CN114519249A - 考虑用户体验的虚拟电厂运行优化方法及其应用 - Google Patents

考虑用户体验的虚拟电厂运行优化方法及其应用 Download PDF

Info

Publication number
CN114519249A
CN114519249A CN202111456862.1A CN202111456862A CN114519249A CN 114519249 A CN114519249 A CN 114519249A CN 202111456862 A CN202111456862 A CN 202111456862A CN 114519249 A CN114519249 A CN 114519249A
Authority
CN
China
Prior art keywords
power
heat storage
power plant
virtual power
model
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
CN202111456862.1A
Other languages
English (en)
Inventor
李楠
李红霞
马雪
李芳�
杨帆
胡文保
李显桃
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 Qinghai Electric Power Co Clean Energy Development Research Institute
State Grid Qinghai Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Qianghai Electric Power Co Ltd
Original Assignee
State Grid Qinghai Electric Power Co Clean Energy Development Research Institute
State Grid Qinghai Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Qianghai 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 Qinghai Electric Power Co Clean Energy Development Research Institute, State Grid Qinghai Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Qianghai Electric Power Co Ltd filed Critical State Grid Qinghai Electric Power Co Clean Energy Development Research Institute
Priority to CN202111456862.1A priority Critical patent/CN114519249A/zh
Publication of CN114519249A publication Critical patent/CN114519249A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/04Constraint-based CAD
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/06Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

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

Abstract

考虑用户体验的虚拟电厂运行优化方法及其应用,该方法包括:构建虚拟电厂各单元模型,具体包括电热锅炉出力模型、分布式能源机组出力模型、蓄电\蓄热模型、需求响应模型,从而确定了虚拟电厂运行内部组成的具体情况;构建考虑用户体验的虚拟电厂运行优化模型,该模型以虚拟电厂运行成本最小、用户体验最优为目标函数,并构建约束条件,包括电力供需平衡、电热锅炉运行、蓄电设备运行、蓄热设备运行、需求响应约束和旋转备用等约束;本发明最终得到包含分布式能源、电热锅炉、蓄能设备以及需求响应资源的虚拟电厂在各时段优化调度结果,以对虚拟电厂供需两侧进行优化,在提高系统整体经济效能同时,使用户满意度、舒适度得到提升。

