基于碳排放权兑换机制的虚拟电厂优化调度方法及系统技术方案

本发明专利技术公开了基于碳排放权兑换机制的虚拟电厂优化调度方法及系统，包括：S1、采集虚拟电厂的实时数据和预测数据；S2、采集虚拟电厂相关的价格数据；S3、建立求解模型，在保证虚拟电厂内部供需平衡的同时以虚拟电厂日运行收益为目标函数建立模型，基于步骤S1、S2中的数据对模型进行求解，获取虚拟电厂中各单元的出力数据；S4、基于S3中获取的虚拟电厂中各单元的出力数据对虚拟电厂进行调度控制。本发明专利技术加入了实时碳交易市场和分时阶梯式碳排放权兑换机制，充分挖掘了各个单元的发电潜力，结合云计算等技术实时计算出合适的能量协同调控策略，提高虚拟电厂内部的资源利用率，提升虚拟电厂运行收益的同时减少碳排放量。拟电厂运行收益的同时减少碳排放量。拟电厂运行收益的同时减少碳排放量。

【技术实现步骤摘要】
基于碳排放权兑换机制的虚拟电厂优化调度方法及系统


[0001]本专利技术涉及电网调度控制领域，特别涉及一种基于分时阶梯式碳排放权兑换机制的虚拟电厂优化调度方法及系统。

技术介绍

[0002]分布式能源具有位置分散、随机性强、难于管理等特点，大量无序并网会对电网的运行造成巨大冲击，虚拟电厂作为一种独特的分布式能源聚合与管理技术，通过先进的通信技术，将分布式能源进行集中调度，不仅能够降低其出力波动性对电网造成的冲击，同时能够降低调度难度，使分布式能源更好地参与到电网调度运营中。由于分布式可再生能源出力的随机性以及成本缺乏竞争力，虚拟电厂在实际调度中会存在弃风弃光的问题，这一问题阻碍了虚拟电厂发挥其低碳减排的潜能。
[0003]碳交易机制是通过建立合法的碳排放权，并允许生产商到市场进行碳排放权交易进而达到控制碳排放的目的。每个碳排放源的碳排放权配额由监管部门进行分配，生产商要根据配额来调节生产和排放，若实际碳排放量未超过配额，则多余碳排放权可通过碳交易市场进行交易，反之则需要在碳交易市场购买超出的配额，目前国内主要采用的配额方法为无偿配额。因分布式可再生能源消纳的同时必然会减少火力发电的发电量，而减少的碳排放配额可通过兑换机制兑换给虚拟电厂，同时考虑到分时电价的影响下，不同时段的火电和分布式可再生能源发电量的占比也不同，为进一步限制碳排放，本专利技术提出了分时阶梯式碳排放权兑换机制，解决了虚拟电厂在实际调度中存在的弃风弃光，不低碳环保，调度不到位等问题。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提供一种基于分时阶梯式碳排放权兑换机制的虚拟电厂优化调度方法及系统，在传统虚拟电厂优化调度系统的基础上，加入了实时碳交易市场和分时阶梯式碳排放权兑换机制，充分挖掘了各个单元的发电潜力，结合云计算等技术实时计算出合适的能量协同调控策略，提高虚拟电厂内部的资源利用率，提升虚拟电厂运行收益的同时减少碳排放量，革新电力服务的传统模式，保障双方利益。
[0005]为了实现上述目的，本专利技术采用的技术方案为：基于碳排放权兑换机制的虚拟电厂优化调度方法，包括如下步骤：
[0006]S1、采集虚拟电厂的实时数据和预测数据；
[0007]S2、采集虚拟电厂相关的价格数据；
[0008]S3、建立求解模型，在保证虚拟电厂内部供需平衡的同时以虚拟电厂日运行收益为目标函数建立模型，基于步骤S1、S2中的数据对模型进行求解，获取虚拟电厂中各单元的出力数据；
[0009]S4、基于S3中获取的虚拟电厂中各单元的出力数据对虚拟电厂进行调度控制。
[0010]步骤S1中采集虚拟电厂的实时数据包括：采集源
‑
