一种光储直柔微电网的模拟验证方法、系统和计算机程序产品与流程

本发明涉及电力和能源管理的调度优化算法，具体地涉及一种光储直柔微电网的模拟验证方法、系统和计算机程序产品。

背景技术：

1、光储直柔指的是集成了光伏发电（光）、储能系统（储）、直接供电（直）和柔性用电（柔）的新型电力系统。其通过光伏发电与储能系统互补以提高能源供应的稳定性，并基于电力的直接供应以及用电设备的柔性调节能力提高能源的利用率。其中，能量管理系统（ems）能够监控、控制和优化整个光储直柔系统的能源流和信息流。

2、例如中国发明专利文献（cn118539483a）公开了一种光储直柔园区能量管理方法，通过对各园区的设备进行控制，以实现多个园区的能量调度网损最小和单个园区的能源设备运行成本最低。但其根据约束规则求解出控制指令后直接下发至设备层的目标园区，缺乏必要的验证手段。尽管其为了优化策略实时监控反馈运行数据，但无法及时预见和响应未来变化，导致调度策略存在一定的盲目性。

3、基于此，目前还可通过简单的差值验证或基于真实历史数据（如过去一段时间的天气、光伏发电信息、历史电价信息和充电桩历史运营数据）建立拓扑结构来确定调度指令的合理性。但该验证方式存在数据单一、环境变量低等问题，导致验证的准确性和鲁棒性较低，进而导致调度指令难以适应微电网运行中的不确定性和动态变化。

4、此外，目前还提出了一种构建系统仿真模型来输入指令进行验证的方式，使用matlab/simulink作为仿真平台，利用现有模块库来创建系统仿真模型，分析仿真结果以验证调度指令的可行性。但该方式需要长时间的仿真运行时间，且计算资源占用量高，并依赖现有模块库，对于外部环境的模拟精确度低，同样导致验证的准确性和鲁棒性较低。

技术实现思路

1、本发明提供了一种光储直柔微电网的模拟验证方法、系统和计算机程序产品，以解决现有技术中的验证方式存在数据单一、环境变量低等问题。

2、为解决上述技术问题，本发明采用的技术方案是提供一种光储直柔微电网的模拟验证方法，所述光储直柔微电网的模拟验证方法包括：

3、获取历史数据，所述历史数据包括历史光伏数据、历史电价数据和历史负荷数据。

4、根据所述历史数据生成调度指令和计划数据，其中，所述计划数据为预测设定时长内执行所述调度指令所得到的假定效果值。

5、根据所述历史数据生成设定时长的模拟条件，所述模拟条件包括第一预测环境参数、第一预测电价数据和第一预测负荷数据。

6、根据所述模拟条件执行所述调度指令并生成模拟数据。

7、比较所述计划数据与所述模拟数据以评估所述调度指令的性能。

8、本发明提供的技术方案相较于现有技术带来的有益效果是：

9、通过历史数据分别独立生成相同设定时长的调度指令和模拟条件，并根据该模拟条件执行该调度指令以模拟实际的电网运行，并将其结果（即模拟数据）作为模拟的真实情况，进而测算该调度指令在各种模拟条件下的表现；将其与生成调度指令时预计应当具有的结果（即计划数据）进行对比能够评估该调度指令的经济效果。从而允许工作人员在实际部署前能够对调度策略进行优化，减少实际运行风险。

10、其中，相较于目前单一的数据来源方式，上述根据历史数据生成设定时长的模拟条件，包括模拟生成第一预测环境参数和第一预测电价数据以模拟未来可能的环境，生成第一预测负荷数据以模拟未来可能遇到的状况。共同结合能够有效地构建更全面、更多样、更真实的模拟环境，进而提高验证过程的准确性和可靠性。此外，基于模拟数据和计划数据的比较，能够在评估调度策略的同时便于工作人员确定该调度算法的薄弱地带，进而能够针对性优化调整。

11、在一些实施方案中，所述根据所述历史数据生成设定时长的模拟条件，包括：

12、预构建第一光伏预测模型、第一电价预测模型和第一负荷预测模型；所述第一光伏预测模型根据所述历史光伏数据生成所述设定时长的第一预测光伏数据；所述第一电价预测模型根据所述历史电价数据生成所述设定时长的第一电价预测数据；所述第一负荷预测模型根据所述历史负荷数据生成所述设定时长的第一负荷预测数据。以生成涵盖可能状况尽可能多的未来环境条件。

13、在一些实施方案中，所述根据所述历史数据生成调度指令和计划数据，包括：

14、根据所述历史数据生成设定时长的第二预测光伏数据、第二预测电价数据和第二预测负荷数据；使用ems调度算法根据所述第二预测光伏数据、所述第二预测电价数据和所述第二预测负荷数据生成所述调度指令；计算所述设定时长内在所述第二预测光伏数据、所述第二预测电价数据和所述第二预测负荷数据的条件下执行所述调度指令生成计划数据。

15、在一些实施方案中，所述根据所述模拟条件执行所述调度指令并生成模拟数据，还包括：

16、预构建微网模型，其中，所述微网模型为以光伏物理参数、储能物理参数和负载物理参数构建的数学模型；所述微网模型根据所述调度指令和所述模拟条件计算出所述设定时长的光伏发电模拟数据、充放电模拟数据和充电桩运营数据；根据所述光伏数据、所述充放电模拟数据和所述充电桩运营模拟数据测算目标完成率。

17、在一些实施方案中，所述比较所述计划数据与所述模拟数据以评估所述调度指令的性能，还包括：

18、依次调整所述设定时长，并生成多个时级、天级和月级的时间尺度；根据所述多个时间尺度分别调整所述调度策略模型的预测精度和所述微网模型的预测精度，以生成多个时级、天级和月级的所述计划数据和多个时级、天级和月级的所述模拟数据；依次比较对应的所述计划数据和所述模拟数据。以在不同时间尺度上对其的预测精度进行评估。

19、在一些实施方案中，所述获取历史数据，包括：

20、获取历史天气数据和历史光伏发电量数据作为历史光伏数据，其中，所述历史天气数据包括温度、湿度、光照强度、光照时长和云层覆盖率；获取历史电价数据；获取历史负荷数据，其中，所述历史负荷数据包括历史充电桩运营数据；分别对所述历史光伏数据、历史电价数据和历史负荷数据预处理，具体为：检测缺失值并通过差值或均值填补所述缺失值；检测异常值并剔除异常数据点。

21、在一些实施方案中，所述比较所述计划数据与所述模拟数据以评估所述调度指令的性能，包括：

22、计算电网买卖电功率，记为：

23、

24、其中，为电网功率，为光伏发电功率，为储能充放电功率，为负载功率；

25、计算电网买卖电收益，记为：

26、

27、其中，为电网功率，为预测的i时刻电价，n表示设定记录数据点，m表示1小时内记录的次数；

28、计算负荷收益，记为：

29、

30、其中，表示充电价格；

31、计算总收益，记为：

32、

33、根据所述计划数据生成多组计划总收益数据；根据所述模拟数据生成多组模拟总收益数据依次比较对应的所述计划总收益数据和模拟总收益数据。

34、在一些实施方案中，所述光储直柔微电网的模拟验证方法还包括：

35、根据第一ems算法预构建第一调度策略模型，根据第二ems算法预构建第二调度策略模型；所述第一调度策略模型根据所述历史数据生成第一调度指令和第一计划数据，其中，所述第一计划数据为所述第一调度策略模型预测所述设定时长内执行所述第一调度指令所得到的假定效果值。

36、所述第二调度策略模型根据所述历史数据生成第二调度指令和第二计划数据，其中，所述第二计划数据为所述第二调度策略模型预测所述设定时长内执行所述第二调度指令所得到的假定效果值。

37、根据所述模拟条件分别执行所述第一调度指令和第二调度指令，并生成第一模拟数据和第二模拟数据；比较所述第一模拟数据和第二模拟数据以评估所述第一ems调度算法和所述第二ems调度算法的性能。

38、在一些实施方案中，本技术还提供了一种光储直柔微电网的模拟验证系统，应用上述光储直柔微电网的模拟验证方法，包括：模拟系统、云平台和评估测算系统，

39、所述模拟系统包括第一预测模型和微网模型，所述第一预测模型能够根据历史数据预测生成设定时长的模拟条件；所述云平台与所述微网模型通过api接口进行数据交互，其中，所述云平台配置有调度策略模型，所述调度策略模型能够根据所述历史数据生成调度指令和计划数据；所述评估测算系统能够比较所述计划数据与所述模拟数据已评估所述调度指令的性能。

40、采用上述技术方案，通过api接口进行数据交互，使得调度策略模型所依赖的数据来源是由模拟系统传输或从云平台上实时读取的，从而对于调度策略模型而言，其所进行的每一次测算与真实运行时相同的。也即可验证云平台的真实性能，减少其实际部署运行的报错状况。

41、在一些实施方案中，本技术还提供了计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现上述的光储直柔微电网的模拟验证方法。