CN115115276A - 考虑不确定性和隐私保护的虚拟电厂调度方法及*** - Google Patents

考虑不确定性和隐私保护的虚拟电厂调度方法及*** Download PDF

Info

Publication number
CN115115276A
CN115115276A CN202210957177.5A CN202210957177A CN115115276A CN 115115276 A CN115115276 A CN 115115276A CN 202210957177 A CN202210957177 A CN 202210957177A CN 115115276 A CN115115276 A CN 115115276A
Authority
CN
China
Prior art keywords
virtual power
output
power plant
uncertainty
virtual
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
CN202210957177.5A
Other languages
English (en)
Inventor
徐群
孙丰杰
刘宏波
高宽志
洪志辉
庞丽珺
武红星
孙昊
孟建
曹铭凯
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.)
QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co
Original Assignee
QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co
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 QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co filed Critical QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co
Priority to CN202210957177.5A priority Critical patent/CN115115276A/zh
Publication of CN115115276A publication Critical patent/CN115115276A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Bioethics (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明属于电力***电源调度领域，提供了考虑不确定性和隐私保护的虚拟电厂调度方法及***，该方法基于历史数据集，分阶段建立考虑不确定性的虚拟电厂的目标函数和约束；联合目标函数和约束构建单个虚拟电厂多场景优化问题，将多场景优化问题分解为多个场景子问题和子问题之间的耦合约束；基于子问题之间的耦合约束，采用ADMM迭代方程不断迭代求解多个场景子问题直至满足迭代精度后对多个虚拟电厂之间进行分布式协同，考虑隐私保护，采用分布式方法求解不同虚拟电厂间***优化问题得到优化结果，虚拟电厂根据优化结果调度机组出力。提升可再生能源的消纳，降低经济成本，同时保护不同虚拟电厂之间的隐私，防止隐私泄露。

Description

考虑不确定性和隐私保护的虚拟电厂调度方法及***
技术领域
本发明属于电力***电源调度领域，尤其涉及考虑不确定性和隐私保护的虚拟电厂调度方法及***。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着电力市场化改革，电力市场中可再生能源所占比重进一步提高，可再生能源通过分布式发电，能够充分利用资源、降低远距离输电成本、提高供电可靠性。
近年来，风电、光伏等可再生能源发展迅速，但由于其出力的强烈的随机性和间歇性，可再生能源出力很难被准确预测，对电力***的调度与运行带来困难。此外，风电光伏等分布式电源具有容量小、数量多、地理位置分散等特点，造成其并网成本高，管理难度大。
虚拟电厂(VPP)通常由传统的发电机、分布式发电设备、灵活负荷、储能设备等共同组成，通过精密的控制方式和能源管理，将多个单元整合，使其统一对外表现的一个整体，使得多种灵活资源参与到***的优化运行，有利于降低配电网复杂性。虚拟电厂可以集成分布式电源，通过安装多个小型电源，输出相对稳定的较大供电量。
现有技术存在如下缺点：
由于可再生能源诸如风能、太阳能等间歇性能源及负荷预测的不确定性问题进一步加剧，将影响到电网的运行状态和经济性，为电力***的调度和控制带来挑战。
为了应对可再生能源的不确定性，需要考虑多种可再生能源出力场景，确保***安全稳定运行。但在实际运营中，不同的虚拟电厂之间需要协同，以保证整个***的安全运行与整体经济效益最优。因为不同虚拟电厂之间分属不同的运营主体，不同主体之间不能交换详细的数据信息与结构，集中式求解并不现实。
发明内容
为了解决上述背景技术中存在的至少一项技术问题，本发明提供考虑不确定性和隐私保护的虚拟电厂调度方法及***，其首先采用多场景调度与ADMM分解的方法应对可再生能源出力的不确定性，之后采用ADMM分解的方式保护不同虚拟电厂间的隐私。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供考虑不确定性和隐私保护的虚拟电厂调度方法，包括如下步骤：
获取风电、光伏出力以及负荷的历史数据集；
基于历史数据集，分阶段建立考虑不确定性的虚拟电厂的目标函数和约束；
联合目标函数和约束构建单个虚拟电厂多场景优化问题，将多场景优化问题分解为多个场景子问题和子问题之间的耦合约束；
基于子问题之间的耦合约束，采用ADMM迭代方程不断迭代求解多个场景子问题直至满足迭代精度后对多个虚拟电厂之间进行分布式协同，考虑隐私保护，采用分布式方法求解不同虚拟电厂间***优化问题得到优化结果，虚拟电厂根据优化结果调度机组出力。
本发明的第二个方面提供考虑不确定性和隐私保护的虚拟电厂调度***，包括：
数据获取模块，用于获取风电、光伏出力以及负荷的历史数据集；
优化问题构建模块，用于基于历史数据集，分阶段建立考虑不确定性的虚拟电厂的目标函数和约束；联合目标函数和约束构建单个虚拟电厂多场景优化问题，将多场景优化问题分解为多个场景子问题和子问题之间的耦合约束；
虚拟电厂调度模块，用于基于子问题之间的耦合约束，采用ADMM迭代方程不断迭代求解多个场景子问题直至满足迭代精度后对多个虚拟电厂之间进行分布式协同，考虑隐私保护，采用分布式方法求解不同虚拟电厂间***优化问题得到优化结果，虚拟电厂根据优化结果调度机组出力。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的考虑不确定性和隐私保护的虚拟电厂调度方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，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实现如上述所述的考虑不确定性和隐私保护的虚拟电厂调度方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明提出了一种考虑不确定性和隐私保护的虚拟电厂多场景调度方法，首先采用多场景调度与ADMM分解的方法应对可再生能源出力的不确定性，之后采用分布式求解的方式保护不同虚拟电厂间的隐私。一方面考虑了种可再生能源出力场景，应对了可再生能源的不确定性，确保***安全稳定运行。另一方面，保证了在实际运营中，实现了不同的虚拟电厂之间的协同，以保证整个***的安全运行与整体经济效益最优，同时保证了不同虚拟电厂间的隐私。
本发明附加方面的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，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例考虑不确定性和隐私保护的虚拟电厂调度方法的流程示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明的目的是应对虚拟电厂中可再生能源出力的不确定性，并且保证虚拟电厂中不同虚拟电厂的隐私性，提出了一种考虑不确定性和隐私保护的虚拟电厂多场景调度方法，首先采用多场景调度与ADMM分解的方法应对可再生能源出力的不确定性，之后采用ADMM分解的方式保护不同虚拟电厂间的隐私。可以应对可再生能源的不确定性，考虑多种可再生能源出力场景，确保***安全稳定运行，同时保证虚拟电厂中不同虚拟电厂的隐私性。
实施例一
如图1所示，本实施例提供考虑不确定性和隐私保护的虚拟电厂调度方法，包括如下步骤：
步骤1：获取风电、光伏出力以及负荷的历史数据集；
作为一种或多种实施例，本实施例的数据通过状态感知技术进行收集，根据收集的数据集进行短期预测，预测未来可能出现的新能源出力和负荷量。
采用场景缩减技术筛选典型的新能源出力和负荷数据集合，作为步骤2中第二阶段约束所考虑的多场景；
将新能源出力的场景均值数据作为步骤2中第一阶段风机、光伏减载运行设定值的上限值(即虚拟电厂约束中风电和光伏出力的上限参数)。
并根据历史市场交易价格，确定目标函数中虚拟电厂间交换功率、弃风弃光、机组运行及备用容量的成本系数。
步骤2：建立虚拟电厂的目标函数。
虚拟电厂目标函数为两个阶段的总成本：
Figure BDA0003791826600000051
式(1)表示虚拟电厂运行的总成本，其中第一阶段成本包括从区域外向虚拟电厂注入功率的成本Cch，分布式发电机组(DG)的运行成本CDG、备用成本CR，风力发电的弃风成本CW，光伏发电的弃光成本CPV；第二阶段成本包括所考虑场景下DG功率调整、弃风、弃光和切负荷的期望成本，其中场景下ω的成本分别表示如下
Figure BDA0003791826600000061
Pω为所考虑不确定性场景ω发生的概率，Ω表示所有不确定性场景的集合。
步骤3：建立虚拟电厂约束。虚拟电厂约束分为两个阶段约束；具体如下：
第一阶段约束条件:
Figure BDA0003791826600000062
Figure BDA0003791826600000063
Figure BDA0003791826600000064
Figure BDA0003791826600000065
式中：
Figure BDA0003791826600000066
分别表示第i个DG在t时刻的出力、向上备用容量、向下备用容量；Pi Gmax,Pi Gmin分别表示第i个DG的最大、最小出力限制；
Figure BDA0003791826600000067
则分别表示第i个DG的最大、最小爬坡速率限制；
Figure BDA0003791826600000068
分别表示第i个可控风机t时刻的计划出力和预测出力最大值；
Figure BDA0003791826600000069
分别表示第i个可控光伏t时刻的计划出力和预测出力最大值；
Figure BDA00037918266000000610
表示区域边界节点i处注入虚拟电厂的功率，其可正可负；
Figure BDA00037918266000000611
表示虚拟电厂控制范围内节点i处t时刻的净负荷，其包含不可控的新能源出力；Nch,NDG,NW,NPV,Nn分别表示区域边界节点、DG机组、可控风电、光伏机组、虚拟电厂控制范围内节点的集合。
式(2)和式(3)分别表示DG的输出功率、备用容量限制和爬坡功率限制，式(4)表示可控风电、光伏机组的输出功率限制，式(5)表示第一阶段的功率平衡约束。
第二阶段约束条件：
Figure BDA0003791826600000071
Figure BDA0003791826600000072
Figure BDA0003791826600000073
Figure BDA0003791826600000074
式中，
Figure BDA0003791826600000075
分别表示场景ω下第i个DG向上、向下的功率调整量和总的输出功率；
Figure BDA0003791826600000076
分别表示场景ω下第i个可控风机t时刻的出力和出力最大值；
Figure BDA0003791826600000077
分别表示场景ω下第i个可控光伏t时刻的出力和出力最大值；
Figure BDA0003791826600000078
表示场景ω下虚拟电厂控制范围内节点i处t时刻的净负荷，其包含不可控的新能源出力；
Figure BDA0003791826600000079
表示场景ω下节点i处t时刻的切负荷量。
式(6)和式(7)表示DG出力调整受第一阶段备用容量的限制和总出力的爬坡限制，式(8)表示场景ω下可控风电、光伏机组的输出功率限制，式(9)表示第二阶段场景ω下的功率平衡约束。
用
Figure BDA00037918266000000710
表示
Figure BDA00037918266000000711
构成列向量x，同样将所有的
Figure BDA00037918266000000712
构成列向量y，可将上述第一阶段约束写成如下抽象形式：Ax+By≤b；
将所有
Figure BDA00037918266000000713
构成列向量zω，可将上述第二阶段约束写成如下抽象形式：Dx+Ey+Fzω≤hω。
将目标函数可抽象为c1x+c2y，c1,c2为相应的成本系数向量。
因此，单个虚拟电厂VPP的优化问题可表示如下：
Figure BDA0003791826600000081
步骤4：首先针对规模较大的单个虚拟电厂优化问题，采用ADMM算法进行场景分解，实现每个场景子问题的并行计算，减少求解时间。
分解步骤如下：
步骤401：将式(10)中单个VPP优化问题分解为|Ω|个场景子问题，每个场景子问题表述如式(11)所示，每个子问题之间的耦合约束如式(12)所示，其等价于式(13)。
Figure BDA0003791826600000082
x1＝···＝x|Ω|,y1＝···＝y|Ω| (12)
Figure BDA0003791826600000083
式中：xω,yω分别表示场景ω子问题中第一阶段的注入功率和DG、可控风电、光伏的出力值。
步骤402：通过式(11)-(13)构建如式(14)所示增广拉格朗日函数：
Figure BDA0003791826600000084
式中：μω,λω分别表示式(13)两类等式的对偶变量；ρx,ρy分别表示第一阶段的注入功率和DG、可控风电、光伏的出力值的惩罚系数，平方正则项
Figure BDA0003791826600000085
则是相应的惩罚项。
步骤403：迭代次数k置零，惩罚项和对偶变量置零，依次求解式(11)中的子问题，得到xω,yω的迭代初始值。
步骤404：依次求解式(15)所示ADMM迭代方程
Figure BDA0003791826600000091
式中：
Figure BDA0003791826600000092
即步骤402中的拉格朗日增广函数，
Figure BDA0003791826600000093
表示除了场景ω子问题中变量xω,yω，其他变量为第k次迭代时的取值。
步骤405：根据步骤404中结果计算
Figure BDA0003791826600000094
并如式(16)更新对偶变量取值。
Figure BDA0003791826600000095
步骤406：计算式(17)所示迭代收敛精度，若gk+1≤ε则执行步骤5，转到外层循环；其中，gk+1为每次迭代的误差，ε为收敛标准；否则，迭代次数k＝k+1，回到步骤404继续迭代。
Figure BDA0003791826600000096
经过步骤4，得到的优化结果为单个虚拟电厂与外界的交换功率和内部分布式电源的计划功率，其中与外界的交换功率作为步骤5中不同虚拟电厂间协同的边界约束。
步骤5：虚拟电厂之间分属不同的运营主体，不同主体之间不能交换详细的数据信息与结构，需要对虚拟电厂间进行分布式协同。
以两个虚拟电厂为例，协同步骤如下：
步骤501：两个虚拟电厂的边界条件为两虚拟电厂的注入功率之和为0，即保持全***的功率平衡。
具体表达式为：
H1x1+H2x2＝0 (18)
式中：H1,H2分别表示第1，2个电厂的边界耦合矩阵。
则两个虚拟电厂间协同表达式为：
Figure BDA0003791826600000101
步骤502：对于步骤501中的表达式，构造增广拉格朗日函数，
Figure BDA0003791826600000102
式中：
Figure BDA0003791826600000103
表示耦合等式的对偶变量；ρVPP表示的惩罚系数，平方正则项
Figure BDA0003791826600000104
则是惩罚项。
步骤503：设置迭代次数k＝0，设置迭代初值x1(k)＝x2(k)＝λVPP(k)＝0。
步骤504：虚拟电厂依次求解下列子问题：
Figure BDA0003791826600000105
步骤505：更新ADMM中的对偶乘子：
λVPP(k+1)＝λVPP(k)+ρVPP(H1x1(k+1)+H2x2(k+1)) (22)
步骤506：计算迭代残差：
rVPP(k+1)＝H1x1(k+1)+H2x2(k+1) (23)
若||rVPP(k+1)||2≤εVPP则迭代收敛，虚拟电厂间协同完成；否则，迭代次数k＝k+1，回到步骤504继续迭代。
步骤6：在步骤5收敛之后，将最后一次的迭代值x1(k+1)，x2(k+1)即不同虚拟电厂的全局最优机组出力
Figure BDA0003791826600000106
虚拟电厂根据优化结果下发指令，对机组出力进行调度。
本实施例中，采用分布式方法求解不同虚拟电厂间***优化问题中，采用的分布式方法为交替方向乘子法。
上述方案的优点在于，采用多场景调度与ADMM分解的方法应对可再生能源出力的不确定性，之后采用ADMM分解的方式保护不同虚拟电厂间的隐私。可以很好的应用于各种城市，特别是北京、上海等经济较发达，可再生能源大量接入电网的地区，本发明提出的考虑不确定性和隐私保护的虚拟电厂的多场景调度方法可以提升可再生能源的消纳，又可以降低一定的经济成本，节约资源，同时保护不同虚拟电厂之间的隐私，防止隐私泄露。
实施例二
本实施例提供考虑不确定性和隐私保护的虚拟电厂调度***，包括：
数据获取模块，用于获取风电、光伏出力以及负荷的历史数据集；
优化问题构建模块，用于基于历史数据集，分阶段建立考虑不确定性的虚拟电厂的目标函数和约束；联合目标函数和约束构建单个虚拟电厂多场景优化问题，将多场景优化问题分解为多个场景子问题和子问题之间的耦合约束；
虚拟电厂调度模块，用于基于子问题之间的耦合约束，采用ADMM迭代方程不断迭代求解多个场景子问题直至满足迭代精度后对多个虚拟电厂之间进行分布式协同，考虑隐私保护，采用分布式方法求解不同虚拟电厂间***优化问题得到优化结果，虚拟电厂根据优化结果调度机组出力。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的考虑不确定性和隐私保护的虚拟电厂调度方法中的步骤。
实施例四
本实施例提供了一种计算机设备，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实现如上述所述的考虑不确定性和隐私保护的虚拟电厂调度方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.考虑不确定性和隐私保护的虚拟电厂调度方法，其特征在于，包括如下步骤：
获取风电、光伏出力以及负荷的历史数据集；
基于历史数据集，分阶段建立考虑不确定性的虚拟电厂的目标函数和约束；
联合目标函数和约束构建单个虚拟电厂多场景优化问题，将多场景优化问题分解为多个场景子问题和子问题之间的耦合约束；
基于子问题之间的耦合约束，采用ADMM迭代方程不断迭代求解多个场景子问题直至满足迭代精度后对多个虚拟电厂之间进行分布式协同，考虑隐私保护，采用分布式方法求解不同虚拟电厂间***优化问题得到优化结果，虚拟电厂根据优化结果调度机组出力。
2.如权利要求1所述的考虑不确定性和隐私保护的虚拟电厂调度方法，其特征在于，所述虚拟电厂的目标函数为：
Figure FDA0003791826590000011
其中，第一阶段成本包括从区域外向虚拟电厂注入功率的成本Cch，分布式发电机组的运行成本CDG、备用成本CR，风力发电的弃风成本CW，光伏发电的弃光成本CPV；第二阶段成本包括所考虑场景下DG功率调整、弃风、弃光和切负荷的期望成本，其中场景下ω的成本分别表示如下
Figure FDA0003791826590000012
Pω为所考虑不确定性场景ω发生的概率，Ω表示所有不确定性场景的集合。
3.如权利要求1所述的考虑不确定性和隐私保护的虚拟电厂调度方法，其特征在于，所述分阶段建立考虑不确定性的约束包括：
基于DG的输出功率、备用容量限制和爬坡功率限制、可控风电、光伏机组的输出功率限制以及第一阶段的功率平衡约束作为第一阶段约束条件；
基于DG出力调整受第一阶段备用容量的限制和总出力的爬坡限制、场景下可控风电、光伏机组的输出功率限制以及第二阶段场景下的功率平衡约束作为第二阶段约束条件。
4.如权利要求3所述的考虑不确定性和隐私保护的虚拟电厂调度方法，其特征在于，所述第一阶段约束条件的表达式为：
Figure FDA0003791826590000021
Figure FDA0003791826590000022
Figure FDA0003791826590000023
Figure FDA0003791826590000024
式中，
Figure FDA0003791826590000025
分别表示第i个DG在t时刻的出力、向上备用容量、向下备用容量；
Figure FDA0003791826590000026
分别表示第i个DG的最大、最小出力限制；
Figure FDA0003791826590000027
分别表示第i个DG的最大、最小爬坡速率限制；
Figure FDA0003791826590000028
分别表示第i个可控风机t时刻的计划出力和预测出力最大值；
Figure FDA0003791826590000029
分别表示第i个可控光伏t时刻的计划出力和预测出力最大值；
Figure FDA00037918265900000210
表示区域边界节点i处注入虚拟电厂的功率；
Figure FDA00037918265900000211
表示虚拟电厂控制范围内节点i处t时刻的净负荷，其包含不可控的新能源出力；Nch,NDG,NW,NPV,Nn分别表示区域边界节点、DG机组、可控风电、光伏机组、虚拟电厂控制范围内节点的集合。
5.如权利要求3所述的考虑不确定性和隐私保护的虚拟电厂调度方法，其特征在于，所述第二阶段约束条件的表达式为：
Figure FDA00037918265900000212
Figure FDA0003791826590000031
Figure FDA0003791826590000032
Figure FDA0003791826590000033
式中，
Figure FDA0003791826590000034
分别表示场景ω下第i个DG向上、向下的功率调整量和总的输出功率；
Figure FDA0003791826590000035
分别表示场景ω下第i个可控风机t时刻的出力和出力最大值；
Figure FDA0003791826590000036
分别表示场景ω下第i个可控光伏t时刻的出力和出力最大值；
Figure FDA0003791826590000037
表示场景ω下虚拟电厂控制范围内节点i处t时刻的净负荷，其包含不可控的新能源出力；
Figure FDA0003791826590000038
表示场景ω下节点i处t时刻的切负荷量。
6.如权利要求1所述的考虑不确定性和隐私保护的虚拟电厂调度方法，其特征在于，获取风电、光伏出力以及负荷的历史数据集后，对数据进行预处理包括：
采用场景缩减技术筛选典型的新能源出力和负荷数据集合，作为第二阶段约束所考虑的多场景；
将新能源出力的场景均值数据作为第一阶段虚拟电厂约束中风电和光伏出力的上限参数；
根据历史市场交易价格，确定目标函数中虚拟电厂间交换功率、弃风弃光、机组运行及备用容量的成本系数。
7.如权利要求1所述的考虑不确定性和隐私保护的虚拟电厂调度方法，其特征在于，所述分布式方法采用交替方向乘子法。
8.考虑不确定性和隐私保护的虚拟电厂调度***，其特征在于，包括：
数据获取模块，用于获取风电、光伏出力以及负荷的历史数据集；
优化问题构建模块，用于基于历史数据集，分阶段建立考虑不确定性的虚拟电厂的目标函数和约束；联合目标函数和约束构建单个虚拟电厂多场景优化问题，将多场景优化问题分解为多个场景子问题和子问题之间的耦合约束；
虚拟电厂调度模块，用于基于子问题之间的耦合约束，采用ADMM迭代方程不断迭代求解多个场景子问题直至满足迭代精度后对多个虚拟电厂之间进行分布式协同，考虑隐私保护，采用分布式方法求解不同虚拟电厂间***优化问题得到优化结果，虚拟电厂根据优化结果调度机组出力。
9.一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1-7中任一项所述的考虑不确定性和隐私保护的虚拟电厂调度方法中的步骤。
10.一种计算机设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的考虑不确定性和隐私保护的虚拟电厂调度方法中的步骤。
CN202210957177.5A 2022-08-10 2022-08-10 考虑不确定性和隐私保护的虚拟电厂调度方法及*** Pending CN115115276A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210957177.5A CN115115276A (zh) 2022-08-10 2022-08-10 考虑不确定性和隐私保护的虚拟电厂调度方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210957177.5A CN115115276A (zh) 2022-08-10 2022-08-10 考虑不确定性和隐私保护的虚拟电厂调度方法及***

Publications (1)

Publication Number Publication Date
CN115115276A true CN115115276A (zh) 2022-09-27

Family

ID=83336053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210957177.5A Pending CN115115276A (zh) 2022-08-10 2022-08-10 考虑不确定性和隐私保护的虚拟电厂调度方法及***

Country Status (1)

Country Link
CN (1) CN115115276A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116436101A (zh) * 2023-06-14 2023-07-14 山东大学 一种基于场景缩减的输配协同随机调度方法及***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114140022A (zh) * 2021-12-10 2022-03-04 国网山西省电力公司电力科学研究院 一种多虚拟电厂分布式动态经济调度方法及***
CN114139780A (zh) * 2021-11-16 2022-03-04 国网山西省电力公司电力科学研究院 含分布式电源的虚拟电厂与配电网协调优化方法及***
CN114139878A (zh) * 2021-11-08 2022-03-04 北京邮电大学 一种虚拟电厂协调调度方法、***及区块链应用方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114139878A (zh) * 2021-11-08 2022-03-04 北京邮电大学 一种虚拟电厂协调调度方法、***及区块链应用方法
CN114139780A (zh) * 2021-11-16 2022-03-04 国网山西省电力公司电力科学研究院 含分布式电源的虚拟电厂与配电网协调优化方法及***
CN114140022A (zh) * 2021-12-10 2022-03-04 国网山西省电力公司电力科学研究院 一种多虚拟电厂分布式动态经济调度方法及***

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
周博;吕林;高红均;阮振;钱珍琳;: "考虑热电联合调度的虚拟电厂交易策略研究", 电测与仪表, no. 10, 16 January 2019 (2019-01-16) *
邹云阳 等: "基于经典场景集的风光水虚拟电厂协同调度模型", 《电网技术》, vol. 39, no. 7, 5 July 2015 (2015-07-05), pages 1855 - 1859 *
陈厚合: "含虚拟电厂的风电并网***分布式优化调度建模", 《中国电机工程学报》, vol. 39, no. 9, 5 May 2019 (2019-05-05), pages 2616 *
陈厚合: "含虚拟电厂的风电并网***分布式优化调度建模摘要部分", 《中国电机工程学报》, vol. 39, no. 9, 5 May 2019 (2019-05-05), pages 2616 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116436101A (zh) * 2023-06-14 2023-07-14 山东大学 一种基于场景缩减的输配协同随机调度方法及***
CN116436101B (zh) * 2023-06-14 2023-09-05 山东大学 一种基于场景缩减的输配协同随机调度方法及***

Similar Documents

Publication Publication Date Title
CN110298138B (zh) 一种综合能源***优化方法、装置、设备及可读存储介质
Saez-de-Ibarra et al. Co-optimization of storage system sizing and control strategy for intelligent photovoltaic power plants market integration
CN105631528B (zh) 一种基于nsga-ii和近似动态规划的多目标动态最优潮流求解方法
CN108365608B (zh) 一种区域能源互联网不确定优化调度方法及***
Chang et al. A distributed robust optimization approach for the economic dispatch of flexible resources
CN112491094B (zh) 一种混合驱动的微电网能量管理方法、***及装置
CN111062514A (zh) 一种电力***规划方法及***
Zhai et al. Robust model predictive control for energy management of isolated microgrids
Kim et al. Dynamic programming for scalable just-in-time economic dispatch with non-convex constraints and anytime participation
Duan et al. A deep reinforcement learning based approach for optimal active power dispatch
Dvorkin et al. A consensus-ADMM approach for strategic generation investment in electricity markets
CN111667109A (zh) 一种虚拟电厂的出力控制方法及装置
CN112163304A (zh) 一种输电网冗余约束识别方法、存储介质及计算设备
CN104915788B (zh) 一种考虑多风场相关性的电力***动态经济调度的方法
CN115795992A (zh) 一种基于运行态势虚拟推演的园区能源互联网在线调度方法
Zhang et al. Frequency-constrained unit commitment for power systems with high renewable energy penetration
CN115115276A (zh) 考虑不确定性和隐私保护的虚拟电厂调度方法及***
Zhang et al. Physical-model-free intelligent energy management for a grid-connected hybrid wind-microturbine-PV-EV energy system via deep reinforcement learning approach
Ashtari et al. A two-stage energy management framework for optimal scheduling of multi-microgrids with generation and demand forecasting
Zhang et al. A holistic robust method for optimizing multi-timescale operations of a wind farm with energy storages
CN116054241B (zh) 一种新能源微电网群***鲁棒能量管理方法
Ignat-Balaci et al. Day-Ahead Scheduling, Simulation, and Real-Time Control of an Islanded Microgrid.
CN115860180A (zh) 基于一致性强化学习算法的电网多时间尺度经济调度方法
Cheng et al. Optimal energy management of energy internet: A distributed actor-critic reinforcement learning method
CN114781817A (zh) 电-气互联***多时间尺度联合优化调度方法及***

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