一种考虑温度预测误差的空调型虚拟电厂日前调度方法

摘要: 本发明属于新型电力系统调度控制,特别涉及一种考虑温度预测误差的空调型虚拟电厂日前调度方法。背景技术:1、随着新能源发电装机规模持续扩大,其出力波动性和预测偏差对...
一种考虑温度预测误差的空调型虚拟电厂日前调度方法

本发明属于新型电力系统调度控制,特别涉及一种考虑温度预测误差的空调型虚拟电厂日前调度方法。

背景技术:

1、随着新能源发电装机规模持续扩大,其出力波动性和预测偏差对电力系统功率平衡与安全运行提出了更高要求,电力系统亟需开发响应速度快、调节成本低且能够持续参与运行控制的需求侧柔性资源。空调具有负荷容量较大、运行时段集中和调节响应迅速等特点,并可利用建筑围护结构的热惯性,在室内温度保持于用户允许范围内的条件下,对用电功率进行时段转移。虚拟电厂能够对分散于不同节点的空调设备、分布式光伏和基础负荷进行统一管理,使需求侧资源参与削峰填谷、功率平衡和运行成本优化,对提升新型电力系统运行弹性及新能源就地消纳能力具有重要作用。

2、在此背景下,要使空调负荷真正参与虚拟电厂日前调度,关键在于将其受温度影响的用电需求转化为可计算、可约束和可执行的调节能力。空调负荷通过消耗电能维持室内温度,其功率调节并非完全自由,而是受到建筑热惯性和室内温度允许范围的共同限制。利用建筑蓄热特性,可将室内温度变化等效表示为空调虚拟储能状态,并以维持室内热平衡所需的功率作为基线功率,在基线功率基础上安排增加或减少用电的调节计划。然而,基线功率通常依据日前室外温度预测结果计算,当实际温度偏离预测值时,空调实际制冷需求随之变化,并导致虚拟储能状态偏离计划值。由于建筑温度状态具有前后时段耦合特性,某一时段产生的温度预测误差不仅影响当前时段,还会沿状态变化过程持续作用于后续时段,进而改变空调后续可提供的安全调节空间。因此,准确表征温度预测误差对空调状态的时序累积影响,是保障日前调节计划能够安全执行的重要基础。

3、目前,空调型虚拟电厂调度方法主要包括基于确定性温度预测的经济调度方法、面向电价和负荷等系统不确定因素的鲁棒或随机调度方法,以及通过可调功率边界或随机容量区间描述空调调节能力的方法。确定性调度方法通常直接按照日前温度预测结果计算空调基线功率,未充分考虑实际温度偏差对调度计划可执行性的影响;系统层面的不确定性调度方法多将空调等柔性资源简化为具有固定调节容量的等效单元,难以反映建筑热惯性引起的状态连续变化;基于调节边界的方法则主要从外部功率范围描述空调柔性,缺少对温度误差经基线功率偏移向虚拟储能状态逐时传播过程的直接计算。由于气象预测误差通常具有明显的时序相关性,前序时段产生的状态偏差可能持续作用于后续时段,采用静态边界或相互独立的随机误差容易低估状态偏差的累积程度,导致日前调节计划偏于乐观,实际执行时出现室内温度越限。此外,各空调分布在虚拟电厂内部配电网络的不同节点,其功率调整还会改变节点负荷、支路潮流和节点电压,现有方法难以同时保证楼宇空调调节指令的可执行性、配电网络运行安全性及虚拟电厂运行经济性。

技术实现思路

1、为了解决上述技术问题,本发明提出了一种考虑温度预测误差的空调型虚拟电厂日前调度方法。为空调参与削峰填谷、负荷转移和配电网协同运行提供了可落地的技术路径,对提升需求侧灵活资源的精细化调控水平、支撑虚拟电厂安全经济运行以及促进空调资源规模化开发利用具有重要的工程应用意义与推广价值。

2、为实现上述目的,本发明采用以下技术方案:

3、第一方面,本发明提出了一种考虑温度预测误差的空调型虚拟电厂日前调度方法,包括以下步骤:

4、获取空调运行所需的虚拟储能建模输入信息,基于所述虚拟储能建模输入信息构建空调虚拟储能模型,并计算各时段预测基线功率及预测虚拟储能状态转移方程;所述输入信息包括建筑热工参数、设备运行参数、温度控制要求及日前室外温度预测数据;

5、基于历史温度预测误差数据拟合温度预测误差的时序递推关系,将温度预测误差转换为虚拟储能状态偏差并沿所述虚拟储能状态转移方程逐时传播,根据预设最大容许越限概率生成各时段修正后的分时安全运行边界;

6、将所述预测基线功率、预测虚拟储能状态转移方程及分时安全运行边界与虚拟电厂内部配电网络安全运行约束共同纳入配电网优化调度模型,以虚拟电厂运行成本最小为目标对所述配电网优化调度模型进行求解,生成各空调设备的分时功率调节指令并下发执行。

7、进一步的,所述下发执行的详细过程为:

8、按照设备编号、接入节点和调度时段整理各资源功率计划,并将相应控制指令下发至对应执行单元;所述执行单元包括空调设备、分布式光伏资源、上级电网;

9、对于空调设备通过调整压缩机运行频率或更改设定温度,使各空调设备按照优化得到的分时目标功率运行;对于分布式光伏资源,通过调节逆变器的输出设定点实现功率削减,使其按照优化得到的分时计划出力运行;对于与上级电网的功率交互,按照优化得到的分时购电计划调整各时段从上级电网的购电量,并协调内部资源运行使联络线实际交换功率与购电计划相匹配。

10、进一步的,基于所述虚拟储能建模输入信息构建空调虚拟储能模型,具体为:

11、获取各空调设备对应的建筑等效热阻、建筑等效热容、制冷能效比、允许运行功率上下限、室内温度设定值、室内温度允许上下限;

12、基于一阶等效热参数模型,以建筑等效热容与室内温度变化率的乘积等于室外温度与室内温度之差除以建筑等效热阻、再减去制冷能效比与空调用电功率的乘积,建立室内温度连续时间状态转移关系;

13、按日前调度步长对所述室内温度连续时间状态转移关系进行离散化,并以室内温度相对于温度允许区间的位置定义虚拟储能状态,建立空调虚拟储能状态转移方程。

14、进一步的,计算各时段预测基线功率及预测虚拟储能状态转移方程,具体为:

15、获取历史室外温度数据,采用回归拟合方法建立日前温度预测模型,生成本调度周期的日前室外温度预测序列;

16、将各时段室外温度预测值代入基线功率函数,逐时计算各时段预测基线功率,所述基线功率函数以室外温度与室内设定温度之差除以制冷能效比与建筑等效热阻的乘积表示;

17、将各时段预测基线功率代入虚拟储能状态转移方程,形成日前预测条件下的虚拟储能状态转移方程,并以调度开始时刻实测室内温度计算虚拟储能状态初始值。

18、进一步的,基于历史温度预测误差数据拟合温度预测误差的时序递推关系之前,还包括:

19、将获取的空调所在地区连续多个历史日期的日前室外温度预测数据和对应的实际室外温度数据按照调度时间间隔进行对齐;

20、设历史样本日期数量为,每个调度周期包含个时段,以表示第个历史日期时段的室外温度预测值,以表示第个历史日期时段的室外温度实际值,历史温度预测误差表示为:

21、;

22、计算全部历史温度预测误差的样本均值

23、;

24、利用所述样本均值对日前温度预测曲线进行偏差修正,得到修正后的日前室外温度预测值和均值接近于零的温度预测残差

25、;

26、;

27、其中,表示修正后的日前室外温度预测值,表示历史中心化温度预测残差。

28、进一步的,基于历史温度预测误差数据拟合温度预测误差的时序递推关系,具体为:

29、根据连续调度时段之间的历史误差样本,采用一阶自回归过程建立温度预测误差的状态递推关系:

30、;

31、其中,表示第时段的零均值温度预测误差;表示第时段的零均值温度预测误差;表示温度预测误差自回归系数,且;表示随机扰动;

32、温度预测误差自回归系数表示为:

33、;

34、其中,表示第个历史日期第时段的中心化温度预测残差,即均值接近于零的温度预测残差;表示第个历史日期第时段的中心化温度预测残差;

35、将计算得到的代入所述一阶自回归过程,获得各历史时段的随机扰动残差:

36、;

37、进而计算随机扰动方差:

38、;

39、根据所述自回归系数和温度预测误差稳态方差,计算不同调度时段温度预测误差之间的自协方差:

40、;

41、;

42、其中,表示第时刻;表示第时刻;表示温度误差的稳态方差。

43、进一步的,将温度预测误差转换为虚拟储能状态偏差并沿所述虚拟储能状态转移方程逐时传播,具体为:

44、将当前调度日第时段日前室外温度预测值与温度预测误差叠加,得到实际室外温度:

45、;

