CN115775046A - 一种虚拟电厂优化调度方法、系统、电子设备及存储介质 - Google Patents

一种虚拟电厂优化调度方法、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN115775046A
CN115775046A CN202211547203.3A CN202211547203A CN115775046A CN 115775046 A CN115775046 A CN 115775046A CN 202211547203 A CN202211547203 A CN 202211547203A CN 115775046 A CN115775046 A CN 115775046A
Authority
CN
China
Prior art keywords
representing
time
power plant
virtual power
gas turbine
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
CN202211547203.3A
Other languages
English (en)
Inventor
胡宏彬
张国斌
景志滨
郭琦
张红光
李晗
杨志豪
丛雨
王立强
王琪
刘小恺
辛晓钢
张谦
郭瑞君
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.)
Inner Mongolia Electric Power Research Institute of Inner Mongolia Power Group Co Ltd
Original Assignee
Inner Mongolia Electric Power Research Institute of Inner Mongolia Power 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 Inner Mongolia Electric Power Research Institute of Inner Mongolia Power Group Co Ltd filed Critical Inner Mongolia Electric Power Research Institute of Inner Mongolia Power Group Co Ltd
Priority to CN202211547203.3A priority Critical patent/CN115775046A/zh
Publication of CN115775046A publication Critical patent/CN115775046A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

Abstract

本发明公开一种虚拟电厂优化调度方法、系统、电子设备及存储介质，涉及新能源发电技术领域，方法包括获取各个分布式电源典型日出力预测值以及用户用电负荷预测值；基于各个所述分布式电源典型日出力预测值和所述用户用电负荷预测值，以虚拟电厂收益最大化为目标函数构建日前优化调度模型；根据ADMM算法对所述日前优化调度模型构建增广拉格朗日函数；基于ADMM算法和所述增广拉格朗日函数将所述日前调度优化模型进行解耦，得到多个子系统；根据多个所述子系统进行优化调度。本发明将虚拟电厂的集中式优化问题转化为分布式优化问题，解决了具有多个单元的虚拟电厂的内部协调和优化问题。

Description

一种虚拟电厂优化调度方法、系统、电子设备及存储介质
技术领域
本发明涉及新能源发电技术领域，特别是涉及一种虚拟电厂优化调度方法、系统、电子设备及存储介质。
背景技术
随着风电、光伏等分布式新能源规模的逐步扩大，电网运行的波动性和不确定性明显增加。可再生资源聚合成一个整体参与主网调度，既能发挥传统电厂的稳定输出特性，又因聚合了多种发电和用电单元而具有良好的互补性，能更好地参与主网的日常、实时调度和辅助服务。然而，风电光伏处理具有波动性与间歇性。因此，在可再生能源聚合参与电力系统运行优化调度中，如何考虑新能源出力的不确定性，是目前的研究难点。虚拟电厂中的资源种类很多，如何合理安排虚拟电厂内部各单元的出力情况，满足系统调度的需求是一个亟待解决的问题。
发明内容
本发明的目的是提供一种虚拟电厂优化调度方法、系统、电子设备及存储介质，将虚拟电厂的集中式优化问题转化为分布式优化问题，解决了具有多个单元的虚拟电厂的内部协调和优化问题。
为实现上述目的，本发明提供了如下方案：
一种虚拟电厂优化调度方法，包括：
获取各个分布式电源典型日出力预测值以及用户用电负荷预测值；
基于各个所述分布式电源典型日出力预测值和所述用户用电负荷预测值，以虚拟电厂收益最大化为目标函数构建日前优化调度模型；所述日前优化调度模型的约束条件包括虚拟电厂功率平衡约束、燃气轮机运行约束、储能约束、可中断负荷约束和功率潮流约束；
根据ADMM算法对所述日前优化调度模型构建增广拉格朗日函数；
基于ADMM算法和所述增广拉格朗日函数将所述日前调度优化模型进行解耦，得到多个子系统；
根据多个所述子系统进行优化调度。
可选地，所述目标函数的表达式为：
Figure BDA0003979845170000021
其中，
Figure BDA0003979845170000022
表示t时刻虚拟电厂的购电价格；
Figure BDA0003979845170000023
表示t时刻虚拟电厂日前投标量；
Figure BDA0003979845170000024
表示t时刻虚拟电厂售电价格；
Figure BDA0003979845170000025
表示t时刻虚拟电厂的内部负荷；
Figure BDA0003979845170000026
表示t时刻的可中断负荷；
Figure BDA0003979845170000027
表示t时刻储能运行成本；
Figure BDA0003979845170000028
表示t时刻的中断负荷成本；
Figure BDA0003979845170000029
表示t时刻的微型燃气轮机的成本，Δt表示调度时间间隔。
可选地，所述虚拟电厂功率平衡约束的表达式为：
Figure BDA00039798451700000210
其中，
Figure BDA00039798451700000211
表示t时刻的风电机组输出功率，
Figure BDA00039798451700000212
表示t时刻微型燃气轮机输出，
Figure BDA00039798451700000213
表示t时刻储能装置放电功率，γd表示t时刻储能装置效率系数；
Figure BDA00039798451700000214
表示t时刻虚拟电厂日前投标量；
Figure BDA00039798451700000215
表示t时刻虚拟电厂的内部负荷；
Figure BDA00039798451700000216
表示t时刻的可中断负荷。
可选地，所述燃气轮机运行约束的表达式为：
Figure BDA00039798451700000217
Figure BDA00039798451700000218
Figure BDA00039798451700000219
其中，
Figure BDA00039798451700000220
表示t时刻内微型燃气轮机输出的上限；
Figure BDA00039798451700000221
表示t时刻内微型燃气轮机输出的下限，
Figure BDA00039798451700000222
为0-1变量，1表示微型燃气轮机运行，0表示关闭；
Figure BDA00039798451700000223
表示微型燃气轮机机组爬升速率；
Figure BDA00039798451700000224
表示微型燃气轮机机组向下速率；
Figure BDA0003979845170000031
表示微型燃气轮机启动时间，
Figure BDA0003979845170000032
表示微型燃气轮机停止的时间；Ton表示微型燃气轮机允许启动时间的上限，Toff表示微型燃气轮机允许关闭时间的上限；
Figure BDA0003979845170000033
表示t时刻微型燃气轮机输出，
Figure BDA0003979845170000034
表示t-1时刻微型燃气轮机输出。
可选地，所述储能约束的表达式为：
Figure BDA0003979845170000035
Figure BDA0003979845170000036
Figure BDA0003979845170000037
其中，Et表示t时刻的储能状态量，Et-1表示t-1时刻的储能状态量，Δt表示调度时间间隔，
Figure BDA0003979845170000038
表示t时刻的储能充电功率，ζc表示相应的充电效率，
Figure BDA0003979845170000039
表示t时刻的储能放电功率，ζd表示相应的放电效率，
Figure BDA00039798451700000310
表示储能设备容量的上限，E表示储能设备容量的下限，Xc ,max表示储能设备充电功率的上限，Xd,max表示储能设备放电功率的上限，
Figure BDA00039798451700000311
和
Figure BDA00039798451700000312
均表示0-1变量。
可选地，所述可中断负荷约束的表达式为：
Figure BDA00039798451700000313
其中，σt表示0-1变量，
Figure BDA00039798451700000314
表示中断负荷占普通功率负载的比例，
Figure BDA00039798451700000315
表示t时刻虚拟电厂的内部负荷；
Figure BDA00039798451700000316
表示t时刻的可中断负荷。
可选地，所述功率潮流约束的表达式为：
Figure BDA00039798451700000317
Figure BDA00039798451700000318
其中，l表示分支，B(.,i)表示节点i的流入分支集合；Xl,t表示分支功率，
Figure BDA0003979845170000041
表示接入节点i的燃气轮机输出功率，
Figure BDA0003979845170000042
表示接入节点i的风电机组输出功率，
Figure BDA0003979845170000043
表示接入节点i的储能功率，
Figure BDA0003979845170000044
表示接入节点i的可中断负荷，B(i,.)表示表示节点i的流出分支集合，
Figure BDA0003979845170000045
表示接入节点i的负荷，i表示节点，
Figure BDA0003979845170000046
表示分支功率的上限，t表示时刻。
本发明还提供一种虚拟电厂优化调度系统，包括：
获取模块，用于获取各个分布式电源典型日出力预测值以及用户用电负荷预测值；
模型构建模块，用于基于各个所述分布式电源典型日出力预测值和所述用户用电负荷预测值，以虚拟电厂收益最大化为目标函数构建日前优化调度模型；所述日前优化调度模型的约束条件包括虚拟电厂功率平衡约束、燃气轮机运行约束、储能约束、可中断负荷约束和功率潮流约束；
增广拉格朗日函数构建模块，用于根据ADMM算法对所述日前优化调度模型构建增广拉格朗日函数；
解耦模块，用于基于ADMM算法和所述增广拉格朗日函数将所述日前调度优化模型进行解耦，得到多个子系统；
优化调度模块，用于根据多个所述子系统进行优化调度。
本发明还提供一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述任意一项所述的方法。
本发明还提供一种存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上述任意一项所述的方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明基于各个所述分布式电源典型日出力预测值和所述用户用电负荷预测值，以虚拟电厂收益最大化为目标函数构建日前优化调度模型；所述日前优化调度模型的约束条件包括虚拟电厂功率平衡约束、燃气轮机运行约束、储能约束、可中断负荷约束和功率潮流约束；根据ADMM算法对所述日前优化调度模型构建增广拉格朗日函数；基于ADMM算法和所述增广拉格朗日函数将所述日前调度优化模型进行解耦，得到多个子系统；根据多个所述子系统进行优化调度。将虚拟电厂的集中式优化问题转化为分布式优化问题，解决了具有多个单元的虚拟电厂的内部协调和优化问题。
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他的附图。
图1为本发明提供的虚拟电厂优化调度方法流程图；
图2为VPP分布式优化调度框架图；
图3为ADMM优化求解流程图。
具体实施方式
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，所描述的实施例仅仅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做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。
本发明的目的是提供一种虚拟电厂优化调度方法、系统、电子设备及存储介质，将虚拟电厂的集中式优化问题转化为分布式优化问题，解决了具有多个单元的虚拟电厂的内部协调和优化问题。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供的一种虚拟电厂优化调度方法，包括：
步骤101：获取各个分布式电源典型日出力预测值以及用户用电负荷预测值。
步骤102：基于各个所述分布式电源典型日出力预测值和所述用户用电负荷预测值，以虚拟电厂收益最大化为目标函数构建日前优化调度模型；所述日前优化调度模型的约束条件包括虚拟电厂功率平衡约束、燃气轮机运行约束、储能约束、可中断负荷约束和功率潮流约束。
步骤103：根据ADMM算法对所述日前优化调度模型构建增广拉格朗日函数。
步骤104：基于ADMM算法和所述增广拉格朗日函数将所述日前调度优化模型进行解耦，得到多个子系统。
步骤105：根据多个所述子系统进行优化调度。
作为一种可选的实施方式，所述目标函数的表达式为：
Figure BDA0003979845170000061
其中，
Figure BDA0003979845170000062
表示t时刻虚拟电厂的购电价格；
Figure BDA0003979845170000063
表示t时刻虚拟电厂日前投标量；
Figure BDA0003979845170000064
表示t时刻虚拟电厂售电价格；
Figure BDA0003979845170000065
表示t时刻虚拟电厂的内部负荷；
Figure BDA0003979845170000066
表示t时刻的可中断负荷；
Figure BDA0003979845170000067
表示t时刻储能运行成本；
Figure BDA0003979845170000068
表示t时刻的中断负荷成本；
Figure BDA0003979845170000069
表示t时刻的微型燃气轮机的成本，Δt表示调度时间间隔。
作为一种可选的实施方式，所述虚拟电厂功率平衡约束的表达式为：
Figure BDA00039798451700000610
其中，
Figure BDA00039798451700000611
表示t时刻的风电机组输出功率，
Figure BDA00039798451700000612
表示t时刻微型燃气轮机输出，
Figure BDA00039798451700000613
表示t时刻储能装置放电功率，γd表示t时刻储能装置效率系数；
Figure BDA00039798451700000614
表示t时刻虚拟电厂日前投标量；
Figure BDA00039798451700000615
表示t时刻虚拟电厂的内部负荷；
Figure BDA00039798451700000616
表示t时刻的可中断负荷。
作为一种可选的实施方式，所述燃气轮机运行约束的表达式为：
Figure BDA00039798451700000617
Figure BDA0003979845170000071
Figure BDA0003979845170000072
其中，
Figure BDA0003979845170000073
表示t时刻内微型燃气轮机输出的上限；
Figure BDA0003979845170000074
表示t时刻内微型燃气轮机输出的下限，
Figure BDA0003979845170000075
为0-1变量，1表示微型燃气轮机运行，0表示关闭；
Figure BDA0003979845170000076
表示微型燃气轮机机组爬升速率；
Figure BDA0003979845170000077
表示微型燃气轮机机组向下速率；
Figure BDA0003979845170000078
表示微型燃气轮机启动时间，
Figure BDA0003979845170000079
表示微型燃气轮机停止的时间；Ton表示微型燃气轮机允许启动时间的上限，Toff表示微型燃气轮机允许关闭时间的上限；
Figure BDA00039798451700000710
表示t时刻微型燃气轮机输出，
Figure BDA00039798451700000711
表示t-1时刻微型燃气轮机输出。
作为一种可选的实施方式，所述储能约束的表达式为：
Figure BDA00039798451700000712
Figure BDA00039798451700000713
Figure BDA00039798451700000714
其中，Et表示t时刻的储能状态量，Et-1表示t-1时刻的储能状态量，Δt表示调度时间间隔，
Figure BDA00039798451700000715
表示t时刻的储能充电功率，ζc表示相应的充电效率，
Figure BDA00039798451700000716
表示t时刻的储能放电功率，ζd表示相应的放电效率，
Figure BDA00039798451700000717
表示储能设备容量的上限，E表示储能设备容量的下限，Xc ,max表示储能设备充电功率的上限，Xd,max表示储能设备放电功率的上限，
Figure BDA00039798451700000718
和
Figure BDA00039798451700000719
均表示0-1变量。
作为一种可选的实施方式，所述可中断负荷约束的表达式为：
Figure BDA00039798451700000720
其中，σt表示0-1变量，
Figure BDA0003979845170000081
表示中断负荷占普通功率负载的比例，
Figure BDA0003979845170000082
表示t时刻虚拟电厂的内部负荷；
Figure BDA0003979845170000083
表示t时刻的可中断负荷。
作为一种可选的实施方式，所述功率潮流约束的表达式为：
Figure BDA0003979845170000084
Figure BDA0003979845170000085
其中，l表示分支，B(.,i)表示节点i的流入分支集合；Xl,t表示分支功率，
Figure BDA0003979845170000086
表示接入节点i的燃气轮机输出功率，
Figure BDA0003979845170000087
表示接入节点i的风电机组输出功率，
Figure BDA0003979845170000088
表示接入节点i的储能功率，
Figure BDA0003979845170000089
表示接入节点i的可中断负荷，B(i,.)表示表示节点i的流出分支集合，
Figure BDA00039798451700000810
表示接入节点i的负荷，i表示节点，
Figure BDA00039798451700000811
表示分支功率的上限，t表示时刻。
本发明针对参与日前市场的虚拟电厂的优化调度问题，提出了一种基于交替方向乘子法(ADMM)的虚拟电厂分布式优化调度方法。基于ADMM算法，将虚拟电厂的集中式优化问题转化为分布式优化问题，解决了具有多个单元的虚拟电厂的内部协调和优化问题。
本发明还提供了虚拟电厂优化调度方法在实际应用中的具体工作流程，包括如下步骤：
步骤1：根据某区域的资源分布，发用电负荷情况等综合考虑多种因素，合理选择分布式电源和用电负荷，将各个分布式电源典型日出力预测值以及用户用电负荷预测值作为模型输入。根据所选地区的资源分布情况综合考虑多种因素合理选择电源及用电负荷。
步骤2：基于日前的预测数据，考虑用户侧可中断负荷需求响应、虚拟电厂功率平衡及潮流约束等，以虚拟电厂收益最大化为目标建立日前优化调度模型。其中，日前的预测数据包括分布式电源典型日出力预测值和用户用电负荷预测值。
目标函数采用以下公式计算：
为了方便后续工作，虚拟电厂的收益最大化的计算公式写成Min函数的形式。
Figure BDA0003979845170000091
Figure BDA0003979845170000092
为t时刻虚拟电厂的购电价格；
Figure BDA0003979845170000093
为t时刻虚拟电厂日前投标量；
Figure BDA0003979845170000094
表示t时刻虚拟电厂售电价格；
Figure BDA0003979845170000095
示t时刻虚拟电厂的内部负荷；
Figure BDA0003979845170000096
表示t时刻的可中断负荷；
Figure BDA0003979845170000097
表示t时刻储能运行成本；
Figure BDA0003979845170000098
表示t时刻的中断负荷成本；
Figure BDA0003979845170000099
表示t时刻的微型燃气轮机的成本。
虚拟电厂功率平衡约束：
Figure BDA00039798451700000910
Figure BDA00039798451700000911
代表t时刻的风电机组输出功率，
Figure BDA00039798451700000912
为t时刻微型燃气轮机输出，
Figure BDA00039798451700000913
表示t时刻储能装置放电功率，γd表示t时刻储能装置效率系数。
微型燃气轮机运行约束：
Figure BDA00039798451700000914
Figure BDA00039798451700000915
Figure BDA00039798451700000916
Figure BDA00039798451700000917
和
Figure BDA00039798451700000918
分别表示t时刻内微型燃气轮机输出的上下限，
Figure BDA00039798451700000919
为0-1变量，1表示微型燃气轮机运行，0表示关闭。
Figure BDA00039798451700000920
和
Figure BDA00039798451700000921
表示微型燃气轮机机组向下爬升速率。
Figure BDA00039798451700000922
和
Figure BDA00039798451700000923
分别为微型燃气轮机启动和停止的时间。Ton和Toff分别为微型燃气轮机允许启动和关闭时间的上限。
储能约束：
Figure BDA00039798451700000924
Figure BDA0003979845170000101
Figure BDA0003979845170000102
Et代表t时刻的储能状态量，
Figure BDA0003979845170000103
代表t时刻的储能充电功率。ζc是相应的充电效率，
Figure BDA0003979845170000104
是指t时刻的储能放电功率，ζd相应的放电效率。
Figure BDA0003979845170000105
和E表示储能设备容量的上限和下限。Xc,max表示储能设备充电功率的上限，Xd,max表示储能设备放电功率的上限。
Figure BDA0003979845170000106
和
Figure BDA0003979845170000107
是0-1变量。
Figure BDA0003979845170000108
为0表示储能放电，
Figure BDA0003979845170000109
为1表示储能充电；
Figure BDA00039798451700001010
为0表示储能充电，
Figure BDA00039798451700001011
为1表示储能放电。
可中断负荷约束：
Figure BDA00039798451700001012
σt是一个0-1变量，σt为0表示用户不进行可中断负荷响应，σt为1表示用户进行可中断负荷响应。
Figure BDA00039798451700001013
表示中断负荷占普通功率负载的比例。
功率潮流约束：
Figure BDA00039798451700001014
Figure BDA00039798451700001015
等式(10)是功率流约束；等式(11)是支路功率的上限和下限。
步骤3：基于ADMM算法，针对所建虚拟电厂日前优化调度模型，构造其增广拉格朗日函数。
ADMM算法主要用以解决具有以下特征的凸形优化问题：
Figure BDA00039798451700001016
s.t.Ax+Bz＝c (13)
其中，f(x)、g(z)为两个待求解的函数，x、z为决策变量，A为变量x的约束矩阵，B为变量z的约束矩阵；c为常数项。
ADMM算法可以将原问题的目标函数分解成几个可解的子问题，然后并行地解决这些子问题，经过对这些子问题的协调和整合，得到了问题的全局解决方案。
ADMM算法的核心是原始对偶算法的增广拉格朗日方法。对原问题构造增广拉格朗日函数如下：
Figure BDA0003979845170000111
L(x,y,z)为原问题的增广拉格朗日函数；yT为拉格朗日乘子的转置，ρ为迭代步长。
更新迭代形式如下：
Figure BDA0003979845170000112
Figure BDA0003979845170000113
Figure BDA0003979845170000114
Figure BDA0003979845170000115
可以看出，k为迭代次数，变量x和变量z的迭代过程也是交替进行的。当可以分解函数f(x)和函数g(z)时，可以分离变量x和变量z的迭代计算过程，从而实现分布式计算。
对本发明所提出的虚拟电厂日前优化调度模型，以连接线为边界，将虚拟电厂分为两个区间A、B，引入耦合变量Xij,t和Xji,t，Xl,t为全局变量。得到相应的耦合方程约束如下：
Xij,t＝Xl,t (19)
Xji,t＝Xl,t (20)
利用ADMM算法对对所建模型构建增广拉格朗日函数：
Figure BDA0003979845170000121
fA(XA)、fB(XB)为子区域A、B的目标函数，代表式(1)的经济调度目标函数，ξij、ξji为拉格朗日乘子；Xij,t、Xji,t为耦合变量，Xl,t为全局变量，ρ为迭代步长。
Figure BDA0003979845170000122
Figure BDA0003979845170000123
Figure BDA0003979845170000124
Figure BDA0003979845170000125
Figure BDA0003979845170000126
式(22)(23)为各区域内部独立优化，arg min表示的是使目标函数式(21)达到最小值时变量的值；式(24)为全局变量的更新；式(25)(26)为拉格朗日乘子的更新。更新变量后通过式(27)判断收敛：
Figure BDA0003979845170000127
式(27)表示对偶残差s和原始残差r的2范数平方小于相对停止阈值ε1和ε2。此处只列出了A区域的收敛条件，B区域同理。
步骤4：如图2和图3所示，采用ADMM算法分别将日前优化调度模型解耦成多个子系统，解耦后的子系统通过耦合变量的交互和迭代更新实现电网目标的优化。
(1)虚拟电厂内部分区。根据实际情况和优化要求，将虚拟电厂划分为若干分区，并确定各分区的目标函数和约束条件。
(2)初始化原始变量的初始值，算法参数和确定收敛精度。原始变量的初始值就是待优化的各单元出力的初始值，算法参数为步长和阈值。
(3)区域A和区域B分别求解本区域的子优化问题，利用公式(22)-(23)平行计算出最小化拉格朗日函数的区域的决策变量值，并同时得到各区域的耦合变量值。
(4)区域A和区域B交互耦合支路功率之和，并利用式(24)计算出耦合支路功率的平均值作为下一次迭代的固定参考值。
(5)利用公式(24)分别更新区域A和区域B的对偶变量。
(6)收敛性判断。如果计算结果符合终止条件，结束迭代。如果不满足终止条件，则利用公式(25)-(24)更新拉格朗日乘子，返回步骤(3)。计算结果就是虚拟电厂各单元出力；终止条件就是相邻两次迭代的变量差值达到精度要求或迭代达到最大迭代次数，见式(27)。
(5)根据实际情况选取最优解。主要是根据不同虚拟电厂情况选取最优解；最优解是虚拟电厂内部风电机组出力、燃气轮机出力、储能出力以及可中断负荷功率。
本发明针对有多个物理实体参与日前市场的虚拟电厂的优化调度问题，提出了一个分布式优化调度模型，该模型以发电单元的输出功率为决策变量，以虚拟电厂收益最大化为目标函数，采用ADMM算法将对满足约束条件的目标函数进行目标优化求解，经过不断地迭代更新实现虚拟电厂的优化调度。
本发明还提供一种虚拟电厂优化调度系统，包括：
获取模块，用于获取各个分布式电源典型日出力预测值以及用户用电负荷预测值。
模型构建模块，用于基于各个所述分布式电源典型日出力预测值和所述用户用电负荷预测值，以虚拟电厂收益最大化为目标函数构建日前优化调度模型；所述日前优化调度模型的约束条件包括虚拟电厂功率平衡约束、燃气轮机运行约束、储能约束、可中断负荷约束和功率潮流约束。
增广拉格朗日函数构建模块，用于根据ADMM算法对所述日前优化调度模型构建增广拉格朗日函数。
解耦模块，用于基于ADMM算法和所述增广拉格朗日函数将所述日前调度优化模型进行解耦，得到多个子系统。
优化调度模块，用于根据多个所述子系统进行优化调度。
本发明还提供一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述任意一项所述的方法。
本发明还提供一种存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上述任意一项所述的方法。
本发明目的在于，针对有多个物理实体参与日前市场的虚拟电厂的优化调度问题，提出了一个分布式优化调度框架，以提高优化求解时间。基于日前的预测数据，上层建立了分布式日前的优化调度模型，目的是使虚拟电厂的收益最大化。下层基于短期预测数据建立了一个实时调度模型，以遵循日前的调度计划。采用ADMM算法将集中式优化问题转化为分布式优化问题，主要解决了集中式优化计算负担重的问题。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种虚拟电厂优化调度方法，其特征在于，包括：
获取各个分布式电源典型日出力预测值以及用户用电负荷预测值；
基于各个所述分布式电源典型日出力预测值和所述用户用电负荷预测值，以虚拟电厂收益最大化为目标函数构建日前优化调度模型；所述日前优化调度模型的约束条件包括虚拟电厂功率平衡约束、燃气轮机运行约束、储能约束、可中断负荷约束和功率潮流约束；
根据ADMM算法对所述日前优化调度模型构建增广拉格朗日函数；
基于ADMM算法和所述增广拉格朗日函数将所述日前调度优化模型进行解耦，得到多个子系统；
根据多个所述子系统进行优化调度。
2.根据权利要求1所述的虚拟电厂优化调度方法，其特征在于，所述目标函数的表达式为：
Figure FDA0003979845160000011
其中，
Figure FDA0003979845160000012
表示t时刻虚拟电厂的购电价格；
Figure FDA0003979845160000013
表示t时刻虚拟电厂日前投标量；
Figure FDA0003979845160000014
表示t时刻虚拟电厂售电价格；
Figure FDA0003979845160000015
表示t时刻虚拟电厂的内部负荷；
Figure FDA0003979845160000016
表示t时刻的可中断负荷；
Figure FDA0003979845160000017
表示t时刻储能运行成本；
Figure FDA0003979845160000018
表示t时刻的中断负荷成本；
Figure FDA0003979845160000019
表示t时刻的微型燃气轮机的成本，Δt表示调度时间间隔。
3.根据权利要求1所述的虚拟电厂优化调度方法，其特征在于，所述虚拟电厂功率平衡约束的表达式为：
Figure FDA00039798451600000110
其中，
Figure FDA00039798451600000111
表示t时刻的风电机组输出功率，
Figure FDA00039798451600000112
表示t时刻微型燃气轮机输出，
Figure FDA00039798451600000113
表示t时刻储能装置放电功率，γd表示t时刻储能装置效率系数；
Figure FDA00039798451600000114
表示t时刻虚拟电厂日前投标量；
Figure FDA00039798451600000115
表示t时刻虚拟电厂的内部负荷；
Figure FDA00039798451600000116
表示t时刻的可中断负荷。
4.根据权利要求1所述的虚拟电厂优化调度方法，其特征在于，所述燃气轮机运行约束的表达式为：
Figure FDA0003979845160000021
Figure FDA0003979845160000022
Figure FDA0003979845160000023
其中，
Figure FDA0003979845160000024
表示t时刻内微型燃气轮机输出的上限；
Figure FDA0003979845160000025
表示t时刻内微型燃气轮机输出的下限，
Figure FDA0003979845160000026
为0-1变量，1表示微型燃气轮机运行，0表示关闭；
Figure FDA0003979845160000027
表示微型燃气轮机机组爬升速率；
Figure FDA0003979845160000028
表示微型燃气轮机机组向下速率；
Figure FDA0003979845160000029
表示微型燃气轮机启动时间，
Figure FDA00039798451600000210
表示微型燃气轮机停止的时间；Ton表示微型燃气轮机允许启动时间的上限，Toff表示微型燃气轮机允许关闭时间的上限；
Figure FDA00039798451600000211
表示t时刻微型燃气轮机输出，
Figure FDA00039798451600000212
表示t-1时刻微型燃气轮机输出。
5.根据权利要求1所述的虚拟电厂优化调度方法，其特征在于，所述储能约束的表达式为：
Figure FDA00039798451600000213
Figure FDA00039798451600000214
Figure FDA00039798451600000215
其中，Et表示t时刻的储能状态量，Et-1表示t-1时刻的储能状态量，Δt表示调度时间间隔，
Figure FDA00039798451600000216
表示t时刻的储能充电功率，ζc表示相应的充电效率，
Figure FDA00039798451600000217
表示t时刻的储能放电功率，ζd表示相应的放电效率，
Figure FDA00039798451600000218
表示储能设备容量的上限，E表示储能设备容量的下限，Xc,max表示储能设备充电功率的上限，Xd , max表示储能设备放电功率的上限，
Figure FDA0003979845160000031
和
Figure FDA0003979845160000032
均表示0-1变量。
6.根据权利要求1所述的虚拟电厂优化调度方法，其特征在于，所述可中断负荷约束的表达式为：
Figure FDA0003979845160000033
其中，σt表示0-1变量，
Figure FDA0003979845160000034
表示中断负荷占普通功率负载的比例，
Figure FDA0003979845160000035
表示t时刻虚拟电厂的内部负荷；
Figure FDA0003979845160000036
表示t时刻的可中断负荷。
7.根据权利要求1所述的虚拟电厂优化调度方法，其特征在于，所述功率潮流约束的表达式为：
Figure FDA0003979845160000037
其中，l表示分支，B(.,i)表示节点i的流入分支集合；Xl,t表示分支功率，
Figure FDA0003979845160000038
表示接入节点i的燃气轮机输出功率，
Figure FDA0003979845160000039
表示接入节点i的风电机组输出功率，
Figure FDA00039798451600000310
表示接入节点i的储能功率，
Figure FDA00039798451600000311
表示接入节点i的可中断负荷，B(i,.)表示表示节点i的流出分支集合，
Figure FDA00039798451600000312
表示接入节点i的负荷，i表示节点，
Figure FDA00039798451600000313
表示分支功率的上限，t表示时刻。
8.一种虚拟电厂优化调度系统，其特征在于，包括：
获取模块，用于获取各个分布式电源典型日出力预测值以及用户用电负荷预测值；
模型构建模块，用于基于各个所述分布式电源典型日出力预测值和所述用户用电负荷预测值，以虚拟电厂收益最大化为目标函数构建日前优化调度模型；所述日前优化调度模型的约束条件包括虚拟电厂功率平衡约束、燃气轮机运行约束、储能约束、可中断负荷约束和功率潮流约束；
增广拉格朗日函数构建模块，用于根据ADMM算法对所述日前优化调度模型构建增广拉格朗日函数；
解耦模块，用于基于ADMM算法和所述增广拉格朗日函数将所述日前调度优化模型进行解耦，得到多个子系统；
优化调度模块，用于根据多个所述子系统进行优化调度。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任意一项所述的方法。
10.一种存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的方法。
CN202211547203.3A 2022-12-05 2022-12-05 一种虚拟电厂优化调度方法、系统、电子设备及存储介质 Pending CN115775046A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211547203.3A CN115775046A (zh) 2022-12-05 2022-12-05 一种虚拟电厂优化调度方法、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211547203.3A CN115775046A (zh) 2022-12-05 2022-12-05 一种虚拟电厂优化调度方法、系统、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN115775046A true CN115775046A (zh) 2023-03-10

Family

ID=85391415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211547203.3A Pending CN115775046A (zh) 2022-12-05 2022-12-05 一种虚拟电厂优化调度方法、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115775046A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115994627A (zh) * 2023-03-22 2023-04-21 湖南大学 住宅建筑柔性负荷日前优化调度方法、装置、设备、介质
CN116070797A (zh) * 2023-03-29 2023-05-05 国网浙江省电力有限公司宁波供电公司 一种虚拟电厂分布式资源调度方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115994627A (zh) * 2023-03-22 2023-04-21 湖南大学 住宅建筑柔性负荷日前优化调度方法、装置、设备、介质
CN115994627B (zh) * 2023-03-22 2023-07-14 湖南大学 住宅建筑柔性负荷日前优化调度方法、装置、设备、介质
CN116070797A (zh) * 2023-03-29 2023-05-05 国网浙江省电力有限公司宁波供电公司 一种虚拟电厂分布式资源调度方法
CN116070797B (zh) * 2023-03-29 2023-08-22 国网浙江省电力有限公司宁波供电公司 一种虚拟电厂分布式资源调度方法

Similar Documents

Publication Publication Date Title
CN110298138B (zh) 一种综合能源系统优化方法、装置、设备及可读存储介质
CN110571867B (zh) 一种计及风电不确定性的虚拟电厂日前优化调度系统方法
CN115775046A (zh) 一种虚拟电厂优化调度方法、系统、电子设备及存储介质
CN111681130B (zh) 一种考虑条件风险价值的综合能源系统优化调度方法
CN109980636B (zh) 基于改进Benders分解法的风水火协调优化调度方法
Fan et al. Review of uncertainty modeling for optimal operation of integrated energy system
US20220029424A1 (en) Hybrid power plant
CN111667109A (zh) 一种虚拟电厂的出力控制方法及装置
CN112671035A (zh) 一种基于风电预测的虚拟电厂储能容量配置方法
Wen et al. Stochastic optimization for security-constrained day-ahead operational planning under pv production uncertainties: Reduction analysis of operating economic costs and carbon emissions
CN112836849A (zh) 一种考虑风电不确定性的虚拟电厂调度方法
Saha Adaptive model-based receding horizon control of interconnected renewable-based power micro-grids for effective control and optimal power exchanges
Jia et al. On distributed event-based optimization for shared economy in cyber-physical energy systems
CN113298407B (zh) 一种工业园区电-气综合能源系统优化调度模型建立方法
CN115204562A (zh) 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统
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
CN113364043A (zh) 一种基于条件风险价值的微电网群优化方法
CN110070210B (zh) 一种多微电网系统能量管理与贡献度评估方法和系统
CN112101987A (zh) 一种多微网随机预测控制方法
CN116418001A (zh) 应对新能源不确定性的水库群多能互补调度方法与系统
CN116540545A (zh) 一种基于伊藤过程的光伏发电制氢集群随机优化调度方法
CN112994087B (zh) 基于条件风险约束的多源电力系统中期优化调度方法
CN115146870A (zh) 一种孤立海岛日内供电计划生成方法、系统、设备和介质
CN114204549A (zh) 一种考虑储能共享的风光储集群联合优化运行的方法
CN108321792A (zh) 计及风电的电力系统动态经济调度多场景协同优化算法

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