Description

考虑用户体验的虚拟电厂运行优化方法及其应用
技术领域
本发明属于优化技术领域,尤其涉及虚拟电厂运行优化技术领域,公开一种考虑用户体验的虚拟电厂运行优化方法及其应用。
背景技术
为应对严峻的环境污染形势,我国电力供应方式正朝着清洁型、分散型的趋势发展。电力体制改革的不断深化也带动电力工业从供应侧单方面管理向供需双侧全方面管理而转变。随着能源互联网技术的发展,分布式电源、需求响应、电动汽车等需求侧资源参与电力系统规划将成为电力工业的发展趋势。虚拟电厂(VPP)能够整合区域内分布式能源、可控负荷及储能系统,通过能量管理系统合并为整体参与电网运行,利用不同能源之间的时空互补性,构建多能源互联互通的高效利用平台,可有效抑制可再生能源出力的波动性,实现更高能源利用率、更好环保性和更低能源成本等多功能目标。在当前节能减排背景下,虚拟电厂能够有效管理分散的分布式能源,促使其参与电力系统运行与电力交易。
到目前为止,传统的虚拟电厂优化研究更侧重于内部DG能量调配以及对外网提供市场交易等辅助服务方面,未能很好地从人性化的角度构建虚拟电厂运行优化模型,难以在虚拟电厂的实际运行中调动用户的积极性,不利于需求响应持续性开展。
因此,考虑用户体验的虚拟电厂运行优化方法是本领域技术人员亟需解决的问题。
发明内容
为了解决现有技术中的不足,本发明提供一种考虑用户体验的虚拟电厂运行优化方法,包括以下几个步骤:
步骤1:构建虚拟电厂各单元模型,该模型具体包括电热锅炉出力模型、分布式能源机组出力模型、蓄电/蓄热模型、需求响应模型,从而确定了虚拟电厂运行内部组成的具体情况;
步骤2:构建考虑用户体验的虚拟电厂运行优化模型,该模型以虚拟电厂运行成本最小、用户体验最优为目标函数,并构建约束条件,包括电力供需平衡约束、电热锅炉运行约束、蓄电设备运行约束、蓄热设备运行约束、需求响应约束和旋转备用约束;
步骤3:基于NSGA-II的多目标求解算法。
本发明还公开一种将上述方法应用于虚拟电厂运行中。在虚拟电厂系统框架的基础上加入需求侧用户意愿,综合考虑人类的自主决策行为,充分挖掘虚拟电厂的互动机制和调控潜力,对虚拟电厂供需两侧进行优化,在再提高系统的整体经济效能的同时,使用户用能满意度、舒适度得到提升。
有益效果
在提高系统的整体经济效能的同时,使用户用能满意度、舒适度得到提升。
附图说明
图1为本发明虚拟电厂系统结构图;
图2为本发明基于NSGA-II的多目标求解算法流程图。
具体实施方式
考虑用户体验的虚拟电厂运行优化方法,包括以下几个步骤:
步骤1:构建虚拟电厂各单元模型,该模型具体包括电热锅炉出力模型、分布式能源机组出力模型、蓄电/蓄热模型、需求响应模型,从而确定了虚拟电厂运行内部组成的具体情况;虚拟电厂内可以聚合风电、光伏等可再生能源,考虑到这些能源输出功率的不确定性,虚拟电厂内部通常会通过蓄能系统与之合理配合,以实现系统高电能质量的输出。同时采用电热锅炉替代燃气锅炉,能有效提升虚拟电厂电气化水平,并且搭载蓄热设备实现系统热负荷灵活性调节。因此本专利研究的虚拟电厂的系统架构如图1所示,具体包括风电机组、光伏机组、电热锅炉和蓄电蓄热设备。
(1)电热锅炉出力模型
QEB(t)=gEB(t)·ηEB (1)
式中:QEB(t)为电锅炉t时刻的供热功率,gEB(t)为电锅炉t时的工作消耗的电量,ηEB为电热转换效率;
(2)分布式能源机组出力模型
风电机组输出功率与其性能、风速相关,输出功率与风速之间的关系可用下式描述:
Figure BDA0003386892900000031
式中:PWT,k,t
Figure BDA0003386892900000032
vk,t分别为第k台风电机组在t时段的实际输出功率、额定功率和风电机组所处地理位置的实际风速;
Figure BDA0003386892900000033
Figure BDA0003386892900000034
分别为第k台风电机组的额定风速、切入风速和切出风速;
光伏发电机组的输出功率主要跟光照强度、环境温度相关,其出力模型如下所示为:
Figure BDA0003386892900000041
式中:gPV,t表示第t时段的光伏机组出力;SPV,t表示第t时段的光照强度;gSTC表示标准测试条件下的最大出力;Tc,t表示电池板第t 时段的工作温度;Tr表示参考温度;TWSTC表示标准测试条件下的机组转化效率;λ表示电池板温度转换参数;
(3)蓄电/蓄热模型
蓄电池蓄能系统(Energy Storage,ES)存在充电状态、放电状态、停运状态二种运行状态,蓄电池充放电是一个动态过程,本专利从蓄电池的储能量及充放电功率方面建模。蓄电池储能量的变化与蓄电池的充放电功率、效率有关,蓄电池采用动态的数学模型为:
EES(t+1)=EES(t)(1-σES)+PES,c(t)ηES,cΔt-PES,d(t)Δt/ηES,d (4)
式中EES(t+1)、EES(t)分别为t+1、t时刻的蓄电池的储能量(kWh);PES,c(t)、PES,d(t)分别为t时刻蓄电池的充电、放电功率(kW);ηES.c、ηES.d分别为蓄电池的充电、放电效率;σES为蓄电池自身放电率;Δt为t+1、 t时刻间隔,即充放电用时(h);
