基于多级梯度下降的配电网和虚拟电厂电碳协同调度方法与流程

本发明涉及分布式发电与配电网规划领域，尤其涉及一种基于多级梯度下降的配电网和虚拟电厂电碳协同调度方法。

背景技术：

1、随着大规模分布式清洁能源的接入，配电网的稳定运行面临着巨大的挑战。虚拟电厂作为一种整合和协调控制分布式资源的方式，能够有效降低配电网的运营负担，从而提高系统的可靠性。然而，由于配电网和虚拟电厂分属于不同的市场主体，它们之间的成本与收益各不相同，不可避免地会产生利益冲突问题。在这种背景下，如何协调配电网和虚拟电厂的优化运行，从而提高系统整体的经济性，成为当下亟需解决的问题。

技术实现思路

1、本发明提供了一种基于多级梯度下降的配电网和虚拟电厂电碳协同调度方法，以提高配电网和虚拟电厂电碳协同调度的经济性。

2、为了解决上述技术问题，本发明实施例提供了一种基于多级梯度下降的配电网和虚拟电厂电碳协同调度方法，包括：

3、获取配电网和虚拟电厂电碳协同调度双层优化模型；其中，所述双层优化模型的上层模型以最小化配电网的总运行成本为目标函数；所述双层优化模型的下层模型以最大化虚拟电厂的收益为目标函数；

4、将所述下层模型对应的单层约束优化问题转换为若干个第一无约束优化问题；其中，所述第一无约束优化问题以最大化对应的虚拟电厂的收益为目标函数；

5、根据每一所述第一无约束优化问题，计算第一级梯度，根据所述第一级梯度，计算对应的虚拟电厂的初始决策；

6、根据所述上层模型的目标函数、所述下层模型的目标函数以及所有虚拟电厂对应的初始决策，构建多虚拟电厂的单值映射问题；

7、将所述多虚拟电厂的单值映射问题转换为第二无约束优化问题；其中，所述第二无约束优化问题以最小化配电网的总运行成本为目标函数；

8、根据所述第二无约束优化问题，计算第二级梯度，根据所述第二级梯度，计算所有虚拟电厂的最优决策；

9、根据所述所有虚拟电厂的最优决策以及第二无约束优化问题的目标函数，将所述上层模型转化为第三无约束优化问题；其中，所述第三无约束优化问题以最小化配电网的总运行成本为目标函数；

10、根据所述第三无约束优化问题，计算第三级梯度，根据所述第三级梯度，计算配电网的最优决策；

11、根据所述所有虚拟电厂的最优决策对所有虚拟电厂进行调度；根据所述配电网的最优决策对配电网进行调度。

12、作为优选方案，所述双层优化模型的构建，包括：

13、根据配电网的系统运营商在电力市场中的购电成本、可再生能源机组的发电成本、传统能源机组的发电成本、系统运营商向虚拟电厂所有者出售电力的收入以及碳排放成本的计算公式，构建上层模型的目标函数；

14、根据虚拟电厂参与电力需求响应的收益、可再生能源机组的发电成本、传统能源机组的发电成本、向系统运营商购买电力的成本以及碳排放成本的计算公式，构建下层模型的目标函数；

15、其中，所述上层模型的目标函数为：

16、

17、cdn＝cpm+cres+cdg+cvpp+cct；

18、

19、

20、

21、

22、

23、

24、其中，cdn表示配电网的总运行成本；x表示上层模型的决策变量集合；y表示下层模型的决策变量集合；cpm表示系统运营商在电力市场中的购电成本；cres表示配电网中可再生能源机组的发电成本；cdg表示配电网中传统能源机组的发电成本；cvpp表示系统运营商向虚拟电厂所有者出售电力的收入；cct表示配电网的碳排放成本；λt表示电力市场中时段t的系统边际电价；表示系统运营商在时段t从电力市场中购买的电力；表示节点i处可再生能源机组的成本系数；表示节点i处可再生能源机组在时段t的发电功率；表示节点i处传统能源机组的二次项成本系数；表示节点i处传统能源机组的一次项成本系数；表示节点i处传统能源机组的常数项成本系数；表示节点i处传统能源机组在时段t的发电功率；表示系统运营商在时段t向虚拟电厂k出售电力的价格；表示系统运营商在时段t向虚拟电厂k出售的电力；λct表示碳交易价格；μi表示节点i处传统发电机组的碳排放系数；ε表示发电机组的免费碳排放系数；t表示一个优化调度周期；nb表示配电网中节点的总数；np表示虚拟电厂的总数；

25、所述上层模型的约束条件为：

26、

27、

28、pij＝(θi-θj)/xij；

29、

30、

31、

32、

33、

34、

35、其中，pi表示节点i处注入的有功功率；表示节点i处储能在时段t的放电功率；表示配电网中节点i处负荷消耗的功率；pij表示表示节点i和节点j之间线路的传输功率；θi表示节点i处的相角；θj表示节点j处的相角；xij表示节点i和节点j之间线路的电抗；表示节点i处传统能源机组在时段t的最小出力；表示节点i处传统能源机组在时段t的最大出力；表示节点i处传统能源机组的爬坡速率下限；表示节点i处传统能源机组的爬坡速率上限；表示节点i处可再生能源机组在时段t的最大预测出力；表示节点i处的储能在时段t的电量；表示节点i处储能在时段t的放电功率；表示节点i处储能的最低电量；表示节点i处储能的最高电量；表示系统运营商在时段t向虚拟电厂k出售电力的价格上限；表示系统运营商在时段t向虚拟电厂k出售电力的价格下限；

36、所述下层模型的目标函数为：

37、

38、

39、

40、

41、

42、

43、

44、

45、

46、其中，表示虚拟电厂k的收益；yk表示虚拟电厂k的决策变量；bdr表示虚拟电厂参与电力需求响应的收益；bres表示虚拟电厂中可再生能源机组的发电成本；bdg表示虚拟电厂中传统能源机组的发电成本；bvpp表示虚拟电厂向系统运营商购买电力的成本；bct表示虚拟电厂的碳排放成本；dk，t表示虚拟电厂k在时段t参与需求响应的价格：表示虚拟电厂k在时段t参与需求响应的负荷功率；表示虚拟电厂k中可再生能源机组的成本系数；表示虚拟电厂k中可再生能源机组在时段t的发电功率；表示虚拟电厂k中传统能源机组的二次项成本系数；表示虚拟电厂k中传统能源机组的一次项成本系数；表示虚拟电厂k中传统能源机组的常数项成本系数；表示虚拟电厂k中传统能源机组在时段t的发电功率；μk表示虚拟电厂k中传统发电机组的碳排放系数；

47、所述下层模型的约束条件为：

48、

49、

50、

51、

52、

53、

54、其中，表示虚拟电厂k在时段t的固定负荷功率；表示虚拟电厂k中传统能源机组在时段t的最小出力；表示虚拟电厂k中传统能源机组在时段t的最大出力；表示虚拟电厂k中传统能源机组的爬坡速率下限；表示虚拟电厂k中传统能源机组的爬坡速率上限；表示虚拟电厂k中可再生能源机组在时段t的最大预测出力；表示虚拟电厂k中参与需求响应的负荷功率下限；表示虚拟电厂k中参与需求响应的负荷功率上限；表示虚拟电厂k从系统运营商处购电的功率上限。

55、作为优选方案，所述将所述下层模型对应的单层约束优化问题转换为若干个第一无约束优化问题，包括：

56、针对每一虚拟电厂，进行如下操作：

57、根据所述下层模型中所述的虚拟电厂对应的不等式约束，确定所述虚拟电厂对应的第一罚函数；

58、根据所述下层模型的所述的虚拟电厂对应的等式约束，确定所述虚拟电厂对应的第二罚函数；

59、根据所述下层模型的所述的虚拟电厂对应的决策变量，确定所述虚拟电厂对应的第一正则化项；

60、根据所述虚拟电厂对应的第一罚函数、第二罚函数以及第一正则化项，确定所述虚拟电厂对应的第一无约束优化问题；

61、其中，所述第一罚函数的表示公式为：

62、pσ(gl(x，yk))＝[min(0，gl(x，yk))]2；

63、其中，gl(x，yk)表示虚拟电厂k对应的单层优化问题中第l个不等式约束；pσ(gl(x，yk))表示不等式约束gl(x，yk)对应的罚函数；

64、所述第二罚函数的表示公式为：

65、pκ(hq(x，yk))＝[hq(x，yk)]2；

66、其中，hq(x，yk)表示虚拟电厂k对应的单层优化问题中第q个等式约束；pκ(hq(x，yk))表示等式约束hq(x，yk)对应的罚函数；

67、所述第一正则化项表示公式为：

68、

69、其中，t(yk)表示关于决策变量yk的正则化项；αr表示正则化常数；

70、所述第一无约束优化问题的表示公式为：

71、

72、其中，mr表示罚因子；lk表示关于虚拟电厂k的单层优化问题中不等式约束的总个数；qk表示关于虚拟电厂k的单层优化问题中等式约束的总个数。

73、作为优选方案，所述第一级梯度的表达式为：

74、

75、

76、其中，bk(x，yk)表示虚拟电厂k的无约束优化问题目标函数；gra1k表示关于虚拟电厂k的第一级梯度；

77、所述初始决策的表达式为：

78、

79、yk，st+1(x)＝φst(x，yk，st(x))，st＝0，1，...，st-1；

80、φst(x，yk，st(x))＝yk，st(x)-ζstgra1k，ζst＞0；

81、

82、其中，表示虚拟电厂k的虚拟电厂k的初始决策；φst为的迭代函数；yk，st(x)表示虚拟电厂k在第st次迭代时的决策；st表示迭代的总次数；ζst表示第st次迭代的步长。

83、作为优选方案，所述第一级梯度的表达式为：

84、

85、

86、

87、其中，表示虚拟电厂k的无约束优化问题目标函数；为辅助目标函数；γ表示超松弛因子；表示关于虚拟电厂k的改进第一级梯度；所述初始决策的表达式为：

88、

89、

90、zk，st(x)＝φst(x，yk，st(x))；

91、wk，st(x)＝φst(x，zk，st(x))；

92、

93、

94、

95、

96、其中，表示虚拟电厂k的虚拟电厂k的初始决策；φst为的原始迭代函数；为基于steffensen方法的迭代函数；zk，st(x)和wk，st(x)为辅助映射函数；uk，st(x，yk，st(x))为计算初始决策的最优搜索方向；yk，st(x)表示虚拟电厂k在第st次迭代时的决策；sta表示迭代的总次数；ζst表示第st次迭代的步长。

97、作为优选方案，所述单值映射问题的表达式为：

98、

99、

100、其中，表示虚拟电厂k的初始决策对应的收益。

101、作为优选方案，所述将所述多虚拟电厂的单值映射问题转换为第二无约束优化问题，包括：

102、根据所述上层模型中的约束条件，确定第三罚函数；

103、根据所述下层模型中的约束条件，确定第四罚函数；

104、根据所述下层模型，确定第五罚函数；

105、根据所述下层模型的决策变量，确定第二正则化项；

106、根据所述虚拟电厂对应的第三罚函数、第四罚函数、第五罚函数以及第二正则化项，确定所述第二无约束优化问题；

107、其中，所述第三罚函数的表达式为：

108、

109、其中，l1(x，y)为关于上层模型中约束条件对应的罚函数；nr为罚函数l1(x，y)对应的罚因子；gl(x，y)表示上层模型中的不等式约束；hq(x，y)表示上层模型中的等式约束；l和q分别表示上层模型中不等式约束和等式约束的个数

110、所述第四罚函数的表达式为：

111、

112、其中，l2(x，y)为关于下层模型中约束条件对应的罚函数；mr为罚函数l2(x，y)对应的罚因子；

113、所述第五罚函数的表达式为：

114、

115、其中，op(x，y)为确保虚拟电厂收益最大化的罚函数；vr为罚函数op(x，y)对应的罚因子；δ为误差间隙常数；

116、所述第二正则化项的表达式为：

117、

118、其中，t2(y)为正则化项；ar表示正则化常数；

119、所述第二无约束优化问题的表示公式为：

120、

121、作为优选方案，所述第二级梯度的表达式为：

122、m(x，y)＝{cdn(x，y)+l1(x，y)+l2(x，y)+op(x，y)+t2(y)}；

123、

124、其中，m(x，y)表示第二无约束优化问题的目标函数；gra2为第二级梯度；

125、所述所有虚拟电厂的最优决策的表达式为：

126、ysz+1(x)＝ψsz(x，ysz(x))，sz＝0，1，...，sz-1；

127、ψsz(x，ysz(x))＝ysz(x)-τsz·gra2，τsz＞0；

128、y*(x)≈ysz(x)；

129、其中，y*(x)表示所有虚拟电厂的最优决策；ψsz为y*(x)的迭代函数；ysz(x)表示虚拟电厂在第sz次迭代时的决策；sz表示迭代的总次数；τsz表示第sz次迭代的步长。

130、作为优选方案，所述第三无约束优化问题表达式为：

131、

132、

133、其中，m*(x)为第三无约束优化问题的目标函数，其表示所有虚拟电厂取相应的最优决策y*(x)时配电网的运行成本。

134、作为优选方案，所述第三级梯度的表达式为：

135、

136、所述配电网的最优决策的表达式为：

137、xsy+1＝γsy(xsy)，sy＝0，1，...，sy-1；

138、

139、x*≈xsy；

140、其中，γsy为x*的迭代函数；xsy表示配电网在第sy次迭代时的决策；sy表示迭代的总次数；ωsy表示第sy次迭代的步长。

141、相比于现有技术，本发明实施例具有如下有益效果：

142、本发明通过获取配电网和虚拟电厂电碳协同调度双层优化模型；其中，所述双层优化模型的上层模型以最小化配电网的总运行成本为目标函数；所述双层优化模型的下层模型以最大化虚拟电厂的收益为目标函数；将所述下层模型对应的单层约束优化问题转换为若干个第一无约束优化问题；其中，所述第一无约束优化问题以最大化对应的虚拟电厂的收益为目标函数；根据每一所述第一无约束优化问题，计算对应的虚拟电厂的初始决策；根据所述上层模型的目标函数、所述下层模型的目标函数以及所有虚拟电厂对应的初始决策，构建多虚拟电厂的单值映射问题；将所述多虚拟电厂的单值映射问题转换为第二无约束优化问题；其中，所述第二无约束优化问题以最小化配电网的总运行成本为目标函数；根据所述第二无约束优化问题，计算所有虚拟电厂的最优决策；根据所述所有虚拟电厂的最优决策以及第二无约束优化问题的目标函数，将所述上层模型转化为第三无约束优化问题；其中，所述第三无约束优化问题以最小化配电网的总运行成本为目标函数；根据所述第三无约束优化问题，计算配电网的最优决策；根据所述所有虚拟电厂的最优决策对所有虚拟电厂进行调度；根据所述配电网的最优决策对配电网进行调度。本发明通过建立配电网和虚拟电厂电碳协同调度双层优化模型，再通过引入罚函数和正则化项将双层优化模型转换为若干个无约束优化问题，并通过多级梯度下降理论依次求解个无约束优化问题，得到配电网和所有虚拟电厂的最优决策。本发明通过寻找最优决策协调配电网和虚拟电厂，提高了整个配电网和虚拟电厂电碳协同调度的经济性。