一种考虑配电网安全性的虚拟电厂优化调度方法与流程

本发明属于电力系统电源调度领域，特别涉及一种考虑配电网安全性的虚拟电厂优化调度方法。

背景技术：

近年来，由于传统化石能源紧缺以及环境污染等问题日益加剧，可再生能源和分布式发电技术得到了迅速发展。但是可再生能源存在着地理位置分散、出力具有随机性和间歇性等特点，可能对电力系统的安全稳定运行造成显著影响。虚拟电厂(virtualpowerplant，vpp)技术提供了解决该问题的一种思路。vpp聚合分布式电源、储能系统、可控负荷以及电动汽车等分布式能源，通过能量管理系统进行协调优化控制，可缓解风光等可再生能源出力的波动性，实现资源优化配置。

仅考虑经济性的vpp优化调度模型忽略了配电网的安全约束，所得到的最优调度方案往往无法满足配电网的安全需求，造成线路过负荷、节点电压越限等问题，影响电力系统的安全稳定运行。

技术实现要素：

本发明的目的，在于提供一种考虑配电网安全性的虚拟电厂优化调度方法，其可兼顾vpp经济性与配电网安全性。

为了达成上述目的，本发明的解决方案是：

一种考虑配电网安全性的虚拟电厂优化调度方法，包括如下步骤：

步骤1，根据原始数据构造vpp经济调度模型，建立以vpp利润最大化为目标的函数，构建约束条件；

步骤2，构造配电网安全性模型，包括潮流方程约束、节点电压约束、配电网电储能系统约束、逆变器约束；

步骤3，基于非合作博弈方法建立vpp经济性与配电网安全性博弈模型。

采用上述方案后，本发明基于非合作博弈理论建立了vpp经济性与配电网安全性博弈模型，使vpp能够在获得较大利润的同时，配电网也能够保持较高的安全性。

附图说明

图1是改进的江苏盐城城北变八引线配电网示意图；

图2是vpp经济调度模型与非合作博弈模型的调度方案比较图；

图3是vpp经济调度模型与非合作博弈模型的结果比较图；

图4是配电网安全性模型与非合作博弈模型的调度方案比较图；

图5是配电网安全性模型与非合作博弈模型的结果比较图；

图6是本发明的流程图；

图7是风/光出力以及电价场景削减结果图。

具体实施方式

以下将结合附图，对本发明的技术方案及有益效果进行详细说明。

如图6所示，本发明提供一种考虑配电网安全性的虚拟电厂优化调度方法，包括如下步骤：

步骤1，输入电价、风光出力的预测数据；输入燃气轮机、电储能系统等参数，构造vpp经济调度模型，包括构建优化目标：建立以vpp利润最大化为目标的函数，构建约束条件，包括：燃气轮机约束、电储能系统约束、vpp内部功率平衡约束、配电网功率平衡约束；

步骤2，输入配电网网架参数，潮流约束参数；构造配电网安全性模型，包括潮流方程约束、节点电压约束、配电网电储能系统约束、逆变器约束；

步骤3，基于非合作博弈方法建立vpp经济性与配电网安全性博弈模型；

步骤4，调用gams软件求解该非合作博弈模型，结果表明：vpp与配电网以非合作方式进行博弈，能够使vpp在获得较大利润的同时，配电网也能够保持较高的安全性，验证了该模型的有效性和合理性。

所述步骤1建立vpp经济调度模型，建立虚拟电厂经济调度目标函数和约束条件，包括以下步骤：

(1)目标函数

vpp所有者的优化目标是整体利润最大，包括参与日前电力市场所得的收入，向负荷售电所得的收入以及燃气轮机的运行和启停成本，其目标函数可表示为：

其中，t为一天的总时段数；nw,ns,np为风电出力、光伏出力以及电价场景数，π(w),π(s),π(p)为第w组风电出力、第s组光伏出力以及第p组电价场景的概率；λ^p(t)为第p组电价场景下时段t的电力市场电价；g^wsp(t)为第w组风电出力，第s组光伏出力以及第p组电价场景下时段t的vpp电力市场交易量，其值为正表示vpp向电力市场售电，其值为负表示vpp从电力市场购电；为第p组电价场景下时段t的负荷电价；为vpp在第w组风电出力，第s组光伏出力以及第p组电价场景下时段t的向负荷售电量；为燃气轮机在时段t的运行成本；为布尔变量表示燃气轮机是否启动，启动时不启动时sf为燃气轮机的启动成本。

