CN116316800A - Vpp优化调度模型风光出力场景生成方法 - Google Patents

Vpp优化调度模型风光出力场景生成方法 Download PDF

Info

Publication number
CN116316800A
CN116316800A CN202211548615.9A CN202211548615A CN116316800A CN 116316800 A CN116316800 A CN 116316800A CN 202211548615 A CN202211548615 A CN 202211548615A CN 116316800 A CN116316800 A CN 116316800A
Authority
CN
China
Prior art keywords
wind
load
wind speed
correlation
function
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
CN202211548615.9A
Other languages
English (en)
Inventor
师阳
张先进
毕书博
周鑫鑫
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.)
Nantong Textile Vocational Technology College
Original Assignee
Nantong Textile Vocational Technology College
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 Nantong Textile Vocational Technology College filed Critical Nantong Textile Vocational Technology College
Priority to CN202211548615.9A priority Critical patent/CN116316800A/zh
Publication of CN116316800A publication Critical patent/CN116316800A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy

Abstract

本发明公开一种VPP优化调度模型风光出力场景生成方法。本发明通过构建虚拟电厂能源系统模型，通过补偿费用的方式来引导用户侧的柔性负荷改变其运行方式，柔性负荷包含可转移负荷与可中断负荷，其中，虚拟电厂在发电侧聚合热电联产发电机组、风力发电机组、光伏发电机组、电锅炉、储能系统、电动汽车参与电力市场交易，并与电动汽车用户、一级用户和二级用户签订双边交易协议；根据不同时刻风速、光照强度相关性，利用Student‑T Copula函数生成虚拟电厂能源系统模型的风光发电场景，可解决热电互联虚拟电厂优化调度模型构建中，无法应对WP、PV发电的不确定性和随机性的问题。

