一种基于虚拟电池模型的光伏产消者能量建模方法及系统

技术领域

本发明涉及电能管理领域，特别是涉及一种基于虚拟电池模型的光伏产消者能量建模方法及系统。

背景技术

由于再生能源发电的间歇性，加上不断增长的电力需求，要求有效利用现有的发电量，有效的解决方法之一是需求侧管理(demand side management,DSM)。

目前，电动汽车(electric vehicles,EV)数量不断增长，EV是一种靠电动机驱动的汽车，此外还有可以通过插头充电的电池。由于研究证实恰当的EV管理有助于平抑发电量和耗电量的波动，因此智能电网中EV的协调充电是一个重要的研究课题，也是DSM的一个重要部分。为实现合理的EV需求侧管理，目前有两个主要挑战。

(1)第一个挑战是EV的数量不断增加。因此，将EV的可扩展用于DSM的灵活性描述方法是必要的。

(2)第二个挑战是对EV进行DSM固有的不确定性和动态性。例如，由于驾驶员行为的随机性，EV可在不确定的时间持续与电网连接或断开。因此，描述EV灵活性的方法必须考虑动态用户行为。

此外，目前分布式能源大量渗透，EV与分布式光伏发电(photovoltaic,PV)、刚性负荷构成具备源荷二重性的产消者。本身EV的响应是不确定的，PV的接入更加剧了产消者模型的不确定性，因此，基于确定模型的产消者能量描述方法在实际运行中可能导致失败。通常来说，解决不确定性问题采用概率编程方法，但概率编程增加决策变量维数，给运行者带来求解压力。因此，EV需求侧管理优化过程中，如何实现充分描述光伏产消者能量的随机灵活性，进而提高优化效率和精度，成为一个亟待解决的技术问题。

发明内容

本发明的目的是提供一种基于虚拟电池模型的光伏产消者能量建模方法及系统，以实现充分描述光伏产消者能量的随机灵活性，进而提高优化效率和精度。

为实现上述目的，本发明提供了如下方案：

一种基于虚拟电池模型的光伏产消者能量建模方法，所述建模方法包括如下步骤：

根据单个电动汽车的灵活性，确定聚合电动汽车的灵活性；聚合电动汽车的灵活性包括聚合电动汽车的能量的边界和功率的边界；

根据聚合电动汽车的灵活性，构建包含聚合电动汽车、光伏发电和刚性负荷的光伏产消者的第一虚拟电池模型；

采用蒙特卡洛算法将所述第一虚拟电池模型转换为带有鲁棒边界的概率化的第二虚拟电池模型；

求解所述第二虚拟电池模型，确定满足旋转备用容量约束条件和备用能量约束条件且使日前能量费用最小的备用容量，作为光伏产消者能够提供的最优备用容量。

可选的，所述根据单个电动汽车的灵活性，确定聚合电动汽车的灵活性，具体包括：

确定单个电动汽车的电池能量的上限和下限为：

其中，

根据单个电动汽车的电池能量的上限和下限确定单个电动汽车的功率的上限和下限为：

其中，

根据单个电动汽车的电池能量的上限和下限，确定聚合电动汽车的能量的边界为：

其中，

根据单个电动汽车的功率的上限和下限，确定聚合电动汽车的功率的边界为：

其中，

可选的，所述根据聚合电动汽车的灵活性，构建包含聚合电动汽车、光伏发电和刚性负荷的光伏产消者的第一虚拟电池模型，具体包括：

利用光伏发电和刚性负荷的不可控功率，修正聚合电动汽车的灵活性，获得虚拟电池模型的灵活性为：

根据虚拟电池模型的灵活性，构建包含聚合电动汽车、光伏发电和刚性负荷的光伏产消者的第一虚拟电池模型为：

其中，

可选的，所述采用蒙特卡洛算法将所述第一虚拟电池模型转换为带有鲁棒边界的概率化的第二虚拟电池模型，具体包括：

采用蒙特卡洛算法将所述第一虚拟电池模型转换为带有鲁棒边界的概率化的第二虚拟电池模型为：

其中，E

可选的，所述旋转备用容量约束条件为：

其中，R

所述备用能量约束条件为：

其中，

一种基于虚拟电池模型的光伏产消者能量建模系统，所述建模系统包括：

聚合电动汽车的灵活性确定模块，用于根据单个电动汽车的灵活性，确定聚合电动汽车的灵活性；聚合电动汽车的灵活性包括聚合电动汽车的能量的边界和功率的边界；

第一虚拟电池模型构建模块，用于根据聚合电动汽车的灵活性，构建包含聚合电动汽车、光伏发电和刚性负荷的光伏产消者的第一虚拟电池模型；

模型转换模块，用于采用蒙特卡洛算法将所述第一虚拟电池模型转换为带有鲁棒边界的概率化的第二虚拟电池模型；

最优备用容量求解模块，用于求解所述第二虚拟电池模型，确定满足旋转备用容量约束条件和备用能量约束条件且使日前能量费用最小的备用容量，作为光伏产消者能够提供的最优备用容量。

可选的，所述聚合电动汽车的灵活性确定模块，具体包括：

单个电动汽车的能量边界确定子模块，用于确定单个电动汽车的电池能量的上限和下限为：

其中，

单个电动汽车的功率边界确定子模块，根据单个电动汽车的电池能量的上限和下限确定单个电动汽车的功率的上限和下限为：

其中，

聚合电动汽车的能量边界确定子模块，用于根据单个电动汽车的电池能量的上限和下限，确定聚合电动汽车的能量的边界为：

其中，

聚合电动汽车的功率边界确定子模块，用于根据单个电动汽车的功率的上限和下限，确定聚合电动汽车的功率的边界为：

其中，

可选的，所述第一虚拟电池模型构建模块，具体包括：

灵活性修正子模块，用于利用光伏发电和刚性负荷的不可控功率，修正聚合电动汽车的灵活性，获得虚拟电池模型的灵活性为：

第一虚拟电池模型构建子模块，用于根据虚拟电池模型的灵活性，构建包含聚合电动汽车、光伏发电和刚性负荷的光伏产消者的第一虚拟电池模型为：

其中，

可选的，所述模型转换模块，具体包括：

模型转换子模块，用于采用蒙特卡洛算法将所述第一虚拟电池模型转换为带有鲁棒边界的概率化的第二虚拟电池模型为：

其中，E

可选的，所述旋转备用容量约束条件为：

其中，R

所述备用能量约束条件为：

其中，

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虚拟电池模型的光伏产消者能量建模方法，所述建模方法包括如下步骤：根据单个电动汽车的灵活性，确定聚合电动汽车的灵活性；根据聚合电动汽车的灵活性，构建包含聚合电动汽车、光伏发电和刚性负荷的光伏产消者的第一虚拟电池模型；采用蒙特卡洛算法将所述第一虚拟电池模型转换为带有鲁棒边界的概率化的第二虚拟电池模型；求解所述第二虚拟电池模型，确定满足旋转备用容量约束条件和备用能量约束条件且使日前能量费用最小的备用容量，作为光伏产消者能够提供的最优备用容量。本发明的建模方法，能够充分描述区域内聚合电动汽车的灵活性资源，表征其功率和能量上下限，并体现其不确定性，为其大规模应用于电网调度提供基础。

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为本发明提供的一种基于虚拟电池模型的光伏产消者能量建模方法的流程图。

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虚拟电池模型的光伏产消者能量建模方法及系统，以实现充分描述光伏产消者能量的随机灵活性，进而提高优化效率和精度。

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，本发明提供一种基于虚拟电池模型的光伏产消者能量建模方法，所述建模方法包括如下步骤：

步骤101，根据单个电动汽车的灵活性，确定聚合电动汽车的灵活性；聚合电动汽车的灵活性包括聚合电动汽车的能量的边界和功率的边界。

步骤101，所述根据单个电动汽车的灵活性，确定聚合电动汽车的灵活性，具体包括：

基于电动汽车i的电池特性和驾驶信息，可用极端情况分析法如式(1a)-1(1d)所示计算到达时间Ta

确定单个电动汽车的电池能量的上限和下限为：

其中，

根据单个电动汽车的电池能量的上限和下限确定单个电动汽车的功率的上限和下限如式(2a)-(2b)所示。

其中，

在此基础上，用虚拟电池模型描述光伏产消者灵活性，即，聚合电动汽车的灵活性；

利用单个电动汽车各自的能量可行域可得到用虚拟电池模型描述的聚合电动汽车灵活性，单个电动汽车的能量和功率上下限求和可求得新的能量和功率边界，计算公式如式(3a)-(3d)所示。具体的，

根据单个电动汽车的电池能量的上限和下限，确定聚合电动汽车的能量的边界为：

其中，

根据单个电动汽车的功率的上限和下限，确定聚合电动汽车的功率的边界为：

其中，

步骤102，根据聚合电动汽车的灵活性，构建包含聚合电动汽车、光伏发电和刚性负荷的光伏产消者的第一虚拟电池模型。

步骤102所述根据聚合电动汽车的灵活性，构建包含聚合电动汽车、光伏发电和刚性负荷的光伏产消者的第一虚拟电池模型，具体包括：

利用光伏发电和刚性负荷的不可控功率，修正聚合电动汽车的灵活性，获得虚拟电池模型的灵活性为：

根据虚拟电池模型的灵活性，构建包含聚合电动汽车、光伏发电和刚性负荷的光伏产消者的第一虚拟电池模型为：

其中，

具体的，由于聚合灵活性来自于单个接入电网的电动汽车，因此在时变虚拟电池模型中，应考虑电动汽车到达和离开电网的能量状态。电动汽车i到达和离开电网的能量状态可分别用下式表示：

上式中，W

基于上述方法，由聚合电动汽车形成的虚拟电池模型可用下式表示：

上式中，

对于非时变的不可控部分，包括光伏出力和传统负荷，可在一天中离散的时间间隔上进行优化，认为在每个时间间隔内不可控功率

步骤103，采用蒙特卡洛算法将所述第一虚拟电池模型转换为带有鲁棒边界的概率化的第二虚拟电池模型。

由于聚合电动汽车的不确定性，基于确定模型的最优调度计划在实际运行中可能会失败，为解决这个问题，提出鲁棒边界的虚拟电池模型。基于历史运行数据，用蒙特卡洛模拟生成场景并建立基于概率的虚拟电池模型，由此提出考虑鲁棒优化和场景生成的机会约束优化问题解决方法。该方法中不确定变量的一般线性约束如式(6)所示：

a

上式中，a

上式中，w

公式(6)的机会约束公式如式(8)所示：

上式中，Ncon代表不等式约束的数量。式(8)意味着任何满足机会约束(6)的x在ε可行域内。随机变量w

因为所有关于决策变量的目标函数和约束条件都是凸的，约束条件(10)也可以写作(11a)：

上式中，N

上式中，e是欧拉常数，因为置信度γ只影响设置的样本对数，所以它可以设置的很小。

式(11a)的最优解是

根据式(7)-(12)和约束条件的结构，式(12)可以详细写作式(13)即本发明的第二虚拟电池模型：

上式中，

上述方法不像基于场景的方法那样依赖决策变量x的数量，而是依赖不确定向量的维数和约束条件的个数。通过蒙特卡洛模拟得到的聚合灵活性可以使运算更加高效。

步骤104，求解所述第二虚拟电池模型，确定满足旋转备用容量约束条件和备用能量约束条件且使日前能量费用最小的备用容量，作为光伏产消者能够提供的最优备用容量。

考虑到经济收益，灵活的光伏产消者可以参与辅助服务市场。认为光伏产消者参加的辅助服务市场为电网提供旋转备用，一旦需要旋转备用容量，产消者可以提供一定时间的备用容量，因此，通过产消者能量管理系统最小化日前能量费用可得到产消者提供的备用容量。根据虚拟电池模型，能提供的旋转备用容量有以下约束条件：

上式中，

上式中，

作为另一种实施方式，本发明的建模方法可概括为如下步骤：

光伏产消者参与日前能量市场和备用市场模型；

用虚拟电池模型描述单个电动汽车灵活性；

整合电动汽车，构建包含聚合电动汽车、光伏发电、刚性负荷的光伏产消者虚拟电池模型；

鲁棒虚拟电池模型边界；

构建光伏产消者提供备用模型。

其中，所述光伏产消者参与日前能量市场和备用市场模型，具体包括：

需要有合适的模型描述光伏产消者。

所述需要有合适的模型描述光伏产消者，具体包括：用虚拟电池模型描述单个电动汽车灵活性。

具体步骤为：

步骤1：采集EVi的电池特性和驾驶信息，例如到达时间Ta

步骤2：将步骤1中采集得到的EVi的电池特性和驾驶信息用极端情况分析法如式(1a)-(1d)所示计算，得到t时刻电池能量上下限

步骤3：步骤2中能量上下限同样影响相应时期功率上下限，如式(2a)-(2b)所示：

步骤4：利用步骤2,3得到的单个电动汽车各自的能量可行域可得到用虚拟电池模型描述的聚合电动汽车灵活性，单个电动汽车的能量和功率上下限求和可求得新的能量和功率边界，计算公式如式(3a)-(3d)。

步骤5：采集t时刻EVi和电网相连的状态，用W

步骤6：由于聚合灵活性来自于单个接入电网的电动汽车，因此在时变虚拟电池模型中，应考虑电动汽车到达和离开电网的能量状态。利用步骤2,5得到的数据进行如式(4a)-(4b)的计算，得到电动汽车i到达和离开电网的能量状态。

步骤7：利用步骤6得到的数据进行如式(4c)的计算，得到修正的聚合电动汽车的虚拟电池模型公式。

步骤8：利用步骤4,7得到的数据进行如式(5a)-(5c)的计算，可得到由聚合电动汽车形成的虚拟电池模型。

步骤9：采集非时变不可控部分的功率

步骤10：利用步骤4,9得到的数据，将能量

接下来是鲁棒虚拟电池模型边界的过程：

步骤11：利用步骤8得到的数据按照式(7a)-(7d)进行计算，得到概率化的虚拟电池模型。

说明进行步骤11的数学推导原因：由于聚合电动汽车的不确定性，基于确定模型的最优调度计划在实际运行中可能会失败，为解决这个问题，提出鲁棒边界的虚拟电池模型。基于历史运行数据，用蒙特卡洛模拟生成场景并建立基于概率的虚拟电池模型，由此提出考虑鲁棒优化和场景生成的机会约束优化问题解决方法。该方法中不确定变量的一般线性约束如式(6)所示：

考虑式(5)中虚拟电池模型不确定性，结合式(6)，得到式(7a)-(7d)

步骤12：利用步骤11的数据，根据式(13a)-(13d)处理随机变量w

进行步骤12的数学推导原因：公式(6)的机会约束公式如式(8)所示。

式(8)意味着任何满足机会约束(6)的

因为所有关于决策变量的目标函数和约束条件都是凸的，约束条件(10)也可以写作式(11a)：

式(11a)中，N

式(11a)的最优解是

根据式(7)-(12)和约束条件的结构，式(12)可以详细写作式(13)。

上述方法不像基于场景的方法那样依赖决策变量x的数量，而是依赖不确定向量的维数和约束条件的个数。通过蒙特卡洛模拟得到的聚合灵活性可以使运算更加高效。

步骤13：利用步骤5的数据，构建光伏产消者提供备用服务的模型。考虑到经济收益，灵活的光伏产消者可以参与辅助服务市场。认为光伏产消者参加的辅助服务市场为电网提供旋转备用，一旦需要旋转备用容量，产消者可以提供一定时间的备用容量，因此，根据虚拟电池模型，能提供的旋转备用容量有式(14a)-(14b)约束条件：

约束条件(14b)保证提供这样的备用不会超过虚拟电池功率上限。进一步，旋转备用容量受持续时间限制，这意味着必须考虑受虚拟电池模型限制的旋转备用容量。备用能量依赖于激活的产消者资源提供的旋转备用功率，如式(14c)和式(14d)所示。

本发明还提供一种基于虚拟电池模型的光伏产消者能量建模系统，所述建模系统包括：

聚合电动汽车的灵活性确定模块，用于根据单个电动汽车的灵活性，确定聚合电动汽车的灵活性；聚合电动汽车的灵活性包括聚合电动汽车的能量的边界和功率的边界。

所述聚合电动汽车的灵活性确定模块，具体包括：

单个电动汽车的能量边界确定子模块，用于确定单个电动汽车的电池能量的上限和下限为：

其中，

单个电动汽车的功率边界确定子模块，根据单个电动汽车的电池能量的上限和下限确定单个电动汽车的功率的上限和下限为：

其中，

聚合电动汽车的能量边界确定子模块，用于根据单个电动汽车的电池能量的上限和下限，确定聚合电动汽车的能量的边界为：

其中，

聚合电动汽车的功率边界确定子模块，用于根据单个电动汽车的功率的上限和下限，确定聚合电动汽车的功率的边界为：

其中，

第一虚拟电池模型构建模块，用于根据聚合电动汽车的灵活性，构建包含聚合电动汽车、光伏发电和刚性负荷的光伏产消者的第一虚拟电池模型。

所述第一虚拟电池模型构建模块，具体包括：

灵活性修正子模块，用于利用光伏发电和刚性负荷的不可控功率，修正聚合电动汽车的灵活性，获得虚拟电池模型的灵活性为：

第一虚拟电池模型构建子模块，用于根据虚拟电池模型的灵活性，构建包含聚合电动汽车、光伏发电和刚性负荷的光伏产消者的第一虚拟电池模型为：

其中，

模型转换模块，用于采用蒙特卡洛算法将所述第一虚拟电池模型转换为带有鲁棒边界的概率化的第二虚拟电池模型。

所述模型转换模块，具体包括：

模型转换子模块，用于采用蒙特卡洛算法将所述第一虚拟电池模型转换为带有鲁棒边界的概率化的第二虚拟电池模型为：

其中，E

最优备用容量求解模块，用于求解所述第二虚拟电池模型，确定满足旋转备用容量约束条件和备用能量约束条件且使日前能量费用最小的备用容量，作为光伏产消者能够提供的最优备用容量。

所述旋转备用容量约束条件为：

其中，R

所述备用能量约束条件为：

其中，

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虚拟电池模型的光伏产消者能量建模方法，所述建模方法包括：构建包含光伏发电、聚合电动汽车、刚性负荷的光伏产消者市场运行框架；光伏产消者参与日前能量市场和备用市场模型；用虚拟电池模型描述单个电动汽车灵活性；整合电动汽车，构建包含聚合电动汽车、光伏发电、刚性负荷的光伏产消者虚拟电池模型；鲁棒虚拟电池模型边界；构建光伏产消者提供备用模型。采用本发明的方法建模，能够充分描述区域内聚合电动汽车的灵活性资源，表征其功率和能量上下限，并体现其不确定性，为其大规模应用于电网调度提供基础。

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。

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。