CN114692924A - 计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法 - Google Patents

计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法 Download PDF

Info

Publication number
CN114692924A
CN114692924A CN202011614103.9A CN202011614103A CN114692924A CN 114692924 A CN114692924 A CN 114692924A CN 202011614103 A CN202011614103 A CN 202011614103A CN 114692924 A CN114692924 A CN 114692924A
Authority
CN
China
Prior art keywords
power plant
load
combined heat
power
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
Application number
CN202011614103.9A
Other languages
English (en)
Inventor
张宇华
王志南
王育飞
薛花
王丛
黄珂
孙晓鹏
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.)
Shanghai Electric Power University
Original Assignee
Shanghai Electric Power University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Electric Power University filed Critical Shanghai Electric Power University
Priority to CN202011614103.9A priority Critical patent/CN114692924A/zh
Publication of CN114692924A publication Critical patent/CN114692924A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Finance (AREA)
  • Mathematical Optimization (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Power Engineering (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

本发明涉及一种计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，首先充分考虑可削减、可平移、可转移柔性负荷的各自特性，建立多种柔性负荷数学模型，并将其应用到虚拟电厂热电联合运行系统中，建立计及多种柔性负荷下的虚拟电厂热电联合运行模型，并采用经济性和平滑性评价指标来衡量热电系统下多种柔性负荷协调优化效果；同时，对风光出力及电/热负荷的不确定性进行分析，通过拉丁超立方抽样生成连续时间场景，模拟风光出力及多能负荷随时间的波动情况；然后采用同步回代消除法对所生成的场景进行削减，得到风、光、荷典型日场景，以降低虚拟电厂中风光出力及电/热负荷的不确定性影响。本发明能够有效提高虚拟电厂热电联合运行下多种柔性负荷的协调优化配置，降低系统中多种不确定性影响，实现虚拟电厂热电联合的协调优化运行。

