一种虚拟电厂控制调度方法及系统与流程

本发明涉及过程控制领域，具体而言，涉及一种虚拟电厂控制调度方法及系统。

背景技术：

1、虚拟电厂(virtual power plant，简称vpp)作为一个统筹调度多方能源的解决方案，可以极大提高电力系统的经济性和灵活性。

2、在风机、光伏等可再生能源发电机组装机容量持续增长的同时，用户侧光储荷一体化规模也在逐渐增加，现有的虚拟电厂的控制方法是根据不同时段储能采用不用的充放电策略实现用户收益最大化，但由于只针对于个体用户，而对于如何针对大量的用户侧储能参与电力市场交易没有给出实际可操作的方法。

3、鉴于上述技术，寻找一种可以针对于大量的用户的虚拟电厂控制调度方法是本领域技术人员亟待解决的问题。

技术实现思路

1、本发明的目的在于提供一种虚拟电厂控制调度方法及系统，其能够解决现有的虚拟电厂的控制方法是根据不同时段储能采用不用的充放电策略实现用户收益最大化，但由于只针对于个体用户，而对于如何针对大量的用户侧储能参与电力市场交易没有给出实际可操作的方法的问题。

2、本发明是这样实现的：

3、第一方面，本技术实施例提供一种虚拟电厂控制调度方法，包括以下步骤：获取预设区域内各用户的基础信息，所述基础信息包括光伏、储能、负荷信息参数，根据所述基础信息提取相关特征，并依据所述相关特征对所述用户的虚拟电厂进行聚类，并依据聚类的结果将所述虚拟电厂划分为不同的所述虚拟电厂，基于划分后的各所述虚拟电厂，利用主从博弈理论模型计算得到最优调度结果，并依据所述最优调度结果对所述虚拟电厂进行调度控制，所述主从博弈理论模型为根据供电关系以及调度成本建立的计算模型。

4、在本发明的一些实施例中，所述根据所述基础信息提取相关特征，并依据所述相关特征对所述用户的虚拟电厂进行聚类包括：

5、根据所述用户的光伏设备信息，提取光伏特征，所述光伏特征包括光伏额定发电功率，光伏发电历史数据；

6、根据所述用户的用电负载信息，提取用电行为习惯特征，所述用电行为习惯特征包括用电高峰时段、用电低谷时段、用电负荷最大值、用电负荷最小值、用电负荷平均值；

7、根据用户储能电池信息，提取储能电池特征，所述储能电池特征包括不同时段的soc曲线、储能电池额定充放电功率；

8、根据所述储能电池特征、所述光伏特征以及所述用电行为习惯特征利对各所述用户用k-means聚类算法进行聚类获得所述聚类结果。

9、在本发明的一些实施例中，所述主从博弈理论模型的建立包括以下步骤：

10、根据所述虚拟电厂的供电方与所述虚拟电厂之间的购售电关系与时序性关系，建立以所述虚拟电厂运营商收益最大化的上层模型；

11、根据上层模型结合各所述虚拟电厂的信息获取得到计算结果，并根据所述计算结果建立基于条件风险价值的各所述虚拟电厂调度成本最小化的下层模型；

12、依据所述上层模型和下层模型建立所述主从博弈理论模型。

13、在本发明的一些实施例中，所述上层模型的建立包括如下步骤：

14、通过如下公式计算得到所述上层模型的目标函数max f：

15、；其中，λsell(t)为t时刻虚拟电厂运营商向电力市场的售电电价；psell(t)为t时刻虚拟电厂运营商向电力市场的售电功率；λbuy(t)为t时刻虚拟电厂运营商向电力市场购电电价；pbuy(t)为t时刻虚拟电厂向电力市场购电功率；epvpp,nsell为第n个虚拟电厂t时刻向运营商售电电价；pnsell(t)为第n个虚拟电厂t时刻向运营商售电功率；epvpp,nbuy为第n个虚拟电厂t时刻向运营商购电电价；pnbuy(t)为第n个虚拟电厂t时刻向运营商购电功率；作为主从博弈的领导者，所述上层模型的决策变量为{psell(t),pbuy(t),pnsell(t),pnbuy(t),epvpp,nsell,epvpp,nbuy}；

16、通过如下公式，计算得到所述目标函数对应的约束条件：

17、

18、依据所述目标函数以及所述目标函数对应的约束条件，建立所述上层模型。

19、在本发明的一些实施例中，所述下层模型的建立包括如下步骤：

20、根据如下公式计算得到对应的目标函数min fn：

21、minfn＝λcsystem+(1-λ)ccvar

22、

23、

24、其中fn为基于cvar的第n个vpp调度综合成本；csystem为系统期望成本；epvpp,nbuy，epvpp,nsell为该vpp向虚拟电厂运营商的购电电价、售电电价，为上层模型的决策变量；pvpp,nbuy(t)，pvpp,nbuy(t)为该vpp向虚拟电厂运营商的购电功率、售电功率，为上层模型的决策变量；cpv,i为vpp内部第i个用户光伏发电成本系数；ppv(t)为vpp内部第i个用户光伏发电功率；cbat,i为vpp内部第i个用户储能充放电成本系数；pbat,i(t)为vpp内部第i个用户充放电功率，其中充电为正，放电为负；ccvar为系统经济调度的cvar；λ为权重，且λ∈[0,1]；β为风险价值；α为置信水平，其大小反映了决策者对风险的厌恶水平；[csystem-β]+为[csystem-β]+＝max(csystem-β,0)；作为主从博弈论的跟随者，调度成本最小化模型的决策变量为{ppv,i(t),pbat,i(t),β,λ}，即vpp内部每个用户储能的充放电功率以及光伏发电功率；

25、针对于所述下层模型的目标函数min fn，对应的约束条件如下：

26、

27、其中pload,i(t)为用户t时刻的负载功率；pbatchar(t)、pbatdischar(t)为储能电池的充放电功率，且要求同一时刻，只能存在一种状态，充电或者放电；pbatchar,max、pbatdischar,max为储能电池的充放电功率的最大值；ηchar、ηdischar为储能电池的充放电效率；soc(t)为当前时刻的储能的荷电状态；socmin、socmax为储能电池荷电状态的最小值和最大值；capbat为储能电池的容量；δt为时间间隔；ppvmax为光伏发电的额定功率。

28、在本发明的一些实施例中，所述基于划分后的各所述虚拟电厂，利用主从博弈理论模型计算得到最优调度结果包括：

29、根据差分进化联合线性规划(de-lp)结合的均衡求解算法，代入各所述虚拟电厂的信息参数并采用采用线性规划的对所述主从博弈理论模型进行求解获取得到所述最优调取结果。

30、在本发明的一些实施例中，在所述依据所述最优调度结果对所述虚拟电厂进行调度控制之后，还包括：

31、收集并统计所述虚拟电厂进行调度控制后的控制结果，若所述控制结果与所述最优调度结果的差值超过预设偏差，则进行报警，以便于提示用户对所述虚拟电厂的调度控制进行修改。

32、第二方面，本技术实施例提供一种虚拟电厂控制调度系统，其包括：

33、获取模块，用于获取预设区域内各用户的基础信息，所述基础信息包括光伏、储能、负荷信息参数；

34、提取模块，用于根据所述基础信息提取相关特征，并依据所述相关特征对所述用户的虚拟电厂进行聚类，并依据聚类的结果将所述虚拟电厂划分为不同的所述虚拟电厂；

35、划分模块，用于基于划分后的各所述虚拟电厂，利用主从博弈理论模型计算得到最优调度结果，并依据所述最优调度结果对所述虚拟电厂进行调度控制，所述主从博弈理论模型为根据供电关系以及调度成本建立的计算模型。

36、第三方面，本技术实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器；当上述一个或多个程序被上述处理器执行时，实现如上述第一方面中任一项上述的方法。

37、第四方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项上述的方法。

38、相对于现有技术，本发明的实施例至少具有如下优点或有益效果：本发明的实施例提出了一种虚拟电厂控制调度方法，基于用户信息进行虚拟电厂的聚类划分后，利用主从博弈理论模型计算得到最优调度结果，并依据最优调度结果对虚拟电厂进行调度控制，与现有的虚拟电厂的控制方法，本方案引入了用户信息进行聚类划分从而可以针对于多个用户进行聚合运算，从而能针对于大量用户进行最优结果的调度控制。