考虑日前小时电价和多种需求响应促进风电接纳水平方法技术

本发明专利技术涉及一种考虑日前小时电价和多种需求响应促进风电接纳水平方法，在大规模风电接入的情况下，考虑日前小时电价对价格型需求响应用户的影响和激励型需求响应用户，建立考虑风电不确定性情况下的日前小时电价优化和计及激励型需求响应的含风电电力系统调度二层规划模型；利用拉丁超立方抽样生成大量风电场景，采用同步回代法进行场景削减，通过量子粒子群算法对模型求解；得到约束条件下最优日前小时电价、最优风电接纳量、最优火电机组调度出力和最优激励型需求响应调用量。本发明专利技术方法可以引导用户削峰填谷，并有效促进风电接纳、降低火电发电成本和使用户的效益增加。

In response to the promotion of wind power acceptance method considering the price and demand many hours before the day

The invention relates to a response to promote wind power acceptance level method consider day hours before price and a variety of needs, in the large-scale wind power integration under the condition of considering the response to the user's influence and incentive based demand hours before the price on the price based demand response to the user, considering the day hours before the price optimization and power system containing wind power considering the type of demand response incentive scheduling two level programming model of wind power under the condition of uncertainty; using Latin hypercube sampling to generate a large number of wind power scenarios, using synchronous backtracking scene cuts through the quantum particle swarm algorithm to solve the model; constraint conditions on the optimal price, hours before the optimal wind power capacity optimal fire, motor group scheduling output and optimal incentive based demand response adjustment amount. The method of the invention can guide the user to cut the peak and fill the valley, effectively promote the acceptance of the wind power, reduce the cost of the thermal power generation and increase the benefit of the user.

【技术实现步骤摘要】

本专利技术涉及电力市场分析领域，特别是一种考虑日前小时电价和多种需求响应促进风电接纳水平方法。
技术介绍
风电是目前发展最快，应用最广的新能源。但新能源发电普遍具有随机性与波动性，此外风电还具有典型的反调峰特性。现阶段制约我国风电消纳的主要因素是系统调峰能力与电网输送能力，影响系统调峰能力的根本原因是负荷峰谷差的加剧和风电大规模接入后系统调峰机组容量不足。需求响应项目一般将负荷分类为电价型负荷响应、激励型负荷响应以及不受电价控制的负荷。峰谷电价中，电价被分为峰平谷三个时段，对负荷的调整缺乏灵活性；实时电价中，电价随着市场的变动而波动，对用户调整自身用电计划有很大的影响。鉴于此，有学者提出了日前小时电价(准实时电价)的概念，将电价分为24个时段，通过第二天24小时的负荷预测和风电预测结果，提前一天制定下一日24小时电价，使用户有缓冲的时间，根据电价制定自身用电计划，转移高峰时段负荷或增加其他时段负荷。
技术实现思路
本专利技术的目的在于提供一种考虑日前小时电价和多种需求响应促进风电接纳水平方法，该方法可以引导多种需求响应用户削峰填谷，并有效促进风电接纳、火电发电成本降低及并使用户的效益增加。为实现上述目的，本专利技术的技术方案是：一种考虑日前小时电价和多种需求响应促进风电接纳水平方法，在大规模风电接入的情况下，考虑日前小时电价对价格型需求响应用户的影响和激励型需求响应用户，建立考虑风电不确定性情况下的日前小时电价优化和计及激励型需求响应的含风电电力系统调度二层规划模型；利用拉丁超立方抽样生成大量风电场景，采用同步回代法进行场景削减，通过量子粒子群算法对模型求解；得到约束条件下最优日前小时电价、最优风电接纳量、最优火电机组调度出力和最优激励型需求响应调用量。在本专利技术一实施例中，该方法具体实现步骤如下，S1：提取风电场的多场景发电数据、火电机组数据、初始电价型需求响应用户、激励型需求响应用户数据、日前小时电价数据；S2：建立日前小时电价下需求响应用户模型，分别对价格型需求响应用户和激励型需求响应用户建立各自的模型；S3：建立考虑日前小时电价优化的风电不确定性调度二层规划模型；定义该模型：外层为日前小时电价优化模型，内层为日内电力系统经济调度模型；外层模型为：系统24小时的等效负荷差与系统弃风出力之和最小，用数学函数表达如下：其中，PDE,s,max、PDE,s,min分别为场景s下系统日等效负荷最大值与最小值，等效负荷计算如式(5)所示；Pcur,k,t,s为风电场k在场景s下t时刻的弃风功率；WB为风电场数量；内层为日内电力系统经济调度模型，用数学函数表达如下：式中：aG,iP2G,i,t,s+bG,iPG,i,t,s+cG,i为火电发电成本函数，aG,i、bG,i、cG,i为火电机组i的发电成本系数；PG,i,t,s为火电机组i在场景s下t时刻的出力；βW,k为风电场k的弃风成本；GS为火电机组数量；S4：求解火电机组出力及发电成本、激励型需求响应用户的调用电量及成本、弃风电量、最优日前小时电价以及促进风电接纳的电量。在本专利技术一实施例中，所述步骤S2具体包括以下步骤：S21：日前小时电价下的电价型需求响应用户建模：电能的价格与需求之间存在一定的函数关系，基于统计学原理方式的用户响应建模是根据用户历史负荷数据与电价的关系，拟合出用户的需求价格曲线函数；用户某时刻负荷量与电价关系可以表示为：Pact,j,t＝fj(ρt)其中，Pact，j，t为电价型需求响应用户j在t时刻的负荷量；fj(ρt)为电价型需求响应用户j的需求价格曲线函数；ρt为t时刻电价。S22：日内激励型需求响应用户建模：考虑到促进风电消纳，对激励型需求响应用户的建模考虑双向负荷参与项目，双向负荷即既可以减少用电量也可以增加用电量的负荷，用户增减电量时都能获得补偿；为更灵活地调动激励型需求响应用户促进风电消纳，激励型需求响应用户用户不要求负荷平衡；用户的补偿分为容量补偿和电量补偿，其中容量补偿固定，电量补偿按照用户报价曲线和实际调用电量计算，用户按阶梯型曲线进行报价；激励型需求响应的调度模型的数学函数表达如下：其中，CIBDR为激励型需求响应用户的调度成本；ρ+d,m和ρ-d,m分别为激励型需求响应用户d分段报价曲线的第m段增、减电量报价；P+d,m,t和P-d,m,t分别为激励型需求响应用户用户d在t时刻m段的增减电量；Cd为激励型需求响应用户用户d的容量成本；PIBDRd为激励型需求响应用户用户d所能调用的容量；Nd为激励型需求响应用户用户总数，M为激励型需求响应用户申报电量总段数。在本专利技术一实施例中，所述步骤S3具体包括以下步骤：外层通过日前小时电价改变电价型需求响应用户的负荷量，并将改变后的负荷曲线及风电场景引入内层经济调度模型；内层求解出弃风电量、激励型需求响应用户调用容量与成本、火电机组出力情况与火电机组成本，再将调度结果返回外层，更新日前小时电价；依此反复优化得到最优日前小时电价，最优经济调度结果、激励型需求响应用户的调用容量与弃风电量；S31：日前小时电价优化促进风电接纳模型在考虑风电接纳的系统调度中，等效负荷可以更直观地反应系统中负荷与风电变化趋势。将风电视为负负荷，等效负荷为负荷与风电的差值；定义该模型：等效负荷峰谷差与弃风出力之和最小：其中，PDE,smax、PDE,smin分别为场景s下系统日等效负荷最大值与最小值；Pcur,k,t,s为风电场k在场景s下t时刻的弃风功率；WB为风电场数量；其中，其中，PDE,t,s为系统在场景s下t时刻的等效负荷；PDG,t,s为系统在场景s下t时刻的固定负荷量；Pact,j,t,s为用户j在场景s下t时刻响应后的负荷量；DM为电价型需求响应用户数量；PW,k,t,s为风电场k在场景s下t时刻的出力；在风电多场景的情况下，会得到多条日前小时电价曲线，本文采用综合场景概率的方法得到最终的日前小时电价：其中，ρF,t为最终的日前小时电价；ps为场景s的概率；SN为场景总数；ρt为场景s下t时刻日前小时电价；步骤S32：考虑需求响应的含不确定性风电电力系统调度模型；定义该模型：火电机组发电成本与风电场弃风成本最小，用数学函数表述如下：其中，aG,iP2g,i,t,s+bG,iPg,i,t,s+cG,i为火电发电成本函数，aG,i、bG,i、cG,i为火电机组i的发电成本系数；PG,i,t,s为火电机组i在场景s下t时刻的出力；βW,k为风电场k的弃风成本；GS为火电机组数量。在本专利技术一实施例中，所述步骤S31的约束条件有：电价上下限约束、每小时最大最小需求响应约束、电价型需求响应用户用电调整速率约束、电价型需求响应用户购电成本约束、电价型需求响应用户用电平衡约束；所述电价上下限约束用数学函数表述如下：ρt,min<ρt,s<ρt,max其中，ρt,min、ρt,max为t时刻电价的上下限；所述每小时最大最小需求响应约束用数学函数表述如下：Pact,j,min,t<Pact,j,t,s<Pact,j,max,t其中，Pact,j,min,t、Pact,j,max,t为用户j在t时刻的负荷量上下限；所述电价电价型需求响应用户用电调整速率约束用数学函数表述如下其中，△Pa本文档来自技高网...

【技术保护点】
一种考虑日前小时电价和多种需求响应促进风电接纳水平方法，其特征在于：在大规模风电接入的情况下，考虑日前小时电价对价格型需求响应用户的影响和激励型需求响应用户，建立考虑风电不确定性情况下的日前小时电价优化和计及激励型需求响应的含风电电力系统调度二层规划模型；利用拉丁超立方抽样生成大量风电场景，采用同步回代法进行场景削减，通过量子粒子群算法对模型求解；得到约束条件下最优日前小时电价、最优风电接纳量、最优火电机组调度出力和最优激励型需求响应调用量。

【技术特征摘要】
1.一种考虑日前小时电价和多种需求响应促进风电接纳水平方法，其特征在于：在大规模风电接入的情况下，考虑日前小时电价对价格型需求响应用户的影响和激励型需求响应用户，建立考虑风电不确定性情况下的日前小时电价优化和计及激励型需求响应的含风电电力系统调度二层规划模型；利用拉丁超立方抽样生成大量风电场景，采用同步回代法进行场景削减，通过量子粒子群算法对模型求解；得到约束条件下最优日前小时电价、最优风电接纳量、最优火电机组调度出力和最优激励型需求响应调用量。2.根据权利要求1所述的考虑日前小时电价和多种需求响应促进风电接纳水平方法，其特征在于：该方法具体实现步骤如下，S1：提取风电场的多场景发电数据、火电机组数据、初始电价型需求响应用户、激励型需求响应用户数据、日前小时电价数据；S2：建立日前小时电价下需求响应用户模型，分别对价格型需求响应用户和激励型需求响应用户建立各自的模型；S3：建立考虑日前小时电价优化的风电不确定性调度二层规划模型；定义该模型：外层为日前小时电价优化模型，内层为日内电力系统经济调度模型；外层模型为：系统24小时的等效负荷差与系统弃风出力之和最小，用数学函数表达如下：min(PDE,s,max-PDE,s,min+Σt=124Σk=1WBPcur,k,t,s)]]>其中，PDE,s,max、PDE,s,min分别为场景s下系统日等效负荷最大值与最小值，等效负荷计算如式(5)所示；Pcur,k,t,s为风电场k在场景s下t时刻的弃风功率；WB为风电场数量；内层为日内电力系统经济调度模型，用数学函数表达如下：minΣs=1SN(Σt=124ps(Σi=1GS(aG,iPG,i,t,s2+bG,iPG,i,t,s+cG,i)+Σk=1WBβW,kPCur,k,t,s)+CIBDR)]]>式中：aG,iP2G,i,t,s+bG,iPG,i,t,s+cG,i为火电发电成本函数，aG,i、bG,i、cG,i为火电机组i的发电成本系数；PG,i,t,s为火电机组i在场景s下t时刻的出力；βW,k为风电场k的弃风成本；GS为火电机组数量；S4：求解火电机组出力及发电成本、激励型需求响应用户的调用电量及成本、弃风电量、最优日前小时电价以及促进风电接纳的电量。3.根据权利要求2所述的考虑日前小时电价和多种需求响应促进风电接纳水平方法，其特征在于：所述步骤S2具体包括以下步骤：S21：日前小时电价下的电价型需求响应用户建模：电能的价格与需求之间存在一定的函数关系，基于统计学原理方式的用户响应建模是根据用户历史负荷数据与电价的关系，拟合出用户的需求价格曲线函数；用户某时刻负荷量与电价关系可以表示为：Pact，j，t＝fj(ρt)其中，Pact，j，t为电价型需求响应用户j在t时刻的负荷量；fj(ρt)为电价型需求响应用户j的需求价格曲线函数；ρt为t时刻电价。S22：日内激励型需求响应用户建模：考虑到促进风电消纳，对激励型需求响应用户的建模考虑双向负荷参与项目，双向负荷即既可以减少用电量也可以增加用电量的负荷，用户增减电量时都能获得补偿；为更灵活地调动激励型需求响应用户促进风电消纳，激励型需求响应用户用户不要求负荷平衡；用户的补偿分为容量补偿和电量补偿，其中容量补偿固定，电量补偿按照用户报价曲线和实际调用电量计算，用户按阶梯型曲线进行报价；激励型需求响应的调度模型的数学函数表达如下：CIBDR=Σd=1NdΣt=124Σm=1M(ρd,m+×Pd,m,t++ρd,m-×Pd,m,t-)+Σd=1NdCd*PdIBDR]]>其中，CIBDR为激励型需求响应用户的调度成本；ρ+d,m和ρ-d,m分别为激励型需求响应用户d分段报价曲线的第m段增、减电量报价；P+d,m,t和P-d,m,t分别为激励型需求响应用户用户d在t时刻m段的增减电量；Cd为激励型需求响应用户用户d的容量成本；PIBDRd为激励型需求响应用户用户d所能调用的容量；Nd为激励型需求响应用户用户总数，M为激励型需求响应用户申报电量总段数。4.根据权利要求2所述的考虑日前小时电价和多种需求响应促进风电接纳水平方法，其特征在于：所述步骤S3具体包括以下步骤：外层通过日前小时电价改变电价型需求响应用户的负荷量，并将改变后的负荷曲线及风电场景引入内层经济调度模型；内层求解出弃风电量、激励型需求响应用户调用容量与成本、火电机组出力情况与火电机组成本，再将调度结果返回外层，更新日前小时电价；依此反复优化得到最优日前小时电价，最优经济调度结果、激励型需求响应用户的调用容量与弃风电量；S31：日前小时电价优化促进风电接纳模型在考虑风电接纳的系统调度中，等效负荷可以更直观地反应系统中负荷与风电变化趋势。将风电视为负负荷，等效负荷为负荷与风电的差值；定义该模型：等效负荷峰谷差与弃风出力之和最小：min(PDE,smax-PDE,smin+Σt=124Σk=1WBPcur,k,t,s)]]>其中，PDE,smax、PDE,smin分别为场景s下系统日等效负荷最大值与最小值；Pcur,k,t,s为风电场k在场景s下t时刻的弃风功率；WB为风电场数量；其中，PDE,t,s=PDG,t,s+Σj=1DMPact,j,t,s-Σk=1WBPW,k,t,s]]>其中，PDE,t,s...

【专利技术属性】
技术研发人员：方日升，刘文彬，王其瑜，王良缘，王颖帆，杨首晖，江岳文，温步瀛，林建新，张艺渊，
申请(专利权)人：国网福建省电力有限公司，
类型：发明
国别省市：福建;35