蓄热装置(Heat Storage,HS)与蓄电池储能系统类似,存在储热、放热、停运三种工作状态,蓄热装置的储放热是一个动态过程,蓄热装置中热量变化与蓄热装置储放热功率、储放热效率有关,处于能量动态平衡状态,其数学模型为:
EHS(t+1)=EHS(t)(1-σHS)+PHS,c(t)ηHS,cΔt-PHS,d(t)Δt/ηHS,d (5)
式中EHS(t+1)、EHS(t)分别为t+1、t时刻蓄热装置的储热量(kWh);PHS,c(t)、PHS,d(t)分别为t时刻蓄热装置的蓄热、放热功率(kW);ηHS.c、ηHS.d分别为蓄热装置的蓄热、放热效率;σHS为蓄热装置自身热损失系数;Δt为t+1、t时刻间隔,即储放热用时(h);
(4)需求响应
需求响应可通过调节负荷侧的用电行为,引导负荷的自主性变化,从而对虚拟电厂发电调度产生正向影响。本专利引入激励型需求响应(IBDR),以可中断负荷作为响应资源,需求响应的成本为负荷响应前后虚拟电厂(VPP)售电收入的差额。负荷响应前后,虚拟电厂(VPP)的售电收益分别为:
Figure BDA0003386892900000051
Figure BDA0003386892900000052
式中,
Figure BDA0003386892900000053
分别为可中断负荷实施前后的系统收益,λt load为内部负荷的售电价格,Pt load
Figure BDA0003386892900000054
为可中断负荷前后的相应出力,是决策变量;a、b分别为补偿函数的二次项和一次项系数。需求响应的成本
Figure BDA0003386892900000055
为:
Figure BDA0003386892900000056
步骤2:构建考虑用户体验的虚拟电厂运行优化模型,该模型以虚拟电厂运行成本最小、用户体验最优为目标函数,并构建约束条件,包括电力供需平衡约束、电热锅炉运行约束、储电设备运行约束、储热设备运行约束、需求响应约束和旋转备用约束;
(1)目标函数
1)经济性目标
在实现碳中和目标的同时,虚拟电厂运行尽量争取其成本的最小化,虚拟电厂的总成本包括发电机组的燃料成本与外购电成本。因此,本文选择最小化运行成本作为优化目标,具体目标函数如下:
Figure BDA0003386892900000061
式中,Fcost表示虚拟电厂总运行成本;PEG,t和gEG,t分别表示虚拟电厂在时刻t的外购电量和外购电价格;CEB,t表示t时刻电热锅炉供热用电成本;CWPP,t与CPV,t分别表示风电与光伏机组在时刻t的发电成本;CCS,t和CHS,t分别表示t时刻储电系统和储热系统的出力成本;
Figure BDA0003386892900000062
表示t时刻的需求响应成本;
2)用户体验
以用户方式满意度量化用户体验程度,定义用电方式满意度E为响应前后负荷曲线的改变程度:
Figure BDA0003386892900000063
式中Pt,eload和Pt,dr,elod分别为响应前后t时刻的负荷量;
用电方式满意度与柔性负荷如热水器、空调等可调节能力有关。式(10)表示用户用电方式的改变程度越大,用电方式满意度越低,当用户负荷曲线未改变时,仍按最满意方式安排用电方式,此时ε值为1,ε的取值范围为[0,1]。
(2)约束条件
1)电力供需平衡约束
Figure BDA0003386892900000064
式中,gPV,t和gWPP,t分别为光伏机组(PV)和风电机组(WPP)在时刻t的发电出力,主要取决于自然来风和光伏辐射强度;
Figure BDA0003386892900000071
Figure BDA0003386892900000072
表示蓄电池在时刻t的放电和充电功率;ΔLDR,t表示需求响应在时刻 t提供的出力;gEG,t表示虚拟电厂在时刻t的外购电量;Lt表示时刻 t的电负荷需求;
2)电热锅炉运行约束
Figure BDA0003386892900000073
式中:QEB(t)为电热锅炉实际运行功率;
Figure BDA0003386892900000074
为电热锅炉运行功率下限;
Figure BDA0003386892900000075
为电热锅炉运行功率上限;
3)蓄电设备运行约束
蓄电设备运行需要考虑最大充放电功率约束和自身蓄电池容量约束,具体约束如下:
Figure BDA0003386892900000076
Figure BDA0003386892900000077
Figure BDA0003386892900000078
式中,gESS,t和SESS,t表示蓄电设备(ESS)在t时刻的实际充放电功率和蓄电量;
Figure BDA0003386892900000079
Figure BDA00033868929000000710
别表示ESS在t时刻的最大充放电功率;
Figure BDA00033868929000000711
Figure BDA00033868929000000712
别表示ESS在t时刻的最大和最小蓄电量;SESS,t+1表示ESS 在t+1时刻的蓄电量;
Figure BDA00033868929000000713
