下载文档原格式
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910374421.3(22)申请日 2019.05.06(71)申请人 国家电网有限公司地址 100031 北京市西城区西长安街86号申请人 国网河南省电力公司经济技术研究院 上海交通大学(72)发明人 蒋小亮 刘万勋 司瑞华 袁鹏 李甜甜 张丽华 孙思培 贾鹏 于琳琳 邵红博 王之琦 周士超 王旭 蒋传文 (74)专利代理机构 郑州知己知识产权代理有限公司 41132代理人 杨小燕(51)Int.Cl.G06Q 10/04(2012.01)G06Q 10/06(2012.01)G06Q 50/06(2012.01)(54)发明名称一种政府监管下基于谱风险的虚拟电厂调度模型构建方法(57)摘要本发明公开了一种政府监管下基于谱风险的虚拟电厂调度模型构建方法，属于电力系统调度技术领域，包括如下步骤：（1）给定调度模型输入变量，即风电、水电、有功负荷的预测值及在它们随机分布基础上的生成场景树，每个场景包含了上述随机变量的可能取值；（2）求解机组启停机状态和计划购售电曲线等日前控制变量；（3）构建双层随机优化调度模型，增加谱风险指标，优化目标为虚拟电厂的预期收益和谱风险的综合；本发明根据构建的考虑谱风险和收益的虚拟电厂多目标优化调度模型，反映虚拟电厂收益的整体分布情况，从而寻优决策者满意度最高的调度计划，解决了现有技术所存在的不能反映决策者对风险主观厌恶程度的问题。
权利要求书3页 说明书9页 附图3页CN 110097228 A 2019.08.06C N 110097228A1.一种政府监管下基于谱风险的虚拟电厂调度模型构建方法，其特征在于：包括如下步骤：(1)给定调度模型输入变量，即风电、水电、有功负荷的预测值及在它们随机分布基础上的生成场景树，每个场景包含了上述随机变量的可能取值；(2)求解机组启停机状态和计划购售电曲线等日前控制变量；(3)构建双层随机优化调度模型，考虑政府监管的要求，增加谱风险指标，优化目标为虚拟电厂的预期收益和谱风险的综合；优化调度模型以日前控制变量的求取为第一层模型，第二层模型根据随机变量在各场景中的实际取值求解虚拟电厂的优化控制，调整风电场、水电站的实际出力和负荷，求解变量为实际风电场出力、水电站出力、与电网实际联络线功率。
含风电场的混合机会约束经济调度模型盛四清;孙晓霞【摘要】风电出力具有不确定性和波动性,大规模风电功率注入电网给电力系统调度运行带来了严峻的考验.针对系统中普遍存在的多重不确定因素,引入不确定规划理论,将风电和负荷出力的不确定性表示为预测误差的不确定性,并根据其不同特性,进行区别建模,考虑火电机组的阀点效应,建立同时含有模糊变量和随机变量的混合机会约束经济调度模型.采用模糊模拟和随机模拟技术相结合的混合模拟求解策略进行求解.通过引入机会约束使得调度决策具有控制风险和成本的能力,建模计及火电机组的阀点效应,使得计算结果更加符合实际情况.算例分析验证了所建模型的可行性和有效性.【期刊名称】《电力系统及其自动化学报》【年(卷),期】2015(027)008【总页数】6页(P82-86,102)【关键词】风力发电;经济调度;风电预测误差;负荷预测误差;混合机会约束;混合模拟求解策略【作者】盛四清;孙晓霞【作者单位】华北电力大学电气与电子工程学院,保定071000;华北电力大学电气与电子工程学院,保定071000【正文语种】中文【中图分类】TM73随着传统化石能源的日益枯竭以及环境保护问题的日益严峻，以风电为代表的清洁可再生能源得到了极大的重视和发展。
然而风电固有的间歇性和波动性给电力系统的调度运行带来了严峻的挑战，因此含风电场的电力系统经济调度问题也成为了研究热点[1-3]。
风电对调度的影响主要体现在其出力的不确定性上。
现有文献对风电的处理可分为3类[4]：确定性模型、随机模型以及模糊模型。
确定性模型就是调度时考虑风电的全部备用，这种方法会大大提高系统的运行成本，显然不可取。
可行的处理是将风电出力视为不确定变量，通过引入机会约束来协调风险和成本之间的关系。
如文献[5-6]将风电出力视为随机变量，通过风速-功率曲线转换得到相应的概率分布参数。
然而由于风电出力受到温度、湿度、气压等气象因素的影响，预测方法并不具有统计性质的误差，因此采用模糊参数表示更为合理。
基于虚拟电厂的用户可调负荷资源需求响应方法及系统与流程随着新能源的普及和智能电网技术的发展，虚拟电厂作为一种新的能源管理模式，正逐渐受到广泛关注。
特别是在用户可调负荷资源需求响应方面，虚拟电厂以其独特的优势，为解决能源供需矛盾提供了新的思路。
