CN115423207A - 风储虚拟电厂在线调度方法和装置 - Google Patents

风储虚拟电厂在线调度方法和装置 Download PDF

Info

Publication number
CN115423207A
CN115423207A CN202211176980.1A CN202211176980A CN115423207A CN 115423207 A CN115423207 A CN 115423207A CN 202211176980 A CN202211176980 A CN 202211176980A CN 115423207 A CN115423207 A CN 115423207A
Authority
CN
China
Prior art keywords
power plant
wind
period
storage virtual
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
CN202211176980.1A
Other languages
English (en)
Inventor
吴启仁
梅生伟
刘建平
沈子奇
徐飞
陈来军
齐腾云
李亚静
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.)
Tsinghua University
China Three Gorges Corp
China Three Gorges Renewables Group Co Ltd
Original Assignee
Tsinghua University
China Three Gorges Corp
China Three Gorges Renewables Group 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 Tsinghua University, China Three Gorges Corp, China Three Gorges Renewables Group Co Ltd filed Critical Tsinghua University
Priority to CN202211176980.1A priority Critical patent/CN115423207A/zh
Publication of CN115423207A publication Critical patent/CN115423207A/zh
Priority to PCT/CN2023/121233 priority patent/WO2024067521A2/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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • 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
    • H02J2300/28—The renewable source being wind energy

Landscapes

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

Abstract

本发明提供风储虚拟电厂在线调度方法和装置，将目标时段的风储虚拟电厂状态以及目标滚动周期中非目标时段的风储虚拟电厂风电出力功率预测信息和负荷预测信息输入预先构建的滚动周期MDP模型的滚动优化子模型中，求解得到由目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略；基于基本可行策略、预演算法以及滚动周期MDP模型的底层优化子模型，求解目标时段的风储虚拟电厂调度策略。本发明通过制定滚动周期MDP模型来描述风储虚拟电厂的联合调度问题，并采用预演算法作为滚动周期MDP模型的求解算法，使得求解风储虚拟电厂的实时调度策略时避免了由于维数问题导致的求解难度大的情况，还降低了计算开销。

Description

风储虚拟电厂在线调度方法和装置
技术领域
本发明涉及新能源发电技术领域，尤其涉及风储虚拟电厂在线调度方法和装置。
背景技术
虚拟电厂是一种通过先进信息通信技术和软件系统，聚合并协调优化可再生能源和灵活资源的电源协调管理系统，它作为一个特殊电厂参与电力市场和电网运行。风储虚拟电厂是一种典型的虚拟电厂，其风电出力能力和负荷需求具有随机性，根据实时预测的风电出力能力和负荷需求实现风储虚拟电厂系统调度有一定困难。
目前，风储虚拟电厂多构建通过状态转移概率描述系统动态的马尔科夫决策过程(MDP)模型来分析实时调度过程中的多阶段决策问题。然而，由于转移概率难以估计、状态空间和决策空间维数过大等，多阶段决策常产生维数灾，常规方法难以用来求解MDP模型。风储虚拟电厂还基于神经动态规划、强化学习等方法展开调度策略，但计算开销仍较大。
因此，亟需提出一种高效的风储虚拟电厂调度策略。
发明内容
为了解决上述技术问题，本发明提出一种风储虚拟电厂在线调度方法和装置，通过制定滚动周期MDP模型来描述风储虚拟电厂的联合调度问题，使用预演算法求解滚动周期MDP模型得到风储虚拟电厂的实时调度策略，避免了由于维数问题导致的调度策略求解难度大的问题，同时降低了计算开销。
第一方面，本发明提供一种风储虚拟电厂在线调度方法，所述方法包括：
以目标时段及其之后的多个时段构成目标滚动周期；
将目标时段的风储虚拟电厂状态以及所述目标滚动周期中非目标时段的风储虚拟电厂预测信息输入预先构建的滚动周期MDP模型的滚动优化子模型中，求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略；
基于所述基本可行策略、预演算法以及所述滚动周期MDP模型的底层优化子模型，求解所述目标时段的风储虚拟电厂调度策略；
其中，所述风储虚拟电厂状态，包括：所述风储虚拟电厂的储能电池荷电状态、上一个时段电网交换功率和风电出力功率；
所述风储虚拟电厂预测信息，包括：所述风储虚拟电厂的风电出力功率预测值和负荷预测值；
所述风储虚拟电厂调度策略，包括：所述风储虚拟电厂的热电联产设备输出功率、电网交换功率和储能电池运行功率。
根据本发明提供的风储虚拟电厂在线调度方法，所述求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略，包括：
采用贪心算法求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略。
根据本发明提供的风储虚拟电厂在线调度方法，所述滚动优化子模型的构建过程，包括：
以风储虚拟电厂最小运行成本为目标构建第一目标函数；
为所述第一目标函数构建功率平衡约束、第一储能电池充放电功率上下限约束、第一电网交换功率上下限约束和第一热电联产设备输出功率上下限约束；
基于所述第一目标函数及其对应的约束生成所述滚动优化子模型。
根据本发明提供的风储虚拟电厂在线调度方法，所述第一目标函数的表达式如下所示：
Figure BDA0003864933710000031
X(t)＝[E(t),pG(t-1),pw(t)]
Figure BDA0003864933710000032
Figure BDA0003864933710000033
所述第一目标函数构建功率平衡约束的表达式如下所示：
Figure BDA0003864933710000034
第一储能电池充放电功率上下限约束的表达式如下所示：
Figure BDA0003864933710000035
Figure BDA0003864933710000036
Figure BDA0003864933710000037
第一电网交换功率上下限约束的表达式如下所示：
Figure BDA0003864933710000038
Figure BDA0003864933710000039
Figure BDA00038649337100000310
第一热电联产设备输出功率上下限约束的表达式如下所示：
Figure BDA00038649337100000311
Figure BDA0003864933710000041
Figure BDA0003864933710000042
其中，ct(X(t),A(t))为t时段的风储虚拟电厂运行成本，X(t)为t时段的风储虚拟电厂状态，A(t)为t时段的风储虚拟电厂调度策略，E(t)为t时段下风储虚拟电厂中储能电池的荷电状态，pw(t)为t时段下所述风储虚拟电厂的风电出力功率，pG(t-1)为(t-1)时段下风储虚拟电厂的电网交换功率，pG(t)为t时段下风储虚拟电厂的电网交换功率，
Figure BDA0003864933710000043
为t时段下风储虚拟电厂中第i个热电联产设备输出功率，pw(t)为t时段下风储虚拟电厂的储能电池运行功率，
Figure BDA0003864933710000044
为t时段下风储虚拟电厂中第i个热电联产设备的天然气用量，Hi(t)为t时段下风储虚拟电厂中第i个热电联产设备的供热负荷，pD(t)为t时段下风储虚拟电厂的负荷，ΔT为时段的时长，λ(t)为电网功率交换价格，c为天然气使用价格，ai为t时段下风储虚拟电厂中第i个热电联产设备输出功率与天然气用量之间的线性函数中的斜率，bi为t时段下风储虚拟电厂中第i个热电联产设备输出功率与天然气用量之间的线性函数中的截距，αc为储能电池充电效率，αd为储能电池放电效率，E为储能电池荷电状态的下限，
Figure BDA0003864933710000045
为储能电池荷电状态的上限，
Figure BDA0003864933710000046
为储能电池运行功率的上限，
Figure BDA0003864933710000047
为t时段下储能电池运行功率的理论下界，
Figure BDA0003864933710000051
为t时段下储能电池运行功率的理论上界，δ为爬坡率，pG 为功率交换容量下限，
Figure BDA0003864933710000052
为功率交换容量上限，
Figure BDA0003864933710000053
为t时段下风储虚拟电厂的电网交换功率的理论下界，
Figure BDA0003864933710000054
为t时段下风储虚拟电厂的电网交换功率的理论上界，
Figure BDA0003864933710000055
为t时段下风储虚拟电厂中第i个热电联产设备输出功率的理论下界，
Figure BDA0003864933710000056
为t时段下风储虚拟电厂中第i个热电联产设备输出功率的理论上界，vi 为电能向热能转化比率的下限，
Figure BDA0003864933710000057
电能向热能转化比率的上限，
Figure BDA0003864933710000058
为风储虚拟电厂中第i个热电联产设备输出功率上限。
根据本发明提供的风储虚拟电厂在线调度方法，所述基于所述基本可行策略、预演算法以及所述滚动周期MDP模型的底层优化子模型，求解所述目标时段的风储虚拟电厂调度策略，包括：
确定所述目标滚动周期非目标时段的风储虚拟电厂调度策略对应的风储虚拟电厂运行成本；
将所述风储虚拟电厂运行成本输入底层优化子模型中，采用所述预演算法求解所述底层优化子模型，得到所述目标时段的风储虚拟电厂调度策略。
根据本发明提供的风储虚拟电厂在线调度方法，所述底层优化子模型的构建过程，包括：
以所述目标时段的风储虚拟电厂运行成本与所述目标滚动周期中非目标时段的风储虚拟电厂运行成本的期望之间的加和最小为目标构建第二目标函数；
为所述第二目标函数构建功率平衡约束、储能电池荷电状态约束、第二储能电池充放电功率上下限约束、第二电网交换功率上下限约束和第二热电联产设备输出功率上下限约束；
基于所述第二目标函数及其对应的约束生成所述底层优化子模型。
根据本发明提供的风储虚拟电厂在线调度方法，所述第二目标函数的表达式如下所示：
Figure BDA0003864933710000061
Figure BDA0003864933710000062
X(t)＝[E(t),pG(t-1),pw(t)]
Figure BDA0003864933710000063
Figure BDA0003864933710000064
所述功率平衡约束的表达式如下所示：
Figure BDA0003864933710000065
所述储能电池荷电状态约束的表达式如下所示：
E(t+1)＝E(t)-pB(t)ΔTαc,pB(t)≤0
E(t+1)＝E(t)-pB(t)ΔT/αd,pB(t)>0
Figure BDA0003864933710000066
所述第二储能电池充放电功率上下限约束的表达式如下所示：
Figure BDA0003864933710000067
所述第二电网交换功率上下限约束的表达式如下所示：
Figure BDA0003864933710000068
|pG(t)-pG(t-1)|≤δ
所述第二热电联产设备输出功率上下限约束的表达式如下所示：
Figure BDA0003864933710000069
Figure BDA00038649337100000610
其中，ct(X(t),A(t))为t时段的风储虚拟电厂运行成本，
Figure BDA0003864933710000071
为t1时段的风储虚拟电厂调度策略对应的风储虚拟电厂运行成本，X(t)为t时段的风储虚拟电厂状态，A(t)为t时段的风储虚拟电厂调度策略，E(t)为t时段下风储虚拟电厂中储能电池的荷电状态，pw(t)为t时段下所述风储虚拟电厂的风电出力功率，pG(t-1)为(t-1)时段下风储虚拟电厂的电网交换功率，pG(t)为t时段下风储虚拟电厂的电网交换功率，
Figure BDA0003864933710000072
为t时段下风储虚拟电厂中第i个热电联产设备输出功率，pw(t)为t时段下风储虚拟电厂的储能电池运行功率，
Figure BDA0003864933710000073
为t时段下风储虚拟电厂中第i个热电联产设备的天然气用量，Hi(t)为t时段下风储虚拟电厂中第i个热电联产设备的供热负荷，pD(t)为t时段下风储虚拟电厂的负荷，ΔT为时段的时长，λ(t)为电网功率交换价格，c为天然气使用价格，ai为t时段下风储虚拟电厂中第i个热电联产设备输出功率与天然气用量之间的线性函数中的斜率，bi为t时段下风储虚拟电厂中第i个热电联产设备输出功率与天然气用量之间的线性函数中的截距，αc为储能电池充电效率，αd为储能电池放电效率，E为储能电池荷电状态的下限，
Figure BDA0003864933710000074
为储能电池荷电状态的上限，
Figure BDA0003864933710000075
为储能电池运行功率的上限，δ为爬坡率，pG 为功率交换容量下限，
Figure BDA0003864933710000076
为功率交换容量上限，vi 为电能向热能转化比率的下限，
Figure BDA0003864933710000081
电能向热能转化比率的上限，
Figure BDA0003864933710000082
为风储虚拟电厂中第i个热电联产设备输出功率下限。
第二方面，本发明提供一种风储虚拟电厂在线调度装置，所述装置包括：
目标滚动周期确定模块，用于以目标时段及其之后的多个时段构成目标滚动周期；
第一优化求解模块，用于将目标时段的风储虚拟电厂状态以及所述目标滚动周期中非目标时段的风储虚拟电厂预测信息输入预先构建的滚动周期MDP模型的滚动优化子模型中，求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略；
第二优化求解模块，用于基于所述基本可行策略、预演算法以及所述滚动周期MDP模型的底层优化子模型，求解所述目标时段的风储虚拟电厂调度策略；
其中，所述风储虚拟电厂状态，包括：所述风储虚拟电厂的储能电池荷电状态、上一个时段电网交换功率和风电出力功率；
所述风储虚拟电厂预测信息，包括：所述风储虚拟电厂的风电出力功率预测值和负荷预测值；
所述风储虚拟电厂调度策略，包括：所述风储虚拟电厂的热电联产设备输出功率、电网交换功率和储能电池运行功率。
第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述风储虚拟电厂在线调度方法。
第四方面，本发明提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述风储虚拟电厂在线调度方法。
本发明提供的一种风储虚拟电厂在线调度方法和装置，考虑了风力发电的随机性以及实时调度的要求，制定包含滚动优化子模型和底层优化子模型的滚动周期MDP模型来描述风储虚拟电厂的联合调度问题，应用时求解滚动优化子模型得到目标时段所属滚动周期对应的基本可行策略，而后在基本可行策略的基础上采用预演算法求解底层优化子模型得到目标时段调度策略。据预演算法得到的目标时段调度策略必然优于目标时段滚动优化子模型推理的调度策略，优化性能得以提升。另外，由于预演算法能够有效地求解多能源实时调度问题，且能够避免状态和决策空间过大带来的维数问题，因此优化求解难度以及计算开销都得到了显着的降低。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的风储虚拟电厂的结构示意图；
图2是本发明提供的风储虚拟电厂在线调度方法的流程示意图；
图3是本发明提供的风储虚拟电厂在线调度装置的结构示意图；
图4是本发明提供的实现风储虚拟电厂在线调度方法的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中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一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明研究的风储虚拟电厂具体结构示意图如图1所示，包括风力发电机、储能电池、热电联产(CHP)设备、信息控制中心和智能电表，其中，风储虚拟电厂与上游电网连通，借助储能控制(储能电池可以通过风电机组充电，也可以通过输电线路将电能放至输电电网)的灵活性，提高原有风电的可调度性，平滑风储虚拟电厂运行状态。该风储虚拟电厂中热电联产(CHP)设备输出功率、电网交换功率(风储虚拟电厂与上游电网的交换功率)以及储能充放电功率以实时方式进行调度控制。
下面结合图1-图4描述本发明的风储虚拟电厂在线调度方法和装置。
第一方面，本发明提供一种风储虚拟电厂在线调度方法，如图2所示，包括：
S11、以目标时段及其之后的多个时段构成目标滚动周期；
假设目标时段为t时段，那么目标滚动周期为t时段至t+T-1时段，T为本发明设定的滚动周期包含的时段的个数。
S12、将目标时段的风储虚拟电厂状态以及所述目标滚动周期中非目标时段的风储虚拟电厂预测信息输入预先构建的滚动周期MDP模型的滚动优化子模型中，求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略；
本发明考虑将预演算法利用到风储虚拟电厂多阶段实时调度中，预演算法的核心思想是，针对目标滚动周期，首先寻找一组满足系统安全约束的可行解，即目标时段(t时段)至目标时段往后数的第T-1个时段(t+T-1时段)的可行解，将目标时段的后一个时段(t+1时段)至目标时段往后数的第T-1个时段(t+T-1时段)的可行解称为基本可行策略；随后在基本可行策略的基础上，估计目标时段的决策对整个滚动周期优化目标的影响，通过优化目标的取值来回溯修正目标时段(t时段)的可行解，从而得到目标时段(t时段)的最终实施策略，这一策略称作预演策略。
因此，本发明先构建滚动优化子模型来求解预演算法所需的基本可行策略。具体来讲，当目标时段(t时段)的状态已知的情况下，利用滚动优化子模型可以求解得到目标时段(t时段)的决策，然后基于目标时段(t时段)的决策以及目标时段的后一个时段(t+1时段)的预测信息即可得到目标时段的后一个时段(t+1时段)的状态，依次类推即可得到目标时段的后一个时段(t+1时段)至目标时段往后数的第T-1个时段(t+T-1时段)的可行解，目标时段的后一个时段(t+1时段)至目标时段往后数的第T-1个时段(t+T-1时段)的可行解组成的基本可行策略πb＝(Ab,t+1,Ab,t+2,…,Ab,t+T-1)，在系统参数合理的情况下，
Figure BDA0003864933710000111
换句话讲，滚动优化子模型的优化目标针对单时段，实现的是连续时段决策的滚动优化求解。
S13、基于所述基本可行策略、预演算法以及所述滚动周期MDP模型的底层优化子模型，求解所述目标时段的风储虚拟电厂调度策略；
目标时段(t时段)状态X(t)是默认已知的，基于X(t)和基本可行策略πb＝(Ab,t+1,Ab,t+2,…,Ab,t+T-1)，使用预演算法即可求解目标时段(t时段)的预演策略
Figure BDA0003864933710000112
