CN114997665A - 考虑可控负荷响应性能差异的虚拟电厂优化调度方法及系统 - Google Patents

考虑可控负荷响应性能差异的虚拟电厂优化调度方法及系统 Download PDF

Info

Publication number
CN114997665A
CN114997665A CN202210652455.6A CN202210652455A CN114997665A CN 114997665 A CN114997665 A CN 114997665A CN 202210652455 A CN202210652455 A CN 202210652455A CN 114997665 A CN114997665 A CN 114997665A
Authority
CN
China
Prior art keywords
load
response
power plant
controllable
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
CN202210652455.6A
Other languages
English (en)
Inventor
李�瑞
闫丹梅
程雪婷
暴悦爽
王玮茹
王金浩
郑惠萍
刘新元
张谦
常潇
李胜文
王锬
石新聪
张颖
张一帆
崔校瑞
李梓豪
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 Electric Power Research Institute Of Sepc
Original Assignee
State Grid Electric Power Research Institute Of Sepc
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 Electric Power Research Institute Of Sepc filed Critical State Grid Electric Power Research Institute Of Sepc
Priority to CN202210652455.6A priority Critical patent/CN114997665A/zh
Publication of CN114997665A publication Critical patent/CN114997665A/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
    • G06Q10/06—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
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Water Supply & Treatment (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种考虑可控负荷响应性能差异的虚拟电厂优化调度方法及系统，其包括：虚拟电厂获取可控负荷响应性能参数数据，以此为依据对可控负荷进行聚类分群，形成不同响应性能的负荷子群；根据负荷子群中聚合的可控负荷的响应性能参数，构建不同负荷子群的响应性能等效综合指标，根据等效综合指标的大小得到相应的补贴价格系数；根据补贴价格系数得到可控负荷参与需求响应所获得的补贴价格，并在运行日前一天虚拟电厂对可再生能源出力和电价进行预测，建立考虑可控负荷动态响应量的一体化虚拟电厂双层优化调度模型，通过虚拟电厂内部调度与可控负荷响应潜力的不断交互协同优化，确定虚拟电厂的最优调度计划。本发明能在电力系统运行优化调度领域应用。

Description

考虑可控负荷响应性能差异的虚拟电厂优化调度方法及系统
技术领域
本发明涉及一种电力系统运行优化调度技术领域，特别是关于一种考虑可控负荷响应性能差异的虚拟电厂优化调度方法及系统。
背景技术
随着新型电力系统建设的加速推进，新能源的大规模涌入对电力系统的安全稳定带来了巨大挑战。由于风光等新能源出力波动性大，仅依靠电源侧的调节能力已经难以保障电力系统中电力的可靠供应，相比之下电力需求响应机制将发挥更加重要的调节作用。因此，必须释放需求侧资源的灵活性调节能力，推动电力系统由“源随荷动”向“源荷互动”转变。然而单个可控负荷功率小、位置分散，无法直接被系统调用，因此需要负荷聚合技术将数量庞大的可控负荷进行聚合。虚拟电厂以先进的信息通信技术为基础，实现各类型用户负荷、分布式光伏、分布式储能等需求侧资源的高效互联互通，参与电网调控与电力市场交易，最终实现资源的高效整合优化，是构建以新能源为主体的新型电力系统的重要实现路径。
电力需求响应的价格机制分为基于时间的价格机制和基于激励的价格机制。基于时间的价格机制具有覆盖范围广、基础性调节作用强的特点；基于激励的价格机制具有实施对象针对性强、“靶向”调节作用突出的特点。
目前，针对考虑需求响应的虚拟电厂已展开大量研究，然而大多数研究中虚拟电厂对大量可控负荷进行聚合，仅仅是对负荷的综合从而得出负荷的外部特性便于建模分析，并未考虑不同可控负荷间存在响应性能的差异；另一方面对于需求响应价格机制的研究大多数集中在基于时间的价格机制，仅有少量针对基于激励的价格机制进行研究，且仅局限于形成固定补贴价格机制或“阶梯式”补贴价格机制。
发明内容
针对上述问题，本发明的目的是提供一种考虑可控负荷响应性能差异的虚拟电厂优化调度方法及系统，其克服了已有基于激励的价格机制的不足，极大调动可控负荷参与需求响应的积极性，鼓励可控负荷提升响应性能，具有计算方便、实用性强的特点。
为实现上述目的，本发明采取以下技术方案：一种考虑可控负荷响应性能差异的虚拟电厂优化调度方法，其包括：虚拟电厂获取可控负荷响应性能参数数据，并以此为依据对可控负荷进行聚类分群，形成不同响应性能的负荷子群；根据负荷子群中聚合的可控负荷的响应性能参数，构建不同负荷子群的响应性能等效综合指标，各负荷子群根据等效综合指标的大小得到相应的补贴价格系数；根据补贴价格系数得到可控负荷参与需求响应所获得的补贴价格，并在运行日前一天虚拟电厂对可再生能源出力和电价进行预测，建立考虑可控负荷动态响应量的一体化虚拟电厂双层优化调度模型，通过虚拟电厂内部调度与可控负荷响应潜力的不断交互协同优化，确定虚拟电厂的最优调度计划。
进一步，所述虚拟电厂获取可控负荷响应性能参数数据，并以此为依据对可控负荷进行聚类分群，形成不同响应性能的负荷子群，包括：
确定所有可控负荷响应性能参数数据；
根据可控负荷响应性能参数差异，将具有相似响应性能的可控负荷聚类为同一负荷子群。
进一步，所述将具有相似响应性能的可控负荷聚类为同一负荷子群，包括：
输入各可控负荷响应性能参数数据和虚拟电厂期望获得的负荷子群数；
将各可控负荷响应性能参数进行标准化处理；
计算经标准化处理后的可控负荷响应性能参数的欧氏距离，利用欧氏距离确定不同可控负荷之间的差异矩阵；
根据差异矩阵及高斯核函数构造邻接矩阵；
利用邻接矩阵计算标准化的拉普拉斯矩阵
计算拉普拉斯矩阵的特征值和特征向量，取最大的前k个特征值对应的特征向量u1、u2…uk作为行向量，即有k个负荷子群，构成新的聚类矩阵B；
利用K-means方法对新的聚类矩阵B进行聚类，获得可控负荷聚类分群结果。
进一步，所述根据负荷子群中聚合的可控负荷的响应性能参数，构建不同负荷子群的响应性能等效综合指标，包括：
根据可控负荷的聚类分群结果，得到每个负荷子群的响应性能等效综合指标K'n；
将等效综合指标K'n进行排序，按照排序结果得到各负荷子群的补贴价格系数θn；
所述等效综合指标K'n与补贴价格系数θn成正比。
进一步，所述等效综合指标K'n为：
Figure BDA0003683756730000021
其中，α、β、χ、δ分别为等效最大负荷响应量、等效响应速率、等效响应精度以及等效有效响应率的权重系数；
Figure BDA0003683756730000022
分别为第n个负荷子群的等效最大响应量、等效响应速率、等效响应精度以及等效有效响应率；k为负荷子群数。
进一步，所述双层优化调度模型包括：从可控负荷角度出发的上层模型和从虚拟电厂角度出发的下层模型；
所述上层模型的目标函数为考虑负荷子群中用户等效满意度的等效补贴费用最大，约束条件为需求响应约束和基础补贴价格约束；
所述下层模型的目标函数为虚拟电厂运行成本最小，所述虚拟电厂运行成本包括燃气轮机成本、储能充放电成本、弃风弃光成本和需求响应补贴费用；
所述下层模型的约束条件为燃气轮机出力约束、储能充放电约束、需求响应约束和功率平衡约束。
进一步，所述确定虚拟电厂的最优调度计划包括：
由所述上层模型得出基础补贴价格以及负荷子群的等效负荷响应量；
根据所述下层模型求解出的虚拟电厂调度计划更新所述上层模型的约束条件的边界值，再次求解；当求解结果相较上次迭代结果不再发生变化时，则此时为最优解，得出一体化虚拟电厂最优调度计划。
一种考虑可控负荷响应性能差异的虚拟电厂优化调度系统，其包括：第一处理模块，虚拟电厂获取可控负荷响应性能参数数据，并以此为依据对可控负荷进行聚类分群，形成不同响应性能的负荷子群；第二处理模块，根据负荷子群中聚合的可控负荷的响应性能参数，构建不同负荷子群的响应性能等效综合指标，各负荷子群根据等效综合指标的大小得到相应的补贴价格系数；最优调度模块，根据补贴价格系数得到可控负荷参与需求响应所获得的补贴价格，并在运行日前一天虚拟电厂对可再生能源出力和电价进行预测，建立考虑可控负荷动态响应量的一体化虚拟电厂双层优化调度模型，通过虚拟电厂内部调度与可控负荷响应潜力的不断交互协同优化，确定虚拟电厂的最优调度计划。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。
一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
本发明由于采取以上技术方案，其具有以下优点：
本发明在虚拟电厂的内部调度与可控负荷响应潜力的不断交互协同优化下，最大程度地挖掘可控负荷的调节潜力，提高虚拟电厂的经济效益。
附图说明
图1是本发明一实施例中虚拟电厂优化调度方法整体流程示意图；
图2是本发明一实施例中虚拟电厂优化调度方法详细流程示意图；
图3是本发明一实施例中负荷子群补贴价格系数以及等效综合指标图；
图4是本发明一实施例中虚拟电厂内部出力结果图；
图5是本发明一实施例中各负荷子群等效响应能力。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明提出的考虑可控负荷响应性能差异的虚拟电厂优化调度方法及系统，包括：获取参加需求响应的可控负荷响应性能参数数据，根据各可控负荷的参数数据对其进行聚类分群，形成响应性能不同的负荷子群；根据负荷子群的响应性能等效综合指标确定不同补贴价格系数；根据预测可再生能源出力及电价信息，建立一体化虚拟电厂的双层优化调度模型；通过构建上层考虑负荷子群中用户等效满意度的等效补贴费用最大与下层虚拟电厂运行成本最小的双层优化模型，虚拟电厂内部调度与可控负荷响应潜力不断交互协同优化，得出一体化虚拟电厂最优调度计划。本发明能够聚合优质的需求响应资源，充分挖掘可控负荷的响应潜力，同时极大程度地提高虚拟电厂的经济效益，具有科学合理，实用性强的优点。
在本发明的一个实施例中，提供一种考虑可控负荷响应性能差异的虚拟电厂优化调度方法。本实施例中，如图1、图2所示，该方法包括以下步骤：
1)虚拟电厂获取可控负荷响应性能参数数据，并以此为依据对可控负荷进行聚类分群，形成不同响应性能的负荷子群；
2)根据负荷子群中聚合的可控负荷的响应性能参数，构建不同负荷子群的响应性能等效综合指标，各负荷子群根据等效综合指标的大小得到相应的补贴价格系数；
3)根据补贴价格系数得到可控负荷参与需求响应所获得的补贴价格，并在运行日前一天虚拟电厂对可再生能源出力和电价进行预测，建立考虑可控负荷动态响应量的一体化虚拟电厂双层优化调度模型，通过虚拟电厂内部调度与可控负荷响应潜力的不断交互协同优化，确定虚拟电厂的最优调度计划。
上述步骤1)中，虚拟电厂获取可控负荷响应性能参数数据，并以此为依据对可控负荷进行聚类分群，形成不同响应性能的负荷子群，包括以下步骤：
1.1)确定所有可控负荷响应性能参数数据；
在本实施例中，对于每一个可控负荷来说，确定其响应性能参数包括xi＝{pi，vi，ai，fi}。
其中，pi表示可控负荷i最大负荷响应量、vi表示可控负荷i的需求响应速率、ai表示可控负荷i的需求响应精度，即可控负荷i在过往参与需求响应时的负荷响应量与被分配负荷响应量的比值、fi表示可控负荷i的有效响应率，即可控负荷i参与需求响应经判定为有效次数的比例。
为方便聚类，vi均取原值的负数，旨在对于可控负荷响应性能来说各项参数都是越大响应性能越好。
1.2)采用NJW谱聚类算法，根据可控负荷响应性能参数差异，将具有相似响应性能的可控负荷聚类为同一负荷子群。
上述步骤1.2)中，将具有相似响应性能的可控负荷聚类为同一负荷子群，包括以下步骤：
1.2.1)输入各可控负荷响应性能参数数据和虚拟电厂期望获得的负荷子群数；
在本实施例中，负荷子群数目为k，优选k取5；
1.2.2)将各可控负荷响应性能参数进行标准化处理；
Figure BDA0003683756730000051
其中，N为可控负荷的总数目，本实施例中优选N取1000；x'i为经标准化处理后的可控负荷i的响应性能参数；
1.2.3)计算经标准化处理后的可控负荷响应性能参数的欧氏距离，利用欧氏距离确定不同可控负荷之间的差异矩阵；
在本实施例中，可控负荷i与可控负荷j之间的差异矩阵D表示为：
D(i,j)＝an||x'i-x'j||2， i,j＝1,2,…,N (2)
其中，D(i,j)表示矩阵D中第i行第j列的元素；an表示第n个响应性能参数的权重系数，取值范围为[0,1]；
1.2.4)根据差异矩阵及高斯核函数构造邻接矩阵M；
Figure BDA0003683756730000052
其中，M(i,j)表示矩阵M中第i行第j列的元素；ζ表示高斯核函数的带宽参数，可以影响聚类效果；
1.2.5)利用邻接矩阵计算标准化的拉普拉斯矩阵Rstd；
在本实施例中，标准化的拉普拉斯矩阵Rstd为：
Figure BDA0003683756730000053
R＝H-D (5)
Rstd＝H-1/2RH1/2 (6)
其中，H(i,i)表示度矩阵H的第i行第i列，度矩阵为对角矩阵；
1.2.6)计算拉普拉斯矩阵Rstd的特征值eigvalues和特征向量eigvectors，取最大的前k个特征值对应的特征向量u1、u2…uk作为行向量，即有k个负荷子群，构成新的聚类矩阵B；
1.2.7)利用K-means方法对新的聚类矩阵B进行聚类，获得可控负荷聚类分群结果。
上述步骤2)中，根据负荷子群中聚合的可控负荷的响应性能参数，构建不同负荷子群的响应性能等效综合指标，包括以下步骤：
2.1)根据可控负荷的聚类分群结果，得到每个负荷子群的响应性能等效综合指标K'n；
每个负荷子群的等效综合指标K'n为：
Figure BDA0003683756730000061
其中，K'n是第n个负荷子群的等效综合指标；α、β、χ、δ分别为等效最大负荷响应量、等效响应速率、等效响应精度以及等效有效响应率的权重系数；
Figure BDA0003683756730000062
分别为第n个负荷子群的等效最大响应量、等效响应速率、等效响应精度以及等效有效响应率；k为负荷子群数。
2.2)将等效综合指标K'n进行排序，按照排序结果得到各负荷子群的补贴价格系数θn；
2.3)等效综合指标K'n与补贴价格系数θn成正比；K'n值越大，补贴价格系数θn越大，K'n值越小，补贴价格系数θn越小。负荷子群补贴价格系数以及等效综合指标如图3所示。
上述步骤3)中，双层优化调度模型包括：从可控负荷角度出发的上层模型和从虚拟电厂角度出发的下层模型；
上层模型的目标函数为考虑负荷子群中用户等效满意度的等效补贴费用最大，约束条件为需求响应约束和基础补贴价格约束；
下层模型的目标函数为虚拟电厂运行成本最小，虚拟电厂运行成本包括燃气轮机成本、储能充放电成本、弃风弃光成本和需求响应补贴费用；
下层模型的约束条件为燃气轮机出力约束、储能充放电约束、需求响应约束和功率平衡约束。
在本实施例中，一体化虚拟电厂双层优化调度上层模型从可控负荷角度出发：
①目标函数：可控负荷参与需求响应所获得的补贴价格最大。
Figure BDA0003683756730000071
其中，p'i,t表示第i个负荷子群在时段t的等效负荷响应量；k'1,i,t、k'2,i,t表示第i个负荷子群的等效满意度，前者表示第i个负荷子群在t时段对需求响应的意愿程度，其值越小表示响应意愿越大，后者表示第i个负荷子群在t时段可接受的最低补贴价格；
②约束条件：需求响应约束、基础补贴价格约束。
λmin,t≤λt≤λmax,t (9)
其中，λmin,t、λmax,t分别表示时段t基础补贴价格的最小值和最大值；
p'min,i,t≤p'i,t≤p'max,i,t (10)
其中，p'min,i,t、p'max,i,t分别表示第i个负荷子群在时段t等效负荷响应量的最小值和最大值。
虚拟电厂选取基础补贴价格作为各负荷子群的初始基础补贴价格，充分考虑负荷子群内用户的满意度，寻优得出基础补贴价格以及负荷子群的等效负荷响应量。
在本实施例中，一体化虚拟电厂双层优化调度下层模型从虚拟电厂角度出发：
①目标函数：虚拟电厂运行成本最小。主要包括燃气轮机成本、储能充放电成本、弃风弃光成本、需求响应补贴费用；
Figure BDA0003683756730000072
其中，
Figure BDA0003683756730000073
表示虚拟电厂j在时段t的运行成本；
Figure BDA0003683756730000074
表示时段t的预测电价；
Figure BDA0003683756730000075
表示虚拟电厂j在时段t与电能量市场的交互有功功率；
CVPP＝CDG+CESS+CWT+CPV+CDR (12)
其中，CDG表示燃气轮机的发电成本；CESS表示储能的运行成本；CWT表示弃风成本；CPV表示弃光成本，CDR表示可控负荷的补贴费用；
Figure BDA0003683756730000076
其中，a、cSUC、cSUD分别表示为燃气轮机的固定成本、启动成本以及停机成本；布尔变量
Figure BDA0003683756730000077
表示为燃气轮机在时段t的是否处于工作状态、是否启动、是否停机，若是则置1，若不是则置0；将燃气轮机的二次成本进行分段线性化表示，其中Nm表示线性化的分段数；bm表示燃气轮机在第m段发电成本斜率；
Figure BDA0003683756730000078
表示时段t燃气轮机在第m段上的出力；
Figure BDA0003683756730000081
其中，cdis、ccha表示储能放电、充电的边际成本；Pt dis、Pt cha表示时段t储能的放电量和充电量；
Figure BDA0003683756730000082
其中，cWT表示弃风惩罚系数；Pt pre,WT表示时段t风电预测出力；Pt WT表示时段t风电出力；
Figure BDA0003683756730000083
其中，cPV表示弃光惩罚系数；Pt pre,PV表示时段t光伏预测出力；Pt PV表示时段t光伏出力；
Figure BDA0003683756730000084
其中，θi表示第i个负荷子群的补贴价格系数；λ表示负荷子群的基础补贴价格；pi,n表示第i个负荷子群中第n个可控负荷的响应容量；
②约束条件：燃气轮机出力约束、储能充放电约束、需求响应约束、功率平衡约束。
0≤Pt WT≤Pt pre,WT (18)
0≤Pt PV≤Pt pre,PV (19)
Figure BDA0003683756730000085
式中：Pt DG表示时段t燃气轮机各分段出力之和；
Figure BDA0003683756730000086
表示燃气轮机在第m分段最大出力，r DG,D、r DG,U表示燃气轮机向上向下爬坡率；
Figure BDA0003683756730000091
式中：SESS,max、SESS,min分别表示储能蓄电量的上、下限；Pcha,max、Pdis,max分别表示储能充、放电电量上限；布尔变量
Figure BDA0003683756730000092
分别表示时段t储能是否充电、是否放电，若是则置1，若不是则置0；
Figure BDA0003683756730000093
表示时段t储能的蓄电量；ηcha、ηdis分别表示储能充、放电效率；
Figure BDA0003683756730000094
表示时段t储能的蓄电量与储能容量的比值；SOCmax、SOCmin表示储能荷电状态的最大值、最小值；
Figure BDA0003683756730000095
式中：Pt DR表示时段t需求响应总量；
Figure BDA0003683756730000096
表示连续时间内可控负荷最大调用量；
Figure BDA0003683756730000097
上述步骤3)中，确定虚拟电厂的最优调度计划包括以下步骤：
3.1)由上层模型得出基础补贴价格以及负荷子群的等效负荷响应量；
3.2)根据下层模型求解出的虚拟电厂调度计划更新上层模型的约束条件的边界值，再次求解；当求解结果相较上次迭代结果不再发生变化时，则此时为最优解，得出一体化虚拟电厂最优调度计划。
综上，本发明使用时，如图4所示，对应一体化虚拟电厂在经过反复交互协同优化后得出的最优调度计划。在电价相对较高的10：00—22：00，虚拟电厂安排可控负荷参与需求响应，为虚拟电厂增加盈利的同时，也起到了削峰的作用。
如图5所示，对应各时段不同负荷子群的等效响应能力。结合图3各负荷子群的等效综合指标K'n来看，负荷子群3的K'n最大，相应地参与需求响应时该负荷子群的等效响应能力最强，负荷子群5的K'n最小，该负荷子群的等效响应能力最弱，在10：00以及14：00—16：00甚至没有参与需求响应，负荷子群5的可控负荷将会损失部分收益，这将激励可控负荷提升响应性能，以便下次聚合到响应性能优越的负荷子群中，获得更多收益。
在本发明的一个实施例中，提供一种考虑可控负荷响应性能差异的虚拟电厂优化调度系统，其包括：
第一处理模块，虚拟电厂获取可控负荷响应性能参数数据，并以此为依据对可控负荷进行聚类分群，形成不同响应性能的负荷子群；
第二处理模块，根据负荷子群中聚合的可控负荷的响应性能参数，构建不同负荷子群的响应性能等效综合指标，各负荷子群根据等效综合指标的大小得到相应的补贴价格系数；
最优调度模块，根据补贴价格系数得到可控负荷参与需求响应所获得的补贴价格，并在运行日前一天虚拟电厂对可再生能源出力和电价进行预测，建立考虑可控负荷动态响应量的一体化虚拟电厂双层优化调度模型，通过虚拟电厂内部调度与可控负荷响应潜力的不断交互协同优化，确定虚拟电厂的最优调度计划。
本实施例提供的系统是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
本发明一实施例中提供的计算设备结构，该计算设备可以是终端，其可以包括：处理器(processor)、通信接口(Communications Interface)、存储器(memory)、显示屏和输入装置。其中，处理器、通信接口、存储器通过通信总线完成相互间的通信。该处理器用于提供计算和控制能力。该存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统和计算机程序，该计算机程序被处理器执行时以实现一种考虑可控负荷响应性能差异的虚拟电厂优化调度方法；该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、管理商网络、NFC(近场通信)或其他技术实现。该显示屏可以是液晶显示屏或者电子墨水显示屏，该输入装置可以是显示屏上覆盖的触摸层，也可以是计算设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。处理器可以调用存储器中的逻辑指令，以执行如下方法：虚拟电厂获取可控负荷响应性能参数数据，并以此为依据对可控负荷进行聚类分群，形成不同响应性能的负荷子群；根据负荷子群中聚合的可控负荷的响应性能参数，构建不同负荷子群的响应性能等效综合指标，各负荷子群根据等效综合指标的大小得到相应的补贴价格系数；根据补贴价格系数得到可控负荷参与需求响应所获得的补贴价格，并在运行日前一天虚拟电厂对可再生能源出力和电价进行预测，建立考虑可控负荷动态响应量的一体化虚拟电厂双层优化调度模型，通过虚拟电厂内部调度与可控负荷响应潜力的不断交互协同优化，确定虚拟电厂的最优调度计划。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以理解，上述计算设备的结构，仅仅是与本申请方案相关的部分结构，并不构成对本申请方案所应用于其上的计算设备的限定，具体的计算设备可以包括更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在本发明的一个实施例中，提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：虚拟电厂获取可控负荷响应性能参数数据，并以此为依据对可控负荷进行聚类分群，形成不同响应性能的负荷子群；根据负荷子群中聚合的可控负荷的响应性能参数，构建不同负荷子群的响应性能等效综合指标，各负荷子群根据等效综合指标的大小得到相应的补贴价格系数；根据补贴价格系数得到可控负荷参与需求响应所获得的补贴价格，并在运行日前一天虚拟电厂对可再生能源出力和电价进行预测，建立考虑可控负荷动态响应量的一体化虚拟电厂双层优化调度模型，通过虚拟电厂内部调度与可控负荷响应潜力的不断交互协同优化，确定虚拟电厂的最优调度计划。
在本发明的一个实施例中，提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储服务器指令，该计算机指令使计算机执行上述各实施例提供的方法，例如包括：虚拟电厂获取可控负荷响应性能参数数据，并以此为依据对可控负荷进行聚类分群，形成不同响应性能的负荷子群；根据负荷子群中聚合的可控负荷的响应性能参数，构建不同负荷子群的响应性能等效综合指标，各负荷子群根据等效综合指标的大小得到相应的补贴价格系数；根据补贴价格系数得到可控负荷参与需求响应所获得的补贴价格，并在运行日前一天虚拟电厂对可再生能源出力和电价进行预测，建立考虑可控负荷动态响应量的一体化虚拟电厂双层优化调度模型，通过虚拟电厂内部调度与可控负荷响应潜力的不断交互协同优化，确定虚拟电厂的最优调度计划。
上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种考虑可控负荷响应性能差异的虚拟电厂优化调度方法，其特征在于，包括：
虚拟电厂获取可控负荷响应性能参数数据，并以此为依据对可控负荷进行聚类分群，形成不同响应性能的负荷子群；
根据负荷子群中聚合的可控负荷的响应性能参数，构建不同负荷子群的响应性能等效综合指标，各负荷子群根据等效综合指标的大小得到相应的补贴价格系数；
根据补贴价格系数得到可控负荷参与需求响应所获得的补贴价格，并在运行日前一天虚拟电厂对可再生能源出力和电价进行预测，建立考虑可控负荷动态响应量的一体化虚拟电厂双层优化调度模型，通过虚拟电厂内部调度与可控负荷响应潜力的不断交互协同优化，确定虚拟电厂的最优调度计划。
2.如权利要求1所述考虑可控负荷响应性能差异的虚拟电厂优化调度方法，其特征在于，所述虚拟电厂获取可控负荷响应性能参数数据，并以此为依据对可控负荷进行聚类分群，形成不同响应性能的负荷子群，包括：
确定所有可控负荷响应性能参数数据；
根据可控负荷响应性能参数差异，将具有相似响应性能的可控负荷聚类为同一负荷子群。
3.如权利要求2所述考虑可控负荷响应性能差异的虚拟电厂优化调度方法，其特征在于，所述将具有相似响应性能的可控负荷聚类为同一负荷子群，包括：
输入各可控负荷响应性能参数数据和虚拟电厂期望获得的负荷子群数；
将各可控负荷响应性能参数进行标准化处理；
计算经标准化处理后的可控负荷响应性能参数的欧氏距离，利用欧氏距离确定不同可控负荷之间的差异矩阵；
根据差异矩阵及高斯核函数构造邻接矩阵；
利用邻接矩阵计算标准化的拉普拉斯矩阵
计算拉普拉斯矩阵的特征值和特征向量，取最大的前k个特征值对应的特征向量u1、u2…uk作为行向量，即有k个负荷子群，构成新的聚类矩阵B；
利用K-means方法对新的聚类矩阵B进行聚类，获得可控负荷聚类分群结果。
4.如权利要求1所述考虑可控负荷响应性能差异的虚拟电厂优化调度方法，其特征在于，所述根据负荷子群中聚合的可控负荷的响应性能参数，构建不同负荷子群的响应性能等效综合指标，包括：
根据可控负荷的聚类分群结果，得到每个负荷子群的响应性能等效综合指标K'n；
将等效综合指标K'n进行排序，按照排序结果得到各负荷子群的补贴价格系数θn；
所述等效综合指标K'n与补贴价格系数θn成正比。
5.如权利要求4所述考虑可控负荷响应性能差异的虚拟电厂优化调度方法，其特征在于，所述等效综合指标K'n为：
Figure FDA0003683756720000021
其中，α、β、χ、δ分别为等效最大负荷响应量、等效响应速率、等效响应精度以及等效有效响应率的权重系数；
Figure FDA0003683756720000022
分别为第n个负荷子群的等效最大响应量、等效响应速率、等效响应精度以及等效有效响应率；k为负荷子群数。
6.如权利要求1所述考虑可控负荷响应性能差异的虚拟电厂优化调度方法，其特征在于，所述双层优化调度模型包括：从可控负荷角度出发的上层模型和从虚拟电厂角度出发的下层模型；
所述上层模型的目标函数为考虑负荷子群中用户等效满意度的等效补贴费用最大，约束条件为需求响应约束和基础补贴价格约束；
所述下层模型的目标函数为虚拟电厂运行成本最小，所述虚拟电厂运行成本包括燃气轮机成本、储能充放电成本、弃风弃光成本和需求响应补贴费用；
所述下层模型的约束条件为燃气轮机出力约束、储能充放电约束、需求响应约束和功率平衡约束。
7.如权利要求6所述考虑可控负荷响应性能差异的虚拟电厂优化调度方法，其特征在于，所述确定虚拟电厂的最优调度计划包括：
由所述上层模型得出基础补贴价格以及负荷子群的等效负荷响应量；
根据所述下层模型求解出的虚拟电厂调度计划更新所述上层模型的约束条件的边界值，再次求解；当求解结果相较上次迭代结果不再发生变化时，则此时为最优解，得出一体化虚拟电厂最优调度计划。
8.一种考虑可控负荷响应性能差异的虚拟电厂优化调度系统，其特征在于，包括：
第一处理模块，虚拟电厂获取可控负荷响应性能参数数据，并以此为依据对可控负荷进行聚类分群，形成不同响应性能的负荷子群；
第二处理模块，根据负荷子群中聚合的可控负荷的响应性能参数，构建不同负荷子群的响应性能等效综合指标，各负荷子群根据等效综合指标的大小得到相应的补贴价格系数；
最优调度模块，根据补贴价格系数得到可控负荷参与需求响应所获得的补贴价格，并在运行日前一天虚拟电厂对可再生能源出力和电价进行预测，建立考虑可控负荷动态响应量的一体化虚拟电厂双层优化调度模型，通过虚拟电厂内部调度与可控负荷响应潜力的不断交互协同优化，确定虚拟电厂的最优调度计划。
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至7所述方法中的任一方法。
10.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。
CN202210652455.6A 2022-06-08 2022-06-08 考虑可控负荷响应性能差异的虚拟电厂优化调度方法及系统 Pending CN114997665A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210652455.6A CN114997665A (zh) 2022-06-08 2022-06-08 考虑可控负荷响应性能差异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
CN202210652455.6A CN114997665A (zh) 2022-06-08 2022-06-08 考虑可控负荷响应性能差异的虚拟电厂优化调度方法及系统

Publications (1)

Publication Number Publication Date
CN114997665A true CN114997665A (zh) 2022-09-02

Family

ID=83032208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210652455.6A Pending CN114997665A (zh) 2022-06-08 2022-06-08 考虑可控负荷响应性能差异的虚拟电厂优化调度方法及系统

Country Status (1)

Country Link
CN (1) CN114997665A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116070888A (zh) * 2023-04-06 2023-05-05 国网浙江省电力有限公司金华供电公司 基于决策树的虚拟电厂可调容量分析方法、装置及介质
CN116542439A (zh) * 2023-03-29 2023-08-04 国网上海市电力公司 一种虚拟电厂多能源响应的优化运行方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111815018A (zh) * 2020-05-29 2020-10-23 国网冀北电力有限公司计量中心 一种虚拟电厂的优化调度方法及装置
CN113538066A (zh) * 2021-07-30 2021-10-22 国网上海市电力公司 虚拟电厂参与电力市场的控制方法、系统、设备及介质
CN113794200A (zh) * 2021-08-31 2021-12-14 国网上海市电力公司 一种用于虚拟电厂的多类型负荷资源聚合方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111815018A (zh) * 2020-05-29 2020-10-23 国网冀北电力有限公司计量中心 一种虚拟电厂的优化调度方法及装置
CN113538066A (zh) * 2021-07-30 2021-10-22 国网上海市电力公司 虚拟电厂参与电力市场的控制方法、系统、设备及介质
