CN116599086A - 一种考虑新能源发电与负荷不确定性的储能调频控制方法 - Google Patents

Abstract

本发明涉及一种考虑新能源发电与负荷不确定性的储能调频控制方法。首先，建立考虑AGC的综合成本最小化的经济调度模型；其次得到AGC信号预测数据的特征并建立其概率分布函数；然后构建AGC信号不确定量的模糊集并用分布式鲁棒优化模型进行求解，得到调频资源的基本调度点；随后根据AGC功率需求的高频分量和储能运行约束，考虑电池储能SOC均衡及调频成本最优化建立电池储能AGC控制模型；最后用分布式一致性算法对AGC控制模型进行求解，得到储能集群的实时功率输出，维持电网频率稳定。本发明不仅通过综合考虑经济调度与频率控制，实现始终以经济成本最小化来调度和控制配电网内的调频资源，同时考虑了储能的SOC均衡，实现调频控制的可持续性。

Description

一种考虑新能源发电与负荷不确定性的储能调频控制方法

技术领域

本发明涉及一种考虑新能源发电与负荷不确定性的储能调频控制方法，属于电力系统技术领域。

背景技术

近年来，为应对能源供应、环境保护以及气候变化带来的巨大挑战，能源革命在世界范围内逐渐兴起，世界能源结构发生了重大变化。“双碳”战略的提出就要求我国能源结构需要加速向多元化、清洁化转变，同时发展重点由传统能源向新能源转变。以光伏、风力为代表的新能源发电，不仅优化了能源结构，同时还具有清洁、低碳、可再生等诸多优点。因此，构建以新能源为主体的新型电力系统对实现“双碳”目标、推动我国高质量发展意义重大。

然而，随着大规模新能源的并网，骨干电网消纳新能源的压力开始逐渐显现，弃风弃光现象频发。为了维持骨干电网的稳定，配电网作为能源生产、转换、消费的关键环节，更是可再生能源消纳的支撑平台，在双碳战略的牵引下，配电网逐渐成为电力系统核心。传统配电网通过经济调度和频率控制维持有功功率的平衡，但随着新能源在配网中渗透率的增加，频率调节由原本仅应对负荷不确定性，转而同时需要新能源发电和负荷的双重不确定性，不仅对调频资源的容量和爬坡率的要求变得更高，同时频率调节辅助服务的成本也增加，尤其是类似于储能等快速调频资源的加入，使得对调频资源的控制变得更加复杂。

当前的多数研究从调频资源运行的可持续性入手来提高调度的经济性能，忽略了一个合理且考虑全面的优化目标函数对于频率控制经济性的影响。

申请号为201910862624.7、名称为《一种考虑风光储提供柔性爬坡容量的实时经济调度方法》的发明专利申请(下文简称“专利一”)提出一种考虑风光储提供柔性爬坡容量，大大减轻了常规机组提供FRC的压力，同时通过提供多种提供FRC的“灵活源”组合，执行实时经济调度，灵活性高。

申请号为201910294381.1、名称为《一种基于储能装置SOC动态约束的微网经济调度方法》的发明专利申请(下文简称“专利二”)提出一种考虑储能SOC动态约束的经济调度方法，解决了现有为保障重要负荷的储能装置预留容量不足问题，确保在任意时刻脱网都能保障其供电不中断，减少了损失，提高了经济效益。

上述专利一以及专利二从经济调度的约束条件入手，确保运行时的持续性来提高经济调度的经济效益，但忽视了新能源高渗透率下频繁的频率调节导致AGC里程成本的显著增加，没有在目标函数中考虑调频成本，进而导致经济效益的下降。

申请号为202010333512.5、名称为《一种配电网侧规模化储能参与调频的双层控制方法》的发明专利申请(下文简称“专利三”)提出一种储能调频的双层控制方法，其中上层控制考虑经济性，下层控制考虑调频性能，在维持系统频率稳定的同时降低成本。

专利三考虑了经济性能但忽视了储能的SOC均衡，没有考虑到储能运行的可持续性。

综上所述，这些方法没有综合考虑经济调度与频率控制的协同，在提高经济性的同时维持储能的SOC均衡。

发明内容

本发明要解决的技术问题是：现有的。储能调频控制方法没有综合考虑经济调度与频率控制的协同，在提高经济性的同时维持储能的SOC均衡

为了解决上述技术问题，本发明的技术方案是提供了一种考虑新能源与负荷双重不确定性的储能调频控制方法，其特征在于，包括以下步骤：

步骤S1、获取经济调度模型的约束条件，建立考虑自动发电控制成本的综合成本最小的经济调度优化模型；

步骤S2、根据历史AGC信号数据，建立AGC信号特征值的概率分布并构建模糊集，将随机优化模型转化为分布式鲁棒优化模型并求解，得到调频资源的基本功率调度点，其中，AGC表示自动发电控制成本；

步骤S3、根据AGC功率需求的高频分量和储能运行约束，考虑电池储能SOC均衡及调频成本最优化建立电池储能AGC控制模型，如下式所示：

式中：I为储能有效运行范围集合；P^Sref(t)表示t时刻电池储能需要满足的总功率需求；D_S,i(t)表示t时刻第i台电池储能的调频耗量；P_i ^S(t)表示第i台电池储能的实时充放电功率；P_i ^SL(t)和P_i ^SU(t)表示储能满足其运行约束的充放电功率上下限；

步骤S4、对电池储能AGC控制模型用一致性分布式算法求解，不断迭代一致性变量直至得到最优解作为储能的功率输出值，实现电网频率控制。

优选地，步骤S1中，所述考虑自动发电控制成本的综合成本最小的经济调度优化模型的目标函数，如下式所示：

式中：表示电池储能的退化成本；/>和/>分别表示第i台电池储能在第n时刻的充电功率和放电功率；Ε^P表示求数学期望；/>表示第j台传统电机的发电成本；/>为第j台电机的发电功率，/>表示第j台传统电机在n时刻的平均输出功率值；/>表示调频资源的里程成本；Mn表示调节里程；PF_k,n表示第n时刻第k台设备的参与系数；S表示电池储能；G表示传统电机；{G,S}表示所有调频资源，即传统电机和电池储能。

优选地，步骤S1中，所述约束条件包括实时经济调度的约束条件、考虑AGC功率需求的机会约束以及储能的SOC约束。

优选地，其特征在于，所述实时经济调度的约束条件包括：

功率平衡约束：

功率上下限约束：

功率爬坡约束：

线路容量约束：

式中，是第i台电池储能在第n时刻的输出功率；/>是节点b在n时刻的负荷功率，b表示一个节点；P_k,min和P_k,max分别是传统电机或储能输出功率的上下限；/>表示第k个传统机组或者电池储能在n时刻的输出功率；rr_k是调频资源的爬坡率；T表示一个经济调度周期；f_l是线路l的容量；SF_l,b是线路l上节点b的转移因子；/>分别表示节点b中传统机组、电池储能以及新能源发电的向量值；/>分别表示传统电机、电池储能以及新能源发电的输出功率；

考虑AGC功率需求的机会约束有：

响应AGC信号需求下，调频资源的功率输出在其自身约束范围之内：

式中：PF_k,n是标号为k的调频资源的参与系数；P(·)表示该事件发生的概率；是一个经济调度周期中AGC信号特征值中的上分位数，/>是一个经济调度周期中AGC信号特征值中的下分位数；β表示规定的功率输出机会约束满足概率值；

同时，调频资源的爬坡率高于AGC功率需求的调节率：

式中，表示调节率上分位数，/>表示调节率下分位数；P(·)表示该事件发生的概率，β表示规定的爬坡率机会约束满足概率值

所有调频资源的参与系数应介于0-1之间，且参与系数之和应为1，即

储能的SOC约束有：

式中，SOC_i,n-1表示第i台电池储能在第n-1时刻的电池储能SOC值；是一个周期内AGC信号向上调节的累计值；/>是一个周期内AGC信号向下调节的累计值；CE_i表示第i台电池储能的容量；/>和/>分别表示储能的充电效率和放电效率；/>和/>分别表示电池储能SOC值的上限和下限。

优选地，所述步骤S2包括：

步骤S201、对AGC信号历史数据进行处理，提取累计调节能量累计调节里程M_n、调节幅度分位数/>以及调节率分位数/>然后用LSTM神经网络根据历史数据进行预测，并得到其概率分布；

步骤S202、采用Wasserstein度量从预测的AGC信号样本集中构建模糊集，从而找到一个最小化最坏情况下的决策；

步骤S203、根据步骤S1确立的目标函数及其约束条件，重新表述优化模型如下：

式中：表示为参与经济调度的所有储能的总退化成本；表示所有传统电机的总发电成本，E^Q表示对于满足模糊集的最差分布求期望，Β_ki表示调频参与系数矩阵，/>表示AGC信号的特征值向量，D_ki表示传统电机的发电成本；/>表示所有调频资源的调频里程成本，表示调频里程成本的参与系数矩阵；M_m表示机会约束中的系数矩阵，N_m表示和调频资源输出功率相关的函数矩阵，β_m表示规定的第m个机会约束式子满足的概率值，J表示所有机会约束的集合；

步骤S204、将AGC功率需求的机会约束转化为条件风险价值约束，随后将条件风险价值约束表述的约束条件乘以风险规避参数并添加到目标函数中；

步骤S205、用MATLAB中带的求解器进行求解，得到调频资源的基本调度点。

优选地，所述步骤S3包括：。

建立单个储能调频耗量函数如下：

式中：D_S,i(t)表示t时刻第i台电池储能的调频耗量，其为实时充放电功率和容量偏差的加权平方和，P_i ^S(t)表示第i台电池储能的实时充放电功率，表示第i台电池储能的容量偏差，CE_i(t)表示t时刻第i个电池储能容量，/>表示第i个电池储能额定容量，a_S,i和b_S,i分别为系数，Δt表示调频控制间隔时间；

储能运行受到额定功率、额定容量和爬坡速率及功率平衡约束的限制，如下所示：

P_i,min≤P_i ^S≤P_i,max

P_i ^S(t)∈Ω_P,i(t)∈{P_i ^S(t)|P_i ^SL(t)≤P_i ^S(t)≤P_i ^SU(t)}

式中：和/>表示储能的充放电爬坡速率范围；Ω_P,i(t)表示电池储能输出功率的可行区间；P_i ^SL(t)和P_i ^SU(t)表示储能满足其运行约束的充放电功率上下限；

考虑储能实时容量受其充放电功率影响，将储能调频耗量函数变换为以储能充放电功率为单一变量的函数形式，如下所示：

D_S,i(t)＝α_S,i[P_i ^S(t)]²+β_S,iP_i ^S(t)+γ_S,i

式中：α_S,i、β_S,i和γ_S,i分别是调频耗量函数二次项、一次项和常数项系数；

则建立AGC的优化模型如下：

式中：I为储能有效运行范围集合；P^Sref(t)表示t时刻电池储能需要满足的总功率需求。

优选地，所述步骤S4包括：

步骤S401、引入拉格朗日乘子λ，将原优化问题描述为如下所示的新优化问题：

步骤S402、当储能充放电功率在其上、下界内取值时，集群内各储能调频边际成本趋于一致且等于λ^*时，优化问题获得最优解，相应公式如下：

步骤S403、不断在相邻储能集群之间迭代一致性变量，直至达到一致，得到最优边际成本和最佳输出功率如下：

式中，β_S,i(t)表示电池储能调频损耗函数一次项系数，α_S,i表示电池储能调频损耗函数二次项系数，Ω_i(t)表示电池储能输出功率可行区间。

与现有技术相比，本发明具有以下有益效果：

(1)本发明综合考虑经济调度与频率控制，实现始终以经济成本最优化实现储能的功率分配并在实时经济调度模型中考虑自动发电控制(Automatic GenerationControl，下文简称AGC)的成本，提高了实时经济调度的经济性；

(2)本发明采用基于Wasserstein度量的分布式鲁棒优化模型，其相对于鲁棒优化模型在具有更优的经济效益的同时兼顾鲁棒性。

(3)本发明在AGC控制模型中考虑了储能的SOC均衡，在降低储能调频成本的同时实现储能的SOC均衡，实现储能调频的可持续性运行。

附图说明

图1为本发明实施流程示意图；

图2为实时经济调度模型流程图；

图3为频率跟踪曲线图。

具体实施方式

下面结合具体实施例进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明公开了一种考虑新能源与负荷双重不确定性的储能调频控制方法，可适用于分布式的电池储能集群。首先，本发明建立考虑AGC成本的综合成本最小化的经济调度模型；其次，本发明根据AGC信号历史数据的几个特征值，得到AGC信号预测数据的特征并建立其概率分布函数；然后，本发明衡量AGC信号特征量预测值的真实概率分布和参考概率分布之间的距离，构建AGC信号不确定量的模糊集并用分布式鲁棒优化模型进行求解，得到调频资源的基本调度点；随后，本发明根据AGC功率需求的高频分量和储能运行约束，考虑电池储能SOC均衡及调频成本最优化建立电池储能AGC控制模型；最后，本发明用分布式一致性算法对AGC控制模型进行求解，得到储能集群的实时功率输出，维持电网频率稳定。

具体而言，如图1所示，本发明公开的一种考虑新能源与负荷双重不确定性的储能调频控制方法包括以下步骤：

步骤S1、获取经济调度模型的约束条件，建立考虑AGC成本的综合成本最小的经济调度优化模型。

作为一种优选实施方式，步骤S1进一步包括以下内容：

建立经济调度模型的实时经济调度目标函数，如下式所示：

式中：表示电池储能的退化成本；/>和/>分别表示第i台电池储能在第n时刻的充电功率和放电功率；Ε^P表示求数学期望；/>表示第j台传统电机的发电成本；/>为第j台电机的发电功率，/>表示第j台传统电机在n时刻的平均输出功率；/>表示调频资源的里程成本；Mn表示调节里程；PF_k,n表示第n时刻第k台设备的参与系数；S表示电池储能；G表示传统电机；{G,S}表示所有调频资源，即传统电机和电池储能。

经济调度模型的约束条件包括实时经济调度的约束条件，考虑AGC功率需求的机会约束以及储能的SOC约束，其中：

实时经济调度的约束条件有功率平衡约束、功率上下限约束、功率爬坡约束、线路容量约束，分别表示为

功率平衡约束：

功率上下限约束：

功率爬坡约束：

n线路容量约束：

式中，是第i台电池储能在第n时刻的输出功率；/>是节点b在n时刻的负荷功率，b表示一个节点；P_k,min和P_k,max分别是传统电机或储能输出功率的上下限；/>表示第k个传统机组或者电池储能在n时刻的输出功率；rr_k是调频资源的爬坡率；T表示一个经济调度周期；f_l是线路l的容量；SF_l,b是线路l上节点b的转移因子；/>分别表示节点b中传统机组、电池储能以及新能源发电的向量值；/>分别表示传统电机、电池储能以及新能源发电的输出功率。

考虑AGC功率需求的机会约束有：

响应AGC信号需求下，调频资源的功率输出应在其自身约束范围之内：

式中：PF_k,n是标号为k的调频资源的参与系数；P(·)表示该事件发生的概率；是一个经济调度周期中AGC信号特征值中的上分位数，/>是一个经济调度周期中AGC信号特征值中的下分位数；β表示规定的功率机会约束应满足概率值。

同时，调频资源的爬坡率应高于AGC功率需求的调节率：

式中，表示调节率上分位数，/>表示调节率下分位数，P(·)表示该事件发生的概率，β表示规定的爬坡率机会约束应满足概率值。

所有调频资源的参与系数应介于0-1之间，且参与系数之和应为1，即

储能的SOC约束有：

式中，SOC_i,n-1表示第i台电池储能在第n-1时刻的电池储能SOC值；是一个周期内AGC信号向上调节的累计值；/>是一个周期内AGC信号向下调节的累计值；CE_i表示第i台电池储能的容量；/>和/>分别表示储能的充电效率和放电效率；/>和/>分别表示电池储能SOC值的上限和下限。

步骤S2、根据历史AGC信号数据，建立AGC信号特征值的概率分布并构建模糊集，将随机优化模型转化为分布式鲁棒优化模型并求解，得到调频资源的基本功率调度点。

作为一种优选实施方式，步骤S2进一步包括以下内容：

步骤S201、对AGC信号历史数据进行处理，提取以下几个特征值分别为：累计调节能量累计调节里程M_n、调节幅度分位数/>以及调节率分位数/>然后用LSTM神经网络根据历史数据进行预测，并得到其概率分布。

步骤S202、采用Wasserstein度量从预测的AGC信号样本集中构建模糊集，从而找到一个最小化最坏情况下的决策。基于Wasserstein距离的鲁棒优化算法需要先粗略设定随机变量所在集合，一般取多面集Ξ＝{ξ|Cξ≤d}。同时，瓦瑟斯坦球提供的半径量化置信上限相对于其他方法来说可以实现更优异的性能，其具体定义如下：

基于瓦瑟斯坦度量，确定AGC信号数据的模糊集如下：

式中：Q表示多面集上所有支持的AGC概率分布；是AGC信号的基于Copula函数预测的经验分布；/>表示两个分布之间的Wasserstein距离；S(Ξ)表示满足半径要求的Wasserstein球；ε是瓦瑟斯坦球半径；/>则是以预测的分布为中心、以ε为半径的分布集，即AGC信号分布的模糊集。

步骤S203、根据步骤S1确立的目标函数及其约束条件，重新表述优化模型如下(除此之外，还需满足先前所述的实时经济调度约束)：

式中：表示为参与经济调度的所有储能的总退化成本；表示所有传统电机的总发电成本，E^Q表示满足模糊集的最差分布的期望值，Β_ki表示调频参与系数矩阵，/>表示AGC信号的特征值向量，D_ki表示传统电机的发电成本矩阵形式；/>表示所有调频资源的调频里程成本，/>表示调频里程成本的参与系数矩阵；约束条件则是对上述AGC功率需求以及储能SOC机会约束的简写，M_m表示机会约束的系数矩阵，N_m表示调频资源输出功率相关的函数矩阵，β_m表示第m个机会约束式子满足的概率值，J表示所有机会约束的集合。

步骤S204、将AGC功率需求的机会约束转化为条件风险价值(CVaR)约束，其约束条件表示如下：

式中，表示第m个机会约束的风险值。随后将CvaR表述的约束条件乘以风险规避参数并添加到目标函数中，其表达如下：

Q表示多面集上所有支持的AGC概率分布；是AGC信号的经验分布；ρ为风险规避参数；/>表示第m个机会约束的风险值。

步骤S205、用MATLAB中带的求解器进行求解，得到调频资源的基本调度点。

步骤S3、根据AGC功率需求的高频分量和储能运行约束，考虑电池储能SOC均衡及调频成本最优化建立电池储能AGC控制模型。

作为一种优选实施方式，步骤S3进一步包括以下内容：

获取AGC信号的高频分量，确立面向调频需求确立储能集群均衡控制的目标函数，包括以下步骤：

步骤S301、建立单个储能调频耗量函数如下：

式中：D_S,i(t)表示t时刻第i台电池储能的调频耗量，其为实时充放电功率和容量偏差的加权平方和，P_i ^S(t)表示第i台电池储能的实时充放电功率，表示第i台电池储能的容量偏差，CE_i(t)表示t时刻第i个电池储能容量，/>表示第i个电池储能额定容量，a_S,i和b_S,i分别为系数，Δt表示调频控制间隔时间。

进一步地，储能运行受到额定功率、额定容量和爬坡速率及功率平衡约束的限制，如下所示：

P_i,min≤P_i ^S≤P_i,max

P_i ^S(t)∈Ω_P,i(t)∈{P_i ^S(t)|P_i ^SL(t)≤P_i ^S(t)≤P_i ^SU(t)}

式中：和/>表示储能的充放电爬坡速率范围；Ω_P,i(t)表示电池储能输出功率的可行域；P_i ^SL(t)和P_i ^SU(t)表示储能满足其运行约束的充放电功率上下限。

进一步地，考虑储能实时容量受其充放电功率影响，可将储能调频耗量函数变换为以储能充放电功率为单一变量的函数形式，如下所示：

D_S,i(t)＝α_S,i[P_i ^S(t)]²+β_S,iP_i ^S(t)+γ_S,i

式中：α_S,i、β_S,i和γ_S,i分别是调频耗量函数二次项、一次项和常数项系数。

则综合上述式子建立AGC的优化模型如下：

式中：I为储能有效运行范围集合；P^Sref(t)表示t时刻电池储能需要满足的总功率需求。

步骤S4、对电池储能AGC优化模型用一致性分布式算法求解，不断迭代一致性变量直至得到最优解作为储能的功率输出值，实现电网频率控制。

作为一种优选实施方式，步骤S4进一步包括以下内容：

用一致性分布式算法求解包括以下步骤：

步骤S401、引入拉格朗日乘子λ，可将原优化问题描述为如下所示的新优化问题，两者具有相同的最优解。

步骤S402、根据Lagrange极值条件可推算得到，当储能充放电功率在其上、下界内取值时，集群内各储能调频边际成本趋于一致且等于λ^*时，优化问题获得最优解，相应公式如下：

步骤S403、不断在相邻储能集群之间迭代一致性变量，直至达到一致，得到最优边际成本和最佳输出功率如下：

式中，β_S,i(t)表示电池储能调频损耗函数一次项系数，α_S,i表示电池储能调频损耗函数二次项系数，Ω_i(t)表示电池储能输出功率可行域。

综上，得到储能的输出功率分配方案。

本发明公开的方法不仅通过综合考虑经济调度与频率控制，实现始终以经济成本最小化来调度和控制配电网内的调频资源，同时考虑了储能的SOC均衡，实现调频控制的可持续性。

Claims (7)

1.一种考虑新能源与负荷双重不确定性的储能调频控制方法，其特征在于，包括以下步骤：

步骤S1、获取经济调度模型的约束条件，建立考虑自动发电控制成本的综合成本最小的经济调度优化模型；

步骤S2、根据历史AGC信号数据，建立AGC信号特征值的概率分布并构建模糊集，将随机优化模型转化为分布式鲁棒优化模型并求解，得到调频资源的基本功率调度点，其中，AGC表示自动发电控制成本；

步骤S3、根据AGC功率需求的高频分量和储能运行约束，考虑电池储能SOC均衡及调频成本最优化建立电池储能AGC控制模型，如下式所示：

式中：I为储能有效运行范围集合；P^Sref(t)表示电池储能需要满足的总功率需求；D_S,i(t)表示t时刻第i台电池储能的调频耗量；P_i ^S(t)表示第i台电池储能的实时充放电功率；P_i ^SL(t)和P_i ^SU(t)表示储能满足其运行约束的充放电功率上下限；

步骤S4、对电池储能AGC控制模型用一致性分布式算法求解，不断迭代一致性变量直至得到最优解作为储能的功率输出值，实现电网频率控制。

2.如权利要求1所述的一种考虑新能源与负荷双重不确定性的储能调频控制方法，其特征在于，步骤S1中，所述考虑自动发电控制成本的综合成本最小的经济调度优化模型的目标函数，如下式所示：

式中：表示电池储能的退化成本；/>和/>分别表示第i台电池储能在第n时刻的充电功率和放电功率；Ε^P表示求数学期望；/>表示传统电机的发电成本；/>为第j台电机的发电功率，/>表示第j台传统电机在n时刻的平均输出功率值；/>表示调频资源的里程成本；Mn表示调节里程；PF_k,n表示第n时刻第k台设备的参与系数；S表示电池储能；G表示传统电机；{,S}表示所有调频资源，即传统电机和电池储能。

3.如权利要求1所述的一种考虑新能源与负荷双重不确定性的储能调频控制方法，其特征在于，步骤S1中，所述约束条件包括实时经济调度的约束条件、考虑AGC功率需求的机会约束以及储能的SOC约束。

4.如权利要求3所述的一种考虑新能源与负荷双重不确定性的储能调频控制方法，其特征在于，所述实时经济调度的约束条件包括：

功率平衡约束：

功率上下限约束：

功率爬坡约束：

线路容量约束：

式中，是第i台电池储能在第n时刻的输出功率；/>是节点b在n时刻负荷功率，b表示一个节点；P_k,min和P_k,max分别是传统电机或储能输出功率的上下限；/>表示第k个传统机组或者电池储能在n时刻的输出功率；rr_k是调频资源的爬坡率；T表示一个经济调度周期；f_l是线路l的容量；SF_l,b是线路l上节点b的转移因子；/>分别表示节点b中传统机组、电池储能以及新能源发电的向量值；/>分别表示传统电机、电池储能以及新能源发电的输出功率；

考虑AGC功率需求的机会约束有：

响应AGC信号需求下，调频资源的功率输出在其自身约束范围之内：

式中：PF_k,n是标号为k的调频资源的参与系数；P(·)表示该事件发生的概率；是一个经济调度周期中AGC信号特征值中的上分位数，/>是一个经济调度周期中AGC信号特征值中的下分位数；β表示规定的功率输出机会约束应满足的概率值；

同时，调频资源的爬坡率高于AGC功率需求的调节率：

式中，表示调节率上分位数，/>表示调节率下分位数，P(·)表示该事件发生的概率，β表示规定的爬坡率机会约束应满足的概率值；

所有调频资源的参与系数应介于0-1之间，且参与系数之和应为1，即

储能的SOC约束有：

式中，SOC_i,n-1表示第i台电池储能在第n-1时刻的电池储能SOC值；是一个周期内AGC信号向上调节的累计值；/>是一个周期内AGC信号向下调节的累计值；CE_i表示第i台电池储能的容量；/>和/>分别表示储能的充电效率和放电效率；SOC^max _i和SOC^min _i分别表示电池储能SOC值的上限和下限。

5.如权利要求4所述的一种考虑新能源与负荷双重不确定性的储能调频控制方法，其特征在于，所述步骤S2包括：

步骤S201、对AGC信号历史数据进行处理，提取累计调节能量累计调节里程M_n、调节幅度分位数/>以及调节率分位数/>然后用LSTM神经网络根据历史数据进行预测，并得到其概率分布；

步骤S202、采用Wasserstein度量从预测的AGC信号样本集中构建模糊集，从而找到一个最小化最坏情况下的决策；

步骤S203、根据步骤S1确立的目标函数及其约束条件，重新表述优化模型如下：

式中：表示为参与经济调度的所有储能的总退化成本；表示所有传统电机的总发电成本，E^Q表示对于满足模糊集最差分布的求期望，Β_ki表示调频参与系数矩阵，/>表示AGC信号的特征值向量，D_ki表示传统电机的发电成本；/>表示所有调频资源的调频里程成本，表示调频里程成本的参与系数矩阵；M_m表示机会约束系数矩阵，N_m表示调频资源输出功率相关的函数矩阵，β_m表示第m个机会约束式子应满足的概率值，J表示机会约束的集合；

步骤S204、将AGC功率需求的机会约束转化为条件风险价值约束，随后将条件风险价值约束表述的约束条件乘以风险规避参数并添加到目标函数中；

步骤S205、用MATLAB中带的求解器进行求解，得到调频资源的基本调度点。

6.如权利要求4所述的一种考虑新能源与负荷双重不确定性的储能调频控制方法，其特征在于，所述步骤S3包括：。

建立单个储能调频耗量函数如下：

式中：D_S,i(t)表示t时刻第i台电池储能的调频耗量，其为实时充放电功率和容量偏差的加权平方和，P_i ^S(t)表示第i台电池储能的实时充放电功率，表示第i台电池储能的容量偏差，CE_i(t)表示t时刻电池储能的容量，/>表示电池储能的额定容量，a_S,i和b_S,i分别为系数，Δt表示调频控制间隔时间；

储能运行受到额定功率、额定容量和爬坡速率及功率平衡约束的限制，如下所示：

P_i,min≤P_i ^S≤P_i,max

P_i ^S(t)∈Ω_P,i(t)∈{P_i ^S(t)|P_i ^SL(t)≤P_i ^S(t)≤P_i ^SU(t)}

式中：和/>表示储能的充放电爬坡速率范围；Ω_P,i(t)表示电池储能输出的可行区间；P_i ^SL(t)和P_i ^SU(t)表示储能满足其运行约束的充放电功率上下限；

考虑储能实时容量受其充放电功率影响，将储能调频耗量函数变换为以储能充放电功率为单一变量的函数形式，如下所示：

D_S,i(t)＝α_S,i[P_i ^S(t)]²+β_S,iP_i ^S(t)+γ_S,i

式中：α_S,i、β_S,i和γ_S,i分别是调频耗量函数二次项、一次项和常数项系数；

则建立AGC的优化模型如下：

式中：I为储能有效运行范围集合；P^Sref(t)表示t时刻电池储能需要满足的总功率需求。

7.如权利要求6所述的一种考虑新能源与负荷双重不确定性的储能调频控制方法，其特征在于，所述步骤S4包括：

步骤S401、引入拉格朗日乘子λ，将原优化问题描述为如下所示的新优化问题：

步骤S402、当储能充放电功率在其上、下界内取值时，集群内各储能调频边际成本趋于一致且等于λ^*时，优化问题获得最优解，相应公式如下：

步骤S403、不断在相邻储能集群之间迭代一致性变量，直至达到一致，得到最优边际成本和最佳输出功率如下：

式中，β_S,i(t)表示电池储能调频损耗函数一次项系数，α_S,i表示电池储能调频损耗函数二次项系数，Ω_i(t)表示电池储能输出功率可行域。