CN114744687A - 一种虚拟电厂的能源调控方法及*** - Google Patents

一种虚拟电厂的能源调控方法及*** Download PDF

Info

Publication number
CN114744687A
CN114744687A CN202210661850.0A CN202210661850A CN114744687A CN 114744687 A CN114744687 A CN 114744687A CN 202210661850 A CN202210661850 A CN 202210661850A CN 114744687 A CN114744687 A CN 114744687A
Authority
CN
China
Prior art keywords
power
energy
power plant
capacity
photovoltaic
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
CN202210661850.0A
Other languages
English (en)
Other versions
CN114744687B (zh
Inventor
饶亦然
唐猛
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.)
Shenzhen Kezhongyun Technology Co ltd
Original Assignee
Shenzhen Kezhongyun Technology 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 Shenzhen Kezhongyun Technology Co ltd filed Critical Shenzhen Kezhongyun Technology Co ltd
Priority to CN202210661850.0A priority Critical patent/CN114744687B/zh
Publication of CN114744687A publication Critical patent/CN114744687A/zh
Application granted granted Critical
Publication of CN114744687B publication Critical patent/CN114744687B/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
    • H02J3/38—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
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • 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
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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

Landscapes

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

Abstract

本发明公开了虚拟电厂的能源调控方法及***，获取虚拟电厂VPP中的能源信息，对分布式能源中的风电、光伏的出力模型进行分析和修正，将出力模型中的不同机组进行同质化处理，建立置信容量的VPP可靠性评估模型，构建柔性负荷能源模型并对柔性负荷进行不确定性处理得到VPP的可调节功率域，VPP可靠性评估模型和可调节功率域对虚拟电厂的能源进行调控。在可再生能源出力模型进行修正结合置信容量将不同机组进行同质化处理，建立置信容量的虚拟电厂可靠性评估模型，以可靠性指标为目标函数，构建虚拟电厂动态聚合模型，降低其出力的季节性和不确定性对供电能力的影响，还提升上网电量，提高了VPP整体的灵活调控能力，减少资源浪费。

Description

一种虚拟电厂的能源调控方法及***
技术领域
本发明属于虚拟电厂能源调节技术领域，尤其涉及一种虚拟电厂的能源调控方法及***。
背景技术
目前，随着以风、光为代表的非水可再生能源机组装机容量的增加，其并网方式从局部并网转为多地区为集中式与分布式并网，使得发电侧和负荷侧的不额定性均大幅增加，对不同时间尺度的灵活性资源提出更高要求，电力***正逐渐转变为可再生能源电力主导的多能互补电力***。然而，电力***直接对这些异构、分散、多样的随机性电源和灵活性资源调度管理，不仅无法给双方带来较高的经济收益，还会产生诸多稳定运行方面的技术难题。由于虚拟电厂（Virtual Power Plant，VPP）静态聚合在追求收益最大化时，往往忽略了虚拟电厂在动态聚合时需考虑的重要因素，即可再生能源发电的可靠性，这会导致电力***对其调度的积极性不高，弃风弃光现象严重，造成了资源大量浪费。
发明内容
有鉴于此，本发明提供了一种虚拟电厂的能源调控方法及***，通过VPP的可靠性评估作为电网调度的重要依据，并对可再生能源发电侧内部的每个环节的设备进行停运概率建模，可以改善VPP供电可靠性，提高了电力***对其调度的积极性，也提升了可再生能源消纳量，具体采用以下技术方案来实现。
第一方面，本发明提供了一种虚拟电厂的能源调控方法，包括以下步骤：
获取虚拟电厂VPP中的能源信息，对分布式能源中的风电、光伏的出力模型进行分析和修正，其中，所述能源信息包括分布式能源和柔性负荷能源；
将出力模型中的不同机组进行同质化处理，建立置信容量的VPP可靠性评估模型，其中，对单个风电场、光伏电站的可靠性评估，构建考虑置信容量的VPP可靠性评估模型，单位小时内机组出力和负荷功率均保持不变；
构建柔性负荷能源模型并对柔性负荷进行不确定性处理得到VPP的可调节功率域；
基于VPP可靠性评估模型和可调节功率域对虚拟电厂的能源进行调控。
作为上述技术方案的进一步改进，构建柔性负荷能源模型并对柔性负荷进行不确定性处理得到VPP的可调节功率域，包括： 虚拟电厂中发电侧单元的功率不等式约束包括功率约束、爬坡约束和容量约束，其表达式分别为：
Figure 132418DEST_PATH_IMAGE001
，其中
Figure 780568DEST_PATH_IMAGE002
为分布式能源t时刻功率下限，
Figure 55692DEST_PATH_IMAGE003
为分布式能源t时刻功率上限，为分布式能源t时刻实际功率，T为分布式能源的调控时段；
爬坡约束的表达式为
Figure 495900DEST_PATH_IMAGE005
，其中
Figure 565488DEST_PATH_IMAGE006
为分布式能源t时刻爬坡下限，
Figure 465048DEST_PATH_IMAGE007
为分布式能源t时刻爬坡上限；容量约束额表达式为
Figure 75021DEST_PATH_IMAGE009
，其中
Figure 307419DEST_PATH_IMAGE010
为分布式能源在t时刻存储的能量，
Figure 220012DEST_PATH_IMAGE011
为分布式能源的能量耗散速率，
Figure 232967DEST_PATH_IMAGE012
为分布式能源t时刻的充电功率，
Figure 849893DEST_PATH_IMAGE013
为分布式能源的充电效率，
Figure 608902DEST_PATH_IMAGE014
为分布式能源t时刻的放电功率，
Figure 551450DEST_PATH_IMAGE015
为分布式能源的放电效率，
Figure 520543DEST_PATH_IMAGE016
为分布式能源在t时刻可存储能量的下限值，
Figure 347685DEST_PATH_IMAGE017
为分布式能源在t时刻可存储能量的上限值；
其中，虚拟电厂可调节功率域聚合算法的过程包括：
根据分布式能源的功率约束确定各自的可调节功率域，其表达式为
Figure 616992DEST_PATH_IMAGE019
，其中
Figure 199283DEST_PATH_IMAGE020
为分布式能源j满足功率约束的可调节功率域，
Figure 298082DEST_PATH_IMAGE020
为由分布式能源j在调度周期T内各时刻调节功率
Figure 256811DEST_PATH_IMAGE021
构成的列向量元素；
对分布式能源的可调节功率域进行聚合，获取虚拟电厂的可调节功率域，其表达式为
Figure 380625DEST_PATH_IMAGE023
，其中
Figure 399397DEST_PATH_IMAGE024
为虚拟电厂满足所有分布式能源功率约束的可调节功率域，
Figure 484027DEST_PATH_IMAGE025
为由虚拟电厂在调度周期T内各时刻的调节功率
Figure 980868DEST_PATH_IMAGE026
构成的列向量元素，J为虚拟电厂中分布式能源的数量；
去除虚拟电厂的可调节功率域中所有分布式能源调节功率变量，保留虚拟电厂调节功率变量，以得到虚拟电厂的可调节功率域聚合模型。
作为上述技术方案的进一步改进，当分布式能源的功率不等式约束中含有离散变量时，对类型和参数均相同的功率不等式约束中含有离散变量的分布式能源的可调节功率域进行聚合，包括：
对分布式能源可调节功率域的表征形式进行变换处理，使各类分布式能源可调节功率域的表征形式具有相同的结构和不同的参数；
结合所有分布式能源的功率约束，虚拟电厂可调节功率域映射到几何空间为高维凸多面体，采用选定的高维凸多面体对该高维凸多面体从内部或外部近似逼近求解，使用近似逼近求解得到的凸多面体表征虚拟电厂的可调节功率域。
作为上述技术方案的进一步改进，将出力模型中的不同机组进行同质化处理，包括：
选取电力不足时间概率、电力不足时间期望和电量不足期望值的可靠性指标，分别从停电概率、停电时间和停电电量评估风电场、光伏电站的可靠性； 电量不足期望值表示停电次数、平均持续时间和平均停电功率，单个风电出力单元、光伏出力单元的电力不足时间概率表达式为
Figure 959188DEST_PATH_IMAGE027
，其中
Figure 148861DEST_PATH_IMAGE028
为电力不足时间概率，
Figure 720788DEST_PATH_IMAGE029
为处于***状态l时发生停运的概率，
Figure 21319DEST_PATH_IMAGE030
为处于***状态l时发生停运的时长；
单个风电出力单元、光伏出力单元的电力不足时间期望表达式为
Figure 854146DEST_PATH_IMAGE031
，其中
Figure 214720DEST_PATH_IMAGE032
为电力不足时间期望，
Figure 8364DEST_PATH_IMAGE033
为第e个时间段第z天机组停运容量大于等于备用容量的概率，
Figure 643744DEST_PATH_IMAGE034
为第e个时间段***的装机容量，
Figure 970558DEST_PATH_IMAGE035
为第e个时间段第z天的负荷峰值，
Figure 502034DEST_PATH_IMAGE036