Figure BDA00033868929000000714
分别表示ESS在t时刻的充电和放电功率。
4)蓄热设备运行约束
蓄热设备运行同样也应考虑蓄热系统功率约束和蓄热容量约束,具体约束如下:
Figure BDA0003386892900000081
Figure BDA0003386892900000082
式中:
Figure BDA0003386892900000083
为蓄热系统最小功率;QHS(t)为蓄热系统实际运行功率;
Figure BDA0003386892900000084
为蓄热系统最大功率;
Figure BDA0003386892900000085
为蓄热系统最小蓄热容量;SHS(t)为蓄热系统实际蓄热容量;
Figure BDA0003386892900000086
为蓄热系统最大蓄热容量。
5)需求响应约束
利用激励型需求响应(PBDR),可实现负荷的有效平移和削减。为了避免负荷的峰谷倒挂现象产生,最大化平缓不同负荷的需求曲线进行的约束:
Figure BDA0003386892900000087
Figure BDA0003386892900000088
其中,ΔLDR,t表示负荷在t时段的实际变动程度;
Figure BDA0003386892900000089
表示负荷在t时段的最大变动程度uDR,t表示需求响应的运行状态;T表示需求响应总时段;
Figure BDA00033868929000000810
表示需求响应负荷最大变动程度。
6)旋转备用约束
Figure BDA00033868929000000811
Figure BDA00033868929000000812
式中,GVPP,t表示虚拟电厂在t时刻的总输出;
Figure BDA00033868929000000813
Figure BDA00033868929000000814
分别表示虚拟电厂在t时刻输出的上下限;
Figure BDA00033868929000000815
Figure BDA00033868929000000816
分别表示蓄电池在t时刻的最大充、放电功率;
Figure BDA0003386892900000091
Figure BDA0003386892900000092
分别表示蓄电池在t时刻的最大和最小蓄电量;SESS,t表示蓄电池在t时段实际蓄电量;sL、Lt、sWPP、sPV分别表示负荷、时刻t的电负荷需求、风电机组与光伏机组的备用率;GWPP,t和GPV,t分别表示风电和光伏机组在t时刻的出力。
步骤3:基于NSGA-II的多目标求解算法。
多目标遗传算法可以协调不同目标函数的关系,找到较优的帕累托解集。带精英策略的非支配序遗传算法(Elitist Non-Dominated Sorting Genetic Algorithm,NSGA-II)是其中应用最广、影响最大的一种算法。NSGA-II算法的求解思路为:①初始化,随机产生规模为N的初始种群;②基于非支配排序、精英策略、拥挤度计算和遗传算法基本操作,产生新的子代种群曰;③复类推循环,直到满足程序结束条件,得到所有非劣解。具体步骤如下所示:
(1)根据步骤1中虚拟电厂各单元模型输入初始数据,包括虚拟电厂各单元设备参数、综合需求响应相关参数,并对各设备出力情况、需求响应情况进行编码;
(2)设种群规模N为100,最大迭代次数为50,交叉概率为0.8,变异概率为0.2,Pareto最优个体系数为0.5,根据约束条件形成初始种群P0
(3)根据变量值计算种群中所有个体的运行总成本和用户体验度,进行快速非支配排序并计算拥挤度值,并通过选择、交叉、变异产生种群规模为N的初始父代种群P1
(4)对父代种群Pt中的个体以一定概率执行交叉、变异操作,产生子代种群Qt,基于步骤2中的约束条件对Qt进行处理将不可行变量修复为可行变量;
(5)经过交叉、变异、修复的种群组成子代种群Qt,根据变量值计算种群中所有个体的运行总成本和用户体验度;
(6)父代种群Pt与子代种群Qt合并成规模为2N种群Rt,对合成种群Rt中2N个个体进行快速非支配排序并计算拥挤度值;
(7)根据拥挤度比较算子与每个个体的适应值,选择出N个较优个体分层存放,形成新的父代种群Pt+1
(8)重复(4)至(7)步,直到达到算法设置的最大迭代次数,形成帕累托前沿;
(9)采用偏小型模糊隶属度函数来选取折衷解。如下式所示:
Figure 1
Figure BDA0003386892900000102
式中:ζi为目标i的模糊隶属度值;fi,fi min,fi max分别为目标i的实际值、最小值和最大值;m表示目标个数;ζ表示考虑多目标的模糊隶属度值。算法求解流程如图2所示。基于以上算法,最终得到包含分布式能源、电热锅炉、蓄能设备以及需求响应资源的虚拟电厂在各个时段的优化调度结果,以此对虚拟电厂供需两侧进行优化,在提高系统的整体经济效能的同时,使用户用能满意度、舒适度得到提升。
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的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (6)

