CN116914847A - 一种虚拟电厂内多台发电机组聚合互补及优化调度方法 - Google Patents
一种虚拟电厂内多台发电机组聚合互补及优化调度方法 Download PDFInfo
- Publication number
- CN116914847A CN116914847A CN202310704418.XA CN202310704418A CN116914847A CN 116914847 A CN116914847 A CN 116914847A CN 202310704418 A CN202310704418 A CN 202310704418A CN 116914847 A CN116914847 A CN 116914847A
- Authority
- CN
- China
- Prior art keywords
- power
- power plant
- load
- virtual
- virtual power
- 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
- 238000004220 aggregation Methods 0.000 title claims abstract description 6
- 230000002776 aggregation Effects 0.000 title claims abstract description 6
- 230000005611 electricity Effects 0.000 claims abstract description 70
- 238000010248 power generation Methods 0.000 claims abstract description 37
- 230000009194 climbing Effects 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 71
- 238000004146 energy storage Methods 0.000 claims description 33
- 230000000694 effects Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000013486 operation strategy Methods 0.000 claims description 4
- 238000010977 unit operation Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 244000068988 Glycine max Species 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000003245 coal Substances 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 230000001105 regulatory effect Effects 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005406 washing Methods 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
- H02J3/38—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
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- H02J3/12—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
-
- 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
- H02J2310/50—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
- H02J2310/58—The condition being electrical
- H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
-
- 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
Abstract
本发明公开了一种虚拟电厂内多台发电机组聚合互补及优化调度方法，包括以下步骤：采集24h内各个时间点电网综合负荷数据计算统计24h内电网的平均负荷，以实际负荷曲线平均负荷线交点作端点；判断端点构成的各子区间虚拟电厂为用电属性还是发电属性，设置最大运行利润的目标函数；建立目标函数对应的约束条件，该约束条件包括深度调峰需求平衡约束、火电出力容量约束、火电出力爬坡约束、虚拟电厂出力约束、虚拟电厂出力爬坡约束、虚拟电厂运行特性约束、用户负荷约束；将建立的目标函数进行扁平化处理，得到综合目标函数；对综合目标函数的最优解进行计算。本发明能够改进现有技术的不足，提高虚拟电厂的调度控制经济性与时效性。
Description
技术领域
本发明属于电力技术领域，尤其涉及一种虚拟电厂内多台发电机组聚合互补及优化调度方法。
背景技术
随着智能电网技术的飞速发展，虚拟电厂利用先进智能控制技术整合协调分布式能源、储能系统以及可控负荷参与电网的优化调度运行，有效处理了多个火电机组的出力不确定性问题，提高电网的经济性、稳定性、可靠性。在虚拟电厂的整合下，小火电机组等低容量的分布式能源可以有效整合为一个大容量、高可靠性的灵活电源，降低了分布式电源独立参加市场的风险，同时虚拟电厂对分布式电源的协调优化可以有效减小分布式电源并网对主网的冲击，提高系统运行稳定性。
目前，虚拟电厂参与电力系统集中优化调度仍存在诸多难点。通过虚拟电厂内部优化调度，虚拟电厂可以在满足对外输出功率的要求下，实现虚拟电厂内部发电资源的最优配置。
因此，现有的虚拟电厂为了降低实际供电与预测供电之间的差异，通常会配备高容量的储能设备以供虚拟电厂进行调度，从而导致虚拟电厂存在成本较高的缺点。
发明内容
本发明要解决的技术问题是提供一种虚拟电厂优化调度方法，本发明是针对国内外虚拟电厂中源荷储优化配置的问题，提出了一种虚拟电厂多能互补的源荷储优化配置方法，考虑了储能与火电互补，利用进化的粒子群算法对虚拟电厂中源荷储进行优化调度，通过日前预测进行设备参数设置。得到虚拟电厂中虚拟电厂多能互补的源荷储最优调度方案。为解决上述技术问题，本发明所采取的技术方案如下：
一种关于虚拟电厂内多台火电机组聚合储能互补及优化调度方法，包括以下步骤：
确定虚拟电厂调峰影响评价的时间长度，采集24h内各个时间点电网与需要进行调峰效果评估的虚拟电厂综合负荷数据；
计算统计24h内电网的平均负荷，求出实际负荷曲线和平均负荷曲线的交点，以实际负荷曲线与平均负荷线交点作端点。
确定其在由端点构成的各子区间内为用电属性还是发电属性，判断虚拟电厂的用电属性是否为峰值用电。是，则虚拟电厂用电属性与电网在子区间内存于负荷高峰期，否，则虚拟电厂用电属性与电网在子区间内存于负荷低谷期；判断虚拟电厂的发电属性是否为峰值发电，是，则虚拟电厂发电属性与电网在子区间内为负荷高峰期，否，则虚拟电厂用电属性与电网在子区间内为负荷低谷期；
当电网为谷值用电时，需采取增加可控负荷量、降低分布式电源发电量或提高储能充电量措施，当虚拟电厂和电网均为峰值用电时，通过减少可控负荷量、提高分布式电源发电量或提高储能放电量措施，当虚拟电厂和电网均为谷值用电，通过增加可控负荷量、降低分布式电源发电量或提高储能充电量措施，从而实现通过调峰效果评估指标调控虚拟电厂的运行方式。
时间长度取24h为统计周期，以15min为一个采样间隔。
计算统计周期24h内电网平均负荷，以平均负荷大小作一条与时间轴平行的线，找到该线与负荷曲线的交点作为电网侧的各子区间端点，将子区间划分为峰值负荷与谷值负荷区间，求出实际负荷曲线与平均负荷曲线的交点，标记其横坐标为t1,t2，以实际负荷曲线与平均负荷线交点作端点，将实际负荷曲线分段，每一段形成一个子区间，按照顺序排列分别为I1,I2……,通过比较每个子区间平均负荷与总体平均负荷划分该子区间属于峰值负荷区间或谷值负荷区间，当子区间平均负荷大于总体平均负荷时，该区间为峰值区间，当子区间平均负荷小于总体平均负荷时，该子区间为谷值区间。
功率偏差
其中，ΔPIi为时间为第Ii段的功率偏差，PIi，k为时间为第Ii段上第k个供电设备的输出功率，PIi，j为时间为第Ii段上第j个用电设备的消耗功率，n1为供电设备数量，n2为用电设备数量。
在每一段的功率偏差由各个火电机组调峰功率和虚拟电厂发电功率调整。
PIi,VPP为时间为第Ii段虚拟电厂功率，虚拟电厂发电则为正值，虚拟电厂蓄电则为负值。
Ii时段第j台火电机组的调峰成本的计算方法为：
式中，CP,k(Ii)为Ii时段第k台火电机组的煤耗成本，CQ,K(Ii)为Ii时段第k台火电机组产生的深度调峰损耗成本，C W,k(Ii)为Ii时段第k台火电机组产生的电量损失成本，Cr,k(Ii)为t时段第k台火电机组产生的投油成本，PG,a,k为第k台火电机组投油时的最小输出功率，PG.b.k为第k台火电机组不投油时的最小输出功率，PG.min.k为第j台火电机组的最小输出功率，PG.max.k为第k台火电机组的最大输出功率。
虚拟电厂蓄能电池约束为
式中，PVPP,min和PVPP,max分别为虚拟电厂储能系统的最小负荷和最大负荷；
虚拟电厂蓄能爬坡约束为：
式中,ΔPVPP,U和ΔPVPP,D分别为虚拟电厂增加、减少负荷速率；
火电机组出力极限约束为
式中，PK,min和PK,max分别为第K座火电机组的最小负荷和最大负荷；
火电机组爬坡约束为：
Pk,t-Pk,t-1≤ΔPk,U
Pk,t-1-Pk,t≤ΔPk,D
式中，ΔPk,U和ΔPk,D分别为虚拟电厂增加、减少负荷速率；分别为火电k向上、向下爬坡速率；
假设虚拟电厂的寿命为T；
构建电网系统集中优化调度成本函数；
f为在T周期内电网运行总成本，CIi,k()是第k台火电机组在Ii时刻供电功率为PK,Ii时的发电成本函数，T是除虚拟电厂的调度周期，CVPP()是设计虚拟电厂PVPP,min和PVPP,max分别为虚拟电厂最小负荷和最大负荷函数，ΔPVPP,U和ΔPVPP,D分别为虚拟电厂增加、减少负荷速率时虚拟电厂的耗量成本函数。
在用户负荷侧可以通过调整电网用户端用电价格调整负荷大小，以此减小电源侧的调节压力。
在经济学领域，通常采用价格伸缩系数来描述商品的需求对于价格的敏感程度。客户用电量与电价之间的关系用电价伸缩系数ξ来表示。ξ可以定义为客户用电量波动率与价格波动率的比值，如下式：
式中：P和C别表示该时刻初始的用电量和电价；ΔP和ΔC分别表示该时刻用电量和电价的改变量。
实际生产生活中，电力客户的用电行为受多重因素影响。一方面，当前时段电力价格的变化可能会导致当前时段用电行为的改变，产生了用电量的增减；另一方面，其他时段的电价变化也会对当前时段客户的用电行为产生影响，即产生了用电量的转移。所以，在分析价格伸缩性时，需要综合考虑上述两种伸缩变化。可定义第i时段的自伸缩系数为ξii，第i时段对第j时段的互伸缩系数为ξij。在得到自伸缩系数ξii和互伸缩系数ξij后，则能形成需求侧响应电价伸缩系数矩阵ζ，如下式：
式中：下角标f、p、g代表伸缩系数归属的不同时间段。
通过对历史电价和历史负荷量进行数据统计。之后，对运行数据清洗主要包括对运行数据中的NaN值进行删除和平均值填充处理，对于失真数据通过设置运行数据上下边界阈值进行进行筛选与删除，对于离散值数据通过线性拟合设置上下阈值进行筛选与删除。最后再通过以上方法得到预测的电网电力价格与该时刻电力负荷需求。把这个一一对应关系归类为一个函数关系，并且以此作为之后预测的电力负荷与电价的函数关系。
Pr＝a(q)2+bq+c
式中：a，b，c为电价二次函数对应系数，由机组运行历史数据拟合得到；Pr为该时段内电价；q为该时段的用户负荷大小。
在电力系统中，负荷可以分为两类：可控负荷和不可控负荷。不可控负荷是指那些无法通过调节控制其用电需求的基础性用电仪器，照明、通信等都属于不可控负荷，在能源调度过程中具有优先级，其用电需求需要在其他可调控负荷之前得到满足；可控负荷是指一些用电设备，例如洗衣机、微波炉等，其用电时段具有一定的可变化性。在调度时段内，通过激励型需求响应对这些负荷直接进行调节，并对参与负荷移动的用户进行补偿，可以实现用电负荷需求量的转移，起到一定削峰填谷的作用。
本文研究的需求侧响应模型主要关注可控负荷的调节。其中，可转移负荷指的是在供需双方提前达成协议的情况下，用户收到的信号来自于调度中心，一些比较灵活的负荷在用电高峰期时被转移到用电低谷期或者新能源出力的高峰期，在用户作出响应后，成功地转移部分负荷[24]。此时总供电收入可以表示为：
所以在一个周期内总卖电收入函数表示为
式中：H为一个周期内电网售电的总收入；Cr,i为时段i的电网售电电价；Pi为时段i的用户负荷大小。
构建电网系统集中优化调度总目标函数；
maxE＝D-H
式中：E为一个周期内虚拟电厂总体利润。
通过调度中心进行计算，以总体利润的最大值为目标函数。
建立的目标函数进行扁平化处理得到综合目标函数；根据实际运行需要，选定一个目标函数作为主目标函数，其余目标函数为从目标函数；
分别建立主目标函数与不同从目标函数之间的关联矩阵，对非线性相关的关联矩阵进行拼接，对线性相关的关联矩阵进行合并，得到组合关联矩阵；
使用组合关联矩阵将从目标函数转化为与主目标函数相关的从目标函数，然后将转化后的从目标函数与主目标函数进行合并，得到综合目标函数；
对综合目标函数的最优解进行计算；对综合目标函数的最优解进行计算包括以下步骤；
选定的参数变量为基础对综合目标函数进行正则化；
进行正则化包括以下步骤：
将非相关的稀疏解组成解集，作为综合目标函数的约束条件；
将正则化后的综合目标函数处于稳定状态的解作为最优解；
计算综合目标函数的稳定状态包括以下步骤，随机选择综合目标函数上若干个局部最优解；
将局部最优解进行算术运算，得到测试数据集；
使用测试数据集对综合目标函数进行连续测试，确定使综合目标函数属于稳态的测试数据范围，将上述范围内的测试数据进行步骤C32的逆运算，得到局部最优解，将得到的局部最优解进行线性合并，得到最优解，即目标函数的最小值，电网运行的最低成本。
根据本发明虚拟电厂的控制装置，通过获取虚拟电厂在不同场景下的电价数据；根据预设约束条件电价数据建立虚拟电厂调度模型；对虚拟电厂调度模型进行求解，得到虚拟电厂的运行策略。由此，通过建立虚拟电厂调度模型，为提升虚拟电厂价值，优化虚拟电厂调度的行为决策提供理论指导。
根据本发明，提供一种服务器，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现第一方面实施例所述的虚拟电厂的控制方法。
根据本发明，提供一种存储介质，包括：
当所述存储介质中的指令由服务器的处理器执行时，使得服务器能够执行第一方面实施例所述的虚拟电厂的控制方法。
根据本发明，提供一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，使得服务器能够执行第一方面实施例所述的虚拟电厂的控制方法。
本发明的有益效果：
通过虚拟电厂最优控制模型的建立，可以得到虚拟电厂在能量、备用和灵活调峰市场的控制策略，包括虚拟电厂内部分布式能源、储能、柔性负荷等在能量市场与辅助服务市场的投标量，从而实现虚拟电厂总收益最大化。
根据本发明实施例提出的虚拟电厂的控制方法，通过获取虚拟电厂在不同场景下负荷数据；根据预设约束条件建立虚拟电厂调度模型；对虚拟电厂调度模型进行求解，得到虚拟电厂的运行策略。由此，针对虚拟电厂的优化控制。
附图说明
图1为本发明的方法流程示意图。
图2为实际负荷曲线与平均负荷曲线示意图。
图3是虚拟电厂资源调度的模块架构图。
实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
下面结合附图对本发明的技术方案进一步说明。
请参阅图1所示，本发明中一种关于虚拟电厂内多台火电机组聚合互补及优化调度方法，包括以下步骤：
步骤S1,确定虚拟电厂调峰影响评价的时间长度，采集24h内各个时间点电网与需要进行调峰效果评估的虚拟电厂综合负荷数据；
在步骤S1中，具体的，在本步骤中，根据用户设备数据分时电价初始值建立运行场景数据集，这里的运行场景数据集可以包括电网的高峰时段、低谷时段和平时段各个时期的划分时段、对应的电价数据各个时期将每24小时划分为高峰时段、低谷时段和平时段虚拟电厂的运行场景数据集。
步骤S2,计算统计24h内电网的平均负荷，求出实际负荷曲线和平均负荷曲线的交点，以实际负荷曲线与平均负荷线交点作端点；
步骤S2中，时间长度取24h为统计周期，以15min为一个采样间隔。将每个时间段的负荷数据相加，并且除以时间段的个数，得到在此周期时间内的平均负荷数据，将各个时段的数据在表中画出，并且将各点连接，在图中实际负荷的折线会与平均负荷的直线会存在若干个交点计算统计周期24h内电网平均负荷，以平均负荷大小作一条与时间轴平行的线，找到该线与负荷曲线的交点作为电网侧的各子区间端点，将子区间划分为峰值负荷与谷值负荷区间，求出实际负荷曲线与平均负荷曲线的交点，标记其横坐标为t1,t2。
步骤S3，以实际负荷曲线与平均负荷线交点作端点，将实际负荷曲线分段，每一段形成一个子区间，按照顺序排列分别为I1,I2……,通过比较每个子区间平均负荷与总体平均负荷划分该子区间属于峰值负荷区间或谷值负荷区间，子区间平均负荷大于总体平均负荷时，说明在该区间中实际的负荷是高于整个时间周期的负荷水平，在该区间是用电的高峰期，称该区间为峰值区间，当子区间平均负荷小于总体平均负荷时，说明在该区间中实际的负荷是低于整个时间周期的负荷水平，在该区间是用电的低谷期，该子区间为谷值区间。
步骤4，确定用电属性。确定其在子区间内用电属性为峰值用电或是谷值用电，发电属性为峰值发电或是谷值发电。
当虚拟电厂用电属性与电网在子区间内峰谷性相反时表示其用电行为对电网调峰起积极作用，峰谷特性相同时表示该虚拟电厂用电对电网调峰起消极作用；当虚拟电厂发电属性为峰值发电时，表示其发电行为对电网调峰起积极作用，谷值发电时表示该虚拟电厂发电对电网调峰起消极作用，通过调峰影响指标量化目标虚拟电厂对电网调峰的影响。确定其在由端点构成的各子区间内为用电属性还是发电属性，判断虚拟电厂的用电属性是否为峰值用电。是，则虚拟电厂用电属性与电网在子区间内存于负荷高峰期，否，则虚拟电厂用电属性与电网在子区间内存于负荷低谷期；判断虚拟电厂的发电属性是否为峰值发电，是，则虚拟电厂发电属性与电网在子区间内为负荷高峰期，否，则虚拟电厂用电属性与电网在子区间内为负荷低谷期。
步骤5当虚拟电厂和电网均为峰值用电时，通过减少可控负荷量、提高分布式电源发电量或提高储能放电量措施，当虚拟电厂和电网均为谷值用电，通过增加可控负荷量、降低分布式电源发电量或提高储能充电量措施，从而实现通过调峰效果评估指标调控虚拟电厂的运行方式。
功率偏差
其中，ΔPIi为时间为第Ii段的功率偏差，PIi，k为时间为第Ii段上第k个供电设备的输出功率，PIi，j为时间为第Ii段上第j个用电设备的消耗功率，n1为供电设备数量，n2为用电设备数量。
在每一段的功率偏差由各个火电机组调峰功率和虚拟电厂发电功率调整。
PIi,VPP为时间为第Ii段虚拟电厂功率，虚拟电厂发电则为正值，虚拟电厂蓄电则为负值。
根据调峰效果评估指标计算结果，将不同时段按所对应指标由负值开始由小到大排序，确定调峰消极影响程度大的时间段，据此制定对计算目标虚拟电厂调控策略，优先对消极影响大的时段进行调整，实现虚拟电厂与电网的协调优化运行。
步骤6，根据研究区域的火电机组运行机组设计工况，结合平时数据进行计算总结，获取火电机组运行的成本函数
Ii时段第j台火电机组的调峰成本的计算方法为：
式中，CP,k(Ii)为Ii时段第k台火电机组的煤耗成本，CQ,K(Ii)为Ii时段第k台火电机组产生的深度调峰损耗成本，C W,k(Ii)为Ii时段第k台火电机组产生的电量损失成本，Cr,k(Ii)为t时段第k台火电机组产生的投油成本，PG,a,k为第k台火电机组投油时的最小输出功率，PG.b.k为第k台火电机组不投油时的最小输出功率，PG.min.k为第j台火电机组的最小输出功率，PG.max.k为第k台火电机组的最大输出功率。
步骤7，建立储能系统和火电机组调控的约束函数；
由于火电机组的总体调节能力与调节速度有限，为此为火电机组增加储能系统组成虚拟电厂系统，增加了该系统的调节能力，同时也增强的火电机组调峰调频能力和电网供电的可靠性。虚拟电厂其内部成员除火力发电机组外，还考虑了储能设备的参与来实现供给与负荷的转移，在储能设备方面考虑了蓄电池储能系统参与调度，体现了储能设备的多样性。期望通过供给与负荷的转移，实现新能源接入下的能源高效消纳，从供给侧及需求侧达到“削峰填谷”的作用，充分体现虚拟电厂通信与聚合的核心优势。
虚拟电厂蓄能约束为
式中，PVPP,min和PVPP,max分别为虚拟电厂最小负荷和最大负荷；
储能系统能量储存值的约束，限制了能量储存值的大小，储能系统的能量，储存值一直位于最小和最大区间的范围之内。
虚拟电厂蓄能爬坡约束为：
式中,ΔPVPP,U和ΔPVPP,D分别为虚拟电厂增加、减少负荷速率；
火电机组出力极限约束为
式中，PK,min和PK,max分别为第K座火电机组的最小负荷和最大负荷；
火电机组爬坡约束为：
Pk,t-Pk,t-1≤ΔPk,U
Pk,t-1-Pk,t≤ΔPk,D
式中，ΔPk,U和ΔPk,D分别为虚拟电厂增加、减少负荷速率；分别为火电k向上、向下爬坡速率；
对于整个虚拟电厂来说，每个时间段都需要保持需求和供给之间的功率平衡，约束公式表示如下:
式中，PIi为第i时段的电网负荷。
步骤8设置模型目标函数，计算求解经济性最优运行方案；
假设虚拟电厂的寿命为T；
构建电网系统集中优化调度成本函数；
f为在T周期内电网运行总成本，CIi,k()是第k台火电机组在Ii时刻供电功率为PK,Ii时的发电成本函数，T是除虚拟电厂的调度周期，CVPP()是设计虚拟电厂PVPP,min和PVPP,max分别为虚拟电厂最小负荷和最大负荷函数，ΔPVPP,U和ΔPVPP,D分别为虚拟电厂增加、减少负荷速率时虚拟电厂的耗量成本函数。
通过对历史电价和历史负荷量进行数据统计。之后，对运行数据清洗主要包括对运行数据中的NaN值进行删除和平均值填充处理，对于失真数据通过设置运行数据上下边界阈值进行进行筛选与删除，对于离散值数据通过线性拟合设置上下阈值进行筛选与删除。
通过历史数据计算ξ，定义为客户用电量波动率与价格波动率的比值，下式：
式中：P和C别表示该时刻初始的用电量和电价；ΔP和ΔC分别表示该时刻用电量和电价的改变量。
通过以上方法得到预测的电网电力价格与该时刻电力负荷需求。把这个一一对应关系归类为一个函数关系，并且以此作为之后预测的电力负荷与电价的函数关系。
Pr＝a(q)2+bq+c
式中：a，b，c为电价二次函数对应系数，由机组运行历史数据拟合得到；Pr为该时段内电价；q为该时段的用户负荷大小。
构建在一个周期内总卖电收入函数表示为
式中：H为一个周期内电网售电的总收入；Cr,i为时段i的电网售电电价；Pi为时段i的用户负荷大小。
构建电网系统集中优化调度总目标函数；
maxE＝D-H
式中：E为一个周期内虚拟电厂总体利润。
通过调度中心进行计算，以总体利润的最大值为目标函数。
建立的目标函数进行扁平化处理得到综合目标函数；在调度问题中，考虑到虚拟电厂面临的不确定性主要为其内部负荷的不确定性。针对内部负荷的不确定性，在时段t虚拟电厂只能获取当前时段的实际负荷以及电价信息，通过预测来获取未来时段的负荷及电价信息。根据实际运行需要，选定一个目标函数作为主目标函数，其余目标函数为从目标函数；
分别建立主目标函数与不同从目标函数之间的关联矩阵，对非线性相关的关联矩阵进行拼接，对线性相关的关联矩阵进行合并，得到组合关联矩阵；
对综合目标函数的最优解进行计算；对综合目标函数的最优解进行计算包括以下步骤；
选定的参数变量为基础对综合目标函数进行正则化；
进行正则化包括以下步骤：
将非相关的稀疏解组成解集，作为综合目标函数的约束条件；
将正则化后的综合目标函数处于稳定状态的解作为最优解；
计算综合目标函数的稳定状态包括以下步骤，随机选择综合目标函数上若干个局部最优解；
