一种基于电价与柔性负荷交互动态平衡的电网削峰填谷方法技术

一种基于电价与柔性负荷交互动态平衡的电网削峰填谷方法，包括：S1设定负荷聚合商、电网电价模型及参数；S2对粒子的两部制电价与电价调整速度初始化；S3以用户侧电费支出最小为目标函数，求解各粒子对应电价下最优的用户功率曲线；S4求出各粒子对应电价下的电网功率峰谷差，并对粒子的局部最优电价与全局最优电价进行更新；S5判断基于PSO寻优算法的电价调整是否收敛；S6依次对各电价调整粒子对应的两部制电价进行调整；S7输出PSO寻优算法反复迭代后的最优两部制电价；S8以用户侧电费支出最小为目标函数，求解当前电价下实际负荷聚合商的最优决策变量；S9实际负荷聚合商根据S8求出的决策变量，对所辖范围内的柔性负荷进行调控。对所辖范围内的柔性负荷进行调控。对所辖范围内的柔性负荷进行调控。

【技术实现步骤摘要】
一种基于电价与柔性负荷交互动态平衡的电网削峰填谷方法


[0001]本专利技术涉及一种基于电价与柔性负荷交互动态平衡的电网削峰填谷方法。

技术介绍

[0002]近年来，随着化石能源危机和环境压力的加剧，光伏装机数量不断攀升，大量分布式光伏电站功率的随机波动以及电动汽车(Electric Vehicle，EV)无序充电带来网损增加，电压波动等问题，对电网造成了巨大冲击。由于柔性负荷调度能够实现削峰填谷、平衡间歇式能源波动等，其中柔性负荷包括具备热惯性等物理特性的温控负荷，以及具备双向调节能力的电动汽车等，参与光伏联合调控潜力巨大。
[0003]近年来，大部分研究将需求侧响应引入到电力系统经济调度中，通过求解需求响应的优化调度问题，使电力系统在调控时间内的目标函数达到最优，有效提高新能源消纳能力以及能源利用效率，达到电网削峰填谷的效果。现有固定的分时电价激励机制下，用电需求大的用户可能会为追求利益最大化，引发新的负荷高峰。因此有必要对电价激励机制进行调整，由于两部制电价中的基本电价根据用户负荷峰值来进行收取，在两部制电价激励下进行经济调度，能够有效减少用户负荷峰值，降低对电网的冲击。但现行的两部制电价机制，也存在激励不足，无法较好地激发用户响应潜力以及无法较好地实现电网削峰填谷的目标等问题。

技术实现思路

[0004]为更好地实现电网削峰填谷的目标，本专利技术要克服现有技术的上述缺点，提出一种基于电价与柔性负荷交互动态平衡的电网削峰填谷方法，其中柔性负荷包括温控负荷与EV负荷。电力公司以电网功率峰谷差最小为目标，使用PSO算法对电价进行调整，模拟负荷聚合商根据调整后的电价以用户侧支出电费最小为目标进行调度计划优化，电力公司与模拟负荷聚合商两者之间反复迭代形成电价平衡点，最终实际负荷聚合商根据最优电价对柔性负荷进行调度，实现电网功率峰谷差降低的目标。其中，模拟负荷聚合商为电力公司对实际负荷聚合商调控运行状况建模所形成的程序模块，与实际负荷聚合商调控运行状况存在一定的模拟误差。
[0005]为了实现上述目的，本专利技术所采用的方案为：
[0006]一种基于电价与柔性负荷交互动态平衡的电网削峰填谷方法，包括如下步骤：
[0007]S1：将l小时时间区间均分为K个时段，对于任意第t时段，有t∈{1,2,
…
,K}，且第t时段的时长为Δs＝l/K小时；定义ΔP
peak_val
为电价收敛判据阈值，k
series
为峰谷差连续收敛变量，k
series,max
为峰谷差连续收敛判据阈值，定义电网中模拟负荷聚合商变量为a，实际负荷聚合商变量为b，其数量为N，设定k为电价调整迭代次数变量，电价迭代次数上限为n，电价调整粒子变量定义为i，电价调整粒子的上限为m，与分别为第k次迭代时第i个粒子的两部制电价与电价调整速度，具体公式如下所示：
[0008][0009][0010]其中，分别为第k次迭代时第i个调整粒子中的两部制基本电价、用户尖峰电价、高峰电价、低谷电价，分别为第k次电价调整时第i个调整粒子中的两部制基本电价、用户尖峰电价、高峰电价、低谷电价的调整速度；
[0011]S2：电力公司考虑发电成本及输电成本对所有粒子的两部制电价与电价调整速度进行初始化，并将所有粒子电价集合定义为所有粒子的电价调整速度集合定义为将X1下发至所有模拟负荷聚合商求解所有粒子对应电价的调度计划；
[0012]S3：所有模拟负荷聚合商以X
k
中的粒子电价作为输入的两部制电价，模拟负荷聚合商a，a＝1,2,
…
，N，根据其光伏预测功率用户侧刚性负荷预测功率室外温度预测曲线以温控负荷功率EV充电功率以及放电功率作为决策变量，作为决策变量，以及的定义如式(3)
‑
(8)所示，以用户侧电费支出最小为目标函数，求解各粒子对应电价下最优的用户功率曲线
[0013][0014][0015][0016][0017][0018][0019]具体步骤如下：
[0020]S3
‑
1：模拟负荷聚合商a根据输入的电价确定用户侧电费目标函数，具体公式如下所示：
[0021][0022]式中，为模拟负荷聚合商a在激励下用户的电费支出，为第k次迭代时第i个粒子对应的两部制电价中的基本电价，P
peak
为当前优化时段最大峰值负荷功率值，Mon为当月天数，为分时电价，为分时电价，和分别为模拟负荷聚合商a在激励下第t时段用电总功率和EV放电功率数据，c
loss
为EV放电过程中的单位电池损耗成本系数，计算公式为：
[0023][0024]其中，为电池购置成本，L
c
为电池循环寿命，C
a
为电池总容量，D
DoD
为电池放电深度；
[0025]可由已知的光伏预测功率用户侧刚性负荷预测功率以及决策变量来表示，具体公式如下：
[0026][0027]S3
‑
2：确定温控负荷与EV负荷的约束条件，具体约束如下所示：
[0028]1)温控负荷聚合功率约束：
[0029][0030]式中，分别表示模拟负荷聚合商a中温控负荷的聚合功率上下限；
[0031]2)温控负荷室内温度约束：
[0032][0033]式中，分别表示模拟负荷聚合商a中温控负荷的可调控温度的上下限，其中为模拟负荷聚合商a在激励下第t时段温控负荷的室内温度，具体公式如下所示：
[0034][0035]式中，Δs为时间间隔，R
a
为模拟负荷聚合商a中的温控负荷对应房间的热阻，C
a
为模拟负荷聚合商a中对应房间的热容，COP
a
为模拟负荷聚合商a中温控负荷能效比，为模拟负荷聚合商a在t
‑
1时刻对应的室外温度；
[0036]3)温控负荷室内温度初始与终止状态一致性约束：
[0037][0038]式中，和分别为负荷聚合商a在激励下温控负荷室内温度的初始值和终止值；
[0039]4)EV充电功率约束：
[0040][0041]式中，分别表示模拟负荷聚合商a中EV在t时刻的聚合充电功率上下限，为0
‑
1变量，表示t时刻EV的充电状态，为1时，EV处于充电状态，否则，EV不处于充电状态；
[0042]5)EV放电功率约束：
[0043][0044]式中，分别表示模拟负荷聚合商a中EV在t时刻的聚合放电功率上下限，为0
‑
1变量，表示t时刻EV的放电状态，为1时，EV处于放电状态时，否则，EV不处于放电状态；
[0045]6)EV充放电互斥约束：
[0046][0047]7)EV荷电状态上下限约束：
[0048][0049]式中，分别为模拟负荷聚合商a的荷电状态上下限，为模拟负荷聚合商a在激励下第t时段的EV荷电状态，具体公式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电价与柔性负荷交互动态平衡的电网削峰填谷方法，包括如下步骤：S1：将l小时时间区间均分为K个时段，对于任意第t时段，有t∈{1,2,...,K}，且第t时段的时长为Δs＝l/K小时；定义ΔP
peak_val
为电价收敛判据阈值，k
series
为峰谷差连续收敛变量，k
series,max
为峰谷差连续收敛判据阈值，定义电网中模拟负荷聚合商变量为a，实际负荷聚合商变量为b，其数量为N，设定k为电价调整迭代次数变量，电价迭代次数上限为n，电价调整粒子变量定义为i，电价调整粒子的上限为m，与分别为第k次迭代时第i个粒子的两部制电价与电价调整速度，具体公式如下所示：制电价与电价调整速度，具体公式如下所示：其中，分别为第k次迭代时第i个调整粒子中的两部制基本电价、用户尖峰电价、高峰电价、低谷电价，分别为第k次电价调整时第i个调整粒子中的两部制基本电价、用户尖峰电价、高峰电价、低谷电价的调整速度；S2：电力公司考虑发电成本及输电成本对所有粒子的两部制电价与电价调整速度进行初始化，并将所有粒子电价集合定义为所有粒子的电价调整速度集合定义为将X1下发至所有模拟负荷聚合商求解所有粒子对应电价的调度计划；S3：所有模拟负荷聚合商以X
k
中的粒子电价作为输入的两部制电价，模拟负荷聚合商a，a＝1,2,
…
，N，根据其光伏预测功率用户侧刚性负荷预测功率室外温度预测曲线以温控负荷功率EV充电功率以及放电功率作为决策变量，变量，以及的定义如式(3)
‑
(8)所示，以用户侧电费支出最小为目标函数，求解各粒子对应电价下最优的用户功率曲线户侧电费支出最小为目标函数，求解各粒子对应电价下最优的用户功率曲线户侧电费支出最小为目标函数，求解各粒子对应电价下最优的用户功率曲线户侧电费支出最小为目标函数，求解各粒子对应电价下最优的用户功率曲线户侧电费支出最小为目标函数，求解各粒子对应电价下最优的用户功率曲线户侧电费支出最小为目标函数，求解各粒子对应电价下最优的用户功率曲线户侧电费支出最小为目标函数，求解各粒子对应电价下最优的用户功率曲线具体步骤如下：S3
‑
1：模拟负荷聚合商a根据输入的电价确定用户侧电费目标函数，具体公式如下所示：式中，为模拟负荷聚合商a在激励下用户的电费支出，为第k次迭代时第i
个粒子对应的两部制电价中的基本电价，P
peak
为当前优化时段最大峰值负荷功率值，Mon为当月天数，为分时电价，为分时电价，和分别为模拟负荷聚合商a在激励下第t时段用电总功率和EV放电功率数据，c
loss
为EV放电过程中的单位电池损耗成本系数，计算公式为：其中，为电池购置成本，L
c
为电池循环寿命，C
a
为电池总容量，D
DoD
为电池放电深度；可由已知的光伏预测功率用户侧刚性负荷预测功率以及决策变量来表示，具体公式如下：S3
‑
2：确定温控负荷与EV负荷的约束条件，具体约束如下所示：1)温控负荷聚合功率约束：式中，分别表示模拟负荷聚合商a中温控负荷的聚合功率上下限；2)温控负荷室内温度约束：式中，分别表示模拟负荷聚合商a中温控负荷的可调控温度的上下限，其中为模拟负荷聚合商a在激励下第t时段温控负荷的室内温度，具体公式如下所示：式中，Δs为时间间隔，R
