[发明专利]一种虚拟电厂的出力控制方法及装置

说明书

本发明提供了一种虚拟电厂的出力控制方法及装置，包括：获取虚拟电厂的最优申报出力；根据分布式电源的出力能力，控制分布式电源的实际出力趋近最优申报出力。本申请通过预先计算出虚拟电厂的最优申报出力，然后通过控制虚拟电厂中各分布式电源的实际出力来使其趋近于最优申报出力这个标准来达到保证虚拟电厂收益最大化的目的。

技术领域

本申请属于虚拟电厂聚合模式与关键技术设计领域，具体地讲，涉及一种虚拟电厂的出力控制方法及装置。

背景技术

虚拟电厂是通过精细的控制方式和能源管理整合各类分布式电源，将多个小电源打包，输出相对稳定的较大出力。与微电网相比，虚拟电厂更偏重从上到下的管理与控制，从对外呈现的功能与效果看，更类似传统电厂。由于其优秀的出力特性，虚拟电厂成为由智能电网向电力能源互联网迈进的关键因素，也是解决分布式电源参与电力市场交易问题的重要途径。然而，目前国内外的学者对虚拟电厂的框架构造仍不统一，针对虚拟电厂的基础设施约束、聚合模式、容量优化等研究较少。因此，有必要综合考虑虚拟电厂日前出力申报以及日内实时负荷控制等问题，构建虚拟电厂的优化调度与实时控制置系统。

发明内容

本申请提供了一种虚拟电厂的出力控制方法及装置，以至少解决现有技术中，缺乏对虚拟电厂日前出力申报以及日内实时负荷控制的问题。

根据本申请的一个方面，提供了一种虚拟电厂的出力控制方法，包括：

获取虚拟电厂的最优申报出力；

根据分布式电源的出力能力，控制分布式电源的实际出力趋近最优申报出力。

在一实施例中，获取虚拟电厂的最优申报出力，包括：

获取分布式电源的出力场景；

根据出力场景，通过预先构建优化调度模型获得最优申报出力。

在一实施例中，获取分布式电源的出力场景，包括：

利用预先建立的神经网络模型预测分布式电源的出力曲线；

采用自回归滑动平均模型对出力曲线进行修正获得出力修正曲线；

根据出力修正曲线获得出力场景。

在一实施例中，采用自回归滑动平均模型对出力曲线进行修正获得出力修正曲线，包括：

采用自回归滑动平均模型对出力曲线进行修正获得修正曲线的向量；

将修正曲线的向量与出力曲线的向量进行数量积运算获得出力修正曲线。

在一实施例中，根据出力修正曲线获得出力场景，包括：

根据出力修正曲线获得修正场景集；

对修正场景集进行削减获得出力场景。

在一实施例中，出力控制方法还包括：

对输入和输出的历史数据进行预处理；

将历史数据作为训练集进行网络训练建立神经网络模型。

在一实施例中，根据分布式电源的出力能力，控制分布式电源的实际出力趋近最优申报出力，包括：

采用扰动观察法获得虚拟电厂中光伏机组可输出的最大出力以及达到最大出力所需的电压；

将最大出力和电压作为实时出力能力的上限约束，根据上限约束建立实际出力的控制目标函数；

通过控制目标函数获得分布式电源的实际出力分配。

在一实施例中，出力控制方法还包括：

当光伏机组的实际出力为最大出力时，将光伏机组设定在MPPT模式下工作；