一种分布式能源的配置方法、装置、移动终端及存储介质与流程

1.本发明涉及数据处理技术领域，尤其涉及一种分布式能源的配置方法、装置、移动终端及存储介质。


背景技术：

2.传统的电力市场出清模型，采用发用双方集中报价，以社会福利最大化或发电总费用最小为目标，考虑电网的各类约束条件，实现整个电力资源的优化配置。当前的出清优化算法在求解规模较小时相对高效，能够满足调度要求。
3.随着新型电力系统的不断发展，能源结构将发生较大改变，大规模的分布式能源也将不断接入电网，面对海量的分布式能源信息，传统的市场出清模型无法有效应对，求解规模和约束条件的不断增加，出清模型算法的计算效率将大大降低甚至出现求解算法无法收敛的问题，因此，面对分布式资源，集中式的出清方法，难以充分整合利用不同类型的分布式资源实现分布式资源的优化配置，即分布式能源的配置精度不高，从而进一步危及系统的安全稳定运行。
4.由上述可得，现有的分布式能源的配置方法由于出清模型的计算效率低下，而存在精度不高的问题。


技术实现要素：

5.本发明实施例提供一种分布式能源的配置方法、装置、移动终端及存储介质，提高了分布式能源的配置精度。
6.本技术实施例的第一方面提供了一种分布式能源的配置方法，包括：
7.根据待配置分布式能源中的电力数据和电价数据，建立分布式能源出清模型；
8.根据增广拉格朗日函数对分布式能源出清模型进行解耦，得到多个交易子模型；
9.根据多个交易子模型进行迭代交替求解，得到分布式交易中电力用户的交易电量和出清价格；
10.根据交易电量和出清价格得到调度处理计划和机组组合，根据调度处理计划和机组组合对待配置分布式能源进行配置。
11.在第一方面的一种可能的实现方式中，根据增广拉格朗日函数对分布式能源出清模型进行解耦，得到多个交易子模型，具体为：
12.根据分布式能源出清模型建立全局优化模型；
13.根据全局优化模型和拉格朗日乘子得到增广拉格朗日函数；
14.根据增广拉格朗日函数对分布式能源出清模型进行解耦，得到多个交易子模型。
15.在第一方面的一种可能的实现方式中，根据多个交易子模型进行迭代交替求解，得到分布式交易中电力用户的交易电量和出清价格，具体为：
16.其中，交易子模型的种类包括：售电商市场交易子模型和电力用户市场交易子模型；
17.根据协调价格和建议电量，更新优化电力用户市场交易子模型，得到第一优化结果；
18.将第一优化结果反馈给售电商市场交易子模型后，再次优化得到下一次的协调价格和建议电量，通过多次迭代直至收敛，得到最终的分布式交易中电力用户的交易电量和出清价格。
19.在第一方面的一种可能的实现方式中，根据待配置分布式能源中的电力数据和电价数据，建立分布式能源出清模型，具体为：
20.根据待配置分布式能源中的电力数据和电价数据获取目标函数；其中，目标函数为用于表示系统运行成本最小化的函数；
21.根据目标函数和约束条件，建立分布式能源出清模型；其中，约束条件包括：用户功率平衡约束条件、分布式交易平衡约束条件和用户分布式能源交易电量约束条件。
22.本技术实施例的第二方面提供了一种分布式能源的配置装置，包括：建立模块、解耦模块、求解模块和配置模块；
23.其中，建立模块用于根据待配置分布式能源中的电力数据和电价数据，建立分布式能源出清模型；
24.解耦模块用于根据增广拉格朗日函数对分布式能源出清模型进行解耦，得到多个交易子模型；
25.求解模块用于根据多个交易子模型进行迭代交替求解，得到分布式交易中电力用户的交易电量和出清价格；
26.配置模块用于根据交易电量和出清价格得到调度处理计划和机组组合，根据调度处理计划和机组组合对待配置分布式能源进行配置。
27.在第二方面的一种可能的实现方式中，根据增广拉格朗日函数对分布式能源出清模型进行解耦，得到多个交易子模型，具体为：
28.根据分布式能源出清模型建立全局优化模型；
29.根据全局优化模型和拉格朗日乘子得到增广拉格朗日函数；
30.根据增广拉格朗日函数对分布式能源出清模型进行解耦，得到多个交易子模型。
31.在第二方面的一种可能的实现方式中，根据多个交易子模型进行迭代交替求解，得到分布式交易中电力用户的交易电量和出清价格，具体为：
32.其中，交易子模型的种类包括：售电商市场交易子模型和电力用户市场交易子模型；
33.根据协调价格和建议电量，更新优化电力用户市场交易子模型，得到第一优化结果；
34.将第一优化结果反馈给售电商市场交易子模型后，再次优化得到下一次的协调价格和建议电量，通过多次迭代直至收敛，得到最终的分布式交易中电力用户的交易电量和出清价格。
35.在第二方面的一种可能的实现方式中，根据待配置分布式能源中的电力数据和电价数据，建立分布式能源出清模型，具体为：
36.根据待配置分布式能源中的电力数据和电价数据获取目标函数；其中，目标函数为用于表示系统运行成本最小化的函数；
37.根据目标函数和约束条件，建立分布式能源出清模型；其中，约束条件包括：用户功率平衡约束条件、分布式交易平衡约束条件和用户分布式能源交易电量约束条件。
38.本技术实施例的第三方面提供了一种移动终端，包括处理器和存储器，存储器存储有计算机可读程序代码，处理器执行计算机可读程序代码时实现上述的一种分布式能源的配置方法的步骤。
39.本技术实施例的第四方面提供了一种存储介质，存储介质存储计算机可读程序代码，当计算机可读程序代码被执行时实现上述的一种分布式能源的配置方法的步骤。
40.相比于现有技术，本发明实施例提供的一种分布式能源的配置方法、装置、移动终端及存储介质，所述方法包括：根据待配置分布式能源中的电力数据和电价数据，建立分布式能源出清模型；根据增广拉格朗日函数对分布式能源出清模型进行解耦，得到多个交易子模型；根据多个交易子模型进行迭代交替求解，得到分布式交易中电力用户的交易电量和出清价格；根据交易电量和出清价格得到调度处理计划和机组组合，根据调度处理计划和机组组合对待配置分布式能源进行配置。
41.其有益效果在于：本发明实施例根据待配置分布式能源中的电力数据和电价数据，建立分布式能源出清模型后，根据增广拉格朗日函数对分布式能源出清模型进行解耦，得到多个交易子模型，根据多个交易子模型进行迭代交替求解，得到调度处理计划和机组组合，根据调度处理计划和机组组合对待配置分布式能源进行配置。本发明实施例将分布式能源出清模型进行解耦成多个交易子模型，能够将大规模分布式优化原问题分解成多个小规模的子问题，并行求解多个子问题，通过迭代协调各子问题的解得到原问题的全局最优解，解决了分布式交易出清效率低下的问题以及求解算法无法收敛的问题，从而提升电网调度优化的出清效率，提高了调度处理计划和机组组合的计算精度，从而提高了分布式能源的配置精度；同时，本发明实施例能够保障电网调度机构及时安排调度处理计划，实现调度处理计划的精细化管理，能积极应对新能源或分布式资源的间歇性或波动性，从而保障了系统的安全稳定性。
附图说明
42.图1是本发明一实施例提供的一种分布式能源的配置方法的流程示意图；
43.图2是本发明一实施例提供的一种分布式能源的配置装置的结构示意图。
具体实施方式
44.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
45.参照图1，是本发明一实施例提供的一种分布式能源的配置方法的流程示意图，包括s101-s104：
46.s101：根据待配置分布式能源中的电力数据和电价数据，建立分布式能源出清模型。
47.其中，所述分布式能源出清模型为分布式能源共享交易出清模型。
48.在本实施例中，所述根据待配置分布式能源中的电力数据和电价数据，建立分布式能源出清模型，具体为：
49.根据待配置分布式能源中的电力数据和电价数据获取目标函数；其中，所述目标函数为用于表示系统运行成本最小化的函数；
50.根据所述目标函数和约束条件，建立所述分布式能源出清模型；其中，所述约束条件包括：用户功率平衡约束条件、分布式交易平衡约束条件和用户分布式能源交易电量约束条件。
51.在一具体实施例中，用户向其他用户共享自身分布式能源，相比于用户独立运行状态，会导致用户运行成本上升，为激励用户主动参与市场优化运行，售电商作为市场组织者，需向用户支付相应的费用。设置用户的用电成本为ci，售电商的收益为r，售电商向用户i支付的费用为结合待配置分布式能源中的电力数据和电价数据，以社会福利最大化或系统运行成本最小化为目标建立目标函数，可由以下公式表示：
[0052][0053][0054][0055]
其中，min
x
用于表示系统运行成本最小化，ωs表示场景集合，ω
t
表示时段集合，ωu表示用户集合。εs为场景s的概率。进一步地，待配置分布式能源中的电价数据包括：和、和、表示售电商向电网的售电价格，表示售电商从电网的购电价格，表示售电商为用户提供的零售电价，表示售电商为用户提供的净计量电价；待配置分布式能源中的电力数据包括：和和为用户i在场景s和时段t的净剩余功率，为用户i在场景s和时段t的净负荷，为所有用户在场景s和时段t的净剩余功率，为所有用户在场景s和时段t的净负荷，为用户i在场景s和时段t的可控负荷，ui(
·
)为用户i的效用函数。
[0056]
在一具体实施例中，约束条件如下：
[0057]
(1)用户功率平衡约束：
[0058][0059]
其中，代表用户参与分布式交易电量。
[0060]
(2)分布式交易平衡约束：
[0061][0062]
其中，分布式交易平衡约束用于表示各场景和时段下所有用户参与分布式交易的电量之和为0，即分布式交易的自平衡。为该平衡条件的拉格朗日松弛因子。
[0063]
(3)用户分布式能源交易电量约束：
[0064][0065]
其中，用户分布式能源交易电量约束表示用户参与市场交易的电量可正可负，表示用户分布式能源交易电量的上限，交易电量为正表示在市场中是供给者，为负表示在市场中是消费者。
[0066]
上述目标函数和上述约束条件构成分布式能源共享交易出清模型。
[0067]
s102：根据增广拉格朗日函数对分布式能源出清模型进行解耦，得到多个交易子模型。
[0068]
在本实施例中，所述根据增广拉格朗日函数对所述分布式能源出清模型进行解耦，得到多个交易子模型，具体为：
[0069]
根据所述分布式能源出清模型建立全局优化模型；
[0070]
根据所述全局优化模型和拉格朗日乘子得到所述增广拉格朗日函数；
[0071]
根据所述增广拉格朗日函数对所述分布式能源出清模型进行解耦，得到多个所述交易子模型。
[0072]
在一具体实施例中，根据分布式能源出清模型建立全局优化模型，全局优化模型于分布式能源出清模型相对应，如下所示：
[0073][0074]
s.t.
[0075]
h(x，y)＝0;
[0076]
其中，x，y为优化决策变量，x表示用户变量，y表示代理售电商变量。约束条件可表示为用户变量和代理售电商变量的耦合约束。全局优化模型的增广拉格朗日函数如下所示：
[0077][0078]
其中，λ为约束条件的拉格朗日乘子，ρ为惩罚项的罚因子。交叉方向乘子法设计如下迭代求解流程：
[0079][0080]
[0081]
λ(k+1)＝λ(k)+ρ
·
h(x(k+1)，y(k+1))；
[0082]
即给定第k次的拉格朗日乘子λ(k)和部分最优解y(k)，优化增广拉格朗日函数，得到第k+1的另一部分最优解x(k+1)；给定第k次的拉格朗日乘子λ(k)和第k+1次部分最优解x(k+1)，优化增广拉格朗日函数，得到第k+1的另一部分最优解y(k+1)；更新拉格朗日乘子，得到第k+1次的值；最后，重新开始下一轮迭代。
[0083]
引入辅助变量代表售电商建议给用户i的净负荷、净剩余功率和参与市场交易电量，同时将此辅助变量添加至分布式能源出清模型中，根据交叉方向乘子法分解得到售电商市场交易子模型和电力用户市场交易子模型。
[0084]
进一步地，售电商市场交易子模型如下所示：
[0085]
售电商市场交易子模型的目标函数为：
[0086][0087]
售电商市场交易子模型的约束条件为第一约束、第二约束和第三约束：
[0088]
第一约束：
[0089]
第二约束：
[0090]
第三约束：
[0091]
其中，代理售电商市场交易子模型的优化决策变量为其中，代理售电商市场交易子模型的优化决策变量为为第三约束的对偶乘子。约束条件中，与代理售电商相关的优化决策变量均替换为通过优化该模型，可以得到代理售电商建议用户的用电水平
[0092]
电力用户市场交易子模型如下所示：
[0093]
电力用户市场交易子模型的目标函数为：
[0094][0095]
电力用户市场交易子模型的约束条件为上述的用户功率平衡约束和用户分布式能源交易电量约束，如下所示：
[0096]
[0097][0098]
其中，用户市场交易子模型的优化决策变量为xi和xi包括用户i的净剩余功率和净负荷，为用户i可交易电量，优化电力用户市场交易子模型，可以得到各用户的实际用电水平。
[0099]
s103：根据多个交易子模型进行迭代交替求解，得到分布式交易中电力用户的交易电量和出清价格。
[0100]
在一具体实施例中，所述迭代交替求解过程采用的是交叉方向乘子法的迭代规则。
[0101]
在本实施例中，所述根据多个所述交易子模型进行迭代交替求解，得到分布式交易中电力用户的交易电量和出清价格，具体为：
[0102]
其中，所述交易子模型的种类包括：售电商市场交易子模型和电力用户市场交易子模型；
[0103]
根据协调价格和建议电量，更新优化所述电力用户市场交易子模型，得到第一优化结果；
[0104]
将所述第一优化结果反馈给所述售电商市场交易子模型后，再次优化得到下一次的协调价格和建议电量，通过多次迭代直至收敛，得到最终的分布式交易中电力用户的交易电量和出清价格。
[0105]
在本实施例中，第一优化结果包括：优化后的净负荷、优化后的净功率剩余和优化后的参与市场交易电量。
[0106]
在一具体实施例中，更新优化电力用户市场交易子模型如下所示：
[0107][0108]
其中，罚因子即迭代步长选取为
[0109]
s104：根据交易电量和出清价格得到调度处理计划和机组组合，根据调度处理计划和机组组合对待配置分布式能源进行配置。
[0110]
为了进一步说明分布式能源的配置装置，请参照图2，图2是本发明一实施例提供的一种分布式能源的配置装置的结构示意图，包括：建立模块201、解耦模块202、求解模块203和配置模块204；
[0111]
其中，所述建立模块201用于根据待配置分布式能源中的电力数据和电价数据，建立分布式能源出清模型；
[0112]
所述解耦模块202用于根据增广拉格朗日函数对所述分布式能源出清模型进行解耦，得到多个交易子模型；
[0113]
所述求解模块203用于根据多个所述交易子模型进行迭代交替求解，得到分布式交易中电力用户的交易电量和出清价格；
[0114]
所述配置模块204用于根据所述交易电量和所述出清价格得到调度处理计划和机
组组合，根据所述调度处理计划和所述机组组合对所述待配置分布式能源进行配置。
[0115]
在本实施例中，所述根据增广拉格朗日函数对所述分布式能源出清模型进行解耦，得到多个交易子模型，具体为：
[0116]
根据所述分布式能源出清模型建立全局优化模型；
[0117]
根据所述全局优化模型和拉格朗日乘子得到所述增广拉格朗日函数；
[0118]
根据所述增广拉格朗日函数对所述分布式能源出清模型进行解耦，得到多个所述交易子模型。
[0119]
在本实施例中，所述根据多个所述交易子模型进行迭代交替求解，得到分布式交易中电力用户的交易电量和出清价格，具体为：
[0120]
其中，所述交易子模型的种类包括：售电商市场交易子模型和电力用户市场交易子模型；
[0121]
根据协调价格和建议电量，更新优化所述电力用户市场交易子模型，得到第一优化结果；
[0122]
将所述第一优化结果反馈给所述售电商市场交易子模型后，再次优化得到下一次的协调价格和建议电量，通过多次迭代直至收敛，得到最终的分布式交易中电力用户的交易电量和出清价格。
[0123]
在本实施例中，所述根据待配置分布式能源中的电力数据和电价数据，建立分布式能源出清模型，具体为：
[0124]
根据待配置分布式能源中的电力数据和电价数据获取目标函数；其中，所述目标函数为用于表示系统运行成本最小化的函数；
[0125]
根据所述目标函数和约束条件，建立所述分布式能源出清模型；其中，所述约束条件包括：用户功率平衡约束条件、分布式交易平衡约束条件和用户分布式能源交易电量约束条件。
[0126]
本发明一具体实施例提供了一种移动终端，包括处理器和存储器，所述存储器存储有计算机可读程序代码，所述处理器执行所述计算机可读程序代码时实现上述的一种分布式能源的配置方法的步骤。
[0127]
本发明一具体实施例提供了一种存储介质，所述存储介质存储计算机可读程序代码，当所述计算机可读程序代码被执行时实现上述的一种分布式能源的配置方法的步骤。
[0128]
本发明实施例通过建立模块201根据待配置分布式能源中的电力数据和电价数据，建立分布式能源出清模型；通过解耦模块202根据增广拉格朗日函数对分布式能源出清模型进行解耦，得到多个交易子模型；通过求解模块203根据多个交易子模型进行迭代交替求解，得到分布式交易中电力用户的交易电量和出清价格；通过配置模块204根据交易电量和出清价格得到调度处理计划和机组组合，根据调度处理计划和机组组合对待配置分布式能源进行配置。
[0129]
本发明实施例根据待配置分布式能源中的电力数据和电价数据，建立分布式能源出清模型后，根据增广拉格朗日函数对分布式能源出清模型进行解耦，得到多个交易子模型，根据多个交易子模型进行迭代交替求解，得到调度处理计划和机组组合，根据调度处理计划和机组组合对待配置分布式能源进行配置。本发明实施例将分布式能源出清模型进行解耦成多个交易子模型，能够将大规模分布式优化原问题分解成多个小规模的子问题，并
行求解多个子问题，通过迭代协调各子问题的解得到原问题的全局最优解，解决了分布式交易出清效率低下的问题以及求解算法无法收敛的问题，从而提升电网调度优化的出清效率，提高了调度处理计划和机组组合的计算精度，从而提高了分布式能源的配置精度；同时，本发明实施例能够保障电网调度机构及时安排调度处理计划，实现调度处理计划的精细化管理，能积极应对新能源或分布式资源的间歇性或波动性，从而保障了系统的安全稳定性。
[0130]
以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。