CN118229013A - 分布式光伏资源管理方法和装置 - Google Patents

Abstract

本发明涉及电力技术领域，具体公开一种分布式光伏资源管理方法和装置，该方法包括：首先建立价格场景集和分布式能源出力场景集；然后基于Kantorovich距离对构建的场景集进行场景缩减，得到目标场景集；基于目标场景集计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益和实时市场备用调用电量收益，确定分布式能源聚集商的经济收益期望；以及结合预设风险规避系数和条件风险价值因素，确定分布式能源聚集商的目标函数；以及基于确定的约束对目标函数进行求解。如此，聚集商作为供需者参与电力市场，可在不同时段根据上述方案确定最优的分布式光伏资源的调度。

Description

分布式光伏资源管理方法和装置

技术领域

本发明涉及电力资源调度技术领域，具体涉及一种分布式光伏资源管理方法和虚拟装置。

背景技术

随着分布式能源在电力系统中渗透率的提高及种类的丰富，除了具有价格弹性的负荷资源，分布式光伏发电等分布式电源及分布式储能设备等分布零散的分布式能源可通过聚集商的统一管理参与电力市场。

通过聚集商对多种分布式能源进行统一管理，一方面，可提升分布式能源所有者自身的经济效益；另一方面，可为系统提供调度分布式能源的有效途径，在提升系统运行效益的同时降低分布式能源入网运行对系统运行稳定性及电能质量的不利影响。

但是现有技术中，在面对市场价格波动及分布式能源出力随机性两方面不确定性的影响，聚集商对分布式光伏管理的效果并不理想，因此，亟需一种针对分布式能源聚集商的分布式光伏管理方案，以提高管理效果，优化分布式光伏电力资源的调度。

发明内容

有鉴于此，本发明的目的在于提供一种分布式光伏资源管理方法和装置，以优化现有技术中对于分布式光伏电力资源调度，加快分布式光伏的发展。

为实现以上目的，本发明采用如下技术方案：

第一方面，本申请实施例提供一种分布式光伏资源管理方法，包括：

基于实时阶段的实时能量电价和备用电量电价，和日前阶段的日前能量电价建立价格场景集；和基于蒙特卡洛抽样原理建立分布式能源出力场景集；

基于Kantorovich距离原理对所述价格场景集和所述分布式能源出力场景集中的场景进行缩减，得到目标场景集；

基于所述目标场景集计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益、实时市场备用调用电量收益，确定所述分布式能源聚集商的经济收益期望；

基于所述经济收益期望、预设风险规避系数和条件风险价值因素，确定所述分布式能源聚集商的目标函数；

确定目标约束，并基于所述目标约束对所述目标函数进行求解，得到所述分布式光伏聚集商的最优策略，以使所述分布式光伏聚集商基于所述最优策略对分布式光伏资源进行调度。

进一步地，还包括：确定分布式光伏供应结构，所述分布式光伏供应结构包括：多类型能源聚合结构和分布式光伏聚合结构；

所述多类型能源聚合结构中包括：可控分布式发电机组、分布式光伏发电机组、分布式风力发电机组、价格弹性负荷和电动汽车；

所述分布式光伏聚合结构中包括：分布式光伏发电机组。

进一步地，针对所述多类型能源聚合结构，所述基于所述目标场景集计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益和实时市场备用调用电量收益，确定所述分布式能源聚集商的经济收益期望，包括通过如下公式确定所述分布式能源聚集商的经济收益期望：

其中，B为所述分布式能源聚集商的经济收益期望，NΩ为所述目标场景集中的电价场景集中的场景数量；ω为所述目标场景集中的电价场景；π为所述目标场景集中场景的概率；NΓ为所述目标场景集中分布式能源出力场景集中的场景数量；τ为所述分布式能源出力场景集中的出力场景；为所述分布式能源聚集商的日前市场能量收益；/>为所述分布式能源聚集商的日常市场备用容量收益；/>为所述分布式能源聚集商的实时市场能量差额交割收益；/>为所述分布式能源聚集商的实时市场备用调用电量收益；/>为分布式能源管理净收入。

进一步地，所述基于所述目标场景集计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益和实时市场备用调用电量收益，确定所述分布式能源聚集商的经济收益期望，包括：

