一种农村虚拟电厂的协调优化方法和装置

本发明涉及电力，尤其涉及一种农村虚拟电厂的协调优化方法和装置。

背景技术：

1、农村地区存在大量的秸秆，以及较低的人口密度、广阔的土地面积，为屋顶光伏和分散式风电提供了可用的空间资源。分布式能源具有能效高、污染少、灵活性强、系统经济性好等优势，将对未来电力系统的发展起到至关重要的作用。而虚拟电厂（virtual powerplant，vpp）的提出，给农村分布式资源调度带来了发展契机。

2、目前针对虚拟电厂协调优化方法主要集中在风电、光伏、储能和用户需求响应的电能量交互方面，去寻求不同类型的机组协调优化的最佳运行策略。但以上研究都未能考虑农村地区特有的生物质能发电和垃圾焚烧发电等主要的发电形式，对于生物质能转换、垃圾焚烧对环境造成的影响有所欠缺，因此亟需提出耦合农村地区特有资源的虚拟电厂结构进行协调优化。

3、与此同时，风光等分布式资源出力不确定性的特点会导致虚拟电厂运行产生偏差，如何有效应对这种波动因素是保证系统安全稳定运行的重要前提。目前采用的处理方法是随机规划和鲁棒优化。随机优化是基于随机变量的概率分布，将系统约束描述为机会约束，但其训练时间比较长，需要大量的数据作为支撑，代表方法有蒙特卡洛模拟、信息间隙决策等。而鲁棒优化则是采用不确定参数区间来描述不确定性，但预估时参数存在预估风险，代表方法有milp模型和鲁棒优化。为此亟需结合二者优势，寻求更为精准的刻画风光等分布式资源出力不确定性。

技术实现思路

1、鉴于上述的分析，本发明实施例旨在提供一种农村虚拟电厂的协调优化方法和装置，用以解决现有虚拟电厂未考虑农村地区特有的生物质能发电和垃圾焚烧发电，不确定性的随机优化需要大量数据且训练时间长以及鲁棒优化预估时参数存在预估风险的问题。

2、一方面，本发明实施例提供了一种农村虚拟电厂的协调优化方法，包括：基于农村虚拟电厂的生物质垃圾转换系统bws、分布式可再生能源dre和灵活性负荷集群flc分别建立相应的单元出力模型；对所述分布式可再生能源中的风光出力不确定性进行处理，然后通过场景消减生成风光预测出力场景集合；基于需求侧碳排放交易机制计算碳交易成本；基于所述碳交易成本、所述相应的单元出力模型建立两阶段电碳协调优化模型，所述两阶段电碳协调优化模型包括用于最小化总调度成本的日前调度优化模型和用于最小化系统偏差调整成本的实时调度优化模型，其中，所述实时调度优化模型用于平抑日前阶段的所述风光出力不确定性造成的偏差。

3、上述技术方案的有益效果如下：构建了聚合生物质能、垃圾和风光等分布式可再生资源的农村新型虚拟电厂bdf-vpp，其中，bdf-vpp为包括生物质垃圾转换系统bws（biomass waste conversion system）、分布式可再生能源dre（distributed renewableenergy）和灵活性负荷集群flc（flexible load cluster）的虚拟电厂vpp （virtual powerplant）。考虑灵活性负荷资源，包括电动汽车负荷集群和用户可调节负荷参与调度，并且加入阶梯型碳交易机制来引导发电机组减少碳排放，为bdf-vpp提出了多时间尺度调度优化的求解思路。

4、基于上述方法的进一步改进，基于需求侧碳排放交易机制计算碳交易成本包括：在所述农村虚拟电厂运行过程中，垃圾和生物质燃烧发电带来的碳排放，通过在需求侧引入碳排放交易机制控制二氧化碳排放；所述需求侧碳排放交易机制包括：当所述虚拟电厂单元的实际碳排放量高于其分配额时，从碳交易市场购买碳排放权同时增加所述虚拟发电厂的碳交易成本；当所述虚拟电厂单元的实际碳排放量低于其分配额时，在所述碳交易市场出售剩余的碳排放权以获得碳交易收益。