46、其中,表示第时段实际室外温度;表示第时段日前室外温度预测值;表示第时段零均值温度预测误差;

47、将所述实际室外温度代入基线功率函数,得到实际基线功率:

48、;

49、其中,表示第时段实际基线功率;表示室内温度设定;表示制冷能效比;表示建筑等效热阻;表示第时段预测基线功率;表示温度功率敏感度系数;

50、将所述实际基线功率代入虚拟储能状态转移方程,得到实际虚拟储能状态:

51、;

52、其中,表示第时段实际虚拟储能状态;表示第时段实际虚拟储能状态;表示状态留存系数;表示电能量转换系数;表示第时段空调用电功率;表示基准偏置常数;

53、将所述实际虚拟储能状态与预测条件下的虚拟储能状态联立,计算虚拟储能状态偏差:

54、;

55、其中,表示第时段虚拟储能状态偏差;表示第时段虚拟储能状态偏差;

56、将时间轴递推展开:

57、;

58、由于温度预测误差服从正态分布,实际虚拟储能状态亦服从正态分布,即

59、;

60、其中,表示第时段实际虚拟储能状态的期望值;表示第时段虚拟储能状态偏差的方差

61、;

62、其中,表示第时段虚拟储能状态偏差;表示第个历史时段序号;表示第时段的零均值温度预测误差;表示第时段的零均值温度预测误差;表示第时段与第时段温度预测误差之间的协方差;

63、将公式代入上式,可得最终的状态方差解析表达式:

64、;

65、其中,表示温度预测误差的稳态方差。

66、进一步的,根据预设最大容许越限概率生成各时段修正后的分时安全运行边界,具体为:

67、设置限定空调实际虚拟储能状态超过上限或低于下限的单侧最大容许越限概率,分别建立状态上限和状态下限的机会约束:

68、;

69、其中,表示事件发生的概率;表示虚拟储能状态的上限;表示虚拟储能状态的下限;

70、利用标准正态分布的逆累积分布函数将所述机会约束转化为确定性线性约束:

71、;

72、其中,表示第时段预测虚拟储能状态;为标准正态分布的逆累积分布函数,令为对应最大容许越限概率下的安全乘子,则可定义时段的动态安全裕度为:

73、;

74、修正后的分时安全状态边界表示为:

75、;

76、其中,表示第时段动态安全裕度;表示第时段预测虚拟储能状态。

77、进一步的,所述配电网优化调度模型的目标函数以向上级电网购电成本和空调负荷调节成本之和最小为优化目标;

78、所述配电网优化调度模型的约束条件包括:

79、联络线功率约束:虚拟电厂与上级电网交互的有功功率不超过联络线容量限制;

80、分布式光伏运行约束:光伏实际有功出力不超过日前预测最大可发功率,无功出力受逆变器容量限制;

81、空调运行约束:各空调实际调度功率介于允许功率上下限之间,且对应虚拟储能状态处于修正后的分时安全状态边界内;

82、节点功率平衡约束:各节点有功和无功注入功率等于该节点连接的可调负荷、不可调负荷、光伏出力和上级电网注入功率之和;

83、潮流约束:采用交流潮流方程描述支路有功、无功功率与节点电压幅值、相角差的关系;

84、配电网安全约束:各支路传输功率不超过线路容量,各节点电压幅值处于允许上下限之间。

85、进一步的,以虚拟电厂运行成本最小为目标对所述配电网优化调度模型进行求解,具体为:

86、对配电网优化调度模型中的非线性项进行线性化处理,所述线性化处理包括:对目标函数中的绝对值项引入非负辅助变量进行线性化,对视在功率容量约束采用双外切正方形方法进行线性化,对交流潮流约束采用改进型直流潮流法进行线性化;

87、调用优化求解器对线性化后的模型进行求解,并通过迭代更新网损因子直至支路功率平均绝对误差率收敛至预设精度阈值,得到各空调设备的分时功率计划、分布式光伏出力计划及上级电网购电计划。

88、 技术实现要素: 中提供的效果仅仅是实施例的效果,而不是发明所有的全部效果,上述技术方案中的一个技术方案具有如下优点或有益效果:

89、1. 构建虚拟储能模型,实现空调热动态过程的量化可调度

90、本发明通过基于一阶等效热参数模型构建空调虚拟储能模型,将建筑围护结构热惯性与室内温度变化转换为具有明确物理意义的虚拟储能状态变量,使空调负荷的蓄热特性能够以状态方程的形式直接嵌入优化调度模型,克服了传统方法中空调热动态过程难以被调度模型量化描述的缺陷。所构建的虚拟储能状态转移方程能够准确表征空调功率、室外温度与室内温度之间的时序耦合关系,为后续温度误差传播计算和日前优化调度提供了精确的数学描述基础,显著提升了空调负荷柔性调节能力的可计算性和可调度性。

91、2. 刻画误差时序相关性,避免不确定性被系统性低估

92、本发明通过采用一阶自回归模型拟合温度预测误差的时序递推关系,并利用最小二乘法辨识自回归系数和随机扰动方差,能够准确捕捉气象预测误差在相邻调度时段之间的相关性特征。相比现有技术中将不同时段预测误差视为相互独立的处理方法,本发明充分考虑了温度误差的时序累积效应,避免了因低估误差持续性而导致日前调节计划偏于乐观的问题,使温度不确定性描述更加符合实际气象误差的统计规律。

93、3. 解析传播状态偏差,量化误差对空调状态的累积影响

94、本发明通过将温度预测误差沿虚拟储能状态转移方程逐时传播,推导出虚拟储能状态偏差的解析递推表达式,并基于温度误差的协方差结构精确计算各时段虚拟储能状态偏差的方差。该技术手段直接量化了历史各时段温度预测误差对当前时段空调运行状态的累积影响,使温度不确定性从气象预测环节到空调运行状态环节的传递过程实现了完全解析化,无需依赖大量场景抽样即可获得状态偏差的统计特征,计算效率高、数值稳定性好,为空调调节能力的可靠性评估提供了理论依据。

95、4. 构建动态安全边界,实现经济性与安全性的灵活平衡

96、本发明通过设置最大容许越限概率,利用标准正态分布的逆累积分布函数将虚拟储能状态的机会约束转化为确定性线性约束,以该逆累积分布函数在给定越限概率下的分位数作为安全乘子,以安全乘子与虚拟储能状态标准差的乘积定义动态安全裕度,生成修正后的分时安全状态边界。该动态安全边界能够根据温度预测误差在不同调度时段的累积方差自适应调整,在累积方差较大的时段自动收缩可用调节范围,在累积方差较小的时段允许更充分地利用空调调节能力,从而实现了在不同风险偏好水平下对空调调节计划的灵活配置。相较于采用固定安全裕度的传统方法,本发明既避免了过度保守导致的调节能力浪费,也防止了过于乐观导致的室内温度越限,有效平衡了虚拟电厂日前调度的经济性与安全性。

97、5. 协同优化网络约束,保障调度计划在网络层面的可执行性

98、本发明通过将空调虚拟储能状态转移方程、分时动态安全边界与内部配电网络的节点功率平衡约束、潮流约束、节点电压约束、支路容量约束、分布式光伏运行约束及联络线功率约束共同纳入配电网优化调度模型,实现了空调负荷调节计划与配电网运行安全的协同优化。该技术手段克服了现有方法中空调调节能力计算与网络运行约束相互分离的缺陷,使日前调度结果在满足楼宇室内温度控制要求和虚拟电厂内部配电网络安全要求的同时,保证了各空调设备分时功率指令在网络层面的可执行性,避免了因忽略网络约束导致调度计划在实际执行时出现电压越限或线路过载的问题。

99、6. 实施高效线性化求解,提升工程实用性和推广价值

100、本发明通过将目标函数中的绝对值项、视在功率容量约束和交流潮流约束进行线性化处理后调用优化求解器求解,使所构建的配电网优化调度模型具有高的计算效率和可靠的收敛性能,能够直接生成各空调设备分时功率指令、分布式光伏出力计划及上级电网购电计划并下发执行,具有良好的工程实用性和可推广性。仿真结果表明,采用本发明方法生成的日前调度计划在不同风险控制要求下,实际越限率均能够严格控制在预设容许范围之内,且越限率统计结果与理论设定值高度吻合,验证了本发明所提方法在风险控制精度方面的有效性和可靠性。

101、7. 综合效益总结

102、综上所述,本发明能够在保障楼宇室内温度舒适度和虚拟电厂内部配电网络安全的前提下,显著提高空调负荷柔性调节能力的可用性和调用可靠性,增强虚拟电厂日前计划的可执行性和运行经济性。本发明为空调参与削峰填谷、负荷转移和配电网协同运行提供了可落地的技术路径,对提升需求侧灵活资源的精细化调控水平、支撑虚拟电厂安全经济运行以及促进空调资源规模化开发利用具有重要的工程应用意义与推广价值。