CN113489008A - 一种基于实时动态修正的多类型供用能系统等值方法 - Google Patents

一种基于实时动态修正的多类型供用能系统等值方法 Download PDF

Info

Publication number
CN113489008A
CN113489008A CN202111045578.5A CN202111045578A CN113489008A CN 113489008 A CN113489008 A CN 113489008A CN 202111045578 A CN202111045578 A CN 202111045578A CN 113489008 A CN113489008 A CN 113489008A
Authority
CN
China
Prior art keywords
energy supply
day
follows
load curve
type energy
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
Application number
CN202111045578.5A
Other languages
English (en)
Inventor
熊俊杰
王振宇
肖楚鹏
冯澎湃
李佳
曾伟
赵伟哲
钟逸铭
何伟
吴凯槟
饶尧
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.)
Wuhan Energy Efficiency Evaluation Co Ltd Of State Grid Electric Power Research Institute
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
State Grid Electric Power Research Institute
Original Assignee
Wuhan Energy Efficiency Evaluation Co Ltd Of State Grid Electric Power Research Institute
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
State Grid Electric Power Research Institute
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 Wuhan Energy Efficiency Evaluation Co Ltd Of State Grid Electric Power Research Institute, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd, State Grid Electric Power Research Institute filed Critical Wuhan Energy Efficiency Evaluation Co Ltd Of State Grid Electric Power Research Institute
Priority to CN202111045578.5A priority Critical patent/CN113489008A/zh
Publication of CN113489008A publication Critical patent/CN113489008A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于实时动态修正的多类型供用能系统等值方法，包括以下步骤：步骤1，对分散的分布式资源进行动态分群聚类；步骤2，根据所述聚类结果，建立多类型供应能系统的日前等值模型，并求解所述日前等值模型得到电网与多类型供应能系统不进行交互时的初始功率上限和初始功率下限；步骤3，根据在日内交互时刻t的机组最新预测信息以及机组当前运行状态，建立对供用能系统交互时刻
Figure 219345DEST_PATH_IMAGE001
的滚动修正优化模型。实现了差分余弦距离弥补欧式距离在度量负荷特性的不足，以兼顾距离和趋势两种特性，可以更精确、有效的挖掘反映负荷用能模式的负荷形态变化信息。

Description

一种基于实时动态修正的多类型供用能系统等值方法
技术领域
本发明属于综合能源系统的运行控制技术领域，尤其涉及一种基于实时动态修正的多类型供用能系统等值方法。
背景技术
在国家大力推进乡村振兴的大环境下，为满足乡村日益增多负荷需求，农村地区开发接入大量分布式资源，这类资源呈现空间分散、单点容量小和波动性大等特点，增大了电网的复杂性和管控能力。如果将这些资源直接进行调控，单点容量小的资源对电力系统的影响通常很低，不但会产生极高的信息接入成本，而且会降低运行效率，无法保证电力系统的高效有效运行。为了实现灵活资源与电网协调运行以及提高能源利用率，需对乡村分布式资源进行资源集群，资源集群产生的方式往往采用基于地理自然形成的集群和通过聚类算法形成的资源集群，建立由集群形成的多类型供用能系统的等值模型可以较好的刻画系统的整体调节能力和外特性。
考虑电网与多类型供用能系统进行能量交互时，分布式资源响应会有较强的随机性及波动性，为了充分发挥其灵活性，要求得到的多类型供用能系统等值聚合模型准确可行。因此，为了支持分布式资源的接入，为电网提供更多灵活性资源，实现分布式资源高效有序并网和协调调控，减少其发展对电网的影响，需要对特性各异的分布式资源进行集群和对多类型供用能系统进行等值聚合的相关技术问题进行研究。
发明内容
本发明提供一种基于实时动态修正的多类型供用能系统等值方法，用于至少解决上述技术问题之一。
根据本发明实施例的一种基于实时动态修正的多类型供用能系统等值方法，包括：步骤1：对分散的分布式资源进行动态分群聚类，具体包括以下步骤：步骤1.1：采用凝聚层次聚类对原始数据中的各条负荷曲线进行划分，使确定
Figure 954824DEST_PATH_IMAGE001
个聚类中心并对所述
Figure 127179DEST_PATH_IMAGE001
个聚类中心初始化；步骤1.2：基于欧式距离与差分余弦距离构成的双尺度相似性距离度量计算某一负荷曲线与
Figure 282217DEST_PATH_IMAGE001
个聚类中心的相似度，将所述某一负荷曲线归到与相似度最大的某一聚类中心所在的类簇，其中，所述双尺度相似性距离度量的表达式如下：
Figure 912044DEST_PATH_IMAGE002
，式中，
Figure 759914DEST_PATH_IMAGE003
为第
Figure 622828DEST_PATH_IMAGE004
条负荷曲线和第
Figure 768507DEST_PATH_IMAGE005
条负荷曲线的综合距离，
Figure 564425DEST_PATH_IMAGE006
为第
Figure 317617DEST_PATH_IMAGE004
条负荷曲线和第
Figure 150050DEST_PATH_IMAGE005
条负荷曲线的欧氏距离，
Figure 912470DEST_PATH_IMAGE007
和
Figure 15424DEST_PATH_IMAGE008
分别为欧氏距离的权重系数、差分余弦距离的权重系数，
Figure 205097DEST_PATH_IMAGE009
为第
Figure 511445DEST_PATH_IMAGE004
条负荷曲线和第
Figure 562708DEST_PATH_IMAGE005
条负荷曲线的差分余弦距离；
Figure 536481DEST_PATH_IMAGE010
，式中，
Figure 631476DEST_PATH_IMAGE011
为比例放大系数，
Figure 736704DEST_PATH_IMAGE012
和
Figure 575347DEST_PATH_IMAGE013
分别为数据集内所有负荷曲线欧氏距离的最大值和差分余弦距离的最大值；步骤1.3：基于某次迭代的类内离散度判断某次迭代是否满足迭代要求；若不满足迭代要求，将各类簇的样本均值分别作为
Figure 403625DEST_PATH_IMAGE001
个新的聚类中心，并计算某一负荷曲线与
Figure 434903DEST_PATH_IMAGE001
个新的聚类中心的相似度，直至某次迭代满足迭代要求；若满足迭代要求，则输出聚类结果；步骤2、根据所述聚类结果，建立多类型供应能系统的日前等值模型，并求解所述日前等值模型得到电网与多类型供应能系统不进行交互时的初始功率上限和初始功率下限；步骤3、根据在日内交互时刻t的机组最新预测信息以及机组当前运行状态，建立对供用能系统交互时刻
Figure 778159DEST_PATH_IMAGE014
的滚动修正优化模型，其中，所述滚动修正优化模型中的初始模型参数为初始功率上限和初始功率下限。
另外，根据本发明上述实施例的一种车辆自动驾驶控制方法，还可以具有如下附加的技术特征：
进一步地，在步骤1.2中，两条负荷曲线的欧氏距离表达式为：
Figure 154914DEST_PATH_IMAGE015
，式中，
Figure 86967DEST_PATH_IMAGE016
为第
Figure 789343DEST_PATH_IMAGE004
条负荷曲线和第
Figure 354317DEST_PATH_IMAGE005
条负荷曲线的欧氏距离，
Figure 488757DEST_PATH_IMAGE017
为归一化后的第
Figure 822787DEST_PATH_IMAGE004
条负荷曲线的第
Figure 430486DEST_PATH_IMAGE018
维度值，
Figure 748334DEST_PATH_IMAGE019
为归一化后的第
Figure 981739DEST_PATH_IMAGE005
条负荷曲线的第
Figure 373537DEST_PATH_IMAGE018
维度值，
Figure 152137DEST_PATH_IMAGE020
为负荷曲线维度，
Figure 705085DEST_PATH_IMAGE018
为第
Figure 430595DEST_PATH_IMAGE004
条负荷曲线的第
Figure 739217DEST_PATH_IMAGE018
维度。
进一步地，在步骤1.2中，两条负荷曲线的差分余弦距离表达式为：
Figure 937986DEST_PATH_IMAGE021
，式中，
Figure 230427DEST_PATH_IMAGE009
为第
Figure 290787DEST_PATH_IMAGE004
条负荷曲线和第
Figure 407910DEST_PATH_IMAGE005
条负荷曲线的差分余弦距离，
Figure 793892DEST_PATH_IMAGE022
为第
Figure 42470DEST_PATH_IMAGE004
负荷差分向量和第
Figure 172100DEST_PATH_IMAGE005
个负荷差分向量的余弦相似度；
Figure 704582DEST_PATH_IMAGE023
，式中，
Figure 199148DEST_PATH_IMAGE024
为第
Figure 935023DEST_PATH_IMAGE025
个负荷差分向量，
Figure 356427DEST_PATH_IMAGE026
为第
Figure 759726DEST_PATH_IMAGE027
个负荷的差分向量，
Figure 221932DEST_PATH_IMAGE028
为第
Figure 445103DEST_PATH_IMAGE004
个负荷差分向量的2-范数，
Figure 900223DEST_PATH_IMAGE029
为第
Figure 95713DEST_PATH_IMAGE005
个负荷差分向量的2-范数。
进一步地，在步骤1.3中，迭代要求具体为：得到的中心点不再变化、达到最大迭代次数且最大迭代次数两次迭代类内误差满足
Figure 259978DEST_PATH_IMAGE030
，其中，
Figure 721177DEST_PATH_IMAGE031
为
Figure 668405DEST_PATH_IMAGE032
次迭代的类内离散度，
Figure 780717DEST_PATH_IMAGE033
为
Figure 833993DEST_PATH_IMAGE034
次迭代的类内离散度，
Figure 297335DEST_PATH_IMAGE035
为收敛阈值。
进一步地，所述
Figure 48253DEST_PATH_IMAGE032
次迭代的类内离散度
Figure 762875DEST_PATH_IMAGE031
的表达式为：
Figure 268943DEST_PATH_IMAGE036
，式中，
Figure 688423DEST_PATH_IMAGE037
为第
Figure 492300DEST_PATH_IMAGE038
个簇，
Figure 313625DEST_PATH_IMAGE039
为第
Figure 990594DEST_PATH_IMAGE038
个簇的负荷曲线，
Figure 851365DEST_PATH_IMAGE040
为聚类数，
Figure 6403DEST_PATH_IMAGE041
为第
Figure 947814DEST_PATH_IMAGE042
次迭代的类内离散度。
进一步地，所述第
Figure 530105DEST_PATH_IMAGE042
次迭代的类内离散度的表达式为：
Figure 376707DEST_PATH_IMAGE043
，式中，
Figure 69857DEST_PATH_IMAGE044
为簇内负荷曲线的数量，
Figure 600195DEST_PATH_IMAGE037
为第
Figure 360910DEST_PATH_IMAGE038
个簇，
Figure 242278DEST_PATH_IMAGE039
为第
Figure 739119DEST_PATH_IMAGE038
个簇的负荷曲线。
进一步地，在步骤2中，所述日前等值模型包括日前第一优化模型和日前第二优化模型，所述步骤2包括： 基于电网与多类型供应能系统不进行交互时
Figure 842073DEST_PATH_IMAGE045
时刻联络线上的有功功率
Figure 500587DEST_PATH_IMAGE046
为最小的目标函数建立日前第一优化模型，并基于分支定界法求解所述日前第一优化模型得到电网与多类型供应能系统不进行交互时的初始功率下限；基于电网与多类型供用能系统不进行交互时
Figure 134831DEST_PATH_IMAGE045
时刻联络线上的有功功率为最大的目标函数建立日前第二优化模型，并基于分支定界法求解所述日前第二优化模型得到电网与多类型供应能系统不进行交互时的初始功率上限。
进一步地，在步骤3中，所述建立对供用能系统交互时刻
Figure 169783DEST_PATH_IMAGE014
的滚动修正优化模型包括：基于电网与多类型供用能系统进行交互时
Figure 691025DEST_PATH_IMAGE047
时刻联络线上的有功功率
Figure 723704DEST_PATH_IMAGE048
为最小的目标函数建立日内第一优化模型；基于电网与多类型供用能系统进行交互时
Figure 579664DEST_PATH_IMAGE047
时刻联络线上的有功功率
Figure 933154DEST_PATH_IMAGE048
为最大的目标函数建立日内第二优化模型。
本申请的一种基于实时动态修正的多类型供用能系统等值方法，在度量负荷相似性的过程中通过可直观反映负荷曲线间数值距离的欧式距离结合差分余弦距离，实现了差分余弦距离弥补欧式距离在度量负荷特性的不足，以兼顾距离和趋势两种特性，可以更精确、有效的挖掘反映负荷用能模式的负荷形态变化信息。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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为本发明一实施例提供的一种基于实时动态修正的多类型供用能系统等值方法的流程图；
图2为本发明一实施例提供的又一种基于实时动态修正的多类型供用能系统等值方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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清楚、完整地描述，显然，所描述的实施例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作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。
请参阅图1，其示出了本申请的一种基于实时动态修正的多类型供用能系统等值方法的流程图。
如图1所示，一种基于实时动态修正的多类型供用能系统等值方法具体包括以下步骤：
步骤1，对分散的分布式资源进行动态分群聚类。
步骤2，根据所述聚类结果，建立多类型供应能系统的日前等值模型，并求解所述日前等值模型得到电网与多类型供应能系统不进行交互时的初始功率上限和初始功率下限。
在本实施例中，设定其中一类供用能系统内有沼气发电装置、光伏发电装置、电制冷机、地源热泵装置和蓄电池等，该供用能系统与电网通过联络线相连，通过建立日前等值模型计算电网与多类型供应能系统不进行交互时功率上下限，作为滚动修正优化模型的初始参数，具体步骤如下：
步骤2.1：建立日前第一优化模型，该模型的目标函数为：使电网与多类型供应能系统不进行交互时
Figure 292591DEST_PATH_IMAGE045
时刻联络线上的有功功率
Figure 761750DEST_PATH_IMAGE049
为最小，即：
Figure 852809DEST_PATH_IMAGE050
其中，
Figure 963984DEST_PATH_IMAGE051
为日前第一优化模型中所有待求解变量构成的列向量。
第一优化模型的约束条件为：
（1）发电机的约束条件
Figure 896037DEST_PATH_IMAGE052
，
Figure 598414DEST_PATH_IMAGE053
；
式中，
Figure 163388DEST_PATH_IMAGE054
为发电机在
Figure 297828DEST_PATH_IMAGE055
时刻的发电功率，
Figure 897437DEST_PATH_IMAGE056
为发电机在
Figure 708398DEST_PATH_IMAGE057
时刻的发电功率，
Figure 9935DEST_PATH_IMAGE058
和
Figure 994071DEST_PATH_IMAGE059
分别为发电机有功功率上限和发电机有功功率下限，
Figure 448187DEST_PATH_IMAGE060
和
Figure 226787DEST_PATH_IMAGE061
为发电机有功功率的向上爬坡上限和发电机有功功率的向下爬坡上限。
（2）电制冷机的约束条件
Figure 723277DEST_PATH_IMAGE062
，
Figure 714367DEST_PATH_IMAGE063
，
Figure 272256DEST_PATH_IMAGE064
；
式中，
Figure 487337DEST_PATH_IMAGE065
为发电机在
Figure 451881DEST_PATH_IMAGE055
时刻的耗电功率，
Figure 528553DEST_PATH_IMAGE066
为发电机在
Figure 957260DEST_PATH_IMAGE067
时刻的耗电功率，
Figure 280925DEST_PATH_IMAGE068
和
Figure 44351DEST_PATH_IMAGE069
分别为电制冷机的耗电功率上限和电制冷机的耗电功率下限；
Figure 173981DEST_PATH_IMAGE070
和
Figure 394878DEST_PATH_IMAGE071
分别为电制冷机供冷功率的上限和电制冷机供冷功率的下限，
Figure 699564DEST_PATH_IMAGE072
电制冷机在
Figure 701018DEST_PATH_IMAGE055
时刻的供冷功率，
Figure 572022DEST_PATH_IMAGE073
和
Figure 693431DEST_PATH_IMAGE074
分别为电制冷机耗电功率的向上爬坡上限和电制冷机耗电功率的向下爬坡上限。
（3）热电联产机组的约束条件
Figure 421215DEST_PATH_IMAGE075
，
Figure 909965DEST_PATH_IMAGE076
，
Figure 69813DEST_PATH_IMAGE077
；
式中，
Figure 62040DEST_PATH_IMAGE078
和
Figure 960726DEST_PATH_IMAGE079
分别为热电联产机组在
Figure 671193DEST_PATH_IMAGE055
时刻的发电功率和热电联产机组在
Figure 930005DEST_PATH_IMAGE055
时刻的发热功率，
Figure 42318DEST_PATH_IMAGE080
和
Figure 49588DEST_PATH_IMAGE081
为热电联产机组发电功率的下限和热电联产机组发电功率的上限，
Figure 12732DEST_PATH_IMAGE082
和
Figure 560388DEST_PATH_IMAGE083
分别为热电联产机组发电功率的下限和热电联产机组发电功率的上限，
Figure 792786DEST_PATH_IMAGE084
和
Figure 767695DEST_PATH_IMAGE085
分别为热电联产机组有功功率的向上爬坡上限和热电联产机组有功功率的向下爬坡上限。
（4）电热锅炉的约束条件
Figure 702022DEST_PATH_IMAGE086
，
Figure 53369DEST_PATH_IMAGE087
，
Figure 77957DEST_PATH_IMAGE088
；
式中，
Figure 240079DEST_PATH_IMAGE089
为电热锅炉在
Figure 146855DEST_PATH_IMAGE055
时刻的耗电功率，
Figure 36314DEST_PATH_IMAGE090
为电热锅炉在
Figure 243304DEST_PATH_IMAGE055
时刻的供热功率，
Figure 809284DEST_PATH_IMAGE091
和
Figure 203356DEST_PATH_IMAGE092
分别为电热锅炉的耗电功率上限和电热锅炉的耗电功率下限，
Figure 896505DEST_PATH_IMAGE093
和
Figure 692423DEST_PATH_IMAGE094
分别为电热锅炉供热功率的上限和电热锅炉供热功率的下限，
Figure 193418DEST_PATH_IMAGE095
和
Figure 74786DEST_PATH_IMAGE096
分别为电热锅炉耗电功率的向上爬坡上限和电热锅炉耗电功率的向下爬坡上限。
（5）蓄电池约束条件
Figure 306048DEST_PATH_IMAGE097
，
Figure 409002DEST_PATH_IMAGE098
，
Figure 333095DEST_PATH_IMAGE099
，
Figure 701760DEST_PATH_IMAGE100
；
式中，
Figure 736712DEST_PATH_IMAGE101
=1代表蓄电池在
Figure 992375DEST_PATH_IMAGE055
时刻处在充电状态，
Figure 87370DEST_PATH_IMAGE102
=0代表蓄电池在
Figure 943331DEST_PATH_IMAGE055
时刻未处在充电状态，
Figure 781974DEST_PATH_IMAGE103
为蓄电池在
Figure 656258DEST_PATH_IMAGE055
时刻的充电功率，
Figure 922154DEST_PATH_IMAGE104
和
Figure 999831DEST_PATH_IMAGE105
分别为蓄电池的放电功率上限和蓄电池的放电功率下限，
Figure 642165DEST_PATH_IMAGE106
=1代表蓄电池在
Figure 78613DEST_PATH_IMAGE055
时刻处在放电状态，
Figure 515410DEST_PATH_IMAGE107
=0代表蓄电池在
Figure 80384DEST_PATH_IMAGE055
时刻未处在放电状态，
Figure 244518DEST_PATH_IMAGE108
为蓄电池在
Figure 844126DEST_PATH_IMAGE055
时刻的放电功率，
Figure 451825DEST_PATH_IMAGE109
和
Figure 504095DEST_PATH_IMAGE110
分别为蓄电池的放电功率上限和蓄电池的放电功率下限，
Figure 973384DEST_PATH_IMAGE111
和
Figure 427499DEST_PATH_IMAGE112
分别为蓄电池中可储存的最大能量和最小能量，
Figure 471679DEST_PATH_IMAGE113
为蓄电池在该日开始时储存的能量。
（6）供用能系统中的电能、热能、冷能的能量守恒约束
Figure 11245DEST_PATH_IMAGE114
，
Figure 782760DEST_PATH_IMAGE115
，
Figure 91382DEST_PATH_IMAGE116
；
式中，
Figure 40883DEST_PATH_IMAGE054
为发电机在
Figure 802166DEST_PATH_IMAGE055
时刻的发电功率，
Figure 79170DEST_PATH_IMAGE078
为热电联产机组在
Figure 242298DEST_PATH_IMAGE055
时刻的发电功率，
Figure 362701DEST_PATH_IMAGE117
为蓄电池在
Figure 126127DEST_PATH_IMAGE055
时刻的充电功率或放电功率，
Figure 990177DEST_PATH_IMAGE118
为t时刻联络线上流过的功率，
Figure 7812DEST_PATH_IMAGE119
为供用能系统在
Figure 564695DEST_PATH_IMAGE055
时刻的电负荷有功功率，
Figure 51302DEST_PATH_IMAGE089
为电热锅炉在
Figure 719044DEST_PATH_IMAGE055
时刻的耗电功率，
Figure 60027DEST_PATH_IMAGE065
为发电机在
Figure 37079DEST_PATH_IMAGE055
时刻的耗电功率，
Figure 994671DEST_PATH_IMAGE079
为热电联产机组在
Figure 466103DEST_PATH_IMAGE055
时刻的发热功率，
Figure 458330DEST_PATH_IMAGE090
为电热锅炉在
Figure 833380DEST_PATH_IMAGE055
时刻的供热功率，
Figure 543847DEST_PATH_IMAGE120
为供用能系统在
Figure 553391DEST_PATH_IMAGE055
时刻的热负荷功率，
Figure 400125DEST_PATH_IMAGE121
为供用能系统在
Figure 984559DEST_PATH_IMAGE055
时刻的冷负荷功率，
Figure 916743DEST_PATH_IMAGE072
为电制冷机在
Figure 729978DEST_PATH_IMAGE055
时刻的供冷功率。
为求解由上述目标函数和约束条件组成的第一优化模型，采用分支定界法，可得到时刻
Figure 696797DEST_PATH_IMAGE055
为
Figure 422439DEST_PATH_IMAGE122
时联络线功率的最小值，将该联络线功率作为时刻
Figure 107498DEST_PATH_IMAGE055
为
Figure 662107DEST_PATH_IMAGE122
时供用能系统的初始有功功率下限
Figure 201542DEST_PATH_IMAGE123
。
步骤2.1：建立日前第二优化模型，优化目标函数为：使电网与多类型供用能系统交互时刻
Figure 347352DEST_PATH_IMAGE055
为
Figure 254128DEST_PATH_IMAGE122
时联络线上的有功功率:
Figure 156969DEST_PATH_IMAGE124
为最大，即：
Figure 832801DEST_PATH_IMAGE125
；
其中，
Figure 680671DEST_PATH_IMAGE126
为该优化模型中所有待求解变量构成的列向量。
日前第二优化模型的约束条件与日前第一优化模型的约束条件完全相同。
采用分支定界法求解第二优化模型，可得到电网与多类型供用能系统交互时刻
Figure 74743DEST_PATH_IMAGE055
为
Figure 17160DEST_PATH_IMAGE122
时联络线功率的最大值，将该联络线功率作为时刻
Figure 16340DEST_PATH_IMAGE055
为
Figure 769533DEST_PATH_IMAGE122
时供用能系统的初始有功功率上限
Figure 136054DEST_PATH_IMAGE127
。
步骤3，根据在日内交互时刻t的机组最新预测信息以及机组当前运行状态，建立对供用能系统交互时刻
Figure 632895DEST_PATH_IMAGE014
的滚动修正优化模型，其中，所述滚动修正优化模型中的初始模型参数为初始功率上限和初始功率下限。
在本实施例中，根据步骤2求得的供用能系统的初始运行参数，在日内每个交互时刻
Figure 283319DEST_PATH_IMAGE055
，根据分布式光伏发电装置、小水电发电装置、沼气发电装置的最新预测信息以及设备当前的运行状态，建立并求解对供用能系统交互时刻
Figure 472992DEST_PATH_IMAGE128
的滚动修正优化模型，具体步骤如下：
步骤3.1：建立日内第一优化模型，目标函数为使交互时刻为
Figure 90924DEST_PATH_IMAGE128
时供应能系统与电力系统间联络线功率
Figure 125876DEST_PATH_IMAGE129
为最小，即：
Figure 630807DEST_PATH_IMAGE130
；
其中，
Figure 725802DEST_PATH_IMAGE131
为该优化模型中所有待求解变量构成的列向量。
日内第一优化模型的约束条件包括：
Figure 69845DEST_PATH_IMAGE132
;
其中，
Figure 908488DEST_PATH_IMAGE133
为由日前第一优化模型得到的的交互时刻
Figure 533504DEST_PATH_IMAGE134
的供用能系统有功功率下限。
采用分支定界算法，求解日内第一优化模型，求解得到的目标函数的最小值即为日内滚动修正后的供用能系统有功功率下限。
步骤3.2：建立日内第二优化模型，目标函数为使交互时刻为
Figure 799401DEST_PATH_IMAGE134
时供用能系统与电力系统间联络线功率为
Figure 126346DEST_PATH_IMAGE135
最大，即：
Figure 706363DEST_PATH_IMAGE136
；
其中，
Figure 185886DEST_PATH_IMAGE137
为日内第二优化模型中所有待求解变量构成的列向量；
日内第二优化模型的约束条件包括：
Figure 373416DEST_PATH_IMAGE138
；
其中，
Figure 203968DEST_PATH_IMAGE139
为日前第二优化模型得出的时刻
Figure 587676DEST_PATH_IMAGE140
的供用能系统有功功率上限；
采用分支定界算法求解上述问题得到的最大值即为修正后供用能系统的有功功率上限，步骤3得到的
Figure 436552DEST_PATH_IMAGE134
时刻有功功率上限和下限即为修正后的滚动修正优化模型参数。
综上，本实施例的方法，针对我国电力辅助服务市场仍不完善的问题，将多类型供用能聚合等值为一个类似于发电机的模型，使得运行参数更加契合电力系统调度，将原本难以调控的分布式资源聚合而为电力系统提供调节灵活性，因此本实施例的方法具有很大的现实意义及应用价值。本方法考虑乡村供用能系统能源的不同特性，采用聚类算法挖掘负荷、电源节点数据集的共性，将分散的分布式资源划分为不同集群，给出了由不同集群构成的多类型供用能系统的等值方法，在日内基于日前得到的等值模型和实时信息，修正供用能系统的等值模型，减少了模型的保守性，从而保证电力系统调度计划的可行性。
请参阅图2，其示出了本申请的又一种基于实时动态修正的多类型供用能系统等值方法的流程图。该流程图主要是对步骤1“对分散的分布式资源进行动态分群聚类”的情况的进一步限定的步骤的流程图。
如图2所示，对分散的分布式资源进行动态分群聚类具体包括以下步骤：
步骤1.1：采用凝聚层次聚类对原始数据中的各条负荷曲线进行划分，使确定
Figure 44251DEST_PATH_IMAGE001
个聚类中心并对所述
Figure 96521DEST_PATH_IMAGE001
个聚类中心初始化。
在本实施例中，将
Figure 80657DEST_PATH_IMAGE141
个对象看成
Figure 485838DEST_PATH_IMAGE141
个簇，计算类簇之间的欧式距离
Figure 264438DEST_PATH_IMAGE142
，表达式为：
Figure 804004DEST_PATH_IMAGE143
，
式中，
Figure 778782DEST_PATH_IMAGE142
表示第
Figure 352982DEST_PATH_IMAGE144
条曲线和第
Figure 302484DEST_PATH_IMAGE145
条曲线之间的距离，
Figure 80078DEST_PATH_IMAGE146
为第
Figure 343700DEST_PATH_IMAGE004
条负荷曲线的第m维度值，
Figure 772408DEST_PATH_IMAGE147
为第j条负荷曲线的第m维度值。
Figure 407657DEST_PATH_IMAGE148
个类簇共有
Figure 656236DEST_PATH_IMAGE149
个距离，将这些距离按从小到大排列，按照顺序对每个距离，比较其所标记的两个类簇，如果在不同类簇，将其凝聚为一个类簇直到总的类簇达到要求。
步骤1.2：基于欧式距离与差分余弦距离构成的双尺度相似性距离度量计算某一负荷曲线与
Figure 520287DEST_PATH_IMAGE001
个聚类中心的相似度，将所述某一负荷曲线归到与相似度最大的某一聚类中心所在的类簇。
在本实施例中，所述双尺度相似性距离度量的表达式如下：
Figure 803501DEST_PATH_IMAGE002
， 式中，
Figure 63448DEST_PATH_IMAGE003
为第
Figure 799323DEST_PATH_IMAGE004
条负荷曲线和第
Figure 732644DEST_PATH_IMAGE005
条负荷曲线的综合距离，
Figure 119631DEST_PATH_IMAGE006
为第
Figure 785099DEST_PATH_IMAGE004
条负荷曲线和第
Figure 8270DEST_PATH_IMAGE005
条负荷曲线的欧氏距离，
Figure 230435DEST_PATH_IMAGE007
和
Figure 488241DEST_PATH_IMAGE008
分别为欧氏距离的权重系数、差分余弦距离的权重系数，
Figure 121348DEST_PATH_IMAGE009
为第
Figure 831815DEST_PATH_IMAGE004
条负荷曲线和第
Figure 90627DEST_PATH_IMAGE005
条负荷曲线的差分余弦距离；
Figure 937360DEST_PATH_IMAGE010
，式中，
Figure 6947DEST_PATH_IMAGE011
为比例放大系数，
Figure 939131DEST_PATH_IMAGE012
和
Figure 703431DEST_PATH_IMAGE013
分别为数据集内所有负荷曲线欧氏距离的最大值和差分余弦距离的最大值。
其中，两条负荷曲线的欧氏距离表达式为：
Figure 404671DEST_PATH_IMAGE150
，
式中，
Figure 645160DEST_PATH_IMAGE016
为第
Figure 313907DEST_PATH_IMAGE004
条负荷曲线和第
Figure 665254DEST_PATH_IMAGE005
条负荷曲线的欧氏距离，
Figure 486580DEST_PATH_IMAGE017
为归一化后的第
Figure 897969DEST_PATH_IMAGE004
条负荷曲线的第
Figure 555478DEST_PATH_IMAGE018
维度值，
Figure 710516DEST_PATH_IMAGE019
为归一化后的第
Figure 386348DEST_PATH_IMAGE005
条负荷曲线的第
Figure 968639DEST_PATH_IMAGE018
维度值，
Figure 611979DEST_PATH_IMAGE020
为负荷曲线维度，
Figure 570707DEST_PATH_IMAGE018
为第
Figure 366625DEST_PATH_IMAGE004
条负荷曲线的第
Figure 854238DEST_PATH_IMAGE018
维度。
两条负荷曲线的差分余弦距离表达式为：
Figure 692531DEST_PATH_IMAGE151
，
式中，
Figure 189371DEST_PATH_IMAGE009
为第
Figure 839796DEST_PATH_IMAGE004
条负荷曲线和第
Figure 278736DEST_PATH_IMAGE005
条负荷曲线的差分余弦距离，
Figure 381821DEST_PATH_IMAGE022
为第
Figure 416773DEST_PATH_IMAGE004
负荷差分向量和第
Figure 141278DEST_PATH_IMAGE005
个负荷差分向量的余弦相似度；
Figure 236273DEST_PATH_IMAGE152
，
式中，
Figure 826654DEST_PATH_IMAGE024
为第
Figure 930876DEST_PATH_IMAGE025
个负荷差分向量，
Figure 8423DEST_PATH_IMAGE153
为第
Figure 539898DEST_PATH_IMAGE027
个负荷的差分向量，
Figure 37482DEST_PATH_IMAGE028
为第
Figure 679816DEST_PATH_IMAGE004
个负荷差分向量的2-范数，
Figure 346290DEST_PATH_IMAGE029
为第
Figure 471503DEST_PATH_IMAGE005
个负荷差分向量的2-范数。
步骤1.3：基于某次迭代的类内离散度判断某次迭代是否满足迭代要求；若不满足迭代要求，将各类簇的样本均值分别作为
Figure 239739DEST_PATH_IMAGE001
个新的聚类中心，并计算某一负荷曲线与
Figure 685764DEST_PATH_IMAGE001
个新的聚类中心的相似度，直至某次迭代满足迭代要求；若满足迭代要求，则输出聚类结果。
在本实施例中，迭代要求具体为：得到的中心点不再变化、达到最大迭代次数且最大迭代次数两次迭代类内误差满足
Figure 472323DEST_PATH_IMAGE154
，
Figure 80022DEST_PATH_IMAGE033
为
Figure 397871DEST_PATH_IMAGE034
次迭代的类内离散度，
Figure 327213DEST_PATH_IMAGE035
为收敛阈值，
Figure 515749DEST_PATH_IMAGE031
为
Figure 12458DEST_PATH_IMAGE032
次迭代的类内离散度，
Figure 817603DEST_PATH_IMAGE036
，式中，
Figure 543113DEST_PATH_IMAGE037
为第
Figure 868047DEST_PATH_IMAGE025
个簇，
Figure 817548DEST_PATH_IMAGE155
为第
Figure 47672DEST_PATH_IMAGE025
个簇的负荷曲线，
Figure 622879DEST_PATH_IMAGE040
为聚类数，
Figure 786007DEST_PATH_IMAGE041
为第
Figure 375251DEST_PATH_IMAGE042
次迭代的类内离散度，
Figure 637212DEST_PATH_IMAGE043
，式中，
Figure 704525DEST_PATH_IMAGE044
为簇内负荷曲线的数量，
Figure 987739DEST_PATH_IMAGE037
为第
Figure 793890DEST_PATH_IMAGE025
个簇，
Figure 733027DEST_PATH_IMAGE155
为第
Figure 666348DEST_PATH_IMAGE025
个簇的负荷曲线。
综上，本实施例在度量负荷相似性的过程中通过可直观反映负荷曲线间数值距离的欧式距离结合差分余弦距离，实现了差分余弦距离弥补欧式距离在度量负荷特性的不足，以兼顾距离和趋势两种特性，可以更精确、有效的挖掘反映负荷用能模式的负荷形态变化信息。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，包括：
步骤1：对分散的分布式资源进行动态分群聚类，具体包括以下步骤：
步骤1.1：采用凝聚层次聚类对原始数据中的各条负荷曲线进行划分，使确定
Figure 755567DEST_PATH_IMAGE001
个聚类中心并对所述
Figure 553759DEST_PATH_IMAGE001
个聚类中心初始化；
步骤1.2：基于欧式距离与差分余弦距离构成的双尺度相似性距离度量计算某一负荷曲线与
Figure 644337DEST_PATH_IMAGE001
个聚类中心的相似度，将所述某一负荷曲线归到与相似度最大的某一聚类中心所在的类簇，其中，所述双尺度相似性距离度量的表达式如下：
Figure 844374DEST_PATH_IMAGE002
，
式中，
Figure 244263DEST_PATH_IMAGE003
为第
Figure 264171DEST_PATH_IMAGE004
条负荷曲线和第
Figure 922555DEST_PATH_IMAGE005
条负荷曲线的综合距离，
Figure 977098DEST_PATH_IMAGE006
为第
Figure 547888DEST_PATH_IMAGE004
条负荷曲线和第
Figure 271737DEST_PATH_IMAGE005
条负荷曲线的欧氏距离，
Figure 218965DEST_PATH_IMAGE007
和
Figure 128015DEST_PATH_IMAGE008
分别为欧氏距离的权重系数、差分余弦距离的权重系数，
Figure 384553DEST_PATH_IMAGE009
为第
Figure 379053DEST_PATH_IMAGE004
条负荷曲线和第
Figure 129972DEST_PATH_IMAGE005
条负荷曲线的差分余弦距离；
Figure 159108DEST_PATH_IMAGE010
，
式中，
Figure 822432DEST_PATH_IMAGE011
为比例放大系数，
Figure 569809DEST_PATH_IMAGE012
和
Figure 858839DEST_PATH_IMAGE013
分别为数据集内所有负荷曲线欧氏距离的最大值和差分余弦距离的最大值；
步骤1.3：基于某次迭代的类内离散度判断某次迭代是否满足迭代要求；若不满足迭代要求，将各类簇的样本均值分别作为
Figure 742481DEST_PATH_IMAGE001
个新的聚类中心，并计算某一负荷曲线与
Figure 75242DEST_PATH_IMAGE001
个新的聚类中心的相似度，直至某次迭代满足迭代要求；
若满足迭代要求，则输出聚类结果；
步骤2、根据所述聚类结果，建立多类型供应能系统的日前等值模型，并求解所述日前等值模型得到电网与多类型供应能系统不进行交互时的初始功率上限和初始功率下限；
步骤3、根据在日内交互时刻t的机组最新预测信息以及机组当前运行状态，建立对供用能系统交互时刻
Figure 44335DEST_PATH_IMAGE014
的滚动修正优化模型，其中，所述滚动修正优化模型中的初始模型参数为初始功率上限和初始功率下限。
2.根据权利要求1所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，在步骤1.2中，两条负荷曲线的欧氏距离表达式为：
Figure 137056DEST_PATH_IMAGE015
，
式中，
Figure 875205DEST_PATH_IMAGE016
为第
Figure 894981DEST_PATH_IMAGE004
条负荷曲线和第
Figure 351370DEST_PATH_IMAGE005
条负荷曲线的欧氏距离，
Figure 982203DEST_PATH_IMAGE017
为归一化后的第
Figure 840437DEST_PATH_IMAGE004
条负荷曲线的第
Figure 780580DEST_PATH_IMAGE018
维度值，
Figure 458686DEST_PATH_IMAGE019
为归一化后的第
Figure 893210DEST_PATH_IMAGE005
条负荷曲线的第
Figure 605951DEST_PATH_IMAGE018
维度值，
Figure 218460DEST_PATH_IMAGE020
为负荷曲线维度，
Figure 649441DEST_PATH_IMAGE018
为第
Figure 622077DEST_PATH_IMAGE004
条负荷曲线的第
Figure 189324DEST_PATH_IMAGE018
维度。
3.根据权利要求1所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，在步骤1.2中，两条负荷曲线的差分余弦距离表达式为：
Figure 471270DEST_PATH_IMAGE021
，
式中，
Figure 123968DEST_PATH_IMAGE009
为第
Figure 900294DEST_PATH_IMAGE004
条负荷曲线和第
Figure 587627DEST_PATH_IMAGE005
条负荷曲线的差分余弦距离，
Figure 539009DEST_PATH_IMAGE022
为第
Figure 679004DEST_PATH_IMAGE004
负荷差分向量和第
Figure 993442DEST_PATH_IMAGE005
个负荷差分向量的余弦相似度；
Figure 535281DEST_PATH_IMAGE023
，
式中，
Figure 159030DEST_PATH_IMAGE024
为第
Figure 786320DEST_PATH_IMAGE025
个负荷差分向量，
Figure 701186DEST_PATH_IMAGE026
为第
Figure 520369DEST_PATH_IMAGE027
个负荷的差分向量，
Figure 65751DEST_PATH_IMAGE028
为第
Figure 649179DEST_PATH_IMAGE004
个负荷差分向量的2-范数，
Figure 820266DEST_PATH_IMAGE029
为第
Figure 336698DEST_PATH_IMAGE005
个负荷差分向量的2-范数。
4.根据权利要求1所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，在步骤1.3中，迭代要求具体为：
得到的中心点不再变化、达到最大迭代次数且最大迭代次数两次迭代类内误差满足
Figure 52981DEST_PATH_IMAGE030
，其中，
Figure 389285DEST_PATH_IMAGE031
为
Figure 602878DEST_PATH_IMAGE032
次迭代的类内离散度，
Figure 973817DEST_PATH_IMAGE033
为
Figure 861001DEST_PATH_IMAGE034
次迭代的类内离散度，
Figure 950180DEST_PATH_IMAGE035
为收敛阈值。
5.根据权利要求4所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，所述
Figure 197491DEST_PATH_IMAGE032
次迭代的类内离散度
Figure 688515DEST_PATH_IMAGE031
的表达式为：
Figure 746601DEST_PATH_IMAGE036
，
式中，
Figure 57496DEST_PATH_IMAGE037
为第
Figure 609963DEST_PATH_IMAGE038
个簇，
Figure 955493DEST_PATH_IMAGE039
为第
Figure 184481DEST_PATH_IMAGE038
个簇的负荷曲线，
Figure 982672DEST_PATH_IMAGE040
为聚类数，
Figure 634102DEST_PATH_IMAGE041
为第
Figure 37402DEST_PATH_IMAGE042
次迭代的类内离散度。
6.根据权利要求5所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，所述第
Figure 437290DEST_PATH_IMAGE042
次迭代的类内离散度的表达式为：
Figure 722778DEST_PATH_IMAGE043
，
式中，
Figure 676434DEST_PATH_IMAGE044
为簇内负荷曲线的数量，
Figure 606344DEST_PATH_IMAGE037
为第
Figure 301768DEST_PATH_IMAGE038
个簇，
Figure 199185DEST_PATH_IMAGE039
为第
Figure 271047DEST_PATH_IMAGE038
个簇的负荷曲线。
7.根据权利要求1所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，在步骤2中，所述日前等值模型包括日前第一优化模型和日前第二优化模型，所述步骤2包括：
基于电网与多类型供应能系统不进行交互时
Figure 55463DEST_PATH_IMAGE045
时刻联络线上的有功功率
Figure 187367DEST_PATH_IMAGE046
为最小的目标函数建立日前第一优化模型，并基于分支定界法求解所述日前第一优化模型得到电网与多类型供应能系统不进行交互时的初始功率下限；
基于电网与多类型供用能系统不进行交互时
Figure 807967DEST_PATH_IMAGE045
时刻联络线上的有功功率
Figure 683519DEST_PATH_IMAGE047
为最大的目标函数建立日前第二优化模型，并基于分支定界法求解所述日前第二优化模型得到电网与多类型供应能系统不进行交互时的初始功率上限。
8.根据权利要求1所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，在步骤3中，所述建立对供用能系统交互时刻
Figure 322442DEST_PATH_IMAGE014
的滚动修正优化模型包括：
基于电网与多类型供用能系统进行交互时
Figure 625247DEST_PATH_IMAGE048
时刻联络线上的有功功率
Figure 231678DEST_PATH_IMAGE049
为最小的目标函数建立日内第一优化模型；
基于电网与多类型供用能系统进行交互时
Figure 645341DEST_PATH_IMAGE048
时刻联络线上的有功功率
Figure 404350DEST_PATH_IMAGE049
为最大的目标函数建立日内第二优化模型。
CN202111045578.5A 2021-09-07 2021-09-07 一种基于实时动态修正的多类型供用能系统等值方法 Pending CN113489008A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111045578.5A CN113489008A (zh) 2021-09-07 2021-09-07 一种基于实时动态修正的多类型供用能系统等值方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111045578.5A CN113489008A (zh) 2021-09-07 2021-09-07 一种基于实时动态修正的多类型供用能系统等值方法

Publications (1)

Publication Number Publication Date
CN113489008A true CN113489008A (zh) 2021-10-08

Family

ID=77946530

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111045578.5A Pending CN113489008A (zh) 2021-09-07 2021-09-07 一种基于实时动态修正的多类型供用能系统等值方法

Country Status (1)

Country Link
CN (1) CN113489008A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115860583A (zh) * 2023-02-28 2023-03-28 深圳市同创环保科技有限公司 一种基于大数据的填埋场沼气收集评估方法、系统和介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657891A (zh) * 2018-09-18 2019-04-19 深圳供电局有限公司 一种基于自适应k-means++算法的负荷特性分析方法
CN111723876A (zh) * 2020-07-20 2020-09-29 浙江大学 一种考虑双尺度相似性的负荷曲线集成谱聚类算法
CN112072645A (zh) * 2020-08-24 2020-12-11 清华大学 一种日前聚合与日内滚动修正衔接的虚拟电厂等值方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657891A (zh) * 2018-09-18 2019-04-19 深圳供电局有限公司 一种基于自适应k-means++算法的负荷特性分析方法
CN111723876A (zh) * 2020-07-20 2020-09-29 浙江大学 一种考虑双尺度相似性的负荷曲线集成谱聚类算法
CN112072645A (zh) * 2020-08-24 2020-12-11 清华大学 一种日前聚合与日内滚动修正衔接的虚拟电厂等值方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐胜蓝: "考虑双尺度相似性的负荷曲线集成谱聚类算法", 《电力系统自动化》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115860583A (zh) * 2023-02-28 2023-03-28 深圳市同创环保科技有限公司 一种基于大数据的填埋场沼气收集评估方法、系统和介质
CN115860583B (zh) * 2023-02-28 2023-05-12 深圳市同创环保科技有限公司 一种基于大数据的填埋场沼气收集评估方法、系统和介质

Similar Documents

Publication Publication Date Title
Pu et al. Optimal sizing for an integrated energy system considering degradation and seasonal hydrogen storage
Dufo-Lopez et al. Optimization of control strategies for stand-alone renewable energy systems with hydrogen storage
Han et al. Mode-triggered droop method for the decentralized energy management of an islanded hybrid PV/hydrogen/battery DC microgrid
Yang et al. Energy regulating and fluctuation stabilizing by air source heat pump and battery energy storage system in microgrid
Qiu et al. Tri-level mixed-integer optimization for two-stage microgrid dispatch with multi-uncertainties
CN111144620A (zh) 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法
Wang et al. Synergistic planning of an integrated energy system containing hydrogen storage with the coupled use of electric-thermal energy
Li et al. Event-triggered decentralized coordinated control method for economic operation of an islanded electric-hydrogen hybrid DC microgrid
Amirthalakshmi et al. A novel approach in hybrid energy storage system for maximizing solar PV energy penetration in microgrid
CN111293682A (zh) 一种基于协同模型预测控制的多微网能量管理方法
Li et al. Towards net-zero smart system: An power synergy management approach of hydrogen and battery hybrid system with hydrogen safety consideration
Dong et al. Coordinated scheduling strategy for distributed generation considering uncertainties in smart grids
CN113988384A (zh) 一种提高配电网可靠性的储能容量优化配置方法
Zheng et al. Optimal dispatch for reversible solid oxide cell-based hydrogen/electric vehicle aggregator via stimuli-responsive charging decision estimation
KR102028368B1 (ko) 계층적 능동부하 투입 제어 장치 및 방법
Cui et al. An optimal energy co-scheduling framework for smart buildings
Gherairi Design and implementation of an intelligent energy management system for smart home utilizing a multi-agent system
CN116070740A (zh) 综合能源系统的优化运行方法、装置和计算机设备
CN113489008A (zh) 一种基于实时动态修正的多类型供用能系统等值方法
Sayeed et al. A novel and comprehensive mechanism for the energy management of a Hybrid Micro-grid System
Sharma et al. Demand side management and size optimization for an integrated renewable energy system considering deferrable loads
CN109638837B (zh) 一种面向新能源并网的动态负载管理方法及系统
CN115619159A (zh) 一种智慧园区能源消耗分析调度方法和系统
TWI785397B (zh) 微電網能源管理系統及其方法
KK et al. Optimization of distribution network operating parameters in grid tied microgrid with electric vehicle charging station placement and sizing in the presence of uncertainties

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211008

RJ01 Rejection of invention patent application after publication