一种虚拟电厂优化调度方法及装置与流程

专利检索2022-05-11  1



1.本发明涉及电力技术领域,尤其涉及一种虚拟电厂优化调度方法及装置。


背景技术:

2.目前,分布式电源并网的形式大多采用微网形式,微网主要是以用户就地消纳分布式能源为主要目标,受地理因素限制较多,在跨区域、大规模的分布式电源的充分利用及在电力市场中的规模化效益方面,具有一定的局限性。虚拟电厂技术可以在多区域大,大范围实现分布式电源的优化调度,突破微网的上述限制,有效整合大量分布式电源和柔性负荷,因此有必要对虚拟电厂(virtual power plant,vpp)技术进行深入研究。
3.负荷侧柔性资源接入虚拟电厂的调度优化技术是虚拟电网关键技术之一,因此,亟需研究一种虚拟电厂优化调度方法,以解决负荷侧柔性资源接入虚拟电厂参与需求响应与系统调频的优化调度问题。


技术实现要素:

4.本发明实施例的目的是提供一种虚拟电厂优化调度方法及装置,能够解决负荷侧柔性资源接入虚拟电厂参与需求响应与系统调频的优化调度问题,为虚拟电厂的优化调度提供理论指导。
5.为实现上述目的,本发明实施例提供了一种虚拟电厂优化调度方法,包括:基于虚拟电厂的模型架构和所述虚拟电厂参与市场的模式,构建所述虚拟电厂的日前优化模型;求解所述日前优化模型,确定日前调频容量;根据所述日前调频容量,构建虚拟电厂的日内优化模型;求解所述日内优化模型,确定预设时间内的运行计划;根据所述运行计划,获取所述虚拟电厂的功率分配策略,以根据所述功率分配策略对所述虚拟电厂进行优化调度;其中,所述日前优化模型的目标函数具体为:其中,t为一个调度周期,为虚拟电厂在t时段参与电能市场的收益,为虚拟电厂在t时段参与调频市场的收益。
6.作为上述方案的改进,所述虚拟电厂在t时段参与电能市场的收益具体为:其中,为日前t时段预测的电网的售电价格,为日前t时段预测的电网的购电价格,为t时段虚拟电厂与电网交易的售电功率,为t时段虚拟电厂与电网交
易的购电功率,为一个时段;所述虚拟电厂在t时段参与调频市场的收益具体为:其中:为日前t时段虚拟电厂预测的调频容量价格,为日前t时段虚拟电厂预测的里程价格,为t时段虚拟电厂与电网交易的调频容量,为t时段虚拟电厂与电网交易的调频里程,、为调频性能指标。
7.作为上述方案的改进,所述日前优化模型的约束条件包括:电动汽车约束、可控负荷约束、储能约束、风电机组约束、光伏机组约束、功率约束以及调频容量约束。
8.作为上述方案的改进,所述电动汽车约束具体为:作为上述方案的改进,所述电动汽车约束具体为:作为上述方案的改进,所述电动汽车约束具体为:作为上述方案的改进,所述电动汽车约束具体为:作为上述方案的改进,所述电动汽车约束具体为:其中,为第i辆电动汽车在t时段内的功率,为第i辆电动汽车在t时段内留出的上调频功率,为第i辆电动汽车在t时段内留出的下调频功率,为第i辆电动汽车在t时段内的最大充放电功率,为第i辆电动汽车在t时段内是否接入电网的布尔变量,为第i辆电动汽车在t时段内的荷电状态,为第i辆电动汽车在t时段内的最小荷电状态,为第i辆电动汽车在t时段内的最大荷电状态,为第i辆电动汽车的充电效率,为第t辆电动汽车的放电效率,为第i辆电动汽车的电池容量,为第i辆电动汽车离开电网时的电量,为第i辆电动汽车的预设的离开电网时需达到的电量;作为上述方案的改进,所述可控负荷约束具体为:作为上述方案的改进,所述可控负荷约束具体为:
其中,为第i台空调在t时段内的功率,为第i台空调在t时段内的最大功率,为第i台空调在t时段内的最小功率,为第i台空调在t时段内的上调频容量,为第i台空调在t时段内的下调频容量,为第i台空调所处的室内温度,为第i台空调的预设的温度,为第i台空调在预设的温度范围内的上限,为第i台空调在预设的温度范围内的下限;作为上述方案的改进,所述储能约束具体为:作为上述方案的改进,所述储能约束具体为:作为上述方案的改进,所述储能约束具体为:作为上述方案的改进,所述储能约束具体为:作为上述方案的改进,所述储能约束具体为:其中,为储能在t时段内的功率,为储能在t时段内留出的上调频功率,为储能在t时段内留出的下调频功率,为储能在t时段内的最大充放电功率,为储能在t时段内的荷电状态;为储能在t时段内的最小荷电状态,为储能在t时段内的最大荷电状态,为储能的充电效率,为储能的放电效率,为储能的电池容量;为调度周期结束时的最终电量,为调度周期开始时的初始电量;作为上述方案的改进,所述风电机组约束具体为:作为上述方案的改进,所述风电机组约束具体为:其中,为风电机组参与能量市场的功率,为日前风电功率预测期望值,为上调频功率,为下调频功率;作为上述方案的改进,所述光伏机组约束具体为:
其中,为光伏机组参与能量市场的功率,为日前光伏功率预测期望值,为上调频功率,为下调频功率;作为上述方案的改进,所述功率约束具体为:其中,为虚拟电厂t时段内的总功率,为接入电网的电动汽车的数量,为开启的空调的数量;作为上述方案的改进,所述调频容量约束具体为:作为上述方案的改进,所述调频容量约束具体为:作为上述方案的改进,所述调频容量约束具体为:其中,为虚拟电厂的总上调频容量,为虚拟电厂的总下调频容量,为虚拟电厂上报的电网容量。
9.作为上述方案的改进,所述日内优化模型的目标函数具体为:其中,为对调频信号跟踪的偏差,为日内能量市场的偏差,为调频市场的惩罚系数,为能量市场的惩罚系数。
10.作为上述方案的改进,所述日内优化模型的约束条件包括:电动汽车约束、可控负荷约束、储能约束、风电机组约束、光伏机组约束、功率约束、调频容量约束以及电动汽车和储能的电量约束。
11.作为上述方案的改进,所述电动汽车和储能的电量约束具体为:作为上述方案的改进,所述电动汽车和储能的电量约束具体为:其中,为日前优化调度得到的储能的荷电状态,为日前优化调度得到的电动汽车的荷电状态,为日内优化调度得到的储能的荷电状态,为日内优化调度得到的电动汽车的荷电状态。
12.作为上述方案的改进,所述功率分配策略具体为:根据下式获取电动汽车分配到的上调频信号和下调频信号、空调分配到的上调频信号和下调频信号:信号和下调频信号:其中,为电动汽车和空调分配到的上调频信号,为电动汽车和空调分配到的下调频信号,为电动汽车分配到的上调频信号,为电动汽车分配到的下调频信号,为空调分配到的上调频信号,为空调分配到的下调频信号,为第i辆电动汽车在t时段内留出的上调频功率,为第i辆电动汽车在t时段内留出的下调频功率,为第i台空调在t时段内的上调频容量,为第i台空调在t时段内的下调频容量,为接入电网的电动汽车的数量,为开启的空调的数量。
13.为实现上述目的,本发明实施例还提供了一种虚拟电厂优化调度装置,包括:日前优化模型构建模块,用于基于虚拟电厂的模型架构和所述虚拟电厂参与市场的模式,构建所述虚拟电厂的日前优化模型;日前调频容量确定模块,用于求解所述日前优化模型,确定日前调频容量;日内优化模型构建模块,用于根据所述日前调频容量,构建虚拟电厂的日内优化模型;运行计划确定模块,用于求解所述日内优化模型,确定预设时间内的运行计划;优化调度模块,用于根据所述运行计划,获取所述虚拟电厂的功率分配策略,以根
据所述功率分配策略对所述虚拟电厂进行优化调度;其中,所述日前优化模型的目标函数具体为:其中,t为一个调度周期,为虚拟电厂在t时段参与电能市场的收益,为虚拟电厂在t时段参与调频市场的收益。
14.与现有技术相比,本发明实施例提供的一种虚拟电厂优化调度方法及装置,通过基于虚拟电厂的模型架构和所述虚拟电厂参与市场的模式,构建所述虚拟电厂的日前优化模型;求解所述日前优化模型,确定日前调频容量;根据所述日前调频容量,构建虚拟电厂的日内优化模型;求解所述日内优化模型,确定预设时间内的运行计划;根据所述运行计划,获取所述虚拟电厂的功率分配策略,以根据所述功率分配策略对所述虚拟电厂进行优化调度。由此可见,本发明实施例能够解决负荷侧柔性资源接入虚拟电厂参与需求响应与系统调频的优化调度问题,为虚拟电厂的优化调度提供理论指导。
附图说明
15.图1是本发明实施例提供的一种虚拟电厂优化调度方法的流程图;图2是本发明实施例提供的一种虚拟电厂优化调度装置的结构框图;图3是本发明实施例提供的一种虚拟电厂的模型架构图;图4是本发明实施例提供的一种虚拟电厂日前优化调度的流程图;图5是本发明实施例提供的一种虚拟电厂日内优化调度的流程图。
具体实施方式
16.下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
17.参见图1,图1是本发明实施例提供的一种虚拟电厂优化调度方法的流程图,所述虚拟电厂优化调度方法,包括:s1、基于虚拟电厂的模型架构和所述虚拟电厂参与市场的模式,构建所述虚拟电厂的日前优化模型;s2、求解所述日前优化模型,确定日前调频容量;s3、根据所述日前调频容量,构建虚拟电厂的日内优化模型;s4、求解所述日内优化模型,确定预设时间内的运行计划;s5、根据所述运行计划,获取所述虚拟电厂的功率分配策略,以根据所述功率分配策略对所述虚拟电厂进行优化调度。
18.需要说明的是,如图3所示,在本发明实施例中采用集中控制架构对虚拟电厂进行建模,采取调频辅助服务市场与能量市场联合出清的市场机制;在本发明实施例中构建的虚拟电厂采用集中控制架构,组成成员包括电动汽车、
可控负荷、风电机组、光伏和储能。虚拟电厂设立集中控制器,收集统计各组成成员之间和电网的相关信息,并统一调度,信息包括电动汽车充电计划和出行时间,可控负荷的预测负荷和可调节量,风电、光伏的预测量,储能电量,电价和调频价格等等。虚拟电厂利用风电机组和光伏机组向内部的负荷供电,储能装置可以降低风电光伏带来的系统波动,供电功率的缺口和余量与电网进行电能和调频辅助服务交易。
19.在本发明实施例中将市场分为日前市场和日内市场,调频辅助服务市场与能量市场联合出清。市场成员在日前同时申报能量和调频辅助服务的信息,包括里程报价、容量报价和能提供的调频容量。在日内市场以收益最大化进行结算,分配调频功率和能量。同时,市场对能量市场和调频市场中的出力偏差进行惩罚。将虚拟电厂作为价格的接收者,不考虑其竞价策略。
20.具体地,所述日前优化模型的目标函数具体为:其中,t为一个调度周期,为虚拟电厂在t时段参与电能市场的收益,为虚拟电厂在t时段参与调频市场的收益。
21.可选地,在日前优化模型中t=24h。
22.具体地,所述虚拟电厂在t时段参与电能市场的收益具体为:其中,为日前t时段预测的电网的售电价格,为日前t时段预测的电网的购电价格,为t时段虚拟电厂与电网交易的售电功率,为t时段虚拟电厂与电网交易的购电功率,为一个时段;所述虚拟电厂在t时段参与调频市场的收益具体为:其中:为日前t时段虚拟电厂预测的调频容量价格,为日前t时段虚拟电厂预测的里程价格,为t时段虚拟电厂与电网交易的调频容量,为t时段虚拟电厂与电网交易的调频里程,、为调频性能指标。
23.可以理解的是,所述预测的调频容量价格和所述预测的里程价格是根据历史调频容量价格、历史里程价格得到,调频容量为各成员调频容量之和,调频里程为电网下发的调频信号里程之和,调频里程通过历史里程数据得到。
24.在本发明实施例中,在日前,虚拟电厂优化调度的目标函数为虚拟电厂收益最大化,表达式如下:
其中,t为一个调度周期,为虚拟电厂在t时段参与电能市场的收益,为虚拟电厂在t时段参与调频市场的收益。
25.由于电动汽车、储能、风电、光伏的维护成本在一天的尺度内较小,不加以考虑。因此,vpp日前收益每部分的具体表达为:(1)所述虚拟电厂在t时段参与电能市场的收益具体为:其中,为日前t时段预测的电网的售电价格,为日前t时段预测的电网的购电价格,为t时段虚拟电厂与电网交易的售电功率,为t时段虚拟电厂与电网交易的购电功率,为一个时段;(2)所述虚拟电厂在t时段参与调频市场的收益具体为:其中:为日前t时段虚拟电厂预测的调频容量价格,为日前t时段虚拟电厂预测的里程价格,为t时段虚拟电厂与电网交易的调频容量,为t时段虚拟电厂与电网交易的调频里程,、为调频性能指标。
26.具体地,所述日前优化模型的约束条件包括:电动汽车约束、可控负荷约束、储能约束、风电机组约束、光伏机组约束、功率约束以及调频容量约束。
27.具体地,所述电动汽车约束具体为:具体地,所述电动汽车约束具体为:具体地,所述电动汽车约束具体为:具体地,所述电动汽车约束具体为:具体地,所述电动汽车约束具体为:其中,为第i辆电动汽车在t时段内的功率,为第i辆电动汽车在t时段内留出的上调频功率,为第i辆电动汽车在t时段内留出的下调频功率,为第i辆电动汽车在t时段内的最大充放电功率,为第i辆电动汽车在t时段内是否接入电网的布尔变量,为第i辆电动汽车在t时段内的荷电状态,为第i辆电动
汽车在t时段内的最小荷电状态,为第i辆电动汽车在t时段内的最大荷电状态,为第i辆电动汽车的充电效率,为第t辆电动汽车的放电效率,为第i辆电动汽车的电池容量,为第i辆电动汽车离开电网时的电量,为第i辆电动汽车的预设的离开电网时需达到的电量;需要说明的是,在电动汽车约束中,为正值时,表示进入v2g(vehicle-to-grid,车辆到电网)状态向电网放电,为负值时,表示进入充电状态。
28.具体地,所述可控负荷约束具体为:具体地,所述可控负荷约束具体为:具体地,所述可控负荷约束具体为:具体地,所述可控负荷约束具体为:其中,为第i台空调在t时段内的功率,为第i台空调在t时段内的最大功率,为第i台空调在t时段内的最小功率,为第i台空调在t时段内的上调频容量,为第i台空调在t时段内的下调频容量,为第i台空调所处的室内温度,为第i台空调的预设的温度,为第i台空调在预设的温度范围内的上限,为第i台空调在预设的温度范围内的下限;需要说明的是,在可控负荷约束中,以变频空调为典型可控负荷研究对象,所述预设的温度范围具体为温度舒适区,则所设约束保证了用户的温度舒适度需求。
29.具体地,所述储能约束具体为:具体地,所述储能约束具体为:具体地,所述储能约束具体为:具体地,所述储能约束具体为:具体地,所述储能约束具体为:其中,为储能在t时段内的功率,为储能在t时段内留出的上调频功率,
为储能在t时段内留出的下调频功率,为储能在t时段内的最大充放电功率,为储能在t时段内的荷电状态;为储能在t时段内的最小荷电状态,为储能在t时段内的最大荷电状态,为储能的充电效率,为储能的放电效率,为储能的电池容量;为调度周期结束时的最终电量,为调度周期开始时的初始电量;需要说明的是,在储能约束中,为正值时,表示放电,为负值时,表示充电,表示在调度周期的始末储能电量相等,从而保证了调度的连续性。
30.具体地,所述风电机组约束具体为:风电机组约束具体为:其中,为风电机组参与能量市场的功率,为日前风电功率预测期望值,为上调频功率,为下调频功率;需要说明的是,风电机组在运行过程中处于卸载运行状态,即一定程度上弃风以提供上调频功率。在日前预测中,对风电功率的预测存在一定的误差,且误差可认为服从正态分布。为避免在日内调度中由于较大误差带来的惩罚,采取较保守的策略,将功率约束在期望功率之下,然而这样会影响到虚拟电厂的经济性。然而,某些极端情况发生的情况特别低,因此可以一定置信水平进行满足机会约束,权衡经济性和可靠性。在本发明实施例中,由于风电预测误差满足正态分布,因此可将机会约束转化为确定性约束求解。
31.具体地,所述光伏机组约束具体为:具体地,所述光伏机组约束具体为:其中,为光伏机组参与能量市场的功率,为日前光伏功率预测期望值,为上调频功率,为下调频功率;可以理解的是,光伏运行策略与风电机组类似。
32.具体地,所述功率约束具体为:其中,为虚拟电厂t时段内的总功率,为接入电网的电动汽车的数量,为开启的空调的数量;需要说明的是,在功率约束中,大于零时向电网售电,小于零时向电网
购电。
33.具体地,所述调频容量约束具体为:量约束具体为:量约束具体为:其中,为虚拟电厂的总上调频容量,为虚拟电厂的总下调频容量,为虚拟电厂上报的电网容量。
34.可以理解的是,在调频容量约束中,由于所参考市场机制要求提供的上下调频容量一致,故将上报容量取上下调频容量中的较小值。
35.示例性的,如图4所示,在本发明实施例中日前优化调度以1小时为时间间隔,将一天分为24个时段。虚拟电厂的集中控制器对风电、光伏和负荷进行预测,得到24个时段的预测值。每天进行一次优化,以虚拟电厂收益最大为优化目标,得到24小时的运行计划。
36.具体地,所述日内优化模型的目标函数具体为:其中,为对调频信号跟踪的偏差,为日内能量市场的偏差,为调频市场的惩罚系数,为能量市场的惩罚系数。
37.具体地,所述日内优化模型的约束条件包括:电动汽车约束、可控负荷约束、储能约束、风电机组约束、光伏机组约束、功率约束、调频容量约束以及电动汽车和储能的电量约束。
38.具体地,所述电动汽车和储能的电量约束具体为:具体地,所述电动汽车和储能的电量约束具体为:其中,为日前优化调度得到的储能的荷电状态,为日前优化调度得到的电动汽车的荷电状态,为日内优化调度得到的储能的荷电状态,为日内优化调度得到的电动汽车的荷电状态。
39.需要说明的是,日内滚动优化的约束基本与日前相同,包括电动汽车约束、可控负荷约束、储能约束、风电机组约束、光伏机组约束、功率约束、调频容量约束,在此不再赘述,这里仅增加电动汽车和储能的电量约束。日内滚动优化后的调度结果应该与日前优化调度得到的荷电状态相同。
40.示例性的,如图5所示,在本发明实施例中,日内滚动优化以15分钟为时间间隔,以4小时为优化周期。虚拟电厂的集中控制器对4小时内的风电、光伏和负荷进行预测,每15分
钟进行一次滚动优化,以在日内的惩罚最小为目标,确定之后4小时的运行计划。此时的预测精度相较日前更高,且15分钟内的误差可以忽略不计,降低了日前预测值的不确定性对日内运行的影响。
41.虽然日前的规划存在一定的误差,但日前调度在一天的尺度上保证了最优的运行。在日内滚动时以实时的市场价格和预测为基准,对日前的计划进行修改,在长时间尺度上仍服从日前调度计划安排。滚动优化的周期为15分钟,尺度为4小时。
42.具体地,所述功率分配策略具体为:根据下式获取电动汽车分配到的上调频信号和下调频信号、空调分配到的上调频信号和下调频信号:信号和下调频信号:其中,为电动汽车和空调分配到的上调频信号,为电动汽车和空调分配到的下调频信号,为电动汽车分配到的上调频信号,为电动汽车分配到的下调频信号,为空调分配到的上调频信号,为空调分配到的下调频信号,为第i辆电动汽车在t时段内留出的上调频功率,为第i辆电动汽车在t时段内留出的下调频功率,为第i台空调在t时段内的上调频容量,为第i台空调在t时段内的下调频容量,为接入电网的电动汽车的数量,为开启的空调的数量。
43.可以理解的是,在日内,虚拟电厂接收调度中心下发的调频信号,并将其分配到各成员。为更好地保障用户的出行需求和温度舒适度需求,设定虚拟电厂先将调频信号下发
至风电、光伏和储能,不足部分由电动汽车和空调负荷承担。
44.首先按照电动汽车和空调负荷的调频容量比分配调频容量:先按照电动汽车和空调负荷的调频容量比分配调频容量:其中,为电动汽车和空调分配到的上调频信号,为电动汽车和空调分配到的下调频信号,为电动汽车分配到的上调频信号,为电动汽车分配到的下调频信号,为空调分配到的上调频信号,为空调分配到的下调频信号,为第i辆电动汽车在t时段内留出的上调频功率,为第i辆电动汽车在t时段内留出的下调频功率,为第i台空调在t时段内的上调频容量,为第i台空调在t时段内的下调频容量,为接入电网的电动汽车的数量,为开启的空调的数量。
45.接着,对电动汽车的荷电状态进行排序,优先选择荷电状态高于日前优化调度得到的荷电状态的电动汽车以响应上调频信号,直至总上调频功率满足要求;相同地,优先选择荷电状态低于日前优化调度得到的荷电状态的电动汽车以响应下调频信号,直至总下调频功率满足要求。
46.同时,将空调负荷需要交付的调频容量分配到处于温度舒适区的空调。为更好地稳定室内温度在温度舒适区,为室内温度更高的空调分配更多的下调频功率,使其参与更多下调频;相同地,为室内温度更低的空调分配更多的上调频功率,使其参与更多上调频。
47.对此,首先定义室温的归一化指标:
其中,soa为室温的归一化指标,为第i台空调所处的室内温度,为第i台空调的预设的温度,为第i台空调在预设的温度范围内的上限,为第i台空调在预设的温度范围内的下限。当室温越接近预设的温度时,soa越接近于零;室温在预设的温度范围内时,soa的范围在[-1,1]。
[0048]
接着获取每个空调分配到的上调频功率、下调频功率:其中,为第k台空调分配到的上调频功率,为第k台空调分配到的下调频功率,为空调分配到的上调频信号,为空调分配到的下调频信号,为处于预设的温度范围内的空调总数,为第k台空调的归一化指标。
[0049]
可以理解的是,根据以上步骤,获得了接入虚拟电厂的电动汽车、空调负荷的功率分配策略,并根据该功率分配策对电动汽车和空调负荷进行优化调度,实现了负荷侧柔性资源接入虚拟电厂参与需求响应与系统调频的优化调度问题。
[0050]
参见图2,图2是本发明实施例提供的一种虚拟电厂优化调度装置10的结构框图,所述虚拟电厂优化调度装置10,包括:日前优化模型构建模块11,用于基于虚拟电厂的模型架构和所述虚拟电厂参与市场的模式,构建所述虚拟电厂的日前优化模型;日前调频容量确定模块12,用于求解所述日前优化模型,确定日前调频容量;日内优化模型构建模块13,用于根据所述日前调频容量,构建虚拟电厂的日内优化模型;运行计划确定模块14,用于求解所述日内优化模型,确定预设时间内的运行计划;优化调度模块15,用于根据所述运行计划,获取所述虚拟电厂的功率分配策略,以根据所述功率分配策略对所述虚拟电厂进行优化调度。
[0051]
其中,所述日前优化模型的目标函数具体为:
其中,t为一个调度周期,为虚拟电厂在t时段参与电能市场的收益,为虚拟电厂在t时段参与调频市场的收益。
[0052]
优选地,所述虚拟电厂在t时段参与电能市场的收益具体为:其中,为日前t时段预测的电网的售电价格,为日前t时段预测的电网的购电价格,为t时段虚拟电厂与电网交易的售电功率,为t时段虚拟电厂与电网交易的购电功率,为一个时段;所述虚拟电厂在t时段参与调频市场的收益具体为:其中:为日前t时段虚拟电厂预测的调频容量价格,为日前t时段虚拟电厂预测的里程价格,为t时段虚拟电厂与电网交易的调频容量,为t时段虚拟电厂与电网交易的调频里程,、为调频性能指标。
[0053]
优选地,所述日前优化模型的约束条件包括:电动汽车约束、可控负荷约束、储能约束、风电机组约束、光伏机组约束、功率约束以及调频容量约束。
[0054]
优选地,所述电动汽车约束具体为:优选地,所述电动汽车约束具体为:优选地,所述电动汽车约束具体为:优选地,所述电动汽车约束具体为:优选地,所述电动汽车约束具体为:其中,为第i辆电动汽车在t时段内的功率,为第i辆电动汽车在t时段内留出的上调频功率,为第i辆电动汽车在t时段内留出的下调频功率,为第i辆电动汽车在t时段内的最大充放电功率,为第i辆电动汽车在t时段内是否接入电网的布尔变量,为第i辆电动汽车在t时段内的荷电状态,为第i辆电动汽车在t时段内的最小荷电状态,为第i辆电动汽车在t时段内的最大荷电状态,为第i辆电动汽车的充电效率,为第t辆电动汽车的放电效率,为第i辆电
动汽车的电池容量,为第i辆电动汽车离开电网时的电量,为第i辆电动汽车的预设的离开电网时需达到的电量;优选地,所述可控负荷约束具体为:优选地,所述可控负荷约束具体为:优选地,所述可控负荷约束具体为:优选地,所述可控负荷约束具体为:其中,为第i台空调在t时段内的功率,为第i台空调在t时段内的最大功率,为第i台空调在t时段内的最小功率,为第i台空调在t时段内的上调频容量,为第i台空调在t时段内的下调频容量,为第i台空调所处的室内温度,为第i台空调的预设的温度,为第i台空调在预设的温度范围内的上限,为第i台空调在预设的温度范围内的下限;优选地,所述储能约束具体为:优选地,所述储能约束具体为:优选地,所述储能约束具体为:优选地,所述储能约束具体为:优选地,所述储能约束具体为:其中,为储能在t时段内的功率,为储能在t时段内留出的上调频功率,为储能在t时段内留出的下调频功率,为储能在t时段内的最大充放电功率,为储能在t时段内的荷电状态;为储能在t时段内的最小荷电状态,为储能在t时段内的最大荷电状态,为储能的充电效率,为储能的放电效率,为储能的电池容量;为调度周期结束时的最终电量,为调度周期开始时的初始电量;优选地,所述风电机组约束具体为:
其中,为风电机组参与能量市场的功率,为日前风电功率预测期望值,为上调频功率,为下调频功率;作为上述方案的改进,所述光伏机组约束具体为:作为上述方案的改进,所述光伏机组约束具体为:其中,为光伏机组参与能量市场的功率,为日前光伏功率预测期望值,为上调频功率,为下调频功率;优选地,所述功率约束具体为:其中,为虚拟电厂t时段内的总功率,为接入电网的电动汽车的数量,为开启的空调的数量;优选地,所述调频容量约束具体为:优选地,所述调频容量约束具体为:优选地,所述调频容量约束具体为:其中,为虚拟电厂的总上调频容量,为虚拟电厂的总下调频容量,为虚拟电厂上报的电网容量。
[0055]
优选地,所述日内优化模型的目标函数具体为:其中,为对调频信号跟踪的偏差,为日内能量市场的偏差,为调频市场的惩罚系数,为能量市场的惩罚系数。
[0056]
优选地,所述日内优化模型的目标函数具体为:其中,为对调频信号跟踪的偏差,为日内能量市场的偏差,为调频市场的惩罚系数,为能量市场的惩罚系数。
[0057]
优选地,所述日内优化模型的约束条件包括:电动汽车约束、可控负荷约束、储能约束、风电机组约束、光伏机组约束、功率约束、调频容量约束以及电动汽车和储能的电量约束。
[0058]
优选地,所述电动汽车和储能的电量约束具体为:优选地,所述电动汽车和储能的电量约束具体为:其中,为日前优化调度得到的储能的荷电状态,为日前优化调度得到的电动汽车的荷电状态,为日内优化调度得到的储能的荷电状态,为日内优化调度得到的电动汽车的荷电状态。
[0059]
优选地,所述功率分配策略具体为:根据下式获取电动汽车分配到的上调频信号和下调频信号、空调分配到的上调频信号和下调频信号:信号和下调频信号:其中,为电动汽车和空调分配到的上调频信号,为电动汽车和空调分配到的下调频信号,为电动汽车分配到的上调频信号,为电动汽车分配到的下调频信号,为空调分配到的上调频信号,为空调分配到的下调频信号,为第i辆电动汽车在t时段内留出的上调频功率,为第i辆电动汽车在t时段内留出的下调频功率,为第i台空调在t时段内的上调频容量,为第i台空调在
t时段内的下调频容量,为接入电网的电动汽车的数量,为开启的空调的数量。
[0060]
值得说明的是,本发明实施例所述的虚拟电厂优化调度装置10中各个模块的工作过程可参考上述实施例所述的虚拟电厂优化调度方法的工作过程,在此不再赘述。
[0061]
本发明实施例所提供的虚拟电厂优化调度方法及装置,通过基于虚拟电厂的模型架构和所述虚拟电厂参与市场的模式,构建所述虚拟电厂的日前优化模型;求解所述日前优化模型,确定日前调频容量;根据所述日前调频容量,构建虚拟电厂的日内优化模型;求解所述日内优化模型,确定预设时间内的运行计划;根据所述运行计划,获取所述虚拟电厂的功率分配策略,以根据所述功率分配策略对所述虚拟电厂进行优化调度。由此可见,本发明实施例能够解决负荷侧柔性资源接入虚拟电厂参与需求响应与系统调频的优化调度问题,为虚拟电厂的优化调度提供理论指导。
[0062]
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
转载请注明原文地址:https://win.8miu.com/read-950093.html

最新回复(0)