本發(fā)明涉及電力需求響應(yīng)，尤其涉及一種基于用戶發(fā)用電互補特性的虛擬電廠動態(tài)聚合方法。

背景技術(shù)：

1、虛擬電廠是一種基于互聯(lián)網(wǎng)的能源聚合平臺，通過數(shù)字技術(shù)和電力市場機制，將各種分布式能源資源進行集中管理和優(yōu)化，實現(xiàn)資源的靈活調(diào)配和高效利用。虛擬電廠技術(shù)的核心是建立一個聚合各種分布式能源設(shè)備的平臺，通過數(shù)字技術(shù)實現(xiàn)對各種能源設(shè)備的集中管理和優(yōu)化。這個平臺需要具備數(shù)據(jù)采集、數(shù)據(jù)處理、設(shè)備控制和優(yōu)化等功能，同時還需要具備與電力市場交互的能力。

2、隨著電力系統(tǒng)中分布式能源的快速發(fā)展，光伏發(fā)電、儲能系統(tǒng)和用戶負(fù)荷調(diào)控在虛擬電廠技術(shù)中逐漸成為關(guān)鍵組成部分。然而，光伏發(fā)電因天氣和時間的影響呈現(xiàn)出不確定性，導(dǎo)致其輸出功率波動較大；儲能系統(tǒng)則可以通過充放電來平衡供需波動，但在策略優(yōu)化方面仍面臨挑戰(zhàn)；空調(diào)負(fù)荷的智能化響應(yīng)可在高峰時段實現(xiàn)負(fù)荷的削減，但需要在用戶舒適度和節(jié)能目標(biāo)間取得平衡。

3、中國專利文獻cn118396284a公開了一種“基于動態(tài)聚類的虛擬電廠動態(tài)聚合方法”。包括步驟：對能源節(jié)點的歷史時序數(shù)據(jù)進行聚類劃分得到多個初始簇，歷史時序數(shù)據(jù)包括多個數(shù)據(jù)點，數(shù)據(jù)點包括發(fā)電量、電壓和位置；對初始簇中的數(shù)據(jù)點進行隱馬爾可夫鏈的訓(xùn)練，得到數(shù)據(jù)點的轉(zhuǎn)移概率；根據(jù)轉(zhuǎn)移概率，計算動態(tài)優(yōu)化因子進行動態(tài)聚類劃分的優(yōu)化；獲取每個預(yù)設(shè)的用電節(jié)點的需求電壓與需求電量，通過在模糊聚類模型中的分類簇中心點確定供電信息匹配的分類簇，在分類簇中進行能源節(jié)點的遍歷，確定與用電節(jié)點供電信息匹配且距離用電節(jié)點最近的能源節(jié)點作為匹配的能源節(jié)點。上述技術(shù)方案匹配效率低且未考慮用戶之間的發(fā)用電互補關(guān)系，難以實現(xiàn)資源的動態(tài)調(diào)度和最優(yōu)配置。

技術(shù)實現(xiàn)思路

1、本發(fā)明主要解決原有的匹配效率低且未考慮用戶之間的發(fā)用電互補關(guān)系，難以實現(xiàn)資源的動態(tài)調(diào)度和最優(yōu)配置的技術(shù)問題，提供一種基于用戶發(fā)用電互補特性的虛擬電廠動態(tài)聚合方法，利用ai預(yù)測模型，結(jié)合天氣和歷史數(shù)據(jù)實現(xiàn)光伏發(fā)電的短期預(yù)測，為調(diào)度提供支持；利用強化學(xué)習(xí)算法控制空調(diào)負(fù)荷，確保在電力高峰期削減負(fù)荷的同時維持用戶舒適度；采用遺傳算法優(yōu)化儲能系統(tǒng)的充放電策略，達到削峰填谷和成本最小化的目標(biāo)，最終通過聚類分析識別用戶之間的發(fā)用電互補關(guān)系，實現(xiàn)資源的動態(tài)調(diào)度和最優(yōu)配置，從而提升系統(tǒng)的整體效率和經(jīng)濟性。

2、本發(fā)明的上述技術(shù)問題主要是通過下述技術(shù)方案得以解決的：本發(fā)明包括以下步驟：

3、s1.根據(jù)天氣和歷史發(fā)電數(shù)據(jù)對光伏發(fā)電量進行短期預(yù)測；

4、s2.動態(tài)控制空調(diào)運行，在高峰期削減負(fù)荷；

5、s3.動態(tài)調(diào)整儲能系統(tǒng)的充放電策略，實現(xiàn)削峰填谷和成本最小化；

6、s4.動態(tài)識別用戶之間的發(fā)用電互補關(guān)系，對用戶的發(fā)電和用電時間序列數(shù)據(jù)進行聚類分析，分別建立發(fā)電序列和用電序列，對于每個用戶，根據(jù)互補性指標(biāo)通過與設(shè)定的閾值比較，判斷用戶i和j之間的發(fā)用電互補特性；

7、s5.實時調(diào)整用戶之間的聚合關(guān)系，實現(xiàn)發(fā)用電資源的動態(tài)調(diào)度與最優(yōu)配置。

8、作為優(yōu)選，短期預(yù)測包括，獲取光伏系統(tǒng)的歷史發(fā)電數(shù)據(jù)、天氣預(yù)報數(shù)據(jù)和時間特征，對輸入數(shù)據(jù)進行包括標(biāo)準(zhǔn)化、歸一化的預(yù)處理步驟，構(gòu)建有效的時間序列特征；采用適合時間序列預(yù)測的機器學(xué)習(xí)或深度學(xué)習(xí)模型處理非線性數(shù)據(jù)并捕捉時間依賴性。

9、作為優(yōu)選，利用歷史數(shù)據(jù)訓(xùn)練模型，優(yōu)化參數(shù)以提升預(yù)測的精度，在實際運行中，使用最新的天氣數(shù)據(jù)和時間特征輸入模型，實時輸出未來一段時間內(nèi)的光伏發(fā)電量預(yù)測值。

10、作為優(yōu)選，動態(tài)控制空調(diào)運行具體包括，設(shè)計獎勵函數(shù)r，以平衡用戶舒適度和節(jié)能目標(biāo)，利用強化學(xué)習(xí)模型，將空調(diào)需求響應(yīng)問題建模為一個馬爾科夫決策過程，定義為（s，a，p，r，γ），s為狀態(tài)空間，包含溫度、濕度和負(fù)荷信息；a為動作空間，包含空調(diào)的調(diào)節(jié)操作；p為狀態(tài)轉(zhuǎn)移概率，在強化學(xué)習(xí)中通過經(jīng)驗重放和訓(xùn)練過程近似學(xué)習(xí)；r為獎勵函數(shù)；γ為折扣因子。

11、作為優(yōu)選，利用遺傳算法設(shè)計儲能的充放電策略，平衡供需波動，降低電力成本，目標(biāo)函數(shù)為最小化儲能系統(tǒng)的成本，約束條件包括儲能容量約束和充放電速率約束。

12、作為優(yōu)選，動態(tài)識別用戶之間的發(fā)用電互補關(guān)系具體包括，通過聚類分析，識別不同用戶的發(fā)電和用電模式，從而確定哪些用戶之間的發(fā)電和用電需求具有互補性，識別具有互補特性的用戶組，實現(xiàn)用戶間發(fā)電和用電的動態(tài)平衡。

13、作為優(yōu)選，對用戶的發(fā)電和用電時間序列數(shù)據(jù)進行聚類分析，分別建立發(fā)電序列和用電序列，設(shè)用戶i在時間t的發(fā)電量為，用電需求量為,定義用戶發(fā)用電互補特性指標(biāo)用于衡量不同用戶間的發(fā)用電平衡程度。

14、作為優(yōu)選，互補特性的用戶組識別，對于每個用戶，根據(jù)互補性指標(biāo)設(shè)定一個閾值，若，則認(rèn)為用戶i和j具有發(fā)用電互補特性，在發(fā)電富余時段的用戶在電力需求高峰時段供電給缺電用戶，優(yōu)化用戶間的電力資源平衡。

15、作為優(yōu)選，根據(jù)用戶的發(fā)電預(yù)測、儲能系統(tǒng)的充放電狀態(tài)和負(fù)荷需求動態(tài)地聚合用戶間的資源，實時調(diào)整用戶間的聚合關(guān)系，以實現(xiàn)負(fù)荷調(diào)度和電力資源的最優(yōu)分配，實現(xiàn)的多目標(biāo)優(yōu)化函數(shù)包括最小化峰值負(fù)荷、最大化用戶舒適度和最大化儲能收益。

16、作為優(yōu)選，還包括實時監(jiān)控，對用戶的用電負(fù)荷、光伏發(fā)電輸出及儲能狀態(tài)進行動態(tài)監(jiān)控，并基于監(jiān)控數(shù)據(jù)調(diào)整發(fā)用電互補性分析和用戶動態(tài)聚合的優(yōu)化參數(shù)，以適應(yīng)環(huán)境變化和用戶需求波動，實現(xiàn)系統(tǒng)的自適應(yīng)優(yōu)化，將監(jiān)控結(jié)果作為反饋信息輸入，在下一個時間段重新計算優(yōu)化方案。

17、本發(fā)明的有益效果是：利用ai預(yù)測模型，結(jié)合天氣和歷史數(shù)據(jù)實現(xiàn)光伏發(fā)電的短期預(yù)測，為調(diào)度提供支持；利用強化學(xué)習(xí)算法控制空調(diào)負(fù)荷，確保在電力高峰期削減負(fù)荷的同時維持用戶舒適度；采用遺傳算法優(yōu)化儲能系統(tǒng)的充放電策略，達到削峰填谷和成本最小化的目標(biāo)，最終通過聚類分析識別用戶之間的發(fā)用電互補關(guān)系，實現(xiàn)資源的動態(tài)調(diào)度和最優(yōu)配置，從而提升系統(tǒng)的整體效率和經(jīng)濟性。

技術(shù)特征：

1.一種基于用戶發(fā)用電互補特性的虛擬電廠動態(tài)聚合方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于用戶發(fā)用電互補特性的虛擬電廠動態(tài)聚合方法，其特征在于，短期預(yù)測包括，獲取光伏系統(tǒng)的歷史發(fā)電數(shù)據(jù)、天氣預(yù)報數(shù)據(jù)和時間特征，對輸入數(shù)據(jù)進行包括標(biāo)準(zhǔn)化、歸一化的預(yù)處理步驟，構(gòu)建有效的時間序列特征；采用適合時間序列預(yù)測的機器學(xué)習(xí)或深度學(xué)習(xí)模型處理非線性數(shù)據(jù)并捕捉時間依賴性。

3.根據(jù)權(quán)利要求2所述的一種基于用戶發(fā)用電互補特性的虛擬電廠動態(tài)聚合方法，其特征在于，利用歷史數(shù)據(jù)訓(xùn)練模型，優(yōu)化參數(shù)以提升預(yù)測的精度，在實際運行中，使用最新的天氣數(shù)據(jù)和時間特征輸入模型，實時輸出未來一段時間內(nèi)的光伏發(fā)電量預(yù)測值。

4.根據(jù)權(quán)利要求1所述的一種基于用戶發(fā)用電互補特性的虛擬電廠動態(tài)聚合方法，其特征在于，動態(tài)控制空調(diào)運行具體包括，設(shè)計獎勵函數(shù)r，以平衡用戶舒適度和節(jié)能目標(biāo)，利用強化學(xué)習(xí)模型，將空調(diào)需求響應(yīng)問題建模為一個馬爾科夫決策過程，定義為（s，a，p，r，γ），s為狀態(tài)空間，包含溫度、濕度和負(fù)荷信息；a為動作空間，包含空調(diào)的調(diào)節(jié)操作；p為狀態(tài)轉(zhuǎn)移概率，在強化學(xué)習(xí)中通過經(jīng)驗重放和訓(xùn)練過程近似學(xué)習(xí)；r為獎勵函數(shù)；γ為折扣因子。

5.根據(jù)權(quán)利要求1所述的一種基于用戶發(fā)用電互補特性的虛擬電廠動態(tài)聚合方法，其特征在于，利用遺傳算法設(shè)計儲能的充放電策略，平衡供需波動，降低電力成本，目標(biāo)函數(shù)為最小化儲能系統(tǒng)的成本，約束條件包括儲能容量約束和充放電速率約束。

6.根據(jù)權(quán)利要求1所述的一種基于用戶發(fā)用電互補特性的虛擬電廠動態(tài)聚合方法，其特征在于，動態(tài)識別用戶之間的發(fā)用電互補關(guān)系具體包括，通過聚類分析，識別不同用戶的發(fā)電和用電模式，從而確定哪些用戶之間的發(fā)電和用電需求具有互補性，識別具有互補特性的用戶組，實現(xiàn)用戶間發(fā)電和用電的動態(tài)平衡。

7.根據(jù)權(quán)利要求6所述的一種基于用戶發(fā)用電互補特性的虛擬電廠動態(tài)聚合方法，其特征在于，對用戶的發(fā)電和用電時間序列數(shù)據(jù)進行聚類分析，分別建立發(fā)電序列和用電序列，設(shè)用戶i在時間t的發(fā)電量為，用電需求量為,定義用戶發(fā)用電互補特性指標(biāo)用于衡量不同用戶間的發(fā)用電平衡程度。

8.根據(jù)權(quán)利要求6或7所述的一種基于用戶發(fā)用電互補特性的虛擬電廠動態(tài)聚合方法，其特征在于，互補特性的用戶組識別，對于每個用戶，根據(jù)互補性指標(biāo)設(shè)定一個閾值，若，則認(rèn)為用戶i和j具有發(fā)用電互補特性，在發(fā)電富余時段的用戶在電力需求高峰時段供電給缺電用戶，優(yōu)化用戶間的電力資源平衡。

9.根據(jù)權(quán)利要求1或6或7所述的一種基于用戶發(fā)用電互補特性的虛擬電廠動態(tài)聚合方法，其特征在于，根據(jù)用戶的發(fā)電預(yù)測、儲能系統(tǒng)的充放電狀態(tài)和負(fù)荷需求動態(tài)地聚合用戶間的資源，實時調(diào)整用戶間的聚合關(guān)系，以實現(xiàn)負(fù)荷調(diào)度和電力資源的最優(yōu)分配，實現(xiàn)的多目標(biāo)優(yōu)化函數(shù)包括最小化峰值負(fù)荷、最大化用戶舒適度和最大化儲能收益。

10.根據(jù)權(quán)利要求1或6或7所述的一種基于用戶發(fā)用電互補特性的虛擬電廠動態(tài)聚合方法，其特征在于，還包括實時監(jiān)控，對用戶的用電負(fù)荷、光伏發(fā)電輸出及儲能狀態(tài)進行動態(tài)監(jiān)控，并基于監(jiān)控數(shù)據(jù)調(diào)整發(fā)用電互補性分析和用戶動態(tài)聚合的優(yōu)化參數(shù)，以適應(yīng)環(huán)境變化和用戶需求波動，實現(xiàn)系統(tǒng)的自適應(yīng)優(yōu)化，將監(jiān)控結(jié)果作為反饋信息輸入，在下一個時間段重新計算優(yōu)化方案。

技術(shù)總結(jié)
本發(fā)明涉及電力需求響應(yīng)技術(shù)領(lǐng)域，公開了一種基于用戶發(fā)用電互補特性的虛擬電廠動態(tài)聚合方法，包括利用LSTM模型預(yù)測光伏發(fā)電量，為調(diào)度提供依據(jù)；利用強化學(xué)習(xí)優(yōu)化空調(diào)負(fù)荷響應(yīng)，在高峰時削減負(fù)荷，保障用戶舒適度；采用遺傳算法優(yōu)化儲能系統(tǒng)充放電策略，實現(xiàn)削峰填谷與成本最小化。通過聚類分析識別用戶間發(fā)用電互補關(guān)系，動態(tài)調(diào)整聚合關(guān)系，達到資源的最優(yōu)配置。該方法提升了虛擬電廠運行效率，具備高可靠性和經(jīng)濟效益，為負(fù)荷優(yōu)化調(diào)度提供有力支持。

技術(shù)研發(fā)人員：吳昌,李震,楊濤,裘愉濤,張鋒,任嫻婷,周慧忠,吳丹,吳一峰,向東旭,王小鑫,李洋,方略,唐律,梁記云,馬凱悅,葉劍,鄭聞成,黃炎階,謝永勝,徐紅泉,楊向明
受保護的技術(shù)使用者：國網(wǎng)浙江省電力有限公司衢州供電公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/8