CN111709574B - 一种分布式集群配置调度方法、计算机设备及存储介质 - Google Patents

一种分布式集群配置调度方法、计算机设备及存储介质 Download PDF

Info

Publication number
CN111709574B
CN111709574B CN202010546615.XA CN202010546615A CN111709574B CN 111709574 B CN111709574 B CN 111709574B CN 202010546615 A CN202010546615 A CN 202010546615A CN 111709574 B CN111709574 B CN 111709574B
Authority
CN
China
Prior art keywords
distributed
energy storage
cluster
power generation
action
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
Application number
CN202010546615.XA
Other languages
English (en)
Other versions
CN111709574A (zh
Inventor
陈旗展
潘斌
彭嵩
方嵩
卢小海
张喜平
李国号
刘劲
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.)
Guangdong Power Grid Co Ltd
Zhongshan Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Zhongshan Power Supply Bureau of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Zhongshan Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202010546615.XA priority Critical patent/CN111709574B/zh
Publication of CN111709574A publication Critical patent/CN111709574A/zh
Application granted granted Critical
Publication of CN111709574B publication Critical patent/CN111709574B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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

Abstract

本发明提出一种分布式集群配置调度方法、计算机设备及存储介质，实现以下步骤：将配电网光伏发电设备和储能设备划分为分布式发电集群，将负荷设备划分为分布式负荷集群；设定分布式发电集群在未来一天的预测点总光伏发电值及分布式负荷集群在未来一天的预测点总负荷预测值；计算分布式集群的可用输电能力，得到分布式发电集群和分布式负荷集群的群间传输路径最大可用输电能力时分布式发电集群的发电量；确定分布式发电集群中储能设备在预测点的储能设备动作量；将动作量转换为功率变化，并分配给分布式发电集群的储能设备，实现分布式集群配置调度，使分布式发电集群的发电量最大程度被分布式负荷集群就近消纳，提高了分布式发电资源的利用效率。

Description

一种分布式集群配置调度方法、计算机设备及存储介质
技术领域
本发明涉及配电网调度自动化技术领域，更具体地，涉及一种考虑可用输电能力的分布式集群配置调度方法、计算机设备及存储介质。
背景技术
在配电网自动化调度过程中，负荷预测和光伏发电预测模块是不可或缺的一个环节，这两个模块能够根据气象预测等信息，以15分钟为周期给出第二天的日前光伏发电有功预测和负荷有功预测结果。在此基础上，通过对配电网设备的合理划分，形成分布式发电集群和分布式负荷集群，并考虑集群间的可用输电能力，作为分布式集群上网电量优化的一项参考指标，能够促进分布式能源的就近消纳。
公开号为CN109599879A的专利公开了一种考虑储能设备充放电次数优化的配电网有功功率调度方法，提出了根据配电网日前负荷预测以及光伏发电预测，得到第二天的96预测点关口负荷曲线，然后根据储能动作需求及储能容量上下限，对储能设备充放电进行控制，将96预测点储能调节量以功率形式分配给储能设备。然而，该方法没有考虑到集群间的可用输电能力，存在分布式能源利用率低的问题。
发明内容
本发明为克服上述现有技术的分布式能源利用率低的缺陷，提供一种考虑可用输电能力的分布式集群配置调度方法，以及实现该分布式集群配置调度方法的计算机设备及存储介质。
为解决上述技术问题，本发明的技术方案如下：
一种分布式集群配置调度方法，包括以下步骤：
S1：根据配电网的运行方式，将配电网光伏发电设备和储能设备划分为分布式发电集群GC1，将配电网中的负荷设备划分为分布式负荷集群LC1；
S2：设定分布式发电集群GC1在未来一天的96预测点总光伏发电值
Figure BDA0002540940770000011
设定分布式负荷集群LC1在未来一天的96预测点总负荷预测值
Figure BDA0002540940770000012
其中，i为以15分钟为周期的预测点，且i∈[1,96]；
S3：根据总光伏发电值
Figure BDA0002540940770000021
和总负荷预测值
Figure BDA0002540940770000022
计算分布式集群的可用输电能力，得到分布式发电集群GC1和分布式负荷集群LC1的群间传输路径最大可用输电能力时分布式发电集群GC1的发电量
Figure BDA0002540940770000023
S4：根据发电量
Figure BDA0002540940770000024
总光伏发电值
Figure BDA0002540940770000025
总负荷预测值
Figure BDA0002540940770000026
确定分布式发电集群GC1中储能设备在96个预测点的储能设备动作量Ei；
S5：根据储能设备动作量Ei，将动作量Ei转换为功率变化，并分配给分布式发电集群GC1的储能设备。
本技术方案中，将配电网中的分布式集群设备分为分布式发电集群和分布式负荷集群；根据配电网日前负荷预测以及光伏发电预测，得到第二天的96预测点光伏集群发电曲线和96预测点负荷集群负荷曲线；从第1点开始，计算每个时间点分布式发电集群和分布式负荷集群群间传输路径的最大可用输电能力，记录最大可用输电能力时分布式发电集群发电量，并结合发电集群中储能设备的容量，预测发电集群中储能设备的动作量并进行优化，最后，将96预测点储能设备动作量以功率形式分配给分布式发电集群中的储能设备。
优选地，S3步骤计算分布式集群的可用输电能力的过程中，设定分布式发电集群GC1中储能设备动作量为0，并采用重复潮流发进行可用输电能力计算。
优选地，S4步骤中，其具体步骤如下：
S41：设置i＝1；
S42：比对发电量
Figure BDA0002540940770000027
总光伏发电值
Figure BDA0002540940770000028
总负荷预测值
Figure BDA0002540940770000029
结合当前的储能设备容量
Figure BDA00025409407700000210
确定第i个预测点的储能设备的动作量Ei；
S43：将动作量Ei与当前的储能设备容量
Figure BDA00025409407700000211
之和，与分布式发电集群GC1中储能设备的储能容量上限Emax相比较，将符合预设的条件的动作量Ei存入充电序列Eseq中；
S44：设置i＝i+1，然后跳转执行S42步骤，直到i＝96，得到96个预测点的储能设备动作量Ei。
优选地，S42步骤中，第i个预测点的储能设备的动作量Ei的计算公式如下：
Figure BDA00025409407700000212
其中，当Ei>0时表示储能设备充电动作，当Ei<0时表示储能设备放电动作，且动作量Ei的容量单位为兆瓦时(MW.H)；当
