CN116070801A - 一种负荷聚合平台多站点最优运行策略生成方法 - Google Patents

一种负荷聚合平台多站点最优运行策略生成方法 Download PDF

Info

Publication number
CN116070801A
CN116070801A CN202310340480.5A CN202310340480A CN116070801A CN 116070801 A CN116070801 A CN 116070801A CN 202310340480 A CN202310340480 A CN 202310340480A CN 116070801 A CN116070801 A CN 116070801A
Authority
CN
China
Prior art keywords
power
energy storage
station
storage system
demand response
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202310340480.5A
Other languages
English (en)
Other versions
CN116070801B (zh
Inventor
康荣
张毅
马兴
王鹏
张东宁
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.)
Hangzhou Qingzhou Technology Co ltd
Original Assignee
Hangzhou Qingzhou 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 Hangzhou Qingzhou Technology Co ltd filed Critical Hangzhou Qingzhou Technology Co ltd
Priority to CN202310340480.5A priority Critical patent/CN116070801B/zh
Publication of CN116070801A publication Critical patent/CN116070801A/zh
Application granted granted Critical
Publication of CN116070801B publication Critical patent/CN116070801B/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
    • H02J3/007—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—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
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—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
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth 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

本发明公开了一种负荷聚合平台多站点最优运行策略生成方法，包括以下步骤，场景抽象建模，将负荷聚合平台下的各储能站点参与需求响应和日常运行的业务场景建模；决策变量定义；设定优化目标，包括设定电站供电收益、电网购电成本和需求响应收益，最终目标函数为所有站点综合收益之和最大化；添加约束条件；将负荷聚合平台下的多站点需求响应问题构建为约束优化模型，对所述约束优化模型进行实际求解，获得在当前条件下的最优运行策略。有益效果：制定经济性最优的运行策略、决策逻辑明确，决策过程快速有效、适应不同需求，有效解决了因站点负载功率等的突变导致的需求响应无法实际执行或出现重大偏差的问题。

