本發(fā)明涉及發(fā)電，特別是涉及一種虛擬電廠兩階段調(diào)度優(yōu)化方法。

背景技術(shù)：

1、虛擬電廠(virtual?power?plant，vpp)技術(shù)的提出，為大規(guī)模新能源發(fā)電系統(tǒng)接入電網(wǎng)后的電力系統(tǒng)運(yùn)行，提供了解決方案。虛擬電廠作為連接電力系統(tǒng)與分布式能源之間的橋梁，通過(guò)對(duì)電力系統(tǒng)中的靈活性資源、電動(dòng)汽車(chē)負(fù)荷、可控負(fù)荷和儲(chǔ)能設(shè)備等的控制，最終能夠?qū)崿F(xiàn)資源的整合和電力系統(tǒng)的削峰填谷，進(jìn)而保障電力系統(tǒng)的穩(wěn)定可靠運(yùn)行。但是，目前的針對(duì)虛擬電廠的控制方案，依舊存在控制精度較差、控制過(guò)程中不確定性因素較多的缺陷，這使得目前的虛擬電廠技術(shù)在實(shí)際應(yīng)用時(shí)存在諸多問(wèn)題，進(jìn)而影響了電力系統(tǒng)的穩(wěn)定可靠運(yùn)行。在虛擬電廠實(shí)時(shí)調(diào)度階段，由于風(fēng)光出力的不確定性，會(huì)造成虛擬電廠運(yùn)行產(chǎn)生偏差，從而導(dǎo)致整體配電網(wǎng)絡(luò)調(diào)度方案出現(xiàn)差異，如何有效應(yīng)對(duì)這種波動(dòng)因素是保證系統(tǒng)安全穩(wěn)定運(yùn)行的重要前提。虛擬電廠的調(diào)度優(yōu)化問(wèn)題可以分為日前調(diào)度和實(shí)時(shí)調(diào)度兩個(gè)階段，如何在兩個(gè)階段之間實(shí)現(xiàn)有效的協(xié)調(diào)和優(yōu)化，以實(shí)現(xiàn)整體系統(tǒng)的安全、穩(wěn)定和經(jīng)濟(jì)運(yùn)行是一個(gè)復(fù)雜的問(wèn)題。同時(shí)，日前-實(shí)時(shí)調(diào)度涉及到大規(guī)模的優(yōu)化問(wèn)題，求解效率和求解精度都是挑戰(zhàn)。

2、公開(kāi)號(hào)為cn117196228a，名稱(chēng)為針對(duì)虛擬電廠的多時(shí)間尺度優(yōu)化調(diào)度方法及系統(tǒng)的專(zhuān)利文獻(xiàn)，?通過(guò)獲取目標(biāo)電力系統(tǒng)和虛擬電廠的數(shù)據(jù)信息；進(jìn)行激勵(lì)電價(jià)型需求響應(yīng)的建模；對(duì)日內(nèi)風(fēng)力發(fā)電、日內(nèi)光伏發(fā)電、日內(nèi)電價(jià)和日內(nèi)用戶(hù)負(fù)荷的不確定性進(jìn)行處理；構(gòu)建虛擬電廠的日前日內(nèi)多時(shí)間尺度優(yōu)化調(diào)度模型并求解得到虛擬電廠調(diào)度方案；根據(jù)虛擬電廠調(diào)度方案控制虛擬電廠運(yùn)行，完成針對(duì)虛擬電廠的多時(shí)間尺度優(yōu)化調(diào)度。還公開(kāi)了一種實(shí)現(xiàn)所述針對(duì)虛擬電廠的多時(shí)間尺度優(yōu)化調(diào)度方法的系統(tǒng)。通過(guò)建立虛擬電廠的優(yōu)化調(diào)度模型，結(jié)合激勵(lì)電價(jià)型需求響應(yīng)，構(gòu)建最終的多時(shí)間尺度優(yōu)化調(diào)度模型并求解，從而完成虛擬電廠的多時(shí)間尺度優(yōu)化調(diào)度；但是未考慮風(fēng)光出力相關(guān)性以及不確定性，從而導(dǎo)致調(diào)度方案準(zhǔn)確度不高。

3、公開(kāi)號(hào)為cn117592621a，名稱(chēng)為一種虛擬電廠集群兩階段調(diào)度優(yōu)化方法的專(zhuān)利文獻(xiàn)，通過(guò)構(gòu)建虛擬電廠集群動(dòng)態(tài)平衡策略，以各虛擬電廠的運(yùn)行成本最小化為目標(biāo)構(gòu)建競(jìng)標(biāo)成本函數(shù)，以各機(jī)組出力波動(dòng)偏差最小為目標(biāo)構(gòu)建競(jìng)標(biāo)電量函數(shù)，以集群中虛擬電廠平均供能成本最低為目標(biāo)，基于所有參與競(jìng)價(jià)的虛擬電廠的競(jìng)價(jià)策略構(gòu)建目標(biāo)函數(shù)，實(shí)現(xiàn)集群中各虛擬電廠的相互調(diào)度，彌補(bǔ)由于單個(gè)虛擬電廠自身?xiàng)l件能力不足導(dǎo)致在實(shí)施階段產(chǎn)生偏差的問(wèn)題，實(shí)現(xiàn)配電網(wǎng)絡(luò)的整體經(jīng)濟(jì)性?xún)?yōu)化。通過(guò)使用兩階段魯棒優(yōu)化方法對(duì)目標(biāo)函數(shù)求最優(yōu)解，解決兩階段模型求解時(shí)易陷入局部最優(yōu)解的問(wèn)題，最終得到多個(gè)虛擬電廠共同參與市場(chǎng)競(jìng)價(jià)的最優(yōu)調(diào)度策略，但是競(jìng)標(biāo)過(guò)程可能存在不公平競(jìng)爭(zhēng)或價(jià)格操縱的風(fēng)險(xiǎn)，以及需要精確的成本和電量函數(shù)建模，實(shí)施難度較大。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問(wèn)題，本發(fā)明采用的一個(gè)技術(shù)方案是：提供一種虛擬電廠兩階段調(diào)度優(yōu)化方法，該方法包括：

2、s10.?通過(guò)歷史風(fēng)光數(shù)據(jù)使用非線(xiàn)性自回歸外源性模型進(jìn)行風(fēng)光資源的預(yù)測(cè)，得到風(fēng)光出力數(shù)據(jù)；

3、s20.?通過(guò)深度卷積生成對(duì)抗網(wǎng)絡(luò)對(duì)所述風(fēng)光出力數(shù)據(jù)進(jìn)行風(fēng)光出力相關(guān)性分析；

4、s30.?通過(guò)韋布爾分布模型評(píng)估風(fēng)光資源的不確定性，使用條件風(fēng)險(xiǎn)價(jià)值cvar量化運(yùn)行風(fēng)險(xiǎn)，進(jìn)行不確定性和風(fēng)險(xiǎn)評(píng)估；

5、s40.?通過(guò)所述風(fēng)光資源的不確定性和風(fēng)險(xiǎn)評(píng)估構(gòu)建日前-實(shí)時(shí)兩階段調(diào)度模型；

6、s50.?通過(guò)遺傳算法對(duì)所述日前-實(shí)時(shí)兩階段調(diào)度模型進(jìn)行優(yōu)化；

7、s60.?通過(guò)優(yōu)化后的日前-實(shí)時(shí)兩階段調(diào)度模型，在日前和實(shí)時(shí)兩個(gè)時(shí)間尺度上對(duì)虛擬電廠進(jìn)行兩階段調(diào)度；

8、所述歷史風(fēng)光數(shù)據(jù)包括風(fēng)速數(shù)據(jù)、太陽(yáng)輻照強(qiáng)度數(shù)據(jù)、氣象數(shù)據(jù)以及歷史風(fēng)光發(fā)電量數(shù)據(jù)；

9、所述風(fēng)光資源包括風(fēng)能和光能。

10、進(jìn)一步地，所述s10，包括：

11、s11.?從電力系統(tǒng)收集歷史風(fēng)光數(shù)據(jù)；

12、s12.?對(duì)所述歷史風(fēng)光數(shù)據(jù)進(jìn)行歸一化處理，提高模型預(yù)測(cè)性能；

13、s13.?對(duì)歸一化處理后的歷史風(fēng)光數(shù)據(jù)進(jìn)行特征工程，選擇與風(fēng)光發(fā)電量強(qiáng)相關(guān)的特征，確定時(shí)間序列的窗口大小，以便捕捉數(shù)據(jù)的時(shí)序特性；

14、所述與風(fēng)光發(fā)電量強(qiáng)相關(guān)的特征包括風(fēng)速、風(fēng)向、太陽(yáng)輻照強(qiáng)度、溫度、濕度；

15、s14.?通過(guò)非線(xiàn)性自回歸外源性模型使用所述與風(fēng)光發(fā)電量強(qiáng)相關(guān)的特征對(duì)風(fēng)光資源進(jìn)行預(yù)測(cè)，得到風(fēng)光出力數(shù)據(jù)。

16、進(jìn)一步地，所述s20，包括：

17、s21.?使用所述風(fēng)光出力數(shù)據(jù)訓(xùn)練深度卷積生成對(duì)抗網(wǎng)絡(luò)模型，使得生成器能夠產(chǎn)生與真實(shí)數(shù)據(jù)分布相似的風(fēng)光出力數(shù)據(jù)；

18、s22.?通過(guò)copula函數(shù)對(duì)生成的風(fēng)光出力數(shù)據(jù)進(jìn)行相關(guān)性分析，得到風(fēng)光相關(guān)系數(shù)和風(fēng)光相關(guān)強(qiáng)度；

19、所述copula函數(shù)能夠描述不同隨機(jī)變量之間的相關(guān)性，適用于風(fēng)光出力數(shù)據(jù)的相關(guān)性分析；所述相關(guān)性分析能夠揭示風(fēng)光資源之間的統(tǒng)計(jì)關(guān)聯(lián)度，對(duì)于使用韋布爾分布模型和統(tǒng)計(jì)分析方法來(lái)評(píng)估不確定性至關(guān)重要，可以幫助量化不同資源組合下的出力波動(dòng)，為風(fēng)光資源的不確定性提供更多的數(shù)據(jù)支持；

20、s23.?基于所述風(fēng)光相關(guān)系數(shù)和風(fēng)光相關(guān)強(qiáng)度，對(duì)風(fēng)能和光能資源的配置比例進(jìn)行優(yōu)化，提高電力系統(tǒng)的穩(wěn)定性。

21、進(jìn)一步地，所述s30，包括：

22、s31.?通過(guò)韋布爾分布模型根據(jù)風(fēng)速和太陽(yáng)輻照強(qiáng)度特征擬合風(fēng)光資源的隨機(jī)性；

23、所述韋布爾分布模型的計(jì)算公式為：

24、；

25、其中，x為隨機(jī)變量，包括風(fēng)速和太陽(yáng)輻照強(qiáng)度，k為形狀參數(shù)，為尺度參數(shù)；

26、s32.?通過(guò)最大似然估計(jì)法估計(jì)所述韋布爾分布模型的參數(shù)，利用估計(jì)的參數(shù)構(gòu)建概率分布函數(shù)并通過(guò)統(tǒng)計(jì)檢驗(yàn)，評(píng)估模型擬合效果；

27、s33.?通過(guò)所述擬合的韋布爾分布模型，生成大量的風(fēng)速和太陽(yáng)輻照的模擬風(fēng)光出力場(chǎng)景，計(jì)算所述模擬風(fēng)光出力場(chǎng)景的風(fēng)光發(fā)電量并進(jìn)行統(tǒng)計(jì)分析；

28、s34.?通過(guò)計(jì)算平均值、標(biāo)準(zhǔn)差、偏態(tài)、峰度四種指標(biāo)，量化風(fēng)光資源的不確定性；

29、s35.?基于所述風(fēng)光發(fā)電量，計(jì)算電力輸出和電力市場(chǎng)收益，采用條件風(fēng)險(xiǎn)價(jià)值cvar指標(biāo)量化運(yùn)行風(fēng)險(xiǎn)；

30、s36.?綜合分析風(fēng)光資源不確定性及運(yùn)行風(fēng)險(xiǎn)的特征，確定風(fēng)險(xiǎn)容忍度，為后續(xù)優(yōu)化調(diào)度提供決策依據(jù)。

31、進(jìn)一步地，所述s40，包括：

32、s41.?通過(guò)歷史風(fēng)光數(shù)據(jù)使用非線(xiàn)性自回歸外源性模型對(duì)月前調(diào)度數(shù)據(jù)和日前調(diào)度數(shù)據(jù)進(jìn)行預(yù)測(cè)；

33、所述月前調(diào)度數(shù)據(jù)，包括風(fēng)能出力預(yù)測(cè)數(shù)據(jù)、光能出力預(yù)測(cè)數(shù)據(jù)、風(fēng)光發(fā)電量預(yù)測(cè)數(shù)據(jù)以及實(shí)際風(fēng)能出力數(shù)據(jù)、實(shí)際光能出力數(shù)據(jù)、實(shí)際風(fēng)光發(fā)電量數(shù)據(jù)；

34、所述日前調(diào)度數(shù)據(jù)，包括日前風(fēng)能出力預(yù)測(cè)數(shù)據(jù)、日前光能出力預(yù)測(cè)數(shù)據(jù)、日前風(fēng)光發(fā)電量預(yù)測(cè)數(shù)據(jù)；

35、s42.?計(jì)算所述月前調(diào)度數(shù)據(jù)的誤差；

36、所述誤差的計(jì)算公式為：

37、；

38、；

39、；

40、其中，為風(fēng)能資源出力誤差，為光能資源出力誤差，為風(fēng)光發(fā)電量誤差；

41、s43.?通過(guò)所述月前調(diào)度數(shù)據(jù)的誤差，調(diào)整所述日前調(diào)度數(shù)據(jù)；

42、所述調(diào)整日前調(diào)度數(shù)據(jù)的計(jì)算公式為：

43、；

44、；

45、；

46、s44.?建立日前-實(shí)時(shí)兩階段優(yōu)化模型；

47、所述日前-實(shí)時(shí)兩階段優(yōu)化模型的目標(biāo)函數(shù)為:

48、；

49、其中，，分別為日前和實(shí)時(shí)階段的運(yùn)行成本函數(shù)，為風(fēng)光相關(guān)強(qiáng)度，為風(fēng)光相關(guān)系數(shù)，t為一個(gè)時(shí)間周期，t為時(shí)刻，，分別為日前和實(shí)時(shí)階段的風(fēng)光發(fā)電出力。

50、進(jìn)一步地，所述s50，包括：

51、s51.?將日前-實(shí)時(shí)兩階段調(diào)度方案編碼為染色體，初始化種群；

52、s52.?定義優(yōu)化目標(biāo)函數(shù)f(x)，包括最大化經(jīng)濟(jì)收益和最小化運(yùn)行風(fēng)險(xiǎn)；

53、所述優(yōu)化目標(biāo)函數(shù)f(x)的計(jì)算公式為：

54、；

55、其中，x為決策變量向量，為權(quán)重系數(shù)，為經(jīng)濟(jì)效益函數(shù)，為條件風(fēng)險(xiǎn)價(jià)值函數(shù)；

56、s53.?對(duì)所述種群進(jìn)行遺傳操作；

57、選擇:?采用錦標(biāo)賽選擇方法選擇適應(yīng)度較高的個(gè)體進(jìn)入下一代；

58、交叉:?對(duì)選擇的個(gè)體進(jìn)行交叉操作，產(chǎn)生新的后代個(gè)體；

59、變異:?對(duì)后代個(gè)體進(jìn)行變異操作，增加種群的多樣性；

60、s54.?將供需平衡約束、風(fēng)光出力約束、線(xiàn)路容量約束轉(zhuǎn)化為懲罰函數(shù)，加入所述優(yōu)化目標(biāo)函數(shù)得到適應(yīng)度目標(biāo)函數(shù)；所述適應(yīng)度目標(biāo)函數(shù)的計(jì)算公式為：

61、；

62、其中，為第i個(gè)約束函數(shù)，為對(duì)應(yīng)的懲罰因子，m為整數(shù)；

63、s55.?檢查是否滿(mǎn)足終止條件，若是，則終止迭代；若否，則繼續(xù)迭代；

64、所述終止條件為達(dá)到最大迭代次數(shù)或種群收斂；

65、s56.?通過(guò)迭代優(yōu)化計(jì)算，得到日前-實(shí)時(shí)兩階段的最優(yōu)調(diào)度模型。

66、進(jìn)一步地，所述s60，包括：

67、s61.?在日前階段，基于調(diào)整后的所述日前調(diào)度數(shù)據(jù)，使用s51-s56步驟的優(yōu)化后的模型，得到日前最優(yōu)調(diào)度方案；

68、s62.?在實(shí)時(shí)階段，根據(jù)實(shí)際觀測(cè)的風(fēng)光出力數(shù)據(jù)和使用s51-s56步驟優(yōu)化后模型，對(duì)日前調(diào)度方案進(jìn)行實(shí)時(shí)優(yōu)化調(diào)整，以滿(mǎn)足實(shí)時(shí)約束條件，得到實(shí)時(shí)最優(yōu)調(diào)度方案；

69、s63.?通過(guò)所述日前最優(yōu)調(diào)度方案和實(shí)時(shí)最優(yōu)調(diào)度方案，在日前和實(shí)時(shí)兩個(gè)時(shí)間尺度上對(duì)虛擬電廠進(jìn)行兩階段調(diào)度。

70、綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：

71、1.本發(fā)明提供的一種虛擬電廠兩階段調(diào)度優(yōu)化方法通過(guò)對(duì)兩階段電力資源調(diào)度，能夠提高系統(tǒng)穩(wěn)定性，使這些能源設(shè)備、儲(chǔ)能設(shè)備和負(fù)荷設(shè)備更好地協(xié)同工作，通過(guò)預(yù)測(cè)可以有效減少因風(fēng)光資源不確定性帶來(lái)的風(fēng)險(xiǎn)，有助于虛擬電廠在日前和實(shí)時(shí)調(diào)度中準(zhǔn)確估計(jì)可利用的風(fēng)光資源，保證電力系統(tǒng)的穩(wěn)定運(yùn)行。

72、2.本發(fā)明提供的一種虛擬電廠兩階段調(diào)度優(yōu)化方法通過(guò)韋布爾分布模型和條件風(fēng)險(xiǎn)價(jià)值的量化分析，可以評(píng)估風(fēng)光資源的不確定性和運(yùn)行風(fēng)險(xiǎn)。這有助于決策者更好地了解虛擬電廠在不同風(fēng)光資源條件下的潛在風(fēng)險(xiǎn)，并采取相應(yīng)的措施來(lái)降低風(fēng)險(xiǎn)并保證電力系統(tǒng)的穩(wěn)定運(yùn)行。

73、3.本發(fā)明提供的一種虛擬電廠兩階段調(diào)度優(yōu)化方法通過(guò)遺傳算法對(duì)日前-實(shí)時(shí)兩階段調(diào)度模型進(jìn)行優(yōu)化，可以得到最優(yōu)的能源調(diào)度方案。高效地整合和調(diào)度分散的資源，從而優(yōu)化虛擬電廠的調(diào)度，避免陷入局部最優(yōu)解，優(yōu)化調(diào)度還可以減少因風(fēng)光資源波動(dòng)和不確定性引起的供需不平衡問(wèn)題。