CN117332937A - 一种考虑需求响应的多能互补虚拟电厂经济调度方法 - Google Patents
一种考虑需求响应的多能互补虚拟电厂经济调度方法 Download PDFInfo
- Publication number
- CN117332937A CN117332937A CN202310961604.1A CN202310961604A CN117332937A CN 117332937 A CN117332937 A CN 117332937A CN 202310961604 A CN202310961604 A CN 202310961604A CN 117332937 A CN117332937 A CN 117332937A
- Authority
- CN
- China
- Prior art keywords
- model
- power plant
- ess
- virtual power
- 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
- 230000004044 response Effects 0.000 title claims abstract description 74
- 230000000295 complement effect Effects 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 230000008901 benefit Effects 0.000 claims abstract description 10
- 238000004146 energy storage Methods 0.000 claims description 50
- 239000007789 gas Substances 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 25
- 230000005611 electricity Effects 0.000 claims description 19
- 238000010248 power generation Methods 0.000 claims description 15
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 12
- 238000010438 heat treatment Methods 0.000 claims description 7
- 239000003345 natural gas Substances 0.000 claims description 6
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 description 9
- 230000002776 aggregation Effects 0.000 description 6
- 238000004220 aggregation Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000379 polymerizing effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010011971 Decreased interest Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- H02J3/007—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)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Computational Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Analysis (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑需求响应的多能互补虚拟电厂经济调度方法,包括:步骤1、构建虚拟电厂和柔性负载双层优化模型,虚拟电厂和柔性负载双层优化模型包括上层模型和下层模型;步骤2、对虚拟电厂和柔性负载双层优化模型进行迭代求解:上层模型求解之后,将求解得到的决策变量值传递到下层模型中来求解下层模型,下层模型求解完成后,再将求解出的决策变量值返回给上层模型重新求解上层模型;按该顺序反复求解上层模型和下层模型,直至满足终止条件,得到最终的决策变量值;步骤3、按模型求解结果对虚拟电厂中各机组进行控制调度。本发明在考虑需求响应的前提下,使虚拟电厂的运行效益最大化,使需求响应和运行成本相互兼顾平衡。
Description
技术领域
本发明涉及一种虚拟电厂调度方法。
背景技术
随着新型电力系统概念的提出,多类型分布式能源自由聚合虚拟电厂迎来了新的挑战。风电、光伏发电等可再生能源利用率需保持较高水平,迫切需要健全电力中长期、现货和辅助服务市场相衔接的电力市场体系。同时,面对大规模高质量发展的风电、光伏等可再生能源,以及煤电从市场交易的逐步退出,展现出的波动性和不确定特性对电网的安全稳定运行造成了一定的压力。
虚拟电厂作为未来能源市场中的一项颠覆性重要技术,将散落在不同区域的分布式能源聚合形成一个稳定、可控的能源集,对平衡电网供需起到了重要作用。面对中长期、日前、日内-实时和辅助服务等多维交易市场形式,通过自由聚合多类型分布式能源的虚拟电厂,可以缓解各类分布式资源对电力系统安全稳定运行带来的不确定影响,也有效满足了对其节能降耗和提高综合能源率的要求。
但是,虚拟电厂不是传统意义上的发电厂,而是相当于智能管家,为破解清洁能源消纳和绿色能源转型提供解决方案。随着以风电、光伏为主的可再生能源成为全球能源发展的主要方向,虚拟电厂在采用先进的通信技术将多类型分布式能源进行自由聚合的基础上,如何有效实现传统能源与可再生能源之间的互补协同调度与电网的优化运行,以最大程度地平抑新能源电力的强随机波动性,成为目前亟待解决的技术难题。现有技术中缺乏考虑需求响应的、面向多能互补虚拟电厂的调度方法,使得需求响应和运行成本能够得到平衡。
发明内容
本发明提出了一种考虑需求响应的多能互补虚拟电厂经济调度方法,其目的是:在考虑需求响应的前提下,协调传统能源与可再生能源,平抑电力的波动性,使虚拟电厂的运行效益最大化,平衡需求响应和运行成本。
本发明技术方案如下:
一种考虑需求响应的多能互补虚拟电厂经济调度方法,包括以下步骤:
步骤1、构建虚拟电厂和柔性负载双层优化模型,所述虚拟电厂和柔性负载双层优化模型包括上层模型和下层模型;
步骤2、对虚拟电厂和柔性负载双层优化模型进行迭代求解:先求解上层模型,上层模型求解之后,将求解得到的决策变量值传递到下层模型中来求解下层模型,下层模型求解完成后,再将求解出的决策变量值返回给上层模型重新求解上层模型;按该顺序反复求解上层模型和下层模型,直至满足终止条件,得到最终的决策变量值;
所述决策变量值包括调度虚拟电厂所需要的功率值;
步骤3、按虚拟电厂和柔性负载双层优化模型计算得到的所有决策变量中的功率值,对虚拟电厂中各机组进行控制调度。
作为所述考虑需求响应的多能互补虚拟电厂经济调度方法的进一步改进,所述虚拟电厂和柔性负载双层优化模型的优化对象是一个交易日;将一个交易日分为T个时间段,每个时间段的时长均为最短结算时间Δt,各时间段的序号t=1,2,3,…,T;
所述上层模型的目标函数为:
第一次求解时,
式中,S为聚合负载的收入;Sp(t)为第t个时间段内虚拟电厂供电所获得的收入,Sh(t)为第t个时间段内虚拟电厂供热所获得的收入,Sin(t)为第t个时间段内虚拟电厂参与需求响应所获得的收入;Cgrid(t)为第t个时间段内虚拟电厂电网的供应成本,Cmt(t)为第t个时间段内虚拟电厂燃气轮机的供应成本,Cpv(t)为第t个时间段内虚拟电厂光伏发电的供应成本,Cess(t)为第t个时间段内虚拟电厂储能系统的供应成本;Csta是聚合负载向调用的可中断对象支付的补偿金额。
作为所述考虑需求响应的多能互补虚拟电厂经济调度方法的进一步改进,上层模型的目标函数中的数值按以下公式计算:
其中,pe0和Pload(t)分别是聚合负载向虚拟电厂的内部电力用户提供的电价和第t个时间段内的供电功率,ph和Ph(t)分别是聚合负荷到虚拟电厂的内部热负荷的加热电价和第t个时间段内的加热功率,pin和Pin(t)分别是参与电网需求响应的聚合负载获得的补贴价格和第t个时间段内的响应功率,pe(t)和Pgrid(t)分别是聚合负荷从电网购买电力能源时第t个时间段的实时电价和第t个时间段内的购买功率,Pg和Pmt(t)分别是天然气价格和第t个时间段内的燃气轮机功率,ηe和LNG分别是燃气轮机的发电效率和天然气的热值,cpv和Ppv(t)分别是光伏发电的平均成本和第t个时间段内的发电功率,cess和Pess(t)分别是虚拟电厂中储能系统单位容量的平均损失成本和储能系统第t个时间段内的充放电功率,如果Pess(t)为正表示充电、负则表示放电;
Pload(t)、Ph(t)、Pin(t)、Pgrid(t)、Pmt(t)、Ppv(t)和Pess(t)为上层模型的决策变量。
作为所述考虑需求响应的多能互补虚拟电厂经济调度方法的进一步改进,上层模型的约束条件包括:
a)功率平衡约束:
Pmt(t)+Pgrid(t)+Ppv(t)+Pess(t)=Pload(t)-Pin(t);
rPmt(t)=Ph(t);
其中,r是燃气轮机(或虚拟电厂组合电源单元)的热电比;
b)燃气轮机运行约束:
式中,Pmt,min和Pmt,max分别为燃气轮机在安全稳定运行前提下可提供的最小和最大发电量,ΔPmt表示燃气轮机在任一时间间隔Δt内产生的功率变化,其表示为ΔPmt=Pmt(t)-Pmt(t-1),ΔPmt,max是燃气轮机在安全稳定运行前提下在特定时间间隔Δt内允许的功率波动最大值;
c)储能系统运行的约束:
式中:SOCt为第t个时间段储能系统的剩余电量百分比,SOCt=SOC0+Pess(1)Δt+Pess(2)Δt+...+Pess(t)Δt,SOCmin和SOCmax分别为储能系统的最小剩余电量百分比和最大剩余电量百分比,SOC0和SOCT分别是交易日中储能系统的初始剩余电量百分比和最终剩余电量百分比,Pess,max是储能系统的最大充放电功率的绝对值;
d)可中断负载运行约束:
Pin,min≤Pin≤Pin,max;
其中,Pin,min和Pin,max分别为可中断负载的最小响应功率和最大响应功率。
作为所述考虑需求响应的多能互补虚拟电厂经济调度方法的进一步改进,下层模型的目标函数为:
其中,Sess是储能系统的收益,Pess_tou(t)是储能系统第t个时间段响应分时电价政策的放电功率,Pess_in(t)是储能系统第t个时间段参与励磁型需求响应时的放电功率,Pess_Charge(t)是储能系统第t个时间段的充电功率;
Pess_tou(t)、Pess_in(t)和Pess_Charge(t)为下层模型的决策变量。
作为所述考虑需求响应的多能互补虚拟电厂经济调度方法的进一步改进,下层模型的约束条件包括:
a)储能系统的功率平衡约束:
Pess(t)=Pess_tou(t)+Pess_in(t)-Pess_Charge(t);
b)需求响应功率平衡:
Pess_in(t)+Pe_in(t)=Pin(t);
其中,Pe_in是其他电力负载的需求响应功率;
c)储能系统的充电和放电功率约束:
作为所述考虑需求响应的多能互补虚拟电厂经济调度方法的进一步改进,模型求解时,先求解上层模型,上层模型求解之后,将Pess(t)和Pin(t)的值代入到下层模型的约束条件中来求解下层模型,下层模型求解完成后,将求解出的决策变量值代入到下层模型的目标函数中得到Sess的值,然后将该值直接赋给上层模型目标函数中的S′ess、重新求解上层模型;按该顺序反复求解上层模型和下层模型,直至满足终止条件。
作为所述考虑需求响应的多能互补虚拟电厂经济调度方法的进一步改进,所述终止条件为:
δ1和δ2为预设的第一收敛容差和第二收敛容差,和/>分别为第i+1轮和第i轮迭代时下层模型求解得到的Pess_in(t)值,/>和/>分别为第i+1轮和第i轮迭代时下层模型依据决策变量求解值代入到目标函数中求得的Sess值。
作为所述考虑需求响应的多能互补虚拟电厂经济调度方法的进一步改进:步骤3中,还根据计算得到的决策变量值按上层模型的目标函数计算出虚拟电厂的总收入。
相对于现有技术,本发明具有以下积极效果:
本发明在考虑需求响应的前提下构建了双层优化模型,上层模型以虚拟电厂的收益为目标函数,下层模型以储能系统的收益为目标函数,模型以虚拟电厂的机组在各时间段的功率为决策变量,通过双层模型的迭代求解,既实现了对传统能源与可再生能源的相互协调,抑制了电力的波动性,同时也使虚拟电厂的运行效益达到最大化,最终达到了平衡和兼顾需求响应和运行成本的目的。
附图说明
图1为考虑需求响应的虚拟电厂和柔性负载双层优化模型求解流程图;
图2为考虑需求响应的多能互补虚拟电厂架构;
图3为考虑需求响应的多能源流市场架构;
图4为虚拟电厂的售电价格曲线图;
图5为不同场景下的用户负荷曲线;
图6为不同场景下虚拟电厂的运营利润曲线图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
本实施例根据图1分析所述的虚拟电厂优化模型及调度过程。
如图1,一种考虑需求响应的多能互补虚拟电厂经济调度方法,包括以下步骤以用于实现虚拟电厂的调度过程:
首先,构建多能互补虚拟电厂架构,以协调特定区域内的不同能源供应、储能和能源使用资源;构建虚拟能源单元形成灵活的聚合调节资源,并在更大范围内实现资源互联和共享。
具体的,虚拟电厂是分布式能源、储能和可控负载的集合,这些负载可以调度或不调度到虚拟电厂中。虚拟电厂通过计划、监控和协调各种资源以最小化发电成本或最大化收益。虚拟电厂具有两个核心特征:
第一个是资源聚合。虚拟电厂包括分布式可再生发电、燃气发电/供热、电动汽车、充放电储能、需求响应资源等。上述资源聚合后可以形成灵活的控制能力。
第二个是双向通信。虚拟电厂具有更多类型和数量的设备,覆盖许多领域并在复杂系统中运行。双向通信系统是虚拟电厂进行能源管理、数据收集和监控以及与外部系统交互的重要渠道。
基于以上两个特征,可构建了多能互补虚拟电厂架构,如图2所示。虚拟电厂可以协调和控制特定区域内的不同能源供应、储能和能源使用资源,以构建虚拟能源单元,形成灵活的聚合调节资源,并在更大范围内实现资源互联和共享。
其次,从用户、虚拟电厂、电网的三个层次构建了综合的多能源流市场架构,基于需求响应的交互机制构建了基于动态电价的虚拟电厂内部激励策略,以最大限度地鼓励用户参与虚拟电厂聚合。
当虚拟电厂协调内部资源参与市场运营时,它可将剩余能源出售给外部市场或其他虚拟电厂或从市场购买电力以满足负载需求,从而实现能源效率和经济优化。本实施例从用户、虚拟电厂、电网的三个层次构建了综合的多能源流市场架构,如图3所示。虚拟电厂交易分为外部、并行和内部交易,就外部交易/并行交易而言,它包括参与日前市场、能源和备用市场、多虚拟电厂分布式交易等。当虚拟电厂和用户主体涉及其资源/用户的内部交易时,它们主要基于需求响应实现。
第三,为了更好地管理虚拟电厂内部分布式能源和柔性负载的协调运行,从而提高虚拟电厂的运营收入和降低负载购电成本,构建了虚拟电厂和柔性负载双层优化模型。
所述双层优化模型的设计依托于上述两个架构,但其实施具有普遍的适用性,不局限于符合上述两个架构的场景。
虚拟电厂和柔性负载双层优化模型是系统优化模型的两层分层结构,其中虚拟电厂位于上层优化模型,负责解决虚拟电厂的电力销售收入问题,其目标函数是一个交易日内虚拟电厂的净收入,考虑到需求响应。柔性负载(储能系统)位于下层优化模型,以一个交易日内用户侧的收益最大化为优化目标函数。
将一个交易日分为T个时间段,每个时间段的时长均为最短结算时间Δt,各时间段的序号t=1,2,3,…,T。
1、上层模型
1)上层模型的目标函数
上层优化模型旨在使负载聚合的收入最大化。其数学模型如下:
第一次计算时,
公式中,S为聚合负载的收入;Sp(t)为第t个时间段内虚拟电厂供电所获得的收入,Sh(t)为第t个时间段内虚拟电厂供热所获得的收入,Sin(t)为第t个时间段内虚拟电厂参与需求响应所获得的收入;Cgrid(t)为第t个时间段内虚拟电厂电网的供应成本,Cmt(t)为第t个时间段内虚拟电厂燃气轮机的供应成本,Cpv(t)为第t个时间段内虚拟电厂光伏发电的供应成本,Cess(t)为第t个时间段内虚拟电厂储能系统的供应成本;Csta是聚合负载向调用的可中断对象支付的补偿金额。
进一步的:
其中,pe0和Pload(t)分别是聚合负载向虚拟电厂的内部电力用户提供的电价和第t个时间段内的供电功率,ph和Ph(t)分别是聚合负荷到虚拟电厂的内部热负荷的加热电价和第t个时间段内的加热功率,pin和Pin(t)分别是参与电网需求响应的聚合负载获得的补贴价格和第t个时间段内的响应功率,pe(t)和Pgrid(t)分别是聚合负荷从电网购买电力能源时第t个时间段的实时电价和第t个时间段内的购买功率,pg和Pmt(t)分别是天然气价格和第t个时间段内的燃气轮机功率,ηe和LNG分别是燃气轮机的发电效率和天然气的热值,cpv和Ppv(t)分别是光伏发电的平均成本和第t个时间段内的发电功率,cess和Pess(t)分别是虚拟电厂中储能系统单位容量的平均损失成本和储能系统第t个时间段内的充放电功率,如果Pess(t)为正表示充电、负则表示放电。
Pload(t)、Ph(t)、Pin(t)、Pgrid(t)、Pmt(t)、Ppv(t)和Pess(t)为上层模型的决策变量。
2)上层模型的约束条件
a)功率平衡约束:
Pmt(t)+Pgrid(t)+Ppv(t)+Pess(t)=Pload(t)-Pin(t);
rPmt(t)=Ph(t);
其中,r是燃气轮机(或虚拟电厂组合电源单元)的热电比。
b)燃气轮机运行约束:
式中,Pmt,min和Pmt,max分别为燃气轮机在安全稳定运行前提下可提供的最小和最大发电量,ΔPmt表示燃气轮机在任一时间间隔Δt内产生的功率变化,其表示为ΔPmt=Pmt(t)-Pmt(t-1),ΔPmt,max是燃气轮机在安全稳定运行前提下在特定时间间隔Δt内允许的功率波动最大值。
c)储能系统运行的约束:
式中:SOCt为第t个时间段储能系统的剩余电量百分比,SOCt=SOC0+Pess(1)Δt+Pess(2)Δt+...+Pess(t)Δt,SOCmin和SOCmax分别为储能系统的最小剩余电量百分比和最大剩余电量百分比,SOC0和SOCT分别是交易日中储能系统的初始剩余电量百分比和最终剩余电量百分比,Pess,max是储能系统的最大充放电功率的绝对值。
d)可中断负载运行约束:
Pin,min≤Pin≤Pin,max;
其中,Pin,min和Pin,max分别为可中断负载的最小响应功率和最大响应功率。
2、下层模型
1)下层模型的目标函数
下层优化模型旨在储能系统收益最大化:
其中,Sess是储能系统的收益,Pess_tou(t)是储能系统第t个时间段响应分时电价政策的放电功率,Pess_in(t)是储能系统第t个时间段参与励磁型需求响应时的放电功率,Pess_Charge(t)是储能系统第t个时间段的充电功率。
Pess_tou(t)、Pess_in(t)和Pess_Charge(t)为下层模型的决策变量。
2)下层模型的约束
a)储能系统的功率平衡约束:
Pess(t)=Pess_tou(t)+Pess_in(t)-Pess_Charge(t);
b)需求响应功率平衡:
储能系统和其他电力负荷降低功率之和满足虚拟电厂的需求响应功率,如下式所示:
Pess_in(t)+Pe_in(t)=Pin(t);
其中,Pe_in是其他电力负载的需求响应功率。
c)储能系统的充电和放电功率约束:
最后,在Matlab上使用YALMIP工具箱进行建模,并调用CPLEX求解器求解上述模型。对于两层优化模型,当上下层模型是凸的且连续可微时,满足最优性条件,并且通常通过数值解方法的迭代逼近来获得最优解。模型中的所有目标函数和约束都是线性的,两层优化模型是一个混合整数线性规划问题。
代表需求响应能力的变量Pess(t)、Pin(t)和Sess为上层模型和下层模型之间的联系变量。通过迭代优化方式完成双层模型的求解:先求解上层模型,上层模型求解之后,将Pess(t)和Pin(t)代入到下层模型中来求解下层模型,下层模型求解完成后,将求解出的决策变量值代入到下层模型的目标函数中得到S的值,然后将该值直接赋给上层模
ess
型目标函数中的S′、重新求解上层模型;按该顺序反复求解上层模ess
型和下层模型,直至满足以下终止条件,模型计算结束:
δ1和δ2为预设的第一收敛容差和第二收敛容差。和/>分别为第i+1轮和第i轮迭代时下层模型求解得到的Pess_in(t)值,/>和/>分别为第i+1轮和第i轮迭代时下层模型依据决策变量求解值代入到目标函数中求得的S值。
ess
按双层模型计算得到的所有决策变量中的功率值,对虚拟电厂中各机组进行控制调度,并根据计算得到的决策变量值按上层模型的目标函数计算出虚拟电厂的总收入。
本实施例中,虚拟电厂中的燃气轮机数量为2台,额定功率为140和100kW。储能系统电池的额定容量为500kWh,最大充放电功率为20kW,总充电深度为100%,最大放电深度为80%。
下面通过三种场景的比较分析,验证上述模型的合理性及有效性:
①虚拟电厂不考虑需求响应策略,也不采用两层优化模型进行迭代,即原始用户的电力消耗。
②虚拟电厂认为需求响应策略,但不采用两层优化模型进行迭代,只满足虚拟电厂的最大利润,即只考虑用户分时电价的作用。
③虚拟电厂考虑需求响应策略,采用两层优化模型。
如图4,从虚拟电厂为用户侧制定的实时市场价格曲线和售电价格曲线可以看出,虚拟电厂售电价格的趋势与实时市场价格的趋势一致。19:00-21:00,虚拟电厂电价最高,达到0.95元/(kW-h),01:00-04:00,虚拟电厂电价最低,达到0.35元/(kW-h)。与用户负载相关的实时市场价格,虚拟电厂在峰值期间提高费率,在较低价格的低谷中,不仅可以实现峰值削减,还可以确保实时市场中的密集价格间隔,以保持用户负载数量的稳定,实时市场中的高电价时间降低了虚拟电厂,因为电力购买成本太高并且存在损失风险。
图5为三种场景的用户负载曲线。在情景③中,负荷波动幅度和峰谷差最小。尽管分时电价可以充分削减峰值,填补低谷,平滑用户负荷曲线,但效果不够明显。此外,用户自发选择分时电价缺乏与虚拟电厂上层控制中心的信息交互,无法灵活快速地参与电网调度。考虑到需求响应后,虚拟电厂转移部分可转移负载,并在虚拟电厂中存在不平衡功率且用户用电体验不受影响时向用户提供适当的经济补偿。它可以有效调动用户参与电网调度的积极性,从而减少竞价偏差,减少用户用电的峰谷差,获得更高的利润。
如图6,由于考虑了场景②和③中的需求响应,场景②和场景③中的市场回报远大于场景①中的市场收益。虚拟电厂可以有效降低电力市场交易中的电力竞价偏差,降低电力市场中虚拟电厂交易中因电力不平衡而产生的额外成本。场景①中未考虑需求响应,因此响应成本为0。在场景③中,与其他两种方案相比,虚拟电厂的电力销售收入减少,因为两层优化模型优化了用户的电力购买行为,这导致虚拟电厂的部分利益损失。然而,两层优化模型可以有效地提高总体虚拟电厂收入。情景③中的虚拟电厂总收入比情景2高9%,比情景③高12%。实践证明,该模型可以通过降低负荷购电成本,有效提高虚拟电厂运行的经济性。
以上所述,仅为本发明的较佳实施例而已,并非对本发明作任何形式上的限制;凡本行业的普通技术人员均可按说明书附图所示和以上所述而顺畅地实施本发明;但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内,利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化,均为本发明的等效实施例;同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等,均仍属于本发明的技术方案的保护范围之内。
Claims (9)
1.一种考虑需求响应的多能互补虚拟电厂经济调度方法,其特征在于包括以下步骤:
步骤1、构建虚拟电厂和柔性负载双层优化模型,所述虚拟电厂和柔性负载双层优化模型包括上层模型和下层模型;
步骤2、对虚拟电厂和柔性负载双层优化模型进行迭代求解:先求解上层模型,上层模型求解之后,将求解得到的决策变量值传递到下层模型中来求解下层模型,下层模型求解完成后,再将求解出的决策变量值返回给上层模型重新求解上层模型;按该顺序反复求解上层模型和下层模型,直至满足终止条件,得到最终的决策变量值;
所述决策变量值包括调度虚拟电厂所需要的功率值;
步骤3、按虚拟电厂和柔性负载双层优化模型计算得到的所有决策变量中的功率值,对虚拟电厂中各机组进行控制调度。
2.如权利要求1所述的考虑需求响应的多能互补虚拟电厂经济调度方法,其特征在于:所述虚拟电厂和柔性负载双层优化模型的优化对象是一个交易日;将一个交易日分为T个时间段,每个时间段的时长均为最短结算时间Δt,各时间段的序号t=1,2,3,…,T;
所述上层模型的目标函数为:
第一次求解时,
式中,S为聚合负载的收入;Sp(t)为第t个时间段内虚拟电厂供电所获得的收入,Sh(t)为第t个时间段内虚拟电厂供热所获得的收入,Sin(t)为第t个时间段内虚拟电厂参与需求响应所获得的收入;Cgrid(t)为第t个时间段内虚拟电厂电网的供应成本,Cmt(t)为第t个时间段内虚拟电厂燃气轮机的供应成本,Cpv(t)为第t个时间段内虚拟电厂光伏发电的供应成本,Cess(t)为第t个时间段内虚拟电厂储能系统的供应成本;Csta是聚合负载向调用的可中断对象支付的补偿金额。
3.如权利要求2所述的考虑需求响应的多能互补虚拟电厂经济调度方法,其特征在于:上层模型的目标函数中的数值按以下公式计算:
其中,pe0和Pload(t)分别是聚合负载向虚拟电厂的内部电力用户提供的电价和第t个时间段内的供电功率,ph和Ph(t)分别是聚合负荷到虚拟电厂的内部热负荷的加热电价和第t个时间段内的加热功率,pin和Pin(t)分别是参与电网需求响应的聚合负载获得的补贴价格和第t个时间段内的响应功率,pe(t)和Pgrid(t)分别是聚合负荷从电网购买电力能源时第t个时间段的实时电价和第t个时间段内的购买功率,pg和Pmt(t)分别是天然气价格和第t个时间段内的燃气轮机功率,ηe和LNG分别是燃气轮机的发电效率和天然气的热值,cpv和Ppv(t)分别是光伏发电的平均成本和第t个时间段内的发电功率,cess和Pess(t)分别是虚拟电厂中储能系统单位容量的平均损失成本和储能系统第t个时间段内的充放电功率,如果Pess(t)为正表示充电、负则表示放电;Pload(t)、Ph(t)、Pin(t)、Pgrid(t)、Pmt(t)、Ppv(t)和Pess(t)为上层模型的决策变量。
4.如权利要求3所述的考虑需求响应的多能互补虚拟电厂经济调度方法,其特征在于:上层模型的约束条件包括:
a)功率平衡约束:
Pmt(t)+Pgrid(t)+Ppv(t)+Pess(t)=Pload(t)-Pin(t);
rPmt(t)=Ph(t);
其中,r是燃气轮机(或虚拟电厂组合电源单元)的热电比;
b)燃气轮机运行约束:
式中,Pmt,min和Pmt,max分别为燃气轮机在安全稳定运行前提下可提供的最小和最大发电量,ΔPmt表示燃气轮机在任一时间间隔Δt内产生的功率变化,其表示为ΔPmt=Pmt(t)-Pmt(t-1),ΔPmt,max是燃气轮机在安全稳定运行前提下在特定时间间隔Δt内允许的功率波动最大值;
c)储能系统运行的约束:
式中:SOCt为第t个时间段储能系统的剩余电量百分比,SOCt=SOC0+Pess(1)Δt+Pess(2)Δt+…+Pess(t)Δt,SOCmin和SOCmax分别为储能系统的最小剩余电量百分比和最大剩余电量百分比,SOC0和SOCT分别是交易日中储能系统的初始剩余电量百分比和最终剩余电量百分比,Pess,max是储能系统的最大充放电功率的绝对值;
d)可中断负载运行约束:
Pin,min≤Pin≤Pin,max;
其中,Pin,min和Pin,max分别为可中断负载的最小响应功率和最大响应功率。
5.如权利要求4所述的考虑需求响应的多能互补虚拟电厂经济调度方法,其特征在于:下层模型的目标函数为:
其中,Sess是储能系统的收益,Pess_tou(t)是储能系统第t个时间段响应分时电价政策的放电功率,Pess_in(t)是储能系统第t个时间段参与励磁型需求响应时的放电功率,Pess_Charge(t)是储能系统第t个时间段的充电功率;
Pess_tou(t)、Pess_in(t)和Pess_Charge(t)为下层模型的决策变量。
6.如权利要求5所述的考虑需求响应的多能互补虚拟电厂经济调度方法,其特征在于:下层模型的约束条件包括:
a)储能系统的功率平衡约束:
Pess(t)=Pess_tou(t)+Pess_in(t)-Pess_Charge(t);
b)需求响应功率平衡:
Pess_in(t)+Pe_in(t)=Pin(t);
其中,Pe_in是其他电力负载的需求响应功率;
c)储能系统的充电和放电功率约束:
7.如权利要求6所述的考虑需求响应的多能互补虚拟电厂经济调度方法,其特征在于:模型求解时,先求解上层模型,上层模型求解之后,将Pess(t)和Pin(t)的值代入到下层模型的约束条件中来求解下层模型,下层模型求解完成后,将求解出的决策变量值代入到下层模型的目标函数中得到Sess的值,然后将该值直接赋给上层模型目标函数中的S′ess、重新求解上层模型;按该顺序反复求解上层模型和下层模型,直至满足终止条件。
8.如权利要求7所述的考虑需求响应的多能互补虚拟电厂经济调度方法,其特征在于:所述终止条件为:
δ1和δ2为预设的第一收敛容差和第二收敛容差,和/>分别为第i+1轮和第i轮迭代时下层模型求解得到的Pess_in(t)值,/>和/>分别为第i+1轮和第i轮迭代时下层模型依据决策变量求解值代入到目标函数中求得的Sess值。
9.如权利要求8所述的考虑需求响应的多能互补虚拟电厂经济调度方法,其特征在于:步骤3中,还根据计算得到的决策变量值按上层模型的目标函数计算出虚拟电厂的总收入。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310961604.1A CN117332937A (zh) | 2023-08-02 | 2023-08-02 | 一种考虑需求响应的多能互补虚拟电厂经济调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310961604.1A CN117332937A (zh) | 2023-08-02 | 2023-08-02 | 一种考虑需求响应的多能互补虚拟电厂经济调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117332937A true CN117332937A (zh) | 2024-01-02 |
Family
ID=89289185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310961604.1A Pending CN117332937A (zh) | 2023-08-02 | 2023-08-02 | 一种考虑需求响应的多能互补虚拟电厂经济调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117332937A (zh) |
Cited By (1)
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 |
-
2023
- 2023-08-02 CN CN202310961604.1A patent/CN117332937A/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 |
---|---|---|
CN110188950B (zh) | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 | |
CN109657946B (zh) | 基于博弈论的区域能源互联网规划的数学模型和规划方法 | |
CN111738497B (zh) | 计及需求侧响应的虚拟电厂双层优化调度方法 | |
Chen et al. | Research on day-ahead transactions between multi-microgrid based on cooperative game model | |
CN112054513B (zh) | 基于混合博弈的多微电网双层协调优化调度方法 | |
CN106548291A (zh) | 一种基于Shapley值的微电网运行效益分配方法 | |
CN113888209A (zh) | 虚拟电厂参与电力市场和碳交易市场的协同竞价方法 | |
CN112068436A (zh) | 工业园区的综合能源系统分层分布式控制方法及系统 | |
CN112819337A (zh) | 一种基于非合作博弈的综合能源系统能源共享方法 | |
CN117332937A (zh) | 一种考虑需求响应的多能互补虚拟电厂经济调度方法 | |
CN112580850A (zh) | 一种电力调峰市场的出清方法及系统 | |
Zhang et al. | A master-slave game optimization model for electric power companies considering virtual power plant | |
Mei et al. | Optimal bidding strategy for virtual power plant participating in combined electricity and ancillary services market considering dynamic demand response price and integrated consumption satisfaction | |
CN115423260A (zh) | 一种电力市场及政策服务新能源利用的量化分析方法 | |
CN114912943A (zh) | 一种考虑碳排放交易的虚拟电厂中长期联合调度方法 | |
Zhang et al. | Multi-level distributed demand response study for a multi-park integrated energy system | |
CN110556821B (zh) | 考虑交互功率控制和双边竞价交易的多微电网双层优化调度方法 | |
CN112232716A (zh) | 一种考虑调峰辅助服务的智慧园区优化决策方法 | |
CN114188940B (zh) | 一种考虑多主体利益的主动配电网调度方法 | |
CN116307029A (zh) | 促进多虚拟网格间源储荷协调的双层优化调度方法及系统 | |
CN115983442A (zh) | 抽水蓄能电站参与现货-调频辅助服务市场决策优化方法 | |
CN114936672A (zh) | 一种基于纳什谈判法的多虚拟电厂联合调度方法 | |
CN111062513B (zh) | 基于自适应共识机制的分布式社区能源交易系统及方法 | |
CN114362139A (zh) | 一种以消纳新能源为目标的源-荷-储多边议价日前响应控制方法 | |
CN112906963A (zh) | 一种针对于储能聚合平台的双层定价方法 |
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 |