CN104318336B - 一种微电网与大电网信息交互方法及装置 - Google Patents
一种微电网与大电网信息交互方法及装置 Download PDFInfo
- Publication number
- CN104318336B CN104318336B CN201410653414.4A CN201410653414A CN104318336B CN 104318336 B CN104318336 B CN 104318336B CN 201410653414 A CN201410653414 A CN 201410653414A CN 104318336 B CN104318336 B CN 104318336B
- Authority
- CN
- China
- Prior art keywords
- microgrid
- power grid
- micro
- capacitance sensor
- bulk power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000005611 electricity Effects 0.000 claims abstract description 55
- 230000008901 benefit Effects 0.000 claims abstract description 23
- 238000004146 energy storage Methods 0.000 claims description 21
- 230000002452 interceptive effect Effects 0.000 claims description 14
- 102100034282 Ankyrin repeat domain-containing protein 23 Human genes 0.000 claims description 13
- 241000252233 Cyprinus carpio Species 0.000 claims description 13
- 101000780120 Homo sapiens Ankyrin repeat domain-containing protein 23 Proteins 0.000 claims description 13
- 238000010248 power generation Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 6
- 238000011478 gradient descent method Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000007474 system interaction Effects 0.000 description 3
- 230000002860 competitive effect Effects 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种微电网与大电网信息交互方法及装置，方法包括：接收各微网能源管理系统发送的微网属性信息，所述微网属性信息包括微网对象有功和无功的输入需求、微网对象有功和无功的发出能力及发出价格及微网对象的输入电能质量需求和电能质量输出情况；获取预存的各微网的网架位置、大电网本身结构参数及电网运行安全约束、地域政策性约束；利用所述微网属性信息及获取的数据建立以大电网最优效益为目标的大电网模型；求解大电网模型，并将求解所得的常规售出电价、大电网常规购电所选择的微网对象及各微网对象的购入量发往对应的微网能源管理系统。本申请将微网纳入电网的电力买卖体系中，提高了能源利用效率。
Description
技术领域
本申请涉及电力系统技术领域，更具体地说，涉及一种微电网与大电网信息交互方法及装置。
背景技术
微电网(简称微网)集成化的出现是电力系统用电端未来发展趋势之一。与传统用电端的纯用电负荷不同，微电网是一个可带有分布式发电设备、储能设备、电动车和负荷的微型电网。通过自带能源管理系统和小范围通信网络，微电网对辖下的可变负荷、分布式发电、储能设备放电和电动汽车充放电进行协调控制，实现微电网内的最优运行。
目前，微电网通过一种比较松散的集成模式与传统的大电网进行联网运行。大电网向微电网提供变化的售出电价和统一的反向购入电价。在这种松散的集成模式下，来自负荷的不确定性和分布式发电的间歇性为微电网的负荷特性带来了极大的不确定因素。同时，各微网提供的反向供电对大电网运行控制具有不同的效果贡献，统一的价格无法有效区分贡献效果不同的微网对象，从而无法激励微网提高其反向供电能力。再者，由于微网处于负荷中心当中，微网的反向供电在电力调度和电力供应当中相交传统的供电单元具有更多的优势，而在现阶段的集成模式下微网并未被全面纳入常规电力供应体系，影响电力系统的优化控制，降低了能源的利用效率。
发明内容
有鉴于此，本申请提供了一种微电网与大电网信息交互方法及装置，用于解决现有微电网与大电网松散的集成模式所导致的能源利用效率低的问题。
为了实现上述目的，现提出的方案如下：
一种微电网与大电网信息交互方法，包括：
设置初始化常规步长d＝1；
接收各微网能源管理系统发送的微网属性信息，所述微网属性信息包括微网对象有功和无功的输入需求、微网对象有功和无功的发出能力及发出价格及微网对象的输入电能质量需求和电能质量输出情况；
获取预存的各微网的网架位置、大电网本身结构参数及电网运行安全约束、地域政策性约束；
利用所述微网属性信息、所述各微网的网架位置、所述大电网本身结构参数、所述电网运行安全约束和所述地域政策性约束，建立以大电网最优效益为目标的大电网模型；
求解所述大电网模型，并将求解所得的常规售出电价、大电网常规购电所选择的微网对象及各微网对象的购入量发往对应的微网能源管理系统；
另常规步长加1，返回所述接收各微网能源管理系统发送的微网属性信息步骤。
优选地，所述利用所述微网属性信息、所述各微网的网架位置、所述大电网本身结构参数、所述电网运行安全约束和所述地域政策性约束，建立以大电网最优效益为目标的大电网模型，包括：
确定目标函数：max大电网效益＝常规有功电量售出收益-常规有功电量购入成本-常规无功电量购入成本-辅助服务成本-地域政策性成本，其中，
辅助服务成本和地域政策性成本为预先设定的固定值；
确定约束条件为：
利用网架潮流算法计算电网运行参数，计算所得的电网运行参数必须满足电网运行参数约束：
优选地，在确定某一个微网对象的微网属性信息缺失时，该方法还包括：
查询缺失的微网对象的微网电价负荷历史关系数据，利用人工神经网络技术或支持向量机技术来预测该微网对象的微网属性信息。
优选地，所述求解所述大电网模型，包括：
利用梯度下降法、遗传算法、粒子群算法、蚁群算法、人工蜂群算法或免疫算法求解所述大电网模型。
一种微电网与大电网信息交互方法，包括：
设置初始化常规步长d＝1；
建立以微电网电费最低为目标的微电网模型；
求解所述微电网模型，获得对本微网下属各个设备的控制信号；
利用所述控制信号及所述微电网模型，确定本微电网的微网属性信息，所述微网属性信息包括微网对象有功和无功输入需求、微网对象有功和无功发出能力及发出价格；
计算本微网的输入电能质量需求和电能质量输出情况；
将所述本微网的微网属性信息及输入电能质量需求和电能质量输出情况发往大电网运行控制系统；
响应大电网运行控制系统发送的常规售出电价、对本微网的购入决定及相应的购入量，微调所述控制信号；
将微调后的控制信号发往本微网下属的对应的设备；
另常规步长加1，返回所述建立以微电网电费最低为目标的微电网模型步骤。
优选地，所述建立以微电网电费最低为目标的微电网模型，包括：
确定目标函数：min微网电费＝微网常规有功电量购入成本+微网常规无功电量购入成本-微网常规有功电量售出收益-微网常规无功电量售出收益，其中，
其中，OAPP表示其它设备有功需求，CAPP表示电动车和储能设备的充电需求，DARP表示分布式发电能力，CARP表示电动车和储能设备的放电需求，预测电度电价为预设值；
其中，ORPP表示其它设备无功需求，DRRP表示分布式发电备选无功贡献能力，CRAP表示电动车和储能设备的无功贡献能力，预测无功电价为预设值；
其中，预测反向电度电价为预设值；
其中，预测反向无功电价为预设值；
其中，上式中的OAPP,ORPP,CAPP,CRAP,CARP,DARP,DRRP可由下式计算得出：
[OARP,ORPP]＝f1(备选其它用电设备控制信号，其它用电设备参数)
[CAPP,CRAP,CARP]＝f2(备选电动车和储能充放电控制信号，充放电参数)
[DARP,DRRP]＝f3(备选分布式发电控制信号，分布式发电设备参数，环境参数)；
其中，备选其它用电设备控制信号需要遵守其它用电行为约束、备选电动车和储能充放电控制信号需要遵守电动车和储能充放电约束、备选分布式发电控制信号需要遵守分布式发电运行约束。
优选地，所述求解所述微电网模型，包括：
利用梯度下降法、遗传算法、粒子群算法、蚁群算法、人工蜂群算法或免疫算法求解所述微电网模型。
优选地，所述利用所述控制信号及所述微电网模型，确定本微电网的微网属性信息，包括：
利用所述控制信号计算OAPP,ORPP,CAPP,CRAP,CARP,DARP,DRRP；
利用：
计算微网有功和无功输入需求、微网有功和无功发出能力。
一种微电网与大电网信息交互装置，应用于大电网运行控制系统，包括：
第一步长设置单元，用于设置初始化常规步长d＝1；
微网信息接收单元，用于接收各微网能源管理系统发送的微网属性信息，所述微网属性信息包括微网对象有功和无功的输入需求、微网对象有功和无功的发出能力及发出价格及微网对象的输入电能质量需求和电能质量输出情况；
其他参数获取单元，用于获取预存的各微网的网架位置、大电网本身结构参数及电网运行安全约束、地域政策性约束；
大电网模型建立单元，用于利用所述微网属性信息、所述各微网的网架位置、所述大电网本身结构参数、所述电网运行安全约束和所述地域政策性约束，建立以大电网最优效益为目标的大电网模型；
大电网模型求解单元，用于求解所述大电网模型，并将求解所得的常规售出电价、大电网常规购电所选择的微网对象及各微网对象的购入量发往对应的微网能源管理系统；
第一步长增加单元，用于另常规步长加1，并返回所述微网信息接收单元。
一种微电网与大电网信息交互装置，应用于微网能源管理系统，包括：
第二步长设置单元，用于设置初始化常规步长d＝1；
微电网模型建立单元，用于建立以微电网电费最低为目标的微电网模型；
微电网模型求解单元，用于求解所述微电网模型，获得对本微网下属各个设备的控制信号；
微网属性确定单元，用于利用所述控制信号及所述微电网模型，确定本微电网的微网属性信息，所述微网属性信息包括微网对象有功和无功输入需求、微网对象有功和无功发出能力及发出价格；
