一种配微电网协同优化调度方法、系统、设备及介质与流程

摘要: 本技术涉及优化调度,具体为一种配微电网协同优化调度方法、系统、设备及介质。背景技术:1、随着以光伏为代表的分布式可再生能源在配电网及微电网中的大规模接入,传统的...
一种配微电网协同优化调度方法、系统、设备及介质与流程

本技术涉及优化调度,具体为一种配微电网协同优化调度方法、系统、设备及介质。

背景技术:

1、随着以光伏为代表的分布式可再生能源在配电网及微电网中的大规模接入,传统的单向配电网络正逐渐演变为包含多种灵活性资源的复杂系统。在这一演变过程中,如何实现配电网与微电网之间的高效协同调控是电网运行的关键。当前,构建微电网灵活运行域作为一种解决思路,能够通过确定微电网并网点处的传输功率调节范围来等效内部设备的调节能力,在保护微电网内部数据隐私的前提下实现聚合分析。然而,现有的微电网灵活运行域模型仅考虑了节点电压、支路容量以及内部设备的安全约束,其构建的几何域边界仅局限于配-微电网公共耦合点处的有功功率与无功功率。

2、而在低碳调度的实际需求下,微电网的灵活调节能力不仅受制于物理功率极限,更应当受到节点碳排放强度的约束。现有灵活运行域模型对碳势维度的刻画存在研究空白,导致配-微电网无法实现深度的电碳协同优化。即便在灵活运行域中引入碳势约束,碳势本身的获取也面临挑战,在潮流方向频繁切换的场景下,微电网在公共耦合点处可能从吸收功率状态转为向配电网反向馈送功率状态,若仍将其简单等效为负荷节点而不进行动态调整,将导致节点碳势标签失真,影响配微电网协同优化调度的准确性。且当配电网规模较大或潮流方向因分布式电源出力波动而频繁切换时,碳流方程的求解计算耗时较长,进一步影响配微电网协同优化调度的时效性。

技术实现思路

1、本技术的目的是提供一种配微电网协同优化调度方法、系统、设备及介质,基于ard线性回归模型快速获取实时碳势预测值,以作为动态边界参数纳入电碳灵活运行域的构建,从而在双层协同优化调度模型内进行低碳目标与经济性目标的优化求解,以实现配电网与微电网灵活性资源的协同优化调度,提高了配微电网协同优化调度的准确性和时效性。

2、为解决上述技术问题,本技术采用的技术方案为:

3、本技术提供一种配微电网协同优化调度方法,包括:

4、获取配电网与微电网的历史时序运行数据,基于所述历史时序运行数据构建碳势预测训练集;

5、在训练阶段,基于ard线性回归模型对所述碳势预测训练集进行高维特征筛选与权重稀疏处理,以构建节点注入功率特征与碳势预测值的映射关系;在实时调度阶段,获取各节点的实时注入功率特征,并基于所述映射关系得到各节点的实时碳势预测值;

6、将所述实时碳势预测值作为动态边界参数,结合微电网内部灵活性资源的运行约束,以公共耦合点的交换功率为目标观测变量进行边界寻优,以获取满足约束条件的可行边界点集,并通过凸包拟合算法基于所述可行边界点集构建电碳灵活运行域;

7、构建双层协同优化调度模型,并在所述电碳灵活运行域约束下进行配电网与微电网灵活性资源的协同优化调度。

8、可选的,所述在训练阶段,基于ard线性回归模型对所述碳势预测训练集进行高维特征筛选与权重稀疏处理,以构建节点注入功率特征与碳势预测值的映射关系的步骤,包括:

9、在训练阶段,基于所述碳势预测训练集,基于ard线性回归模型为所述碳势预测训练集中的各输入特征分别配置独立的超参数;

10、利用迭代算法交替更新各输入特征的权重均值和超参数,将超参数超过预设阈值的输入特征判定为冗余特征,使所述冗余特征对应的权重均值收敛为零;将超参数未超过预设阈值的输入特征判定为关键特征,保留所述关键特征对应的权重均值为非零;

11、训练收敛后,保留权重均值非零的关键特征及其对应权重,以构建节点注入功率特征与碳势预测值之间的映射关系。

12、可选的,所述在实时调度阶段,获取各节点的实时注入功率特征,并基于所述映射关系得到各节点的实时碳势预测值的步骤,包括:

13、采集各节点在当前调度时刻的实时注入功率数据,并处理得到实时注入功率特征;

14、基于所述映射关系,从所述实时注入功率特征中提取与保留的关键特征一致的子向量;

15、将所述子向量与所述关键特征对应的非零权重进行点积运算,得到各节点的实时碳势预测值。

16、可选的,所述将所述实时碳势预测值作为动态边界参数,结合微电网内部灵活性资源的运行约束,以公共耦合点的交换功率为目标观测变量进行边界寻优,以获取满足约束条件的可行边界点集的步骤,包括:

17、建立微电网内部灵活性资源的运行约束,所述运行约束包括储能充放电功率约束、光伏出力约束、燃气轮机出力约束及功率平衡约束;

18、建立碳排放限制约束限制微电网各节点的碳排放强度,所述碳排放限制约束以所述实时碳势预测值作为动态边界参数;

19、在公共耦合点的有功功率-无功功率空间中确定基准安全运行点,并以所述基准安全运行点为中心,均匀生成多个具有不同方位角的搜索方向向量;

20、针对每一个搜索方向,构建以最大化射线步长为优化目标的非线性寻优模型,所述非线性寻优模型的约束条件包括所述运行约束和所述碳排放限制约束;

21、求解各搜索方向上的最优射线步长,获得多个表征微电网电碳调节极限的离散边界点,以构成可行边界点集。

22、可选的,所述通过凸包拟合算法基于所述可行边界点集构建电碳灵活运行域的步骤,包括:

23、利用凸包拟合算法对所述可行边界点集进行凸包拟合,得到电碳灵活运行域的凸包描述参数,所述凸包描述参数包括各分段平面的法向量和截距向量,并基于所述凸包描述参数构建电碳灵活运行域。

24、可选的,所述构建双层协同优化调度模型,并在所述电碳灵活运行域约束下进行配电网与微电网灵活性资源的协同优化调度的步骤,包括:

25、构建包括上层模型和下层模型的双层协同优化调度模型;

26、所述上层模型以配电网全局经济最优与低碳运行为目标,下发基准调度指令至所述下层模型;所述下层模型以微电网自身用能成本最优为目标,在所述电碳灵活运行域约束下,基于所述基准调度指令进行配微电网灵活性资源的协同优化调度。

27、可选的,获取配电网与微电网的历史时序运行数据,基于所述历史时序运行数据构建碳势预测训练集的步骤,包括:

28、获取配电网与微电网在多个历史运行工况断面的历史时序运行数据,所述历史时序运行数据包括新能源出力的有功与无功序列、常规负荷需求数据以及各节点的注入有功功率和无功功率数据;

29、将各节点的所述注入有功功率和所述无功功率数据进行组合,构建原始输入特征矩阵;

30、针对每个所述历史运行工况断面,以从配电网经公共耦合点流向微电网的有功功率为正方向,判定各微电网在公共耦合点处的有功功率流向;

31、若所述有功功率大于或等于零,则将对应的微电网等效为常规负荷节点;若所述有功功率小于零,则将对应的微电网等效为配电网的虚拟发电机节点,并计算所述虚拟发电机节点的等效注入碳强度;

32、基于判定结果和所述等效注入碳强度求解离散碳排放流方程,得到对应历史运行工况断面的节点碳势真实值标签向量;遍历所有历史运行工况断面,构建输出标签矩阵;

33、对所述原始输入特征矩阵和所述输出标签矩阵进行标准化处理,得到标准化输入特征矩阵与标准化标签矩阵以构成所述碳势预测训练集。

34、本技术还提供一种配微电网协同优化调度系统,包括获取模块、碳势预测模块、运行域构建模块和协同优化调度模块;

35、所述获取模块,被配置为获取配电网与微电网的历史时序运行数据,基于所述历史时序运行数据构建碳势预测训练集;

36、所述碳势预测模块,被配置为在训练阶段,基于ard线性回归模型对所述碳势预测训练集进行高维特征筛选与权重稀疏处理,以构建节点注入功率特征与碳势预测值的映射关系;在实时调度阶段,获取各节点的实时注入功率特征,并基于所述映射关系得到各节点的实时碳势预测值;

37、所述运行域构建模块,被配置为将所述实时碳势预测值作为动态边界参数,结合微电网内部灵活性资源的运行约束,以公共耦合点的交换功率为目标观测变量进行边界寻优,以获取满足约束条件的可行边界点集,并通过凸包拟合算法基于所述可行边界点集构建电碳灵活运行域;

38、所述协同优化调度模块,被配置为构建双层协同优化调度模型,并在所述电碳灵活运行域约束下进行配电网与微电网灵活性资源的协同优化调度。

39、本技术还提供一种终端设备,包括存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如上述方法。

40、本技术还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被计算机调用并执行,实现如上述方法。

41、本技术的有益效果:通过ard线性回归模型对碳势预测训练集进行高维特征筛选与权重稀疏处理,识别出对碳势预测具有较大贡献的关键注入功率特征,压缩冗余特征对应的权重,建立节点注入功率特征与碳势预测值之间的映射关系。在实时调度阶段,仅需将实时注入功率特征与该映射关系进行运算即可获得实时碳势预测值,无需反复迭代求解离散碳排放流方程,降低了碳势获取的计算复杂度。

42、传统微电网的灵活运行范围仅以有功功率、无功功率构成受限于物理设备的二维边界,本技术将实时碳势预测值作为动态边界参数引入微电网运行约束,以公共耦合点交换功率为观测变量进行边界寻优,获得可行边界点集,通过凸包拟合算法将离散边界点转化为电碳灵活运行域。在此基础上构建双层协同优化调度模型,上层下发基准调度指令,下层在电碳灵活运行域约束下对内部灵活性资源进行低碳目标与经济性目标的优化分解,以实现配电网与微电网灵活性资源的协同优化调度,提高了配微电网协同优化调度的准确性和时效性。