[发明专利]一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法

权利要求书

1.一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法，其特征在于，该方法包括以下步骤：

步骤1：日前阶段：根据历史数据及考虑需求侧管理的负荷不确定模型预测次日数据，包含风速、风电厂出力、室外温度、光伏电站出力、系统负荷及电价波动；

步骤2：以低碳经济为目标，考虑火电机组的深度调峰工况和正常运行工况，利用蒙特卡洛法进行随机抽样，并用改进蝙蝠算法求解日前低碳经济调度模型，确定机组启停组合、各时段电价及价格型需求响应量；

步骤3：日内阶段：根据风电场、光伏电站的超短期预测值及考虑日前价格需求响应的日内系统负荷，基于日内调度模型优化求解，对日前调度计划进行调整；具体步骤包括：

步骤3.1：基于日前调度计划的火电机组组合，根据风力、光伏和负荷的参数分布函数，构建火电机组修正模型，以平均调整成本最小为目标，利用混合蝙蝠算法求解，修正火电机组的出力；

步骤3.2：以低碳经济调度为目标，基于日内低碳经济调度模型，利用混合蝙蝠算法求得激励型需求响应量和其余各机组日内调度方案。

2.根据权利要求1所述的支持源-网-荷-储多元泛在协调的两阶段优化调度方法，其特征在于：骤1中的考虑需求侧管理的负荷不确定模型为：

在任何时段，下一时刻的系统负荷需求都是不确定的，通常可正态分布和均匀分布概率密度函数对负荷需求不确定性进行建模；采用正态分布的概率密度函数来对系统负荷P_L,t建模，则用户参与需求响应后的系统实际功率可表示为：

P_L,t,act＝P_L,t-P_PDR,t-P_IDR,t

式中，P_L,act,t为t时刻用户参与需求响应后系统负荷实际功率；P_L,t为该时刻系统负荷功率；P_PDR,t、P_IDR,t为t时刻价格型需求响应虚拟机组的响应电量和激励型需求响应虚拟机组的响应电量；

日前电价型需求响应虚拟机组不确定模型：

将一定区域内可调度的电价型需求响应集合成一个虚拟机组进行调度，命名为日前电价型虚拟响应机组，决策变量为电价，由价格机制的变化影响该虚拟机组的出力；电力部门基于电价改善用户用电，电价变化率对负荷变化率的影响由自弹性系数表征，定义如下：

φ_△L,t＝e_tt×φ_△ρ,t

式中，φ_△L,t为t时刻负荷响应率；φ_△ρ,t为t时刻电价的变化率；e_tt为t时刻的自弹性系数；

本发明采用三角隶属度函数描述电价型DR负荷响应率的不确定性：

式中，为t时段负荷响应率φ_△L,t的模糊表达式；φ_△L1,t，φ_△L2,t，φ_△L3,t为隶属度参数；e_tt为价格弹性矩阵中t时段的自弹性系数；△δ_t≥0，为t时刻负荷响应率预测的最大误差值，与电价变化率有关；

负荷需求响应率的模糊表达式中的三角数转换成确定变量后的期望值可表示因价格变动用户实际响应电量，则价格型需求响应虚拟机组响应电量可表示为：

式中，P_PDR,t,act为t时刻日前电价型需求响应用户的实际响应功率；P_PDR,t为t时刻用户参与电价需求响应前的用电负荷；

日内激励型需求响应虚拟机组不确定性模型：

激励型需求响应的用户响应时间短，弹性裕度较大，将区域内参与激励型需求响应的用户集合为一个虚拟机组，在日内调度中由电力公司采用阶梯补偿电价的激励方式进行调度，实现电力系统运行中负荷较快速地增减；根据激励型需求响应曲线可知，按一定的补偿价格ρ_IDR，用户的削负荷率λ在[λ₂(ρ_IDR),λ₁(ρ_IDR)]范围内波动，在某一激励水平下用户参与响应的不确定性可简化为均匀分布表示：

式中，λ(ρ_IDR)为在激励价格ρ_IDR下激励型响应虚拟机组的削负荷率；λ₁(ρ_IDR)、λ₂(ρ_IDR)分别为该削负荷率的上、下限；

日内激励型需求响应虚拟机组的响应电量P_IDR,t,act为：

P_IDR,t,act＝λ_IDR,tP_IDR,t

式中，λ_IDR,t为t时刻激励型用户的削负荷率；P_IDR,t为t时刻用户参与激励型需求响应前的用电量。