CN115936260A - 虚拟电厂用户储能调度方法、装置、电子设备及存储介质 - Google Patents
虚拟电厂用户储能调度方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115936260A CN115936260A CN202310059052.5A CN202310059052A CN115936260A CN 115936260 A CN115936260 A CN 115936260A CN 202310059052 A CN202310059052 A CN 202310059052A CN 115936260 A CN115936260 A CN 115936260A
- Authority
- CN
- China
- Prior art keywords
- load
- user
- day
- operation day
- energy storage
- 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.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000003860 storage Methods 0.000 title claims abstract description 25
- 230000004044 response Effects 0.000 claims abstract description 76
- 238000005457 optimization Methods 0.000 claims abstract description 47
- 230000005611 electricity Effects 0.000 claims abstract description 20
- 238000007599 discharging Methods 0.000 claims abstract description 17
- 230000009467 reduction Effects 0.000 claims description 39
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种虚拟电厂的用户储能调度方法、装置、电子设备及存储介质。所述方法包括，在所述虚拟电厂的用户中获取运行日日前用电特征数据；根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线；根据所述运行日用电负荷预测优化曲线和预设用户收益模型，获取用户储能调度策略；在运行日日内，根据所述用户储能调度策略在非邀约响应时段内执行充放电。本申请在日前获取负荷预测优化曲线，为用户侧储能提供优化调度计划，确保用户侧储能的峰谷价差获利与需求侧响应收益得到有效统筹，实现整体收益最大化，积极发挥用户侧储能在虚拟电厂需求侧响应中的作用。
Description
技术领域
本申请涉及储能技术领域，尤其涉及一种虚拟电厂的用户储能调度方法、装置、电子设备及存储介质。
背景技术
随着“双碳”目标的提出，高比例新能源装机容量日益增大，传统电力系统的波动性也随之增加。为增加新型电力系统的灵活调节能力，发挥用户侧资源的调频调峰作用，虚拟电厂概念应运而生。
需求侧响应属于虚拟电厂的行为载体，是指用户侧含源、网、荷、储等多种类型资源在内的电力用户主体，根据市场价格信号或激励机制做出响应，主动改变常规用电消费模式的行为，形成虚拟电厂，为电网提供电能量与辅助服务。
需要说明的是，这里的陈述仅提供与本申请有关的背景信息，而不必然地构成现有技术。
发明内容
鉴于上述问题，本申请提出了一种克服上述问题或者至少部分地解决上述问题的储能调度方法、装置、电子设备及存储介质。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种虚拟电厂的用户储能调度方法，包括，在所述虚拟电厂的用户中获取运行日日前用电特征数据；根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线；根据所述运行日用电负荷预测优化曲线和预设用户收益模型，获取用户储能调度策略；在运行日日内，根据所述用户储能调度策略在非邀约响应时段内执行充放电。
优选地，所述运行日日前用电特征数据至少包括如下之一：负荷运行历史数据、响应时段负荷削减能力、天气信息历史数据、天气信息运行日预测数据；所述根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线，包括：根据所述负荷运行历史数据、所述天气信息历史数据以及所述天气信息运行日预测数据，并结合所述响应时段负荷削减能力，在运行日日前计算出运行日用电负荷预测优化曲线。
优选地，所述根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线，包括：根据所述负荷运行历史数据、历史需求侧响应的日前邀约响应时段的负荷削减信息，获取不主动削减负荷的历史等效净负荷曲线；根据所述不主动削减负荷的历史等效净负荷曲线、天气信息历史数据、天气信息运行日预测数据，获取运行日负荷预测初步曲线；根据所述运行日负荷预测初步曲线以及用户在运行日响应时段的负荷削减能力，获取运行日负荷预测优化曲线。