将局部最优解进行算术运算，得到测试数据集；
使用测试数据集对综合目标函数进行连续测试，确定使综合目标函数属于稳态的测试数据范围，将上述范围内的测试数据进行逆运算，得到局部最优解，将得到的局部最优解进行线性合并，得到最优解，即目标函数的最小值，电网运行的最低成本。
通过虚拟电厂最优控制模型的建立，可以得到虚拟电厂在能量、备用和灵活调峰市场的控制策略，包括虚拟电厂内部分布式能源、储能、柔性负荷等在能量市场与辅助服务市场的投标量，从而实现虚拟电厂总收益最大化。
根据本发明实施例提出的虚拟电厂的控制方法，通过获取虚拟电厂在不同场景下负荷数据；根据预设约束条件建立虚拟电厂调度模型；对虚拟电厂调度模型进行求解，得到虚拟电厂的运行策略。由此，针对虚拟电厂的优化控制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种虚拟电厂内多台发电机组聚合互补及优化调度方法，其特征在于，包括以下步骤：步骤1、确定虚拟电厂调峰影响评价的时间长度；步骤2、计算统计24h内电网的平均负荷，求出实际负荷曲线和平均负荷曲线的交点，以实际负荷曲线与平均负荷线交点作端点；步骤3、按端点的时间先后顺序将实际负荷曲线分段，每一段形成一个子区间，在每个区间内确定实际负荷与整个周期内平均负荷的差值，差值为功率偏差；步骤4、确定端点构成的各子区间内为用电属性还是发电属性；步骤5、根据虚拟电厂和电网不同用电时，控制可控负荷量分布式电源发电量或储能充电量措施；步骤6、构建最大化运行利润的目标函数；步骤7、建立目标函数对应的约束条件；步骤8、利用所述目标函数和对应的约束条件，计算最优火电机组运行条件和虚拟电厂容量及其调峰速率。
2.根据权利要求1所述的虚拟电厂内多台火电机组聚合互补及优化调度方法，其特征在于：
所述步骤1采集24h内各个时间点电网与需要进行调峰效果评估的虚拟电厂综合负荷数据，步骤1中的时间长度取24h为统计周期，以5min为一个采样间隔；
步骤4具体为确定端点构成的各子区间内为用电属性还是发电属性，判断虚拟电厂的发电属性是否为峰值发电：是，则虚拟电厂用电属性与电网在子区间内存于负荷高峰期；否，则虚拟电厂用电属性与电网在子区间内存于负荷低谷期；判断虚拟电厂的发电属性是否为峰值发电：是，则虚拟电厂发电属性与电网在子区间内为负荷高峰期；否，则虚拟电厂用电属性与电网在子区间内为负荷低谷期；
步骤5具体为当电网为谷值用电时，需采取增加可控负荷量、降低分布式电源发电量或提高储能充电量措施，当虚拟电厂和电网均为峰值用电时，通过减少可控负荷量、提高分布式电源发电量或提高储能放电量措施，当虚拟电厂和电网均为谷值用电，通过增加可控负荷量、降低分布式电源发电量或提高储能充电量措施；
步骤6获取能源深度调峰需求、火电深度调峰购买成本函数和虚拟电厂深度调峰购买成本函数，构建最小化新能源深度调峰购买成本、火电深度调峰成本和虚拟电厂深度调峰成本的目标函数；
步骤7中约束条件包括深度调峰需求平衡约束、火电出力容量约束、火电出力爬坡约束、虚拟电厂出力约束、虚拟电厂出力爬坡约束和虚拟电厂运行特性约束。
3.根据权利要求1所述的一种虚拟电厂内多台发电机组聚合互补及优化调度方法，其特征在于：所述步骤2进一步具体为：计算统计周期24h内电网平均负荷，以平均负荷大小作一条与时间轴平行的线，找到该线与负荷曲线的交点作为电网侧的各子区间端点，将实际负荷曲线分段，每一段形成一个子区间，通过比较每个子区间平均负荷与总体平均负荷划分该子区间属于峰值负荷区间或谷值负荷区间，当子区间平均负荷大于总体平均负荷时，该区间为峰值区间，当子区间平均负荷小于总体平均负荷时，该子区间为谷值区间。
4.根据权利要求1所述的一种虚拟电厂内多台发电机组聚合互补及优化调度方法，其特征在于：功率偏差
其中，ΔPIi为时间为第Ii段的功率偏差，PIi，k为时间为第Ii段上第k个供电设备的输出功率，PIi，j为时间为第Ii段上第j个用电设备的消耗功率，n1为供电设备数量，n2为用电设备数量。
5.根据权利要求1所述的一种虚拟电厂内多台发电机组聚合互补及优化调度方法，其特征在于：
Ii时段第j台火电机组的调峰成本的计算方法为：
式中，CP,k(Ii)为Ii时段第k台火电机组的煤耗成本，CQ,K(Ii)为Ii时段第k台火电机组产生的深度调峰损耗成本，CW,k(Ii)为Ii时段第k台火电机组产生的电量损失成本，Cr,k(Ii)为t时段第k台火电机组产生的投油成本，PG,a,k为第k台火电机组投油时的最小输出功率，PG.b.k为第k台火电机组不投油时的最小输出功率，PG.min.k为第j台火电机组的最小输出功率，PG.max.k为第k台火电机组的最大输出功率。
6.根据权利要求1所述的一种虚拟电厂内多台发电机组聚合互补及优化调度方法，其特征在于：
虚拟电厂蓄能约束为
式中，PVPP,min和PVPP,max分别为虚拟电厂最小负荷和最大负荷；
虚拟电厂蓄能爬坡约束为：
式中,ΔPVPP,U和ΔPVPP,D分别为虚拟电厂增加、减少负荷速率；
火电机组出力极限约束为
式中，PK,min和PK,max分别为第K座火电机组的最小负荷和最大负荷；
火电机组爬坡约束为：
Pk,t-Pk,t-1≤ΔPk,U
Pk,t-1-Pk,t≤ΔPk,D
式中，ΔPk,U和ΔPk,D分别为虚拟电厂增加、减少负荷速率；分别为火电k向上、向下爬坡速率；
假设虚拟电厂的寿命为T；
构建电网系统集中优化调度成本函数；
f为在T周期内电网运行总成本，CIi,k()是第k台火电机组在Ii时刻供电功率为PK,Ii时的发电成本函数，T是除虚拟电厂的调度周期，CVPP()是设计虚拟电厂PVPP,min和PVPP,max分别为虚拟电厂最小负荷和最大负荷函数，ΔPVPP,U和ΔPVPP,D分别为虚拟电厂增加、减少负荷速率时虚拟电厂的耗量成本函数。
7.根据权利要求1所述的一种虚拟电厂内多台发电机组聚合互补及优化调度方法，其特征在于：
客户用电量与电价之间的关系用电价伸缩系数ξ来表示；ξ可以定义为客户用电量波动率与价格波动率的比值，如下式：
式中：P和C别表示该时刻初始的用电量和电价；ΔP和ΔC分别表示该时刻用电量和电价的改变量；
通过对历史电价和历史负荷量进行数据统计；之后，对运行数据清洗主要包括对运行数据中的NaN值进行删除和平均值填充处理，对于失真数据通过设置运行数据上下边界阈值进行进行筛选与删除，对于离散值数据通过线性拟合设置上下阈值进行筛选与删除；最后再通过以上方法得到预测的电网电力价格与该时刻电力负荷需求；把这个一一对应关系归类为一个函数关系，并且以此作为之后预测的电力负荷与电价的函数关系；
Pr＝a(q)2+bq+c
式中：a，b，c为电价二次函数对应系数，由机组运行历史数据拟合得到；Pr为该时段内电价；q为该时段的用户负荷大小。
8.根据权利要求1所述的一种虚拟电厂内多台发电机组聚合互补及优化调度方法，其特征在于：虚拟电厂的控制装置，建立模块，具体用于：构建虚拟电厂参与能量市场和调峰服务的约束条件为虚拟电厂参与市场容量约束、火电机组约束和储能系统约束。
9.根据权利要求1所述的一种虚拟电厂内多台发电机组聚合互补及优化调度方法，其特征在于：虚拟电厂的控制装置的求解模块，具体用于：根据虚拟电厂调度模型进行转化为线性模型；对所述线性模型进行求解，得到所述虚拟电厂在能量市场和调峰市场的控制策略。
10.根据权利要求1所述的一种虚拟电厂内多台发电机组聚合互补及优化调度方法，其特征在于：包括：获取虚拟电厂在不同场景下的负荷数据；根据预设约束条件、火电机组调峰数据，用户负荷数据建立虚拟电厂调度模型；对所述虚拟电厂调度模型进行求解，得到所述虚拟电厂的运行策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310704418.XA CN116914847A (zh) | 2023-06-14 | 2023-06-14 | 一种虚拟电厂内多台发电机组聚合互补及优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310704418.XA CN116914847A (zh) | 2023-06-14 | 2023-06-14 | 一种虚拟电厂内多台发电机组聚合互补及优化调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116914847A true CN116914847A (zh) | 2023-10-20 |
Family
ID=88363766
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310704418.XA Pending CN116914847A (zh) | 2023-06-14 | 2023-06-14 | 一种虚拟电厂内多台发电机组聚合互补及优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116914847A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117791627A (zh) * | 2024-02-26 | 2024-03-29 | 国网山东省电力公司东营供电公司 | 考虑虚拟电厂不确定性的柔性负荷动态聚合方法及系统 |
| CN117791627B (zh) * | 2024-02-26 | 2024-05-14 | 国网山东省电力公司东营供电公司 | 考虑虚拟电厂不确定性的柔性负荷动态聚合方法及系统 |
-
2023
- 2023-06-14 CN CN202310704418.XA patent/CN116914847A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117791627A (zh) * | 2024-02-26 | 2024-03-29 | 国网山东省电力公司东营供电公司 | 考虑虚拟电厂不确定性的柔性负荷动态聚合方法及系统 |
