CN115345389B - 一种集群对虚拟电厂多时间尺度优化调度方法 - Google Patents

一种集群对虚拟电厂多时间尺度优化调度方法 Download PDF

Info

Publication number
CN115345389B
CN115345389B CN202211276439.8A CN202211276439A CN115345389B CN 115345389 B CN115345389 B CN 115345389B CN 202211276439 A CN202211276439 A CN 202211276439A CN 115345389 B CN115345389 B CN 115345389B
Authority
CN
China
Prior art keywords
power plant
virtual power
day
cluster
scheduling
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.)
Active
Application number
CN202211276439.8A
Other languages
English (en)
Other versions
CN115345389A (zh
Inventor
李波
卢建刚
陈锦荣
赵瑞锋
钟少恒
谭振鹏
李响
邝梓佳
欧阳卫年
姚若昊
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.)
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Original Assignee
Foshan Power Supply Bureau of Guangdong Power Grid Corp
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 Foshan Power Supply Bureau of Guangdong Power Grid Corp filed Critical Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority to CN202211276439.8A priority Critical patent/CN115345389B/zh
Publication of CN115345389A publication Critical patent/CN115345389A/zh
Application granted granted Critical
Publication of CN115345389B publication Critical patent/CN115345389B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • 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
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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
    • 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

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

本发明提供了一种集群对虚拟电厂多时间尺度优化调度方法，其充分考虑了分布式可再生能源对电网运行稳定的影响，以集群对外出力稳定为前提，再考虑虚拟电厂资源最大化利用与电网调度经济性最优，同时可以起到引导虚拟电厂将灵活性资源向负荷高峰时段转移的作用，维持负荷高峰时段集群对外的稳定性与内部的可调度性。还充分考虑了虚拟电厂日内调度时可能出现的聚合出力超限的特殊情况，通过对松弛各时段可调节裕量约束的松弛处理，确保日内调度在该突发情况下仍可有效执行。还充分考虑了虚拟电厂与现有电网调度架构的结合，采用“虚拟电厂提供可调范围‑电网在范围内选择最优解”的调度形式，有利于虚拟电厂工程应用的推广。

