站的运行成本。
在一个实施例中,燃气轮机成本包括运行成本和启停成本,燃气轮机成本根据成本计算公式获取,成本计算公式为:
Ct gas=kPt gas+kgμt+λsuμt su+λsdμt sd
其中,Pt gas为t时段燃气轮机输出功率;k为燃气轮机燃料成本;kg为燃气轮机固定成本;λsu为燃气轮机启动成本;λsd为燃气轮机停止成本;布尔变量μt、分别表示t时段燃气轮机是否工作、启动、停止,是则置1,否则置0。
在一个实施例中,可中断负荷的补偿成本为:
在一个实施例中,储能电站的运行成本与其充放电功率呈线性关系,表达式如下:
在一个实施例中,空调运行系统约束为:
式中,△t表示时间隔,Pt cold表示空调系统用电量;QAC(t)表示空调总制冷量;为制冷机制冷量;为蓄冷池蓄冷量;为蓄冷池释冷量;为蓄冷池t时段的容量;为蓄冷池t-1时段的容量;Sc,max为蓄冷池的容量上限;ηst为蓄冷池的蓄冷效率;ηre为蓄冷池的释冷效率;uch为制冷机的能量转换效率;ust为蓄冷池的蓄冷过程中的能量转换效率;ure为蓄冷池的释冷过程中的能量转换效率。
在一个实施例中,燃气轮机运行时约束为:
Pt gas≥Pgas,minμt
Pt gas+Rt gas≤Pgas,maxμt
Rt gas≤rutr
式中:Pt gas为t时段燃气轮机输出功率;Rt gas为燃气轮机提供的备用容量;Pgas,min为燃气轮机输出功率最小值;Pgas,max为燃气轮机输出功率最大值;rd为燃气轮机向下爬坡率;ru为燃气轮机向上爬坡率;tu为燃气轮机开机时间的最小值;td为燃气轮机关机时间的最小值;布尔变量ut表示燃气轮机在t时段是否工作;tr为备用时间;为t-1时段燃气轮机输出功率;布尔变量μt-1表示燃气轮机在t-1时段是否工作;为t时段燃气轮机是否启动;为t时段燃气轮机是否停止;t表示为时间段,T表示调度周期。
在其中一个实施例中,储能电站运行约束为:
μesc+μesd≤1
式中,为储能电站在t时段储电量;表示储能电站在t-1时段储电量;布尔变量μesc表示储能电站在t时段是否充电,μesd表示储能电站在t时段是否放电,是则置1,否则置0;Sesmin为储能电站储电量最小值;Sesmax为储能电站储电量最大值;Pt esc为储能充电功率;Pt esd为储能放电功率;ηesc为充电效率;ηesd为放电效率。
在一个实施例中,可中断负荷约束为:
在一个实施例中,运行功率约束为:
Pt gas+Pt pv+Pt esd=Pt m+Pt el+Pt cold-Pt elcurt+Pt esc
式中,Pt pv为光伏机组出力;Pt m为虚拟电厂在能量市场竞标电量;
在其中一个实施例中,备用容量约束为:
在一个实施例中,利用鲁棒优化原理处理计及旋转备用服务的虚拟电厂优化调度模型中的光伏发电功率:
为考虑光伏发电功率的不确定性对虚拟电厂优化调度的影响,对虚拟电厂中的光伏发电功率进行鲁棒优化处理,即
式中:ηt为棒鲁系数;为光伏发电功率的不确定表达形式;Pt pv为光伏发电功率预测值;ρt为估计误差系数,即认为光伏发电功率可用发电功率在[(1-ρt)Pt pv,(1+ρt)Pt pv]内波动,其中估计误差系数ρt为0.3。
在一个实施例中,利用鲁棒优化原理,处理计及旋转备用服务的虚拟电厂优化调度模型中的运行功率约束,将其转变为鲁棒运行约束条件:
首先将计及旋转备用服务的虚拟电厂优化调度模型中的运行功率约束变换如下:
式中:Pt elcurt为可中断负荷,Pt el固定负荷;
为叙述方便,使用Ft代表Pt gas+Pt esd-Pt cold+Pt elcurt-Pt esc-Pt em-Pt el,记:
Ft=Pt gas+Pt esd-Pt cold+Pt elcurt-Pt esc-Pt em-Pt el
-Pt pv-ηtρtPt pv≤Ft
为使得光伏发电功率在达到实际预测边界时依旧满足运行约束,引入辅助变量rt,令rt≥|Pt pv|,则
因此有下式:
为了能够调节决策结果的鲁棒性,兼顾经济效益,引入鲁棒控制系数Γ来控制系统决策的保守度,Γ∈[0,1],Γ取值越大,系统就越保守,通过鲁棒控制系数Γ控制每时段最大偏离预测值ΓρtPt pv,计及旋转备用服务的虚拟电厂优化调度模型中的运行功率约束转化为鲁棒运行约束如下:
当计及旋转备用服务的虚拟电厂优化调度模型中Γ取值为0时,等同于光伏发电功率采取预测值;当Γ取值为1时,等同于光伏发电功率采取预测的最大偏差值,通过调节Γ的取值,可以得到在不同保守度下的虚拟电厂最优调度策略,从而兼顾鲁棒性和经济性。
在一个实施例中,将计及旋转备用服务的虚拟电厂优化调度模型中的光伏发电功率以及运行功率约束按照的利用鲁棒优化原理处理后,即转换成计及旋转备用服务的虚拟电厂鲁棒优化调度模型。
在一个实施例中,将调度参数输入到步骤1构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略的步骤,包括:
输入调度参数,在Gams中调用优化求解器求解,获得虚拟电厂最优调度策略,虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。
上述计及旋转备用服务的虚拟电厂优化调度系统,通过虚拟电厂鲁棒优化调度模型建模模块构建计及旋转备用服务的虚拟电厂优化调度模型;调度参数采集输入模块获取与虚拟电厂调度有关的调度参数,调度参数包括:能量市场电价、旋转备用市场电价、燃气轮机燃料成本、燃气轮机固定成本、燃气轮机启动成本、燃气轮机停止成本、负荷中断补偿价格、燃气轮机发电成本、蓄冷池的容量上限、蓄冷池的释冷过程中的能量转换效率、燃气轮机向下爬坡率、燃气轮机向上爬坡率、燃气轮机开机时间的最小值、燃气轮机关机时间的最小值、储能电站储电量最小值、储能电站储电量最大值、充电效率、放电效率和总中断负荷、光伏发电预测功率、光伏发电最大预测偏差;虚拟电厂最优调度策略生成模块将调度参数输入到步骤1构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略,虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。通过计及旋转备用服务的虚拟电厂鲁棒优化调度模型,考虑虚拟电厂中的光伏发电功率的不确定性,优化调度虚拟电厂中的空调系统、燃气轮机、储能电站、可中断负荷的运行方式,从而发挥虚拟电厂参与旋转备用市场的经济潜力,有效提高虚拟电厂的经济效益。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (16)
1.一种计及旋转备用服务的虚拟电厂优化调度方法,其特征在于,所述方法包括:
步骤1:构建计及旋转备用服务的虚拟电厂鲁棒优化调度模型,包括:
1)构建计及旋转备用服务的虚拟电厂优化调度模型,所述虚拟电厂优化调度模型的目标函数计及虚拟电厂提供旋转备用服务而产生的经济效益,所述虚拟电厂优化调度模型的约束条件包括:运行功率约束、空调系统运行约束、燃气轮机运行约束、储能电站运行约束、可中断负荷约束、备用容量约束;
2)对所述虚拟电厂优化调度模型中的光伏发电功率、运行功率约束条件进行鲁棒优化处理,将所述虚拟电厂优化调度模型转换成计及旋转备用服务的虚拟电厂鲁棒优化调度模型;
步骤2:获取与虚拟电厂调度有关的调度参数,所述调度参数包括:能量市场电价、旋转备用市场电价、燃气轮机燃料成本、燃气轮机固定成本、燃气轮机启动成本、燃气轮机停止成本、负荷中断补偿价格、燃气轮机发电成本、蓄冷池的容量上限、蓄冷池的释冷过程中的能量转换效率、燃气轮机向下爬坡率、燃气轮机向上爬坡率、燃气轮机开机时间的最小值、燃气轮机关机时间的最小值、储能电站储电量最小值、储能电站储电量最大值、充电效率、放电效率和总中断负荷、光伏发电预测功率、光伏发电最大预测偏差;
步骤3:将所述调度参数输入到步骤1构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略,所述虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。
7.根据权利要求6所述的计及旋转备用服务的虚拟电厂优化调度方法,其特征在于:
所述燃气轮机运行时约束为:
Pt gas≥Pgas,minμt
10.根据权利要求9所述的计及旋转备用服务的虚拟电厂优化调度方法,其特征在于:
所述运行功率约束为:
Pt gas+Pt pv+Pt esd=Pt m+Pt el+Pt cold-Pt elcurt+Pt esc
式中,Pt pv为光伏机组出力;Pt m为虚拟电厂在能量市场竞标电量;
13.根据权利要求12所述的计及旋转备用服务的虚拟电厂优化调度方法,其特征在于:
利用鲁棒优化原理,处理所述计及旋转备用服务的虚拟电厂优化调度模型中的运行功率约束,将其转变为鲁棒运行约束条件:
首先将计及旋转备用服务的虚拟电厂优化调度模型中的运行功率约束变换如下:
式中:Pt elcurt为可中断负荷,Pt el固定负荷;
为叙述方便,使用Ft代表Pt gas+Pt esd-Pt cold+Pt elcurt-Pt esc-Pt em-Pt el,记:
Ft=Pt gas+Pt esd-Pt cold+Pt elcurt-Pt esc-Pt em-Pt el
-Pt pv-ηtρtPt pv≤Ft
为使得光伏发电功率在达到实际预测边界时依旧满足运行约束,引入辅助变量rt,令rt≥|Pt pv|,则
-Pt pv-ηtρtPt pv≤-Pt pv+ρt|Pt pv|≤-Pt pv+ρtrt≤Ft
因此有下式:
为了能够调节决策结果的鲁棒性,兼顾经济效益,引入鲁棒控制系数Γ来控制系统决策的保守度,Γ∈[0,1],Γ取值越大,系统就越保守,通过鲁棒控制系数Γ控制每时段最大偏离预测值ΓρtPt pv,计及旋转备用服务的虚拟电厂优化调度模型中的运行功率约束转化为鲁棒运行约束如下:
当所述计及旋转备用服务的虚拟电厂优化调度模型中Γ取值为0时,等同于光伏发电功率采取预测值;当Γ取值为1时,等同于光伏发电功率采取预测的最大偏差值,通过调节Γ的取值,可以得到在不同保守度下的虚拟电厂最优调度策略,从而兼顾鲁棒性和经济性。
14.根据权利要求1至13中任一项所述的计及旋转备用服务的虚拟电厂优化调度方法,其特征在于:
将所述计及旋转备用服务的虚拟电厂优化调度模型中的光伏发电功率以及运行功率约束按照所述的利用鲁棒优化原理处理后,即转换成计及旋转备用服务的虚拟电厂鲁棒优化调度模型。
15.根据权利要求1至13中任一项所述的计及旋转备用服务的虚拟电厂优化调度方法,其特征在于,将所述调度参数输入到步骤1构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略的步骤,包括:
输入所述调度参数,在Gams中调用优化求解器求解,获得虚拟电厂最优调度策略,所述虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。
16.一种利用权利要求1-15任一项权利要求所述虚拟电厂优化调度方法的计及旋转备用服务的虚拟电厂优化调度系统,包括虚拟电厂鲁棒优化调度模型建模模块、调度参数采集输入模块、虚拟电厂最优调度策略生成模块;其特征在于:
所述虚拟电厂鲁棒优化调度模型建模模块构建计及旋转备用服务的虚拟电厂鲁棒优化调度模型,包括:
1)构建计及旋转备用服务的虚拟电厂优化调度模型,所述虚拟电厂优化调度模型的目标函数计及虚拟电厂提供旋转备用服务而产生的经济效益,所述虚拟电厂优化调度模型的约束条件包括:运行功率约束、空调系统运行约束、燃气轮机运行约束、储能电站运行约束、可中断负荷约束、备用容量约束;
2)对所述虚拟电厂优化调度模型中的光伏发电功率、运行功率约束条件进行鲁棒优化处理,将所述虚拟电厂优化调度模型转换成计及旋转备用服务的虚拟电厂鲁棒优化调度模型;
所述调度参数采集输入模块获取与虚拟电厂调度有关的调度参数,所述调度参数包括:能量市场电价、旋转备用市场电价、燃气轮机燃料成本、燃气轮机固定成本、燃气轮机启动成本、燃气轮机停止成本、负荷中断补偿价格、燃气轮机发电成本、蓄冷池的容量上限、蓄冷池的释冷过程中的能量转换效率、燃气轮机向下爬坡率、燃气轮机向上爬坡率、燃气轮机开机时间的最小值、燃气轮机关机时间的最小值、储能电站储电量最小值、储能电站储电量最大值、充电效率、放电效率和总中断负荷、光伏发电预测功率、光伏发电最大预测偏差;
所述虚拟电厂最优调度策略生成模块将所述调度参数输入到步骤1构建的计及旋转备用服务的虚拟电厂鲁棒优化调度模型中,进行虚拟电厂调度分析,获得虚拟电厂最优调度策略,所述虚拟电厂最优调度策略包括每时段燃气轮机输出功率,储能充电功率、储能放电功率、蓄冷池蓄冷量、蓄冷池释冷量、中断负荷,每时段虚拟电厂提供的总备用容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111542038.8A CN114444851A (zh) | 2021-12-16 | 2021-12-16 | 一种计及旋转备用服务的虚拟电厂优化调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111542038.8A CN114444851A (zh) | 2021-12-16 | 2021-12-16 | 一种计及旋转备用服务的虚拟电厂优化调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114444851A true CN114444851A (zh) | 2022-05-06 |
Family
ID=81364297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111542038.8A Pending CN114444851A (zh) | 2021-12-16 | 2021-12-16 | 一种计及旋转备用服务的虚拟电厂优化调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114444851A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115411725A (zh) * | 2022-08-26 | 2022-11-29 | 北京东润环能科技股份有限公司 | 虚拟电厂的协调控制方法、装置、电子设备及存储介质 |
CN116523193A (zh) * | 2023-03-08 | 2023-08-01 | 上海电享信息科技有限公司 | 一种虚拟电厂储能调度方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-16 CN CN202111542038.8A patent/CN114444851A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115411725A (zh) * | 2022-08-26 | 2022-11-29 | 北京东润环能科技股份有限公司 | 虚拟电厂的协调控制方法、装置、电子设备及存储介质 |
CN116523193A (zh) * | 2023-03-08 | 2023-08-01 | 上海电享信息科技有限公司 | 一种虚拟电厂储能调度方法、装置、电子设备及存储介质 |
CN116523193B (zh) * | 2023-03-08 | 2024-01-26 | 上海电享信息科技有限公司 | 一种虚拟电厂储能调度方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A coordinated dispatch method with pumped-storage and battery-storage for compensating the variation of wind power | |
CN111628503B (zh) | 考虑广义储能与火电联合调峰的优化调度方法 | |
CN110492534B (zh) | 计及灵活性的含风电电力系统随机优化调度方法 | |
CN109118024B (zh) | 一种考虑火电机组多阶段状态转移的电力系统多资源调度方法 | |
CN114444851A (zh) | 一种计及旋转备用服务的虚拟电厂优化调度方法及系统 | |
CN113193547A (zh) | 计及新能源及负荷区间不确定性的电力系统日前-日内协同调度方法与系统 | |
Liang et al. | Inertia pricing in stochastic electricity markets | |
Wang et al. | A hierarchical control algorithm for managing electrical energy storage systems in homes equipped with PV power generation | |
CN113659627A (zh) | 一种含光伏发电和液态空气储能的微电网优化调度方法 | |
Meng et al. | Optimal operation of virtual power plant considering power-to-hydrogen systems | |
CN116191556A (zh) | 考虑新能源消纳和机组组合的5g基站需求响应方法及系统 | |
Chang et al. | Model predictive control based energy collaborative optimization management for energy storage system of virtual power plant | |
CN105305485A (zh) | 一种消纳大规模间歇性能源的安全约束经济调度方法 | |
Tian et al. | Coordinated RES and ESS Planning Framework Considering Financial Incentives Within Centralized Electricity Market | |
Bruninx et al. | Improved energy storage system & unit commitment scheduling | |
Yao et al. | Determination of a dispatch strategy to maximize income for a wind turbine-BESS power station | |
Meng et al. | Research on the Full-Life-Cycle Operation Benefit Estimation of the Battery Energy Storage Station Anticipating the Ancillary Service Market in China | |
Xiaoyun et al. | Short-term hydro power scheduling under the electricity market environment | |
Ma et al. | Short-term Operation Optimization Considering Demand Response and Energy Storage Flexibility | |
Li et al. | Method of Market Participation for Wind/Photovoltaic/Energy Storage Based on KKT Condition | |
Cao et al. | A Novel Game-Theoretic-based Security-Constrained Unit Commitment Including Wind and Vehicle-to-Grid | |
Zhang et al. | Extended LMP under high-penetration wind power | |
Zheng et al. | Hybrid modeling and optimization for Energy Management System of MicroGrid | |
Zhang et al. | Equilibrium models of electricity market considering wind power producer and electric vehicle aggregator | |
Li et al. | Fast Solution Method for the Large-Scale Unit Commitment Problem with Long-Term Storage |
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 |