CN114491997A - 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统 - Google Patents

考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统 Download PDF

Info

Publication number
CN114491997A
CN114491997A CN202210036810.7A CN202210036810A CN114491997A CN 114491997 A CN114491997 A CN 114491997A CN 202210036810 A CN202210036810 A CN 202210036810A CN 114491997 A CN114491997 A CN 114491997A
Authority
CN
China
Prior art keywords
power plant
time
virtual power
demand response
cost
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.)
Granted
Application number
CN202210036810.7A
Other languages
English (en)
Other versions
CN114491997B (zh
Inventor
曹晓冬
黄奇峰
左强
徐晴
赵双双
薛波
薛幻幻
陈飞
朱君
乐玉熳
王昭阳
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.)
State Grid Jiangsu Electric Power Co ltd Marketing Service Center
State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Jiangsu Electric Power Co ltd Marketing Service Center
State Grid Jiangsu Electric Power Co Ltd
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 State Grid Jiangsu Electric Power Co ltd Marketing Service Center, State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Jiangsu Electric Power Co ltd Marketing Service Center
Priority to CN202210036810.7A priority Critical patent/CN114491997B/zh
Publication of CN114491997A publication Critical patent/CN114491997A/zh
Application granted granted Critical
Publication of CN114491997B publication Critical patent/CN114491997B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

一种考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统，方法包括以下步骤：步骤1，基于分时电价和可中断负载，构建虚拟电厂的需求响应策略，将部分负荷从高峰转移到低谷；步骤2，在步骤1的基础上，结合调度DG的发电量、电动汽车充放电以及需求响应，构建虚拟电厂的混合整数线性规划模型；步骤3，对步骤2获得的虚拟电厂的混合整数线性规划模型进行求解，获得虚拟电厂的运行条件，将求解结果下发至控制器，在虚拟电厂运行当日执行。本发明能够有效推动提高能源利用效率，减少虚拟电厂运行成本、提高利润，为可再生能源的利用提供技术支持。

Description

考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统
技术领域
本发明属于虚拟电厂技术领域，更具体地，涉及一种考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统。
背景技术
随着人们对更可靠的能源系统的需求日益增加，其能源使用的多样性也在不断增加，降低能源资源的消耗，提高能源利用效率，这些问题亟待解决。克服上述挑战的方法之一是将多个发电机组(Distributed Generation，DG)以虚拟电厂(Virtual Power Plant，VPP)的形式集成起来。VPP是DG、可调度负载和分布式能源存储的组合，通过通信技术支持和控制各种类型的DG。通过VPP可以减少DG的生成不确定性、偏差损失和增加总利润。
现有技术中，有研究者提出了一种基于风险的随机框架，用于考虑需求响应(Demand Response，DR)参与的VPP的短期能源和储备调度。在考虑负荷、风能和电价不确定性的情况下，提出的调度框架是一个风险约束的随机规划，以使VPP的利润最大化。
现有技术中，更多的研究侧重于单纯的DR参与VPP的调度。随着电动汽车(Electric Vehicle，电动汽车)的逐渐普及，并网电动汽车作为一种值得关注的能量存储系统(Distributed Energy Storage System，DESS)供应解决方案被提出。有学者提出了一种电动汽车充放电管理的需求响应模型，以降低电力零售商的能源供应成本。在这方面研究大多使用一种成本函数，其目标是使电动汽车充电的供能成本最小化，以往的研究很少在目标函数中同时考虑DR和电动汽车。
发明内容
为解决现有技术中存在的不足，本发明的目的在于，提供了一种考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统，推动提高能源利用效率，减少虚拟电厂运行成本、提高利润，为可再生能源的利用提供技术支持。
本发明采用如下的技术方案。本发明第一方面，涉及一种考虑需求响应及电动汽车的虚拟电厂运行优化方法，包括以下步骤：步骤1，基于分时电价和可中断负载，构建虚拟电厂的需求响应策略，将部分负荷从高峰转移到低谷；步骤2，在步骤1的基础上，结合调度DG的发电量、电动汽车充放电以及需求响应，构建虚拟电厂的混合整数线性规划模型；步骤3，对步骤2获得的虚拟电厂的混合整数线性规划模型进行求解，获得虚拟电厂的运行条件，将求解结果下发至控制器，在虚拟电厂运行当日执行。
优选的，步骤1具体包括：步骤1.1，同时考虑基于分时电价的需求响应和基于激励的中断负荷构建虚拟电厂的需求响应，将部分负荷从高峰转移到低谷，实现负载均衡；步骤1.2，构建虚拟电厂的需求响应约束条件，在优化期间，负荷的总功耗应该保持不变；步骤1.3，构建负荷中断成本函数。
优选的，步骤1.1中，负载均衡以如下公式(1)表示，
D(L，t)＝d(L，t)+dup(L，t)-ddo(L，t) (1)
式中：
D(L，t)表示负荷L执行分时电价后在t时刻的耗电量，
d(L，t)表示负荷L在t时刻的预测耗电量，
dup(L，t)表示负荷L在t时刻响应能原价格变化所增加的功耗，
ddo(L，t)表示负荷L在t时刻响应能原价格变化所减少的功耗。
优选的，步骤1.2中，负荷的总功耗应该保持不变，以如下公式(2)表示，
Figure BDA0003468765410000021
式中：
T表示优化持续时间。
优选的，步骤1.3中，负荷中断成本函数以如下公式(7)表示，
CIL(j，t)＝β(j)QIL(j，t) (7)
式中：
CIL(j，t)表示断电减少的成本，
β(j)表示中断成本或延迟负载j的成本，
QIL(j，t)表示可中断负载在t时刻降低的电量。
优选的，步骤2具体包括：步骤2.1，构建虚拟电厂单日调度成本函数，包括：虚拟电厂DG发电的成本部分，从主电网接收电力的成本部分，电动车充放电的成本部分，中断负载的成本部分，电动汽车响应的成本部分；步骤2.2，构建虚拟电厂单日调度成本目标函数的约束条件，虚拟电厂单日调度成本目标函数受实际存在的电网和需求响应的限制和约束。
优选的，步骤2.1中，虚拟电厂单日调度成本函数以如下公式(8)表示，
f＝f1+f2+f3+f4+f5 (8)
式中：
f表示虚拟电厂单日调度成本函数，
f1表示DG发电的成本，
f2表示从主电网接收电力的成本，
f3表示电动车充放电的成本，
f4表示中断负载的成本，
f5表示电动汽车需求响应的成本。
优选的，步骤2.1具体包括：步骤2.1.1，构建虚拟电厂DG发电的成本函数，以如下公式(9)表示，
Figure BDA0003468765410000031
式中：
f1表示发电成本，
PDc(DG，t)表示t时刻DG机组的发电量，
CDG(DG，t)表示t时刻DG机组的发电成本，
NDG表示可用DG机组资源数量；
步骤2.1.2，构建从主电网接收电力的成本函数，以如下公式(10)表示，
Figure BDA0003468765410000032
式中：
f2表示从主电网接收电力的成本，
PG(t)表示在t时刻从主电网接收的电量，
CG(t)表示在t时刻从电网购买的电量电价，
当VPP在t时刻向主电网注入电力时，FG(t)的量是负的，此时f2为负值；步骤2.1.3，构建电动车充放电的成本函数，以如下公式(11)表示，