即为目标时段(t时段)的最终决策。该时段策略执行完毕后，当接收到目标时段的后一个时段(t+1时段)的风力发电功率预测信息和负荷预测信息，可以得到目标时段的后一个时段(t+1时段)的系统状态X(t+1)，然后滚动到下一周期(t+1时段至t+T时段)，根据对目标时段的后一个时段(t+1时段)到目标时段往后数的第T个时段(t+T时段)的可行解推断以及预演，获得目标时段的后一个时段(t+1时段)的预演策略
Figure BDA0003864933710000121
以此类推，直至观测范围内所有时段的调度策略生成为止。
其中，所述风储虚拟电厂状态，包括：所述风储虚拟电厂的储能电池荷电状态、上一个时段电网交换功率和风电出力功率；
所述风储虚拟电厂预测信息，包括：所述风储虚拟电厂的风电出力功率预测值和负荷预测值；
所述风储虚拟电厂调度策略，包括：所述风储虚拟电厂的热电联产设备输出功率、电网交换功率和储能电池运行功率。
本发明提供的一种风储虚拟电厂在线调度方法，考虑了风力发电的随机性以及实时调度的要求，制定包含滚动优化子模型和底层优化子模型的滚动周期MDP模型来描述风储虚拟电厂的联合调度问题，应用时求解滚动优化子模型得到目标时段所属滚动周期对应的基本可行策略，而后在基本可行策略的基础上采用预演算法求解底层优化子模型得到目标时段调度策略。据预演算法得到的目标时段调度策略必然优于目标时段滚动优化子模型推理的调度策略，优化性能得以提升。另外，由于预演算法能够有效地求解多能源实时调度问题，且能够避免状态和决策空间过大带来的维数问题，因此优化求解难度以及计算开销都得到了显着的降低。
在上述各实施例的基础上，作为一种可选的实施例，所述求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略，包括：
采用贪心算法求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略。
本发明利用贪心算法，在每个时段进行局部最优选择，进而将多阶段实时调度问题转化为单阶段优化问题，依次针对目标时段(t时段)至目标时段往后数的第T-1个时段(t+T-1时段)求得可行解，并将目标时段的后一个时段(t+1时段)至目标时段往后数的第T-1个时段(t+T-1时段)的可行解组成一组可行策略。
在上述各实施例的基础上，作为一种可选的实施例，所述滚动优化子模型的构建过程，包括：
以风储虚拟电厂最小运行成本为目标构建第一目标函数；
为所述第一目标函数构建功率平衡约束、第一储能电池充放电功率上下限约束、第一电网交换功率上下限约束和第一热电联产设备输出功率上下限约束；
基于所述第一目标函数及其对应的约束生成所述滚动优化子模型。
考虑到风力发电存在的不确定性和实时调度的要求，通常采用滚动周期多阶段决策的马尔科夫决策过程(Markov decision process，MDP)来描述风储虚拟电厂的调度问题。
其中，滚动周期MDP模型中的滚动优化子模型以风储虚拟电厂最小运行成本为目标构建第一目标函数；
风储虚拟电厂在t时段的状态，包含电池荷电状态、上一时段电网交换功率、风电出力功率三部分，由下式表示：
X(t)＝[E(t),pG(t-1),pw(t)]
t时段的决策，包含CHP输出功率、电网交换功率、储能电池运行功率三部分，由下式表示：
Figure BDA0003864933710000131
其中，N为风储虚拟电厂中包含的热电联产设备的总数。
t时段的成本函数由系统的状态和决策共同确定，包含电网功率交换成本和CHP单元的燃料成本。因此，风储虚拟电厂成本函数由下式表示：
Figure BDA0003864933710000141
其中，
Figure BDA0003864933710000142
是第i个CHP天然气用量与输出功率之间的线性函数，ai和bi分别为线性函数斜率和截距，其具体数值取决于第i个CHP的实际参数，λ(t)为t时段的电网功率交换价格，c为天然气使用价格。
故而，所述第一目标函数的表达式如下所示：
Figure BDA0003864933710000143
X(t)＝[E(t),pG(t-1),pw(t)]
Figure BDA0003864933710000144
Figure BDA0003864933710000145
风储虚拟电厂系统安全约束包括：
储能电池动态约束：
E(t+1)＝E(t)-pB(t)ΔTαc,pB(t)≤0
E(t+1)＝E(t)-pB(t)ΔT/αd,pB(t)>0
Figure BDA0003864933710000146
其中，E(t)表示t时段储能电池的荷电状态，pB(t)表示t时段储能电池的输出功率，ΔT为时段长度，αc和αd分别表示储能电池充、放电的效率。
风电虚拟电厂的功率平衡约束：
Figure BDA0003864933710000147
其中，pG(t)表示虚拟电厂与电网的交换功率，
Figure BDA0003864933710000148
表示第i个CHP单元的输出功率，pw(t)表示风电机组的发电功率，pD(t)表示系统负荷的总功率。
储能电池充放电功率的上、下限约束如下：
Figure BDA0003864933710000151
其中，E表示储能电池荷电状态的下限，
Figure BDA0003864933710000152
表示储能电池荷电状态的上限，
Figure BDA0003864933710000153
表示电池充放电功率的上限；
风电虚拟电厂与电网的交换功率存在容量限制和爬坡限制，对应约束如下，其中
Figure BDA0003864933710000154
为功率交换容量的上限，δ为爬坡率：
Figure BDA0003864933710000155
|pG(t)-pG(t-1)|≤δ
CHP单元的运行约束为
Figure BDA0003864933710000156
Figure BDA0003864933710000157
其中，
Figure BDA0003864933710000158
为CHP单元输出功率上限，vi 为电能向热能转化比率的下限，
Figure BDA0003864933710000159
为电能向热能转化比率的上限，Hi(t)为CHP单元的供热负荷需求。
由于滚动优化子模型需要求解单阶段优化问题，约束条件则是限制在t时段内的约束集合，问题整体为线性规划：
因此，适应性的为第一目标函数构建如下约束：
所述第一目标函数构建功率平衡约束：
Figure BDA00038649337100001510
第一储能电池充放电功率上下限约束：
Figure BDA00038649337100001511
Figure BDA00038649337100001512
Figure BDA00038649337100001513
第一电网交换功率上下限约束：
Figure BDA0003864933710000161
Figure BDA0003864933710000162
Figure BDA0003864933710000163
第一热电联产设备输出功率上下限约束：
Figure BDA0003864933710000164
Figure BDA0003864933710000165
Figure BDA0003864933710000166
Figure BDA0003864933710000167
为t时段下储能电池运行功率的理论下界，
Figure BDA0003864933710000168
为t时段下储能电池运行功率的理论上界，
Figure BDA0003864933710000169
为t时段下风储虚拟电厂的电网交换功率的理论下界，
Figure BDA00038649337100001610
为t时段下风储虚拟电厂的电网交换功率的理论上界，
Figure BDA00038649337100001611
为t时段下风储虚拟电厂中第i个热电联产设备输出功率的理论下界，
Figure BDA00038649337100001612
为t时段下风储虚拟电厂中第i个热电联产设备输出功率的理论上界，t时段各个决策变量的理论下/上界是根据系统状态E(t)和pG(t-1)，整合原有约束条件计算而得。
本发明构建的滚动优化模型以最低运行成本为目标，实现对单时段的实时调度保证经济性的最优。
需要注意的是，本发明滚动优化子模型实际采用的单阶段目标函数还可以以风储虚拟电厂运行成本和储能电池寿命损耗的加权值最低为目标，其在风储虚拟电厂结构模型的基础上，增加了对储能运转寿命的考虑，表达式如下：
Figure BDA00038649337100001613
λ(t)pG(t)ΔT对应发电成本，
Figure BDA0003864933710000171
对应天然气使用成本，πB|pB(t)|为考虑了储能功率对储能使用寿命带来的间接影响，πB为影响因子，由储能系统的建设成本和具体参数共同决定。
其约束条件与风储虚拟电厂最低运行成本为目标的第一目标函数一致。
在上述各实施例的基础上，作为一种可选的实施例，所述基于所述基本可行策略、预演算法以及所述滚动周期MDP模型的底层优化子模型，求解所述目标时段的风储虚拟电厂调度策略，包括：
确定所述目标滚动周期非目标时段的风储虚拟电厂调度策略对应的风储虚拟电厂运行成本；
将所述风储虚拟电厂运行成本输入底层优化子模型中，采用所述预演算法求解所述底层优化子模型，得到所述目标时段的风储虚拟电厂调度策略。
可以理解的是，开展预演算法时，要基于基本可行策略来估计从t+1时段到t+T-1时段的预计成本，再求解综合成本函数的最小化问题的结果，修正t时段的策略以作为预演策略。
本发明中，预演算法的工作方式与求解MDP时使用的动态规划不同。动态规划需要前向递归或后向递归，随后回溯以获得最终结果。预演算法由于基本可行策略提供了成本计算的近似值，相应的预演算法中只需要递推一步求解，避免了递归的维数问题。因此，预演算法能够有效地实时求解多能源调度问题，且能够避免状态和决策空间过大带来的维数问题，相比起来，本发明所提算法的性能和计算时间都优于已有的方法。
在上述各实施例的基础上，作为一种可选的实施例，所述底层优化子模型的构建过程，包括：
以所述目标时段的风储虚拟电厂运行成本与所述目标滚动周期中非目标时段的风储虚拟电厂运行成本的期望之间的加和最小为目标构建第二目标函数；
为所述第二目标函数构建功率平衡约束、储能电池荷电状态约束、第二储能电池充放电功率上下限约束、第二电网交换功率上下限约束和第二热电联产设备输出功率上下限约束；
基于所述第二目标函数及其对应的约束生成所述底层优化子模型。
单阶段优化问题的目标函数是底层优化模型中的单步成本函数，第二目标函数(综合成本函数最小化)的表达式如下所示：
Figure BDA0003864933710000181
Figure BDA0003864933710000182
X(t)＝[E(t),pG(t-1),pw(t)]
Figure BDA0003864933710000183
Figure BDA0003864933710000184
使该成本
Figure BDA0003864933710000185
最小化的调度策略即为t时段的预演策略，即
Figure BDA0003864933710000186
该策略隐含了对基本可行策略的复用。
适应性的为第二目标函数构建的约束如下：
所述功率平衡约束：
Figure BDA0003864933710000187
所述储能电池荷电状态约束的表达式如下所示：
E(t+1)＝E(t)-pB(t)ΔTαc,pB(t)≤0
E(t+1)＝E(t)-pB(t)ΔT/αd,pB(t)>0
Figure BDA0003864933710000188
所述第二储能电池充放电功率上下限约束的表达式如下所示：
Figure BDA0003864933710000191
所述第二电网交换功率上下限约束的表达式如下所示：
Figure BDA0003864933710000192
|pG(t)-pG(t-1)|≤δ
所述第二热电联产设备输出功率上下限约束的表达式如下所示：
Figure BDA0003864933710000193
Figure BDA0003864933710000194
其中，
Figure BDA0003864933710000195
为t1时段的风储虚拟电厂调度策略对应的风储虚拟电厂运行成本。
本发明考虑风储虚拟电厂的实时调度问题，目标是获得一组调度策略，以最小的成本实时满足电力负荷和热量需求。考虑到该系统中风力发电不确定性的影响以及该联合调度问题的实时性要求，制定滚动周期MDP来描述该联合调度问题。然后采用预演算法求解滚动水平MDP问题。由于预演算法能够有效地实时求解多能源调度问题，且能够避免状态和决策空间过大带来的维数问题，故本发明所提算法的性能和计算时间都优于已有的方法。
即本发明能够有效处理决策空间较大时的情况，从而能够在保证实时性的基础上得到成本较优的调度策略。
下面对本发明提供的风储虚拟电厂在线调度装置进行描述，下文描述的风储虚拟电厂在线调度装置与上文描述的风储虚拟电厂在线调度方法可相互对应参照。图3示例了风储虚拟电厂在线调度的结构示意图，如图3所示，所述装置包括：
目标滚动周期确定模块21，用于以目标时段及其之后的多个时段构成目标滚动周期；
第一优化求解模块22，用于将目标时段的风储虚拟电厂状态以及所述目标滚动周期中非目标时段的风储虚拟电厂预测信息输入预先构建的滚动周期MDP模型的滚动优化子模型中，求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略；
第二优化求解模块23，用于基于所述基本可行策略、预演算法以及所述滚动周期MDP模型的底层优化子模型，求解所述目标时段的风储虚拟电厂调度策略；
其中，所述风储虚拟电厂状态，包括：所述风储虚拟电厂的储能电池荷电状态、上一个时段电网交换功率和风电出力功率；
所述风储虚拟电厂预测信息，包括：所述风储虚拟电厂的风电出力功率预测值和负荷预测值；
所述风储虚拟电厂调度策略，包括：所述风储虚拟电厂的热电联产设备输出功率、电网交换功率和储能电池运行功率。
本发明提供的一种风储虚拟电厂在线调度装置，考虑了风力发电的随机性以及实时调度的要求，制定包含滚动优化子模型和底层优化子模型的滚动周期MDP模型来描述风储虚拟电厂的联合调度问题，应用时求解滚动优化子模型得到目标时段所属滚动周期对应的基本可行策略，而后在基本可行策略的基础上采用预演算法求解底层优化子模型得到目标时段调度策略。据预演算法得到的目标时段调度策略必然优于目标时段滚动优化子模型推理的调度策略，优化性能得以提升。另外，由于预演算法能够有效地求解多能源实时调度问题，且能够避免状态和决策空间过大带来的维数问题，因此优化求解难度以及计算开销都得到了显着的降低。
在上述各实施例的基础上，作为一种可选的实施例，所述第一优化求解模块22具体用于：
采用贪心算法求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略。
在上述各实施例的基础上，作为一种可选的实施例，所述装置还包括构建模块，所述构建模块具体包括构建滚动优化子模型的第一构建单元，所述第一构建单元包括：
第一目标函数构建子单元，用于以风储虚拟电厂最小运行成本为目标构建第一目标函数；
第一目标函数的约束构建子单元，用于为所述第一目标函数构建功率平衡约束、第一储能电池充放电功率上下限约束、第一电网交换功率上下限约束和第一热电联产设备输出功率上下限约束；
第一生成子单元，用于基于所述第一目标函数及其对应的约束生成所述滚动优化子模型。
在上述各实施例的基础上，作为一种可选的实施例，所述第一目标函数的表达式如下所示：
Figure BDA0003864933710000211
X(t)＝[E(t),pG(t-1),pw(t)]
Figure BDA0003864933710000212
Figure BDA0003864933710000213
所述第一目标函数构建功率平衡约束的表达式如下所示：
Figure BDA0003864933710000214
第一储能电池充放电功率上下限约束的表达式如下所示：
Figure BDA0003864933710000215
Figure BDA0003864933710000216
Figure BDA0003864933710000217
第一电网交换功率上下限约束的表达式如下所示：
Figure BDA0003864933710000221
Figure BDA0003864933710000222
Figure BDA0003864933710000223
第一热电联产设备输出功率上下限约束的表达式如下所示：
Figure BDA0003864933710000224
Figure BDA0003864933710000225
Figure BDA0003864933710000226
其中，ct(X(t),A(t))为t时段的风储虚拟电厂运行成本，X(t)为t时段的风储虚拟电厂状态，A(t)为t时段的风储虚拟电厂调度策略，E(t)为t时段下风储虚拟电厂中储能电池的荷电状态，pw(t)为t时段下所述风储虚拟电厂的风电出力功率，pG(t-1)为t-1时段下风储虚拟电厂的电网交换功率，pG(t)为t时段下风储虚拟电厂的电网交换功率，
Figure BDA0003864933710000227
为t时段下风储虚拟电厂中第i个热电联产设备输出功率，pw(t)为t时段下风储虚拟电厂的储能电池运行功率，
Figure BDA0003864933710000228
为t时段下风储虚拟电厂中第i个热电联产设备的天然气用量，Hi(t)为t时段下风储虚拟电厂中第i个热电联产设备的供热负荷，pD(t)为t时段下风储虚拟电厂的负荷，ΔT为时段的时长，λ(t)为电网功率交换价格，c为天然气使用价格，ai为t时段下风储虚拟电厂中第i个热电联产设备输出功率与天然气用量之间的线性函数中的斜率，bi为t时段下风储虚拟电厂中第i个热电联产设备输出功率与天然气用量之间的线性函数中的截距，αc为储能电池充电效率，αd为储能电池放电效率，E为储能电池荷电状态的下限，
Figure BDA0003864933710000231
为储能电池荷电状态的上限，
Figure BDA0003864933710000232
为储能电池运行功率的上限，
Figure BDA0003864933710000233
为t时段下储能电池运行功率的理论下界，
Figure BDA0003864933710000234
为t时段下储能电池运行功率的理论上界，δ为爬坡率，pG 为功率交换容量下限，
Figure BDA0003864933710000235
为功率交换容量上限，
Figure BDA0003864933710000236
为t时段下风储虚拟电厂的电网交换功率的理论下界，
Figure BDA0003864933710000237
为t时段下风储虚拟电厂的电网交换功率的理论上界，
Figure BDA0003864933710000238
为t时段下风储虚拟电厂中第i个热电联产设备输出功率的理论下界，
Figure BDA0003864933710000239
为t时段下风储虚拟电厂中第i个热电联产设备输出功率的理论上界，vi 为电能向热能转化比率的下限，
Figure BDA00038649337100002311
电能向热能转化比率的上限，
Figure BDA00038649337100002310
为风储虚拟电厂中第i个热电联产设备输出功率上限，N为风储虚拟电厂中包含的热电联产设备的总数。
在上述各实施例的基础上，作为一种可选的实施例，所述第二优化求解模块22，具体包括：
确定单元，用于确定所述目标滚动周期非目标时段的风储虚拟电厂调度策略对应的风储虚拟电厂运行成本；
预演算法优化求解单元，用于将所述风储虚拟电厂运行成本输入底层优化子模型中，采用所述预演算法求解所述底层优化子模型，得到所述目标时段的风储虚拟电厂调度策略。
在上述各实施例的基础上，作为一种可选的实施例，所述构建模块包括用于构建底层优化子模型的第二构建单元，所述第二构建单元包括：
第二目标函数构建子单元，用于以所述目标时段的风储虚拟电厂运行成本与所述目标滚动周期中非目标时段的风储虚拟电厂运行成本的期望之间的加和最小为目标构建第二目标函数；
第二目标函数的约束构建子单元，用于为所述第二目标函数构建功率平衡约束、储能电池荷电状态约束、第二储能电池充放电功率上下限约束、第二电网交换功率上下限约束和第二热电联产设备输出功率上下限约束；
第二生成子单元，用于基于所述第二目标函数及其对应的约束生成所述底层优化子模型。
在上述各实施例的基础上，作为一种可选的实施例，所述第二目标函数的表达式如下所示：
Figure BDA0003864933710000241
Figure BDA0003864933710000242
X(t)＝[E(t),pG(t-1),pw(t)]
Figure BDA0003864933710000243
Figure BDA0003864933710000244
所述功率平衡约束的表达式如下所示：
Figure BDA0003864933710000245
所述储能电池荷电状态约束的表达式如下所示：
E(t+1)＝E(t)-pB(t)ΔTαc,pB(t)≤0
E(t+1)＝E(t)-pB(t)ΔT/αd,pB(t)>0
Figure BDA0003864933710000246
所述第二储能电池充放电功率上下限约束的表达式如下所示：
Figure BDA0003864933710000251
所述第二电网交换功率上下限约束的表达式如下所示：
Figure BDA0003864933710000252
|pG(t)-pG(t-1)|≤δ
所述第二热电联产设备输出功率上下限约束的表达式如下所示：
Figure BDA0003864933710000253
Figure BDA0003864933710000254
Figure BDA0003864933710000255
为t1时段的风储虚拟电厂调度策略对应的风储虚拟电厂运行成本。
第三方面，图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行风储虚拟电厂在线调度方法，该方法包括：以目标时段及其之后的多个时段构成目标滚动周期；将目标时段的风储虚拟电厂状态以及所述目标滚动周期中非目标时段的风储虚拟电厂预测信息输入预先构建的滚动周期MDP模型的滚动优化子模型中，求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略；基于所述基本可行策略、预演算法以及所述滚动周期MDP模型的底层优化子模型，求解所述目标时段的风储虚拟电厂调度策略；其中，所述风储虚拟电厂状态，包括：所述风储虚拟电厂的储能电池荷电状态、上一个时段电网交换功率和风电出力功率；所述风储虚拟电厂预测信息，包括：所述风储虚拟电厂的风电出力功率预测值和负荷预测值；所述风储虚拟电厂调度策略，包括：所述风储虚拟电厂的热电联产设备输出功率、电网交换功率和储能电池运行功率。
此外，上述的存储器430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。
第四方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的风储虚拟电厂在线调度方法，该方法包括：以目标时段及其之后的多个时段构成目标滚动周期；将目标时段的风储虚拟电厂状态以及所述目标滚动周期中非目标时段的风储虚拟电厂预测信息输入预先构建的滚动周期MDP模型的滚动优化子模型中，求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略；基于所述基本可行策略、预演算法以及所述滚动周期MDP模型的底层优化子模型，求解所述目标时段的风储虚拟电厂调度策略；其中，所述风储虚拟电厂状态，包括：所述风储虚拟电厂的储能电池荷电状态、上一个时段电网交换功率和风电出力功率；所述风储虚拟电厂预测信息，包括：所述风储虚拟电厂的风电出力功率预测值和负荷预测值；所述风储虚拟电厂调度策略，包括：所述风储虚拟电厂的热电联产设备输出功率、电网交换功率和储能电池运行功率。
第五方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的风储虚拟电厂在线调度方法，该方法包括：以目标时段及其之后的多个时段构成目标滚动周期；将目标时段的风储虚拟电厂状态以及所述目标滚动周期中非目标时段的风储虚拟电厂预测信息输入预先构建的滚动周期MDP模型的滚动优化子模型中，求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略；基于所述基本可行策略、预演算法以及所述滚动周期MDP模型的底层优化子模型，求解所述目标时段的风储虚拟电厂调度策略；其中，所述风储虚拟电厂状态，包括：所述风储虚拟电厂的储能电池荷电状态、上一个时段电网交换功率和风电出力功率；所述风储虚拟电厂预测信息，包括：所述风储虚拟电厂的风电出力功率预测值和负荷预测值；所述风储虚拟电厂调度策略，包括：所述风储虚拟电厂的热电联产设备输出功率、电网交换功率和储能电池运行功率。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
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)

1.一种风储虚拟电厂在线调度方法，其特征在于，所述方法包括：
以目标时段以及所述目标时段之后的多个时段构成目标滚动周期；
将目标时段的风储虚拟电厂状态以及所述目标滚动周期中非目标时段的风储虚拟电厂预测信息输入预先构建的滚动周期MDP模型的滚动优化子模型中，求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略；
基于所述基本可行策略、预演算法以及所述滚动周期MDP模型的底层优化子模型，求解所述目标时段的风储虚拟电厂调度策略；
其中，所述风储虚拟电厂状态，包括：所述风储虚拟电厂的储能电池荷电状态、上一个时段电网交换功率和风电出力功率；
所述风储虚拟电厂预测信息，包括：所述风储虚拟电厂的风电出力功率预测值和负荷预测值；
所述风储虚拟电厂调度策略，包括：所述风储虚拟电厂的热电联产设备输出功率、电网交换功率和储能电池运行功率。
2.根据权利要求1所述的风储虚拟电厂在线调度方法，其特征在于，所述求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略，包括：
采用贪心算法求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略。
3.根据权利要求1或2所述的风储虚拟电厂在线调度方法，其特征在于，所述滚动优化子模型的构建过程，包括：
以风储虚拟电厂最小运行成本为目标构建第一目标函数；
为所述第一目标函数构建功率平衡约束、第一储能电池充放电功率上下限约束、第一电网交换功率上下限约束和第一热电联产设备输出功率上下限约束；
基于所述第一目标函数及其对应的约束生成所述滚动优化子模型。
4.根据权利要求3所述的风储虚拟电厂在线调度方法，其特征在于，所述第一目标函数的表达式如下所示：
Figure FDA0003864933700000021
X(t)＝[E(t),pG(t-1),pw(t)]
Figure FDA0003864933700000022
Figure FDA0003864933700000023
所述第一目标函数构建功率平衡约束的表达式如下所示：
Figure FDA0003864933700000024
第一储能电池充放电功率上下限约束的表达式如下所示：
Figure FDA0003864933700000025
Figure FDA0003864933700000026
Figure FDA0003864933700000027
第一电网交换功率上下限约束的表达式如下所示：
Figure FDA0003864933700000028
pG* (t)＝max{pG(t-1)-δ,pG }
Figure FDA0003864933700000029
第一热电联产设备输出功率上下限约束的表达式如下所示：
Figure FDA00038649337000000210
Figure FDA0003864933700000031
Figure FDA0003864933700000032
其中，ct(X(t),A(t))为t时段的风储虚拟电厂运行成本，X(t)为t时段的风储虚拟电厂状态，A(t)为t时段的风储虚拟电厂调度策略，E(t)为t时段下风储虚拟电厂中储能电池的荷电状态，pw(t)为t时段下所述风储虚拟电厂的风电出力功率，pG(t-1)为(t-1)时段下风储虚拟电厂的电网交换功率，pG(t)为t时段下风储虚拟电厂的电网交换功率，
Figure FDA0003864933700000033
为t时段下风储虚拟电厂中第i个热电联产设备输出功率，pw(t)为t时段下风储虚拟电厂的储能电池运行功率，
Figure FDA0003864933700000034
为t时段下风储虚拟电厂中第i个热电联产设备的天然气用量，Hi(t)为t时段下风储虚拟电厂中第i个热电联产设备的供热负荷，pD(t)为t时段下风储虚拟电厂的负荷，ΔT为时段的时长，λ(t)为电网功率交换价格，c为天然气使用价格，ai为t时段下风储虚拟电厂中第i个热电联产设备输出功率与天然气用量之间的线性函数中的斜率，bi为t时段下风储虚拟电厂中第i个热电联产设备输出功率与天然气用量之间的线性函数中的截距，αc为储能电池充电效率，αd为储能电池放电效率，E为储能电池荷电状态的下限，
Figure FDA0003864933700000035
为储能电池荷电状态的上限，
Figure FDA0003864933700000036
为储能电池运行功率的上限，
Figure FDA0003864933700000037
为t时段下储能电池运行功率的理论下界，
Figure FDA0003864933700000041
为t时段下储能电池运行功率的理论上界，δ为爬坡率，pG 为功率交换容量下限，
Figure FDA0003864933700000042
为功率交换容量上限，pG* (t)为t时段下风储虚拟电厂的电网交换功率的理论下界，
Figure FDA0003864933700000043
为t时段下风储虚拟电厂的电网交换功率的理论上界，
Figure FDA0003864933700000044
为t时段下风储虚拟电厂中第i个热电联产设备输出功率的理论下界，
Figure FDA0003864933700000045
为t时段下风储虚拟电厂中第i个热电联产设备输出功率的理论上界，vi 为电能向热能转化比率的下限，
Figure FDA0003864933700000046
电能向热能转化比率的上限，
Figure FDA0003864933700000047
为风储虚拟电厂中第i个热电联产设备输出功率上限，N为风储虚拟电厂中包含的热电联产设备的总数。
5.根据权利要求1或2所述的风储虚拟电厂在线调度方法，其特征在于，所述基于所述基本可行策略、预演算法以及所述滚动周期MDP模型的底层优化子模型，求解所述目标时段的风储虚拟电厂调度策略，包括：
确定所述目标滚动周期非目标时段的风储虚拟电厂调度策略对应的风储虚拟电厂运行成本；
将所述风储虚拟电厂运行成本输入底层优化子模型中，采用所述预演算法求解所述底层优化子模型，得到所述目标时段的风储虚拟电厂调度策略。
6.根据权利要求5所述的风储虚拟电厂在线调度方法，其特征在于，所述底层优化子模型的构建过程，包括：
以所述目标时段的风储虚拟电厂运行成本与所述目标滚动周期中非目标时段的风储虚拟电厂运行成本的期望之间的加和最小为目标构建第二目标函数；
为所述第二目标函数构建功率平衡约束、储能电池荷电状态约束、第二储能电池充放电功率上下限约束、第二电网交换功率上下限约束和第二热电联产设备输出功率上下限约束；
基于所述第二目标函数及其对应的约束生成所述底层优化子模型。
7.根据权利要求6所述的风储虚拟电厂在线调度方法，其特征在于，所述第二目标函数的表达式如下所示：
Figure FDA0003864933700000051
Figure FDA0003864933700000052
X(t)＝[E(t),pG(t-1),pw(t)]
Figure FDA0003864933700000053
Figure FDA0003864933700000054
所述功率平衡约束的表达式如下所示：
Figure FDA0003864933700000055
所述储能电池荷电状态约束的表达式如下所示：
E(t+1)＝E(t)-pB(t)ΔTαc,pB(t)≤0
E(t+1)＝E(t)-pB(t)ΔT/αd,pB(t)>0
Figure FDA0003864933700000056
所述第二储能电池充放电功率上下限约束的表达式如下所示：
Figure FDA0003864933700000057
所述第二电网交换功率上下限约束的表达式如下所示：
Figure FDA0003864933700000058
|pG(t)-pG(t-1)|≤δ
所述第二热电联产设备输出功率上下限约束的表达式如下所示：
Figure FDA0003864933700000059
Figure FDA0003864933700000061
其中，ct(X(t),A(t))为t时段的风储虚拟电厂运行成本，
Figure FDA0003864933700000062
为t1时段的风储虚拟电厂调度策略对应的风储虚拟电厂运行成本，X(t)为t时段的风储虚拟电厂状态，A(t)为t时段的风储虚拟电厂调度策略，E(t)为t时段下风储虚拟电厂中储能电池的荷电状态，pw(t)为t时段下所述风储虚拟电厂的风电出力功率，pG(t-1)为(t-1)时段下风储虚拟电厂的电网交换功率，pG(t)为t时段下风储虚拟电厂的电网交换功率，
Figure FDA0003864933700000063
为t时段下风储虚拟电厂中第i个热电联产设备输出功率，pw(t)为t时段下风储虚拟电厂的储能电池运行功率，
Figure FDA0003864933700000064
为t时段下风储虚拟电厂中第i个热电联产设备的天然气用量，Hi(t)为t时段下风储虚拟电厂中第i个热电联产设备的供热负荷，pD(t)为t时段下风储虚拟电厂的负荷，ΔT为时段的时长，λ(t)为电网功率交换价格，c为天然气使用价格，ai为t时段下风储虚拟电厂中第i个热电联产设备输出功率与天然气用量之间的线性函数中的斜率，bi为t时段下风储虚拟电厂中第i个热电联产设备输出功率与天然气用量之间的线性函数中的截距，αc为储能电池充电效率，αd为储能电池放电效率，E为储能电池荷电状态的下限，
Figure FDA0003864933700000065
为储能电池荷电状态的上限，
Figure FDA0003864933700000066
为储能电池运行功率的上限，δ为爬坡率，pG 为功率交换容量下限，
Figure FDA0003864933700000071
为功率交换容量上限，vi 为电能向热能转化比率的下限，
Figure FDA0003864933700000072
电能向热能转化比率的上限，
Figure FDA0003864933700000073
为风储虚拟电厂中第i个热电联产设备输出功率上限，N为风储虚拟电厂中包含的热电联产设备的总数。
8.一种风储虚拟电厂在线调度装置，其特征在于，所述装置包括：
目标滚动周期确定模块，用于以目标时段以及所述目标时段之后的多个时段构成目标滚动周期；
第一优化求解模块，用于将目标时段的风储虚拟电厂状态以及所述目标滚动周期中非目标时段的风储虚拟电厂预测信息输入预先构建的滚动周期MDP模型的滚动优化子模型中，求解所述滚动优化子模型，得到由所述目标滚动周期中非目标时段的风储虚拟电厂调度策略组成的基本可行策略；
第二优化求解模块，用于基于所述基本可行策略、预演算法以及所述滚动周期MDP模型的底层优化子模型，求解所述目标时段的风储虚拟电厂调度策略；
其中，所述风储虚拟电厂状态，包括：所述风储虚拟电厂的储能电池荷电状态、上一个时段电网交换功率和风电出力功率；
所述风储虚拟电厂预测信息，包括：所述风储虚拟电厂的风电出力功率预测值和负荷预测值；
所述风储虚拟电厂调度策略，包括：所述风储虚拟电厂的热电联产设备输出功率、电网交换功率和储能电池运行功率。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述风储虚拟电厂在线调度方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述风储虚拟电厂在线调度方法。
CN202211176980.1A 2022-09-26 2022-09-26 风储虚拟电厂在线调度方法和装置 Pending CN115423207A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211176980.1A CN115423207A (zh) 2022-09-26 2022-09-26 风储虚拟电厂在线调度方法和装置
PCT/CN2023/121233 WO2024067521A2 (zh) 2022-09-26 2023-09-25 风储虚拟电厂在线调度方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211176980.1A CN115423207A (zh) 2022-09-26 2022-09-26 风储虚拟电厂在线调度方法和装置

Publications (1)

Publication Number Publication Date
CN115423207A true CN115423207A (zh) 2022-12-02

Family

ID=84206188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211176980.1A Pending CN115423207A (zh) 2022-09-26 2022-09-26 风储虚拟电厂在线调度方法和装置

Country Status (2)

Country Link
CN (1) CN115423207A (zh)
WO (1) WO2024067521A2 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115940166A (zh) * 2023-03-10 2023-04-07 中国铁塔股份有限公司 基站调度方法、装置、电子设备及可读存储介质
CN116961188A (zh) * 2023-07-26 2023-10-27 中国铁塔股份有限公司 基站电源的调度方法、装置、电子设备和可读存储介质
CN117541030A (zh) * 2024-01-09 2024-02-09 中建科工集团有限公司 虚拟电厂优化运行方法、装置、设备及介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115940166A (zh) * 2023-03-10 2023-04-07 中国铁塔股份有限公司 基站调度方法、装置、电子设备及可读存储介质
CN115940166B (zh) * 2023-03-10 2023-05-26 中国铁塔股份有限公司 基站调度方法、装置、电子设备及可读存储介质
CN116961188A (zh) * 2023-07-26 2023-10-27 中国铁塔股份有限公司 基站电源的调度方法、装置、电子设备和可读存储介质
CN116961188B (zh) * 2023-07-26 2024-05-10 中国铁塔股份有限公司 基站电源的调度方法、装置、电子设备和可读存储介质
CN117541030A (zh) * 2024-01-09 2024-02-09 中建科工集团有限公司 虚拟电厂优化运行方法、装置、设备及介质
CN117541030B (zh) * 2024-01-09 2024-04-26 中建科工集团有限公司 虚拟电厂优化运行方法、装置、设备及介质

Also Published As

Publication number Publication date
WO2024067521A2 (zh) 2024-04-04

Similar Documents

Publication Publication Date Title
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
CN110119886B (zh) 一种主动配网动态规划方法
CN109103912B (zh) 考虑电网调峰需求的工业园区主动配电系统调度优化方法
CN115423207A (zh) 风储虚拟电厂在线调度方法和装置
CN112039069A (zh) 一种配电网储能与柔性开关的双层协同规划方法及系统
CN111210079B (zh) 一种分布式能源虚拟电厂运行优化方法及系统
CN112053035B (zh) 考虑经济性与灵活性的输电通道与储能联合规划方法
CN109636056A (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
CN112800658A (zh) 一种考虑源储荷互动的主动配电网调度方法
CN111786417A (zh) 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法
CN112053034B (zh) 一种考虑风电不确定性分布特征的电网可调节鲁棒优化调度方法
CN115117940A (zh) 考虑风电、光伏及负荷不确定的风光水火储系统低碳调度模型建模方法
CN112928767A (zh) 一种分布式储能协同控制方法
CN112510690B (zh) 考虑风火储联合和需求响应奖惩的优化调度方法及系统
CN111724254A (zh) 调峰辅助服务与电能量联合出清方法、系统、装置及介质
CN115986833A (zh) 考虑两阶段需求响应的热电联供微网低碳经济调度方法
CN113128746A (zh) 一种基于多代理的综合能源系统多主体联合优化运行方法
CN116091092A (zh) 一种基于弹性能量状态的电网储能运行方法
CN115841216A (zh) 计及分布式光伏消纳率的配电网储能优化配置方法
CN115882460A (zh) 一种考虑需求侧管理的两阶段新能源微电网优化调度方法
CN108683211A (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
CN113964819A (zh) 一种考虑风电场参与调频的电力系统运行优化方法及装置
CN112257903A (zh) 虚拟电厂的控制方法和装置
Georgiou et al. A preliminary design of an intelligent system for the optimal utilization of renewable energy sources in buildings
CN115375343A (zh) 一种考虑分布式电源消纳效益的配电网协同互动方法

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