CN108336759B - 一种多微网系统能量管控方法、gpu处理器 - Google Patents

Abstract

本发明公开一种多微网系统能量管控方法，包括：步骤S1：获取多微网系统的相关数据，构建带促进剂的分布式模糊膜系统；步骤S2：构建基于带促进剂的分布式模糊膜系统的子微网系统模型，设置所述子微网系统模型内部规则；步骤S3：构建基于带促进剂的分布式模糊膜系统的多微网系统模型，设置多微网系统模型的内部规则；步骤S4：建立基于带促进剂的分布式模糊膜系统的多微网系统能量管控策略；步骤S5：根据所述多微网系统能量管控策略管控多微网系统能量。本发明通过构建带促进剂的分布式模糊膜系统、基于带促进剂的分布式模糊膜系统的多微网系统模型和子微网系统模型，进而实现对多微网系统的能量管控，效率高，准确性好。

Description

一种多微网系统能量管控方法、GPU处理器

技术领域

本发明涉及多微网运行控制领域，具体涉及一种多微网系统能量管控方法、GPU处理器。

背景技术

微网是由分布式电源、储能装置、能量转换装置、负荷、负荷监控及用电保护装置等组成的小型发配电系统，而多微网系统则是由多个子微网组成。现今，随着具有自治管理特性的微网结构在配电网中的日益普及，各微网之间还可能存在着并联、串联以及嵌套等关系，从而在复杂的配电网中形成多微网系统的不同组成结构。

多微网系统作为未来分布式发电单元接入电网的主要方式，由于各分布式发电单元的间歇性和波动性，使得各微网含有大量不确定和不准确的信息，进而使得多微网系统的控制和运行管理异常复杂，如果对多微网系统管理不善，会直接导致整个发配电系统内部的功率失衡，同时造成系统频率不稳定，因此，建立一套行之有效的多微网系统能量管控方法具有重要意义。

发明内容

有鉴于此，本申请提供一种多微网系统能量管控方法，通过构建带促进剂的分布式模糊膜系统、基于带促进剂的分布式模糊膜系统的多微网系统模型和子微网系统模型，进而实现对多微网系统的能量管控，效率高，准确性好。本方案通过以下技术手段实现：

一种多微网系统能量管控方法，包括：

步骤S1：获取多微网系统的相关数据，构建带促进剂的分布式模糊膜系统；

步骤S2：构建基于带促进剂的分布式模糊膜系统的子微网系统模型，设置所述子微网系统模型内部规则；

步骤S3：构建基于带促进剂的分布式模糊膜系统的多微网系统模型，设置多微网系统模型的内部规则；

步骤S4：建立基于带促进剂的分布式模糊膜系统的多微网系统能量管控策略；

步骤S5：根据所述多微网系统能量管控策略管控多微网系统能量。

进一步地，步骤S1包括：

步骤S101：获取多微网系统的相关数据，使系统输入量模糊化，其中，所述系统输入量包括：

频率；

各微源、各储能装置和各负荷的当前运行状态；

储能电荷状态；

各子微网系统和多微网系统的当前运行状态；

步骤S102：建立带促进剂的分布式模糊膜系统的表达公式(Ⅰ)

Δ₁＝(V,Π₁,...,Π_n,A₁,...,A_n,R₁,...,R_n) (Ⅰ)

其中，V是有限非空字母表，其元素为系统输入量的模糊多重集；Π₁,...,Π_n是基于带促进剂的分布式模糊膜系统的子微网系统模型，其表层膜分别用s₁,...,s_n标记；A₁,...,A_n是促进剂，其值在[0,1]之间；R为(s_i,u/v,s_j)，其中，n≥2，n≥i≥1，n≥j≥1,i≠j，u,v∈V^*且uv≠λ，λ表示空集，V^*是V中字符组成的任意字符串的集合，(s_i,u/v,s_j)表示反向转运规则，当规则运行时，膜s_i中的对象u与膜s_j中的对象v进行互相交换。

进一步地，步骤S101具体为：将频率的变化范围折算到[0,1]之间；将各微源、各储能装置和各负荷的当前运行实际功率值折算到[0,1]之间；将储能装置电量的百分数折算到[0,1]之间；将各子微网系统及多微网系统的实际功率差额折算到[0,1]之间。

进一步地，所述促进剂包括原生促进剂和衍生促进剂。

进一步地，步骤S2中设置所述子微网系统模型内部规则具体为：设置微源单元模型的规则R_DG；设置负荷单元模型的规则R_L；设置储能单元模型的规则R_S；设置频率模型的规则R_F；设置子微网系统模型内的规则R_MGi。

进一步地，步骤S3中所述设置多微网系统模型的内部规则包括：

当子微网系统的数量为n时，设置子微网i与子微网j之间的通信规则R_Δ：当ΔP_i＞0且ΔP_j＜0时，若存在p_i、p_j或p、p_i和p_j且满足R_Δ激发条件时，规则如下：

规则1：(s_i,+p_i/-p_j,s_j)；p_i＞|p_j|&p_i＞0&p_j＜0

规则2：(s_i,+p/-p_j,s_j)；p_i＞|p_j|&p_i＞0&p_j＜0

规则3：(s_i,+p_i/-p,s_j)；p_i＜|p_j|&p_i＞0&p_j＜0

其中，n≥2，n≥i≥1，n≥j≥1,i≠j,s_i、s_j分别表示子微网i和子微网j模型的膜，p_i、p_j分别表示子微网i模型中的对象和子微网j模型的对象，Δp_i表示子微网i内部总发电量与总负荷加储能之间的差值，Δp_j表示子微网j内部总发电量与总负荷加储能之间的差值，p表示子微网i模型中的对象或子微网j模型的对象,&表示与。

进一步地，步骤S3中所述设置多微网系统模型的内部规则还包括：

设置多微网系统模型内的规则R_MMG：若存在p_MMG、a_MMG且满足R_MMG激发条件时，规则如下：

规则1：p_MMGa_MMG→(-p_MMGa_MMG,out)；a_MMG＞0；

规则2：p_MMGa_MMG→(+p_MMGa_MMG,out)；a_MMG＜0；

其中，p_MMG表示多微网系统模型中的对象，a_MMG表示多微网系统模型中的促进剂，out表示将膜中的对象送出到环境中去。

进一步地，步骤S4中所述多微网系统能量管控策略包括多微网系统与大电网进行交互的能量管控策略和多微网系统内部协调控制策略。

一种GPU处理器，所述GPU处理器可以用上述多微网系统能量管控方法对多微网系统进行能量管控，包括：

数据获取单元：用于从数据监控及采集系统中获取数据；

模型构建单元：用于设置相关规则和相关执行参数；

执行参数初始化单元：用于初始化所述执行参数；

规则运行单元：用于运行所述模型构建单元中设置的相关规则并获取相应数据；

备选输出命令值获取单元：用于获取所述规则运行单元中获取的相应数据，并根据所述模型构建单元中设定的规则进行输出命令值的运算；

终止条件判断单元：用于判断所述模型构建单元中设置的所有规则是否均运算完毕，若是，触发最终输出命令值确定单元，否则，触发备选输出命令值更新单元；

备选输出命令值更新单元：用于更新所述规则运行单元获取的相应数据，并根据所述模型构建单元所设置的规则进行输出命令值的更新；

最终输出命令值确定单元：用于获取最终的输出命令值。

进一步地，所述规则运行单元包括依次运行的下列单元：

储能装置模型规则运行单元：用于运行储能装置模型中所设置的相关模糊规则，获取储能装置当前状态值；

微源模型规则运行单元：用于运行微源模型中所设置的相关模糊规则，获取微源单元当前状态值；

负荷模型规则运行单元：用于运行储能装置模型中所设置的相关模糊规则，获取负荷单元当前状态值；

子微网系统模型规则运行单元：用于运行子微网系统模型中所设置的相关模糊规则，获取子微网系统当前状态值；

多微网系统模型规则运行单元：用于运行多微网系统模型中所设置的相关模糊规则，获取多微网系统当前状态值。

本发明通过构建带促进剂的分布式模糊膜系统、基于带促进剂的分布式模糊膜系统的多微网系统模型和子微网系统模型，进而实现对多微网系统的能量管控，具体地，本发明提供的分布式膜系统区别于其他膜系统具有解决分布式方式输入问题的能力，使本发明适用于多微网系统的运行控制领域，而模糊理论与促进剂的加入，使得改进的分布式膜系统能够更好地处理多微网系统所包含的大量不确定和不准确信息，另外，本发明提供的能量管控过程直观易理解，由于膜计算方法也是一种具有层次结构的分布式、并行计算模型，各个膜系统的运算过程是独立的，可以在GPU处理器上实现并行处理，因此，本发明提供的能量管控方法在实现时可以取得较高的运算效率。

附图说明

图1为实施例1提供的方法流程图。

图2为带促进剂的分布式模糊膜系统的结构示意图。

图3(a)为带促进剂的分布式模糊膜系统的多微网系统模型架构图。

图3(b)为带促进剂的分布式模糊膜系统的多微网系统模型树形图。

图4(a)为基于带促进剂的分布式模糊膜系统的子微网系统模型架构图。

图4(b)为基于带促进剂的分布式模糊膜系统的子微网系统模型树形图。

图5为多微网系统与大电网进行交互的能量管控策略流程图；

图6为多微网系统内部的协调控制策略流程图；

图7为本发明提供的一种GPU处理器的程序模块划分结构示意图；

图8为本发明提供的一种GPU处理器的内部硬件架构示意图；

图9为本发明提供的一种Host-GPU处理器的并行实现框架示意图；

图10为实例3提供的多微网系统的并联结构图；

图11(a)为实施例3提供的带促进剂的分布式模糊膜系统的多微网系统架构图。

图11(b)为实施例3提供的带促进剂的分布式模糊膜系统的多微网系统树形图。

图12(a)为进行MATLAB仿真实验后得到的多微网系统各个分布式电源功率分配图；图12(b)为进行MATLAB仿真实验后得到的子微网1和子微网2协调控制前功率波动曲线；图12(c)为进行MATLAB仿真实验后得到的储能1和储能2的电量情况；图12(d)为进行MATLAB仿真实验后得到的子微网1和子微网2的功率交互曲线；图12(e)为进行MATLAB仿真实验后得到的多微网与大电网的功率交互曲线；图12(f)为进行MATLAB仿真实验后得到的多微网并网后的功率平衡曲线。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施例对本发明作进一步的详细说明。

实施例1

如图1所示，本实施例提供一种多微网系统能量管控方法，包括：

步骤S1：获取多微网系统的相关数据，构建带促进剂的分布式模糊膜系统；

步骤S2：构建基于带促进剂的分布式模糊膜系统的子微网系统模型，设置所述子微网系统模型内部规则；

步骤S3：构建基于带促进剂的分布式模糊膜系统的多微网系统模型，设置多微网系统模型的内部规则；

步骤S4：建立基于带促进剂的分布式模糊膜系统的多微网系统能量管控策略；

步骤S5：根据所述多微网系统能量管控策略管控多微网系统能量。

具体地，步骤S1包括：

步骤S101：获取多微网系统的相关数据，使系统输入量模糊化，其中，所述系统输入量包括：

频率f；

各微源、各储能装置和各负荷的当前运行状态；

储能电荷状态SOC；

各子微网系统和多微网系统的当前运行状态；

步骤S102：建立带促进剂的分布式模糊膜系统的表达公式(Ⅰ)

Δ₁＝(V,Π₁,...,Π_n,A₁,...,A_n,R₁,...,R_n) (Ⅰ)

其中，V是有限非空字母表，其元素为系统输入量的模糊多重集；Π₁,...,Π_n是基于带促进剂的分布式模糊膜系统的子微网系统模型，其表层膜分别用s₁,...,s_n标记；A₁,...,A_n是促进剂，其值在[0,1]之间，促进剂在系统格局中的位置不发生变化，因此可以使得每一次计算不必重新定义促进剂，并且其值可以根据初始格局中设定的规则自动进化，系统一旦搭建好后可以进行多次重复进化；R为(s_i,u/v,s_j)，其中，n≥2，n≥i≥1，n≥j≥1,i≠j，u,v∈V^*且uv≠λ，λ表示空集，V^*是V中字符组成的任意字符串的集合，(s_i,u/v,s_j)表示反向转运规则，当规则运行时，膜s_i中的对象u与膜s_j中的对象v进行互相交换。

这里需要说明的是，本实施例涉及到的促进剂、分布式膜系统是膜计算的专业术语，在本方法中，将模糊理论和促进剂结合加入到分布式膜系统中，提出了改进的膜系统，称为基于带促进剂的分布式模糊膜系统。本实施例结合分布式膜系统和语言模糊系统，提出了一种分布式模糊膜系统，下面是对模糊多重集的基本定义：

