考虑负荷需求响应的微网优化运行方法与流程

1.本发明涉及配电网运行优化技术领域，更具体地涉及一种考虑负荷需求响应的微网优化运行方法。


背景技术：

2.近年来，可再生能源发电技术被认为是减少碳排放的重要举措，在各国政策的支持与激励下，风力发电与太阳能发电得到迅猛发展。然而可再生能源存在随机性与波动性，风力发电与光伏发电并网后会对电力系统运行的稳定性造成影响。微网在一定程度上可有效解决可再生能源的并网消纳问题。微网是一种包含风电等不可控电源，燃气轮机等可控机组、负荷、监控与保护装置等组成的小型电功率平衡系统，可灵活调节可控机组的工作状态，协调分配可控机组的出力，从而提高微网系统运行的可靠性。
3.在实际微网调度中，负荷种类繁多，运行特性各异，单纯的一个负荷需求响应模型很难全面衡量实际的电负荷参与能量管理所带来的影响。此外，光热电站相比普通光伏电站额外安装储热系统模块和汽轮发电机模块，使得光热电站成为可调度设备，在与风电打捆并网时可以提高系统供电的可靠性。
4.微网在负荷侧实施负荷的需求能量管理，可以实现微网的优化运行，提高调度的灵活性。然而，现有的微网优化运行模型鲜有同时考虑负荷需求响应和光热电站的相关约束。


技术实现要素：

5.本发明的目的在于提供一种考虑负荷需求响应的微网优化运行方法，以提升微网的运行效益，降低微网的总运行成本。
6.基于上述目的，本发明提供一种考虑负荷需求响应的微网优化运行方法，包括步骤：
7.s100：基于预设的方法得到多个风光出力的典型场景及其发生概率；
8.s200：以最小化微网运行成本为目标，基于多个风光出力的典型场景及其发生概率构建考虑风光不确定性和负荷需求响应的微网优化运行模型；
9.s300：通过预设的优化算法求解所述微网优化运行模型，得到优化结果。
10.进一步地，步骤s100具体包括：
11.s110：根据预设的概率分布函数随机生成多个风电出力的初始场景，采用预设的场景约简规划模型对多个风电出力的初始场景进行场景约简，得到多个风电出力的典型场景及其发生概率；
12.s120：根据预设的概率分布函数随机生成多个光电出力的初始场景，采用预设的场景约简规划模型对多个光电出力的初始场景进行场景约简，得到多个光电出力的典型场景及其发生概率；
13.s130：根据多个风电出力的典型场景及其发生概率以及多个光电出力的典型场景
及其发生概率，得到多个风光出力的典型场景及其发生概率。
14.进一步地，预设的场景约简规划模型为：
[0015][0016]
其中，ω为初始场景集，i和j分别为初始场景索引，gi为初始场景i的发生概率，y
i,j
为场景分配变量，其值为1表示场景ui被分配至场景vj，否则为0；ui和vj分别为第i和第j初始场景；d(ui,vj)为场景ui和场景vj之间的欧式距离，u
i,t
和v
j,t
分别为第i和第j初始场景在t时刻的具体数值，zi为典型场景选择变量(取值为0或1)，zi为1说明第i初始场景被确定为典型场景，为0说明第i初始场景没有被确定为典型场景；z为典型场景的聚类个数，t为调度周期。
[0017]
进一步地，步骤s130具体包括：
[0018]
将多个风电出力的典型场景和多个光电出力的典型场景进行组合，得到多个风光出力的典型场景，其中，风光出力的典型场景的发生概率等于参与组合的风电出力的典型场景和光电出力的典型场景的乘积。
[0019]
进一步地，所述微网优化运行模型的目标函数满足如下关系式：
[0020][0021]
其中，obj为目标函数，s为风光出力的典型场景的数量，gs为风光出力的典型场景s对应的发生概率，c0为燃气轮机启停成本，c1为燃气轮机燃料运维成本，c2为光热电站运维成本，c3为风电机组运维成本，c4为负荷需求响应补偿成本，c5为弃风弃光惩罚成本，c6为微网购电成本。
[0022]
进一步地，所述负荷需求响应补偿成本满足如下关系式：
[0023][0024]
其中，ρ
s,load
为可转移负荷转移单位电能的补偿成本，为风光出力的典型场景s下t时可转移负荷的变化量，为可削减负荷的h级削减负荷量的单位电能补偿成本，为风光出力的典型场景s下t时可削减负荷的h级削减负荷量。
[0025]
进一步地，所述微网优化运行模型的约束条件包括微网功率平衡约束、微网购电约束、燃气轮机运行约束、光热电站运行约束、风电场运行约束和负荷需求响应约束。
[0026]
进一步地，所述负荷需求响应约束包括可转移负荷变化量约束和负荷曲线峰谷差
约束。
[0027]
进一步地，所述可转移负荷变化量约束满足如下关系式：
[0028][0029]
其中，t为调度周期，为可转移负荷在t时的变化量；
[0030]
所述负荷曲线峰谷差约束满足如下关系式：
[0031][0032][0033]
其中，为需求响应之前微网在t时的总负荷量，为风光出力的典型场景s下t时可转移负荷的变化量，为风光出力的典型场景s下负荷需求响应实施后可削减负荷的实际削减量。
[0034]
进一步地，所述优化结果包括不同需求响应强度下不同风光出力的典型场景的可削减负荷削减量、不同风光出力的典型场景的可转移负荷转移量和微网运行成本等。
[0035]
本发明的考虑负荷需求响应的微网优化运行方法，将风电机组、燃气轮机、光热电站与电网结合，实现四者联合供应电负荷；基于采用基于wasserstein概率距离的场景约简规划模型，得到风光出力的典型场景，以考虑风光资源的不确定性；在微网中引入可转移负荷和可削减负荷，以参与微网负荷的需求响应，为用户带来经济利益，并改变用户的用电方式，以平滑微网的负荷曲线，降低负荷曲线的峰谷差，最终提升微网的运行效益，降低微网的总运行成本。本发明的方法可为再生能源快速发展背景下微网优化调度技术提供参考，具备明显的现实意义和理论意义。
附图说明
[0036]
图1为根据本发明实施例的考虑负荷需求响应的微网优化运行方法的流程图；
[0037]
图2为根据本发明实施例的风电出力预测值、光热电站的光场热功率预测值与负荷预测值随时间变化图；
[0038]
图3为根据本发明实施例的有需求响应总负荷、无需求响应总负荷、可削减负荷削减量和可转移负荷转移量等随时间变化图；
[0039]
图4为根据本发明实施例的不同负荷需求响应强度下的微网运行成本示意图。
具体实施方式
[0040]
下面结合附图，给出本发明的较佳实施例，并予以详细描述。
[0041]
如图1所示，本发明实施例提供一种考虑负荷需求响应的微网优化运行方法，包括步骤：
[0042]
s100：基于预设的方法得到多个风光出力的典型场景及其发生概率。
[0043]
步骤s100具体包括：
[0044]
s110：根据预设的概率分布函数随机生成多个风电出力的初始场景，采用预设的场景约简规划模型对多个风电出力的初始场景进行场景约简，得到多个风电出力的典型场
景及其发生概率。
[0045]
在一些实施例中，概率分布函数可以根据需要进行选择，例如风电实际出力偏离预测出力的误差值满足正态分布。在选择好后，根据概率分布函数利用拉丁超立方抽样随机生成多个(例如200个)风光出力初始场景，得到各个初始场景的发生概率和各个初始场景不同时刻的值。
[0046]
场景约简规划模型如下；
[0047]
模型的目标函数为：
[0048][0049]
模型的约束条件为：
[0050][0051][0052][0053][0054]yi,j
≤zj(6)
[0055]
其中，ω为初始场景集，i和j分别为初始场景索引，gi为初始场景i的发生概率，y
i,j
为场景分配变量，其值为1表示场景ui被分配至场景vj，否则为0；ui和vj分别为初始场景i和j；d(ui,vj)为场景ui和场景vj之间的欧式距离，u
