CN113837449A - 虚拟电厂参与的电网***集中优化调度方法 - Google Patents

虚拟电厂参与的电网***集中优化调度方法 Download PDF

Info

Publication number
CN113837449A
CN113837449A CN202111017171.1A CN202111017171A CN113837449A CN 113837449 A CN113837449 A CN 113837449A CN 202111017171 A CN202111017171 A CN 202111017171A CN 113837449 A CN113837449 A CN 113837449A
Authority
CN
China
Prior art keywords
power
virtual
power plant
power generation
plant
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.)
Granted
Application number
CN202111017171.1A
Other languages
English (en)
Other versions
CN113837449B (zh
Inventor
嵇文路
张明
许洪华
王璞
周航
李雪
孙佳炜
潘小辉
朱红勤
杨斌
毛小武
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.)
Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
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 Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority to CN202111017171.1A priority Critical patent/CN113837449B/zh
Publication of CN113837449A publication Critical patent/CN113837449A/zh
Application granted granted Critical
Publication of CN113837449B publication Critical patent/CN113837449B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—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
    • 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
    • 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
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种虚拟电厂参与的电网***集中优化调度方法，属于交流配电网络调度技术领域。该方法针对多种分布式能源的技术特性和经济特性，建立了虚拟电厂多源优化调度模型；同时建立了考虑功率以及成本耦合的虚拟电厂参与电网***双层优化调度模型，通过发电量约束与成本传导实现了电网***集中优化调度模型与虚拟电厂多源优化模型的双重耦合；从而提高整个电网***集中优化调度的准确度，并最终实现社会发用电成本与虚拟电厂经济效益的共赢。

Description

虚拟电厂参与的电网***集中优化调度方法
技术领域
本发明涉及一种虚拟电厂与电力***的优化调度方法，属于交流配电网络调度技术领域。
背景技术
随着智能电网技术的飞速发展，虚拟电厂利用先进智能控制技术整合协调分布式能源、储能***以及可控负荷参与电网的优化调度运行，有效处理了风电和光伏 发电的出力不确定性问题，提高电网的经济性、稳定性、可靠性。在虚拟电厂的整 合下，风电、光伏及储能等低容量的分布式能源可以有效整合为一个大容量、高可 靠性的灵活电源，降低了分布式电源独立参加市场的风险，同时虚拟电厂对分布式 电源的协调优化可以有效减小分布式电源并网对主网的冲击，提高***运行稳定性， 从而更具竞争力的参与电力***调度中心(ISO)的集中优化调度。
目前，虚拟电厂参与电力***集中优化调度仍存在诸多难点。通过虚拟电厂内 部优化调度，虚拟电厂可以在满足对外输出功率的要求下，实现虚拟电厂内部发电 资源的最优配置，但虚拟电厂参与电网整个电力***集中优化调度是一个复杂的动 态迭代过程，因此该最优配置方案不能满足电网整个电力***调度的优化。
公开号CN112311017A的中国专利申请公开了一种虚拟电厂与主网最优协同调度方法，该方法建立了下层模型和上层模型，两层模型是基于运行成本的目标函数进 行协同优化。但该方法忽略了在虚拟电厂内部优化调度时不可控分布式电源的功率 波动性带来的功率偏差所造成的影响，导致上下两层模型之间的耦合度不够，优化 调度的准确度降低。
发明内容
本发明要解决的技术问题是：改进现有的涵盖虚拟电厂的电网***集中优化调度时上下层之间的耦合度，以提高整个电网***集中优化调度的准确度。
本发明为解决上述技术问题提出的技术方案是：一种虚拟电厂参与的电网***集中优化调度方法，以整个电网***为上层，以虚拟电厂为下层，包括以下步骤：
A、构建以发电成本最低目标的电网***上层集中优化调度模型，
