CN115659666A - 一种考虑综合需求响应的虚拟电厂风光联合优化调度方法 - Google Patents

Abstract

本发明公开了一种考虑综合需求响应的虚拟电厂风光联合优化调度方法，具体步骤包括：S1.将CHP机组、火电厂、风电场、光热电站以及电、热负荷聚合为虚拟电厂，多种能源的有效聚合实现新能源电力系统灵活可控的运行方式；S2.采用场景分析法对风光不确定性进行随机优化，可以显著提高日前风光场景预测精度；S3.构建一种对用能舒适度和响应经济性加权考虑的电热用能综合满意度模型，分析用户参与需求响应时在不同权重下对系统调度的影响；S4.以净收益最大为目标函数构建考虑电热综合需求响应的虚拟电厂热电联合经济调度模型，制定调度方案。本发明实现过程简单，提升系统运行灵活性，有效促进风电消纳并提高了经济效益。

Description

一种考虑综合需求响应的虚拟电厂风光联合优化调度方法

技术领域

本发明设计一种含光热虚拟电厂优化调度方法，特别是涉及一种考虑综合需求响应的虚拟电厂风光联合优化调度方法。

背景技术

风能是一种清洁、廉价、储量极为丰富的可再生能源，具有绿色低碳、清洁高效的优势，在环境问题日益突出的今天越来越受到世界各国的重视。我国“三北”地区由于气候、地理条件等原因，拥有较为丰富的风、光资源。而由于风电自身特性的影响，大规模接并网后也对系统的稳定运行带来挑战。另外由于该地区在冬季供暖期电热需求矛盾严重，不得不增大热电联产机组(CombinedHeatAnd Power,CHP)的投入，但由于CHP机组“以热定电”的运行约束，使得该地区风电并网空间被严重压缩。

光热电站作为除光伏发电外另一种太阳能利用技术，除了能够供应电能之外，还可以利用多余的热能进行供热，并配备有储热罐可充分利用光能，拥有更好的可控性和调节特性，由此为解耦CHP机组热电特性提供了新的思路。为进一步发挥光热电站良好的调节特性促进风电消纳，利用虚拟电厂(Virtual Power Plant，VPP)技术将光热、风电等类型各异的新能源有效聚合，通过能量管理系统实现电源侧新能源出力灵活可控，在负荷侧考虑电热综合需求响应，计及柔性电热负荷调度成本与用户满意度约束，优化系统运行，保证系统的稳定性和经济性。

现有的研究主要集中于引入新热源和储能等辅助设施作为灵活可调资源以解除热电联产机组供热供电之间的强耦合关系，虽然此方法对促进风电消纳具有一定的积极作用，但并未考虑辅助设施的引入带来的额外的投资成本。并且传统的研究方法大多仅考虑虚拟电厂自身经济效益最大化，并未将用户用能满意度考虑在内，忽略了系统与用户之间的互动性。

发明内容

本发明要解决的技术问题在于：针对现有研究与技术存在的问题，本发明提供一种实现过程简单、实现效果优越的考虑综合需求响应的虚拟电厂风光联合优化调度方法，在电源侧采用随机优化方法提高风光预测精度，在负荷侧保证满足用户用能需求的基础上，通过用能满意度来加强用户与系统间的交互，提升虚拟电厂风电消纳能力和经济收益。

为解决上述技术问题，本发明提出的技术方案为：

一种考虑综合需求响应的虚拟电厂风光联合优化调度方法，步骤如下：

S1.将CHP机组、火电厂、风电场、光热电站以及电、热负荷聚合为虚拟电厂，多种能源的有效聚合实现新能源电力系统灵活可控的运行方式，配备储热罐的光热电站具有同时供电供热特性，可与风电机组协同运行，促进新能源消纳；

S2.采用场景分析法对风电和直接光照强度不确定性进行随机优化，可以显著提高日前风光场景预测精度，减小风光不确定性对系统调度的影响；

S3.构建一种对用能舒适度和响应经济性加权考虑的电热用能综合满意度模型，通过该模型对电、热负荷综合需求响应进行约束，并分析用户参与需求响应时在不同的用能舒适度和响应经济性权重下对系统调度的影响；

S4.以净收益最大为目标函数构建考虑电热综合需求响应的虚拟电厂热电联合经济调度模型，依据所述模型制定调度方案。

作为本发明的进一步改进：所述步骤S1中，将热电联产机组、火电厂、风电场、光热电站以及电、热负荷聚合为虚拟电厂，系统中供电任务由火电机组、CHP机组、风电场、光热电站共同承担；供热任务由CHP机组、光热电站共同承担。光热电站自身含有储热装置，能够将负荷低谷期存储的热能转移至负荷高峰期发电，具有良好的可控性与可调度性。因此，系统在缓解热电机组“以热定电”的局限，释放热电机组的调峰能力的同时，还可有效平抑风电出力波动，对促进可再生能源消纳、综合能源低碳发展具有重要意义。

作为本发明的进一步改进：所述步骤S2中场景分析法对风电和直接光照强度不确定性进行随机优化，生成优化预测场景，得到更符合实际的风电出力预测曲线和DNI预测曲线。场景随机优化包括随机场景生成和场景数量削减。首先分析历史气象数据，光照强度的分布规律和风速的变化规律分别用beta分布与weibull分布描述，采用拉丁超立方抽样方法随机生成较大数量规模的风光模拟场景，利用Kantorovich距离场景削减方法削减随机场景数量，缩减模拟场景数量的同时保留随机特征和模拟精度，提高计算效率。

作为本发明的进一步改进：所述步骤S3中引入电热综合需求响应，引导用户通过改变用能方式优化电热负荷曲线。用能满意度模型由用能舒适度和响应经济性两个指标共同组成，为两者的加权组合。通过用能满意度模型对综合需求响应进行约束，引导用户积极参与综合需求响应。用能满意度的表达式为：

R＝λ₁X+λ₂Y

λ₁+λ₂＝1

式中，R表示用能满意度，X表示用能舒适度，Y表示响应经济性，λ₁和λ₂取决于用户对用能舒适度和响应经济性两者的侧重程度，具有很强的用户主观性，对系统可调度柔性负荷量有较大影响。不同的权重配比则会影响系统响应负荷量、需求响应调度成本以及调度周期内弃风量。若用能满意度权重增加，则用户会优先保证用能，减少响应负荷量；若响应经济性权重增加，则用户会牺牲用能舒适度，增加响应负荷量来保证响应收益。因此分析针对不同用能满意度和响应经济性权重对系统调度的影响，促进系统与用户间的交互，使调度计划在满足用户需求的基础上更加合理可靠。

作为本发明的进一步改进：所述步骤S4中以净收益最大为目标函数构建含光热虚拟电厂热电联合经济调度模型，依据所述模型制定调度方案，目标函数具体由下式计算得到：

式中，F为VPP一个运行周期内总的运行成本；

为火电机组运行成本，

为热电联产机组运行成本，

为光热电站的运行成本，

为风电场运行成本，

为需求响应调度成本；T为一个调度周期，24h。

作为本发明的进一步改进：所述步骤S2或S3或S4中虚拟电厂进行风光联合调度时需要满足以下约束条件：功率平衡约束、火电机组运行约束、CHP机组运行约束、风电场出力约束、光热电站运行约束、储热罐运行约束、需求响应约束。

与现有技术相比，本发明的优点在于：

1)本发明考虑到当前“三北”地区CHP机组“以热定电”的运行模式，以及供电和供热系统分别单独运营的问题，难以对风电、火电以及CHP机组进行综合协调管理。考虑光热电站优异的运行灵活性，将各部分整合为虚拟电厂，克服系统的“热电独立”，将热能和电能纳入统一框架进行联合调度，实现CHP机组“热电解耦”，达到促进风电消纳、提升系统经济性的目的。

2)本发明针对CHP机组“热电解耦”后发电功率仍受制于供热负荷，调节能力有限的问题，参考电负荷需求响应，将热负荷视为一种柔性可调度资源，引入电热综合需求响应。并从用户用能的角度出发，考虑到用户的用能舒适度与响应经济性，提出一种电热综合用能满意度模型对电热负荷需求响应进行约束，引导用户积极参与综合需求响应，改变用户用能时间、空间密度，提升CHP机组的调节能力，从根本上缓解CHP机组发电功率受制于供热负荷的问题。

3)本发明考虑到用户用能的主观性会影响系统内参与响应的柔性资源，进而影响系统调度结果，因此分析用户考虑不同权重下参与综合需求响应对系统调度成本与弃风量的影响，从而促进系统与用户之间的交互，制定更加合理的调度计划。

4)本发明考虑到风电和直接光照强度的不确定性，针对常规风光预测无法完全体现出风光实际的随机分布特性，限制了风电有效消纳的问题。根据大量历史气象数据与四季气象变化，运用场景分析法分析其随机分布特征，通过拉丁超立方抽样方法场景生成，Kantorovich距离场景削减方法得到风光组合预测场景，准确描述风光分布特性，预测精度较高，风光利用率得到显著提升。

5)本发明所提出的考虑综合需求响应的虚拟电厂风光联合优化调度方法，可有效提高用户用能满意度以及VPP调度灵活性，降低VPP运行成本，促进过剩风电的消纳，提升VPP的整体收益。

附图说明

图1是本实施例考虑综合需求响应的虚拟电厂风光联合优化调度方法的流程图。

图2是本实施例VPP系统结构图。

图3是本实施例不同概率场景下风电、DNI预测曲线与常规预测曲线、实际曲线对比。

图4是本实施例不同概率场景下风电预测曲线。

图5是本实施例不同概率场景下DNI预测曲线。

图6是本实施例电、热负荷曲线。

图7是本实施例运行模式1、2、3电负荷曲线。

图8是本实施例考虑热需求响应前后热负荷曲线。

图9是本实施例CHP机组热出力曲线。

图10是本实施例风电消纳曲线图。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。

如图1所示，本实施例方法步骤包括一种考虑综合需求响应的虚拟电厂风光联合优化调度方法：

S1.将CHP机组、火电厂、风电场、光热电站以及电、热负荷聚合为虚拟电厂，多种能源的有效聚合实现新能源电力系统灵活可控的运行方式，配备储热罐的光热电站具有同时供电供热特性，可与风电机组协同运行，促进新能源消纳；

S2.采用场景分析法对风电和直接光照强度不确定性进行随机优化，可以显著提高日前风光场景预测精度，减小风光不确定性对系统调度的影响；

S3.构建一种对用能舒适度和响应经济性加权考虑的电热用能综合满意度模型，通过该模型对电、热负荷综合需求响应进行约束，并分析用户参与需求响应时在不同的用能舒适度和响应经济性权重下对系统调度的影响；

S4.以净收益最大为目标函数构建考虑电热综合需求响应的虚拟电厂热电联合经济调度模型，依据所述模型制定调度方案。

虚拟电厂技术利用先进的通信和协调控制技术有效聚合各类资源，实现系统的风光联合优化调度。图2为VPP系统结构图，利用VPP技术将CHP机组、火电厂、风电场、光热电站以及电、热负荷聚合为虚拟电厂，通过VPP协控中心，优化系统内各环节电、热出力，CHP机组、光热电站担负热负荷来解耦CHP机组“以热定电”的运行约束，从而提升CHP机组的调节能力，解决风电消纳难题。基于CHP机组“热电解耦”后发电功率仍受供热负荷限制，调节能力有限的问题，本实施例参考电负荷需求响应，将热负荷也视为一种可调度资源，引入电热综合需求响应。通过综合需求响应引导用户改变常规用能方式来改变负荷的分布曲线，从而实现VPP协控中心对电热负荷的调度，提升VPP的并网偏差平衡能力与过剩风电消纳能力。VPP通过需求响应协议引导用户改变各时段的用能需求，为保证整个调度周期内虚拟电厂总的电热负荷保持不变，因此用户参与综合需求响应当满足以下约束：

式中：S_e,max,S_h,max分别为调度周期内柔性电、热负荷响应容量的最大值；L_p为参与响应的柔性电热负荷容量的上限。

用户参与综合需求响应时会导致自身用能满意度下降，虚拟电厂应当给予用户经济补偿，对于虚拟电厂来说是一项运行成本。因此对于虚拟电厂，用户参与需求响应后VPP所产生的需求响应成本，其表达式为：

