一种确定虚拟电厂系统源-荷协同优化模型的方法及系统技术方案

本申请公开了一种确定虚拟电厂系统源

【技术实现步骤摘要】
一种确定虚拟电厂系统源
‑
荷协同优化模型的方法及系统


[0001]本申请涉及虚拟电厂系统
，特别是涉及一种确定虚拟电厂系统源
‑
荷协同优化模型的方法及系统。

技术介绍

[0002]随着我国经济形势的不断发展，能源供给模式从传统的化石能源转向了大规模采用风电、光伏等可再生能源，已然成为了提高虚拟电厂利用率的主要手段。虚拟电厂系统作为能源互联网的一种重要表现形式，包含了电、热、冷、气不同能源子系统，相互之间具有强耦合性，但由于电源侧以风电、光伏为主的可再生能源出力随机性和负荷侧的用电习惯波动性，直接限制了可再生能源的消纳和电网系统的安全经济运行。因此，为了优化电源结构和促进可再生能源协调有序发展，如何降低源
‑
荷两侧带来的不确定性对虚拟电厂系统协同运行带来了非常大的挑战和关注。
[0003]针对上述的现有技术中存在的由于电源侧以风电、光伏为主的可再生能源出力随机性和负荷侧的用电习惯波动性，直接限制了可再生能源的消纳和电网系统的安全经济运行的技术问题，目前尚未提出有效的解决方案。...

【技术保护点】

【技术特征摘要】
1.一种确定虚拟电厂系统源
‑
荷协同优化模型的方法，其特征在于，包括：根据预先采集的虚拟电厂系统的参数，确定风电出力不确定性、光伏出力不确定性以及负荷不确定性；根据所述风电出力不确定性、光伏出力不确定性以及负荷不确定性，确定电能子系统、热能子系统以及气能子系统；将所述电能子系统确定为上层协同优化模型，将所述热能子系统和气能子系统确定为下层协同优化模型，所述上层协同优化模型与所述下层协同优化模型相互影响；确定上层协同优化模型的目标函数、上层协同优化模型的约束条件、下层协同优化模型的目标函数以及下层协同优化模型的约束条件；根据所述上层协同优化模型的目标函数、所述上层协同优化模型的约束条件、所述下层协同优化模型的目标函数以及所述下层协同优化模型的约束条件，确定虚拟电厂系统源
‑
荷双层协同优化模型。2.根据权利要求1所述的方法，其特征在于，根据预先采集的虚拟电厂系统的参数，确定风电出力不确定性、光伏出力不确定性以及负荷不确定性，包括：根据风速的概率密度和风力发电机组的可用出力，确定风电出力不确定性；确定风速的概率密度的计算公式为：其中，f
WT
(v)为威布尔分布拟合风速的概率密度，v为风速，c,k分别为f
WT
(v)的状态形状参数，且c为威布尔分布的尺度参数；确定风力发电机组的可用出力的计算公式为：其中，P
WT
(t)为t时刻风力发电机组的可用出力，P
r,W
为风力发电机组的额定功率，v
in
，v
r
，v
out
分别为风力发电机组的切入风速、额定风速和切出风速，v为在t时刻的实时风速。3.根据权利要求1所述的方法，其特征在于，根据预先采集的虚拟电厂系统的参数，确定风电出力不确定性、光伏出力不确定性以及负荷不确定性，还包括：根据光照强度的概率密度和光伏发电机组的最大输出功率，确定光伏出力不确定性；确定光照强度的概率密度的计算公式为：其中，f
PV
(t)为采用Beta分布拟合光照强度的概率密度，r是t时刻光照辐照度，r
max
为t时刻光照最大辐照度，α和β为Beta分布的形状参数，α和β采用t时刻光照强度的数学期望(μ)和方差(δ)可得，(μ)和方差(δ)可得，
确定t时刻段光伏发电机组的最大输出功率的计算公式为：P
PV
(t)＝η
PV
s
PV
θ(t)其中，P
PV
(t)为t时刻段光伏发电机组的最大输出功率，η
PV
为光照强度辐射效率，s
PV
为光照强度辐射面积，θ(t)为t时刻的光照强度。4.根据权利要求1所述的方法，其特征在于，根据预先采集的虚拟电厂系统的参数，确定风电出力不确定性、光伏出力不确定性以及负荷不确定性，还包括：根据电负荷功率、热负荷功率、冷负荷功率以及气负荷功率，确定负荷不确定性；确定电负荷功率、热负荷功率、冷负荷功率以及气负荷功率的计算公式为：确定电负荷功率、热负荷功率、冷负荷功率以及气负荷功率的计算公式为：确定电负荷功率、热负荷功率、冷负荷功率以及气负荷功率的计算公式为：确定电负荷功率、热负荷功率、冷负荷功率以及气负荷功率的计算公式为：其中，P
electricity
(t)，P
thermal
(t)，P
cool
(t)，P
gas
(t)分别为在t时刻的电负荷功率、热负荷功率、冷负荷功率以及气负荷功率，分别为电负荷功率、热负荷功率、冷负荷功率以及气负荷功率各个负荷与时间相关的规律性变化函数，ΔP
electricity
(t)，ΔP
thermal
(t)，ΔP
cool
(t)，ΔP
gas
(t)分别为电负荷功率、热负荷功率、冷负荷功率以及气负荷功率各个负荷的随机不确定部分。5.根据权利要求1所述的方法，其特征在于，根据所述风电出力不确定性、光伏出力不确定性以及负荷不确定性，确定电能子系统、热能子系统以及气能子系统，包括：根据所述风电出力不确定性、光伏出力不确定性以及负荷不确定性，确定电能子系统包含风电可再生能源、光伏可再生能源、电储能、需求侧资源、电负荷、P2G设备、燃气轮机以及燃料电池；根据所述风电出力不确定性、光伏出力不确定性以及负荷不确定性，确定热能子系统包含外部热网、余热锅炉、热蓄能装置以及热负荷；根据所述风电出力不确定性、光伏出力不确定性以及负荷不确定性，确定气能子系统包含外部气网、P2G设备、余热锅炉、燃气轮机、燃料电池以及气负荷。6.根据权利要求1所述的方法，其特征在于，确定上层协同优化模型的目标函数，包括：确定上层协同优化模型的第一目标子函数和上层协同优化模型的第二目标子函数，所述第一目标子函数用于确定虚拟电厂系统在运行周期内的可再生能源发电综合消纳率的最大值，所述可再生能源发电综合消纳率包括风电出力消纳率和光伏出力消纳率，所述第二目标子函数用于确定电能子系统的源
‑
荷协调成本的最小值；确定上层协同优化模型的第一目标子函数为：其中，f
UP,1
为上层协同优化模型的可再生能源发电综合消纳率，r为虚拟电厂系统在运
行周期内的可再生能源发电综合消纳率，T为运行周期的调度时段数，以一天为一个运行周期，以1h为一个调度时段，P
WT
(t)和P
PV
(t)分别为运行周期内，t时段的实际的风电消纳功率和光伏消纳功率，和分别为运行周期内，t时段的风电超短期预测出力和光伏超短期预测出力；确定上层协同优化模型的第二目标子函数为：min f
UP,2
＝C
E
＝C
S
+C
L
+C
IES
其中，minf
UP,2
为上层协同优化模型的电能子系统的源
‑
荷协调成本的最小值，C
S
为电能子系统的电源侧运行成本，C
L
为电能子系统的需求侧管理成本，C
IES
为虚拟电厂系统的热能子系统和气能子系统的综合运行成本；采用加权系数法，根据上层协同优化模型的第一目标子函数和上层协同优化模型的第二目标子函数，确定上层协同优化模型的目标函数；确定上层协同优化模型的目标函数的计算公式为：其中，λ1为上层协同优化模型的第一目标子函数的加权系数，λ2为上层协同优化模型的第二目标子函数的加权系数，f
UP,1,max
为当上层协同优化模型只以第一目标子函数为目标函数时所能取得的最大值或者最优值，f
UP,2,min
为当上层协同优化模型只以第二目标子函数为目标函数时所能取得的最小值或者最优值。7.根据权利要求6所述的方法，其特征在于，确定上层协同优化模型的第二目标子函数，包括：确定电能子系统的电源侧运行成本C
S
的计算公式为：C
S
＝P
GRID
(t)q
GRID
(t)+k
SB
|P
SB
(t)|+k
WT
P
WT
(t)+k
PV
P
PV
(t)+f
MT
(P
MT
(t))+f
FC
(P
FC
(t))；其中，P
GRID
(t)为t时段的电能子系统向外网购电功率；q
GRID
(t)为t时段的外网分时电价水平；k
SB
为储能运维成本系数；P
SB
(t)为t时段储能充放电功率，当大于0时表示放电状态，小于0时表示充电状态；k
WT
和k
PV
分别为风电运维成本系数和光伏运维成本系数；f
MT
()和f
FC
()分别为微燃机燃料成本函数和燃料电池燃料成本函数；P
MT
(t)和P
FC
(t)分别t为时段微燃机出力和燃料电池出力；确定电能子系统的需求侧管理成本C
L
的计算公式为：其中，为虚拟电厂系统运营商与可平移负荷用户签订的可平移负荷固定费用，为运营商与可平移负荷用户签订的t时段可平移负荷功率，c
de
l
ay
为对可平移负荷实际进行负荷平移产生的可变费用系数，P
delay
(t)为在t时段实施的负荷平移功率，λ<...

【专利技术属性】
技术研发人员：屈小云，吴鸣，季宇，寇凌峰，熊雄，张颖，丁保迪，牛耕，
申请(专利权)人：中国电力科学研究院有限公司国网冀北电力有限公司国家电网有限公司，
类型：发明
国别省市：