Description

VPP优化调度模型风光出力场景生成方法
技术领域
本发明涉及电力技术领域，尤其涉及一种VPP优化调度模型风光出力场景生成方法。
背景技术
面对传统电力生产带来的环境问题，以太阳能、风能和燃料电池为能源的分布式发电已逐渐被公认为是满足未来能源需求的可靠、清洁的发电方式。而随着新能源发电在电网中的渗透率的逐渐增加，新能源发电具备的不确定性和波动性对电力系统带来了很大的干扰，而且由于区域内部消纳能力不足，弃风弃光现象严重。目前业内通过建设虚拟电厂(Virtual Power Plant,VPP)和多能互补等措施，提高分布式新能源的友好并网水平，促进清洁能源消纳。针对VPP内部进行协调控制，可以有效降低分布式发电的不确定性对电力系统造成的影响，进而提高分布式能源的消纳能力，提高VPP的经济效益。需求响应(DemandResponse,DR)用于实现系统负荷平衡管理，削峰填谷，具有较短的响应周期和较低的成本。
目前，在DR对VPP的优化调度研究中，使用的DR模型大多为价格型需求响应，文献“张立辉,辛禾,李秋燕,等.考虑需求响应的风光燃储集成虚拟电厂双层随机调度优化模型[J].可再生能源,2017,35(10):1514-1522”建立了一种风电并网系统分布式VPP的双层经济调度优化模型，得出价格型需求响应可以调度用户负荷，对负荷曲线进行削峰填谷，但是其“削峰”能力弱于激励型需求响应(Incentive Demand Response,IDR)。但目前业内对IDR研究较少，不够深入，由于分布式能源具有不确定性，现有技术中无法应对WP、PV发电的不确定性和随机性。现有技术对于分布式能源的不确定性建模方法仍需进一步探索。
发明内容
本发明的目的在于提供一种VPP优化调度模型风光出力场景生成方法，以解决热电互联虚拟电厂优化调度模型构建中，无法应对WP、PV发电的不确定性和随机性的问题。
本发明提供一种VPP优化调度模型风光出力场景生成方法，其特征在于，包括：
构建虚拟电厂能源系统模型，通过补偿费用的方式来引导用户侧的柔性负荷改变其运行方式，柔性负荷包含可转移负荷与可中断负荷，其中，虚拟电厂在发电侧聚合热电联产发电机组、风力发电机组、光伏发电机组、电锅炉、储能系统、电动汽车参与电力市场交易，并与电动汽车用户、一级用户和二级用户签订双边交易协议；
根据不同时刻风速、光照强度相关性，利用Student-T Copula函数生成虚拟电厂能源系统模型的风光发电场景。
进一步地，可转移负荷的数学模型与补偿费用表示如下：
Figure SMS_1
Figure SMS_2
式中，
Figure SMS_3
——分别为d级负荷在时刻t的转移负荷前、后的负荷；T——总调度周期；p(t,t’)——从t时刻转移到t’时刻的负荷量；σ1、σ2——可转移负荷补偿费用的基本补偿费用与用户舒适度补偿费用；Tmax——最大转移时间间隔；CDR1——可转移负荷总补偿费用。
进一步地，可中断负荷的数学模型以及补偿费用分别为：
Figure SMS_4
Figure SMS_5
式中，P′load,d,t——d级负荷中断负荷后的负荷总量；CDR2——中断负荷补偿成本；PDR,d,t——第d级负荷中断量；
Figure SMS_6
——第d级负荷的中断量补偿电价。
进一步地，根据不同时刻风速、光照强度相关性，利用Student-T Copula函数得到虚拟电厂能源系统模型的风光发电场景，包括：
基于相关矩阵、特征值和尾部相关系数判定不同时刻风速数据、光照强度的相关性；
利用对数似然估计法确定Student-T Copula函数的参数；
利用Student-T Copula函数生成多个场景集。
进一步地，基于相关矩阵、特征值和尾部相关系数判定不同时刻风速数据、光照强度的相关性，包括：
计算各变量之间的相关矩阵C，相关矩阵C反映不同时段的风速、光照强度的相关性；其中，历史风速如下式表示：
Figure SMS_7
式中，vi(j)——第i天第j时刻的风速；
将风速带入下式可以求出相关矩阵C的元素：
Figure SMS_8
Figure SMS_9
式中，Mi、σi——第i个随机变量的均值和标准差；cij＝1时，表示第i时刻和第j时刻的风速具有完全相关性，cij＝-1时，表示在第j时刻第i个风速具有完全反向相关性；矩阵C的特征值定义为：
Cwi＝λiwi (8)
式中，λi——特征值；wi——对应于特征值λi的特征向量。
进一步地，所述方法还包括：
假设X＝{X1,X2,…Xd}为d维度,其中第i个变量的概率密度用Fi表示；I＝{1,2,…d}和它的两个非空子集Ih、
Figure SMS_10
其中/>
Figure SMS_11
和/>
Figure SMS_12
有h≥1和d-h≥1的基数；
根据下式求取上尾相关系数和下尾相关系数：
Figure SMS_13
Figure SMS_14
式中，
Figure SMS_15
——分别为上尾相关系数和下尾相关系数；P(·)——概率值；u——属于集合I的任意数值，得到风速数据的上下尾系数都不为零，不同时刻风速具有上下尾依赖性。
进一步地，利用对数似然估计法确定Student-T Copula函数的参数，包括：
由标量引入，根据标量定理，累计分布函数为：
F(x1,x2,…,xn)＝Cop(F1(x1),F2(x2),..,Fn(xn)) (11)
式中，Fi(xi)——随机变量xi的累计分布函数，Cop——Copula函数；
利用两阶段极大对数似然法计算Student-T Copula函数参数；其中对数似然函数为：
Figure SMS_16
第一阶段：
Figure SMS_17
第二阶段：
Figure SMS_18
式中，L(·)——对数似然函数；δi——边缘概率密度函数参数；c——copula概率密度函数；参数α的向量可在一个阶段内计算；FXd——第d个变量的边缘累计分布函数；θ——copula函数；fi为边缘概率密度函数。
进一步地，利用Student-T Copula函数生成多个场景集，包括：
假设第i小时的风速为vi，通过式(13)得到fi(vi；δi)的边缘分布函数；
计算ui＝Fi(vi)将风速数据转换为均匀变量，其中Fi为变量Xi的累计分布函数，ui值落在[0,1]范围内；
通过MATLAB中的Copula生成与估计工具箱利用式(14)估计Copula函数参数；
使用Student-T Copula函数生成N个场景；
利用式(15)、(16)得到WP功率、PV功率；
Figure SMS_19
PPV,t＝ηPVSPVρt (16)
式中，gWP,t——WP机组在时刻t的发电；vt——时刻t的预测风速；vin、vout——切入风速和切出风速；vr——额定风速；gr——额定输出功率；PPV,t——PV发电机组在时刻t的出力；ηPV——光伏板光电转换效率；SPV——光伏板面积；ρt——预测光伏辐射强度；
采用同步回代技术，缩减场景数量。
本发明的有益效果如下：本发明提供的VPP优化调度模型风光出力场景生成方法，通过构建虚拟电厂能源系统模型，通过补偿费用的方式来引导用户侧的柔性负荷改变其运行方式，柔性负荷包含可转移负荷与可中断负荷，其中，虚拟电厂在发电侧聚合热电联产发电机组、风力发电机组、光伏发电机组、电锅炉、储能系统、电动汽车参与电力市场交易，并与电动汽车用户、一级用户和二级用户签订双边交易协议；根据不同时刻风速、光照强度相关性，利用Student-T Copula函数生成虚拟电厂能源系统模型的风光发电场景，可解决热电互联虚拟电厂优化调度模型构建中，无法应对WP、PV发电的不确定性和随机性的问题。
附图说明
为了更清楚地说明本发明的技术方案，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，对于本领域普通技术人员而言，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为本发明的VPP优化调度模型风光出力场景生成方法流程图；
图2为虚拟电厂构成示意图；
图3为S102的方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、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。以下结合附图，详细说明本发明各实施例提供的技术方案。
请参阅图1，本发明实施例提供一种VPP优化调度模型风光出力场景生成方法，包括：
S101，构建虚拟电厂能源系统模型，通过补偿费用的方式来引导用户侧的柔性负荷改变其运行方式，柔性负荷包含可转移负荷与可中断负荷，其中，虚拟电厂在发电侧聚合热电联产发电机组、风力发电机组、光伏发电机组、电锅炉、储能系统、电动汽车参与电力市场交易，并与电动汽车用户、一级用户和二级用户签订双边交易协议。
请参阅图2，VPP在发电侧聚合了CHP机组、风力(Wind Power,WP)、光伏(Photovoltaic,PV)、储能系统(Energy Storage System,ESS)、EV，参与电力市场交易，并与EV用户、一级用户和二级用户签订双边交易协议，其中一级用户由电量需求较大的工业和商业负荷组成，其用电高峰相对分散且电价高，二级用户由电量需求较小的居民负荷组成，用电高峰集中且电价低。一级用户和二级用户均由传统负荷和柔性负荷组成，传统负荷不参与VPP调度，必须优先满足，柔性负荷可以参与到IDR中，调整自身用电需求。由于对分布式WP、PV、ESS、电锅炉(Electric Boiler,EB)、EV的建模已有较多文献研究，本申请不再多余赘述。针对北方冬季供暖期能源结构特点，将区域内CHP机组、分布式能源、储能系统以及电转热设备组成VPP，并引导用户侧柔性负荷参与优化调度。
本发明所建立的IDR主要通过补偿费用的方式来引导用户侧的柔性负荷改变其运行方式，进而参与到电热联合系统的优化调度之中。柔性负荷包含可转移负荷与可中断负荷，两者均可以参与DR调度，根据供需情况进行转移与中断，可控程度较高。
可转移负荷是在保证整个调度周期内总负荷量不变的条件下，可以改变其使用时段的负荷。当用户侧的可转移负荷参与到DR中时，VPP需要对转移负荷进行经济补偿。其补偿费用不仅与转移负荷量的大小有关，还应与负荷转移的时间间隔有关，因为优化前后可转移负荷调度间隔越大，会严重影响用户的用电舒适度。
可转移负荷模型与补偿费用表示如下：
Figure SMS_20
Figure SMS_21
式中，
Figure SMS_22
——分别为d级负荷在时刻t的转移负荷前、后的负荷；T——总调度周期；p(t,t’)——从t时刻转移到t’时刻的负荷量；σ1、σ2——可转移负荷补偿费用的基本补偿费用与用户舒适度补偿费用；Tmax——最大转移时间间隔；CDR1——可转移负荷总补偿费用；
与可转移负荷不改变负荷总量不同，可中断负荷可以直接消减负荷总量。可中断负荷的数学模型以及补偿费用分别为：
Figure SMS_23
Figure SMS_24
式中，Plo′ad,d,t——d级负荷中断负荷后的负荷总量；CDR2——中断负荷补偿成本；PDR,d,t——第d级负荷中断量；
Figure SMS_25
——第d级负荷的中断量补偿电价。
S102，根据不同时刻风速、光照强度相关性，利用Student-T Copula函数得到虚拟电厂能源系统模型的风光发电场景。
本申请采用基于Student-T Copula函数的场景生成来应对WP、PV发电的不确定性和随机性。针对分布式能源具有的不确定性，本发明提出一种基于Student-T Copula函数的场景生成方法刻画风光资源的出力特性，从而便于在本发明的基础上，建立计及激励型需求响应的热电互联虚拟电厂优化调度模型。
首先，基于相关矩阵、特征值和尾部相关系数判定不同时刻风速数据、光照强度的相关性。其次，利用对数似然估计法确定Student-T Copula函数的参数。最后，利用Student-T Copula函数生成多个场景集。另外，为简化场景数量，计算方便，采用同步回代技术，缩减场景数量。请参阅图2，具体包括：
S1021，基于相关矩阵、特征值和尾部相关系数判定不同时刻风速数据、光照强度的相关性。
计算各变量之间的相关矩阵C，相关矩阵C反映不同时段的风速、光照强度的相关性；其中，历史风速如下式表示：
Figure SMS_26
式中，vi(j)——第i天第j时刻的风速；
将风速带入下式可以求出相关矩阵C的元素：
Figure SMS_27
Figure SMS_28
式中，Mi、σi——第i个随机变量的均值和标准差；cij＝1时，表示第i时刻和第j时刻的风速具有完全相关性，cij＝-1时，表示在第j时刻第i个风速具有完全反向相关性。矩阵C的特征值定义为：
Cwi＝λiwi (24)
式中，λi——特征值；wi——对应于特征值λi的特征向量。
由于不同时刻风速之间存在依赖关系，所以需要确定尾部依赖的类型。假设X＝{X1,X2,…Xd}为d维度,其中第i个变量的概率密度用Fi表示；I＝{1,2,…d}和它的两个非空子集Ih、
Figure SMS_29
其中/>
Figure SMS_30
和/>
Figure SMS_31
有h≥1和d-h≥1的基数；
根据下式求取上尾相关系数和下尾相关系数：
Figure SMS_32
Figure SMS_33
式中，
Figure SMS_34
——分别为上尾相关系数和下尾相关系数；P(·)——概率值；u——属于集合I的任意数值，得到风速数据的上下尾系数都不为零，不同时刻风速具有上下尾依赖性。
S1022，利用对数似然估计法确定Student-T Copula函数的参数。
上文对数据的分析已经确定风力数据是相关性的，因此需要一个24小时的联合分布函数来产生一个24小时的风力场景。Copula函数是一个将单变量边际值与其全联合分布值联系起来的函数，首先由标量引入，根据标量定理，累计分布函数为：
F(x1,x2,…,xn)＝Cop(F1(x1),F2(x2),..,Fn(xn)) (27)
式中，Fi(xi)——随机变量xi的累计分布函数，Cop——Copula函数。
利用两阶段极大对数似然法计算Student-T Copula函数参数；其中对数似然函数为：
Figure SMS_35
第一阶段：
Figure SMS_36
第二阶段：
Figure SMS_37
式中，L(·)——对数似然函数；δi——边缘概率密度函数参数；c——copula概率密度函数；参数α的向量可在一个阶段内计算；FXd——第d个变量的边缘累计分布函数；θ——copula函数；fi为边缘概率密度函数。
S1023，利用Student-T Copula函数生成多个场景集。
假设第i小时的风速为vi，通过式(13)得到fi(vi；δi)的边缘分布函数；
计算ui＝Fi(vi)将风速数据转换为均匀变量，其中Fi为变量Xi的累计分布函数，ui值落在[0,1]范围内；
通过MATLAB中的Copula生成与估计工具箱利用式(14)估计Copula函数参数。
使用Student-T Copula函数生成N个场景；
利用式(15)、(16)得到WP功率、PV功率；
Figure SMS_38
PPV,t＝ηPVSPVρt (32)
式中，gWP,t——WP机组在时刻t的发电；vt——时刻t的预测风速；vin、vout——切入风速和切出风速；vr——额定风速；gr——额定输出功率；PPV,t——PV发电机组在时刻t的出力；ηPV——光伏板光电转换效率；SPV——光伏板面积；ρt——预测光伏辐射强度；
采用同步回代技术，缩减场景数量。
电锅炉等电转热设备的引入，在电价较低时，分布式能源充沛的情况下，充分利用电能充沛、电价较低而热价较高等特点，通过将电能转化为热能，不仅减少了弃风弃光量，提高了分布式能源的利用效率。在与需求响应的协同优化调度策略中，电锅炉等电转热设备在负荷谷时段增加负荷，进一步使用户负荷曲线平缓，热电联产机组出力波动平缓，充分利用分布式能源，并且减少了虚拟电厂污染物的排放量，提高了虚拟电厂的整体利益。
电转热设备的引入实现了电与热之间的能源转化，提高了能源利用率。通过引入IDR来引导用户侧的柔性负荷进行转移或者中断等需求响应积极参与到优化调度中，平缓了负荷曲线，同电转热设备协同优化，具有较为显著的削峰填谷效应，增强了系统的调节能力。最终实现了资源的优化配置，减少了污染物的排放量，提高了虚拟电厂的整体利益。
本发明实施例还提供一种存储介质，本发明实施例还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现本发明提供的VPP优化调度模型风光出力场景生成方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文：Read-OnlyMemory，简称：ROM)或随机存储记忆体(英文：RandomAccessMemory，简称：RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中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存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。以上所述的本发明实施方式并不构成对本发明保护范围的限定。

Claims (8)

1.一种VPP优化调度模型风光出力场景生成方法，其特征在于，包括：
构建虚拟电厂能源系统模型，通过补偿费用的方式来引导用户侧的柔性负荷改变其运行方式，柔性负荷包含可转移负荷与可中断负荷，其中，虚拟电厂在发电侧聚合热电联产发电机组、风力发电机组、光伏发电机组、电锅炉、储能系统、电动汽车参与电力市场交易，并与电动汽车用户、一级用户和二级用户签订双边交易协议；
根据不同时刻风速、光照强度相关性，利用Student-T Copula函数生成虚拟电厂能源系统模型的风光发电场景。
2.如权利要求1所述的VPP优化调度模型风光出力场景生成方法，其特征在于，可转移负荷的数学模型与补偿费用表示如下：
Figure QLYQS_1
Figure QLYQS_2
式中，
Figure QLYQS_3
——分别为d级负荷在时刻t的转移负荷前、后的负荷；T——总调度周期；p(t,t’)——从t时刻转移到t’时刻的负荷量；σ1、σ2——可转移负荷补偿费用的基本补偿费用与用户舒适度补偿费用；Tmax——最大转移时间间隔；CDR1——可转移负荷总补偿费用。
3.如权利要求2所述的VPP优化调度模型风光出力场景生成方法，其特征在于，可中断负荷的数学模型以及补偿费用分别为：
Figure QLYQS_4
Figure QLYQS_5
式中，Plo′ad,d,t——d级负荷中断负荷后的负荷总量；CDR2——中断负荷补偿成本；PDR,d,t——第d级负荷中断量；
Figure QLYQS_6
——第d级负荷的中断量补偿电价。
4.如权利要求3所述的VPP优化调度模型风光出力场景生成方法，其特征在于，根据不同时刻风速、光照强度相关性，利用Student-T Copula函数得到虚拟电厂能源系统模型的风光发电场景，包括：
基于相关矩阵、特征值和尾部相关系数判定不同时刻风速数据、光照强度的相关性；
利用对数似然估计法确定Student-T Copula函数的参数；
利用Student-T Copula函数生成多个场景集。
5.如权利要求4所述的VPP优化调度模型风光出力场景生成方法，其特征在于，基于相关矩阵、特征值和尾部相关系数判定不同时刻风速数据、光照强度的相关性，包括：
计算各变量之间的相关矩阵C，相关矩阵C反映不同时段的风速、光照强度的相关性；其中，历史风速如下式表示：
Figure QLYQS_7
式中，vi(j)——第i天第j时刻的风速；
将风速带入下式可以求出相关矩阵C的元素：
Figure QLYQS_8
Figure QLYQS_9
式中，Mi、σi——第i个随机变量的均值和标准差；cij＝1时，表示第i时刻和第j时刻的风速具有完全相关性，cij＝-1时，表示在第j时刻第i个风速具有完全反向相关性；矩阵C的特征值定义为：
Cwi＝λiwi (8)
式中，λi——特征值；wi——对应于特征值λi的特征向量。
6.如权利要求5所述的VPP优化调度模型风光出力场景生成方法，其特征在于，所述方法还包括：
假设X＝{X1,X2,…Xd}为d维度,其中第i个变量的概率密度用Fi表示；I＝{1,2,…d}和它的两个非空子集Ih、
Figure QLYQS_10
其中/>
Figure QLYQS_11
和/>
Figure QLYQS_12
有h≥1和d-h≥1的基数；
根据下式求取上尾相关系数和下尾相关系数：
Figure QLYQS_13
Figure QLYQS_14
式中，
Figure QLYQS_15
——分别为上尾相关系数和下尾相关系数；P(·)——概率值；u——属于集合I的任意数值，得到风速数据的上下尾系数都不为零，不同时刻风速具有上下尾依赖性。
7.如权利要求6所述的VPP优化调度模型风光出力场景生成方法，其特征在于，利用对数似然估计法确定Student-T Copula函数的参数，包括：
由标量引入，根据标量定理，累计分布函数为：
F(x1,x2,…,xn)＝Cop(F1(x1),F2(x2),..,Fn(xn)) (11)
式中，Fi(xi)——随机变量xi的累计分布函数，Cop——Copula函数；
利用两阶段极大对数似然法计算Student-T Copula函数参数；其中对数似然函数为：
Figure QLYQS_16
第一阶段：
Figure QLYQS_17
第二阶段：
Figure QLYQS_18
式中，L(·)——对数似然函数；δi——边缘概率密度函数参数；c——copula概率密度函数；参数α的向量可在一个阶段内计算；FXd——第d个变量的边缘累计分布函数；θ——copula函数；fi为边缘概率密度函数。
8.如权利要求7所述的VPP优化调度模型风光出力场景生成方法，其特征在于，利用Student-T Copula函数生成多个场景集，包括：
假设第i小时的风速为vi，通过式(13)得到fi(vi；δi)的边缘分布函数；
计算ui＝Fi(vi)将风速数据转换为均匀变量，其中Fi为变量Xi的累计分布函数，ui值落在[0,1]范围内；
通过MATLAB中的Copula生成与估计工具箱利用式(14)估计Copula函数参数；
使用Student-T Copula函数生成N个场景；
利用式(15)、(16)得到WP功率、PV功率；
Figure QLYQS_19
PPV,t＝ηPVSPVρt (16)
式中，gWP,t——WP机组在时刻t的发电；vt——时刻t的预测风速；vin、vout——切入风速和切出风速；vr——额定风速；gr——额定输出功率；PPV,t——PV发电机组在时刻t的出力；ηPV——光伏板光电转换效率；SPV——光伏板面积；ρt——预测光伏辐射强度；
采用同步回代技术，缩减场景数量。
CN202211548615.9A 2022-12-05 2022-12-05 Vpp优化调度模型风光出力场景生成方法 Pending CN116316800A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211548615.9A CN116316800A (zh) 2022-12-05 2022-12-05 Vpp优化调度模型风光出力场景生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211548615.9A CN116316800A (zh) 2022-12-05 2022-12-05 Vpp优化调度模型风光出力场景生成方法

Publications (1)

Publication Number Publication Date
CN116316800A true CN116316800A (zh) 2023-06-23

Family

ID=86811926

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211548615.9A Pending CN116316800A (zh) 2022-12-05 2022-12-05 Vpp优化调度模型风光出力场景生成方法

Country Status (1)

Country Link
CN (1) CN116316800A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
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

Cited By (2)

* Cited by examiner, † Cited by third party
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

Similar Documents

Publication Publication Date Title
CN108154309B (zh) 计及冷热电多负荷动态响应的能源互联网经济调度方法
CN105591406B (zh) 一种基于非合作博弈的微电网能量管理系统的优化算法
CN110689189B (zh) 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法
Merabet et al. Energy management system for optimal cost and storage utilization of renewable hybrid energy microgrid
CN103151797B (zh) 基于多目标调度模型的并网运行方式下微网能量控制方法
CN109256799B (zh) 一种基于样本熵的新能源电力系统优化调度方法
CN112039056A (zh) 一种新能源两阶段优化调度方法
CN107910863A (zh) 综合考虑光伏出力和负荷需求预测区间的配电网调度方法
CN113792953B (zh) 一种虚拟电厂优化调度方法及系统
Bonthu et al. Minimization of building energy cost by optimally managing PV and battery energy storage systems
CN105515030A (zh) 一种接入电网的电动汽车的有序充电方法
CN110783959A (zh) 一种新能源发电系统的稳定状态控制系统
CN116316800A (zh) Vpp优化调度模型风光出力场景生成方法
CN114462902A (zh) 考虑光热和水势综合储能出力的分布式发电调度方法
CN110165715A (zh) 一种将电动汽车储能式充电站接入虚拟电厂的方法
CN111915161B (zh) 基于可调鲁棒算法的区域光储充系统短期调度方法和系统
CN110224397B (zh) 一种风光接入背景下用户侧电池储能成本效益分析方法
Zhao et al. Research on reliability evaluation of power generation system with solar thermal power
CN115841216A (zh) 计及分布式光伏消纳率的配电网储能优化配置方法
CN114723278A (zh) 一种考虑光伏储能的社区微电网调度方法及系统
CN111899125B (zh) 一种综合能源系统的优化建模运行方法、装置和介质
CN115882460A (zh) 一种考虑需求侧管理的两阶段新能源微电网优化调度方法
CN110474330B (zh) 一种并网式混合能源系统的太阳能投资优化方法
CN107528352A (zh) 一种基于可再生能源高渗透率的配电网有功优化方法
Santos et al. Analysis of the distributed residential energy storage impact on the grid operation

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