本發(fā)明屬于虛擬電廠優(yōu)化調(diào)度，涉及了煤電廠資源優(yōu)化調(diào)度系統(tǒng)；具體的是，涉及了一種配合虛擬電廠的煤電廠優(yōu)化調(diào)度系統(tǒng)。

背景技術：

1、煤電廠作為傳統(tǒng)能源的重要組成部分，面臨一系列挑戰(zhàn)和問題；傳統(tǒng)以煤電為主的能源結(jié)構正面臨轉(zhuǎn)型壓力；首先煤電廠作為主要的碳排放源之一需要通過ccus等技術來減少碳排放，而風能和太陽能等可再生能源具有明顯的波動性和間歇性，這些不確定因素給電網(wǎng)的穩(wěn)定性帶來了挑戰(zhàn)；其次結(jié)合當前電力市場現(xiàn)狀，煤電作為傳統(tǒng)能源的市場份額受到?jīng)_擊，用戶對電力需求多樣化，煤電廠需要通過調(diào)整運營策略和資源調(diào)度來適應市場的變化進而提升運營效率和市場競爭力；盡管煤電技術不斷進步，但在提高能效、降低排放等方面仍存在技術瓶頸；煤電企業(yè)面臨燃料成本上升、環(huán)保投入增加等經(jīng)營壓力，經(jīng)濟效益受到挑戰(zhàn)。

技術實現(xiàn)思路

1、針對上述問題，本發(fā)明目的是提出了一種能夠優(yōu)化煤電廠資源利用、提高運行效率、獲取煤電廠最大效益、合理融合虛擬電廠協(xié)同優(yōu)化調(diào)度系統(tǒng)。

2、本發(fā)明的技術方案是：本發(fā)明所述的一種配合虛擬電廠的煤電廠優(yōu)化調(diào)度系統(tǒng)，所述系統(tǒng)由虛擬電廠系統(tǒng)協(xié)同優(yōu)化煤電廠資源調(diào)度，包括虛擬電廠系統(tǒng)和和煤電廠；

3、所述虛擬電廠系統(tǒng)包括分布式能源、儲能系統(tǒng)，可控柔性負荷，虛擬電廠管理平臺、電力需求側(cè)管理及電力市場。

4、進一步的，所述優(yōu)化調(diào)度系統(tǒng)將煤電廠和分布式能源資源聚合形成統(tǒng)一的調(diào)度和管理平臺；接著集成儲能系統(tǒng)平衡煤電廠的發(fā)電輸出，在電力需求低時儲能系統(tǒng)存儲多余的電能，在高峰時段釋放能量，以此來平滑煤電廠的發(fā)電曲線，減少快速啟停的頻率，提高運行的靈活性；再根據(jù)虛擬電廠提供的可控柔性負荷信息及需求側(cè)管理平衡的電網(wǎng)負荷，煤電廠由此優(yōu)化自身的發(fā)電計劃和燃料使用，減少啟停次數(shù)和運行成本。

5、進一步的，所述虛擬電廠管理平臺包括能量管理系統(tǒng)、預測技術及優(yōu)化調(diào)控技術；

6、所述虛擬電廠管理平臺聯(lián)合智能終端聚合數(shù)據(jù)、需求響應側(cè)以及電力市場交易端首先能量管理系統(tǒng)通過物聯(lián)網(wǎng)、云計算和大數(shù)據(jù)分析技術負責數(shù)據(jù)的收集、監(jiān)控、控制指令的下達，保證信息的實時傳輸實時和實時監(jiān)測煤電廠運行狀態(tài)；其次通過收集數(shù)據(jù)、負荷預測、能源價格預測對煤電廠的發(fā)電計劃和運行策略進行優(yōu)化，最后根據(jù)電網(wǎng)需求和各能源的實時狀態(tài)智能調(diào)度煤電廠和其他能源的發(fā)電量。

7、進一步的，所述電力需求側(cè)管理中心即需求響應和智能調(diào)度，其與電力市場與可控負荷進行交互，實施需求側(cè)管理；

8、通過激勵措施或價格信號促使用戶在電價高時減少用電或在電價低時增加用電，實現(xiàn)負荷的柔性管理。

9、進一步的，所述煤電廠可在電力需求高峰時減少發(fā)電量，而在需求低谷時增加發(fā)電量。

10、進一步的，所述系統(tǒng)通過虛擬電廠系統(tǒng)與煤電廠交互式融合構成調(diào)度系統(tǒng)實現(xiàn)對煤電廠電源最佳優(yōu)化調(diào)度；從能源結(jié)構、集成儲能、響應信息及電力市場深度交互式配合煤電廠以優(yōu)化煤電廠的運營策略；利用自適應交叉算子的混沌量子粒子群優(yōu)化算法尋求凈收益最大值。

11、進一步的，所述混沌量子粒子群優(yōu)化算法的具體操作步驟如下：

12、(1)、建立目標函數(shù)；為體現(xiàn)vpp的經(jīng)濟性，以vpp配合煤電廠運行凈收益最大化作為優(yōu)化目標，決策變量包括收益和成本，收益為虛擬電廠內(nèi)部售電收益及上網(wǎng)電量售賣收益；成本為虛擬電廠和煤電廠運行成本及獎懲措施部分，建立目標函數(shù)為：

13、

14、式中：為vpp內(nèi)部售電收益；為vpp上網(wǎng)售電收益；fsc,pun為合同違約獎懲；fvpp為vpp運行成本；

15、(2)、利用自適應交叉算子的混沌量子粒子群優(yōu)化算法讀取的煤電廠及虛擬電廠優(yōu)化調(diào)度虛擬電廠和煤電廠發(fā)電成本、新能源發(fā)電成本、啟停成本、運行成本、維護成本，煤電廠及電力市場部分收益設置算法基本參數(shù)，所述參數(shù)包括種群規(guī)模和最大迭代次數(shù)，隨機得到初始化種群，計算種群適應度，得到優(yōu)化調(diào)度系統(tǒng)最大凈收益值，判斷是否符合迭代終止條件，若符合則輸出當前成本為最大凈收益值，否則，將初始化種群劃分為若干個普通子種群，并根據(jù)初始化種群中的個體行為進行優(yōu)化。

16、進一步的，所述步驟(1)的具體過程如下：

17、(1.1)、虛擬電廠內(nèi)部售電獲利為：

18、

19、式中：為t時刻虛擬電廠內(nèi)部售電電價；為虛擬電廠內(nèi)部所需負荷；為時刻響應電量；

20、(1.2)、虛擬電廠售電給電力市場獲利為：

21、

22、式中：為t時刻市場電價；為t時刻市場實際出力電量；

23、(1.3)、虛擬電廠合同違約獎懲為：

24、

25、式中：fsc,pun為違約電量懲罰費用；λ為違約懲罰價格因數(shù)；為t時刻市場電價；分別為t時刻市場合同電量與實際出力電量；

26、(1.4)、vpp運行成本主要包括煤電廠燃料及機組運行成本、新能源發(fā)電成本、煤電廠啟停成本、維護成本即：

27、

28、式中：fdg為燃料機組運行成本；fm為煤電廠運行成本；分別為t時刻響應電量與未響應電量；分別為t時刻響應負荷獎勵電價與未響應負荷懲罰電價；

29、燃料機組能耗成本：

30、

31、式中：pdg為燃料機組出力；a、b、c為燃料機組的運行成本系數(shù)；

32、煤電廠運行成本函數(shù)為：

33、

34、式中：為煤電廠出力；kc為單位煙氣排放懲罰成本；e為煤電廠單位出力產(chǎn)生煙氣量。

35、進一步的，所述步驟(2)的具體過程如下：

36、(2.1)、logistics混沌映射初始化種群；將系統(tǒng)中各個成本包括vpp系統(tǒng)及煤電廠發(fā)電成本、新能源發(fā)電成本、燃料機組成本、運營成本、維護成本以及電力市場收益用各個粒子表示，將訓練集輸入模型進行訓練，得到的平均絕對誤差作為適應度函數(shù)，同時在初始種群中加入混動變量；通過logistics映射為混沌序列，利混沌運動的遍歷性對待優(yōu)化的變量進行最優(yōu)解搜尋，提高算法的有效性及收斂速度的目的，logistics映射如下：

37、sn+1＝asn(1-sn)

38、式中：sn為初始序列，sn∈[0,1]，a為logistics參數(shù)表示混沌引子，a∈[0,4]。

39、(2.2)、根據(jù)初始化種群評價適應度；計算適應度值、個體歷史最優(yōu)位置、群體最優(yōu)位置以及所有粒子的重心；種群通過在確定的搜索空間動態(tài)移動，找到與最優(yōu)適應度值對應位置作為最佳解決方案；

40、在每次迭代中，粒子將跟蹤2個極值，一為粒子本身迄今找到的最優(yōu)解pbest，另一為全種群迄今找到的最優(yōu)解gbest；其狀態(tài)用波函數(shù)ψ(x,t)來表示，其平方值表示了x出現(xiàn)在位置的概率，并以吸引子pk＝(p1,p2,p3,...,pk)為中心采用delta勢阱來約束pso算法中的量子粒子，使凈收益能夠收斂到其局部p而不會爆炸；吸引子pk為：

41、pk＝ψ·pbest_k+(1+ψ)gbest

42、式中：pbest_k為當前迭代中的vpp配合煤電廠運行最佳凈收益；gbest為當前全局vpp配合煤電廠運行最佳凈收益；pk為吸引子，用于第k個凈收益位置的更新；

43、(2.3)、對算法進行改進，對搜索步長進行改進優(yōu)化；更新位置解，通過求解薛定諤方程得到概率密度函數(shù)和分布函數(shù)，采用蒙特卡羅方法可以得到第k個凈收益的位置，位置更新為：

44、

45、式中：xk為第k個凈收益的位置，即更新第k次的vpp配合煤電廠運行凈收益；γ為創(chuàng)新參數(shù)，其能控制算法的收斂速度；mbest當前平均最優(yōu)解；ψ、u為(0,1)之間服從均勻分布的隨機數(shù)，取+或-的概率分別為±0.5；

46、γ取值視研究場景而定，可取定值，也可按照一定的方式動態(tài)變化，公式如下：

47、

48、式中：tmax、kr分別為最大、當前迭代次數(shù)；α為購電決策系數(shù)，β為售電決策系數(shù)，r為步長優(yōu)化因子；

49、(2.4)、將樣本進行遺傳編碼，引入自適應交叉算子增加種群的多樣性，提高算法跳出局部最優(yōu)的能力，將縱向交叉算子引入到量子粒子群算法中，縱向交叉是某一種群中一個粒子兩個不同維之間進行的算數(shù)交叉；通過歸一化處理來解決不同維元素取值范圍不同的問題，同時每次操作只產(chǎn)生一個子代粒子，只對其中一維進行更新；

50、假定收益更新位置x(j)的第d1維和第d2維參與縱向交叉，根據(jù)如下公式產(chǎn)生庸解msvc(j,d1)

51、msvc(j,d1)＝r×x(j,d1)+(1-r)×x(j,d2)

52、式中：j∈n(1,m)，d1,d2∈n(1,d)，r∈[0,1]，msw(j,d1)是個體x(j)的第d1維和第d2維通過縱向交叉產(chǎn)生的第d1維后代；并以此對自適應交叉概率改進公式進行交叉運算來提升算法的尋優(yōu)能力，產(chǎn)生新的種群；自適應交叉概率改進公式如下：

53、

54、式中：pb1和pb2為常量，pbest為當前迭代中的vpp配合煤電廠運行最佳凈收益，mbest當前平均最優(yōu)解，l'表示一個粒子中兩個不同維度進行交叉運算后較優(yōu)的子代粒子對應的適應度值；

55、(2.5)、更新vpp配合煤電廠運行凈收益，引入螺旋搜索策略，提高全局搜索性能，計算新種群的適應度值，并更新適應度值；判斷是否滿足交叉要求若滿足則進行縱向交叉，否則，轉(zhuǎn)到終止條件；改進公式如下：

56、

57、式中，xk+1為更新的vpp配合煤電廠運行凈收益；

58、(2.6)、檢驗終止條件,；若達到迭代次數(shù)或者滿足終止條件，則終止迭代；否則，轉(zhuǎn)步驟2)；

59、(2.7)、得到最優(yōu)適應度值對應的凈收益，即配合虛擬電廠優(yōu)化調(diào)度系統(tǒng)下的煤電廠最佳凈收益值。

60、本發(fā)明的有益效果是：本發(fā)明通過虛擬電廠優(yōu)化調(diào)度系統(tǒng)優(yōu)化煤電廠運營，實現(xiàn)虛擬電廠和煤電廠的交互式融合；通過智能終端實時監(jiān)測煤電廠運行狀態(tài)，利用儲能系統(tǒng)平衡電網(wǎng)負荷，根據(jù)電網(wǎng)需求和各能源的實時狀態(tài)，智能調(diào)度煤電廠及其他能源發(fā)電量，由預測和智能優(yōu)化算法預測負荷及能源價格等優(yōu)化煤電廠發(fā)電計劃和運行策略，最后將虛擬電廠作為市場參與者代表煤電廠參與電力市場交易；通過虛擬電廠與煤電廠的深度配合不僅能夠提升煤電廠運營效率，同時增強整個電網(wǎng)的可靠性。