计及不确定性的需求响应机理模型及应用研究

被引:0
作者
牛文娟
机构
[1] 东南大学
关键词
需求响应; 机理模型; 不确定性; 用户基线负荷; 虚拟电厂; 日前调度; 发用电一体化调度;
D O I
暂无
年度学位
2015
学位类型
博士
导师
摘要
需求响应概念的提出,改变了过去单纯依靠电力供应侧的发展来满足不断增长的电力需求的固定思维,将需求侧作为发电侧电能的补充资源加以利用,缓解了电力供需平衡在空间分布和时间分布上困窘局面,促进了环境保护和能源节约。需求响应的各种特性受到多种不确定性因素的影响,其机理表现出不确定性。计及不确定性的需求响应机理模型的深入研究,对需求响应资源参与系统调节和电力市场的研究和实施有着重要意义。本文对计及不确定性的需求响应机理模型及应用进行研究。主要包含以下五个方面的工作:1、基于不确定性理论,对需求响应的不确定性进行分析。从用户响应类型角度和不确定性理论分支两个角度,详细分析了需求响应的不确定性因素。在随机性、模糊性、粗糙性三个方面提出一系列的研究热点问题,为后续的需求响应不确定性建模提供了理论基础,并为需求响应不确定性分析提供研究方向。2、提出了计及不确定性的基于用户基线负荷的需求响应线性模型采用负荷变化性指标、负荷温度敏感性指标、偏差指标和准确度指标对基线负荷计算方法进行评估,提出了考虑不确定性的可中断负荷费用结算方法。以此为基础,建立了适用于需求响应项目试点实施阶段的需求响应线性模型,在需求响应资源被调用的成本中同时考虑了电力公司对用户的支付成本和由于需求响应不确定性所承担的风险成本,并给出了详细的运行约束条件。3、提出了计及不确定性的基于虚拟电厂的需求响应二次模型在理清电力市场结构的基础上,对需求响应参与电力市场的方式进行了研究。随着智能电网的发展、电力改革的推进,电力市场结构逐渐向竞争模式发展,需求响应的建设也进入推广应用阶段,以虚拟电厂的概念为基础,分别建立了基于激励的需求响应确定性模型和不确定性模型,以及基于价格的需求响应确定性模型和不确定性模型,推导出的成本函数均为与发电机成本函数类似的二次函数,可与发电资源共同参与优化和竞价。4、采用所提出的计及不确定性的需求响应线性模型,应用于日前调度优化。以需求响应项目试点实施阶段为背景,采用计及不确定性的基于用户基线负荷的需求响应线性模型,考虑削减总需求的不确定性特性建立机会约束模型,基于风险评估和机会约束提出不确定性可中断负荷优化决策方法。5、采用所提出的计及不确定性的需求响应二次模型,应用于发用电一体化调度。以需求响应项目推广应用阶段为背景,采用计及不确定性的基于虚拟电厂的需求响应二次模型,将基于激励的和基于电价的需求响应二次模型与传统发电机组共同参与发用电一体化调度优化,有效提高了系统调峰和消纳新能源的能力,在需求响应虚拟电厂模型中考虑响应不确定性的影响,可提高系统可靠性,降低系统风险成本并促进用户提高自身响应可靠性。
引用
收藏
页数:118
共 82 条
[1]
电力需求响应参与系统运行调控问题的研究 [D]. 
于娜 .
哈尔滨工业大学,
2009
[2]
The response of large industrial energy consumers to four coincident peak (4CP) transmission charges in the Texas (ERCOT) market.[J].Jay Zarnikau;Dan Thal.Utilities Policy.2013,
[3]
Decision making of a virtual power plant under uncertainties for bidding in a day-ahead market using point estimate method [J].
Peik-Flerfeh, Malahat ;
Seifi, H. ;
Sheikh-El-Eslami, M. K. .
INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS, 2013, 44 (01) :88-98
[4]
Virtual power plant mid-term dispatch optimization.[J].Hrvoje Pandžić;Igor Kuzle;Tomislav Capuder.Applied Energy.2013, Jan.
[5]
Pass-through of wholesale price to the end user retail price in the Norwegian electricity market [J].
Mirza, Faisal Mehmood ;
Bergland, Olvar .
ENERGY ECONOMICS, 2012, 34 (06) :2003-2012
[6]
Variability in automated responses of commercial buildings and industrial facilities to dynamic electricity prices [J].
Mathieu, Johanna L. ;
Callaway, Duncan S. ;
Kiliccote, Sila .
ENERGY AND BUILDINGS, 2011, 43 (12) :3322-3330
[7]
Decentralised optimisation of cogeneration in virtual power plants.[J].Bernhard Wille-Haussmann;Thomas Erge;Christof Wittwer.Solar Energy.2009, 4
[8]
Statistical analysis of baseline load models for non-residential buildings.[J].Katie Coughlin;Mary Ann Piette;Charles Goldman;Sila Kiliccote.Energy & Buildings.2008, 4
[9]
Industrial customer response to wholesale prices in the restructured Texas electricity market [J].
Zarnikau, J. ;
Landreth, G. ;
Hallett, I. ;
Kumbhakar, S. C. .
ENERGY, 2007, 32 (09) :1715-1723
[10]
Rough sets and intelligent data analysis.[J]..Information Sciences.2002, 1