电能质量计算单元，用于计算本微网的输入电能质量需求和电能质量输出情况；
微网信息发送单元，用于将所述本微网的微网属性信息及输入电能质量需求和电能质量输出情况发往大电网运行控制系统；
信号微调单元，用于响应大电网运行控制系统发送的常规售出电价、对本微网的购入决定及相应的购入量，微调所述控制信号；
信号发送单元，用于将微调后的控制信号发往本微网下属的对应的设备；
第二步长增加单元，用于另常规步长加1，返回所述微电网模型建立单元。
从上述的技术方案可以看出，本申请实施例提供的微电网与大电网信息交互方法，利用微电网距离负荷中心较近，所提供的反向供电价格比发电单元更低的优势，将微网纳入电网的电力买卖体系中，提高了能源利用效率。同时，根据网架位置不同，反向供电的能力和电能质量不同，以及反向供电的差异性价格不同，电网运行控制中心选择最优的微网对象进行反向供电。同时，本申请以电网效益最优和电网安全稳定运行进行优化，保证了电网的效益和运行。
附图说明
为了更清楚地说明本申请实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的一种微电网与大电网信息交互过程中大电网侧的执行方法流程图；
图2为本申请实施例公开的一种电网运行控制系统与微网能源管理系统交互过程中大电网侧的结构示意图；
图3为本申请实施例公开的一种微电网与大电网信息交互过程中微电网侧的执行方法流程图；
图4为本申请实施例公开的一种电网运行控制系统与微网能源管理系统交互过程中微电网侧的结构示意图；
图5为本申请实施例公开的一种应用于大电网运行控制系统中的微电网与大电网信息交互装置结构示意图；
图6为本申请实施例公开的一种应用于微网能源管理系统中的微电网与大电网信息交互装置结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1，图1为本申请实施例公开的一种微电网与大电网信息交互过程中大电网侧的执行方法流程图。
如图1所示，以大电网运行控制系统侧对该方法进行介绍，该方法包括：
步骤S100、设置初始化常规步长d＝1；
具体地，典型的常规步长d可以是一天、一周或者一个月。
步骤S110、接收各微网能源管理系统发送的微网属性信息；
具体地，所述微网属性信息包括微网对象有功和无功的输入需求、微网对象有功和无功的发出能力及发出价格及微网对象的输入电能质量需求和电能质量输出情况。
步骤S120、获取预存的各微网的网架位置、大电网本身结构参数及电网运行安全约束、地域政策性约束；
具体地，除了上述微网属性信息之外，本步骤还可以从电网数据库中获取各微网的网架位置、电网本身的结构参数以及电网运行安全约束、地域政策性约束等信息。
步骤S130、利用所述微网属性信息及上述步骤S120获取的信息，建立以大电网最优效益为目标的大电网模型；
具体地，本步骤中获取微网属性信息及各微网的网架位置、大电网本身结构参数、电网运行安全约束和地域政策性约束，建立以大电网最优效益为目标的大电网模型。
步骤S140、求解所述大电网模型，并将求解结果发往对应的微网能源管理系统；
具体地，通过求解大电网模型，可以获得大电网常规售出电价、大电网常规购电所选择的微网对象及各微网对象的购入量发往对应的微网能源管理系统。也即，能够确定大电网向外售出电量时的售出价格，大电网选择向哪一个微网购电，以及相应的购电量。
步骤S150、另常规步长加1，返回所述步骤S110。
本申请实施例提供的微电网与大电网信息交互方法，利用微电网距离负荷中心较近，所提供的反向供电价格比发电单元更低的优势，将微网纳入电网的电力买卖体系中，提高了能源利用效率。同时，根据网架位置不同，反向供电的能力和电能质量不同，以及反向供电的差异性价格不同，电网运行控制中心选择最优的微网对象进行反向供电。同时，本申请以电网效益最优和电网安全稳定运行进行优化，保证了电网的效益和运行。
可选的，上述步骤S130、利用所述微网属性信息及上述步骤S120获取的信息，建立以大电网最优效益为目标的大电网模型的过程，可以参照如下：
确定目标函数：max大电网效益＝常规有功电量售出收益-常规有功电量购入成本-常规无功电量购入成本-辅助服务成本-地域政策性成本，其中，
辅助服务成本和地域政策性成本为预先设定的固定值。
确定约束条件为：
利用网架潮流算法计算电网运行参数，计算所得的电网运行参数必须满足电网运行参数约束：
可选的，还可以增加电网运行参数约束条件：地域政策性约束。
上述利用网架潮流算法计算电网运行参数的过程可以参照现有的网架潮流算法，该算法需要输入的参数包括微网对象有功需求、微网对象无功需求，微网对象反向有功发出量，微网对象反向有功和无功购入量、网架结构等等其它参数。
可选的，可以利用梯度下降法、遗传算法、粒子群算法、蚁群算法、人工蜂群算法或免疫算法求解大电网模型。通过求解上述大电网模型，可以确定微网对象电度电价(也即常规售出电价)、微网对象反向有功购入量(也即大电网常规购电所选择的微网对象，及向该微网对象购电的有功购入量)、微网对象反向无功购入量(也即大电网常规购电所选择的微网对象，及向该微网对象购电的无功购入量)。
最后，将求解模型所得到的上述结果发往对应的微网能源管理系统。
进一步，在上述步骤S110、接收各微网能源管理系统发送的微网属性信息时，很可能由于故障而无法接收到某一个或多个微网能源管理系统发送的微网属性信息，而为了后续建立模型的准确性，我们可以查询缺失的微网对象的微网电价负荷历史关系数据，利用人工神经网络技术或支持向量机技术来预测该微网对象的微网属性信息。
如图2所示，图2为本申请实施例公开的一种电网运行控制系统与微网能源管理系统交互过程中大电网侧的结构示意图。
进一步，参见图3，图3为本申请实施例公开的一种微电网与大电网信息交互过程中微电网侧的执行方法流程图。
如图3所示，以微电网能源管理系统侧对该方法进行介绍，该方法包括：
步骤S300、设置初始化常规步长d＝1；
具体地，此处的常规步长d值一般设置为与实施例一中的常规步长值一致。
步骤S310、建立以微电网电费最低为目标的微电网模型；
步骤S320、求解所述微电网模型，获得对本微网下属各个设备的控制信号；
具体地，每一个微网都存在一系列的下属设备，如分布式发电设备、电动车、储能设备和其它用电设备等。通过求解微电网模型可以确定对各个设备的控制信号。如图4所示，图4为本申请实施例公开的一种电网运行控制系统与微网能源管理系统交互过程中微电网侧的结构示意图。
步骤S330、利用所述控制信号及所述微电网模型，确定本微电网的微网属性信息；
具体地，微电网模型中规定了微网属性信息与控制信号之间的关系，在确定了控制信号后可以进一步确定本微网的微网属性信息。所述微网属性信息包括微网对象有功和无功输入需求、微网对象有功和无功发出能力及发出价格。
步骤S340、计算本微网的输入电能质量需求和电能质量输出情况；
步骤S350、将所述本微网的微网属性信息及输入电能质量需求和电能质量输出情况发往大电网运行控制系统；
具体地，这里发往大电网运行控制系统的数据正好和实施例一中大电网运行控制系统中接收的数据相吻合。
步骤S360、响应大电网运行控制系统发送的常规售出电价、对本微网的购入决定及相应的购入量，微调所述控制信号；
具体地，参见实施例一中对方法的介绍，大电网在接收上述数据之后会向微网发送常规售出电价、对本微网的购入决定及相应的购入量。利用这些信息来微调上述确定的控制信号。
步骤S370、将微调后的控制信号发往本微网下属的对应的设备；
步骤S380、另常规步长加1，返回所述S310步骤。
传统集成模式中微网的负荷预测由大电网端进行。由于大电网对各微网内操作运行的熟悉程度不高，负荷预测缺乏针对性，因此微网的负荷预测产生了较大的不确定性。本申请实施例中，由微网根据微网本身各设备的时序用电需求、发电能力以及预测的价格，进行符合自身要求的用电发电安排，并将该安排对应的有功无功需求和有功无功发出能力发送给大电网运行控制系统，以完成大电网运行控制系统所下放的负荷预测功能，提高数据的精度。并且，通过将微网纳入电网的电力买卖体系中，提高了能源利用效率。同时，根据网架位置不同，反向供电的能力和电能质量不同，各微网反向供电将存在竞争关系，激励微网对象为取得效益最大化而制定合理的反向供电价格，以便被电网运行控制功能结构选中。
可选的，上述建立以微网电费最低为目标的微电网模型的过程，可以参见如下介绍：
确定目标函数：min微网电费＝微网常规有功电量购入成本+微网常规无功电量购入成本-微网常规有功电量售出收益-微网常规无功电量售出收益，其中：
其中，OAPP表示其它设备有功需求，CAPP表示电动车和储能设备的充电需求，DARP表示分布式发电能力，CARP表示电动车和储能设备的放电需求，预测电度电价为预设值；
其中，ORPP表示其它设备无功需求，DRRP表示分布式发电备选无功贡献能力，CRAP表示电动车和储能设备的无功贡献能力，预测无功电价为预设值；
其中，预测反向电度电价为预设值；
其中，预测反向无功电价为预设值。
其中，上式中的OAPP,ORPP,CAPP,CRAP,CARP,DARP,DRRP可由下式计算得出：
[OARP,ORPP]＝f1(备选其它用电设备控制信号，其它用电设备参数)
[CAPP,CRAP,CARP]＝f2(备选电动车和储能充放电控制信号，充放电参数)
[DARP,DRRP]＝f3(备选分布式发电控制信号，分布式发电设备参数，环境参数)；
其中，备选其它用电设备控制信号需要遵守其它用电行为约束、备选电动车和储能充放电控制信号需要遵守电动车和储能充放电约束、备选分布式发电控制信号需要遵守分布式发电运行约束。
可选的，上述各个控制信号还可以进一步满足微网个性化约束。
可选的，可以利用梯度下降法、遗传算法、粒子群算法、蚁群算法、人工蜂群算法或免疫算法求解大电网模型。通过求解上述模型，可以确定一系列的控制信号，包括分布式发电控制信号、电动车和储能充放电控制信号、其它用电设备控制信号。
进一步，利用这些控制信号及微电网模型来确定本微网的微网属性，包括：
利用所述控制信号计算OAPP,ORPP,CAPP,CRAP,CARP,DARP,DRRP；
具体地，参见上述计算方法：
[OARP,ORPP]＝f1(备选其它用电设备控制信号，其它用电设备参数)
[CAPP,CRAP,CARP]＝f2(备选电动车和储能充放电控制信号，充放电参数)
[DARP,DRRP]＝f3(备选分布式发电控制信号，分布式发电设备参数，环境参数)。这三个函数均是现有的计算方法。
利用：
计算微网有功和无功输入需求、微网有功和无功发出能力。
下面对本申请实施例提供的微电网与大电网信息交互装置进行描述，下文描述的微电网与大电网信息交互装置与上文描述的微电网与大电网信息交互方法可相互对应参照。
首先，本实施例介绍一种微电网与大电网信息交互装置，应用于大电网运行控制系统，如图5所示，该装置包括：
第一步长设置单元51，用于设置初始化常规步长d＝1；
微网信息接收单元52，用于接收各微网能源管理系统发送的微网属性信息，所述微网属性信息包括微网对象有功和无功的输入需求、微网对象有功和无功的发出能力及发出价格及微网对象的输入电能质量需求和电能质量输出情况；
其他参数获取单元53，用于获取预存的各微网的网架位置、大电网本身结构参数及电网运行安全约束、地域政策性约束；
大电网模型建立单元54，用于利用所述微网属性信息、所述各微网的网架位置、所述大电网本身结构参数、所述电网运行安全约束和所述地域政策性约束，建立以大电网最优效益为目标的大电网模型；
大电网模型求解单元55，用于求解所述大电网模型，并将求解所得的常规售出电价、大电网常规购电所选择的微网对象及各微网对象的购入量发往对应的微网能源管理系统；
第一步长增加单元56，用于另常规步长加1，并返回所述微网信息接收单元52。
其次，本实施例再介绍一种微电网与大电网信息交互装置，应用于微网能源管理系统，如图6所示，该装置包括：
第二步长设置单元61，用于设置初始化常规步长d＝1；
微电网模型建立单元62，用于建立以微电网电费最低为目标的微电网模型；
微电网模型求解单元63，用于求解所述微电网模型，获得对本微网下属各个设备的控制信号；
微网属性确定单元64，用于利用所述控制信号及所述微电网模型，确定本微电网的微网属性信息，所述微网属性信息包括微网对象有功和无功输入需求、微网对象有功和无功发出能力及发出价格；
电能质量计算单元65，用于计算本微网的输入电能质量需求和电能质量输出情况；
微网信息发送单元66，用于将所述本微网的微网属性信息及输入电能质量需求和电能质量输出情况发往大电网运行控制系统；
信号微调单元67，用于响应大电网运行控制系统发送的常规售出电价、对本微网的购入决定及相应的购入量，微调所述控制信号；
信号发送单元68，用于将微调后的控制信号发往本微网下属的对应的设备；
第二步长增加单元69，用于另常规步长加1，返回所述微电网模型建立单元62。
传统集成模式中微网的负荷预测由大电网端进行。由于大电网对各微网内操作运行的熟悉程度不高，负荷预测缺乏针对性，因此微网的负荷预测产生了较大的不确定性。本申请实施例中，由微网根据微网本身各设备的时序用电需求、发电能力以及预测的价格，进行符合自身要求的用电发电安排，并将该安排对应的有功无功需求和有功无功发出能力发送给大电网运行控制系统，以完成大电网运行控制系统所下放的负荷预测功能，提高数据的精度。并且，通过将微网纳入电网的电力买卖体系中，提高了能源利用效率。同时，根据网架位置不同，反向供电的能力和电能质量不同，各微网反向供电将存在竞争关系，激励微网对象为取得效益最大化而制定合理的反向供电价格，以便被电网运行控制功能结构选中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种微电网与大电网信息交互方法，其特征在于，包括：
设置初始化常规步长d＝1；
接收各微网能源管理系统发送的微网属性信息，所述微网属性信息包括微网对象有功和无功的输入需求、微网对象有功和无功的发出能力及发出价格及微网对象的输入电能质量需求和电能质量输出情况；
获取预存的各微网的网架位置、大电网本身结构参数及电网运行安全约束、地域政策性约束；
利用所述微网属性信息、所述各微网的网架位置、所述大电网本身结构参数、所述电网运行安全约束和所述地域政策性约束，建立以大电网最优效益为目标的大电网模型；
求解所述大电网模型，并将求解所得的常规售出电价、大电网常规购电所选择的微网对象及各微网对象的购入量发往对应的微网能源管理系统；
另常规步长加1，返回所述接收各微网能源管理系统发送的微网属性信息步骤。
2.根据权利要求1所述的交互方法，其特征在于，所述利用所述微网属性信息、所述各微网的网架位置、所述大电网本身结构参数、所述电网运行安全约束和所述地域政策性约束，建立以大电网最优效益为目标的大电网模型，包括：
确定目标函数：max大电网效益＝常规有功电量售出收益-常规有功电量购入成本-常规无功电量购入成本-辅助服务成本-地域政策性成本，其中，
辅助服务成本和地域政策性成本为预先设定的固定值；
确定约束条件为：
利用网架潮流算法计算电网运行参数，计算所得的电网运行参数必须满足电网运行参数约束：
3.根据权利要求2所述交互方法，其特征在于，在确定某一个微网对象的微网属性信息缺失时，该方法还包括：
查询缺失的微网对象的微网电价负荷历史关系数据，利用人工神经网络技术或支持向量机技术来预测该微网对象的微网属性信息。
4.根据权利要求3所述的交互方法，其特征在于，所述求解所述大电网模型，包括：
利用梯度下降法、遗传算法、粒子群算法、蚁群算法、人工蜂群算法或免疫算法求解所述大电网模型。
5.一种微电网与大电网信息交互方法，其特征在于，包括：
设置初始化常规步长d＝1；
建立以微电网电费最低为目标的微电网模型；
求解所述微电网模型，获得对本微网下属各个设备的控制信号；
利用所述控制信号及所述微电网模型，确定本微电网的微网属性信息，所述微网属性信息包括微网对象有功和无功输入需求、微网对象有功和无功发出能力及发出价格；
计算本微网的输入电能质量需求和电能质量输出情况；
将所述本微网的微网属性信息及输入电能质量需求和电能质量输出情况发往大电网运行控制系统；
响应大电网运行控制系统发送的常规售出电价、对本微网的购入决定及相应的购入量，微调所述控制信号；
将微调后的控制信号发往本微网下属的对应的设备；
另常规步长加1，返回所述建立以微电网电费最低为目标的微电网模型步骤。
6.根据权利要求5所述的交互方法，其特征在于，所述建立以微电网电费最低为目标的微电网模型，包括：
确定目标函数：min微网电费＝微网常规有功电量购入成本+微网常规无功电量购入成本-微网常规有功电量售出收益-微网常规无功电量售出收益，其中，
其中，OAPP表示其它设备有功需求，CAPP表示电动车和储能设备的充电需求，DARP表示分布式发电能力，CARP表示电动车和储能设备的放电需求，预测电度电价为预设值；
其中，ORPP表示其它设备无功需求，DRRP表示分布式发电备选无功贡献能力，CRAP表示电动车和储能设备的无功贡献能力，预测无功电价为预设值；
其中，预测反向电度电价为预设值；
其中，预测反向无功电价为预设值；
其中，上式中的OAPP,ORPP,CAPP,CRAP,CARP,DARP,DRRP可由下式计算得出：
[OARP,ORPP]＝f1(备选其它用电设备控制信号，其它用电设备参数)
[CAPP,CRAP,CARP]＝f2(备选电动车和储能充放电控制信号，充放电参数)
[DARP,DRRP]＝f3(备选分布式发电控制信号，分布式发电设备参数，环境参数)；
其中，备选其它用电设备控制信号需要遵守其它用电行为约束、备选电动车和储能充放电控制信号需要遵守电动车和储能充放电约束、备选分布式发电控制信号需要遵守分布式发电运行约束。
7.根据权利要求6所述的交互方法，其特征在于，所述求解所述微电网模型，包括：
利用梯度下降法、遗传算法、粒子群算法、蚁群算法、人工蜂群算法或免疫算法求解所述微电网模型。
8.根据权利要求6所述的交互方法，其特征在于，所述利用所述控制信号及所述微电网模型，确定本微电网的微网属性信息，包括：
利用所述控制信号计算OAPP,ORPP,CAPP,CRAP,CARP,DARP,DRRP；
利用：
计算微网有功和无功输入需求、微网有功和无功发出能力。
9.一种微电网与大电网信息交互装置，应用于大电网运行控制系统，其特征在于，包括：
第一步长设置单元，用于设置初始化常规步长d＝1；
微网信息接收单元，用于接收各微网能源管理系统发送的微网属性信息，所述微网属性信息包括微网对象有功和无功的输入需求、微网对象有功和无功的发出能力及发出价格及微网对象的输入电能质量需求和电能质量输出情况；
其他参数获取单元，用于获取预存的各微网的网架位置、大电网本身结构参数及电网运行安全约束、地域政策性约束；
大电网模型建立单元，用于利用所述微网属性信息、所述各微网的网架位置、所述大电网本身结构参数、所述电网运行安全约束和所述地域政策性约束，建立以大电网最优效益为目标的大电网模型；
大电网模型求解单元，用于求解所述大电网模型，并将求解所得的常规售出电价、大电网常规购电所选择的微网对象及各微网对象的购入量发往对应的微网能源管理系统；
第一步长增加单元，用于另常规步长加1，并返回所述微网信息接收单元。
10.一种微电网与大电网信息交互装置，应用于微网能源管理系统，其特征在于，包括：
第二步长设置单元，用于设置初始化常规步长d＝1；
微电网模型建立单元，用于建立以微电网电费最低为目标的微电网模型；
微电网模型求解单元，用于求解所述微电网模型，获得对本微网下属各个设备的控制信号；
微网属性确定单元，用于利用所述控制信号及所述微电网模型，确定本微电网的微网属性信息，所述微网属性信息包括微网对象有功和无功输入需求、微网对象有功和无功发出能力及发出价格；
电能质量计算单元，用于计算本微网的输入电能质量需求和电能质量输出情况；
微网信息发送单元，用于将所述本微网的微网属性信息及输入电能质量需求和电能质量输出情况发往大电网运行控制系统；
信号微调单元，用于响应大电网运行控制系统发送的常规售出电价、对本微网的购入决定及相应的购入量，微调所述控制信号；
信号发送单元，用于将微调后的控制信号发往本微网下属的对应的设备；
第二步长增加单元，用于另常规步长加1，返回所述微电网模型建立单元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410653414.4A CN104318336B (zh) | 2014-11-17 | 2014-11-17 | 一种微电网与大电网信息交互方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410653414.4A CN104318336B (zh) | 2014-11-17 | 2014-11-17 | 一种微电网与大电网信息交互方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104318336A CN104318336A (zh) | 2015-01-28 |
| CN104318336B true CN104318336B (zh) | 2018-05-08 |
Family
ID=52373564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410653414.4A Active CN104318336B (zh) | 2014-11-17 | 2014-11-17 | 一种微电网与大电网信息交互方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104318336B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104794588A (zh) * | 2015-05-11 | 2015-07-22 | 国家电网公司 | 一种微电网与大电网信息交互方法及装置 |
| US10340735B2 (en) | 2016-05-09 | 2019-07-02 | Electronics And Telecommunications Research Institute | Method and apparatus for optimal resource allocation based on contribution margin ratio |
| US10516267B2 (en) | 2017-03-02 | 2019-12-24 | Electronics And Telecommunications Research Institute | Method and its system of management of priority-based energy distribution |
| CN107462785B (zh) * | 2017-06-14 | 2019-08-06 | 郑州轻工业学院 | 基于ga-svm的电能质量多扰动信号分类识别方法 |
| CN108898249A (zh) * | 2018-06-28 | 2018-11-27 | 鹿寨知航科技信息服务有限公司 | 一种电网故障预测方法 |
| CN109697534A (zh) * | 2018-12-27 | 2019-04-30 | 国网能源研究院有限公司 | 一种跨国电力互联政策影响分析方法 |
| CN110838719B (zh) * | 2019-11-27 | 2021-08-20 | 国网电子商务有限公司 | 一种源网荷储协同方法及系统 |
| CN112070262B (zh) * | 2020-07-09 | 2022-06-14 | 深圳市计量质量检测研究院（国家高新技术计量站、国家数字电子产品质量监督检验中心） | 一种基于支持向量机的空调负荷预测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102104251A (zh) * | 2011-02-24 | 2011-06-22 | 浙江大学 | 一种并网运行模式下的微电网实时能量优化调度方法 |
| CN104037774A (zh) * | 2013-03-06 | 2014-09-10 | 珠海优特电力科技股份有限公司 | 基于优先级的微电网内设备调控方法及系统 |
-
2014
- 2014-11-17 CN CN201410653414.4A patent/CN104318336B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102104251A (zh) * | 2011-02-24 | 2011-06-22 | 浙江大学 | 一种并网运行模式下的微电网实时能量优化调度方法 |
| CN104037774A (zh) * | 2013-03-06 | 2014-09-10 | 珠海优特电力科技股份有限公司 | 基于优先级的微电网内设备调控方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 不同自平衡能力并网型微电网优化配置分析;陈健 等;《电力系统自动化》;20141110;第38卷(第21期);第1-6页 * |
| 主动配电网规划关键问题与研究展望;张建华 等;《电工技术学报》;20140228;第29卷(第2期);第13-23页 * |
| 基于改进多目标粒子群算法的微电网并网优化调度;苗雨阳 等;《电力科学与工程》;20120731;第28卷(第7期);第15-20页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104318336A (zh) | 2015-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104318336B (zh) | 一种微电网与大电网信息交互方法及装置 | |
| Li et al. | Supply function game based energy management between electric vehicle charging stations and electricity distribution system considering quality of service | |
| Nunna et al. | Multiagent-based transactive energy framework for distribution systems with smart microgrids | |
| Tushar et al. | Transforming energy networks via peer-to-peer energy trading: The potential of game-theoretic approaches | |
| Bahrami et al. | Deep reinforcement learning for demand response in distribution networks | |
| Bui et al. | A multiagent-based hierarchical energy management strategy for multi-microgrids considering adjustable power and demand response | |
| Colson et al. | Comprehensive real-time microgrid power management and control with distributed agents | |
| Xiao et al. | A local energy market for electricity and hydrogen | |
| Nguyen et al. | A game theory strategy to integrate distributed agent-based functions in smart grids | |
| Samadi et al. | Load scheduling and power trading in systems with high penetration of renewable energy resources | |
| Nunna et al. | Demand response in smart distribution system with multiple microgrids | |
| Ampatzis et al. | Local electricity market design for the coordination of distributed energy resources at district level | |
| Cai et al. | A multi-level control architecture for master-slave organized microgrids with power electronic interfaces | |
| CN105225163A (zh) | 主动配电网的重构方法和装置 | |
| Faqiry et al. | Distributed bilevel energy allocation mechanism with grid constraints and hidden user information | |
| Negeri et al. | Holonic architecture of the smart grid | |
| Fadlullah et al. | Evolution of smart grids | |
| Sesetti et al. | Multi-agent based energy trading platform for energy storage systems in distribution systems with inter-connected microgrids | |
| CN114977160A (zh) | 微网群优化运行策略生成方法、系统、设备及存储介质 | |
| Zhang et al. | Robust scheduling for networked microgrids under uncertainty | |
| Rodrigues et al. | Optimization of social welfare and transmission losses in offshore MTDC networks through multi-objective genetic algorithm | |
| He et al. | Bidding strategies based on bid sensitivities in generation auction markets | |
| Valderrama et al. | A Multilevel Optimization Model for a Distribution Power Grid with the Active Participation of Electric Vehicles Via Aggregators | |
| CN110070210B (zh) | 一种多微电网系统能量管理与贡献度评估方法和系统 | |
| CN116885714A (zh) | 一种电力市场均衡方法、系统、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant after: State Grid Corporation of China Applicant after: National Grid Energy Research Institute Co., Ltd. Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant before: State Grid Corporation of China Applicant before: State Grid Energy Research Institute |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |