一种考虑虚拟电厂渗透背景下的电力系统优化调度系统技术方案

本发明专利技术涉及一种考虑虚拟电厂渗透背景下的电力系统优化调度系统，属于电力系统优化调度技术领域。包括依次相连的数据库模块、输入模块、分析评估模块、输出模块，数据库模块包含风电机组库、虚拟电厂配置库、电价数据库和风险、概率库；输入模块从风电机组库获取单台机组额定功率、机组台数、渗透率、风速参数数据，从虚拟电厂配置库获取充放电功率、充放电速率、储能设备SOC极限数据；分析评估模块通过虚拟电厂内部调度子模块以及电力系统优化调度子模块进行电力系统优化调度；输出模块输出电力系统优化调度结果，包括系统运行成本与CVaR最优前沿集，基于虚拟电厂的分布式可再生能源调度在降低系统风险的同时也提高了系统的经济性。

【技术实现步骤摘要】
一种考虑虚拟电厂渗透背景下的电力系统优化调度系统
本专利技术涉及一种考虑虚拟电厂渗透背景下的电力系统优化调度系统，属于电力系统优化调度

技术介绍
清洁环保的可再生能源在电力系统中的渗透率不断提升。随着智能电网技术的发展，越来越多的分布式可再生能源接入电力系统运行。风电是最具商业潜力及发展前景的可再生能源之一。近年来，随着化石能源储量的减少及环境保护意识的提高，可再生能源在电力系统中的渗透率不断提高。其中，风电作为技术最为成熟且最具有商业价值的可再生能源，其在电力系统中的应用具有广阔的发展前景。作为可再生能源，风力发电受环境和气候因素影响巨大，其出力具有很强的波动性和不确定性，对电力系统调度和运行带来重要影响。专家和学者对此进行了大量研究，主要包括风电并网后，电力系统的日前能量调度以及调频、备用等辅助服务决策。相比大规模风电场，分布式风电在系统运行中具有更加灵活且靠近负荷中心的特点，是大电网的有益补充。分布式风电在电力系统中的应用正不断增加。但单个分布式电源容量较小，且往往位于配电网末端而难以对其进行有效地调度。经对现有文献进行检索发现，现有文献中，薛禹胜、雷兴、薛峰等在《关于风电不确定性对电力系统影响的评述》中探讨了风电出力具波动性和不确定性对电力系统调度和运行带来的影响；李静、韦巍、辛焕海等在《基于概率潮流的风电分布式电源优化配置》中在电源的优化配置方面对分布式风电进行了相关研究主要；邓佳佳在《考虑分布式能源的电力系统优化运营模型研究》探讨了风电出力不确定性对系统安全和电能质量的影响；调度运行方面，吴雄、王秀丽、李骏等在《风电储能混合系统的联合调度模型及求解》中对分布式电源接入电网后系统的有功调度进行了研究，而没有分析分布式风电并网后功率与辅助服务的联合优化调度；许佳佳在《基于虚拟发电厂的分布式电源调度管理模式的研究》对储能设备与分布式风电构成虚拟电厂参与系统优化调度的运行方式进行了分析，并研究了虚拟电厂运行的经济性，但并未计及风电出力的不确定性；李军军、吴政球、谭勋琼等在《风力发电及其技术发展综述》对计及虚拟电厂参与的电力系统能量优化调度进行了分析，但并未将虚拟电厂的辅助服务考虑在内。
技术实现思路
本专利技术的目的在于克服现有电力系统优化调度系统存在的上述缺陷，提出了一种考虑虚拟电厂渗透背景下的电力系统优化调度系统。本专利技术是采用以下的技术方案实现的：一种考虑虚拟电厂渗透背景下的电力系统优化调度系统，包括依次相连的数据库模块、输入模块、分析评估模块、输出模块，所述的数据库模块包含风电机组库、虚拟电厂配置库、电价数据库和风险、概率库；所述的输入模块从所述风电机组库获取单台机组额定功率、机组台数、渗透率、风速参数数据，从所述虚拟电厂配置库获取充放电功率、充放电速率、储能设备SOC极限数据；所述的分析评估模块通过虚拟电厂内部调度子模块以及电力系统优化调度子模块进行电力系统优化调度；所述的输出模块输出电力系统优化调度结果，包括系统运行成本与CVaR最优前沿集。进一步地，所述的虚拟电厂内部调度子模块包含风力发电机组及储能设备子单元和虚拟电厂子单元，所述的电力系统优化调度子模块包括优化调度子单元与风险管理子单元。进一步地，所述的风力发电机组的出力主要受到风速和风电机组功率特性两方面的影响，所述的风电机组的输出功率：式中：vw为风速；Pw为风电机组输出的有功功率；vci为风电机组的切入风速；vco为风电机组的切出风速；vr为风电机组的额定风速；Pr为风电机组的额定功率；所述的风速：vw,t＝vwa,t+Δvw,tvwa,t＝vwf,t+Δvwf,t式中：vw,t是t时刻的实际风速；vwa,t为平均预测风速；Δvw,t为平均风速预测误差；vwf,t为预测风速；Δvwf,t为风速预测误差；所述的风速预测误差Δvwf,t服从正态分布N(0,δ2)；平均风速预测误差Δvw,t服从正态分布N(vwa,t,δ2)，其中δw＝H·vwa,t，式中H为风速的湍流强度。进一步地，所述的储能设备子单元的电池荷电状态：式中：CSOC,t为t时刻的荷电状态；ut-1为t-1时刻储能设备的充、放电状态参数，充电时，ut-1＝1，放电时ut-1＝0；分别为t-1时刻储能设备的充、放电功率；ηC、ηD分别为储能设备的充、放电效率。进一步地，所述虚拟电厂子单元的调度目标是其运营效益最大：式中：fVPP为虚拟电厂的运行总收益；PtVPP、BtVPP分别为虚拟电厂t时刻的出力及备用容量；分别为系统向虚拟电厂支付的功率及备用容量价格；分别为储能设备充、放电造成的设备损耗成本及虚拟电厂的运行维护成本；T是总时段数。进一步地，所述的虚拟电厂子单元中，虚拟电厂的功率平衡约束及出力约束为：式中：为虚拟电厂中分布式风电的装机容量；为虚拟电厂中储能设备的最大放电容量；为保障电力系统的安全稳定运行，对所述的虚拟电厂进行备用容量限制：式中：为系统的总备用容量。进一步地，所述的电力系统优化调度子模块以系统运行成本最小的目标函数为：minfsys＝CΣ＝CE+CB+CL式中：fsys为电力系统综合调度模型的目标函数；CΣ是系统调度运行总成本；CE为发电成本；CB为备用购买成本；CL为系统的停电损失。所述的发电成本CE：所述的备用购买成本CB：式中：ai、bi为常规发电机组i的发电成本系数；mi、ni为常规发电机组i的备用报价系数(假设系统以发电机组的备用报价向其购买备用容量)；Pi,t、Bi,t分别为常规发电机组i在t时刻的出力及提供的备用容量；N是系统中常规发电机组台数。所述的系统的停电损失CL：其中：式中：为系统在t时刻的系统功率缺额；为由系统单位功率缺额造成的经济损失；为t时刻系统的总负荷。进一步地，所述的电力系统优化调度子模块的优化模型的约束条件包括常规机组的运行及备用约束，所述的机组运行约束为：Pi,min≤Pi,t≤Pi,max式中：Pi,min和Pi,max分别为机组i出力的下限和上限；为机组i的爬坡速率。所述的备用约束为：Bi,min≤Bi,t≤Bi,max式中：Bi,min、Bi,max分别为机组备用容量的上、下限。所述的机组备用容量的上限Bi,min、下限Bi,max由机组实际出力Pi,t及机组出力的上、下限Pi,max和Pi,min、机组爬坡速率共同决定：Bi,min＝max(Pi,t-Pi,max,0)进一步地，所述风险管理子单元对所述系统调度运行总成本CΣ利用条件风险价值CVaR进行衡量和管理，用风险厌恶系数k，所述的电力系统综合调度模型可改写为：minfsys＝CΣ+k·φβ选定置信水平c，VaRc和CVaRc的计算公式为：Vc＝V0|{prob(CΣ≤V0)＝c}Cβc＝E[CΣ|CΣ＞Vc]式中：V0代表VaR，Vc与Cβc分别表示在置信水平c下的VaRc和CVaRc；prob(CΣ≤V0)表示系统调度运行总成本CΣ不高于VaR的概率；CVaRc是高于VaRc的CΣ的条件均值。本专利技术的有益效果是：本专利技术同时考虑了功率及备用容量的优化调度，并利用条件风险价值(ConditionalValueatRisk，CVaR)对系统运行成本进行风险管理，不需对电网的结构进行改善，虚拟电厂更适用于地理聚集程度较低的可再生分布式能源的调度和管本文档来自技高网...

【技术保护点】
1.一种考虑虚拟电厂渗透背景下的电力系统优化调度系统，其特征在于，包括依次连接的数据库模块(1)、输入模块(2)、分析评估模块(3)、输出模块(4)，所述的数据库模块(1)包含风电机组库(11)、虚拟电厂配置库(12)、电价数据库(13)和风险、概率库(14)；所述的输入模块(2)从所述风电机组库(11)获取单台机组额定功率(21)、机组台数(22)、渗透率(23)、风速参数数据(24)，从所述虚拟电厂配置库(12)获取充放电功率(26)、充放电效率(25)、储能设备SOC极限数据(27)；所述的分析评估模块(3)通过虚拟电厂内部调度子模块(35)以及电力系统优化调度子模块(36)进行电力系统优化调度；所述的输出模块(4)输出电力系统优化调度结果，包括系统运行成本与CVaR最优前沿集。

【技术特征摘要】
1.一种考虑虚拟电厂渗透背景下的电力系统优化调度系统，其特征在于，包括依次连接的数据库模块(1)、输入模块(2)、分析评估模块(3)、输出模块(4)，所述的数据库模块(1)包含风电机组库(11)、虚拟电厂配置库(12)、电价数据库(13)和风险、概率库(14)；所述的输入模块(2)从所述风电机组库(11)获取单台机组额定功率(21)、机组台数(22)、渗透率(23)、风速参数数据(24)，从所述虚拟电厂配置库(12)获取充放电功率(26)、充放电效率(25)、储能设备SOC极限数据(27)；所述的分析评估模块(3)通过虚拟电厂内部调度子模块(35)以及电力系统优化调度子模块(36)进行电力系统优化调度；所述的输出模块(4)输出电力系统优化调度结果，包括系统运行成本与CVaR最优前沿集。2.根据权利要求1所述的电力系统优化调度系统，其特征在于：所述的虚拟电厂内部调度子模块(35)包含风力发电机组(31)及储能设备子单元(37)和虚拟电厂子单元(32)，所述的电力系统优化调度子模块(36)包括优化调度子单元(33)与风险管理子单元(34)。3.根据权利要求2所述的电力系统优化调度系统，其特征在于：所述的风力发电机组(31)的出力主要受到风速和风电机组功率特性两方面的影响，所述的风电机组的输出功率：式中：vw为风速；Pw为风电机组输出的有功功率；vci为风电机组的切入风速；vco为风电机组的切出风速；vr为风电机组的额定风速；Pr为风电机组的额定功率；所述的风速：vw,t＝vwa,t+Δvw,tvwa,t＝vwf,t+Δvwf,t式中：vw,t是t时刻的实际风速；vwa,t为平均预测风速；Δvw,t为平均风速预测误差；vwf,t为预测风速；Δvwf,t为风速预测误差；所述的风速预测误差Δvwf,t服从正态分布N(0,δ2)；平均风速预测误差Δvw,t服从正态分布N(vwa,t,δ2)，其中δw＝H·vwa,t，式中H为风速的湍流强度。4.根据权利要求2所述的电力系统优化调度系统，其特征在于：所述的储能设备子单元(37)的电池荷电状态：式中：CSOC,t为t时刻的荷电状态；ut-1为t-1时刻储能设备的充、放电状态参数，充电时，ut-1＝1，放电时ut-1＝0；分别为t-1t-1时刻储能设备的充、放电功率；ηC、ηD分别为储能设备的充、放电效率。5.根据权利要求2所述的电力系统优化调度系统，其特征在于：所述虚拟电厂子单元(32)的调度目标是其运营效益最大：式中：fVPP为虚拟电厂的运行总收益；PtVPP、分别为虚拟电厂t时刻的出力及备用容量；分别为系统向虚拟电厂支付的功率及备用容量价格；分别为储...

【专利技术属性】
技术研发人员：孙腾飞，常诚，许志亮，任国明，王军，孙健，臧阳，杨娜娜，刘鹏飞，
申请(专利权)人：国网山东省电力公司青岛供电公司，国家电网公司，
类型：发明
国别省市：山东,37