【技术实现步骤摘要】
本申请涉及电力系统，特别是涉及一种分布式光伏集群参与辅助服务的参数确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、随着电网中新能源发电占比不断增加，新能源发电出力具有的随机性和波动性给电网的安全稳定运行带来了挑战，从而使电网对调峰、调频等辅助服务的需求显著增加。在含高渗透率分布式光伏的区域电网中，常规机组外的分布式光伏可以参与电网的辅助服务并获取相应的回报。其中，为了充分发掘分布式光伏的调峰、调频能力，并推动其积极参与辅助服务，需要对其参与辅助服务的相关参数进行研究以使其参与辅助服务的回报最大化。
2、然而，在对分布式光伏集群参与辅助服务的相关研究中，通常没有考虑对分布式光伏集群的出力数据预测中存在的误差，也未能考虑辅助服务中的其他因素对市场博弈的影响，难以实现回报的最大化。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种分布式光伏集群参与辅助服务的参数确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种分布式光伏集群参与辅助服务的参数确定方法，包括：
3、获取所述辅助服务的分配参数约束，获取目标集群的历史预测出力误差数据以及在目标辅助时段的预测出力数据；
4、根据所述历史预测出力误差数据的分布，得到预设置信度下对所述目标集群的出力数据进行预测的最小误差区间；
5、根据所述最小误差区间和所述预测出力数据，得到所述目标集群在所述目标辅助时
6、根据所述分配参数约束和所述预测出力区间，构建上层辅助服务分配效率最优模型和下层目标集群回报最优模型，得到包含所述目标集群的辅助容量参数和容量分配参数的双层优化模型；
7、对所述双层优化模型进行求解，得到所述目标集群的目标辅助容量参数和目标容量分配参数；
8、根据所述目标辅助容量参数和所述目标容量分配参数，得到所述目标集群在所述目标辅助时段参与所述辅助服务的目标参数。
9、在其中一个实施例中，所述根据所述历史预测出力误差数据的分布，得到预设置信度下对所述目标集群的出力数据进行预测的最小误差区间，包括：采用偏度峰度检验法检验所述历史预测出力误差数据是否符合正态分布；若所述历史预测出力误差数据不符合正态分布，则利用核密度估计法对所述历史预测出力误差数据进行概率分布估计，得到所述历史预测出力误差数据的概率密度函数；根据所述概率密度函数和所述预设置信度，得到所述历史预测出力误差数据在所述预设置信度下的最小取值区间；根据所述最小取值区间，得到对所述目标集群的所述出力数据进行预测所述最小误差区间。
10、在其中一个实施例中，所述获取目标集群的历史预测出力误差数据，包括：获取所述目标集群在多个历史时刻的历史预测出力数据、历史实测出力数据和历史装机容量数据；根据各所述历史时刻的所述历史预测出力数据和所述历史实测出力数据，得到所述历史时刻的历史预测偏差值；根据各所述历史时刻的所述历史装机容量数据，对相应的所述历史预测偏差值进行标准化处理，得到各所述历史时刻的历史预测偏差标准值；根据各所述历史预测偏差标准值，得到所述历史预测出力误差数据。
11、在其中一个实施例中，所述根据所述分配参数约束和所述预测出力区间，构建上层辅助服务分配效率最优模型和下层目标集群回报最优模型，得到包含所述目标集群的辅助容量参数和容量分配参数的双层优化模型，包括：以使所述辅助服务的容量分配效率最优为上层优化目标，构建包含所述辅助容量参数和所述容量分配参数、协同参与所述辅助服务的协同辅助集群的协同辅助容量参数和协同容量分配参数以及所述辅助服务的需求容量参数和需求容量分配参数的所述上层辅助服务分配效率最优模型；其中，所述容量分配参数满足所述分配参数约束，所述辅助容量参数、所述协同辅助容量参数和所述需求容量参数满足容量耦合约束，所述协同辅助容量参数满足协同容量取值约束；根据所述预测出力区间，得到所述目标集群在所述目标辅助时段的辅助容量约束；以使所述目标集群在所述目标辅助时段的回报值最大为下层优化目标，构建包含所述辅助容量参数和分配回报参数的所述下层目标集群回报最优模型；其中，所述辅助容量参数满足所述辅助容量约束，所述分配回报参数为所述容量耦合约束的对偶变量；根据所述上层辅助服务分配效率最优模型和所述下层目标集群回报最优模型，得到所述双层优化模型。
12、在其中一个实施例中，所述对所述双层优化模型进行求解，得到所述目标集群的目标辅助容量参数和目标容量分配参数，包括：根据所述上层辅助服务分配效率最优模型与所述下层目标集群回报最优模型的对偶关系，使用卡罗需-库恩-塔克条件将所述双层优化模型转化为含均衡约束的单层规划优化模型；对所述单层规划优化模型进行求解，得到所述目标集群的所述目标辅助容量参数和所述目标容量分配参数。
13、在其中一个实施例中，所述根据所述上层辅助服务分配效率最优模型与所述下层目标集群回报最优模型的对偶关系，使用卡罗需-库恩-塔克条件将所述双层优化模型转化为含均衡约束的单层规划优化模型，包括：构建所述上层辅助服务分配效率最优模型的所述分配参数约束的第一对偶变量和所述协同容量取值约束的第二对偶变量；根据所述第一对偶变量、第二对偶变量和所述分配回报参数，使用卡罗需-库恩-塔克条件将所述上层辅助服务分配效率最优模型的所述上层优化目标以及所述分配参数约束、所述协同容量取值约束、所述容量耦合约束转换为所述下层目标集群回报最优模型的均衡约束；根据所述下层目标集群回报最优模型的所述下层优化目标、所述均衡约束和所述辅助容量约束，得到所述单层规划优化模型。
14、第二方面，本申请还提供了一种分布式光伏集群参与辅助服务的参数确定装置，包括：
15、数据获取模块，用于获取所述辅助服务的分配参数约束，获取目标集群的历史预测出力误差数据以及在目标辅助时段的预测出力数据；
16、误差区间获取模块，用于根据所述历史预测出力误差数据的分布，得到预设置信度下对所述目标集群的出力数据进行预测的最小误差区间；
17、出力区间获取模块，用于根据所述最小误差区间和所述预测出力数据，得到所述目标集群在所述目标辅助时段的预测出力区间；
18、模型构建模块，用于根据所述分配参数约束和所述预测出力区间，构建上层辅助服务分配效率最优模型和下层目标集群回报最优模型，得到包含所述目标集群的辅助容量参数和容量分配参数的双层优化模型；
19、模型求解模块，用于对所述双层优化模型进行求解，得到所述目标集群的目标辅助容量参数和目标容量分配参数；
20、目标参数获取模块，用于根据所述目标辅助容量参数和所述目标容量分配参数，得到所述目标集群在所述目标辅助时段参与所述辅助服务的目标参数。
21、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
<本文档来自技高网...【技术保护点】
1.一种分布式光伏集群参与辅助服务的参数确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述历史预测出力误差数据的分布，得到预设置信度下对所述目标集群的出力数据进行预测的最小误差区间，包括：
3.根据权利要求1所述的方法，其特征在于，所述获取目标集群的历史预测出力误差数据，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述分配参数约束和所述预测出力区间，构建上层辅助服务分配效率最优模型和下层目标集群回报最优模型，得到包含所述目标集群的辅助容量参数和容量分配参数的双层优化模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述双层优化模型进行求解，得到所述目标集群的目标辅助容量参数和目标容量分配参数，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述上层辅助服务分配效率最优模型与所述下层目标集群回报最优模型的对偶关系，使用卡罗需-库恩-塔克条件将所述双层优化模型转化为含均衡约束的单层规划优化模型，包括：
7.一种分布式光伏集群参
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种分布式光伏集群参与辅助服务的参数确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述历史预测出力误差数据的分布，得到预设置信度下对所述目标集群的出力数据进行预测的最小误差区间，包括：
3.根据权利要求1所述的方法，其特征在于，所述获取目标集群的历史预测出力误差数据，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述分配参数约束和所述预测出力区间，构建上层辅助服务分配效率最优模型和下层目标集群回报最优模型，得到包含所述目标集群的辅助容量参数和容量分配参数的双层优化模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述双层优化模型进行求解，得到所述目标集群的目标辅助容量参数和目标容量分配参数，包括：
6.根...
【专利技术属性】
技术研发人员：何锡祺，赖凯庭，胡亚平，王科，楼楠，李金，朱文，
申请(专利权)人：中国南方电网有限责任公司，
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。