一种虚拟电厂中风力、光伏发电与储能聚合管理的方法与流程

1.本发明涉及电力能源运用技术领域，尤其涉及一种虚拟电厂中风力、光伏发电与储能聚合管理的方法。


背景技术：

2.随着世界能源紧缺、环境污染等问题日益突出，风力发电和光伏发电等新能源发电被越来越多的国家和地区采用和重视。虚拟电厂可以聚合多种能源资源(包括可控负荷、储能系统、新能源机组、电动汽车、分布式能源等)，可以作为“正电厂”向系统供电调峰，还可以作为“负电厂”加大负荷消纳，配合系统填谷。虚拟电厂通过对其聚合的资源进行调控获得利润，并对参加激励型需求响应负荷进行经济补偿。因此，如何保障虚拟电厂在电力现货市场中的收益，降低收益波动，是虚拟电厂优化调度需要解决的重要问题。
3.在操作日前方面，基于风光机组短期(操作日前)出力预测和常规负荷的短期(操作日前)预测，结合历史上相似日实际的储能设备充放电曲线来确定储能设备各时段的充放电计划，进而确定虚拟电厂参与电力现货市场的出力计划，但是由于风光出力曲线与用电负荷曲线的差异，可能会导致虚拟电厂在负荷高峰时刻(电价较高)买电，负荷低谷时刻(电价较低)卖电，影响虚拟电厂的收益。
4.在实时层面，沿用日前的方法，使用风光机组超短期(实时)出力预测和常规负荷的超短期(实时)预测，来确定储能设备实时层面的充放电计划，但是由于风光机组出力和常规负荷日前预测与实时预测的偏差，可能会导致虚拟电厂在实时层面的计划与日前申报的计划存在较大的差异，从而使虚拟电厂被电力现货市场考核，影响虚拟电厂的最终收益。


技术实现要素：

5.为了克服现有技术的不足，本发明提供了一种虚拟电厂中风力、光伏发电与储能聚合管理的方法，实现了虚拟电厂与电网之间能量交换成本最小化，使虚拟电厂在实时方面的出力计划与操作日前的出力计划一致。
6.为了实现上述发明目的，本发明采用以下技术方案：
7.s101、对操作日前的电力数据进行预处理；
8.s102、根据预处理数据建立一次优化调度模型；
9.s103、通过一次优化调度模型得到调度综合数据；
10.s104、根据调度综合数据建立实时凸二次优化模型；
11.s105、通过实时凸二次优化模型得到储能设备的实时充放电功率曲线。
12.进一步的，电力数据包括风电机组出力计划、光电机组出力计划、储能设备充放电、常规负荷和出清价格。
13.进一步的，预处理包括以下步骤：
14.确定虚拟电厂与电网之间能量转换的最低成本；
15.对储能设备进行充放电调度处理。
16.进一步的，预处理还包括以下步骤：对虚拟电厂与电网之间能量转换进行条件约束。
17.进一步的，一次优化调度模型的目标函数如下所示：
[0018][0019][0020]
其中，为第i个储能设备t时刻的荷电状态，为第i个储能设备t-1时刻的荷电状态，为第i个储能设备的充电效率，为第i个储能设备的放电效率，为t时段第i个储能设备的充电功率，为t时段第i个储能设备的放电功率，为第i个储能设备的额定容量，δt为t-1时刻和t时刻的时间差，1时刻和t时刻的时间差，为第i个储能设备在保障设备安全的前提下，荷电状态的最小值和最大值，为t时段并网储能设备的集合，t为时段t的集合，确定计算时段的范围。
[0021]
进一步的，调度综合数据包括虚拟电厂操作日前计划出力曲线、所有储能设备的期望功率、风电机组出力计划、光电机组出力计划、常规负荷预测和储能设备操作日前的充放电计划。
[0022]
进一步的，所有储能设备的期望功率计算公式如下所示：
[0023][0024]
其中，为所有储能设备在时间步长t的预期功率，为实时调度跟踪的日前计划，为实时调度时的常规负荷功率，为实时调度时的光伏机组出力，为实时调度时的风电机组出力。
[0025]
进一步的，实时凸二次优化模型目标函数如下所示：
[0026][0027]
其中，为k时段并网储能设备的集合，为t时段第i个储能设备的充电功率，为t时段第i个储能设备的放电功率，为所有储能设备在时间步长k的预期功率。
[0028]
进一步的，对实时凸二次优化模型进行约束，实时凸二次优化模型的约束条件的计算公式如下所示：
[0029][0030][0031]
[0032][0033][0034]
其中，k∈(t,τ)为计算t时刻及之后的时间τ的结果，为第i个储能设备的额定充电功率，为第i个储能设备的额定放电功率，为k时段第i个储能设备的充电功率，为k时段第i个储能设备的放电功率，为0-1变量，决定k时段第i个储能设备充电状态，为0-1变量，决定k时段第i个储能设备放电状态，nk为k时段并网储能设备的数量，为第i个储能设备能被调度的起始时间，非可调度时间范围内的储能设备的充放电功率为0，为第i个储能设备能被调度的终止时间，非可调度时间范围内的储能设备的充放电功率为0。
[0035]
进一步的，储能设备的实时充放电功率曲线的计算公式如下所示：
[0036][0037][0038]
其中，为第i个储能设备的k时刻的荷电状态，为第i个储能设备的k-1时刻的荷电状态，η
i,c
为第i个储能设备的充电效率，η
i,d
为第i个储能设备的放电效率，为储能设备的物理参数，为k时段第i个储能设备的充电功率，为k时段第i个储能设备的放电功率，为第i个储能设备的额定容量，δt为k-1时刻和k时刻的时间差；为第i个储能设备在保障设备安全的前提下，荷电状态的最小值，为第i个储能设备在保障设备安全的前提下，荷电状态的最大值，nk为k时段并网储能设备的集合。
[0039]
本发明的有益效果：一种虚拟电厂中风力、光伏发电与储能聚合管理的方法，对操作日前的电力数据进行预处理；根据预处理数据建立一次优化调度模型；通过一次优化调度模型得到调度综合数据；根据调度数据建立实时凸二次优化模型；通过实时凸二次优化模型得到储能设备的实时充放电功率曲线；实现了以虚拟电厂与电网间能量交换成本最小化为目标，确定储能设备的日前充放电计划；虚拟电厂基于电力现货市场操作日前发布的电厂发电计划，结合实时的风电、光电机组出力预测和常规负荷预测，对储能设备进行充放电调度，使虚拟电厂在实时方面的出力计划与操作日前的出力计划一致，避免因出力偏差导致的电力现货市场的考核；虚拟电厂在负荷高峰时刻(电价较高)多发电，负荷低谷时刻(电价较低)多用电，使虚拟电厂在操作日前阶段从电网购电的成本最小，追求收益最大化；在实时方面，操作日前发布的电厂发电计划为目标，保障实时发电计划与操作日前发电计划一致，降低电力现货市场考核的风险，保障虚拟电厂的收益。
附图说明
[0040]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0041]
图1是本发明一种虚拟电厂中风力、光伏发电与储能聚合管理的方法的步骤示意图。
具体实施方式
[0042]
下面结合附图对本公开实施例进行详细描述。
[0043]
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
[0044]
实施例一：
[0045]
s101、对操作日前的电力数据进行预处理；
[0046]
对操作日前的电力数据进行预处理，电力数据包括风电机组出力计划、光电机组出力计划、储能设备充放电、常规负荷和出清价格，预处理包括以下步骤：
[0047]
确定虚拟电厂与电网之间能量转换的最低成本；
[0048]
对虚拟电厂与电网之间能量转换进行条件约束；
[0049]
对储能设备进行充放电调度处理。
[0050]
确定虚拟电厂与电网之间能量转换的最低成本，电厂与电网之间能量转换的计算公式如下所示：
[0051][0052]
其中，λ
t
为操作日前市场电价，为每个时间步长内虚拟电厂和电网之间的交换功率，δt为操作日前市场时间粒度，为虚拟电厂接入电网的功率，为虚拟电厂送出电网的功率。
[0053]
在每个时间步长内，为使虚拟电厂和电网之间能量转换更为精确，因此对虚拟电厂和电网之间能量转换进行约束，虚拟电厂和电网之间能量转换的约束条件公式如下所示：
[0054][0055]
其中，为第i个储能设备的充电功率，为第i个储能设备的放电
功率，为t时段并网储能设备的数量，为常规负荷的预测功率，为t时段光伏机组的预测功率，为t时段风电机组的预测功率。
[0056][0057]
其中，为虚拟电厂交换到电网的能量上限值，为虚拟电厂交换到电网的能量下限值。
[0058]
对储能设备进行充放电调度处理，储能设备的充放电调度计算公式如下所示：
[0059][0060][0061][0062][0063][0064]
其中，为第i个储能设备的额定充电功率，为第i个储能设备额定放电功率，为t时段第i个储能设备的充电功率，为t时段第i个储能设备的放电功率，为0-1变量决定t时段第i个储能设备充电状态，为0-1变量决定t时段第i个储能设备放电状态，为t时段并网设备的数量，t为时段t的集合，确定计算时段的范围，为第i个储能设备能被调度的起始时间，非可调度时间范围内的储能设备的充放电功率为0，为第i个储能设备能被调度的终止时间，非可调度时间范围内的储能设备的充放电功率为0。
[0065]
s102、根据预处理数据建立一次优化调度模型；
[0066]
根据预处理数据建立一次优化调度模型，一次优化调度模型的目标函数如下所示：
[0067][0068][0069]
其中，为第i个储能设备t时刻的荷电状态，为第i个储能设备t-1时刻的荷电状态，为第i个储能设备的充电效率，为第i个储能设备的放电效率，为t时段第i个储能设备的充电功率，为t时段第i个储能设备的放电功率，为第i个储能设备的额定容量，δt为t-1时刻和t时刻的时间差，1时刻和t时刻的时间差，为第i个储能设备在保障设备安全的前提下，荷电状态的最小值和最大值，为t时段并网储能设备的集合，t为时段t
的集合，确定计算时段的范围。
[0070]
s103、通过一次优化调度模型得到调度综合数据；
[0071]
通过一次优化调度模型得到调度综合数据，调度综合数据包括虚拟电厂操作日前计划出力曲线、所有储能设备的期望功率、风电机组出力计划、光电机组出力计划、常规负荷预测储能设备操作日前的充放电计划。
[0072]
虚拟电厂操作日前计划出力曲线的计算公式如下所示：
[0073][0074]
其中，为虚拟电厂的日前功率计划，为为每个时间步长内虚拟电厂和电网之间的交换功率。
[0075]
需要说明的是，由于风电、光电机组的实际出力存在不确定性，且无法进行灵活调度，而常规负荷同样无调节能力，所以虚拟电厂只能通过调度储能设备的充放电功率以实现对日前功率计划的跟踪。
[0076]
所有储能设备的期望功率计算公式如下所示：
[0077][0078]
其中，为所有储能设备在时间步长t的预期功率，为实时调度跟踪的日前计划，为实时调度时的常规负荷功率，为实时调度时的光伏机组出力，为实时调度时的风电机组出力。
[0079]
需要说明的是，为了满足较长一段时间内的能源需求，采用滚动时间序列优化算法，即在每个时间区间开始时，对目标时间t和之后的时间τ同时进行优化。滚动时间窗口长度可以根据实际需要进行设定，以综合调度储能设备调度电量最小为目标。
[0080]
s104、根据调度综合数据建立实时凸二次优化模型；
[0081]
根据上述数据建立实时凸二次优化模型，实时凸二次优化模型目标函数如下所示：
[0082][0083]
h＝{t+1,t+2,...,t+h}
[0084]
其中，为t时段并网储能设备的集合，为t时段第i个储能设备的充电功率，为t时段第i个储能设备的放电功率，为所有储能设备在时间步长t的预期功率，为τ时段第i个储能设备的充电功率，为τ时段第i个储能设备的放电功率，为所有储能设备在τ时段的预期功率。
[0085]
将实时凸二次优化模型进行简化为：
[0086]
[0087]
其中，为k时段并网储能设备的集合，为k时段第i个储能设备的充电功率，为k时段第i个储能设备的放电功率，为所有储能设备在时间步长k的预期功率。
[0088]
对实时凸二次优化模型进行约束，实时凸二次优化模型的约束条件的计算公式如下所示：
[0089][0090][0091][0092][0093][0094]
其中，k∈(t,τ)为计算t时刻及之后的时间τ的结果，为第i个储能设备的额定充电功率，为第i个储能设备的额定放电功率，为k时段第i个储能设备的充电功率，为k时段第i个储能设备的放电功率，为0-1变量，决定k时段第i个储能设备充电状态，为0-1变量，决定k时段第i个储能设备放电状态，nk为k时段并网储能设备的数量，为第i个储能设备能被调度的起始时间，非可调度时间范围内的储能设备的充放电功率为0，为第i个储能设备能被调度的终止时间，非可调度时间范围内的储能设备的充放电功率为0。
[0095]
s105、通过实时凸二次优化模型得到储能设备的实时充放电功率曲线；
[0096]
通过实时凸二次优化模型得到储能设备的实时充放电功率曲线，储能设备的实时充放电功率曲线的计算公式如下所示：
[0097][0098][0099]
其中，为第i个储能设备的k时刻的荷电状态，为第i个储能设备的k-1时刻的荷电状态，η
i,c
为第i个储能设备的充电效率，η
i,d
为第i个储能设备的放电效率，为储能设备的物理参数，为k时段第i个储能设备的充电功率，为k时段第i个储能设备的放电功率，为第i个储能设备的额定容量，δt为k-1时刻和k时刻的时间差；为第i个储能设备在保障设备安全的前提下，荷电状态的最小值，为第i个储能设备在保障设备安全的前提下，荷电状态的最大值，nk为k时段并网储能设备的集合。
[0100]
在本发明的描述中，需要说明的是，术语“第一”和“第二”仅用于区分描述，而不能
理解为指示或暗示相对重要性。
[0101]
以上仅为说明本发明的实施方式，并不用于限制本发明，对于本领域的技术人员来说，凡在本发明的精神和原则之内，不经过创造性劳动所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。