CN110808615A - 考虑不确定性的气电虚拟电厂调度优化方法 - Google Patents

Abstract

本发明提出了一种考虑不确定性的气电虚拟电厂调度优化方法，其步骤为：首先，搭建气电虚拟电厂结构，确定电力、天然气和二氧化碳的流向，其中，气电虚拟电厂结构包括风电单元、光伏单元和电转气单元；其次，分别构建各单元的输出功率模型，并根据各单元的输出功率模型的经济效益建立目标函数；最后，将虚拟电厂风电与光伏联合出力的条件风险价值引入经济效益调度的目标函数，综合考虑虚拟电厂运行的经济效益和风险程度，把风险水平控制在可接受的范围内实现经济效益最优，制定虚拟电厂调度优化方法。通过本发明可以优化虚拟电厂运行，提高经济效益，降低碳排放量，很大程度提高能源利用效率，解决虚拟电厂目前存在的运行问题。

Description

考虑不确定性的气电虚拟电厂调度优化方法

技术领域

本发明涉及电厂调度技术领域，特别是指一种考虑不确定性的气电虚拟电厂调度优化方法。

背景技术

当前，可再生能源发展已成为世界各国保障能源安全、加强环境保护、应对气候变化的重要措施。随着我国经济社会的发展，能源短缺和环境污染问题日益突出，可再生能源发展已成为我国应对日益严峻的能源环境问题的必由之路。能源战略指出了改造电力***结构，增加可再生能源的渗透比例，对分布式电源为动力的虚拟电厂研究迅速发展起来。可再生能源中的风能和太阳非常具有发展潜力，风电和光伏发电在***中的渗透越来越多，但是风能和太阳能具有间歇性和波动性，其发电的随机性给电力***规划带来了不确定性。能源市场的变革中分布式能源扮演着越来越重要的角色，分布式电源因其经济性、灵活性、环保性等特点受到了广泛关注，虚拟电厂一个特殊电厂参与电力市场和电网运行***。

发明内容

针对上述背景技术中存在的不足，本发明提出了一种考虑不确定性的气电虚拟电厂调度优化方法，解决了现有虚拟电厂***中经济效益差、运行风险大的技术问题。

本发明的技术方案是这样实现的：

一种考虑不确定性的气电虚拟电厂调度优化方法，其步骤如下：

S1、搭建气电虚拟电厂结构，确定电力、天然气和二氧化碳的流向，其中，气电虚拟电厂结构包括风电单元、光伏单元和电转气单元；

S2、分别构建步骤S1中各单元的输出功率模型，输出功率模型包括风电机组、光伏发电机组、燃气轮机运行和电转气的输出功率模型；

S3、根据步骤S2中的风电机组模型、光伏发电机组模型、燃气轮机运行模型和电转气模型的经济效益建立目标函数；

S4、运用条件风险价值理论建立虚拟电厂风电与光伏联合出力的条件风险价值；

S5、根据步骤S4中的条件风险价值和经济效益的约束条件优化步骤S3中的目标函数制定调度优化方法。

所述步骤S2中风电机组的输出功率模型为：

其中，g_w,t表示风电机组在时间t的可用功率，g_R表示额定功率，v_t表示在时间t的实时风速，v_in表示WPP的切入风速，v_out表示WPP的切出风速，v_rated表示WPP的额定风速。

所述步骤S2中光伏发电机组的输出功率模型由光照强度决定，出力与光照强度函数关系为：

g_PV,t(t)＝η_PV×S_PV×θ_t (2)，

其中，g_PV,t(t)为t时光伏发电机组的光出力，η_pv为转化效率，S_pv为光伏发电机组的总面积，θ_t为t时太阳辐射强度。

所述步骤S2中燃气轮机运行的输出功率模型为：

其中，g_CGT,t为t时燃气轮机输出功率，Q_CGT,t为天然气消耗量，

为天然气热值，η_CGT为运行效率。

所述步骤S2中电转气的输出功率模型为：

Q_P2G,t＝g_P2G,tη_P2G/H_g (4)，

其中，Q_P2G,t为电转气转化的天然气量，g_P2G,t为用电量，η_P2G为效率，H_g为天然气的热值，

为燃气轮机利用储气罐中的天然气所发电量，

为从储气罐进入燃气轮机的天然气量，η_CGT为燃气轮机的效率。

所述目标函数为：

其中，f为虚拟电厂的经济效益，R_WPP,t为风电机组单元在t时的收益，R_PV,t为光伏发电机组单元在t时的收益，R_CGT,t为燃气轮机单元在t时的收益，R_P2G,t为电转气单元在t时的收益，R_GST,t为出其设备单元在t时的收益，C_CGT,t为燃气轮机单元的运行成本；

所述燃气轮机单元的运行成本为：

其中，

为t时燃气轮机的运行成本，a_i，b_i和c_i均为燃气轮机的成本系数，g_CGT,t为t时燃气轮机输出功率。

所述经济效益的约束条件为：

其中，

为WPP的用电效率，

为光伏发电机组的用电效率，

为燃气轮机的用电效率，

为负荷需求；

所述燃气轮机运行的约束条件为：

其中，

为燃气轮机的输出功率上限，

为燃气轮机的输出功率下限，

和

均为爬坡功率极限，

为t-1时刻的持续运行时间，

为燃气轮机启动需要的最短时间，为t-1时刻持续停止时间，

代表停机需要的最短时间；

所述电转气的约束条件：

其中，Q_P2G,t表示电转气实际运行功率，

表示电转气额定运行功率；

所述***备用的约束条件：

其中，g_VPP,t表示虚拟电厂在t时的发电出力，

表示虚拟电厂最大发电可用出力，

表示虚拟电厂最小发电可用出力，r₁表示负荷的上旋转备用系数，r₂表示风电机组的上旋转备用系数，r₃表示光伏发电机组的上旋转备用系数，r₄表示风电机组的下旋转备用系数，r₅表示光伏发电机组的下旋转备用系数。

所述虚拟电厂风电与光伏联合出力的条件风险价值为：

其中，

i＝1,2,3，f(x)为风电与光伏联合出力标准正态分布的概率密度函数，α为风电和光伏联合出力g_w,pv的百分位数；

所述正态分布的风电与光伏联合出力的VaR和CVaR为：

VaR(1-α)＝-[μ_p+σ_pc(α)] (17)，

本技术方案能产生的有益效果：

1)本发明通过虚拟电厂中各组成单元的协调运行优化，可以最大化经济效益，降低运行成本；

2)本发明通过虚拟电厂与公共电网和天然气网络相连后增加能量流动灵活性，实现气电互联虚拟电厂的最优运行；

3)本发明可以优化虚拟电厂运行，提高经济效益，降低碳排放量，提高能源利用效率，解决虚拟电厂目前存在的运行风险大的问题；

4)本发明通过能源替代作用将富余的风能、光能转化为天然气进行存储，减少了弃风弃光量，提高了清洁能源利用效率；且电转气的甲烷化过程将二氧化碳作为原料，减少了虚拟电厂二氧化碳的排放量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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付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。

如图1所示，本发明实施例提供了一种考虑不确定性的气电虚拟电厂调度优化方法，其中，气电虚拟电厂输出侧包括风电机组、光伏发电机组和燃气轮机，电转气利用弃风弃光将二氧化碳转化为天然气在储气罐中储存，双侧同时联动电力网络和天然气网络。用户侧实施需求响应机制，通过峰谷分时电价引导用户参与需求响应机制；具体步骤如下：

S1、介绍气电虚拟电厂结构，明确电力、天然气和二氧化碳的流向，其中，气电虚拟电厂结构包括风电单元、光伏单元和电转气单元。电能输出单元为风电单元、光伏单元，电转气设备将风电单元和光伏单元的弃风弃光转化为天然气进行储存，双侧联动电力网络和天然气网络。

S2、分别构建步骤S1中各单元的输出功率模型，输出功率模型包括风电机组、光伏发电机组、燃气轮机运行和电转气的输出功率模型。

所述风电机组的输出功率模型由自然风速决定，与自然风速的函数关系为：

其中，g_w,t表示风电机组在时间t的可用功率，g_R表示额定功率，v_t表示在时间t的实时风速，v_in表示WPP的切入风速，v_out表示WPP的切出风速，v_rated表示WPP的额定风速。

所述光伏发电机组的输出功率模型由光照强度决定，光伏发电机组的出力与光照强度函数关系为：

g_PV,t(t)＝η_PV×S_PV×θ_t (2)，

其中，g_PV,t(t)为t时光伏发电机组的光出力，η_pv为转化效率，S_pv为光伏发电机组的总面积，θ_t为t时太阳辐射强度。

所述燃气轮机运行模型的输出功率为：

其中，g_CGT,t为t时燃气轮机输出功率，Q_CGT,t为天然气消耗量，

为天然气热值，η_CGT为运行效率。

所述电转气首先利用超出负荷需求部分的电能电解水制成氢气，然后氢气和二氧化碳在催化剂作用下合成为甲烷。电转气模型的输出功率为：

Q_P2G,t＝g_P2G,tη_P2G/H_g (4)，

其中，Q_P2G,t为电转气转化的天然气量，g_P2G,t为用电量，η_P2G为效率，H_g为天然气的热值，

为燃气轮机利用储气罐中的天然气所发电量，为从储气罐进入燃气轮机的天然气量，η_CGT为燃气轮机的效率。

S3、根据步骤S2中的风电机组模型、光伏发电机组模型、燃气轮机运行模型和电转气模型的经济效益建立目标函数。以经济效益最大化为目标函数，收益项包括风电机组、光伏发电机组、燃气轮机、电转气设备等，成本项只考虑燃气轮机的启停成本和燃料消耗成本，其他设备边际成本几乎为零。所述目标函数为：

其中，f为虚拟电厂的经济效益，R_WPP,t为风电机组单元在t时的收益，R_PV,t为光伏发电机组单元在t时的收益，R_CGT,t为燃气轮机单元在t时的收益，R_P2G,t为电转气单元在t时的收益，R_GST,t为储气单元在t时的收益，C_CGT,t为燃气轮机单元的运行成本；

风电机组、光伏发电机组、燃气轮机的收入为电量与电价的乘积，燃气轮机成本与燃气的消耗量成二次函数关系。所述燃气轮机单元的运行成本为：

其中，

为t时燃气轮机的运行成本，a_i，b_i和c_i均为燃气轮机的成本系数，g_CGT,t为t时燃气轮机输出功率。

所述经济效益的约束条件为功率供需平衡：

其中，

为WPP的用电效率，

为光伏发电机组的用电效率，

为燃气轮机的用电效率，

为负荷需求。

所述燃气轮机运行的约束条件为：

其中，

为燃气轮机的输出功率上限，

为燃气轮机的输出功率下限，

和

均为爬坡功率极限，

为t-1时刻的持续运行时间，

为燃气轮机启动需要的最短时间，

为t-1时刻持续停止时间，

代表停机需要的最短时间；

所述电转气的约束条件：

其中，Q_P2G,t表示电转气实际运行功率，

表示电转气额定运行功率；

所述***备用的约束条件：

其中，g_VPP,t表示虚拟电厂在t时的发电出力，

表示虚拟电厂最大发电可用出力，

表示虚拟电厂最小发电可用出力，r₁表示负荷的上旋转备用系数，r₂表示风电机组的上旋转备用系数，r₃表示光伏发电机组的上旋转备用系数，r₄表示风电机组的下旋转备用系数，r₅表示光伏发电机组的下旋转备用系数。

S4、运用条件风险价值理论建立虚拟电厂风电与光伏联合出力的条件风险价值。

本发明运用衍生于VaR的CVaR，也称为平均超额损失(Mean Execs Loss)，表示虚拟电厂风电与光伏联合出力的“条件风险价值”，用来表示风险损失超过VaR_1-α(X)时的条件期望值。X是一个随机变量，表示风险损失，VaR_1-α(X)表示在(1-α)置信水平下的VaR，则CVaR_1-α(X)表示损失超过VaR_1-α(X)时期望值，即有：

其中，VaR是随机变量X的α分位数，f(x)为风电与光伏联合出力标准正态分布的概率密度函数，概率密度函数f(x)不是绝对连续的，通常用ES(expected shortfall，期望损失)表示离散分布条件下的VaR_1-α(X)。

因此，风电和光伏联合出力g_w,pv的百分位数α近似为：μ_p+σ_pq，即VaR(1-α)＝-(μ_p+σ_pq)，所述虚拟电厂风电与光伏联合出力的条件风险价值为：

其中，

i＝1,2,3。正态分布的风电与光伏联合出力的VaR和CVaR为：

VaR(1-α)＝-[μ_p+σ_pc(α)] (18)，

S5、根据步骤S4中的条件风险价值和经济效益的约束条件优化步骤S3中的目标函数制定调度优化方法。将条件风险价值引入经济效益调度的目标函数，综合考虑虚拟电厂运行的经济效益和风险程度，把风险水平控制在可接受的范围内实现经济效益最优，制定虚拟电厂调度优化方法。

通过虚拟电厂中各组成单元的协调运行优化，可以最大化经济效益，降低运行成本，虚拟电厂与公共电网和天然气网络相连后增加能量流动灵活性，根据实时的并网购售电价信息制定向公共电网购售电方法，并根据实时天然气价选择出售天然气或者进入燃气轮机发电，实现气电互联虚拟电厂的最优运行。

电转气通过能源替代作用将富余的风能、光能转化为天然气进行存储，减少了弃风弃光量，得益于能源枢纽这种自由的转换方法，拓宽了清洁能源消纳空间，提高了清洁能源利用效率。电转气技术比储能更有优势，低谷时段将电能转化为天然气，因此可以把输入到电转气的电能看作是电力网络的荷，提高了低谷时段用电负荷。相反地，燃气轮机可以将天然气转化成电能，因此将输出的电能看作电力网络的源，降低了高峰时段其他机组出力负担。此外，电转气的甲烷化过程将二氧化碳作为原料，减少了虚拟电厂二氧化碳的排放量。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种考虑不确定性的气电虚拟电厂调度优化方法，其特征在于，其步骤如下：

S1、搭建气电虚拟电厂结构，确定电力、天然气和二氧化碳的流向，其中，气电虚拟电厂结构包括风电单元、光伏单元和电转气单元；

S2、分别构建步骤S1中各单元的输出功率模型，输出功率模型包括风电机组、光伏发电机组、燃气轮机运行和电转气的输出功率模型；

S3、根据步骤S2中的风电机组模型、光伏发电机组模型、燃气轮机运行模型和电转气模型的经济效益建立目标函数；

S4、运用条件风险价值理论建立虚拟电厂风电与光伏联合出力的条件风险价值；

S5、根据步骤S4中的条件风险价值和经济效益的约束条件优化步骤S3中的目标函数制定调度优化方法。

2.根据权利要求1所述的考虑不确定性的气电虚拟电厂调度优化方法，其特征在于，所述步骤S2中风电机组的输出功率模型为：

其中，g_w,t表示风电机组在时间t的可用功率，g_R表示额定功率，v_t表示在时间t的实时风速，v_in表示WPP的切入风速，v_out表示WPP的切出风速，v_rated表示WPP的额定风速。

3.根据权利要求1所述的考虑不确定性的气电虚拟电厂调度优化方法，其特征在于，所述步骤S2中光伏发电机组的输出功率模型由光照强度决定，出力与光照强度函数关系为：

g_PV,t(t)＝η_PV×S_PV×θ_t (2)，

其中，g_PV,t(t)为t时光伏发电机组的光出力，η_pv为转化效率，S_pv为光伏发电机组的总面积，θ_t为t时太阳辐射强度。

4.根据权利要求1所述的考虑不确定性的气电虚拟电厂调度优化方法，其特征在于，所述步骤S2中燃气轮机运行的输出功率模型为：

g_CGT,t＝Q_CGT,tH_CH4,gη_CGT (3)，

其中，g_CGT,t为t时燃气轮机输出功率，Q_CGT,t为天然气消耗量，H_CH4,g为天然气热值，η_CGT为运行效率。

5.根据权利要求1所述的考虑不确定性的气电虚拟电厂调度优化方法，其特征在于，所述步骤S2中电转气的输出功率模型为：

Q_P2G,t＝g_P2G,tη_P2G/H_g (4)，

其中，Q_P2G,t为电转气转化的天然气量，g_P2G,t为用电量，η_P2G为效率，H_g为天然气的热值，

为燃气轮机利用储气罐中的天然气所发电量，为从储气罐进入燃气轮机的天然气量，η_CGT为燃气轮机的效率。

6.根据权利要求1所述的考虑不确定性的气电虚拟电厂调度优化方法，其特征在于，所述目标函数为：

其中，f为虚拟电厂的经济效益，R_WPP,t为风电机组单元在t时的收益，R_PV,t为光伏发电机组单元在t时的收益，R_CGT,t为燃气轮机单元在t时的收益，R_P2G,t为电转气单元在t时的收益，R_GST,t为储气设备单元在t时的收益，C_CGT,t为燃气轮机单元的运行成本；

所述燃气轮机单元的运行成本为：

其中，

为t时燃气轮机的运行成本，a_i，b_i和c_i均为燃气轮机的成本系数，g_CGT,t为t时燃气轮机输出功率。

7.根据权利要求1-5任一项所述的考虑不确定性的气电虚拟电厂调度优化方法，其特征在于，所述经济效益的约束条件为：

其中，为WPP的用电效率，

为光伏发电机组的用电效率，

为燃气轮机的用电效率，

为负荷需求；

所述燃气轮机运行的约束条件为：

其中，

为燃气轮机的输出功率上限，

为燃气轮机的输出功率下限，

和均为爬坡功率极限，为t-1时刻的持续运行时间，

为燃气轮机启动需要的最短时间，

为t-1时刻持续停止时间，

代表停机需要的最短时间；

所述电转气的约束条件：

其中，Q_P2G,t表示电转气实际运行功率，

表示电转气额定运行功率；

所述***备用的约束条件：

其中，g_VPP,t表示虚拟电厂在t时的发电出力，

表示虚拟电厂最大发电可用出力，

表示虚拟电厂最小发电可用出力，r₁表示负荷的上旋转备用系数，r₂表示风电机组的上旋转备用系数，r₃表示光伏发电机组的上旋转备用系数，r₄表示风电机组的下旋转备用系数，r₅表示光伏发电机组的下旋转备用系数。

8.根据权利要求7所述的考虑不确定性的气电虚拟电厂调度优化方法，其特征在于，所述虚拟电厂风电与光伏联合出力的条件风险价值为：

其中，i＝1,2,3，f(x)为风电与光伏联合出力标准正态分布的概率密度函数，α为风电和光伏联合出力g_w,pv的百分位数；

所述正态分布的风电与光伏联合出力的VaR和CVaR为：

VaR(1-α)＝-[μ_p+σ_pc(α)] (17)，

Images