CN117013597A - 用于虚拟电厂的分布式资源聚合调控方法、装置及设备 - Google Patents

用于虚拟电厂的分布式资源聚合调控方法、装置及设备 Download PDF

Info

Publication number
CN117013597A
CN117013597A CN202310802715.8A CN202310802715A CN117013597A CN 117013597 A CN117013597 A CN 117013597A CN 202310802715 A CN202310802715 A CN 202310802715A CN 117013597 A CN117013597 A CN 117013597A
Authority
CN
China
Prior art keywords
indicating
load
energy storage
distributed
inflexible
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
CN202310802715.8A
Other languages
English (en)
Inventor
马浩
冯波
杨鹏
申洪涛
吴宏波
叶洪兴
李骥
孔维乐
李飞
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.)
State Grid Corp of China SGCC
Marketing Service Center of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Marketing Service Center of State Grid Hebei Electric Power 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 State Grid Corp of China SGCC, Marketing Service Center of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202310802715.8A priority Critical patent/CN117013597A/zh
Publication of CN117013597A publication Critical patent/CN117013597A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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

Abstract

本发明提供一种用于虚拟电厂的分布式资源聚合调控方法、装置及设备。该方法包括：通过获取虚拟电厂中可调电源、柔性负荷、非柔性负荷以及分布式光伏的历史运行数据，构建可调电源和柔性负荷对应的约束模型，并得到分布式光伏出力预测值和非柔性负荷预测值，进而确定分布式光伏和非柔性负荷分别对应的置信区间，通过构建目标函数，基于分布式光伏出力预测值和非柔性负荷预测值、分布式光伏和非柔性负荷分别对应的置信区间，并根据约束模型，求解得到分布式资源聚合调控的运行策略。本发明能够考虑到各种分布式资源接入体的源储特性和时空特性差异，结合实际目标需求，对虚拟电厂中的各种分布式资源进行精准的动态聚合调控。

