一种虚拟电厂灵活资源动态聚合响应能力评估方法

技术领域

本发明属于智能电网领域，尤其是一种虚拟电厂灵活资源动态聚合响应能力评估方法。

背景技术

智能电网的迅速发展使得传统的集中式发电厂向不可调度的分布式新能源发电机转变，给电力系统运营带来了很多困难。其中一个困难就是如何在可再生能源随机分布的情况下保持电力系统平衡。目前国内电力系统主要依靠集中式的化石燃料发电厂来提供辅助服务。但随着可再生能源机组逐渐增多，系统不确定性增加，传统的发电厂难以通过提供转动惯量来稳定系统频率。通过信息通信及高级量测技术实现源荷双向互动智能用电，从而负荷侧资源能为电力系统提供调峰、调频、备用等电网平衡调节服务。

需求响应是指电力用户针对市场价格信号或激励机制主动改变原有电力消费模式的行为。需求响应将负荷侧作为供应侧电能的可替代资源加以利用，不仅可以缓解电力供需平衡的窘困局面，还能促进环境保护和能源节约。发电机提供辅助服务受爬坡速率约束，反应较慢且成本较高。如果由常规机组承担新增的辅助服务需求，会带来巨大的建设投入，降低了系统运行效率，并且难以满足国内部分地区高受电比例电网安全运行的要求。在保证通信基础的情况下，无论是针对调度系统的指令还是价格信号，大部分需求响应资源的响应速度都比发电机更快。但负荷易受生产活动、突发事件等多种客观因素的影响，并且在空间上较为分散，响应时间相互交错，这又为这部分资源参与电网平衡调节服务带来了一定的困难。

以虚拟电厂为代表的一类多能源集成管理系统能够充分利用多种类型资源的特性，缓解负荷侧资源参与辅助服务的不确定性。虚拟电厂(virtual powerplant，VPP)是由能量管理系统和其所控制的小型和微型分布式能源资源组成的一类集成性电厂，其包含的分布式能源可以是分布式发电机组、分布式储能设备，也可以是分布在众多需求侧用户中的需求响应资源。虚拟电厂通过内部多种资源的协调运行，一方面能解决自身内部分布式发电的不确定性问题，另一方面也能向电网提供额外的平衡调节服务。因此，对虚拟电厂内部多种资源之间的动态聚合响应潜力的研究具有重要意义。

然而，虚拟电厂参与电网平衡调节时，难以确定参与响应的资源集群及其响应量。VPP内部资源参与电网平衡调节时，在连续时间断面上存在出力的波动性问题。

发明内容

本发明的目的在于克服现有技术的不足之处，提供一种面向电网平衡调节的虚拟电厂灵活资源动态聚合响应能力评估方法，解决VPP内部资源参与电网平衡调节时在连续时间断面上出力的波动性问题，该方法根据设备运行状态对VPP内EV和TCL资源进行集群划分，并在集群内部根据不同资源的响应能力指标形成响应状态优先队列，当部分负荷因为特殊原因无法参与响应时，VPP能够根据状态优先队列安排新的响应资源参与电网平衡调节，从而使VPP能够稳定的参与电网平衡调节。

本发明针对虚拟电厂可调资源集群参与电网需求响应业务的趋势，提供一种考虑不确定因素的单集群聚合响应潜力评估方法，包括如下步骤：

步骤1：构建可调负荷状态模型

步骤1.1：构建EVs资源状态模型获得EVs资源状态模型参数；

步骤1.2：构建TCLs资源状态模型获得TCLs资源相关关键状态模型参数；

步骤2：构建响应状态优先队列

步骤2.1：构建EVs资源优先状态队列；

步骤2.2：构建TCLs资源优先状态队列；

步骤3：评估VPP集群动态聚合响应能力

步骤3.1：构建聚合状态模型；

步骤3.2：构建状态控制模型；

获取t时刻EVs运行状态参数，并将其划分为多个集群，计算集群内RTM和SOCM指标，根据指标形成EVs状态优先队列，根据状态控制模型计算EVs的最大可响应潜力；

获取TCLs在t时刻的关键状态变量，根据关键状态变量将TCLs划分为多个集群，计算集群内RTC和RTM指标，根据指标形成TCLs状态优先队列，根据状态控制模型计算TCLs的最大可响应潜力；

输出各个资源集群的最大响应潜力，并计算下一时刻的各个资源集群的最大响应潜力。

进一步地，所述EVs资源状态模型为：

其中，P

其中，

进一步地，所述TCLs资源状态模型由公式(8)得到：

其中，

进一步地，RTM为处于入网状态的EV i在[t,t+Δt]时段内从t时刻开始以P

RTM越大的EV在参与响应时被优先考虑。

进一步地，首先根据RTM对EV集群进行降序排列，RTM相等时将SOCM较大的EV赋予较高的响应优先等级，SOCM与电池SOC直接相关，当出力下调与上调时EV

式中：ΔP

EVs需要出力下调时，

进一步地，首先根据RTM对TCL集群进行降序排列，RTM相等时则进而考虑将RTC较大的TCL赋予较高的调节优先等级,RTCM与TCL设定的温度容忍度直接相关，当出力下调与上调时TCL l在[t,t+Δt]时段内的RTCM值

式中：ΔP

进一步地，聚合状态模型为公式(15)-(20)：

/>

其中，N

将VPP内各类可调资源的状态变换模型可由公式(21)表示：

x(t+Δt)＝x(t)+P(t)δ(t)(21)

其中，其中x是VPP内部设备的状态矩阵；P是VPP内部设备的功率输出矩阵；δ是VPP内部资源调整后的时间间隔矩阵。

进一步地，当电网在t时刻需要ΔP(t)的调节容量时，通过调节实时功率的输出进行调节，即在状态变换矩阵前添加输出控制矩阵B，从而公式(22)又可以表示为：

x(t+Δt)＝x(t)+BP(t)δ(t)(22)

为对角矩阵，k∈{G,R,E,L}，其中元素

根据(22)的统一状态控制模型，进一步可通过公式(23)得到任意时刻VPP出力最大上调潜力为：

其中，

其中，B为最大下调控制矩阵，其对角线元素都为控制变量的最小值。

本发明的优点和积极效果是：

和现有技术相比，本发明的有益效果：本发明提供的一种虚拟电厂灵活资源动态聚合响应能力评估方法。该方法构建了VPP内部可调资源统一状态控制模型，大大降低了VPP管理大量可调资源的复杂性。同时提出基于状态优先队列的VPP动态资源聚合响应能力评估方法，通过对不同响应集群进行划分，并在集群内形成响应状态优先队列，解决了虚拟电厂参与电网平衡调节时，难以确定参与响应的资源集群及其响应量问题。

附图说明

图1为单体EV最大可控充放电区域示意图；

图2为TCL在t时刻的剩余可调节时间示意图；

图3为EV响应模式分解示意图；

图4是方式I的四种不同情景分析示意图；

图5是TCL关键状态集群分组示意图；

图6是VPP出力向下调节能力评估流程图；

图7是当日室外温度变化规律示意图；

图8是VPP内部各类可调资源在一天内的出力仿真曲线；

图9是VPP各个时间节点下各个可调资源集群最大响应能力估计示意图。

具体实施方式

下面将参考附图并结合实施例来详细说明本发明。需要指出的是，除非另有指明，本申请使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

一种虚拟电厂灵活资源动态聚合响应能力评估方法，具体流程如图6所示，包括如下步骤：

步骤1：可调负荷状态模型构建

步骤1.1：构建EVs资源状态模型获得EVs资源状态模型参数；

步骤1.2：构建TCLs资源状态模型获得TCLs资源相关关键状态模型参数。

步骤2：构建响应状态优先队列

步骤2.1：构建EVs资源优先状态队列；

步骤2.2：构建TCLs资源优先状态队列。

步骤3：VPP集群动态聚合响应能力评估

步骤3.1：构建聚合状态模型；

步骤3.2：构建状态控制模型。

所示发明中步骤1.1：构建EVs资源状态模型获得EVs资源状态模型参数。设EV

在任一时刻，EV

在任意时刻对单体EV响应能力进行评估时，应同时结合在网状态与SOC上下限约束进行判断，SOC小于

其中，P

其中，

VPP获取S

所示发明中步骤1.2：构建TCLs资源状态模型获得TCLs资源相关关键状态模型参数。空调等温控设备的工作过程有周期性，在温控设备和其他热量传递的作用下，室内温度在范围

其中，P

在t时刻，根据TCL l的开关状态与当前室内温度

根据公式(7)对温度状态变量归一化后，TCL的状态模型可由公式(8)得到：

其中，

VPP获取P

所示发明步骤2.1：构建EVs资源优先状态队列。本方法将EV参与响应的过程分解为图3所示的4种响应方式，分别记为Ⅰ，Ⅱ，Ⅲ，Ⅳ。其中Ⅰ，Ⅱ为VPP出力上调调节方式，Ⅲ，Ⅳ为VPP出力下调调节方式。在t时刻，EV根据调节方式其运行点(t,S

1)当

2)当

3)当

4)当

为考虑EV集群内部个体响应功率及电量的差异性，提出一种综合考虑响应时间裕度(response time margin,RTM)与SOC裕度(state ofcharge margin,SOCM)指标的调控策略，结合每辆EV的RTM与SOCM指标生成状态优先队列，在兼顾调度与用户出行需求的基础上择优参与响应。将处于入网状态的EV i在[t,t+Δt]时段内从t时刻开始以P

当EV

然而，对于[t,t+Δt]时段内可能存在多辆EV的RTM值相等情况(例如RTM均为Δt)，单凭RTM将无法提供明确排序依据，为此引入SOCM。以RTM为首要参考指标，SOCM为辅助参考指标。首先根据RTM对EV集群进行降序排列，RTM相等时则进而考虑将SOCM较大的EV赋予较高的响应优先等级。SOCM与电池SOC直接相关，当出力下调与上调时EV

式中：ΔP

EVs需要出力下调时，

所示发明步骤2.2：构建EVs资源优先状态队列。对于多个TCL单元而言，其运行启停时序相互交错，因此TCLs的可调能力不能通过直接累加求取。一般情况下，TCL单元处于开启状态时能实现负荷下调，即具有VPP出力上调潜力；处于关闭状态时不具备负荷下调能力，即具有VPP出力下调潜力。对于响应时长为Δt的调度需求，根据当前时刻t

在图5中：①Ⅰ组处于开机状态，有负荷下调能力，且可以满足时长需求，组内负荷单元适合参与调节，调节功率为各自额定功率；②Ⅱ组处于开机状态，有负荷下调能力，但不能满足调度时长需求，不适合参与调节；③Ⅲ组处于关机状态，没有负荷下调能力，时长Δt内不会由关机状态转换为开机状态，对集群调节能力无影响；④Ⅳ组处于关机状态，没有负荷下调能力，组内负荷单元在时长Δt内会自动启动，对集群调节能力有负面影响。

由此可知，仅Ⅰ组、II组合和Ⅳ组的TCL单元能对时长为Δt的需求调节发挥作用，在容量足够的情况下，优先考虑I组和IV组。考虑到TCL集群内部个体调节功率及剩余可调节时间的差异性，提出一种综合考虑上调与下调的调节时间裕度(response time margin,RTM)和调节温度控制裕度(response temperature control margin,RTCM)指标的调控策略。

将处于入网状态的TCL l在[t,t+Δt]时段内从t时刻开始以P

然而，对于[t,t+Δt]时段内可能存在多个TCL的RTM值相等情况(例如RTM均为Δt)，单凭RTM将无法提供明确排序依据，为此引入RTC。首先根据RTM对TCL集群进行降序排列，RTM相等时则进而考虑将RTC较大的TCL赋予较高的调节优先等级。RTCM与TCL设定的温度容忍度直接相关，当出力下调与上调时TCL l在[t,t+Δt]时段内的RTCM值

式中：ΔP

所示发明中步骤3.1：构建聚合状态模型。根据步骤1.1、1.2、2.1、2.2建立了不同可调设备的统一状态模型为公式(15)-(20)：

/>

其中，N

从而可以将VPP内各类可调资源的状态变换模型可由公式(21)表示：

x(t+Δt)＝x(t)+P(t)δ(t)(21)

其中，其中x是VPP内部设备的状态矩阵；P是VPP内部设备的功率输出矩阵；δ是VPP内部资源调整后的时间间隔矩阵。

所示步骤3.2：构建状态控制模型。当电网在t时刻需要ΔP(t)的调节容量时，通过调节实时功率的输出进行调节，即在状态变换矩阵前添加输出控制矩阵B，从而公式(22)又可以表示为：

x(t+Δt)＝x(t)+BP(t)δ(t)(22)

为对角矩阵，k∈{G,R,E,L}，其中元素

根据(22)的统一状态控制模型，进一步可通过公式(23)得到任意时刻VPP出力最大上调潜力为：

其中，

其中，B为最大下调控制矩阵，其对角线元素都为控制变量的最小值。

实施例:

设置用户数量N

表1：EVs参数设置表

TCLs数量设置为0.07N

表2：EVs参数设置表

图8为VPP内部各类可调资源在一天内的出力仿真曲线，TCLs是VPP内的容量较少的优质可控资源，其功率曲线是较为平坦，可调潜力较为稳定。EV的充电负荷峰值出现在16：00-20：00，这段时间内，大多数EV都接入电网，EVs具有较大可调潜力。VPP内总功率的曲线的波动主要由白天期间DG的间歇电力输出引起，因此在白天VPP的调节能力也具有一定的波动性。

实际可调资源参与调节的过程中，VPP根据各个资源的运行状态确定是否参与响应考虑响应优先度和调节容量限制的情况下，基于本方法得出VPP各个时间节点下各个可调资源集群响应能力的最值。图9给出了VPP总可调能力的上下限。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。