1.考虑用户体验的虚拟电厂运行优化方法,包括以下几个步骤:
步骤1:构建虚拟电厂各单元模型,该模型具体包括电热锅炉出力模型、分布式能源机组出力模型、蓄电/蓄热模型、需求响应模型,从而确定了虚拟电厂运行内部组成的具体情况;
步骤2:构建考虑用户体验的虚拟电厂运行优化模型,该模型以虚拟电厂运行成本最小、用户体验最优为目标函数,并构建约束条件,包括电力供需平衡约束、电热锅炉运行约束、蓄电设备运行约束、蓄热设备运行约束、需求响应约束和旋转备用约束;
步骤3:基于NSGA-II的多目标求解算法。
2.根据权利要求1所述的一种考虑用户体验的虚拟电厂运行优化方法,其特征为:所述步骤1中电热锅炉出力模型、分布式能源机组出力模型、蓄电/蓄热模型、需求响应模型进一步包括如下内容:
(1)电热锅炉出力模型
QEB(t)=gEB(t)·ηEB (1)
式中:QEB(t)为电锅炉t时刻的供热功率,gEB(t)为电锅炉t时的工作消耗的电量,ηEB为电热转换效率;
(2)分布式能源机组出力模型
风电机组输出功率与其性能、风速相关,输出功率与风速之间的关系可用下式描述:
Figure FDA0003386892890000011
式中:PWT,k,t
Figure FDA0003386892890000012
vk,t分别为第k台风电机组在t时段的实际输出功率、额定功率和风电机组所处地理位置的实际风速;
Figure FDA0003386892890000013
Figure FDA0003386892890000014
分别为第k台风电机组的额定风速、切入风速和切出风速;
光伏发电机组的输出功率主要跟光照强度、环境温度相关,其出力模型如下所示为:
Figure FDA0003386892890000021
式中:gPV,t表示第t时段的光伏机组出力;SPV,t表示第t时段的光照强度;gSTC表示标准测试条件下的最大出力;Tc,t表示电池板第t时段的工作温度;Tr表示参考温度;TWSTC表示标准测试条件下的机组转化效率;λ表示电池板温度转换参数;
(3)蓄电/蓄热模型
蓄电池储能系统(Energy Storage,ES)存在充电状态、放电状态、停运状态二种运行状态,蓄电池充放电是一个动态过程,本专利从蓄电池的储能量及充放电功率方面建模;蓄电池储能量的变化与蓄电池的充放电功率、效率有关,蓄电池采用动态的数学模型为:
EES(t+1)=EES(t)(1-σES)+PES,c(t)ηES,cΔt-PES,d(t)Δt/ηES,d (4)
式中EES(t+1)、EES(t)分别为t+1、t时刻的蓄电池的储能量(kWh);PES,c(t)、PES,d(t)分别为t时刻蓄电池的充电、放电功率(kW);ηES.c、ηES.d分别为蓄电池的充电、放电效率;σES为蓄电池自身放电率;Δt为t+1、t时刻间隔,即充放电用时(h);
蓄热设备(Heat Storage,HS)与蓄电池储能系统类似,存在储热、放热、停运三种工作状态,蓄热装置的储放热是一个动态过程,蓄热装置中热量变化与蓄热装置储放热功率、储放热效率有关,处于能量动态平衡状态,其数学模型为:
EHS(t+1)=EHS(t)(1-σHS)+PHS,c(t)ηHS,cΔt-PHS,d(t)Δt/ηHS,d (5)
式中EHS(t+1)、EHS(t)分别为t+1、t时刻蓄热装置的储热量(kWh);PHS,c(t)、PHS,d(t)分别为t时刻蓄热装置的蓄热、放热功率(kW);ηHS.c、ηHS.d分别为蓄热装置的蓄热、放热效率;σHS为蓄热装置自身热损失系数;Δt为t+1、t时刻间隔,即储放热用时(h);
(4)需求响应
需求响应可通过调节负荷侧的用电行为,引导负荷的自主性变化,从而对虚拟电厂发电调度产生正向影响;引入激励型需求响应(IBDR),以可中断负荷作为响应资源,需求响应的成本为负荷响应前后虚拟电厂(VPP)售电收入的差额;负荷响应前后,虚拟电厂(VPP)的售电收益分别为:
Figure FDA0003386892890000031
Figure FDA0003386892890000032
式中,
Figure FDA0003386892890000033
分别为可中断负荷实施前后的系统收益,
Figure FDA0003386892890000034
为内部负荷的售电价格,Pt load
Figure FDA0003386892890000035
