虚拟电厂移动式灵活资源动态配置与容量规划方法、系统与流程

本发明涉及虚拟电厂优化调度，具体涉及一种虚拟电厂移动式灵活资源动态配置与容量规划方法、系统。

背景技术：

1、分布式光伏发电和电动汽车产业均呈现爆发式增长态势。截至2025年末，我国新能源汽车保有量已达4397万辆，光伏累计装机容量突破1200gw。然而，分布式光伏出力具有强随机性与间歇性，其出力主要集中于白天时段；电动汽车充电负荷则呈现显著的时空动态分布特性，其无序充电行为容易在晚高峰时段与基础负荷叠加形成“峰上加峰”，引发配电网节点电压越限、变压器过载、网络损耗增加等一系列问题。

2、虚拟电厂通过聚合分布式光伏、储能系统、电动汽车及柔性负荷等分散资源，使其像一个整体电厂一样参与电网调度和电力市场，是解决上述问题的有效技术手段。然而，虚拟电厂内部的灵活资源中，传统固定式光储系统将光伏和储能设备永久安装于特定节点，其部署位置一经确定便无法更改。这种静态配置方式难以适应光伏出力随季节、天气变化的波动性，也无法有效响应电动汽车充电负荷在空间上的动态迁移。例如，在光伏出力较弱的季节或电动汽车充电负荷集中的区域，固定式光储系统受限于其安装位置，往往需要长距离输电或依赖上级电网补电，导致网络损耗增加、局部电压跌落严重；而在光伏出力充沛的时段，固定式系统又可能因本地消纳能力不足而产生弃光。

3、为解决上述问题，近年来出现了移动式光储系统的概念。将光伏和储能单元安装在可移动载体上，作为虚拟电厂的可调度资源，可根据电网需求灵活调整接入位置。相较于固定式光储，移动式光储具有以下显著优势：一是空间灵活性，能够将光伏发电单元移动至光照资源丰富或负荷需求旺盛的节点，就地消纳、就近支撑电压；二是时间灵活性，可以根据季节、天气以及日内负荷曲线变化，以天甚至小时为周期调整接入位置，实现“源随荷动”到“源荷互动”的转变；三是经济性提升，通过优化移动路径和接入节点，可以降低系统对长距离输电线路的依赖，减少网损和购电成本，同时避免因局部过电压或低电压问题而进行的电网扩容改造。然而，目前针对虚拟电厂中移动式灵活资源的规划方法研究尚不完善，主要存在以下技术缺陷：一是缺乏同时考虑光伏出力不确定性与电动汽车负荷时空分布的虚拟电厂双层规划模型，上层选址定容与下层运行调度往往割裂优化；二是对移动式资源的运行约束刻画不足，如移动成本、每时段唯一接入位置等特性未得到系统建模；三是现有求解算法在处理高维、非凸、混合变量（离散选址+连续容量）的规划问题时，容易陷入局部最优或收敛缓慢。

技术实现思路

1、本发明所要解决的技术问题是：针对现有虚拟电厂资源配置中固定式光储系统难以适应源荷时空变化、投资运行成本高、电压越限风险大，以及现有移动式资源规划方法模型不完善、求解效率低的问题，提供一种虚拟电厂中光伏单元和储能单元均可移动部署的动态配置与容量规划方法。为了解决上述问题，本发明采用如下技术方案：

2、首先，本发明提出一种虚拟电厂移动式灵活资源动态配置与容量规划方法，包括以下步骤：

3、获取虚拟电厂覆盖区域内分布式光伏的年出力数据，采用k-means聚类算法对所述年出力数据进行聚类，生成至少两个典型光伏出力场景，并确定各典型光伏出力场景的发生概率；

4、获取电动汽车的返程时间、出行时间、日行驶里程及起始荷电状态的概率分布，采用蒙特卡洛模拟生成规模化电动汽车的无序充电负荷曲线；

5、构建虚拟电厂灵活资源动态配置的双层优化模型，包括上层模型和下层模型；上层模型以年化投资成本最小优化移动式光伏单元和移动式储能单元的接入节点与安装容量，下层以年运行成本最小优化光伏实际出力、充放电功率和节点电价，且约束移动资源在调度周期内接入位置可调；

6、采用改进哈里斯鹰优化算法对所述双层优化模型进行求解，所述改进哈里斯鹰优化算法包括基于精英保留的边界处理机制和混合变量协同进化机制；

7、输出移动式光伏单元和移动式储能单元的最优接入节点位置与安装容量，以及对应的年化总成本。

8、优选地，采用蒙特卡洛模拟生成规模化电动汽车的无序充电负荷曲线，电动汽车的返程时间服从正态分布，出行时间服从正态分布，日行驶里程服从对数正态分布，起始荷电状态服从正态分布。

9、优选地，所述上层模型的目标函数为最小化各典型场景下所有候选接入节点的光伏与储能投资成本之和，其中投资成本由单位容量投资成本乘以安装容量计算；约束条件为各候选节点上光伏和储能的安装容量不得超过预设的上限值。

10、优选地，所述下层模型的目标函数为最小化年运行成本，所述年运行成本包括运行维护成本、向上级电网购电成本、弃光成本以及配电网网络损耗成本；所述下层优化模型的约束条件包括配电网潮流平衡约束、各节点电压幅值上下限约束、各支路电流上限约束、光伏利用率下限约束、储能充放电功率上下限约束、储能充放电状态互斥约束以及储能荷电状态动态范围约束。

11、优选地，所述光伏利用率下限约束要求光伏实际出力不低于其理论最大出力的指定百分比，即不小于光伏单元出力的90%；所述储能荷电状态动态范围约束要求储能荷电状态在运行过程中始终保持在预设的最小值和最大值之间。

12、优选地，所述改进哈里斯鹰优化算法求解所述双层优化模型的过程包括：初始化种群及算法参数；计算种群个体的适应度值，确定当前最优个体；根据猎物逃逸能量判断进入探索阶段或开发阶段，并更新种群位置；每次迭代后对越界个体执行精英保留边界处理，将其重置为当前全局最优个体的位置；对选址变量采用阈值二值化方法实现混合变量协同进化；重复迭代直至满足收敛条件，输出最优解。

13、同时，本发明提出一种虚拟电厂移动式灵活资源动态配置与容量规划系统，包括：

14、场景生成模块，被配置以执行以下流程：获取虚拟电厂覆盖区域内分布式光伏的年出力数据，采用k-means聚类算法对所述年出力数据进行聚类，生成至少两个典型光伏出力场景，并确定各典型光伏出力场景的发生概率；

15、电动汽车负荷预测模块，被配置以执行以下流程：获取电动汽车的返程时间、出行时间、日行驶里程及起始荷电状态的概率分布，采用蒙特卡洛模拟生成规模化电动汽车的无序充电负荷曲线；

16、模型构建模块，被配置以执行以下流程：构建虚拟电厂灵活资源动态配置的双层优化模型，包括上层模型和下层模型；上层模型以年化投资成本最小优化移动式光伏单元和移动式储能单元的接入节点与安装容量，下层以年运行成本最小优化光伏实际出力、充放电功率和节点电价，且约束移动资源在调度周期内接入位置可调；

17、模型求解模块，被配置以执行以下流程：采用改进哈里斯鹰优化算法对所述双层优化模型进行求解，所述改进哈里斯鹰优化算法包括基于精英保留的边界处理机制和混合变量协同进化机制；

18、方案输出模块，被配置以执行以下流程：输出移动式光伏单元和移动式储能单元的最优接入节点位置与安装容量，以及对应的年化总成本。

19、同时，本发明提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明所述的方法。

20、同时，本发明提出一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被执行时，实现如本发明所述的方法。

21、同时，本发明提出一种计算机程序产品，包括计算机程序或计算机可读指令，所述计算机程序或计算机可读指令被处理器执行时实现如本发明所述的方法。

22、本发明采用上述技术方案，具有以下有益效果：

23、（1）移动式光储系统可根据节点电价与负荷分布主动迁移至最优接入节点，有效避免固定式系统因长距离输电产生的网损及购电成本。仿真结果表明，与固定式方案相比，本发明可使虚拟电厂年化总成本降低15%以上，显著提升了系统投资与运行的经济性，有利于运营商利润空间的扩大。

24、（2）移动式光储单元能够在电压薄弱节点就近提供无功支撑与放电支持，有效克服固定式光储因接入位置固定导致的灵活性不足。仿真结果表明，节点电压越限率从固定式方案的19.18% 大幅下降至0.55%，配电网电压水平得到有力保障，降低了因电压越限引发的设备损坏风险。

25、（3）改进哈里斯鹰优化算法引入了精英保留边界处理机制与混合变量协同进化机制，相比粒子群算法和标准哈里斯鹰算法具有更优的收敛特性，尤其在迭代后期全局寻优能力更强，能够在合理时间内获得高质量的解，满足工程规划的计算效率要求。

26、（4）本发明采用以天为单位的动态配置策略，可根据光伏出力和负荷水平的日内变化灵活调整移动式资源的接入位置，为虚拟电厂的日常运营提供了切实可行的技术方案。