CN117114341A - 面向虚拟电厂的电力负荷响应任务分配方法 - Google Patents
面向虚拟电厂的电力负荷响应任务分配方法 Download PDFInfo
- Publication number
- CN117114341A CN117114341A CN202311162936.XA CN202311162936A CN117114341A CN 117114341 A CN117114341 A CN 117114341A CN 202311162936 A CN202311162936 A CN 202311162936A CN 117114341 A CN117114341 A CN 117114341A
- Authority
- CN
- China
- Prior art keywords
- load
- electricity price
- type equipment
- time
- equipment
- 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
Links
- 230000004044 response Effects 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000005611 electricity Effects 0.000 claims abstract description 95
- 230000005284 excitation Effects 0.000 claims abstract description 26
- 238000004146 energy storage Methods 0.000 claims abstract description 16
- 238000010248 power generation Methods 0.000 claims description 10
- 230000008901 benefit Effects 0.000 claims description 7
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000010485 coping Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
- G06Q10/06313—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
- G06Q10/06314—Calendaring for a resource
-
- 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
- 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
- H02J3/007—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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的一种面向虚拟电厂的电力负荷响应任务分配方法,涉及电力***调度领域,其通过对激励型负荷响应和价格型需求响应进行分类,将价格型需求响应包括分时电价型设备、实时电价型设备以及尖峰电价型设备,激励型负荷响应包括直接负荷控制型设备、可中断负荷型设备以及紧急需求响应型设备;并结合不同类型的激励型负荷响应和价格型需求响应特点,在制定日前调度计划时,将分时电价型设备、尖峰电价型设备以及可中断负荷型设备计入日前调度阶段;在日内调度阶段,采用实时电价型设备、直接负荷控制设备、紧急需求响应型设备以及储能设备进行偏差补偿,不仅保证了虚拟电厂经济性,同时也提高了其不确定风险的应对能力。
Description
技术领域
本发明涉及电力***调度领域,具体涉及一种面向虚拟电厂的电力负荷响应任务分配方法。
背景技术
虚拟电厂是一种管理分布式能源的技术,其聚合了一定区域内的地域分散、种类多样的分布式电源、储能设备以及负荷等,并作为一个整体接入电网,参与电网的运行。通常来说,虚拟电厂内部设有能量管理***来实现其内部的能量调度、发电预测以及参与各级电力市场的交易。需求响应即电力负荷需求响应的简称,是指当电力批发市场价格升高或***可靠性受威胁时,电力用户接收到供电方发出的诱导性减少负荷的直接补偿通知或者电力价格上升信号后,改变其固有的习惯用电模式,达到减少或者推移某时段的用电负荷而响应电力供应,从而保障电网稳定,并抑制电价上升的短期行为。它是需求侧管理的解决方案之一。
现有技术中,负荷响应策略主要分为两种;价格型需求响应和激励型需求响应。其中基于价格的需求侧响应策略分为分时电价、尖峰电价和实时电价。分时电价是国内较为常见的一种电价策略,能有效反映电网不同时段供电成本差别的电价机制,其措施主要是在高峰数段适当提高电价,在低谷时期适当降低电价,降低负荷峰谷差,改善用户用电,达到削峰填谷的作用。基于激励的需求响应是指需求响应实施机构根据电力***供需状况制定相应政策,用户在***需要或电力紧张时减少电力需求,以此获得直接补偿或其他时段的优惠电价,包括直接负荷控制、可中断负荷以及紧急需求响应等。参与用户获得的激励一般有两种方式:一是独立于现有电价政策的直接补偿;二是在现有电价基础上给予折扣优惠。
价格型需求响应和激励型需求响应各自存在一定的优缺点,例如,价格型需求响应具有经济性好,但其功率调整的时效性差、风险性高;而激励型需求响应虽然经济性较低,却具有较高的调频时效性。然而,现有技术中较多单独采用价格型需求响应或激励型需求响应参与电力市场的交易,或者是将激励型需求响作为备用容量进行优化控制,缺乏对两类型需求响应的综合考虑,不能充分发挥两者的优点,导致虚拟电厂的经济性较低,同时增加了虚拟电厂的不确定性。
发明内容
本发明要解决的技术问题是针对上述技术方案的不足,提供一种面向虚拟电厂的电力负荷响应任务分配方法,通过对激励型负荷响应和价格型需求响应进行分类,并结合不同类型的激励型负荷响应和价格型需求响应特点,将其计入日前和日内两个阶段进行优化调度,不仅保证了虚拟电厂经济性,同时也提高了其不确定风险的应对能力。
为了实现上述目的,本发明提供一种面向虚拟电厂的电力负荷响应任务分配方法,其包括以下步骤:
步骤(1):对激励型负荷响应和价格型需求响应进行分类,并对虚拟电厂区域内负荷响应资源进行评估;其中,价格型需求响应包括分时电价型设备、实时电价型设备以及尖峰电价型设备,激励型负荷响应包括直接负荷控制型设备、可中断负荷型设备以及紧急需求响应型设备;
步骤(2):结合虚拟电厂历史运行数据和天气预报,对虚拟电厂区域内可再生能源出力以及负荷数据进行预测;
步骤(3):制定日前调度计划,并将分时电价型设备、尖峰电价型设备以及可中断负荷型设备计入日前调度阶段;
步骤(4):在日内调度阶段,采用实时电价型设备、直接负荷控制设备、紧急需求响应型设备以及储能设备进行偏差补偿。
优选地,所述步骤(1)中对激励型负荷响应和价格型需求响应进行分类包括:将价格型需求响应分为分时电价型设备、实时电价型设备以及尖峰电价型设备,将激励型负荷响应分为直接负荷控制型设备、可中断负荷型设备以及紧急需求响应型设备。
具体的,对价格型负荷响应进行分类的具体方法为:通过智能电表采集用户设备的时序数据,并形成负荷特性曲线,采用k-mean聚类算法将所有用户的曲线负荷特性曲线进行分类,以用户利益最大化为目标对分类后的曲线来进行评估,根据评估结果将客户划分为分时电价型设备、实时电价型设备以及尖峰电价型设备。
具体的,对激励型负荷响应进行分类的具体方法为:通过智能电表采集用户设备的时序数据,依据负荷的离散特性、时移特性以及是否可以中断分析用户设备,将激励型负荷响应分为直接负荷控制型设备、可中断负荷型设备以及紧急需求响应型设备。
容易理解的,由于可再生能源出力具有一定的不可控性,所述步骤(2)中对虚拟电厂区域内可再生能源出力进行预测具体为:取历史同期的风机光伏出力,结合天气因素,利用灰色预测方法对次日的风光出力进行预测。所述步骤(2)中负荷数据进行预测具体为:采集用户历史数据和当地天气信息,计算负荷与天气之间的相关系数,采用基于加权平均距离的层次聚类对历史负荷进行聚类分析,对聚类结果分别建立预测模,并对负荷进行预测。
优选地,所述步骤(3)中日前调度阶段以虚拟电厂运营收益最大作为目标函数,具体目标函数如下:
其中,T表示时段,λpr为时段内的再生能源上网电价,Pdg、Pwind、Ppv分别表示时段内的分布式燃气轮机、光伏、风力发电的出力,λtou、λcpp、λil分别表示分时电价型设备、尖峰电价型设备以及可中断负荷型设备所在时段的电价,Ptou、Pcpp、Pil分别表示分时电价型设备、尖峰电价型设备以及可中断负荷型设备所在时段的调整功率。
优选地,所述步骤(4)中日内调度阶段以虚拟电厂***运营成本最小化作为目标函数,具体目标函数如下:
其中,Cdg、Cwind、Cpv分别表示时段内的分布式燃气轮机、光伏和风力发电的运行成本,λsc为时段内储能设备充放电电价,Pdis、Pchr表示时段内储能放电功率和充电功率;λrtp、λdlc、λedr分别表示实时电价型设备、直接负荷控制设备、紧急需求响应型设备所在时段的电价,Prtp、Pdlc、Pedr分别表示实时电价型设备、直接负荷控制设备、紧急需求响应型设备所在时段的调整功率,Cpun为功率偏差惩罚。
具体的约束条件为:
分布式燃气轮机、光伏、风力发电出力约束:
其中,分别为燃气机组的出力上下限;
分别为光伏机组出力上下限;/>分别为风电机组出力上下限;
储能电站出力约束:
SOCmin<SOCt<SOCmax
SOCt、SOCt-1分别表示t时刻和t-1时刻蓄电池SOC值;分别表示t时刻蓄电池充电电量和放电电量;ηchr、ηdis分别表示t时刻蓄电池充电效率和放电效率;SOCmin、SOCmax分别表示蓄电池SOC最小值和最大值;/>表示t时刻蓄电池放电最小值和放电最大值;/>表示t时刻蓄电池充电最小值和充电最大值;
价格型需求响应负荷约束:
其中,分别表示t时刻分时电价型设备、实时电价型设备以及尖峰电价型设备可调度功率的最小值和最大值;
激励型需求响应负荷约束:
其中,分别表示t时刻直接负荷控制型设备、可中断负荷型设备以及紧急需求响应型设备可调度功率的最小值和最大值。
基于上述技术方案,本发明提供的一种面向虚拟电厂的电力负荷响应任务分配方法,具有如下技术效果:其通过对激励型负荷响应和价格型需求响应进行分类,将价格型需求响应包括分时电价型设备、实时电价型设备以及尖峰电价型设备,激励型负荷响应包括直接负荷控制型设备、可中断负荷型设备以及紧急需求响应型设备;并结合不同类型的激励型负荷响应和价格型需求响应特点,在制定日前调度计划时,将分时电价型设备、尖峰电价型设备以及可中断负荷型设备计入日前调度阶段;在日内调度阶段,采用实时电价型设备、直接负荷控制设备、紧急需求响应型设备以及储能设备进行偏差补偿,不仅保证了虚拟电厂经济性,同时也提高了其不确定风险的应对能力。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,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的附图。
图1为本申请实施例提供的一种面向虚拟电厂的电力负荷响应任务分配方法的流程图;
图2为本申请实施例提供的激励型负荷响应和价格型需求响应参与日前和日内调度阶段的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术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,都属于本申请保护的范围。
下面首先结合附图1和图2对本申请所涉及的概念进行说明。在此需要指出的是,以下对各个概念的说明,仅为了使本申请的内容更加容易理解,并不表示对本申请保护范围的限定。
实施例,根据本发明的一个方面,参见图1,本发明提供一种面向虚拟电厂的电力负荷响应任务分配方法,其包括以下步骤:
步骤(1):对激励型负荷响应和价格型需求响应进行分类,并对虚拟电厂区域内负荷响应资源进行评估;其中,价格型需求响应包括分时电价型设备、实时电价型设备以及尖峰电价型设备,激励型负荷响应包括直接负荷控制型设备、可中断负荷型设备以及紧急需求响应型设备;
步骤(2):结合虚拟电厂历史运行数据和天气预报,对虚拟电厂区域内可再生能源出力以及负荷数据进行预测;
步骤(3):制定日前调度计划,并将分时电价型设备、尖峰电价型设备以及可中断负荷型设备计入日前调度阶段;
步骤(4):在日内调度阶段,采用实时电价型设备、直接负荷控制设备、紧急需求响应型设备以及储能设备进行偏差补偿。
优选地,所述步骤(1)中对激励型负荷响应和价格型需求响应进行分类包括:将价格型需求响应分为分时电价型设备、实时电价型设备以及尖峰电价型设备,将激励型负荷响应分为直接负荷控制型设备、可中断负荷型设备以及紧急需求响应型设备。
具体的,对价格型负荷响应进行分类的具体方法为:通过智能电表采集用户设备的时序数据,并形成负荷特性曲线,采用k-mean聚类算法将所有用户的曲线负荷特性曲线进行分类,以用户利益最大化为目标对分类后的曲线来进行评估,根据评估结果将客户划分为分时电价型设备、实时电价型设备以及尖峰电价型设备。
具体的,对激励型负荷响应进行分类的具体方法为:通过智能电表采集用户设备的时序数据,依据负荷的离散特性、时移特性以及是否可以中断分析用户设备,将激励型负荷响应分为直接负荷控制型设备、可中断负荷型设备以及紧急需求响应型设备。
容易理解的,由于可再生能源出力具有一定的不可控性,所述步骤(2)中对虚拟电厂区域内可再生能源出力进行预测具体为:取历史同期的风机光伏出力,结合天气因素,利用灰色预测方法对次日的风光出力进行预测。所述步骤(2)中负荷数据进行预测具体为:采集用户历史数据和当地天气信息,计算负荷与天气之间的相关系数,采用基于加权平均距离的层次聚类对历史负荷进行聚类分析,对聚类结果分别建立预测模,并对负荷进行预测。
优选地,参见图2,所述步骤(3)中,将分时电价型设备、尖峰电价型设备以及可中断负荷型设备计入日前调度阶段,日前调度阶段以虚拟电厂运营收益最大作为目标函数,具体目标函数如下:
其中,T表示时段,λpr为时段内的再生能源上网电价,Pdg、Pwind、Ppv分别表示时段内的分布式燃气轮机、光伏、风力发电的出力,λtou、λcpp、λil分别表示分时电价型设备、尖峰电价型设备以及可中断负荷型设备所在时段的电价,Ptou、Pcpp、Pil分别表示分时电价型设备、尖峰电价型设备以及可中断负荷型设备所在时段的调整功率。
优选地,参见图2,所述步骤(4)中,采用实时电价型设备、直接负荷控制设备、紧急需求响应型设备以及储能设备进行偏差补偿,日内调度阶段以虚拟电厂***运营成本最小化作为目标函数,具体目标函数如下:
其中,Cdg、Cwind、Cpv分别表示时段内的分布式燃气轮机、光伏和风力发电的运行成本,λsc为时段内储能设备充放电电价,Pdis、Pchr表示时段内储能放电功率和充电功率;λrtp、λdlc、λedr分别表示实时电价型设备、直接负荷控制设备、紧急需求响应型设备所在时段的电价,Prtp、Pdlc、Pedr分别表示实时电价型设备、直接负荷控制设备、紧急需求响应型设备所在时段的调整功率,Cpun为功率偏差惩罚。
具体的约束条件为:
分布式燃气轮机、光伏、风力发电出力约束:
其中,分别为燃气机组的出力上下限;
分别为光伏机组出力上下限;/>分别为风电机组出力上下限;
储能电站出力约束:
SOCmin<SOCt<SOCmax
SOCt、SOCt-1分别表示t时刻和t-1时刻蓄电池SOC值;分别表示t时刻蓄电池充电电量和放电电量;ηchr、ηdis分别表示t时刻蓄电池充电效率和放电效率;SOCmin、SOCmax分别表示蓄电池SOC最小值和最大值;/>表示t时刻蓄电池放电最小值和放电最大值;/>表示t时刻蓄电池充电最小值和充电最大值;
价格型需求响应负荷约束:
其中,分别表示t时刻分时电价型设备、实时电价型设备以及尖峰电价型设备可调度功率的最小值和最大值;
激励型需求响应负荷约束:
其中,分别表示t时刻直接负荷控制型设备、可中断负荷型设备以及紧急需求响应型设备可调度功率的最小值和最大值。
基于上述技术方案,本发明不仅保证了虚拟电厂经济性,同时也提高了其不确定风险的应对能力。
本领域技术人员应明白,本文的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本文可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质等。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
本文是参照根据本文实施例的方法、装置(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的步骤。
以上所述的实施例及/或实施方式,仅是用以说明实现本发明技术的较佳实施例及/或实施方式,并非对本发明技术的实施方式作任何形式上的限制,任何本领域技术人员,在不脱离本发明内容所公开的技术手段的范围,当可作些许的更动或修改为其它等效的实施例,但仍应视为与本发明实质相同的技术或实施例。
Claims (8)
1.一种面向虚拟电厂的电力负荷响应任务分配方法,其特征在于,包括以下步骤:
步骤(1):对激励型负荷响应和价格型需求响应进行分类,并对虚拟电厂区域内负荷响应资源进行评估;其中,价格型需求响应包括分时电价型设备、实时电价型设备以及尖峰电价型设备,激励型负荷响应包括直接负荷控制型设备、可中断负荷型设备以及紧急需求响应型设备;
步骤(2):结合虚拟电厂历史运行数据和天气预报,对虚拟电厂区域内可再生能源出力以及负荷数据进行预测;
步骤(3):制定日前调度计划,并将分时电价型设备、尖峰电价型设备以及可中断负荷型设备计入日前调度阶段;
步骤(4):在日内调度阶段,采用实时电价型设备、直接负荷控制设备、紧急需求响应型设备以及储能设备进行偏差补偿。
2.根据权利要求1所述的面向虚拟电厂的电力负荷响应任务分配方法,其特征在于,所述步骤(1)中对价格型负荷响应进行分类的具体方法为:通过智能电表采集用户设备的时序数据,并形成负荷特性曲线,采用k-mean聚类算法将所有用户的曲线负荷特性曲线进行分类,以用户利益最大化为目标对分类后的曲线来进行评估,根据评估结果将客户划分为分时电价型设备、实时电价型设备以及尖峰电价型设备。
3.根据权利要求2所述的面向虚拟电厂的电力负荷响应任务分配方法,其特征在于,所述步骤(1)中对激励型负荷响应进行分类的具体方法为:通过智能电表采集用户设备的时序数据,依据负荷的离散特性、时移特性以及是否可以中断分析用户设备,将激励型负荷响应分为直接负荷控制型设备、可中断负荷型设备以及紧急需求响应型设备。
4.根据权利要求1所述的面向虚拟电厂的电力负荷响应任务分配方法,其特征在于,所述步骤(2)中对虚拟电厂区域内可再生能源出力进行预测具体为:取历史同期的风机光伏出力,结合天气因素,利用灰色预测方法对次日的风光出力进行预测。
5.根据权利要求4所述的面向虚拟电厂的电力负荷响应任务分配方法,其特征在于,所述步骤(2)中负荷数据进行预测具体为:采集用户历史数据和当地天气信息,计算负荷与天气之间的相关系数,采用基于加权平均距离的层次聚类对历史负荷进行聚类分析,对聚类结果分别建立预测模,并对负荷进行预测。
6.根据权利要求1所述的面向虚拟电厂的电力负荷响应任务分配方法,其特征在于,所述步骤(3)中日前调度阶段以虚拟电厂运营收益最大作为目标函数,具体目标函数如下:
其中,T表示时段,λpr为时段内的再生能源上网电价,Pdg、Pwind、Ppv分别表示时段内的分布式燃气轮机、光伏、风力发电的出力,λtou、λcpp、λil分别表示分时电价型设备、尖峰电价型设备以及可中断负荷型设备所在时段的电价,Ptou、Pcpp、Pil分别表示分时电价型设备、尖峰电价型设备以及可中断负荷型设备所在时段的调整功率。
7.根据权利要求6所述的面向虚拟电厂的电力负荷响应任务分配方法,其特征在于,所述步骤(4)中日内调度阶段以虚拟电厂***运营成本最小化作为目标函数,具体目标函数如下:
其中,Cdg、Cwind、Cpv分别表示时段内的分布式燃气轮机、光伏和风力发电的运行成本,λsc为时段内储能设备充放电电价,Pdis、Pchr表示时段内储能放电功率和充电功率;λrtp、λdlc、λedr分别表示实时电价型设备、直接负荷控制设备、紧急需求响应型设备所在时段的电价,Prtp、Pdlc、Pedr分别表示实时电价型设备、直接负荷控制设备、紧急需求响应型设备所在时段的调整功率,Cpun为功率偏差惩罚。
8.根据权利要求7所述的面向虚拟电厂的电力负荷响应任务分配方法,其特征在于,具体的约束条件为:
分布式燃气轮机、光伏、风力发电出力约束:
其中,分别为燃气机组的出力上下限;
分别为光伏机组出力上下限;/>分别为风电机组出力上下限;
储能电站出力约束:
SOCmin<SOCt<SOCmax
SOCt、SOCt-1分别表示t时刻和t-1时刻蓄电池SOC值;分别表示t时刻蓄电池充电电量和放电电量;ηchr、ηdis分别表示t时刻蓄电池充电效率和放电效率;SOCmin、SOCmax分别表示蓄电池SOC最小值和最大值;/>表示t时刻蓄电池放电最小值和放电最大值;/>表示t时刻蓄电池充电最小值和充电最大值;
价格型需求响应负荷约束:
其中,分别表示t时刻分时电价型设备、实时电价型设备以及尖峰电价型设备可调度功率的最小值和最大值;
激励型需求响应负荷约束:
其中,分别表示t时刻直接负荷控制型设备、可中断负荷型设备以及紧急需求响应型设备可调度功率的最小值和最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311162936.XA CN117114341A (zh) | 2023-09-11 | 2023-09-11 | 面向虚拟电厂的电力负荷响应任务分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311162936.XA CN117114341A (zh) | 2023-09-11 | 2023-09-11 | 面向虚拟电厂的电力负荷响应任务分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117114341A true CN117114341A (zh) | 2023-11-24 |
Family
ID=88812671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311162936.XA Pending CN117114341A (zh) | 2023-09-11 | 2023-09-11 | 面向虚拟电厂的电力负荷响应任务分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117114341A (zh) |
-
2023
- 2023-09-11 CN CN202311162936.XA patent/CN117114341A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kanakadhurga et al. | Demand side management in microgrid: A critical review of key issues and recent trends | |
Mahmud et al. | An internet of energy framework with distributed energy resources, prosumers and small-scale virtual power plants: An overview | |
Li et al. | Electric vehicle charging in China’s power system: Energy, economic and environmental trade-offs and policy implications | |
Liu et al. | Long-term economic planning of combined cooling heating and power systems considering energy storage and demand response | |
CN109478787A (zh) | 用于电网分布式能源管理的智能电网操作*** | |
US20170243290A1 (en) | Micro-grid power management system | |
Hussain et al. | A two-layer decentralized charging approach for residential electric vehicles based on fuzzy data fusion | |
Kleinschmidt et al. | Unlocking flexibility in multi-energy systems: A literature review | |
Pilz et al. | Selfish energy sharing in prosumer communities: A demand-side management concept | |
Wang et al. | A real time peer-to-peer energy trading for prosumers utilizing time-varying building virtual energy storage | |
CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
Ufluoğlu et al. | Mathematical model for a microgrid consisting of wind turbine, PV panels, and energy storage unit | |
Jiang et al. | Monthly electricity purchase and decomposition optimization considering wind power accommodation and day-ahead schedule | |
Anderson et al. | Optimize Deep Decarbonization Pathways in California with Power System Planning Using Surrogate Level-based Lagrangian Relaxation | |
CN115600757A (zh) | 海上风电共享储能参与现货市场交易协调优化方法及*** | |
CN117114341A (zh) | 面向虚拟电厂的电力负荷响应任务分配方法 | |
Watson et al. | Transitioning to intermittent energy: the critical digital transformation of the decade | |
Panda et al. | Methods for mitigating uncertainty in real-time operations of a connected microgrid | |
Batalla-Bejerano et al. | Demand Side Management | |
CN114725923A (zh) | 一种配电网多级调度控制策略 | |
Vafamehr et al. | Aggregation of BTM battery storages to provide ancillary services in wholesale electricity markets | |
Han et al. | Grid-to-vehicle (G2V) and vehicle-to-grid (V2G) technologies | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及*** | |
Teliceanu et al. | Consumption profile optimization in smart city vision | |
Sadighmanesh et al. | Probabilistic dispatch in hybrid-microgrid system with considering energy arbitrage |
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 |