一种考虑出力外特性的虚拟电厂多目标优化调度方法与流程

本发明涉及虚拟电厂优化调度领域，尤其是涉及一种考虑出力外特性的虚拟电厂多目标优化调度方法。

背景技术：

虚拟电厂是由不同类型的分布式能源组成的一类特殊类型的发电厂，亦是一个综合的能源管理系统，虚拟电厂通过先进的通讯技术及软件系统，对分布式电源、储能设备、电动汽车等分布式能源进行聚合，并参与电力市场与电力系统运行。虚拟电厂对所辖范围内不同类型的能源发电进行管理和整合，具有与传统电厂相似的可调度性及可控制性，因此，如何构建出具有传统电厂相似出力外特性的虚拟电厂优化调度模型引起了人们的广泛关注。

虚拟电厂作为聚集分布式电源的一种方式，其出力外特性表现为传统电厂出力特点的基础是解决好其内部能源的调度方式，一些现有文献仅将电动汽车引入虚拟电厂，考虑了其作为电源与负荷的双重特性；另有不少现有文献建立了基于风光储的虚拟电厂优化调度模型，并对虚拟电厂的管理架构、互动机制和关键技术进行探讨；然而上述现有文献并没有考虑将虚拟电厂作为一个整体对外的输出特性，与此同时，虚拟电厂的优化运行需兼顾各分布式能源运营商的运行收益及对社会的环境效益，仅考虑其出力外特性是不够全面和深入的，现有的文献多数以经济性和环保性为目标函数，研究虚拟电厂的最优调度策略，对于出力外特性的研究并不充足，仍需要进一步的探索。

因此，急需一种考虑出力外特性的虚拟电厂多目标优化调度方法，以实现虚拟电厂在经济环保运行的同时，能够具有良好的出力外特性。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑出力外特性的虚拟电厂多目标优化调度方法。

本发明的目的可以通过以下技术方案来实现：

一种考虑出力外特性的虚拟电厂多目标优化调度方法，包括以下步骤：

1)定义虚拟电厂的出力外特性；

2)聚合多种分布式电源构建虚拟电厂主体；

3)以最优化虚拟电厂出力外特性、最大化虚拟电厂运行收益和最小化虚拟电厂碳排放量作为调度目标函数建立虚拟电厂多目标优化调度模型；

4)将虚拟电厂多目标优化调度模型中的多目标转换为单目标，非线性条件线性化，并且采用混合整数线性规划法进行求解，获取调度统计信息，包括风电光伏出力情况、储能设备的充放电时间及功率、电动动车的充放电时间及功率。

所述的步骤1)中，虚拟电厂出力外特性需接近传统电厂，需满足调度对虚拟电厂的期望出力需求，具体包括目标功率曲线、功率基线和实际出力曲线.

所述的目标功率曲线定义为调度对虚拟电厂的期望出力，其出力特点是白天高、夜间低，出力平稳，与分布式电源的出力有差异，所述的功率基线定义为虚拟电厂不采取调控手段时分布式电源聚合功率的估计值，其出力特点主要与分布式电源的特性有关，具有随机性、波动性、反调峰等特性，所述的实际出力曲线定义为在虚拟电厂聚合各式分布式电源后，通过优化调度得到的虚拟电厂实际出力，其出力特点与实际的优化目标有关。

虚拟电厂出力外特性表现为对调度需求的响应程度，实际出力越接近目标功率则响应程度越高，出力可靠程度越好，反之则出力可靠程度越低。虚拟电厂实际出力与基准功率的差可视为虚拟电厂提供的产品。

分布式电源包括风电、光伏、储能设备和电动汽车。

对于风电和光伏，虚拟电厂在其能力范围之内优先利用，并通过桨距角和逆变器使其出力在一定范围内可调，其数学模型表达式为：

其中，和分别为t时段风电和光伏的实际出力，和分别为t时段风电和光伏出力的预测值，λ^wp和λ^pv分别为风电和光伏出力的调控系数，即风电出力区间的上、下限分别为光伏出力区间的上、下限分别为

储能设备作为虚拟电厂的重要组成部分，在虚拟电厂中起到平抑功率波动、可靠地满足系统负荷需求、保证系统高效和稳定运行、改善系统电能质量的作用。储能单元在系统中能量富余的时候，可以将多余的能量储存起来以备用，当能量或负荷需求短缺时，释放储存的能量以满足用户侧和设备的能量需求。蓄电池不仅能够提高系统的稳定性，抑制可再生能源的功率波动，同时也是虚拟电厂实现经济调度的重要手段，对于储能设备，其数学模型表达式为：

其中，分别为t、t+1时段储能装置的储电容量，和分别为储能装置的充、放电效率，和分别为储能装置t时段的充、放电功率，δt为时间间隔。

电动汽车近年来发展快速，其用电行为引起负荷发生一定改变，v2g(vehicletogrids)技术可实现电动汽车向电网放电，从而使电动汽车作为虚拟电厂的储能设备加以利用。此外，电动汽车的储能作用不仅能为虚拟电厂提供辅助服务，还能使电动汽车车主获得一部分收益，对于电动汽车，其数学模型表达式为：

其中，为t时段电动汽车的实际出力，大于0表示放电，小于0表示充电，和分别为t时段判断电动汽车是否充、放电的0-1变量，和分别为t时段电动汽车的充、放电功率，soct、soct+1分别为t、t+1时段电动汽车的荷电状态。

同时兼顾了系统的出力外特性、运行收益和碳排放量，实现虚拟电厂在出力可靠、经济效益、社会效益3个方面最优化，虚拟电厂多目标优化调度模型中的三个调度目标函数具体为：

1、最优化虚拟电厂出力外特性：

为使得经调控后虚拟电厂实际出力接近调度端的期望出力，则第一个目标函数设定为最小化虚拟电厂目标功率与实际出力之差，其表达式如下：

其中，为t时段虚拟电厂的目标功率，为t时段虚拟电厂的实际出力；

2、最大化虚拟电厂运行收益：

虚拟电厂需为参与聚合的分布式用户提供收益，考虑运行性，则第二个目标函数设定为最大化虚拟电厂运行收益，其表达式如下：

其中，为t时段虚拟电厂实际出力的收益，为t时段电动汽车与主网交互收益，为虚拟电厂t时段的购电成本，为t时段维护成本，为t时段的购电功率，和分别为t时段虚拟电厂与主网交互的购、售电电价，和分别为t时段电动汽车与主网交互的充、放电电价，c^pv、c^wp和c^ees分别为风电、光伏和储能设备的单位维护费用；

3、最小化虚拟电厂碳排放量：

虚拟电厂的环境效益通过其碳排放量体现，则第三个目标函数设定为最小化虚拟电厂二氧化碳排放量，其表达式如下：

其中，σgwp为污染物的gwp系数，εe为污染物的排放系数，为虚拟电厂从电网的总购电量，ηgen为电厂的发电效率，ηgrid为输电线损率。

所述的步骤3)中，虚拟电厂多目标优化调度模型的约束条件包括：

a、功率平衡约束：

式中：为t时段的售电功率；

b、储能设备约束：

式中：分别为储能设备容量的上下限，分别为储能装置的充电功率的上下限，分别为储能装置的放电功率的上下限，分别为判断储能设备是否充、放电的0-1变量；

c、电动汽车约束：

socmin≤soct≤socmax

式中：socmax、socmin分别为电动汽车容量的上下限；

d、与主网交互功率限制：

式中：分别为与主网交互的最大购、售电功率。

所述的步骤4)中，针对多目标优化问题，通过归一法和线性加权将多目标转化为单目标。

与现有技术相比，本发明具有以下优点：

一、快速可靠：与现有方法相比，本发明公开的方法能够快速可靠地计算出虚拟电厂调度模型的各决策变量，得出可靠精准的调度信息。

二、可行性高：在虚拟电厂优化调度模型中考虑了出力外特性、经济性及环保性，调度人员可根据不同的调度目标进行安排调度，更为符合实际运行情况，可获得更具可行性的调度方案。

三、适用范围广：在计及出力外特性的同时计算各储能设备的最优充放分布，对于变量繁多的系统，该方法同样能够保持快速性与准确性，在求解电力系统中其他随机优化问题的巨大潜力。

附图说明

图1为冬季典型日风光出力预测。

图2为实施例1中各方案购电量与co2排放量对比。

图3为实施例1中各方案出力外特性对比，其中，图(3a)为方案1的出力外特性对比，图(3b)为方案2的出力外特性对比，图(3c)为方案3的出力外特性对比，图(3d)为方案4的出力外特性对比。

图4为实施例1中各方案储能设备储电量对比。

图5为实施例1中各方案电动汽车储电量对比。

图6为本发明的方法流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

如图6所示，本发明提出了一种考虑出力外特性的虚拟电厂多目标优化调度方法，具体包括以下步骤：

首先，定义了虚拟电厂的出力外特性，并通过目标功率曲线、功率基线、实际出力曲线三条曲线对其出力外特性进行详细阐述；同时，研究分析了虚拟电厂中各分布式能源、储能元件及电动汽车的发用电现状及运行特性，并得到了研究能够表征风光出力、储能元件、电动汽车运行特性的建模方法，共同构建了含风光储及电动汽车的虚拟电厂优化调度模型。

然后，建立考虑出力外特性、经济性和环保性的虚拟电厂多目标优化调度模型，该模型以虚拟电厂出力外特性最优、运行收益最大、碳排放量最小为目标函数，同时满足功率平衡约束、储能设备出力约束、电动汽车约束、与主网交互功率约束。所构建的虚拟电厂优化调度模型是一个复杂的多目标非线性模型，通过一定的线性化方法将目标函数里的绝对值项线性化后，再通过归一法和线性加权将多目标问题转化为单目标问题，最终将其表示为混合整数线性规划(mixedintegerlinearprogramming，milp)模型。

最终，通过混合整数规划法进行求解，得出调度统计信息，包括风电光伏出力情况、储能设备的充放电时间及功率、电动动车的充放电时间及功率。

本方法首先对虚拟电厂的出力外特性进行详细定义，并对虚拟电厂中聚合的各分布式电源进行精确建模，将其中的非线性项进行线性化以便快速求解，并通过归一法和线性加权将多目标问题转化为单目标问题进行求解，保证了求解的精度，提高了求解的速度。因此，本发明提出的方法兼具计算进度高以及计算速度快等优点。此外，在虚拟电厂优化调度模型中考虑了出力外特性、经济性及环保性，调度人员可根据不同的调度目标进行安排调度，更为符合实际运行情况，可获得更具可行性的调度方案。最后，本发明模型中在计及出力外特性的同时计算各储能设备的最优充放分布，对于变量繁多的系统，该方法同样能够保持快速性与准确性，在求解电力系统中其他随机优化问题的巨大潜力。

实施例1：

虚拟电厂的运行参数如表1所示。主网和电动汽车的电价采用分时电价，电价的时段划分如表2和表3所示。储能设备和电动汽车满足周期性不变原则，即储电量在运行完一个调度周期后仍能恢复到初始值；λ^wp和λ^pv均取5％；经计算，3个目标函数的权重分别为0.327、0.325、0.347。

表1虚拟电厂的运行参数

表2主网分时电价

表3电动汽车上网分时电价

某典型日内的风电光伏出力预测值如图1所示，夜间没有光照，中午辐射强度较高。风速夜间较大，白天较小，具有反调峰性。

为了对比不同优化目标下虚拟电厂的运行特点，本发明设置4种方案如下：

方案1：设定的目标函数为最小化虚拟电厂目标功率与实际出力之差。

方案2：设定的目标函数为最大化虚拟电厂运行收益。

方案3：设定的目标函数为最小化虚拟电厂二氧化碳排放量。

方案4：同时考虑虚拟电厂出力外特性、经济性与环保性，以多目标为优化目标。

4种方案日调度周期内的各项收益和成本如表4所示，由表4可以看出，由于方案1是以接近目标出力曲线为目标函数，因此会牺牲经济性，主要体现在与虚拟电厂实际出力收益、电动汽车交互收益和购电成本；方案2虽然购电成本较低，但由图2可知实际上其总的购电量最大，同时方案2的电动汽车交互收益最大，说明方案2更倾向于最大化收益，会尽可能的根据合适的分时电价与主网进行交互；方案3以最小化污染物排放量为目标，其总购电量最小，但其运行经济性最差；而方案四综合考虑了出力外特性、经济性和环保性多个目标，其总收益较方案1和3分别增加了10.01％和10.45％，仅低于方案2，其运行经济性较好。

表4各方案收益与成本对比

进一步比较各方案的出力外特性，由图3可以明显看出，方案1、3、4的整体出力曲线相较于方案2更为平滑，且由表5可知，其批次之间的出力差平均值和对调度需求响应程度的差距较小，在运行可靠性方面远优于方案2；此外，由于本发明所构建的虚拟电厂未聚合常规机组，其主要出力来源于各可再生能源，在白天和夜间的过渡时期会较小，而那段时间的目标出力曲线会较大，因此即使是方案1也无法完全优化至目标出力曲线，但也已经尽可能的满足调度对其的出力需求，实现了虚拟电厂削峰填谷的作用。

表5各方案运行可靠性对比

虚拟电厂出力外特性的调节主要依靠储能设备来实现，从图4、5中可以看出，方案1、3、4倾向于在可再生能源出力较大时储能，在其出力较小时放能，方案2更倾向于在电价较高时放能，较低时储能；因此，方案1、3、4发挥了储能设备削峰填谷的作用，方案2发挥了储能设备的经济性作用。

综上所述，考虑多目标优化的方案4在运行可靠性和环保性这两方面的表现十分接近于方案1和3，但其在经济性上的表现优于方案1、3，仅次于方案2，而方案2在可靠性和环保性上的表现较差；由此可以得出，综合考虑多个目标的优化调度方法能够实现虚拟电厂的最优运行。