A1、构建所述电网***上层集中优化调度模型的目标函数如下式(1)，
Figure BDA0003240303570000021
式(1)中，CG、CW、CPV分别是除虚拟电厂以外的常规火电机组、风电机 组和光伏电站的发电成本，PG,i,t、PW,j,t、PPV,k,t分别是除虚拟电厂以外的常规第 i台火电机组、第j台风电机组和第k个光伏电站在第t时刻的发电功率，I、J、K、 T分别是除虚拟电厂以外火电机组、风电机组、光伏电站的数量集合和调度周期， CVPP是虚拟电厂的耗量成本，PVPP,t是t时刻虚拟电厂的计划发电功率，RVPP,t是 虚拟电厂在t时刻提供的备用发电功率容量，RG,i,t是虚拟电厂第i台火电机组在t 时刻的备用发电功率容量，CR是相应RG,i,t的成本，λR,t是t时刻虚拟电厂备用发 电功率容量的补偿价格；
A2、构建电网***各发电机组的输出功率、负荷-电网***供需平衡和线路潮流的约 束条件
各发电机组的输出功率约束如下式(8)-(11)，
Figure BDA0003240303570000022
Figure BDA0003240303570000023
Figure BDA0003240303570000024
Figure BDA0003240303570000025
式(8)-(11)中，
Figure BDA0003240303570000026
和
Figure BDA0003240303570000027
分别是除虚拟电厂以外第i台火电机组的最小 输出功率和最大输出功率，
Figure BDA0003240303570000028
和
Figure BDA0003240303570000029
分别是除虚拟电厂以外第i台火电机组的最 大功率下降和提升的调整速率，
Figure BDA0003240303570000031
和
Figure BDA0003240303570000032
分别是除虚拟电厂以外第j台风电机组 的最小输出功率和最大输出功率,
Figure BDA0003240303570000033
和
Figure BDA0003240303570000034
分别是除虚拟电厂以外第k个光伏电 站的最小输出功率和最大输出功率；
负荷-电网***供需平衡约束如下式(12)-(13)，
Figure BDA0003240303570000035
Figure BDA0003240303570000036
式(12)-(13)中，LR,t是t时刻电网***备用发电功率容量的总需求量；Lt是 t时刻电网***总负荷的预测值；
线路潮流约束如下式(14)-(15)，
Figure BDA0003240303570000037
Figure BDA0003240303570000038
式(14)-(15)中，
Figure BDA0003240303570000039
为线路的最大传输电功率容量；
Figure BDA00032403035700000310
和
Figure BDA00032403035700000311
分别是 线路节点i的电压幅值下限和上限；
B、以负荷预测作为输入数据，代入到步骤A的式(1)中，求解得到初始的发电计 划和备用容量计划并下达给电力***各发电厂商和虚拟电厂，所述发电计划是指各 机组的发电功率，所述备用容量计划是指各机组的备用发电功率；
B1、输入所在地区未来24小时电网***总负荷预测值Lt、分布式风电机组未来24小时功率负荷预测值PW,j,t和所在地区的峰谷分时交易电价λt；
B2、电网***预估虚拟电厂发电成本和备用容量成本之和，表达如下式(16)，
CVPP(PVPP,t+RVPP,t) (16)；
B3、将虚拟电厂发电成本CVPP(PVPP,t+RVPP,t)代入上式(1)，通过量子遗传算法迭代求解式(1)，得到初始的电网***和虚拟电厂的发电计划和备用容量计划，表达如 式(17)，并向电网***的各发电厂商和虚拟电厂公布,
{PG,i,t,RG,i,t,PVPP,t,RVPP,t} (17)；
步骤C、虚拟电厂以接收到的发电计划和备用容量计划为约束，构建下层内部分布式 电源优化调度模型；
C1、虚拟电厂进行内部风电光伏发电功率预报，表达如下式(18)，
Figure BDA0003240303570000041
C2、建立虚拟电厂的发电功率耦合模型
以
Figure BDA0003240303570000042
代表分布式风电机组与光伏机组的实际输出功率，虚拟电厂的发电 功率耦合模型表达如下(19)，
Figure BDA0003240303570000043
式(19)中，
Figure BDA0003240303570000044
是弃风/光惩罚费用，
Figure BDA0003240303570000045
是弃风/光量，
Figure BDA0003240303570000046
是风场/ 光伏电站实际出力，
Figure BDA0003240303570000047
是VPP内负荷售电电价，γ是壁垒系数，γ表达如下式 (20)，
Figure BDA0003240303570000048
C3、构建下层虚拟电厂优化调度目标函数如下式(21)，
Figure BDA0003240303570000049
式(21)中，λtPvpp,t是虚拟电厂的发电功率结算收益，λR,tRVPP,t是虚拟电厂的 备用容量结算收益，式(21)和式(1)通过CVPP(PVPP,t+RVPP,t)实现运行成本的耦合；
C4、构建考虑功率平衡、各分布式机组运行特性、储能充放电的下层虚拟电厂调度约束：
功率平衡约束的表达如下式(22)，
Figure BDA00032403035700000410
式(22)中，PDG,i,t、PW,j,t、PPV,k,t、PES,l,t分别为虚拟电厂内部第i台火电机 组、第j台风电机组和第k个光伏电站、第i台火电机组在第t时刻的发电功率；
虚拟电厂中分布式发电机组、风电机组与光伏机组的运行特性约束条件的表达式与式(8)-(11)相同；
储能设备容量约束的表达如下式(23)-(24)，
Figure BDA0003240303570000051
Figure BDA0003240303570000052
式(22)-(23)中，El,t是t时刻储能设备l的存储电量，El,0是储能设备的初 始电量，
Figure BDA0003240303570000053
和
Figure BDA0003240303570000054
分别是储能设备l的容量下限和上限；
储能设备充放电速率约束的表达如下式(25)-(26)，
Figure BDA0003240303570000055
Figure BDA0003240303570000056
式(24)-(25)中，
Figure BDA0003240303570000057
和
Figure BDA0003240303570000058
分别是储能设备l的最大放电和充电速率； 步骤D、将步骤C得到更新的虚拟电厂发电成本作为步骤B3中式(16)表达的虚拟 电厂发电成本，通过量子遗传算法迭代求解式(1)，得到式(17)表达的更新的电 网***和虚拟电厂的发电计划和备用容量计划；
比较更新前后的虚拟电厂发电成本、发电计划和备用容量计划， 1)如果更新后的虚拟电厂发电成本、发电计划和备用容量计划优于更新前的，则重 复本步骤D，如此循环往复直至上层集中优化调度模型与下层内部分布式电源优化调 度模型同时达到最优解，得到最优的虚拟电厂发电成本、发电计划和备用容量计划 2)如果更新前的虚拟电厂发电成本、发电计划和备用容量计划优于更新后的，则停 止本步骤，以更新前的虚拟电厂发电成本、发电计划和备用容量计划作为最优的虚 拟电厂发电成本、发电计划和备用容量计划，电网***的各发电厂商和虚拟电厂按 照该最优的发电计划和备用容量计划执行。
本发明的有益效果是：针对多种分布式能源的技术特性和经济特性，建立了以 多源优化聚合和协调互补运行为目标的虚拟电厂多源(内部分布式电源)优化调度 模型；同时建立了虚拟电厂参与电网***双层之间的功率和成本双重耦合的双层优 化调度模型，通过发电量(发电功率)约束与经济成本传导实现了电网***集中优 化调度模型与虚拟电厂多源优化调度模型之间的双重耦合。一方面，虚拟电厂可以 通过多源互补形成多源协调的内部优化调度方案；另一方面，虚拟电厂代表内部分 布式能源参与电力***的集中优化调度，通过响应电网调度中心的调度指令并动态 调整各分布式能源输出功率，从而提高整个电网***集中优化调度的准确度，并最 终实现社会发用电成本与虚拟电厂经济效益的共赢。
进一步，所述CG、CW、CPV、CVPP、CR和λR,t分别满足下式(2)-(7)：
Figure BDA0003240303570000061
Figure BDA0003240303570000062
Figure BDA0003240303570000063
Figure RE-GDA0003388623820000062
Figure BDA0003240303570000065
Figure BDA0003240303570000066
式(2)-(7)中，aG,i、bG,i、cG,i是除虚拟电厂以外第i台火电机组的耗量特性参 数；aW,j是除虚拟电厂以外第j台风电机组的耗量特性参数；aPV,k是除虚拟电厂以 外第k个光伏电站的耗量特性参数；πR/G、πR/VPP分别是是虚拟电厂外部的火电机组 备用容量成本与发电成本的相关性系数，虚拟电厂备用容量成本与发电成本的相关 性系数；πR是虚拟电厂的备用容量补偿价格λR,t与峰谷分时交易电价λt的相关性 系数。
附图说明
下面结合附图对本发明的虚拟电厂参与的电网***集中优化调度方法作进一步说明。
图1是实施例虚拟电厂参与的电网***集中优化调度方法针对的某电网***拓扑图。
图2是实施例中两种调度场景下虚拟电厂在一个节点的输出功率时间曲线图。
图3是实施例中两种调度场景下虚拟电厂在另一个节点的输出功率时间曲线 图。
具体实施方式
实施例
本实施例针对某电网***，该电网***的拓扑图如图1所示，本实施例的虚拟 电厂参与的电网***集中优化调度方法，以整个电网***为上层，以虚拟电厂为下 层，其流程包括以下步骤：
A、构建以发电成本最低目标的电网***上层集中优化调度模型
A1、构建电网***上层集中优化调度模型的目标函数如下式(1)，
Figure BDA0003240303570000071
式(1)中，CG、CW、CPV分别是除虚拟电厂以外的常规火电机组、风电机 组和光伏电站的发电成本，PG,i,t、PW,j,t、PPV,k,t分别是除虚拟电厂以外的常规第 i台火电机组、第j台风电机组和第k个光伏电站在第t时刻的发电功率，I、J、K、 T分别是除虚拟电厂以外火电机组、风电机组、光伏电站的数量集合和调度周期， CVPP是虚拟电厂的耗量成本，PVPP,t是t时刻虚拟电厂的计划发电功率，RVPP,t是 虚拟电厂在t时刻提供的备用发电功率容量，RG,i,t是虚拟电厂第i台火电机组在t 时刻的备用发电功率容量，CR是相应RG,i,t的成本，λR,t是t时刻虚拟电厂备用发 电功率容量的补偿价格。
各成本或价格CG、CW、CPV、CVPP、CR和λR,t分别满足下式(2)-(7)：
Figure BDA0003240303570000081
CW(PW,j,t)＝aW,jPW,j,t (3)，
CPV(PPV,k,t)＝aPV,kPPV,k,t (4)，
Figure RE-GDA0003388623820000082
Figure BDA0003240303570000083
Figure BDA0003240303570000084
式(2)-(7)中，aG,i、bG,i、cG,i是除虚拟电厂以外第i台火电机组的耗量特性参 数；aW,j是除虚拟电厂以外第j台风电机组的耗量特性参数；aPV,k是除虚拟电厂以 外第k个光伏电站的耗量特性参数；πR/G、πR/VPP分别是是虚拟电厂外部的火电机组 备用容量成本与发电成本的相关性系数，虚拟电厂备用容量成本与发电成本的相关 性系数；πR是虚拟电厂的备用容量补偿价格λR,t与峰谷分时交易电价λt的相关性 系数。
A2、构建电网***各发电机组的输出功率、负荷-电网***供需平衡和线路潮流的约 束条件
各发电机组的输出功率约束如下式(8)-(11)，
Figure BDA0003240303570000085
Figure BDA0003240303570000086
Figure BDA0003240303570000087
Figure BDA0003240303570000091
式(8)-(11)中，
Figure BDA0003240303570000092
和
Figure BDA0003240303570000093
分别是除虚拟电厂以外第i台火电机组的最小 输出功率和最大输出功率，
Figure BDA0003240303570000094
和
Figure BDA0003240303570000095
分别是除虚拟电厂以外第i台火电机组的最 大功率下降和提升的调整速率，
Figure BDA0003240303570000096
和
Figure BDA0003240303570000097
分别是除虚拟电厂以外第j台风电机组 的最小输出功率和最大输出功率,
Figure BDA0003240303570000098
和
Figure BDA0003240303570000099
分别是除虚拟电厂以外第k个光伏电 站的最小输出功率和最大输出功率。
负荷-电网***供需平衡约束如下式(12)-(13)，
Figure BDA00032403035700000910
Figure BDA00032403035700000911
式(12)-(13)中，LR,t是t时刻电网***备用发电功率容量的总需求量；Lt是 t时刻电网***总负荷的预测值。
线路潮流约束如下式(14)-(15)，
Figure BDA00032403035700000912
Figure BDA00032403035700000913
式(14)-(15)中，
Figure BDA00032403035700000914
为线路的最大传输电功率容量；
Figure BDA00032403035700000915
和
Figure BDA00032403035700000916
分别是 线路节点i的电压幅值下限和上限。
B、以负荷预测作为输入数据，代入到步骤A的式(1)中，求解得到初始的发电计 划和备用容量计划并下达给电力***各发电厂商和虚拟电厂，所述发电计划是指各 机组的发电功率，所述备用容量计划是指各机组的备用发电功率。
B1、输入所在地区未来24小时电网***总负荷预测值Lt、分布式风电机组未来24小时功率负荷预测值PW,j,t和所在地区的峰谷分时交易电价λt；例如某地区Lt、PW,j,t和λt分别如下表1、2、3所示：
表1未来24小时负荷预测预测值Lt
Figure BDA0003240303570000101
表2分布式风电机组未来24小时功率预测值PW,j,t
Figure BDA0003240303570000102
表3峰谷交易电价λt
Figure BDA0003240303570000103
B2、电网***预估虚拟电厂发电成本和备用容量成本之和，表达如下式(16)，
CVPP(PVPP,t+RVPP,t) (16)。
B3、将虚拟电厂发电成本CVPP(PVPP,t+RVPP,t)代入上式(1)，通过量子遗传算法迭代求解式(1)，得到初始的上层电网***和下层虚拟电厂的发电计划和备用容量计划， 表达如式(17)，并向电网***的各发电厂商和虚拟电厂公布,
{PG,i,t,RG,i,t,PVPP,t,RVPP,t} (17)。
步骤C、虚拟电厂以接收到的发电计划和备用容量计划为约束，构建虚拟电厂下层多 源(内部分布式电源)优化调度模型；
C1、虚拟电厂进行内部风电光伏发电功率预报，表达如下式(18)，
Figure BDA0003240303570000111
本实施例中，以
Figure BDA0003240303570000112
代表分布式风电机组与光伏机组的实际输出功率。
C2、建立虚拟电厂的发电功率耦合模型
以
Figure BDA0003240303570000113
代表分布式风电机组与光伏机组的实际输出功率，虚拟电厂的发电 功率耦合模型表达如下(19)，
Figure BDA0003240303570000114
式(19)中，
Figure BDA0003240303570000115
是弃风/光惩罚费用，
Figure BDA0003240303570000116
是弃风/光量，
Figure BDA0003240303570000117
是风场/ 光伏电站实际出力，
Figure BDA0003240303570000118
是VPP内负荷售电电价，γ是壁垒系数，γ表达如下式 (20)，
Figure BDA0003240303570000119
本实施例中，引入弃风弃光惩罚来减轻风电光伏申报与实际出力间的偏差，降 低虚拟电厂运行承担的风险，以责任的方式将风险均摊在各随机发电机组运营方。 为更好地对预报值进行消纳，避免严重弃风弃光，采用“壁垒电价”对偏差量进行 约束。弃风/弃光量越大，风场/光伏电站实际出力越小，则系数越大，惩罚电价就 越高，对弃风弃光惩罚越严厉。通过功率耦合模型，可以实现上层发电计划申报对 于下层实际发电出力的调节作用。
C3、构建下层虚拟电厂优化调度目标函数如下式(21)，
Figure BDA00032403035700001110
式(21)中，λtPvpp,t是虚拟电厂的发电功率结算收益，λR,tRVPP,t是虚拟电厂的 备用容量结算收益，式(21)和式(1)通过CVPP(PVPP,t+RVPP,t)实现运行成本的耦合；
虚拟电厂的经济收益由发电功率结算收益ptPVPP,t和备用容量结算收益pR,tRVPP,t两部分组成，上下两层模型通过发电成本和备用容量成本之和实现运行成本的耦合， 当上下两层模型计算的运行成本一致时达到电网运行经济上的最优。
C4、构建考虑功率平衡、各分布式机组运行特性、储能充放电的下层虚拟电厂调度约束：
功率平衡约束的表达如下式(22)，
Figure BDA0003240303570000121
式(22)中，PDG,i,t、PW,j,t、PPV,k,t、PES,l,t分别为虚拟电厂内部第i台火电机 组、第j台风电机组和第k个光伏电站、第i台火电机组在第t时刻的发电功率； 虚拟电厂中分布式发电机组、风电机组与光伏机组的运行特性约束条件的表达式与 式(8)-(11)相同；此处不再赘述。
储能设备容量约束的表达如下式(23)-(24)，
Figure BDA0003240303570000122
Figure BDA0003240303570000123
式(22)-(23)中，El,t是t时刻储能设备l的存储电量，El,0是储能设备的初 始电量，
Figure BDA0003240303570000124
和
Figure BDA0003240303570000125
分别是储能设备l的容量下限和上限；
储能设备充放电速率约束的表达如下式(25)-(26)，
Figure BDA0003240303570000126
Figure BDA0003240303570000127
式(24)-(25)中，
Figure BDA0003240303570000128
和
Figure BDA0003240303570000129
分别是储能设备l的最大放电和充电速率；
步骤D、通过量子遗传算法求解步骤C构建的虚拟电厂下层多源优化调度模型，得到 更新的虚拟电厂发电成本；再将更新的虚拟电厂发电成本更新步骤B3中式(16)表 达的虚拟电厂发电成本，再通过量子遗传算法迭代求解式(1)，得到式(17)表达 的更新的上层电网***和下层虚拟电厂的发电计划和备用容量计划；
比较更新前后的虚拟电厂发电成本、发电计划和备用容量计划，
1)如果更新后的虚拟电厂发电成本、发电计划和备用容量计划优于更新前的，则重 复本步骤，如此循环往复直至上层电网***集中优化调度模型与下层虚拟电厂多源 优化调度模型同时达到最优解，得到最优的虚拟电厂发电成本、发电计划和备用容 量计划
2)如果更新前的虚拟电厂发电成本、发电计划和备用容量计划优于更新后的，则停 止本步骤，以更新前的虚拟电厂发电成本、发电计划和备用容量计划作为最优的虚 拟电厂发电成本、发电计划和备用容量计划，电网***的各发电厂商和虚拟电厂按 照最优的发电计划和备用容量计划执行。
本实施例的虚拟电厂参与的电网***集中优化调度方法在实施中，其中利用量子遗传算法对双层优化调度模型进行求解时，需要分别对步骤B3中上层电网***集 中优化调度模型和步骤C中下层虚拟电厂多源优化模型进行求解，并对上下层模型 的求解结果进行收敛性分析，当且仅当二者优化结果趋于一致时得到最优解，并形 成最终发电计划和备用容量计划。为提高双层调度模型的求解速度和收敛性，在求 解计算过程中引入求解变量的绝对值变化程度作为目标函数惩罚项，以减小上下层 输出结果的偏差程度直至收敛。同时，为了求取双层优化调度的最优解，通过对上 下两层模型间引入惩罚系数和限制变量变异速率等辅助手段提升求解精度和求解速 率。
对采用本实施例的虚拟电厂参与的电网***集中优化调度方法进行调度的经济性，进行对比如下：
设置2种调度场景：(1)在调度场景1中，电网***中所有的电源机组均直接 参与电力***调度中心的集中优化调度并执行电力***调度中心发布的发电计划； 此时，电网***优化调度模型仅仅按照上层电网***集中优化调度模型进行求解。 (2)在调度场景2中则考虑引入虚拟电厂对分布式风电机组、可控分布式电源和储 能设备进行多源优化后再与电网***调度中心形成双层优化调度模型。
在上述两种场景下，虚拟电厂的可控分布式电源在图1中的5号节点和8号节 点的输出功率如图2和图3所示。
两种场景下可控分布式电源在5号节点和8号节点经济收益对比如表4所示：
表4两种场景下可控分布式发电机组经济收益对比
Figure BDA0003240303570000141
如图2和图3所示，从发电量角度，在场景1中5号和8号节点发电机组共 承担4795.9MWh发电量，而场景2中所承担的发电量之和上升至4821.9MWh。同时， 对于备用容量而言，通过虚拟电厂对备用容量计划的二次分配，使得5号和8号 节点机组在两种场景下的所承担的备用容量之和基本保持一致。
