[发明专利]一种基于CVaR的虚拟电厂优化调度建模方法

权利要求书

1.一种基于CVaR的虚拟电厂优化调度建模方法，其特征在于，所述方法包括以下步骤：

步骤1：确定VPP组成部分与各部分功能，并对各个部分进行建模及分析；

步骤2：为仿真实际运行下VPP各分布式电源出力不确定性，以场景技术通过综合考虑各场景下电源出力来模拟不确定性；

步骤3：综合考虑各组成部分的实际运行约束，确立以系统总运行成本最优为目标的VPP优化调度模型目标函数；

步骤4：在上述模型的目标函数中加入CVaR条件风险价值作为理论基础，以此衡量运行调度成本的经济性与风险性；

步骤5：对风险系数进行分级，以此来表示不同风险偏好的VPP运营商的要求；

步骤6：综合以上步骤，建立考虑CVaR的VPP优化调度模型；

所述步骤1具体包括以下步骤：

(1)光伏发电系统建模分析：

光伏发电量服从Beta分布，具有强随机性，给定一组光伏电池阵列，其面积和光电转换效率分别为A和η，则这组光伏电池阵列的输出功率为：

P_pv＝rAη

式中r为这一时间段内的实际光照强度；

(2)风力发电系统建模分析：

风力发电量服从威布尔分布，P_r为风力发电机的额定功率，v_ci,v_r,v_co分别为该风力发电机的切入风速、额定风速和切出风速，则该风机的输出功率为：

k₂＝-k₁v_ci；

(3)柴油发电机建模分析：柴油发电机的作用是平抑VPP中可再生能源出力的不确定性，使得各组成部分能够形成一个整体向外作为一个电厂的角色售电；

(4)储能系统建模分析：在VPP中配置储能系统的作用也是为了平抑可再生能源出力的波动性，储能系统既能对外放电也能向内充电，其存在能够确保VPP每日负荷的供应；

(5)电力负荷建模分析：VPP作为一个电厂自然要承担电厂应有的电力负荷供应需求；

所述步骤2具体为：

由于可再生能源出力的波动不确定性及市场电价的波动性，导致VPP调度运行收益也存在不确定性，使用场景集的方法处理不确定性问题，在多个场景下使得将不确定性问题转化为确定性问题处理，分别选取风电出力、光伏出力及电价场景集w、s、p个，各场景概率分别为π(w)、π(s)、π(p)，则VPP在实时运行中的变量均为在各场景下的形式；

所述步骤3具体为：

基于CVaR的VPP优化调度模型的目标函数包括日调度运行总成本及CVaR风险项，其中日调度总成本包括柴油机燃料成本、可中断负荷成本、VPP运行售电收益；

1)柴油机燃料成本

式中：表示单台柴油发电机年燃料成本，通过下式计算得到：

式中：p_f为柴油的单价；为t时刻柴油机出力；Q为柴油机的燃油消耗率；

2)可中断负荷补偿成本

式中：λ_curt表示VPP中断用户负荷时给予的中断补偿费用；表示t时段各场景下中断负荷量；

3)VPP运行收益

VPP的运行收益来自于在日前市场的收益：

式中：分别为t时刻向电网售电量和购电量；λ^p(t)表示t时刻在场景p下日前能量市场统一出清价格MCP；k_purchase表示购电价格在原电价基础上乘以的比例系数；

所述步骤5具体包括以下步骤：

基于CVaR的VPP调度优化有两个优化目标，一是使调度运行的总成本最小化，二是使运行VPP不确定因素导致的风险最小化，使用设置权重系数的方法将双目标函数转化为单目标函数处理，具体方法是在CVaR项上乘以一个权重因子，称之为风险系数L，以此衡量经济性与风险性，最终目标函数形式如下：

该目标函数分为两个部分，第一部分为VPP调度运行发电成本，第二部分为风险度量项；定义权重系数L为风险偏好系数，表示运营商对于风险的态度，其取值范围为L≥0，当L小于0.1时，表示运营商为风险偏好型，当L大于0.5时，表示运营商为风险规避型；VPP运营商通过对风险系数的设定来衡量经济与风险，按其对于风险的承受程度来选择合适的风险系数；

所述步骤6具体包括以下步骤：

VPP中各组成部分在运行时具有如下约束：

1)常规机组出力约束

式中：P_c.max为柴油机输出额定功率；ramp为柴油机的爬坡率；为t时段各场景下柴油机组的总出力，为决策变量；

2)蓄电池电量及充放电约束

(1-C_DOD)·N_b·W_b.max≤W_b^wsp(t)≤N_b·W_b.max

式中：分别为t时段各场景下储电量、充电量和放电量，为决策变量；W_b.max为单组铅酸蓄电池的额定容量；C_DOD为蓄电池的最大放电深度；P_bc.max、P_bd.max分别表示单组铅酸蓄电池的最大充、放电功率；

3)可中断负荷约束

式中：表示t时段各场景下中断负荷量，为决策变量；k_curt为中断系数；P_el(t)表示t时段下的电负荷；

4)功率平衡约束

式中：分别表示t时刻在场景w和场景s下单台风机和单组光伏阵列出力；

5)CVaR风险约束

为便于求解引入虚拟变量令表示超过VaR的损失，损失函数f(x,y)取收益的负值；为了便于计算将其松弛为下面两个不等式；

则

式中：α即为VaR的值；β为投资商设定的置信度。

2.根据权利要求1所述的一种基于CVaR的虚拟电厂优化调度建模方法，其特征在于：所述步骤4具体包括以下步骤：

(1)采用历史模拟法来计算风险价值，VaR反映投资组合在给定的置信度β上潜在的最大损失，设f(x,y)为损失函数，x为决策变量，y为随机变量，假设ρ(y)是y的概率密度函数，则损失函数f(x,y)不大于边界值α的分布函数为：

对于给定的置信度β，VaR可由下式得到：

VaR_β＝min{α∈R:ψ(x,α)≥β}

(2)由于VaR只是某个置信度下的分位点，而分位点以后的风险信息未被考虑，即存在“尾部风险”，因此采用CVaR风险度量方法，其作为VaR的一种补充风险度量能够更好地反映“尾部风险”：

由于VaR_β(x)解析式难以求出，所以推导出变换函数F_β(x,α)：

式中：[f(x,y)-α]⁺表示max{f(x,y)-α,0}，α即为VaR的值，

用以下估计式来计算变换函数F_β(x,α)：

式中：y¹,...,y^q为y的q个样本，易得