计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法技术

本发明专利技术公开了一种计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法，包括：将采集的虚拟电厂信息导入基础模型进行优化调度；其中，基于虚拟电厂信息分别获得虚拟电厂的多项成本和收入并构建虚拟电厂净利润经济优化调度目标函数，对优化调度目标函数设置虚拟电厂安全运行的约束条件；根据鲁棒优化调度模型对经济优化调度目标函数进行优化求解，输出优化调度后的虚拟电厂信息；本发明专利技术充分考虑到虚拟电厂电源侧风电、光伏的不确定性因素和用电侧电动汽车、中断负荷需求响应因素，为虚拟电厂不确定性和需求响应细粒度建模提供借鉴、有助于规避净利润风险进而保证经济收益的可靠性。于规避净利润风险进而保证经济收益的可靠性。于规避净利润风险进而保证经济收益的可靠性。

【技术实现步骤摘要】
计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法


[0001]本专利技术属于虚拟电厂细粒度建模和不确定性优化调度技术，具体涉及一种计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法。

技术介绍

[0002]虚拟电厂的优化调度主要是利用先进的通信技术和控制策略，对内部的分布式灵活性资源进行聚合，在满足各种系统网络和物理约束条件时，调节它们的出力，使之参与电力市场、能量市场或辅助服务市场的运行。其目标为在满足用户负荷需求的基础前提下，充分利用虚拟电厂内清洁的分布式电源如风电、光伏等，然后再利用虚拟电厂内运行经济的机组满足负荷需求，以达到发电收益最大、运行成本最低、污染物、碳排放等最小的优化运行目标。
[0003]虚拟电厂内分布式可调资源包括大量可再生能源，这些资源本身的随机性导致虚拟电厂出力具有一定的不确定性，这也是虚拟电厂有别于传统电厂的一大特点。具体表现为：当上级调度下达发电指令后，本应执行相应计划的可再生能源发电单元由于不可抗的环境等因素未能按时完成相应发电计划，使得虚拟电厂无法向外输出平稳可靠的电能。因此，影响虚拟电厂优化调度效果的因素主要来源于可再生能源出力的随机性。随着电动汽车的大量接入虚拟电厂和中断负荷的参与度提升，用户侧的需求响应策略更加复杂化，虚拟电厂系统运营商对电动汽车和中断负荷需求响应细粒度模型的需求更加急迫，亟需进一步挖掘用户侧调节潜力。

技术实现思路

[0004]专利技术目的：为了克服现有技术中的不足，本专利技术提供一种计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法，充分考虑到虚拟电厂电源侧风电、光伏的不确定性因素和用电侧电动汽车、中断负荷需求响应因素，基于信息距离决策理论的鲁棒优化调度模型，提出虚拟电厂不确定性因素和需求响应因素下的细粒度模型，帮助虚拟电厂系统运营商规避净利润风险进而保证经济收益的可靠性，进一步挖掘虚拟电厂中电动汽车、中断负荷参与优化调度的灵活性潜力、进一步提高需求侧响应的积极性，以期虚拟电厂细粒度建模和不确定性优化调度提供借鉴和指导。
[0005]技术方案：第一方面本专利技术提供一种计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法，包括：采集虚拟电厂信息，将虚拟电厂信息导入基础模型，输出优化调度后的虚拟电厂信息；
[0006]其中，虚拟电厂信息包括：光伏发电系统信息、风机发电系统信息、储能系统信息、电动汽车集群信息、电网接口信息、负荷信息；
[0007]基于虚拟电厂信息分别获得虚拟电厂向电网售电收入、向电动汽车售电收入、向常规电力负荷售电收入、储能系统成本、中断负荷需求响应成本、电动汽车需求响应成本；
[0008]根据虚拟电厂向电网售电收入、向电动汽车售电收入、向常规电力负荷售电收入、
储能系统成本、中断负荷需求响应成本、电动汽车需求响应成本构建经济优化调度目标函数，并对优化调度目标函数设置虚拟电厂安全运行的约束条件；
[0009]将虚拟电厂安全运行的约束条件导入鲁棒优化调度模型对经济优化调度目标函数进行优化求解，基础模型根据优化求解后的经济优化调度目标函数实时更新基础模型中的系数，并输出优化调度后的虚拟电厂信息。
[0010]在进一步的实施例中，所述基础模型包括：确定性模型、不确定性模型、需求响应模型；
[0011]其中，将虚拟电厂信息导入基础模型包括：将负荷信息、储能系统信息导入确定性模型计算，分别获得储能系统模型输出参数、常规电力负荷模型输出参数，将光伏发电系统信息、风机发电系统信息导入不确定性模型计算，分别获得光伏发电出力模型输出参数、风机发电出力的模型输出参数，将电动汽车集群信息、负荷信息导入需求响应模型计算，分别获得电动汽车模型输出参数、中断负荷的模型输出参数；
[0012]所述光伏发电系统信息包括：光电出力预测信息、鲁棒系数信息；
[0013]所述风机发电系统信息包括：风电出力预测信息、鲁棒系数信息；
[0014]所述储能系统信息包括：装机容量信息、充放电功率限度信息、荷电状态限度信息、充放电次数限度信息；
[0015]所述电动汽车集群信息包括：每辆电动汽车的最大充电时间信息、额定充电功率信息、习惯性的充电开始时刻信息、充电电价信息；
[0016]所述电网接口信息包括：上网电价信息、上网功率限度信息；负荷信息包括：常规电力负荷信息、中断负荷信息。
[0017]在进一步的实施例中，储能系统模型的表达式为：
[0018][0019]式中：分别为储能系统在时段t、在时段t+1的储电量；σ
es
为储能系统的自放电率；分别为储能系统在时段t的放电功率、充电功率；η
es,cha
、η
es,dis
分别为储能系统的充电效率、放电效率；Δt为虚拟电厂仿真设置时间步长；
[0020]常规电力负荷模型的表达式为：
[0021]P
tLtrad
＝ξ
L
(P
tLtrad
)
[0022]式中：P
tLtrad
为在时段t的常规电力负荷需求；ξ
L
(
·
)为负荷调研统计样本。
[0023]在进一步的实施例中，光伏发电出力模型的表达式为：
[0024][0025]式中：P
tpva
、P
tpvf
分别为时段t的光伏发电的实际出力、光伏发电的预测出力；τ
pv
为光伏发电不确定变量P
tpva
的波动范围，也即是光伏发电相关的鲁棒系数；Ω(τ
pv
,P
tpvf
)为P
tpva
的集合关系；
[0026]风机发电出力的模型的表达式为：
[0027][0028]式中：P
twpa
、P
twpf
分别为时段t的风机发电的实际出力、风机发电的预测出力；τ
wp
为风机发电不确定变量P
tpva
的波动范围，也即是风机发电相关的鲁棒系数；Ω(τ
wp
,P
twpf
)为P
twpa
的集合关系。
[0029]在进一步的实施例中，所述电动汽车模型输出参数包括：电动汽车需求侧响应模型输出参数、充电负荷转移响应模型输出参数、电动汽车响应激励模型输出参数；
[0030]电动汽车需求侧响应模型的表达式为：
[0031]P
tafter
＝P
tbefore
+P
tin
‑
P
tout
[0032]式中：P
tafter
、P
tbefore
分别为在时段t需求侧响应后的电动汽车充电负荷、需求侧响应前的电动汽车充电负荷；P
tin
、P
tout
分别为在时段t电动汽车转入充电负荷、电动汽车转出充电负荷；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法，其特征在于，包括：采集虚拟电厂信息，将虚拟电厂信息导入基础模型，输出优化调度后的虚拟电厂信息；其中，虚拟电厂信息包括：光伏发电系统信息、风机发电系统信息、储能系统信息、电动汽车集群信息、电网接口信息、负荷信息；基于虚拟电厂信息分别获得虚拟电厂向电网售电收入、向电动汽车售电收入、向常规电力负荷售电收入、储能系统成本、中断负荷需求响应成本、电动汽车需求响应成本；根据虚拟电厂向电网售电收入、向电动汽车售电收入、向常规电力负荷售电收入、储能系统成本、中断负荷需求响应成本、电动汽车需求响应成本构建经济优化调度目标函数，并对优化调度目标函数设置虚拟电厂安全运行的约束条件；将虚拟电厂安全运行的约束条件导入鲁棒优化调度模型对经济优化调度目标函数进行优化求解，基础模型根据优化求解后的经济优化调度目标函数实时更新基础模型中的系数，并输出优化调度后的虚拟电厂信息。2.根据权利要求1所述的计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法，其特征在于，所述基础模型包括：确定性模型、不确定性模型、需求响应模型；其中，将虚拟电厂信息导入基础模型包括：将负荷信息、储能系统信息导入确定性模型计算，分别获得储能系统模型输出参数、常规电力负荷模型输出参数，将光伏发电系统信息、风机发电系统信息导入不确定性模型计算，分别获得光伏发电出力模型输出参数、风机发电出力的模型输出参数，将电动汽车集群信息、负荷信息导入需求响应模型计算，分别获得电动汽车模型输出参数、中断负荷的模型输出参数；所述光伏发电系统信息包括：光电出力预测信息、鲁棒系数信息；所述风机发电系统信息包括：风电出力预测信息、鲁棒系数信息；所述储能系统信息包括：装机容量信息、充放电功率限度信息、荷电状态限度信息、充放电次数限度信息；所述电动汽车集群信息包括：每辆电动汽车的最大充电时间信息、额定充电功率信息、习惯性的充电开始时刻信息、充电电价信息；所述电网接口信息包括：上网电价信息、上网功率限度信息；负荷信息包括：常规电力负荷信息、中断负荷信息。3.根据权利要求2所述的计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法，其特征在于，储能系统模型的表达式为：式中：分别为储能系统在时段t、在时段t+1的储电量；σ
es
为储能系统的自放电率；分别为储能系统在时段t的放电功率、充电功率；η
es,cha
、η
es,dis
分别为储能系统的充电效率、放电效率；Δt为虚拟电厂仿真设置时间步长；常规电力负荷模型的表达式为：P
tLtrad
＝ξ
L
(P
tLtrad
)式中：P
tLtrad
为在时段t的常规电力负荷需求；ξ
L
(
·
)为负荷调研统计样本。4.根据权利要求2所述的计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法，其
特征在于，光伏发电出力模型的表达式为：式中：P
tpva
、P
tpvf
分别为时段t的光伏发电的实际出力、光伏发电的预测出力；τ
pv
为光伏发电不确定变量P
tpva
的波动范围，也即是光伏发电相关的鲁棒系数；Ω(τ
pv
,P
tpvf
)为P
tpva
的集合关系；风机发电出力的模型的表达式为：式中：P
twpa
、P
twpf
分别为时段t的风机发电的实际出力、风机发电的预测出力；τ
wp
为风机发电不确定变量P
tpva
的波动范围，也即是风机发电相关的鲁棒系数；Ω(τ
wp
,P
twpf
)为P
twpa
的集合关系。5.根据权利要求2所述的计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法，其特征在于，所述电动汽车模型输出参数包括：电动汽车需求侧响应模型输出参数、充电负荷转移响应模型输出参数、电动汽车响应激励模型输出参数；电动汽车需求侧响应模型的表达式为：P
tafter
＝P
tbefore
+P
tin
‑
P
tout
式中：P
tafter
、P
tbefore
分别为在时段t需求侧响应后的电动汽车充电负荷、需求侧响应前的电动汽车充电负荷；P
tin
、P
tout
分别为在时段t电动汽车转入充电负荷、电动汽车转出充电负荷；充电负荷转移响应模型的表达式为：式中：P
tin
、P
tout
分别为在时段t电动汽车转入充电负荷、电动汽车转出充电负荷；为单台电动汽车额定充电功率；k为电动汽车类别；分别为第k类电动汽车转入时段t充电的数量、第k类电动汽车转出时段t充电的数量；为第k类电动汽车转出时段t
‑
d充电的数量；d
max
为每类别电动汽车所需要的最长充电时间；T为虚拟电厂优化调度周期；电动汽车响应激励模型包括可用性模型、可行性模型、响应满意度模型、响应激励与响应效果耦合关系模型；可用性模型的表达式为：
式中：为电动汽车用户在时段t的可用性；分别为时段t系统运营商支出的需求侧响应激励补贴价格、系统运营商向电力用户售电价格；可行性模型的表达式为：式中：为电动汽车用户在时段t的可行性；t
before
、t
after
分别为电动汽车用户需求侧响应前的充电开始时刻、需求侧响应后的充电开始时刻；T为虚拟电厂优化调度周期；响应满意度模型的表达式为：式中：为电动汽车用户在时段t的响应满意度；θ为电动汽车用户对可用性的重视程度因子；为电动汽车用户在时段t的可用性；为电动汽车用户在时段t的可行性；响应激励与响应效果耦合关系模型的表达式为：式中：分别为第k类电动汽车转入时段t充电的数量；为第k类电动汽车中的第i辆电动汽车在时段t是否参与需求侧响应的布尔变量，取值1时表示该辆电动汽车参与时段t的需求响应，取值0时表示该辆电动汽车不参与时段t的需求响应；N
i
为第k类电动汽车的总数量；为电动汽车用户在时段t的响应满意度；为第k类电动汽车中的第i辆电动汽车响应满意度阈值。6.根据权利要求2所述的计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法，其特征在于，所述中断负荷模型的表达式为：式中：为虚拟电厂在时间t中断负荷的响应成本；Ω
m
为中断水平级别；为第m级别中断水平补偿价格因子；为在时间t的第m级别中断水平中断负荷量；P
tLcurt
为在时间t的所有级别中断水平的中断负荷量。7.根据权利要求1所述的计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法，其特征在于，所述经济优化调度目标函数的表达式为：max f
vpp
＝C
profit
‑
C
cost
式中：f
vpp
为虚拟电厂优化调度周期内的净利润；C
profit
为...

【专利技术属性】
技术研发人员：钟永洁，纪陵，
申请(专利权)人：南京国电南自软件工程有限公司，
类型：发明
国别省市：