本文将围绕这一主题，详细介绍基于虚拟电厂的用户可调负荷资源需求响应方法及系统。
一、背景随着全球能源结构的转型，可再生能源的占比逐渐提高，智能电网的建设也日益完善。
然而，在电力供需不平衡的时段，电网的稳定运行仍面临挑战。
虚拟电厂作为一种新型的能源管理系统，通过聚合分散的电力资源，实现资源的优化配置，为用户可调负荷资源需求响应提供了可能。
二、方法1. 需求侧分析：对用户可调负荷资源进行详细分析，包括用电时段、用电量等数据。
2. 资源聚合：通过虚拟电厂平台，将分散的用户可调负荷资源进行聚合，形成可调负荷资源池。
3. 需求响应：根据电网需求，动态调整用户可调负荷资源的输出，以满足电网需求。
4. 反馈与优化：对需求响应过程进行实时监测与反馈，根据反馈结果优化虚拟电厂的运行策略。
三、系统设计虚拟电厂系统设计主要包括硬件和软件两部分。
硬件包括各类电力设备（如智能电表、储能设备等）和网络设备；软件部分包括虚拟电厂平台、数据分析与决策支持系统等。
系统架构采用分层设计，包括数据采集层、数据处理层、虚拟电厂管理层和决策支持层。
四、流程描述1. 数据采集：通过智能电表等设备采集用户用电数据，包括用电时段、用电量等。
2. 数据分析：对采集的数据进行分析，确定用户可调负荷资源的分布和特点。
3. 资源聚合与优化：通过虚拟电厂平台，将分散的用户可调负荷资源进行聚合，并根据数据分析结果进行优化配置。
4. 需求响应执行：根据电网需求，动态调整用户可调负荷资源的输出，以满足电网需求。
同时，实时监测需求响应过程，收集反馈数据。
5. 反馈与优化调整：根据实时监测的数据，对虚拟电厂的运行策略进行优化调整，以提高虚拟电厂的运行效率和用户可调负荷资源的利用率。
基于目标级联法的虚拟电厂日前调频容量计算方法
张颖;文艳;季宇;左娟;王文博
【期刊名称】《中国电力》
【年(卷),期】2024(57)1
【摘要】光伏、风电等清洁能源的大规模并网加重了系统调频负担,同时,微型燃气轮机、储能等调频性能稳定良好的分布式资源的接入为减小系统调频负担提供了新的思路。
为此提出一种基于目标级联分析的优化调度模型,旨在通过虚拟电厂聚合分布式资源以参与调频辅助服务市场。
首先,建立了配电网层和虚拟电厂层的双层优化调度模型,通过配电网协调虚拟电厂的协调互补来提高资源的利用效率;然后,虚拟电厂对内部成员进行优化调度,采用机会约束规划对调频信号不确定性进行约束;最后,通过目标级联分析法对所建立的模型进行求解,并通过仿真算例验证优化调度模型的有效性和可行性。
结果表明,虚拟电厂参与调频辅助服务能够有效降低其运行成本。
【总页数】9页(P82-90)
【作者】张颖;文艳;季宇;左娟;王文博
【作者单位】国网上海能源互联网研究院有限公司;国网山东省电力公司
【正文语种】中文
【中图分类】TM7
【相关文献】
1.基于容量比较法的卧式罐容量表计算方法研究
2.基于目标级联分析法的区域源网荷储系统日前运行优化
3.基于目标级联的分布式交易模型的虚拟电厂运行优化策略
4.考虑需求响应及调频性能变化的虚拟电厂日前投标策略
5.基于TVF-EMD的虚拟电厂参与系统调频容量优化配置
因版权原因，仅展示原文概要，查看原文内容请购买。
《虚拟电厂关键技术与实践》读书记录目录一、内容描述 (2)1.1 虚拟电厂的概念与意义 (3)1.2 虚拟电厂的发展背景与趋势 (4)二、虚拟电厂关键技术 (5)2.1 多能互补协同优化技术 (7)2.1.1 多能互补能源系统概述 (8)2.1.2 协同优化策略与方法 (9)2.2 储能技术 (10)2.2.1 储能技术原理简介 (12)2.2.2 储能技术在虚拟电厂中的应用 (14)2.3 电力市场与辅助服务市场机制 (15)2.3.1 电力市场改革与发展 (17)2.3.2 辅助服务市场机制与定价 (18)三、虚拟电厂实践案例分析 (19)3.1 国内外虚拟电厂发展现状 (21)3.1.1 国内虚拟电厂案例介绍 (22)3.1.2 国外虚拟电厂案例介绍 (23)3.2 虚拟电厂在实际应用中的效果评估 (24)3.2.1 提高电力系统稳定性的效果分析 (26)3.2.2 降低电力成本的效果评估 (26)四、虚拟电厂面临的挑战与对策 (27)4.1 技术研发方面的挑战 (28)4.1.1 关键技术难题剖析 (30)4.1.2 技术研发策略探讨 (31)4.2 市场机制与政策方面的挑战 (32)4.2.1 市场机制不完善的问题分析 (33)4.2.2 政策支持与引导措施建议 (35)五、未来展望与建议 (36)5.1 虚拟电厂发展趋势预测 (38)5.1.1 技术创新趋势 (39)5.1.2 市场需求变化趋势 (40)5.2 对虚拟电厂发展的建议 (41)5.2.1 加强技术研发与创新 (42)5.2.2 完善市场机制与政策体系 (44)5.2.3 拓展虚拟电厂应用领域与合作模式 (45)一、内容描述《虚拟电厂关键技术与实践》是一部深入探讨虚拟电厂建设和运行的关键技术以及实践案例的书籍。
