【技术实现步骤摘要】
本专利技术涉及电力系统短期负荷预测以及电力调度控制领域，尤其涉及一种考虑随机源荷虚拟电厂的能源出力优化调度方法及系统。
技术介绍
1、随着“双碳”目标的提出和全球能源形式变化，光伏、风电等可再生能源得到大力发展，可再生能源在配电网中所占比例逐步提高，其充分消纳对配电系统的高效运行具有重要意义。然而，可再生能源出力和用户负荷受环境和人为因素影响具有较强的随机性，致使可再生能源的充分消纳较为困难。针对可再生能源消纳不足问题，可以采用虚拟电厂对储能、燃气轮机、风电、光伏等能源进行聚合，通过调度各类能源出力提升可再生能源的消纳率。
2、部分现有虚拟电厂调度技术虽然对虚拟电厂进行了优化调度，但没有充分考虑源荷不确定性影响，在面对源荷变化实际工况时难以保证调度的稳定性和可靠性。还有部分研究虽然在虚拟电厂调度规划中考虑了源荷不确定性问题，但其新能源和用户负荷数据均来源于对实际情况的假设和相关统计结果，难以反映电网运行的实际情况，具有一定的局限性。
3、如公开号为cn115375014a的专利技术专利，公开一种源荷组合概率预测方法、装置及存储介质，其采用cnn特征提取模块替换transformer模型中编码器原有的多头注意力模块，可以提取数据特征，避免了由于源荷和气象数据内部耦合性关系不明确导致无法手动选择特征参数的问题，避免了早期复杂的数据处理操作，但其并没有考虑源荷不确定性工况对虚拟电厂调度优化的影响。
4、目前已有研究关注了实际源荷不确定性工况对虚拟电厂调度优化的影响，但所用到的优化算法在处理高复杂度问
5、如公开号为cn118971021a的专利技术专利，公开一种含高渗透率新能源的主动配电网储能控制方法，其解决了现有的新能源电网在遭受故障后发生新能源机组意外脱网的事故，主要存在系统调频能力不足的问题，但明显的，计算十分复杂。
技术实现思路
1、专利技术目的：为解决上述现有技术出现的问题，本专利技术提供一种考虑随机源荷虚拟电厂的能源出力优化调度方法，该方法解决了在随机源荷条件下，新能源消纳水平低导致的配电系统稳定性差以及经济效益不好的问题，本专利技术还提供一种考虑随机源荷虚拟电厂的能源出力优化调度系统。
2、技术方案：根据本专利技术的第一方面，提供一种考虑随机源荷虚拟电厂的能源出力优化调度方法，该方法包括：
3、s1在负荷与新能源出力数据预测以及发电成本最小化基础上，构建虚拟电厂双层优化调度模型，其中，包括下层模型和上层模型；所述下层模型为基于改进transformer的用户负荷预测模型，所述改进transformer的用户负荷预测模型包括transformer模型与估计模型，所述transformer模型能够提取深层次的时序特征，再通过所述估计模型对用户负荷进行最终预测，得到用户负荷预测数据；
4、s2利用场景生成法建立可再生能源出力模型，从而得到未来若干时间的风电、光伏出力预测数据；
5、s3在用户负荷预测数据和风电、光伏出力预测数据的基础上构建上层模型，所述上层模型以风光储燃虚拟电厂发电成本最小化为目标函数，并考虑燃气轮机输出功率、爬坡率，储能充放电功率、储电量，功率平衡的约束条件；
6、s4基于所述上层模型的目标函数，采用单体引导目标函数比较算法对所述目标函数进行优化求解，进而得到未来若干时间的各能源出力的最优值。
7、进一步的，包括：
8、所述步骤s1中，基于改进transformer的用户负荷预测模型的构建过程包括：
9、s11数据预处理：收集历史用户负荷数据，将历史用户负荷数据按一定比例分为训练集数据和测试集数据；
10、s12模型构建：使用所述改进transformer模型处理所述训练集数据；
11、s13模型训练与负荷预测：使用预处理后的训练集训练所述改进transformer模型，设置最大迭代次数，当迭代达到最大迭代次数，训练完成，并采用测试集对该模型性能进行验证；最后，将某电力区域当天负荷数据输入到训练好的改进transformer模型，即可得到该电力区域未来若干时间的负荷预测数据。
12、进一步的，包括：
13、所述估计模型表示为：
14、
15、式中，n是边界向量数量，αi是权重乘子，是将transformer模型输出数据x映射到更高维空间的函数，x’为边界向量，b是偏置项；
16、其中，函数表达式为：
17、
18、式中，cij为自相关系数，i,j＝1,2,...u，u为transformer模型输出数据的维度。
19、进一步的，包括：
20、所述步骤s2中，根据所述下层模型利用场景生成法建立可再生能源出力模型，具体包括：
21、s21采用非参数核密度估计法对风电、光伏出力历史序列数据进行拟合得到风电、光伏的核密度估计式；
22、s22基于copula函数建立风电、光伏出力联合分布模型；
23、s23采用核密度估计式计算联合分布模型得到的估计值与风电、光伏出力实际值的误差，选择误差最小时对应的最优copula函数作为最优的风电、光伏联合概率分布，并生成初步风电、光伏出力场景数据；
24、s24将初步风电、光伏出力场景数据按照向后削减法进行场景削减，并计算削减后每个场景出现的概率，出现概率最大的风光出力场景，即为未来若干时间的风电、光伏出力预测数据。
25、进一步的，包括：
26、所述步骤s3中，上层模型以风光储燃虚拟电厂发电成本最小化为目标函数，该目标函数表示为：
27、
28、式中，s表示光伏出力场景，w表示风电出力场景；t为交易时段；为vpp向电网购电成本；为燃气轮机运行成本；为储能运行成本；
29、各成本的具体计算公式如下：
30、
31、式中，为vpp购电价格，单位为元/mw·h，为vpp的购电量，单位为mw·h；
32、
33、式中，cmt为燃气轮机单位发电成本，单位为元/mw·h，为燃气轮机的发电量，单位为mw·h；
34、
35、式中，为电力市场的实时电价，ηc为储能的充电效率，为储能的充电量，单位为mw·h。
36、进一步的，包括：
37、所述步骤s3中，考虑燃气轮机输出功率、爬坡率，储能充放电功率、储电量，功率平衡的约束条件，包括：
38、燃气轮机约束：
39、
40、式中，pmin和pmax分别为燃气轮机最小和最大输出功率，为燃气轮机当前的输出功率；ru和rd分别为燃气轮机向上和向下的爬坡率；
41、储能约束：
42、
43本文档来自技高网...
【技术保护点】
1.一种考虑随机源荷虚拟电厂的能源出力优化调度方法，其特征在于，该方法包括：
2.根据权利要求1所述的考虑随机源荷虚拟电厂的能源出力优化调度方法，其特征在于，所述步骤S1中，基于改进Transformer的用户负荷预测模型的构建过程包括：
3.根据权利要求1或2所述的考虑随机源荷虚拟电厂的能源出力优化调度方法，其特征在于，所述估计模型表示为：
4.根据权利要求3所述的考虑随机源荷虚拟电厂的能源出力优化调度方法，其特征在于，所述步骤S2中，根据所述下层模型利用场景生成法建立可再生能源出力模型，具体包括：
5.根据权利要求1所述的考虑随机源荷虚拟电厂的能源出力优化调度方法，其特征在于，所述步骤S3中，上层模型以风光储燃虚拟电厂发电成本最小化为目标函数，该目标函数表示为：
6.根据权利要求1所述的考虑随机源荷虚拟电厂的能源出力优化调度方法，其特征在于，所述步骤S3中，考虑燃气轮机输出功率、爬坡率，储能充放电功率、储电量，功率平衡的约束条件，包括：
7.根据权利要求6所述的考虑随机源荷虚拟电厂的能源出力优化调度方法，
8.根据权利要求7所述的考虑随机源荷虚拟电厂的能源出力优化调度方法，其特征在于，所述搜索中心与探索点的距离d的计算公式表示为：
9.一种考虑随机源荷虚拟电厂的能源出力优化调度系统，其特征在于，该系统包括：
10.一种考虑随机源荷虚拟电厂的能源出力优化调度装置，其特征在于，所述调度装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的考虑随机源荷虚拟电厂的能源出力优化调度程序，所述考虑随机源荷虚拟电厂的能源出力优化调度程序被所述处理器执行时实现如权利要求1至8中任一项所述的考虑随机源荷虚拟电厂的能源出力优化调度方法的步骤。
...【技术特征摘要】
1.一种考虑随机源荷虚拟电厂的能源出力优化调度方法，其特征在于，该方法包括：
2.根据权利要求1所述的考虑随机源荷虚拟电厂的能源出力优化调度方法，其特征在于，所述步骤s1中，基于改进transformer的用户负荷预测模型的构建过程包括：
3.根据权利要求1或2所述的考虑随机源荷虚拟电厂的能源出力优化调度方法，其特征在于，所述估计模型表示为：
4.根据权利要求3所述的考虑随机源荷虚拟电厂的能源出力优化调度方法，其特征在于，所述步骤s2中，根据所述下层模型利用场景生成法建立可再生能源出力模型，具体包括：
5.根据权利要求1所述的考虑随机源荷虚拟电厂的能源出力优化调度方法，其特征在于，所述步骤s3中，上层模型以风光储燃虚拟电厂发电成本最小化为目标函数，该目标函数表示为：
6.根据权利要求1所述的考虑随机源荷虚拟电厂的能源出力优化调度方法，其特征在于，所述步骤s3中，考虑燃气轮机输...
【专利技术属性】
技术研发人员：胡楠，张蕾，周世濂，张春，宋萍，成焱韬，姜奥，
申请(专利权)人：南通电力设计院有限公司，
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。