公开/公告号CN112886567A
专利类型发明专利
公开/公告日2021-06-01
原文格式PDF
申请/专利权人 国网河北省电力有限公司;华北电力大学;泰豪软件股份有限公司;
申请/专利号CN202011557935.1
申请日2020-12-28
分类号H02J3/00(20060101);H02J3/28(20060101);H02J3/38(20060101);H02J3/46(20060101);
代理机构13100 石家庄新世纪专利商标事务所有限公司;
代理人张晓佩
地址 050022 河北省石家庄市富强大街32号
入库时间 2023-06-19 11:11:32
技术领域
本发明涉及能源领域,特别是涉及一种基于主从博弈的需求侧资源灵活性优化调度方法及系统。
背景技术
大力发展风、光等新能源,是应对能源环境问题的必然选择。以风、光为代表的新能源发电,其出力具有显著的间歇性、波动性和不确定性,对电力系统运行的灵活性提出了更高的要求。发掘需求侧资源的灵活调节能力,可有效促进新能源消纳利用、缓解系统净负荷峰谷差。然而,需求侧资源具有种类多、容量小、规模大的特征,随着需求侧资源规模的日益增加,其优化调度面临如下挑战:一是现有的需求侧资源建模方法适用于需求侧资源规模较小场景,在需求侧资源规模化接入情况下存在优化变量增加、计算复杂、求解难度大的显著问题;二是现有优化调度方法未能很好解决不同类型需求侧资源间协同优化及数据隐私问题。因此,需要开展基于主从博弈的需求侧资源灵活性优化调度方法的相关研究,为促进可再生能源消纳利用、提需求侧资源所有者收益提供支撑。
发明内容
本发明的目的是提供一种能够考虑多运行主体的需求侧资源灵活性优化调度方法及系统。
为实现上述目的,本发明提供了如下方案:
一种基于主从博弈的需求侧资源灵活性优化调度方法,所述优化调度方法包括:
分析广义需求侧资源的类型;
建立大规模需求侧资源的灵活性优化调度框架;
建立广义需求侧资源的通用模型;
提出基于外近似的规模化需求侧资源聚合灵活性建模方法;
建立各类需求侧资源的经济性模型;
提出基于主从博弈的需求侧资源灵活性优化调度方法;
设计基于迭代的博弈均衡分布式求解方法。
可选的,所述的广义需求侧资源的类型具体包括:
1)分布式电源。该类广义需求侧资源一般可分为两类:可调度分布式电源(如燃料电池、微型燃气轮机等)和不可调度分布式电源(如风电、光伏发电等)。需要说明的是,此处的不可调度是指无法完全控制其出力。在必要情况下,仍可通过弃风弃光来保证系统安全性。
2)负荷资源。需求侧存在着大量能与电网友好合作的电力负荷,具有很大的调节潜力。常见的负荷可分为固定负荷和可平移负荷等。在智能电网环境下,电网公司或需求侧资源聚合者可通过激励或价格信号,引导用户积极参与电网优化运行。
3)储能或类储能资源。该类资源通常包括静态储能和类储能资源(如电动汽车),其具有电源和负荷的双重属性。
可选的,所述大规模需求侧资源的灵活性优化调度框架具体包括:
需求侧资源具有种类多、容量小、规模大的特征,可为电网提供灵活性调节能力。为了充分发掘规模化异质需求侧资源的灵活性潜力,构建基于主从博弈的需求侧资源灵活性优化调度框架。其中,需求侧资源聚合者作为博弈框架的引导者,其通过聚合大规模差异化需求侧资源的灵活性,响应电网调控需求。同时,其基于电网的价格信号,通过制定内部的价格来引导各类需求侧资源的行为;以分布式电源、负荷、储能为例,各类需求侧资源作为博弈框架的跟随者,其通过安排自身的发电或用电计划,响应聚合者的价格信号。
可选的,所述广义需求侧资源的通用模型具体包括:
柴油发电机模型:
其中,T为优化时间周期,G为柴油发电机的集合;
光伏模型:
其中,J为光伏机组的集合,T为优化时间周期,
负荷模型:
对于电力负荷,假定其由固定负荷和可平移负荷构成。对于前者,可认为其不具备灵活性。对于后者,其灵活性模型如下:
其中,I为电力用户的集合,T为优化时间周期;L
储能模型:
其中,K为储能设备的集合;
可选的,所述基于外近似的规模化需求侧资源聚合灵活性建模方法具体包括:
对于需求侧资源,其具有容量小、规模大等特征,并受物理特性、自然条件、人为习惯等因素的影响。同时,随着需求侧资源规模的不断增加,上述基于单个类型需求侧资源的灵活性建模方法在进行优化时面临“维数灾”问题。因此,采用外近似的方法来对大规模需求侧资源的聚合灵活性进行量化,从而降低运算的复杂度。
对于柴油发电机,其聚合灵活性为:
其中,
同样,光伏、负荷和储能的聚合灵活性为:
其中,
可选的,所述的建立各类需求侧资源的经济性模型,具体包括:
电网价格模型:
对于需求侧资源聚合者而言,其作为电网价格信号的接受者,进而优化各类需求侧资源的发电或用电行为。电网的价格模型如下:
其中,
需求侧资源聚合者成本模型:
需求侧资源聚合者通过制定内部价格,引导各类需求侧资源行为,具体内部价格模型如下:
其中,
其中,
对于需求侧资源聚合者,其一方面可通过聚合各类需求侧资源的灵活性响应电网的功率调节需求,平滑高比例光伏接入带来的净负荷波动性;另一方面需实现需求侧资源的聚合成本最小。因此,其成本模型为:
F
C
其中,C
分布式电源所有者收益模型:
其中,F
用户收益模型:
其中,F
储能所有者收益模型:
其中,F
可选的,所述的提出基于主从博弈的需求侧资源灵活性优化调度方法,具体包括:
构建需求侧资源灵活性调度的主从博弈模型:
其中,N表示博弈从属者的集合,M博弈引导者;
在上述博弈模型中,当各博弈参与者的策略满足如下条件时:
则策略集
可选的,所述的设计基于迭代的博弈均衡分布式求解方法,具体包括:
对于构建的主从博弈模型,一般求解思路是将从属者优化问题转化为等价的KKT条件,作为引导者优化问题的附加约束。但由于不同博弈主体间存在数据隐私,采用已有求解方法无法保护博弈从属者的隐私信息。因此,设计了基于迭代的分布式求解算法:首先,需求侧资源聚合者基于电网的购售电价格信息,制定初始内部购售电价格并发布给各从属者;然后,各博弈从属者根据聚合者发布的内部购售电价格,通过求解各自的效益最大化问题得到各自的发电或用电策略,并反馈给需求侧资源聚合者;需求侧资源聚合者根据反馈的信息调整价格信号。如此反复,直到满足收敛条件。
为了实现上述目的,本发明还提供了如下方案:
一种基于主从博弈的需求侧资源灵活性优化调度系统,所述优化调度系统包括:
数据采集模块,用于采集需求侧资源灵活性优化调度所需的负荷、光伏出力以及电价数据;
灵活性优化调度框架建立模块,用于分析广义需求侧资源的类型,建立大规模需求侧资源的灵活性优化调度框架;
需求侧资源通用模型建立模块,用于构建分布式电源、负荷、储能等广义需求侧资源的通用模型;
需求侧资源聚合灵活性模型建立模块,用于建立规模化分布式电源、负荷、储能的聚合灵活性模型;
需求侧资源经济性模型建立模块,用于构建需求侧资源聚合者的成本模型,构建分布式电源所有者、电力用户、储能所有者的收益模型;
主从博弈模型建立模块,用于建立需求侧资源聚合者与分布式电源所有者、电力用户和储能所有者之间的主从博弈模型;
分布式求解模块,用于求解所构建主从博弈模型的均衡解。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明公开了一种基于主从博弈的需求侧资源灵活性优化调度方法及系统,通过分析广义需求侧资源的类型,构建了大规模需求侧资源的灵活性优化调度框架;建立了广义需求侧资源的通用模型,提出基于外近似的需求侧资源聚合灵活性建模方法,实现了对大规模需求侧资源的聚合灵活性量化;建立了各类需求侧资源的经济性模型,提出基于主从博弈的需求侧资源灵活性优化调度方法,并设计了基于迭代的博弈均衡分布式求解方法,克服了传统需求侧资源优化调度难以保护不同主体数据隐私的问题。本发明所提的需求侧资源灵活性优化调度方法,可有效聚合大规模需求侧资源的灵活调节能力,具有一定的实际应用价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于主从博弈的需求侧资源灵活性优化调度方法的流程图;
图2为本发明提供的基于主从博弈的需求侧资源灵活性优化调度系统的组成框图。
具体实施方式
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于主从博弈的需求侧资源灵活性优化调度方法及系统。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供了基于主从博弈的需求侧资源灵活性优化调度,所述优化调度方法包括:
步骤100:采集需求侧资源灵活性优化调度所需的负荷、光伏出力以及电价数据;
步骤200:分析广义需求侧资源的类型,建立大规模需求侧资源的灵活性优化调度框架;
步骤300:构建分布式电源、负荷、储能等广义需求侧资源的通用模型;
步骤400:建立规模化分布式电源、负荷、储能的聚合灵活性模型;
步骤500:构建需求侧资源聚合者的成本模型,构建分布式电源所有者、电力用户、储能所有者的收益模型;
步骤600:建立需求侧资源聚合者与分布式电源所有者、电力用户和储能所有者之间的主从博弈模型;
步骤700:求解所构建主从博弈模型的均衡解。
所述步骤200:分析广义需求侧资源的类型,建立大规模需求侧资源的灵活性优化调度框架,具体包括:
1)分布式电源。该类广义需求侧资源一般可分为两类:可调度分布式电源(如燃料电池、微型燃气轮机等)和不可调度分布式电源(如风电、光伏发电等)。需要说明的是,此处的不可调度是指无法完全控制其出力。在必要情况下,仍可通过弃风弃光来保证系统安全性。
2)负荷资源。需求侧存在着大量能与电网友好合作的电力负荷,具有很大的调节潜力。常见的负荷可分为固定负荷和可平移负荷等。在智能电网环境下,电网公司或需求侧资源聚合者可通过激励或价格信号,引导用户积极参与电网优化运行。
3)储能或类储能资源。该类资源通常包括静态储能和类储能资源(如电动汽车),其具有电源和负荷的双重属性。
需求侧资源具有种类多、容量小、规模大的特征,可为电网提供灵活性调节能力。为了充分发掘规模化异质需求侧资源的灵活性潜力,构建基于主从博弈的需求侧资源灵活性优化调度框架。其中,需求侧资源聚合者作为博弈框架的引导者,其通过聚合大规模差异化需求侧资源的灵活性,响应电网调控需求。同时,其基于电网的价格信号,通过制定内部的价格来引导各类需求侧资源的行为;以分布式电源、负荷、储能为例,各类需求侧资源作为博弈框架的跟随者,其通过安排自身的发电或用电计划,响应聚合者的价格信号。
所述步骤300:构建分布式电源、负荷、储能等广义需求侧资源的通用模型,具体包括:
柴油发电机模型:
其中,T为优化时间周期,G为柴油发电机的集合;
光伏模型:
其中,J为光伏机组的集合,T为优化时间周期,
负荷模型:
对于电力负荷,假定其由固定负荷和可平移负荷构成。对于前者,可认为其不具备灵活性。对于后者,其灵活性模型如下:
其中,I为电力用户的集合,T为优化时间周期;L
储能模型:
其中,K为储能设备的集合;
所述步骤400:建立规模化分布式电源、负荷、储能的聚合灵活性模型,具体包括:
对于需求侧资源,其具有容量小、规模大等特征,并受物理特性、自然条件、人为习惯等因素的影响。同时,随着需求侧资源规模的不断增加,上述基于单个类型需求侧资源的灵活性建模方法在进行优化时面临“维数灾”问题。因此,采用外近似的方法来对大规模需求侧资源的聚合灵活性进行量化,从而降低运算的复杂度。
对于柴油发电机,其聚合灵活性为:
其中,
同样,光伏、负荷和储能的聚合灵活性为:
其中,
所述步骤500:构建需求侧资源聚合者的成本模型,构建分布式电源所有者、电力用户、储能所有者的收益模型,具体包括:
电网价格模型:
对于需求侧资源聚合者而言,其作为电网价格信号的接受者,进而优化各类需求侧资源的发电或用电行为。电网的价格模型如下:
其中,
需求侧资源聚合者成本模型:
需求侧资源聚合者通过制定内部价格,引导各类需求侧资源行为,具体内部价格模型如下:
其中,
其中,
对于需求侧资源聚合者,其一方面可通过聚合各类需求侧资源的灵活性响应电网的功率调节需求,平滑高比例光伏接入带来的净负荷波动性;另一方面需实现需求侧资源的聚合成本最小。因此,其成本模型为:
F
C
其中,C
分布式电源所有者收益模型:
其中,F
用户收益模型:
其中,F
储能所有者收益模型:
其中,F
所述步骤600:建立需求侧资源聚合者与分布式电源所有者、电力用户和储能所有者之间的主从博弈模型,具体包括:
构建需求侧资源灵活性调度的主从博弈模型:
其中,N表示博弈从属者的集合,M博弈引导者;
在上述博弈模型中,当各博弈参与者的策略满足如下条件时:
则策略集
所述步骤700:求解所构建主从博弈模型的均衡解,具体包括:
对于构建的主从博弈模型,一般求解思路是将从属者优化问题转化为等价的KKT条件,作为引导者优化问题的附加约束。但由于不同博弈主体间存在数据隐私,采用已有求解方法无法保护博弈从属者的隐私信息。因此,设计了基于迭代的分布式求解算法:首先,需求侧资源聚合者基于电网的购售电价格信息,制定初始内部购售电价格并发布给各从属者;然后,各博弈从属者根据聚合者发布的内部购售电价格,通过求解各自的效益最大化问题得到各自的发电或用电策略,并反馈给需求侧资源聚合者;需求侧资源聚合者根据反馈的信息调整价格信号。如此反复,直到满足收敛条件。
如图2所示,本发明还提供了基于主从博弈的需求侧资源灵活性优化调度系统,所述优化调度系统包括:
数据采集模块1,用于采集需求侧资源灵活性优化调度所需的负荷、光伏出力以及电价数据;
灵活性优化调度框架建立模块2,用于分析广义需求侧资源的类型,建立大规模需求侧资源的灵活性优化调度框架;
需求侧资源通用模型建立模块3,用于构建分布式电源、负荷、储能等广义需求侧资源的通用模型;
需求侧资源聚合灵活性模型建立模块4,用于建立规模化分布式电源、负荷、储能的聚合灵活性模型;
需求侧资源经济性模型建立模块5,用于构建需求侧资源聚合者的成本模型,构建分布式电源所有者、电力用户、储能所有者的收益模型;
主从博弈模型建立模块6,用于建立需求侧资源聚合者与分布式电源所有者、电力用户和储能所有者之间的主从博弈模型;
分布式求解模块7,用于求解所构建主从博弈模型的均衡解。
本发明的有益效果:
通过采用本发明所述的需求侧资源灵活性优化调度方法,可将其优化后的结果应用到实际大规模需求侧资源接入配电系统的运行中。本发明中的优化调度方法所依据的基础数据包括光伏出力、电负荷及电价数据,参与优化调度的决策主体包括需求侧资源聚合者、分布式电源所有者、电力用户和储能所有者,符合配电系统的发展实际情况;考虑分布式电源、可平移负荷(如电动汽车)等需求侧资源的数量呈不断增加趋势,所提基于外近似的需求侧资源聚合灵活性建模方法可用于缓解大规模计算带来的“维数灾”问题。所提基于主从博弈的优化调度框架,可用于描述多决策主体间的协同优化问题;所提基于迭代的博弈均衡求解方法,可克服传统集中式求解过程中的隐私数据泄露问题。通过使用本发明所述优化调度方法,将优化结果应用到规模化需求侧资源的灵活性优化调度中,能在保证满足电网调控需求的前提下,合理安排各类需求侧资源的发电或用电计划,有利于促进新能源的消纳利用、保障各需求侧资源所有者的收益。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应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。
机译: 一种机器学习系统,优化和管理局部多叠集灵活性的分布式能量存储资源
机译: 使用基于代理的资源调度和配置模型模拟和优化工作环境的方法和系统
机译: 基于受限资源识别的优化挥杆模调度的系统和方法