《虚拟电厂关键技术与实践》是本书的核心内容，深入探讨虚拟电厂的理论基础、关键技术、实践应用和发展趋势。
通过权威的分析和丰富的实例，帮助读者全面理解虚拟电厂的概念、架构、功能和潜力，并掌握虚拟电厂建设和运营的实践经验。
第52卷第7期电力系统保护与控制Vol.52 No.7 2024年4月1日Power System Protection and Control Apr. 1, 2024 DOI: 10.19783/ki.pspc.230934基于主从博弈的虚拟电厂参与多元竞争市场投标策略研究彭超逸1，徐苏越2，顾慧杰1，周华锋1，胡 荣1，聂涌泉1，孙海顺2，陈文哲2(1.中国南方电网电力调度控制中心，广东 广州 510530；2.强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院)，湖北 武汉 430074)摘要：虚拟电厂(virtual power plant, VPP)可以聚合多元异构分布式能源(distributed energy resource, DER)灵活参与电力市场，但受市场多元主体投标行为不确定性的影响，VPP在日前电力市场面临着潜在的投标需求流标风险。
为解决多元竞争电力市场中电价电量不确定性影响下VPP的优化申报问题，提出一种VPP灵活分段投标策略。
首先，基于分布式能源运行特性构建了虚拟电厂聚合可调节能力评估方法，在考虑电力平衡需求的基础上，提出按可调节能力划分区间的VPP灵活分段投标策略。
然后，构建了虚拟电厂参与日前电力现货市场投标的主从博弈模型，以实现VPP收益及社会效益的最大化。
最后，采用强对偶理论和大M法将该均衡约束规划问题(equilibrium problems with equilibrium constraints, EPEC)转化为混合整数线性规划问题(mixed integer linear program, MILP)求解。
算例结果表明，VPP采用灵活分段投标策略参与日前电力市场，可以充分利用其可调节能力，保障其投标需求有效中标，有效提升了VPP收益及社会效益。
关键词：虚拟电厂；聚合算法；投标策略；主从博弈Bidding strategy for a virtual power plant participating in a multiple competitivemarket based on the Stackelberg gamePENG Chaoyi1, XU Suyue2, GU Huijie1, ZHOU Huafeng1, HU Rong1, NIE Yongquan1, SUN Haishun2, CHEN Wenzhe2(1. China Southern Power Grid Dispatching & Control Center, Guangzhou 510530, China; 2. State Key Laboratory of AdvancedElectromagnetic Engineering and Technology (School of Electrical and Electronic Engineering,Huazhong University of Science and Technology), Wuhan 430074, China)Abstract: Virtual power plants (VPP) can aggregate multiple heterogeneous distributed energy resources (DER) to flexibly participate in the energy market. However, because of the uncertainty of bidding strategies of market participants, VPPs face potential risks of bidding failure in the day-ahead energy market. To solve the problem of VPPs’ optimal bidding strategy given the uncertainty of electricity price and quantity