基于不确定度的虚拟电厂参与电碳市场的鲁棒优化调度方法和装置

本发明涉及电力系统优化调度，特别涉及一种基于不确定度的虚拟电厂参与电碳市场的鲁棒优化调度方法和装置。

背景技术：

1、随着“双碳”战略的深入推进，以风能、太阳能为代表的可再生能源发电比例日益提高。然而，可再生能源出力固有的间歇性、波动性与不确定性给电力系统的安全稳定运行带来了巨大挑战。虚拟电厂（virtual power plant, vpp）作为一种能够将分散的分布式电源（风电、光伏）、储能系统和可控负荷聚合管理的先进能源管理模式，已成为促进可再生能源消纳、参与电力市场交易的关键载体。在电力市场与碳市场协同运行的背景下，虚拟电厂需要在日前阶段制定未来24小时的优化调度计划，以最小化包含电力交易成本、燃气轮机运行成本和碳交易成本在内的总运行成本。准确预测并应对风光出力的不确定性，是制定该计划、提升虚拟电厂运营效益的核心环节。

2、目前，针对虚拟电厂参与电碳市场的优化调度问题，现有技术方案主要包括以下几种：

3、（1）确定性优化方法。该方法基于风电、光伏出力的点预测值（例如，日前预测曲线）来制定调度计划，将预测值视为真实值，通过求解确定性的数学规划问题（如混合整数线性规划）得到各机组出力与电网交互功率计划。该方法完全忽略了预测误差的存在，当实际风光出力低于预测值时，虚拟电厂将面临功率缺额，被迫紧急启动高成本的备用电源或从电力市场高价购电，导致实际运行成本远高于计划成本，甚至威胁系统安全；反之，若出力高于预测值，则可能导致弃风弃光，造成资源浪费。

4、（2）传统鲁棒优化方法（盒式不确定集合）。该方法认识到风光出力的不确定性，并将其描述为一个有界区间（例如，出力在预测值的±20%范围内波动）。为了保证在所有可能的不确定性实现下系统均能安全运行，它假定所有时段的风光出力同时达到最不利的边界值（即出力下限）。该方法的假设过于极端和保守，在现实中几乎不可能发生。为了应对这种极度恶劣的假想场景，调度计划需要预留大量的昂贵备用容量（如燃气轮机高负荷运行），导致日前计划成本极高，经济性严重受损。

5、（3）随机优化方法。该方法需要假设风光出力的精确概率分布，并通过生成大量场景来模拟不确定性。在实际虚拟电厂运营中，风光出力的真实概率分布难以准确获取。同时，该方法计算复杂度高，求解困难。其决策结果的质量高度依赖于所假设的概率分布，一旦分布与实际偏差较大，优化效果将大打折扣。

6、综上所述，现有技术在处理虚拟电厂参与电碳市场的调度问题时，存在“过于乐观（确定性优化）”或“过于保守（传统鲁棒优化）”的缺陷，缺乏一个能在系统经济性与运行可靠性之间实现灵活、可控平衡的调度方法。

技术实现思路

1、有鉴于此，针对现有技术中虚拟电厂参与电碳市场优化调度方法难以在系统经济性与运行可靠性之间实现灵活可控平衡的缺陷，有必要提出一种基于不确定度的虚拟电厂参与电碳市场的鲁棒优化调度方法和装置，实现经济性与安全性的优化权衡。

2、本发明提供了一种基于不确定度的虚拟电厂参与电碳市场的鲁棒优化调度方法，包括：

3、获取虚拟电厂的日前预测数据；

4、根据所述日前预测数据构建风光出力不确定集合；其中，所述不确定集合采用基于不确定度预算的改进不确定集合形式，以风光总出力的预测误差为不确定参数，通过不确定度预算参数限制调度周期内同时取得最坏情况的时段数量；

5、以虚拟电厂总运行成本最小化为目标构建目标函数；其中，所述总运行成本包括电力交易成本、燃气轮机运行成本和碳交易成本；

6、构建虚拟电厂的约束条件，所述约束条件包括确定性约束、鲁棒功率平衡约束和不确定度预算约束；所述鲁棒功率平衡约束要求对于所述不确定集合内的所有可能风光出力场景，实时功率平衡均成立；

7、将所述目标函数和所述约束条件转化为混合整数线性规划问题进行求解，得到虚拟电厂各时段的最优调度方案。

8、优选的，所述构建风光出力不确定集合，包括：

9、定义风光总出力为，则其预测值为改进的不确定集合可表示为：

10、

11、其中，为改进的不确定集合，为风光总出力，为风光总出力的预测值，为风电出力，为风电出力预测值，为光伏出力，为光伏出力预测值，为波动指示变量，为不确定性幅度，为反应决策者风险偏好的不确定度预算参数，取值范围为[0，t0]。

12、优选的，所述目标函数表示为：

13、

14、其中，为总运行成本，为电力交易成本，为燃气轮机运行成本，为碳交易成本。

15、优选的，所述电力交易成本表示为：

16、

17、其中，t为调度周期，为t时段的电价，为t时段的购电功率，为t时段的售电功率；

18、所述燃气轮机运行成本表示为：

19、

20、其中，为燃料成本系数，为t时段燃气轮机出力，为固定运行成本，为燃气轮机运行状态，为启动成本，为启动状态指示变量；

21、所述碳交易成本表示为：

22、

23、其中，为碳价，为超额碳排放量，表示为：

24、

25、其中，为燃气轮机碳排放因子，为电网购电碳排放因子，为免费碳配额。

26、优选的，所述确定性约束包括：

27、燃气轮机出力应在其最小出力和最大出力之间：

28、

29、燃气轮机启动约束：

30、

31、储能充放电功率约束：

32、

33、

34、禁止同时充放电：

35、

36、储能能量平衡约束：

37、

38、储能能量范围约束：

39、

40、始末能量相等约束：

41、

42、购售电功率约束：

43、

44、

45、禁止同时购售电：

46、

47、其中，和为燃气轮机出力最小值和最大值，为充电状态变量，1表示充电，为t时段储能充电功率，为储能最大充/放电功率，为t时段储能放电功率，为放电状态变量，1表示放电，为t时段末储能的荷电状态，为储能充电效率，为调度时间间隔，为储能放电效率，为储能最小允许荷电状态，为储能最大允许荷电状态，为储能初始荷电状态，为购电状态变量，1表示从电网购电，为与电网交互的最大功率，为售电状态变量，1表示向电网售电。

48、优选的，所述鲁棒功率平衡约束包括：

49、对于任意允许的风光出力场景，功率平衡约束必须成立：

50、

51、

52、将不确定集合带入，最坏情况对应于风光出力最小值，引入表示该时段是否取得最坏情况的整数变量，则鲁棒功率平衡约束表示为：

53、

54、整理上式可得：

55、

56、其中，为负荷需求。

57、优选的，所述不确定度预算约束表示为：

58、

59、其中，为表示该时段是否取得最坏情况的整数变量，为反应决策者风险偏好的不确定度预算参数。

60、优选的，所述混合整数线性规划问题表示为：

61、

62、s.t. 确定性约束：燃气轮机运行约束、储能系统约束、电网交互约束；

63、

64、

65、

66、其中，为目标函数中所有成本项的线性组合，包含所有连续决策变量，确定约束包含所有不含不确定参数的等式和不等式约束。

67、优选的，对所述混合整数线性规划问题进行求解，包括：

68、设置不同的不确定度预算参数分别求解，得到一系列具有不同保护程度的调度方案；

69、根据理论运行成本与最坏场景下实际运行成本的对比，选择最优的不确定度预算参数作为调度方案的鲁棒性参数。

70、第二方面，本发明提供了一种基于不确定度的虚拟电厂参与电碳市场的鲁棒优化调度装置，包括：数据获取模块、不确定集合构建模块、目标函数最小化模块、约束条件构建模块和调度方案求解模块；

71、所述数据获取模块，配置为获取虚拟电厂的日前预测数据；

72、所述不确定集合构建模块，配置为根据所述日前预测数据构建风光出力不确定集合；其中，所述不确定集合采用基于不确定度预算的改进不确定集合形式，以风光总出力的预测误差为不确定参数，通过不确定度预算参数限制调度周期内同时取得最坏情况的时段数量；

73、所述目标函数最小化模块，配置为以虚拟电厂总运行成本最小化为目标构建目标函数；其中，所述总运行成本包括电力交易成本、燃气轮机运行成本和碳交易成本；

74、所述约束条件构建模块，配置为构建虚拟电厂的约束条件，所述约束条件包括确定性约束、鲁棒功率平衡约束和不确定度预算约束；所述鲁棒功率平衡约束要求对于所述不确定集合内的所有可能风光出力场景，实时功率平衡均成立；

75、所述调度方案求解模块，配置为将所述目标函数和所述约束条件转化为混合整数线性规划问题进行求解，得到虚拟电厂各时段的最优调度方案。

76、由上述技术方案可知，本发明实施例提供的基于不确定度的虚拟电厂参与电碳市场的鲁棒优化调度方法中，首先获取虚拟电厂的日前预测数据，如风电出力预测值、光伏出力预测值、负荷需求预测值、电价数据和碳价数据等。然后根据日前预测数据构建风光出力不确定集合，该不确定集合采用基于不确定度预算的改进不确定集合形式，以风光总出力的预测误差为不确定参数，通过不确定度预算参数限制调度周期内同时取得最坏情况的时段数量。进一步，以虚拟电厂总运行成本最小化为目标构建包含电力交易成本、燃气轮机运行成本和碳交易成本的目标函数。同时构建虚拟电厂的约束条件，其中约束条件可以包括确定性约束、鲁棒功率平衡约束和不确定度预算约束，鲁棒功率平衡约束要求对于所有不确定集合内的所有可能风光出力场景，实时功率平衡均成立。最后，将目标函数和约束条件转化为混合整数线性规划问题进行求解，得到虚拟电厂各时段的最优调度方案。由此可见，本方案通过摒弃传统方法中所有不确定因素同时恶化的极端假设，转而限制同时发生不利情况的时段数量。其通过一个不确定度预算参数来构建一个非极端的、更符合实际的不确定集合。该参数表示在全部调度时段内，决策者愿意为之预留备用容量的恶劣场景的最大数量。如此实现了精准控制调度方案为应对不确定性所付出的安全代价，从而实现经济性与安全性的最优权衡。