[go: up one dir, main page]

CN118432067A - 一种考虑调峰调度能力的虚拟电厂运行控制方法 - Google Patents

一种考虑调峰调度能力的虚拟电厂运行控制方法 Download PDF

Info

Publication number
CN118432067A
CN118432067A CN202410510476.3A CN202410510476A CN118432067A CN 118432067 A CN118432067 A CN 118432067A CN 202410510476 A CN202410510476 A CN 202410510476A CN 118432067 A CN118432067 A CN 118432067A
Authority
CN
China
Prior art keywords
peak
shaving
power plant
virtual power
energy storage
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
CN202410510476.3A
Other languages
English (en)
Inventor
曹亮
顾军
许涛
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 Shanghai Electric Power Co Ltd
Original Assignee
State Grid Shanghai 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 Shanghai Electric Power Co Ltd filed Critical State Grid Shanghai Electric Power Co Ltd
Priority to CN202410510476.3A priority Critical patent/CN118432067A/zh
Publication of CN118432067A publication Critical patent/CN118432067A/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
    • H02J3/007—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
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2300/28—The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Public Health (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑调峰调度能力的虚拟电厂运行控制方法，步骤包括：建立考虑不同场景下调峰调度的虚拟电厂运行成本模型；建立虚拟电厂聚合分布式资源的综合调峰潜力模型；结合虚拟电厂运行成本模型和综合调峰潜力模型，构建虚拟电厂运行控制优化模型；通过求解虚拟电厂运行控制优化模型得到优化调峰聚合方案，然后按所述优化调峰聚合方案控制虚拟电厂运行。本发明充分考虑了虚拟电厂不同的应用场景对各类分布式资源的调峰调度响应能力，通过计算不同场景下虚拟电厂分布式资源运行成本和寻找调峰调度最优聚合方案，构建虚拟电厂运行控制优化模型，从而得到优化调峰聚合方案，达到提升虚拟电厂调峰调度响应能力的目的。

Description

一种考虑调峰调度能力的虚拟电厂运行控制方法
技术领域
本发明属于电力调度技术领域，具体涉及虚拟电厂运行控制方法。
背景技术
随着风能和太阳能等新能源在能源结构中所占的比重逐渐增加，新型电力系统所面临的不确定性也日益凸显。新能源发电的不确定性和波动性给传统的电力调度带来了前所未有的挑战，仅依赖发电侧的能力已不足以确保电网的安全和稳定运行。
近年来，虚拟电厂技术迅速发展，它通过集成和协调多个分散的独立电源(如风能和太阳能等分布式发电)、储能设施、可控负载以及电动汽车等资源，形成一个可控的虚拟系统。虚拟电厂利用先进的分布式能源管理和通信技术，参与电力系统的调控决策，提供调频、调峰等辅助服务，从而优化电网的运行效率和市场交易的效益。
国内外的学者已经对虚拟电厂的调峰调度响应能力进行了广泛的研究。然而，现有技术主要集中于分布式资源的调峰性能和经济成本等方面，而忽视了对这些资源调控效果的反馈分析。随着虚拟电厂技术的不断进步，实时的调峰调度响应将变得更加频繁和重要。由于针对分布式资源的调峰响应能力的研究尚未充分考虑不同的应用场景，这导致了调峰性能参数在不同情况下存在明显差异，从而无法确保虚拟电厂在调峰调度过程中稳定运行。
发明内容
本发明提出了一种考虑调峰调度能力的虚拟电厂运行控制方法，其目的是：提高虚拟电厂分布式资源的调峰调度响应能力。
本发明技术方案如下：
一种考虑调峰调度能力的虚拟电厂运行控制方法，步骤包括：
步骤S1、建立考虑不同场景下调峰调度的虚拟电厂运行成本模型，用于计算不同场景下各类分布式资源的聚合调峰调度过程中的期望成本；
步骤S2、建立虚拟电厂聚合分布式资源的综合调峰潜力模型，用于筛选在不同场景下虚拟电厂调峰调度过程中的最优聚合方案；
步骤S3、结合虚拟电厂运行成本模型和综合调峰潜力模型，构建虚拟电厂运行控制优化模型，虚拟电厂运行控制优化模型的决策变量为虚拟电厂运行成本模型和综合调峰潜力模型决策变量的集合；通过求解虚拟电厂运行控制优化模型得到优化调峰聚合方案，然后按所述优化调峰聚合方案控制虚拟电厂运行。
作为所述考虑调峰调度能力的虚拟电厂运行控制方法的进一步改进，虚拟电厂运行成本模型的目标函数即期望成本为：
其中，S为场景集合，θs为第s个场景的状态概率；为燃气机组燃料成本，为购电成本，为机组运维成本，为柔性负荷参与需求响应的补偿成本，为储能成本。
作为所述考虑调峰调度能力的虚拟电厂运行控制方法的进一步改进，燃气机组燃料成本、购电成本、柔性负荷参与需求响应的补偿成本和储能成本的具体计算方式为：
1)燃气机组燃料成本
式中，a、b、c为燃气机组发电能耗的成本二次项系数、成本一次项系数和成本常数项系数；为在场景s下t时刻的燃气机组g的实际出力，为虚拟电厂运行成本模型的决策变量；
2)购电成本
式中，T为总时段，δbuy为分时电价；表示在场景s下t时刻的向电网购电量，为虚拟电厂运行成本模型的决策变量；
3)柔性负荷参与需求响应的补偿成本
式中，δindr表示补偿价格；表示在场景s下t时刻参与需求响应的柔性负荷总量，为虚拟电厂运行成本模型的决策变量；
4)储能成本
式中，δESS表示电储能设备蓄电池的成本系数；分别表示在场景s下t时刻的储能的充电量和放电量，均为虚拟电厂运行成本模型的决策变量。
作为所述考虑调峰调度能力的虚拟电厂运行控制方法的进一步改进：综合调峰潜力模型中虚拟电厂的聚合方案是指虚拟电厂在调峰调度过程中将多种分布式资源进行不同的组合而得到的协调控制方案，所有聚合方案与所有分布式资源之间的关系用矩阵Plan表示为：
Plan＝[pni,j]M×N,pni,j＝0或1；
式中，M为聚合方案的数量，N为分布式资源的数量，pni,j＝1表示第j个分布式资源在第i个聚合方案中运行，pni,j＝0表示第j个分布式资源不在第i个聚合方案中运行；
定义各聚合方案在不同场景下的综合调峰能力分数为：
式中，表示在场景s下第i个聚合方案的综合调峰能力分数；表示资源j综合调峰能力。
作为所述考虑调峰调度能力的虚拟电厂运行控制方法的进一步改进，分布式资源的种类有：柔性负荷、燃气机组、新能源和储能系统，四种分布式资源所对应的综合调峰能力分别为：柔性负荷综合调峰能力、燃气机组调峰能力、新能源综合调峰能力和储能系统综合调峰能力。
作为所述考虑调峰调度能力的虚拟电厂运行控制方法的进一步改进：
1)柔性负荷综合调峰能力计算方式如下：
首先计算柔性负荷在聚合虚拟电厂调峰中的权重比例λDR,eff：
式中，T为总时段，ΔLt和Lt分别为用户用能调整前后的用电变化量和实际负荷需求量、二者均为综合调峰潜力模型的决策变量，Qt,dr和Qt分别为用户用能调整前后用户支出的电费；
然后计算柔性负荷在t时刻的可调峰速率
式中，为t时刻的已参与需求响应的负荷量，为在t时刻最大可参与响应负荷量，二者均为综合调峰潜力模型的决策变量；
再计算调峰持续时间：
式中，分别为柔性负荷在t时刻已持续中断时间和该用户的最大可持续中断时间，二者均为综合调峰潜力模型的决策变量；
最后结合可调峰速率和调峰持续时间可以计算出柔性负荷综合调峰能力ΔPADR：
式中，和分别为归一化的可调峰速率和调峰持续时间；
2)燃气机组调峰能力包括向上调峰能力和向下调峰能力计算方式如下：
首先计算权重比例λGB,eff：
λGB,eff＝1-λGB,fr；
式中，λGB,fr表示燃气机组的设备不可用率；
然后计算燃气机组向上调峰功率和燃气机组向下调峰功率
式中，ut为燃气机组在t时刻的启停状态，Rup和Rdown分别为燃气机组爬坡率的上下限，和分别为燃气机组的最大出力和最小出力；表示在t时刻燃气机组的实际出力，为综合调峰潜力模型的决策变量；
再计算燃气机组在总时段T内的参与响应的燃气机组向上调峰速率和燃气机组向下调峰速率
然后计算得到燃气机组向上调峰能力和向下调峰能力
式中，和分别为归一化后的燃气机组向上调峰功率、燃气机组向上调峰速率、燃气机组向下调峰功率和燃气机组向下调峰速率；
3)新能源综合调峰能力计算方式如下：
其中，λRE,eff表示新能源在聚合虚拟电厂调峰中的权重比例，计算方式为：
式中，和分别为归一化前的风光实际功率和出力均值，为综合调峰潜力模型的决策变量；
为风光出力均值，计算方式为：
式中，为归一化后的风光实际输出功率和出力均值；
4)储能系统综合调峰能力包括储能系统向上调峰能力和储能系统向下调峰能力计算方式为：
首先计算储能资源在聚合虚拟电厂调峰中的权重比例λESS,eff：
λESS,eff＝1-λESS,fr；
式中，λESS,fr表示储能设备的设备不可用率；
然后计算储能系统向上调峰容量和储能系统向下调峰容量
式中，为在Δt时间内储能容量变化最大值，表示储能额定容量，SOCmax和SOCmin分别为储能系统的荷电状态上限与下限，表示在t时刻的储能剩余电量、为综合调峰潜力模型的决策变量；
再计算储能系统向上调峰速率和储能系统向下调峰速率
然后计算储能系统向上调峰能力和储能系统向下调峰能力
式中，和分别为归一化后的储能系统向上调峰容量、储能系统向上调峰速率、储能系统向下调峰容量和储能系统向下调峰速率。
作为所述考虑调峰调度能力的虚拟电厂运行控制方法的进一步改进：定义各聚合方案的得分为：
式中，Scorei为第i个聚合方案的得分；
对于各聚合方案，分别以得分最低为目标函数，求出综合调峰潜力模型的一组决策变量值，将第i个聚合方案的最低得分记为Scorei_min，然后将所有Scorei_min的最大值对应的聚合方案作为综合调峰潜力模型所选择处的最优聚合方案，将最优聚合方案的最低得分作为综合调峰潜力模型的目标函数值F2。
作为所述考虑调峰调度能力的虚拟电厂运行控制方法的进一步改进，虚拟电厂运行控制优化模型的目标函数为：
式中，ω1、ω2为权重系数，满足条件ω1+ω2＝1，且ω1>0，ω2>0；F1为虚拟电厂运行成本模型的目标函数值；F2为综合调峰潜力模型的目标函数值；和分别为虚拟电厂运行成本模型目标函数值的上限与下限，和分别为综合调峰潜力模型目标函数值的上限与下限。
作为所述考虑调峰调度能力的虚拟电厂运行控制方法的进一步改进，虚拟电厂运行控制优化模型的约束条件包括：燃气机组约束、新能源出力约束、需求响应约束、储能运行约束和功率平衡约束。
作为所述考虑调峰调度能力的虚拟电厂运行控制方法的进一步改进：
1)燃气机组的运行约束包括出力约束和爬坡约束；
出力约束为：
式中，为在场景s下t时刻的燃气机组g的实际出力，和分别为燃气机组g的出力上限和下限；
爬坡约束为：
式中，Rg,d和Rg,u分别为燃气机组g的爬坡率上限和下限；
2)新能源出力约束包括：
式中，和分别为风力和光伏的最大可用出力，和分别为场景s中t时刻风力和光伏的实际输出功率；
3)需求响应约束为：
式中，为场景s中t时刻需求响应负荷量，为最大需求响应量，和分别为连续两个时间间隔的最大负荷需求增减下限和上限；
4)储能运行约束包括：
式中，为在场景s中t时刻蓄电池剩余电量，为在时段Δt内蓄电池容量变化值，和分别为场景s中t时刻储能的充电功率和放电功率；ηc、ηd分别为充电功率和放电效率；SOCe,min和SOCe,max分别为蓄电池的最小电量百分值和最大电量百分值；为蓄电池的额定电量；和分别为场景s中t时刻充电标志和放电标志；和分别为场景s中t时刻蓄电池的最大充电速率和最大放电速率；
5)功率平衡约束为：
式中，ν为传递系数，场景s下t时刻的燃气机组g的实际出力通过传递系数ν在电负荷和热负荷之间进行分配；为余热分配系数；和分别为燃气机组产生热电和电能的效率；ηRB为余热锅炉效率；为燃气机组的产热效率；和分别为在时间t内的总电能负荷量和总热能负荷量；和分别为场景s中t时刻风力和光伏的实际输出功率；和为场景s中t时刻储能的充电功率和放电功率；为场景s中t时刻需求响应负荷量；表示在场景s下t时刻的向电网购电量。
相对于现有技术，本发明具有以下积极效果：本发明充分考虑了虚拟电厂不同的应用场景对各类分布式资源的调峰调度响应能力，通过计算不同场景下虚拟电厂分布式资源运行成本和寻找调峰调度最优聚合方案，构建虚拟电厂运行控制优化模型，从而得到优化调峰聚合方案，达到提升虚拟电厂调峰调度响应能力的目的。
附图说明
图1为本发明方法的流程图；
图2为本发明方法的实施流程图。
具体实施方式
下面结合附图详细说明本发明的技术方案。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
如图1和2，一种考虑调峰调度能力的虚拟电厂运行控制方法，步骤包括：
步骤S1、建立考虑不同场景下调峰调度的虚拟电厂运行成本模型，用于计算不同场景下各类分布式资源的聚合调峰调度过程中的期望成本。
考虑虚拟电厂聚合多种分布式资源参与调峰调度过程，虚拟电厂的调度运行成本包含燃气机组燃料成本、购电成本、机组运维成本、柔性负荷参与需求响应的补偿成本和储能成本。基于不同场景下虚拟电厂参与调峰调度，虚拟电厂运行成本模型的目标函数即期望成本为：
其中，S为场景集合，θs为第s个场景的状态概率，用于不同场景的成本的加权运算；为燃气机组燃料成本，为购电成本，为机组运维成本，为柔性负荷参与需求响应的补偿成本，为储能成本。注意，风光发电成本已在虚拟电厂初期建设中考虑，因此在虚拟电厂调峰调度过程中忽略不计。
其中，燃气机组燃料成本、购电成本、柔性负荷参与需求响应的补偿成本、储能成本的具体计算方式为：
1)燃气机组燃料成本
式中，a、b、c为燃气机组发电能耗的成本二次项系数、成本一次项系数和成本常数项系数；为在场景s下t时刻的燃气机组g的实际出力，为虚拟电厂运行成本模型的决策变量。
2)购电成本
式中，T为总时段，δbuy为分时电价；表示在场景s下t时刻的向电网购电量，为虚拟电厂运行成本模型的决策变量。
3)柔性负荷参与需求响应的补偿成本
式中，δindr表示补偿价格；表示在场景s下t时刻参与需求响应的柔性负荷总量，为虚拟电厂运行成本模型的决策变量。
4)储能成本
式中，δESS表示电储能设备蓄电池的成本系数；分别表示在场景s下t时刻的储能的充电量和放电量，均为虚拟电厂运行成本模型的决策变量。
步骤S2、建立虚拟电厂聚合分布式资源的综合调峰潜力模型，用于筛选在不同场景下虚拟电厂调峰调度过程中的最优聚合方案；
虚拟电厂的聚合方案是指虚拟电厂在调峰调度过程中将多种分布式资源进行不同的组合而得到的协调控制方案，所有聚合方案与所有分布式资源之间的关系用矩阵Plan表示为：
Plan＝[pni,j]M×N,pni,j＝0或1；
式中，M为聚合方案的数量，N为分布式资源的数量，pni,j＝1表示第j个分布式资源在第i个聚合方案中运行，pni,j＝0表示第j个分布式资源不在第i个聚合方案中运行。
定义各聚合方案在不同场景下的综合调峰能力分数为：
式中，表示在场景s下第i个聚合方案的综合调峰能力分数；表示资源j综合调峰能力。
分布式资源的种类有：柔性负荷、燃气机组、新能源和储能系统，四种分布式资源所对应的综合调峰能力分别为：柔性负荷综合调峰能力、燃气机组调峰能力、新能源综合调峰能力和储能系统综合调峰能力，计算方式如下：
1)柔性负荷综合调峰能力
可靠调峰率是衡量用户需求响应能力的重要指标。
首先计算柔性负荷在聚合虚拟电厂调峰中的权重比例λDR,eff：
式中，ΔLt和Lt分别为用户用能调整前后的用电变化量和实际负荷需求量、二者均为综合调峰潜力模型的决策变量，Qt,dr和Qt分别为用户用能调整前后用户支出的电费。
柔性负荷在t时刻的可调峰速率为剩余可参与调峰的可中断负荷量，计算如下：
式中，为t时刻的已参与需求响应的负荷量，为在t时刻最大可参与响应负荷量，二者均为综合调峰潜力模型的决策变量。
其次，调峰持续时间是指用户在响应虚拟电厂调峰指令时，从实际开始削减负荷到削减行为结束的时间。一般情况下，响应持续时间越长，代表调峰持久性越强。调峰持续时间计算方式为：
式中，分别为柔性负荷在t时刻已持续中断时间和该用户的最大可持续中断时间，二者均为综合调峰潜力模型的决策变量。
结合可调峰速率和调峰持续时间可以计算出柔性负荷综合调峰能力ΔPADR：
式中，和分别为归一化的可调峰速率和调峰持续时间。
2)燃气机组调峰能力
燃气机组作为一种可调资源，其可用率成为衡量该资源调峰可靠性的重要指标。使用燃气机组的可用率作为燃气机组在聚合虚拟电厂调峰中的权重比例λGB,eff，计算方式为：
λGB,eff＝1-λGB,fr；
式中，λGB,fr表示燃气机组的设备不可用率。
燃气机组最大调峰功率取决于在总时段T内的最大备用率，主要有燃气机组向上调峰功率和燃气机组向下调峰功率计算公式如下：
式中，ut为燃气机组在t时刻的启停状态，Rup和Rdown分别为燃气机组爬坡率的上下限，和分别为燃气机组的最大出力和最小出力；表示在t时刻燃气机组的实际出力，为综合调峰潜力模型的决策变量。
燃气机组调峰速率是指用电客户或者发电设备在高峰负荷上升阶段或高峰负荷下降阶段的功率变化速率的平均值，具体为参与调峰时的向上调峰速率和向下调峰速率。在虚拟电厂发出调峰需求信号下，燃气机组在总时段T内的参与响应的燃气机组向上调峰速率和燃气机组向下调峰速率的具体计算方式为：
然后计算得到燃气机组向上调峰能力和向下调峰能力
式中，和分别为归一化后的燃气机组向上调峰功率、燃气机组向上调峰速率、燃气机组向下调峰功率和燃气机组向下调峰速率。
3)新能源综合调峰能力
反调峰特性是指新能源出力波动与负荷需求波动之间存在一种负相关关系。具体而言，风能输出与负荷需求的峰谷时段往往相错，而光伏发电则在夜晚全面停止。因此，通过计算风光出力的方差和均值来表示新能源的反调峰特性。新能源综合调峰能力计算方式如下：
其中，λRE,eff表示新能源在聚合虚拟电厂调峰中的权重比例，计算方式为：
式中，和分别为归一化前的风光实际功率和出力均值，为综合调峰潜力模型的决策变量。这里
为风光出力均值，计算方式为：
式中，为归一化后的风光实际输出功率和出力均值。
4)储能系统综合调峰能力
与燃气机组类似，采用储能设备的可用率来反映储能参与调峰的可靠性。
首先计算储能资源在聚合虚拟电厂调峰中的权重比例λESS,eff：λESS,eff＝1-λESS,fr；
式中，λESS,fr表示储能设备的设备不可用率。
由于储能设备受限于存储电量和存储最大容量限制，储能的最大调峰能力由单位时间内最大备用容量决定。
计算储能系统向上调峰容量和储能系统向下调峰容量
式中，为在Δt时间内储能容量变化最大值，表示储能额定容量，SOCmax和SOCmin分别为储能系统的荷电状态上限与下限，表示在t时刻的储能剩余电量、为综合调峰潜力模型的决策变量。
同理，储能设备在总时段T内参与响应，储能系统调峰速率使用平均值来表示。储能系统向上调峰速率和储能系统向下调峰速率的计算方式为：
然后计算储能系统向上调峰能力和储能系统向下调峰能力
式中，和分别为归一化后的储能系统向上调峰容量、储能系统向上调峰速率、储能系统向下调峰容量和储能系统向下调峰速率。
综合调峰潜力模型通过基于保守的Max-Min准则实现方案内各个聚合方案的综合调峰能力平衡。
定义各聚合方案的得分为：
式中，Scorei为第i个聚合方案的得分。
对于各聚合方案，分别以得分最低为目标函数，求出综合调峰潜力模型的一组决策变量值，将第i个聚合方案的最低得分记为Scorei_min，然后将所有Scorei_min的最大值对应的聚合方案作为综合调峰潜力模型所选择处的最优聚合方案，将最优聚合方案的最低得分作为综合调峰潜力模型的目标函数值F2。
步骤S3、结合虚拟电厂运行成本模型和综合调峰潜力模型，构建虚拟电厂运行控制优化模型，虚拟电厂运行控制优化模型的决策变量为虚拟电厂运行成本模型和综合调峰潜力模型决策变量的集合；通过求解虚拟电厂运行控制优化模型得到优化调峰聚合方案，然后按所述优化调峰聚合方案控制虚拟电厂运行。
虚拟电厂运行控制优化模型的目标函数为：
式中，ω1、ω2为权重系数，满足条件ω1+ω2＝1，且ω1>0，ω2>0；和分别为虚拟电厂运行成本模型目标函数值的上限与下限，和分别为综合调峰潜力模型目标函数值的上限与下限。
虚拟电厂运行控制优化模型的约束条件包括：
1)燃气机组约束
燃气机组的运行约束主要有出力约束和爬坡约束。
出力约束为：
式中，为在场景s下t时刻的燃气机组g的实际出力，和分别为燃气机组g的出力上限和下限。
爬坡约束为：
式中，Rg,d和Rg,u分别为燃气机组g的爬坡率上限和下限。
2)新能源出力约束，包括：
式中，和分别为风力和光伏的最大可用出力，和分别为场景s中t时刻风力和光伏的实际输出功率。
3)需求响应约束
需求响应约束主要以可中断负荷量为主：
式中，为场景s中t时刻需求响应负荷量，为最大需求响应量，和分别为连续两个时间间隔的最大负荷需求增减下限和上限。
4)储能运行约束
以蓄电池作为储能系统，对蓄电池容量及充放电功率进行约束：
式中，为在场景s中t时刻蓄电池剩余电量，为在时段Δt内蓄电池容量变化值，和分别为场景s中t时刻储能的充电功率和放电功率；ηc、ηd分别为充电功率和放电效率；SOCe,min和SOCe,max分别为蓄电池的最小电量百分值和最大电量百分值；为蓄电池的额定电量；和分别为场景s中t时刻充电标志和放电标志；和分别为场景s中t时刻蓄电池的最大充电速率和最大放电速率。
5)功率平衡约束
由于虚拟电厂分布式资源包含燃气资源和可再生能源，它们产生的电能和热能之间存在一定耦合关系，具体可表达为约束条件：
式中，v为传递系数，场景s下t时刻的燃气机组g的实际出力通过传递系数v在电负荷和热负荷之间进行分配；为余热分配系数；和分别为燃气机组产生热电和电能的效率；ηRB为余热锅炉效率；为燃气机组的产热效率；和分别为在时间t内的总电能负荷量和总热能负荷量；和分别为场景s中t时刻风力和光伏的实际输出功率；和为场景s中t时刻储能的充电功率和放电功率；为场景s中t时刻需求响应负荷量；表示在场景s下t时刻的向电网购电量。
虚拟电厂运行控制优化模型收集不同场景下虚拟电厂的运行数据在系统机组运行约束条件下计算出相应模型参数(决策变量)，进而用于控制虚拟电厂调峰调度过程中的购电成本、燃气机组燃烧成本、机组运维成本、柔性负荷参与需求响应的补偿成本、储能成本，以及最优聚合方案中各类分布式资源的调峰调度效果，具体为柔性负荷的调峰持续时间、调峰功率，传统燃气机组的调峰速率，储能系统的调峰速率和新能源调峰功率，以此为数据依据来改善虚拟电厂调峰调度过程，提高分布式资源调峰调度能力。
需要说明的是，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。本发明的范围由权利要求而不是上述说明限定。

Claims (10)

1.一种考虑调峰调度能力的虚拟电厂运行控制方法，其特征在于步骤包括：
步骤S1、建立考虑不同场景下调峰调度的虚拟电厂运行成本模型，用于计算不同场景下各类分布式资源的聚合调峰调度过程中的期望成本；
步骤S2、建立虚拟电厂聚合分布式资源的综合调峰潜力模型，用于筛选在不同场景下虚拟电厂调峰调度过程中的最优聚合方案；
步骤S3、结合虚拟电厂运行成本模型和综合调峰潜力模型，构建虚拟电厂运行控制优化模型，虚拟电厂运行控制优化模型的决策变量为虚拟电厂运行成本模型和综合调峰潜力模型决策变量的集合；通过求解虚拟电厂运行控制优化模型得到优化调峰聚合方案，然后按所述优化调峰聚合方案控制虚拟电厂运行。
2.如权利要求1所述的考虑调峰调度能力的虚拟电厂运行控制方法，其特征在于，虚拟电厂运行成本模型的目标函数即期望成本为：
其中，S为场景集合，θs为第s个场景的状态概率；为燃气机组燃料成本，为购电成本，为机组运维成本，为柔性负荷参与需求响应的补偿成本，为储能成本。
3.如权利要求2所述的考虑调峰调度能力的虚拟电厂运行控制方法，其特征在于，燃气机组燃料成本、购电成本、柔性负荷参与需求响应的补偿成本和储能成本的具体计算方式为：
1)燃气机组燃料成本
式中，a、b、c为燃气机组发电能耗的成本二次项系数、成本一次项系数和成本常数项系数；为在场景s下t时刻的燃气机组g的实际出力，为虚拟电厂运行成本模型的决策变量；
2)购电成本
式中，T为总时段，δbuy为分时电价；表示在场景s下t时刻的向电网购电量，为虚拟电厂运行成本模型的决策变量；
3)柔性负荷参与需求响应的补偿成本
式中，δindr表示补偿价格；表示在场景s下t时刻参与需求响应的柔性负荷总量，为虚拟电厂运行成本模型的决策变量；
4)储能成本
式中，δESS表示电储能设备蓄电池的成本系数；分别表示在场景s下t时刻的储能的充电量和放电量，均为虚拟电厂运行成本模型的决策变量。
4.如权利要求1所述的考虑调峰调度能力的虚拟电厂运行控制方法，其特征在于：综合调峰潜力模型中虚拟电厂的聚合方案是指虚拟电厂在调峰调度过程中将多种分布式资源进行不同的组合而得到的协调控制方案，所有聚合方案与所有分布式资源之间的关系用矩阵Plan表示为：
Plan＝[pni,j]M×N,pni,j＝0或1；
式中，M为聚合方案的数量，N为分布式资源的数量，pni,j＝1表示第j个分布式资源在第i个聚合方案中运行，pni,j＝0表示第j个分布式资源不在第i个聚合方案中运行；
定义各聚合方案在不同场景下的综合调峰能力分数为：
式中，表示在场景s下第i个聚合方案的综合调峰能力分数；表示资源j综合调峰能力。
5.如权利要求4所述的考虑调峰调度能力的虚拟电厂运行控制方法，其特征在于，分布式资源的种类有：柔性负荷、燃气机组、新能源和储能系统，四种分布式资源所对应的综合调峰能力分别为：柔性负荷综合调峰能力、燃气机组调峰能力、新能源综合调峰能力和储能系统综合调峰能力。
6.如权利要求5所述的考虑调峰调度能力的虚拟电厂运行控制方法，其特征在于：
1)柔性负荷综合调峰能力计算方式如下：
首先计算柔性负荷在聚合虚拟电厂调峰中的权重比例λDR,eff：
式中，T为总时段，ΔLt和Lt分别为用户用能调整前后的用电变化量和实际负荷需求量、二者均为综合调峰潜力模型的决策变量，Qt,dr和Qt分别为用户用能调整前后用户支出的电费；
然后计算柔性负荷在t时刻的可调峰速率
式中，为t时刻的已参与需求响应的负荷量，为在t时刻最大可参与响应负荷量，二者均为综合调峰潜力模型的决策变量；
再计算调峰持续时间：
式中，分别为柔性负荷在t时刻已持续中断时间和该用户的最大可持续中断时间，二者均为综合调峰潜力模型的决策变量；
最后结合可调峰速率和调峰持续时间可以计算出柔性负荷综合调峰能力ΔPADR：
式中，和分别为归一化的可调峰速率和调峰持续时间；
2)燃气机组调峰能力包括向上调峰能力和向下调峰能力计算方式如下：
首先计算权重比例λGB,eff：
λGB,eff＝1-λGB,fr；
式中，λGB,fr表示燃气机组的设备不可用率；
然后计算燃气机组向上调峰功率和燃气机组向下调峰功率
式中，ut为燃气机组在t时刻的启停状态，Rup和Rdown分别为燃气机组爬坡率的上下限，和分别为燃气机组的最大出力和最小出力；表示在t时刻燃气机组的实际出力，为综合调峰潜力模型的决策变量；
再计算燃气机组在总时段T内的参与响应的燃气机组向上调峰速率和燃气机组向下调峰速率
然后计算得到燃气机组向上调峰能力和向下调峰能力
式中，和分别为归一化后的燃气机组向上调峰功率、燃气机组向上调峰速率、燃气机组向下调峰功率和燃气机组向下调峰速率；
3)新能源综合调峰能力计算方式如下：
其中，λRE,eff表示新能源在聚合虚拟电厂调峰中的权重比例，计算方式为：
式中，和分别为归一化前的风光实际功率和出力均值，为综合调峰潜力模型的决策变量；
为风光出力均值，计算方式为：
式中，为归一化后的风光实际输出功率和出力均值；
4)储能系统综合调峰能力包括储能系统向上调峰能力和储能系统向下调峰能力计算方式为：
首先计算储能资源在聚合虚拟电厂调峰中的权重比例λESS,eff：
λESS,eff＝1-λESS,fr；
式中，λESS,fr表示储能设备的设备不可用率；
然后计算储能系统向上调峰容量和储能系统向下调峰容量
式中，为在Δt时间内储能容量变化最大值，表示储能额定容量，SOCmax和SOCmin分别为储能系统的荷电状态上限与下限，表示在t时刻的储能剩余电量、为综合调峰潜力模型的决策变量；
再计算储能系统向上调峰速率和储能系统向下调峰速率
然后计算储能系统向上调峰能力和储能系统向下调峰能力
式中，和分别为归一化后的储能系统向上调峰容量、储能系统向上调峰速率、储能系统向下调峰容量和储能系统向下调峰速率。
7.如权利要求4所述的考虑调峰调度能力的虚拟电厂运行控制方法，其特征在于：定义各聚合方案的得分为：
式中，Scorei为第i个聚合方案的得分；
对于各聚合方案，分别以得分最低为目标函数，求出综合调峰潜力模型的一组决策变量值，将第i个聚合方案的最低得分记为Scorei_min，然后将所有Scorei_min的最大值对应的聚合方案作为综合调峰潜力模型所选择处的最优聚合方案，将最优聚合方案的最低得分作为综合调峰潜力模型的目标函数值F2。
8.如权利要求1至7任一所述的考虑调峰调度能力的虚拟电厂运行控制方法，其特征在于，虚拟电厂运行控制优化模型的目标函数为：
式中，ω1、ω2为权重系数，满足条件ω1+ω2＝1，且ω1>0，ω2>0；F1为虚拟电厂运行成本模型的目标函数值；F2为综合调峰潜力模型的目标函数值；和分别为虚拟电厂运行成本模型目标函数值的上限与下限，和分别为综合调峰潜力模型目标函数值的上限与下限。
9.如权利要求8所述的考虑调峰调度能力的虚拟电厂运行控制方法，其特征在于，虚拟电厂运行控制优化模型的约束条件包括：燃气机组约束、新能源出力约束、需求响应约束、储能运行约束和功率平衡约束。
10.如权利要求9所述的考虑调峰调度能力的虚拟电厂运行控制方法，其特征在于：
1)燃气机组的运行约束包括出力约束和爬坡约束；
出力约束为：
式中，为在场景s下t时刻的燃气机组g的实际出力，和分别为燃气机组g的出力上限和下限；
爬坡约束为：
式中，Rg,d和Rg,u分别为燃气机组g的爬坡率上限和下限；
2)新能源出力约束包括：
式中，和分别为风力和光伏的最大可用出力，和分别为场景s中t时刻风力和光伏的实际输出功率；
3)需求响应约束为：
式中，为场景s中t时刻需求响应负荷量，为最大需求响应量，和分别为连续两个时间间隔的最大负荷需求增减下限和上限；
4)储能运行约束包括：
式中，为在场景s中t时刻蓄电池剩余电量，为在时段Δt内蓄电池容量变化值，和分别为场景s中t时刻储能的充电功率和放电功率；ηc、ηd分别为充电功率和放电效率；SOCe,min和SOCe,max分别为蓄电池的最小电量百分值和最大电量百分值；为蓄电池的额定电量；和分别为场景s中t时刻充电标志和放电标志；和分别为场景s中t时刻蓄电池的最大充电速率和最大放电速率；
5)功率平衡约束为：
式中，v为传递系数，场景s下t时刻的燃气机组g的实际出力通过传递系数ν在电负荷和热负荷之间进行分配；为余热分配系数；和分别为燃气机组产生热电和电能的效率；ηRB为余热锅炉效率；为燃气机组的产热效率；和分别为在时间t内的总电能负荷量和总热能负荷量；和分别为场景s中t时刻风力和光伏的实际输出功率；和为场景s中t时刻储能的充电功率和放电功率；为场景s中t时刻需求响应负荷量；表示在场景s下t时刻的向电网购电量。
CN202410510476.3A 2024-04-25 2024-04-25 一种考虑调峰调度能力的虚拟电厂运行控制方法 Pending CN118432067A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410510476.3A CN118432067A (zh) 2024-04-25 2024-04-25 一种考虑调峰调度能力的虚拟电厂运行控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410510476.3A CN118432067A (zh) 2024-04-25 2024-04-25 一种考虑调峰调度能力的虚拟电厂运行控制方法

Publications (1)

Publication Number Publication Date
CN118432067A true CN118432067A (zh) 2024-08-02

Family

ID=92320897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410510476.3A Pending CN118432067A (zh) 2024-04-25 2024-04-25 一种考虑调峰调度能力的虚拟电厂运行控制方法

Country Status (1)

Country Link
CN (1) CN118432067A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119171461A (zh) * 2024-11-25 2024-12-20 河海大学 荷侧需求响应调峰资源配置方法、装置、设备及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119171461A (zh) * 2024-11-25 2024-12-20 河海大学 荷侧需求响应调峰资源配置方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN112308334B (zh) 一种基于主从合作博弈的多虚拟电厂联合优化调度方法
CN104135025B (zh) 基于模糊粒子群算法的微网并网经济优化方法
CN112398164B (zh) 含共享储能系统的微能源网群优化运行及成本分配方法
CN109190882B (zh) 电力市场环境下基于云储能的微网经济优化交易方法
CN112465240B (zh) 基于合作博弈的综合能源系统多园区能量调度优化方法
CN112270433B (zh) 考虑可再生能源不确定性和用户满意度的微电网优化方法
CN112068436B (zh) 工业园区的综合能源系统分层分布式控制方法及系统
CN112186755A (zh) 一种区域综合能源系统柔性负荷储能化建模方法
CN108462198A (zh) 一种基于多代理技术的多能互补微网优化调度方法
CN110991810A (zh) 一种考虑水光蓄互补的区域联合体两阶段经济调度方法
CN111211569A (zh) 一种柔性负荷参与电网调峰的优化配置方法
CN116228461A (zh) 一种基于p2p交易的多虚拟电厂随机优化调度方法
CN117477611A (zh) 一种分布式混合储能参与系统调频的控制方法
CN118432067A (zh) 一种考虑调峰调度能力的虚拟电厂运行控制方法
CN115713197A (zh) 计及风电不确定性的电力系统荷储联合优化调度方法
CN111522238A (zh) 一种基于舒适度的建筑综合能源系统控制方法及控制系统
CN115204705A (zh) 考虑电转气存储的区域综合能源系统运行优化方法及应用
CN111030101A (zh) 一种基于多元化大数据清洁能源消纳联动调控方法及系统
CN111967728B (zh) 计及用能舒适度时变性的商场楼宇调峰容量评估方法
CN113627720A (zh) 基于电能替代的综合园区风光储系统配置方法
CN118709996A (zh) 一种考虑需求响应与碳交易的聚合资源调控方法
CN112418537A (zh) 一种面向多能源云储能系统的优化调度方法
CN110165692B (zh) 基于光伏-蓄电池-温控负荷的虚拟储能调峰系统与方法
CN116029424B (zh) 一种基于模型预测控制的虚拟聚合商优化调控方法
CN111882452A (zh) 综合能源系统参与需求侧响应的边际成本计算方法

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