CN112467730B - 考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法 - Google Patents

考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法 Download PDF

Info

Publication number
CN112467730B
CN112467730B CN202011307109.1A CN202011307109A CN112467730B CN 112467730 B CN112467730 B CN 112467730B CN 202011307109 A CN202011307109 A CN 202011307109A CN 112467730 B CN112467730 B CN 112467730B
Authority
CN
China
Prior art keywords
load
power
scheduling
wind
demand response
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
Application number
CN202011307109.1A
Other languages
English (en)
Other versions
CN112467730A (zh
Inventor
苟竞
李奥
雷云凯
刘阳
刘嘉蔚
陈玮
张琳
李婷
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 Sichuan Economic Research Institute
Original Assignee
State Grid Sichuan Economic Research Institute
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 Sichuan Economic Research Institute filed Critical State Grid Sichuan Economic Research Institute
Priority to CN202011307109.1A priority Critical patent/CN112467730B/zh
Publication of CN112467730A publication Critical patent/CN112467730A/zh
Application granted granted Critical
Publication of CN112467730B publication Critical patent/CN112467730B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • 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
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J2203/20—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
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Power Engineering (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法，其特征在于，包括：(1)制定电价；(2)建立风光出力预测误差模型并分析负荷需求响应与电价的敏感性，构建价格型需求响应与常规机组灵活协调调度模型；(3)以***运行总费用最低建立目标模型对用户需求响应进行再分配；(4)分析激励型负荷需求响应的基本约束条件，并建立以***最小不平衡功率为目标、时间尺度为分钟级的实时调度模型，最终在满足基本约束条件前提下根据实时调度模型输出实时调度计划。本发明能够有效应对风电、光伏的预测误差，平抑负荷、风电和光伏的波动性，实现了对风电、光伏的高效率消纳以及源荷双端灵活性资源***的优化调度。

