一种虚拟电厂源荷储两阶段协同优化调度方法、系统与流程
本发明涉及虚拟电厂优化调度,具体涉及一种虚拟电厂源荷储两阶段协同优化调度方法、系统。
背景技术:
1、虚拟电厂通过聚合分布式光伏、储能、电动汽车及柔性负荷等资源,可像一个整体电厂一样参与电网调度和电力市场,是促进新能源消纳和提升配电网灵活性的重要技术手段。然而,分布式光伏出力的间歇性与波动性、电动汽车充电行为的随机性,给虚拟电厂的优化调度带来了巨大挑战。现有虚拟电厂调度方法多采用单阶段或单一时间尺度优化,主要存在以下不足:一是部分方法仅关注日前计划,过度依赖精确预测,缺乏日内修正能力,当实际光伏出力或负荷与预测偏差较大时,日前计划无法有效执行;二是部分方法仅做日内实时调度,忽略了日前计划的全局经济性,容易陷入局部最优;三是对需求侧资源的建模过于简化,未能准确刻画电动汽车用户和柔性负荷对价格激励的非线性响应行为;四是复杂约束下的非凸优化问题求解效率低,难以满足虚拟电厂对调度时效性的要求。
技术实现思路
1、本发明所要解决的技术问题是:解决虚拟电厂调度中源荷双侧不确定性导致的计划跟踪困难、需求侧响应机制建模不足及复杂约束优化求解效率低的问题,提供一种日前-日内两阶段协同优化调度方法,实现经济性、鲁棒性与求解效率的统一。为了解决上述问题,本发明采用如下技术方案:
2、首先,本发明提出一种虚拟电厂源荷储两阶段协同优化调度方法,包括以下步骤:
3、获取虚拟电厂内分布式光伏出力预测数据、基础负荷预测数据及电动汽车充电需求预测数据;
4、基于获取的预测数据,以系统日运行成本最小为目标,建立日前优化调度模型,决策变量包括光伏实际出力、储能充放电功率、电动汽车充放电功率、柔性负荷响应功率、激励价格及灵活资源接入节点;所述电动汽车和柔性负荷的响应程度由激励价格通过分段线性激励响应模型确定;采用改进哈里斯鹰优化算法求解所述日前优化调度模型,获得日前调度计划,所述改进哈里斯鹰优化算法在种群迭代中优先比较解的约束违反度;
5、在日内阶段,以15分钟为滚动周期,基于超短期预测数据对所述日前调度计划进行动态修正,建立以运行成本增量和功率波动惩罚最小为目标的日内滚动优化模型,求解后获得日内修正调度指令;
6、输出所述日前调度计划和所述日内修正调度指令。
7、优选地,所述日前优化调度模型的目标函数包括购电成本、储能运行损耗成本、光伏损耗成本、弃光成本、灵活资源移动成本、柔性负荷激励成本以及电动汽车充放电激励成本;所述购电成本根据分时电价计算,弃光成本按弃光量乘以惩罚系数计算,移动成本按光伏单元和储能单元每次改变接入节点的固定费用计算。
8、优选地,所述分段线性激励响应模型包括电动汽车充电响应、电动汽车放电响应以及柔性负荷响应;各响应函数均设有启动激励阈值和饱和激励阈值,当激励价格低于所述启动激励阈值时响应程度为零,当激励价格介于所述启动激励阈值与所述饱和激励阈值之间时响应程度随激励价格线性增加,当激励价格高于所述饱和激励阈值时响应程度达到最大值。
9、优选地,所述日前优化调度模型的约束条件包括:功率平衡约束、购电节点约束、光伏出力约束、储能运行约束、灵活资源移动性约束、电动汽车充放电约束、柔性负荷响应约束、激励价格约束以及网络安全约束;
10、所述储能运行约束包括荷电状态动态约束、充放电功率约束及终端荷电状态区间约束;
11、所述灵活资源移动性约束为每个时段每个移动单元只能位于一个候选节点;
12、所述电动汽车充放电约束包括功率上下限约束、充放电效率约束及离网时期望电量约束;
13、所述柔性负荷响应约束包括可转移负荷在调度周期内的总量守恒约束和可削减负荷的功率上下限约束;
14、所述激励价格约束为不超过预设上限;
15、所述网络安全约束包括节点电压幅值上下限约束和支路电流上限约束。
16、优选地,所述改进哈里斯鹰优化算法求解日前模型时采用约束违反度优先的比较准则,约束违反度函数定义为储能终端荷电状态区间违反度、储能荷电状态越界违反度、系统总容量约束违反度、系统功率不平衡违反度、节点电压越限违反度、电动汽车充放电功率上限违反度各项的加权和,在种群迭代中优先选择约束违反度较小的解,仅当违反度相近时才比较目标函数值。
17、优选地,所述日内滚动优化模型的目标函数由运行成本增量和功率波动惩罚项两部分组成,运行成本增量包括购电成本增量、弃光成本增量、电动汽车激励成本增量和柔性负荷激励成本增量,功率波动惩罚项定义为上级电网购电功率、储能充放电功率、电动汽车充放电功率、柔性负荷响应功率相对于日前计划调整量的二次加权和,通过引入二次惩罚项抑制剧烈调整,保证日内跟踪的平滑性。
18、优选地,所述日内滚动优化模型的约束条件包括储能充放电功率调整幅值约束、激励价格调整约束、电动汽车充放电功率调整约束、柔性负荷功率调整约束,以及功率平衡、光伏出力、储能荷电状态、网络安全等与日前模型相同的约束,日内滚动优化转化为凸二次规划问题,采用内点法求解,每次优化后仅执行第一个时段的控制指令,然后将优化窗口向前滚动一个15分钟步长并基于最新量测数据重复求解,实现闭环滚动控制。
19、同时,本发明提出一种虚拟电厂源荷储两阶段协同优化调度系统,包括:
20、数据获取模块,被配置以执行以下流程:获取虚拟电厂内分布式光伏出力预测数据、基础负荷预测数据及电动汽车充电需求预测数据;
21、日前优化模块,被配置以执行以下流程:基于获取的预测数据,以系统日运行成本最小为目标,建立日前优化调度模型,决策变量包括光伏实际出力、储能充放电功率、电动汽车充放电功率、柔性负荷响应功率、激励价格及灵活资源接入节点;所述电动汽车和柔性负荷的响应程度由激励价格通过分段线性激励响应模型确定;采用改进哈里斯鹰优化算法求解所述日前优化调度模型,获得日前调度计划,所述改进哈里斯鹰优化算法在种群迭代中优先比较解的约束违反度;
22、日内滚动优化模块,被配置以执行以下流程:在日内阶段,以15分钟为滚动周期,基于超短期预测数据对所述日前调度计划进行动态修正,建立以运行成本增量和功率波动惩罚最小为目标的日内滚动优化模型,求解后获得日内修正调度指令;
23、指令输出模块,被配置以执行以下流程:输出所述日前调度计划和所述日内修正调度指令。
24、同时,本发明提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明所述的方法。
25、同时,本发明提出一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被执行时,实现如本发明所述的方法。
26、本发明采用上述技术方案,具有以下有益效果:
27、1.本发明提出一种虚拟电厂的日前-日内两阶段协同优化调度框架,日前阶段以日运行成本最小为目标制定全局调度计划,日内阶段以15分钟为周期滚动修正,兼顾了日前计划的全局经济性与日内运行的抗干扰能力。
28、2.本发明构建了包含电动汽车与柔性负荷的分段线性激励响应模型,基于消费者行为理论量化激励价格与用户充放电、负荷转移削减响应程度之间的关系,为虚拟电厂调度需求侧资源提供了精确的数学描述。
29、3.本发明引入约束违反度优先的改进哈里斯鹰优化算法求解日前调度模型,在迭代过程中优先选择约束违反度较小的解,有效处理了虚拟电厂调度中多重复杂约束下的非凸优化问题。
30、4.本发明日内阶段将非线性模型转化为凸二次规划问题,采用滚动优化机制实现快速求解,并通过功率波动惩罚项最小化对日前计划的跟踪偏差,保障了虚拟电厂在预测误差下的安全经济运行。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com