一种基于区块链技术的风光并网调度优化方法技术

本发明专利技术公开了一种基于区块链技术的风光并网调度优化方法，步骤1给出风电决策模型；步骤2给出光伏决策模型；步骤3给出火电决策模型；步骤4建立风光消纳决策模型；步骤5综合考虑了系统成本、风光消纳，建立基于区块链技术的风光并网调度优化模型。本发明专利技术综合区块链节点决策模型，可实现区块链节点的出力值，促使各电源的决策行为向有利于电网运行的方向运作。同时减少了风电、光伏的弃风、弃光量，提高电网的风电、光伏接纳能力。光伏接纳能力。光伏接纳能力。

【技术实现步骤摘要】
一种基于区块链技术的风光并网调度优化方法


[0001]本专利技术涉及电力系统优化调度领域，特别涉及一种基于区块链技术的风光并网调度优化方法。

技术介绍

[0002]研究风光不确定性与可调度负荷协调下的调度优化问题有利于提高风光的消纳，减小电能损耗，达到节能降耗的目标。利用储能系统实时充放电的特性也能提升风光的消纳，然而如何优化储能容量是目前亟待解决的问题。同时区块链作为一种非对称加密的分布式账本，具备各节点平等、购售信息不可篡改、用户行为可追溯等优势，促使各电力主体共同维护优化调度的可持续发展，因此具备很强的鲁棒性。应用区块链技术可直接实现优化调度模式下各电源信息的互通，保证数据透明化并降低调度的不确定性。因此本章从降低系统发电成本、提高风光消纳的角度，针对风光出力的不确定性，考虑储能系统与可调度负荷特性，在目标函数中引入风光发电本，建立基于区块链技术的风光并网调度优化模型。

技术实现思路

[0003]本专利技术的目的在于提供一种基于区块链技术的风光并网调度优化方法，从降低系统发电成本、提高风光消纳的角度，针对风光出力的不确定性，考虑储能系统与可调度负荷特性，在目标函数中引入风光发电本，建立基于区块链技术的风光并网调度优化模型。
[0004]本专利技术通过以下技术方案得以解决：
[0005]一种基于区块链技术的风光并网调度优化方法，具体步骤为：
[0006]步骤1、相关参数的设置和采集；
[0007]风电、光伏相关参数：k1(t)、k2(t)为函数系数，风电不确定出力P
WU.t
，储能成本系数k
E
(t)，权重系数ζ
t
，风电编号j，调度时段t，风电成本C
W.jt
，光伏编号z，弃光惩罚费用C
PV,zt
、失负荷惩罚费用C
LOSS,zt
，单位弃光惩罚费用C
PV
，弃光电量E
PV,zt
，单位失负荷惩罚费用C
LOSS
，失负荷电量E
LOSS,zt
，波动补偿成本C
R,zt
，波动补偿费用系数K
H
，光伏出力波动上限P
DET
，光伏出力P
S,zt
，储能出力P
B,zt
，经储能补偿后光伏出力波动P
S
‑
B,zt
，波动补偿功率P
J,zt
，下一时段光伏出力P
S,zt+1
，光伏成本C
S.zt
，风电数量N
W
，光伏数量N
S
，风光渗透率A
R
，风电预测出力P
W,jt
；
[0008]火电机组相关参数：线性化成本函数系数a
i
，火电编号i，火电出力P
G.it
，火电成本C
G.it
，调度周期m，火电数量N
G
，目标函数C，目标函数的综合权重λ
Sy
‑
i
、层次分析法权重λ
AHP
‑
i
、熵权法权重λ
EM
‑
i
，各个子目标函数的权重系数λ
Sy
‑1、λ
Sy
‑2，且λ
Sy
‑1+λ
Sy
‑2＝1，储能输出功率P
E.t
，负荷量P
D.t
，火电出力上限、下限火电出力上升率、下降率t
‑
1时段火电出力P
G.i(t
‑
1)
；
[0009]步骤2、根据步骤1风电、光伏相关参数的设置，在此基础上得出风电决策模型、光伏决策模型；
[0010]步骤3、根据步骤1相关参数的设置，在此基础上得出火电决策模型、风光消纳决策
模型；
[0011]步骤4、由步骤2、3得到基于区块链技术的风光并网调度优化模型，根据调度优化目标函数及约束条件获得一个周期内各机组的出力。
[0012]进一步，所述的步骤2中风电决策模型、光伏决策模型为：
[0013]C
W.jt
＝k
E
(t)(1
‑
ζ
t
)P
WU.t
+k1(t)ζ
t
P
WU.t
+k2(t)(ζ
t
P
WU.t
)2，
[0014]其中，C
W.jt
：风电成本，k1(t)、k2(t)：函数系数，P
WU.t
：风电不确定出力，k
E
(t)：储能成本系数，ζ
t
：权重系数；
[0015]光伏决策模型为：
[0016]C
S.zt
＝C
PV,zt
+C
LOSS,zt
+C
R,zt
，
[0017]C
PV,zt
＝C
PV
E
PV,zt
，
[0018]C
LOSS,zt
＝C
LOSS
E
LOSS,zt
，
[0019]C
R,zt
＝K
H
P
J,zt
，
[0020][0021]P
S
‑
B,zt
＝|P
S,zt+1
‑
P
S,zt
+P
B,zt
|，
[0022]其中，C
S.zt
：光伏成本，C
PV,zt
：弃光惩罚费用，C
LOSS,zt
：失负荷惩罚费用，C
PV
：单位弃光惩罚费用，E
PV,zt
：弃光电量，C
LOSS
：单位失负荷惩罚费用，E
LOSS,zt
：失负荷电量，K
H
：波动补偿费用系数，C
R,zt
：波动补偿成本，P
DET
：光伏出力波动上限，P
S,zt
：光伏出力，P
B,zt
：储能出力，P
S
‑
B,zt
：经储能补偿后光伏出力波动，P
J,zt
：波动补偿功率，P
S,zt+1
：下一时段光伏出力。
[0023]进一步，所述步骤3中火电决策模型、风光消纳决策模型为：
[0024]火电决策模型：
[0025]火电成本C
G.it
的数学模型如下式：
[0026]C
G.it
＝a
i
P
G.i本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链技术的风光并网调度优化方法，其特征在于，具体步骤为：步骤1、相关参数的设置和采集；风电、光伏相关参数：k1(t)、k2(t)为函数系数，风电不确定出力P
WU.t
，储能成本系数k
E
(t)，权重系数ζ
t
，风电编号j，调度时段t，风电成本C
W.jt
，光伏编号z，弃光惩罚费用C
PV,zt
、失负荷惩罚费用C
LOSS,zt
，单位弃光惩罚费用C
PV
，弃光电量E
PV,zt
，单位失负荷惩罚费用C
LOSS
，失负荷电量E
LOSS,zt
，波动补偿成本C
R,zt
，波动补偿费用系数K
H
，光伏出力波动上限P
DET
，光伏出力P
S,zt
，储能出力P
B,zt
，经储能补偿后光伏出力波动P
S
‑
B,zt
，波动补偿功率P
J,zt
，下一时段光伏出力P
S,zt+1
，光伏成本C
S.zt
，风电数量N
W
，光伏数量N
S
，风光渗透率A
R
，风电预测出力P
W,jt
；火电相关参数：线性化成本函数系数a
i
，火电编号i，火电出力P
G.it
，火电成本C
G.it
，调度周期m，火电数量N
G
，目标函数C，目标函数的综合权重λ
Sy
‑
i
、层次分析法权重λ
AHP
‑
i
、熵权法权重λ
EM
‑
i
，各个子目标函数的权重系数λ
Sy
‑1、λ
Sy
‑2，且λ
Sy
‑1+λ
Sy
‑2＝1，储能输出功率P
E.t
，负荷量P
D.t
，火电出力上限、下限火电出力上升率、下降率t
‑
1时段火电出力P
G.i(t
‑
1)
；步骤2、根据步骤1风电、光伏相关参数的设置，在此基础上得出风电决策模型、光伏决策模型；步骤3、根据步骤1相关参数的设置，在此基础上得出火电决策模型、风光消纳决策模型；步骤4、由步骤2、3得到基于区块链技术的风光并网调度优化模型，根据调度优化目标函数及约束条件获得一个周期内各机组的出力。2.根据权利要求1所述的基于区块链技术的风光并网调度优化方法，其特征在于，所述的步骤2中风电决策模型为：C
W.jt
＝k
E
(t)(1
‑
ζ
t
)P
WU.t
+k1(t)ζ
t
P
WU.t
+k2(t)(ζ
t
P
WU.t
)2，其中，C
W.jt
：风电成本，k1(t)、k2(t)：函数系数，P
WU.t
：风电不确定出力，k
E
(t)：储能成本系数，ζ
t
：权重系数；光伏决策模型为：C
S.zt
＝C
PV,zt
+C
LOSS,zt
+C
R,zt
，C
PV,zt
＝C
PV
E
PV,zt
，C
LOSS,zt
＝C
LOSS
E
LOSS,zt

【专利技术属性】
技术研发人员：范逸斐，何大瑞，郑嘉琪，田方媛，孙建龙，李妍，王球，阮梦，张敏，
申请(专利权)人：国网江苏省电力有限公司经济技术研究院，
类型：发明
国别省市：