一种基于扇面搜索算法的虚拟电厂动态划分方法、电子设备以及存储介质

本发明属于电力系统领域，具体涉及一种基于扇面搜索算法的虚拟电厂动态划分方法、电子设备、以及存储介质。

背景技术：

1、随着智能电网的发展以及分布式电源渗透率的不断提高，大量的分布式电源与柔性负荷等灵活性资源使得配电网的控制与运行面临“点多面广”、控制维度大、控制难度大大增加等问题。传统的集中式控制方式显然不能适应当今复杂的配电网系统，继而有学者提出了分布式虚拟电厂控制理论，即将复杂的配电网分层分区控制，通过虚拟电厂间的边界信息交互，兼顾控制的快速性和全局协调能力，大大减轻计算和通讯的压力。这种配电网虚拟电厂式分区运行方案可以把一整个复杂度和维度较高的配电网运行控制问题转变为多个相对简单且维度较低的虚拟电厂分区小系统运行控制问题，同时可以促进风光等可再生能源就地消纳，提高风光利用率，而且配电网发生故障时，虚拟电厂可以孤岛运行且能保证最小的负荷损失率以及必要的供电质量，这种配电网虚拟电厂划分策略已成为当下重要议题。

2、vpp(virtual power plant,虚拟电厂)作为一种聚合分布式可再生能源并实现内部资源精准管控的有效管理形式而得到广泛应用。配电网分布式虚拟电厂控制的控制架构基于配电网虚拟电厂的划分。近年来，电力研究人员越来越重视将智能或有源配电网划分为多微电网的研究和应用，并且提出了“蜂窝式”主动配电网的概念。认为有源配电网由蜂窝结构的微电网组成。有文献提出了除平衡节点之外的所有节点的综合电气距离指数，并使用聚类方法对除平衡节点以外的所有节点进行聚类。有提出使用改进的模糊均值聚类算法对区域集中式光伏发电系统进行分区，从而防止分区陷入局部最优。目前，对多微电网分区的研究大多基于稳态分区法，而对动态分区法的研究相对较少。上述聚类划分方法基本上是稳态固定划分的结果。然而，多微电网的分布式能量输出不断波动，电网状态不断变化，因此稳态分区结果难以满足多微电网不断变化的控制要求。也有文献提出了动态微电网的概念。mas(multi-agentsystem,将多代理系统)引入动态微电网的协调控制当中,构建了基于mas系统的动态微电网自愈数学模型，实现了故障状态下的动态微电网能良好自愈。

3、有人为了应对传统集中式的电压优化控制方法因为变量维数过多而无法满足控制时间的要求，提出一种主动配电网电压分区协调优化控制的方法。有文献引入复杂网络理论中的标签传播算法和稳定度指标。为降低分区后各分区在能量与结构上的耦合程度,提高分区后各区内部电源的控制能力,定义了适用于配电网分区的标签传播算法。以上文献大多基于图论的搜索算法进行配电网的分层分区，其算法收敛速度较慢，且面对大型配电网络系统是，算法维度将大大增加，求解速度大大减慢。有些则主要依据数值聚类算法进行配电网的分层分区，面对大量新能源发电的接入，系统运行工况复杂且较为波动，其动态分区的精度又大打折扣，较难适应高比例分布式电源渗透率的现代配电网系统。同时目前配电网虚拟电厂划分方法多采用多场景模拟和随机优化方法解决不确定性优化问题，讨论了负荷波动及分布式电源出力的不确定性对虚拟电厂划分的影响，但未考虑需求响应机制实施初期用户较多的不响应、少响应行为。针对电力需求响应试点初期存在响应规模偏小、用户响应意愿较低且具有多重不确定性等问题，其对配电网虚拟电厂划分的影响少有学者提及。需求响应不确定性对配电网虚拟电厂划分存在的影响不可忽略。

技术实现思路

1、本发明针对现有技术存在的问题，提供了一种基于扇面搜索算法的虚拟电厂动态划分方法、电子设备、以及存储介质。本发明基于消费者心理学原理的价格型需求响应模型以及服从梯形隶属度函数的可中断负荷模型，从而获得了负荷综合需求响应量不确定性模型。然后，摒弃了传统的完全的图论搜索算法，建立了一种图论搜索算法与数学模型相结合的扇面搜索模型，进而将虚拟电厂划分时的网络拓扑关系转化成了一种数学模型表达式，这种方法大大提升了算法的收敛速度与迭代时间。其次，综合考虑虚拟电厂供需平衡指标、虚拟电厂划分波动率指标、虚拟电厂控制维度指标以及虚拟电厂划分成本建立配电网虚拟电厂动态划分目标函数。并且基于二阶锥规划构建了配电网潮流约束及分布式电源出力约束。最后，所建配电网虚拟电厂划分模型采用yalmip建模，利用归一化法向约束法处理多目标优化问题，并借助cplex商用软件予以求解。最终采用ieee33节点系统进行仿真测试，仿真结果证明该方法能够克服需求响应不确定性对配电网虚拟电厂划分波动性的影响；有助于解决源荷两侧匹配度差的问题；提高虚拟电厂划分的经济性与稳定性。

2、为解决以上技术问题，本发明提供如下技术方案：一种基于扇面搜索算法的虚拟电厂动态划分方法，包括如下步骤：

3、s1、首先基于基线负荷、以及价格需求的不确定性，建立基于价格型需求响应模型；根据用户在响应日决策阶段和负荷响应时段的不确定性行为，构建激励型中断负荷需求响应模型；然后构建综合负荷需求响应模型；

4、s2、基于目标电力系统，建立扇面搜索模型，并且利用节点消去算法消去发生干涉的支路节点；

5、s3、建立配电网动态虚拟电厂划分目标函数，包括虚拟电厂供电率目标函数c1、虚拟电厂控制维度与虚拟电厂区块波动目标函数c2、以及虚拟电厂划分成本目标函数c3；

6、s4、建立配电网动态虚拟电厂划分约束条件：包括分布式电源运行约束、配电网潮流约束；

7、s5、根据目标函数c1、c2、c3构建完整的配电网动态虚拟电厂划分模型，利用归一化法向约束法求解模型，具体是：将多目标函数c1、c2、c3求解问题求解转化为单目标问题求解，调用cplex求解器求解，获得虚拟电厂的划分结果。

8、进一步地，前述的步骤s1包括以下子步骤：

9、s11、采用三角隶属度函数描述负荷弹性系数和dr响应量的不确定程度，其三元组表示形式为：

10、

11、式中，δp’unp,t、δp’unn,t为价格型dr的不确定性模糊表达式的三角隶属度参数；λδc,t为电价变化率；εf,t为价格弹性系数；kεn、kqn、kεp、kqn为正向、负向误差比列；pbl,t为基线负荷；δppun,t为响应量不确定性的模糊数；

12、s12将价格型需求响应的变化量表示为响应量预测值和响应量不确定性的模糊数之和，

13、δpp,t＝δpf,t+δppun,t                          (2)

14、根据三角模糊函数期望值计算公式，价格型需求响应响应量不确定性期望表达式，如下式：

15、

16、将式(3)带入式(2)，将响应量不确定性的模糊表达式转化为确定性表达式；

17、s12、以0-1变量aj表示用户负荷切除行为，表示如下式：

18、

19、式中，ρj为用户j报价；ρclr为出清价格；为用户预期的阶梯激励系数；δpf,j为用户j在日内的预测响应能力；δpb,j为日前的预测响应能力；wj、fw为用户需求响应阶梯激励系数；σ2a,j为用户j响应能力波动系数，根据用户历史响应量计算；ζ1为δpf,j正态分布的随机变量；

20、用户的实际激励型需求响应负荷δpq,j服从期望值为ajδpf,j、方差σ2b,j的正态分布如下式：

21、

22、其中，σ2b,j与负荷波动性呈正相关，其表达式为：

23、

24、式中，pd,j,t为用户j在d日t时刻的负荷功率；tst为响应开始时间；tdly为响应持续时间；dbsl为需求响应基线参考日的集合；nbsl为需求响应基线参考日的数目；

25、s13、基于综合负荷需求响应量δpdr,j为价格型和激励型之和，建立综合负荷需求响应模型，如下式：

26、δpdr,j＝δpp,j+δpq,j                         (7)

27、其中，δpp,j是价格型需求响应变化量；用户的实际激励型需求响应负荷满足如

28、下约束：

29、δpq,j,min≤δpq,j≤δpq,j,min                         (8)

30、式中，δpq,j,min、δpq,j,max为用户j可中断负荷的最小值和最大值。

31、进一步地，前述的步骤s2中，基于目标电力系统，建立扇面搜索模型，包括以下子步骤：s21.1、建立虚拟电厂搜索中心坐标(xi,yi)，以x轴为基准线，两条搜索臂l1,l2与x轴的夹角分别为θ1i,θ2i，臂长为ri，两条搜索臂与搜索中心的构成的扇面为搜索域，将被覆盖在搜索域内的节点纳入虚拟电厂中；

