一种基于电碳保形凸代理的电力系统规划运行协同方法

摘要: 本发明涉及电力系统规划,尤其涉及一种基于电碳保形凸代理的电力系统规划运行协同方法。背景技术:1、在新型电力系统低碳转型过程中,省域电力系统需要在长期碳轨迹约束下...
一种基于电碳保形凸代理的电力系统规划运行协同方法

本发明涉及电力系统规划,尤其涉及一种基于电碳保形凸代理的电力系统规划运行协同方法。

背景技术:

1、在新型电力系统低碳转型过程中,省域电力系统需要在长期碳轨迹约束下规划电源新建、煤电灵活性改造或低碳改造、风光退役重构、多元储能配置、输电断面扩容以及柔性负荷建设。规划方案的优劣不只取决于静态装机结构,还取决于电力系统的运行场景。

2、现有电力系统规划方法中,通常是将大量运行场景以约束形式直接加入规划模型以得到规划方案。该类方法精度较高,但大量场景的嵌入会使规划模型的约束规模和变量规模急剧增大。为缓解计算压力,部分现有研究引入代理模型,其思路是:通过对少量典型场景进行运行模拟,将模拟结果作为训练样本拟合得到代理模型,再用该模型替代原规划模型中的运行模拟过程,从而降低计算负担。然而,现有基于代理模型的规划方法,通常仅将代理模型作为黑箱拟合工具使用,在代入规划模型后仍按一般非线性问题求解。这种方式虽然降低了约束规模,但代理模型本身的函数形态未被利用,规划模型仍面临非线性、非凸带来的求解困难,难以保证全局最优解,且求解效率的提升有限。

技术实现思路

1、鉴于上述的分析,本发明实施例旨在提供一种基于电碳保形凸代理的电力系统规划运行协同方法,用以解决规划模型非线性非凸导致的求解耗时长、大规模场景下难以收敛,且规划方案的最优性无法保证的技术问题。

2、本发明实施例提供了一种基于电碳保形凸代理的电力系统规划运行协同方法,包括:

3、获取规划期内电力系统的规划基础数据,根据所述规划基础数据,生成各规划阶段对应的规划决策向量;

4、根据所述规划基础数据,生成电碳运行场景集,并从中提取出各规划阶段对应的场景应力特征;

5、对于各规划阶段,将所述规划决策变量和所述场景应力特征联合变换为电碳风险坐标;

6、对各规划阶段的规划决策向量进行电碳运行价值评估,得到各规划阶段对应的电碳运行价值标签;

7、以各规划阶段的电碳风险坐标和场景应力特征为输入特征,以对应的电碳运行价值标签为训练目标,构建训练样本集;基于所述训练样本集,构建并训练凸代理模型;所述凸代理模型为分段线性输入凸神经网络模型,与所述电碳风险坐标相关的所有连接路径上的权重均为非负,且其隐藏层采用凸且单调非减的分段线性激活函数;

8、基于训练后的凸代理模型,得到由连续辅助变量和线性不等式构成的代理嵌入约束,将所述代理嵌入约束嵌入规划模型并求解,得到各规划阶段的目标规划结果,所述目标规划结果为各规划阶段对应的规划决策变量的最优取值。

9、基于上述方法的进一步改进,所述凸代理模型包括输入层、至少一个隐藏层和代理输出层,所述与所述电碳风险坐标相关的所有连接路径上的权重均为非负,包括:

10、在所述凸代理模型构建时,设置所述电碳风险坐标至各所述隐藏层和所述代理输出层的连接权重、各隐藏层之间的权重矩阵,以及末级隐藏层至代理输出层的权重矩阵均为非负;在对所述凸代理模型进行训练过程中,保持所述非负约束。

11、基于上述方法的进一步改进,所述在对所述凸代理模型进行训练过程中,保持所述非负约束,包括:

12、在所述凸代理模型的每次参数更新后,将所述权重中小于零的数值设置为零;或,在训练过程中,采用非负函数对所述权重进行重参数化,确保权重始终保持非负。

13、基于上述方法的进一步改进,所述输入层包括条件输入层和风险坐标输入层,所述代理输出层包括多个分量代理头和多个包络代理头;

14、所述条件输入层用于对所述场景应力特征进行仿射变换,并将变换后的场景应力特征输入至各隐藏层;所述风险坐标输入层,用于将所述电碳风险坐标直接输入至各隐藏层和代理输出层;首个隐藏层接收所述电碳风险坐标和经仿射变换后的场景应力特征,后续隐藏层接收前一隐藏层的输出、所述电碳风险坐标的直连输入以及经仿射变换后的场景应力特征;

15、各所述代理头分别包括独立的输出权重参数,用于将所述末级隐藏层的输出映射为对应风险类型的运行价值或包络估计值。

16、基于上述方法的进一步改进,所述分量代理头至少为两个,各分量代理头分别用于表征运行经济性、碳约束风险、保供风险和新能源消纳风险中的一种,并分别输出对应风险类型的运行价值;

17、所述包络代理头至少包括一个上包络代理头和一个下包络代理头;所述上包络代理头用于对电碳运行价值进行保守估计,输出上包络估计值;所述下包络代理头用于对电碳运行价值进行乐观估计,输出下包络估计值;所述上包络估计值与所述下包络估计值之间的差值用于表征所述凸代理模型在对应输入特征下的预测不确定性。

18、基于上述方法的进一步改进,所述凸代理模型的训练采用综合损失函数,所述综合损失函数包括拟合误差项、包络校准误差项、单调性误差项和物理一致性误差项中的至少一种;

19、所述包络校准误差项包括:所述上包络代理头的输出低于所述电碳运行价值标签时的低估惩罚、所述下包络代理头的输出高于所述电碳运行价值标签时的高估惩罚、以及所述上包络代理头的输出低于所述下包络代理头的输出时的交叉惩罚;

20、所述拟合误差项用于约束各所述分量代理头的输出值与对应的电碳运行价值标签分量之间的偏差;所述单调性误差项用于约束所述凸代理模型的输出随各电碳风险坐标分量的增大而单调非减;所述物理一致性误差项用于使所述凸代理模型的输出保持与电力系统运行规律一致的物理特性。

21、基于上述方法的进一步改进,所述基于训练后的凸代理模型,得到由连续辅助变量和线性不等式构成的代理嵌入约束,包括:

22、基于训练后的凸代理模型,将各所述隐藏层的分段线性激活函数转换为由第一连续辅助变量和第一组线性不等式构成的第一等效约束;

23、对于各所述分量代理头或所述上包络代理头,引入第二连续辅助变量,并建立所述第二连续辅助变量不小于所述代理头输出的第二组线性不等式,作为第二等效约束;

24、所述代理嵌入约束包括所述第一等效约束和所述第二等效约束。

25、基于上述方法的进一步改进,所述对各规划阶段的规划决策向量进行电碳运行价值评估,得到各规划阶段对应的电碳运行价值标签,包括:

26、对于各规划阶段,基于电碳运行场景集、所述规划阶段的规划决策向量和运行决策向量,构建运行优化模型,所述运行优化模型以运行成本、碳成本、失负荷惩罚、弃电惩罚和灵活性不足惩罚的加权和最小为目标,并满足电力系统运行约束条件;所述运行决策向量包括常规电源出力变量、新能源出力变量、储能充放电功率变量、外受电功率变量和负荷削减变量中的至少一种;

27、求解所述运行优化模型,得到所述规划阶段的电碳运行价值标签。

28、基于上述方法的进一步改进,所述规划决策变量包括电源新建变量、煤电低碳改造变量、煤电退役变量、新能源退役重构变量、储能功率配置变量、储能能量配置变量、网架扩容变量以及柔性负荷建设变量中的至少一种;所述电碳风险坐标包括多个分量,各分量分别对应一种风险指标,所述风险指标包括碳轨迹残量风险、可靠容量缺额、灵活性缺额、新能源退役重构缺口、网架消纳压力和碳价暴露度中的至少一种。

29、基于上述方法的进一步改进,所述将代理嵌入约束嵌入规划模型并求解,得到各规划阶段的目标规划结果之后,所述方法还包括:

30、对所述目标规划结果进行时序运行校核,获得校核偏差,所述校核偏差包括电碳运行价值偏差和碳轨迹偏差中的至少一种;

31、当所述校核偏差超过预设阈值时,在所述目标规划结果的邻域内生成主动样本,所述邻域为以所述目标规划结果为中心、以预设范围为半径的参数空间区域;

32、对所述主动样本进行电碳运行价值评估,获得所述主动样本对应的电碳运行价值标签,将带标签的主动样本加入所述凸代理模型的训练样本集,利用更新后的训练样本集重新训练所述凸代理模型,并基于重新训练后的凸代理模型更新所述代理嵌入约束,基于更新后的代理嵌入约束重新求解所述规划模型,返回执行所述对所述目标规划结果进行时序运行校核的步骤,直至所述校核偏差满足预设要求。

33、与现有技术相比,本发明至少可实现以下有益效果之一:

34、1.通过将规划决策向量与场景应力特征联合变换为电碳风险坐标,将大量运行场景压缩为低维风险坐标,缩小了规划模型的计算规模。在此基础上,采用分段线性输入凸神经网络构建凸代理模型,对与风险坐标相关的连接路径施加权重非负约束,隐藏层使用凸且单调非减的激活函数,使代理模型关于风险坐标具有凸性和单调性。基于凸性和单调性,将训练后的代理模型以连续辅助变量和线性不等式的形式嵌入规划模型,将非线性非凸问题转化为线性规划问题,既保证了求解的全局最优性,又显著降低了求解难度和计算时间。同时,单调性确保了模型输出随风险增加而增加,符合电力系统运行的基本规律。

35、2.通过对目标规划结果进行时序运行校核,在该目标规划结果附近的参数空间区域内选取主动样本,补充运行模拟标签后重新训练代理模型并重新求解规划模型,使代理模型在目标规划结果所在区域不断修正,直至目标规划结果通过校核。该过程不需要重新生成全部训练样本,仅在目标规划结果附近补充少量样本即可完成修正,减少了迭代计算量。同时,能够在保持碳轨迹、安全运行和经济性约束可校核的条件下,显著提高省域电力系统电碳协同规划的求解效率、稳定性和工程适用性。

36、本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。