为一年中的时间段数，
Figure 642028DEST_PATH_IMAGE037
为第z个时间段中的天数，该指标可判断电力***机组停运容量大于等于备用容量的概率；
单个风电出力单元、光伏出力单元的电量不足期望值表达式为
Figure 487624DEST_PATH_IMAGE038
，其中
Figure 29464DEST_PATH_IMAGE039
为电量不足期望值，
Figure 731841DEST_PATH_IMAGE040
为第
Figure 500077DEST_PATH_IMAGE042
个小时机组停运容量大于等于
Figure 680522DEST_PATH_IMAGE044
的概率，
Figure 811289DEST_PATH_IMAGE045
为第
Figure 746884DEST_PATH_IMAGE046
个小时***中的装机容量，
Figure 64733DEST_PATH_IMAGE047
为第
Figure 986553DEST_PATH_IMAGE048
个小时的负荷，T为模拟小时数，该指标用于反映电力***机组受迫停运而对用户减少供电的期望值。
作为上述技术方案的进一步改进，风电场、光伏电站的可靠性评估是在计算得到单个风电出力大暖、光伏出力单元时序状态分布的基础上，将场站内所有风电出力单元、光伏出力单元的时序状态分布累加，得到单个风电场、光伏电站的时序状态分布； 根据该时序状态分布计算单个风电场、光伏电站的可靠性指标，其表达式为
Figure 706247DEST_PATH_IMAGE049
，
Figure 812743DEST_PATH_IMAGE051
，其中
Figure 617888DEST_PATH_IMAGE052
为电量不足期望函数，
Figure 856582DEST_PATH_IMAGE053
为第Y次模拟中第Q个时间点的***状态，
Figure 430783DEST_PATH_IMAGE054
为***处于状态
Figure 708181DEST_PATH_IMAGE055
的持续时间，
Figure 735043DEST_PATH_IMAGE056
为***状态数，
Figure 264244DEST_PATH_IMAGE057
为模拟计算次数，
Figure 692951DEST_PATH_IMAGE058
为第Y次计算风电场或光伏电站的电量不足期望值。
作为上述技术方案的进一步改进，建立置信容量的VPP可靠性评估模型，包括：
将风电场或光伏电站替代常规机组容量的大小用于评估该电厂或电站的置信容量，采用序贯蒙特卡洛法计算得到风电场、光伏电站的可靠性指标
Figure 141250DEST_PATH_IMAGE059
；
根据风电场合光伏电站装机容量
Figure 920987DEST_PATH_IMAGE060
的不同得到对应的可靠性指标，并绘制得到风电场和光伏电站的
Figure 988301DEST_PATH_IMAGE061
曲线；
采用风电场替代常规机组，根据常规机组装机容量
Figure 271514DEST_PATH_IMAGE062
生物不同得到对应的可靠性指标，绘制风电场替代常规机组的
Figure 890715DEST_PATH_IMAGE063
曲线和光伏电站替代常规机组的
Figure 829852DEST_PATH_IMAGE064
曲线；
当风电场容量为
Figure 294331DEST_PATH_IMAGE065
时，先在
Figure 697631DEST_PATH_IMAGE066
曲线上找出与风电场容量
Figure 127213DEST_PATH_IMAGE067
对应的可靠性指标
Figure 350384DEST_PATH_IMAGE068
，然后根据该值在
Figure 149712DEST_PATH_IMAGE069
曲线上找出对应的容量
Figure 79622DEST_PATH_IMAGE070
，该
Figure 978308DEST_PATH_IMAGE071
值为风电场的置信容量，对应得到光伏电站的置信容量。
作为上述技术方案的进一步改进，风电场、光伏电站的置信容量计算公式为
Figure 16671DEST_PATH_IMAGE072
，其中
Figure 291795DEST_PATH_IMAGE073
为电量不足期望函数，
Figure 341790DEST_PATH_IMAGE074
为电力***负荷；
所有风电场、光伏电站总的置信容量计算表达式为
Figure 676957DEST_PATH_IMAGE076
，其中
Figure 937037DEST_PATH_IMAGE077
为所有风电场、光伏电站总的置信容量，M为所有风电场、光伏电站的数量，
Figure 15851DEST_PATH_IMAGE078
为第u个风电场或光伏电站的置信容量；
VPP的可靠性指标计算公式为
Figure 513829DEST_PATH_IMAGE080
，结合所有风电场、光伏电站总的置信容量的表达式可得
Figure 692000DEST_PATH_IMAGE082
，由不同类型能源构成的VPP，其可靠性可通过该方法进行评估。
作为上述技术方案的进一步改进，对分布式能源中的风电、光伏的出力模型进行分析和修正，包括：
虚拟电厂根据历史数据统计和预测信息对次日分布式可再生能源出力进行预测，基于参数Weibull分布的风速概率密度函数为
Figure 642639DEST_PATH_IMAGE084
，其中v为风速值，k、c分别为形状参数和比例参数，且满足
Figure 321882DEST_PATH_IMAGE085
；
基于Beta分布的光照强度概率密度函数为
Figure 408786DEST_PATH_IMAGE087
，其中w为光照强度，下标max表示其最大值，
Figure 259324DEST_PATH_IMAGE088
分别为Beta分布的形状参数，
Figure 431680DEST_PATH_IMAGE089
为伽马函数。 作为上述技术方案的进一步改进，获取虚拟电厂VPP中的能源信息，包括：
对多种柔性负荷、能源设备分别建模得到多种能源进行协调优化调度，柔性负荷包括可平移负荷、可转移负荷和可削减负荷，能源设备包括风力发电机组、光伏发电机组、热电联产机组和储能设备。
第二方面，本发明还提供了一种虚拟电厂的能源调控***，包括：
获取模块，用于获取虚拟电厂VPP中的能源信息，对分布式能源中的风电、光伏的出力模型进行分析和修正，其中，所述能源信息包括分布式能源和柔性负荷能源；
第一构建模块，用于将出力模型中的不同机组进行同质化处理，建立置信容量的VPP可靠性评估模型，其中，对单个风电场、光伏电站的可靠性评估，构建考虑置信容量的VPP可靠性评估模型，单位小时内机组出力和负荷功率均保持不变；
第二构建模块，用于构建柔性负荷能源模型并对柔性负荷进行不确定性处理得到VPP的可调节功率域；
调控模块，用于基于VPP可靠性评估模型和可调节功率域对虚拟电厂的能源进行调控。
本发明提供了一种虚拟电厂的能源调控方法及***，通过获取虚拟电厂VPP中的能源信息，对分布式能源中的风电、光伏的出力模型进行分析和修正，将出力模型中的不同机组进行同质化处理，建立置信容量的VPP可靠性评估模型，构建柔性负荷能源模型并对柔性负荷进行不确定性处理得到VPP的可调节功率域，基于VPP可靠性评估模型和可调节功率域对虚拟电厂的能源进行调控。在再生能源出力模型利用元件的停运概率对出力模型进行修正，结合置信容量将不同机组进行同质化处理，建立置信容量的虚拟电厂可靠性评估模型，以可靠性指标为目标函数，构建虚拟电厂动态聚合模型，可以降低其出力的季节性和不确定性对供电能力的影响，还可以提升上网电量，进一步提高了VPP整体的灵活调控能力，从而减少资源浪费。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明的虚拟电厂的能源调控方法的流程图；
图2为本发明的置信容量的VPP可靠性评估模型的流程图；
图3为本发明的虚拟电厂的能源调控***的结构框图。
具体实施方式
下面详细描述本发明的实施例，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，仅用于解释本发明，而不能理解为对本发明的限制。
参阅图1，本发明提供了一种虚拟电厂的能源调控方法，包括以下步骤：
S1：获取虚拟电厂VPP中的能源信息，对分布式能源中的风电、光伏的出力模型进行分析和修正，其中，所述能源信息包括分布式能源和柔性负荷能源；
S2：将出力模型中的不同机组进行同质化处理，建立置信容量的VPP可靠性评估模型，其中，对单个风电场、光伏电站的可靠性评估，构建考虑置信容量的VPP可靠性评估模型，单位小时内机组出力和负荷功率均保持不变；
S3：构建柔性负荷能源模型并对柔性负荷进行不确定性处理得到VPP的可调节功率域；
S4：基于VPP可靠性评估模型和可调节功率域对虚拟电厂的能源进行调控。
本实施例中，虚拟电厂与传统电厂最大的区别在于不受原有电网的能源框架局限，以先进通信技术与控制技术来聚合用户侧分散的、零碎的分布式能源和柔性负荷，形成大功率、大容量稳定可调控资源池，不受地域局限性，打破了多种能源分开规划、独立运行的即有模式，是促进不同能源之间互补、提高可再生能源消纳、加强柔性负荷管理与优化的有效方式。在发电侧单元和用户侧单元的协调配合下，虚拟电厂整体的运行特性可以得到很大的提升。虚拟电厂中发电侧单元的成本效益函数主要包括发电成本和售电收益，如风力发电、光伏发电等新能源发电机组虽然投资成本较高，但运行成本较低，成本效益函数一般只考虑售电收益，燃气轮机、燃油机组等常规可控机组的成本效益函数由售电收益、燃料成本和环境成本构成，其调节功率与调节成本之间的关系可以使用多元二次函数描述，化学储能、抽水蓄能、氢气储能等储能装置的成本效益函数由充放电功率下的净效益构成。虚拟电厂用户侧单元涉及温控负荷、电动汽车等居民负荷，其成本效益函数除了购电成本外，还需要与需求响应带来的舒适度损失成本和功率调节收益为非线性函数。
需要说明的是，对多种柔性负荷、能源设备分别建模得到多种能源进行协调优化调度，柔性负荷包括可平移负荷、可转移负荷和可削减负荷，能源设备包括风力发电机组、光伏发电机组、热电联产机组和储能设备。分布式能源的技术特性采用功率不等式约束的形式进行描述，各类分布式能源的功率不等式约束差异较大，而且功率不等式约束中的各时刻功率变量之间具有耦合性关系。虚拟电厂用户侧单元可以根据负荷特性不同分为刚性负荷、可转移负荷、可中断负荷和可削减负荷四个类别，刚性负荷是对用户生活影响较大、即时满足用户用电需求的负荷，其各时刻功率均为固定值，可转移负荷运行则持续工作到任务完成，不可中断但能整体提前或延迟工作时段，可中断负荷在完成任务过程中可中断运行，但累积运行时长不变，可削减负荷能在用电高峰期减少用电、在用电低谷期增加用电。
应理解，虚拟电厂的可调节功率域由虚拟电厂内部若干分布式能源集群的可调节功率域共同表示。VPP动态聚合的过程为：先对风电、光伏的出力模型机型分析和修正，再将不同机组进行同质化处理，建立卡洛置信容量的VPP可靠性评估模型，然后以电量不足期望值最小为优化目标，构建可再生能源可靠性的VPP动态聚合模型。柔性负荷进行不确定性处理为充分挖掘用户侧单元即负荷侧柔性能源的潜力，建立多种柔性负荷数学模型，包括可平移、可转移和可削减柔性负荷，可以促进能源多元化利用，并根据用户侧负荷的运行特性不同，对柔性负荷进行分类，使多种柔性负荷与VPP可靠性评估模型协调优化，可以有效缓解高峰供电压力，减小负荷波动，增强了虚拟电厂的零花调节能力。
可选地，构建柔性负荷能源模型并对柔性负荷进行不确定性处理得到VPP的可调节功率域，包括：
虚拟电厂中发电侧单元的功率不等式约束包括功率约束、爬坡约束和容量约束，其表达式分别为：
Figure 914613DEST_PATH_IMAGE090
，其中
Figure 856025DEST_PATH_IMAGE091
为分布式能源t时刻功率下限，
Figure 641578DEST_PATH_IMAGE092
为分布式能源t时刻功率上限，
Figure 301230DEST_PATH_IMAGE093
为分布式能源t时刻实际功率，T为分布式能源的调控时段；
爬坡约束的表达式为
Figure 322275DEST_PATH_IMAGE094
，其中
Figure 383772DEST_PATH_IMAGE095
为分布式能源t时刻爬坡下限，
Figure 340227DEST_PATH_IMAGE096
为分布式能源t时刻爬坡上限；容量约束额表达式为
Figure 487174DEST_PATH_IMAGE097
，其中
Figure 249594DEST_PATH_IMAGE098
为分布式能源在t时刻存储的能量，
Figure 227914DEST_PATH_IMAGE099
为分布式能源的能量耗散速率，
Figure 89691DEST_PATH_IMAGE100
为分布式能源t时刻的充电功率，
Figure 723935DEST_PATH_IMAGE101
为分布式能源的充电效率，
Figure 86783DEST_PATH_IMAGE102
为分布式能源t时刻的放电功率，
Figure 857293DEST_PATH_IMAGE103
为分布式能源的放电效率，
Figure 654085DEST_PATH_IMAGE104
为分布式能源在t时刻可存储能量的下限值，
Figure 510046DEST_PATH_IMAGE105
为分布式能源在t时刻可存储能量的上限值；
其中，虚拟电厂可调节功率域聚合算法的过程包括：
根据分布式能源的功率约束确定各自的可调节功率域，其表达式为
Figure 676585DEST_PATH_IMAGE107
，其中
Figure 567181DEST_PATH_IMAGE109
为分布式能源j满足功率约束的可调节功率域，
Figure 36339DEST_PATH_IMAGE111
为由分布式能源j在调度周期T内各时刻调节功率
Figure 176333DEST_PATH_IMAGE112
构成的列向量元素；
对分布式能源的可调节功率域进行聚合，获取虚拟电厂的可调节功率域，其表达式为
Figure 818667DEST_PATH_IMAGE114
，其中
Figure 501453DEST_PATH_IMAGE115
为虚拟电厂满足所有分布式能源功率约束的可调节功率域，
Figure 203829DEST_PATH_IMAGE116
为由虚拟电厂在调度周期T内各时刻的调节功率
Figure 96699DEST_PATH_IMAGE117
构成的列向量元素，J为虚拟电厂中分布式能源的数量； 去除虚拟电厂的可调节功率域中所有分布式能源调节功率变量，保留虚拟电厂调节功率变量，以得到虚拟电厂的可调节功率域聚合模型。
本实施例中，当分布式能源的功率不等式约束中含有离散变量时，对类型和参数均相同的功率不等式约束中含有离散变量的分布式能源的可调节功率域进行聚合，包括：对分布式能源可调节功率域的表征形式进行变换处理，使各类分布式能源可调节功率域的表征形式具有相同的结构和不同的参数；结合所有分布式能源的功率约束，虚拟电厂可调节功率域映射到几何空间为高维凸多面体，采用选定的高维凸多面体对该高维凸多面体从内部或外部近似逼近求解，使用近似逼近求解得到的凸多面体表征虚拟电厂的可调节功率域。使用近似逼近求解得到的凸多面体保证虚拟电厂的可调节功率域，关于选定的高维凸多面体对应的数学模型包括虚拟电池模型和虚拟发电机模型。
需要说明的是，虚拟电池模型的整体近似求解过程为：虚拟电池模型适用于由储能装置或柔性负荷构成的虚拟电厂，数学模型为
Figure 808303DEST_PATH_IMAGE119
，其中
Figure 345595DEST_PATH_IMAGE120
为由虚拟电池模型描述的虚拟电厂可调节功率域，
Figure 218873DEST_PATH_IMAGE121
为由虚拟电厂在调度周期T内各时刻调节功率
Figure 333459DEST_PATH_IMAGE122
构成的列向量元素，
Figure 583175DEST_PATH_IMAGE123
为虚拟电池模型的功率下限，
Figure 742017DEST_PATH_IMAGE124
为虚拟电池模型的功率上限，
Figure 786197DEST_PATH_IMAGE125
为虚拟电池模型在t时刻存储的电能，
Figure 388079DEST_PATH_IMAGE126
为虚拟电池模型的电能下限值，
Figure 175907DEST_PATH_IMAGE127
为虚拟电池模型的电能上限值。为了表征虚拟电厂的可调节功率域，需要根据虚拟电厂中所有分布式能源的技术特性确定虚拟电池模型的功率上、下限和电能上、下限，可近似等效于在虚拟电厂可调节功率域对应高维凸多面体重寻找边长最长的内接直角棱锥。
另外，虚拟发电机模型的整体近似求解过程为：虚拟发电机模型适用于由风力发电、光伏发电或常规可控机组构成的虚拟电厂，其数学模型为
Figure 422212DEST_PATH_IMAGE129
，其中
Figure 699609DEST_PATH_IMAGE130
为由虚拟发电机模型描述的虚拟电厂可调节功率域，
Figure 992050DEST_PATH_IMAGE131
为由虚拟电厂在调度周期内各时刻调节功率
Figure 255672DEST_PATH_IMAGE132
构成的列向量元素，
Figure 949959DEST_PATH_IMAGE133
为虚拟发电机模型的功率下限，
Figure 398258DEST_PATH_IMAGE134
为虚拟发电机模型的功率上限，
Figure 912416DEST_PATH_IMAGE135
为虚拟发电机模型的爬坡下限，
Figure 979729DEST_PATH_IMAGE136
为虚拟发电机模型的爬坡上限。为了表征虚拟电厂的可调节功率域，需要根据虚拟电厂中所有分布式能源的技术特性确定虚拟发电机模型的功率上、下限和爬坡上、下限，可近似等效于在虚拟电厂可调节功率域对应高维凸多面体中寻找边长最长的内接方形多面体，从而简化了虚拟电厂可调节功率域的求解过程，所有分布式鞥元可调节功率域均采用相同的初始化功率集合求解，降低了计算结果的精度，一定层度上确保了发电侧单元与用电侧单元能源合理调控的一致性和及时性。
可选地，将出力模型中的不同机组进行同质化处理，包括：
选取电力不足时间概率、电力不足时间期望和电量不足期望值的可靠性指标，分别从停电概率、停电时间和停电电量评估风电场、光伏电站的可靠性；
电量不足期望值表示停电次数、平均持续时间和平均停电功率，单个风电出力单元、光伏出力单元的电力不足时间概率表达式为
Figure 528522DEST_PATH_IMAGE137
，其中
Figure 882143DEST_PATH_IMAGE138
为电力不足时间概率，
Figure 319815DEST_PATH_IMAGE139
为处于***状态l时发生停运的概率，
Figure 253136DEST_PATH_IMAGE140
为处于***状态l时发生停运的时长；
单个风电出力单元、光伏出力单元的电力不足时间期望表达式为
Figure 718753DEST_PATH_IMAGE142
，其中
Figure 446537DEST_PATH_IMAGE143
为电力不足时间期望，
Figure 872970DEST_PATH_IMAGE144
为第e个时间段第z天机组停运容量大于等于备用容量的概率，
Figure 609982DEST_PATH_IMAGE145
为第e个时间段***的装机容量，
Figure 930105DEST_PATH_IMAGE146
为第e个时间段第z天的负荷峰值，
Figure 828791DEST_PATH_IMAGE147
为一年中的时间段数，
Figure 742520DEST_PATH_IMAGE148
为第z个时间段中的天数，该指标可判断电力***机组停运容量大于等于备用容量的概率；
单个风电出力单元、光伏出力单元的电量不足期望值表达式为
Figure 17644DEST_PATH_IMAGE150
，其中
Figure 192273DEST_PATH_IMAGE151
为电量不足期望值，
Figure 527440DEST_PATH_IMAGE152
为第
Figure 662886DEST_PATH_IMAGE154
个小时机组停运容量大于等于
Figure 741700DEST_PATH_IMAGE155
的概率，
Figure 770836DEST_PATH_IMAGE156
为第
Figure 276904DEST_PATH_IMAGE157
个小时***中的装机容量，
Figure 135532DEST_PATH_IMAGE158
为第
Figure 814775DEST_PATH_IMAGE159
个小时的负荷，T为模拟小时数，该指标用于反映电力***机组受迫停运而对用户减少供电的期望值。
本实施例中，风电场、光伏电站的可靠性评估是在计算得到单个风电出力单元、光伏出力单元时序状态分布的基础上，将场站内所有风电出力单元、光伏出力单元的时序状态分布累加，得到单个风电场、光伏电站的时序状态分布；根据该时序状态分布计算单个风电场、光伏电站的可靠性指标，其表达式为
Figure 901680DEST_PATH_IMAGE160
，
Figure 516332DEST_PATH_IMAGE162
，其中
Figure 688687DEST_PATH_IMAGE163
为电量不足期望函数，
Figure 171621DEST_PATH_IMAGE164
为第Y次模拟中第Q个时间点的***状态，
Figure 785136DEST_PATH_IMAGE165
为***处于状态
Figure 633006DEST_PATH_IMAGE166
的持续时间，
Figure 354975DEST_PATH_IMAGE167
为***状态数，
Figure 313704DEST_PATH_IMAGE168
为模拟计算次数，
Figure 312884DEST_PATH_IMAGE169
为第Y次计算风电场或光伏电站的电量不足期望值。
需要说明的是，由于风电、光伏出力特性差异较大且属于不同类型机组，导致不能直接将确定常规机组可靠性指标用于VPP的可靠性评估，而置信容量这一指标不仅可以将风电场、光伏电站等效成同种类型的常规电厂，而且其数值大小反映了不同风电、光伏电站比拟常规电厂的能力。
参阅图2，建立置信容量的VPP可靠性评估模型，包括：
S10：将风电场或光伏电站替代常规机组容量的大小用于评估该电厂或电站的置信容量，采用序贯蒙特卡洛法计算得到风电场、光伏电站的可靠性指标
Figure 66076DEST_PATH_IMAGE170
；
S11：根据风电场合光伏电站装机容量
Figure 275340DEST_PATH_IMAGE171
的不同得到对应的可靠性指标，并绘制得到风电场和光伏电站的
Figure 37760DEST_PATH_IMAGE172
曲线；
S12：采用风电场替代常规机组，根据常规机组装机容量
Figure 389982DEST_PATH_IMAGE173
生物不同得到对应的可靠性指标，绘制风电场替代常规机组的
Figure 579655DEST_PATH_IMAGE174
曲线和光伏电站替代常规机组的
Figure 10636DEST_PATH_IMAGE175
曲线；
S14：当风电场容量为
Figure 983271DEST_PATH_IMAGE176
时，先在
Figure 19360DEST_PATH_IMAGE177
曲线上找出与风电场容量
Figure 442251DEST_PATH_IMAGE178
对应的可靠性指标
Figure 298212DEST_PATH_IMAGE179
，然后根据该值在
Figure 340117DEST_PATH_IMAGE180
曲线上找出对应的容量
Figure 230713DEST_PATH_IMAGE181
，该
Figure 824505DEST_PATH_IMAGE182
值为风电场的置信容量，对应得到光伏电站的置信容量。
本实施例中，风电场、光伏电站的置信容量计算公式为
Figure 839866DEST_PATH_IMAGE183
，其中
Figure 482200DEST_PATH_IMAGE184
为电量不足期望函数，
Figure 289619DEST_PATH_IMAGE185
为电力***负荷；所有风电场、光伏电站总的置信容量计算表达式为
Figure 991995DEST_PATH_IMAGE186
，其中
Figure 984398DEST_PATH_IMAGE187
为所有风电场、光伏电站总的置信容量，M为所有风电场、光伏电站的数量，
Figure 492740DEST_PATH_IMAGE188
为第u个风电场或光伏电站的置信容量；VPP的可靠性指标计算公式为
Figure 92349DEST_PATH_IMAGE189
，结合所有风电场、光伏电站总的置信容量的表达式可得
Figure 903310DEST_PATH_IMAGE190
，由不同类型能源构成的VPP，其可靠性可通过该方法进行评估。
可选地，对分布式能源中的风电、光伏的出力模型进行分析和修正，包括：
虚拟电厂根据历史数据统计和预测信息对次日分布式可再生能源出力进行预测，基于参数Weibull分布的风速概率密度函数为
Figure 17896DEST_PATH_IMAGE191
，其中v为风速值，k、c分别为形状参数和比例参数，且满足
Figure 267612DEST_PATH_IMAGE192
；
基于Beta分布的光照强度概率密度函数为
Figure 659410DEST_PATH_IMAGE193
，其中w为光照强度，下标max表示其最大值，
Figure 703590DEST_PATH_IMAGE194
分别为Beta分布的形状参数，
Figure 571051DEST_PATH_IMAGE195
为伽马函数。
本实施例中，风力、光伏发电机组的不确定性由所处位置、海拔高度、季节等因素有关，属于不可控变量，但虚拟电厂根据长期历史数据统计和预测信息来对次日分布式可再生能源出力进行预测，并综合考虑多种柔性负荷协调优化配置后，在供电高峰时段的部分负荷功率发生了时空上的转移、平移和削减，负荷曲线的平滑性有了明显的改善，缓解了高峰供电压力，也提高了***运行的稳定性。
参阅图3，本发明还提供了一种虚拟电厂的能源调控***，包括：
获取模块，用于获取虚拟电厂VPP中的能源信息，对分布式能源中的风电、光伏的出力模型进行分析和修正，其中，所述能源信息包括分布式能源和柔性负荷能源；
第一构建模块，用于将出力模型中的不同机组进行同质化处理，建立置信容量的VPP可靠性评估模型，其中，对单个风电场、光伏电站的可靠性评估，构建考虑置信容量的VPP可靠性评估模型，单位小时内机组出力和负荷功率均保持不变；
第二构建模块，用于构建柔性负荷能源模型并对柔性负荷进行不确定性处理得到VPP的可调节功率域；
调控模块，用于基于VPP可靠性评估模型和可调节功率域对虚拟电厂的能源进行调控。
本实施例中，根据用户侧负荷的运行特性不同包括四种负荷类型即基础负荷、可转移负荷、可平移负荷和可削减负荷，基础负荷为不参与需求响应，***无法调节或改变其用能方式，是用户占比最大的一类负荷，满足人民基础生活和社会发展所必备需求。可转移负荷是各时间段用电量可按照调度极化变动灵活调节，且转移前后的负荷总量保持不变。可平移负荷是以固定工作时长按调度计划在时间轴上进行多时段连续平移的负荷。可削减负荷是根据供需情况，对可承受一定中断或降功率运行的负荷进行部分或全部削减。柔性负荷参与虚拟电厂能源调控运行可以大大提高***灵活调节能力，是用户侧的重要可调度柔性资源。
需要说明的是，以某一季度为周期对某区域内风电场、光伏电站按照指定原则进行聚合来参与电力***的调度，电量不足期望值最小作为其动态聚合模型的优化目标，对风电场、光伏电站进行动态聚合不仅可以降低其出力的季节性和不确定性对供电能力的影响。分别计算VPP内各风电场和光伏电站的可靠性指标，将所有场站可靠性指标累加作为VPP的可靠性指标；在计算各风电场、光伏电站可靠性指标的基础上再分别对各场站的置信容量进行求解并求和，计算所有风电场和光伏电站总的置信容量所对应的常规机组的可靠性指标作为VPP可靠性指标。将置信容量的可靠性评估为VPP可靠性的评估提供有力的参考，为电网提供了正确的指引，进而提高了资源利用率。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (10)

1.一种虚拟电厂的能源调控方法，其特征在于，包括以下步骤：
获取虚拟电厂VPP中的能源信息，对分布式能源中的风电、光伏的出力模型进行分析和修正，其中，所述能源信息包括分布式能源和柔性负荷能源；
将出力模型中的不同机组进行同质化处理，建立置信容量的VPP可靠性评估模型，其中，对单个风电场、光伏电站的可靠性评估，构建考虑置信容量的VPP可靠性评估模型，单位小时内机组出力和负荷功率均保持不变；
构建柔性负荷能源模型并对柔性负荷进行不确定性处理得到VPP的可调节功率域；
基于VPP可靠性评估模型和可调节功率域对虚拟电厂的能源进行调控。
2.根据权利要求1所述的虚拟电厂的能源调控方法，其特征在于，构建柔性负荷能源模型并对柔性负荷进行不确定性处理得到VPP的可调节功率域，包括：
虚拟电厂中发电侧单元的功率不等式约束包括功率约束、爬坡约束和容量约束，其表达式分别为：
Figure 246297DEST_PATH_IMAGE001
，其中
Figure 172665DEST_PATH_IMAGE002
为分布式能源t时刻功率下限，
Figure 393562DEST_PATH_IMAGE003
为分布式能源t时刻功率上限，
Figure 747183DEST_PATH_IMAGE004
为分布式能源t时刻实际功率，T为分布式能源的调控时段；
爬坡约束的表达式为
Figure 686320DEST_PATH_IMAGE005
，其中
Figure 619641DEST_PATH_IMAGE006
为分布式能源t时刻爬坡下限，
Figure 85257DEST_PATH_IMAGE007
为分布式能源t时刻爬坡上限；容量约束额表达式为
Figure DEST_PATH_IMAGE008
，其中
Figure 983681DEST_PATH_IMAGE009
为分布式能源在t时刻存储的能量，
Figure 472431DEST_PATH_IMAGE010
为分布式能源的能量耗散速率，
Figure 6181DEST_PATH_IMAGE011
为分布式能源t时刻的充电功率，
Figure 263987DEST_PATH_IMAGE012
为分布式能源的充电效率，
Figure 365935DEST_PATH_IMAGE013
为分布式能源t时刻的放电功率，
Figure 341981DEST_PATH_IMAGE014
为分布式能源的放电效率，
Figure 413842DEST_PATH_IMAGE015
为分布式能源在t时刻可存储能量的下限值，
Figure 791734DEST_PATH_IMAGE016
为分布式能源在t时刻可存储能量的上限值；
其中，虚拟电厂可调节功率域聚合算法的过程包括：
根据分布式能源的功率约束确定各自的可调节功率域，其表达式为
Figure 799004DEST_PATH_IMAGE017
，其中
Figure 262347DEST_PATH_IMAGE018
为分布式能源j满足功率约束的可调节功率域，
Figure 137899DEST_PATH_IMAGE018
为由分布式能源j在调度周期T内各时刻调节功率
Figure 370297DEST_PATH_IMAGE019
构成的列向量元素；
对分布式能源的可调节功率域进行聚合，获取虚拟电厂的可调节功率域，其表达式为
Figure 814048DEST_PATH_IMAGE020
，其中
Figure DEST_PATH_IMAGE021
为虚拟电厂满足所有分布式能源功率约束的可调节功率域，
Figure 499107DEST_PATH_IMAGE021
为由虚拟电厂在调度周期T内各时刻的调节功率
Figure 912771DEST_PATH_IMAGE022
构成的列向量元素，J为虚拟电厂中分布式能源的数量；
去除虚拟电厂的可调节功率域中所有分布式能源调节功率变量，保留虚拟电厂调节功率变量，以得到虚拟电厂的可调节功率域聚合模型。
3.根据权利要求2所述的虚拟电厂的能源调控方法，其特征在于，当分布式能源的功率不等式约束中含有离散变量时，对类型和参数均相同的功率不等式约束中含有离散变量的分布式能源的可调节功率域进行聚合，包括：
对分布式能源可调节功率域的表征形式进行变换处理，使各类分布式能源可调节功率域的表征形式具有相同的结构和不同的参数；
结合所有分布式能源的功率约束，虚拟电厂可调节功率域映射到几何空间为高维凸多面体，采用选定的高维凸多面体对该高维凸多面体从内部或外部近似逼近求解，使用近似逼近求解得到的凸多面体表征虚拟电厂的可调节功率域。
4.根据权利要求1所述的虚拟电厂的能源调控方法，其特征在于，将出力模型中的不同机组进行同质化处理，包括：
选取电力不足时间概率、电力不足时间期望和电量不足期望值的可靠性指标，分别从停电概率、停电时间和停电电量评估风电场、光伏电站的可靠性；
电量不足期望值表示停电次数、平均持续时间和平均停电功率，单个风电出力单元、光伏出力单元的电力不足时间概率表达式为
Figure 438823DEST_PATH_IMAGE023
，其中
Figure 115792DEST_PATH_IMAGE024
为电力不足时间概率，
Figure 350465DEST_PATH_IMAGE025
为处于***状态
Figure 505502DEST_PATH_IMAGE026
时发生停运的概率，
Figure 650176DEST_PATH_IMAGE027
为处于***状态
Figure 294784DEST_PATH_IMAGE028
时发生停运的时长；
单个风电出力单元、光伏出力单元的电力不足时间期望表达式为
Figure 954435DEST_PATH_IMAGE029
，其中
Figure 850847DEST_PATH_IMAGE030
为电力不足时间期望，
Figure 646765DEST_PATH_IMAGE031
为第e个时间段第z天机组停运容量大于等于备用容量的概率，
Figure 727853DEST_PATH_IMAGE032
为第e个时间段***的装机容量，
Figure 874801DEST_PATH_IMAGE033
为第e个时间段第z天的负荷峰值，
Figure 574904DEST_PATH_IMAGE034
为一年中的时间段数，
Figure 490907DEST_PATH_IMAGE035
为第z个时间段中的天数，该指标可判断电力***机组停运容量大于等于备用容量的概率；
单个风电出力单元、光伏出力单元的电量不足期望值表达式为
Figure 913536DEST_PATH_IMAGE036
，其中
Figure 547780DEST_PATH_IMAGE037
为电量不足期望值，
Figure DEST_PATH_IMAGE038
为第
Figure 520415DEST_PATH_IMAGE039
个小时机组停运容量大于等于
Figure 618821DEST_PATH_IMAGE040
的概率，
Figure 713816DEST_PATH_IMAGE041
为第
Figure DEST_PATH_IMAGE042
个小时***中的装机容量，
Figure 304197DEST_PATH_IMAGE043
为第
Figure DEST_PATH_IMAGE044
个小时的负荷，T为模拟小时数，该指标用于反映电力***机组受迫停运而对用户减少供电的期望值。
5.根据权利要求4所述的虚拟电厂的能源调控方法，其特征在于，风电场、光伏电站的可靠性评估是在计算得到单个风电出力单元、光伏出力单元时序状态分布的基础上，将场站内所有风电出力单元、光伏出力单元的时序状态分布累加，得到单个风电场、光伏电站的时序状态分布；
根据该时序状态分布计算单个风电场、光伏电站的可靠性指标，其表达式为
Figure 80523DEST_PATH_IMAGE045
，
Figure 705540DEST_PATH_IMAGE046
，其中
Figure 299332DEST_PATH_IMAGE047
为电量不足期望函数，
Figure 642589DEST_PATH_IMAGE048
为第Y次模拟中第Q个时间点的***状态，
Figure 735789DEST_PATH_IMAGE049
为***处于状态
Figure 543208DEST_PATH_IMAGE050
的持续时间，
Figure 245585DEST_PATH_IMAGE051
为***状态数，
Figure 748242DEST_PATH_IMAGE052
为模拟计算次数，
Figure 256583DEST_PATH_IMAGE053
为第Y次计算风电场或光伏电站的电量不足期望值。
6.根据权利要求1所述的虚拟电厂的能源调控方法，其特征在于，建立置信容量的VPP可靠性评估模型，包括：
将风电场或光伏电站替代常规机组容量的大小用于评估该电厂或电站的置信容量，采用序贯蒙特卡洛法计算得到风电场、光伏电站的可靠性指标
Figure 856192DEST_PATH_IMAGE054
；
根据风电场合光伏电站装机容量
Figure 667153DEST_PATH_IMAGE055
的不同得到对应的可靠性指标，并绘制得到风电场和光伏电站的
Figure 985002DEST_PATH_IMAGE056
曲线；
采用风电场替代常规机组，根据常规机组装机容量
Figure 31456DEST_PATH_IMAGE057
生物不同得到对应的可靠性指标，绘制风电场替代常规机组的
Figure 423254DEST_PATH_IMAGE058
曲线和光伏电站替代常规机组的
Figure DEST_PATH_IMAGE059
曲线；
当风电场容量为
Figure 264171DEST_PATH_IMAGE060
时，先在
Figure 69316DEST_PATH_IMAGE061
曲线上找出与风电场容量
Figure 293361DEST_PATH_IMAGE062
对应的可靠性指标
Figure 867562DEST_PATH_IMAGE063
，然后根据该值在
Figure 144960DEST_PATH_IMAGE064
曲线上找出对应的容量
Figure 171822DEST_PATH_IMAGE065
，该
Figure 435444DEST_PATH_IMAGE066
值为风电场的置信容量，对应得到光伏电站的置信容量。
7.根据权利要求6所述的虚拟电厂的能源调控方法，其特征在于，风电场、光伏电站的置信容量计算公式为
Figure 926468DEST_PATH_IMAGE067
，其中
Figure 312450DEST_PATH_IMAGE068
为电量不足期望函数，
Figure 29870DEST_PATH_IMAGE069
为电力***负荷；
所有风电场、光伏电站总的置信容量计算表达式为
Figure 159500DEST_PATH_IMAGE070
，其中
Figure 505031DEST_PATH_IMAGE071
为所有风电场、光伏电站总的置信容量，M为所有风电场、光伏电站的数量，
Figure 999597DEST_PATH_IMAGE072
为第u个风电场或光伏电站的置信容量；
VPP的可靠性指标计算公式为
Figure 1051DEST_PATH_IMAGE073
，结合所有风电场、光伏电站总的置信容量的表达式可得
Figure 996689DEST_PATH_IMAGE074
，由不同类型能源构成的VPP，其可靠性可通过该方法进行评估。
8.根据权利要求1所述的虚拟电厂的能源调控方法，其特征在于，对分布式能源中的风电、光伏的出力模型进行分析和修正，包括：
虚拟电厂根据历史数据统计和预测信息对次日分布式可再生能源出力进行预测，基于参数Weibull分布的风速概率密度函数为
Figure 134410DEST_PATH_IMAGE075
，其中v为风速值，k、c分别为形状参数和比例参数，且满足
Figure 566921DEST_PATH_IMAGE076
；
基于Beta分布的光照强度概率密度函数为
Figure 852409DEST_PATH_IMAGE077
，其中w为光照强度，下标max表示其最大值，
Figure 323842DEST_PATH_IMAGE078
分别为Beta分布的形状参数，
Figure 519331DEST_PATH_IMAGE079
为伽马函数。
9.根据权利要求1所述的虚拟电厂的能源调控方法，其特征在于，获取虚拟电厂VPP中的能源信息，包括：
对多种柔性负荷、能源设备分别建模得到多种能源进行协调优化调度，柔性负荷包括可平移负荷、可转移负荷和可削减负荷，能源设备包括风力发电机组、光伏发电机组、热电联产机组和储能设备。
10.一种根据权利要求1-9任一项所述的虚拟电厂的能源调控方法的虚拟电厂的能源调控***，其特征在于，包括：
获取模块，用于获取虚拟电厂VPP中的能源信息，对分布式能源中的风电、光伏的出力模型进行分析和修正，其中，所述能源信息包括分布式能源和柔性负荷能源；
第一构建模块，用于将出力模型中的不同机组进行同质化处理，建立置信容量的VPP可靠性评估模型，其中，对单个风电场、光伏电站的可靠性评估，构建考虑置信容量的VPP可靠性评估模型，单位小时内机组出力和负荷功率均保持不变；
第二构建模块，用于构建柔性负荷能源模型并对柔性负荷进行不确定性处理得到VPP的可调节功率域；
调控模块，用于基于VPP可靠性评估模型和可调节功率域对虚拟电厂的能源进行调控。
CN202210661850.0A 2022-06-13 2022-06-13 一种虚拟电厂的能源调控方法及*** Active CN114744687B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210661850.0A CN114744687B (zh) 2022-06-13 2022-06-13 一种虚拟电厂的能源调控方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210661850.0A CN114744687B (zh) 2022-06-13 2022-06-13 一种虚拟电厂的能源调控方法及***

Publications (2)

Publication Number Publication Date
CN114744687A true CN114744687A (zh) 2022-07-12
CN114744687B CN114744687B (zh) 2022-09-23

Family

ID=82288090

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210661850.0A Active CN114744687B (zh) 2022-06-13 2022-06-13 一种虚拟电厂的能源调控方法及***

Country Status (1)

Country Link
CN (1) CN114744687B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115149586A (zh) * 2022-08-01 2022-10-04 华北电力大学 一种分布式能源聚合调控与自主调控协同优化方法及***
CN115237080A (zh) * 2022-09-19 2022-10-25 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
CN115293595A (zh) * 2022-08-10 2022-11-04 国网山东省电力公司青岛供电公司 考虑光伏出力不确定性的虚拟电厂聚合能力评估方法
CN116542439A (zh) * 2023-03-29 2023-08-04 国网上海市电力公司 一种虚拟电厂多能源响应的优化运行方法及***
CN116976601A (zh) * 2023-07-19 2023-10-31 深圳市科中云技术有限公司 一种虚拟电厂柔性可调节资源优化调度方法及***
CN117096948A (zh) * 2023-08-21 2023-11-21 湖北清江水电开发有限责任公司 基于风电和水电的虚拟电厂调度方法、设备以及存储介质
WO2024060413A1 (zh) * 2022-09-20 2024-03-28 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、电子设备、存储介质、程序、及程序产品
CN117791627A (zh) * 2024-02-26 2024-03-29 国网山东省电力公司东营供电公司 考虑虚拟电厂不确定性的柔性负荷动态聚合方法及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111262242A (zh) * 2020-03-03 2020-06-09 上海电力大学 基于多场景技术的冷热电虚拟电厂运行方法
CN112529256A (zh) * 2020-11-24 2021-03-19 华中科技大学 考虑多重不确定性的分布式电源集群日前调度方法和***
CN112785027A (zh) * 2020-06-22 2021-05-11 国网江苏省电力有限公司经济技术研究院 风光储联合发电***置信容量评估方法及***
EP3822881A1 (en) * 2019-11-14 2021-05-19 Google LLC Compute load shaping using virtual capacity and preferential location real time scheduling
CN112836849A (zh) * 2020-12-21 2021-05-25 北京华能新锐控制技术有限公司 一种考虑风电不确定性的虚拟电厂调度方法
CN113489066A (zh) * 2021-07-08 2021-10-08 华翔翔能科技股份有限公司 计及供需不确定性的含储能电网区间供电可靠性评估方法
CN113919717A (zh) * 2021-10-18 2022-01-11 内蒙古电力（集团）有限责任公司内蒙古电力经济技术研究院分公司 面向多目标同步优化的虚拟电厂资源调度方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3822881A1 (en) * 2019-11-14 2021-05-19 Google LLC Compute load shaping using virtual capacity and preferential location real time scheduling
CN111262242A (zh) * 2020-03-03 2020-06-09 上海电力大学 基于多场景技术的冷热电虚拟电厂运行方法
CN112785027A (zh) * 2020-06-22 2021-05-11 国网江苏省电力有限公司经济技术研究院 风光储联合发电***置信容量评估方法及***
CN112529256A (zh) * 2020-11-24 2021-03-19 华中科技大学 考虑多重不确定性的分布式电源集群日前调度方法和***
CN112836849A (zh) * 2020-12-21 2021-05-25 北京华能新锐控制技术有限公司 一种考虑风电不确定性的虚拟电厂调度方法
CN113489066A (zh) * 2021-07-08 2021-10-08 华翔翔能科技股份有限公司 计及供需不确定性的含储能电网区间供电可靠性评估方法
CN113919717A (zh) * 2021-10-18 2022-01-11 内蒙古电力（集团）有限责任公司内蒙古电力经济技术研究院分公司 面向多目标同步优化的虚拟电厂资源调度方法和装置

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115149586A (zh) * 2022-08-01 2022-10-04 华北电力大学 一种分布式能源聚合调控与自主调控协同优化方法及***
CN115293595A (zh) * 2022-08-10 2022-11-04 国网山东省电力公司青岛供电公司 考虑光伏出力不确定性的虚拟电厂聚合能力评估方法
CN115293595B (zh) * 2022-08-10 2024-07-02 国网山东省电力公司青岛供电公司 考虑光伏出力不确定性的虚拟电厂聚合能力评估方法
CN115237080A (zh) * 2022-09-19 2022-10-25 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
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
WO2024060413A1 (zh) * 2022-09-20 2024-03-28 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、电子设备、存储介质、程序、及程序产品
CN116542439A (zh) * 2023-03-29 2023-08-04 国网上海市电力公司 一种虚拟电厂多能源响应的优化运行方法及***
CN116976601B (zh) * 2023-07-19 2024-04-26 深圳市科中云技术有限公司 一种虚拟电厂柔性可调节资源优化调度方法及***
CN116976601A (zh) * 2023-07-19 2023-10-31 深圳市科中云技术有限公司 一种虚拟电厂柔性可调节资源优化调度方法及***
CN117096948A (zh) * 2023-08-21 2023-11-21 湖北清江水电开发有限责任公司 基于风电和水电的虚拟电厂调度方法、设备以及存储介质
CN117096948B (zh) * 2023-08-21 2024-05-03 湖北清江水电开发有限责任公司 基于风电和水电的虚拟电厂调度方法、设备以及存储介质
CN117791627A (zh) * 2024-02-26 2024-03-29 国网山东省电力公司东营供电公司 考虑虚拟电厂不确定性的柔性负荷动态聚合方法及***
CN117791627B (zh) * 2024-02-26 2024-05-14 国网山东省电力公司东营供电公司 考虑虚拟电厂不确定性的柔性负荷动态聚合方法及***

Also Published As

Publication number Publication date
CN114744687B (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
CN114744687B (zh) 一种虚拟电厂的能源调控方法及***
Chen et al. Low-carbon economic dispatch of integrated energy system containing electric hydrogen production based on VMD-GRU short-term wind power prediction
Khatod et al. Evolutionary programming based optimal placement of renewable distributed generators
Chen et al. Optimal allocation of distributed generation and energy storage system in microgrids
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能***能量协同优化调控方法
CN104239967A (zh) 一种含风电场的电力***多目标经济调度方法
Moshi et al. Optimal operational planning for PV-Wind-Diesel-battery microgrid
Sun et al. Optimal day-ahead wind-thermal unit commitment considering statistical and predicted features of wind speeds
CN110994606A (zh) 一种基于复杂适应***理论的多能源电源容量配置方法
Azimi et al. A new approach on quantification of flexibility index in multi-carrier energy systems towards optimally energy hub management
CN112821463A (zh) 基于风、光随机性的主动配电网多目标日前优化调度方法
CN115293457A (zh) 基于分布式协同优化策略的综合能源***季节性氢储优化配置方法
Ji et al. Optimal schedule of solid electric thermal storage considering consumer behavior characteristics in combined electricity and heat networks
CN114301081B (zh) 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法
CN116191556A (zh) 考虑新能源消纳和机组组合的5g基站需求响应方法及***
Hayati et al. A two-stage stochastic optimization scheduling approach for integrating renewable energy sources and deferrable demand in the spinning reserve market
CN111146796A (zh) 一种基于多变量控制的光伏发电综合用能分析管理的***和方法
Hu et al. Adaptive time division power dispatch based on numerical characteristics of net loads
CN113364043A (zh) 一种基于条件风险价值的微电网群优化方法
CN116961008A (zh) 计及电力弹簧与负荷需求响应的微电网容量双层优化方法
CN116454944A (zh) 一种基于随机生产模拟的储能装置优化配置方法及***
Fardin et al. Distributed generation energy in relation to renewable energy: Principle, techniques, and case studies
Muttaqi et al. An effective power dispatch strategy to improve generation schedulability by mitigating wind power uncertainty with a data driven flexible dispatch margin for a wind farm using a multi-unit battery energy storage system
CN115935619A (zh) 基于需求响应的主动配电网日前低碳调度方法及装置
Yu et al. A fuzzy Q-learning algorithm for storage optimization in islanding microgrid

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