CN115986755A - 一种虚拟电厂可中断负荷的决策方法及装置 - Google Patents
一种虚拟电厂可中断负荷的决策方法及装置 Download PDFInfo
- Publication number
- CN115986755A CN115986755A CN202211534484.9A CN202211534484A CN115986755A CN 115986755 A CN115986755 A CN 115986755A CN 202211534484 A CN202211534484 A CN 202211534484A CN 115986755 A CN115986755 A CN 115986755A
- Authority
- CN
- China
- Prior art keywords
- power plant
- interruptible load
- virtual power
- demand response
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000004044 response Effects 0.000 claims abstract description 190
- 238000005457 optimization Methods 0.000 claims abstract description 106
- 230000009466 transformation Effects 0.000 claims abstract description 52
- 230000004048 modification Effects 0.000 claims abstract description 40
- 238000012986 modification Methods 0.000 claims abstract description 40
- 230000005611 electricity Effects 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 230000002068 genetic effect Effects 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 25
- 238000010276 construction Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- AZFKQCNGMSSWDS-UHFFFAOYSA-N MCPA-thioethyl Chemical compound CCSC(=O)COC1=CC=C(Cl)C=C1C AZFKQCNGMSSWDS-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种虚拟电厂可中断负荷的决策方法，包括：根据可中断负荷在需求响应市场中的需求响应、现货市场电价，构建虚拟电厂的可中断负荷模型；根据所述可中断负荷模型，以及虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，构建虚拟电厂可中断负荷改造决策的双层优化模型；根据所述虚拟电厂可中断负荷改造决策的双层优化模型，以虚拟电厂运行期内净收益为最大目标，构建虚拟电厂可中断负荷改造决策的目标函数；根据遗传算法和混合整数性优化算法，对所述虚拟电厂可中断负荷改造决策的目标函数进行求解，得到可中断负荷改造的决策方案。本发明解决现有技术中虚拟电厂决策考虑因素单一，运行经济性较低的技术问题。
Description
技术领域
本发明涉及电力需求响应技术领域，尤其涉及一种虚拟电厂可中断负荷的决策方法及装置。
背景技术
在构建以新能源为主体的新型电力系统背景下，需要以灵活可调资源为主的虚拟电厂参与新能源消纳，因此，开展虚拟电厂的可中断负荷改造投资决策方法研究具有着重要的意义。
目前，在现有针对虚拟电厂可中断负荷改造投资决策方面的研究往往仅考虑经济因素，考虑因素较为单一，同时资源利用率低，对电网稳定性造成的影响较大，决策结果准确性与可行性低下，同时，对虚拟电厂运行的经济性较低。
因此，目前亟需一种能够考虑多种因素、提高虚拟电厂运行经济性的决策方法。
发明内容
本发明提供了一种一种虚拟电厂可中断负荷的决策方法及装置，以解决现有技术中虚拟电厂决策考虑因素单一，运行经济性较低的技术问题。
为了解决上述技术问题，本发明实施例提供了一种虚拟电厂可中断负荷的决策方法，包括：
根据可中断负荷在需求响应市场中的需求响应、现货市场电价，构建虚拟电厂的可中断负荷模型；
根据所述可中断负荷模型，以及虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，构建虚拟电厂可中断负荷改造决策的双层优化模型；其中，所述双层优化模型包括：优化虚拟电厂运营期内净收益的上层优化模型和优化虚拟电厂可中断负荷调度策略的下层优化模型；
根据所述虚拟电厂可中断负荷改造决策的双层优化模型，以虚拟电厂运行期内净收益为最大目标，构建虚拟电厂可中断负荷改造决策的目标函数；
根据遗传算法和混合整数性优化算法，对所述虚拟电厂可中断负荷改造决策的目标函数进行求解，得到可中断负荷改造的决策方案。
作为优选方案，所述根据可中断负荷在需求响应市场中的需求响应、现货市场电价，构建虚拟电厂的可中断负荷模型，具体为：
根据可中断负荷在需求响应市场中的日内实时需求响应、价格型需求响应、日前邀约型需求响应以及负荷值，构建虚拟电厂的可中断负荷模型的特征方程：
其中，Pi为第i个可中断负荷的典型负荷值；
为第i个可中断负荷能否参与需求响应市场中的日内实时需求响应；
为表示第i个可中断负荷是否参与价格型和日前邀约型需求响应改造；
为表示第i个可中断负荷是否参与价格型、日前邀约型、日内实时型需求响应改造。
作为优选方案，所述根据所述可中断负荷模型，以及虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，构建虚拟电厂可中断负荷改造决策的双层优化模型，具体为：
根据可中断负荷改造投资成本、虚拟电厂运维成本和预设虚拟电厂收益模型，构建虚拟电厂可中断负荷改造的上层优化模型；
根据可中断负荷模型和预设虚拟电厂收益模型，构建虚拟电厂可中断负荷改造的下层优化模型；
根据所述可中断负荷模型和所述可中断负荷容量，分别建立上层优化模型与下层优化模型的约束条件，从而完成对虚拟电厂可中断负荷改造决策的双层优化模型的构建。
作为优选方案，所述上层优化模型的目标函数为：
其中，TVPP为虚拟电厂运营周期，时间尺度为年；Fe,t、Fd,t、Fh,t、Coperation,t分别表示第t年虚拟电厂的价格型需求响应收益、日前邀约型需求响应收益、日内实时型需求响应收益、运行成本，Fe,t、Fd,t、Fh,t均为下层优化结果。
作为优选方案，所述下层优化模型的目标函数为：max{Fe,t+Fd,t+Fh,t},t∈TVPP；其中，Fe,t、Fd,t、Fh,t分别表示第t年虚拟电厂的价格型需求响应收益、日前邀约型需求响应收益、日内实时型需求响应收益。
作为优选方案，所述上层优化模型的约束条件包括：可中断负荷容量约束、可中断负荷改造成本约束和税务成本约束；
所述下层优化模型的约束条件包括：价格型与日前邀约型联合需求响应资源约束、日内实时型需求响应资源约束。
作为优选方案，所述预设虚拟电厂收益模型的构建方法，包括：
根据虚拟电厂的购售电电价、虚拟电厂参与需求响应补偿电价、虚拟电厂负荷需求数据，分别构建价格型需求响应收益模型、日前邀约型需求响应收益模型和日内实时型需求响应收益模型；其中，所述虚拟电厂收益模型包括价格型需求响应收益模型、日前邀约型需求响应收益模型和日内实时型需求响应收益模型。
相应地，本发明还提供一种虚拟电厂可中断负荷的决策装置，包括：可中断负荷模块、双层优化模型模块、可中断负荷改造决策模块和求解模块；
所述可中断负荷模块，用于根据可中断负荷在需求响应市场中的需求响应、现货市场电价，构建虚拟电厂的可中断负荷模型；
所述双层优化模型模块，用于根据所述可中断负荷模型，以及虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，构建虚拟电厂可中断负荷改造决策的双层优化模型；其中，所述双层优化模型包括：优化虚拟电厂运营期内净收益的上层优化模型和优化虚拟电厂可中断负荷调度策略的下层优化模型；
所述可中断负荷改造决策模块，用于根据所述虚拟电厂可中断负荷改造决策的双层优化模型，以虚拟电厂运行期内净收益为最大目标，构建虚拟电厂可中断负荷改造决策的目标函数；
所述求解模块，用于根据遗传算法和混合整数性优化算法，对所述虚拟电厂可中断负荷改造决策的目标函数进行求解，得到可中断负荷改造的决策方案。
作为优选方案，所述根据可中断负荷在需求响应市场中的需求响应、现货市场电价，构建虚拟电厂的可中断负荷模型，具体为：
根据可中断负荷在需求响应市场中的日内实时需求响应、价格型需求响应、日前邀约型需求响应以及负荷值，构建虚拟电厂的可中断负荷模型的特征方程：
其中，Pi为第i个可中断负荷的典型负荷值；
为第i个可中断负荷能否参与需求响应市场中的日内实时需求响应；
为表示第i个可中断负荷是否参与价格型和日前邀约型需求响应改造；
为表示第i个可中断负荷是否参与价格型、日前邀约型、日内实时型需求响应改造。
作为优选方案，所述根据所述可中断负荷模型，以及虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，构建虚拟电厂可中断负荷改造决策的双层优化模型，具体为：
根据可中断负荷改造投资成本、虚拟电厂运维成本和预设虚拟电厂收益模型，构建虚拟电厂可中断负荷改造的上层优化模型；
根据可中断负荷模型和预设虚拟电厂收益模型，构建虚拟电厂可中断负荷改造的下层优化模型；
根据所述可中断负荷模型和可中断负荷容量，分别建立上层优化模型与下层优化模型的约束条件，从而完成对虚拟电厂可中断负荷改造决策的双层优化模型的构建。
作为优选方案，所述上层优化模型的目标函数为：
其中，TVPP为虚拟电厂运营周期，时间尺度为年；Fe,t、Fd,t、Fh,t、Coperation,t分别表示第t年虚拟电厂的价格型需求响应收益、日前邀约型需求响应收益、日内实时型需求响应收益、运行成本，Fe,t、Fd,t、Fh,t均为下层优化结果。
作为优选方案，所述下层优化模型的目标函数为：max{Fe,t+Fd,t+Fh,t},t∈TVPP；其中，Fe,t、Fd,t、Fh,t分别表示第t年虚拟电厂的价格型需求响应收益、日前邀约型需求响应收益、日内实时型需求响应收益。
作为优选方案，所述上层优化模型的约束条件包括：可中断负荷容量约束、可中断负荷改造成本约束和税务成本约束；
所述下层优化模型的约束条件包括：价格型与日前邀约型联合需求响应资源约束、日内实时型需求响应资源约束。
作为优选方案，所述预设虚拟电厂收益模型的构建方法，包括：
根据虚拟电厂的购售电电价、虚拟电厂参与需求响应补偿电价、虚拟电厂负荷需求数据，分别构建价格型需求响应收益模型、日前邀约型需求响应收益模型和日内实时型需求响应收益模型；其中，所述虚拟电厂收益模型包括价格型需求响应收益模型、日前邀约型需求响应收益模型和日内实时型需求响应收益模型。
相应地，本发明还提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上任一项所述的虚拟电厂可中断负荷的决策方法。
相应地，本发明还提供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包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上任一项所述的虚拟电厂可中断负荷的决策方法。
相比于现有技术，本发明实施例具有如下有益效果：
本发明的技术方案通过可中断负荷在需求响应市场中的需求响应、现货市场电价，来构建虚拟电厂的可中断负荷模型，进而再通过虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，从而构建出虚拟电厂可中断负荷改造决策的双层优化模型，避免了虚拟电厂可中断负荷改造投资决策方面的研究往往仅考虑经济因素，考虑因素较为单一，从而导致资源利用率低的问题，同时以虚拟电厂运行期内净收益为最大目标，构建虚拟电厂可中断负荷改造决策的目标函数后进行求解，进而得到结合可中断负荷、运行成本和收益等关键因素的可中断负荷改造决策方案，确保了可中断负荷改造决策方案的准确性和可行性，减少了对电网稳定性造成的影响，进而提高了虚拟电厂运行的经济性。
附图说明
图1：为本发明实施例所提供的一种虚拟电厂可中断负荷的决策方法的步骤流程图；
图2：为本发明实施例所提供的一种虚拟电厂可中断负荷的决策装置的结构示意图。
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作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。
虚拟电厂：虚拟电厂是当前国家开展新型电力系统建设，实现碳达峰、碳中和目标的一个重要建设方向，虚拟电厂在破解清洁能源消纳难题、绿色能源转型方面将发挥重要作用，它能够提升能源服务，实现对分布式能源的响应分配、灵活潜力挖掘、多元负荷预测、实时协调控制，参与电力交易市场和需求响应。虚拟电厂和需求侧响应比较相似，本质内涵也比较一致，尤其是虚拟电厂参与日前邀约需求响应实现削峰的目的时，表面特征比较类似。
实施例一
请参照图1，为本发明实施例提供的一种虚拟电厂可中断负荷的决策方法，包括以下步骤S101－S104：
S101：根据可中断负荷在需求响应市场中的需求响应、现货市场电价，构建虚拟电厂的可中断负荷模型。
作为本实施例的优选方案，所述根据可中断负荷在需求响应市场中的需求响应、现货市场电价，构建虚拟电厂的可中断负荷模型，具体为：
根据可中断负荷在需求响应市场中的日内实时需求响应、价格型需求响应、日前邀约型需求响应以及负荷值，构建虚拟电厂的可中断负荷模型的特征方程：
其中，Pi为第i个可中断负荷的典型负荷值；
为第i个可中断负荷能否参与需求响应市场中的日内实时需求响应；
为表示第i个可中断负荷是否参与价格型和日前邀约型需求响应改造；
为表示第i个可中断负荷是否参与价格型、日前邀约型、日内实时型需求响应改造。
需要说明的是，
均为0－1变量(零一变量)，示例性地，当
为0时，第i个可中断负荷不能参与需求响应市场中的日内实时需求响应；当
为1时，第i个可中断负荷能够参与需求响应市场中的日内实时需求响应；当
为0时，表示第i个可中断负荷没有参与价格型和日前邀约型需求响应改造；当
为1时，表示第i个可中断负荷参与价格型和日前邀约型需求响应改造；当
为0时，表示第i个可中断负荷没有参与价格型、日前邀约型、日内实时型需求响应改造；当
为1时，表示第i个可中断负荷参与价格型、日前邀约型、日内实时型需求响应改造。并且，当
时表明该可中断负荷即使参与改造也无法参与日内实时需求响应。
可以理解的是，通过可中断负荷在需求响应市场中的日内实时需求响应、价格型需求响应、日前邀约型需求响应以及负荷值，能够构建反映可中断负荷进行各种需求响应的状态，以使得后续能够在对双层优化模型的约束中进行条件约束，以确保决策过程的合理性和可执行性。
S102：根据所述可中断负荷模型，以及虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，构建虚拟电厂可中断负荷改造决策的双层优化模型；其中，所述双层优化模型包括：优化虚拟电厂运营期内净收益的上层优化模型和优化虚拟电厂可中断负荷调度策略的下层优化模型。
作为本实施例的优选方案，所述根据所述可中断负荷模型，以及虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，构建虚拟电厂可中断负荷改造决策的双层优化模型，具体为：
根据可中断负荷改造投资成本、虚拟电厂运维成本和预设虚拟电厂收益模型，构建虚拟电厂可中断负荷改造的上层优化模型；根据可中断负荷模型和预设虚拟电厂收益模型，构建虚拟电厂可中断负荷改造的下层优化模型；根据所述可中断负荷模型和所述可中断负荷容量，分别建立上层优化模型与下层优化模型的约束条件，从而完成对虚拟电厂可中断负荷改造决策的双层优化模型的构建。
作为本实施例的优选方案，所述上层优化模型的目标函数为：
其中，TVPP为虚拟电厂运营周期，时间尺度为年；Fe,t、Fd,t、Fh,t、Coperation,t分别表示第t年虚拟电厂的价格型需求响应收益、日前邀约型需求响应收益、日内实时型需求响应收益、运行成本，Fe,t、Fd,t、Fh,t均为下层优化结果。
进一步地，所述上层优化模型的约束条件包括：可中断负荷容量约束、可中断负荷改造成本约束和税务成本约束。
在本实施例中，可中断负荷容量约束包括价格型和日前邀约型需求响应资源约束、日内实时型需求响应资源约束。其中，价格型和日前邀约型需求响应资源约束：
为虚拟电厂可调度的价格型和日前邀约型需求响应可中断负荷总量。日内实时型需求响应资源约束：
为虚拟电厂可调度的日内实时型需求响应可中断负荷总量。
可中断负荷改造成本约束：
ns为虚拟电厂所聚合的可中断负荷资源数量，
为可中断负荷参与日内实时型需求响应的单位容量改造成本，
为可中断负荷参与价格型和日前邀约型需求响应的单位容量改造成本。
税务成本约束包括增值税计算、附加税计算和所得税计算。增值税计算方法：CVAT,t＝λVAT(Fe,t+Fd,t+Fh,t),t∈TVPP；式中，λVAT,t表示增值税率。
附加税计算方法：CAT,t＝λATCVAT,t,t∈TVPP；式中，λAT表示附加税率。
所得税计算方法：CIT,t＝λIT(Fe,t+Fd,t+Fh,t-CVAT,t-CAT,t-Coperation,t)；式中，λIT表示所得税率。
作为本实施例的优选方案，所述下层优化模型的目标函数为：max{Fe,t+Fd,t+Fh,t},t∈TVPP；其中，Fe,t、Fd,t、Fh,t分别表示第t年虚拟电厂的价格型需求响应收益、日前邀约型需求响应收益、日内实时型需求响应收益。
进一步地，所述下层优化模型的约束条件包括：价格型与日前邀约型联合需求响应资源约束、日内实时型需求响应资源约束。
在本实施例中，价格型和日前邀约型需求响应资源约束：
为虚拟电厂可调度的价格型和日前邀约型需求响应可中断负荷总量。
日内实时型需求响应资源约束：
为虚拟电厂可调度的日内实时型需求响应可中断负荷总量。
需要说明的是，约束条件还包括：虚拟电厂购售电电价、虚拟电厂参与需求响应补偿电价、虚拟电厂负荷需求数据等。
作为本实施例的优选方案，所述预设虚拟电厂收益模型的构建方法，包括：
根据虚拟电厂的购售电电价、虚拟电厂参与需求响应补偿电价、虚拟电厂负荷需求数据，分别构建价格型需求响应收益模型、日前邀约型需求响应收益模型和日内实时型需求响应收益模型；其中，所述虚拟电厂收益模型包括价格型需求响应收益模型、日前邀约型需求响应收益模型和日内实时型需求响应收益模型。
在本实施例中，通过虚拟电厂购售电电价、虚拟电厂参与需求响应补偿电价、虚拟电厂负荷需求数据等信息，构建预设虚拟电厂的收益模型；其中，价格型需求响应收益模型为：
其中，Et为电能量市场电价；T1为可中断负荷原本运行时段，时间尺度为1h；T2为可中断负荷参与价格型需求响应后的运行时段；ne为可参与价格型需求响应的可中断负荷数量；
为可中断负荷i是否参与价格型需求响应，为0－1变量，
为可中断负荷i在价格型需求响应中的调度成本。
进一步地，日前邀约型需求响应收益模型为：
其中，Dt为日前邀约型需求响应价格，Td为日前邀约型需求响应时段，nd为参与日前邀约型需求响应的可中断负荷数量；
为可中断负荷是否参与日前邀约型需求响应，为0－1变量(零一变量)，
为可中断负荷i在日前邀约型需求响应中的调度成本。
进一步地，日内实时型需求响应收益模型为：
其中，Ht为日内实时型需求响应价格；Th为日内实时型需求响应时段；nh为参与日内实时型需求响应的可中断负荷数量；
为可中断负荷是否参与日内实时型需求响应，为0－1变量(零一变量)，
为可中断负荷i在日内实时型需求响应中的调度成本。
S103：根据所述虚拟电厂可中断负荷改造决策的双层优化模型，以虚拟电厂运行期内净收益为最大目标，构建虚拟电厂可中断负荷改造决策的目标函数。
可以理解的是，通过以虚拟电厂运行期内净收益为最大目标，以及步骤S102中的约束条件，能够将虚拟电厂可中断负荷改造决策的双层优化模型对应的目标函数进行构建，进而确保该目标函数能够处于净收益为最大，同时确保目标函数得到的可中断负荷容量能够与之平衡，
S104：根据遗传算法和混合整数性优化算法，对所述虚拟电厂可中断负荷改造决策的目标函数进行求解，得到可中断负荷改造的决策方案。
需要说明的是，可中断负荷改造的决策方案主要是针对可中断负荷的数量、运行时段、可中断负荷总量、价格型需求响应收益、日前邀约型需求响应收益、日内实时型需求响应收益、运行成本等的设置，以使得所得到可中断负荷改造的决策方案能够确保可中断负荷需求响应资源与经济关系之间的平衡程度，提高虚拟电厂运行经济性。
可以理解的是，遗传算法和混合整数性优化算法常见的搜索最优解算法，能够大幅提高对目标函数的计算效率，同时由于步骤S101－S103中已经对目标函数进行约束与目标的设置，以使得在进行可中断负荷改造决策的目标函数求解时，能够准确且快速地得到可中断负荷改造决策方案。
实施以上实施例，具有如下效果：
本发明的技术方案通过可中断负荷在需求响应市场中的需求响应、现货市场电价，来构建虚拟电厂的可中断负荷模型，进而再通过虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，从而构建出虚拟电厂可中断负荷改造决策的双层优化模型，避免了虚拟电厂可中断负荷改造投资决策方面的研究往往仅考虑经济因素，考虑因素较为单一，从而导致资源利用率低的问题，同时以虚拟电厂运行期内净收益为最大目标，构建虚拟电厂可中断负荷改造决策的目标函数后进行求解，进而得到结合可中断负荷、运行成本和收益等关键因素的可中断负荷改造决策方案，确保了可中断负荷改造决策方案的准确性和可行性，减少了对电网稳定性造成的影响，进而提高了虚拟电厂运行的经济性。
实施例二
请参阅图2，其为本发明所提供一种虚拟电厂可中断负荷的决策装置，包括：可中断负荷模块201、双层优化模型模块202、可中断负荷改造决策模块203和求解模块204。
所述可中断负荷模块201，用于根据可中断负荷在需求响应市场中的需求响应、现货市场电价，构建虚拟电厂的可中断负荷模型。
所述双层优化模型模块202，用于根据所述可中断负荷模型，以及虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，构建虚拟电厂可中断负荷改造决策的双层优化模型；其中，所述双层优化模型包括：优化虚拟电厂运营期内净收益的上层优化模型和优化虚拟电厂可中断负荷调度策略的下层优化模型。
所述可中断负荷改造决策模块203，用于根据所述虚拟电厂可中断负荷改造决策的双层优化模型，以虚拟电厂运行期内净收益为最大目标，构建虚拟电厂可中断负荷改造决策的目标函数。
所述求解模块204，用于根据遗传算法和混合整数性优化算法，对所述虚拟电厂可中断负荷改造决策的目标函数进行求解，得到可中断负荷改造的决策方案。
作为优选方案，所述根据可中断负荷在需求响应市场中的需求响应、现货市场电价，构建虚拟电厂的可中断负荷模型，具体为：
根据可中断负荷在需求响应市场中的日内实时需求响应、价格型需求响应、日前邀约型需求响应以及负荷值，构建虚拟电厂的可中断负荷模型的特征方程：
其中，Pi为第i个可中断负荷的典型负荷值；
为第i个可中断负荷能否参与需求响应市场中的日内实时需求响应；
为表示第i个可中断负荷是否参与价格型和日前邀约型需求响应改造；
为表示第i个可中断负荷是否参与价格型、日前邀约型、日内实时型需求响应改造。
作为优选方案，所述根据所述可中断负荷模型，以及虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，构建虚拟电厂可中断负荷改造决策的双层优化模型，具体为：
根据可中断负荷改造投资成本、虚拟电厂运维成本和预设虚拟电厂收益模型，构建虚拟电厂可中断负荷改造的上层优化模型；根据可中断负荷模型和预设虚拟电厂收益模型，构建虚拟电厂可中断负荷改造的下层优化模型；根据所述可中断负荷模型和可中断负荷容量，分别建立上层优化模型与下层优化模型的约束条件，从而完成对虚拟电厂可中断负荷改造决策的双层优化模型的构建。
作为优选方案，所述上层优化模型的目标函数为：
其中，TVPP为虚拟电厂运营周期，时间尺度为年；Fe,t、Fd,t、Fh,t、Coperation,t分别表示第t年虚拟电厂的价格型需求响应收益、日前邀约型需求响应收益、日内实时型需求响应收益、运行成本，Fe,t、Fd,t、Fh,t均为下层优化结果。
作为优选方案，所述下层优化模型的目标函数为：max{Fe,t+Fd,t+Fh,t},t∈TVPP；其中，Fe,t、Fd,t、Fh,t分别表示第t年虚拟电厂的价格型需求响应收益、日前邀约型需求响应收益、日内实时型需求响应收益。
作为优选方案，所述上层优化模型的约束条件包括：可中断负荷容量约束、可中断负荷改造成本约束和税务成本约束；所述下层优化模型的约束条件包括：价格型与日前邀约型联合需求响应资源约束、日内实时型需求响应资源约束。
作为优选方案，所述预设虚拟电厂收益模型的构建方法，包括：
根据虚拟电厂的购售电电价、虚拟电厂参与需求响应补偿电价、虚拟电厂负荷需求数据，分别构建价格型需求响应收益模型、日前邀约型需求响应收益模型和日内实时型需求响应收益模型；其中，所述虚拟电厂收益模型包括价格型需求响应收益模型、日前邀约型需求响应收益模型和日内实时型需求响应收益模型。
所属领域的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
实施以上实施例，具有如下效果：
本发明的技术方案通过可中断负荷在需求响应市场中的需求响应、现货市场电价，来构建虚拟电厂的可中断负荷模型，进而再通过虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，从而构建出虚拟电厂可中断负荷改造决策的双层优化模型，避免了虚拟电厂可中断负荷改造投资决策方面的研究往往仅考虑经济因素，考虑因素较为单一，从而导致资源利用率低的问题，同时以虚拟电厂运行期内净收益为最大目标，构建虚拟电厂可中断负荷改造决策的目标函数后进行求解，进而得到结合可中断负荷、运行成本和收益等关键因素的可中断负荷改造决策方案，确保了可中断负荷改造决策方案的准确性和可行性，减少了对电网稳定性造成的影响，进而提高了虚拟电厂运行的经济性。
实施例三
相应地，本发明还提供一种终端设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上任意一项实施例所述的虚拟电厂可中断负荷的决策方法。
该实施例的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序、计算机指令。所述处理器执行所述计算机程序时实现上述实施例一中的各个步骤，例如图1所示的步骤S101至S104。或者，所述处理器执行所述计算机程序时实现上述装置实施例中各模块/单元的功能，例如可中断负荷改造决策模块203。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。例如，所述可中断负荷改造决策模块203，用于根据所述虚拟电厂可中断负荷改造决策的双层优化模型，以虚拟电厂运行期内净收益为最大目标，构建虚拟电厂可中断负荷改造决策的目标函数。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，示意图仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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、分立硬件组件等。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，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现终端设备的各种功能。所述存储器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等；存储数据区可存储根据移动终端的使用所创建的数据等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read－Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
实施例四
相应地，本发明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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任意一项实施例所述的虚拟电厂可中断负荷的决策方法。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种虚拟电厂可中断负荷的决策方法，其特征在于，包括：
根据可中断负荷在需求响应市场中的需求响应、现货市场电价，构建虚拟电厂的可中断负荷模型；
根据所述可中断负荷模型，以及虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，构建虚拟电厂可中断负荷改造决策的双层优化模型；其中，所述双层优化模型包括：优化虚拟电厂运营期内净收益的上层优化模型和优化虚拟电厂可中断负荷调度策略的下层优化模型；
根据所述虚拟电厂可中断负荷改造决策的双层优化模型，以虚拟电厂运行期内净收益为最大目标，构建虚拟电厂可中断负荷改造决策的目标函数；
根据遗传算法和混合整数性优化算法，对所述虚拟电厂可中断负荷改造决策的目标函数进行求解，得到可中断负荷改造的决策方案。
2.如权利要求1所述的一种虚拟电厂可中断负荷的决策方法，其特征在于，所述根据可中断负荷在需求响应市场中的需求响应、现货市场电价，构建虚拟电厂的可中断负荷模型，具体为：
根据可中断负荷在需求响应市场中的日内实时需求响应、价格型需求响应、日前邀约型需求响应以及负荷值，构建虚拟电厂的可中断负荷模型的特征方程：
其中，Pi为第i个可中断负荷的典型负荷值；
为第i个可中断负荷能否参与需求响应市场中的日内实时需求响应；
为表示第i个可中断负荷是否参与价格型和日前邀约型需求响应改造；
为表示第i个可中断负荷是否参与价格型、日前邀约型、日内实时型需求响应改造。
3.如权利要求2所述的一种虚拟电厂可中断负荷的决策方法，其特征在于，所述根据所述可中断负荷模型，以及虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，构建虚拟电厂可中断负荷改造决策的双层优化模型，具体为：
根据可中断负荷改造投资成本、虚拟电厂运维成本和预设虚拟电厂收益模型，构建虚拟电厂可中断负荷改造的上层优化模型；
根据可中断负荷模型和预设虚拟电厂收益模型，构建虚拟电厂可中断负荷改造的下层优化模型；
根据所述可中断负荷模型以及可中断负荷容量，分别建立上层优化模型与下层优化模型的约束条件，从而完成对虚拟电厂可中断负荷改造决策的双层优化模型的构建。
4.如权利要求3所述的一种虚拟电厂可中断负荷的决策方法，其特征在于，所述上层优化模型的目标函数为：
其中，TVPP为虚拟电厂运营周期，时间尺度为年；Fe,t、Fd,t、Fh,t、Coperation,t分别表示第t年虚拟电厂的价格型需求响应收益、日前邀约型需求响应收益、日内实时型需求响应收益、运行成本，Fe,t、Fd,t、Fh,t均为下层优化结果。
5.如权利要求3所述的一种虚拟电厂可中断负荷的决策方法，其特征在于，所述下层优化模型的目标函数为：max{Fe,t+Fd,t+Fh,t},t∈TVPP；其中，Fe,t、Fd,t、Fh,t分别表示第t年虚拟电厂的价格型需求响应收益、日前邀约型需求响应收益、日内实时型需求响应收益。
6.如权利要求3所述的一种虚拟电厂可中断负荷的决策方法，其特征在于，所述上层优化模型的约束条件包括：可中断负荷容量约束、可中断负荷改造成本约束和税务成本约束；
所述下层优化模型的约束条件包括：价格型与日前邀约型联合需求响应资源约束、日内实时型需求响应资源约束。
7.如权利要求3所述的一种虚拟电厂可中断负荷的决策方法，其特征在于，所述预设虚拟电厂收益模型的构建方法，包括：
根据虚拟电厂的购售电电价、虚拟电厂参与需求响应补偿电价、虚拟电厂负荷需求数据，分别构建价格型需求响应收益模型、日前邀约型需求响应收益模型和日内实时型需求响应收益模型；其中，所述虚拟电厂收益模型包括价格型需求响应收益模型、日前邀约型需求响应收益模型和日内实时型需求响应收益模型。
8.一种虚拟电厂可中断负荷的决策装置，其特征在于，包括：可中断负荷模块、双层优化模型模块、可中断负荷改造决策模块和求解模块；
所述可中断负荷模块，用于根据可中断负荷在需求响应市场中的需求响应、现货市场电价，构建虚拟电厂的可中断负荷模型；
所述双层优化模型模块，用于根据所述可中断负荷模型，以及虚拟电厂的可中断负荷改造成本、可中断负荷容量与虚拟电厂收益，构建虚拟电厂可中断负荷改造决策的双层优化模型；其中，所述双层优化模型包括：优化虚拟电厂运营期内净收益的上层优化模型和优化虚拟电厂可中断负荷调度策略的下层优化模型；
所述可中断负荷改造决策模块，用于根据所述虚拟电厂可中断负荷改造决策的双层优化模型，以虚拟电厂运行期内净收益为最大目标，构建虚拟电厂可中断负荷改造决策的目标函数；
所述求解模块，用于根据遗传算法和混合整数性优化算法，对所述虚拟电厂可中断负荷改造决策的目标函数进行求解，得到可中断负荷改造的决策方案。
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1－7中任一项所述的虚拟电厂可中断负荷的决策方法。
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包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1－7中任一项所述的虚拟电厂可中断负荷的决策方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211534484.9A CN115986755A (zh) | 2022-12-01 | 2022-12-01 | 一种虚拟电厂可中断负荷的决策方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211534484.9A CN115986755A (zh) | 2022-12-01 | 2022-12-01 | 一种虚拟电厂可中断负荷的决策方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115986755A true CN115986755A (zh) | 2023-04-18 |
Family
ID=85971320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211534484.9A Pending CN115986755A (zh) | 2022-12-01 | 2022-12-01 | 一种虚拟电厂可中断负荷的决策方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115986755A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118070988A (zh) * | 2024-04-25 | 2024-05-24 | 国网山东省电力公司营销服务中心(计量中心) | 虚拟电厂分布式光伏储能系统配置优化方法及装置 |
-
2022
- 2022-12-01 CN CN202211534484.9A patent/CN115986755A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118070988A (zh) * | 2024-04-25 | 2024-05-24 | 国网山东省电力公司营销服务中心(计量中心) | 虚拟电厂分布式光伏储能系统配置优化方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dong et al. | Decentralized peer-to-peer energy trading strategy in energy blockchain environment: A game-theoretic approach | |
| Grimm et al. | Optimal design of retailer-prosumer electricity tariffs using bilevel optimization | |
| Zaidi et al. | Combinatorial auctions for energy storage sharing amongst the households | |
| Guo et al. | Risk-based traded demand response between consumers’ aggregator and retailer using downside risk constraints technique | |
| CN110516832B (zh) | 可再生能源跨区域消纳的备用出清方法、装置及电子设备 | |
| Liu et al. | The impact of China's electricity price deregulation on coal and power industries: Two-stage game modeling | |
| CN110135761A (zh) | 供用电需求侧响应负荷调节交易方法、系统及终端设备 | |
| Tao et al. | Renewable energy certificates and electricity trading models: Bi-level game approach | |
| Teixeira et al. | Single-unit and multi-unit auction framework for peer-to-peer transactions | |
| CN115986755A (zh) | 一种虚拟电厂可中断负荷的决策方法及装置 | |
| CN113722882A (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 | |
| Fridgen et al. | The search for the perfect match: Aligning power-trading products to the energy transition | |
| CN112132309A (zh) | 可再生能源发电配额制下售电公司购售电优化方法和系统 | |
| Gomes et al. | Costless renewable energy distribution model based on cooperative game theory for energy communities considering its members’ active contributions | |
| Mochi et al. | Empowering customers in local electricity market: A prosumer segmentation and operating envelope strategy for joint cost reduction and profit maximization | |
| Noorfatima et al. | Development of community-based peer-to-peer energy trading mechanism using Z-bus network cost allocation | |
| CN113793034A (zh) | 不同配额制完成方式下售电公司收益的研究方法 | |
| Talari et al. | The role of various market participants in blockchain business model | |
| Feng et al. | A robust optimization model for multiple electricity retailers based on electricity trading in the presence of demand response program | |
| CN108960500A (zh) | 电池能量存储系统的控制方法及电子装置 | |
| Johnston et al. | Platform for trading flexibility on the distribution network: a UK case study | |
| Nieto-Martin et al. | Community energy retail tariffs in Singapore: Opportunities for peer-to-peer and time-of-use versus vertically integrated tariffs | |
| Zhang et al. | A bi-level framework for interactive competition and CPPs-based demand response | |
| Devine et al. | Blockchain electricity trading using tokenised power delivery contracts | |
| CN110135939A (zh) | 一种电力市场的发电竞价方法、装置及设备 |
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 |