一种虚拟电厂负荷侧资源多时段调控潜力评估预测方法技术

本发明专利技术涉及电厂能源管理技术领域，具体涉及一种虚拟电厂负荷侧资源多时段调控潜力评估预测方法，包括以下步骤：数据收集和准备，收集

【技术实现步骤摘要】
一种虚拟电厂负荷侧资源多时段调控潜力评估预测方法


[0001]本专利技术涉及电厂能源管理
，尤其涉及一种虚拟电厂负荷侧资源多时段调控潜力评估预测方法
。

技术介绍

[0002]随着全球能源危机的加剧和电力需求的不断增长，虚拟电厂
(VPP)
作为一种有效管理能源和优化电力消耗的解决方案日益受到关注，虚拟电厂通过集成多个分散的能源资源，可实现更加灵活和高效的电力供应
。
[0003]然而，随着
《
电力负荷管理办法
(
征求意见稿
)》
等相关政策的发布，以及将需求侧资源以虚拟电厂等方式纳入电力平衡的号召推动，虚拟电厂的实时调控潜力评估及不同时段响应情况预测等相关研究尚处于初步阶段
。
特别是针对
VPP
聚合的多元海量异构资源的评估，目前还未形成统一高效的实时调控潜力预测系统
。
[0004]负荷侧资源的多样性和复杂性，以及其参与响应调度的时变性和不确定性，给
VPP
的组合调度决策带来了极大的挑战
。
在此背景下，如何准确评估实时调控潜力并精确预测响应情况，已成为虚拟电厂实现负荷资源的精细化管理和最优组合调度响应的关键问题
。
[0005]现有技术虽然在某些方面已有研究和实践，但由于缺乏对海量异构资源的有效整合以及实时调控的精确评估手段，导致在现实应用中存在一定的局限性
。
[0006]因此，急需一种基于隐马尔可夫模型
(Hidden Markov Model
，
HMM)
的虚拟电厂
(VPP)
负荷侧资源在不同时段调控潜力预测方法及系统，以弥补现有技术的不足，并实现对虚拟电厂调控潜力的精确预测和最优管理
。

技术实现思路

[0007]基于上述目的，本专利技术提供了一种虚拟电厂负荷侧资源多时段调控潜力评估预测方法
。
[0008]一种虚拟电厂负荷侧资源多时段调控潜力评估预测方法，包括以下步骤：
[0009]S1
：数据收集和准备，收集
VPP
参与调频辅助服务过程中各类可调负荷不同时段的响应数据，并进行数据清洗与预处理；
[0010]S2
：
HMM
模型建立，选定状态空间与观测空间，根据负荷的历史表现数据计算初始概率分布向量
、
初始状态转移概率矩阵及观测概率矩阵；
[0011]S3
：模型训练，通过调用
MATLAB
中的
HMM
库并采用
Viterbi
算法对模型进行求解；
[0012]S4
：模型预测，基于
Viterbi
算法并利用动态规划的思想来找到在给定观测序列下最大概率的状态序列，从而预测
VPP
中各时段负荷资源的调控潜力
。
[0013]进一步的，所述
S1
中的响应数据包括各类资源历史参与调频响应的出力范围
、
响应启停时段
、
响应速度及调度成本
。
[0014]进一步的，所述
S1
中的数据预处理包括归一化或标准化处理，以确保数据的可用性，并确保覆盖不同时间段
、
无异常值或空缺值
。
[0015]进一步的，所述
HMM
模型建立基于五元组算法，表示如下：
[0016]λ
＝
(S,V,A,B,
π
)
[0017]其中，
S
为状态空间，
V
为观测空间，
A
为初始状态转移概率矩阵，
B
为观测概率矩阵，
π
为初始状态概率向量，具体建模过程包括：
[0018]S21.
确定状态空间
S
与观测空间
V
；
[0019]S22.
计算模型初始矩阵；
[0020]S23.
模型优化训练
。
[0021]进一步的，所述
S21
中设
HMM
模型状态数
n
为3，具体如下：
[0022][0023]其中：
s1、s2、s3为不同时刻各负荷资源参与调频辅助服务的具体出力情况，用以构成状态空间
S
；
[0024]根据负荷
L
i
参与调频时的平均出力值作为阈值来进行调控潜力的离散化评估，
s1为可大调
、s2为可调
、s3为不可调；
[0025]K
t
为
t
时段
L
i
参与调频出力的综合性能指标，由
L
i
参与调频响应中的出力情况及成本决定，
K
a
为平均调频出力值；
[0026][0027]其中：
T
为所研究最小时间周期划分的总时段数；
[0028]δ
t
为
t
时段
L
i
的响应情况，参与响应时取1，未参与时取0；
[0029]ξ
i
为各单一指标在综合性能指标评价系统中的权重系数，满足其与
VPP
参与的交易市场特性，即对不同指标的看重程度所决定；分别为经过均值归一化处理的
t
时段
L
i
参与响应的调节范围
、
爬坡率
、
响应时间和单位响应成本其中响应时间和相应成本均取倒以转换为正相关；
[0030]D
为计算模型初始参数的历史数据的总天数；
[0031]为总时段中参与响应的时段总数；
[0032]V
：对应的观测变量数目
m
取4，分别为不同时段
L
i
的参与响应的调节范围
v1、
爬坡率
v2、
响应时间
v3和响应成本
v4。
[0033]进一步的，所述
S22
中模型初始矩阵如下：
[0034]A
＝
[a
ij
]n
×
n
[0035][0036]B
＝
[b
jk
]m
×
n
[0037][0038]式中：
a
ij
表示
L
i
由时段
t
的状态
s
i
变为
(t+1)
时刻的状态
s
j
的概率，
...

【技术保护点】

【技术特征摘要】
1.
一种虚拟电厂负荷侧资源多时段调控潜力评估预测方法，其特征在于，包括以下步骤：
S1
：数据收集和准备，收集
VPP
参与调频辅助服务过程中各类可调负荷不同时段的响应数据，并进行数据清洗与预处理；
S2
：
HMM
模型建立，选定状态空间与观测空间，根据负荷的历史表现数据计算初始概率分布向量
、
初始状态转移概率矩阵及观测概率矩阵；
S3
：模型训练，通过调用
MATLAB
中的
HMM
库并采用
Viterbi
算法对模型进行求解；
S4
：模型预测，基于
Viterbi
算法并利用动态规划的思想来找到在给定观测序列下最大概率的状态序列，从而预测
VPP
中各时段负荷资源的调控潜力
。2.
根据权利要求1所述的一种虚拟电厂负荷侧资源多时段调控潜力评估预测方法，其特征在于，所述
S1
中的响应数据包括各类资源历史参与调频响应的出力范围
、
响应启停时段
、
响应速度及调度成本
。3.
根据权利要求2所述的一种虚拟电厂负荷侧资源多时段调控潜力评估预测方法，其特征在于，所述
S1
中的数据预处理包括归一化或标准化处理，以确保数据的可用性，并确保覆盖不同时间段
、
无异常值或空缺值
。4.
根据权利要求3所述的一种虚拟电厂负荷侧资源多时段调控潜力评估预测方法，其特征在于，所述
HMM
模型建立基于五元组算法，表示如下：
λ
＝
(S,V,A,B,
π
)
其中，
S
为状态空间，
V
为观测空间，
A
为初始状态转移概率矩阵，
B
为观测概率矩阵，
π
为初始状态概率向量，具体建模过程包括：
S21.
确定状态空间
S
与观测空间
V
；
S22.
计算模型初始矩阵；
S23.
模型优化训练
。5.
根据权利要求4所述的一种虚拟电厂负荷侧资源多时段调控潜力评估预测方法，其特征在于，所述
S21
中设
HMM
模型状态数
n
为3，具体如下：其中：
s1、s2、s3为不同时刻各负荷资源参与调频辅助服务的具体出力情况，用以构成状态空间
S
；根据负荷
L
i
参与调频时的平均出力值作为阈值来进行调控潜力的离散化评估，
s1为可大调
、s2为可调
、s3为不可调；
K
t
为
t
时段
L
i
参与调频出力的综合性能指标，由
L
i
参与调频响应中的出力情况及成本决定，
K
a
为平均调频出力值；其中：
T
为所研究最小时间周...

【专利技术属性】
技术研发人员：张文丽，汪志奕，高青风，马振宇，黄建平，张波，刘敦楠，李钟煦，方玉群，贺燕，林恺丰，常建斌，周庆兰，
申请(专利权)人：华北电力大学北京华电能源互联网研究院有限公司，
类型：发明
国别省市：