[发明专利]一种考虑需求响应的虚拟电厂可调节资源精准控制方法

权利要求书

1.一种考虑需求响应的虚拟电厂可调节资源精准控制方法，其特征在于：

所述方法包括以下步骤：

步骤1：基于云边端架构获取虚拟电厂可调节资源信息，评估可调节资源的调控潜力，具体包括：

获取可调节资源典型日负荷曲线，预测最大用电负荷；

基于可调节资源典型日负荷曲线及最大用电负荷，计算可调节资源的可调控比例、单用户调控潜力评估指标以及区域调控潜力评估指标；

其中，对于每个类型的可调节资源，可调控比例等于可调节的容量除以总的容量；

每个单用户的调控潜力评估指标，包括：

基本指标：调控容量、调控时间、调控精度、调控速率和持续时间；

复合性能指标：综合调控性能指标A，认缴性能指标B，服务时间可靠性指标C，服务容量可靠性指标D，容量反弹指标；

对于每个区域，将区域内各类可调节资源潜力评估指标相乘，即可得到区域调控潜力评估指标值；

步骤2：根据可调节资源参与需求响应的控制任务以及可调节资源的调控信息，对参与控制任务的可调节资源进行分类与分层，结合云边端架构构建不同类型控制任务对应的虚拟电厂可调节资源的多层控制架构，具体为：

根据可调节资源参与需求响应的控制任务以及可调节资源的调控潜力、调控特性、空间分布，对参与控制任务的可调节资源进行分类与分层；

基于云边端协同和资源分层的结构，调控指令通过云平台下发至边缘代理，并根据资源分层结构逐步下发，直至最底层的智能终端接收调控指令完成控制，整个过程构成虚拟电厂可调节资源的多层控制架构；

所述虚拟电厂可调节资源的多层控制架构中，每一层对应资源参与控制任务的调控指令可根据分解公式分解到下一层，直至分解到具体机组或设备的颗粒度的调控指令；

步骤3：基于虚拟电厂可调节资源的多层控制架构，根据需求响应策略和可调节资源的调控潜力的评估结果，建立不同类型控制任务对应的虚拟电厂可调节资源优化控制模型及其调控约束模型；

步骤4：利用多层任务协作的多层深度强化学习算法求解步骤3建立的优化控制模型，得到每一层的调控指令，然后根据云边端架构下发指令，控制具体的可调节资源参与控制任务。

2.根据权利要求1所述的一种考虑需求响应的虚拟电厂可调节资源精准控制方法，其特征在于：

步骤1所述云边端架构包括云平台、边缘服务器和智能终端；

智能终端部署在虚拟电厂可调节资源的设备上，包含传感器和执行器，用于状态感知和控制；

基于云平台与边缘服务器的协作形成边缘代理，所有的边缘代理由云平台统一管理，边缘代理和云平台之间通过通信网络进行信息交互；

边缘代理为与边缘服务器连接的智能终端分配设备编码、设备号、用户名、密码，接收智能终端的数据并进行处理，将处理得到的状态感知结果发送至云平台，接收云平台的调控指令并发送至智能终端。

3.根据权利要求1所述的一种考虑需求响应的虚拟电厂可调节资源精准控制方法，其特征在于：

步骤1具体为：

利用智能终端感知虚拟电厂可调节资源的模型、参数、状态数据，边缘服务器接收感知的数据并通过边缘计算，获取虚拟电厂可调节资源相关信息，对可调节资源的调控潜力进行评估。

4.根据权利要求1-3任意一项所述的一种考虑需求响应的虚拟电厂可调节资源精准控制方法，其特征在于：

所述虚拟电厂可调节资源包括燃气轮机组、光伏发电机组、风力发电机组、储能设备，以及需求侧可调节资源。