[发明专利]一种面向大规模柔性负荷资源的调控系统

权利要求书

1.一种面向大规模柔性负荷资源的调控系统，它包括资源层、分散式控制层、调度系统层、一级控制层和管理层，其特征在于：所述的资源层包括至少一个边缘控制器单元，所述的边缘控制器单元包括至少一个传感器单元、至少一个采集设备单元、至少一个控制设备单元；所述的分散式控制层包括至少一个二级控制中心单元；所述的调度系统层包括源荷协调调度系统、随机优化调度系统、超短期调控策略系统和柔性负荷调控系统；所述的一级控制层包括至少一个管理控制网元单元；所述的管理层包括管理服务器、备份管理服务器、数据库、备份数据库和云服务器。

2.如权利要求1所述的一种面向大规模柔性负荷资源的调控系统，其特征在于：所述的分散式控制层通过二级控制中心单元与资源层连接，所述的调度系统层与分散式控制层连接；所述的一级控制层通过管理控制网元单元向上与管理层连接、向下与调度系统层连接。

3.如权利要求2所述的一种面向大规模柔性负荷资源的调控系统，其特征在于：所述的管理层的管理服务器分别与备份管理服务器、数据库以及备份数据库连接；所述的备份管理服务器分别与管理服务器、数据库以及备份数据库连接；所述的数据库分别与管理服务器、备份管理服务器以及云服务器连接；所述的备份数据库分别与管理服务器备份管理服务器以及云服务器连接。

4.如权利要求3所述的一种面向大规模柔性负荷资源的调控系统，其特征在于：所述的管理服务器包括源荷协调调度管理单元、随机优化调度管理单元、超短期调控策略管理单元和柔性负荷调控管理单元；所述的源荷协调调度管理单元、随机优化调度管理单元、超短期调控策略管理单元和柔性负荷调控管理单元分别与源荷协调调度系统、随机优化调度系统、超短期调控策略系统和柔性负荷调控系统对应连接。

5.如权利要求4所述的一种面向大规模柔性负荷资源的调控系统，其特征在于：所述的源荷协调调度系统采用含大规模风电的电力系统多时间尺度源荷协调调度模型，具体包括以下步骤：

步骤1：考虑风电消纳的源荷协调调度模型，具体为：步骤1.1：考虑风电消纳的源荷特性分析：高载能负荷是指在其产值中能源价值占比较高的企业用户负荷，包括机械加工、石油化工、金属冶炼；利用高载能负荷实时跟踪风电波动的控制策略，促进受阻风电的就地消纳，尤其在下调峰时期，可弥补常规火电机组调峰能力不足的缺陷，减小弃风的发生；含风电电力系统t时段的等效负荷为：P_E,t＝P_L,t-P_W,t(1)，式中，P_L,t为时段t的系统负荷；P_W,t为风电场在时段t的日前调度出力值；P_E,t为时段t的等效负荷；t+1时段的等效负荷增量为：ΔP_E,t+1＝ΔP_L,t+1-ΔP_W,t+1＝(P_L,t+1-P_L,t)-(P_W,t+1-P_W,t)(2)，当时段t+1的负荷需求增幅较大而风电调度出力显著减小时，可能出现如下情况：式中，为并网火电机组在t+1时段的出力最大增量；u_i,t+1为火电机组i在时段t+1的启停状态，u_i,t+1＝1表示开机态，u_i,t+1＝0表示停机态；P_i,t为机组i在时段t的有功出力；U_i为机组i有功出力的上升爬坡速率；N为火电机组台数；ΔT为某一时段的持续时间；

步骤2：含风电的机组组合求解：采用场景生成和削减方法来描述风电功率的不确定性，并通过精简场景集来确定常规机组在日前调度中的启停策略，具体为：步骤2.1：场景生成和削减：风电场的实际出力可表示为：式中，为t时段风电场的实际出力；ε_t为t时段风电功率的预测误差，假定其服从均值为0标准差为σ_t的正态分布；原始场景集由拉丁超立方采样即LHS结合Cholesky分解生成，并通过基于概率距离的同步回代削减法对原始场景集进行削减，从而得到精简场景集X_S为：式中，X_S的一行代表一个场景；为场景k下T时段的风电功率；S为精简场景集中的场景数目；步骤2.2：机组组合的求解：常规机组的日前启停决策可描述为：式中机组开停状态的初始值为零；对于X_S中全部场景，U_g的取值需满足系统旋转备用约束及机组运行约束；

步骤3：多时间尺度调度模型求解：在通过多场景分析法获取日前机组组合的基础上，需对日前动态调度模型、考虑高载能负荷的日内滚动调度模型及日内实时静态调度模型分别进行求解，具体为：步骤3.1：求解日前调度模型：日前调度模型的待优化变量为常规机组和风电场的日前计划出力，采用一种改进的多目标粒子群算法即可IMOPSO算法进行求解；步骤3.2：求解日内滚动模型：日内1h滚动优化每15min执行一次，优化周期T_intra为4个时段，日内滚动模型的待优化变量为常规机组、风电场的日内计划出力以及高载能负荷的投切状态，针对高载能负荷投切状态变量建立如下0/1状态矩阵：采用IMOPSO进行日内调度模型求解，其个体采用混合编码的方式，其结构为：X_m＝[P_NW B_H](30)，式中，P_NW为实数矩阵；B_H为0/1离散变量矩阵；日内滚动模型的求解步骤与日前调度相同，只是对于个体X_m中的B_H矩阵采用BPSO算法的速度和位置更新公式对其进行更新；步骤3.3求解实时调度模型：实时调度是对未来15min的静态调度，根据最新的超短期风电功率预测值修正常规机组的日内滚动出力使得机组煤耗增量和弃风成本最小，其待优化变量为常规机组和风电场的实时计划出力，采用PSO算法进行求解。