【技术实现步骤摘要】
本专利技术涉及一种计及电力辅助服务的有源配电网一体化预测调度方法及系统，属于电力系统运行调控。
技术介绍
1、发展含可再生能源发电的新型现代电力系统是实现当前能源战略的关键举措之一。对新型现代电力系统而言，有源配电网能够高效就地消纳诸如分布式光伏等分布式可再生能源，因此有源配电网也成为了实现能源目标的核心环节。然而，随着分布式可再生能源的大量接入，其非平稳特性导致有源配电网需要更灵活的电力调度举措，包括推动源网荷储协同调度、完善电力辅助服务等。在这种情况下，有源配电网在发电和用电侧均存在强非平稳特性，极大影响了电力系统运行调控技术的发展。
2、随着电力系统运行调控技术的发展，如何更进一步缩短现有调度水平与理想条件下最优调度水平间的差距是该
的核心问题。通常情况下，电力调度操作遵循先预测再优化调度的方式，因而调度运行人员无法评判不同预测结果对调度的影响性，同时电力预测人员也无法评估其与最优调度水平间的差距，尤其是在当前需要更灵活电力调度举措的背景下，该核心问题更难以解决。
技术实现思路
1、专利技术目的：本专利技术针对当前电力系统运行调控
在有源配电网调度中存在的不足，提出了一种计及电力辅助服务的有源配电网一体化预测调度方法，简化日内有功无功调度的源荷预测阶段，更快速高效地提供日内有功无功调度方案，提升有源配电网日内调度的执行效率、经济效益，从而增加电力系统的新能源消纳能力、提升电网企业竞争力。
2、技术方案：为了实现上述专利技术目的，本专利技术提
3、步骤1：采集有源配电网气象预报数据，对有源配电网中各节点构建考虑分布式光伏的净负荷预测模型，该模型的公式表示为：
4、
5、式中，pi,t+1:t+t为有源配电网中第i个节点在时间t+1至t+t的净负荷预测值，mpred,i为有源配电网中第i个节点的净负荷预测模型，wi,t-d:t+t为有源配电网在时间t-d至t+t采集的气象预报数据，为有源配电网中第i个节点在时间t-d至t的负荷值，为有源配电网中第i个节点在时间t-d至t的分布式光伏功率值，为有源配电网中第i个节点在时间t+1至t+t的负荷预测值，为有源配电网中第i个节点在时间t+1至t+t的分布式光伏功率预测值，d为采集步长，t为预测步长；
6、步骤2：基于有源配电网中各节点的净负荷预测模型，构建考虑需求响应有功支撑和分布式光伏无功支撑两类电力辅助服务的有源配电网有功无功日内调度模型，该模型的公式表示为：
7、
8、式中，为有源配电网在时间t+k的有功调度成本，k为步长索引，为有源配电网在时间t+k的有功调度功率，为有源配电网在时间t+k的无功调度成本，为有源配电网在时间t+k的无功调度功率，为在时间t+k的分布式光伏无功支撑成本，为有源配电网中第i个节点在时间t+k的分布式光伏无功支撑功率，为在时间t+k的需求响应有功支撑成本，为有源配电网中第i个节点在时间t+k的需求响应有功支撑功率，σ为求和函数；
9、步骤3：将净负荷预测模型、有源配电网有功无功日内调度模型进行组合，形成一体化预测调度模型，并统一安全约束条件，一体化预测调度模型的公式表示为：
10、
11、s.t.ci,t+k(st,at)≤0
12、式中，ft+k为有源配电网在时间t+k的日内有功无功调度目标函数，st为有源配电网在时间t的运行状态，该运行状态是包括有源配电网在时间t-d至t+t采集的气象预报数据、有源配电网中第i个节点在时间t-d至t的负荷值和分布式光伏功率值的状态集的子集，d为采集步长，t为预测步长；at为有源配电网在时间t的调度动作，该调度动作是包括有源配电网在时间t+k的有功调度功率、无功调度功率、分布式光伏无功支撑功率、需求响应有功支撑功率的动作集的子集；ci,t+k为有源配电网中第i个节点在时间t+k的安全约束；
13、步骤4：采用多环境模型驱动的深度确定性策略梯度算法对一体化预测调度模型进行求解，得到一体化预测调度智能体，该智能体公式表示为：
14、
15、式中，qπ为一体化预测调度智能体的评价模型，π为有源配电网的动作策略，s为有源配电网的运行状态，a为有源配电网的调度动作，为期望值函数，γ为折扣系数，π*为一体化预测调度智能体的策略模型，argmax为最大值求参函数；
16、步骤5：基于一体化预测调度智能体输出有源配电网日内有功无功调度方案，实现日内有功无功调度，公式表示为：
17、
18、式中，a为有源配电网日内有功无功调度方案。
19、其中，所述净负荷预测模型mpred,i为一个深度神经网络模型，输入数据包括t-d至t+t的气象预报、时间t-d至t的负荷值、时间t-d至t的分布式光伏功率值，输出数据包括时间t+1至t+t的负荷预测值、时间t+1至t+t的分布式光伏功率预测值。
20、所述有源配电网有功无功日内调度模型的约束条件为：
21、
22、式中，vi为有源配电网中第i个节点的电压幅值，vmin为电压幅值的最小约束，vmax为电压幅值的最大约束，为有源配电网中第i个节点在时间t+k的储能功率值，pibm为有源配电网中第i个节点的储能功率约束，pidm为有源配电网中第i个节点的需求响应有功支撑功率约束，为有源配电网中第i个节点在时间t+k的分布式光伏功率值，为有源配电网中第i个节点在时间t+k的分布式光伏无功功率值，为有源配电网中第i个节点的分布式光伏复功率约束，arctan为反正切函数，为有源配电网中第i个节点的分布式光伏相角约束。
23、统一的安全约束条件为：
24、
25、式中，ci,t+k为有源配电网中第i个节点在时间t+k的安全约束，为条件求和运算，表示对右侧每行约束条件求总和；(·≥·)和(·＜·)为条件判断运算，表示当满足不等式条件时取值为1、否则取值为0。
26、作为优选，采用多环境模型驱动的深度确定性策略梯度算法对一体化预测调度模型进行求解，包括以下步骤：
27、s1，构建m个有源配电网的环境模型，该模型公式表示为：
28、st+1＝mφ,m(st,at),1≤m≤m
29、式中，mφ,m为有源配电网的第m个环境模型，m为环境模型索引，m为环境模型个数，st+1为有源配电网在时间t+1的运行状态，st为有源配电网在时间t的运行状态，at为有源配电网在时间t的调度动作；
30、s2，基于有源配电网的历史运行样本，求解有源配电网的环境模型；
31、s3，基于深度确定性策略梯度算法，将m个有源配电网的环境模型带入一体化预测调度模型并求解。
32、其中，步骤s2中有源配电网的环境模型的求解公式为：
33、
34、式中，ns为有源配电网的历史运本文档来自技高网...
【技术保护点】
1.一种计及电力辅助服务的有源配电网一体化预测调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，净负荷预测模型Mpred,i为一个深度神经网络模型，输入数据包括t-D至t+T的气象预报、时间t-D至t的负荷值、时间t-D至t的分布式光伏功率值，输出数据包括时间t+1至t+T的负荷预测值、时间t+1至t+T的分布式光伏功率预测值。
3.根据权利要求1所述的方法，其特征在于，有源配电网有功无功日内调度模型的约束条件为：
4.根据权利要求3所述的方法，其特征在于，统一的安全约束条件为：
5.根据权利要求1所述的方法，其特征在于，采用多环境模型驱动的深度确定性策略梯度算法对一体化预测调度模型进行求解，包括以下步骤：
6.根据权利要求5所述的方法，其特征在于，步骤S2中有源配电网的环境模型的求解公式为：
7.根据权利要求5所述的方法，其特征在于，步骤S3中一体化预测调度模型的求解公式为：
8.一种计及电力辅助服务的有源配电网一体化预测调度系统，其特征在于，包括：
9
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的计及电力辅助服务的有源配电网一体化预测调度方法的步骤。
...【技术特征摘要】
1.一种计及电力辅助服务的有源配电网一体化预测调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，净负荷预测模型mpred,i为一个深度神经网络模型，输入数据包括t-d至t+t的气象预报、时间t-d至t的负荷值、时间t-d至t的分布式光伏功率值，输出数据包括时间t+1至t+t的负荷预测值、时间t+1至t+t的分布式光伏功率预测值。
3.根据权利要求1所述的方法，其特征在于，有源配电网有功无功日内调度模型的约束条件为：
4.根据权利要求3所述的方法，其特征在于，统一的安全约束条件为：
5.根据权利要求1所述的方法，其特征在于，采用多环境模型驱动的深度确定性策略梯度算法对一体化预测调度模型进行求解，包括以下步骤：
6.根据权利要求5所述的方...
【专利技术属性】
技术研发人员：程礼临，臧海祥，刘璟璇，卫志农，孙国强，周亦洲，黄蔓云，陈胜，韩海腾，朱瑛，
申请(专利权)人：河海大学，
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。