Description

计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法
技术领域
本发明涉及一种虚拟电厂运行技术，特别涉及一种计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法。
背景技术
柔性负荷参与能源调度运行可以有效提高系统调峰灵活性、平滑负荷曲线以及减少新装机容量，是虚拟电厂在用户侧的重要可调度柔性资源。目前对负荷侧柔性负荷的优化配置研究大多只局限于电功率优化，对于热/电联合系统下的多种不同特性柔性负荷协调优化配置考虑不足。
以虚拟电厂（virtual power plant，VPP）形式聚合用户侧分散的、零碎化的分布式能源和柔性负荷，形成大功率、大容量稳定可调控资源池，是促进不同能源之间互补、提高可再生能源消纳、加强柔性负荷管理与优化配置的有效方式。但是虚拟电厂热电联合运行下所面临的多种不确定因素，难以预测、调配难度高，是VPP优化运行迫切解决的问题。
发明内容
针对热/电联合运行下多种柔性负荷协调优化配置不足和风、光、负荷的不确定性问题，提出了一种计及多种柔性负荷的虚拟电厂热电联合随机优化调度方法。首先充分考虑可削减、可平移、可转移柔性负荷的各自特性，建立多种柔性负荷数学模型，并将其应用到虚拟电厂热电联合运行系统中，建立计及多种柔性负荷下的虚拟电厂热电联合运行模型，并采用经济性和平滑性评价指标来衡量热电系统下多种柔性负荷协调优化效果；同时，对风光出力及电/热负荷的不确定性进行分析，通过拉丁超立方抽样生成连续时间场景，模拟风光出力及多能负荷随时间的波动情况；然后采用同步回代消除法对所生成的场景进行削减，得到风、光、荷典型日场景，以降低虚拟电厂中风光出力及电/热负荷的不确定性影响。本发明能够有效提高虚拟电厂热电联合运行下多种柔性负荷的协调优化配置，降低系统中多种不确定性影响，实现虚拟电厂热电联合的协调优化运行。
本发明的技术方案为：一种计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法。
本发明的有益效果在于：本发明一种计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，能够有效地降低风光出力及多能负荷不确定性的影响，提高电/热多种柔性负荷之间的协调优化效果，实现虚拟电厂热电联合优化运行。
附图说明
图1为本发明含柔性负荷的VPP热电联合运行结构框图；
图2为本发明VPP热电联合运行优化流程图。
具体实施方式
一种计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，具体包括以下步骤：
1、首先充分考虑可削减、可平移、可转移柔性负荷的各自特性，建立不同约束下的多种柔性负荷数学模型；根据历史数据对虚拟电厂中风光出力及电/热负荷的不确定性进行分析，基于相关数据的不同分布情况，建立风、光及负荷的不同随机概率模型；在所建立随机概率模型上，通过拉丁超立方抽样生成连续时间场景，模拟风光出力及多能负荷随时间的波动情况，采用同步回代消除法对所生成的场景进行削减，得到风、光、荷典型日场景进行优化调度；以系统能耗、运维、环境、补偿以及交互的总成本最低为目标，建立计及多种柔性负荷下的虚拟电厂热电联合随机优化运行模型，并采用经济性和平滑性评价指标来衡量电热系统下多种柔性负荷协调优化效果。
2、根据权利要求1所述计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，其特征在于，所述步骤1）所建立的虚拟电厂热电联合运行模型中考虑到了多种柔性负荷之间协调优化配置，在传统热电联供的电力流、热力流和天然气流三者协调运行基础上，建立可削减、可平移、可转移柔性负荷数学模型，通过电/热柔性负荷之间的协调优化配置，来优化调节负荷曲线；
为充分挖掘负荷侧柔性资源的调度潜力，首先建立多种柔性负荷数学模型，包括可平移、可转移、可削减柔性负荷。
1)可平移负荷
可平移负荷(shiftable loads，SL)以固定工作时长按调度计划在时间轴上进行多时段整体平移，如洗衣机、热水器等。
以24h为调度周期T，未响应前的可平移负荷功率分布向量L shift为：
Figure 472912DEST_PATH_IMAGE001
式中： t s 、t d 分别为可平移负荷的起始、持续时间。
以[t sh- 、t sh+ ]为可接受平移区间，则调度后的可平移负荷起始时段
Figure 390052DEST_PATH_IMAGE002
为：
Figure 638631DEST_PATH_IMAGE003
为保证其用电的连续性，应满足：
Figure 33840DEST_PATH_IMAGE004
式中：
Figure 300743DEST_PATH_IMAGE005
为判断负荷是否发生平移的0-1状态变量，
Figure 123205DEST_PATH_IMAGE006
表示负荷平移到时段
Figure 124659DEST_PATH_IMAGE007
上。
调度后的可平移负荷功率分布向量为：
Figure 323559DEST_PATH_IMAGE008
响应调度后的用户相应的补偿费用C shif为：
Figure 195700DEST_PATH_IMAGE009
式中：
Figure 189064DEST_PATH_IMAGE010
为调度后可平移负荷单位功率的补偿价格。
2)可转移负荷
与可平移负荷相比，可转移负荷(translational load，TL)的工作时段、工作时长和转移量大小皆可调节，没有时间连续性约束，转移后分布时段较为分散，灵活度更高。调度前后的可转移负荷总功率需在可转移区间[t tr- 、t tr+ ]上满足一致不变性：
Figure 943394DEST_PATH_IMAGE011
式中：L trans,t 、P trans,t 分别为t时刻调度前、后的可转移负荷功率。
调度后转移负荷的功率约束为：
Figure 414826DEST_PATH_IMAGE012
为了避免频繁地响应调度指令，其最小持续时间为：
Figure 938211DEST_PATH_IMAGE013
式中：布尔变量
Figure 86165DEST_PATH_IMAGE014
表示t时刻负荷是否发生转移的状态变量，
Figure 327790DEST_PATH_IMAGE015
；P trans,t 为t时刻转移负荷功率，其上标max和min为此时刻转移功率的上下限；
Figure 806176DEST_PATH_IMAGE016
为最小持续运行时间。
响应调度后的用户相应的补偿费用C trans为：
Figure 449647DEST_PATH_IMAGE017
式中：
Figure 784814DEST_PATH_IMAGE018
为响应调度后可转移负荷单位功率的补偿价格。
3)可削减负荷
可削减负荷(Reducible load，RL)在响应调度指令后对用户部分用电量进行削减，t时刻削减后的负荷功率P cut,t 为：
Figure 248156DEST_PATH_IMAGE019
式中：L cut,t 分别为t时刻未调度前可削减负荷功率；布尔变量
Figure 326970DEST_PATH_IMAGE020
表示t时刻是否发生削减的状态变量，
Figure 293789DEST_PATH_IMAGE021
；u t 为t时刻的负荷削减系数。
考虑RL运行特性，还需满足如下约束：
(1)最小持续削减时间约束
Figure 734184DEST_PATH_IMAGE023
(2)最大持续削减时间约束
Figure 616689DEST_PATH_IMAGE024
(3)削减次数约束
Figure 969173DEST_PATH_IMAGE025
式中：
Figure 380563DEST_PATH_IMAGE026
、
Figure 818497DEST_PATH_IMAGE027
分别为最小、最大连续削减时间；M max为最大削减次数。
响应调度后用户获得相应的补偿费用C cut为：
Figure 442377DEST_PATH_IMAGE028
式中：
Figure 649367DEST_PATH_IMAGE029
为响应调度后可削减负荷单位功率的补偿价格。
3、根据权利要求1所述计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，其特征在于，所述步骤2）所建立的虚拟电厂热电联合运行模型中，建立了风、光及负荷不同的随机概率模型，其中电/热负荷的功率预测误差服从高斯分布，风机、光伏出力分别服从Weibull分布、Beta分布，满足各自实际情况，提高工程实用性；
为了不失一般性，大量实际研究表明风速、光照强度分别可以用Weibull分布和Beta分布的概率密度函数来较好的拟合，而负荷的预测误差适合用高斯分布拟合，适应范围广。
基于两参数Weibull分布的风速概率密度函数为：
Figure 762817DEST_PATH_IMAGE030
式中：v为风速值；k、c分别为形状参数和比例参数，且满足k、c>0。
基于Beta分布的光照强度概率密度函数为：
Figure 688047DEST_PATH_IMAGE031
式中：
Figure 630465DEST_PATH_IMAGE032
为光照强度，下标max代表其最大值；
Figure 691961DEST_PATH_IMAGE033
分别为Beta分布的形状参数；
Figure 179575DEST_PATH_IMAGE034
为伽马函数。
基于高斯分布的负荷概率密度函数为：
Figure 592101DEST_PATH_IMAGE035
式中：
Figure 354521DEST_PATH_IMAGE036
分别为负荷的实际值和预测值；
Figure 536104DEST_PATH_IMAGE037
为其标准差。
4、根据权利要求1所述计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，其特征在于，所述步骤3）所建立的虚拟电厂热电联合运行模型中，采用拉丁超立方抽样来生成风、光出力和负荷大量场景集，并对场景集采用Cholesky分解法降低不同场景之间的相关性，提高生成场景的准确性。
5、根据权利要求1所述计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，其特征在于，所述步骤3）所建立的虚拟电厂热电联合运行模型中考虑系统中源荷双侧的不确定性，运用基于拉丁超立方抽样和同步回代削减法的多场景技术来形成典型场景集，以处理风、光出力和负荷的不确定性，降低优化调度的计算量。
假设X=[v 1 ,…,v T ,w 1 ,…,w T ,…,x 1 ,…,x T ]为风速、光照强度以及负荷的随机变量矩阵，X n (n=1,2,3,…,3T)为其中任意一变量，且满足上述相应概率密度函数，则对应的累积分布概率函数Y n 为：
Figure 725777DEST_PATH_IMAGE038
基于等概率面积原则将累积分布函数区间[0,1]分为N个子区间，本文取N=500。从各个子区间随机抽取一点Y n ，再基于逆函数转换计算出相应X n 的采样值：
Figure 94441DEST_PATH_IMAGE039
经过循环采样后形成初始风速、光照强度和负荷的3T ×N阶场景矩阵
Figure 660552DEST_PATH_IMAGE040
，每一行代表一个场景。研究表明，随机场景相关性越小准确度越高，采用乔里斯基(Cholesky)分解法来消除矩阵中由随机生成而呈现的场景相关性，重新排序后得到场景集
Figure 692048DEST_PATH_IMAGE041
。
分别计算任意场景
Figure 52622DEST_PATH_IMAGE042
下与其它场景间最小的欧式距离D i,min：
Figure 908583DEST_PATH_IMAGE043
式中：
Figure 278384DEST_PATH_IMAGE044
为场景
Figure 372242DEST_PATH_IMAGE045
发生的概率；
Figure 169297DEST_PATH_IMAGE046
为场景
Figure 778132DEST_PATH_IMAGE047
与
Figure 686046DEST_PATH_IMAGE048
之间的欧式距离。
以集合
Figure 696727DEST_PATH_IMAGE049
中D i,min最小为标准，确定删除场景
Figure 382792DEST_PATH_IMAGE050
：
Figure 478924DEST_PATH_IMAGE051
更新场景集
Figure 393790DEST_PATH_IMAGE052
和各场景概率
Figure 258978DEST_PATH_IMAGE053
，直到典型场景数目满足其设定阈值才停止循环，最终得到风速、光照强度、负荷典型场景集