式中：

为柔性电、热负荷的调度成本；k_EDR,k_HDR为VPP给参与调度的柔性电、热负荷单位补偿成本系数；Δt为单位调度时间。

本实施例中，系统通过与用户签订电热综合需求响应合同，在指引下用户根据VPP协控中心的调度指令调整用能方式，并获得一定的经济收益。但是如果仅考虑VPP运行的收益最大化，必然会影响到用户的正常用能需求，导致用户抵触响应。用能方式变化过大会影响到用户的正常用能，参与需求响应后获得的经济收益也影响到用户对需求响应负荷量的变化，并对需求响应合约的后续签订履行有着重要影响。因此，通过构建综合用能满意度模型对综合负荷需求响应进行约束，可以保证用户在参与需求响应时的正常用能需求，使用户能够履行和延续需求响应合约，充分挖掘用户参与电热综合需求响应的积极性。综合用能满意度模型包括用能舒适度模型和响应经济性模型两个方面，分别采用公式(3)和公式(4)计算用户的用能舒适度和响应经济性。

在未与VPP签订综合需求响应合同前，用户都是按照自己的生活习惯用能，此时用户的用能舒适度最大。而在与VPP签订合同后，用户需要根据VPP协控中心的指令改变自己各时段的用能方式和能耗量，产生新的电热负荷功率曲线，根据各时段用能量的改变大小定义该时段用户的用能舒适度，其表达式为：

式中：X为用户用能舒适度，取值范围[0,1]；

为柔性电、热负荷在t时刻参与调度的负荷量；T为一个调度周期。

用户在按照VPP协控中心的指令改变负荷功率后，会获得调度方给予的经济补偿，补偿用户因参与响应而造成的用能缺额。因此，将用户各时段在参与需求响应前后的缺能损失定义为响应经济性，其表达式为：

式中：

为t时刻用户的缺能损失；α,β为负荷的相关系数；Y为用户的响应经济性。

根据以上分析，可以得出用户用能综合满意度表达式为：

R＝λ₁X+λ₂Y (8)

式中：R为电热综合满意度，λ₁,λ₂为权重系数，λ₁+λ₂＝1。

本实施例中，以虚拟电厂净收益最大为目标函数的热电经济调度模型的收益函数具体由下式计算得到：

式中，F为虚拟电厂一个运行周期内总的运行成本；T为一个调度周期，24h。

其中包括：

(1)火电机组运行成本：

式中：

为t时刻火电机组运行成本，N1为火电机组数量，A_i、B_i、C_i分别为第i台火电机组的发电煤耗系数，

为t时刻第i台火电机组的电出力，

分别为t与t-1时刻第i台火电机组的启停状态，S_i为第i台火电机组的启停成本。

(2)CHP机组运行成本：

式中：

为t时刻CHP机组运行成本，N2为CHP机组的数量，a_i、b_i、c_i分别为第i台CHP机组的发电成本系数，

分别为t时刻第i台CHP机组的电出力与热出力，p_v,i为机组i进气量不变时输出单位热出力所减少的发电出力。

(3)光热电站运行成本：

式中：

为t时刻光热电站的运维成本，

为光热电站t时刻的供电、供热功率，

分别为光热电站供电与供热的成本系数，

分别为光热电站发电机组在t-1时刻与t时刻的运行状态(1表示运行，0表示停止)，S_CSP为光热电站发电机组的启停成本；

为t时刻储热罐的运行维护成本，ρ为储热装置单位容量造价，P为储热罐容量，δ为储热罐维护成本占建设成本的比例系数。

(4)风电场运行成本：

式中：

为t时刻风电场的综合成本，k_W、k_qf分别为风电场的运维成本系数与弃风成本系数，

分别为t时刻风电的实际功率与弃风功率。

(5)柔性负荷调度成本：

式中：

为柔性负荷的调度成本，即VPP给予用户的响应补偿。

基于上述分析，制定优化调度方案。

优化调度方案如下：

1)针对风光不确定性问题，采用随机优化方法通过拉丁超立方抽样生成大量随机场景并利用Kantorovich距离削减对随机场景进行数量削减，获得风电、光照强度典型预测场景。有效缓解风光出力波动性对系统的影响，特别是风电机组出力的稳定性得到提升，进一步促进风电消纳，提高系统运行经济性。

