一种电力系统多元资源协同调节策略生成方法及系统与流程

本发明涉及电力系统，特别涉及一种电力系统多元资源协同调节策略生成方法及系统。

背景技术：

1、我国是世界上能源生产和消费规模最大的国家之一。随着全球能源需求的不断增加，人们对可持续、清洁能源的需求日益迫切，这推动了新能源的快速发展和广泛应用。为了减缓气候变化、降低碳排放，各国纷纷鼓励新能源的开发和利用。因此，在近年来，大量新能源发电机组接入电网，然而，由于其极高的不确定性和波动性，给电力系统的稳定性带来了巨大挑战。另一方面，随着社会经济的迅速发展，各行业对电力的需求也在不断增长，负荷持续攀升，也使电力系统面临着更大的压力。

2、传统电力系统的灵活性存在明显不足。这是因为传统系统中的火电机组，由于其启停和爬坡速度较慢，无法迅速应对负荷波动，这使得系统在面对新能源波动性大的特点时显得捉襟见肘。同时，水电和燃气等具备快速调节能力的机组，尽管能够迅速响应系统需求，但它们的装机容量有限，无法满足大规模负荷的快速变化，从而影响整体系统的灵活性。因此，电网主要面临着两个主要挑战。一方面是新能源机组的“促消纳”问题，即如何高效地整合和利用新能源，确保其稳定、可持续地注入电力系统，同时减少弃风弃光等资源浪费。另一方面是应对负荷突增的“保供应”问题，即在负荷快速增加时，确保系统能够稳定供应足够的电力，以满足用户需求。为了解决以上挑战，就需要在源-网-荷-储侧充分发掘灵活资源，并利用其在多方面协同响应新能源出力变化和负荷需求，以充分提高电力系统的调节能力。

3、目前，对电力系统的调节策略生成方法主要采用优化方法。通常，这种方法首先依赖于历史数据，利用历史数据进行对未来新能源出力和负荷波动的预测，然后将预测的数据输入电力系统，最终利用优化算法求解最优策略。然而，这种方法存在一些不足：首先，它无法充分刻画电力系统的不确定性，尤其是在应对突发情况时表现不佳；其次，现有优化算法的复杂度较高，求解效率低，耗时较长，难以提供电力系统调度的及时有效参考。

4、另外一个问题是，在当前的电力系统调节策略生成中，对于源-网-荷-储侧灵活性资源的发掘还不够充分，这些资源具有的潜在灵活性，可以在需要时被调度和利用，但是现有技术一般只考虑部分可调节资源，未能更好地适应复杂多变的电力需求和新能源波动。

5、为了解决现有技术存在的不足，有必要探索更为精准、高效的电力系统多元资源协同的调节策略生成方法。

技术实现思路

1、本发明实施例提供了一种电力系统多元资源协同调节策略生成方法及系统，以解决现有技术中的上述技术问题。

2、为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

3、根据本发明实施例的第一方面，提供了一种电力系统多元资源协同调节策略生成方法。

4、在一个实施例中，所述电力系统多元资源协同调节策略生成方法，包括：

5、对电力系统进行分析，确定所述电力系统的可调节资源；并对所述电力系统的不确定性进行分析，建立联合出力概率模型；

6、基于所述联合出力概率模型对所述可调节资源进行分析，得到多个新能源联合出力数据和负荷波动数据，并对得到的新能源联合出力数据和负荷波动数据进行抽样，得到多个出力场景和负荷波动场景；

7、对得到的多个出力场景和负荷波动场景进行聚类分析，得到典型场景，并基于所述典型场景进行多元资源协同规划求解，得到多元资源协同调节策略。

8、在一个实施例中，所述可调节资源包括：电源侧可调节资源、负荷侧可调节资源和储能侧可调节资源。

9、在一个实施例中，所述电源侧可调节资源包括：可调节式水电站、燃气机组、经过灵活性改造后的火电机组和光热电站；所述负荷侧可调节资源包括：温控负荷和电动汽车集群；所述储能侧可调节资源包括：抽水蓄能电站和储能电池。

10、在一个实施例中，对所述电力系统的不确定性进行分析，建立联合出力概率模型包括：利用copula函数对所述电力系统的不确定性进行分析，建立联合出力概率模型。

11、在一个实施例中，所述联合出力概率模型的方程式为：

12、

13、

14、

15、式中，θ为某个参数空间的参数，根据极大似然法进行估计；ln是自然对数，e为自然常数；u,v是生成函数的双变量，用于输入联合出力的数据；c(u,v)表示copula函数的生成元。

16、在一个实施例中，对得到的新能源联合出力数据和负荷波动数据进行抽样，得到多个出力场景和负荷波动场景包括：通过蒙特卡洛抽样法对得到的新能源联合出力数据和负荷波动数据进行抽样，得到多个出力场景和负荷波动场景。

17、在一个实施例中，对得到的多个出力场景和负荷波动场景进行聚类分析，得到典型场景包括：采用变分自编码器聚类法对得到的多个出力场景和负荷波动场景进行聚类分析，得到典型场景。

18、在一个实施例中，基于所述典型场景进行多元资源协同规划求解，得到多元资源协同调节策略包括：基于所述典型场景，采用萤火虫优化算法进行多元资源协同规划求解，得到多元资源协同调节策略。

19、根据本发明实施例的第二方面，提供了一种电力系统多元资源协同调节策略生成系统。

20、在一个实施例中，所述电力系统多元资源协同调节策略生成系统，包括：

21、资源分析模块，用于对电力系统进行分析，确定所述电力系统的可调节资源；并对所述电力系统的不确定性进行分析，建立联合出力概率模型；

22、场景生成模块，用于基于所述联合出力概率模型对所述可调节资源进行分析，得到多个新能源联合出力数据和负荷波动数据，并对得到的新能源联合出力数据和负荷波动数据进行抽样，得到多个出力场景和负荷波动场景；

23、场景求解模块，用于对得到的多个出力场景和负荷波动场景进行聚类分析，得到典型场景，并基于所述典型场景进行多元资源协同规划求解，得到多元资源协同调节策略。

24、在一个实施例中，所述可调节资源包括：电源侧可调节资源、负荷侧可调节资源和储能侧可调节资源。

25、在一个实施例中，所述电源侧可调节资源包括：可调节式水电站、燃气机组、经过灵活性改造后的火电机组和光热电站；所述负荷侧可调节资源包括：温控负荷和电动汽车集群；所述储能侧可调节资源包括：抽水蓄能电站和储能电池。

26、在一个实施例中，所述资源分析模块在对所述电力系统的不确定性进行分析，建立联合出力概率模型时，利用copula函数对所述电力系统的不确定性进行分析，建立联合出力概率模型。

27、在一个实施例中，所述联合出力概率模型的方程式为：

28、

29、

30、

31、式中，θ为某个参数空间的参数，根据极大似然法进行估计；ln是自然对数，e为自然常数；u,v是生成函数的双变量，用于输入联合出力的数据；c(u,v)表示copula函数的生成元。

32、在一个实施例中，所述场景生成模块在对得到的新能源联合出力数据和负荷波动数据进行抽样，得到多个出力场景和负荷波动场景时，通过蒙特卡洛抽样法对得到的新能源联合出力数据和负荷波动数据进行抽样，得到多个出力场景和负荷波动场景。

33、在一个实施例中，所述场景生成模块在对得到的多个出力场景和负荷波动场景进行聚类分析，得到典型场景时，采用变分自编码器聚类法对得到的多个出力场景和负荷波动场景进行聚类分析，得到典型场景。

34、在一个实施例中，所述场景求解模块在基于所述典型场景进行多元资源协同规划求解，得到多元资源协同调节策略时，基于所述典型场景，采用萤火虫优化算法进行多元资源协同规划求解，得到多元资源协同调节策略。

35、本发明实施例提供的技术方案可以包括以下有益效果：

36、本发明考虑了电力系统中源-网-荷-储侧资源的多样性，实现了资源的协同规划和综合利用，提高了系统的整体效能，因此生成的策略更具有更强适用性。采用基于数据驱动的方法，提高了求解效率，加速了策略的生成，可以为电力系统日前方式安排和调度策略提供及时有效的参考。

37、本发明采用copula函数对电力系统的不确定性进行刻画，相较于参数估计方法对于数据的拟合只能通过调整概率分布的一些参数，而导致其适用范围有限的问题，copula函数可以模拟任何形状的联合分布，因而可以更准确地对实际情况进行模拟。同时，采用基于变分自编码器的深度聚类方法相较于传统的聚类方法，利用深度神经网络优化了特征提取过程，解决了传统聚类算法中特征提取和聚类过程脱钩的问题。这不仅在降低了复杂度、提高了聚类效率的同时，也因为优秀的特征提取算法，显著增强了聚类效果。

38、此外，本发明采用的萤火虫优化算法，利用模拟萤火虫之间的相互吸引行为，能够在搜索空间中找到全局最优解或者接近最优解的解，成功解决了传统智能优化算法收敛速度较慢和容易陷入局部最优的问题，取得了更为出色的优化效果。

39、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。