CN113904385A - 新能源发电侧虚拟电厂共享储能方法、***及存储介质 - Google Patents

新能源发电侧虚拟电厂共享储能方法、***及存储介质 Download PDF

Info

Publication number
CN113904385A
CN113904385A CN202110956962.4A CN202110956962A CN113904385A CN 113904385 A CN113904385 A CN 113904385A CN 202110956962 A CN202110956962 A CN 202110956962A CN 113904385 A CN113904385 A CN 113904385A
Authority
CN
China
Prior art keywords
power
energy storage
station
power plant
day
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.)
Pending
Application number
CN202110956962.4A
Other languages
English (en)
Inventor
张圣君
宫兆军
郝强
王欢
韩沐辰
胡啸
钱卫
王可为
姜洋
李代力
许智慧
吴娜
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 Power Investment Group Capital Holding Co ltd
Original Assignee
State Power Investment Group Capital Holding 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 State Power Investment Group Capital Holding Co ltd filed Critical State Power Investment Group Capital Holding Co ltd
Priority to CN202110956962.4A priority Critical patent/CN113904385A/zh
Publication of CN113904385A publication Critical patent/CN113904385A/zh
Pending legal-status Critical Current

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
    • H02J3/38—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
    • H02J3/48—Controlling the sharing of the in-phase component
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0029—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with safety or protection devices or circuits
    • H02J7/00306—Overdischarge protection
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Power Engineering (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Algebra (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提出一种新能源发电侧虚拟电厂共享储能方法、***及存储介质，其中，由多个风光储电站组成的虚拟电厂通过云平台与各电站站端的边缘侧平台进行云边协同，共同搭建支撑虚拟电厂共享储能***的运营模式，利用虚拟电厂模式统筹各电站在多级电力市场的持仓和报价策略；日前出清结果由云平台优化并分配各站出力曲线下发各站，站段边缘侧平台进行站内优化自身出力曲线；实时市场上虚拟电厂按照调度指令，对所辖范围内的风光储电站进行实时调度；从而实现风光储电站整体联调联运。由此，本公开提供的方法提升了公共资源利用效率，降低了设备应用成本，实现了对风光储资源的充分调用。

Description

新能源发电侧虚拟电厂共享储能方法、***及存储介质
技术领域
本申请涉及新能源发电技术领域，尤其涉及一种新能源发电侧虚拟电厂共享储能方法、***及存储介质。
背景技术
新能源的开发利用可以有效应对能源危机和环境问题，因此近年来得到了快速发展。但是，以风电、光伏为代表的新能源具有波动性和间歇性特点，大规模并网给电力***带来了稳定性和可靠性的挑战。因此，为了缓解新能源出现的波动性并满足功率平衡，目前广泛采用储能电站与新能源电站联合运营的模式。
但是，相关技术中，电源侧储能电站只与单个新能源场站联合运营，使得储能设备应用成本较高。同时受制于场站弃电的不稳定，储能充放电量不饱和，导致储能电站日均充放电次数有限、资源无法被充分调用、储能生命周期较低。
发明内容
本申请提供一种新能源发电侧虚拟电厂共享储能方法、***及存储介质，以至少解决上述相关技术中出现的技术问题。
本申请第一方面实施例提出一种新能源发电侧虚拟电厂共享储能***，所述***包括：由多个风光储电站共同组成虚拟电厂的云平台、风光储电站端的边缘侧平台，所述云平台与所述边缘侧平台通过云边协同模式，共同搭建支撑所述虚拟电厂共享储能***的风光储联调联运运营模式；其中，
所述云平台包括：
电力营销功能模块与日前出力曲线优化功能模块，所述电力营销功能模块，用于制定虚拟电厂在多级电力市场的持仓和报价策略，并通过制定生产运营管理为虚拟电厂内所辖多个风光储电站建立电力营销平台和生产运维的线上服务；以及，所述日前出力曲线优化功能模块，用于结合虚拟电厂日前出清结果与所述边缘侧平台发送的新能源和储能电站的运行数据，优化并分配虚拟电厂内所辖多个风光储电站的日前出力曲线，并将所述日前出力曲线下发至所述边缘侧平台；
所述边缘侧平台包括：风光储联调联运***与电池智能运营管理***，所述风光储联调联运***，用于接收所述日前发电计划与电网调度下发的实时发电指令，并将场站的运行数据及指标反馈至所述云平台；以及，所述电池智能运营管理***，用于通过电池智能运营管理，维护电池的一致性管理。
本申请第二方面实施例提出一种新能源发电侧虚拟电厂共享储能方法，云平台与边缘侧平台通过云边协同模式，共同支撑新能源发电侧虚拟电厂共享储能的风光储联调联运运营模式，所述方法包括：
通过电力现货交易和生产运营管理为储能场站建立电力营销平台和生产运维的线上服务；
结合虚拟电厂日前出清结果与所述边缘侧平台发送的新能源和储能电站的运行数据，优化并分配虚拟电厂内所辖多个风光储电站的日前出力曲线，并将所述日前出力曲线下发至所述边缘侧平台；
接收所述日前出力曲线与电网调度下发的实时发电指令，并将场站的运行数据及指标反馈至所述云平台，以及维护电池的一致性管理。
本申请第三方面实施例提出的计算机设备，其中，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如上第二方面所述的方法。
本申请第四方面实施例提出的计算机存储介质，其中，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行后，能够实现如上第二方面所述的方法。
本申请的实施例提供的技术方案至少带来以下有益效果：
本公开提供的新能源发电侧虚拟电厂共享储能***，其中，由多个风光储电站组成的虚拟电厂通过云平台与各电站站端的边缘侧平台进行云边协同，共同搭建支撑虚拟电厂共享储能***的运营模式，利用虚拟电厂模式统筹各电站在多级电力市场的持仓和报价策略；日前出清结果由云平台优化并分配各站出力曲线并下发各站，站段边缘侧平台进行站内优化自身出力曲线；实时市场上虚拟电厂按照调度指令，对所辖范围内的风光储电站进行实时调度；从而实现风光储电站整体联调联运。由此，本公开提供的新能源发电侧虚拟电厂共享储能***可以将“新能源+储能”由分布式逐步过渡到集中式虚拟电厂共享储能，提升了公共资源利用效率，降低了设备应用成本。同时新能源发电侧虚拟电厂共享储能***，将新能源的风能发电、光伏发电，及电网等链接在一起，通过精准的管理需求与储能供给能力，实现了对储能资源的充分调用，保证了储能充放电次数，提升了储能生命周期。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请一个实施例提供的新能源发电侧虚拟电厂共享储能***的结构示意图；
图2为根据本申请一个实施例提供的市场矩阵结构的结构示意图；
图3为根据本申请一个实施例提供的新能源发电侧虚拟电厂共享储能方法的流程示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
本公开提供的新能源发电侧虚拟电厂共享储能方法、***及存储介质，其中，由多个风光储电站组成的虚拟电厂通过云平台与各电站站端的边缘侧平台进行云边协同，共同搭建支撑虚拟电厂共享储能***的运营模式，利用虚拟电厂模式统筹各电站在多级电力市场的持仓和报价策略；日前出清结果由云平台优化并分配各站出力曲线并下发各站，站段边缘侧平台进行站内优化自身出力曲线；实时市场上虚拟电厂按照调度指令，对所辖范围内的风光储电站进行实时调度；从而实现风光储电站整体联调联运。由此，本公开提供的新能源发电侧虚拟电厂共享储能***可以将“新能源+储能”由分布式逐步过渡到集中式虚拟电厂共享储能，提升了公共资源利用效率，降低了设备应用成本。同时新能源发电侧虚拟电厂共享储能***，将新能源的风能发电、光伏发电，及电网等链接在一起，通过精准的管理需求与储能供给能力，实现了对储能资源的充分调用，保证了储能充放电次数，提升了储能生命周期。
下面参考附图描述本申请实施例的新能源发电侧虚拟电厂共享储能方法及***。
实施例一
图1为根据本申请一个实施例提供的新能源发电侧虚拟电厂共享储能***的结构示意图，如图1所示，***包括：云平台和边缘侧平台，其中，云平台与边缘侧平台通过云边协同模式，共同搭建支撑发电侧虚拟电厂共享储能***的风光储联调联运运营模式。
云平台包括：电力营销功能模块与日前出力曲线优化功能模块。
其中，本申请中的电力营销功能模块，用于通过制定虚拟电厂在多级电力市场的持仓和报价策略，并通过制定生产运营管理为虚拟电厂内多辖多个风光储电站建立电力营销平台和生产运维的线上服务。以及，日前出力曲线优化功能模块，用于结合上述虚拟电厂日前出清结果与边缘侧平台发送的新能源和储能电站的运行数据，优化并分配虚拟电厂内所辖多个风光储电站的日前出力曲线，并将日前出力曲线下发至边缘侧平台。
边缘侧平台包括：风光储联调联运***与电池智能运营管理***。
其中，风光储联调联运***，用于接收日前出力曲线与电网调度下发的实时发电指令，并将场站的运行数据及指标反馈至云平台。以及，电池智能运营管理***，用于通过电池智能运营管理，维护电池的一致性管理。
以及，在本公开的实施例中，云平台部署于云侧。
进一步地，在本公开的实施例中，电力营销功能模块，还用于：
通过新能源发电功率预测结果及虚拟电厂共享储能***的负荷预测结果，以得到竞价空间预测；
根据竞价空间预测与多个参数(例如，历史同期电价、其他电站的报价预测、其他电站的发电能力)，通过影响节点电价生成的多种要素和节点电价历史数据的大数据分析，得到节点电价预测结果；
基于节点电价预测结果，进行模拟出清/收益测算后，编制整体的现货报价方案，报价方案审核后提报交易中心交易出清；
虚拟电厂共享储能***接受交易中心的日前出清结果，进行日前发电曲线的优化及分配。
其中，在本公开的实施例中，电力营销功能模块在运行日结束后，根据出力执行情况进行费用结算，并对电价预测、报价方案、日前发电曲线的优化及分配进行复盘分析，指导后续交易方案优化。
进一步地，在本公开的实施例中，日前出力曲线优化功能模块，还用于面向虚拟电厂的日前曲线优化，并收集日前曲线优化需要的运营数据以及定制优化目标函数。其中，运营数据包括虚拟电厂的日前出清结果数据、风电站和光伏电站生产技术经济指标(例如，度电成本、厂用电率等)、新能源电站功率预测结果、上网平均网损数据(例如，过网费用分摊)和储能电站设备参数(例如，充放电时间、容量、电量损失等)中的多种。
其中，在本公开的实施例中，优化目标函数是在满足出清曲线物理执行的基础上，以虚拟电厂整体收益最大化为目标建立的，并且在本公开的实施例中整体收益最大化转化为整体成本最小。优化目标函数如下所示：
Figure RE-GDA0003400624950000061
优化目标函数中的T表示计算的时段个数；UN表示机组集合；Fi(Pi(t))表示机组i在出力为Pi(t)时对应的费用；SCi(t)表示机组i停机t个时段之后开机的费用；Pi(t)表示机组i在t时段的出力值。
以及，在本公开的实施例中，计算上述优化目标函数时，还需要满足以下约束条件：
(1)有功功率平衡
Figure RE-GDA0003400624950000062
其中，Ui(t)表示机组i在时段t的状态，是机组组合问题的求解结果，等于 1表示运行，等于0表示停运；D(t)表示t时段***的有功负荷需求；LS(t)表示 t时段的有功网损。
(2)KVL(电压定律)
X(t)·L(t)＝0 (t＝1，…，T)
其中，X(t)表示t时段网络基本回路阻抗矩阵；L(t)表示t时段线路潮流列矢量。
(3)***各时段升出力备用和降出力备用要求
Figure RE-GDA0003400624950000063
Figure RE-GDA0003400624950000064
其中：
Figure RE-GDA0003400624950000065
Figure RE-GDA0003400624950000066
以及，SUR(t)和SDR(t)分别表示t时段***升出力备用和降出力备用要求；RURi(t)和RDRi(t)分别表示在t时段机组i实际可以提供的备用；OURi和 ODRi分别表示机组在运行过程中时，机组的升出力和降出力变化速率；URi和 DRi分别表示机组在开机和停机过程中时，机组出力变化速率。
(4)机组(含储能)出力范围约束
Figure RE-GDA0003400624950000071
其中，(i∈UN)，
Figure RE-GDA0003400624950000072
和
Figure RE-GDA0003400624950000073
分别表示机组i的出力上下限。
(5)储能最大运行时间和最小充电时间约束
Figure RE-GDA0003400624950000074
Figure RE-GDA0003400624950000075
其中：
Figure RE-GDA0003400624950000076
Figure RE-GDA0003400624950000077
以及，
Figure RE-GDA0003400624950000078
和
Figure RE-GDA0003400624950000079
表示机组i的允许最小运行和最小充电时间；
Figure RE-GDA00034006249500000710
和
Figure RE-GDA00034006249500000711
分别表示在t时段机组i持续运行和停运的时间。
(6)一个调度周期内储能允许充放电次数
Figure RE-GDA00034006249500000712
其中，Ni表示机组i在一个调度周期内允许的储能允许充放电次数；SECi表示组成第i个断面的线路的集合；
(7)新能源机组在开机过程中的出力变化速率约束
Pi(t)-Pi(t-1)＝URi(i∈UN)
(8)新能源机组在停机过程中的出力变化速率约束
Pi(t-1)-Pi(t)＝DRi(i∈UN)
(9)线路传输容量约束
Figure RE-GDA00034006249500000713
(10)虚拟电厂内部传输功率约束
Figure RE-GDA00034006249500000714
其中，
Figure RE-GDA00034006249500000715
表示t时段断面i的最大允许传输功率；SEC表示网络中断面的集合。
在本公开的实施例中，上述X(t)、
Figure RE-GDA00034006249500000716
都表示成与时间t有关是考虑到在不同的时段，***的运行方式可能不一样，例如某线路在t-1时段运行，但是在t时段不运行，***的运行方式可能是不一样的，因此都表示成与时间有关的量。
进一步地，在本公开的实施例中，日前出力曲线优化功能模块，用于虚拟电厂的日前发电量的优化方法可以包括以下步骤：
步骤1、当现货日前交易出清后，通过电力交易中心平台获取虚拟电厂的日前出清结果；
步骤2、在预设的约束条件下，根据日前出清结果重新拟合各个新能源电站的出力曲线，以及拟合储能设施充放电性能曲线。
参考上述图1所示，本公开实施例提供的新能源发电侧虚拟电厂共享储能***还包括预测模块，用于收集数据以对电力、电量和电价进行预测。其中，在本公开的实施例中，预测模块在对电力、电量和电价进行预测时需要收集的数据可以包括：现货实时市场出清价实际值数据、全网统调负荷实际值数据、外送电量实际值数据、新能源出力实际值数据(计算竞争负荷)；电网检修计划数据、机组检修计划数据、电网公开的必开必停机组，分析最大最小开机容量负荷率；公开批露的市场煤价数据；公开批露的供需比数据。
以及，本公开实施例提供的新能源发电侧虚拟电厂共享储能***还包括构建关系模块，用于在数据收集后，构建电力市场公共数据库，根据电力市场公共数据库，构建数据对应关系。其中，在构建数据对应关系时是根据统一的指标定义、数据精度、时间颗粒度、数据所属对象等构建的。以及，在电力市场公共数据库构建过程中，对数据进行清洗和转换，对数据进行清洗和转换包括：对异常数据的甄别、对非连续性数据的加工、对缺少数据的标记。
进一步地，本公开实施例提供的新能源发电侧虚拟电厂共享储能***，可以根据上述预测模块和构建关系模块，执行面向虚拟电厂共享储能的报价及持仓策略。其中，面向虚拟电厂共享储能的报价及持仓策略可以包括：虚拟电厂全年电量在多级电力市场的优化配置以及年度、月度市场报价策略、月内市场报价策略和现货日前市场报价策略。
其中，在本公开的实施例中，上述全年电量在多级电力市场的优化配置包括全年电量在多级电力市场的分配模型和全年电量在多级电力市场的目标函数。
具体的，在本公开的实施例中，全年电量在多级电力市场的优化分配比例的问题是在全区域局范围内，在总发电量、社会用电需求、年度时长供需比例、多级市场各自市场价格上下限的约束条件下，使得在虚拟电厂的收益最大化。
其中，上述约束条件利用约束矩阵表示如下：
Figure RE-GDA0003400624950000091
其中，在本公开的实施例中，定义Bi所对应的X称之为交换变量。在电力市场优化中，定义Fi为协调模块，一般表示电力市场中电量之间的耦合关系或者风险利益的相关系数矩阵。
以及，在本公开的实施例中，全年电量在多级电力市场的优化配置中建立市场矩阵结构，以表示年合约市场、月合约市场、日前市场、实时市场、辅助服务市场之间的关系。其中，在本公开的实施例中，市场之间具有耦合关系。以及，各市场之间受到总发电量计划、社会用电需求、年度市场供需比例的约束限制。具体的市场矩阵结构，如图2所示。
进一步地，在本公开的实施例之中，全年电量在多级电力市场的目标函数是将年发电任务和电量优化分配到不同的市场，可以等价为发电设备容量在各级市场的优化分配比例，从而实现发电侧的利润最大化。其中，在本公开的实施例中，不再分具体时间段对各级市场的收益分别考虑，将各级市场的收益作综合性分析。
全年电量在多级电力市场的目标函数，如下所示：
Figure RE-GDA0003400624950000092
其中，在本公开的实施例中，Ji＝(ρi-Ci)·Xi。因此，上述目标函数可以表示为
Figure RE-GDA0003400624950000101
以及，在本公开的实施例中，计算上述目标函数时，还需要满足以下约束条件：
(11)风险水平约束
Figure RE-GDA0003400624950000102
(12)总容量比例限制
Figure RE-GDA0003400624950000103
(13)各级市场容量比例限制
Figure RE-GDA0003400624950000104
(14)各级市场的风险收益限制
Figure RE-GDA0003400624950000105
其中，在本公开的实施例中，根据上述目标函数的结果可以得到发电容量在各级市场中的分配比例，从而可以将年计划电量分配的各级市场得到优化的分配方案。
进一步地，在本公开的实施例中，年度、月度市场报价策略是含储能电站的虚拟电厂总收益最大。
具体的，在本公开的实施例中，按边际点价结算时的目标函数表示如下：
Figure RE-GDA0003400624950000106
其中，在本公开的实施例中，***边际电价是
Figure RE-GDA0003400624950000107
以及
Figure RE-GDA0003400624950000108
为i机组t时段的年合约报价；
Figure RE-GDA0003400624950000109
为t时段概率为p的***边际价格；
Figure RE-GDA00034006249500001010
为i机组t时段的成本函数(可包括起停费、可变成本、固定成本等)；
Figure RE-GDA00034006249500001011
为i机组t时段的合约电量；Nu为电厂的机组i指标集；T为年内时段t的指标集；
Figure RE-GDA00034006249500001012
为i机组t时段的状态变量，＝1为运行、中标，＝0为停运、不中标；N为***参与竞价机组指标集。
以及，在本公开的实施例中，按风电、光伏、储能维度计算时的目标函数表示如下：
Figure RE-GDA0003400624950000111
其中，在本公开的实施例中，计算上述目标函数时，还需要满足以下约束条件：
(15)i机组年度交易电量约束：
Figure RE-GDA0003400624950000112
(16)i机组t时段电量上、下界约束：
Figure RE-GDA0003400624950000113
其中，在本公开的实施例中，Eiy为i机组年总发电量。
进一步地，在本公开的实施例中，月内市场报价策略可以以日、或周、或旬为时段，进行电量、电力分配。以及，在本公开的实施中，月内市场报价策略也可以按每月一个(或几个)典型日负荷预测曲线进行报价策略计算的依据以提高分配精度，反映峰谷差别。
具体的，在本公开的实施例中，按边际电价结算月内收益：
Figure RE-GDA0003400624950000114
Figure RE-GDA0003400624950000115
其中，T为月周期内时段t的指标集，TS为t时段内s子时段的指标集，
Figure RE-GDA0003400624950000116
为t时段s子时段概率为p的市场边际电价，Nu为参与竞价的电厂中的机组i 的指标集，N为***参与竞价的机组指标集，
Figure RE-GDA0003400624950000117
为i机组t时段s子时段的月合约电量。
Figure RE-GDA0003400624950000118
为i机组t时段s子时段成本函数，包括可变成本、固定成本等，
Figure RE-GDA0003400624950000119
为i机组t时段s子时段的报价，
Figure RE-GDA00034006249500001110
为i机组t时段起停费。
以及，在本公开的实施例中，按风电、光伏、储能维度计算月内收益：
Figure RE-GDA00034006249500001111
其中，在本公开的实施例中，计算上述目标函数时，还需要满足以下约束条件：
(17)i机组月交易电量约束：
Figure RE-GDA00034006249500001112
(18)i机组电量上、下界：
Figure RE-GDA00034006249500001113
(19)i机组年合约月电量约束：
Figure RE-GDA00034006249500001114
(20)t时段s子时段电量平衡：
Figure RE-GDA0003400624950000121
其中：
Figure RE-GDA0003400624950000122
为本厂t时段s子时段负荷需求。Eim为i机组m月合约交易总电量，Eifm为年度合约分到m月i机组的总电量，
Figure RE-GDA0003400624950000123
为年度合约分到i机组t时段 s子时段的电量值，
Figure RE-GDA0003400624950000124
为月内t时段s子时的备用系数。
进一步地，在本公开的实施例中，现货日前市场报价策略利用ARMA自回归移动平均(Auto Regression Moving Average)模型进行电价预测，其中，ARMA 模型包括两部分：自回归(Auto Regression)模型和移动平均(Moving Average)模型。
其中，自回归(AR)模型是一种从事物变化的因果关系出发来进行预测的一种方法，也称“因果预测法”，自回归模型如下：
Yt＝θ1Yt-1+θ2Yt-2+…+θpYt-p+et
其中，θi(i＝1,...,p)是模型中的待定参数(自回归系数矩阵)，et是干扰项，它是一个均值为零但具有一定方差的白噪声，Yt为电价数据组成的时间序列，定义时间后移算子B，算子B满足BYt＝Yt-1 BkYt＝Yt-k，则自回归模型可以表示 Yt＝(θ1B+θ2B2+…+θpBp)Yt+et。
以及，自回归模型是用有限项过去出清价格和实时价格及现时的干扰(市场煤价、***负荷、竞争负荷、供需比、最小开机容量负荷率、最大开机容量负荷率)来预测模型的现时值。
以及，移动平均(MA)模型表示如下：
Yt＝(1-w1B-w2B2-…-wqBq)et
其中，wj(j＝1,...,q)是模型的待定参数，et为干扰项。移动平均模型是用现时干扰及过去干扰的有限项来预测模型的现时值。
以及，在本公开的实施例中将AR和MA两种模型结合起来，便得到了自回归动平均模型ARMA，表示为：
θp(B)Yt＝Wq(B)et
其中，θp(B)＝1-θ1B-θ2B2-…-θpBp，Wq(B)＝1-w1B-w2B2-...-wqBq。
以及，et是均值为零，有一定方差的白噪声，θi(i＝1,...,p)和wj(j＝1,...,q)为待定的参数。
进一步地，在本公开的实施例中，综合不同模型对日前报价进行预测。以及，在本公开的实施例中，其他不同模型可以包括：支持向量回归(Support Vector Regression，SVR)、随机森林(Random Forest)、BP神经网络(Back Propagation Neural Network)、LSTM神经网络(Long Short Term Memory， LSTM)。
具体的，在本公开的实施例中，节点电价预测表示如下：
P(t)＝b1P1+b2P2+……+bmPm
其中，在本公开的实施例中，P(t)为节点电价预测目标，P1，P2……，Pm为不同模型的加权系数。以及，在本公开的实施例中利用最小二乘法，根据统计值的n组数据，求得多元线性回归模型的常数项和回归系数b1，b2，……， bm。
进一步地，本公开的实施例中，根据上述面向虚拟电厂共享储能的报价及持仓策略，电力营销功能模块进行报价的方法可以包括以下步骤：
步骤a、通过现货日前市场报价策略的组合模型和历史电价数据比对，获取组合模型的权重比例和影响因素；
步骤b、通过历史电价数据、影响因素和权重比例，形成日前交易电价预测完整业务计算逻辑；
步骤c、基于日前交易电价预测完整业务计算逻辑，输入预测目标时点，得到日前交易电价预测结果，并通过日前电价预测结果进行报价。
以及，本公开实施例提供的新能源发电侧虚拟电厂共享储能***还包括边缘侧日前优化模块，用于接收云平台下发的虚拟电厂的日前曲线以及电网调度下发的实时发电控制指令。
进一步地，在本公开的实施例中，边缘侧日前优化模块接收云平台下发的虚拟电厂的日前曲线之后，可以根据用户选择实现日前优化控制或实时优化控制，然后结合新能源场站与储能场站运行工况将发电计划曲线进行分解。
其中，在本公开的实施例中，若用户选则日前优化控制，则边缘侧日前优化模块将对云平台下发的虚拟电厂的日前曲线通过96个总功率日前发电计划点进行分解，分解后为新能源电站与储能电站的发电计划曲线；若用户选择实时优化控制，则边缘侧日前优化模块将电网调度下发的发电控制指令分解为新能源电站与储能电站的发电计划曲线，并下发至各场站协调控制器。
示例的，在本公开的实施例中，假设***中风力发电的预测功率为Pwf，光伏发电的预测功率为Ppf，调度中心或云平台下发的功率计划为Psys，当前储能充放电容量为Q1，则分配风电发电计划为PW、光伏发电计划为PPV、储能充放电计划为QB策略为：
当Psys≥Pwf+Ppf时，储能放电PW+PPV+QB＝Psys，PW＝Pwf，PPV＝Ppf
当Psys≤Pwf+Ppf时，储能充电PW+PPV＝Psys，QB＝Pwf+Ppf-Psys，PW:PPV＝Pwf: Ppf。
以及，场站内协调控制器接收边边缘侧日前优化模块下发的发电指令后，实现站内发电优化控制，对风机变流器、光伏逆变器以及储能电池进行发电控制与充放电控制，同时将运行信息通过边缘侧平台上传至电网调度及电力营销模块，作为结算依据。
进一步地，本公开实施例中，风光储联调联运***，还用于：
边缘侧平台采用分层控制策略以达到新能源场站与储能场站间的风光储联调联运，相应的新能源协调控制***包含两部分：新能源协调控制***主站和新能源协调控制***子站。
其中，新能源协调控制***主站建设在虚拟电厂共享储能***中，利用调度监控及发电侧虚拟电厂以对区域内的新能源发电站、虚拟电厂共享储能站间的监控及协调控制；新能源场站协调控制***子站建设在各新能源场站内，接收主站***下发的出力指令信息调整发电量，场站的增发电量输入虚拟电厂共享储能电站中，新能源场站获得增发电量收益。
进一步地，本公开实施例中，风光储联调联运***，还用于：
根据风光储联调联运中储能控制策略引入储能电池的荷电状态，采用部分荷电状态循环防止储能电池的过度充放电；其中，风光储联调联运中储能控制策略包括：风光储联合运行协调控制策略和储能***BMS模型。
其中，本公开实施例中，风光储联合运行协调控制策略包括：
由***中风力发电和光伏发电(新能源发电)总的实际功率为P1，调度中心或云平台下发至新能源协调控制***主站的功率计划为P2，当前储能电站容量为Q1，荷电状态窗口限值为Q2，则对计划功率与新能源发电总的实际功率的差额ΔP及可控储能电池的荷电量ΔQ有：
ΔP＝P1-P2
ΔQ＝Q1–Q2
其中，当ΔP＞0时，则新能源发电的总功率大于并网所需功率。
若ΔP＞ΔQ，则储能电池进入充电模式，当电荷量达到储能电池荷电状态极限值Q2时充电停止。计算时修正计划功率P2,下调，设t时刻的光伏功率、风电功率以及储能电池充电效率分别为PPV(t)、RW(t)、η，则实际总功率和储能电池容量分别为：
P2,＝PPV(t)+RW(t)+(Q(t)-Q2)/Δt
Q(t)＝Q2
若ΔP＜ΔQ，则储能电池进入充电模式，储能电池吸收风电场和光伏电站产生的电能，此时无需修正计划功率，***的实际总功率及储能电池的容量分别为：
P2,＝P2(t)
Q(t)＝Q(t-1)+(PPV(t)+RW(t)-P2(t))·ηΔt
进一步地，当ΔP小于0时，则新能源发电的总功率小于并网所需功率。
若ΔP＜ΔQ，则储能电池进入放电模式，储能电池的电量用来弥补可将计划功率与新能源发电的总的实际功率的差值。计算式计划功率不作任何修正，实际总功率和储能电池的容量分别为：
P2,＝P2(t)
Q(t)＝Q(t-1)+(PPV(t)+RW(t)-P2(t))·ηΔt
若ΔP＞ΔQ，则储能电池进入放电模式，储能电池电量达到Q2时停止放电，此时计划功率P2下调，实际总功率和储能电池的容量分别为：
P2’＝PPV(t)+Rw(t)+(Q(t)-Q2)/Δt
Q(t)＝Q2
按照上述风光储联合运行协调控制策略，在每单位步长内进行实时计算，则能够得到该时刻点实际的风光储联合运行的总功率的数据，并可以更新储能***的剩余可用容量。
以及，本公开实施例中，储能***BMS模型主要包括EMS能量管理***、 BMS电池管理***、功率调节***(PCS)以及电池模块，EMS接收边缘侧平台下发的储能充放电指令，分解至各个BMS电池管理***对电池模块进行控制。PCS在充电时作为整流器，放电时作为逆变器工作，可快速、独立地调节 BMS的有功和无功出力。
具体的，在本公开的实施例中，受限于PCS的物理特性，BMS充放电速率限制可表示为：
Figure RE-GDA0003400624950000161
其中，
Figure RE-GDA0003400624950000162
为t时刻BMS的有功出力，
Figure RE-GDA0003400624950000163
Prated为BMS额定有功功率，ηout为BMS放电效率，It表示t时刻BMS充放电状态(1表示放电， -1表示充电)。
此外，PCS的输入和输出均有容量限制，且BMS无功出力的范围受限于 BMS实际的有功出力大小，因此BMS实在功率限制可以表示为：
Figure RE-GDA0003400624950000164
其中，
Figure RE-GDA0003400624950000165
为t时刻BMS的无功出力，
Figure RE-GDA0003400624950000166
为BMS最大视在功率。
以及，在本公开的实施例中，用电池荷电状态SOC表示BMS的能量水平。对于Δt时间内的能量变化克表示为：
Figure RE-GDA0003400624950000167
其中，ΔSOCt为t～t+1时刻BMS的SOC变化量，Δt为时间步长，ηin为 BMS充电效率，Wrated为BMS的额定容量。
以及，时刻t的SOCt可表示为：
Figure RE-GDA0003400624950000171
其中，SOC0为BMS初始的SOC值。电池荷电SOC有一个约束，以表示 BMS存储电量的状态：
SOCmin＜SOCt＜SOCmaxt∈(1，2，…，T)
其中，在本公开的实施例中，SOCmin和SOCmax为BMS的SOC最大和最小值，可以是1和0，但考虑到大多数BMS的最大放电深度显著影响电池的寿命以及为避免BMS理论极限而留有容量的裕度等方面因素的影响，可以根据具体情况选择适当的范围，如0.3～0.9。T为调度周期的总时段数。
以及，在本公开的实施例中，BMS在控制周期最后时刻剩余的电量应该与初始时刻相同：
SOCT＝SOC0
综上所述，本公开提供的新能源发电侧虚拟电厂共享储能***，其中，由多个风光储电站组成的虚拟电厂通过云平台与各电站站端的边缘侧平台进行云边协同，共同搭建支撑虚拟电厂共享储能***的运营模式，利用虚拟电厂模式统筹各电站在多级电力市场的持仓和报价策略；日前出清结果由云平台优化并分配各站出力曲线并下发各站，站段边缘侧平台进行站内优化自身出力曲线；实时市场上虚拟电厂按照调度指令，对所辖范围内的风光储电站进行实时调度；从而实现风光储电站整体联调联运。由此，本公开提供的新能源发电侧虚拟电厂共享储能***可以将“新能源+储能”由分布式逐步过渡到集中式虚拟电厂共享储能，提升了公共资源利用效率，降低了设备应用成本。同时新能源发电侧虚拟电厂共享储能***，将新能源的风能发电、光伏发电，及电网等链接在一起，通过精准的管理需求与储能供给能力，实现了对储能资源的充分调用，保证了储能充放电次数，提升了储能生命周期。
实施例二
图3为根据本申请一个实施例提供的新能源发电侧虚拟电厂共享储能方法的流程示意图，如图3所示，所述方法包括以下步骤：
步骤301、通过电力现货交易和生产运营管理为储能场站建立电力营销平台和生产运维的线上服务。
其中，本公开实施例中，电力现货交易和生产运营管理可以包括以下步骤：
通过新能源发电功率预测结果及虚拟电厂共享储能***的负荷预测结果，以得到竞价空间预测；
根据竞价空间预测与多个参数(例如，历史同期电价、其他电站的报价预测、其他电站的发电能力)，通过影响节点电价生成的多种要素和节点电价历史数据的大数据分析，得到节点电价预测结果；
基于节点电价预测结果，进行模拟出清/收益测算后，编制整体的现货报价方案，报价方案审核后提报交易中心交易出清；
虚拟电厂共享储能***接受交易中心的日前出清结果，进行日前发电曲线的优化及分配。
以及，本公开实施例中，基于上述步骤，在运行日结束后，根据出清执行情况进行费用结算，并对电价预测、报价方案、日前发电曲线的优化及分配进行复盘分析，指导后续交易方案优化。
步骤302、结合虚拟电厂日前出清结果与边缘侧平台发送的新能源和储能电站的运行数据，优化并分配虚拟电厂内所辖多个风光储电站的日前出力曲线，并将日前出力曲线下发至边缘侧平台。
以及，本公告实施例中，步骤302中优化并分配虚拟电厂内所辖多个风光储电站的日前出力曲线时，面向虚拟电厂的日前曲线优化，并制定日前曲线优化需要的运营数据储备以及定制优化目标函数。其中，运营数据包括虚拟电厂的日前出清结果数据、风电站和光伏电站生产技术经济指标、新能源电站功率预测结果、上网平均网损数据和储能电站设备参数中的多种。以及，虚拟电厂的日前优化，可以包括以下步骤：
当现货日前交易出清后，通过电力交易中心平台获取虚拟电厂的日前出清结果；
在预设的约束条件下，根据日前出清结果重新拟合风功率曲线、光伏功率曲线，以及拟合储能设施充放电性能曲线。
步骤303、接收日前出力曲线与电网调度下发的实时发电指令，并将场站的运行数据及指标反馈至云平台，以及维护电池的一致性管理。
其中，本公开的新能源发电侧虚拟电厂共享储能方法还包括收集数据对电力、电量和电价进行预测。以及，利用收集数据构建电力市场公共数据库，并根据电力市场公共数据库构建数据对应关系。其中，在电力市场公共数据库构建过程中，对数据进行清洗和转换，对数据进行清洗和转换包括：对异常数据的甄别、对非连续性数据的加工、对缺少数据的标记。
进一步地，在本公开实施例可以根据上述对电力、电量和电价进行的预测和数据对应关系，执行面向虚拟电厂共享储能的报价及持仓策略。其中，面向虚拟电厂共享储能的报价及持仓策略可以包括：
全年电量在多级电力市场的优化配置以及年度、月度市场报价策略、月内市场报价策略和现货日前市场报价策略。
进一步地，本公开的新能源发电侧虚拟电厂共享储能方法，可以基于上述面向虚拟电厂共享储能的报价及持仓策略进行报价，具体方法可以包括以下步骤：
通过现货日前市场报价策略的组合模型和历史电价数据比对，获取组合模型的权重比例和影响因素；
通过历史电价数据、影响因素和权重比例，形成日前交易电价预测完整业务计算逻辑；
基于日前交易电价预测完整业务计算逻辑，输入预测目标时点，得到日前交易电价预测结果，并通过日前电价预测结果进行报价。
进一步地，在本公开的实施例中，步骤303具体可以包括以下步骤：
接收云平台下发的虚拟电厂的日前曲线以及电网调度下发的实时发电控制指令；
边缘侧平台结合新能源场站与储能场站运行工况进行发电计划曲线分解；
接收边缘侧平台下发的发电指令，对风机变流器、光伏逆变器以及储能电池进行发电控制与充放电控制，同时将运行信息通过边缘侧平台上传至电网调度及电力营销平台，作为结算依据。
以及，本公开实施例中，新能源发电侧虚拟电厂共享储能方法还可以包括：
采用分层控制策略以达到新能源场站与储能场站间的风光储联调联运，相应的新能源协调控制包含两部分：新能源协调控制主站和新能源协调控制子站。
新能源协调控制主站利用调度监控及发电侧虚拟电厂以对区域内的新能源发电站、虚拟电厂共享储能站间的监控及协调控制；新能源场站协调控制子站接收主站***下发的出力指令信息调整发电量，场站的增发电量输入虚拟电厂共享储能电站中，新能源场站获得增发电量收益。
基于上述方法，风光储联调联运还包括根据风光储联调联运中储能控制策略引入储能电池的荷电状态，采用部分荷电状态循环防止储能电池的过度充放电；其中，风光储联调联运中储能控制策略包括：风光储联合运行协调控制策略和储能BMS模型。
综上所述，本申请提出的新能源发电侧虚拟电厂共享储能方法、***及存储介质中，其中，由多个风光储电站组成的虚拟电厂通过云平台与各电站站端的边缘侧平台进行云边协同，共同搭建支撑虚拟电厂共享储能***的运营模式，利用虚拟电厂模式统筹各电站在多级电力市场的持仓和报价策略；日前出清结果由云平台优化并分配各站出力曲线并下发各站，站段边缘侧平台进行站内优化自身出力曲线；实时市场上虚拟电厂按照调度指令，对所辖范围内的风光储电站进行实时调度；从而实现风光储电站整体联调联运。由此，本公开提供的新能源发电侧虚拟电厂共享储能***可以将“新能源+储能”由分布式逐步过渡到集中式虚拟电厂共享储能，提升了公共资源利用效率，降低了设备应用成本。同时新能源发电侧虚拟电厂共享储能***，将新能源的风能发电、光伏发电，及电网等链接在一起，通过精准的管理需求与储能供给能力，实现了对储能资源的充分调用，保证了储能充放电次数，提升了储能生命周期。
为了实现上述实施例，本公开还提出一种计算机存储介质。
本公开实施例提供的计算机存储介质，存储有可执行程序；所述可执行程序被处理器执行后，能够实现如图1或图3任一所示的方法。
为了实现上述实施例，本公开还提出一种计算机设备。
本公开实施例提供的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序；所述处理器执行所述程序时，能够实现如图1或图3任一所示的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (14)

1.一种新能源发电侧虚拟电厂共享储能***，其特征在于，所述***包括：由多个风光储电站共同组成虚拟电厂的云平台、风光储电站端的边缘侧平台，所述云平台与所述边缘侧平台通过云边协同，共同搭建支撑所述发电侧虚拟电厂共享储能***的风光储联调联运运营模式；其中，
所述云平台包括：电力营销功能模块与日前出力曲线优化功能模块，所述电力营销功能模块，用于制定虚拟电厂在多级电力市场的持仓和报价策略，并通过制定生产运营管理为虚拟电厂内所辖多个风光储电站建立电力营销平台和生产运维的线上服务；以及，所述日前出力曲线优化功能模块，用于结合虚拟电厂日前出清结果与所述边缘侧平台发送的新能源和储能电站的运行数据，优化并分配虚拟电厂内所辖多个风光储电站的日前出力曲线，并将所述日前出力曲线下发至所述边缘侧平台；
所述边缘侧平台包括：风光储联调联运***与电池智能运营管理***，所述风光储联调联运***，用于接收所述日前出力曲线与电网调度下发的实时发电指令，并将场站的运行数据及指标反馈至所述云平台；以及，所述电池智能运营管理***，用于通过电池智能运营管理，维护电池的一致性管理。
2.根据权利要求1所述的新能源发电侧虚拟电厂共享储能***，其特征在于，所述电力营销功能模块，还用于：
通过新能源发电功率预测结果及虚拟电厂共享储能***的负荷预测结果，以得到竞价空间预测；
根据所述竞价空间预测与多个参数，通过影响节点电价生成的多种要素和节点电价历史数据的大数据分析，得到节点电价预测结果；
基于所述节点电价预测结果，进行模拟出清/收益测算后，编制整体的现货报价方案，所述报价方案审核后提报交易中心交易出清；
所述虚拟电厂共享储能***接受所述交易中心的日前出清结果，进行日前发电曲线的优化及分配。
3.根据权利要求2所述的新能源发电侧虚拟电厂共享储能***，其特征在于，所述电力营销功能模块，还用于：在运行日结束后，根据出力执行情况进行费用结算，并对所述电价预测、所述报价方案、所述日前发电曲线的优化及分配进行复盘分析，指导后续交易方案优化。
4.根据权利要求1所述的新能源发电侧虚拟电厂共享储能***，其特征在于，所述日前出力曲线优化功能模块，还用于：
面向虚拟电厂的日前曲线优化，并收集所述日前曲线优化需要的运营数据以及定制优化目标函数；其中，所述运营数据包括虚拟电厂的日前出清结果数据、风电站和光伏电站生产技术经济指标、新能源电站功率预测结果、上网平均网损数据和储能电站设备参数中的多种。
5.根据权利要求4所述的新能源发电侧虚拟电厂共享储能***，其特征在于，所述日前出力曲线优化功能模块，还用于所述虚拟电厂的日前发电量的优化，
当现货日前交易出清后，通过电力交易中心平台获取所述虚拟电厂的日前出清结果；
在预设的约束条件下，根据所述日前出清结果重新拟合所述各个新能源电站的出力曲线，以及拟合所述储能设施充放电性能曲线。
6.根据权利要求5所述的新能源发电侧虚拟电厂共享储能***，其特征在于，还包括：
预测模块，用于收集数据以对电力、电量和电价进行预测；
构建关系模块，用于在所述数据收集后，构建电力市场公共数据库，根据所述电力市场公共数据库构建所述数据对应关系；其中，在所述电力市场公共数据库构建过程中，对所述数据进行清洗和转换，所述对所述数据进行清洗和转换包括：对异常数据的甄别、对非连续性数据的加工、对缺少数据的标记。
7.根据权利要求6所述的新能源发电侧虚拟电厂共享储能***，其特征在于，根据所述预测模块和所述构建关系模块，执行面向虚拟电厂共享储能的报价及持仓策略，所述面向虚拟电厂共享储能的报价及持仓策略，包括：
虚拟电厂全年电量在多级电力市场的优化配置以及年度、月度市场报价策略、月内市场报价策略和现货日前市场报价策略。
8.根据权利要求7所述的新能源发电侧虚拟电厂共享储能***，其特征在于，所述电力营销功能模块，还用于：
通过所述现货日前市场报价策略的组合模型和历史电价数据比对，获取所述组合模型的权重比例和影响因素；
通过所述历史电价数据、影响因素和权重比例，形成日前交易电价预测完整业务计算逻辑；
基于所述日前交易电价预测完整业务计算逻辑，输入预测目标时点，得到日前交易电价预测结果，并通过所述日前电价预测结果进行报价。
9.根据权利要求1所述的新能源发电侧虚拟电厂共享储能***，其特征在于，还包括边缘侧日前优化模块；
所述边缘侧日前优化模块，用于接收所述云平台下发的所述虚拟电厂的日前曲线以及电网调度下发的实时发电控制指令；
所述边缘侧平台结合所述新能源场站与所述储能场站运行工况进行发电计划曲线分解；
接收所述边缘侧平台下发的发电指令，以站内发电控制与充放电控制，同时将运行信息通过所述边缘侧平台上传至电网调度及所述电力营销平台，作为结算依据。
10.根据权利要求1所述的新能源发电侧虚拟电厂共享储能***，其特征在于，所述风光储联调联运***，还用于：
所述边缘侧平台采用分层控制策略以达到新能源场站与储能场站间的风光储联调联运，相应的新能源协调控制***包含两部分：新能源协调控制***主站和新能源协调控制***子站。
所述新能源协调控制***主站建设在所述虚拟电厂共享储能***中，利用调度监控及发电侧虚拟电厂以对区域内的新能源发电站、虚拟电厂共享储能站间的监控及协调控制；所述新能源场站协调控制***子站建设在各新能源场站内，接收所述主站***下发的出力指令信息调整发电量，所述场站的增发电量输入虚拟电厂共享储能电站中，新能源场站获得增发电量收益。
11.根据权利要求10所述的新能源发电侧虚拟电厂共享储能***，其特征在于，所述风光储联调联运***，还用于：
根据风光储联调联运中储能控制策略引入储能电池的荷电状态，采用部分荷电状态循环防止储能电池的过度充放电；其中，所述风光储联调联运中储能控制策略包括：风光储联合运行协调控制策略和储能***BMS模型。
12.一种新能源发电侧虚拟电厂共享储能方法，其特征在于，云平台与边缘侧平台通过云边协同，共同支撑新能源发电侧虚拟电厂共享储能的风光储联调联运运营模式，所述方法包括以下步骤：
通过电力现货交易和生产运营管理为储能场站建立电力营销平台和生产运维的线上服务；
结合所述虚拟电厂日前出清结果与所述边缘侧平台发送的新能源和储能电站的运行数据，优化并分配虚拟电厂内所辖多个风光储电站的日前出力曲线，并将所述日前出力曲线下发至所述边缘侧平台；
接收所述日前出力曲线与电网调度下发的实时发电指令，并将场站的运行数据及指标反馈至所述云平台，以及维护电池的一致性管理。
13.一种计算机设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求12所述的新能源发电侧虚拟电厂共享储能方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求12所述的新能源发电侧虚拟电厂共享储能方法。
CN202110956962.4A 2021-08-19 2021-08-19 新能源发电侧虚拟电厂共享储能方法、***及存储介质 Pending CN113904385A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110956962.4A CN113904385A (zh) 2021-08-19 2021-08-19 新能源发电侧虚拟电厂共享储能方法、***及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110956962.4A CN113904385A (zh) 2021-08-19 2021-08-19 新能源发电侧虚拟电厂共享储能方法、***及存储介质

Publications (1)

Publication Number Publication Date
CN113904385A true CN113904385A (zh) 2022-01-07

Family

ID=79187652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110956962.4A Pending CN113904385A (zh) 2021-08-19 2021-08-19 新能源发电侧虚拟电厂共享储能方法、***及存储介质

Country Status (1)

Country Link
CN (1) CN113904385A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114649820A (zh) * 2022-04-15 2022-06-21 中国长江三峡集团有限公司 一种风光储场站多环节容量分配方法及***
CN114856945A (zh) * 2022-04-21 2022-08-05 国家电投集团科学技术研究院有限公司 利用塔筒的储能装置
CN115102231A (zh) * 2022-08-10 2022-09-23 华北电力大学 一种多尺度电-碳模式下风光储场站优化控制方法和***
CN115099703A (zh) * 2022-07-25 2022-09-23 中国华能集团清洁能源技术研究院有限公司 云边协同的新能源场站电力交易辅助控制***及方法
CN115659595A (zh) * 2022-09-26 2023-01-31 中国华能集团清洁能源技术研究院有限公司 基于人工智能的新能源场站的储能控制方法及装置
CN116316739A (zh) * 2023-04-12 2023-06-23 湖南经研电力设计有限公司 基于充放电潮流优化的共享储能站日协同调度方法及***
CN116523193A (zh) * 2023-03-08 2023-08-01 上海电享信息科技有限公司 一种虚拟电厂储能调度方法、装置、电子设备及存储介质
CN117458482A (zh) * 2023-11-21 2024-01-26 华北电力大学 一种虚拟电厂与风光储供需匹配的绿电交易方法
CN117498469A (zh) * 2024-01-03 2024-02-02 国网浙江省电力有限公司宁波供电公司 虚拟电厂能源管控方法、装置、计算机设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110601992A (zh) * 2019-09-20 2019-12-20 南方电网科学研究院有限责任公司 一种基于边缘计算的智能量测终端的数据处理方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110601992A (zh) * 2019-09-20 2019-12-20 南方电网科学研究院有限责任公司 一种基于边缘计算的智能量测终端的数据处理方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
洪媛等: "基于边缘计算的虚拟电厂架构及光伏出力预测算法研究", 湖北电力, vol. 44, no. 1, pages 1 - 10 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114649820A (zh) * 2022-04-15 2022-06-21 中国长江三峡集团有限公司 一种风光储场站多环节容量分配方法及***
CN114649820B (zh) * 2022-04-15 2024-04-05 中国长江三峡集团有限公司 一种风光储场站多环节容量分配方法及***
CN114856945A (zh) * 2022-04-21 2022-08-05 国家电投集团科学技术研究院有限公司 利用塔筒的储能装置
CN115099703A (zh) * 2022-07-25 2022-09-23 中国华能集团清洁能源技术研究院有限公司 云边协同的新能源场站电力交易辅助控制***及方法
CN115099703B (zh) * 2022-07-25 2022-11-15 中国华能集团清洁能源技术研究院有限公司 云边协同的新能源场站电力交易辅助控制***及方法
CN115102231A (zh) * 2022-08-10 2022-09-23 华北电力大学 一种多尺度电-碳模式下风光储场站优化控制方法和***
CN115659595A (zh) * 2022-09-26 2023-01-31 中国华能集团清洁能源技术研究院有限公司 基于人工智能的新能源场站的储能控制方法及装置
CN115659595B (zh) * 2022-09-26 2024-02-06 中国华能集团清洁能源技术研究院有限公司 基于人工智能的新能源场站的储能控制方法及装置
CN116523193B (zh) * 2023-03-08 2024-01-26 上海电享信息科技有限公司 一种虚拟电厂储能调度方法、装置、电子设备及存储介质
CN116523193A (zh) * 2023-03-08 2023-08-01 上海电享信息科技有限公司 一种虚拟电厂储能调度方法、装置、电子设备及存储介质
CN116316739A (zh) * 2023-04-12 2023-06-23 湖南经研电力设计有限公司 基于充放电潮流优化的共享储能站日协同调度方法及***
CN117458482A (zh) * 2023-11-21 2024-01-26 华北电力大学 一种虚拟电厂与风光储供需匹配的绿电交易方法
CN117498469A (zh) * 2024-01-03 2024-02-02 国网浙江省电力有限公司宁波供电公司 虚拟电厂能源管控方法、装置、计算机设备及存储介质
CN117498469B (zh) * 2024-01-03 2024-05-17 国网浙江省电力有限公司宁波供电公司 虚拟电厂能源管控方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
CN113904385A (zh) 新能源发电侧虚拟电厂共享储能方法、***及存储介质
Faraji et al. Optimal day-ahead self-scheduling and operation of prosumer microgrids using hybrid machine learning-based weather and load forecasting
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
US11238474B2 (en) Distributed energy control
CN110188950A (zh) 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
CN111523729B (zh) 基于igdt和需求响应的虚拟电厂竞价的优化控制方法
CN108846608B (zh) 一种大型风电机组备品备件库存管理及优化调度方法
CN107565607A (zh) 一种基于实时电价机制的微电网多时间尺度能量调度方法
US12015275B2 (en) Hybrid power plant
CN114256836B (zh) 一种新能源电站共享储能的容量优化配置方法
CN113962717A (zh) 面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
CN112529271B (zh) 一种可控负荷集群提供电网备用辅助服务的优化调度方法
Jin et al. An overview of virtual power plant development from the perspective of market participation
CN116191505A (zh) 一种低压台区源荷储充全局动态互动的调节方法及装置
CN114493743B (zh) 基于agc调频分区控制光储联合***参与市场投标方法
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
CN113690875A (zh) 一种微网实时互动等值模型建立方法
CN117332937A (zh) 一种考虑需求响应的多能互补虚拟电厂经济调度方法
CN116579455A (zh) 一种虚拟电厂在多元电力市场的优化竞标方法
CN113570282B (zh) 多主体微电网群联合储能***容量配置与成本分摊方法
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***
CN114825323A (zh) 基于储能容量配置的电力***灵活性提升方法
Heydarian-Forushani et al. A comprehensive smart energy management strategy for TVPP, CVPP, and energy communities
CN113255957A (zh) 综合服务站不确定因素的定量优化分析方法及***

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