CN110994613B - 一种电厂负荷调度系统及其调度方法 - Google Patents
一种电厂负荷调度系统及其调度方法 Download PDFInfo
- Publication number
- CN110994613B CN110994613B CN201911354125.3A CN201911354125A CN110994613B CN 110994613 B CN110994613 B CN 110994613B CN 201911354125 A CN201911354125 A CN 201911354125A CN 110994613 B CN110994613 B CN 110994613B
- Authority
- CN
- China
- Prior art keywords
- scheduling
- load
- command
- power grid
- load scheduling
- 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
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电厂负荷调度系统,包括电网用电负荷预测模块,用来给出电网用电负荷预测值;电网电压监测模块,用来对电网电压进行实时监测;负荷调度模型生成模块,用于生成负荷调度模型;负荷调度命令生成模块,用于生成负荷调度命令;负荷调度执行模块,用于执行负荷调度命令。本发明能够改进现有技术的不足,降低了数据运算量,提高了调度结果的稳定性。
Description
技术领域
本发明涉及电厂运行技术领域,尤其是一种电厂负荷调度系统及其调度方法。
背景技术
由于电网负荷是一个实时变化的波动量,为了保持电网的正常运行,需要通过对电厂的负荷进行调度,来保持发电侧和用电侧的负荷平衡。现有技术中,有类似于PID控制等多种控制手段对电厂负荷进行调度的方式,但是现有的调度手段均是建立在大量数据的仿真计算的基础上。为了保证电厂负荷调度的及时性,一方面要增加调度系统的硬件投入成本,提高仿真计算效率,另外需要将部分数据进行舍弃,以减小待处理数据量。这不仅需要大量的资金投入,而且由于数据采集的不全面,会影响调度结果的稳定性。
发明内容
本发明要解决的技术问题是提供一种电厂负荷调度系统及其调度方法,能够解决现有技术的不足,降低了数据运算量,提高了调度结果的稳定性。
为解决上述技术问题,本发明所采取的技术方案如下。
一种电厂负荷调度系统,包括,
电网用电负荷预测模块,用来给出电网用电负荷预测值;
电网电压监测模块,用来对电网电压进行实时监测;
负荷调度模型生成模块,用于生成负荷调度模型;
负荷调度命令生成模块,用于生成负荷调度命令;
负荷调度执行模块,用于执行负荷调度命令。
一种上述的电厂负荷调度系统的调度方法,包括以下步骤:
A、电网用电负荷预测模块根据电网历史用电量和未来用电计划给出电网用电负荷预测值;负荷调度命令生成模块根据电网用电负荷预测值给出负荷调度命令,并发送至负荷调度执行模块;
B、电网电压监测模块对电网电压进行实时监测;
C、负荷调度模型生成模块根据电网实时用电负荷、发电机组实时输出功率和电网实时电压,生成负荷调度模型;
D、负荷调度命令生成模块将调度目标输入负荷调度模型,生成负荷调度命令;
E、负荷调度执行模块执行新的负荷调度命令,并根据调度结果对负荷调度模型进行更新。
作为优选,步骤C中,生成负荷调度模型包括以下步骤,
C1、负荷调度模型包括现有调度命令子模型、影响因子子模型和模拟子模型;
C2、将现有的调度命令调入现有调度命令子模型,影响因子子模型将外部的影响因子进行综合后,输入现有调度命令子模型,生成新的调度命令;
C3、模拟子模型对新的调度命令进行模拟,对新的调度命令进行校正。
作为优选,步骤C2中,所述影响因子子模型包括若干个影响因子存储位,每个影响因子存储位内设置有对应该影响因子的约束方程组,不同的两个影响因子之间设置有关联映射;每个影响因子采用与之关联度最大的影响因子进行关联处理,关联处理的过程为通过关联映射对两组约束方程组进行合并,然后对合并后的约束方程组进行线性化,使用线性化的约束方程组对所有影响因子进行统一约束。
作为优选,步骤C3中,对新的调度命令进行校正包括以下步骤,
C31、根据模拟结果对调度命令进行分段,每段调度命令对应的模拟结果中至少包括一个调度异常状态;
C32、根据每个调度异常状态,对与其对应的调度命令段和相临的调度命令段进行调整,在消除调度异常状态的同时保持调度状态线性变化且变化率小于设定阈值;
C33、对整个调度过程进行联调,保持调度的连续性。
作为优选,步骤E中,对负荷调度模型进行更新包括以下步骤,
E1、对影响因子子模型内的每个影响因子赋予优先级,并对现有调度命令子模型进行实时更新;
E2、使用低优先级的影响因子对现有调度命令子模型进行验证,然后使用高优先级的影响因子输入现有调度命令子模型,进行负荷调度模型循环更新;
E3、每个影响因子在每次循环更新中仅使用一次。
采用上述技术方案所带来的有益效果在于:本发明通过建立负荷调度模型,优化负荷调度模型的模型结构,实现数据的高速、准确处理,从而在减少调度系统运算的同时,提高了调度结果的稳定性。
附图说明
图1是本发明一个具体实施方式的原理图。
图中:1、电网用电负荷预测模块;2、电网电压监测模块;3、负荷调度模型生成模块;4、负荷调度命令生成模块;5、负荷调度执行模块。
具体实施方式
参照图1,本实施例包括,
电网用电负荷预测模块1,用来给出电网用电负荷预测值;
电网电压监测模块2,用来对电网电压进行实时监测;
负荷调度模型生成模块3,用于生成负荷调度模型;
负荷调度命令生成模块4,用于生成负荷调度命令;
负荷调度执行模块5,用于执行负荷调度命令。
一种上述的电厂负荷调度系统的调度方法,包括以下步骤:
A、电网用电负荷预测模块1根据电网历史用电量和未来用电计划给出电网用电负荷预测值;负荷调度命令生成模块4根据电网用电负荷预测值给出负荷调度命令,并发送至负荷调度执行模块5;
B、电网电压监测模块2对电网电压进行实时监测;
C、负荷调度模型生成模块3根据电网实时用电负荷、发电机组实时输出功率和电网实时电压,生成负荷调度模型;
D、负荷调度命令生成模块4将调度目标输入负荷调度模型,生成负荷调度命令;
E、负荷调度执行模块5执行新的负荷调度命令,并根据调度结果对负荷调度模型进行更新。
步骤C中,生成负荷调度模型包括以下步骤,
C1、负荷调度模型包括现有调度命令子模型、影响因子子模型和模拟子模型;
C2、将现有的调度命令调入现有调度命令子模型,影响因子子模型将外部的影响因子进行综合后,输入现有调度命令子模型,生成新的调度命令;
C3、模拟子模型对新的调度命令进行模拟,对新的调度命令进行校正。
步骤C2中,所述影响因子子模型包括若干个影响因子存储位,每个影响因子存储位内设置有对应该影响因子的约束方程组,不同的两个影响因子之间设置有关联映射;每个影响因子采用与之关联度最大的影响因子进行关联处理,关联处理的过程为通过关联映射对两组约束方程组进行合并,然后对合并后的约束方程组进行线性化,使用线性化的约束方程组对所有影响因子进行统一约束。
步骤C3中,对新的调度命令进行校正包括以下步骤,
C31、根据模拟结果对调度命令进行分段,每段调度命令对应的模拟结果中至少包括一个调度异常状态;
C32、根据每个调度异常状态,对与其对应的调度命令段和相临的调度命令段进行调整,在消除调度异常状态的同时保持调度状态线性变化且变化率小于设定阈值;
C33、对整个调度过程进行联调,保持调度的连续性。
步骤E中,对负荷调度模型进行更新包括以下步骤,
E1、对影响因子子模型内的每个影响因子赋予优先级,并对现有调度命令子模型进行实时更新;
E2、使用低优先级的影响因子对现有调度命令子模型进行验证,然后使用高优先级的影响因子输入现有调度命令子模型,进行负荷调度模型循环更新;
E3、每个影响因子在每次循环更新中仅使用一次。
本发明对于硬件系统要求低,容易实现,适应性强,便于在现有调度系统的基础上进行升级改造。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (2)
1.一种电厂负荷调度系统的调度方法,所述电厂负荷调度系统包括,
电网用电负荷预测模块(1),用来给出电网用电负荷预测值;
电网电压监测模块(2),用来对电网电压进行实时监测;
负荷调度模型生成模块(3),用于生成负荷调度模型;
负荷调度命令生成模块(4),用于生成负荷调度命令;
负荷调度执行模块(5),用于执行负荷调度命令;
其特征在于,包括以下步骤:
A、电网用电负荷预测模块(1)根据电网历史用电量和未来用电计划给出电网用电负荷预测值;负荷调度命令生成模块(4)根据电网用电负荷预测值给出负荷调度命令,并发送至负荷调度执行模块(5);
B、电网电压监测模块(2)对电网电压进行实时监测;
C、负荷调度模型生成模块(3)根据电网实时用电负荷、发电机组实时输出功率和电网实时电压,生成负荷调度模型;
生成负荷调度模型包括以下步骤,
C1、负荷调度模型包括现有调度命令子模型、影响因子子模型和模拟子模型;
C2、将现有的调度命令调入现有调度命令子模型,影响因子子模型将外部的影响因子进行综合后,输入现有调度命令子模型,生成新的调度命令;所述影响因子子模型包括若干个影响因子存储位,每个影响因子存储位内设置有对应该影响因子的约束方程组,不同的两个影响因子之间设置有关联映射;每个影响因子采用与之关联度最大的影响因子进行关联处理,关联处理的过程为通过关联映射对两组约束方程组进行合并,然后对合并后的约束方程组进行线性化,使用线性化的约束方程组对所有影响因子进行统一约束;
C3、模拟子模型对新的调度命令进行模拟,对新的调度命令进行校正;
对新的调度命令进行校正包括以下步骤,
C31、根据模拟结果对调度命令进行分段,每段调度命令对应的模拟结果中至少包括一个调度异常状态;
C32、根据每个调度异常状态,对与其对应的调度命令段和相临的调度命令段进行调整,在消除调度异常状态的同时保持调度状态线性变化且变化率小于设定阈值;
C33、对整个调度过程进行联调,保持调度的连续性;
D、负荷调度命令生成模块(4)将调度目标输入负荷调度模型,生成负荷调度命令;
E、负荷调度执行模块(5)执行新的负荷调度命令,并根据调度结果对负荷调度模型进行更新。
2.根据权利要求1所述的电厂负荷调度系统的调度方法,其特征在于:步骤E中,对负荷调度模型进行更新包括以下步骤,
E1、对影响因子子模型内的每个影响因子赋予优先级,并对现有调度命令子模型进行实时更新;
E2、使用低优先级的影响因子对现有调度命令子模型进行验证,然后使用高优先级的影响因子输入现有调度命令子模型,进行负荷调度模型循环更新;
E3、每个影响因子在每次循环更新中仅使用一次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911354125.3A CN110994613B (zh) | 2019-12-25 | 2019-12-25 | 一种电厂负荷调度系统及其调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911354125.3A CN110994613B (zh) | 2019-12-25 | 2019-12-25 | 一种电厂负荷调度系统及其调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110994613A CN110994613A (zh) | 2020-04-10 |
CN110994613B true CN110994613B (zh) | 2021-05-18 |
Family
ID=70075209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911354125.3A Active CN110994613B (zh) | 2019-12-25 | 2019-12-25 | 一种电厂负荷调度系统及其调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110994613B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113098021B (zh) * | 2021-04-20 | 2022-11-18 | 山东科技职业学院 | 电力系统自动电压控制方法 |
CN116029491B (zh) * | 2022-11-28 | 2023-07-21 | 国网河北省电力有限公司 | 一种电力调度管理系统及其控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678404A (zh) * | 2015-12-30 | 2016-06-15 | 东北大学 | 基于网购电和动态关联因子的微电网负荷预测系统及方法 |
CN107248751A (zh) * | 2017-07-26 | 2017-10-13 | 武汉大学 | 一种实现配电网负荷功率削峰填谷的储能站调度控制方法 |
CN107769275A (zh) * | 2017-11-14 | 2018-03-06 | 国网山东省电力公司电力科学研究院 | 风力发电与火力发电机组群的负荷协调控制系统及方法 |
CN110137942A (zh) * | 2019-04-23 | 2019-08-16 | 河海大学 | 基于模型预测控制的多时间尺度柔性负荷滚动调度方法和系统 |
-
2019
- 2019-12-25 CN CN201911354125.3A patent/CN110994613B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678404A (zh) * | 2015-12-30 | 2016-06-15 | 东北大学 | 基于网购电和动态关联因子的微电网负荷预测系统及方法 |
CN107248751A (zh) * | 2017-07-26 | 2017-10-13 | 武汉大学 | 一种实现配电网负荷功率削峰填谷的储能站调度控制方法 |
CN107769275A (zh) * | 2017-11-14 | 2018-03-06 | 国网山东省电力公司电力科学研究院 | 风力发电与火力发电机组群的负荷协调控制系统及方法 |
CN110137942A (zh) * | 2019-04-23 | 2019-08-16 | 河海大学 | 基于模型预测控制的多时间尺度柔性负荷滚动调度方法和系统 |
Non-Patent Citations (2)
Title |
---|
地方电厂的经济调度问题研究;罗志文;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20111231;全文 * |
基于负荷转移调度的高耗能企业电能需量控制;邢文等;《电气技术》;20160915;第70-76页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110994613A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022036778A1 (zh) | 一种输配协同负荷恢复优化控制方法及系统 | |
CN102280889B (zh) | 基于克隆-粒子群混杂算法的电力系统无功优化方法 | |
CN110994613B (zh) | 一种电厂负荷调度系统及其调度方法 | |
WO2024077752A1 (zh) | 一种混合储能系统充放电状态实时优化控制方法 | |
CN110867903B (zh) | 一种基于深度神经网络的智能电网系统实时最优功率分配方法 | |
CN112163304A (zh) | 一种输电网冗余约束识别方法、存储介质及计算设备 | |
CN111799793B (zh) | 一种源网荷协同的输电网规划方法与系统 | |
CN113420991A (zh) | 考虑期望缺供电量线性化的电源储能联合规划方法及系统 | |
CN111917111B (zh) | 用于配电网的分布式光伏电源接纳能力在线评估的方法、系统、设备及存储介质 | |
CN113052389A (zh) | 基于多任务的分布式光伏电站超短期功率预测方法及系统 | |
CN111541279B (zh) | 考虑机组出力状态的风电场功率自动控制系统及方法 | |
CN114336592B (zh) | 一种基于模型预测控制的风电场agc控制方法 | |
CN109521693B (zh) | 一种风电场电磁暂态实时仿真方法和装置 | |
CN111756031B (zh) | 一种电网运行趋势估算方法和系统 | |
CN117371581A (zh) | 一种新能源发电功率预测方法、装置及存储介质 | |
CN111313419A (zh) | 极端天气下基于动态重构的配电网弹性提升方法及系统 | |
CN109213104B (zh) | 基于启发式动态规划的储能系统的调度方法及调度系统 | |
CN113705862B (zh) | 一种电力现货市场环境下超短期新能源预测数据修正方法 | |
CN111799842B (zh) | 一种考虑火电机组灵活性的多阶段输电网规划方法及系统 | |
CN110717694B (zh) | 基于新能源消纳期望值的储能配置随机决策方法及装置 | |
CN111952959A (zh) | 压缩电网过程模拟时间的方法、装置及存储介质 | |
Flórez et al. | Explicit coordination for MPC-based distributed control with application to Hydro-Power Valleys | |
CN105447598A (zh) | 一种基于误差修正模型的电力系统中负荷预测装置及方法 | |
CN112564100B (zh) | 基于空预器差压实时评估火电机组最大出力的方法及系统 | |
CN115065040B (zh) | 一种电力芯片可重构纳米继电器阵列及其控制方法 |
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 |