一种含长时储能虚拟电厂的多时间尺度调度方法技术

本发明专利技术公开了一种含长时储能虚拟电厂的多时间尺度调度方法，包括以下步骤：选择氢储能作为长时储能方式，构建氢储能系统电解槽、燃料电池和储氢罐模型；分别以多日收益最大化和日前收益最大化为目标，构建子问题虚拟电厂多日调度和主问题日前调度模型的目标函数，并通过Benders割连接主、子问题；在多日与日前调度的基础上，构建考虑长时预测趋势的虚拟电厂双层滚动校正模型。在日前调度阶段对比分析是否考虑中长期趋势对虚拟电厂收益和调度的影响；并在滚动校正阶段对比分析是否考虑滚动校正和是否考虑长时预测趋势对虚拟电厂调度总成本和指令偏差成本的影响。成本和指令偏差成本的影响。成本和指令偏差成本的影响。

【技术实现步骤摘要】
一种含长时储能虚拟电厂的多时间尺度调度方法


[0001]本专利技术涉及虚拟电厂应用
，尤其涉及一种含长时储能虚拟电厂的多时间尺度调度方法。

技术介绍

[0002]工业革命以来，全球气候变化、环境污染等问题日益严峻，“低碳清洁”发展模式成为全球能源系统进行技术变革的必由之路。在全球能源结构转型的进程中，中国不断提高国家自主贡献力度，我国提出力争在2030年前碳排放达到峰值，争取在2060年前实现碳中和的目标。在这样的背景下，大力发展以风电、光伏为代表的新能源，建设以新能源为主体的绿色、低碳、安全、清洁的能源体系，实现能源转型和消费革命，是包括中国在内的全球大多数国家的共同选择。近年来，我国风电、光伏装机容量稳步提升，2020年，中国风电和光伏发电的累计装机容量分别达2.81亿千瓦和2.53亿千瓦，位居世界第一。然而，尽管风电、光伏的环境优势超过许多其他能源，其仍有许多缺点，限制了其更广泛的使用。特别是新能源发电具有随机性、波动性和“反调峰”等特点，导致“弃风弃光”问题严重而难以高效消纳，且对电网运行安全产生严重影响。为了促进新能源发电的高效利用，分布式电源、储能以及柔性负荷等灵活性资源在配用电侧兴起，用于提高输配电网的功率调节能力。然而，这些分布式能源因为容量小、数量多、分布不均，使得单机接入成本高，且对系统运行人员通常不可见，管理困难。
[0003]虚拟电厂(virtual power plant，VPP)通过先进的测量、通信、控制技术手段，将单机输出功率小但电源数量多的分布式新能源发电单元与柔性负荷、储能等灵活性资源相结合，并利用更高层次的软件架构实现其参与电力市场及协调优化运行。虚拟电厂不会受到分布式能源的地理位置、运行特性等方面的约束，具有高度灵活性和适应性，成为了当今电力行业最具创新性的研究方向。
[0004]然而，新能源发电出力受气候气象因素的影响较大，在多日时间尺度上，可再生能源出力受天气因素影响，往往呈现出长时间、大幅度的波动性和随机性，具体表现可能为持续几天的高出力后紧接着持续几天的低出力情况，给虚拟电厂参与电力市场带来了较大困难，且在市场化条件下，对虚拟电厂自身的收益也带来了较大影响。因此，利用长时储能减少可再生能源出力长时间、大幅度的波动性和随机性问题是提高新能源消纳的一个重要发展方向。在各种长时储能方式中，氢储能在储能密度和储能时间等方面具有优势，氢能是一种高密度的能源载体，可以利用储氢罐长期储存，而且储氢罐的单位能量存储成本也相对较低，能够有效应对因新能源发电长时间、大幅度的波动性引发的有功动态平衡问题。
[0005]因此，考虑虚拟电厂利用氢储能作为长时储能的大规模长时间存储优势应对新能源发电的长时间、大幅度的波动性问题，在传统虚拟电厂日前调度和日内滚动调度机制的基础上考虑新能源多日长时波动趋势，构建多日与日前尺度的双层调度模型和长时与短时间尺度的双层反馈校正模型。在多日与日前尺度上，子问题为基于滚动优化的虚拟电厂中长期全时段优化调度模型，并考虑电量约束；主问题为并行的虚拟电厂日前优化调度模型，
以日前优化调度收益最大化为优化目标。在日前与日内尺度的滚动校正阶段，考虑日内长时预测趋势对调度结果的影响，子问题为考虑长时段预测趋势的虚拟电厂滚动校正模型；主问题为日内短时间尺度滚动校正模型，以修正成本最小化为目标函数。

