CN117094746A - 一种虚拟发电厂优化方法、装置、设备及介质 - Google Patents
一种虚拟发电厂优化方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117094746A CN117094746A CN202311152843.9A CN202311152843A CN117094746A CN 117094746 A CN117094746 A CN 117094746A CN 202311152843 A CN202311152843 A CN 202311152843A CN 117094746 A CN117094746 A CN 117094746A
- Authority
- CN
- China
- Prior art keywords
- model
- historical data
- wind speed
- scene
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000005457 optimization Methods 0.000 title claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims description 34
- 238000010248 power generation Methods 0.000 claims description 33
- 230000009467 reduction Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 238000003780 insertion Methods 0.000 claims description 8
- 230000037431 insertion Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 101000604223 Homo sapiens Nocturnin Proteins 0.000 claims description 4
- 102100038815 Nocturnin Human genes 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 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
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- H02J3/003—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
- H02J3/007—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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于智能电网技术领域，具体公开了一种虚拟发电厂优化方法、装置、设备及介质。包括以下步骤：获取虚拟发电厂内风速历史数据、太阳辐照度历史数据和负荷需求历史数据，根据风速历史数据、太阳辐照度历史数据和负荷需求历史数据采用情景树法建立市场模型；根据市场模型以虚拟发电厂最低运行成本为目的建立目标函数；采用GAMS处理目标函数得到最优方案。本发明的进一步改进在于：所述市场模型包括风速市场模型、太阳辐照度市场模型和负荷需求市场模型。本发明通过获取历史数据并建立模型，充分考虑虚拟发电厂内清洁能源波动的问题，建立目标函数针对可再生能源的间歇性进行优化求解，同时以最低成本为目的，有效避降低成本。
Description
技术领域
本发明属于智能电网技术领域，具体涉及一种虚拟发电厂优化方法、装置、设备及介质。
背景技术
当大量的风能和太阳能被添加到电网时，预计将面临运营挑战。有必要引进新技术，使更多的能源组合集成到电力系统中，以弥补可再生能源(如风能和太阳能)的间歇性，因为它们的波动性。虚拟发电厂(VPP)是解决电力市场交易中可再生能源整合问题的一种潜在方法。VPP是一种将分布式能源(DERs)如需求响应(DR)和储能系统(ESS)集成在一起的新型智能方法。VPP可以利用DERs和需求侧参与来减轻峰值负荷，从而维持电网稳定。现有虚拟发电厂由于可再生能源的间歇性，导致响应高峰时段调控困难，运行成本高，难以长时间维持。
发明内容
本发明的目的在于提供一种虚拟发电厂优化方法、装置、设备及介质，以解决现有虚拟发电厂高峰负荷大，运行成本高的技术问题。