Description

用于虚拟电厂的分布式资源聚合调控方法、装置及设备
技术领域
本发明涉及能源调度技术领域，尤其涉及一种用于虚拟电厂的分布式资源聚合调控方法、装置及设备。
背景技术
随着“新型电力系统”的出现，高比例新能源的接入以及高度电气化电子设备的负荷对电网的安全稳定运行都提出了新的考验，对此，虚拟电厂多元资源聚合是解决供需矛盾、峰谷矛盾、波动性矛盾和时间性矛盾的有效途径。
目前，在面向虚拟电厂的源储资源聚合调控技术中，微型燃气轮机、电动汽车以及楼宇空调等分布式资源接入虚拟电厂的方式多种多样。然而，各种分布式资源接入体的源储特性和时空特性差异巨大，能源耦合的形式复杂多变，给不同时间尺度下分布式资源系统的聚合调控带来了困难。
发明内容
本发明实施例提供了一种用于虚拟电厂的分布式资源聚合调控方法、装置及设备，以解决不同分布式资源特性差异大，难以动态地对虚拟电厂中的分布式资源进行聚合调控的问题。
第一方面，本发明实施例提供了一种用于虚拟电厂的分布式资源聚合调控方法，包括：
获取虚拟电厂中可调电源和柔性负荷的特性参数、非柔性负荷的历史数据以及分布式光伏的性能参数与气象数据；
根据可调电源和柔性负荷的特性参数，构建约束模型；
根据非柔性负荷的历史数据、分布式光伏的性能参数和气象数据，得到分布式光伏出力预测值和非柔性负荷预测值，并确定分布式光伏和非柔性负荷分别对应的置信区间；
构建目标函数，基于分布式光伏出力预测值和非柔性负荷预测值、分布式光伏和非柔性负荷分别对应的置信区间，并根据约束模型，得到分布式资源聚合调控的运行策略。
在一种可能的实现方式中，柔性负荷包括楼宇空调，根据可调电源和柔性负荷的特性参数，构建约束模型，包括：
根据构建楼宇空调对应的约束模型；
其中，表示第a个楼宇空调在t时刻的出力，/>表示第a个楼宇空调的系统额定运行功率，/>表示第a个楼宇空调的m档运行功率，/>表示第a个楼宇空调的额定功率运行状态，/>表示第a个楼宇空调的m档运行状态，/>表示第a个楼宇空调参与聚合调控的状态。
在一种可能的实现方式中，可调电源包括微型燃气轮机，根据柔性负荷的特性参数，构建约束模型，还包括：
根据构建微型燃气轮机对应的出力约束模型；
其中，表示第g个微型燃气轮机组在t时刻的出力，/>表示第g个微型燃气轮机组在t时刻参与聚合调控的状态，/>表示第g个微型燃气轮机组的最小出力，/>表示第g个微型燃气轮机组的最大出力，/>表示第g个微型燃气轮机组的向下爬坡率，/>表示第g个微型燃气轮机组的向上爬坡率，/>表示第g个微型燃气轮机组的最小开机时间，/>表示第g个微型燃气轮机组的最小关机时间。
在一种可能的实现方式中，根据可调电源和柔性负荷的特性参数，构建约束模型，还包括：
根据构建微型燃气轮机对应的备用约束模型；
其中，表示第g个微型燃气轮机组能够提供的最大向上备用，/>表示第g个微型燃气轮机组能够提供的最大向下备用，/>表示第g个微型燃气轮机组在t时刻向上的备用，/>表示第g个微型燃气轮机组在t时刻向下的备用。
在一种可能的实现方式中，柔性负荷还包括储能设备或电动汽车，根据可调电源和柔性负荷的特性参数，构建约束模型，还包括：
根据构建储能设备或电动汽车对应的功率约束模型；
其中，B∈{sto,ev}表示储能设备或电动汽车的特性参数，表示第e个储能设备或电动汽车的充电状态，/>表示第e个储能设备或电动汽车的放电状态，/>表示第e个储能设备或电动汽车参与聚合调控的状态，/>表示第e个储能设备或电动汽车的充电功率，表示第e个储能设备或电动汽车的最大充电功率，/>表示第e个储能设备或电动汽车的放电功率，/>表示第e个储能设备或电动汽车的最大放电功率，/>表示第e个储能设备或电动汽车在t时刻向上的备用，/>表示第e个储能设备或电动汽车在t时刻向下的备用；
根据构建储能设备或电动汽车对应的储能电量约束模型；
其中，表示第e个储能设备或电动汽车在t时刻的储能电量，/>表示第e个储能设备或电动汽车在t时刻的最小储能电量，/>表示第e个储能设备或电动汽车在t时刻的最大储能电量，/>表示第e个储能设备的充电效率，/>表示第e个储能设备的放电效率。
在一种可能的实现方式中，根据可调电源和柔性负荷的特性参数，构建约束模型，还包括：
根据构建需求响应约束模型；
其中，表示柔性负荷在t时刻参与的需求响应量，/>表示柔性负荷在t时刻参与的需求响应最大值，/>表示柔性负荷的需求响应向上调整的最大值，/>表示柔性负荷的需求响应向下调整的最大值，/>表示柔性负荷在聚合调控时间段内参与的总需求响应量最大值，/>表示柔性负荷在t时刻参与聚合调控的状态，/>表示柔性负荷在t时刻参与需求响应向上的备用，/>表示柔性负荷在t时刻参与需求响应向下的备用。
在一种可能的实现方式中，根据非柔性负荷的历史数据、分布式光伏的性能参数和气象数据，得到分布式光伏出力预测值和非柔性负荷预测值，包括：
根据得到分布式光伏出力预测值；
其中，表示第s个分布式光伏在t时刻的预测值，/>表示温度参数，Tair表示环境温度，Tn表示工作温度，Tr表示参考温度，/>表示参考出力效率，θt表示光照辐射强度，表示光伏板面积；
对非柔性负荷的历史数据、分布式光伏的性能参数和气象数据进行聚类分析，确定负荷运行曲线，得到非柔性负荷预测值。
第二方面，本发明实施例提供了一种用于虚拟电厂的分布式资源聚合调控装置，包括：
获取模块，用于获取虚拟电厂中可调电源和柔性负荷的特性参数、非柔性负荷的历史数据、分布式光伏的性能参数和气象数据；
约束模型构建模块，用于根据可调电源和柔性负荷的特性参数，构建约束模型；
预测模块，用于根据非柔性负荷的历史数据、分布式光伏的性能参数和气象数据，得到分布式光伏出力预测值和非柔性负荷预测值，并确定分布式光伏和非柔性负荷分别对应的置信区间；
计算模块，用于构建目标函数，基于分布式光伏出力预测值和非柔性负荷预测值、分布式光伏和非柔性负荷分别对应的置信区间，并根据约束模型，得到分布式资源聚合调控的运行策略。
在一种可能的实现方式中，预测模块还用于：
根据得到分布式光伏出力预测值；
其中，表示第s个分布式光伏在t时刻的预测值，/>表示温度参数，Tair表示环境温度，Tn表示工作温度，Tr表示参考温度，/>表示参考出力效率，θt表示光照辐射强度，表示光伏板面积；
对非柔性负荷的历史数据、分布式光伏的性能参数和气象数据进行聚类分析，确定负荷运行曲线，得到非柔性负荷预测值。
第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述的种用于虚拟电厂的分布式资源聚合调控方法的步骤。
本发明实施例提供一种用于虚拟电厂的分布式资源聚合调控方法、装置及设备，通过获取虚拟电厂中分布式资源的历史数据和性能参数，构建可调电源和各种柔性负荷的约束模型，并对虚拟电厂中分布式光伏的出力和负荷进行预测，结合实际需求对构建的目标函数进行求解，得到面向虚拟电厂的分布式资源聚合调控策略。本发明实施例能够考虑到各种分布式资源接入体的源储特性和时空特性差异，结合实际目标需求，对虚拟电厂中的各种分布式资源进行精准的动态聚合调控。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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些实施例，对于本领域普通技术人员来讲，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是本发明实施例提供的分布式资源聚合调控方法的实现流程图；
图2是本发明实施例提供的分布式资源聚合调控装置的结构示意图；
图3是本发明实施例提供的电子设备的示意图；
图4是本发明实施例提供的一种虚拟电厂的调控策略示意图；
图5是本发明实施例提供的一种柔性负荷的调控示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
图1为本发明实施例提供的用于虚拟电厂的分布式资源聚合调控方法的实现流程图，详述如下。
步骤101，获取虚拟电厂中可调电源和柔性负荷的特性参数、非柔性负荷的历史数据以及分布式光伏的性能参数与气象数据。
在一些实施例中，虚拟电厂中的可调电源可以包括微型燃气轮，虚拟电厂中的柔性负荷可以包括储能设备、电动汽车和楼宇空调中一种或多种负荷，这些柔性负荷可以主动参与虚拟电厂的运行控制，与虚拟电厂进行能量互动。
具体的，可以获取上述微型燃气轮机、储能设备、电动汽车和楼宇空调的技术特性参数，例如楼宇空调在不同档位的运行功率、微型燃气轮机组的最大出力和最小出力、微型燃气轮机组的开机时间和关机时间等。另外，还可以获取上述微型燃气轮机、储能设备、电动汽车和楼宇空调的经济特性参数，例如电动汽车的充放电时间表、分时电价信息等。
步骤102，根据可调电源和柔性负荷的特性参数，构建约束模型。
在一些实施例中，不同的可调电源和不同的柔性负荷对应有不同的约束模型。以虚拟电厂中的可调电源包括微型燃气轮机，虚拟电厂中的柔性负荷包括储能设备、电动汽车和楼宇空调为例，可以构建楼宇空调对应的约束模型、微型燃气轮机对应的出力约束模型、微型燃气轮机对应的备用约束模型、储能设备或电动汽车对应的功率约束模型、储能设备或电动汽车对应的储能电量约束模型以及需求响应约束模型。
在一些实施例中，可以根据如下公式构建楼宇空调对应的约束模型，即：
其中，表示第a个楼宇空调在t时刻的出力，/>表示第a个楼宇空调的系统额定运行功率，/>表示第a个楼宇空调的m档运行功率，/>表示第a个楼宇空调的额定功率运行状态，/>表示第a个楼宇空调的m档运行状态，/>表示第a个楼宇空调参与聚合调控的状态。
在一些实施例中，可以根据如下公式构建微型燃气轮机对应的出力约束模型，即：
其中，表示第g个微型燃气轮机组在t时刻的出力，/>表示第g个微型燃气轮机组在t时刻参与聚合调控的状态，/>表示第g个微型燃气轮机组的最小出力，/>表示第g个微型燃气轮机组的最大出力，/>表示第g个微型燃气轮机组的向下爬坡率，/>表示第g个微型燃气轮机组的向上爬坡率，/>表示第g个微型燃气轮机组的最小开机时间，表示第g个微型燃气轮机组的最小关机时间。
具体的，当时，代表第g个微型燃气轮机组在t时刻参与了虚拟电厂的聚合调控；当/>时，代表第g个微型燃气轮机组在t时刻没有参与虚拟电厂的聚合调控。
在一些实施例中，可以根据如下公式构建微型燃气轮机对应的备用约束模型，即：
其中，表示第g个微型燃气轮机组能够提供的最大向上备用，/>表示第g个微型燃气轮机组能够提供的最大向下备用，/>表示第g个微型燃气轮机组在t时刻向上的备用，/>表示第g个微型燃气轮机组在t时刻向下的备用。
具体的，第g个微型燃气轮机组在t时刻的向上备用和向下备用还要满足以下条件：
在一些实施例中，可以根据如下公式构建储能设备或电动汽车对应的功率约束模型，即：
其中，B∈{sto,ev}表示储能设备或电动汽车的特性参数，表示第e个储能设备或电动汽车的充电状态，/>表示第e个储能设备或电动汽车的放电状态，/>表示第e个储能设备或电动汽车参与聚合调控的状态，/>表示第e个储能设备或电动汽车的充电功率，表示第e个储能设备或电动汽车的最大充电功率，/>表示第e个储能设备或电动汽车的放电功率，/>表示第e个储能设备或电动汽车的最大放电功率，/>表示第e个储能设备或电动汽车在t时刻向上的备用，/>表示第e个储能设备或电动汽车在t时刻向下的备用
在一些实施例中，可以根据如下公式构建储能设备或电动汽车对应的储能电量约束模型，即：
其中，表示第e个储能设备或电动汽车在t时刻的储能电量，/>表示第e个储能设备或电动汽车在t时刻的最小储能电量，/>表示第e个储能设备或电动汽车在t时刻的最大储能电量，/>表示第e个储能设备的充电效率，/>表示第e个储能设备的放电效率。
在一些实施例中，可以根据如下公式构建需求响应约束模型，即：
其中，表示柔性负荷在t时刻参与的需求响应量，/>表示柔性负荷在t时刻参与的需求响应最大值，/>表示柔性负荷的需求响应向上调整的最大值，/>表示柔性负荷的需求响应向下调整的最大值，/>表示柔性负荷在聚合调控时间段内参与的总需求响应量最大值，/>表示柔性负荷在t时刻参与聚合调控的状态，/>表示柔性负荷在t时刻参与需求响应向上的备用，/>表示柔性负荷在t时刻参与需求响应向下的备用。
步骤103，根据非柔性负荷的历史数据、分布式光伏的性能参数和气象数据，得到分布式光伏出力预测值和非柔性负荷预测值，并确定分布式光伏和非柔性负荷分别对应的置信区间。
值得一提的是，分布式光伏是指在用户所在场地或附近建设运行，以用户侧自发自用、多余电量上网且在配电系统平衡调节为特征的光伏发电设施。另外，在虚拟电厂进行聚合调控时，会根据实际电力供需要求对柔性负荷和分布式光伏的出力进行调控。在这一过程中，柔性负荷可以主动参与电力供需平衡，具备可控特征。而与柔性负荷相对的便是非柔性负荷，也即常规负荷，常规负荷的电力供应是根据虚拟电厂中负荷的变化而被动改变的。
在一些实施例中，可以根据如下公式计算得到分布式光伏出力预测值，即：
其中，表示第s个分布式光伏在t时刻的预测值，/>表示温度参数，Tair表示环境温度，Tn表示工作温度，Tr表示参考温度，/>表示参考出力效率，θt表示光照辐射强度，表示光伏板面积。
在一些实施例中，可以通过对非柔性负荷的历史数据、分布式光伏的性能参数和气象数据进行聚类分析，确定负荷运行曲线，得到非柔性负荷预测值。
具体的，可以通过k-means聚类算法，对非柔性负荷的历史数据、分布式光伏的性能参数和气象数据按照季节进行聚类，从而确定分布式光伏和非柔性负荷在各个季节的负荷运行曲线，并将该负荷运行曲线上的值作为在基础场景下的非柔性负荷预测值
在一些实施例中，根据历史数据和得到的预测值，计算得到分布式光伏预测值的残差和非柔性负荷预测值的残差δn,t。
具体的，可以将虚拟电厂中第s个分布式光伏在t时段的最小出力波动值定义为将虚拟电厂中第s个分布式光伏在t时段的最大出力波动值定义为和/>将第n个非柔性负荷在t时段的最小需求波动值定义为/>将第n个非柔性负荷在t时段的最大需求波动值定义为/>
那么，分布式光伏对应的置信区间可以根据如下公式得出，即：
其中，
相似地，非柔性负荷对应的置信区间可以根据如下公式得出，即：
其中，
步骤104，构建目标函数，基于分布式光伏出力预测值和非柔性负荷预测值、分布式光伏和非柔性负荷分别对应的预测区间与置信区间，并根据约束模型，得到分布式资源聚合调控的运行策略。
在一些实施例中，如图4所示，虚拟电厂的需求侧资源主要包括分布式光伏的发电资源、燃气轮机和楼宇空调的负荷资源、储能系统和电动汽车的储能资源，或者也可以选择将其他柔性负荷接入虚拟电厂。虚拟电厂会实时获取分时电价信息、电动汽车的充放电时刻表以及光伏和负荷的历史数据等数据信息，并根据这些数据构建各种柔性负荷对应的约束模型和目标函数，来得到分布式资源聚合调控的运行策略，从而对燃气轮机、储能系统、楼宇空调、电动汽车等柔性负荷进行调控，同时对分布式光伏的发电过程进行管理。