Figure BDA0003468765410000041
式中：
PDisCharge(V，t)表示车辆V在t时刻放电功率，
CDisCharge(V，t)表示车辆V在t时刻放电价格，
PCharge(V，t)表示车辆V在t时刻充电功率，
CCharge(V，t)表示车辆V在t时刻充电价格，
NV表示电动汽车的总数量；
步骤2.1.4，构建中断负载的成本函数，以如下公式(12)表示，
Figure BDA0003468765410000042
式中：
f4表示中断负载成本，
PIL(L，t)表示负载L在t时刻的中断使用的电量，
CIL(L，t)表示该电源在t时刻的价格，
NIL表示可中断负载的数量；
步骤2.1.5，构建电动汽车响应的成本函数，以如下公式(13)表示，
Figure BDA0003468765410000043
式中：
ETripRed(V，t)表示车辆V在t时刻行驶距离减小所减少的电能，
CTripRed(V，t)表示车辆V的ETripRed(V，t)在t时刻的价格，
Z(V)表示车辆V的出行时间变化，是一个二进制变量，
CShift(V)表示车辆V的行程时间变化的价格。
优选的，步骤2.2具体包括：步骤2.2.1，构建发电量和电能消耗的约束，以如下公式(15)表示，
Figure BDA0003468765410000051
步骤2.2.2，构建虚拟电厂各个DG发电量的限制，以如下公式(16)表示，
Figure BDA0003468765410000052
式中：
PDGmin(DG，t)表示在t时刻DG发电量的最小值，
PDGmax(DG，t)表示在t时刻DG发电量的最大值；
步骤2.2.3，构建虚拟电厂接受主电网电能限制，以如下公式(17)表示，
Figure BDA0003468765410000053
式中：
PGmin(t)表示在t时刻从主电网接受电能的最小值，
PCmax(t)表示在t时刻从主电网接受电能的最大值；
步骤2.2.4，构建电动汽车充电模式约束，定义两个二元决策变量X(V，t)和Y(V，t)；X(V，t)与充电模式有关，Y(V，t)与放电模式有关，以如下公式(18)表示，
Figure BDA0003468765410000054
式中：
X(V，t)表示充电模式决策变量，仅当车辆处于充电模式时为1，
Y(V，t)表示放电模式决策变量，仅当车辆处于放电模式时为1；
步骤2.2.5，构建电动汽车电池储能约束，以如下公式(19)表示，
Figure BDA0003468765410000055
式中：
EStore(V，t)表示车辆V电池在当前时间间隔的储能，
EStore(V，t-1)表示车辆V前一个时间间隔电池的电量，
PCharge(V，t)表示前一个时间间隔的充电量，
ETrip(V，t)表示当前间隔出行电能消耗量，
PDisCharge(V，t)表示当前间隔时间电池的放电量；
步骤2.2.6，构建电动汽车电池充电量限制，以如下公式(20)表示，
Figure BDA0003468765410000061
式中：
EBatCap(V)表示车辆V的电池容量，
ηc(V)表示车辆V的充电效率；
步骤2.2.7，构建电动汽车电池放电量限制，以如下公式(21)表示，
Figure BDA0003468765410000062
式中：
ηd(V)表示车辆V的放电效率；
步骤2.2.8，构建电动汽车电池储能量限制，以如下公式(22)表示，
Figure BDA0003468765410000063
步骤2.2.9，构建电动汽车车出行电能需求量限制，以如下公式(23)表示，
Figure BDA0003468765410000064
式中：
EMinCharge(V，tLast)表示上一次出行前电池电量最小存储量。
优选的，步骤3中，将求解结果下发至控制器执行之前，还包括：通过仿真验证一种考虑需求响应及电动汽车的虚拟电厂运行优化方法的可行性和正确性。
优选的，仿真验证包括对不参与需求响应的电动汽车无序充电场景和基于价格需求响应的电动汽车智能充电场景进行模拟仿真，并对比仿真结果。
本发明第二方面，涉及一种考虑需求响应及电动汽车的虚拟电厂运行优化系统，运行根据权本发明第一方面中所述的一种考虑需求响应及电动汽车的虚拟电厂运行优化方法。
与现有技术相比，本发明的有益效果至少包括：首先考虑可中断负荷和分时电价的需求响应机制，然后构建基于需求响应与电动汽车的虚拟电厂混合整数线性规划(MixedInteger Linear Programming，MILP)模型，考虑了发电机、电动汽车等约束问题，最后利用仿真实验验证方法的可行性与有效性，能够有效解决VPP中能源分配问题，节约运行成本。
附图说明
图1为本发明一种考虑需求响应及电动汽车的虚拟电厂运行优化方法仿真模型中虚拟电厂结构图；
图2为本发明一种考虑需求响应及电动汽车的虚拟电厂运行优化方法中虚拟电厂负荷曲线；
图3为本发明一种考虑需求响应及电动汽车的虚拟电厂运行优化方法中每条母线上连接的电动汽车数量分布图；
图4为本发明一种考虑需求响应及电动汽车的虚拟电厂运行优化方法中一天24小时并网电动汽车数量和出行车辆数量示意图；
图5为本发明一种考虑需求响应及电动汽车的虚拟电厂运行优化方法中电动汽车不参与需求响应时的电网负荷示意图；
图6为本发明一种考虑需求响应及电动汽车的虚拟电厂运行优化方法中电动汽车参与需求响应时的电网负荷示意图；
图7为本发明一种考虑需求响应及电动汽车的虚拟电厂运行优化方法中负荷响应前后24h内的电能消耗示意图；
图8是本发明一种考虑需求响应及电动汽车的虚拟电厂运行优化方法的流程图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。
在本发明优选但非限制性的实施方式中，
进一步优选地，
如图8所示，本发明的实施例1提供了一种考虑需求响应及电动汽车的虚拟电厂运行优化方法，包括以下步骤：
步骤1，基于分时电价和可中断负载，构建虚拟电厂的需求响应策略，将部分负荷从高峰转移到低谷。在本发明优选但非限制性的实施方式中，步骤1具体包括：
步骤1.1，同时考虑基于分时电价的需求响应和基于激励的中断负荷构建虚拟电厂的需求响应策略，为了达到降低负荷峰值的目标，填补低谷(低负荷小时数)，平衡负荷，将部分负荷从高峰转移到低谷，负载均衡以如下公式(1)表示，
D(L，t)＝d(L，t)+dup(L，t)-ddo(L，t) (1)
式中：
D(L，t)表示负荷L执行分时电价后在t时刻的耗电量，
d(L，t)表示负荷L在t时刻的预测耗电量，
dup(L，t)表示负荷L在t时刻响应能原价格变化所增加的功耗，
ddo(L，t)表示负荷L在t时刻响应能原价格变化所减少的功耗。
步骤1.2，构建虚拟电厂的需求响应约束条件，更具体地，负载的功耗可以在每小时增加或减少，但在优化期间，负荷的总功耗应该保持不变，以如下公式(2)表示，
Figure BDA0003468765410000081
式中：
T表示优化持续时间，为1～24h，为一天。
类似地，负载设置有特定的范围，并且只有一部分负载参与基于价格的需求响应。因此，变量的上下边界，即负荷L在t时刻响应能原价格变化所增加的功耗dup(L，t)和所减少的功耗ddo(L，t)必须被限制，以如下公式(3)-(6)表示，
Bup(L)≥dup(L，t)≥0 (3)
Bdo(L)≥ddo(L，t)≥0 (4)
Figure BDA0003468765410000091
Figure BDA0003468765410000092
式中：
Bup(L)表示负载L的最大允许增加量，Bdo(L)表示负载L的最大允许减少量，Bup(L)和Bdo(L)确定载荷位移的上限，
εup(L)表示负载L的增加弹性系数，εdo(L)表示负载L的减少弹性系数，确定荷载位移的下限，
Pr(t)表示在t时刻的价格，Prref表示在t时刻的参考价格。
步骤1.3，构建负荷中断成本函数，更具体地，在高峰时段或电力系统发生故障的时段，负荷中断可以降低需求。因此，负荷中断可以认为是特殊储备能力，它可以增加需求端的灵活性，降低需求端的灵活性备用成本和最优的功率分配，负荷中断成本函数以如下公式(7)表示，
CIL(j，t)＝β(j)QIL(j，t) (7)
式中：
CIL(j，t)表示断电减少的成本，
β(j)表示中断成本或延迟负载j的成本，β(j)的值是根据VPP和需求方之间的契约确定的，
QIL(j，t)表示可中断负载在t时刻降低的电量。
步骤2，考虑调度DG的发电量、电动汽车充放电以及需求响应，构建虚拟电厂的混合整数线性规划模型。具体地，基于调度DG的发电量、电动汽车的充放电以及使虚拟电厂成为可能的需求响应，将所考虑的问题表示为混合整数线性规划，目标是管理未来一天的能源。虚拟电厂中的发用电能设备包括电动汽车电池、各种类型的可分布单元(DistributedUnit，DU)类型DG(例如但不限于，微型涡轮机)和非分布单元(Non-Distributed Unit，NDU)类型DG(例如但不限于，光伏和/或风力涡轮机)以及响应负载。虚拟电厂还能够与主电网交换能量。此外，运营商可以将多余的电力出售给主电网，从而使虚拟电厂的利润最大化。在对V2G(Vehicle to Grid)电动汽车进行放电和充电时，需要考虑到电动汽车车主的生活必需品和消费模式。
在本发明优选但非限制性的实施方式中，步骤2具体包括：
步骤2.1，VPP中的能源设备包括电动汽车电池、各种类型的可分布单元(DU)和非分布单元(NDU)以及相应负载，考虑需求响应，构建单日的调度成本函数，包括：虚拟电厂DG发电的成本部分，从主电网接收电力的成本部分，电动车充放电的成本部分，中断负载的成本部分，电动汽车响应的成本部分；更具体地，虚拟电厂单日调度成本函数以如下公式(8)表示，
f＝f1+f2+f3+f4+f5 (8)
式中：
f表示虚拟电厂单日调度成本函数，
f1表示DG发电的成本，
f2表示从主电网接收电力的成本，
f3表示电动车充放电的成本，
f4表示中断负载的成本，
f5表示电动汽车需求响应的成本。
值得注意的是，本发明给出的虚拟电厂单日的调度成本函数仅是一种优选但非限制性的实施方式，包括在下文中各个成本函数的构建，当前实施例中给出的均是优选方式，采用更多具体的成本函数，或者更少的成本函数，或者其它类型的成本函数，以及采用其它方式计算成本函数均落入本发明的构思范围之内。
在一个优选但非限制性的实施方式中，单日可以是次日，或是其他的未来任意一天。
进一步优选地，步骤2.1具体包括：
步骤2.1.1，构建虚拟电厂DG发电的成本函数，以如下公式(9)表示，
Figure BDA0003468765410000101
式中：
f1表示发电成本，
PDG(DG，t)表示t时刻DG机组的发电量，
CDG(DG，t)表示t时刻DG机组的发电成本，
NDG表示可用DG机组资源数量。
步骤2.1.2，构建从主电网接收电力的成本函数，以如下公式(10)表示，
Figure BDA0003468765410000111
式中：
f2表示从主电网接收电力的成本，
PG(t)表示在t时刻从主电网接收的电量，
CG(t)表示在t时刻从电网购买的电量电价，
值得注意的是，当VPP在t时刻向主电网注入电力时，PG(t)的量是负的，此时f2为负值。
步骤2.1.3，构建电动车充放电的成本函数，以如下公式(11)表示，
Figure BDA0003468765410000112
式中：
PDisCharge(V，t)表示车辆V在t时刻放电功率，
CDisCharge(V，t)表示车辆V在t时刻放电价格，
PCharge(V，t)表示车辆V在t时刻充电功率，
CCharge(V，t)表示车辆V在t时刻充电价格，
NV表示电动汽车的总数量。
步骤2.1.4，构建中断负载的成本函数，以如下公式(12)表示，
Figure BDA0003468765410000113
式中：
f4表示中断负载成本，
PIL(L，t)表示负载L在t时刻的中断使用的电量，
CIL(L，t)表示该电源在t时刻的价格，
NIL表示可中断负载的数量。
步骤2.1.5，构建电动汽车响应的成本函数，以如下公式(13)表示，
Figure BDA0003468765410000121
式中：
ETripRed(V，t)表示车辆V在t时刻行驶距离减小所减少的电能，
CTripRed(V，t)表示车辆V的ETripRed(V，t)在t时刻的价格，
Z(V)表示车辆V的出行时间变化，是一个二进制变量，
CShift(V)表示车辆V的行程时间变化的价格。
值得注意的是，电动汽车的需求响应被认为是出行距离的减少和出行时间的改变。为了这个目的，提前与电动汽车车主签订合同，如果他们减少行程距离和改变行程时间，将给予奖励。因此，使用此方法的需求响应会产生成本，而这种成本对电动汽车车主来说是一种激励。因此，虚拟电厂成本目标函数的最后一项与电动汽车的响应成本有关。
结合步骤2.1.1至步骤2.1.5，考虑需求响应，单日(次日)的调度成本函数以如下公式(14)表示，目标是通过管理未来一天的能源，优化虚拟电厂的运行条件，需要使得公式(14)中的成本函数最小；
Figure BDA0003468765410000122
值得注意的是，如虚拟电厂单日的调度成本函数的不同项所示，这个函数是基于时间定义的。调度间隔是任意的，每天可以分为24段，每段时间间隔为1小时。也可以将时间间隔定义为30分钟或15分钟，但应该注意的是，时间间隔数量的增加将增加最优调度的时间和计算量。
步骤2.2，构建虚拟电厂单日调度成本目标函数的约束条件，所述虚拟电厂单日调度成本目标函数必须考虑实际存在的电网和需求响应的所有限制和约束。在本发明优选但非限制性的实施方式中，步骤2.2具体包括：
步骤2.2.1，构建发电量和电能消耗的约束，虚拟电厂DGs产生电能、车辆和电源的放电能力以及从电网购买等于负载的消费能力的总和，以如下公式(15)表示，
Figure BDA0003468765410000131
步骤2.2.2，构建虚拟电厂各个DG发电量的限制，以如下公式(16)表示，
Figure BDA0003468765410000132
式中：
PDGmin(DG，t)表示在t时刻DG发电量的最小值，
PDGmax(DG，t)表示在t时刻DG发电量的最大值。
步骤2.2.3，构建虚拟电厂接受主电网电能限制，以如下公式(17)表示，
Figure BDA0003468765410000133
式中：
PCmin(t)表示在t时刻从主电网接受电能的最小值，
FGmax(t)表示在t时刻从主电网接受电能的最大值。
步骤2.2.4，构建电动汽车充电模式约束，定义两个二元决策变量X(V，t)和Y(V，t)；X(V，t)与充电模式有关，Y(V，t)与放电模式有关，以如下公式(18)表示，
Figure BDA0003468765410000134
式中：
X(V，t)表示充电模式决策变量，仅当车辆处于充电模式时为1，
Y(V，t)表示放电模式决策变量，仅当车辆处于放电模式时为1。
步骤2.2.5，构建电动汽车电池储能约束，电动汽车电池在当前时间间隔的储能决于前一个时间间隔电池的电量、前一个时间间隔的充电量、当前间隔出行电能消耗量、当前间隔时间电池的放电量，以如下公式(19)表示，
Figure BDA0003468765410000141
式中：
EStore(V，t)表示车辆V电池在当前时间间隔的储能，
EStore(V，t-1)表示车辆V前一个时间间隔电池的电量，
PCharqe(V，t)表示前一个时间间隔的充电量，
ETrip(V，t)表示当前间隔出行电能消耗量，
PDisCharqe(V，t)表示当前间隔时间电池的放电量。
步骤2.2.6，构建电动汽车电池充电量限制，以如下公式(20)表示，
Figure BDA0003468765410000142
式中：
EBatCap(V)表示车辆V的电池容量。
ηc(V)表示车辆V的充电效率。