5、基于上述方法的进一步改进，基于需求侧碳排放交易机制计算碳交易成本包括：通过以下公式计算碳交易总成本线性函数：

6、；

7、；

8、通过以下公式计算所述虚拟电厂实际的总排放量：

9、；

10、通过以下公式计算所述虚拟电厂的无偿碳排放权分配额度：

11、；

12、通过以下公式计算各机组的碳排放权分配额度：

13、；

14、通过以下公式计算碳交易价格分段区间：

15、；

16、其中，ec表示虚拟电厂实际的总碳排放量；es,c、egt,c、edre,c和egrid,c分别表示烟气处理机组、燃气轮机、可再生发电单元和外购电能的实际碳排放量；etotal表示整个系统的无偿碳排放权分配额度；es、egt、edre和egrid分别表示所述烟气处理机组、所述燃气轮机、所述可再生发电单元和所述外购电能的碳排放权分配额度；μ是初始碳交易价格；α表示碳价增长率，取值为0.25；d为碳排放量区间长度，按照碳排放权差值划分；将ec-etotal设置为初始区间e0，en表示第n段碳排放量区间长度，n为区间数目，初始值取5，且e0≤0，0≤en≤d；δe表示单位供电功率的碳排放权分配额，t为一天的24个时段；pi,t(i=s,gt,dre,grid)表示各碳排计量单元在第t个时段的电功率。

17、基于上述方法的进一步改进，对所述分布式可再生能源中的风光出力不确定性进行处理包括：通过韦伯分布表示自然风速的概率密度f(v)和太阳辐射强度f(r)：

18、 ；

19、；

20、其中，v为任意时刻的风速；k为韦伯分布的尺度参数；c为形状参数；r是t时段太阳辐照度；rmax是t时段太阳最大辐照度；α和β是beta分布的形状参数，γ(α)、γ(β)和γ(α+β)分别表示自变量为α、β、α+β的伽马函数，所述伽马函数为：

21、。

22、基于上述方法的进一步改进，通过场景消减生成风光预测出力场景集合包括：经过拉丁超立方采样从风光初始出力场景d中选择风光预测出力的n个场景并结合kantorovich距离将所述n个场景消减为n个场景， n≤n≤d，其中，结合kantorovich距离将n个场景消减为n个场景进一步包括：步骤一：初始化每个预测场景的概率值为pi=1/n，初始缩减场景数n=n；步骤二：从所述初始缩减场景数n中选取任意两个场景i和j，其中，所述两个场景i和j的场景数据为：xk,i=[x1,i,…,xk,i];xk,j=[x1,j,…,xk,j]；

23、通过以下公式计算所述两个场景i和j的kantorovich距离s(i,j)，

24、；

25、其中，xm,i和xm,j分别表示在场景i和j下时刻m的新能源出力；

26、步骤三：通过以下公式计算场景i和场景j的kantorovich距离与场景概率的乘积：；

27、然后遍历除场景i之外的所有场景，将与场景i的距离ps(i,j)最小的场景记作场景r，并删除该场景，同时更新减少的场景数n=n-1,则场景i的概率值更新为pi=pi+pr。

28、步骤四：对于每个场景重复步骤三，最终削减后生成n个场景，n个场景所得到的最终样本矩阵为xk,n，并将最终样本矩阵xk,n用于计算偏差参与所述实时调度优化模型的实时调度，

29、。

30、基于上述方法的进一步改进，所述日前调度优化模型包括：基于农村虚拟电厂的生物质垃圾转换系统bws、分布式可再生能源dre和灵活性负荷集群flc获取所述总调度成本，然后在包括电力供需平衡约束、bws运行约束、dre运行约束、flc运行约束和旋转备用容量约束的约束条件下，将最小化所述总调度成本作为第一目标函数；所述实时调度优化模型，用于调用柔性负荷响应集群及各单元增量出力进行日内修正，使得修正过后的变量值与日前预测的参考值尽量一致，当不同灵活性能量单元改变出力计划时，产生相应的系统偏差调整成本，然后在包括日内负荷供需平衡约束、用户需求响应运行约束的约束条件下，将最小化所述系统偏差调整成本作为第二目标函数。

31、基于上述方法的进一步改进，通过以下公式表示所述第一目标函数：

32、；

33、；

34、其中，fday-ahead为调度成本；cbws、cdre、cflc分别表示bws、dre、flc模块的调度成本；kgt、kwpp、kpv、kshs分别表示燃气轮机、风电、光伏、小水电站单位产能运维成本系数；ks表示烟气处理系统单位产能运维成本系数；ps,t为t时刻烟气处理系统的耗电功率；pgt,t为t时刻燃气轮机的发电功率；pwpp,t表示时刻t风力发电的功率；ppv,t表示时刻t光伏的输电功率；pshs,t表示时刻t小水电站的发电功率；ceva、ca、cb分别表示电动汽车、pbdr、ibdr的调度成本；cinv表示风电、光伏的建设投资成本；农村虚拟电厂的总投资成本表示通过等额分配到运行周期中的每一年的成本值，折算到单位时间的公式如下：

35、；

36、；

37、其中，cinv,wpp、cinv,pv分别代表风电单位时间的投资成本、光伏单位时间的投资成本；r为折现率；n为全生命周期；uinv,i表示第i种设备的单位数量/面积投资成本；sinv,i表示第i种设备的安装数量/面积；

38、所述电力供需平衡约束包括：

39、；

40、其中，pload,t表示总的电负荷需求；表示参与调度的价格型需求响应；、表示由历史数据得到的日前wpp、pv出力；

41、所述bws运行约束包括：

42、在利用生物质能进行发电的过程中，满足发电出力阈值约束和上下爬坡约束：

43、；

44、；

45、；

46、；

47、；

48、；

49、其中，pgt,n、pw,n、ps,n为燃气轮机、垃圾发电和烟气处理系统的额定电功率，单位为kw；，分别为沼气存储罐和烟气存储罐的最大存储容量，单位为m3；α2,t和α3,t分别表示时刻t进入储气装置的烟气流量和时刻t从储气装置进入反应塔的烟气流量；和分别为时刻t沼气罐供给b2g装置的沼气流量和时刻t沼气存储罐的沼气流出量；

50、所述沼气存储罐和所述烟气存储罐满足最大存储量约束以及流量平衡约束：

51、；

52、；

53、其中，表示在时刻t-1烟气存储罐的存储容量；

54、所述dre运行约束包括：

55、；

56、；

57、；

58、其中，，，分别表示风电、光伏和小水电机组发电的额定出力；

59、所述flc运行约束包括：

60、通过以下公式表示时段t提供需求响应负荷量的最小最大响应能力约束，以及电动汽车充电功率大小满足最大额定功率约束：

61、；

62、；

63、其中，△ppb,t表示时段t提供价格型需求响应的负荷量，和分别为所述价格型需求响应的最小负荷量和最大负荷量；表示电动汽车在时刻t的充电功率；为电动汽车的最大充电功率。

64、所述旋转备用容量约束包括：

65、；

66、；

67、其中，和分别表示农村虚拟电厂的最大出力和最小出力；pvpp,t表示所述农村虚拟电厂在时刻t的发电出力；表示柔性负荷的最大需求响应能力；ωdr表示负荷的备用系数，pdr,t表示时刻t参与调度的需求响应总功率；和表示wpp的上下旋转备用系数；和表示光伏的上下旋转备用系数。

68、基于上述方法的进一步改进，通过以下公式表示所述第二目标函数：

69、；

70、；

71、其中，freal-time为系统偏差调整成本；△cbws,t、△celc,t表示风光不确定性引起的生物质能转换发电单元、负荷需求响应单元的出力调整成本；△cgrid,t表示所述农村虚拟电厂与上级电网的交互成本；△pgt,t为燃气轮机在时段t的增量出力；、表示时刻t提供需求响应的负荷状态，为0-1变量；、表示ibdr在时段t响应输出的上/下响应出力；δ表示向下出力的高价格补偿率，γ表示向上出力的打折价率；pg,t和pgrid,t为所述农村虚拟电厂与上级电网交互时刻的电价和电量，表示上级购电带来的碳交易成本；所述日内负荷供需平衡约束包括：

72、为应对wpp和pv不确定性，所述日内调度阶段通过调用燃气轮机、激励型用户需求响应以及向外部配网购电来满足能量供需平衡约束：

73、；

74、；

75、其中，△pdre,t表示风光出力不确定导致的系统偏差量；△pgt,t表示日内负荷集群在时段t接受调度时燃气轮机的增量出力，通过调整沼气罐存储量来实现目的；pgrid,t表示外部购电量；和分别表示wpp、pv实时阶段出力；

76、；

77、；

78、其中，n表示不确定性抽样得到的场景数量；和分别表示第i个场景下时刻t的wpp、pv出力；αwpp,i和αpv,i分别表示wpp和pv机组在第i个场景的概率值；

79、所述用户需求响应运行约束包括：

80、在激励型负荷集群被临时调用以快速响应预测出力偏差时，整个过程考虑负荷提供响应出力的上下爬坡约束和启停次数限制：

81、；

82、；

83、其中，、表示激励型需求响应ibdrs提供的响应输出的上/下爬坡能力；表示响应最大启停次数。

84、基于上述方法的进一步改进，基于农村虚拟电厂的生物质垃圾转换系统bws、分布式可再生能源dre和灵活性负荷集群flc分别建立相应的单元出力模型进一步包括：bws单元出力模型包括：

85、；

86、；

87、其中，vg,t表示时刻t标准天然气的流量；ηb2g表示水洗沼气转天然气的效率；pgt,t为时刻t燃气轮机发电功率；ηgt为发电效率；γg为热量单位转换系数，kw·h/kj；lvhg为天然气热值，kj/m3；vm,t表示时刻t产生的沼气流量；

88、；

89、其中，ps,t为时刻t烟气处理系统的耗电功率；γs为烟气处理系统的单位处理能耗系数；α1,t为时刻t进入反应塔的烟气流量；α3,t为时刻t从储气装置进入反应塔的烟气流量；

90、dre单元出力模型包括：

91、；

92、其中，pwpp,t表示时刻t风力发电的功率；vt表示时刻t的风速，m/s；vin和vout表示风机的切入风速和切出风速；vc为额定风速，达到额定风速且机组安全运行的情况下，机组以大小为gc进行额定出力；

93、；

94、其中，stc表示标准测试条件下，以太阳辐度为1000w/m2，光伏电池温度为25°c条件下出力为修正标准；则为光伏在stc下最大输出功率，ppv,t表示时刻t光伏的输电功率；kt表示功率温度系数，%/°c，tpv,t和tstc分别表示时刻t电池板实际工作温度和电池板额定工作温度；rpv,t和rstc分别表示时刻t实际太阳辐射强度和电池板额定太阳辐射强度，w/m2;

95、；

96、其中，pshs,t表示时刻t小水电站的发电功率；ηshs为小水电的发电效率；ρ为重力加速度；表示时刻t的河流径流量；ht为净水头高度，等于尾水管出口段坝前水位和尾水管出口段水位之差，即ht=zu-zd；

97、flc单元出力模型包括：

98、；

99、；

100、其中，表示时刻t的pbdr提供的负荷变动量；表示时刻t的初始负荷；表示时刻t的初始电价；△ls表示时刻t的负荷变化量；△pt表示时刻t的电价变化量；ett和est分别表示自弹性系数和交叉弹性系数；

101、；

102、；

103、其中，表示ibdr在时刻t提供的负荷变动量；和表示ibdr在时刻t提供的向上、向下负荷响应状态，是0-1变量，1表示提供ibdr负荷需求响应；和表示ibdr在时刻t提供的向上、向下负荷需求量。

104、另一方面，本发明实施例提供了一种农村虚拟电厂的协调优化装置，包括：出力模型构建模块，用于基于农村虚拟电厂的生物质垃圾转换系统bws、分布式可再生能源dre和灵活性负荷集群flc分别建立相应的单元出力模型；不确定性处理及消减模块，用于对所述分布式可再生能源中的风光出力不确定性进行处理，然后通过场景消减生成风光预测出力场景集合；碳交易成本生成模块，用于基于需求侧碳排放交易机制计算碳交易成本；两阶段电碳协调优化模型，用于基于所述碳交易成本、所述相应的单元出力模型建立两阶段电碳协调优化模型，所述两阶段电碳协调优化模型包括用于最小化调度成本的日前调度优化模型和用于最小化系统偏差调整成本的实时调度优化模型，其中，所述实时调度优化模型用于平抑日前阶段的所述风光出力不确定性造成的偏差。

105、与现有技术相比，本发明至少可实现如下有益效果之一：

106、1、构建了聚合生物质能、垃圾和风光等分布式可再生资源的农村新型虚拟电厂bdf-vpp，考虑灵活性负荷资源，包括电动汽车负荷集群和用户可调节负荷参与调度，并且加入阶梯型碳交易机制来引导发电机组减少碳排放，为bdf-vpp提出了多时间尺度调度优化的求解思路；

107、2、日前阶段以系统总调度成本最小运行获得计划出力方案；日内阶段采用拉丁超立方抽样和kantorovich距离模拟风光的出力场景，计算与日前出力方案的偏差，构建调整偏差成本最小化的目标进行优化，调用机组增量出力和用户需求响应来平抑偏差，最终获得日内最优出力方案；

108、3、本技术聚合化利用农村分布式能源，更好地促进风电和光伏的消纳，推进我国电力系统转型。拉丁超立方是一种分层采样法，能够保证样本整体空间的覆盖，从而使得采样值能够较好地反映变量的整体分布，相比于简单的蒙特卡洛采样，可以更精确地识别所采样的概率分布特性；结合kantorovich距离进行二次场景缩减能够进一步降低调度优化的计算量。

109、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。