【技术实现步骤摘要】
一种分散式风电场现货电力市场交易策略确定方法和设备
[0001]本专利技术属于分散式风电场的电力交易
，具体涉及一种分散式风电场现货电力市场交易策略确定方法和设备。
技术介绍
[0002]自2002年中国电力行业改革，实行厂网分离政策以来，发电侧逐渐放松管制并形成了有效竞争，但是售电侧仅于近年形成了区域性质的省内电力市场。
[0003]上述省内电力市场包括现货市场、中长期直接交易市场和期货电力衍生品市场。其中，电力现货交易是指在现货电力市场进行的交易。现货电力市场包括日前、日内和实时的电能量与备用等辅助服务交易市场。国内现货电力市场作为市场化电力电量平衡机制的补充部分，发挥发现价格、完善交易品种、形成充分竞争的作用。
[0004]以前，省内现货电力市场仅允许使用较大用电量的电力大用户和成规模的电厂参与，而现货电力市场上的分散式风电场，一直没有参与。
[0005]如今，智能电网的最新发展为协调、监视和控制配电级别的短期或实时电力输送开辟了新的可能性，也使分散式风电场得以参与省内现货电力市场。
【技术保护点】
【技术特征摘要】
1.一种分散式风电场现货电力市场交易策略确定方法，其特征在于，所述方法包括：通过场景生成法对分散式风电场的不确定因素进行数学建模，并得到训练集和测试集；根据历史数据对分散式风电场相关设施进行数学建模，并形成虚拟环境，所述分散式风电场相关设施包括集电线路、箱式变电站和风力发电机的运行状态；根据所述训练集和所述虚拟环境训练智能体，并得到深度强化学习算法模型，所述深度强化学习算法模型包括所述智能体、操作空间、所述虚拟环境、状态空间和奖励函数；基于所述测试集对所述深度强化学习算法模型进行测试，并通过测试后的算法模型确定最优现货电力市场交易策略。2.根据权利要求1所述的方法，其特征在于，所述不确定因素包括每个时间段的实时电价、分散式风电场发电量、风机计划检修需求、输变电设备计划检修需求、风机及输变电设备故障消缺、外送线路容量变化和电网限负荷。3.根据权利要求1所述的方法，其特征在于，所述虚拟环境根据输入的所述操作空间，进行迭代训练，得到对应的所述状态空间的值和所述奖励函数的值。4.根据权利要求1所述的方法，其特征在于，所述操作空间以第一向量组进行表示，所述第一向量组具体为所述操作空间以第一向量组进行表示，所述第一向量组具体为其中，表示检修班组在风机点位，表示检修班组在路上，u
s,t
表示向现货电力市场卖电的向量组；所述状态空间以第二向量组进行表示，所述第二向量组具体为[M
c,t
，P
s,t
]，其中，M
c,t
表示分散式风电场检修班组的工作量，P
s,t
表示所述分散式风电场的卖电量。5.根据权利要求1所述的方法，其特征在于，所述奖励函数是通过如下公式确定的：其中，C
s
表示所述分散式风电场实时向电力市场卖电的价格，P
s,t
表示所述分散式风电场的卖电量，u
s,t
表示向现货电力市场卖电的向量组，C
c
表示检修人员的劳务报酬系数，M
c,t
表示分散式风电场检修班组的工作量，表示检修班组在风机点位，表示检修班组在路上，C
om
表示分散式风电场的其他运维成本，表示分散式风电场安全运行系数。6.根据权利要求1所述的方法，其特征在于，所述智能体包括价值函数、时间差分学习错误、交易策略、贝尔曼方程和动作概率；所述价值函数为根据所述状态空间的值和所述奖励函数的值得到的分散式风电场长期期望收益的函数；所述时间差分学习错误为根据所述奖励函数的值和上一次的学习错误训练期望回报的集卷神经网络，得到本次学习错误的预期值；所述交易策略为所述价值函数最大方向的函数，并被所述时间差分学习错误更新，所述函数对应最优现货电力市场交易策略；所述贝尔曼方程为分散式风电场的当前状态与未来状态的迭代关系；所述动...
【专利技术属性】
技术研发人员：梁哲铭，叶林，刘美岑，青根木，延卫忠，赵斌，李飚宙，
申请(专利权)人：华能新能源股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。