CN116667337A - 一种基于配网优化调度的柔性负荷聚合建模方法 - Google Patents

一种基于配网优化调度的柔性负荷聚合建模方法 Download PDF

Info

Publication number
CN116667337A
CN116667337A CN202310695875.7A CN202310695875A CN116667337A CN 116667337 A CN116667337 A CN 116667337A CN 202310695875 A CN202310695875 A CN 202310695875A CN 116667337 A CN116667337 A CN 116667337A
Authority
CN
China
Prior art keywords
scheduling
constraint
power
distribution network
representing
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
CN202310695875.7A
Other languages
English (en)
Inventor
李珊
胡刚
奉斌
姚知洋
刘鹏
黄维
周杨珺
欧阳健娜
陆新
张炜
唐捷
黎蓓
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.)
Electric Power Research Institute of Guangxi Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Guangxi Power Grid Co Ltd
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 Electric Power Research Institute of Guangxi Power Grid Co Ltd filed Critical Electric Power Research Institute of Guangxi Power Grid Co Ltd
Priority to CN202310695875.7A priority Critical patent/CN116667337A/zh
Publication of CN116667337A publication Critical patent/CN116667337A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/007—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy 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
    • H02J3/12—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution 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
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/10—The network having a local or delimited stationary reach
    • H02J2310/12—The local stationary network supplying a household or a building
    • H02J2310/14—The load or loads being home appliances
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于配网优化调度的柔性负荷聚类方法，属于配电网调度技术领域，以电动汽车、空调为柔性负荷代表所建立的需求响应模型；根据实时调度为消除调度中的预测误差为主，并以调度补偿成本最小化为目标，建立需求响应模型的目标函数；设置需求响应模型的约束条件，使调度补充成本最小化，所述约束条件包括：配电网功率平衡约束、电价约束、备用约束以及用户舒适度约束；根据所述目标函数和约束条件对的所述需求响应模型进行求解，得到最低补偿成本，从而实现调度补偿成本最小化。