32、s21.2、建立虚拟电厂—节点归属矩阵[εij]mn,其中元素εij为0-1变量，表示当节点j属于虚拟电厂i时，εij为1，否则为0；约束关系为式(9)，

33、

34、式中，为系统节点j的坐标；a,b,c为0-1变量；

35、s21.3、在配电网动态划分时，使搜索域覆盖电力系统全部范围，即覆盖所有的节点，建立其约束关系式(10)，如下式：

36、

37、其中，{d(i)}为分区i的链式支路末节点集合；

38、s21.4、建立动态划分中的网络拓扑约束关系式(11)，

39、

40、

41、式中，bjk为节点j和k之间支路的拓扑连接状态，若连接则为1，否则为0；m为分别为预设的正数，上述(9)-(12)式中，{d(i)}为分区i的链式支路末节点集合。

42、进一步地，前述的步骤s2中，利用节点消去算法消去发生干涉的支路节点，具体包括以下子步骤：

43、s22.1、基于广度优先搜索算法，搜索分区i内的所有链式支路，并初始化k＝0；

44、s22.2、初始化链式支路节点编号u＝q；

45、s22.3、消去链式支路节点εkiu＝0；

46、s22.4判断是否成立，是则执行步骤s22.5；否则执行步骤s22.6；其中，是虚拟电厂i在第k次迭代中t时刻的供电率，supref为虚拟电厂供电率整定值。

47、s22.5、令u＝u+1；判断u是否大于等于q，是则返回执行步骤s22.3；否则执行s22.7；

48、s22.6、令εkiu＝1，

49、s22.7、令k＝k+1；判断k是否小于等于r，是则返回执行步骤s22.2，否则确认消除所有发生干涉的节点，结束节点消去算法，其中r为预设最大迭代次数。

50、进一步地，前述的步骤s3中，根据虚拟电厂i在t时刻的供电率supi(t)如式(13)，构建虚拟电厂供电率优化目标函数c1，

51、

52、式中，pdg,j(t)、pl,j(t)、δpdr,j(t)分别为在节点j的分布式电源、负荷以及负荷需求响应量在t时刻的有功功率；分别为在节点j的储能系统的放电功率以及充电功率；

53、虚拟电厂供电率优化目标函数c1，如下式：

54、c1＝max(|supi(t)-supref|)i＝1,…,m                 (14)

55、式中，supref为虚拟电厂供电率整定值；

56、虚拟电厂控制维度与虚拟电厂区块波动目标函数c2，如下式：

57、

58、式中，α1为虚拟电厂控制维度指标权重因子；α2为虚拟电厂区块波动指标权重因子；式(15)中的为虚拟电厂的控制维度比，则被定义为动态分区的波动率，即下一时刻的动态分区i的节点归属变更量的绝对值除以上一时刻分区i的总控制维度；

59、虚拟电厂划分成本目标函数c3，如下式：

60、

61、式中，pl为数据传输线的平均单价，单位为元/公里；ncl为配电网虚拟网格的总数量；dy为配电网虚拟网格y的数据传输线路长度；pc为配电网虚拟网格控制单元的平均单价，单位为元/台。

62、进一步地，前述的步骤s4中，分布式电源运行约束包括：储能电池运行约束，风机、光伏运行约束，有功功率越限约束，燃气轮机运行约束，具体是：

63、(a)储能电池运行约束，如下式：

64、

65、式中，分别为在节点j的储能系统的放电功率以及充电功率；ρch、ρdisch为0-1变量，表示储能的充放电状态；ej(t)为储能电池在t时刻节点j的电量；ηch、ηdisch分别为储能电池的充电效率与放电效率；

66、(b)风机、光伏运行约束，如下式：

67、

68、式中，pwt(t)、ppv(t)分别为风机以及光伏在t时刻的有功出力；分别为风机和光伏在t时刻的有功功率的预测误差；预测误差满足三阶混合高斯分布，风机和光伏的有功功率预测误差的概率密度函数为下式：

69、

70、式中，x为预测误差取值；μ、δ、α分别为各组高斯分布的期望、标准差和权值；

71、(c)有功功率越限约束，如下式：

72、

73、式中，pwtmin、pwtmax分别为风机有功功率的最小值与最大值；ppvmax为光伏有功功率的最大值；为风机的功率因数角；qwt(t)为风机在t时刻的无功功率；

74、(d)燃气轮机运行约束，如下式：

75、

76、式中,pmtmax为燃气轮机有功功率的最大值；pmt(t)、qmt(t)分别为燃气轮机在t时刻的有功功率和无功功率；为燃气轮机功率因数角；δpwtmax为燃气轮机爬坡功率最大值；

77、步骤s4中，配电网潮流约束，如下式：

78、

79、式中，ωh为以节点i为尾节点的所有头节点h的集合；ωj为以节点i为头节点的所有尾节点j的集合；qg,i、pg,i为输电网注入节点i的潮流；qdg,i、pdg,i为分布式电源注入潮流；pij、qij为线路潮流；r、x为线路阻抗；lij为支路电流的平方；vi为节点电压的平方；lij,max为支路电流上限；vi,max、vi,min为节点电压上下限。

80、进一步地，前述的步骤s5中，构建配电网动态虚拟电厂划分模型，如下式：

81、

82、其中，g(x)，h(x)分别是不等式约束以及等式约束。

83、进一步地，前述的步骤s5中，用归一化法向约束法求解模型包括以下子步骤：

84、s501、将目标函数c3作为约束条件带入配电网动态虚拟电厂划分模型，构造新的双目标优化模型；

85、s502、针对目标函数c1,求解得到minc1，然后将所得决策变量min(x1)带入目标函数c2，得到max c2，最终得到解a1(minc1,max c2)；

86、s503、针对目标函数c2，求解得到minc2，然后将所得决策变量min(x2)带入目标函数c1，得到max c，最终得到解a2(max c1,minc2)；将a1、a2定义为锚点，然后将解空间归一化处理，得到锚点a1、a2分别为(0,1)、(1,0)，然后得到锚点的连线，即乌托邦线aa；

87、s504、将乌托邦线进行a等分，其分割点为aaj，其数学表达式如下：

88、

89、s505、在aaj处作其垂线tj，tj与帕累托前沿交与点bj，构造约束式a(j-aaj)≤0，式中分别见式(25)和式(26)，将其加入原优化模型中，以目标函数c2为主要目标进行单目标优化，构造如式(27)的单目标优化问题，得到在分割点所对应的帕累托前沿上的最优解；

90、

91、

92、

93、s506、重复执行步骤s505，得到所有分割点所对应的帕累托前沿解，然后依次分别将目标函数c2、c1作为约束条件带入配电网动态虚拟电厂划分模型，并执行步骤s501至步骤s505，得到原来的优化模型，即式(15)，最后通过逼近理想解排序法，从帕累托前沿解集中选取合适的折中解。

94、本发明另一方面提出一种电子设备，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本发明中任一项所述方法的步骤。

95、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本发明中任一项所述方法的步骤。

96、相较于现有技术，本发明采用以上技术方案的有益技术效果如下：

97、配电网虚拟电厂划分对解决可再生能源的就地接入与消纳、偏远地区和远离内陆的海岛地区的用电问题有着举足轻重的作用。如何缓解源荷不确定性所带来的负面影响，对配电网动态虚拟电厂划分的效果以及波动性至关重要。解决由源荷不确定性所导致的虚拟电厂间供需不平衡，方法之一为引入需求响应(demand response,dr)，通过实时调节负荷需求实现功率平衡。同时现有的配电网虚拟电厂划分主要采用图论搜索算法以及聚类算法，前者计算精度很高但是计算速度很慢，后者计算精度较差。因此以上两种算法难以适应新能源高比例渗透率的大规模配电网虚拟电厂划分。

98、综述所述，本发明构建基于消费者心理学原理的价格型需求响应模型以及服从梯形隶属度函数的可中断负荷模型；2)建立一种基于网络拓扑关系的扇面搜索模型，进而将虚拟电厂划分时的网络拓扑关系转化成的数学表达式；3)然后结合广度优先搜索算法建立了一种节点消去算法，将图论搜算算法与扇面搜算数学模型相结合，综合考虑了划分算法收敛速度与迭代精度；4)综合考虑虚拟电厂供需平衡指标、虚拟电厂划分波动率指标、虚拟电厂控制维度指标以及虚拟电厂划分成本建立配电网虚拟电厂动态划分目标函数5)建立了配电网各分布式电源出力约束，以及基于二阶锥最优规划构建了配电网潮流约束。6)所建配电网虚拟电厂划分模型采用yalmip建模，利用归一化法向约束法处理多目标优化问题，并借助cplex商用软件予以求解。最终采用ieee33节点系统进行仿真测试，仿真结果证明该方法能够克服需求响应不确定性对配电网虚拟电厂划分波动性的影响；有助于解决源荷两侧匹配度差的问题；提高虚拟电厂划分的经济性与稳定性；同时验证本发明所提出了图论搜索算法与数学模型相结合的扇面搜索算法可以有效的提升配电网动态虚拟电厂划分的计算速度，并满足计算精度。