基于云计算的虚拟电厂负荷预测

王成龙

摘要：为解决微网并网带来的电能质量和供电可靠性下降问题，提出一种虚拟电厂中期调度新方法。针对微网并网所产生的问题，简述虚拟电厂和云计算的技术特点，模拟优化电网中期调度模式。结果表明，云计算在虚拟电厂调度中具有明显优势。

关键词：分布式电网；云计算；虚拟电厂

中图分类号：TM62 文献标识码：A 文章编号：1674-1161（2015）03-0047-02

随着电网规模的扩大及新能源的不断应用，并网电网的安全性和经济性备受关注。电网调度不再是单一或局部控制，而是采用智能网络集成方式调度。智能电网应具有以下特点：坚强自愈，可以抵御外来干扰甚至攻击；提供高质量的电能，且供电稳定；允许新型能源、分布式电力接入；促进用户互动等。近年来，智能电网发展快速，但微网并网带来的电能质量和供电可靠性下降问题依然没有得到解决。云计算的调度形式可以使计算资源利用最大化、网络伸缩反应快速化。虚拟电厂在组织结构上更适合分布式电力并网，能在调度工作中最大程度地提高效率，提高安全性。

1 虚拟电厂的特点及结构

虚拟电厂（Virtual Power Plant VPP ）是不同分布式发电（DG）单元的组合，包括可再生能源系统、常规/非传统类型的发电机和存储系统，可以向电力市场提供以小时为单位的需求预测个体发电厂配置。虚拟电厂被定义为依赖于软件系统远程、自动分配和优化发电、需求响应和储能资源的能源互联网。虚拟电厂在组织机构上与微网相似，但虚拟电厂更注重电源侧分配和管理。在大规模风网并网中，虚拟电厂能有效平抑风场特有的功率间歇，在控制上也更加易操纵。虚拟电厂的架构模型见图1。

在VPP组织中，分布式发电的灵活需求行为取决于其控制策略。随着年电力消费需求量的增加，VPP容量和控制策略均发生变化，导致不同的VPP组成和控制结果。当自供电VPP的最高需求覆盖率达92%以上时，VPP可以保护自身，即在市场能源价格波动时，需求覆盖率较高的VPP可获得更高收益。VPP的目标是最大限度地提高销售价格。热费、排放、系统中可再生能源溢漏均为VPP消耗指标，以这些为基准，尽管需求变化不同及使用的发电技术也引入VPP技术成本，但整体VPP系统损耗不影响运营成本和排放成本。

2 云计算的功能及模型

云计算是一种在线实时网络处理技术。云计算被描述为互联网络分布式计算形式，需要供应商提供大范围的网络存储服务，即软件服务。处理用户所需的硬件计算工具由众用户提供。这种基本的云计算服务架构无需供应商投入庞大的硬件资金，只需专注于软件方案。云计算能够充分利用电力企业复杂且昂贵的硬件架构，其模型见图2。

3 负荷需求预测

负荷预测是微电网能量管理系统最重要的组成部分之一，是实现云计算智能化管理的重要前提。云计算的核心目标是为用户提供优质电能，满足不同用户的负荷需求。负荷预测方法可以归结为传统预测方法和人工智能预测方法两类。传统方法主要依赖于对象的变化规律，一般对历史数据进行分析和统计后再计算，因此计算量小、速度快。智能预测算法考虑各种不确定因素对预测的影响程度，比传统预测的精度高。

4 继电保护系统功能

继电保护系统的各项功能布置在云计算平台上，通过云计算平台进行通信和调用。继电保护整定系统的服务包括基础服务和应用服务。基础服务层为硬件结构层，应用服务层为主要单元。应用服务层为用户提供具体的操作性服务，包括拓扑分析、故障计算、整定参数计算、整定计算、定值校验、定值优化、装置特性校验等。其中，拓扑分析、故障计算为应用服务层的主要部分。拓扑分析系统对所输入系统的电网图进行拓扑分析，包括绘制、修改、编辑、管理等图形操作，并实现人机交互的大部分操作，包括输入参数、给定计算条件、查询计算过程和结果等。故障计算服务层采用并行分块算法处理各种类型的简单故障、任意重复故障及非全相振荡故障，能够应对零阻抗支路、无穷大阻抗支路及孤岛等情况，可以进行网络等值、绘制短路电流计算曲线等。

5 云计算调度模式

VPP电源调度响应通过基于安排单位时间的成本优化来实现。成本优化具有不同的组成，包括燃料成本和启动成本。启动成本损耗是与个人特征有关的成本。作为经济成本的主要组成部分之一，运行期间的能量源燃料成本可以表示为：

FCi.t=ai+bipi.t+cip2i.t （1）

云计算平台赋予集成计算引擎强大的计算处理能力，特别是时间要求高、计算量大时，能为调度人员提供足够的时间响应紧急问题，并将数据转化成信息，更有效地确定现有的、正在发展的和潜在的问题，并提交解决方案供系统管理人员参考。

6 结论

以虚拟电厂架构作为分布式电力接入方式的硬件架构，以满足建设坚强的智能电网需求。云计算能够优化服务软件分散决策，改进分布式电力调度应用方式，为合理配置电网资源提供技术支持。

参考文献

[1] 安典强，常喜强，李梅，等.微网并网运行存在的问题及应对措施[J].四川电力技术，2012，35（4）：1-4.

[2] CHERIRE J. Quarterly report[J].Transmission & Distribution World，2010，62（2）：22.

[3] HOILAND J. Smart meters equal cost savings [J] .Transmission & Distribution World，2011，63（8）：20.

[4] MASHHOUR E， TAFRESHI SMM. Bidding strategy of virtual power plant for participating in energy and spinning reserve markets–Part I： Problem formulation[J]. IEEE Trans Power System，2011（26）：949–56.

[5] 卫志农，于爽，孙国强，等.虚拟电厂概念与发展[J].电力系统自动化，2013，37（13）：1-9.

[6] PANDZIC H， MORALES JM， CONEJO AJ，e tal. Offering model for a virtual power plant based on stochastic programming[J]. Appl Energy，2013（105）：282-292.

[7] 张小敏.虚拟发电厂在大规模风电并网中的应用[J].电力建设，2011，32（9）：11-13.

[8] 刘吉臻，李名扬，房方，等.虚拟发电厂研究综述[J].中国电机工程学报，2014，34（29）：5 103-5 111.

[9] DRAGAN S. MARKOVIC， DEJAN ZIVKOVIC， et al. Smart power grid and cloud computing[J]. Renewable and Sustainable Energy Reviews，2013（24）：566-577.

Abstract： In order to solve the problems of power quality and reliability declining caused by microgrid connected， a new method of virtual power plant medium term scheduling is proposed. The article expounds the technique features of virtual power plant and cloud computing according to the problems brought by microgrid connected， and stimulation and optimization of the mode of power network medium term scheduling. The result shows that cloud computing has obvious advantages in the scheduling of virtual power plant.

Key words： DG； Cloud Computing； VP