步骤2.2.7，构建电动汽车电池放电量限制，以如下公式(21)表示，
Figure BDA0003468765410000143
式中：
ηd(V)表示车辆V的放电效率。
步骤2.2.8，构建电动汽车电池储能量限制，以如下公式(22)表示，
Figure BDA0003468765410000144
步骤2.2.9，构建电动汽车车出行电能需求量限制，以如下公式(23)表示，
Figure BDA0003468765410000145
式中：
EMinCharge(V，tLast)表示上一次出行前电池电量最小存储量。
值得注意的是，上述步骤2.2.1至步骤2.2.9的前后顺序可以任意调整，任意顺序完成上述约束条件构建均落入本发明的核心构思范围之内。
步骤3，对步骤2获得的虚拟电厂的混合整数线性规划模型进行求解，获得虚拟电厂的运行条件，将求解结果下发至控制器，在虚拟电厂运行当日执行。
在本发明进一步优选但非限制性的实施方式中，将求解结果下发至控制器执行之前，还包括：通过仿真验证所述一种考虑需求响应及电动汽车的虚拟电厂运行优化方法的可行性和正确性。更具体地，仿真验证包括对不参与需求响应的电动汽车无序充电场景和基于价格需求响应的电动汽车智能充电场景进行模拟仿真，并对比仿真结果。
为了更加清楚地介绍本发明的实施方式，以下介绍基于本发明的运行实例，如图1至8所示。
(1)案例描述
在本案例中，所采用的VPP是一个32总线12.66kW的系统。VPP的结构如图1所示。其由218个用户组成，其峰值消费值为4.2GW。由图1，VPP中有66个DG，VPP中的DG类型及特性见表1。
表1DG类型及特征
DG型 单元数量 最小功率(kW) 最大功率(kW) 总容量(kW)
光伏 32 3 30 558
风电 5 100 200 700
废物发电 1 10 10 10
CHP 15 10 100 10
燃料电池 8 10 50 235
生物质发电 3 100 150 350
水力发电 2 30 40 70
假设的VPP有10个电力供应商，他们从主电网购买电力并将其卖给VPP。采用1小时的时间步长，进行一天(24h)的模拟。VPP中一天内24h负荷曲线如图2所示。每小时负荷参数的最大增减幅度分别为8％和7％。荷载增减弹性系数分别设为0.04和0.03。为了对基于负荷转移的需求响应进行建模，将所有母线负荷总和大于3.25MW的时段作为高峰负荷时段。
对于电动汽车的行为建模的数据。图1给出的系统包括2059辆电动汽车，分布在32条VPP总线上。假设指定电动汽车到电网的连接总线。每条母线上的电动汽车数量如图3所示。如图4为一天中每小时并网电动汽车数量和出行车辆数量。
(2)仿真验证
模拟假设两个场景：
场景1：不参与需求响应的电动汽车无序充电
场景2：基于价格需求响应的电动汽车智能充电。
在模拟中，电动汽车的充放电成本分别设定为70$/MW和90$/MW。由于行程距离的减少而降低的充电能量成本被认为是50$/MW。电动汽车可以从参与需求响应计划中受益。假设负载中断成本为200$/MW，电动汽车出行距离减少最大值为30％。
A.场景1仿真结果：
本场景假设所有电动汽车均不参与需求响应方案，同时缺乏放电能力。此外，假设其他负荷也避免参与基于价格的需求响应方案，所有系统母线的负荷保持固定不变。根据仿真结果，得到的场景1目标函数的值6721.5$。
对于电动汽车不受控充电情况，由于电动汽车分布不协调，在某些时段内充电所需功率显著增加，可能导致VPP线路拥堵和超载。从图5可以看出，VPP主峰负荷处的耗电量增加，负荷峰值变得更加严重。因此，电动汽车对智能充电的需求是毋庸置疑的。
B.场景二仿真结果：
在此场景下，电动汽车参与基于价格的需求响应，有序智能的进行充电，能够将负荷从高峰时间转移到非高峰时间。在此场景下获得的成本函数值为6387.36$。与场景1比较，使用基于价格的需求响应降低了能源成本。相关能源成本下降了0.62％。
图6显示了使用基于价格的需求响应将负载从高峰时间转移到非高峰时间，从而在高峰时间负载减少，而在非高峰时间负载增加。在高峰负荷期间，连接电网的电动汽车被排出，因此，成本较高的机组的运行可能被推迟。用电高峰时段，由电网负荷决定，从10：00到9：00。在18到22小时之间，电动汽车将通过放电供应高峰负荷。然而，一旦电网负荷在夜间下降，车辆就开始充电，以填补负荷曲线的空洞。这样，就不再需要关闭基本负载发电机，从而消除了与重新操作有关的费用。减少了从昂贵的能源来源购买能源的需要，VPP的运营成本也降低了。图7为场景1与场景2的负荷响应前后24h时间间隔内的功率对比。
从仿真结果来看，基于价格的需求响应方案和电动汽车智能充电降低了负荷峰值，使负荷曲线趋于平缓。这将进一步降低VPP的管线压力、电力损耗和运行成本。可以认为需求响应是实现VPP更优运行的有力工具，提供了更大的经济和技术优势。
以上仿真结果验证了本发明所构模型有效性和实用性。该模型能给决策者提供了更大的抉择空间，使投资商能够在更多情况下做出最优规划决策，从而提高所建VPP的运行成本。
以上仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对部分参数进行调整，这些调整也应视为本发明的保护范围。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

Claims (12)

1.一种考虑需求响应及电动汽车的虚拟电厂运行优化方法，其特征在于，包括以下步骤：
步骤1，基于分时电价和可中断负载，构建虚拟电厂的需求响应策略，将部分负荷从高峰转移到低谷；
步骤2，在步骤1的基础上，结合调度DG的发电量、电动汽车充放电以及需求响应，构建虚拟电厂的混合整数线性规划模型；
步骤3，对步骤2获得的虚拟电厂的混合整数线性规划模型进行求解，获得虚拟电厂的运行条件，将求解结果下发至控制器，在虚拟电厂运行当日执行。
2.根据权利要求1所述的一种考虑需求响应及电动汽车的虚拟电厂运行优化方法，其特征在于：
步骤1具体包括：
步骤1.1，同时考虑基于分时电价的需求响应和基于激励的中断负荷构建虚拟电厂的需求响应，将部分负荷从高峰转移到低谷，实现负载均衡；
步骤1.2，构建虚拟电厂的需求响应约束条件，在优化期间，负荷的总功耗应该保持不变；
步骤1.3，构建负荷中断成本函数。
3.根据权利要求2所述的一种考虑需求响应及电动汽车的虚拟电厂运行优化方法，其特征在于：
步骤1.1中，负载均衡以如下公式(1)表示，
D(L，t)＝d(L，t)+dup(L，t)-ddo(L，t) (1)
式中：
D(L，t)表示负荷L执行分时电价后在t时刻的耗电量，
d(L，t)表示负荷L在t时刻的预测耗电量，
dup(L，t)表示负荷L在t时刻响应能原价格变化所增加的功耗，
ddo(L，t)表示负荷L在t时刻响应能原价格变化所减少的功耗。
4.根据权利要求2所述的一种考虑需求响应及电动汽车的虚拟电厂运行优化方法，其特征在于：
步骤1.2中，负荷的总功耗应该保持不变，以如下公式(2)表示，
Figure FDA0003468765400000021
式中：
T表示优化持续时间。
5.根据权利要求4所述的一种考虑需求响应及电动汽车的虚拟电厂运行优化方法，其特征在于：
步骤1.3中，负荷中断成本函数以如下公式(7)表示，
CIL(j，t)＝β(j)QIL(j，t) (7)
式中：
CIL(j，t)表示断电减少的成本，
β(j)表示中断成本或延迟负载j的成本，
QIL(j，t)表示可中断负载在t时刻降低的电量。
6.根据权利要求5所述的一种考虑需求响应及电动汽车的虚拟电厂运行优化方法，其特征在于：
步骤2具体包括：
步骤2.1，构建虚拟电厂单日调度成本函数，包括：虚拟电厂DG发电的成本部分，从主电网接收电力的成本部分，电动车充放电的成本部分，中断负载的成本部分，电动汽车响应的成本部分；
步骤2.2，构建虚拟电厂单日调度成本目标函数的约束条件，所述虚拟电厂单日调度成本目标函数受实际存在的电网和需求响应的限制和约束。
7.根据权利要求6所述的一种考虑需求响应及电动汽车的虚拟电厂运行优化方法，其特征在于：
步骤2.1中，虚拟电厂单日调度成本函数以如下公式(8)表示，
f＝f1+f2+f3+f4+f5 (8)
式中：
f表示虚拟电厂单日调度成本函数，
f1表示DG发电的成本，
f2表示从主电网接收电力的成本，
f3表示电动车充放电的成本，
f4表示中断负载的成本，
f5表示电动汽车需求响应的成本。
8.根据权利要求7所述的一种考虑需求响应及电动汽车的虚拟电厂运行优化方法，其特征在于：
步骤2.1具体包括：
步骤2.1.1，构建虚拟电厂DG发电的成本函数，以如下公式(9)表示，
Figure FDA0003468765400000031
式中：
f1表示发电成本，
PDG(DG，t)表示t时刻DG机组的发电量，
CDG(DG，t)表示t时刻DG机组的发电成本，
NDG表示可用DG机组资源数量；
步骤2.1.2，构建从主电网接收电力的成本函数，以如下公式(10)表示，
Figure FDA0003468765400000032
式中：
f2表示从主电网接收电力的成本，
PG(t)表示在t时刻从主电网接收的电量，
CG(t)表示在t时刻从电网购买的电量电价，
当VPP在t时刻向主电网注入电力时，PG(t)的量是负的，此时f2为负值；
步骤2.1.3，构建电动车充放电的成本函数，以如下公式(11)表示，
Figure FDA0003468765400000033
式中：
PDisCharge(V，t)表示车辆V在t时刻放电功率，
CDisCharge(V，t)表示车辆V在t时刻放电价格，
PCharge(V，t)表示车辆V在t时刻充电功率，
CCharge(V，t)表示车辆V在t时刻充电价格，
NV表示电动汽车的总数量；
步骤2.1.4，构建中断负载的成本函数，以如下公式(12)表示，
Figure FDA0003468765400000041
式中：
f4表示中断负载成本，
PIL(L，t)表示负载L在t时刻的中断使用的电量，
CIL(L，t)表示该电源在t时刻的价格，
NIL表示可中断负载的数量；
步骤2.1.5，构建电动汽车响应的成本函数，以如下公式(13)表示，
Figure FDA0003468765400000042
式中：
ETripRed(V，t)表示车辆V在t时刻行驶距离减小所减少的电能，
CTripRed(V，t)表示车辆V的ETripRed(V，t)在t时刻的价格，
Z(V)表示车辆V的出行时间变化，是一个二进制变量，
CShift(V)表示车辆V的行程时间变化的价格。
9.根据权利要求8所述的一种考虑需求响应及电动汽车的虚拟电厂运行优化方法，其特征在于：
骤2.2具体包括：
步骤2.2.1，构建发电量和电能消耗的约束，以如下公式(15)表示，
Figure FDA0003468765400000043
步骤2.2.2，构建虚拟电厂各个DG发电量的限制，以如下公式(16)表示，
Figure FDA0003468765400000044
式中：
PDGmin(DG，t)表示在t时刻DG发电量的最小值，
PDGmax(DG，t)表示在t时刻DG发电量的最大值；
步骤2.2.3，构建虚拟电厂接受主电网电能限制，以如下公式(17)表示，
Figure FDA0003468765400000051
式中：
PGmin(t)表示在t时刻从主电网接受电能的最小值，
PGmax(t)表示在t时刻从主电网接受电能的最大值；
步骤2.2.4，构建电动汽车充电模式约束，定义两个二元决策变量X(V，t)和Y(V，t)；X(V，t)与充电模式有关，Y(V，t)与放电模式有关，以如下公式(18)表示，
Figure FDA0003468765400000052
式中：
X(V，t)表示充电模式决策变量，仅当车辆处于充电模式时为1，
Y(V，t)表示放电模式决策变量，仅当车辆处于放电模式时为1；
步骤2.2.5，构建电动汽车电池储能约束，以如下公式(19)表示，
Figure FDA0003468765400000053
式中：
EStore(V，t)表示车辆V电池在当前时间间隔的储能，
EStore(V，t-1)表示车辆V前一个时间间隔电池的电量，
PCharge(V，t)表示前一个时间间隔的充电量，
ETrip(V，t)表示当前间隔出行电能消耗量，
PDisCharge(V，t)表示当前间隔时间电池的放电量；
步骤2.2.6，构建电动汽车电池充电量限制，以如下公式(20)表示，
Figure FDA0003468765400000054
式中：
EBatCap(V)表示车辆V的电池容量，
ηc(V)表示车辆V的充电效率；
步骤2.2.7，构建电动汽车电池放电量限制，以如下公式(21)表示，
Figure FDA0003468765400000061
式中：
ηd(V)表示车辆V的放电效率；
步骤2.2.8，构建电动汽车电池储能量限制，以如下公式(22)表示，
Figure FDA0003468765400000062
步骤2.2.9，构建电动汽车车出行电能需求量限制，以如下公式(23)表示，
Figure FDA0003468765400000063
式中：
EMinCharge(V，tLast)表示上一次出行前电池电量最小存储量。
10.根据权利要求9所述的一种考虑需求响应及电动汽车的虚拟电厂运行优化方法，其特征在于：
步骤3中，将求解结果下发至控制器执行之前，还包括：通过仿真验证所述一种考虑需求响应及电动汽车的虚拟电厂运行优化方法的可行性和正确性。
11.根据权利要求10所述的一种考虑需求响应及电动汽车的虚拟电厂运行优化方法，其特征在于：
仿真验证包括对不参与需求响应的电动汽车无序充电场景和基于价格需求响应的电动汽车智能充电场景进行模拟仿真，并对比仿真结果。
12.一种考虑需求响应及电动汽车的虚拟电厂运行优化系统，其特征在于：
运行根据权利要求1-11任意一项所述的一种考虑需求响应及电动汽车的虚拟电厂运行优化方法。
CN202210036810.7A 2022-01-13 2022-01-13 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统 Active CN114491997B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210036810.7A CN114491997B (zh) 2022-01-13 2022-01-13 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210036810.7A CN114491997B (zh) 2022-01-13 2022-01-13 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统

Publications (2)

Publication Number Publication Date
CN114491997A true CN114491997A (zh) 2022-05-13
CN114491997B CN114491997B (zh) 2024-05-10

Family

ID=81512512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210036810.7A Active CN114491997B (zh) 2022-01-13 2022-01-13 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统

Country Status (1)

Country Link
CN (1) CN114491997B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115498705A (zh) * 2022-10-18 2022-12-20 国网安徽省电力有限公司芜湖供电公司 基于共享储能的虚拟电厂调度方法
CN117977599A (zh) * 2024-03-28 2024-05-03 国网浙江新兴科技有限公司 含有电动汽车的虚拟电厂的调度方法、系统、设备和介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106169117A (zh) * 2016-06-24 2016-11-30 河海大学 一种虚拟电厂日前和实时竞标模型
CN106300336A (zh) * 2016-07-22 2017-01-04 华北电力大学 一种计及负荷侧和电源侧的虚拟电厂多目标优化调度方法
CN108960510A (zh) * 2018-07-04 2018-12-07 四川大学 一种基于两阶段随机规划的虚拟电厂优化交易策略模型
CN110188950A (zh) * 2019-05-30 2019-08-30 三峡大学 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106169117A (zh) * 2016-06-24 2016-11-30 河海大学 一种虚拟电厂日前和实时竞标模型
CN106300336A (zh) * 2016-07-22 2017-01-04 华北电力大学 一种计及负荷侧和电源侧的虚拟电厂多目标优化调度方法
CN108960510A (zh) * 2018-07-04 2018-12-07 四川大学 一种基于两阶段随机规划的虚拟电厂优化交易策略模型
CN110188950A (zh) * 2019-05-30 2019-08-30 三峡大学 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周亦洲等: "计及电动汽车和需求响应的多类电力市场下虚拟电厂竞标模型", 电网技术, vol. 41, no. 6, 30 June 2017 (2017-06-30), pages 0 *
贲树俊等: "考虑需求响应虚拟电厂的新能源电力系统两阶段优化调度研究", 电力需求侧管理, vol. 22, no. 1, 31 January 2020 (2020-01-31), pages 41 - 47 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115498705A (zh) * 2022-10-18 2022-12-20 国网安徽省电力有限公司芜湖供电公司 基于共享储能的虚拟电厂调度方法
CN115498705B (zh) * 2022-10-18 2024-08-13 国网安徽省电力有限公司芜湖供电公司 基于共享储能的虚拟电厂调度方法
CN117977599A (zh) * 2024-03-28 2024-05-03 国网浙江新兴科技有限公司 含有电动汽车的虚拟电厂的调度方法、系统、设备和介质
CN117977599B (zh) * 2024-03-28 2024-06-11 国网浙江新兴科技有限公司 含有电动汽车的虚拟电厂的调度方法、系统、设备和介质

Also Published As

Publication number Publication date
CN114491997B (zh) 2024-05-10

Similar Documents

Publication Publication Date Title
Mahmud et al. Peak-load reduction by coordinated response of photovoltaics, battery storage, and electric vehicles
Rabiee et al. Optimal operation of microgrids through simultaneous scheduling of electrical vehicles and responsive loads considering wind and PV units uncertainties
Li et al. Emission-concerned wind-EV coordination on the transmission grid side with network constraints: Concept and case study
Dagdougui et al. Peak load reduction in a smart building integrating microgrid and V2B-based demand response scheme
Mehrjerdi et al. Energy and uncertainty management through domestic demand response in the residential building
Talebizadeh et al. Evaluation of plug-in electric vehicles impact on cost-based unit commitment
Ghofrani et al. A framework for optimal placement of energy storage units within a power system with high wind penetration
Atwa et al. Optimal allocation of ESS in distribution systems with a high penetration of wind energy
CN111882105B (zh) 含共享储能系统的微电网群及其日前经济优化调度方法
Mehrjerdi Resilience oriented vehicle-to-home operation based on battery swapping mechanism
ElNozahy et al. Probabilistic ESS sizing and scheduling for improved integration of PHEVs and PV systems in residential distribution systems
CN114491997B (zh) 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统
Carrión et al. Scheduling isolated power systems considering electric vehicles and primary frequency response
CN116061742B (zh) 一种分时电价光伏园区内电动汽车的充电控制方法和系统
Kim et al. Field study on operational performance and economics of lithium-polymer and lead-acid battery systems for consumer load management
Wang et al. A hierarchical control algorithm for managing electrical energy storage systems in homes equipped with PV power generation
Khayatzadeh et al. Optimizing the operation of energy storage embedded energy hub concerning the resilience index of critical load
Hafiz et al. Solar generation, storage, and electric vehicles in power grids: challenges and solutions with coordinated control at the residential level
Attou et al. Improved peak shaving and valley filling using V2G technology in grid connected Microgrid
Sadeghian et al. Risk-averse scheduling of virtual power plants considering electric vehicles and demand response
CN113765105A (zh) 基于动态随机模型的微电网群能量管理方法
CN110826210B (zh) 基于功率互联的多区域楼宇虚拟电厂建模及优化协调方法
Verzijlbergh et al. The role of electric vehicles on a green island
Chandio et al. Gridpeaks: Employing distributed energy storage for grid peak reduction
Roy et al. Stochastic power allocation of distributed tri-generation plants and energy storage units in a zero bus microgrid with electric vehicles and demand response

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