一种基于最大内嵌正方体的虚拟电厂灵活性聚合方法与流程

本发明属于电力系统运行和控制技术领域，特别涉及一种基于最大内嵌正方体的虚拟电厂灵活性聚合方法。

背景技术：

为了治理大气污染，华北、华南地区“煤改电”工程进展迅速，目前已覆盖九省共38个城市。空气源热泵的电热转换效率可达2.5以上，故其能源利用效率远高于直接电热方式。空气源热泵已成为“煤改电”供暖的主流方式。同时，分布式光伏电源和储能广泛接入配电网，传统的被动式配电网正逐渐向用户-电网互动的主动配电网过渡，典型的家庭用电用户逐渐成为家庭用电-产电用户。在这种情况下，用户不仅消耗电能，而且根据当地资源和需求生产自己的能源。

随着分布式发电与负荷侧响应控制策略的高度融合，家庭用户愿意参与配电网的日前调度。然而，如何管理数量庞大、单体可控功率较低的家庭用户使得其参与到配电直接单独建立配电网-负荷之间的连接关系，则会产生极大的数据信息流，可能会使配电网产生较大的数据负荷。空气源热泵、分布式光伏电源和储能等设备已具备参与主动配电网管理和控制的条件，且近年来相关的控制方案和利润结算方法也得到广泛关注和研究。

实际上，配电网调度中心很难直接与单个的用户负荷建立联系，配电网调度中心与单个用户负荷建立联系后，若用户负荷的基数过大，需要针对每个用户负荷进行数据收集，而数据中也会包括空气源热泵、分布式光伏电源和储能等设备的具体数据，进而导致数据量太过庞大，负荷侧参与配电网日前调度存在明确的准入机制。通常，聚合控制器负责将配电网某区域内可控资源收集起来，与持有设备资产的用户签订协议，并通过一定的控制策略将这些资源聚合为虚拟电厂。聚合控制器通过参与配电网调度获取收益，并履行协议向用户分红。传统聚合控制器在实际应用中主要问题是：所收集单体设备信息未经处理仍直接向配电网调度中心传递，所传数据量过大且配电网难以处理。

技术实现要素：

针对上述问题，本发明涉及一种基于最大内嵌正方体的虚拟电厂灵活性聚合方法，包括以下步骤：

步骤一：由聚合控制器收集房屋供暖信息热参数，根据所述房屋供暖信息热参数建立模型；

步骤二：通过步骤一中的聚合控制器同时收集分布式光伏电源预测功率参数和储能参数，同样根据所述分布式光伏电源预测功率参数和储能参数建立模型；

步骤三：将步骤一和步骤二中得到的房屋供暖信息热参数、分布式光伏电源预测功率参数和储能参数数据，采用最大内嵌正方体方法生成聚合功率约束空间，并通过求解其最大内接正方体得到调度灵活性聚合后的虚拟电厂模型。

进一步的，所述虚拟电厂模型包括确定步骤一中的房屋供暖信息热参数模型，步骤二中的分布式光伏电源的参数模型和储能电池的参数模型。

进一步的，所述房屋供暖信息热参数模型包括房屋室内温度、水箱水温和空气源热泵的参数模型。

进一步的，所述房屋室内温度和水箱水温热力学数据约束到式中：

上式中，为第i个房间的热泵第t时段的热功率，t^out(t)为第t时段的室外空气温度，为第i个房间第t时段的室内空气温度，为第i个房间第t时段的水箱水温，为第i个房间水箱的等效热阻、热容参数，为第i个房间的等效热阻、热容参数；δt为每时段的时间长度；为第i个房间水箱的散热效率系数；

确定和的区间范围，进而得到表达式如下：

上式中，其中，分别为房屋室内温度和水箱水温的初始温度，为室内温度的上下限；为水箱温度的上下限。

进一步的，所述空气源热泵的电热模型数据约束到式中：

上式中，为第i个房间的热泵第t时段的电功率，为第i个房间的热泵的额定电功率，为第i个房间的热泵第t时段的电热转换效率，其中为其线性电热效率系数。

进一步的，所述分布式光伏电源模型数据约束到式中：

上式中，为第i个房间的分布式光伏电源第t时段的电功率，为第i个房间的分布式光伏电源第t时段的最大预测电功率，且t＝1,2,…,h，其中，h为一天内调度时段数。

进一步的，所述储能模型数据约束到式中：

上式中，为储能电池电量，为第i个房间的储能第t时段的充电功率，为第i个房间的储能第t时段的放电功率，为第i个房间的储能第t时段的储能电量，ηi,ch为充电效率，ηi,dis为放电效率；

为储能充电功率的上下限，为储能放电功率的上下限，为储能储能电量的上下限。

进一步的，所述虚拟电厂模型求解如下：

上式中，为该正方体的边长；

ω^vpp为由约束-限定的约束空间；

代表边长为的正方体顶点的集合；

为正方体的一个顶点，代表维度为h的实数空间；

其中分别代表时刻t＝1,2,…,h的虚拟电厂聚合功率。

进一步的，所述针对分布式光伏光源中从而得出的和取虚拟电厂的最大、最小功率分别为：

最终得到的虚拟电厂模型为：

其中，pvpp(t)为第t时段虚拟电厂的功率。

本发明通过聚合控制器收集到房屋供暖信息热参数、分布式光伏电源的参数和储能电池的参数之后，将所有参数收集后在内嵌正方体的约束状况下，在内部进行运算得到的虚拟电厂模型，仅需向配电网调度中心上传该聚合后的虚拟电厂模型，大大降低了通讯数据量，且方便配电网调度中心使用。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本技术方案的具体流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种基于最大内嵌正方体的虚拟电厂灵活性聚合方法，包括以下步骤：

步骤一：由聚合控制器收集房屋供暖信息热参数，根据所述房屋供暖信息热参数建立模型；

步骤二：通过步骤一中的聚合控制器同时收集分布式光伏电源预测功率参数和储能参数，同样根据所述分布式光伏电源预测功率参数和储能参数建立模型；

步骤三：将步骤一和步骤二中得到的房屋供暖信息热参数、分布式光伏电源预测功率参数和储能参数数据，采用最大内嵌正方体方法生成聚合功率约束空间，并通过求解其最大内接正方体得到调度灵活性聚合后的虚拟电厂模型。

本发明中的聚合控制器仅作为采集数据的方式，并不仅限于聚合控制器这一种采集方式。

步骤一：在建立虚拟电厂模型前，需要对电厂模型的各个组成部分进行拆解，先对管辖区域内的房屋供暖信息进行采集；

示例性的，1)选取一个调度日，调度日只是为了方便建立完整一天的数据，在调度日前5分钟，即23：55，进而能够在调度日结束之时，在一个整调度日内，收集一整天的全部变化数据，聚合控制器收集管辖区域的房屋供暖参数模型、分布式光伏电源参数模型和储能参数模型。

其中，房屋供暖参数模型包括房间温度变化参数模型、空气源热泵的电热模型和水箱水温的参数模型，通过分布的对房屋供暖参数模型的各个方面进行约束计算，进而能够得到房屋供暖参数模型。

2)设定所述房屋室内温度和水箱水温热力学数据约束到式中：

其中，为第i个房间的热泵第t时段的热功率，t^out(t)为第t时段的室外空气温度，为第i个房间第t时段的室内空气温度，为第i个房间第t时段的水箱水温，为第i个房间水箱的等效热阻、热容参数，为第i个房间的等效热阻、热容参数，这些参数都是通过实测的方式得到；δt为每时段的时间长度，通常取为15分钟到1小时，本技术方案中取为1小时；为第i个房间水箱的散热效率系数，通过实测获得；

由式(1)得，假设第t时段设置为第1时段，则在第i个房间的热泵第1时段的热功率加上第i个房间的水箱第1时段的热功率，即是第i个房间的水箱第1时段的热功率的平均值。

由式(2)得，同样由式(1)得，则在第i个房间的房屋室内向屋外第1时段的散热功率加上第i个房间的水箱向室内第1时段的热功率，即是第i个房间的室内第1时段的散热功率的平均值。

确定和的区间范围，进而得到表达式如下：

示例性的，其中，分别为房屋室内温度和水箱水温的初始温度，为室内温度的上下限，上限设置为24℃，下限设置为18℃；为水箱温度的上下限，上限设置为60℃，下限设置为50℃；

由式(3)-式(6)可以得出，第i个房间第0时段的室内空气温度和第i个房间第0时段的水箱水温设置为开始检测时房屋室内温度和水箱水温的初始温度，并且随着时间的变化，室内温度与水箱温度始终保持在一定的范围之内，不会超过室内温度和水箱温度的上下限。

由式(5)可知，即在第i个房间第t时段室内温度的最高温度都不会超过24℃，最低都不会低于18℃，进而能够使得室内温度始终处在较为舒适的区间。

由式(6)可知，即在第i个房间第t时段水箱温度的最高温度都不会超过60℃，最低都不会低于50℃，进而能够避免水箱温度变化过大导致房屋内部的温度变化过大的状况，进而影响室内温度的热量变化状况。

示例性的，3)设定所述空气源热泵的电热模型数据约束到式中：

示例性的，为第i个房间的热泵第t时段的电功率，为第i个房间的热泵的额定电功率，通过查看设备铭牌获得，为第i个房间的热泵第t时段的电热转换效率，其中，假设所述与第t时段室外温度t^out(t)呈线性关系如式(9)所示，其中为其线性电热效率系数，该系数通过查找设备说明书参数或通过实验测试获得，进而不会对的结果造成影响。

由式(7)所示，空气源热泵的最高只会达到自身的额定电功率，所以空气源热泵的电功率只会在0和额定功率之间运行，由于热泵设备自身运行限制，其运行功率不会超出其额定电功率。

由式(8)和式(9)所示，空气热源泵自身工作的状况与有关，而与t^out(t)又存在线性关系，示例性的，但室外温度的变化在89.2℃-50℃，也就是会趋于平稳状态，进而在一定状况下，会与出现相等的状况，当室外温度t^out(t)出现0℃的状况，为固定的线性电热效率参数，为固定不变的状况下时，即也为固定不变的工作功率。

步骤二：示例性的，4)设定所述分布式光伏电源模型数据约束到式中：

示例性的，为第i个房间的分布式光伏电源第t时段的电功率，为第i个房间的分布式光伏电源第t时段的最大预测电功率，且t＝1,2,…,h，其中，h为一天内调度时段数，示例性的，在申请技术方案中，h设定为24。

其中，h设定为24，主要方便在一天的24h每个时段作为数据计数的阶段，方便根据一天24h的外界气温变化，进而能够随着时间变化来得到不同时段的管辖区内房屋供暖、空气源热泵和分布式光伏电源模型的具体变化信息。

示例性的，5)设定所述储能模型数据约束到式中：

其中，为储能电池电量，为第i个房间的储能第t时段的充电功率，为第i个房间的储能第t时段的放电功率，为第i个房间的储能第t时段的储能电量，ηi,ch为充电效率，ηi,dis为放电效率。

示例性的，为储能充电功率的上下限，为储能放电功率的上下限，为储能储能电量的上下限。

由式(11)-式(13)所示：在第i个房间的储能充电、储能放电和储能电量都在约束的上下限范围之内，超过上限，就会对房间内的储能模型产生损耗，进而影响储能效率，若低于下限，房间内的储能模型的工作效率会很慢，从而出现储能线路波动的状况。

由式(14)所示：在调度日中，第i个房间的储能第t时段的储能电量即是初始的储能电池电量加上从0开始到第t时段，第i个房间内部储能电池的充电电量减去放电电量；从而得到在第t时段的储能电量的具体电量。

步骤三：示例性的，6)设定所述虚拟电厂模型求解如下：

上式中，maximize表示求取最大值；

subjectto表示优化约束条件；

为该正方体的边长；

ω^vpp为由约束-限定的约束空间；

代表边长为的正方体顶点的集合；

为正方体的一个顶点，代表维度为h的实数空间；

其中分别代表时刻t＝1,2,…,h的虚拟电厂聚合功率；

该模型的含义表现出寻找在调度日的任何时刻都可执行的最大集群功率调度范围，相当于在一天的时段h为约束空间ω^vpp中找边长最长的内嵌正方体。

由式(15)所示：虚拟电厂模型中的调度日选取后的顶点，在最大程度上就是处于边长为的正方体边长上。

由式(16)所示：电厂模型的边长是处在约束-限定的约束空间内部，而即电厂模型的边长。

由式(17)所示：在调度日内，由24个时段组成的顶点集合域上，且24个时段的顶点都存在边长为的正方体顶点的集合内部。

由式(18)所示：在第i个房间内部第t时段，分布式光源的功率加上储能放电功率减去空气源热泵工作的功率减去储能充电功率，从而得到的是一个时段的点，在一个调度日内的所有时段的点的功率相加。

示例性的，7)针对步骤4)从而得出的和取虚拟电厂的最大、最小功率分别为：

最终得到的虚拟电厂模型为：

其中，pvpp(t)为第t时段虚拟电厂的功率。

由式(19)-式(21)所示：在步骤4)得到的和在式(15)-式(18)中得到第i个房间虚拟电厂模型，求得第i个房间的最大值和最小值后，从而确定虚拟电厂pvpp(t)的在第t时段的功率。

本发明提出一种基于最大内嵌正方体的虚拟电厂灵活性聚合方法，利用最大内嵌正方体方法生成聚合功率约束空间，并通过求解其最大内接正方体得到调度灵活性聚合后的虚拟电厂模型，聚合控制器收集到房屋供暖信息热参数、分布式光伏电源的参数和储能电池的参数之后，将所有参数收集后在内嵌正方体的约束状况下，在内部进行运算得到的虚拟电厂模型，仅需向配电网调度中心上传该聚合后的虚拟电厂模型，大大降低了通讯数据量，且方便配电网调度中心使用。

尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。