Description

一种集群对虚拟电厂多时间尺度优化调度方法
技术领域
本发明属于电网优化调度技术领域，涉及一种集群对虚拟电厂多时间尺度优化调度方法，特别涉及一种考虑灵活性裕度的集群对虚拟电厂多时间尺度优化调度方法。
背景技术
分布式可再生能源是指充分利用屋顶、大棚等闲散空间资源，发展小型化、分布化的可再生能源。目前，存在较为明显的可再生能源中心与负荷中心逆向分布的问题：可再生资源丰富、适合建设大规模集中式可再生能源的西北地区人口密度低，无法实现可再生能源的全额就地消纳；负荷较重的东南沿海地区由于可再生资源相对较少、负荷需求较大，则缺少足够的空间建设能够匹配负荷需求的大规模可再生能源电站。因此，充分利用闲散空间大力发展分布式可再生能源就成为了推动电网绿色化、低碳化转型升级的重要途径。
为了应对分布式可再生能源固有的间歇性、随机性、个体容量小、总体规模大等特点对电网调度带来的一系列问题，虚拟电厂成为了近年来重要的研究方向。虚拟电厂是通过精细的控制方式和能源管理整合各类分布式电源，将多个小电源打包以形成输出相对稳定且较大的出力的效果，从虚拟电厂的对外表现形式来看，更类似于传统电厂。但是，目前对虚拟电厂的研究多建立在参与电力市场的基础上，未能与调度为主的电力调度基本架构相结合，导致目前虚拟电厂示范工程项目仅能在电力市场有一定发展基础的地区小范围试点，而难以进一步推广。
发明内容
有鉴于此，本发明旨在解决当前虚拟电厂未能有序参与电网调度的问题。
为了解决上述技术问题，本发明提供以下技术方案：
本发明提供一种集群对虚拟电厂多时间尺度优化调度方法，包括如下步骤：
收集集群内虚拟电厂的日前聚合曲线、可调度裕量曲线、售电价格信息，电网提供目标出力曲线；
建立集群日前调度模型，考虑在集群对外功率交互稳定前提下的虚拟电厂资源最大化利用，设置目标函数为对目标出力曲线跟随效果最好、虚拟电厂资源最大化利用和调度经济性最优，设置约束条件为可调节裕量约束、集群有功平衡约束；
通过序贯解法对所建立的日前调度模型进行求解，得到虚拟电厂日前调度指令曲线、集群计划出力曲线与集群可调裕度范围；
电网在集群可调裕度范围内，下达电网对集群的调度指令曲线，虚拟电厂上传日内滚动聚合曲线；
建立集群日内调度模型，考虑虚拟电厂日内滚动聚合曲线总和的差值，以满足电网指令的前提下虚拟电厂调度结果修正量最小为目标，设置约束条件为可调节裕量约束、集群有功平衡约束；
对集群日内调度模型进行求解，并向虚拟电厂下发调度指令。
进一步的，日前聚合曲线为前一日对当日24小时内的预计出力曲线，可调度裕量曲线为在日前聚合曲线的基础上，可以向上与向下调整的极限可调出力范围，日前优化调度每日进行一次。
进一步的，在集群日前调度模型中，目标函数分别如下：
对目标出力曲线跟随效果最好：
Figure 206509DEST_PATH_IMAGE001
式中，T为调度时段总数，若单个调度时段长度为1小时，则T=24；N为虚拟电厂的集合；
Figure 185966DEST_PATH_IMAGE002
为目标出力曲线t时段内的电量；
Figure 513173DEST_PATH_IMAGE003
为虚拟电厂n在t时段内的日前聚合电量；
Figure 908383DEST_PATH_IMAGE004
为虚拟电厂n在t时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度；
虚拟电厂资源最大化利用：
Figure 50651DEST_PATH_IMAGE005
调度经济性最优：
Figure 919119DEST_PATH_IMAGE006
式中，
Figure 248469DEST_PATH_IMAGE007
为第二日t时段虚拟电厂n向集群的售电价格。
进一步的，在集群日前调度模型中，约束条件分别如下：
各时段可调节裕量约束：
Figure 447369DEST_PATH_IMAGE008
Figure 194876DEST_PATH_IMAGE009
式中，
Figure 984978DEST_PATH_IMAGE010
与
Figure 152408DEST_PATH_IMAGE011
分别为虚拟电厂n在t时段的上调与下调灵活性裕度，
Figure 889420DEST_PATH_IMAGE004
为虚拟电厂n在t时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度，N为虚拟电厂的集合；
集群有功平衡约束：
Figure 475122DEST_PATH_IMAGE012
式中，
Figure 452437DEST_PATH_IMAGE003
为虚拟电厂n在t时段内的日前聚合电量，
Figure 21958DEST_PATH_IMAGE013
为集群在t时段与电网计划交互电量，
Figure 297082DEST_PATH_IMAGE002
为目标出力曲线t时段内的电量。
进一步的，对日前调度模型求解后，得到的虚拟电厂日前调度指令曲线、集群计划出力曲线与集群可调裕度范围分别如下：
虚拟电厂日前调度指令曲线：
Figure 986558DEST_PATH_IMAGE014
式中，
Figure 384041DEST_PATH_IMAGE015
为虚拟电厂n在t时段的日前调度指令值，
Figure 112963DEST_PATH_IMAGE003
为虚拟电厂n在t时段内的日前聚合电量，
Figure 270406DEST_PATH_IMAGE004
为虚拟电厂n在t时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度；
集群计划出力曲线：
Figure 565121DEST_PATH_IMAGE016
式中，
Figure 913932DEST_PATH_IMAGE013
