本发明涉及电力系统领域，具体涉及一种基于omni-gan与admm的省区储能配置方法及系统。
背景技术：
1、近年来，随着新型电力系统的不断建设，新能源渗透比例逐年加大，由于风、光等自然资源具有一定的随机性和波动性，这给省区电网的电力电量平衡和新能源充分消纳带来了不少的挑战，对省区电网配置储能将有助于解决上述问题，然而，随着风电、光伏等新能源装机容量与极端天气出现频率的不断升高，极端场景下的电网安全稳定运行显得尤为重要，需要在规划阶段合理而充分地考虑极端场景进行省区储能配置与求解。
2、省区储能配置涉及到利用不同的储能技术来满足能源需求、平衡电网负荷和提高电能的可再生比例，在配置省区储能系统时，需综合考虑各种因素，包括能源需求、地理条件、气候特点以及经济因素，而现有技术方案针对省区储能配置的研究主要从典型场景和时序生产模拟两方面进行入手，前者基于典型场景的省区储能配置主要通过一些聚类方法提取典型场景，进而针对典型场景建立省区储能配置模型进行求解；后者基于时序生产模拟的省区储能配置主要通过进行月度或年度的长期时序生产模拟来模拟储能配置后的省区电网运行阶段，详细建立省区储能配置模型，当前，省区储能配置问题的建模和求解通常采用集中式优化的方式，将问题建模为大规模的混合整数优化问题，进一步采用各种降维方法或近似方法进行求解，进而对省区储能进行配置。
技术实现思路
1、鉴于上述存在的问题，提出了本发明。
2、因此，本发明解决的技术问题是：省区储能配置方法存在稳定性低、求解效率低、成本高的问题，以及如何解决原始数据集中极端样本数量不足和场景多样化缺失的问题。
3、为解决上述技术问题，本发明提供如下技术方案：一种基于omni-gan与admm的省区储能配置方法，包括收集省区电网数据与历史时序数据，实施基于omni-gan的场景丰富方法，建立省区电网储能配置分布式优化模型，基于admm的省区电网储能配置分布式对优化模型进行计算，进行基于omni-gan与admm的省区储能配置。
4、作为本发明所述的一种基于omni-gan与admm的省区储能配置方法的一种优选方案，其中：所述收集省区电网数据包括省区电网的分布情况、风电机组的位置信息、光伏机组的位置信息、火电机组的位置信息、成本信息以及限值信息。
5、收集历史时序数据包括省区电网风机发电功率、光伏发电功率、负荷功率以及外送功率的历史时序数据。
6、作为本发明所述的一种基于omni-gan与admm的省区储能配置方法方法的一种优选方案，其中：所述实施基于omni-gan的场景丰富包括收集历史时序数据，按照每日24小时划分样本，记为正样本xreal，结合实时生产情况设定小样本判定阈值，大于阈值的样本标为极端样本，小于阈值的样本标为正常样本。
7、构建生成器网络g和判别器网络d组成omni-gan模型，omni-gan模型包括卷积神经网络、深度全连接神经网络结构，生成器g对输入噪声进行上采样，实现样本生成，判别器d对输入的样本进行下采样，实现样本判别。
8、向生成器网络g输入随机生成的高斯噪声，将生成器网络g生成的样本记为负样本xfake。
9、对正样本中的极端样本和正常样本进行标签标定，表示为：
10、
11、其中，yreal为正样本标签，标签的第一个元素标定是否为极端样本，第二个元素标定是否为正常样本，第三个元素标定是否为正样本，第四个元素标定是否为负样本，四个元素取值1代表标定逻辑为是，取值-1代表标定逻辑为非。
12、对负样本进行标签标定，表示为：
13、yfake＝[-1,-1,-1,1]
14、
15、其中，yfake为负样本标签，为针对生成器的负样本标签，标签的第一个元素标定是否为极端样本，第二个元素标定是否为正常样本，第三个元素标定是否为正样本，第四个元素标定是否为负样本，四个元素取值1代表标定逻辑为是，取值-1代表标定逻辑为非。
16、omni损失表示为：
17、
18、其中，lomni(x,y)为样本x和标签y下的omni损失，uneg为标签y中的负值索引集合，upos为标签y中的正值索引集合，si(x)为判别器d下采样的预测标签的第i个元素。
19、判别器d和生成器g的损失函数ld和lg表示为：
20、
21、
22、其中，ld为判别器d的损失函数，lg为生成器g的损失函数，pd为正样本的数据分布，pg为负样本的数据分布。
23、基于ld和lg对omni-gan进行训练，通过损失函数收敛结束omni-gan模型的训练。
24、向训练后的生成器g输入极端样本的对应标签，生成极端样本，提供基于omni-gan的原始场景丰富化，丰富场景集合为sd。
25、作为本发明所述的一种基于omni-gan与admm的省区储能配置方法的一种优选方案，其中：所述建立省区电网储能配置分布式优化模型包括基于丰富场景集合sd和省区电网的实时分区情况，建立省区电网储能配置分布式优化模型。
26、基于收集省区电网数据，省区区域数量为na，区域为a，在丰富场景集合sd上建立区域电网储能配置子问题优化模型，表示为：
27、
28、s.t. ha(xa,b,d,t)＝0
29、ga(xa,b,d,t)≥0
30、其中，b为区域a下的单个节点，为区域a下的节点集合，d为样本集sd下的单个样本，t为单个样本下的单个时间点，每个样本包括24个时间点，f1为储能建设成本目标函数，f2为电网运行成本目标函数，f3为新能源弃电惩罚目标函数，xa,b,d,t为决策变量，规划人员根据实时问题进行决策变量的选择，子问题优化模型总目标函数f里将区域a的决策变量记为xa，ha(xa,b,d,t)为区域a子问题等式约束，ga(xa,b,d,t)为区域a子问题不等式约束。
31、基于区域电网储能配置子问题优化模型，用区域间联络线路为边界，构造省区电网储能配置分布式优化模型，表示为：
32、
33、s.t.xl1[k]＝xl2[k],l∈l,k∈k
34、其中，l为区域间联络线路集合，l为l中区域联络线路，l1、l2分别为联络线路l联络的两个区域，k为联络变量在决策变量中的索引集合，k为联络变量在决策变量中的索引。
35、作为本发明所述的一种基于omni-gan与admm的省区储能配置方法的一种优选方案，其中：所述基于admm的省区电网储能配置分布式对优化模型进行计算包括基于收敛条件进行更新，表示为：
36、
37、
38、
39、其中，lag()为增广拉格朗日函数，为第h迭代轮次下的xa，为变量l和k对应的第h迭代轮次下的拉格朗日乘子系数，ρ为固定的惩罚因子。
40、作为本发明所述的一种基于omni-gan与admm的省区储能配置方法的一种优选方案，其中：所述收敛条件表示为：
41、
42、其中，δ为收敛精度，规划人员通过实时场景的收敛精度调整不同区域间联络线路对应的联络变量，通过admm算法进行省区电网储能配置分布式优化模型的分布式计算。
43、作为本发明所述的一种基于omni-gan与admm的省区储能配置方法的一种优选方案，其中：所述进行基于omni-gan与admm的省区储能配置包括基于省区储能配置方案、各省区火电机组的经济运行方案以及各省区储能的经济运行方案，进行基于omni-gan与admm的省区储能配置。
44、本发明的另外一个目的是提供一种基于omni-gan与admm的省区储能配置系统，其能通过基于admm的省区电网储能配置分布式对优化模型进行计算，解决了目前的省区储能配置方法含有求解效率差的问题。
45、作为本发明所述的一种基于omni-gan与admm的省区储能配置系统的一种优选方案，其中：包括场景丰富模块，优化模型计算模块，省区储能配置模块；所述场景丰富模块用于收集省区电网数据与历史时序数据，实施基于omni-gan的场景丰富；所述优化模型计算模块用于建立省区电网储能配置分布式优化模型，基于admm的省区电网储能配置分布式对优化模型进行计算；所述省区储能配置模块用于提供省区储能配置方案、发电机组经济运行方案以及储能经济运行方案，进行基于omni-gan与admm的省区储能配置。
46、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序是实现一种基于omni-gan与admm的省区储能配置方法的步骤。
47、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现一种基于omni-gan与admm的省区储能配置方法的步骤。
48、本发明的有益效果：本发明提供的一种基于omni-gan与admm的省区储能配置方法通过实施基于omni-gan的场景丰富，对omni-gan训练直到损失函数收敛，生成大量极端样本，提高了原有cgan系列方法在生成电力场景时的稳定性和表现效果；通过建立省区电网储能配置分布式优化模型，基于admm的省区电网储能配置分布式对优化模型进行计算，开展多个轮次的更新，直到满足收敛条件结束，将原有集中式优化问题转化为分布式优化问题进行建模和求解，有效降低问题求解规模，提升问题的求解效率和求解精度；通过进行基于omni-gan与admm的省区储能配置，为规划人员提供了极大的便利和提高了规划工作的经济性和高效性，本发明在稳定性、求解效率以及经济性方面都取得更加良好的效果。
1.一种基于omni-gan与admm的省区储能配置方法，其特征在于，包括：
2.如权利要求1所述的一种基于omni-gan与admm的省区储能配置方法，其特征在于：所述收集省区电网数据包括省区电网的分布情况、风电机组的位置信息、光伏机组的位置信息、火电机组的位置信息、成本信息以及限值信息；
3.如权利要求2所述的一种基于omni-gan与admm的省区储能配置方法，其特征在于：所述实施基于omni-gan的场景丰富包括收集历史时序数据，按照每日24小时划分样本，记为正样本xreal，结合实时生产情况设定小样本判定阈值，大于阈值的样本标为极端样本，小于阈值的样本标为正常样本；
4.如权利要求3所述的一种基于omni-gan与admm的省区储能配置方法，其特征在于：所述建立省区电网储能配置分布式优化模型包括基于丰富场景集合sd和省区电网的实时分区情况，建立省区电网储能配置分布式优化模型；
5.如权利要求4所述的一种基于omni-gan与admm的省区储能配置方法，其特征在于：所述基于admm的省区电网储能配置分布式对优化模型进行计算包括基于收敛条件进行更新，表示为：
6.如权利要求5所述的一种基于omni-gan与admm的省区储能配置方法，其特征在于：所述收敛条件表示为：
7.如权利要求6所述的一种基于omni-gan与admm的省区储能配置方法，其特征在于：所述进行基于omni-gan与admm的省区储能配置包括基于省区储能配置方案、省区火电机组的经济运行方案以及省区储能的经济运行方案，进行基于omni-gan与admm的省区储能配置。
8.一种采用如权利要求1～7任一所述的一种基于omni-gan与admm的省区储能配置方法的系统，其特征在于：包括场景丰富模块，优化模型计算模块，省区储能配置模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的一种基于omni-gan与admm的省区储能配置方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的一种基于omni-gan与admm的省区储能配置方法的步骤。
