日前、日内两阶段需求响应热电综合能源联合调度研究（Matlab代码实现）

news2024/11/17 21:29:54

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

1.1 需求响应模型

1.2 日前分段电价模型

1.3 日内风变电价模型

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

文献来源：

1.1 需求响应模型

需求响应的基本原理是需求侧根据电力市场价格和电网要求改变其负荷需求以获取一定的利益回报。其中 PDR 可通过直观的电价变化信号引导用户调节用电方式，从而达到优化负荷时间分布的目的。而引导电价变化的信号源具有多样性的特点，例如基于模糊聚类的分段电价，根据负荷长期分布特点合理划分负荷曲线峰、谷、平时段和电价，达到削峰填谷的目的；基于风电消纳量考虑，采用由风电出力预测差值引导的 PDR，优化负荷分布，在风电供给量多的时刻，响应提高负荷需求量，促进整个系统的风电消纳[53] 。因此本文引入两阶段需求响应的原理，在调度过程中，应用不同电价机制引导负荷响应来更好的消纳风电，本文将 PDR 分为日前分段电价模型(SPDR)和日内风变指导电价模型(WEPDR)两种。

1.2 日前分段电价模型

SPDR 根据负荷长期分布特点合理划分负荷曲线峰、谷、平时段电价，基于价格需求弹性矩阵，响应优化负荷分布，实现对负荷曲线的削峰填谷。日前分段电价模型示意如图 4-1 所示。

如图 4-1 所示，日前分段电价响应时调度中心通过采集负荷信息给出未响应前的预测曲线用表示，通过给出的预测曲线，调度中心进行电价调控，峰荷时段电价升高，谷荷时段电价降低，模拟负荷响应削峰填谷后，得到负荷预测曲线为。根据最新的预测曲线对 CHP 机组、火电机组和风电厂安排第二天的调度计划。图中“负荷指令”处为激励型需求响应(IDR)，因本文没有用到 IDR 对负荷进行响应控制，故在此不再赘述。价格需求弹性矩阵能较为准确地反映用户侧用电量与电价之间的关系，其定义为用户用电量变化率与电价变化率的比值[54] ，表达式如下式 4-1 所示：

1.3 日内风变电价模型

WEPDR 是指在调度的过程中，日内风电超短期预测出力与日前短期预测出力存在一定的预测误差[47] ，本文将此误差等效为风电的不确定性，进一步运用经济学原理将误差反映在电价的变化上，从而响应负荷量的增减，消纳风电变化量，达到平衡风电不确定性的目的。日内风变电价示意如图 4-2 所示。

由图 4-2 所示，在日内风变电价需求响应调度中，首先根据图 4-1 流程预测出SPDR 后负荷响应曲线，在此基础上，调度中心根据日前日内风电预测变化量进行电价调整，在风电出力较日前预测增多的时刻降低电价，反之升高电价，使负荷根据电价变化跟踪风电出力变化波动，从原理上降低了风电出力不确定性对电-热综合能源系统发电的调度压力，保证了供电的稳定性。

风电的不确定性决定了风电预测出力与调度时间尺度之间具有强相关性的特点，日前调度模式难以更加精准的模拟调度日的风电出力情况，因此会为系统带来大量的调度压力和弃风问题。本文采用两阶段需求响应与热网互联模式协调配合的调度策略，按机组侧和用户侧资源的固有特性，深入挖掘系统自身的调节能力日前调度阶段中，其调度周期为 24 小时，调度中心采集地区历史负荷信息后，预测次日负荷曲线，基于用户自愿参与的原则，负荷侧应用 SPDR，响应优化得到日前负荷曲线，配合源侧热网互联模式消纳日前风电短期预测出力，确定次日各机组出力情况和负荷响应量。