CN113794200A (zh) * 2021-08-31 2021-12-14 国网上海市电力公司 一种用于虚拟电厂的多类型负荷资源聚合方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
关舒丰等: ""基于可控负荷响应性能差异的虚拟电厂分类聚合方法及辅助服务市场投标策略研究"", 《电网技术》, vol. 46, no. 3, 31 March 2022 (2022-03-31), pages 933 - 943 *
杨秀等: ""考虑需求响应的虚拟电厂双层优化调度"", 《电力科学与技术学报》, vol. 37, no. 2, 31 March 2022 (2022-03-31), pages 137 - 146 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542439A (zh) * 2023-03-29 2023-08-04 国网上海市电力公司 一种虚拟电厂多能源响应的优化运行方法及系统
CN116070888A (zh) * 2023-04-06 2023-05-05 国网浙江省电力有限公司金华供电公司 基于决策树的虚拟电厂可调容量分析方法、装置及介质
CN116070888B (zh) * 2023-04-06 2023-07-04 国网浙江省电力有限公司金华供电公司 基于决策树的虚拟电厂可调容量分析方法、装置及介质

Similar Documents

Publication Publication Date Title
CN114997665A (zh) 考虑可控负荷响应性能差异的虚拟电厂优化调度方法及系统
Chen et al. iEMS for large scale charging of electric vehicles: Architecture and optimal online scheduling
Vykhodtsev et al. A review of modelling approaches to characterize lithium-ion battery energy storage systems in techno-economic analyses of power systems
CN103532157B (zh) 一种针对融入储能设备的电网系统电能调度方法
CN112366704B (zh) 一种基于激励需求响应的综合能源系统联络线功率控制方法
CN109713666B (zh) 一种基于K-means聚类的电力市场下分布式储能经济性调控方法
CN112232863B (zh) 一种基于云边端协同的虚拟资源管理方法及系统
KR20210100699A (ko) 하이브리드 발전소
CN115564197A (zh) 用户侧灵活性资源响应潜力评估方法、系统、设备和介质
CN117353290A (zh) 一种数据中心与共享储能电站的联合调度方法及计算设备
CN115276047A (zh) 电能调度方法、装置及计算机可读存储介质
CN112886567B (zh) 一种基于主从博弈的需求侧资源灵活性优化调度方法及系统
TWI767525B (zh) 基於強化學習的再生能源配置方法及裝置
Ma et al. Market-based co-optimization of energy and ancillary services with distributed energy resource flexibilities
CN107016504A (zh) 一种计及电动汽车随机模糊需求响应的调度优化建模及算法
CN117117878A (zh) 基于人工神经网络和多智能体强化学习的电网需求侧响应潜力评估及负荷调控方法
CN108683211B (zh) 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型
CN112633771B (zh) 电力资源数值计算方法、装置、计算机设备和存储介质
CN112510679B (zh) 分布式储能优化调度方法、装置、计算机设备和存储介质
CN110970939B (zh) 一种分布式能源集群优化方法及系统
CN113554219A (zh) 一种可再生能源发电站共享储能容量规划方法及装置
CN112734277A (zh) 信息物理融合的需求侧响应资源多层级建模方法
CN111861278A (zh) 一种电力系统的用电负荷峰谷时段划分方法及系统
CN117674300B (zh) 虚拟电厂资源调度方法、装置、终端设备以及存储介质
Su et al. Voltage regulation strategy of distribution network with decentralized wind power based on cluster partition

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