CN116544941B - 基于云边协同架构的分布式能源申报策略调控系统及方法 - Google Patents
基于云边协同架构的分布式能源申报策略调控系统及方法 Download PDFInfo
- Publication number
- CN116544941B CN116544941B CN202310481376.8A CN202310481376A CN116544941B CN 116544941 B CN116544941 B CN 116544941B CN 202310481376 A CN202310481376 A CN 202310481376A CN 116544941 B CN116544941 B CN 116544941B
- Authority
- CN
- China
- Prior art keywords
- individual
- energy
- reporting
- distributed energy
- aggregate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000002776 aggregation Effects 0.000 claims abstract description 113
- 238000004220 aggregation Methods 0.000 claims abstract description 113
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 230000001105 regulatory effect Effects 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 14
- 230000004931 aggregating effect Effects 0.000 claims description 10
- 239000010410 layer Substances 0.000 description 63
- 238000004146 energy storage Methods 0.000 description 31
- 230000008901 benefit Effects 0.000 description 13
- 230000005611 electricity Effects 0.000 description 12
- 230000009977 dual effect Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000009194 climbing Effects 0.000 description 6
- 238000007599 discharging Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000006116 polymerization reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 108010074506 Transfer Factor Proteins 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- VYMDGNCVAMGZFE-UHFFFAOYSA-N phenylbutazonum Chemical compound O=C1C(CCCC)C(=O)N(C=2C=CC=CC=2)N1C1=CC=CC=C1 VYMDGNCVAMGZFE-UHFFFAOYSA-N 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- H02J3/04—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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
-
- 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
- H02J3/381—Dispersed generators
-
- 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
- H02J3/46—Controlling of the sharing of output between the 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种基于云边协同架构的分布式能源申报策略调控系统及方法。系统包括:申报策略层,将运行边界数据和个体申报策略传输至聚合调度层;聚合调度层根据运行边界数据确定聚合可行域;将个体申报策略整合,得到整合后申报策略;接收全局优化层根据聚合可行域和整合后申报策略生成的边缘集群调节指令;根据边缘集群调节指令和整体出清结果生成个体调节指令,并将个体调节指令下发至申报策略层;申报策略层根据个体调节指令对分布式能源进行调节,将更新后运行边界数据和更新后个体申报策略上传至聚合调度层。本系统在保留分布式能源运行特征的基础上大幅降低管控维度,有效平衡社会总体福利和市场主体利益需求,保障电网安全经济运行。
Description
技术领域
本申请涉及电力系统技术领域,特别是涉及一种基于云边协同架构的分布式能源申报策略调控系统及方法。
背景技术
近年来,传统电力调度运行模式面临能源供给消费模式转变、信息技术发展冲击等众多机遇与挑战。
政府正加快推动能源结构转型、电力能源市场发展、分布式发电市场化交易等一系列政策的落地,分布式新能源、智慧园区、电力市场化改革等发展迅速,未来电力系统将面临大规模清洁能源消纳、大规模市场主体接入、多种能源协同优化等全新挑战,调控对象也随之呈现爆炸性增长态势。
然而,传统电网调度运行模式建立在多级调度形态、厂站数量较少且紧耦合接入的基础上,在平台开放性、系统容量、接入能力、智能化程度等方面都存在着极大瓶颈,将严重制约海量市场主体接入时的规范性和可靠性,影响电力系统安全运行和电力市场的高效运营。并且海量松耦合主体(分布式能源等)接入电力系统后电力系统会面临一定的困难和需求,无法有效的对分布式能源进行调控,以及保障电网安全运行。
发明内容
基于此,有必要针对上述技术问题,提供一种适用于分布式能源接入的分层分区调控、引导分布式能源发挥较低边际生产成本优势、规避较高容量成本风险以及保障各级调控中心协同安全经济运行的基于云边协同架构的分布式能源申报策略调控系统及方法。
第一方面,本申请提供了一种基于云边协同架构的分布式能源申报策略调控系统。该系统包括申报竞价层、聚合调度层和全局优化层;
申报策略层,用于基于分布式能源设备的运行数据生成运行边界数据和个体申报策略;将运行边界数据和个体申报策略传输至聚合调度层;
聚合调度层,用于根据运行边界数据确定聚合可行域;将个体申报策略整合,得到整合后申报策略;将聚合可行域和整合后申报策略传输至全局优化层;接收全局优化层根据聚合可行域和整体出清结果生成的边缘集群调节指令;根据边缘集群调节指令和整体出清结果生成个体调节指令和个体出清结果,并将个体调节指令和个体出清结果下发至申报策略层;
申报策略层,用于根据个体调节指令和个体出清结果对分布式能源进行调节,得到更新后个体申报策略。
在其中一个实施例中,申报策略层包括至少一个归属于同一聚合方的聚合控制单元;
聚合控制单元用于生成个体申报策略,以及根据个体调节指令和分布式能源设备的运行约束条件对分布式能源进行调节。
在其中一个实施例中,聚合调度层用于通过聚合模型根据分布式能源的接入方式、调控程度和响应特性,将分布式能源设备输出的能源进行划分,得到多个能源类别;根据多个能源类别确定聚合可行域。
在其中一个实施例中,聚合调度层还用于根据运行边界数据确定各能源类别的类别运行边界;通过聚合模型对各能源类别的类别运行边界进行聚合,得到各能源类别的运行特性可行域;根据多个能源类别的运行特性可行域确定聚合可行域。
在其中一个实施例中,全局优化层包括云端系统,全局优化层还用于根据聚合可行域和整合后申报策略生成整体出清结果;通过全局优化出清模型根据投标数据进行设备资源转移,确定日前能源资源转移代价值最小时的能源出清结果。
在其中一个实施例中,聚合调度层还用于通过申报策略模型根据聚合可行域,确定日前能源资源增益数据最大时,聚合方的日前分段申报策略,将日前分段申报策略确定为整合后申报策略。
在其中一个实施例中,聚合调度层还用于通过功率校核模型根据边缘集群调节指令进行区域电网分布式能源设备的功率调整,并根据调整后功率和个体申报策略生成个体调节指令。
在一个实施例中,聚合调度层包括边缘集群,边缘集群用于根据边缘集群调节指令和运行特性可行域调控分布式能源,上送整合后申报策略、校核整体出清结果并下发个体出清结果。
第二方面,本申请还提供了一种基于云边协同架构的分布式能源申报策略调控方法,其特征在于,该方法包括:
基于分布式能源设备的运行数据生成运行边界数据和个体申报策略;
根据运行边界数据确定聚合可行域,将个体申报策略整合,得到整合后申报策略,并根据聚合可行域和整体出清结果生成边缘集群调节指令和个体出清结果;
根据边缘集群调节指令和个体出清结果生成个体调节指令,根据个体调节指令和个体出清结果对分布式能源进行调节,得到更新后个体申报策略。
在其中一个实施例中,根据运行边界数据确定聚合可行域,包括:
根据运行边界数据确定各能源类别的类别运行边界;
通过聚合模型对各能源类别的类别运行边界进行聚合,得到各能源类别的运行特性可行域;
根据多个能源类别的运行特性可行域确定聚合可行域。
上述基于云边协同架构的分布式能源申报策略调控系统及方法,通过对分布式能源设备的运行边界数据及其个体申报策略进行聚合,形成聚合可行域和整合后申报策略,通过全局优化层基于聚合可行域和整合后申报策略生成的边缘集群调节指令进行调节,以及基于边缘集群调节指令生成的个体调节指令,实现对全局优化调节以及边缘分布智能决策的优势,同时还可以在降低管控维度时根据调度需求保留运行特性,达到层级化、集群化、协同化管控效果,以降低流标的风险。
附图说明
图1为一个实施例中分布式能源申报策略调控系统的架构示意图;
图2为一个实施例中DER聚合商参与日前能量市场的博弈框架;
图3为一个实施例中分布式能源分层聚合架构;
图4为一个实施例中DER聚合商灵活分段申报策略示意图;
图5为一个实施例中分布式能源申报策略调控方法的流程示意图;
图6为一个实施例中确定聚合可行域的流程示意图;
图7为一个实施例中申报策略调控详细流程示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于云边协同架构的分布式能源申报策略调控系统。系统包括申报竞价层、聚合调度层和全局优化层。
申报策略层,用于基于分布式能源设备的运行数据生成运行边界数据和个体申报策略;将运行边界数据和个体申报策略传输至聚合调度层。
具体地,申报策略层将归属于聚合方的分布式能源作为管控对象,采集分布式能源设备运行数据,并从运行数据中提取运行边界数据,同时根据分布式能源设备的运行数据生成个体申报策略。
聚合调度层,用于根据运行边界数据确定聚合可行域;将个体申报策略整合,得到整合后申报策略;将聚合可行域和整合后申报策略传输至全局优化层;接收全局优化层根据聚合可行域和整体出清结果生成的边缘集群调节指令和个体出清结果;根据边缘集群调节指令和个体出清结果生成个体调节指令,并将个体调节指令和个体出清结果下发至申报策略层。
其中,边缘集群调节指令包含校正信息,校正信息包括市场必要发布信息。
具体地,聚合调度层在接收运行边界数据后,根据运行边界数据对应的分布式能源设备的运行约束聚合形成运行特性可行域,对得到的运行特性可行域进行扩写和松弛,形成以功率约束、爬坡约束和电量约束表征的聚合可行域。同时整合所有个体申报策略形成整合后申报策略,将聚合可行域和整合后申报策略上传至全局优化层。
全局优化层将同步大电网作为管控对象并根据聚合可行域和整合后申报策略组织出清。在完成出清后。全局优化层将整体中标结果以及根据整体中标结果生成的边缘集群调节指令下发至申报策略层。
聚合调度层在接收边缘集群调节指令后,根据边缘集群调节指令对边缘集群进行调节以及功率校核,同时根据运行边界可行域生成用于调控聚合控制单元的个体调节指令,并将个体调节指令下发至申报策略层。
申报策略层,用于根据个体调节指令和个体出清结果对分布式能源进行调节,得到更新后个体申报策略。
具体地,申报策略层在接收个体调节指令后,对聚合控制单元进行调控,进而对分布式能源设备的运行进行调控即调整分布式能源用能计划,同时重新计划个体申报策略得到更新后个体申报策略,之后将调控后分布式能源设备运行得到的更新后运行边界数据以及更新后个体申报策略上传至聚合调度层,继续进行市场出清、分布式能源调节以及重新计划个体申报策略。
本实施例中,全局优化层基于聚合可行域对全网可调资源申报策略出清形成总调节指令,聚合调度层聚合管控范围内分布式能源形成聚合可行域并校核市场主体中标结果,申报竞价层调整内部分布式能源用能计划并提交申报策略,通过上述三个层级实现了层级化、集群化和协同化管控,有利于接入海量分布式能源的大电网安全经济运行,以及在保留运行特性的情况下降低了管控维度,同时还可以根据出清结果对申报策略进行调控。
在一个实施例中,申报策略层包括至少一个归属于同一聚合方的聚合控制单元。聚合控制单元用于生成个体申报策略,以及根据个体调节指令和分布式能源设备的运行约束条件对分布式能源进行调节。
具体地,聚合控制单元归属于同一聚合方的分布式能源等值至输电网节点。申报竞价层的构成主体为聚合控制单元,并根据个体调节指令对分布式能源设备的运行进行调节,同时分布式能源的运行边界对个体申报策略进行约束。
本实施例中,申报竞价层通过聚合控制单元在考虑市场收益和运行成本的情况下,基于分布式能源设备运行约束个体申报策略的本地申报竞价,同时对分布式能源设备的运行进行了优化,实现电力市场申报策略的优化。
在一个实施例中,分布式能源设备包含微型燃气轮机、可中断负荷、分布式储能和电动汽车集群,上述分布式能源设备的运行约束分别为:
微型燃气轮机的运行约束为:
其中,和/>分别为微型燃气轮机功率范围上下限,/>和/>为爬坡范围上下限,j为聚合控制单元的数量,n为分布式能源设备的数量,NMT为微型燃气轮机(Microturbine,MT)的数量。
可中断负荷的运行约束为:
其中,为不参与需求响应时的可中断负荷预测负荷量,/>为需求响应时的可中断负荷量,NDR为需求响应(Demand Response,DR,)设备的数量,α为用户协议确定的参与需求响应可中断负荷比例。
分布式储能的运行约束为:
其中,和/>分别为储能的最大充/放电功率,/>和/>分别为储能的充/放电功率,NES为储能(Energy Storage,ES)设备的数量,分布式储能运行约束的第三个公式表示调度时段始末储能电量保持不变,分布式储能运行约束的第四个公式表示储能装置电量上下限约束,/>和/>分别为储能的电量上下限范围,eES,j,n,0为储能初始电量,/>和/>分别为储能充/放电效率。
电动汽车集群类似于分布式能源,但是出行移动需求使其需要考虑EV并网行为和出行电量需求,因此电动汽车集群的运行约束为:
其中,和/>分别为电动汽车集群的充/放电功率,ΔeEV,m,t为在时段t由于EV并网状态变化而导致的等效基值电量变化量,NEV为电动汽车(Electric Vehicle,EV)的数量,电动汽车集群运行约束的第一公式表示EV集群出行需求电量约束;电动汽车集群运行约束的第二公式为EV集群动态电量上下限约束,/>和/>分别为EV集群电量范围上下限,/>和/>为EV集群充、放电效率,电动汽车集群运行约束的第三公式表示基值电量变化量由t时段EV并网后的初始电量/>和EV离网后的离网电量/>构成。
本实施例中,通过对不同类型的个体分布式能源的运行约束进行计算,并基于具体运行约束条件对个体分布式能源进行调控,保证了分布式能源设备的安全经济运行,同时实现了对个体申报策略的灵活调控。
在一个实施例中,由于在决策顺序、利益诉求、边界条件等的差异使得DER(Distributed energy resources,分布式能源)聚合商和ISO(Independent systemoperato,独立系统运营商)构成主从关系,具体如图2所示。
具体地,上层模型以DER聚合商收益最大化为目的,而下层模型以市场利益最大化为目的。
上层模型通过优化市场申报和内部运行实现最大利益的获取,同时聚合商获取ISO提供的市场必要发布信息,并将其余市场主体预测报价等作为边界条件,然后聚合方的申报结果作为数据输入,因此会影响ISO的市场出清结果。而下层模型通过优化能源市场中总购电成本并使其最小化,同时以市场主体申报策略、市场供需关系、机组边际生产成本和网络运行约束等作为边界条件,进而确定市场主体中标结果。
本实施例中,通过聚合商和ISO的主从博弈关系达到了分层集群控制效果,实现了对包括分布式能源在内的全网调控资源层级化、集群化、协同化管控。
在一个实施例中,聚合调度层用于通过聚合模型根据分布式能源的接入方式、调控程度和响应特性,将分布式能源设备输出的能源进行划分,得到多个能源类别;根据多个能源类别确定聚合可行域。
其中,分布式能源资源包括不可控型资源、等效负荷资源和广义储能资源。
不可控型资源指受政策、用户协约、运行特性等因素影响灵活调控程度低的设备,聚合商需即时满足出力需求,主要包括分布式光伏、风电等分布式可再生能源和刚性负荷等。
等效负荷资源指具备功率单向流动特性且电能随发随用的设备,主要包括可控分布式电源和削减型需求响应负荷。
广义储能资源指可通过电能存储、时间转移、空间移动等方式调整出力以改变电能时空分布的设备,主要包括分布式储能、电动汽车、可转移负荷等转移型需求响应负荷。
具体地,对分布式能源设备输出的能源进行划分得到分类,对同一类型的能源的运行边界数据进行聚合形成该类型的运行特性可行域,然后将不同类型的能源对应的运行特性可行域聚合形成聚合可行域。
本实施例中,通过对分布式能源资源的划分,以及通过不同类型能源的运行边界数据聚合形成运行特性可行域以及对所有能源的运行特性可行域聚合得到聚合可行域,保留了运行特性的同时可以根据聚合可行域降低调控维度,保证了接入分布式能源的大电网的安全经济运行。
在一个实施例中,如图3所示,基于云边协同架构的分布式能源申报策略调控系统结合分布式能源运行特性分类方法、云边融合控制架构下物理层面分层集群管控方法和调度目标生成分布式能源集合架构。
具体地,在全局优化层,云端系统通过以聚合控制单元作为最小建模对象,以减轻全局调度面临的海量计算与存储压力,并根据聚合控制单元聚合功率约束、爬坡约束和电量约束进行全局优化决策。
在聚合调度层,边缘集群在考虑资源响应特性及运行需求的基础上对优化区域功率分配。
在申报策略层,聚合控制单元在考虑市场收益和运行成本情况下,根据个体分布式能源运行约束对内部运行决策进行优化。
本实施例中,对于分布式能源的聚合分层可以通过由功率范围、爬坡范围和电量范围组成的包络线统一描述包含多种运行特性的分布式能源的聚合可行调节域,达到了降低管控维度的同时保留了运行特征的效果。
在一个实施例中,聚合调度层还用于根据运行边界数据确定各能源类别的类别运行边界;通过聚合模型对各能源类别的类别运行边界进行聚合,得到各能源类别的运行特性可行域;根据多个能源类别的运行特性可行域确定聚合可行域。
具体地,不可控型资源的聚合运行约束条件为:
其中,为聚合后不可控型资源的调度出力,/>为可再生能源或用电负荷出力预测值。
等效负荷资源的聚合运行约束条件为:
其中,为聚合后等效负荷资源调度出力值,/>和/>分别为聚合等效负荷资源功率上下限,/>和/>分别为爬坡容量上下限。
广义储能资源的聚合运行约束条件为:
其中,和/>分别为广义储能资源的充/放电功率,/>和/>分别为广义储能资源的聚合充/放电功率上限;/>和/>分别表示聚合后广义储能资源的聚合电量上下限,Ej,0为资源初始电量,ΔEj,τ表示资源基值电量变化量,τ为时间常数,ηges表示资源充放电效率,Δt为调度时间间隔;Ej,d表示调度时段末资源需求电量。
本实施例中,通过获得不同类型分布式能源资源的运行约束条件,生成分布式能源运行特性聚合可行域,同时可以聚合形成聚合控制单元聚合可行域,为全局优化层的市场出清以及对整合后申报策略的调整提供支持。
在一个实施例中,聚合调度层还用于通过聚合模型根据集群管控方式和各能源类别对应的调度目标,形成各能源类别对应的聚合方式;基于各能源类别对应的聚合方式对各能源类别的类别运行边界进行聚合。
具体地,在获得不可控型资源、等效负荷资源和广义储能资源对应的运行约束条件后,对上述分布式能源运行特性聚合可行域进行聚合,形成聚合控制单元聚合可行域,具体为:
其中,为聚合控制单元j的聚合控制单元聚合可行域,/>和/>分别为聚合控制单元充/放电功率,/>和/>分别为在时间常数内聚合控制单元充/
放电功率;和/>分别为聚合控制单元聚合可行域功率约束上下限,
和/>分别为电量约束上下限,/>和/>分别为爬坡约束上下限,
η为聚合控制单元充/放电效率。
本实施例中,基于分布式能源运行特性聚合可行域聚合形成聚合控制单元聚合可行域,为全局优化层的市场出清以及对整合后申报策略的调整提供支持。
在一个实施例中,申报策略层还用于通过申报策略模型根据聚合可行域,确定日前能源资源增益数据最大时,聚合方的日前分段申报策略,将日前分段申报策略确定为整合后申报策略。
具体地,在确保自身最低限度电力平衡容许投标功率易于被市场出清的基础上,需要确定合理的申报范围。因此在考虑DER聚合商内部电力平衡需求的情况下,提出灵活分段申报策略,如图4所示。灵活动态调整聚合控制单元聚合可行域所确定的双侧功率边界内的申报容量,每个报价段的容量限值为:
其中,和/>分别为DER聚合商申报售电和申报购电报价段的申报容量上限,Kacu和Bacu分别表示DER聚合商申报售电和申报购电报价段数量,/>和/>分别表示DER聚合商去除初段报价段的灵活分段报价段集合。
在调整申报容量后,经节点j并网的DER聚合商以参与日前能量市场收益最大化为目标,目标函数为:
其中,fDA,j为DER聚合商参与日前能量市场的净收益,为日前市场节点j边际电价,/>和/>分别为DER聚合商中标分段购/售电功率,/>和/>分别为DER聚合商分段购电/售电边际成本。
还需要满足DER聚合商内部功率平衡约束、购/售电报价范围约束,范围约束为:
其中,等式右侧从左至右依次表示风光出力、微型燃气轮机出力、需求响应负荷功率、电动汽车集群净放电功率、分布式储能净放电功率和刚性负荷功率,和/>分别表示电动汽车集群的充/放电功率,/>和/>分别表示分布式储能的充/放电功率,NMT、NDR、NEV和NES分别表示微型燃气轮机、需求响应负荷、电动汽车集群和分布式储能集合。/>和/>分别为DER聚合商在报价段b/k的购电/售电报价,/>和/>分别表示DER聚合商购电报价上下限,/>和/>分别表示DER聚合商售电报价上下限,Δγ表示相邻段最小报价步长。
除上述约束之外,申报问题还需要满足分布式能源运行约束。
本实施例中,通过灵活分段申报策略有效的帮助DER聚合商根据市场走向调整申报策略,降低流标风险的同时提高市场收益,并且平衡ISO和聚合方双方的最大效益。
在一个实施例中,全局优化层还用于根据聚合可行域和整合后申报策略生成整体出清结果;通过全局优化出清模型根据投标数据进行设备资源转移,确定日前能源资源转移代价值最小时,的能源出清结果。
具体地,ISO以社会福利最大化为目标函数,并系统功率平衡约束、线路潮流约束、节点相角约束、发电商中标功率约束、分布式能源资源聚合商中标功率约束、聚合控制单元聚合可行域约束作为约束条件建立市场全局优化出清模型。
目标函数为:
其中,fISO为市场总购电成本,即日前能源资源转移代价值;为传统发电商在第k个报价段的投标价格,/>为传统发电商在相应报价段的中标功率,KG为发电商报价段集合;ΩG为输电网内DER聚合商节点集合。
系统功率平衡约束为:
线路潮流约束为:
节点相角约束为:
发电商中标功率约束为:
聚合控制单元聚合可行域约束为:
其中,Bjh为节点j与节点h之间线路的导纳值,θj,t为节点j在时刻t的电压相角,为节点j的常规负荷,ωj表示输电网内与节点j连接的节点集合;/>表示支路(j,h)的线路导纳值;/>表示火电机组报价段容量上限,记冒号右侧为该约束对应的对偶变量。
本实施例中,通过构建市场全局优化出清模型方便对分布式能源进行调控,为ISO提供数据支持,基于出清结果控制日前能源资源转移代价值最小即市场总购电成本最小,保证了购电用户福利的最大化。
在一个实施例中,聚合调度层还用于通过功率校核模型根据边缘集群调节指令进行区域电网分布式能源设备的功率调整,并根据调整后功率和个体申报策略生成个体调节指令。
具体地,在确保日前市场出清结果不会导致区域内部线路潮流越限,并满足不同运行特性分布式能源运行约束条件时,边缘集群需要在追踪市场出清结果的基础上最小化调节成本,以使得聚合控制单元内部功率平衡,而其中调节成本最小的目标函数为:
其中,fEC为边缘集群总功率调节成本,三项分别表示火电机组出力调节成本、聚合控制单元功率调节成本和联络线功率调节成本;和/>分别为火电机组、聚合控制单元和联络线集合;/>和Ωl分别为火电机组、聚合控制单元和联络线功率的调节成本系数,可通过调整调节成本系数以控制区域设备功率调整顺序;/>和/>分别为火电机组、聚合控制单元和联络线功率在时段t的调整后出力,/>和/>分别为火电机组、聚合控制单元中标出力结果和市场出清后联络线功率计划值。
此外,区域电网功率校核模型还需要满足以下约束条件:
区域内部功率平衡约束:
线路潮流约束:
输电断面潮流约束:
其中,为区域内节点负荷预测值;/>和/>分别为火电机组出力范围上下限;Gl,m和GW,l,m分别表示正常状态和故障状态下节点m对支路l的潮流转移因子,/>表示线路潮流限值,/>为区域内部线路潮流集合;/>和/>分别表示断面潮流上下限,Ls为组成断面s的联络线集合。
除上述约束之外,区域电网功率校核模型还需满足分布式能源运行特性可行域的对应约束条件。
本实施例中,通过边缘集群基于市场出清结果对区域电网分布式能源设备的功率进行调整,并且使得区域电网内的线路潮流不会出现越限情况,保障了边缘集群中聚合控制单元的内部功率平衡。
在一个实施例中,如图5所示,提供了一种基于云边协同架构的分布式能源申报策略调控方法,以该方法应用于前述的基于云边协同架构的分布式能源申报策略调控系统进行说明,该方法可以包括:
S502,基于分布式能源设备的运行数据生成运行边界数据和个体申报策略。
S504,根据运行边界数据确定聚合可行域,将个体申报策略整合,得到整合后申报策略,并根据聚合可行域和整体出清结果生成边缘集群调节指令和个体出清结果。
具体地,边缘集群通过分布式能源分层集群聚合模型对获得的分布式能源运行数据分析判断,确定分布式能源资源的类型。
其次根据分布式能源的类型聚合形成对应的运行特性可行域,并将所有类型的运行特性可行域聚合形成聚合可行域。
然后在完成出清后,基于出清结果、聚合可行域和整合后申报策略得到边缘集群调节指令。
S506,根据边缘集群调节指令和个体出清结果生成个体调节指令,根据个体调节指令和个体出清结果对分布式能源进行调节,得到更新后个体申报策略。
具体地,边缘集群基于边缘集群调节指令生成用于边缘集群内分布式能源设备的个体调节指令,根据个体调节指令对分布式能源设备的运行进行调控即调整分布式能源用能计划,并重新计划个体申报策略得到更新后个体申报策略;将更新后个体申报策略上传至聚合调度层。
本实施例中,通过对分布式能源进行分层聚合,基于运行特性聚合可行域实现保留运行特性的情况下降低管控维度,以及基于聚合控制单元聚合可行域进行全局优化出清,实现三个层级之间层级化、集群化和协同化管控,能够达到基于市场出清结果灵活调整市场申报策略,以提高市场收益并平衡社会总体福利和市场主体利益需求。
在一个实施例中,如图6所示,根据运行边界数据确定聚合可行域,包括:
S602,根据运行边界数据确定各能源类别的类别运行边界。
具体地,分布式能源资源包括不可控型资源、等效负荷资源和广义储能资源。
不可控型资源指受政策、用户协约、运行特性等因素影响灵活调控程度低的设备,聚合商需即时满足出力需求,主要包括分布式光伏、风电等分布式可再生能源和刚性负荷等。
等效负荷资源指具备功率单向流动特性且电能随发随用的设备,主要包括可控分布式电源和削减型需求响应负荷。
广义储能资源指可通过电能存储、时间转移、空间移动等方式调整出力以改变电能时空分布的设备,主要包括分布式储能、电动汽车、可转移负荷等转移型需求响应负荷。
基于上述类型说明以及运行边界数据进行分类操作。
S604,通过聚合模型对各能源类别的类别运行边界进行聚合,得到各能源类别的运行特性可行域。
具体地,当确定分布式能源资源为不可控型资源时,基于获取的分布式能源运行数据聚合不可控型资源,其中不可控型资源的聚合运行约束条件为:
当确定分布式能源资源为等效负荷资源,基于获取的分布式能源运行数据聚合等效负荷资源,其中等效负荷资源的聚合运行约束条件为:
当确定分布式能源资源为广义储能资源,基于获取的分布式能源运行数据聚合广义储能资源,其中广义储能资源的聚合运行约束条件为
S606,根据多个能源类别的运行特性可行域确定聚合可行域。
具体地,直至将所有个体分布式能源判断并聚合,然后对上述分布式能源运行特性聚合可行域进行扩写和松弛,聚合形成聚合控制单元聚合可行域,聚合控制单元聚合可行域具体如下所示:
/>
在一个实施例中,在考虑DER聚合商与ISO之间主从博弈关系,对于聚合商申报策略的均衡约束问题,通过利用强对偶理论和KKT(Karush-Kuhn-Tucker)最优条件代替下层的市场全局优化出清模型,并将强对偶理论和KKT最优条件作为上层模型的约束条件,进而将DER聚合商与ISO之间主从博弈关系对应的双层模型转化为单层模型。
具体地,KKT最优条件的平衡约束条件为:
其中,为传统发电商在第k个报价段的投标价格,/>为系统平衡约束对应的对偶变量,/>和/>为线路潮流约束对应的对偶变量,/>和/>为节点相角约束对应的对偶变量,/>和/>和/> 和为聚合可行域约束对应的对偶变量。
KKT最优条件的互补约束条件为:
其中,x⊥y表示x≥0,y≥0且xy=0。
在将双层模型转化为单层模型后,使用大M法,引入布尔变量将上述互补约束条件中的对偶变量于决策变量的乘积进行线性化表示。以DER聚合商售电中标功率上限互补约束条件为例,通过二进制变量和足够大的正数M重新表示为:
此外,其余的互补约束条件的线性化处理方法与上述处理类似。
之后,以社会福利最大化为目标函数在最优点处根据强对偶理论可以转化为由对偶变量表达的等价形式,具体为:
然后结合上式与以社会福利最大化为目标函数,则可以将单个DER聚合商的日前市场效用表达为:
通过KKT最优条件的平衡条件可知,在最优点处有 和/>并且通过KKT最优条件的互补约束条件可以得到,/> 和/>然后将其代入单个DER聚合商的日前市场效用的表达式中,得到:
进而可以将分布式能源资源聚合商申报策略模型的目标函数进行转化,转化后的表达式为:
其中,fTR,j为等价转化后的最小化目标函数,{ΩACU/j}表示除去节点j的聚合控制单元接入集合。
基于上述转化过程,转化后的模型为混合整数线性规划问题,可以利用商业求解器进行求解,详细求解过程如图7所示:
S702,接收聚合控制单元上传的分布式能源运行数据。
具体地,边缘集群接收聚合控制单元上传的分布式能源运行数据。分布式能源运行数据包括分布式能源运行边界。
S704,对接收的分布式能源运行数据进行资源划分判断,获得分布式能源划分结果。
具体地,边缘集群通过分布式能源分层集群聚合模型对获得的分布式能源运行数据分析判断,确定分布式能源资源的类型。
S706,根据分布式能源划分结果生成相应的分布式能源运行特性聚合可行域。
具体地,当确定分布式能源资源为不可控型资源时,基于获取的分布式能源运行数据聚合不可控型资源,直至将所有个体分布式能源判断并聚合,然后对上述分布式能源运行特性聚合可行域进行扩写和松弛,聚合形成聚合控制单元聚合可行域。
S708,接收独立系统运营商传输的市场必要发布信息,并根据市场必要发布信息制定日前能量市场投标计划。
具体地,在完成聚合控制单元聚合可行域聚合后上传聚合控制单元聚合可行域,并接收ISO提供的市场必要发布信息,基于DER聚合商和ISO之间的主从博弈关系,利用上层模型制定日前能量市场投标计划。
S710,接收市场出清结果,对市场出清结果进行校验并调整日前能量市场投标计划。
具体地,ISO通过利用市场全局优化出清模型执行日前能量市场出清,并在完成市场出清后将市场主体中标结果发送至边缘集群。边缘集群利用区域电网功率校核模型对市场出清结果进行校验,并对日前能量市场投标计划进行调控。
本实施例中,通过将基于DER聚合商与ISO之间主从博弈关系对应的双层模型,利用强对偶理论和KKT最优条件将市场全局优化出清模型取代,并将其作为上层模型的约束条件,可以将目标函数和约束条件的非线性项转化为线性项,降低了均衡约束数学规划问题的计算难度,更好灵活的申报容量范围进行合理的调控,以达到降低流标风险,平衡社会总体福利和市场主体利益需求的效果
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于云边协同架构的分布式能源申报策略调控系统,其特征在于,所述系统包括申报策略层、聚合调度层和全局优化层;
所述申报策略层,用于基于分布式能源设备的运行数据生成运行边界数据和个体申报策略;将所述运行边界数据和所述个体申报策略传输至所述聚合调度层;
所述聚合调度层,用于根据所述运行边界数据确定聚合可行域;将所述个体申报策略整合,得到整合后申报策略;将所述聚合可行域和所述整合后申报策略传输至所述全局优化层;接收所述全局优化层根据所述聚合可行域和整体出清结果生成的边缘集群调节指令;根据所述边缘集群调节指令和所述整体出清结果获得个体调节指令和个体出清结果,并将所述个体调节指令和所述个体出清结果下发至所述申报策略层;还用于通过聚合模型根据分布式能源的接入方式、调控程度和响应特性,将所述分布式能源设备输出的能源进行划分,得到多个能源类别;根据多个能源类别确定聚合可行域;
所述申报策略层,还用于根据所述个体调节指令和所述个体出清结果对所述分布式能源进行调节,得到更新后个体申报策略。
2.根据权利要求1所述的系统,其特征在于,所述申报策略层包括至少一个归属于同一聚合方的聚合控制单元;
所述聚合控制单元用于生成个体申报策略,以及根据个体调节指令和所述分布式能源设备的运行约束条件对所述分布式能源进行调节。
3.根据权利要求2所述的系统,其特征在于,所述聚合调度层还用于根据所述运行边界数据确定各能源类别的类别运行边界;通过聚合模型对各能源类别的类别运行边界进行聚合,得到各能源类别的运行特性可行域;根据多个能源类别的运行特性可行域确定聚合可行域。
4.根据权利要求3所述的系统,其特征在于,所述全局优化层还用于根据所述聚合可行域和所述整合后申报策略生成整体出清结果;通过全局优化出清模型根据所述投标数据进行设备资源转移,确定日前能源资源转移代价值最小时的能源出清结果。
5.根据权利要求1所述的系统,其特征在于,所述申报策略层还用于通过申报策略模型根据所述聚合可行域,确定日前能源资源增益数据最大时,聚合方的日前分段申报策略,将所述日前分段申报策略确定为整合后申报策略。
6.根据权利要求1所述的系统,其特征在于,所述聚合调度层还用于通过功率校核模型根据所述边缘集群调节指令进行区域电网分布式能源设备的功率调整,并根据调整后功率和所述个体申报策略生成个体调节指令。
7.根据权利要求1所述的系统,其特征在于,所述聚合调度层包括边缘集群,所述边缘集群用于根据所述边缘集群调节指令和运行特性可行域调控分布式能源,上送所述整合后申报策略、校核所述整体出清结果并下发所述个体出清结果。
8.一种基于云边协同架构的分布式能源申报策略调控方法,应用于如权利要求1-7任一所述的系统,其特征在于,所述方法包括:
基于分布式能源设备的运行数据生成运行边界数据和个体申报策略;
根据所述运行边界数据确定聚合可行域,将所述个体申报策略整合,得到整合后申报策略,并根据所述聚合可行域和整体出清结果生成边缘集群调节指令和个体出清结果;其中,根据所述运行边界数据确定聚合可行域,包括:根据分布式能源的接入方式、调控程度和响应特性,将所述分布式能源设备输出的能源进行划分,得到多个能源类别;根据多个能源类别确定聚合可行域;
根据所述边缘集群调节指令和个体出清结果生成个体调节指令,根据个体调节指令和所述个体出清结果对所述分布式能源进行调节,得到更新后个体申报策略。
9.根据权利要求8所述的方法,其特征在于,所述根据所述运行边界数据确定聚合可行域,包括:
根据所述运行边界数据确定各能源类别的类别运行边界;
通过聚合模型对各能源类别的类别运行边界进行聚合,得到各能源类别的运行特性可行域;
根据多个能源类别的运行特性可行域确定聚合可行域。
10.根据权利要求8所述的方法,其特征在于,所述根据所述聚合可行域和整体出清结果生成边缘集群调节指令和个体出清结果,包括:
根据所述聚合可行域和所述整合后申报策略生成整体出清结果;
通过全局优化出清模型根据所述投标数据进行设备资源转移,确定日前能源资源转移代价值最小时的能源出清结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310481376.8A CN116544941B (zh) | 2023-04-28 | 2023-04-28 | 基于云边协同架构的分布式能源申报策略调控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310481376.8A CN116544941B (zh) | 2023-04-28 | 2023-04-28 | 基于云边协同架构的分布式能源申报策略调控系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116544941A CN116544941A (zh) | 2023-08-04 |
CN116544941B true CN116544941B (zh) | 2023-12-08 |
Family
ID=87449908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310481376.8A Active CN116544941B (zh) | 2023-04-28 | 2023-04-28 | 基于云边协同架构的分布式能源申报策略调控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116544941B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932385A (zh) * | 2011-08-09 | 2013-02-13 | 中兴通讯股份有限公司 | 一种泛在终端的业务处理方法及装置 |
CN115423291A (zh) * | 2022-08-30 | 2022-12-02 | 国网甘肃省电力公司 | 可调节负荷需求响应交易方法及计算机设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220044334A1 (en) * | 2019-12-11 | 2022-02-10 | Data Donate Technologies, Inc. | Platform and method for preparing a tax return |
-
2023
- 2023-04-28 CN CN202310481376.8A patent/CN116544941B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932385A (zh) * | 2011-08-09 | 2013-02-13 | 中兴通讯股份有限公司 | 一种泛在终端的业务处理方法及装置 |
CN115423291A (zh) * | 2022-08-30 | 2022-12-02 | 国网甘肃省电力公司 | 可调节负荷需求响应交易方法及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116544941A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816171B (zh) | 一种电动汽车区域微网群双层分布式优化调度方法 | |
CN112467722B (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
Wang et al. | Distributed control for large-scale plug-in electric vehicle charging with a consensus algorithm | |
CN109325608A (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
Mahesh et al. | Optimal sizing of a grid-connected PV/wind/battery system using particle swarm optimization | |
CN110676849B (zh) | 一种孤岛微电网群能量调度模型的构建方法 | |
Li et al. | Two-stage community energy trading under end-edge-cloud orchestration | |
Khasanzoda et al. | Use of smart grid based wind resources in isolated power systems | |
CN111682529B (zh) | 一种基于节点电价信息的移动储能车灵活调度方法 | |
Nair et al. | Exploring blockchain enabled smart community with electric vehicles | |
Ashtari et al. | A two-stage energy management framework for optimal scheduling of multi-microgrids with generation and demand forecasting | |
Pourghaderi et al. | A local flexibility market framework for exploiting DERs’ flexibility capabilities by a technical virtual power plant | |
CN112531788B (zh) | 考虑多重不确定性和自趋优运行的透明微网群规划方法 | |
Lokesh et al. | Optimal sizing of RES and BESS in networked microgrids based on proportional peer‐to‐peer and peer‐to‐grid energy trading | |
CN116544941B (zh) | 基于云边协同架构的分布式能源申报策略调控系统及方法 | |
Zong et al. | Two-stage robust optimization of regional integrated energy systems considering uncertainties of distributed energy stations | |
Hussain et al. | Energy management of buildings with energy storage and solar photovoltaic: A diversity in experience approach for deep reinforcement learning agents | |
Bai et al. | Distributed optimization method for multi-area integrated energy systems considering demand response | |
Da et al. | Non-Cooperative Game-based Coordination Control of Multiple Virtual Power Plants | |
Pourfarzin et al. | Peer to peer power trading of renewable based micro-grids connected to the distribution network | |
Yan et al. | Energy storage sizing for office buildings based on short-term load forecasting | |
Zhu et al. | Game theoretic of sizing optimization for Wind/PV/EVs based on representative days selection | |
CN117439058B (zh) | 基于分布鲁棒优化的微电网调度方法 | |
Balasubramanyam et al. | Dynamic energy management system of microgrid using AI techniques: A comprehensive & comparative study | |
Zhou et al. | Energy Management in Microgrids: A Combination of Game Theory and Big Data‐Based Wind Power Forecasting |
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 |