【技术实现步骤摘要】
本专利技术涉及储能领域，具体涉及一种考虑隐私保护的共享储能促进新能源消纳的运行策略。
技术介绍
1、随着新能源装机的进一步提升，现有的新能源消纳手段，包括电量外送、常规机组参与调峰等，可能遭遇瓶颈，灵活性容量将消耗殆尽。因此，随着新型电力系统的建设，储能成为新型电力系统的重要组成部分，规模化的储能可以有效调节电力系统中的“供需平衡”，从而确保电力系统供电的可靠性和灵活性。尽管储能具有极大的发展潜力，但其发展仍然面临一些问题，如投资成本过高、用户所需储能容量定制化难、储能设备利用率低等，这些因素都制约着储能的商业化快速发展，随着近年共享经济的提出，共享储能作为一种提高资源利用效率的崭新范式，为解决上述问题提供了新思路。因此，对以新能源为主的新型电力系统而言，利用共享储能促进新能源的消纳与保障电力供应，对推动绿色能源低碳转型具有重要意义。
2、此外，由于风力发电、光伏发电技术具有波动性、随机性的特点，同时新能源装机存在布局不平衡、与电力负荷呈逆向分布的问题，由此所导致高比例新型电力系统中新能源的消纳将面临更大的挑战。为此分布式新能源基地接入配电网以及利用共享储能成为必然趋势。但随着各个不同运营商的接入，共享储能运营商对各分布式新能源基地电力数据的深度挖掘和分析会严重泄露参与者的隐私信息，这种风险如果得不到妥善处理，可能会导致其数据的篡改及丢失，甚至危及整个电力系统的稳定性，同时各个电力供应商或用户之间由于不信任问题所造成的“信息孤立”问题也为设备状态信息的收集增加了困难，传统的方法不能有效处理隐私问题。因此如何在充分利用
技术实现思路
1、本专利技术的目的在于提供一种共享储能考虑分布式新能源电站隐私的双层优化运行方法，旨在实现分布式新能源电站与共享储能之间的电量交易与储能收益的同时，保证各新能源电站之间的隐私信息与数据不会进行共享，保护其商业敏感信息。
2、为了实现上述目的，本专利技术采用了以下技术方案：一种考虑隐私保护的共享储能促进新能源消纳的运行策略，包括以下步骤：
3、建立包括上层和下层的双层对立博弈优化模型，所述双层对立博弈优化模型的上层为共享储能电站交易决策模型，用以生成各储能电站的报价策略，所述双层对立博弈优化模型的下层为各新能源电站间基于联邦强化学习的分布式协同智能网络优化模型，用以生成各新能源基地的预计出清价格与出清电量；
4、根据共享储能电站的优化目标和约束条件，建立上层共享储能电站交易决策模型；
5、结合各新能源基地的优化目标和电网安全运行约束条件，基于联邦强化学习框架，建立分布式协同智能网络优化模型，对各新能源基地训练后得到训练后的分布式协同智能网络优化模型，将各个新能源基地(neb)视为互相独立的智慧控制块，设立本地智能网络模型(linm)和全局智能网络模型(ginm)，本地新能源基地构造噪音梯度并报告全局智能网络模型，接收到设定数量的带噪音梯度时，全局智能网络模型将各个新能源基地的参数进行聚合和增加扰动，并且更新的全局智能网络模型向所有本地新能源基地广播，本地智能网络模型(linm)和全局智能网络模型(ginm)相互迭代更新，实现分布式实时决策；
6、通过求解所述上层的共享储能电站交易决策模型和下层的分布式协同智能网络优化模型，得到共享储能电站的最优报价策略以及共享储能电站的最优运行策略。
7、进一步的，根据共享储能电站的优化目标和约束条件，建立上层共享储能电站交易决策模型时，
8、将共享储能电站交易决策模型的目标函数设置为共享储能运营商的收益，以共享储能运营商一天为周期，目标是其收益成本达到最大；将共享储能运营商的收益分为电能量市场的收益与调频辅助服务市场的收益两部分；其中电能量市场的收益为储能在电能量市场的充放电行为所产生的收益，调频辅助服务市场的收益为储能参与在调频市场中提供的调频里程和调频容量所产生的收益，具体目标函数为：
9、
10、式中：ness为储能电站的数量；分别为t时段储能电站k在电能量市场中标的放电、充电功率以及在调频市场中标的调频容量和调频里程；λt、分别为电价、调频容量出清价格和调频里程出清价格，由下层的分布式协同智能网络优化模型得到。
11、进一步的，根据共享储能电站的优化目标和约束条件，建立上层共享储能电站交易决策模型时，约束条件具体包括储能充放电约束、储能荷电状态约束、储能上下调频容量约束、以及储能的报价约束。
12、进一步的，利用联邦学习将深度强化学习扩展到分布式计算，提出基于联邦强化学习的分布式协同智能网络优化模型具体步骤包括：
13、1)每个本地新能源基地训练并更新本地智能网络模型，计算最新梯度和本地差分噪音，并在触发模型上传请求时将扰动后的梯度上传；
14、2)全局服务器收集上传的噪音梯度并求和，以更新全局智能网络模型，本地网络模型和全局网络模型迭代更新，直到成本曲线收敛。
15、进一步的，所述的本地网络模型构建方法包括：
16、将分布式新能源电站所在配电网划分为多个自治区域，各区域设置智慧控制块，负责对本区域内的可控设备下发调度指令，对于n号智慧控制块，将策略πt表示为深度神经网络(deep-learning neural network，dnn)的学习参数θt相关的概率分布函数，通过策略采样选取区域内可控设备的调度指令at，包括新能源发电机组和储能的控制行为，在智慧控制块内进行分布式深度强化学习训练，即通过联邦学习实现分布式新能源电站的协同优化；
17、1)信息空间：
18、信息空间是智慧控制块所感知的环境信息，将n号智慧控制块在t时刻的状态定义为其中分别为n号智慧控制块在t时刻的储能申报的充放电功率；分别为n号智慧控制块在t时刻的储能申报的调频容量和调频里程；
19、2)操作空间：
20、n号智慧控制块在t时刻的调控行为an，t代表该区域的调度决策变量：
21、
22、式中：分别为n号区域中的风电机组在t时刻在电能量市场中标的发电量以及在调频市场中标的调频容量和调频里程；分别为n号区域中的光伏机组在t时刻在电能量市场中标的发电量以及在调频市场中标的调频容量和调频里程，分别表示储能电站k在t时刻在电能量市场中标的放电、充电功率以及在调频市场中标的调频容量和调频里程；
23、电网运行中功率平衡约束为：
24、
25、式中：φn(n)、φess(n)、φd(n)分别表示位于n号区域的新能源机组、储能电站和电力负荷的集合；表示n号区域在t时刻的负荷；
26、系统调频容量、里程需求约束为：
27、
28、式中：分别表示系统本文档来自技高网...
【技术保护点】
1.一种考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，包括以下步骤：
2.根据权利要求1所述的考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，根据共享储能电站的优化目标和约束条件，建立上层共享储能电站交易决策模型时，
3.根据权利要求2所述的考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，根据共享储能电站的优化目标和约束条件，建立上层共享储能电站交易决策模型时，约束条件具体包括储能充放电约束、储能荷电状态约束、储能上下调频容量约束、以及储能报价约束。
4.根据权利要求1所述的考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，利用联邦学习将深度强化学习扩展到分布式计算，提出基于联邦强化学习的分布式协同智能网络优化模型具体步骤包括：
5.根据权利要求4所述的考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，所述的本地网络模型构建方法包括：
6.根据权利要求4所述的考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，完成本地智能网络模型训练后，本地新能源基地按照
7.根据权利要求6所述的考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，每个本地新能源基地期望采用随机函数Q来获取满足其噪音梯度，需要满足的函数如下式所示：
8.根据权利要求4所述的考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，每个本地新能源基地都报告带噪音的梯度，将这些所述梯度进行聚合，求出均值更新全局智能网络模型并与本地新能源基地共享最新的全局模型，每个本地新能源基地在本地训练固定次数的周期后，将最终噪音的梯度上传；
9.根据权利要求1所述的考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，通过求解所述上层的共享储能电站交易决策模型和下层的多智慧控制块分布式协同优化模型，得到共享储能电站的最优运行策略，包括：
...【技术特征摘要】
1.一种考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，包括以下步骤：
2.根据权利要求1所述的考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，根据共享储能电站的优化目标和约束条件，建立上层共享储能电站交易决策模型时，
3.根据权利要求2所述的考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，根据共享储能电站的优化目标和约束条件，建立上层共享储能电站交易决策模型时，约束条件具体包括储能充放电约束、储能荷电状态约束、储能上下调频容量约束、以及储能报价约束。
4.根据权利要求1所述的考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，利用联邦学习将深度强化学习扩展到分布式计算，提出基于联邦强化学习的分布式协同智能网络优化模型具体步骤包括：
5.根据权利要求4所述的考虑隐私保护的共享储能促进新能源消纳的运行策略，其特征在于，所述的本地网络模型构建方法包括：
6.根据权利要求4所述的考虑隐私保护的共享储能促进新能源消纳的运行策略，...
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。