气候变化条件下基于智能预测模型的虚拟电厂不确定性运行优化研究

doi:10.12096/j.2096-4528.pgt.23094

发电技术 ›› 2023, Vol. 44 ›› Issue (6): 790-799.DOI: 10.12096/j.2096-4528.pgt.23094

• 虚拟电厂规划、调度与控制技术 • 上一篇下一篇

气候变化条件下基于智能预测模型的虚拟电厂不确定性运行优化研究

贾晓强¹, 杨永标², 杜姣², 甘海庆³, 杨楠⁴

^1.电网安全全国重点实验室(中国电力科学研究院有限公司), 北京市海淀区 100192
^2.东南大学电气工程学院, 江苏省南京市 210096
^3.国网江苏省电力有限公司, 江苏省南京市 210000
^4.国网江苏省电力有限公司南京供电分公司, 江苏省南京市 210000

收稿日期:2023-08-03 出版日期:2023-12-31 发布日期:2023-12-28
作者简介:贾晓强(1995)，男，硕士，工程师，主要从事能效分析、综合能源规划运行、运维和平台建设等方面研究工作，xqjia001@163.com；
杨永标(1978)，男，硕士，研究员级高级工程师，主要从事综合能源规划运行、电网需求响应、智能配用电及微电网、配电自动化等方面研究工作，103200017@seu.edu.cn；
杜姣(1985)，女，硕士，工程师，主要从事综合能源利用、电网需求响应、智能配用电、故障诊断等方面研究工作，278352439@qq.com；
甘海庆(1976)，男，硕士，高级工程师，主要从事电力负荷管理、综合能源服务、营销数字化转型等方面研究工作，haiqinggan@139.com；
杨楠(1991)，男，硕士，工程师，主要从事电力需求侧管理、能效服务、电动汽车充换电设施等方面研究工作，1592701263@qq.com。
基金资助:
国家电网公司总部科技项目(5100-202118566A-0-5-SF)

Study on Uncertainty Operation Optimization of Virtual Power Plant Based on Intelligent Prediction Model Under Climate Change

Xiaoqiang JIA¹, Yongbiao YANG², Jiao DU², Haiqing GAN³, Nan YANG⁴

^1.State Key Laboratory of Power Grid Safety (China Electric Power Research Institute), Haidian District, Beijing 100192, China
^2.School of Electrical Engineering, Southeast University, Nanjing 210096, Jiangsu Province, China
^3.State Grid Jiagnsu Electric Power Co. , Ltd. , Nanjing 210000, Jiangsu Province, China
^4.State Grid Jiangsu Electric Power Co. , Ltd. , Nanjing Power Supply Branch, Nanjing 210000, Jiangsu Province, China

Received:2023-08-03 Published:2023-12-31 Online:2023-12-28
Supported by:
Science and Technology Projects of State Grid Corporation of China(5100-202118566A-0-5-SF)

摘要/Abstract

摘要：

为有效应对气候变化，促进虚拟电厂(virtual power plant，VPP)的健康发展，基于区域气候模型(providing regional climate for impact studies，PRECIS)、BP神经网络预测模型和区间优化算法，提出了适应气候变化的VPP运行优化模型。应用PRECIS模拟2025年不同碳排放情景下气温、风速和辐射量等气象要素的变化规律；基于PRECIS气象要素模拟结果，应用BP神经网络模型预测2025年光伏电站的发电量；将区间优化算法与发电量预测结果相耦合，以此降低光伏发电不确定性对优化模型模拟结果的影响。结果显示，该模型可生成适应气候变化的VPP最优运行策略，降低系统运行成本，提升VPP运行效益。

关键词: 虚拟电厂(VPP), 区域气候模型(PRECIS), BP神经网络, 不确定性优化, 气候变化

Abstract:

In order to effectively cope with climate change and promote the healthy development of virtual power plant, an uncertainty operation optimization model of virtual power plant (VPP) adapted to climate change was proposed based on the providing regional climate for impact studies (PRECIS), BP neural network prediction model and interval optimization algorithm. PRECIS was used to simulate the changes in meteorological factors such as temperature,wind speed and radiation under different carbon emission scenarios in 2025. The BP neural network model was used to predict the power generation of photovoltaic power plants based on the simulation results of PRICES. The interval optimization algorithm was coupled with the power generation prediction results to reduce the impact caused by the influence of photovoltaic power generation uncertainty on the simulation results of the optimization model. The results show that the model can not only generate the optimal operation strategy of VPP under climate change, but also reduce operating costs and improve economic benefits.

Key words: virtual power plant (VPP), providing regional climate for impact studies (PRECIS), BP neural network, uncertainty optimization, climate change

中图分类号:

TK 01

贾晓强, 杨永标, 杜姣, 甘海庆, 杨楠. 气候变化条件下基于智能预测模型的虚拟电厂不确定性运行优化研究[J]. 发电技术, 2023, 44(6): 790-799.

Xiaoqiang JIA, Yongbiao YANG, Jiao DU, Haiqing GAN, Nan YANG. Study on Uncertainty Operation Optimization of Virtual Power Plant Based on Intelligent Prediction Model Under Climate Change[J]. Power Generation Technology, 2023, 44(6): 790-799.

图/表 10

图1 研究路线图

Fig. 1 Research roadmap

表1 系统参数

Tab. 1 System patameters

类别	参数	数值
经济	热电联产系统发电维护成本/(元/kW)	0.03
	热电联产系统供热维护成本/(元/kW)	0.03
	补燃锅炉供热维护成本/(元/kW)	0.02
	储能元件充放电成本/(元/kW)	0.02
	天然气价格/(元/m³)	2.74
工程	热电联产系统额定发电功率/MW	2.50
	热电联产系统额定供热功率/MW	2.00
	光伏额定功率/MW	1.00
	储能设备额定功率/MW	1.00
	余热锅炉效率	0.78
	补燃锅炉效率	0.85

图2 SSP2-4.5情景下2025年各气象要素逐时模拟结果

Fig. 2 Hourly simulation results of various meteorological elements in 2025 under SSP2-4.5 scenario

图3 SSP2-8.5情景下2025年各气象要素逐时模拟结果

Fig. 3 Hourly simulation results of various meteorological elements in 2025 under SSP2-8.5 scenario

图4 SSP2-4.5情景下预测模型模拟结果与真实数据对比

Fig. 4 Comparison of simulation results and real data of predictive models under SSP2-4.5 scenario

图5 SSP2-8.5情景下预测模型模拟结果与真实数据对比

Fig. 5 Comparison of simulation results and real data of predictive models under SSP2-8.5 scenario

图6 典型日光伏出力、电和热负荷

Fig. 6 Photovoltaic output, electrical and heat load in typical day

图7 VPP供电系统运行策略图

Fig. 7 VPP power supply system operation strategy

图8 储能装置充放电动态过程

Fig. 8 Dynamic process of charging and discharging of energy storage devices

图9 典型日供热系统出力示意图

Fig. 9 Hourly operation stratrgies of heating-supply

参考文献 20

1	姜红丽，刘羽茜，冯一铭，等．碳达峰、碳中和背景下“十四五”时期发电技术趋势分析[J]．发电技术，2022，43(1)：54-64． doi:10.12096/j.2096-4528.pgt.21030
	JIANG H L， LIU Y X， FENG Y M，et al. Analysis of power generation technology trend in 14th Five-Year Plan under the background of carbon peak and carbon neutrality[J]. Power Generation Technology，2022，43(1)：54-64． doi:10.12096/j.2096-4528.pgt.21030
2	童光毅．基于双碳目标的智慧能源体系构建[J]．智慧电力，2021，49(5)：1-6． doi:10.3969/j.issn.1673-7598.2021.05.002
	TONG G Y ．Construction of smart energy system based on dual carbon goal[J]．Smart Power，2021，49(5)：1-6． doi:10.3969/j.issn.1673-7598.2021.05.002
3	宣文博，李慧，刘忠义，等．一种基于虚拟电厂技术的城市可再生能源消纳能力提升方法[J]．发电技术，2021，42(3)：289-297． doi:10.12096/j.2096-4528.pgt.20104
	XUAN W B， LI H， LIU Z Y，et al ．A method for improving the accommodating capability of urban renewable energy based on virtual power plant technology[J]．Power Generation Technology，2021，42(3)：289-297． doi:10.12096/j.2096-4528.pgt.20104
4	曾小青，唐超雯．分时电价环境下计及新能源消纳的虚拟电厂优化调度研究[J]．电力科学与技术学报，2023，38(3)：24-34．
	ZENG X Q， TANG C W ．Research on optimization of virtual power plants dispatch by considering the consumption of new energy under time-of-use electricity price environment[J]．Journal of Electric Power Science and Technology，2023，38(3)：24-34．
5	刘佳楠，李鹏，杨德昌．基于风光荷储联合优化的虚拟电厂竞价策略[J]．电力工程技术，2017，36(6)：32-37． doi:10.3969/j.issn.1009-0665.2017.06.006
	LIU J N， LI P， YANG D C ．Bidding strategy analysis of virtual power plant based on joint operation of wind-solar-load-storage system[J]．Electric Power Engineering Technology，2017，36(6)：32-37． doi:10.3969/j.issn.1009-0665.2017.06.006
6	单葆国，刘青，张莉莉，等．新形势下“十四五”后三年中国电力需求形势研判[J]．中国电力，2023，56(3)：1-11．
	SHAN B G， LIU Q， ZHANG L L，et al ．Analysis of China’s power demand situation in the last three years of the “14th Five-Year Plan” under the new situation[J]．Electric Power，2023，56(3)：1-11．
7	高洪超，王宣元，邱小燕，等．新型电力系统环境下的虚拟电厂辅助调峰市场机制及其商业模式设计[J]．太阳能学报，2023，44(3)：376-385． doi:10.19912/j.0254-0096.tynxb.2021-1284
	GAO H C， WANG X Y， QIU X Y，et al ．Ramping energy market mechanism and its business model of virtual power plants oriented to new power system[J]．Acta Energiae Solaris Sinica，2023，44(3)：376-385． doi:10.19912/j.0254-0096.tynxb.2021-1284
8	郁海彬，董帅，陆增洁，等．新型电力系统下储能参与电力调峰调频辅助市场的竞标策略[J]．中国电力，2023，56(8)：48-60．
	YU H B， DONG S， LU Z J，et al ．Bidding strategy of energy storage participating in the auxiliary market of peak and frequency modulation in new power system[J]．Electric Power，2023，56(8)：48-60．
9	宋天琦，马韵婷，张智慧．光伏耦合电解水制氢系统作为虚拟电厂资源的运行模式与经济性分析[J]．发电技术，2023，44(4)：465-472． doi:10.12096/j.2096-4528.pgt.22181
	SONG T Q， MA Y T， ZHANG Z H ．Operation mode and economy of photovoltaic coupled water electrolysis hydrogen production system as a kind of virtual power plant resource[J]．Power Generation Technology，2023，44(4)：465-472． doi:10.12096/j.2096-4528.pgt.22181
10	丛琳，王冰，孙毅，等．考虑碳排放和需求侧多能源响应的虚拟电厂低碳经济运行策略[J/OL]．电测与仪表：1-12．(2023-01-16)[2023-07-08]．．
	CONG L， WANG B， SUN Y，et al ．Low-carbon and economical operation strategy of virtual power plant considering carbon emission and integrated energy response in demand side [J/OL]．Electrical Measurement & Instrumentation：1-12[2023-07-08]．．
11	元志伟，于松源，房方，等．考虑高维不确定性的热电联产虚拟电厂优化调度[J]．动力工程学报，2023，43(2)：194-204．
	YUAN Z W， YU S Y， FANG F，et al ．Optimal scheduling of combined heat and power-virtual power plant considering high-dimensional uncertainty[J]．Journal of Chinese Society of Power Engineering，2023，43(2)：194-204．
12	CHANG W， DONG W， ZHAO L，et al ．Model predictive control based energy collaborative optimization management for energy storage system of virtual power plant[C]//2020 19th International Symposium on Distributed Computing and Applications for Business Engineering and Science (DCABES)．Xuzhou，China：IEEE，2020：112-115． doi:10.1109/dcabes50732.2020.00037
13	YAN X， GAO C， SONG M，et al ．An IGDT-based day-ahead co-optimization of energy and reserve in a VPP considering multiple uncertainties[J]．IEEE Transactions on Industry Applications，2022，58(3)：4037-4049． doi:10.1109/tia.2022.3152454
14	张明光，赵文渊，李鹏程．多能源互补的虚拟电厂低碳调度研究[J]．工业仪表与自动化装置，2022(5)：76-83．
	ZHANG M G， ZHAO W Y， LI P C ．Research on low-carbon scheduling of virtual power plants with complementary multi-energy sources[J]．Industrial Instrumentation & Automation，2022(5)：76-83．
15	汪洋叶，赵力航，常伟光，等．基于模型预测控制的虚拟电厂储能系统能量协同优化调控方法[J]．智慧电力，2021，49(7)：16-22． doi:10.3969/j.issn.1673-7598.2021.07.004
	WANG Y Y， ZHAO L H， CHANG W G，et al ．Model predictive control based energy collaborative optimization control method for energy storage system of virtual power plant[J]．Smart Power，2021，49(7)：16-22． doi:10.3969/j.issn.1673-7598.2021.07.004
16	黄勤坤，邱瑜，王飞，等．考虑多重不确定性的虚拟电厂随机优化调度[J]．电网与清洁能源，2022，38(11)：8-16． doi:10.3969/j.issn.1674-3814.2022.11.002
	HUANG Q K， QIU Y， WANG F，et al ．Stochastic optimal scheduling of virtual power plants considering multiple uncertainties[J]．Power System and Clean Energy，2022，38(11)：8-16． doi:10.3969/j.issn.1674-3814.2022.11.002
17	张大海，贠韫韵，王小君，等．计及风光不确定性的新能源虚拟电厂多时间尺度优化调度[J]．太阳能学报，2022，43(11)：529-537．
	ZHANG D H， YUN Y Y， WANG X J，et al ．Multi-time scale of new energy scheduling optimization for virtual power plant considering uncertainty of wind power and photovoltaic power[J]．Acta Energiae Solaris Sinica，2022，43(11)：529-537．
18	卢赓，邓婧，王渝红，等．电力系统受极端天气的影响分析及其适应策略[J]．发电技术，2021，42(6)：751-764． doi:10.12096/j.2096-4528.pgt.21059
	LU G， DENG J， WANG Y H，et al ．Analysis of power system affected by extreme weather and its adaptive strategy[J]．Power Generation Technology，2021，42(6)：751-764． doi:10.12096/j.2096-4528.pgt.21059
19	吴何来，李汪繁，丁先．“双碳”目标下我国碳捕集、利用与封存政策分析及建议[J]．电力建设，2022，43(4)：28-37． doi:10.12204/j.issn.1000-7229.2022.04.004
	WU H L， LI W F， DING X ．Policy analysis and suggestion for carbon capture，utilization and storage under double carbon target in China[J]．Electric Power Construction，2022，43(4)：28-37． doi:10.12204/j.issn.1000-7229.2022.04.004
20	苏靖程，王志强，屈江江，等．基于BP神经网络和支持向量回归的燃煤电厂空气预热器压差预测[J]．发电技术，2023，44(4)：550-556． doi:10.12096/j.2096-4528.pgt.22160
	SU J C， WANG Z Q， QU J J，et al ．Pressure difference prediction of air preheater in coal-fired power plant based on BP neural network and support vector regression[J]．Power Generation Technology，2023，44(4)：550-556． doi:10.12096/j.2096-4528.pgt.22160

[1]	张叶青, 陈文彬, 徐律军, 江兴稳. 面向多虚拟电厂的分层分区多层互补动态聚合调控策略[J]. 发电技术, 2024, 45(1): 162-169.
[2]	黄河, 王燕, 姜念, 吴强, 张雅静, 杨秀媛. 考虑用户诉求差异的居民可控负荷资源优化控制[J]. 发电技术, 2023, 44(6): 896-908.
[3]	赵振宇, 李炘薪. 基于阶梯碳交易的碳捕集电厂-电转气虚拟电厂低碳经济调度[J]. 发电技术, 2023, 44(6): 769-780.
[4]	许星原, 陈皓勇, 黄宇翔, 吴晓彬, 王宇绅, 廉俊豪, 张健彬. 虚拟电厂市场化交易中的挑战、策略与关键技术[J]. 发电技术, 2023, 44(6): 745-757.
[5]	石梦舒, 许小峰, 张继广, 李忆, 周保中, 乐鹰, 毕圣. 考虑电-氢市场的虚拟电厂两阶段优化策略研究[J]. 发电技术, 2023, 44(5): 645-655.
[6]	郁海彬, 张煜晨, 刘扬洋, 陆增洁, 翁锦德. 碳交易机制下多主体虚拟电厂参与电力市场的优化调度竞标策略[J]. 发电技术, 2023, 44(5): 634-644.
[7]	张宁, 朱昊, 杨凌霄, 胡存刚. 考虑可再生能源消纳的多能互补虚拟电厂优化调度策略[J]. 发电技术, 2023, 44(5): 625-633.
[8]	陈皓勇, 黄宇翔, 张扬, 王斐, 周亮, 汤君博, 吴晓彬. 基于“三流分离-汇聚”的虚拟电厂架构设计[J]. 发电技术, 2023, 44(5): 616-624.
[9]	彭道刚, 税纪钧, 王丹豪, 赵慧荣. “双碳”背景下虚拟电厂研究综述[J]. 发电技术, 2023, 44(5): 602-615.
[10]	安吉振, 郑福豪, 刘一帆, 陈衡, 徐钢. 基于大数据分析的火电机组引风机故障预警研究[J]. 发电技术, 2023, 44(4): 557-564.
[11]	苏靖程, 王志强, 屈江江, 张凯. 基于BP神经网络和支持向量回归的燃煤电厂空气预热器压差预测[J]. 发电技术, 2023, 44(4): 550-556.
[12]	时浩, 肖海平, 刘彦鹏. 基于BP神经网络和最小二乘支持向量机的灰熔点预测和对比[J]. 发电技术, 2022, 43(1): 139-146.
[13]	卢赓, 邓婧, 王渝红, 曹静, 岳云峰. 电力系统受极端天气的影响分析及其适应策略[J]. 发电技术, 2021, 42(6): 751-764.
[14]	唐诗洁,陆强,曲艳超,任翠涛,杨勇平. 基于遗传算法优化BP神经网络的SCR脱硝系统催化剂体积设计[J]. 发电技术, 2019, 40(3): 246-252.

气候变化条件下基于智能预测模型的虚拟电厂不确定性运行优化研究

Study on Uncertainty Operation Optimization of Virtual Power Plant Based on Intelligent Prediction Model Under Climate Change

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 20

相关文章 14

编辑推荐

Metrics

本文评价