2)针对用户用能综合满意度约束对需求响应的影响，分析用户在参与需求响应时针对综合满意度中用能舒适度和响应经济性权重不同时对系统调度结果的影响。设置不同权重得出调度结果，分析用能综合满意度对系统调度的影响，从而促进系统与用户之间的交互，制定更加合理的调度计划。

3)根据风电场与光热电站的电热实际出力，调整CHP机组与火电机组的出力，提升系统经济性。通过与用户签订电热综合需求响应协议，通过引导用户改变用能方式来优化实际负荷曲线，进一步调整CHP机组与火电机组出力，以此提升VPP风电消纳量和经济效益。

4)将CHP机组、火电厂、风电场、光热电站以及电、热负荷聚合为虚拟电厂，利用光热电站的灵活调控能力缓解电热矛盾，通过VPP的调控技术优化系统内各单元电热出力，实现系统的热电联合优化调度。

本实施例中，在每个t时段对VPP进行风光联合调度时都需要满足以下约束条件：

1)功率平衡约束：

式中：

为储热罐t时刻流向储热罐的热功率。

为t时刻系统电、热负荷。

2)火电机组运行约束：

火电机组运行约束包括出力约束和爬坡约束：

式中：P_DG,i,max,P_DG,i,min分别为火电机组最大与最小发电功率；

分别为火电机组向上与向下的爬坡速率。

3)CHP机组运行约束：

CHP机组运行约束包括出力约束和爬坡约束：

式中：P_CHP,i,min,P_CHP,i,max,H_CHP,i,min,H_CHP,i,max分别为CHP机组最小与最大发电、供热功率；

分别为CHP机组向上与向下的爬坡速率。

4)风电场出力约束：

式中：

为t时刻风电的预测出力功率。

5)光热电站运行约束：

光热电站的运行约束包括出力约束和爬坡约束：

式中：P_CHP,i,min,P_CHP,i,max,H_CHP,i,min,H_CHP,i,max分别为光热电站最小与最大发电、供热功率；

分别为光热电站流向负荷与储热罐的热功率；

分别为光热电站机组向上与向下的爬坡速率。

6)储热罐运行约束：

式中：H_TES,min,H_TES,max为储热罐储能容量下、上限；H_TES,cha,max,H_TES,dis,max为储热罐充、放能上限。

8)需求响应约束

需求响应约束包括响应总容量上限约束和响应负荷上限约束，如式(1)、式(2)所示。

为充分提高随机优化效果，风电及DNI场景随机抽样1000次获得初始场景集，经数量削减后获得5个风光随机优化场景，各风光优化场景出现的概率见表1。将风光随机场景、常规调度下的风光预测基准场景和调度周期内实际风光场景曲线进行比较，如图3所示。通过分析图3中数据可知，常规调度的风光预测基准场景由于仅通过对历史同期风光数据与近期气象信息进行分析，无法完全体现出风光实际的随机分布特性，与实际风光场景误差明显，尤其是夜间风电分布误差较大。而随机优化场景根据大量历史气象数据与四季气象变化分析其随机分布特征，能充分体现风光实际分布特性，所生成的风光随机优化场景也能较好的贴合实际风光波动特征，相较于常规调度下的基准场景，预测精度有着明显提升。

表1各风光典型场景出现概率

为验证本发明的有效性，以“三北”地区冬季供暖为研究背景，对所提模型进行仿真分析。本实施例所构建的含光热虚拟电厂是由2台火电机组、3台CHP机组、一个风电场、一个光热电站以及电、热负荷组成。系统调度周期为24小时，单位调度时长为1h。设定火电机组、CHP机组的运行参数如表2所示；光热电站运行参数如表3所示；风电场运维成本系数k_W取40元/MW，弃风惩罚系数k_qf为300元/MW；柔性电热负荷单位调节成本系数k_EDR,k_HDR均取值80元/MWh；风电预测及太阳直接辐射值(DNI)在表1所示的5种概率场景下随机优化预测后曲线如图4和图5所示，电、热负荷曲线如图6所示；λ₁,λ₂取决于用户对用能舒适度和响应经济性两者的侧重程度，具有较强用户主观性，均取0.5，表示用户参与需求响应时对于用能舒适度与响应经济性的权重相当。

