CN113241800B - 一种基于区域电价的智能电网控制系统及其控制方法 - Google Patents

Abstract

本发明涉及一种基于区域电价的智能电网控制系统的控制方法，属于人工智能技术领域，所述控制系统包括共用的任务管理模块以及分布在各区域的智能负载模块、智能负载控制模块、智能负载计算模块和发电模块；任务管理模块基于历史任务数据预测各区域的二极管制造任务量和电力生产量；智能负载计算模块根据各区域当前电价、任务管理模块预测得到的电力生产量和预估碳排放决策值实时计算二极管生产任务分配量。本发明基于区域电价来控制电网的发电及二极管的生产，通过将长期的碳排放指标纳入考量，智能化控制和优化二极管生产结构，从而减小二极管生产产业的碳排放量，降低二极管的生产运营成本。

Description

一种基于区域电价的智能电网控制系统及其控制方法

技术领域

本发明属于人工智能领域，具体涉及一种基于区域电价的智能电网控制系统的控制方法。

背景技术

近年来，电能的大量消耗对气候产生的影响越来越大。尽管越来越多的地方开始布局分布式新能源发电系统，但由于其与天气、气候等不确定因素紧密相关，造成新能源发电技术存在较大的随机性，进而新能源并网后对电网的可靠运行造成威胁。由于其随机性大、运行不稳定，新能源发电也不为大众接受和消纳，弃电时有发生。因此，现有技术中通常还是需要采纳一定量的化石能源进行发电。

由此可见，现有技术存在化石能源发电碳排放难以达标、用户侧任务较难依据电力成产情况协同满足等技术问题。如何在有效控制碳排放对环境的影响的同时，保证系统和谐地满足各用户端任务要求，是亟待解决的问题。

发明内容

针对现有技术中存在的缺陷，本发明的目的是提供一种基于区域电价的智能电网控制系统的控制方法，能够有效控制碳排放对环境的影响，同时保证系统和谐地满足各用户端任务要求。

为达到以上目的，本发明采用的技术方案是：

一种基于区域电价的智能电网控制系统的控制方法，所述控制方法用于控制发光二极管的生产量，所述控制系统包括若干分布于多个区域的核能发电模块、若干分布于多个区域的火力发电模块、若干分布于多个区域的燃气发电模块、若干分布于多个区域的燃油发电模块、若干分布于多个区域的水利发电模块及若干分布于多个区域的风力发电模块，所述控制系统还包括一个任务管理模块、若干分布于多个区域的智能负载模块、若干与所述智能负载模块一一对应且通讯连接的智能负载控制模块、若干与所述智能负载控制模块一一对应且通讯连接的智能负载计算模块，每个所述智能负载模块均包含若干子负载模块，所述子负载模块协同完成所述智能负载模块的二极管生产任务，其中所述智能负载计算模块的数量、所述智能负载控制模块的数量与所述智能负载模块的数量相同；所述智能负载计算模块根据各区域当前电价、所述任务管理模块预测得到的电力生产量和预估碳排放决策值实时计算所述智能负载模块的二极管生产任务分配量；

所述控制系统通过以下步骤进行控制：

S1、任务管理模块基于历史任务数据利用长短期记忆人工神经网络模型对二极管制造任务量和各区域发电模块的电力生产量进行预测；

S2、第j区域的所述智能负载控制模块基于对应各子负载模块的能源利用效率对所述各子负载模块进行优先级别排序，然后根据步骤S1中预测得到的二极管制造任务量开启一定数量的子负载模块,开启的子负载模块的数量为M_j；

S3、第j区域的智能负载计算模块基于第j区域的各个发电模块的碳排放指数和步骤S1中预测得到的第j区域的电力生产量，计算第j区域的智能负载模块的碳排放系数D_j，计算公式为：

其中，c_i为已知的能源种类为i的发电模块的碳排放指数，分别记核能发电模块的能源种类为1，火力发电模块的能源种类为2，燃气发电模块的能源种类为3，燃油发电模块的能源种类为4，水利发电模块的能源种类为5，风力发电模块的能源种类为6；

p_ji为步骤S1中预测得到的第j区域中能源种类为i的发电模块的电力生产量；

S4、设定第j区域的发电决策初值X_j(0)和碳排放决策初值Y_j(0)均为0；

S5、第j区域的智能负载计算模块使用迭代算法，从第1次开始，利用上一次的迭代所得信息计算第k+1次迭代所得第j区域的预估发电量决策值X_j(k+1)和预估碳排放决策值Y_j(k+1)，计算公式分别为：

其中，PR_j为第j区域的当前电价,X_j(k)为第k次迭代时第j区域的预估发电量决策值，Y_j(k)为第k次迭代时第j区域的预估碳排放决策值，α为已知的迭代步长，d为已知的碳排放上限值，P_j为步骤S1中预测所得第j区域发电模块的电力生产量，N为区域数量；

S6、各智能负载模块通过与其对应的智能负载计算模块中的信息传递单元，将迭代所得信息传递给其他区域的智能负载计算模块以进行下一次迭代计算；

S7、重复步骤S5-S6，直到每个智能负载计算模块相邻两次迭代计算所得的预估发电量决策值、预估碳排放决策值差值均不超过设定阈值为止,分别记此终值为X_j(z)和Y_j(z)；

S8、基于步骤S7中计算得到的第j区域的预估发电量决策终值X_j(z)，计算第j区域的子负载模块的运转速率V_j(z)，计算公式为：

其中，η_j为第j区域的智能负载模块的能源利用效率，M_j为步骤S2中第j区域开启的子负载模块的数量，A_j为第j区域子负载模块空闲时的电力消耗量。

本发明的有益技术效果在于：

本发明基于区域电价来控制电网的发电及二极管的生产，通过将长期的碳排放指标纳入考量，智能化控制和优化二极管生产结构，从而减小了二极管生产产业的碳排放量，降低了二极管的生产运营成本，同时通过任务量预测手段有效提高了资源利用效率。

附图说明

图1是本发明具体实施方式中提供的一种基于区域电价的智能电网控制系统的控制方法流程框图；

图2是图1所述控制方法中控制系统的结构框图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步描述。

图1示出了本发明具体实施方式中提供的一种基于区域电价的智能电网控制系统的控制方法流程框图，图2示出了图1所述控制方法中控制系统的结构框图，从图2可以看出，所述控制系统包括共用的任务管理模块以及分布在各区域的智能负载模块、智能负载控制模块、智能负载计算模块和发电模块；

其中，任务管理模块基于历史任务数据，借助长短期记忆人工神经网络对智能负载模块的二极管制造任务量和各区域的电力生产量进行预测；

每个区域的智能负载模块根据对应智能负载计算模块计算所得的二极管生产任务分配量生产发光二极管。

每个区域均配置一个智能负载模块，一个智能负载控制模块和一个智能负载计算模块，每个智能负载控制模块与智能负载模块一一对应且通讯连接，每个智能负载计算模块与智能负载控制模块一一对应且通讯连接。

每个智能负载模块包含多个子负载模块，每个智能负载控制模块根据任务管理模块预测得到的对应智能负载模块的二极管制造任务量开启一定数量的子负载模块，各个子负载模块协同完成智能负载模块的二极管制造任务量。

智能负载计算模块根据各区域当前电价、任务管理模块预测得到的电力生产量和预估碳排放决策值实时计算所述智能负载模块的二极管生产任务分配量，以保证系统在完成产品制造任务的同时满足碳排放指标，同时减小电力成本。

每个区域均配置一套发电模块，所述发电模块包括核能发电模块、火力发电模块、燃气发电模块、燃油发电模块、水利发电模块和风力发电模块，其中各个发电模块的碳排放指数不同。

所述控制系统通过以下步骤进行控制：

S1、任务管理模块基于历史任务数据利用神经网络模型对二极管制造任务量和各区域发电模块的电力生产量进行预测。

具体的，任务管理模块可借助长短期记忆人工神经网络对二极管制造任务量和各区域发电模块的电力生产量进行预测。

S2、第j区域的智能负载控制模块根据步骤S1中预测得到的二极管制造任务量开启一定数量的子负载模块,开启的子负载模块的数量为M_j。

其中，在开启子负载模块之前，第j区域的智能负载控制模块还需要基于对应各子负载模块的能源利用效率对各子负载模块进行优先级别排序，以确保优先开启能源利用效率高和碳排放系数低的子负载模块，从而提高资源利用效率和减小碳排放量。

S3、第j区域的智能负载计算模块基于第j区域的各个发电模块的碳排放指数和步骤S1中预测得到的第j区域的电力生产量，计算第j区域的智能负载模块的碳排放系数D_j，计算公式为：

其中，c_i为已知的能源种类为i的发电模块的碳排放指数，p_ji为步骤S1中预测得到的第j区域中能源种类为i的发电模块的电力生产量。

本实施例中，分别记核能发电模块的能源种类为1，火力发电模块的能源种类为2，燃气发电模块的能源种类为3，燃油发电模块的能源种类为4，水利发电模块的能源种类为5，风力发电模块的能源种类为6。

S4、设定第j区域的发电决策初值X_j(0)为0，碳排放决策初值Y_j(0)为0。

S5、第j区域的智能负载计算模块使用迭代算法，从第1次开始，利用上一次的迭代所得信息计算第k+1次迭代所得第j区域的预估发电量决策值X_j(k+1)和预估碳排放决策值Y_j(k+1)，计算公式分别为：

其中，PR_j为第j区域的当前电价,X_j(k)为第k次迭代时第j区域的预估发电量决策值，Y_j(k)为第k次迭代时第j区域的预估碳排放决策值，α为已知的迭代步长，d为已知的碳排放上限值，P_j为步骤S1中预测所得第j区域发电模块的电力生产量，N为区域数量。

S6、各智能负载模块通过与其对应的智能负载计算模块中的信息传递单元，将迭代所得信息传递给其他区域的智能负载计算模块以进行下一次迭代计算。

这里，各区域的智能负载模块间相互传递的迭代所得信息包括当前迭代所得的预估发电量决策值X_j(k+1)和预估碳排放决策值Y_j(k+1)。

S7、重复步骤S5-S6，直到每个智能负载计算模块相邻两次迭代计算所得的预估发电量决策值、预估碳排放决策值差值均不超过设定阈值为止,分别记此终值为X_j(z)和Y_j(z)，即当满足如下条件时终止迭代：

|X_j(k+1)-X_j(k)|≤X_Δ，且|Y_j(k+1)-Y_j(k)|≤Y_Δ

其中，X_Δ为第j区域的智能负载计算模块计算相邻两次迭代所得预估发电量决策值的差值设定阈值，Y_Δ为第j区域的智能负载计算模块计算相邻两次迭代所得预估碳排放决策值的差值设定阈值。

S8、基于步骤S7中计算得到的第j区域的预估发电量决策终值X_j(z)，计算第j区域的子负载模块的运转速率V_j(z)，计算公式为：

其中，η_j为第j区域的智能负载模块的能源利用效率，M_j为步骤S2中第j区域开启的子负载模块的数量，A_j为子负载模块空闲时的电力消耗量。

上述实施例只是对本发明的举例说明，本发明也可以以其它的特定方式或其它的特定形式实施，而不偏离本发明的要旨或本质特征。因此，描述的实施方式从任何方面来看均应视为说明性而非限定性的。本发明的范围应由附加的权利要求说明，任何与权利要求的意图和范围等效的变化也应包含在本发明的范围内。

Claims (1)

1.一种基于区域电价的智能电网控制系统的控制方法，其特征于，所述控制方法用于控制发光二极管的生产量，所述控制系统包括若干分布于多个区域的核能发电模块、若干分布于多个区域的火力发电模块、若干分布于多个区域的燃气发电模块、若干分布于多个区域的燃油发电模块、若干分布于多个区域的水利发电模块及若干分布于多个区域的风力发电模块，所述控制系统还包括一个任务管理模块、若干分布于多个区域的智能负载模块、若干与所述智能负载模块一一对应且通讯连接的智能负载控制模块、若干与所述智能负载控制模块一一对应且通讯连接的智能负载计算模块，每个所述智能负载模块均包含若干子负载模块，所述子负载模块协同完成所述智能负载模块的二极管生产任务，其中所述智能负载计算模块的数量、所述智能负载控制模块的数量与所述智能负载模块的数量相同；所述智能负载计算模块根据各区域当前电价、所述任务管理模块预测得到的电力生产量和预估碳排放决策值实时计算所述智能负载模块的二极管生产任务分配量；

所述控制系统通过以下步骤进行控制：

S1、任务管理模块基于历史任务数据利用长短期记忆人工神经网络模型对二极管制造任务量和各区域发电模块的电力生产量进行预测；

S2、第j区域的所述智能负载控制模块基于对应各子负载模块的能源利用效率对所述各子负载模块进行优先级别排序，然后根据步骤S1中预测得到的二极管制造任务量开启一定数量的子负载模块,开启的子负载模块的数量为M_j；

S3、第j区域的智能负载计算模块基于第j区域的各个发电模块的碳排放指数和步骤S1中预测得到的第j区域的电力生产量，计算第j区域的智能负载模块的碳排放系数D_j，计算公式为：

其中，c_i为已知的能源种类为i的发电模块的碳排放指数，分别记核能发电模块的能源种类为1，火力发电模块的能源种类为2，燃气发电模块的能源种类为3，燃油发电模块的能源种类为4，水利发电模块的能源种类为5，风力发电模块的能源种类为6；

p_ji为步骤S1中预测得到的第j区域中能源种类为i的发电模块的电力生产量；

S4、设定第j区域的发电决策初值X_j(0)和碳排放决策初值Y_j(0)均为0；

S5、第j区域的智能负载计算模块使用迭代算法，从第1次开始，利用上一次的迭代所得信息计算第k+1次迭代所得第j区域的预估发电量决策值X_j(k+1)和预估碳排放决策值Y_j(k+1)，计算公式分别为：

其中，PR_j为第j区域的当前电价,X_j(k)为第k次迭代时第j区域的预估发电量决策值，Y_j(k)为第k次迭代时第j区域的预估碳排放决策值，α为已知的迭代步长，d为已知的碳排放上限值，P_j为步骤S1中预测所得第j区域发电模块的电力生产量，N为区域数量；

S6、各智能负载模块通过与其对应的智能负载计算模块中的信息传递单元，将迭代所得信息传递给其他区域的智能负载计算模块以进行下一次迭代计算；

S7、重复步骤S5-S6，直到每个智能负载计算模块相邻两次迭代计算所得的预估发电量决策值、预估碳排放决策值差值均不超过设定阈值为止,分别记此终值为X_j(z)和Y_j(z)；

S8、基于步骤S7中计算得到的第j区域的预估发电量决策终值X_j(z)，计算第j区域的子负载模块的运转速率V_j(z)，计算公式为：

其中，η_j为第j区域的智能负载模块的能源利用效率，M_j为步骤S2中第j区域开启的子负载模块的数量，A_j为第j区域子负载模块空闲时的电力消耗量。

Images