本發(fā)明屬于電力能源調(diào)度，涉及一種多能負荷虛擬儲能日內(nèi)優(yōu)化調(diào)度方法與系統(tǒng)。

背景技術(shù)：

1、在對多能負荷虛擬儲能系統(tǒng)優(yōu)化調(diào)度過程中，由于小時級時間尺度的日前調(diào)度難以及時響應(yīng)可再生能源及虛擬儲能負荷在分鐘級時間尺度上的波動，綜合能源系統(tǒng)的初步計劃往往會偏離實際情況，繼而在實際運行時可能出現(xiàn)部分時段功率不平衡或能源大量浪費的情況，給多能負荷虛擬儲能系統(tǒng)的穩(wěn)定供電和經(jīng)濟運行帶來諸多不良影響。

2、日內(nèi)優(yōu)化調(diào)度是指將當(dāng)前狀態(tài)下實測的系統(tǒng)數(shù)據(jù)反饋到日內(nèi)滾動優(yōu)化模型中，結(jié)合未來時間尺度為15min的預(yù)測數(shù)據(jù)來求解模型，獲得日內(nèi)優(yōu)化調(diào)度計劃，目標(biāo)在于盡可能消除日前調(diào)度時因時間尺度問題造成的功率波動，使日內(nèi)各源功率盡可能追蹤日前計劃，減小不確定性帶來的經(jīng)濟損失。但是當(dāng)前日內(nèi)優(yōu)化問題求解過程中由于多能源耦合系統(tǒng)設(shè)備種類多，求解參數(shù)復(fù)雜，導(dǎo)致傳統(tǒng)求解算法效率低。

3、因此，如何提供一種多能負荷虛擬儲能日內(nèi)優(yōu)化調(diào)度方法，制定多能負荷虛擬儲能日內(nèi)優(yōu)化調(diào)度策略，是亟需解決的問題。

技術(shù)實現(xiàn)思路

1、為解決現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種多能負荷虛擬儲能日內(nèi)優(yōu)化調(diào)度方法與系統(tǒng)，以多能負荷虛擬儲能系統(tǒng)設(shè)備實際出力與日前調(diào)度計劃偏差最小作為優(yōu)化目標(biāo)，建立系統(tǒng)優(yōu)化目標(biāo)函數(shù)，并根據(jù)日前調(diào)度設(shè)置運行約束條件，在所述運行約束條件下，求解所述目標(biāo)函數(shù)，得到電力系統(tǒng)的日內(nèi)優(yōu)化調(diào)度策略并執(zhí)行，能夠降低多能負荷虛擬儲能系統(tǒng)由于數(shù)據(jù)預(yù)測的不確定性產(chǎn)生的與日前調(diào)度計劃偏差，從而降低運行成本，且采用了高效率求解算法，對日內(nèi)優(yōu)化調(diào)度模型求解效率較高。

2、本發(fā)明采用如下的技術(shù)方案。

3、本發(fā)明的第一方面提供了一種多能負荷虛擬儲能日內(nèi)優(yōu)化調(diào)度方法，包括：

4、步驟1：以多能負荷虛擬儲能系統(tǒng)的設(shè)備實際出力與日前調(diào)度計劃偏差最小為多能負荷虛擬儲能日內(nèi)優(yōu)化調(diào)度目標(biāo)建立目標(biāo)函數(shù)；

5、步驟2：為所述多能負荷虛擬儲能系統(tǒng)，建立運行約束條件；

6、步驟3：在所述運行約束條件下，求解所述目標(biāo)函數(shù)，得到多能負荷虛擬儲能日內(nèi)優(yōu)化調(diào)度策略并執(zhí)行。

7、優(yōu)選地，步驟1中建立的目標(biāo)函數(shù)為：

8、

9、其中：k為優(yōu)化初始時刻；

10、λi為權(quán)重系數(shù)，i∈[1,2,…,q]；

11、q＝虛擬儲能設(shè)備數(shù)量p+1；

12、i取1至p時，表示虛擬儲能設(shè)備1至p在k時刻的實時輸出功率；

13、i取q時，表示虛擬儲能系統(tǒng)在k時刻與電網(wǎng)實時交互功率；

14、i取1至p時，表示虛擬儲能設(shè)備1至p在k時刻的參考功率；

15、i取q時，表示虛擬儲能系統(tǒng)在k時刻與電網(wǎng)參考交互功率。

16、優(yōu)選地，步驟2中，為所述多能負荷虛擬儲能系統(tǒng)，建立如下運行約束條件：

17、多能負荷虛擬儲能系統(tǒng)運行功率平衡約束；

18、多能負荷虛擬儲能系統(tǒng)運行虛擬儲能約束：

19、

20、其中：pves、分別為虛擬儲能設(shè)備虛擬充放電功率、虛擬充放電功率最小值、虛擬充放電功率最大值；

21、socves、分別為虛擬儲能設(shè)備虛擬荷電狀態(tài)、虛擬荷電狀態(tài)最小值、虛擬荷電狀態(tài)最大值；

22、cves、分別為虛擬儲能設(shè)備虛擬容量、虛擬容量最小值、虛擬容量最大值；

23、pves,up/dn、分別為虛擬儲能設(shè)備虛擬向上/下爬坡率、虛擬向上/下爬坡率最小值、虛擬向上/下爬坡率最大值。

24、優(yōu)選地，步驟3中，在所述運行約束條件下，求解所述目標(biāo)函數(shù)，得到多能負荷虛擬儲能日內(nèi)優(yōu)化調(diào)度策略并執(zhí)行，具體包括：

25、步驟3.1：基于目標(biāo)函數(shù)和運行約束條件初始化種群參數(shù)，包括種群數(shù)量n、變量維度m、最大迭代次數(shù)t和個體的初始位置；

26、步驟3.2：若迭代次數(shù)則進行個體位置更新；

27、步驟3.3：若則進行防御天敵階段位置更新；

28、步驟3.4：若n≥n，則進行逃離天敵階段位置更新；

29、步驟3.5：如果達到最大迭代次數(shù)t則停止迭代，得到最優(yōu)解，否則跳轉(zhuǎn)至步驟3.2，迭代次數(shù)n加1。

30、優(yōu)選地，所述步驟3.1種群初始化算法：

31、步驟3.1.1：設(shè)置種群數(shù)量n，每一個個體就是優(yōu)化目標(biāo)函數(shù)的一組解，解中存在m維變量，該變量為目標(biāo)函數(shù)及約束條件中待進行最優(yōu)化求解的變量，每個個體的變量值能夠通過目標(biāo)函數(shù)計算出一個目標(biāo)函數(shù)值；

32、步驟3.1.2：設(shè)置最大迭代次數(shù)t；

33、步驟3.1.3：建立正、反向個體初始位置，得到正向、反向初始種群，算法如下：

34、

35、其中，分別為正向、反向個體初始位置，n＝1,2,…,n，m＝1,2,…,m；

36、ra是0-1范圍內(nèi)的隨機數(shù)；

37、分別表示第m個決策變量xn,m的上界和下界；

38、步驟3.1.4：初始化個體xn,m：

39、在正向、反向初始種群中選取對應(yīng)運行約束條件下目標(biāo)函數(shù)值較小的n個個體組成初始種群。

40、優(yōu)選地，所述步驟3.2個體位置更新階段，具體為：

41、步驟3.2.1：確定優(yōu)勢個體

42、根據(jù)當(dāng)前個體值所對應(yīng)的運行約束條件下目標(biāo)函數(shù)值確定優(yōu)勢個體，優(yōu)勢個體為所對應(yīng)運行約束條件下目標(biāo)函數(shù)值最低的個體；

43、步驟3.2.2：當(dāng)時，確定雄性個體雌性個體

44、

45、其中，是0到1之間的隨機向量；

46、r5、r6、r7是0到1之間的隨機數(shù)；

47、rb、rb-1是第b、b-1次生成的0到1之間隨機數(shù)；

48、q1、q2是0到1之間的隨機整數(shù)；

49、i1、i2是1到2之間的隨機整數(shù)；

50、是隨機選擇的一些個體的平均值；

51、h1、h2從式(5)五種場景中隨機選取；

52、步驟3.2.3：分別進行雄性個體和雌性個體位置更新，算法如下：

53、

54、其中，f()表示目標(biāo)函數(shù)值。

55、優(yōu)選地，所述步驟3.3防御天敵階段具體為：

56、步驟3.3.1：使用k-means聚類算法，形成m個集群，每個集群的質(zhì)心即是天敵enemym位置；

57、步驟3.3.2：當(dāng)時，確定個體相對于天敵的位置算法如下：

58、

59、其中，是levy運動的隨機向量；

60、e是2到4之間均勻分布的隨機數(shù)；

61、c是1到1.5之間均勻分布的隨機數(shù)；

62、d是2到3之間均勻分布的隨機數(shù)；

63、g是-1到1之間均勻分布的隨機數(shù)；

64、是維數(shù)為1×m的隨機向量；

65、為第n個個體與天敵的距離，算法如下：

66、

67、步驟3.3.3：防御天敵階段位置更新，算法如下：

68、

69、優(yōu)選地，所述步驟3.4逃離天敵階段具體為：

70、步驟3.4.1：尋找安全位置算法如下：

71、

72、其中，rv、rv-1是第v、v-1次生成的0到1之間的隨機數(shù)；

73、s1從三種場景中隨機選擇，算法如下：

74、

75、其中，是0到1之間的隨機向量；

76、r12是一個正態(tài)分布的隨機數(shù)；

77、r13是0到1之間的隨機數(shù)。

78、步驟3.4.2：逃離天敵階段位置更新，算法如下：

79、

80、本發(fā)明的第二方面提供了一種多能負荷虛擬儲能日內(nèi)優(yōu)化調(diào)度系統(tǒng)，包括：

81、目標(biāo)函數(shù)構(gòu)建模塊，用于以多能負荷虛擬儲能系統(tǒng)的設(shè)備實際出力與日前調(diào)度計劃偏差最小為多能負荷虛擬儲能日內(nèi)優(yōu)化調(diào)度目標(biāo)建立目標(biāo)函數(shù)；

82、運行約束條件構(gòu)建模塊，用于為所述多能負荷虛擬儲能系統(tǒng)，建立運行約束條件；

83、優(yōu)化調(diào)度模塊，用于在所述運行約束條件下，求解所述目標(biāo)函數(shù)，得到多能負荷虛擬儲能日內(nèi)優(yōu)化調(diào)度策略并執(zhí)行。

84、一種終端，包括處理器及存儲介質(zhì)；所述存儲介質(zhì)用于存儲指令；所述處理器用于根據(jù)所述指令進行操作以執(zhí)行所述方法的步驟。

85、計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)所述方法的步驟。

86、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果至少包括：

87、(1)本發(fā)明考慮了系統(tǒng)中的各類虛擬儲能設(shè)備實際輸出、系統(tǒng)與電網(wǎng)的實時交互功率與日前參考值的差量，以多能負荷虛擬儲能系統(tǒng)的設(shè)備實際出力與日前調(diào)度計劃偏差最小為多能負荷虛擬儲能日內(nèi)優(yōu)化調(diào)度目標(biāo)建立目標(biāo)函數(shù)，并引入了虛擬儲能的相關(guān)參數(shù)約束，實現(xiàn)多能源虛擬儲能參數(shù)的統(tǒng)一，使優(yōu)化模型更加貼合實際，能夠有效實現(xiàn)設(shè)備實際出力與日前調(diào)度計劃偏差最小的目標(biāo)。

88、(2)本發(fā)明求解目標(biāo)函數(shù)時進行算法改進，所采用的種群初始化方式能夠加速算法的收斂效率，提高解的可靠性；個體位置更新階段可確定更為均勻和隨機的雄性個體位置，使算法逃離局部最優(yōu)解，從而維持種群多樣性，提高全局搜索能力；防御天敵階段使用k-means聚類，對整個解空間進行搜索，尋找最佳天敵產(chǎn)生的位置，提高了局部尋優(yōu)效果，使算法有更優(yōu)的收斂性；逃離天敵階段所采用的安全位置尋找算法，使安全位置分布更加具有隨機性和遍歷性，從而增大搜索空間范圍，防止局部最優(yōu)解。本發(fā)明通過改進傳統(tǒng)算法的種群初始化方式與隨機數(shù)生成方法等，進行優(yōu)化模型求解，有較高的探索能力，可以避免局部最優(yōu)。該方法所得優(yōu)化結(jié)果質(zhì)量高、收斂速度快，較好地解決了多能負荷虛擬儲能日內(nèi)優(yōu)化調(diào)度問題。

89、(3)本發(fā)明能夠幫助多能負荷虛擬儲能系統(tǒng)實現(xiàn)日內(nèi)優(yōu)化調(diào)度策略的有效輸出，提高系統(tǒng)與電網(wǎng)協(xié)同互動的靈活性與可靠性。