Description

考虑风光出力预测误差和需求响应灵活性的电力***优化调 度方法
技术领域
本发明涉及电力技术领域，具体地说，是涉及一种考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法。
背景技术
随着能源问题日益严重与电力***的发展，风电、光电等新能源是未来解决能源日益短缺问题的重要解决方式之一，受到各国大力扶持，但风电、光伏的接入使得电网产生大量不确定性因素，使得随着风电、光伏接入规模的增大而导致弃风、弃光的现象越发严重。
目前针对风电、光伏等新能源的不确定性因素与消纳问题，国内外诸多专家进行了大量研究。有学者基于激励和电价两类需求的响应互补关系，建立了灵活配置日前电价型和日内激励型需求响应资源参与电力平衡的两阶段随机规划风电消纳机组组合模型。有学者则进一步将风光出力不确定性考虑进来，建立了两阶段优化模型或可调节鲁棒优化模型。在应对不同时间尺度优化调度问题上，有学者提出了通过分析常规电源、需求响应和高载能负荷在调节风电、光伏波动上的互补关系，提出一种源-荷互动两级协调控制策略，以实现风电功率的最大消纳。
以上研究对解决风电、光伏的不确定性与消纳问题具有重要意义，但仍然存在以下问题待进一步解决：
1、如何充分挖掘供需双侧调度资源灵活特性与经济性，实现源荷双端灵活性资源***优化调度；
2、如何将多类型需求响应与多时间尺度相结合调度减小风光、光伏不确定性因素，提高对风光电的消纳。
发明内容
本发明的目的在于提供一种考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法，以实现源荷双端灵活性资源***优化调度，并提高对风光电的消纳。
为实现上述目的，本发明采用的技术方案如下：
考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法，包括以下步骤：
步骤1：电网公司制定电价；
步骤2：建立风光出力预测误差模型并分析负荷需求响应与电价的敏感性，构建价格型需求响应与常规机组灵活协调调度模型，从而进行日前调度计算，确定常规机组运行计划和负荷运行计划；所述的价格型需求响应包括电价型负荷需求响应和激励型负荷需求响应，其中，电价型负荷需求响应用于参与日签调度与日内调度，激励型负荷需求响应用于参与实时调度；
所述的调度模型如下：
Figure BDA0002788626680000021
式中：f1表示形态相似性与数值相似性的大小；
Figure BDA0002788626680000022
表示负荷需求大小；
Figure BDA0002788626680000023
表示在日签预测下***的调度出力大小，包含电价型负荷削减、风电出力、光伏出力、常规机组出力大小；t∈1:T,T＝24表示日前调度以1小时为时间尺度进行调度；
步骤3：通过风电、光伏短期出力预测修正日签预测误差，分析风电光伏出力预测误差对实时电价和用户负荷需求造成的影响，以***运行总费用最低建立目标模型对用户需求响应进行再分配，重新确定常规机组运行计划和负荷运行计划；所述的目标模型如下：
Figure BDA0002788626680000024
式中：f2为***调度的费用，
Figure BDA0002788626680000025
分别为电价型负荷、光伏、风电、常规机组调度成本；
步骤4：分析激励型负荷需求响应的基本约束条件，并建立以***最小不平衡功率为目标、时间尺度为分钟级的实时调度模型，最终在满足基本约束条件前提下根据实时调度模型输出实时调度计划；所述的基本约束条件包括可中断负荷、可平移负荷和可削减负荷，三者的约束条件分别如下：
可中断负荷约束：
Figure BDA0002788626680000026
式中：Pi(t)、Pi,ratexi(t)分别表示负荷实际功率与额定功率；xa(t)为表示负荷运行状态的0/1变量；
