城市电网需求侧能源资源动态聚合决策及信息系统研究

摘要

随着能源和环境问题的日益严峻，风电光伏等分布式发电资源具有建设安装周期短、总投资少、靠近负荷中心、易于消纳、控制灵活等优点，得到了迅速发展;随着智能电网的建设和电力体制改革的深化，配电网侧分布式储能、电动汽车及需求侧响应负荷等资源逐步增多。本文将这些电网负荷侧具有一定调节和响应能力的资源，统称为需求侧能源资源(Demand Side Energy Resources，DSER)。这些需求侧能源资源出力特性迥异，规模不等，且分布分散，如何对这些资源进行充分挖掘，并高效利用，对于电网尤其是负荷密度高，峰谷差大的城市电网的经济安全稳定运行，有着极其重要的意义。
　　本文针对城市电网中DSER的高效利用问题，在当前研究的基础上，基于多时间尺度，综合运用综合评价、优化理论、预测理论及投资组合理论，建立了一套较为完善的需求侧能源资源评估、规划、综合开发及利用的决策体系与方法，集中解决了DSER的资源评价与规划、DSER的综合利用能源效率、DSER运营方的效益保证等问题，以期为需求侧能源资源的管理与决策提供科学的理论与方法依据。论文的主要研究工作如下:
　　(1)为准确评估需求侧能源资源的现状和发展潜力，提出了基于地理信息的需求侧能源资源的评估模型。针对风电、光伏、电动汽车、储能和灵活负荷五种需求侧能源资源，在分析各类资源的特性的基础上，分别提出关注资源开发效益和潜力的基础指标以及关注资源出力特性及成本的特色指标;然后分别采用层次分析法和熵权法确定基础指标和特色指标下各细化指标的权重;最后根据各指标的权重及量化值加权叠加，得到该地区各种需求侧能源资源的综合得分，通过算例验证了该评估模型能对城市电网地块上承载的需求侧能源资源进行精细化的有效评估，为城市需求侧能源资源的发展规划提供支撑。
　　(2)针对需求侧能源资源的高效利用问题，提出了基于地理决策分区的充分考虑需求侧能源资源互补特性的虚拟电厂的优化聚合模型。首先基于地块DSER评估结果，提出虚拟电厂决策区的细致划分准则，确定代表区域内各种资源的决策变量;其次，为得到具有较低日均成本、良好负荷特性并保证分布式电源消纳和较高聚合程度的虚拟电厂，建立了多目标的虚拟电厂优化聚合模型，并采用基于优先选择度的改进蝙蝠算法对模型进行求解;最后，通过算例分析验证模型的正确性及有效性。
　　(3)针对需求侧能源资源短期出力的不确定性问题，提出了需求侧能源资源的短期预测模型，包括风电、光伏短期出力预测和电价短期预测，为后续需求侧能源资源的优化运营决策提供支撑。首先，采用小波神经网络预测风电和光伏出力，并结合误差分析，分别建立了基于风力相似度确定相似日的风电误差概率密度函数和基于季节和天气类型划分的光伏误差概率密度函数;其次，对得到的概率密度函数进行抽样，得到误差抽样值，经过波动性分析，确定出各个预测点的误差拟合值;最后，通过将预测值与拟合值叠加修正，提高预测精度。电价预测的主要思想是通过小波分解将电价曲线的原始数据分解成概貌和细节不同的多个序列，然后针对不同序列分别进行ARIMA预测，最后通过重构得到最终的预测结果。
　　(4)针对DSER经营者的收益需求，提出了需求侧能源资源的动态优化运营决策模型。首先针对由风电、光伏、储能等资源优化聚合的虚拟电厂进行了盈利模式分析，构建了虚拟电厂在日前市场和辅助服务市场的动态优化运营模型，通过算例验证了该模型通过合理分配虚拟电厂的出力，能有效提高经营者的收益;其次针对未参与虚拟电厂构建的DSER，以光伏电站和储能电站为研究对象，建立了光伏电站和储能电站的动态联合运营决策模型，根据外部条件的变化，动态决策是否联营，以达到提高光伏电站收益和储能收益的双赢优化联营策略。
　　(5)提出了基于驱动模型的需求侧能源资源评估及运营决策支持系统设计方案。首先，设计了DSER评估系统、DSER优化聚合系统、DSER短期预测系统和DSER优化运营策略系统四个子系统的功能需求;其次从系统需求分析和设计、系统结构组成及功能、系统界面设计及结果展示等方面进行了阐述;最后结合DSER评估及运营决策支持系统的建设方案进行了实例开发和分析。

目录

声明

摘要

第1章 绪论

1．1 选题背景及意义

1．1．1 选题背景

1．1．2 选题意义

1．2 国内外研究现状

1．2．1 资源特性评估研究现状

1．2．2 资源聚合研究现状

1．2．3 需求侧资源短期预测研究现状

1．2．4 资源运营策略研究现状

1．3 主要研究内容及框架

1．4 论文研究创新点

第2章 需求侧能源资源动态聚合决策理论框架设计

2．1 需求侧能源资源定义

2．2 我国需求侧能源资源的发展

2．2．1 分布式光伏资源

2．2．2 分散式风电资源

2．2．3 储能资源

2．2．4 电动汽车资源

2．2．5 柔性负荷资源

2．3 需求侧能源资源动态聚合决策问题及理论框架

2．3．1 DSER动态聚合决策问题分析

2．3．2 需求侧能源资源动态聚合决策理论框架设计

2．4 本章小结

第3章 基于地理信息的需求侧能源资源评估模型

3．1 需求侧能源资源的特性分析

3．2 需求侧能源资源评估模型的指标体系

3．3 基础指标的选取

3．3．1 效益指标

3．3．2 资源开发情况指标

3．3．3 发展潜力指标

3．4 特色指标的选取

3．4．1 风光资源特色指标

3．4．2 电动汽车和储能资源特色指标

3．4．3 灵活负荷资源特色指标

3．5 指标权重的确定

3．5．1 评价指标标准化

3．5．2 基础指标权重的计算

3．5．3 特色指标权重的计算

3．5．4 综合评估模型

3．6 算例分析

3．6．1 评价指标标准化

3．6．2 基础指标权重的计算

3．6．3 特色指标权重的计算

3．6．4 综合评估结果

3．7 本章小结

第4章 基于地理决策分区的虚拟电厂优化聚合决策模型

4．1 虚拟电厂优化聚合的地理决策分区

4．1．1 虚拟电厂

4．1．2 需求侧能源资源出力模型

4．1．3 虚拟电厂优化聚合的地理决策区划分

4．2 多目标虚拟电厂优化聚合模型

4．2．1 目标函数

4．2．2 约束条件

4．3 基于优先选择度蝙蝠算法的优化模型求解

4．3．1 蝙蝠算法

4．3．2 基于优先选择度的改进蝙蝠算法

4．4 算例分析

4．4．1 地理决策区划分和区域资源种类的确定

4．4．2 虚拟电厂优化聚合结果分析

4．5 本章小结

第5章 需求侧能源资源的短期预测模型

5．1 风电出力预测模型

5．1．1 基于风力条件相似度的相似日选取

5．1．2 基于风力条件相似度及误差校正的风电出力误差拟合值确定

5．1．3 基于波动性分析的风电功率预测误差的补偿值的生成

5．1．4 基于风力条件相似度及误差校正的风电出力预测模型

5．1．5 算例验证

5．2 光伏出力预测模型

5．2．1 典型天气类型的划分

5．2．2 基于正态分布的典型天气类型下的光伏功率预测误差分布

5．2．3 典型天气类型下基于误差校正的光伏发电功率短期预测模型

5．2．4 算例验证

5．3 电价预测模型

5．3．1．小波变换

5．3．2 ARIMA模型

5．3．3 算例分析

5．4 本章小结

第6章 需求侧能源资源的动态优化运营决策模型

6．1 虚拟电厂动态优化运营决策模型

6．1．1 虚拟电厂电量上网模式

6．1．2 虚拟电厂上网电量考核准则

6．1．3 虚拟电厂的盈利途径分析

6．1．4 虚拟电厂出力典型场景的生成

6．1．5 虚拟电厂动态优化运营决策模型

6．1．6 模型求解

6．1．7 算例分析

6．2 光储联合动态优化联营决策模型

6．2．1 光储联合运营分析

6．2．2 光伏电站收益模型

6．2．3 储能电站收益模型

6．2．4 模型求解

6．2．5 算例分析

6．3 本章小结

第7章 需求侧能源资源评估及运营决策支持系统设计

7．1 系统开发意义与目的

7．2 系统需求分析

7．2．1 需求侧能源资源评价

7．2．2 需求侧能源资源聚合

7．2．3 需求侧能源资源的短期出力预测

7．2．4 需求侧能源资源优化运营策略

7．3 系统模块组成及设计

7．3．1 基础数据库

7．3．2 模型库

7．3．3 知识库

7．3．4 方法库

7．4 需求侧能源资源评估及运营决策支持系统的实现

7．4．1 系统主界面

7．4．2 需求侧能源资源评估

7．4．3 需求侧能源资源聚合

7．4．4 需求侧能源资源的短期出力预测

7．4．5 需求侧能源资源优化运营策略

7．5 本章小结

第8章 研究成果与结论

参考文献

攻读博士学位期间发表的学术论文

攻读博士学位期间参加的科研工作

致谢

作者简介