设U＝{u₁,u₂,...,u_n}为论域，则在U上的一个模糊多重集A可以定义为

式中，

是u_i的隶属度，其值为[0,1]上的多重集，表示u_i出现的次数可能性为

具体地，步骤S101具体为：将频率的变化范围折算到[0,1]之间；将各微源、各储能装置和各负荷的当前运行实际功率值折算到[0,1]之间；将储能装置电量的百分数折算到[0,1]之间；将各子微网系统及多微网系统的实际功率差额折算到[0,1]之间。

需要说明的是，对于频率：f＝F/100，其中，f表示折算后的值，F表示频率的实时值；对于各微源、各储能装置和各负荷的当前运行实际功率值：

其中，w表示折算后的值，W_x表示实际功率值(单位为KW)，

表示该微源或储能或负荷的额定功率值(单位为KW)，x表示具体某个微源、储能或负荷；对于储能装置，s＝SOC/100，s表示折算后的值，SOC为储能装置电量的百分数(即实际的储能电量)；对于各子微网系统及多微网系统的实际功率差额，p＝P/P^*，p表示折算后的值，P表示计算过程中各子微网系统及多微网系统的实际功率差额,P^*表示各子微网系统及多微网系统各自的功率差额上限。

对于将频率的变化范围折算到[0,1]之间，需要说明的是，我国电力系统的额定频率f_N为50Hz，规定频率偏差范围为±0.2～±0.5Hz。因此，定义当f在区间[49.5,50.5]时，系统正常工作，所有设备保持原状态；当f分别在区间[-∞,49.5]或[50.5,+∞]时，代表频率过低或过高，这时应该进行相应的措施来调节f，使其恢复到正常的范围之内。模糊化处理是将频率的变化范围折算到[0,1]之间。因此，以50为坐标原点，折算值为0.5，频率的变化值Δf被映射为[0,1]之间的值，值的大小分别表示频率超过或者小于额定频率的程度。用正(+)负(-)号表示极性，+表示超过，-表示小于。

对于将各微源、各储能装置和各负荷的当前运行实际功率值折算到[0,1]之间，需要说明的是，对于不可调微源和不可调负荷来说，因其输出功率恒定，因此在运算中，其状态一直为保持不变，用极性0表示，在运算过程中0可以被省略。对于可调微源、可调负荷来说，有三种状态：增加状态，减少状态和保持状态。其三种状态分别用极性+、-和0表示，即极性+表示增加，极性-表示减少，0表示保持。将当前运行实际功率值折算到为[0,1]之间的数即完成模糊化处理。对于储能装置来说，有三种状态：充电状态，放电状态和保持状态。其三种状态也分别用极性+、-和0表示，即极性+表示充电，极性-表示放电，极性0表示保持。

对于将储能装置电量的百分数折算到[0,1]之间，需要说明的是，本实施例用SOC代表蓄电池的电荷状态，SOC＝Q_C/Q₀，Q_C为剩余电量，Q₀为电池以恒定电流I放电所具有的容量，SOC＝1时代表电池已充满。一般地，为了减小对电池寿命的损害，当电池的电量大于80％时，应停止充电，防止其过充；当电池的电量小于20％时，应停止放电，防止其过放。将电量的百分数转化为[0,1]之间的数即完成模糊化处理。

对于将各子微网系统及多微网系统的实际功率差额折算到[0,1]之间，需要说明的是，对于各子微网系统及多微网系统来说，均有2种状态：买电状态和卖电状态，将这2种状态分别用极性+和-表示，即极性-表示卖电，极性+表示买电。将功率差额(各系统多余功率或不足功率)转化为[0,1]之间的数即完成模糊化处理。

具体地，所述促进剂包括原生促进剂和衍生促进剂，本实施例中，促进剂的值均在[0,1]之间。

在带促进剂的分布式模糊膜系统中，对于原生促进剂，这里需要说明的是，基本膜和不含基本膜的中心层膜内为原生促进剂A^*，角标*代表原生，原生促进剂在模型中的位置不发生变化，其值由基本膜和不含基本膜的中心层膜内初始格局中设定的规则进行自动进化，其形式为A^*[a₁,a₂,...,a_j]，分别作用于基本膜内的j个对象。

在带促进剂的分布式模糊膜系统中，对于衍生促进剂，这里需要说明的是，中心层膜内和输出层内的促进剂称为衍生催化剂A^#，角标#代表衍生。衍生促进剂在模型中的位置不发生变化，其值由中心层膜内以及输出层内初始格局中设定的规则进行自动进化。其形式为A^#[a_n-(n+1),a_{n-(n+1)-(n+2)},...,a_{n-(n+1)-...-(k-1)-k}]，其中1＜n＜k且1＜k＜i。a_n-(n+1),a_{n-(n+1)-(n+2)},...,a_{n-(n+1)-...-(k-1)-k}是伴随其和输进层膜间运动而生成的。A^#是n经过n+1,...,k-1层膜到膜k所有促进剂的集合。例如：当输入层的膜x中对象d_j满足其相应的激发条件，并且对应的促进剂a_x-y存在且满足使用条件时，则从膜x经过相应的规则R_x变化后进入下一级的膜y，a_x-y则是伴随这个运动而产生的促进剂。这里，角标x和y表示产生相关运动的两个膜。

具体地，步骤S2中所述设置所述子微网系统模型内部规则具体为：设置微源单元模型的规则R_DG；设置负荷单元模型的规则R_L；设置储能单元模型的规则R_S；设置频率模型的规则R_F；设置子微网系统模型内的规则R_MGi。

对于设置微源单元模型的规则R_DG，需要说明的是，本实施例中的微源单元模型分为可调度型微源模型和不可调度型微源模型，前者有增加出力、减少出力或保持不变3种状态，后者代表随机微源和恒定输出微源，其中，可调微源模型内的规则R_DG具体为：

(1)当ΔP＞0时，若存在d_j、a_dj且满足R_DG激发条件时，规则有：

①d_ja_dj→(-d_ja_dj,in_n+1)；d_j＜a_dj&a_dj＞0；

②d_ja_dj→(-d_ja_dj)；d_j≥a_dj&a_dj＞0。

(2)当ΔP＜0时，若存在d_j、a_dj且满足R_DG激发条件时，规则有：

①d_ja_dj→(+d_ja_dj,in_n+1)；d_j＜|a_dj|&a_dj＜0；

②d_ja_dj→(+d_ja_dj)；d_j≥|a_dj|&a_dj＜0。

其中，d_j表示j时刻可调微源模型内的对象，a_dj表示j时刻可调微源模型内的促进剂，in_n+1表示对象进入下一级膜，ΔP表示多微网内部总发电量与总负荷加储能之间的差值，ΔP还可以表示多微网与大电网之间的联络线功率，这两个表述不同，但是实际操作时，它们的数值是相同的，均为ΔP，下文中的ΔP与这里的ΔP意思相同。

对于设置负荷单元模型的规则R_L，需要说明的是，本实施例中，负荷单元模型分为可调型负荷模型和不可调型负荷模型，前者有增加负荷、减少负荷或保持不变3种状态，后者代表恒定负荷，其中，可调负荷模型的规则R_L具体为：

(1)当ΔP＞0时，若存在l_j、a_lj且满足R_L激发条件时，规则有：

①l_ja_lj→(+l_ja_lj,in_n+1)；l_j＜a_lj&a_lj＞0；

②l_ja_lj→(+l_ja_lj)；l_j≥a_lj&a_lj＞0。

(2)当ΔP＜0时，若存在l_j、a_lj且满足R_L激发条件时，规则有：

①l_ja_lj→(-l_ja_lj,in_n+1)；l_j＜|a_lj|&a_lj＜0；

②l_ja_lj→(-l_ja_lj)；l_j≥|a_lj|&a_lj＜0。

其中，l_j表示j时刻负荷单元模型内的对象，a_lj表示j时刻负荷单元模型内的促进剂。

对于设置储能单元模型的规则R_S，需要说明的是，本实施例中储能装置有充电、放电或保持不变3种状态，储能单元模型的规则R_S具体为：

(1)当ΔP＞0时，若存在s_j、soc_j和a_sj、a_soc且满足R_S激发条件时，规则有：

①s_ja_sj→(+s_ja_sj)；s_j≥a_sj>0&soc_j＜a_soc；

②s_ja_sj→(+s_ja_sj,in_n+1)；0＜s_j＜a_sj&soc_j＜a_soc。

(2)当ΔP＜0时，若存在s_j、soc_j和a_sj、a_soc且满足R_S激发条件时，规则有：

①s_ja_sj→(-s_ja_sj)；s_j≥|a_sj|>0&soc_j＞(1-a_soc)；

②s_ja_sj→(-s_ja_sj,in_n+1)；0＜s_j＜|a_sj|&soc_j＞(1-a_soc)。

其中，s_j、soc_j表示j时刻储能单元模型内的对象，a_sj、a_soc表示j时刻储能单元模型内的促进剂，&表示与。

对于设置频率模型的规则R_F，需要说明的是，频率模型的规则R_F具体为：

(1)当频率过高时，fa_f→(+fa_f,in_n+1)；f＞a_f；

(2)当频率过低时，fa_f→(-fa_f,in_n+1)；f＜a_f。

其中，f表示j时刻频率模型内的对象，a_f表示j时刻频率模型内的促进剂。

对于设置子微网系统模型内的规则R_MGi，需要说明的是，子微网系统模型内的规则R_MGi具体为：

当ΔP＞0或ΔP＜0时，对于子微网i，存在p_MGi、a_MGi且满足R_MGi激发条件时，执行R_MGi，其中1≤i,j≤2,i≠j，有：

(1)p_MGia_MGi→(+p_MGia_MGi,in_n+1)；a_MGi＞0&a_MGj≥0；

(2)p_MGia_MGi→(-p_MGia_MGi,in_n+1)；a_MGi＜0&a_MGj≤0。

其中，p_MGi表示子微网i系统模型内的对象，a_MGi表示子微网i系统模型内的促进剂，a_MGj表示子微网j系统模型内的促进剂。

具体地，步骤S3中所述设置多微网系统模型的内部规则包括：

当子微网系统的数量为n时，设置子微网i与子微网j之间的通信规则R_Δ：当ΔP_i＞0且ΔP_j＜0时，若存在p_i、p_j或p、p_i和p_j且满足R_Δ激发条件时，规则如下：

规则1：(s_i,+p_i/-p_j,s_j)；p_i＞|p_j|&p_i＞0&p_j＜0

规则2：(s_i,+p/-p_j,s_j)；p_i＞|p_j|&p_i＞0&p_j＜0

规则3：(s_i,+p_i/-p,s_j)；p_i＜|p_j|&p_i＞0&p_j＜0

其中，n≥2，n≥i≥1，n≥j≥1,i≠j,s_i、s_j分别表示子微网i和子微网j模型的膜，p_i、p_j分别表示子微网i模型中的对象和子微网j模型的对象，Δp_i表示子微网i内部总发电量与总负荷加储能之间的差值，Δp_j表示子微网j内部总发电量与总负荷加储能之间的差值，p表示子微网i模型中的对象或子微网j模型的对象,&表示与。

具体地，步骤S3中所述设置多微网系统模型的内部规则还包括：

设置多微网系统模型内的规则R_MMG：若存在p_MMG、a_MMG且满足R_MMG激发条件时，规则如下：

规则1：p_MMGa_MMG→(-p_MMGa_MMG,out)；a_MMG＞0；

规则2：p_MMGa_MMG→(+p_MMGa_MMG,out)；a_MMG＜0；

其中，p_MMG表示多微网系统模型中的对象，a_MMG表示多微网系统模型中的促进剂，out表示将膜中的对象送出到环境中去。

如图2所示，其中，Π₁,...,Π_n是基于带促进剂的分布式模糊膜系统的子微网系统模型，其表层膜分别用s₁,...,s_n标记，在图2中用1,2，...，n表示；R_Δ是规则的有限集，其形式为(s_i,u_ia_i/v_ja_j,s_j)，其中1≤i,j≤n,i≠j，u,v为膜内的对象，a为膜内的促进剂，R_Δ也被称为是基于带促进剂的分布式模糊膜系统的子微网系统间的通信规则；Δ表示一个带促进剂的分布式模糊膜系统；P_K表示该多微网系统模型中的对象，

表示该多微网系统模型中的促进剂,R_K该多微网系统模型中的规则。

如图3(a)所示，本系统中只有一个Δ₁，大电网作为外部环境带入到多微网系统模型之中，在模型Δ₁中，子系统Π₁,Π₂的内部组成元素是近似一样的，仅是微源、负荷和储能的数量以及类型不同。其中，MG_i、MG_j分别表示子微网系统i和子微网系统j，本图表示的是包含两个子微网系统，因此i＝1,j＝2,R_Δ为它们之间的通信规则，u,v为其膜内的对象，p_MMG为Δ₁膜内的对象，a_MMG为Δ₁膜内的促进剂，R_MMG为Δ₁膜内的规则。

如图3(b)所示，在此模型中包含两个等级，分别为元件级和方案级，阶级最高的方案级为输出级，阶级最低的元件级为过渡级，元件与元件之间可通过通信规则进行元件之间的对象交换和通信。方案级和元件级均可以有多级，有利于系统结构规模的扩展。其中，每个元件都有一个输入，处理它，并与其它元件通过R_Δ中的规则通信，并且在计算停止结束时提供问题的答案。

如图4(a)和图4(b)所示，在模型Π₁中包括三个层级，分别是输入层，中间层和输出层。膜4、5、6、7为输入层，膜2和3为中间层，膜1为输出层。其中，层级最高的是输出层，层级最低的是作为输入的输入层，连接上一级和下一级的层级为中间层，中间层进行过渡运算。中间层可以是多层，而输入层和输出层只有一层。采用公式描述该带促进剂的细胞型模糊膜系统(基于带促进剂的分布式模糊膜系统的子微网系统)为：Π₁＝(V,μ,ω₁,...,ω_m,A₁,...,A_m,R₁,...,R_m,i₀,o₀)，其中：

(1)V是有限非空字母表，其元素为对象的模糊多重集；

(2)μ是包含m个膜的膜结构，其中m称为Π₁的度，此处可表示为μ＝[[[[]₄]₃]₂[]₅[]₆[]₇]₁；

(3)ω_i(1≤i≤m)，表示膜结构μ中区域i里面含有对象的多重集，ω₁＝ω₂＝ω₃＝λ,ω₄＝{s_j,soc_j},ω₅＝{d},ω₆＝{l},ω₇＝{f}；

(4)A₁,...,A_m是促进剂，其值在[0,1]之间，其定义与多微网系统模型中的促进剂定义一致。此处可表示为

(5)R_i(1≤i≤m)是膜结构μ中区域i里面的进化规则的有限集合。此处可表示为R₁＝R_MGi,R₂＝R_L,R₃＝R_DG,R₄＝R_S,R₅＝R₆＝λ,R₇＝R_F；

(6)i₀是膜系统输入膜的标号，此处i₀＝{4,5,6,7}；

(7)o₀是膜系统输出膜的标号，此处o₀＝{1,2,3,4}。

具体地，步骤S4中所述多微网系统能量管控策略包括多微网系统与大电网进行交互的能量管控策略和多微网系统内部协调控制策略。

如图5所示，对于多微网系统与大电网进行交互的能量管控策略，需要说明的时，为了降低多微网与大电网进行频繁功率交互所带来的影响，提高电网系统的运行稳定性，提高新能源利用率以及降低环境污染排放，本实施例提出的多微网系统能量管控策略是，在多微网系统满足自给自足的前提下，尽量减少多微网系统与外部电网之间的功率交互，该策略分为四个部分，分别是：

(1)多微网独立运行。此时，系统有功功率供需平衡，即ΔP＝0，且频率波动范围为(-0.5,0.5)，即-0.5＜Δf＜0.5，多微网独立运行。其中ΔP表示多微网内部总发电量与总负荷加储能之间的差值，或多微网与大电网之间的联络线功率。

(2)多微网内部调控。当ΔP≠0且|Δf|＞0.5时，进行多微网内部调控，其中，多微网内部调控成功，即Υ＝0，返回(1)，多微网继续独立运行，多微网内部调控不成功，即Υ＝1，多微网系统与大电网并网运行。

(3)多微网并网运行。当多微网内部调控仍不能解决功率供需平衡以及频率恢复时，多微网与大电网并网运行，由大电网支撑多微网系统的电压和频率，多微网通过与大电网进行功率交互来实现自身系统的功率供需平衡，当ΔP＝0时，即多微网系统重新恢复功率供需平衡时，将多微网系统由并网模式切换为独立运行模式，否则，多微网继续并网运行。

(4)多微网并网运行转独立运行。当联络线功率ΔP＝0，即多微网系统重新恢复功率供需平衡时，将多微网系统由并网模式切换为独立运行模式。

如图6所示，对于多微网系统内部协调控制策略，分为三种情况，分别是：

(1)子微网系统发电量均大于用电量(ΔP＞0)。其中，内部调控的优先顺序为：储能装置＞可调微源＞可调负荷。

具体地，当此时，多微网系统首先进行内部协调，若内部协调后系统恢复功率平衡，则Υ＝0，多微网系统继续独立运行；若内部协调仍不能满足功率平衡，则Υ＝1，多微网系统需并网重新恢复功率平衡。多微网系统内部协调具体步骤如下：①检测储能装置当前电量并与功率差额相比较，若满足，储能装置充电以达到平衡；②若上一步骤不满足，先将储能装置当前时段电量充满，将剩余功率差额与可调DG可调功率相比较，若满足，调节可调DG发电功率以达到平衡；③若上一步骤不满足，先将可调DG发电功率调至下限，将剩余功率差额与可调负荷相比较，若满足，调节可调负荷功率需求以达到平衡；④若上一步骤不满足，先将可调负荷功率需求调至上限，剩余功率差额上网卖电至达到系统功率平衡。

(2)子微网系统发电量均小于用电量(ΔP＜0)。其中，内部调控的优先顺序为：储能装置＞可调微源＞可调负荷。

具体地，当此时，多微网系统首先进行内部协调，若内部协调后系统恢复功率平衡，则Υ＝0，多微网系统继续独立运行；若内部协调仍不能满足功率平衡，则Υ＝1，多微网系统需并网重新恢复功率平衡。多微网系统内部协调具体步骤如下：①检测储能装置当前电量并与功率差额相比较，若满足，储能装置放电以达到平衡；②若上一步骤不满足，先将储能装置当前时段电量放完，将剩余功率差额与可调DG可调功率相比较；，若满足，调节可调DG发电功率以达到平衡；③若上一步骤不满足，先将可调DG发电功率调至上限，将剩余功率差额与可调负荷相比较；，若满足，调节可调负荷功率需求以达到平衡；④若上一步骤不满足，先将可调负荷功率需求调至下限，剩余功率差额上网买电至达到系统功率平衡。

(3)子微网系统i发电量大于用电量(ΔP_i＞0)，子微网系统j发电量小于用电量(ΔP_j＜0)，即两个子微网进行功率交互，如果两个子微网不能满足相互之间的功率供需平衡，则将多微网系统切换为并网运行模式以达到多微网系统的功率供需平衡。

具体地，当两个子微网系统其中一个功率过剩而另一个功率不足时，两个子微网系统先进行功率交互来满足对方需求，如果两个子微网系统不能满足相互之间的功率供需平衡，则将多微网系统切换为并网运行模式以达到多微网系统的功率供需平衡。

实施例2

如图7所示，本实施例提供一种GPU处理器，所述GPU处理器可以用实施例1提供的多微网系统能量管控方法对多微网系统进行能量管控，包括：

数据获取单元：用于从数据监控及采集系统中获取数据；其中，所述数据为多微网系统内部各微源、各储能装置、各负荷等的当前状态信息；

模型构建单元：用于设置相关规则和相关执行参数；其中，所述规则为分布式模糊膜系统中包含的规则，所述执行参数为分布式模糊膜系统中的执行参数；

执行参数初始化单元：用于初始化所述执行参数；

规则运行单元：用于运行所述模型构建单元中设置的相关规则并获取相应数据；

备选输出命令值获取单元：用于获取所述规则运行单元中获取的相应数据，并根据所述模型构建单元中设定的规则进行输出命令值的运算；

终止条件判断单元：用于判断所述模型构建单元中设置的所有规则是否均运算完毕，若是，触发最终输出命令值确定单元，否则，触发备选输出命令值更新单元；

备选输出命令值更新单元：用于更新所述规则运行单元获取的相应数据，并根据所述模型构建单元所设置的规则进行输出命令值的更新；

最终输出命令值确定单元：用于获取最终的输出命令值。

需要说明的是，现有的控制处理器通常都无法实现高速的并行运算，本实施例提供的所述GPU处理器在处理过程中结合带促进剂的分布式模糊膜系统及其模糊进化规则，由于膜系统中各个细胞膜具有互不影响的特性，使得GPU中的线程可以同时执行模糊进化规则，进而快速地获得最终的输出命令值，最终实现多微网能量管控的快速性。

还需要说明的是，上述实施例提供的GPU处理器(也称图形处理器)，由于自身内部有许多用于数据处理的晶体管，适用于高并行性、数据密集型及可预测的计算模式，并可以及时安排系统的资源调度及模式切换。同时，其可当作一个协处理器，产生大量的线程，凭借大量线程的并行计算来消除存储器因访问而造成的延迟。

如图8所示，其示出了GPU处理器的内部硬件架构示意图，在CUDA(ComputeUnified Device Architecture)并行计算架构下，该架构由若干个线程块(Block)组成，并且每个线程块可以有若干个线程(Thread)，其中每个线程将完成一个特定的任务。这些线程的执行是并发的。这个GPU有五种存储器：局部存储器,共享存储器,全局存储器,常数存储器和纹理存储器。每个线程有自己的局部存储器和寄存器。每个线程块对应一个共享存储器，并且这个线程块的每个线程均能访问这个共享存储器。整个GPU有一个全局存储器,且所有的线程能够访问它。在该构架下，一个计算任务的实现将采用Host-GPU方式。通常，数据装载、初始化等非并行计算部分在Host上完成，而需要并行化的部分则应在GPU上实现。

进一步地，如图9所示，其示出了Host-GPU处理器的并行实现框架示意图。CUDA采用了单指令多线程执行模型，该模型可归纳为6个步骤：

(1)装载数据、规则及参数设置并初始化。其中，包括变量的定义与声明；

(2)存储空间分配。其中，包括CPU端和GPU端变量分别分配存储空间，用于存储不同类型的数据；

(3)数据传递。具体为：从CPU端将数据传输到GPU端；

(4)并行执行。具体为：调用预设公式分配GPU端执行参数，该预设公式将会被GPU内分配到的所有线程各执行一次，每个线程执行运算、判断和更新三步操作；

(5)结果返回。具体为：判断运算是否结束，若结束，将GPU端的计算结果传递到CPU端；如没有结束，返回到第(3)步继续执行；

(6)释放显存。具体为：在GPU端的全局存储器中回收空间。

具体地，所述规则运行单元包括：

储能装置模型规则运行单元：用于运行储能装置模型中所设置的相关模糊规则，获取储能装置当前状态值；

微源模型规则运行单元：用于运行微源模型中所设置的相关模糊规则，获取微源单元当前状态值；

负荷模型规则运行单元：用于运行储能装置模型中所设置的相关模糊规则，获取负荷单元当前状态值；

子微网系统模型规则运行单元：用于运行子微网系统模型中所设置的相关模糊规则，获取子微网系统当前状态值；

多微网系统模型规则运行单元：用于运行多微网系统模型中所设置的相关模糊规则，获取多微网系统当前状态值

实施例3

为便于理解，本实施例提供一种具体的多微网系统能量管控方法，如图10所示，本实施例采用多微网系统并联结构，如图所示包括随机微源光伏发电单元PV和风力发电单元WT，不可调微源燃料电池FC，可调微源微型燃气轮机MT，不可调负荷L1，可调负荷L2，储能装置ESB1和ESB2。对于子微网来说，分布式电源是以服从整体协调的自治个体的性质参与系统运行的；而对于大电网来说，多微网以同样的性质参与系统运行。含有以下5个约束条件：

(1)各发电单元功率P_i输出上下限：P_i ^min≤P_i≤P_i ^max；

(2)可调微源AP_MT与可调负荷AP_L1上下限，分别为：

(3)储能单元SOC上下限：蓄电池循环充放电及放电深度影响其寿命，因此必须满足荷电状态约束。本发明设定：SOC_min＝20％SOC，SOC_max＝80％SOC，SOC_min≤SOC≤SOC_max；

(4)子微网系统之间能够允许交互的最大容量P_MGline的上下限：

这可能是它们之间所达成的供求协议或者联络线的物理传输容量限制；

(5)多微网系统与大电网间能够允许交互的最大容量P_line的上下限：

这可能是它们之间所达成的供求协议或者联络线的物理传输容量限制。

参见图11(a)和图11(b)，其分别示出了本实施例中带促进剂的分布式模糊膜系统的多微网系统模型架构图和树形图。其公式表示描述如下：

Δ₁＝(V,μ,ω₁,...,ω₁₃,A₁,...,A₁₃,R₁,...,R₁₃,i₀,o₀)

其中，

(1)V是有限非空字母表，其元素为对象的模糊多重集，代表系统输入的模糊量；

(2)μ是包含13个膜的膜结构，此处为μ＝[[[[]₅]₄[]₆[]₇[]₈]₂[[[]₁₀]₉[]₁₁[]₁₂[]₁₃]₃]₁；

(3)ω₁＝ω₂＝ω₃＝ω₄＝ω₉＝λ,ω₅＝{(s₁,0.2),(d₁,0.2),(soc₁,0.55)},ω₆＝(d_pv,0.8),ω₇＝(l₁,0.1),ω₈＝(f,0.8),ω₁₀＝{(s₂,0.1),(l₂,0.2),(soc₂,0.6)},ω₁₁＝(d_wt,0.8),ω₁₂＝(d_fc,0.2),ω₁₃＝(f,0.8)；

(4)

A₅＝[a_s1＝0.9,a_soc10.8],A₆＝A₇＝A₈＝λ,

A₁₀＝[a_s2＝0.8,a_soc2＝0.8],A₁₁＝A₁₂＝A₁₃＝λ；

(5)R₁＝R_MMG,R₂＝R₃＝R_MG,R₄＝R_DG,R₅＝R₁₀＝R_S,R₆＝R₇＝R₈＝R₁₁＝R₁₂＝R₁₃＝λ,R₉＝R_L,R_1-2＝R_Δ；

(6)i₀＝{5,6,7,8,10,11,12,13}；

(7)o₀＝{1,2,3,4,5,9,10}。

具体运算过程如下：

步骤1：膜5,6,7,8,10,11,12,13中包含对象，同时开始运算。膜5中，s₁＝0.2，soc₁＝0.55，s₁＜a_s1&soc₁＜a_soc1，规则R₅满足执行条件，执行，则ω₅从膜5进入下一级膜4。膜10中，s₂＝0.1，soc₂＝0.6，s₂＜a_s2&soc₂＜a_soc2，规则R₁₀满足执行条件，执行，则ω₁₀从膜10进入下一级膜9。膜8中，f＝0.8，a_f＝0.5，f＞a_f，规则R₈满足执行条件，执行，则f从膜8进入下一级膜2。膜13中，f＝0.8，a_f＝0.5，f＞a_f，规则R₁₃满足执行条件，执行，则f从膜13进入下一级膜3。其中，由于6,7,11,12中的对象仅有保持状态，因此它们的对象不发生变化且始终处于膜内。

步骤2：膜4收到来自膜5的对象ω₅＝{(s₁,+0.2),(d₁,0.2),(soc₁,+0.75)}，则d₁＝0.2，a_d1＝a_s1-s₁＝0.7，d₁＜a_d1，规则R₄满足执行条件，执行，则ω₄从膜4进入下一级膜2。膜9收到来自膜10的对象ω₁₀＝{(s₂,+0.1),(l₂,0.2),(soc₂,+0.7)}，则l₂＝0.2，a_l2＝a_s2-s₂＝0.7，规则R₉满足执行条件，执行，则ω₉从膜9进入下一级膜3。

步骤3：膜2收到来自膜4的对象ω₄＝{(s₁,+0.2),(d₁,-0.2),(soc₁,+0.75)}，则a_MG1＝a_d1-|d₁|＝0.5＞0&a_MG2＞0，规则R₂满足执行条件，执行，则ω₂从膜2进入下一级膜1。膜3收到来自膜9的对象ω₉＝{(s₂,+0.1),(l₂,+0.2),(soc₂,+0.7)}，则a_MG2＝a_l2-l₂＝0.5＞0&a_MG1＞0，规则R₃满足执行条件，执行，则ω₃从膜3进入下一级膜1。

步骤4：膜1收到来自膜2和3的对象ω₂＝+{(s₁,+0.2),(d₁,-0.2),(soc₁,+0.75)}、ω₃＝+{(s₂,+0.1),(l₂,+0.2),(soc₂,+0.7)}以及膜8和膜13的对象ω₈＝{+f,0.8}、ω₁₃＝{+f,0.8}，则a_MMG＝a_MG1+a_MG2＝1，a_MMG＞0，规则R₁满足执行条件，执行，对象ω_out＝-{(s₁,+0.2),(d₁,-0.2),(soc₁,+0.75),(s₂,+0.1),(l₂,+0.2),(soc₂,+0.7),(f,+0.8)}从膜1倍输出到环境中，则运算结束。

输出结果含义如下：s₁＝+0.2,soc₁＝+0.75表示储能装置1充电至75％SOC，d₁＝-0.2表示可调微源减少发电量，s₂＝+0.1,soc₂＝+0.7表示储能装置2充电至70％SOC，l₂＝+0.2表示负荷增加需求量，f＝+0.8表示系统频率超过额定频率，而对象ω₂、ω₃所包含的正号表示子微网1和子微网2的发电量均大于用电量，多微网系统在进行内部调控后系统的功率仍不能保持平衡，因此，对象ω_out所包含的负号表示多微网系统应并网向大电网卖电，从而维持多微网系统内部的功率平衡，使频率恢复到额定频率。通过实施例1推理运算结果，验证了本发明方法的合理性和可行性，同时，本发明方法能量管控过程主要进行模糊多重集的相关规则运算，加上GPU处理器的使用，使得运算过程更加简单快速。

如图12(a)-(f)所示，其示出了本实施例中带促进剂的分布式模糊膜系统的多微网能量管控方法在MATLAB仿真软件上所进行的实验结果。根据所搭建的基于带促进剂的分布式模糊膜系统的多微网能量管控系统，使用MATLAB进行仿真验证，多微网的微源参数如下所示：PV＝15kW,WT＝15kW,MT＝15kW,FC＝6kW,Storage1＝25kW,Storage2＝20kW。负荷的容量分别为28kAV和20kAV。两个储能系统的初始电荷状态分别为20％和50％。多微网中有功功率的变化将导致系统频率的变化，因此仿真时通过观察系统功率的变化来间接反映系统频率的变化，并以24小时的数据为例来进行研究。

其中，图12(a)-(f)为仿真结果图，(a)为多微网系统各个分布式电源功率分配曲线、(b)为子微网1和子微网2协调控制前的功率波动曲线、(c)为储能1和2在24小时情况下的电量情况、(d)为子微网1和子微网2的功率交互曲线、(e)为多微网与大电网的功率交互曲线、(f)为多微网并网后的功率平衡曲线。根据仿真实验结果可知，采用基于带促进剂的分布式模糊膜系统的多微网能量管控系统进行控制时，子微网系统之间进行通信和功率交互维持了该多微网系统内部22个小时交流馈线的频率与功率稳定，且子微网系统之间进行通信和功率交互维持了多微网系统的整体稳定性，仅与外部大电网进行了短暂的功率交互，避免了对外部大电网产生过多的影响。

需要说明的是，本说明书中的实施例是首次基于GPU处理器，结合带促进剂的分布式模糊膜系统的模糊进化规则实现一种多微网系统能量管控，所以不涉及对比实验，主要是一个实现。

以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种多微网系统能量管控方法，其特征在于，包括：

步骤S1：获取多微网系统的相关数据，构建带促进剂的分布式模糊膜系统；

步骤S2：构建基于带促进剂的分布式模糊膜系统的子微网系统模型，设置所述子微网系统模型内部规则；所述子微网系统模型内部规则具体为：设置微源单元模型的规则R_DG；设置负荷单元模型的规则R_L；设置储能单元模型的规则R_S；设置频率模型的规则R_F；设置子微网系统模型内的规则R_MGi；

步骤S3：构建基于带促进剂的分布式模糊膜系统的多微网系统模型，所述基于带促进剂的分布式模糊膜系统具体为：将模糊理论和促进剂结合加入到分布式膜系统中；

设置多微网系统模型的内部规则；所述多微网系统模型的内部规则包括：当子微网系统的数量为n时，设置子微网i与子微网j之间的通信规则R_Δ：当ΔP_i＞0且ΔPj＜0时，若存在p_i、p_j或p、p_i和p_j且满足R_Δ激发条件时，规则如下：

规则1：(s_i,+p_i/-p_j,s_j)；p_i＝|p_j|&p_i＞0&p_j＜0

规则2：(s_i,+p/-p_j,s_j)；p_i＞|p_j|&p_i＞0&p_j＜0

规则3：(s_i,+p_i/-p,s_j)；p_i＜|p_j|&p_i＞0&p_j＜0

其中，n≥2，n≥i≥1，n≥j≥1,i≠j,s_i、s_j分别表示子微网i和子微网j模型的膜，p_i、p_j分别表示子微网i模型中的对象和子微网j模型的对象，ΔP_i表示子微网i内部总发电量与总负荷加储能之间的差值，ΔP_j表示子微网j内部总发电量与总负荷加储能之间的差值，p表示子微网i模型中的对象或子微网j模型的象,&表示与；

所述多微网系统模型的内部规则还包括：设置多微网系统模型内的规则R_MMG：若存在p_MMG、a_MMG且满足R_MMG激发条件时，规则如下：

规则1：p_MMGa_MMG→(-p_MMGa_MMG,out)；a_MMG＞0；

规则2：p_MMGa_MMG→(+p_MMGa_MMG,out)；a_MMG＜0；

其中，p_MMG表示多微网系统模型中的对象，a_MMG表示多微网系统模型中的促进剂，out表示将膜中的对象送出到环境中去；

步骤S4：建立基于带促进剂的分布式模糊膜系统的多微网系统能量管控策略；

步骤S5：根据所述多微网系统能量管控策略管控多微网系统能量。

2.根据权利要求1所述的一种多微网系统能量管控方法，其特征在于，步骤S1包括：

步骤S101：获取多微网系统的相关数据，使系统输入量模糊化，其中，所述系统输入量包括：

频率；

各微源、各储能装置和各负荷的当前运行状态；

储能电荷状态；

各子微网系统和多微网系统的当前运行状态；

步骤S102：建立带促进剂的分布式模糊膜系统的表达公式(Ⅰ)

Δ1＝(V,Π1,...,Πn,A1,...,An,R1,...,Rn) (Ⅰ)

其中，V是有限非空字母表，其元素为系统输入量的模糊多重集；Π1,...,Πn是基于带促进剂的分布式模糊膜系统的子微网系统模型，其表层膜分别用s1,...,sn标记；A1,...,An是促进剂，其值在[0,1]之间；R为(s_i,u/v,s_j)，其中，n≥2，n≥i≥1，n≥j≥1,i≠j，u,v∈V*且uv≠λ，λ表示空集，V*是V中字符组成的任意字符串的集合，(s_i,u/v,s_j)表示反向转运规则，当规则运行时，膜s_i中的对象u与膜s_j中的对象v进行互相交换。

3.根据权利要求2所述的一种多微网系统能量管控方法，其特征在于，步骤S101具体为：将频率的变化范围折算到[0,1]之间；将各微源、各储能装置和各负荷的当前运行实际功率值折算到[0,1]之间；将储能装置电量的百分数折算到[0,1]之间；将各子微网系统及多微网系统的实际功率差额折算到[0,1]之间。

4.根据权利要求1所述的一种多微网系统能量管控方法，其特征在于，所述促进剂包括原生促进剂和衍生促进剂。

5.根据权利要求1所述的一种多微网系统能量管控方法，其特征在于，步骤S4中所述多微网系统能量管控策略包括多微网系统与大电网进行交互的能量管控策略和多微网系统内部协调控制策略。

6.一种GPU处理器，所述GPU处理器用于实现权利要求1—5任意一项所述多微网系统能量管控方法对多微网系统进行能量管控，其特征在于，包括：

数据获取单元：用于从数据监控及采集系统中获取数据；

模型构建单元：用于设置相关规则和相关执行参数；

执行参数初始化单元：用于初始化所述执行参数；

规则运行单元：用于运行所述模型构建单元中设置的相关规则并获取相应数据；

备选输出命令值获取单元：用于获取所述规则运行单元中获取的相应数据，并根据所述模型构建单元中设定的规则进行输出命令值的运算；

终止条件判断单元：用于判断所述模型构建单元中设置的所有规则是否均运算完毕，若是，触发最终输出命令值确定单元，否则，触发备选输出命令值更新单元；

备选输出命令值更新单元：用于更新所述规则运行单元获取的相应数据，并根据所述模型构建单元所设置的规则进行输出命令值的更新；

最终输出命令值确定单元：用于获取最终的输出命令值。

7.根据权利要求6所述的一种GPU处理器，其特征在于，所述规则运行单元包括依次运行的下列单元：

储能装置模型规则运行单元：用于运行储能装置模型中所设置的相关模糊规则，获取储能装置当前状态值；

微源模型规则运行单元：用于运行微源模型中所设置的相关模糊规则，获取微源单元当前状态值；

负荷模型规则运行单元：用于运行储能装置模型中所设置的相关模糊规则，获取负荷单元当前状态值；

子微网系统模型规则运行单元：用于运行子微网系统模型中所设置的相关模糊规则，获取子微网系统当前状态值；

多微网系统模型规则运行单元：用于运行多微网系统模型中所设置的相关模糊规则，获取多微网系统当前状态值。

Images