基于碳约束的负荷侧虚拟电厂需求响应调控方法及系统与流程

摘要: 本发明属于电力调控,特别涉及基于碳约束的负荷侧虚拟电厂需求响应调控方法及系统。背景技术:1、电力行业面临减排压力,同时需应对新能源并网消纳难、负荷峰谷差扩大等问...
基于碳约束的负荷侧虚拟电厂需求响应调控方法及系统与流程

本发明属于电力调控,特别涉及基于碳约束的负荷侧虚拟电厂需求响应调控方法及系统。

背景技术:

1、电力行业面临减排压力,同时需应对新能源并网消纳难、负荷峰谷差扩大等问题,负荷侧资源成为提升系统调节能力与减碳效能的关键。

2、碳约束场景下,负荷侧需求响应需协同降碳与系统经济可靠运行,现有研究处于探索阶段,面临多重关键挑战尚未解决。

3、当前主要通过虚拟电厂负荷侧需求响应技术挖掘负荷侧调节潜力,即通过价格信号或激励措施引导用户调整用电行为,聚合空调、储能、充电桩等分布式可调资源,构建全域感知、实时共享、精细调控的负荷管理体系,实现电力用户与电网实时友好互动,兼顾用户体验与系统应对源荷双随机的能力,助力系统降碳。

4、现有方案仍存在明显不足:一是碳责任分摊机制缺乏系统性设计,无科学统一的分摊标准与执行框架;二是降碳手段单一,多聚焦于负荷削减,对柔性调节、能效提升等多元路径挖掘不够;三是源-荷-储多主体协同降碳机制不健全,各环节联动性弱,整体降碳效能未充分释放。

技术实现思路

1、本发明的目的在于提供基于碳约束的负荷侧虚拟电厂需求响应调控方法及系统,以解决降碳效能不能充分释放的问题。

2、为实现上述目的,本发明采用以下技术方案:

3、第一方面,本发明提供基于碳约束的负荷侧虚拟电厂需求响应调控方法,包括:

4、基于碳排放流,实时计算各负荷节点的碳势,所述碳势表示在该节点消费单位电量所导致的等效发电侧碳排放值;

5、基于各负荷节点的碳势,构建碳约束下的双层优化调控模型,其中,上层模型以电力系统整体运行效益最大为目标,生成分时电价信号;下层模型以负荷侧用户的用电成本与碳排放成本之和最小为目标,以节点的碳势为双层优化调控模型的输入,结合分时电价信号协同优化输出用电计划;

6、以用电计划作为负荷侧的需求响应目标,在预设的高碳排放时段或电力缺口时段,对虚拟电厂聚合的柔性负荷设备执行需求响应调控。

7、进一步的,所述基于碳排放流,实时计算各负荷节点的碳势,包括:

8、电力系统节点碳势,以符号表示,定义节点的节点碳势如下:

9、

10、式中:为节点的碳势,相连的支路中有潮流流入节点的所有支路的集合,为支路下标;为支路的有功潮流;支路的碳流密度;为支路的碳流率;

11、节点碳势与支路碳流密度具有相同的量纲,数值上等于所有流入节点的支路的碳流密度关于有功潮流的加权平均,为节点进行单位电力消费所造成的等效于发电侧的碳排放值。

12、进一步的,所述基于各负荷节点的碳势,构建碳约束下的双层优化调控模型,包括:

13、一级目标函数的目标为经济成本最小

14、

15、式中:为经济成本,n为机组总数;为第i台机组的发电成本函数;为第i台机组的出力,为网损成本,为系统网损功率,且满足=,为网损电价系数;

16、二级目标函数的目标为碳排放成本最小

17、第二级以负荷侧碳排放成本最小为目标,通过需求响应调整负荷曲线,实现低碳优化,目标函数如下:

18、

19、式中:为碳交易价格;为调度周期;为第台机组的碳排放强度;为时刻需求响应实现的碳减排量,与时刻负荷调整量满足.,为时刻系统平均碳排放强度;为时刻负荷调整量;为每调整单位负荷,平均能够减少的碳排放量;

20、需求响应约束:

21、min≤≤max

22、其中min、max分别为负荷最小、最大可调量;

23、日用电量守恒约束:

24、。

25、进一步的,一级目标函数约束条件:

26、功率平衡约束:

27、

28、式中:为原始负荷功率;

29、机组出力约束:

30、

pg,i,min

≤pg,i

≤pg,i,max

31、

pg,i,min

,pg,i,max分别为第台机组最小、最大出力;

32、机组爬坡约束:

33、

-rg,i,down

≤pg,i,t-

pg,i,t-1

≤rg,i,up

34、式中:

rg,i,down,

rg,i,up分别为机组向下、向上爬坡率,

t为调度时刻。

35、进一步的,所述上层模型以电力系统整体运行效益最大为目标,生成分时电价信号;下层模型以负荷侧用户的用电成本与碳排放成本之和最小为目标,以分时电价信号和节点的碳势协同优化输出用电计划,包括:

36、上层以系统整体效益最大为目标,制定分时电价与碳价信号;下层以用户用电成本与碳排成本之和最小为目标,优化用电方案;通过分时电价与节点碳势协同驱动,将电源侧碳排放责任传递至负荷侧;

37、上层模型在系统侧的分时电价优化表达式:

38、

39、式中:为调度周期;为机组总数;为第台机组在时刻的发电成本函数;为第台机组在时刻的出力;

m为负荷节点数;为时刻分时电价;为节点时刻调整后负荷功率,上层模型的约束条件和上述内容相同;

40、下层模型在负荷侧的低碳响应优化:

41、以下层负荷侧最优低碳性为目标,模型表达式如下:

42、

43、式中:为碳交易价格;为节点时刻碳势;

44、第个节点时刻的碳成本。

45、进一步的,上层模型和下层模型的约束条件:

46、点负荷上下限约束:

pd,n,min

≤pd,n,t

≤pd,n,max

47、

pd,n,min

、pd,n,max分别为n节点负荷上下限,节点碳势关联约束:

48、为第台机组碳排放强度,为机组对节点的功率分配系数,满足。

49、进一步的,所述构建碳约束下的双层优化调控模型,采用日前阶段与日内阶段的两阶段协调优化策略:

50、所述日前阶段,基于新能源出力与负荷需求的预测数据,以低碳电价为引导信号,制定负荷侧的需求响应基础计划;

51、所述日内阶段,基于新能源出力与负荷需求的实时数据,以超碳激励为修正信号,对需求响应基础计划进行滚动调整,包括:

52、基于预测数据制定需求响应计划,以用户用电成本与碳成本之和最小为目标:

53、

54、式中:为用户用电成本与碳成本之和,为时刻日前低碳电价;为时刻日前预测负荷调整计划;为时刻日前预测碳排放强度;

55、可平移负荷调整量约束:≤

56、为时刻可平移负荷调整量,为最大可平移负荷;

57、负荷调整边界约束:pd,min≤≤pd,max

58、pd,min,pd,max分别为节点负荷上下限;

59、基于实时数据滚动调整,以超碳激励成本最小为目标,应对新能源/负荷波动:

60、

61、式中:为超碳激励成本,为时刻日内超碳激励价格;为日内实时负荷调整量;

62、快速调节资源响应能力约束:

63、≤,为快速调节资源最大响应量;

64、日内负荷修正后边界约束:

65、pd,min≤≤pd,max

66、日用用电量守恒约束:

67、

68、调整量幅度约束:

69、||≤δ,δ为调整系数,控制日内调整幅度。

70、进一步的,所述以用电计划作为负荷侧的需求响应目标,在预设的高碳排放时段或电力缺口时段,对虚拟电厂聚合的柔性负荷设备执行需求响应调控,包括:

71、在需求响应开始前,对所述柔性负荷设备进行预调节,以在所述柔性负荷设备或其介质中存储冷量或热量;

72、在需求响应时段,降低所述柔性负荷设备的运行功率,并释放所存储的冷量或热量以满足负荷需求;

73、在需求响应结束后,恢复所述柔性负荷设备的原始运行参数。

74、第二方面,本发明提供基于碳约束的负荷侧虚拟电厂需求响应调控系统,包括:

75、碳势获取模块,用于基于碳排放流,实时计算各负荷节点的碳势,所述碳势表示在该节点消费单位电量所导致的等效发电侧碳排放值;

76、模型构建模块,用于基于各负荷节点的碳势,构建碳约束下的双层优化调控模型,其中,上层模型以电力系统整体运行效益最大为目标,生成分时电价信号;下层模型以负荷侧用户的用电成本与碳排放成本之和最小为目标,优化用电计划,所述碳排放成本包括该节点碳势与碳交易价格;

77、调控模块,用于以用电计划作为负荷侧的需求响应目标,在预设的高碳排放时段或电力缺口时段,对聚合的柔性负荷执行需求响应,在响应前于低碳时段蓄能,在响应中释放所蓄能量并降低实时功率,在响应后恢复常规运行。

78、第三方面,本发明提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述基于碳约束的负荷侧虚拟电厂需求响应调控方法。

79、第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述基于碳约束的负荷侧虚拟电厂需求响应调控方法。

80、与现有技术相比,本发明有以下技术效果:

81、本技术通过引入碳排放流理论,定义了节点碳势量化指标,构建了从发电侧到负荷侧的碳排放流向追踪与责任分摊模型。该模型能够实时、精准地计算各负荷节点消费单位电量所对应的发电侧碳排放量,从而为负荷侧参与碳市场、承担碳成本提供了科学、统一且可执行的计量框架,实现了碳责任在电力网络中的清晰溯源与公平分摊。

82、本技术提出了基于动态碳势信号的负荷柔性调节策略,通过在低碳势时段进行蓄能,在高碳势的需求响应时段降低运行功率并释能,实现了负荷在时间维度上的优化平移。在保证用户舒适度基本无影响的前提下,既削减了高峰碳排,又促进了新能源消纳,挖掘了能效提升的深度潜力。

83、本技术构建了以节点碳势为关键耦合参数的双层优化调控模型。上层模型以整体效益最大为目标,协同优化分时电价与碳价信号;下层模型在接收电价与碳势信号后,以用电成本和碳成本之和最小为目标,自主优化用电计划。负荷侧从被动接受指令转变为主动调节者,虚拟电厂则作为聚合与协调方,整合分布式资源响应系统需求,打通了源-荷-储协同的链条,系统性地提升了整体降碳效能。