智能楼宇型虚拟电厂参与能量调频的控制方法及系统

摘要

本发明涉及一种智能楼宇型虚拟电厂参与能量调频的控制方法及系统，所述智能楼宇型虚拟电厂包括光伏和空调负荷虚拟储能，该方法包括以下步骤：建立以日运行成本最小为目标的随机规划模型；采用时齐马尔可夫链获得日前市场价格与预测光伏出力的不同场景及其概率；基于所述日前市场价格、不同场景及其概率对所述随机规划模型进行求解；以求解结果对智能楼宇型虚拟电厂的运行状态进行控制。与现有技术相比，本发明具有稳定性高、调控灵活性高等优点。

说明书

技术领域

本发明涉及一种电网控制方法，尤其是涉及一种智能楼宇型虚拟电厂参与能 量调频的控制方法及控制系统。

背景技术

在分布式可再生能源与负荷控制技术大力发展的背景下，虚拟电厂成为需求侧资源参与电力市场调节的主要媒介。虚拟电厂通过对分布式资源的有效聚合，有效 减轻电网调度负担，实现了电力系统的多方共赢。智能楼宇作为一种包含分布式电 源与可控负荷的特殊虚拟电厂，具有较高研究价值。目前针对虚拟电厂尤其是楼宇 型虚拟电厂同时参与能量-调频市场的研究还比较欠缺。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种稳定性高、调控灵活性高的智能楼宇型虚拟电厂参与能量调频的控制方法及控制系统。

本发明的目的可以通过以下技术方案来实现：

一种智能楼宇型虚拟电厂参与能量调频的控制方法，所述智能楼宇型虚拟电厂包括光伏和空调负荷虚拟储能，该方法包括以下步骤：

建立以日运行成本最小为目标的随机规划模型；

采用时齐马尔可夫链获得日前市场价格与预测光伏出力的不同场景及其概率；

基于所述日前市场价格、不同场景及其概率对所述随机规划模型进行求解；

以求解结果对智能楼宇型虚拟电厂的运行状态进行控制。

进一步地，所述随机规划模型的目标函数为：

其中，I为随机规划选取的总场景数；ω

进一步地，所述场景i下虚拟电厂参与能量和调频市场的总交易成本

其中，

进一步地，所述场景i下虚拟电厂未能响应市场调度信号的惩罚成本

其中，

进一步地，所述光伏因参与虚拟电厂而产生的预期调控成本f

其中，

进一步地，所述虚拟储能因参与虚拟电厂而产生的预期调控成本f

其中，

进一步地，所述随机规划模型的约束条件包括光伏在能量市场和调频辅助服务市场的容量约束、空调负荷虚拟储能特性下可贡献的上下调频容量约束、虚拟电厂 的总调频容量约束、虚拟电厂参与能量市场的预期响应偏差约束和虚拟电厂参与调 频市场无法满足的最大调频容量偏差约束。

本发明还提供一种智能楼宇型虚拟电厂参与能量调频的控制系统，所述智能楼宇型虚拟电厂包括光伏和空调负荷虚拟储能，该系统包括：

模型构建模块，用于建立以日运行成本最小为目标的随机规划模型；

数据准备模块，用于采用时齐马尔可夫链获得日前市场价格与预测光伏出力的不同场景及其概率；

求解模块，用于基于所述日前市场价格、不同场景及其概率对所述随机规划模 型进行求解；

控制模块，以求解结果对智能楼宇型虚拟电厂的运行状态进行控制。

本发明还提供一种计算机设备，包括：

处理器；

存储处理器可执行指令的存储器；

其中，所述处理器耦合于所述存储器，用于读取所述存储器存储的程序指令， 并作为响应，执行以上所述方法的步骤。

本发明还提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序 被处理器执行时实现以上所述方法的步骤。

与现有技术相比，本发明具有如下有益效果：

本发明将虚拟电厂同时参与能量-调频市场的容量控制，有效提高电力网络稳 定性，而且相比于单独参与能量市场具有明显的经济优势，而空调负荷虚拟储能的 参与为虚拟电厂提供了更多的调控灵活性。

附图说明

图1为本发明方法的流程示意图；

图2为虚拟电厂负荷基线与虚拟储能充放电容量图；

图3为虚拟电厂参与调频市场的各时段竞标容量图；

图4为两种策略下虚拟电厂的能量市场竞标量对比图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范 围不限于下述的实施例。

实施例1

本实施例提供一种智能楼宇型虚拟电厂参与能量调频的控制方法，所述智能楼宇型虚拟电厂包括光伏和空调负荷虚拟储能，如图1所示，该方法包括以下步骤：

步骤1：建立以日运行成本最小为目标的随机规划模型。

所述随机规划模型的目标函数为：

其中，I为随机规划选取的总场景数；ω

场景i下虚拟电厂参与能量和调频市场的总交易成本

其中，

所述场景i下虚拟电厂未能响应市场调度信号的惩罚成本

其中，

所述光伏因参与虚拟电厂而产生的预期调控成本f

其中，

所述虚拟储能因参与虚拟电厂而产生的预期调控成本f

其中，

式(6)中，

随机规划模型的约束条件包括光伏在能量市场和调频辅助服务市场的容量约束、空调负荷虚拟储能特性下可贡献的上下调频容量约束、虚拟电厂的总调频容量 约束、虚拟电厂参与能量市场的预期响应偏差约束和虚拟电厂参与调频市场无法满 足的最大调频容量偏差约束。

考虑光伏出力的不确定性，引入辅助决策变量

空调负荷虚拟储能特性下可贡献的上、下调频容量取值范围为：

其中，α

虚拟电厂的总调频容量为屋顶光伏和空调负荷虚拟储能提供的调频容量之和：

考虑调频市场的调用率，虚拟电厂参与能量市场的预期响应偏差

其中，L

虚拟电厂参与调频市场无法满足的最大调频容量偏差可表示为如下约束：

值得注意的是，由于负荷预测的精度高于光伏出力预测的精度，该方法将负荷 预测的误差纳入光伏预测误差，不再单独考量。

步骤2：采用时齐马尔可夫链(time-homogeneous Markov chain)获得日前市 场价格与预测光伏出力的不同场景及其概率。

步骤3：基于所述日前市场价格、不同场景及其概率对所述随机规划模型进行 求解。

步骤4：以求解结果对智能楼宇型虚拟电厂的运行状态进行控制。

本实施例以某现代化商业区为例评估智能楼宇型虚拟电厂同时参与能量-调频市场竞标、实现能源控制的有效性。夏季某日商业区的负荷基线以及根据室外温度 及空调功率计算得到的各时段空调负荷虚拟储能充、放电容量如图2所示。虚拟储 能的单位调频容量成本为0.0015USD/kW，调频响应率为80％。屋顶光伏的安装容 量为4MW，发电边际成本为0.005USD/kWh，参与调频成本为0.002USD/kW。虚 拟电厂参与调频辅助服务市场的中标概率为0.6，调频容量最终被调用的概率为0.7。

利用上述数据求解得到的智能楼宇型虚拟电厂参与上、下调频市场的竞标容量及其组成关系如图3所示。虚拟电厂同时参与能量-调频市场(Case 1)与只参与能 量市场(Case 2)时的能量市场竞标量对比由图4给出。

由图3可以看出，由于光伏出力和空调负荷在时间上的相关性，虚拟电厂参与 调频辅助服务市场的竞标时段主要集中在白天。同时，空调负荷虚拟储能提供的上、 下调频容量相差不大，而光伏在同一时段则会选择性的提供一种调频容量。此外， 光伏全天提供的下调频总容量明显比上调频总容量大，这主要是由于一般情况下光 伏提供下调频时因弃光而产生的机会成本比光伏提供上调频而无法获取能量市场 收益的机会成本小，即便调频市场在出清时会考虑因不能参与能量市场而造成的损 失。

从图4中容易得知，虚拟电厂采用同时参与能量、调频市场的竞标策略时，在 午间光伏出力较大时段会选择从能量市场购入高于实际需求的电量，以满足提供调 频容量的需要，说明在拥有相同资源的情况下虚拟电厂参与调频辅助服务市场的积 极性更高，从而可进一步扩大自身的经济效益。但如果虚拟电厂参与调频市场的实 际响应指标较差，导致其在调频市场中的容量中标率降低，则会出现完全不同的结 果。

以上分析对比了两种情况下虚拟电厂参与能量市场时的不同行为。为了进一步说明智能楼宇型虚拟电厂在考虑空调负荷虚拟储能时同时参与能量、调频市场的策 略优势，本实施例对比了三种情况下虚拟电厂的期望运行成本，如表1所示。其中， Case 1即为本发明提出的方案，考虑空调负荷虚拟储能，并同时参与能量-调频市 场；Case 2中虚拟电厂也同时参与能量-调频市场，但不考虑空调负荷虚拟储能； Case 3中虚拟电厂只参与能量市场，且不考虑虚拟储能。

表1不同市场策略下虚拟电厂运行成本比较

从表中可以看出，采用本发明提出的虚拟电厂优化控制方法得到的预期运行成本比虚拟电厂只参与能量市场时降低了约63％，说明虚拟电厂利用资源的可调控 性参与调频辅助服务市场具有显著的经济效益。同时，利用空调负荷的虚拟储能特 性提供调频容量可进一步扩大虚拟电厂参与调频市场的经济优势。

实施例2

本实施例提供一种智能楼宇型虚拟电厂参与能量调频的控制系统，所述智能楼宇型虚拟电厂包括光伏和空调负荷虚拟储能，该系统包括：模型构建模块，用于建 立以日运行成本最小为目标的随机规划模型；数据准备模块，用于采用时齐马尔可 夫链获得日前市场价格与预测光伏出力的不同场景及其概率；求解模块，用于基于 所述日前市场价格、不同场景及其概率对所述随机规划模型进行求解；控制模块， 以求解结果对智能楼宇型虚拟电厂的运行状态进行控制。

其余同实施例1。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员 无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领 域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的 实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。