/p>
技术实现思路
1、鉴于上述问题，本专利技术提出一种计及源荷不确定性的源网荷储智能调度优化方法及系统，以解决当前调度计划系统、现货市场交易系统内源网荷储互动模型缺失，优化范围有限，无法深入挖掘和利用源网荷储各环节的可调节资源的问题。
2、为了实现上述目的，本申请提供如下技术方案：
3、第一方面，本申请实施例提供一种计及源荷不确定性的源网荷储智能调度优化方法，其应用于源网荷储智能调度系统，所述方法包括：
4、获取源网荷储设备的模型数据和运行边界数据；所述运行边界数据包括申报数据、预测数据、计划数据和约束数据；
5、基于源荷出力情况的历史预测数据和历史实际数据进行概率规律挖掘，并基于挖掘结果构建多种源荷出力的预测场景；
6、以调度成本最小化为目标构建优化调度模型，并基于所述模型数据和所述运行边界数据在日前或实时对所述优化调度模型进行求解，得到对应预测场景下的调度结果；
7、将所述调度结果发送至现货系统，为所述现货系统提供边界条件。
8、基于以上的方法，可选地，源网荷储设备的模型数据包括：
9、发电机组/机组群模型、套机模型、储能设备模型、可调负荷模型、母线负荷模型、联络线/联络线组模型、变电站模型、电气母线模型、线路模型、变压器/变压器绕组模型。
10、基于以上的方法，可选地，所述基于源荷出力情况的历史预测数据和历史实际数据进行概率规律挖掘，并基于挖掘结果构建多种源荷出力的预测场景，包括：
11、基于历史的新能源预测出力数据、气象预测数据和气象实际数据，进行概率规律挖掘，并基于预测日的新能源短期/超短期预测出力数据，得到各新能源场站的短期/超短期出力区间概率信息，基于概率信息抽样得到各类新能源出力场景；
12、以及，基于历史的系统负荷预测数据、系统负荷实际数据，进行概率规律挖掘，并基于预测日的系统负荷短期/超短期预测数据，得到系统负荷短期/超短期区间概率信息，基于概率信息抽样得到各类系统负荷预测场景。
13、基于以上的方法，可选地，所述优化调度模型的公式表示为：
14、
15、式中，t为时段编号，t为所考虑的总时段数；n表示发电机组的总数目；ci,t(pi,t)为储能、电源等各类直控资源调节运行成本，为各段出力区间和运行成本有关的多段线性函数；为常规电源开机成本；h为集群资源编号，h为集群资源数目；为集群资源h在时段t的运行费用，为各段出力区间和运行成本有关的多段线性函数；m表示用于优化计算的网络潮流约束松弛罚因子；分别为线路l的正、反向潮流松弛变量；nl为线路总数；分别为断面s的正、反向潮流松弛变量；ns为断面总数。
16、基于以上的方法，可选地，求解所述优化调度模型时的约束条件包括：
17、系统负荷平衡约束：
18、
19、式中，tj,t表示联络线j在时段t的计划功率(送入为正、输出为负)，nt为联络线总数，pload,t为系统在t时段的总负荷；
20、系统正负备用约束：
21、
22、式中，为火电机组i的最大、最小出力；为火电机组i在时段t的启停状态；为时段t的系统正备用容量需求，为时段t的系统负备用容量需求；
23、机组出力上下限约束：
24、
25、式中：为风电机组j、光伏机组k的最大出力；
26、储能资源运行约束：
27、
28、
29、式中，eb,t为储能系统的荷电状态；为储能充放电功率，为储能系统的充放电效率；eb,l、为储能系统的初值和终值(期望值)；为储能的充放电状态，取值1或0；为储能系统的最大充放电功率；为储能在调度过程中允许的最小最大荷电状态；
30、聚合资源集群运行约束：
31、
32、式中，m+、m-为资源集群上调、下调成本曲线总段数；为资源集群在第m+、m-上调、下调出力区间中的上、下调电力，上下调电力需满足最大上、下调能力范围约束。
33、基于以上的方法，可选地，所述源网荷储智能调度系统在日前市场之前运行，得到的调度结果为现货系统提供现货边界条件，包括：储能调控计划、新能源出力计划、负荷调控计划、运行备用计划、市场机组出力上下限；
34、并且，所述源网荷储智能调度系统实时运行，更新调度结果并对日前计划策略进行修正，为实时现货市场提供边界条件。
35、基于以上的方法，可选地，还包括：
36、在所述现货系统异常时，获取所述现货系统的调度模型和边界条件，并代替所述现货系统对现货市场进行调度运行。
37、第二方面，本申请实施例还提供一种计及源荷不确定性的源网荷储智能调度优化系统，其包括：
38、数据获取模块，用于获取源网荷储设备的模型数据和运行边界数据；所述运行边界数据包括申报数据、预测数据、计划数据和约束数据；
39、场景构建模块，用于基于源荷出力情况的历史预测数据和历史实际数据进行概率规律挖掘，并基于挖掘结果构建多种源荷出力的预测场景；
40、调度模块，用于以调度成本最小化为目标构建优化调度模型，并基于所述模型数据和所述运行边界数据在日前或实时对所述优化调度模型进行求解，得到对应预测场景下的调度结果；...
【技术保护点】
1.一种计及源荷不确定性的源网荷储智能调度优化方法，其特征在于，应用于源网荷储智能调度系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，源网荷储设备的模型数据包括：
3.根据权利要求1所述的方法，其特征在于，所述基于源荷出力情况的历史预测数据和历史实际数据进行概率规律挖掘，并基于挖掘结果构建多种源荷出力的预测场景，包括：
4.根据权利要求1所述的方法，其特征在于，所述优化调度模型的公式表示为：
5.根据权利要求4所述的方法，其特征在于，求解所述优化调度模型时的约束条件包括：
6.根据权利要求1所述的方法，其特征在于，所述源网荷储智能调度系统在日前市场之前运行，得到的调度结果为现货系统提供现货边界条件，包括：储能调控计划、新能源出力计划、负荷调控计划、运行备用计划、市场机组出力上下限；
7.根据权利要求1所述的方法，其特征在于，还包括：
8.一种计及源荷不确定性的源网荷储智能调度优化系统，其特征在于，包括：
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。