一种面向市场交易的虚拟电厂低风险双层聚合优化方法技术

本发明专利技术属于电厂技术领域，尤其涉及一种面向市场交易的虚拟电厂低风险双层聚合优化方法。包括以下步骤：建立面向市场交易的虚拟电厂群聚合优化模型，并考虑风险处理；利用所建立的优化模型，构建以收益最大化、同时控制风险水平为目标的可控机组租赁商上层决策模型；构建以成本最小化为目标的下层虚拟电厂群运行优化模型；利用基于KKT条件以及强对偶理论将所建立的双层模型转化为等效的单层混合整数线性规划。本发明专利技术提高了系统的经济性，将虚拟电厂优化模型分为双层，对其进行风险水平考虑，保证其经济性、安全性、灵活性各指标，而且强对偶理论等双层解耦方法可以使模型求解高效，精确度得到显著提高。精确度得到显著提高。精确度得到显著提高。

【技术实现步骤摘要】
一种面向市场交易的虚拟电厂低风险双层聚合优化方法


[0001]本专利技术属于电厂
，尤其涉及一种面向市场交易的虚拟电厂低风险双层聚合优化方法。

技术介绍

[0002]当今情况下分布式电源(Distributed Generation，DG)的渗透率逐年增高，其具有绿色环保、灵活性强以及易于建设等优点，但也正是由于分布式电源即插即用的特点，以及新能源预测的不确定性会导致DG出现波动，简单的配置这些能源上网而不作处理会给电网带来巨大的冲击。为了更好地解决这些问题，虚拟电厂(Virtual Power Plant，VPP)这一新型概念应运而生。虚拟电厂依托先进的信息通信、协调控制以及智能计量等多种技术方法，整合分散在多地域、多类型、多层次、小容量的分布式发电机组、电池储能系统和可控负荷等进行协同优化调度，为分布式电源大规模接入电网、参与电力市场竞争提供了有效的解决途径。
[0003]中国专利“CN115293595A考虑光伏出力不确定性的虚拟电厂聚合能力评估方法”提出了考虑光伏出力不确定性的虚拟电厂聚合能力评估方法，包括：建立虚拟电厂内的可控资源和不确定性的模型；根据可控资源特性粗略估计可调度范围，引入反应虚拟电厂可行性特征的松弛变量；建立虚拟电厂聚合能力评估模型，实现在最大化虚拟电厂经济性的同时优化其可调度聚合能力范围。
[0004]一方面，随着虚拟电厂的概念逐渐被人们接受，越来越多的示范性项目展开建设，多虚拟电厂间的联系成为研究热点，这个过程中，虚拟电厂将面临应该如何根据自身情况，选择合适机组的问题；以及存在多个虚拟电厂时，又应该如何选择合适机组；最后，当有多个虚拟电厂时，虚拟电厂之间能否进行能源调度以谋求更大的利益？因此，研究虚拟电厂聚合与低风险调度优化模型具有重要意义。
[0005]另一方面，对于虚拟电厂的研究最主要的两个方面就是交易与调度，良好的调度模型是市场交易的前提，市场交易是调度的最终受益，目前缺少一套完整的模型对二者进行统一研究。
[0006]中国专利“CN115293595A考虑光伏出力不确定性的虚拟电厂聚合能力评估方法”根据可控资源特性粗略估计可调度范围，引入反应虚拟电厂可行性特征的松弛变量。但在虚拟电厂整体建模时未充分考虑其中风光出力的不确定性，最终会导致调度决策过于保险，无法满足系统要求。

技术实现思路

[0007]针对上述现有技术中存在的不足之处，本专利技术提供了一种面向市场交易的虚拟电厂低风险双层聚合优化方法,其目的是为了建立了一个可控机组租赁商的概念，统筹系统整体的收益；利用CVaR方法建立考虑风险的虚拟电厂收益模型、同时利用KKT条件以及强对偶理论等将双层非线性模型转化为单层线性模型，进而减少优化控制的计算量的专利技术目
的。
[0008]本专利技术为实现上述目的所采用的技术方案是：
[0009]一种面向市场交易的虚拟电厂低风险双层聚合优化方法，包括以下步骤：
[0010]步骤1：建立面向市场交易的虚拟电厂群聚合优化模型，并考虑风险处理；
[0011]步骤2：利用所建立的优化模型，构建以收益最大化、同时控制风险水平为目标的可控机组租赁商上层决策模型；
[0012]步骤3：构建以成本最小化为目标的下层虚拟电厂群运行优化模型；
[0013]步骤4：利用基于KKT条件以及强对偶理论将所建立的双层模型转化为等效的单层混合整数线性规划。
[0014]更进一步的，所述建立面向市场交易的虚拟电厂群聚合优化模型，包括：
[0015]步骤1.1：建立风、光出力的预测模型，建立虚拟电厂内部传统机组，燃气轮机和电池储能的数学模型；
[0016]步骤1.2：建立虚拟电厂中各种成本及收益；
[0017](1)虚拟电厂的购售电收益：
[0018][0019]式中：分别表示虚拟电厂在t时刻向电力负荷售电电量和向电网购电电量；λ
s
(t)、λ
b
(t)分别表示虚拟电厂在t时刻售电价格和购电价格；
[0020](2)虚拟电厂的环境惩罚成本：
[0021][0022]式中：表示燃气轮机机组k的0/1变量，取值为1时表示该机组被虚拟电厂租赁，取值为0时表示该机组未被虚拟电厂租赁；表示燃气轮机机组k在t时刻的功率；f表示燃气轮机排放污染物的种类；m
k
(f)、V
k
(f)、Y
k
(f)分别表示燃气轮机机组k的第f种污染物的排放量、环境价值、罚款数量级；
[0023](3)虚拟电厂弃风弃光的惩罚成本：
[0024][0025]式中：P
curt
(t)表示虚拟电厂在t时刻弃风弃光的功率；λ
s
(t)表示虚拟电厂在t时刻弃风弃光的惩罚成本，即虚拟电厂在t时刻的购电价格；
[0026](4)虚拟电厂弃风弃光的惩罚成本：
[0027][0028]式中：分别表示光伏机组i、风电机组j、燃气轮机机组k、第e台电池储能系统的0/1变量，取值为1时表示该机组被虚拟电厂租赁，取值为0时表示该机组未被虚拟电厂租赁；分别表示第e台电池储能系统在t时刻的充电功率、放电功
率；P
IL
(t)表示虚拟电厂中可中断负荷在t时刻的功率；分别表示光伏机组i、风电机组j、燃气轮机机组k、第e台电池储能系统单位输出功率的租赁费用；C
IL
表示可中断负荷单位电量的补偿成本；分别表示光伏机组i、风电机组j、燃气轮机机组k的功率；
[0029](5)虚拟电厂所选机组的运行维护成本：
[0030][0031]式中：分别表示燃气轮机机组k、第e台电池储能系统的单位输出功率的运行费用；
[0032](6)虚拟电厂的条件风险价值CvaR为：
[0033][0034]式中：α表示风险价值(VaR)的边界值；β＝0.9表示预先设定的置信度；R
p
表示第p个虚拟变量，P表示虚拟变量个数，R
n
＝[f(G,y)
‑
α]+
表示超过VaR的损失，f(G,y)损失函数取VPP收益的负值；
[0035]步骤1.3：建立系统的各种约束条件，包括机组的约束条件、功率平衡约束条件、旋转备用约束条件以及CVaR风险约束条件；将CVaR约束条件中虚拟变量R
n
≥0进行松弛处理，如下式：
[0036]R
n
≥
‑
(F1‑
F2‑
F3‑
F4‑
F5)
‑
α
[0037]上式中，F1为虚拟电厂的购售电收益，F2为虚拟电厂的环境惩罚成本，F3为虚拟电厂弃风弃光的惩罚成本，F4为虚拟电厂弃风弃光的惩罚成本，F5为虚拟电厂所选机组的运行维护成本。
[0038]更进一步的，所述利用所建立的优化模型，构建以收益最大化、同时控制风险水平为目标的可控机组租赁商上层决策模型；包括：<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向市场交易的虚拟电厂低风险双层聚合优化方法，其特征是：包括以下步骤：步骤1：建立面向市场交易的虚拟电厂群聚合优化模型，并考虑风险处理；步骤2：利用所建立的优化模型，构建以收益最大化、同时控制风险水平为目标的可控机组租赁商上层决策模型；步骤3：构建以成本最小化为目标的下层虚拟电厂群运行优化模型；步骤4：利用基于KKT条件以及强对偶理论将所建立的双层模型转化为等效的单层混合整数线性规划。2.根据权利要求1所述的一种面向市场交易的虚拟电厂低风险双层聚合优化方法，其特征是：所述建立面向市场交易的虚拟电厂群聚合优化模型，包括：步骤1.1：建立风、光出力的预测模型，建立虚拟电厂内部传统机组，燃气轮机和电池储能的数学模型；步骤1.2：建立虚拟电厂中各种成本及收益；(1)虚拟电厂的购售电收益：式中：分别表示虚拟电厂在t时刻向电力负荷售电电量和向电网购电电量；λ
