一种基于边缘计算的虚拟电厂多资源协同优化算法的制作方法

本发明涉及虚拟电厂，特别是涉及一种基于边缘计算的虚拟电厂多资源协同优化算法。

背景技术：

1、随着可再生能源和分布式能源的快速发展，越来越多的小型能源发电设施接入到电力系统中，形成了分布式能源网络。这些分布式能源资源具有地理分布广泛、规模大小不一、产能波动性大等特点，给电力系统的调度和管理带来了挑战。为了更好地协调和管理分布式能源资源，提高电力系统的运行效率和稳定性，虚拟电厂(virtual power plant，vpp)作为一种集成和优化分布式能源资源的平台逐渐受到关注。

2、在绿色发展、能源供给侧与消费侧改革背景下，以分布式电力资源、储能、柔性负荷等资源的聚合和灵活调度为基础，实现多种资源优化配置、经济运行的虚拟电厂在国内快速产生了应用需求。

3、公开号为cn116644924a，名称为一种虚拟电厂调度资源方法，虚拟电厂基于调度需求和第一调度余量计算得到总调度需求，其中，第一调度余量通过第一模型以所述调度需求作为输入数据计算得到；虚拟电厂将所述总调度需求上报给调度平台，并获取所述调度平台下发的总调度容量；虚拟电厂基于所述调度需求、第一调度余量和所述总调度容量构建日前调度模型，并使用日前调度模型计算得到第一调度容量；虚拟电厂基于所述第一调度容量为用户调度第一电力资源。但是没有考虑到调度过程中环境的实时变化性，从而不能够使虚拟电厂调度策略能够实时更新，及时发现并处理异常。

4、公开号为cn115049323b，名称为一种基于分布式资源协同的虚拟电厂监督系统，分布式资源管理模块以及与分布式资源管理模块相互连接的园区虚拟电厂模块，园区虚拟电厂模块的另一端连接有调度评估模块，园区虚拟电厂模块包括用于接收分布式资源管理模块信息的资源管理器，资源管理器的输出端连接有并网差分模块，并网差分模块的输出端连接有鲁棒评估模块。通过分布式资源管理模块、园区虚拟电厂模块、并网差分模块以及鲁棒评估模块的设置能够将不同电系统频率进行时序耦合调节，解决了由于各个供电子系统供电参数不同导致供电可靠性较差的问题，但是没有对调度结果的实时反馈，不能实时调整调度策略，降低虚拟电厂的调度效率和稳定性。

技术实现思路

1、为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于边缘计算的虚拟电厂多资源协同优化算法，该算法包括：

2、s10. 通过收集各类资源数据构成虚拟电厂边缘资源网络信息库；

3、s20. 通过所述虚拟电厂边缘资源网络信息库计算得到虚拟电厂整体发电量；

4、s30. 通过所述虚拟电厂边缘资源网络信息库计算得到虚拟电厂能源储能成本；

5、s40. 基于多目标哈里斯鹰优化算法构建多资源协同优化模型；

6、s50. 通过所述多资源协同优化模型最小化虚拟电厂能源储能成本和最大化虚拟电厂整体发电量，得到虚拟电厂资源分配最优解。

7、进一步地，所述各类资源数据包括可再生分布式资源数据、储能资源数据、可控负荷资源数据，包括：

8、所述可再生分布式资源数据：包括风力发电资源数据、太阳能发电资源数据、水力发电资源数据；

9、所述储能资源数据：包括抽水蓄能资源数据、电池储能资源数据、电容器储能资源数据；

10、所述可控负荷资源数据：包括工业生产负荷资源数据、充电设备负荷资源数据。

11、进一步地，所述s20，包括：

12、s21. 通过水力发电资源数据计算水力发电量；

13、所述水力发电量的计算公式为：

14、；

15、其中，为水力一小时的发电量，为水一秒钟流过的体积，为水的密度，为水力发电额定功率，为水流落差；

16、s22. 通过风力发电资源数据计算风力发电量；

17、所述风力发电量的计算公式为：

18、；

19、其中，wp为风力发电量，为风力发电额定功率，为切入风速，为当前时刻风速，为切出风速，为电机工作最小风速，为电机工作最大风速；

20、s23. 通过太阳能发电资源数据计算太阳能发电量；

21、所述太阳能发电量的计算公式为：

22、<mi>sp=</mi><msub><mi>p</mi><mrow><mi>su</mi><mi>n</mi></mrow></msub><mi>*</mi><msub><mi>s</mi><mi>ev</mi></msub><mi>*</mi><msub><mi>a</mi><mi>ev</mi></msub><mi>*</mi><msub><mi>μ</mi><mi>sp</mi></msub><mi>*[1-</mi><mfrac><mrow><mi>(</mi><msub><mi>t</mi><mi>b</mi></msub><mi>-20)</mi><msubsup><mi>g</mi><mi>sp</mi><mn>2</mn></msubsup></mrow><mn>800</mn></mfrac><mi>] </mi>；

23、其中，为太阳能发电额定功率，为太阳能板数量，为太阳能板面积，为太阳能板储能标准温度，为太阳光辐射，为温度系数；

24、s24. 通过所述水力发电量、风力发电量、太阳能发电量计算得到虚拟电厂整体发电量；

25、所述虚拟电厂整体发电量的计算公式为：

26、。

27、进一步地，所述s30，包括：

28、s31. 通过储能资源数据和可控负荷资源数据计算水力发电能源成本；

29、所述水力发电能源成本的计算公式为：

30、；

31、其中，为第i个水力发电设备，为水力发电设备数量，为第i个水力发电设备的水力发电系数，为第i个水力发电设备的发电量；

32、s32. 通过储能资源数据和可控负荷资源数据计算风力发电能源成本；

33、所述风力发电能源成本的计算公式为：

34、；

35、其中，为第i个风力发电设备，为风力发电设备数量，为风力发电额定功率，为风力发电系数，为单位装机容量的平均建设成本，为第i个风力发电设备的装机额定容量，为风力负荷率；

36、s33. 通过储能资源数据和可控负荷资源数据计算太阳能发电能源成本；

37、所述太阳能发电能源成本的计算公式为：

38、<msub><mi>c</mi><mi>sp</mi></msub><mi>=</mi><mstyle displaystyle="true"><munderover><mo>∑</mo><mi>sp_i=1</mi><mi>spnum</mi></munderover><msub><mi>π</mi><mi>sp_i</mi></msub></mstyle><mi>*[</mi><msub><mi>1+θ</mi><mrow><mi>sp</mi><mi>_i</mi></mrow></msub><mrow><msub><mi>t</mi><mi>run</mi></msub><mi>-</mi><msub><mi>t</mi><mi>amb</mi></msub></mrow></mfenced><mi>]</mi>；

39、其中，为第i个太阳能发电设备，为太阳能发电设备数量，为第i个太阳能发电设备的太阳能发电系数，为温度系数，为光伏板实际运行温度，为环境温度；

40、s34. 通过储能资源数据和可控负荷资源数据计算能源储能损耗成本；

41、所述能源储能损耗成本的计算公式为：

42、；

43、其中，为损耗成本系数，为水力发电量损耗成本系数，为风力发电量损耗成本系数，为太阳能发电量损耗成本系数，为储能最大值，为风力发电量，为水力发电量，为太阳能发电量；

44、s35. 通过所述水力发电能源成本、风力发电能源成本、太阳能发电能源成本、能源储能损耗成本计算得到虚拟电厂能源储能成本；

45、所述虚拟电厂能源储能成本的计算公式为：

46、。

47、进一步地，所述s40，包括：

48、s41. 初始化资源分配种群大小；

49、s42. 定义资源分配成员位置；

50、所述资源分配成员位置表示为：

51、；

52、其中，为整体发电量系数，为储能损耗系数，为虚拟电厂能源储能成本，为虚拟电厂整体发电量，不断迭代更新资源分配成员位置以最小化虚拟电厂能源储能成本和最大化虚拟电厂整体发电量；

53、s43. 定义目标资源分配成员逃逸能量；

54、所述目标资源分配成员逃逸能量表示为：

55、；

56、其中， 为目标资源分配成员的初始逃逸能量，是在[-1,1]之间的随机数，t为当前进化代数，t为种群最大进化代数；

57、s44. 计算资源分配成员个体平均位置；

58、所述资源分配成员个体平均位置表示为；

59、；

60、其中，m为资源分配成员的数量，为资源分配成员个体单个位置；

61、s45. 判断所述目标资源分配成员逃逸能量是否大于或者等于1，若是，则进入搜索阶段，更新资源分配成员位置；若否，则进入开发阶段，不断进行迭代更新得到虚拟电厂资源分配最优解。

62、进一步地，所述搜索阶段，是指通过两种策略对目标资源分配成员进行等概率的全局搜索；当概率时，每个资源分配成员会根据其他资源分配成员和目标资源分配成员位置进行移动；当概率时，资源分配成员会随机在资源分配种群范围内进行移动，所述搜索阶段的表达式如下：

63、；

64、其中，为迭代次后资源分配成员位置，为目标资源分配成员个体位置，为[0,1]之间的随机数，为随机目标资源分配成员个体位置。

65、进一步地，所述开发阶段，包括：

66、所述开发阶段是指在找到目标资源分配成员后，资源分配成员采用四种狩猎策略来模仿哈里斯鹰的狩猎行为；

67、所述四种狩猎策略分别是软包围、硬包围、渐进式快速俯冲的软包围和渐进式快速俯冲的硬包围；

68、s441. 通过目标资源分配成员逃逸概率结合目标资源分配成员逃逸能量的绝对值进行判断，通过判断结果执行所述四种狩猎策略中的一种策略；

69、所述目标资源分配成员逃逸概率为(0,1)之间的随机数，表示有逃脱机会，表示没有逃脱机会；

70、所述目标资源分配成员逃逸能量，当，表示有逃逸的能量，当，表示没有逃逸的能量；

71、s442. 当时进行软包围；

72、所述软包围是指目标资源分配成员仍然有逃逸的能量但无逃脱机会，更新公式为：

73、；

74、其中，为迭代次后资源分配成员位置，为目标资源分配成员个体位置，为[0,2]之间的随机数；

75、s443. 当时进行硬包围；

76、所述硬包围是指目标资源分配成员没有逃逸的能量并且没有逃脱的机会，更新公式为：

77、；

78、s444. 当时进行渐进式快速俯冲的软包围；

79、所述渐进式快速俯冲的软包围是指目标资源分配成员有机会从包围圈中逃脱，且有足够能量逃脱资源分配成员的捕捉，资源分配成员会围绕目标资源分配成员采用渐进式快速俯冲的软包围，通过两个策略实施，当第一个策略无效时，执行第二个策略，更新公式为：

80、；

81、；

82、；

83、其中，为适应度函数，为二维随机向量，元素为[0,1]之间的随机数，是莱维飞行的数学表达式，为目标资源分配成员个体位置，为[0,2]之间的随机数；

84、s445. 当时进行渐进式快速俯冲的硬包围；

85、所述渐进式快速俯冲的硬包围是指目标资源分配成员无逃逸的能量，但仍有机会逃脱，资源分配成员会围绕目标资源分配成员采用渐进式快速俯冲的硬包围，缩短与资源分配成员个体平均位置的距离，通过两个策略实施，当第一个策略无效时，执行第二个策略，更新公式为：

86、；

87、；

88、；

89、其中，为资源分配成员个体平均位置，为适应度函数，为二维随机向量，元素为[0,1]之间的随机数，是莱维飞行的数学表达式，为目标资源分配成员个体位置，为[0,2]之间的随机数；

90、s446. 重复迭代步骤s442-s446，直至到达迭代阈值1000或者资源分配成员位置达到目标资源分配成员个体位置时停止迭代，得到虚拟电厂资源分配最优解。

91、综上所述，由于采用了上述技术方案，本发明的有益效果是：

92、1. 本发明提供的一种基于边缘计算的虚拟电厂多资源协同优化算法通过组建虚拟电厂资源网络信息库，收集和处理各类资源数据，并将其保存到资源信息库中，这使得虚拟电厂能够快速、便捷地管理和调度资源；通过集中管理和实时监控，虚拟电厂可以更加高效地分配和利用资源，从而提高整体资源管理效率。

93、2. 本发明提供的一种基于边缘计算的虚拟电厂多资源协同优化算法通过利用多目标优化算法对虚拟电厂的资源分配进行优化，通过精确的资源分配策略，虚拟电厂能够合理分配各类资源，确保每个边缘设备都能够得到充分利用，从而提高整体运行效率，这不仅有助于降低能耗，还能减少运营成本。

94、3. 本发明提供的一种基于边缘计算的虚拟电厂多资源协同优化算法通过优化资源分配，有助于提升虚拟电厂的可持续性；有效的资源管理和优化减少了资源浪费，降低了能源消耗，从而对环境产生更小的影响。

技术特征：

1.一种基于边缘计算的虚拟电厂多资源协同优化算法，其特征在于，包括：

2.如权利要求1所述的一种基于边缘计算的虚拟电厂多资源协同优化算法，其特征在于，所述各类资源数据包括可再生分布式资源数据、储能资源数据、可控负荷资源数据；

3.如权利要求1所述的一种基于边缘计算的虚拟电厂多资源协同优化算法，其特征在于，所述s20，包括：

4.如权利要求1所述的一种基于边缘计算的虚拟电厂多资源协同优化算法，其特征在于，所述s30，包括：

5.如权利要求1所述的一种基于边缘计算的虚拟电厂多资源协同优化算法，其特征在于，所述s40，包括：

6.如权利要求5所述的一种基于边缘计算的虚拟电厂多资源协同优化算法，其特征在于，所述搜索阶段，是指通过两种策略对目标资源分配成员进行等概率的全局搜索；当概率时，每个资源分配成员会根据其他资源分配成员和目标资源分配成员位置进行移动；当概率时，资源分配成员会随机在资源分配种群范围内进行移动，所述搜索阶段的表达式如下：

7.如权利要求5所述的一种基于边缘计算的虚拟电厂多资源协同优化算法，其特征在于，所述开发阶段，是指在找到目标资源分配成员后，资源分配成员采用四种狩猎策略来模仿哈里斯鹰的狩猎行为；

技术总结
本发明公开了一种基于边缘计算的虚拟电厂多资源协同优化算法，涉及虚拟电厂技术领域，包括：通过收集各类资源数据构成虚拟电厂边缘资源网络信息库；通过所述虚拟电厂边缘资源网络信息库计算得到虚拟电厂整体发电量；通过所述虚拟电厂边缘资源网络信息库计算得到虚拟电厂能源储能成本；基于多目标哈里斯鹰优化算法构建多资源协同优化模型；通过所述多资源协同优化模型最小化虚拟电厂能源储能成本和最大化虚拟电厂整体发电量，得到虚拟电厂资源分配最优解。本发明能够提升资源分配效率，减少延迟，从而快速适应各种变化和需求，确保电力供应的高效性和可靠性。

技术研发人员：白开峰,戴光,刘艳丽
受保护的技术使用者：陕西思极科技有限公司
技术研发日：
技术公布日：2024/9/23