虚拟电厂内分布式光伏接入容量优化方法及装置与流程

1.本发明涉及电网规划技术领域，尤其涉及一种虚拟电厂内分布式光伏接入容量优化方法及装置。


背景技术：

2.分布式光伏发电是一种新型的、具有广阔发展前景的发电和能源综合利用方式，它倡导就近发电，就近并网，就近转换，就近使用的原则，不仅能够有效提高同等规模光伏电站的发电量，同时还有效解决了电力在升压及长途运输中的损耗问题。虚拟电厂能够通过先进的调控技术和通信技术，能对分布式光伏和灵活负荷进行有效整合调控，有效降低光伏出力不确定性带来的风险。
3.现有的分布式光伏接入优化方法，直接采用鲁棒优化，用虚拟电厂中各种变量最坏的情况进行规划，这样规划的结果太保守，导致分布式光伏在虚拟电厂的接入容量低，影响虚拟电厂的整体效益。


技术实现要素：

4.本发明提供一种虚拟电厂内分布式光伏接入容量优化方法及装置，用以解决现有技术中分布式光伏接入规划太保守，虚拟电厂经济性不高的缺陷。
5.本发明提供一种虚拟电厂内分布式光伏接入容量优化方法，包括：基于配电网当前拓扑结构信息得到光伏接入容量的确定性模型，且基于配电网各节点的历史光伏电站出力数据和配电网各节点的历史负荷数据，得到光伏电站出力和配电网负荷的不确定性随机变量信息，其中，所述确定性模型包括目标函数，光伏电站投资约束和所述配电网的运行约束；基于所述运行约束和所述不确定性随机变量信息，确定分布鲁棒机会约束；根据所述目标函数，所述光伏电站投资约束和所述分布鲁棒机会约束得到优化模型；基于所述优化模型，得到分布式光伏的总接入容量。
6.根据本发明提供的一种虚拟电厂内分布式光伏接入容量优化方法，所述基于配电网各节点的历史光伏电站出力数据和配电网各节点的历史负荷数据，得到光伏电站出力和配电网负荷的不确定性随机变量信息，包括：基于配电网各节点的第一随机变量和第二随机变量得到包含所有所述节点随机变量的随机变量向量，其中，所述第一随机变量为光伏电站出力不确定性的随机变量，所述第二随机变量为配电网负荷不确定性的随机变量；基于所述随机变量向量得到所述随机变量向量分布的支撑集；基于所述随机变量向量，所述配电网各节点的历史光伏电站出力数据和所述配电网各节点的历史负荷数据，得到所述随机变量向量的矩信息，所述矩信息包括：一阶矩信息和二阶矩信息；基于所述支撑集和所述矩信息得到光伏电站出力和配电网负荷的不确定性随机变量信息。
7.根据本发明提供的一种虚拟电厂内分布式光伏接入容量优化方法，所述随机变量向量包括：目标维数对应的随机变量分量，所述随机变量分量满足预设的上下界组成的约束条件，所述目标维数为正整数。
8.根据本发明提供的一种虚拟电厂内分布式光伏接入容量优化方法，所述基于所述运行约束和所述不确定性随机变量信息，确定分布鲁棒机会约束，包括：基于所述随机变量向量和所述运行约束得到第二运行约束，所述第二运行约束为考虑光伏电站出力不确定性和配电网负荷不确定性的约束；基于所述第二运行约束和所述不确定性随机变量信息，确定分布鲁棒机会约束。
9.根据本发明提供的一种虚拟电厂内分布式光伏接入容量优化方法，所述根据所述目标函数，所述光伏电站投资约束和所述分布鲁棒机会约束得到优化模型，包括：基于所述分布鲁棒机会约束，确定包含风险条件的约束；基于所述目标函数，所述光伏电站投资约束和所述包含风险条件的约束得到优化模型。
10.根据本发明提供的一种虚拟电厂内分布式光伏接入容量优化方法，所述包含风险条件的约束，包括：
[0011][0012]
h≥0；
[0013][0014]
其中，变量ε表示可容忍的风险程度，tr(
·
)表示取矩阵迹的算子，矩阵变量所述表示n维对称矩阵构成的空间，表示的协方差矩阵，所述表示z维对称矩阵构成的空间，表示随机变量向量各维分量的均值构成的向量，γm是一个恒为正的缩放因子，ym(x)＝(am)
t
·
x-bm，所述m为所述运行约束包含的约束总数量，am和bm为含所述随机变量向量的系数，和均为初始值，x为多个节点处接入的分布式光伏的接入容量组成的向量
[0015]
本发明还提供一种虚拟电厂内分布式光伏接入容量优化装置，包括：第一确定模块，用于基于配电网当前拓扑结构信息得到光伏接入容量的确定性模型，且基于配电网各节点的历史光伏电站出力数据和配电网各节点的历史负荷数据，得到光伏电站出力和配电网负荷的不确定性随机变量信息，其中，所述确定性模型包括目标函数，光伏电站投资约束和所述配电网的运行约束；第二确定模块，用于基于所述运行约束和所述不确定性随机变量信息，确定分布鲁棒机会约束；第三确定模块，用于根据所述目标函数，所述光伏电站投资约束和所述分布鲁棒机会约束得到优化模型；第四确定模块，用于基于所述优化模型，得到分布式光伏的总接入容量。
[0016]
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述虚拟电厂内分布式光伏接入容量优化方法的步骤。
[0017]
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述虚拟电厂内分布式光伏接入容量优化方法的步骤。
[0018]
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器
执行时实现如上述任一种所述虚拟电厂内分布式光伏接入容量优化方法的步骤。
[0019]
本发明提供的一种虚拟电厂内分布式光伏接入容量优化方法及装置，通过根据历史光伏电站出力数据和历史配电网负荷数据得到光伏电站出力和配电网负荷不确定性的随机变量信息，考虑了光伏电站出力和配电网负荷的不确定性变量，在引入不确定性变量后，得到分布鲁棒机会约束，然后进一步形成完整的优化模型，该模型可被求解器高效地求解，可以快速获得优化结果，且优化结果保守度更低，能够充分发挥分布式光伏在虚拟电厂中的发电潜力，提升虚拟电厂的经济性。
附图说明
[0020]
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]
图1是本发明提供的虚拟电厂内分布式光伏接入容量优化方法的流程示意图；
[0022]
图2是本发明提供的虚拟电厂内分布式光伏接入容量优化装置的结构示意图；
[0023]
图3是本发明提供的电子设备的结构示意图。
具体实施方式
[0024]
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0025]
本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。
[0026]
下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的一种日志采集方法、装置、设备及存储介质进行详细地说明。
[0027]
图1是本发明提供的虚拟电厂内分布式光伏接入容量优化方法的流程示意图，如图1所示，包括：
[0028]
步骤110，基于配电网当前拓扑结构信息得到光伏接入容量的确定性模型，且基于配电网各节点的历史光伏电站出力数据和配电网各节点的历史负荷数据，得到光伏电站出力和配电网负荷的不确定性随机变量信息，其中，所述确定性模型包括目标函数，光伏电站投资约束和所述配电网的运行约束；
[0029]
具体的，配电网当前拓扑结构信息可以包括配电网中配电线路的长度和横截面积，用于计算配电线路的电阻电抗。配电网当前拓扑结构信息也可以直接包括配电线路的电阻电抗。配电网当前拓扑结构信息还可以包括配电网中所有节点总数等基本信息。
[0030]
确定性模型是基于配电网当前拓扑结构信息得到的，确定性模型包括目标函数，
光伏电站投资约束和所述配电网的运行约束。
[0031]
更具体的，目标函数为：
[0032][0033]
其中，表示节点i处接入的分布式光伏电站容量，φ
pv
是配电网中所有可接入光伏电站的节点集合。
[0034]
光伏电站投资约束包括接入分布式光伏总数目约束和单个节点接入光伏容量约束。
[0035]
更具体的，接入分布式光伏总数目约束为：
[0036][0037]
其中，二进制变量表示配电网的节点i处是否接有分布式光伏电站，为接入光伏电站数目的最小值，为接入光伏电站数目的最大值。
[0038]
单个节点接入光伏容量约束为：
[0039][0040]
其中，表示在节点处接入的光伏电站容量最大值。
[0041]
配电网的运行约束包括各节点的有功功率平衡约束，各节点的无功功率平衡约束，辐射状配电网中的潮流方程，支路潮流的容量约束，节点电压幅值第一约束，节点电压幅值第二约束，节点相关第一约束和节点相关第二约束中的至少一个。
[0042]
更具体的，各节点的有功功率平衡约束为：
[0043][0044]
其中，为节点i处的光伏电站在k时刻的有功出力，为节点i处的配电网负荷在k时刻的有功出力，p
ij，k
为支路ij在k时刻流动的有功功率，ωi是所有与节点i相关联的支路集合，φ是所有节点的集合，t是所有时刻的集合。
[0045]
各节点的无功功率平衡约束为：
[0046][0047]
其中，为节点i处的光伏电站在k时刻的无功出力，为为节点i处的配电网负荷在k时刻的无功出力，q
ij，k
为支路ij在k时刻流动的无功功率。
[0048]
辐射状配电网中的潮流方程为：
[0049][0050]
其中，v
i，k
为节点i在k时刻的的电压幅值，v
j，k
为节点j在k时刻的电压幅值，r
ij
为支路ij的电阻，x
ij
为支路ij的电抗以及视在功率的最大值，ω是所有支路的集合。
[0051]
支路潮流的容量约束为：
[0052][0053]
其中，s
ij
为支路ij视在功率的最大值。
[0054]
节点电压幅值第一约束为：
[0055][0056]
其中，v
ref
是变电站节点处设定的参考电压幅值，φ
sub
是所有变电站节点的集合。
[0057]
节点电压幅值第二约束为：
[0058][0059]
其中，v
iupper
和v
ilower
分别为该电压幅值的上下界。
[0060]
节点相关第一约束为：
[0061][0062]
其中，为节点i处的光伏电站在k时刻的实际有功出力与其容量(最大值)的比值，λ
pv
为光伏电站有功与无功出力关系的功率因数角。
[0063]
节点相关第二约束为：
[0064][0065]
其中，为配电网负荷有功与无功出力关系的功率因数角。
[0066]
进一步的，舍去辐射状配电网中的潮流方程(6)中数值相对较小的二次网损项，并引入辅助变量和可将辐射状配电网中的潮流方程转化为以下约束：
[0067][0068]
将支路潮流的容量约束刻画的圆形可行域用其外切八边形进行近似，则支路潮流的容量约束可线性化为以下约束：
[0069][0070]
此外，配电网各节点的历史光伏电站出力数据和历史负荷数据，包括各种情况下的多个历史数据，并不限于某种特殊情况下的历史数据。基于多种情况下的历史数据，得到光伏电站出力和配电网负荷的不确定性随机变量信息。
[0071]
步骤120，基于所述运行约束和所述不确定性随机变量信息，确定分布鲁棒机会约束；
[0072]
具体的，基于上述运行约束和根据多种情况下历史数据得到的不确定性随机变量信息，考虑分布鲁棒机会约束，以确定考虑分布鲁棒机会约束的模型。
[0073]
步骤130，根据所述目标函数，所述光伏电站投资约束和所述分布鲁棒机会约束得到优化模型；
[0074]
具体的，根据目标函数(1)，接入分布式光伏总数目约束(2)，单个节点接入光伏容量约束(3)，和分布鲁棒机会约束，得到最终的优化模型。
[0075]
步骤140，基于所述优化模型，得到分布式光伏的总接入容量。
[0076]
具体的，可以通过求解器对优化模型进行求解，求解器可以是sedumi，得到最大化的分布式光伏电站在配电网中的总接入容量。
[0077]
本实施例提供的一种虚拟电厂内分布式光伏接入容量优化方法，通过根据历史光伏电站出力数据和历史配电网负荷数据得到光伏电站出力和配电网负荷不确定性的随机变量信息，考虑了光伏电站出力和配电网负荷的不确定性变量，在引入不确定性变量后，得到分布鲁棒机会约束，然后进一步形成完整的优化模型，该模型可被求解器高效地求解，可以快速获得优化结果，且优化结果保守度更低，能够充分发挥分布式光伏在虚拟电厂中的发电潜力，提升虚拟电厂的经济性。
[0078]
可选地，所述基于配电网各节点的历史光伏电站出力数据和配电网各节点的历史负荷数据，得到光伏电站出力和配电网负荷的不确定性随机变量信息，包括：
[0079]
基于配电网各节点的第一随机变量和第二随机变量得到包含所有所述节点随机变量的随机变量向量，其中，所述第一随机变量为光伏电站出力不确定性的随机变量，所述第二随机变量为配电网负荷不确定性的随机变量；
[0080]
基于所述随机变量向量得到所述随机变量向量分布的支撑集；
[0081]
基于所述随机变量向量，所述配电网各节点的历史光伏电站出力数据和所述配电网各节点的历史负荷数据，得到所述随机变量向量的矩信息，所述矩信息包括：一阶矩信息和二阶矩信息；
[0082]
基于所述支撑集和所述矩信息得到光伏电站出力和配电网负荷的不确定性随机变量信息。
[0083]
具体的，通过第一随机变量来刻画光伏电站出力的不确定性，通过第二随机变量来刻画配电网负荷的不确定性。
[0084]
设包含所有节点随机变量的随机变量向量并假设其维数是z。
[0085]
考虑到随机变量的取值范围通常是有限的，需要设置不确定性变动的上下界。则随机变量向量的任一维的随机变量需满足上下界约束
[0086]
该随机变量向量分布的支撑集(一个概率分布的支撑集被定义为随机变量的所有可能值组成的集合)可以表示为：
[0087][0088]
其中，
[0089][0090]
基于配电网各节点的历史光伏电站出力数据和配电网各节点的历史负荷数据，得到随机变量向量的一阶矩信息和二阶矩信息。
[0091]
基于所述随机变量向量，所述配电网各节点的历史光伏电站出力数据和所述配电
网各节点的历史负荷数据，得到所述随机变量向量的矩信息，所述矩信息包括：一阶矩信息和二阶矩信息。
[0092]
基于所述支撑集和所述矩信息得到光伏电站出力和配电网负荷的不确定性随机变量信息。
[0093]
具体的，令表示随机变量各维分量的均值构成的向量，(表示z维对称矩阵构成的空间)表示的协方差矩阵。此时，由ξ作为支撑集，并且与原随机变量向量具有相同矩信息的概率分布集合可以表示为，即不确定性随机变量信息可以表示为：
[0094][0095]
其中，是期望算子，确保概率总和为1，表示该概率分布与原随机变量向量的一阶信息相同，表示该概率分布与原随机变量向量的二阶矩信息相同。由此可知，该集合θ
ξ
充分利用了可以获得的与不确定性相关的所有信息(包括矩信息以及支撑集的信息)，因此可以精确地刻画随机变量的不确定性。
[0096]
在本实施例中，通过随机变量组成随机变量向量，且根据多种情况下的历史数据到该随机变量向量的矩信息，能得到更精确的不确定性信息，得到的不确定性随机变量信息能精确地刻画随机变量的不确定性，能进一步优化结果。
[0097]
可选地，所述基于所述运行约束和所述不确定性随机变量信息，确定分布鲁棒机会约束，包括：
[0098]
基于所述随机变量向量和所述运行约束得到第二运行约束，所述第二运行约束为考虑光伏电站出力不确定性和配电网负荷不确定性的约束；
[0099]
基于所述第二运行约束和所述不确定性随机变量信息，确定分布鲁棒机会约束。
[0100]
具体的，将确定性模型中的运行约束(4)-(13)中的所有确定性出力变量均需被含有不确定性的出力变量替代。两者之间的关系为：
[0101][0102]
此处需做两点说明：首先，分布式光伏电站出力的不确定性实际上是由所刻画的；其次，假设光伏电站出力以及配电网负荷的不确定波动中p/q保持不变(恒功率因数)。
[0103]
更具体的，在前述配电网的运行约束(4)-(13)中引入随机变量向量，运行约束(4)-(13)均写作以下形式：
[0104][0105]
其中，维数为光伏电站待选节点数n，m是约束的总数量，含随机变量约束的系数和由以下式子所刻画：
[0106][0107][0108]
其中，和均为初始值。
[0109]
为了表述方便，引入辅助函数此时式(18)
可改写为：
[0110][0111]
其中，
[0112]
为了避免对于不确定性的处理过于保守，将约束(21)转化为分布鲁棒联合机会约束：
[0113][0114]
该式子的意义是满足该约束的概率不低于1-ε。其中，1-ε是该机会约束的置信水平，ε的大小则反映了可容忍的风险程度，是取概率的算子。可以通过调整ε来控制风险。将式(18)用分布鲁棒机会约束(22)替代后，便得到了完整的考虑分布鲁棒机会约束的分布式光伏电站接入容量优化模型。
[0115]
在本实施例中，通过引入考虑光伏电站出力不确定性和配电网负荷不确定性的约束，使得到的模型能进一步优化结果。
[0116]
可选地，所述根据所述目标函数，所述光伏电站投资约束和所述分布鲁棒机会约束得到优化模型，包括：
[0117]
基于所述分布鲁棒机会约束，确定包含风险条件的约束；
[0118]
基于所述目标函数，所述光伏电站投资约束和所述包含风险条件的约束得到优化模型。
[0119]
具体的，约束(22)可以进一步被转化为如下的分布鲁棒单体机会约束：
[0120][0121]
其中，γm是一个恒为正的缩放因子，且其取值不影响约束(23)刻画的可行域。
[0122]
接下来，将约束(23)转化为“最坏情况下的条件风险”约束(wc-cvar约束)，此时缩放因子γm的取值将影响约束转化的精度。转化后得到的wc-cvar约束形式如下所示：
[0123][0124]
在本实施例中，通过在分布鲁棒机会约束的基础上考虑风险条件，使得到的模型能进一步优化结果。
[0125]
可选地，对于任意给定的γ＝{γm}，约束(24)可以被保守地转化为以下线性矩阵不等式形式：
[0126][0127]
h≥0

(26)
[0128][0129]
其中引入的矩阵变量变量tr(
·
)表示取矩阵迹的算子。h≥0表示矩阵h是半正定矩阵。
[0130]
至此，通过引入辅助变量h和β，原混合整数线性优化模型的运行约束(4)-(13)已经被转化为半正定(sdp)约束，即式(25)-(27)，加上原模型中的光伏电站投资约束(2)和(3)以及目标函数(1)，最终得到了分布式光伏电站接入容量优化的混合整数半正定规划(misdp)模型，即最终的优化模型。
[0131]
在本实施例中，通过最终的优化模型得到的优化结果保守度更低，能够充分发挥分布式光伏在虚拟电厂中的发电潜力，提升虚拟电厂的经济性。
[0132]
图2是本发明提供的虚拟电厂内分布式光伏接入容量优化装置的结构示意图，如图2所示，包括：第一确定模块210，第二确定模块220，第三确定模块230，第四确定模块240；其中，第一确定模块210用于基于配电网当前拓扑结构信息得到光伏接入容量的确定性模型，且基于配电网各节点的历史光伏电站出力数据和配电网各节点的历史负荷数据，得到光伏电站出力和配电网负荷的不确定性随机变量信息，其中，所述确定性模型包括目标函数，光伏电站投资约束和所述配电网的运行约束；第二确定模块220，用于基于所述运行约束和所述不确定性随机变量信息，确定分布鲁棒机会约束；第三确定模块230，用于根据所述目标函数，所述光伏电站投资约束和所述分布鲁棒机会约束得到优化模型；第四确定模块240，用于基于所述优化模型，得到分布式光伏的总接入容量。
[0133]
可选地，所述第一确定模块，具体用于：基于配电网各节点的第一随机变量和第二随机变量得到包含所有所述节点随机变量的随机变量向量，其中，所述第一随机变量为光伏电站出力不确定性的随机变量，所述第二随机变量为配电网负荷不确定性的随机变量；基于所述随机变量向量得到所述随机变量向量分布的支撑集；基于所述随机变量向量，所述配电网各节点的历史光伏电站出力数据和所述配电网各节点的历史负荷数据，得到所述随机变量向量的矩信息，所述矩信息包括：一阶矩信息和二阶矩信息；基于所述支撑集和所述矩信息得到光伏电站出力和配电网负荷的不确定性随机变量信息。其中，所述随机变量向量包括：目标维数对应的随机变量分量，所述随机变量分量满足预设的上下界组成的约束条件，所述目标维数为正整数。
[0134]
可选地，所述第二确定模块，具体用于：基于所述随机变量向量和所述运行约束得到第二运行约束，所述第二运行约束为考虑光伏电站出力不确定性和配电网负荷不确定性的约束；基于所述第二运行约束和所述不确定性随机变量信息，确定分布鲁棒机会约束。
[0135]
可选地，所述第三确定模块，具体用于：基于所述分布鲁棒机会约束，确定包含风险条件的约束；基于所述目标函数，所述光伏电站投资约束和所述包含风险条件的约束得到优化模型。其中，所述包含风险条件的约束，包括：
[0136][0137]
h≥0；
[0138][0139]
其中，变量ε表示可容忍的风险程度，tr(
·
)表示取矩阵迹的算子，矩阵变量所述表示n维对称矩阵构成的空间，表示的协方差矩阵，所述表示z维对
称矩阵构成的空间，表示随机变量向量各维分量的均值构成的向量，γm是一个恒为正的缩放因子，ym(x)＝(am)
t
·
x-bm，所述m为所述运行约束包含的约束总数量，am和bm为含所述随机变量向量的系数，和均为初始值，x为多个节点处接入的分布式光伏的接入容量组成的向量
[0140]
本发明实施例提供的一种虚拟电厂内分布式光伏接入容量优化装置，通过根据历史光伏电站出力数据和历史配电网负荷数据得到光伏电站出力和配电网负荷不确定性的随机变量信息，考虑了光伏电站出力和配电网负荷的不确定性变量，在引入不确定性变量后，得到分布鲁棒机会约束，然后进一步形成完整的优化模型，该模型可被求解器高效地求解，可以快速获得优化结果，且优化结果保守度更低，能够充分发挥分布式光伏在虚拟电厂中的发电潜力，提升虚拟电厂的经济性。
[0141]
图3是本发明提供的电子设备的结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(communications interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行虚拟电厂内分布式光伏接入容量优化方法，该方法包括：基于配电网当前拓扑结构信息得到光伏接入容量的确定性模型，且基于配电网各节点的历史光伏电站出力数据和配电网各节点的历史负荷数据，得到光伏电站出力和配电网负荷的不确定性随机变量信息，其中，所述确定性模型包括目标函数，光伏电站投资约束和所述配电网的运行约束；基于所述运行约束和所述不确定性随机变量信息，确定分布鲁棒机会约束；根据所述目标函数，所述光伏电站投资约束和所述分布鲁棒机会约束得到优化模型；基于所述优化模型，得到分布式光伏的总接入容量。
[0142]
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0143]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的虚拟电厂内分布式光伏接入容量优化方法，该方法包括：基于配电网当前拓扑结构信息得到光伏接入容量的确定性模型，且基于配电网各节点的历史光伏电站出力数据和配电网各节点的历史负荷数据，得到光伏电站出力和配电网负荷的不确定性随机变量信息，其中，所述确定性模型包括目标函数，光伏电站投资约束和所述配电网的运行约束；基于所述运行约束和所述不确定性随机变量信息，确定分布鲁棒机会约束；根据所述目标函数，所述光伏电站投资约束和所述分布鲁棒机会约束得到优化模型；基于所述优化模型，得到分布式光伏的总接入容量。
[0144]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的虚拟电厂内分布式光伏接
入容量优化方法，该方法包括：基于配电网当前拓扑结构信息得到光伏接入容量的确定性模型，且基于配电网各节点的历史光伏电站出力数据和配电网各节点的历史负荷数据，得到光伏电站出力和配电网负荷的不确定性随机变量信息，其中，所述确定性模型包括目标函数，光伏电站投资约束和所述配电网的运行约束；基于所述运行约束和所述不确定性随机变量信息，确定分布鲁棒机会约束；根据所述目标函数，所述光伏电站投资约束和所述分布鲁棒机会约束得到优化模型；基于所述优化模型，得到分布式光伏的总接入容量。
[0145]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0146]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0147]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。