[发明专利]一种用于虚拟电厂的两阶段优化调度方法

说明书

技术领域

本发明涉及分布式能源优化调度方法，具体涉及一种虚拟电厂的优化调度方法。

背景技术

随着化石燃料的紧缺以及环境污染问题的日益加剧，分布式电源飞速发展。为了实现大规模分布式电源的有效管理，虚拟电厂（virtual power plant,VPP）的概念越来越受到人们的关注。从微观角度来说，虚拟电厂可认为是通过先进信息通信技术和软件系统，实现分布式电源、储能装置、可控负荷、电动汽车等分布式能源的聚合和协调优化，以作为一个特殊电厂参与电力市场和电网运行的电源协调管理系统。从宏观角度来说，虚拟电厂在电力系统和市场中充当类似于传统电厂的角色。

传统的调度方案通常包括三种情况：单独考虑经济性；单独考虑安全性；综合考虑经济性和安全性。采用第一种调度方法可以获得很好的收益，但往往会对线路的承载能力造成很大的威胁，不利于电网的安全运行；采用第二种调度方法可以很好的保证配电网的安全稳定运行，但经济性较差；采用第三种调度方法可以兼顾考虑调度方案的经济性以及对电网安全稳定运行的影响，但其计算规模大、复杂度高，因而计算时间较长而且容易陷入局部最优解的问题。特别地，在多个配电网中的分布式能源统一协调调度时，经济性和安全性更应该分开考虑。

发明内容

发明目的：本发明的目的在于针对现有技术的不足，提供一种同时兼顾调度的经济问题和安全问题的用于虚拟电厂的两阶段优化调度方法。

技术方案：本发明提供了一种用于虚拟电厂的两阶段优化调度方法，如图1所示，包括以下步骤：

1）采集虚拟电厂内部电源的发电和用电信息，同时采集虚拟电厂外部来自电力公司或电力市场的激励信息；

2）构造经济调度模型；

3）将步骤1）中所获取的信息代入至步骤2）中所建立的经济调度模型，进行优化求解；

4）构造安全调度模型；

5）将网络约束信息以及步骤3）中所求解的调度方案代入步骤4）所建立的安全调度模型中，采用粒子群优化算法进行求解，得到最终的调度方案。

优选的，步骤1）所述内部电源的发电信息包括可控电源的最大和最小出力、爬坡速度、不可控电源的预测发电量以及以上信息的历史数据。

优选的，步骤1）所述内部电源的用电信息包括负荷预测数据、可控负荷的功率及时段信息以及以上信息的历史数据。

进一步，步骤2）所述构造经济调度模型的具体步骤为：

①、构建优化目标：建立以利润最大化为目标的函数；

②、构建约束条件，包括：电源出力的上下限约束、电源出力的爬坡约束、可控电源的最大和最小启停时间约束、可控负荷功率约束和能量平衡约束。

进一步，步骤4）所述构造安全调度模型的具体步骤为：

Ⅰ、构建优化目标：建立以再调度操作成本最小为目标的函数；

Ⅱ、构建约束条件，包括：线路的功率约束、线路的电流约束、节点电压约束、系统运行约束、与大电网连接点的容量约束。

进一步，步骤（5）所述粒子群优化算法，如图2所示，包括以下步骤：

（1）读取节点、支路数据信息；

（2）设定参数：设定粒子群算法的种群大小、最大迭代次数、学习因子和惯性系数参数；

（3）初始化种群：以虚拟电厂内部各节点的电源出力和负荷削减为待优化变量，以初步调度结果为种群中各微粒的位置初值，并随机生成各微粒的速度值；

（4）根据安全调度的目标函数，计算局部最优解和全局最优解的初值；

（5）根据下式更新粒子的移动速度：

v_i,j(t+1)＝ωv_i,j(t)+c₁r₁[p_i,j-x_i,j(t)]+c₂r₂[p_g,j-x_i,j(t)]

式中：v_i,j为第j维搜索空间中第i个粒子的速度，ω为惯性权重，c₁和c₂为正的学习因子，r₁和r₂为0到1之间均匀分布的随机数，p_i,j为第j维搜索空间中第i个粒子本身所找到的最优解，p_g,j为整个种群目前找到的最优解；x_i,j为第j维搜索空间中第i个粒子的位置，t为目前迭代的次数；