CN113408966A - 一种提高智能电网区域综合利用效率的方法 - Google Patents

一种提高智能电网区域综合利用效率的方法 Download PDF

Info

Publication number
CN113408966A
CN113408966A CN202110945625.5A CN202110945625A CN113408966A CN 113408966 A CN113408966 A CN 113408966A CN 202110945625 A CN202110945625 A CN 202110945625A CN 113408966 A CN113408966 A CN 113408966A
Authority
CN
China
Prior art keywords
load
consumption
photovoltaic power
electric quantity
loss
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.)
Granted
Application number
CN202110945625.5A
Other languages
English (en)
Other versions
CN113408966B (zh
Inventor
任其广
陈早军
宋林林
阮敬稳
林冲
贾明英
郑云玲
李金平
刘继新
张晓飞
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.)
Windsun Science and Technology Co Ltd
Original Assignee
Windsun Science and Technology Co Ltd
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 Windsun Science and Technology Co Ltd filed Critical Windsun Science and Technology Co Ltd
Priority to CN202110945625.5A priority Critical patent/CN113408966B/zh
Publication of CN113408966A publication Critical patent/CN113408966A/zh
Application granted granted Critical
Publication of CN113408966B publication Critical patent/CN113408966B/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
    • G06Q10/06—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种提高智能电网区域综合利用效率的方法，属于电力系统智能控制技术领域。方法包括以下步骤：计算各备用负荷对应的消纳能力；对各备用负荷进行聚类，得到各聚类集合对应的备用负荷；将各聚类集合对应的聚类中心的消纳能力、各聚类集合包括的备用负荷的个数和光伏电站需要消纳的多余电量输入到构建好的消纳能力预测网络进行推理，提取推理完成后的特征张量；根据特征张量和所述个数，计算对应的组合条件；计算满足所述组合条件下的各组合方式对应的距离总值，将距离总值最小的组合方式作为目标组合方式。本发明可以实现备用负荷对光伏电站需要消纳的多余电量的较大程度消纳，解决了现有控制方法对光伏发电量利用率较低的问题。

Description

一种提高智能电网区域综合利用效率的方法
技术领域
本发明涉及电力系统智能控制技术领域，具体涉及一种提高智能电网区域综合利用效率的方法。
背景技术
光伏发电能够为智能电网提供清洁电力，近年来大型并网光伏发电站发展迅速；但是，有些区域的光伏电站供应的电能已经远远超过区域需求，也即光伏电站的发电量大于电力系统最大传输电量和负荷消纳电量的总和，存在弃光现象。
为了解决弃光现象，现有的控制方法是在微电网母线上增加多个备用负荷，以通过投入多个备用负荷的方式来消纳多余电量，如图1所示，备用负荷全部采用柔性负荷，也即能够在不同时间段内允许自由投切的可调节负荷或可转移负荷。
现有的控制方法虽然能够通过投入多个备用负荷来消纳多余电量，但是，各备用负荷的消纳能力不同，不同的投入组合方式对应的消纳能力不同，如何通过投入备用负荷以实现对多余电量的较大程度消纳，是提高光伏发电量利用率所亟待解决的问题。
发明内容
本发明的目的在于提供一种提高智能电网区域综合利用效率的方法，用于解决现有控制方法对光伏发电量利用率较低的问题。
为了解决上述问题，本发明的一种提高智能电网区域综合利用效率的方法的技术方案，包括以下步骤：
获取各备用负荷距离光伏发电站的距离以及各备用负荷的耗电量信息，根据所述距离和耗电量信息计算各备用负荷对应的消纳能力；
根据各备用负荷对应的消纳能力对各备用负荷进行聚类，得到各聚类集合对应的备用负荷；
将各聚类集合对应的聚类中心的消纳能力、各聚类集合包括的备用负荷的个数和光伏电站需要消纳的多余电量输入到构建好的消纳能力预测网络进行推理，提取推理完成后消纳能力预测网络对应的特征张量；
根据所述特征张量和各聚类集合包括的备用负荷的个数，计算与光伏电站需要消纳的多余电量对应的组合条件，所述组合条件包括各聚类集合需要投入的备用负荷的个数；
计算满足所述组合条件下的各组合方式对应的距离总值，将距离总值最小的组合方式作为目标组合方式。
上述方法的有益效果是：本发明计算了各备用负荷对应的消纳能力，并根据各备用负荷对应的消纳能力对备用负荷进行了聚类，通过将各聚类集合对应的聚类中心的消纳能力、各聚类集合包括的备用负荷的个数和光伏电站需要消纳的多余电量输入到构建好的消纳能力预测网络，可以得到与光伏电站需要消纳的多余电量对应的各组合方式，将各组合方式对应的距离总值作为进一步筛选最优组合方式的参考指标，可以实现备用负荷对光伏电站需要消纳的多余电量的较大程度消纳，解决了现有控制方法对光伏发电量利用率较低的问题。
进一步地，所述构建好的消纳能力预测网络的输入为：各聚类集合对应的聚类中心的消纳能力、各聚类集合包括的备用负荷的个数和光伏电站需要消纳的多余电量；所述构建好的消纳能力预测网络的输出为：与所述光伏电站需要消纳的多余电量对应的消纳能力预测值；所述构建好的消纳能力预测网络的损失包括：消纳能力预测值与需要消纳的多余电量的回归损失、特征张量损失和全连接层参数损失。
进一步地，采用如下公式计算消纳能力预测值与需要消纳的多余电量的回归损失：
Figure 100002_DEST_PATH_IMAGE002
其中，L r 为消纳能力预测值与需要消纳的多余电量的回归损失，
Figure 100002_DEST_PATH_IMAGE004
为消纳能力预测值，E t 为需要消纳的多余电量，
Figure 100002_DEST_PATH_IMAGE006
为L2范式。
进一步地，采用如下公式计算特征张量损失：
Figure 100002_DEST_PATH_IMAGE008
其中，L c1 为特征张量损失，p k 为特征张量中第k个元素的值，Q为大于设定阈值的常数，K为特征张量中元素的总个数。
进一步地，采用如下公式计算全连接层参数损失：
Figure 100002_DEST_PATH_IMAGE010
其中，L c2 为全连接层参数损失，w k1 为第k1个神经元的权重，K1为神经元的总个数，Q1为大于设定阈值的常数。
进一步地，所述备用负荷的耗电量信息包括备用负荷在设定时间长度下的耗电量均值。
进一步地，所述距离总值为组合方式中各备用负荷距离光伏发电站的距离的叠加。
附图说明
图1是现有的微电网系统结构示意图；
图2是本发明的提高智能电网区域综合利用效率的方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行介绍。
如题1所示，现有的微电网系统包括光伏发电站、微网储能单元、原有负荷和备用负荷，其中备用负荷包括备用负荷1、…、备用负荷m。当光伏发电站的发电量大于电力系统最大传输电量和负荷（包括原有负荷和微网储能单元）消纳电量的总和时，需要通过投入备用负荷来消纳多余电量。各备用负荷的消纳能力不同，不同的投入组合方式对应的消纳能力不同，如何通过投入备用负荷以实现对多余电量的较大程度消纳，是提高光伏发电量利用率所亟待解决的问题。
为了解决上述问题，如图2所示，本实施例的提高智能电网区域综合利用效率的方法包括以下步骤：
（1）获取各备用负荷距离光伏发电站的距离以及各备用负荷的耗电量信息，根据所述距离和耗电量信息计算各备用负荷对应的消纳能力；
各备用负荷的消纳能力与其距离光伏发电站的距离以及其耗电量有关，备用负荷的消纳能力与备用负荷距离光伏发电站的距离和耗电量均成正相关关系：备用负荷距离光伏伏发电站的距离反映的是光伏电站向备用负荷供电时电能损耗的多少，备用负荷距离光伏发电站的距离越远，光伏电站向备用负荷供电时电能损耗越多；本实施例中备用负荷的耗电量随时间的波动较小，备用负荷的耗电量可通过备用负荷在设定时间长度（比如24h）下的耗电量均值表示，其反应的是备用负荷自身的功率大小，备用负荷的耗电量越大，备用电源对电能的消纳能力越强。本实施例基于数学建模的方式通过拟合得到各备用负荷的消纳能力、距离光伏发电站的距离和耗电量之间的关系如下：
Figure DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE014
为备用负荷单位时间内的消纳能力，l为备用负荷距离光伏发电站的距离，
Figure DEST_PATH_IMAGE016
为备用负荷单位时间内的耗电量，k和b为基于最小二乘法拟合得到的参数。
（2）根据各备用负荷对应的消纳能力对各备用负荷进行聚类，得到各聚类集合对应的备用负荷；
在得到了各备用负荷的消纳能力之后，本实施例基于K-means聚类算法对备用负荷进行聚类，以将消纳能力较为相近的备用负荷划分为一类。聚类集合的个数与备用负荷的总个数以及备用负荷之间消纳能力的差异大小有关，聚类集合的个数越多，对备用负荷划分的越精细，每一聚类集合内备用负荷的消纳能力的差异越小。
本实施例以聚类集合的个数为5、备用负荷的总个数为20为例进行说明，基于各备用负荷消纳能力的不同，基于K-means聚类算法将这20个备用负荷划分为5类，然后根据每一类聚类中心对应的备用负荷的消纳能力从小至大进行排序，并根据排序赋予1-5的集合标识，统计每一集合中备用负荷的个数，将对应的集合标识分配给对应的集合内的备用负荷，将每一个备用负荷视为一个节点。
（3）将各聚类集合对应的聚类中心的消纳能力、各聚类集合包括的备用负荷的个数和光伏电站需要消纳的多余电量输入到构建好的消纳能力预测网络进行推理，提取推理完成后消纳能力预测网络对应的特征张量；
光伏电站需要消纳的多余电量指需要备用负荷消纳的总电量，其值等于光伏发电站的发电量减去电力系统最大传输电量和负荷（包括原有负荷和微网储能单元）消纳电量的总和。本实施例为了得到光伏电站需要消纳的多余电量与备用负荷投入的对应关系，构建了消纳能力预测网络，以通过消纳能力预测网络得到光伏电站需要消纳的多余电量与备用负荷投入的对应关系，也即如何投入负荷才能较大程度消纳光伏电站需要消纳的多余电量。
消纳能力预测网络的输入为各聚类集合对应的聚类中心的消纳能力、各聚类集合包括的备用负荷的个数和光伏电站需要消纳的多余电量；消纳能力预测网络的输出为：与所述光伏电站需要消纳的多余电量对应的消纳能力预测值；消纳能力预测网络的架构如下：
构建TCN网络，网络的输入为1*(K+1)尺寸，本实施例中K=5，输入中前K个元素中每个元素包括对应聚类集合的节点数量和聚类中心的消纳能力，第K+1个元素为光伏电站需要消纳的多余电量。本实施例中网络的输入为1*(5+1)尺寸，设置滑窗尺寸为L，设置空洞卷积的空洞率为ri，对网络输入进行空洞卷积后输出特征张量，尺寸为1*5尺寸，尺寸的维持通过Padding操作实现，再将特征张量输入全连接层，输出为组合消纳能力；
上述网络具体训练过程为：一个区域的光伏电站对应一组上述输入，采用多个区域的光伏电站对应的输入作为训练数据集，网络的损失函数设计为
Figure DEST_PATH_IMAGE018
Figure DEST_PATH_IMAGE019
Figure DEST_PATH_IMAGE020
Figure DEST_PATH_IMAGE021
其中，L r 为消纳能力预测值与需要消纳的多余电量的回归损失，L c1 为特征张量损失，L c2 为全连接层参数损失，
Figure 460461DEST_PATH_IMAGE004
为消纳能力预测值，E t 为需要消纳的多余电量，
Figure 879066DEST_PATH_IMAGE006
为L2范式，p k 为特征张量中第k个元素的值，Q为大于设定阈值的常数，K为特征张量中元素的总个数，w k1 为第k1个神经元的权重，K1为神经元的总个数，Q1为大于设定阈值的常数；需要说明的是：特征张量中的每一个元素对应一个全连接层的神经元，因此特征张量中元素的总个数等于神经元的总个数，也即K= K1。
特征张量损失L c1 的目的是约束特征张量元素不大于1，其中函数
Figure DEST_PATH_IMAGE023
的目的是确保其在小于1的情况下损失较小，大于1的情况下损失极大，并且是连续可导的，便于进行梯度的反向传播，实际应用中也可选择其他满足上述要求的函数作为该项损失；特征张量损失L c1 中函数
Figure DEST_PATH_IMAGE025
的目的是约束特征张量元素不小于0，否则该项损失极大，为了实现约束效果，设置Q大于设定阈值，以使Q为非常大的常数。为了实现对全连接层参数w k1 的约束效果，设置全连接层参数损失L c2 中Q1大于设定阈值，以使Q1为非常大的常数，比如Q1为1*10 6 。
当滑窗尺寸L和空洞卷积的空洞率ri确定时，通过上述训练过程可以得到一个对应的训练好的消纳能力预测网络；为了得到一个最优的消纳能力预测网络，本实施例中将滑窗尺寸L和空洞卷积的空洞率ri作为超参数，对上述网络进行超参数遍历寻优，默认网络可收敛，即L c1 、L c2 项可满足，由于该两项提供较大的损失，在满足该两项的情况下，针对L r 进行最优超参数的选取，选择L r 最小时对应的超参数作为最优超参数。将最优的滑窗尺寸L和空洞卷积的空洞率ri对应的训练好的消纳能力预测网络作为推理网络。
得到了训练好的消纳能力预测网络（即上述推理网络）之后，将各聚类集合对应的聚类中心的消纳能力、各聚类集合包括的备用负荷的个数和光伏电站需要消纳的多余电量输入到构建好的消纳能力预测网络进行推理，即可提取推理完成后消纳能力预测网络对应的特征张量。
（4）根据所述特征张量和各聚类集合包括的备用负荷的个数，计算与光伏电站需要消纳的多余电量对应的组合条件，所述组合条件包括各聚类集合需要投入的备用负荷的个数；
基于上述训练方法得到的消纳能力预测网络，其特征张量为由各聚类集合需要投入的备用负荷的比例构成的序列，基于提取的特征张量，可以得到各聚类集合需要投入的备用负荷的比例，将与对应聚类集合包括的备用负荷的个数相乘即可得到各聚类集合需要投入的备用负荷的个数，这些各聚类集合需要投入的备用负荷的个数就构成了与光伏电站需要消纳的多余电量对应的组合条件。
比如，当最优的滑窗尺寸L=4，空洞卷积的空洞率ri=2时，提取到的特征张量为：[b1、b2、0、b4、b5]，标号为1-5的聚类集合对应的备用负荷节点的数量分别为：S1、S2、S3、S4、S5，那么需要投入的标号1的聚类集合中备用负荷的数量为b1*S1，需要投入的标号2的聚类集合中备用负荷的数量为b2*S2，需要投入的标号3的聚类集合中备用负荷的数量为0，需要投入的标号4的聚类集合中备用负荷的数量为b4*S4，需要投入的标号5的聚类集合中备用负荷的数量为b5*S5。若得到的需要投入的某聚类集合的备用负荷的数量不是整数，为了避免由于备用负荷过多对光伏发电量的过多消纳，本实施例采用向下取整的方式来得到上述聚类集合中需要投入的备用负荷的数量。
（5）计算满足所述组合条件下的各组合方式对应的距离总值，将对应距离总值最小的组合方式作为目标组合方式。
满足组合条件的组合方式并不唯一，会有很多种组合方式，由于备用负荷距离光伏发电站的距离越大，电能传输过程中的不可控因素越多，比如，输电线局部故障，为了得到较为可靠的组合方式，本实施例将各组合方式中各备用负荷距离光伏发电站的距离进行叠加，得到各组合方式对应的距离总值，将对应距离总值最小的组合方式作为目标组合方式，也即优选的组合方式。
本实施例计算了各备用负荷对应的消纳能力，并根据各备用负荷对应的消纳能力对备用负荷进行了聚类，通过将各聚类集合对应的聚类中心的消纳能力、各聚类集合包括的备用负荷的个数和光伏电站需要消纳的多余电量输入到构建好的消纳能力预测网络，可以得到与光伏电站需要消纳的多余电量对应的各组合方式，将各组合方式对应的距离总值作为进一步筛选最优组合方式的参考指标，可以实现备用负荷对光伏电站需要消纳的多余电量的较大程度消纳，解决了现有控制方法对光伏发电量利用率较低的问题。
需要说明的是，尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

Claims (7)

1.一种提高智能电网区域综合利用效率的方法，其特征在于，包括以下步骤：
获取各备用负荷距离光伏发电站的距离以及各备用负荷的耗电量信息，根据所述距离和耗电量信息计算各备用负荷对应的消纳能力；
根据各备用负荷对应的消纳能力对各备用负荷进行聚类，得到各聚类集合对应的备用负荷；
将各聚类集合对应的聚类中心的消纳能力、各聚类集合包括的备用负荷的个数和光伏电站需要消纳的多余电量输入到构建好的消纳能力预测网络进行推理，提取推理完成后消纳能力预测网络对应的特征张量；
根据所述特征张量和各聚类集合包括的备用负荷的个数，计算与光伏电站需要消纳的多余电量对应的组合条件，所述组合条件包括各聚类集合需要投入的备用负荷的个数；
计算满足所述组合条件下的各组合方式对应的距离总值，将距离总值最小的组合方式作为目标组合方式。
2.根据权利要求1所述的提高智能电网区域综合利用效率的方法，其特征在于，所述构建好的消纳能力预测网络的输入为：各聚类集合对应的聚类中心的消纳能力、各聚类集合包括的备用负荷的个数和光伏电站需要消纳的多余电量；所述构建好的消纳能力预测网络的输出为：与所述光伏电站需要消纳的多余电量对应的消纳能力预测值；所述构建好的消纳能力预测网络的损失包括：消纳能力预测值与需要消纳的多余电量的回归损失、特征张量损失和全连接层参数损失。
3.根据权利要求2所述的提高智能电网区域综合利用效率的方法，其特征在于，采用如下公式计算消纳能力预测值与需要消纳的多余电量的回归损失：
Figure DEST_PATH_IMAGE002
其中，L r 为消纳能力预测值与需要消纳的多余电量的回归损失，
Figure DEST_PATH_IMAGE004
为消纳能力预测值，E t 为需要消纳的多余电量，
Figure DEST_PATH_IMAGE006
为L2范式。
4.根据权利要求2所述的提高智能电网区域综合利用效率的方法，其特征在于，采用如下公式计算特征张量损失：
Figure DEST_PATH_IMAGE008
其中，L c1 为特征张量损失，p k 为特征张量中第k个元素的值，Q为大于设定阈值的常数，K为特征张量中元素的总个数。
5.根据权利要求2所述的提高智能电网区域综合利用效率的方法，其特征在于，采用如下公式计算全连接层参数损失：
Figure DEST_PATH_IMAGE010
其中，L c2 为全连接层参数损失，w k1 为第k1个神经元的权重，K1为神经元的总个数，Q1为大于设定阈值的常数。
6.根据权利要求1所述的提高智能电网区域综合利用效率的方法，其特征在于，所述备用负荷的耗电量信息包括备用负荷在设定时间长度下的耗电量均值。
7.根据权利要求1所述的提高智能电网区域综合利用效率的方法，其特征在于，所述距离总值为组合方式中各备用负荷距离光伏发电站的距离的叠加。
CN202110945625.5A 2021-08-18 2021-08-18 一种提高智能电网区域综合利用效率的方法 Active CN113408966B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110945625.5A CN113408966B (zh) 2021-08-18 2021-08-18 一种提高智能电网区域综合利用效率的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110945625.5A CN113408966B (zh) 2021-08-18 2021-08-18 一种提高智能电网区域综合利用效率的方法

Publications (2)

Publication Number Publication Date
CN113408966A true CN113408966A (zh) 2021-09-17
CN113408966B CN113408966B (zh) 2021-11-30

Family

ID=77688809

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110945625.5A Active CN113408966B (zh) 2021-08-18 2021-08-18 一种提高智能电网区域综合利用效率的方法

Country Status (1)

Country Link
CN (1) CN113408966B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117852848A (zh) * 2024-03-08 2024-04-09 山东黄金电力有限公司 基于大数据配置电力系统的数据信息管理系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010025209A1 (en) * 1998-04-24 2001-09-27 Hitachi, Ltd. Electric power supply control system
CN109193748A (zh) * 2018-07-23 2019-01-11 国电南瑞科技股份有限公司 一种光伏消纳能力的评价方法及计算设备
CN109980688A (zh) * 2019-04-09 2019-07-05 国家电网公司华中分部 跨区域送电多能互补优化方法及装置
CN110490492A (zh) * 2019-09-06 2019-11-22 南方电网科学研究院有限责任公司 一种划分分布式能源集群的方法和装置
CN110535131A (zh) * 2019-09-10 2019-12-03 国家电网有限公司 基于场景分析和安全约束经济调度的分层消纳预警方法
CN110635506A (zh) * 2019-08-22 2019-12-31 国网浙江省电力有限公司嘉兴供电公司 一种用于新能源消纳分析的电网优化分区方法
CN111953025A (zh) * 2020-06-29 2020-11-17 国网冀北电力有限公司 配电网分布式光伏消纳能力确定方法及系统
JP2021027616A (ja) * 2019-07-31 2021-02-22 株式会社大原興商 電力システム
CN112736941A (zh) * 2020-12-01 2021-04-30 中国电力科学研究院有限公司 一种基于移动储能电动汽车的可调度容量预测方法及装置
CN113078636A (zh) * 2021-04-07 2021-07-06 武汉瑞辉科技发展有限公司 基于数据分析和云计算的电网电力系统供应链智能云管理系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010025209A1 (en) * 1998-04-24 2001-09-27 Hitachi, Ltd. Electric power supply control system
CN109193748A (zh) * 2018-07-23 2019-01-11 国电南瑞科技股份有限公司 一种光伏消纳能力的评价方法及计算设备
CN109980688A (zh) * 2019-04-09 2019-07-05 国家电网公司华中分部 跨区域送电多能互补优化方法及装置
JP2021027616A (ja) * 2019-07-31 2021-02-22 株式会社大原興商 電力システム
CN110635506A (zh) * 2019-08-22 2019-12-31 国网浙江省电力有限公司嘉兴供电公司 一种用于新能源消纳分析的电网优化分区方法
CN110490492A (zh) * 2019-09-06 2019-11-22 南方电网科学研究院有限责任公司 一种划分分布式能源集群的方法和装置
CN110535131A (zh) * 2019-09-10 2019-12-03 国家电网有限公司 基于场景分析和安全约束经济调度的分层消纳预警方法
CN111953025A (zh) * 2020-06-29 2020-11-17 国网冀北电力有限公司 配电网分布式光伏消纳能力确定方法及系统
CN112736941A (zh) * 2020-12-01 2021-04-30 中国电力科学研究院有限公司 一种基于移动储能电动汽车的可调度容量预测方法及装置
CN113078636A (zh) * 2021-04-07 2021-07-06 武汉瑞辉科技发展有限公司 基于数据分析和云计算的电网电力系统供应链智能云管理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GUO WENYONG，XIAO LIYE， DAI SHAOTAO 等: "Control and Test of a 0.5 MVA/1 MJ SMES", 《IEEE TRANSACTIONS ON APPLIED SUPERCONDUCTIVITY》 *
薛蕾，井天军，陈义，王维洲: "配电网光伏消纳能力定界模拟与消纳方案综合择优", 《电网技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117852848A (zh) * 2024-03-08 2024-04-09 山东黄金电力有限公司 基于大数据配置电力系统的数据信息管理系统

Also Published As

Publication number Publication date
CN113408966B (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
Wu et al. A multi-objective short term hydropower scheduling model for peak shaving
Li et al. A novel bi-level robust game model to optimize a regionally integrated energy system with large-scale centralized renewable-energy sources in Western China
CN110690702B (zh) 一种考虑综合承载力的主动配电网优化调度及运行方法
CN110676849B (zh) 一种孤岛微电网群能量调度模型的构建方法
CN107316125A (zh) 一种基于经济运行域的主动配电网经济运行评价方法
Chen et al. Multi-time scale coordinated optimal dispatch of microgrid cluster based on MAS
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
CN109840692A (zh) 一种互联微电网分布式鲁棒调度系统及调度方法
CN112085327B (zh) 一种配电商参与的主动配电网多层分区调控方法及系统
CN113408966B (zh) 一种提高智能电网区域综合利用效率的方法
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
Shang et al. Distributed V2G dispatching via LSTM network within cloud-edge collaboration framework
CN114759616B (zh) 一种考虑电力电子器件特性的微电网鲁棒优化调度方法
Zhao et al. Distribution network reconfiguration digital twin model based on bi-level dynamical time division
CN115051406A (zh) 一种计及源网不确定性的多阶段协调控制风险调度方法
Cai et al. Intra-day Tie-line Scheduling Model Considering New Energy Fluctuation
CN104408531B (zh) 一种多维多阶段复杂决策问题的均匀动态规划方法
Balasubramanyam et al. Dynamic energy management system of microgrid using AI techniques: A comprehensive & comparative study
CN115000994B (zh) 一种多储能单元分组一致性功率分配方法
CN113794244B (zh) 含多微网主动配电系统的定价与最优能量调度方法和系统
CN115758644A (zh) 提升源网荷储多元协同的虚拟化网格划分方法
CN117543548A (zh) 基于灵活性指标的主动配电网场景优化调度方法及系统
Chen et al. A multi-objective joint planning of transmission channel and energy storage system considering economy and flexibility
Cai et al. Data-Driven Tie-line Scheduling Method
Chen et al. Consider the optimal allocation planning of energy storage for flexible resources of source network load

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