一种多形态弹性负荷集群的响应过程优化方法与流程

本发明属于负荷响应过程分析领域，尤其涉及一种多形态弹性负荷集群的响应过程优化方法。

背景技术：

随着风电装机容量的急剧增长，风电消纳问题日益凸显。多形态弹性负荷具有良好的调节特性，将其纳入电网调节，是解决风电消纳问题的有效措施之一。然而，弹性负荷类型多、特性复杂，且弹性负荷集群内，各类弹性负荷之间具有互补调节特性，因此，对考虑负荷响应时序的多形态弹性负荷集群响应过程进行优化分析，对于深入挖掘多形态弹性负荷集群的综合响应能力具有重要的意义。

针对负荷响应过程分析方面，国内外已有初步的研究。有文献针对大规模风电并网造成的调峰问题，考虑高载能负荷的可调节、可中断特性，分析了各类高载能负荷间的互补调节特性，得到了高载能负荷的总调节能力，但未考虑分布式弹性负荷的调节能力；有文献针对空调等柔性负荷进行了响应能力方面的深入研究，但未考虑工业负荷共同参与下的综合响应能力；有文献研究了蓄热电锅炉等分布式弹性负荷的可调节特性，但并未对其响应能力进行深入研究。

综上所述，针对集中式负荷(高载能负荷)和分布式负荷(蓄热电锅炉)等多形态弹性负荷，共同参与的综合响应过程优化分析方面，目前尚缺乏系统性研究。因此，为了综合考虑多形态弹性负荷的互补调节特性，优化综合负荷的响应过程，挖掘区域内各类弹性负荷控制的综合响应能力，需要提出一种多形态弹性负荷集群的响应过程优化方法，以促进多形态弹性负荷与大规模风电的优势互补，提高电网对风电的消纳能力。

技术实现要素：

本发明的目的是提供一种多形态弹性负荷集群的响应过程优化方法，用于解决大规模风电并网背景下，多形态弹性负荷响应能力深入挖掘问题，为负荷的调度控制提供参考。

一种多形态弹性负荷集群的响应过程优化方法，包括以下步骤：

s1：读取弃风时段、集中式工业负荷和分布式民用负荷的相关数据；

s2：对分布式民用负荷进行分组聚合处理；

s3：计算各组民用聚合负荷的整体调节性能参数；

s4：基于工业负荷和民用聚合负荷的调节特性，构建多形态弹性负荷集群的响应过程优化模型；

s5：求解模型，得到多形态弹性负荷集群的综合响应能力上下限。

所述s1包括以下步骤：

s101:获取电网次日弃风弃光时段tup和非弃风弃光时段tnotup；

s102:获取电网中集中式工业负荷的数量mh，分布式民用负荷的数量n；

s103：获取集中式工业负荷功率预测数据m＝1,..,mh、各分布式民用负荷功率预测数据n＝1,...,n；

s104：获取集中式工业负荷调节性能参数:集中式工业负荷m的最大负荷功率最小负荷功率最大升出力限制最小降出力限制调节持续时长调节最小时间间隔

s105：获取分布式民用负荷的调节性能参数:分布式民用负荷n的最小负荷功率最大负荷功率最小蓄热量最大蓄热量最大爬坡率最小爬坡率

所述s2包括以下步骤：

s201：对n个分布式民用负荷进行分组，本文中分布式民用弹性负荷只考虑蓄热电锅炉负荷；将型号相同、可调节功率范围相同的蓄热电锅炉负荷分为同一组，共分为mx组，第m组蓄热电锅炉数量为nm。

s202：对mx组分布式蓄热电锅炉负荷聚合处理，聚合过程如附图1。

所述s3包括以下步骤：

s301：计算mx组民用聚合负荷的次日负荷预测功率

s302：计算mx组民用聚合负荷的最小负荷功率和最大负荷功率

s303：计算mx组民用聚合负荷的最小蓄热量和最大蓄热量

s304：计算mx组民用聚合负荷的最大爬坡率和最小爬坡率

所述s4包括以下步骤：

基于工业负荷和民用聚合负荷的调节特性，考虑负荷响应时序，构建多形态弹性负荷集群的响应过程优化模型，以弃风时段总负荷用电量最大和非弃风时段总负荷用电量最小为目标函数，约束条件包括民用聚合负荷约束和集中式工业负荷约束。

所述s5包括以下步骤：

给定次日的弃风时段tup和非弃风时段tnotup，求解模型，得到多形态弹性负荷集群的综合响应能力上下限。

本发明提供的一种多形态弹性负荷集群的响应过程优化方法，通过：读取弃风时段、集中式工业负荷和分布式民用负荷的相关数据；对分布式民用负荷进行分组聚合处理；计算各组民用聚合负荷的整体调节性能参数；基于工业负荷和民用聚合负荷的调节特性，构建多形态弹性负荷集群的响应过程优化模型；求解模型，得到多形态弹性负荷集群的综合响应能力上下限。此方法基于多形态弹性负荷的互补调节特性，充分挖掘了集群内各类弹性负荷控制的综合响应能力，有助于实现多形态弹性负荷与大规模风电的优势互补，提高电网对风电的消纳能力。

附图说明

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

图1是本发明提供的分布式负荷聚合过程图

图2是本发明提供的一种多形态弹性负荷集群的响应过程优化方法流程图。

图3是本发明提供的实例2中区域电网示意图

图4是本发明提供的实例2中区域电网各类负荷的有功功率预测数据

图5是本发明提供的实例2中区域电网的民用聚合负荷的有功功率预测数据

图6是本发明提供的实例2中区域电网内各时段多形态弹性负荷集群的综合响应能力上下限曲线图

具体实施方式

为了清楚了解本发明的技术方案，将在下面的描述中提出其详细的结构。显然，本发明实施例的具体施行并不足限于本领域的技术人员所熟习的特殊细节。本发明的典型实施例详细描述如下，除详细描述的这些实施例外，还可以具有其他实施方式。

下面结合附图和实施例对本发明做进一步详细说明。

实施例1

图2是一种多形态弹性负荷集群的响应过程优化方法的流程图。图2中，本发明提供的一种多形态弹性负荷集群的响应过程优化方法流程图包括：

s1：读取弃风时段、集中式工业负荷和分布式民用负荷的相关数据；

s2：对分布式民用负荷进行分组聚合处理；

s3：计算各组民用聚合负荷的整体调节性能参数；

s4：基于工业负荷和民用聚合负荷的调节特性，构建多形态弹性负荷集群的响应过程优化模型；

s5：求解模型，得到多形态弹性负荷集群的综合响应能力上下限。

所述s1包括以下步骤：

s101:获取电网次日弃风弃光时段tup和非弃风弃光时段tnotup；

s102:获取电网中集中式工业负荷的数量mh，分布式民用负荷的数量n；

s103：获取集中式工业负荷功率预测数据m＝1,..,mh、各分布式民用负荷功率预测数据n＝1,...,n；

s104：获取集中式工业负荷调节性能参数:集中式工业负荷m的最大负荷功率最小负荷功率最大升出力限制最小降出力限制调节持续时长调节最小时间间隔

s105：获取分布式民用负荷的调节性能参数:分布式民用负荷n的最小负荷功率最大负荷功率最小蓄热量最大蓄热量最大爬坡率最小爬坡率

所述s2包括以下步骤：

s201：对n个分布式民用负荷进行分组，本文中分布式民用弹性负荷只考虑蓄热电锅炉负荷；将型号相同、可调节功率范围相同的蓄热电锅炉负荷分为同一组，共分为mx组，第m组蓄热电锅炉数量为nm。

s202：对mx组分布式蓄热电锅炉负荷聚合处理，聚合过程如附图1。

所述s3包括以下步骤：

s301：计算mx组民用聚合负荷的次日24个点负荷预测功率：第m组民用聚合负荷t时段的负荷预测功率为：

其中，第n个分布式民用负荷t时段的负荷预测功率

s302：计算mx组民用聚合负荷的最小和最大可调节功率：

其中，为第n个分布式民用负荷的最小和最大可调节功率。

s303：计算mx组民用聚合负荷的最小和最大蓄热量：

其中，为第n个分布式民用负荷的最小和最大蓄热量。

s304：计算mx组民用聚合负荷的最大爬坡率和最小爬坡率：

其中，为第n个分布式民用负荷的最大和最小爬坡率。

所述s4包括以下步骤：

基于工业负荷和民用聚合负荷的调节特性，考虑负荷响应时序，构建多形态弹性负荷集群的响应过程优化模型。

多形态弹性负荷响应过程优化是在已知次日弃风时段的前提下，考虑负荷响应时序，优化得到次日各时段综合负荷的调节范围上下限，以达到增加弃风时段风电消纳量的目标。因此，在已知弃风时段tup的前提下，分别以负荷上调节时段总负荷用电量最大和非上调时段总负荷用电量最小为目标，建立弹性控制负荷响应过程的优化模型，通过两次优化可得到上调节时段负荷用电量上限和非上调时段负荷用电量下限，目标函数的数学表达如下：

式中，tup、tnotup分别为根据弃风情况确定的负荷上调时段(弃风时段)和负荷非上调时段(非弃风时段)；ptotalmax,t为负荷上调时段的负荷用电功率上限；ptotalmin,t为负荷非上调时段负荷用电量下限；为弹性控制负荷参与调节前的原始用电功率；mx为民用聚合负荷的组数；mh为工业负荷的个数；分别为t时段第m类蓄热式电锅炉和第m个工业负荷的用电功率；分别为第m组民用聚合负荷和第m个工业负荷在t时段的负荷预测功率。

其中约束条件包括：

(1)民用聚合负荷(蓄热电锅炉聚合负荷)约束

1)蓄热量约束

蓄热式电锅炉设计最高出水温度为95℃，如果蓄热器内水温超过95℃，锅炉将会降低负荷运行，所以在满足次日白天供热需求的情况下应使蓄热量在规定范围以内：

式中，蓄热量可表示为

2)负荷有功功率约束

式中：为t时段第m类蓄热式电锅炉的用电负荷功率；和分别为第m类蓄热式电锅炉功率的下限值和上限值。

3)功率波动约束

蓄热式电锅炉的功率可调性很高，但是为了确保电锅炉的安全稳定运行，其功率的波动应限制在一定范围之内：

式中：和为第m类蓄热式电锅炉升、降功率的响应速度极限。

(2)集中式工业负荷(高载能负荷)约束

1)负荷上下限约束

其中，分别为高载能负荷m的最小和最大容量限制。

2)负荷爬坡率约束

其中，和为高载能负荷m从时段t-1到时段t允许的最大降出力和升出力值。

3)调节持续时长约束

其中，为第m个工业负荷某次调节的持续时间；分别为调节持续时长

4)调节时间间隔约束

其中，为第m个工业负荷的调节时间间隔；调节最小时间间隔。

(3)总调节能力约束

式中，为总负荷未调节时的原始用电功率。

所述s5包括以下步骤：

给定次日的弃风时段tup和非弃风时段tnotup，求解模型，得到多形态弹性负荷集群的综合响应能力上下限，即

实施例2：

图3是一个区域电网示意图，以此为例，本发明提供的一种多形态弹性负荷集群控制的响应潜力量化方法包括：

s1：读取集中式工业负荷和分布式民用负荷的相关数据。

(1)假设某典型日区域电网的弃风时段为0:00-5:45和13:00-16:00，其余时段为非弃风时段。

(2)区域电网中，高载能负荷数量mh＝2，其额定容量均为50mw；分布式民用负荷n＝10，其额定功率分别为1mw*6，1.25mw*4；外送功率为0，即pin＝pout。

(3)获取负荷预测数据：次日各集中式工业负荷(即高载能负荷)功率预测数据,见附图4(a)；各分布式民用负荷(即蓄热电锅炉负荷)功率预测数据，见附图4(b)。

(4)获取集中式工业负荷调节性能参数：

(5)获取分布式民用负荷调节性能参数：

s2：对分布式民用负荷进行分组聚合处理，如下表所示。

s3：计算各组民用聚合负荷的整体调节性能参数，结果如下：

计算两组民用聚合负荷的负荷预测功率，结果见附图5；

s4：基于工业负荷和民用聚合负荷的调节特性，构建多形态弹性负荷集群的响应过程优化模型；

s5：求解模型，得到多形态弹性负荷集群的综合响应能力上下限，结果见附图6。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的权利要求保护范围之内。