优选地，所述根据所述不主动削减负荷的历史等效净负荷曲线、天气信息历史数据、天气信息运行日预测数据，获取运行日负荷预测初步曲线，包括：将运行日离散为N个点（N≥1），利用预设方法，对所述N个点的负荷进行预测，获取所述运行日负荷预测初步曲线，其中，所述预设方法包括统计学方法、神经网络模型方法；所述根据所述运行日负荷预测初步曲线以及用户在运行日响应时段的负荷削减能力，获取运行日负荷预测优化曲线，包括：根据用户的负荷削减意愿，对所述运行日负荷预测初步曲线进行修正，获取运行日负荷预测优化曲线。
优选地，所述负荷预测优化曲线，公式如下：
其中，
为用户t时段的预测初步负荷，
为用户t时段的负荷削减系数，
为用户t时段的预测优化负荷。
优选地，所述方法还包括：在运行日日内，在邀约响应时段内根据用户实际负荷情况执行充放电。
优选地，所述在运行日日内，在邀约响应时段内根据用户实际负荷情况执行充放电，包括：
将用户侧储能作为被动调控资源，在需求侧响应时段内，将用户侧关口电表计量点功率降至预设的需量控制线上，公式如下：
其中，
为用户t时段的关口电表功率，
为用户t时段的实际负荷，
为用户t时段的实际储能出力，
为用户t时段的负荷基线，
为用户t时段的中标电量。
第二方面，本申请实施例还提供一种虚拟电厂的用户储能调度装置，所述装置包括：特征数据获取单元，在所述虚拟电厂的用户中获取运行日日前用电特征数据；优化曲线获取单元，根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线；调度策略获取单元，根据所述运行日用电负荷预测优化曲线和预设用户收益模型，获取用户储能调度策略；调度策略执行单元，在运行日日内，根据所述用户储能调度策略在非邀约响应时段内执行充放电。
第三方面，本申请实施例还提供一种电子设备，包括：储能调度装置、处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述第一方面之任一所述方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述第一方面之任一所述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
相较于用户侧储能现有的依靠峰谷价差获利的单一模式，本发明通过建立储能的数学模型，在日前对运行日储能的峰谷价差获利与需求侧响应进行统筹优化，可有效避免储能在运行日进行峰谷价差获利进行储能调度，导致没有足够电量参与需求侧响应的情况。同时，由于本发明同时考虑了虚拟电厂中的需求侧响应模式，拓宽了用户侧储能收益渠道。
由上述可知，本申请的技术方案，上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本申请实施例中储能调度方法流程示意图；
图2为本申请实施例中储能调度装置示意图；
图3为本申请实施例中储能调度方法效果图；
图4为本申请实施例中传统峰谷价差获利储能调度方法效果图；
图5为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请的构思在于，针对现有技术中用户侧储能依靠峰谷价差获利进行储能调度，无法兼顾虚拟电厂需求侧响应，对电网需求高峰的响应可能不足的问题，本发明公开了一种基于虚拟电厂的用户侧储能调度控制方法，装置、电子设备及存储介质。储能调度方法通过建立用户侧储能的调度控制模型，在日前进行优化调度，在日内进行控制执行。在日前根据预测的负荷曲线，为用户提供优化调度计划，确保依靠峰谷价差获利与需求侧响应收益得到有效统筹，同时积极发挥用户侧储能在虚拟电厂中的作用，加快用户侧储能投资回收周期。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种虚拟电厂的用户储能调度方法、装置、电子设备及存储介质，如图1所示，提供了本申请实施例中储能调度方法流程示意图，所述方法至少包括如下的步骤S110至步骤S140。
步骤S110，在所述虚拟电厂的用户中获取运行日日前用电特征数据。
由于用户侧储能具有分布式、规模小、数量多的特点，属于虚拟电厂中的重要资源。日前邀约型需求侧响应是由电网调度机构在运行日前一日发布运行日的削峰需求。市场用户主体根据发布邀约信息，自行决策并投标参与。中标的市场用户主体需在运行日按照标的约定进行相应的负荷削减操作，从而获取相应需求侧响应收益。用户侧储能作为需求侧响应的重要资源，可通过合理的充放电计划安排，可同时兼顾峰谷价差获利及需求侧响应收益，实现系统对需求高峰满足的稳定性，可以实现用户运行日日内收益最大化的目标。本申请实施中，用户侧根据电网调度机构在运行日前一日发布运行日的削峰需求，自行决策并投标参与，获取需求侧响应的日前邀约数据。除此之外，还需获取用户运行日日前用的特征数据，其中，所述运行日日前用电特征数据至少包括如下之一：负荷运行历史数据、响应时段负荷削减能力、天气信息历史数据、天气信息运行日预测数据。
步骤S120，根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线。
本申请实例中，针对含用户侧储能的、能够参与日前邀约型需求侧响应的用电主体，在运行日前获取计算负荷预测优化曲线所需的相关数据，包括：负荷运行历史数据、历史日前邀约响应时段的负荷削减信息、天气信息历史数据、天气信息运行日预测数据、运行日分时电价信息、储能设备信息数据等。根据负荷运行历史数据、历史日前邀约响应时段的负荷削减信息，计算不主动削减负荷的历史等效净负荷曲线；根据历史等效净负荷曲线并结合天气信息历史数据、天气信息运行日预测数据，预测运行日负荷预测初步曲线；根据负荷预测初步曲线结合用户在运行日响应时段的负荷削减能力，计算运行日负荷预测优化曲线。
步骤S130，根据所述运行日用电负荷预测优化曲线和预设用户收益模型，获取用户储能调度策略。
本申请实施例中，根据日前计算运行日负荷预测优化曲线、运行日分时电价信息、储能设备信息数据，构建兼顾日前邀约型需求侧响应收益与峰谷价差获利的最大化收益模型，在日前计算储能的调度计划。
步骤S140，在运行日日内，根据所述用户储能调度策略在非邀约响应时段内执行充放电。
中标的市场用户主体在运行日按照标的约定进行相应的负荷削减操作，从而获取相应需求侧响应收益。用户侧储能作为需求侧响应的重要资源，可通过合理的充放电计划安排，可同时兼顾峰差值获取利益及同时兼顾需求侧响应收益，实现运行日日内收益最大化的目标。
本申请的一些实例中，所述用户收益模型包括，用户最大化收益模型。最大化收益模型，是指储能通过合理的充放电调度计划，实现运行日的最大化收益，具体模型可描述为下述公式：
目标函数为，
约束方程：
其中，N为将一天24小时分割的时段数，
为用户t时段的分时电价，C为储能充放电的度电成本，
为储能t时段的有功功率，
为每个时段时长，
为用户t时段的需求侧响应电价，
为用户t时段的中标量，
为用户t时段的负荷基线，
为用户t时段的负荷预测优化曲线，
为储能t时段的放电功率，
为储能t时段的充电功率，
为储能t时段的放电的整数变量，0代表不在放电，1代表正在放电，
为储能t时段的充电的整数变量，0代表不在充电，1代表正在充电，
为储能最大放电功率，
为储能最大充电功率，
为储能t时段的剩余电量，
为储能
时段的剩余电量，
为储能的充电效率，
为储能的放电效率，
为储能最小SOC值，
为储能最大SOC值，
为储能t时段的SOC值，
为储能t时段的剩余电量，
为储能的额定容量，
为储能第一时段的SOC值，
为储能第N时段的SOC值。
本申请的一些实例中，所述根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线，包括：根据所述负荷运行历史数据、所述天气信息历史数据以及所述天气信息运行日预测数据，并结合所述响应时段负荷削减能力，在运行日日前计算出运行日用电负荷预测优化曲线。具体地，包括：根据所述负荷运行历史数据、历史需求侧响应的日前邀约响应时段的负荷削减信息，获取不主动削减负荷的历史等效净负荷曲线。获取历史等效净负荷曲线的目的是根据历史信息来对未来信息进行预测，获取的历史信息越丰富、详细，其预测的未来数据越准确。
根据所述不主动削减负荷的历史等效净负荷曲线、天气信息历史数据、天气信息运行日预测数据，获取运行日负荷预测初步曲线。由于对预测过程中不确定因素较多，比如用户侧突发的用电需求，新增的用电设备等，其中，天气的影响对用电需求具有较大影响，因此需要将运行日天气信息、运行日可能的其他预测数据充分考虑进去。预测的具体过程是将运行日一天24小时分割为N个点的离散形式，利用统计学、神经网络方法，对N个点的负荷曲线进行预测，计算运行日负荷预测初步曲线
，其中，
为用户t时段的预测初步负荷。
根据所述运行日负荷预测初步曲线以及用户在运行日响应时段的负荷削减能力，获取运行日负荷预测优化曲线。运行日负荷优化曲线为，
本申请的一些实例中，所述根据所述不主动削减负荷的历史等效净负荷曲线、天气信息历史数据、天气信息运行日预测数据，获取运行日负荷预测初步曲线，包括：将运行日离散为N个点（N≥1），利用预设方法，对所述N个点的负荷进行预测，获取所述运行日负荷预测初步曲线，其中，所述预设方法包括统计学方法、神经网络模型方法；所述根据所述运行日负荷预测初步曲线以及用户在运行日响应时段的负荷削减能力，获取运行日负荷预测优化曲线，包括：根据用户的负荷削减意愿，对所述运行日负荷预测初步曲线进行修正，获取运行日负荷预测优化曲线。
将运行日离散为N个点，由于中标时段的电价目前以小时为单位，不同时间段的电价会有波动，按小时为单位也便于数据的统计和预测。可以使用统计学方法、神经网络模型，如LSTM等方式。根据用户的负荷削减意愿，对运行日负荷预测初步曲线进行修正，在电价峰谷差最大的情况下不是将电量尽可能的供应，而是综合考虑需求侧邀约数据，按收益最大化模型执行储能和供能切换。避免了在峰谷价差获利运行模式下，储能没有足够电量参与日前邀约型需求侧响应的问题。
本申请的一些实例中，所述方法还包括，在运行日日内，在邀约响应时段内根据用户实际负荷情况执行充放电。所述的需量控制模型，是指将储能作为被动调控资源，在需求侧响应时段内，通过储能将用户侧关口、比如园区关口，电表计量点功率降至特定的需量控制线上，具体可描述为下述公式：
其中，
为用户t时段的关口电表功率，
为用户t时段的实际负荷，
为用户t时段的实际储能出力，
为用户t时段的负荷基线，
为用户t时段的中标电量。
本申请实施例还提供了一种储能调度装置200，如图2所示，提供了本申请实施例中的储能调度装置结构示意图，所述装置200至少包括：特征数据获取单元210、优化曲线获取单元220、调度策略获取单元230以及调度策略执行单元240，其中：
在本申请的一个实施例中，所述特征数据获取单元210具体用于：在所述虚拟电厂的用户中获取运行日日前用电特征数据。
由于用户侧储能具有分布式、规模小、数量多的特点，属于虚拟电厂中的重要资源。日前邀约型需求侧响应是由电网调度机构在运行日前一日发布运行日的削峰需求。市场用户主体根据发布邀约信息，自行决策并投标参与。中标的市场用户主体需在运行日按照标的约定进行相应的负荷削减操作，从而获取相应需求侧响应收益。用户侧储能作为需求侧响应的重要资源，可通过合理的充放电计划安排，可同时兼顾峰谷价差获利及需求侧响应收益，实现运行日日内收益最大化的目标。本申请实施中，用户侧根据电网调度机构在运行日前一日发布运行日的削峰需求，自行决策并投标参与，获取需求侧响应的日前邀约数据。除此之外，还需获取用户运行日日前用的特征数据，其中，所述运行日日前用电特征数据至少包括如下之一：负荷运行历史数据、响应时段负荷削减能力、天气信息历史数据、天气信息运行日预测数据。
所述优化曲线获取单元220具体用于：根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线。
本申请实例中，针对含用户侧储能的、能够参与日前邀约型需求侧响应的用电主体，在运行日前获取计算负荷预测优化曲线所需的相关数据，包括：负荷运行历史数据、历史日前邀约响应时段的负荷削减信息、天气信息历史数据、天气信息运行日预测数据、运行日分时电价信息、储能设备信息数据等。根据负荷运行历史数据、历史日前邀约响应时段的负荷削减信息，计算不主动削减负荷的历史等效净负荷曲线；根据历史等效净负荷曲线并结合天气信息历史数据、天气信息运行日预测数据，预测运行日负荷预测初步曲线；根据负荷预测初步曲线结合用户在运行日响应时段的负荷削减能力，计算运行日负荷预测优化曲线。
所述调度策略获取单元230具体用于：根据所述运行日用电负荷预测优化曲线和预设用户收益模型，获取用户储能调度策略。
本申请实施例中，根据日前计算运行日负荷预测优化曲线、运行日分时电价信息、储能设备信息数据，构建兼顾日前邀约型需求侧响应与峰谷价差获利的最大化收益模型，在日前计算储能的调度计划。
所述调度策略执行单元240具体用于：在运行日日内，根据所述用户储能调度策略在非邀约响应时段内执行充放电。
中标的市场用户主体在运行日按照标的约定进行相应的负荷削减操作，从而获取相应需求侧响应收益。用户侧储能作为需求侧响应的重要资源，可通过合理的充放电计划安排，可同时兼顾峰差值获取利益及同时兼顾需求侧响应收益，实现运行日日内收益最大化的目标。
能够理解，上述储能调度装置，能够实现前述实施例中提供的储能调度方法的各个步骤，关于储能调度方法的相关阐释均适用于储能调度装置，此处不再赘述。
为了使本申请中储能调度方案效果能更清晰的展示，现提供一个具体的实施案例。
以xx省虚拟电厂为例，在202x年x月xx日进行了日前邀约型需求侧响应。将本申请方案应用到含1个200kW/400kWh储能的工业园区中（用户侧），该工业园区用户参与了该日的需求侧响应。结果表明，用户侧储能应用本发明方案后，可为用户创造更大的收益。
表1展示了xx省202x年xx月xx日日前邀约型需求侧响应中标信息，该信息可从电力交易中心获取。表中需求时段是以小时为单位，例如13:00表示的是13:00-14:00的时段，在表中的4个需求时段内，用户负荷基线
、中标量
、中标价格
都已列出。
表1：
| 运行日 | 202x-xx-xx |
| 需求时段t | 13:00、14:00、15:00、16:00 |
| 响应类型 | 削峰响应 |
用户负荷基线 |
600kW、580kW、630kW、620kW |
用户中标量 |
100kW、100kW、100kW、100kW |
用户中标价格 |
2988.99元/MWh、2988.99元/MWh、2988.99元/MWh、2988.99元/MWh |
表2展示了用户该日的购电价格，即xx省xx地区202x年xx月10kV大工业用户代理购电价格。
表2：
| 时段 | 分时段电度价格（含输配电价及政府基金及附加）（元/kWh） |
| 00:00-08:00 | 0.2648688（谷） |
| 08:00-10:00 | 0.6517687（平） |
| 10:00-11:00 | 1.0886687（峰） |
| 11:00-12:00 | 1.3539688（尖） |
| 12:00-14:00 | 0.6517687（平） |
| 14:00-15:00 | 1.0886687（峰） |
| 15:00-17:00 | 1.3539688（尖） |
| 17:00-19:00 | 1.0886687（峰） |
| 19:00-24:00 | 0.6517687（平） |
当用户使用本申请的技术方案时，其运行结果如图3所示；当用户不使用本发明的技术方案时，即沿用传统的峰谷价差获利方案，其运行结果如图4所示。
应用本专利所提方法，如图3所示，用户侧储能在00:00-08:00谷时充电，在11:00-12:00尖时放电，在12:00-13:00平时充电，在13:00-17:00执行需量控制策略，即通过储能将关口负荷下降至基线以下100kW，在17:00-24:00无充放电操作。然而，由于储能电量有限，在16:50分左右，储能电量放空，无法继续放电，导致用户关口电表负荷上升至实际负荷。
传统峰谷价差获利调度控制方法，如图4所示，用户侧储能在00:00-08:00谷时充电，在10:00-12:00峰尖时放电，在12:00-14:00平时充电，在15:00-17:00尖时放电，在17:00-24:00无充放电操作。
表3展示了该用户运行日储能的充放电运行及收益结果。结果表明，应用本方案储能日收益达到16xx.xx元，远高于传统峰谷价差获利方案，验证了本方案的有效性与优越性。
表3:
| 时段 | 本方案储能电量（kWh） | 本方案收益（元） | 传统峰谷价差获利方案储能电量kWh） | 传统峰谷价差获利方案收益（元） |
| 00:00-08:00 | -400 | -105.95 | -400 | -105.95 |
| 08:00-10:00 | 0 | 0 | 0 | 0 |
| 10:00-11:00 | 0 | 0 | 200 | 217.73 |
| 11:00-12:00 | 200 | 270.79 | 200 | 270.79 |
| 12:00-13:00 | -200 | -130.35 | -200 | -130.35 |
| 13:00-14:00 | 93.07 | 359.56 | -200 | -130.35 |
| 14:00-15:00 | 107.85 | 416.32 | 0 | 0 |
| 15:00-17:00 | 199.08 | 828.98 | 400 | 541.59 |
| 17:00-24:00 | 0 | 0 | 0 | 0 |
| 全天累计 | 0 | 16xx.xx | 0 | 66x.xx |
图5是本申请的一个实施例电子设备的结构示意图。请参考图5，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器（non-volatile memory），例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构）总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构）总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成储能调度装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
在所述虚拟电厂的用户中获取运行日日前用电特征数据；根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线；根据所述运行日用电负荷预测优化曲线和预设用户收益模型，获取用户储能调度策略；在运行日日内，根据所述用户储能调度策略在非邀约响应时段内执行充放电。
上述如本申请图1所示实施例揭示的储能调度装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中储能调度装置执行的方法，并实现储能调度装置在图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中储能调度装置执行的方法，并具体用于执行：
在所述虚拟电厂的用户中获取运行日日前用电特征数据；根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线；根据所述运行日用电负荷预测优化曲线和预设用户收益模型，获取用户储能调度策略；在运行日日内，根据所述用户储能调度策略在非邀约响应时段内执行充放电。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种虚拟电厂的用户储能调度方法，其特征在于，所述方法包括：
在所述虚拟电厂的用户中获取运行日日前用电特征数据；
根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线；
根据所述运行日用电负荷预测优化曲线和预设用户收益模型，获取用户储能调度策略；
在运行日日内，根据所述用户储能调度策略在非邀约响应时段内执行充放电。
2.如权利要求1所述方法，其特征在于，所述运行日日前用电特征数据至少包括如下之一：负荷运行历史数据、响应时段负荷削减能力、天气信息历史数据、天气信息运行日预测数据；
所述根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线，包括：
根据所述负荷运行历史数据、所述天气信息历史数据以及所述天气信息运行日预测数据，并结合所述响应时段负荷削减能力，在运行日日前计算出运行日用电负荷预测优化曲线。
3.如权利要求2所述方法，其特征在于，所述根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线，包括：
根据所述负荷运行历史数据、历史需求侧响应的日前邀约响应时段的负荷削减信息，获取不主动削减负荷的历史等效净负荷曲线；
根据所述不主动削减负荷的历史等效净负荷曲线、天气信息历史数据、天气信息运行日预测数据，获取运行日负荷预测初步曲线；
根据所述运行日负荷预测初步曲线以及用户在运行日响应时段的负荷削减能力，获取运行日负荷预测优化曲线。
4.如权利要求3所述方法，其特征在于，所述根据所述不主动削减负荷的历史等效净负荷曲线、天气信息历史数据、天气信息运行日预测数据，获取运行日负荷预测初步曲线，包括：
将运行日离散为N个点（N≥1），利用预设方法，对所述N个点的负荷进行预测，获取所述运行日负荷预测初步曲线，其中，所述预设方法包括统计学方法、神经网络模型方法；
所述根据所述运行日负荷预测初步曲线以及用户在运行日响应时段的负荷削减能力，获取运行日负荷预测优化曲线，包括：
根据用户的负荷削减意愿，对所述运行日负荷预测初步曲线进行修正，获取运行日负荷预测优化曲线。
5.如权利要求4所述方法，其特征在于，所述负荷预测优化曲线，公式如下：
6.如权利要求1所述方法，其特征在于，所述方法还包括：
在运行日日内，在邀约响应时段内根据用户实际负荷情况执行充放电。
7.如权利要求6所述方法，其特征在于，所述在运行日日内，在邀约响应时段内根据用户实际负荷情况执行充放电，包括：
将用户侧储能作为被动调控资源，在需求侧响应时段内，将用户侧关口电表计量点功率降至预设的需量控制线上，公式如下：
其中，
为用户t时段的关口电表功率，
为用户t时段的实际负荷，
为用户t时段的实际储能出力，
为用户t时段的负荷基线，
为用户t时段的中标电量。
8.一种虚拟电厂的用户储能调度装置，其特征在于，所述装置包括：
特征数据获取单元，在所述虚拟电厂的用户中获取运行日日前用电特征数据；
优化曲线获取单元，根据所述运行日日前用电特征数据，在运行日日前计算出运行日用电负荷预测优化曲线；
调度策略获取单元，根据所述运行日用电负荷预测优化曲线和预设用户收益模型，获取用户储能调度策略；
调度策略执行单元，在运行日日内，根据所述用户储能调度策略在非邀约响应时段内执行充放电。
9.一种电子设备，其特征在于，包括：储能调度装置、处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1~7之任一所述方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1~7之任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310059052.5A CN115936260B (zh) | 2023-01-13 | 2023-01-13 | 虚拟电厂用户储能调度方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310059052.5A CN115936260B (zh) | 2023-01-13 | 2023-01-13 | 虚拟电厂用户储能调度方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115936260A true CN115936260A (zh) | 2023-04-07 |
| CN115936260B CN115936260B (zh) | 2023-07-18 |
Family
ID=86656154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310059052.5A Active CN115936260B (zh) | 2023-01-13 | 2023-01-13 | 虚拟电厂用户储能调度方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115936260B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116760122A (zh) * | 2023-08-21 | 2023-09-15 | 国网浙江省电力有限公司宁波供电公司 | 虚拟电厂资源管控方法、装置、计算机设备及存储介质 |
| CN117526376A (zh) * | 2023-10-19 | 2024-02-06 | 国网浙江省电力有限公司乐清市供电公司 | 一种虚拟电厂的光伏发电与储能聚合管理方法及装置 |
| CN118014315A (zh) * | 2024-04-08 | 2024-05-10 | 太湖能谷(杭州)科技有限公司 | 一种用户侧共享储能系统参与辅助服务的调度方法和系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106056256A (zh) * | 2016-06-28 | 2016-10-26 | 华北电力大学 | 一种平衡电力供需关系的互动化微网调度方法 |
| CN110516855A (zh) * | 2019-08-08 | 2019-11-29 | 西安交通大学 | 一种面向负荷聚合商的分布式储能控制权优化调度方法 |
| CN110866647A (zh) * | 2019-11-18 | 2020-03-06 | 华润智慧能源有限公司 | 用户侧储能控制方法、装置、设备及存储介质 |
| CN111864758A (zh) * | 2020-07-29 | 2020-10-30 | 合肥工业大学 | 一种考虑负荷需求差异性的储能系统运行调度方法 |
| CN113852135A (zh) * | 2021-09-22 | 2021-12-28 | 广东电网有限责任公司 | 一种虚拟电厂能源调度方法、装置、存储介质及平台 |
| CN114372638A (zh) * | 2022-01-14 | 2022-04-19 | 国网浙江省电力有限公司 | 一种面向用户侧储能实时参与需求响应的调度方法及装置 |
| CN114626603A (zh) * | 2022-03-11 | 2022-06-14 | 国网冀北电力有限公司承德供电公司 | 一种配电网需求响应调度运行方案的优化处理方法和装置 |
| WO2022142389A1 (zh) * | 2020-12-29 | 2022-07-07 | 新奥数能科技有限公司 | 负荷预测方法、装置、计算机可读存储介质及电子设备 |
| CN115829340A (zh) * | 2022-09-26 | 2023-03-21 | 华能浙江能源销售有限责任公司 | 面向电力现货市场的独立储能日前交易策略系统及方法 |
-
2023
- 2023-01-13 CN CN202310059052.5A patent/CN115936260B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106056256A (zh) * | 2016-06-28 | 2016-10-26 | 华北电力大学 | 一种平衡电力供需关系的互动化微网调度方法 |
| CN110516855A (zh) * | 2019-08-08 | 2019-11-29 | 西安交通大学 | 一种面向负荷聚合商的分布式储能控制权优化调度方法 |
| CN110866647A (zh) * | 2019-11-18 | 2020-03-06 | 华润智慧能源有限公司 | 用户侧储能控制方法、装置、设备及存储介质 |
| CN111864758A (zh) * | 2020-07-29 | 2020-10-30 | 合肥工业大学 | 一种考虑负荷需求差异性的储能系统运行调度方法 |
| WO2022142389A1 (zh) * | 2020-12-29 | 2022-07-07 | 新奥数能科技有限公司 | 负荷预测方法、装置、计算机可读存储介质及电子设备 |
| CN113852135A (zh) * | 2021-09-22 | 2021-12-28 | 广东电网有限责任公司 | 一种虚拟电厂能源调度方法、装置、存储介质及平台 |
| CN114372638A (zh) * | 2022-01-14 | 2022-04-19 | 国网浙江省电力有限公司 | 一种面向用户侧储能实时参与需求响应的调度方法及装置 |
| CN114626603A (zh) * | 2022-03-11 | 2022-06-14 | 国网冀北电力有限公司承德供电公司 | 一种配电网需求响应调度运行方案的优化处理方法和装置 |
| CN115829340A (zh) * | 2022-09-26 | 2023-03-21 | 华能浙江能源销售有限责任公司 | 面向电力现货市场的独立储能日前交易策略系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| MING ZHOU等: "Optimal Dispatching Method of Power Grid Energy Saving Based on Fuzzy Decision Method", 2021 2ND INTERNATIONAL SEMINAR ON ARTIFICIAL INTELLIGENCE, NETWORKING AND INFORMATION TECHNOLOGY (AINIT), pages 193 - 197 * |
| 唐巍;高峰;: "考虑用户满意度的户用型微电网日前优化调度", 高电压技术, no. 01, pages 140 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116760122A (zh) * | 2023-08-21 | 2023-09-15 | 国网浙江省电力有限公司宁波供电公司 | 虚拟电厂资源管控方法、装置、计算机设备及存储介质 |
| CN116760122B (zh) * | 2023-08-21 | 2023-12-26 | 国网浙江省电力有限公司宁波供电公司 | 虚拟电厂资源管控方法、装置、计算机设备及存储介质 |
| CN117526376A (zh) * | 2023-10-19 | 2024-02-06 | 国网浙江省电力有限公司乐清市供电公司 | 一种虚拟电厂的光伏发电与储能聚合管理方法及装置 |
| CN117526376B (zh) * | 2023-10-19 | 2024-05-24 | 国网浙江省电力有限公司乐清市供电公司 | 一种虚拟电厂的光伏发电与储能聚合管理方法及装置 |
| CN118014315A (zh) * | 2024-04-08 | 2024-05-10 | 太湖能谷(杭州)科技有限公司 | 一种用户侧共享储能系统参与辅助服务的调度方法和系统 |
| CN118014315B (zh) * | 2024-04-08 | 2024-07-05 | 太湖能谷(杭州)科技有限公司 | 一种用户侧共享储能系统参与辅助服务的调度方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115936260B (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gomes et al. | A novel microgrid support management system based on stochastic mixed-integer linear programming | |
| CN115936260A (zh) | 虚拟电厂用户储能调度方法、装置、电子设备及存储介质 | |
| Agnetis et al. | Optimization models for consumer flexibility aggregation in smart grids: The ADDRESS approach | |
| CN109389327B (zh) | 基于风光不确定性的多虚拟电厂时前合作方法 | |
| Ai et al. | Robust operation strategy enabling a combined wind/battery power plant for providing energy and frequency ancillary services | |
| CN113722882B (zh) | 一种考虑多盈利模式的园区电网储能优化配置方法及系统 | |
| Falabretti et al. | Scheduling and operation of RES-based virtual power plants with e-mobility: A novel integrated stochastic model | |
| Li et al. | A scheduling framework for VPP considering multiple uncertainties and flexible resources | |
| Baltputnis et al. | Analysis of the potential benefits from participation in explicit and implicit demand response | |
| CN111445154A (zh) | 一种电力市场资源自调度优化方法、系统以及设备 | |
| Han et al. | A low-carbon dispatch strategy for power systems considering flexible demand response and energy storage | |
| Okpako et al. | Investigation of an optimized energy resource allocation algorithm for a community based virtual power plant | |
| Kim et al. | Economical energy storage systems scheduling based on load forecasting using deep learning | |
| CN113870029A (zh) | 跨省区电力现货市场多主体出清方法、系统及计算机设备 | |
| CN112417048B (zh) | 基于区块链的智能微电网系统调度方法、存储介质及设备 | |
| CN112348274A (zh) | 考虑调峰的电力现货市场出清方法、系统、设备及介质 | |
| CN117039881A (zh) | 一种计及用户参与不确定性的虚拟电厂聚合方法及系统 | |
| CN111798070A (zh) | 一种用户侧光储系统的配置方法及装置 | |
| Mohammadi et al. | Demand response participation in renewable energy hubs | |
| CN115864364A (zh) | 一种用户参与需求响应的运行策略规划方法及装置 | |
| CN115187061A (zh) | 一种用户侧绿电配置方法、装置、设备及存储介质 | |
| CN112102047A (zh) | 虚拟电厂优化组合竞价方法、装置、设备和存储介质 | |
| Chemetova et al. | Peak Load Forecasting in Electrical Deregulated Market Environment-The Dynamic Tariffs | |
| Silva et al. | Time-horizont distributed energy resources scheduling considering the integration of real-time pricing demand response | |
| Liu et al. | Research on Demand Response Bidding Strategy of Virtual Power Plant Considering Uncertainty |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Virtual power plant user energy storage scheduling methods, devices, electronic devices, and storage media Effective date of registration: 20230921 Granted publication date: 20230718 Pledgee: Bank of China Limited by Share Ltd. Guangzhou Tianhe branch Pledgor: Zhiguang Research Institute (Guangzhou) Co.,Ltd. Registration number: Y2023980058043 |