【技术实现步骤摘要】
本专利技术涉及柔性互动优化调度，更具体的说是涉及一种含风光水储虚拟电厂柔性互动优化调度方法及系统。
技术介绍
1、风电、光伏、水电等可再生电源产业的发展地位逐渐上升，高比例可再生能源成为未来电网的新形态，以实现稳定、绿色、可持续的能源系统，并减缓对气候的影响。由于新能源出力的间歇性和随机性，大规模新能源并网给电力系统的稳定运行带来了新的挑战。同时用电需求和电网尖峰负荷日益增加，为了引导用户优化用电负荷、缓解电网运行压力，柔性负荷(flexible loads，fl)作为需求侧响应的重要组成部分被逐渐引入电力系统来实现电力供需平衡，提升用户经济效益。虚拟电厂(vpp)是一种灵活的分布式电源的聚合体，可以通过先进的通信手段将可再生能源、ess、fl、常规机组等多种形式的能源聚合，在控制中心对多种信息进行汇总分析，将其作为一个综合体接入到电网中运行。但vpp由于内部风光水资源出力的不确定性，在制定调度计划时面临不确定的风险，而且目前柔性负荷调度潜能未能充分发挥，所以如何对vpp内部风光水出力不确定性带来的风险进行量化控制以及充分发挥柔性负荷调度潜能是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种含风光水储虚拟电厂柔性互动优化调度方法及系统，克服了上述缺陷。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种含风光水储虚拟电厂柔性互动优化调度方法，具体步骤为：
4、根据风光水出力历史数据、气象数据和机组参数获得
5、基于所述风光水的概率密度函数对所述风光水出力历史数据进行场景生成和场景缩减，获得风光水出力场景以及场景发生概率；
6、基于运行计划约束条件，以虚拟电厂运行收益最大化为目标，构建调度收益模型；
7、基于所述风光水出力场景、所述场景发生概率以及所述调度收益模型，引入最差条件风险定量分析虚拟电厂调度风险成本，构建优化调度风险模型；
8、获取风光水出力数据、所述场景发生概率、所述机组参数、置信水平以及系统损失函数，并将所述风光水出力数据、所述场景发生概率、所述机组参数、所述置信水平以及所述系统损失函数输入到所述优化调度风险模型；
9、对所述优化调度风险模型进行求解，得到虚拟电厂最佳出力值和最高收益值，并生成调度方案。
10、可选地，场景生成采用的是拉丁超立方法，具体为：
11、将所述风光水的概率密度函数等分为nt个不重叠的子区间；
12、在任意一个所述子区间内生成一个随机数
13、根据所述随机数求取累计概率函数值
14、将所述累计概率函数值带入所述风光水的概率密度函数的反函数中，获得风光水的抽样值抽样得到生成场景。
15、可选地，场景缩减采用的是向后场景缩减法，具体步骤为：
16、步骤2-2-1、获取迭代次数和需删除的场景数；
17、步骤2-2-2、根据所述迭代次数和所述需删除的场景数判断是否迭代，若是，则执行步骤2-2-3；若否，则执行步骤2-2-4；
18、步骤2-2-3、根据预设的删除规则，删除场景lk至弃用集j，并执行步骤2-2-1；
19、步骤2-2-4、找到与所述弃用集j中的场景i距离最近的场景j，使用所述场景j替代所述场景i。
20、可选地，所述调度收益模型的表达式为：
21、
22、式中，cprofit(t)为时段t下vpp购售电收益；cgt(t)为时段t下gt运行成本；为时段t下gt是否启动状态变量；为时段t下gt启动成本；cess(t)为时段t下ess成本；cfl(t)为时段t下fl激励补偿成本；cdg(t)为时段t下可再生能源运行成本；t为运行周期。
23、可选地，所述运行计划约束包括：功率平衡约束、考虑出力上下限及爬坡功率的gt约束、ess充放电功率约束、可转移负荷，可削减负荷和可平移负荷三种柔性负荷约束、购售电约束以及考虑节点电压的配电网潮流约束。
24、可选地，所述优化调度风险模型的构建步骤包括：
25、基于虚拟电厂确定决策变量x和随机变量y，并计算所述虚拟电厂调度风险成本，其表达式为：
26、
27、构造辅助函数fβ(x,α)并采用样本点近似方法简化计算所述虚拟电厂调度风险成本，其表达式为：
28、
29、在已知随机变量概率分布所属可能集合时的最恶劣风险成本的情况下，引入最差条件风险wcvar，获得虚拟电厂最大调度风险成本，其表达式为：
30、
31、将式(6)和式(7)联立，获得离散场景下所述最差条件风险wcvar，其表达式为：
32、
33、引入辅助变量，基于离散场景下所述最差条件风险wcvar构建所述优化调度风险模型，其表达式：
34、
35、式中，vvar-β为风险价值；vcvar-β为条件风险价值；p(y)为随机变量y的连续概率密度函数；f(x,y)为决策变量x的损失函数；β为置信水平；α为损失阈值；nω为样本的场景总数；yλ为场景λ下的随机变量；eq()为模型的各种约束条件；z为引入的辅助变量。
36、可选地，所述调度方案的获取方法为：通过设置不同所述置信水平，得到在不同风险水平下的所述虚拟电厂内部各单元调度特点，根据调度需求生成调度方案。
37、一种含风光水储虚拟电厂柔性互动优化调度系统，包括:
38、概率密度函数生成模块，用于根据风光水出力历史数据、气象数据和机组参数获得风光水的概率密度函数；
39、出力场景生成模块，用于根据所述风光水的概率密度函数对所述风光水出力历史数据进行场景生成和场景缩减，获得风光水出力场景以及场景发生概率；
40、调度收益模型构建模块，用于根据运行计划约束条件，以虚拟电厂运行收益最大化为目标，构建调度收益模型；
41、优化调度风险模型生成模块，用于根据所述风光水出力场景、所述场景发生概率以及所述调度收益模型，引入最差条件风险定量分析虚拟电厂调度风险成本，构建优化调度风险模型；
42、数据采集及输入模块，用于获取风光水出力数据、所述场景发生概率、所述机组参数、置信水平以及系统损失函数，并将所述风光水出力数据、所述场景发生概率、所述机组参数、所述置信水平以及所述系统损失函数输入到所述优化调度风险模型；
43、调度方案生成模块，用于对所述优化调度风险模型进行求解，得到虚拟电厂最佳出力值和最高收益值，并生成调度方案。
44、可选地，所述出力场景生成模块包括初始场景生成模块，所述初始场景生成模块包括：
45、子区间划分模块，用于将所述风光水的概率密度函数等分为nt个不重叠的子区间；
46、随机数生成模块，用于在任意一个所述子区间内生成一个随机数
47、计算模本文档来自技高网...
【技术保护点】
1.一种含风光水储虚拟电厂柔性互动优化调度方法，其特征在于，具体步骤为：
2.根据权利要求1所述的一种含风光水储虚拟电厂柔性互动优化调度方法，其特征在于，场景生成采用的是拉丁超立方法，具体为：
3.根据权利要求1或2所述的一种含风光水储虚拟电厂柔性互动优化调度方法，其特征在于，场景缩减采用的是向后场景缩减法，具体步骤为：
4.根据权利要求1所述的一种含风光水储虚拟电厂柔性互动优化调度方法，其特征在于，所述调度收益模型的表达式为：
5.根据权利要求4所述的一种含风光水储虚拟电厂柔性互动优化调度方法，其特征在于，所述运行计划约束包括：功率平衡约束、考虑出力上下限及爬坡功率的GT约束、ESS充放电功率约束、可转移负荷，可削减负荷和可平移负荷三种柔性负荷约束、购售电约束以及考虑节点电压的配电网潮流约束。
6.根据权利要求1所述的一种含风光水储虚拟电厂柔性互动优化调度方法，其特征在于，所述优化调度风险模型的构建步骤包括：
7.根据权利要求6所述的一种含风光水储虚拟电厂柔性互动优化调度方法，其特征在于，所述调度方案的获取
8.一种含风光水储虚拟电厂柔性互动优化调度系统，其特征在于，包括：
9.根据权利要求8所述的一种含风光水储虚拟电厂柔性互动优化调度系统，其特征在于，所述出力场景生成模块包括初始场景生成模块，所述初始场景生成模块包括：
10.根据权利要求8所述的一种含风光水储虚拟电厂柔性互动优化调度系统，其特征在于，所述出力场景生成模块还包括场景缩减模块，所述场景缩减模块包括：
...【技术特征摘要】
1.一种含风光水储虚拟电厂柔性互动优化调度方法，其特征在于，具体步骤为：
2.根据权利要求1所述的一种含风光水储虚拟电厂柔性互动优化调度方法，其特征在于，场景生成采用的是拉丁超立方法，具体为：
3.根据权利要求1或2所述的一种含风光水储虚拟电厂柔性互动优化调度方法，其特征在于，场景缩减采用的是向后场景缩减法，具体步骤为：
4.根据权利要求1所述的一种含风光水储虚拟电厂柔性互动优化调度方法，其特征在于，所述调度收益模型的表达式为：
5.根据权利要求4所述的一种含风光水储虚拟电厂柔性互动优化调度方法，其特征在于，所述运行计划约束包括：功率平衡约束、考虑出力上下限及爬坡功率的gt约束、ess充放电功率约束、可转移负荷，可削减负荷和可平移负荷三种柔性负荷约束、购售电约束以及考虑节点电压的配电网潮流约束。<...
【专利技术属性】
技术研发人员：韩绍祖，曾凡斐，李天晨，刘小恒，张大伟，刘建楠，李京辉，莫宇，陶金，
申请(专利权)人：国能智深控制技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。