一种计及源荷价不确定性的构网型储能电站双层优化配置方法、系统、设备及存储介质

本发明涉及储能优化配置领域，尤其涉及一种计及源荷价不确定性的构网型储能电站双层优化配置方法、系统、设备及存储介质。

背景技术：

1、随着全球能源转型的推进，风电、光伏等新能源在电网中的渗透率不断提高。然而，新能源发电具有强烈的随机性和波动性，还有需求侧响应和电动汽车等带来的负荷波动，以及电力市场现货交易机制下的电价波动，给电力系统的安全稳定运行和储能的经济性带来了极大的挑战。

2、储能系统采用构网型变流器模拟同步发电机的运行特性，可向电网提供短路容量、电压支撑与虚拟惯量，从而成为提升高比例新能源电力系统稳定性的关键手段。然而，当前针对储能的优化配置方法大多聚焦于单一确定性场景，未充分考虑源-荷-价多重不确定性的影响；同时，在优化架构上，现有的单层优化或常规配置方法难以平衡储能系统全局经济性定容与局部电网支撑选址之间的复杂关系，导致储能的经济价值与电网支撑潜能无法得到最大化发挥。同时，随着新能源占比不断增加，系统中短路比大小降低以及分布不均的现象更加突出，采用虚拟同步机构网型变流器控制方法可用来提高系统短路比大小及分布的均匀性，构网型储能电站可以有效解决当前高比例新能源电力系统所面临的问题。目前有一些现有技术也涉及了构网型储能电站的优化配置方法。例如，通过建立多场站节点，以成本、新能源利用率及暂稳效果构建多目标函数，并利用遗传算法与灰关联投影法对各场站储能容量进行精细化分配，该方法在多目标协同方面取得了一定进展，但在高比例新能源电网环境下的适用性不足。

技术实现思路

1、鉴于上述存在的问题，本发明提供一种计及源荷价不确定性的构网型储能电站双层优化配置方法、系统、设备及存储介质。

2、因此，本发明解决的技术问题是：在高比例新能源接入背景下，如何同时应对源、荷、价的多重不确定性，并平衡构网型储能电站的经济配置与电网支撑性能。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明提供了一种计及源荷价不确定性的构网型储能电站双层优化配置方法，包括：

5、获取区域电网拓扑结构参数、历史新能源出力数据、历史负荷数据以及电力现货市场节点电价数据，并设置k均值聚类算法和非支配排序遗传算法的参数；

6、对获取的数据进行归一化处理，构建包含源端出力、负荷及电价序列的场景向量，采用k均值聚类算法生成典型运行场景并计算各场景概率；

7、基于典型运行场景以及对应的场景概率，建立双层优化模型并分别确定上层优化模型和下层优化模型的决策变量，利用非支配排序遗传算法生成初始候选解集；

8、将初始候选解集代入双层优化模型进行迭代求解，更新pareto解集；

9、响应于满足预设的收敛精度或最大迭代次数，输出当前pareto最优解集；否则将下层反馈数据用于修正上层容量方案，同时对当前种群进行选择、交叉及变异操作，更新储能容量与接入节点位置后重新进行迭代求解；

10、对pareto最优解集进行综合评价，选取综合评分最高的解作为最终方案，输出构网型储能电站的最优接入节点位置、额定功率容量及额定能量容量。

11、作为一种计及源荷价不确定性的构网型储能电站双层优化配置方法的一种优选方案，其中：

12、所述对获取的数据进行归一化处理，构建包含源端出力、负荷及电价序列的场景向量，采用k均值聚类算法生成典型运行场景并计算各场景概率，包括：

13、将历史新能源出力数据、历史负荷数据及历史电价数据按照统一时间尺度进行整理，对整理后的数据进行归一化处理；

14、将归一化后的每一时刻的源端出力、负荷及电价数据组合为一个场景向量，形成表征多维度时序特征的高维特征空间；

15、采用聚类算法对高维特征空间中的所有场景向量进行迭代聚类，将具有相似特征的原始场景归并为同一类别，每一类对应一个典型运行场景；

16、根据每一类别中原始场景的数量占全部场景总数的比例，计算对应典型场景的发生概率；

17、最终输出由各典型场景及对应概率构成的概率加权典型场景集合。

18、作为一种计及源荷价不确定性的构网型储能电站双层优化配置方法的一种优选方案，其中：

19、所述基于典型运行场景以及对应的场景概率，建立双层优化模型并分别确定上层优化模型和下层优化模型的决策变量，利用非支配排序遗传算法生成初始候选解集，包括：

20、基于典型运行场景及对应的发生概率，构建双层优化模型，所述双层优化模型包含上层容量规划模型和下层选址运行模型；

21、确定上层模型的决策变量为构网型储能电站的额定功率容量和额定能量容量，确定下层模型的决策变量为构网型储能电站的接入节点位置。

22、作为一种计及源荷价不确定性的构网型储能电站双层优化配置方法的一种优选方案，其中：

23、所述基于典型运行场景以及对应的场景概率，建立双层优化模型并分别确定上层优化模型和下层优化模型的决策变量，利用非支配排序遗传算法生成初始候选解集，还包括：

24、设定上层模型与下层模型之间的信息传递关系，所述上层模型将决策变量所确定的容量方案作为约束条件传递至下层模型，所述下层模型以优化得到的运行收益指标和系统强度指标作为反馈信息传递至上层模型，指导上层模型修正容量方案，建立两层之间的反馈迭代机制；

25、采用非支配排序遗传算法生成初始种群，所述初始种群中的每个个体包含一组储能容量与接入节点位置的组合，构建由多个所述组合构成的候选解集，作为双层迭代优化的初始解空间。

26、作为一种计及源荷价不确定性的构网型储能电站双层优化配置方法的一种优选方案，其中：

27、所述将初始候选解集代入双层优化模型进行迭代求解，更新pareto解集，包括：

28、采用非支配排序遗传算法分别对双层优化模型中的上层模型和下层模型进行求解；

29、上层模型以储能系统的年化综合成本最小以及储能运行功率惩罚最小为优化目标，以电网功率平衡条件和储能自身运行特性为约束，对储能的额定功率容量和额定能量容量进行优化，输出容量配置方案；将容量配置方案传递至下层模型；

30、下层模型以容量配置方案为约束，以区域电网各节点等效短路比分布均匀性最大以及储能系统运行收益最大为优化目标，以电力系统运行安全和构网型储能动态支撑特性为约束，对储能的接入节点位置进行优化，输出选址方案。

31、作为一种计及源荷价不确定性的构网型储能电站双层优化配置方法的一种优选方案，其中：

32、所述将初始候选解集代入双层优化模型进行迭代求解，更新pareto解集，还包括：

33、对下层模型优化得到的选址方案进行多场景潮流计算，根据计算结果更新等效短路比分布均匀性指标和运行收益指标，并反馈至上层模型；

34、上层模型根据反馈的指标修正当前容量配置方案。

35、作为一种计及源荷价不确定性的构网型储能电站双层优化配置方法的一种优选方案，其中：

36、所述响应于满足预设的收敛精度或最大迭代次数，输出当前pareto最优解集；否则将下层反馈数据用于修正上层容量方案，同时对当前种群进行选择、交叉及变异操作，更新储能容量与接入节点位置后重新进行迭代求解，包括：

37、响应于当前种群的pareto前沿解集满足预设的收敛精度要求或达到预设的最大迭代次数，停止迭代并输出当前pareto最优解集；

38、否则将下层模型优化得到的运行收益指标和系统强度指标反馈至上层模型，上层模型根据接收到的反馈指标对当前的容量配置方案进行修正；

39、对当前种群执行非支配排序遗传算法的选择、交叉及变异操作，保留优良个体并生成新的候选个体，更新各候选解中的储能容量与接入节点位置；

40、将更新后的种群重新代入双层优化模型，启动新一轮的迭代求解。

41、第二方面，本发明提供了一种计及源荷价不确定性的构网型储能电站双层优化配置系统，包括：

42、基础数据获取与算法参数初始化模块，用于获取区域电网拓扑结构参数、历史新能源出力数据、历史负荷数据以及电力现货市场节点电价数据，并设置k均值聚类算法和非支配排序遗传算法的参数；

43、源荷价典型场景生成模块，用于对获取的数据进行归一化处理，构建包含源端出力、负荷及电价序列的场景向量，采用k均值聚类算法生成典型运行场景并计算各场景概率；

44、双层优化建模与初始解生成模块，用于基于典型运行场景以及对应的场景概率，建立双层优化模型并分别确定上层优化模型和下层优化模型的决策变量，利用非支配排序遗传算法生成初始候选解集；

45、双层迭代求解与pareto解集更新模块，用于将初始候选解集代入双层优化模型进行迭代求解，更新pareto解集；

46、收敛判定与种群更新模块，用于响应于满足预设的收敛精度或最大迭代次数，输出当前pareto最优解集；否则将下层反馈数据用于修正上层容量方案，同时对当前种群进行选择、交叉及变异操作，更新储能容量与接入节点位置后重新进行迭代求解；

47、最优方案综合评价与输出模块，用于对pareto最优解集进行综合评价，选取综合评分最高的解作为最终方案，输出构网型储能电站的最优接入节点位置、额定功率容量及额定能量容量。

48、第三方面，本发明提供了一种计算机设备，包括：

49、存储器和处理器；

50、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现计及源荷价不确定性的构网型储能电站双层优化配置方法的步骤。

51、第四方面，本发明提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现计及源荷价不确定性的构网型储能电站双层优化配置方法的步骤。

52、本发明的有益效果：本发明针对高比例新能源接入下源端出力随机、负荷波动频繁以及现货电价剧烈变化带来的多重不确定性，在实际电力系统中实现了构网型储能电站的经济性与电网支撑性能的平衡。通过离差标准化与聚类算法处理历史风光、负荷及电价数据，生成具有代表性的典型运行场景，使储能配置能够真实反映多重不确定因素的综合影响，避免了单一场景下配置结果与实际运行严重偏离的问题。采用双层优化架构，上层以储能系统全生命周期年化成本和运行功率惩罚最小为目标，有效控制了储能投资与运维费用，同时抑制了储能频繁大功率充放电对设备寿命的不利影响。下层以提升区域电网各节点等效短路比分布的均匀性和储能运行收益最大化为目标，优化储能接入位置，实际改善了高比例新能源电网中短路比偏低且分布不均的薄弱环节。通过双层反馈迭代，最终得到的容量与选址方案在真实电网中可使各节点等效短路比显著提高且分布更加均匀，增强了系统电压支撑能力和运行稳定性。本发明可直接应用于实际高比例新能源区域电网的储能规划，兼顾经济投资与安全稳定双重需求。