CN117543597A - 一种农村能源灵活性资源容量配置优化方法 - Google Patents

一种农村能源灵活性资源容量配置优化方法 Download PDF

Info

Publication number
CN117543597A
CN117543597A CN202311504653.9A CN202311504653A CN117543597A CN 117543597 A CN117543597 A CN 117543597A CN 202311504653 A CN202311504653 A CN 202311504653A CN 117543597 A CN117543597 A CN 117543597A
Authority
CN
China
Prior art keywords
energy
establishing
demand response
load
rural
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
CN202311504653.9A
Other languages
English (en)
Inventor
李鹏
田春筝
祖文静
鞠立伟
张泓楷
李慧璇
郑永乐
杨钦臣
姜紫薇
张阿敏
王悦萍
杨萌
张艺涵
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.)
North China Electric Power University
Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
North China Electric Power University
Economic and Technological Research Institute of State Grid Henan 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 North China Electric Power University, Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd filed Critical North China Electric Power University
Priority to CN202311504653.9A priority Critical patent/CN117543597A/zh
Publication of CN117543597A publication Critical patent/CN117543597A/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
    • H02J3/12—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
    • 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
    • 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
    • H02J2300/28—The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明属于农村能源资源容量配置技术领域，具体涉及一种农村能源灵活性资源容量配置优化方法；包括步骤S1、确定灵活性资源参与农村能源互联网的典型应用场景；S2、建立灵活性资源参与下不同场景农村能源互联网的优化运行模型；步骤S2包括：S21、建立VPPO运行优化模型；S22、建立风能和太阳能发电机组以及屋顶光伏用户的运行优化模型；S23、建立生物质单元运行的优化模型；S24、建立储能操作优化模型；S25、建立负载侧操作优化模型；本发明可为不同区域建立清洁、低碳、高效的灵活资源参与能源提供决策工具和实践前提；为缓解农村分布式电源与公共电网之间的技术矛盾提供解决路径；提高农村能源利用效率，推动构建清洁低碳、安全高效的农村能源体系。

Description

一种农村能源灵活性资源容量配置优化方法
技术领域
本发明属于农村能源资源容量配置技术领域，具体涉及一种农村能源灵活性资源容量配置优化方法。
背景技术
农村能源互联网是指通过信息技术和能源互联网技术，将分散的农村能源资源进行整合和优化利用，实现能源的高效供应和消费，促进农村能源的可持续发展。农村地区通常具有分散的能源资源，如太阳能、风能、生物质能等。农村能源互联网通过信息技术和智能电网技术，将这些分布式能源资源进行整合和管理，实现能源的高效利用和供应。农村能源互联网将不同类型的能源资源进行互补和协同发展。例如，太阳能和风能具有间歇性和波动性，而生物质能和水能相对稳定。通过整合不同能源资源，可以平衡能源供需之间的差异，提高能源利用效率。农村能源互联网通过智能电网技术和能源管理系统，实现对能源的实时监测、调度和管理。通过精确的能源预测和调度，可以优化能源的供应和消费，提高能源利用效率和经济性。农村能源互联网可以实现能源的交易和共享。通过能源互联网平台，农村居民和企业可以进行能源的买卖和共享，促进能源的合理配置和利用。农村能源互联网是中国能源互联网的重要组成部分，农村能源互联网的建设有助于促进农村地区能源消费终端的电气化水平。
发明内容
本发明的目的是为了克服现有技术的不足，而提供一种农村能源灵活性资源容量配置优化方法。
本发明的目的是这样实现的：一种农村能源灵活性资源容量配置优化方法，它包括以下步骤：
S1、确定灵活性资源参与农村能源互联网的典型应用场景；
S2、建立灵活性资源参与下不同场景农村能源互联网的优化运行模型；
所述步骤S2包括：
S21、建立VPPO运行优化模型；
S22、建立风能和太阳能发电机组以及屋顶光伏用户的运行优化模型；
S23、建立生物质单元运行的优化模型；
S24、建立储能操作优化模型；
S25、建立负载侧操作优化模型。
进一步的，所述步骤S1确定灵活性资源参与农村能源互联网的典型应用场景包括：
将灵活性资源参与农村能源互联网的典型应用场景分为三类：需求响应场景、调峰辅助服务场景和电能交易场景；其中，需求响应场景对应可调负荷聚合模式；调峰辅助服务场景和电能交易场景对应源-负荷-蓄协同模式；三种场景下，虚拟电厂规模从小到大的顺序为需求响应场景<调峰辅助服务场景<电能交易场景。
进一步的，所述步骤S21建立VPPO运行优化模型包括：
1)目标函数
VPPO以总收益最大化为目标，如式(1)所示。
maxFVPPO,DR＝BDR-CVPP,DR+Win (1)
式中，FVPPO,DR表示需求响应场景下VPPO的总收入；BDR表示VPP参与需求响应市场的收益；CVPP，DR为VPP参与需求响应市场的内部成本；Win表示VPP的内部交易利润；
需求响应市场中VPP的收益如式(2)-(4)所示。
式中，ρPDR,t和ρNDR,t分别为时段内的正/负需求响应价格(正表示负荷侧用电量增加，负表示负荷侧用电量减少)；PPDR,t和PNDR,t分别为t时段VPP的正/负需求响应能；和/>表示类级柔性负荷参与需求响应后负荷的增减；s∈{il,cl,al,rl}代表工业、商业、农业和居民灵活负荷，r∈{1,2,3}代表调控水平；PES,PDR,t和PES,NDR,t表示用户侧储能参与需求响应后的充放电增量；
VPP参与需求响应市场的内部成本如式(5)-(7)所示；
CVPP,DR＝CFL,DR+CES,DR (5)
其中，CFL,DR和CES,DR分别为需求响应场景下VPPO向灵活负荷运营商和储能运营商支付的费用；和/>分别为t时段正/负需求响应情景下VPPO向s级灵活性负荷释放的价格信号；λES,PDR,t和λES,NDR,t分别为VPPO在正/负需求响应场景下向用户侧储能释放的价格信号；
VPP的内部交易利润显示在方程(8-14)中；
WVPP,in＝Cu-CBU,in-CWT,in-CPV,in-CRPV,in-CES,in (8)
其中，Cu是负载方用户在VPP内向VPPO支付的费用；CBU,in，CWT,in，CPV,in，CRPV,in和CES,in是VPPO向生物质机组运营商、风力涡轮机运营商、光伏单元运营商、屋顶光伏用户和能源存储运营商支付的内部交易费用；λu,t是VPP内负载方用户t期的电力购买价格；Pu,t是负载方用户在调整后的t期内的实际负载需求；λBU,in,t，λWT,in,t，λPV,in,t，λRPV,in,t和λES,in,t是VPPO向生物质单元运营商、风电涡轮机释放的电力购买价格在VPP内部交易期间，运营商、光伏单元运营商、屋顶光伏用户和储能运营商；PBU,in,t，PWT,in,t，PPV,in,t，PRPV,in,t，PBU,e,t，PES,in,t是生物质单元运营商、风力涡轮机运营商、光伏单元运营商、屋顶光伏用户和储能运营商根据价格信号为内部用户制定的输出计划；对于，PES,in,t常规表示放电，而负值表示充电；
2)约束条件
①功率平衡约束
如方程(15)和(16)所示，VPPO参与需求响应市场交易必须同时满足内部和外部权力平衡限制。
PBU,t+PWT,t+PPV,t+PRPV,t+PES,t+PPDR,t-PNDR,t＝Pu,t (15)
其中PBU,t，PWT,t，PPV,t，PRPV,t，PES,t以及生物质机组、风力涡轮机、光伏单元、屋顶光伏单元和储能设备的实际输出；
②状态变量约束
PPDR,tPNDR,t＝0。(17)
进一步的，所述步骤S22建立风能和太阳能发电机组以及屋顶光伏用户的运行优化模型包括：
1)目标功能
其中，FWT,f、FPV,f、FRPV,f分别代表风力涡轮机运营商、光伏单元运营商和屋顶光伏用户在需求响应场景中的总收益；ψWT、ψPV、ψRPV以及风力涡轮机、光伏和屋顶光伏用户放弃风/光的惩罚系数；PWT,waste、PPV,waste、PRPV,waste分别代表风力涡轮机、光伏单元和屋顶光伏用户放弃的风/光量；
2)约束条件
权力平衡约束
PWT,t-PWT,waste,t＝PWT,in,t (21)
PPV,t-PPV,waste,t＝PPV,in,t (22)
PRPV,t-PRPV,waste,t＝PRPV,in,t (23)
其中，所有权力都是非负的。
进一步的，所述步骤S23建立生物质单元运行的优化模型包括：
1)目标功能
其中，a、b、c分别是生物质单位的成本系数。
2)约束条件
①灵输出上限和下限约束
PBU,min≤PBU,t≤PBU,max (25)
②功率平衡限制
PBU,t＝PBU,in,t (26)
其中，PBU,max和PBU,min分别是生物质单位输出的上限和下限；所有功率p都是非负的。
进一步的，所述步骤S24建立储能操作优化模型包括：
1)目标功能
其中，k是储能操作的成本系数；
2)约束条件
①输出上限和下限约束
-PES,c,max≤PES,t≤PES,d,max (28)
②功率平衡限制
PES,t＝PES,NDR,t-PES,PDR,t+PES,in,t (29)
③状态变量约束
PES,PDR,tPES,NDR,t＝0 (30)
④储能状态限制
EES,min≤EES,t≤EES,max (31)
其中，PES,c,max和PES,d,max分别是储能充电/放电功率的上限和下限；EES,t是t时间期间的储能状态；EES,max和EES,min分别是储能储能的上限和下限；ηc和ηd分别是储能充电/放电的功能转换系数；PES,PDR,t和PES,NDR,t并且都是非负数。
进一步的，所述步骤S25建立负载侧操作优化模型包括：
1)目标功能
maxFFL,DR＝CFL,DR-Cu (33)
2)约束条件
①灵活的负载调整上限和下限限制
PFL,min≤PFL,t≤PFL,max (34)
②功率平衡限制
Pu,t＝Pu0,t+PFL,t (36)
③状态变量约束
其中，PFL,max和S代表灵活负载调整的上限和下限；PFL,t是t时间段内灵活负载的实际调整值；Pu0,t是整个社会负载期的预测功率值；Pu,t，Pu0,t都是非负数。
本发明的有益效果：本发明的一种农村能源灵活性资源容量配置优化方法，包括步骤S1、确定灵活性资源参与农村能源互联网的典型应用场景；S2、建立灵活性资源参与下不同场景农村能源互联网的优化运行模型；所述步骤S2包括：S21、建立VPPO运行优化模型；S22、建立风能和太阳能发电机组以及屋顶光伏用户的运行优化模型；S23、建立生物质单元运行的优化模型；S24、建立储能操作优化模型；S25、建立负载侧操作优化模型；本发明的一种农村能源灵活性资源容量配置优化方法，可为不同区域建立清洁、低碳、安全、高效的灵活资源参与能源综合服务提供决策工具和实践前提；为缓解农村分布式电源与公共电网之间的技术矛盾提供解决路径；提高农村能源利用效率，推动构建清洁低碳、安全高效的农村能源体系。
附图说明
图1为不同场景中涉及灵活性资源的具体情况示意图。
图2为每日风能、光伏和屋顶光伏输出以及用户负载需求预测示意图。
图3为日需求响应场景下虚拟电厂内部机组输出与用户需求曲线示意图。
图4为日常需求响应情景下虚拟电厂参与的市场响应曲线示意图。
具体实施方式
下面结合附图对本发明做进一步的说明。
为了能更好地对本发明的技术方案进行理解，下面通过具体地实施例进行详细地说明。
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
下面将结合本发明的实施例中的附图，对本发明的实施例中的技术方案进行清楚-完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明的一种农村能源灵活性资源容量配置优化方法，它包括以下步骤：
S1、确定灵活性资源参与农村能源互联网的典型应用场景；
S2、建立灵活性资源参与下不同场景农村能源互联网的优化运行模型；
所述步骤S2包括：
S21、建立VPPO运行优化模型；
S22、建立风能和太阳能发电机组以及屋顶光伏用户的运行优化模型；
S23、建立生物质单元运行的优化模型；
S24、建立储能操作优化模型；
S25、建立负载侧操作优化模型。
进一步的，所述步骤S1确定灵活性资源参与农村能源互联网的典型应用场景包括：
根据农村虚拟电厂的建设需求，将灵活性资源参与农村能源互联网的典型应用场景分为三类：需求响应场景、调峰辅助服务场景和电能交易场景；其中，需求响应场景对应可调负荷聚合模式；调峰辅助服务场景和电能交易场景对应源-负荷-蓄协同模式，两者的区别主要体现在参与市场类型和收益形式的不同；三种场景下，虚拟电厂规模从小到大的顺序为需求响应场景<调峰辅助服务场景<电能交易场景。不同场景中涉及灵活性资源的具体情况如图1所示。
虚拟电厂通过同时聚合源、负荷资源参与需求响应市场和调峰辅助服务市场(源侧资源考虑分布式能源，如风力发电、光伏发电机组、生物质发电机组、屋顶光伏发电和源侧储能电厂，而负荷侧资源考虑聚合可调负荷，如工业负荷、农业负荷、住宅负荷、商业负荷、用户侧储能电站)在电力能源市场实现价值，创造利润。虚拟电厂运营商向内部聚合主体支付调整费用，对外根据市场价格信号制定交易策略，实现自身的盈利模式。
在各种典型应用场景中，虚拟电厂运行优化模型为双层优化模型，上层为VPPO运行优化模型，下层为各实体(风电机组、光伏机组、屋顶光伏机组、生物质机组、储能、可调负荷等)的运行优化模型。
每种场景的优化模型之间的主要区别在于调度资源。需求响应场景只考虑调度用户侧资源(可调负荷、用户侧储能)；在调峰辅助服务和电能交易场景下，源负荷资源同步调度，考虑风能和太阳能的不确定性，为其他资源预留备用容量；调峰辅助业务场景与电能场景的差异主要体现在运营商的收益目标函数上。调峰辅助服务场景考虑调峰和填谷效益，电能场景考虑采购成本和销售效益。
进一步的，所述步骤S21建立VPPO运行优化模型包括：
1)目标函数
VPPO以总收益最大化为目标，如式(1)所示。
maxFVPPO,DR＝BDR-CVPP,DR+Win (1)
式中，FVPPO,DR表示需求响应场景下VPPO的总收入；BDR表示VPP参与需求响应市场的收益；CVPP,DR为VPP参与需求响应市场的内部成本；Win表示VPP的内部交易利润；
需求响应市场中VPP的收益如式(2)-(4)所示。
式中，ρPDR,t和ρNDR,t分别为时段内的正/负需求响应价格(正表示负荷侧用电量增加，负表示负荷侧用电量减少)；PPDR,t和PNDR,t分别为t时段VPP的正/负需求响应能；和/>表示类级柔性负荷参与需求响应后负荷的增减；s∈{il,cl,al,rl}代表工业、商业、农业和居民灵活负荷，r∈{1,2,3}代表调控水平；PES,PDR,t和PES,NDR,t表示用户侧储能参与需求响应后的充放电增量；
VPP参与需求响应市场的内部成本如式(5)-(7)所示；
CVPP,DR＝CFL,DR+CES,DR (5)
其中，CFL,DR和CES,DR分别为需求响应场景下VPPO向灵活负荷运营商和储能运营商支付的费用；和/>分别为t时段正/负需求响应情景下VPPO向s级灵活性负荷释放的价格信号；λES,PDR,t和λES,NDR,t分别为VPPO在正/负需求响应场景下向用户侧储能释放的价格信号；
VPP的内部交易利润显示在方程(8-14)中；
WVPP,in＝Cu-CBU,in-CWT,in-CPV,in-CRPV,in-CES,in (8)
其中，Cu是负载方用户在VPP内向VPPO支付的费用；CBU,in，CWT,in，CPV,in，CRPV,in和CES,in是VPPO向生物质机组运营商、风力涡轮机运营商、光伏单元运营商、屋顶光伏用户和能源存储运营商支付的内部交易费用；λu,t是VPP内负载方用户t期的电力购买价格；Pu,t是负载方用户在调整后的t期内的实际负载需求；λBU,in,t，λWT,in,t，λPV,in,t，λRPV,in,t和λES,in,t是VPPO向生物质单元运营商、风电涡轮机释放的电力购买价格在VPP内部交易期间，运营商、光伏单元运营商、屋顶光伏用户和储能运营商；PBU,in,t，PWT,in,t，PPV,in,t，PRPV,in,t，PBU,e,t，PES,in,t是生物质单元运营商、风力涡轮机运营商、光伏单元运营商、屋顶光伏用户和储能运营商根据价格信号为内部用户制定的输出计划；对于，PES,in,t常规表示放电，而负值表示充电；
2)约束条件
①功率平衡约束
如方程(15)和(16)所示，VPPO参与需求响应市场交易必须同时满足内部和外部权力平衡限制。
PBU,t+PWT,t+PPV,t+PRPV,t+PES,t+PPDR,t-PNDR,t＝Pu,t (15)
其中PBU,t，PWT,t，PPV,t，PRPV,t，PES,t以及生物质机组、风力涡轮机、光伏单元、屋顶光伏单元和储能设备的实际输出；
此外，在需求响应-紧急控制场景的极端场景中，考虑到用户侧负载的急剧增加(例如增加10％)Pu,t，每个设备都需要保留多余的电力以确保系统稳定性。
②状态变量约束
PPDR,tPNDR,t＝0。(17)
进一步的，所述步骤S22建立风能和太阳能发电机组以及屋顶光伏用户的运行优化模型包括：
1)目标功能
其中，FWT,f、FPV,f、FRPV,f分别代表风力涡轮机运营商、光伏单元运营商和屋顶光伏用户在需求响应场景中的总收益；ψWT、ψPV、ψRPV以及风力涡轮机、光伏和屋顶光伏用户放弃风/光的惩罚系数；PWT,waste、PPV,waste、PRPV,waste分别代表风力涡轮机、光伏单元和屋顶光伏用户放弃的风/光量；
2)约束条件
权力平衡约束
PWT,t-PWT,waste,t＝PWT,in,t (21)
PPV,t-PPV,waste,t＝PPV,in,t (22)
PRPV,t-PRPV,waste,t＝PRPV,in,t (23)
其中，所有权力都是非负的。
进一步的，所述步骤S23建立生物质单元运行的优化模型包括：
1)目标功能
其中，a、b、c分别是生物质单位的成本系数。
2)约束条件
①灵输出上限和下限约束
PBU,min≤PBU,t≤PBU,max (25)
②功率平衡限制
PBU,t＝PBU,in,t (26)
其中，PBU,max和PBU,min分别是生物质单位输出的上限和下限；所有功率p都是非负的。
进一步的，所述步骤S24建立储能操作优化模型包括：
1)目标功能
其中，k是储能操作的成本系数；
2)约束条件
⑤输出上限和下限约束
-PES,c,max≤PES,t≤PES,d,max (28)
⑥功率平衡限制
PES,t＝PES,NDR,t-PES,PDR,t+PES,in,t (29)
⑦状态变量约束
PES,PDR,tPES,NDR,t＝0 (30)
⑧储能状态限制
EES,min≤EES,t≤EES,max (31)
其中，PES,c,max和PES,d,max分别是储能充电/放电功率的上限和下限；EES,t是t时间期间的储能状态；EES,max和EES,min分别是储能储能的上限和下限；ηc和ηd分别是储能充电/放电的功能转换系数；PES,PDR,t和PES,NDR,t并且都是非负数。
进一步的，所述步骤S25建立负载侧操作优化模型包括：
1)目标功能
maxFFL,DR＝CFL,DR-Cu (33)
2)约束条件
①灵活的负载调整上限和下限限制
PFL,min≤PFL,t≤PFL,max (34)
②功率平衡限制
Pu,t＝Pu0,t+PFL,t (36)
③状态变量约束
其中，PFL,max和S代表灵活负载调整的上限和下限；PFL,t是t时间段内灵活负载的实际调整值；Pu0,t是整个社会负载期的预测功率值；Pu,t，Pu0,t都是非负数。
下面以某地为例对本发明进行实例分析说明。
A.基本数据
农村能源互联网主要包括三种类型的运营业务：开发、分销和销售。根据三类企业之间的组合关系和实际运营可能性，农村能源互联网可以采用以下运营模式：农村能源互联网运营模式的纯销售，农村能源互联网运营模式的综合销售和分销模式，以及农村能源互联网运营模式的综合分销和销售。
基于参与农村能源互联网各种场景的灵活资源的运营优化模型，并选择从春季开始的典型日子在该场景下进行实证分析：仅参与需求响应市场。确定了春季虚拟发电厂的最佳运营计划。参照某省发展和改革委《关于有效做好确保供电的通知》(玉发盖云[2022]第266号)的文件，运营优化的基本数据见表1：
表1.操作优化原始数据
典型的每日风能、光伏和屋顶光伏输出以及用户负载需求预测如图2所示。
B.参与需求响应市场
虚拟发电厂参与需求响应市场的结果如图3所示。
从图3中可以看出，用户的负荷主要由WPP和PV来满足，当新能源输出过剩时，储能被储存起来，当新能源输出难以满足需求时，电能被释放出来。
图4为日常需求响应情景下虚拟电厂参与的市场响应曲线，从图中可以看出，在0：00～8：00，当新能源输出较高时，用户通过需求响应增加负载需求以吸收新能源，并使用储能充电，在14：00～20：00，新能源输出较低，通过需求响应降低负载，释放储能储存的电能。
C不同情况按下的运行条件比较
各方案运营条件比较如表2所示。
表2.春季不同情景运行条件比较
由表2可以看出，在四种场景下，虚拟电厂的运营效益由高到低依次为：仅参与电力交易>同时参与多层次市场>仅参与调峰辅助服务>仅参与需求响应。仅参与电商交易总收入554.46万元；同时，在多层次市场中，需求响应市场、调峰辅助服务市场和电力交易市场的份额分别为7％、42％和51％；电力交易市场的能源剩余供应能力最高，达到81.41MW。同时，多层次市场用户的深度需求响应能力最高，达到15.10MW。
通过对需求响应场景、调峰辅助服务场景、电力交易场景、应急控制场景四种场景下的柔性资源容量分配进行实证分析，将四种基本场景下的容量分配总成本从高到低排序，依次为电力交易场景>调峰辅助服务场景>需求响应场景>应急控制场景。
参与电力交易市场的资源的灵活性具有最高的营业收入。在这四种场景下，虚拟电厂的营业收入从大到小排序为：仅参与电力交易>同时参与多层次市场>仅参与调峰辅助服务>仅参与需求响应。
综述，本发明的一种农村能源灵活性资源容量配置优化方法，包括步骤S1、确定灵活性资源参与农村能源互联网的典型应用场景；S2、建立灵活性资源参与下不同场景农村能源互联网的优化运行模型；所述步骤S2包括：S21、建立VPPO运行优化模型；S22、建立风能和太阳能发电机组以及屋顶光伏用户的运行优化模型；S23、建立生物质单元运行的优化模型；S24、建立储能操作优化模型；S25、建立负载侧操作优化模型；本发明的一种农村能源灵活性资源容量配置优化方法，可为不同区域建立清洁、低碳、安全、高效的灵活资源参与能源综合服务提供决策工具和实践前提；为缓解农村分布式电源与公共电网之间的技术矛盾提供解决路径；提高农村能源利用效率，推动构建清洁低碳、安全高效的农村能源体系。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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。上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。
以上显示和描述了本发明的基本原理、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。

Claims (7)

1.一种农村能源灵活性资源容量配置优化方法，其特征在于，它包括以下步骤：
S1、确定灵活性资源参与农村能源互联网的典型应用场景；
S2、建立灵活性资源参与下不同场景农村能源互联网的优化运行模型；
所述步骤S2包括：
S21、建立VPPO运行优化模型；
S22、建立风能和太阳能发电机组以及屋顶光伏用户的运行优化模型；
S23、建立生物质单元运行的优化模型；
S24、建立储能操作优化模型；
S25、建立负载侧操作优化模型。
2.如权利要求1所述的一种农村能源灵活性资源容量配置优化方法，其特征在于，所述步骤S1确定灵活性资源参与农村能源互联网的典型应用场景包括：
将灵活性资源参与农村能源互联网的典型应用场景分为三类：需求响应场景、调峰辅助服务场景和电能交易场景；其中，需求响应场景对应可调负荷聚合模式；调峰辅助服务场景和电能交易场景对应源-负荷-蓄协同模式；三种场景下，虚拟电厂规模从小到大的顺序为需求响应场景<调峰辅助服务场景<电能交易场景。
3.如权利要求1所述的一种农村能源灵活性资源容量配置优化方法，其特征在于，所述步骤S21建立VPPO运行优化模型包括：
1)目标函数
VPPO以总收益最大化为目标，如式(1)所示。
maxFVPPO,DR＝BDR-CVPP,DR+Win (1)
式中，FVPPO,DR表示需求响应场景下VPPO的总收入；BDR表示VPP参与需求响应市场的收益；CVPP,DR为VPP参与需求响应市场的内部成本；Win表示VPP的内部交易利润；
需求响应市场中VPP的收益如式(2)-(4)所示。
式中，ρPDR,t和ρNDR,t分别为时段内的正/负需求响应价格(正表示负荷侧用电量增加，负表示负荷侧用电量减少)；PPDR,t和PNDR,t分别为t时段VPP的正/负需求响应能；和表示类级柔性负荷参与需求响应后负荷的增减；s∈{il,cl,al,rl}代表工业、商业、农业和居民灵活负荷，r∈{1,2,3}代表调控水平；PES,PDR,t和PES,NDR,t表示用户侧储能参与需求响应后的充放电增量；
VPP参与需求响应市场的内部成本如式(5)-(7)所示；
CVPP,DR＝CFL,DR+CES,DR (5)
其中，CFL,DR和CES,DR分别为需求响应场景下VPPO向灵活负荷运营商和储能运营商支付的费用；和/>分别为t时段正/负需求响应情景下VPPO向s级灵活性负荷释放的价格信号；λES,PDR,t和λES,NDR,t分别为VPPO在正/负需求响应场景下向用户侧储能释放的价格信号；
VPP的内部交易利润显示在方程(8-14)中；
WVPP,in＝Cu-CBU,in-CWT,in-CPV,in-CRPV,in-CES,in (8)
其中，Cu是负载方用户在VPP内向VPPO支付的费用；CBU,in，CWT,in，CPV,in，CRPV,in和CES,in是VPPO向生物质机组运营商、风力涡轮机运营商、光伏单元运营商、屋顶光伏用户和能源存储运营商支付的内部交易费用；λu,t是VPP内负载方用户t期的电力购买价格；Pu,t是负载方用户在调整后的t期内的实际负载需求；λBU,in,t，λWT,in,t，λPV,in,t，λRPV,in,t和λES,in,t是VPPO向生物质单元运营商、风电涡轮机释放的电力购买价格在VPP内部交易期间，运营商、光伏单元运营商、屋顶光伏用户和储能运营商；PBU,in,t，PWT,in,t，PPV,in,t，PRPV,in,t，PBU,e,t，PES,in,t是生物质单元运营商、风力涡轮机运营商、光伏单元运营商、屋顶光伏用户和储能运营商根据价格信号为内部用户制定的输出计划；对于，PES,in,t常规表示放电，而负值表示充电；
2)约束条件
①功率平衡约束
如方程(15)和(16)所示，VPPO参与需求响应市场交易必须同时满足内部和外部权力平衡限制。
PBU,t+PWT,t+PPV,t+PRPV,t+PES,t+PPDR,t-PNDR,t＝Pu,t (15)
其中PBU,t，PWT,t，PPV,t，PRPV,t，PES,t以及生物质机组、风力涡轮机、光伏单元、屋顶光伏单元和储能设备的实际输出；
②状态变量约束
PPDR,tPNDR,t＝0 。 (17)。
4.如权利要求1所述的一种农村能源灵活性资源容量配置优化方法，其特征在于，所述步骤S22建立风能和太阳能发电机组以及屋顶光伏用户的运行优化模型包括：
1)目标功能
其中，FWT,f、FPV,f、FRPV,f分别代表风力涡轮机运营商、光伏单元运营商和屋顶光伏用户在需求响应场景中的总收益；ψWT、ψPV、ψRPV以及风力涡轮机、光伏和屋顶光伏用户放弃风/光的惩罚系数；PWT,waste、PPV,waste、PRPV,waste分别代表风力涡轮机、光伏单元和屋顶光伏用户放弃的风/光量；
2)约束条件
权力平衡约束
PWT,t-PWT,waste,t＝PWT,in,t (21)
PPV,t-PPV,waste,t＝PPV,in,t (22)
PRPV,t-PRPV,waste,t＝PRPV,in,t (23)
其中，所有权力都是非负的。
5.如权利要求1所述的一种农村能源灵活性资源容量配置优化方法，其特征在于，所述步骤S23建立生物质单元运行的优化模型包括：
1)目标功能
其中，a、b、c分别是生物质单位的成本系数。
2)约束条件
①灵输出上限和下限约束
PBU,min≤PBU,t≤PBU,max (25)
②功率平衡限制
PBU,t＝PBU,in,t (26)
其中，PBU,max和PBU,min分别是生物质单位输出的上限和下限；所有功率p都是非负的。
6.如权利要求1所述的一种农村能源灵活性资源容量配置优化方法，其特征在于，所述步骤S24建立储能操作优化模型包括：
1)目标功能
其中，k是储能操作的成本系数；
2)约束条件
①输出上限和下限约束
-PES,c,max≤PES,t≤PES,d,max (28)
②功率平衡限制
PES,t＝PES,NDR,t-PES,PDR,t+PES,in,t (29)
③状态变量约束
PES,PDR,tPES,NDR,t＝0 (30)
④储能状态限制
EES,min≤EES,t≤EES,max (31)
其中，PES,c,max和PES,d,max分别是储能充电/放电功率的上限和下限；EES,t是t时间期间的储能状态；EES,max和EES,min分别是储能储能的上限和下限；ηc和ηd分别是储能充电/放电的功能转换系数；PES,PDR,t和PES,NDR,t并且都是非负数。
7.如权利要求1所述的一种农村能源灵活性资源容量配置优化方法，其特征在于，所述步骤S25建立负载侧操作优化模型包括：
1)目标功能
maxFFL,DR＝CFL,DR-Cu (33)
2)约束条件
①灵活的负载调整上限和下限限制
PFL,min≤PFL,t≤PFL,max (34)
②功率平衡限制
Pu,t＝Pu0,t+PFL,t (36)
③状态变量约束
其中，PFL,max和S代表灵活负载调整的上限和下限；PFL,t是t时间段内灵活负载的实际调整值；Pu0,t是整个社会负载期的预测功率值；Put，Pu0t都是非负数。
CN202311504653.9A 2023-11-13 2023-11-13 一种农村能源灵活性资源容量配置优化方法 Pending CN117543597A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311504653.9A CN117543597A (zh) 2023-11-13 2023-11-13 一种农村能源灵活性资源容量配置优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311504653.9A CN117543597A (zh) 2023-11-13 2023-11-13 一种农村能源灵活性资源容量配置优化方法

Publications (1)

Publication Number Publication Date
CN117543597A true CN117543597A (zh) 2024-02-09

Family

ID=89791195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311504653.9A Pending CN117543597A (zh) 2023-11-13 2023-11-13 一种农村能源灵活性资源容量配置优化方法

Country Status (1)

Country Link
CN (1) CN117543597A (zh)

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
Ju et al. A Tri-dimensional Equilibrium-based stochastic optimal dispatching model for a novel virtual power plant incorporating carbon Capture, Power-to-Gas and electric vehicle aggregator
CN110649598B (zh) 一种计及区域内虚拟电厂调节节点电价的方法及系统
CN113610311A (zh) 双层协同架构下考虑碳减排的综合能源服务商合作运行优化方法
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
CN116231655A (zh) 一种计及源-荷多类型备用的虚拟电厂双层优化调度方法
CN116109076A (zh) 能量和调峰市场下考虑需求响应的虚拟电厂优化调度方法
CN116957294A (zh) 基于数字孪生的虚拟电厂参与电力市场交易的调度方法
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及系统
CN108446967A (zh) 虚拟电厂竞价方法
Rizvi et al. Optimal scheduling of virtual power plants utilizing wind power and electric vehicles
CN107622331B (zh) 一种发电机组与电力用户直接交易方式的优化方法和装置
CN113765105A (zh) 基于动态随机模型的微电网群能量管理方法
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
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
CN115189409A (zh) 电力系统生产模拟方法、装置、计算机设备及存储介质
CN117543597A (zh) 一种农村能源灵活性资源容量配置优化方法
CN109980697B (zh) 考虑配额制的可再生能源分配消纳方法
Gong et al. Optimal bidding strategy of gencos with volatile wind power and battery swapping station
Zhang et al. Economic analysis based on virtual power plant's optimal bidding strategy
CN117674300B (zh) 虚拟电厂资源调度方法、装置、终端设备以及存储介质
CN116247720B (zh) 用于火储联合调频的控制装置及火储联合调频系统
CN110400079B (zh) 一种实现新能源用户社区能量分享的日前调度方法及系统
Huang et al. A Novel Coordination Bidding Mechanism of Virtual Power Plant Based on Stackelberg Game
Cao et al. Sales Channel Classification for Renewable Energy Stations Under Peak Shaving Resource Shortage

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