CN115660204A - 一种考虑服务型虚拟电厂的电网拥塞缓解调控方法 - Google Patents
一种考虑服务型虚拟电厂的电网拥塞缓解调控方法 Download PDFInfo
- Publication number
- CN115660204A CN115660204A CN202211395471.8A CN202211395471A CN115660204A CN 115660204 A CN115660204 A CN 115660204A CN 202211395471 A CN202211395471 A CN 202211395471A CN 115660204 A CN115660204 A CN 115660204A
- Authority
- CN
- China
- Prior art keywords
- power
- day
- sto
- chp
- node
- 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
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种考虑服务型虚拟电厂的电网拥塞缓解调控方法,与现有技术相比解决了难以对接入电力系统的可再生能源进行管理的缺陷。本发明包括以下步骤:电网数据的获取;目标函数的构建;约束条件的构建;服务型虚拟电厂的优化调度模型的求解;电网拥塞的调控。本发明利用电动汽车具有灵活性的特点,优化调整在网络拥塞时间段电动汽车的充放电时间表,以此来缓解网络拥塞。
Description
技术领域
本发明涉及电网综合控制技术领域,具体来说是一种考虑服务型虚拟电厂的电网拥塞缓解调控方法。
背景技术
近几年风能和太阳能在电网中的份额迅速增加,促进其增长的驱动力则是各国都在尽可能的减少温室气体的排放。然而,可再生能源的大规模集成对网络的安全性造成了一定的威胁,并且由于其发电的不确定性,使得安全问题进一步复杂化。其中,由于可再生能源发电大规模接入电网而造成的网络拥塞,使得网络不得不削减一部分输入的可再生能源以保障系统的安全运行。
虚拟电厂(VPP)是一种通过先进信息通信技术和软件系统,实现分布式发电商、储能系统、可控负荷、电动汽车等分布式能源的聚合和协调优化,并作为一个特殊电厂参与电力市场和电网运行的电源协调管理系统。虚拟电厂的核心可以总结为“通信”和“聚合”。虚拟电厂的关键技术主要包括协调控制技术、智能计量技术以及信息通信技术。以服务为中心的虚拟电厂可以支持与配电系统运营商合作解决网络使用问题,提出了聚合商、市场运营商、系统运营商、发电商和消费者之间关于电力市场和网络运营的适当交互和通信时间表,是智能电网在能源供需侧实现互动化、智能化的重要途径。
那么,通过服务型虚拟电厂与系统配电运营商通力合作,即可以优化系统的调度时间表,最大限度整合可再生能源,同时也可缓解网络拥塞。因此,如何基于服务型虚拟电厂技术,实现电网拥塞缓解调控已经成为急需解决的技术问题。
发明内容
本发明的目的是为了解决现有技术中难以对接入电力系统的可再生能源进行管理的缺陷,提供一种考虑服务型虚拟电厂的电网拥塞缓解调控方法来解决上述问题。
为了实现上述目的,本发明的技术方案如下:
一种考虑服务型虚拟电厂的电网拥塞缓解调控方法,包括以下步骤:
11)电网数据的获取:获取电网数据,其包括各个支路的基础参数以及各个节点的初始参数,并进行仿真模型的搭建;
12)目标函数的构建:在对可再生能源发电进行预测的前提下,构建关于日前市场调度和日内市场调度的目标函数;
13)约束条件的构建:构建关于日前市场调度和日内市场调度的约束条件,其包括CHP单元的功率限制约束、储存单元的能量容量边界约束、电功率平衡约束以及热功率平衡约束;
14)服务型虚拟电厂的优化调度模型的求解:根据目标函数和约束条件,构建考虑服务型虚拟电厂的优化调度模型,并利用场景法求解该模型;
15)电网拥塞的调控:针对电网拥塞,根据步骤14)中模型求解后的数据以及步骤11)中得到的数据,计算各总线的敏感度,利用调整电动汽车充放电时间表的方法对电网拥塞进行缓解调控。
所述电网数据的获取包括以下步骤:
21)根据实际的电力网络结构,在Matlab中搭建simulink仿真模型;
22)从实际的电力网络结构中获取数据,其包括电力网络中所有支路的最大传输能力、所有支路的阻抗Z和导纳Y、所有节点的节点电压V和相角θ、各节点的初始有功功率P与无功功率Q;
23)将获取的数据存储到仿真模型的各个节点中。
所述目标函数的构建包括以下步骤:
31)在对可再生能源发电进行预测的前提下,构建了日前市场调度目标函数;
其中日前市场调度的目标函数F1由热电联产机组CHP燃料成本、存储运营成本、预测的日前市场能源价格和情景概率ps构成:
式中,s为第s个可再生能源预测场景,th为水平时间,Nchp为热电联产机组的数量,NS为日前可再生能源发电预测情景的数量,ps为第s个可再生能源预测情景发生的概率,Hda为日前计划时间范围,τda为日前水平时间步长,Ne,sto为蓄电单元的数量,Cf,chp,i,s(th)为第i台热电联产机组在情景s下的燃料成本,Cop,e,sto,i,s(th)为第i个蓄电单元在情景s下的运行成本,Pm,da(th)为VPP向日前能源市场交换的有功功率,cm,da(th)为每单位能量的预测日前市场价格;
32)在对可再生能源发电进行预测的前提下,构建日内市场调度目标函数:
在日内计划中,VPP的目的是提供日前市场电力交换,并在内部弥补因更新的可再生能源发电预测而导致的失衡;
如果无法弥补其池内的不平衡,则VPP在日内市场交换有功功率Pimb,id(th);
设VPP资源的调度以日内交易的有功功率不平衡Pimb,id(th)最小化为目标,其通过在资源调度优化期间考虑日内失衡惩罚成本Cpen,imb(th)来实现,故日内市场调度的目标函数F2包括日内失衡惩罚成本、CHP燃料成本以及存储的运营成本,其表达式如下:
式中,Hid为日内调度时间范围,τid为日内时间步长,Cf,chp,i(th)为第i台热电联产机组的燃料成本,Cop,e,sto,i(th)为第i个蓄电单元的运行成本,Cpen,imb(th)为日内失衡惩罚成本。
所述约束条件的构建包括以下步骤:
41)设定CHP单元的功率限制约束:
Pe,chp,i,min≤Pe,chp,i(th)≤Pe,chp,i,max,
式中,Pe,chp,i,min为第i台热电联产机组的最小电力注入,Pe,chp,i(th)为第i台热电联产机组的电力注入,Pe,chp,i,max为第i台热电联产机组的最大电力注入;
42)设定存储单元的能量容量边界约束:
Ee,sto,i,min≤Ee,sto,i(th)≤Ee,sto,i,max,
Eth,sto,i,min≤Eth,sto,i(th)≤Eth,sto,i,max,
式中,Ee,sto,i,min为第i个蓄电单元的最小能量等级,Ee,sto,i(th)为第i个蓄电单元的能量等级,Ee,sto,i,max为第i个蓄电单元的最大能量等级,Eth,sto,i,min为第i个蓄热单元的最小能量等级,Eth,sto,i(th)为第i个蓄热单元的能量等级,Eth,sto,i,max为第i个蓄热单元的最大能量等级;
43)设定日前电功率平衡约束:
式中,Pe,chp,i,s(th)为第i个热电联产机组在情景s下的电力注入,Pe,sto,i,s(th)为第i个蓄电单元在情景s下的电力注入,Pres,s(th)为情景s下可再生能源的电力注入,Pe,1(th)为VPP中的总电力负荷;
44)设定日前热功率平衡约束:
式中,Pth,chp,i,s(th)为第i个热电联产机组在情景s下的热电注入,Nth,sto为蓄热单元数量,Pth,sto,i,s(th)为第i个储能单元在情景s下的热电注入,Pth,1(th)为VPP中的总热负荷;
45)设定日内电功率平衡约束:
式中,Pe,chp,i(th)为日内第i个热电联产机组的电力注入,Pe,sto,i(th)为日内第i个储能单元的电力注入,Pres(th)为日内可再生能源的电力注入,Pimb,id(th)为向日内能源市场交换的有功功率不平衡量;
46)设定日内热功率平衡约束:
式中,Pth,chp,i(th)为日内第i台热电联产机组的热力注入,Pth,sto,i(th)为日内第i个储能单元的热力注入。
所述服务型虚拟电厂的优化调度模型的求解包括以下步骤:
51)根据目标函数和相关约束,构建考虑服务型虚拟电厂的优化调度模型;该模型以服务型虚拟电厂为中心,整合可再生能源、储能装置、热电联产机组、负荷以及电动汽车,同时VPP参与电力市场进行电力交换;
其中,VPP的作用是维持系统内的功率平衡,根据可再生能源发电的不确定性,调整热电联产机组和储能装置的出力,在保证系统运行安全可靠的前提下,最大限度地避免可再生能源的不必要削减;
52)由于可再生能源发电的不确定性,所以采用场景法对其发电进行场景预测,得到可再生发电预测情景;然后使用概率距离的概念,将预测的情景减少到指定的数目;最后将削减后的场景信息发送到VPP,再根据目标函数和相关约束,利用CPLEX求解器求解该模型,并获取到求解后网络中各个节点的电压V和相角θ;
53)利用电网数据的获取步骤中得到的支路的阻抗Z和导纳Y以及步骤52)求解后各节点电压V和相角θ,求解各个支路上的有功潮流的大小:
Pf,mn=|Vm|2gmn-|Vm||Vn|[gmncos(θm-θn)+bmnsin(θm-θn)],
式中,Pf,mn为节点m到节点n的有功功率流;Vm为节点m的电压大小;Vn为节点n的电压大小;gmn为mn支路的电导;bmn为mn支路的电纳;θm为节点m的电压相角;θn为节点n的电压相角。
所述电网拥塞的调控包括以下步骤:
61)配电系统运营商实时监控系统中各个支路的功率流大小,当某条支路的功率流Pf,mn大于支路最大传输能力Pfmax,mn时,则判断出该支路出现过载,然后重新配置网络以解决问题;如果重新配置后,网络拥塞没有完全缓解,则进行对“重新配置”方案的补充;
62)DSO对“重新配置”方案的补充为请求服务型VPP提供拥塞缓解服务:
DSO首先根据步骤11)中的数据以及步骤14)求解后得到的数据,计算出拥塞支路上的有功潮流对节点i处VPP资源的有功和无功功率注入变化的敏感度,求解敏感度的流程如下:
621)根据得到的各节点的初始电压V和相角θ、各节点的初始功率P、Q,以及求解后各节点的电压、相角、有功功率与无功功率,求解得到各节点的有功功率变化量ΔP、无功功率变化量ΔQ、节点电压变化量ΔV以及相角变化量Δθ;
622)根据621)步得到的数据,求解得到整个网络的雅可比矩阵JθV,PQ:
623)利用上述数据,求解各个支路对VPP中的有功功率和无功功率的敏感度αP,mn、αQ,mn:
63)在DSO完成了拥塞缓解请求的数据准备后,其将相关数据发送给VPP;根据DSO的请求及其发送来的数据,对产生拥塞的时间段,VPP综合考虑各个支路对有功功率和无功功率的敏感度αP,mn、αQ,mn,在输入的有功和无功功率份额不超过线路最大承载能力的前提下,调整系统中相关支路上电动汽车的充放电时间表,以此来缓解网络拥塞。
有益效果
本发明的一种考虑服务型虚拟电厂的电网拥塞缓解调控方法,与现有技术相比通过服务型虚拟电厂和配电系统运营商合作,并引入电动汽车来缓解网络拥塞。(当出现网络拥塞时,现有方法主要是通过削减可再生能源发电来缓解)本发明利用电动汽车具有灵活性的特点,优化调整在网络拥塞时间段电动汽车的充放电时间表,以此来缓解网络拥塞。此方法可以避免可再生能源发电的不必要削减,降低可再生能源发电大规模并入对电网的造成的安全威胁,同时由于电动汽车的加入,电网的灵活性得到了提高。
附图说明
图1为本发明的方法顺序图;
图2为本发明实施例中日前和日内可再生能源发电量预测图
图3为本发明实施例中日内可再生能源发电量预测图;
图4为本发明实施例中VPP日内电力输出的最优运行计划图;
图5为本发明实施例中VPP日内热力输出的最优运行计划图;
图6为本发明实施例中分支4-3上的功率流与最大功率传输能力的比较图;
图7为本发明实施例中分支14-13上的功率流与最大功率传输能力的比较图;
图8为本发明实施例中技术验证和拥塞管理流程图。
具体实施方式
为使对本发明的结构特征及所达成的功效有更进一步的了解与认识,用以较佳的实施例及附图配合详细的说明,说明如下:
如图1所示,本发明所述的一种考虑服务型虚拟电厂的电网拥塞缓解调控方法,包括以下步骤:
第一步,电网数据的获取:获取电网数据,其包括各个支路的基础参数以及各个节点的初始参数,并进行仿真模型的搭建。
(1)根据实际的电力网络结构,在Matlab中搭建simulink仿真模型;
(2)从实际的电力网络结构中获取数据,其包括电力网络中所有支路的最大传输能力、所有支路的阻抗Z和导纳Y、所有节点的节点电压V和相角θ、各节点的初始有功功率P与无功功率Q;
(3)将获取的数据存储到仿真模型的各个节点中。
第二步,目标函数的构建:在对可再生能源发电进行预测的前提下,构建关于日前市场调度和日内市场调度的目标函数,如此可以全面考虑日前和日内市场的电力交换,有利于做出更加准确的决策,目标函数的构建需要综合考虑可再生能源发电的不确定性。
(1)在对可再生能源发电进行预测的前提下,构建了日前市场调度目标函数;
其中日前市场调度的目标函数F1由热电联产机组CHP燃料成本、存储运营成本、预测的日前市场能源价格和情景概率ps构成:
式中,s为第s个可再生能源预测场景,th为水平时间。Nchp为热电联产机组的数量,NS为日前可再生能源发电预测情景的数量,ps为第s个可再生能源预测情景发生的概率,Hda为日前计划时间范围,τda为日前水平时间步长,Ne,sto为蓄电单元的数量,Cf,chp,i,s(th)为第i台热电联产机组在情景s下的燃料成本,Cop,e,sto,i,s(th)为第i个蓄电单元在情景s下的运行成本,Pm,da(th)为VPP向日前能源市场交换的有功功率,cm,da(th)为每单位能量的预测日前市场价格。
(2)在对可再生能源发电进行预测的前提下,构建日内市场调度目标函数:
在日内计划中,VPP的目的是提供日前市场电力交换,并在内部弥补因更新的可再生能源发电预测而导致的失衡;
如果无法弥补其池内的不平衡,则VPP在日内市场交换有功功率Pimb,id(th);
设VPP资源的调度以日内交易的有功功率不平衡Pimb,id(th)最小化为目标,其通过在资源调度优化期间考虑日内失衡惩罚成本Cpen,imb(th)来实现,故日内市场调度的目标函数F2包括日内失衡惩罚成本、CHP燃料成本以及存储的运营成本,其表达式如下:
式中,Hid为日内调度时间范围,τid为日内时间步长,Cf,chp,i(th)为第i台热电联产机组的燃料成本,Cop,e,sto,i(th)为第i个蓄电单元的运行成本,Cpen,imb(th)为日内失衡惩罚成本。
第三步,约束条件的构建:构建关于日前市场调度和日内市场调度的约束条件,其包括CHP单元的功率限制约束、储存单元的能量容量边界约束、电功率平衡约束以及热功率平衡约束,准确全面地设置约束条件,有利于优化调度模型的搭建,可以为网络拥塞缓解请求提供更精确的数据准备,约束条件的构建需要精确计算VPP向电力市场交换的有功功率和可再生能源发电的注入量。
(1)设定CHP单元的功率限制约束:
Pe,chp,i,min≤Pe,chp,i(th)≤Pe,chp,i,max,
式中,Pe,chp,i,min为第i台热电联产机组的最小电力注入,Pe,chp,i(th)为第i台热电联产机组的电力注入,Pe,chp,i,max为第i台热电联产机组的最大电力注入。
(2)设定存储单元的能量容量边界约束:
Ee,sto,i,min≤Ee,sto,i(th)≤Ee,sto,i,max,
Eth,sto,i,min≤Eth,sto,i(th)≤Eth,sto,i,max,
式中,Ee,sto,i,min为第i个蓄电单元的最小能量等级,Ee,sto,i(th)为第i个蓄电单元的能量等级,Ee,sto,i,max为第i个蓄电单元的最大能量等级,Eth,sto,i,min为第i个蓄热单元的最小能量等级,Eth,sto,i(th)为第i个蓄热单元的能量等级,Eth,sto,i,max为第i个蓄热单元的最大能量等级。
(3)设定日前电功率平衡约束:
式中,Pe,chp,i,s(th)为第i个热电联产机组在情景s下的电力注入,Pe,sto,i,s(th)为第i个蓄电单元在情景s下的电力注入,Pres,s(th)为情景s下可再生能源的电力注入,Pe,1(th)为VPP中的总电力负荷。
(4)设定日前热功率平衡约束:
式中,Pth,chp,i,s(th)为第i个热电联产机组在情景s下的热电注入,Nth,sto为蓄热单元数量,Pth,sto,i,s(th)为第i个储能单元在情景s下的热电注入,Pth,1(th)为VPP中的总热负荷。
(5)设定日内电功率平衡约束:
式中,Pe,chp,i(th)为日内第i个热电联产机组的电力注入,Pe,sto,i(th)为日内第i个储能单元的电力注入,Pres(th)为日内可再生能源的电力注入,Pimb,id(th)为向日内能源市场交换的有功功率不平衡量。
(6)设定日内热功率平衡约束:
式中,Pth,chp,i(th)为日内第i台热电联产机组的热力注入,Pth,sto,i(th)为日内第i个储能单元的热力注入。
第四步,服务型虚拟电厂的优化调度模型的求解:根据目标函数和约束条件,构建考虑服务型虚拟电厂的优化调度模型,并利用场景法求解该模型。
(1)根据目标函数和相关约束,利用线性规划法构建考虑服务型虚拟电厂的优化调度模型;该模型以服务型虚拟电厂为中心,整合可再生能源、储能装置、热电联产机组、负荷以及电动汽车,同时VPP参与电力市场进行电力交换;
其中,VPP的主要作用是维持系统内的功率平衡,根据可再生能源发电的不确定性,调整热电联产机组和储能装置的出力,在保证系统运行安全可靠的前提下,最大限度地避免可再生能源的不必要削减。
(2)由于可再生能源发电的不确定性,所以采用场景法对其发电进行场景预测,得到一定数量的可再生发电预测情景;然后使用概率距离的概念,将预测的情景减少到指定的数目;最后将削减后的场景信息发送到VPP,再根据目标函数和相关约束,利用CPLEX求解器求解该模型,并获取到求解后网络中各个节点的电压V和相角θ。
(3)利用电网数据的获取步骤中得到的支路的阻抗Z和导纳Y以及步骤(2)求解后各节点电压V和相角θ,求解各个支路上的有功潮流的大小:
Pf,mn=|Vm|2gmn-|Vm||Vn[gmncos(θm-θn)+bmnsin(θm-θn)],
式中,Pf,mn为节点m到节点n的有功功率流;Vm为节点m的电压大小;Vn为节点n的电压大小;gmn为mn支路的电导;bmn为mn支路的电纳;θm为节点m的电压相角;θn为节点n的电压相角。
第五步,电网拥塞的调控:针对电网拥塞,根据第四步中模型求解后的数据以及第一步中得到的数据,计算各总线的敏感度,利用调整电动汽车充放电时间表的方法对电网拥塞进行缓解调控。
(1)配电系统运营商(Distribution system operator,DSO)实时监控系统中各个支路的功率流大小,当某条支路的功率流Pf,mn大于支路最大传输能力Pfmax,mn时,则判断出该支路出现过载,然后重新配置网络以解决问题;如果重新配置后,网络拥塞没有完全缓解,则进行下面第(2)步,对“重新配置”方案的补充。
(2)DSO对“重新配置”方案的补充为请求服务型VPP提供拥塞缓解服务:
DSO首先根据第一步中的数据以及第四步求解后得到的数据,计算出拥塞支路上的有功潮流对节点i处VPP资源的有功和无功功率注入变化的敏感度,求解敏感度的流程如下:
A1)根据得到的各节点的初始电压V和相角θ、各节点的初始功率P、Q,以及求解后各节点的电压、相角、有功功率与无功功率,求解得到各节点的有功功率变化量ΔP、无功功率变化量ΔQ、节点电压变化量Δ|V|以及相角变化量Δθ;
A2)根据A1)步得到的数据,求解得到整个网络的雅可比矩阵JθV,PQ:
A3)利用上述数据,求解各个支路对VPP中的有功功率和无功功率的敏感度αP,mn、αQ,mn:
(3)在DSO完成了拥塞缓解请求的数据准备后,其将相关数据发送给VPP;根据DSO的请求及其发送来的数据,对产生拥塞的时间段,VPP综合考虑各个支路对有功功率和无功功率的敏感度αP,mn、αQ,mn,在输入的有功和无功功率份额不超过线路最大承载能力的前提下,调整系统中相关支路上电动汽车的充放电时间表,以此来缓解网络拥塞。
在此,VPP拥塞缓解服务的验证如下:
首先DSO进行技术验证,判断出某条支路出现过载,然后重新配置网络以解决问题。如果重新配置后,网络拥塞没有完全缓解,则需要探索另一种替代方案。
DSO对“重新配置”方案的补充就是请求VPP提供拥塞缓解服务。根据DSO的请求及其传输来的数据,VPP调整其资源的调度,然后将新的调度时间表发送至DSO进行技术验证。DSO通过分析比较各个支路上功率流与最大传输能力的大小,来验证VPP是否缓解了网络中的拥塞。
本实施例是在具有代表性的某地中高压网络上进行的,该网络是放射状的,但也可以作为环形操作。首先,基于外部数据生成了汇总风能和太阳能发电预测的场景。其次,使用概率距离的概念减少生成的场景,然后合并为16个。图2显示了用作VPP输入的日前综合风能和太阳能发电预测场景以及可再生能源发电预测;图3显示了用作配电系统运营商技术验证输入的中压基准网络的日内可再生能源预测。
根据日前综合风能和太阳能发电综合预测的信息,VPP按照目标函数F1和相关约束随机调度其资源,并为24小时的规划范围制定其电力交换计划。在日内操作中,VPP的资源基于目标函数F2和相关约束进行调度,并且同时也考虑日前市场中的电力交换。图4和图5分别显示了VPP日内电力和热力输出的最优运行计划,可以看出服务型虚拟电厂很好的协调了不同时段内系统内各类能源的出力。通过这种方式,VPP内的负载得到了服务,同时多余的能量可以在市场上出售。同时,当可再生能源发电量大于市场需求时,储能单元发挥作用,存储多余的能量,并在后期伺机往网络中输电。
当电网中遇到拥塞情况时,VPP可以使用具有相关约束的目标函数F2的优化来减轻拥塞。VPP配合配电系统运营商在网络中缓解拥塞的流程如图8所示。首先,配电系统运营商接收连接到网络的资源的调度。然后其在图8中A部分执行潮流计算。在09:00时,识别出支路3-2和4-3上的拥塞。支路4-3上的潮流如图6所示,空心正方形实线表示无任何约束时的功率流,即图8中A部分未采取任何动作的潮流计算结果。为了缓解拥塞,配电系统运营商首先尝试重新配置网络。为了说明配电系统运营商尝试的重新配置,支路14-13上的功率流如图7所示。空心正方形实线再次表示未采取任何行动的无约束解决方案。如果配电系统运营商通过闭合开关S1重新配置网络,则会超过支路14-13的最大功率传输能力。发生这种情况是因为分支14-13该处的风电场的发电也处于高负载状态。重新配置的结果在图7中用空心正方形实线表示。然后,配电系统运营商准备向VPP请求拥塞缓解服务,如图8所示B、C部分所示。然后VPP调整其时间表,并将其从图8的C部分发送回A部分,然后配电系统运营商再次进行技术验证,即潮流计算,以检查拥塞是否得到了缓解。图6与图7中的黑色实线即VPP的拥塞缓解服务实施后,两条支路上的功率流,可以看出两条线路上的拥塞得到了缓解。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (6)
1.一种考虑服务型虚拟电厂的电网拥塞缓解调控方法,其特征在于,包括以下步骤:
11)电网数据的获取:获取电网数据,其包括各个支路的基础参数以及各个节点的初始参数,并进行仿真模型的搭建;
12)目标函数的构建:在对可再生能源发电进行预测的前提下,构建关于日前市场调度和日内市场调度的目标函数;
13)约束条件的构建:构建关于日前市场调度和日内市场调度的约束条件,其包括CHP单元的功率限制约束、储存单元的能量容量边界约束、电功率平衡约束以及热功率平衡约束;
14)服务型虚拟电厂的优化调度模型的求解:根据目标函数和约束条件,构建考虑服务型虚拟电厂的优化调度模型,并利用场景法求解该模型;
15)电网拥塞的调控:针对电网拥塞,根据步骤14)中模型求解后的数据以及步骤11)中得到的数据,计算各总线的敏感度,利用调整电动汽车充放电时间表的方法对电网拥塞进行缓解调控。
2.根据权利要求1所述的一种考虑服务型虚拟电厂的电网拥塞缓解调控方法,其特征在于,所述电网数据的获取包括以下步骤:
21)根据实际的电力网络结构,在Matlab中搭建simulink仿真模型;
22)从实际的电力网络结构中获取数据,其包括电力网络中所有支路的最大传输能力、所有支路的阻抗Z和导纳Y、所有节点的节点电压V和相角θ、各节点的初始有功功率P与无功功率Q;
23)将获取的数据存储到仿真模型的各个节点中。
3.根据权利要求1所述的一种考虑服务型虚拟电厂的电网拥塞缓解调控方法,其特征在于,所述目标函数的构建包括以下步骤:
31)在对可再生能源发电进行预测的前提下,构建了日前市场调度目标函数;
其中日前市场调度的目标函数F1由热电联产机组CHP燃料成本、存储运营成本、预测的日前市场能源价格和情景概率ps构成:
式中,s为第s个可再生能源预测场景,th为水平时间,Nchp为热电联产机组的数量,NS为日前可再生能源发电预测情景的数量,ps为第s个可再生能源预测情景发生的概率,Hda为日前计划时间范围,τda为日前水平时间步长,Ne,sto为蓄电单元的数量,Cf,chp,i,s(th)为第i台热电联产机组在情景s下的燃料成本,Cop,e,sto,i,s(th)为第i个蓄电单元在情景s下的运行成本,Pm,da(th)为VPP向日前能源市场交换的有功功率,cm,da(th)为每单位能量的预测日前市场价格;
32)在对可再生能源发电进行预测的前提下,构建日内市场调度目标函数:
在日内计划中,VPP的目的是提供日前市场电力交换,并在内部弥补因更新的可再生能源发电预测而导致的失衡;
如果无法弥补其池内的不平衡,则VPP在日内市场交换有功功率Pimb,id(th);
设VPP资源的调度以日内交易的有功功率不平衡Pimb,id(th)最小化为目标,其通过在资源调度优化期间考虑日内失衡惩罚成本Cpen,imb(th)来实现,故日内市场调度的目标函数F2包括日内失衡惩罚成本、CHP燃料成本以及存储的运营成本,其表达式如下:
式中,Hid为日内调度时间范围,τid为日内时间步长,Cf,chp,i(th)为第i台热电联产机组的燃料成本,Cop,e,sto,i(th)为第i个蓄电单元的运行成本,Cpen,imb(th)为日内失衡惩罚成本。
4.根据权利要求1所述的一种考虑服务型虚拟电厂的电网拥塞缓解调控方法,其特征在于,所述约束条件的构建包括以下步骤:
41)设定CHP单元的功率限制约束:
Pe,chp,i,min≤Pe,chp,i(th)≤Pe,chp,i,max,
式中,Pe,chp,i,min为第i台热电联产机组的最小电力注入,Pe,chp,i(th)为第i台热电联产机组的电力注入,Pe,chp,i,max为第i台热电联产机组的最大电力注入;
42)设定存储单元的能量容量边界约束:
Ee,sto,i,min≤Ee,sto,i(th)≤Ee,sto,i,max,
Eth,sto,i,min≤Eth,sto,i(th)≤Eth,sto,i,max,
式中,Ee,sto,i,min为第i个蓄电单元的最小能量等级,Ee,sto,i(th)为第i个蓄电单元的能量等级,Ee,sto,i,max为第i个蓄电单元的最大能量等级,Eth,sto,i,min为第i个蓄热单元的最小能量等级,Eth,sto,i(th)为第i个蓄热单元的能量等级,Eth,sto,i,max为第i个蓄热单元的最大能量等级;
43)设定日前电功率平衡约束:
式中,Pe,chp,i,s(th)为第i个热电联产机组在情景s下的电力注入,Pe,sto,i,s(th)为第i个蓄电单元在情景s下的电力注入,Pres,s(th)为情景s下可再生能源的电力注入,Pe,1(th)为VPP中的总电力负荷;
44)设定日前热功率平衡约束:
式中,Pth,chp,i,s(th)为第i个热电联产机组在情景s下的热电注入,Nth,sto为蓄热单元数量,Pth,sto,i,s(th)为第i个储能单元在情景s下的热电注入,Pth,1(th)为VPP中的总热负荷;
45)设定日内电功率平衡约束:
式中,Pe,chp,i(th)为日内第i个热电联产机组的电力注入,Pe,sto,i(th)为日内第i个储能单元的电力注入,Pres(th)为日内可再生能源的电力注入,Pimb,id(th)为向日内能源市场交换的有功功率不平衡量;
46)设定日内热功率平衡约束:
式中,Pth,chp,i(th)为日内第i台热电联产机组的热力注入,Pth,sto,i(th)为日内第i个储能单元的热力注入。
5.根据权利要求1所述的一种考虑服务型虚拟电厂的电网拥塞缓解调控方法,其特征在于,所述服务型虚拟电厂的优化调度模型的求解包括以下步骤:
51)根据目标函数和相关约束,构建考虑服务型虚拟电厂的优化调度模型;该模型以服务型虚拟电厂为中心,整合可再生能源、储能装置、热电联产机组、负荷以及电动汽车,同时VPP参与电力市场进行电力交换;
其中,VPP的作用是维持系统内的功率平衡,根据可再生能源发电的不确定性,调整热电联产机组和储能装置的出力,在保证系统运行安全可靠的前提下,最大限度地避免可再生能源的不必要削减;
52)由于可再生能源发电的不确定性,所以采用场景法对其发电进行场景预测,得到可再生发电预测情景;然后使用概率距离的概念,将预测的情景减少到指定的数目;最后将削减后的场景信息发送到VPP,再根据目标函数和相关约束,利用CPLEX求解器求解该模型,并获取到求解后网络中各个节点的电压V和相角θ;
53)利用电网数据的获取步骤中得到的支路的阻抗Z和导纳Y以及步骤52)求解后各节点电压V和相角θ,求解各个支路上的有功潮流的大小:
Pf,mn=|Vm|2gmn-|Vm||Vn|[gmncos(θm-θn)+bmnsin(θm-θn)],
式中,Pf,mn为节点m到节点n的有功功率流;Vm为节点m的电压大小;Vn为节点n的电压大小;gmn为mn支路的电导;bmn为mn支路的电纳;θm为节点m的电压相角;θn为节点n的电压相角。
6.根据权利要求1所述的一种考虑服务型虚拟电厂的电网拥塞缓解调控方法,其特征在于,所述电网拥塞的调控包括以下步骤:
61)配电系统运营商实时监控系统中各个支路的功率流大小,当某条支路的功率流Pf,mn大于支路最大传输能力Pfmax,mn时,则判断出该支路出现过载,然后重新配置网络以解决问题;如果重新配置后,网络拥塞没有完全缓解,则进行对“重新配置”方案的补充;
62)DSO对“重新配置”方案的补充为请求服务型VPP提供拥塞缓解服务:
DSO首先根据步骤11)中的数据以及步骤14)求解后得到的数据,计算出拥塞支路上的有功潮流对节点i处VPP资源的有功和无功功率注入变化的敏感度,求解敏感度的流程如下:
621)根据得到的各节点的初始电压V和相角θ、各节点的初始功率P、Q,以及求解后各节点的电压、相角、有功功率与无功功率,求解得到各节点的有功功率变化量ΔP、无功功率变化量ΔQ、节点电压变化量Δ|V|以及相角变化量Δθ;
622)根据621)步得到的数据,求解得到整个网络的雅可比矩阵JθV,PQ:
623)利用上述数据,求解各个支路对VPP中的有功功率和无功功率的敏感度αP,mn、αQ,mn:
63)在DSO完成了拥塞缓解请求的数据准备后,其将相关数据发送给VPP;根据DSO的请求及其发送来的数据,对产生拥塞的时间段,VPP综合考虑各个支路对有功功率和无功功率的敏感度αP,mn、αQ,mn,在输入的有功和无功功率份额不超过线路最大承载能力的前提下,调整系统中相关支路上电动汽车的充放电时间表,以此来缓解网络拥塞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211395471.8A CN115660204A (zh) | 2022-11-09 | 2022-11-09 | 一种考虑服务型虚拟电厂的电网拥塞缓解调控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211395471.8A CN115660204A (zh) | 2022-11-09 | 2022-11-09 | 一种考虑服务型虚拟电厂的电网拥塞缓解调控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115660204A true CN115660204A (zh) | 2023-01-31 |
Family
ID=85016639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211395471.8A Pending CN115660204A (zh) | 2022-11-09 | 2022-11-09 | 一种考虑服务型虚拟电厂的电网拥塞缓解调控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115660204A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117498467A (zh) * | 2024-01-02 | 2024-02-02 | 国网浙江省电力有限公司宁波供电公司 | 一种基于多层级虚拟电厂的能量协调控制分配方法及系统 |
-
2022
- 2022-11-09 CN CN202211395471.8A patent/CN115660204A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117498467A (zh) * | 2024-01-02 | 2024-02-02 | 国网浙江省电力有限公司宁波供电公司 | 一种基于多层级虚拟电厂的能量协调控制分配方法及系统 |
CN117498467B (zh) * | 2024-01-02 | 2024-05-03 | 国网浙江省电力有限公司宁波供电公司 | 一种基于多层级虚拟电厂的能量协调控制分配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110416998B (zh) | 一种基于虚拟发电厂的地区复杂配网调度控制管理系统 | |
Reddy | Optimal power flow with renewable energy resources including storage | |
Wang et al. | Networked microgrids for self-healing power systems | |
Wang et al. | Integrated energy exchange scheduling for multimicrogrid system with electric vehicles | |
Ke et al. | Sizing the battery energy storage system on a university campus with prediction of load and photovoltaic generation | |
Abdullah et al. | An effective power dispatch control strategy to improve generation schedulability and supply reliability of a wind farm using a battery energy storage system | |
CN110826880B (zh) | 一种大规模电动汽车接入的主动配电网优化调度方法 | |
KR102238624B1 (ko) | 다중 목적함수에 기반한 가상발전소 운영 시스템 및 그 운영 방법 | |
Guo et al. | Distribution system operation with renewables and energy storage: A linear programming based multistage robust feasibility approach | |
CN113346558A (zh) | 一种虚拟电厂运行控制系统及控制方法 | |
Akhavan-Hejazi et al. | A stochastic programming framework for optimal storage bidding in energy and reserve markets | |
Peikherfeh et al. | Optimal dispatch of distributed energy resources included in a virtual power plant for participating in a day-ahead market | |
CN117077974A (zh) | 虚拟电厂资源优化调度方法、装置、设备及存储介质 | |
CN115765014A (zh) | 一种计及信息物理耦合的配电网储能与数据中心规划方法 | |
CN115660204A (zh) | 一种考虑服务型虚拟电厂的电网拥塞缓解调控方法 | |
CN113765105B (zh) | 基于动态随机模型的微电网群能量管理方法 | |
Steber et al. | SWARM-strategies for providing frequency containment reserve power with a distributed battery storage system | |
Dutta et al. | Optimal storage scheduling for minimizing schedule deviations considering variability of generated wind power | |
Peikherfeh et al. | Optimal decision making for virtual power plant operation | |
Taherpoor et al. | A novel stochastic framework for energy management in renewable micro-grids considering uncertainty of measurement and forecasting | |
WO2024109105A1 (zh) | 一种分布式可再生能源集群调度方法和装置 | |
Oloo et al. | Modelling and optimisation studies for generator dispatch strategies for deployment of an off-grid micro-grid in South Africa | |
CN115986743A (zh) | 基于隐式决策法的电力跨区域配置优化方法、装置及设备 | |
CN113890114B (zh) | 一种主配用多层级电网灵活调节能力挖掘方法 | |
CN115659098A (zh) | 一种分布式新能源消纳能力计算方法、装置、设备及介质 |
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 |