CN115566740A - 一种分布式可再生能源集群聚合调控潜力评估方法和装置 - Google Patents

一种分布式可再生能源集群聚合调控潜力评估方法和装置 Download PDF

Info

Publication number
CN115566740A
CN115566740A CN202211552665.4A CN202211552665A CN115566740A CN 115566740 A CN115566740 A CN 115566740A CN 202211552665 A CN202211552665 A CN 202211552665A CN 115566740 A CN115566740 A CN 115566740A
Authority
CN
China
Prior art keywords
renewable energy
weight
distributed renewable
value
potential evaluation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211552665.4A
Other languages
English (en)
Other versions
CN115566740B (zh
Inventor
邓瑞麒
陈钢
武建平
李波
郑广勇
郭亮
晏梦璇
柳军停
陈锦洪
郑文杰
卢伟钿
何雄辉
黄定威
丁勇
黄晓光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangmen Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Jiangmen Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangmen Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Jiangmen Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202211552665.4A priority Critical patent/CN115566740B/zh
Publication of CN115566740A publication Critical patent/CN115566740A/zh
Application granted granted Critical
Publication of CN115566740B publication Critical patent/CN115566740B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了一种分布式可再生能源集群聚合调控潜力评估方法和装置，获取聚合商平台中分布式可再生能源集群提供的多个出力预测值和对应的历史出力数据；基于出力预测值和历史出力数据通过强化学习对构建的目标状态矩阵进行优化训练，根据得到的最终状态矩阵中的权重对各分布式可再生能源集群的出力预测值进行加权求和得到最终出力预测值，进而计算各集群的潜力评估指标的指标值，基于层次分析加权法和熵权法分别计算潜力评估指标的第一权重、第二权重；基于各潜力评估指标的第一权重、第二权重和指标值计算各分布式可再生能源集群的出力潜力评估综合得分，实现了对分布式可再生能源集群聚合出力进行潜力评估，有助于提高电网的安全性和稳定性。

Description

一种分布式可再生能源集群聚合调控潜力评估方法和装置
技术领域
本申请涉及评估技术领域，尤其涉及一种分布式可再生能源集群聚合调控潜力评估方法和装置。
背景技术
目前，对于低压分布式可再生能源的研究主要在于并网电能量计量、并网点设计规范、安全接入等，而调度系统对于低压分布式可再生能源的调用一般采用不测量、不调控的方式。随着海量低压分布式可再生能源并网的运行，其对大电网注入的随机性、波动性、间歇性、分散性等功率已经对大电网的安全稳定和可靠供电提出了重大挑战。虽然现有的预测方式对于不同时间尺度的分布式可再生能源出力预测精度已经较高，但仍有提高的空间。为此，基于上述问题，为了使海量低压分布式可再生能源能够更好的并网电网，扩大其应用潜力，对分布式可再生能源集群聚合出力进行潜力评估是非常必要。
发明内容
本申请提供了一种分布式可再生能源集群聚合调控潜力评估方法和装置，用于实现对分布式可再生能源集群聚合出力进行潜力评估，以提高电网的安全性和稳定性。
有鉴于此，本申请第一方面提供了一种分布式可再生能源集群聚合调控潜力评估方法，包括：
获取聚合商平台中分布式可再生能源集群提供的多个出力预测值和对应的历史出力数据；
构建目标状态矩阵，基于所述出力预测值和所述历史出力数据通过强化学习对所述目标状态矩阵进行优化训练，得到最终状态矩阵，根据所述最终状态矩阵中的权重对各分布式可再生能源集群的所述出力预测值进行加权求和，得到最终出力预测值；
基于所述最终出力预测值绘制集群聚合后出力曲线，并根据所述集群聚合后出力曲线计算各分布式可再生能源集群的潜力评估指标的指标值；
基于层次分析加权法计算各分布式可再生能源集群的潜力评估指标的第一权重；
基于熵权法计算各分布式可再生能源集群的潜力评估指标的第二权重；
基于各分布式可再生能源集群的潜力评估指标的所述第一权重、所述第二权重和所述指标值计算各分布式可再生能源集群的出力潜力评估综合得分。
可选的，所述构建目标状态矩阵，基于所述出力预测值和所述历史出力数据通过强化学习对所述目标状态矩阵进行优化训练，得到最终状态矩阵，包括：
构建目标状态矩阵
Figure 117110DEST_PATH_IMAGE001
和动作矩阵
Figure 63201DEST_PATH_IMAGE002
，所述目标状态矩阵中的元素为各出力预测值的权重，w 1为第一个出力预测值的权重，w 2为第二个出力预测值的权重，w n 为第n个出力预测值的权重，
Figure 116607DEST_PATH_IMAGE003
为每一步动作幅度大小；
根据所述目标状态矩阵和所述动作矩阵建立Q表；
根据当前状态和Q表中的值选择动作，基于选择的动作所到达的状态更新损失值和奖励值，所述损失值根据状态值、所述历史出力数据及对应的所述出力预测值计算得到；
通过更新后的损失值和奖励值更新所述Q表；
通过对所述Q表进行迭代更新，直至满足预置要求，停止更新所述Q表，将最后一次更新得到的Q表中的状态值作为最终状态值，得到最终状态矩阵。
可选的，所述损失值的计算公式为：
Figure 894071DEST_PATH_IMAGE004
；
式中，L t 为损失值，
Figure 312414DEST_PATH_IMAGE005
为历史出力数据；
Figure 542538DEST_PATH_IMAGE006
为当前状态下Q表中的状态值与历史出力数据对应的出力预测值进行加权求和后得到的出力预测值；N为历史出力数据的数量。
可选的，所述奖励值的计算公式为：
Figure 399635DEST_PATH_IMAGE007
；
式中，R为奖励值，L t 为当前状态下的损失值，L t+1为在当前状态基于选择的动作所到达下一状态的损失值。
可选的，所述潜力评估指标包括响应容量、日出力率以及日出力波动率；
所述响应容量的指标值A 1的计算公式为：
Figure 31605DEST_PATH_IMAGE008
；
所述日出力率的指标值A 2的计算公式为：
Figure 614990DEST_PATH_IMAGE009
；
所述日出力波动率的指标值A 3的计算公式为：
Figure 597989DEST_PATH_IMAGE010
；
式中，
Figure 993199DEST_PATH_IMAGE011
为分布式可再生能源集群在t时段的分布式可再生能源集群出力功率值，
Figure 479675DEST_PATH_IMAGE012
和
Figure 567716DEST_PATH_IMAGE013
分别为分布式可再生能源集群出力的最大值和平均值，S为分布式可再生能源集群出力的标准差。
可选的，所述基于层次分析加权法计算各分布式可再生能源集群的潜力评估指标的第一权重，包括：
对各分布式可再生能源集群的潜力评估指标两两进行比较，根据比较结果建立判断矩阵；
根据聚合商平台或电网侧对各潜力评估指标的重视程度确定所述判断矩阵中非对角元素的值，得到新判断矩阵；
基于所述新判断矩阵，采用特征向量法确定权重向量，得到各分布式可再生能源集群的潜力评估指标的第一权重。
可选的，所述基于熵权法计算各分布式可再生能源集群的潜力评估指标的第二权重，包括：
构建各分布式可再生能源集群的潜力评估指标的初始矩阵，对所述初始矩阵进行标准化处理，得到标准化矩阵；
根据所述标准化矩阵计算各潜力评估指标的信息熵，根据各潜力评估指标的信息熵计算各分布式可再生能源集群的潜力评估指标的第二权重。
可选的，所述基于各分布式可再生能源集群的潜力评估指标的所述第一权重、所述第二权重和所述指标值计算各分布式可再生能源集群的出力潜力评估综合得分，包括：
组合各分布式可再生能源集群的潜力评估指标的所述第一权重和所述第二权重，得到组合权重矩阵
Figure 772433DEST_PATH_IMAGE014
，其中，w 1为第一权重，w 2为第二权重；
根据所述组合权重矩阵计算耦合权重，得到耦合权重矩阵，对所述耦合权重矩阵进行归一化处理得到各分布式可再生能源集群的潜力评估指标的指标权重；
根据各分布式可再生能源集群的潜力评估指标的指标权重对各分布式可再生能源集群的潜力评估指标的所述指标值进行加权求和，得到各分布式可再生能源集群的出力潜力评估综合得分。
可选的，所述耦合权重矩阵为：
Figure 643437DEST_PATH_IMAGE015
；
式中，
Figure 249999DEST_PATH_IMAGE016
和
Figure 508942DEST_PATH_IMAGE017
分别表示
Figure 935375DEST_PATH_IMAGE018
和
Figure 875649DEST_PATH_IMAGE019
的耦合权重，
Figure 399034DEST_PATH_IMAGE018
为第j个潜力评估指标的第一权重，
Figure 500983DEST_PATH_IMAGE019
为第j个潜力评估指标的第二权重，n为潜力评估指标数。
本申请第二方面提供了一种分布式可再生能源集群聚合调控潜力评估装置，包括：
获取单元，用于获取聚合商平台中分布式可再生能源集群提供的多个出力预测值和对应的历史出力数据；
优化单元，用于构建目标状态矩阵，基于所述出力预测值和所述历史出力数据通过强化学习对所述目标状态矩阵进行优化训练，得到最终状态矩阵，根据所述最终状态矩阵中的权重对各分布式可再生能源集群的所述出力预测值进行加权求和，得到最终出力预测值；
指标值计算单元，用于基于所述最终出力预测值绘制集群聚合后出力曲线，并根据所述集群聚合后出力曲线计算各分布式可再生能源集群的潜力评估指标的指标值；
第一权重计算单元，用于基于层次分析加权法计算各分布式可再生能源集群的潜力评估指标的第一权重；
第二权重计算单元，用于基于熵权法计算各分布式可再生能源集群的潜力评估指标的第二权重；
评估单元，用于基于各分布式可再生能源集群的潜力评估指标的所述第一权重、所述第二权重和所述指标值计算各分布式可再生能源集群的出力潜力评估综合得分。
从以上技术方案可以看出，本申请具有以下优点：
本申请提供了一种分布式可再生能源集群聚合调控潜力评估方法，包括：获取聚合商平台中分布式可再生能源集群提供的多个出力预测值和对应的历史出力数据；构建目标状态矩阵，基于出力预测值和历史出力数据通过强化学习对目标状态矩阵进行优化训练，得到最终状态矩阵，根据最终状态矩阵中的权重对各分布式可再生能源集群的出力预测值进行加权求和，得到最终出力预测值；基于最终出力预测值绘制集群聚合后出力曲线，并根据集群聚合后出力曲线计算各分布式可再生能源集群的潜力评估指标的指标值；基于层次分析加权法计算各分布式可再生能源集群的潜力评估指标的第一权重；基于熵权法计算各分布式可再生能源集群的潜力评估指标的第二权重；基于各分布式可再生能源集群的潜力评估指标的第一权重、第二权重和指标值计算各分布式可再生能源集群的出力潜力评估综合得分。
本申请中，通过强化学习使得优化训练后得到的权重能通过对多次出力预测结果加权求和的方式使分布式可再生能源预测精度提高，为分布式可再生能源集群聚合潜力的准确评估奠定基础；根据最终出力预测值绘制的集群聚合后出力曲线计算各分布式可再生能源集群的潜力评估指标的指标值，使用主客观结合的层次分析法—熵权法对分布式可再生能源进行标准化潜力评估，通过层次分析法改善各评估指标不能完全定量分析的问题同时，又使用熵权法减少层次分析法中由人的主观随意性带来的影响，使评估结果更为可靠；本申请对海量低压分布式可再生能源集群聚合体进行潜力评估，为分布式可再生能源并网提供参考、扩大了分布式可再生能源的应用潜力，提高电网的安全性和稳定性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请实施例提供的一种分布式可再生能源集群聚合调控潜力评估方法的一个流程示意图；
图2为本申请实施例提供的一种分布式可再生能源集群聚合调控潜力评估装置的一个结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了便于理解，请参阅图1，本申请实施例提供了一种分布式可再生能源集群聚合调控潜力评估方法，包括：
步骤101、获取聚合商平台中分布式可再生能源集群提供的多个出力预测值和对应的历史出力数据。
获取聚合商平台中分布式可再生能源集群提供的多个出力预测值和对应的历史出力数据（即真实值），对于每一日的出力预测应提供n次预测值，为了减小预测出力曲线出现近似分布从而导致强化学习进行无效训练的可能性，取n≥3。
步骤102、构建目标状态矩阵，基于出力预测值和历史出力数据通过强化学习对目标状态矩阵进行优化训练，得到最终状态矩阵，根据最终状态矩阵中的权重对各分布式可再生能源集群的出力预测值进行加权求和，得到最终出力预测值。
构建目标状态矩阵
Figure 680291DEST_PATH_IMAGE001
和动作矩阵
Figure 158677DEST_PATH_IMAGE002
，所述目标状态矩阵中的元素为各出力预测值的权重，w 1为第一个出力预测值的权重，w 2为第二个出力预测值的权重，w n 为第n个出力预测值的权重，
Figure 536569DEST_PATH_IMAGE003
为每一步动作幅度大小；
根据目标状态矩阵和动作矩阵建立n行2列的Q表；
根据当前状态和Q表中的值选择动作，基于选择的动作所到达的状态更新损失值和奖励值，损失值根据状态值、历史出力数据及对应的出力预测值计算得到；
通过更新后的损失值和奖励值更新Q表；
通过对Q表进行迭代更新，直至预置要求，停止更新Q表，将最后一次更新得到的Q表中的状态值作为最终状态值，得到最终状态矩阵。
根据前述步骤获得的大量预测值与对应的真实值，分别记为
Figure 74998DEST_PATH_IMAGE020
与Y，构建并训练以单个预测结果加权的权重构成的Q-learning的目标状态矩阵，以及相应的动作矩阵，合理设置动作步长，建立一个的Q表。同时，设置损失函数L，奖励函数R以及动作选择机制，给定迭代次数开始Q学习训练。Q-learning过程为：首先，建立目标状态矩阵
Figure 476023DEST_PATH_IMAGE001
，目标状态矩阵也就是多预测结果的权值矩阵。建立对应的动作矩阵
Figure 758100DEST_PATH_IMAGE002
，
Figure 256077DEST_PATH_IMAGE003
为每一步动作幅度大小，可以设置为0.00001。
然后，建立损失函数L与奖励函数R如下：
Figure 699828DEST_PATH_IMAGE004
；
Figure 853729DEST_PATH_IMAGE007
；
式中，L t 为损失值，
Figure 736234DEST_PATH_IMAGE005
为分布式可再生能源功率真实值，即历史出力数据；
Figure 43979DEST_PATH_IMAGE006
为当前状态下Q表中的状态值（即权重）与历史出力数据对应的出力预测值进行加权求和后得到的出力预测值；N为历史出力数据的数量，R为奖励值，L t 为当前状态下的损失值，L t+1为在当前状态基于选择的动作所到达下一状态的损失值。
接着，根据当前状态与Q表的值进行动作选择，选择动作后更新损失值L与奖励值R，进而评价函数Q并更新Q表，Q表更新公式为：
Figure 658631DEST_PATH_IMAGE021
；
式中，
Figure 96566DEST_PATH_IMAGE022
为学习率，设置为0.01；
Figure 720445DEST_PATH_IMAGE023
为折扣系数，设置为0.9；
Figure 865119DEST_PATH_IMAGE024
、
Figure 978568DEST_PATH_IMAGE025
与
Figure 841482DEST_PATH_IMAGE026
、
Figure 3473DEST_PATH_IMAGE027
分别为目标状态矩阵
Figure 330549DEST_PATH_IMAGE028
以及动作状态矩阵
Figure 490266DEST_PATH_IMAGE029
在强化学习中迭代第t步、第t+1步时的值；
Figure 637214DEST_PATH_IMAGE030
为
Figure 602896DEST_PATH_IMAGE024
、
Figure 784479DEST_PATH_IMAGE026
状态下Q表的值，
Figure 177414DEST_PATH_IMAGE031
为
Figure 14920DEST_PATH_IMAGE030
更新后的值，
Figure 581030DEST_PATH_IMAGE032
为S t+1 、a t+1状态下Q表的值。
最后，重复上述Q表更新过程，可以设置最大迭代次数1500次，直到迭代次数达到最大迭代次数或状态值与出力预测值加权求和后得到的出力预测值相较原始出力预测值的精度更高且稳定时停止迭代，将最后一次更新得到的Q表中的状态值（即权重）作为最终权重。
根据最终状态矩阵中的权重对各分布式可再生能源集群的出力预测值进行加权求和，得到最终出力预测值，即各集群聚合后的出力预测值。
步骤103、基于最终出力预测值绘制集群聚合后出力曲线，并根据集群聚合后出力曲线计算各分布式可再生能源集群的潜力评估指标的指标值。
根据各集群聚合后的出力预测值可以绘制出力曲线，得到集群聚合后出力曲线，然后从集群聚合后出力曲线中提取相关参数来计算各分布式可再生能源集群的潜力评估指标的指标值。本申请实施例中的潜力评估指标包括响应容量、日出力率以及日出力波动率3个指标；
响应容量的指标值A 1的计算公式为：
Figure 554803DEST_PATH_IMAGE008
；
日出力率的指标值A 2的计算公式为：
Figure 118639DEST_PATH_IMAGE009
；
日出力波动率的指标值A 3的计算公式为：
Figure 240179DEST_PATH_IMAGE010
；
式中，
Figure 547663DEST_PATH_IMAGE011
为分布式可再生能源集群在t时段的分布式可再生能源集群出力功率值，
Figure 641521DEST_PATH_IMAGE012
和
Figure 438576DEST_PATH_IMAGE013
分别为分布式可再生能源集群出力的最大值和平均值，S为分布式可再生能源集群出力的标准差，这些参数都可以从集群聚合后出力曲线获取。
步骤104、基于层次分析加权法计算各分布式可再生能源集群的潜力评估指标的第一权重。
对各分布式可再生能源集群的潜力评估指标A 1、A 2、A 3两两进行比较，根据比较结果建立判断矩阵A：
Figure 985095DEST_PATH_IMAGE033
；
根据聚合商平台或电网侧对各潜力评估指标的重视程度确定判断矩阵中非对角元素的值，得到新判断矩阵A'；判断矩阵A中，对角元素为1，按照聚合商平台或电网侧对分布式可再生能源3个潜力评估指标的重视程度，对非对角元素进行赋值，赋值规则如表1所示：
表1
Figure 824832DEST_PATH_IMAGE034
基于赋值得到的新判断矩阵A'，采用特征向量法确定权重向量W，得到各分布式可再生能源集群的潜力评估指标的第一权重，即：
Figure 835513DEST_PATH_IMAGE035
；
式中，
Figure 741152DEST_PATH_IMAGE036
为新判断矩阵A'的最大特征根。
步骤105、基于熵权法计算各分布式可再生能源集群的潜力评估指标的第二权重。
构建各分布式可再生能源集群的潜力评估指标的初始矩阵，对初始矩阵进行标准化处理，得到标准化矩阵；由于对于单一聚合体进行评价没有实际意义，假定有n个分布式可再生能源集群聚合体需进行潜力评估，构成n个评价对象的3个潜力评估指标的初始矩阵Y，并对初始矩阵Y进行无量纲化处理得到标准化矩阵Z：
Figure 837284DEST_PATH_IMAGE037
；
Figure 486572DEST_PATH_IMAGE038
；
Figure 555022DEST_PATH_IMAGE039
；
式中，初始矩阵Y中元素y ij （i=1,2,...,m，j=1,2,3）表示集群i的第j个指标值，m为集群数量；标准化矩阵Z中元素
Figure 693879DEST_PATH_IMAGE040
的两式分别是对越大越优型和越小越优型指标的处理，max( )为取最大值函数，min( )为取最小值函数。
根据标准化矩阵计算各潜力评估指标的信息熵，根据各潜力评估指标的信息熵计算各分布式可再生能源集群的潜力评估指标的第二权重。计算概率矩阵P与各指标熵权：
Figure 949411DEST_PATH_IMAGE041
；
Figure 402389DEST_PATH_IMAGE042
；
Figure 387663DEST_PATH_IMAGE043
；
式中，
Figure 635104DEST_PATH_IMAGE044
是第j个潜力评估指标的信息熵，
Figure 377932DEST_PATH_IMAGE045
是第j个潜力评估指标的信息效用值，
Figure 369022DEST_PATH_IMAGE019
是利用熵权法计算的第j个潜力评估指标的第二权重。
步骤106、基于各分布式可再生能源集群的潜力评估指标的第一权重、第二权重和指标值计算各分布式可再生能源集群的出力潜力评估综合得分。
组合各分布式可再生能源集群的潜力评估指标的第一权重和第二权重，得到组合权重矩阵
Figure 208802DEST_PATH_IMAGE014
，其中，w 1为第一权重，w 2为第二权重；
根据组合权重矩阵计算耦合权重，得到耦合权重矩阵，即：
Figure 627145DEST_PATH_IMAGE015
；
式中，
Figure 122849DEST_PATH_IMAGE016
和
Figure 714367DEST_PATH_IMAGE017
分别表示
Figure 611916DEST_PATH_IMAGE018
和
Figure 263477DEST_PATH_IMAGE019
的耦合权重，
Figure 980897DEST_PATH_IMAGE018
为第j个潜力评估指标的第一权重，
Figure 313790DEST_PATH_IMAGE019
为第j个潜力评估指标的第二权重，n为潜力评估指标数；
对耦合权重矩阵进行归一化处理得到各分布式可再生能源集群的潜力评估指标的指标权重
Figure 65845DEST_PATH_IMAGE046
；
根据各分布式可再生能源集群的潜力评估指标的指标权重对各分布式可再生能源集群的潜力评估指标的指标值进行加权求和，得到各分布式可再生能源集群的出力潜力评估综合得分，即：
Figure 888307DEST_PATH_IMAGE047
；
式中，
Figure 93024DEST_PATH_IMAGE048
表示第i个分布式可再生能源集群的第j个潜力评估指标标准化后的指标值，
Figure 223748DEST_PATH_IMAGE049
为第i个分布式可再生能源集群的出力潜力评估综合得分。
本申请实施例，通过强化学习使得优化训练后得到的权重能通过对多次出力预测结果加权求和的方式使分布式可再生能源预测精度提高，为分布式可再生能源集群聚合潜力的准确评估奠定基础；根据最终出力预测值绘制的集群聚合后出力曲线计算各分布式可再生能源集群的潜力评估指标的指标值，使用主客观结合的层次分析法—熵权法对分布式可再生能源进行标准化潜力评估，通过层次分析法改善各评估指标不能完全定量分析的问题同时，又使用熵权法减少层次分析法中由人的主观随意性带来的影响，使评估结果更为可靠；本申请实施例对海量低压分布式可再生能源集群聚合体进行潜力评估，为分布式可再生能源并网提供参考、扩大了分布式可再生能源的应用潜力，为低碳事业发展助力。
请参考图2，本申请实施例提供的一种分布式可再生能源集群聚合调控潜力评估装置，包括：
获取单元，用于获取聚合商平台中分布式可再生能源集群提供的多个出力预测值和对应的历史出力数据；
优化单元，用于构建目标状态矩阵，基于出力预测值和历史出力数据通过强化学习对目标状态矩阵进行优化训练，得到最终状态矩阵，根据最终状态矩阵中的权重对各分布式可再生能源集群的出力预测值进行加权求和，得到最终出力预测值；
指标值计算单元，用于基于最终出力预测值绘制集群聚合后出力曲线，并根据集群聚合后出力曲线计算各分布式可再生能源集群的潜力评估指标的指标值；
第一权重计算单元，用于基于层次分析加权法计算各分布式可再生能源集群的潜力评估指标的第一权重；
第二权重计算单元，用于基于熵权法计算各分布式可再生能源集群的潜力评估指标的第二权重；
评估单元，用于基于各分布式可再生能源集群的潜力评估指标的第一权重、第二权重和指标值计算各分布式可再生能源集群的出力潜力评估综合得分。
本申请实施例，通过强化学习使得优化训练后得到的权重能通过对多次出力预测结果加权求和的方式使分布式可再生能源预测精度提高，为分布式可再生能源集群聚合潜力的准确评估奠定基础；根据最终出力预测值绘制的集群聚合后出力曲线计算各分布式可再生能源集群的潜力评估指标的指标值，使用主客观结合的层次分析法—熵权法对分布式可再生能源进行标准化潜力评估，通过层次分析法改善各评估指标不能完全定量分析的问题同时，又使用熵权法减少层次分析法中由人的主观随意性带来的影响，使评估结果更为可靠；本申请实施例对海量低压分布式可再生能源集群聚合体进行潜力评估，为分布式可再生能源并网提供参考、扩大了分布式可再生能源的应用潜力，为低碳事业发展助力。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个（项）”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a，b或c中的至少一项（个），可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以通过一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（英文全称：Read-OnlyMemory，英文缩写：ROM）、随机存取存储器（英文全称：Random Access Memory，英文缩写：RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种分布式可再生能源集群聚合调控潜力评估方法，其特征在于，包括：
获取聚合商平台中分布式可再生能源集群提供的多个出力预测值和对应的历史出力数据；
构建目标状态矩阵，基于所述出力预测值和所述历史出力数据通过强化学习对所述目标状态矩阵进行优化训练，得到最终状态矩阵，根据所述最终状态矩阵中的权重对各分布式可再生能源集群的所述出力预测值进行加权求和，得到最终出力预测值；
基于所述最终出力预测值绘制集群聚合后出力曲线，并根据所述集群聚合后出力曲线计算各分布式可再生能源集群的潜力评估指标的指标值；
基于层次分析加权法计算各分布式可再生能源集群的潜力评估指标的第一权重；
基于熵权法计算各分布式可再生能源集群的潜力评估指标的第二权重；
基于各分布式可再生能源集群的潜力评估指标的所述第一权重、所述第二权重和所述指标值计算各分布式可再生能源集群的出力潜力评估综合得分。
2.根据权利要求1所述的分布式可再生能源集群聚合调控潜力评估方法，其特征在于，所述构建目标状态矩阵，基于所述出力预测值和所述历史出力数据通过强化学习对所述目标状态矩阵进行优化训练，得到最终状态矩阵，包括：
构建目标状态矩阵
Figure 418601DEST_PATH_IMAGE001
和动作矩阵
Figure 306922DEST_PATH_IMAGE002
，所述目标状态矩阵中的元素为各出力预测值的权重，w 1为第一个出力预测值的权重，w 2为第二个出力预测值的权重，w n 为第n个出力预测值的权重，
Figure 144689DEST_PATH_IMAGE003
为每一步动作幅度大小；
根据所述目标状态矩阵和所述动作矩阵建立Q表；
根据当前状态和Q表中的值选择动作，基于选择的动作所到达的状态更新损失值和奖励值，所述损失值根据状态值、所述历史出力数据及对应的所述出力预测值计算得到；
通过更新后的损失值和奖励值更新所述Q表；
通过对所述Q表进行迭代更新，直至满足预置要求，停止更新所述Q表，将最后一次更新得到的Q表中的状态值作为最终状态值，得到最终状态矩阵。
3.根据权利要求2所述的分布式可再生能源集群聚合调控潜力评估方法，其特征在于，所述损失值的计算公式为：
Figure 434856DEST_PATH_IMAGE004
；
式中，L t 为损失值，
Figure 315087DEST_PATH_IMAGE005
为历史出力数据；
Figure 753022DEST_PATH_IMAGE006
为当前状态下Q表中的状态值与历史出力数据对应的出力预测值进行加权求和后得到的出力预测值；N为历史出力数据的数量。
4.根据权利要求3所述的分布式可再生能源集群聚合调控潜力评估方法，其特征在于，所述奖励值的计算公式为：
Figure 111322DEST_PATH_IMAGE007
；
式中，R为奖励值，L t 为当前状态下的损失值，L t+1为在当前状态基于选择的动作所到达下一状态的损失值。
5.根据权利要求1所述的分布式可再生能源集群聚合调控潜力评估方法，其特征在于，所述潜力评估指标包括响应容量、日出力率以及日出力波动率；
所述响应容量的指标值A 1的计算公式为：
Figure 521575DEST_PATH_IMAGE008
；
所述日出力率的指标值A 2的计算公式为：
Figure 635024DEST_PATH_IMAGE009
；
所述日出力波动率的指标值A 3的计算公式为：
Figure 497938DEST_PATH_IMAGE010
；
式中，
Figure 659929DEST_PATH_IMAGE011
为分布式可再生能源集群在t时段的分布式可再生能源集群出力功率值，
Figure 721426DEST_PATH_IMAGE012
和
Figure 943460DEST_PATH_IMAGE013
分别为分布式可再生能源集群出力的最大值和平均值，S为分布式可再生能源集群出力的标准差。
6.根据权利要求1所述的分布式可再生能源集群聚合调控潜力评估方法，其特征在于，所述基于层次分析加权法计算各分布式可再生能源集群的潜力评估指标的第一权重，包括：
对各分布式可再生能源集群的潜力评估指标两两进行比较，根据比较结果建立判断矩阵；
根据聚合商平台或电网侧对各潜力评估指标的重视程度确定所述判断矩阵中非对角元素的值，得到新判断矩阵；
基于所述新判断矩阵，采用特征向量法确定权重向量，得到各分布式可再生能源集群的潜力评估指标的第一权重。
7.根据权利要求1所述的分布式可再生能源集群聚合调控潜力评估方法，其特征在于，所述基于熵权法计算各分布式可再生能源集群的潜力评估指标的第二权重，包括：
构建各分布式可再生能源集群的潜力评估指标的初始矩阵，对所述初始矩阵进行标准化处理，得到标准化矩阵；
根据所述标准化矩阵计算各潜力评估指标的信息熵，根据各潜力评估指标的信息熵计算各分布式可再生能源集群的潜力评估指标的第二权重。
8.根据权利要求1所述的分布式可再生能源集群聚合调控潜力评估方法，其特征在于，所述基于各分布式可再生能源集群的潜力评估指标的所述第一权重、所述第二权重和所述指标值计算各分布式可再生能源集群的出力潜力评估综合得分，包括：
组合各分布式可再生能源集群的潜力评估指标的所述第一权重和所述第二权重，得到组合权重矩阵
Figure 293670DEST_PATH_IMAGE014
，其中，w 1为第一权重，w 2为第二权重；
根据所述组合权重矩阵计算耦合权重，得到耦合权重矩阵，对所述耦合权重矩阵进行归一化处理得到各分布式可再生能源集群的潜力评估指标的指标权重；
根据各分布式可再生能源集群的潜力评估指标的指标权重对各分布式可再生能源集群的潜力评估指标的所述指标值进行加权求和，得到各分布式可再生能源集群的出力潜力评估综合得分。
9.根据权利要求8所述的分布式可再生能源集群聚合调控潜力评估方法，其特征在于，所述耦合权重矩阵为：
Figure 321669DEST_PATH_IMAGE015
；
式中，
Figure 440935DEST_PATH_IMAGE016
和
Figure 568291DEST_PATH_IMAGE017
分别表示
Figure 468113DEST_PATH_IMAGE018
和
Figure 971907DEST_PATH_IMAGE019
的耦合权重，
Figure 211259DEST_PATH_IMAGE018
为第j个潜力评估指标的第一权重，
Figure 509516DEST_PATH_IMAGE019
为第j个潜力评估指标的第二权重，n为潜力评估指标数。
10.一种分布式可再生能源集群聚合调控潜力评估装置，其特征在于，包括：
获取单元，用于获取聚合商平台中分布式可再生能源集群提供的多个出力预测值和对应的历史出力数据；
优化单元，用于构建目标状态矩阵，基于所述出力预测值和所述历史出力数据通过强化学习对所述目标状态矩阵进行优化训练，得到最终状态矩阵，根据所述最终状态矩阵中的权重对各分布式可再生能源集群的所述出力预测值进行加权求和，得到最终出力预测值；
指标值计算单元，用于基于所述最终出力预测值绘制集群聚合后出力曲线，并根据所述集群聚合后出力曲线计算各分布式可再生能源集群的潜力评估指标的指标值；
第一权重计算单元，用于基于层次分析加权法计算各分布式可再生能源集群的潜力评估指标的第一权重；
第二权重计算单元，用于基于熵权法计算各分布式可再生能源集群的潜力评估指标的第二权重；
评估单元，用于基于各分布式可再生能源集群的潜力评估指标的所述第一权重、所述第二权重和所述指标值计算各分布式可再生能源集群的出力潜力评估综合得分。
CN202211552665.4A 2022-12-05 2022-12-05 一种分布式可再生能源集群聚合调控潜力评估方法和装置 Active CN115566740B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211552665.4A CN115566740B (zh) 2022-12-05 2022-12-05 一种分布式可再生能源集群聚合调控潜力评估方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211552665.4A CN115566740B (zh) 2022-12-05 2022-12-05 一种分布式可再生能源集群聚合调控潜力评估方法和装置

Publications (2)

Publication Number Publication Date
CN115566740A true CN115566740A (zh) 2023-01-03
CN115566740B CN115566740B (zh) 2023-04-07

Family

ID=84769961

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211552665.4A Active CN115566740B (zh) 2022-12-05 2022-12-05 一种分布式可再生能源集群聚合调控潜力评估方法和装置

Country Status (1)

Country Link
CN (1) CN115566740B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116957306A (zh) * 2023-09-20 2023-10-27 国网山西省电力公司营销服务中心 基于资源协同互动的用户侧响应潜力评估方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180032928A1 (en) * 2015-02-13 2018-02-01 Beijing Didi Infinity Technology And Development C O., Ltd. Methods and systems for transport capacity scheduling
CN108830451A (zh) * 2018-05-04 2018-11-16 中国电力科学研究院有限公司 一种用户侧分布式储能的汇聚潜力评估方法及系统
CN110048420A (zh) * 2019-05-15 2019-07-23 广东电网有限责任公司 一种配电网随机优化调度的方法、装置和介质
CN111967733A (zh) * 2020-07-29 2020-11-20 国网甘肃省电力公司电力科学研究院 一种聚合群电源调峰潜力模糊综合评估方法
US20210326731A1 (en) * 2006-02-14 2021-10-21 Power Analytics Corporation Systems and Methods for Automatic Real-Time Capacity Assessment for Use in Real-Time Power Analytics of an Electrical Power Distribution System
CN113792974A (zh) * 2021-08-12 2021-12-14 华南理工大学 一种分布式广义储能汇聚协同方法
CN115310782A (zh) * 2022-07-20 2022-11-08 国网湖北省电力有限公司电力科学研究院 一种基于神经图灵机的电力用户需求响应潜力评估方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210326731A1 (en) * 2006-02-14 2021-10-21 Power Analytics Corporation Systems and Methods for Automatic Real-Time Capacity Assessment for Use in Real-Time Power Analytics of an Electrical Power Distribution System
US20180032928A1 (en) * 2015-02-13 2018-02-01 Beijing Didi Infinity Technology And Development C O., Ltd. Methods and systems for transport capacity scheduling
CN108830451A (zh) * 2018-05-04 2018-11-16 中国电力科学研究院有限公司 一种用户侧分布式储能的汇聚潜力评估方法及系统
CN110048420A (zh) * 2019-05-15 2019-07-23 广东电网有限责任公司 一种配电网随机优化调度的方法、装置和介质
CN111967733A (zh) * 2020-07-29 2020-11-20 国网甘肃省电力公司电力科学研究院 一种聚合群电源调峰潜力模糊综合评估方法
CN113792974A (zh) * 2021-08-12 2021-12-14 华南理工大学 一种分布式广义储能汇聚协同方法
CN115310782A (zh) * 2022-07-20 2022-11-08 国网湖北省电力有限公司电力科学研究院 一种基于神经图灵机的电力用户需求响应潜力评估方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐菁 等: "基于相对靶心度的区域电网低碳发展潜力评估", 《中国电机工程学报》 *
李波 等: "基于最优权重融合的火电机组智能燃烧优化方案评价", 《南方能源建设》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116957306A (zh) * 2023-09-20 2023-10-27 国网山西省电力公司营销服务中心 基于资源协同互动的用户侧响应潜力评估方法及系统
CN116957306B (zh) * 2023-09-20 2024-01-12 国网山西省电力公司营销服务中心 基于资源协同互动的用户侧响应潜力评估方法及系统

Also Published As

Publication number Publication date
CN115566740B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN110909983B (zh) 一种主动配电网电能质量多维评估方法
CN111860977B (zh) 短期负荷的概率预测方法和概率预测装置
CN109064023B (zh) 一种人力效能管理系统的方法和装置
CN109636146A (zh) 一种用户需求响应潜力画像方法
CN111460001B (zh) 一种配电网理论线损率评估方法及系统
CN115566740B (zh) 一种分布式可再生能源集群聚合调控潜力评估方法和装置
CN109492748A (zh) 一种基于卷积神经网络的电力系统的中长期负荷预测模型建立方法
CN104573857A (zh) 一种基于智能算法优化组合的电网负荷率预测方法
CN108898273B (zh) 一种基于形态分析的用户侧负荷特征聚类评价方法
CN112950067A (zh) 基于模糊综合评价的电力用户用电能效评估方法
CN111476438A (zh) 一种用户用电量预测方法、系统以及设备
CN111798333A (zh) 一种用能评估与用电安全分析方法和系统
CN113450031B (zh) 居民智慧用能服务潜在台区选取方法及装置
CN110929220A (zh) 一种配电网指标权重计算方法及装置
CN108256693B (zh) 一种光伏发电功率预测方法、装置及系统
CN109784748B (zh) 一种市场竞争机制下用户用电行为辨识方法及装置
CN116451911A (zh) 一种基于能力差距的装备技术体系评价方法及系统
CN111275337A (zh) 一种电力市场发展状态评价方法及系统
CN112419084B (zh) 一种配电网设备利用率的优化方法及装置
CN112039111A (zh) 一种新能源微电网参与电网调峰能力的方法及系统
CN114861967A (zh) 一种电力负荷预测方法、系统、装置及存储介质
CN113947251A (zh) 一种变压器的日最大负载率预测方法、装置、设备和介质
CN112488360A (zh) 基于人工智能的配变异常分析预警方法
CN111126565A (zh) 一种基于深度学习的地块负荷密度指标预测方法及装置
CN111401764B (zh) 一种基于cpn网络模型的图书馆用户满意度综合评估方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant