基于数字孪生的实时县域能源互联网调度方法及系统与流程

本发明属于电网能源调度领域，具体涉及一种基于数字孪生的实时县域能源互联网调度方法及系统。

背景技术：

1、随着电力电子技术的发展和电池技术的突破，各种风电场(wind farm,wf)和光伏发电系统(photovoltaics,pv)等可再生能源接入县域能源互联网。为充分利用风电场和光伏的快速调节性能，协调主电网与县域能源互联网之间的分配至关重要。由于越来越多的分布式能源进入电网，县域能源互联网调度(county energy internet dispatch,ceid)的优化难度大且耗时。随着电子技术和软件的进步，数字孪生代理可以被视为现实电网的优化、控制和监测过程的数字对应物。数字孪生技术是一个很好的用来整合现实和虚拟的工具，它可以更有效地管理智能。目前，已有一些研究将电网与数字孪生技术相结合。但是传统技术上，这些调度分布研究主要关注当前和过去时间区间，而忽略了下一时间控制区间的扰动，这对优化结果产生了负面影响。

技术实现思路

1、本发明的目的在于针对上述现有技术中的问题，提供一种基于数字孪生的实时县域能源互联网调度方法及系统，能够利用历史序列，根据历史数据的差异来预测未来序列中几个时间区间的数据，有效且高效地获取基于数字孪生的实时县域能源互联网调度方案，更好的基于数字孪生来协调多个调节资源的电力指令分配和当前与未来时间控制之间的优化间隔。

2、为了实现上述目的，本发明有如下的技术方案：

3、第一方面，提供一种基于数字孪生的实时县域能源互联网调度方法，包括以下步骤：

4、对预先建立的县域能源互联网调度模型进行约束，得到实际工况调度模型；

5、以实现调频指令输出与实际功率输出之间的总功率偏差最小，建立目标函数；

6、根据目标函数，结合自回归综合移动平均模型与平衡优化器算法，对实际工况调度模型进行求解，获得最佳的实时县域能源互联网调度方案。

7、作为一种优选方案，通过县域能源互联网调度模型执行以下操作：(1)当主电网接收到随机扰动时，从主电网向县域能源互联网调度模型传输总调节命令；(2)县域能源互联网调度模型通过求解最佳的实时县域能源互联网调度方案，将总调节命令下发给各个调频单元。

8、作为一种优选方案，所述对预先建立的县域能源互联网调度模型进行约束的步骤中，县域能源互联网调度模型考虑燃煤机组、水力机组、液化天然气、风力机组和光伏作为调度对象，设定的约束条件包括调节方向一致性约束、功率平衡约束、调节容量约束以及发电调节约束。

9、作为一种优选方案，调节方向的一致性约束，是指在第k个控制区间，单元功率指令的调节方向与调节指令的方向一致，表达式如下：

10、

11、式中，是第i个县域能源互联网调度模型单元在第k个控制间隔接收到的输入功率命令，δpm(k)表示从主电网到县域能源互联网调度模型的信号；

12、功率平衡约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入命令的累加等于总功率主电网下发的调节指令，表达式如下：

13、

14、调节容量约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入指令不超过对应县域能源互联网调度模型单元最小和最大容量，表达式如下：

15、

16、

17、式中，和分别是第i个县域能源互联网调度模型单元的最小和最大容量；

18、发电调节约束，表达式如下：

19、

20、式中，分别是第i个县域能源互联网调度模型单元在第k、k-1个控制间隔接收到的输出功率命令；δt代表一个控制区间的时间长度，δpi表示第i个县域能源互联网调度模型单元的最大斜率。

21、作为一种优选方案，在所述以实现调频指令输出与实际功率输出之间的总功率偏差最小，建立目标函数的步骤中，目标函数考虑下一个相邻控制区间的预期功率输出，表达式如下：

22、

23、式中，δmm(k+1)是在第(k+1)个控制区间的预测总功率指令，而是根据预测的总功率指令在第(k+1)个控制区间的最佳功率输出；δpm(k)表示从主电网到县域能源互联网调度模型的信号；是第i个县域能源互联网调度模型单元在第k+1个控制间隔接收到的输出功率命令。

24、作为一种优选方案，所述根据目标函数，结合自回归综合移动平均模型与平衡优化器算法，对实际工况调度模型进行求解，获得最佳的实时县域能源互联网调度方案的步骤中，利用自回归综合移动平均模型根据历史调节命令预测下一个相邻控制区间的调节命令；根据计算当前控制区间与下一个相邻控制区间的总功率偏差，优化当前和下一次预测的调度方案，再利用平衡优化器算法对相邻两个控制区间之间的调度方案进行优化，获得最佳的实时县域能源互联网调度方案。

25、作为一种优选方案，所述利用自回归综合移动平均模型根据历史调节命令预测下一个相邻控制区间的调节命令的步骤，自回归综合移动平均模型对于时间间隔k的总调节命令的时间序列，由下式给出：

26、

27、εk＝δpm(k)-δpm(k-1)

28、式中，εk表示第k个时间间隔的序列差异；δmm(k+1)是在第(k+1)个控制区间的预测总功率指令；δpm(k)表示从主电网到县域能源互联网调度模型的信号；αi为对应的i阶序列滞后系数，βi为对应的i阶序列差分滞后系数。

29、作为一种优选方案，所述利用平衡优化器算法对相邻两个控制区间之间的调度方案进行优化，获得最佳的实时县域能源互联网调度方案的步骤，平衡优化器算法的具体操作包括：

30、参数初始化：初始化容积v，最大迭代次数t，最优解集合s0，初始解n0；

31、集群初始化：首先，将所有优化变量的下限和上限分别设置为所有县域能源互联网调度模型单元的下限和上限调整能力，然后，在解空间p0中初始化集群根据对应容量生成初始化解决方案，表达式如下：

32、

33、式中，表示初始化解决方案的第i个维数；δpm(k)表示从主电网到县域能源互联网调度模型的信号；和分别是第i个县域能源互联网调度模型单元的最小和最大容量；

34、计算适应度，表达式如下：

35、

36、式中，f(xj)表示第j个集群的目标函数值，f(xj)表示第j个集群的适应度值，和分别是第b个县域能源互联网调度模型单元的最小和最大调节能力；

37、从五个当前最优的候选解里面选择最优个体，构成如下平衡状态池：

38、xeq,pool＝{xeq,1,xeq,2,xeq,3,xeq,4,xeq,ave}

39、式中，xeq,1,xeq,2,xeq,3,xeq,4分别为截止当前迭代找到的最好的四个解；xeq,ave代表这四个解的平均状态；这五个候选解被选择的概率是一样的；

40、计算指数项系数f，表达式如下：

41、f＝a*sign(r-0.5)[e-λ -1]

42、式中，a为全局搜索的权重常系数；sign为符号函数；r、λ均代表随机数向量，维度与优化空间维度一致，每个元素值均为0至1的随机数；

43、计算质量生成系数g，表达式如下：

44、g＝gcp(xeq-λx)

45、

46、式中，gcp为生成速率控制参数向量；x代表新产生的当前解；xeq代表算法当前找到的最好的解，ri为随机数向量，维度与优化空间维度一致，每个元素值均为0至1的随机数；e0为0至1范围内的随机数；

47、计算当前解，表达式如下：

48、x＝xep+(x0-xep)f+g(1-f)/λv

49、式中，x为新产生的当前解；x0为上一次迭代得到的解；xeq为当前找到的最佳的解。

50、第二方面，提供一种基于数字孪生的实时县域能源互联网调度系统，包括：

51、模型约束模块，用于对预先建立的县域能源互联网调度模型进行约束，得到实际工况调度模型；

52、目标函数建立模块，用于以实现调频指令输出与实际功率输出之间的总功率偏差最小，建立目标函数；

53、方案求解模块，用于根据目标函数，结合自回归综合移动平均模型与平衡优化器算法，对实际工况调度模型进行求解，获得最佳的实时县域能源互联网调度方案。

54、作为一种优选方案，模型约束模块设定的约束条件包括调节方向一致性约束、功率平衡约束、调节容量约束以及发电调节约束；

55、调节方向的一致性约束，是指在第k个控制区间，单元功率指令的调节方向与调节指令的方向一致，表达式如下：

56、

57、式中，是第i个县域能源互联网调度模型单元在第k个控制间隔接收到的输入功率命令，δpm(k)表示从主电网到县域能源互联网调度模型的信号；

58、功率平衡约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入命令的累加等于总功率主电网下发的调节指令，表达式如下：

59、

60、调节容量约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入指令不超过对应县域能源互联网调度模型单元最小和最大容量，表达式如下：

61、

62、

63、式中，和分别是第i个县域能源互联网调度模型单元的最小和最大容量；

64、发电调节约束，表达式如下：

65、

66、式中，分别是第i个县域能源互联网调度模型单元在第k、k-1个控制间隔接收到的输出功率命令；δt代表一个控制区间的时间长度，δri表示第i个县域能源互联网调度模型单元的最大斜率。

67、作为一种优选方案，目标函数建立模块建立的目标函数考虑下一个相邻控制区间的预期功率输出，表达式如下：

68、

69、式中，δmm(k+1)是在第(k+1)个控制区间的预测总功率指令，而是根据预测的总功率指令在第(k+1)个控制区间的最佳功率输出；δpm(k)表示从主电网到县域能源互联网调度模型的信号；是第i个县域能源互联网调度模型单元在第k+1个控制间隔接收到的输出功率命令。

70、作为一种优选方案，所述方案求解模块利用自回归综合移动平均模型根据历史调节命令预测下一个相邻控制区间的调节命令；根据计算当前控制区间与下一个相邻控制区间的总功率偏差，优化当前和下一次预测的调度方案，再利用平衡优化器算法对相邻两个控制区间之间的调度方案进行优化，获得最佳的实时县域能源互联网调度方案。

71、第三方面，提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述的处理器执行所述的计算机程序时实现所述基于数字孪生的实时县域能源互联网调度方法。

72、第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述的计算机程序被处理器执行时实现所述基于数字孪生的实时县域能源互联网调度方法。

73、相较于现有技术，本发明的第一方面至少具有如下的有益效果：

74、为了更好的基于数字孪生技术来协调多个调节资源的电力指令分配，本发明结合了自回归综合移动平均模型(autoregressive integrated moving average model,arima)与平衡优化器算法(equilibrium optimizer,eo)，具体的，首先，本发明采用自回归综合移动平均模型提取调频机组、负荷等历史数据的特征，进而快速预测主电网的负荷趋势，并对下一控制周期的功率指令进行动态预测和评估。本发明方法主要包括两个过程，一是动态工况下系统调频指令的实时预测和评估，二是县域能源互联网调度模型的功率指令分配。然后，为了配合主电网实时调频指令的预测和功率调度指令的优化，本发明提出了基于自回归综合移动的平衡优化器算法(arma-eo)，以快速有效地获取县域能源互联网调度模型的实时最优调频方案。本发明提出的自回归综合移动平均模型具有计算速度快、参数少、预测机制简单等优点，主要是能够利用历史运行数据，根据历史运行数据的差异来预测主电网未来的调频需求。本发明提出的基于自回归综合移动的平衡优化器算法考虑了各种类型调频资源的响应速度和主电网的调频指令要求，能够获取更加高效的协同控制方案，进一步提升区域电网的稳定性。本发明根据目标函数，结合自回归综合移动平均模型与平衡优化器算法，对实际工况调度模型进行求解，可以有效提取历史运行数据的特征并快速预测未来下一个控制周期的功率调节指令，有助于实时预测县域能源互联网调度主电网运行状态，同时可以为求解区域电网最佳的协同控制方案提供更好的参考。基于对主电网运行状态转换的预测，本发明提出的基于自回归综合移动的平衡优化器算法可以有效地考虑当前和未来的时间控制间隔，并通过所提出的基于自回归综合移动的平衡优化器算法可以高效地获取最佳的协同控制方案。

75、可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。