基于多源数据融合的虚拟电厂聚合与现货策略优化方法与流程

本发明属于虚拟电厂，具体涉及基于多源数据融合的虚拟电厂聚合与现货策略优化方法。

背景技术：

1、由分布式可控资源聚合而成的虚拟电厂，在参与现货市场时，对内部聚合资源的可调灵活能力的准确感知，是保障投标经济性与运行安全性的先决条件。

2、针对虚拟电厂容量评估与投标决策问题，部分现有技术利用数据驱动方法求解虚拟电厂整体可调容量的上下限值，该方式能够快速量化资源可调区间，但所得容量边界为静态参数，忽略了时段间的调节耦合关系，无法跟随市价动态变化，以此为约束容易致使投标策略保守或冒进；还有部分现有技术将多源数据直接输入深度强化学习网络生成交易指令，未显式构建满足物理运行规则的聚合灵活域，决策缺乏可解释性与安全屏障，存在违反物理约束的风险。

3、综上，现有技术无法兼顾时序物理耦合约束与市场电价动态响应特性，难以构建动态自适应的聚合灵活域，无法依托合规的灵活域支撑多阶段优化投标决策。

技术实现思路

1、有鉴于此，本发明的目的在于提供基于多源数据融合的虚拟电厂聚合与现货策略优化方法，用以解决上述背景技术中的问题。其具体方案如下：

2、一种基于多源数据融合的虚拟电厂聚合与现货策略优化方法，包括以下步骤：

3、获取虚拟电厂内分布式资源实时运行数据和电力现货市场的价格信号；

4、将获取的实时运行数据和价格信号进行融合，构建物理信息嵌入的混合驱动数字孪生体，通过所述混合驱动数字孪生体输出反映虚拟电厂聚合灵活性的时变多面体可行域；

5、将所述时变多面体可行域作为虚拟电厂各时段决策变量的物理约束，构建日前-实时两阶段随机优化模型，以生成所述虚拟电厂参与电力现货市场的投标策略；

6、其中，所述时变多面体可行域的几何边界随所述价格信号的变化而动态调整。

7、优选的，混合驱动数字孪生体包含物理方程模块和深度残差网络模块；所述物理方程模块基于分布式资源的物理运行机理建立基线模型，输出基线功率向量；所述深度残差网络模块的输入包含所述价格信号的时间序列和用户行为特征向量，输出对所述基线功率向量的边界偏移量和；所述物理方程模块的输出与所述深度残差网络模块的输出并联叠加后，生成所述时变多面体可行域。

8、进一步地，时变多面体可行域的公式为：

9、

10、其中，代表调度的时段，为各分布式资源在时段的有功功率向量，为爬坡速率限值；所述时变多面体可行域的上界和下界由所述混合驱动数字孪生体输出的基线功率向量与边界偏移量叠加生成。

11、优选的，物理方程模块对不同类型的分布式资源分别建立差异化物理基线模型；所述深度残差网络模块针对不同类型的分布式资源分别训练残差网络，以学习各自受市场价格激励引起的边界偏移特征。

12、进一步地，日前-实时两阶段随机优化模型分日前、实时两个阶段构建：

13、在日前阶段，以最大化期望收益为优化目标，确定所述虚拟电厂向电力现货市场申报的日前投标功率，其目标函数为：

14、

15、约束条件为：；

16、在实时阶段，针对随机场景下的实时市场出清价格，以最小化实时运行成本与偏差惩罚之和为目标，求解各时段的实际出力，其目标函数为：

17、

18、约束条件包括：；

19、其中，为日前市场出清价格；为时段的运行成本函数；为时段的偏差惩罚成本函数；为场景下的实时阶段最优成本，通过期望算子反馈至日前阶段的目标函数；

20、所述日前阶段和所述实时阶段使用同一时变多面体可行域，分别代入日前价格信号和实时价格信号作为其边界参数。

21、进一步地，确定所述偏差惩罚成本的公式为：

22、

23、其中，为惩罚系数，和分别为将实时价格代入所述时变多面体可行域后得到的上界和下界。

24、优选的，还包括闭环在线校准步骤：

25、根据电力现货市场出清结果和实际运行数据，对所述混合驱动数字孪生体中深度残差网络模块的网络参数进行在线更新；以最小化由点估计精度项和分布对齐项组成的损失函数为优化目标，所述损失函数为：

26、

27、其中，和为根据实际运行数据统计得到的实际可行功率上界和下界，和为将时段t的价格信号和网络参数输入所述混合驱动数字孪生体后得到的预测可行功率上界和下界；为实际运行中统计得到的可行功率上界经验分布，为所述混合驱动数字孪生体在对应价格区间输出的可行功率上界分布，为最大均值差异度量，为分布对齐项的权重系数。

28、本发明与现有技术相比，具有如下有益效果：

29、本发明通过构建物理信息嵌入的混合驱动数字孪生体，输出在时间维度上显式包含爬坡约束、且几何边界随现货市场价格信号动态调整的时变多面体可行域，并将其作为内生约束直接嵌入日前-实时两阶段随机优化模型，能够改善现有技术中聚合灵活域表征与多阶段现货决策相割裂的问题。

30、通过同一灵活域函数代入不同价格参数，实现了聚合灵活域表征与多阶段优化决策的一体化构建，使日前投标策略能够预判实时灵活域变化对偏差惩罚的影响，利于投标决策在安全性与经济性之间形成平衡。同时，本发明将实时阶段的偏差惩罚成本设计为由时变多面体可行域的当前边界与实时市场出清价格共同动态确定，使得惩罚基准跟随实时电价和资源动态可调能力同步更新，降低了虚拟电厂参与现货市场的偏差考核风险。

31、此外，本发明在闭环在线校准步骤中引入融合点估计精度与分布对齐度量的复合损失函数，通过最大均值差异度量约束预测边界分布与实际边界分布的一致性，使校准后的模型在长期运行中能够持续适配动态变化的用户行为与市场工况，提高了灵活域表征的准确性与投标策略的稳健性。

1.一种基于多源数据融合的虚拟电厂聚合与现货策略优化方法，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，所述混合驱动数字孪生体包含物理方程模块和深度残差网络模块；所述物理方程模块基于分布式资源的物理运行机理建立基线模型，输出基线功率向量；所述深度残差网络模块的输入包含所述价格信号的时间序列和用户行为特征向量，输出对所述基线功率向量的边界偏移量和；所述物理方程模块的输出与所述深度残差网络模块的输出并联叠加后，生成所述时变多面体可行域。

3.根据权利要求2所述的方法，其特征在于，所述时变多面体可行域的公式为：

4.根据权利要求2所述的方法，其特征在于，所述物理方程模块对不同类型的分布式资源分别建立差异化物理基线模型；所述深度残差网络模块针对不同类型的分布式资源分别训练残差网络，以学习各自受市场价格激励引起的边界偏移特征。

5.根据权利要求1或3所述的方法，其特征在于，所述日前-实时两阶段随机优化模型分日前、实时两个阶段构建：

6.根据权利要求5所述的方法，其特征在于，确定所述偏差惩罚成本的公式为：

7.根据权利要求2或3所述的方法，其特征在于，还包括闭环在线校准步骤：