Figure 397836DEST_PATH_IMAGE054
。
6、根据权利要求1所述计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，其特征在于，所述步骤4）所建立的计及柔性负荷的虚拟电厂热电联合随机优化模型，以系统能耗、运维、环境、补偿以及交互的总成本最低为目标函数，通过电/热柔性负荷的协调配置，来优化负荷曲线，通过调节可控设备出力，降低其整体运行成本。
在电/热多种柔性负荷优化配置基础上，充分考虑源荷双侧的不确定性，以综合成本最小建立如下目标函数
Figure 715684DEST_PATH_IMAGE055
：
Figure 965400DEST_PATH_IMAGE056
式中：
Figure 419515DEST_PATH_IMAGE057
分别为场景s的发生概率；
Figure 729274DEST_PATH_IMAGE058
分别为系统能耗、运维、环境、与电网交互以及用户补偿成本。
1）能耗成本
Figure 518107DEST_PATH_IMAGE059
式中：
Figure 571514DEST_PATH_IMAGE060
分别为CHP和GB单元的输出功率；
Figure 411294DEST_PATH_IMAGE061
分别为CHP和GB单元的效率系数；R N 、H N 分别为天然气价格和热值。
2）运维成本
Figure 360795DEST_PATH_IMAGE063
式中：
Figure 653236DEST_PATH_IMAGE064
分别为蓄电池和储热槽的充、放功率；
Figure 713596DEST_PATH_IMAGE065
分别为热电联产、蓄电池、储热槽、锅炉、风电和光伏机组的运维系数；
Figure 407883DEST_PATH_IMAGE066
分别为风电和光伏在场景s下的输出功率。
3）环境成本
Figure 793865DEST_PATH_IMAGE067
式中：V ek 、D ek 分别为CHP和GB单元的第k种污染物的排放量和单位成本系数； V k 为第k种污染物的惩罚成本。
4）用户补偿成本
Figure 839181DEST_PATH_IMAGE068
5）与电网交互成本
Figure 952500DEST_PATH_IMAGE069
式中：
Figure 501293DEST_PATH_IMAGE070
分别为系统在t时刻下与电网交互功率和电价。
约束条件
1）热、电能量平衡约束
Figure 792597DEST_PATH_IMAGE072
Figure 59630DEST_PATH_IMAGE073
式中：
Figure 992951DEST_PATH_IMAGE074
分别为第i个CHP单元的发电效率和损失率。
2）随机场景约束
Figure 396250DEST_PATH_IMAGE075
Figure 124035DEST_PATH_IMAGE076
基于LHS生成的典型场景集合是初始样本场景的子集，且满足概率之和为1。
3）储能设备约束
Figure 878364DEST_PATH_IMAGE077
Figure 333485DEST_PATH_IMAGE078
Figure 856871DEST_PATH_IMAGE079
式中：
Figure 755556DEST_PATH_IMAGE080
和
Figure 731603DEST_PATH_IMAGE081
分别为储能设备在场景s下t时刻充电功率上、下限值；
Figure 475568DEST_PATH_IMAGE082
和
Figure 119039DEST_PATH_IMAGE083
分别为储能设备在场景s下t时刻放电功率上、下限值；
Figure 188626DEST_PATH_IMAGE084
分别为判断储能设备在t时刻充、放电的0-1状态变量；
Figure 917548DEST_PATH_IMAGE085
和
Figure 996362DEST_PATH_IMAGE086
分别为储能设备容量的上、下限值；
考虑到储能设备自身特性以及周期运行约束，需满足如下条件：
Figure 212449DEST_PATH_IMAGE087
Figure 718516DEST_PATH_IMAGE088
Figure 403575DEST_PATH_IMAGE089
式中：L和I分别为储能设备充、放电次数最大值；设备j表示蓄电池、储热槽。
4）CHP、GB和主电网联络线功率约束：
Figure 286081DEST_PATH_IMAGE090
式中：
Figure 107406DEST_PATH_IMAGE091
和
Figure 49955DEST_PATH_IMAGE092
分别为CHP、GB机组可发出的最大功率值；
Figure 956731DEST_PATH_IMAGE093
为系统与电网最大功率交互值。
5）爬坡率约束
Figure 377348DEST_PATH_IMAGE094
式中：r m,down和r m,up分别为设备m向下、上的爬坡率；设备m为CHP和GB机组。
7、根据权利要求1所述计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，其特征在于，所述步骤4）所建立的计及柔性负荷的虚拟电厂热电联合随机优化模型，采用经济性和平滑性指标，来衡量综合考虑电/热多种柔性负荷之间协调优化效果。
采用平滑度指标和经济性指标来衡量多种柔性负荷协调优化配置后的效果。
1）平滑度指标
在t时刻调度前后负荷功率分布矩阵X t 、Y t 分别为：
Figure 568026DEST_PATH_IMAGE095
Figure 415897DEST_PATH_IMAGE096
优化前后负荷曲线标准差计算如下式所示，并以两者差值作为衡量曲线平滑度指标：
Figure 341127DEST_PATH_IMAGE097
Figure 34277DEST_PATH_IMAGE098
Figure 361353DEST_PATH_IMAGE099
式中：P b,t 在t时刻基础负荷功率；E为全为1的列向量矩阵；D 0 、D分别为调度前后负荷曲线的标准差。
2）经济性指标
以优化前后系统综合成本的差值来衡量，差值越来越大，经济性越优：
Figure 848966DEST_PATH_IMAGE100
式中：
Figure 261493DEST_PATH_IMAGE101
表示VPP综合成本函数；f 2为经济性。

Claims (7)

1.一种计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，其特征在于，具体包括如下步骤：
1）充分考虑可削减、可平移、可转移柔性负荷的各自特性，建立不同约束下的多种柔性负荷数学模型；
2）根据历史数据对虚拟电厂中风光出力及电/热负荷的不确定性进行分析，基于相关数据的不同分布情况，建立风、光及负荷的不同随机概率模型；
3）在步骤2）所建立随机概率模型上，通过拉丁超立方抽样生成连续时间场景，模拟风光出力及多能负荷随时间的波动情况，采用同步回代消除法对所生成的场景进行削减，得到风、光、荷典型日场景进行优化调度；
4）在上述基础上，以系统能耗、运维、环境、补偿以及交互的总成本最低为目标，建立计及多种柔性负荷下的虚拟电厂热电联合随机优化运行模型，并采用经济性和平滑性评价指标来衡量电热系统下多种柔性负荷协调优化效果。
2.根据权利要求1所述计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，其特征在于，所述步骤1）所建立的虚拟电厂热电联合运行模型中考虑到了多种柔性负荷之间协调优化配置，在传统热电联供的电力流、热力流和天然气流三者协调运行基础上，建立可削减、可平移、可转移柔性负荷数学模型，通过电/热柔性负荷之间的协调优化配置，来优化调节负荷曲线。
3.根据权利要求1所述计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，其特征在于，所述步骤2）所建立的虚拟电厂热电联合运行模型中，建立了风、光及负荷不同的随机概率模型，其中电/热负荷的功率预测误差服从高斯分布，风机、光伏出力分别服从Weibull分布、Beta分布，满足各自实际情况，提高工程实用性。
4.根据权利要求1所述计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，其特征在于，所述步骤3）所建立的虚拟电厂热电联合运行模型中，采用拉丁超立方抽样来生成风、光出力和负荷大量场景集，并对场景集采用Cholesky分解法降低不同场景之间的相关性，提高生成场景的准确性。
5.根据权利要求1所述计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，其特征在于，所述步骤3）所建立的虚拟电厂热电联合运行模型中考虑系统中源荷双侧的不确定性，运用基于拉丁超立方抽样和同步回代削减法的多场景技术来形成典型场景集，以处理风、光出力和负荷的不确定性，降低优化调度的计算量。
6.根据权利要求1所述计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，其特征在于，所述步骤4）所建立的计及柔性负荷的虚拟电厂热电联合随机优化模型，以系统能耗、运维、环境、补偿以及交互的总成本最低为目标函数，通过电/热柔性负荷的协调配置，来优化负荷曲线，通过调节可控设备出力，降低其整体运行成本。
7.根据权利要求1所述计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法，其特征在于，所述步骤4）所建立的计及柔性负荷的虚拟电厂热电联合随机优化模型，采用经济性和平滑性指标，来衡量综合考虑电/热多种柔性负荷之间协调优化效果。
CN202011614103.9A 2020-12-30 2020-12-30 计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法 Pending CN114692924A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011614103.9A CN114692924A (zh) 2020-12-30 2020-12-30 计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011614103.9A CN114692924A (zh) 2020-12-30 2020-12-30 计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法

Publications (1)

Publication Number Publication Date
CN114692924A true CN114692924A (zh) 2022-07-01

Family

ID=82132045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011614103.9A Pending CN114692924A (zh) 2020-12-30 2020-12-30 计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法

Country Status (1)

Country Link
CN (1) CN114692924A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117791627A (zh) * 2024-02-26 2024-03-29 国网山东省电力公司东营供电公司 考虑虚拟电厂不确定性的柔性负荷动态聚合方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117791627A (zh) * 2024-02-26 2024-03-29 国网山东省电力公司东营供电公司 考虑虚拟电厂不确定性的柔性负荷动态聚合方法及系统
CN117791627B (zh) * 2024-02-26 2024-05-14 国网山东省电力公司东营供电公司 考虑虚拟电厂不确定性的柔性负荷动态聚合方法及系统

Similar Documents

Publication Publication Date Title
Wang et al. Adaptive control for energy storage systems in households with photovoltaic modules
CN107910863B (zh) 综合考虑光伏出力和负荷需求预测区间的配电网调度方法
CN103151803B (zh) 一种含风电系统机组及备用配置的优化方法
CN109103929B (zh) 基于改进动态克里丝金模型的配电网经济优化调度方法
CN110620397B (zh) 一种高比例可再生能源电力系统的调峰平衡评估方法
CN108009681B (zh) 一种基于电网负荷尖峰时段曲线提高风电消纳方法
CN114744687A (zh) 一种虚拟电厂的能源调控方法及系统
CN107967560A (zh) 多能互补分布式能源系统的评价方法、装置、设备和介质
CN109474007B (zh) 一种基于大数据云技术的能源互联网调度方法
WO2023083235A1 (zh) 一种分散式预测电网的优化方法及系统
CN107994592A (zh) 一种基于储热装置提高电网谷时电能负荷方法
CN107122599B (zh) 一种蓄热电锅炉实时消纳弃风弃光电量能力的评估方法
Islam et al. Dual stage microgrid energy resource optimization strategy considering renewable and battery storage systems
CN114884134A (zh) 基于区间优化的火电机组灵活性调节调度方法
CN113158547B (zh) 计及经济性和可靠性的区域综合能源系统优化配置方法
CN114692924A (zh) 计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法
Hongxia et al. Micro-grid scheduling of electric boiler and CHP with thermal energy storage based on wind power accommodating
CN112186808A (zh) 一种微网能量优化调度方法
CN109546676A (zh) 一种多天气条件下风电预测可信度计算方法
CN114386256A (zh) 一种考虑电热设备灵活性约束及热网特性的区域电热系统优化调度方法
CN115085293A (zh) 一种区域能源互联网与配电网分布式能量互动方法
CN113536581A (zh) 一种计及运行策略的储能系统多状态可靠性建模方法
CN112583034A (zh) 一种计及多种随机变量的储能设备配置优化方法
Rong et al. Economic Analysis of Integrated Energy Systems Based on Synergistic Optimization of Flexible Loads and Energy Storage
CN117913866B (zh) 基于光伏发电的蓄能系统

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