为集群在t时段与电网计划交互电量值，
Figure 926887DEST_PATH_IMAGE002
为目标出力曲线t时段内的电量，N为虚拟电厂的集合；
集群可调裕度范围：
Figure 809392DEST_PATH_IMAGE017
式中，
Figure 709346DEST_PATH_IMAGE018
与
Figure 979791DEST_PATH_IMAGE019
分别为t时段集群提供给电网的上调灵活性裕度与下调灵活性裕度，
Figure 463731DEST_PATH_IMAGE010
与
Figure 884348DEST_PATH_IMAGE011
分别为虚拟电厂n在t时段的上调与下调灵活性裕度；
集群日前调度完成后，将虚拟电厂日前调度指令曲线下达至各虚拟电厂，将集群计划出力曲线与集群可调裕度范围上传至上级集群或电网。
进一步的，通过序贯解法对所建立的日前调度模型进行求解，具体包括：
将目标函数分为三级，第一级为对目标出力曲线跟随效果最好，第二级为虚拟电厂资源最大化利用，第三级为调度经济性最优；
考虑对目标出力曲线跟随效果最好，求解第一级目标最优值，得到对应的帕累托最优解集；
将第一级目标等于其最优值加入约束条件，考虑虚拟电厂资源最大化利用，求解第二级目标最优值，得到对应的帕累托最优解集；
将第一、第二级目标等于其最优值加入约束条件，考虑调度经济性最优，求解第三级目标最优值，得到最终的帕累托最优解。
进一步的，电网对集群下达的调度指令曲线为对集群当日24小时内的出力指令曲线，虚拟电厂上传的日内滚动聚合曲线为虚拟电厂对未来2小时的聚合曲线预测，日内滚动优化调度每一小时更新一次。
进一步的，在集群日内调度模型中，目标函数为各虚拟电厂调度结果相对于其日前调度指令曲线修正百分比最小，具体如下：
Figure 497863DEST_PATH_IMAGE020
式中， H为日内调度的时间维度，若对虚拟电厂未来2小时下达调度指令、以15分钟为时间间隔，则H=8；
Figure 611312DEST_PATH_IMAGE021
为在虚拟电厂日内滚动聚合曲线基础上的修正量，
Figure 333281DEST_PATH_IMAGE022
为虚拟电厂n在h时段内的日前聚合电量，
Figure 134752DEST_PATH_IMAGE023
为虚拟电厂n在h时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度，N为虚拟电厂的集合。
进一步的，在集群日内调度模型中，约束条件分别如下：
各时段可调节裕量约束：
考虑到部分虚拟电厂日前聚合与日内聚合量可能过大导致日内滚动聚合曲线超出日前可调度范围，须将各时段可调节裕量约束进行松弛处理，即：
Figure 258566DEST_PATH_IMAGE024
Figure 542917DEST_PATH_IMAGE025
Figure 502914DEST_PATH_IMAGE026
式中，
Figure 858809DEST_PATH_IMAGE022
为虚拟电厂n在h时段内的日前聚合电量，
Figure 40391DEST_PATH_IMAGE023
为虚拟电厂n在h时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度，
Figure 276070DEST_PATH_IMAGE027
为虚拟电厂n在h时段的日内聚合电量，
Figure 238209DEST_PATH_IMAGE028
为日内聚合超范围部分的电量，当
Figure 804320DEST_PATH_IMAGE029
时，
Figure 184617DEST_PATH_IMAGE030
，
Figure 341929DEST_PATH_IMAGE031
与
Figure 306211DEST_PATH_IMAGE032
分别为虚拟电厂n在h时段的上调与下调灵活性裕度，N为虚拟电厂的集合；
各时段集群有功平衡约束：
Figure 676013DEST_PATH_IMAGE033
式中，
Figure 628925DEST_PATH_IMAGE034
为电网对集群在h时段的对外出力指令。
进一步的，对集群日内调度模型求解后，向虚拟电厂下发的调度指令具体为虚拟电厂日内滚动聚合曲线基础上的修正量，记为
Figure 973450DEST_PATH_IMAGE021
。
综上，本发明提供了一种集群对虚拟电厂多时间尺度优化调度方法，包括集群对虚拟电场的日前优化调度部分和日内优化调度部分，其充分考虑了分布式可再生能源对电网运行稳定的影响，以集群对外出力稳定为前提，再考虑虚拟电厂资源最大化利用与电网调度经济性最优，同时可以起到引导虚拟电厂将灵活性资源向负荷高峰时段转移的作用，维持负荷高峰时段集群对外的稳定性与内部的可调度性。还充分考虑了虚拟电厂日内调度时可能出现的聚合出力超限的特殊情况，通过对松弛各时段可调节裕量约束的松弛处理，确保日内调度在该突发情况下仍可有效执行。还充分考虑了虚拟电厂与现有电网调度架构的结合，采用“虚拟电厂提供可调范围-电网在范围内选择最优解”的调度形式而非“电网发布总需求-虚拟电厂参与市场竞争获得份额”的市场形式，有利于虚拟电厂工程应用的推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种集群对虚拟电厂多时间尺度优化调度方法的流程示意图；
图2为本发明实施例提供的集群日前优化调度流程图；
图3为本发明实施例提供的集群日内优化调度流程图。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
为解决当前虚拟电场未能有序参与电网调度的问题，本发明提出了一种考虑灵活性裕度的集群对虚拟电厂多时间尺度优化调度方法，将虚拟电厂视为与传统电厂类似的可调度单位，引入集群作为电网对虚拟电厂调度的中间调度单元，通过对虚拟电厂的日前优化调度与日内滚动优化调度，在降低虚拟电厂内分布式可再生能源不确定性风险的同时，实现虚拟电厂资源最大化利用与虚拟电厂有序参与电网调度。
以下对本发明的一种考虑灵活性裕度的集群对虚拟电厂多时间尺度优化调度方法的实施例进行详细的介绍。
请参阅图1，本实施例提供一种考虑灵活性裕度的集群对虚拟电厂多时间尺度优化调度方法，具体包括如下步骤：
S100：收集集群内虚拟电厂的日前聚合曲线、可调度裕量曲线、售电价格信息，电网提供目标出力曲线。
需要说明的是，日前聚合曲线为前一日对当日24小时内的预计出力曲线，可调度裕量曲线为在日前聚合曲线的基础上，可以向上与向下调整的极限可调出力范围，日前优化调度每日进行一次。
S200：建立集群日前调度模型，考虑在集群对外功率交互稳定前提下的虚拟电厂资源最大化利用，设置目标函数为对目标出力曲线跟随效果最好、虚拟电厂资源最大化利用和调度经济性最优，设置约束条件为可调节裕量约束、集群有功平衡约束。
在一个优选的实施例中，满足上述要求的目标函数分别如下：
对目标出力曲线跟随效果最好：
Figure 582286DEST_PATH_IMAGE001
式中，T为调度时段总数，若单个调度时段长度为1小时，则T=24；N为虚拟电厂的集合；
Figure 83674DEST_PATH_IMAGE002
为目标出力曲线t时段内的电量；
Figure 140361DEST_PATH_IMAGE003
为虚拟电厂n在t时段内的日前聚合电量；
Figure 108317DEST_PATH_IMAGE004
为虚拟电厂n在t时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度；
虚拟电厂资源最大化利用：
Figure 266766DEST_PATH_IMAGE005
调度经济性最优：
Figure 56998DEST_PATH_IMAGE006
式中，
Figure 718924DEST_PATH_IMAGE007
为第二日t时段虚拟电厂n向集群的售电价格。
另外，满足上述要求的约束条件分别如下：
各时段可调节裕量约束：
Figure 857781DEST_PATH_IMAGE008
Figure 18373DEST_PATH_IMAGE009
式中，
Figure 330406DEST_PATH_IMAGE010
与
Figure 863149DEST_PATH_IMAGE011
分别为虚拟电厂n在t时段的上调与下调灵活性裕度，
Figure 500804DEST_PATH_IMAGE004
为虚拟电厂n在t时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度，N为虚拟电厂的集合；
集群有功平衡约束：
Figure 617534DEST_PATH_IMAGE012
式中，
Figure 733257DEST_PATH_IMAGE003
为虚拟电厂n在t时段内的日前聚合电量，
Figure 651666DEST_PATH_IMAGE013
为集群在t时段与电网计划交互电量，
Figure 929063DEST_PATH_IMAGE002
为目标出力曲线t时段内的电量。
S300：通过序贯解法对所建立的日前调度模型进行求解，得到虚拟电厂日前调度指令曲线、集群计划出力曲线与集群可调裕度范围。
在一个优选的实施例中，对日前调度模型求解后，得到的虚拟电厂日前调度指令曲线、集群计划出力曲线与集群可调裕度范围分别如下：
虚拟电厂日前调度指令曲线：
Figure 221504DEST_PATH_IMAGE014
式中，
Figure 655766DEST_PATH_IMAGE015
为虚拟电厂n在t时段的日前调度指令值，
Figure 412369DEST_PATH_IMAGE003
为虚拟电厂n在t时段内的日前聚合电量，
Figure 63930DEST_PATH_IMAGE004
为虚拟电厂n在t时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度；
集群计划出力曲线：
Figure 656717DEST_PATH_IMAGE016
式中，
Figure 379822DEST_PATH_IMAGE013
为集群在t时段与电网计划交互电量值，
Figure 974620DEST_PATH_IMAGE002
为目标出力曲线t时段内的电量，N为虚拟电厂的集合；
集群可调裕度范围：
Figure 62662DEST_PATH_IMAGE017
式中，
Figure 392012DEST_PATH_IMAGE018
与
Figure 669541DEST_PATH_IMAGE019
分别为t时段集群提供给电网的上调灵活性裕度与下调灵活性裕度，
Figure 72840DEST_PATH_IMAGE010
与
Figure 128521DEST_PATH_IMAGE011
分别为虚拟电厂n在t时段的上调与下调灵活性裕度；
集群日前调度完成后，将虚拟电厂日前调度指令曲线下达至各虚拟电厂，将集群计划出力曲线与集群可调裕度范围上传至上级集群或电网。
在一个优选的实施例中，通过序贯解法对所建立的日前调度模型进行求解，具体包括：
步骤一：将目标函数分为三级，第一级为对目标出力曲线跟随效果最好，第二级为虚拟电厂资源最大化利用，第三级为调度经济性最优；
步骤二：考虑对目标出力曲线跟随效果最好，求解第一级目标最优值，得到对应的帕累托最优解集；
步骤三：将第一级目标等于其最优值加入约束条件，考虑虚拟电厂资源最大化利用，求解第二级目标最优值，得到对应的帕累托最优解集；
步骤四：将第一、第二级目标等于其最优值加入约束条件，考虑调度经济性最优，求解第三级目标最优值，得到最终的帕累托最优解。
S400：电网在集群可调裕度范围内，下达电网对集群的调度指令曲线，虚拟电厂上传日内滚动聚合曲线。
在一个优选的实施例中，电网对集群下达的调度指令曲线为对集群当日24小时内的出力指令曲线，虚拟电厂上传的日内滚动聚合曲线为虚拟电厂对未来2小时的聚合曲线预测，日内滚动优化调度每一小时更新一次。
S500：建立集群日内调度模型，考虑虚拟电厂日内滚动聚合曲线总和的差值，以满足电网指令的前提下虚拟电厂调度结果修正量最小为目标，设置约束条件为可调节裕量约束、集群有功平衡约束。
在一个优选的实施例中，在集群日内调度模型中，目标函数为各虚拟电厂调度结果相对于其日前调度指令曲线修正百分比最小，具体如下：
Figure 460014DEST_PATH_IMAGE020
式中， H为日内调度的时间维度，若对虚拟电厂未来2小时下达调度指令、以15分钟为时间间隔，则H=8；
Figure 197026DEST_PATH_IMAGE021
为在虚拟电厂日内滚动聚合曲线基础上的修正量，
Figure 782728DEST_PATH_IMAGE022
为虚拟电厂n在h时段内的日前聚合电量，
Figure 760043DEST_PATH_IMAGE023
为虚拟电厂n在h时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度，N为虚拟电厂的集合。
在一个优选的实施例中，在集群日内调度模型中，约束条件分别如下：
各时段可调节裕量约束：
考虑到部分虚拟电厂日前聚合与日内聚合量可能过大导致日内滚动聚合曲线超出日前可调度范围，须将各时段可调节裕量约束进行松弛处理，即：
Figure 736089DEST_PATH_IMAGE024
Figure 604688DEST_PATH_IMAGE025
Figure 294164DEST_PATH_IMAGE026
式中，
Figure 629330DEST_PATH_IMAGE022
为虚拟电厂n在h时段内的日前聚合电量，
Figure 420569DEST_PATH_IMAGE023
为虚拟电厂n在h时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度，
Figure 578012DEST_PATH_IMAGE027
为虚拟电厂n在h时段的日内聚合电量，
Figure 872727DEST_PATH_IMAGE028
为日内聚合超范围部分的电量，当
Figure 378795DEST_PATH_IMAGE029
时，
Figure 172176DEST_PATH_IMAGE030
，
Figure 116998DEST_PATH_IMAGE031
与
Figure 469482DEST_PATH_IMAGE032
分别为虚拟电厂n在h时段的上调与下调灵活性裕度，N为虚拟电厂的集合；
各时段集群有功平衡约束：
Figure 959500DEST_PATH_IMAGE033
式中，
Figure 725331DEST_PATH_IMAGE034
为电网对集群在h时段的对外出力指令。
S600：对集群日内调度模型进行求解，并向虚拟电厂下发调度指令。
在一个优选的实施例中，对集群日内调度模型求解后，向虚拟电厂下发的调度指令具体为虚拟电厂日内滚动聚合曲线基础上的修正量，记为
Figure 145948DEST_PATH_IMAGE021
。
集群对虚拟电厂的日前优化调度每日进行1次，调度结果为对未来24小时内的优化调度结果，流程如图2所示，其具体过程如下：
Step1：电网侧输入目标出力曲线数据，各集群内虚拟电厂输入日前聚合曲线、灵活性裕度范围与售电价格数据；
Step2：构建集群日前调度优化模型，考虑约束条件为各时段可调节裕量约束与集群有功平衡约束；
Step3：以对目标出力曲线跟随效果最好为目标，求解模型得到帕累托最优解集1；
Step4：以虚拟电厂资源最大化利用为目标，在帕累托最优解集1中寻找最优解，得到帕累托最优解集2；
Step5：以调度经济性最优为目标，在帕累托最优解集2中寻找最优解，最终得到帕累托最优解；
Step6：将集群计划出力曲线与集群可调裕度范围上传至电网，将日前调度指令曲线下达至各集群内虚拟电厂。
集群对虚拟电厂的日内滚动优化调度每1小时进行1次，每次对未来2小时内的优化调度结果进行滚动修正，流程如图3所示。
Step1：电网侧输入对集群的调度指令曲线，各集群内虚拟电厂输入日内滚动聚合曲线；
Step2：构建集群日内调度优化模型，考虑目标函数为各虚拟电厂调度结果修正量最小，约束条件为各时段可调节裕量约束与集群有功平衡约束；
Step2：求解模型，得到各集群内虚拟电厂输入日内滚动聚合曲线基础上的调度结果修正量，并将该调度结果修正量下达至各集群内虚拟电厂。
本实施例提供的优化调度方法与现有技术相比，具有如下优点：
（1）充分考虑了分布式可再生能源对电网运行稳定的影响，以集群对外出力稳定为前提，再考虑虚拟电厂资源最大化利用与电网调度经济性最优，同时可以起到引导虚拟电厂将灵活性资源向负荷高峰时段转移的作用，维持负荷高峰时段集群对外的稳定性与内部的可调度性。
（2）充分考虑了虚拟电厂日内调度时可能出现的聚合出力超限的特殊情况，通过对松弛各时段可调节裕量约束的松弛处理，确保日内调度在该突发情况下仍可有效执行。
（3）充分考虑了虚拟电厂与现有电网调度架构的结合，采用“虚拟电厂提供可调范围-电网在范围内选择最优解”的调度形式而非“电网发布总需求-虚拟电厂参与市场竞争获得份额”的市场形式，有利于虚拟电厂工程应用的推广。
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 (9)

1.一种集群对虚拟电厂多时间尺度优化调度方法，其特征在于，包括如下步骤：
收集集群内虚拟电厂的日前聚合曲线、可调度裕量曲线、售电价格信息，电网提供目标出力曲线；
建立集群日前调度模型，考虑在集群对外功率交互稳定前提下的虚拟电厂资源最大化利用，设置目标函数为对目标出力曲线跟随效果最好、虚拟电厂资源最大化利用和调度经济性最优，设置约束条件为可调节裕量约束、集群有功平衡约束；
通过序贯解法对所建立的所述日前调度模型进行求解，得到虚拟电厂日前调度指令曲线、集群计划出力曲线与集群可调裕度范围；
电网在所述集群可调裕度范围内，下达电网对集群的调度指令曲线，虚拟电厂上传日内滚动聚合曲线；
建立集群日内调度模型，考虑虚拟电厂日内滚动聚合曲线总和的差值，以满足电网指令的前提下虚拟电厂调度结果修正量最小为目标，设置约束条件为可调节裕量约束、集群有功平衡约束；
对所述集群日内调度模型进行求解，并向虚拟电厂下发调度指令；
在所述集群日前调度模型中，所述目标函数分别如下：
对目标出力曲线跟随效果最好：
Figure 786615DEST_PATH_IMAGE001
式中，T为调度时段总数，若单个调度时段长度为1小时，则T=24；N为虚拟电厂的集合；
Figure 216460DEST_PATH_IMAGE002
为目标出力曲线t时段内的电量；
Figure 395768DEST_PATH_IMAGE003
为虚拟电厂n在t时段内的日前聚合电量；
Figure 857842DEST_PATH_IMAGE004
为虚拟电厂n在t时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度；
虚拟电厂资源最大化利用：
Figure 501313DEST_PATH_IMAGE005
调度经济性最优：
Figure 774163DEST_PATH_IMAGE006
式中，
Figure 690035DEST_PATH_IMAGE007
为第二日t时段虚拟电厂n向集群的售电价格。
2.根据权利要求1所述的一种集群对虚拟电厂多时间尺度优化调度方法，其特征在于，所述日前聚合曲线为前一日对当日24小时内的预计出力曲线，所述可调度裕量曲线为在所述日前聚合曲线的基础上，可以向上与向下调整的极限可调出力范围，日前优化调度每日进行一次。
3.根据权利要求1所述的一种集群对虚拟电厂多时间尺度优化调度方法，其特征在于，在所述集群日前调度模型中，所述约束条件分别如下：
各时段可调节裕量约束：
Figure 706533DEST_PATH_IMAGE008
Figure 204510DEST_PATH_IMAGE009
式中，
Figure 163108DEST_PATH_IMAGE010
与
Figure 51429DEST_PATH_IMAGE011
分别为虚拟电厂n在t时段的上调与下调灵活性裕度，
Figure 933935DEST_PATH_IMAGE004
为虚拟电厂n在t时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度，N为虚拟电厂的集合；
集群有功平衡约束：
Figure 473369DEST_PATH_IMAGE012
式中，
Figure 353601DEST_PATH_IMAGE003
为虚拟电厂n在t时段内的日前聚合电量，
Figure 978486DEST_PATH_IMAGE013
为集群在t时段与电网计划交互电量，
Figure 399103DEST_PATH_IMAGE002
为目标出力曲线t时段内的电量。
4.根据权利要求1所述的一种集群对虚拟电厂多时间尺度优化调度方法，其特征在于，对所述日前调度模型求解后，得到的虚拟电厂日前调度指令曲线、集群计划出力曲线与集群可调裕度范围分别如下：
虚拟电厂日前调度指令曲线：
Figure 809356DEST_PATH_IMAGE014
式中，
Figure 109756DEST_PATH_IMAGE015
为虚拟电厂n在t时段的日前调度指令值，
Figure 972670DEST_PATH_IMAGE003
为虚拟电厂n在t时段内的日前聚合电量，
Figure 196978DEST_PATH_IMAGE004
为虚拟电厂n在t时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度；
集群计划出力曲线：
Figure 445425DEST_PATH_IMAGE016
式中，
Figure 667459DEST_PATH_IMAGE013
为集群在t时段与电网计划交互电量值，
Figure 266937DEST_PATH_IMAGE002
为目标出力曲线t时段内的电量，N为虚拟电厂的集合；
集群可调裕度范围：
Figure 294935DEST_PATH_IMAGE017
式中，
Figure 414201DEST_PATH_IMAGE018
与
Figure 790825DEST_PATH_IMAGE019
分别为t时段集群提供给电网的上调灵活性裕度与下调灵活性裕度，
Figure 628331DEST_PATH_IMAGE010
与
Figure 194441DEST_PATH_IMAGE011
分别为虚拟电厂n在t时段的上调与下调灵活性裕度；
集群日前调度完成后，将所述虚拟电厂日前调度指令曲线下达至各虚拟电厂，将所述集群计划出力曲线与所述集群可调裕度范围上传至上级集群或电网。
5.根据权利要求1所述的一种集群对虚拟电厂多时间尺度优化调度方法，其特征在于，通过序贯解法对所建立的所述日前调度模型进行求解，具体包括：
将所述目标函数分为三级，第一级为对目标出力曲线跟随效果最好，第二级为虚拟电厂资源最大化利用，第三级为调度经济性最优；
考虑对目标出力曲线跟随效果最好，求解第一级目标最优值，得到对应的帕累托最优解集；
将第一级目标等于其最优值加入约束条件，考虑虚拟电厂资源最大化利用，求解第二级目标最优值，得到对应的帕累托最优解集；
将第一、第二级目标等于其最优值加入约束条件，考虑调度经济性最优，求解第三级目标最优值，得到最终的帕累托最优解。
6.根据权利要求1所述的一种集群对虚拟电厂多时间尺度优化调度方法，其特征在于，电网对集群下达的所述调度指令曲线为对集群当日24小时内的出力指令曲线，虚拟电厂上传的所述日内滚动聚合曲线为虚拟电厂对未来2小时的聚合曲线预测，日内滚动优化调度每一小时更新一次。
7.根据权利要求1所述的一种集群对虚拟电厂多时间尺度优化调度方法，其特征在于，在所述集群日内调度模型中，目标函数为各虚拟电厂调度结果相对于其日前调度指令曲线修正百分比最小，具体如下：
Figure 683060DEST_PATH_IMAGE020
式中， H为日内调度的时间维度，若对虚拟电厂未来2小时下达调度指令、以15分钟为时间间隔，则H=8；
Figure 981318DEST_PATH_IMAGE021
为在虚拟电厂日内滚动聚合曲线基础上的修正量，
Figure 555387DEST_PATH_IMAGE022
为虚拟电厂n在h时段内的日前聚合电量，
Figure 862872DEST_PATH_IMAGE023
为虚拟电厂n在h时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度，N为虚拟电厂的集合。
8.根据权利要求1所述的一种集群对虚拟电厂多时间尺度优化调度方法，其特征在于，在所述集群日内调度模型中，所述约束条件分别如下：
各时段可调节裕量约束：
考虑到部分虚拟电厂日前聚合与日内聚合量可能过大导致日内滚动聚合曲线超出日前可调度范围，须将各时段可调节裕量约束进行松弛处理，即：
Figure 753468DEST_PATH_IMAGE024
Figure 737473DEST_PATH_IMAGE025
Figure 283992DEST_PATH_IMAGE026
式中，
Figure 644435DEST_PATH_IMAGE022
为虚拟电厂n在h时段内的日前聚合电量，
Figure 592799DEST_PATH_IMAGE023
为虚拟电厂n在h时段内的灵活性裕度使用量，为正时使用灵活性上调裕度，为负时使用灵活性下调裕度，
Figure 560755DEST_PATH_IMAGE027
为虚拟电厂n在h时段的日内聚合电量，
Figure 843838DEST_PATH_IMAGE028
为日内聚合超范围部分的电量，当
Figure 493125DEST_PATH_IMAGE029
时，
Figure 358313DEST_PATH_IMAGE030
，
Figure 684121DEST_PATH_IMAGE031
与
Figure 205232DEST_PATH_IMAGE032
分别为虚拟电厂n在h时段的上调与下调灵活性裕度，N为虚拟电厂的集合；
各时段集群有功平衡约束：
Figure 454948DEST_PATH_IMAGE033
式中，
Figure 627172DEST_PATH_IMAGE034
为电网对集群在h时段的对外出力指令。
9.根据权利要求1所述的一种集群对虚拟电厂多时间尺度优化调度方法，其特征在于，对所述集群日内调度模型求解后，向虚拟电厂下发的调度指令具体为虚拟电厂日内滚动聚合曲线基础上的修正量，记为
Figure 874614DEST_PATH_IMAGE021
。
CN202211276439.8A 2022-10-19 2022-10-19 一种集群对虚拟电厂多时间尺度优化调度方法 Active CN115345389B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211276439.8A CN115345389B (zh) 2022-10-19 2022-10-19 一种集群对虚拟电厂多时间尺度优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211276439.8A CN115345389B (zh) 2022-10-19 2022-10-19 一种集群对虚拟电厂多时间尺度优化调度方法

Publications (2)

Publication Number Publication Date
CN115345389A CN115345389A (zh) 2022-11-15
CN115345389B true CN115345389B (zh) 2023-01-24

Family

ID=83957658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211276439.8A Active CN115345389B (zh) 2022-10-19 2022-10-19 一种集群对虚拟电厂多时间尺度优化调度方法

Country Status (1)

Country Link
CN (1) CN115345389B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115714425A (zh) * 2022-11-24 2023-02-24 广东电网有限责任公司 一种分布式可再生能源集群调度方法和装置
CN117638944A (zh) * 2023-12-19 2024-03-01 国网山东省电力公司济南供电公司 基于源荷储互动的电网容量裕度动态配置方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014071862A1 (zh) * 2012-11-09 2014-05-15 天津大学 基于安全域的安全约束经济调度方法
CN113627762A (zh) * 2021-07-30 2021-11-09 国网山西省电力公司电力科学研究院 一种基于激励电价的虚拟电厂调峰方法
CN113902227A (zh) * 2021-12-07 2022-01-07 南方电网科学研究院有限责任公司 一种虚拟电厂优化调度方法及装置
CN114037191A (zh) * 2022-01-07 2022-02-11 深圳江行联加智能科技有限公司 基于大数据的虚拟电厂优化调度方法、装置、设备及介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2021101655A4 (en) * 2021-03-30 2021-05-20 KCG College of Technology A process for designing of cyber physical controller for optimal dispatch of virtual power plant
CN114549067A (zh) * 2022-02-15 2022-05-27 国家电网有限公司 考虑需求响应及调频性能变化的虚拟电厂最优日前投标策略

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014071862A1 (zh) * 2012-11-09 2014-05-15 天津大学 基于安全域的安全约束经济调度方法
CN113627762A (zh) * 2021-07-30 2021-11-09 国网山西省电力公司电力科学研究院 一种基于激励电价的虚拟电厂调峰方法
CN113902227A (zh) * 2021-12-07 2022-01-07 南方电网科学研究院有限责任公司 一种虚拟电厂优化调度方法及装置
CN114037191A (zh) * 2022-01-07 2022-02-11 深圳江行联加智能科技有限公司 基于大数据的虚拟电厂优化调度方法、装置、设备及介质

Also Published As

Publication number Publication date
CN115345389A (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
CN115345389B (zh) 一种集群对虚拟电厂多时间尺度优化调度方法
JP6736112B2 (ja) 超大規模の水力発電所群の短期間実用化スケジューリング方法
JP6646182B2 (ja) 省跨ぎ連通水力発電所群の長期間連合ピーキングスケジューリング方法
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
CN102694391B (zh) 风光储联合发电系统日前优化调度方法
CN103872694B (zh) 区域风电场群储能电站的容量优化及其辅助调峰方法
CN109492861B (zh) 一种梯级水电站群中期电量交易计划分解方法
CN107069776B (zh) 一种平滑微网联络线功率的储能前瞻分布式控制方法
Wang et al. Short-term optimal scheduling of cascade hydropower plants shaving peak load for multiple power grids
CN111786422B (zh) 基于bp神经网络的微电网参与上层电网实时优化调度方法
CN104239967A (zh) 一种含风电场的电力系统多目标经济调度方法
CN113346555B (zh) 一种考虑电量协调的日内滚动调度方法
CN116706960A (zh) 一种整合风光储的虚拟电厂多主体博弈控制策略
Li et al. A coordinated peak shaving strategy using neural network for discretely adjustable energy-intensive load and battery energy storage
CN114820046A (zh) 一种区域电网混合储能辅助调频经济优化与补偿定价方法
CN105678394A (zh) 一种多源多周期发电计划制定方法
CN109726416B (zh) 一种基于新能源集群预测及潮流计算的调度决策方法
CN113128844A (zh) 一种基于供电设备容量限制下分布式电源规划方法
CN110119850B (zh) 基于光热发电调节的储热量双阶段优化调度方法
CN116667337A (zh) 一种基于配网优化调度的柔性负荷聚合建模方法
CN110826778A (zh) 一种主动适应新能源发展的负荷特性优化计算方法
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及系统
CN113240546B (zh) 密集水电地区的机组月度调度方法
CN115189423A (zh) 一种风火储系统的多能协调优化调度方法及装置
CN113450186A (zh) 一种适用于耦合系统参与的月度集中市场的竞价策略

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