如表4所示，从经济收益来看，5号节点机组与8号节点机组在场景2中的 净收益都高于场景1，即通过虚拟电厂的参与，使得分布式能源机组实现了机组利 用率提升与经济收益提升的双赢。
以上所述仅为本发明的较佳实施例而已，但本发明并不局限于此，比如，。所有 根据本发明的构思及其技术方案加以等同替换或等同改变均应涵盖在本发明的保护范围之内。

Claims (2)

1.一种虚拟电厂参与的电网***集中优化调度方法，以整个电网***为上层，以虚拟电厂为下层，其特征在于包括以下步骤：
A、构建以发电成本最低目标的电网***上层集中优化调度模型，
A1、构建所述电网***上层集中优化调度模型的目标函数如下式(1)，
Figure FDA0003240303560000011
式(1)中，CG、CW、CPV分别是除虚拟电厂以外的常规火电机组、风电机组和光伏电站的发电成本，PG,i,t、PW,j,t、PPV,k,t分别是除虚拟电厂以外的常规第i台火电机组、第j台风电机组和第k个光伏电站在第t时刻的发电功率，I、J、K、T分别是除虚拟电厂以外火电机组、风电机组、光伏电站的数量集合和调度周期，CVPP是虚拟电厂的耗量成本，PVPP,t是t时刻虚拟电厂的计划发电功率，RVPP,t是虚拟电厂在t时刻提供的备用发电功率容量，RG,i,t是虚拟电厂第i台火电机组在t时刻的备用发电功率容量，CR是相应RG,i,t的成本，λR,t是t时刻虚拟电厂备用发电功率容量的补偿价格；
A2、构建电网***各发电机组的输出功率、负荷-电网***供需平衡和线路潮流的约束条件
各发电机组的输出功率约束如下式(8)-(11)，
Figure FDA0003240303560000012
Figure FDA0003240303560000013
Figure FDA0003240303560000014
Figure FDA0003240303560000015
式(8)-(11)中，
Figure FDA0003240303560000021
和
Figure FDA0003240303560000022
分别是除虚拟电厂以外第i台火电机组的最小输出功率和最大输出功率，
Figure FDA0003240303560000023
和
Figure FDA0003240303560000024
分别是除虚拟电厂以外第i台火电机组的最大功率下降和提升的调整速率，
Figure FDA0003240303560000025
和
Figure FDA0003240303560000026
分别是除虚拟电厂以外第j台风电机组的最小输出功率和最大输出功率,
Figure FDA0003240303560000027
和
Figure FDA0003240303560000028
分别是除虚拟电厂以外第k个光伏电站的最小输出功率和最大输出功率；
负荷-电网***供需平衡约束如下式(12)-(13)，
Figure FDA0003240303560000029
Figure FDA00032403035600000210
式(12)-(13)中，LR,t是t时刻电网***备用发电功率容量的总需求量；Lt是t时刻电网***总负荷的预测值；
线路潮流约束如下式(14)-(15)，
Figure FDA00032403035600000211
Figure FDA00032403035600000212
式(14)-(15)中，
Figure FDA00032403035600000213
为线路的最大传输电功率容量；
Figure FDA00032403035600000214
和
Figure FDA00032403035600000215
分别是线路节点i的电压幅值下限和上限；
B、以负荷预测作为输入数据，代入到步骤A的式(1)中，求解得到初始的发电计划和备用容量计划并下达给电力***各发电厂商和虚拟电厂，所述发电计划是指各机组的发电功率，所述备用容量计划是指各机组的备用发电功率；
B1、输入所在地区未来24小时电网***总负荷预测值Lt、分布式风电机组未来24小时功率负荷预测值PW,j,t和所在地区的峰谷分时交易电价λt；
B2、电网***预估虚拟电厂发电成本和备用容量成本之和，表达如下式(16)，
CVPP(PVPP,t+RVPP,t) (16)；
B3、将虚拟电厂发电成本CVPP(PVPP,t+RVPP,t)代入上式(1)，通过量子遗传算法迭代求解式(1)，得到初始的电网***和虚拟电厂的发电计划和备用容量计划，表达如式(17)，并向电网***的各发电厂商和虚拟电厂公布,
{PG,i,t,RG,i,t,PVPP,t,RVPP,t} (17)；
步骤C、虚拟电厂以接收到的发电计划和备用容量计划为约束，构建下层内部分布式电源优化调度模型；
C1、虚拟电厂进行内部风电光伏发电功率预报，表达如下式(18)，
Figure FDA0003240303560000031
C2、建立虚拟电厂的发电功率耦合模型
以
Figure FDA0003240303560000032
代表分布式风电机组与光伏机组的实际输出功率，虚拟电厂的发电功率耦合模型表达如下(19)，
Figure FDA0003240303560000033
式(19)中，
Figure FDA0003240303560000034
是弃风/光惩罚费用，
Figure FDA0003240303560000035
是弃风/光量，
Figure FDA0003240303560000036
是风场/光伏电站实际出力，
Figure FDA0003240303560000037
是VPP内负荷售电电价，γ是壁垒系数，γ表达如下式(20)，
Figure FDA0003240303560000038
C3、构建下层虚拟电厂优化调度目标函数如下式(21)，
Figure FDA0003240303560000039
式(21)中，λtPvpp,t是虚拟电厂的发电功率结算收益，λR,tRVPP,t是虚拟电厂的备用容量结算收益，式(21)和式(1)通过CVPP(PVPP,t+RVPP,t)实现运行成本的耦合；
C4、构建考虑功率平衡、各分布式机组运行特性、储能充放电的下层虚拟电厂调度约束：
功率平衡约束的表达如下式(22)，
Figure FDA0003240303560000041
式(22)中，PDG,i,t、PW,j,t、PPV,k,t、PES,l,t分别为虚拟电厂内部第i台火电机组、第j台风电机组和第k个光伏电站、第i台火电机组在第t时刻的发电功率；
虚拟电厂中分布式发电机组、风电机组与光伏机组的运行特性约束条件的表达式与式(8)-(11)相同；
储能设备容量约束的表达如下式(23)-(24)，
Figure FDA0003240303560000042
Figure FDA0003240303560000043
式(22)-(23)中，El,t是t时刻储能设备l的存储电量，El,0是储能设备的初始电量，
Figure FDA0003240303560000044
和
Figure FDA0003240303560000045
分别是储能设备l的容量下限和上限；
储能设备充放电速率约束的表达如下式(25)-(26)，
Figure FDA0003240303560000046
Figure FDA0003240303560000047
式(24)-(25)中，
Figure FDA0003240303560000048
和
Figure FDA0003240303560000049
分别是储能设备l的最大放电和充电速率；
步骤D、将步骤C得到更新的虚拟电厂发电成本作为步骤B3中式(16)表达的虚拟电厂发电成本，通过量子遗传算法迭代求解式(1)，得到式(17)表达的更新的电网***和虚拟电厂的发电计划和备用容量计划；
比较更新前后的虚拟电厂发电成本、发电计划和备用容量计划，
1)如果更新后的虚拟电厂发电成本、发电计划和备用容量计划优于更新前的，则重复本步骤D，如此循环往复直至上层集中优化调度模型与下层内部分布式电源优化调度模型同时达到最优解，得到最优的虚拟电厂发电成本、发电计划和备用容量计划
2)如果更新前的虚拟电厂发电成本、发电计划和备用容量计划优于更新后的，则停止本步骤，以更新前的虚拟电厂发电成本、发电计划和备用容量计划作为最优的虚拟电厂发电成本、发电计划和备用容量计划，电网***的各发电厂商和虚拟电厂按照该最优的发电计划和备用容量计划执行。
2.根据权利要求1所述虚拟电厂参与的电网***集中优化调度方法，其特征在于：所述CG、CW、CPV、CVPP、CR和λR,t分别满足下式(2)-(7)：
Figure RE-FDA0003388623810000051
CW(PW,j,t)＝aW,jPW,j,t (3)，
CPV(PPV,k,t)＝aPV,kPPV,k,t (4)，
Figure RE-FDA0003388623810000052
Figure RE-FDA0003388623810000053
Figure RE-FDA0003388623810000054
式(2)-(7)中，aG,i、bG,i、cG,i是除虚拟电厂以外第i台火电机组的耗量特性参数；aW,j是除虚拟电厂以外第j台风电机组的耗量特性参数；aPV,k是除虚拟电厂以外第k个光伏电站的耗量特性参数；πR/G、πR/VPP分别是是虚拟电厂外部的火电机组备用容量成本与发电成本的相关性系数，虚拟电厂备用容量成本与发电成本的相关性系数；πR是虚拟电厂的备用容量补偿价格λR,t与峰谷分时交易电价λt的相关性系数。
CN202111017171.1A 2021-08-31 2021-08-31 虚拟电厂参与的电网***集中优化调度方法 Active CN113837449B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111017171.1A CN113837449B (zh) 2021-08-31 2021-08-31 虚拟电厂参与的电网***集中优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111017171.1A CN113837449B (zh) 2021-08-31 2021-08-31 虚拟电厂参与的电网***集中优化调度方法

Publications (2)

Publication Number Publication Date
CN113837449A true CN113837449A (zh) 2021-12-24
CN113837449B CN113837449B (zh) 2023-08-18

Family

ID=78961699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111017171.1A Active CN113837449B (zh) 2021-08-31 2021-08-31 虚拟电厂参与的电网***集中优化调度方法

Country Status (1)

Country Link
CN (1) CN113837449B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116722547A (zh) * 2023-08-09 2023-09-08 深圳江行联加智能科技有限公司 虚拟电厂需求响应调控方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117805A (zh) * 2015-09-15 2015-12-02 武汉大学 一种利用电动汽车的虚拟发电厂优化调度方法及***
CN109902884A (zh) * 2019-03-27 2019-06-18 合肥工业大学 一种基于主从博弈策略的虚拟电厂优化调度方法
CN110097228A (zh) * 2019-05-06 2019-08-06 国家电网有限公司 一种政府监管下基于谱风险的虚拟电厂调度模型构建方法
CN110516851A (zh) * 2019-08-05 2019-11-29 华北电力大学 一种基于虚拟电厂的源荷双侧热电联合随机优化调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117805A (zh) * 2015-09-15 2015-12-02 武汉大学 一种利用电动汽车的虚拟发电厂优化调度方法及***
CN109902884A (zh) * 2019-03-27 2019-06-18 合肥工业大学 一种基于主从博弈策略的虚拟电厂优化调度方法
CN110097228A (zh) * 2019-05-06 2019-08-06 国家电网有限公司 一种政府监管下基于谱风险的虚拟电厂调度模型构建方法
CN110516851A (zh) * 2019-08-05 2019-11-29 华北电力大学 一种基于虚拟电厂的源荷双侧热电联合随机优化调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
安麒;王剑晓;李庚银;王宣元;刘蓁;: "基于均衡理论的虚拟电厂市场参与模式及方法", 电力建设, no. 06 *
王天旺;高;姜孟;杜涛;: "虚拟电厂下计及分布式风电与储能***的电力***优化调度", 电力建设, no. 11 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116722547A (zh) * 2023-08-09 2023-09-08 深圳江行联加智能科技有限公司 虚拟电厂需求响应调控方法、装置、设备及存储介质
CN116722547B (zh) * 2023-08-09 2024-03-26 深圳江行联加智能科技有限公司 虚拟电厂需求响应调控方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113837449B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN108599373B (zh) 高比例可再生能源电力***输配协调调度目标级联分析法
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN105703369B (zh) 一种多能耦合输配网最优能量流建模及求解方法
CN110322372B (zh) 区域电力***中多级电网联动的机组组合调度方法
CN110826880B (zh) 一种大规模电动汽车接入的主动配电网优化调度方法
CN108009693A (zh) 基于两级需求响应的并网微电网双层优化方法
CN107706921B (zh) 基于纳什博弈的微电网电压调节方法和装置
CN107546743A (zh) 一种辐射状配电网分布式优化潮流方法
CN110175727A (zh) 一种电网调峰辅助服务市场主辅协调优化方法
CN113393126A (zh) 高耗能园区与电网交替并行协同优化调度方法
CN112085327B (zh) 一种配电商参与的主动配电网多层分区调控方法及***
CN112202206A (zh) 一种基于势博弈的多能源微网分布式调度方法
CN113471976A (zh) 基于多能互补微电网与主动配电网的优化调度方法
CN107658867B (zh) 多主体参与的交直流混合配电网动态重构方法
CN112311017A (zh) 一种虚拟电厂与主网最优协同调度方法
CN115545291A (zh) 基于主从博弈的集中式共享储能容量配置和定价方法
CN115693779A (zh) 一种多虚拟电厂与配网协同优化调度方法及设备
CN116307029A (zh) 促进多虚拟网格间源储荷协调的双层优化调度方法及***
CN113837449B (zh) 虚拟电厂参与的电网***集中优化调度方法
CN113364043A (zh) 一种基于条件风险价值的微电网群优化方法
CN112598232A (zh) 一种改进量子粒子群的vpp中储能***优化配置方法
CN113890114B (zh) 一种主配用多层级电网灵活调节能力挖掘方法
CN114362169A (zh) 一种计及光储型虚拟电厂边际成本的分层协调调控方法
Da et al. Non-cooperative game-based coordination control of multiple virtual power plants
Wang et al. Planning of DC electric spring with particle swarm optimization and elitist non-dominated sorting genetic algorithm

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