燃气轮机的运行成本用分段线性函数表示：

w∈nw，s∈ns，p∈np,t∈t

其中，u为燃气轮机的固定成本；为布尔变量表示燃气轮机是否工作，工作时不工作时kj为燃气轮机第j段发电成本斜率；为t时段燃气轮机在第w组风电出力，第s组光伏出力以及第p组电价场景下的第j段出力。

(2)约束条件

1)vpp燃气轮机的约束条件

w∈nw，s∈ns，p∈np,t∈t

其中，为t时段燃气轮机在第w组风电出力，第s组光伏出力以及第p组电价场景下的总出力；rampd,rampu分别为燃气轮机的向下和向上爬坡率；分别为燃气轮机的最小最大出力。

2)vpp电储能系统约束条件

w∈nw，s∈ns，p∈np,t∈t

其中，为t时段电储能系统在第w组风电出力，第s组光伏出力以及第p组电价场景下的蓄电量；分别为t时段电储能系统在第w组风电出力，第s组光伏出力以及第p组电价场景下的充放电功率；为电储能系统蓄电量的上下限；为电储能系统的最大充放电功率。

3)vpp内部功率平衡约束

w∈nw，s∈ns，p∈np,t∈t

其中，g^w(t),g^s(t)分别为t时段第w种场景下风电场出力以及第s种场景下光伏电站出力。

4)配电网功率平衡约束

考虑vpp外的电储能系统由配电网进行调度管理，则配电网的功率平衡约束可以表示为：

其中，d(t)为配电网总负荷；p0(t)为配电网在根节点处的电力市场购电量；pcharge(t)为t时段配电网电储能系统的充电功率；pdisch(t)为t时段配电网电储能系统的放电功率。

所述步骤2建立配电网安全性模型，包括以下步骤：

(1)目标函数：

其中，nb为配电网的节点数；vi^ws(t)为t时段第w组风电出力，第s组光伏出力场景下节点i的实际电压；vref,i为节点i的额定电压。

(2)约束条件：

1)潮流方程约束

其中，gdisch(t)为t时段vpp电储能系统的放电功率；pgt(t),qgt(t)为t时段vpp燃气轮机的有功无功出力；gij,bij分别为导纳矩阵的实部和虚部；为t时段第w组风电出力，第s组光伏出力场景下节点i,j的电压相角差；pli(t),qli(t)为t时段节点i的有功无功负荷；g(t)为t时段vpp的电力市场交易量；gcharge(t)为t时段vpp电储能系统的充电功率；q^w(t),q^s(t),qgt(t)分别为t时段风电场、光伏电站、燃气轮机的无功出力；qinv(t)为t时段逆变器的无功调节量，若为正则表示向系统注入无功；q0(t)为t时段上级电网注入配电网的无功功率。

2)配电网电储能系统约束

sdess(t)＝sdess(t-1)+pcharge(t)-pdisch(t)

其中，sdess(t)为t时段配电网电储能系统的蓄电量；为配电网电储能系统蓄电量上下限；为配电网电储能系统最大充放电功率。

3)逆变器约束

考虑光伏电站中装设有逆变器，通过调节逆变器的无功注入或吸收量实现对电压的改善，提高配电网的安全性能，逆变器约束条件可以表示为：

其中，为逆变器的最大无功调节量；sinv为逆变器容量；为光伏电站的最大有功出力。

4)不等式约束条件

pgtmin≤pgt(t)≤pgtmax

qgtmin≤qgt(t)≤qgtmax

vimin≤vi^ws(t)≤vimax

plxmin≤plx(t)≤plxmax

其中，pgtmin,pgtmax分别为燃气轮机的最小最大有功出力；qgtmin,qgtmax分别为燃气轮机的最小最大无功出力；vimin,vimax分别为节点i的电压下限和上限；plx(t)为t时段支路x的有功潮流；plxmin,plxmax分别为支路x的有功潮流下限和上限。

所述步骤3建立非合作博弈模型，包括以下步骤：

(1)博弈参与者：

该博弈模型是由vpp所有者和配电网作为参与者组成的两方博弈，分别用{v,d}表示。

(2)参与者策略：

vpp进行经济调度时的控制变量为vpp的燃气轮机出力电储能系统放电功率电储能系统充电功率vpp参与电力市场的交易量g^wsp(t)，vpp供给负荷电量所以其策略空间可以表示为：

sv＝{sgas,sdisch,scharge,smarket,sd}

g^wsp(t)∈{smarket＝[0,g^max]}

其中，g^max为vpp参与电力市场的最大交易量；为vpp供给负荷的最大电量。

配电网以安全性最优为目标进行优化调度时的控制变量为配电网在电力市场的购电量p0(t)，配电网电储能系统的充放电功率pcharge(t)、pdisch(t)以及逆变器的无功调节量qinv(t)，其策略空间可以表示为：

p0(t)∈{s0＝[0,p0max]}

其中，p0max为配电网在电力市场的最大购电量。

(3)参与者收益：

vpp的收益为其所获得的整体利润，配电网的收益为配电网安全性能的提升，分别用iv,id表示。

(4)均衡策略：

采用非合作博弈理论处理vpp经济性与配电网安全性，得到同时满足经济性与安全性的最优解，即为该博弈模型的nash均衡点记根据nash均衡的定义有：

其中，为配电网采取安全性最优策略时vpp的经济调度最优策略；为vpp采取经济调度最优策略时配电网的安全性最优策略。

本实施例选取江苏盐城的城北变八引线配电网作为测试系统，将风电场、光伏电站、燃气轮机机组、vpp电储能系统、配电网电储能系统分别接于30、20、7、17、33节点，如图1所示。以风电场、光伏电站、电储能系统ess、燃气轮机机组聚合成vpp。vpp的调度周期设置为1天，分为24个时段。燃气轮机机组中含有17台燃气轮机，均采用tau5670型号，额定容量为5.67mw，爬坡率为3mw/h。vpp电储能系统ess和配电网电储能系统dess的最大充放电功率均为15mw，其中电储能系统dess由配电网进行控制管理，配电网的安全约束参数如表1所示。电压基准值取为12.66kv，功率基准值取为10mva。

表1系统的安全约束参数

采用随机规划法处理风光出力以及电价的不确定性，分别在风、光出力以及电价预测值波动范围内采用蒙特卡罗法随机生成2000组场景，蒙特卡罗方法是一种随机模拟方法，以概率和统计理论方法为基础实现统计模拟或抽样；采用基于概率距离的快速前代进行场景削减，以提高削减速度，削减后分别得到5组典型场景，场景削减结果见图7，各场景概率见表2。

表2风/光出力以及电价场景概率

图2-5分别对vpp经济调度模型、配电网安全性模型以及非合作博弈模型三者的优化结果进行了比较。

由图2可知，非合作博弈模型中vpp参与电力市场的交易量与vpp经济调度模型相比有所降低，这是由于采用非合作博弈时考虑了配电网的安全性，使得vpp采取相对保守的调度方案，以满足配电网安全约束的要求，保证电力系统的安全稳定运行。在vpp经济调度模型中，市场电价高于负荷电价时即5-21h，vpp优先将电量出售给电力市场。相反，在1-4h和22-24h，负荷电价高于市场电价，vpp从电力市场购电出售给配电网负荷。而非合作博弈模型中vpp在14-15h从电力市场购电，这是由于一方面配电网的安全约束使得vpp的电力市场交易量有所削减，另一方面由于此时电价较低，vpp购电用于电储能系统充电以实现削峰填谷的作用。

由图3可知，vpp经济调度模型中vpp所获得的总利润为53016$，而非合作博弈模型中vpp所获得的总利润为40656$，vpp的利润略有降低，但是配电网的安全性指标得到了提高。在1-4h和22-24h，配电网的安全性指标较低，这是由于此时负荷电价高于市场电价，vpp从电力市场购买电量，降低了配电网的安全性。

由图4可知，非合作博弈模型中配电网的电力市场购电量与配电网安全性模型相比有所增加，这是由于为了获取较高的vpp利润，非合作博弈模型中的安全约束有所减弱。同时，为了满足配电网的安全需求，非合作博弈模型中的逆变器无功调节量有所增加。

由图4(b)可知，在5-13h和16-21h，市场电价高于负荷电价，vpp为了获取较高的利润，在满足配电网安全约束的前提下，尽可能地将电量出售到电力市场，而将剩余电量出售给负荷。此时vpp不足以满足配电网的负荷需求，需要由配电网从电力市场购电以及配电网电储能系统发电来满足；相反，当负荷电价高于市场电价时，vpp将各聚合单元发电量以及在电力市场的购电量出售给负荷，满足负荷需求，此时不再需要配电网从电力市场购电。

由图5可知，与配电网安全性模型相比，非合作博弈模型的安全性指标虽然略有降低，但是vpp的经济性却显著提高。此外，非合作博弈模型中vpp在1-4h以及14-15h所获得的利润减少，这是由于此时市场电价较低，vpp从电力市场购电用于电储能系统充电；相反在高电价时段，由于电储能系统放电，vpp的利润迅速增加。

以上仿真结果验证了本发明的有效性和实用性。该发明能兼顾虚拟电厂的经济性和配电网安全性。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。