基于模型预测控制的虚拟电厂功率调度方法及装置与流程

本发明涉及能源管理，尤其涉及一种基于模型预测控制的虚拟电厂功率调度方法及装置。

背景技术：

1、随着新能源发电技术、分布式能源资源以及新型负荷设备的快速发展，电力系统逐渐由传统集中式供能模式向多源协同互动模式转变。虚拟电厂通过聚合分布式光伏、风电、储能设备、可调节负荷以及电动汽车等多类型能源资源，并通过数字化控制和智能调度技术实现资源协同优化，成为提升新能源消纳能力和增强电网灵活调节能力的重要技术手段。

2、在虚拟电厂运行过程中，由于不同供电区域内用户类型、能源资源组成以及用能行为存在明显差异，各区域表现出不同的负荷变化规律和新能源消纳特性。因此，对虚拟电厂内部区域特性进行准确识别，是实现负荷精准预测、资源优化配置以及动态调度控制的重要基础。

3、现有虚拟电厂区域特性分析方法通常基于配电网拓扑结构、用户类别以及历史负荷曲线对区域进行划分。具体而言，如中国专利申请cn120728597a中公开，根据变电站、配电节点以及用户接入关系确定区域边界，然后结合用户类型将区域划分为居民区域、商业区域或工业区域，并根据不同区域类型建立对应的负荷预测模型。

4、例如，对于商业区域，现有方法通常认为其负荷主要集中于白天工作时段，并且由于商业建筑通常配置屋顶光伏，因此新能源出力与负荷变化具有较高匹配程度、对于居民区域，则通常认为其负荷集中于晚间生活用电时段，而新能源出力主要发生于白天，两者存在明显时间错位。

5、然而，随着综合能源系统的发展，传统基于固定区域类型的分析方法逐渐暴露出不足。

6、首先，现有区域分类方式粒度较粗，通常采用“居民区域”“商业区域”“工业区域”等离散标签描述区域属性，难以准确表达实际复杂区域的能源行为。例如，商住综合体同时具有商业办公负荷和居民生活负荷特征，其负荷变化规律既不同于传统商业区域，也不同于传统居民区域、工业园区中可能同时包含生产负荷、分布式光伏以及储能设备，其能源交互关系更加复杂，采用单一标签难以准确描述。

7、其次，现有方法主要依赖历史负荷数据和用户类型信息进行区域识别，缺少对新能源出力、储能运行状态、环境因素以及用户行为变化等多源信息的综合分析，导致区域特征表达维度不足。例如，同属于商业区域的两个区域，其建筑类型、光伏装机容量、储能配置以及用户活动规律可能存在明显差异，但现有方法通常将其视为相同类型区域进行处理，降低了后续预测模型的适应能力。

8、再次，现有区域属性通常采用确定性标签表达方式，即将某一区域直接定义为某一类型区域。然而，在实际运行过程中，区域能源属性具有动态变化特点。例如，随着电动汽车充电设施增加、分布式新能源接入以及商业设施扩建，原居民区域可能逐渐转变为综合能源区域，固定区域标签无法实时反映区域状态变化。

9、此外，现有技术通常仅关注区域内部负荷和新能源特征，而忽略不同区域之间由于配电网络连接关系产生的相互影响。例如，某一区域负荷快速增长可能导致相邻区域电压波动或潮流变化，而传统区域分析方法无法有效描述区域之间的关联关系。

10、因此，现有虚拟电厂区域特性分析技术存在区域分类粗糙、特征表达不足、动态适应能力弱以及区域关联关系缺失等问题，难以满足新能源高比例接入条件下虚拟电厂精细化预测和智能调度需求。

技术实现思路

1、本发明提供一种基于模型预测控制的虚拟电厂功率调度方法，用以解决现有技术中虚拟电厂区域特性分析技术存在区域分类粗糙、特征表达不足、动态适应能力弱以及区域关联关系缺失等问题，难以满足新能源高比例接入条件下虚拟电厂精细化预测和智能调度需求的缺陷，通过融合配电网拓扑数据、区域负荷运行数据、新能源出力数据、储能运行数据以及环境行为数据，构建包含空间属性、负荷行为属性、能源交互属性和动态演化属性的多维区域特征体系、进一步利用动态特征嵌入模型对区域能源行为进行深层特征提取，生成能够表征区域综合能源状态的动态区域画像、同时，通过概率化区域属性识别方式替代传统固定标签分类方法，实现对复杂区域、多类型区域以及动态演化区域的准确识别，实现提高区域特性识别准确性，为虚拟电厂负荷预测、资源调度以及新能源消纳优化提供更加准确的数据支撑。

2、本发明提供一种基于模型预测控制的虚拟电厂功率调度方法，包括如下步骤。

3、根据虚拟电厂覆盖区域内的多源数据，建立区域空间拓扑关联模型；

4、对虚拟电厂覆盖区域内的多源数据进行特征提取，得到区域特征集合；

5、对所述区域特征进行特征融合，得到区域画像特征；

6、根据所述区域画像特征，构建区域动态画像；

7、根据所述动态区域画像，对虚拟电厂覆盖区域进行概率化区域属性识别，得到属性概率结果；

8、根据所述属性概率结果，形成区域画像标签；

9、根据所述区域画像标签，构建区域功率状态预测模型；

10、根据所述区域画像标签，计算区域调节能力指标；

11、根据区域功率预测结果、区域调节能力指标和区域新能源状态，构建虚拟电厂功率优化调度模型。

12、根据本发明提供的一种基于模型预测控制的虚拟电厂功率调度方法，所述根据虚拟电厂覆盖区域内的多源数据，建立区域空间拓扑关联模型，包括：

13、根虚拟电厂覆盖区域内节点之间的连接关系和电器特征，对虚拟电厂覆盖区域进行区域单元划分，得到区域集合；其中，电器特征包括具有相同供电路径和相近电气关联关系的用户节点；

14、将所述区域空间拓扑关联模型中各区域单元作为图模型中的节点，建立区域空间拓扑关联模型。

15、根据本发明提供的一种基于模型预测控制的虚拟电厂功率调度方法，所述对虚拟电厂覆盖区域内的多源数据进行特征提取，得到区域特征集合，包括：

16、对区域负荷运行数据进行特征提取，得到负荷行为特征；

17、对分布式新能源运行数据进行特征提取，得到新能源特征；

18、对储能设备运行数据进行特征提取，得到储能调节特征；

19、对电网拓扑数据进行特征提取，得到空间关联特征。

20、根据本发明提供的一种基于模型预测控制的虚拟电厂功率调度方法，所述根据所述区域画像特征，构建区域动态画像，包括：

21、通过图神经网络对所述区域画像特征进行空间关联特征传播，得到区域空间关联特征；

22、根据区域状态序列，通过时间注意力机制提取区域时间演化特征；

23、融合所述区域空间关联特征和所述区域时间演化特征，得到动态区域画像。

24、根据本发明提供的一种基于模型预测控制的虚拟电厂功率调度方法，所述根据所述动态区域画像，对虚拟电厂覆盖区域进行概率化区域属性识别，得到属性概率结果，包括：

25、对动态区域画像进行全连接映射，得到区域状态向量；

26、根据所述区域状态向和预设的区域属性类别集合，通过分类模型计算区域属于各类型的概率，得到属性概率结果。

27、根据本发明提供的一种基于模型预测控制的虚拟电厂功率调度方法，所述根据所述区域画像标签，构建区域功率状态预测模型，包括：

28、根据所述区域画像标签，构建区域功率状态输入特征；

29、根据区域功率状态输入特征和区域画像标签，建立区域功率状态预测模型。

30、根据本发明提供的一种基于模型预测控制的虚拟电厂功率调度方法，所述虚拟电厂功率优化调度模型包括区域功率平衡约束条件和区域差异化调度目标函数，所述区域差异化调度目标函数中包含购电成本目标、新能源消纳目标、区域调节平衡目标和区域运行风险目标。

31、本发明还提供一种基于模型预测控制的虚拟电厂功率调度装置，包括如下模块：

32、空间拓扑模块，用于根据虚拟电厂覆盖区域内的多源数据，建立区域空间拓扑关联模型；

33、特征集合模块，用于对虚拟电厂覆盖区域内的多源数据进行特征提取，得到区域特征集合；

34、画像特征模块，用于对所述区域特征进行特征融合，得到区域画像特征；

35、动态画像模块，用于根据所述区域画像特征，构建区域动态画像；

36、属性识别模块，用于根据所述动态区域画像，对虚拟电厂覆盖区域进行概率化区域属性识别，得到属性概率结果；

37、画像标签模块，用于根据所述属性概率结果，形成区域画像标签；

38、预测模型模块，用于根据所述区域画像标签，构建区域功率状态预测模型；

39、调节能力计算模块，用于根据所述区域画像标签，计算区域调节能力指标；

40、优化调度模块，用于根据区域功率预测结果、区域调节能力指标和区域新能源状态，构建虚拟电厂功率优化调度模型。

41、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述基于模型预测控制的虚拟电厂功率调度方法。

42、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于模型预测控制的虚拟电厂功率调度方法。

43、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于模型预测控制的虚拟电厂功率调度方法。

44、本发明提供的基于模型预测控制的虚拟电厂功率调度方法，通过根据虚拟电厂覆盖区域内的多源数据，建立区域空间拓扑关联模型；对虚拟电厂覆盖区域内的多源数据进行特征提取，得到区域特征集合；对所述区域特征进行特征融合，得到区域画像特征；根据所述区域画像特征，构建区域动态画像；根据所述动态区域画像，对虚拟电厂覆盖区域进行概率化区域属性识别，得到属性概率结果；根据所述属性概率结果，形成区域画像标签；根据所述区域画像标签，构建区域功率状态预测模型；根据所述区域画像标签，计算区域调节能力指标；根据区域功率预测结果、区域调节能力指标和区域新能源状态，构建虚拟电厂功率优化调度模型。实现对复杂区域、多类型区域以及动态演化区域的准确识别，实现提高区域特性识别准确性，为虚拟电厂负荷预测、资源调度以及新能源消纳优化提供更加准确的数据支撑。