Description

一种基于配网优化调度的柔性负荷聚合建模方法
技术领域
本发明涉及电力系统优化调度技术领域，特别涉及一种基于配网优化调度的柔性负荷聚合建模方法。
背景技术
需求侧柔性负荷接入分散且个体容量很小，无法形成规模效应，从而导致信息和数据难以获取，也缺乏标准化规划流程。越来越多的学者专家针对如何对柔性负荷进行聚合管理做了详细研究。国外一些专家和学者以功率平均值作为基准建立了空调的一种普遍使用的虚拟电池模型，国内也有一些专家分别利用此种虚拟电池模型分别搭建了单辆电动汽车和集群电动汽车的模型，用以描述其灵活性，同时分别平抑了分布式光伏发电的不确定性以及市场竞价。
现有专利一“一种分布式柔性资源协调控制方法”提供了一种柔性负荷及灵活性资源出力聚合模型；专利二“一种柔性负荷调控方法及终端”提出根据用电场景确定柔性负荷的供电紧迫性约束条件，基于目标区域的无功平衡确定目标区域的无功供电约束条件，根据调控周期内用电测的输出电力、柔性负载额定负荷、供电紧迫性约束条件和无功约束条件对目标区域的柔性负荷进行调度；专利三“基于深度强化学习的异构柔性负荷实时调控方法和装置”提出分别建立单一柔性负荷模型，然后针对不同参数异构的多个柔性负荷建立聚合负荷模型，从而得到异构柔性负荷参与需求响应时的马尔科夫决策过程，并通过深度强化学习的机器学习框架基于历史数据对聚合体的决策函数进行训练，得到异构柔性负荷聚合体的实时优化调控决策模型；专利四“一种消纳分布式电源波动的柔性负荷协调控制方法”提出一种根据柔性负荷的运行信息和经济性制定不同的参与权重，协调分配调节空值参考指令到各柔性负荷对应的控制器中，利用柔性负荷协调优化减载控制消纳分布式电源波动。
但是，专利一主要应用于乡村供能系统，提升乡村供用能系统边端自治能力和运行经济性，应用范围比较小；专利二考虑了供电紧迫性约束合无功供电约束，其应用场景仅在小区改造、办公楼、写字楼等公共场所的电力扩容；专利三实现模型较复杂，实现和落地难度都非常大；专利四根据各柔性负荷的信息和经济性制定不同的参与权重，主观性较强，比较难以控制调控结果。上述四个专利或从特定的场景入手，或者模型复杂难以落地实现，并没有考虑柔性负荷聚合建模实现的成本约束问题。
发明内容
本发明实施例提供了一种基于配网优化调度的柔性负荷聚合建模方法，以至少解决相关技术中对于接入柔性负荷的电力系统没有考虑补偿成本约束的技术问题。
根据本发明实施例的一方面，提供了一种基于配网优化调度的柔性负荷聚合建模方法，包括：
以电动汽车、空调为柔性负荷代表所建立的需求响应模型；
根据实时调度为消除调度中的预测误差为主，并以调度补偿成本最小化为目标，建立需求响应模型的电网柔性负荷调度的成本约束函数；
设置需求响应模型的约束条件，使调度补充成本最小化，所述约束条件包括：配电网功率平衡约束、电价约束、备用约束以及用户舒适度约束；
根据所述目标函数和约束条件对的所述需求响应模型进行求解，得到最低补偿成本，根据最低补偿成本下的不同补偿率得到柔性负荷聚合建模方法的决策。
可选地，所述柔性负荷调度成本约束函数为：
minC＝CAC+CEV
其中，CAC表示空调的补偿成本；CEV表示集成电动汽车充放电补偿成本；minC为调度补偿成本最小化约束目标。
可选地，所述空调的补偿成本CAC的计算方式为：
其中，α为空调电价补偿折扣率；Sv表示空调负荷的开关状态，“1”表示表示开状态，“0”表示关状态；PAC表示空调的用电功率；CL表示实时电价；T为补偿成本计算时间周期；CL,t表示时段t对应的实时电价。
可选地，所述集成电动汽车充放电补偿成本CEV的计算方式为：
其中，EV表示电动汽车集群；表示集成电动汽车充电调度成本；T表示补偿成本计算周期；CL表示实时电价，CL,t表示时段t对应的实时电价；Aj,t表示集群t时段充电效率；表示集成电动汽车放电补贴成本；Bj,t表示集群t时段放电效率；β表示充电调度赔偿率；VEV表示电动汽车锂电池价格；FEV表示电动汽车锂电池最大充放电次数；/>表示锂电池放电效率；NEV表示集群EV的数量，在此表示电动汽车的数量，j表示对应的电动汽车编号；PEV,t表示集群EV在t时段的实时功率；PEV,max表示集群EV的最大输出功率。
可选地，所述配电网功率平衡约束的表达式为：
Pgrid,t+PPV,t＝PG,t+PEV,t+PAC,t
其中，Pgrid,t为t时段电网功率，PPV,t为t时段并入电网的分布式光伏功率，PG,t为t时段刚性负荷功率，PEV,t为t时段集成电动汽车充放电功率，PAC,t为t时段空调功率。
可选地，所述电价约束的表达式为：
Cmin≤CL,t≤Cmax
其中，Cmin和Cmax分别表示系统制定的最低电价和最高电价；表示日均电价；CL表示实时电价，CL,t表示时段t对应的实时电价。
可选地，所述备用约束的表达式为：
其中，μ为配电网在t时段的旋转备用功率要求，为t时段电网的最大功率，PPV,t为t时段并入电网的分布式光伏功率，PG,t为t时段刚性负荷功率，PEV,t为t时段集成电动汽车充放电功率，PAC,t为t时段空调功率。
根据本发明实施例的另一方面，还提供了一种基于配网优化调度的柔性负荷聚类装置，包括：
构建模型模块，用于以电动汽车、空调为柔性负荷代表所建立的需求响应模型；
目标函数设置模块，用于实时调度为消除调度中的预测误差为主，并以调度补偿成本最小化为目标，建立需求响应模型的电网柔性负荷调度的成本约束函数；
约束条件设置模块，用于设置需求响应模型的约束条件，使调度补充成本最小化，所述约束条件包括：配电网功率平衡约束、电价约束、备用约束以及用户舒适度约束；
模型求解模块，用于根据所述目标函数和约束条件对的所述需求响应模型进行求解，得到最低补偿成本，根据最低补偿成本下的不同补偿率得到柔性负荷聚合建模方法的决策。
根据本发明实施例的另一方面，还提供了一种基于配网优化调度的柔性负荷聚合建模系统，所述基于配网优化调度的柔性负荷聚合建模系统包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述任意一项所述的基于配网优化调度的柔性负荷聚合建模方法。
根据本发明实施例的另一方面，还提供了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程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项所述的基于配网优化调度的柔性负荷聚合建模方法。
与现有的技术相比，本发明具有如下有益效果：
本发明实施例中，以电动汽车、空调为柔性负荷代表所建立的需求响应模型；根据实时调度为消除调度中的预测误差为主，并以调度补偿成本最小化为目标，建立需求响应模型的目标函数；设置需求响应模型的约束条件，使调度补充成本最小化，所述约束条件包括：配电网功率平衡约束、电价约束、备用约束以及用户舒适度约束；根据所述目标函数和约束条件对的所述需求响应模型进行求解，得到最低补偿成本，从而实现调度补偿成本最小化。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例描述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仅是本发明的一个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种基于配网优化调度的柔性负荷聚合建模方法的流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，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的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种基于配网优化调度的柔性负荷聚合建模方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
如图1是根据本发明实施例的一种基于配网优化调度的柔性负荷聚合建模方法的流程图，以电动汽车、空调作为需求侧资源中柔性负荷的典型资源，综合考虑到它们在物理特性、人为环境等方面受到的各种影响因素，提出一种基于配网优化调度的柔性负荷聚合建模方法，以降低系统运行补偿成本目标。如图1所示，基于配网优化调度的柔性负荷聚合建模方法包括如下步骤：
步骤S1、以电动汽车、空调为柔性负荷代表所建立的需求响应模型；
步骤S2、根据实时调度为消除调度中的预测误差为主，并以调度补偿成本最小化为目标，建立需求响应模型的电网柔性负荷调度的成本约束函数；
步骤S3、设置需求响应模型的约束条件，使调度补充成本最小化，所述约束条件包括：配电网功率平衡约束、电价约束、备用约束以及用户舒适度约束；
步骤S4、根据所述目标函数和约束条件对的所述需求响应模型进行求解，得到最低补偿成本，根据最低补偿成本下的不同补偿率进行柔性负荷聚合建模方法决策。
作为一种可选的实施例，以电动汽车、空调为柔性负荷代表所建立的需求响应模型，考虑到电动汽车、空调作为需求侧灵活性资源对系统单向灵活性爬坡能力的提升作用，进而实现上、下调节灵活性资源的合理分配。因此在考虑资源的用电需求为前提下，实时调度的主要目标为在尽可能降低用户调度补偿成本的前提下，根据系统内各时段的实际运行数据对调度策略进行修正。基于此，实时调度除了要考虑系统内功率平衡必要条件之外，其目标应为调度补偿成本最小化。步骤S2中，柔性负荷调度成本约束函数的表达式为：
min C＝CAC+CEV
其中，CAC表示空调的补偿成本，单位为元/(KW.h)；CEV表示集成电动汽车充放电补偿成本，单位为元/(KW.h)；minC为调度补偿成本最小化约束目标。
作为一种可选的实施例，目前对柔性负荷补偿方式主要有高赔偿和低电价两种形式。空调相对于电动车，其参与调度频率较高，因此对空调采用低电价的方式更合理，空调的补偿成本CAC的计算方式为：
其中，α为空调电价补偿折扣率(α＜1)；Sv表示空调负荷的开关状态，“1”表示表示开状态，“0”表示关状态；PAC表示空调的用电功率；CL表示实时电价，CL,t表示时段t对应的实时电价；T为补偿成本计算周期。
作为一种可选的实施例，集成电动汽车在调度中由于需要多次充放电，因此适合采用高赔偿方式。在补偿计算中应加入电动汽车由于调度而造成的锂电池寿命损耗，其成本主要由充电调度成本和放电补贴成本两部分组成，因此，集成电动汽车充放电补偿成本CEV的计算方式为：
其中，EV表示电动汽车集群；表示集成电动汽车充电调度成本，单位为元/(KW.h)；T表示补偿成本计算周期；CL表示实时电价，CL,t表示时段t对应的实时电价；Aj,t表示集群t时段充电效率；/>表示集成电动汽车放电补贴成本，单位为元/(KW.h)；Bj,t表示集群t时段放电效率；β表示充电调度赔偿率(β＞1)；VEV表示电动汽车锂电池价格，单位为元/(KW.h)；FEV表示电动汽车锂电池最大充放电次数；/>表示锂电池放电效率；NEV表示集群EV的数量，在此表示电动汽车的数量，j表示对应的电动汽车编号；PEV,t表示集群EV在t时段的实时功率；PEV,max表示集群EV的最大输出功率。
作为一种可选的实施例，针对配电网的整体优化调度模型中最为重要的约束条件是系统功率平衡约束，否则就会导致配电网供电可靠性大大降低，因此，步骤S3中配电网功率平衡约束的表达式为：
Pgrid,t+PPV,t＝PG,t+PEV,t+PAC,t
其中，Pgrid,t为t时段电网功率，PPV,t为t时段并入电网的分布式光伏功率，PG,t为t时段刚性负荷功率，PEV,t为t时段集成电动汽车充放电功率，PAC,t为t时段空调功率。
作为一种可选的实施例，在实时调度中计及补偿成本，应将电价约束纳入考虑范围。该约束由两部分组成：一是系统指定电价上下限，二是为防止系统制定电价过高，日均电价应保持在一定的数值范围内。因此，步骤S3中电价约束的表达式为：
Cmin≤CL,t≤Cmax
其中，Cmin和Cmax分别表示系统制定的最低电价和最高电价，单位为元/(KW.h)；表示日均电价，单位为元/(KW.h)；CL表示实时电价，CL,t表示时段t对应的实时电价，单位为元/(KW.h)。
作为一种可选的实施例，步骤S3中备用约束的表达式为：
其中，μ为配电网在t时段的旋转备用功率要求，为t时段电网的最大功率，PPV,t为t时段并入电网的分布式光伏功率，PG,t为t时段刚性负荷功率，PEV,t为t时段集成电动汽车充放电功率，PAC,t为t时段空调功率。
作为一种可选的实施例，考虑到用户舒适度为前提，对空调和电动汽车约束，因此，步骤S3中用户舒适度约束的表达式如下：
ηmin≤ην≤ηmax
tstart≤tc≤tend
其中，ηmin和ηmax分别表示用户舒适度ην的上下限，考虑到人体舒适度范围，区间设定在20℃～26℃；tstart和tend分别为电动汽车接入、离开的时刻，tc为电动汽车接入持续时长。考虑到用户的用电需求，可将电动汽车接入的时刻设定为晚上七点，离开时刻为次日的早上八点。
实施例2
对本发明基于配网优化调度的柔性负荷聚合建模方法的实例，根据用户最低补偿成本约束计算，实现在不同空调电价补偿折扣和EV充电调度赔偿率策略下的柔性负荷聚合方法决策详细说明，以使本领域技术人员更了解本发明：
设算例中可调度的EV集群电动汽车数量为1000台，单辆EV锂电池容量为65KW.h，运行过程中电池容量范围区间为[0.1,1]KW.h，且充放电功率限制为6.5KW，由于EV集群的并网时间各不相同，因此并网时间取值分别服从分别函数N1[19:00,24:00]，N2[0:00,8:00]。算例中空调设定为2000台，将空调用户舒适温度设定为[20，26]℃，调度开始前预设温度为22℃，空调制冷功率上限为2.7KW，能效系数为2.5。功率设定为1.5MW，备用用量设定为4000KW。
根据实施例的1的基于配网优化调度的柔性负荷聚合建模方法，实时调度中主要为消除调度中的预测误差，并以用户补偿成本最低作为优化目标。实时调度中用户补偿成本除受预测误差影响外，也受空调电价补偿折扣α、EV充电调度赔偿率β影响较大，不同补偿率下用户补偿成本表如下：
在用户补偿过程中，空调负荷的甚于可调度容量可以弥补部分预测误差，在用户补偿策略中，不同的补偿率与可控负荷剩余可供调度容量决定了补偿过程中优先调控的负荷和总补偿成本，例如在α＝0.6，β＝1.3的情况下，在电能不足时段有限选择关停空调，在电能过剩的时段优先选择EV充电。
实施例3
根据本发明实施例的另一方面，还提供了一基于配网优化调度的柔性负荷聚合建模装置，柔性负荷聚合建模装置应用上述的基于配网优化调度的柔性负荷聚合建模方法，柔性负荷聚合建模装置包括：
构建模型模块，用于以电动汽车、空调为柔性负荷代表所建立的需求响应模型；
目标函数设置模块，用于实时调度为消除调度中的预测误差为主，并以调度补偿成本最小化为目标，建立需求响应模型的电网柔性负荷调度的成本约束函数；
约束条件设置模块，用于设置需求响应模型的约束条件，使调度补充成本最小化，所述约束条件包括：配电网功率平衡约束、电价约束、备用约束以及用户舒适度约束；
模型求解模块，用于根据所述目标函数和约束条件对的所述需求响应模型进行求解，得到最低补偿成本，根据最低补偿成本下的不同补偿率得到柔性负荷聚合建模方法的决策。
本发明不局限于以上的具体实施方式，以上仅为本发明的较佳实施案例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
实施例4
根据本发明实施例的另一方面，还提供了一种基于配网优化调度的柔性负荷聚合建模系统，所述基于配网优化调度的柔性负荷聚合建模系统包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述任意一项所述的基于配网优化调度的柔性负荷聚合建模方法。
实施例5
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，该计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行上述中任意一项的基于配网优化调度的柔性负荷聚合建模方法。
可选地，在本实施例中，上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中，上述计算机可读存储介质包括存储的程序。
可选地，在程序运行时控制计算机可读存储介质所在设备执行以下功能：
以电动汽车、空调为柔性负荷代表所建立的需求响应模型；根据实时调度为消除调度中的预测误差为主，并以调度补偿成本最小化为目标，建立需求响应模型的目标函数；设置需求响应模型的约束条件，使调度补充成本最小化，所述约束条件包括：配电网功率平衡约束、电价约束、备用约束以及用户舒适度约束；根据所述目标函数和约束条件对的所述需求响应模型进行求解，得到最低补偿成本。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM,Read-0nlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于配网优化调度的柔性负荷聚合建模方法，其特征在于，包括：
以电动汽车、空调为柔性负荷代表所建立的需求响应模型；
根据实时调度为消除调度中的预测误差为主，并以调度补偿成本最小化为目标，建立需求响应模型的电网柔性负荷调度的成本约束函数；
设置需求响应模型的约束条件，使调度补充成本最小化，所述约束条件包括：配电网功率平衡约束、电价约束、备用约束以及用户舒适度约束；
根据所述目标函数和约束条件对的所述需求响应模型进行求解，得到最低补偿成本，根据最低补偿成本下的不同补偿率得到柔性负荷聚合建模方法的决策。
2.根据权利要求1所述的基于配网优化调度的柔性负荷聚合建模方法，其特征在于，所述柔性负荷调度成本约束函数为：
min C＝CAC+CEV
其中，CAC表示空调的补偿成本；CEV表示集成电动汽车充放电补偿成本；min C为调度补偿成本最小化约束目标。
3.根据权利要求2所述的基于配网优化调度的柔性负荷聚合建模方法，其特征在于，所述空调的补偿成本CAC的计算方式为：
其中，α为空调电价补偿折扣率；Sv表示空调负荷的开关状态，“1”表示表示开状态，“0”表示关状态；PAC表示空调的用电功率；CL表示实时电价；T为补偿成本计算时间周期；CL,t表示时段t对应的实时电价。
4.根据权利要求2所述的基于配网优化调度的柔性负荷聚合建模方法，其特征在于，所述集成电动汽车充放电补偿成本CEV的计算方式为：
其中，EV表示电动汽车集群；表示集成电动汽车充电调度成本；T表示补偿成本计算周期；CL表示实时电价，CL,t表示时段t对应的实时电价；Aj,t表示集群t时段充电效率；/>表示集成电动汽车放电补贴成本；Bj,t表示集群t时段放电效率；β表示充电调度赔偿率；VEV表示电动汽车锂电池价格；FEV表示电动汽车锂电池最大充放电次数；/>表示锂电池放电效率；NEV表示集群EV的数量，在此表示电动汽车的数量，j表示对应的电动汽车编号；PEV,t表示集群EV在t时段的实时功率；PEV,max表示集群EV的最大输出功率。
5.根据权利要求1所述的基于配网优化调度的柔性负荷聚合建模方法，其特征在于，所述配电网功率平衡约束的表达式为：
Pgrid,t+PPV,t＝PG,t+PEV,t+PAC,t
其中，Pgrid,t为t时段电网功率，PPV,t为t时段并入电网的分布式光伏功率，PG,t为t时段刚性负荷功率，PEV,t为t时段集成电动汽车充放电功率，PAC,t为t时段空调功率。
6.根据权利要求1所述的基于配网优化调度的柔性负荷聚合建模方法，其特征在于，所述电价约束的表达式为：
Cmin≤CL,t≤Cmax
其中，Cmin和Cmax分别表示系统制定的最低电价和最高电价；表示日均电价；CL表示实时电价，CL,t表示时段t对应的实时电价。
7.根据权利要求1所述的基于配网优化调度的柔性负荷聚合建模方法，其特征在于，所述备用约束的表达式为：
其中，μ为配电网在t时段的旋转备用功率要求，为t时段电网的最大功率，PPV,t为t时段并入电网的分布式光伏功率，PG,t为t时段刚性负荷功率，PEV,t为t时段集成电动汽车充放电功率，PAC,t为t时段空调功率。
8.一种基于配网优化调度的柔性负荷聚合建模装置，其特征在于，包括：
构建模型模块，用于以电动汽车、空调为柔性负荷代表所建立的需求响应模型；
目标函数设置模块，用于实时调度为消除调度中的预测误差为主，并以调度补偿成本最小化为目标，建立需求响应模型的电网柔性负荷调度的成本约束函数；
约束条件设置模块，用于设置需求响应模型的约束条件，使调度补充成本最小化，所述约束条件包括：配电网功率平衡约束、电价约束、备用约束以及用户舒适度约束；
模型求解模块，用于根据所述目标函数和约束条件对的所述需求响应模型进行求解，得到最低补偿成本，根据最低补偿成本下的不同补偿率得到柔性负荷聚合建模方法的决策。
9.一种基于配网优化调度的柔性负荷聚合建模系统，其特征在于，所述基于配网优化调度的柔性负荷聚合建模系统包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如权利要求1至7中任意一项所述的基于配网优化调度的柔性负荷聚合建模方法。
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程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的基于配网优化调度的柔性负荷聚合建模方法。
CN202310695875.7A 2023-06-13 2023-06-13 一种基于配网优化调度的柔性负荷聚合建模方法 Pending CN116667337A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310695875.7A CN116667337A (zh) 2023-06-13 2023-06-13 一种基于配网优化调度的柔性负荷聚合建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310695875.7A CN116667337A (zh) 2023-06-13 2023-06-13 一种基于配网优化调度的柔性负荷聚合建模方法

Publications (1)

Publication Number Publication Date
CN116667337A true CN116667337A (zh) 2023-08-29

Family

ID=87724025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310695875.7A Pending CN116667337A (zh) 2023-06-13 2023-06-13 一种基于配网优化调度的柔性负荷聚合建模方法

Country Status (1)

Country Link
CN (1) CN116667337A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117318049A (zh) * 2023-11-27 2023-12-29 国网山东省电力公司枣庄供电公司 一种基于系数校正的配电网柔性负荷建模方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117318049A (zh) * 2023-11-27 2023-12-29 国网山东省电力公司枣庄供电公司 一种基于系数校正的配电网柔性负荷建模方法及系统
CN117318049B (zh) * 2023-11-27 2024-02-13 国网山东省电力公司枣庄供电公司 一种基于系数校正的配电网柔性负荷建模方法及系统

Similar Documents

Publication Publication Date Title
CN109301849B (zh) 一种用户侧电池储能电站的能量管理组合控制策略
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
CN110112767B (zh) 广域多形态需求侧负荷参与系统调峰的荷源优化控制方法
CN111525627B (zh) 含抽蓄与新能源发电的柔性直流输电系统日前调度方法
CN111049198B (zh) 考虑储能寿命和调频性能的风储联合运行优化方法及系统
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
CN112800658A (zh) 一种考虑源储荷互动的主动配电网调度方法
CN108695868A (zh) 基于电力电子变压器的配电网储能选址定容方法
CN105515110A (zh) 一种电动汽车有序充电实时控制系统
CN114256836B (zh) 一种新能源电站共享储能的容量优化配置方法
CN112529271B (zh) 一种可控负荷集群提供电网备用辅助服务的优化调度方法
He et al. A new cooperation framework with a fair clearing scheme for energy storage sharing
CN117239740B (zh) 一种虚拟电厂系统的优化配置与灵活性提升方法及系统
CN106372752A (zh) 一种变频空调热电池建模及其调度方法
CN116667337A (zh) 一种基于配网优化调度的柔性负荷聚合建模方法
CN109816556A (zh) 促进光伏消纳考虑热电联产及需求响应的并网型微电网经济优化调度策略
CN109130943B (zh) 共享电池站控制策略
CN116780627B (zh) 一种建筑园区内的微电网调控方法
CN112736950B (zh) 一种面向微电网群的公共储能电站配置方法及系统
CN114723278A (zh) 一种考虑光伏储能的社区微电网调度方法及系统
CN113036751A (zh) 一种考虑虚拟储能的可再生能源微电网优化调度方法
CN117639022B (zh) 一种储能多元复用调控方法、系统及电子设备
CN110929908A (zh) 多微网系统容量配置与经济调度的协同优化方法及系统
CN113346514B (zh) 一种基于agc的发电机组最优里程调度方法
CN116706929A (zh) 一种计及多时间尺度下智能楼宇异构负荷协同调控方法

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