对所提的考虑综合需求响应的虚拟电厂风光联合优化调度模型设置三种运行模式，三种运行模式分别是：

模式1，不考虑电热综合需求响应；

模式2，只考虑电力需求响应；

模式3，考虑电热综合需求响应。

表2火电机组与CHP机组相关运行参数

表3光热电站相关参数

由图3-图7及图10可以看出，在计及电力需求响应前，白天电负荷高，夜晚电负荷低，白天与夜晚电负荷差距较大。在风电高发时段0-7h和21-24h，模式1下虽光热电站供热缓解了CHP机组的热电特性，但由于夜间电负荷较低，留给风电的上网空间不足，导致大量风电被舍弃。而模式2下，因计及了电力需求响应，用户响应VPP的负荷调度将白天的部分柔性电负荷向夜晚转移，电负荷曲线趋向平缓，进一步增加了风电的上网空间，由于柔性电负荷的响应容量和响应阀值约束，仅仅考虑电需求响应无法达到很好的风电消纳效果。模式3在模式2的基础上考虑热需求响应，由图8和图9可以看出，未考虑热需求响应前，昼夜的热负荷差别较大，夜晚热负荷较高，白天热负荷较低；考虑热需求响应后，夜晚的柔性热负荷向白天时段转移，昼夜热负荷差距降低，热负荷曲线趋向平缓，CHP机组热出力明显下降，有效缓解了CHP机组的热电特性。

由表4可知，模式2下VPP总运行成本为472.68万元，较模式1减少了11.13万元；弃风成本为11.24万元，较模式1的弃风成本降低了8.61万元，说明考虑了电需求响应后，能减少弃风产生，提高VPP的经济性。模式3下VPP总运行成本为461.21万元，较模式2减少了11.47万元；弃风成本为6.78万元，较模式2降低了4.46万元，说明考虑热需求响应也能在一定程度上促进风电的消纳，提高VPP的经济性。通过对比三种模式下的VPP运行成本、弃风量，可说明考虑电热综合需求响应可以给风电提供更多的上网空间，进一步促进风电消纳，提高VPP经济性。

表4三种模式下仿真结果比较

用户对用能舒适度与响应经济性权重的不同会影响VPP在调度过程中的响应负荷功率，进而影响系统调度成本和弃风功率。通过对比表5中数据可知，当用能舒适度权重上升时，会导致响应负荷量减少，虽然减少了系统的柔性负荷调度成本，但是会在一定程度上增加弃风量，导致弃风成本升高。当用户降低用能舒适度时，会使响应负荷量增加，可以进一步减少弃风而节约成本。而当舒适度权重过低时，会影响用户正常的用能需求，因此也会导致致响应负荷量减少，进而使弃风量增加。

表5不同满意度权重对VPP的影响

综上所述，考虑电需求响应后，负荷用户响应VPP的负荷调度可将用电高峰期的部分柔性负荷转移或削弱至用电低谷期，平缓电负荷曲线，有效地促进风电消纳，降低VPP的运行成本；在考虑电需求响应基础上考虑热需求响应，也可将用热高峰期的部分柔性热负荷转移或削弱至用热低谷期，平缓热负荷曲线，可减少CHP机组的热出力，降低其电出力下限，为风电提供更多上网空间，进一步促进风电消纳，进一步降低VPP的运行成本。而综合需求响应受用户主观用能方式的影响较大，通过分析用户用能综合满意度的影响，可以衡量综合需求响应对用户的影响，通过合理设置调度计划可以有效促进用户参与响应的积极性，进一步增加系统收益与风电上网空间。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (6)

1.一种考虑综合需求响应的虚拟电厂风光联合优化调度方法，步骤如下：

S1.将CHP机组、火电厂、风电场、光热电站以及电、热负荷聚合为虚拟电厂，多种能源的有效聚合实现新能源电力系统灵活可控的运行方式，配备储热罐的光热电站具有同时供电供热特性，可与风电机组协同运行，促进新能源消纳；

S2.采用场景分析法对风电和直接光照强度不确定性进行随机优化，可以显著提高日前风光场景预测精度，减小风光不确定性对系统调度的影响；

S3.构建一种对用能舒适度和响应经济性加权考虑的电热用能综合满意度模型，通过该模型对电、热负荷综合需求响应进行约束，并分析用户参与需求响应时在不同的用能舒适度和响应经济性权重下对系统调度的影响；

S4.以净收益最大为目标函数构建考虑电热综合需求响应的虚拟电厂热电联合经济调度模型，依据所述模型制定调度方案。

2.根据权利要求1所述的考虑综合需求响应的虚拟电厂风光联合优化调度方法，其特征在于：所述步骤S1中，将热电联产机组、火电厂、风电场、光热电站以及电、热负荷聚合为虚拟电厂，系统中供电任务由火电机组、CHP机组、风电场、光热电站共同承担，供热任务由CHP机组、光热电站共同承担，光热电站自身含有储热装置，能够将负荷低谷期存储的热能转移至负荷高峰期发电，具有良好的可控性与可调度性，因此，系统在缓解热电机组“以热定电”的局限，释放热电机组的调峰能力的同时，还可有效平抑风电出力波动，对促进可再生能源消纳、综合能源低碳发展具有重要意义。

3.根据权利要求1所述的考虑综合需求响应的虚拟电厂风光联合优化调度方法，其特征在于：所述步骤S2中场景分析法对风电和直接光照强度不确定性进行随机优化，生成优化预测场景，得到更符合实际的风电出力预测曲线和DNI预测曲线，场景随机优化包括随机场景生成和场景数量削减，首先分析历史气象数据，光照强度的分布规律和风速的变化规律分别用beta分布与weibull分布描述，采用拉丁超立方抽样方法随机生成较大数量规模的风光模拟场景，利用Kantorovich距离场景削减方法削减随机场景数量，缩减模拟场景数量的同时保留随机特征和模拟精度，提高计算效率。

4.根据权利要求1所述的考虑综合需求响应的虚拟电厂风光联合优化调度方法，其特征在于：所述步骤S3中引入电热综合需求响应，引导用户通过改变用能方式优化电热负荷曲线，用能综合满意度由用能舒适度和响应经济性两个指标共同组成，为两者的加权组合，通过电热综合满意度模型对电热负荷需求响应进行约束，引导用户积极参与负荷侧需求响应，其表达式为：

R＝λ₁X+λ₂Y

λ₁+λ₂＝1

式中，R表示用能综合满意度，X表示用能舒适度，Y表示响应经济性，λ₁和λ₂取决于用户对用能舒适度和响应经济性两者的侧重程度，具有很强的主观性，对系统可调度柔性负荷量有较大影响，不同的权重配比则会影响系统响应负荷量、需求响应调度成本以及调度周期内弃风量，若用能满意度权重增加，则用户会优先保证用能，减少响应负荷量，若响应经济性权重增加，则用户会牺牲用能舒适度，增加响应负荷量来保证响应收益，因此分析针对不同用能满意度和响应经济性权重对系统调度的影响，促进系统与用户间的交互，使调度计划在满足用户需求的基础上更加合理可靠。

5.根据权利要求1所述的考虑综合需求响应的虚拟电厂风光联合优化调度方法，其特征在于：所述步骤S4中的以净收益最大为目标函数构建含光热虚拟电厂热电联合经济调度模型，依据所述模型制定调度方案，目标函数具体由下式计算得到：

式中，F为虚拟电厂一个运行周期内总的运行成本；

为火电机组运行成本，

为热电联产机组运行成本，

为光热电站的运行成本，

为风电场运行成本，

为需求响应调度成本，T为一个调度周期，24h。

6.根据权利要求1所述的考虑综合需求响应的虚拟电厂风光联合优化调度方法，其特征在于：所述步骤S2或S3或S4中的虚拟电厂进行风光联合优化调度时需要满足以下约束条件：功率平衡约束、火电机组运行约束、CHP机组运行约束、风电场出力约束、光热电站运行约束、储热罐运行约束、需求响应约束。

Images