荷
‑
储的实时数据，其中，源端数
据包括：光伏实时发电量、风机实时发电量；荷端包括：负荷实际功率；储端包括：储能实时荷电状态、储能最大充放电功率。
[0011]虚拟电厂的预测数据采集包括：环境检测仪采集光伏和风机附近的实时天气信息：温湿度、风速，利用历史存储的数据训练得出预测模型，通过获取天气预测数据来预测源
‑
荷
‑
储的未来数据。
[0012]步骤S2包括：从实时电力市场和碳交易市场获取到当地电网的分时购电价、分时售电价和碳交易价信息同时未来的价格数据采用日前价格信息。
[0013]步骤S3包括：
[0014]S31、以虚拟电厂日运行收益最大为目标函数建立优化调度模型：
[0015][0016][0017][0018][0019]式中：P
VPP
,P
CTM
,P
GRID
和分别为虚拟电厂日运行收益，碳交易市场收益，电网交互收益和虚拟电厂内部运行收益；和分别为t时刻的碳交易单价，电网购电，电网售电和虚拟电厂内部售电单价；和分别为分布式可再生能源在t时刻出力所兑换的碳排放量和监管部门分配的基础配额；和分别为在t时刻电网从虚拟电厂购买电量，虚拟电厂从电网购买电量，虚拟电厂内部负荷所需功率，风机出力，光伏出力和储能充放电量；和分别为风机出力成本，光伏出力成本和储能充放电成本；
[0020]S32、将步骤S1、S2中获取到虚拟电厂内的数据和各市场的电价、碳价带入模型中，并设置模型中的约束条件；
[0021]S33、采用闪电连接过程优化算法对步骤S32中通过约束条件约束的模型进行求解获取得到虚拟电厂中各单元的出力数据。
[0022]步骤S22中约束条件包括：
[0023](1)虚拟电厂内部供需平衡约束条件：
[0024][0025]式中：为储能的充放电量，当是代表储能放电，反之代表储能充电；
[0026](2)虚拟电厂与电网间电量交互约束条件：
[0027][0028][0029]式中：为虚拟电厂与电网的交互电量；
[0030](3)储能设备的约束条件：
[0031]对储能设备最大充放电量进行了限制，同时储能电池的荷电状态需要保持在一定范围内并约束储能设备的SOC值在开始和结束时应该相等，且同一时刻储能设备只能是“充电”，“放电”，“静置”三种状态中的一种：
[0032][0033][0034]SOC
min
≤SOC
t
≤SOC
max
[0035][0036][0037]式中：SOC
t
和SOC
t+1
分别为储能设备在t和t+1时刻的SOC值；为储能的最大容量；SOC
min
和SOC
max
为储能SOC的最小和最大值；ST
tcha
,ST
tdis
和ST
tsta
为储能设备在t时刻的状态，依次分别为“充电”，“放电”，“静置”。
[0038]步骤S33包括：
[0039]1)、初始化种群
[0040]随机在定义域内产生一个初始种群，种群中的每个个体代表一个候选解；
[0041][0042][0043][0044][0045]式中：表示t时刻下虚拟电厂内部各单元出力情况矩阵；
[0046]求出各个种群的适应度值，即目标函数值；
[0047]P
VPP,i
＝obj(X
i
)
[0048]2)确定闪电的下一跳
[0049]首先计算出所有候选点的平均值点，再计算平均值点的适应度值；
[0050]X
avg
＝mean(X
i
)
[0051]P
VPP,avg
＝obj(X
i
)
[0052]遍历种群，找出种群中适应度值最大的个体X
j
，若个体X
i
的适应度优于平均值点的适应度，则闪电向X
avg
和X
j
点的方向移动，否则，闪电移向反方向；...

【技术保护点】

【技术特征摘要】
1.基于碳排放权兑换机制的虚拟电厂优化调度方法，其特征在于：包括如下步骤：S1、采集虚拟电厂的实时数据和预测数据；S2、采集虚拟电厂相关的价格数据；S3、建立求解模型，在保证虚拟电厂内部供需平衡的同时以虚拟电厂日运行收益为目标函数建立模型，基于步骤S1、S2中的数据对模型进行求解，获取虚拟电厂中各单元的出力数据；S4、基于S3中获取的虚拟电厂中各单元的出力数据对虚拟电厂进行调度控制。2.如权利要求1所述的基于碳排放权兑换机制的虚拟电厂优化调度方法，其特征在于：步骤S1中采集虚拟电厂的实时数据包括：采集源
‑
荷
‑
储的实时数据，其中，源端数据包括：光伏实时发电量、风机实时发电量；荷端包括：负荷实际功率；储端包括：储能实时荷电状态、储能最大充放电功率。3.如权利要求2所述的基于碳排放权兑换机制的虚拟电厂优化调度方法，其特征在于：虚拟电厂的预测数据采集包括：环境检测仪采集光伏和风机附近的实时天气信息：温湿度、风速，利用历史存储的数据训练得出预测模型，通过获取天气预测数据来预测源
‑
荷
‑
储的未来数据。4.如权利要求1所述的基于碳排放权兑换机制的虚拟电厂优化调度方法，其特征在于：步骤S2包括：从实时电力市场和碳交易市场获取到当地电网的分时购电价、分时售电价和碳交易价信息同时未来的价格数据采用日前价格信息。5.如权利要求1所述的基于碳排放权兑换机制的虚拟电厂优化调度方法，其特征在于：步骤S3包括：S31、以虚拟电厂日运行收益最大为目标函数建立优化调度模型：S31、以虚拟电厂日运行收益最大为目标函数建立优化调度模型：S31、以虚拟电厂日运行收益最大为目标函数建立优化调度模型：S31、以虚拟电厂日运行收益最大为目标函数建立优化调度模型：式中：P
VPP
,P
CTM
,P
GRID
和分别为虚拟电厂日运行收益，碳交易市场收益，电网交互收益和虚拟电厂内部运行收益；和分别为t时刻的碳交易单价，电网购电，电网售电和虚拟电厂内部售电单价；和分别为分布式可再生能源在t时刻出力所兑换的碳排放量和监管部门分配的基础配额；和分别为在t时刻电网从虚拟电厂购买电量，虚拟电厂从电网购买电量，虚拟电厂内部负荷所需功率，风机出力，光伏出力和储能充放电量；和分别为风机出力成本，光伏出力成本和储能充放电成本；S32、将步骤S1、S2中获取到虚拟电厂内的数据和各市场的电价、碳价带入模型中，并设
置模型中的约束条件；S33、采用闪电连接过程优化算法对步骤S32中通过约束条件约束的模型进行求解获取得到虚拟电厂中各单元的出力数据。6.如权利要求5所述的基于碳排放权兑换机制的虚拟电厂优化调度方法，其特征在于：步骤S22中约束条件包括：(1)虚拟电厂内部供需平衡约束条件：式中：为储能的充放电量，当是代表储能放电，反之代表储能充电；(2)虚拟电厂与电网间电量交互约束条件：(2)虚拟电厂与电网间电量交互约束条件：式中：为虚拟电厂与电网的交互电量；(3)储能设备的约束条件：对储能设备最大充放电量进行了限制，同时储能电池的荷电状态需要保持在一定范围内并约束储能设备的SOC值在开始和结束时应该相等，且同一时刻储能设备只能是“充电”，“放电”，“静置”三种状态中的一种：三种状态中的一种：SOC
min
≤SOC
t
≤SOC
max
ST
tcha
+ST
tdis
+ST
tsta
＝1,ST
t*
∈{0,1}式中：SOC
t
和SOC
t+1
分别为储能设备在t和t+1时刻的SOC值；为储能的最大容量；SOC
min
和SOC
max
为储能SOC的最小和最大值；ST
tcha
,ST
tdis
和ST
tsta
为储能设备在t时刻的状态，依次分别为“充电”，“放电”，“静置”。7.如权利要求5所述的基于碳排放权兑换机制的虚拟电厂优化调度方法，其特征在于：步骤S33包括：1)、初始化...

【专利技术属性】
技术研发人员：汪洋，张奇峰，葛愿，束峻峰，陈彦斌，舒晓欣，钱诚，尹成，汪涵，刘于良，黄晟，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：