s
(t)、λ
b
(t)分别表示虚拟电厂在t时刻售电价格和购电价格；(2)虚拟电厂的环境惩罚成本：式中：表示燃气轮机机组k的0/1变量，取值为1时表示该机组被虚拟电厂租赁，取值为0时表示该机组未被虚拟电厂租赁；表示燃气轮机机组k在t时刻的功率；f表示燃气轮机排放污染物的种类；m
k
(f)、V
k
(f)、Y
k
(f)分别表示燃气轮机机组k的第f种污染物的排放量、环境价值、罚款数量级；(3)虚拟电厂弃风弃光的惩罚成本：式中：P
curt
(t)表示虚拟电厂在t时刻弃风弃光的功率；λ
s
(t)表示虚拟电厂在t时刻弃风弃光的惩罚成本，即虚拟电厂在t时刻的购电价格；(4)虚拟电厂弃风弃光的惩罚成本：式中：分别表示光伏机组i、风电机组j、燃气轮机机组k、第e台电池储能系统的0/1变量，取值为1时表示该机组被虚拟电厂租赁，取值为0时表示该机组未被虚拟电厂租赁；分别表示第e台电池储能系统在t时刻的充电功率、放电功率；P
IL
(t)表示虚拟电厂中可中断负荷在t时刻的功率；分别表示光伏机组i、风电机组j、燃气轮机机组k、第e台电池储能系统单位输出功率的租赁费用；C
IL
表示可中断负荷单位电量的补偿成本；分别表示光伏机组i、风电机组j、燃气轮机机组k的功率；(5)虚拟电厂所选机组的运行维护成本：式中：分别表示燃气轮机机组k、第e台电池储能系统的单位输出功率的运行费用；(6)虚拟电厂的条件风险价值CvaR为：式中：α表示风险价值(VaR)的边界值；β＝0.9表示预先设定的置信度；R
p
表示第p个虚拟变量，P表示虚拟变量个数，R
n
＝[f(G,y)
‑
α]
+
表示超过VaR的损失，f(G,y)损失函数取VPP收益的负值；步骤1.3：建立系统的各种约束条件，包括机组的约束条件、功率平衡约束条件、旋转备用约束条件以及CVaR风险约束条件；将CVaR约束条件中虚拟变量R
n
≥0进行松弛处理，如下式：R
n
≥
‑
(F1‑
F2‑
F3‑
F4‑
F5)
‑
α上式中，F1为虚拟电厂的购售电收益，F2为虚拟电厂的环境惩罚成本，F3为虚拟电厂弃风弃光的惩罚成本，F4为虚拟电厂弃风弃光的惩罚成本，F5为虚拟电厂所选机组的运行维护成本。3.根据权利要求1所述的一种面向市场交易的虚拟电厂低风险双层聚合优化方法，其特征是：所述利用所建立的优化模型，构建以收益最大化、同时控制风险水平为目标的可控机组租赁商上层决策模型；包括：租赁商的决策模型表述如下：式中：π
w,i
表示场景ω的概率系数；表示VPPi租赁第j台燃气轮机的租金；表示VPPi租赁第k台电池储能系统的租金；表示场景ω下VPPi租赁的第j台燃气轮机在t时刻的输出功率；分别表示场景ω下VPPi租赁的第k台电池储能系统在t时刻的充电功率、放电功率；J、K分别表示租赁商所拥有燃气轮机、电池储能系统的台数；α
i
表示租赁商与VPPi租赁机组时风险价值(VaR)的边界值；β＝0.9表示预先设定的置信度；η
ω,i
表示
场景ω下租赁商与VPPi租赁机组时超过VaR的损失；L为权重系数，表示租赁商的风险偏好系数，N为VPP的个数，T为调度周期，W为场景数量；上述目标函数包括：租赁商的预期收入和租赁商在预期收入与风险之间的权衡，当L取较小的值时，租赁商的选择比较激进，希望获取较高的收益，同时会面对大的风险损失；当L取较大的值时，租赁商选择比较保守，获取的收益较低，同时会面对的风险损失小；VPPi租赁第j台燃气轮机的租金：上式中：表示VPPi租赁第j台燃气轮机的租金；和分别表示第j台燃气轮机租金的下限和上限；第k台电池储能系统租金的约束条件：上式中：表示VPPi租赁第k台电池储能系统的租金；和分别表示第k台电池储能系统租金的下限和上限；条件风险价值(CVaR)的约束条件：上式中：表示在场景ω下，t时刻VPPi租赁第j台燃气轮机的发电量；表示在场景ω下，t时刻VPPi租赁第k台电池储能系统的充电量和放电量。4.根据权利要求1所述的一种面向市场交易的虚拟电厂低风险双层聚合优化方法，其特征是：所述构建以成本最小化为目标的下层虚拟电厂群运行优化模型，包括：(1)目标函数；(2)约束条件；1)功率平衡约束；2)购售电量的约束条件；3)电池储能系统运行约束条件；4)燃...

【专利技术属性】
技术研发人员：楚天丰，孙秋野，闫振宏，张武洋，朱钰，
申请(专利权)人：国网辽宁省电力有限公司电力科学研究院国家电网有限公司，
类型：发明
国别省市：