[發明專利]一種虛擬電廠容量優化配置方法

有效

• 申請號: 201710513019.X
• 申請日: 2017-06-29
• 公開（公告）號: CN107464010B
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 衛志農;陳妤
• 申請（專利權）人: 河海大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種虛擬電廠容量優化配置方法，其特征在于：包括以下步驟：

步驟1：對VPP中典型結構組成與功能進行分析及建模，包括：

1)光伏發電系統：給定一組光伏電池陣列，其面積和光電轉換效率分別為A和η，則這組光伏電池陣列的輸出功率為：

P_pv＝lAη

式中：l為這一時間段內的實際光照強度；

2)風力發電系統：通過下式得到風力發電機的輸出功率：

式中：P_r為風力發電機的額定功率；v_ci,v_r,v_co分別為同型號風力發電機的切入風速、額定風速和切出風速，v為當前待測風速；

3)柴油發電機：在VPP中通過配置常規機組平抑可再生能源出力的波動性，從而對外輸出一個較穩定的電能以參與電力市場運營；

4)儲能系統：使用鉛酸蓄電池作為儲能設備；

5)電力負荷：將對某地區的負荷供應納入VPP的功能之一；電力負荷又分為固定負荷和可中斷負荷，對于可中斷負荷，在中斷時VPP要向用戶支付一定的補償費用；

步驟2：以場景技術模擬VPP中不確定性因素，包括：

1)、風速不確定性導致風電出力波動；

2)、光照強度不確定性導致光伏出力波動；

3)、市場因素導致電價波動；

以場景技術模擬VPP中使用場景集的方法將隨機優化問題轉化為確定性優化問題處理，分別選取風電出力、光伏出力及電價場景集w、s、p個，各場景概率分別為π(w)、π(s)、π(p)，則VPP在實時運行中的變量均為在各場景下的形式；

步驟3：建立只考慮系統成本的VPP多電源容量配置模型目標函數，包括：

1)等年值初始投資建設成本

C_o＝(N_PV·C_pv+N_wind·C_wind+N_b·C_b+N_c·C_c)·CRF

式中：C_pv、C_wind、C_b、C_c分別為單組光伏陣列、單臺風力發電機、單組鉛酸蓄電池和單臺柴油發電機的造價成本；N_PV為光伏陣列的并聯個數，N_wind為風力發電機的臺數，N_b為鉛酸蓄電池組的并聯個數，N_c為柴油發電機的臺數，CRF為將初始投資化為等年值的系數因子，m為系統使用年限，r為貼現率；

2)系統年運行維護成本

式中：分別表示單組光伏陣列、單臺風力發電機、單組鉛酸蓄電池和單臺柴油發電機的年運行和維護成本；

3)系統置換成本

式中：分別表示光伏陣列、風力發電機、鉛酸蓄電池和柴油發電機的更新置換成本；

4)柴油機燃料成本

式中：為單臺柴油發電機年燃料成本，可通過下式計算得到：

式中：p_f為柴油的單價；為t時刻柴油機出力；Q為柴油機的燃油消耗率；

5)可中斷負荷補償成本

式中：λ_curt為VPP中斷用戶負荷時給予的中斷補償費用；表示t時刻VPP中斷負荷功率；

6)VPP運行收益

式中：分別為t時刻向電網售電量和購電量；λ^p(t)表示t時刻在場景p下日前能量市場統一出清價格；k_purchase表示購電價格在原電價基礎上乘以的比例系數；

綜上，系統的等年值總建設運行成本為：

步驟4：以投資組合理論及風險度量方法為理論基礎，在上述VPP多電源容量配置模型目標函數中加入條件風險價值以衡量風險，并對應不同風險偏好水平的投資商，對風險系數進行分級，具體包括：

1)投資組合理論

投資組合問題即投資者如何通過配置各種資產以權衡風險和收益的過程；有效的投資組合必須達到或接近資產收益最大化與風險最小化的均衡狀態；在收益一定的條件下，選擇風險最小的投資組合；在風險一定的條件下，選擇收益最大的投資組合，同時滿足這2個條件的投資組合集合就是有效集，又稱為有效邊界或有效前沿；

2)基于VaR和CVAR的風險度量

VaR反映投資組合在給定的置信度β上潛在的最大損失；設f(x,y)為損失函數，x為決策變量，y為隨機變量，假設ρ(y)是y的概率密度函數，則損失函數f(x,y)不大于邊界值α的分布函數為：

對于給定的置信度β，VaR由下式得到：

VaR_β＝min{α∈R:ψ(x,α)≥β}

式中，R為實數域；

而VaR只是某個置信度下的分位點，而分位點以后的風險信息未被考慮，即存在“尾部風險”；條件風險價值CVaR含義為超過VaR部分的平均損失，其作為VaR的一種補充風險度量能夠更好地反映“尾部風險”：

由于VaR_β(x)解析式難以求出，所以推導出變換函數F_β(x,α)：

式中：[f(x,y)-α]⁺表示max{f(x,y)-α,0}；α即為VaR的值；

用以下估計式來計算變換函數F_β(x,α)：

式中：y¹,...,y^q為y的q個樣本；k為求和的計步器，表示從1取到q；

得到

3)根據上述投資組合理論及風險管理方法，將條件風險價值CVaR以乘以一個風險偏好系數L的形式加入到VPP多電源容量配置模型的目標函數中，則目標函數包含兩個部分，形式如下：

第一部分為等年值總建設運行成本，第二部分為CVaR和一個權重系數的乘積；權重系數L為風險偏好系數，表示投資者對于風險的態度；

步驟5：根據上述步驟得到的目標函數，結合VPP實際運行中各種約束條件，建立VPP規劃運行一體化模型，所述約束條件包括：

1)常規機組出力約束

式中：P_c.max為柴油機輸出額定功率；ramp為柴油機的爬坡率；為t時段各場景下柴油機組的總出力，為t-1時段各場景下柴油機組的總出力，為決策變量；

2)蓄電池電量及充放電約束

式中：分別為t時段各場景下儲電量和充、放電量，為t-1時段各場景下儲電量，為決策變量；W_b.max為單組鉛酸蓄電池的額定容量；C_DOD為蓄電池的最大放電深度；P_bc.max、P_bd.max分別表示單組鉛酸蓄電池的最大充、放電功率；

3)可中斷負荷約束

式中：表示t時段各場景下中斷負荷量，為決策變量；k_curt為中斷系數；P_el(t)表示t時段下的電負荷；

4)功率平衡約束

式中：分別表示t時刻在場景w和場景s下單臺風力發電機和單組光伏陣列出力；

5)CVaR風險約束

為便于求解引入虛擬變量令表示超過VaR的損失，損失函數f(x,y)取收益的負值；為了便于計算將其松弛為下面兩個不等式；

則

式中：α即為VaR的值；β為投資商設定的置信度；

優化問題的決策變量包括：