为可中断负荷前后的相应出力,是决策变量;a、b分别为补偿函数的二次项和一次项系数。需求响应的成本
Figure FDA0003386892890000036
为:
Figure FDA0003386892890000037
3.根据权利要求1所述的一种考虑用户体验的虚拟电厂运行优化方法,其特征为:所述步骤2进一步包括如下内容:
(1)目标函数
1)经济性目标
在实现碳中和目标的同时,虚拟电厂运行尽量争取其成本的最小化,虚拟电厂的总成本包括发电机组的燃料成本与外购电成本;因此,选择最小化运行成本作为优化目标,具体目标函数如下:
Figure FDA0003386892890000041
式中,Fcost表示虚拟电厂总运行成本;PEG,t和gEG,t分别表示虚拟电厂在时刻t的外购电量和外购电价格;CEB,t表示t时刻电热锅炉供热用电成本;CWPP,t与CPV,t分别表示风电与光伏机组在时刻t的发电成本;CCS,t和CHS,t分别表示t时刻储电系统和储热系统的出力成本;
Figure FDA0003386892890000042
表示t时刻的需求响应成本;
2)用户体验
以用户方式满意度量化用户体验程度,定义用电方式满意度E为响应前后负荷曲线的改变程度:
Figure FDA0003386892890000043
式中Pt,eload和Pt,dr,elod分别为响应前后t时刻的负荷量;
用电方式满意度与柔性负荷如热水器、空调等可调节能力有关。式(10)表示用户用电方式的改变程度越大,用电方式满意度越低,当用户负荷曲线未改变时,仍按最满意方式安排用电方式,此时ε值为1,ε的取值范围为[0,1]。
4.根据权利要求1所述的一种考虑用户体验的虚拟电厂运行优化方法,其特征为:所述步骤2进一步包括如下内容:
1)电力供需平衡约束
Figure FDA0003386892890000044
式中,gPV,t和gWPP,t分别为光伏机组(PV)和风电机组(WPP)在时刻t的发电出力,主要取决于自然来风和光伏辐射强度;
Figure FDA0003386892890000051
Figure FDA0003386892890000052
表示蓄电池在时刻t的放电和充电功率;ΔLDR,t表示需求响应在时刻t提供的出力;gEG,t表示虚拟电厂在时刻t的外购电量;Lt表示时刻t的电负荷需求;
2)电热锅炉运行约束
Figure FDA0003386892890000053
式中:QEB(t)为电热锅炉实际运行功率;
Figure FDA0003386892890000054
为电热锅炉运行功率下限;
Figure FDA0003386892890000055
为电热锅炉运行功率上限;
3)蓄电设备运行约束
蓄电设备运行需要考虑最大充放电功率约束和自身蓄电池容量约束,具体约束如下:
Figure FDA0003386892890000056
Figure FDA0003386892890000057
Figure FDA0003386892890000058
式中,gESS,t和SESS,t表示蓄电设备(ESS)在t时刻的实际充放电功率和蓄电量;
Figure FDA0003386892890000059
Figure FDA00033868928900000510
别表示ESS在t时刻的最大充放电功率;
Figure FDA00033868928900000511
Figure FDA00033868928900000512
别表示ESS在t时刻的最大和最小蓄电量;SESS,t+1表示ESS在t+1时刻的蓄电量;
Figure FDA00033868928900000513
Figure FDA00033868928900000514
分别表示ESS在t时刻的充电和放电功率;
4)蓄热设备运行约束
蓄热设备运行同样也应考虑蓄热系统功率约束和蓄热容量约束,具体约束如下:
Figure FDA0003386892890000061
Figure FDA0003386892890000062
式中:
Figure FDA0003386892890000063
为蓄热系统最小功率;QHS(t)为蓄热系统实际运行功率;
Figure FDA0003386892890000064
为蓄热系统最大功率;
Figure FDA0003386892890000065
为蓄热系统最小蓄热容量;SHS(t)为蓄热系统实际蓄热容量;
