CN106056256B - 一种平衡电力供需关系的互动化微网调度方法 - Google Patents

Abstract

本发明公开电力***调度领域中的一种用于平衡电力供需关系的互动化微网调度方法。包括：拟合日前负荷预测曲线、日前风电/光电预测曲线和发电曲线，并根据拟合曲线制定日前预测电价；对日前曲线进行时前修正；根据时前修正曲线发布修正电价；采集和监测状态参量；将采集和监测到的状态参量输入多目标调度策略，进行最小成本的多目标非线性规划；人工决策；校验供需平衡以及潮流分布和重复下一时段调度控制。本发明考虑了多维度错峰资源和多维度成本效益，能够解决电力供需平衡可调度资源单一的问题，同时优化其经济效益和节能减排效益。

Description

一种平衡电力供需关系的互动化微网调度方法

技术领域

本发明涉及电力***调度领域，具体是指一种用于平衡电力供需关系的互动化微网调度方法。

背景技术

用电负荷的日益增长，尤其是夏季高峰阶段用电量急剧增长产生的尖峰负荷，严重破坏了电力供需平衡的关系，甚至引起大面积的拉闸限电，使部分用户的用电质量受到影响；另一方面，电网难以对当前大量接入的分布式新能源进行消纳，造成了严重的资源浪费和经济损失。此外，峰荷期间电力***的供需不平衡问题通常通过调度调峰电厂解决，调峰电厂容量不足等问题日益凸显。调峰厂可分为水力调峰厂与火力调峰厂，其中水力调峰厂因响应速度快、调峰效率高和经济环保等优点作为调峰的主力，然而在枯水期，火力调峰机组是主要的调峰资源，调峰手段单一。因此，亟需在传统调峰资源的基础上，纳入分布式发电（DG）、用户侧需求响应（DR）和储能（ES）资源进行联合调峰。

然而，不同于对传统发电资源的灵活调度，分布式发电、用户侧需求响应和储能资源均具有一定的刚性性质，即仅能通过其运行状态的阶跃变化实现供需平衡调度，因此需要借助虚拟电厂（VPP）作为一个调度控制中心实现以上资源的整合与一体化调控。

对以上调峰资源进行多维度的建模分析，尤其是将节能减排以及ES作用在日前调度的全过程纳入调度方法的生成中，能够实现微网运行调度的优化。在供需不平衡关系下，ES具有源荷双重特性，即在电力供大于需时通过ES对DG进行部分消纳，而在峰荷期间将其消纳的电力送向电网，从而可实现对因不确定性等因素引起的供需缺额的补偿。ES在微网调度的应用一方面减少了弃风、弃光量，另一方面减少了峰荷削减量，在安全可靠的基础上，实现了节能减排和经济优化的目的。

发明内容

本发明的目的是提供一种平衡电力供需关系的互动化微网调度方法，能够解决电力供需平衡可调度资源单一的问题，同时优化其经济效益和节能减排效益。具体步骤包括：

步骤1:拟合日前预测曲线并制定日前预测电价

统计微网运行历史数据，形成日前负荷预测曲线(P _L,t)、日前风电预测曲线(P _W,t)和日前光伏发电预测曲线(P _S,t)，拟合到发电曲线并依此制定预测电价r；

步骤2:对日前曲线进行修正

将日前预测曲线分为多个时段，根据当日负荷情况、气象情况和微网运行情况，对步骤1的日前预测曲线（P _X,t）进行时前修正ɛ，拟合到发电曲线形成t时段的修正曲线（P _X+ɛ_,t），并依此将预测电价修正为r’，发布修正电价r’；

步骤3:状态量的监测与采集

进行状态量的监测与采集，包括微网实际运行参量、调峰裕度及其容量、储能裕度及其容量、气象状况等；

步骤4:输入多目标调度策略求解

输入多目标调度策略，基于步骤3的预测数据和步骤4采集的运行数据，在微网运行约束、虚拟电厂削减出力、爬坡率及其容量约束下以成本最小化为目标函数进行多目标非线性规划求解，形成成本最小化的调度方案；

步骤5:人工决策

将上一步虚拟电厂辅助决策的方案提交到调度中心，调度员依据实际情况进行人工决策，如若方案最优则进行下一步，否则返回步骤3重新修正电价直至最优；

步骤6:校验供需平衡以及潮流分布

校验供需平衡以及潮流分布是否满足标准要求，若不满足，则需通过人工调控行为进行调整直至符合标准要求；

步骤7:重复下一时段调度控制

在时段t符合标准要求的基础上，从步骤2开始下一时段的调度控制。

本发明的有益成果是，提出了一种平衡电力供需关系的互动化微网调度方法，与已有的微网调度方法比较，主要的优势及改进如下：

借助虚拟电厂作为调度控制中心，在传统供需平衡资源的基础上纳入分布式发电、用户侧需求响应和储能资源形成供需联合调控，并通过日前、时前多时间尺度协调的预测方法，提高了预测精度；此外，用线性化方法对分时电价进行预测，降低了对分时电价预测的难度，简单有效。

附图说明

图1为供需平衡调度的架构图。

图2为本发明的整体流程图。

图3为本发明的步骤说明图。

具体实施方式

本发明是一种平衡电力供需关系的互动化微网调度方法，具体实施步骤如下：

步骤1:拟合日前预测曲线并制定日前预测电价

统计微网运行历史数据，形成日前负荷预测曲线(P _L,t)、日前风电预测曲线(P _W,t)和日前光伏发电预测曲线(P _S,t)，拟合到发电曲线并依此制定预测电价r；

定义δ为关联系数，并通过下式进行计算：

δ=(ΔP _m,Ʃt-1/Δr _t-1)·( r _B /P _B)

其中：ΔP _m,Ʃt-1为t-1时段拟合曲线中负荷的变化量，ΔP _m,Ʃt-1=P _m,Ʃt-1-ΔP _B,t-1；r _B为拟合曲线中基荷下的零售电价；Δr _t-1为t-1时段拟合曲线中电价的变化量，Δr _t-1=r _t-1-Δr _B；P _B为拟合曲线中的基线负荷

依据拟合好的一条预测曲线制定日前预测电价，由下式进行计算：

r= r _B + r _B · ΔP _m,Ʃt/(P _B·δ)

其中：ΔP _m,Ʃt为t时段拟合曲线中负荷的变化量，ΔP _m,Ʃt=P _m,Ʃt-ΔP _B,Ʃt

步骤2:对日前曲线进行修正

将日前预测曲线分为多个时段，根据当日负荷情况、气象情况和微网运行情况，对步骤1的日前预测曲线（P _X,t）进行时前修正ɛ，拟合到发电曲线形成t时段的修正曲线（P _X+ɛ_,t），并依此将预测电价修正为r’，发布修正电价r’，其中依据P _X+ɛ修正电价r’的方法参照步骤1

步骤3:状态量的监测与采集

进行状态量的监测与采集，包括微网实际运行参量、调峰裕度及其容量、储能裕度及其容量、气象状况等

步骤4:输入多目标调度策略求解

输入多目标调度策略，基于步骤3的预测数据和步骤4采集的运行数据，在微网运行约束、虚拟电厂削减出力、爬坡率及其容量约束下以成本最小化为目标函数进行多目标非线性规划求解，形成成本最小化的调度方案

某时段t火力调峰机组的成本函数由下式计算：

f ₁=Ʃ[C _G,i,t+ C _UG,i ·(1- U _G,i,t-1)+λ _i·exp(λ _i P _i ^t)] ·U _G,i,t;(i=1···N_G)

其中：C _G,i,t为t时段火电机组i的运行成本，C _G,i,t=αP _t,i ²+βP _t,i+γ；C _UG,i为t时段火电机组i的启动成本；U _G,i,t-1为t-1时段火电机组i的运行状态（以二维离散数值表示，其中0为停机，1为运行）；U _G,i,t为t时段火电机组i的运行状态（以二维离散数值表示，其中0为停机，1为运行）；λ _i·exp(λ _i P _i ^t)为t时段火电机组i的排污成本

此外，某时段t下由ES实现一定程度的削负荷补偿、弃风补偿和弃光补偿，即：

f ₂= P’ _LS,t ·r _LS + P’ _WS,t ·r _WS + P’ _SS,t ·r _SS

其中：P’ _LS,t为修正削负荷量，P’ _LS,t = P _LS,t - P _CLS,t ，P _LS,t为削负荷量，P _CLS,t为削负荷补偿量，在供小于求时由ES储能状况决定；P’ _WS,t为修正弃风量，P’ _WS,t = P _WS,t - P _CWS,t ，P _WS,t为弃风量，P _CWS,t为弃风补偿量，在供大于求时由ES储能状况决定；P’ _SS,t为修正弃光量，P’ _SS,t = P _SS,t - P _CSS,t ，P _SS,t为弃光量，P _CSS,t为弃光补偿量，在供大于求时由ES储能状况决定; r _LS、r _WS、r _SS分别为削负荷成本、弃风成本和弃光成本

用户侧实施需求响应，在某时段t下的成本函数如下：

f ₃=ƩC _I,n,t+ ƩC _P,m,t;(n=1···N_I, m=1···N_P)

其中：C _I,n,t为时段t下用户n基于激励的需求响应成本，参照电力市场下对用户的激励策略进行计算；C _P,m,t为时段t下用户m基于价格的需求响应成本，参照电力市场下对用户的激励策略进行计算

最终的目标函数为多目标非线性规划：

min{ f ₁, f ₂, f ₃}

约束条件如下：

1）功率平衡约束：

ƩP _G,i,t+P _W,t+P _S,t+P ^’ _LS,t+ΔP _ES,t = P _L,t + P ^’ _WS,t +P ^’ _SS,t;(i=1···N_G)

其中：ΔP _ES,t 为储能余量

2）风电、光电出力约束：

0≤P _W,t ≤P _Wmax,t

0≤P _S,t ≤P _Smax,t

3）补偿量约束：

a、弃风/弃光消纳补偿：

0≤P _CWS,t+ P _CSS,t ≤P _ES

0≤P _CWS,t ≤P _ES

0≤P _CSS,t ≤P _ES

b、削负荷补偿：

0≤P _CLS,t ≤P _ES

其中：P _ES为储能设备容量

4）发电机约束:

包括出力上下限约束、最小启停时间约束、备用容量约束和爬坡约束

将所有采集的数据传输到调度中心，通过现有成熟的计算程序可以实现上述求解过程

步骤5:人工决策

将上一步虚拟电厂辅助决策的方案提交到调度中心，调度员依据实际情况进行人工决策，如若方案最优则进行下一步，否则返回步骤3重新修正电价直至最优；

步骤6:校验供需平衡以及潮流分布

校验供需平衡以及潮流分布是否满足标准要求，若不满足，则需通过人工调控行为进行调整直至符合标准要求；

步骤7:重复下一时段调度控制

在时段t符合标准要求的基础上，从步骤2开始下一时段的调度控制。

本发明提供一种平衡电力供需关系的互动化微网调度方法，基于虚拟电厂将微网经济调度的问题进行建模，并通过非线性规划的方法进行求解，一方面考虑了多维度调峰资源的协调交互，提高了调峰能力和经济效益；另一方面考虑了多维度经济效益，实现节能减排。以上所述，仅为本发明的具体实施方法，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内，因此。本发明的保护范围应该以权利要求书的保护范围为准。

Claims (1)

1.一种平衡电力供需关系的微网调度方法，其特征在于，包括以下步骤:

步骤1:拟合日前预测曲线并制定日前预测电价

统计微网运行历史数据，形成日前负荷预测曲线(P_L,t)、日前风电预测曲线(P_W,t)和日前光伏发电预测曲线(P_S,t)，拟合到发电曲线并依此制定预测电价r；

定义δ为关联系数，并通过下式进行计算：

其中：ΔP_m,Σt-1为t-1时段拟合曲线中负荷的变化量，ΔP_m,Σt-1＝P_m,Σt-1-P_B,t-1；r_B为拟合曲线中基荷下的零售电价；Δr_t-1为t-1时段拟合曲线中电价的变化量，Δr_t-1＝r_t-1-r_B；P_B为拟合曲线中的基线负荷；

依据拟合好的一条预测曲线制定日前预测电价r，由下式进行计算：

其中：ΔP_m,Σt为t时段拟合曲线中负荷的变化量，ΔP_m,Σt＝P_m,Σt-P_B,t；

步骤2:对日前曲线进行修正

将日前预测曲线分为多个时段，根据当日负荷情况、气象情况和微网运行情况，对步骤1的日前预测曲线(P_X,t)进行时前修正ε，拟合到发电曲线形成t时段的修正曲线(P_X+ε,t)，并依此将预测电价修正为r'，发布修正电价r'；

步骤3:状态量的监测与采集

进行状态量的监测与采集，包括微网实际运行参量、调峰裕度及其容量、储能裕度及其容量、气象状况等；

步骤4:输入多目标调度策略求解

输入多目标调度策略，基于步骤1的预测数据和步骤3采集的运行数据，在微网运行约束、虚拟电厂削减出力、爬坡率及其容量约束下以成本最小化为目标函数进行多目标非线性规划求解，形成成本最小化的调度方案；所述调度方案是通过以下子步骤实现的：

其中：C_G,i,t为t时段火电机组i的运行成本，

C_UG,i为t时段火电机组i的启动成本；U_G,i,t-1为t-1时段火电机组i的运行状态，以二维离散数值表示，其中0为停机，1为运行；U_G,i,t为t时段火电机组i的运行状态，以二维离散数值表示，其中0为停机，1为运行；λ_iexp(λ_iP_i ^t)为t时段火电机组i的排污成本；

此外，某时段t下由ES实现一定程度的削负荷补偿、弃风补偿和弃光补偿，即：

f₂＝P'_LS,t·r_LS+P'_WS,t·r_WS+P'_SS,t·r_SS

其中：P'_LS,t为修正削负荷量，P'_LS,t＝P_LS,t-P_CLS,t，P_LS,t为削负荷量，P_CLS,t为削负荷补偿量，在供小于求时由ES储能状况决定；P'_WS,t为修正弃风量，P'_WS,t＝P_WS,t-P_CWS,t，P_WS,t为弃风量，P_CWS,t为弃风补偿量，在供大于求时由ES储能状况决定；P'_SS,t为修正弃光量，P'_SS,t＝P_SS,t-P_CSS,t，P_SS,t为弃光量，P_CSS,t为弃光补偿量，在供大于求时由ES储能状况决定；r_LS、r_WS、r_SS分别为削负荷成本、弃风成本和弃光成本；

用户侧实施需求响应，在某时段t下的成本函数如下：

其中：C_I,n,t为时段t下用户n基于激励的需求响应成本，参照电力市场下对用户的激励策略进行计算；C_P,m,t为时段t下用户m基于价格的需求响应成本，参照电力市场下对用户的激励策略进行计算；

最终的目标函数为多目标非线性规划：

min{f₁,f₂,f₃}；

约束条件如下：

1)功率平衡约束：

其中：ΔP_ES,t为储能余量；

2)风电、光电出力约束：

0≤P_W,t≤P_Wmax,t

0≤P_S,t≤P_Smax,t

3)补偿量约束：

a、弃风/弃光消纳补偿：

0≤P_CWS,t+P_CSS,t≤P_ES

0≤P_CWS,t≤P_ES

0≤P_CSS,t≤P_ES

b、削负荷补偿：

0≤P_CLS,t≤P_ES

其中：P_ES为储能设备容量；

4)发电机约束:

包括出力上下限约束、最小启停时间约束、备用容量约束和爬坡约束；

将所有采集的数据传输到调度中心，通过现有成熟的计算程序可以实现上述求解过程；

步骤5:人工决策

将上一步虚拟电厂辅助决策的方案提交到调度中心，调度员依据实际情况进行人工决策，如若方案最优则进行下一步，否则返回步骤1重新修正电价直至最优；

步骤6:校验供需平衡以及潮流分布

校验供需平衡以及潮流分布是否满足标准要求，若不满足，则需通过人工调控行为进行调整直至符合标准要求；

步骤7:重复下一时段调度控制

在时段t符合标准要求的基础上，从步骤2开始下一时段的调度控制。

Images