[发明专利]一种梯级水光蓄互补系统调度决策方法

说明书

本发明公开了一种梯级水光蓄互补系统调度决策方法，涉及能源综合利用技术领域，包括：将光伏发电源侧波动、并网点波动及经济性作为梯级水光蓄调度优化目标，结合并网点交换功率约束、水电站和抽蓄水库水量约束、节点电压和馈线电流约束搭建梯级水光蓄调度模型；将梯级水光蓄调度模型转换为马尔可夫决策过程；搭建基于强化学习的梯级水光蓄动态调度框架；以当前梯级水光蓄互补系统数据作为输入，利用DDPG算法求解转换为马尔可夫决策过程的梯级水光蓄调度模型，输出得到应对强随机性光伏出力的梯级水光蓄系统实时调度策略。本发明计算效率高，极大缓解电源侧波动率，提高了系统外送调度能力，实现了光伏全额消纳，可根据水光随机环境实现实时决策。

技术领域

本发明涉及能源综合利用技术领域，具体而言，涉及一种梯级水光蓄互补系统调度决策方法。

背景技术

光伏出力极强随机性、水电来水不确定性、梯级水电出力强耦合性给梯级水光蓄系统的运行提出了严峻的挑战。目前国内外对多能互补协同发电技术的研究已取得了一些成果，针对可再生能源出力随机性特征，利用具有灵活调节能力的常规电源，例如水电、火电等或储能设备，通过先进的调控手段对可再生能源互补，提高可再生能源的利用率，实现多能互补联合发电，为梯级水光蓄系统的运行提供参考。但现有研究大多侧重于单个大容量的水电站与光伏的互补，随着多年流域的梯级开发，已逐步规划建成多个梯级小水电站,由于小水电站库容调节能力有限，还有径流式水电站无调节能力，因此不能将现有传统的水光互补系统发电技术应用在此梯级水光蓄系统，同时，现有水光互补调度研究大多关注水电发电量及运行的经济性，兼顾光伏消纳率，但不是从新能源全额消纳的角度看待问题，并未充分考虑到光伏实时的随机波动变化。另外，传统的优化调度主要集中在长期或日前调度，对实时调度决策无太大指导意义，且这些所涉及的调度决策方法很难准确适应光伏和来水的随机动态变化，因此，考虑水光极强随机性开展梯级水光蓄系统的实时调度决策是亟待解决的问题。

发明内容

本发明在于提供一种梯级水光蓄互补系统调度决策方法，其能够缓解上述问题。

为了缓解上述的问题，本发明采取的技术方案如下：

本发明提供了一种梯级水光蓄互补系统调度决策方法，包括以下步骤：

S1、将光伏发电源侧波动、并网点波动及经济性作为梯级水光蓄调度优化目标，结合并网点交换功率约束、水电站和抽蓄水库水量约束、节点电压和馈线电流约束搭建梯级水光蓄调度模型；

S2、将梯级水光蓄调度模型转换为马尔可夫决策过程，搭建基于强化学习的梯级水光蓄动态调度框架；

S3、在基于强化学习的梯级水光蓄动态调度框架下，以当前梯级水光蓄互补系统数据作为输入，利用深度确定性策略梯度(Deep deterministic policy gradient,DDPG)算法求解转换为马尔可夫决策过程的梯级水光蓄调度模型，输出得到应对强随机性光伏出力的梯级水光蓄系统实时调度策略。

在本发明的一较佳实施方式中，步骤S1中，梯级水光蓄调度优化方法包括将计算周期划分为M个阶段，根据经济效益最大化、光伏发电源侧波动最小化、并网点波动最小化构建梯级水光蓄调度优化目标函数

其中，F为计算周期T内的总目标，ER_t为t时刻梯级水光蓄系统经济收益，ΔP_source,t为t时刻源侧波动度量，ΔP_t为Δt时段内并网点波动度量值，β₁、β₂、β₃分别是经济性目标、光伏发电源侧波动平抑目标、并网点波动平抑目标的权重因子。

在本发明的一较佳实施方式中，采用信息熵理论计算经济性目标、光伏发电源侧波动平抑目标、并网点波动平抑目标的权重因子。