一种多区域虚拟电厂协调优化调度方法

摘要

本发明公开了一种多区域虚拟电厂协调优化调度方法，属于电力调度技术领域,具体包括以下步骤：(1)进行各区域虚拟电厂发电功率上下限分析；(2)建立多区域虚拟电厂协调优化调度模型；(3)采用樽海鞘群算法对优化调度模型进行求解。本发明提出了一种多区域虚拟电厂协调优化调度方法，通过分析各区域用户侧空调以及电动汽车的调控潜力，将其聚合形成虚拟电厂，对各区域虚拟电厂发电功率进行上下限预测，进一步建立以网络损耗最小为目标的多区域虚拟电厂协调优化调度模型，采用樽海鞘群算法进行优化调度模型求解，为通过多区域虚拟电厂联合调度实现电网损耗最小化提供了技术支撑。

说明书

技术领域

本发明属于电力调度技术领域，具体涉及一种多区域虚拟电厂协调优化调度方法。

背景技术

虚拟电厂是构建规模化、常态化、精准化分布式资源可调能力的有效手段，它能够有效地实现分布式资源与电力系统友好互动，实现各类资源的整合与分配，具有极大的应用价值。目前，虚拟电厂已在世界范围内进行了多次实践，虚拟电厂的发展也为电力系统调度带来的新的挑战，不合理的调度往往会使电力网络损耗增加，降低电网运行的经济性。现有研究主要集中于虚拟电厂内部协调控制、交易竞价以及单个虚拟电厂的优化调度方面，缺乏针对多个区域内虚拟电厂进行协调优化调度的相关研究。

发明内容

本发明的发明目的是针对上述背景技术的不足，本发明提供一种多区域虚拟电厂协调优化调度方法，通过分析各区域用户侧空调和电动汽车的调控潜力，将其聚合形成虚拟电厂，对各个区域虚拟电厂发电功率进行上下限预测，进一步建立以网络损耗最小为目标的多区域虚拟电厂协调优化调度模型，采用樽海鞘群算法进行优化调度模型求解，为通过多区域虚拟电厂联合调度实现电网损耗最小化提供了技术支撑。

本发明的目的可以通过以下技术方案实现：一种多区域虚拟电厂协调优化调度方法，包括以下步骤：

(1)进行各区域虚拟电厂发电功率上下限分析；

(2)建立多区域虚拟电厂协调优化调度模型；

(3)采用樽海鞘群算法对优化调度模型进行求解。

具体的所述步骤(1)包括如下步骤：

首先将一天按时隙长度Δt(单位为min)划分为M＝24×60/Δt个控制时段。然后，在有N条母线的配电网中，针对母线i对应的区域i中变频空调集群以及电动汽车集群虚拟发电的上下限功率进行分析。

(1-1)变频空调集群发电功率上下限分析

首先对单台变频空调进行建模。空调房间在室内外冷热源作用下的温度变化，其热动力学过程可用一阶等效热参数模型来表征，其一阶微分方程形式如下：

式中：T

将实验结果经过进一步的简化可得变频空调的电功率和制冷量与频率的关系分别为：

P

Q

式中：P

根据式(2)(3)可以得到P

当室内温度保持在T

由式(4)(5)可得是变频空调的电功率：

当空调负荷运行与T

单台变频空调的虚拟发电功率为：

P

需要注意的是，变频空调负荷的电功率不会无限制地增大或减小，由于用户舒适度约束以及频率f的限制，变频空调电功率在[P

P

P

P

通过上述分析可知，单台空调在每时每刻的可控功率都可能发生变化，但考虑到在控制时长较小的时段内环境温度、设定温度等均几乎不变。因此，为了降低控制难度，可近似认为Δt内P

综上，若区域i在时段m共有N

区域i在时段m空调集群的虚拟发电功率上下限约束为：

P

式中：P

(1-2)电动汽车发电功率上下限分析

同样首先对单台电动汽车进行建模。为了满足用户的出行需求，根据电动汽车k的初始荷电状态SOC

式中：SOC

在电动汽车接入充电桩期间，根据电动汽车的充电需求和停留时间决定其是否参与有序调度。用户k预计停留时长如下：

T

若用m＝1表示时段1，则电动汽车k在时段m的剩余停留时长如下：

T

式中：t

根据电动汽车k在时段m的荷电状态SOC

当T

当T

根据上述条件可判断电动汽车k是否具备可调度空间。对于可接受有序调度的电动汽车，充电桩可根据电动汽车在时段m的荷电状态，将电动汽车集群划分为充电组和放电组。根据当前时刻的荷电状态SOC

若SOC

若SOC

假设在区域内在网充电电动汽车集合Φ、放电电动汽车集合Ψ为：

Φ＝{CH

Ψ＝{DH

式中：CH

充电组车群在时段m的最大可充电负荷为：

p

放电组车群在时段m的最大可放电负荷为：

p

综上，区域i在时段m电动汽车集群发电功率P

(1-3)各区域虚拟电厂发电功率上下限

在各母线i对应的区域i中，将变频空调集群及电动汽车集群聚合形成区域 i的虚拟电厂，综上可得区域i虚拟电厂在时段m的整体出力为：

P

区域i在时段m空调集群的虚拟发电功率上下限约束为：

P

P

P

具体的，所述步骤(2)包括如下步骤：

在m时段，有N条母线的配电网总有功网损如下：

式中：U

在虚拟电厂接入后，m时段以网络损耗最小为目标进行多区域虚拟电厂联合优化调度。调度目标如下：

约束条件如式(29)所示。

具体的，所述步骤(3)包括如下步骤：

(3-1)设定搜索空间的下界为P

(3-2)基于式(35)得到每个樽海鞘对应的网络损耗向量：

(3-3)将樽海鞘群的网损值按由小到大排序，选择网损值最小的樽海鞘对应的虚拟电厂发电功率向量作为目标位置。

(3-4)将剩余L-1个樽海鞘对应的网损值由小到大排序，选取前一半樽海鞘作为领导者，后一半樽海鞘作为跟随者。

(3-5)基于式(36)更新领导者各区域对应的虚拟电厂发电量，基于式(38) 更新跟随者各区域对应的虚拟电厂发电功率。

式中：

式中：r表示当前迭代次数；R表示最大迭代次数。

跟随者呈链状顺次跟随运动，运动方式符合牛顿运动定律，更新方程为：

式中：

(3-6)计算更新樽海鞘群的网损值，将每个樽海鞘更新后的网损值与目标位置对应的网损值进行比较，如果高于目标位置的网损值，则选取该樽海鞘对应的各区域虚拟电厂向量作为新的目标的位置。

以一定的迭代次数重复步骤(3-4)到(3-6)，即可得到各区域虚拟电厂的最优发电功率。

本发明的有益效果：本发明针对虚拟电厂蓬勃发展的现状，提出了一种多区域虚拟电厂协调优化调度方法，本发明公开的方法通过分析各区域用户侧空调和电动汽车的调控潜力，将其聚合形成虚拟电厂，实现了对各个区域虚拟电厂发电功率进行上下限预测，建立了以网络损耗最小为目标的多区域虚拟电厂协调优化调度模型，进一步采用樽海鞘群算法进行优化调度模型求解，为通过多区域虚拟电厂联合调度实现电网损耗最小化提供了技术支撑，对于有多个区域虚拟电厂接入电网时实现电力系统经济运行意义重大。

附图说明

图1为本发明方法的总体流程图。

具体实施方式

下面结合附图对本发明作更进一步说明。

如图1所示为一种多区域虚拟电厂协调优化调度方法，下面就各个步骤加以具体说明。

步骤1：进行各区域虚拟电厂发电功率上下限分析。

首先将一天按时隙长度Δt(单位为min)划分为M＝24×60/Δt个控制时段。然后，在有N条母线的配电网中，针对母线i对应的区域i中变频空调集群以及电动汽车集群虚拟发电的上下限功率进行分析。

(1-1)变频空调集群发电功率上下限分析

首先对单台变频空调进行建模。空调房间在室内外冷热源作用下的温度变化，其热动力学过程可用一阶等效热参数模型来表征，其一阶微分方程形式如下：

式中：Tin(t)为t时刻室内气体温度，℃；R为等效热阻，即空气热损失系数的倒数，℃/kW；C为室内气体的热容，kJ/℃；Tout(t)为t时刻外界温度，℃；Q

将实验结果经过进一步的简化可得变频空调的电功率和制冷量与频率的关系分别为：

P

Q

式中：P

根据式(2)(3)可以得到P

当室内温度保持在T

由式(4)(5)可得是变频空调的电功率：

当空调负荷运行与T

单台变频空调的虚拟发电功率为：

P

需要注意的是，变频空调负荷的电功率不会无限制地增大或减小，由于用户舒适度约束以及频率f的限制，变频空调电功率在[P

P

P

P

通过上述分析可知，单台空调在每时每刻的可控功率都可能发生变化，但考虑到在控制时长较小的时段内环境温度、设定温度等均几乎不变。因此，为了降低控制难度，可近似认为Δt内P

综上，若区域i在时段m共有N

区域i在时段m空调集群的虚拟发电功率上下限约束为：

P

式中：P

(1-2)电动汽车发电功率上下限分析

同样首先对单台电动汽车进行建模。为了满足用户的出行需求，根据电动汽车k的初始荷电状态SOC

式中：SOC

在电动汽车接入充电桩期间，根据电动汽车的充电需求和停留时间决定其是否参与有序调度。用户k预计停留时长如下：

T

若用m＝1表示时段1，则电动汽车k在时段m的剩余停留时长如下：

T

式中：t

根据电动汽车k在时段m的荷电状态SOC

当T

当T

根据上述条件可判断电动汽车k是否具备可调度空间。对于可接受有序调度的电动汽车，充电桩可根据电动汽车在时段m的荷电状态，将电动汽车集群划分为充电组和放电组。根据当前时刻的荷电状态SOC

若SOC

若SOC

假设在区域内在网充电电动汽车集合Φ、放电电动汽车集合Ψ为：

Φ＝{CH

Ψ＝{DH

式中：CH

充电组车群在时段m的最大可充电负荷为：

p

放电组车群在时段m的最大可放电负荷为：

p

综上，区域i在时段m电动汽车集群发电功率P

(1-3)各区域虚拟电厂发电功率上下限

在各母线i对应的区域i中，将变频空调集群及电动汽车集群聚合形成区域 i的虚拟电厂，综上可得区域i虚拟电厂在时段m的整体出力为：

P

区域i在时段m空调集群的虚拟发电功率上下限约束为：

P

P

P

步骤二：建立多区域虚拟电厂协调优化调度模型。

在m时段，有N条母线的配电网总有功网损如下：

式中：U

在虚拟电厂接入后，m时段以网络损耗最小为目标进行多区域虚拟电厂联合优化调度。调度目标如下：

约束条件如式(29)所示。

步骤三：采用樽海鞘群算法对m时段多区域虚拟电厂优化调度模型进行求解。

(3-1)设定搜索空间的下界为P

(3-2)基于式(35)得到每个樽海鞘对应的网络损耗向量：

(3-3)将樽海鞘群的网损值按由小到大排序，选择网损值最小的樽海鞘对应的虚拟电厂发电功率向量作为目标位置。

(3-4)将剩余L-1个樽海鞘对应的网损值由小到大排序，选取前一半樽海鞘作为领导者，后一半樽海鞘作为跟随者。

(3-5)基于式(36)更新领导者各区域对应的虚拟电厂发电量，基于式(38) 更新跟随者各区域对应的虚拟电厂发电功率。

式中：

式中：r表示当前迭代次数；R表示最大迭代次数。

跟随者呈链状顺次跟随运动，运动方式符合牛顿运动定律，更新方程为：

式中：

(3-6)计算更新樽海鞘群的网损值，将每个樽海鞘更新后的网损值与目标位置对应的网损值进行比较，如果高于目标位置的网损值，则选取该樽海鞘对应的各区域虚拟电厂向量作为新的目标的位置。

以一定的迭代次数重复步骤(3-4)到(3-6)，即可得到各区域虚拟电厂的最优发电功率。

对于本领域技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型。因此，从任意一处来说，都应将实施例看作是指导性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所有的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。