本技术涉及数据处理，尤其涉及一种基于区域级虚拟电厂的电力资源配置方法研究。
背景技术：
1、虚拟电厂是一种可将不同空间的分布式发电、储能设备、可调负荷等资源聚合起来，实现协调优化控制，促进其参与电力系统运行和电力市场交易的系统。区域级虚拟电厂聚合一定区域内的可调负荷，还重点关注大规模发展的新能源及储能，如何对虚拟电厂的电力资源进行分配成为目前亟需解决的问题。
技术实现思路
1、本技术实施例提供一种基于区域级虚拟电厂的电力资源配置方法研究，用于对虚拟电厂的电力资源进行分配。
2、本发明实施例提供一种基于区域级虚拟电厂的电力资源配置方法研究，所述方法包括：
3、获取目标区域内预置时间段的天气数据以及各分布式资源发电主体的资源信息；所述资源信息包括发电数据以及储能数据；所述预置时间段包括当前日期及其之前的n个历史日期；
4、根据所述预置时间段的天气数据以及各分布式资源发电主体的资源信息以及下一日期的天气预测数据，预测下一日期各分布式资源发电主体的资源信息；
5、基于所述下一日期各分布式资源发电主体的资源信息以及下一日期的用电需求信息计算下一日期的用电单价费用数据；所述下一日期的用电需求信息是根据所述预置时间段的用电需求数据预测得到，或根据与下一日期对应的历年历史日期的统计均值得到；
6、根据所述下一日期的用电单价费用数据以及下一日期的用电需求信息对用电需求侧配置电力资源，所述用电需求侧包括用电设备以及储电设备。
7、在本技术提供的一个可选实施例中，所述根据所述预置时间段的天气数据以及各分布式资源发电主体的资源信息以及下一日期的天气预测数据，预测下一日期各分布式资源发电主体的资源信息，包括：
8、将所述预置时间段的天气数据以及各分布式资源发电主体的资源信息以及下一日期的天气预测数据输入到资源预测模型中，预测下一日期各分布式资源发电主体的资源信息；
9、其中，所述资源预测模型为根据连续的n个历史日期的各分布式资源发电主体的资源信息以及第n+1历史日期的天气预测数据组成的训练样本，以及第n+1历史日期的各分布式资源发电主体的资源信息作为训练标签训练得到的。
10、在本技术提供的一个可选实施例中，所述基于所述下一日期各分布式资源发电主体的资源信息以及下一日期的用电需求信息计算下一日期的用电单价费用数据，包括：
11、获取所述下一日期各分布式资源发电主体的发电数据以及储能数据，以及下一日期的用电预测数据；
12、将所述下一日期各分布式资源发电主体的发电数据以及储能数据以及下一日期的用电预测数据输入到电费拟合模型中得到下一日期的用电单价费用数据；
13、其中，所述电费拟合模型根据各分布式资源发电主体的历史发电数据以及历史储能数据以及对应的下一日期的历史用电数据拟合得到的。
14、在本技术提供的一个可选实施例中，所述电费拟合模型为：
15、
16、其中，y为到下一日期的用电单价费用数据，m为分布式资源发电主体的数量，ai为第i个分布式资源发电主体在下一日期的发电数据，bi为第i个分布式资源发电主体在下一日期的储能数据，ci为第i个用电需求侧在下一日期的用电预测数据，α,β,γ,ε为拟合常数系数。
17、在本技术提供的一个可选实施例中，所述基于所述下一日期各分布式资源发电主体的资源信息以及下一日期的用电需求信息计算下一日期的用电单价费用数据之后，所述方法还包括：
18、将所述下一日期划分成多个时间段，每个时间段的时长不等；
19、根据每个时间段对应的权重值以及所述下一日期的用电单价费用数据，计算各个时间段的用电单价费用数据。
20、在本技术提供的一个可选实施例中，所述根据所述下一日期的用电单价费用数据以及下一日期的用电需求信息对用电需求侧配置电力资源，包括：
21、将所述下一日期的用电单价费用数据以及下一日期的用电需求信息转换为特征向量数据；
22、将所述特征向量数据输入到电力预测模型，得到所述用电设备以及所述储电设备分别对应的电力需求预测值，所述储电设备的电力需求预测值为正数时为充电量，所述储电设备的电力需求预测值为负数时为放电量；
23、根据所述用电设备以及所述储电设备分别对应的电力需求预测值对所述用电设备以及所述储电设备配置电力资源。
24、在本技术提供的一个可选实施例中，所述电力预测模型的训练过程为：
25、将同一日期的用电单价样本费用数据以及用电需求样本信息转换为样本特征向量数据；
26、将所述样本特征向量数据输入到用电预测模型得到所述样本特征向量数据对应的用电设备以及储电设备分别对应的电力需求预测值；
27、根据所述样本特征向量数据对应的用电设备以及储电设备分别对应的电力需求预测值以及电力需求实际值计算损失值；
28、当所述损失值小于预置数值，停止对所述用电预测模型的训练。
29、在本技术提供的一个可选实施例中，所述根据所述用电设备以及所述储电设备分别对应的电力需求预测值对所述用电设备配置电力资源，包括：
30、通过下述公式对所述用电设备配置电力资源：
31、
32、
33、
34、其中，f(x1)为所述用电设备配置的电力资源，x为所述下一日期的用电单价费用数据，为用电平均单价费用数据，a为运行所述用电设备的最低电荷值，b为运行所述用电设备的最高电荷值，a，b为未知系数，为所述储电设备的电力需求预测值，为用电设备的电力需求预测值。
35、在本技术提供的一个可选实施例中，所述根据所述用电设备以及所述储电设备分别对应的电力需求预测值对所述储电设备配置电力资源，包括：
36、通过下述公式对所述储电设备配置电力资源：
37、
38、
39、其中，f(x2)为所述储电设备配置的电力资源，x为所述下一日期的用电单价费用数据，为用电平均单价费用数据，d为储电设备的最高储能电荷，c为所述储电设备的已有电荷值，d为未知系数，若储电设备为预测储电，储电设备的电力需求预测值为若储电设备为预测放电，储电设备的电力需求预测值为
40、本发明实施例提供一种基于区域级虚拟电厂的电力资源配置系统，所述系统包括：
41、获取模块，用于获取目标区域内预置时间段的天气数据以及各分布式资源发电主体的资源信息；所述资源信息包括发电数据以及储能数据；所述预置时间段包括当前日期及其之前的n个历史日期；
42、预测模块，用于根据所述预置时间段的天气数据以及各分布式资源发电主体的资源信息以及下一日期的天气预测数据，预测下一日期各分布式资源发电主体的资源信息；
43、计算模块，用于基于所述下一日期各分布式资源发电主体的资源信息以及下一日期的用电需求信息计算下一日期的用电单价费用数据；所述下一日期的用电需求信息是根据所述预置时间段的用电需求数据预测得到，或根据与下一日期对应的历年历史日期的统计均值得到；
44、配置模块，用于根据所述用电单价费用数据以及下一日期的用电需求信息对用电需求侧配置电力资源，所述用电需求侧包括用电设备以及储电设备。
45、本技术提供一种基于区域级虚拟电厂的电力资源配置方法研究，首先获取目标区域内预置时间段的天气数据以及各分布式资源发电主体的资源信息，然后根据预置时间段的天气数据以及各分布式资源发电主体的资源信息以及下一日期的天气预测数据，预测下一日期各分布式资源发电主体的资源信息，之后基于下一日期各分布式资源发电主体的资源信息以及下一日期的用电需求信息计算下一日期的用电单价费用数据，最后根据下一日期的用电单价费用数据以及下一日期的用电需求信息对用电需求侧配置电力资源。由于本技术中下一日期的用电需求信息是根据预置时间段的用电需求数据预测得到，或根据与下一日期对应的历年历史日期的统计均值得到，因此本技术可以基于预测得到的用电需求信息以及用电单价费用数据对用电需求侧配置电力资源，从而通过本技术可以实现对虚拟电厂的电力资源进行分配。
1.一种基于区域级虚拟电厂的电力资源配置方法研究，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述预置时间段的天气数据以及各分布式资源发电主体的资源信息以及下一日期的天气预测数据，预测下一日期各分布式资源发电主体的资源信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述下一日期各分布式资源发电主体的资源信息以及下一日期的用电需求信息计算下一日期的用电单价费用数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述电费拟合模型为：
5.根据权利要求4所述的方法，其特征在于，所述基于所述下一日期各分布式资源发电主体的资源信息以及下一日期的用电需求信息计算下一日期的用电单价费用数据之后，所述方法还包括：
6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据所述下一日期的用电单价费用数据以及下一日期的用电需求信息对用电需求侧配置电力资源，包括：
7.根据权利要求6所述的方法，其特征在于，所述电力预测模型的训练过程为：
8.根据权利要求6所述的方法，其特征在于，所述根据所述用电设备以及所述储电设备分别对应的电力需求预测值对所述用电设备配置电力资源，包括：
9.根据权利要求8所述的方法，其特征在于，所述根据所述用电设备以及所述储电设备分别对应的电力需求预测值对所述储电设备配置电力资源，包括：
10.一种基于区域级虚拟电厂的电力资源配置系统，基于权利要求1-9任一项所述的方法，其特征在于，所述系统包括：