以电力市场的分时电价升高或电力系统的可靠性受到威胁时为例，再次参见图4，虚拟电厂会接收到供电方发出的电力价格上升信号或诱导负荷减少的直接补偿通知，并对光伏出力及负荷需求进行预测，在考虑到各种柔性负荷对应的约束模型的基础上对目标函数进行求解，得到相应的分布式资源聚合调控的运行策略。接下来，虚拟电厂会根据得到的运行策略改变用电模式，来减少或者推移某时段的用电负荷，从而保障电网稳定，节约成本来应对电价的上升。
具体的，当电力供不应求时，根据实时电价的上涨幅度或行政奖补政策，得到分布式资源聚合调控的运行策略，具体可以增加分布式光伏的上网比例、减少燃气轮机的动力负荷、增加储能设备或电动汽车的能量释放等措施，使虚拟电厂转向供需平衡的状态。而当电力供大于求时，可以根据电价的下降或行政奖补政策，得到分布式资源聚合调控的运行策略，具体可以通过储能设备或电动汽车等负荷参与聚合调控的方式，从虚拟电厂中吸收电力能量。
举例来说，如图5所示，在t-1时段，有三种柔性负荷(从上至下、从左到右依次为分布式光伏、储能设备、楼宇空调)参与了聚合调控，有两种柔性负荷(从左到右依次为电动汽车、微型燃气轮机)没有参与聚合调控。那么，在接下来的t时段若电力价格降低，那么此时的运行策略是让电动汽车参与聚合调控，从虚拟电厂中获取电力资源；若之后电力价格上涨，在t+1时段的运行策略是让燃气轮机参与聚合调控进行自主发电，让储能设备不参与聚合调控，来节约电力成本，保证供需平衡。
在一些实施例中，可以兼顾聚合调控时的对外输出功率、辅助调峰等实际需求对虚拟电厂带来的系统收益，来构建目标函数。
具体的，构建的目标函数对应的公式可以如下：
其中，f表示根据实际需求确定的成本计算函数，表示分布式资源参与虚拟电厂聚合调控时的功率，/>表示分布式资源参与虚拟电厂聚合调控时的需求响应量，/>表示分布式资源参与虚拟电厂聚合调控的状态。
在一些实施例中，在根据目标函数求解分布式资源聚合调控的运行策略时，为了满足系统安全运行，还可以引入功率平衡约束模型和系统备用约束模型。
具体的，可以根据如下公式得到功率平衡约束模型，即：
具体的，可以根据如下公式得到系统备用约束模型，即：
这样，当虚拟电厂的系统安全可靠性存在风险或者电力市场的分时电价出现明显变化时，上述实施例能够自动根据虚拟电厂的历史数据，预测本身的实际可调能力并制定调控任务，进而根据用户的实际需求制定目标函数，求解得到更符合实际的聚合调控策略。
在本发明实施例中，提供了一种用于虚拟电厂的分布式资源聚合调控方法，其首先获取虚拟电厂中分布式资源的历史数据以及气象数据，构建不同柔性负荷对应的的约束模型，并对虚拟电厂中分布式光伏的出力和负荷进行预测，结合实际需求构建目标函数进行求解，得到用于虚拟电厂的分布式资源聚合调控策略。如此，在对虚拟电厂的分布式资源进行聚合调控时，可以充分考虑各种分布式资源接入体的源储特性和时空特性差异，结合实际目标需求，对虚拟电厂中的各种分布式资源进行精准的动态聚合调控，从而保证虚拟电厂稳定运行，并及时应对市场中电力价格的变化，达到节约电力资源的效果。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
图2示出了本发明实施例提供的用于虚拟电厂的分布式资源聚合调控装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下。
如图2所示，分布式资源聚合调控装置200包括：获取模块201、约束模型构建模块202、预测模块203和计算模块204。
获取模块201，用于获取虚拟电厂中可调电源和柔性负荷的特性参数、非柔性负荷的历史数据、分布式光伏的性能参数和气象数据。
约束模型构建模块202，用于根据可调电源和柔性负荷的特性参数，构建约束模型。
预测模块203，用于根据非柔性负荷的历史数据、分布式光伏的性能参数和气象数据，得到分布式光伏出力预测值和非柔性负荷预测值，并确定分布式光伏和非柔性负荷分别对应的置信区间。
计算模块204，用于构建目标函数，基于分布式光伏出力预测值和非柔性负荷预测值、分布式光伏和非柔性负荷分别对应的置信区间，并根据约束模型，得到分布式资源聚合调控的运行策略。
本发明实施例通过提供一种用于虚拟电厂的分布式资源聚合调控装置，通过获取模块采集虚拟电厂中不同分布式资源的历史数据，进而控制约束模型构建模块构建不同的柔性负荷相对应的约束模型，通过预测模块得到分布式光伏出力预测值和非柔性负荷预测值，最终通过计算模块求解得到分布式资源聚合调控的运行策略。
在一些实施例中，预测模块203还可以用于：
根据得到分布式光伏出力预测值；
其中，表示第s个分布式光伏在t时刻的预测值，/>表示温度参数，Tair表示环境温度，Tn表示工作温度，Tr表示参考温度，/>表示参考出力效率，θt表示光照辐射强度，表示光伏板面积；/>
对非柔性负荷的历史数据、分布式光伏的性能参数和气象数据进行聚类分析，确定负荷运行曲线，得到非柔性负荷预测值。
上述实施例中通过提供一种用于虚拟电厂的分布式资源聚合调控方法及装置，通过获取虚拟电厂中分布式资源的历史数据和性能参数，构建可调电源和各种柔性负荷的约束模型，并对虚拟电厂中分布式光伏的出力和负荷进行预测，结合实际需求对构建的目标函数进行求解，得到面向虚拟电厂的分布式资源聚合调控策略。本发明实施例能够考虑到各种分布式资源接入体的源储特性和时空特性差异，结合实际目标需求，对虚拟电厂中的各种分布式资源进行精准的动态聚合调控。
图3是本发明实施例提供的电子设备的示意图。如图3所示，该实施例的电子设备300包括：处理器301、存储器302以及存储在所述存储器302中并可在所述处理器301上运行的计算机程序303。所述处理器301执行所述计算机程序303时实现上述各个用于虚拟电厂的分布式资源聚合调控方法实施例中的步骤，例如图1所示的步骤101至步骤104。或者，所述处理器301执行所述计算机程序303时实现上述各装置实施例中各模块/单元的功能，例如图2所示模块/单元201至204的功能。
示例性的，所述计算机程序303可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器302中，并由所述处理器301执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序303在所述电子设备300中的执行过程。例如，所述计算机程序303可以被分割成图2所示模块/单元201至204。
所述电子设备300可包括，但不仅限于，处理器301、存储器302。本领域技术人员可以理解，图3仅仅是电子设备300的示例，并不构成对电子设备300的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器301可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器302可以是所述电子设备300的内部存储单元，例如电子设备300的硬盘或内存。所述存储器302也可以是所述电子设备300的外部存储设备，例如所述电子设备300上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器302还可以既包括所述电子设备300的内部存储单元也包括外部存储设备。所述存储器302用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器302还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅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系统，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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网络单元上。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。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个用于虚拟电厂的分布式资源聚合调控方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用于虚拟电厂的分布式资源聚合调控方法，其特征在于，包括：
获取虚拟电厂中可调电源和柔性负荷的特性参数、非柔性负荷的历史数据以及分布式光伏的性能参数与气象数据；
根据所述可调电源和柔性负荷的特性参数，构建约束模型；
根据所述非柔性负荷的历史数据、分布式光伏的性能参数和气象数据，得到分布式光伏出力预测值和非柔性负荷预测值，并确定所述分布式光伏和所述非柔性负荷分别对应的置信区间；
构建目标函数，基于所述分布式光伏出力预测值和非柔性负荷预测值、所述分布式光伏和所述非柔性负荷分别对应的置信区间，并根据所述约束模型，得到分布式资源聚合调控的运行策略。
2.根据权利要求1所述的分布式资源聚合调控方法，其特征在于，所述柔性负荷包括楼宇空调；
所述根据所述可调电源和柔性负荷的特性参数，构建约束模型，包括：
根据构建楼宇空调对应的约束模型；
其中，表示第a个楼宇空调在t时刻的出力，/>表示第a个楼宇空调的系统额定运行功率，/>表示第a个楼宇空调的m档运行功率，/>表示第a个楼宇空调的额定功率运行状态，/>表示第a个楼宇空调的m档运行状态，/>表示第a个楼宇空调参与聚合调控的状态。
3.根据权利要求1所述的分布式资源聚合调控方法，其特征在于，所述可调电源包括微型燃气轮机；
所述根据所述可调电源和柔性负荷的特性参数，构建约束模型，还包括：
根据构建微型燃气轮机对应的出力约束模型；
其中，表示第g个微型燃气轮机组在t时刻的出力，/>表示第g个微型燃气轮机组在t时刻参与聚合调控的状态，/>表示第g个微型燃气轮机组的最小出力，/>表示第g个微型燃气轮机组的最大出力，/>表示第g个微型燃气轮机组的向下爬坡率，/>表示第g个微型燃气轮机组的向上爬坡率，/>表示第g个微型燃气轮机组的最小开机时间，表示第g个微型燃气轮机组的最小关机时间。
4.根据权利要求3所述的分布式资源聚合调控方法，其特征在于，所述根据所述可调电源和柔性负荷的特性参数，构建约束模型，还包括：
根据构建微型燃气轮机对应的备用约束模型；
其中，表示第g个微型燃气轮机组能够提供的最大向上备用，/>表示第g个微型燃气轮机组能够提供的最大向下备用，/>表示第g个微型燃气轮机组在t时刻向上的备用，/>表示第g个微型燃气轮机组在t时刻向下的备用。
5.根据权利要求1所述的分布式资源聚合调控方法，其特征在于，所述柔性负荷还包括储能设备或电动汽车；
所述根据所述可调电源和柔性负荷的特性参数，构建约束模型，还包括：
根据构建储能设备或电动汽车对应的功率约束模型；
其中，B∈{sto,ev}表示储能设备或电动汽车的特性参数，表示第e个储能设备或电动汽车的充电状态，/>表示第e个储能设备或电动汽车的放电状态，/>表示第e个储能设备或电动汽车参与聚合调控的状态，/>表示第e个储能设备或电动汽车的充电功率，表示第e个储能设备或电动汽车的最大充电功率，/>表示第e个储能设备或电动汽车的放电功率，/>表示第e个储能设备或电动汽车的最大放电功率，/>表示第e个储能设备或电动汽车在t时刻向上的备用，/>表示第e个储能设备或电动汽车在t时刻向下的备用；
根据构建储能设备或电动汽车对应的储能电量约束模型；
其中，表示第e个储能设备或电动汽车在t时刻的储能电量，/>表示第e个储能设备或电动汽车在t时刻的最小储能电量，/>表示第e个储能设备或电动汽车在t时刻的最大储能电量，/>表示第e个储能设备的充电效率，/>表示第e个储能设备的放电效率。
6.根据权利要求1所述的分布式资源聚合调控方法，其特征在于，所述根据所述可调电源和柔性负荷的特性参数，构建约束模型，还包括：
根据构建需求响应约束模型；
其中，表示柔性负荷在t时刻参与的需求响应量，/>表示柔性负荷在t时刻参与的需求响应最大值，/>表示柔性负荷的需求响应向上调整的最大值，/>表示柔性负荷的需求响应向下调整的最大值，/>表示柔性负荷在聚合调控时间段内参与的总需求响应量最大值，/>表示柔性负荷在t时刻参与聚合调控的状态，/>表示柔性负荷在t时刻参与需求响应向上的备用，/>表示柔性负荷在t时刻参与需求响应向下的备用。
7.根据权利要求1所述的分布式资源聚合调控方法，其特征在于，所述根据所述非柔性负荷的历史数据、分布式光伏的性能参数和气象数据，得到分布式光伏出力预测值和非柔性负荷预测值，包括：
根据得到分布式光伏出力预测值；
其中，表示第s个分布式光伏在t时刻的预测值，/>表示温度参数，Tair表示环境温度，Tn表示工作温度，Tr表示参考温度，/>表示参考出力效率，θt表示光照辐射强度，/>表示光伏板面积；
对所述非柔性负荷的历史数据、分布式光伏的性能参数和气象数据进行聚类分析，确定负荷运行曲线，得到非柔性负荷预测值。
8.一种用于虚拟电厂的分布式资源聚合调控装置，其特征在于，包括：
获取模块，用于获取虚拟电厂中可调电源和柔性负荷的特性参数、非柔性负荷的历史数据、分布式光伏的性能参数和气象数据；
约束模型构建模块，用于根据所述可调电源和柔性负荷的特性参数，构建约束模型；
预测模块，用于根据所述非柔性负荷的历史数据、分布式光伏的性能参数和气象数据，得到分布式光伏出力预测值和非柔性负荷预测值，并确定所述分布式光伏和所述非柔性负荷分别对应的置信区间；
计算模块，用于构建目标函数，基于所述分布式光伏出力预测值和非柔性负荷预测值、所述分布式光伏和所述非柔性负荷分别对应的置信区间，并根据所述约束模型，得到分布式资源聚合调控的运行策略。
9.根据权利要求8所述的分布式资源聚合调控装置，其特征在于，所述预测模块还用于：
根据得到分布式光伏出力预测值；
其中，表示第s个分布式光伏在t时刻的预测值，/>表示温度参数，Tair表示环境温度，Tn表示工作温度，Tr表示参考温度，/>表示参考出力效率，θt表示光照辐射强度，/>表示光伏板面积；
对所述非柔性负荷的历史数据、分布式光伏的性能参数和气象数据进行聚类分析，确定负荷运行曲线，得到非柔性负荷预测值。
10.一种电子设备，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述的用于虚拟电厂的分布式资源聚合调控方法的步骤。
CN202310802715.8A 2023-07-03 2023-07-03 用于虚拟电厂的分布式资源聚合调控方法、装置及设备 Pending CN117013597A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310802715.8A CN117013597A (zh) 2023-07-03 2023-07-03 用于虚拟电厂的分布式资源聚合调控方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310802715.8A CN117013597A (zh) 2023-07-03 2023-07-03 用于虚拟电厂的分布式资源聚合调控方法、装置及设备

Publications (1)

Publication Number Publication Date
CN117013597A true CN117013597A (zh) 2023-11-07

Family

ID=88568214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310802715.8A Pending CN117013597A (zh) 2023-07-03 2023-07-03 用于虚拟电厂的分布式资源聚合调控方法、装置及设备

Country Status (1)

Country Link
CN (1) CN117013597A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
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

Cited By (2)

* Cited by examiner, † Cited by third party
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
US11757404B2 (en) Coordinated control of renewable electric generation resource and charge storage device
CN108960510B (zh) 一种基于两阶段随机规划的虚拟电厂优化交易策略装置
JP5271329B2 (ja) 蓄電池管理システム
Wang et al. Integrated energy exchange scheduling for multimicrogrid system with electric vehicles
Tu et al. Optimization of a stand-alone photovoltaic–wind–diesel–battery system with multi-layered demand scheduling
JP5537304B2 (ja) 情報処理装置およびそのプログラム
US20170207633A1 (en) Aggregated and optimized virtual power plant control
CN105684257A (zh) 用于控制微电网的操作的微电网能量管理系统和方法
CN111697578B (zh) 多目标含储能区域电网运行控制方法
CN107017625B (zh) 用于独立微电网的能量动态调度的方法和设备
KR20210100699A (ko) 하이브리드 발전소
CN113919717A (zh) 面向多目标同步优化的虚拟电厂资源调度方法和装置
JP6699719B2 (ja) 制御装置、発電制御装置、制御方法、システム、及び、プログラム
CN115864460A (zh) 一种电力调峰方法、装置、设备及存储介质
CN117077974A (zh) 虚拟电厂资源优化调度方法、装置、设备及存储介质
CN116454914A (zh) 一种多类型资源复合调频模型的构建方法及装置
CN113824137A (zh) 混合储能系统的调度方法、装置和存储介质
US10714968B2 (en) Power control apparatus, power control system, and power control method
CN117013597A (zh) 用于虚拟电厂的分布式资源聚合调控方法、装置及设备
CN115186889A (zh) 一种综合能源服务商源荷储资源协同优化方法及系统
CN112909932A (zh) 一种调峰型虚拟电厂的优化方法及终端
CN113949084B (zh) 一种基于非线性分位数区间预测的充放电优化调度方法
CN113346514B (zh) 一种基于agc的发电机组最优里程调度方法
CN108695876B (zh) 基于动态规划法的电网柔性资源紧急响应策略制定方法
CN110998643B (zh) 用于基于模式的能量存储管理的系统、设备和方法

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