CN112862194B - 配电网供电规划方法、装置、设备、以及可读存储介质 - Google Patents
配电网供电规划方法、装置、设备、以及可读存储介质 Download PDFInfo
- Publication number
- CN112862194B CN112862194B CN202110187098.6A CN202110187098A CN112862194B CN 112862194 B CN112862194 B CN 112862194B CN 202110187098 A CN202110187098 A CN 202110187098A CN 112862194 B CN112862194 B CN 112862194B
- Authority
- CN
- China
- Prior art keywords
- power supply
- distribution network
- power
- historical
- power distribution
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000005611 electricity Effects 0.000 claims abstract description 59
- 238000005192 partition Methods 0.000 claims abstract description 9
- 230000008901 benefit Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 24
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007635 classification algorithm Methods 0.000 claims description 8
- 238000003066 decision tree Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 description 17
- 230000005540 biological transmission Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007613 environmental effect 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
- 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
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
-
- 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—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
- 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)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Fuzzy Systems (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Analysis (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网供电规划方法，包括：按照分层分区将供电区域划分成多个供电网格区；根据每个供电网格区的历史用电数据，获得每个供电网格区的预测用电需求；根据各个供电网格区中的可再生能源供电的历史供电数据，获得每个供电网格区的中预测可再生供电量；基于预测用电需求和预测可再生供电量以及预先创建的配电网规划模型，确定配电网的规划供电参数。本申请在一定程度上提高了配电网供电的科学性和合理性，进而提高配电网供电的经济效益。本申请中还提供了一种配电网供电规划装置、设备以及计算机可读存储介质，具有上述有益效果。
Description
技术领域
本发明涉及配电网技术领域，特别是涉及一种配电网供电规划方法、装置、设备、以及计算机可读存储介质。
背景技术
电网规划又称输电系统规划，以负荷预测和电源规划为基础。电网规划确定在何时、何地投入何种类型的输电线路及其回路数，以达到规划周期内所需要的输电能力，在满足各项技术指标的前提下使输电系统的费用最小。电网运作是否良好取决于电网的规划与建设是否科学，是否经济合理。
发明内容
本发明的目的是提供一种配电网供电规划方法、装置、设备以及计算机可读存储介质。
为解决上述技术问题，本发明提供一种配电网供电规划方法，包括：
按照分层分区将供电区域划分成多个供电网格区；
根据每个所述供电网格区的历史用电数据，获得每个所述供电网格区的预测用电需求；
根据各个所述供电网格区中的可再生能源供电的历史供电数据，获得每个所述供电网格区的中预测可再生供电量；
基于所述预测用电需求和所述预测可再生供电量以及预先创建的配电网规划模型，确定配电网的规划供电参数。
在本申请的一种可选地实施例中，基于所述预测用电需求和所述预测可再生供电量以及预先创建的配电网规划模型，确定配电网的规划供电参数，包括：
结合所述预测用电需求和所述预测可再生供电量，采用目标优化算法对所述配电网规划模型的目标函数进行求解运算，获得所述规划供电参数，其中，所述目标函数为配电网的综合效益最高且各个可再生能源消纳率最高为目标的函数；且所述目标函数的约束条件包括配电网运行约束、配电网拓扑约束以及可再生能源出力约束。
