CN117639090A - 电力系统调度方法、装置、计算机设备和存储介质 - Google Patents
电力系统调度方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117639090A CN117639090A CN202311456146.2A CN202311456146A CN117639090A CN 117639090 A CN117639090 A CN 117639090A CN 202311456146 A CN202311456146 A CN 202311456146A CN 117639090 A CN117639090 A CN 117639090A
- Authority
- CN
- China
- Prior art keywords
- feasible region
- region space
- resource
- resource device
- model
- 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 description 55
- 230000002776 aggregation Effects 0.000 claims description 27
- 238000004220 aggregation Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 21
- 230000009194 climbing Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 12
- 238000005265 energy consumption Methods 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000002222 downregulating effect Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 230000008878 coupling Effects 0.000 abstract description 7
- 238000010168 coupling process Methods 0.000 abstract description 7
- 238000005859 coupling reaction Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 9
- 238000012512 characterization method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003828 downregulation Effects 0.000 description 2
- 238000005485 electric heating Methods 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 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
- 238000005457 optimization Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000003827 upregulation Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种电力系统调度方法、装置、计算机设备和存储介质,应用于虚拟电厂电子资源系统,由于获取了单个资源设备的运行模型,运行模型包括资源设备的运行约束条件,因此基于运行模型获取第一可行域空间之后,根据第一可行域空间和单个资源设备的运行参数获取第二可行域空间之后,根据总资源设备运行参数和第二可行域空间建立的电力系统调度模型,包含了对资源设备各约束条件之间的耦合约束关系,能够准确地表征虚拟电厂总资源设备运行参数的可行域空间,因此基于最终获取的电力系统调度模型能够使得虚拟电厂的多个资源设备高效协同运行。
Description
技术领域
本申请涉及虚拟电厂技术领域,特别是涉及一种电力系统调度方法、装置、计算机设备和存储介质。
背景技术
虚拟电厂(VPP)的发展已经取得了显著的进步,其技术的完善和广泛应用正在逐步改变传统电力市场的运行模式。虚拟电厂是通过集成多种分布式能源资源,如风能、光伏和储能等,利用信息技术实现对这些资源的联动控制,从而实现电力的高效、清洁、经济、稳定供应。在市场层面,虚拟电厂的运行模式为电力市场的建设提供了新的视角。传统的电力市场以大型电厂为主,而虚拟电厂的兴起,使得分布式能源得以融入电力市场,这不仅扩大了电力市场的规模,也提供了更多元化的能源供应方式,提高了市场的竞争性。虚拟电厂参与电能量、辅助服务等多元电力市场,对于提升分布式资源利用率、促进电网供需平衡、降低电力系统运行成本、促进可再生能源发展等方面都具有显著意义。
然而,传统的电力市场的参与者一般是集中式对象,如何将包含海量异质资源的虚拟电厂的运行特性建模成与发电侧单一主体类似的主体,并能够在多元电力市场中协同运行,是虚拟电厂参与电力市场面临的一个关键技术挑战。
发明内容
基于此,有必要针对上述技术问题,提供一种电力系统调度方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种电力系统调度方法,应用于虚拟电厂,所述虚拟电厂包括多个资源设备;所述方法包括:
获取单个资源设备的运行模型;
基于所述运行模型获取第一可行域空间;所述第一可行域空间为单个资源设备运行参数的可行域空间;
基于所述第一可行域空间和所述单个资源设备运行参数获取第二可行域空间,所述第二可行域空间总资源设备运行参数的可行域空间;
基于所述总资源设备运行参数和所述第二可行域空间建立电力系统调度模型,以对电力资源进行调度。
在其中一个实施例中,获取单个资源设备的运行模型包括:
分别获取所述单个资源设备的运行功率约束、用能约束、爬坡约束、调节次数和时间约束以及预测负荷;
基于所述单个资源设备的所述运行功率约束、所述用能约束、所述爬坡约束、所述调节次数和时间约束以及所述预测负荷获取所述运行模型。
在其中一个实施例中,基于所述运行模型获取第一可行域空间包括:
基于所述资源设备的应用场景获取对应的运行参数;
基于所述运行模型和所述运行参数建立所述第一可行域空间。
在其中一个实施例中,
当所述应用场景包括电能量系统和辅助服务系统时,对应的运行参数包括设备运行功率、设备可上调能力和设备可下调能力;通过以下公式建立所述第一可行域空间:
PDER,i,t-RDown,i,t≥P DER,i ;
RUp,i,t-slopeUp,i·τisi,t-1≤slopeUp,i·(Δt-τi);
RDown,i,t-slopeDown,i·τisi,t-1≤slopeDown,i·(Δt-τi);
当资源设备i的运行变量xDER,i=<PDER,i,RUp,i,RDown,i>时,所述运行参数的可行域空间为:
其中,PDER,i,t为资源设备i运行功率;RUp,i,t为资源设备i可上调能力;为资源设备i运行边界的上界;RDown,i,t为资源设备i可下调能力;P D ER,i 为资源设备i运行边界的下界;/>为资源设备i的目标可调范围;slopeUp,i为资源设备i的向上爬坡速率;slopeDown,i为资源设备i的向下爬坡速率;τi为资源设备i的响应时间;si,t-1为时间段t-1资源设备i的调节状态;ΩDER,i为可行域空间;MixDER,i+Lisi≤Ni为基于所述运行模型组成的线性约束紧凑形式。
在其中一个实施例中,所述基于所述第一可行域空间和所述单个资源设备运行参数获取第二可行域空间包括:
基于单个资源设备运行参数获取所述总资源设备运行参数聚合;
采用内接多面体的近似方法,并基于所述第一可行域空间获取所述第二可行域空间。
在其中一个实施例中,所述总资源设备运行参数聚合包括资源设备运行功率聚合、资源设备可上调能力聚合和资源设备可下调能力聚合;通过以下公式建立电力系统调度模型:
其中,PVPP,t为所述资源设备运行功率聚合,RVPP,up,t为所述资源设备可上调能力聚合,RVPP,down,t为所述资源设备可下调能力聚合,πe,t为t时刻所述虚拟电厂的目标置换,μup,t为所述虚拟电厂的目标上调置换,μdown,t为所述虚拟电厂的目标下调置换,yVPP为所述总资源设备运行参数;为所述第二可行域空间。
第二方面,本申请还提供一种电力系统调度装置,所述装置包括:
模型获取模块,用于获取单个资源设备的运行模型;
第一数据处理模块,用于基于所述运行模型获取第一可行域空间;所述第一可行域空间为单个资源设备运行参数的可行域空间;
第二数据处理模块,用于基于所述第一可行域空间和所述单个资源设备运行参数获取第二可行域空间,所述第二可行域空间总资源设备运行参数的可行域空间;
模型建立模块,用于基于所述总资源设备运行参数和所述第二可行域空间建立电力系统调度模型,以对电力资源进行调度。
第三方面,本申请还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法的步骤。
第四方面,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
第五方面,本申请还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的方法的步骤。
上述电力系统调度方法、装置、计算机设备和存储介质,应用于虚拟电厂电子资源系统,由于获取了单个资源设备的运行模型,运行模型包括资源设备的运行约束条件,因此基于运行模型获取第一可行域空间之后,根据第一可行域空间和单个资源设备的运行参数获取第二可行域空间之后,根据总资源设备运行参数和第二可行域空间建立的电力系统调度模型,包含了对资源设备各约束条件之间的耦合约束关系,能够准确地表征虚拟电厂总资源设备运行参数的可行域空间,因此基于最终获取的电力系统调度模型能够使得虚拟电厂的多个资源设备高效协同运行。
附图说明
图1为一个实施例中的电力系统调度方法的流程示意图之一;
图2为一个实施例中的获取单个资源设备的运行模型的流程示意图;
图3为一个实施例中的运行模型获取第一可行域空间的流程示意图;
图4为一个实施例中的基于第一可行域空间和单个资源设备运行参数获取第二可行域空间的流程示意图;
图5为一个实施例中的电力系统调度方法的流程示意图之二;
图6为一个实施例中的电力系统调度装置的结构示意框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
可以理解的是,在多元电力市场背景下,包含海量异质资源的虚拟电厂外部特性建模的主要目标,是整合各类型、参数各异的分布式资源,如电动汽车、电采暖、中央空调等,形成虚拟电厂的外部表征特性,包括可上调容量、可下调容量、调频容量、备用容量等,即并作为参与电能量市场、调频、备用等辅助服务市场的申报决策边界条件,从而实现参与不同电力市场资源置换的协同运行。不同外部特性参数之间往往存在耦合约束关系,可以用外部特性参数的可行域空间表示。因此,需要求解虚拟电厂外部特性参数的可行域空间。
然而,虚拟电厂往往需要调度大规模的分布式资源设备,且各分布式资源的模型参数不同,如果对所有资源都单独计算可行域空间,会导致面临高维度问题带来的超大规模计算困难。即使通过将可行域空间求闵可夫斯基和的方式得到聚合后的可行域空间,但对任意两个可行域的闵可夫斯基空间计算是一个NP困难问题(NP-hard problem),即无法在多项式的时间尺度内求解。因此,采用低复杂性度的可行域空间聚合近似算法是实现虚拟电厂的各资源设备高效协同运行的关键。
在一个实施例中,如图1所示的电力系统调度方法的流程示意图之一,提供了一种电力系统调度方法,以该电力系统调度方法应用于虚拟电厂为例进行说明,其中,虚拟电厂包括多个资源设备;电力系统调度方法包括以下步骤102至步骤108。
步骤102,获取单个资源设备的运行模型。
其中,上述的资源设备为虚拟电厂中的分布式资源设备,如电动汽车、电采暖、中央空调等。上述的单个资源设备的运行模型包括资源设备的运行约束条件。
步骤104,基于运行模型获取第一可行域空间;第一可行域空间为单个资源设备运行参数的可行域空间。
其中,可行域空间指的是满足所有约束条件的设计点在设计空间中的活动范围。在本实施例中,获取可行域空间即获取各资源设备的协同运行能力,因此获取各资源设备运行参数的可行域空间即可实现参与不同电力市场资源置换的协同运行。
步骤106,基于第一可行域空间和单个资源设备运行参数获取第二可行域空间,第二可行域空间总资源设备运行参数的可行域空间。
可以理解的是,由于虚拟电厂包括多个异质资源,而虚拟电厂的外部特性建模的主要目标则是整合各个类型、参数各异的分布式资源。也即虚拟电厂的总资源设备运行参数构成虚拟电厂的外部表征特性,因此,也可以将总资源设备运行参数的可行域空间理解为虚拟电厂外部特性参数的可行域空间。
步骤108,基于总资源设备运行参数和第二可行域空间建立电力系统调度模型,以对电力资源进行调度。
上述电力系统调度方法中,由于获取了单个资源设备的运行模型,运行模型包括资源设备的运行约束条件,因此基于运行模型获取第一可行域空间之后,根据第一可行域空间和单个资源设备的运行参数获取第二可行域空间之后,根据总资源设备运行参数和第二可行域空间建立的电力系统调度模型,包含了对资源设备各约束条件之间的耦合约束关系,能够准确地表征虚拟电厂总资源设备运行参数的可行域空间,因此基于最终获取的电力系统调度模型能够使得虚拟电厂的多个资源设备高效协同运行。
在一个实施例中,如图2所示的获取单个资源设备的运行模型的流程示意图,获取单个资源设备的运行模型包括以下步骤202至步骤204。
步骤202,分别获取单个资源设备的运行功率约束、用能约束、爬坡约束、调节次数和时间约束以及预测负荷。
具体地,获取单个资源设备的运行功率约束又称获取单个资源设备的运行边界约束,包括获取单个资源设备的最小功率约束和最大功率约束,公式为:
其中,PDER,i 为单个资源设备i的最小功率约束,为单个资源设备i的最大功率约束。
具体地,由于单个资源设备i的总用能在调节前后保持一致,因此可以通过以下公式获取单个资源设备i的用能约束:
其中,Δt为时间间隔,EDER,i为资源设备i在预设时间(如24h)内的总用能量。
具体地,假设资源设备i的响应时间为τi(min),即收到调节指令后资源设备i的功率开始调整的时间间隔,si,t为时段t资源设备i的调节状态,若时段t内资源设备i处于调节状态,则si,t=1,否则,si,t=0;又假设资源设备i向上爬坡的速率为slopeUp,i(kW/min),资源设备i向下爬坡的速率为slopeDown,i(kW/min),则资源设备i的爬坡约束(又称:功率的跨时域约束)为:
具体地,设资源设备i参与调节,最长连续调节时间限制为hi,以及每天最大可调节次数为Mi,则调节次数约束为:
其中,T是所有时间段集合,调节时间μi,t约束为:
具体地,对于一部分用电设备,假设用户存在固有的用能习惯,即可以预测用户为参与调节时的负荷为则资源设备i未参与调节的功率为:
因此,根据公式(8)能够获取单个资源设备的预测负荷。
步骤204,基于单个资源设备的运行功率约束、用能约束、爬坡约束、调节次数和时间约束以及预测负荷获取运行模型。
本实施例中获取的单个资源设备的运行模型包含了单个资源设备的运行功率约束、用能约束、爬坡约束、调节次数和时间约束,因此基于该运行模型最终获得的电力系统调度模型包含了上述各约束条件的耦合约束关系,能够准确地求解总资源设备运行参数的聚合可行域空间,因此基于该电力系统调度模型能够使得虚拟电厂的多个资源设备高效协同运行。
在一个实施例中,如图3所示的运行模型获取第一可行域空间的流程示意图,基于运行模型获取第一可行域空间包括以下步骤302至步骤304。
步骤302,基于资源设备的应用场景获取对应的运行参数。
示例性地,当应用场景包括电能量系统和辅助服务系统(即分布式资源参与电能量市场和辅助服务市场)时,对应的运行参数包括设备运行功率、设备可上调能力和设备可下调能力。
步骤304,基于运行模型和运行参数建立第一可行域空间。
示例性地,当应用场景包括电能量系统和辅助服务系统时,对应的运行参数包括设备运行功率、设备可上调能力和设备可下调能力;通过以下公式建立第一可行域空间:
PDER,i,t-RDown,i,t≥PDER,i; (10)
RUp,i,t-slopeUp,i·τisi,t-1≤slopeUp,i·(Δt-τi); (13)
RDown,i,t-slopeDown,i·τisi,t-1≤slopeDown,i·(Δt-τi); (14)
当资源设备i的运行变量xDER,i=<PDER,i,RUp,i,RDown,i>时,运行参数的可行域空间为:
其中,PDER,i,t为资源设备i运行功率;RUp,i,t为资源设备i可上调能力;为资源设备i运行边界的上界;RDown,i,t为资源设备i可下调能力;PDER,i 为资源设备i运行边界的下界;/>为资源设备i的目标可调范围;slopeUp,i为资源设备i的向上爬坡速率;slopeDown,i为资源设备i的向下爬坡速率;τi为资源设备i的响应时间;si,t-1为时间段t-1资源设备i的调节状态;ΩDER,i为可行域空间;MixDER,i+Lisi≤Ni为基于运行模型(即公式(1)~公式(14))组成的线性约束紧凑形式。
在一个实施例中,如图4所示的基于第一可行域空间和单个资源设备运行参数获取第二可行域空间的流程示意图,基于第一可行域空间和单个资源设备运行参数获取第二可行域空间包括以下步骤402至步骤404。
步骤402,基于单个资源设备运行参数获取总资源设备运行参数聚合。
其中,总资源设备运行参数聚合也可以理解为虚拟电厂的外部特性参数聚合。示例性地,总资源设备运行参数聚合包括资源设备运行功率聚合、资源设备可上调能力聚合和资源设备可下调能力聚合。
步骤404,采用内接多面体的近似方法,并基于第一可行域空间获取第二可行域空间。
具体地,虚拟电厂中的资源设备集合为N,则各运行参数聚合的计算方式如下:
PVPP,t=∑i∈NPDER,i,t; (16)
RVPP,up,t=∑i∈N RUp,i,t; (17)
RVPP,down,t=∑i∈N RDown,i,t; (18)
其中,PVPP,t为资源设备运行功率聚合;RVPP,up,t为资源设备可上调能力聚合;RVPP,down,t为资源设备可下调能力聚合。
虚拟电厂的外部特性参数的可行域空间由各资源设备运行参数的可行域空间决定,设总资源设备运行参数聚合yVPP=<PVPP,RVPP,Up,RVPP,Down>,则根据公式(16)~公式(18)中各运行参数聚合,可获得:
yVPP=∑i∈N xDER,i; (19)
进一步地,yVPP的可行域空间可表示为如下形式:
对式(20)进行求解,采用内接多面体的近似方法,设是ΩVPP的一个内接多面体,则将求解式(20)转化为求解以下优化问题:
其中,表示多面体围住的超空间体积。
进一步地,基于内接多面体的近似方法中的可变半径随机搜索的逼近方法求解式(21),首先生成一个中心点yVPP,0,该中心点yVPP,0代表一个可行的运行点,通常取无响应情况下的预测功率为运行功率并假设RVPP,up,t=0,RVPP,down,t=0。然后设定一个搜索半径r,在该半径范围上随机生成一组新的运行点并满足||yVPP,n-yVPP,0||=r。对于任意yVPP,n,通过求解式(22)中的反聚合问题确认该顶点是否在可行域内。
由于si的存在,式(22)的反聚合问题是一个混合整数线性规划问题,可通过求解器求解。如果(22)存在可行解,则说明该运行点在可行域内,将yVPP,n添加到运行点集合S。反之,则按照预设比例减少r,并重新生成并搜索新的运行点。对集合S中的每个运行点重复以上步骤,直至搜索次数达到最大或无法搜索到新的运行点为止。以集合S中的所有运行点为顶点,生成凸包形式的多面体作为yVPP的可行域。其中生成凸包的方法包括Graham(Graham′s scan,葛立恒扫描法)搜索算法等算法。
进一步地,假设虚拟电厂用于电能量市场和备用市场,则对应建立虚拟电厂电能量市场和备用市场的联合电力系统调度模型,该电力系统调度模型的目标为置换资源最大化,同时满足虚拟电厂的运行约束。示例性地,通过以下公式建立电力系统调度模型:
其中,PVPP,t为设备运行功率聚合,RVPP,up,t为设备可上调能力聚合,RVPP,down,t为设备可下调能力聚合,πe,t为t时刻虚拟电厂的目标置换,μup,t为虚拟电厂的目标上调置换,μdown,t为虚拟电厂的目标下调置换,yVPP为总资源设备运行参数;为第二可行域空间。
可以理解的是,根据实际运用,其中的置换资源可以指的是预期收益,其中的目标置换可以指的是电能量市场预期价格,其中的目标上调置换可以是上调备用市场预期价格,其中的目标下调置换可以是下调备用市场预期价格。
本实施例中,通过采用内接多面体的近似方法,并基于第一可行域空间获取第二可行域空间,解决了可行域空间难以获取的技术难题,且由于获取虚拟电厂外部特性变量的可行域空间本质上是对各个资源设备运行参数的可行域空间求闵可夫斯基和,而空间求闵可夫斯基和的缺乏快速获取方法,因此本实施例中提出基于在可行域范围内通过内接多面体的近似方法中的可变半径随机搜索的逼近方法得到可运行的顶点,从而得到凸包形式的内接多面体可行域,能够在有限时间内求得一个近似的可行域空间,因此基于该电力系统调度模型能够使得虚拟电厂的多个资源设备高效协同运行。
在一个实施例中,如图5所示的电力系统调度方法的流程示意图之二,电力系统调度方法还包括:
步骤502,分别获取单个资源设备的运行功率约束、用能约束、爬坡约束、调节次数和时间约束以及预测负荷。
步骤504,基于单个资源设备的运行功率约束、用能约束、爬坡约束、调节次数和时间约束以及预测负荷获取运行模型。
步骤506,基于资源设备的应用场景获取对应的运行参数。
步骤508,基于运行模型和运行参数建立第一可行域空间。
步骤510,基于单个资源设备运行参数获取总资源设备运行参数聚合。
步骤512,采用内接多面体的近似方法,并基于第一可行域空间获取第二可行域空间。
步骤514,基于总资源设备运行参数和第二可行域空间建立电力系统调度模型,以对电力资源进行调度。
本实施例中,由于获取了单个资源设备的运行模型,运行模型包括资源设备的运行约束条件,因此基于运行模型获取第一可行域空间之后,根据第一可行域空间和单个资源设备的运行参数获取第二可行域空间之后,根据总资源设备运行参数和第二可行域空间建立的电力系统调度模型,包含了对资源设备各约束条件之间的耦合约束关系,能够准确地表征虚拟电厂总资源设备运行参数的可行域空间,因此基于最终获取的电力系统调度模型能够使得虚拟电厂的多个资源设备高效协同运行。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的电力系统调度方法的电力系统调度装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个电力系统调配装置实施例中的具体限定可以参见上文中对于电力系统调度方法的限定,在此不再赘述。
在一个实施例中,如图6所示的电力系统调度装置的结构示意框图,提供了一种电力系统调度装置600,电力系统调度装置600包括:模型获取模块610、第一数据处理模块620、第二数据处理模块630和模型建立模块640。
模型获取模块610,用于获取单个资源设备的运行模型。
第一数据处理模块620,用于基于运行模型获取第一可行域空间;第一可行域空间为单个资源设备运行参数的可行域空间。
第二数据处理模块630,用于基于第一可行域空间和单个资源设备运行参数获取第二可行域空间,第二可行域空间总资源设备运行参数的可行域空间。
模型建立模块640,用于基于总资源设备运行参数和第二可行域空间建立电力系统调度模型,以对电力资源进行调度。
在一个实施例中,模型获取模块还用于分别获取单个资源设备的运行功率约束、用能约束、爬坡约束、调节次数和时间约束以及预测负荷;基于单个资源设备的运行功率约束、用能约束、爬坡约束、调节次数和时间约束以及预测负荷获取运行模型。
在一个实施例中,第一数据处理模块还用于基于资源设备的应用场景获取对应的运行参数;基于运行模型和运行参数建立第一可行域空间。
在一个实施例中,第一数据处理模块还用于当应用场景包括电能量系统和辅助服务系统时,对应的运行参数包括设备运行功率、设备可上调能力和设备可下调能力;通过以下公式建立第一可行域空间:
PDER,i,t-RDown,i,t≥PDER,i ;
RUp,i,t-slopeUp,i·τisi,t-1≤slopeUp,i·(Δt-τi);
RDown,i,t-slopeDown,i·τisi,t-1≤slopeDown,i·(Δt-τi);
当资源设备i的运行变量xDER,i=<PDER,i,RUp,i,RDown,i>时,运行参数的可行域空间为:
其中,PDER,i,t为资源设备i运行功率;RUp,i,t为资源设备i可上调能力;为资源设备i运行边界的上界;RDown,i,t为资源设备i可下调能力;P D ER,i 为资源设备i运行边界的下界;/>为资源设备i的目标可调范围;slopeUp,i为资源设备i的向上爬坡速率;slopeDown,i为资源设备i的向下爬坡速率;τi为资源设备i的响应时间;si,t-1为时间段t-1资源设备i的调节状态;ΩDER,i为可行域空间;MixDER,i+Lisi≤Ni为基于运行模型组成的线性约束紧凑形式。
在一个实施例中,第二数据处理模块还用于基于单个资源设备运行参数获取总资源设备运行参数聚合;采用内接多面体的近似方法,并基于第一可行域空间获取第二可行域空间。
在一个实施例中,总资源设备运行参数聚合包括资源设备运行功率聚合、资源设备可上调能力聚合和资源设备可下调能力聚合;模型建立模块还用于通过以下公式建立电力系统调度模型:
其中,PVPP,t为资源设备运行功率聚合,RVPP,up,t为资源设备可上调能力聚合,RVPP,down,t为资源设备可下调能力聚合,πe,t为t时刻虚拟电厂的目标置换,μup,t为虚拟电厂的目标上调置换,μdown,t为虚拟电厂的目标下调置换,yVPP为总资源设备运行参数;为第二可行域空间。
上述电力系统调度装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储电力系统调度方法中涉及的全部数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电力系统调度方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种电力系统调度方法,其特征在于,应用于虚拟电厂,所述虚拟电厂包括多个资源设备;所述方法包括:
获取单个资源设备的运行模型;
基于所述运行模型获取第一可行域空间;所述第一可行域空间为单个资源设备运行参数的可行域空间;
基于所述第一可行域空间和所述单个资源设备运行参数获取第二可行域空间,所述第二可行域空间总资源设备运行参数的可行域空间;
基于所述总资源设备运行参数和所述第二可行域空间建立电力系统调度模型,以对电力资源进行调度。
2.根据权利要求1所述的方法,其特征在于,获取单个资源设备的运行模型包括:
分别获取所述单个资源设备的运行功率约束、用能约束、爬坡约束、调节次数和时间约束以及预测负荷;
基于所述单个资源设备的所述运行功率约束、所述用能约束、所述爬坡约束、所述调节次数和时间约束以及所述预测负荷获取所述运行模型。
3.根据权利要求1所述的方法,其特征在于,基于所述运行模型获取第一可行域空间包括:
基于所述资源设备的应用场景获取对应的运行参数;
基于所述运行模型和所述运行参数建立所述第一可行域空间。
4.根据权利要求3所述的方法,其特征在于,
当所述应用场景包括电能量系统和辅助服务系统时,对应的运行参数包括设备运行功率、设备可上调能力和设备可下调能力;通过以下公式建立所述第一可行域空间:
RUp,i,t-slopUp,i·τisi,t-1≤slopeUp,i·(Δt-τi);
RDown,i,t-slopeDown,i·τisi,t-1≤slopeDown,i·(Δt-τi);
当资源设备i的运行变量xDER,i=<PDER,i,RUp,i,RDown,i>时,所述运行参数的可行域空间为:
其中,PDER,i,t为资源设备i运行功率;RUp,i,t为资源设备i可上调能力;为资源设备i运行边界的上界;PDown,i,t为资源设备i可下调能力;PDER,i 为资源设备i运行边界的下界;为资源设备i的目标可调范围;slopeUp,i为资源设备i的向上爬坡速率;slopeDown,i为资源设备i的向下爬坡速率;τi为资源设备i的响应时间;si,t-1为时间段t-1资源设备i的调节状态;ΩDER,i为可行域空间;MixDER,i+Lisi≤Ni为基于所述运行模型组成的线性约束紧凑形式。
5.根据权利要求1所述的方法,其特征在于,所述基于所述第一可行域空间和所述单个资源设备运行参数获取第二可行域空间包括:
基于单个资源设备运行参数获取所述总资源设备运行参数聚合;
采用内接多面体的近似方法,并基于所述第一可行域空间获取所述第二可行域空间。
6.根据权利要求1所述的方法,其特征在于,所述总资源设备运行参数聚合包括资源设备运行功率聚合、资源设备可上调能力聚合和资源设备可下调能力聚合;通过以下公式建立电力系统调度模型:
其中,PVPP,t为所述资源设备运行功率聚合,RVPP,up,t为所述资源设备可上调能力聚合,RVPP,down,t为所述资源设备可下调能力聚合,πe,t为t时刻所述虚拟电厂的目标置换,μup,t为所述虚拟电厂的目标上调置换,μdown,t为所述虚拟电厂的目标下调置换,yVPP为所述总资源设备运行参数;为所述第二可行域空间。
7.一种电力系统调度装置,其特征在于,所述装置包括:
模型获取模块,用于获取单个资源设备的运行模型;
第一数据处理模块,用于基于所述运行模型获取第一可行域空间;所述第一可行域空间为单个资源设备运行参数的可行域空间;
第二数据处理模块,用于基于所述第一可行域空间和所述单个资源设备运行参数获取第二可行域空间,所述第二可行域空间总资源设备运行参数的可行域空间;
模型建立模块,用于基于所述总资源设备运行参数和所述第二可行域空间建立电力系统调度模型,以对电力资源进行调度。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311456146.2A CN117639090A (zh) | 2023-11-02 | 2023-11-02 | 电力系统调度方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311456146.2A CN117639090A (zh) | 2023-11-02 | 2023-11-02 | 电力系统调度方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117639090A true CN117639090A (zh) | 2024-03-01 |
Family
ID=90017247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311456146.2A Pending CN117639090A (zh) | 2023-11-02 | 2023-11-02 | 电力系统调度方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117639090A (zh) |
-
2023
- 2023-11-02 CN CN202311456146.2A patent/CN117639090A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111525601B (zh) | 用户侧储能设备的充放电控制方法、装置及存储介质 | |
Zeynali et al. | Robust multi-objective thermal and electrical energy hub management integrating hybrid battery-compressed air energy storage systems and plug-in-electric-vehicle-based demand response | |
Bakhtiari et al. | Predicting the stochastic behavior of uncertainty sources in planning a stand-alone renewable energy-based microgrid using Metropolis–coupled Markov chain Monte Carlo simulation | |
CN116070740A (zh) | 综合能源系统的优化运行方法、装置和计算机设备 | |
CN115313519A (zh) | 一种配电网储能优化配置方法、装置、设备及存储介质 | |
CN115983733B (zh) | 基于水位控制的电力市场出清数据处理方法和装置 | |
CN117639090A (zh) | 电力系统调度方法、装置、计算机设备和存储介质 | |
CN114243681B (zh) | 电力系统的用电调控方法、装置、设备和存储介质 | |
CN111951123B (zh) | 控制用电负荷的方法、装置、计算机设备和存储介质 | |
Odonkor et al. | Optimization of energy use strategies in building clusters using pareto bands | |
CN116341809A (zh) | 车辆充电排序的方法、装置、计算机设备和存储介质 | |
CN112633771B (zh) | 电力资源数值计算方法、装置、计算机设备和存储介质 | |
CN116154777A (zh) | 电动汽车充电的调度控制方法、装置、计算机设备 | |
Tan et al. | Optimal energy trading with battery energy storage under dynamic pricing | |
CN112510679A (zh) | 分布式储能优化调度方法、装置、计算机设备和存储介质 | |
CN116523193B (zh) | 一种虚拟电厂储能调度方法、装置、电子设备及存储介质 | |
CN117114329B (zh) | 多气源智能调度方法与装置 | |
CN117744972A (zh) | 电力系统的储能规划方法、装置、计算机设备和存储介质 | |
CN117498382A (zh) | 电网系统的调频方法、装置、设备、存储介质和程序产品 | |
CN116131259B (zh) | 基于时间聚合的电力资源调度方法、装置和计算机设备 | |
CN114336735B (zh) | 相变蓄冷空调电力调度方法、装置、计算机设备 | |
CN116822209A (zh) | 考虑供需协同的大规模风光火储系统容量配置方法 | |
CN117856274A (zh) | 一种电力系统负荷数据的调整方法、装置、计算机设备 | |
CN117293805A (zh) | 光储系统容量确定方法、装置、设备和存储介质 | |
CN117236726A (zh) | 灵活性评估方法、装置、设备、存储介质和程序产品 |
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 |