Description

一种负荷聚合平台多站点最优运行策略生成方法
技术领域
本发明涉及电力需求响应的市场化运行策略的技术领域，尤其涉及负荷聚合平台多站点最优运行策略生成方法。
背景技术
电力需求响应（Demand Response，简称DR）是指电力市场价格明显升高（降低）或***安全可靠性存在风险时，电力用户根据价格或激励措施，暂时改变其用电行为，减少（增加）用电，从而促进电力供需平衡、保障电网稳定运行、抑制电价上升的短期行为。负荷聚合响应模式是指通过引入“负荷聚合商”这一市场主体，依托利用其负荷聚合平台对多个储能电站的集控能力，实现对需求响应时段整体电网负载的调控，从而达到对电网功率削峰填谷的目的，同时，负荷聚合商通过作为独立市场主体参与电网的需求响应结算获取收益。
目前需求响应不可避免地极度依赖于人工操作，需要专人实时关注并进行相应的操作，另外大部分的填谷需求响应发生在夜间和凌晨，因而不便于实际操作。同时随着参与需求响应的电站的规模和需求响应频次的扩大，这种依赖于人工操作的方法不再贴合实际需要，亟需一种智能化自动化的方法进行替代。以及参与需求响应需要提前备电或放电，这会影响各个电站正常运行的收益，并且由于各个电站的负载情况时刻处在变化之中，因此，提前设定的固定充放电曲线可能会因站点负载的变化而无法实现预定的充放电进程，这会极大地影响负荷聚合平台参与需求响应的收益结算。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：提供一种负荷聚合平台多站点最优运行策略生成方法。
为解决上述技术问题，本发明提供如下技术方案：一种负荷聚合平台多站点最优运行策略生成方法，包括以下步骤，场景抽象建模，将负荷聚合平台下的各储能站点参与需求响应和日常运行的业务场景建模；决策变量定义；设定优化目标，包括设定电站供电收益、电网购电成本和需求响应收益，最终目标函数为所有站点综合收益之和最大化；添加约束条件，添加需求响应功率约束、母线电量平衡约束、储能***SOC约束、储能***功率约束、电网功率约束以及储能功率变动约束；根据所述目标函数及添加的约束条件，将负荷聚合平台下的多站点需求响应问题构建为约束优化模型，对所述约束优化模型进行实际求解，获得在当前条件下的最优运行策略。
优选的，所述决策变量定义包括，考虑具有N个站点的负荷聚合平台在未来T个时刻的运行策略，定义决策变量如下，Xit：充电站点i的储能在t时刻的直流放电功率;Yit：充电站点i的储能在t时刻的直流充电功率;Zit：充电站点i在t时刻从电网购电功率；上述变量均为非负实数，其中，i=1,2,···,N,t=1,2,···,T。
优选的，所述最终目标函数为电站供电总收益、电网购电成本、需求响应收益的综合收益之和，如下式式中，J为最终目标函数，J_load为电站供电总收益、C_grid为电网购电成本、J_demand为需求响应收益。
优选的，添加所述需求响应功率约束如下式：
；
在需求响应时段，负荷聚合平台下所有站点的响应功率之和等于总需求响应功率，其中demand_powert为由电网事先发布的需求响应目标功率值，Dt为是否是需求响应时段的标识符，若t时段为需求响应时段，Dt值为1，否则为0。
优选的，添加所述母线电量平衡约束包括，在任一时段任一站点，均应满足母线电量平衡约束，如下式：
；
其中，η_dsgi、η_chgi分别为站点i储能***的放电、充电效率，Sit、Lit是站点i在t时段的其他电源功率及负载用电功率。
优选的，添加所述储能***SOC约束包括，任一时段任一站点的储能***SOC应满足在其上下限之间，如下式：
；
其中，cap_mini、cap_maxi分别为站点i的储能***的电量下限、电量上限，capi0为站点i的储能***初始状态的电量，capi为站点i的储能***在t时段的电量，dτ为τ时段的时长。
优选的，添加储能***功率约束包括，
任一时段任一站点的储能***充放电功率应在其充放电功率上下限之间，如下式：
；
式中Pi为站点i的储能***的最大充放电功率，、分别表示储能***交流侧功率。
优选的，添加所述电网功率约束包括，任一时段任一站点从电网购电功率应不高于站点所在变压器功率限制，不低于0，如下式：
；
其中，为站点i所在变压器最大功率。
优选的，添加储能功率变动约束包括，对储能***相邻时刻的功率变动速率做出响应的限制，要求相邻时段功率变动值不超过储能***额定功率的α倍，其取值为0~2，如下式：
；
其中，、分别为站点i的储能***在t时段、t−1时段的功率，为站点i的储能***在初始时段的功率。
优选的，构建所述约束优化模型为为多变量的混合整数规划模型，如下式：
；
式中，J为所述最终目标函数，J_load为电站供电总收益、C_grid为电网购电成本、J_demand为需求响应收益，Xit为充电站点i的储能在t时刻的直流放电功率，Yit为充电站点i的储能在t时刻的直流充电功率，Zit为充电站点i在t时刻从电网购电功率，、分别为站点i的储能***在t时段、t−1时段的功率，为站点i的储能***在初始时段的功率，demand_powert为由电网事先发布的需求响应目标功率值，Dt为是否是需求响应时段的标识符，η_dsgi、η_chgi分别为站点i储能***的放电、充电效率，Sit、Lit是站点i在t时段的其他电源功率及负载用电功率，cap_mini、cap_maxi分别为站点i的储能***的电量下限、电量上限，capi0为站点i的储能***初始状态的电量，capi为站点i的储能***在t时段的电量，dτ为τ时段的时长，Pi为站点i的储能***的最大充放电功率，、分别表示储能***交流侧功率，为站点i所在变压器最大功率；将所述约束优化模型应用于负荷聚合平台，获取最新的数据不断求解所建立的约束优化模型，从而获得在当前条件下的最优运行策略。
本发明的有益效果：一是本发明实现了对峰谷电价场景下负荷聚合平台参与需求响应的抽象建模，从而能够依据该模型制定经济性最优的运行策略；二是本发明所述方法提供了对多个站点进行集中统一决策与控制，既可用于小规模的负荷聚合平台，也可用于大规模的负荷聚合平台，决策逻辑明确，决策过程快速有效；三是本发明构建的模型具有良好的可拓展性，可针对特殊站点或者特殊时段添加额外的特定约束，如某些站点因发生故障未能实际参与到需求响应之中、某些时刻用户不允许某特定储能站点参与需求响应等（不允许的原因如该站点储能需执行应急供电任务等），优化目标也可根据实际需求随时更改切换，由此可衍生出不同的目标策略，适应不同需求；四是本发明实现将总体需求响应功率动态、实时地分配到各个站点的目标，确保各个站点能够实际执行，同时动态规划与下发的策略能够根据站点负载功率、其他电源功率、储能***SOC状况的变化快速调整，有效解决了因站点负载功率等的突变导致的需求响应无法实际执行或出现重大偏差的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明所述方法的整体流程图；
图2为本发明所述负荷聚合平台业务场景的示意图；
图3为实施例中是否参与需求响应的收益情况对比图；
图4为站点41的具体运行情况各项参数曲线图；
图5为站点143的具体运行情况各项参数曲线图；
图6为站点193的具体运行情况各项参数曲线图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
电力需求响应的市场化运行能够充分发挥市场在优化资源配置和电力保供中的作用，积极应对化解阶段性电力供需紧张矛盾，引导用户优化用电负荷。因此，随着我国电力市场化改革地大力推进，电力需求响应变得越来越重要，其形式也由原来的特定用户邀约参与进一步丰富为多种形式(如售电公司业务模式、参与电能量市场模式，参与容量市场模式，参与辅助服务市场模式等)，特别是近年来依托储能电站的大量投产而兴起了一种全新且极具发展潜力的负荷聚合响应模式，负荷聚合响应模式是指通过引入“负荷聚合商”这一市场主体，依托利用其负荷聚合平台对多个储能电站的集控能力，实现对需求响应时段整体电网负载的调控，从而达到对电网功率削峰填谷的目的，同时，负荷聚合商通过作为独立市场主体参与电网的需求响应结算获取收益。
目前，开展的需求响应以邀约型试点为主，市场化程度大多还处于较低水平，随着市场化水平的不断提升，未来需求响应市场化运行的趋势毋庸置疑。但由于目前各项相关规则暂不明确，各市场主体对需求响应的业务了解程度较低，因而暂没有针对该场景的详细技术方案。
对参与邀约进而参与需求响应的极少数市场主体而言，当前普遍的做法是在接受到需求响应邀约后，提前分别控制各个储能设备充电或放电，充放电功率及时长等均依赖人工设定，待到需求响应时段后，再由人工设定每个站点的充放电功率曲线。
以上做法存在虽在一定程度上实现了控制多个站点参与需求响应的目的，但不可避免地极度依赖于人工操作，需要专人实时关注并进行相应的操作，另外大部分的填谷需求响应发生在夜间和凌晨，因而不便于实际操作。同时随着参与需求响应的电站的规模和需求响应频次的扩大，这种依赖于人工操作的方法不再贴合实际需要，亟需一种智能化自动化的方法进行替代。
此外以上做法存在的另一个问题在于电站运行的经济性，参与需求响应需要提前备电或放电，这会影响各个电站正常运行的收益，并且由于各个电站的负载情况时刻处在变化之中，因此，提前设定的充放电曲线可能会因站点负载的变化而无法实现预定的充放电进程，这会极大地影响负荷聚合平台参与需求响应的收益结算。
针对上述问题，本实施例提出一种负荷聚合平台多站点最优运行策略生成方法，包括场景抽象建模、决策变量定义、设定优化目标、添加约束条件、模型实际求解 5 个主要步骤，技术方案流程图如图1所示，具体的，包括以下步骤，
S1：场景抽象建模，将负荷聚合平台下的各储能站点参与需求响应和日常运行的业务场景建模；
S2：决策变量定义；
S3：设定优化目标，包括设定电站供电收益、电网购电成本和需求响应收益，最终目标函数为所有站点综合收益之和最大化；
S4：添加约束条件，添加需求响应功率约束、母线电量平衡约束、储能***SOC约束、储能***功率约束、电网功率约束以及储能功率变动约束；
S5：根据所述目标函数及添加的约束条件，将负荷聚合平台下的多站点需求响应问题构建为约束优化模型，对所述约束优化模型进行实际求解，获得在当前条件下的最优运行策略。
进一步更加具体的，对本实施例负荷聚合平台多站点最优运行策略生成方法各步骤进行详细说明。
S1：场景抽象建模。
本实施例将负荷聚合平台下的各储能站点参与需求响应和日常运行的业务场景建模为抽象模型，如图2的示意。现对其中各部分简要介绍如下：
（1）站点：站点是能够独立参与电网日常削峰填谷的市场主体，同时也作为负荷聚合平台的一部分执行终端设备。站点直接与电网并网，配备有储能设备，同时连接各类负载设备，部分站点还可能配备有其他类型的发电设备，如光伏、风电、柴油机组等；站点储能均有独立的控制***，可自主控制单站进行日常削峰填谷运行，也可接受来自负荷聚合平台的统一调度参与需求响应。
（2）电网：电网通过站点变压器与各站点连接，电网电价是分时的“尖峰平谷”电价，在部分时段，根据全网负载和供电情况，一般会提前确定某个或者某几个时段为需求响应时段，并发布相应的需求响应功率，由负荷聚合平台进行响应，最终将负荷聚合平台视为一个独立的市场主体进行需求响应结算。
（3）负荷聚合平台：负荷聚合平台包括接入其中的各个储能电站及统一的决策控制中心，各站点与决策控制中心可以进行实时通讯，决策控制中心可随时对各个站点进行控制，当接收到来自电网的需求响应指令后，决策控制中心通过根据各站点的负载、储能、其他电源的运行情况，决策出每个站点的运行策略并将策略下发到各个站点执行，从而完成需求响应前的备电及实时的需求响应任务。
S2：决策变量定义。
考虑具有N个站点的负荷聚合平台在未来T个时刻的运行策略，定义决策变量如下：
Xit：充电站点i的储能在t时刻的直流放电功率;
Yit：充电站点i的储能在t时刻的直流充电功率;
Zit：充电站点i在t时刻从电网购电功率。
上述变量均为非负实数，其中，i=1,2,···,N,t=1,2,···,T。
S3：设定优化目标。
负荷聚合平台场景下，所期望达成的目标主要包括两方面，一是尽可能地完成需求响应目标，以获取需求响应的补贴收益，二是在非需求响应时段削峰填谷，获取日常峰谷电价运行的价差收益。为此，模型的目标函数计算方法如下：
电站供电收益：各电站各时刻通过向连接到站点的负载提供电能获取的收益(如通过充电桩向电动汽车充电)。其中，J_load为电站供电总收益，load_priceit为电站i在t时段向负载供电的单价，load_powerit为电站i在t时段向负载供电的功率值大小，dt为t时段的时长，表达为下式（1）：
(1)
电网购电成本：各电站各时刻从电网购电所承担的成本。其中，C_grid为电站从电网购电的总成本，grid_priceit为电站i在t时段从电网购电的单价，grid_powerit为电站i在t时段从电网购电的功率值大小，dt为t时段的时长，表达为下式（2）：
(2)
需求响应收益：各电站所组成的负荷聚合平台作为整体参与需求响应所获得的结算收益。其中J_demand为负荷聚合平台参与需求响应的总收益，demand_pricet为t时段的需求响应补贴单价，power_demandt为t时段的需求响应功率，dt为t时段的时长，grid_powerit为站点i在t时刻从电网购电的功率，grid_power_baset为t时刻的响应基线功率，在特定时刻为一具体的值，该值在需求响应发生前由电网公布。表达为下式（3）和（4），式（3）为负荷聚合商参与需求响应时，实际响应功率的计算方法，因最终要确定负荷聚合商参与需求响应的结算金额，结算金额=结算单价 * 需求响应功率 * 需求响应时间，如下：
(3)
(4)
最终目标函数:所有站点综合收益之和最大化为下式（5）：
(5)
式中，J为最终目标函数，J_load为电站供电总收益、C_grid为电网购电成本、J_demand为需求响应收益。
S4：添加约束条件。
需求响应功率约束：在需求响应时段，负荷聚合平台下所有站点的响应功率之和等于总需求响应功率。demand_powert为由电网事先发布的需求响应目标功率值，Dt为是否是需求响应时段的标识符，若t时段为需求响应时段，该值为1，否则为0，如下式（6）：
(6)
母线电量平衡约束:在任一时段任一站点，均应满足母线电量平衡约束，即储能放电功率+从电网购电功率+其他电源功率=储能充电功率+负载用电功率。其中，η_dsgi、η_chgi分别为站点i储能***的放电、充电效率，Sit、Lit是站点i在t时段的其他电源功率及负载用电功率，均可通过一定的方法预测得到，在本模型中视为已知值。如下式（7）：
(7)
储能***SOC约束：任一时段任一站点的储能***SOC(State of charge,荷电状态，储能***当前电量占其额定容量的百分比)应满足在其上下限之间。其中，cap_mini、cap_maxi分别为站点i的储能***的电量下限、电量上限，capi0为站点i的储能***初始状态的电量，capi为站点i的储能***在t时段的电量，dτ为τ时段的时长。如下式（8）：
(8)
储能***功率约束:任一时段任一站点的储能***充放电功率应在其充放电功率上下限之间。Pi为站点i的储能***的最大充放电功率，、分别表示储能***交流侧功率。如下式（9）和（10）：
(9)
(10)
电网功率约束:任一时段任一站点从电网购电功率应不高于站点所在变压器功率限制，不低于0，即不可向电网倒送电(也称逆功率保护)。其中，为站点i所在变压器最大功率。如下式（11）：
(11)
储能功率变动约束：为防止单个储能设备短时间内功率剧烈变动所导致的控制指令执行延迟明显及出于对储能***的保护，一般还需要对储能***相邻时刻的功率变动速率做出响应的限制，一般要求相邻时段功率变动值不超过储能***额定功率的α倍，为事先人为给定的系数，其取值为0~2。如下式（12）、（13）和（14）：
(12)
(13)
(14)
其中，、分别为站点i的储能***在t时段、t−1时段的功率，为站点i的储能***在初始时段的功率。
S5：模型实际求解。
根据上述目标函数及约束条件，可将负荷聚合平台下的多站点需求响应问题建模为以下的约束优化模型，如下式（15）：
(15)
上述约束优化模型模型为多变量的混合整数规划模型。对于混合整数规划问题，目前已有较为成熟的求解理论和求解工具，因此可参照现有技术实现求解，故本实施例不做详述。上述需求响应问题（即式15）能够在较短时间内得到其最优解，利用专门的求解软件如SCIP等开源运筹优化求解器，可以方便快速地获得问题(式15)的解。
在实际的应用中，由于各站点负载功率、储能功率、电网功率等处在不断的变化之中，因此，需要每隔一段时间(一般约为1秒)重新根据新的功率数据再次求解问题(式15)。故而实际应用中，所述模型为滚动优化模型，即通过获取最新的数据不断求解所建立的模型，从而获得在当前条件下的最优策略。
通过求解模型得到决策变量：
Xit、Yit、Zit(i=1,2,···,N,t=1,2,···,T)的最优解,记最优解依次为X∗ it、Y∗ it、Z∗ it，最终取Y∗ i1−X∗ i1为充电站点i的储能在当前时刻的直流净充电功率(正充负放)，Z∗ i1为充电站点i在当前时刻的从电网购电的功率。在下一时刻重复上述决策执行过程，达到滚动求解、实时执行的效果。
本发明提出的负荷聚合平台多站点最优运行策略生成方法，与现有方法相比具有以下优势：
1.本发明所述模型考虑各站点日常削峰填谷和参与需求响应两种情形叠加下的综合经济效益最优，并充分考虑各种约束条件，实现了对峰谷电价场景下负荷聚合平台参与需求响应的抽象建模，从而可以依据该模型制定经济性最优的运行策略。
2.本发明所述方法提供了对多个站点进行集中统一决策与控制，既可用于小规模的负荷聚合平台，也可用于大规模的负荷聚合平台，决策逻辑明确，决策过程快速有效。
3.本发明所述模型具有良好的可拓展性，可针对特殊站点或者特殊时段添加额外的特定约束，优化目标也可根据实际需求随时更改切换，由此可衍生出不同的目标策略，适应不同需求。
4.本发明所述模型实质上实现了将总体需求响应功率动态、实时地分配到各个站点的目标，与按比例等类似传统功率分配方式相比，由于已经考虑了各项约束，因而确保各个站点能够实际执行，同时动态规划与下发的策略能够根据站点负载功率、其他电源功率、储能***SOC状况的变化快速调整，有效解决了因站点负载功率等的突变导致的需求响应无法实际执行或出现重大偏差的问题。同时由于各个电站的负载情况时刻处在变化之中，现有技术无法解决这一客观条件带来的问题，但本发明所述方法可以根据变化的负荷这一客观条件做出自适应调整。
基于上述实施例提出的负荷聚合平台多站点最优运行策略生成方法，为进一步验证本发明所述方法取得的效果，本实施例现对本申请所述的策略生成方法的进行实际应用。
具体的，某负荷聚合平台下可参与需求响应的储能站点有3个，以30个小时段为优化周期。各站点的一些基本信息见下表1，其他与时段相关的参数(如电价、负载功率等)及模型求解结果参照图3~图6，其中图3对比了参与和不参与需求响应时整体的运行情况，图4~图6分别展现了两种情形下的站点运行情况，图3上部表示参与需求响应的情况，其中，4286.78为***参与需求响应所得收益金额，3418.53为参与需求响应期间***整体从电网购电成本，-868.25为***参与需求响应的预估综合成本(电网购电成本 - 需求响应收益)；图3下部表示不参与需求响应的对比情况，其中，0表示因为没有参与需求响应，故而需求响应收益金额为0，3142.18为不参与需求响应期间***整体从电网购电成本，此时***运行的预估综合成本(电网购电成本 - 需求响应收益)仍为3142.18。
图4上部左侧的634.13表示ID为41的站点，参与需求响应时的购电成本为634.13元，上部右侧的559.44表示ID为41的站点不参与需求响应(即日常运行)时的购电成本为559.44元。
图5中559.16, 496.5及图6中2225.24、 2086.24的意义与图3中响应位置的数值意义类似，分别表示各站点参与及不参与需求响应两种情况下的购电成本情况。
表 1: 某负荷聚合平台下各站点基本信息
图3中，阴影部分(9-11时段、14-15时段、20-22时段)为需求响应时段，其余部分为非需求响应时段。从中可知，本模型所述模型能够根据是否参与需求响应调整整体分时段从电网购电的策略，并能够通过调整储能功率参与需求响应从而降低从电网购电的综合成本。在本实施例中，不参与需求响应的综合成本约为3142.18元，由于该日9-11、14-15、20-22共计5个时段存在相应需求，且相应的需求响应补贴价格较高，因而当站点41、143和193参与到需求响应之中，通过考虑需求响应得到的收益，结合本模型得到对应状态下各站点储能的动作序列，参见图4~图6中功率曲线及容量曲线的对比，从而通过调整储能充放电序列参与需求后，从电网购电成本增加276.35元至3418.53元，但可额外获取需求响应收益4286.78元，从而将综合成本降至-868.25元，经济效益显著。
从图4~图6的站点运行情况来看，各站点参与需求响应的运行策略与不参与需求响应的日常削峰填谷相比，储能充放电序列也会自适应调整，在确保达到需求响应功率前提下，由于在模型中以各站点从电网购电的成本最小化为目标函数，因而得到的储能充放电动作序列能够实现尽可能小地增加各站点从电网购电的成本。
因此本实施例中最终的优化目标，由线性规划求解器保证，因此本实施例不涉及求解器本身，旨在提出负荷聚合平台下多站点参与需求响应的最优化运行策略生成方法，对于线性规划求解器不做详述。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机***通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机***的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的，术语“组件”、“模块”、“***”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组（例如，来自一个组件的数据，该组件与本地***、分布式***中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它***进行交互）的信号，以本地和/或远程过程的方式进行通信。
还应当理解的是，本发明通过实施方式加以描述，实施例仅为针对本发明权利要求所提出技术方案能够实现所给出清楚完整的说明，即对权利要求的解释说明，因此当评判本发明说明书记载的技术方案是否公开充分时，应当予以充分考虑权利要求所限定方案的旨在核心要义，而在说明书中必然存在与本实施例所提出解决核心技术问题相无关的其他技术问题，其对应的技术特征、技术方案均不属于本实施例要义所指，属于非必要技术特征，故可参照隐含公开，本领域技术人员完全可以结合现有技术和公知常识进行实现，因此无任何必要做详述。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种负荷聚合平台多站点最优运行策略生成方法，其特征在于：包括以下步骤，
场景抽象建模，将负荷聚合平台下的各储能站点参与需求响应和日常运行的业务场景建模；
决策变量定义；
设定优化目标，包括设定电站供电收益、电网购电成本和需求响应收益，最终目标函数为所有站点综合收益之和最大化；
添加约束条件，添加需求响应功率约束、母线电量平衡约束、储能***SOC约束、储能***功率约束、电网功率约束以及储能功率变动约束；
根据所述目标函数及添加的约束条件，将负荷聚合平台下的多站点需求响应问题构建为约束优化模型，对所述约束优化模型进行实际求解，获得在当前条件下的最优运行策略。
2.如权利要求1所述的负荷聚合平台多站点最优运行策略生成方法，其特征在于：所述决策变量定义包括，
考虑具有N个站点的负荷聚合平台在未来T个时刻的运行策略，定义决策变量如下，
Xit：充电站点i的储能在t时刻的直流放电功率;
Yit：充电站点i的储能在t时刻的直流充电功率;
Zit：充电站点i在t时刻从电网购电功率；
上述变量均为非负实数，其中，i=1,2,···,N,t=1,2,···,T。
3.如权利要求1所述的负荷聚合平台多站点最优运行策略生成方法，其特征在于：所述最终目标函数为电站供电总收益、电网购电成本、需求响应收益的综合收益之和，如下式：
；
式中，J为最终目标函数，J_load为电站供电总收益、C_grid为电网购电成本、J_demand为需求响应收益。
4.如权利要求2所述的负荷聚合平台多站点最优运行策略生成方法，其特征在于：添加所述需求响应功率约束如下式：
；
在需求响应时段，负荷聚合平台下所有站点的响应功率之和等于总需求响应功率，其中demand_powert为由电网事先发布的需求响应目标功率值，Dt为是否是需求响应时段的标识符，若t时段为需求响应时段，Dt值为1，否则为0。
5.如权利要求2所述的负荷聚合平台多站点最优运行策略生成方法，其特征在于：添加所述母线电量平衡约束包括，
在任一时段任一站点，均应满足母线电量平衡约束，如下式：
；
其中，η_dsgi、η_chgi分别为站点i储能***的放电、充电效率，Sit、Lit是站点i在t时段的其他电源功率及负载用电功率。
6.如权利要求2所述的负荷聚合平台多站点最优运行策略生成方法，其特征在于：添加所述储能***SOC约束包括，
任一时段任一站点的储能***SOC应满足在其上下限之间，如下式：
；
其中，cap_mini、cap_maxi分别为站点i的储能***的电量下限、电量上限，capi0为站点i的储能***初始状态的电量，capi为站点i的储能***在t时段的电量，dτ为τ时段的时长。
7.如权利要求1所述的负荷聚合平台多站点最优运行策略生成方法，其特征在于：添加储能***功率约束包括，
任一时段任一站点的储能***充放电功率应在其充放电功率上下限之间，如下式：；
式中Pi为站点i的储能***的最大充放电功率，、分别表示储能***交流侧功率。
8.如权利要求2所述的负荷聚合平台多站点最优运行策略生成方法，其特征在于：添加所述电网功率约束包括，
任一时段任一站点从电网购电功率应不高于站点所在变压器功率限制，不低于0，如下式：；
其中，为站点i所在变压器最大功率。
9.如权利要求7所述的负荷聚合平台多站点最优运行策略生成方法，其特征在于：添加储能功率变动约束包括，
对储能***相邻时刻的功率变动速率做出响应的限制，要求相邻时段功率变动值不超过储能***额定功率的α倍，其取值为0~2，如下式：
；
其中，、分别为站点i的储能***在t时段、t−1时段的功率，为站点i的储能***在初始时段的功率，Pi为站点i的储能***的最大充放电功率，Xit为充电站点i的储能在t时刻的直流放电功率，Xi,t-1为充电站点i的储能在t-1时刻的直流放电功率，Yit为充电站点i的储能在t时刻的直流充电功率，Yi,t-1为充电站点i的储能在t-1时刻的直流充电功率。
10.如权利要求9所述的负荷聚合平台多站点最优运行策略生成方法，其特征在于：构建所述约束优化模型为多变量的混合整数规划模型，如下式：
；
式中，J为所述最终目标函数，J_load为电站供电总收益、C_grid为电网购电成本、J_demand为需求响应收益，Xit为充电站点i的储能在t时刻的直流放电功率，Yit为充电站点i的储能在t时刻的直流充电功率，Zit为充电站点i在t时刻从电网购电功率，、分别为站点i的储能***在t时段、t−1时段的功率，为站点i的储能***在初始时段的功率，demand_powert为由电网事先发布的需求响应目标功率值，Dt为是否是需求响应时段的标识符，η_dsgi、η_chgi分别为站点i储能***的放电、充电效率，Sit、Lit是站点i在t时段的其他电源功率及负载用电功率，cap_mini、cap_maxi分别为站点i的储能***的电量下限、电量上限，capi0为站点i的储能***初始状态的电量，capi为站点i的储能***在t时段的电量，dτ为τ时段的时长，Pi为站点i的储能***的最大充放电功率，、分别表示储能***交流侧功率，为站点i所在变压器最大功率；
将所述约束优化模型应用于负荷聚合平台，获取最新的数据不断求解所建立的约束优化模型，从而获得在当前条件下的最优运行策略。
CN202310340480.5A 2023-04-03 2023-04-03 一种负荷聚合平台多站点最优运行策略生成方法 Active CN116070801B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310340480.5A CN116070801B (zh) 2023-04-03 2023-04-03 一种负荷聚合平台多站点最优运行策略生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310340480.5A CN116070801B (zh) 2023-04-03 2023-04-03 一种负荷聚合平台多站点最优运行策略生成方法

Publications (2)

Publication Number Publication Date
CN116070801A true CN116070801A (zh) 2023-05-05
CN116070801B CN116070801B (zh) 2023-08-08

Family

ID=86178842

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310340480.5A Active CN116070801B (zh) 2023-04-03 2023-04-03 一种负荷聚合平台多站点最优运行策略生成方法

Country Status (1)

Country Link
CN (1) CN116070801B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107464010A (zh) * 2017-06-29 2017-12-12 河海大学 一种虚拟电厂容量优化配置方法
CN110210647A (zh) * 2019-04-29 2019-09-06 国网江苏省电力有限公司电力科学研究院 一种分布式电源、储能与柔性负荷联合调度方法及装置
CN110516855A (zh) * 2019-08-08 2019-11-29 西安交通大学 一种面向负荷聚合商的分布式储能控制权优化调度方法
CN112180741A (zh) * 2020-10-30 2021-01-05 合肥工业大学 一种负荷聚合商参与的综合需求响应方法及***
CN113344388A (zh) * 2021-06-08 2021-09-03 国电南瑞科技股份有限公司 面向台区多类型用户参与的需求响应优化调度方法、装置及***
WO2022193422A1 (zh) * 2021-03-17 2022-09-22 东南大学 一种综合能源虚拟电厂多设备选址方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107464010A (zh) * 2017-06-29 2017-12-12 河海大学 一种虚拟电厂容量优化配置方法
CN110210647A (zh) * 2019-04-29 2019-09-06 国网江苏省电力有限公司电力科学研究院 一种分布式电源、储能与柔性负荷联合调度方法及装置
CN110516855A (zh) * 2019-08-08 2019-11-29 西安交通大学 一种面向负荷聚合商的分布式储能控制权优化调度方法
CN112180741A (zh) * 2020-10-30 2021-01-05 合肥工业大学 一种负荷聚合商参与的综合需求响应方法及***
WO2022193422A1 (zh) * 2021-03-17 2022-09-22 东南大学 一种综合能源虚拟电厂多设备选址方法
CN113344388A (zh) * 2021-06-08 2021-09-03 国电南瑞科技股份有限公司 面向台区多类型用户参与的需求响应优化调度方法、装置及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YILING ZHANG ET AL.: "Distributionally Robust Chance-Constrained Optimal Power Flow With Uncertain Renewables and Uncertain Reserves Provided by Loads", IEEE TRANSACTIONS ON POWER SYSTEMS, vol. 32, no. 2, pages 1378 - 1388 *
邹风华: "计及多能响应的综合能源***能量优化管理", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, vol. 2022, no. 06, pages 039 - 47 *

Also Published As

Publication number Publication date
CN116070801B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
CN110188950B (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
Zheng et al. Optimal allocation of energy storage system for risk mitigation of DISCOs with high renewable penetrations
Mao et al. A regulation policy of EV discharging price for demand scheduling
CN111079971A (zh) 一种考虑车、站、网三方的充电站定价方法
CN111882105A (zh) 含共享储能***的微电网群及其日前经济优化调度方法
CN109390932A (zh) 一种考虑直流联络线功率优化的安全约束机组组合计算方法
CN103532157A (zh) 一种针对融入储能设备的电网***电能调度方法
González-Romera et al. Overview of plug-in electric vehicles as providers of ancillary services
Jiang et al. A multi-timescale allocation algorithm of energy and power for demand response in smart grids: A Stackelberg game approach
CN115879983A (zh) 虚拟电厂调度方法及其***
CN116231655A (zh) 一种计及源-荷多类型备用的虚拟电厂双层优化调度方法
CN112564102A (zh) 多微网负荷优化调度方法和***
Huang et al. Incomplete information oriented optimal scheduling of multi-energy hub systems with thermal energy storage
Wang et al. A stackelberg game modelling approach for aggregator pricing and electric vehicle charging
CN117578537A (zh) 基于碳交易和需求响应的微电网优化调度方法
CN117353290A (zh) 一种数据中心与共享储能电站的联合调度方法及计算设备
CN110826210B (zh) 基于功率互联的多区域楼宇虚拟电厂建模及优化协调方法
Liu et al. Study on energy management model of integrated new energy-storage-charging system considering the influence of uncertainties
CN112036637A (zh) 考虑风电消纳的社区能源互联网能源交易调度方法及***
CN116961044A (zh) 基于模糊机会约束规划广义共享储能优化配置方法及***
CN116070801B (zh) 一种负荷聚合平台多站点最优运行策略生成方法
Zhang et al. New urban power grid flexible load dispatching architecture and key technologies
Liguo et al. Research on demand response characteristics of electric vehicles based on Monte Carlo method
CN112270432B (zh) 一种考虑多主体利益均衡的综合能源***的能量管理方法
CN117200261B (zh) 一种基于电网调频的储能设备控制方法、装置和存储介质

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