通过如下公式计算所述分布式能源聚集商的日前市场能量收益和日前市场备用容量收益：

其中，为所述分布式能源聚集商的日前市场能量收益；/>为电价场景ω下的日前电价；/>为所述分布式能源聚集商在日前市场的申报电量；/>为所述分布式能源聚集商的日前市场备用容量收益；/>为备用容量电价；R_ω,t为备用容量申报；T和t对应时间；

通过如下公式计算所述分布式能源聚集商的实时市场能量收益和实时市场备用调用电量收益：

其中，为所述分布式能源聚集商的实时市场能量差额交割收益；/>为电价场景ω下的实时电价；/>为日前能量申报与分布式能源实际出力的差额；/>为所述分布式能源聚集商因日前能量申报与分布式能源实际出力存在差额而承担的惩罚；

为所述分布式能源聚集商的实时市场备用调用电量收益；/>和/>分别为备用调用比例和所述分布式能源聚集商未能满足的备用调用比例；/>和/>分别为备用电量电价及备用差额惩罚；

通过如下公式计算所述分布式能源管理净收入：

其中，为所述分布式能源管理净收入；/>为负荷管理收入；/>为聚集商内部分布式电源管理成本；/>为及电动汽车管理净收入；

及/>依次分别为负荷水平、需求响应调用量、所述分布式能源聚集商内部的分布式电源出力、电动汽车充电量和放电量；/>为市场零售电价信号；/>为需求响应补偿；/>为电动汽车的充电状态系数；/>和/>分别为所述分布式能源聚集商内部的分布式电源的发电成本系数。

进一步地，所述约束包括：电量平衡约束和分布式能源特性约束；

所述分布式能源特性约束包括负荷平衡约束、需求响应调用约束、分布式风电机组、光伏机组的出力约束、光伏机组的电动汽车充放电量约束以及电池状态约束。

进一步地，所述基于所述经济收益期望、预设风险规避系数和条件风险价值因素，确定所述分布式能源聚集商的目标函数，包括：通过如下公式计算所述目标函数：

maxf＝(1-β)·B+β·CVaR；

其中，β∈[0,1]为所述分布式能源聚集商市场策略的风险规避系数；CVaR为所述条件风险价值因素。

进一步地，所述基于所述经济收益期望、预设风险规避系数和条件风险价值因素，确定所述分布式能源聚集商的目标函数，还包括：基于条件风险价值因素对所述目标函数进行线性转换，转换后的目标函数如下：

其中，θ和η_s为辅助变量，θ＝VaR_α为置信概率α下的风险价值；Ns为所述目标场景集中场景的数量；π_s为场景s的概率。

第二方面，本申请实施例还提供一种分布式光伏管理装置，包括：

场景确定模块，用于基于实时阶段的实时能量电价和备用电量电价，和日前阶段的日前能量电价建立价格场景集；和基于蒙特卡洛抽样原理建立分布式能源出力场景集；

场景缩减模块，用于基于Kantorovich距离原理对所述价格场景集和所述分布式能源出力场景集中的场景进行缩减，得到目标场景集；

目标函数确定模块，用于基于所述目标场景集计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益、实时市场备用调用电量收益和分布式能源管理净收入，确定所述分布式能源聚集商的经济收益期望值；和基于所述经济收益期望、预设风险规避系数和条件风险价值因素，确定所述分布式能源聚集商的目标函数；

求解模块，用于确定目标约束；并基于所述目标约束对所述目标函数进行求解，得到所述分布式光伏聚集商的最优策略，以使所述分布式光伏聚集商基于所述最优策略对分布式光伏资源进行调度。

本发明提供的技术方案至少具备如下有益效果：

本发明涉及电力资源调度技术领域，具体公开一种分布式光伏资源管理方法和装置，该方法包括：基于实时阶段的实时能量电价和备用电量电价，和日前阶段的日前能量电价建立价格场景集；和基于蒙特卡洛抽样原理建立分布式能源出力场景集；基于Kantorovich距离原理对所述价格场景集和所述分布式能源出力场景集中的场景进行缩减，得到目标场景集；基于所述目标场景集计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益、实时市场备用调用电量收益，确定所述分布式能源聚集商的经济收益期望；基于所述经济收益期望、预设风险规避系数和条件风险价值因素，确定所述分布式能源聚集商的目标函数；确定目标约束，并基于所述目标约束对所述目标函数进行求解，得到所述分布式光伏聚集商的最优策略，以使所述分布式光伏聚集商基于所述最优策略对分布式光伏资源进行调度。如此，聚集商作为供需者参与电力市场，可在不同时段根据上述方案确定对分布式光伏等电力进行合理调度。

附图说明

为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的分布式光伏资源管理方法的流程示意图；

图2为本申请实施例提供的分布式光伏资源管理方法的原理示意图；

图3为本申请实施例提供的分布式光伏资源管理装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

为了至少在一定程度上解决上述背景技术中提到的技术问题，本发明采用示例性实施例提供分布式光伏资源管理方法，图1为本申请实施例提供的分布式光伏资源管理方法的流程示意图，如图1所示，该方法可以包括：

S101、基于实时阶段的实时能量电价和备用电量电价，和日前阶段的日前能量电价建立价格场景集；和基于蒙特卡洛抽样原理，从历史出力数据中抽取分布式能源出力数据，建立分布式能源出力场景集。

具体的，对于分布式能源聚集商即本申请下文中提到的聚集商参与电力市场运营时，不确定性主要有两个来源：电力市场价格波动和分布式能源出力随机性。在本申请中，可以首先建立包括两个阶段(即日前阶段和实时阶段)的电价场景集Ω，其中，在日前阶段包括日前能量电价；在实时阶段包括实时能量电价和备用电量电价。以及利用蒙特卡洛抽样原理建立分布式能源出力场景集Γ。

S102、基于Kantorovich距离原理对价格场景集和分布式能源出力场景集中的场景进行缩减，得到目标场景集。

具体的，例如场景集Ω和Γ中包含的场景个数分别为NΩ⁰和NΓ⁰。总场景数(即场景集Ω和Γ共同组成的场景)NS⁰＝NΩ⁰·NΓ⁰。需要说明的是，在实际应用中，为了提高随机优化的精度，场景个数NΩ⁰和NΓ⁰通常很大。但是过大的总场景数NS⁰会导致计算规模增大，效率降低。

所以在本申请中，采用Kantorovich距离原理分别对上述两个场景集中的场景进行缩减，得到原创景集的子集即目标场景集。

S103、基于目标场景集计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益、实时市场备用调用电量收益，确定分布式能源聚集商的经济收益期望。

S104、基于经济收益期望、预设风险规避系数和条件风险价值因素，确定分布式能源聚集商的目标函数。

具体的，基于上述步骤中得到的目标场景集，分别计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益、实时市场备用调用电量收益，确定分布式能源聚集商的经济收益期望。以及结合设风险规避系数和条件风险价值因素，建立考虑不确定性的分布式能源聚集商的目标函数。

S105、确定目标约束，并基于目标约束对目标函数进行求解，得到分布式光伏聚集商的最优策略，以使分布式光伏聚集商基于最优策略对分布式光伏资源进行调度。

具体的，本申请提出来针对上述两阶段(即日前阶段和实时阶段)的竞价约束，如包括电量平衡约束和分布式能源特性约束；其中，分布式能源特性约束包括负荷平衡约束、需求响应调用约束、分布式风电机组、光伏机组的出力约束、光伏机组的电动汽车充放电量约束以及电池状态约束等。

本发申请实施例提供的分布式光伏资源管理方法，包括：基于实时阶段的实时能量电价和备用电量电价，和日前阶段的日前能量电价建立价格场景集；和基于蒙特卡洛抽样原理建立分布式能源出力场景集；基于Kantorovich距离原理对所述价格场景集和所述分布式能源出力场景集中的场景进行缩减，得到目标场景集；基于所述目标场景集计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益、实时市场备用调用电量收益，确定所述分布式能源聚集商的经济收益期望；基于所述经济收益期望、预设风险规避系数和条件风险价值因素，确定所述分布式能源聚集商的目标函数；确定目标约束，并基于所述目标约束对所述目标函数进行求解，得到所述分布式光伏聚集商的最优策略，以使所述分布式光伏聚集商基于所述最优策略对分布式光伏资源进行调度。如此，聚集商作为供需者参与电力市场，可在不同时段根据上述方案确定对分布式光伏等电力进行合理调度。

针对上述对场景集的缩减，需要说明的是：

假设n维数据集对应概率分布P，可用一个有限场景集及各场景对应的概率p_i，/>进行描述，其中i为各个场景，t和T对应时间。场景缩减即获得原场景集的一个子集ξ，/>求取其对应场景概率分布Q，q_j，j＝1，2，…，S与各场景对应，使Q与P的概率距离最小。概率距离在场景值和场景概率之间取得平衡，离散概率分布的有限场景概率距离可用Kantorovich距离(DK)表示：

其中|·|是/>上的范数，表示了整个时间尺度上各场景之间的距离。概率分布Q对应场景ξ^j∈{ξ}的上标j∈{1,2,…S}，J。其中场景子集/>的概率分布Q与概率分布P有最小DK距离如下：

场景ξ^j对应的概率q_j如公式(3)所示。

其中，根据公式(3)，缩减场景集中场景ξ^j对应的概率是其原概率及所有根据c_T被缩减的场景的概率之和，被缩减场景的概率是0。

在本申请中，缩减后的电价场景集和分布式能源出力场景集/>构成目标场景集S，其中每个场景可用/>表示,其中/>为所述目标场景集中的电价场景，/>为所述分布式能源出力场景集中的出力场景；两个场景集(缩减后目标场景中的价格场景集和分布式能源出力场景集)中的场景数量分别是NΩ和NΓ。电价场景和分布式能源场景不具有相关性，因此场景s的对应概率是π_s＝π_ω·π_τ。

进一步地，在本申请一些实施例中，还包括确定分布式光伏供应结构，其中，分布式光伏供应结构包括：多类型能源聚合结构和分布式光伏聚合结构。多类型能源聚合结构中包括：可控分布式发电机组、分布式光伏发电机组、分布式风力发电机组、价格弹性负荷和电动汽车；分布式光伏聚合结构中包括：分布式光伏发电机组。

具体的，对于分布式光伏供应商存在多种参与市场的方式，本申请建立上述两种分布式光伏供应结构，进行资源调控。

在多类型能源聚合结构中，聚集商管理多种分布式能源，包括可控分布式发电机组、分布式光伏发电机组、分布式风力发电机组、价格弹性负荷以及电动汽车。其中，分布式电源中，可控分布式电源即可控分布式发电机组的所有权归聚集商所有，聚集商需负担其出力成本。聚集商可以通过合同获得不可控分布式电源(如上述提到的分布式光伏发电机组、分布式风力发电机组)的发电量，即聚集商与分布式电源所有者签订合同，对单位发电量支付合同规定的价格。价格弹性负荷及电动汽车根据自愿原则接受聚集商的管理，若提供DR即需求响应服务则获得相应经济补偿。如此，在得出最终DEA即电力市场交易的利润之后，通过利润分配方法如Shapely值方法，将所得利润分配给参与市场的分布式光伏聚合商。

进一步地，针对上述多类型能源聚合结构，建立考虑不确定性的分布式能源聚集商的目标函数，具体如下：

max f＝(1-β)·B+β·CVaR (4)

其中，β∈[0,1]为预设风险规避系数即聚集商市场策略的风险规避系数，聚集商的风险偏好越趋于规避，β值越大，其市场策略也越保守。B为聚集商的经济收益期望值，由聚集商在日前市场(DAM)的能量收益即日前市场能量收益、备用容量收益即日前市场备用容量收益，和在实时市场(RTM)的能量差额交割收益即实时市场能量差额交割收益，以及备用调用电量收益即实时市场备用调用电量收益组成，具体如下列公式(5)：

其中，为分布式能源聚集商的日前市场能量收益；/>为分布式能源聚集商的日常市场备用容量收益；/>为分布式能源聚集商的实时市场能量差额交割收益；/>为分布式能源聚集商的实时市场备用调用电量收益；/>为分布式能源管理净收入。

具体的，针对DAM：

其中，为聚集商的DAM主能量市场收入即分布式能源聚集商的日前市场能量收益；/>是电价场景ω下的日前电价；/>为聚集商在DAM的申报电量；由于其供需者的特性，若/>聚集商内部分布式电源(DG)出力高于负荷水平，向市场售电；反之聚集商作为电力需求者从市场购电。/>是聚集商在DAM的备用容量收入即分布式能源聚集商的日常市场备用容量收益；/>是备用容量电价；R_ω,t是备用容量申报。

针对RTM：

其中，是聚集商在RTM的能量差额结算收入即分布式能源聚集商的实时市场能量差额交割收益；/>是电价场景ω下的实时电价；/>是日前能量申报与分布式能源实际出力的差额，正差额即聚集商净出力高于其日前申报电量，聚集商可在RTM获得额外收入；反之若差额为负，聚集商遭受损失。无论差额正负，聚集商均需承担相应惩罚/>

是聚集商在RTM的备用调用收入及未能按日前申报容量满足备用调用所遭受的惩罚即分布式能源聚集商的实时市场备用调用电量收益。其中，k_ω,τ,t和/>分别是备用调用比例及聚集商未能满足的备用调用比例。/>和/>分别是备用电量电价及备用差额惩罚。

是聚集商的分布式能源管理净收入，由负荷管理收入/>DG管理成本/>及EV即电动汽车管理净收入/>构成，其计算分别如公式(11)–(13)所示。

公式(11)–(13)中，及/>分别是负荷水平、DR即需求响应调用量、DG出力即分布式能源聚集商内部的分布式电源出力，及EV即电动汽车充、放电量。/>是市场零售电价信号；/>是DR补偿；/>是电动汽车的充电状态系数，若/>电动汽车充电，若/>电动汽车放电。在公式(12)中，/>和/>分别是DG_j的发电成本系数。若聚集商通过合同获得DG发电量，则/> 是合同规定的单位电量价格。

进一步地，在本申请另一些实施例中，还可以针对上述分布式光伏聚合结构，建立上述目标函数。具体的，与上述建立多类型能源聚合结构目标函数的原理相同，仅通过分布式光伏聚合商参与市场，目标为分布式光伏的利润最大化，不需要考虑利润分成，构建分布式光伏聚合结构的目标函数。即在该结构中，参与者仅包含分布式光伏发电机组，目标函数只需要对应去除上述公式5中关于分布式风力发电机组、可控分布式发电机组、需求响应负荷和储能的内容如相关表达式。

进一步地，在上述实施例的基础上，本申请还包括确定两阶段的目标约束以及对上述函数进行求解，从而得到分布式光伏聚集商的最优策略，以使分布式光伏聚集商基于最优策略对分布式光伏资源进行调度。

具体的，聚集商即分布式能源聚集商市场策略优化模型(既上述目标函数)的约束条件既目标约束主要包括电量平衡约束及各类分布式能源特性约束如公式(14)–(22)所示。

公式(14)和(15)分别是聚集商的电量平衡及负荷平衡约束。其中为初始负荷水平。

公式(16)是DR调用约束，其中是DR合同规定的最大调用量。

公式(17)–(20)是分布式风电机组即分布式风力发电机组、光伏机组即分布式光伏发电机组的出力约束及EV的充、放电量约束。分别是在场景下风电机组出力、光伏机组出力以及电动汽车可用充、放电量的上限。为了保持EV的使用寿命，EV电池的电池荷电量SoC需保持在一定范围。

SoC相关约束如(21)和(22)所示。

SoC_min≤SoC_ω,τ,t≤SoC_max (22)

其中，η^c、η^d分别是电动汽车的充、放电效率；SoC_min和SoC_max分别是SoC的下限及上限。

需要说明的是，上述模型目标函数中包含对CVaR即条件风险价值因素的计算。用CVaR进行市场策略的风险管理，假设置信概率是α，CVaRα表示优化策略模型在概率为(1-α)·100％的最差情况下的聚集商收益期望。本申请实施例考虑分布式能源出力预测误差的不确定性，并假设预测误差的波动均符合正态分布。则可将对CVaRα的计算可转换成如下的优化问题：

其中，θ和η_s是辅助变量，θ＝VaR_α是置信概率α下的风险价值，ξ表示场景s组成的场景集。B_s和π_s分别是场景s(ω,τ)下聚集商的经济收益及场景s的概率。

经过上述线性化转换，分布式能源聚集商的市场策略随机优化模型如下所示。

本申请由于采取以上技术方案，其具有以下优点：考虑了分布式能源出力的随机性与市场电价波动的随机性，利用场景树方法建立相应不确定性场景并利用Kantorovich距离方法进行场景削减。基于电价场景集与分布式能源出力场景集，建立同时管理多种分布式能源的聚集商竞价策略随机优化模型。聚集商可以作为供需者参与电力市场，可在不同时段根据能源出力情况进行购电或售电以及对分布式光伏电力资源的调度。考虑聚集商面临的双重不确定性，模型中还利用CVaR方法对聚集商的市场策略风险进行管理。通过对风险规避系数的调节，可调节聚集商竞价策略决策时的风险偏好。通过分别计算分布式光伏通过不同聚合方式参与电力市场，决策者还可以根据最终计算的结果选择合适的聚合方式参与电力市场，大大提高了关于分布式光伏的调度和管理效果，促进分布式光伏的发展。

基于一个总的发明构思，本发明实施例还提供一种分布式光伏管理装置，包括：

场景确定模块31，用于基于实时阶段的实时能量电价和备用电量电价，和日前阶段的日前能量电价建立价格场景集；和基于蒙特卡洛抽样原理建立分布式能源出力场景集；

场景缩减模块32，用于基于Kantorovich距离原理对所述价格场景集和所述分布式能源出力场景集中的场景进行缩减，得到目标场景集；

目标函数确定模块33，用于基于所述目标场景集计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益、实时市场备用调用电量收益和分布式能源管理净收入，确定所述分布式能源聚集商的经济收益期望值；和基于所述经济收益期望、预设风险规避系数和条件风险价值因素，确定所述分布式能源聚集商的目标函数；

求解模块34，用于确定目标约束；并基于所述目标约束对所述目标函数进行求解，得到所述分布式光伏聚集商的最优策略，以使所述分布式光伏聚集商基于所述最优策略对分布式光伏资源进行调度。

关于上述实施例中的虚拟装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种分布式光伏资源管理方法，其特征在于，包括：

基于实时阶段的实时能量电价和备用电量电价，和日前阶段的日前能量电价建立价格场景集；和基于蒙特卡洛抽样原理建立分布式能源出力场景集；

基于Kantorovich距离原理对所述价格场景集和所述分布式能源出力场景集中的场景进行缩减，得到目标场景集；

基于所述目标场景集计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益、实时市场备用调用电量收益，确定所述分布式能源聚集商的经济收益期望；

基于所述经济收益期望、预设风险规避系数和条件风险价值因素，确定所述分布式能源聚集商的目标函数；

确定目标约束，并基于所述目标约束对所述目标函数进行求解，得到所述分布式光伏聚集商的最优策略，以使所述分布式光伏聚集商基于所述最优策略对分布式光伏资源进行调度。

2.根据权利要求1所述的分布式光伏资源管理方法，其特征在于，还包括：确定分布式光伏供应结构，所述分布式光伏供应结构包括：多类型能源聚合结构和分布式光伏聚合结构。

3.根据权利要求2所述的分布式光伏资源管理方法，其特征在于，所述多类型能源聚合结构中包括：可控分布式发电机组、分布式光伏发电机组、分布式风力发电机组、价格弹性负荷和电动汽车；所述分布式光伏聚合结构中包括：分布式光伏发电机组。

4.根据权利要求3所述的分布式光伏资源管理方法，其特征在于，针对所述多类型能源聚合结构，所述基于所述目标场景集计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益和实时市场备用调用电量收益，确定所述分布式能源聚集商的经济收益期望，包括通过如下公式确定所述分布式能源聚集商的经济收益期望：

其中，B为所述分布式能源聚集商的经济收益期望，NΩ为所述目标场景集中的电价场景集中的场景数量；ω为所述目标场景集中的电价场景；π为所述目标场景集中场景的概率；NΓ为所述目标场景集中分布式能源出力场景集中的场景数量；τ为所述分布式能源出力场景集中的出力场景；为所述分布式能源聚集商的日前市场能量收益；/>为所述分布式能源聚集商的日常市场备用容量收益；/>为所述分布式能源聚集商的实时市场能量差额交割收益；/>为所述分布式能源聚集商的实时市场备用调用电量收益；/>为分布式能源管理净收入。

5.根据权利要求4所述的分布式光伏资源管理方法，其特征在于，所述基于所述目标场景集计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益和实时市场备用调用电量收益，确定所述分布式能源聚集商的经济收益期望，包括：

通过如下公式计算所述分布式能源聚集商的日前市场能量收益和日前市场备用容量收益：

其中，为所述分布式能源聚集商的日前市场能量收益；/>为电价场景ω下的日前电价；/>为所述分布式能源聚集商在日前市场的申报电量；/>为所述分布式能源聚集商的日前市场备用容量收益；/>为备用容量电价；R_ω,t为备用容量申报；T和t对应时间；

通过如下公式计算所述分布式能源聚集商的实时市场能量收益和实时市场备用调用电量收益：

其中，为所述分布式能源聚集商的实时市场能量差额交割收益；/>为电价场景ω下的实时电价；/>为日前能量申报与分布式能源实际出力的差额；/>为所述分布式能源聚集商因日前能量申报与分布式能源实际出力存在差额而承担的惩罚；

为所述分布式能源聚集商的实时市场备用调用电量收益；/>和/>分别为备用调用比例和所述分布式能源聚集商未能满足的备用调用比例；/>和/>分别为备用电量电价及备用差额惩罚；

通过如下公式计算所述分布式能源管理净收入：

其中，为所述分布式能源管理净收入；/>为负荷管理收入；/>为聚集商内部分布式电源管理成本；/>为及电动汽车管理净收入；

及/>依次分别为负荷水平、需求响应调用量、所述分布式能源聚集商内部的分布式电源出力、电动汽车充电量和放电量；/>为市场零售电价信号；为需求响应补偿；/>为电动汽车的充电状态系数；/>和/>分别为所述分布式能源聚集商内部的分布式电源的发电成本系数。

6.根据权利要求1所述的分布式光伏资源管理方法，其特征在于，所述约束包括：电量平衡约束和分布式能源特性约束。

7.根据权利要求6所述的分布式光伏资源管理方法，其特征在于，所述分布式能源特性约束包括负荷平衡约束、需求响应调用约束、分布式风电机组、光伏机组的出力约束、光伏机组的电动汽车充放电量约束以及电池状态约束。

8.根据权利要求5所述的分布式光伏资源管理方法，其特征在于，所述基于所述经济收益期望、预设风险规避系数和条件风险价值因素，确定所述分布式能源聚集商的目标函数，包括：通过如下公式计算所述目标函数：

maxf＝(1-β)·B+β·CVaR；

其中，β∈[0,1]为所述分布式能源聚集商市场策略的风险规避系数；CVaR为所述条件风险价值因素。

9.根据权利要求8所述的分布式光伏资源管理方法，其特征在于，所述基于所述经济收益期望、预设风险规避系数和条件风险价值因素，确定所述分布式能源聚集商的目标函数，还包括：基于条件风险价值因素对所述目标函数进行线性转换，转换后的目标函数如下：

其中，和η_s为辅助变量，/>为置信概率α下的风险价值；Ns为所述目标场景集中场景的数量；π_s为场景s的概率。

10.一种分布式光伏管理装置，其特征在于，包括：

场景确定模块，用于基于实时阶段的实时能量电价和备用电量电价，和日前阶段的日前能量电价建立价格场景集；和基于蒙特卡洛抽样原理建立分布式能源出力场景集；

场景缩减模块，用于基于Kantorovich距离原理对所述价格场景集和所述分布式能源出力场景集中的场景进行缩减，得到目标场景集；

目标函数确定模块，用于基于所述目标场景集计算分布式能源聚集商的日前市场能量收益、日前市场备用容量收益、实时市场能量差额交割收益、实时市场备用调用电量收益和分布式能源管理净收入，确定所述分布式能源聚集商的经济收益期望值；和基于所述经济收益期望、预设风险规避系数和条件风险价值因素，确定所述分布式能源聚集商的目标函数；

求解模块，用于确定目标约束；并基于所述目标约束对所述目标函数进行求解，得到所述分布式光伏聚集商的最优策略，以使所述分布式光伏聚集商基于所述最优策略对分布式光伏资源进行调度。