买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华北电力大学申请的专利面向多元电力服务的虚拟电厂分布式储能优化配置方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119010137B 。

龙图腾网通过国家知识产权局官网在2025-10-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411061584.3，技术领域涉及：H02J3/32；该发明授权面向多元电力服务的虚拟电厂分布式储能优化配置方法是由刘念;张康瑞;张宽设计研发完成，并于2024-08-05向国家知识产权局提交的专利申请。

本面向多元电力服务的虚拟电厂分布式储能优化配置方法在说明书摘要公布了：本发明公开了一种面向多元电力服务的虚拟电厂分布式储能优化配置方法，构建不确定性变量的计算模型和决策变量并获得预设时间内收益最大化的优化方向，进而构建分布鲁棒优化配置模型；获取第二不确定性变量的历史数据样本集，采用Wasserstein度量构建第二不确定性变量的模糊集，并结合对偶理论获得重构的min‑sup形目标函数和数据驱动不确定集边界，将不确定性误差概率约束转化为确定性误差概率约束；求解分布鲁棒优化配置模型，获得决策变量的数集并配置电化学储能设备。本发明实现大量异构分布式资源参与虚拟电厂的灵活调控，提高运行效率及主动支撑能力，同时提高各聚合对象参与市场所获收益与虚拟电厂参与电力市场竞争能力。

本发明授权面向多元电力服务的虚拟电厂分布式储能优化配置方法在权利要求书中公布了：1.一种面向多元电力服务的虚拟电厂分布式储能优化配置方法，其特征在于，包括以下步骤： 基于实时电价、调频服务价格和负荷售电电价获得第一不确定性变量；基于分布式风、光发电机组的出力以及可控负荷的负荷获得第二不确定性变量； 基于所述第一不确定性变量和所述第二不确定性变量构建不确定性变量的计算模型； 构建决策变量；虚拟电厂包括所述分布式风、光发电机组，电化学储能设备和所述可控负荷；所述决策变量至少用于配置所述电化学储能设备； 基于所述不确定性变量的计算模型和所述决策变量获得优化方向，所述优化方向为预设时间内所述虚拟电厂收益最大化； 基于所述优化方向和所述不确定性变量的计算模型构建面向多元电力服务的虚拟电厂分布式储能分布鲁棒优化配置模型，所述分布鲁棒优化配置模型包括min-sup形目标函数和约束条件，所述约束条件包括确定性约束和不确定性误差概率约束； 获取历史数据样本集，所述历史数据样本集中的数据包括所述第二不确定性变量的历史数据； 基于所述历史数据样本集，采用Wasserstein度量构建第二不确定性变量的模糊集； 基于所述第二不确定性变量的模糊集和对偶理论，获得重构的min-sup形目标函数，以及获得数据驱动不确定集边界； 基于所述数据驱动不确定集边界，将所述不确定性误差概率约束转化为确定性误差概率约束； 基于所述确定性约束、所述确定性误差概率约束和所述重构的min-sup形目标函数求解所述分布鲁棒优化配置模型，获得决策变量的数集； 构建所述不确定性变量的计算模型的步骤为： 基于市场运营信息，根据公式一划分所述预设时间，所述公式一为： 式中，π为预设时间内划分的时间段总数，T为预设时间，TE为市场运营机构发布现货市场信息的时间间隔，κ为每个时间段内划分的时刻总数，TFR为市场运营机构发布调频辅助服务需求公告的时间间隔； 基于所述公式一，分别构建所述预设时间内的第一不确定性变量的计算模型和第二不确定性变量的计算模型； 所述第一不确定性变量的计算模型包括： 所述第二不确定性变量的计算模型包括： 式中，为在i时段、t时刻的实时电价，为在i时段、t时刻的调频服务价格，为在i时段、t时刻的负荷售电电价，为在i时段、t时刻的实时电价预测值，为在i时段、t时刻的调频服务价格预测值，为在i时段、t时刻的负荷售电电价预测值，为在i时段、t时刻的实时电价预测偏差量，为在i时段、t时刻的调频服务价格预测偏差量，为在i时段、t时刻的负荷售电电价预测偏差量，N·,·为正态分布，σE为实时电价预测误差的标准差，σFR为调频服务价格预测误差的标准差，σload为负荷售电电价预测误差的标准差，为第x台风机在i时段、t时刻的出力，为第y台光伏阵列在i时段、t时刻的出力，为第j个可控负荷在i时段、t时刻的负荷，为第x台风机在i时段、t时刻的出力预测值，为第y台光伏阵列在i时段、t时刻的出力预测值，为第j个可控负荷在i时段、t时刻的负荷预测值，为第x台风机在i时段、t时刻的出力预测偏差量，为第y台光伏阵列在i时段、t时刻的出力预测偏差量，为第j个可控负荷在i时段、t时刻的负荷预测偏差量； 采用Wasserstein度量构建所述第二不确定性变量的模糊集的步骤为： 获取第二不确定性变量的支撑集，所述第二不确定性变量的支撑集为： 式中，Ξ为第二不确定性变量的支撑集，为支撑矩阵，ω为第二不确定性变量向量，为支撑向量； 基于所述历史数据样本集构建第二不确定性变量的经验概率分布模型，所述第二不确定性变量的经验概率分布模型为： 式中，为为第二不确定性变量的经验概率分布，M为中历史数据样本的数量，l为中历史数据样本的序号，为中第l个历史数据样本的狄拉克测度，为中第l个历史数据样本，为历史数据样本集； 根据所述第二不确定性变量的经验概率分布模型构建基于Wasserstein度量的距离测量模型，所述基于Wasserstein度量的距离测量模型为： 式中，为与的距离，为第二不确定性变量的真实概率分布，inf表示取下界函数，Π为Ξ中第二不确定变量样本与中历史数据样本的联合概率分布，且Π以与为边缘概率分布，k为Ξ中第二不确定性变量样本的序号，为Ξ中第二不确定性变量样本的数量，ωk为Ξ中第k个第二不确定性变量样本，∏kl为Π取ωk与时的概率值，为取ωk时的概率值；s.t.表示约束； 获取置信水平，根据所述置信水平获取Wasserstein球半径；所述Wasserstein球半径为： 式中，rM,ε为Wasserstein球半径，ε为置信水平，D为不确定变量支撑度的直径； 根据所述Wasserstein球半径和所述基于Wasserstein度量的距离测量模型获得所述第二不确定性变量的模糊集；所述第二不确定性变量的模糊集为： 式中，为第二不确定性变量的模糊集。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华北电力大学，其通讯地址为：102206 北京市昌平区北农路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。