本发明涉及虚拟电厂，具体涉及一种用于虚拟电厂的交易调度优化方法及系统。
背景技术：
1、虚拟电厂掀起了一波电网转型和能源改革的新浪潮，旨在符合低碳排放要求下尽可能地降低一次能源等化石燃料的消费，提高二次能源和可再生能源的利用效率，虚拟电厂可以利用先进的计量通信技术和自动控制系统，将分布式发电机组、储能系统、可控负荷、电动汽车等多种类型的分布式能源灵活地聚合起来，基于虚拟电厂软件构架和训练算法可实现多能互补下的“源-网-荷-储”协调优化运行，其更有利于整体能源系统中的资源合理优化配置及利用。在传统的电力网中科学合理地并入vpp子能源系统，可实现在用电高峰期间通过调度电源侧的发电和供电、用户侧的用电和上网、储能侧的储电计划，以灵活地发挥削峰填谷的作用，并适当缓解在供电紧张时的电力供需矛盾，此外，在虚拟电厂中结合低碳脱碳技术，可大幅度减少电力网的碳排放并显著提高可再生能源。
2、目前为有效缓解我国用电高峰期传统电力网供需紧张，解决高比例分布式能源接入，以构建新形势下的新型绿色、低碳、智能化电力系统，需要对虚拟电厂的交易进行优化调度，目前用于虚拟电厂的交易调度优化方法还存在一下问题：
3、(1)随着碳交易市场的开市和减碳需求的增长，如何改进碳交易机制引导系统低碳经济运行，并制定综合能源系统季节性调度策略成为亟需解决的问题；
4、(2)目前电力系统在面向含多类型分布式发电机组、用户侧的需求响应机制以及储能系统调度控制的能源系统时存在着“源-荷”不确定性和调度监控技术落后的问题。
技术实现思路
1、本发明的目的在于提供一种用于虚拟电厂的交易调度优化方法及系统，以解决现有技术中对于如何改进碳交易机制引导系统低碳经济运行，以及存在着“源-荷”不确定性和调度监控技术落后的技术问题。
2、为解决上述技术问题，本发明具体提供下述技术方案：
3、本发明的第一个方面，提供了一种用于虚拟电厂的交易调度优化方法，包括以下步骤：
4、实时获取虚拟电厂电源侧及需求侧综合能源系统ies中的能源供给单元，对所述能源供给单元的输入能源功率通过功率平衡建立多能源动态平衡模型，获取多能量流分配调度数据；
5、对所述多能量流分配调度数据采用基于混合深度学习模型进行随机动态优化，对所述优化分配调度数据建立多目标优化策略，对所述多能源动态平衡模型进行低碳优化调度，获取虚拟电厂中交易调度数据；
6、以所述交易调度数据最优化为目标，建立基于深度强化学习的综合能源系统能量交易调度模型，通过预测所述能源供给单元的负荷功率以及分时电价信息，对虚拟电厂的输出功率进行灵活调节，获取不同时段区域能源交易调度数据。
7、作为本发明的一种优选方案，实时获取虚拟电厂电源侧及需求侧综合能源系统ies中的能源供给单元，包括：
8、将所述虚拟电厂电源侧及需求侧的能源供给单元分为风力发电机组、光伏发电机组、电网以及气网，根据所述发电机组输出电能与输入风速求解风电机组功率，所述风电机组功率表达式为：
9、
10、其中，表示风电机组额定功率，v表示风速，vci表示切入风速，vw表示切出风速，vo表示额定风速；
11、以所述风电机组功率建立光伏发电数学模型，获取实时的所述能源供给单元的输入能源功率，其表达式为：
12、
13、其中，表示能源供给单元的输入额定功率，表示实际功率与输出功率的比值，θt、θs分别表示光伏电池吸收的总光强以及标准情况下的光强，t表示光伏电池的温度，δv表示光伏电池的输出功率系数。
14、作为本发明的一种优选方案，对所述能源供给单元的输入能源功率通过功率平衡建立多能源动态平衡模型，获取多能量流分配调度数据，包括：
15、将所述输入能源功率根据各类型能源互补效应划分为电负荷需求功率、热负荷需求功率以及气负荷需求功率，通过平衡所述电负荷需求功率、热负荷需求功率以及气负荷需求功率建立多能源动态平衡模型，其表达式为：
16、
17、其中，γgird表示虚拟电厂与电网交换功率的效率，ptra表示虚拟电厂与电网交换功率，ps表示电输出功率，pev表示光伏发电功率，gchp、gp2g、hchp分别表示虚拟电厂的电输出功率、天然气消耗量以及热功率，gnet表示输入热功率，gs表示虚拟电厂充放电功率，hb表示虚拟电厂充放电能效，hs表示电网交换功率，pl、gl、hl分别对应电负荷需求功率、热负荷需求功率以及气负荷需求功率；
18、将虚拟电厂的碳排放配额以碳流形式引入所述多能源动态平衡模型中，将所述电负荷需求功率、热负荷需求功率以及气负荷需求功率在不同时间尺度内的待交易配额自主进行交易，在所述多能源动态平衡模型中以碳流平衡的模式进行各类能量流的分配调度，获取多能量流分配调度数据。
19、作为本发明的一种优选方案，对所述多能量流分配调度数据采用基于混合深度学习模型进行随机动态优化，包括：
20、将所述多能量流分配调度数据作为输入数据集，输入当前虚拟电厂中负荷样本序列对电价及负荷因子相关的因素，将其作为样本序列，将所述样本序列按时序插入所述输入数据集中，获的具有原始特征的时间序列矩阵；
21、对所述时间序列矩阵进行检测，分析相关性，获取训练集；
22、将所述训练集的特征时间序列矩阵分解为k个含多个频率大小的本征模函数子序，各频率子序以其频率自高至低降序排序；
23、将相同频率等级的频率子序合并，组合成新的频率时间序列特征矩阵，对所述频率时间序列特征矩阵进行卷积操作提取特征向量，对所述特征向量池化后计算卷积信息的最大池化结果，获取每个隐藏层的隐含编码信息；
24、对所述隐含编码信息进行迭代处理，以误差最小为优化目标获取每一个卷积层的做优预测值，当循环周期的频率阶数已达频率子序总数时，停止训练过程，获取多频率预测子序；
25、对所述多频率预测子序进行代数求和，获取随机动态优化后的基于多能量流的优化分配调度数据。
26、作为本发明的一种优选方案，对所述优化分配调度数据建立多目标优化策略，对所述多能源动态平衡模型进行低碳优化调度，获取虚拟电厂中交易调度数据，包括：
27、对所述优化分配调度数据以日收入利润最大化和碳排放最小化为约束条件进行建模，采用马尔可夫分布对所述优化分配调度数据进行序列决策，建立多目标优化策略，所述马尔可夫分布表达式为：
28、f(s,t|sn,…,sl,tn,…,tl)＝f(s,t|sn,tn)
29、其中，f(s,t)为马尔可夫随机过程stn的分布函数，sn,…,sl表示任意的随机状态，tn,…,tl表示任意的时间；
30、根据所述f(s,t)将所述优化分配调度数据的序列决策分成五元组(a,ε,θ,μ,τ)，其中a表示状态空间，ε表示动作空间，θ表示转移概率，μ表示奖励回报函数，τ表示折扣因子；
31、设置迭代训练次数，根据当前时刻优化分配调度数据在马尔可夫过程中的运行状态，通过序列决策为所述运行状态选择一种动作，并将所述动作作用于虚拟电厂环境；
32、根据实时的虚拟电厂环境对动作进行状态转移，根据所述优化分配调度数据计算虚拟电厂环境的可再生能源出力、电价变化、负荷需求的随机性因素，获取虚拟电厂中交易调度数据。
33、作为本发明的一种优选方案，以所述交易调度数据最优化为目标，建立基于深度强化学习的综合能源系统能量交易调度模型，包括：
34、在调度中以运行成本最低和碳排放最低为优化目标对所述交易调度数据进行优化，根据所述多能源动态平衡模型对虚拟电厂中的运行成本、光伏成本进行综合分析，通过与对应电网的功率交换，以经济最优为目标实现能量调动；
35、通过预测所述能源供给单元的负荷功率以及分时电价信息，对虚拟电厂的输出功率进行灵活调节，获取不同时段区域能源交易调度数据。
36、本发明的第二个方面，提供了一种用于虚拟电厂的交易调度优化系统，包括：
37、数据处理模块，用于处理虚拟电厂实时的电源侧及需求侧综合能源系统ies中的能源供给单元功率数据；
38、数据分析模块，用于分析不确定因素对虚拟电厂交易调度的影响因子，对所述交易调度数据建立精确的物理模型；
39、数据调度模块，在综合能源系统的运行优化中，以运行成本最低和碳排放最低为优化目标对交易调度数据进行分层调度；
40、虚拟调度中心，实时监测数据调度模块的虚拟电厂状态，确定虚拟电厂与电网的功率交换效率，实现最优交易调度。
41、本发明与现有技术相比较具有如下有益效果：
42、本发明建立综合能源系统的交易架构，并对内部主体进行建模，实现了综合能源系统的动态供需平衡，结合综合能源系统的动态平衡公式，建立能量枢纽模型，为多能源类型间的转化、储存和分配奠定基础，根据主体的配额分配模型和实际碳排放模型将碳流引入到能量枢纽中，实现“电-热-气-碳”协调运行。
43、构建基于深度强化学习算法的低碳经济调度优化模型，在虚拟电厂外部环境随机变化下，实现源-网-荷-储一体化的互动调控，创造出盈利收入最大化、碳排量最小化以及可再生能源利用率最大化的低碳经济效益。
1.一种用于虚拟电厂的交易调度优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于虚拟电厂的交易调度优化方法，其特征在于，
3.根据权利要求2所述的一种用于虚拟电厂的交易调度优化方法，其特征在于，
4.根据权利要求3所述的一种用于虚拟电厂的交易调度优化方法，其特征在于，
5.根据权利要求4所述的一种用于虚拟电厂的交易调度优化方法，其特征在于，
6.根据权利要求5所述的一种用于虚拟电厂的交易调度优化方法，其特征在于，
7.应用于权利要求1-6的一种用于虚拟电厂的交易调度优化系统，其特征在于，包括：
