一种综合能源服务站站内协同优化控制方法及相关产品

1.本发明涉及电网技术领域，尤其涉及一种综合能源服务站站内协同优化控制方法及相关产品。


背景技术：

2.综合能源服务站作为未来能源重要枢纽，能够实现多能聚合协同优化、电网友好良性互动，其采用信息技术与控制手段调配区域内分布式能源、可控负荷、储能设备等多种灵活资源，并为电网提供调频、调压、调峰等跨越多个时间尺度的多种辅助服务。
3.综合能源服务站具有内部资源结构复杂、外部特性不确定性等特点，有必要构建适合其调度运行的调控结构。
4.但是由于目前对新能源出力的预测水平尚无法达到精确预测，使得预测误差存在明显的不确定性。风光荷储系统的运行研究对于推动能源发展、新能源消纳意义重点，但针对源荷储作为虚拟聚合整体参加协调优化运行方面目前鲜有研究。
5.公开于本技术背景技术部分的信息仅仅旨在加深对本技术的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。


技术实现要素：

6.本发明提供一种综合能源服务站站内协同优化控制方法及相关产品。
7.第一方面，本发明实施例提供一种综合能源服务站站内协同优化控制方法，包括：
8.获取综合能源服务站内各类可控资源的运行特性约束，以及所述综合能源服务站的柔性负荷以及电池储能的调控策略；
9.基于所述综合能源服务站内各类可控资源的运行特性约束，以及所述综合能源服务站的柔性负荷以及电池储能的调控策略，判断所述柔性负荷的供能可靠性损失以及所述电池储能对应的储能容量衰退是否均在对应的预设范围内；
10.若所述柔性负荷的供能可靠性损失以及所述电池储能对应的储能容量衰退均在对应的预设范围内，则以所述综合能源服务站内各类可控资源的自身需求为约束，协同响应所述综合能源服务站的上级电网调度策略；
11.基于所述上级电网调度策略以及所述综合能源服务站的各类可控资源的动态聚合结果，生成所述综合能源服务站的站内协同优化控制策略，并根据所述站内协同优化控制策略对所述综合能源服务站内各类可控资源进行协同优化控制。
12.在一些实现方式中，所述综合能源服务站内各类可控资源包括变电站、储能站、光伏站、充电站以及数据中心站中的至少一种。
13.在一些实现方式中，所述基于所述综合能源服务站内各类可控资源的运行特性约束，以及所述综合能源服务站的柔性负荷以及电池储能的调控策略，判断所述柔性负荷的供能可靠性损失以及所述电池储能对应的储能容量衰退是否均在对应的预设范围内，包
括：
14.基于设定约束条件求解预先构建的综合能源服务站优化模型，确定所述各类可控资源的最大功率约束、温控负荷响应指令以及储能充放电限制；
15.根据所述各类可控资源的最大功率约束、温控负荷响应指令以及储能充放电限制，以及对所述各类可控资源的实际控制策略，判断所述柔性负荷的供能可靠性损失以及所述电池储能对应的储能容量衰退是否均在对应的预设范围内。
16.在一些实现方式中，所述设定约束条件包括：负荷约束、光伏出力约束和储能设备约束，其中，所述负荷约束包括充电负荷削减约束和柔性负荷调节约束；
17.所述充电负荷削减约束是指：在有序充电策略控制下，充电负荷p
ev,t
建模为
18.最大充电功率与负荷削减量δp
ev,t
之差，且削减比例不超过设定比例ω；
19.所述柔性负荷调节约束是指：温控负荷p
cac,t
具备响应指令跟随能力，且其建
20.模为基线负荷与实际调控量δp
cac,t
之和；
21.所述光伏出力约束是指允许一定程度出现弃光现象；
22.所述储能设备约束包括：
23.第一约束：数据中心/通信基站的闲置备用储能满足能够为计算负荷提供紧急功率支援，以及荷电状态soc变化范围的约束；
24.第二约束：储能电站在满足系统运行需求时尽可能延长寿命。
25.在一些实现方式中，所述综合能源服务站优化模型的目标函数表达式如下：
[0026][0027]
其中，fm表示所述综合能源服务站的站内协同优化控制策略，m
l
表示负荷功率对应的权重系数，p
l,t
表示调控后的负荷功率，表示原有负荷功率需求，表示[0,td]时段的总放电深度，表示电池储能充放电功率对应的权重系数，α
pet,t
表示柔性配电装置各时刻的负载率，表示日内平均负载率，ev表示电动汽车，hvac表示空气调节系统，ω
bes
表示不同类型储能的集合，t表示时刻。
[0028]
在一些实现方式中，本发明实施例的方法还包括：
[0029]
在不改变上级电网与变电站交换功率的前提下，检验光伏出力场景中是否会出现由于光伏波动造成的设备运行约束越限的情况，采用如下表达式：
[0030][0031]
其中，δp
′
cac,t,s
表示温控负荷调控量，表示温控负荷削减量，表示荷电状态变化量，表示储能电池充放电功率调控量，δp
pet,t,s
表示柔性配电装置的传输功率调控量，minfs表示检验所用的目标函数；
[0032]
在目标函数minfs的值大于预设值的情况下，确定出现由于光伏波动造成的设备运行约束越限的情况。
[0033]
第二方面，本发明实施例提供一种综合能源服务站站内协同优化控制装置，包括：
[0034]
获取模块，用于获取综合能源服务站内各类可控资源的运行特性约束，以及所述综合能源服务站的柔性负荷以及电池储能的调控策略；
[0035]
判断模块，用于基于所述综合能源服务站内各类可控资源的运行特性约束，以及所述综合能源服务站的柔性负荷以及电池储能的调控策略，判断所述柔性负荷的供能可靠性损失以及所述电池储能对应的储能容量衰退是否均在对应的预设范围内；
[0036]
协同响应模块，用于在所述柔性负荷的供能可靠性损失以及所述电池储能对应的储能容量衰退均在对应的预设范围内时，以所述综合能源服务站内各类可控资源的自身需求为约束，协同响应所述综合能源服务站的上级电网调度策略；
[0037]
优化控制模块，用于基于所述上级电网调度策略以及所述综合能源服务站的各类可控资源的动态聚合结果，生成所述综合能源服务站的站内协同优化控制策略，并根据所述站内协同优化控制策略对所述综合能源服务站内各类可控资源进行协同优化控制。
[0038]
第三方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被至少一个处理器执行时，实现如第一方面所述的方法。
[0039]
第四方面，本发明实施例提供一种电子设备，包括存储器和至少一个处理器，所述存储器上存储有计算机程序，所述计算机程序被所述至少一个处理器执行时实现如第一方面所述的方法。
[0040]
第五方面，本发明实施例提供一种计算机程序产品，所述计算机程序产品在处理器上运行时执行如第一方面所述的方法。
[0041]
本发明的技术方案至少能够带来如下有益效果：
[0042]
本发明实现多站合一，调控多个灵活性资源和内部优化控制，实现源输配荷的协同优化，发挥综合服务站电网支撑作用。在不改变原有布局的情况下被改造升级为多站合一系统。这种模式赋予了变电站柔性可调能力，可以有效缓解配电网运行压力。以多站合一综合能源服务站为核心，协同站内外可控资源，降低关键电气设备故障风险、平抑新能源波动、减少系统运行越限，提高系统风险状态下的运行可靠性水平。
附图说明
[0043]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定。
[0044]
图1是本发明实施例提供的综合能源服务站站内协同优化控制方法流程图；
[0045]
图2～图4分别是本发明实施例提供的冬令时三种天气预测结果示意图；
[0046]
图5是本发明实施例提供的预测误差概率拟合结果示意图；
[0047]
图6是本发明实施例提供的冬令时/夏时令下的阴天/雨天/晴天场景预测误差概率分布示意图；
[0048]
图7是本发明实施例提供的分布式光伏的三层结构示意图；
[0049]
图8是本发明实施例提供的降额出力系数分布情况示意图；
[0050]
图9是本发明实施例提供的综合能源服务站站内协同优化控制装置框图。
具体实施方式
[0051]
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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，都属于本公开保护的范围。
[0052]
本公开的说明书和权利要求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，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
[0053]
应当理解，在本公开的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。
[0054]
应当理解，在本公开中，“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。
[0055]
应当理解，在本公开中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含a、b和c”、“包含a、b、c”是指a、b、c三者都包含，“包含a、b或c”是指包含a、b、c三者之一，“包含a、b和/或c”是指包含a、b、c三者中任1个或任2个或3个。
[0056]
应当理解，在本公开中，“与a对应的b”、“与a相对应的b”、“a与b相对应”或者“b与a相对应”，表示b与a相关联，根据a可以确定b。根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其他信息确定b。a与b的匹配，是a与b的相似度大于或等于预设的阈值。
[0057]
取决于语境，如在此所使用的“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。
[0058]
下面以具体地实施例对本公开的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
[0059]
实施例一
[0060]
本实施例提供一种综合能源服务站站内协同优化控制方法，如图1所示，包括：
[0061]
步骤s101、获取综合能源服务站内各类可控资源的运行特性约束，以及综合能源服务站的柔性负荷以及电池储能的调控策略；
[0062]
步骤s102、基于综合能源服务站内各类可控资源的运行特性约束，以及综合能源服务站的柔性负荷以及电池储能的调控策略，判断柔性负荷的供能可靠性损失以及电池储能对应的储能容量衰退是否均在对应的预设范围内；
[0063]
步骤s103、若柔性负荷的供能可靠性损失以及电池储能对应的储能容量衰退均在对应的预设范围内，则以综合能源服务站内各类可控资源的自身需求为约束，协同响应综合能源服务站的上级电网调度策略；
[0064]
步骤s104、基于上级电网调度策略以及综合能源服务站的各类可控资源的动态聚
合结果，生成综合能源服务站的站内协同优化控制策略，并根据站内协同优化控制策略对综合能源服务站内各类可控资源进行协同优化控制。
[0065]
在一些实现方式中，综合能源服务站内各类可控资源包括变电站、储能站、光伏站、充电站以及数据中心站中的至少一种。
[0066]
本实施例通过构建三级调控架构，即灵活性资源处于底层、本地控制；“多站合一”调控多个灵活性资源、内部优化控制；“多站合一”协同区域其他能源系统、调度中心集中管理，实现源输配荷的协同优化，发挥综合服务站电网支撑作用。
[0067]
通过分布式资源动态聚合技术，能够实现分布式互动资源本地管理目标和多能聚合协调优化运行的目标，基于层级化管理架构，突破系统优化运行和协同控制技术，以实现系统多种控制目标和约束的协调，并解决从日级到ms级的多时间尺度运行控制问题，满足综合服务站内“变储光充数”协调优化控制需求。
[0068]
在不改变原有布局的情况下被改造升级为多站合一系统。这种模式赋予了变电站柔性可调能力，可以有效缓解配电网运行压力。以多站合一综合服务站为核心，协同站内外可控资源，降低关键电气设备故障风险、平抑新能源波动、减少系统运行越限，提高系统风险状态下的运行可靠性水平。
[0069]
在实际中，风电等新能源的不确定性给电力系统的调度提出了新的要求。一方面，由于风电预测的精度与时间尺度有关，时间尺度越短且距离当前时刻越近，则预测精度越高，因此在电力系统经济调度中需要尽量对未来较近时间段内的各种资源进行经济调度，另一方面，各种参与调度的灵活资源本身存在多时间尺度的特性，单独采用日前调度模型难以充分利用灵活资源的多时间尺度特性，对各类资源进行经济的调度。因此需要建立滚动调度模型，对各类资源进行合理调度。
[0070]
日前与日内的关系是：日前调度是日内调度的输入，日内调度修正日前调度的结果。日前调度向日内调度输入：各种资源的启停计划和功率计划，日前需求侧响应计划，如电动汽车用户需求响应；日内调度修正日前计划结果，其中针对响应较慢的灵活资源的功率计划，日内调度不进行修改，而直接使用日前调度结果。
[0071]
日内调度与实时调度的关系是：日内调度是实时调度的输入，实时调度的目的是实现与日内调度结果的偏差最小。日内调度向实时调度输入：空调或者热泵、电动汽车等柔性负荷资源的功率计划；实时调度中，目标函数是在有需要时最小化实时调度结果和日内调度结果的偏差，同时最终确定电池储能、光伏的出力情况。针对调节速率相对较慢的柔性负荷，如空调、电动汽车，只是使用日内调度的结果。
[0072]
在一些实现方式中，基于综合能源服务站内各类可控资源的运行特性约束，以及综合能源服务站的柔性负荷以及电池储能的调控策略，判断柔性负荷的供能可靠性损失以及电池储能对应的储能容量衰退是否均在对应的预设范围内，包括：
[0073]
步骤s102a、基于设定约束条件求解预先构建的综合能源服务站优化模型，确定各类可控资源的最大功率约束、温控负荷响应指令以及储能充放电限制；
[0074]
步骤s102b、根据各类可控资源的最大功率约束、温控负荷响应指令以及储能充放电限制，以及对各类可控资源的实际控制策略，判断柔性负荷的供能可靠性损失以及电池储能对应的储能容量衰退是否均在对应的预设范围内。
[0075]
在一些实现方式中，上述设定约束条件可以包括：负荷约束、光伏出力约束和储能
设备约束，其中，负荷约束包括充电负荷削减约束和柔性负荷调节约束。
[0076]
示例性地，对各设定约束条件进行说明：
[0077]
a、充电负荷削减约束，是指在有序充电策略控制下，充电负荷p
ev，t
建模为最大充电功率与负荷削减量δp
ev,t
之差，且削减比例不超过设定比例ω；
[0078]
表达式可以为：
[0079]
b、柔性负荷调节约束，是指温控负荷p
cac,t
具备响应指令跟随能力，且其建模为基线负荷与实际调控量δp
cac,t
之和；
[0080]
表达式可以为：
[0081]
其中，-p
cac,t
表示削减下限，表示增调上限。
[0082]
负荷调控范围具有上下限约束，而温控负荷上调空间相对较小，在一个示例中，削减下限-p
cac,t
可取10％，增调上限可取5％。
[0083]
c、光伏出力约束，是指允许一定程度出现弃光现象；
[0084][0085]
其中，p
pv,i,t
表示实际光伏出力，表示计划光伏出力，γ
pv,t
表示弃光比例，且弃光比例不得超过设定上限ω
pv
表示光伏站集合。
[0086]
d、储能设备约束
[0087]
站内电池储能根据功能需求可以分成两类。第一类是数据中心/通信基站的闲置备用储能，需要能够为计算负荷提供紧急功率支援，soc变化范围也存在约束；第二类是常规储能电站，主要目标是在满足系统运行需求时，尽可能延长寿命：
[0088]
因此，储能设备约束包括：
[0089]
第一约束：数据中心/通信基站的闲置备用储能满足能够为计算负荷提供紧急功率支援，以及荷电状态soc变化范围的约束；
[0090]
第二约束：储能电站在满足系统运行需求时尽可能延长寿命。
[0091]
表达式可以如下：
[0092][0093][0094]
0≤κ
c,t
+κ
d,t
≤1
[0095]
其中，κ
c,t
、κ
d,t
分别表示充电指令状态和放电指令状态，表示对应储能容量，ηc、ηd分别表示充电效率和充放电效率，表示充放电功率，ω
bes
表示不同类型储能的集合，不同类型储能充放电功率也存在上限约束，例如ups(uninterruptible power supply，不间断电源)的储能电池往往是功率型，短时间内允许较大的充放电倍率，
表示对应储能的soc值，表示soc下限，表示soc上限。
[0096]
在一些实现方式中，综合能源服务站优化模型的目标函数表达式如下：
[0097][0098]
其中，fm表示综合能源服务站的站内协同优化控制策略，m
l
表示负荷功率对应的权重系数，p
l,t
表示调控后的负荷功率，表示原有负荷功率需求，表示[0,td]时段的总放电深度，表示电池储能充放电功率对应的权重系数，α
pet,t
表示柔性配电装置各时刻的负载率，表示日内平均负载率，ev表示电动汽车，hvac表示空气调节系统，ω
bes
表示不同类型储能的集合，t表示时刻。
[0099]
上述目标函数表达式的第一部分是表达尽可能减少对柔性负荷的调控幅度，降低柔性负荷调控造成的损失，由于每类负荷调控深度对其用能体验影响不同，因此添加了权重系数m
l
来平衡调节比例，调控对象包括了充电负荷和温控负荷。
[0100]
上述目标函数表达式的第二部分是表达对电池储能充放电功率的限制。尽可能减少充放电次数、充放电深度可以有效降低电池循环老化，保持较高的平均soc能够有效减少日历老化。因此，该项设置是尽可能减少[0,td]时段内总放电深度(即放电次数k与每次放电深度的积分)。需要注意的是，不同类型电池储能控制时也存在优先级，添加了新的权重系数例如，对通信5g基站和数据中心ups的调控优先级应当低于储能电站。
[0101]
需要说明的是，权重系数m
l
和均可以根据资源调控风险结果进行调整，以平衡不同类型资源对可靠性的需求。
[0102]
上述目标函数表达式的第三部分是表达尽可能减少传输功率的波动性。电力电子设备传输功率波动越大，则会导致损耗、结温波动越大应力影响造成的器件疲劳累积越严重，因此采用方差形式使传输功率尽可能平稳。
[0103]
在一些情况下，第二部分中的总放电深度可以利用前述约束条件中的变量进行求解，主要与放电功率和放电指令两个变量相关：
[0104][0105]
其中，表示总放电深度，δt表示时长。
[0106]
柔性配电装置的传输功率上限约束：
[0107][0108]
母线功率平衡约束：灵活资源的功率汇集在母线，除了上述资源，站内还有一些不可调的刚性负荷p
l,t
。
[0109][0110]
在一种优选的方案中，基于上述目标函数表达式及各种约束条件，构建了综合能源服务站的站内优化模型，通过求解即可获取充电站的最大功率约束温控负荷响应指令以及储能充放电安排。代入底层预先建立的评估模型获取灵活调节资源的实际控制过程，求解柔性负荷损失是否可接受、储能剩余寿命等信息，判断出柔性负荷的供能可靠性损失以及电池储能对应的储能容量衰退是否在预设范围内。
[0111]
在一些实现方式中，本发明实施例的方法还包括：
[0112]
在不改变上级电网与变电站交换功率的前提下，检验光伏出力场景中是否会出现由于光伏波动造成的设备运行约束越限的情况，采用如下表达式：
[0113][0114]
其中，δp
′
cac,t,s
表示温控负荷调控量，表示温控负荷削减量，表示荷电状态变化量，表示储能电池充放电功率调控量，δp
pet,t,s
表示柔性配电装置的传输功率调控量，minfs表示检验所用的函数；
[0115]
在函数minfs的值大于预设值的情况下，确定出现由于光伏波动造成的设备运行约束越限的情况。
[0116]
实施例二
[0117]
本实施例提供一具体应用示例：
[0118]
首先，建立综合能源服务站供区内能源需求特性分析模型，研究能源供给侧的清洁替代和消费侧的电能替代等能源综合供应的形态结构，从调节速率、调节范围、调节可持续时间、调节动态过程、可控程度、信息通信等角度，分析分布式光伏、分布式风机、分布式储能、电动汽车、热泵、空调等不同灵活性资源的调节特性；分析不同灵活性资源在综合服务站调控中的可控变量，适合的调控方法。比如分布式光伏可以通过控制逆变器改变无功输出；储能具有快速的调节能力，可以通过直接调控充放电规律；空调负荷可以直接控制空调运行、也可以控制设定温度，不同的控制方式有不同的响应特性。
[0119]
其次，建立灵活性资源(可控资源)、“多站合一”、上级电网调度系统的综合能源服务站的三级调控架构。灵活性资源处于底层，进行数据采集和调控指令的执行，可执行本地控制。多站合一调控多个灵活性资源，实现内部的优化控制，并参与上级电网的调频、调压、调峰、紧急控制等辅助服务，提供总的灵活性调节能力，执行电网调度系统的调控指令。“多站合一”和其他能源站、火电厂、风电场等一起由调度中心进行管理，实现源输配荷的协同优化，发挥综合服务站支撑电网运行的作用。灵活性资源和“多站合一”之间存在大量的信
息交互，包括灵活性资源的各种实时数据和调控指令等。“多站合一”和电网调度中心之间，交互“多站合一”总的信息，“多站合一”不上传各灵活性资源的具体信息。其中，综合能源服务站站内的资源种类主要有变电站、储能站、光伏站、充电站以及数据中心站等，也即“变储光充数”，也即本技术所称的“多站合一”。
[0120]
多站合一综合能源服务站的站内供电系统本质是一个微能源网。作为站内重要控制资源，分布式光伏的出力水平将直接决定多站合一综合服务站的运行特性。光伏出力的不确定性因素包括两方面：一个是光照强度等自然环境因素，另一个是分布式电源内部组件的故障风险。
[0121]
对于光照强度不确定性，通常选取光伏出力相关性较大的影响因素作为特征量，构建数据驱动模型进行预测，相对湿度、太阳天顶角、云层类型、温度等多种因素均会引起辐照度变化。
[0122]
太阳天顶角和温度决定了光照强度的平均水平和基本变化趋势，相对湿度和云层类型会引起短时光照强度波动。可以通过利用分类梯度提升catboost算法对光照强度进行回归预测。
[0123]
训练集和测试集采用可再生能源实验室nrel数据库中2011-2015年光照强度与天气数据，考虑到不同天气条件的样本差距较大，本示例采用k-means聚类算法对五年的天气条件数据进行了聚类处理：全年划分成夏令时和冬令时两部分，再根据相对湿度以及云层类型，划分成了晴天、阴天和雨/雪天三种场景，冬令时三种天气预测结果如图2～图4所示。
[0124]
从图中可以看出晴天场景预测较为准确，主要是由于晴天云层少、光照强度规律性强，并且场景样本占比更大，模型训练更为准确。阴天或雨雪天气候变化迅速，仅依靠云层等级等指标很难准确分析出天气的真实情况，造成预测误差相对较大，但变化趋势与实际基本保持一致。将catboost预测模型与随机森林、决策树、支持向量机等传统算法预测效果进行对比，均方根误差rmse和r2指标如下表所示：
[0125]
表1：不同机器学习方法预测效果比较
[0126][0127]
可以看出，catboost模型回归预测效果优于传统模型，对于晴天的预测结果准确度达到95％以上，阴天预测结果准确度在80％以上，雨天准确度则高于70％，满足预测精度的要求。
[0128]
考虑到云层类型变化复杂、温度波动较大的阴雨天场景中，光照强度预测误差较大，本示例采用laplace函数对误差概率分布进行描述。预测误差概率拟合结果如图5所示。图6展示了冬令时/夏时令下的阴天/雨天/晴天场景预测误差概率分布，误差值往往集中于零点附近，采用gauss分布、beta分布并不能很好地拟合这一特性；不同场景的误差概率分
布，存在明显差异，晴天峰值更为集中，雨天的误差概率分布范围最大。
[0129]
分布式光伏输出功率p
solar
与光照强度直接相关，出力水平可以划分成3个阶段，阶段一与光照强度呈二次关系，阶段二为线性增长，阶段三为额定最大值：
[0130][0131]
其中，i
t
表示光照强度，i
emax
表示光电转换效率最大时的光照强度，i
rate
表示标准光照强度，p
rate
表示光伏额定容量。
[0132]
对于组件随机故障的影响，可以根据功能结构可以将分布式光伏划分成三层，如图7所示，第一层为光伏板串组子系统，包含n串光伏阵列和直流汇流箱，内部含有防反二极管和直流熔断器；第二层为直流配电子系统，包含直流断路器和防反二极管，该子系统任意元件失效会造成m个光伏串组子系统失效；第三层为变流器子系统，该子系统故障会造成k组光伏阵列板全部失效。可以利用时序可以蒙特卡洛模拟法对光伏系统进行分层抽样，获取降额系数α
dpv
来修正预测功率。
[0133]
采用时序蒙特卡洛模拟抽样法进行分层抽样，得到降额出力系数分布情况如图8所示。降额出力以低阶故障为主：低阶故障出现在串组子系统时，降额程度集中于0％～7％；低阶故障出现在直流配电子系统，降额程度集中于10％～13％；而变流器故障时，会造成系统整体故障，本示例所涉及的光伏出力场景中不包含这类状况。
[0134]
为了描述分布式光伏输出功率与光照强度不确定性、元件随机故障之间的联系，通过随机生成典型场景来体现光伏输出功率的不确定性。由于在系统层面进行新能源波动平抑时，需要生成尽可能多的光伏随机出力场景。但考虑到过多场景优化求解会导致的计算负担较重，且随机场景存在大量相似特征，将随机场景聚类形成典型出力场景簇进行验证。
[0135]
多站合一综合能源服务站多层优化运行架构如下：
[0136]
(1)底层获取各类可控资源的运行特性约束与调控风险评估结果。结合响应信号，对站内关键设备、柔性负荷、电池储能的控制过程进行分析，评估调控策略的合理性，判断负荷供能可靠性损失、储能容量衰退状况等影响是否在可接受范围内，反馈至中/上层调整策略。
[0137]
(2)中间层为多站合一综合能源服务站站内自治优化，以站内可控资源自身需求为约束，协同响应上级电网调度；综合分析综合服务站整体对外的等效可调特性，辅助上层电网运行策略制定。
[0138]
(3)顶层则是考虑“站联网”策略后，整体协同站内外可控资源实现全局优化。合理的策略可以最大限度地减少运行越限的出现，降低主变实时故障风险，并将调控对灵活资源造成的影响控制在合理范围内。这一阶段基于潮流灵敏度分析快速获取各类资源的控制过程综合服务站响应指令。
[0139]
上述架构中，底层站内灵活资源控制及风险评估将作为中间层和顶层优化的约束条件，重点评估的灵活调节资源包括站内柔性变配电设备、电动汽车充电站、柔性温控负荷、分布式储能等。
[0140]
柔性负荷调控过程与控制代价及调控对电池储能容量可靠性的影响如下：
[0141]
(1)柔性负荷调控过程与控制代价
[0142]
电动汽车充电负荷被视作可中断负荷，在充电功率约束下的充电站有序充电策略，根据用户期望充电量与实际充电曲线的对比，可以计算充电不足概率csui和充电不足电量cens等指标。
[0143]
温控负荷参与需求响应已经成为业界共识，但不加约束地跟随响应指令势必会对用户体验造成不良影响。明确定义了温控负荷供能可接受标准，利用双层控制策略获得室温变化情况，计算供能不足概率tdui和不合格的供能量qens等指标。
[0144]
(2)调控对电池储能容量可靠性的影响
[0145]
充放电深度、平均soc、温度等使用工况均会对电池储能寿命产生影响。结合储能优化充放曲线，可以有效评估该运行工况下的电池储能等效循环使用寿命和退役容量可靠度，评估关键参数包括电池模块初始容量、环境温度、连接形式等。抽象模型如下：
[0146]
l
bes
＝f(soh
m,0
,socm,dodm,ns,n
p
,t
ex
),m∈ω
battery
[0147]
式中，l
bes
表示评估关键参数，ω
battery
表示电池集合，soh
m,0
为第m个电池初始容量，socm和dodm分别为第m个电池的荷电状态变化和对应的充放电深度，ns、n
p
分别为串并联支路数，t
ex
为环境温度变化。
[0148]
需要注意的是，多站融合场景下有不同类型的电池储能系统，其各自退役标准存在差异。例如，通信基站以及数据中心ups往往采用新电池，对储能性能要求高，退役容量设置为80％；退役电池可以在站内进行梯次利用，由于梯次利用电池储能站的电池老化状态、参数等差异较大，可以利用重构策略提升储能可靠性，其退役容量标准设置为30％。
[0149]
实施例三
[0150]
本实施例提供如图9所示的综合能源服务站站内协同优化控制装置，包括：
[0151]
获取模块201，用于获取综合能源服务站内各类可控资源的运行特性约束，以及综合能源服务站的柔性负荷以及电池储能的调控策略；
[0152]
判断模块202，用于基于综合能源服务站内各类可控资源的运行特性约束，以及综合能源服务站的柔性负荷以及电池储能的调控策略，判断柔性负荷的供能可靠性损失以及电池储能对应的储能容量衰退是否均在对应的预设范围内；
[0153]
协同响应模块203，用于在柔性负荷的供能可靠性损失以及电池储能对应的储能容量衰退均在对应的预设范围内时，以综合能源服务站内各类可控资源的自身需求为约束，协同响应综合能源服务站的上级电网调度策略；
[0154]
优化控制模块204，用于基于上级电网调度策略以及综合能源服务站的各类可控资源的动态聚合结果，生成综合能源服务站的站内协同优化控制策略，并根据站内协同优化控制策略对综合能源服务站内各类可控资源进行协同优化控制。
[0155]
各模块的具体实现方式可参见实施例一。本实施例中不再赘述。
[0156]
应当理解的是，本实施例至少具有实施例一能够带来的有益效果。
[0157]
实施例四
[0158]
本实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被至少一个处理器执行时，实现实施例一的方法。
[0159]
实施例五
[0160]
本实施例提供一种电子设备，包括存储器和至少一个处理器，存储器上存储有计算机程序，计算机程序被至少一个处理器执行时实现实施例一的方法。
[0161]
实施例六
[0162]
本实施例提供一种计算机程序产品，计算机程序产品在处理器上运行时执行实施例一的方法。
[0163]
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。
[0164]
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
[0165]
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
[0166]
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
[0167]
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
[0168]
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据
处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
[0169]
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
[0170]
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0171]
注意，除非另有直接说明，否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此，除非另有明确说明，否则所公开的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下，进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头，该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。
[0172]
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。
[0173]
最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，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，或者对其中部分或者全部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公开各实施例技术方案的范围。

技术特征：
1.一种综合能源服务站站内协同优化控制方法，其特征在于，包括：获取综合能源服务站内各类可控资源的运行特性约束，以及所述综合能源服务站的柔性负荷以及电池储能的调控策略；基于所述综合能源服务站内各类可控资源的运行特性约束，以及所述综合能源服务站的柔性负荷以及电池储能的调控策略，判断所述柔性负荷的供能可靠性损失以及所述电池储能对应的储能容量衰退是否均在对应的预设范围内；若所述柔性负荷的供能可靠性损失以及所述电池储能对应的储能容量衰退均在对应的预设范围内，则以所述综合能源服务站内各类可控资源的自身需求为约束，协同响应所述综合能源服务站的上级电网调度策略；基于所述上级电网调度策略以及所述综合能源服务站的各类可控资源的动态聚合结果，生成所述综合能源服务站的站内协同优化控制策略，并根据所述站内协同优化控制策略对所述综合能源服务站内各类可控资源进行协同优化控制。2.根据权利要求1所述的方法，其特征在于，所述综合能源服务站内各类可控资源包括变电站、储能站、光伏站、充电站以及数据中心站中的至少一种。3.根据权利要求1所述的方法，其特征在于，所述基于所述综合能源服务站内各类可控资源的运行特性约束，以及所述综合能源服务站的柔性负荷以及电池储能的调控策略，判断所述柔性负荷的供能可靠性损失以及所述电池储能对应的储能容量衰退是否均在对应的预设范围内，包括：基于设定约束条件求解预先构建的综合能源服务站优化模型，确定所述各类可控资源的最大功率约束、温控负荷响应指令以及储能充放电限制；根据所述各类可控资源的最大功率约束、温控负荷响应指令以及储能充放电限制，以及对所述各类可控资源的实际控制策略，判断所述柔性负荷的供能可靠性损失以及所述电池储能对应的储能容量衰退是否均在对应的预设范围内。4.根据权利要求3所述的方法，其特征在于，所述设定约束条件包括：负荷约束、光伏出力约束和储能设备约束，其中，所述负荷约束包括充电负荷削减约束和柔性负荷调节约束；所述充电负荷削减约束是指：在有序充电策略控制下，充电负荷p
ev,t
建模为最大充电功率与负荷削减量δp
ev,t
之差，且削减比例不超过设定比例ω；所述柔性负荷调节约束是指：温控负荷p
cac,t
具备响应指令跟随能力，且其建模为基线负荷与实际调控量δp
cac,t
之和；所述光伏出力约束是指允许一定程度出现弃光现象；所述储能设备约束包括：第一约束：数据中心/通信基站的闲置备用储能满足能够为计算负荷提供紧急功率支援，以及荷电状态soc变化范围的约束；第二约束：储能电站在满足系统运行需求时尽可能延长寿命。5.根据权利要求4所述的方法，其特征在于，所述综合能源服务站优化模型的目标函数表达式如下：
其中，f
m
表示所述综合能源服务站的站内协同优化控制策略，m
l
表示负荷功率对应的权重系数，p
l,t
表示调控后的负荷功率，表示原有负荷功率需求，表示[0,t
d
]时段的总放电深度，表示电池储能充放电功率对应的权重系数，α
pet,t
表示柔性配电装置各时刻的负载率，表示日内平均负载率，ev表示电动汽车，hvac表示空气调节系统，ωbes表示不同类型储能的集合，t表示时刻。6.根据权利要求2所述的方法，其特征在于，还包括：在不改变上级电网与变电站交换功率的前提下，检验光伏出力场景中是否会出现由于光伏波动造成的设备运行约束越限的情况，采用如下表达式：其中，δp
′
cac,t,s
表示温控负荷调控量，表示温控负荷削减量，表示荷电状态变化量，表示储能电池充放电功率调控量，δp
pet,t,s
表示柔性配电装置的传输功率调控量，minf
s
表示检验所用的目标函数；在目标函数minf
s
的值大于预设值的情况下，确定出现由于光伏波动造成的设备运行约束越限的情况。7.一种综合能源服务站站内协同优化控制装置，其特征在于，包括：获取模块，用于获取综合能源服务站内各类可控资源的运行特性约束，以及所述综合能源服务站的柔性负荷以及电池储能的调控策略；判断模块，用于基于所述综合能源服务站内各类可控资源的运行特性约束，以及所述综合能源服务站的柔性负荷以及电池储能的调控策略，判断所述柔性负荷的供能可靠性损失以及所述电池储能对应的储能容量衰退是否均在对应的预设范围内；协同响应模块，用于在所述柔性负荷的供能可靠性损失以及所述电池储能对应的储能容量衰退均在对应的预设范围内时，以所述综合能源服务站内各类可控资源的自身需求为约束，协同响应所述综合能源服务站的上级电网调度策略；优化控制模块，用于基于所述上级电网调度策略以及所述综合能源服务站的各类可控资源的动态聚合结果，生成所述综合能源服务站的站内协同优化控制策略，并根据所述站内协同优化控制策略对所述综合能源服务站内各类可控资源进行协同优化控制。8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被至少一个处理器执行时，实现如权利要求1至6中任一项所述的方法。9.一种电子设备，其特征在于，包括存储器和至少一个处理器，所述存储器上存储有计算机程序，所述计算机程序被所述至少一个处理器执行时实现如权利要求1至6中任一项所述的方法。10.一种计算机程序产品，其特征在于，所述计算机程序产品在处理器上运行时执行如
权利要求1至6中任一项所述的方法。

技术总结
本发明提供一种综合能源服务站站内协同优化控制方法及相关产品。基于综合能源服务站内各类可控资源的运行特性约束，以及柔性负荷以及电池储能的调控策略，判断柔性负荷的供能可靠性损失以及电池储能对应的储能容量衰退是否均在对应的预设范围内；若是，则以各类可控资源的自身需求为约束，协同响应综合能源服务站的上级电网调度策略；基于上级电网调度策略以及综合能源服务站的各类可控资源的动态聚合结果，生成综合能源服务站的站内协同优化控制策略，并根据站内协同优化控制策略对综合能源服务站内各类可控资源进行协同优化控制。本发明实现多站合一，调控多个灵活性资源和内部优化控制，实现源输配荷的协同优化，发挥综合服务站电网支撑作用。合服务站电网支撑作用。合服务站电网支撑作用。


技术研发人员：丁然 程林 孙荣富 樊小伟 邱威 姚一鸣 蓝海波 王靖然 耿艳 裴宇婷 赵雷庆 张锐 翟丙旭 孙舶皓
受保护的技术使用者：国家电网有限公司 清华大学
技术研发日：2023.04.07
技术公布日：2023/8/4