本发明涉及电力电子，尤其涉及一种农村虚拟电厂售电商系统的双层优化方法和装置。
背景技术：
1、合理调配农村地区分布式能源满足“自发自用”，打通“余量上网”渠道是打造农村地区新型智能电网的基础。独立售电商(electricity retailers，er)正在成为新的市场主体，这使得虚拟电厂(virtual power plant，vpp)可通过与售电商签订合约合作参与电力市场交易，售电商也能利用vpp调节性能提升交易方案灵活性，这对于促进农村分布式能源发电并网具有着重要的作用。
2、推广绿色电力证书交易能够加快研究建立非水可再生能源发电配额强制考核办法，完善可再生能源消纳责任权重制度。如何考虑电-碳-绿证耦合市场的农村虚拟电厂售电商双层优化是目前新型电力系统转型中亟需解决的关键问题。
3、目前针对独立售电商的购售电交易策略主要集中在价格机制、负荷偏差、风险因素对购售电策略的影响，部分成果研究售电商在中长期市场、日前市场和实时市场的组合交易策略，但未能考虑到vpp作为调节性单元及其对购电量分配的影响，且目前现有研究均是以城市售电商作为主体，未能考虑到农村的资源特性。
4、其次针对电力市场、碳交易市场和绿证交易市场的深度耦合交易机制的研究，现有研究均从宏观层面分析电、碳、和绿证交易市场耦合问题，未涉及售电公司的电-碳-绿证市场协同交易问题。实际上，随着电碳交易市场和绿证交易市场的不断成熟，售电商作为多维耦合市场下的重要新主体，其如何参与电-碳-绿证协同交易是迫切需要解决的问题。此外，针对含vpp售电商购售电交易策略研究的应用主要集中于城镇地区，未涉及农村地区的生物质发电和垃圾发电。
技术实现思路
1、鉴于上述的分析，本发明实施例旨在提供一种农村虚拟电厂售电商系统的双层优化方法和装置，用以解决如何考虑电-碳-绿证耦合市场的农村虚拟电厂售电商双层优化是目前新型电力系统转型中亟需解决的问题。
2、一方面，本发明实施例提供了一种农村虚拟电厂售电商系统的双层优化方法，包括：基于农村虚拟电厂和农村地区负荷需求建立多个单元模型，其中，所述多个单元模块包括风电出力模型、光伏发电出力模型、生物质发电出力模型、水电机组发电出力模型、垃圾发电出力模型以及负荷需求响应模型；基于电-碳-绿证协同交易建立电-碳-绿证协同交易数学模型，其中，所述电-碳-绿证协同交易数学模型包括绿证交易成本模型；基于所述电-碳-绿证协同交易数学模型构建上层电-碳-绿证市场协同交易优化模型，其中，所述上层电-碳-绿证市场协同交易优化模型考虑农村虚拟电厂售电商vpp-er系统参与电-碳-绿证市场协同交易的收益和风险成本，结合日前电力价格、实时电力价格、碳价及绿证价格，分配日前市场和虚拟电厂的购电量，以最大化加权收益；以及基于所述多个单元模型构建下层虚拟电厂调度优化模型以最小化调度成本。
3、上述技术方案的有益效果如下：本发明考虑电-碳-绿证三维耦合市场，以及农村地区资源特性，以农村虚拟电厂售电商购销交易视角出发，提出一种考虑电-碳-绿证耦合市场的农村虚拟电厂售电商双层优化方法，建立多维不确定因素下农村虚拟电厂售电商调度优化方案和电-碳-绿证购销交易策略，以期在实现最小化交易风险的同时，实现综合效益最大化。有利于将农村能源资源价值转换为经济价值，有助于农村新型智能电网的建设。
4、基于上述方法的进一步改进，所述电-碳-绿证协同交易包括电力交易、碳交易和绿证交易，其中，所述电力交易包括虚拟电厂-售电商系统通过在不同类型市场向可再生能源发电商、非可再生能源发电商以及虚拟电厂组合购电，参与电力市场的日前交易和实时交易，以最大化购售电交易；所述碳交易包括在碳排放配额盈余时，进入碳交易市场售出盈余的碳排放配额；反之在碳排放配额不足时在所述碳交易市场购买碳排放配额以补偿碳排放配额不足；以及所述绿证交易包括在所述绿证盈余时，进入绿证交易市场售出所述盈余的绿证；反之在绿证不足时，在所述绿证交易市场购买绿证以补偿绿证不足。
5、基于上述方法的进一步改进，所述绿证交易成本模型表示为：
6、
7、其中，fs为vpp-er绿证交易成本；k为可再生能源发电量占上网电量的配额比，gvpp,t表示农村虚拟电厂售电商系统vpp-er的总出力，表示垃圾发电wi机组在时刻t的耗电功率；lload,t表示农村虚拟电厂售电商系统时刻t的内部负荷；t表示数据测量点的数量，当选取1小时作为时间尺度时，t＝24；通过以下公式计算可再生能源发电量占上网电量的配额比k：
8、
9、
10、其中，gvpp,t表示农村虚拟电厂售电商系统vpp-er的总出力，gwpp,t表示风电机组wpp在时刻t的发电出力，gpv,t表示光伏发电机组pv在时刻t的发电出力，gwi,t表示垃圾发电wi在时刻t的发电出力，为垃圾发电wi在时刻t处理烟气的总耗电功率，gbpg,t表示沼气发电bpg在时刻t的输出功率，gshs,t表示小水电站shs在时刻t的发电出力，△pal,t表示可调节性负荷al在时刻t的调度功率。
11、基于上述方法的进一步改进，所述上层电-碳-绿证市场协同交易优化模型还包括碳排放配额模型，其中，通过以下公式表示所述碳排放配额模型：
12、
13、
14、
15、
16、其中，et表示vpp-er在时刻t可交易的碳排放配额；当et＞0表示vpp-er将剩余碳排放配额在碳交易市场进行售出，获得碳排放配额售出收益，反之，当et<0，表示vpp-er需要购买缺欠的碳排放配额，在碳交易市场购买不足配额，支出碳排放配额购买成本；表示所述虚拟电厂售电商在时刻t应承担的碳排放量；enon-re,t、egrid,t、evpp,t分别表示非清洁能源发电商、电网和虚拟电厂vpp在时刻t的碳排放强度；gnon-re,t、和ggrid,t表示所述虚拟电厂售电商在时刻t向非清洁能源发电商和电网的购电量；表示所述虚拟电厂售电商在时刻t调用虚拟电厂vpp内部的bpg和wi的发电出力；表示vpp-er在时刻t获得的初始碳配额；η表示单位电量碳排放分配系数；gre,t和分别表示vpp-er在时刻t向可再生能源发电商和vpp购买的电量。
17、基于上述方法的进一步改进，所述上层电-碳-绿证市场协同交易优化模型还包括：电-碳-绿证市场协同交易收益模型：
18、
19、其中，rbenefit表示vpp-er协同交易收益；ptse、ptpur和pttran表示vpp-er在时刻t的售电价格、日前市场购电价格和实时市场交易价格；当pttran>0，表示vpp-er在实时阶段向配电网售电，反之，vpp-er在实时阶段向配电网购电；ηt表示vpp-er在时刻t的日前市场购电比例；lt表示vpp-er在时刻t签约的合同电量；gvpp,t表示vpp-er的总出力，表示vpp-er在时刻t的实时市场购电量；ptcarbon表示时刻t碳市场交易价格；cal,t表示vpp-er在时刻t实施可调节性负荷al的成本；et表示vpp-er在时刻t可交易的碳排放配额；fs为vpp-er绿证交易成本；cvpp,t表示vpp-er在时刻t调度vpp的费用，包括不同分布式电源的调度费用和用户灵活性负荷费用；
20、cal,t＝cal,tδpal,t；
21、其中，cal,t表示时刻t的可调节性负荷al单位实施成本，△pal,t表示可调节性负荷al在时刻t的调度功率；
22、
23、其中，pwpp,t和gwpp,t表示wpp在时刻t的调用价格和出力；ppv,t和gpv,t表示pv在时刻t的调用价格和出力；和表示wi在时刻t的耗电价格和供电价格；和表示wi在时刻t的耗电功率和供电出力。
24、基于上述方法的进一步改进，所述上层电-碳-绿证市场协同交易优化模型包括加权收益最大化目标函数：
25、maxrvpp＝(1-λ)rbenefit-λrrisk；
26、其中，rvpp为vpp-er的综合加权收益，rbenefit表示vpp-er协同交易收益；rrisk表示于电力实时价格、碳价和绿证交易价格具有不确定性给vpp-er参与电-碳-绿证市场协同交易带来的风险成本；λ表示vpp-er所能接受的风险权重，取值为[0,1]区间的任意值；
27、
28、其中，rm表示m维的实数矩阵，m取值与矩阵y的大小有关；为决策向量,yt＝[pttran,ptcarbon,ptcg,t]为多元随机向量，β表示决策者风险判定的门槛值，由历史数据均值确定，在超过历史数据均值时表明出现一定的风险损失；α为最终cvar的置信度，为原始场景集的完整程度，当原始场景集规模足够反映市场价格变化规律时，趋近于1，ρ(y)为变量y的概率密度函数，其中，η*为目标场景集与原场景集之间的场景缩减损失度，通过改进条件风险价值cvar模型计算所述场景缩减损失度：
29、步骤1：通过以下公式计算两个场景pi和pj间的相似度：
30、
31、其中，场景集包含n个原始场景及每个场景包含d维参数，第i个场景表示为和代表场景pi和pj中的第d维参数，xsin(pi,pj)表示场景pi和场景pj间的相似度；pi与pj分别为场景pi与场景pj的权重；ε为足够小的正数；
32、步骤2：通过以下公式计算与所述场景集对应的相似度矩阵：
33、
34、步骤3：设定xsin(pi,pj)最小，则通过以下公式将2个场景进行加权合并，进行场景削减：
35、
36、步骤4：通过以下公式计算在d维数据场景集ω中所有场景的第i维与第j维元素的相关系数：
37、
38、其中，为场景集ω中所有场景中第i、j维元素的算术平均值；通过以下公式计算场景合并后形成的新场景集的相关性损失函数：
39、
40、其中，φi,j定义为场景集ω中第i个场景与第j个场景合并形成的新场景集；
41、步骤5：通过以下公式计算最终相对性损失矩阵可视为每轮场景缩减下φ相对场景ω的相关性损失矩阵：
42、
43、式中，表示当前子场景集φ的场景数量；
44、步骤6：在场景缩减过程中，当2个相似场景合并时将产生一定的数据损失，通过以下公式计算目标场景集φ与原场景集ω之间的场景缩减损失度η*：
45、
46、其中，表示经归一化处理后的每轮差矩阵xc中最大上三角元素；k表示目标场景集的个数。
47、基于上述方法的进一步改进，所述加权收益最大化目标函数的约束条件包括：可调节性负荷al出力约束、虚拟电厂vpp调度出力约束、碳配额交易约束和购电量裕度约束，其中，通过以下公式表示可调节性负荷al出力约束：
48、
49、其中，△pal,t表示可调节性负荷在时刻t的调度功率，表示可调节性负荷al提供的最大出力；通过以下公式表示vpp调度出力约束：
50、
51、
52、其中，gvpp,t和gvpp,t-1表示vpp-er在时刻t和时刻t-1的总出力，和表示vpp在时刻t的最大和最小出力功率；和表示vpp在时刻t的最大和最小爬坡功率；通过以下公式表示碳配额交易约束：
53、
54、
55、当时，表明vpp-er获得的初始碳排放配额全部在碳交易市场售出，vpp-er交易电量全部源于零碳电源，表示所述虚拟电厂售电商在时刻t应承担的碳排放量；表示vpp-er在时刻t获得的初始碳配额；et表示vpp-er在时刻t可交易的碳排放配额，通过以下公式表示购电量裕度约束：
56、
57、其中，γ表示vpp-er在日前阶段的购电裕度，取值高于ηt，用于应对实时阶段电力短缺或者电价急剧增高风险，表示所述虚拟电厂售电商在时刻t调用vpp内部的bpg和wi的发电出力；lt表示vpp-er在时刻t签约的合同电量；△pal,t表示可调节性负荷在时刻t的调度功率。
58、基于上述方法的进一步改进，通过以下公式表示所述下层虚拟电厂调度优化模型：
59、
60、式中：pwpp,t、ppv,t、pbpg,t、pshs,t和pwi,t分别表示wpp、pv、bpg、shs和wi在时刻t的调用成本系数；ptse表示wi在时刻t内消耗电量处理垃圾的调用成本系数，gwpp,t表示风电机组wpp在时刻t的发电出力，gpv,t表示光伏发电机组pv在时刻t的发电出力，表示垃圾发电wi在时刻t的发电出力，gbpg,t表示沼气发电在时刻t的输出功率，gshs,t表示小水电站shs在时刻t的发电出力，cal,t表示vpp-er在时刻t实施al的成本；为垃圾发电wi在时刻t处理烟气的总耗电功率。
61、基于上述方法的进一步改进，所述下层虚拟电厂调度优化模型还包括以下约束条件，其中，通过以下公式表示电力供需平衡约束：
62、
63、其中，为上层交易优化模型确定的vpp调度计划，△pal,t表示可调节性负荷在时刻t的调度功率；通过以下公式分别表示shs水库需水量、发电引流量以及弃水量约束：
64、
65、qmin≤qt≤qmax；
66、smin≤st≤smax；
67、其中，为时刻t-1的调节水库需水量，vmin为允许水库消落的最低库容，vmax为允许水库可用最大水量，qt、qt、st分别为水电站在时刻t的自然来水量、发电引流量和弃水流量；qmin、qmax分别为水电站水轮机发电引流量的最小值和最大值，smin、smax分别为shs允许弃水量的最小值和最大值；通过以下公式表示wi运行约束：
68、
69、
70、
71、其中，qgr,t和qgs,t分别表示时刻t进入反应塔和储气罐中的烟气量；为gs在时刻t进入gr的烟气量；表示gs的最大出气量；表示烟气管道的最大流量；通过以下公式表示碳排放约束：
72、
73、其中，ebpg,t和ewi,t表示bpg和wi在时刻t的发电碳排放强度，evpp,t表示虚拟电厂vpp在时刻t的发电碳排放强度；
74、通过以下公式表示绿证约束：
75、
76、其中，sbpg和swi表示bpg和wi的绿证需求量；表示vpp上层交易优化模型所预留的绿证数量。
77、另一方面，本发明实施例提供了一种农村虚拟电厂售电商系统的双层优化装置，包括：单元模型构建模块，用于基于农村虚拟电厂和农村地区负荷需求建立多个单元模型，其中，所述多个单元模块包括风电出力模型、光伏发电出力模型、生物质发电出力模型、水电机组发电出力模型、垃圾发电出力模型以及负荷需求响应模型；交易模型构建模块，用于基于电-碳-绿证协同交易建立电-碳-绿证协同交易数学模型，其中，所述电-碳-绿证协同交易数学模型包括绿证交易成本模型；上层电-碳-绿证市场协同交易优化模型，用于基于所述电-碳-绿证协同交易数学模型构建上层电-碳-绿证市场协同交易优化模型，其中，所述上层电-碳-绿证市场协同交易优化模型考虑农村虚拟电厂售电商vpp-er参与电-碳-绿证市场协同交易的收益和风险成本，结合日前电力价格、实时电力价格、碳价及绿证价格，分配日前市场和虚拟电厂的购电量，以最大化加权收益；以及下层虚拟电厂调度优化模型，用于基于所述多个单元模型构建下层虚拟电厂调度优化模型以最小化调度成本。
78、与现有技术相比，本发明至少可实现如下有益效果之一：
79、1、本发明考虑电-碳-绿证三维耦合市场，以及农村地区资源特性，以农村虚拟电厂售电商购销交易视角出发，提出一种考虑电-碳-绿证耦合市场的农村虚拟电厂售电商双层优化方法，建立多维不确定因素下农村虚拟电厂售电商调度优化方案和电-碳-绿证购销交易策略，以期在实现最小化交易风险的同时，实现综合效益最大化。有利于将农村能源资源价值转换为经济价值，有助于农村新型智能电网的建设；
80、2、本发明以新型独立售电商为主体，将电力交易市场、碳交易市场和绿证交易市场耦合，提出一种农村vpp-er电-碳-绿证市场协同交易模式，构建上层考虑市场价格不确定性的改进cvar方法的电-碳-绿证市场协同交易优化模型，下层vpp-er调度优化模型，形成农村vpp-er电-碳-绿证市场协同交易双层优化模型，并利用和声搜索算法进行双层模型的求解，使得售电商在最小化交易风险的同时，实现综合效益最大化，更好指导售电商聚合化利用农村分布式能源，推进我国电力系统转型；
81、3、本发明在传统cvar模型的基础上，引入改进场景缩减优化算法，提取典型市场场景集，将场景缩减后的损失度作为置信度的选值依据；以及
82、4、本发明专利采用和声搜索算法进行双层模型的求解。该种方法求解简单便捷，求解效率高于传统方法，且启发式智能算法能够更快寻找全局最优解。
83、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
1.一种农村虚拟电厂售电商系统的双层优化方法，其特征在于，包括：
2.根据权利要求1所述的农村虚拟电厂售电商系统的双层优化方法，其特征在于，所述电-碳-绿证协同交易包括电力交易、碳交易和绿证交易，其中
3.根据权利要求2所述的农村虚拟电厂售电商系统的双层优化方法，其特征在于，所述绿证交易成本模型表示为：
4.根据权利要求2所述的农村虚拟电厂售电商系统的双层优化方法，其特征在于，所述上层电-碳-绿证市场协同交易优化模型还包括碳排放配额模型，其中，通过以下公式表示所述碳排放配额模型：
5.根据权利要求3所述的农村虚拟电厂售电商系统的双层优化方法，其特征在于，所述上层电-碳-绿证市场协同交易优化模型还包括：电-碳-绿证市场协同交易收益模型：
6.根据权利要求1所述的农村虚拟电厂售电商系统的双层优化方法，其特征在于，所述上层电-碳-绿证市场协同交易优化模型包括加权收益最大化目标函数：
7.根据权利要求6所述的农村虚拟电厂售电商系统的双层优化方法，其特征在于，所述加权收益最大化目标函数的约束条件包括：可调节性负荷al出力约束、虚拟电厂vpp调度出力约束、碳配额交易约束和购电量裕度约束，其中，
8.根据权利要求5所述的农村虚拟电厂售电商系统的双层优化方法，其特征在于，通过以下公式表示所述下层虚拟电厂调度优化模型：
9.根据权利要求8所述的农村虚拟电厂售电商系统的双层优化方法，其特征在于，所述下层虚拟电厂调度优化模型还包括以下约束条件：
10.一种农村虚拟电厂售电商系统的双层优化装置，其特征在于，包括：