in the multiple competitive electricity market, a VPP flexible segmented bidding strategy is proposed. First, VPPs’ aggregated regulation capacity estimation method is constructed based on the operational characteristics of DERs, and a flexible segmented bidding quantity range of VPP is proposed considering power balance demand. Then, a VPPs’ day ahead energy market bidding model based on the Stackelberg game is established to realize the maximization of VPP profit and social welfare. Finaly, strong duality theory and the ‘big-M’ method are introduced to transfer the equilibrium problems with equilibrium constraints (EPEC) into a mixed integer linear program (MILP). The results of case studies indicate that the adoption of the flexible segmented bidding strategy in the day ahead electricity market can fully exploit VPP regulation capacity, ensure the effective bidding of electricity quantity demand, and increase VPP profit and social benefit.This work is supported by the Science and Technology Project of China Southern Power Grid Co., Ltd. (No.000000KK52200035).Key words: virtual power plant (VPP); aggregation algorithm; bidding strategy; Stackelberg game0 引言随着“双碳”目标的提出和我国电力市场建设基金项目：中国南方电网有限责任公司科技项目资助(000000KK52200035) 的不断推进[1-2]，大力发展面向高比例新能源的电力市场已成为我国能源转型的必然要求。
基于可靠性的虚拟电厂微网源荷协同优化调度模型构建
林彤彤;周晋杭;叶晓杰;蔡婉雯;邵崇
【期刊名称】《环境技术》
【年(卷),期】2024(42)3
【摘要】为了确保虚拟电网微网的高效、可靠运行,构建虚拟电厂微网源荷协同优化调度模型。
在正态分布概率模型的基础上建立光伏、风机概率模型和负荷概率模型,以此为依据展开虚拟电厂微网的场景构建。
将运行成本、可再生能源消纳量和环境成本作为优化目标,建立源荷协同优化调度模型,通过萤火虫优化算法求解调度模型的最优解,以此实现虚拟电厂微网源荷协同优化调度。
实验结果表明,构建模型的风电、光伏出力预测精度高、弃风电量低、风电利用率高,具有良好的协同优化调度能力。
【总页数】7页(P69-75)
【作者】林彤彤;周晋杭;叶晓杰;蔡婉雯;邵崇
【作者单位】国网台州供电公司台州湾新区供电分公司
【正文语种】中文
【中图分类】TM734
【相关文献】
1."源网荷储"协同的园区微电网优化调度
2.基于代理技术的广域源-荷双层递阶协同优化调度模型
3.一种“源-网-荷-储”协同优化调度模型
4.计及分时电价的微能源网源荷储协同优化调度
5.基于源荷不确定性的虚拟电厂负荷优化调度方法
因版权原因，仅展示原文概要，查看原文内容请购买。
第11期2023年6月无线互联科技Wireless Internet TechnologyNo.11June,2023作者简介:张立玲(1993 ),女,河北邢台人,工程师,硕士;研究方向:电力营销负荷管理㊂基于改进遗传算法的虚拟发电厂经济调度优化方法张立玲,霍晓蕊,汪宗达,李㊀达,刘晓丹(天津市电力公司滨海供电分公司,天津300450)摘要:常规的虚拟发电厂经济调度优化方法主要针对发电调度的变量进行分析,往往出现局部最优解的情况,影响调度优化效果㊂因此,文章设计了基于改进遗传算法的虚拟发电厂经济调度优化方法㊂本研究提取虚拟发电厂机组发电并网特征,对各类发电机组的发电情况进行分析;利用改进遗传算法,构建虚拟发电厂调度优化模型,以经济与技术为约束条件,找出不同机组的最优调度优化策略,进而实现虚拟发电厂经济调度的优化;采用对比实验的方式,验证了该优化方法的调度效果更佳,能够应用于实际生活中㊂关键词:改进遗传算法;虚拟发电厂;经济调度;优化方法;调度特征;发电机组中图分类号:TP312㊀㊀文献标志码:A0㊀引言㊀㊀虚拟发电厂是一种对发电调度㊁电网运行等情况进行管理的手段,对于协调电网与能源利用方面具有重要作用㊂目前,以光能㊁风能㊁水能等新能源为发电标准的电力企业越来越多,减少了煤炭发电对环境的污染,有利于达到 双碳 目标㊂为解决新能源发电的出力问题,研究人员设计了多种解决方案㊂其中,基于免疫算法的虚拟发电厂经济调度优化方法,与基于改进PSO 的虚拟发电厂经济调度优化方法的应用较为广泛[1-2]㊂以上两种方法主要是以发电决策变量为主,提出的自适应调度方法,存在局部寻优的问题,影响发电调度的经济性优化效果[3]㊂改进遗传算法主要是针对线性问题,打破局部最优的局限,快速找到全局最优解[4]㊂将改进遗传算法应用到虚拟发电厂经济调度优化方法后,能够根据发电厂的调度情况,得到全局最优调度方案,为提升发电厂的经济效益作出保障㊂1㊀虚拟发电厂经济调度的改进遗传优化方法设计1.1㊀提取虚拟发电厂机组发电并网特征㊀㊀风力发电㊁光能发电等新能源发电技术,通过风电机组㊁光电机组转换为电能,减少发电对周围环境的污染[5]㊂由于风速不可控,发电机组通过电磁感应原理,将输出的电能与电网保持一致㊂风电机组将输出的电能进行适当的转换,接入电网运行,其发电并网特征如下:P WT =0m 2v 2+m 1v +m 0P tìîíïïï(1)式(1)中,P WT 为风电机组电能转换输出的功率;m 2㊁m 1㊁m 0为风机功率-风速模型参数;v 为自然风速;P t 为风机在v e 条件下的功率定值㊂假设v q ㊁v c 为切入㊁出风速,v e 为风速定值[6]㊂当P WT =0时,则存在v <v q 或者v >v c ;当P WT =m 2v 2+m 1v +m 0时,则存在v q ɤv ɤv e ;当P WT =P t ,则存在v e ɤv ɤv c ㊂光伏发电的并网特征如下:P PV =P S G IG S(1+L (T i -T c ))(2)式(2)中,P PV 为光电机组电能转换输出的功率;P S 为常规光照条件下的功率最大值;G I 为光照强度;G S 为常规辐照条件下的辐强;L 为温度指标;T i 为光伏电池温度;T c 为发电参考温度值㊂将输出电能通过特定转换接入电网,保证电网运行效果㊂1.2㊀基于改进遗传算法构建虚拟发电厂调度优化模型㊀㊀将虚拟发电厂发电机组的发电并网特征提取出来之后,本研究根据发电收益情况,对发电厂进行经济调度㊂本研究使用改进遗传算法,对虚拟发电厂进行经济调度㊂调度流程如图1所示㊂由图1可知,使用改进遗传算法,能够生成一组初始化种群,经过竞争㊁交叉㊁变异等自然选择等过程,得到更加适应发电环境的群体,从而找到全局最优解[7]㊂假设调度变量K 的取值范围为[k min ,k max ],则二进制编码对应的空间实际值为:K 2=K min +(k max -k min )ðli =1p i 2i -12l -1(3)式(3)中,K 2为二进制编码对应的空间实际值;K min 为变量K 的最小值;l 为二进制串的长度;p i 为第i 个染色体个体基因㊂经过改进遗传编码之后,本研究忽略发电机组本身成本与运行维护成本,将发电收益表示为:S P =K 2ðm i =1ðlj =1αi ,j ˑP i ,j ˑγj(4)式(4)中,S P 为发电收益;αi ,j 为第i 个发电机组图1㊀经济调度流程在第j 时刻的调度状态;P i ,j 为第i 个发电机组在第j 时刻的出力;γj 为第j 时间段内的电力市场价㊂根据发电收益情况,构建经济调度优化模型,表达式如下:max M =ðt ɪT ðm ɪN wπw ㊃S P [κp ,t ㊃(P WT ㊃ηu )+P PV ㊃ηt ](5)式(5)中,max M 为模型表达式;πw 为第w 个风电机组出力情况;κp ,t 为第t 个调度周期和第p 个电力市场价;ηu ㊁ηt 为上调与下调平衡市场的价格上调与下调率㊂在ðN i =1P i ,j =P WT 的约束条件下,可以保证发电功率平衡,在保证经济的条件下,优化调度效果㊂2 实验㊀㊀为验证本研究设计的调度优化方法的实用性能,本研究对上述方法进行了分析㊂相同的经济调度条件下,发电机组的出力越多,经济调度效果越佳㊂分别使用程琳等[1]所著的‘基于免疫算法的水火电节能发电调度优化方法研究“中的基于免疫算法的虚拟发电厂经济调度优化方法,和方娜等[2]所著‘基于改进PSO 的水火电短期发电优化调度“中的基于改进PSO 的虚拟发电厂经济调度优化方法,以及本研究设计的基于改进遗传算法的虚拟发电厂经济调度优化方法,对调度优化效果进行分析㊂2.1㊀实验过程㊀㊀本次实验以10kV 配电网为例,建立了以风电机组㊁光电机组㊁蓄电池组㊁微型燃气轮机组为主的虚拟发电厂㊂虚拟发电厂中,风电机组的工作时段为1:00 24:00,光电机组工作时段为7:00 19:00,蓄电池组的工作时段为6:00 20:00,微型燃气轮机组的工作时段为7:00 22:00㊂受到虚拟发电厂发电时段不同的影响,很难对其进行经济调度㊂本次实验综合了各个发电机组的发电时段与发电情况,将发电调度时刻选定为7:00 19:00,对发电厂发电调度进行分析㊂虚拟发电厂的配电网网络拓扑如图2所示㊂在图2中,PV 表示的是光伏发电机组,WT表示图2㊀虚拟发电厂的配电网网络拓扑的是风电机组,ES 表示的是蓄电池组,μP 表示的是微型燃气轮机组㊂PV 的额定装机容量约500kW,WT 的额定装机容量约300kW,ES 的额定装机容量约200kW,μP 的额定装机容量约500kW,分别接入不同的网络节点位置进行发电㊂由于电力负荷在一天内的需求存在波动,用电高峰期发电出力较高,用电低峰期发电出力较低㊂7:00 19:00处于用电高峰时段,通过计算网络节点电压适应度值,找出最佳经济调度解,从而对发电厂进行经济调度优化㊂2.2㊀实验结果㊀㊀在上述实验条件下,本研究选取出7:00 19:00时段的虚拟发电厂的发电情况,并选用①号风电机组㊁②号风电机组对其经济最优化出力情况进行分析㊂分别将‘基于免疫算法的水火电节能发电调度优化方法研究“的基于免疫算法的虚拟发电厂经济调度优化方法的经济最优出力,‘基于改进PSO 的水火电短期发电优化调度“的基于改进PSO 的虚拟发电厂经济调度优化方法的经济最优出力,以及本研究设计的基于改进遗传算法的虚拟发电厂经济调度优化方法的经济最优出力进行对比㊂实验结果如表1所示㊂由表1可知,7:00 19:00时段是虚拟发电厂发电高峰时段,在此时段内的发电出力情况更能够反映实验真实效果㊂在相同的经济条件下,发电机组的出力越多,经济调度效果越佳㊂其他条件均一致的情况下,使用‘基于免疫算法的水火电节能发电调度优化方法研究“的基于免疫算法的虚拟发电厂经济调度优化方法后,①号风电机组在7:00 19:00时段内的平均出力约为212.43kW,②号风电机组在7:00 19:00时段内的平均出力约为320.93kW㊂使用‘基于改进PSO 的水火电短期发电优化调度“的基于改进PSO 的虚拟发电厂经济调度优化方法之后,①号风电机组在7:00 19:00时段内的平均出力约为247.33kW,②号风电机组在7:00 19:00时段内的平均出力约为340.27kW㊂使用本研究设计的基于改进遗传算法的虚拟发电厂经济调度优化方法后,①号风电机组在7:00 19:00时段内的平均出力约为379.89kW,②号风电机组在7:00 19:00时段内的平均出力约为490.66kW㊂由此可见,相同的时间段内,同一经济条件下,无论是①号风电机组还是②号风电机组,使用本研究设计的方法调度之后,发电厂的平均出力最㊀㊀表1㊀实验结果时刻‘基于免疫算法的水火电节能发电调度优化方法研究“优化方法的出力情况/kW‘基于改进PSO 的水火电短期发电优化调度“优化方法的出力情况/kW本研究设计的优化方法的出力情况/kW①号机组②号机组①号机组②号机组①号机组②号机组7:00162.2411.7212.6344.2381.8495.79:00212.5398.4254.4313.9379.9481.811:00244.4365.3250.2364.1375.5491.213:00397.5312.7266.7380.7382.6497.315:00215.2289.2247.8331.0378.2486.317:00149.4256.8235.2331.7385.8492.919:00105.8212.4264.4316.3375.4489.4多,远远超过‘基于免疫算法的水火电节能发电调度优化方法研究“的方法优于‘基于改进PSO 的水火电短期发电优化调度“的方法的调度效果,使虚拟发电厂在保证发电经济性的条件下,得到最优出力,提高发电效率,符合本研究的目的㊂3 结语㊀㊀近年来,光㊁风㊁水等新能源在电力企业中应用较为广泛,各个发电机组的随机出力问题,成为影响发电厂经济运行与稳定运行的主要因素㊂因此,本研究利用改进遗传算法,设计了虚拟发电厂经济调度优化方法㊂在分析调度特征的基础上,本研究构建了一个优化模型,对发电厂的发电调度进行优化㊂以发电机组的出力情况作为优化效果的指标,出力越高,经济调度优化效果越佳㊂参考文献[1]程琳,李才芳,于传,等.基于免疫算法的水火电节能发电调度优化方法研究[J ].安徽电气工程职业技术学院学报,2020(3):103-109.[2]方娜,万畅,余俊杰.基于改进PSO 的水火电短期发电优化调度[J ].现代电子技术,2020(6):119-123,128.[3]夏榆杭,刘颖杰,刘怡君,等.电锅炉在虚拟发电厂电-热联合运行中的碳中和效应[J ].电力科学与工程,2022(1):41-49.[4]应飞祥,徐天奇,李琰,等.含电动汽车充电站商业型虚拟电厂的日前调度优化策略研究[J ].电力系统保护与控制,2020(21):92-100.[5]潘斌,方嵩,李国号,等.含分布式发电并网虚拟发电厂鲁棒优化经济调度方法[J ].可再生能源,2021(2):278-284.[6]李如意,刘姗,许军德,等.基于改进遗传算法的多源协调优化调度方法[J ].沈阳工程学院学报(自然科学版),2022(4):43-50.[7]谷南南,姚佩阳,焦志强.云计算环境下利用改进遗传算法结合二次编码的大规模资源调度方法[J ].计算机应用研究,2020(8):2390-2394.(编辑㊀王永超)Virtual power plant based on improved genetic algorithm economic dispatchoptimization methodZhang Liling Huo Xiaorui Wang Zongda Li Da Liu XiaodanBinhai Power Supply Branch Tianjin Electric Power Company Tianjin 300450 ChinaAbstract Conventional economic dispatch optimization methods for virtual power plants mainly focus on the analysis of variables of power generation dispatch which often result in local optimal solutions and affect the dispatch optimization effect.Therefore a virtual power plant economic dispatch optimization method based on improved genetic algorithm is designed.The generation characteristics of the virtual power plant units are extracted and connected to the grid and the generation of each type of generating units is ing the improved genetic algorithm a virtual power plant scheduling optimization model is constructed to find out the optimal scheduling optimization strategies for different units with economic and technical constraints and then realize the optimization of the economic scheduling of the virtual power plant.A comparison experiment is used to verify that the optimization method has better dispatching effect and can be applied in real life.Key words improved genetic algorithm virtual power plant economic dispatch optimization method dispatch。