i,t
和v
j,t
分别为初始场景i、j在t时刻的具体数值(即风电出力)，zi为典型场景选择变量(取值为0或1)，为1说明初始场景i被确定为典型场景，为0说明初始场景i没有被确定为典型场景；z为典型场景的聚类个数，t为调度周期。
[0056]
公式(2)表示所有初始场景的离散发生概率之和等于1，公式(3)表示初始场景ui和vj之间的欧氏距离，公式(4)表示初始场景ui分配的唯一性，即仅可分配给一个典型场景，公式(5)约束典型场景的聚类个数，公式(6)为场景分配变量y
i,j
和典型场景选择变量zi的逻辑约束，表示初始场景ui仅可分配给典型场景。
[0057]
通过cplex求解器可求解上述场景约简规划模型，可以得到场景分配变量y
i,j
，然后根据下式(7)可得到风电出力的典型场景及其发生概率。
[0058][0059]
其中，pj是典型场景j的发生概率。
[0060]
场景约简规划模型的建立和求解原理具体可参见文献：
[0061]
董骁翀,孙英云,蒲天骄,陈乃仕,孙珂.一种基于wasserstein距离及有效性指标的最优场景约简方法[j].中国电机工程学报,2019,39(16):4650-4658+4968.doi:10.13334/j.0258-8013.pcsee.181494.
[0062]
s120：根据预设的概率分布函数随机生成多个光电出力的初始场景，采用预设的
场景约简规划模型对多个光电出力的初始场景进行场景约简，得到多个光电出力的典型场景及其发生概率。
[0063]
光电出力的场景约简方法与风电出力的场景约简方法相同，此处不再赘述。
[0064]
s130：根据多个风电出力的典型场景及其发生概率以及多个光电出力的典型场景及其发生概率，得到多个风光出力的典型场景及其发生概率。
[0065]
将风电出力的典型场景中的任意一个与光电出力的典型场景中的任意一个相互组合，即可得到一个风光出力的典型场景(也可称之为风光出力的典型场景)，将组合的风电出力的典型场景和光电出力的典型场景的发生概率相乘，即可得到该风光出力的典型场景发生概率。将多个风电出力的典型场景和多个光电出力的典型场景进行两两组合，即可得到多个风光出力的典型场景及其发生概率。例如，若风电出力的典型场景为m个，光电出力的典型场景为n个，那么风光出力的典型场景的个数为s＝m*n个。在一些实施例中，m和n均可以为2。
[0066]
s200：以最小化微网运行成本为目标，基于多个风光出力的典型场景及其发生概率构建考虑风光不确定性和负荷需求响应的微网优化运行模型。
[0067]
考虑负荷需求响应是指在微网运行中引入可转移负荷和可削减负荷，使得可转移负荷和可削减负荷可参与微网的优化调度，实施负荷的需求能量管理，即不需100％满足负荷需求。可转移负荷的部分负荷量可以从当前时段转移到另一时段，例如洗衣机可以在晚上八点工作，也可以在凌晨一点工作；可削减负荷是指某一时段下可以不用满足全部负荷，例如，可以选择开一盏灯照明，也可以选择开两盏灯照明。需求响应的作用是为了提高电网调度的灵活性，保证功率时刻平衡，维持电网安全稳定运行，同时降低电网的运行成本。
[0068]
反应微网内负荷参与需求响应程度大小的需求响应强度，指的是可转移负荷或可削减负荷在总负荷中的占比，其满足如下关系式：
[0069][0070][0071]
式中，和分别为可转移负荷与可削减负荷在t时的需求响应强度，和分别为可转移负荷和可削减负荷在t时可参与需求响应的最大负荷量，为需求响应之前微网在t时的总负荷量。
[0072]
可转移负荷的需求响应的核心思路是激励用户改变用电方式，转移负荷高峰时期的电力至负荷平谷期，具体如下：
[0073][0074][0075][0076]
式中，t为调度周期，为可转移负荷在t时的变化量，为k时转移到t时的
可转移负荷转入负荷量，为t时转移到k的可转移负荷转出负荷量，为一个t*t阶的矩阵，其对角线元素为0，表明t时到t时的可转移负荷转出负荷量为0，p
ts,load
为需求响应之后可转移负荷的实际负荷量。式(10)表示可转移负荷的变化量受到可转移负荷的转入负荷量与转出负荷量的共同影响。式(11)表示t时的可转移负荷转出负荷量不能超过参与可转移负荷需求响应的最大负荷量。式(12)表示实际的可转移负荷为可转移负荷的初始负荷量与负荷变化量之和。
[0077]
可削减负荷的需求响应通过电网调度中心与用户签订合同提前确定可削减负荷的削减量及补偿成本，具体如下：
[0078][0079][0080][0081]
式中，p
tc,load
为需求响应实施后可削减负荷的实际削减量，h和h分别为可削减负荷需求响应的级数索引和总级数，为二进制变量，表示可削减负荷需求响应t时h级的削减状态，为1表示h级对应的负荷被削减，否则为0，为t时h级可削减负荷的实际削减量。式(13)表示可削减负荷的实际削减量为可削减负荷需求响应各个级数的削减量之和，式(14)表示的取值范围约束，式(15)表示可削减负荷需求响应的t时激发状态有且只有一种。
[0082]
微网运行成本包括燃气轮机启停成本、燃气轮机燃料运维成本、光热电站运维成本、风电机组运维成本、负荷需求响应补偿成本、弃风弃光惩罚成本和微网购电成本。
[0083]
其中，燃气轮机启停成本满足如下关系式：
[0084][0085]
式中，c0为燃气轮机启停成本，n为燃气轮机台数、和分别为第n台燃气轮机在t时的启动成本和停机成本，t为调度周期。
[0086]
燃气轮机燃料运维成本满足如下关系式：
[0087][0088]
式中，c1为燃气轮机燃料运维成本，δt为时间间隔，例如可以为1小时，为风光出力的典型场景s(s＝1,2...s)下t时第n台燃气轮机的出力；为第n台燃气轮机单位电能的燃料运维成本。
[0089]
光热电站运维成本满足如下关系式：
[0090]
[0091]
式中，c2为光热电站运维成本，ρ
sp
为光热电站中光场提供热能发电的单位热能成本系数，ρ
tp
为储热系统模块提供热能发电的单位热能成本系数，为风光出力的典型场景s下t时光场提供给汽轮发电机模块的热功率，为风光出力的典型场景s下t时储热系统模块流入汽轮发电机模块的热功率。
[0092]
风电机组运维成本满足如下关系式：
[0093][0094]
式中，c3为风电机组运维成本，ρw为风电机组的单位电能运维成本，为风光出力的典型场景s下t时风电机组的实际出力。
[0095]
负荷需求响应补偿成本满足如下关系式：
[0096][0097]
式中，c4为负荷需求响应补偿成本，ρ
s,load
为可转移负荷转移单位电能的补偿成本，为风光出力的典型场景s下t时可转移负荷的变化量，为可削减负荷的h级削减负荷量的单位电能补偿成本，为风光出力的典型场景s下t时可削减负荷的h级削减负荷量。
[0098]
弃风弃光惩罚成本满足如下关系式：
[0099][0100]
式中，c5为弃风弃光惩罚成本，ρ
wc
和ρ
sc
分别为风电机组单位弃风风能的惩罚成本和光场单位弃热热能的惩罚成本，和分别为风光出力的典型场景s下时风电机组的弃风功率和光场的弃热功率。
[0101]
微网购电成本满足如下关系式：
[0102][0103]
式中，c6为微网购电成本，为t时的电网电价，为风光出力的典型场景s下t时微网的购电量。
[0104]
微网优化运行模型的目标函数满足如下关系式：
[0105][0106]
式中，obj为目标函数，s为风光出力的典型场景的数量，gs为风光出力的典型场景s对应的发生概率。
[0107]
微网优化运行模型的约束条件包括微网功率平衡约束、微网购电约束、燃气轮机运行约束、光热电站运行约束、风电场运行约束和负荷需求响应约束。
[0108]
其中，微网功率平衡约束为：
[0109][0110]
式中，n为燃气轮机台数，为风光出力的典型场景s下t时第n台燃气轮机的出
力，为风光出力的典型场景s下t时风电机组的实际出力，为风光出力的典型场景s下t时光热电站的出力，为风光出力的典型场景s下t时微网的购电量，为负荷需求响应之前微网在t时的总负荷量，为风光出力的典型场景s下t时可转移负荷的变化量，为风光出力的典型场景s下负荷需求响应实施后可削减负荷的实际削减量。该式表示考虑负荷需求响应的微网运行需要满足电力生产与消耗的实时平衡。
[0111]
微网购电约束为：
[0112][0113]
式中，为微网与电网联络线的最大传输功率。式(25)表示当微网内部电源的出力难以满足自身负荷的需求或其出力经济性较差时，微网可以向电网购电，购电量需要满足微网与电网联络线的最大传输功率约束。
[0114]
燃气轮机运行约束包括：
[0115]
a)启停机约束
[0116]
燃气轮机从启动到停止或从停止到启动均需符合其相关技术要求，如下所示：
[0117][0118][0119][0120][0121]
式中，和分别为第n台燃气轮机的单次启动成本与停机成本，和分别为第n台燃气轮机在t时的启动成本和停机成本，和分别为第n台燃气轮机的t-1时和t时的运行状态，为1表示机组运行，为0表示机组停机；为燃气轮机启动后的最小运行小时数，为燃气轮机停机后的最小停机小时数。式(26)和式(27)描述了机组的启停成本约束，式(28)和式(29)表示机组的最小开机时间与最小停机时间约束。
[0122]
b)出力约束
[0123][0124]
式中，和分别为第n台燃气轮机的最小出力与最大出力。
[0125]
c)爬坡率约束
[0126][0127]
式中，和分别为第n台燃气轮机的最大向下与向上爬坡率。
[0128]
d)备用约束
[0129]
由于可再生能源出力存在不确定性，微网需要预留一定的备用容量以应对功率过剩与不足，在一些实施例中，微网的正负旋转备用容量可取为需求响应前总负荷量的5％，包括燃料汽轮机的备用和微网与电网联络线的备用。备用约束如下：
[0130][0131][0132]
光热电站运行约束包括：
[0133]
a)储热系统相关约束
[0134]
储热系统模块的数学模型类似于储能电池，包括储热容量，蓄放热以及初始储热量约束，如下所示：
[0135][0136][0137][0138][0139][0140][0141]
式中，和分别为风光出力的典型场景s下t时储热系统模块的储热容量，λ
tes
为储热系统模块的耗散系数，为储热系统模块的蓄热效率，为风光出力的典型场景s下t时光场流入储热系统模块的蓄热功率，为储热系统模块的放热效率，为储热系统模块的最小储热容量，t
full
为储热系统模块的负荷小时数，即无光照情况下储热系统模块可支持汽轮发电机模块最大出力的小时数，η
stg
为汽轮发电机模块的光热转换系数，为汽轮发电机模块的最大出力，为储热系统模块的放热状态，和分别为风光出力的典型场景s下储热系统模块初始时段储热量和结束时段储热量。
[0142]
式(34)表示储热系统模块的当前储热量与前一时刻的储热量，储热系统模块的蓄放热功率有关；式(35)给出了储热系统模块的储热量范围；式(36)和式(37)防止储热系统模块的蓄放热功率超出额定值；式(38)表示储热系统模块不能同时蓄热与放热；为保证新的周期内储热系统模块可调节，式(39)说明储热系统模块的初始与结束储热量相等。
[0143]
b)光场相关约束
[0144]
光场的集热装置将太阳能转化为热能，这部分能量分为三部分，包括光场提供给汽轮发电机模块的热功率，光场流入储热系统模块的蓄热功率和光场的弃热功率，如下所示；
[0145][0146]
式中，为风光出力的典型场景s下t时光场预测的集热功率(即风光出力的典型场景s中包含的光电出力的典型场景在t时的光电出力)。
[0147]
c)汽轮发电机模块相关约束
[0148]
为保证汽轮发电机模块的安全运行，需要对其输入热功率，输出电功率和爬坡率
进行约束：
[0149][0150][0151][0152]
式中，和为汽轮发电机模块的最大向下与向上爬坡率。式(41)给出汽轮发电机模块的光热转换关系；式(42)和式(43)分别描述了汽轮发电机模块的爬坡率和出力范围。
[0153]
风电场运行约束为：
[0154][0155][0156]
为风光出力的典型场景s下t时风电场的预测出力(即风光出力的典型场景s包含的风电出力的典型场景在t时的风电出力)。
[0157]
负荷需求响应约束包括：
[0158]
a)可转移负荷变化量约束
[0159]
可转移负荷参与需求响应时，依据电价/信号的变化，在不同时段上调整了自己的用电需求，但一个周期内可转移负荷的总负荷量应保持不变，即一个周期内可转移负荷的变化量之和为0，其满足如下关系式：
[0160][0161]
b)负荷曲线峰谷差约束
[0162]
负荷的需求响应有利于平滑微网的负荷曲线，降低其峰谷差，因而需求响应之后的负荷应位于需求响应之前初始负荷最小值与最大值之内。
[0163][0164][0165]
s300：通过预设的优化算法求解微网优化运行模型，得到优化结果。
[0166]
预设的优化算法可以为现有的任意一种优化算法。在一些实施例中，可利用cplex求解器求解微网优化运行模型。cplex求解器中内置有很多现有的优化算法，在进行求解时，cplex默认调用求解器认为“最合适”的求解方法进行求解，但也可根据模型的特性选择合适的算法，以加快求解速度。在一些实施例中，优化算法可以为分支定界法。将构建好的微网优化运行模型输入cplex求解器后，cplex求解器即会输出优化结果，即所有未知变量(决策变量)的值，然后微网根据决策变量的值设置对应的参数运行即可。
[0167]
优化结果包括到不同需求响应强度下不同风光出力的典型场景的可削减负荷削减量、不同风光出力的典型场景的可转移负荷转移量和微网运行成本等。
[0168]
本发明实施例的考虑负荷需求响应的微网优化运行方法，将风电机组、燃气轮机、光热电站与电网结合，实现四者联合供应电负荷；基于采用基于wasserstein概率距离的场
景约简规划模型，得到风光出力的典型场景，以考虑风光资源的不确定性；在微网中引入可转移负荷和可削减负荷，以参与微网负荷的需求响应，为用户带来经济利益，并改变用户的用电方式，以平滑微网的负荷曲线，降低负荷曲线的峰谷差，最终提升微网的运行效益，降低微网的总运行成本。本发明的方法可为再生能源快速发展背景下微网优化调度技术提供参考，具备明显的现实意义和理论意义。
[0169]
下面以含有一台风电机组、一座光热电站和三台燃气轮机的微网系统为例，说明本发明的方法的流程和效果。
[0170]
燃气轮机的运行参数如表1所示，光热电站的运行参数如表2所示，电网的峰谷分时电价如表3所示，负荷需求响应相关参数如表4所示。以一天为调度周期，分为24个时段，每个时段各个设备的运行状态均一样。风电出力预测值，光热电站光场的集热功率预测值和负荷需求响应之前的总负荷量预测值如图2所示。假设实际风电出力与实际光场集热功率的概率分布满足以对应预测值为均值，标准差为预测值0.1倍的正态分布。利用蒙塔卡洛方法分别产生200个初始场景，并基于wasserstein概率距离的场景约简方法分别得到三个典型场景。给定：风电机组单位电能的运维成本ρw为0.01￥/kw
·
h，风电机组单位弃风风能的惩罚成本ρ
wc
和光场单位弃热热能的惩罚成本ρ
sc
均为0.23￥/kw
·
h，微网与电网联络线的最大传输功率为20kw。采用本发明的方法得到的优化结果如图3、图4和表5所示。如图4所示，微网在8:00-23:00(负荷高峰)期间之内，有负荷需求响应的总负荷曲线低于初始总负荷曲线，表明该段微网的负荷需求减少。在24:00-次日7:00(负荷低估)期间之内，有负荷需求响应的总负荷曲线高于初始总负荷曲线，表明该时段微网的负荷需求增加，这是由于当实施负荷的需求响应时，微网在利益的追逐下会改变用户的用电方式。具体地，将削减部分负荷高峰时的可削减负荷，并将负荷高峰时的部分可转移负荷转移至负荷低谷期间。有需求响应的微网总负荷曲线峰谷差为54.56kw，无需求响应的微网总负荷曲线峰谷差为38.56kw，降低了29.33％，因此负荷的需求响应有利于平滑微网的负荷曲线，降低负荷曲线的峰谷差。从表5可知，实施负荷的需求响应会增加微网的复合需求响应补偿成本，但负荷曲线更加平滑，有利于降低燃气轮机机组的燃料运维成本和向电网购电的费用，实施负荷需求响应之后的微网总运行费用降低了6.09％，提升了微网的运行效益。
[0171]
表1燃气轮机的运行参数
[0172]
表2光热电站的运行参数
[0173]
表3电网的峰谷分时电价
[0174]
表4负荷需求响应相关参数
[0175]
表5有无需求响应时微网的运行成本
[0176]
在本实例中，设置设置共36组情景，对应的微网运行成本如图4所示。和越大，表明微网中的可控负荷越多，可参与负荷需求响应的强度越大。从图4可知，随着可转移负荷的需求响应强度增大，微网的运行成本逐渐变小，微网运行成本的减小幅度也不断下降。同样的规律也适用于可削减负荷，不过微网运行成本的减小幅度更小。特别地，当可转移负荷和可削减负荷的需求响应强度同时增大时，微网的运行成本下降得最多。例如，当微网无负荷需求响应时，微网的运行成本为731.67￥，而当为0.1，为0.2时，微网的运行成本为652.39￥，下降了79.28￥。这是由于负荷的需求响应有利于平滑微网的负荷曲线，降低高燃料运维成本燃气轮机机组的出力和向电网的购电功率，而且相比于可削减负荷，可转移负荷的平滑效果更为显著。当然，随着负荷需求响应强度的增大，平滑微网负荷曲线的效果也随之下降。
[0177]
以上所述的，仅为本发明的较佳实施例，并非用以限定本发明的范围，本发明的上述实施例还可以做出各种变化。即凡是依据本发明申请的权利要求书及说明书内容所作的简单、等效变化与修饰，皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。

技术特征：
1.一种考虑负荷需求响应的微网优化运行方法，其特征在于，包括步骤：s100：基于预设的方法得到多个风光出力的典型场景及其发生概率；s200：以最小化微网运行成本为目标，基于多个风光出力的典型场景及其发生概率构建考虑风光不确定性和负荷需求响应的微网优化运行模型；s300：通过预设的优化算法求解所述微网优化运行模型，得到优化结果。2.根据权利要求1所述的考虑负荷需求响应的微网优化运行方法，其特征在于，步骤s100具体包括：s110：根据预设的概率分布函数随机生成多个风电出力的初始场景，采用预设的场景约简规划模型对多个风电出力的初始场景进行场景约简，得到多个风电出力的典型场景及其发生概率；s120：根据预设的概率分布函数随机生成多个光电出力的初始场景，采用预设的场景约简规划模型对多个光电出力的初始场景进行场景约简，得到多个光电出力的典型场景及其发生概率；s130：根据多个风电出力的典型场景及其发生概率以及多个光电出力的典型场景及其发生概率，得到多个风光出力的典型场景及其发生概率。3.根据权利要求2所述的考虑负荷需求响应的微网优化运行方法，其特征在于，预设的场景约简规划模型为：其中，ω为初始场景集，i和j分别为初始场景索引，g
i
为初始场景i的发生概率，y
i,j
为场景分配变量，其值为1表示场景u
i
被分配至场景v
j
，否则为0；u
i
和v
j
分别为第i和第j初始场景；d(u
i
,v
j
)为场景u
i
和场景v
j
之间的欧式距离，u
i,t
和v
j,t
分别为第i和第j初始场景在t时刻的具体数值，z
i
为典型场景选择变量，z
i
为1说明第i初始场景被确定为典型场景，为0说明第i初始场景没有被确定为典型场景；z为典型场景的聚类个数，t为调度周期。4.根据权利要求2所述的考虑负荷需求响应的微网优化运行方法，其特征在于，步骤s130具体包括：将多个风电出力的典型场景和多个光电出力的典型场景进行组合，得到多个风光出力的典型场景，其中，风光出力的典型场景的发生概率等于参与组合的风电出力的典型场景和光电出力的典型场景的乘积。5.根据权利要求1所述的考虑负荷需求响应的微网优化运行方法，其特征在于，所述微网优化运行模型的目标函数满足如下关系式：
其中，obj为目标函数，s为风光出力的典型场景的数量，g
s
为风光出力的典型场景s对应的发生概率，c0为燃气轮机启停成本，c1为燃气轮机燃料运维成本，c2为光热电站运维成本，c3为风电机组运维成本，c4为负荷需求响应补偿成本，c5为弃风弃光惩罚成本，c6为微网购电成本。6.根据权利要求5所述的考虑负荷需求响应的微网优化运行方法，其特征在于，所述负荷需求响应补偿成本满足如下关系式：其中，ρ
s,load
为可转移负荷转移单位电能的补偿成本，为风光出力的典型场景s下t时可转移负荷的变化量，为可削减负荷的h级削减负荷量的单位电能补偿成本，为风光出力的典型场景s下t时可削减负荷的h级削减负荷量。7.根据权利要求1所述的考虑负荷需求响应的微网优化运行方法，其特征在于，所述微网优化运行模型的约束条件包括微网功率平衡约束、微网购电约束、燃气轮机运行约束、光热电站运行约束、风电场运行约束和负荷需求响应约束。8.根据权利要求7所述的考虑负荷需求响应的微网优化运行方法，其特征在于，所述负荷需求响应约束包括可转移负荷变化量约束和负荷曲线峰谷差约束。9.根据权利要求8所述的考虑负荷需求响应的微网优化运行方法，其特征在于，所述可转移负荷变化量约束满足如下关系式：其中，t为调度周期，为可转移负荷在风光出力的典型场景s下t时的变化量；所述负荷曲线峰谷差约束满足如下关系式：所述负荷曲线峰谷差约束满足如下关系式：其中，为需求响应之前微网在t时的总负荷量，为风光出力的典型场景s下t时可转移负荷的变化量，为风光出力的典型场景s下负荷需求响应实施后可削减负荷的实际削减量。10.根据权利要求1所述的考虑负荷需求响应的微网优化运行方法，其特征在于，所述优化结果包括不同需求响应强度下不同风光出力的典型场景的可削减负荷削减量、不同风光出力的典型场景的可转移负荷转移量和微网运行成本。

技术总结
本发明涉及一种考虑负荷需求响应的微网优化运行方法，包括步骤：基于预设的方法得到多个风光出力的典型场景及其发生概率；以最小化微网运行成本为目标，基于多个风光出力的典型场景及其发生概率构建考虑风光不确定性和负荷需求响应的微网优化运行模型；通过预设的优化算法求解微网优化运行模型，得到优化结果。本发明的考虑负荷需求响应的微网优化运行方法，在微网中引入可转移负荷和可削减负荷参与需求响应，从而提升微网的运行效益，降低微网的总运行成本。网的总运行成本。网的总运行成本。


技术研发人员：李强 赵峰 刘永清 琚诚 刘迪 李温静 王璇 姜承宾
受保护的技术使用者：国网信息通信产业集团有限公司
技术研发日：2023.04.10
技术公布日：2023/8/1