技术实现思路

[0006]本专利技术的目的在于，提供一种含长时储能虚拟电厂的多时间尺度调度方法，新能源出力的长时间、大幅度的波动性和随机性给虚拟电厂参与电力市场带来了较大困难，并对虚拟电厂自身的收益也带来了较大影响。因此，选择氢储能作为长时储能，在传统虚拟电厂日前调度和日内滚动调度机制的基础上考虑新能源多日长时波动趋势，构建多日与日前尺度的双层调度模型和日内长时与短时尺度的双层反馈校正模型，并采用Benders分解法求解。
[0007]本专利技术提供了一种含长时储能虚拟电厂的多时间尺度调度方法，选择氢储能作为长时储能的方式，所述虚拟电厂包括风电机组、光伏电站、氢储能系统和电负荷。所述氢储能系统包括电解槽、氢燃料电池和储氢罐；所述电负荷中包含A类和B类可中断负荷。其中，氢储能系统通过电解水制氢将新能源发电富裕时段电能转化为氢气，存储在储氢罐中，在电能需求高峰时段供给氢燃料电池供电，减少与上级电网下发调度指令的偏差，减少偏差惩罚成本，从而实现虚拟电厂收益最大化。所述调度方法包括以下步骤：
[0008]步骤1、构建氢储能系统模型，包括电解槽、氢燃料电池和储氢罐的模型；
[0009]步骤2、子问题以虚拟电厂多日收益最大化为目标函数，构建虚拟电厂多日调度模型；
[0010]步骤3、主问题以虚拟电厂日前收益最大化为目标函数，构建虚拟电厂日前调度模型；
[0011]步骤4、构建主问题、子问题的Benders可行割求解；
[0012]步骤5、构建子问题长时段虚拟电厂滚动校正和主问题短时间虚拟电厂反馈校正双层模型。
[0013]优选地，所述步骤1进一步包括以下子步骤：
[0014]步骤S11、构建电解槽模型；
[0015]步骤S12、构建氢燃料电池模型；
[0016]步骤S13、构建储氢罐模型。
[0017]优选地，所述步骤2的目标函数如下所示：
[0018][0019]上式中，I
i,d
(X
LT
)、C
i,d
(X
LT
)分别为第d天运行收益和成本指标函数，X
LT
为多日优化变量。
[0020]优选地，所述步骤3的目标函数如下所示：
[0021][0022]上式中，I
i,t
(X
DA
)、C
i,t
(X
DA
)分别为第t时段运行收益和成本指标函数，X
DA
为日前优化变量。
[0023]优选地，步骤4进一步包括以下子步骤：
[0024]步骤S41、解的可行性检验：判断主问题的T时段末尾氢储能容量值与子问题得到的第d天末氢储能容量公差是否小于ε，如下所示：
[0025][0026]若最终结果满足上式，则解满足最优性检验，不产生Benders割，迭代结束得到主问题虚拟电厂日前各设备出力即为最优解；
[0027]步骤S42、若最终结果不满足上式，说明此次迭代所得的解并非最优解，则子问题需向主问题返回Benders割进行修正，其连接形式如下所示：
[0028][0029][0030]其中，v为松弛变量之和，是主问题最优解在子问题中不可行程度的量度；为非负松弛变量，即子问题氢储能容量最优值与主问题最优值的偏差；λ
HS
为连接约束式的拉格朗日乘子。
[0031]优选地，所述步骤5进一步包括以下子步骤：
[0032]步骤S51、构建子问题考虑长时段预测趋势的虚拟电厂滚动校正模型；
[0033]步骤S52、构建主问题短时间虚拟电厂反馈校正模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种含长时储能虚拟电厂的多时间尺度调度方法，其特征在于，所述虚拟电厂选择氢储能作为长时储能方式，虚拟电厂包括风电机组、光伏电站、氢储能系统和电负荷，氢储能系统包括电解槽、氢燃料电池和储氢罐，电负荷包含A类和B类可中断负荷；所述调度方法包括以下步骤：步骤1、构建氢储能系统模型，包括电解槽、氢燃料电池和储氢罐的模型；步骤2、子问题以虚拟电厂多日收益最大化为目标函数，构建虚拟电厂多日调度模型；步骤3、主问题以虚拟电厂日前收益最大化为目标函数，构建虚拟电厂日前调度模型；步骤4、构建主问题、子问题的Benders可行割求解；步骤5、构建子问题长时段虚拟电厂滚动校正和主问题短时间虚拟电厂反馈校正双层模型。2.如权利要求1所述一种含长时储能虚拟电厂的多时间尺度调度方法，其特征在于，所述步骤1进一步包括以下子步骤：步骤S11、构建电解槽模型；步骤S12、构建氢燃料电池模型；步骤S13、构建储氢罐模型。3.如权利要求1所述一种含长时储能虚拟电厂的多时间尺度调度方法其特征在于，所述步骤2的目标函数如下所示：上式中，I
i,d
(X
LT
)、C
i,d
(X
LT
)分别为第d天运行收益和成本指标函数，X
LT
为多日优化变量。4.如权利要求1所述一种含长时储能虚拟电厂的多时间尺度调度方法，其特征在于，所述步骤3的目标函数如下所示：上式中，I
...

【专利技术属性】
技术研发人员：王兆霖，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：