CN110097474A - 一种实现配电网削峰填谷的负荷控制方法 - Google Patents

一种实现配电网削峰填谷的负荷控制方法 Download PDF

Info

Publication number
CN110097474A
CN110097474A CN201910229871.3A CN201910229871A CN110097474A CN 110097474 A CN110097474 A CN 110097474A CN 201910229871 A CN201910229871 A CN 201910229871A CN 110097474 A CN110097474 A CN 110097474A
Authority
CN
China
Prior art keywords
load
curve
formula
transferable
consuming
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.)
Pending
Application number
CN201910229871.3A
Other languages
English (en)
Inventor
周小明
董健
葛维春
刘富家
马显智
杜红军
张佳鑫
杨俊友
王海鑫
崔嘉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang University of Technology
State Grid Liaoning Electric Power Co Ltd
Original Assignee
Shenyang University of Technology
State Grid Liaoning Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenyang University of Technology, State Grid Liaoning Electric Power Co Ltd filed Critical Shenyang University of Technology
Priority to CN201910229871.3A priority Critical patent/CN110097474A/zh
Publication of CN110097474A publication Critical patent/CN110097474A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Human Resources & Organizations (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Feedback Control In General (AREA)

Abstract

一种实现配电网削峰填谷的负荷控制方法，步骤1）根据电网的实际运行情况得到日负荷曲线；步骤2）针对所得到的日负荷曲线，通过模糊C均值聚类算法对日负荷曲线进行聚类；从日负荷曲线中分离出高耗能负荷曲线与储热负荷曲线；步骤3）针对步骤2）中的高耗能负荷曲线与储热负荷曲线，对高耗能负荷与储热负荷进行转移，实现配电网削峰填谷的负荷控制。（1）本发明解决问题方式简单，便于工程实际应用。（2）本发明对电力负荷进行分类，对高耗能负荷与储热负荷进行特征识别，同时针对两种负荷中的可控负荷转移，以实现电网的消峰减谷。（3）本发明有效缓解电力系统在第二峰期时的供电压力，同时能够使夜间供电谷期负荷曲线更加平滑。

Description

一种实现配电网削峰填谷的负荷控制方法
技术领域
本发明属于电力系统领域，特别涉及到一种基于负荷控制的调峰优化方法，即一种减小电网“第二尖峰”峰值的灵活负荷智能调度方法。
背景技术
电力系统调峰困难一直是电网调度所面临的严峻问题。近年来随着经济的发展，居民、非工业、商业、大工业等用电量也逐年增加。电力负荷峰谷差不断增大，最大负荷利用小时数也不断降低。同时由于国家大力发展可再生能源，电力系统中可再生能源的装机比例不断提高，但一些分布式能源如风力发电的不稳定性与反调峰特性进一步加剧电网调峰难度。现有的电力系统调峰方法主要从源侧出发，通过协调发电站及储能电站的出力跟踪负荷变化实现削峰填谷。对于实际应用相对复杂，同时增大电网调峰成本。
发明内容
本发明的目的在于提供一种实现配电网削峰填谷的负荷控制方法，该方法解决以往方式实际应用相对复杂以及电网调峰成本高的问题，其简单可行，便于工程应用。本发明通过对电力系统可控负荷的转移实现电力系统的削峰填谷。通过模糊C均值聚类算法对电力系统的日负荷数据进行分类，主要聚类负荷是高耗能负荷和储能负荷，对调峰后余荷建立目标函数，同时给出约束条件，然后通过细菌趋药性(BCC)算法进行求解。本发明所采用的方法能够通过对高耗能与储热负荷的转移实现电力系统削峰填谷。
本发明的技术方案通过如下方式实现：
一种实现配电网削峰填谷的负荷控制方法，其特征在于：该方法步骤如下：
步骤1)根据电网的实际运行情况得到日负荷曲线；
步骤2)针对所得到的日负荷曲线，通过模糊C均值聚类算法对日负荷曲线进行聚类；从日负荷曲线中分离出高耗能负荷曲线与储热负荷曲线；
步骤3)针对步骤2)中的高耗能负荷曲线与储热负荷曲线，对高耗能负荷与储热负荷进行转移，实现配电网削峰填谷的负荷控制。
步骤1)中所述的日负荷曲线中，日负荷为24小时，每条曲线有b个测量数据，则第a条用户的用电曲线为Ya；
Ya＝[Ya1,Ya2,Ya3,…Yab]。
步骤2)中通过模糊C均值聚类算法对负荷曲线进行聚类的方式如下：通过隶属度函数表达各类负荷属于各特征的程度，隶属度函数U如下式表示：
式(1)中，U为隶属度，uij表示样本点xi属于第j(0≤j≤c)类的程度，c为聚类中心数，n为样本数；
通过式(1)中的隶属度函数进行搜索，当公式(2)中的函数L取得最小值时，表示隶属度关系最优；
式(2)中，m∈[1,∞)是模糊加权系数，cj是负荷类别中第j类的聚类中心；
得到隶属度函数后需要计算聚类中心，即
式(3)中，cj是c类中心第j类的聚类中心，xi为样本点；
由聚类中心更新隶属度函数，即
式(4)中，k为迭代次数，dij表示样本点xi到聚类中心j的距离，h为聚类个数一共为c类，m为模糊加权系数；
给定求解的收敛精度S，当迭代精度小于S时则停止迭代，否则继续当前函数；
最终根据公式(4)输出聚类结果中筛选出高耗能与储热负荷，当迭代精度小于S时输出聚类结果即为高耗能与储热负荷。
步骤3)中的对高耗能负荷与储热负荷进行转移的方式如下：
(3.1)、以预期的、转移后的峰谷时段余荷的稳定性为优化目标，建立目标函数；
(3.2)、根据电力系统的实际运行状态(根据运行参数，保证电力系统安全运行状态)、高耗能负荷以及储热负荷的转移条件，建立约束条件；
(3.3)、通过BCC优化算法对步骤(3.1)的目标函数进行求解，求解过程利用步骤(3.2)中的约束条件，得到的结果为高耗能负荷与储热负荷的最佳负荷转移方案。
(3.1)所述的目标函数为：
式(5)中，e为自然常熟，为系统在第j时段转以后的剩余负荷，j表示时段，p为精度控制参数，T为总时段数；
其中，
式(6)中，Cj为系统在时段j的总剩余负荷，i为负荷编号，I为总负荷数，Qi,j为负荷i在时段j的转移负荷。
(3.2)中建立约束条件具体方式：
a.功率平衡约束：
节点功率平衡方程为：
式(7)中，Pl,j为线路l在时段j的功率，Al,s＝1表示节点s在l线路的首端，Al,s＝-1表示节点s在l线路的末端，Al,s＝0表示节点s不与l线路相连，Ds,j表示节点s在时段j的功率，Pl表示线路l的功率；t表示时段；
b.可转移负荷运行状态约束：
定义两个辅助变量Rsu,ij，Ron,ij；其中，Rsu,ij为可转移负荷的启动指示变量，Ron,ij为可转移负荷的运行指示变量；可转移负荷的状态约束为：
式(8)中，Tsus,i表示可转移负荷任务i的持续时间，t表示时段；
c.可转移负荷转移时间范围约束：
可转移负荷如果需要在特定时间启动表示为：
式(9)中，Tmax,j和Tmin,j为可转移负荷j转移时间的最大值和最小值；
d.可转移负荷的同时转移任务约束：
可转移负荷j1和可转移负荷j2同时启动表示为：
Rsu,ij1-Rsu,ij2＝0 (10)
式(10)中，Rsu,ij1表示可转移负荷j1的启动指示变量，Rsu,ij2表示可转移负荷j2的启动指示变量；
e.可转移负荷同时运行的任务约束：
可转移负荷j1和可转移负荷j2同时运行表示为：
式(10)中，Ron,ij1表示可转移负荷j1的运行指示变量，Ron,ij2表示可转移负荷j2的运行指示变量，Tsus,j1表示可转移负荷任务j1的持续时间，Tsus,j2表示可转移负荷任务j2的持续时间；
上述约束条件需要同时满足。
(3.3)中通过BCC优化算法对步骤(3.1)的目标函数进行求解得到高耗能负荷与储热负荷的最佳负荷转移方案，具体方式如下：
a.对系统进行初始化设置；
b.初始精度控制参数设定；
c.通过设定使细菌群体的初始位置随机分布；
d.分别计算趋化过程和感知过程中的目标函数，将两次计算所得出的函数值进行比较，取两者中较小的函数值，记为fbetter并标记出细菌位置xbetter；利用公式(7)至(11)中的约束条件对计算趋化过程和感知过程中出现的“不合理”菌群进行变异计算；
e.采取精英保留的方式，计算出每次迭代后位置最不理想的细菌，将其标记并移动到上一次迭代时细菌位置xbetter处，记录下每次最优值；
f.更新迭代后的细菌位置精度和速度，对感知范围的细菌群进行自适应调整，将更新参数后的菌群移动到c中，再一次计算趋化过程和感知过程；
g.重复迭代过程，直到公式(5)中的精度控制参数的最终结果满足b中的初始设定精度要求时，循环结束，并记录，如不能满足BCC算法公式(5)中的精度控制参数则重复进行c-e的过程，当达到迭代次数最大时跳出循环。
一种实现配电网削峰填谷的负荷控制系统，其特征在于：该系统包括日负荷曲线构建模块、聚类分离模块和负荷控制模块；
日负荷曲线构建模块根据电网的实际运行情况得到日负荷曲线；
聚类分离模块针对日负荷曲线构建模块所得到的日负荷曲线，通过模糊C均值聚类算法对日负荷曲线进行聚类；从日负荷曲线中分离出高耗能负荷曲线与储热负荷曲线；
负荷控制模块针对聚类分离模块中的高耗能负荷曲线与储热负荷曲线，对高耗能负荷与储热负荷进行转移，实现配电网削峰填谷的负荷控制。
本发明的优势在于：
(1)本发明从负荷侧解决电网的调峰问题，解决问题方式简单，便于工程实际应用。
(2)本发明采用了模糊c均值聚类算法对电力负荷进行分类，对高耗能负荷与储热负荷进行特征识别，同时针对两种负荷中的可控负荷转移，以实现电网的消峰减谷。
(3)本发明将细菌趋药性算法对目标函数进行求解，有效缓解电力系统在第二峰期时的供电压力，同时能够使夜间供电谷期负荷曲线更加平滑。
附图说明
图1实现配电网削峰填谷的负荷控制方法流程图；
图2 BCC优化算法流程图；
图3储热负荷聚类结果；图中纵坐标为功率，横坐标为一天24小时每15分钟取一点，每天96点负荷数据。
图4高耗能负荷聚类结果；图中纵坐标为功率，横坐标为一天24小时每小时取一点，每天24点负荷数据。
图5调峰前后效果对比图；图中纵坐标为功率，横坐标为一天24小时每15分钟取一点，每天96点负荷数据。
具体实施方式
下面结合负荷模型对本发明进行详细阐述。
本发明提出一种基于负荷控制的调峰优化方法。该方法简单可行，便于在工程中实际应用。本发明通过对电力系统可控负荷的转移实现电力系统的削峰填谷。具体包括以下步骤。
步骤1)根据电网的实际运行情况得到日负荷曲线；
步骤2)针对所得到的日负荷曲线，通过模糊C均值聚类算法对负荷曲线进行聚类；从日负荷曲线中分离出高耗能负荷曲线与储热负荷曲线；
步骤3)对高耗能负荷与储热负荷进行转移，实现配电网削峰填谷的负荷控制。
所述的步骤1)中的负荷曲线为电网的日负荷曲线，该曲线可以充分反映用户的用电行为，主要包括居民用电、工业用电、商业用电用电类别负荷曲线，日负荷为24小时，每条曲线有b个测量数据，则第a条用户的用电曲线为Ya。
Ya＝[Ya1,Ya2,Ya3,…Yab] (1)
所述的步骤2)采取模糊C均值聚类算法对负荷曲线进行聚类分析。通过隶属度函数表达各类负荷属于各特征的程度，隶属度函数U如下式表示：
式(1)中，U为隶属度，uij表示样本点xi属于第j(0≤j≤c)类的程度，c为聚类中心数，n为样本数；
通过式(1)中的隶属度函数进行搜索，当公式(2)中的函数L取得最小值时，表示隶属度关系最优；
式(2)中，m∈[1,∞)是模糊加权系数，cj是负荷类别中第j类的聚类中心；
得到隶属度函数后需要计算聚类中心，即
式(3)中，cj是c类中心第j类的聚类中心，xi为样本点；
由聚类中心更新隶属度函数，即
式(4)中，k为迭代次数，dij表示样本点xi到聚类中心j的距离，h为聚类个数一共为c类，m为模糊加权系数；
给定求解的收敛精度S，当迭代精度小于S时则停止迭代，否则继续当前函数；通过上述的模糊C均值聚类算法对某市2018年11月15日2624条专线日负荷数据进聚类，最终聚类出储热负荷数据如图3所示，高耗能负荷数据如图4所示。
所述的步骤3)中的对高耗能负荷与储热负荷进行转移的方式如下：
(3.1)、以预期的、转移后的峰谷时段余荷的稳定性为优化目标，建立目标函数；
(3.2)、根据电力系统的实际运行状态、高耗能负荷以及储热负荷的转移条件，建立约束条件；
(3.3)、通过BCC优化算法对步骤(3.1)的目标函数进行求解，求解过程利用步骤(3.2)中的约束条件，得到的结果为高耗能负荷与储热负荷的最佳负荷转移方案。
(3.1)所述的目标函数为：
式(5)中，e为自然常熟，为系统在第j时段转以后的剩余负荷，j表示时段，p为精度控制参数，T为总时段数；
其中，
式(6)中，Cj为系统在时段j的总剩余负荷，i为负荷编号，I为总负荷数，Qi,j为负荷i在时段j的转移负荷
(3.2)中建立约束条件具体方式：
a.功率平衡约束：
节点功率平衡方程为：
式(7)中，Pl,j为线路l在时段j的功率，Al,s＝1表示节点s在l线路的首端，Al,s＝-1表示节点s在l线路的末端，Al,s＝0表示节点s不与l线路相连，Ds,j表示节点s在时段j的功率，Pl表示线路l的功率；
b.可转移负荷运行状态约束：
定义两个辅助变量Rsu,ij，Ron,ij；其中，Rsu,ij为可转移负荷的启动指示变量，Ron,ij为可转移负荷的运行指示变量；可转移负荷的状态约束为：
式(8)中，Tsus,i表示可转移负荷任务i的持续时间，t表示时段；
c.可转移负荷转移时间范围约束：
可转移负荷如果需要在特定时间启动表示为：
式(9)中，Tmax,j和Tmin,j为可转移负荷j转移时间的最大值和最小值；
d.可转移负荷的同时转移任务约束：
可转移负荷j1和可转移负荷j2同时启动表示为：
Rsu,ij1-Rsu,ij2＝0 (10)
式(10)中，Rsu,ij1表示可转移负荷j1的启动指示变量，Rsu,ij2表示可转移负荷j2的启动指示变量；
e.可转移负荷同时运行的任务约束：
可转移负荷j1和可转移负荷j2同时运行表示为：
式(10)中，Ron,ij1表示可转移负荷j1的运行指示变量，Ron,ij2表示可转移负荷j2的运行指示变量，Tsus,j1表示可转移负荷任务j1的持续时间，Tsus,j2表示可转移负荷任务j2的持续时间；
上述约束条件需要同时满足。
(3.3)中通过BCC优化算法对步骤(3.1)的目标函数进行求解得到高耗能负荷与储热负荷的最佳负荷转移方案，具体方式如下：
a.对系统进行初始化设置；
b.初始精度控制参数设定；
c.通过设定使细菌群体的初始位置随机分布；
d.分别计算趋化过程和感知过程中的目标函数，将两次计算所得出的函数值进行比较，取两者中较小的函数值，记为fbetter并标记出细菌位置xbetter；利用公式(7)至(11)中的约束条件对计算趋化过程和感知过程中出现的“不合理”菌群进行变异计算；
e.采取精英保留的方式，计算出每次迭代后位置最不理想的细菌，将其标记并移动到上一次迭代时细菌位置xbetter处，记录下每次最优值；
f.更新迭代后的细菌位置精度和速度，对感知范围的细菌群进行自适应调整，将更新参数后的菌群移动到c中，再一次计算趋化过程和感知过程；
g.重复迭代过程，直到公式(5)中的精度控制参数的最终结果满足b中的初始设定精度要求时，循环结束，并记录，如不能满足BCC算法公式(5)中的精度控制参数则重复进行c-e的过程，当达到迭代次数最大时跳出循环。
一种实现配电网削峰填谷的负荷控制系统，其特征在于：该系统包括日负荷曲线构建模块、聚类分离模块和负荷控制模块；
日负荷曲线构建模块根据电网的实际运行情况得到日负荷曲线；
聚类分离模块针对日负荷曲线构建模块所得到的日负荷曲线，通过模糊C均值聚类算法对日负荷曲线进行聚类；从日负荷曲线中分离出高耗能负荷曲线与储热负荷曲线；
负荷控制模块针对聚类分离模块中的高耗能负荷曲线与储热负荷曲线，对高耗能负荷与储热负荷进行转移，实现配电网削峰填谷的负荷控制。
本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
通过上述BCC优化算法对某市的日负荷曲线进行优化，其转移前后的效果对比如图5所示。结果表明，通过本方法优化后可以达到移峰填谷效果。
通过本发明可以有效地从负荷侧解决电网的调峰问题，通过优化算法将高峰时段的高耗能负荷与储热负荷转移到低估时段，同时能够使余留负荷平滑，环节电网的调峰压力。

Claims (10)

1.一种实现配电网削峰填谷的负荷控制方法，其特征在于：该方法步骤如下：
步骤1)根据电网的实际运行情况得到日负荷曲线；
步骤2)针对所得到的日负荷曲线，通过模糊C均值聚类算法对日负荷曲线进行聚类；从日负荷曲线中分离出高耗能负荷曲线与储热负荷曲线；
步骤3)针对步骤2)中的高耗能负荷曲线与储热负荷曲线，对高耗能负荷与储热负荷进行转移，实现配电网削峰填谷的负荷控制。
2.根据权利要求1所述的一种实现配电网削峰填谷的负荷控制方法，其特征在于：步骤1)中所述的日负荷曲线中，日负荷为24小时，每条曲线有b个测量数据，则第a条用户的用电曲线为Ya；
Ya＝[Ya1,Ya2,Ya3,…Yab]。
3.根据权利要求1所述的一种实现配电网削峰填谷的负荷控制方法，其特征在于：步骤2)中通过模糊C均值聚类算法对负荷曲线进行聚类的方式如下：通过隶属度函数表达各类负荷属于各特征的程度，隶属度函数U如下式表示：
式(1)中，U为隶属度，uij表示样本点xi属于第j(0≤j≤c)类的程度，c为聚类中心数，n为样本数；
通过式(1)中的隶属度函数进行搜索，当公式(2)中的函数L取得最小值时，表示隶属度关系最优；
式(2)中，m∈[1,∞)是模糊加权系数，cj是负荷类别中第j类的聚类中心；
得到隶属度函数后需要计算聚类中心，即
式(3)中，cj是c类中心第j类的聚类中心，xi为样本点；
由聚类中心更新隶属度函数，即
式(4)中，k为迭代次数，dij表示样本点xi到聚类中心j的距离，h为聚类个数一共为c类，m为模糊加权系数；
给定求解的收敛精度S，当迭代精度小于S时则停止迭代，否则继续当前函数；
最终根据公式(4)输出聚类结果中筛选出高耗能与储热负荷，当迭代精度小于S时输出聚类结果即为高耗能与储热负荷。
4.根据权利要求1所述的一种实现配电网削峰填谷的负荷控制方法，其特征在于：步骤3)中的对高耗能负荷与储热负荷进行转移的方式如下：
(3.1)、以预期的、转移后的峰谷时段余荷的稳定性为优化目标，建立目标函数；
(3.2)、通过BCC优化算法对步骤(3.1)的目标函数进行求解，得到的结果为高耗能负荷与储热负荷的最佳负荷转移方案。
5.根据权利要求4所述的一种实现配电网削峰填谷的负荷控制方法，其特征在于：(3.2)步骤中求解之前，先建立高耗能负荷以及储热负荷的转移的约束条件，然后通过BCC优化算法对步骤(3.1)的目标函数进行求解，求解过程利用所建立的约束条件，得到的结果为高耗能负荷与储热负荷的最佳负荷转移方案。
6.根据权利要求4或5所述的一种实现配电网削峰填谷的负荷控制方法，其特征在于：(3.1)所述的目标函数为：
式(5)中，e为自然常熟，为系统在第j时段转以后的剩余负荷，j表示时段，p为精度控制参数，T为总时段数；
其中，
式(6)中，Cj为系统在时段j的总剩余负荷，i为负荷编号，I为总负荷数，Qi,j为负荷i在时段j的转移负荷。
7.根据权利要求5所述一种实现配电网削峰填谷的负荷控制方法，其特征在于：建立约束条件具体方式：
a.功率平衡约束：
节点功率平衡方程为：
式(7)中，Pl,j为线路l在时段j的功率，Al,s＝1表示节点s在l线路的首端，Al,s＝-1表示节点s在l线路的末端，Al,s＝0表示节点s不与l线路相连，Ds,j表示节点s在时段j的功率，Pl表示线路l的功率；t表示时段；
b.可转移负荷运行状态约束：
定义两个辅助变量Rsu,ij，Ron,ij；其中，Rsu,ij为可转移负荷的启动指示变量，Ron,ij为可转移负荷的运行指示变量；可转移负荷的状态约束为：
式(8)中，Tsus,i表示可转移负荷任务i的持续时间，t表示时段；
c.可转移负荷转移时间范围约束：
可转移负荷如果需要在特定时间启动表示为：
式(9)中，Tmax,j和Tmin,j为可转移负荷j转移时间的最大值和最小值；
d.可转移负荷的同时转移任务约束：
可转移负荷j1和可转移负荷j2同时启动表示为：
Rsu,ij1-Rsu,ij2＝0 (10)
式(10)中，Rsu,ij1表示可转移负荷j1的启动指示变量，Rsu,ij2表示可转移负荷j2的启动指示变量；
e.可转移负荷同时运行的任务约束：
可转移负荷j1和可转移负荷j2同时运行表示为：
式(10)中，Ron,ij1表示可转移负荷j1的运行指示变量，Ron,ij2表示可转移负荷j2的运行指示变量，Tsus,j1表示可转移负荷任务j1的持续时间，Tsus,j2表示可转移负荷任务j2的持续时间；
上述约束条件需要同时满足。
8.根据权利要求6所述的一种实现配电网削峰填谷的负荷控制方法，其特征在于：(3.2)中通过BCC优化算法对步骤(3.1)的目标函数进行求解得到高耗能负荷与储热负荷的最佳负荷转移方案，具体方式如下：
a.初始精度控制参数设定；
b.通过设定使细菌群体的初始位置随机分布；
c.分别计算趋化过程和感知过程中的目标函数，将两次计算所得出的函数值进行比较，取两者中较小的函数值，记为fbetter并标记出细菌位置xbetter；利用公式(7)至(11)中的约束条件对计算趋化过程和感知过程中出现的“不合理”菌群进行变异计算；
d.采取精英保留的方式，计算出每次迭代后位置最不理想的细菌，将其标记并移动到上一次迭代时细菌位置xbetter处，记录下每次最优值；
e.更新迭代后的细菌位置精度和速度，对感知范围的细菌群进行自适应调整，将更新参数后的菌群移动到b中，再一次计算趋化过程和感知过程；
f.重复迭代过程，直到公式(5)中的精度控制参数的最终结果满足a中的初始设定精度要求时，循环结束，并记录，如不能满足BCC算法公式(5)中的精度控制参数则重复进行b-d的过程，当达到迭代次数最大时跳出循环。
9.根据权利要求8所述的一种实现配电网削峰填谷的负荷控制方法，其特征在于：初始精度控制参数设定前，先对系统进行初始化设置。
10.一种实现配电网削峰填谷的负荷控制系统，其特征在于：该系统包括日负荷曲线构建模块、聚类分离模块和负荷控制模块；
日负荷曲线构建模块根据电网的实际运行情况得到日负荷曲线；
聚类分离模块针对日负荷曲线构建模块所得到的日负荷曲线，通过模糊C均值聚类算法对日负荷曲线进行聚类；从日负荷曲线中分离出高耗能负荷曲线与储热负荷曲线；
负荷控制模块针对聚类分离模块中的高耗能负荷曲线与储热负荷曲线，对高耗能负荷与储热负荷进行转移，实现配电网削峰填谷的负荷控制。
CN201910229871.3A 2019-03-25 2019-03-25 一种实现配电网削峰填谷的负荷控制方法 Pending CN110097474A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910229871.3A CN110097474A (zh) 2019-03-25 2019-03-25 一种实现配电网削峰填谷的负荷控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910229871.3A CN110097474A (zh) 2019-03-25 2019-03-25 一种实现配电网削峰填谷的负荷控制方法

Publications (1)

Publication Number Publication Date
CN110097474A true CN110097474A (zh) 2019-08-06

Family

ID=67443966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910229871.3A Pending CN110097474A (zh) 2019-03-25 2019-03-25 一种实现配电网削峰填谷的负荷控制方法

Country Status (1)

Country Link
CN (1) CN110097474A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110705879A (zh) * 2019-09-30 2020-01-17 国网山东省电力公司滨州供电公司 一种高比例可再生能源接入下的电网脆弱性评估方法
CN111144447A (zh) * 2019-12-09 2020-05-12 国网新疆电力有限公司电力科学研究院 一种新能源出力引起的反调峰风险的电网峰谷时段划分方法
CN111951123A (zh) * 2020-08-06 2020-11-17 清华大学 控制用电负荷的方法、装置、计算机设备和存储介质
CN112928752A (zh) * 2021-02-03 2021-06-08 广州市电力工程设计院有限公司 一种用电负荷预测方法、装置及存储介质
CN115859452A (zh) * 2023-02-20 2023-03-28 湖南大学 一种基于数据驱动的可转移负荷建模方法、装置、设备及介质
CN115994714A (zh) * 2023-03-22 2023-04-21 江苏金寓信息科技有限公司 一种基于大数据统计的idc机房锂电池效能评估方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103401239A (zh) * 2013-08-07 2013-11-20 国家电网公司 电力需求侧参与缓解配电线路过载的方法
CN106451474A (zh) * 2016-11-10 2017-02-22 国电南瑞科技股份有限公司 规模化空调负荷参与电网调峰优化调度方法
CN106779365A (zh) * 2016-12-02 2017-05-31 合肥工业大学 一种基于需求响应的家庭负荷优化调度方法
CN107017630A (zh) * 2017-05-18 2017-08-04 南京师范大学 一种多时间尺度的电力需求侧响应方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103401239A (zh) * 2013-08-07 2013-11-20 国家电网公司 电力需求侧参与缓解配电线路过载的方法
CN106451474A (zh) * 2016-11-10 2017-02-22 国电南瑞科技股份有限公司 规模化空调负荷参与电网调峰优化调度方法
CN106779365A (zh) * 2016-12-02 2017-05-31 合肥工业大学 一种基于需求响应的家庭负荷优化调度方法
CN107017630A (zh) * 2017-05-18 2017-08-04 南京师范大学 一种多时间尺度的电力需求侧响应方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
冯仲恺 等: ""水电站群联合调峰调度均匀逐步优化方法"", 《中国电机工程学报》 *
王炳鑫等: "面向"削峰填谷"的电力客户用电行为分析", 《电信科学》 *
舒隽 等: ""考虑工业大用户负荷转移的安全约束机组组合"", 《现代电力》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110705879A (zh) * 2019-09-30 2020-01-17 国网山东省电力公司滨州供电公司 一种高比例可再生能源接入下的电网脆弱性评估方法
CN111144447A (zh) * 2019-12-09 2020-05-12 国网新疆电力有限公司电力科学研究院 一种新能源出力引起的反调峰风险的电网峰谷时段划分方法
CN111144447B (zh) * 2019-12-09 2022-05-31 国网新疆电力有限公司电力科学研究院 一种新能源出力引起的反调峰风险的电网峰谷时段划分方法
CN111951123A (zh) * 2020-08-06 2020-11-17 清华大学 控制用电负荷的方法、装置、计算机设备和存储介质
CN111951123B (zh) * 2020-08-06 2022-12-09 清华大学 控制用电负荷的方法、装置、计算机设备和存储介质
CN112928752A (zh) * 2021-02-03 2021-06-08 广州市电力工程设计院有限公司 一种用电负荷预测方法、装置及存储介质
CN115859452A (zh) * 2023-02-20 2023-03-28 湖南大学 一种基于数据驱动的可转移负荷建模方法、装置、设备及介质
CN115994714A (zh) * 2023-03-22 2023-04-21 江苏金寓信息科技有限公司 一种基于大数据统计的idc机房锂电池效能评估方法
CN115994714B (zh) * 2023-03-22 2023-05-19 江苏金寓信息科技有限公司 一种基于大数据统计的idc机房锂电池效能评估方法

Similar Documents

Publication Publication Date Title
CN110097474A (zh) 一种实现配电网削峰填谷的负荷控制方法
CN107301472B (zh) 基于场景分析法和电压调节策略的分布式光伏规划方法
CN109799851B (zh) 一种基于负荷簇温度调控的用户侧负荷响应方法
CN107706932B (zh) 一种基于动态自适应模糊逻辑控制器的能量调度优化方法
CN104810860A (zh) 一种风电场内功率分配方法及分配装置
CN109447393A (zh) 一种电力系统经济负荷分配的改进的粒子群算法
CN106096790A (zh) 基于变频空调虚拟机组建模的虚拟电厂日前和实时市场优化调度方法
CN114512994A (zh) 一种集群温控负荷系统调频方法、系统、设备及介质
CN105760959A (zh) 一种基于两阶段萤火虫编码的机组组合优化方法
CN113378100B (zh) 考虑碳排放的配电网源网荷储协同优化调度模型和方法
CN103617455A (zh) 基于虚拟机组子群的网厂两级负荷优化调度方法
CN110796279A (zh) 一种多能互补优化运行方法与系统
Wang et al. Coordinated load shedding control scheme for recovering frequency in islanded microgrids
CN117060470A (zh) 一种基于灵活性资源的配电网电压优化控制方法
CN104537445A (zh) 一种网省两级多电源短期协调调峰方法
CN109460875A (zh) 基于果蝇优化算法的电力系统经济调度方法
CN108734419A (zh) 一种基于知识迁移的高炉煤气调度系统建模方法
CN109149658A (zh) 基于一致性理论的独立微电网分布式动态经济调度方法
CN106169756A (zh) 一种计及经济特性的孤岛微网频率协同控制方法
Hussain et al. Energy management of buildings with energy storage and solar photovoltaic: A diversity in experience approach for deep reinforcement learning agents
CN116227883A (zh) 一种基于深度强化学习的智能家庭能量管理系统预测决策一体化调度方法
CN113890063B (zh) 一种孤岛微电网恢复频率的协调减载控制方法
CN110380442A (zh) 基于多层优化策略的微电网经济调度方法
Wenhao et al. An analytical method for intelligent electricity use pattern with demand response
Kou Particle Swarm Optimization Based Reactive Power Dispatch for Power Networks with Distributed Generation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190806