CN115936336B - 一种虚拟电厂容量配置与调控运行优化方法 - Google Patents
一种虚拟电厂容量配置与调控运行优化方法 Download PDFInfo
- Publication number
- CN115936336B CN115936336B CN202211388755.4A CN202211388755A CN115936336B CN 115936336 B CN115936336 B CN 115936336B CN 202211388755 A CN202211388755 A CN 202211388755A CN 115936336 B CN115936336 B CN 115936336B
- Authority
- CN
- China
- Prior art keywords
- constraint
- representing
- power
- cost
- capacity
- 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.)
- Active
Links
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
一种虚拟电厂容量配置与调控运行优化方法,包括如下步骤:基于虚拟电厂的结构,构建各设备的出力数学模型;基于出力数学模型,构建容量规划优化模型和运行优化模型;基于容量规划优化模型和运行优化模型,构建容量规划阶段模型,获得容量规划配置方案;基于容量规划配置方案,获得机组低成本运行调度方案,完成虚拟电厂源‑荷‑储容量配置与调控运行的优化。采用两阶段优化方法,可以为虚拟电厂运营商提供虚拟电厂容量配置的建议,结合运营分析,提高虚拟电厂运营商参与市场交易的积极性,通过年经济成本和典型日运行成本最低的策略分析,为虚拟电厂运营商参与市场交易提供策略建议。
Description
技术领域
本发明涉及虚拟电厂容量配置研究的技术领域,具体涉及一种虚拟电厂容量配置与调控运行优化方法。
背景技术
分布式资源的快速发展已经使得传统的电力用户转变为兼具发电能力和消纳能力的产消者,这为电力系统提供了在需求侧就近消纳新能源的新途径。然而,分布式资源单独运行时随机性较强,为了实现分布式资源的协调管控,充分发挥其绿色价值和调节价值,可将其聚合成一个能量管理系统即虚拟电厂,代理资源进行能量互动与交易。而合理的资源容量规划配置及灵活的运行策略制定是充分发挥虚拟电厂作用的前提。虚拟电厂的容量配置和优化调度是保障系统投资有效性和运行经济性的重要环节。因此构建了计及源-荷-储资源的虚拟电厂容量规划及调控运行两阶段优化方案。第一阶段,面向源-储资源构建设备精细化约束下,以年经济成本最低为目标的虚拟电厂容量优化配置模型。第二阶段,根据容量配置结果和用电负荷特性,构建资源容量约束下以典型日运行成本最低为目标,计及激励型需求响应的源-荷互动运行优化模型,从而实现虚拟电厂源-荷-储资源全阶段的容量配置与能量管控。
发明内容
为实现上述目的,本申请提供了如下方案:
一种虚拟电厂容量配置与调控运行优化方法,包括如下步骤:
S1:基于虚拟电厂的结构,构建各设备的出力数学模型;
S2:基于所述出力数学模型,构建容量规划优化模型和运行优化模型;
S3:基于所述容量规划优化模型和所述运行优化模型,构建容量规划阶段模型,获得容量规划配置方案;
S4:基于所述容量规划配置方案,获得机组低成本运行调度方案,完成虚拟电厂源-荷-储容量配置与调控运行的优化。
优选的,所述S1中所述出力数学模型包括分布式光伏出力模型、分布式风电出力模型、燃气轮机出力模型以及储能设备模型;
所述分布式光伏出力模型,公式如下:
TS(t)=Tα(t)+0.0138[1+0.031Tα(t)][1-0.042V(t)]FP(t)
式中:PPV(t)代表分布式光伏在某时刻的出力;PPV,rated代表额定情况下分布式光伏的最大功率;FP(t)代表t时刻的实际光照强度;ρP代表标准额定情况下光照辐射的密度;Te代表额定环境温度;Tα(t)代表t时刻的实际环境温度;V(t)代表t时刻的实际风速、TS(t)代表t时刻的逆变器温度;
所述分布式风电出力模型,公式如下:
式中:PWP,rated代表分布式风机额定条件下的最大功率;Vrated、Vin、Vout分别代表额定风速、切入风速荷切出风速;V(t)代表t时刻的实际风速;Pe代表风机的额定功率;αWP、βWP分别为风速的三次项、一次项系数;
所述燃气轮机出力模型,公式如下:
PGAS,in(t)=LHVQGAS(t)、PGAS(t)=LHVQGAS(t)ηGAS
式中:PGAS,in(t)代表t时刻燃气轮机的输入功率;PGAS(t)代表燃气轮机的输出功率;LHV代表天然气的热值;ηGAS代表燃气轮机的发电效率;QGAS(t)代表天然气的流量;
所述储能设备模型,公式如下:
式中:SOC代表储能设备蓄电池的核电状态,qr代表某一时刻所述蓄电池中的剩余电量,PESS.rated代表某一时刻所述蓄电池的额定容量;
式中:gin(t)代表所述蓄电池在t时段的充电状态,gout(t)代表所述蓄电池在t时段的放电状态,δin代表充电的损耗系数,δout代表放电的损耗系数,分别代表所述蓄电池的充放电状态。
优选的,所述S2中构建所述容量规划优化模型和所述运行优化模型的方法包括:
设置所述虚拟电厂的参数,获得数据;
基于所述数据、第一阶段目标函数以及第一阶段约束条件,构建虚拟电厂各分布式资源的所述容量规划优化模型,获得容量配置结果;
基于所述容量配置结果、第二阶段目标函数以及第二阶段约束条件,构建所述运行优化模型,获得运行优化结果。
优选的,所述S3的具体步骤包括:
基于所述容量规划优化模型和所述运行优化模型,获得容量规划阶段的目标函数以及容量规划阶段的约束条件;
基于所述容量规划阶段的目标函数以及所述容量规划阶段的约束条件,构建容量规划阶段模型。
优选的,所述容量规划阶段的目标函数为虚拟电厂年经济成本,所述虚拟电厂年经济成本包括设备投资建设成本、系统年运行成本、环境成本以及系统残值回收收益;
所述虚拟电厂年经济成本,公式如下:
F1=CINV+COP+CENV-RSY
式中:CINV代表设备投资建设成本,COP代表系统年运行成本,CENV代表环境成本,RSY代表系统残值回收收益;
所述设备投资建设成本,公式如下:
式中:N代表虚拟电厂中聚合设备的种类数;RINV,n代表第n类设备投资成本等年值化折算系数;Un代表虚拟电厂中第n类设备的单位容量投资成本分别为分布式光伏单位投资成本UPV、分布式风电投资成本UWP、储能单位投资成本UESS、燃气轮机单位投资成本UQT;Pn,rated代表第n类设备的配置容量,即PWP,rated、PPV,rated、PQT,rated、PESS,rated分别为风电机组、光伏机组、燃气轮机机组和储能机组的额定容量;r代表贴现率;Ln代表第n类设备的使用寿命;Lw代表第n类设备的额定使用寿命;
所述系统年运行成本,公式如下:
式中:CYW,m代表发电机机组运维费用,CFUE,m代表燃气轮机机组燃料费,CQT,m代表燃气轮机启停成本,CGRID,m代表电网交互费用,CESS,m代表储能的运维成本;N代表发电机组的种类数,分别是风电机组、光伏机组和燃气轮机机组;M代表典型日种类,T代表调度总时段;Dm代表各类典型日在一年中持续的时间;λn代表各类发电机组的单位运维成本;代表储能设备的单位运维成本;Pn,m(t)代表虚拟电厂中各类发电机组在第m类典型日中第t时段的功率,即PWP,m(t)、PPV,m(t)、PQT,m(t)分别代表分布式风电机组、光伏机组以及燃气轮机在第m类典型日中第t时段的输出功率;/>分别代表储能设备在第m类典型日中第t时段的充电功率及放电功率;/>代表一标准立方天然气的能耗;/>表示的是一标准立方天然气完全燃烧后产生的热量;/>代表燃气轮机的能量转换效率;γQT代表燃气轮机单位时间启停成本;θQT,m(t)代表启停状态,用状态变量0-1表示,取值为0代表停机状态,取值为1代表开机状态;QSD,m(t)、QGD,m(t)分别代表虚拟电厂在第m类典型日中第t时段与主网的售电电价和购电电价;PSD,m(t)、PGD,m(t)分别代表在第m类典型日中第t时段的售电功率和购电功率;Δt为调度步长;
所述环境成本,公式如下:
式中:J代表污染物的种类,θn代表第n种污染物的单位排放治理费用;分别代表虚拟电厂内部分布式燃气轮机机组和向电网购电时的第j种污染物的排放系数;PQT,m(t)、PGD,m(t)分别代表虚拟电厂在第m类典型日中第t时段的分布式燃气轮机机组发电功率和电网购电功率;
所述系统残值回收收益,公式如下:
式中:ξ代表残值收益占初始投资额的比例系数。
优选的,所述容量规划阶段的约束条件包括功率平衡约束、分布式电源约束、燃气轮机约束、储能约束、充放电功率约束以及购售电约束;
所述功率平衡约束,公式如下:
式中:PL,m(t)代表t时段负荷量;
所述分布式电源约束又包括机组功率约束以及机组容量约束,公式如下:
所述机组功率约束:
θWP,m(t)βWPPWP,rated≤PWP,m(t)≤θWP,m(t)PWP,rated
θPV,m(t)βPVPPV,rated≤PPV,m(t)≤θPV,m(t)PPV,rated
式中:θWP,m(t)和θPV,m(t)代表t时段风电机组和光伏机组的启停状态;βWP、βPV分别代表风电和光伏的最小负荷率;
所述机组容量约束:
PWP,min≤PWP,m(t)≤ζPL(t)、PPV,min≤PPV,m(t)≤ζPL(t)
式中:PWP,min、PPV,min分别代表风机和光伏的最小出力;ζ代表同时刻总负荷的比例系数;PL(t)代表t时段的负荷量;
所述燃气轮机约束又包括功率约束、上下爬坡功率约束、设备出力约束以及容量约束;
所述功率约束:0≤PQT,m(t)≤PQT,rated;
所述上下爬坡功率约束:
式中:分别代表燃气轮机机组的上下爬坡功率限值;
所述设备出力约束:θQT,m(t)βQTPQT,rated≤PQT,m(t)≤θQT,m(t)PQT,rated,
式中:θQT,m(t)代表t时段各设备启停状态;βQT代表燃气轮机机组最小负荷率;
所述容量约束:
式中:PQT,min代表燃气轮机容量最小值;代表负荷最大值;
所述储能约束又包括储电量平衡约束、荷电量上下限约束以及始末状态储电量相等约束;
所述储电量平衡约束:QESS,m(t)=QESS,m(t-1)+ηESS,inPESS,in,m(t)-PESS,out,m(t)/ηESS,out,
式中:QESS,m(t)代表t时段储能电池的储电量;ηESS,in、ηESS,out分别代表储能设备的充放电效率;
所述荷电量上下限约束:QESS,minPESS,rated≤QESS,m(t)≤QESS,maxPESS,rated,
式中:QESS,min、QESS,max分别代表储能电池容量状态限值;
所述始末状态储电量相等约束:QESS,m(0)=QESS,m(T-1),
式中:QESS,m(0)代表初始储能电池的储电量;QESS,m(T-1)代表一个调度周期内最后一个调度时段的储电量;
所述充放电功率约束又包括储能最大放电功率约束以及充放电唯一性约束;
所述充放电功率约束,公式如下:
式中,分别代表储能设备的最大充放电功率;/> 分别代表储设备在时段t的充放电状态,用0-1变量表示;所述变量等于0代表此时未充/放电,所述变量等于1代表此时发生了充/放电;γESS,in、γESS,out分别代表储能充放电倍率;
其中,所述储能最大放电功率约束:
所述充放电唯一性约束:
所述购售电约束又包括购售电功率约束以及购售电唯一性约束;
所述购售电功率约束:
式中:分别代表虚拟电厂在t时段向主网购电的功率最值;分别代表虚拟电厂在t时段向主网售电的功率限值;θGD,m(t)、θSD,m(t)分别代表虚拟电厂向主网购电和售电的状态变量,均用0-1变量表示,所述变量等于1时代表在该时刻发生了购/售电,所述变量等于0时代表在该时刻没有发生购/售电;
所述购售电唯一性约束:0≤θGD,m(t)+θSD,m(t)≤1,表示在同一时段内不能同时出现购售电行为。
优选的,所述S4的具体步骤包括:
基于所述容量规划配置方案,获得用于实现所述机组低成本运行调度方案的目标函数以及用于实现所述机组低成本运行调度方案的约束条件;
基于所述用于实现所述机组低成本运行调度方案的目标函数以及所述用于实现所述机组低成本运行调度方案的约束条件,进行求解,完成虚拟电厂源-荷-储容量配置与调控运行的优化。
优选的,所述用于实现所述机组低成本运行调度方案的目标函数,公式如下:
FOP=(CYW,m+CESS,m+CFUE,m+CQT,m+CGRID,m+CDR,m)
CDR,m=Cup,m+Cdown,m、
式中:CDR,m代表第m类典型日的日需求响应成本,包括上行转移负荷补偿成本Cup,m、下行转移负荷补偿成本Cdown,m;αup、βdown分别代表上行转移负荷、下行转移负荷的补偿系数;分别代表在第m类典型日中第时段的上行转移负荷量、下行转移负荷量。
优选的,所述用于实现所述机组低成本运行调度方案的约束条件包括需求响应约束以及其他约束;
所述需求响应约束又包括可转移负荷转移量约束、可转移负荷转移量平衡约束以及上行/下行唯一性约束;
所述可转移负荷转移量约束:
式中:PL(t)代表t时段的负荷量;代表可转移负荷的响应占比,/>分别代表上下行负荷转移状态变量,用0-1表示;
所述可转移负荷转移量平衡约束:
表示在一个调度周期内保证上行量与削减量相等;
所述上行/下行唯一性约束:表示同一时段内不能同时上下行;
所述其他约束又包括相应的容量约束以及运行约束。
优选的,所述求解的方法包括:
基于容量约束范围,扩大各设备的出力区间;
基于所述各设备的启停状态,获得所述各设备的出力约束;
基于所述各设备的出力约束以及扩大后的所述各设备的出力区间,进行变量间解耦,实现非线性约束条件到线性约束条件的转化。
本申请的有益效果为:本发明提供了一种基于虚拟电厂容量配置与调控运行优化方法,采用两阶段优化方法,可以为虚拟电厂运营商提供虚拟电厂容量配置的建议,结合运营分析,提高虚拟电厂运营商参与市场交易的积极性,通过年经济成本和典型日运行成本最低的策略分析,为虚拟电厂运营商参与市场交易提供策略建议。本申请具有广阔的推广空间和使用价值。
附图说明
为了更清楚地说明本申请的技术方案,下面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是本申请的一些实施例,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为本申请虚拟电厂容量配置与调控运行优化方法流程图;
图2为本实施例一提供的虚拟电厂结构图;
图3为本实施例一提供的虚拟电厂两阶段优化模型流程图;
图4为本实施例二夏季、冬季以及过渡季典型日负荷情况;
图5为本实施例二典型日光伏预测出力图;
图6为本实施例二典型日风电预测出力图;
图7为本实施例二夏季典型日机组出力计划。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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。
为使本申请的上述目的、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申请作进一步详细的说明。
实施例一:如图1-3所示,一种虚拟电厂容量配置与调控运行优化方法,包括如下步骤:
S1:基于虚拟电厂的结构,构建各设备的出力数学模型;
S2:基于出力数学模型,构建容量规划优化模型和运行优化模型;
S3:基于容量规划优化模型和所述运行优化模型,构建容量规划阶段模型,获得容量规划配置方案;
S4:基于容量规划配置方案,获得机组低成本运行调度方案,完成虚拟电厂源-荷-储容量配置与调控运行的优化。
具体的,S1中出力数学模型包括分布式光伏出力模型、分布式风电出力模型、燃气轮机出力模型以及储能设备模型;
光伏发电的功率与当地的光照强度、辐射密度以及环境温度等条件有关,分布式光伏出力模型,公式如下:
TS(t)=Tα(t)+0.0138[1+0.031Tα(t)][1-0.042V(t)]FP(t)
式中:PPV(t)代表分布式光伏在某时刻的出力;PPV,rated代表额定情况下分布式光伏的最大功率;FP(t)代表t时刻的实际光照强度;ρP代表标准额定情况下光照辐射的密度;Te代表额定环境温度;Tα(t)代表t时刻的实际环境温度;V(t)代表t时刻的实际风速、TS(t)代表t时刻的逆变器温度;
风力发电的功率与风速条件有关,且随着风速的波动呈现出阶段性特征,分布式风电出力模型,公式如下:
式中:PWP,rated代表分布式风机额定条件下的最大功率;Vrated、Vin、Vout分别代表额定风速、切入风速荷切出风速;V(t)代表t时刻的实际风速;Pe代表风机的额定功率;αWP、βWP分别为风速的三次项、一次项系数;
燃气轮机的出力主要与天然气的热值、燃气轮机的发电效率等有关,燃气轮机出力模型,公式如下:
PGAS,in(t)=LHVQGAS(t)、PGAS(t)=LHVQGAS(t)ηGAS
式中:PGAS,in(t)代表t时刻燃气轮机的输入功率;PGAS(t)代表燃气轮机的输出功率;LHV代表天然气的热值;ηGAS代表燃气轮机的发电效率;QGAS(t)代表天然气的流量;
蓄电池的充放电特性通常由电池容量、荷电状态等参数来描述。储能设备模型,公式如下:
式中:SOC代表储能设备蓄电池的核电状态,qr代表某一时刻所述蓄电池中的剩余电量,PESS.rated代表某一时刻所述蓄电池的额定容量;
蓄电池在进行充放电时会产生电能损耗,假设充电的损耗系数为δin,放电的损耗系数为δout,则蓄电池在t时段的充电状态gin(t)及放电状态gout(t)表达式为:
式中:gin(t)代表所述蓄电池在t时段的充电状态,gout(t)代表所述蓄电池在t时段的放电状态,δin代表充电的损耗系数,δout代表放电的损耗系数,分别代表所述蓄电池的充放电状态。
具体的,S2中构建容量规划优化模型和运行优化模型采用两阶段优化方法,第一阶段构建容量规划优化模型,第二阶段构建运行优化模型,两阶段优化方法具体步骤包括:
设置虚拟电厂的参数,获得数据;
基于数据、第一阶段目标函数以及第一阶段约束条件,构建虚拟电厂各分布式资源的所述容量规划优化模型,获得容量配置结果;
基于容量配置结果、第二阶段目标函数以及第二阶段约束条件,构建运行优化模型,获得运行优化结果。具体的,第一阶段是对虚拟电厂各分布式资源做容量规划,确定机组的最优安装容量。第二阶段在容量结果已知的基础上确定虚拟电厂最优运行方案,合理安排机组出力计划。
特别的,第一阶段的目标函数包括年投资成本、年运行成本以及年回收残值;第一阶段约束条件包括容量约束以及运行约束等;
第二阶段目标函数包括日运行成本、需求响应成本以及激励型需求响应;第二阶段约束条件包括容量约束、运行约束以及需求响应约束等。
具体的,S3基于两阶段的优化模型,构建以经济成本最低为目标的容量规划阶段建模,在规划阶段以虚拟电厂的年经济成本最低为优化目标,在各机组容量约束、运行约束等条件下确定最佳容量配置方案,具体步骤包括:基于容量规划优化模型和所述运行优化模型,获得容量规划阶段的目标函数以及容量规划阶段的约束条件;基于容量规划阶段的目标函数以及容量规划阶段的约束条件,构建容量规划阶段模型。
具体的,容量规划阶段的目标函数为虚拟电厂年经济成本,虚拟电厂年经济成本包括设备投资建设成本、系统年运行成本、环境成本以及系统残值回收收益;虚拟电厂年经济成本,公式如下:
F1=CINV+COP+CENV-RSY
式中:CINV代表设备投资建设成本,COP代表系统年运行成本,CENV代表环境成本,RSY代表系统残值回收收益;
设备投资建设成本,公式如下:
式中:N代表虚拟电厂中聚合设备的种类数;RINV,n代表第n类设备投资成本等年值化折算系数;Un代表虚拟电厂中第n类设备的单位容量投资成本分别为分布式光伏单位投资成本UPV、分布式风电投资成本UWP、储能单位投资成本UESS、燃气轮机单位投资成本UQT;Pn,rated代表第n类设备的配置容量,即PWP,rated、PPV,rated、PQT,rated、PESS,rated分别为风电机组、光伏机组、燃气轮机机组和储能机组的额定容量;r代表贴现率;Ln代表第n类设备的使用寿命;Lw代表第n类设备的额定使用寿命;
系统年运行成本,公式如下:
式中:CYW,m代表发电机机组运维费用,CFUE,m代表燃气轮机机组燃料费,CQT,m代表燃气轮机启停成本,CGRID,m代表电网交互费用,CESS,m代表储能的运维成本;N代表发电机组的种类数,分别是风电机组、光伏机组和燃气轮机机组;M代表典型日种类,本实施例取M=3,分别为夏季、冬季和过渡季;T代表调度总时段,本实施例取T=24;Dm代表各类典型日在一年中持续的时间;λn代表各类发电机组的单位运维成本;代表储能设备的单位运维成本;Pn,m(t)代表虚拟电厂中各类发电机组在第m类典型日中第t时段的功率,即PWP,m(t)、PPV,m(t)、PQT,m(t)分别代表分布式风电机组、光伏机组以及燃气轮机在第m类典型日中第t时段的输出功率;/>分别代表储能设备在第m类典型日中第t时段的充电功率及放电功率;/>代表一标准立方天然气的能耗;/>表示的是一标准立方天然气完全燃烧后产生的热量;/>代表燃气轮机的能量转换效率;γQT代表燃气轮机单位时间启停成本;θQT,m(t)代表启停状态,用状态变量0-1表示,取值为0代表停机状态,取值为1代表开机状态;QSD,m(t)、QGD,m(t)分别代表虚拟电厂在第m类典型日中第t时段与主网的售电电价和购电电价;PSD,m(t)、PGD,m(t)分别代表在第m类典型日中第t时段的售电功率和购电功率;Δt为调度步长;本实施例取Δt=1。
虚拟电厂分布式光伏和分布式风电均属于清洁发电系统,其污染物排放可以忽略不计。而燃气轮机由于使用化石燃料,因此在系统运行时会产生一定的大气污染物。除此之外,在向主网进行购电时假定购买的是火电,因此也会产生环境污染物。环境成本,公式如下:
式中:J代表污染物的种类,θn代表第n种污染物的单位排放治理费用;分别代表虚拟电厂内部分布式燃气轮机机组和向电网购电时的第j种污染物的排放系数;PQT,m(t)、PGD,m(t)分别代表虚拟电厂在第m类典型日中第t时段的分布式燃气轮机机组发电功率和电网购电功率;
系统残值是指在项目寿命周期结束时,虚拟电厂中某个设备的剩余成本,该剩余成本可以用比例法求出。系统残值回收收益(剩余成本),公式如下:
式中:RSY代表虚拟电厂设备的系统残值回收收益,仅在寿命周期最后一年末产生;ξ代表残值收益占初始投资额的比例系数,通常取5%。
具体的,容量规划阶段的约束条件包括功率平衡约束、分布式电源约束、燃气轮机约束、储能约束、充放电功率约束以及购售电约束;
功率平衡约束,公式如下:
式中:PL,m(t)代表t时段负荷量;
分布式电源约束又包括机组功率约束以及机组容量约束,公式如下:
机组功率约束:
θWP,m(t)βWPPWP,rated≤PWP,m(t)≤θWP,m(t)PWP,rated
θPV,m(t)βPVPPV,rated≤PPV,m(t)≤θPV,m(t)PPV,rated
式中:θWP,m(t)和θPV,m(t)代表t时段风电机组和光伏机组的启停状态;βWP、βPV分别代表风电和光伏的最小负荷率;对于分布式风电和分布式光伏,二者输出功率约束应满足上式。
机组容量约束:
PWP,min≤PWP,m(t)≤ζPL(t)、PPV,min≤PPV,m(t)≤ζPL(t)
式中:PWP,min、PPV,min分别代表风机和光伏的最小出力;ζ代表同时刻总负荷的比例系数;PL(t)代表t时段的负荷量;
燃气轮机约束又包括功率约束、上下爬坡功率约束、设备出力约束以及容量约束;
功率约束:0≤PQT,m(t)≤PQT,rated;
上下爬坡功率约束:
式中:分别代表燃气轮机机组的上下爬坡功率限值;
设备出力约束:θQT,m(t)βQTPQT,rated≤PQT,m(t)≤θQT,m(t)PQT,rated,
式中:θQT,m(t)代表t时段各设备启停状态;βQT代表燃气轮机机组最小负荷率;
容量约束:
式中:PQT,min代表燃气轮机容量最小值;代表负荷最大值;
储能约束又包括储电量平衡约束、荷电量上下限约束以及始末状态储电量相等约束;
储电量平衡约束:储能电池在时段t的储电量QESS,m(t)等于在时段(t-1)的储电量加上在时段t的实际充电量,再减去时段t的实际放电电量,表达式为:QESS,m(t)=QESS,m(t-1)+ηESS,inPESS,in,m(t)-PESS,out,m(t)/ηESS,out,
式中:QESS,m(t)代表t时段储能电池的储电量;ηESS,in、ηESS,out分别代表储能设备的充放电效率;
荷电量上下限约束:QESS,minPESS,rated≤QESS,m(t)≤QESS,maxPESS,rated,
式中:QESS,min、QESS,max分别代表储能电池容量状态限值;
始末状态储电量相等约束:QESS,m(0)=QESS,m(T-1),
式中:QESS,m(0)代表初始储能电池的储电量;QESS,m(T-1)代表一个调度周期内最后一个调度时段的储电量;
充放电功率约束又包括储能最大放电功率约束以及充放电唯一性约束;
充放电功率约束,为延缓储能电池的寿命,储能设备的充放电功率应维持在一定的范围内,公式如下:
式中,分别代表储能设备的最大充放电功率;/> 分别代表储设备在时段t的充放电状态,用0-1变量表示;所述变量等于0代表此时未充/放电,所述变量等于1代表此时发生了充/放电;γESS,in、γESS,out分别代表储能充放电倍率;/>
其中,储能最大放电功率约束:储能设备的最大放电功率不应超过最大负荷;
充放电唯一性约束:该约束是避免优化过程中出现对同一台储能设备出现同时充放电的情况。
购售电约束又包括购售电功率约束以及购售电唯一性约束;
购售电功率约束:
式中:分别代表虚拟电厂在t时段向主网购电的功率最值;分别代表虚拟电厂在t时段向主网售电的功率限值;θGD,m(t)、θSD,m(t)分别代表虚拟电厂向主网购电和售电的状态变量,均用0-1变量表示,所述变量等于1时代表在该时刻发生了购/售电,所述变量等于0时代表在该时刻没有发生购/售电;
购售电唯一性约束:0≤θGD,m(t)+θSD,m(t)≤1,表示在同一时段内不能同时出现购售电行为。
具体的,S4基于容量规划结果,以典型日的运行成本和参与需求响应成本最低为优化目标,得到机组最佳运行调度方案,具体步骤包括:基于容量规划配置方案,获得用于实现机组低成本运行调度方案的目标函数以及用于实现机组低成本运行调度方案的约束条件;基于用于实现机组低成本运行调度方案的目标函数以及用于实现机组低成本运行调度方案的约束条件,进行求解,完成虚拟电厂源-荷-储容量配置与调控运行的优化。
具体的,用于实现机组低成本运行调度方案的目标函数,公式如下:
FOP=(CYW,m+CESS,m+CFUE,m+CQT,m+CGRID,m+CDR,m)
虚拟电厂日运行成本建模同前所述。IDR考虑可转移负荷的补偿费用,可转移负荷又分为上行转移负荷和下行转移负荷,表达式为:
CDR,m=Cup,m+Cdown,m、
式中:CDR,m代表第m类典型日的日需求响应成本,包括上行转移负荷补偿成本Cup,m、下行转移负荷补偿成本Cdown,m;αup、βdown分别代表上行转移负荷、下行转移负荷的补偿系数;分别代表在第m类典型日中第时段的上行转移负荷量、下行转移负荷量。
具体的,用于实现机组低成本运行调度方案的约束条件包括需求响应约束以及其他约束;
需求响应约束又包括可转移负荷转移量约束、可转移负荷转移量平衡约束以及上行/下行唯一性约束;
可转移负荷转移量约束:
式中:PL(t)代表t时段的负荷量;代表可转移负荷的响应占比,/>分别代表上下行负荷转移状态变量,用0-1表示;
可转移负荷转移量平衡约束:
表示在一个调度周期内保证上行量与削减量相等;
上行/下行唯一性约束:表示同一时段内不能同时上下行;
其他约束又包括相应的容量约束以及运行约束。特别的,优化阶段除了需求响应约束外还包含相应的容量约束和运行约束,该约束条件与规划阶段约束条件相同,区别在于规划阶段的设备容量为决策变量,运行阶段为已知量。
具体的,求解的方法包括:基于容量约束范围,扩大各设备的出力区间;基于各设备的启停状态,获得各设备的出力约束;基于各设备的出力约束以及扩大后的各设备的出力区间,进行变量间解耦,实现非线性约束条件到线性约束条件的转化。特别的,通过容量约束范围扩大各个设备的出力区间,然后在根据设备的启停状态确定设备的出力约束,从而实现变量间解耦,最终将非线性约束条件转化为线性约束条件。以燃气轮机机组为例说明约束嵌套的实施步骤:
由于因此燃气轮机的设备出力区间可由:
θGT,m(t)βGTPGT,rated≤PGT,m(t)≤θGT,m(t)PGT,rated
扩大为:
当θGT,m(t)=0时,设备的出力约束为:PGT,m(t)=0
当θGT,m(t)=1时,设备的出力约束为:βGTPGT,min≤PGT,m(t)≤PGT,rated
同理,其他设备的非线性约束转换也用该方法处理,不再赘述。
综上,进过处理后的虚拟电厂容量优化模型由混合整数非线性规划转换为了混合整数线性规划,在Matlab环境下采用YALMIP语法进行建模,并用CPLEX求解器进行求解。
实施例二:如图4所示,以北方某区域为例进行算例分析,考虑到北方季节性特征,本实施例分别在一年中的夏季、冬季以及过渡季选取了一天作为典型场景,持续时间分别为夏季108天,过渡季139天,冬季118天。三个典型日的负荷情况如表1所示。相关技术经济参数见表1,污染物排放与环境治理参数见表2,实时购售电价参数见表3。
表1相关技术经济参数
表2污染物排放参数
表3购售分时电价参数
1、容量规划阶段结果与分析
基于容量规划优化模型和所述运行优化模型,构建容量规划阶段模型,获得容量规划配置方案;
为了说明所建容量规划阶段模型的有效性以及探究储能设备对于虚拟电厂容量规划的影响,本实施例设置以下场景:场景1中虚拟电厂仅聚合分布式光伏、分布式风机和燃气轮机,计算经济性指标和环境指标;场景2中虚拟电厂在场景1的基础上增加储能装置,聚合储能、分布式光伏、分布式风机和燃气轮机,计算经济性指标和环境指标。
两种场景下容量配置经济性结果见表5。当配置储能时,由于需要投入新的设备,因此投资成本相对不配置储能高12.41%。当不配置储能时,燃气轮机的年启停成本为0,说明没有储能做能量解耦,燃气轮机机组时刻保持运行状态,这会使得虚拟电厂向主网的购电量减少,相对有储能的场景电网交互成本下降19.34%。然而,由于虚拟电厂的燃料成本仅来源于燃气轮机机组,无储能场景下燃气轮机时刻运行导致燃料成本相对不配置储能场景提升33.60%。此外,由于储能场景下可以在电网用电负荷低谷时即电价较低的时段进行购电存储,因此有储能场景下的电网交互成本较大,这也导致了储能场景下的环境治理费用相对较高。这是因为,环境污染来源于虚拟电厂内部燃气轮机机组的排放和向主网购电时火电机组的排放两部分,即便在无储能场景下燃气轮机运行功率高于有储能的场景,但火电机组的单位功率排放量远高于燃气轮机机组的单位功率排放量,因此环境成本主要取决于系统向主网购电量的大小,有储能情况下的主网交互成本高,其环境成本也相对较大,年环境污染排放量约为6540111千克,相较无储能年污染物排放量对多390538千克。各资源容量规划结果见表4;典型日光伏预测出力见图5;典型日风电预测出力见图6。
综上,有储能场景的年总成本1490.10万元,无储能场景的年总成本1523.98万元。从环境保护的角度来看,不配置储能的环境效益更大,但二者差距不大。因此,投资者仍应首选经济效益更大的方案,即配置储能是虚拟电厂规划的最佳方案,也验证了本文所提容量规划模型的有效性和合理性。
表4各场景容量配置结果
表5各场景经济性结果
表6各场景污染物排放结果
2.运行优化阶段结果与分析
基于容量规划配置方案,获得机组低成本运行调度方案,完成虚拟电厂源-荷-储容量配置与调控运行的优化。
为验证需求响应对运行优化阶段的影响,本实施例设定以下场景:场景1中不考虑IDR;场景2中考虑IDR参与负荷调节,并给予相应的补贴。首先,在两种场景下分别计算三个典型日的调度出力计划和相应的运行成本指标,以此验证所提优化模型的有效性。其次,分析IDR参与下各设备的调度出力结果以及储能设备的荷电状态。最后,验证IDR参与下对于负荷曲线的优化效果以及探究IDR的参与程度对于优化效果的敏感性。
(1)有无需求响应场景下的系统运行成本结果。表7为两种场景下分别在夏季、过渡季和冬季的日运行成本情况。场景2的日总运行成本相对场景1低0.2万元/天,原因在于两种场景下为满足用户负荷,虚拟电厂系统中光伏和风机基本处于相同运行状态,因为机组运维成本相同,而在场景1不参与需求响应时系统中的负荷需求将通过增加燃气轮机机组出力和向大电网购电来满足。在三个典型日下,场景1的日平均燃料成本为1.36万元,相对场景2高5.15%,场景1的日平均主网交互成本为3.31万元,相对场景2高3.63%。与场景2中需求响应的补贴成本相比,场景1的燃料成本和主网交互成本更低,因此导致场景2的总运行成本更低。由此说明在虚拟电厂系统中引入激励型需求响应能够更好的节约运行成本,验证了文中所提计及需求响应的运行优化模型的有效性。
表7各场景日运行成本结果
(2)激励型需求响应下的各设备优化调控结果。图7为运行优化调度结果。在夜间0:00-5:00时段,光伏出力值为0,电能主要靠风机、燃气轮机和主网购电维持,且主网购电占更高的比例,这是由于该时段为低谷电价时段,向主网购电的成本相对较低。6:00-14:00时段负荷持续增加并达到峰值,燃气轮机、风机和光伏机组出力也逐渐增加,储能设备也在负荷高峰时段进行了放电供能。在负荷值相对较高的夏季和冬季,15:00-18:00时段的负荷仍处于较高水平,除了自供电外需要再次向主网进行购电以满足负荷需求。19:00-24:00时段负荷处于持续下降阶段,此时燃气轮机一直处于开机状态并提供更多比例电能,这是由于该时段风光出力受限,且该时段为电价高峰期,向主网购电将承担高额的购电成本,因此燃气轮机机组以及储能放电是系统更为经济可靠的行为。
以上所述的实施例仅是对本申请优选方式进行的描述,并非对本申请的范围进行限定,在不脱离本申请设计精神的前提下,本领域普通技术人员对本申请的技术方案做出的各种变形和改进,均应落入本申请权利要求书确定的保护范围内。
Claims (6)
1.一种虚拟电厂容量配置与调控运行优化方法,其特征在于,包括如下步骤:
S1:基于虚拟电厂的结构,构建各设备的出力数学模型;
S2:基于所述出力数学模型,构建容量规划优化模型和运行优化模型;
S3:基于所述容量规划优化模型和所述运行优化模型,构建容量规划阶段模型,获得容量规划配置方案;所述S3的具体步骤包括:
基于所述容量规划优化模型和所述运行优化模型,获得容量规划阶段的目标函数以及容量规划阶段的约束条件;
基于所述容量规划阶段的目标函数以及所述容量规划阶段的约束条件,构建容量规划阶段模型;
所述容量规划阶段的目标函数为虚拟电厂年经济成本,所述虚拟电厂年经济成本包括设备投资建设成本、系统年运行成本、环境成本以及系统残值回收收益;
所述虚拟电厂年经济成本,公式如下:
F1=CINV+COP+CENV-RSY
式中:F1代表虚拟电厂年经济成本;CINV代表设备投资建设成本,COP代表系统年运行成本,CENV代表环境成本,RSY代表系统残值回收收益;
所述设备投资建设成本,公式如下:
式中:N代表虚拟电厂中聚合设备的种类数;RINV,n代表第n类设备投资成本等年值化折算系数;Un代表虚拟电厂中第类设备的单位容量投资成本,分别为分布式光伏单位投资成本UPV、分布式风电投资成本UWP、储能单位投资成本UESS和燃气轮机单位投资成本UQT;Pn,rated代表第n类设备的配置容量,即PWP,rated、PPV,rated、PQT,rated、PESS,rated分别为风电机组、光伏机组、燃气轮机机组和储能机组的额定容量;r代表贴现率;Ln代表第n类设备的使用寿命;Lw代表第n类设备的额定使用寿命;
所述系统年运行成本,公式如下:
式中:CYW,m代表发电机机组运维费用,CFUE,m代表燃气轮机机组燃料费,CQT,m代表燃气轮机启停成本,CGRID,m代表电网交互费用,CESS,m代表储能的运维成本;N代表发电机组的种类数,分别是风电机组、光伏机组和燃气轮机机组;M代表典型日种类,T代表调度总时段;Dm代表各类典型日在一年中持续的时间;λn代表各类发电机组的单位运维成本;代表储能设备的单位运维成本;Pn,m(t)代表虚拟电厂中各类发电机组在第m类典型日中第t时段的功率,即PWP,m(t)、PPV,m(t)、PQT,m(t)分别代表分布式风电机组、光伏机组以及燃气轮机在第m类典型日中第t时段的输出功率;/> 分别代表储能设备在第m类典型日中第t时段的充电功率及放电功率;/>代表一标准立方天然气的能耗;/>表示的是一标准立方天然气完全燃烧后产生的热量;/>代表燃气轮机的能量转换效率;γQT代表燃气轮机单位时间启停成本;θQT,m(t)代表启停状态,用状态变量0-1表示,取值为0代表停机状态,取值为1代表开机状态;QSD,m(t)、QGD,m(t)分别代表虚拟电厂在第m类典型日中第t时段与主网的售电电价和购电电价;PSD,m(t)、PGD,m(t)分别代表在第m类典型日中第t时段的售电功率和购电功率;Δt为调度步长;
所述环境成本,公式如下:
式中:J代表污染物的种类,θn代表第n种污染物的单位排放治理费用;分别代表虚拟电厂内部分布式燃气轮机机组和向电网购电时的第j种污染物的排放系数;
所述系统残值回收收益,公式如下:
式中:ξ代表残值收益占初始投资额的比例系数;
S4:基于所述容量规划配置方案,获得机组低成本运行调度方案,完成虚拟电厂源-荷-储容量配置与调控运行的优化;
所述S4的具体步骤包括:
基于所述容量规划配置方案,获得用于实现所述机组低成本运行调度方案的目标函数以及用于实现所述机组低成本运行调度方案的约束条件;
基于所述用于实现所述机组低成本运行调度方案的目标函数以及所述用于实现所述机组低成本运行调度方案的约束条件,进行求解,完成虚拟电厂源-荷-储容量配置与调控运行的优化;
所述用于实现所述机组低成本运行调度方案的目标函数,公式如下:
FOP=(CYW,m+CESS,m+CFUE,m+CQT,m+CGRID,m+CDR,m)
CDR,m=Cup,m+Cdown,m
式中:CDR,m代表第m类典型日的日需求响应成本,包括上行转移负荷补偿成本Cup,m、下行转移负荷补偿成本Cdown,m;αup、βdown分别代表上行转移负荷、下行转移负荷的补偿系数;分别代表在第m类典型日中第t时段的上行转移负荷量、下行转移负荷量。
2.根据权利要求1所述虚拟电厂容量配置与调控运行优化方法,其特征在于,
所述S1中所述出力数学模型包括分布式光伏出力模型、分布式风电出力模型、燃气轮机出力模型以及储能设备模型;
所述分布式光伏出力模型,公式如下:
TS(t)=Tα(t)+0.0138[1+0.031Tα(t)][1-0.042V(t)]FP(t)
式中:PPV(t)代表分布式光伏在某时刻的出力;PPV,rated代表额定情况下分布式光伏的最大功率;FP(t)代表t时刻的实际光照强度;ρP代表标准额定情况下光照辐射的密度;Te代表额定环境温度;Tα(t)代表t时刻的实际环境温度;V(t)代表t时刻的实际风速、TS(t)代表t时刻的逆变器温度;
所述分布式风电出力模型,公式如下:
式中:PWP,rated代表分布式风机额定条件下的最大功率;Vrated、Vin、Vout分别代表额定风速、切入风速和切出风速;V(t)代表t时刻的实际风速;Pe代表风机的额定功率;αWP、βWP分别为风速的三次项、一次项系数;PWP(t)代表分布式风机在t时刻的输出功率;VWP(t)代表t时刻分布式风机的实际风速;
所述燃气轮机出力模型,公式如下:
PGAS,in(t)=LHVQGAS(t)
PGAS(t)=LHVQGAS(t)ηGAS
式中:PGAS,in(t)代表t时刻燃气轮机的输入功率;PGAS(t)代表燃气轮机的输出功率;LHV代表天然气的热值;ηGAS代表燃气轮机的发电效率;QGAS(t)代表天然气的流量;
所述储能设备模型,公式如下:
式中:SOC代表储能设备蓄电池的核电状态,qr代表某一时刻所述蓄电池中的剩余电量,PESS.rated代表某一时刻所述蓄电池的额定容量;
式中:gin(t)代表所述蓄电池在t时段的充电状态,gout(t)代表所述蓄电池在t时段的放电状态,δin代表充电的损耗系数,δout代表放电的损耗系数,分别代表所述蓄电池的充放电状态;PESS,in(t)代表储能设备在第t时段的充电功率;PESS,out(t)代表储能设备在第t时段的放电功率。
3.根据权利要求1所述虚拟电厂容量配置与调控运行优化方法,其特征在于,所述S2中构建所述容量规划优化模型和所述运行优化模型的方法包括:
设置所述虚拟电厂的参数,获得数据;
基于所述数据、第一阶段目标函数以及第一阶段约束条件,构建虚拟电厂各分布式资源的所述容量规划优化模型,获得容量配置结果;
基于所述容量配置结果、第二阶段目标函数以及第二阶段约束条件,构建所述运行优化模型,获得运行优化结果。
4.根据权利要求1所述虚拟电厂容量配置与调控运行优化方法,其特征在于,
所述容量规划阶段的约束条件包括功率平衡约束、分布式电源约束、燃气轮机约束、储能约束、充放电功率约束以及购售电约束;
所述功率平衡约束,公式如下:
所述分布式电源约束又包括机组功率约束以及机组容量约束,公式如下:
所述机组功率约束:
θWP,m(t)βWPPWP,rated≤PWP,m(t)≤θWP,m(t)PWP,rated
θPV,m(t)βPVPPV,rated≤PPV,m(t)≤θPV,m(t)PPV,rated
式中:θWP,m(t)和θPV,m(t)代表t时段风电机组和光伏机组的启停状态;βWP、βPV分别代表风电和光伏的最小负荷率;
所述机组容量约束:
PWP,min≤PWP,m(t)≤ζPL(t)、PPV,min≤PPV,m(t)≤ζPL(t)
式中:PWP,min、PPV,min分别代表风机和光伏的最小出力;ζ代表同时刻总负荷的比例系数;PL(t)代表t时段的负荷量;
所述燃气轮机约束又包括功率约束、上下爬坡功率约束、设备出力约束以及容量约束;
所述功率约束:0≤PQT,m(t)≤PQT,rated;
所述上下爬坡功率约束:
式中:分别代表燃气轮机机组的上下爬坡功率限值;
所述设备出力约束:θQT,m(t)βQTPQT,rated≤PQT,m(t)≤θQT,m(t)PQT,rated,
式中:βQT代表燃气轮机机组最小负荷率;
所述容量约束:
式中:PQT,min代表燃气轮机容量最小值;代表负荷最大值;
所述储能约束又包括储电量平衡约束、荷电量上下限约束以及始末状态储电量相等约束;
所述储电量平衡约束:
式中:QESS,m(t)代表t时段储能电池的储电量;ηESS,in、ηESS,out分别代表储能设备的充放电效率;
所述荷电量上下限约束:QESS,minPESS,rated≤QESS,m(t)≤QESS,maxPESS,rated,
式中:QESS,min、QESS,max分别代表储能电池容量状态限值;所述始末状态储电量相等约束:QESS,m(0)=QESS,m(T-1),
式中:QESS,m(0)代表初始储能电池的储电量;QESS,m(T-1)代表一个调度周期内最后一个调度时段的储电量;
所述充放电功率约束又包括储能最大放电功率约束以及充放电唯一性约束;
所述充放电功率约束,公式如下:
式中,分别代表储能设备的最大充放电功率;/>分别代表储设备在时段t的充放电状态,用0-1变量表示;所述变量等于0代表此时未充/放电,所述变量等于1代表此时发生了充/放电;γESS,in、γESS,out分别代表储能充放电倍率;/>分别代表储能设备的最小充放电功率;
其中,所述储能最大放电功率约束:
所述充放电唯一性约束:
所述购售电约束又包括购售电功率约束以及购售电唯一性约束;
所述购售电功率约束:
式中:分别代表虚拟电厂在t时段向主网购电的功率最值;分别代表虚拟电厂在t时段向主网售电的功率限值;θGD,m(t)、θSD,m(t)分别代表虚拟电厂向主网购电和售电的状态变量,均用0-1变量表示,所述变量等于1时代表在该时刻发生了购/售电,所述变量等于0时代表在该时刻没有发生购/售电;
所述购售电唯一性约束:0≤θGD,m(t)+θSD,m(t)≤1,表示在同一时段内不能同时出现购售电行为。
5.根据权利要求1所述虚拟电厂容量配置与调控运行优化方法,其特征在于,
所述用于实现所述机组低成本运行调度方案的约束条件包括需求响应约束以及其他约束;
所述需求响应约束又包括可转移负荷转移量约束、可转移负荷转移量平衡约束以及上行/下行唯一性约束;
所述可转移负荷转移量约束:
式中:PL(t)代表t时段的负荷量;代表可转移负荷的响应占比,/> 分别代表上下行负荷转移状态变量,用0-1表示;
所述可转移负荷转移量平衡约束:
表示在一个调度周期内保证上行量与削减量相等;
所述上行/下行唯一性约束:表示同一时段内不能同时上下行;
所述其他约束又包括相应的容量约束以及运行约束。
6.根据权利要求1所述虚拟电厂容量配置与调控运行优化方法,其特征在于,所述求解的方法包括:
基于容量约束范围,扩大各设备的出力区间;
基于所述各设备的启停状态,获得所述各设备的出力约束;
基于所述各设备的出力约束以及扩大后的所述各设备的出力区间,进行变量间解耦,实现非线性约束条件到线性约束条件的转化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211388755.4A CN115936336B (zh) | 2022-11-08 | 2022-11-08 | 一种虚拟电厂容量配置与调控运行优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211388755.4A CN115936336B (zh) | 2022-11-08 | 2022-11-08 | 一种虚拟电厂容量配置与调控运行优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115936336A CN115936336A (zh) | 2023-04-07 |
CN115936336B true CN115936336B (zh) | 2023-08-15 |
Family
ID=86654999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211388755.4A Active CN115936336B (zh) | 2022-11-08 | 2022-11-08 | 一种虚拟电厂容量配置与调控运行优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115936336B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960510A (zh) * | 2018-07-04 | 2018-12-07 | 四川大学 | 一种基于两阶段随机规划的虚拟电厂优化交易策略模型 |
CN112072640A (zh) * | 2020-08-13 | 2020-12-11 | 清华大学 | 一种虚拟电厂聚合资源的容量优化方法 |
-
2022
- 2022-11-08 CN CN202211388755.4A patent/CN115936336B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960510A (zh) * | 2018-07-04 | 2018-12-07 | 四川大学 | 一种基于两阶段随机规划的虚拟电厂优化交易策略模型 |
CN112072640A (zh) * | 2020-08-13 | 2020-12-11 | 清华大学 | 一种虚拟电厂聚合资源的容量优化方法 |
Non-Patent Citations (1)
Title |
---|
考虑相关性的离网型风储微网中储能容量配置方法;朱永强等;《电工电能新技术》;第38卷(第9期);第11-16页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115936336A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105048516B (zh) | 一种风光水火多源互补优化调度方法 | |
CN114362168B (zh) | 一种能源互联系统的设备选型方法 | |
CN111738497B (zh) | 计及需求侧响应的虚拟电厂双层优化调度方法 | |
CN109523052B (zh) | 一种考虑需求响应和碳交易的虚拟电厂优化调度方法 | |
CN113112087A (zh) | 考虑电热负荷需求响应的综合能源系统运行成本优化方法 | |
CN106600099A (zh) | 一种计及碳交易的低碳调度与减排效益评估方法 | |
CN111614121A (zh) | 考虑需求响应的含电动汽车的多能源园区日前经济调度方法 | |
CN109523065A (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
CN111144620A (zh) | 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法 | |
CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
CN111445107A (zh) | 冷热电联供型微电网多目标优化配置方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN112068436A (zh) | 工业园区的综合能源系统分层分布式控制方法及系统 | |
CN113541205A (zh) | 基于集群学习的低碳csp系统协同优化方法及装置 | |
CN113435095A (zh) | 一种用于综合能源系统的优化调度的方法及系统 | |
CN115186902A (zh) | 温室综合能源系统的调控方法、装置、终端及存储介质 | |
CN111210079A (zh) | 一种分布式能源虚拟电厂运行优化方法及系统 | |
CN111160636B (zh) | 一种cchp型微电网调度优化方法 | |
CN112418537A (zh) | 一种面向多能源云储能系统的优化调度方法 | |
CN115936336B (zh) | 一种虚拟电厂容量配置与调控运行优化方法 | |
CN111126675A (zh) | 多能互补微网系统优化方法 | |
CN115986833A (zh) | 考虑两阶段需求响应的热电联供微网低碳经济调度方法 | |
CN112561120B (zh) | 一种基于微电网参考日前市场出清系统优化运行方法 | |
CN112541778B (zh) | 一种基于微电网参与两阶段市场出清系统优化运行方法 | |
CN112465228B (zh) | 一种用户侧综合能源系统优化配置方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |