本發明涉及智能電網，具體來說，涉及一種電能路由器能量協調控制方法。
背景技術：
1、隨著光伏發電、風電、水電等新能源發電在電力行業的占比越來越大，其發電的間歇性、波動性導致電能供需存在時空不平衡的現象，棄風棄光現象時有發生。建立健全電力輔助服務市場價格機制，充分發揮電力市場價格調節機制靈活調度柔性負荷是緩解電能供需矛盾，是減少棄風棄光現象，增強就地消納新能源的重要手段。因此通過分時電價對柔性負荷進行靈活的調度，能夠減少棄風棄光現象，促進新能源利用率的提高。
2、另一方面，電能路由器作為一種面向智能電網的電力管理核心裝置，具有基本負荷、柔性負荷、儲能、光伏、風電、大電網等多種接口，實現新能源發電、并網、系統監控和配電保護等功能，以局部接入的方式將微電網系統接入配電網，在保證電能質量的前提下，電能路由器能夠靈活主動的管理區域電網內部的動態電能，配合配電網中的其他電能路由器實現整個智能的電能管理。隨著能源互聯網技術的興起，電能路由器在優化電力資源配置，提升能源網絡傳輸效率，促進新能源消納和減少系統碳排放量等方面起著關鍵作用。
3、目前，電能路由器的電能管理與控制都是由能量協調管理層給定各功率單元控制系統的給定值，很少考慮到市場價格調節機制對柔性負荷協調控制的影響，導致市場價格調節機制對電力系統的調節能力不足，電能分配的動態性能和經濟性差。
4、對比文件（?cn112018825b）授權的一種多端口電能路由器能量協調控制方法。方法包括：提供了一種多端口電能路由器能量協調控制方法，所示方法通過電能調度優化算法獲得儲能電池功率單元的輸出功率參考值第一修正量和配電網接口功率單元的消耗功率參考值第一修正量；通過電能平衡協調控制算法獲得儲能電池功率單元的輸出功率參考值第二修正量、配電網接口功率單元的消耗功率參考值第二修正量和動態負荷需求；基于電能路由器中各供能功率單元與負荷單元的功率偏差、系統直流母線電壓偏差和負荷動態變化三個變量對各功率單元自身控制器的輸出功率參考值進行修正，可以提高系統的穩定性和動態性能。
5、上述專利雖然實現一種多端口電能路由器能量協調控制，但是能量協調控制過程中只考慮了負荷需求的動態變化，而沒有考慮市場價格調節機制對柔性負荷協調控制的影響，本發明在電能路由器的電能協調控制過程，基于歷史數據利用基于麻雀算法的雙向長短期記憶網絡預測模型（bilstm）對電能路由器各個單元的功率情況進行實時預測；依據基礎負荷和柔性負荷（包含可平移負荷、可轉移負荷）的預測值，考慮市場價格調節機制，以運行成本最小為目的提出基于分時電價的柔性負荷調度方法；基于隨機自適應算子的改進差分進化算法，提出電能路由器電能協調控制方法，在市場價格調節機制的框架下，有效提高電能路由器電能協調控制的經濟性，與現有技術存在質的區別，需要一種電能路由器能量協調控制方法來解決這一問題。
技術實現思路
1、本發明的目的在于提供一種電能路由器能量協調控制方法，以解決上述背景技術中提出的問題。
2、為實現上述目的，本發明提供如下技術方案：一種電能路由器能量協調控制方法，包括以下步驟：
3、s1.考慮電能路由器具有管理區域電網內部動態電能的功能，基于電能路由器系統結構，獲取包含風電、光伏發電等新能源發電單元的電能路由器各個單元功率歷史數據為樣本集，對樣本數據進行歸一化處理，歸一化區間為[0,1]，并對樣本數據集進行動態隨機比例劃分為訓練集和測試集；
4、s2.基于所述步驟s1劃分的訓練數據集和測試數據集，基于麻雀算法建立動態超參設定的雙向長短時間記憶（bilstm）神經網絡預測模型，對電能路由器各個單元的功率進行實時預測；
5、s3.?所述步驟s2得到負荷預測值，在不影響負荷需求的情況下，基于分時電價和柔性負荷的靈活性分析，以運行成本最小化為目的，建立基于分時電價的柔性負荷出力時序模型，以運行成本最小為目的提出基于分時電價的柔性負荷調度方法；
6、s4.根據所述步驟s2得到的電能路由器各個單元實時功率預測值，在源-負荷協同運行的前提下，基于步驟s3分時電價的柔性負荷出力時序，考慮電能路由器之間能量交換，建立基于分時電價柔性負荷的電能路由器交易成本模型；
7、s5.?基于隨機自適應算子的改進差分進化算法，給出電能路由器與配電網交易的功率分布，提出電能路由器能量協調控制方法。
8、作為本發明的優選技術方案，所述步驟s1包括以下子步驟：
9、s1.1按照如下公式對輸入的樣本數據集進行歸一化處理，歸一化區間為[0,1]：
10、
11、式中:為歸一化后的數據,為樣本數據,為樣本數據中的最小值,為樣本數據中的最大值；
12、s1.2按照如下公式對所述樣本數據集進行動態隨機比例劃分為訓練集和測試集；
13、
14、
15、訓練集合為：
16、
17、測試集合為：
18、
19、式中：為集合p的基數，即集合p元素的個數，生成大于0小于1的隨機數，函數截斷小數部分取整。
20、作為本發明的優選技術方案，步驟s2包括以下子步驟：
21、s2.1采用麻雀算法對bilstm神經網絡預測模型的學習率、隱藏層層數以及最大訓練輪次進行尋優；
22、s2.2基于最優值設定bilstm神經網絡預測模型的超參數（學習率、隱藏層1的層數，隱藏層2的層數和最大訓練輪次）用以提高預測精度，預測電能路由器各個單元的實時出力。
23、作為本發明的優選技術方案，所述步驟s3包括以下子步驟：
24、s3.1一天的分時電價模型：
25、
26、式中：為一天24個時的分時電價向量；為時間段對應的電價；
27、s3.2可平移負荷成本優化算法：
28、可平移負荷一天24個小時的時間狀態序列記為：
29、
30、式中：為一天24個小時的可平移負荷時間狀態向量；是0-1二進制狀態變量，取值為1表示該時刻有負荷平移，反之則表示該時刻沒有負荷平移；
31、當可平移負荷的時間區間為，則可平移負的功率分布為：
32、
33、式中：為可平移負荷的開始時間；為可平移負荷的功率；為可平移負荷的持續時間，則可平移負荷的結束時間為，負荷為，24個時間段的時間狀態序列的，只有當時，其他情況，；
34、可平移負荷的運行成本為：
35、
36、式中：符號“t”表示向量的轉置；
37、若調度周期內可平移時間段為，則，令，則，可平移負荷的可平移調度的時間區間為，則可平移負荷調度后的運行成本為
38、
39、其中，，為使函數在區間達到最小值時變量的取值，為平移后的時間狀態向量。
40、平移調度決策為：
41、（1）若，不進行平移調度行為，即可平移負荷的功率分布沒有變化；
42、（2）若，進行平移調度行為，可平移負荷的功率分布：
43、；
44、（3）可平移負荷的運行成本為：
45、
46、s3.3可轉移負荷成本優化算法：
47、由于可轉移負荷在保證整個周期內負荷總量得到滿足的前提下，各時段的用能量可以靈活調節。可轉移負荷功率分布向量為：
48、
49、式中：，是0-1二進制狀態變量，表示該時刻有負荷轉移，轉移功率為，反之，沒有負荷轉移。
50、可轉移負荷的成本為：
51、
52、為防止設備在各時段出現頻繁啟停的問題，設單次可轉移負荷轉移后的開始時間為，結束時間為，則應滿足約束條件：
53、
54、式中：為可轉移負荷最小連續運行時間。
55、若，則轉移功率滿足約束條件：
56、
57、式中：和分別為 i時刻轉移容量的上下限。
58、則可根據可轉移負荷的允許用電時間，在分時電價序列中選取電價較低的時間段進行負荷轉移，采用可轉移負荷用電優化算法以求在滿足用電需求情況下，用電成本最低，即提出基于分時電價的可轉移負荷調度方法。
59、s3.4可消減負荷模型：可消減負荷對降功率、減時間或者中斷運行具有一定的承受能力，依照調度需要可對其進行相應削減。
60、可消減負荷的運行成本：
61、
62、式中：為可消減負荷補償電價為，為消減時間序列，是0-1二進制狀態變量，消減負荷分布功率為；
63、滿足約束條件：
64、
65、式中：和分別為可消減負荷的上調和下調靈活性。
66、消減時長及消減次數應滿足如下約束條件
67、
68、
69、式中：和是累計消減時長的上下限，是最大允許消減次數。一般情況下，配電網能夠提供足夠電能的情況下，不會輕易進行負荷消減。
70、作為本發明的優選技術方案，所述步驟s4包括以下子步驟：
71、s4.1基于分時電價柔性負荷的電能路由器交易成本模型：
72、在優先考慮最大化消納可再生能源的前提下，路由器的日交易成本可表示為：
73、
74、式中：為該路由器從配電網購買的電功率時間序列，為購買的電價序列，則是該路由器向配電網售賣的電功率時間序列，為售賣的電價序列，（或）為0-1二進制狀態量，（或）表示從配電網購電（或者售電），購電功率為（或售電功率為），。
75、s4.2為了確保路由器能夠穩定的運行，需要滿足基于分時電價柔性負荷的功率平衡約束
76、
77、式中：負荷功率；由子步驟s3.2可得，由子步驟s3.3可得，為集合{水電( hydro)、核電( unclear)、光熱( csp)、抽水蓄能( cx)、風電( wt)、光伏發電( pv)}的基數，即發電模塊的類型總數，為0-1二進制狀態量，取值為1表示第 i時段參與發電，否則表示該時段沒有參與發電；符號為邏輯運算的合取運算符，確保電能路由器在同一時刻不會同時進行購電和售電，此外，售電量和購電量均受優化后的可平移負荷功率、可轉移負荷功率和儲能系統出力約束。
78、s4.3基于價格調控的儲能系統模型
79、為了優先消納可再生能源，強化市場價格機制對儲能系統充放電策略的影響，基于價格調控儲能系統的充放電收益成本：
80、
81、式中：為儲能系統的時間序列，是0-1二進制狀態變量，儲能系統的分布功率為，表示充電，儲能系統相當于負荷，表示放電，儲能系統相當于電源。
82、令，則源-荷電能功率差的時序表示為：。
83、當時，表示電能供大于需，此時，儲能系統可以參與充電，儲能系統自身相當于負荷，若儲能系統無法參與充電行為，電能路由器可以在該時段向配電網售電，從而使電能路由器滿足功率平衡約束。
84、當時，表示電能需大于供，此時，儲能系統可以參與放電，儲能系統自身相當于電源，若儲能系統無法參與放電行為，電能路由器可以在該時段向配電網購電，從而使電能路由器滿足功率平衡約束。
85、作為本發明的優選技術方案，所述步驟s5基于隨機自適應算子的改進差分進化算法包括以下子步驟：
86、s5.1?初始化種群
87、種群定義為：，其中，d是解空間的維數，向量表示第代種群的“染色體”。元素表示第代第條染色體的第個基因：
88、
89、式中，和分別表示第條染色體上第個基因取值范圍的上界和下界,。代表著種群的大小而是區間中的隨機數。
90、s5.2?變異操作
91、差分進化算法利用差分策略實現個體變異，即隨機選取種群中兩個不同的個體，將其向量差縮放后與待變異的個體進行向量合成，產生一個中間個體：
92、
93、式中，是當前種群中最佳個體，是種群個體的隨機選擇，且。隨機自適應縮放因子為隨迭代次數增加數值不斷波動式減小的縮放因子，公式如下：
94、
95、式中，，表示縮放因子的初始值。表示最大迭代次數，表示當前迭代次數，函數表示從均值和標準差的正態分布中生成隨機數，一般，取值比較小，用以描述細小的隨機波動，避免差分進化算法陷入局部最優解。
96、s5.3：交叉操作
97、對于第代種群及其變異的中間體進行個體間的交叉操作：
98、
99、式中，為區間內的隨機正整數，為交叉概率。
100、s5.4：邊界約束
101、在進化的過程中，為了保證所得解的有效性，必須判斷“染色體”中各個“基因”是否滿足所約束的邊界條件，若種群個體的范圍超出給定的上下限范圍時，則采用邊界吸收的方法進行邊界約束：
102、
103、s5.5：選擇操作
104、依據貪婪準則來選擇進入下一代種群的個體：
105、
106、式中，為向量的適應度。適應度函數的定義如下：
107、
108、式中，為路由器的日交易成本，具體表達式見s4.1電能路由器交易成本模型，是電能路由器的電能交易和可消減負荷的功率分布。
109、s5.6：基于優化結果，提出電能路由器內部優化調度策略，為電能路由器與配電網進行電能交易以及可消減負荷的功率分布提供參考數值。
110、作為本發明的優選技術方案，在所述步驟s2.2中，所述基于麻雀算法的bilstm神經網絡預測模型可分為如下子步驟：
111、s6.1?麻雀優化算法：
112、麻雀種群分為發現者、跟隨者、偵查者。發現者負責探索新的食物來源，引導群體的搜索方向；跟隨者在發現者附近搜索食物，進行局部搜索；偵查者觀察麻雀群體內部有無危險，提醒全麻雀群體安全。
113、麻雀集合矩陣如下：
114、
115、式中：，是麻雀規模，。
116、所有麻雀的適應度值為
117、
118、式中：，中的每個值表示個體的適應值，是變量的維數。
119、表示適應度值更優的麻雀，且該麻雀率先取得食物，并作為發現者帶領整個種群向食物源靠近。
120、
121、設為一個趨近于零的較小正數，則麻雀到達食物源的判斷依據為：
122、
123、每代發現者的位置更新公式如下：
124、
125、式中：是預先設定的最大迭代次數，為中的均勻隨機數，為一個標準正態隨機分布數。
126、每代跟隨者的位置更新如下：
127、
128、式中：為當前種群中具有最差適應度的麻雀。,其中為所有元素隨機取值為1或-1的行矩陣。
129、偵察者需要時刻留意當前環境，以便發現危險立即飛往安全環境，位置更新如下：
130、
131、式中：為當前種群中具有最優適應度的麻雀，為符合正態分布的隨機數，為之間的隨機數，為一個較小的數字，防止分母為0。為當前種群的最差適應度值。為全局最優適應度值。
132、s6.2?bilstm神經網絡預測模型：
133、bilstm中單層的bilstm是由兩個連續時間步lstm組合而成，即正向連續時間步lstm和反向連續時間步。其核心結構為單步lstm網絡模型，該模型包括三個sigmoid啟動函數將輸出范圍保持在0和1之間，每個sigmoid啟動函數都屬于一個靈活的門函數，門函數分成了三種不同的門函數，分別是遺忘門，輸入門，輸出門；一個雙曲正切函數；輸入數據時序，輸出數據時序。三個門函數決定通過當前輸入和上一時間步的輸出來忘記或保留部分或全部繼承的數據。通過反向傳播算法去學習權重值和偏差縮小預測輸出和實際訓練樣本之間的差異。通過這種遺忘-保留-輸出迭代過程，可以保留當前信息，在正向和反向處理輸入序列后進行輸出拼接，最為最終結果進行輸出。
134、單個時間步lstm網絡預測模型函數關系如下：
135、
136、
137、
138、
139、
140、
141、其中，，，，，，與是每個長短時記憶網絡模塊的權重矩陣。，，和是長短時記憶網絡中的偏置量。代表sigmoid啟動函數，代表雙曲正切函數。
142、
143、
144、s6.3?根據麻雀算法的最佳輸出向量，設置bilstm神經網絡預測模型的學習率、隱藏層層數以及最大訓練輪等超參，基于歷史數據預測電能路由器各個單元的實時出力情況。
145、作為本發明的優選技術方案，所述步驟s3.3中，所述基于分時電價的可轉移負荷調度方法可分為如下子步驟：
146、s7.1?基于分時電價的可轉移負荷的成本目標函數為：
147、
148、s7.2?約束條件為：
149、（1）轉移功率滿足約束條件：
150、
151、其中，和分別為第 i時刻轉移容量的上下限。
152、（2）為可轉移負荷最小連續運行時間約束條件：
153、
154、s.7.3?根據權利要求5所述基于隨機自適應算子的改進差分進化算法，基于分時電價調控用電量，在可轉移負荷的允許用電時間條件下，可得到可轉移負荷的用電時間段相應的負荷出力，在滿足用電需求情況下使得用電成本最低。
155、與現有技術相比，本發明具有以下有益效果：
156、（1）本發明是一種電能路由器能量協調控制方法，本發明設置的利用動態隨機比例動態劃分訓練集和測試集，以便提供預測精度。
157、（2）本發明是一種電能路由器能量協調控制方法，本發明采用基于動態超參設定的雙向長短時間記憶神經網絡預測模型對電能路由器各個單元的功率進行高精度實時預測。
158、（3）本發明是一種電能路由器能量協調控制方法，本發明提出基于分時電價的柔性負荷調度方法；將市場價格機制包含于電能協調控制中，提高控制的經濟性。
159、（4）本發明是一種電能路由器能量協調控制方法，本發明基于隨機自適應算子的改進差分進化算法，將市場價格機制包含于儲能系統的充放電行為中，提出電能路由器電能協調控制方法，具有促進新能源消納和減少系統碳排放量的優點。