可平移负荷约束：
Figure BDA0002788626680000031
式中：xi(t)表示负荷i的运行状态，表示处于运行状态；ya(t)表示负荷的启停情况，ya(t)＝0表示该负荷停运；αi、βi为常数，且αi<βi；
可削减负荷约束：
Figure BDA0002788626680000032
式中：xi,l(t)表示运行状态的0/1变量；ni表示可削减的n个连续功率模式；Pa,i(t)表示可调功率大小；
所述的实时调度模型如下：
Figure BDA0002788626680000033
式中：
Figure BDA0002788626680000034
表示可转移负荷、可中断负荷、可平移负荷调度总量；
Figure BDA0002788626680000035
分别表示风电、光伏、常规机组实际出力大小；
Figure BDA00027886266800000312
表示t时段电价型负荷响应初始响应量。
具体地，所述步骤2中，风电实际出力模型如下：
Figure BDA0002788626680000037
光伏实际出力模型如下：
Figure BDA0002788626680000038
式中，
Figure BDA0002788626680000039
表示风电、光伏预测值；
Figure BDA00027886266800000310
表示风电、光伏的预测偏差。
进一步地，所述步骤2中还加入了***约束条件，分别为***功率平衡约束、常规机组上下限约束和功率爬坡约束，其中：
常规机组上下限约束如下：
Figure BDA0002788626680000036
式中：
Figure BDA00027886266800000311
分别表示常规出力机组在时间t刻的最小和最大出力，Pg,t表示机组当前出力大小，ug,t表示机组运行状态，当ug,t＝1时表示该机组处于运行状态，反之表示该机组停运；
功率爬坡约束如下：
Figure BDA0002788626680000041
式中：Pg,t表示机组在时间t时的出力大小，Pg,t-1表示机组在时间t-1时的出力大小，Ru为常规机组爬坡上限。
具体地，所述步骤3中，以日内预测数据为基础对电价进行修正：
Figure BDA0002788626680000042
式中，ΔC为电价变化量，C为实时电价；
并采用价格需求弹性表示电价与电价型负荷变化率之间的关系：
Figure BDA0002788626680000044
式中，λ为电价型负荷资源t时段电价变化对电价型负荷响应率的影响；
Figure BDA0002788626680000047
表示t时段电价型负荷响应变化量；ΔCt、Ct表示t时段电价变化量与初始电价；
Figure BDA0002788626680000048
值为负时对应的功率为日内调度重新分配量。
作为优选，日内调度以15min为时间尺度进行风光、光伏出力预测。
再进一步地，所述步骤4中，以***最小不平衡功率为目标、1min为时间尺度建立实时调度模型。
再进一步地，所述步骤4中还加入了可转移负荷与可削减负荷的削减量的上下限约束：
Figure BDA0002788626680000043
式中：αt、γt表示激励型负荷可削减或转移负荷的削减率上下限，
Figure BDA0002788626680000045
表示该负荷在时间t的初始负荷量，
Figure BDA0002788626680000046
表示该负荷在当前时刻的削减量，η为负荷总量变化率的上限。
本发明主要设计思路如下：
1、以负荷曲线与风光出力的形态相似性和数值相似性为目标建立目标函数，实现日前调度实现风光出力与负荷在大范围内的匹配，
2、以某时刻用户受电价影响而减少的这部分用电负荷作为日内调度需求响应再分配量，以实现***总运行成本最低的目标。
3、先依靠负荷需求与清洁能源出力两者尽可能达到实时供需匹配，减少实时运行中常规机组的调度频率，充分挖掘需求响应调度潜力。
4、构建日前、日内、实时三阶段的调度策略，从而逐步减少负荷、风电和光伏预测误差对电网运行造成的影响。
因此，与现有技术相比，本发明具有以下有益效果：
(1)本发明结合了价格型需求响应与激励型需求响应资源特性构建日前、日内与实时三阶段调度模型，该调度方式能够有效应对风电、光伏的预测误差，平抑负荷、风电和光伏的波动性，从而实现了对风电、光伏的高效率消纳。
(2)本发明中，日内调度以电网运行费用最低为目标，在风光出力与负荷在大范围内的匹配的基础上，实现日内的经济调度，可以在促进清洁能源消纳的同时降低电网调度运行成本。实时调度阶段则充分利用了需求响应的调度潜力，减少了常规机组出力的调度频率，形成了负荷与清洁能源供需两端匹配，常规机组进行兜底调节的模式。如此便能使电网尽可能处于低碳低成本的运行状态，进而实现源荷双端灵活性资源***的优化调度。
附图说明
图1为本发明的流程示意图。
图2为本发明-实施例中日前确定的电价示意图。
图3为本发明-实施例中日前预测得到的负荷、风光出力曲线图。
图4为本发明-实施例中PDR调度结果示意图。
图5为本发明-实施例中调度后负荷曲线图。
图6为本发明-实施例中风光预测出力曲线图。
图7为本发明-实施例中日内调度结果示意图。
图8为本发明-实施例中实时调度后负荷曲线图。
图9为本发明-实施例中IDR调度结果示意图。
具体实施方式
本发明提出了考虑需求响应灵活性的含风电-光伏电力***运行优化调度策略，该调度策略主要结合价格型需求响应与激励型需求响应资源特性构建日前、日内与实时三阶段调度模型。在调度模型中，日前阶段分析一般居民用电需求响应与电价的敏感性，以日前调度与负荷需求曲线相似和数值相似为目标，构建日前价格型需求响应与常规机组灵活协调调度模型。日内调度以***运行费用最低为目标，通过风电、光伏短期预测分析日前预测误差对电价的影响实现对日前调度的修正。实时调度模型以不平衡功率最小为目标，以多种类型激励型负荷特性平衡不确定性误差，以提高风电、光伏的消纳。
如图1所示，本发明的实现流程如下：
步骤1、电网公司制定电价。
步骤2、建立风光出力预测误差模型并分析负荷需求响应与电价的敏感性，构建价格型需求响应与常规机组灵活协调调度模型：
2.1、目前对风电、光伏的出力调度大多以调度先预测，调度中修正的方式实现对风电、光伏出力控制。为使建立的模型与实际相符合，通常将预测得到的预测值加上预测的误差值来表示风电光伏的基本出力情况，模型如下：
风电实际出力模型：
Figure BDA0002788626680000061
光伏实际出力模型：
Figure BDA0002788626680000062
式中：
Figure BDA0002788626680000063
分别表示风电、光伏实际出力，
Figure BDA0002788626680000064
表示风电、光伏预测值；
Figure BDA0002788626680000065
表示风电、光伏的预测偏差。
2.2、本发明将需求响应分为电价型负荷(PDR)：通过分时电价引导用户自发调整用电行为，如居民用电负荷中；激励性负荷(IDR)：通过补偿激励用户与电网签订协议，如可转移的负荷、可中断负荷等、可削减负荷。两种需求响应性能和持续时间性能也大不相同，例如PDR类负荷：响应时间长，持续时间短；IDR类负荷：响应时间短，持续时间长。也正是因为性能不同使得参与的调度计划也不同。PDR型负荷适合参与日前调度与日内调度，IDR型负荷适合参与实时调度。
2.3、日前调度提前24小时对次日风光出力进行预测，在考虑实时电价的基础上调度PDR负荷响应的电量，以负荷曲线与风光出力的形态相似性和数值相似性为目标建立目标函数，实现日前调度实现风光出力与负荷在大范围内的匹配，实现日前调度可靠性。
Figure BDA0002788626680000071
式中：f1表示形态相似性与数值相似性的大小；
Figure BDA0002788626680000074
表示负荷需求大小；
Figure BDA0002788626680000075
表示在日前预测下***的调度出力大小，包含PDR负荷削减、风电出力、光伏出力、常规机组出力大小；t∈1:T,T＝24表示日前调度以1小时为时间尺度进行调度。
步骤3、通过风电、光伏短期出力预测修正日前预测误差，分析风电光伏出力预测误差对实时电价和用户负荷需求造成的影响，以***运行总费用最低为目标建立模型对用户需求响应进行再分配：
3.1、由于预测信息与时间尺度特性关系：预测时间离实际运行出力越短，精度越高，成本越低。本发明中，日内调度以15min为时间尺度进行风光、光伏出力预测，同时在短期预测下的风光出力也将影响电价的变化，以日内预测数据为基础对电价进行修正：
Figure BDA0002788626680000072
式中，ΔC为电价变化量，C为实时电价。
PDR资源主要通过电价影响用户用电行为，故负荷响应率与电价变化之间呈弹性系数矩阵关系，即采用价格需求弹性表示电价与PDR变化率之间的关系：
Figure BDA0002788626680000076
式中，λ为PDR资源t时段电价变化对PDR响应率的影响。
Figure BDA0002788626680000077
分别表示t时段PDR响应变化量与初始响应量；ΔCt、Ct表示t时段电价变化量与初始电价。
Figure BDA0002788626680000078
值为负时对应的功率为日内调度重新分配量。
3.2、在日前调度风光出力与负荷在大范围内匹配的基础上，日内对电价修正的后以***运行总费用最低为目标建立模型实现***调度经济性，模型如下：
Figure BDA0002788626680000073
式中：f2为***调度的费用，
Figure BDA0002788626680000079
分别为PDR型负荷、光伏、风电、常规机组调度成本。在日前调度总，而在日内调度总通过短期预测对调度进行了修正，同时确定了常规机组的调度，实时阶段将不再修改常规机组的调度计划。
***约束条件：
(1)***功率平衡约束条件。
(2)常规机组上下限约束
Figure BDA0002788626680000081
式中：
Figure BDA0002788626680000084
分别表示常规出力机组在时间t刻的最小和最大出力，Pg,t表示机组当前出力大小，ug,t表示机组运行状态，当ug,t＝1时表示该机组处于运行状态，反之表示该机组停运。
(3)功率爬坡约束
Figure BDA0002788626680000082
式中：Pg,t表示机组在时间t时的出力大小，Pg,t-1表示机组在时间t-1时的出力大小，Ru为常规机组爬坡上限。
步骤4、分析三种激励型需求响应的基本约束条件，建立以***最小不平衡功率为目标，1min为时间尺度的实时调度模型：
4.1、可中断负荷主要是指在运行工作状态能够随时中断运行的负荷，在累积中断运行时间不长的情况下对用户的基本生产生活几乎不起影响作用，例如电动汽车等。
假设可中断负荷的功率恒定，其基本约束如下:
Figure BDA0002788626680000083
式中：Pi(t)、Pi,ratexi(t)分别表示负荷实际功率与额定功率；xa(t)为表示负荷运行状态的0/1变量。
可平移负荷主要是指负荷在正常运行过程中不可中断其工作状态但可以将该中作状态提前或者延后的负荷，例如洗衣机等。
假设可转移负荷的功率恒定，其基本约束如下：
Figure BDA0002788626680000091
式中：xi(t)表示负荷i的运行状态，表示处于运行状态；ya(t)表示负荷的启停情况，ya(t)＝0表示该负荷停运；αi、βi为常数，且αi<βi。
可削减负荷主要是指在运行工作状态的负荷可以切掉部分功率而不影响用户的基本生产生活，如功率亮度可调节的工作屏幕等。
假设可削减负荷的功率恒定，其基本约束如下:
Figure BDA0002788626680000092
式中：xi,l(t)表示运行状态的0/1变量；ni表示可削减的ni个连续功率模式；Pa,i(t)表示可调功率大小。
4.2、常规机组调度计划与PDR型负荷的调度计划已在日内调度中确定，且其响应性能不适合与实时调度，但因风电、光伏出力预测以及负荷预测误差在实时调度中仍然存在一定不平衡功率的存在，故本发明利用响应性能优越的IDR型负荷作为实时调度资源平衡不平衡功率，以最小不平衡功率为目标，1min为时间尺度进行实时调度，模型如下
Figure BDA0002788626680000093
式中：
Figure BDA0002788626680000094
表示可转移负荷、可中断负荷、可平移负荷调度总量，
Figure BDA0002788626680000095
表示常规机组实际出力大小。
IDR型负荷除了考虑转移时间、削减时间、与用户影响关系，还需要考虑其可转移负荷与可削减负荷的削减量的上下限约束；
Figure BDA0002788626680000101
式中：αt、γt表示激励型负荷可削减或转移负荷的削减率上下限，
Figure BDA0002788626680000102
表示该负荷在时间t的初始负荷量，
Figure BDA0002788626680000103
表示该负荷在当前时刻的削减量，η为负荷总量变化率的上限。
下面结合附图说明和实施例对本发明做进一步说明，本发明包括但不限于以下实施例。
实施例
选取某一区域电网进行算例分析，该电网日峰值负荷为4050MW，光伏接入容量为500MW，风电接入容量为1000MW，日前确定的电价如图2所示。日前预测得到的负荷、风光出力曲线如图3所示。
第一步，进行日前调度：
日前调度提前24小时对次日风光出力进行预测，在考虑实时电价的基础上调度PDR负荷响应的电量，以负荷曲线与风光出力的形态相似性和数值相似性为目标建立目标函数，实现日前调度实现风光出力与负荷在大范围内的匹配曲线的形态相似性和数值相似性为目标建立目标函数，实现日前调度实现在出力与供需在大范围内的匹配，PDR调度结果如图4所示，调度后负荷曲线如图5所示。可以看出调度后的负荷需求曲线尽可能的与风、光预测出力接近，***净负荷曲线更加平缓，以促进清洁能源消纳。
第二步，进行日内调度：
日内调度以15min为时间尺度进行风、光出力预测，同时在短期预测下的风光出力也将影响电价的变化，此时风光预测出力如图6所示，以日内预测数据为基础对电价进行修正，本实施例取θ＝-0.8，λ＝-0.2。
由于电价发生改变，某些用户会调整用电计划，此部分负荷即为需求响应再分配量。在日前调度大范围内满足负荷需求的基础上，日内对电价修正的后以***运行总费用最低为目标建立模型对需求响应再分配，实现风光消纳的同时又能够保证***调度的经济性，日内调度结果如图7所示。
第三步，进行实时调度：
由于风电、光伏出力预测以及负荷预测误差仍然存在一定不平衡功率的存在，需要通过实时调度平衡功率，当实时调度不能实现功率平衡时，再通过调整常规机组进行消纳，若仍不满足约束，则弃风、弃光。实时调度后负荷曲线如图8所示，IDR调度结果如图9所示。可以看出通过实时调度减轻了负荷、风光出力误差造成的波动，实现了对清洁能源的消纳。
综上可见，本发明能够有效应对风电、光伏的预测误差，平抑负荷、风电和光伏的波动性，实现了对风电、光伏的高效率消纳以及源荷双端灵活性资源***的优化调度，进而为解决风电、光伏的不确定性与消纳问题提供了保障。因此，本发明具有突出的实质性特点和显著的进步。
上述实施例仅为本发明的优选实施方式之一，不应当用于限制本发明的保护范围，但凡在本发明的主体设计思想和精神上作出的毫无实质意义的改动或润色，其所解决的技术问题仍然与本发明一致的，均应当包含在本发明的保护范围之内。

Claims (7)

1.考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法，其特征在于，包括以下步骤：
步骤1：电网公司制定电价；
步骤2：建立风光出力预测误差模型并分析负荷需求响应与电价的敏感性，构建价格型需求响应与常规机组灵活协调调度模型，从而进行日前调度计算，确定常规机组运行计划和负荷运行计划；所述的价格型需求响应包括电价型负荷需求响应和激励型负荷需求响应，其中，电价型负荷需求响应用于参与日前调度与日内调度，激励型负荷需求响应用于参与实时调度；
所述的调度模型如下：
Figure FDA0003606313490000011
式中：f1表示形态相似性与数值相似性的大小；
Figure FDA0003606313490000012
表示负荷需求大小；
Figure FDA0003606313490000013
表示在日前预测下***的调度出力大小，包含电价型负荷削减、风电出力、光伏出力、常规机组出力大小；t∈1:T,T＝24表示日前调度以1小时为时间尺度进行调度；
步骤3：通过风电、光伏短期出力预测修正日前预测误差，分析风电光伏出力预测误差对实时电价和用户负荷需求造成的影响，以***运行总费用最低建立目标模型对用户需求响应进行再分配，重新确定常规机组运行计划和负荷运行计划；所述的目标模型如下：
Figure FDA0003606313490000014
式中：f2为***调度的费用，
Figure FDA0003606313490000015
分别为电价型负荷、光伏、风电、常规机组调度成本；
步骤4：分析激励型负荷需求响应的基本约束条件，并建立以***最小不平衡功率为目标、时间尺度为分钟级的实时调度模型，最终在满足基本约束条件前提下根据实时调度模型输出实时调度计划；所述的基本约束条件包括可中断负荷、可平移负荷和可削减负荷，三者的约束条件分别如下：
可中断负荷约束：
Figure FDA0003606313490000016
式中：Pi(t)、Pi,ratexi(t)分别表示负荷实际功率与额定功率；xa(t)为表示负荷运行状态的0/1变量；
可平移负荷约束：
Figure FDA0003606313490000021
式中：xi(t)表示负荷i的运行状态，表示处于运行状态；ya(t)表示负荷的启停情况，ya(t)＝0表示该负荷停运；αi、βi为常数，且αi<βi；
可削减负荷约束：
Figure FDA0003606313490000022
式中：xi,l(t)表示运行状态的0/1变量；ni表示可削减的n个连续功率模式；Pa,i(t)表示可调功率大小；
所述的实时调度模型如下：
Figure FDA0003606313490000023
式中：
Figure FDA0003606313490000024
表示可转移负荷、可中断负荷、可平移负荷调度总量；
Figure FDA0003606313490000025
分别表示风电、光伏、常规机组实际出力大小；Pt PDR表示t时段电价型负荷响应初始响应量。
2.根据权利要求1所述的考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法，其特征在于，所述步骤2中，风电实际出力模型如下：
Figure FDA0003606313490000026
光伏实际出力模型如下：
Figure FDA0003606313490000027
式中，
Figure FDA0003606313490000028
表示风电、光伏预测值；
Figure FDA0003606313490000029
表示风电、光伏的预测偏差。
3.根据权利要求2所述的考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法，其特征在于，所述步骤2中还加入了***约束条件，分别为***功率平衡约束、常规机组上下限约束和功率爬坡约束，其中：
常规机组上下限约束如下：
Figure FDA0003606313490000031
式中：
Figure FDA0003606313490000032
分别表示常规出力机组在时间t刻的最小和最大出力，Pg,t表示机组当前出力大小，ug,t表示机组运行状态，当ug,t＝1时表示该机组处于运行状态，反之表示该机组停运；
功率爬坡约束如下：
Figure FDA0003606313490000033
式中：Pg,t表示机组在时间t时的出力大小，Pg,t-1表示机组在时间t-1时的出力大小，Ru为常规机组爬坡上限。
4.根据权利要求3所述的考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法，其特征在于，所述步骤3中，以日内预测数据为基础对电价进行修正：
Figure FDA0003606313490000034
式中，ΔC为电价变化量，C为实时电价；
并采用价格需求弹性表示电价与电价型负荷变化率之间的关系：
λ＝(ΔPt PDR/Pt PDR)/(ΔCt/Ct)
式中，λ为电价型负荷资源t时段电价变化对电价型负荷响应率的影响；ΔPt PDR表示t时段电价型负荷响应变化量；ΔCt、Ct表示t时段电价变化量与初始电价；ΔPt PDR值为负时对应的功率为日内调度重新分配量。
5.根据权利要求4所述的考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法，其特征在于，日内调度以15min为时间尺度进行风光、光伏出力预测。
6.根据权利要求4或5所述的考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法，其特征在于，所述步骤4中，以***最小不平衡功率为目标、1min为时间尺度建立实时调度模型。
7.根据权利要求6所述的考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法，其特征在于，所述步骤4中还加入了可转移负荷与可削减负荷的削减量的上下限约束：
Figure FDA0003606313490000041
式中：αt、γt表示激励型负荷可削减或转移负荷的削减率上下限，
Figure FDA0003606313490000042
表示该负荷在时间t的初始负荷量，Pi t表示该负荷在当前时刻的削减量，η为负荷总量变化率的上限。
CN202011307109.1A 2020-11-19 2020-11-19 考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法 Active CN112467730B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011307109.1A CN112467730B (zh) 2020-11-19 2020-11-19 考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011307109.1A CN112467730B (zh) 2020-11-19 2020-11-19 考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法

Publications (2)

Publication Number Publication Date
CN112467730A CN112467730A (zh) 2021-03-09
CN112467730B true CN112467730B (zh) 2022-06-24

Family

ID=74837827

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011307109.1A Active CN112467730B (zh) 2020-11-19 2020-11-19 考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法

Country Status (1)

Country Link
CN (1) CN112467730B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113052630B (zh) * 2021-03-15 2022-11-01 国网河北省电力有限公司衡水供电分公司 利用模型进行电力设备配置的方法和电力设备配置方法
CN113555875A (zh) * 2021-03-30 2021-10-26 华北电力大学 一种面向差异化舒适度用户的柔性负荷调控***及方法
CN113746089B (zh) * 2021-08-31 2024-07-23 河海大学 面向多用户的多时间尺度电力套餐与家庭能量优化方法
CN114282708B (zh) * 2021-11-19 2024-04-09 国电南瑞科技股份有限公司 考虑多尺度需求响应的跨区域综合能源***优化运行方法及***
CN115081707A (zh) * 2022-06-17 2022-09-20 国网福建省电力有限公司 一种基于源荷灵活性的微电网多时间尺度优化调度方法
CN114781946B (zh) * 2022-06-21 2022-11-11 国网江西省电力有限公司电力科学研究院 一种用于供用能***的聚合方法
CN115207906B (zh) * 2022-07-14 2024-06-14 东北电力大学 一种考虑高载能负荷参与调控的多时间尺度调度方法
CN115660208B (zh) * 2022-11-10 2024-06-07 国网冀北电力有限公司计量中心 一种考虑消纳责任权重的电网企业月度购电优化方法
CN116739182B (zh) * 2023-07-26 2023-12-22 国网数字科技控股有限公司 售电信息输出方法、装置、电子设备和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108460482A (zh) * 2018-01-31 2018-08-28 南京理工大学 考虑可中断负荷和日前小时电价的风电消纳方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107194514B (zh) * 2017-05-27 2020-08-18 重庆大学 一种针对风电功率预测误差的需求响应多时间尺度调度方法
CN109713716B (zh) * 2018-12-26 2022-07-29 中国南方电网有限责任公司 一种基于安全域的风电并网***的机会约束经济调度方法
CN110137952B (zh) * 2019-05-16 2022-09-23 长沙理工大学 一种实现源-荷-储协调运行的优化模型与方法
CN110796373B (zh) * 2019-10-30 2023-06-02 国网辽宁省电力有限公司阜新供电公司 面向风电消纳的多阶段场景生成电热***优化调度方法
CN111950808B (zh) * 2020-08-26 2022-03-25 华北电力大学（保定） 基于综合需求响应的综合能源***随机鲁棒优化运行方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108460482A (zh) * 2018-01-31 2018-08-28 南京理工大学 考虑可中断负荷和日前小时电价的风电消纳方法

Also Published As

Publication number Publication date
CN112467730A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
CN112467730B (zh) 考虑风光出力预测误差和需求响应灵活性的电力***优化调度方法
CN111277005B (zh) 考虑源-荷协调优化的多源电力***多时间尺度调度方法
CN112163687B (zh) 一种基于负荷聚合商的用户侧两阶段调峰响应方法
De et al. The optimization of hybrid energy conversion systems using the dynamic programming model—Rapsody
CN103296682A (zh) 一种多时空尺度渐进趋优的负荷调度模式设计方法
CN103226735B (zh) 一种基于风电分段的电力***优化调度方法
CN110046780B (zh) 基于分时电价的孤岛微电网需求响应经济调度方法及***
CN114336702A (zh) 基于双层随机规划的风光储场站群功率分配协同优化方法
CN111327078A (zh) 户用能源调度方法、能源管理模块及户用能源***
CN116231765B (zh) 一种虚拟电厂出力控制方法
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及***
CN117436773A (zh) 一种含可中断负荷的独立微网资源规划方法和***
CN110826210B (zh) 基于功率互联的多区域楼宇虚拟电厂建模及优化协调方法
CN117293812A (zh) 考虑风电正/反调峰场景的电力***调度方法
CN117013522A (zh) 考虑分布式电源和气电协同的综合能源***调度优化方法
CN114389262B (zh) 一种弹性环境下基于鲁棒优化的区域电网调度方法
CN114465226A (zh) 一种电力***多级备用获取联合优化模型的建立方法
CN114662260A (zh) 一种含多种类型负荷孤岛微电网的两阶段经济调度方法
Zhang et al. Research on the market trading model of ancillary services of diversified flexible ramping
CN113972699B (zh) 一种电网尖峰负荷优化方法
CN112785094B (zh) 基于斯塔克尔伯格博弈的光伏储能电站容量配置优化方法
CN113363978B (zh) 一种考虑区外来电的电力***时序生产模拟方法
CN116316823A (zh) 一种户用光储***的储能运行模式滚动优化方法及装置
CN118487301A (zh) 一种储能应用控制优化方法、装置及存储介质
ZHANG et al. Flexible ramping auxiliary service mechanism’s research based on source-load synergy

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