CN110212533A - 一种产消者功率的确定方法及系统 - Google Patents
一种产消者功率的确定方法及系统 Download PDFInfo
- Publication number
- CN110212533A CN110212533A CN201910620084.1A CN201910620084A CN110212533A CN 110212533 A CN110212533 A CN 110212533A CN 201910620084 A CN201910620084 A CN 201910620084A CN 110212533 A CN110212533 A CN 110212533A
- Authority
- CN
- China
- Prior art keywords
- power
- producer
- consumer
- electric energy
- predicted
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005457 optimization Methods 0.000 claims abstract description 127
- 238000010248 power generation Methods 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000005611 electricity Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 101100264172 Oryza sativa subsp. japonica XIAO gene Proteins 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种产消者功率的确定方法及系统,该方法为:获取产消者在预设时间段内的预测输出电功率和总需求电功率;根据预测输出电功率和总需求电功率,确定产消者从电网获取的第一预测得电功率和从其他产消者获取的第二预测得电功率,并计算得到产消者所需花费的成本;基于成本确定产消者的电能优化配置;执行电能优化配置,确定产消者的实际发电功率、从电网获取的第一实际得电功率和共享电功率。本方案中,利用产消者在预设时间段内的预测输出电功率和总需求功率,结合产消者需花费的成本,确定产消者的电能优化配置,从而确定产消者的功率计划。不需要P2P平台统一计算所有产消者的用电计划,提高电能源利用率和用户的隐私安全性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种产消者功率的确定方法及系统。
背景技术
随着科学技术的不断发展,电能源已经成为人类社会中不可或缺的部分。目前电能源的供给方式为:配电网根据不同用户的需求,统一为用户进行配电。但是,用户对电能源的需求在不断的增加,配电网也面临着扩容和堵塞等问题。
随着拥有自主发电能力的用户不断增多,即产消者不断增多,产消者可以根据自身的计划,与其他产消者进行电能源交换。目前较为常见的电能源交换方式为:所有产消者将自身的售电计划上报至P2P平台,由P2P平台存储并计算所有产消者的用电计划后,集体出清所有产消者的售电计划。但是一方面,产消者的数量较大,存储和计算所有产消者的用电计划存在存储成本高和计算成本高等问题。另一方面,由P2P平台存储和计算所有产消者的用电计划,容易大面积泄露产消者的用电计划,用户的隐私安全性较低。
发明内容
有鉴于此,本发明实施例提供一种产消者功率的确定方法及系统,以解决由P2P平台统一存储和计算所有产消者的用电计划存在的存储成本高、计算成本高和隐私安全性低等问题。
为实现上述目的,本发明实施例提供如下技术方案:
本发明实施例第一方面公开一种产消者功率的确定方法,所述方法包括:
获取产消者的发电设备在预设时间段内的预测输出电功率,以及所述产消者的耗电设备在所述预设时间段内的总需求电功率;
根据所述预测输出电功率和总需求电功率,确定所述产消者从电网获取的第一预测得电功率和从其他产消者获取的第二预测得电功率;
基于预测输出功率、第一预测得电功率和第二预测得电功率计算得到所述产消者所需花费的成本,基于所述成本确定所述产消者的电能优化配置;
执行所述电能优化配置,确定所述产消者在所述预设时间段内的实际发电功率、从电网获取的第一实际得电功率和共享电功率,所述共享电功率为所述产消者与其他产消者进行电能交换的电功率。
优选的,所述基于预测输出功率、第一预测得电功率和第二预测得电功率计算得到所述产消者所需花费的成本,基于所述成本,确定所述产消者的电能优化配置,包括:
利用所述预测输出功率和所述第一预测得电功率,分别确定所述产消者在所述预设时间段内的发电成本和电网得电成本;
基于预先构建的电能优化函数,根据电能交互的网损参数、所述第一预测得电功率、第二预测得电功率、发电成本和电网得电成本,确定所述产消者的电能优化配置。
优选的,所述预先构建的电能优化函数的过程包括:
利用网损参数、第一预测得电功率、第二预测得电功率、发电成本和电网得电成本,确定所述产消者的第一电能优化函数;
将所述第二预测得电功率作为所述第一电能优化函数的公共约束,利用拉格朗日乘子与所述公共约束的乘积和所述第一电能优化函数,确定所述产消者的第二电能优化函数。
优选的,所述确定所述产消者的电能优化配置,包括:
对所述第二电能优化函数进行解耦,得到所述产消者的第三电能优化函数;
解析所述第三电能优化函数,得到所述产消者的电能优化配置;
判断所述拉格朗日乘子是否收敛;
若是,确定所述电能优化配置为所述产消者的最终电能优化配置;
