面向电力调峰的储能调度方法、装置和计算机设备与流程

本技术涉及电力调峰，特别是涉及一种面向电力调峰的储能调度方法、装置和计算机设备。

背景技术：

1、随着可再生能源在电力系统中的占比逐渐增大，电力系统的灵活调节能力显得尤为重要。调峰辅助服务作为电力系统中的重要组成部分，对于保障电网的稳定运行和优化资源配置具有重要意义。然而，传统的调峰方式主要依赖于火电机组，这不仅给火电机组带来了巨大的调峰压力，也限制了电力系统调峰能力的进一步提升。

2、为了解决上述问题，现有公开号为cn110601233a的发明专利公开了一种的电力系统中储能电站的调峰调度方法，包括设定电力系统中包含m台火电机组和n台储能电站，建立电力系统中火电机组和储能电站的调峰调度的优化模型，并建立电力系统中火电机组和储能电站的调峰调度的优化模型的约束条件，采用带精英策略的非支配排序的遗传方法，求解由上述目标函数和约束条件组成的优化模型，得到火电机组的下调有功功率和储能电站的下调充电功率，实现电力系统中储能电站的调峰调度；该方法构建了包含储能电站和火电机组的调度优化模型，其中储能电站的加入，提升了电力系统的调峰能力，缓解了电力系统中火电机组的调峰压力。但是，在电力市场日益市场化的背景下，储能系统作为一种灵活的资源，其调度和运营策略应与市场机制紧密结合，以最大化其经济效益和社会效益。尽管该方法通过引入储能电站，有效提升了电力系统的调峰能力，并缓解了火电机组的调峰压力，但其并未充分考虑到电力调峰辅助服务市场的市场机制对储能系统调度的影响，无法实现储能的效益最大化。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够在考虑到电力调峰辅助服务市场影响的前提下，充分发挥储能效益的面向电力调峰的储能调度方法、装置和计算机设备。

2、第一方面，本技术提供了一种面向电力调峰的储能调度方法。所述方法包括：

3、步骤s1，基于monte-carlo算法计算储能系统负荷群可调功率；

4、步骤s2，获取用户调度日负荷基线；

5、步骤s3，判断与用户调度日负荷基线对应的用户用电模式；

6、步骤s4，根据用户用电模式计算用户负荷柔性可调潜力；

7、步骤s5，构建负荷聚合商参与电力调峰辅助服务市场的优化目标函数；

8、步骤s6，求解优化目标函数得到储能系统的响应容量和调峰报价单价；

9、步骤s7，根据储能系统的响应容量、调峰报价单价、用户负荷柔性可调潜力和储能系统负荷群可调功率生成储能调度计划。

10、在其中一个实施例中，步骤s1包括：

11、步骤s11，获取monte-carlo模拟次数m；

12、步骤s12，根据公式

13、

14、计算各簇储能柜的充电时间；式中，表示第i簇储能柜的充电时间，表示第i簇储能柜的充电功率，表示第i簇储能柜的充电效率，ce表示单簇储能柜的容量，表示第i簇储能柜的充电初始荷电状态，表示第i簇储能柜的充电结束荷电状态；

15、步骤s13，获取储能系统秒级负荷曲线；

16、步骤s14，根据储能系统秒级负荷曲线和各簇储能柜的充电时间得到储能系统的日负荷曲线；

17、步骤s15，重复步骤s11至步骤s13m次，得到m个储能系统的日负荷曲线；

18、步骤s16，对m个储能系统的日负荷曲线求平均，得到储能系统聚合日负荷曲线。

19、在其中一个实施例中，步骤s3包括：

20、步骤s31，获取用户历史日负荷曲线，将用户历史日负荷曲线作为原始数据集；

21、步骤s32，对原始数据集进行数据清洗，得到用户历史用电量样本集；

22、步骤s33，选用k-means算法将用户历史用电量样本集划分为k个不相交的簇；

23、步骤s34，利用ch指标对k个不相交的簇进行评估，得到最佳聚类数；ch指标的定义如下：

24、

25、其中，n表示用户历史用电量样本集中的样本个数，xi表示用户历史用电量样本集中的第i个样本，trb(k)表示类间离差矩阵的迹，trw(k)表示类内离差矩阵的迹，表示所有样本数据的均值，cj表示第j个类簇的中心，wj,i表示第i个样本点与第j个类簇的从属关系，xj表示第j个类簇；

26、步骤s35，计算用户调度日负荷基线与最佳聚类数的隶属度；

27、步骤s36，基于隶属度判断用户调度日负荷基线所属用电模式类别。

28、在其中一个实施例中，步骤s32包括：

29、步骤s321，根据预设判别条件筛选出原始数据集中的异常数据；

30、步骤s322，删除异常数据，并将原始数据集中的剩余数据作为用户历史用电量样本集。

31、在其中一个实施例中，预设判别条件如下：

32、

33、式中，xj,k表示第j日k时刻的用户负荷，n表示总观测天数，表示用户负荷平均值，表示用户负荷方差，ε表示常数因子。

34、在其中一个实施例中，步骤s32包括：

35、步骤s323，对原始数据集中的缺失数据进行填补修正，并将填补修正后的数据集作为用户历史用电量样本集。

36、在其中一个实施例中，步骤s323包括：

37、步骤s301，构建knn模型；knn模型由正确数据集训练得到；

38、步骤s302，将除缺失数据之外的数据点作为输入特征，输入至knn模型，得到预测值；

39、步骤s303，用预测值替换缺失数据。

40、在其中一个实施例中，步骤s5包括：

41、步骤s51，建立负荷聚合商参与电力调峰辅助服务市场的收益模型；收益模型如下：

42、

43、式中，fla表示负荷聚集商参与电力调峰辅助服务市场获得的收益，表示第i个被代理用户在第j个调节时段的响应容量，表示第j个调节时段负荷聚集商参与电力调峰辅助服务市场申报单价，表示被聚合用户i在第j个调节时段给负荷聚合商的调峰报价单价，m表示负荷聚合商代理的用户个数，n表示调峰辅助服务调节时段个数，ki,j表示第i个被聚合用户在第j个调节时段申报中标结果。

44、步骤s52，获取用户竞价成功的概率模型；概率模型如下：

45、

46、式中，p(cla)表示用户竞价成功的概率，表示负荷聚合商参与电力调峰辅助服务市场申报单价，表示负荷聚合商竞价成功率为50％时的报价；

47、步骤s53，根据收益模型和概率模型构建优化目标函数；优化目标函数如下：

48、

49、式中，wlaexp表示负荷聚合商的收益期望。

50、第二方面，本技术还提供了一种面向电力调峰的储能调度装置。所述装置包括：

51、第一计算模块，用于基于monte-carlo算法计算储能系统负荷群可调功率；

52、第二计算模块，用于获取用户调度日负荷基线，判断与用户调度日负荷基线对应的用户用电模式，根据用户用电模式计算用户负荷柔性可调潜力；

53、第三计算模块，用于构建负荷聚合商参与电力调峰辅助服务市场的优化目标函数，求解优化目标函数得到储能系统的响应容量和调峰报价单价；

54、储能调度模块，用于根据储能系统的响应容量和调峰报价单价生成储能调度计划，基于储能调度计划、用户负荷柔性可调潜力和储能系统负荷群可调功率生成实时储能调度指令，根据实时储能调度指令对储能系统进行调度。

55、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

56、步骤s1，基于monte-carlo算法计算储能系统负荷群可调功率；

57、步骤s2，获取用户调度日负荷基线；

58、步骤s3，判断与用户调度日负荷基线对应的用户用电模式；

59、步骤s4，根据用户用电模式计算用户负荷柔性可调潜力；

60、步骤s5，构建负荷聚合商参与电力调峰辅助服务市场的优化目标函数；

61、步骤s6，求解优化目标函数得到储能系统的响应容量和调峰报价单价；

62、步骤s7，根据储能系统的响应容量、调峰报价单价、用户负荷柔性可调潜力和储能系统负荷群可调功率生成储能调度计划。

63、上述面向电力调峰的储能调度方法、装置和计算机设备，通过构建负荷聚合商参与电力调峰辅助服务市场的优化目标函数，求解该优化目标函数得到储能系统的响应容量和调峰报价单价，根据储能系统的响应容量和调峰报价单价生成储能调度计划，使得储能系统的调度能够紧密贴合电力调峰辅助服务市场的需求，确保储能系统能够在电力调峰辅助服务市场中实现效益最大化；同时，通过引入monte-carlo算法精确地计算储能系统负荷群的可调功率，能够为储能调度计划的制定提供科学依据，同时，结合用户调度日负荷基线及对应的用电模式对用户负荷柔性可调潜力进行评估，可以进一步提高储能调度的灵活性和可靠性，实现储能效益最大化。

技术特征：

1.一种面向电力调峰的储能调度方法，其特征在于，所述方法包括：

2.根据权利要求1所述的面向电力调峰的储能调度方法，其特征在于，所述步骤s1包括：

3.根据权利要求1所述的面向电力调峰的储能系统调节方法，其特征在于，所述步骤s3包括：

4.根据权利要求3所述的面向电力调峰的储能系统调节方法，其特征在于，所述步骤s32包括：

5.根据权利要求4所述的面向电力调峰的储能系统调节方法，其特征在于，所述预设判别条件如下：

6.根据权利要求3所述的面向电力调峰的储能系统调节方法，其特征在于，所述步骤s32包括：

7.根据权利要求6所述的面向电力调峰的储能系统调节方法，其特征在于，所述步骤s323包括：

8.根据权利要求1所述的面向电力调峰的储能系统调节方法，其特征在于，所述步骤s5包括：

9.一种面向电力调峰的储能调度装置，其特征在于，所述装置包括：

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。

技术总结
本申请适用于电力调峰技术领域，具体涉及一种面向电力调峰的储能调度方法、装置和计算机设备。所述方法包括：步骤S1，基于Monte‑Carlo算法计算储能系统负荷群可调功率；步骤S2，获取用户调度日负荷基线；步骤S3，判断与用户调度日负荷基线对应的用户用电模式；步骤S4，根据用户用电模式计算用户负荷柔性可调潜力；步骤S5，构建负荷聚合商参与电力调峰辅助服务市场的优化目标函数；步骤S6，求解优化目标函数得到储能系统的响应容量和调峰报价单价；步骤S7，根据储能系统的响应容量、调峰报价单价、用户负荷柔性可调潜力和储能系统负荷群可调功率生成储能调度计划。采用本方法能够确保储能系统能够在电力调峰辅助服务市场中实现效益最大化。

技术研发人员：李静,曾辛,黄水庚,曹宇,夏静,周盛,冯程,刘大杰,马卓华,朱海洋
受保护的技术使用者：威胜能源技术股份有限公司
技术研发日：
技术公布日：2024/9/23