| CN117791627B (zh) * | 2024-02-26 | 2024-05-14 | 国网山东省电力公司东营供电公司 | 考虑虚拟电厂不确定性的柔性负荷动态聚合方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kanakadhurga et al. | Demand side management in microgrid: A critical review of key issues and recent trends | |
| CN107301472B (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
| Wang et al. | Two-stage mechanism for massive electric vehicle charging involving renewable energy | |
| CN110994694B (zh) | 计及差异化需求响应的微电网源荷储协调优化调度方法 | |
| CN107194514B (zh) | 一种针对风电功率预测误差的需求响应多时间尺度调度方法 | |
| WO2024027351A1 (zh) | 一种用于虚拟电厂的优化调节方法及系统 | |
| CN114243709A (zh) | 一种需求侧可调节资源分层分级的调度运行方法 | |
| CN115912342A (zh) | 基于云模型的区域柔性负荷低碳调度方法 | |
| CN115000985A (zh) | 一种用户侧分布式储能设施聚合管控方法及系统 | |
| Hayati et al. | A Two-Stage Stochastic Optimization Scheduling Approach for Integrating Renewable Energy Sources and Deferrable Demand in the Spinning Reserve Market | |
| CN111193293A (zh) | 配电网协调多主体调度处理方法及装置 | |
| CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
| Budin et al. | Day-ahead multiple households load forecasting using deep learning and unsupervised clustering | |
| CN112541616A (zh) | 一种基于需求侧响应的用电调节方法及系统 | |
| CN116914847A (zh) | 一种虚拟电厂内多台发电机组聚合互补及优化调度方法 | |
| Zhang et al. | Time-of-use pricing model considering wind power uncertainty | |
| CN115545768A (zh) | 一种考虑合同分解的大水电跨省跨区日前随机竞价方法 | |
| CN109149644B (zh) | 一种基于大数据分析的光储一体在线策略匹配和协同优化方法 | |
| CN111900740A (zh) | 一种基于需求响应设备的电力系统调频方法和系统 | |
| Liu et al. | Multi-Stage Optimization Model for New Power System Based on the Data Mining Algorithm | |
| CN116308459B (zh) | 一种基于信息智能匹配的新能源智能结算方法及系统 | |
| CN115528687B (zh) | 一种有限成本约束下的电力系统柔性响应能力优化方法 | |
| Alikhani et al. | Optimum Implementation of Consumers’ Demand Response Programs with Considering Uncertain Generations in a Microgrid | |
| Tianqi et al. | Research on Optimization of Power Grid Planning for Comprehensive Transmission and Distribution Tariff Reform | |
| CN117691681A (zh) | 市场模式下基于条件风险价值的虚拟电厂调度与出清方法 |
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 |