1.本发明属于风电技术领域，特别是涉及一种基于需求响应的风电消纳方 法。
背景技术：
2.传统意义上的电力系统主要基于调控供应侧资源追踪负荷变化这一前提实 施规划调控。然而，当原本“刚性”的需求侧负荷转变为一类可调控资源后， 其规模化应用将赋予电力系统规划、运行、控制以全新内涵。
3.传统的调度策略表明，单纯依靠供给侧资源的模式要满足新能源电力系统 安全、经济、高效运行的要求是十分困难的，针对现有的调峰模式只能控制电 源一侧的不足，许多研究提出了从负荷一侧进行控制的概念并加以延伸。需求 响应作为一类虚拟可控资源，能够与多种发电类型结合，有效克服新能源发电 的随机性和负荷需求不协调性对电力系统造成的影响，提高电网对新能源的利 用效率，实现源荷互动与协同増效。
技术实现要素：
4.针对上述存在的技术问题，本发明提供一种基于需求响应的风电消纳方 法，通过构建基于需求响应的风电消纳机会约束模型促进新能源消纳。
5.传统意义上的电力系统主要基于调控供应侧资源追踪负荷变化这一前提实 施规划调控。然而，当原本“刚性”的需求侧负荷转变为一类可调控资源后， 其规模化应用将赋予电力系统规划、运行、控制以全新内涵。
6.(1)兼容需求响应的综合资源规划技术
7.科学的规划策略是确保需求响应效益能够实现的基础和先决条件。按照涉 及对象的不同，规划设计大致可分为需求侧独立规划、源-荷联合规划以及源
‑ꢀ
网-荷联合规划3类。所考虑的需求响应资源包括电动汽车、暖通空调及可转移 负荷等。现有研究成果表明，在规划决策中合理考虑需求侧管理的影响有助于 提高最终方案的总体效益；同时，需求响应对新能源发电的贡献作用与其在电 网中的位置及特性密切相关，而充分利用不同负荷可调能力的互补性对于改善 规划方案的成本效益具有重要作用。
8.(2)需求侧互动模式下发用电一体化调度技术
9.在新能源电力系统中，需求响应负荷可作为“虚拟发电资源”与各类常规 电源联合参与调度计划。针对供应侧资源的调控与传统电力系统类似，而需求 侧调控手段则可分为基于电价、基于合同及基于市场竞价3种方式。
10.本发明的目的是通过以下技术方案来实现的：
11.本发明一种基于需求响应的风电消纳方法，包括如下步骤：
12.s1:建立随机机会约束数学模型：
[0013][0014]
式中，j为目标函数，x为决策向量，ξ为随机参数向量，pr表示机会约束 函数g成立的概率，α为置信水平参数向量，h为传统非机会约束；
[0015]
s2:以最大化研究时段内调度机构收益为目标函数；
[0016]
s3:设定约束条件，包括功率平衡的机会约束、负荷峰谷差约束、基于需 求侧响应激励的容量上下限约束、基于激励的需求侧响应负荷增减能力约束和 电价的上下限约束；
[0017]
s4:采用基于随机模拟粒子群算法的模型求解。
[0018]
进一步地，所述目标函数为：
[0019]
max j＝m
′
β-m
′d[0020]
其中m
′d为全部时段的总成本：
[0021]
δ为高价补偿率，τ为电价折扣 率，
△
p
du,i
为i时段的上行备用调用量，
△
p
dd,j
为j时段的下行备用调用量。
[0022]
进一步地，所述功率平衡的机会约束：
[0023]
pr{|
△
p
i-(p
w,i-e[pw])|≤ωi}≥α
[0024]
式中，
△
pi：i时段总负荷改变量；e[pw]：系统期望的风电并网功率； ωi＞0：风电波动幅度允许值。
[0025]
进一步地，所述负荷峰谷差约束：
[0026]
pr[max(p
′
i-p
′j)≥max(p
i-pj)]≤β
[0027]
式中，p
′i、p
′j：实现需求侧响应后第i、j时段的负荷。
[0028]
进一步地，所述基于需求侧响应激励的容量上下限约束：
[0029][0030][0031]
式中，p
du
：上行备用总量上下限；
[0032]
p
dd
：下行备用总量上下限。
[0033]
进一步地，所述基于激励的需求侧响应负荷增减能力约束：
[0034][0035][0036]
式中，r
du,m
、r
dd,m
：第m个基于激励的需求侧响应增负荷和减负荷速度 (mw/h)。
[0037]
sd：全部激励型集合。
[0038]
进一步地，所述电价的上下限约束：
[0039][0040]
式中，
△
βi：需求侧竞价确定的电价改变量上下限。
[0041]
进一步地，所述基于随机模拟粒子群算法，步骤如下：
①
设置随机参数和 决策变量初始值，将非机会约束条件转化为罚函数，并入目标函数；
②
随机生 成电价改变量和激励型需求侧响应负荷改变量粒子；
③
利用随机模拟检验所有 粒子，若不成立转入步骤
②
；
④
计算粒子适应度函数，保存最优粒子；
⑤
更新 粒子并重复步骤
③
、
④
，直到符合终止设置。本发明的有益效果为：
[0042]
本发明所提出的一种基于需求响应的风电消纳方法可以有效促进多元能源 消纳，减少新能源弃能率，提高电网接纳新能源能力。
