本申请涉及电网控制技术领域,尤其涉及一种基于源荷互动电力系统调度的方法。
背景技术:
随着工业革命以来数百年的大规模开发利用,传动的化石能源正面临资源枯竭、污染排放严重等现实问题,同时带来环境污染和气候变化等问题也严重影响着人类可持续发展。建立再化石能源基础上的能源生产和消费方式亟待转变。同时,世界以风能、太阳能为代表的间歇性新能源发电总体处于加快发展阶段。
但是,电力系统的基本特征是保证能量的供需平衡,在传统调度模式下,虽然电能难以大量储存,但是火电、水电和核电等传统发电过程的一次能源是可以储存的,因而电能的输出是可控的。电力系统通常只考虑来自需求侧的随机不确定性,通过调度发电机组的开停和出力来满足预测的负荷需求,即采用发电跟踪负荷的模式。以风电和太阳能发电为代表的间歇性新能源发电与传统发电的本质差异在与其一次能源即风能、太阳能是不可储存的,其发电功率输出只能在一次能源只能在一次能源约束下的可控。因此,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,电力系统源荷双侧出现随机性。
目前,考虑间歇性新能源接入的电力系统调度模型,主要包括传统仅考虑电源侧控制的调度和计及需求侧响应的源荷互动式调度模型两类。前者仅以电源侧的控制资源为调度手段,同时平抑负荷和间歇性新能源的出力波动。由于电源侧可调资源有限,随着间歇性能源的大规模接入,这种仅从电源侧出发进行调度的传统方法往往难以满足实际需求。而需求侧响应具有成本低、控制灵活的特点,因而在传统调度模型中纳入需求侧响应资源,是一种可行而有效的方法。将需求侧响应作为一种新的决策手段纳入到调度体系之中,并在此基础上构建系统的日前调度模型,以达到提高其运行效益的目的,而目前对于需求侧控制手段本身的不确定性考虑较少,不利于模型在实际中的应用,从而导致调度决策的错误,并且传统模型的求解复杂度高,运算量大。
技术实现要素:
本申请提供了一种基于源荷互动电力系统调度的方法,以解决目前对于需求侧控制手段本身的不确定性考虑较少,不利于模型在实际中的应用,从而导致调度决策的错误,并且传统模型的求解复杂度高,运算量大的问题。
本申请提供一种基于源荷互动电力系统调度的方法包括:
获取用户各个时段的用电量和对应的电价;
根据所述各个时段的用电量和对应的电价,计算得到自弹性系数和交叉弹性数;
根据自弹性系数和交叉弹性系数,生成电量电价弹性矩阵;
利用所述电量电价弹性矩阵、用户各时段的用电量和对应的电价,生成电价响应模型;
根据所述电价响应模型,生成价格弹性需求曲线和所述价格弹性曲线对应的不确定性集合;
线性化所述价格弹性曲线,得到线性价格弹性曲线和所述线性价格曲线对应的不确定性集合;
获取风电出力的不确定性集合、线性燃料成本函数、线性价格弹性曲线和所述线性价格曲线对应的不确定性集合,建立日前调度模型,所述日前调度模型包括目标函数和多个约束条件;
获取风电出力的不确定性集合、线性燃料成本函数,利用所述风电出力的不确定性集合、线性燃料成本函数、线性价格弹性曲线和所述线性价格曲线对应的不确定性集合,建立日前调度模型,所述日前调度模型包括目标函数和多个约束条件;
利用序优化算法和多个所述约束条件对目标函数求解,得到最优解;
根据所述最优解,执行对应的调度方案。
由以上技术方案可知,本申请提供一种基于源荷互动电力系统调度的方法,充分考虑电价因素的影响,不仅考虑决策出机组组合,还要使社会福利最大。将这一部分定义实际生活中一些用电需求却不受电价的影响的负荷定位为“非弹性需求”,如医院和学校;与此相对应的“弹性需求”定义为用电需求随电价的变化而变化。此外在该模型中,风电出力被假设为确定,价格弹性需求曲线也是确定的。同时在每个时间段内的用电需求包含弹性需求和非弹性需求,但在目标函数的消费者剩余当中的用电需求仅有弹性需求,因为非弹性需求的消费者剩余为0。如此构建的数学模型能全面的反映出用户实际的需求响应;并且在目标函数约束条件确定过程中,除保证电力系统能够安全可靠地运行,决策变量满足一些常规约束条件外,还考虑需求响应后的约束条件,以使模型更好的反应实际情况,为后期调度决策提供准确的依据,并且利用序优化算法对模型进行求解,大大降低运算量。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供一种基于源荷互动电力系统调度的方法的流程图;
图2为价格弹性需求曲线图;
图3为需求曲线和供给曲线图;
图4为分段函数近似价格弹性需求曲线图。
具体实施方式
如图1所示,本申请实施例提供一种基于源荷互动电力系统调度的方法包括:
步骤11:获取用户各个时段的用电量和对应的电价。
确定目标用户群及典型用户,一般来说,大中型工商业用户是提供需求响应潜力的主要来源,此外,还可以根据具体需求将目标用户扩大第一产业、小型工商业和居民用户等。具体各时段的电价可包括各地实施的具体需求响应项目,如峰谷电价(tou)、尖峰电价(cpp)、实时电价(rtp)等。
步骤12:根据所述各个时段的用电量和对应的电价,计算得到自弹性系数和交叉弹性数。
用户对电量价格的响应的类型包括两种:单时段响应和多时段响应。所谓单时段响应,就是用户仅对当前时间段的电量电价产生响应,增加或者降低对电量的使用和消费,且不会对用电负荷进行重新调整;对于多时段响应,就是用户对不同时段的电价产生的响应,即用户根据各个时段的电价情况,调整自己的用电方案。多时段响应相比于单时段响应,更符合实际的用电情况。在多时段响应的场景模型中,弹性系数分为自弹性系数和交叉弹性系数,分别用于表示用户对当前时段的电价响应和对其他时段电价的响应。
步骤13:根据自弹性系数和交叉弹性系数,生成电量电价弹性矩阵。
步骤14:利用所述电量电价弹性矩阵、用户各时段的用电量和对应的电价,生成电价响应模型。
步骤15:根据所述电价响应模型,生成价格弹性需求曲线和所述价格弹性曲线对应的不确定性集合。
价格弹性曲线对应的不确定性集合用于反应价格弹性需求曲线的不确定模型,其中包括价格弹性需求曲线的不确定性的偏差范围和约束条件。
受用户习惯影响,并由电价响应模型可以看出需求侧响应存在不确定性,具体地,如图2所示,对于给定的某个价格p0,相应的需求是不确定的(d0的范围)。类似地,对于给定的需求d0,相应的价格也可以在一定范围内变化(p0的范围)。因此,价格弹性需求曲线为
曲线作为分段函数,对于价格弹性需求曲线中的每个
步骤16:线性化所述价格弹性曲线,得到线性价格弹性曲线和所述线性价格曲线对应的不确定性集合。
一般来说,当电价上涨时,需求将会减少。然而,一些电力消费不受电力价格的影响。本申请将这一部分定义为“非弹性需求”,而需求的另一部分随电力价格的变化而变化,本申请将这部分定义为“弹性需求”。对应于最大社会福利的电力需求,其定义为消费者剩余和供应商盈余的总和。由于非弹性需求部分有一个无限的边际价值。本申请假设,消费者剩余的非弹性需求部分是一个常数。
步骤17:获取风电出力的不确定性集合、线性燃料成本函数,利用所述风电出力的不确定性集合、线性燃料成本函数、线性价格弹性曲线和所述线性价格曲线对应的不确定性集合,建立日前调度模型,所述日前调度模型包括目标函数和多个约束条件。
由于风电具有间歇性质,难以精确地表征风力功率输出。假设风力输出在[wtb*-wtb-,wtb*+wtb+]区间内,其中wtb*代表在时间段t内总线b的风力输出的预测值,以及wtb+,wtb-分别代表高于和低于允许的最大偏差值。该间隔通常可以通过使用分位数来生成。例如,本文可以设置wtb*+wtb+和wtb*-wtb-分别等于不确定风力输出的.95-和.05-分位数。实际的风电输出功率
wtb*代表在时间段t内总线b的风力输出的预测值;以及wtb+,wtb-分别代表高于和低于允许的最大偏差值;πb作为基数预算,以限制风力输出远离其在总线b处的预测值的时间段的数量;
线性燃料成本函数和线性价格弹性曲线
在实际生产当中,机组的燃料成本函数
假设在每一个总线上的负载包括非弹性和弹性元件,可以模拟需求曲线和供给曲线,如图4所示。电力供需在交点
最终确定的日前调度模型包括目标函数和约束条件,
所述目标函数为
t表示时间段的集合,b表示节点的集合,gb表示节点b处的发电机组,
所述约束条件包括机组技术约束条件、系统约束条件和需求响应约束条件,
所述机组技术约束条件为
上述两个约束条件表示最小的开机时间和最小的停机时间限制。
上述两个约束条件为计算机组的启动和关闭状态变量。
上述两个约束条件为实施每台机组的斜率限制。
所述系统约束条件为
所述需求响应约束条件为
其中,
步骤18:利用序优化算法和多个所述约束条件对目标函数求解,得到最优解。
序优化方法的主要原理是“序”比“值”要容易比较,这与人们的生活经验相一致,例如,双手各拿一个球,只要掂量一下就能判断哪个球更重,但要精确判断重多少克就比较困难,同样,虽不足以精确判断两个解之间性能差别是多少,但却可以相当准确判断两个解之间孰优孰劣。如果在解空间异常庞大、精确求解问题的最优解在计算量上不可行或困难时,从应用角度出发,最终结果可放松到足够好解即可,即找到一组足够好解即可,未必一定要找到最好的那一个,即目标软化。最后在一组足够好解中的每个解进行精确评估,从中挑选出一个最好的解。
步骤19:根据所述最优解,执行对应的调度方案。
由以上技术方案可知,本申请提供一种基于源荷互动电力系统调度的方法,充分考虑电价因素的影响,不仅考虑决策出机组组合,还要使社会福利最大。将这一部分定义实际生活中一些用电需求却不受电价的影响的负荷定位为“非弹性需求”,如医院和学校;与此相对应的“弹性需求”定义为用电需求随电价的变化而变化。此外在该模型中,风电出力被假设为确定,价格弹性需求曲线也是确定的。同时在每个时间段内的用电需求包含弹性需求和非弹性需求,但在目标函数的消费者剩余当中的用电需求仅有弹性需求,因为非弹性需求的消费者剩余为0。如此构建的数学模型能全面的反映出用户实际的需求响应;并且在目标函数约束条件确定过程中,除保证电力系统能够安全可靠地运行,决策变量满足一些常规约束条件外,还考虑需求响应后的约束条件,以使模型更好的反应实际情况,为后期调度决策提供准确的依据。
在本申请另一实施例中,上述步骤14包括:
步骤141:根据所述各个时段的用电量和对应的电价,按照如下公式计算得到自弹性系数和交叉弹性系数;
δq和δp分别为电量q和电价p的相对增量,εii为自弹性系数,εij为交叉弹性系数,i和j分别表示第i和第j时段。
步骤142:根据自弹性系数和交叉弹性系数,生成电量电价弹性矩阵,所述电量电价弹性矩阵为
步骤143:利用所述电量电价弹性矩阵、用户各时段的用电量和对应的电价,生成的电价响应模型为
在本申请又一实施例中,上述步骤16包括:
步骤161:假设所述价格弹性需求曲线的价格弹性恒定,则得到优化后的价格弹性需求曲线,所述优化后的价格弹性需求曲线为
步骤162:根据所述优化后的价格弹性需求曲线,参见图4,生成对应的分段函数,所述分段函数为
步骤163:将
当存在某个s0使得
所述线性价格曲线对应的不确定性集合为
上述本实施例提出了价格弹性需求曲线以及如何使用线性函数将其近似。然而,实际的价格弹性需求曲线是不确定的。当isos/rtos作出日前调度决策时,必须允许价格弹性需求曲线在一定范围内变化。为了调整保守性,引入参数
以上技术方案可知,本申请提供一种基于源荷互动电力系统调度的方法,充分考虑电价因素的影响,不仅考虑决策出机组组合,还要使社会福利最大。将这一部分定义实际生活中一些用电需求却不受电价的影响的负荷定位为“非弹性需求”,如医院和学校;与此相对应的“弹性需求”定义为用电需求随电价的变化而变化。此外在该模型中,风电出力被假设为确定,价格弹性需求曲线也是确定的。同时在每个时间段内的用电需求包含弹性需求和非弹性需求,但在目标函数的消费者剩余当中的用电需求仅有弹性需求,因为非弹性需求的消费者剩余为0。如此构建的数学模型能全面的反映出用户实际的需求响应;并且在目标函数约束条件确定过程中,除保证电力系统能够安全可靠地运行,决策变量满足一些常规约束条件外,还考虑需求响应后的约束条件,以使模型更好的反应实际情况,为后期调度决策提供准确的依据。