一种基于运行态势虚拟推演的园区能源互联网在线调度方法技术

本发明专利技术公开了一种基于运行态势虚拟推演的园区能源互联网在线调度方法，首先进行园区“源

【技术实现步骤摘要】
一种基于运行态势虚拟推演的园区能源互联网在线调度方法


[0001]本专利技术涉及一种基于运行态势虚拟推演的园区能源互联网在线调度方法，用于实现PEI系统运行状态实时在线调整，从而形成PEI多类型资源实时态势感知和超实时虚拟推演相结合的新型在线协调调度机制。

技术介绍

[0002]新型电力系统建设背景下，高比例分布式新能源和多元化负荷连接到园区能源互联网(Park Energy Internet,PEI)，它具有很强的不确定性、功率波动性将导致PEI多类型资源设备承受更加极端、变化剧烈的运行条件，对PEI多类型资源协调裕兴安全、对可靠性运行提出了更高的要求。有必要应用PEI多类型设备的数字孪生模型对不同来源的状态数据进行反演计算和多参数演绎分析，并在PEI多级资源的状态与其可观测特征参数之间建立映射关系，获得PEI内部多物理场参数的分布情况及关键参数的量值，可实现关键状态的精准分析以及极端条件下PEI多类型资源协调机理和规律的推演，为PEI长效运行管理提供科学依据。

技术实现思路

[0003]专利技术目的：为了克服现有技术中的不足，本专利技术提供一种基于运行态势虚拟推演的园区能源互联网在线调度方法。
[0004]技术方案：本专利技术所述的一种基于运行态势虚拟推演的园区能源互联网在线调度方法，包括如下步骤：
[0005](1)园区“源
‑
网
‑
荷
‑
储”运行态势推演：构建自适应与自学习的态势推演策略，演绎策略根据应用对象和最新数据自动调整模型参数；
[0006](2)基于预测精度随时域临近而提升的特点，构建日前离线调度模型、日内滚动优化模型和实时在线调度模型相结合的三阶段优化调度模型；
[0007](3)基于调节交替方向乘数法的分布式优化规划方法来解决系统实际运行中信息交互过于频繁无法有效统一调度的问题，并考虑风能和光能随机获取对PEI的影响，形成最终的优化规划结果。
[0008]进一步地，所述步骤(1)实现过程如下：
[0009]把自适应思想引入到负荷预测中，采用反馈型预测，对最近时段内进行虚拟预测，将预测效果最佳的参数作为自适应过程模型参数，对未来负荷进行预测，构成预测闭环和反馈；
[0010]虚拟预测实现过程分为自适应训练和预测两环节：首先，选取待预测日，即预测时域，并确定进行预测和虚拟推演的起止时间；然后，将相关预测和推演基础模型参数输入到预测推演模型，进行虚拟预测；其次，在开展虚拟预测过程中，根据历史数据实际值和推演值进行比较，优化调整模型参数；最后，将形成的虚拟推演预测模型用于日负荷预测，并将优化估计参数作为下一次优化的初始值，实现快速推演；
[0011]对于PEI“源
‑
网
‑
荷
‑
储”运行态势推演而言，把在线监测、运行状态、外部环境数据实时传送至PEI孪生模型，并应用深度学习等人工智能算法在模型中进行迭代优化和滚动预测，使园区“源
‑
网
‑
荷
‑
储”独立预测未来运行状态，并利用实时交互闭环反馈给物理实体PEI系统，实现运行风险自主评估管理；将“源
‑
网
‑
荷
‑
储”实时运行态势推断结果与潮流控制相结合，进行数字孪生仿真分析，驱动PEI实现自硬件条件调度和预调度，实现在线分析决策。
[0012]进一步地，步骤(2)所述的日前离线调度模型构建过程如下：
[0013]以最大化PEI的日收入为目标函数：
[0014][0015]式中，F1表示PEI的全天总利润，
△
T表示优化时间粒度，T表示优化总时段数；t为当前时段；表示PEI与用户的内部售电价格，由PEI运营商制定，和P
tF
别为PEI与电力供应商签订的购电电价及购电量，和P
tS
分别为PEI与实时市场交易的电价和电量，当PEI实时从市场购买电力时，P
tS
为正；当它出售电力时，它是负的，F
cut.t
、F
tr.t
和F
sh.t
分别代表可削减、可平移和可转换负荷的补偿成本；F
TVPP
表示PEI总发电成本，与PEI的出力P
TVPP.t
相关；
[0016]约束条件为：
[0017]售电电价约束：
[0018][0019]和表示PEI用户售电电价的下限值和上限值，表示PEI在一天之中的平均售电价，保证PEI的售电电价在一定范围内；
[0020]考虑到用户满意度，对可削减负荷的削减量和削减次数进行约束：
[0021][0022]式中N1表示一天之中可削减负荷的削减次数最大值，和表示可削减负荷削减量的下限值和上限值；
[0023]可转移负荷约束：
[0024]假设可平移负荷的初始运行周期为[t1,t2]，平移后的时间间隔为[t1‑
,t
2+
]，因某些可转移负荷设备不能频繁启停，为防止用电设备转移为多个分散的时间段，对设备的转移时间和转移功率进行约束；
[0025][0026]表示转移后设备的最小运行时间，和分别表示转移负荷量的下限值和上限值；
[0027]可平移负荷约束：
[0028]设可平移负荷的原用能时间区间为[t3,t4]，转移后的功耗范围为[t3‑
,t
4+
]，可平移负荷的约束条件如下：
[0029][0030]和分别表示可平移负荷的下限值和上限值；
[0031]功率平衡约束：
[0032][0033]进一步地，步骤(2)所述的日内滚动优化模型构建过程如下：
[0034]日内滚动优化的目标如下：
[0035][0036]式中，t0为日内优化起始时刻；Δt是日内优化时间的粒度；d为优化周期数；Iq(t)是机组Q在时间T的启动和停止状态，是一个0
‑
1变量；pq(t)是时间T时机组Q的罚款成本。
[0037]进一步地，步骤(2)所述的实时在线调度模型构建过程如下：
[0038]以PEI生产成本最低为目标函数：
[0039][0040]F
TVPP
表示整个调度周期内下层PEI的出力成本，t为当前运行时段；F
ge.j.t
代表第j台小型燃气轮机的运行成本，F
w.t
代表风机的发电成本，F
s.t
代表光伏的发电成本，F
en.t
代表段蓄电池的运行成本；
[0041]约束条件包括：
[0042]功率平衡约束：
[0043][0044]燃气轮机的运行约束：
[0045]发电功率约束：
[0046][0047]式中代表第j台燃气轮机的发电功率的上限值；
[0048]燃气轮机的爬坡速率约束：
...

【技术保护点】

【技术特征摘要】
1.一种基于运行态势虚拟推演的园区能源互联网在线调度方法，其特征在于，包括以下步骤：(1)园区“源
‑
网
‑
荷
‑
储”运行态势推演：构建自适应与自学习的态势推演策略，演绎策略根据应用对象和最新数据自动调整模型参数；(2)基于预测精度随时域临近而提升的特点，构建日前离线调度模型、日内滚动优化模型和实时在线调度模型相结合的三阶段优化调度模型；(3)基于调节交替方向乘数法的分布式优化规划方法来解决系统实际运行中信息交互过于频繁无法有效统一调度的问题，并考虑风能和光能随机获取对PEI的影响，形成最终的优化规划结果。2.根据权利要求1所述的一种基于运行态势虚拟推演的园区能源互联网在线调度方法，其特征在于，所述步骤(1)实现过程如下：把自适应思想引入到负荷预测中，采用反馈型预测，对最近时段内进行虚拟预测，将预测效果最佳的参数作为自适应过程模型参数，对未来负荷进行预测，构成预测闭环和反馈；虚拟预测实现过程分为自适应训练和预测两环节：首先，选取待预测日，即预测时域，并确定进行预测和虚拟推演的起止时间；然后，将相关预测和推演基础模型参数输入到预测推演模型，进行虚拟预测；其次，在开展虚拟预测过程中，根据历史数据实际值和推演值进行比较，优化调整模型参数；最后，将形成的虚拟推演预测模型用于日负荷预测，并将优化估计参数作为下一次优化的初始值，实现快速推演；对于PEI“源
‑
网
‑
荷
‑
储”运行态势推演而言，把在线监测、运行状态、外部环境数据实时传送至PEI孪生模型，并应用深度学习等人工智能算法在模型中进行迭代优化和滚动预测，使园区“源
‑
网
‑
荷
‑
储”独立预测未来运行状态，并利用实时交互闭环反馈给物理实体PEI系统，实现运行风险自主评估管理；将“源
‑
网
‑
荷
‑
储”实时运行态势推断结果与潮流控制相结合，进行数字孪生仿真分析，驱动PEI实现自硬件条件调度和预调度，实现在线分析决策。3.根据权利要求1所述的一种基于运行态势虚拟推演的园区能源互联网在线调度方法，其特征在于，步骤(2)所述的日前离线调度模型构建过程如下：以最大化PEI的日收入为目标函数：式中，F1表示PEI的全天总利润，
△
T表示优化时间粒度，T表示优化总时段数；t为当前时段；表示PEI与用户的内部售电价格，由PEI运营商制定，和P
tF
别为PEI与电力供应商签订的购电电价及购电量，和P
tS
分别为PEI与实时市场交易的电价和电量，当PEI实时从市场购买电力时，P
tS
为正；当它出售电力时，它是负的，F
cut.t
、F
tr.t
和F
sh.t
分别代表可削减、可平移和可转换负荷的补偿成本；F
TVPP
表示PEI总发电成本，与PEI的出力P
TVPP.t
相关；约束条件为：售电电价约束：
和表示PEI用户售电电价的下限值和上限值，表示PEI在一天之中的平均售电价，保证PEI的售电电价在一定范围内；考虑到用户满意度，...

【专利技术属性】
技术研发人员：朱丹丹，岑炳成，周前，安海云，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，
类型：发明
国别省市：