[0001] 本发明属于能源综合利用技术领域，涉及考虑储能退化的乡村光‑沼虚拟电厂能量优化运行方法与系统。

[0002] 随着我国可再生能源发展，乡村接入的光伏和沼气发电比例逐年提升，大量接入新能源后乡村电网的源荷平衡能力差，缺乏有效的调节方法来最大化新能源接入的经济性。同时新能源接入提高了乡村电网复杂性和不确定性，也引入了许多灵活性资源。

[0003] 虚拟电厂作为可有效聚合灵活性资源的调控手段，是实现乡村光‑沼资源高效利用，提高乡村电网运行安全性和经济性的重要方式。然而，现有关于乡村虚拟电厂的研究通常仅考虑不同资源、负荷和环境条件下实时能量管理系统运行的经济效应，而忽略或仅假设固定固定价格作为运营成本。与发电资源不同，虚拟电厂的频繁短期调度会对整个系统的长期寿命造成较为严重的影响，例如，频繁充放电会大大缩短虚拟电厂中储能部分的电池寿命；另外，经济性和稳定性两方面存在的矛盾也会使得虚拟电厂的能源管理进一步复杂化。因此，研究考虑储能退化的乡村光‑沼虚拟电厂的能源优化调度方法具有重要意义。

[0100] 为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例，而不是全部实施例。基于本发明精神，本领域普通技术人员在没有作出创造性劳动前提下所获得的有所其它实施例，都属于本发明的保护范围。

[0101] 本发明实施例1提供一种考虑储能退化的乡村光‑沼虚拟电厂能量优化运行方法，如图1所示，包括以下步骤：

[0102] S1、建立储能退化成本模型和虚拟电厂基本运行约束；

[0103] 进一步优选地，根据充放电深度和使用寿命所造成的电池储能成本退化，建立储能退化成本，储能退化成本为考虑电池充放电深度和电池寿命的退化折算模型；

[0104] 具体建立的储能退化成本模型，考虑从时间t开始的放电事件，在一个时间间隔Δt内相应电池退化成本如下：

[0105]

[0106] 式中，dB(Δt)为在时间间隔Δt内的电池的充放电深度，CBDC(t,dB(Δt))为该放电事件相应电池退化成本，CB为电池置换成本，PB(t)为在放电事件时间间隔Δt内平均功率，LB(dB(Δt))是充放电深度为dB(Δt)时的电池寿命，EBA(t)为t时刻的实际容量，ηBc和ηBd分别为充电和放电效率系数。

[0107] 事件之后，在t+Δt时间内按比例降低电池的实际容量如下：

[0108]

[0109] 式中，EB.rated为电池额定容量。

[0110] 进一步优选地，建立的虚拟电厂基本运行约束包括虚拟电厂的光伏出力约束、沼气燃气轮机出力约束、储能电池充放电运行约束、储能电池荷电状态约束、电网、储能和沼气的功率容量约束、功率平衡约束；

[0111] 具体的，基于基础的出力及运行约束条件，建立虚拟电厂的光伏出力、沼气燃气轮机出力、储能电池充放电等约束模型，主要包括虚拟电厂运行过程中的光伏、沼气出力约束、储能运行约束、功率平衡约束等，其构成将满足不同工况下虚拟电厂安全稳定运行所需满足的条件。

[0112] 虚拟电厂的光伏系统出力约束如下：

[0113] 0≤PPV(t)≤PPVmax(3)

[0114] 式中，PPV(t)为t时刻光伏发电系统功率，PPVmax为光伏发电系统最大功率。

[0115] 沼气燃气轮机出力约束如下：

[0116] 0≤PBi(t)≤PBimax(4)

[0117] 式中，PBi(t)表示沼气燃气轮机在t时刻的功率；PBimax为燃气轮机的最大功率；

[0118] 储能电池的充放电运行约束如下：

[0119]

[0120] 式中，PChr(t)为充电功率，PDisc(t)为放电功率， 为最大充放电功率，δBS为储能电池充放电效率，EBS(t)为储能电池的电动势， 分别为最高和最低电动势。

[0121] 为了防止电池过度充电和放电，考虑电池荷电状态约束，可表示为：

[0122]

[0123] 式中， 分别为最大和最小荷电系数。

[0124] tu,tl分别为上层和下层时域的时间点。

[0125] 模型中不等式约束主要包括公用电网、储能和沼气的功率容量限制：

[0126]

[0127] 式中，PM(t)、PB(t)分别为电网交换、储能电池放电。

[0128] 虚拟电厂模型需满足功率平衡约束：

[0129] PL(t)＝PM(t)+PB(t)+PPV(t)+PBi(t)，t∈{t1,tu}   (11)

[0130] S2、虚拟电厂上层模型预测控制层在储能退化成本模型基础上，考虑动态储能退化成本、购售电成本和总运维成本，基于虚拟电厂基本运行约束进行虚拟电厂能源运行优化，得到上层优化调度指令；

[0131] S3、将上层优化调度指令输入到下层模型预测控制器，下层模型预测控制器综合考虑上层参考值的偏差成本和储能调度成本，并基于虚拟电厂基本运行约束进行源荷功率波动平抑，得到下层运行结果，将下层运行结果反馈给更新上层模型预测控制层以进行虚拟电厂能源循环迭代运行优化。

[0132] 具体实施时，以系统初始运行状态、目标为上层模型的初始状态，且需要采集乡村光‑沼不同生产环节对应的虚拟电厂历史能耗数据，包括历史的温度、设备工况、光沼出力数据、用户负荷数据和购售电价数据；对采集的虚拟电厂历史能耗进行预处理，处理后的历史数据主要是用来建立虚拟电厂系统和训练预测能力；温度、设备工况主要是影响光伏、沼气设备的发电能力，以及一些负荷(如风扇、制冷设备)的需求，是包括在虚拟电厂系统里的。

[0133] 分析乡村虚拟电厂的能源与负荷要素，提取核心能流特征，通过边云协同采集不同能源数据，具体如下：

[0134] 通过部署于虚拟电厂各关键节点的传感器及设备采集乡村生产环节中的温度、设备工况、光沼出力初始数据、用户负荷初始数据等数据，也可以连接远程IO站或其他控制器采集数据，并获取购售电价数据；

[0135] 然后，控制器通过工业以太网连接交换机、路由器，把采集数据发送给云平台，对于不方便布置有线通信网络的场所，可以采用无线通信方式。

[0136] 虚拟电厂的信息采集及控制设备包括调度通信设备、调度自动化设备、继电保护设备、安全自动装置、调功、调压设备等。

[0137] 对采集的虚拟电厂历史能耗进行预处理，包括归一化、去噪和缺失数据的补充；具体将采集到的虚拟电厂历史能耗数据进行归一化处理，得到不同用能环节的历史能耗数据进而预处理得到初始数据集，进行相关参数的设定和初始化；

[0138] 将采集的历史数据(包括乡村光‑沼虚拟电厂生产生活的各个环节消耗的电能、热能等能耗数据)，并利用加权FCM聚类方法对不同类型数据进行归一化处理，根据不同生产条件(季节、温度、不同类型生产活动等)进行聚类，为虚拟电厂不同运行工况的能耗预测提供基础。

[0139] 进一步地，利用Savitazky‑Golay算法对原始数据进行去噪处理，其表达式为：

[0140]

[0141] 式中，Xj+1是第j+1个去噪前的数据，Xj*是第j个去噪后的数据；Ci是平滑窗口中的第i个数值的权重因子，k是平滑窗口的宽度，j是初始值下标，m是半个平滑窗口的宽度，算法窗口覆盖2m+1个相邻点值。

[0142] 进一步地，利用邻近插值法对原始数据进行缺失数据补充，具体方法为，利用离缺失数据的时间最近的时刻的数据估算缺失时间的数据，如在采样率为小时级的情况下采用前一小时与后一小时的数据进行缺失插值补充，原则上需要对预测所需数据进行全部数据补充。

[0143] 进一步优选地，将上层优化调度指令传输到下层模型预测控制器，基于本区域负荷特性反馈需求响应指令并实现源荷功率波动平抑；将下层运行结果反馈回上层模型预测层，从而进行需求响应灵活调整下的滚动优化，实现长时间尺度下考虑储能成本的总体运行成本最优。

[0144] 两层能量管理办法的分层结构、流程如图2、图3所示，其中，Tu和T1分别表示上层和下层中的预测长度。

[0145] 上层由具有时间范围tl∈{1,…,Tu}的非线性滚动模型预测控制器组成，下层由具有时间范围tu∈{1,…,T1}的二次模型预测控制器组成。

[0146] Δtu和Δtl分别表示上层和下层的时间间隔，通过求解自身在每层中的目标函数来获得每个时间间隔内的控制行为，进而使得一层的决策影响另一层。

[0147] 基于给定的预测数据以及本区域的负荷响应集聚情况，在上层Tu制定了最佳调度，但只有在时间Δtu内的调度才会作为参考值来控制下层的调度行为；

[0148] 下层通过储能实现自身优化，在进行分区域灵活需求响应的前提下尽量将系统功率波动降至最低。在Δtu之后，下层的将更新的状态变量发送回上层，并开始下一个Δtu的调度问题。

[0149] 进一步优选地，虚拟电厂上层模型预测控制层考虑购售电成本、设备运维成本以及储能退化成本，基于虚拟电厂基本运行约束(即以公式(3)‑(11)作为目标函数的约束)，进行虚拟电厂能源运行优化，得到上层优化调度指令

[0150] 是优化后的PBi(tu)、PB(tu)、PM(tu)，为使目标函数Fu中最小的一组PBi(tu)、PB(tu)、PM(tu)。

[0151] 上层模型预测控制层进行虚拟电厂能源运行优化的目标函数为：

[0152]

[0153] 式中，Fu表示虚拟电厂上层能源优化运行的目标函数； 表示虚拟电厂购售电成本； 表示光伏、沼气、储能运维成本； 表示储能退化成本。

[0154] 虚拟电厂购售电成本为：

[0155]

[0156] 式中，Cbuy(tu)和Pbuy(tu)分别为tu时刻的购电价和购电功率，Csell(tu)和Psell(tu)分别为tu时刻的售电价和售电功率，PM为电网总交换功率。

[0157] 式(14)中Pbuy Psell和PM的关系为：PM(tu)＝Pbuy(tu)‑Psell(tu)，PM为电网总交换功率。

[0158] 光伏、沼气、储能运维成本为：

[0159]

[0160] 式中，rPV、rBi、rB分别为光伏、沼气、储能装置的运维成本系数。

[0161] 考虑到每个时间间隔Δtu中的电池退化成本 只能在充或放电事件完成后才能被确定，因此需要先明确电池PB(tu)的功率流向。引入为辅助二进制变量g(tu)来表示两个连续时间间隔内充放电事件的状态转换。

[0162]

[0163] 连续时间间隔内的电池退化成本 可通过g(tu)来表示：

[0164]

[0165] 其中， 分别为tu、tu‑1时刻的储能退化成本；

[0166] EB(tu)、EB(tu‑1)分别为tu、tu‑1时刻储能电池降低的电量。

[0167] 采用公式(1)计算：将公式(1)CBDC(t,dB(Δt))中的t、dB(Δt)替换为 进行计算， 表示充放电深度dB(Δt)。

[0168] EB(tu)、EB(tu‑1)采用公式(2)计算，即事件之后，在t+Δt时间内按比例降低储能电池的实际容量如下： 式中，EB.rated为储能电池额定容量。

[0169] 下层模型预测控制器考虑与上层参考值偏差产生的惩罚成本以及平抑功率波动的储能调度成本，将上层优化调度指令输入到下层模型预测控制器，基于S4的虚拟电厂基本运行约束(即以公式(3)‑(11)作为目标函数的约束)，进行源荷功率波动平抑，通过储能响应使得预测误差波动及负荷功率变化对系统影响最小(通过储能电池增减出力来弥补上层模型预测的偏差，来平抑功率波动)，得到下层运行结果 并采用下层运行结果返回更新上层模型预测控制层进行虚拟电厂能源运行优化的状态。

[0170] 为PBi(tl)、PB(tl)、PM(tl)的优化值，即使目标函数Fl中最小的一组PBi(tl)、PB(tl)、PM(tl)；

[0171] 下层运行结果 输入到虚拟电厂上层模型作为其目标函数及约束中的PBi(tu)、PB(tu)、PM(tu)。

[0172] 下层模型预测控制器进行源荷功率波动平抑的目标函数为：

[0173]

[0174] 式中， 为上层参考值的偏差成本， 为储能调度成本。

[0175] 上层参考值的偏差成本为：

[0176]

[0177] 式中， 分别为沼气、储能、电网交换功率的预测偏差，为预测偏差惩罚系数。

[0178]

[0179] 式中，PBi(tl)、PB(tl)、PM(tl)分别为沼气、储能、电网在tl时刻的出力，分别为上层优化得到的tl时刻沼气、储能、电网的出力参考值。

[0180] 储能调度成本为：

[0181]

[0182] 式中， 为储能调度成本系数， 为调度后的储能出力， 为调度前储能出力。

[0183] 将下层运行结果反馈回上层模型预测层，从而进行需求响应灵活调整下的滚动优化，实现长时间尺度下考虑储能成本的总体运行成本最优。相关步骤执行下来，虚拟电厂可以不断优化用能结构并及时响应负荷需求，从而提高乡村地区的新能源消纳比例。

[0184] 整体来看，本发明能对乡村虚拟电厂运行提供可靠参考，针对储能特性从而有效降低储能退化带来的经济成本，并提高能源供给设计的灵活性与准确性，最大程度上避免能源浪费；在此基础上，通过双层能量优化实现乡村光‑沼虚拟电厂的不同类型需求响应，进一步形成一种考虑储能退化的乡村光‑沼虚拟电厂能量优化运行方法。

[0185] 本发明实施例2提供一种考虑储能退化的乡村光‑沼虚拟电厂能量优化运行系统，包括：

[0186] 成本模型与约束构建模块，用于建立储能退化成本模型和虚拟电厂基本运行约束；

[0187] 上层模型预测控制模块，用于虚拟电厂上层模型预测控制层在储能退化成本模型基础上，考虑动态储能退化成本、购售电成本和总运维成本，基于虚拟电厂基本运行约束进行虚拟电厂能源运行优化，得到上层优化调度指令；

[0188] 下层模型预测控制模块，用于将上层优化调度指令输入到下层模型预测控制器，下层模型预测控制器综合考虑上层参考值的偏差成本和储能调度成本，并基于虚拟电厂基本运行约束进行源荷功率波动平抑，得到下层运行结果，将下层运行结果反馈给更新上层模型预测控制层以进行虚拟电厂能源循环迭代运行优化。本发明实施例3提供一种终端，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行所述方法的步骤。

[0189] 本发明实施例4提供计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述方法的步骤。

[0190] 与现有技术相比，本发明的有益效果至少包括：

[0191] 本发明考虑储能退化，通过聚合乡村地区的灵活性调控资源，提高乡村光沼虚拟电厂在不同运行工况下的供能弹性，并且在保证乡村微网在安全高效消纳新能源的前提下，降低储能电池平均退化成本及系统平均运营成本，提高乡村地区新能源消纳能力同时能够有效提高乡村地区生产生活的经济效益。

[0192] 上层模型目标函数在基础的购售电成本和系统运维成本的基础上，考虑了储能退化成本，实现了多个成本因素的协调优化，使得虚拟电厂在运行过程中能够更好地控制成本支出，延长电池使用寿命，提升虚拟电厂的长期经济效益。

[0193] 本发明动态储能退化成本计算模型明确了连续时间内的储能电池退化成本计算方式，动态估计电池的退化程度和对应的成本，提高了电池退化成本预测的准确性。

[0194] 下层模型目标函数综合考虑上层模型预测误差(上层参考值的偏差成本)和储能调度成本，使得预测误差波动及负荷功率变化对系统影响成本以及应对功率波动的储能响应成本之和最小，平衡了调度效率与储能的成本，使系统在更加稳健的同时最大限度地降低调度成本。

[0195] 本公开可以是系统、方法和/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，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

[0196] 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它自由传播的电磁波、通过波导或其它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。

[0197] 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。

[0198] 用于执行本公开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，从而实现本公开的各个方面。

[0199] 最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。