买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学

摘要：本发明公开一种可交易控制的联邦电厂数据驱动型风险规避优化方法，包括如下步骤：S1、构建平滑输出波动的FPP两阶段优化调度框架；S2、构建FPP内的可交易能源市场机制；S3、构建基于Wasserstein距离的FPP两阶段优化调度模型，求解得到最优调度方案。本发明提出联邦电厂小时和分钟时间尺度两阶段联合优化方法，并根据温控负荷在不同控制方式下功率调节特性的差异，将其分别等效为虚拟发电机和虚拟电池参与联邦电厂调控，在充分挖掘温控负荷调节潜力的同时有效抑制可再生能源功率波动。不同于传统的需求响应，所提出的模型能够很好地解决可再生能源波动性问题，并且基于市场的可交易控制能够充分尊重用户意愿，为大规模可再生资源并网调度提供了技术支撑。

主权项：1.一种可交易控制的联邦电厂数据驱动型风险规避优化方法，其特征在于，包括如下步骤：S1、构建平滑输出波动的FPP两阶段优化调度框架；S2、构建FPP内的可交易能源市场机制；S3、构建基于Wasserstein距离的FPP两阶段优化调度模型，求解得到最优调度方案；采用基于温控负荷多时间尺度协调控制的FPP两阶段优化模型，在小时时间尺度，具有温度调整功能的温控负荷被模拟成虚拟发电机；在分钟时间尺度，具有频率控制功能的温控负荷被视为虚拟电池；所述S1具体包括如下步骤：S1.1、构建温控负荷的小时尺度等效模型温控负荷通过温度调节和频率调节两种手段控制其输出功率，根据两种方法的物理调控特性，分别具有不同的时间尺度调节效应；在小时时间尺度调节中，温控负荷功耗变化基于温度的调控，可维持较长时间但无法快速响应，因此在小时时间尺度上温控负荷等效于虚拟发电机，描述为： 公式①、②、③中，Pg是虚拟发电机的功率，是虚拟发电机功率的最小值，是虚拟发电机功率的最大值，ΔTmax是内部温度允许增量ΔT的最大值，κ为与温控负荷有关的常数参数；S1.2、构建温控负荷的分钟尺度等效模型在分钟时间尺度调节中，温控负荷功耗变化基于频率的控制，可以快速响应信号，但无法维持较长时间，因此在分钟尺度上温控负荷等效于虚拟电池，描述为： SOCk+1＝αSOCk+βPbk+γ⑤SOCmin≤SOCk+1≤SOCmax⑥公式④、⑤、⑥中，Pb是虚拟电池的充放电功率，是Pb的虚拟电池充放电功率的最小值，是Pb的虚拟电池充放电功率的最大值，α、β和γ是虚拟电池自身参数，SOC是虚拟电池的充电状态，SOCmin是SOC的最小值，SOCmax是SOC的最大值；S1.3、温控负荷的小时和分钟尺度耦合协调控制在温控负荷的分钟尺度模型中，等效虚拟电池的部分参数是由预先设定的内部温度确定的，公式④、⑤、⑥中的虚拟电池参数——β、γ取决于在温控负荷的小时尺度调度中确定，描述为： 公式⑦、⑧、⑨中，To是外部温度，Tmax是最大的内部温度；虚拟电池的初始SOC值SOC0取决于描述为： 所述S2具体包括如下步骤：在一小时的时间范围内，可交易能源市场中客户的目标函数是最小化成本和最大化舒适度水平，描述为： 公式中，λ是温控负荷在可交易能源市场的投标价格，λ0是温控负荷的电价,是温控负荷的基线功率，a是代表客户偏好的常数参数，a越大表示用户对温度调整的容忍度越高，aΔT2表示用户温度调整的成本，aΔT2越小，客户的舒适度较高，是电力成本，λPg是FPP对温控负荷的补偿；简单起见，令λPg＞0，根据温控负荷小时时间尺度模型，用Pgκ代替ΔT，因此公式重新描述为： 当公式取到最小值时，需要满足条件： 相应的，Pg和λ的关系被描述为： 由于虚拟发电机的功率调整范围被限制在之内，为保证用户舒适度，满足拉格朗日条件下Pg和λ的关系如下： 显然，舒适度和功率调整范围影响温控负荷出力的最优决策，在分钟时间尺度的调控中，温控负荷内部温度在一个有限的范围内变化；随着时间尺度变短，运营商的预测误差也会相应变小，通过FPP的小时前调度得到缓解，小时前计划则通过FPP的小时内调度得到平滑；所述S3具体包括如下步骤：S3.1、以小时为单位的FPP优化调度在以小时时间尺度进行优化调度前，FPP需要根据RES的预测结果来安排虚拟发电机输出功率以平滑新能源出力波动，FPP的优化目标是最小化温控负荷控制成本，因此，以小时为单位的FPP优化调度模型如下： 由于该模型为非凸函数，所以对模型进行适当变形，转换后的以小时为单位的FPP优化调度模型如下： 公式中，λt是t时刻的市场结算价格，Δth是以小时为单位的时间间隔，N是温控负荷的集合，T是小时时间段集合，和是当λt为分段线段边界点时，λt、Pg,i,t和Mi,t的数值，Sg和mg是为确定λt而引入的变量，R1为Sg的集合，R2为mg的集合，r1是Sg的索引，r2是mg的索引；S3.2、以分钟为单位的FPP优化调度以分钟为单位的FPP优化调度过程中将温控负荷看做虚拟电池，所以第二阶段虚拟电池的集中调控潜力需要被评估，其相关调度参数计算如下： 根据上述参数，类似的基于分钟时间尺度的FPP优化调度模型如下： 公式中，Δtm是分钟时间尺度的时隙，Pload是以分钟为时间尺度的预测负荷，Pw是以分钟为时间尺度的风电功率，ξtm是可再生能源出力波动；S3.3、基于Wasserstein距离的FPP两阶段优化调度前述两阶段优化调度给出如下： x是第一阶段的决策变量，X是第一阶段优化模型的约束条件，c是系数向量，ξ是可再生能源的随机变量，P是ξ的概率分布，Ω是P的模糊集；Αx,ξ被表述为: 公式中，y是第二阶段的决策变量，q是系数向量，T、H和W是系数矩阵，利用P和Wasserstein距离来确定模糊集Ω，当η∈0，1时，置信度将不低于η； 公式中，D是ξ的概率分布空间的直径；显然，Wasserstein球的半径随着S的增加而变短，这将缩小包含于Wasserstein球置信区间内的模糊集范围，因此，ξ被重述为: 根据转换条件，将原两阶段优化模型进行转换可得下述模型： 求解该模型得到温控负荷在第一阶段的最优温度调整量和第二阶段的最优功率调整量，并根据优化计算结果对温控负荷进行控制，实现温控负荷对可再生能源功率波动的抑制。

全文数据：

权利要求：

百度查询： 东南大学 一种可交易控制的联邦电厂数据驱动型风险规避优化方法