Figure BDA0002540940770000031
时，若
Figure BDA0002540940770000032
则取
Figure BDA0002540940770000033
和
Figure BDA0002540940770000034
中的最小值作为关口潮流的优化目标功率，计算第i个预测点的GC1中储能设备15分钟内的动作量Ei；若
Figure BDA0002540940770000035
则取
Figure BDA0002540940770000036
和
Figure BDA0002540940770000037
中的最大值作为关口潮流的优化目标功率，计算第i个预测点的GC1中储能设备15分钟内的动作量Ei；当
Figure BDA0002540940770000038
时，则取
Figure BDA0002540940770000039
和
Figure BDA00025409407700000310
中的最小值作为关口潮流的优化目标，计算第i个预测点的GC1中储能设备15分钟内的动作量Ei。
优选地，S43步骤中，其具体步骤如下：
记录第i个预测点的储能设备的动作量Ei，判断：若
Figure BDA00025409407700000311
则将动作量Ei存入充电序列Eseq中，将充电序列Eseq中保存的动作量数据从大到小进行排序，将其最小动作量记为
Figure BDA00025409407700000312
否则将所述动作量Ei存入充电序列Eseq中，然后跳转执行S44步骤。
优选地，S43步骤中，当
Figure BDA00025409407700000313
时，将动作量Ei存入充电序列Eseq中，将充电序列Eseq中保存的动作量数据从大到小进行排序，将其最小动作量记为
Figure BDA00025409407700000314
还包括以下步骤：
对最小动作量
Figure BDA00025409407700000315
进行判断：若
Figure BDA00025409407700000316
则将
Figure BDA00025409407700000317
从充电序列Eseq中删除，并使
Figure BDA00025409407700000318
然后重复本步骤，直到满足
Figure BDA00025409407700000319
并使充电序列Eseq中最小动作量为为：
Figure BDA00025409407700000320
优选地，S5步骤中，其具体步骤如下：
S51：将动作量Ei转换为功率，计算储能设备在第i预测点的调节总功率
Figure BDA00025409407700000321
其单位为兆瓦(MW)，其具体计算公式如下：
Figure BDA00025409407700000322
S52：根据调节总功率
Figure BDA00025409407700000323
以及分布式发电集群GC1中各储能设备的容量分配，计算各储能设备的调节量。
优选地，S52步骤中，储能设备的调节量计算公式如下：
Figure BDA00025409407700000324
其中，n为分布式发电集群GC1中储能设备的个数，
Figure BDA0002540940770000041
表示每个储能设备的当前容量，
Figure BDA0002540940770000042
表示每个储能设备的最大容量，Emax表示分布式发电集群GC1中储能设备的总容量。
本发明还提出了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述基于可用输电能力的分布式集群配置调度方法的步骤。
本发明还提出了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述基于可用输电能力的分布式集群配置调度方法的步骤。
与现有技术相比，本发明技术方案的有益效果是：采用计算可用输电能力的方法，以分布式发电集群和分布式负荷集群群间最大传输容量为目标，计算出分布式发电集群96预测点关口潮流优化曲线，使分布式发电集群的发电量最大程度被分布式负荷集群就近消纳，提高了分布式发电资源的利用效率。
附图说明
图1为本发明的分布式集群配置调度方法的流程图。
图2为本实施例的分布发电集群和分布式负荷集群的群间可用输电能力曲线图。
图3为本实施例的分布式发电集群中储能设备调节动作曲线示意图。
图4为本实施例的储能设备动作调节后集群发电曲线示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
本实施例提出一种分布式集群配置调度方法，如图1所示，为本实施例的分布式集群配置调度方法的流程图。
本实施例提出的分布式集群配置调度方法中，包括以下步骤：
S1：根据配电网的运行方式，将配电网光伏发电设备和储能设备划分为分布式发电集群GC1，将配电网中的负荷设备划分为分布式负荷集群LC1。
本步骤中，通过合理划分配网中的设备，形成分布式发电集群和分布式负荷集群，并确定分布式发电集群和分布式负荷集群群间功率传输路径。
S2：设定分布式发电集群GC1在未来一天的96个预测点总光伏发电值
Figure BDA0002540940770000051
设定分布式负荷集群LC1在未来一天的96个预测点总负荷预测值
Figure BDA0002540940770000052
其中，i为以15分钟为周期的预测点，且i∈[1,96]。
在本实施例中，预测点总光伏发电值
Figure BDA0002540940770000053
及预测点总负荷预测值
Figure BDA0002540940770000054
由配电网的调度计划中心设定。
S3：根据总光伏发电值
Figure BDA0002540940770000055
和总负荷预测值
Figure BDA0002540940770000056
计算分布式集群的可用输电能力，得到分布式发电集群GC1和分布式负荷集群LC1的群间传输路径最大可用输电能力时分布式发电集群GC1的发电量
Figure BDA0002540940770000057
用于优化发电集群GC1中储能设备的动作量。
本实施例中，设定分布式发电集群GC1中储能设备动作量为0，并采用重复潮流发计算每时刻群间传输路径的最大可用输电能力。
S4：根据发电量
Figure BDA0002540940770000058
总光伏发电值
Figure BDA0002540940770000059
总负荷预测值
Figure BDA00025409407700000510
确定分布式发电集群GC1中储能设备在96个预测点的储能设备动作量Ei；其具体步骤如下：
S41：设置i＝1；
S42：比对发电量
Figure BDA00025409407700000511
总光伏发电值
Figure BDA00025409407700000512
总负荷预测值
Figure BDA00025409407700000513
结合当前的储能设备容量
Figure BDA00025409407700000514
确定第i个预测点的储能设备的动作量Ei；其中，第i个预测点的储能设备的动作量Ei的计算公式如下：
Figure BDA00025409407700000515
其中，当Ei>0时表示储能设备充电动作，当Ei<0时表示储能设备放电动作，且动作量Ei的容量单位为兆瓦时(MW.H)；当
Figure BDA00025409407700000516
时，若
Figure BDA00025409407700000517
则取
Figure BDA00025409407700000518
和
Figure BDA00025409407700000519
中的最小值作为关口潮流的优化目标功率，计算第i个预测点的GC1中储能设备15分钟内的动作量Ei；若
Figure BDA00025409407700000520
则取
Figure BDA00025409407700000521
和
Figure BDA00025409407700000522
中的最大值作为关口潮流的优化目标功率，计算第i个预测点的GC1中储能设备15分钟内的动作量Ei；当
Figure BDA00025409407700000523
时，则取
Figure BDA00025409407700000524
和
Figure BDA00025409407700000525
中的最小值作为关口潮流的优化目标，计算第i个预测点的GC1中储能设备15分钟内的动作量Ei；
S43：将动作量Ei与当前的储能设备容量
Figure BDA00025409407700000526
之和，与分布式发电集群GC1中储能设备的储能容量上限Emax相比较，将符合预设的条件的动作量Ei存入充电序列Eseq中；其具体步骤如下：
1)记录第i个预测点的储能设备的动作量Ei；
2)判断：若
Figure BDA0002540940770000061
则将动作量Ei存入充电序列Eseq中，然后执行3)步骤；否则将动作量Ei存入充电序列Eseq中，然后跳转执行S44步骤；
3)将充电序列Eseq中保存的动作量数据从大到小进行排序，将完成排序的充电序列Eseq中的最小动作量记为
Figure BDA0002540940770000062
然后对该最小动作量
Figure BDA0002540940770000063
进行判断：
若
Figure BDA0002540940770000064
则将
Figure BDA0002540940770000065
从充电序列Eseq中删除，并使
Figure BDA0002540940770000066
然后重复本步骤，直到满足
Figure BDA0002540940770000067
并使充电序列Eseq中最小动作量为：
Figure BDA0002540940770000068
S44：设置i＝i+1，然后跳转执行S42步骤，直到i＝96，得到96个预测点的储能设备动作量Ei。
本步骤中，从第1个预测点开始，采用重复潮流法，计算每个时间点分布式发电集群和分布式负荷集群群间传输路径的最大可用输电能力，记录最大可用输电能力时分布式发电集群发电量，并结合发电集群中储能设备的容量，预测发电集群中储能设备的动作量。针对第i个预测点，当其分布式集群中储能设备充电动作量超出储能设备容量上限时，对前i-1点充电动作序列进行优化排序，优先满足储能设备充电动作量较大时刻的需求。
S5：根据储能设备动作量Ei，将动作量Ei转换为功率变化，并分配给分布式发电集群GC1的储能设备；其具体步骤如下：
S51：将动作量Ei转换为功率，计算储能设备在第i预测点的调节总功率
Figure BDA0002540940770000069
其单位为兆瓦(MW)，其具体计算公式如下：
Figure BDA00025409407700000610
S52：根据调节总功率
Figure BDA00025409407700000611
以及分布式发电集群GC1中各储能设备的容量分配，计算各储能设备的调节量；其中，储能设备的调节量计算公式如下：
Figure BDA00025409407700000612
其中，n为分布式发电集群GC1中储能设备的个数，
Figure BDA00025409407700000613
表示每个储能设备的当前容量，
Figure BDA0002540940770000071
表示每个储能设备的最大容量，Emax表示分布式发电集群GC1中储能设备的总容量。
本实施例中，使用可用输电能力的计算方法对配电网的配置调度进行优化，以分布式发电集群和分布式负荷集群群间最大传输容量为目标，通过计算每时刻群间传输路径的最大可用输电能力，形成分布式发电集群的96预测点关口潮流优化曲线，同时考虑分布式发电集群中储能设备的容量，预测得出每时刻各储能设备的动作量，使分布式发电集群的发电量最大程度被分布式负荷集群就近消纳，提高了分布式发电资源的利用效率。
在一个具体实施过程中，在CPU为i7-8550U，1.8GHz和内存为16GB配置的笔记本电脑上进行测试。
基于实际系统的天气预测，得到分布式发电集群GC1 96点输出功率预测值和分布式负荷集群LC1 96点负荷预测值，假设分布式发电集群中的储能设备的动作量为0，并逐点进行可用输电能力计算，得到分布发电集群GC1和分布式负荷集群LC1的群间可用输电能力曲线，如图2所示。
由图可知，图2提供了分布式发电集群GC1 96点发电预测、分布式负荷集群LC1 96点负荷预测及群间可用输电能力数据，其中第0预测点到第31预测点这一区间内，分布式发电集群GC1出力最小，分布式发电集群GC1中的储能设备无需动作；第32预测点到第68预测点这一区间内，为保证分布式发电集群GC1出力就近消纳，选择分布式负荷集群LC1的负荷曲线作为分布式发电集群GC1的出力调整目标曲线，分布式发电集群GC1中的储能设备充电动作；第69预测点到第96预测点这一区间内，分布式发电集群GC1出力小于分布式负荷集群LC1负荷。
考虑到传输通道的可用输电能力容量限制，本实施例选用可用输电能力曲线作为分布式发电集群GC1的出力调整目标曲线，分布式发电集群GC1中的储能设备放电动作，可得到分布式发电集群GC1中储能设备调节动作曲线，如图3所示，为本实施例的分布式发电集群GC1中储能设备调节动作曲线示意图，其中，当功率为正值时表示储能设备为充电动作，当功率为负值时表示储能设备为放电动作。
此外，如图4所示，为本实施例储能设备参与调节后的分布式发电集群GC1发电曲线示意图。由图可知，考虑分布式发电集群GC1和分布式负荷集群LC1群间可用输电能力的情况下，经过储能设备的调节，分布式发电集群GC1的发电功率曲线和分布式负荷集群LC1负荷曲线基本吻合，分布式发电集群GC1的发电量，完全被选定的分布式负荷集群LC1就近消纳。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (8)

1.一种分布式集群配置调度方法，其特征在于，包括以下步骤：
S1：根据配电网的运行方式，将配电网光伏发电设备和储能设备划分为分布式发电集群GC1，将配电网中的负荷设备划分为分布式负荷集群LC1；
S2：设定所述分布式发电集群GC1在未来一天的96预测点总光伏发电值
Figure FDA0003459082940000011
设定所述分布式负荷集群LC1在未来一天的96预测点总负荷预测值
Figure FDA0003459082940000012
其中，i为预测点，且i∈[1,96]；
S3：根据所述总光伏发电值
Figure FDA0003459082940000013
和总负荷预测值
Figure FDA0003459082940000014
计算分布式集群的可用输电能力，得到所述分布式发电集群GC1和分布式负荷集群LC1的群间传输路径最大可用输电能力时所述分布式发电集群GC1的发电量
Figure FDA0003459082940000015
其中，设定分布式发电集群GC1中储能设备动作量为0，并采用重复潮流发计算每时刻群间传输路径的最大可用输电能力；
S4：根据所述发电量
Figure FDA0003459082940000016
总光伏发电值
Figure FDA0003459082940000017
总负荷预测值
Figure FDA0003459082940000018
确定所述分布式发电集群GC1中储能设备在96个预测点的储能设备动作量Ei；其具体步骤如下：
S41：设置i＝1；
S42：比对所述发电量
Figure FDA0003459082940000019
总光伏发电值
Figure FDA00034590829400000110
总负荷预测值
Figure FDA00034590829400000111
结合当前的储能设备容量
Figure FDA00034590829400000112
确定第i个预测点的储能设备的动作量Ei；所述第i个预测点的储能设备的动作量Ei的计算公式如下：
Figure FDA00034590829400000113
其中，当Ei>0时表示储能设备充电动作，当Ei<0时表示储能设备放电动作；当
Figure FDA00034590829400000114
时，若
Figure FDA00034590829400000115
则取
Figure FDA00034590829400000116
和
Figure FDA00034590829400000117
中的最小值作为关口潮流的优化目标功率，计算第i个预测点的GC1中储能设备15分钟内的动作量Ei；若
Figure FDA00034590829400000118
则取
Figure FDA00034590829400000119
和
Figure FDA00034590829400000120
中的最大值作为关口潮流的优化目标功率，计算第i个预测点的GC1中储能设备15分钟内的动作量Ei；当
Figure FDA00034590829400000121
时，则取
Figure FDA00034590829400000122
和
Figure FDA00034590829400000123
中的最小值作为关口潮流的优化目标，计算第i个预测点的GC1中储能设备15分钟内的动作量Ei；
S43：将所述动作量Ei与当前的储能设备容量
Figure FDA0003459082940000021
之和，与所述分布式发电集群GC1中储能设备的储能容量上限Emax相比较，将符合预设的条件的动作量Ei存入充电序列Eseq中；
S44：设置i＝i+1，然后跳转执行所述S42步骤，直到i＝96，得到96个预测点的储能设备动作量Ei；
S5：根据所述储能设备动作量Ei，将动作量Ei转换为功率变化，并分配给分布式发电集群GC1的储能设备。
2.根据权利要求1所述的分布式集群配置调度方法，其特征在于：所述S3步骤计算分布式集群的可用输电能力的过程中，设定所述分布式发电集群GC1中储能设备动作量为0，并采用重复潮流法进行可用输电能力计算。
3.根据权利要求1所述的分布式集群配置调度方法，其特征在于：所述S43步骤中，其具体步骤如下：
记录第i个预测点的储能设备的动作量Ei，判断：若
Figure FDA00034590829400000214
则将所述动作量Ei存入充电序列Eseq中，将充电序列Eseq中保存的动作量数据从大到小进行排序，将其最小动作量记为
Figure FDA0003459082940000022
否则将所述动作量Ei存入充电序列Eseq中，然后跳转执行S44步骤。
4.根据权利要求3所述的分布式集群配置调度方法，其特征在于：所述S43步骤中，当
Figure FDA0003459082940000023
时，将所述动作量Ei存入充电序列Eseq中，将充电序列Eseq中保存的动作量数据从大到小进行排序，将其最小动作量记为
Figure FDA0003459082940000024
还包括以下步骤：
对所述最小动作量
Figure FDA0003459082940000025
进行判断：若
Figure FDA0003459082940000026
则将
Figure FDA0003459082940000027
从充电序列Eseq中删除，并使
Figure FDA0003459082940000028
然后重复本步骤，直到满足
Figure FDA0003459082940000029
并使充电序列Eseq中最小动作量为：
Figure FDA00034590829400000210
5.根据权利要求1所述的分布式集群配置调度方法，其特征在于：所述S5步骤中，其具体步骤如下：
S51：将所述动作量Ei转换为功率，计算储能设备在第i预测点的调节总功率
Figure FDA00034590829400000211
其计算公式如下：
Figure FDA00034590829400000212
S52：根据所述调节总功率
Figure FDA00034590829400000213
以及所述分布式发电集群GC1中各储能设备的容量分配，计算各储能设备的调节量。
6.根据权利要求5所述的分布式集群配置调度方法，其特征在于：所述S52步骤中，所述各储能设备的调节量计算公式如下：
Figure FDA0003459082940000031
其中，n为分布式发电集群GC1中储能设备的个数，
Figure FDA0003459082940000032
表示每个储能设备的当前容量，
Figure FDA0003459082940000033
表示每个储能设备的最大容量，Emax表示分布式发电集群GC1中储能设备的总容量。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202010546615.XA 2020-06-16 2020-06-16 一种分布式集群配置调度方法、计算机设备及存储介质 Active CN111709574B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010546615.XA CN111709574B (zh) 2020-06-16 2020-06-16 一种分布式集群配置调度方法、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010546615.XA CN111709574B (zh) 2020-06-16 2020-06-16 一种分布式集群配置调度方法、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN111709574A CN111709574A (zh) 2020-09-25
CN111709574B true CN111709574B (zh) 2022-02-22

Family

ID=72540684

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010546615.XA Active CN111709574B (zh) 2020-06-16 2020-06-16 一种分布式集群配置调度方法、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111709574B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112838606A (zh) * 2020-12-30 2021-05-25 广东电网有限责任公司电力调度控制中心 分布式供能运行系统及其的形成方法、装置和终端设备
CN116799867B (zh) * 2023-05-17 2024-04-16 国网信息通信产业集团有限公司 基于群内预自治的分布式光伏协同控制方法、系统及设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7274975B2 (en) * 2005-06-06 2007-09-25 Gridpoint, Inc. Optimized energy management system
US20110029142A1 (en) * 2010-07-02 2011-02-03 David Sun System tools that provides dispatchers in power grid control centers with a capability to make changes
CN103050989B (zh) * 2012-10-11 2016-04-20 中国电力科学研究院 一种集群风电场有功功率智能控制系统和方法
CN104348190B (zh) * 2014-10-27 2016-05-11 国家电网公司 风电场群汇集系统的有功功率调节方法
WO2017132802A1 (zh) * 2016-02-01 2017-08-10 无锡美凯能源科技有限公司 一种交流母线的能量互联储能逆变控制装置及方法
CN109599879B (zh) * 2018-12-10 2022-02-22 国网吉林省电力有限公司电力科学研究院 考虑储能设备充放电次数优化的配电网有功功率调度方法
CN110048420B (zh) * 2019-05-15 2021-08-13 广东电网有限责任公司 一种配电网随机优化调度的方法、装置和介质
CN110601254B (zh) * 2019-08-23 2021-06-01 国网福建省电力有限公司 一种考虑动态载流特性的风电场储能优化配置方法及系统

Also Published As

Publication number Publication date
CN111709574A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN109103912B (zh) 考虑电网调峰需求的工业园区主动配电系统调度优化方法
CN108879746B (zh) 基于多时间尺度需求响应的集中式混合储能协调控制方法
US8571720B2 (en) Supply-demand balance controller
CN111709574B (zh) 一种分布式集群配置调度方法、计算机设备及存储介质
CN112467730B (zh) 考虑风光出力预测误差和需求响应灵活性的电力系统优化调度方法
CN115147245B (zh) 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
CN114336702A (zh) 基于双层随机规划的风光储场站群功率分配协同优化方法
CN115296349B (zh) 一种综合储能电站的高效经济性功率分配方法
WO2023226368A1 (zh) 电动汽车集群充放电控制方法、系统及相关设备
CN109599879B (zh) 考虑储能设备充放电次数优化的配电网有功功率调度方法
CN113435659B (zh) 基于场景分析的综合能源系统两阶段优化运行方法及系统
CN117254464A (zh) 一种储能系统的控制方法及系统
JP6705319B2 (ja) 統括制御装置、統括制御システム、統括制御方法および統括制御プログラム
CN109995030B (zh) 一种考虑脱网风险的储能装置soc下限值最优设置方法
CN112952847B (zh) 考虑用电需求弹性的多区域主动配电系统调峰优化方法
WO2022054442A1 (ja) 電力調整方法および電力調整装置
CN115619153A (zh) 动态聚合下考虑分布式资源运行特性的响应方法和装置
CN112421686B (zh) 一种信息物理融合的分布式可再生能源分层消纳调控方法
CN112215720A (zh) 一种基于可再生能源发电的智能电网控制系统的控制方法
CN115036914B (zh) 考虑灵活性与新能源消纳的电网储能双层优化方法及系统
Chen et al. PV Inverter Control Algorithm Using Reinforcement Learning to Mitigate the Duck Curve Problem
CN113580993B (zh) 一种以变压器效率最高为目标的充电桩集群有序充电方法
CN117318251B (zh) 一种储能系统
CN113077096B (zh) 一种电力交易中心计划电比例确定方法
CN111884262B (zh) 一种基于应用工况性能的广域分布式储能系统调控方法

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