一种用户侧资源多层协同调控方法及系统与流程

本发明涉及一种资源协同调控方法及系统，尤其涉及一种用户侧资源多层协同调控方法及系统，属于电网的用户侧资源调控领域。

背景技术：

1、我国电力系统正在加速向以新能源为主体的新型电力系统发展。这一变革的关键部分涉及大规模引入低碳和环保的、可调节负荷的用户侧资源，已经成为新型电力系统调控的重要组成部分。用户侧资源包括分布式光伏、电动汽车充电站、中央空调等，它们拥有出色的调节能力，能够高效地满足电网调控的需求。这些资源的灵活性，使它们成为实现新型电力系统的可持续性和可靠性的关键要素。

2、但是，单类用户侧资源受到气候环境、用电需求等因素的影响，其调控能力在不同时间和场景下都会出现不同特性，可能会导致其难以灵活独立地响应电网的调控需求。同时，用户侧资源空间分布广泛，且正逐步呈现海量化态势，若省域范围内的用户侧资源全部直接点对点直连至省级电网，则省级电网所面临的数据交互、数据监控的压力将大幅增加。

3、然而，现阶段省域用户侧资源多层协同调控方法仍存在以下问题：1)在分析用户侧资源聚合体之间的调节能力时，没有综合考虑用户侧资源聚合体的灵活调控区间对调节能力的影响；2)在制定多用户侧资源聚合体协同调控策略时，没有建立能够同时兼顾计算效率和有效性的多用户侧资源聚合体协同调控策略优化求解算法。

技术实现思路

1、发明目的：本发明的目的是提供了一种用户侧资源多层协同调控方法及系统，将用户侧资源进行聚合，使得用户侧资源能够通过分层分区的形式协同响应省级电网调控需求，减少省级电网数据处理压力，提升省域用户侧资源整体响应灵活性和确定性。

2、技术方案：本发明所述用户侧资源多层协同调控方法的具体步骤如下：

3、基于强化学习框架，建立省域多用户侧资源聚合体的协同调控模型，其中所述协同调控模型包括省域多用户侧资源聚合体的调控状态模型、调控行为模型以及调控目标模型；

4、基于强化学习框架，建立用户侧聚合体内可调节资源调控模型，包括用户侧可调节资源协同调控状态模型、调控行为模型以及调控目标模型；

5、根据省域多用户侧资源聚合体的协同调控模型和用户侧聚合体内可调节资源调控模型，构建基于多层深度学习网络的优化求解算法，得到省域用户侧资源最优响应电网调控。

6、进一步地，所述多用户侧资源聚合体的调控状态模型是将省域多用户侧资源聚合体之间的协同调控行为分为l个调控时刻，此时在调控时刻tl的调控状态可以表示为

7、

8、其中，rlds为调控时刻tl的实时调控需求；为用户侧资源聚合体i在时刻t时的调控能力状态；ngr为省域用户侧资源聚合体的数量。

9、进一步地，所述调控行为模型是将省级电网整体调控需求基于各用户侧资源聚合体的调控能力分配至各用户侧资源聚合体的模型；各用户侧资源聚合体的调控能力主要基于用户侧资源聚合体的调节能力灵活区间，对于用户侧资源聚合体i的调节能力，在时刻t其调节能力灵活区间可以表示为

10、

11、其中，分别表示用户侧资源聚合体调节能力灵活区间的上界与下界；σ为用户侧资源聚合体调节能力的尺度参数；

12、对于用户侧资源聚合体i的实际响应调控量在调控状态实际值周围±σ以内时，调节能力处于高可靠灵活区间；对于用户侧资源聚合体i的实际响应调控量在调控状态实际值周围±2σ以内时，调节能力处于中可靠灵活区间；对于用户侧资源聚合体i的实际响应调控量在调控状态实际值周围±3σ以内时，调节能力处于低可靠灵活区间；

13、各用户侧资源聚合体i的省域调控指令拆分量表示为

14、

15、其中，fpi,t表示用户侧资源聚合体i的省域调控指令拆分量。

16、进一步地，所述调控目标模型表示为

17、

18、其中，为多用户侧资源聚合体协同调控优化的调控目标；为在调控时刻g时的调控收益；对于第i个用户侧资源聚合体而言，其调控收益可以表示为响应省域调控指令拆分量调控需求的收益减去未能按省域调控指令拆分量要求响应的惩罚成本，具体可以表示为

19、

20、其中，g为用户侧资源聚合体参与调控的周期量；为实时电价；fpi,t为省域调控指令拆分量；为用户侧资源聚合体未能满足调控需求时的惩罚单价；为用户侧资源聚合体未能满足调控需求时的功率差额；

21、则多用户侧资源聚合体协同调控的优化调控目标求解模型可以表示为

22、

23、即在多用户侧资源聚合体协同调控行为集内寻找最优调控行为策略使得在调控周期内省域多用户侧资源聚合体整体调控收益最优。

24、进一步地，所述用户侧可调节资源协同调控状态模型是将调控周期分为k个调控周期，此时用户i在调控时刻tl的调控状态可以表示为

25、

26、式中，为调控时刻tl时由多用户侧资源聚合体协同调控模型下发至用户i的调控量；为用户i在调控时刻tl时的储能装置状态；为用户i在调控时刻tk时的可降低运行功率的用户侧资源；为用户i在调控时刻tl时的可将运行功率转移至其他时刻的用户侧资源。

27、进一步地，所述调控行为由储能设备调控量可降低运行功率用户侧资源的运行功率降低量以及可将运行功率转移至其他时刻的用户侧资源的功率转移量构成，即

28、储能设备调控量包括放电量、充电量，储能设备调控行为表示为

29、

30、其中，socbe为时刻l时的储能设备荷电状态；rself为储能设备自放电率；pbe为储能设备充放电功率；ηc为储能设备充电效率；ηd为储能设备放电效率；cbe为储能设备容量；signal为调控行为信号，为1时让储能设备处于充电状态，为0时让储能设备处于放电状态；

31、可降低运行功率用户侧资源的调控行为为运行功率降低量，具体表示为

32、

33、其中，为时刻l时的降低运行功率调节行为量；为可降低运行功率用户侧资源的最大调节量；为时刻l前从时刻v到时刻v的累积调节量；

34、可将运行功率转移至其他时刻的用户侧资源的调控行为包括用户侧资源转移量及恢复量，具体表示为

35、

36、其中，signalz为分发给可将运行功率转移至其他时刻的用户侧资源的调控行为信号，为1时削减负荷，为-1时恢复负荷；分别为削减/恢复负荷的调节行为量；为可将运行功率转移至其他时刻的用户侧资源的最大负荷削减量；分别为时刻l前从时刻v到时刻v的累积负荷削减/恢复量。

37、进一步地，所述调控目标模型表示为

38、

39、其中，为用户侧聚合体i的调控目标；qag为用户侧聚合体参与调控市场的报价；为用户侧聚合体通过电力市场参与到电网调控的概率；

40、用户侧聚合体对电网运营商申请的报价越低，则能够通过电力市场参与到电网调控的概率越大，具体表示为

41、

42、式中，为用户侧聚合体竞价成功率50％的报价；则用户侧可调节资源协同调控的优化目标表示为即用户侧可调节资源协同调控的优化目标为：基于电力市场报价成功率，在用户侧可调节资源的调控行为集内寻找最优调控行为策略使其在调控周期内整体调控收益最高。

43、进一步地，所述优化求解算法的具体步骤如下：

44、(31)初始化用户侧资源参数；主要包括用户侧资源调控周期数量g、用户侧资源调控颗粒度g/g、各用户储能装置最大容量cbe、可降低运行功率用户侧资源的运行功率最大降低量可将运行功率转移至其他时刻的用户侧资源最大功率转移量以及各用户侧资源调节灵活区间

45、(32)初始化深度强化学习网络参数包括强化学习网络参数θrl，决策收益q值表；

46、(33)在多用户侧资源聚合体调控行为集合中选取各用户侧资源聚合体协同调控行为，经过强化学习算法计算后下发至各用户侧资源聚合体；强化学习算法计算复杂度表示为

47、trl＝ο(m2n2)

48、其中，trl为强化学习算法计算复杂度；ο(m2n2)为时间复杂度函数，m、n分别为强化学习决策状态量与决策行为量的个数；

49、(34)在各用户侧资源聚合体的用户侧可调节资源调控行为集合中选取调控行为，下发至各用户侧可调节资源，形成当前调控周期下各用户的决策奖励并汇总；

50、(35)更新用户侧资源聚合体决策收益q值表；

51、(36)更新用户侧可调节资源决策收益q值表；

52、(37)若未完成决策过程则返回步骤(33)，若完成决策过程则优化决策过程结束。

53、一种用户侧资源多层协同调控系统，包括：

54、省域多用户侧资源聚合体的协同调控模型模块，用于建立省域多用户侧资源聚合体的调控状态模型、调控行为模型以及调控目标模型，在调控周期内，获得省域多用户侧资源聚合体最优的整体调控收益；

55、用户侧聚合体内可调节资源调控模型模块，用于建立用户侧可调节资源协同调控状态模型、调控行为模型以及调控目标模型，在调控周期内，获得最高的整体调控收益；

56、优化求解算法模块，用于得到省域用户侧资源最优响应行为，使其能够在电力市场环境下通过响应电网调节需求获得最大化收益。

57、进一步地，所述优化求解算法模块包括：

58、信息采集模块，用于采集用户侧资源聚合体模型参数，主要包括用户侧资源调控周期数量、用户侧资源调控颗粒度、用户储能装置最大充电量、用户储能装置最大放电量、可降低运行功率用户侧资源的运行功率最大降低量、可将运行功率转移至其他时刻的用户侧资源最大功率转移量、以及用户侧资源调节灵活区间；

59、多层深度强化学习网络训练模块，用于构建用户侧资源聚合体双层调控问题的强化学习网络训练模型，根据数据信息训练多层深度强化学习网络，根据用户侧资源聚合体历史数据不断学习得到最优动作，实现多用户侧资源聚合体协同优化调控；

60、用户侧资源调控模块，用于将训练好的多层深度强化学习网络作为用户侧资源聚合体内调节资源的控制器，输出控制量即用户侧资源聚合体内各调节资源的动作量。

61、有益效果：与现有技术相比，本发明具有如下显著优点：(1)促进新能源的协同调控，通过利用省域范围内点多面广的用户侧资源与电网友好互动的潜力，实现源网荷储协同互动，从而提高电网调节能力、增加用户响应电网需求效益和保障电力供应；(2)提升省域用户侧资源的灵活性及可靠性，利用多层强化学习网络实现省域多用户侧资源聚合体协同调控方法，并形成多用户侧资源聚合体协同调控系统；(3)提升系统运行的经济性，采用用户侧资源聚合体调控能力灵活区间表征方法以及多用户侧资源聚合体协同调控方法。