一种热电联产虚拟电厂优化调控及收益分配方法及系统
阅读：505发布：2020-05-11
专利汇可以提供一种热电联产虚拟电厂优化调控及收益分配方法及系统专利检索，专利查询，专利分析的服务。并且一种 热电联产 虚拟电厂优化调控及收益分配方法及系统，所述方法包括：S10，建立包含 风 力 发电系统、 光伏发电 系统、热电联产系统、储能系统以及可控负荷的CHP-VPP模型；S20，构建以CHP-VPP系统利润最大为目标的目标优化函数；S30，通过粒子群 算法 求解CHP-VPP系统内各分布式单元的最佳出力，确定调度周期内系统的最佳运行方式；S40，通过改进夏普利值法实现CHP-VPP系统内各分布式单元的公平收益分配。本 发明 能够得到各分布式单元的最佳出力，确定调度周期内整个系统的最佳运行方式，实现最佳的收益分配。，下面是一种热电联产虚拟电厂优化调控及收益分配方法及系统专利的具体信息内容。
1.一种热电联产虚拟电厂优化调控及收益分配方法，其特征在于，所述方法包括下列步骤：
S10：建立包含风力发电系统、光伏发电系统、热电联产系统、储能系统以及可控负荷的CHP-VPP模型；
S20：构建以CHP-VPP系统利润最大为目标的目标优化函数；
S30：通过粒子群算法求解CHP-VPP系统内各分布式单元的最佳出力，确定调度周期内系统的最佳运行方式；
S40：通过改进夏普利值法实现CHP-VPP系统内各分布式单元的公平收益分配。
2.根据权利要求1所述的热电联产虚拟电厂优化调控及收益分配方法，其特征在于，所述步骤S10包括下列步骤：
S101：利用Weibull分布对风速的不确定性进行处理，构建风力发电模型；
S102：利用Beta分布对光照的不确定性进行处理，构建光伏发电模型；
S103：根据CHP的电热耦合特性，建立CHP电热输出模型；
S104：根据荷电状态，分别建立储电单元模型和储热单元模型；
S105：建立基于激励的需求响应模型。
3.根据权利要求1所述的热电联产虚拟电厂优化调控及收益分配方法，其特征在于，所述步骤S20包括下列步骤：
S201：基于合作博弈理论制定CHP-VPP运行模式；
S202：确定系统的目标函数；
S203：确定系统的约束条件。
4.根据权利要求1所述的热电联产虚拟电厂优化调控及收益分配方法，其特征在于，所述步骤S30包括下列步骤：
S301：输入典型日的发电参数、分时电价以及各分布式单元参数，设置粒子群算法参数；
S302：初始化种群速度，位置以及目标值；
S303：更新种群速度及位置；
S304：考虑到整个系统内各分布式单元约束，对各机组出力不断调整，计算整个系统的最大利润；
S305：判断是否满足迭代终止条件或达到最大迭代次数，如是，则进行步骤S306；如否，则重新进行步骤S203；
S306：结束迭代并输出结果。
5.根据权利要求1所述的热电联产虚拟电厂优化调控及收益分配方法，其特征在于，所述步骤S40包括下列步骤：
S401：确定传统收益分配方案；
S402：根据热电比调整各分布式单元权重；
S403：确定改进的收益分配方案。
6.一种热电联产虚拟电厂优化调控及收益分配系统，其特征在于，所述系统包括下列模块：
建立模块，用于建立包含风力发电系统、光伏发电系统、热电联产系统、储能系统以及可控负荷的CHP-VPP模型；
构建模块，用于构建以CHP-VPP系统利润最大为目标的目标优化函数；
确定模块，用于通过粒子群算法求解CHP-VPP系统内各分布式单元的最佳出力，确定调度周期内系统的最佳运行方式；
分配模块，用于通过改进夏普利值法实现CHP-VPP系统内各分布式单元的公平收益分配。
7.根据权利要求6所述的热电联产虚拟电厂优化调控及收益分配系统，其特征在于，所述建立模块包括下列子模块：
风力发电模型构建子模块，利用Weibull分布对风速的不确定性进行处理，构建风力发电模型；
光伏发电模型构建子模块，利用Beta分布对光照的不确定性进行处理，构建光伏发电模型；
CHP电热输出模型构建子模块，根据CHP的电热耦合特性，建立CHP电热输出模型；
储电单元模型和储热单元模型构建子模块，根据荷电状态，分别建立储电单元模型和储热单元模型；
需求响应模型构建子模块，用于建立基于激励的需求响应模型。
8.根据权利要求6所述的热电联产虚拟电厂优化调控及收益分配系统，其特征在于，所述构建模块包括下列子模块：
运行模式子模块，用于基于合作博弈理论制定CHP-VPP运行模式；
目标函数子模块，用于确定系统的目标函数；
约束条件子模块，用于确定系统的约束条件。
9.根据权利要求6所述的热电联产虚拟电厂优化调控及收益分配系统，其特征在于，所述确定模块包括下列子模块：
设置子模块，用于输入典型日的发电参数、分时电价以及各分布式单元参数，设置粒子群算法参数；
初始化子模块，用于初始化种群速度，位置以及目标值；
更新子模块，用于更新种群速度及位置，并基于判断子模块输出为否的条件，重新更新种群速度及位置；
机组调整子模块，基于考虑到的整个系统内各分布式单元约束，对各机组出力不断调整，计算整个系统的最大利润；
判断子模块，判断是否满足迭代终止条件或达到最大迭代次数；
输出子模块，用于基于判断子模块输出为是的条件，结束迭代并输出结果。
10.根据权利要求6所述的热电联产虚拟电厂优化调控及收益分配系统，其特征在于，所述分配模块包括下列子模块：
接收子模块，用于确定传统收益分配方案；
权重调整子模块，根据热电比调整各分布式单元权重；
分配子模块，用于确定改进的收益分配方案。
一种热电联产虚拟电厂优化调控及收益分配方法及系统
技术领域
[0001] 本发明涉及一种热电联产虚拟电厂优化调控及收益分配方法及系统，尤其涉及一种基 于合作博弈的CHP-VPP优化调度模型，利用粒子群算法求解，得到各分布式单元的最佳出 力，确定调度周期内整个系统的最佳运行方式以及基于改进的Shapley值法来实现最佳收 益分配的方法及系统。
背景技术
[0002] 过去十年中，可再生能源发电的装机容量已大大增加。到2020年，中国的风力发电和太 阳能发电的累计容量将分别达到205GW和150GW。可再生能源发电的大规模整合分布式能源 (DERs)在某种程度上减轻了能源短缺。然而，在冬季，尤其是“三北”地区，高热量需求通 常由热电联产(CHP)单元以传统的“以热定电”工作模式产出。换句话说，大量的电能会作 为副产品产出。为了保持电网的安全稳定运行，弃风弃光量大大增加。通过聚集分布式能源发 电，储能系统(ESS)和各种负载，虚拟电厂(VPP)可以充分利用DER，减少可再生能源发电 的波动，并提高电源的可靠性。在现有技术中，例如CN201510311963，一种基于合作博弈动 态联盟结构划分的互联微网经济调度方法，VPP聚合了包括分布式发电，ESS和可控负荷在内 的可再生能源资源，分别使用帝国主义竞争算法和粒子群算法实现了最优能源管理，将需求响 应(DR)集成到VPP中，在保持电能质量的同时最大程度地降低总运营成本，或者采用某一种 随机调度方法来抑制VPP运行的不确定性。
[0003] 为了提高电网的可再生能源容纳能力，热电联产开始参与VPP的优化调度。在现有技 术中，通过建立VPP随机模型来满足本地供热需求响应，为含CHP单元的VPP提出了一种 区间和确定性组合优化方法，以优化VPP利润并管理不确定性。现有含CHP的VPP最优调 度方法通常以使整个系统利润最大化为主要目标运行。现有技术，如CN201510630844，一 种基于Shapley值风电并网系统输电固定成本的分摊方法，或者，CN201310738190，一种 微负荷博弈的改进夏普利值法分配方法，提供了基于Shapley值风电并网系统输电固定 成本的分摊方法，考虑了风电并网环境对输电系统固定成本分摊的影响，使成本分摊结果 尽量满足公平性、稳定性、财务结算平衡性；基于风电出力具有一定的随机性，采用蒙特 卡洛法模拟风电出力的场景，但大量场景的引入会增加计算负担。
[0004] 在现有输电系统中，通常按照负荷大小比例分摊固定成本。但是，这种做法容易造成 负荷之间的交叉补贴，不能够提供经济激励，不能促进全网负荷的合理分布，无法达到优 化节约社会资源的优化目标。现有技术，如CN201510641609，一种基于合作博弈与DEA的 输电系统固定成本分摊方法，提出了基于合作博弈与DEA的输电系统固定成本分摊方法， 该方法建立了在数据包络分析(DEA)框架下的联盟博弈模型，从多属性决策的角度，基 于合作博弈与数据包络分析提出了采用核仁法对输电系统固定成本进行分摊，并在有保证 区域约束的条件下，计算DEA联盟博弈的输电系统固定成本分摊。但由于不同的能源网 络并存，并且由具有不同利益和决策目标的不同主体共同运营，不同主体之间的利益冲突 会影响最优解的选取。
[0005] 在此背景下，如何分析多能源系统中能源交易中的获利行为以及主体之间的博弈关系 和对市场均衡的影响，如何实现电力和热力网络的最优调度，以优化资源分配，同时满足 所有代理商的利益以及整个系统的电力和热量平衡，成为本领域需要解决的技术问题。
发明内容
[0007] 一种热电联产虚拟电厂优化调控及收益分配方法,包括下列步骤：
[0009] S20：构建以CHP-VPP系统利润最大为目标的目标优化函数；
[0010] S30：通过粒子群算法求解CHP-VPP系统内各分布式单元的最佳出力，确定调度周期 内系统的最佳运行方式；
[0011] S40：通过改进夏普利值法实现CHP-VPP系统内各分布式单元的公平收益分配。
[0012] 优选的，所述步骤S10包括下列步骤：
[0013] S101：利用Weibull分布对风速的不确定性进行处理，构建风力发电模型；
[0014] S102：利用Beta分布对光照的不确定性进行处理，构建光伏发电模型；
[0015] S103：根据CHP的电热耦合特性，建立CHP电热输出模型；
[0016] S104：根据荷电状态，分别建立储电单元模型和储热单元模型；
[0017] S105：建立基于激励的需求响应模型。
[0018] 优选的，所述步骤S20包括下列步骤：
[0019] S201：基于合作博弈理论制定CHP-VPP运行模式；
[0020] S202：确定系统的目标函数；
[0021] S203：确定系统的约束条件。
[0022] 优选的，所述步骤S30包括下列步骤：
[0023] S301：输入典型日的发电参数以及各分布式单元参数，设置粒子群算法参数；
[0024] S302：初始化种群速度，位置以及目标值；
[0025] S303：更新种群速度及位置；
[0026] S304：考虑到整个系统内各分布式单元约束，对各机组出力不断调整，计算整个系统 的最大利润；
[0027] S305：判断是否满足迭代终止条件或达到最大迭代次数，如是，则进行步骤S306；如 否，则重新进行步骤S203；
[0028] S306：结束迭代并输出结果。
[0029] 优选的，所述步骤S40包括下列步骤：
[0030] S401：确定传统收益分配方案；
[0031] S402：根据热电比调整各分布式单元权重；
[0032] S403：确定改进的收益分配方案。
[0033] 一种热电联产虚拟电厂优化调控及收益分配系统，所述系统包括下列模块：
[0034] 建立模块，用于建立包含风力发电系统、光伏发电系统、热电联产系统、储能系统以 及可控负荷的CHP-VPP模型；
[0035] 构建模块，用于构建以CHP-VPP系统利润最大为目标的目标优化函数；
[0036] 确定模块，用于通过粒子群算法求解CHP-VPP系统内各分布式单元的最佳出力，确定 调度周期内系统的最佳运行方式；
[0037] 分配模块，用于通过改进夏普利值法实现CHP-VPP系统内各分布式单元的公平收益分 配。
[0038] 优选的，所述建立模块包括下列子模块：
[0039] 风力发电模型构建子模块，利用Weibull分布对风速的不确定性进行处理，构建风力 发电模型；
[0040] 光伏发电模型构建子模块，利用Beta分布对光照的不确定性进行处理，构建光伏发 电模型；
[0041] CHP电热输出模型构建子模块，根据CHP的电热耦合特性，建立CHP电热输出模型；
[0042] 储电单元模型和储热单元模型构建子模块，根据荷电状态，分别建立储电单元模型和 储热单元模型；
[0043] 需求响应模型构建子模块，用于建立基于激励的需求响应模型。
[0044] 优选的，所述构建模块包括下列子模块：
[0045] 运行模式子模块，用于基于合作博弈理论制定CHP-VPP运行模式；
[0046] 目标函数子模块，用于确定系统的目标函数；
[0047] 约束条件子模块，用于确定系统的约束条件。
[0048] 优选的，所述确定模块包括下列子模块：
[0049] 设置子模块，用于输入典型日的发电参数以及各分布式单元参数，设置粒子群算法参 数；
[0050] 初始化子模块，用于初始化种群速度，位置以及目标值；
[0051] 更新子模块，用于更新种群速度及位置，并基于判断子模块输出为否的条件，重新更 新种群速度及位置；
[0052] 机组调整子模块，基于考虑到的整个系统内各分布式单元约束，对各机组出力不断调 整，计算整个系统的最大利润；
[0053] 判断子模块，判断是否满足迭代终止条件或达到最大迭代次数；
[0054] 输出子模块，用于基于判断子模块输出为是的条件，结束迭代并输出结果。
[0055] 优选的，所述分配模块包括下列子模块：
[0056] 接收子模块，用于确定传统收益分配方案；
[0057] 权重调整子模块，根据热电比调整各分布式单元权重；
[0058] 分配子模块，用于确定改进的收益分配方案。
[0059] 一种存储介质，存储有计算机可执行程序，所述计算机可执行程序在运行时，用于执 行如上所述的热电联产虚拟电厂优化调控及收益分配方法。
[0061] 本发明将WPP，PV，CHP，ESS和IBDR汇总在CHP-VPP中，引入了合作博弈模型，为 CHP-VPP建立了随机调度优化模型。为了促进可再生能源的利用并使热电联产机组高效运 行，提出了一种改进的Shapley值法来实现最佳的收益分配，可以实现公平的利润分配， 提高热电联产机组的效率，减少可再生能源的削减。具体而言，能够获得下列技术效果： (1)根据分布式机组的特点和网络拓扑结构，在热电耦合网络上建立了CHP-VPP的概念； (2)考虑到可再生能源发电的不确定性，建立了合作博弈模型，以实现CHP-VPP的最优 热电耦合调度；(3)提出一种改进的Shapley值法，以实现CHP-VPP代理商的公平收益 分配，提高CHP机组的效率，减少可再生能源的削减。附图说明
[0062] 图1是热电联产虚拟电厂优化调控及收益分配方法的流程图。
[0063] 图2是建立包含风力发电系统、光伏发电系统、热电联产系统、储能系统以及可控负 荷的CHP-VPP模型的流程图。
[0064] 图3是构建以CHP-VPP系统利润最大为目标的目标优化函数的流程图。
[0065] 图4是通过粒子群算法求解CHP-VPP系统内各分布式单元的最佳出力，确定调度周期 内系统的最佳运行方式的流程图。
[0066] 图5是通过改进夏普利值法实现CHP-VPP系统内各分布式单元的公平收益分配的流程 图。
[0067] 图6是热电耦合可行运行区间的区域示意图。
[0068] 图7是一个集成热电联产虚拟电厂系统示意图。
具体实施方式
[0069] 参见图1，本发明提出一种热电联产虚拟电厂优化调控及收益分配方法,包括下列步 骤：
[0070] S10：建立包含风力发电系统、光伏发电系统、热电联产系统、储能系统以及可控负 荷的CHP-VPP模型；
[0071] S20：构建以CHP-VPP系统利润最大为目标的目标优化函数；
[0072] S30：通过粒子群算法求解CHP-VPP系统内各分布式单元的最佳出力，确定调度周期 内系统的最佳运行方式；
[0073] S40：通过改进夏普利值法实现CHP-VPP系统内各分布式单元的公平收益分配。
[0074] 优选的，所述步骤S10包括下列步骤：
[0075] S101：利用Weibull分布对风速的不确定性进行处理，构建风力发电模型,具体过程 如下：
[0076] WPP的输出功率通常是由风速v决定的，采用Weibull分布来描述风速的不确定性， 因此风速的概率密度函数f(v)为
[0077]
[0078] 其中，为形状参数，为尺度参数。因此风电实际输出功率PWPP(t)为
[0079]
[0080] 其中，vin，vout以及vrated分别为切入，切出以及额定风速，Pr为额定功率。
[0081] S102：利用Beta分布对光照的不确定性进行处理，构建光伏发电模型，具体过程如 下：
[0082] 光伏输出功率PPV(t)主要受光照强度θ的影响，通常采用Beta分布来描述光照强度的 不确定性。
[0083]
[0084] 其中，Γ(·)是Gamma函数，ξ和ψ是Beta函数的尺度函数。因此光伏发电输出功率为
[0085] PPV(t)＝ηPVSpvθ(t) (0.4)
[0086] 其中ηPV是能源转换效率，Spv是PV板总面积。
[0087] S103：根据CHP的电热耦合特性，建立CHP电热输出模型,具体过程如下：
[0088] CHP单元的热电输出是相互依赖的。CHP单元主要有两种类型：背压式CHP和抽凝式 CHP。背压式CHP的强耦合特性使其具有固定的热电比。相比之下，抽凝式CHP更灵活， 因为其热电输出可以在一定范围内调整，如附图6所示。本发明选择抽凝式CHP，其热电 耦合可行运行区间的区域可以用一组不等式表示：
[0089]
[0090] 其中，PCHP(t)，QCHP(t)分别为CHP机组的电输出和热输出。A,B,C,D分别是其运行区 域的边界点。cab，cbc，cad分别是线段AB,BC以及AD的斜率。 分别是 CHP机组发电的上下边界， 分别是CHP机组产热的上下边界。
[0091] S104：根据荷电状态，分别建立储电单元模型和储热单元模型，具体过程如下：
[0092] 在CHP-VPP中，ESS主要由两部分组成：储电系统EESS和储热系统HESS。储电系统[0093] EESS充电特性可以表示为
[0094]
[0095] 其中SoCEESS(t)表示EESS的充电状态。 表示充电量。放电的动态特性可以表示 为：
[0096]
[0097] 其中， 表示放电量。
[0098] 储电系统EESS总电量输出为：
[0099]
[0100] 其中，双边变量 和 分别表示EESS的充放电状态。
[0101] 储热系统HESS的总热输出为：
[0102]
