[发明专利]一种虚拟电厂容量优化配置方法

权利要求书

1.一种虚拟电厂容量优化配置方法，其特征在于：包括以下步骤：

步骤1：对VPP中典型结构组成与功能进行分析及建模，包括：

1)光伏发电系统：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＝lAη

式中：l为这一时间段内的实际光照强度；

2)风力发电系统：通过下式得到风力发电机的输出功率：

式中：P_r为风力发电机的额定功率；v_ci,v_r,v_co分别为同型号风力发电机的切入风速、额定风速和切出风速，v为当前待测风速；

3)柴油发电机：在VPP中通过配置常规机组平抑可再生能源出力的波动性，从而对外输出一个较稳定的电能以参与电力市场运营；

4)储能系统：使用铅酸蓄电池作为储能设备；

5)电力负荷：将对某地区的负荷供应纳入VPP的功能之一；电力负荷又分为固定负荷和可中断负荷，对于可中断负荷，在中断时VPP要向用户支付一定的补偿费用；

步骤2：以场景技术模拟VPP中不确定性因素，包括：

1)、风速不确定性导致风电出力波动；

2)、光照强度不确定性导致光伏出力波动；

3)、市场因素导致电价波动；

以场景技术模拟VPP中使用场景集的方法将随机优化问题转化为确定性优化问题处理，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；

步骤3：建立只考虑系统成本的VPP多电源容量配置模型目标函数，包括：

1)等年值初始投资建设成本

C_o＝(N_PV·C_pv+N_wind·C_wind+N_b·C_b+N_c·C_c)·CRF

式中：C_pv、C_wind、C_b、C_c分别为单组光伏阵列、单台风力发电机、单组铅酸蓄电池和单台柴油发电机的造价成本；N_PV为光伏阵列的并联个数，N_wind为风力发电机的台数，N_b为铅酸蓄电池组的并联个数，N_c为柴油发电机的台数，CRF为将初始投资化为等年值的系数因子，m为系统使用年限，r为贴现率；

2)系统年运行维护成本

式中：分别表示单组光伏阵列、单台风力发电机、单组铅酸蓄电池和单台柴油发电机的年运行和维护成本；

3)系统置换成本

式中：分别表示光伏阵列、风力发电机、铅酸蓄电池和柴油发电机的更新置换成本；

4)柴油机燃料成本

式中：为单台柴油发电机年燃料成本，可通过下式计算得到：

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；

5)可中断负荷补偿成本

式中：λ_curt为VPP中断用户负荷时给予的中断补偿费用；表示t时刻VPP中断负荷功率；

6)VPP运行收益

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；k_purchase表示购电价格在原电价基础上乘以的比例系数；

综上，系统的等年值总建设运行成本为：

步骤4：以投资组合理论及风险度量方法为理论基础，在上述VPP多电源容量配置模型目标函数中加入条件风险价值以衡量风险，并对应不同风险偏好水平的投资商，对风险系数进行分级，具体包括：

1)投资组合理论

投资组合问题即投资者如何通过配置各种资产以权衡风险和收益的过程；有效的投资组合必须达到或接近资产收益最大化与风险最小化的均衡状态；在收益一定的条件下，选择风险最小的投资组合；在风险一定的条件下，选择收益最大的投资组合，同时满足这2个条件的投资组合集合就是有效集，又称为有效边界或有效前沿；

2)基于VaR和CVAR的风险度量

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由下式得到：

VaR_β＝min{α∈R:ψ(x,α)≥β}

式中，R为实数域；

而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”；条件风险价值CVaR含义为超过VaR部分的平均损失，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；k为求和的计步器，表示从1取到q；

得到

3)根据上述投资组合理论及风险管理方法，将条件风险价值CVaR以乘以一个风险偏好系数L的形式加入到VPP多电源容量配置模型的目标函数中，则目标函数包含两个部分，形式如下：

第一部分为等年值总建设运行成本，第二部分为CVaR和一个权重系数的乘积；权重系数L为风险偏好系数，表示投资者对于风险的态度；

步骤5：根据上述步骤得到的目标函数，结合VPP实际运行中各种约束条件，建立VPP规划运行一体化模型，所述约束条件包括：

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t-1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

式中：分别为t时段各场景下储电量和充、放电量，为t-1时段各场景下储电量，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下单台风力发电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；

优化问题的决策变量包括：