CN112801379B - 一种基于云计算与大数据的智能电网分布式能源管理系统 - Google Patents

一种基于云计算与大数据的智能电网分布式能源管理系统 Download PDF

Info

Publication number
CN112801379B
CN112801379B CN202110141419.9A CN202110141419A CN112801379B CN 112801379 B CN112801379 B CN 112801379B CN 202110141419 A CN202110141419 A CN 202110141419A CN 112801379 B CN112801379 B CN 112801379B
Authority
CN
China
Prior art keywords
electric quantity
module
distributed
user
optimal
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
CN202110141419.9A
Other languages
English (en)
Other versions
CN112801379A (zh
Inventor
牛姿懿
刘豪
贺伟
庞凯歌
宋亚凯
韩玉磊
梁栋
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.)
Electric Housekeeper Group Co ltd
Original Assignee
Henan University of Urban Construction
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 Henan University of Urban Construction filed Critical Henan University of Urban Construction
Priority to CN202110141419.9A priority Critical patent/CN112801379B/zh
Publication of CN112801379A publication Critical patent/CN112801379A/zh
Application granted granted Critical
Publication of CN112801379B publication Critical patent/CN112801379B/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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth 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)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及云计算与大数据技术领域，具体涉及一种基于云计算与大数据的智能电网分布式能源管理系统。该系统通过数据特征模块对得到的大数据进行处理，得到便于分析的特征信息。利用负荷预测模块对特征信息进行预测，输出当前地区所需总电量。通过资源分配模块根据最优分配算法初次分配电量。然后通过最优收敛模块对分配电量进行调整，使分配电量达到最优点。最后通过电力资源分配模块对分配结果进行实时动态的分配电量。本系统通过最优分配算法和最优收敛模块对电量进行公平有效的分配。

Description

一种基于云计算与大数据的智能电网分布式能源管理系统
技术领域
本发明涉及云计算与大数据技术领域，具体涉及一种基于云计算与大数据的智能电网分布式能源管理系统。
背景技术
分布式能源管理系统是一种软件平台，可协助配电公司监视、管理及调度并网及户用的分布式能源，其可能应用的范围包括减轻局部电压限制，提供系统峰值容量等。云计算技术作为分布式计算的一种，指的是通过网络云将巨大的数据计算处理程序分解成无数个小程序，然后通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户，其中大数据则提供各家庭电网的实时数据。
在智能电网中有三类节点，分别是发电节点、储能节点和负载节点。其中发电节点的电能可以向储能节点和负载节点进行流动，储能节点接受发电节点的电能，电能流向负载节点，负载节点仅可接受其他两种节点传输的电能。在分布式能源管理系统中，家庭网络作为社区网络的一部分，属于分布式系统中的基本单元。因为分布式系统的特殊性，家庭网络节点也可以进行发电产能，因此大量的分布式发电并网有可能造成电力系统对其不可控的局面，主线路在进行电量分配时会造成不公平不合理的分配，且分配系统达不到对电量的有效分配，用户节点在进行动态增减时系统具有较大的不稳定性。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于云计算与大数据的智能电网分布式能源管理系统，所采用的技术方案具体如下：
本发明提出了一种基于云计算与大数据的智能电网分布式能源管理系统，所述系统包括：数据特征模块、负荷预测模块、资源分配模块、最优收敛模块和电力资源分配模块；
所述数据特征模块用于获得当前地区电力资源信息，将所述电力资源信息转换为可处理的特征信息；
所述负荷预测模块用于利用所述特征信息通过预先训练好的负荷预测模型对当前地区所需的总电荷进行预测，根据预测值获得所需总电量；
所述资源分配模块用于利用最优分配算法根据用户属性对所述总电量进行最优分配，获得分配电量；所述用户属性包括普通供电的无权重用户和需特殊供电的有权重用户；
所述最优收敛模块用于通过最优收敛算法使所述分配电量达到最优点获得最优分配电量；所述最优点为效率线和公平线的交点；所述效率线表示所述用户的分配电量总和等于所述总电量；所述公平线表示所述用户之间分配电量相等；
所述电力资源分配模块用于根据所述最优分配电量对电力资源进行分配。
进一步地，所述资源分配模块还包括无权重分配模块；
所述无权重分配模块用于对所述无权重用户进行合理分配；根据所述用户负载从小到大确定用户负载序列；根据所述用户负载序列数量将总电量平均值分配给所述用户负载序列的第一个所述用户；将所述第一个用户分配超出的电量收回，并根据剩下所述用户数量将剩下的所述总电量平均值分给下一个用户；当所述分配电量不满足所述用户需求时，将剩余所述总电量平均分配给剩下的所有所述用户，并利用分布式节点中电量进行补足。
进一步地，所述资源分配模块还包括有权重分配模块；
所述有权重分配模块用于对所述有权重的用户进行合理分配；将所述总电量根据所述用户自身的权重进行分配；统计所有所述用户分配过多的电量，获得盈余电量；将所述盈余电量根据所述用户自身的权重进行分配；当所述分配电量不满足所述用户需求时，利用分布式节点中电量进行补足。
进一步地，所述负荷预测模块还包括信号反馈模块；
所述信号反馈模块用于获取当前地区总负载所需电量，将所述总负载所需电量与所述总电量进行比较获得反馈信号，将所述反馈信号反馈给所述电力资源分配模块。
进一步地，所述资源分配模块还包括公平性分析模块；
所述公平性分析模块用于通过公平性分析模型对所述分配电量进行公平性评估；所述公平性分析模型为：
Figure BDA0002925593710000021
其中，F(W)为所述公平性分析模型，wi为第i个用户分配的所述分配电量，n为该地区内的用户数量。
进一步地，所述最优收敛模块使用的最优收敛算法包括加法过程和乘法过程；所述加法过程为增加所述分配电量；乘法过程为通过调整系数减少所述分配电量。
进一步地，所述最优收敛模块利用调整模型对所述分配电量进行调整；所述调整模型为：
Figure BDA0002925593710000022
其中，wi(k+1)为第i个用户在k+1时刻的所述分配电量，β为所述调整系数，wi(k)为第i个用户在k时刻的所述分配电量，n为所述用户数量，E为所述总电量。
进一步地，所述数据特征模块还包括数据处理模块；
所述数据处理模块用于筛选异常数据，填补缺损数据，将处理好的正常数据归一化处理。
进一步地，所述符合预测模块中所述符合预测模型利用Wide&Deep-LSTM模型构建。
本发明具有如下有益效果：
1.本发明实施例通过资源分配模块和最优收敛模块对电力资源进行合理公平的分配，且分配过程是动态的，提高了主负载线路的使用效率，使用户之间的电力资源公平有效的分配，并利用分布式节点中的电量对用户分配电量进行补足，提高了系统的稳定性。
2.本发明实施例通过信号反馈模块反馈总电量和负载所需电量的关系，使得可以根据信号大小选择合理的分配方法对电力进行分配。
3.本发明实施例通过公平性分析模块对用户分配到的电力进行公平性分析，通过公平性反映出系统的分配效率和分配合理程度。
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和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于云计算与大数据的智能电网分布式能源管理系统框图；
图2为本发明一个实施例所提供的最优收敛模块算法示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于云计算与大数据的智能电网分布式能源管理系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于云计算与大数据的智能电网分布式能源管理系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于云计算与大数据的智能电网分布式能源管理系统框图，该系统包括：数据特征模块101、负荷预测模块102、资源分配模块103、最优收敛模块104和电力资源分配模块105。
数据特征模块101用于获得当前地区电力资源信息，将电力资源信息转换为可处理的特征信息。
数据特征模块101还包括数据处理模块，数据处理模块对异常数据进行分析，寻找电力资源信息中的异常数据，将异常数据剔除保证电力资源信息的准确性。对缺损数据进行填补后获得正常数据。将正常数据归一化处理完成数据处理。
数据特征模块101通过特征提取和特征融合将获得的电力资源信息转换为后续模型训练数据的过程，获取更好的训练数据特征使得机器学习模型逼近上限。
负荷预测模块102用于利用特征信息通过预先训练好的负荷预测模型对当前地区所需的总电荷进行预测，根据预测值获得所需总电量。
优选的，在本发明实施例中负荷预测模型利用Wide&Deep-LSTM模型构建。基于量测设备采集的历史电器数据对未来的所需总电量进行预测，预测过程具有天生时序特性，因此使用该模型对于时序特性具有很好的表达能力。
长短期记忆神经网络模型(LSTM)是在递归神经网络模型的基础上进行改进的递归神经网络模型。核心思想是在每个循环神经网络中的神经元内加入三个门控制单元，用来选择对关键节点的信息进行记忆或者遗忘，从而很好改进了网络对于长时序问题出现的梯度消失问题。
Wide&Deep模型是谷歌提出的一种深度学习模型，其中包含浅层(Wide)和深层(Deep)两个模块其中浅层模块接收经过编码后的类别型特征，由于类别型特征能够很好的反映某一样本的独特性，可以对样本信息进行很好的表达。深层模块的主要作用则是接收经过特征工程后的数值型特征与类别型特征，通过神经网络端对端的拟合特性将数值型特征进行充分的融合，提高模型对信息的表达效果。
Wide&Deep-LSTM模型借鉴了Wide&Deep对于输入特征的信息抽取方式，把用于将推荐系统的文本输入数据转变为向量的嵌入层改为了全连接层，用于进行输入数据的信息融合；同时增加了LSTM模块，用于对数据的时序信息进行表达，并将Wide&Deep模型的输出层激活函数更改为了线性整流函数(Relu)使得模型能够处理电力负荷预测问题。负荷模型的具体训练方法为：
1)选取模型评估指标，负荷预测的误差指标包括绝对误差、相对误差等。本发明实施例采用均方根百分比误差和平均绝对百分比误差作为预测效果判断的依据，可以直观准确的展示预测效果及保证指标的灵敏性。使用Adam优化算法替代传统随机梯度下降过程的一阶优化算法，使得每一次迭代的学习率都有确定范围，使参数比较平稳。
2)数据特征模块获得的数据特征内容包括当前该地区的有功负荷、无功负荷、电压、电流以及对应的采集节点的时间信息。每隔一小时进行一次信息数据采样。实验数据的百分之70用于训练集，剩下的百分之30用于验证集。
至此根据建立的负荷预测模型对当前该地区所需要的总电荷进行预测，根据预测值获得当前地区所需总电量。
资源分配模块103用于利用最优分配算法根据用户属性对总电量进行最优分配，获得分配电量。用户属性包括普通供电无权重用户和需特供电的有权重用户。
由于在分布式管理系统中，各家庭或者社区作为节点，自身既能够产生电能，还能通过储存的电能消耗负载。因为这样特殊的节点使得大量分布式发电并网有可能造成电力系统不可控的局面，给管理带来不便。因此资源分配模块通过最优分配算法对每个用户进行最优分配，使主负载线路达到可控且效率最大。
资源分配模块103的最优分配算法使当前电路资源公平合理分配。使总电量资源按照需求递增的顺序来分配，避免用户获得电力资源超过自身所需资源，且对于未满足的用户，等价分享剩余资源，最后还不足的部分通过节点自身发电量以及储存的电量进行补齐。对于一般用户而言，按照公平的均匀分配即可，对于医院、政府机关等需要特殊供电的单位则需要根据权重进行分配电量。因此资源分配模块103还包括无权重分配模块和有权重分配模块。
无权重分配模块用于对无权重的用户进行合理分配。根据用户负载从小到大确定用户序列，设用户负载序列为[e1，e2…em]，总电量为E。根据用户序列数量将总电量平均值分配给用户序列的第一个用户，即将E/m分配给第一个用户。将第一个用户超出的电量收回，根据剩下用户数量将剩下的总电量平均值分给下一个用户，即将(E-e1)/(m-1)分配给第二个用户。重复此过程直到某一次分配的电量不足以满足用户需求，将剩余总电量平均分配给剩下的所有用户，并利用分布式节点中自身发电量和储存电量进行补足。
有权重分配模块用于对有权重的用户进行合理分配。将总电量根据用户自身的权重进行分配。统计所有用户分配过多的电量获得盈余电量，将盈余电量根据用户自身权重进行分配。当分配电量不满足用户需求时，利用分布式节点中自身发电量和储存电量进行补足。对于有权重分配过程本发明实施例举例说明：
1)设当前地区共有4个用户需用点，相应的资源需求为2,4,4,10份电量，相应的权重分别为4,2.5,1,0.5，总电量为16份。
2)首先对权重进行标准化处理，将最小的权重设为1，各用户权重分别为8,5,2,1，将电力资源分为16份，4个用户分别得到8,5,2,1份电量。
3)此时第一个用户多获取了6份电量，第二个用户多获取了1份电量，第三个用户和第四个用户还处于不足状态。盈余电量为7份，将盈余电量根据第三个用户和第四个用户的权重进行再分配，则第三个用户和第四个用户分配的盈余电量分别为
Figure BDA0002925593710000061
份，
Figure BDA0002925593710000062
份。
4)此时第三个用户分配的电量超出了所需，将多出的资源再分配给第四个用户，完成分配过程。第四个用户仍不满足需求，利用分布式节点中自身发电量和储存电量进行补足。不再通过主负载线路进行获取。
优选的，资源分配模块103还包括信号反馈模块。信号反馈模块对各个用户节点的用电量进行实时采集计算，获得每个用户用电信息的所需分配量。将每个用户的所需分配量求和相加获得该地区总负载所需电量。将总负载所需电量与预测的总电量进行比较获得反馈信号，当总负载所需电量大于等于总电量时，信号输出为1；当总负载所需电量小于总电量时信号输出为0。获得的二值信号表示了当前负载与预测分配电量之间的关系，通过二值信号反馈给电力资源分配模块可使系统采用相应的最优分配算法来控制各个用户节点对当前主负载线路的消耗，即每个用户节点分配到的电量。
优选的，资源分配模块还包括公平性分析模块。公平性分析模块用于通过公平性分析模型对分配电量进行公平性评估，公平性模型为：
Figure BDA0002925593710000063
其中，F(W)为公平性分析模型，wi为第i个用户分配的分配电量，n为该地区内的用户数量。
由公平性模型可知，当w1＝w2＝...＝wn时，即当资源被完全公平分配时，F(W)＝1；当全部资源都分配给一个用户时，
Figure BDA0002925593710000064
此时当n→∞时，F(W)→0；当全部资源仅公平分给k个用户时，则
Figure BDA0002925593710000071
资源分配模块103将总电量分配给各分布式节点，但其仍不足以使每个用户都公平的分配到最大的负载。本发明实施例中在上述资源分配模块103分配的基础上继续通过最优收敛模块104继续使分配电量达到最优点。
最优收敛模块104用于通过最优收敛算法使分配电量达到最优点获得最优分配电量。最优点为效率线与公平线的交点，效率线表示用户的分配电量总和等于总电量，公平线表示用户之间分配电量相等。
优选的，最优收敛算法包括加法过程和乘法过程。加法过程为增加分配电量；乘法过程为通过调整系数减少分配电量。
最优收敛算法的具体推导过程为：
请参阅图2，其示出了本发明一个实施例所提供的最优收敛模块算法示意图。设在当前该地区的电网中存在两个用户同时消耗主线负载，如图2所示，以横轴x为第一用户的负载，纵轴y是第二用户的负载建立坐标系，总电量为E，对于任意x,y，满足x+y≤E。当x+y＝E,则该电网主线路电量全部被分配完，在坐标系中为效率线H。在没有权重的情况下两个用户应该获取同样大小负载，即x-y＝0，在坐标系中为公平线F。两条线的交点称为最优点P，是每个主负载网络下希望能够达到的理想状态。因此通过加法过程和乘法过程使分配电量逐渐趋近最优点。
加法过程为同时增加或者减少第一用户和第二用户的负载，乘法则是按照一定调整系数改变第一用户和第二用户的负载。因为各用户节点分配电量超出所需电量相对容易，但是分配电量恢复至正常数值相对麻烦，因此在本发明实施例中加法过程只增加用户负载，使用户分配电量更多，乘法过程只用来减少用户分配电量。
如图2所示，点A表示两个用户初始分配电量，点1～6分别表示加法过程和乘法过程得到的电量。在对用户进行电量分配过程中，首先通过加法过程增加分配电量，当达到点1时超出了总电量，此时可通过信号反馈模块反馈的二值信号获得信息，各个用户开始用乘法过程来减少分配电量，利用乘法过程减少分配电量是用户通过分布式节点中的发电节点或者储能节点进行提供的电能进行工作。当达到点2后继续重复加法过程和乘法过程，依次调整到点3点4点5点6，最终趋近于最优点P。
优选的，最优收敛模块104利用调整模型对分配电量进行调整，调整模型为：
Figure BDA0002925593710000072
其中，wi(k+1)为第i个用户在k+1时刻的分配电量，β为调整系数，wi(k)为第i个用户在k时刻的分配电量，n为所述用户数量，E为所述总电量。
调整模型的推导过程为：
当用户总负载所需电量小于总电量时，利用加法过程调整分配电量：
wi(t)1＝wi(t)+α
其中，wi(t)1为第i个用户在加法过程调整后的分配电量，wi(t)为第i个用户在t时刻的分配电量，α为增加的分配电量。
当用户总负载所需电量大于总电量时，利用乘法过程调整分配电量：
wi(t)2＝βwi(t)
其中，wi(t)2为第i个用户在乘法过程调整后的分配电量，wi(t)为第i个用户在t时刻的分配电量，β为调整系数。
设置调整周期，每隔一个调整周期利用加法过程增加分配电量，在tk+1时刻有：
Figure BDA0002925593710000081
其中，y(tk+1)表示所有用户的总分配电量，wi(k+1)为第i个用户在k+1时刻的电量，n为用户总数，E为总电量。
利用乘法过程调整分配电量后进入下一个调整周期，因此有：
Figure BDA0002925593710000082
其中，wi(k+1)为第i个用户在k+1时刻的电量，β为调整系数，wi(t)为第i个用户在t时刻的分配电量，α为增加的分配电量，tk+1和tk为所在时刻，n为用户总数。
将上示化简可得调整模型：
Figure BDA0002925593710000083
在本发明实施例中，以E＝1，n＝2举例说明。在初始时刻第一用户分配电量为0.8，第二用户分配电量为0.2。两个用户分配电量相加等于总电量，所以先利用乘法过程减少分配电量，以β＝0.5对两个用户进行调整，第一用户分配电量调整为0.4，第二用户分配电量调整为0.1。然后两个用户执行加法过程对分配电量进行增加，各自增加0.25，第一用户分配电量调整为0.65，第二用户调整为0.35，接着继续重复乘法过程和加法过程，直到收敛到最优点获得最优分配电量。
电力资源分配模块105通过最优收敛模块得到的最优分配电量对分布式系统中的用户节点进行动态的资源分配。
综上所述，本发明实施例通过分析当前地区的用电数据，通过数据特征模块101对得到的大数据进行处理，得到便于分析的特征信息。利用负荷预测模块102对特征信息进行预测，输出当前地区所需总电量。通过资源分配模块103根据最优分配算法初次分配电量。然后通过最优收敛模块104对分配电量进行调整，使分配电量达到最优点。最后通过电力资源分配模块对分配结果进行实时动态的分配电量。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
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。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于云计算与大数据的智能电网分布式能源管理系统，其特征在于，所述系统包括：数据特征模块、负荷预测模块、资源分配模块、最优收敛模块和电力资源分配模块；
所述数据特征模块用于获得当前地区电力资源信息，将所述电力资源信息转换为可处理的特征信息；
所述负荷预测模块用于利用所述特征信息通过预先训练好的负荷预测模型对当前地区所需的总电荷进行预测，根据预测值获得所需总电量；
所述资源分配模块用于利用最优分配算法根据用户属性对所述总电量进行最优分配，获得分配电量;所述用户属性包括普通供电的无权重用户和需特殊供电的有权重用户；
所述最优收敛模块用于通过最优收敛算法使所述分配电量达到最优点获得最优分配电量；所述最优点为效率线和公平线的交点；所述效率线表示所述用户的分配电量总和等于所述总电量；所述公平线表示所述用户之间分配电量相等；所述最优收敛算法包括加法过程和乘法过程；所述加法过程为增加所述分配电量；乘法过程为通过调整系数减少所述分配电量；
所述电力资源分配模块用于根据所述最优分配电量对电力资源进行分配；
其中，所述资源分配模块还包括公平性分析模块；所述公平性分析模块用于通过公平性分析模型对所述分配电量进行公平性评估；所述公平性分析模型为：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
为所述公平性分析模型，
Figure DEST_PATH_IMAGE006
为第
Figure DEST_PATH_IMAGE008
个用户分配的所述分配电量，
Figure DEST_PATH_IMAGE010
为当前地区内的用户数量。
2.根据权利要求1所述的一种基于云计算与大数据的智能电网分布式能源管理系统，其特征在于，所述资源分配模块还包括无权重分配模块；
所述无权重分配模块用于对所述无权重用户进行合理分配；根据所述用户负载从小到大确定用户负载序列；根据所述用户负载序列数量将总电量平均值分配给所述用户负载序列的第一个所述用户；将所述第一个用户分配超出的电量收回，并根据剩下所述用户数量将剩下的所述总电量平均值分给下一个用户；当所述分配电量不满足所述用户需求时，将剩余所述总电量平均分配给剩下的所有所述用户，并利用分布式节点中电量进行补足。
3.根据权利要求1所述的一种基于云计算与大数据的智能电网分布式能源管理系统，其特征在于，所述资源分配模块还包括有权重分配模块；
所述有权重分配模块用于对所述有权重的用户进行合理分配；将所述总电量根据所述用户自身的权重进行分配；统计所有所述用户分配过多的电量，获得盈余电量；将所述盈余电量根据所述用户自身的权重进行分配；当所述分配电量不满足所述用户需求时，利用分布式节点中电量进行补足。
4.根据权利要求1所述的一种基于云计算与大数据的智能电网分布式能源管理系统，其特征在于，所述负荷预测模块还包括信号反馈模块；
所述信号反馈模块用于获取当前地区总负载所需电量，将所述总负载所需电量与所述总电量进行比较获得反馈信号，将所述反馈信号反馈给所述电力资源分配模块。
5.根据权利要求1所述的一种基于云计算与大数据的智能电网分布式能源管理系统，其特征在于，所述最优收敛模块利用调整模型对所述分配电量进行调整；所述调整模型为：
Figure DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE014
为第
Figure 362148DEST_PATH_IMAGE008
个用户在
Figure DEST_PATH_IMAGE016
时刻的所述分配电量，
Figure DEST_PATH_IMAGE018
为调整系数，
Figure DEST_PATH_IMAGE020
为第个用户在
Figure DEST_PATH_IMAGE022
时刻的所述分配电量，
Figure 497200DEST_PATH_IMAGE010
为所述用户数量，
Figure DEST_PATH_IMAGE024
为所述总电量。
6.根据权利要求1所述的一种基于云计算与大数据的智能电网分布式能源管理系统，其特征在于，所述数据特征模块还包括数据处理模块；
所述数据处理模块用于筛选异常数据，填补缺损数据，将处理好的正常数据归一化处理。
7.根据权利要求1所述的一种基于云计算与大数据的智能电网分布式能源管理系统，其特征在于，所述负荷预测模块中所述负荷预测模型利用Wide&Deep-LSTM模型构建。
CN202110141419.9A 2021-01-30 2021-01-30 一种基于云计算与大数据的智能电网分布式能源管理系统 Active CN112801379B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110141419.9A CN112801379B (zh) 2021-01-30 2021-01-30 一种基于云计算与大数据的智能电网分布式能源管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110141419.9A CN112801379B (zh) 2021-01-30 2021-01-30 一种基于云计算与大数据的智能电网分布式能源管理系统

Publications (2)

Publication Number Publication Date
CN112801379A CN112801379A (zh) 2021-05-14
CN112801379B true CN112801379B (zh) 2022-04-19

Family

ID=75813627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110141419.9A Active CN112801379B (zh) 2021-01-30 2021-01-30 一种基于云计算与大数据的智能电网分布式能源管理系统

Country Status (1)

Country Link
CN (1) CN112801379B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008086114A2 (en) * 2007-01-03 2008-07-17 Gridpoint, Inc. Utility console for controlling energy resources
CN105375479B (zh) * 2015-12-14 2017-11-17 东南大学 一种基于模型预测控制的分布式能源能量管理方法
US20170256951A1 (en) * 2016-03-05 2017-09-07 Daniel Crespo-Dubie Distributed System and Methods for Coordination, Control, and Virtualization of Electric Generators, Storage and Loads.
CN110265991B (zh) * 2019-05-07 2023-04-28 上海电力学院 一种直流微电网的分布式协调控制方法
CN112101754B (zh) * 2020-09-01 2023-12-19 四川大学 一种电力应急保障能力评价方法
CN112183865B (zh) * 2020-09-29 2023-10-31 华中科技大学 一种配电网分布式调度方法

Also Published As

Publication number Publication date
CN112801379A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN110429649B (zh) 考虑灵活性的高渗透率可再生能源集群划分方法
CN110417015A (zh) 基于模型预测控制的微电网多目标优化调度方法及系统
CN110729765A (zh) 一种考虑sop的配电网灵活性评估指标体系和优化调度方法
Zeng et al. Scenario-set-based economic dispatch of power system with wind power and energy storage system
CN112994097A (zh) 一种基于智能配变终端系统的高比例分布式光伏协同控制方法
CN107332252A (zh) 一种计及广义无功源的配电网低电压综合治理方法
CN114638433A (zh) 一种考虑风电不确定性的负荷恢复分布鲁棒优化方法
CN116993205A (zh) 一种面向城市综合能源系统日内运行的调节能力评估方法
CN109726416B (zh) 一种基于新能源集群预测及潮流计算的调度决策方法
US20170346283A1 (en) Systems and Methods for Modular DC Microgrids with Control of Loads
CN112801379B (zh) 一种基于云计算与大数据的智能电网分布式能源管理系统
CN117595398A (zh) 一种电力系统灵活性优化方法及装置
CN109586309B (zh) 基于大数据自由熵理论和场景匹配的配电网无功优化方法
CN107911763B (zh) 一种基于QoS的智能配用电通信网EPON网络规划方法
CN116404642A (zh) 一种分布式电源集群划分方法、装置、电子设备及存储介质
CN112564151B (zh) 一种计及隐私意识的多微网云储能优化调度方法及系统
CN108695848A (zh) 主动配电网运行时序仿真方法
CN114844048A (zh) 一种面向电网调控需求的可调节负荷调节能力评估方法
Geng et al. Hierarchical scheduling algorithm design of active distribution network based on multi-microgrid system
CN110970939B (zh) 一种分布式能源集群优化方法及系统
CN117498468B (zh) 一种多区域虚拟电厂协同优化运行方法
Poudel et al. Multi-objective power distribution operations: Characterizing conflict and system volatility
US12009666B2 (en) Method and system for grid connection management of renewable energy generation
Memon et al. Optimal power dispatch using model predictive control for energy deficit countries
CN113949068B (zh) 一种基于电网降损分级分区的电压控制方法

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
TR01 Transfer of patent right

Effective date of registration: 20221018

Address after: 230000 Room 203, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Hefei Jiuzhou Longteng scientific and technological achievement transformation Co.,Ltd.

Address before: 467000 Xinhua District, Pingdingshan City, Henan Province

Patentee before: Henan University of Urban Construction

Effective date of registration: 20221018

Address after: 2 / F, 979 Yunhan Road, Lingang xinpian District, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai 200120

Patentee after: Electric housekeeper Group Co.,Ltd.

Address before: 230000 Room 203, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee before: Hefei Jiuzhou Longteng scientific and technological achievement transformation Co.,Ltd.

TR01 Transfer of patent right
CP03 Change of name, title or address

Address after: 201306 2nd floor, no.979 Yunhan Road, Lingang New Area, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai

Patentee after: Electric Housekeeper Group Co.,Ltd.

Address before: 2 / F, 979 Yunhan Road, Lingang xinpian District, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai 200120

Patentee before: Electric housekeeper Group Co.,Ltd.

CP03 Change of name, title or address