[0103] 其中， 和 分别是储热量和放热量，双边变量 和分别 是储热系统HESS储热和放热的状态。
[0104] S105：建立基于激励的需求响应模型，具体过程如下：
[0105] 可控负荷主要以基于激励的需求响应(IBDR)的形式参与VPP调度。终端用户在高 峰时段调整其用电行为，例如打开/关闭热水器，空调，电加热器等。总共有I个负载参 与IBDR，则IBDR提供的总等效输出功率△LIB(t)可以表示为
[0106]
[0107] 其中△Li(t)表示负荷i的负荷削减。
[0108] 优选的，所述步骤S20包括下列步骤：
[0109] S201：基于合作博弈理论制定CHP-VPP运行模式，具体过程如下：
[0110] CHP-VPP中的各个发电单元归属于不同的运营商，在各运营商非合作的情况下，系统 的整体最优可能会与各个运营商追求自身利益最大化存在着冲突。在本文的研究中，各运 营商采取合作的模式，且可获得比非合作模式下更高的收益(仿真结果已证明)。在各发 电单元合作的模式中，整个系统仍然要满足电、热负荷的需求。在此基础上，通过合理地 分析各机组的信息(包括成本、收益等参数)，对各个机组分别制定出最优的运行策略， 从而进一步地使系统整体收益更优。
[0111] S202：确定系统的目标函数，具体过程如下：
[0112] 一个大规模CHP-VPP系统，包括WPP,PV,CHP,EESS,HESS以及IBDR,由于风电、光伏发 电具有优先并网发电权，为了使整个VPP系统总收益最大化，应尽可能的使更多的清洁能 源发电得到并网消纳，提高清洁能源利用率。然而，WPP和PV的输出是间歇性的。为了减 轻可再生能源出力的不确定性，采用ESS为可再生能源机组提供备用服务。终端用户的热 需求主要由CHP机组供应。IBDR可以视为可以降低净网负荷的虚拟发电单元。本发明以 CHP-VPP系统为对象设计了一个电热协调优化调度的经济学模型，CHP-VPP以一个整体与 大电网按照分时电价交易电能，因此，CHP-VPP的总利润为：
[0113]
[0114] 其中，S(t)表示所有决策变量的集合，re(t)是分时电价，Pbid(t)是总的合同电量,Qsum(t) 为总产热量，ΠIB(t)为可控负荷成本，ΠS(t)为储能成本，ΠCHP(t)为CHP运行成本，Πp(t) 为惩罚成本。本发明中，WPP，PV以及CHP的输出为决策变量。主要收益来源于供应给电 网的电能以及给用户的热能。主要成本包括IBDR成本，ESS储能成本，CHP运行成本以及 惩罚成本。IBDR成本来自于终端用户提前签订的合同，WPP,PV以及HESS的运行成本短期 内成本很低，因此可以忽略。此外，不是所有产出的电能都能售卖给大电网。如果在实际 发电和合同电量之间存在不平衡，CHP-VPP会受到惩罚。而CHP单元是可控的，所以我们 假设实际热产量与合同发热量完全匹配。上述提及的收益和成本可以分别表示为：
[0115] Psum(t)＝PWPP(t)+PPV(t)+PEESS(t)+PCHP(t) (0.12)
[0116] Qsum(t)＝QHESS(t)+QCHP(t) (0.13)
[0117]
[0118] ΠS(t)＝ASPEESS(t)+BS (0.15)
[0119]
[0120]
[0121] 其中，re(t)是分时电价；rh(t)是热网的热价；Psum(t)和Qsum(t)分别是CHP-VPP的总电 输出和热输出；Pbid(t)是总的合同电量；αIB和βIB分别是IBDR的成本系数；χ0，χ1，χ2， χ3和χ4是CHP的成本系数；As和Bs是EESS的成本系数；rp， 和 是不平衡电量△PUG的 惩罚电价。
[0122] S203：确定系统的约束条件，具体过程如下：
[0123] 为了确保整个系统的安全稳定运行，需满足的约束条件包括：
[0124] (1)电力网络约束
[0125] 由于CHP-VPP中存在多种类型的发电单元，其发电性质(power generation nature) 各不相同，因此各发电单元的输出应转化为直流(direct-current)进行功率收敛(power convergence)。因此本文采用直流潮流模型计算线路潮流。电力网络约束包括两个主要 部分：供需平衡约束和潮流约束。WPP，PV，CHP和EESS均应按合同进行发电，以满足负 载需求。如果电力供需之间仍然存在不平衡，则CHP-VPP应与主电网交换额外的电力。电 力平衡约束可以写成
[0126] PWPP(t)+PPY(t)+PEESS(t)+PCHP(t)+ΔPUG(t)＝LO(t)-ΔLIB(t) (0.18)
[0127] 其中，L0(t)表示负荷需求，△LIB(t)表示IBDR提供的总等效输出功率。为了保护线路， 第j条线路上的潮流应该满足：
[0128]
[0129] 其中， 和 分别是支路j的潮流下界和上界。
[0130] (2)热力网络约束：
[0131] 由于供热网络主要关注的是满足源侧供热需求，因此本发明采用恒流控制。这表明水 流量和水压是恒定的，并且只有温度是可控的。管道w中的热流量Qw(t)可以表示为[0132]
[0133] 其中 和 是管道w始端和末端的质量流量，管道w始端和末端的温度分别为 C是水的比热容； 是通过管道w的质量流率。
[0134] 考虑到热损失及输送延时τ
[0135]
[0136]
[0137] 其中κ是损失系数，Fw是由管道长度和横截面积表征的特征因数。因此，为了保证产 热量QCHP(t)和热负荷QL(t)的平衡，有
[0138]
[0139] (3)电储能系统EESS运行约束
[0140] 因为EESS不能同时充放电，所以
[0141]
[0142] 其中，双边变量 和 分别表示EESS的充放电状态。
[0143] 此外，充放电速率不能超过限制，对于EESS来说，有
[0144]
[0145]
[0146]
[0147] 其中 分别是SoC的上下限； 分别是充电速率的上下限； 分别是放电速率的上下限。
[0148] (4)热储能系统HESS运行约束
[0149] 因为HESS不能同时充放电，所以
[0150]
[0151] 此外，充放电速率不能超过限制。对于HESS来说，有
[0152]
[0153]
[0154]
[0155] 其中 分别是HESS中SoC的上下限； 分别是HESS充电 速率的上下限； 分别是HESS放电速率的上下限。
[0156] (5)机组出力及系统运行约束
[0157] 对于CHP机组来说，其运行区域可以被一组如上述公式1.5的不等式表示。此外，其 电热出力及爬坡约束为
[0158]
[0159]
[0160]
[0161] 其中， 分别是CHP发电的上下限。 分别是CHP产热的上下限。 分别是上下坡的约束。
[0162] (6)需求响应约束
[0163] IBDR被视为CHP-VPP的一部分，其负荷削减可以视为虚拟发电单元。为了避免负载 的过度波动，IBDR应该满足以下约束
[0164]
[0165] 其中， 是累计的IBDR上限值。
[0166] (7)系统备用约束
[0167] 为了确保CHP-VPP的可靠运行，系统应设置相应的反向容量，即向上/向下旋转储备 量，可以将其表示为
[0168]
[0169]
[0170] 其中， Psum(t)分别为总发电量的上下限。εL是负荷备用系数。 是 WPP和PV的向上旋转备用系数， 是WPP和PV的向下旋转备用系数。
[0171] 优选的，所述步骤S30包括下列步骤：
[0172] S301：输入典型日的发电参数、分时电价以及各分布式单元参数，设置粒子群算法参 数。所述发电参数包括典型日的风速数据、光照强度数据、电负荷数据、热负荷数据，所 述粒子群算法参数包括种群规模、迭代次数、惯性权重因子以及学习因子。
[0173] S302：初始化种群速度，位置以及目标值；
[0174] S303：更新种群速度及位置，具体过程如下：
[0176]
[0177] 其中pid(t)是当前粒子的历史最优位置；pgd(t)为整个粒子群的历史最优位置。w为惯 性权重因子；c1和c2为学习因子，r1和r2为0到1之间的随机数。粒子群优化算法的参数 设置为：种群规模200，迭代次数100，惯性权重因子0.75，学习因子均为1.3。
[0178] S304：考虑到整个系统内各分布式单元约束，对各机组出力不断调整，计算整个系统 的最大利润；
[0179] S305：判断是否满足迭代终止条件或达到最大迭代次数，如是，则进行步骤S306；如 否，则重新进行步骤S203；
[0180] S306：结束迭代并输出结果。
[0181] 优选的，所述步骤S40包括下列步骤：
[0182] S401：确定传统收益分配方案。
[0183] 为了保证每个单位利润分配的公平性，可以采用合作博弈的方法。本发明采用基于 Shapley值的方法作为经典的合作博弈方法。它不仅为代理商提供了与他人合作的灵活性， 而且还减少了分销损失。在利润分配期间，需要考虑所有可能的DER组合。因此需要计算 出与DER的所有组合有关的虚拟利润。对于一个含有U个单元的VPP来说，除一个空组合 外，总共有个组合。注意，合作博弈只关注合作的结果，而没有考虑每个单元之间讨价 还价的细节。合作博弈的优越性主要体现在两个方面：(1)联盟的利润应大于参与个体 在合作之前独立经营的利润之和，(2)合作模式下，联盟中的个体利润应大于合作之前 的利润。
[0184] 传统的Shapley值法是解决合作博弈问题的常用方法。在利润分配过程中，合作的 边际利润根据新个体的加入进行分摊。因此，为组合提供更多资源的单位应分配更多利 润。定义Ω＝{1,2,3,…，U}为所有单位的集合，其中U为单位总数，分配个体u的利润Πu可以表示为
[0185]
[0186] 其中，U为各个单元的总个数，βhv表示联盟h中剩余单元v∈Ω\u的双边变量。Πhu为 单元u加入联盟前后的边际效益
[0187] S402：根据热电比调整各分布式单元权重。
[0188] 本发明的核心是开发一种解决合作博弈模型的新方法，该模型可以全面考虑CHP-VPP 中个体博弈行为。传统的Shapley值法为所有个体分配统一的权重1/U，忽略了每个个体 的特性差异。但是，由于热电比是影响实际CHP单元利润分配的决定因素。因此，系统 应适当地激励具有高热电比的CHP单元。因此，提出一种改进的Shapley值方法，以公 平分配CHP-VPP的利润，对个体u调整权重
[0189]
[0190] 其中αu是热电比，且 因此新的权重为 △εu＝εu-1/U (0.33)
[0191] 其中，
[0192] S403：确定改进的收益分配方案。
[0193] 对于个体u来说，新的分配利润为
[0194]
[0195] 改进的Shapley值法保留了传统方法的优点，并且减少了捕获每个代理的个人特征方 面的限制。所提出的方法实现了公平的利润分配，并减少了代理商退出联盟的可能性，可 以维持整个系统的安全和稳定。
[0196] 如附图7所示，以修改的IEEE30节点电力系统和14节点供热管网系统为基础构建了 电力系统和供热管网系统耦合形成的集成热电联产虚拟电厂系统。在电力网络中，WPP,PV， CHP1,CHP2以及EESS分别连接在电力节点E7,E13,E18,E26和E28。热源HESS,CHP1和CHP2 分别连接在供热节点H1,H4和H12。决策变量S(t)包括 PWPP(t),PPV(t),PCHP1(t),QCHP1(t),PCHP2(t),QCHP2(t)。每一个CHP都配有一个发电机，上下爬坡 速率均为60MW/h。电力市场采用分时电价，如下表1所示：
[0197]
[0198] 表1
[0199] 充放电价格都遵循市场电价，惩罚电价 和 分别为$40/MWh，$100/MWh，售热价为 $13/MWh，风电和光伏数据均来自于中国的实际数据。风机的典型参数vin＝3m/s, vout＝25m/s,vrated＝12.5m/s。形状参数和尺度参数均可由历史数据计算得出： ψ＝
8.54。场景模拟法可以用来模拟WPP和PV输出，误差为8％和6％，典型的热需求，电需 求，可得出风电预测出力、光伏发电预测出力。
8.54。场景模拟法可以用来模拟WPP和PV输出，误差为8％和6％，典型的热需求，电需 求，可得出风电预测出力、光伏发电预测出力。
[0200] 考虑到CHP-VPP中个体的规模和特性，有四个主要成分：WPP，PV，CHP1和CHP2。根 据合作博弈理论，共有15种联盟组合。使用粒子群优化算法获得所有调度结果和相应的 利润，对应于四者均不合作和相互合作的结果。
[0201] 在非合作博弈的模式，纳什均衡解为(4088.92MW,865.92MW,(4927.98MW, 4617.68MW),(5400.51MW,2652.47MW))。总利润为$1.18×106。当所有主体合作时，纳什 均衡解为(3968.01MW,780.99MW,(3573.54MW,3949.84MW),(4556.84MW,3419.48MW)))， 总利润为$1.361×106美金。合作模式下，WPP和PV向电网出售更多电力，而CHP出售较少。 弃风弃光率分别降低16.7％和17.4％。通过使用Shapley值法，合作博弈模式下每个分布 式单元的利润要高于非合作模式。
[0202] 实际上，CHP为整个系统的利润做出让步，这表明热电联产在保证利润的前提下为可 再生能源发电提供了更多的利润。CHP仅根据其热量和发电量分配利润是不公平的。因 此，本发明提出的改进的Shapley值方法可以为整个CHP-VPP系统真正实现公平的利润分 配。通过使用改进的Shapley值方法，WPP和PV单元根据热电比与CHP单元共享部分利润。 同时，每个单位的利润仍然高于非合作模式下的每个单位的利润，这保持了整个CHP-VPP 系统的稳定性并提高了CHP单位的效率。
[0203] 当系统处于非合作模式时，总利润很低，尤其是对于某些不正确的组合。改进的 Shapley值法可实现公平的利润分配，并导致更稳定的系统。此外，合理的资源分配可以 指导代理商的调度，以减少可再生能源的发电。
[0204] 本发明还提出一种热电联产虚拟电厂优化调控及收益分配系统，所述系统包括下列模 块：
[0205] 建立模块，用于建立包含风力发电系统、光伏发电系统、热电联产系统、储能系统以 及可控负荷的CHP-VPP模型；
[0206] 构建模块，用于构建以CHP-VPP系统利润最大为目标的目标优化函数；
[0207] 确定模块，用于通过粒子群算法求解CHP-VPP系统内各分布式单元的最佳出力，确定 调度周期内系统的最佳运行方式；
[0208] 分配模块，用于通过改进夏普利值法实现CHP-VPP系统内各分布式单元的公平收益分 配。
[0209] 优选的，所述建立模块包括下列子模块：
[0210] 风力发电模型构建子模块，利用Weibull分布对风速的不确定性进行处理，构建风力 发电模型；
[0211] 光伏发电模型构建子模块，利用Beta分布对光照的不确定性进行处理，构建光伏发 电模型；
[0212] CHP电热输出模型构建子模块，根据CHP的电热耦合特性，建立CHP电热输出模型；
[0213] 储电单元模型和储热单元模型构建子模块，根据荷电状态，分别建立储电单元模型和 储热单元模型；
[0214] 需求响应模型构建子模块，用于建立基于激励的需求响应模型。
[0215] 优选的，所述构建模块包括下列子模块：
[0216] 运行模式子模块，用于基于合作博弈理论制定CHP-VPP运行模式；
[0217] 目标函数子模块，用于确定系统的目标函数；
[0218] 约束条件子模块，用于确定系统的约束条件。
[0219] 优选的，所述确定模块包括下列子模块：
[0220] 设置子模块，用于输入典型日的发电参数、分时电价以及各分布式单元参数，设置粒 子群算法参数；
[0221] 初始化子模块，用于初始化种群速度，位置以及目标值；
[0222] 更新子模块，用于更新种群速度及位置，并基于判断子模块输出为否的条件，重新更 新种群速度及位置；
[0223] 机组调整子模块，基于考虑到的整个系统内各分布式单元约束，对各机组出力不断调 整，计算整个系统的最大利润；
[0224] 判断子模块，判断是否满足迭代终止条件或达到最大迭代次数；
[0225] 输出子模块，用于基于判断子模块输出为是的条件，结束迭代并输出结果。
[0226] 优选的，所述分配模块包括下列子模块：
[0227] 接收子模块，用于确定传统收益分配方案；
[0228] 权重调整子模块，根据热电比调整各分布式单元权重；
[0229] 分配子模块，用于确定改进的收益分配方案。
[0230] 上述热电联产虚拟电厂优化调控及收益分配系统中，各模块以及各子模块的具体工作 过程与上述热电联产虚拟电厂优化调控及收益分配方法中各步骤对应相同。
[0231] 本发明提出一种存储介质，存储有计算机可执行程序，所述计算机可执行程序在运行 时，用于执行如上所述的热电联产虚拟电厂优化调控及收益分配方法。
[0232] 本发明提出一种电子设备，包括处理器、存储器，所述存储器存储有计算机可执行程 序，所述计算机可执行程序在运行时，用于执行如上所述的热电联产虚拟电厂优化调控及 收益分配方法
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 用于从盐碱含水层中提取饮用水的设备和方法 | 2020-05-11 | 832 |
| 一种燃气热电联产系统及其控制方法 | 2020-05-12 | 945 |
| 一种网络约束的电网备用容量减扣计算方法及相关装置 | 2020-05-11 | 320 |
| 热电联产机组的测试方法 | 2020-05-12 | 112 |
| 一种考虑碳排放影响的合约电量优化分解方法 | 2020-05-12 | 138 |
| 一种基于等微增率准则的多能虚拟电厂运行参数聚合方法 | 2020-05-13 | 866 |
| 一种畜禽粪污和生活垃圾综合处理系统及方法 | 2020-05-13 | 430 |
| 一种联产异壬醇和碳八烷烃的方法及系统 | 2020-05-12 | 659 |
| 一种喷水减温的热电联产机组热电解耦运行系统 | 2020-05-12 | 140 |
| 热电联产燃气机组 | 2020-05-08 | 990 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
热电联产热门专利
QQ群二维码
意见反馈
意见反馈