CN118709996A - 一种考虑需求响应与碳交易的聚合资源调控方法 - Google Patents

Abstract

本发明公开了一种考虑需求响应与碳交易的聚合资源调控方法，包括以下步骤：将各类分布式资源聚合搭建为虚拟电厂调度中心；在用户侧建立价格型需求响应模型，并考虑在需求响应下聚合资源的调度策略；引入阶梯式碳交易机制至价格型需求响应模型，计算碳排放量与碳配额量，制定阶梯式碳交易模型；以碳市场交易和系统运行成本最小建立目标函数，构建融合需求响应的虚拟电厂调度中心低碳调度模型；考虑阶梯式碳交易模型和价格型需求响应模型，对虚拟电厂调度中心低碳调度模型施加约束。本发明能充分考虑需求响应与碳交易机制，提升系统调度运行的灵活性，实现聚合资源的低碳调度。

Description

一种考虑需求响应与碳交易的聚合资源调控方法

技术领域

本发明涉及聚合资源调控技术领域，尤其涉及一种考虑需求响应与碳交易的聚合资源调控方法。

背景技术

随着可再生能源和分布式能源的快速发展，对各类聚合资源进行统一调度优化管理越来越重要，将各类聚合资源聚合搭建为虚拟电厂调度中心，虚拟电厂作为一种集成多种能源资源的新型能源管理和调度体系，已经成为新能源时代的重要组成部分。虚拟电厂整合了风电、光伏、储能等各类能源资源，通过智能化的用户侧需求响应调度和控制，在经济发展与能源成本、碳排放问题凸显的背景下，减少碳排放成为电力行业可持续发展的重要目标，特别是在“双碳目标”的指引下，实现电力系统的稳定调度与能源优化。

当前，分布式能源大规模并网虽减少了火力发电的环境问题，但其随机性、小容量和广泛分布的特性给电力调度带来挑战。聚合资源形成虚拟电厂调度中心可以利用先进的通信技术进行优化调度控制，能够协调优化分散的各类可调节可聚合的资源，有效应对新能源发电的随机性和不可控性。

为实现这一目标，需构建多层次聚合资源需求响应模型，在用户侧建立需求响应机制，利用价格的改变来引导用户调整用电策略。同时将碳交易机制引入虚拟电厂调度中心并分析其对碳排放情况的影响也成为目前研究重点，最大限度地降低碳排放，同时保证能源供应的稳定性和经济效益。该发明专利将为虚拟电厂系统的低碳化调控提供重要的技术支持，推动新能源时代的可持续发展和碳排放的减少。

发明内容

本发明提出一种考虑需求响应与碳交易的聚合资源调控方法，融合了用户侧需求响应机制与碳交易模型。通过引入阶梯碳交易机制优化聚合资源调度，构建低碳经济调度模型，并施加相关约束条件，实现高效、低碳的聚合资源调度运行：

一种考虑需求响应与碳交易的聚合资源调控方法，包括以下步骤：

将各类分布式资源聚合搭建为虚拟电厂调度中心，所述分布式资源包括分布式光伏、分布式风电；所述虚拟电厂调度中心包括分布式光伏发电聚合模型、分布式风电聚合模型、分布式储能聚合模型；

在用户侧建立价格型需求响应模型，并考虑在需求响应下聚合资源的调度策略；

引入阶梯式碳交易机制至价格型需求响应模型，计算碳排放量与碳配额量，制定阶梯式碳交易模型；

以碳市场交易和系统运行成本最小建立目标函数，构建融合需求响应的虚拟电厂调度中心低碳调度模型；

考虑阶梯式碳交易模型和价格型需求响应模型，对虚拟电厂调度中心低碳调度模型施加约束。

在一个优选实施例中，所述分布式光伏发电聚合模型为：

式中,为t时刻光伏发电的预测出力；需为光伏发电的最大出力；为t时刻预测光照强度；弹为标准光照强度性系数；γ_pv为光伏发电的温度系数；T_pv,t、T_env,t分别为t时刻光伏板与环境的温度；为标准温度；为云层外的光照强度；γ_yc为光照强度系数。

在一个优选实施例中，所述分布式风电聚合模型为：

式中,P_wt,rate为额定功率；v_r为额定风速；v、v_ct分别为实际风速与切入风速；为风机输出功率最大值。

在一个优选实施例中，所述分布式储能聚合模型为：

式中,P_ba,t为t时刻蓄电池的剩余电量；Q_ba为蓄电池容量；D(T)为蓄电池工作电流；T为温度。

在一个优选实施例中，构建用户侧需求响应模型，具体包括以下步骤：

计算需求弹性系数，具体表达式为：

式中,ε为需求弹性系数；L和ΔL分别为初始负荷和负荷改变量；ρ和Δρ分别为初始电价和电价改变量；

将全时段的弹性系数共同组成电量电价弹性矩阵E：

式中，ε_ii为弹性矩阵E的对角线元素，表示i时段的电价对该时段用电量具有影响，通常表现为负向效应；ε_ij为弹性矩阵E的非对角线元素，表示i时段的电价对该时段用电量具有影响，通常表现为正向效应；

通过分时电价后，计算得到电力负荷需求量，其表达形式为：

式中，Lt DR为t时段需求响应后的负荷，L^t为t时段需求响应后的初始负荷变化量，ΔL^t为t时段需求响应后负荷变化量；ρ_t是t时段的初始电价，Δρ^t为t时段需求响应下电价变化量。

在一个优选实施例中，计算碳排放量与碳配额量的具体方法为：

计算购能与机组的无偿碳排放配额Q_L为：

式中，α为单位电量的免费碳配额量，Pt buy是虚拟电厂在t时段外购的能源，Ptmt是系统机组在t时段输出的功率，η_mt为系统内机组的发电效率；

基于初始碳配额模型，得出本系统的初始碳排放配额；对于低于初始碳配额的碳排放量，采用无偿的方式对虚拟电厂的碳排放进行初始分配，高于碳配额的部分进入碳交易；

虚拟电厂调度中心外购电力源于火电机组，其与实际系统机组碳排放的计算模型为：

式中，Q_P是本系统内部的碳排放量，a₁、b₁、c₁为系统内机组碳排放系数，a₂、b₂、c₂为系统机组的碳排放系数。

在一个优选实施例中，制定阶梯式碳交易模型，包括以下步骤：

参与碳交易市场的碳排放量是实际排放量与初始配额之间的差值：

ΔQ＝Q_P-Q_L；

式中，ΔQ表示参与碳交易市场的碳排放配额，ΔQ>0表示碳排放超标，需要额外购买碳配额，ΔQ<0表示可以进行正常碳排放。

阶梯式碳交易以初始的碳排放配额为基准，分别向两边每隔一段距离就划分一个区间，划分若干碳排量区间，对虚拟电厂形成碳排放约束，阶梯型碳交易成本计算公式如下：

式中，C_co2为碳交易价格，λ碳市场交易价格,β为价格增长幅度，l与为碳排放区间长度。

在一个优选实施例中，构建融合需求响应的虚拟电厂调度中心低碳调度模型，具体为：

以最低成本为虚拟电厂运行目标，设定24小时调度周期，涵盖购电、燃气发电、设备运维及碳交易等成本。目标函数可表示为：

minF＝C_buy+C_mt+C_device+C_co2；

式中，C_buy、C_mt、C_device分别为本系统购能成本、机组运营成本和系统的维护成本；Cte为t时段虚拟电厂向外部电网的购电价格；Pt buy为t时段虚拟电厂向外部电网的购电功率；c_gas为天然气的单位价格；Pt mt为t时段系统机组的发电功率；η_mt为系统机组的发电效率；L_ng为天然气的低热值；k_mt、k_wt、k_pv、k_ba分别为系统机组、风机、光伏储能蓄电池的单位运行维护费用；Pt wt和Pt pv分别为t时段风电和光伏机组的预测功率。

在一个优选实施例中，对虚拟电厂调度中心低碳调度模型施加约束，约束具体包括：

功率平衡约束：

系统机组约束：

式中，P max mt是系统机组输出功率的上限，P min mt是系统机组输出功率下限；ΔP max mt是系统机组爬坡率的上限，ΔP min mt是系统机组爬坡率的下限。

购电约束：

式中：P max buy为t时段虚拟电厂调度中心向外部电网购电功率的最大值。

需求响应约束：

ΔL^min≤ΔL^t≤ΔL^max；

式中，ΔL^max是转移负荷的上限，ΔL^min为转移负荷的下限。在运行周期内，可转移负荷总量保持不变；ΔLt为正时，负荷转入；为负时，负荷转出。

本发明提供的技术方案的有益效果是：

(1)考虑各个聚合资源响应特性，将各类分布式资源聚合搭建为虚拟电厂调度中心；

(2)充分考虑用户需求响应可以改变需求侧用户的负荷分布，将高峰期的负荷转移到低谷期，缓解虚拟电厂调度中心供电压力；

(3)把碳交易机制引入虚拟电厂调度中，在施加碳约束的情况下，通过设置阶梯碳价来限制系统的总体碳排放量，可以有效减少碳排放量；

(4)基于需求响应和阶梯式碳价下的虚拟电厂低碳调控技术，可以在提高系统运行灵活性的同时，改善了系统的经济性和碳排放水平。

附图说明

图1为本发明实施例1、实施例2的系统流程图；

图2为本发明实施例2的碳交易流程图。

图3为本发明实施例2的虚拟电厂调度中心图。

图4为本发明实施例3中风力发电、光伏发电预测曲线图。

图5为本发明实施例3中在场景2里相应前后负荷变化量图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

实施例1

本发明实施例提供了一种考虑需求响应与碳交易的聚合资源调控方法，参见图1，该方法包括以下步骤：

101：将各类分布式资源聚合搭建为虚拟电厂，包含分布式光伏、风电，储能，共同构建成虚拟电厂调度中心；

102：在用户侧建立基于价格的聚合资源需求响应机制，并考虑在需求响应下聚合资源的虚拟电厂调度方法；

103：在用户侧需求响应机制的基础上，引入阶梯式碳交易机制，核算碳排放与碳配额量，制定阶梯式碳价；

104：以碳市场交易和系统运行成本最小建立目标函数，构建融合需求响应的虚拟电厂调度中心低碳调度模型；

105：考虑阶梯式碳交易模型和价格型需求响应模型，对虚拟电厂调度中心低碳调度模型施加约束。

综上所述，本发明实施例通过上述步骤101-104在充分考虑用户侧需求响应的前提下，通过引入碳交易机制实现虚拟电厂调度中心实现低碳调控。

实施例2

下面结合图对实施例1中的方案进行进一步地介绍，详见下文描述：

如图1-图3所示，本发明实施例提供了一种考虑需求响应与碳交易的虚拟电厂低碳调控方法，步骤101中：

分布式光伏发电聚合模型为：

式中,为t时刻光伏发电的预测出力；需为光伏发电的最大出力；为t时刻预测光照强度；弹为标准光照强度性系数；γ_pv为光伏发电的温度系数；T_pv,t T_env,t为t时刻光伏板与环境的温度；为标准温度；为云层外的光照强度；γ_yc为光照强度系数。

分布式风电聚合模型为：

式中,P_wt,rate为额定功率；v_r为额定风速；v v_ct为实际风速与切入风速；为风机输出功率最大值。

分布式储能聚合模型：

式中,P_ba,t为t时刻蓄电池的剩余电量；Q_ba为蓄电池容量；D(T)为蓄电池工作电流；T为温度。

构建用户侧需求响应模型，借助峰、平、谷分时电价策略，引导用户调整用电行为，在分时电价机制下，用户响应电价是基于负荷需求弹性，即负荷变化与价格变化之比，计算需求弹性系数下的具体表达为：

式中,ε为需求弹性系数；L和ΔL分别为初始负荷和负荷改变量；ρ和Δρ分别为初始电价和电价改变量。

全时段的弹性系数共同组成了电价弹性矩阵E：

式中，ε_ii为弹性矩阵E的对角线元素，表示i时段的电价对该时段用电量具有影响，通常表现为负向效应；ε_ij为弹性矩阵E的非对角线元素，表示i时段的电价对该时段用电量具有影响，通常表现为正向效应。

电价弹性矩阵可以得出，不用时段的电价对该时段用电量的影响，根据影响强度，对电价进行合理制定，可以对用户侧的进行优化调度。

通过分时电价后，可以计算得到用户负荷需求量，其表达形式为：

式中，Lt DR为t时段DR(需求响应)后的负荷，L^t为t时段DR后的初始负荷变化量，ΔL^t为t时段DR后负荷变化量；ρ_t是t时段的初始电价，Δρ^t为t时段DR下电价变化量。

得到DR需求量，根据需求量，充分考虑DR对虚拟电厂的影响，在引入碳交易机制，对虚拟电厂进行碳约束，实现优化调度。

碳交易实质上是政府通过设立指标分配给各个企业免费的碳排放额度，建立合法的交易体系，允许通过市场对碳排放额度进行灵活交易从而控制CO₂的排放。而区虚拟电厂系统内部包含了多种可以灵活调度的能源，不仅可以实现多能替代或多能互补的形式灵活满足多种负荷的需求，还可以结合碳交易市场，进一步发挥系统带来的优势。

本模型中，碳排放主要源于购能与系统内部机组。在本系统内，购能与机组的无偿碳排放配额Q_L为：

式中，α为单位电量的免费碳配额量，Pt buy是虚拟电厂在t时段外购的电力，Ptmt是内系统机组在t时段输出的功率，η_mt为系统内系统机组的发电效率。

虚拟电厂外购电力源于火电机组，其与实际系统机组碳排放的计算模型为：

式中，Q_P是本系统内部的碳排放量，a₁、b₁、c₁为系统内机组碳排放系数，a₂、b₂、c₂为系统机组的碳排放系数。

参与碳交易市场的碳排放量是实际排放量与初始配额之间的差值：

ΔQ＝Q_P-Q_L；

式中，ΔQ表示参与碳交易市场的碳排放配额，ΔQ>0表示碳排放超标，需要额外购买碳配额，ΔQ<0表示可以进行正常碳排放。

随着碳排放量的增多需购买的碳排放配额越多，阶梯式碳交易以初始的碳排放配额为基准，分别向两边每隔一段距离就划分一个区间，划分若干碳排量区间，对虚拟电厂形成碳排放约束，阶梯型碳交易成本计算公式如下：

以最低成本为虚拟电厂运行目标，设定24小时调度周期，涵盖购电、燃气发电、设备运维及碳交易等成本。目标函数可表示为：

式中，C_buy、C_mt、C_device分别为本系统购能成本、机组运营成本和系统的维护成本。Cte为t时段虚拟电厂向外部电网的购电价格；Pt buy为t时段虚拟电厂向外部电网的购电功率。

功率平衡约束：

系统机组约束：

式中，P max mt是系统机组功率的上限，P min mt是系统机组功率下限；ΔP maxmt是系统机组爬坡率的上限，ΔP min mt是系统机组爬坡率的下限。

购电约束：

式中：P max buy为t时段虚拟电厂向外部电网购电功率的最大值。

需求响应约束：

ΔL^min≤ΔL^t≤ΔL^max

式中，ΔL^max是转移负荷的上限，ΔL^min为转移负荷的下限。在调度周期内，负荷总量保持不变；ΔLt为正时，负荷转入；为负时，负荷转出。

实施例3

本发明所述虚拟电厂模型，各台设备的参数以及储能容量配置如表1所示。分时电价如表2所示，实际碳排放系数如表3所示，风力发电、光伏发电预测曲线如图4。

表1各设备参数表：

表2分时电价表：

表3实际碳排放系数：

a1	b1	c1	a2	b2	c2
						36	-0.38	0.0034	3	-0.04	0.001

为了验证本发明中提出的虚拟电厂低碳调度方法，在考虑需求响应与碳交易模型的有效性及合理性方面，我们设定了三个不同的场景来进行对比分析。

场景1：在本系统调度中，不考虑DR与碳交易机制。

场景2：在本系统调度中，考虑DR，不引入碳交易机制。

场景3：在本系统调度中，考虑DR同时引入阶梯式碳交易机制。

如表4所示，当对比场景1与场景2时，场景2的购能成本和碳排放量分别实现3.8％和4.15％的降低。因为场景2中充分融入了DR机制。在这种机制下，用户根据电价波动灵活调整用电计划，有效将高峰时段的电力负荷转移至低谷时段，相应前后负荷变化量如图5，不仅降低了虚拟电厂的购能成本，同时也实现了电力负荷的“削峰填谷”效应。与场景3相比，场景2中引入的碳交易机制也发挥了关键作用。碳交易机制的存在促使虚拟电厂在运营过程中更加注重碳排放的降低，从而推动了低碳调度目标的实现。虽然碳交易机制增加了虚拟电厂的运营成本，但也显著减少了碳排放量，有助于实现能源行业的可持续发展。

表4各场景下调度结果对比表：

场景	总成本/元	购能成本/元	维护成本/元	碳交易成本/元	碳排放量/kg
						1	17882	8388.2	719.1	8774.4	18745
2	16687	8065.1	728.1	7894.2	18172
						3	10346	8374.8	724.4	1247.1	14858

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

Claims (9)

1.一种考虑需求响应与碳交易的聚合资源调控方法，其特征在于，包括以下步骤：

将各类分布式资源聚合搭建为虚拟电厂调度中心，所述分布式资源包括分布式光伏、分布式风电；所述虚拟电厂调度中心包括分布式光伏发电聚合模型、分布式风电聚合模型、分布式储能聚合模型；

在用户侧建立价格型需求响应模型，并考虑在需求响应下聚合资源的调度策略；

引入阶梯式碳交易机制至价格型需求响应模型，计算碳排放量与碳配额量，制定阶梯式碳交易模型；

以碳市场交易和系统运行成本最小建立目标函数，构建融合需求响应的虚拟电厂调度中心低碳调度模型；

考虑阶梯式碳交易模型和价格型需求响应模型，对虚拟电厂调度中心低碳调度模型施加约束。

2.根据权利要求1所述的一种考虑需求响应与碳交易的聚合资源调控方法，其特征在于：所述分布式光伏发电聚合模型为：

式中,为t时刻光伏发电的预测出力；需为光伏发电的最大出力；为t时刻预测光照强度；弹为标准光照强度性系数；γ_pv为光伏发电的温度系数；T_pv,t、T_env,t分别为t时刻光伏板与环境的温度；为标准温度；为云层外的光照强度；γ_yc为光照强度系数。

3.根据权利要求1所述的一种考虑需求响应与碳交易的聚合资源调控方法，其特征在于：所述分布式风电聚合模型为：

式中,P_wt,rate为额定功率；v_r为额定风速；v、v_ct分别为实际风速与切入风速；为风机输出功率最大值。

4.根据权利要求1所述的一种考虑需求响应与碳交易的聚合资源调控方法，其特征在于：所述分布式储能聚合模型为：

式中,P_ba,t为t时刻蓄电池的剩余电量；Q_ba为蓄电池容量；D(T)为蓄电池工作电流；T为温度。

5.根据权利要求1所述的一种考虑需求响应与碳交易的聚合资源调控方法，其特征在于，构建用户侧需求响应模型，具体包括以下步骤：

计算需求弹性系数，具体表达式为：

式中,ε为需求弹性系数；L和ΔL分别为初始负荷和负荷改变量；ρ和Δρ分别为初始电价和电价改变量；

将全时段的弹性系数共同组成电量电价弹性矩阵E：

式中，ε_ii为E的对角线元素，表示i时段的电价对该时段用电量具有负向影响；ε_ij为弹性矩阵E的非对角线元素，表示i时段的电价对该时段用电量具正向效应；

通过分时电价后，计算得到用户负荷需求量，其表达形式为：

式中，Lt DR为t时段需求响应后的负荷，L^t为t时段需求响应后的初始负荷变化量，ΔL^t为t时段需求响应后负荷变化量；ρ_t是t时段的初始电价，Δρ^t为t时段需求响应下电价变化量。

6.根据权利要求1所述的一种考虑需求响应与碳交易的聚合资源调控方法，其特征在于，计算碳排放量与碳配额量的具体方法为：

计算购能与机组的无偿碳排放配额Q_L为：

式中，α为单位电量的免费碳配额量，Pt buy是虚拟电厂调度中心在t时段外购的电力，Pt mt是内系统机组在t时段输出的功率，η_mt为系统内系统机组的发电效率；

基于初始碳配额模型，得出本系统的初始碳排放配额；对于低于初始碳配额的碳排放量，采用无偿的方式对虚拟电厂的碳排放进行初始分配，高于碳配额的部分进入碳交易；

虚拟电厂调度中心外购电力源于火电机组，其与实际系统机组碳排放的计算模型为：

式中，Q_P是本系统内部的碳排放量，a₁、b₁、c₁为系统内机组碳排放系数，a₂、b₂、c₂为系统机组的碳排放系数。

7.根据权利要求1所述的一种考虑需求响应与碳交易的聚合资源调控方法，其特征在于，制定阶梯式碳交易模型，包括以下步骤：

参与碳交易市场的碳排放量是实际排放量与初始配额之间的差值：

ΔQ＝Q_P-Q_L；

式中，ΔQ表示参与碳交易市场的碳排放配额，ΔQ>0表示碳排放超标，需要额外购买碳配额，ΔQ<0表示可以进行正常碳排放；

阶梯式碳交易以初始的碳排放配额为基准，分别向两边每隔一段距离就划分一个区间，划分若干碳排量区间，对虚拟电厂形成碳排放约束，阶梯型碳交易成本计算公式如下：

式中，C_co2为碳交易价格，λ碳市场交易价格,β为价格增长幅度，l与为碳排放区间长度。

8.根据权利要求1所述的一种考虑需求响应与碳交易的聚合资源调控方法，其特征在于，构建融合需求响应的虚拟电厂调度中心低碳调度模型，具体为：

以最低成本为虚拟电厂调度中心运行目标，设定24小时调度周期，目标函数F可表示为：

式中，C_buy、C_mt、C_device分别为本系统购能成本、机组运营成本和系统的维护成本；Ct e为t时段虚拟电厂向外部电网的购电价格；Pt buy为t时段虚拟电厂向外部电网的购电功率；c_gas为天然气的单位价格；Pt mt为t时段系统机组的发电功率；η_mt为系统机组的发电效率；L_ng为天然气的低热值；k_mt、k_wt、k_pv、k_ba分别为系统机组、风机、光伏储能蓄电池的单位运行维护费用；Pt wt和Pt pv分别为t时段风电和光伏机组的预测功率。

9.根据权利要求1所述的一种考虑需求响应与碳交易的聚合资源调控方法，其特征在于，对虚拟电厂调度中心低碳调度模型施加约束，约束具体包括：

功率平衡约束：

系统机组约束：

式中，P max mt是系统机组输出功率的上限，P min mt是系统机组输出功率下限；ΔPmax mt是系统机组爬坡率的上限，ΔP min mt是系统机组爬坡率的下限；

购电约束：

式中：P max buy为t时段虚拟电厂调度中心向外部电网购电功率的最大值；

需求响应约束：

ΔL^min≤ΔL^t≤ΔL^max；

式中，ΔL^max是转移负荷的上限，ΔL^min为转移负荷的下限。在调度周期内，负荷总量保持不变；ΔLt为正时，负荷转入；为负时，负荷转出。