为实现上述目的，本发明采用如下技术方案予以实现：
第一方面，本发明提供一种虚拟发电厂优化方法，包括以下步骤：
获取虚拟发电厂内风速历史数据、太阳辐照度历史数据和负荷需求历史数据，根据风速历史数据、太阳辐照度历史数据和负荷需求历史数据采用情景树法建立市场模型；
根据市场模型以虚拟发电厂最低运行成本为目的建立目标函数；
采用GAMS处理目标函数得到最优方案。
本发明的进一步改进在于：所述市场模型包括风速市场模型、太阳辐照度市场模型和负荷需求市场模型。
本发明的进一步改进在于：所述风速市场模型包括风速PDF模型、风速限制模型和输出功率模型，所述风速市场模型建立时包括以下步骤：
获取风速历史数据，根据风速历史数据采用情景树法得到若干风速场景；
根据若干风速场景采用Weibull PDF建立风速PDF模型；
风速PDF模型：
其中，v表示风速；α表示Weibull PDF尺度指数；p表示形状指数；
根据若干风速场景建立风速限制模型；
式中，Pw表示WT模块输出功率，Pe表示WT额定功率，vi表示插入速度，vo插出速度，ve表示WT模块的额定速度；
根据若干风速场景建立WT模块在总线和场景的风电输出功率模型；
风电输出功率模型：
式中，为WT发电量百分比；/>表示WT模块的输出功率；/>表示WT模块的额定功率。
本发明的进一步改进在于：所述太阳辐照度市场模型包括光伏PDF模型和光伏组件输出功率模型，所述太阳辐照度市场模型建立时包括以下步骤：
获取太阳辐照度历史数据，根据太阳辐照度历史数据采用情景树法得到若干光伏场景；
根据光伏场景采用Beta PDF建立光伏PDF模型；
光伏PDF模型：
式中，x表示太阳辐照度单位，θ为第一PDF参数，ω为第二PDF参数；
式中，μ为太阳辐照度的平均值；σ为太阳辐照度的标准差；
根据光伏场景和历史太阳辐照度数据建立光伏组件输出功率模型；
光伏组件输出功率模型：
式中，PS为标准测试条件下的功率；PPV为标准测试条件下的光伏组件输出功率；ζ表示功率-温度系数；Ta表示环境温度；Tc表示电池温度；NOCT表示电池标准工作温度；I表示太阳辐照度。
本发明的进一步改进在于：所述负荷需求市场模型建立时包括以下步骤：
获取负荷需求历史数据，根据负荷需求历史数据采用情景树法得到若干负荷需求场景；
根据负荷需求场景采用正态分布PDF建立负荷需求市场模型；
负荷需求市场模型：
式中，μk表示负荷需求平均值，σk表示负荷需求标准差。
本发明的进一步改进在于：所述目标函数表示为：
式中，是总线i和场景w的负载减少量；/>是在总线i和场景w下对每个消费者的相应激励价格；/>表示WT模块在总线i和场景w下的发电功率；/>表示PV机组在总线i和场景w下的发电功率；/>表示WT模块在母线i和场景w下的对应成本；/>表示光伏发电在母线i和场景w下的对应成本；/>表示消费者总线i和场景w的出价；/>表示消费者在总线i和场景w上的出价成本。
本发明的进一步改进在于：所述目标函数满足约束条件，所述约束条件包括：
风力发电机组发电范围约束：
光伏发电机组发电范围约束：
负荷减小量约束
消费者需求响应范围约束：
功率平衡约束：
式中，表示WT模块中风力发电机组在总线i、场景w及时刻t下的发电功率；表示WT模块中风力发电机组在总线i、场景w及时刻t下的最大发电功率；/>表示WT模块中光伏发电机组在总线i、场景w及时刻t下的发电功率；/>表示WT模块中光伏发电机组在总线i、场景w及时刻t下的最大发电功率；/>表示WT模块在总线i、场景w及时刻t下的负载减少量；/>表示WT模块在总线i、场景w及时刻t下，负载减少量的最高限额；/>表示消费者在总线i、场景w及时刻t下的出价；/>表示消费者在总线i、场景w及时刻t下的最高出价。
第二方面，本发明提供一种虚拟发电厂优化装置，包括以下步骤：
建模模块：用于获取虚拟发电厂内风速历史数据、太阳辐照度历史数据和负荷需求历史数据，根据风速历史数据、太阳辐照度历史数据和负荷需求历史数据采用情景树法建立市场模型；
目标函数建立模块：用于根据市场模型以虚拟发电厂最低运行成本为目的建立目标函数；
求解模块：采用GAMS处理目标函数得到最优方案。
第三方，本发明提供一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的一种虚拟发电厂优化方法。
第四方面，一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的一种虚拟发电厂优化方法。
与现有技术相比，本发明至少包括以下有益效果：
