本发明涉及分布式储能规划，特别涉及一种面向多元电力服务的虚拟电厂分布式储能优化配置方法。
背景技术：
1、分布式发电技术发展迅猛。光伏、风机等分布式电源大规模接入配电网，非化石能源发电成为未来电网的发展趋势。但分布式电源发电受环境因素影响比较大，出力具有较大的随机性与波动性，其大规模接入电网后会对电力系统稳定性、电能质量以及运行规划等方面造成一定的冲击。
2、而虚拟电厂(virtual power plant,vpp)作为一种分布式电源协调运行与管理技术，为解决上述问题提供了新方法。vpp可将分布式发电机组、电池储能系统以及可控负荷统一聚合起来作为一个可控发电商来参与电网调度和电力市场交易，其能够更好地分配负荷定向消纳，提升可再生能源消纳，提高电力系统运行稳定性。其中，电力储能技术可通过其灵活调节能力使得vpp更好地参与多元电力市场交易，可有效提高可再生能源消纳、电网运行控制的灵活性与可靠性。但目前储能系统存在成本高、效率低、寿命周期短等问题，导致其在电力系统中的应用具有一定的局限性。为了充分发挥储能系统在vpp中的作用、提高vpp运营收益，有必要对vpp中储能系统进行优化配置。
3、现有技术的缺陷和不足：
4、缺乏针对大量异构分布式资源的有效能量管理手段：vpp中包含了海量的分布式发电机组、分布式储能及可控负荷，容量小、数量多、分布广，且分布式能源资源可能隶属于不同的工业用户利益主体，在进行能量管理过程中应计及不同主体的效应和利益，如何协调大量异构分布式资源参与vpp进行调控，提高运行效率与主动支撑能力是难点问题。
5、分布式资源参与多元电力服务的市场机制尚未完善：由于vpp中含有丰富的光储充荷资源，可以参与需求响应、调峰、调频等多元化电力市场获取叠加收益，但成本、风险和协同作用等多因素会影响分布式资源参与市场的经济效益，存在承担风险与收益分配不公平现象，对多主体共同参与多元电力服务的市场机制需要进一步探索。
6、未涉及多元市场模式下多类型分布式储能优化配置模型研究：一方面，针对不同电力市场差异化的需求，如何有效计及不同电力市场在时间尺度和资源时域响应性能的差异，将含有多端随机性的分布式资源进行有效聚合优化是一项重大挑战；另一方面，不同电力服务对储能需求特性与储能收益之间的时变关系、不同时刻储能协助vpp分布式资源参与多元服务耦合性以及多类型分布式储能功率和能量的聚合复用方式和收益机制尚未明确。
技术实现思路
1、为了能够解决上述现有技术中的问题，本发明提供了一种面向多元电力服务的虚拟电厂分布式储能优化配置方法，提出基于分布鲁棒的参与多元电力服务的虚拟电厂分布式储能精细化选型与容量优化配置模型，以灵活协调大量异构分布式资源参与虚拟电厂进行调控、提高运行效率与主动支撑能力，同时提高各聚合对象参与市场所获收益与虚拟电厂参与电力市场竞争能力。
2、为了实现上述发明目的，本发明提供了一种面向多元电力服务的虚拟电厂分布式储能优化配置方法，包括以下步骤：
3、基于实时电价、调频服务价格和负荷售电电价获得第一不确定性变量；基于分布式风、光发电机组的出力以及可控负荷的负荷获得第二不确定性变量；
4、基于所述第一不确定性变量和所述第二不确定性变量构建不确定性变量的计算模型；
5、构建决策变量；虚拟电厂包括所述分布式风、光发电机组，电化学储能设备和所述可控负荷，所述决策变量至少用于配置所述电化学储能设备；
6、基于所述不确定性变量的计算模型和所述决策变量获得优化方向，所述优化方向为预设时间内所述虚拟电厂收益最大化；
7、基于所述优化方向和所述不确定性变量的计算模型构建面向多元电力服务的虚拟电厂分布式储能分布鲁棒优化配置模型，所述分布鲁棒优化配置模型包括min-sup形目标函数和约束条件，所述约束条件包括确定性约束和不确定性误差概率约束，所述虚拟电厂包括电化学储能设备，所述优化配置模型的决策变量至少用于配置所述电化学储能设备；
8、获取历史数据样本集，所述历史数据样本集中的数据包括所述第二不确定性变量的历史数据；
9、基于所述历史数据样本集，采用wasserstein度量构建第二不确定性变量的模糊集；
10、基于所述第二不确定性变量的模糊集和对偶理论，获得重构的min-sup形目标函数，以及获得数据驱动不确定集边界；
11、基于所述数据驱动不确定集边界，将所述不确定性误差概率约束转化为确定性误差概率约束；
12、基于所述确定性约束、所述确定性误差概率约束和所述重构的min-sup形目标函数求解所述分布鲁棒优化配置模型，获得决策变量的数集。
13、进一步地，构建所述不确定性变量的计算模型的步骤为：
14、基于市场运营信息，根据公式一划分所述预设时间，所述公式一为：
15、
16、式中，π为预设时间内划分的时间段总数，t为预设时间，te为市场运营机构发布现货市场信息的时间间隔，κ为每个时间段内划分的时刻总数，tfr为市场运营机构发布调频辅助服务需求公告的时间间隔；
17、基于所述公式一，分别构建所述预设时间内的第一不确定性变量的计算模型和第二不确定性变量的计算模型；
18、所述第一不确定性变量的计算模型包括：
19、
20、
21、所述第二不确定性变量的计算模型包括：
22、
23、式中，为在i时段、t时刻的实时电价，为在i时段、t时刻的调频服务价格，为在i时段、t时刻的负荷售电电价，为在i时段、t时刻的实时电价预测值，为在i时段、t时刻的调频服务价格预测值，为在i时段、t时刻的负荷售电电价预测值，为在i时段、t时刻的实时电价预测偏差量，为在i时段、t时刻的调频服务价格预测偏差量，为在i时段、t时刻的负荷售电电价预测偏差量，n(·,·)为正态分布，σe为实时电价预测误差的标准差，σfr为调频服务价格预测误差的标准差，σload为负荷售电电价预测误差的标准差，为第x台风机在i时段、t时刻的出力，为第y台光伏阵列在i时段、t时刻的出力，为第j个可控负荷在i时段、t时刻的负荷，为第x台风机在i时段、t时刻的出力预测值，为第y台光伏阵列在i时段、t时刻的出力预测值，为第j个可控负荷在i时段、t时刻的负荷预测值，为第x台风机在i时段、t时刻的出力预测偏差量，为第y台光伏阵列在i时段、t时刻的出力预测偏差量，为第j个可控负荷在i时段、t时刻的负荷预测偏差量。
24、进一步地，采用wasserstein度量构建所述第二不确定性变量的模糊集的步骤为：
25、获取第二不确定性变量的支撑集，所述第二不确定性变量的支撑集为：
26、
27、式中，ξ为第二不确定性变量的支撑集，为支撑矩阵，ω为第二不确定性变量向量，为支撑向量；
28、基于所述历史数据样本集构建第二不确定性变量的经验概率分布模型，所述第二不确定性变量的经验概率分布模型为：
29、
30、式中，为为第二不确定性变量的经验概率分布，m为中历史数据样本的数量，l为中历史数据样本的序号，为中第l个历史数据样本的狄拉克测度，为中第l个历史数据样本，为历史数据样本集；
31、根据所述第二不确定性变量的经验概率分布模型构建基于wasserstein度量的距离测量模型，所述基于wasserstein度量的距离测量模型为：
32、
33、式中，为与的距离，为第二不确定性变量的真实概率分布，inf表示取下界函数，π为ξ中第二不确定变量样本与中历史数据样本的联合概率分布，且π以与为边缘概率分布，k为ξ中第二不确定性变量样本的序号，为ξ中第二不确定性变量样本的数量，ωk为ξ中第k个第二不确定性变量样本，πkl为π取ωk与时的概率值，为取ωk时的概率值；s.t.表示约束；
34、获取置信水平，根据所述置信水平获取wasserstein球半径；所述wasserstein球半径为：
35、
36、式中，r(m,ε)为wasserstein球半径，ε为置信水平，d为不确定变量支撑度的直径；
37、根据所述wasserstein球半径和所述基于wasserstein度量的距离测量模型获得所述第二不确定性变量的模糊集；所述第二不确定性变量的模糊集为：
38、
39、式中，为第二不确定性变量的模糊集。
40、进一步地，所述min-sup形目标函数为：
41、
42、式中，min为最小化函数，且min为min-sup形目标函数的外层函数，sup为取上限函数，且sup为min-sup形目标函数的内层函数，χ为决策变量向量，ω为第二不确定性变量向量，为第二不确定性变量的真实概率分布，为第二不确定性变量的模糊集，表示期望，g为收益相反数的函数；
43、获得所述重构的min-sup形目标函数的步骤为：
44、基于所述第二不确定性变量的模糊集改写所述min-sup形目标函数的内层函数获得第一过程函数；所述第一过程函数为：
45、
46、基于对偶理论转化所述第一过程函数获得第一过程函数的对偶函数；所述第一过程函数的对偶函数为：
47、
48、式中，λ、sl为对偶变量；
49、将所述最大收益相反数的函数改写为分段线性凸函数，所述分段线性凸函数为：
50、
51、式中，j为有限集合，q为函数分段的序号，max为最大化函数，aq(χ)与bq(χ)为仿射函数系数；
52、获得辅助向量和辅助向量的对偶范数；
53、基于所述辅助向量、所述辅助向量的对偶范数和所述分段线性凸函数改写所述第一过程函数对偶函数获得第二过程函数；所述第二过程函数为：
54、
55、式中，为辅助向量，为的对偶范数；
56、基于对偶理论转化所述第二过程函数的约束获得第三过程函数；所述第三过程函数为：
57、
58、式中，rlq为对偶变量，上标表示转置；
59、根据第三过程函数和所述min-sup形目标函数的外层函数获得所述重构的min-sup形目标函数；所述重构的min-sup形目标函数为：
60、
61、进一步地，所述优化方向为：
62、maxs＝se+sfr+sload-ccurt-cre-cba-closs-com-cex；
63、式中，max表示最大化，s为收益，se为虚拟电厂电网售电收益，sfr为虚拟电厂参与调频辅助服务市场收益，sload为虚拟电厂内部负荷售电收益，ccurt为需求响应成本，cre为备用成本，cba为储能调节成本，closs为寿命损耗成本，com为运维成本，cex为激励补偿成本；
64、所述虚拟电厂电网售电收益为：
65、
66、式中，se为虚拟电厂电网售电收益，π为预设时间内划分的时间段总数，κ为每个时间段内划分的时刻总数，i为时间段序号，t为时刻序号，为在i时段、t时刻的实时电价，为在i时段、1～κ时刻的实时电价，为虚拟电厂在i时段、t时刻向现货市场出售的电量；
67、所述虚拟电厂参与调频辅助服务市场收益为：
68、
69、式中，sfr为虚拟电厂参与调频辅助服务市场收益，为在i时段、t时刻的调频服务价格，为虚拟电厂在i时段、t时刻向调频辅助服务市场提供的调频容量；
70、所述虚拟电厂内部负荷售电收益为：
71、
72、式中，sload为虚拟电厂内部负荷售电收益，为在i时段、t时刻的负荷售电电价，nload为虚拟电厂中所聚合的可控负荷数量，j为虚拟电厂中可控负荷序号，为第j个可控负荷在i时段、t时刻的负荷；
73、所述需求响应成本为：
74、
75、式中，ccurt为需求响应成本，为第j个可控负荷在i时段、t时刻的中断负荷补偿价格，为第j个可控负荷在i时段、t时刻的负荷中断量；
76、所述备用成本为：
77、
78、式中，cre为备用成本，nti为虚拟电厂中所聚合的钛酸锂电池的数量，nfe为虚拟电厂中所聚合的磷酸铁锂电池的数量，m为虚拟电厂中钛酸锂电池的序号，n为虚拟电厂中磷酸铁锂电池的序号，为第m台钛酸锂电池的上备用容量价格，为第m台钛酸锂电池的下备用容量价格，为第n台磷酸铁锂电池的上备用容量价格，为第n台磷酸铁锂电池的下备用容量价格；为第m台钛酸锂电池在i时段、t时刻的上备用容量，ri,t,m为第m台钛酸锂电池在i时段、t时刻的下备用容量；为第n台磷酸铁锂电池在i时段、t时刻的上备用容量，ri,t,n为第n台磷酸铁锂电池在i时段、t时刻的下备用容量；
79、所述储能调节成本为：
80、
81、式中，cba为储能调节成本，为第m台钛酸锂电池在i时段、t时刻的参与因子，为第n台磷酸铁锂电池在i时段、t时刻的参与因子，为第m台钛酸锂电池的单位调节费用，为第n台磷酸铁锂电池的单位调节费用；ξi,t为虚拟电厂内部在i时段、t时刻的源荷不确定量总和；nw为虚拟电厂中所聚合的风机数量，npv为虚拟电厂中所聚合的光伏阵列数量，x为虚拟电厂中风机的序号，y为虚拟电厂中光伏阵列的序号，为第x台风机在i时段、t时刻的出力预测偏差量，为第y台光伏阵列在i时段、t时刻的出力预测偏差量，为第j个可控负荷在i时段、t时刻的负荷预测偏差量；
82、所述寿命损耗成本为：
83、
84、式中，closs为寿命损耗成本，为第m台钛酸锂电池的单位充放电功率寿命损耗成本系数，为第n台磷酸铁锂电池的单位充放电功率寿命损耗成本系数；为第m台钛酸锂电池的充电效率，为第m台钛酸锂电池的放电效率，为第n台磷酸铁锂电池的充电效率，第n台磷酸铁锂电池的放电效率；为第m台钛酸锂电池在i时段、t时刻的充电功率，为第m台钛酸锂电池在i时段、t时刻的放电功率，为第n台磷酸铁锂电池在i时段、t时刻的充电功率，为第n台磷酸铁锂电池在i时段、t时刻的放电功率；
85、所述运维成本为：
86、
87、式中，com为运维成本，为第m台钛酸锂电池的运维成本系数，为第n台磷酸铁锂电池的运维成本系数；为第m台钛酸锂电池的单位容量投资成本，为第n台磷酸铁锂电池的单位容量投资成本；为第m台钛酸锂电池的额定容量，为第n台磷酸铁锂电池的额定容量；为第m台钛酸锂电池的贴现率，为第n台磷酸铁锂电池的贴现率；为第m台钛酸锂电池的使用寿命，为第n台磷酸铁锂电池的使用寿命；
88、所述激励补偿成本为：
89、
90、式中，cex为激励补偿成本，为第m台钛酸锂电池在i时段、t时刻的激励补偿价格，为第n台磷酸铁锂电池在i时段、t时刻的激励补偿价格，为第m台钛酸锂电池的额定功率，为第n台磷酸铁锂电池的额定功率，为基础激励补偿价格。
91、进一步地，所述确定性约束包括电力平衡约束、仿射约束、需求响应约束、储能设备个性化运行约束、市场准入约束、储能聚合容量约束；
92、所述电力平衡约束为：
93、
94、所述仿射约束为：
95、
96、所述需求响应约束为：
97、
98、式中，为第j个可控负荷在i时段、(t+1)时刻的负荷中断量，为第j个可控负荷在i时段、(t+1)时刻的负荷，ηmax为单时刻可控负荷最大调用率，为相邻两时刻可控负荷连续调用率之和最大值；
99、所述储能设备个性化运行约束为：
100、
101、
102、2≤δti＜δfe＜κ；
103、式中，为第m台钛酸锂电池在i时段、t时刻的荷电状态，为第n台磷酸铁锂电池在i时段、t时刻的荷电状态；为第m台钛酸锂电池的自放电率，为第n台磷酸铁锂电池的自放电率；为第m台钛酸锂电池荷电状态下限，为第n台磷酸铁锂电池荷电状态下限；为第m台钛酸锂电池荷电状态上限，为第n台磷酸铁锂电池荷电状态上限；为第m台钛酸锂电池在i时段、t时刻的布尔变量，为1表示第m台钛酸锂电池在i时段、t时刻处于充电状态，为0表示第m台钛酸锂电池在i时段、t时刻处于放电状态，为第n台磷酸铁锂电池在i时段、t时刻的布尔变量，为1表示第n台磷酸铁锂电池在i时段、t时刻处于充电状态，为0表示第n台磷酸铁锂电池在i时段、t时刻处于放电状态，δti为功率型储能设备最大连续高功率输出时刻数，δfe为能量型储能设备最大连续高功率输出时刻数；为第m台钛酸锂电池连续δti时刻负载率之和最大值；为第n台磷酸铁锂电池连续δfe时刻负载率之和最小值；
104、所述市场准入约束为：
105、
106、式中，为聚合向上调节容量门槛值，为聚合充电功率门槛值；为聚合向下调节容量门槛值，θ为与聚合放电功率门槛值；
107、所述储能聚合容量约束为：
108、
109、式中，φti为单台钛酸锂电池配置容量上限，φfe为单台磷酸铁锂电池配置容量上限；φcon为虚拟电厂内储能设备总聚合容量上限。
110、进一步地，所述不确定性误差概率约束为：
111、
112、式中，inf表示取下界函数，为第二不确定性变量的真实概率分布；β为违反不确定性误差概率约束的概率。
113、进一步地，将所述不确定性误差概率约束转化为所述确定性误差概率约束的步骤为：
114、基于公式二改写所述不确定性误差概率约束，获得不确定性误差概率约束的一般数学表达式，所述公式二为：
115、
116、式中，g(χ,ω)为{·}中事件的函数表达式；
117、根据标准化方程处理历史数据样本集获得随机变量样本集；所述标准化方程为：
118、
119、式中，为第l个随机变量样本，为中第l个历史数据样本，σ为历史数据样本集的方差，为历史数据样本集的均值；
120、基于所述随机变量样本集，构建随机变量不确定集，所述随机变量不确定集为：
121、
122、式中，为以τ为边界的随机变量不确定集，σ为随机变量，r为实数，τ为随机变量不确定集边界；
123、基于所述第二不确定性变量的模糊集和所述随机变量不确定集，构建随机变量不确定集边界求解模型，所述随机变量不确定集边界求解模型为：
124、
125、基于对偶理论转化所述随机变量不确定集边界求解模型获得重构的随机变量不确定集边界求解模型，所述重构的随机变量不确定集边界求解模型为：
126、
127、根据所述重构的随机变量不确定集边界求解模型和公式三求解所述数据驱动不确定集边界求解模型；所述公式三为：
128、
129、式中，ψ为数据驱动不确定集边界；
130、根据所述数据驱动不确定集边界求解模型和所述不确定性误差概率约束获得所述确定性误差概率约束，所述确定性误差概率约束为：
131、g(χ,ψ)≤0。
132、进一步地，所述电化学储能设备包括功率型储能设备和能量型储能设备，所述功率型储能设备包括nti台钛酸锂电池，所述能量型储能设备包括nfe台磷酸铁锂电池，nti为虚拟电厂中所聚合的钛酸锂电池的数量，nfe为虚拟电厂中所聚合的磷酸铁锂电池的数量；
133、所述决策变量包括钛酸锂电池的实时上备用容量、钛酸锂电池的实时下备用容量、磷酸铁锂电池的实时上备用容量、磷酸铁锂电池的实时下备用容量、钛酸锂电池的实时参与因子、磷酸铁锂电池的实时参与因子、钛酸锂电池的实时充电功率、钛酸锂电池的实时放电功率、磷酸铁锂电池的实时充电功率、磷酸铁锂电池的实时放电功率、钛酸锂电池的额定容量、磷酸铁锂电池的额定容量、钛酸锂电池的额定功率、磷酸铁锂电池的额定功率、钛酸锂电池的实时荷电状态、磷酸铁锂电池的实时荷电状态、钛酸锂电池的实时布尔变量、和磷酸铁锂电池的实时布尔变量。
134、进一步地，所述决策变量还包括虚拟电厂向现货市场出售的实时电量、虚拟电厂向调频辅助服务市场提供的实时调频容量、可控负荷的实时中断负荷补偿价格、可控负荷的实时负荷中断量、钛酸锂电池的实时激励补偿价格、和磷酸铁锂电池的实时激励补偿价格。
135、本发明的有益效果是：
136、1.本发明制定了多元市场环境下虚拟电厂竞标框架及其协调运行机制，明确了虚拟电厂内部分布式风、光发电机组及多类型电化学储能设备及可控负荷之间的联合运行模式。
137、2.本发明针对不同种电力服务的能量功率需求，提出了分布式功率型储能设备和能量型储能设备的聚合复用方式与激励机制，构建多类型分布式电化学储能设备的个性化运行模型与成本模型。
138、3.本发明构建的面向多元电力服务的虚拟电厂分布式储能分布鲁棒优化配置模型，可以对虚拟电厂系统参与多元电力服务的分布式电化学储能设备进行精细化选型与容量优化配置，实现大量异构分布式资源参与虚拟电厂的灵活调控，同时提高各聚合对象参与市场所获收益与虚拟电厂参与电力市场竞争能力。
1.一种面向多元电力服务的虚拟电厂分布式储能优化配置方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向多元电力服务的虚拟电厂分布式储能优化配置方法，其特征在于，构建所述不确定性变量的计算模型的步骤为：
3.根据权利要求2所述的面向多元电力服务的虚拟电厂分布式储能优化配置方法，其特征在于，采用wasserstein度量构建所述第二不确定性变量的模糊集的步骤为：
4.根据权利要求3所述的面向多元电力服务的虚拟电厂分布式储能优化配置方法，其特征在于，所述min-sup形目标函数为：
5.根据权利要求2所述的面向多元电力服务的虚拟电厂分布式储能优化配置方法，其特征在于，所述优化方向为：
6.根据权利要求5所述的面向多元电力服务的虚拟电厂分布式储能优化配置方法，其特征在于，所述确定性约束包括电力平衡约束、仿射约束、需求响应约束、储能设备个性化运行约束、市场准入约束、储能聚合容量约束；
7.根据权利要求5所述的面向多元电力服务的虚拟电厂分布式储能优化配置方法，其特征在于，所述不确定性误差概率约束为：
8.根据权利要求7所述的面向多元电力服务的虚拟电厂分布式储能优化配置方法，其特征在于，将所述不确定性误差概率约束转化为所述确定性误差概率约束的步骤为：
9.根据权利要求1-8任一项所述的面向多元电力服务的虚拟电厂分布式储能优化配置方法，其特征在于，所述电化学储能设备包括功率型储能设备和能量型储能设备，所述功率型储能设备包括nti台钛酸锂电池，所述能量型储能设备包括nfe台磷酸铁锂电池，nti为虚拟电厂中所聚合的钛酸锂电池的数量，nfe为虚拟电厂中所聚合的磷酸铁锂电池的数量；
10.根据权利要求9所述的面向多元电力服务的虚拟电厂分布式储能优化配置方法，其特征在于，所述决策变量还包括虚拟电厂向现货市场出售的实时电量、虚拟电厂向调频辅助服务市场提供的实时调频容量、可控负荷的实时中断负荷补偿价格、可控负荷的实时负荷中断量、钛酸锂电池的实时激励补偿价格、和磷酸铁锂电池的实时激励补偿价格。
