买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网辽宁省电力有限公司大连供电公司;东北大学

摘要：本发明公开了一种多能源虚拟电厂优化调度方法及系统，包括以下步骤：收集日前的负荷需求和可再生能源发电数据作为样本数据；对样本数据进行预处理；建立与外部电网交易的虚拟电厂优化调度框架；分别建立虚拟电厂中燃气轮机和储能设备的基本单元模型；根据虚拟电厂内各设备的运行条件约束，并以日运行成本最低为目标函数建立虚拟电厂优化调度模型；将虚拟电厂优化调度模型转化为马尔科夫决策过程，设计智能体的状态空间、动作空间与奖励函数；在Python软件中采用SoftActor‑Critic算法进行离线训练，并利用训练好的虚拟电厂智能体进行在线决策。本发明能够对虚拟电厂内部各资源进行灵活调度。

主权项：1.一种多能源虚拟电厂优化调度方法，其特征在于，其包括：S1：收集日前的负荷需求和可再生能源发电数据作为样本数据，所述样本数据包括一年的分辨率为一小时的负荷需求、风力发电、光伏发电、水力发电和实时电网电价数据；S2：对所述样本数据进行预处理，其具体步骤包括：S201：采用箱型图理论判定样本数据是否出现异常值情况，即将样本数据排序，等分为四部分，Q0-Q4为等分后的端点；Q1和Q3分别为下四分位点和上四分位点，涵盖数据分布最中间50％的数据，IQR为四分位距，IQR＝Q3-Q1；设定数据落在Q1-1.5*IQR，Q3+1.5*IQR范围内为正常值，范围之外为异常值；S202：采用均值插值法修正缺失值和异常值，即根据缺失值和异常值数据的发生时刻，计算过去n个相同类型日中同时刻数据的加权平均值进行修正，修正公式如下： 式中，xm,t为第m天t时刻的数据，xm-n,t为前第n天t时刻的数据，λ为前第n天数据的权重系数，a为决定权重系数的平滑系数，αk为第k个权重系数，不同的日期对应不同的权重系数；S3：建立与外部电网交易的虚拟电厂优化调度框架，其包括虚拟电厂内部调度和外部交易市场；所述虚拟电厂内部调度为：根据负荷需求对光伏、风机可再生能源和储能设备、微型燃气轮机可调机组进行调度，在发电过剩并且向电网售电电价较高时，向外部电网售电，在发电不足且无法满足负荷需求时，向外部电网购电，从而满足负荷需求，达到功率平衡；所述外部交易市场为：为满足负荷需求，在发电不足时向电网购电，发电过多时，向电网售电；S4：分别建立虚拟电厂中燃气轮机和储能设备的基本单元模型；S5：根据虚拟电厂内各设备的运行条件约束，并以日运行成本最低为目标函数建立虚拟电厂优化调度模型，所述目标函数的表达式如下： 式中，T代表一天的时刻个数，I代表虚拟电厂内燃气轮机的个数，代表第i个燃气轮机在时刻t内的输出功率，Et,c为储能设备在时刻t内充电功率，Et,d为储能设备在时刻t内放电功率；代表第i个燃气轮机在t时刻内输出功率的成本，代表储能设备在t时刻内的运行成本，代表t时刻内与电网交易的成本；Δpt为虚拟电厂内部输出功率与负荷的差值，当Δpt＞0时，向电网售电，增加虚拟电厂的收益，当Δpt＜0时，从电网侧购买电能，满足负荷需求，保证虚拟电厂并网安全运行；其中，储能设备运行成本的表达式如下： 式中，λes为储能设备运行维护成本系数；与电网交易成本的表达式如下： 式中，ρt为虚拟电厂购售电成本系数，β为售电折扣因子；所述虚拟电厂内各设备的运行条件约束中功率平衡约束如下： 式中，I代表燃气轮机个数，J代表光伏机组个数，K代表风电机组个数，L代表水电机组个数，代表第i台光伏发电机在t时刻内的输出功率，代表第i台风力发电机在t时刻内的输出功率，代表第i台水力发电机在t时刻内的输出功率，PtL代表t时刻内的负荷需求；所述虚拟电厂内各设备的运行条件约束中燃气轮机爬坡速率约束的表达式如下： 式中，RUi代表第i台燃气轮机的爬坡速率上限，RDi代表第i台燃气轮机的爬坡速率下限，规定了燃气轮机在单位时间内输出功率的变化量范围；所述虚拟电厂内各设备的运行条件约束中储能设备充电和放电模式约束的表达式如下：0≤δt,cha+δt,dis≤1δt,cha,δt,dis∈[0,1]式中，δt,cha为二元变量，值为0或者1，代表储能设备的充电状态；δt,dis为二元变量，值为0或者1，代表储能设备的放电状态；所述虚拟电厂内各设备的运行条件约束中可再生能源约束的表达式如下： 式中，代表光伏发电机的额定功率值，代表风力发电机的额定功率值，代表水利发电机的额定功率值；所述虚拟电厂内各设备的运行条件约束中与电网交易容量约束的表达式如下： 式中，代表虚拟电厂与电网进行电能交易容量的上限，pt代表虚拟电厂与电网进行电能交易容量的下限；S6：将所述虚拟电厂优化调度模型转化为马尔科夫决策过程，所述马尔科夫决策过程包括设计智能体的状态空间、动作空间与奖励函数，其具体步骤包括：S601：设计智能体的状态空间，所述智能体的状态空间为虚拟电厂内的光伏发电功率、风机发电功率、水力发电功率、燃气轮机发电功率、储能设备电量、负荷功率、当前所处时刻、电网电价和与电网交易的电量，则t时刻虚拟电厂智能体的状态空间的表达式如下： S602：设计智能体的动作空间，所述智能体的动作空间为可控制的设备出力和与电网间的交易量，可控制的设备包括燃气轮机机组出力、储能设备充放电功率，则t时刻虚拟电厂智能体的动作空间的表达式如下： 式中，虚拟电厂智能体的动作空间表达式需经过tanh函数进行变换，使其输出范围为-1,1；S603：设计智能体的奖励函数，所述智能体的奖励函数的表达式如下：rt＝F1t+F2tF1t为虚拟电厂运行成本的相反数，其表达式如下： F2t为功率与负荷不平衡惩罚项，其表达式如下： 式中，k为功率与负荷不平衡惩罚系数；S7：在Python软件中采用pytorch库进行编程，将所述预处理后的一年的分辨率为1小时的光伏发电、风力发电、水力发电、负荷需求、电网分时电价的历史数据输入至虚拟电厂智能体中，采用SoftActor-Critic算法进行离线训练，并利用训练好的虚拟电厂智能体进行在线决策，所述SoftActor-Critic算法原理如下：策略更新公式： 式中,表示策略的梯度，s表示智能体所处的状态，a表示智能体所选取的动作，πa|s表示策略在状态s下采取动作a的概率，Qπs,a表示在状态s下采取动作a的值函数，α表示熵调节系数，表示柔化的值函数，E表示期望值；Q值函数更新公式：Qs,a←Qs,a+αrs,a+γEs'～ps'|s,aVs'-Qs,a式中，Qs,a表示在状态s下采取动作a的值函数，rs,a在状态s下采取动作a的即时奖励，α表示熵调节系数，γ表示折扣因子，Vs'表示状态s’的值函数，ps'|s,a表示在状态s采取动作a后转移到状态s’的转移概率；值函数更新公式：Vs←Vs+αEa～π[Qs,a-αlogπa|s-Vs]式中，Vs表示状态为s时的值函数，a～π表示从策略π中采样得到动作a，Qπs,a表示在状态s下采取动作a的值函数，πa|s表示策略在状态s下采取动作a的概率。

全文数据：

权利要求：

百度查询： 国网辽宁省电力有限公司大连供电公司 东北大学 多能源虚拟电厂优化调度方法及系统