在本申请的一种可选地实施例中，获得每个所述供电网格区的历史用电数据的过程，包括：
基于决策树分类算法对采集到的所有历史用电数据进行分类，确定各个所述历史用电数据对应的所述供电网格区。
在本申请的一种可选地实施例中，获得每个所述供电网格区的可再生能源供电的历史供电数据的过程，包括：
基于决策树分类算法对采集到可再生能源供电的所有历史供电数据进行分类，确定各个所述历史供电数据对应的所述供电网格区。
在本申请的一种可选地实施例中，预先创建所述配电网规划模型的过程包括：
根据每个所述供电网格区对应的所述历史用电数据确定每个所述供电网格区的历史用电需求数据；
根据所述供电网格区对应的历史用电数据和历史供电数据获得每个所述供电网格区对应的历史配电参数；
利用所述历史用电需求数据和所述历史配电参数进行模糊神经网络训练，获得模糊神经网络算法作为配电网规划模型。
本申请还提供了一种配电网供电规划装置，包括：
区域划分模块，用于按照分层分区将供电区域划分成多个供电网格区；
第一预测模块，用于根据每个所述供电网格区的历史用电数据，获得每个所述供电网格区的预测用电需求；
第二预测模块，用于根据各个所述供电网格区中的可再生能源供电的历史供电数据，获得每个所述供电网格区的中预测可再生供电量；
参数配置模块，用于基于所述预测用电需求和所述预测可再生供电量以及预先创建的配电网规划模型，确定配电网的规划供电参数。
在本申请的一种可选地实施例中，所述参数配置模块用于结合所述预测用电需求和所述预测可再生供电量，采用目标优化算法对所述配电网规划模型的目标函数进行求解运算，获得所述规划供电参数，其中，所述目标函数为配电网的综合效益最高且各个可再生能源消纳率最高为目标的函数；且所述目标函数的约束条件包括配电网运行约束、配电网拓扑约束以及可再生能源出力约束。
在本申请的一种可选地实施例中，还包括模型创建模块，用于根据每个所述供电网格区对应的所述历史用电数据确定每个所述供电网格区的历史用电需求数据；根据所述供电网格区对应的历史用电数据和历史供电数据获得每个所述供电网格区对应的历史配电参数；利用所述历史用电需求数据和所述历史配电参数进行模糊神经网络训练，获得模糊神经网络算法作为配电网规划模型。
本申请还提供了一种配电网供电规划设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序，以实现如上任一项所述的配电网供电规划方法的步骤。
本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行以实现如上任一项所述的配电网供电规划方法的步骤。
本发明所提供的一种配电网供电规划方法，包括：按照分层分区将供电区域划分成多个供电网格区；根据每个供电网格区的历史用电数据，获得每个供电网格区的预测用电需求；根据各个供电网格区中的可再生能源供电的历史供电数据，获得每个供电网格区的中预测可再生供电量；基于预测用电需求和预测可再生供电量以及预先创建的配电网规划模型，确定配电网的规划供电参数。
本申请中通过对历史用电数据和历史供电数据进行分析实现对后续各个供电网格区的用电量以及可再生能源的可供电量进行预估，并以此为依据结合配电网规划模型，对后续各个供电网格区的供电方案进行规划，在一定程度上提高了配电网供电的科学性和合理性，进而提高配电网供电的经济效益。
本申请中还提供了一种配电网供电规划装置、设备以及计算机可读存储介质，具有上述有益效果。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，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他的附图。
图1为本申请实施例提供的配电网供电规划方法的流程示意图；
图2为本发明实施例提供的配电网供电规划装置的结构框图。
具体实施方式
近年来，随着新能源发电技术的迅速发展，新能源发电逐渐在电网中发挥巨大的作用。然而，目前对新能源发电设备投资建设往往是在已有的存量配电网中进行规划和改造，在此过程中往往会受到配电网网架拓扑结构和配网输电能力等多方面因素的制约，配电网为了适应新能源发电设备的接入也需要进行一定程度的改造。但在实际的电网运行过程中，配电网对接入的新能源发电设备发电往往不能全部消纳，造成了大量的资源和能源浪费，使新能源发电项目的意义大打折扣。
为此，本申请提供了一种能够提高配电网中对新能源发电设备发电的消纳能力，进而提高能源利用率的技术方案。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。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。
如图1所示，图1为本申请实施例提供的配电网供电规划方法的流程示意图，该配电网供电规划方法可以包括：
S11：按照分层分区将供电区域划分成多个供电网格区。
本实施例中所指的供电区域也即存在配电网需要供电的用户所在位置的地区。在划分供电网格区时，可以按照面积大小进行划分，使得每个供电网格区的面积大小基本类似，也可以按照人口分布密度进行划分，人口密度越大的地区所划分的供电网格区的面积也就越小；还可以依据配电网的线路布局等进行供电网格区的划分，对此本申请中均不作具体限制。
S12：根据每个供电网格区的历史用电数据，获得每个供电网格区的预测用电需求。
本实施例中的历史用电数据可以包括每个供电网格区中的各个不同时间段内的有功功率P、无功功率Q、视在功率S、功率因数PF、电流I等等，对此，本实施例中不一一列举。
另外，在实际采集历史供电数据时，能够采集到的是整个供电区域中所有的历史供电数据。为了确定各个历史供电数据对应的供电网格，可以利用决策树分类算法对采集到的所有历史用电数据进行分类，确定各个历史用电数据对应的所述供电网格区。
在获得各个供电网格区的历史供电数据后，显然即可确定各个供电网格区的历史耗电情况，基于该历史耗电情况，即可对各个供电网格区的用电情况进行预估，从而获得预测用电需求；可以理解的是，本实施例中的预测用电需求包括各个供电网格区在不同季节不同时间段内的用电量需求。
S13：根据各个供电网格区中的可再生能源供电的历史供电数据，获得每个供电网格区的中预测可再生供电量。
可再生能源也可以称之为新能源，可再生能源供电包括太阳能供电、风力供电、潮汐供电等等。尽管可再生能源发电对环境更为友好，但是在实际应用中或多或少的存在环境限制，目前尚且不能作为主要供电来源，而是作为火力发电、水力发电以及核能发电的辅助发电方式，和当前的主流发电共同配合运行，共同提供电能。
此外，对于可再生能源供电设备的搭建，一般是用于就近地区范围内供电，因此，各个可供电网格区内搭建的可再生能源供电设备的分布情况各不相同，能够提供的供电量也不相同。
和上述确定历史用电数据的过程类似，在获得所有的可再生能源的历史供电数据之后，也可以决策树分类算法对采集到可再生能源供电的所有历史供电数据进行分类，确定各个历史供电数据对应的供电网格区。在确定各个供电网格区中可再生能源的历史供电数据后，显然即可预估出各个供电网格区随时间季节的变化确定的预测可再生供电量。
S14：基于预测用电需求和预测可再生供电量以及预先创建的配电网规划模型，确定配电网的规划供电参数。
在获得各个供电网格区的预测用电需求和预测可再生供电量之后，即可合理配置规划对各个供电网格区的供电参数。但显然，对于数量众多的供电网格区的供电方案多种多样。由此就需要在其中选取经济效益最高的供电方案。
为此本实施例中预先创建配电网规划模型，在确定供电方案时，可以结合预测用电需求和预测可再生供电量，采用目标优化算法对配电网规划模型的目标函数进行求解运算，获得规划供电参数。
本实施例中的目标函数可以为配电网的综合效益最高且各个可再生能源消纳率最高为目标的函数；且目标函数的约束条件包括配电网运行约束、配电网拓扑约束以及可再生能源出力约束。
对于配电网规划模型为预先基于每个供电网格区的配电网配置参数范围、可再生能源出力预测值以及各供电网格区之间供电关系构建配电网规划模型。
对配电网规划模型的创建过程可以包括：
根据每个供电网格区对应的历史用电数据确定每个供电网格区的历史用电需求数据；
根据供电网格区对应的历史用电数据和历史供电数据获得每个供电网格区对应的历史配电参数；
利用历史用电需求数据和历史配电参数进行模糊神经网络训练，获得模糊神经网络算法作为配电网规划模型。
综上所述，本申请中通过对供电区域中的历史用电数据以及可再生能源的历史供电数据进行详细分析结合预先创建好的配电网规划模型，科学合理的确定出配电网的规划供电参数，有利于配电网高效率对供电区域进行规划的基础上，保证配电网供电相对较高的经济效益。
下面对本发明实施例提供的配电网供电规划装置进行介绍，下文描述的配电网供电规划装置与上文描述的配电网供电规划方法可相互对应参照。
图2为本发明实施例提供的配电网供电规划装置的结构框图，参照图2的配电网供电规划装置可以包括：
区域划分模块100，用于按照分层分区将供电区域划分成多个供电网格区；
第一预测模块200，用于根据每个所述供电网格区的历史用电数据，获得每个所述供电网格区的预测用电需求；
第二预测模块300，用于根据各个所述供电网格区中的可再生能源供电的历史供电数据，获得每个所述供电网格区的中预测可再生供电量；
参数配置模块400，用于基于所述预测用电需求和所述预测可再生供电量以及预先创建的配电网规划模型，确定配电网的规划供电参数。
在本申请的另一可选地实施例中，参数配置模块400用于结合所述预测用电需求和所述预测可再生供电量，采用目标优化算法对所述配电网规划模型的目标函数进行求解运算，获得所述规划供电参数，其中，所述目标函数为配电网的综合效益最高且各个可再生能源消纳率最高为目标的函数；且所述目标函数的约束条件包括配电网运行约束、配电网拓扑约束以及可再生能源出力约束。
在本申请的另一可选地实施例中，第一预测模块200用于基于决策树分类算法对采集到的所有历史用电数据进行分类，确定各个所述历史用电数据对应的所述供电网格区。
在本申请的另一可选地实施例中，第二预测模块300用于基于决策树分类算法对采集到可再生能源供电的所有历史供电数据进行分类，确定各个所述历史供电数据对应的所述供电网格区。
在本申请的一种可选地实施例中，还包括模型创建模块，用于根据每个所述供电网格区对应的所述历史用电数据确定每个所述供电网格区的历史用电需求数据；根据所述供电网格区对应的历史用电数据和历史供电数据获得每个所述供电网格区对应的历史配电参数；利用所述历史用电需求数据和所述历史配电参数进行模糊神经网络训练，获得模糊神经网络算法作为配电网规划模型。
本实施例的配电网供电规划装置用于实现前述的配电网供电规划方法，因此配电网供电规划装置中的具体实施方式可见前文中的配电网供电规划方法的实施例部分，在此不再赘述。
本申请还提供了一种配电网供电规划设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序，以实现如上任一项所述的配电网供电规划方法的步骤。
该处理器执行的配电网供电规划方法的步骤可以包括：
按照分层分区将供电区域划分成多个供电网格区；
根据每个所述供电网格区的历史用电数据，获得每个所述供电网格区的预测用电需求；
根据各个所述供电网格区中的可再生能源供电的历史供电数据，获得每个所述供电网格区的中预测可再生供电量；
基于所述预测用电需求和所述预测可再生供电量以及预先创建的配电网规划模型，确定配电网的规划供电参数。
本申请还提供了一种计算机可读存储介质，计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行以实现如上任一项所述的配电网供电规划方法的步骤。
该计算机可读存储介质可以包括随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (6)
1.一种配电网供电规划方法，其特征在于，包括：
按照分层分区将供电区域划分成多个供电网格区；
根据每个所述供电网格区的历史用电数据，获得每个所述供电网格区的预测用电需求；
根据各个所述供电网格区中的可再生能源供电的历史供电数据，获得每个所述供电网格区的中预测可再生供电量；
基于所述预测用电需求和所述预测可再生供电量以及预先创建的配电网规划模型，确定配电网的规划供电参数；
基于所述预测用电需求和所述预测可再生供电量以及预先创建的配电网规划模型，确定配电网的规划供电参数，包括：
结合所述预测用电需求和所述预测可再生供电量，采用目标优化算法对所述配电网规划模型的目标函数进行求解运算，获得所述规划供电参数；其中，所述目标函数为配电网的综合效益最高且各个可再生能源消纳率最高为目标的函数；且所述目标函数的约束条件包括配电网运行约束、配电网拓扑约束以及可再生能源出力约束；
预先创建所述配电网规划模型的过程包括：
根据每个所述供电网格区对应的所述历史用电数据确定每个所述供电网格区的历史用电需求数据；
根据所述供电网格区对应的历史用电数据和历史供电数据获得每个所述供电网格区对应的历史配电参数；
利用所述历史用电需求数据和所述历史配电参数进行模糊神经网络训练，获得模糊神经网络算法作为配电网规划模型。
2.如权利要求1所述的配电网供电规划方法，其特征在于，获得每个所述供电网格区的历史用电数据的过程，包括：
基于决策树分类算法对采集到的所有历史用电数据进行分类，确定各个所述历史用电数据对应的所述供电网格区。
3.如权利要求1所述的配电网供电规划方法，其特征在于，获得每个所述供电网格区的可再生能源供电的历史供电数据的过程，包括：
基于决策树分类算法对采集到可再生能源供电的所有历史供电数据进行分类，确定各个所述历史供电数据对应的所述供电网格区。
4.一种配电网供电规划装置，其特征在于，包括：
区域划分模块，用于按照分层分区将供电区域划分成多个供电网格区；
第一预测模块，用于根据每个所述供电网格区的历史用电数据，获得每个所述供电网格区的预测用电需求；
第二预测模块，用于根据各个所述供电网格区中的可再生能源供电的历史供电数据，获得每个所述供电网格区的中预测可再生供电量；
参数配置模块，用于基于所述预测用电需求和所述预测可再生供电量以及预先创建的配电网规划模型，确定配电网的规划供电参数；
所述参数配置模块用于结合所述预测用电需求和所述预测可再生供电量，采用目标优化算法对所述配电网规划模型的目标函数进行求解运算，获得所述规划供电参数，其中，所述目标函数为配电网的综合效益最高且各个可再生能源消纳率最高为目标的函数；且所述目标函数的约束条件包括配电网运行约束、配电网拓扑约束以及可再生能源出力约束；
还包括模型创建模块，用于根据每个所述供电网格区对应的所述历史用电数据确定每个所述供电网格区的历史用电需求数据；根据所述供电网格区对应的历史用电数据和历史供电数据获得每个所述供电网格区对应的历史配电参数；利用所述历史用电需求数据和所述历史配电参数进行模糊神经网络训练，获得模糊神经网络算法作为配电网规划模型。
5.一种配电网供电规划设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序，以实现如权利要求1至3任一项所述的配电网供电规划方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行以实现如权利要求1至3任一项所述的配电网供电规划方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110187098.6A CN112862194B (zh) | 2021-02-08 | 2021-02-08 | 配电网供电规划方法、装置、设备、以及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110187098.6A CN112862194B (zh) | 2021-02-08 | 2021-02-08 | 配电网供电规划方法、装置、设备、以及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112862194A CN112862194A (zh) | 2021-05-28 |
| CN112862194B true CN112862194B (zh) | 2024-04-26 |
Family
ID=75988499
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110187098.6A Active CN112862194B (zh) | 2021-02-08 | 2021-02-08 | 配电网供电规划方法、装置、设备、以及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112862194B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113837898A (zh) * | 2021-09-23 | 2021-12-24 | 国网电子商务有限公司 | 一种新能源消纳计算方法及装置 |
| CN114693006B (zh) * | 2022-06-01 | 2022-07-29 | 天津市普迅电力信息技术有限公司 | 一种用于新型电力系统的配电储能管理系统及其方法 |
| JP7476277B1 (ja) | 2022-10-26 | 2024-04-30 | 株式会社三菱総合研究所 | 情報処理装置、情報処理方法及びプログラム |
| CN117595332B (zh) * | 2024-01-19 | 2024-04-02 | 成都智邦科技有限公司 | 一种基于储能系统的配电网均衡供电方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105303259A (zh) * | 2015-11-06 | 2016-02-03 | 国网上海市电力公司 | 一种基于网格化理念的配电网规划管理方法 |
| CN105656026A (zh) * | 2016-01-15 | 2016-06-08 | 中国南方电网有限责任公司电网技术研究中心 | 可再生能源的设备建设资源配置方法和系统 |
| CN106971238A (zh) * | 2017-03-10 | 2017-07-21 | 东华大学 | 基于T‑S模糊Elman神经网络的短期电力负荷预测方法 |
| CN110443402A (zh) * | 2019-06-19 | 2019-11-12 | 国家电网有限公司 | 一种适应高可靠性供电需求的城市电网网格化规划方法 |
| WO2020147349A1 (zh) * | 2019-01-14 | 2020-07-23 | 中国电力科学研究院有限公司 | 配电网运行辅助决策分析系统及方法 |
| CN111738519A (zh) * | 2020-06-24 | 2020-10-02 | 广东电网有限责任公司 | 一种配电网规划方法、系统及设备 |
-
2021
- 2021-02-08 CN CN202110187098.6A patent/CN112862194B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105303259A (zh) * | 2015-11-06 | 2016-02-03 | 国网上海市电力公司 | 一种基于网格化理念的配电网规划管理方法 |
| CN105656026A (zh) * | 2016-01-15 | 2016-06-08 | 中国南方电网有限责任公司电网技术研究中心 | 可再生能源的设备建设资源配置方法和系统 |
| CN106971238A (zh) * | 2017-03-10 | 2017-07-21 | 东华大学 | 基于T‑S模糊Elman神经网络的短期电力负荷预测方法 |
| WO2020147349A1 (zh) * | 2019-01-14 | 2020-07-23 | 中国电力科学研究院有限公司 | 配电网运行辅助决策分析系统及方法 |
| CN110443402A (zh) * | 2019-06-19 | 2019-11-12 | 国家电网有限公司 | 一种适应高可靠性供电需求的城市电网网格化规划方法 |
| CN111738519A (zh) * | 2020-06-24 | 2020-10-02 | 广东电网有限责任公司 | 一种配电网规划方法、系统及设备 |
Non-Patent Citations (2)
| Title |
|---|
| 基于高渗透可再生能源分层分区并网节能规划;温新，等;科技视界(04);第174-177页 * |
| 适应配电网网格化规划的可靠性预测方法;方学智，等;电测与仪表;57(03);第72-78、93页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112862194A (zh) | 2021-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112862194B (zh) | 配电网供电规划方法、装置、设备、以及可读存储介质 | |
| Ming et al. | Robust hydroelectric unit commitment considering integration of large-scale photovoltaic power: A case study in China | |
| CN114336702B (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 | |
| CN109978404A (zh) | 计及不确定性因素与场景削减的输电通道扩展规划方法 | |
| CN109149635A (zh) | 一种配电网分布式光伏并行优化配置方法及系统 | |
| CN108365608A (zh) | 一种区域能源互联网不确定优化调度方法及系统 | |
| CN114021965A (zh) | 一种梯级水电站群多目标多模式智能切换的优化调度方法 | |
| Jin et al. | A Wasserstein metric-based distributionally robust optimization approach for reliable-economic equilibrium operation of hydro-wind-solar energy systems | |
| CN108448628A (zh) | 交直流混合系统中优化配置分布式可再生能源方法及系统 | |
| He et al. | Robust model predictive control for energy management of isolated microgrids based on interval prediction | |
| Tang et al. | Schedule of air-conditioning systems with thermal energy storage considering wind power forecast errors | |
| Zhang et al. | Self-optimization simulation model of short-term cascaded hydroelectric system dispatching based on the daily load curve | |
| Yang et al. | Research on optimal allocation method of energy storage considering supply and demand flexibility and new energy consumption | |
| Li et al. | Impact on traditional hydropower under a multi-energy complementary operation scheme: An illustrative case of a ‘wind–photovoltaic–cascaded hydropower plants’ system | |
| Xue et al. | Optimal capacity allocation method of integrated energy system considering renewable energy uncertainty | |
| Chen et al. | Robust optimal dispatching of wind fire energy storage system based on equilibrium optimization algorithm | |
| CN110135640A (zh) | 一种基于模糊聚类改进和声算法的风电配网优化调度方法 | |
| CN109768568A (zh) | 基于大数据分析的分布式电源接入配电网规划改造方法 | |
| CN110970939B (zh) | 一种分布式能源集群优化方法及系统 | |
| Gang et al. | Optimal stochastic scheduling in residential micro energy grids considering pumped-storage unit and demand response | |
| Ma et al. | Day‐ahead dispatch strategy for integrated system of wind/photovoltaic/pumped‐storage/gas‐turbine‐power/energy storage based on multi‐frequency scale of PWP | |
| Lei et al. | Optimal scheduling of a renewable energy-based park power system: A novel hybrid SDDP/MPC approach | |
| CN115660187B (zh) | 一种低碳小镇地源热泵容量优化配置方法 | |
| CN117408840B (zh) | 基于智慧能源管理平台的多能源调度管控系统 | |
| Gu et al. | Robust Optimization Model of Island Energy System Based on Uncertainty of Wind and Photovoltaic |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230410 Address after: Room 1503-1506, Unit 1, No. 168 Century Avenue, Nanyuan Street, Hangzhou City, Zhejiang Province, 311100 Applicant after: Yuhang branch of Hangzhou Electric Power Design Institute Co.,Ltd. Applicant after: State Grid Zhejiang Electric Power Co., Ltd. Hangzhou Yuhang District Power Supply Co. Applicant after: HANGZHOU POWER SUPPLY COMPANY, STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. Address before: 311100 18F, ideal building, 168 Century Avenue, Nanyuan street, Yuhang District, Hangzhou City, Zhejiang Province Applicant before: Yuhang branch of Hangzhou Electric Power Design Institute Co.,Ltd. Applicant before: STATE GRID ZHEJIANG HANGZHOU YUHANG POWER SUPPLY Co. Applicant before: HANGZHOU POWER SUPPLY COMPANY, STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |