一种考虑新能源电动汽车和光伏发电的虚拟电厂调度与运行方法与流程

本发明涉及虚拟电厂调度，具体涉及一种考虑新能源电动汽车和光伏发电的虚拟电厂调度与运行方法。

背景技术：

1、随着可再生能源的迅速发展以及广泛普及，传统电力系统中的不确定因素也随之增加，这样一来往往会导致电力系统出现潜在的技术漏洞。同时，新能源电动汽车的崛起也使电力系统需求侧的波动增大，这些因素都使电网越来越难以在安全条件下管理。

2、经过仔细的研究后，目前普遍认为亟需引入新的系统架构来解决上述问题。为了解决上述问题，本发明提出了一种考虑光伏发电的虚拟电厂调度与运行方法，新能源发电的不确定性通过蒙特卡洛场景法解决，采用了一种新型滚动优化模型实现虚拟电厂的实时调度。

技术实现思路

1、针对上述现有技术存在的不足，本发明提出了一种考虑新能源电动汽车和光伏发电的虚拟电厂调度与运行方法。

2、本发明采取的技术方案为：一种考虑新能源电动汽车和光伏发电的虚拟电厂调度与运行方法，其包括，

3、步骤1：建立两阶段随机规划模型，优化日前市场投标过程；

4、步骤2：综合考虑第一阶段优化成本和第二阶段优化成本，给出日前市场层面的目标函数；

5、步骤3：提出一种新型的滚动优化模型，实现虚拟电厂的实时调度；

6、步骤4：建立光伏发电以及电动汽车充电请求的不确定性预测模型；

7、步骤5：给出虚拟电厂实时调度层面的目标函数；

8、步骤6：在matlab2021a环境中调用gurobi求解器采用蒙特卡洛场景法生成若干随机场景对上述模型及约束迭代求解。

9、所述步骤1)中两阶段随机规划模型

10、1）.第一阶段优化模型（日前市场）

11、第一阶段优化变量为，为日前市场上声明的功率计划，可表达为：

12、（1）

13、其中表示t时刻日前市场中出售的功率，表示t时刻日前市场上购买的功率,虚拟电厂在某一时间t内购买或者出售功率的状态约束为：

14、（2）

15、式中均为二进制变量，分别表示t时刻虚拟电厂出售和购买功率的状态,的上界约束为：

16、（3）

17、其中分别表示优化变量的上界,约束-限制虚拟电厂不能同时向系统中注入和流出功率，以上为第一阶段优化模型。

18、2）.第二阶段优化模型

19、所述提出的两阶段随机规划模型，其中第二阶段优化即功率预测问题优化，第二阶段优化包括：

20、（4）

21、约束表示电池的能量平衡，其中表示t时刻场景s下储能系统的预期充电状态；表示时间步长分辨率；表示储能系统的电池容量；分别表示储能系统的充放电效率；分别表示t时刻场景s下储能系统的充放电功率。

22、约束（5）为限制优化变量数值范围的约束：

23、（5）

24、其中分别表示储能系统的最小和最大充电状态；分别表示储能系统的最大充电功率和最小放电功率。

25、约束（6）提出了由虚拟电厂吸收的预期总功率，考虑了储能系统以及停车场的预测净功率需求，预期总功率为：

26、（6）

27、其中表示t时刻场景s下虚拟电厂的预期吸收功率；是一个不确定参数，表示t时刻场景s下虚拟电厂所需的总功率;

28、若系统的交换功率与日前市场给出的功率不同，虚拟电厂将会受到不平衡费用的惩罚：

29、(7)

30、其中表示t时刻场景s下功率不平衡程度的数值表达；表示t时刻场景s下正的功率不平衡；表示t时刻场景s下负的功率不平衡,均为非负变量， 所以在约束中应当添加使其为非负的约束，因此约束简单所以不做赘述。

31、所述步骤2)中日前市场层面的目标函数包括：

32、所述两阶段随机规划模型目的在于找到最佳的日前市场功率计划，目标函数使预期成本最小，目标函数为：

33、(8)

34、其中分别表示第一阶段成本和第二阶段成本；分别表示在日前市场上购买/出售的能量成本/价格；分别表示未成功实现日前市场功率计划时的不平衡费用，约束条件为式（1）-（7）。

35、所述步骤3)中滚动优化模型

36、1）电动汽车荷电状态模型：

37、为了保证所有电动汽车能获得充足的充电时间，预测用户的行为就是必要且重要的工作,为此，提出了一种新的滚动优化模型，具体包括：

38、(9)

39、其中k表示电动汽车的索引；表示t时刻电动汽车k的充电状态；表示电动汽车k的电池容量；表示t时刻电动汽车k的充电功率；表示电动汽车的充电效率。

40、2）电动汽车充电功率

41、为了保证满足所有电动汽车充电时的电功率，每一辆汽车充电功率上下限由约束给出：

42、(10)

43、其中表示充电功率的最小、最大值,为：

44、(11)

45、其中为常数参数；为一个表示电动汽车与充电站连接状态的二进制变量;

46、3）电动汽车吸收功率

47、电动汽车t时刻充电所纳入的功率由约束给出：

48、(12)

49、其中表示t时刻在充电站充电的电动汽车数量。

50、4）滚动优化模型电动汽车充电优先级：

51、约束目的是使初始充电状态较低的车辆充电分配更高的优先级，当车辆的当前荷电状态小于出发时可接受的最低荷电状态时，约束即启用：

52、(13)

53、其中表示实时调度中的实际时间步长；表示可供电动汽车离开时的最低充电状态；表示充电站额定功率；表示介于0和1之间的调谐参数;

54、约束是为了使电动汽车在停车初期就可以充电，并且保证车辆达到最低出行要求后才放行,最终，对于实时运行来说，被确定为：

55、(14)

56、其中表示t时刻功率不平衡程度的数值表达；表示t时刻光伏发电功率预测值的更新值。

57、所述步骤4)中光伏发电以及电动汽车充电请求的不确定性预测模型包括：

58、1）光伏发电预测模型

59、光伏发电预测的误差会在天气发生明显改变时增加，同时季节的不同也会影响光伏发电的预测值，为了改善上述问题，采用以下方法进行光伏发电预测：收集现实发电厂的光伏发电量真实值和对应的预测值，对其按照季节和天气进行分组，预测误差为真实发电功率与预测值的差,光伏发电预测值可表示为：

60、(15)

61、其中表示t时刻第i次蒙特卡洛迭代中预测的光伏发电量；表示t时刻预计第二天的光伏发电量；表示t时刻第i次蒙特卡洛迭代中的历史光伏预测误差。

62、2）电动汽车充电请求预测模型

63、电动汽车的充电请求预测为：

64、(16)

65、其中表示t时刻第i次蒙特卡洛迭代中的预测充电站功率；表示每辆电动汽车的充电功率；n表示在充电站充电车辆索引；表示t时刻第i次蒙特卡洛迭代中在充电站充电车辆总数。

66、所述步骤5)中虚拟电厂实时调度层面的目标函数包括：

67、虚拟电厂实时调度的目标函数目的是使不平衡成本最小化，所提出的目标函数为：

68、<mstyle displaystyle="true" mathcolor="#000000"><mi>min</mi><msup><mi>f</mi><mi>rt</mi></msup><mi>(</mi><msub><mi>t</mi><mi>act</mi></msub><mi>)</mi><mi>=</mi><mstyle displaystyle="true"><munderover><mo>∑</mo><mrow /><mrow><mi>t</mi><mi>∈</mi><msub><mi>t</mi><mi>tw</mi></msub></mrow></munderover><mrow><mi>α</mi><mi>(</mi><mi>t</mi><mi>)[</mi><msub><mi>c</mi><mo>+</mo></msub><msup><mi>ip</mi><mo>+</mo></msup><mi>(</mi><mi>t</mi><mi>)</mi><mi>−</mi><msub><mi>c</mi><mi>−</mi></msub><msup><mi>ip</mi><mi>−</mi></msup><mi>(</mi><mi>t</mi><mi>)</mi><mi>−</mi><msub><mi>p</mi><mi>ch</mi></msub><msubsup><mi>p</mi><mi>abs</mi><mi>k</mi></msubsup><mi>(</mi><mi>t</mi><mi>)]</mi></mrow></mstyle></mstyle>(17)

69、约束条件为-，式中表示实时运行的目标函数；分别表示未实现日前市场功率计划的正/负不平衡费用；表示电动汽车充电价格；表示滚动优化模型中的超参数，表示为：

70、(18)

71、其中表示实时运行目标函数的调整参数；表示此新型混合整数线性规划中时间窗的步长。

72、所述步骤6)中蒙特卡洛场景迭代

73、1）求解步骤为：

74、步骤(1) 将天气预测数据、光伏历史数据、确定性光伏预测数据、几日前的电动汽车充电请求数据作为迭代求解的初始参数；

75、步骤(2) 程序开始迭代求解，置迭代次数i=1；

76、步骤(3) 光伏发电以及充电站电力需求预测；

77、步骤(4) 计算虚拟电厂的功率要求；

78、步骤(5) 最终计算得出第i次迭代过程中的不确定性数值，将其与收敛判据对比，若符合收敛判据则迭代停止；若不符合收敛判据则置迭代次数i=i+1，返回步骤(3)。

79、2）收敛判据模型

80、收敛判据表示为：

81、 （19）

82、其中q表示兴趣值；i表示到目前迭代为止生成的场景数量；表示第i次迭代过程中的不确定性；表示在第s个场景中获得的兴趣值；表示考虑到之前生成的所有场景的q期望值。

83、本发明具有以下有益效果：

84、1）本发明的步骤1中，建立的两阶段随机规划模型对日前市场的投标过程进行优化。且第一阶段优化考虑日前市场上声明的功率计划，第二阶段优化考虑功率预测问题，减少了日前市场的成本；

85、2）本发明的步骤2中，采用新型的滚动优化模型实现虚拟电厂的实时调度；

86、3）本发明的步骤3中，考虑光伏发电和电动汽车充电请求的不确定性，建立不确定性预测模型；

87、4）本发明通过与非优化方案和确定性优化方案对比结果，可以看出所述一种考虑新能源电动汽车和光伏发电的虚拟电厂调度与运行方法具有明显的经济效益。