1、本发明通过获取风速历史数据和太阳辐照历史数据并建立模型，充分考虑虚拟发电厂内清洁能源波动的问题，通过负荷需求历史数据建立模型，确定需求量，从而在建立目标函数时针对高峰负荷时可再生能源的间歇性进行优化求解，同时目标函数以最低成本为目的，有效避免虚拟发电厂运行成本高的问题。
2、本发明利用优化软件GAMS对优化问题进行求解，CPLEX求解器返回最优结果。结果表明该方法最小化VPP的总体运行成本，如电力市场成本。从而进一步降低VPP的运行成本，并优化用户效用使用，从而减轻高峰时期电网的压力。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
在附图中：
图1为本发明一种虚拟发电厂优化方法的流程图；
图2为本发明一种虚拟发电厂优化装置的结构框图；
图3为本发明实施例5中负荷容量和事件柱状图；
图4为本发明实施例5中风能有功功率和太阳能有功功率折线图；
图5为本发明实施例5中激励价格柱状图；
图6为本发明实施例5中负载减少和场景编号柱状图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
实施例1
一种虚拟发电厂优化方法，如图1所示，包括以下步骤：
S1、获取虚拟发电厂内风速历史数据、太阳辐照度历史数据和负荷需求历史数据，根据风速历史数据、太阳辐照度历史数据和负荷需求历史数据采用情景树法建立市场模型；
具体的，可再生能源历史数据中包括虚拟发电厂内所有发电量受环境影响的发电类型，包括但不限于太阳辐照度历史数据和风速历史数据；
具体的，市场模型包括风速市场模型、太阳辐照度市场模型和负荷需求市场模型；
具体的，风速市场模型建立过程具体包括以下步骤：
获取风速历史数据，根据风速历史数据采用情景树法得到若干风速场景；
其中风速场景被定义为一个不确定参数的可能实现。利用概率密度函数(PDF)对每个风速生成若干个情景。
根据若干风速场景采用Weibull PDF建立风速PDF模型；
风速PDF模型：
其中，v表示风速；α表示Weibull PDF尺度指数；p表示形状指数。
因此可通过WT模块的功率曲线检测输出功率。
根据若干风速场景建立风速限制模型；
式中，Pw表示WT模块输出功率，Pe表示WT额定功率，vi表示插入速度，vo插出速度，ve表示WT模块的额定速度。
根据若干风速场景建立WT模块在总线和场景的风电输出功率模型；
风电输出功率模型：
式中，为WT发电量百分比；/>表示WT模块的输出功率；/>表示WT模块的额定功率。
风速市场模型包括风速PDF模型、风速限制模型和输出功率模型；
具体的，太阳辐照度市场模型建立过程具体包括以下步骤：
获取太阳辐照度历史数据，根据太阳辐照度历史数据采用情景树法得到若干光伏场景；
根据光伏场景采用Beta PDF建立光伏PDF模型；
光伏PDF模型：
式中，x表示太阳辐照度单位(千瓦/平方米)，θ为第一PDF参数，ω为第二PDF参数；
式中，μ为太阳辐照度的平均值；σ为太阳辐照度的标准差；
根据光伏场景和历史太阳辐照度数据建立光伏组件输出功率模型；
光伏组件输出功率模型：
式中，PS为标准测试条件下的功率(MW)；PPV为标准测试条件下的光伏组件输出功率(kW)；ζ表示功率-温度系数(％/℃)；Ta表示环境温度(℃)；Tc表示电池温度(℃)；NOCT表示电池标准工作温度(℃)；I表示太阳辐照度，单位为(瓦特每平方米)。
太阳辐照度市场模型包括光伏PDF模型和光伏组件输出功率模型。
具体的，负荷需求市场模型建立过程具体包括以下步骤：
获取负荷需求历史数据，根据负荷需求历史数据采用情景树法得到若干负荷需求场景；
根据负荷需求场景采用正态分布PDF建立负荷需求市场模型；
负荷需求市场模型：
式中，μk表示负荷需求平均值，σk表示负荷需求标准差。
S2、根据市场模型以虚拟发电厂最低运行成本为目的建立目标函数；
目标函数的最优策略是参与电力市场，并在规划期内使其运行成本最小化，所以目标函数表示为：
式中，是总线i和场景w的负载减少量；/>是在总线i和场景w下对每个消费者的相应激励价格；/>表示WT模块在总线i和场景w下的发电功率；/>表示PV机组在总线i和场景w下的发电功率；/>表示WT模块在母线i和场景w下的对应成本；/>表示光伏发电在母线i和场景w下的对应成本；/>表示消费者总线i和场景w的出价；/>表示消费者在总线i和场景w上的出价成本。
具体的，目标函数满足如下约束条件；
风力发电机组发电范围约束：
光伏发电机组发电范围约束：
负荷减小量约束：
消费者需求响应范围约束：
功率平衡约束：
式中，表示WT模块中风力发电机组在总线i、场景w及时刻t下的发电功率；表示WT模块中风力发电机组在总线i、场景w及时刻t下的最大发电功率；/>表示WT模块中光伏发电机组在总线i、场景w及时刻t下的发电功率；/>表示WT模块中光伏发电机组在总线i、场景w及时刻t下的最大发电功率；/>表示WT模块在总线i、场景w及时刻t下的负载减少量；/>表示WT模块在总线i、场景w及时刻t下，负载减少量的最高限额；/>表示消费者在总线i、场景w及时刻t下的出价；/>表示消费者在总线i、场景w及时刻t下的最高出价；
S3、采用GAMS处理目标函数得到最优方案。
实施例2
一种虚拟发电厂优化装置，如图2所示，包括以下步骤：
建模模块：用于获取虚拟发电厂内风速历史数据、太阳辐照度历史数据和负荷需求历史数据，根据风速历史数据、太阳辐照度历史数据和负荷需求历史数据采用情景树法建立市场模型；
具体的，可再生能源历史数据中包括虚拟发电厂内所有发电量受环境影响的发电类型，包括但不限于太阳辐照度历史数据和风速历史数据；
具体的，市场模型包括风速市场模型、太阳辐照度市场模型和负荷需求市场模型；
具体的，风速市场模型建立过程具体包括以下步骤：
获取风速历史数据，根据风速历史数据采用情景树法得到若干风速场景；
其中风速场景被定义为一个不确定参数的可能实现。利用概率密度函数(PDF)对每个风速生成若干个情景。
根据若干风速场景采用Weibull PDF建立风速PDF模型；
风速PDF模型：
其中，v表示风速；α表示Weibull PDF尺度指数；p表示形状指数。
因此可通过WT模块的功率曲线检测输出功率。
根据若干风速场景建立风速限制模型；
式中，Pw表示WT模块输出功率，Pe表示WT额定功率，vi表示插入速度，vo插出速度，ve表示WT模块的额定速度。
根据若干风速场景建立WT模块在总线和场景的风电输出功率模型；
风电输出功率模型：
式中，为WT发电量百分比；/>表示WT模块的输出功率；/>表示WT模块的额定功率。
风速市场模型包括风速PDF模型、风速限制模型和输出功率模型；
具体的，太阳辐照度市场模型建立过程具体包括以下步骤：
获取太阳辐照度历史数据，根据太阳辐照度历史数据采用情景树法得到若干光伏场景；
根据光伏场景采用Beta PDF建立光伏PDF模型；
光伏PDF模型：
式中，x表示太阳辐照度单位(千瓦/平方米)，θ为第一PDF参数，ω为第二PDF参数；
式中，μ为太阳辐照度的平均值；σ为太阳辐照度的标准差；
根据光伏场景和历史太阳辐照度数据建立光伏组件输出功率模型；
光伏组件输出功率模型：
式中，PS为标准测试条件下的功率(MW)；PPV为标准测试条件下的光伏组件输出功率(kW)；ζ表示功率-温度系数(％/℃)；Ta表示环境温度(℃)；Tc表示电池温度(℃)；NOCT表示电池标准工作温度(℃)；I表示太阳辐照度，单位为(瓦特每平方米)。
太阳辐照度市场模型包括光伏PDF模型和光伏组件输出功率模型。
具体的，负荷需求市场模型建立过程具体包括以下步骤：
获取负荷需求历史数据，根据负荷需求历史数据采用情景树法得到若干负荷需求场景；
根据负荷需求场景采用正态分布PDF建立负荷需求市场模型；
负荷需求市场模型：
式中，μk表示负荷需求平均值，σk表示负荷需求标准差。
目标函数建立模块：用于根据市场模型以虚拟发电厂最低运行成本为目的建立目标函数；
目标函数的最优策略是参与电力市场，并在规划期内使其运行成本最小化，所以目标函数表示为：
式中，是总线i和场景w的负载减少量；/>是在总线i和场景w下对每个消费者的相应激励价格；/>表示WT模块在总线i和场景w下的发电功率；/>表示PV机组在总线i和场景w下的发电功率；/>表示WT模块在母线i和场景w下的对应成本；/>表示光伏发电在母线i和场景w下的对应成本；/>表示消费者总线i和场景w的出价；/>表示消费者在总线i和场景w上的出价成本。
具体的，目标函数满足如下约束条件；
风力发电机组发电范围约束：
光伏发电机组发电范围约束：
负荷减小量约束
消费者需求响应范围约束：
功率平衡约束：
式中，表示WT模块中风力发电机组在总线i、场景w及时刻t下的发电功率；表示WT模块中风力发电机组在总线i、场景w及时刻t下的最大发电功率；/>表示WT模块中光伏发电机组在总线i、场景w及时刻t下的发电功率；/>表示WT模块中光伏发电机组在总线i、场景w及时刻t下的最大发电功率；/>表示WT模块在总线i、场景w及时刻t下的负载减少量；/>表示WT模块在总线i、场景w及时刻t下，负载减少量的最高限额；/>表示消费者在总线i、场景w及时刻t下的出价；/>表示消费者在总线i、场景w及时刻t下的最高出价；
求解模块：采用GAMS处理目标函数得到最优方案。
实施例3
一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现实施例1的一种虚拟发电厂优化方法。
实施例4
一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现实施例1的一种虚拟发电厂优化方法。
实施例5
根据实施例1中一种虚拟发电厂优化方法进行求解的具体算例；
采用GAMS处理目标函数得到最优方案的求解过程如下：
基于实施例1中一种虚拟发电厂优化方法，重点放在高峰时段的内部用户负载降低策略上，利用优化软件GAMS对优化问题进行求解，CPLEX求解器返回最优结果。
利用优化软件GAMS对优化问题进行求解，CPLEX求解器返回最优结果得到以下仿真图：
图3显示了用户在规划范围内的负载概况。图4显示了太阳能和风力涡轮机的预测发电量。VPP对其内部用户的减载激励价格方案如图5所示。图6显示了规划范围内每个场景的负载最小化情况。在场景12中，负载减少的值最高，约为(7kW)。这是因为该场景对VPP内部消费者具有最高的激励价格。而场景6的值最低，约为0.1kW。这是因为这个场景提供给VPP内部消费者的激励价格是最低的。
案例比较结果如表1所示，以验证所提出的基于激励分布式能源发展的有效性。在基准情况下，VPP向所有消费者提供相同的激励价格，而不管他们的个人属性如何。根据表1，建议的方法优于基准情况。所提出的方法导致更高的总体降幅，更大的激励支付，以及更低的VPP总体运营成本。
表一结果比较
| 案例 | 负载减少(kW) | 激励价格(＄) | VPP运营成本(＄) |
| 基准 | 767.48 | 2389.34 | 15265.78 |
| 本发明 | 805.03 | 3267.09 | 14856.03 |
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种虚拟发电厂优化方法，其特征在于，包括以下步骤：
获取虚拟发电厂内风速历史数据、太阳辐照度历史数据和负荷需求历史数据，根据风速历史数据、太阳辐照度历史数据和负荷需求历史数据采用情景树法建立市场模型；
根据市场模型以虚拟发电厂最低运行成本为目的建立目标函数；
采用GAMS处理目标函数得到最优方案。
2.根据权利要求1所述的一种虚拟发电厂优化方法，其特征在于，所述市场模型包括风速市场模型、太阳辐照度市场模型和负荷需求市场模型。
3.根据权利要求2所述的一种虚拟发电厂优化方法，其特征在于，所述风速市场模型包括风速PDF模型、风速限制模型和输出功率模型，所述风速市场模型建立时包括以下步骤：
获取风速历史数据，根据风速历史数据采用情景树法得到若干风速场景；
根据若干风速场景采用Weibull PDF建立风速PDF模型；
风速PDF模型：
其中，v表示风速；α表示Weibull PDF尺度指数；p表示形状指数；
根据若干风速场景建立风速限制模型；
式中，Pw表示WT模块输出功率，Pe表示WT额定功率，vi表示插入速度，vo插出速度，ve表示WT模块的额定速度；
根据若干风速场景建立WT模块在总线和场景的风电输出功率模型；
风电输出功率模型：
式中，为WT发电量百分比；/>表示WT模块的输出功率；/>表示WT模块的额定功率。
4.根据权利要求2所述的一种虚拟发电厂优化方法，其特征在于，所述太阳辐照度市场模型包括光伏PDF模型和光伏组件输出功率模型，所述太阳辐照度市场模型建立时包括以下步骤：
获取太阳辐照度历史数据，根据太阳辐照度历史数据采用情景树法得到若干光伏场景；
根据光伏场景采用Beta PDF建立光伏PDF模型；
光伏PDF模型：
式中，x表示太阳辐照度单位，θ为第一PDF参数，ω为第二PDF参数；
式中，μ为太阳辐照度的平均值；σ为太阳辐照度的标准差；
根据光伏场景和历史太阳辐照度数据建立光伏组件输出功率模型；
光伏组件输出功率模型：
式中，PS为标准测试条件下的功率；PPV为标准测试条件下的光伏组件输出功率；ζ表示功率-温度系数；Ta表示环境温度；Tc表示电池温度；NOCT表示电池标准工作温度；I表示太阳辐照度。
5.根据权利要求2所述的一种虚拟发电厂优化方法，其特征在于，所述负荷需求市场模型建立时包括以下步骤：
获取负荷需求历史数据，根据负荷需求历史数据采用情景树法得到若干负荷需求场景；
根据负荷需求场景采用正态分布PDF建立负荷需求市场模型；
负荷需求市场模型：
式中，μk表示负荷需求平均值，σk表示负荷需求标准差。
6.根据权利要求1所述的一种虚拟发电厂优化方法，其特征在于，所述目标函数表示为：
式中，是总线i和场景w的负载减少量；/>是在总线i和场景w下对每个消费者的相应激励价格；/>表示WT模块在总线i和场景w下的发电功率；/>表示PV机组在总线i和场景w下的发电功率；/>表示WT模块在母线i和场景w下的对应成本；/>表示光伏发电在母线i和场景w下的对应成本；/>表示消费者总线i和场景w的出价；/>表示消费者在总线i和场景w上的出价成本。
7.根据权利要求1所述的一种虚拟发电厂优化方法，其特征在于，所述目标函数满足约束条件，所述约束条件包括：
风力发电机组发电范围约束：
光伏发电机组发电范围约束：
负荷减小量约束：
消费者需求响应范围约束：
功率平衡约束：
式中，表示WT模块中风力发电机组在总线i、场景w及时刻t下的发电功率；/>表示WT模块中风力发电机组在总线i、场景w及时刻t下的最大发电功率；/>表示WT模块中光伏发电机组在总线i、场景w及时刻t下的发电功率；/>表示WT模块中光伏发电机组在总线i、场景w及时刻t下的最大发电功率；/>表示WT模块在总线i、场景w及时刻t下的负载减少量；/>表示WT模块在总线i、场景w及时刻t下，负载减少量的最高限额；表示消费者在总线i、场景w及时刻t下的出价；/>表示消费者在总线i、场景w及时刻t下的最高出价。
8.一种虚拟发电厂优化装置，其特征在于，包括以下步骤：
建模模块：用于获取虚拟发电厂内风速历史数据、太阳辐照度历史数据和负荷需求历史数据，根据风速历史数据、太阳辐照度历史数据和负荷需求历史数据采用情景树法建立市场模型；
目标函数建立模块：用于根据市场模型以虚拟发电厂最低运行成本为目的建立目标函数；
求解模块：采用GAMS处理目标函数得到最优方案。
9.一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现权利要求1～7中任一项所述的一种虚拟发电厂优化方法。
10.一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，其特征在于，计算机程序被处理器执行时实现权利要求1～7中任一项所述的一种虚拟发电厂优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311152843.9A CN117094746A (zh) | 2023-09-07 | 2023-09-07 | 一种虚拟发电厂优化方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311152843.9A CN117094746A (zh) | 2023-09-07 | 2023-09-07 | 一种虚拟发电厂优化方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117094746A true CN117094746A (zh) | 2023-11-21 |
Family
ID=88783299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311152843.9A Pending CN117094746A (zh) | 2023-09-07 | 2023-09-07 | 一种虚拟发电厂优化方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117094746A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117764223A (zh) * | 2023-11-28 | 2024-03-26 | 北京潞电电力建设有限公司 | 一种光伏运行方法及系统 |
-
2023
- 2023-09-07 CN CN202311152843.9A patent/CN117094746A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117764223A (zh) * | 2023-11-28 | 2024-03-26 | 北京潞电电力建设有限公司 | 一种光伏运行方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Robust coordination of distributed generation and price-based demand response in microgrids | |
| Karami et al. | An optimal dispatch algorithm for managing residential distributed energy resources | |
| Sanjari et al. | Application of Hyper-Spherical Search algorithm for optimal energy resources dispatch in residential microgrids | |
| CN108053057B (zh) | 一种基于CVaR的虚拟电厂优化调度建模方法 | |
| Villarreal et al. | Designing a sustainable and distributed generation system for semiconductor wafer fabs | |
| CN110247397B (zh) | 一种储能配置方法、系统、装置及可读存储介质 | |
| Osório et al. | New control strategy for the weekly scheduling of insular power systems with a battery energy storage system | |
| Tahir et al. | Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days | |
| CN117094746A (zh) | 一种虚拟发电厂优化方法、装置、设备及介质 | |
| CN111489020A (zh) | 一种独立型综合能源网电-气储能系统优化配置求解方法 | |
| CN111523204B (zh) | 一种并网型综合能源网电-气储能系统优化配置求解方法 | |
| CN116247719A (zh) | 一种基于阶梯碳交易的微电网两阶段鲁棒优化配置方法 | |
| Liu et al. | Accommodating uncertain wind power investment and coal-fired unit retirement by robust energy storage system planning | |
| CN109711605B (zh) | 一种多类型电源并网容量确定方法和装置 | |
| Borkowski et al. | Battery energy storage system for grid-connected photovoltaic farm–Energy management strategy and sizing optimization algorithm | |
| CN114493143A (zh) | 面向并网型微电网的虚拟电厂多目标优化调度系统及方法 | |
| CN112564160B (zh) | 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质 | |
| Ullah et al. | Demand response strategy of a virtual power plant for internal electricity market | |
| Jasemi et al. | Optimal operation of micro-grids considering the uncertainties of demand and renewable energy resources generation | |
| CN113054685B (zh) | 基于乌鸦算法和模式搜索算法的太阳能微电网调度方法 | |
| Le et al. | Design, sizing and operation of a hybrid renewable energy system for farming | |
| CN115085227A (zh) | 一种微电网源储容量配置方法及装置 | |
| Mu et al. | Risk-constrained multi-period planning for park-level integrated energy system based on CVaR method | |
| CN112865101A (zh) | 一种考虑可再生能源出力不确定性的线性化交易方法 | |
| Vu et al. | Design of a grid-connected campus microgrid considering energy efficiency and financial feasibility |
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 |