一种基于主从博弈策略的虚拟电厂优化调度方法技术

本发明专利技术公开了一种基于主从博弈策略的虚拟电厂优化调度方法，其步骤包括：1分析及构建含多负荷类型的虚拟电厂模型；2基于现有的电力市场交易机制建立虚拟电厂交易模型；3建立考虑不确定性因素的风险成本模型；4采用主从博弈策略对虚拟电厂进行优化调度；5通过强化学习算法对优化调度模型进行求解。本发明专利技术考虑了虚拟电厂中分布式能源出力的波动性和负荷预测的不确定性，构建了虚拟电厂在电力市场中的经济调度模型，采用主从博弈策略和强化学习算法优化求解，从而达到提高虚拟电厂的生产效益、降低负荷购电成本的目的。

【技术实现步骤摘要】
一种基于主从博弈策略的虚拟电厂优化调度方法
本专利技术涉及分布式电源优化运行领域，更具体地说本专利技术涉及一种基于主从博弈策略的虚拟电厂优化调度方法。
技术介绍
近年来光伏电站、风力发电厂等清洁能源在中国发展迅速，由于分布式能源出力的不确定性，大规模的分布式能源接入配电网将会加剧电网负荷峰谷差，对其安全运行造成了一定的影响。另一方面随着电动汽车的急剧增长，电网的负荷类型也不再是单一的传统负荷，还具有时空不确定性的可控负荷。虚拟电厂技术作为一种新型的能源管理系统，越来越多的被应用到电力市场和电网运行中分布式能源协调管理之中。虚拟电厂的主要作用是协调控制多样化的分布式能源实现高质量的电能输出，采用合理的管理模式对于虚拟电厂的优化运营尤为重要。现有的虚拟电厂优化调度方法有很多种：考虑分布式能源出力不确定性随机规划法和备用整定法，该类方法用来处理分布式能源出力的随机性和波动性取得了很好的效果，但为了保障供电可靠性，盲目地提高能源储备造成了不必要的浪费；两阶段优化调度方法，主要是采集虚拟电厂内部的发、售电信息以及外部的市场激励政策，进而构建经济调度模型和安全调度模型进行求解，该方法的缺点是需要本文档来自技高网...

【技术保护点】
1.一种基于主从博弈策略的虚拟电厂优化调度方法，所述虚拟电厂是由光伏电站、储能系统和电动汽车聚合商组成，其特征是，所述虚拟电厂优化调度的方法是按如下步骤进行：步骤1、分析及构建含多负荷类型的虚拟电厂模型：步骤1.1、设定光伏的概率密度函数为Beta分布，根据历史气象数据中各时段平均光照强度计算Beta分布的参数；并利用蒙特卡洛抽样随机产生光伏电站出力数据；步骤1.2、采用硫酸铁锂电池作为储能单元，并构建储能系统的经济模型；步骤1.3、根据电动汽车接入配电网的时刻表构建电动汽车的数学模型；步骤1.4、根据负荷的重要程度，将用户L分为一级用户L1和二级用户L2，并根据负荷的可调度情况，将一级用户L...

【技术特征摘要】
1.一种基于主从博弈策略的虚拟电厂优化调度方法，所述虚拟电厂是由光伏电站、储能系统和电动汽车聚合商组成，其特征是，所述虚拟电厂优化调度的方法是按如下步骤进行：步骤1、分析及构建含多负荷类型的虚拟电厂模型：步骤1.1、设定光伏的概率密度函数为Beta分布，根据历史气象数据中各时段平均光照强度计算Beta分布的参数；并利用蒙特卡洛抽样随机产生光伏电站出力数据；步骤1.2、采用硫酸铁锂电池作为储能单元，并构建储能系统的经济模型；步骤1.3、根据电动汽车接入配电网的时刻表构建电动汽车的数学模型；步骤1.4、根据负荷的重要程度，将用户L分为一级用户L1和二级用户L2，并根据负荷的可调度情况，将一级用户L1和二级用户L2中的负荷分为传统负荷和可调度负荷；步骤2、基于电力市场交易机制，利用式(1)建立虚拟电厂交易模型：式(1)中：表示t时刻虚拟电厂在日前电力市场DAM中的收益；ks表示虚拟电厂的备用容量；PtVPP为t时刻虚拟电厂VPP的发电功率；和分别为t时刻虚拟电厂在日前电力市场DAM中的售电价格和购电价格；步骤3、建立考虑不确定性因素的风险成本模型：步骤3.1、采用蒙特卡洛模拟产生多个出力场景并计算期望值，从而将光伏出力及负荷需求的不确定性转化为确定性问题；步骤3.2、利用式(2)得到t时刻虚拟电厂的风险成本Rt：式(2)中：为t时刻电动汽车EV的充放电电价；为t时刻电动汽车EV电价的调整量；PtEV为t时刻电动汽车EV的输出功率；ΔPtEV为t时刻电动汽车EV输出功率的调整量；和分别为t时刻虚拟电厂在实时电力市场的售电价格与购电价格；PtRT+和PtRT-分别为t时刻虚拟电厂在实时电力市场中的多投功率和少投功率；步骤3.3、确定所述虚拟电厂风险成本模型的约束条件：步骤3.3.1、利用式(3)建立功率平衡约束：式(3)中：PtPV代表t时刻光伏出力实际值；代表t时刻光伏出力预测值；PtL代表t时刻负荷需求实际值；代表t时刻负荷需求预测值；ΔPtEV为t时刻电动汽车聚合商的调度电量；步骤3.3.2、利用式(4)-式(6)建立电动汽车约束：式(4)-式(6)中：和为t时刻电动汽车聚合商的最小输出功率和最大输出功率；为t时刻电动汽车聚合商的电池容量；和分别表示t时刻电动汽车聚合商SOC的上限和下限；ηEV代表电动汽车EV充放电效率；QEV代表电动汽车EV的电池总容量；ΔT为时间常数；步骤3.3.3、利用式(7)和式(8)建立实时电力市场交易约束：PtRT-PtRT+＝0(8)式(7)中：和分别为t时刻虚拟电厂在实时电力市场中交易功率的最小值和最大值；步骤3.3.4、利用式(9)-式(11)建立电价约束：式(9)-式(11)中：和分别为t时刻实时电力市场中购电价格的下限和售电价格的上限；和分别为t时刻电动汽车EV放电价格的下限和充电价格的上限；步骤4、采用主从博弈策略对虚拟电厂进行优化调度：步骤4.1、构建虚拟电厂经济收益模型及其约束条件：步骤4.1.1、利用式(12)构建虚拟电厂经济收益模型G：式(12)中，为t时刻电动汽车购电成本，并由式(13)获得；为t时刻一级用户和二级用户的购电成本之和，并由式(14)获得；为t时刻储能系统ES损耗成本；为t时刻光伏PV发电成本；式(13)中：和分别表示t时刻电动汽车聚合商的售电价格和购电价格；式(14)中：和分别为t时刻一级用户L1和二级用户L2中的柔性负荷电价；PtL1和PtL2为t时刻一级用户L1和二级用户L2中的柔性负荷功率；和为t时刻一级用户L1和二级用户L2中的传统负荷电价；Pt′L1和Pt′L2为t时刻一级用户L1和二级用户L2中的传统负荷功率；步骤4.1.2、利用式(15)构建功率平衡约束：(1±ks)PtVPP＝PtPV+PtES-PtEV-Pt′L1-Pt′L2-PtL1-PtL2(15)步骤4.1.3、利用式(16)-式(18)构建储能系统约束：式(16)-式(18)中：和分别代表t时刻储能系统ES充放电功率的上限和下限；为t时刻储能系统的SOC容量；和分别为储能系统SOC的上限和下限；ηES代表储能ES的充放电效率；QES代表储能系统ES的电池总容量；步骤4.2、构建用户购电成本模型及其约束条件：步骤4.2.1、利用式(19)建立用户购电成本模型C：式(1...

【专利技术属性】
技术研发人员：吴红斌，刘鑫，李诗伟，林雪杉，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34