a
为模拟负荷聚合商a中的温控负荷对应房间的热阻，C
a
为模拟负荷聚合商a中对应房间的热容，COP
a
为模拟负荷聚合商a中温控负荷能效比，为模拟负荷聚合商a在t
‑
1时刻对应的室外温度；3)温控负荷室内温度初始与终止状态一致性约束：式中，和分别为负荷聚合商a在激励下温控负荷室内温度的初始值和终止值；4)EV充电功率约束：式中，分别表示模拟负荷聚合商a中EV在t时刻的聚合充电功率上下限，为0
‑
1变量，表示t时刻EV的充电状态，为1时，EV处于充电状态，否则，EV不处于充电状态；
5)EV放电功率约束：式中，分别表示模拟负荷聚合商a中EV在t时刻的聚合放电功率上下限，为0
‑
1变量，表示t时刻EV的放电状态，为1时，EV处于放电状态时，否则，EV不处于放电状态；6)EV充放电互斥约束：7)EV荷电状态上下限约束：式中，分别为模拟负荷聚合商a的荷电状态上下限，为模拟负荷聚合商a在激励下第t时段的EV荷电状态，具体公式如下所示：式中，为模拟负荷聚合商a中的电池总容量，为模拟负荷聚合商a在t时刻对应EV的电量，为EV上一时刻对应的电量，η为EV充放电效率，分别为模拟负荷聚合商a中的EV在t时刻对应的充放电功率，Δs为时间间隔；8)EV荷电状态初始与终止状态一致性约束式中，和分别为负荷聚合商a在激励下EV荷电状态的初始值和终止值；S3
‑
3：模拟负荷聚合商a根据步骤S3
‑
1中的目标函数式(9)以及步骤S3
‑
2中的约束条件式(12)
‑
(21)，采用内点法求解出决策变量及然后求出模拟负荷聚合商a的用电总功率数据矩阵具体计算公式如下：式中的以及定义详见式(4)
‑
(8)；S3
‑
4：判断所有模拟负荷聚合商的调度计划是否已求解完成，若a＜N，则当前模拟负荷聚合商并非为参与调控的最后一个模拟负荷聚合商，则令a＝a+1，并返回步骤S3
‑
1，求解下一模拟负荷聚合商的调度计划，否则跳转至步骤S3
‑
5；S3
‑
5：判断所有粒子是否遍历完成，若i＜m，则电价调整粒子遍历未完成，令i＝i+1，返回步骤S3
‑
1求解下一粒子电价下所有模拟负荷聚合商的调度计划，否则将所有模拟负荷聚合商在所有粒子对应电价下的功率数据a＝1,2,
…
,N，i＝1,2,
…
,m，上传至电力公司，并跳转至步骤S4；
S4：电力公司根据所有模拟负荷聚合商上传的依次求出第k次迭代中所有粒子对应的电网功率峰谷差，并对粒子的局部最优电价与全局最优电价进行更新，具体步骤如下所示：S4
‑
1：电力公司将所有模拟负荷聚合商对应同一电价下的用电功率数据相加，求得电网总用电功率和对应的电网功率峰谷差具体公式如下：具体公式如下：S4
‑
2：电力公司确定各粒子电价对应的单位售电成本，以及约束条件，具体公式如下所示：式中，G
min
和G
max
为单位售电价格下限与上限，为电网总电费支出，为电网总用电功率，具体公式如下所示：所示：其中，N为模拟负荷聚合商数，K为参与调控总时段数，Δs为时间间隔；若对应的单位售电成本大于G
min
或小于G
max
时，令M为一个足够大的正整数，否则的单位售电成本在合理区间内，不做任何处理；S4
‑
3：电力公司判断此轮迭代是否为第一次迭代，若k＝1，令所有粒子的局部最优电价局部最优电价下的电网功率峰谷差i＝1,2,
……
,m，中的最小值为第一轮迭代时的全局最优峰谷差，即并且对全局最优电价进行更新，然后跳转至步骤S6进行电价调整，否则跳转至步骤S4
‑
4；S4
‑
4：电力公司根据求出的对相应粒子的局部最优电价进行更新，若令否则与不变；更新全局最优电价x
global_best,k
，使用更新后的的最小值与上一轮迭代时的F[x
global_best,k
‑1]进行比较，若令令否则x
global_best,k
＝x
global_best,k

【专利技术属性】
技术研发人员：戚军，胡伟俊，黄洵，张晓峰，周丹，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：