【技术实现步骤摘要】
本专利技术涉及一种广义储能充放电决策自迭代优化方法和系统，尤其涉及一种多模式驱动的广义储能充放电决策自迭代优化方法和系统，属于电力系统运行调度。
技术介绍
1、构建以新能源为主体的新型电力系统，新能源高渗透率下系统愈发呈现复杂多变的不稳定态势，常规电源不仅要跟随负荷变化，还需要平衡新能源的出力波动。煤电开机或调节速率不足将导致停电风险，开机量过多又会产生弃风光的资源浪费现象，给电力系统的平衡协调以及安全稳定运行带来巨大挑战。
2、传统电力系统的备用主要应对负荷侧单侧的需求，负荷波动规律性强，随机扰动小，对应的备用优化配置虽较为粗放但仍能维持电网的安全经济运行。新能源并网后，系统已从单侧负荷波动转变为电源侧和负荷侧双侧波动，由于新能源出力间歇性、随机性、波动性强的特点，导致波动规律性弱，随机扰动大，传统的备用策略体系缺乏风险管理与风险决策的手段。为协调防控弃风光现象与停电风险，现有备用体系通过挖掘启停火电机组在电网运行规划中的优势，优选上、下调备用措施以实现风险成本最小化。但是现有备用体系并未考虑储能参与备用后与启停火电机组的协同作用。
技术实现思路
1、专利技术目的：本专利技术的目的是提供一种能够在确保设备安全的前提下、高效利用广义储能资源防控电网运行风险的多模式驱动的广义储能充放电决策自迭代优化方法和系统。
2、技术方案：本专利技术所述的一种多模式驱动的广义储能充放电决策自迭代优化方法，包括：
3、步骤1：生成基准路径；
4、步骤2
5、步骤3：在模式库中取出一种模式；
6、步骤4：构建当前模式下广义储能设备或广义储能设备集群的可行路径库；
7、步骤5：对所述可行路径库中的每条路径开展量化评估，计算目标函数值；
8、步骤6：通过多路径目标函数值的比较，为当前模式选出最优路径；
9、步骤7：如果处于模式选择状态，则需判断是否存在下一模式；如果存在，就回到步骤3；如果不存在，则进入下一步；如果不处于模式选择状态，则将当前模式下的优选路径作为本轮最佳路径，然后进入步骤9；
10、步骤8：通过比较每个模式下最优路径的目标函数值，将目标函数值最小的模式确定为后续轮的模式；
11、步骤9：判断是否满足收敛条件；如不满足，则进入下一轮，返回步骤2；反之，将本轮最优路径作为输出结果。
12、进一步地，所述路径，为广义储能设备或广义储能设备集群在以时间和储能电量为坐标的平面上的一条电量随时间的演化轨迹；
13、所述广义储能设备，为在给定调度周期内，电力系统中发/用电累积电量大于等于给定值，且具有可中断、可平移性质，及/或能量存储上限小于给定值的功率可调资源。
14、进一步地，所述步骤1包括：
15、准备路径生成所需数据，所述数据包括功率可行域与功率引导区，具体的：获取每个广义储能设备的当前状态和终末状态要求，基于所述广义储能设备的物理和经济约束，计算广义储能设备在各时步下的功率可行域；接着根据所述功率可行域设置功率引导区，调整引导区参数以控制所生成路径的特征；
16、从单一平启动路径的起点出发，随机生成一条路径，所述单一平启动路径为储能出力在整个调度周期都设置为零的路径，具体的：在每个断面，先更新功率可行域与功率引导区，其中功率引导值不超过剩余周期净流出电量；然后以广义储能设备或广义储能设备集群在任一断面的功率为生成对象，以更新后的功率可行域为上下界，完成功率随机生成；汇集全部生成结果，构建成一条路径；
17、重复随机生成路径步骤，生成多条路径，建立路径库，将生成的各条路径存储如路径库；以风险成本作为目标函数值，对各条路径进行量化评估，计算不同模式下全部路径的风险成本，选择目标函数值最小的一条路径作为基准路径。
18、进一步地，步骤2中所述模式，为满足规则的广义储能设备或广义储能设备集群的充放电决策约束的集合；
19、所述规则r包括但不限于极化规则与反极化规则；所述极化规则为允许扩大而不允许减小当前的充放电功率，用r＝1表示；所述反极化规则为允许减小而不允许扩大当前的充放电功率，用r＝-1表示；
20、所述模式包括但不限于极化模式、反极化模式、消纳模式和保供模式；所述极化模式是指在功率可行域内强化当前的充/放电强度，在充电时多充电，或在放电时多放电，从而释放储能的功率调节潜力；所述反极化模式是指在功率可行域内弱化当前的充/放电强度，在充电时少充电，在放电时少放电，从而抑制储能的功率调节潜力；所述消纳模式是指在放电状态下应用极化规则，充电状态下应用反极化规则；所述保供模式是指在充电状态下使用极化规则，放电状态下使用反极化规则；
21、所述进入模式选择状态，是指在模式没有确定的情况下，依次试探不同模式，并根据试探结果选择最佳模式的过程。
22、进一步地，所述步骤4包括：
23、步骤4.1：定位到一条新路径的起点，并建立当前模式对应的路径库；
24、步骤4.2：重置广义储能设备或其集群的周期总流出电量；
25、步骤4.3：取出一个调度窗口；
26、步骤4.4：根据前代值判断当前窗口的充放电状态；
27、步骤4.5：基于周期总流出电量约束，根据当前规则生成当前模式下广义储能设备或其集群在该调度窗口的功率总加值，进行路径的滚动更新；
28、步骤4.6：从周期总流出电量中扣减步骤4.5中功率总加值积分所得窗口电量；
29、步骤4.7：判断是否存在下一窗口；如满足，回到步骤4.3；反之，进入下一步骤；
30、步骤4.8：将更新后的路径加入当前模式对应的路径库；
31、步骤4.9：判断是否达到最大路径数；如满足，进入步骤4.10；否则，回到步骤4.1；
32、步骤4.10：输出模式路径库。
33、进一步地，步骤4.4所述前代值，为当前窗口在上一轮优化结束时得到的功率值；所述充放电状态p，令p＝1时表示放电状态，p＝-1时表示充电状态；所述根据前代值判断当前窗口的充放电状态，具体为，当前代值大于0时，储能为放电状态，此时p＝1，否则为充电状态，p＝-1。
34、进一步地，所述步骤4.5包括：
35、步骤4.5.1：根据前代值确定引导分布的激活区域：
36、根据广义储能设备或广义储能设备集群预设的优化规则与充放电状态的组合，按以下规则实现激活区域的修改，具体为：判断p和r的乘积是否等于1；如满足，则将引导分布激活区域下限修改为前代值；若等于-1，则将引导分布激活区域上限修改为前代值；
37、所述引导分布，为根据用户的风险偏好设置，将广义储能设备或其集群功率决策引导进可行域，并具有在可行域内随机探索优化方向的本文档来自技高网...
【技术保护点】
1.一种多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，包括：
2.根据权利要求1所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，所述路径，为广义储能设备或广义储能设备集群在以时间和储能电量为坐标的平面上的一条电量随时间的演化轨迹；
3.根据权利要求1所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，所述步骤1包括：
4.根据权利要求1所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，步骤2中所述模式，为满足规则的广义储能设备或广义储能设备集群的充放电决策约束的集合；
5.根据权利要求1所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，所述步骤4包括：
6.根据权利要求5所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，步骤4.4所述前代值，为当前窗口在上一轮优化结束时得到的功率值；所述充放电状态P，令P＝1时表示放电状态，P＝-1时表示充电状态；所述根据前代值判断当前窗口的充放电状态，具体为，当前代值大于0时，储能为放电状态，此时P＝1，
7.根据权利要求5所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，所述步骤4.5包括：
8.根据权利要求1所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，所述步骤5包括：以风险成本作为目标函数值，计算不同模式下全部路径的风险成本；
9.根据权利要求1所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，所述步骤6包括：选择目标函数值最小的一条路径作为当前模式下的最佳路径。
10.根据权利要求1所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，所述步骤7包括，如果处于模式选择状态，则遍历模式库中的模式，并进行相应模式下的优化；如果不处于模式选择状态，本轮及后续轮的优化模式已经确定，则将当前模式下的优选路径作为本轮最优路径。
11.根据权利要求1所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，步骤9所述收敛条件，具体为，如果处于模式选择状态时，步骤8中选择的最佳路径的量化评估结果相对前一轮选出的路径量化评估结果得到改善，目标函数值降低，则将步骤8中选出的模式作为后续轮优化的给定模式，将当前轮选择的最佳路径作为下一轮循环的基准路径，进行下一轮的优化，实现自迭代优化；如果不处于模式选择状态，则当步骤6中选择的最佳路径的量化评估结果相对前一轮选出的路径量化评估结果得到改善，目标函数值降低时，继续下一轮的自迭代优化。
12.一种多模式驱动的广义储能充放电决策自迭代优化系统，其特征在于，包括：
...【技术特征摘要】
1.一种多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，包括：
2.根据权利要求1所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，所述路径，为广义储能设备或广义储能设备集群在以时间和储能电量为坐标的平面上的一条电量随时间的演化轨迹；
3.根据权利要求1所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，所述步骤1包括：
4.根据权利要求1所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，步骤2中所述模式，为满足规则的广义储能设备或广义储能设备集群的充放电决策约束的集合；
5.根据权利要求1所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，所述步骤4包括：
6.根据权利要求5所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，步骤4.4所述前代值，为当前窗口在上一轮优化结束时得到的功率值；所述充放电状态p，令p＝1时表示放电状态，p＝-1时表示充电状态；所述根据前代值判断当前窗口的充放电状态，具体为，当前代值大于0时，储能为放电状态，此时p＝1，否则为充电状态，p＝-1。
7.根据权利要求5所述的多模式驱动的广义储能充放电决策自迭代优化方法，其特征在于，所述步骤4.5包括：
8.根据权利要求1所述的多模式驱...
【专利技术属性】
技术研发人员：谢东亮，杨天元，薛禹胜，张卉琳，蔡林君，
申请(专利权)人：国电南瑞科技股份有限公司，
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。