具体实施方式
[0043]
下面将结合本发明实施例中，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的 实施例。
[0044]
实施例：
[0045]
(1)基于日前实时电价的负荷响应模型：
[0046]
价格型需求侧响应通过需求侧竞价实现，负荷是否改变由用户提交的可支 付价格决定。
[0047]
根据经济学的需求原理，定义电力弹性系数为：
[0048][0049]
式中：p
l
和β为负荷容量与电价，α为用电需求的价格弹性系数，
△
p
l
和
ꢀ△
β为负荷容量与电价的变化量。
[0050]
通常某时段的负荷改变量既和该时段的电价有关，也与其它时段的电价有 关。一般分别用自弹性系数α
ii
和互弹性系数α
ij
的概念来描述：
[0051][0052][0053]
式中，i，j为时间段。根据上述二式求出电价变化后i时段的负荷改变量
ꢀ△
p
li
为：
[0054][0055]
式中td为研究的全部时段。对于短期的需求弹性，一般自弹性系数为负 值，互弹性系数为正值。可进一步求得全部时段的总收益m
′
l
,i为：
[0056][0057]
(2)基于激励的dr负荷改变量模型
[0058]
基于激励的需求侧由vpp直接控制，如直接负控、可中断负荷、电动汽车 集中充放电等形式，既可提供系统上行备用，也可提供下行备用。补偿方式分 为折扣电价和高价补偿两种，这里对上行备用采取高价补偿，下行备用采取折 扣电价的激励方式。
[0059]
设高价补偿率δ为，电价折扣率为τ，若i时段的上行备用调用量为
△
p
du,i
,j 时段的下行备用调用量为
△
p
dd,j
，则全部时段的总成本m
′d为：
[0060][0061]
本发明一种基于需求响应的风电消纳方法，包括如下步骤：
[0062]
建立随机机会约束数学模型：
[0063][0064]
式中，j为目标函数，x为决策向量，ξ为随机参数向量，pr表示机会约束 函数g成立的概率，α为置信水平参数向量，h为传统非机会约束；
[0065]
以最大化研究时段内调度机构收益为目标函数:
[0066]
max j＝m
′
β-m
′d，
[0067]
其中：m
′d为全部时段的总成本：
[0068][0069]
δ为高价补偿率，τ为电价折扣 率，
△
p
du,i
为i时段的上行备用调用量，
△
p
dd,j
为j时段的下行备用调用量；
[0070]
设定约束条件如下：
[0071]
①
功率平衡的机会约束：
[0072]
pr{|
△
p
i-(p
w,i-e[pw])|≤ωi}≥α
[0073]
式中，
△
pi：i时段总负荷改变量；e[pw]：系统期望的风电并网功率； ωi＞0：风电波动幅度允许值；
[0074]
此约束的意义是，经需求侧响应消纳后，i时段等效风电功率的波动区间 在[-ωi,ωi]内的置信度不小于α。
[0075]
②
负荷峰谷差约束：
[0076]
pr[max(p
′
i-p
′j)≥max(p
i-pj)]≤β
[0077]
式中，p
′i、p
′j：实现需求侧响应后第i、j时段的负荷。
[0078]
由于风电出力大多具有反调峰特性，因此大多数时候为抑制风电波动设计 的需求侧响应机制恰好能够减小峰谷差。但也存在相反情况，这时峰谷差增大 的置信度应不大于尽量减小额外的系统运行负担。
[0079]
③
基于需求侧响应激励的容量上下限约束：
[0080]
[0081][0082]
式中，p
du
：上行备用总量上下限；
[0083]
p
dd
：下行备用总量上下限。
[0084]
④
基于激励的需求侧响应负荷增减能力约束：
[0085][0086][0087]
式中，r
du,m
、r
dd,m
：第m个基于激励的需求侧响应增负荷和减负荷速度 (mw/h)。
[0088]
sd：全部激励型集合。
[0089]
⑤
电价的上下限约束：
[0090][0091]
式中，
△
βi：需求侧竞价确定的电价改变量上下限。
[0092]
采用基于随机模拟粒子群算法的模型求解，步骤如下：
①
参数和初始值设 置，将非机会约束条件转化为罚函数，并入目标函数；
②
随机生成电价改变量 和激励型需求侧响应负荷改变量粒子；
③
利用随机模拟检验所有粒子，若不成 立转入步骤2；
④
计算粒子适应度函数，保存最优粒子；
⑤
更新粒子并重复步 骤3、4，直到符合终止设置。
[0093]
可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受 限于本发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然 可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用 需要，都在本发明的保护范围之内。