本发明涉及一种基于价格需求响应的经济调度模型。
背景技术：
风电是可再生能源中最具经济发展前景的发电方式，然而，由于风电自身的波动性、间歇性、反调峰性、低可调度性等不友好特点，其装机容量的快速增长对电网传统的运行控制模式产生重大影响。为应对这种挑战，电源、电网和负荷三者间应进行协调互动，这是智能电网的重要发展方向。但总体而言，电网运行控制主要采用的是发电跟踪负荷的模式，通过调度发电机组的开停和出力来满足预测的负荷需求。但当大规模风电接入电力系统时，发电本身变得不可控制。因此，不少最新研究开始关注负荷跟踪发电模式，通过负荷侧资源主动响应参与电网互动，来实现风电综合利用效率的提升。
需求响应(demandresponse，dr)是指电力用户针对市场价格信号或激励机制主动改变原有电力消费模式的行为。需求响应资源参与电网互动主要有以下几类：1)价格型dr，通过价格信号(如分时电价、实时电价)引导用户合理调节和改善用电结构和用电方式；2)签订可中断合同；3)直接负荷控制方式。当风电实际出力大于预测值时，可通过需求响应资源增加用电量填补系统功率缺额；反之，当风电实际出力小于预测值时，可通过需求响应资源削减用电量来平抑系统功率不平衡量。近年来，国内外已开展将需求响应用于平衡风电波动的相关研究，更多地集中在需求响应平衡风电波动的潜力分析，参与风电消纳的需求响应调度策略以及对旋转备用容量的影响等方面。
应对风电消纳问题，价格型需求响应通过价格信号参与电网实时调度，以保持电力供需平衡。然而，风电出力和负荷的改变，使电网潮流和节点电压面临越限风险，从而网络安全约束成为制约风电消纳的关键因素。
技术实现要素：
针对以上技术问题，本发明的目的在于提供一种基于价格需求响应的经济调度模型，首先基于价格弹性系数分析价格型需求响应调度成本与互动响应量之间的关系。其次，描述价格型需求响应的互动响应量静态算法，并将其作为预期分配原则之一。在此基础上，同时考虑网络安全约束和价格型需求响应互动响应满意度约束，以电网侧的价格型需求响应调度成本最小化为目标，建立实时优化调度模型，保证实时调度中电网的安全运行。
本发明是通过以下技术方案实现的：
步骤1、引入价格需求因素，构建基于需求弹性的价格需求响应模型，通过实时电价引导用户改变用电行为响应风电出力变化；
步骤2、通过建立鲁棒区间经济调度模型的目标函数和功率平衡、常规机组出力、旋转备用、常规机组爬坡率、网络安全、风电出力约束条件，将价格需求响应模型融入到鲁棒区间经济调度模型，构建基于价格需求响应的大规模风电消纳鲁棒区间日内经济调度模型。
作为优选，在步骤1中，基于需求弹性的价格需求响应模型如下：
用户在不同电价下的响应公式为：
响应约束为：
在第t时段节点j的售电收入f(lf，jt+ld,jt)为：
式中：εjt为第t时段节点j的负荷需求自弹性系数，反映了用户的电力消费需求对电价变动的敏感程度，一般为已知参数；lf,jt为第t时段节点j的负荷预测值；ld,jt为第t时段节点j在不同电价时的响应负荷变化功率；ρjt为第t时段节点j的电价；ρref,jt为参考电价；
作为优选，对公式(3)采用逐步线性化的方法近似处理，其线性化的表达式如下：
式中：nm为线性化后的分段数目；决策变量dmjt为第t时段节点j的第m段的负荷功率，并满足0≤dmjt≤dmjt，dmjt为第m段的最大负荷功率；ρmjt为相应的第m分段电价。
本发明的有益效果：
1、鲁棒优化作为一种解决不确定问题的决策方法，能够在给定的不确定参数有界集合内求得一个鲁棒最优解，使得约束条件在不确定参数的所有取值下均得到满足。与基于概率论的不确定性分析方法需要获知不确定参数的概率分布模型相比，鲁棒优化方法考虑的不确定信息为不确定参数的变化范围，在实际中这类信息更容易获得，而且鲁棒优化方法的求解效率更高，更适用于大规模在线应用的场合。
2、将价格需求响应作为常规机组调节能力的有效补充，灵活调节节点负荷，快速响应风电出力变化，降低风电不确性的影响，减小弃风功率并增大社会福利。
附图说明
图1为本发明的ieee-rts26机测试系统单线图。
具体实施例
下面将结合本发明实施例和附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
基于价格需求响应的日内经济调度模型，包括以下步骤：
步骤1、引入价格需求因素，构建基于需求弹性的价格需求响应模型，通过实时电价引导用户改变用电行为响应风电出力变化，提高电网的风电消纳能力；
步骤2、通过建立鲁棒区间经济调度模型的目标函数和功率平衡、常规机组出力、旋转备用、常规机组爬坡率、网络安全、风电出力约束条件，将价格需求响应模型融入到鲁棒区间经济调度模型，构建基于价格需求响应的大规模风电消纳鲁棒区间日内经济调度模型。
传统的鲁棒区间经济调度模型可参照《电力系统自动化》2014年10月25日第38卷第20期，本发明通过改变传统的鲁棒区间经济调度模型的目标函数和功率平衡、常规机组出力、旋转备用、常规机组爬坡率、网络安全、风电出力约束条件(模型的其他部分不做改变)，将价格需求响应模型融入到传统的鲁棒区间经济调度模型，构建基于价格需求响应的大规模风电消纳鲁棒区间日内经济调度模型。
下面进行具体介绍：优选，步骤1中，价格需求响应是通过价格信号(如分时电价、实时电价)引导用户合理调节和改善用电结构和用电方式。实时电价更新周期较分时电价更短，可以为1h或更短，能够有效传达电价信号，引导用户改变用电行为，响应系统运行状态变化。用户的响应行为描述是制定考虑需求响应的调度策略的基础，本发明采用基于需求弹性的用户响应模型，用户在不同电价下的响应公式及响应约束如下：
用户在不同电价下的响应公式为：
响应约束为：
中：εjt为第t时段节点j的负荷需求自弹性系数，反映了用户的电力消费需求对电价变动的敏感程度，一般为已知参数；lf,jt为第t时段节点j的负荷预测值；ld,jt为第t时段节点j在不同电价时的响应负荷变化功率；ρjt为第t时段节点j的电价；ρref,jt为参考电价；
电网公司在第t时段节点j的售电收入f(lf，jt+ld,jt)为：
由式(3)可以看出，f(lf,jt+ld,jt)为需求响应负荷(lf,jt+ld,jt)的二次凸函数，一般可采用逐步线性化的方法近似处理，其线性化的表达式如下：
式中：nm为线性化后的分段数目；决策变量dmjt为第t时段节点j的第m段的负荷功率，并满足0≤dmjt≤dmjt，dmjt为第m段的最大负荷功率；ρmjt为相应的第m分段电价。
其中，步骤2中，通过改变传统鲁棒区间经济调度模型的目标函数和约束条件，将步骤1建立的价格需求响应模型融入传统的鲁棒区间经济调度模型，构建考虑价格需求响应的大规模风电消纳鲁棒区间经济调度模型，并提出基于线性规划的求解方法。建模过程中只考虑风电的不确定性，忽略了负荷和需求侧响应资源的不确定性以及常规机组的随机停运，具体如下：
1)目标函数：
传统的计及弃风因素的鲁棒区间动态经济调度模型一般以最小化常规机组的出力成本和弃风惩罚成本为目标函数，引入价格需求响应后，从社会福利角度修改目标函数。
社会福利可通过售电收入减去常规机组的出力成本和弃风惩罚成本获得，具体表示为：以社会福利角度建立目标函数：
式中：nt为经济调度的总时段数目；nj为系统负荷节点数目；ni和nk分别为常规机组数目和常规机组的二次凸函数出力成本经线性化后的分段数目；nw风电场数目；cki和cmin,i分别为常规机组i的出力成本经线性化后的第k段成本斜率和最小出力成本，并满足c1i≤c2i≤…≤cnki；pkit为第t时段常规机组i在第k段的有功出力；
2)约束条件：
引入价格需求响应约束后，增加了需求响应负荷的决策变量dmjt，因此还需要对传统鲁棒区间经济调度模型的功率平衡约束、旋转备用约束和网络安全约束做出调整，具体分析如下：
2‐a)功率平衡约束：
式中：由于本文采用直流潮流模型，因此忽略网络损耗的影响；pit和pmin,i分别为常规机组i第t时段的有功出力和最小出力；
2‐b)常规机组的出力上下限约束
式中：pmin,i、pg,1i、pg,2i、…、pg,(nk-1)i和pmax,i为将第i台常规机组出力范围为[pmin,i,pmax,i]线性化nk段后的功率分点；
2‐c)旋转备用约束：
式中：
其中，常规机组的旋转备用约束违反会导致弃风，从系统动态响应能力的角度，风电出力突变会导致常规机组的可调容量减小，当系统可调容量越小，其安全水平越低，该场景也就越恶劣，由此形成最恶劣场景的判别条件式(11)‐(14)：
式中：w为风电场集合；
2‐d)常规机组的爬坡率约束：
从系统动态响应能力的角度，最恶劣场景下常规机组的爬坡率约束为：
式中：
2‐e)基于直流潮流法的网络安全约束：
网络安全约束违反也会导致弃风，从网络安全的角度，风电出力在边界取值时会导致线路负载率达到最大，线路负载率越高，系统安全水平则越低，该场景也就越恶劣，由此形成最恶劣场景判别条件式(18)及式(19)：
式中：nb为系统节点数目；nl为支路数目；sflb表示节点b对支路l的转移分布因子；i∞b、w∞b和j∞b分别表示与节点b相连的机组i、风电场w和负荷j；
2‐f)风电允许出力区间和风电出力约束：
由步骤1和2构建的双层鲁棒区间优化调度模型中，上下层模型间的耦合关系使得该模型无法直接求解。但由于上层模型对下层模型的要求仅仅是最大最小发电能力的约束，因而根据线性规划的对偶原理，该约束可等价于下层优化模型的对偶问题满足相应的要求。据此原问题的双层优化模型可以转化为单层线性规划模型来解决。即根据线性规划的对偶原理将基于价格需求响应的大规模风电消纳鲁棒区间日内经济调度模型的双层优化模型转化为单层线性规划模型进行优化求解。
在原优化模型中，将下层优化模型的式(11)、(13)、(18)和(19)分别用相应的对偶问题的约束替换，以保证下层优化模型的对偶目标函数是原优化模型的上界或下界。其中，对偶转化前下层优化模型的变量为和转换后的对偶变量分别为αwt、βwt、δwt和经过转换后的优化模型形式如下：
将式(22)和(23)中的左端项分别代入式(15)和(16)中对
式中，s.t.是subjectto的缩写，是受约束的含义，第一行公式的含义是：当目标函数(社会福利＝售电收入‐出力成本‐弃风惩罚成本)取得最大值时，对应约束变量pkit,dmjt，
本发明的鲁棒优化作为一种解决不确定问题的决策方法，能够在给定的不确定参数有界集合内求得一个鲁棒最优解，使得约束条件在不确定参数的所有取值下均得到满足。与基于概率论的不确定性分析方法需要获知不确定参数的概率分布模型相比，鲁棒优化方法考虑的不确定信息为不确定参数的变化范围，在实际中这类信息更容易获得，而且鲁棒优化方法的求解效率更高，更适用于大规模在线应用的场合。本发明将价格需求响应作为常规机组调节能力的有效补充，灵活调节节点负荷，快速响应风电出力变化，降低风电不确性的影响，减小弃风功率并增大社会福利。
最终，以上实施例和附图仅用以说明本发明的技术方案而非限制，尽管通过上述实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。