CN115689375A - 虚拟电厂运行控制方法、装置、设备及介质 - Google Patents
虚拟电厂运行控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115689375A CN115689375A CN202211424220.8A CN202211424220A CN115689375A CN 115689375 A CN115689375 A CN 115689375A CN 202211424220 A CN202211424220 A CN 202211424220A CN 115689375 A CN115689375 A CN 115689375A
- Authority
- CN
- China
- Prior art keywords
- time
- power plant
- virtual power
- optimization model
- virtual
- 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
本发明公开了一种虚拟电厂运行控制方法,涉及虚拟电厂技术领域,用于解决现有虚拟电厂不稳定的问题,该方法包括以下步骤:建立虚拟电厂弹性运行能力评估指标;构建日前及实时两个时间尺度下运行策略双层优化模型;对所述双层优化模型求解,得到虚拟电厂运行策略。本发明还公开了一种虚拟电厂运行控制装置、电子设备和计算机存储介质。本发明通过对继电器评估指标结合两个时间尺度下的优化模型,对虚拟电厂的运行策略进行优化。
Description
技术领域
本发明涉及虚拟电厂技术领域,尤其涉及一种考虑弹性能力的多时间尺度下的虚拟电厂运行控制方法、装置、设备及介质。
背景技术
近几年配电网中出现许多分布式电源、可控负荷、储能装置等灵活资源,但这些资源存在较强不确定性和波动性,且资源分布过于分散,增加了系统复杂性和调控难度。
为了保障电网的安全可靠运行,现有技术开始通过虚拟电厂技术将分散的各类分布式源-荷-储资源进行聚合,形成资源集群进行统一调度,这样可以有效发挥分布式电源和储能系统等分散资源的合力,从而提高电网调控的灵活性、安全性和经济性。但在虚拟电厂运行时,由于其灵活性资源占比较高,需要考虑资源不确定性以及多种紧急事件情况,对虚拟电厂及电网的要求较高。
为了电网能够安全可靠运行,必须进一步评估和提升虚拟电厂抵御冲击、制定可整合系统资源的运行策略,保证电网正常运行的能力。
发明内容
为了克服现有技术的不足,本发明的目的之一在于提供一种虚拟电厂运行控制方法,其通过弹性评估虚拟电厂的运行能力,保证电厂的运行能力,并通过构建多时间尺度策略,保证优化结果经济性最优且弹性能力最强。
本发明的目的之一采用以下技术方案实现:
一种虚拟电厂运行控制方法,包括以下步骤:
建立虚拟电厂弹性运行能力评估指标;
构建日前及实时两个时间尺度下运行策略双层优化模型,并根据所述评估指标构建所述优化模型的约束条件及目标函数;
对所述双层优化模型求解,得到虚拟电厂运行策略。
进一步地,所述能力评估指标包括支路安全裕度评估、新能源可控性评估及应急能力评估,所述安全裕度包括有功承载能力、节点电压偏差,所述新能源可控性包括响应能力、出力波动及设备故障,所述应急能力包括联络线故障及内部区域故障。
进一步地,所述有功承载能力通过网络映射法结合总体有功承载裕度及有功承载均衡性进行评估,所述有功承载裕度满足:其中,ELΣ为电网的总映射弹性势能,Pbot为电网节点的注入有功,θcq为等效相位差,kLI为等效支路映射弹性系数;所述有功承载均衡性满足:PL1:PL2:...:PLn=kL1:kL2:...:kLn,其中,kL1、kL2、...、kLn为各路弹性系数,PL1、PL2、...、PLn为有功负荷;所述节点电压偏差通过电压越限时间、电压越限幅度、系统电压偏差水平、电压波动指标评估。
进一步地,所述响应能力通过调节幅度、响应时间、持续时间和爬坡率评估,所述调幅度包括上调节幅度A+和向下调节幅度A-,目标函数分别为:max ptie(t)-pbase,maxpbase-ptie(t),其中,pbase为联络线基线功率,ptie(t)为t时刻联络线传输功率;所述响应时间目标函数为:ΔP∈SΔP,其中,SΔP为ΔP以等间隔取值的集合;m为在求和公式中遍历的时刻,vΔP,m代表ΔP一定时m时刻是否满足调节指令要求,不满足则为1,否则为0;所述持续时间的目标函数为:ΔP∈SΔP,其中,uΔP,m代表ΔP一定时mm时刻是否满足调节指令要求,满足则为1,否则为0,为已求得的ΔP一定时的响应时间;所述爬坡率包括向上和向下爬坡率R+、R-,目标函数分别为:max(∑i∈spi(t+1)-∑i∈Spi(t)) t∈ψ,min(∑i∈Spi(t+1)-∑i∈Spi(t)) t∈ψ,
进一步地,所述联络线故障包括可容忍损失电量及可容忍持续时间,所述内部区域故障包括可容忍停电范围及可容忍持续时间。
进一步地,制定日前及实时两个时间尺度下运行策略双层优化模型,包括:所述日前运行优化模型的目标函数满足: 其中,λs为各资源弹性能力的重要性系数,s为资源序号,t代表运行时刻,Γs为虚拟电厂所有资源的集合,Γt为所有运行时刻的集合,ftie为上级电网购电成本,frs为资源运行成本,floss为系统网络损耗成本,所述日前运行优化模型的约束条件包括有功功率平衡约束、资源运行约束、配电网潮流方程约束及电力网络约束;所示实时运行优化模型的目标函数满足:其中,λs为各资源弹性能力的重要性系数,εi为第i个指标的指标权重,s代表资源序号,t代表运行时刻,Γs为虚拟电厂所有资源的集合,Γt为所有运行时刻的集合,所述实时运行优化模型的约束条件包括所述日前运行优化模型的约束条件及上级控制中心对虚拟电厂响应能力要求。
进一步地,对所述双层优化模型求解,得到虚拟电厂运行策略,包括以下步骤:
通过Yalmip建模语言并通过gurobi求解器进行求解;
通过引入反向学习的人工群算法进行求解,得到虚拟电厂运行策略。
本发明的目的之二在于提供一种虚拟电厂运行控制装置,其通过评估运行能力并制定两个时间尺度下的运行优化策略,完成虚拟电厂最佳运行优化策略的制定。
本发明的目的之二采用以下技术方案实现:
一种虚拟电厂运行控制装置,其包括:
评估模块,用于建立虚拟电厂弹性运行能力评估指标;
模型构建模块,用于构建日前及实时两个时间尺度下运行策略双层优化模型,并根据所述评估指标构建所述优化模型的约束条件及目标函数;
求解模块,用于对所述双层优化模型求解,得到虚拟电厂运行策略。
本发明的目的之三在于提供执行发明目的之一的电子设备,其包括处理器、存储介质以及计算机程序,所述计算机程序存储于存储介质中,所述计算机程序被处理器执行时实现上述的虚拟电厂运行控制方法。
本发明的目的之四在于提供存储发明目的之一的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上述的虚拟电厂运行控制方法。
相比现有技术,本发明的有益效果在于:
本发明通过通过构建弹性运行评估指标体系来进行评估虚拟电厂抵御外界冲击、应对资源不确定性的能力,通过制定日前和实时两个时间尺度下的运行策略,保证日前经济最优、实时弹性能力最强,从而在考虑不确定性的情况下保证经济性最优且虚拟电厂具有一定的弹性能力,最后通过对日前、实时双层模型进行求解,得到最优运行优化结果,保证电力系统安全可靠运行。
附图说明
图1是实施例一一种虚拟电厂运行控制方法的流程图;
图2是实施例一的评估指标体系示意图;
图3是实施例二的一种虚拟电厂运行控制方法装置结构框图;
图4是实施例三的电子设备结构框图。
具体实施方式
以下将结合附图,对本发明进行更为详细的描述,需要说明的是,以下参照附图对本发明进行的描述仅是示意性的,而非限制性的。各个不同实施例之间可以进行相互组合,以构成未在以下描述中示出的其他实施例。
实施例一
实施例一提供了一种虚拟电厂运行控制方法,旨在通过对虚拟电厂内的分布式电源、可控负荷、储能设备等可调资源的特性进行建模,以制定运行策略。
目前,国内外学者提出了“弹性”概念,主要用于评价个体或系统受到扰动后的恢复能力。根据此概念,可以建立弹性指标体系来进行评估抵御外界冲击、应对资源不确定性的能力。虚拟电厂内部资源存在较强不确定性和波动性,且资源分布过于分散,这增加了系统复杂性和调控难度。为了虚拟电厂保持安全稳定的发电状态,需要具有一定的抵抗扰动、保持最优运行的能力,即弹性能力。因此,本实施例在弹性指标的基础上提出弹性运行策略来提高系统抵御冲击和不确定性的能力,提高系统应对紧急事件和资源出力波动的能力,保证电力系统安全可靠运行。
为了保证电网能够安全可靠运行,虚拟电厂需要对内部各类资源进行整合和评估,保证各资源之间协调运行;对外需要作为一个整体去参与市场交易。对虚拟电厂内的分布式电源、可控负荷、储能设备等可调资源的特性进行建模,是虚拟电厂决策系统制定报价策略和进行源储荷优化调度的重要组成部分之一。
根据以上原理,提出一种考虑弹性能力的多时间尺度下的虚拟电厂运行策略,请参照图1所示,一种虚拟电厂运行控制方法,其特征在于,包括以下步骤:
S1、建立虚拟电厂弹性运行能力评估指标;
请参照图2所示,评估虚拟电厂的弹性运行能力,考虑电力网络的安全运行能力、内部资源运行状态和可控能力、以及应对紧急事件的能力,建立虚拟电厂的弹性运行能力评估指标体系。
具体地,上述的运行能力评估指标包括支路安全裕度评估、新能源可控性评估及应急能力评估,所述安全裕度包括有功承载能力、节点电压偏差,所述新能源可控性包括响应能力、出力波动及设备故障,所述应急能力包括联络线故障及内部区域故障。
与电网类似,弹性力学网络(以下简称弹性网)的承载情况也取决于网架结构、支路强度、受力大小及分布。故有研究将电网的功、角状态量和接线拓扑映射成纵向受力的弹性网模型,它既保持了电网的接线拓扑连接状态,又表征了功、角之间的物理特性,是有功及相位角的状态拓扑映射。因此,映射弹性网中的受力、形变分析与电网中的功、角状态分析等效。且由于映射弹性网中支路受力方向都相同,与弹性势能一样都满足标量叠加性,故总势能与弹性网的总载荷及总体承载强度相关联。若总载荷不变,则总势能可表征弹性网的总体承载强度Fl,即可表征相应电网的有功承载能力PL。且有研究已经验证了映射弹性势能及作为指标的可行性。态量映射关系为
式中PL为电网的有功承载能力,Fl为弹性网的总体承载强度;θij为电网支路功率相位角,xl为映射弹性网中支路形变;kL电网有功承载能力与支路功率相位角的比值,Kl为映射弹性网的弹性系数。
若以上状态量的值对应相等,则电力线路的映射弹性势能EL和弹簧的弹性势能El相等:
EL=El。
综上,由于映射弹性网支路都是纵向受力,故只要与总势能和总负载都相等,可用一条弹性支路等效。设等效支路的映射弹性系数为kLI,两端的等效相位差为θcq,所述有功承载能力通过网络映射法结合总体有功承载裕度及有功承载均衡性进行评估,所述有功承载裕度满足:其中,ELΣ为电网的总映射弹性势能,Pbot为电网节点的注入有功,θcq为等效相位差,kLI为等效支路映射弹性系数;因此在相同的有功负载情况下,不同电网或同一电网在不同运行方式下,若映射总势能越小,则电网的总体刚性越大,有功承载裕度越大,功角安全性越好。
对于有功承载均衡性,弹性网的受力均衡是指,弹性系数较大的支路应承担较大的力。同理,电网有功负载的均衡,是指映射弹性系数较大的线路,应承担较大的有功功率。
由于将电网映射成纵向受力的弹性网,可将上下边界(即顶层、底层)的关联节点及其之间的路径进行合并和等效。则设有n条支路,各支路弹性系数为kL1,kL2,...,kLn,总有功负荷为PLΣ=∑PLi,其中PLi为第i条支路有功,则有功承载均衡指:PL1:PL2:...:PLn=kL1:kL2:...:kLn,其中,kL1、kL2、...、kLn为各路弹性系数,PL1、PL2、...、PLn为有功负荷,若PLΣ为常数,则在有功承载均衡时,总映射弹性势能最小。说明映射弹性势能可表征电网中支路有功承载的均衡性。当总有功负荷不变时,映射弹性势能越小,电网支路有功承载均衡性越好。
为了衡量节点电压偏差的情况,所述节点电压偏差通过电压越限时间、电压越限幅度、系统电压偏差水平、电压波动指标评估。
电压越限幅度满足:
ΔUVL,u=max UVL,u-Umax
ΔUVL,d=Umin-minUVL,d,
其中,ΔUVL,u为最大越上限幅度;ΔUVL,d为最大越下限幅度;UVL,u为电压越上限时的节点电压;UVL,d为电压越下限时的节点电压。
式中,Dreg为系统电压偏差,反映了系统电压偏离额定电压的程度,其数值越接近1表示越接近额定电压水平、系统电压水平越高。t代表一天中的时刻,T为时刻总数,i代表节点序号,N为节点总数。
新能源可控性中的响应能力,主要体现在其输出/吸收功率的水平、速度和可持续时间。本实施例中建立四个指标来评价虚拟电厂的整体响应能力,包括调节幅度、响应时间、持续时间和爬坡率。
调节幅度是指相对于日前运行点所能达到的最大偏移值,调幅度包括上调节幅度A+和向下调节幅度A-,目标函数分别为:maxptie(t)-pbase,max pbase-ptie(t),其中,pbase为联络线基线功率,ptie(t)为t时刻联络线传输功率;
所述响应时间是指从接受到调节指令,到完全达到调节要求所需的最短时间,其目标函数为:ΔP∈SΔP,其中,SΔP为ΔP以等间隔取值的集合;m为在求和公式中遍历的时刻,vΔP,m代表ΔP一定时m时刻是否满足调节指令要求,不满足则为1,否则为0;当目标函数的结果大于24时认为不能响应。同时此目标函数存在约束条件:X(t)=Xbase(t),其中,X(t)为决策变量矩阵,包括各设备出力、水电站储水量、储能系统储存电能等;Xbase(t)为已求得的时刻t基线上决策变量的值的矩阵。上式代表时刻t各设备的状态与基线上状态相同,即时刻t虚拟电厂运行在基线上。此外如果vΔP,m=0,则存在以下两个约束条件:∑i∈SPi(t)+ΔP=∑i∈SPi(m),vΔP,m+1=0,前一公式代表t时刻满足调节指令要求;后一公式代表一旦满足调节指令要求,后续时间均不包含在响应时间内。
持续时间TD是指完全达到调节要求后,能保持该状态的最长时间。所述持续时间的目标函数为:ΔP∈SΔP,其中,uΔP,m代表ΔP一定时mm时刻是否满足调节指令要求,满足则为1,否则为0,为已求得的ΔP一定时的响应时间。同时此目标函数存在约束条件:X(t)=Xbase(t),且如果vΔP,m=1,则存在约束条件:vΔP,m+1=0。
爬坡率是指调节过程中单位时间Δt内的运行点变化量。向上和向下爬坡率R+、R-的目标函数分别为:max(∑i∈Spi(t+1)-∑i∈Spi(t)) t∈ψ,min(∑i∈Spi(t+1)-∑i∈spi(t)) t∈ψ,其中,pi(t)表示时刻t设备i的输出功率,此目标函数存在约束条件:X(t)=Xbase(t)。
虚拟电厂中包含风电、光电、温控负荷等波动性较强的资源,以光伏发电为例,建立出力波动模型,其他资源的出力波动模型也可用类似方法得到。具体地,设置光伏发电机组在时刻t的功率偏差为εPV(t),那么虚拟电厂中光伏发电机组整体的实际输出功率即为:其中,表示虚拟电厂内光伏发电机组i在时刻t的预期出力;εPV看作服从正态分布那么它的概率密度函数即为:由概率密度函数可求出概率分布函数:其中εPV为功率偏差。
所述设备故障通过平均故障停运频率、平均停运持续时间及平均年停运时间评估。平均故障停运频率AFP指此设备在一年内停运的次数的期望值,平均停运持续时间AOT指此设备平均每次停运的持续时间,平均年停运时间AAU指此设备在一年内停运的总持续时间的期望,满足:AAU=AFR·AOT。
紧急事件下的应急能力:紧急事件包括联络线故障和内部区域故障。联络线故障是指虚拟电厂与电网的联络线断开或存在电量限制。内部区域故障是指虚拟电厂内部部分区域断电,即失去部分资源或部分负荷。
所述联络线故障包括可容忍损失电量及可容忍持续时间。可容忍损失电量:即在一天内,运行基线电量与电量限制值的差值。其中电量限制值为0时表示联络线断开。可容忍持续时间:在已确定的损失电量约束下,可以保持重要负荷正常运转的最长持续时间。所述内部区域故障包括可容忍停电范围及可容忍持续时间。可容忍停电范围:某一区域断电时,能够继续保持重要负荷正常运转,则此区域为可容忍停电范围。可容忍持续时间:在已确定的停电范围约束下,可以保持重要负荷正常运转的最长持续时间。
S2、构建日前及实时两个时间尺度下运行策略双层优化模型,并根据所述评估指标构建所述优化模型的约束条件及目标函数;
制定弹性运行策略时需要考虑资源不确定性,本实施例采取选取多种典型场景的方法分析不确定性。风光等灵活资源服从概率分布,其可能的运行状态称为“场景”。基于历史数据确定灵活资源功率预测的概率分布函数,运用拉丁超立方抽样产生大量随机场景,确保所有抽样点均被抽样,再采用后向场景削减技术对一些相似和极端的场景进行削减,得到典型场景和概率。其中典型场景的参数为存在不确定性的各类资源的出力。在计算双层优化模型时,将典型场景的参数和概率代入优化模型并求解即可。
具体地,考虑经济性的日前运行模型,其目标函数满足:其中,λs为各资源弹性能力的重要性系数,s为资源序号,t代表运行时刻,Γs为虚拟电厂所有资源的集合,Γt为所有运行时刻的集合,ftie为上级电网购电成本,frs为资源运行成本,floss为系统网络损耗成本。向上级电网购电成本ftie指的是配电网在内部资源出力后,其余所需功率通过联络线需向上级电网购电,而多出的功率可输送至上级电网产生收益。其计算满足:其中,Cd单位功率的购电费用,Ptie为从联络线向虚拟电厂输入的功率,ΔtΔt为单位时间。各类资源运行成本frs,本实施例中将各类资源的运行成本函数等效为二次函数:其中为i为资源编号,Γr为所有资源编号的集合,Pi为资源i的输出功率,ai、bi、ci为资源i运行成本函数的等效系数,网络损耗成本floss指的是考虑各时段资源接入配电网产生的网络损耗,表达式为:其中Ct,loss为时刻t的网络损耗的单位电量的成本系数,j代表支路编号,Rj为支路电阻,Pt,j、Qt,j、Ut,j分别为支路始端的有功功率、无功功率、电压。
所述日前运行优化模型的约束条件包括有功功率平衡约束、资源运行约束、配电网潮流方程约束及电力网络约束。
有功功率平衡约束为:其中i为设备序号,作为下标时代表此参量属于第i个设备;Sres为所有资源设备的集合;pi第i个设备的功率;ptie为联络线传输功率;PD是总负荷功率(不包括温控负荷);t代表调度时刻;ψ为一天内所有运行时刻构成的集合。
各类资源运行约束为:
Pi,min(t)≤Pi(t)≤Pi,max(t),t∈ψ,i∈Sres
Vh,min,i≤Vh,i(t)≤Vh,max,i,t∈ψ,i∈Sh
Vh,i(t+1)=Vh,i(t)+[qi(t)-Qi(t)]·Δt,t∈ψ,i∈SHS
Eb,min,i≤Eb,i(t)≤Eb,max,i,t∈ψ,i∈SES
Eb(t+1)=Eb(t)-Pb(t)Δt·ηb,t∈ψ,i∈SES;
其中,Sh、Sg、Sb、Sc分别为水电站、燃气轮机、储能系统、温控负荷集群的序号集合;Pi,max和Pi,min为第i个设备出力的上下限;Q(t)表示水电站发电引水流量;Qmax、Qmin为最大、最小发电引水流量。Vh、Vh,min、Vh,max分别为水库日前蓄水量及最小量和最大量;q为河流平均径流量,Δt为单位时间;Eb为储能系统储存电能;Pb为充放电功率,以放电功率为正;ηb为充放电效率;Eb,max和Eb,min为储能系统储存电能的上下限。
配电网潮流方程约束满足:
电力网络约束满足:ptie,min≤ptie(t)≤ptie,max,t∈ψ,
Uj,min≤Uj(t)≤Uj,max;其中ptie,max和ptie,min为联络线传输功率的上下限;Uj,max和Uj,min为第j个节点的节点电压上下限。
考虑弹性能力的实时运行模型目标函数满足: 其中,λs为各资源弹性能力的重要性系数,εi为第i个指标的指标权重,s代表资源序号,t代表运行时刻,Γs为虚拟电厂所有资源的集合,Γt为所有运行时刻的集合,所述实时运行优化模型的约束条件包括所述日前运行优化模型的约束条件及上级控制中心对虚拟电厂响应能力要求。
将上级控制中心对虚拟电厂响应能力的要求作为约束,即
S3、对所述双层优化模型求解,得到虚拟电厂运行策略。
S3具体包括:
通过Yalmip建模语言并通过gurobi求解器进行求解;
通过引入反向学习的人工群算法进行求解,得到虚拟电厂运行策略。
双层模型上层为日前经济性最优的运行模型,下层为实时弹性能力最强的运行模型。从而保证经济性最优的前提下虚拟电厂具有一定的弹性能力。
建立的日前-实时双层运行优化模型求解过程复杂,因此本实施例考虑第一阶段采用运用Yalmip建模语言联合gurobi求解器进行求解,第二阶段采用智能算法求解。人工蜂群算法作为一种群体智能算法,在水电调度、电网重构等问题中得以应用,蜂群包括采蜜蜂、观察蜂和侦察蜂。该算法鲁棒性强,但存在搜索速率慢和易陷入局部最优等问题。因此,通过引入反向学习的种群初始化法和自适应系数对算法进行改进。通过采用反向学习的种群初始化方法,可以在搜索空间初始迭代时产生可能更靠近最优蜜源的相反解,从而有效减少迭代次数;自适应系数可在搜索过程中动态调整蜂群采蜜情况。采用改进人工蜂群算法对日前和实时双层运行模型进行求解。
上述的Yalmip是一种高级建模语言,可以在matlab中调用gurobi等多种优化求解器,可调用gurobi直接求解一阶非线性规划的问题。
相比于传统的人工蜂群算法,本实施例中改进的人工蜂群算法引入了反向学习的种群初始化法,用来寻找更靠近最优蜜源的初始化值;同时也引入了自适应系数,可在搜索过程中动态调整蜂群采蜜情况。
gurobi求解器只能求解较简单的优化模型,比如文中上层日前优化模型是一阶非线性规划问题。而传统人工蜂群和改进人工蜂群虽然不能像gurobi求解器一样得到精确解,但可以求解复杂的优化模型,比如下层实时优化模型是高阶非线性规划问题。另外,改进人工蜂群算法相比于传统人工蜂群算法可以更容易收敛、求解速度更快。
上述的求解过程属于常规技术手段,本实施例不再加以赘述。
实施例二
实施例二公开了一种对应上述实施例的虚拟电厂运行控制方法对应的装置,为上述实施例的虚拟装置结构,请参照图3所示,包括:
评估模块210,用于建立虚拟电厂弹性运行能力评估指标;
模型构建模块220,用于构建日前及实时两个时间尺度下运行策略双层优化模型,并根据所述评估指标构建所述优化模型的约束条件及目标函数;
求解模块230,用于对所述双层优化模型求解,得到虚拟电厂运行策略。
优选地,所述运行能力评估指标包括支路安全裕度评估、新能源可控性评估及应急能力评估,所述安全裕度包括有功承载能力、节点电压偏差,所述新能源可控性包括响应能力、出力波动及设备故障,所述应急能力包括联络线故障及内部区域故障。
优选地,所述联络线故障包括可容忍损失电量及可容忍持续时间,所述内部区域故障包括可容忍停电范围及可容忍持续时间。
优选地,对所述双层优化模型求解,得到虚拟电厂运行策略,包括以下步骤:
通过Yalmip建模语言并通过gurobi求解器进行求解;
通过引入反向学习的人工群算法进行求解,得到虚拟电厂运行策略。
实施例三
图4为本发明实施例三提供的一种电子设备的结构示意图,如图4所示,该电子设备包括处理器310、存储器320、输入装置330和输出装置340;计算机设备中处理器310的数量可以是一个或多个,图4中以一个处理器310为例;电子设备中的处理器310、存储器320、输入装置330和输出装置340可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器320作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的虚拟电厂运行控制方法对应的程序指令/模块。处理器310通过运行存储在存储器320中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述实施例一的虚拟电厂运行控制方法。
存储器320可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器320可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器320可进一步包括相对于处理器310远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可用于接收输入的用户身份信息、电网数据等。输出装置340可包括显示屏等显示设备。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质,该存储介质可用于计算机执行虚拟电厂运行控制方法,该方法包括:
建立虚拟电厂弹性运行能力评估指标;
构建日前及实时两个时间尺度下运行策略双层优化模型;
对所述双层优化模型求解,得到虚拟电厂运行策略。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的基于虚拟电厂运行控制方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。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,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台电子设备(可以是手机,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的方法。
值得注意的是,上述基于虚拟电厂运行控制方法装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
对本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及形变,而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (10)
1.一种虚拟电厂运行控制方法,其特征在于,包括以下步骤:
建立虚拟电厂弹性运行能力评估指标;
构建日前及实时两个时间尺度下运行策略双层优化模型,并根据所述评估指标构建所述优化模型的约束条件及目标函数;
对所述双层优化模型求解,得到虚拟电厂运行策略。
2.如权利要求1所述的虚拟电厂运行控制方法,其特征在于,所述运行能力评估指标包括支路安全裕度评估、新能源可控性评估及应急能力评估,所述安全裕度包括有功承载能力、节点电压偏差,所述新能源可控性包括响应能力、出力波动及设备故障,所述应急能力包括联络线故障及内部区域故障。
4.如权利要求2所述的虚拟电厂运行控制方法,其特征在于,所述响应能力通过调节幅度、响应时间、持续时间和爬坡率评估,所述调幅度包括上调节幅度A+和向下调节幅度A-,目标函数分别为:max ptie(t)-pbase,max pbase-ptie(t),其中,pbase为联络线基线功率,ptie(t)为t时刻联络线传输功率;所述响应时间目标函数为:ΔP∈SΔP,其中,SΔP为ΔP以等间隔取值的集合;m为在求和公式中遍历的时刻,vΔP,m代表ΔP一定时m时刻是否满足调节指令要求,不满足则为1,否则为0;所述持续时间的目标函数为:ΔP∈SΔP,其中,uΔP,m代表ΔP一定时m m时刻是否满足调节指令要求,满足则为1,否则为0,为已求得的ΔP一定时的响应时间;所述爬坡率包括向上和向下爬坡率R+、R-,目标函数分别为:
max(∑i∈Spi(t+1)-∑i∈Spi(t)) t∈ψ,
min(∑i∈Spi(t+1)-∑i∈Spi(t)) t∈ψ,
5.如权利要求2所述的虚拟电厂运行控制方法,其特征在于,所述联络线故障包括可容忍损失电量及可容忍持续时间,所述内部区域故障包括可容忍停电范围及可容忍持续时间。
6.如权利要求1所述的虚拟电厂运行控制方法,其特征在于,制定日前及实时两个时间尺度下运行策略双层优化模型,包括:所述日前运行优化模型的目标函数满足:其中,λs为各资源弹性能力的重要性系数,s为资源序号,t代表运行时刻,Γs为虚拟电厂所有资源的集合,Γt为所有运行时刻的集合,ftie为上级电网购电成本,frs为资源运行成本,floss为系统网络损耗成本,所述日前运行优化模型的约束条件包括有功功率平衡约束、资源运行约束、配电网潮流方程约束及电力网络约束;所示实时运行优化模型的目标函数满足: 其中,λs为各资源弹性能力的重要性系数,εi为第i个指标的指标权重,s代表资源序号,t代表运行时刻,Γs为虚拟电厂所有资源的集合,Γt为所有运行时刻的集合,所述实时运行优化模型的约束条件包括所述日前运行优化模型的约束条件及上级控制中心对虚拟电厂响应能力要求。
7.如权利要求1所述的虚拟电厂运行控制方法,其特征在于,对所述双层优化模型求解,得到虚拟电厂运行策略,包括以下步骤:
在上层日前以经济性最优为目标的优化中,在Matlab中使用Yalmip建模语言调用gurobi求解器进行求解此一阶非线性规划问题;
在下层实时以弹性最优为目标的优化中,通过引入反向学习的种群初始化法和自适应系数,对人工蜂群算法进行改进,使其更易收敛、求解速度更快。采用改进的人工蜂群算法求解此高阶非线性规划问题,得到的日内运行策略作为参数返回给上层日前优化模型。
8.一种虚拟电厂运行控制装置,其特征在于,其包括:
评估模块,用于建立虚拟电厂弹性运行能力评估指标;
模型构建模块,用于构建日前及实时两个时间尺度下运行策略双层优化模型,并根据所述评估指标构建所述优化模型的约束条件及目标函数;
求解模块,用于对所述双层优化模型求解,得到虚拟电厂运行策略。
9.一种电子设备,其包括处理器、存储介质以及计算机程序,所述计算机程序存储于存储介质中,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的虚拟电厂运行控制方法。
10.一种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权利要求1至7任一项所述的虚拟电厂运行控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211424220.8A CN115689375A (zh) | 2022-11-15 | 2022-11-15 | 虚拟电厂运行控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211424220.8A CN115689375A (zh) | 2022-11-15 | 2022-11-15 | 虚拟电厂运行控制方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115689375A true CN115689375A (zh) | 2023-02-03 |
Family
ID=85052763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211424220.8A Pending CN115689375A (zh) | 2022-11-15 | 2022-11-15 | 虚拟电厂运行控制方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115689375A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116581811A (zh) * | 2023-03-02 | 2023-08-11 | 国网江苏省电力有限公司淮安供电分公司 | 一种适应时变动态响应的分布式电源集群聚合方法及系统 |
CN118052152A (zh) * | 2024-04-15 | 2024-05-17 | 国网江西省电力有限公司经济技术研究院 | 一种基于电力性能数据模拟仿真方法 |
-
2022
- 2022-11-15 CN CN202211424220.8A patent/CN115689375A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116581811A (zh) * | 2023-03-02 | 2023-08-11 | 国网江苏省电力有限公司淮安供电分公司 | 一种适应时变动态响应的分布式电源集群聚合方法及系统 |
CN118052152A (zh) * | 2024-04-15 | 2024-05-17 | 国网江西省电力有限公司经济技术研究院 | 一种基于电力性能数据模拟仿真方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | Deep reinforcement learning for economic dispatch of virtual power plant in internet of energy | |
CN102868161B (zh) | 一种含分布式电源配电系统网络变结构优化方法 | |
CN115689375A (zh) | 虚拟电厂运行控制方法、装置、设备及介质 | |
CN107769237B (zh) | 基于电动汽车接入的多能源系统协同调度方法及装置 | |
CN109523060A (zh) | 高比例可再生能源在输配电网协同接入下的配比优化方法 | |
CN110266038A (zh) | 一种多虚拟电厂分布式协调调控方法 | |
CN103473393B (zh) | 一种考虑随机概率的输电裕度控制模型建模方法 | |
Yin et al. | Hybrid metaheuristic multi-layer reinforcement learning approach for two-level energy management strategy framework of multi-microgrid systems | |
Kumar et al. | Real time simulation for load frequency control of multisource microgrid system using grey wolf optimization based modified bias coefficient diagram method (GWO-MBCDM) controller | |
CN105654224A (zh) | 一种计及风电不确定性的省级电网月度购电风险管理方法 | |
CN115588998A (zh) | 一种基于图强化学习的配电网电压无功优化方法 | |
Teng et al. | Availability estimation of wind power forecasting and optimization of day-ahead unit commitment | |
CN109546677A (zh) | 一种规模化海上风电柔性送出系统安全控制策略求解方法 | |
CN105790256B (zh) | 基于多代理技术的配电网接入分布式发电单元关键路径识别方法 | |
Khorram-Nia et al. | A novel stochastic framework for the optimal placement and sizing of distribution static compensator | |
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 | |
CN113937752A (zh) | 基于随机模型预测控制的主动配电网优化调度方法及系统 | |
CN110086170A (zh) | 基于故障影响下成本最小的海岛微电网电源配置方法 | |
CN113344283A (zh) | 基于边缘智能的能源互联网新能源消纳能力评估方法 | |
CN108334696A (zh) | 一种考虑功率随机性的配电网日前网络重构方法 | |
CN107846039A (zh) | 考虑风速相关性的集群风电并网建模分析方法及系统 | |
CN110417000B (zh) | 计及分布式电源和需求响应的配电安全域模型构建方法 | |
Krishnan et al. | An efficient DLN2-CRSO approach based dynamic stability enhancement in micro-grid system | |
Zhang et al. | Multi–objective cluster partition method for distribution network considering uncertainties of distributed generations and loads | |
CN115758763A (zh) | 一种计及源荷不确定性的多能流系统优化配置方法及系统 |
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 |