本发明涉及新能源电力系统领域，尤其是涉及一种虚拟电厂功率调节方法。
背景技术：
虚拟电厂指通过分布式电力管理系统将电网中分布式电源、可控负荷和储能装置聚合成一个虚拟的可控集合体，参与电网的运行和调度，协调智能电网与分布式电源间的矛盾，充分挖掘分布式能源为电网和用户所带来的价值和效益。
在纯由虚拟电厂供电的独立区域，适当调配各发电厂的输出功率是平衡成本和收益的重要步骤。
中华人民共和国国家知识产权局于2014年07月02日公开了名称为《一种虚拟电厂分层随机优化调度方法》的专利文献(公开号：cn103903066a)，其首先建立包括上层虚拟电厂层和下层微电网层的虚拟电厂两层协调优化调度模型，其中下层各微电网优化调度模型为机会约束模型，模型中采用经验分布函数描述不可控微电源独立状态下出力概率分布，并依据不可控微电源联合直方图选择copula函数建立联合概率分布模型。然后利用抽样平均近似法和kkt最优性条件将虚拟电厂两层协调优化调度模型转化为单层确定性模型并求解，对虚拟电厂进行最优调度。此方案可兼顾虚拟电厂内多个微电网间的协调运行；利用概率分布与copula相关性分析可充分考虑不可控微电源随机性与相关性对优化调度问题的影响，可实现虚拟电厂协调随机优化调度，但是无法实现各发电厂输出功率和地区的需求功率之间的平衡调节。
技术实现要素：
本发明主要是解决现有技术所存在的缺乏对发电厂输出功率和地区需求功率之间的调节方法的技术问题，提供一种稳定性好、精准度高、冲击小的虚拟电厂功率调节方法。
本发明针对上述技术问题主要是通过下述技术方案得以解决的：一种虚拟电厂功率调节方法，包括以下步骤：
s001、获取潮汐发电厂、风力发电厂和光伏发电厂的功率曲线；
s002、计算潮汐发电厂的功率曲线在预测时段内的波动度c0；计算风力发电厂的功率曲线在预测时段内的波动度c1；计算光伏发电厂的功率曲线在预测时段内的波动度c2；
s003、获取预测时段内的平均需求功率p；
s004、依据c0、c1、c2和p计算潮汐发电厂输出功率、风力发电厂输出功率和光伏发电厂输出功率；
s005、根据计算所得调整各发电厂的输出功率。
本方案的虚拟电厂包括潮汐发电厂、风力发电厂和光伏发电厂，三类发电厂的输出汇入总电网然后供用电单位使用。各发电厂的功率曲线为根据天气情况和历史发电量得到的随时间变化的发电功率曲线，为预测量。波动度反应曲线的变化剧烈程度。为减小冲击，功率变化越平缓越好。本方案在满足平均需求功率的情况下，依据各发电厂的功率曲线波动度计算最平缓的输出功率，从而使得总输出达到最平稳，电网波动最小，因为发电功率变化而带来的冲击也最小。
作为优选，所述步骤s004具体为：
根据潮汐发电厂的功率曲线计算预测时段内的潮汐平均功率p0；根据风力发电厂的功率曲线计算预测时段内的风力平均功率p1；根据光伏发电厂的功率曲线计算预测时段内的光伏平均功率p2；计算各发电厂的输出功率权重值，公式如下：
m·p0+n·p1+k·p2＝p
式中，m为潮汐发电厂的输出功率权重值，n为风力发电厂的输出功率权重值，k为光伏发电厂的输出功率权重值；
潮汐发电厂的输出功率为m·p0，风力发电厂的输出功率为n·p1，光伏发电厂的输出功率为k·p2。
上述方式可以使所有发电厂总的输出与平均需求功率平衡，并且平稳度最高。
作为优选，当m、n和k中的任意一个或两个大于1时，则设定大于1的权重值为1，等比例增大其余权重值直至满足公式m·p0+n·p1+k·p2＝p。
保证输出不低于平均需求功率是首要条件，其次再进行平稳度的调整。
作为优选，所述波动度为功率曲线在预测时段内各采样点的方差或标准差。
采样频率根据需求确定。使用采样的方式可以减少计算量，提高反应速度。
作为优选，所述预测时段指从当前时刻起t秒内的时长，t为预测时长。
预测时长为设定值，由工作人员根据实际情况确定。
本发明带来的实质性效果是，使总的发电输出量与需求量达到平衡，并且具有最好的平稳度，波动平缓，对电网和用电设备冲击小，降低成本，延长电网和设备的寿命。
附图说明
图1是本发明的一种流程。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：本实施例的一种虚拟电厂功率调节方法，如图1所示，包括以下步骤：
s001、获取潮汐发电厂、风力发电厂和光伏发电厂的功率曲线；
s002、计算潮汐发电厂的功率曲线在预测时段内的波动度c0；计算风力发电厂的功率曲线在预测时段内的波动度c1；计算光伏发电厂的功率曲线在预测时段内的波动度c2；
s003、获取预测时段内的平均需求功率p；
s004、依据c0、c1、c2和p计算潮汐发电厂输出功率、风力发电厂输出功率和光伏发电厂输出功率；
s005、根据计算所得调整各发电厂的输出功率。
本方案的虚拟电厂包括潮汐发电厂、风力发电厂和光伏发电厂，三类发电厂的输出汇入总电网然后供用电单位使用。各发电厂的功率曲线为根据天气情况和历史发电量得到的随时间变化的发电功率曲线，为预测量。波动度反应曲线的变化剧烈程度。为减小冲击，功率变化越平缓越好。本方案在满足平均需求功率的情况下，依据各发电厂的功率曲线波动度计算最平缓的输出功率，从而使得总输出达到最平稳，电网波动最小，因为发电功率变化而带来的冲击也最小。
所述步骤s004具体为：
根据潮汐发电厂的功率曲线计算预测时段内的潮汐平均功率p0；根据风力发电厂的功率曲线计算预测时段内的风力平均功率p1；根据光伏发电厂的功率曲线计算预测时段内的光伏平均功率p2；计算各发电厂的输出功率权重值，公式如下：
m·p0+n·p1+k·p2＝p
式中，m为潮汐发电厂的输出功率权重值，n为风力发电厂的输出功率权重值，k为光伏发电厂的输出功率权重值；
潮汐发电厂的输出功率为m·p0，风力发电厂的输出功率为n·p1，光伏发电厂的输出功率为k·p2。
上述方式可以使所有发电厂总的输出与平均需求功率平衡，并且平稳度最高。
当m、n和k中的任意一个或两个大于1时，则设定大于1的权重值为1，等比例增大其余权重值直至满足公式m·p0+n·p1+k·p2＝p。
保证输出不低于平均需求功率是首要条件，其次再进行平稳度的调整。
所述波动度为功率曲线在预测时段内各采样点的方差或标准差。
采样频率根据需求确定。使用采样的方式可以减少计算量，提高反应速度。
所述预测时段指从当前时刻起t秒内的时长，t为预测时长。
预测时长为设定值，由工作人员根据实际情况确定。
每隔时长t1，重新计算各发电厂波动度并依据计算结果对发电厂输出功率进行调整，t1由以下公式获得：
式中，c0、c1和c2均采用最后一次计算所得值，t0为基准间隔时长，c’为基准波动度。
本方案依照波动度动态调整延时间隔时长t1，波动度较大时间隔时长较短，波动度较小时间隔时长较长，使系统具有最高的控制效率。
平均需求功率p按以下方式计算：
s101、获取虚拟电厂所供电的当地gdp历年数据以及当地gdp目标数据；获取虚拟电厂所供电的当地用电功率历年数据曲线；
s102、计算电力系统用电弹性系数：
et＝{(pt+1-pt)/pt}/{(gt+1-gt)/gt}；
et为前第t年时电力系统用电弹性系数，pt为当地前第t年在对应时段内的平均用电功率，gt为当地前第t年的gdp数据；当年的gdp数据采用最新的当地gdp目标数据；
s103、通过电力系统用电弹性系数公式计算平均需求功率p：
s为有效年限，为预设值，可以由工作人员进行调整，需求的精度越高则s越大；对应时段为与预测时段对应的历年的时间段，即当前需要计算的时间段和历年的时间段对应。平均需求功率p与当地的gdp挂钩，gdp越高则所需求的功率也越高。
本发明使总的发电输出量与需求量达到平衡，并且具有最好的平稳度，波动平缓，对电网和用电设备冲击小，降低成本，延长电网和设备的寿命。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了功率曲线、波动度、平均需求功率等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。