一种电网多层级优化调度方法、装置、存储介质以及系统与流程

本发明涉及电网多层级优化调度，尤其涉及一种电网多层级优化调度方法、装置、计算机可读存储介质及系统。

背景技术：

1、电力工业管理体制可大致分为两个阶段:第一阶段，20世纪90年代前的传统电网中，各国大多对电力行业实行价格和市场准入的严格管制、实行中央垂直垄断经营，并由政府维持其垄断地位。第二阶段，20世纪90年代之后，各国纷纷实行市场化改革，将电力资源通过电力市场进行有效配置。在市场环境下，由于负荷预测精度、天气、事故等因素，日前制定的交易策略和实际运行状况差异巨大，实时市场是平衡电量偏差的有效市场手段。实时市场中维持系统电能平衡、运行安全稳定及保证电能质量是通过实时调度运作机制实现的，实时优化调度是保证电网在市场环境下安全运行的关键。实时优化调度机制设计原则如下:1)在满足电网安全的前提下，实时交易支付的总成本(包括提供的辅助服务成本)最低；2)公平、公正的竞争环境；3)电网安全校正(预先发现阻塞并提前消除阻塞)。在上述设计原则的指导下，实时调度机制满足实时调度交易、实时辅助服务和电网阻塞在线安全校正控制三个基本功能。随着新能源比例不断增大，电网特性发生变化，电网结构越来越复杂，电网运行时存在的风险随之增加，调度策略氶需不断优化。

2、在现有技术中，主要通过以下方式进行调度研究：新能源电力系统优化调度、“源-荷”互动电力市场下的实时调度以及多时间尺度协调的优化调度。

3、但是，现有技术仍存在如下缺陷：未考虑实时调控的需求、电力市场运行成本及新能源机组出力的不确定性，从而使得电网资源调度的效率和安全性不足，难以满足实际调度的需要。

4、因此，当前需要一种电网多层级优化调度方法、装置、计算机可读存储介质以及系统，从而克服现有技术中存在的上述缺陷。

技术实现思路

1、本发明实施例提供一种电网多层级优化调度方法、装置、计算机可读存储介质以及系统，从而提升电网资源调度的效率和安全性。

2、本发明一实施例提供一种电网多层级优化调度方法，所述优化调度方法包括：获取待调度电网的各类型可调节资源的历史出力数据，并根据预设的综合预测方法以及所述历史出力数据，预测一天中各个时段内各类型可调节资源的出力预测数据；所述综合预测方法包括卷积神经网络算法和长短期记忆神经网络算法；根据预设的区间优化算法以及所述出力预测数据，对预设的系统调度模型进行优化求解，获得各类型可调节资源的日前最优调度策略，并通过预设的ncpso算法，根据所述日前最优调度策略以及预设的调度目标函数，求得各类型可调节资源的日内调度最优策略；根据预设的分布式调度优化方法、所述日前最优调度策略以及所述日内调度最优策略，建立最小偏差调度模型，根据完全分布式算法以及所述最小偏差调度模型，获得实时优化调度策略，并根据所述实时优化调度策略对所述待调度电网进行实时优化调节。

3、作为上述方案的改进，根据预设的综合预测方法以及所述历史出力数据，预测一天中各个时段内各类型可调节资源的出力预测数据，具体包括：对所述历史出力数据进行预处理，分析并计算可调节资源的调节性能；根据所述调节性能以及预设的综合预测方法，预测各类型可调节资源在一天中各个时段的处理预测数据。

4、作为上述方案的改进，根据完全分布式算法以及所述最小偏差调度模型，获得实时优化调度策略，具体包括：将一致性原理与梯度下降法相结合，采用完全分布式算法，对所述最小偏差调度模型进行优化求解，制定可调节资源的实时优化调度策略。

5、作为上述方案的改进，所述系统调度模型公式为：minf＝min{f1+f2+f3+f4+f5+f6}；式中，f1为常规机组发电成本；f2为快速启停机组发电成本；f3为机组启停成本；f4为风电运维成本；f5为光伏运维成本；f6为储能充放电成本。

6、作为上述方案的改进，所述辅助调节目标函数具体为：fb＝min[π(s)(fb1+fb2+fb3)+f]；式中，π(s)为需要采取以上辅助调节手段参与调度的概率，fb1为机组备用出力成本；fb2为一次调频成本；fb3为agc机组备用出力成本。

7、作为上述方案的改进，所述最小偏差调度模型公式为：

8、式中，λ1、λ2、λ3均为权重，nt为实时调度持续时长，ns为参与实时调度的机组数量，nj为日前最优调度策略中参与实时调度的机组数量，nk为日内最优调度策略中参与实时调度的机组数量；为实时调度机组的实时调度增量；δpix为实时调度需求；为日前调度策略中各类可调节资源的调度量；为日内调度策略中各类可调节资源的调度量。

9、作为上述方案的改进，所述调度目标函数公式为：min f＝min{f1+f2+f3+f4+f5+f6+f7}；式中，f1为火电调度成本；f2为风电调度成本；f3为弃风成本；f4为弃光成本；f5为柔性负荷调度成本；f6为储能装置调度成本；f7为火电机组备用容量调度成本。

10、作为上述方案的改进，通过预设的ncpso算法，根据所述日前最优调度策略以及预设的调度目标函数，求得各类型可调节资源的日内调度最优策略，具体包括：通过预设的ncpso算法，根据所述日前最优调度策略对预设的调度目标函数进行求解，求得各类型可调节资源的日内调度策略；根据预设的辅助调节参数组构建辅助调节目标函数，并根据所述日内调度策略以及所述辅助调节目标函数，获取各类型可调节资源的日内调度最优策略。

11、本发明另一实施例对应提供了一种电网多层级优化调度装置，所述优化调度装置包括获取预测单元、策略求解单元以及实时优化单元，其中，所述获取预测单元用于获取待调度电网的各类型可调节资源的历史出力数据，并根据预设的综合预测方法以及所述历史出力数据，预测一天中各个时段内各类型可调节资源的出力预测数据；所述综合预测方法包括卷积神经网络算法和长短期记忆神经网络算法；所述策略求解单元用于根据预设的区间优化算法以及所述出力预测数据，对预设的系统调度模型进行优化求解，获得各类型可调节资源的日前最优调度策略，并通过预设的ncpso算法，根据所述日前最优调度策略以及预设的调度目标函数，求得各类型可调节资源的日内调度最优策略；所述实时优化单元用于根据预设的分布式调度优化方法、所述日前最优调度策略以及所述日内调度最优策略，建立最小偏差调度模型，根据完全分布式算法以及所述最小偏差调度模型，获得实时优化调度策略，并根据所述实时优化调度策略对所述待调度电网进行实时优化调节。

12、作为上述方案的改进，所述获取预测单元还用于：对所述历史出力数据进行预处理，分析并计算可调节资源的调节性能；根据所述调节性能以及预设的综合预测方法，预测各类型可调节资源在一天中各个时段的处理预测数据。

13、作为上述方案的改进，所述策略求解单元还用于：通过预设的ncpso算法，根据所述日前最优调度策略对预设的调度目标函数进行求解，求得各类型可调节资源的日内调度策略；根据预设的辅助调节参数组构建辅助调节目标函数，并根据所述日内调度策略以及所述辅助调节目标函数，获取各类型可调节资源的日内调度最优策略。

14、作为上述方案的改进，所述实时优化单元还用于：将一致性原理与梯度下降法相结合，采用完全分布式算法，对所述最小偏差调度模型进行优化求解，制定可调节资源的实时优化调度策略。

15、本发明另一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如前所述的电网多层级优化调度方法。

16、本发明另一实施例提供了一种电网多层级优化调度系统，所述优化调度系统包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如前所述的电网多层级优化调度方法。

17、与现有技术相比，本技术方案存在如下有益效果：

18、本发明提供了一种电网多层级优化调度方法、装置、计算机可读存储介质以及系统，通过分析各类型可调节资源的调节特性以预测一天中各类型可调节资源的出力情况，再以该出力情况为基础，通过小生境混沌粒子群算法，对考虑了新能源机组出力不确定性的系统调度模型以及调度目标函数进行求解优化从而获得日前最优调度策略以及日内调度最优策略，最后再基于电网实施调控需求、日前最优调度策略以及日内调度最优策略，构建最小偏差调度模型并优化求解获得实时优化调度策略以用于调控，该优化调度方法、装置、计算机可读存储介质以及系统提升了电网资源调度的效率和安全性。