【技术实现步骤摘要】
本申请涉及电网调度，尤其涉及一种资源聚合主体参与电网调度的效益评估方法及系统。
技术介绍
1、储能单元在接收到相应功率变换设备的控制指令时，对于该指令的响应通常会存在一定的时延，这种时延的一部分成因通常是由于功率变换设备存在控制死区而导致的，其中，控制死区是指在控制系统中，当被控量的变化在一定范围内时，控制系统不会做出响应的区域。
2、储能单元的响应时延会影响到储能单元参与电网调频的效果，进而影响电网的频率稳定性。此外，使用不同类型的储能单元来对电网进行调频所产生的成本也会有所不同，因此，如何平衡电网频率稳定性与调频成本之间的关系，成为了目前的技术难点。
技术实现思路
1、为了解决上述技术问题，本申请实施例提出了一种资源聚合主体参与电网调度的效益评估方法及系统，能够得到更为精准的效益评估结果，从而使得目标电网最终分配给储能设备的调频容量能够兼顾到电网频率稳定性与调频成本之间的平衡。
2、第一方面，本申请实施例提供了一种资源聚合主体参与电网调度的效益评估方法，包括：
3、将资源聚合主体中储能设备的响应时延数据划分为多个时域数据块，并分别提取各所述时域数据块的数据块特征；
4、从与所述储能设备匹配的功率变换设备的控制死区数据中，提取死区数据特征；
5、将所述死区数据特征及所述数据块特征输入深度学习模型中的映射网络，得到所述死区数据特征对应的映射特征；
6、将所述映射特征及所述响应时延数据输入所述深度学习模型中的编解
7、基于所述调频容量分配信息，以及目标电网的调度运行数据，针对所述储能设备参与所述目标电网的调频过程，进行效益评估，其中，效益评估结果用于指示所述目标电网分配给所述储能设备的调频容量。
8、可选地，所述映射网络包括依次电连接的n个映射单元，所述映射特征为第n个映射单元的输出；
9、所述将所述死区数据特征及所述数据块特征输入深度学习模型中的映射网络，得到所述死区数据特征对应的映射特征，包括：
10、使用第1个映射单元，基于所述死区数据特征及所述数据块特征进行特征映射，得到第1个映射单元的输出；
11、使用第n个映射单元，基于所述死区数据特征及第n-1个映射单元的输出进行特征映射，得到第n个映射单元的输出，其中，2≤n≤n，n、n均为正整数。
12、可选地，每一个映射单元均至少包括交叉注意力层；
13、所述使用第1个映射单元，基于所述死区数据特征及所述数据块特征进行特征映射，得到第1个映射单元的输出，包括：
14、使用第1个映射单元中的交叉注意力层，以所述死区数据特征作为源序列向量、并且以所述数据块特征作为目标序列向量，进行注意力计算以完成特征映射，得到第1个映射单元的输出；
15、所述使用第n个映射单元，基于所述死区数据特征及第n-1个映射单元的输出进行特征映射，得到第n个映射单元的输出，包括：
16、使用第n个映射单元中的交叉注意力层，以所述死区数据特征作为源序列向量、并且以第n-1个映射单元的输出作为目标序列向量，进行注意力计算以完成特征映射，得到第n个映射单元的输出。
17、可选地，所述编解码网络包括编码网络及解码网络，所述将所述映射特征及所述响应时延数据输入所述深度学习模型中的编解码网络，得到所述储能设备对应的调频容量分配信息，包括：
18、将所述映射特征及所述响应时延数据输入所述编码网络中进行编码，得到融合数据特征；
19、将所述融合数据特征输入所述解码网络中进行解码，得到所述储能设备对应的调频容量分配信息。
20、可选地，所述基于所述调频容量分配信息，以及目标电网的调度运行数据，针对所述储能设备参与所述目标电网的调频过程，进行效益评估，包括：
21、将所述调频容量分配信息及所述调度运行数据输入至预设仿真模型，使得所述预设仿真模型模拟出所述储能设备按照所述调频容量分配信息接入所述目标电网时所产生的仿真数据；
22、基于所述仿真数据，针对所述储能设备参与所述目标电网的调频过程，进行效益评估。
23、可选地，所述基于所述仿真数据，针对所述储能设备参与所述目标电网的调频过程，进行效益评估，包括：
24、根据设定电力市场交易规则，确定所述目标电网对应的调频成本模型，其中，所述调频成本模型用于模拟在所述调频过程中所产生的成本，所述所产生的成本包括储能设备调频补偿成本；
25、通过所述调频成本模型，根据所述仿真数据进行效益评估。
26、可选地，所述响应时延数据至少用于表征所述储能设备的平均响应时延，其中，所述储能设备在历史时段内接收到所述功率变换设备发送的多个功率变换指令，所述平均响应时延为所述储能设备针对各所述功率变换指令的响应时间的均值；
27、所述基于所述调频容量分配信息，以及目标电网的调度运行数据，针对所述储能设备参与所述目标电网的调频过程，进行效益评估之前，所述方法还包括：
28、在所述平均响应时延大于设定时延阈值的情况下，至少根据所述平均响应时延更新所述调频容量分配信息。
29、可选地，所述至少根据所述平均响应时延更新所述调频容量分配信息，包括：
30、基于所述平均响应时延与所述设定时延阈值之间的差值，更新所述调频容量分配信息。
31、可选地，所述差值越大，更新后的调频容量分配信息所指示的分配给所述储能设备的调频容量越小。
32、第二方面，本申请实施例提供了一种资源聚合主体参与电网调度的效益评估系统，包括：
33、数据块特征获取模块，用于将资源聚合主体中储能设备的响应时延数据划分为多个时域数据块，并分别提取各所述时域数据块的数据块特征；
34、死区数据特征获取模块，用于从与所述储能设备匹配的功率变换设备的控制死区数据中，提取死区数据特征；
35、映射特征获取模块，用于将所述死区数据特征及所述数据块特征输入深度学习模型中的映射网络，得到所述死区数据特征对应的映射特征；
36、调频容量分配信息获取模块，用于将所述映射特征及所述响应时延数据输入所述深度学习模型中的编解码网络，得到所述储能设备对应的调频容量分配信息；
37、效益评估模块，用于基于所述调频容量分配信息，以及目标电网的调度运行数据，针对所述储能设备参与所述目标电网的调频过程，进行效益评估，其中，效益评估结果用于指示所述目标电网分配给所述储能设备的调频容量。
38、综上，本申请实施例至少具有以下有益效果：
39、采用本申请实施例，由于功率变换设备的控制死区数据能够用于表征影响储能设备的响应时延的因素，因此可以将死区数据特征当作一种提示信息，以使深度学习模型在具备相关提示的基础上能够更为精准地根据响应时延数据预测出与储能设备有关的调频容本文档来自技高网...
【技术保护点】
1.一种资源聚合主体参与电网调度的效益评估方法，其特征在于，包括：
2.根据权利要求1所述的资源聚合主体参与电网调度的效益评估方法，其特征在于，所述映射网络包括依次电连接的N个映射单元，所述映射特征为第N个映射单元的输出；
3.根据权利要求2所述的资源聚合主体参与电网调度的效益评估方法，其特征在于，每一个映射单元均至少包括交叉注意力层；
4.根据权利要求1所述的资源聚合主体参与电网调度的效益评估方法，其特征在于，所述编解码网络包括编码网络及解码网络，所述将所述映射特征及所述响应时延数据输入所述深度学习模型中的编解码网络，得到所述储能设备对应的调频容量分配信息，包括：
5.根据权利要求1所述的资源聚合主体参与电网调度的效益评估方法，其特征在于，所述基于所述调频容量分配信息，以及目标电网的调度运行数据，针对所述储能设备参与所述目标电网的调频过程，进行效益评估，包括：
6.根据权利要求5所述的资源聚合主体参与电网调度的效益评估方法，其特征在于，所述基于所述仿真数据，针对所述储能设备参与所述目标电网的调频过程，进行效益评估，包括
7.根据权利要求1-6任一项所述的资源聚合主体参与电网调度的效益评估方法，其特征在于，所述响应时延数据至少用于表征所述储能设备的平均响应时延，其中，所述储能设备在历史时段内接收到所述功率变换设备发送的多个功率变换指令，所述平均响应时延为所述储能设备针对各所述功率变换指令的响应时间的均值；
8.根据权利要求7所述的资源聚合主体参与电网调度的效益评估方法，其特征在于，所述至少根据所述平均响应时延更新所述调频容量分配信息，包括：
9.根据权利要求8所述的资源聚合主体参与电网调度的效益评估方法，其特征在于，所述差值越大，更新后的调频容量分配信息所指示的分配给所述储能设备的调频容量越小。
10.一种资源聚合主体参与电网调度的效益评估系统，其特征在于，包括：
...【技术特征摘要】
1.一种资源聚合主体参与电网调度的效益评估方法，其特征在于，包括：
2.根据权利要求1所述的资源聚合主体参与电网调度的效益评估方法，其特征在于，所述映射网络包括依次电连接的n个映射单元，所述映射特征为第n个映射单元的输出；
3.根据权利要求2所述的资源聚合主体参与电网调度的效益评估方法，其特征在于，每一个映射单元均至少包括交叉注意力层；
4.根据权利要求1所述的资源聚合主体参与电网调度的效益评估方法，其特征在于，所述编解码网络包括编码网络及解码网络，所述将所述映射特征及所述响应时延数据输入所述深度学习模型中的编解码网络，得到所述储能设备对应的调频容量分配信息，包括：
5.根据权利要求1所述的资源聚合主体参与电网调度的效益评估方法，其特征在于，所述基于所述调频容量分配信息，以及目标电网的调度运行数据，针对所述储能设备参与所述目标电网的调频过程，进行效益评估，包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：冯华，陈晓刚，章寒冰，叶吉超，金文德，丁宁，李乃一，张程翔，黄慧，徐永海，胡鑫威，季奥颖，娄冰，汪华，陈冰恽，
申请(专利权)人：国网浙江省电力有限公司丽水供电公司，
类型：发明
国别省市：
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。