CN111915125B - 虚拟电厂多类型资源优化组合方法及*** - Google Patents
虚拟电厂多类型资源优化组合方法及*** Download PDFInfo
- Publication number
- CN111915125B CN111915125B CN202010511508.3A CN202010511508A CN111915125B CN 111915125 B CN111915125 B CN 111915125B CN 202010511508 A CN202010511508 A CN 202010511508A CN 111915125 B CN111915125 B CN 111915125B
- Authority
- CN
- China
- Prior art keywords
- power plant
- power
- regulation
- virtual power
- resources
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000033228 biological regulation Effects 0.000 claims abstract description 183
- 238000009826 distribution Methods 0.000 claims abstract description 107
- 230000005540 biological transmission Effects 0.000 claims abstract description 41
- 238000005457 optimization Methods 0.000 claims abstract description 41
- 230000008859 change Effects 0.000 claims abstract description 37
- 230000002452 interceptive effect Effects 0.000 claims abstract description 25
- 230000003993 interaction Effects 0.000 claims abstract description 24
- 230000000903 blocking effect Effects 0.000 claims abstract description 21
- 230000035945 sensitivity Effects 0.000 claims abstract description 16
- 238000004146 energy storage Methods 0.000 claims description 57
- 230000001105 regulatory effect Effects 0.000 claims description 54
- 230000008569 process Effects 0.000 claims description 21
- 238000002347 injection Methods 0.000 claims description 13
- 239000007924 injection Substances 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 12
- 230000002776 aggregation Effects 0.000 claims description 10
- 238000004220 aggregation Methods 0.000 claims description 10
- 230000001276 controlling effect Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 230000003203 everyday effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000002860 competitive effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000003827 upregulation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种虚拟电厂多类型资源优化组合方法及***,包括构建虚拟电厂运行中多方主体的交互框架;构建虚拟电厂互动资源的资源调节特性模型,建立考虑配电网阻塞管理的虚拟电厂的资源优化组合模型;支路潮流约束线性化,引入灵敏度参数,线性化描述支路传输功率改变与虚拟电厂调节功率之间的关系;根据虚拟电厂对资源的调控权限,先根据资源优化组合模型确定由虚拟电厂直接控制资源的组合方式,再确定由分布式能源用户控制的资源的组合方式。上述资源优化组合方法及***向配电网提供阻塞管理服务并且可克服分布式能源异构性。
Description
技术领域
本发明涉及配电网运行技术领域,更具体地,涉及一种虚拟电厂多类型资源优化组合方法及***。
背景技术
随着储能、可再生能源、可控负荷在配网中占比不断提高,利用这些分散的、灵活的资源为电网提供服务,充分发挥这些资源的调控潜力已成为当前智能电网建设的重要方向。本专利将这些分布在用户侧的可以进行互动和管理的资源统称为分布式能源,这些分布式能源在所有主体、互动意愿、技术特性方面存在较大的差异,电网对其实施直接管理存在较大难度。目前对分布式能源的管理主要依靠主动配电网技术和微电网技术。但主动配电***对DER的管理具有一定的强制性,因此更适合利用分布式能源的灵活性为配电网提供短期和临时性的服务;微电网对内部分布式能源的组成和功能有一定的要求,源、荷、储需满足***的平衡约束和离网稳定运行需求,地理分散、异构的分布式能源往往难以自行组织形成微电网。
有多个能源参与互动的虚拟电厂中,首先涉及的问题便是资源的组合问题。虚拟电厂与分布式能源之间相互选择:分布式能源自主选择是否参与虚拟电厂互动,虚拟电厂选择哪些分布式能源可参与互动。由于分布式能源的状态(发电量、负荷需求或运行成本)处于变化中,虚拟电厂中的分布式能源的组成是动态的,通过协订,在调度周期开始前,虚拟电厂选取适当的分布式能源参与互动形成联盟,在调度周期内虚拟电厂对联盟内成员有一定调节权限,调度周期结束后,联盟解散。不合适的分布式能源组合方式,将无法满足配电网的约束,同时也无法获取收益满足联盟成员利益需求。
发明内容
鉴于上述问题,本发明的目的是提供一种向配电网提供阻塞管理服务并且可克服分布式能源异构性的虚拟电厂多类型资源优化组合方法及***。
根据本发明的一个方面,提供一种虚拟电厂多类型资源优化组合方法,包括
构建虚拟电厂运行中多方主体的交互框架,在所述交互框架中,根据运行过程中涉及的各方主体的调节能力与需求,明确运行过程中各主体承担的任务,所述主体是分布式能源所有者、电力市场和配电***运行商;
构建虚拟电厂互动资源的资源调节特性模型,根据虚拟电厂与分布式能源所有者的协定,建立可参与虚拟电厂调节的资源调节特性模型,初步明确虚拟电厂的调节能力;
建立考虑配电网阻塞管理的虚拟电厂的资源优化组合模型,将虚拟电厂的调节能力与调节目标相结合,建立满足各方主体需求的资源优化组合模型;
支路潮流约束线性化,引入灵敏度参数,线性化描述支路传输功率改变与虚拟电厂调节功率之间的关系;
根据虚拟电厂对资源的调控权限,先根据资源优化组合模型确定由虚拟电厂直接控制资源的组合方式,再确定由分布式能源所有者控制的资源的组合方式。
优选地,所述构建虚拟电厂运行中多方主体的交互框架的步骤包括:
虚拟电厂与分布式能源交互,按调节权限将资源分为三类:第一类资源,可观不可控,分布式能源所有者在日前向虚拟电厂提交第二日的功率需求预测;第二类资源,可观且设备运行状态由虚拟电厂直接控制,分布式能源所有者在日前向虚拟电厂提交第二日的功率需求预测以及与虚拟电厂约定参与调节时间、调节方式和调节功率;第三类资源,可观且设备运行状态由分布式能源所有者控制,分布式能源所有者向虚拟电厂提供第二日的功率需求预测和功率可调节范围;虚拟电厂根据调节需求,直接控制第二类资源的设备运行状态,向第三类资源发布第二日资源所需提供的调节功率;
虚拟电厂与电力市场交互,虚拟电厂向日前电力市场提交竞标功率曲线,电力市场清算后向虚拟电厂发布竞标结果;
虚拟电厂与配电***运行商交互,虚拟电厂根据对分布式资源的出力预测聚合,形成基线功率,虚拟电厂向配电***运行商提交基线功率,辅助配电***运行商预测整个配网区域内负荷分布;配电***运行商向虚拟电厂发布配网负荷分布预测结果。
进一步,优选地,所述构建虚拟电厂互动资源的资源调节特性模型的步骤包括:
根据虚拟电厂对资源的调节权限及资源的可调节特性,第二类资源根据调节目标通过下式改变设备的运行状态,
根据虚拟电厂对资源的调节权限及资源的可调节特性,第三类资源对第二类资源提供下式范围内的调节功率,
Plb,t≤ΔPt≤Pub,t
其中,Plb,t、Pub,t分别为第二类资源可调节功率的下限与上限。
此外,优选地,所述构建虚拟电厂互动资源的资源调节特性模型的步骤还包括:
所述分布式能源包括电动汽车和储能,所述分布式能源所有者包括电动汽车用户和储能用户;
对于电动汽车用户,约定电动汽车可调节时间区间,虚拟电厂在保证调节前后调节周期内的累积充电量不发生变化的前提下在允许充电功率范围内,通过减缓电动汽车的充电功率,改变电动汽车的充电轨迹,
et+1=et+Pev,t
其中,et为在t时刻的累计充电量,Pev,t为在t时刻的充电功率,为允许最大充电功率,为未经充电时在t时刻的充电功率预测值,ΔPev,t为第在t时刻提供的充电功率调节值,etb为调节时间结束时的累计充电量;
对于储能用户,约定参与调节时段与可调功率范围,在保证一个调控周期后,储能电量不发生变化的前提下使得储能的荷电状态保持在健康范围内调整储能的充电功率,
-PN≤Pess,t≤PN
et+1=et+Pess,t
SOCt=SOC0+et/CN
其中,PN为储能的额定充电功率;和Pess,t分别表示调节前后t时刻储能的充电功率;SOCt表示t时刻储能的荷电状态;SOCt表示t时刻储能的荷电状态;CN表示储能的容量;和SOC表示储能调节过程中允许的SOC上限和下限。
此外,优选地,所述构建虚拟电厂互动资源的资源调节特性模型的步骤还包括:
所述分布式能源包括可控负荷,所述可控负荷包括工业可控负荷和商业可控负荷,所述分布式能源所有者包括工业可控负荷用户与商业可控负荷用户;
工业可控负荷用户与商业可控负荷用户每天向虚拟电厂运营商上报第二日的负荷需求,分为不可控负荷与可控负荷两部分上报,虚拟电厂根据可控负荷调节特性结合预期调节需求,向工业可控负荷用户与商业可控负荷用户发布预期调节目标,可控负荷在参与调节时的调节功率如下:
Plb,ind,t≤ΔPind,t≤Pub,ind,t
Plb,com,t≤ΔPcom,t≤Pub,com,t
其中,ΔPind,t为工业可控负荷可提供的调节功率;Plb,ind,t和Pub,ind,t分别为工业可控负荷可调节功率的下限与上限;ΔPcom,t为商业可控负荷用户可提供的调节功率;Plb,com,t和Pub,com,t分别为商业可控负荷可调节功率的下限与上限。
优选地,所述建立考虑配电网阻塞管理的虚拟电厂的资源优化组合模型的步骤包括:以调节成本最小化为目标选择参与虚拟电厂调节的资源优化组合方式,
其中,i表资源种类,n为配网节点编号,表示资源接入配网位置,Costi为资源i的调节成本系数,ε为单位电量偏差时受到的电力市场惩罚成本;Δt表示调节间隔时间段,λ为单个资源参与调节所需的接入成本,PVPP,t表示调控后t时刻虚拟电厂实际运行功率,Paim,t表示虚拟电厂与电力市场t时刻虚拟电厂调节后的预期运行功率,和为决策变量,共同表示节点n处的资源i参与调节状态,为0-1整数变量,表示选取该资源参与调节组合,表示该资源在t时刻提供的调节功率。
进一步,优选地,所述建立考虑配电网阻塞管理的虚拟电厂的资源优化组合模型的步骤还包括:分别从空间和时间两个尺度分析虚拟电厂的调节能力,包括:
在空间尺度上,虚拟电厂在节点n处的调节能力如下式所示:
在时间尺度上,虚拟电厂在t时刻的调节能力如下式所示:
虚拟电厂在时间尺度上的调节需求满足参与电力市场受到的外特性约束,
|PVPP,t-Paim,t|≤er
其中,er为虚拟电厂与电力市场约定的允许的功率偏差;
虚拟电厂辅助配电网进行阻塞管理,虚拟电厂调节后,配网各支路传输功率约束如下式:
-Pmn,N≤Pmn,t≤Pmn,N
其中,为支路m-n在未调节时的传输功率,m、n分别为支路两端连接节点编号;分别表示在未调节时节点m处电压的幅值与相位;gmn、bmn分别表示支路m-n的导纳数值;Pmn,t为调节后支路m-n传输功率;Pmn,,N为该支路允许的最大传输功率;ΔPmn,t为支路传输功率的改变量。
优选地,所述支路潮流约束线性化的步骤包括:
引入灵敏度参数线性化支路潮流的非线性约束,
其中,ΔPmn,t表示支路mn传输功率改变量,ΔPn,t表示节点n处,虚拟电厂聚合后可提供的调节功率,αP,mn,n,t和αQ,mn,n,t分别表示节点n有功注入功率和无功注入功率的改变对支路mn传输功率改变量的灵敏度,N表示配网范围内有可提供调节能力的虚拟电厂互动资源接入的节点数,ΔQn,t为节点n有功注入功率改变量。
进一步,优选地,所述支路潮流约束线性化的步骤包括:
引入灵敏度参数线性化支路潮流的非线性约束,
根据本发明的另一个方面,提供一种虚拟电厂多类型资源优化组合***,包括:
第一构建模块,构建虚拟电厂运行中多方主体的交互框架,在所述交互框架中,根据运行过程中涉及的各方主体的调节能力与需求,明确运行过程中各主体承担的任务,所述主体是分布式能源所有者、电力市场和配电***;
第二构建模块,构建虚拟电厂互动资源的资源调节特性模型,根据虚拟电厂与分布式能源所有者的协定,建立可参与虚拟电厂调节的资源调节特性模型,初步明确虚拟电厂的调节能力;
第三构建模块,建立考虑配电网阻塞管理的虚拟电厂的资源优化组合模型,将虚拟电厂的调节能力与调节目标相结合,建立满足各方主体需求的资源优化组合模型;
约束线性化模块,支路潮流约束线性化,引入灵敏度参数,线性化描述支路传输功率改变与虚拟电厂调节功率之间的关系;
资源优化组合模块,根据虚拟电厂对资源的调控权限,先根据资源优化组合模型确定由虚拟电厂直接控制资源的组合方式,再确定由分布式能源所有者控制的资源的组合方式。
本发明所述虚拟电厂多类型资源优化组合方法及***向配电网提供阻塞管理服务的资源优化组合方法,并且可克服分布式能源异构性,在目前电力***中有较强的适用性。采用虚拟电厂交互框架对分布式能源进行管理,可在不改变分布式能源并网方式的前提下,通过先进的控制、计量、通信等技术聚合各类分布式能源,实现地理位置分散、异构的分布式能源协调运行。
本发明所述虚拟电厂多类型资源优化组合方法及***可以使虚拟电厂向配网提供阻塞管理辅助服务时,参与电力市场获取更多利润,提高联盟结构的稳定性。
附图说明
图1为本发明所述虚拟电厂多类型资源优化组合方法的流程图;
图2为本发明的涉及的多方主体之间的互动流程示意图;
图3为验证所提模型有效性仿真基准配网***拓扑结构示意图;。
图4为组合方式及调节功率求解流程图;
图5为虚拟电厂聚合外特性示意;
图6为调控前配网支路传输功率分布;
图7为选定组合方式下虚拟电厂调节能力及调节目标;
图8为虚拟电厂资源调节功率分布;
图9为调控后配网支路传输功率分布;
图10是本发明所述虚拟电厂多类型资源优化组合***的构成框图的示意图。
具体实施方式
在下面的描述中,出于说明的目的,为了提供对一个或多个实施例的全面理解,阐述了许多具体细节。然而,很明显,也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中,为了便于描述一个或多个实施例,公知的结构和设备以方框图的形式示出。
下面将参照附图来对根据本发明的各个实施例进行详细描述。
图1是本发明所述虚拟电厂多类型资源优化组合方法的流程图,如图1所示,所述虚拟电厂多类型资源优化组合方法包括:
步骤S1,构建虚拟电厂运行中多方主体的交互框架,在所述交互框架中,根据运行过程中涉及的各方主体的调节能力与需求,明确运行过程中各主体承担的任务,所述主体是分布式能源所有者、电力市场和配电***运行商;
步骤S2,构建虚拟电厂互动资源的资源调节特性模型,根据虚拟电厂与分布式能源所有者的协定,建立可参与虚拟电厂调节的资源调节特性模型,初步明确虚拟电厂的调节能力;
步骤S3,建立考虑配电网阻塞管理的虚拟电厂的资源优化组合模型,将虚拟电厂的调节能力与调节目标相结合,建立满足各方主体需求的资源优化组合模型;
步骤S4,支路潮流约束线性化,引入灵敏度参数,线性化描述支路传输功率改变与虚拟电厂调节功率之间的关系;
步骤S5,根据虚拟电厂对资源的调控权限,先根据资源优化组合模型确定由虚拟电厂直接控制资源的组合方式,再确定由分布式能源所有者控制的资源的组合方式。
在步骤S1中,包括:
虚拟电厂与分布式能源交互,虚拟电厂与分布式能源所有者签订协议,明确虚拟电厂对互动资源的调节权限。按调节权限将资源分为三类:第一类资源,可观不可控,分布式能源所有者在日前向虚拟电厂提交第二日的功率需求预测;第二类资源,可观且设备运行状态由虚拟电厂直接控制,分布式能源所有者在日前向虚拟电厂提交第二日的功率需求预测以及与虚拟电厂约定参与调节时间、调节方式和调节功率/电量要求;第三类资源,可观且设备运行状态由分布式能源所有者控制,分布式能源所有者向虚拟电厂提供第二日的功率需求预测和功率可调节范围;虚拟电厂根据调节需求,直接控制第二类资源的设备运行状态,向第三类资源发布第二日资源所需提供的调节功率;
虚拟电厂与电力市场交互,虚拟电厂聚合分布式能源,形成一个具有灵活可调节能力的主体参与电力市场竞标。在交互过程中,虚拟电厂向日前电力市场提交竞标功率曲线,电力市场清算后向虚拟电厂发布竞标结果;
虚拟电厂与配电***运行商交互,虚拟电厂根据对分布式资源的出力预测聚合,形成基线功率。在交互过程中,虚拟电厂向配电***运行商提交基线功率,辅助配电***运行商预测整个配网区域内负荷分布;配电***运行商向虚拟电厂发布配网负荷分布预测结果。
在步骤S2中,根据虚拟电厂与分布式能源用户的协定,建立资源调节特性模型,包括:根据虚拟电厂对资源的调节权限及资源的可调节特性,第二类资源根据调节目标通过下式改变设备的运行状态,第二类资源提供的调节功率值如下式所示:
根据虚拟电厂对资源的调节权限及资源的可调节特性,第三类资源对第二类资源提供下式范围内的调节功率,
Plb,t≤ΔPt≤Pub,t
其中,Plb,t、Pub,t分别为第二类资源可调节功率的下限与上限。
在一个实施例中,所述分布式能源包括电动汽车和储能,所述分布式能源用户(分布式能源所有者的一种,分布式能源提供调节能力)包括电动汽车用户和储能用户;
对于电动汽车用户,约定电动汽车可调节时间区间,虚拟电厂在保证调节前后调节周期内的累积充电量不发生变化的前提下在允许充电功率范围内,通过减缓电动汽车的充电功率,改变电动汽车的充电轨迹,
et+1=et+Pev,t
其中,et为在t时刻的累计充电量,Pev,t为在t时刻的充电功率,为允许最大充电功率,为未经充电时在t时刻的充电功率预测值,ΔPev,t为第在t时刻提供的充电功率调节值,etb为调节时间结束时的累计充电量;
对于储能用户,约定参与调节时段与可调功率范围,在保证一个调控周期后,储能电量不发生变化的前提下使得储能的荷电状态保持在健康范围内调整储能的充电功率,
-PN≤Pess,t≤PN
et+1=et+Pess,t
SOCt=SOC0+et/CN
其中,PN为储能的额定充电功率;和Pess,t分别表示调节前后t时刻储能的充电功率;SOCt表示t时刻储能的荷电状态;SOC0为初始储能的荷电状态;CN表示储能的容量;和SOC表示储能调节过程中允许的SOC上限和下限。
在一个实施例中,所述分布式能源包括可控负荷,所述可控负荷包括工业可控负荷和商业可控负荷,所述分布式能源用户包括工业可控负荷用户与商业可控负荷用户;
工业可控负荷用户与商业可控负荷用户每天向虚拟电厂运营商上报第二日的负荷需求,分为不可控负荷与可控负荷两部分上报,虚拟电厂根据可控负荷调节特性结合预期调节需求,向工业可控负荷用户与商业可控负荷用户发布预期调节目标,可控负荷在参与调节时的调节功率如下:
Plb,ind,t≤ΔPind,t≤Pub,ind,t
Plb,com,t≤ΔPcom,t≤Pub,com,t
其中,ΔPind,t为工业可控负荷可提供的调节功率;Plb,ind,t和Pub,ind,t分别为工业可控负荷可调节功率的下限与上限;ΔPcom,t为商业可控负荷用户可提供的调节功率;Plb,com,t和Pub,com,t分别为商业可控负荷可调节功率的下限与上限。
在步骤S3中,建立考虑配电网阻塞管理的虚拟电厂的资源优化组合模型,为尽量减少对用户用电需求的影响,以调节成本最小化为目标选择参与虚拟电厂调节的资源优化组合方式,目标函数如下式所示:
其中,i表资源种类,n为配网节点编号,表示资源接入配网位置,Costi为资源i的调节成本系数,ε为单位电量偏差时受到的电力市场惩罚成本;Δt表示调节间隔时间段,λ为单个资源参与调节所需的接入成本,PVPP,t表示调控后t时刻虚拟电厂实际运行功率,Paim,t表示虚拟电厂与电力市场t时刻虚拟电厂调节后的预期运行功率,和为决策变量,共同表示节点n处的资源i参与调节状态,为0-1整数变量,表示选取该资源参与调节组合,表示该资源在t时刻提供的调节功率。
在一个实施例中,分别从空间和时间两个尺度分析虚拟电厂的调节能力,包括:
在空间尺度上,虚拟电厂在节点n处的调节能力如下式所示:
在时间尺度上,虚拟电厂在t时刻的调节能力如下式所示:
虚拟电厂在时间尺度上的调节需求满足参与电力市场受到的外特性约束,虚拟电厂与电力市场约定了Paim,t后,应尽量在各时段使PVPP,t与Paim,t一致,虚拟电厂在时间尺度上有一定调节需求满足参与电力市场受到的外特性约束,电力市场允许虚拟电厂实际功率与约定的目标功率存在一定偏差,约束如下
|PVPP,t-Paim,t|≤er
其中,er为虚拟电厂与电力市场约定的允许的功率偏差;
虚拟电厂辅助配电网进行阻塞管理,虚拟电厂调节后,配网各支路传输功率约束如下式,也就是说要求虚拟电厂调节后,配网各支路传输功率不越限:
-Pmn,N≤Pmn,t≤Pmn,N
其中,为支路m-n在未调节时的传输功率,m、n分别为支路两端连接节点编号;分别表示在未调节时节点m处电压的幅值与相位;gmn、bmn分别表示支路m-n的导纳数值;Pmn,t为调节后支路m-n传输功率;Pmn,,N为该支路允许的最大传输功率;ΔPmn,t为支路传输功率的改变量。
在步骤S4中,支路潮流约束线性化,虚拟电厂辅助配电***运行商进行阻塞管理的本质为调节可控资源的运行状态,改变资源所在配网节点的有功注入功率,从而改变配网的潮流分布,缓解支路阻塞,包括:
引入灵敏度参数线性化支路潮流的非线性约束,引入灵敏度参数α线性化支路潮流的非线性约束,ΔPmn,t由ΔPn,t和节点无功注入功率改变量(ΔQn,t)共同决定,支路传输功率改变量与虚拟电厂调节功率之间关系如下式所示:
其中,ΔPmn,t表示支路mn传输功率改变量,ΔPn,t表示节点n处,虚拟电厂聚合后可提供的调节功率,αP,mn,n,t和αQ,mn,n,t分别表示节点n有功注入功率和无功注入功率的改变对支路mn传输功率改变量的灵敏度,N表示配网范围内有可提供调节能力的虚拟电厂互动资源接入的节点数。
因此,支路传输功率改变量与虚拟电厂调节功率之间关系如下:
在步骤S5中,资源优化组合模型求解,得到资源优化组合方案,将资源优化组合问题分为两部分,根据虚拟电厂对资源的调控权限,先根据优化模型确定由虚拟电厂直接控制资源的组合方式,再确定由分布式能源用户控制的资源的组合方式,最终得到资源优化组合方案。
在本发明的一个优选实施例中,如图2所示,与虚拟电厂交互的分布式能源包括光伏、电动汽车、储能和可控负荷,其中,光伏为第一类资源,可观不可控;电动汽车和储能为第二类资源,可观且设备运行状态由虚拟电厂直接控制;可控负荷为第三类资源,具体分为工业可控负荷与商业可控负荷,可观且设备运行状态由用户(分布式能源所有者的一种)控制。虚拟电厂运行商聚合分布式光伏功率预测曲线、电动汽车充电预测轨迹、储能充放电轨迹和可控负荷用户的功率需求预测值,形成虚拟电厂功率基线。
结合资源所在位置,得到虚拟电厂在各节点的聚合基线功率,并将其提交至配网***运行商,配电***运行商向虚拟电厂发布配网各节点的负荷分布预测结果将各节点虚拟电厂基线功率聚合,在时间尺度上形成虚拟电厂总功率基线并将作为竞标功率提交至日前电力市场参与竞标,电力市场清算后,向虚拟电厂发布竞标结果,虚拟电厂以电力市场发布的竞标结果为目标功率Paim,t)。
根据虚拟电厂对资源的调节权限及资源的可调节特性,虚拟电厂对分布式光伏用户无调节权限,分布式光伏资源不提供调节功率。
根据虚拟电厂对资源的调节权限及资源的可调节特性,虚拟电厂满足与用户约定(调节的时段,调节方式与调节功率/电量要求)情况下,可根据调节需求直接控制电动汽车和储能设备运行状态。
对于电动汽车用户,约定电动汽车可调节时间区间[ta,tb],允许最大充电功率为虚拟电厂在允许充电功率范围内,通过减缓电动汽车的充电功率,改变电动汽车的充电轨迹,但保证调节前后调节周期内的累积充电量(e)不发生变化。此时,电动汽车调节特性可建立为:
et+1=et+Pev,t
储能与电动汽车类似,约定参与调节时段与可调功率范围。调节时,既可以改变储能的功率大小,也可以功率方向。储能运行状态还受设备荷电状态(SOC)影响,SOC与储能的充电轨迹与电池容量相关,设备持续运行在过低/过高SOC状态下,会影响储能设备性能,因此,调节过程中储能的SOC应始终保持在健康范围内。为保证储能设备的灵活调节能力,一个完整的调控周期后,储能电量不发生变化。储能调节特性可建立为:
-PN≤Pess,t≤PN
et+1=et+Pess,t
SOCt=SOC0+et/CN
式中,PN为储能的额定充电功率;和Pess,t分别表示调节前后t时刻储能的充电功率;et为t时刻储能的累积充电量,SOCt表示t时刻储能的荷电状态;CN表示储能的容量;和SOC表示储能调节过程中允许的SOC上限和下限。
根据虚拟电厂对资源的调节权限及资源的可调节特性,工业可控负荷用户与商业可控负荷用户每天向虚拟电厂运营商上报第二日的负荷需求,具体分为不可控负荷与可控负荷两部分上报,虚拟电厂根据可控负荷调节特性结合预期调节需求,向工、商业负荷用户发布预期调节目标,对具体设备的控制方式由用户决定。可控负荷在参与调节时可提供的调节功率如下:
Plb,ind,t≤ΔPind,t≤Pub,ind,t
Plb,com,t≤ΔPcom,t≤Pub,com,t
式中,ΔPind,t为工业负荷可提供的调节功率;Plb,ind,t和Pub,ind,t分别为工业负荷可调节功率的下限与上限;ΔPcom,t为商业负荷可提供的调节功率;Plb,com,t和Pub,com,t分别为商业负荷可调节功率的下限与上限。
在本发明的一个具体实施例中,如图3所示,该配网***分为城镇区域Feeder1与乡村区域Feeder2,开关S1,S2,S3闭合。未考虑可再生能源(光伏电站)出力时,配网的最大负荷为11.57MW+j3.78Mvar。电动汽车充电站、商业负荷多集中分布在城镇中心区域,光伏电站、工业负荷则多分布在乡村区域。可控负荷由工业可控负荷与商业可控负荷构成,工业可控负荷以可削减负荷的形式向VPP(Virtual Power Plant,虚拟电厂)提供调节能力,其中,工业负荷的可削减量约占工业负荷总量的20%,聚合后最大可提供400kW可削减负荷;商业可调节负荷占商业负荷总量的15%,可提供-50~250kW的调节功率。PV(光伏)的装机容量共计5700kW,允许功率削减比例为5%。电动汽车充电站最大负荷可达175kW。参与VPP调节的储能设备有3台,最大功率为400kW,装机总量共计1000kW。聚合后,VPP最大可提供-2.75~2.65MW的调节能力。
如图4所示,上述虚拟电厂的多类型资源优化组合方法包括:
步骤S10,根据虚拟电厂与电力市场约定功率,由目标功率与基线功率的差距确定时间尺度上虚拟电厂在各时刻所需提供调节功率:虚拟电厂的外特性如图5所示,未调控时虚拟电厂的聚合外特性为功率基线所示,根据虚拟电厂互动资源的调节特性,虚拟电厂具有在上调边界与下调边界之间的调节能力。
步骤S20,计算各支路传输功率分布。根据DSO(配电***运行商)提供的负荷预测,潮流计算,结合支路潮流与虚拟电厂调节功率之间的关系,确定各支路传输功率分布及传输功率允许变化范围。在未进行调控时,各支路的传输功率分布如图6所示,支路1—2和支路2—3传输功率较大,除7~18时段,有大量光伏的出力,改善了潮流的分布,缓解潮流阻塞,其余时段均存在支路传输功率越限现象。
步骤S30,根据调节功率,确定由虚拟电厂直接控制资源的组合方式。首先,可参与调节资源均参与调节情况下,根据目标调节功率计算由虚拟电厂直接控制的资源在各时刻所需提供调节功率若该资源在调控周期内提供调节电量,则认为该资源参与调节(i=电动汽车(EV),储能(ESS))。
步骤S50,若由虚拟电厂直接控制资源即可满足调节需求(|PVPP,t-Paim,t|≤er且-Pmn,N≤Pmn,t≤Pmn,N),则仅由VPP直接控制资源参与调节;若虚拟电厂直接控制资源调节能力有限,无法满足调节需求,则转至步骤S60。
步骤S60,根据可调节范围,确定由虚拟电厂用户控制资源的组合方式结合步骤S40中由虚拟电厂直接控制资源的组合状态及其在各时段的调节功率和目标调节功率,更新目标调节功率,即:资源类别i为由VPP直接控制的资源EV,ESS;根据由虚拟电厂用户控制资源的可调节范围,选出满足调节需求且可实现目标调节功率的资源组合方式,即:i为由虚拟电厂用户控制的资源工业可控负荷和商业可控负荷。虚拟电厂最终资源组合方式下,虚拟电厂的调节能力与调节需求如图7所示。
步骤S70,计算参与调节的资源的调节功率分布将步骤S40~S60确定各个资源参与调节的资源组合状态带入优化模型,模型为MILP,可直接使用商业求解软件CPLEX求解参与组合的各资源的调节功率。各类资源的调节功率分布情况如图8所示,可在时间上满足电力市场调节需求;结合各资源的理位置分布情况,调节后各支路的传输功率分布情况如图9所示,使得各支路的传输功率均在允许安全范围内,有效辅助配网***运行商进行阻塞管理。
图10是本发明所述虚拟电厂多类型资源优化组合***的构成框图,如图10所示,所述虚拟电厂多类型资源优化组合***包括:
第一构建模块1,构建虚拟电厂运行中多方主体的交互框架,在所述交互框架中,根据运行过程中涉及的各方主体的调节能力与需求,明确运行过程中各主体承担的任务,所述主体是分布式能源所有者、电力市场和配电***;
第二构建模块2,构建虚拟电厂互动资源的资源调节特性模型,根据虚拟电厂与分布式能源所有者的协定,建立可参与虚拟电厂调节的资源调节特性模型,初步明确虚拟电厂的调节能力;
第三构建模块3,建立考虑配电网阻塞管理的虚拟电厂的资源优化组合模型,将虚拟电厂的调节能力与调节目标相结合,建立满足各方主体需求的资源优化组合模型;
约束线性化模块4,支路潮流约束线性化,引入灵敏度参数,线性化描述支路传输功率改变与虚拟电厂调节功率之间的关系;
资源优化组合模块5,根据虚拟电厂对资源的调控权限,先根据资源优化组合模型确定由虚拟电厂直接控制资源的组合方式,再确定由分布式能源所有者控制的资源的组合方式。
本发明之虚拟电厂多类型资源优化组合***的具体实施方式与上述虚拟电厂多类型资源优化组合方法的具体实施方式大致相同,在此不再赘述。
尽管前面公开的内容示出了本发明的示例性实施例,但是应当注意,在不背离权利要求限定的范围的前提下,可以进行多种改变和修改。根据这里描述的发明实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外,尽管本发明的元素可以以个体形式描述或要求,但是也可以设想具有多个元素,除非明确限制为单个元素。
Claims (7)
1.一种虚拟电厂多类型资源优化组合方法,其特征在于,包括
构建虚拟电厂运行中多方主体的交互框架,在所述交互框架中,根据运行过程中涉及的各方主体的调节能力与需求,明确运行过程中各主体承担的任务,所述主体包括分布式能源所有者、电力市场和配电***运行商;
构建虚拟电厂互动资源的资源调节特性模型,根据虚拟电厂与分布式能源所有者的协定,建立可参与虚拟电厂调节的资源调节特性模型,初步明确虚拟电厂的调节能力;
建立考虑配电网阻塞管理的虚拟电厂的资源优化组合模型,将虚拟电厂的调节能力与调节目标相结合,建立满足各方主体需求的资源优化组合模型;
支路潮流约束线性化,引入灵敏度参数,线性化描述支路传输功率改变与虚拟电厂调节功率之间的关系;
根据虚拟电厂对资源的调控权限,先根据资源优化组合模型确定由虚拟电厂直接控制资源的组合方式,再确定由分布式能源所有者控制的资源的组合方式,其中,所述构建虚拟电厂运行中多方主体的交互框架的步骤包括:
虚拟电厂与分布式能源交互,按调节权限将资源分为三类:第一类资源,可观不可控,分布式能源所有者在日前向虚拟电厂提交第二日的功率需求预测;第二类资源,可观且设备运行状态由虚拟电厂直接控制,分布式能源所有者在日前向虚拟电厂提交第二日的功率需求预测以及与虚拟电厂约定参与调节时间、调节方式和调节功率;第三类资源,可观且设备运行状态由分布式能源所有者控制,分布式能源所有者向虚拟电厂提供第二日的功率需求预测和功率可调节范围;虚拟电厂根据调节需求,直接控制第二类资源的设备运行状态,向第三类资源发布第二日资源所需提供的调节功率;
虚拟电厂与电力市场交互,虚拟电厂向日前电力市场提交竞标功率曲线,电力市场清算后向虚拟电厂发布竞标结果;
虚拟电厂与配电***运行商交互,虚拟电厂根据对分布式资源的出力预测聚合,形成基线功率,虚拟电厂向配电***运行商提交基线功率,辅助配电***运行商预测整个配网区域内负荷分布;配电***运行商向虚拟电厂发布配网负荷分布预测结果,
其中,所述构建虚拟电厂互动资源的资源调节特性模型的步骤包括:
根据虚拟电厂对资源的调节权限及资源的可调节特性,第二类资源根据调节目标通过下式改变设备的运行状态,
根据虚拟电厂对资源的调节权限及资源的可调节特性,第三类资源对第二类资源提供下式范围内的调节功率,
Plb,t≤ΔPt≤Pub,t
其中,Plb,t、Pub,t分别为第二类资源可调节功率的下限与上限,
其中,所述构建虚拟电厂互动资源的资源调节特性模型的步骤还包括:
所述分布式能源包括电动汽车和储能,所述分布式能源所有者包括电动汽车用户和储能用户;
对于电动汽车用户,约定电动汽车可调节时间区间,虚拟电厂在保证调节前后调节周期内的累积充电量不发生变化的前提下在允许充电功率范围内,通过减缓电动汽车的充电功率,改变电动汽车的充电轨迹,
et+1=et+Pev,t
其中,et为在t时刻的累计充电量,Pev,t为在t时刻的充电功率,为允许最大充电功率,为未经充电时在t时刻的充电功率预测值,ΔPev,t为第在t时刻提供的充电功率调节值,etb为调节时间结束时的累计充电量;
对于储能用户,约定参与调节时段与可调功率范围,在保证一个调控周期后,储能电量不发生变化的前提下使得储能的荷电状态保持在健康范围内调整储能的充电功率,
-PN≤Pess,t≤PN
et+1=et+Pess,t
SOCt=SOC0+et/CN
2.根据权利要求1所述的虚拟电厂多类型资源优化组合方法,其特征在于,所述构建虚拟电厂互动资源的资源调节特性模型的步骤还包括:
所述分布式能源包括可控负荷,所述可控负荷包括工业可控负荷和商业可控负荷,所述分布式能源所有者包括工业可控负荷用户与商业可控负荷用户;
工业可控负荷用户与商业可控负荷用户每天向虚拟电厂运营商上报第二日的负荷需求,分为不可控负荷与可控负荷两部分上报,虚拟电厂根据可控负荷调节特性结合预期调节需求,向工业可控负荷用户与商业可控负荷用户发布预期调节目标,可控负荷在参与调节时的调节功率如下:
Plb,ind,t≤ΔPind,t≤Pub,ind,t
Plb,com,t≤ΔPcom,t≤Pub,com,t
其中,ΔPind,t为工业可控负荷可提供的调节功率;Plb,ind,t和Pub,ind,t分别为工业可控负荷可调节功率的下限与上限;ΔPcom,t为商业可控负荷用户可提供的调节功率;Plb,com,t和Pub,com,t分别为商业可控负荷可调节功率的下限与上限。
3.根据权利要求1所述的虚拟电厂多类型资源优化组合方法,其特征在于,所述建立考虑配电网阻塞管理的虚拟电厂的资源优化组合模型的步骤包括:以调节成本最小化为目标选择参与虚拟电厂调节的资源优化组合方式,
4.根据权利要求3所述的虚拟电厂多类型资源优化组合方法,其特征在于,所述建立考虑配电网阻塞管理的虚拟电厂的资源优化组合模型的步骤还包括:分别从空间和时间两个尺度分析虚拟电厂的调节能力,包括:
在空间尺度上,虚拟电厂在节点n处的调节能力如下式所示:
在时间尺度上,虚拟电厂在t时刻的调节能力如下式所示:
虚拟电厂在时间尺度上的调节需求满足参与电力市场受到的外特性约束,
|PVPP,t-Paim,t|≤er
其中,er为虚拟电厂与电力市场约定的允许的功率偏差;
虚拟电厂辅助配电网进行阻塞管理,虚拟电厂调节后,配网各支路传输功率约束如下式:
-Pmn,N≤Pmn,t≤Pmn,N
7.一种虚拟电厂多类型资源优化组合***,其特征在于,包括:
第一构建模块,构建虚拟电厂运行中多方主体的交互框架,在所述交互框架中,根据运行过程中涉及的各方主体的调节能力与需求,明确运行过程中各主体承担的任务,所述主体是分布式能源所有者、电力市场和配电***;
第二构建模块,构建虚拟电厂互动资源的资源调节特性模型,根据虚拟电厂与分布式能源所有者的协定,建立可参与虚拟电厂调节的资源调节特性模型,初步明确虚拟电厂的调节能力;
第三构建模块,建立考虑配电网阻塞管理的虚拟电厂的资源优化组合模型,将虚拟电厂的调节能力与调节目标相结合,建立满足各方主体需求的资源优化组合模型;
约束线性化模块,支路潮流约束线性化,引入灵敏度参数,线性化描述支路传输功率改变与虚拟电厂调节功率之间的关系;
资源优化组合模块,根据虚拟电厂对资源的调控权限,先根据资源优化组合模型确定由虚拟电厂直接控制资源的组合方式,再确定由分布式能源所有者控制的资源的组合方式,
其中,所述构建虚拟电厂运行中多方主体的交互框架的步骤包括:
虚拟电厂与分布式能源交互,按调节权限将资源分为三类:第一类资源,可观不可控,分布式能源所有者在日前向虚拟电厂提交第二日的功率需求预测;第二类资源,可观且设备运行状态由虚拟电厂直接控制,分布式能源所有者在日前向虚拟电厂提交第二日的功率需求预测以及与虚拟电厂约定参与调节时间、调节方式和调节功率;第三类资源,可观且设备运行状态由分布式能源所有者控制,分布式能源所有者向虚拟电厂提供第二日的功率需求预测和功率可调节范围;虚拟电厂根据调节需求,直接控制第二类资源的设备运行状态,向第三类资源发布第二日资源所需提供的调节功率;
虚拟电厂与电力市场交互,虚拟电厂向日前电力市场提交竞标功率曲线,电力市场清算后向虚拟电厂发布竞标结果;
虚拟电厂与配电***运行商交互,虚拟电厂根据对分布式资源的出力预测聚合,形成基线功率,虚拟电厂向配电***运行商提交基线功率,辅助配电***运行商预测整个配网区域内负荷分布;配电***运行商向虚拟电厂发布配网负荷分布预测结果,
其中,所述构建虚拟电厂互动资源的资源调节特性模型的步骤包括:
根据虚拟电厂对资源的调节权限及资源的可调节特性,第二类资源根据调节目标通过下式改变设备的运行状态,
根据虚拟电厂对资源的调节权限及资源的可调节特性,第三类资源对第二类资源提供下式范围内的调节功率,
Plb,t≤ΔPt≤Pub,t
其中,Plb,t、Pub,t分别为第二类资源可调节功率的下限与上限,
其中,所述构建虚拟电厂互动资源的资源调节特性模型的步骤还包括:
所述分布式能源包括电动汽车和储能,所述分布式能源所有者包括电动汽车用户和储能用户;
对于电动汽车用户,约定电动汽车可调节时间区间,虚拟电厂在保证调节前后调节周期内的累积充电量不发生变化的前提下在允许充电功率范围内,通过减缓电动汽车的充电功率,改变电动汽车的充电轨迹,
et+1=et+Pev,t
其中,et为在t时刻的累计充电量,Pev,t为在t时刻的充电功率,为允许最大充电功率,为未经充电时在t时刻的充电功率预测值,ΔPev,t为第在t时刻提供的充电功率调节值,etb为调节时间结束时的累计充电量;
对于储能用户,约定参与调节时段与可调功率范围,在保证一个调控周期后,储能电量不发生变化的前提下使得储能的荷电状态保持在健康范围内调整储能的充电功率,
-PN≤Pess,t≤PN
et+1=et+Pess,t
SOCt=SOC0+et/CN
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010511508.3A CN111915125B (zh) | 2020-06-08 | 2020-06-08 | 虚拟电厂多类型资源优化组合方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010511508.3A CN111915125B (zh) | 2020-06-08 | 2020-06-08 | 虚拟电厂多类型资源优化组合方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111915125A CN111915125A (zh) | 2020-11-10 |
CN111915125B true CN111915125B (zh) | 2022-07-29 |
Family
ID=73238046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010511508.3A Active CN111915125B (zh) | 2020-06-08 | 2020-06-08 | 虚拟电厂多类型资源优化组合方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915125B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381146B (zh) * | 2020-11-16 | 2024-05-21 | 海南省电力学校(海南省电力技工学校) | 虚拟电厂下的分布式资源自组织聚合与协同控制方法 |
CN112383093B (zh) * | 2020-11-30 | 2023-06-20 | 深圳供电局有限公司 | 一种虚拟电厂可调控资源控制及评价*** |
CN113410866A (zh) * | 2020-12-03 | 2021-09-17 | 广东电网有限责任公司广州供电局 | 一种虚拟电厂在线功率自动调节装置及其调节方法 |
CN113506028B (zh) * | 2021-07-27 | 2024-05-28 | 国网山东省电力公司经济技术研究院 | 基于多站合一的综合服务站资源动态组合方法和*** |
CN114205381B (zh) * | 2021-11-29 | 2024-05-14 | 国网福建省电力有限公司经济技术研究院 | 一种包含虚拟电厂负荷分类、资源建模及参与电力市场交易的*** |
CN115049323B (zh) * | 2022-08-16 | 2022-11-15 | 东方电子股份有限公司 | 一种基于分布式资源协同的虚拟电厂监督*** |
CN115237080B (zh) * | 2022-09-19 | 2022-12-09 | 国网信息通信产业集团有限公司 | 基于虚拟电厂的设备调控方法、装置、设备和可读介质 |
CN115222298B (zh) * | 2022-09-20 | 2023-04-18 | 国网上海能源互联网研究院有限公司 | 虚拟电厂可调容量构建方法、装置、存储介质及电子设备 |
CN116505595B (zh) * | 2023-06-29 | 2023-09-15 | 国网安徽省电力有限公司巢湖市供电公司 | 一种基于虚拟电厂的电力监测调度管理*** |
CN116757445B (zh) * | 2023-08-14 | 2023-11-14 | 国网上海能源互联网研究院有限公司 | 一种虚拟电厂调节能力快速分配方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761109A (zh) * | 2016-02-19 | 2016-07-13 | 刘隽琦 | 虚拟电厂能源管理和电力交易的智能管理***及其优化运行方法 |
EP3288141A1 (de) * | 2016-07-25 | 2018-02-28 | Bioenergon Green Energy Ltd | Automatisiertes batteriespeicher-system und kraftwerk, zur erzeugung von strom, stabilisierung der netze, erbringung von regelenergie |
CN108683211A (zh) * | 2018-04-19 | 2018-10-19 | 东南大学 | 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型 |
CN109672178A (zh) * | 2019-01-28 | 2019-04-23 | 上海电力学院 | 商业型与技术型虚拟电厂共同运行的虚拟电厂模型 |
CN111245026A (zh) * | 2020-03-09 | 2020-06-05 | 国网冀北电力有限公司 | 虚拟电厂调控方法、***及设备 |
-
2020
- 2020-06-08 CN CN202010511508.3A patent/CN111915125B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761109A (zh) * | 2016-02-19 | 2016-07-13 | 刘隽琦 | 虚拟电厂能源管理和电力交易的智能管理***及其优化运行方法 |
EP3288141A1 (de) * | 2016-07-25 | 2018-02-28 | Bioenergon Green Energy Ltd | Automatisiertes batteriespeicher-system und kraftwerk, zur erzeugung von strom, stabilisierung der netze, erbringung von regelenergie |
CN108683211A (zh) * | 2018-04-19 | 2018-10-19 | 东南大学 | 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型 |
CN109672178A (zh) * | 2019-01-28 | 2019-04-23 | 上海电力学院 | 商业型与技术型虚拟电厂共同运行的虚拟电厂模型 |
CN111245026A (zh) * | 2020-03-09 | 2020-06-05 | 国网冀北电力有限公司 | 虚拟电厂调控方法、***及设备 |
Non-Patent Citations (3)
Title |
---|
基于均衡理论的虚拟电厂市场参与模式及方法;安麒 等;《电力建设》;20200601;第41卷(第06期);1-8 * |
基于技术型虚拟电厂的配电网阻塞管理;周宇 等;《全球能源互联网》;20190523;第02卷(第03期);302-308 * |
考虑内部响应意愿的虚拟电厂日内互动机制;方燕琼 等;《现代电力》;20190123(第03期);88-94 * |
Also Published As
Publication number | Publication date |
---|---|
CN111915125A (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111915125B (zh) | 虚拟电厂多类型资源优化组合方法及*** | |
Das et al. | Multi-objective techno-economic-environmental optimisation of electric vehicle for energy services | |
Xu et al. | Decentralized charging control strategy of the electric vehicle aggregator based on augmented Lagrangian method | |
Wang et al. | Hybrid centralized-decentralized (HCD) charging control of electric vehicles | |
CN107392395A (zh) | 一种基于价格激励机制的配电网和微电网协调优化方法 | |
CN109347151A (zh) | 一种新能源参与调峰的送端电网电源结构优化方法 | |
CN111079971A (zh) | 一种考虑车、站、网三方的充电站定价方法 | |
CN109390973A (zh) | 一种考虑通道约束的送端电网电源结构优化方法 | |
CN106505579A (zh) | 一种电动汽车参与配电网电压调节的调度控制方法 | |
Xu et al. | Optimal allocation of power supply systems in industrial parks considering multi-energy complementarity and demand response | |
CN109598433A (zh) | 考虑弃能成本和调峰需求的送端电网电源结构规划方法 | |
Gupta et al. | Voltage profile improvement using demand side management in distribution networks under frequency linked pricing regime | |
CN113887032A (zh) | 基于拉格朗日分布式算法的电动汽车有序充放电控制方法 | |
Lin et al. | Blockchain-based intelligent charging station management system platform | |
CN110348610A (zh) | 一种基于技术型虚拟电厂的配电网阻塞管理方法 | |
CN113379566A (zh) | 虚拟电厂支撑*** | |
Afshar et al. | A distributed electric vehicle charging scheduling platform considering aggregators coordination | |
Kilkki et al. | Optimizing residential heating and energy storage flexibility for frequency reserves | |
Shi et al. | Efficient energy management of wireless charging roads with energy storage for coupled transportation–power systems | |
Shi et al. | An economic evaluation of electric vehicles balancing grid load fluctuation, new perspective on electrochemical energy storage alternative | |
Liu et al. | Optimal peer-to-peer energy trading for buildings based on data envelopment analysis | |
Cao et al. | Research on the pricing strategies of electric vehicle charging operators based on an evolutionary game model | |
CN117217841B (zh) | 计及虚拟电厂广义能量约束的多元市场出清***优化方法 | |
Wang et al. | A novel scheduling strategy for virtual power plant based on power market dynamic triggers | |
CN115967083A (zh) | 一种虚拟电厂的运行控制方法及*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |