一种基于主从博弈的区域电网源荷协同调度学习优化方法技术

本发明专利技术涉及电力系统技术领域，尤其涉及一种基于主从博弈的区域电网源荷协同调度学习优化方法，包括以下步骤：S1、分析区域电网源荷协同调度系统物理架构与逻辑关系，提出优化策略优劣性评价指标；S2、建立负荷响应不确定情况下市场电价制定机构与负荷聚合商之间的主从博弈模型、机组发电计划模型以及约束模型；S3、将调度决策问题描述为对电价进行随机序贯决策的学习优化机制，采用典型的强化学习方法进行求解。进行求解。进行求解。

【技术实现步骤摘要】
一种基于主从博弈的区域电网源荷协同调度学习优化方法


[0001]本专利技术涉及电力系统
，尤其涉及一种基于主从博弈的区域电网源荷协同调度学习优化方法。

技术介绍

[0002]随着生态环境的恶化和能源危机的加剧，以风电为代表的清洁能源发电在我国电能结构中的占比逐年增加，高比例新能源并网已成为电力系统发展趋势。国家能源局2021年发布数据表明，全国风电并网装机容量超3亿千瓦，但平均弃风率为3.1％。由于风电具有随机性和波动性，大规模风电并网将对电力系统的稳定运行造成影响。因此，研究含风电的电力系统优化调度问题具有重要意义。
[0003]针对上述问题，国内外研究人员从风电功率预测、与常规机组协同优化以及考虑需求响应的源荷协同调度开展了大量研究。针对缓解风电并网对电力系统暂态稳定的影响，目前研究还集中在发电侧，而需求侧参与电力系统优化调度会使风电并网更加灵活、经济。需求侧具有广泛的备用资源，通过需求响应协调优化用电行为，为风电并网提供更多调峰、备用等资源，是解决风电并网优化调度的有效途径。针对负荷聚合商的源荷协同调度问题，目前研究实现了负本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于主从博弈的区域电网源荷协同调度学习优化方法，其特征在于，包括以下步骤：S1、分析区域电网源荷协同调度系统物理架构与逻辑关系，建立系统综合评价指标，用来评价市场电价制定机构制定日前市场电价的优劣程度；S2、根据市场电价制定机构制定的电价对系统综合评价指标的影响，建立负荷响应不确定情况下市场电价制定机构与负荷聚合商之间的主从博弈模型、机组发电计划模型以及约束模型，称为物理驱动模型；S3、将调度决策问题描述为对电价进行随机序贯决策的学习优化机制，采用典型的强化学习方法求解电价策略。2.根据权利要求1所述的基于主从博弈的区域电网源荷协同调度学习优化方法，其特征在于：所述步骤S1中，区域电网源荷协同调度系统由负荷聚合商和电力服务机构组成，负荷聚合商从负荷侧获得基准电价下的基准负荷，并根据市场电价给出电价激励下的响应负荷，电力服务机构包括市场电价制定机构和发电计划制定机构，其主要职责是对各时段的基准负荷制定市场电价、根据各时段的响应负荷制定机组发电计划。3.根据权利要求2所述的基于主从博弈的区域电网源荷协同调度学习优化方法，其特征在于：所述步骤S1中，定义Δt为决策周期时间间隔，则第t个决策周期对应的时段为[t,t+Δt)，t时段是该决策周期的决策时段，将一天等分成0～T
‑
1个决策周期，则一天等分的决策周期数量为T，假设电网拓扑中有K条母线采用本文方法，则t时段各母线上的基准负荷状态、市场电价以及响应负荷可以表示为：式中，分别表示在t时段母线k上的基准负荷、市场电价和响应负荷，t∈{0,1,
…
,T
‑
1}且k∈{1,2,
…
,K}；由于用户行为和环境的随机特性，负荷实际需求变化既有统计特性，也有随机不确定性，因此，响应负荷L
t
由预测量和随机偏差量组成，是关于日前基准负荷s
t
和市场电价a
t
的函数：
式中，分别表示t时段母线k上响应负荷的预测和随机不确定部分，σ
L
表示偏差量的标准差；发电计划F
t
包含t时段各发电机组出力信息等，是关于响应负荷L
t
和机组信息G
t
的函数：式中，N
gs
、N
w
、ML分别表示火、风电机组数量和系统支路数量，P
tgs
、P
tgs,i
、分别表示火电机组有功出力上下限向量、t时段有功出力向量、t时段机组i有功出力以及其下限和上限，i∈{1,2,
…
,N
gs
}，P
tw
、P
tw,j
、P
tw,j,f
分别表示风电机组预测功率向量、t时段机组出力向量、t时段机组j发电以及预测功率，j∈{1,2,
…
,N
w
}，P
tML
、、、分别表示支路允许功率上下限向量、t时段支路允许功率向量、t时段支路l长期允许功率以及其下限和上限，l∈{1,2,
…
,ML}，分别表示火电机组向上和向下爬坡功率向量、机组i的向上和向下爬坡功率。4.根据权利要求1所述的基于主从博弈的区域电网源荷协同调度学习优化方法，其特征在于：所述步骤S1中系统综合评价指标如下，从清洁性、经济性以及稳定性三个方面综合评价，即提高系统风电消纳率、增加电网收益、降低全天负荷峰谷差，各子评价指标具体定义为：1)风电消纳率将t时刻所有风电机组的实际发电量与t时刻所有风电机组的预测发电量之比称为风电消纳率：
f
t1
为t时刻的风电消纳率，P
tw,j
、P
tw,j,f
分别表示t时段风电机组j发电以及预测功率，N
w
表示风电机组数量；2)电网收益衡量电力服务机构利润，将电网收益表示为售电收入与购电支出的差值：f
t2
为t时刻的电网收益，profit
base
表示电网收益基数；a
gs
、a
w
分别表示火电和风电上网价格；分别表示在t时段母线k上的市场电价和响应负荷；P
tgs,i
表示t时段火电机组i有功出力，P
tw,j
表示t时段风电机组j有功出力；N
gs
、N
w
分别表示火电机组，风电机组数量；K为母线条数；3)负荷峰谷差负荷峰谷差影响电力系统抗干扰能力和发电效率，为了衡量全天负荷峰谷差，使用以下负荷均峰比来表示：f3为负荷峰谷差，分别表示在t时段母线k上的响应负荷，决策周期数量为T，母线条数为K，由上式可知，负荷峰谷差越大，负荷均峰比越小；反之，负荷峰谷差越小，负荷均峰比越大。5.根据权利要求1所述的基于主从博弈的区域电网源荷协同调度学习优化方法，其特征在于：所述步骤S2中建立负荷响应不确定情况下市场电价制定机构与负荷聚合商之间的主从博弈模型、机组发电计划模型以及约束模型，1)市场电价制定机构与负荷聚合商主从博弈模型市场电价制定机构通过电价调节响应负荷以实现区域电网源荷协同运行，并提升系统综合评价指标，市场电价制定机构制定电价策略的优化目标为：λ1+λ2+λ3＝1λ1、λ2和λ3分别为子目标函数的权重，相加为1，f
t1
为t时刻的风电消纳率，f
t2
为t时刻的电网收益，f3为负荷峰谷差，决策周期数量为T；负荷聚合商作为需求响应技术的重要实施机构，用于整合、统一调控需求响应资源，其
目标是通过优化响应负荷降低用电成本、提高用户满意度，满意度函数表示为：式中，a
t0
、ε分别表示预测响应负荷、用户基准电价、用户基准负荷和弹性系数，且ε∈(
‑
∞,0)∪(0,1)，因此，负荷聚合商的优化目标可表示为：T为决策周期数量，K为母线数量，表示在t时段母线k上的市场电价，对上式求导可得负荷聚合商在t时段最优响应负荷，可以表示为：由于是非凸特性变量，因此用数学推导法求解不适用，响应负荷L
t
k由预测和随机不确定两部分组成，结合上式，t时段母线k上的实际响应负荷可以写成：2)机组发电计划模型机组发电计划目标主要用于在确定电价基础上优化机组出力，通过机组发电计划制定以降低系统运行成本，min M3＝E1+E
22
E1和E2分别表示火电机组的运行成本、风电机组的维护成本；a
i
、b
i
、c
i
表示火电机组i的煤耗成本系数；k
w
表示风电机组运行维护成本系数，N
gs
、N
w
分别表示火电机组，风电机组数量；3)约束模型直流潮流约束，满足以下方程：式中，S

【专利技术属性】
技术研发人员：唐昊，袁鑫，方道宏，王正风，栾喜臣，
申请(专利权)人：国网安徽省电力有限公司，
类型：发明
国别省市：