若否,利用所述电能优化配置更新所述拉格朗日乘子,并返回解析所述第三电能优化函数这一步骤。
优选的,所述利用所述电能优化配置更新所述拉格朗日乘子,包括:
利用更新所述拉格朗日乘子λh,t,其中,为所述产消者在t时刻的第二预测得电功率,为所述产消者在t时刻的出电功率,ah为预设的步长系数。
本发明实施例第二方面公开一种产消者功率的确定系统,所述系统包括:
获取单元,用于获取产消者的发电设备在预设时间段内的预测输出电功率,以及所述产消者的耗电设备在所述预设时间段内的总需求电功率;
第一确定单元,用于根据所述预测输出电功率和总需求电功率,确定所述产消者从电网获取的第一预测得电功率和从其他产消者获取的第二预测得电功率;
第二确定单元,用于基于预测输出功率、第一预测得电功率和第二预测得电功率计算得到所述产消者所需花费的成本,基于所述成本确定所述产消者的电能优化配置;
第三确定单元,用于执行所述电能优化配置,确定所述产消者在所述预设时间段内的实际发电功率、从电网获取的第一实际得电功率和共享电功率,所述共享电功率为所述产消者与其他产消者进行电能交换的电功率。
优选的,所述第二确定单元包括:
第一确定模块,用于利用所述预测输出功率和所述第一预测得电功率,分别确定所述产消者在所述预设时间段内的发电成本和电网得电成本;
第二确定模块,用于基于预先构建的电能优化函数,根据电能交互的网损参数、所述第一预测得电功率、第二预测得电功率、发电成本和电网得电成本,确定所述产消者的电能优化配置。
优选的,所述第二确定单元具体用于:利用网损参数、第一预测得电功率、第二预测得电功率、发电成本和电网得电成本,确定所述产消者的第一电能优化函数,将所述第二预测得电功率作为所述第一电能优化函数的公共约束,利用拉格朗日乘子与所述公共约束的乘积和所述第一电能优化函数,确定所述产消者的第二电能优化函数。
优选的,所述第二确定单元包括:
解耦模块,对所述第二电能优化函数进行解耦,得到所述产消者的第三电能优化函数;
解析模块,用于解析所述第三电能优化函数,得到所述产消者的电能优化配置;
处理模块,用于判断所述拉格朗日乘子是否收敛,若是,确定所述电能优化配置为所述产消者的最终电能优化配置,若否,利用所述电能优化配置更新所述拉格朗日乘子,并返回执行所述解析模块。
优选的,所述处理模块具体用于:
利用更新所述拉格朗日乘子λh,t,其中,为所述产消者在t时刻的第二预测得电功率,为所述产消者在t时刻的出电功率,ah为预设的步长系数。
基于上述本发明实施例提供的一种产消者功率的确定方法及系统,该方法为:获取产消者的发电设备在预设时间段内的预测输出电功率,以及产消者的耗电设备在预设时间段内的总需求电功率;根据预测输出电功率和总需求电功率,确定产消者从电网获取的第一预测得电功率和从其他产消者获取的第二预测得电功率;基于预测输出功率、第一预测得电功率和第二预测得电功率计算得到产消者所需花费的成本,基于成本确定产消者的电能优化配置;执行电能优化配置,确定产消者在预设时间段内的实际发电功率、从电网获取的第一实际得电功率和共享电功率。本方案中,利用产消者在预设时间段内的预测输出电功率和总需求功率,结合产消者需花费的成本,确定产消者的电能优化配置,从而确定产消者的实际发电功率、从电网获取的第一实际得电功率和共享电功率。不需要P2P平台统一计算所有产消者的用电计划,提高电能源利用率和用户的隐私安全性。
附图说明
为了更清楚地说明本发明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发明的实施例,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为本发明实施例提供的一种产消者功率的确定方法流程图;
图2为本发明实施例提供的确定产消者的电能优化配置流程图;
图3为本发明实施例提供的确定产消者功率的流程示意图;
图4a为本发明实施例提供的产消者与其他产消者的功率交换图;
图4b为本发明实施例提供的产消者功率计划图;
图5为本发明实施例提供的一种产消者功率的确定系统的结构框图;
图6为本发明实施例提供的另一种产消者功率的确定系统的结构框图;
图7为本发明实施例提供的又一种产消者功率的确定系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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,都属于本发明保护的范围。
在本申请中,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。
由背景技术可知,目前使用P2P平台进行电能源的交换方式一方面由于产消者的数量较大,存储和计算所有产消者的用电计划存在存储成本高和计算成本高等问题。另一方面,由P2P平台存储和计算所有产消者的用电计划,容易大面积泄露产消者的用电计划,用户的隐私安全性较低。
因此,本发明实施例提供一种产消者功率的确定方法及系统,利用产消者在预设时间段内的预测输出电功率和总需求功率,结合产消者需花费的成本,确定产消者的电能优化配置,从而确定产消者的实际发电功率、从电网获取的第一实际得电功率和共享电功率。以降低存储成本、计算成本和提高电能源利用率和用户的隐私安全性。
需要说明的是,在本发明实施例中涉及的产消者具体指:拥有光伏发电设备和微型燃气轮机等发电设备,且能自行进行发电的用户。
参考图1,示出了本发明实施例提供的一种产消者功率的确定方法流程图,包括以下步骤:
步骤S101:获取产消者的发电设备在预设时间段内的预测输出电功率,以及所述产消者的耗电设备在所述预设时间段内的总需求电功率。
在具体实现步骤S101的过程中,利用所述产消者的输出电功率和需求电功率的先验知识,确定所述产消者在预设时间段内的预测输出电功率和总需求电功率。
例如:若所述产消者拥有光伏发电设备和微型燃气轮机,确定产消者h在预设时间段t的光伏发电预测电功率和微型燃气轮机预测发电功率所述和的取值范围分别如公式(1)和公式(2)所示。
在所述公式(1)和公式(2)中,为光伏发电设备在时间段t内输出的最大电功率,和分别为微型燃气轮机在时间段t内输出的最小电功率和最大电功率。
步骤S102:根据所述预测输出电功率和总需求电功率,确定所述产消者从电网获取的第一预测得电功率和从其他产消者获取的第二预测得电功率。
需要说明的是,产消者除了使用自身的发电设备输出的电功率以外,也可从其它渠道获取电功率,以满足自身的电功率需求。
例如:从电网获取电功率和从其他产消者获取电功率。同时,产消者也可将自身产生的电功率在P2P平台中分享给其他用户。所述产消者从其它渠道获取电功率的具体内容可参见公式(3),所述产消者向其他产消者分享电功率的具体内容可参见公式(4)。
在所述公式(3)中,为产消者h在时间段t内获取的电功率,为产消者h在时间段t内从电网购买的电功率,为产消者h在时间段t内从产消者p获取的电功率。
在所述公式(4)中,为产消者h在时间段t内的出电功率,为产消者h在时间段t内分享给产消者p的电功率。
其中,和的取值范围分别如公式(5)、公式(6)和公式(7)所示。
在具体实现步骤S102的过程中,根据所述预测输出电功率和总需求电功率,确定所述产消者需从电网获取的第一预测得电功率,以及确定所述产消者需从其他产消者获取的第二预测得电功率。
需要说明的是,由前述内容可知,所述产消者可向其他产消者分享电功率,即在满足所述产消者日常负荷的情况下,所述产消者可将多余的电功率分享给其他产消者。结合上述公式(1)至公式(7),确定所述产消者的电功率平衡的具体内容如公式(8)。
步骤S103:基于预测输出功率、第一预测得电功率和第二预测得电功率计算得到所述产消者所需花费的成本,基于所述成本确定所述产消者的电能优化配置。
需要说明的是,所述产消者无论是通过自身发电获取电功率,还是从电网和/或其他产消者获取电功率,都需相应的成本。即自身发电需要一定成本,从电网或其他产消者获取电功率也需要成本。通过计算所述产消者花费的最小成本,从而确定所述产消者的电能优化配置。例如:假设产消者h在时间段t内的发电能力是150kw,所述产消者在时间段t内的消耗的电功率为200kw。计算自身发电的成本、从电网和其他产消者获取电功率的成本,在满足获取200kw电功率的情况下,以用电成本最低为目标,确定自身需输出的电功率、从电网获取的电功率和与其他产消者进行电能交换的电功率。
在具体实现步骤S103的过程中,利用所述预测输出功率和所述第一预测得电功率,分别确定所述产消者在所述预设时间段内的发电成本和电网得电成本。所述发电成本如公式(9),所述电网得电成本如公式(10)。在所述公式(9)和公式(10)中,a、b和d为预设系数,ct为时间段t内的日前初始电价,βt为功率需求对节点电价的敏感系数。
进一步的,基于预先构建的电能优化函数,根据电能交互的网损参数ghp、所述第一预测得电功率、第二预测得电功率、发电成本和电网得电成本,确定所述产消者的电能优化配置。其中,构建所述电能优化函数的过程如下:
利用网损参数、第一预测得电功率、第二预测得电功率、发电成本和电网得电成本,确定所述产消者的第一电能优化函数。所述第一电能优化函数如公式(11)。
将所述第二预测得电功率作为所述第一电能优化函数的公共约束,利用拉格朗日乘子与所述公共约束的乘积和所述第一电能优化函数,确定所述产消者的第二电能优化函数。所述公共约束如公式(12),将拉格朗日乘子λh,t引入所述公式(12),确定所述产消者的第二电能优化函数。所述第二电能优化函数如公式(13)。
对所述公式(13)进行解耦和求解,获取所述电能优化配置。
步骤S104:执行所述电能优化配置,确定所述产消者在所述预设时间段内的实际发电功率、从电网获取的第一实际得电功率和共享电功率。
在具体实现步骤S104的过程中,执行所述电能优化配置,确定所述产消者的功率计划,所述功率计划包括:发电计划、电网得电计划和电能分享计划。即获取所述实际发电功率、从电网获取的第一实际得电功率和共享电功率。将所述电能分享计划上传至P2P平台中,与其他产消者进行信息交换。
在本发明实施例中,利用产消者在预设时间段内的预测输出电功率和总需求功率,结合产消者需花费的成本,确定产消者的电能优化配置,从而确定产消者的实际发电功率、从电网获取的第一实际得电功率和共享电功率。不需要P2P平台统一计算所有产消者的用电计划,提高电能源利用率和用户的隐私安全性。
上述本发明实施例图1步骤S103涉及的确定电能优化配置的过程,参考图2,示出了本发明实施例提供的确定产消者的电能优化配置流程图,包括以下步骤:
步骤S201:对所述第二电能优化函数进行解耦,得到所述产消者的第三电能优化函数。
在具体实现步骤S201的过程中,解耦上述公式(13),得到所述产消者的第三电能优化函数如公式(14)。
步骤S202:解析所述第三电能优化函数,得到所述产消者的电能优化配置。
在具体实现步骤S202的过程中,解析所述公式(14),得到所述产消者的功率计划,即得到所述产消者的电能优化配置。
步骤S203:判断所述拉格朗日乘子是否收敛。若是,执行步骤S204,若否,执行步骤S205。
在具体实现步骤S205的过程中,判断所述拉格朗日乘子是否收敛,若收敛,确定本次计算得到的电能优化配置为最终电能优化配置。若未收敛,则更新拉格朗日乘子,利用更新后的拉格朗日乘子并结合公式(14)再次计算电能优化配置,直至拉格朗日乘子收敛。其中,拉格朗日乘子的收敛条件如公式(15),更新拉格朗日乘子的具体内容如公式(16)。
|λh,t[k+1]-λh,t[k]|≤εh (15)
在所述公式(15)中,εh为迭代收敛判据参数。在所述公式(16)中,ah为预设的步长系数。
步骤S204:确定所述电能优化配置为所述产消者的最终电能优化配置。
步骤S205:利用所述电能优化配置更新所述拉格朗日乘子,返回执行步骤S202。
在本发明实施例中,对第二电能优化函数进行解耦,得到第三电能优化函数。解析第三电能优化函数,得到产消者的电能优化配置。若拉格朗日乘子收敛,确定电能优化配置为产消者的最终电能优化配置。若拉格朗日乘子未收敛,更新拉格朗日乘子并再次解析第三电能优化函数直至拉格朗日乘子,得到产消者的最终电能优化配置。根据得到的最终电能优化配置而确定产消者的实际发电功率、从电网获取的第一实际得电功率和共享电功率。不需要P2P平台统一计算所有产消者的用电计划,提高电能源利用率和用户的隐私安全性。
为更好解释说明上述图1和图2中示出的内容,通过图3中示出的内容进行举例说明。参考图3,示出了本发明实施例提供的确定产消者功率的流程示意图,包括以下步骤:
步骤S301:建立产消者的资源模型。
在具体实现步骤S301的过程中,所述资源模型相当于上述涉及到的公式(1)、公式(2)和公式(9)。
步骤S302:建立产消者的功率管理模型。
在具体实现步骤S302的过程中,所述功率管理模型相当于上述涉及到的公式(14)。
步骤S303:对功率管理模型进行自主优化求解,得到产消者的功率计划。
步骤S304:在P2P2平台更新功率计划以及电功率价格。
步骤S305:确定拉格朗日乘子是否收敛,若未收敛,更新拉格朗日乘子后返回执行步骤S303,若收敛,得到最终的功率计划。
在具体实现步骤S305的过程中,确定拉格朗日乘子是否收敛和更新拉格朗日乘子的过程,参见上述涉及到的公式(15)和公式(16)。
需要说明的是,步骤S301至步骤S305中的执行原理,可参见上述本发明实施例图1和图2中各个步骤相对应的内容,在此不再进行赘述。
为更好解释说明上述图1和图2中涉及到的产消者的实际发电功率、从电网获取的第一实际得电功率和共享电功率,通过图4a和图4b中示出的内容进行举例说明。具体内容如下:
假设存在3个产消者,分别为产消者1、产消者2和产消者3。其中,产消者2不具备光伏发电能力,产消者1和产消者3都具有光伏发电能力和微型燃气轮机发电能力。且3个产消者的日常负荷不相同,利用上述公式(1)至公式(16),确定产消者3与其它产消者之间的功率交换图,以及确定产消者3的功率计划图。
参考所述图4a,示出了所述产消者3分别与产消者1和产消者2之间的功率交换图。其中,P31为产消者3从产消者1得到的功率,P32为产消者3从产消者2得到的功率。
参考所述图4b,示出了所述产消者3的功率计划图,P3为产消者3在P2P平台中从其他产消者获取的功率,Pbuyg3为产消者3从电网获取的功率,Pg3为产消者3的微型燃气轮机的发电功率,Pv3为产消者的光伏发电功率。
在本发明实施例中,利用产消者在预设时间段内的预测输出电功率和总需求功率,结合产消者需花费的成本,确定产消者的电能优化配置,从而确定产消者的实际发电功率、从电网获取的第一实际得电功率和共享电功率。不需要P2P平台统一计算所有产消者的用电计划,提高电能源利用率和用户的隐私安全性。
与上述本发明实施例示出的一种产消者功率的确定方法相对应,参考图5,本发明实施例还提供了一种产消者功率的确定系统的结构框图,所述系统包括:获取单元501、第一确定单元502、第二确定单元503和第三确定单元504。
获取单元501,用于获取产消者的发电设备在预设时间段内的预测输出电功率,以及所述产消者的耗电设备在所述预设时间段内的总需求电功率。确定所述预测输出电功率和总需求电功率的具体内容,参见上述本发明实施例图1步骤S101中相对应的内容。
第一确定单元502,用于根据所述预测输出电功率和总需求电功率,确定所述产消者从电网获取的第一预测得电功率和从其他产消者获取的第二预测得电功率。确定第一预测得电功率和第二预测得电功率的具体内容,参见上述本发明实施例图1步骤S102中相对应的内容。
第二确定单元503,用于基于预测输出功率、第一预测得电功率和第二预测得电功率计算得到所述产消者所需花费的成本,基于所述成本确定所述产消者的电能优化配置。
在具体实现中,所述第二确定单元503具体用于:利用网损参数、第一预测得电功率、第二预测得电功率、发电成本和电网得电成本,确定所述产消者的第一电能优化函数,将所述第二预测得电功率作为所述第一电能优化函数的公共约束,利用拉格朗日乘子与所述公共约束的乘积和所述第一电能优化函数,确定所述产消者的第二电能优化函数。获取电能优化配置的具体过程,参见上述本发明实施例图1步骤S103中相对应的内容。
第三确定单元504,用于执行所述电能优化配置,确定所述产消者在所述预设时间段内的实际发电功率、从电网获取的第一实际得电功率和共享电功率,所述共享电功率为所述产消者与其他产消者进行电能交换的电功率。
在本发明实施例中,利用产消者在预设时间段内的预测输出电功率和总需求功率,结合产消者需花费的成本,确定产消者的电能优化配置,从而确定产消者的实际发电功率、从电网获取的第一实际得电功率和共享电功率。不需要P2P平台统一计算所有产消者的用电计划,提高电能源利用率和用户的隐私安全性。
优选的,结合图5,参考图6,示出了本发明实施例提供的一种产消者功率的确定系统的结构框图,所述第二确定单元503包括:
第一确定模块5031,用于利用所述预测输出功率和所述第一预测得电功率,分别确定所述产消者在所述预设时间段内的发电成本和电网得电成本。
第二确定模块5032,用于基于预先构建的电能优化函数,根据电能交互的网损参数、所述第一预测得电功率、第二预测得电功率、发电成本和电网得电成本,确定所述产消者的电能优化配置。
优选的,优选的,结合图5,参考图7,示出了本发明实施例提供的一种产消者功率的确定系统的结构框图,所述第二确定单元503包括:
解耦模块5033,对所述第二电能优化函数进行解耦,得到所述产消者的第三电能优化函数。得到第三电能优化函数的过程,参见上述本发明实施例图2步骤S201中相对应的内容。
解析模块5034,用于解析所述第三电能优化函数,得到所述产消者的电能优化配置。
处理模块5035,用于判断所述拉格朗日乘子是否收敛,若是,确定所述电能优化配置为所述产消者的最终电能优化配置,若否,利用所述电能优化配置更新所述拉格朗日乘子,并返回执行所述解析模块5034。
在具体实现中,所述处理模块5035具体用于:利用公式(16)更新所述拉格朗日乘子λh,t。
在本发明实施例中,对第二电能优化函数进行解耦,得到第三电能优化函数。解析第三电能优化函数,得到产消者的电能优化配置。若拉格朗日乘子收敛,确定电能优化配置为产消者的最终电能优化配置。若拉格朗日乘子未收敛,更新拉格朗日乘子并再次解析第三电能优化函数直至拉格朗日乘子,得到产消者的最终电能优化配置。根据得到的最终电能优化配置而确定产消者的实际发电功率、从电网获取的第一实际得电功率和共享电功率。不需要P2P平台统一计算所有产消者的用电计划,提高电能源利用率和用户的隐私安全性。
综上所述,本发明实施例提供一种产消者功率的确定方法及系统,该方法为:获取产消者的发电设备在预设时间段内的预测输出电功率,以及产消者的耗电设备在预设时间段内的总需求电功率;根据预测输出电功率和总需求电功率,确定产消者从电网获取的第一预测得电功率和从其他产消者获取的第二预测得电功率;基于预测输出功率、第一预测得电功率和第二预测得电功率计算得到产消者所需花费的成本,基于成本确定产消者的电能优化配置;执行电能优化配置,确定产消者在预设时间段内的实际发电功率、从电网获取的第一实际得电功率和共享电功率。本方案中,利用产消者在预设时间段内的预测输出电功率和总需求功率,结合产消者需花费的成本,确定产消者的电能优化配置,从而确定产消者的实际发电功率、从电网获取的第一实际得电功率和共享电功率。不需要P2P平台统一计算所有产消者的用电计划,提高电能源利用率和用户的隐私安全性。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统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劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
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发明。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发明的精神或范围的情况下,在其它实施例中实现。因此,本发明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)
1.一种产消者功率的确定方法,其特征在于,所述方法包括:
获取产消者的发电设备在预设时间段内的预测输出电功率,以及所述产消者的耗电设备在所述预设时间段内的总需求电功率;
根据所述预测输出电功率和总需求电功率,确定所述产消者从电网获取的第一预测得电功率和从其他产消者获取的第二预测得电功率;
基于预测输出功率、第一预测得电功率和第二预测得电功率计算得到所述产消者所需花费的成本,基于所述成本确定所述产消者的电能优化配置;
执行所述电能优化配置,确定所述产消者在所述预设时间段内的实际发电功率、从电网获取的第一实际得电功率和共享电功率,所述共享电功率为所述产消者与其他产消者进行电能交换的电功率。
2.根据权利要求1所述的方法,其特征在于,所述基于预测输出功率、第一预测得电功率和第二预测得电功率计算得到所述产消者所需花费的成本,基于所述成本,确定所述产消者的电能优化配置,包括:
利用所述预测输出功率和所述第一预测得电功率,分别确定所述产消者在所述预设时间段内的发电成本和电网得电成本;
基于预先构建的电能优化函数,根据电能交互的网损参数、所述第一预测得电功率、第二预测得电功率、发电成本和电网得电成本,确定所述产消者的电能优化配置。
3.根据权利要求2所述的方法,其特征在于,所述预先构建的电能优化函数的过程包括:
利用网损参数、第一预测得电功率、第二预测得电功率、发电成本和电网得电成本,确定所述产消者的第一电能优化函数;
将所述第二预测得电功率作为所述第一电能优化函数的公共约束,利用拉格朗日乘子与所述公共约束的乘积和所述第一电能优化函数,确定所述产消者的第二电能优化函数。
4.根据权利要求3所述的方法,其特征在于,所述确定所述产消者的电能优化配置,包括:
对所述第二电能优化函数进行解耦,得到所述产消者的第三电能优化函数;
解析所述第三电能优化函数,得到所述产消者的电能优化配置;
判断所述拉格朗日乘子是否收敛;
若是,确定所述电能优化配置为所述产消者的最终电能优化配置;
若否,利用所述电能优化配置更新所述拉格朗日乘子,并返回解析所述第三电能优化函数这一步骤。
5.根据权利要求4所述的方法,其特征在于,所述利用所述电能优化配置更新所述拉格朗日乘子,包括:
利用更新所述拉格朗日乘子λh,t,其中,为所述产消者在t时刻的第二预测得电功率,为所述产消者在t时刻的出电功率,ah为预设的步长系数。
6.一种产消者功率的确定系统,其特征在于,所述系统包括:
获取单元,用于获取产消者的发电设备在预设时间段内的预测输出电功率,以及所述产消者的耗电设备在所述预设时间段内的总需求电功率;
第一确定单元,用于根据所述预测输出电功率和总需求电功率,确定所述产消者从电网获取的第一预测得电功率和从其他产消者获取的第二预测得电功率;
第二确定单元,用于基于预测输出功率、第一预测得电功率和第二预测得电功率计算得到所述产消者所需花费的成本,基于所述成本确定所述产消者的电能优化配置;
第三确定单元,用于执行所述电能优化配置,确定所述产消者在所述预设时间段内的实际发电功率、从电网获取的第一实际得电功率和共享电功率,所述共享电功率为所述产消者与其他产消者进行电能交换的电功率。
7.根据权利要求6所述的系统,其特征在于,所述第二确定单元包括:
第一确定模块,用于利用所述预测输出功率和所述第一预测得电功率,分别确定所述产消者在所述预设时间段内的发电成本和电网得电成本;
第二确定模块,用于基于预先构建的电能优化函数,根据电能交互的网损参数、所述第一预测得电功率、第二预测得电功率、发电成本和电网得电成本,确定所述产消者的电能优化配置。
8.根据权利要求7所述的系统,其特征在于,所述第二确定单元具体用于:利用网损参数、第一预测得电功率、第二预测得电功率、发电成本和电网得电成本,确定所述产消者的第一电能优化函数,将所述第二预测得电功率作为所述第一电能优化函数的公共约束,利用拉格朗日乘子与所述公共约束的乘积和所述第一电能优化函数,确定所述产消者的第二电能优化函数。
9.根据权利要求8所述的系统,其特征在于,所述第二确定单元包括:
解耦模块,对所述第二电能优化函数进行解耦,得到所述产消者的第三电能优化函数;
解析模块,用于解析所述第三电能优化函数,得到所述产消者的电能优化配置;
处理模块,用于判断所述拉格朗日乘子是否收敛,若是,确定所述电能优化配置为所述产消者的最终电能优化配置,若否,利用所述电能优化配置更新所述拉格朗日乘子,并返回执行所述解析模块。
10.根据权利要求9所述的系统,其特征在于,所述处理模块具体用于:利用更新所述拉格朗日乘子λh,t,其中,为所述产消者在t时刻的第二预测得电功率,为所述产消者在t时刻的出电功率,ah为预设的步长系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910620084.1A CN110212533B (zh) | 2019-07-10 | 2019-07-10 | 一种产消者功率的确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910620084.1A CN110212533B (zh) | 2019-07-10 | 2019-07-10 | 一种产消者功率的确定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110212533A true CN110212533A (zh) | 2019-09-06 |
CN110212533B CN110212533B (zh) | 2021-01-29 |
Family
ID=67797060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910620084.1A Active CN110212533B (zh) | 2019-07-10 | 2019-07-10 | 一种产消者功率的确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110212533B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102263418A (zh) * | 2010-05-27 | 2011-11-30 | 元智大学 | 混合能源发电系统的装置容量配置方法 |
US20140222235A1 (en) * | 2011-06-24 | 2014-08-07 | Christian Glomb | Methods and apparatus for allocating amounts of energy |
CN105320996A (zh) * | 2015-08-13 | 2016-02-10 | 南方电网科学研究院有限责任公司 | 微电网电能随机匹配交易方法 |
CN105846456A (zh) * | 2016-05-13 | 2016-08-10 | 清华大学 | 一种交直流互联电网风、火协调动态经济调度优化方法 |
CN106292286A (zh) * | 2016-09-14 | 2017-01-04 | 中国科学院电工研究所 | 一种家庭电力用户能量管理方法 |
CN106415619A (zh) * | 2014-01-29 | 2017-02-15 | 西门子公司 | 优化电能的分配 |
CN106487011A (zh) * | 2016-11-28 | 2017-03-08 | 东南大学 | 一种基于q学习的户用微电网能量优化方法 |
CN107147115A (zh) * | 2017-06-16 | 2017-09-08 | 北京邮电大学 | 一种基于双时间尺度的用户侧能源管理方法 |
CN107302231A (zh) * | 2017-08-23 | 2017-10-27 | 国网山东省电力公司经济技术研究院 | 一种小水电群接入电网的两目标随机经济调度方法 |
CN108062607A (zh) * | 2018-01-11 | 2018-05-22 | 南方电网科学研究院有限责任公司 | 一种求解多区域电网经济调度模型的优化方法 |
CN108269025A (zh) * | 2018-02-02 | 2018-07-10 | 国网四川省电力公司天府新区供电公司 | 基于“互联网+”的源荷对等式电能交互方法 |
CN109449993A (zh) * | 2018-12-26 | 2019-03-08 | 西安交通大学 | 一种面向多能互补电力系统的多时间尺度生产模拟方法 |
CN109687454A (zh) * | 2019-01-24 | 2019-04-26 | 南方电网科学研究院有限责任公司 | 一种分布式能源集群优化调度系统、方法及装置 |
-
2019
- 2019-07-10 CN CN201910620084.1A patent/CN110212533B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102263418A (zh) * | 2010-05-27 | 2011-11-30 | 元智大学 | 混合能源发电系统的装置容量配置方法 |
US20140222235A1 (en) * | 2011-06-24 | 2014-08-07 | Christian Glomb | Methods and apparatus for allocating amounts of energy |
CN106415619A (zh) * | 2014-01-29 | 2017-02-15 | 西门子公司 | 优化电能的分配 |
CN105320996A (zh) * | 2015-08-13 | 2016-02-10 | 南方电网科学研究院有限责任公司 | 微电网电能随机匹配交易方法 |
CN105846456A (zh) * | 2016-05-13 | 2016-08-10 | 清华大学 | 一种交直流互联电网风、火协调动态经济调度优化方法 |
CN106292286A (zh) * | 2016-09-14 | 2017-01-04 | 中国科学院电工研究所 | 一种家庭电力用户能量管理方法 |
CN106487011A (zh) * | 2016-11-28 | 2017-03-08 | 东南大学 | 一种基于q学习的户用微电网能量优化方法 |
CN107147115A (zh) * | 2017-06-16 | 2017-09-08 | 北京邮电大学 | 一种基于双时间尺度的用户侧能源管理方法 |
CN107302231A (zh) * | 2017-08-23 | 2017-10-27 | 国网山东省电力公司经济技术研究院 | 一种小水电群接入电网的两目标随机经济调度方法 |
CN108062607A (zh) * | 2018-01-11 | 2018-05-22 | 南方电网科学研究院有限责任公司 | 一种求解多区域电网经济调度模型的优化方法 |
CN108269025A (zh) * | 2018-02-02 | 2018-07-10 | 国网四川省电力公司天府新区供电公司 | 基于“互联网+”的源荷对等式电能交互方法 |
CN109449993A (zh) * | 2018-12-26 | 2019-03-08 | 西安交通大学 | 一种面向多能互补电力系统的多时间尺度生产模拟方法 |
CN109687454A (zh) * | 2019-01-24 | 2019-04-26 | 南方电网科学研究院有限责任公司 | 一种分布式能源集群优化调度系统、方法及装置 |
Non-Patent Citations (2)
Title |
---|
刘念,等: ""市场模式下光伏用户群的电能共享与需求响应模型"", 《电力系统自动化》 * |
马丽,等: ""基于主从博弈策略的社区能源互联网分布式能量管理"", 《电网技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110212533B (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | Decentralized dynamic economic dispatch for integrated transmission and active distribution networks using multi-parametric programming | |
Pourbabak et al. | A novel consensus-based distributed algorithm for economic dispatch based on local estimation of power mismatch | |
Huang et al. | Distributionally robust optimal power flow in multi-microgrids with decomposition and guaranteed convergence | |
Xia et al. | Optimal sizing of energy storage system and its cost-benefit analysis for power grid planning with intermittent wind generation | |
Sun et al. | A distributed double-consensus algorithm for residential we-energy | |
Kourounis et al. | Toward the next generation of multiperiod optimal power flow solvers | |
Sashirekha et al. | Combined heat and power (CHP) economic dispatch solved using Lagrangian relaxation with surrogate subgradient multiplier updates | |
