CN113191654A - 基于多目标优化的分布式资源调度系统与方法 - Google Patents
基于多目标优化的分布式资源调度系统与方法 Download PDFInfo
- Publication number
- CN113191654A CN113191654A CN202110518538.1A CN202110518538A CN113191654A CN 113191654 A CN113191654 A CN 113191654A CN 202110518538 A CN202110518538 A CN 202110518538A CN 113191654 A CN113191654 A CN 113191654A
- Authority
- CN
- China
- Prior art keywords
- optimization
- resource scheduling
- power generation
- controlled
- controlled power
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000010248 power generation Methods 0.000 claims abstract description 71
- 230000005611 electricity Effects 0.000 claims abstract description 23
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 238000004891 communication Methods 0.000 claims abstract description 7
- 239000002131 composite material Substances 0.000 claims abstract description 4
- 238000005265 energy consumption Methods 0.000 claims abstract description 4
- 238000004146 energy storage Methods 0.000 claims description 29
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000006978 adaptation Effects 0.000 abstract description 2
- 230000002452 interceptive effect Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 5
- 239000007789 gas Substances 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Abstract
本发明提出基于多目标优化的分布式资源调度系统与方法。所述系统包括微网设备、边缘计算设备、资源调度引擎和优化目标设定引擎；微网设备包括多个受控发电装置和多个受控用电装置；资源调度引擎基于设定的至少两个优化目标控制所述受控发电装置的工作状态和所述边缘计算设备与所述受控发电装置的通信链接状态。所述优化目标包括如下目标集合D中的至少两个元素达到最优目标：D＝{GNUM,GPOWER,MDEVICE，EENERGY，TDELAY}；GNUM为开启的受控发电装置的数量，GPOWER为受控发电装置的输出功率和，MDEVICE为受控用电装置的用电时段匹配度，EENERGY为边缘计算设备的耗能综合值，TDELAY为边缘计算设备与资源调度引擎的数据传输延迟时间。本发明的技术方案能够实现的微网设备的多目标最优化。
Description
技术领域
本发明属于分布式系统优化技术领域，尤其涉及一种基于多目标优化的分布式资源调度系统与方法。
背景技术
分布式电源(DG)大部分采用可再生能源发电，其投资成本相对较小，可
散于用户周围，并且能够缓解传统发电方式的环境污染、电能供应危机、大范围停电等问题。分布式电源是国内智能电网建设项目重头戏之一，随着分布式电源技术不断发展，应用领域愈加广泛，DG对配电网的渗透率越来越高。
不同于传统供电模式，分布式发电是指利用各种可用的分散存在的能源，包括绿色可再生能源和本地可方便获取的化石类燃料(主要是天然气)进行发电供能的技术。虽然分布式电源灵活、经济、环保，但随着可再生能源在配电系统中渗透率的不断提高，以及可再生分布式电源发电的随机性、间歇性和不确定性等特点，不含储能系统，且自身没有调节能力的直接并网的风力发电或光伏发电，将给配电系统的安全稳定运行提出新的挑战，必将影响配电系统的安全、稳定、经济运行，增加配电系统规划、运行的复杂度及不确定性。
为解决分布式发电技术面临的挑战，以多种能源相互支撑的微网(Microgrid，MG)技术应运而生。微网是指由分布式电源、能量转换装置、负荷、监控和保护装置等汇集而成的小型发配电系统，是一个能够实现自我控制和管理的自治系统。微网可以看作是小型的电力系统，它具备完整的发电和配电功能，可以有效实现网内的能量优化。
中国发明专利申请CN202010881698.8公开一种多微网分布式交互运行优化控制方法与系统，包括：构建微网机组组合模型及其约束条件；采用增广拉格朗日罚函数法对微网机组组合模型的微网间耦合约束进行松弛操作，以最小化风力储存成本、机组组合出力成本与相邻微网交互运行成本为目标构建多微网分布式交互运行优化目标函数；在约束条件下，采用拉格朗日罚函数法和松弛与近似机制求解多微网分布式交互运行优化目标函数，得到最优交互运行方案，并以此控制多微网交互运行时的机组启停操作。实现对不同微网间交互运行的分布式优化控制。
中国发明专利公开文本CN112003330A公开一种基于自适应控制的微网能量优化调度方法，包括：S1、获取随机线性控制系统；S2、根据步骤S1获取的随机线性控制系统构建自适应微网优化调度模型；S3、对步骤S2构建的自适应微网优化调度模型进行MPC优化调度。本发明的有益效果是：本发明提供的一种基于自适应控制的微网能量优化调度方法，在随机能源和储能系统的联合优化调度框架下，提出基于自适应随机模型预测控制的优化策略，并与基于场景构造的鲁棒模型预测控制方法进行比较，并设计不同的自适应更新策略和不同调整参数的比较模型，该方法能够有效提高系统的调度性能和模型的自适应性，降低系统的保守性。
然而，随着智能家居设备的使用，微网系统的设备种类越来越多。现有技术对于微网的最优调度通常只考虑一个最优化目标。对于包含多种类设备的微网系统而言，如何实现多目标优化逐渐成为问题。
发明内容
为解决上述技术问题，本发明提出一种基于多目标优化的分布式资源调度系统与方法。所述系统包括微网设备、边缘计算设备、资源调度引擎和优化目标设定引擎；微网设备包括多个受控发电装置和多个受控用电装置；资源调度引擎基于设定的至少两个优化目标控制所述受控发电装置的工作状态和所述边缘计算设备与所述受控发电装置的通信链接状态。
本发明的技术方案能够实现的微网设备的多目标最优化。
在本发明中，所述优化目标包括如下目标集合D中的至少两个元素达到最优目标：D＝{GNUM,GPOWER,MDEVICE，EENERGY，TDELAY}；GNUM为开启的受控发电装置的数量，GPOWER为受控发电装置的输出功率和，MDEVICE为受控用电装置的用电时段匹配度，EENERGY为边缘计算设备的耗能综合值，TDELAY为边缘计算设备与资源调度引擎的数据传输延迟时间。
基于此，在本发明的第一个方面，提供一种基于多目标优化的分布式资源调度系统，所述系统包括多个微网设备和多个边缘计算设备。
更具体的，所述系统还包括资源调度引擎和优化目标设定引擎；所述资源调度引擎通过所述边缘计算设备与所述微网设备通信；所述微网设备包括多个受控发电装置和多个受控用电装置；所述优化目标设定引擎用于设定至少两个优化目标；所述资源调度引擎基于所述设定的至少两个优化目标控制所述受控发电装置的工作状态和所述边缘计算设备与所述受控发电装置的通信链接状态；
其中，所述优化目标包前述目标集合D中的至少两个元素达到最优目标。
所述技术方案基于微网系统实现，在所述微网系统中，所述受控用电装置与至少一个可编程的FPGA时控模块通信，通过所述FPGA时控模块设置所述受控用电装置的工作时段和待机时段。
所述微网设备还包括至少一个电能存储装置；
所述每个所述非受控发电装置同时连接所述受控用电装置与所述电能存储装置；
所述电能存储装置连接可编程FPGA时控模块，保持所述可编程FPGA时控模块处于工作状态。
所述受控用电装置的用电时段匹配度基于所述设置的所述受控用电装置的工作时段和所述受控用电装置的实际开启时段的比对确定。
基于第一个方面的所述系统，在本发明的第二个方面，提供一种基于多目标优化的分布式资源调度方法。
具体的，为方便介绍，设所述分布式资源调度系统包括M个边缘计算设备、N个受控用电装置、多个分布式非受控发电装置以及至少一个电能存储装置，其中，
表示向下取整；
在此基础上，所述方法包括如下步骤：
S100：通过所述M个边缘计算设备获取N个所述受控发电装置的工作时段，其中，每个所述边缘计算设备连接至少g个受控发电装置；
S200：获取所述多个分布式非受控发电装置的平均日输出发电功率以及所述至少一个电能存储装置的平均剩余电能比例；
S300：基于所述平均日输出发电功率以及所述平均剩余电能比例，确定所述受控发电装置的开启数量以及每个开启的受控发电装置的开启时段；
S400：设定优化目标，基于所述优化目标调节所述开启数量以及所述开启时段。
进一步的，不同的边缘计算设备连接不同的受控发电装置；
所述边缘计算设备将不同的受控发电装置的所述工作时段汇总和发送至所述资源调度引擎。
所述步骤S400还包括：基于所述优化目标调节所述每个边缘计算设备连接的所述受控发电装置的所述参数g。
此时，可以改变所述所述边缘计算设备与所述资源调度引擎之间的数据传输量，从而在优化目标改变时(例如优化目标包括 TDELAY)时，使得所述边缘计算设备与所述资源调度引擎的数据传输延迟时间最优，从而实现所述优化目标为目标集合D中的至少两个元素达到最优目标。
因此，基于上述不同的实施例或者其组合，本发明的技术方案能够实现的微网设备的多目标最优化。
本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。
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是本发明一个实施例的一种基于多目标优化的分布式资源调度系统的主体架构图
图2是图1所述系统的进一步实施例架构图
图3是图1所述实施例中用电时段匹配度的一个具体实现方式
图4是基于图1所述实施例实现的一种基于多目标优化的分布式资源调度方法的主体流程图
具体实施方式
下面，结合附图以及具体实施方式，对发明做出进一步的描述。
参见图1，是本发明一个实施例的基于多目标优化的分布式资源调度系统的主体架构图。
图1中，所述系统包括多个微网设备和多个边缘计算设备以及资源调度引擎和优化目标设定引擎。所述资源调度引擎通过所述边缘计算设备与所述微网设备通信。
在本发明所述的各个实施例中，微网是微电网或者微型电网的简称。
微电网，也被称为分布式能源孤岛系统，将发电机、负荷、储能装置及控制装置等系统地结合在一起，形成一个单一可控的单元，同时向用户供给电能和热能。微电网中的电源多为微电源，亦即含有电力电子界面的小型机组(小于100kW)，包括微型燃气轮机，燃料电池、光伏电池以及超级电容、飞轮、蓄电池等储能装置。微电网接在用户侧，具有低成本、低电压、低污染等特点。微电网既可与大电网联网运行，也可在电网故障或需要时与主网断开单独运行。
微网作为分布式发电技术的重要表现形势，越来越受到世界各国的广泛关注。微网一般由光伏、风电等可再生能源，储能电池、超级电容等储能设备，负荷设备，微型燃气轮机等组成。分布式发电单元一般通过电力电子变流器接入到微网系统中。
微网设备是指在所述微网系统中运行的相关设备，在本发明的各个实施例中，所述微网设备包括多个受控发电装置和多个受控用电装置。
作为一个示例，所述受控发电装置为耗油或者耗气发电装置，所述受控发电装置的开启时段和关闭时段可控制，并且在所述受控发电装置处于开启状态时，其输出功率可调节。
以前述介绍为例，所述受控发电装置可以是微型燃气发电机。
相对来说，所述受控发电装置的开启时段和关闭时段可控制，并且在所述受控发电装置处于开启状态时，其输出功率可调节
与此相对应的，所述微网设备还包括非受控发电装置。
非受控发电装置包括前述提到的基于光伏、风电等可再生能源进行发电的发电装置。
针对此类装置，是在环境参数满足不同预定条件时自动运行或者关闭，并且在不同预定条件下自动运行时的输出功率不同。
也就是说，对用户端来说，这种发电装置是“非受控”的自发运行。
此外，所述微网设备还包括多个受控用电装置。
作为一个示例，所述受控用电装置为智能家居设备或者配置智能控制电路的普通家居设备；
对于智能家居设备，其通常配置可编程的逻辑智能控制电路，通过交互式的软件，可以实现家居设备的可编程控制，例如分时段定时开启和关闭；
对于普通家居设备，其可以外置一个智能插座，将所述智能插座插在通用供电电源上，然后再将所述普通家居设备通过所述智能插座接入通用电源。智能开关插座本身的开启和关闭时段可以通过交互式软件设置，从而实现普通家居设备的分时段定时开启和关闭。
需要注意的是，不管是哪一种情况，都需要给所述智能开关插座或者逻辑智能控制电路提供不间断电源，这也是本发明后续关注的重点之一。
所述优化目标设定引擎用于设定至少两个优化目标；
所述资源调度引擎基于所述设定的至少两个优化目标控制所述受控发电装置的工作状态和所述边缘计算设备与所述受控发电装置的通信链接状态。
具体而言，如前所述，微网系统中还包括储能装置及控制装置以及超级电容。
对应到本发明中，所述微网设备还包括至少一个电能存储装置；
所述每个所述非受控发电装置同时连接所述受控用电装置与所述电能存储装置。
所述资源调度引擎获取所述多个分布式非受控发电装置的平均日输出发电功率以及所述至少一个电能存储装置的平均剩余电能比例之后，确定所述受控发电装置的开启数量以及每个开启的受控发电装置的开启时段；
然后，基于每个所述边缘计算设备连接的受控发电装置的数量，确定所述边缘计算设备与与所述资源调度引擎之间的数据传输量；
基于所述数据传输量、所述优化目标调节所述每个边缘计算设备连接的所述受控发电装置的所述数量。
更具体的，所述优化目标包括如下目标集合D中的至少两个元素达到最优目标：D＝{GNUM,GPOWER,MDEVICE，EENERGY，TDELAY}；
GNUM为开启的受控发电装置的数量，
GPOWER为受控发电装置的输出功率和，
MDEVICE为受控用电装置的用电时段匹配度，
EENERGY为边缘计算设备的耗能综合值，
TDELAY为边缘计算设备与资源调度引擎的数据传输延迟时间。
GNUM达到最优时，GNUM最小；
GPOWER达到最优时，GPOWER最小；
MDEVICE达到最优时，MDEVICE最大；
EENERGY达到最优时，EENERGY最低；
TDELAY达到最优时，TDELAY最小。
在图1基础上，进一步参见图2。
所述受控用电装置与至少一个可编程的FPGA时控模块通信，通过所述FPGA时控模块设置所述受控用电装置的工作时段和待机时段。
前述提到的可编程的逻辑智能控制电路可以通过上述FPGA时控模块实现。
所述微网设备还包括多个分布式非受控发电装置；
每个所述非受控发电装置在环境参数满足不同预定条件时自动运行或者关闭，并且在不同预定条件下自动运行时的输出功率不同。
所述微网设备还包括至少一个电能存储装置；
所述每个所述非受控发电装置同时连接所述受控用电装置与所述电能存储装置；
所述电能存储装置连接可编程FPGA时控模块，保持所述可编程FPGA时控模块处于工作状态。
介绍前述关于微网和智能家居设备的介绍可知，需要给所述智能开关插座或者逻辑智能控制电路提供不间断电源，即保持所述可编程FPGA时控模块处于工作状态。
因此，所述电能存储装置设定剩余储能比例值上限值与下限值；
当所述剩余储能比例值低于所述下限值或者高于所述上限值时，所述电能存储装置发送至所述警示信号给所述资源调度引，使得所述资源调度引控制所述受控发电装置的运行状态。
如此设置，可确保所述可编程FPGA时控模块处于工作状态，从而可以统计到所述受控用电装置的实际运行时段，例如，实际开启时段。
因此，可参见图3。
在具体实施中，所述可编程FPGA时控模块与移动终端通信，所述移动终端对所述可编程FPGA时控模块进行指令控制，以设置所述受控用电装置的工作时段和待机时段。
所述受控用电装置的用电时段匹配度基于所述设置的所述受控用电装置的工作时段和所述受控用电装置的实际开启时段的比对确定。
图3中，所述受控用电装置的实际开启时段由所述可编程FPGA 时控模块进行检测和统计。
需要注意的是，在本发明的各个实施例中，所述资源调度引擎包含多种最优化模型，可以基于已经获取的各种参数进行最优化规划。
具体执行中，要采用哪些优化模型，可以根据优化目标来选择。
关于最优化规划模型，现有技术已存在多种成熟的模型，本发明在此不做展开，具体可参见如下参考文献：
Lee S H,Park J W.Selection of optimal location and size of multipledistributed generations by using Kalman filter algorithm[J].IEEE Transactionson Power Systems,2009, 24(3):1393-1400.
程杉.含分布式电源的配电网多目标优化问题研究[D].
刘定国,李清辉.含分布式电源的配电网多目标优化重构研究[J].电测与仪表,2020,057(008):92-98.
潘欢,徐陈,杨丽.含多种分布式电源的配电网多目标优化[J].系统仿真学报,2018,30(10):3826-3834.
上述现有技术的部分或者全部内容作为本发明的一部分引入，以方便对本发明的技术方案的理解。
在图1-图3的基础上，图4示出了一种基于多目标优化的分布式资源调度方法的主体流程图。
总体来说，图4提供了一种基于多目标优化的分布式资源调度方法，所述方法基于图1所述的分布式资源调度系统实现。
作为更具体的例子，在所述分布式资源调度系统中，包括M 个边缘计算设备、N个受控用电装置、多个分布式非受控发电装置以及至少一个电能存储装置，其中，
表示向下取整；
基于上述例子，所述方法包括如下步骤：
S100：通过所述M个边缘计算设备获取N个所述受控发电装置的工作时段，其中，每个所述边缘计算设备连接至少g个受控发电装置；
S200：获取所述多个分布式非受控发电装置的平均日输出发电功率以及所述至少一个电能存储装置的平均剩余电能比例；
S300：基于所述平均日输出发电功率以及所述平均剩余电能比例，确定所述受控发电装置的开启数量以及每个开启的受控发电装置的开启时段；
S400：设定优化目标，基于所述优化目标调节所述开启数量以及所述开启时段。
需要注意的是，图4所述分布式资源调度方法是一个动态的闭环调度过程，因此，所述步骤S100-S400在实际调度过程中，是循环执行的。
在本发明的各个实施例中，不同的边缘计算设备连接不同的受控发电装置；所述边缘计算设备将不同的受控发电装置的所述工作时段汇总和发送至所述资源调度引擎。
此时，所述步骤S400还包括：基于所述优化目标调节所述每个边缘计算设备连接的所述受控发电装置的所述参数g。
此时，可以改变所述所述边缘计算设备与所述资源调度引擎之间的数据传输量，从而在优化目标改变时(例如优化目标包括 TDELAY)时，使得所述边缘计算设备与所述资源调度引擎的数据传输延迟时间最优，从而实现所述优化目标为目标集合D中的至少两个元素达到最优目标。
因此，基于上述不同的实施例或者其组合，本发明的技术方案能够实现的微网设备的多目标最优化。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种基于多目标优化的分布式资源调度系统，所述系统包括多个微网设备和多个边缘计算设备，
其特征在于：
所述系统还包括资源调度引擎和优化目标设定引擎；
所述资源调度引擎通过所述边缘计算设备与所述微网设备通信；
所述微网设备包括多个受控发电装置和多个受控用电装置；
所述优化目标设定引擎用于设定至少两个优化目标；
所述资源调度引擎基于所述设定的至少两个优化目标控制所述受控发电装置的工作状态和所述边缘计算设备与所述受控发电装置的通信链接状态；
其中，所述优化目标包括如下目标集合D中的至少两个元素：
D＝{GNUM,GPOWER,MDEVICE，EENERGY，TDELAY}；
其中，GNUM为开启的所述受控发电装置的数量，GPOWER为所述受控发电装置的输出功率和，MDEVICE为所述受控用电装置的用电时段匹配度，EENERGY为所述边缘计算设备的耗能综合值，TDELAY为所述边缘计算设备与所述资源调度引擎的数据传输延迟时间。
2.如权利要求1所述的一种基于多目标优化的分布式资源调度系统，其特征在于：
所述受控发电装置为耗油或者耗气发电装置，所述受控发电装置的开启时段和关闭时段可控制，并且在所述受控发电装置处于开启状态时，其输出功率可调节。
3.如权利要求1所述的一种基于多目标优化的分布式资源调度系统，其特征在于：
所述受控用电装置与至少一个可编程的FPGA时控模块通信，通过所述FPGA时控模块设置所述受控用电装置的工作时段和待机时段。
4.如权利要求1所述的一种基于多目标优化的分布式资源调度系统，其特征在于：
所述微网设备还包括多个分布式非受控发电装置；
每个所述非受控发电装置在环境参数满足不同预定条件时自动运行或者关闭，并且在不同预定条件下自动运行时的输出功率不同。
5.如权利要求4所述的一种基于多目标优化的分布式资源调度系统，其特征在于：
所述微网设备还包括至少一个电能存储装置；
所述每个所述非受控发电装置同时连接所述受控用电装置与所述电能存储装置；
所述电能存储装置连接可编程FPGA时控模块，保持所述可编程FPGA时控模块处于工作状态。
6.如权利要求3或5所述的一种基于多目标优化的分布式资源调度系统，其特征在于：
所述可编程FPGA时控模块与移动终端通信，所述移动终端对所述可编程FPGA时控模块进行指令控制，以设置所述受控用电装置的工作时段和待机时段。
7.如权利要求3或5所述的一种基于多目标优化的分布式资源调度系统，其特征在于：
所述受控用电装置的用电时段匹配度基于所述设置的所述受控用电装置的工作时段和所述受控用电装置的实际开启时段的比对确定。
8.一种基于多目标优化的分布式资源调度方法，所述方法基于权利要求1-7任一项所述的分布式资源调度系统实现，所述分布式资源调度系统包括M个边缘计算设备、N个受控用电装置、多个分布式非受控发电装置以及至少一个电能存储装置，其中，
表示向下取整；
其特征在于：
所述方法包括如下步骤：
S100：通过所述M个边缘计算设备获取N个所述受控发电装置的工作时段，其中，每个所述边缘计算设备连接至少g个受控发电装置；
S200：获取所述多个分布式非受控发电装置的平均日输出发电功率以及所述至少一个电能存储装置的平均剩余电能比例；
S300：基于所述平均日输出发电功率以及所述平均剩余电能比例，确定所述受控发电装置的开启数量以及每个开启的受控发电装置的开启时段；
S400：设定优化目标，基于所述优化目标调节所述开启数量以及所述开启时段。
9.如权利要求8所述的基于多目标优化的分布式资源调度方法，其特征在于：
不同的边缘计算设备连接不同的受控发电装置；
所述边缘计算设备将不同的受控发电装置的所述工作时段汇总和发送至所述资源调度引擎。
10.如权利要求8或9所述的基于多目标优化的分布式资源调度方法，其特征在于：
所述步骤S400还包括：基于所述优化目标调节所述每个边缘计算设备连接的所述受控发电装置的所述参数g；
所述优化目标包括TDELAY和EENERGY达到最优。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110518538.1A CN113191654A (zh) | 2021-05-12 | 2021-05-12 | 基于多目标优化的分布式资源调度系统与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110518538.1A CN113191654A (zh) | 2021-05-12 | 2021-05-12 | 基于多目标优化的分布式资源调度系统与方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113191654A true CN113191654A (zh) | 2021-07-30 |
Family
ID=76981437
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110518538.1A Pending CN113191654A (zh) | 2021-05-12 | 2021-05-12 | 基于多目标优化的分布式资源调度系统与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113191654A (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107925850A (zh) * | 2015-08-28 | 2018-04-17 | 高通股份有限公司 | 使用小型小区来增强现实 |
| CN107943098A (zh) * | 2018-01-01 | 2018-04-20 | 余绍祥 | 一种基于机器学习的智能运维机器人系统 |
| WO2018129829A1 (zh) * | 2017-01-12 | 2018-07-19 | 沃太能源南通有限公司 | 一种新型微网系统以及基于该系统的组网调度方法 |
| CN109905470A (zh) * | 2019-02-18 | 2019-06-18 | 南京邮电大学 | 一种基于边缘网关系统的开销优化任务调度方法 |
| CN110677300A (zh) * | 2019-10-09 | 2020-01-10 | 国家电网有限公司 | 基于移动边缘计算的电力安管视频智能分流装置及方法 |
| CN110957758A (zh) * | 2019-11-20 | 2020-04-03 | 国网河北省电力有限公司电力科学研究院 | 一种基于广域态势感知的综合能源能效评价与控制性能优化方法 |
| CN111182076A (zh) * | 2020-01-02 | 2020-05-19 | 合肥工业大学 | 云边协同的智能电网监测系统及其资源分配和调度方法 |
| CN111240701A (zh) * | 2019-12-31 | 2020-06-05 | 重庆大学 | 一种端-边-云协同计算的任务卸载优化方法 |
| CN112073452A (zh) * | 2020-05-27 | 2020-12-11 | 河南工程学院 | 一种能源有效和资源受限的移动边缘计算任务分配方法 |
| CN112217725A (zh) * | 2020-10-13 | 2021-01-12 | 安徽极玩云科技有限公司 | 一种基于边缘计算的延迟优化方法 |
| CN112600242A (zh) * | 2020-12-10 | 2021-04-02 | 中腾微网（北京）科技有限公司 | 一种微电网数据采集与监控平台 |
| CN112600241A (zh) * | 2020-12-10 | 2021-04-02 | 中腾微网（北京）科技有限公司 | 一种微电网ems能量管理系统 |
| CN112636334A (zh) * | 2020-12-10 | 2021-04-09 | 中腾微网（北京）科技有限公司 | 一种基于太阳能的微电网系统 |
| CN112689303A (zh) * | 2020-12-28 | 2021-04-20 | 西安电子科技大学 | 一种边云协同资源联合分配方法、系统及应用 |
| CN112702401A (zh) * | 2020-12-15 | 2021-04-23 | 北京邮电大学 | 一种电力物联网多任务协同分配方法及装置 |
-
2021
- 2021-05-12 CN CN202110518538.1A patent/CN113191654A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107925850A (zh) * | 2015-08-28 | 2018-04-17 | 高通股份有限公司 | 使用小型小区来增强现实 |
| WO2018129829A1 (zh) * | 2017-01-12 | 2018-07-19 | 沃太能源南通有限公司 | 一种新型微网系统以及基于该系统的组网调度方法 |
| CN107943098A (zh) * | 2018-01-01 | 2018-04-20 | 余绍祥 | 一种基于机器学习的智能运维机器人系统 |
| CN109905470A (zh) * | 2019-02-18 | 2019-06-18 | 南京邮电大学 | 一种基于边缘网关系统的开销优化任务调度方法 |
| CN110677300A (zh) * | 2019-10-09 | 2020-01-10 | 国家电网有限公司 | 基于移动边缘计算的电力安管视频智能分流装置及方法 |
| CN110957758A (zh) * | 2019-11-20 | 2020-04-03 | 国网河北省电力有限公司电力科学研究院 | 一种基于广域态势感知的综合能源能效评价与控制性能优化方法 |
| CN111240701A (zh) * | 2019-12-31 | 2020-06-05 | 重庆大学 | 一种端-边-云协同计算的任务卸载优化方法 |
| CN111182076A (zh) * | 2020-01-02 | 2020-05-19 | 合肥工业大学 | 云边协同的智能电网监测系统及其资源分配和调度方法 |
| CN112073452A (zh) * | 2020-05-27 | 2020-12-11 | 河南工程学院 | 一种能源有效和资源受限的移动边缘计算任务分配方法 |
| CN112217725A (zh) * | 2020-10-13 | 2021-01-12 | 安徽极玩云科技有限公司 | 一种基于边缘计算的延迟优化方法 |
| CN112600242A (zh) * | 2020-12-10 | 2021-04-02 | 中腾微网（北京）科技有限公司 | 一种微电网数据采集与监控平台 |
| CN112600241A (zh) * | 2020-12-10 | 2021-04-02 | 中腾微网（北京）科技有限公司 | 一种微电网ems能量管理系统 |
| CN112636334A (zh) * | 2020-12-10 | 2021-04-09 | 中腾微网（北京）科技有限公司 | 一种基于太阳能的微电网系统 |
| CN112702401A (zh) * | 2020-12-15 | 2021-04-23 | 北京邮电大学 | 一种电力物联网多任务协同分配方法及装置 |
| CN112689303A (zh) * | 2020-12-28 | 2021-04-20 | 西安电子科技大学 | 一种边云协同资源联合分配方法、系统及应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102710013B (zh) | 基于微电网的园区能源网能量优化管理系统及其实现方法 | |
| CN108832646B (zh) | 一种适用于可动态重构电池储能系统的管理系统及其方法 | |
| CN107634518B (zh) | 一种“源-网-荷”相协调的主动配电网经济调度方法 | |
| CN112069734A (zh) | 一种电热泵-热电联合系统的优化调控方法及系统 | |
| Mohamed et al. | Microgrid online management and balancing using multiobjective optimization | |
| CN108400593A (zh) | 基于分层多代理技术的主动配电网电气模型建立方法 | |
| JP2010259303A (ja) | 分散発電システム | |
| Gao et al. | Multi-Time scale rolling economic dispatch for integrated electricity-heating systems based on improved variational mode decomposition | |
| CN110224397B (zh) | 一种风光接入背景下用户侧电池储能成本效益分析方法 | |
| CN115459348B (zh) | 一种考虑峰谷电价的微电网最优资源调控方法 | |
| CN113191654A (zh) | 基于多目标优化的分布式资源调度系统与方法 | |
| CN112600242B (zh) | 一种微电网数据采集与监控平台 | |
| CN112600241B (zh) | 一种微电网ems能量管理系统 | |
| Di Carlo et al. | Optimizing renewable power management in transmission congestion. an energy hub model using hydrogen storage | |
| Almadhor | Intelligent control mechanism in smart micro grid with mesh networks and virtual power plant model | |
| CN109687449B (zh) | 微电网协调控制装置及控制方法 | |
| Chenrui et al. | Optimal Configuration of Energy Storage for Integrated Energy Stations Considering Multiple Scenarios | |
| CN111668882A (zh) | 智慧能环网中微电源出力优化方法及装置 | |
| CN106410867B (zh) | 一种电能路由器功率流优化分析方法 | |
| Zhu et al. | Demand response strategy for promoting distributed power consumption based on resident load participation | |
| Azami et al. | Optimal Smart Home Scheduling with Considering Hybrid Resource Management | |
| Segera | Economic Dispatch of PV-Integrated Power System with Optimally Sized Battery Energy Storage System using Particle Swarm Optimization | |
| Yang et al. | Research on user energy storage optimization system considering a grid-on new energy | |
| CN112600243B (zh) | 一种混合电网发电装置 | |
| Zhou et al. | Power System Flexibility Modelling |
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 |