本发明主要涉及一种虚拟电厂分布式资源聚合与协同调度方法，属于电力系统调度。
背景技术：
1、配电网络中的众多分布式能源，如储能系统、光伏、风力涡轮机等，都具有巨大的灵活性潜力。然而，由于分布式能源规模小、分布广且异构，因此很难对其进行管理并利用其电力灵活性。虚拟发电厂提供了一种以集群方式管理分布式资源的有效方法。虚拟发电厂的运营商可以将分布式资源的灵活性作为一个整体来聚合，为电网提供能源和辅助服务。因此，通过聚合分布式资源来评估虚拟电厂的等效功率灵活性具有重要意义。它可以为电力系统运行调度和电力市场竞价提供科学的决策依据。
2、功率灵活性可以描述为所有时间段内满足网络约束和设备运行约束的有功和无功输出功率的可行域。从几何角度看，柔性聚合过程可视为从所有分布式资源的功率柔性区域向公共耦合点输出功率所跨越的虚拟电厂功率柔性区域的投影。因此，这个问题可以描述为从高维原点多面体到降维投影多面体的投影。要获得投影多面体的精确解析形式，在数学上是一个难以解决的问题。
3、在电网调控研究领域，配电网侧灵活性资源聚合可行域的协同优化调度模型正逐渐成为研究热点。它为资源聚合体参与电网调控提供了有益的模型设计参考。然而，目前配网侧资源建模普遍较为单薄，未能全面考虑新能源发电的波动性，因此需要进一步丰富建模内容，以更准确地反映配电网的灵活调节能力。通过将更多类型的灵活性资源聚合形成虚拟电厂，并求解包含有功与无功耦合的可行域模型，可以更加深入地了解电网的运行状况。但值得注意的是，在资源聚合体调控方面，多数研究尚未充分评估可行域的无功调节能力对电网运行的支撑作用，这仍是一个有待深入挖掘的领域。同时，资源聚合模型与聚合体调控方法之间的关联性较弱，资源聚合体上传参数的应用也不够充分，这些都是当前研究中存在的问题。
4、在现有技术中，对于海量分布式资源通过虚拟电厂接入形式参与电网调度的研究已取得显著进展。这些研究表明，通过有效的调度控制分布式资源，能够充分发挥其灵活性，进而提升新能源的消纳效率及负荷供电满意度。然而，现有技术仍存在一些不足之处。一方面，对于多虚拟电厂之间的互动研究尚显不足，缺乏行之有效的互动策略。不同的虚拟电厂聚合了多样化的分布式资源，通过加强多虚拟电厂间的协同互动，可以更好地利用这些资源的调节能力，提升整体的灵活性和经济性。另一方面，虚拟电厂在参与调度时的隐私问题被忽视。虚拟电厂的隐私信息涉及商业机密，因此，需要探索有效的隐私保护优化方法，以确保信息安全和保密性。
技术实现思路
1、本发明为了解决上述问题，提出了一种虚拟电厂分布式资源聚合与协同调度方法，本发明可以实现整体系统运行的安全性和经济性的同时兼顾各社区的隐私和利益。
2、为实现上述目的，本发明采用如下技术方案：
3、一种虚拟电厂分布式资源聚合与协同调度方法包括以下步骤：
4、s1.建立考虑可再生能源发电不确定性的虚拟电厂可行域求解模型；
5、s2.采用顶点枚举法对虚拟电厂可行域模型进行求解，得到虚拟电厂可行域，表征虚拟电厂内分布式资源聚合体的有功-无功调节能力；
6、s3.基于虚拟电厂可行域，建立主动配电网多虚拟电厂协同优化模型；
7、s4.采用admm算法求解主动配电网多虚拟电厂协同优化模型。
8、所述步骤1的考虑可再生能源发电不确定性的虚拟电厂可行域求解模型的构建过程为：
9、s11.建立虚拟电厂内分布式资源模型，虚拟电厂内分布式资源设备可以分为两类：类储能分布式资源和类发电机分布式资源；其中，类储能分布式资源主要包括分布式储能和电动汽车等具有能量累积的资源；类发电机分布式资源包括以微型燃气轮机为代表的传统分布式发电机，以及以分布式风电和分布式光伏为代表的可再生分布式发电机；各类分布式资源模型为：
10、所述es的模型为：
11、
12、式中，可再生分布式发电机的英文为：renewabledistributed generators，简称是rdg；虚拟电厂的英文为：virtualpowerplant，简称是vpp；类储能分布式资源的英文为：energy storage，简称是es；传统分布式发电机的英文为conventional distributedgenerators，简称是cdg；可再生分布式发电机的英文为：renewabledistributedgenerators，简称是rdg；为属于第a个vpp的es所有节点的集合，为节点i连接的储能的最小允许容量，为节点i连接的储能的最大允许容量，为t时刻节点i连接的储能的能量，为t时刻节点i连接的储能的充电功率，为t时刻节点i连接的储能的放电功率，为节点i连接的储能的充电效率，为节点i连接的储能的放电效率，δt为控制周期，为t时刻节点i连接的储能对应的状态变量，0为放电，1为充电，为节点i连接的储能充电功率的上限，为节点i连接的储能放电功率的上限；
13、所述cdg的模型为：
14、
15、式中，为属于第a个vpp的cdg所有节点的集合，为t时刻节点i连接的cdg的有功出力，为t时刻节点i连接的cdg的无功出力，为节点i连接的cdg每小时的爬坡率上限，为节点i连接的cdg有功出力的上限，为节点i连接的cdg有功出力的下限，为节点i连接的cdg无功出力的上限，为节点i连接的cdg无功出力的下限。
16、所述rdg的模型为：
17、
18、式中，为属于第a个vpp的rdg所有节点的集合，为t时刻节点i连接的rdg的有功出力，为t时刻节点i连接的rdg的无功出力，为t时刻节点i连接的rdg的最大可提供有功出力，为节点i连接的rdg的最小功率因数角，为节点i连接的rdg的最大功率因数角。
19、采用高斯混合模型将包含随机变量的机会约束转化为确定性约束，首先，将含随机变量的约束转化为机会约束形式：
20、
21、式中，为事件成立的概率，κrdg为对应机会约束的置信度。
22、其次，将上述机会约束转化为确定性约束：
23、
24、式中，为分位点，为累积分布函数的反函数。
25、s12.建立网络模型，电力网络拓扑的潮流分析采用基于distflow线性潮流模型，其模型为：
26、
27、
28、式中：θa为属于第a个vpp的所有节点的集合，ξpcc为连接pcc的线路集合，为t时刻节点j的有功功率，为t时刻节点j的无功功率，为连接在节点j的cdg的数量、为连接在节点j的rdg的数量，为连接在节点j的es的数量，为t时刻连接在节点j的第l个cdg的有功出力，为t时刻连接在节点j的第l个cdg的无功出力，为t时刻连接在节点j的第l个rdg的有功出力，为t时刻连接在节点j的第l个rdg的无功出力，为t时刻连接在节点j的第l个es的充电功率，为t时刻连接在节点j的第l个es的放电功率，为t时刻线路ij的有功功率，为t时刻线路ij的无功功率，rij为线路ij的电阻，xij为线路ij的电抗，iij,t为线路ij的电流平方值，为电流平方的上限值，iij为电流平方的下限值，vi,t为t时刻节点i的电压的平方值；为节点i的电压平方的上限值，vi为节点i的电压平方的下限值，pa,t为t时刻第a个vpp在pcc的输出有功功率，qa,t分别为t时刻第a个vpp在pcc的输出无功功率。
29、所述步骤2的采用顶点枚举法对虚拟电厂可行域模型进行求解，其中，在考虑虚拟电厂网络约束和分布式资源约束的前提下，将虚拟电厂内的各分布式资源在各时刻的功率可调节范围映射至虚拟电厂与配电网的公共耦合点(pointofcommon coupling，pcc)，从而用pcc处各时刻的功率可调节范围来代表虚拟电厂可行域。其过程为：
30、1)确定虚拟电厂可行域顶点枚举的目标函数为：
31、
32、式中，为枚举新顶点的单位方向向量，为t时刻功率因数角，wa,t＝[qa,t,pa,t]为t时刻可行域内的点，为t时刻第a个vpp的可行域。
33、2)确定虚拟电厂可行域顶点枚举的约束条件包括权利要求2的虚拟电厂内分布式资源模型和网络模型，此外，为确定特定功率因数角对可行域的约束限制，设定约束条件为：
34、
35、进而确定求解虚拟电厂可行域的优化问题f0。
36、3)求解不同功率因数角下优化问题f0，获得虚拟电厂可行域的全部边界顶点，最终基于各顶点形成凸包得到虚拟电厂可行域。
37、所述步骤s3的主动配电网多虚拟电厂协同优化模型的构建过程为：
38、s31.对虚拟电厂内部各分布式资源的有功成本进行聚合，得到虚拟电厂有功输出的分段二次函数聚合成本模型：
39、
40、
41、式中，为t时刻第a个vpp的有功成本，为t时刻第a个vpp内cdg的成本、为t时刻第a个vpp内rdg的成本，为t时刻第a个vpp内es的成本，为第a个vpp内cdg的二次项成本系数，为第a个vpp内cdg的一次项成本系数，为第a个vpp内cdg的常数项成本系数，为第a个vpp内rdg的一次项成本系数，为第a个vpp内rdg的常数项成本系数，为第a个vpp内es的一次项成本系数，为第a个vpp内es的常数项成本系数，为第a个vpp输出有功在nb区段时的二次项成本系数，为第a个vpp输出有功在nb区段时的一次项成本系数，为第a个vpp输出有功在nb区段时的常数项成本系数，为第a个vpp输出有功在nb区段时的边界值。
42、s32.虚拟电厂的无功成本为虚拟电厂因提供无功服务而在有功发电上损失的部分成本，其表达式为：
43、
44、式中，为t时刻第a个vpp的无功成本，为第a个vpp的无功成本系数，为第a个vpp的有功功率最大值，为第a个vpp的视在功率最大值。
45、s33.主动配电网多虚拟电厂协同优化的目标是最小化系统的总成本，其表达式为：
46、
47、式中，c为系统的总成本，ca,t为t时刻第a个vpp的成本，n为配电网中包含的虚拟电厂的数量，γ为调度周期；
48、s34.施加主动配电网多虚拟电厂
49、协同优化的约束条件，如下所示：
50、
51、式中，为t时刻系统总的有功功率需求，为t时刻系统总的无功功率需求，为t时刻系统总的有功功率损耗，为t时刻系统总的无功功率损耗，ui,t为t时刻节点i的电压，为节点电压的最大值，u为节点电压的最小值，θ为配电网的节点集合。
52、所述步骤s4中的采用admm算法求解主动配电网多虚拟电厂协同优化模型的过程为：
53、s41.通过引入辅助变量对耦合约束进行解耦，表示为：
54、
55、
56、式中，和分别为pa,t和qa,t对应的辅助变量。
57、s42.建立主动配电网多虚拟电厂
58、协同优化模型的增广拉格朗日方程为：
59、
60、式中，l为增广拉格朗日方程，λa,t为约束对应的拉格朗日乘子，μa,t为约束对应的拉格朗日乘子，ρ为惩罚因子。
61、s43.使用admm算法，对所述的优化调度模型进行分布式迭代优化。
62、所述步骤s43中使用admm算法对所述的优化调度模型进行分布式迭代优化的过程为：
63、s430.每个虚拟电厂独立并行求解各自的自治优化子问题，表示为：
64、
65、式中，为第k+1次迭代的t时刻第a个vpp在pcc的输出有功功率值，为第k+1次迭代的t时刻第a个vpp在pcc的输出无功功率值，为辅助变量第k次迭代的值，为辅助变量第k次迭代的值，为拉格朗日乘子λa,t第k次迭代的值，为拉格朗日乘子μa,t第k次迭代的值。
66、s431.上层配电系统运营商(distribution system operator，dso)对辅助变量进行更新，表示为：
67、
68、式中，为辅助变量第k+1次迭代的值，为辅助变量第k+1次迭代的值。
69、s432.对拉格朗日乘子进行更新，表示为：
70、
71、式中，为拉格朗日乘子λa,t第k+1次迭代的值，为拉格朗日乘子μa,t第k+1次迭代的值。
72、s433.对优化结果进行判断是否满足收敛条件，若优化结果的原始残差和对偶残差分别小于设定阈值，则判断此时达到最优调度策略，输出优化结果；若优化结果未满足收敛条件，则迭代次数加一，重复上述过程。所述的收敛条件为：
73、
74、式中，rk和dk分别为第k次迭代的原始残差和对偶残差，∈pri和∈dual分别为原始残差和对偶残差的收敛标准，为辅助变量第k-1次迭代的值，为辅助变量第k-1次迭代的值。
75、本发明的有益效果在于：
76、1、本发明方法能够有效刻画单个虚拟电厂内多类型分布式资源的可行域，充分利用了分布式资源的有功-无功调节能力，提升了其参与电网运行的灵活性。
77、2、本发明方法提出的基于admm的分布式协同调度方法能够实现多个虚拟电厂的统一协调和各虚拟电厂的独立自治调度，具有良好的收敛性和可扩展性。
1.一种虚拟电厂分布式资源聚合与协同调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种虚拟电厂分布式资源聚合与协同调度方法，其特征在于，所述步骤s1的过程包括：
3.根据权利要求2所述的一种虚拟电厂分布式资源聚合与协同调度方法，其特征在于，采用高斯混合模型建立考虑可再生能源发电不确定性的rdg模型，其过程为：
4.根据权利要求1所述的一种虚拟电厂分布式资源聚合与协同调度方法，其特征在于，采用顶点枚举法对虚拟电厂可行域模型进行求解，其中，在考虑虚拟电厂网络约束和分布式资源约束的前提下，将虚拟电厂内的各分布式资源在各时刻的功率可调节范围映射至虚拟电厂与配电网的公共耦合点(point ofcommon coupling，pcc)，从而用pcc处各时刻的功率可调节范围来代表虚拟电厂可行域，其过程为：
5.根据权利要求1所述的一种虚拟电厂分布式资源聚合与协同调度方法，其特征在于，所述步骤s3中建立主动配电网多虚拟电厂协同优化模型的过程为：
6.根据权利要求1所述的一种虚拟电厂分布式资源聚合与协同调度方法，其特征在于，所述步骤s4采用admm算法求解主动配电网多虚拟电厂协同优化模型，其过程为：
7.根据权利要求6所述的一种虚拟电厂分布式资源聚合与协同调度方法，其特征在于，所述步骤s43中的使用admm算法对所述的优化调度模型进行分布式迭代优化，其过程为：