Yang et al. | Distributionally robust frequency constrained scheduling for an integrated electricity-gas system | |
Sardou et al. | Coordinated operation of natural gas and electricity networks with microgrid aggregators | |
Sučić et al. | Economic dispatch of virtual power plants in an event-driven service-oriented framework using standards-based communications | |
Amjady et al. | Hydrothermal unit commitment with AC constraints by a new solution method based on benders decomposition | |
Zhao et al. | Fully decentralised multi‐area dynamic economic dispatch for large‐scale power systems via cutting plane consensus | |
Qin et al. | Distributed online modified greedy algorithm for networked storage operation under uncertainty | |
Nikoobakht et al. | Decentralised hybrid robust/stochastic expansion planning in coordinated transmission and active distribution networks for hosting large‐scale wind energy | |
Amini et al. | Decomposition methods for distributed optimal power flow: panorama and case studies of the DC model | |
Romero-Quete et al. | An affine arithmetic-model predictive control approach for optimal economic dispatch of combined heat and power microgrids | |
Wang et al. | Data‐driven distributionally robust economic dispatch for distribution network with multiple microgrids | |
Kim et al. | Coordination and control for energy distribution in distributed grid networks: Theory and application to power dispatch problem | |
Chang | A decision support system for planning and coordination of hybrid renewable energy systems | |
Abbasi et al. | Energy expansion planning by considering electrical and thermal expansion simultaneously | |
Cong et al. | Robust coalitional game theoretic optimisation for cooperative energy hubs with correlated wind power | |
Zhao et al. | Location-dependent distributed control of battery energy storage systems for fast frequency response | |
Nick et al. | Integration of Transmission Lines Dynamic Thermal rating into real-time Optimal dispatching of power systems | |
Yacar et al. | Storage allocation and investment optimisation for transmission‐constrained networks considering losses and high renewable penetration | |
Zhu et al. | Real‐time stochastic operation strategy of a microgrid using approximate dynamic programming‐based spatiotemporal decomposition approach |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |