CN113344340B - 一种基于cps的能源综合服务枢纽站的选址方法 - Google Patents
一种基于cps的能源综合服务枢纽站的选址方法 Download PDFInfo
- Publication number
- CN113344340B CN113344340B CN202110539330.8A CN202110539330A CN113344340B CN 113344340 B CN113344340 B CN 113344340B CN 202110539330 A CN202110539330 A CN 202110539330A CN 113344340 B CN113344340 B CN 113344340B
- Authority
- CN
- China
- Prior art keywords
- information
- site selection
- node
- power
- station
- 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
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于CPS的能源综合服务枢纽站的选址方法,涉及能源综合服务枢纽站选址技术领域,包括以下步骤:将目标区域信息网拓扑结构、信息传输设备信息以及信息节点设备信息输入到已搭建的信息网模型中,建立信息处理中心选址综合评价指标;将电力系统拓扑结构和电力系统节点信息输入到已搭建的电网模型中,建立储能电站选址综合评价指标;将目标区域电动汽车需求容量输入到已搭建的电动汽车充换电站模型以及电网模型中,建立电动汽车充换电站选址评价指标通过此种方式多角度、多方面的情况综合考虑,优选出最佳节点。
Description
技术领域
本发明涉及能源枢纽站选址技术领域,具体为一种基于CPS的能源综合服务枢纽站的选址方法。
背景技术
能源综合服务枢纽的核心思想是多站融合,即在能源汇集传输和转换利用中起到枢纽作用,通过对数据中心、储能站、汽车充换电站等关键设施资源的合理整合,实现能量流、数据流、业务流的“三流合一”。基于多站融合的设计理念,集储能、电动汽车充换电站、数据中心站等功能,建设新型能源枢纽,优化集成各类能源、服务和客户资源,推动能源流、业务流和数据流有机融合,实现能源和信息的互联互通、平等共享、供需平衡、优化互动,打造能源配置平台、综合服务平台和新业务、新业态、新模式发展平台,最终形成物理形态、数字形态和产业形态的共享平台,大幅提升电网的运行和业务能力水平。
在多站融合的背景下,能源综合服务枢纽的合理选址不仅影响信息物理系统的可靠性和信息传达的延迟特性,还会影响电力系统节点饱和度和负荷的峰谷差,对信息系统的及时通讯和电力系统的平稳运行有重要影响。因此,能源综合服务枢纽的选址是一个重要的研究问题,现有的研究多为从各个角度独立进行分析,没有进行多角色耦合分析,得到的结果并非最佳结果。
所以设计一种针对能源综合服务枢纽站的多角度综合分析的方法是十分有必要的。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于CPS的能源综合服务枢纽站的选址方法。
本发明的目的是通过以下技术方案来实现的:
一种基于CPS的能源综合服务枢纽站的选址方法,包括以下步骤:
S1,获取目标区域信息网拓扑结构、信息传输设备信息及信息节点设备信息,电力系统拓扑结构和电力系统节点信息,获取目标区域电动汽车需求容量;
S2,将目标区域信息网拓扑结构、信息传输设备信息以及信息节点设备信息输入到已搭建的信息网模型中,建立信息处理中心选址综合评价指标;将电力系统拓扑结构和电力系统节点信息输入到已搭建的电网模型中,建立储能电站选址综合评价指标;将目标区域电动汽车需求容量输入到已搭建的电动汽车充换电站模型以及电网模型中,建立电动汽车充换电站选址评价指标;
S3,根据所述信息处理中心选址综合评价指标、储能电站选址综合评价指标、电动汽车充换电站选址评价指标,建立影响因子综合评价系统,采用遍历算法,对影响因子综合评价系统中每一个节点进行评分,根据评分结果确定基于CPS的能源综合服务枢纽站的选址。
进一步的,所述电力系统节点信息包括各节点传输的有功功率或节点容量。
进一步的,所述信息传输设备信息及信息节点设备信息包括下述中的至少一种:各信息节点的数据转换延迟、汇集传输延迟以及各信息支路的数据传输延迟。
进一步的,在进行储能选址进行评价打分之前基于所述电网模型,进行一次潮流仿真计算,得到电网模型中各节点在典型日各个时段的平均负荷功率大小。
进一步的,所述信息处理中心选址综合评价指标是基于Dijkstra最小路径算法,利用节点在信息网模型中的中介中心性和接近中心性建立的。
进一步的,所述储能电站选址综合评价指标是利用电网模型中各节点未接储能时节点最大负荷占比和储能后加入后各节点的削峰填谷作用量建立的。
进一步的,所述电动汽车充换电站选址评价指标是基于电动汽车充换电站加入后电网模型中各节点负荷波动量建立的。
进一步的,所述信息网模型是基于目标区域信息网拓扑结构、信息传输设备信息及信息节点设备信息搭建的;所述电网模型是基于电力系统拓扑结构和电力系统节点信息搭建的;所述电动汽车充换电站模型是基于目标区域日均24小时电动汽车需求容量搭建的。
计算机可读存储介质,所述计算机可读存储介质存储有一个或多个计算机程序,所述一个或多个计算机程序被一个或多个处理器执行时实现如上述所述的能源综合服务枢纽站的选址方法。
一种基于CPS的能源综合服务枢纽站的选址系统,包括:信息网拓扑和电力网拓扑;其中信息网拓扑包括信息处理中心、信息支路、信息节点,所述信息处理中心通过信息支路与信息节点连接;所述电力网拓扑包括传输线以及电力网络节点,所述电力网络节点与传输线连接,信息节点以及信息处理中心分别通过传输线与电力网络节点连接,所述信息处理中心包括有云计算服务器,所述云计算服务器中包括有一个或多个所述计算机程序,一个或多个所述计算机程序被一个或多个处理器执行时实现如上述所述的能源综合服务枢纽站的选址方法。
本发明的有益效果是:
1、本发明的一个创新点在于,通过电网模型、信息网模型以及电动汽车充换电站模型对各信息节点传输信息的可靠性和延时特性进行评价打分,对储能选址进行评价打分,对电动汽车充换电站选址进行评价打分;从多角度考虑影响电力系统运行的因素进行打分。
2、在上述基础上,根据信息处理中心选址综合评价指标、储能电站选址综合评价指标、电动汽车充换电站选址评价指标,建立影响因子综合评价系统,采用遍历算法,对影响因子综合评价系统中每一个节点进行评分,得到最佳结果,经过多放综合分析,得到最佳输出结果。
附图说明
图1为本发明的选址方法的系统图;
图2为本发明的选址方法的流程图;
图3为本发明实施例中电力系统拓扑结构图(图中的数字为节点);
图4为本发明实施例中电力信息物理系统相依网络模型;
图5为本发明实施例中能源综合服务枢纽拓扑示意图;
图6(a)~(c)分别为本发明实施例中数据中心、储能电站、电动汽车充换电站选址评价指标示意图;
图7为本发明实施例中的各节点编号的百分比图;
图8为本发明实施例中各节点编号的峰谷差值图。
具体实施方式
下面结合本发明的附图1~8,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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。
在本发明的描述中,需要理解的是,术语“逆时针”、“顺时针”“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
一种基于CPS的能源综合服务枢纽站的选址方法,包括以下步骤:
S1,获取目标区域信息网拓扑结构、信息传输设备信息及信息节点设备信息,电力系统拓扑结构和电力系统节点信息,获取目标区域电动汽车需求容量;
S2,将目标区域信息网拓扑结构、信息传输设备信息以及信息节点设备信息输入到已搭建的信息网模型中,建立信息处理中心选址综合评价指标;将电力系统拓扑结构和电力系统节点信息输入到已搭建的电网模型中,建立储能电站选址综合评价指标;将目标区域电动汽车需求容量输入到已搭建的电动汽车充换电站模型以及电网模型中,建立电动汽车充换电站选址评价指标;
S3,根据所述信息处理中心选址综合评价指标、储能电站选址综合评价指标、电动汽车充换电站选址评价指标,建立影响因子综合评价系统,采用遍历算法,对影响因子综合评价系统中每一个节点进行评分,根据评分结果确定基于CPS的能源综合服务枢纽站的选址。
本方案的工作原理简述:
在本发明中,根据信息网模型,基于最小路径算法,利用节点在系统中的中介中心性和接近中心性建立信息处理中心选址综合评价指标对网络中各信息节点信息传输的可靠性(以中介中心性CB进行评价)和延时特性(以接近中心性CC进行评价)进行评价打分,根据评分大小选取较大的作为待选节点,如下式:
式中:CB、Cc、Iif.i分别为节点的中介中心性、接近中心性和数据处理中心综合评价指标;N为图中包含的节点集合;σ(s,t)为节点s与t之间所有最短路径的个数和;σ(s,t∣i)为σ(s,t)中最短路径穿过节点i的个数和;表示顶点i到顶点n的最短距离;CBmax和CBmin分别为所有节点中介中心性CB中的最大值和最小值;CCmax和CCmin分别为所有节点接近中心性Cc的最大值和最小值;i为信息网中的节点;αif和βif分别为信息网节点中介中心性和接近中心性重要度权重系数;
基于所述电网模型,进行一次潮流仿真计算,得到电网模型中各节点在典型日各个时段的平均负荷功率大小;
基于所述电网模型,对电力系统各节点利用最大负荷占比和储能加入后各节点的削峰填谷作用量建立综合评价指标对储能选址进行评价打分,如下式:
式中,Les.i表示储能加入节点i时系统各点负荷饱和度的均值;PMAX.j为节点j在统计时长内的最大负荷量;N为系统中节点集合;Pes.j为节点j的额定容量值;fes.i表示在节点i加入储能后系统中各点波动量的均值;Psystem.n为系统中节点n的在ti时刻的净负荷功率;T为数据统计时长;Les.max和Les.min分别为最大负荷占比Les中的最大值和最小值;fes.max和fes.min分别为负荷波动量fes中的最大值和最小值;Ies为储能选址综合评价指标;i为信息网中的节点;αes和βes分别为储能最大负荷占比和负荷波动量重要度权重系数;
基于电网模型和电动汽车充换电站模型,以电动汽车充换电站加入后电力系统各节点负荷波动量对电动汽车充换电站选址进行评价打分,如下式:
式中,Ievc.i表示充换电站在节点i处加入系统后各点波动量的均值即充换电站选址评价指标;fevc.max和fevc.min分别为最大负荷占比fevc中的最大值和最小值;fevc.max和fevc.min分别为负荷波动量fevc中的最大值和最小值;
根据信息网、储能、电动汽车充换电站评价指标,建立影响因子综合评价体系,采用遍历算法,对系统中每一个节点进行评分,根据评分大小选取评分较大的节点作为待选节点,如下式:
式中node为各待选节点标号;Iif.i为数据中心选址评价指标;Ies.i为储能选址评价指标;Ievc.i为充换电站选址评价指标;ωif、ωes、ωevc分别表示数据中心、储能和充换电站选址评价指标在能源枢纽选址中所占的权重。
本实施例就图5所述能源枢纽拓扑基于IEEE 30点节点系统进行优化选址,分别从数据中心选址评价指标Iif.i、储能选址评价指标Ies.i、充换电站选址评价指标Ievc.i进行计算分析,然后通过模糊综合评价方法,进行能源综合服务枢纽的选址问题进行综合评估;
1.数据中心选址综合评价
对于数据中心选址综合评价体系,通过中介中心性指标、接近中心性指标进行分析。首先从IEEE30节点电力网拓扑出发,依据相依网络原理,建立信息网络拓扑,如图4。其次根据Dijkstra算法计算得到信息网络中点到点的最短路径,然后根据最小路径的连接关系和长度等信息计算得到信息网络的中介中心性指标和接近中心性指标。
以节点6为例简要介绍Dijkstra算法,其到各点最短路径如下表所示:
表1.基于Dijkstra算法节点6最小路径表
对于数据中心选址的综合评价体系,本实施例侧重于考虑数据中心接入后对CPPS中系统延时的优化程度,其次考虑选址问题对系统可靠性的影响,所以本实施例取βif为0.6。其中数据中心选址综合评价指标曲线可知,在数据中心选址评价体系中节点6的评分最高。
2.储能电站及电动汽车充换电站选址综合评价
本实施例以江苏某市一典型日负荷30节点的负荷量进行储能电站的选址分析。
a.本实施例优先考虑储能电站接入后对系统峰谷差的优化效果。因此对于储能选址评价指标中的βes取做0.6。对于此实施例,根据系统中最大峰谷差的20%作为标准,选取30MW储能接入系统进行评价。其负荷波动量、最大负荷占比、储能选址评价指标如图所示。通过对图中储能电站选址综合评价指标曲线可知,在储能电站选址评价体系中节点10的评分最高。
b.在电动汽车充换电站方面,以充换电站日均车流量100辆,每辆车容量100KW.h为例,建立电动汽车有序充换电模型:
式中Pevc.t为t时刻充换电站的容量;Prec.t为t时刻系统中的实际容量的倒数;m为t时刻电动车最大容量,本实施例取m=10MW;PMAX、PMIN分别为系统中各时刻容量倒数的最大值和最小值;
将上述所建立的充换电站需求模型接入系统进行充换电站选址进行评价。充换电站加入各节点后系统中各节点的充换电站评价指标如图所示。通过对图中充换电站选址评价指标曲线可知,在充换电站选址评价体系中节点30的评分最高。
3.能源枢纽选址综合评价
通过所述能源枢纽选址综合评价指标,本实施例侧重于CPPS数据中心选址规划,其次为优化系统潮流运行,所以ωif、ωes、ωevc分别取做0.5、0.3、0.2。各节点分数由图所示,根据对系统中各节点的评价结果,节点6为最佳选址节点。
选取上述评价指标前三名进行验证分析。方案1、方案2、方案3分别为能源枢纽选作节点6、节点10、节点9接入系统。分析能源综合服务枢纽对信息网和电力网的优化程度,此处仅对信息系统中的延迟特性和电力系统中储能和充换电站加入前后的负荷波动量进行分析。
以IEEE30节点系统进行仿真分析,各路径长度如表2所示。信息网络以光纤复合架空地线信息传输,采用光纤传输延迟典型值5ns/km,信号发射器和接收器分别取典型值25ns和82ns。其各点作为数据中心的延时情况如表2所示。
表2系统中各节点间距离
通过表2中数据可得,方案1到系统中各节点的信息传达延时的平均时间为516.56ns,方案2为567.43ns,方案3为555.97ns,其中有16个节点为方案1延时最低,有11个节点为方案2延时最低,从而判断方案1的系统延时最低。
表3不同接入点对信息系统延迟响应分析
单位:ns
对于能源综合服务枢纽选址对电力潮流的优化情况,本实施例选取30MW储能分别在三种方案接入系统,分析其对系统的潮流波动和堵塞情况。其峰谷差如图所示。
通过以上仿真分析可知,系统添加储能后各薄弱节点负荷波动情况得到明显改善,其中在方案1处安装储能对负荷波动量抑制最为明显,以负荷波动最大的节点1为例,当储能分别安装在节点6、10、9时,系统负荷的峰谷差分别减少了48.3MW、25.4MW、17.7MW。
由仿真结果可知,方案1对于系统负荷波动的抑制效果最明显。
进一步的,所述电力系统节点信息包括各节点传输的有功功率或节点容量。
进一步的,所述信息传输设备信息及信息节点设备信息包括下述的至少一种:各信息节点的数据转换延迟、汇集传输延迟以及各信息支路的数据传输延迟。
进一步的,在进行储能选址进行评价打分之前基于所述电网模型,进行一次潮流仿真计算,得到电网模型中各节点在典型日各个时段的平均负荷功率大小。
进一步的,所述信息处理中心选址综合评价指标是基于Dijkstra最小路径算法,利用节点在信息网模型中的中介中心性和接近中心性建立的。
进一步的,所述储能电站选址综合评价指标是利用电网模型中各节点未接储能时节点最大负荷占比和储能后加入后各节点的削峰填谷作用量建立的。
进一步的,所述电动汽车充换电站选址评价指标是基于电动汽车充换电站加入后电网模型中各节点负荷波动量建立的。
进一步的,所述信息网模型是基于目标区域信息网拓扑结构、信息传输设备信息及信息节点设备信息搭建的;所述电网模型是基于电力系统拓扑结构和电力系统节点信息搭建的;所述电动汽车充换电站模型是基于目标区域日均24小时电动汽车需求容量搭建的。
计算机可读存储介质,所述计算机可读存储介质存储有一个或多个计算机程序,所述一个或多个计算机程序被一个或多个处理器执行时实现如上述所述的能源综合服务枢纽站的选址方法。
一种基于CPS的能源综合服务枢纽站的选址系统,包括:信息网拓扑和电力网拓扑;其中信息网拓扑包括信息处理中心、信息支路、信息节点,所述信息处理中心通过信息支路与信息节点连接;所述电力网拓扑包括传输线以及电力网络节点,所述电力网络节点与传输线连接,信息节点以及信息处理中心分别通过传输线与电力网络节点连接,所述信息处理中心包括有云计算服务器,所述云计算服务器中包括有一个或多个所述计算机程序,一个或多个所述计算机程序被一个或多个处理器执行时实现如上述所述的能源综合服务枢纽站的选址方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (7)
1.一种基于CPS的能源综合服务枢纽站的选址方法,其特征在于,包括以下步骤:
S1,获取目标区域信息网拓扑结构、信息传输设备信息及信息节点设备信息,电力系统拓扑结构和电力系统节点信息,获取目标区域电动汽车需求容量;
S2,将目标区域信息网拓扑结构、信息传输设备信息以及信息节点设备信息输入到已搭建的信息网模型中,建立信息处理中心选址综合评价指标;将电力系统拓扑结构和电力系统节点信息输入到已搭建的电网模型中,建立储能电站选址综合评价指标;将目标区域电动汽车需求容量输入到已搭建的电动汽车充换电站模型以及电网模型中,建立电动汽车充换电站选址评价指标;
S3,根据所述信息处理中心选址综合评价指标、储能电站选址综合评价指标、电动汽车充换电站选址评价指标,建立影响因子综合评价系统,采用遍历算法,对影响因子综合评价系统中每一个节点进行评分,根据评分结果确定基于CPS的能源综合服务枢纽站的选址;
所述信息处理中心选址综合评价指标是基于Dijkstra最小路径算法,利用节点在信息网模型中的中介中心性和接近中心性建立的;
所述储能电站选址综合评价指标是利用电网模型中各节点未接储能时节点最大负荷占比和储能后加入后各节点的削峰填谷作用量建立的;
所述S3中,电动汽车充换电站选址评价指标是基于电动汽车充换电站加入后电网模型中各节点负荷波动量建立的。
2.根据权利要求1所述的一种基于CPS的能源综合服务枢纽站的选址方法,其特征在于,所述电力系统节点信息包括各节点传输的有功功率或节点容量。
3.根据权利要求1所述的一种基于CPS的能源综合服务枢纽站的选址方法,其特征在于,所述信息传输设备信息及信息节点设备信息包括下述中的至少一种:各信息节点的数据转换延迟、汇集传输延迟以及各信息支路的数据传输延迟。
4.根据权利要求1所述的一种基于CPS的能源综合服务枢纽站的选址方法,其特征在于,在进行储能选址进行评价打分之前基于所述电网模型,进行一次潮流仿真计算,得到电网模型中各节点在典型日各个时段的平均负荷功率大小。
5.根据权利要求1所述的一种基于CPS的能源综合服务枢纽站的选址方法,其特征在于,所述信息网模型是基于目标区域信息网拓扑结构、信息传输设备信息及信息节点设备信息搭建的;所述电网模型是基于电力系统拓扑结构和电力系统节点信息搭建的;所述电动汽车充换电站模型是基于目标区域日均24小时电动汽车需求容量搭建的。
6.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存储有一个或多个计算机程序,所述一个或多个计算机程序被一个或多个处理器执行时实现如权利要求1~5任一项所述的能源综合服务枢纽站的选址方法。
7.一种基于CPS的能源综合服务枢纽站的选址系统,其特征在于,包括:信息网拓扑和电力网拓扑;其中信息网拓扑包括信息处理中心、信息支路、信息节点,所述信息处理中心通过信息支路与信息节点连接;所述电力网拓扑包括传输线以及电力网络节点,所述电力网络节点与传输线连接,信息节点以及信息处理中心分别通过传输线与电力网络节点连接,所述信息处理中心包括有云计算服务器,所述云计算服务器中包括有一个或多个计算机程序,一个或多个所述计算机程序被一个或多个处理器执行时实现如权利要求1~5任一项所述的能源综合服务枢纽站的选址方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110539330.8A CN113344340B (zh) | 2021-05-13 | 2021-05-13 | 一种基于cps的能源综合服务枢纽站的选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110539330.8A CN113344340B (zh) | 2021-05-13 | 2021-05-13 | 一种基于cps的能源综合服务枢纽站的选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113344340A CN113344340A (zh) | 2021-09-03 |
CN113344340B true CN113344340B (zh) | 2022-08-16 |
Family
ID=77470958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110539330.8A Active CN113344340B (zh) | 2021-05-13 | 2021-05-13 | 一种基于cps的能源综合服务枢纽站的选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344340B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837571A (zh) * | 2021-09-09 | 2021-12-24 | 国网河北省电力有限公司辛集市供电分公司 | 一种基于能源互联网分层架构的区域综合能源系统评价方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112650888A (zh) * | 2020-12-25 | 2021-04-13 | 山东大学 | 一种基于图论的区域综合能源系统选址规划方法及系统 |
-
2021
- 2021-05-13 CN CN202110539330.8A patent/CN113344340B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112650888A (zh) * | 2020-12-25 | 2021-04-13 | 山东大学 | 一种基于图论的区域综合能源系统选址规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113344340A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108170847B (zh) | 一种基于Neo4j图数据库的大数据存储方法 | |
CN109582667A (zh) | 一种基于电力调控大数据的多数据库混合存储方法及系统 | |
Erden et al. | Adaptive V2G peak shaving and smart charging control for grid integration of PEVs | |
CN109327323B (zh) | 一种新能源并网电力通信网规划和优化方法及系统 | |
CN108053037A (zh) | 一种基于两网融合的配电网抢修策略制定方法及装置 | |
CN103928925B (zh) | 基于前推回代的配电网潮流计算方法 | |
CN106934484B (zh) | 一种基于pda的现场运维日工作规划方法 | |
CN109886468A (zh) | 基于改进的自适应遗传算法的充电站规划方法 | |
CN110224427B (zh) | 一种基于微电网能量控制策略的信息物理系统建模方法 | |
CN106228263A (zh) | 基于大数据的物流信息化方法 | |
CN109902859B (zh) | 基于大数据和机器学习算法的排队高峰时段预估方法 | |
CN113344340B (zh) | 一种基于cps的能源综合服务枢纽站的选址方法 | |
CN103488820B (zh) | 一种基于长过程时序仿真的分布式电源规划方法 | |
CN110188972A (zh) | 一种10kV配电网非专线客户接入方法 | |
CN103489139A (zh) | 城市配电网规划综合分析与管理系统 | |
CN113902583B (zh) | 利用低压网络设备数据的配网侧运维方法及系统 | |
CN105956816A (zh) | 物资运输信息智能处理方法 | |
CN115879652B (zh) | 能源网络分级协同规划方法、装置、电子设备及存储介质 | |
CN108133588B (zh) | 基于实现采集指标的窄带plc用电信息采集系统 | |
CN115994612A (zh) | 基于业扩规划的配电网运行优化方法、装置及存储介质 | |
CN111242403A (zh) | 一种充电站充电负荷预测方法、装置设备及存储介质 | |
CN114818632B (zh) | 一种超计划用电限电序位表的编制方法及装置 | |
CN115330043A (zh) | 一种城市充电站的选址规划方法及系统 | |
CN107580025A (zh) | 一种电网多调度中心日内发电计划安全校核数据共享方法 | |
CN112418535A (zh) | 基于二叉树的校车调度规划方法 |
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 |