Figure FDA0003386892890000066
为蓄热系统最大蓄热容量。
5)需求响应约束
利用激励型需求响应(PBDR),可实现负荷的有效平移和削减。为了避免负荷的峰谷倒挂现象产生,最大化平缓不同负荷的需求曲线进行的约束:
Figure FDA0003386892890000067
Figure FDA0003386892890000068
其中,ΔLDR,t表示负荷在t时段的实际变动程度;
Figure FDA0003386892890000069
表示负荷在t时段的最大变动程度uDR,t表示需求响应的运行状态;T表示需求响应总时段;
Figure FDA00033868928900000610
表示需求响应负荷最大变动程度。
6)旋转备用约束
Figure FDA00033868928900000611
Figure FDA00033868928900000612
式中,GVPP,t表示虚拟电厂在t时刻的总输出;
Figure FDA00033868928900000613
Figure FDA00033868928900000614
分别表示虚拟电厂在t时刻输出的上下限;
Figure FDA00033868928900000615
Figure FDA00033868928900000616
分别表示蓄电池在t时刻的最大充、放电功率;
Figure FDA0003386892890000071
Figure FDA0003386892890000072
分别表示蓄电池在t时刻的最大和最小蓄电量;SESS,t表示蓄电池在t时段实际蓄电量;sL、Lt、sWPP、sPV分别表示负荷、时刻t的电负荷需求、风电机组与光伏机组的备用率;GWPP,t和GPV,t分别表示风电和光伏机组在t时刻的出力。
5.根据权利要求1所述的一种考虑用户体验的虚拟电厂运行优化方法,其特征为:所述步骤3进一步包括如下内容:
步骤(1):根据步骤1中虚拟电厂各单元模型输入初始数据,包括虚拟电厂各单元设备参数、综合需求响应相关参数,并对各设备出力情况、需求响应情况进行编码;
步骤(2):设种群规模N为100,最大迭代次数为50,交叉概率为0.8,变异概率为0.2,Pareto最优个体系数为0.5,根据约束条件形成初始种群P0
步骤(3):根据变量值计算种群中所有个体的运行总成本和用户体验度,进行快速非支配排序并计算拥挤度值,并通过选择、交叉、变异产生种群规模为N的初始父代种群P1
步骤(4):对父代种群Pt中的个体以一定概率执行交叉、变异操作,产生子代种群Qt,基于步骤2中的约束条件对Qt进行处理将不可行变量修复为可行变量;
步骤(5):经过交叉、变异、修复的种群组成子代种群Qt,根据变量值计算种群中所有个体的运行总成本和用户体验度;
步骤(6):父代种群Pt与子代种群Qt合并成规模为2N种群Rt,对合成种群Rt中2N个个体进行快速非支配排序并计算拥挤度值;
步骤(7):根据拥挤度比较算子与每个个体的适应值,选择出N个较优个体分层存放,形成新的父代种群Pt+1
步骤(8):重复步骤(4)至步骤(7)步,直到达到算法设置的最大迭代次数,形成帕累托前沿;
步骤(9):采用偏小型模糊隶属度函数来选取折衷解。如下式所示:
Figure DEST_PATH_1
Figure FDA0003386892890000082
式中:ζi为目标i的模糊隶属度值;fi,fi min,fi max分别为目标i的实际值、最小值和最大值;m表示目标个数;ζ表示考虑多目标的模糊隶属度值。
6.将上述权利要求1-5任一所述的考虑用户体验的虚拟电厂运行优化方法应用于虚拟电厂运行中。
CN202111456862.1A 2021-12-01 2021-12-01 考虑用户体验的虚拟电厂运行优化方法及其应用 Pending CN114519249A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111456862.1A CN114519249A (zh) 2021-12-01 2021-12-01 考虑用户体验的虚拟电厂运行优化方法及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111456862.1A CN114519249A (zh) 2021-12-01 2021-12-01 考虑用户体验的虚拟电厂运行优化方法及其应用

Publications (1)

Publication Number Publication Date
CN114519249A true CN114519249A (zh) 2022-05-20

Family

ID=81597241

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111456862.1A Pending CN114519249A (zh) 2021-12-01 2021-12-01 考虑用户体验的虚拟电厂运行优化方法及其应用

Country Status (1)

Country Link
CN (1) CN114519249A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117439080A (zh) * 2023-12-20 2024-01-23 国网山东省电力公司营销服务中心(计量中心) 一种虚拟电厂的调度方法、系统、存储介质及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117439080A (zh) * 2023-12-20 2024-01-23 国网山东省电力公司营销服务中心(计量中心) 一种虚拟电厂的调度方法、系统、存储介质及设备
CN117439080B (zh) * 2023-12-20 2024-04-12 国网山东省电力公司营销服务中心(计量中心) 一种虚拟电厂的调度方法、系统、存储介质及设备

Similar Documents

Publication Publication Date Title
WO2023274425A1 (zh) 一种风光水火储系统的多能容量优化配置方法
JP7261507B2 (ja) 電気ヒートポンプ-熱電併給システムを最適化する調整方法及びシステム
Bidgoli et al. Multi-stage optimal scheduling of multi-microgrids using deep-learning artificial neural network and cooperative game approach
CN110009122B (zh) 户用多能互补综合能源利用系统能量优化调度方法及系统
CN109636056B (zh) 一种基于多智能体技术的多能源微网去中心化优化调度方法
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
CN106022503A (zh) 面向具有耦合型电冷热需求的微电网容量规划方法
CN108206543A (zh) 一种基于能源梯级利用的能源路由器及其运行优化方法
CN112800658A (zh) 一种考虑源储荷互动的主动配电网调度方法
WO2024016504A1 (zh) 一种基于安全经济的电热综合能源控制方法
Khawaja et al. Design of cost-based sizing and energy management framework for standalone microgrid using reinforcement learning
CN112508325B (zh) 一种家庭微电网多时间尺度电能调度方法
CN112583017A (zh) 考虑储能运行约束的混合微电网能量分配方法及系统
CN113864854B (zh) 一种蓄热式电采暖参与风电消纳的多目标优化方法及系统
CN115102159A (zh) 计及碳排放流的共享储能优化运行方法
CN108830479A (zh) 一种计及电网全成本链的主配协同规划方法
CN112883630A (zh) 用于风电消纳的多微网系统日前优化经济调度方法
CN117559526A (zh) 一种基于光储充一体化充电站的拟路由器能量调控方法
CN117578537A (zh) 基于碳交易和需求响应的微电网优化调度方法
CN115241923A (zh) 一种基于蛇优化算法的微电网多目标优化配置方法
Rodriguez et al. Energy management system for an isolated microgrid based on Fuzzy logic control and meta-heuristic algorithms
CN112862282B (zh) 一种基于ddqn算法的综合能源系统源-荷协同调度优化方法
CN114519249A (zh) 考虑用户体验的虚拟电厂运行优化方法及其应用
CN117175555A (zh) 一种考虑微网功率支撑能力的主动配电网经济调度方法
CN116896072A (zh) 远海风电与制氢系统的优化调控方法和装置

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