CN109474007A - 一种基于大数据云技术的能源互联网调度方法 - Google Patents

Abstract

一种基于大数据云技术的能源互联网调度方法，将能源互联网中各能量负荷节点微元化，得到若干个能量负荷微节点。本发明方法对能源互联网内能量负荷节点微元化，通过云技术对微元能量负荷节点进行重新排列组合，将能源互联网转化成一个较小能源互联网加上若干个分布式可再生能源孤岛运行的电网的形式，达到分布式可再生能源最大化利用的效果，加强对风电、光伏、清洁生物质能的消纳。该方法优势在于：（1）减小能量传输损耗，节约资金；（2）统一能源互联网内能量调度标准；（3）提高能量传输效率，加大能源互联网优化精度；（4）减少化石能源使用量，保护环境。

Description

一种基于大数据云技术的能源互联网调度方法

技术领域

本发明属于智能电网技术领域，具体涉及一种基于大数据云技术的能源互联网调度方法。

背景技术

近年来，随着微电网、主动配电网等技术的不断发展，以光伏，风电为代表的可再生能源逐渐以分布式能源的形式接入电网，且并网容量逐年增加，与传统能源共同构成了新型能源互联网。由于可再生能源出力的随机性，与并网运行状态的不稳定性，故目前含可再生能源并网的能源互联网存在以下弊端：(1)可再生能源与常规能源重复出力导致可再生能源被弃用；(2)能量调度标准不统一，能量传输精度不足导致能源在传输过程中大量浪费；(3)传统化石能源煤、石油、天然气的过量使用导致温室效应，环境问题亟待解决。

发明内容

发明目的：

一种基于大数据云技术的能源互联网调度方法，其目的是解决以往所存在的问题，本发明针对当前现有能源互联网络一次侧化石能源转换环境危害程度大、能源传输损耗高，可再生能源利用率低等缺点，公开了一种基于大数据云技术的能源互联网调控方法，利用云技术作为统一监测、调控手段，精准校对能量负荷点热能和电能的消耗，以及能源在传输过程中的损耗情况，对一次侧能源的转换形式与转换量进行再分配，使能源损耗最小，以达到节能环保的目的。

技术方案：

为了实现上述目的，本发明采取以下技术方案来实现：将能源互联网中各能量负荷节点微元化，得到若干个能量负荷微节点。通过搭建能源互联网大数据平台，精确计算并预测每个微节点各时段内的能量消耗。通过控制中心调控，在下一时段开始前对负荷微节点进行重新排列组合，分别形成与分布式可再生能源能量供应能力相匹配的微节点集群，在保证能量传输途径通畅，环境效益、经济效益、社会效益最大化的情况下，使每个分布式可再生能源最大化对与其匹配的微节点集群供能，形成若干个分布式孤岛运行系统。最后，将剩余分布式可再生能源通过逆变器统一并网，对其他能量负荷微节点点供能。

具体步骤如下：

步骤1：搭建能源互联网大数据云服务平台

通过搭建能源互联网大数据云服务平台以完成互联网中数据的存储、计算、优化等任务。

步骤2：能源互联网内能量负荷节点数据采集与云存储以及能量负荷节点微元化。

步骤2.1：能量负荷节点数据采集与云存储。

通过大数据云服务平台能源互联网下一时间段t内，某一节点用户预测负荷量P，电网内N个分布式可再生能源预测对该节点的供应能量p_n(n＝1,2L N)，能源互联网内单位距离平均网损系数δ分别进行采集及计算。

步骤2.2：根据云数据对每一时间段内的能量负荷节点微元化，微元节点共M个。

式中，P_m表示第m个微元节点预测负荷量。并通过大数据云服务平台记录第m个微元节点与第n个分布式可再生能源的距离l_m,n。

步骤3：确定能量调度的第一约束条件f₁：

f₁＝min(S₁+S₂+S₃) (2)

式中，S₁为环境损耗，S₂为经济损耗，S₃为社会损耗。

步骤3.1：环境效益约束：

式中，θ为单位重量煤的单价，V_i为第i个火电机组的煤耗量，U_j为第j个热电机组的煤耗量。

步骤3.2：经济效益约束。

式中，为第m个微元负荷节点的风力发电成本，为第m个微元负荷节点的生物质能能量供应成本，为第m个微元负荷节点的光伏发电成本，为第m个微元负荷节点的水力发电成本，为第m个微元负荷节点的火力能量供应发电成本，为第m个微元负荷节点的核能发电成本。

步骤3.3：社会效益约束：

Q为异常负荷微元节点个数，γ_q为第q个异常负荷微元节点在t时段内的预测经济损失(q＝1,2,3L Q)。

步骤4：划分能量负荷微节点群

步骤4.1：在步骤3的约束条件下，将M个能量负荷微节点划分出n个与分布式可再生能源能量供应能力相匹配的微节点集合。

式中，E_n为第n个能量负荷微节点群的负荷值，P_r为节点剩余负荷量。

其中，p_n≥E_n，且使f₂＝min(p_n-E_n)为微负荷节点群划分的第二约束条件。

步骤4.2：判断能量流通途径是否可行，若可行则进行步骤5；若不可行，则返回步骤2。

步骤5：令n个分布式可再生能源分别为n个微节点集合供能，直至时段t结束，并在时段t+1开始前，重复步骤1。

优点效果：

所以针对上述技术的弊端，本发明基于大数据云技术将能源互联网内常规能源与分布式可再生能源的出力情况、各能量负荷节点的消耗情况与传输损耗情况等各方面的资源以及数据进行统计，加大能源互联网信息库容量。通过对能源互联网多方面信息进行综合计算,将能源互联网转化成一个较小能源互联网加上若干个分布式可再生能源孤岛运行的电网的形式，有助分布式可再生能源的全方位调度与精确优化。

本发明方法对能源互联网内能量负荷节点微元化，通过云技术对微元能量负荷节点进行重新排列组合，将能源互联网转化成一个较小能源互联网加上若干个分布式可再生能源孤岛运行的电网的形式，达到分布式可再生能源最大化利用的效果，加强对风电、光伏、清洁生物质能的消纳。该方法优势在于：(1)减小能量传输损耗，节约资金；(2)统一能源互联网内能量调度标准；(3)提高能量传输效率，加大能源互联网优化精度；(4)减少化石能源使用量，保护环境。

附图说明

图1为基于大数据云技术的能源互联网调度结构图。

图2为能源互联网调度方法流程图。

具体实施方式

一种基于大数据云技术的能源互联网调度方法，其特征在于：该方法将能源互联网中各能量负荷节点微元化，得到若干个能量负荷微节点；通过搭建能源互联网大数据平台，精确计算并预测每个微节点各时段内的能量消耗；通过控制中心调控，在下一时段开始前对负荷微节点进行重新排列组合，分别形成与分布式可再生能源能量供应能力相匹配的微节点集群，在保证能量传输途径通畅，环境效益、经济效益、社会效益最大化的情况下，使每个分布式可再生能源最大化对与其匹配的微节点集群供能，形成若干个分布式可再生能源的孤岛运行网络；最后，将剩余分布式可再生能源通过逆变器统一并网，对其他能量负荷微节点点供能。

该方法具体步骤如下：

步骤1：搭建能源互联网大数据云服务平台；

通过搭建能源互联网大数据云服务平台以完成互联网中数据的存储、计算、优化任务；

步骤2：能源互联网内能量负荷节点数据采集与云存储以及能量负荷节点微元化；

步骤2.1：能量负荷节点数据采集与云存储；

通过大数据云服务平台能源互联网下一时间段t内，某一节点用户预测负荷量P，电网内N个分布式可再生能源预测对该节点的供应能量p_n(n＝1,2L N)，能源互联网内单位距离平均网损系数δ分别进行采集及计算；

步骤2.2：根据云数据对每一时间段内的能量负荷节点微元化，微元节点共M个；

式中，P_m表示第m个微元节点预测负荷量；并通过大数据云服务平台记录第m个微元节点与第n个分布式可再生能源的距离l_m,n；

步骤3：确定能量调度的第一约束条件f₁：

f₁＝min(S₁+S₂+S₃) (2)

式中，S₁为环境损耗，S₂为经济损耗，S₃为社会损耗；

步骤3.1：环境效益约束：

式中，θ为单位重量煤的单价，V_i为第i个火电机组的煤耗量，U_j为第j个热电机组的煤耗量；

步骤3.2：经济效益约束；

式中，为第m个微元负荷节点的风力发电成本，为第m个微元负荷节点的生物质能能量供应成本，为第m个微元负荷节点的光伏发电成本，为第m个微元负荷节点的水力发电成本，为第m个微元负荷节点的火力能量供应发电成本，为第m个微元负荷节点的核能发电成本；

步骤3.3：社会效益约束：

Q为异常负荷微元节点个数，γ_q为第q个异常负荷微元节点在t时段内的预测经济损失(q＝1,2,3L Q)。

步骤4：划分能量负荷微节点群

步骤4.1：在步骤3的约束条件下，将M个能量负荷微节点划分出n个与分布式可再生能源能量供应能力相匹配的微节点集合。

式中，E_n为第n个能量负荷微节点群的负荷值，P_r为节点剩余负荷量。

其中，p_n≥E_n，且使f₂＝min(p_n-E_n)为微负荷节点群划分的第二约束条件。

步骤4.2：判断能量流通途径是否可行，若可行则进行步骤5；若不可行，则返回步骤2。

步骤5：令n个分布式可再生能源分别为n个微节点集合供能，直至时段t结束，并在时段t+1开始前，重复步骤1。

对上述一种基于大数据云技术的能源互联网调度方法，以某电网一节点的实际运行情况为例实施本方法。

某局部电网内一节点负荷20MW，由一个火电机组、一个热电机组、一个光伏电站对其供能。其中火电机组对其出力为12MW、热电机组对其出力为7.5MW、光伏电站对其出力为500kW。

1.搭建大数据云服务平台

2.根据采集数据对能量负荷节点进行微元化。

根据实际情况，可令M＝10。

其中，P₁＝0.2MW，P₂＝0.2MW，P₃＝0.15MW，P₄＝0.15MW，P₅＝0.3MW，P₆＝0.04MW，P₇＝0.06MW，P₈＝0.9MW，P₉＝8MW，P₁₀＝10MW。

3.确定第一约束条件

4.划分微元负荷节点集合

E₁＝P₁+P₂+P₃，且E₁≤0.5MW

5.供能至下一时段。

根据以上分析可以得出：负荷节点处电网转化为由光伏电站，及微元负荷节点P1、P2、P3组成的孤岛运行网络，与由火电机组、热电机组以及其他微元节点组成的较小能源互联网。

Claims (5)

1.一种基于大数据云技术的能源互联网调度方法，其特征在于：该方法将能源互联网中各能量负荷节点微元化，得到若干个能量负荷微节点；通过搭建能源互联网大数据平台，精确计算并预测每个微节点各时段内的能量消耗；通过控制中心调控，在下一时段开始前对负荷微节点进行重新排列组合，分别形成与分布式可再生能源能量供应能力相匹配的微节点集群，在保证能量传输途径通畅，环境效益、经济效益、社会效益最大化的情况下，使每个分布式可再生能源最大化对与其匹配的微节点集群供能，形成若干个分布式可再生能源的孤岛运行网络；最后，将剩余分布式可再生能源通过逆变器统一并网，对其他能量负荷微节点点供能。

2.根据权利要求书1所述的一种基于大数据云技术的能源互联网调度方法，其特征在于：

该方法具体步骤如下：

步骤1：搭建能源互联网大数据云服务平台；

通过搭建能源互联网大数据云服务平台以完成互联网中数据的存储、计算、优化任务；

步骤2：能源互联网内能量负荷节点数据采集与云存储以及能量负荷节点微元化；

步骤3：确定能量调度的第一约束条件f₁：

f₁＝min(S₁+S₂+S₃) (2)

式中，S₁为环境损耗，S₂为经济损耗，S₃为社会损耗；

步骤4：划分能量负荷微节点群；

步骤5：令n个分布式可再生能源分别为n个微节点集合供能，直至时段t结束，并在时段t+1开始前，重复步骤1。

3.根据权利要求书2所述的一种基于大数据云技术的能源互联网调度方法，其特征在于：

步骤2中：

步骤2.1：能量负荷节点数据采集与云存储；

通过大数据云服务平台能源互联网下一时间段t内，某一节点用户预测负荷量P，电网内N个分布式可再生能源预测对该节点的供应能量p_n(n＝1,2L N)，能源互联网内单位距离平均网损系数δ分别进行采集及计算；

步骤2.2：根据云数据对每一时间段内的能量负荷节点微元化，微元节点共M个；

式中，P_m表示第m个微元节点预测负荷量；并通过大数据云服务平台记录第m个微元节点与第n个分布式可再生能源的距离l_m,n。

4.根据权利要求书2所述的一种基于大数据云技术的能源互联网调度方法，其特征在于：

步骤3中：

步骤3.1：环境效益约束：

式中，θ为单位重量煤的单价，V_i为第i个火电机组的煤耗量，U_j为第j个热电机组的煤耗量；

步骤3.2：经济效益约束；

式中，为第m个微元负荷节点的风力发电成本，为第m个微元负荷节点的生物质能能量供应成本，为第m个微元负荷节点的光伏发电成本，为第m个微元负荷节点的水力发电成本，为第m个微元负荷节点的火力能量供应发电成本，为第m个微元负荷节点的核能发电成本；

步骤3.3：社会效益约束：

Q为异常负荷微元节点个数，γ_q为第q个异常负荷微元节点在t时段内的预测经济损失(q＝1,2,3L Q)。

5.根据权利要求书2所述的一种基于大数据云技术的能源互联网调度方法，其特征在于：

步骤4中：

步骤4.1：在步骤3的约束条件下，将M个能量负荷微节点划分出n个与分布式可再生能源能量供应能力相匹配的微节点集合；

式中，E_n为第n个能量负荷微节点群的负荷值，P_r为节点剩余负荷量；

其中，p_n≥E_n，且使f₂＝min(p_n-E_n)为微负荷节点群划分的第二约束条件；

步骤4.2：判断能量流通途径是否可行，若可行则进行步骤5；若不可行，则返回步骤2。