一种弹性环境下基于Conv-Seq2Seq模型的电力系统日前调度方法技术方案

本发明专利技术属于电力系统调度优化技术领域，具体涉及一种弹性环境下基于Conv

【技术实现步骤摘要】
一种弹性环境下基于Conv
‑
Seq2Seq模型的电力系统日前调度方法


[0001]本专利技术属于电力系统调度优化
，具体涉及一种弹性环境下基于Conv
‑
Seq2Seq模型的电力系统日前调度方法。

技术介绍

[0002]建设以新能源为主体的新型电力系统是电网发展的必然趋势。截止2022年6月底，我国风电装机容量约3.4亿千瓦，同比增长17.2％，对电力可靠性、电能质量都产生重要的影响。充分挖掘电力系统中源荷双侧弹性资源的调度潜力，可以在一定程度上应对传统火电机组在面对新能源机组的间歇性、波动性和不确定性等特征时，调节能力不足的问题。
[0003]源荷双侧弹性资源，负荷侧的弹性资源为柔性负荷，电源侧的弹性资源为深度调峰机组。通过合理的方式聚合柔性负荷，能够平移波动，降低峰谷差，加强电网的调节能力，而且对用户的正常用电影响较小，具有良好的经济效益和社会效益；通过充分发挥火电机组深度调峰的主动性，可以应对新能源出力的波动性导致火电机组频繁启动的问题。然而目前的研究中，未能对源荷双侧可调度潜力进行充分挖掘。
[0004]目前的研究中，求解日前调度问题的思路为“问题
‑
模型
‑
解”，即根据实际问题提炼出数学模型，根据模型特点采用各种方法求解。如应用随机规划、鲁棒优化等方法，在优化模型和处理方法上考虑新能源和负荷等随机因素；或使用启发式算法，通过只管或者先验知识，给出可接受计算时间和空间下机组组合问题的解，但是与最优解有不同程度的偏离。该求解思路在每个决策时间点都要根据决策信息和决策目标函数构成一个全新的调度优化问题，但是随着弹性资源不断增多，系统规模不断增大，该求解思路是造成计算效率低的主要原因。
[0005]针对该问题，“问题
‑
数据
‑
策略”思路通过一个无迭代的，计算复杂度低的映射模型来表征电网调度过程中复杂的决策过程，提高求解效率。基于编码器
‑
解码器架构的Seq2Seq模型能够很好的处理时间序列，充分挖掘序列中的时序信息，而电力系统的日前调度计划在决策依赖的信息和决策结果上都具有较强的时序性，因此，对考虑源荷双侧弹性资源可调度潜力的基于Seq2Seq模型的电力系统日前调度方法进行深入研究，具有重要的理论意义和应用价值。

技术实现思路

[0006]针对现有技术存在的不足之处，本专利技术提出了一种弹性环境下基于Conv
‑
Seq2Seq模型的电力系统日前调度方法，该方法通过充分挖掘新型电力系统中源荷双侧弹性资源调度潜力，提高新能源发电消纳率。
[0007]一种弹性环境下基于Conv
‑
Seq2Seq模型的电力系统日前调度方法，该方法包括如下步骤：
[0008]步骤1：针对电力系统中传统火电机组、深度调峰机组及负荷侧弹性资源建立模
型，其中负荷侧弹性资源包括可削减负荷和可平移负荷；
[0009]步骤2：根据负荷预测数据，风电功率预测数据等信息以及对应的调度计划构建数据集；
[0010]步骤3：构建基于Conv
‑
Seq2Seq的深度学习模型；
[0011]步骤4：运用数据集对深度学习模型进行训练，得到训练完成的深度学习决策模型，并将待决策的负荷预测信息和风电功率预测信息等输入深度学习模型进行决策，输出调度计划；
[0012]步骤5：对深度学习模型的输出方案进行辅助决策修正，得到满足约束的安全可行解。
[0013]本技术方案进一步的优化，所述电力系统在电源侧的弹性资源包括N
fuel
台火电机组和N
w
台风电机组，其中火电机组根据其调峰能力不同分为传统火电机组和深度调峰机组，深度调峰机组有N
dpr
台；负荷侧的弹性资源包括刚性负荷和柔性负荷，其中刚性负荷为必须满足用户的用电需求，不参与调度的负荷；柔性负荷包括可平移负荷和可削减负荷。
[0014]本技术方案进一步的优化，所述日前调度计划包括传统火电机组和深度调峰机组的启停状态和发电功率，可平移负荷开始时间以及补偿价格，可削减负荷的负荷削减量以及补偿价格。
[0015]本技术方案进一步的优化，所述步骤1具体包括，
[0016]步骤1.1：建立传统火电机组的成本模型：
[0017]传统火电机组的运行成本包括煤耗成本和启停成本分别为
[0018][0019][0020]式中：a
i
,b
i
,c
i
为第i台火电机组的煤耗系数；P
i,t
为第i台传统火电机组t时段的出力；ΔT为时间间隔；表示火电机组是否启动，当时表示机组为工作状态；和分别为第i台火电机组的启动费用和停机费用；
[0021]因此传统火电机组总成本为
[0022][0023]步骤1.2：建立深度调峰机组的成本模型：
[0024]当深度调峰机组工作在常规调峰状态时，其成本模型和传统火电机组成本模型一致；当深度调峰机组工作在深度调峰状态时，可以避免机组频繁启动，但会增加由机组出力偏离额定值导致的附加煤耗成本以及机组出力偏离额定值带来的不可逆损伤导致的寿命损耗成本具体可表示为：
[0025][0026][0027]式中：表示火电机组的深度调峰状态，表示机组在深度调峰状态，表示机组运行在非深度调峰状态；和v
g
分别为第g台火电机组在深度调峰状态和常规最
小技术出力状态下的煤耗率系数；ε
g
为第g台火电机组在额定出力下的煤耗率；P
g,t
为第g台深度调峰机组t时段的出力；ρ
coal
为单位煤炭价格；N
g,t
为第g台火电机组的转子致裂循环周次，其值与P
g,t
密切相关；ω为深度调峰机组运行损耗系数；为第g台机组的购机成本；
[0028]因此深度调峰机组总成本为
[0029][0030]步骤1.3：建立可削减负荷模型：
[0031]可削减负荷指在满足用户基本需求的情况下可对运行功率进行部分削减的负荷。可削减负荷的削减量P
tcut
的取值范围可表示为
[0032][0033]式中：为可削减负荷的额定功率；为t时段可削减负荷弹性系数，与补偿价格有关，代表当前补偿价格下，参加调度的可削减负荷削减量的上限。
[0034]调度后的用户补偿费用C
cut
为
[0035][0036]式中：为t时段单位功率负荷削减的补偿价格。
[0037]可削减负荷削减系数体现可削减负荷的弹性，可削减负荷补偿价格会影响可削减负荷削减量大小。当价格处于较低水平时，用户没有响应；当价格增长到某一值时，用户开始接受补偿，愿意对用电负荷进行削减；随着价格的增长，可削减负荷的削减量也逐渐增长；当价格增长到某一值时，弹性资源被完全挖掘，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种弹性环境下基于Conv
‑
Seq2Seq模型的电力系统日前调度方法，其特征在于，该方法包括如下步骤：步骤1：针对电力系统中传统火电机组、深度调峰机组及负荷侧弹性资源建立模型，其中负荷侧弹性资源包括可削减负荷和可平移负荷；步骤2：根据负荷预测数据，风电功率预测数据等信息以及对应的调度计划构建数据集；步骤3：构建基于Conv
‑
Seq2Seq的深度学习模型；步骤4：运用数据集对深度学习模型进行训练，得到训练完成的深度学习决策模型，并将待决策的负荷预测信息和风电功率预测信息等输入深度学习模型进行决策，输出调度计划；步骤5：对深度学习模型的输出方案进行辅助决策修正，得到满足约束的安全可行解。2.如权利要求1所述的弹性环境下基于Conv
‑
Seq2Seq模型的电力系统日前调度方法，其特征在于，所述电力系统在电源侧的弹性资源包括N
fuel
台火电机组和N
w
台风电机组，其中火电机组根据其调峰能力不同分为传统火电机组和深度调峰机组，深度调峰机组有N
dpr
台；负荷侧的弹性资源包括刚性负荷和柔性负荷，其中刚性负荷为必须满足用户的用电需求，不参与调度的负荷；柔性负荷包括可平移负荷和可削减负荷。3.如权利要求1所述的弹性环境下基于Conv
‑
Seq2Seq模型的电力系统日前调度方法，其特征在于，所述日前调度计划包括传统火电机组和深度调峰机组的启停状态和发电功率，可平移负荷开始时间以及补偿价格，可削减负荷的负荷削减量以及补偿价格。4.如权利要求1所述的弹性环境下基于Conv
‑
Seq2Seq模型的电力系统日前调度方法，其特征在于，所述步骤1具体包括，步骤1.1：建立传统火电机组的成本模型：传统火电机组的运行成本包括煤耗成本和启停成本分别为分别为式中：a
i
,b
i
,c
i
为第i台火电机组的煤耗系数；P
i,t
为第i台传统火电机组t时段的出力；ΔT为时间间隔；表示火电机组是否启动，当时表示机组为工作状态；和分别为第i台火电机组的启动费用和停机费用；因此传统火电机组总成本为步骤1.2：建立深度调峰机组的成本模型：当深度调峰机组工作在常规调峰状态时，其成本模型和传统火电机组成本模型一致；当深度调峰机组工作在深度调峰状态时，可以避免机组频繁启动，但会增加由机组出力偏离额定值导致的附加煤耗成本以及机组出力偏离额定值带来的不可逆损伤导致的寿命损耗成本具体可表示为：
式中：表示火电机组的深度调峰状态，表示机组在深度调峰状态，表示机组运行在非深度调峰状态；和v
g
分别为第g台火电机组在深度调峰状态和常规最小技术出力状态下的煤耗率系数；ε
g
为第g台火电机组在额定出力下的煤耗率；P
g,t
为第g台深度调峰机组t时段的出力；ρ
coal
为单位煤炭价格；N
g,t
为第g台火电机组的转子致裂循环周次，其值与P
g,t
密切相关；ω为深度调峰机组运行损耗系数；为第g台机组的购机成本；因此深度调峰机组总成本为步骤1.3：建立可削减负荷模型：可削减负荷指在满足用户基本需求的情况下可对运行功率进行部分削减的负荷。可削减负荷的削减量P
tcut
的取值范围可表示为式中：为可削减负荷的额定功率；为t时段可削减负荷弹性系数，与补偿价格有关，代表当前补偿价格下，参加调度的可削减负荷削减量的上限。调度后的用户补偿费用C
cut
为式中：为t时段单位功率负荷削减的补偿价格；可削减负荷削减系数体现可削减负荷的弹性，可削减负荷补偿价格会影响可削减负荷削减量大小。当价格处于较低水平时，用户没有响应；当价格增长到某一值时，用户开始接受补偿，愿意对用电负荷进行削减；随着价格的增长，可削减负荷的削减量也逐渐增长；当价格增长到某一值时，弹性资源被完全挖掘，可削减负荷削减量将不再增长，可削减负荷削减系数可表示为式中：ξ
cut
表示用户对可削减负荷的补偿敏感度，其越小表示用户对其越敏感；指可削减负荷的最大弹性系数，并且步骤1.4：建立可平移负荷模型：可平移负荷是指工作时长固定，工作时段可整体平移的负荷，应当选择合适的时间平移以达到削峰填谷的效果，可平移负荷可接受的可平移区间为移以达到削峰填谷的效果，可平移负荷可接受的可平移区间为为单位功率负荷平移的补偿价格，其需要满足的连续运行时间约束为
式中：t
sh
为该负荷平移后的起始时段；T
sh
为可平移负荷持续时段数；为t时段是否发生平移的0
‑
1状态变量，表示该负荷平移到了t时段；t时段的可平移负荷功率P
tsh
为式中：L
sh
为可平移负荷的额定功率；用户的经济补偿费用C
sh
为式中：为单位功率负荷平移的补偿价格；当价格处于较低水平时，用户没有响应；当价格增长到某一值时，用户开始接受补偿，可接受平移时段区间开始增长；随着价格的增长，可接受平移时段区间也逐渐增长；当价格增长到某一值时，弹性资源被完全挖掘，可接受平移时段区间不再改变；因此其模型可以表示为因此其模型可以表示为式中：为可平移负荷原始运行起始时段，可平移负荷可接受平移时段的最大扩展时段数，ρ
sh
为可接受平移时段的弹性扩展系数；ξ
sh
为可平移负荷的补偿敏感度。5.如权利要求1所述的弹性环境下基于Conv
‑
Seq2Seq模型的电力系统日前调度方法，其特征在于，所述步骤2具体包括以下步骤：步骤2.1：建立目标函数：步骤2.1：建立目标函数：式中：N
fuel
表示火电机组有N
fuel
台，其中深度调峰机组有N
dpr
台，为第i台传统火电机组在t时段的总运行成本，为第g台深度调峰机组在t时段的总运行成本，C
cut
和C
sh
分别代表可削减负荷和可平移负荷的用户补偿成本。步骤2.2：建立约束条件：所述约束条件主要包括功率平衡约束、火电机组出力上下限约束、火电机组爬坡约束、线路传输容量约束，如下式所示：t时段整个系统功率平衡约束为
式中：P
i,t
和分别为t时段第i台火电机组和第j台风电机组的出力，P
tload
表示t时段的总负荷值，P
tcut
为t时段可削减负荷的削减功率，P
tsh*
和P
tsh
分别为t时段参加调度前后可平移负荷的用电功率，P
trigid
为t时段刚性负荷功率，为参与调度前可削减负荷功率，t时段系统线路传输容量约束为式中：和为系统各节点对线路br的功率传输分配系数，上标fuel、w和load表示火电、风电和负荷所在节点；N
b
为电网节点数；为柔性负荷调度后系统t时段在节点g的负荷预测值，且g的负荷预测值，且为线路br的潮流上限，火电机组出力上下限约束为式中：P
imin
,P
imax
分别为发电机组出力范围的上限和下限...

【专利技术属性】
技术研发人员：谭琦，孙晨皓，唐昊，李端超，高卫恒，
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：