一种基于EMPC的多VPP日前日内协调优化方法及装置与流程

一种基于empc的多vpp日前日内协调优化方法及装置
技术领域
1.本技术涉及多虚拟电厂系统领域，具体涉及一种基于empc的多vpp日前日内协调优化方法及装置。


背景技术：

2.目前的多vpp构建的电力系统内部一些新能源出力不确定，电力系统中每个vpp不同时间段存在一定的电量盈余或缺额，需要电力系统内部进行协调优化，目前电力系统的协调优化分为日前优化和日内调度，但两者之间紧密性不足，优化效果一般。


技术实现要素：

3.本发明旨在克服现有技术的不足，提供了一种基于empc的多vpp日前日内协调优化方法，日前滚动优化与日内调度实时反馈，紧密性好，所述日前日内协调优化方法基于empc，在优化过程中考虑经济性和风电预测，优化效果好。
4.本发明提供了一种基于empc的多vpp日前日内协调优化方法，所述方法包括：
5.基于多个vpp构成电力系统，根据所述电力系统的运行约束条件确定日前优化和日内调度模型；
6.所述日前优化结合经济性和风电预测误差，优化所述电力系统的控制变量，利用优化后的控制变量生成日前调度计划；
7.日内调度根据所述日前调度计划，在所述电力系统内部进行实时反馈校正。
8.进一步的，所述电力系统运行的约束条件，包括各个vpp的功率平衡、燃气轮约束、可中断负荷约束和储能设备约束；
9.所述各个vpp的功率平衡，公式为：
[0010][0011]
其中，p
t,il,i
为t时段第i个vpp的可中断负荷；分别为储能设备的充放电功率；为t时段第i个vpp从大电网购入、出售功率；为t时段第i个vpp从其他vpp购入、出售功率。
[0012]
燃气轮的约束，公式为：
[0013][0014][0015]
其中，分别为燃气轮机功率上升、下降的爬坡率。
[0016]
所述可中断负荷约束为：
[0017][0018]
其中，：为可中断负荷最大调用率；
[0019]
所述储能设备约束为：
[0020][0021]
其中：为t时段第i个vpp储能设备最大充放电功率；为t时段第i个vpp储能设备最大充放电功率；为0
‑
1变量，表征储能设备的充放电状态；为荷电状态的上下限；soc
0,es,i
、soc
24.es,i
为储能设备一天中的起始、结束值。
[0022]
进一步的，所述日前优化，根据电力系统当前状态，预测电力系统未来时段的运行状态，并根据电力系统的预测运行状态结合经济性生成任务决策；
[0023]
所述日前优化根据风电误差改变预测域长度，优化任务决策，生成日前调度计划。
[0024]
进一步的，所述日内调度根据日前调度计划，结合风电预测值和经济性，在电力系统内部进行实时反馈校正，包括：
[0025]
日内调度根据日前调度计划结合风电预测值，在电力系统内部调整包括燃气轮机、储能设备、各个vpp之间交互功率、vpp与大电网间联络线交互功率等在内的控制变量。
[0026]
进一步的，所述日内调度，将日前优化阶段的执行间隔δt，等分为m个时间间隔δt，结合每个时间间隔δt的风电预测值弥补日前调度计划的偏差值，并确保每个时间间隔δt运行费用最小。
[0027]
所述日内调整目标函数如下：
[0028][0029]
式中：ω
es
、ω
gt
、ω
e
、ω
m
分别为储能设备功率、燃气轮机功率、与大电网交互功率、与其它vpp交互功率的调整惩罚成本系数；δp
t，es，i
、δp
t，gt，i
、δp
t，e，i
、δp
t，m，i
分别为储能设备功率、燃气轮机功率、与大电网交互功率、与其它vpp交互功率的调整值。
[0030]
本发明还提供了一种基于empc的多vpp日前日内协调优化装置，所述装置包括：
[0031]
优化模型设置模块：用于根据电力系统的控制变量的约束条件确定日前日内协调优化模型；
[0032]
日前优化模块：用于结合经济性和风电误差优化电力系统的控制变量，利用优化后的控制变量生成日前调度计划；
[0033]
日内调度模块：用于根据日前调度计划结合风电预测值和经济性，在电力系统内部进行实时反馈校正。
[0034]
本发明提供了一种基于empc的多vpp日前日内协调优化方法，日前滚动优化与日
内调度实时反馈，紧密性好，能够提高电力系统的调度性，所述日前日内协调优化方法基于empc，在优化过程中考虑经济性和风电预测，优化效果好。
附图说明
[0035]
图1为本发明实施例中基于empc多vpp目前日内协调优化方法流程图；
[0036]
图2为本发明实施例中基于empc多vpp日前日内协调优化装置示意图；
[0037]
图3为本发明实施例中电力系统协调调度日前优化结果示意图；
[0038]
图4为本发明实施例中电力系统协调调度日内反馈调度结果示意图。
具体实施方式
[0039]
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0040]
实施例一：
[0041]
本发明实施例中，由多个虚拟电厂(virtual power plant，vpp)构建的电力系统，在传统模型预测控制(model predictive control，mpc)的基础上设计了改进经济模型预测控制(economic mpc，empc)，基于empc对多vpp日前日内两阶段进行优化调度。
[0042]
图1示出了本发明实施例的一种基于empc的多vpp日前日内协调优化方法流程图，如图所示，所述方法包括：
[0043]
s11：基于多vpp构建电力系统，根据所述电力系统运行约束条件确定日前优化和日内调度模型；
[0044]
进一步的，所述电力系统运行的约束条件，包括各个vpp的功率平衡、燃气轮约束、可中断负荷约束和储能设备约束；
[0045]
所述各个vpp的功率平衡，公式为：
[0046][0047][0048]
其中，p
t，il，i
为t时段第i个vpp的可中断负荷；分别为储能设备的充放电功率；为t时段第i个vpp从大电网购入、出售功率；为t时段第i个vpp从其他vpp购入、出售功率。
[0049]
燃气轮的约束，公式为：
[0050][0051][0052]
其中，分别为燃气轮机功率上升、下降的爬坡率。
[0053]
所述可中断负荷约束为：
[0054][0055]
其中，：为可中断负荷最大调用率；
[0056]
所述储能设备约束为：
[0057][0058]
其中：为t时段第i个vpp储能设备最大充放电功率；为t时段第i个vpp储能设备最大充放电功率；为0
‑
1变量，表征储能设备的充放电状态；为荷电状态的上下限；soc
0，es，i
、soc
24.es，i
为储能设备一天中的起始、结束值。
[0059]
s12：所述日前优化结合经济性和风电预测误差，优化所述电力系统的控制变量，利用优化后的控制变量生成日前调度计划；
[0060]
具体的，所述日前优化，根据电力系统当前状态，预测电力系统未来时段的运行状态，并根据多vpp预测运行状态结合经济性生成任务决策；
[0061]
所述日前优化根据风电误差改变预测域长度，优化任务决策，生成日前调度计划。
[0062]
具体的，所述日前优化设置时间间隔δt，在每个时间间隔δt内进行优化，降低风电预测误差的影响，预测域步长随风电预测误差自适应动态调整，保证优化结果的鲁棒性。
[0063]
具体的，优化控制变量包括：储能设备出力状态、燃气轮机出力和vpp与大电网、多vpp间联络线交互功率及参与需求响应的可中断负荷。
[0064]
s13：日内调度根据日前调度计划，结合风电预测值和经济性，在电力系统内部进行实时反馈校正。
[0065]
具体的，所述日内调度根据日前调度计划，结合风电预测值和经济性，在电力系统内部进行实时反馈校正，包括：
[0066]
日内调度根据日前调度计划结合风电预测值，在电力系统内部调整包括燃气轮机、储能设备、各个vpp之间交互功率、vpp与大电网间联络线交互功率等在内的控制变量。
[0067]
进一步的，所述日内调度，将日前优化阶段的执行间隔δt，等分为m个时间间隔δt，结合每个时间间隔δt的风电预测值弥补日前调度计划的偏差值，并确保每个时间间隔δt运行费用最小。
[0068]
需要说明的是，可中断负荷调度周期较长，故在日内反馈中将不对其优化调度。因此，日内阶段是根据日前计划结合风电更短时间尺度的预测值去调整包括燃气轮机、储能设备、vpp与大电网、vpp间联络线交互功率等在内的控制变量。
[0069]
所述日内调整目标函数如下：
[0070][0071]
式中：ω
es
、ω
gt
、ω
e
、ω
m
分别为储能设备功率、燃气轮机功率、与大电网交互功率、
与其它vpp交互功率的调整惩罚成本系数；δp
t，es，i
、δp
t，gt，i
、δp
t，e，i
、δp
t，m，i
分别为储能设备功率、燃气轮机功率、与大电网交互功率、与其它vpp交互功率的调整值。
[0072]
本发明实施例的一种基于empc的多vpp日前日内协调优化方法，所述方法包括日前滚动优化与日内调度实时反馈，紧密性好，能够提高电力系统的调度性，所述日前日内协调优化方法基于empc(经济模型预测控制)，在优化过程中考虑经济性和风电预测，优化效果好。
[0073]
实施例二：
[0074]
图2示出了本发明实施例的基于empc的多vpp日前日内协调优化装置设置示意图，如图所示，所述装置包括：
[0075]
优化模型设置模块1：用于根据电力系统的控制变量的约束条件确定日前日内协调优化模型；
[0076]
具体的，所述电力系统运行的约束条件，包括各个vpp的功率平衡、燃气轮约束、可中断负荷约束和储能设备约束；
[0077]
所述各个vpp的功率平衡，公式为：
[0078][0079][0080]
其中，p
t，il，i
为t时段第i个vpp的可中断负荷；分别为储能设备的充放电功率；为t时段第i个vpp从大电网购入、出售功率；为t时段第i个vpp从其他vpp购入、出售功率。
[0081]
燃气轮的约束，公式为：
[0082][0083][0084]
其中，分别为燃气轮机功率上升、下降的爬坡率。
[0085]
所述可中断负荷约束为：
[0086][0087]
其中，：为可中断负荷最大调用率；
[0088]
所述储能设备约束为：
[0089]
[0090]
其中：为t时段第i个vpp储能设备最大充放电功率；为t时段第i个vpp储能设备最大充放电功率；为0
‑
1变量，表征储能设备的充放电状态；为荷电状态的上下限；soc
0，es，i
、soc
24.es，i
为储能设备一天中的起始、结束值。
[0091]
日前优化模块2：用于结合经济性和风电误差优化电力系统的控制变量，利用优化后的控制变量生成目前调度计划；
[0092]
具体的，所述目前优化，根据电力系统当前状态，预测电力系统未来时段的运行状态，并根据多vpp预测运行状态结合经济性生成任务决策；
[0093]
所述日前优化根据风电误差改变预测域长度，优化任务决策，生成日前调度计划。
[0094]
具体的，所述日前优化设置时间间隔δt，在每个时间间隔δt内进行优化，降低风电预测误差的影响，预测域步长随风电预测误差自适应动态调整，保证优化结果的鲁棒性。
[0095]
具体的，优化控制变量包括：储能设备出力状态、燃气轮机出力和vpp与大电网、多vpp间联络线交互功率及参与需求响应的可中断负荷。
[0096]
日内调度模块3：用于根据日前调度计划结合风电预测值和经济性，在电力系统内部进行实时反馈校正。
[0097]
具体的，所述日内调度根据日前调度计划，结合风电预测值和经济性，在电力系统内部进行实时反馈校正，包括：
[0098]
日内调度根据日前调度计划结合风电预测值，在电力系统内部调整包括燃气轮机、储能设备、各个vpp之间交互功率、vpp与大电网间联络线交互功率等在内的控制变量。
[0099]
进一步的，所述日内调度，将日前优化阶段的执行间隔δt，等分为m个时间间隔δt，结合每个时间间隔δt的风电预测值弥补日前调度计划的偏差值，并确保每个时间间隔δt运行费用最小。
[0100]
需要说明的是，可中断负荷调度周期较长，故在日内反馈中将不对其优化调度。因此，日内阶段是根据日前计划结合风电更短时间尺度的预测值去调整包括燃气轮机、储能设备、vpp与大电网、vpp间联络线交互功率等在内的控制变量。
[0101]
所述日内调整目标函数如下：
[0102][0103]
式中：ω
es
、ω
gt
、ω
e
、ω
m
分别为储能设备功率、燃气轮机功率、与大电网交互功率、与其它vpp交互功率的调整惩罚成本系数；δp
t，es，i
、δp
t，gt，i
、δp
t，e，i
、δp
t，m，i
分别为储能设备功率、燃气轮机功率、与大电网交互功率、与其它vpp交互功率的调整值。
[0104]
具体的，优化模型设置模块1根据电力系统运行约束条件，确定优化模型，日前优化模块2在基于经济性原则下，优化电力系统的多个控制变量，同时考虑出力不确定的风电预测数据，改变预测域的长度，减少误差，生成调度计划，日内调度模块3在电力系统内部，根据日前调度计划，结合风电误差进行更高精度的实时反馈，在日内调度优化中考虑系统运行的经济性。
[0105]
本发明实施例所述多vpp日前日内协调优化装置内部各个模块相互紧密配合，减少多vpp日前滚动优化的风电预测误差，保证电力系统运行的经济性。
[0106]
实施例三：
[0107]
本实施例中提供一个电力系统，所述电力系统由vpp1，vpp2和vpp3构建而成。所述
电力系统中，各个vpp协同合作，同时参与大电网交易和各个vpp之间直接交易。vpp1、vpp2和vpp3中风电容量分别为50mw、20mw和30mw；mt采用同一型号机组，容量均为20mw；可中断负荷最大切断量为总负荷的10％；储能设备最大充放电功率为10mw，储能容量50mw
·
h；大电网售电电价为0.4元/(kw
·
h)，购电电价为1.1元/(kw
·
h)，vpp间交易价格介于0.4
‑
1.1元/(kw
·
h)之间；日前滚动优化阶段，取最大预测域长度为6h，优化时间间隔δt＝1h；日内实时反馈阶段，取δt＝15min。
[0108]
图3示出了本发明实施例中，电力系统协调合作调度下日前优化结果示意图；图4示了本发明实施例中，所述电力系统的日内反馈调度结果示意图。如图所示，在电力系统的协调调度中，日内调度反馈在日前优化基础上有效的减少风电预测误差的影响。
[0109]
具体的，当仅采用日前优化结果时，由于日前风电出力预测的误差较大，负荷高峰时需要切除大量的可中断负荷来满足供需平衡，而加入日内实时反馈校正之后，由于日内实时调度精度高于日前优化，可切断荷量大大减小，相较日前减少66.94％，因此两阶段优化调度模型能在满足用户需求的同时提高系统运行的平稳性。
[0110]
具体的，本实施例中的电力系统，各个vpp之间可以直接交易，在风电出力少的时间段，各个vpp可以根据实际用电需求向电量富裕的vpp交易，减少大电网的电量交易负担，同时，各个vpp之间的交易电价比与大电网之间的交易电价低，能够提高电力系统的整体经济性。
[0111]
本发明实施例中，所述电力系统采用日前滚动优化和日内实时反馈的优化模型，基于empc模型的优化调度，提高电力系统的整体经济性；日内实时反馈的精度比日前滚动优化高，能够进一步减少风电误差在电力系统协调优化的影响。
[0112]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(rom，read only memory)、随机存取存储器(ram，random access memory)、磁盘或光盘等。
[0113]
以上对本发明实施例进行了详细介绍，本文中采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。