CN113690885A - 一种供电控制方法及供电平台 - Google Patents
一种供电控制方法及供电平台 Download PDFInfo
- Publication number
- CN113690885A CN113690885A CN202110966771.6A CN202110966771A CN113690885A CN 113690885 A CN113690885 A CN 113690885A CN 202110966771 A CN202110966771 A CN 202110966771A CN 113690885 A CN113690885 A CN 113690885A
- Authority
- CN
- China
- Prior art keywords
- power
- load
- curve
- user side
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000010248 power generation Methods 0.000 claims abstract description 82
- 238000004146 energy storage Methods 0.000 claims abstract description 23
- 238000011217 control strategy Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 14
- 230000001932 seasonal effect Effects 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000005206 flow analysis Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
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
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种供电控制方法及供电平台，首先预测获得当前时刻之后预设时间段内发电侧的发电功率曲线以及用户侧的负荷功率曲线，根据确定出的调峰目标功率曲线，结合获得的发电功率曲线、负荷功率曲线以及储能系统的功率曲线、用户侧可中断负荷的功率容量曲线，生成针对当前时刻之后预设时间段的调度策略，调度策略描述了对用户侧可中断负荷的控制策略，进一步根据调度策略对用户侧负荷进行控制。本发明通过预测发电侧的发电功率曲线以及用户侧的负荷功率曲线，根据调峰目标功率曲线结合储能系统的功率曲线以及用户侧可中断负荷的功率容量曲线，生成对用户侧可中断负荷的控制策略，能够实现在安全、经济的基础上实现用电负荷的快速响应。
Description
技术领域
本发明涉及电力运营技术领域，特别是涉及一种供电控制方法。本发明还涉及一种供电平台。
背景技术
在电力电网系统中，需要结合发电侧发电功率以及储能容量，应对性地对用电侧进行调控，以提高资源利用率、优化资源配置以及实现削峰填谷，实现电力电网系统的安全、经济运行。
发明内容
本发明的目的是提供一种供电控制方法及供电平台，能够在安全、经济的基础上实现用电负荷的快速响应。
为实现上述目的，本发明提供如下技术方案：
一种供电控制方法，包括：
预测获得当前时刻之后预设时间段内发电侧的发电功率曲线以及用户侧的负荷功率曲线；
根据确定出的调峰目标功率曲线，结合获得的所述发电功率曲线、所述负荷功率曲线以及储能系统的功率曲线、用户侧可中断负荷的功率容量曲线，生成针对当前时刻之后预设时间段的调度策略，所述调度策略描述了对用户侧可中断负荷的控制策略；
根据所述调度策略对用户侧负荷进行控制。
优选的，具体包括：根据确定出的调峰目标功率，结合获得的所述发电功率曲线、所述负荷功率曲线以及储能系统的功率曲线、用户侧可中断负荷的功率容量曲线，以电网稳定安全运行和对可中断用户的补贴费用最小为约束条件，生成针对当前时刻之后预设时间段的调度策略。
优选的，具体以第一条件为约束条件，第一条件为在t时刻新能源发电侧的发电功率、储能系统提供的放电功率或者充电功率以及电网侧的发电功率总和，在调峰后功率总和大于等于在t时刻用户侧的负荷功率；
或/和，具体以第二条件为约束条件，第二条件为在t时刻每一输电线路的潮流功率小于等于该输电线路的最大载流量；
或/和，具体以第三条件为约束条件，第三条件为：用户侧可中断负荷单次断电时间小于等于第一预设值，且用户侧可中断负荷在所述预设时间段内的断电次数小于等于第二预设值。
优选的，根据外部提供的控制指令确定出所述调峰目标功率曲线；
或者确定出所述调峰目标功率曲线包括：
根据发电侧的历史发电量数据，预测出当前时刻之后预设时间段内发电侧的发电功率曲线，以及根据用户侧的历史负荷数据，预测出当前时刻之后预设时间段内用户侧的负荷功率曲线；
根据预测出的用户侧的负荷功率曲线以及发电侧的发电功率曲线确定出所述调峰目标功率曲线。
优选的，使用用户侧的历史负荷数据，训练获得第二预测模型，所述第二预测模型用于预测当前时刻之后预设时间段内用户侧的负荷功率曲线；
具体包括：对用户侧的历史负荷数据进行季节性分解，使用分解处理后的数据训练获得季节性的子预测模型，并通过汇总各个子预测模型的负荷功率预测结果获得最终预测结果；
或者具体包括：根据用户的用电模式或者数据的日期属性对用户侧的负荷数据进行聚类，根据聚类分析后的数据训练获得第二预测模型；
或者具体包括：对用户侧的负荷数据提取特征构成特征数据集，以训练获得第二预测模型，对用户侧的负荷数据提取特征考虑天气因素、日期属性或者用户侧的运营安排。
优选的，具体包括：根据与用户签订的可中断负荷管理合同，获得用户侧可中断负荷的功率容量曲线；制定所述可中断负荷管理合同的方法包括：
预测合同有效期内电网侧的负荷功率；
确定电网侧的调峰目标功率，或者接收外部提供的调峰目标功率；
确定用户侧的各个用户可中断负荷的功率容量；
根据用户侧用户上报的断电补偿价格选取可中断用户。
优选的，生成所述调度策略具体包括：
根据所述调峰目标功率曲线、所述发电功率曲线、储能系统的功率曲线以及所述负荷功率曲线获得调峰后的功率曲线；
根据获得的调峰后的功率曲线、用户侧可中断负荷的功率容量曲线进行优化运算以及根据输电侧的网络拓扑结构进行潮流分析，获得使电网稳定安全运行的多种调度策略；
基于预先规划好的补偿机制，从多种调度策略得出对可中断用户的补贴费用满足要求的调度策略。
一种供电平台，用于执行以上所述的供电控制方法。
优选的，包括：
接入模块，用于与用户侧或者发电侧连接，从用户侧现场获取负荷数据或者从发电侧现场获取发电量数据；
互联网模块，用于接收各个接入节点上传的数据并将数据存储在消息系统；
内网模块，用于从所述互联网模块的消息系统拉取所需数据。
优选的，包括：
信息总览模块，用于展示用户侧、发电侧、电网侧和输电侧的拓扑结构以及相关设备的运行状态；
报表管理模块，用于提供对数据的管理、导出或者展示功能，以及提供调度策略及其效益评估数据的管理、导出或者展示功能；
用户管理模块，用于提供对应用所述供电平台的用户的管理功能以及用户权限的管理功能。
由上述技术方案可知，本发明所提供的一种供电控制方法及供电平台，首先预测获得当前时刻之后预设时间段内发电侧的发电功率曲线以及用户侧的负荷功率曲线，根据确定出的调峰目标功率曲线，结合获得的发电功率曲线、负荷功率曲线以及储能系统的功率曲线、用户侧可中断负荷的功率容量曲线，生成针对当前时刻之后预设时间段的调度策略，调度策略描述了对用户侧可中断负荷的控制策略，进一步根据调度策略对用户侧负荷进行控制。
本发明通过预测发电侧的发电功率曲线以及用户侧的负荷功率曲线，根据调峰目标功率曲线结合储能系统的功率曲线以及用户侧可中断负荷的功率容量曲线，生成对用户侧可中断负荷的控制策略，能够实现在安全、经济的基础上实现用电负荷的快速响应。
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，下面将对实施例或现有技术描述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为本发明实施例提供的一种供电控制方法的流程图；
图2为本发明实施例的供电控制方法生成调度策略的方法流程图；
图3为本发明实施例制定可中断负荷管理合同的方法流程图；
图4为本发明实施例提供的一种供电平台的示意图；
图5为本发明又一实施例提供的一种供电平台的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，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，所描述的实施例仅仅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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
请参考图1，图1为本实施例提供的一种供电控制方法的流程图，由图可知，所述供电控制方法包括以下步骤：
S100：预测获得当前时刻之后预设时间段内发电侧的发电功率曲线以及用户侧的负荷功率曲线。
发电侧是指产生电能的一方，可包括基于火力发电站产生电能的发电系统或者基于新能源技术产生电能的发电系统。发电功率曲线是指各个时刻的发电功率形成的序列。
用户侧是指使用和消耗电能的一方，负荷功率曲线是指各个时刻的负荷功率形成的序列。
S101：根据确定出的调峰目标功率曲线，结合获得的所述发电功率曲线、所述负荷功率曲线以及储能系统的功率曲线、用户侧可中断负荷的功率容量曲线，生成针对当前时刻之后预设时间段的调度策略，所述调度策略描述了对用户侧可中断负荷的控制策略。
调峰目标功率曲线是指各个时刻的调峰目标功率形成的序列。储能系统的功率曲线是指储能系统各个时刻可提供的功率形成的序列。可中断负荷的功率容量曲线是指各个时刻可中断负荷的可中断功率容量形成的序列。本实施例中上述各种曲线对应为当前时刻之后预设时间段内。控制策略包括保持向用户供电或者关断向用户供电。
S102：根据所述调度策略对用户侧负荷进行控制。
本实施例的供电控制方法通过预测发电侧的发电功率曲线以及用户侧的负荷功率曲线，根据调峰目标功率曲线结合储能系统的功率曲线以及用户侧可中断负荷的功率容量曲线，生成对用户侧可中断负荷的控制策略，能够实现在安全、经济的基础上实现用电负荷的快速响应。
根据约束条件的不同，本供电控制方法生成调度策略主要考虑两部分，保证电网稳定运行的安全调度和最大化电网利益的经济性调度。相应的，生成针对当前时刻之后预设时间段的调度策略具体包括：根据确定出的调峰目标功率，结合获得的所述发电功率曲线、所述负荷功率曲线以及储能系统的功率曲线、用户侧可中断负荷的功率容量曲线，以电网稳定安全运行和对可中断用户的补贴费用最小为约束条件，生成针对当前时刻之后预设时间段的调度策略。
可选的，可具体以第一条件为约束条件，第一条件为在t时刻新能源发电侧的发电功率、储能系统提供的放电功率或者充电功率以及电网侧的发电功率总和，在调峰后功率总和大于等于在t时刻用户侧的负荷功率。可具体表示为：
P(t)ne+P(t)storage+P(t)grid-P(t)pitch≥ld(t)；
其中，P(t)ne表示在t时刻新能源发电侧的发电功率，P(t)storage表示在t时刻储能系统提供的放电功率或者充电功率，P(t)grid表示在t时刻电网侧提供的发电功率，P(t)pitch表示在t时刻的调峰目标功率，ld(t)表示在t时刻用户侧的负荷功率。其中，新能源发电侧的发电功率包括但不限于光伏发电的发电功率P(t)pv或者风力发电的发电功率P(t)wind。
即本方法考虑供电可靠性约束，对分布式新能源发电的管理策略是“尽发尽用”，结合实际现状，分布式新能源所发电量远远小于用户侧各类负荷的实际需量，剩余需量由电网侧补全。
可选的，可具体以第二条件为约束条件，第二条件为在t时刻每一输电线路的潮流功率小于等于该输电线路的最大载流量。可具体表示为：P(t)j pf＝Fpf(topology，cabletypes，P(t)ne，P(t)storage，P(t)grid，P(t)pitch，ld(t))；
P(t)j pf≤Pj pfmax；
其中，P(t)j pf表示在t时刻第j输电线路的潮流功率，topology表示输电网络拓扑，cabletypes表示线路载流能力，Fpf表示计算潮流功率的函数，Pj pfmax表示第j输电线路的最大载流量。
即本方法考虑输电网络载流约束，将发电侧电能传输至用户侧需要输电网络的支撑，因此需要结合输电网络拓扑和线路载流量，设定输电网络载流约束。在确定各类发电侧节点功率后，计算网络整体潮流，确保每条输电线路上的潮流最大值小于该输电线路的最大承载能力。
可选的，可具体以第三条件为约束条件，第三条件为：用户侧可中断负荷单次断电时间小于等于第一预设值，且用户侧可中断负荷在所述预设时间段内的断电次数小于等于第二预设值。可具体表示为：
houri idtemp≤第一预设值，timei idtemp≤第二预设值；
其中，houri idtemp表示第i可中断负荷单次断电小时数，timei idtemp表示第i可中断负荷在预设时间段内断电次数。
即本方法考虑中断时间约束，在与用户签订补偿协议时，规定了可中断负荷断电时间和每周期内断电次数的最大值。当某个可中断负荷的断电时间和累计次数均超过限值，则无法继续使用。
本供电控制方法生成调度策略以用户侧的可中断负荷功率为目标，表示为：
其中，n表示提供可中断负荷的用户数量，ld(t)i temp表示第i用户的可中断负荷功率，P(t)pitch表示在t时刻的调峰目标功率。
其中：
其中，m表示用户总数量，n表示提供可中断负荷的用户数量，ld(t)i ftx表示第i用户的不可中断负荷功率，ld(t)i temp表示第i用户的可中断负荷功率。
ld(t′)-(P(t′)ne+P(t′)storage)-Pgridmax＝Ppitchmax；
其中，t′表示合同期内负荷功率与供电功率差值最大的时刻，Pgridmax表示电网侧规定的最大发电输入功率。
基于可中断负荷功率需量，在同时满足供电可靠性、输电网络载流和中断时间三种约束的情况下，得到一种或多种调度策略，即为安全调度结果。可表示为：
其中，Su表示输出的第u调度策略，F表示运算输出调度策略的函数。
本实施例方法生成调度策略以对可中断用户的补贴费用最小，目标函数可表示为：
其中，funds表示因可中断负荷所补贴的金额，precesi temp表示表1中的补偿费用。
进一步具体的，本供电控制方法可通过以下过程生成调度策略，请参考图2，图2为本实施例的供电控制方法生成调度策略的方法流程图，具体包括以下步骤：
S200：根据所述调峰目标功率曲线、所述发电功率曲线、储能系统的功率曲线以及所述负荷功率曲线获得调峰后的功率曲线。
可选的，可以根据外部提供的控制指令确定出调峰目标功率曲线，比如可以是上层调度系统下发的控制指令。或者可以根据预测出的用户侧的负荷功率曲线以及发电侧的发电功率曲线确定出调峰目标功率曲线。具体可包括以下过程：根据发电侧的历史发电量数据，预测出当前时刻之后预设时间段内发电侧的发电功率曲线，以及根据用户侧的历史负荷数据，预测出当前时刻之后预设时间段内用户侧的负荷功率曲线；根据预测出的用户侧的负荷功率曲线以及发电侧的发电功率曲线确定出所述调峰目标功率曲线。
S201：根据获得的调峰后的功率曲线、用户侧可中断负荷的功率容量曲线进行优化运算以及根据输电侧的网络拓扑结构进行潮流分析，获得使电网稳定安全运行的多种调度策略。
S202：基于预先规划好的补偿机制，从多种调度策略得出对可中断用户的补贴费用满足要求的调度策略。
进一步本实施例中，具体可根据与用户签订的可中断负荷管理合同，获得用户侧可中断负荷的功率容量曲线。请参考图3，图3为本实施例制定可中断负荷管理合同的方法流程图，包括以下步骤：
S300：预测合同有效期内电网侧的负荷功率；
S301：确定电网侧的调峰目标功率，或者接收外部提供的调峰目标功率；
S302：确定用户侧的各个用户可中断负荷的功率容量；
S303：根据用户侧用户上报的断电补偿价格选取可中断用户。由用户侧用户上报断电补偿价格，根据断电补偿价格对这些用户排序并从中选取可中断负荷用户，以选择出能够满足调峰需求的可中断用户。进而与可中断用户签订可中断负荷管理合同。
本方法对可中断负荷管理的实施通过签订合同来实现，需要用户和电网公司共同参与，其中合理的补偿费用是重要的激励手段。根据实际情况，可中断负荷实施可以采用较为简单的形式：首先让中断负荷容量较大的用户进行报价，电网公司根据该报价、扩容成本和实时调峰需求进行调整。
在一具体实例中，可中断负荷管理合同包括：1)合同有效期6个月，即半年一签；2)提前24小时下达日前控制指令；3)中断持续时间为2小时；4)用户可中断负荷的容量，补偿费用报价如表1所示。
表1
例如，2020年下半年区域单日最大负荷与削峰目标负荷差值为45MW，预留一定冗余，那么50MW即为负荷调峰的目标值。按照表1中的客户报价由低到高选取可中断用户，那么选取结果如表2所示。
表2
以上为模拟数据，在项目实施过程中会结合实际情况进行调整。
在一具体实例中，计算后输出的调度策略为24×n的矩阵，代表未来1天以小时为时间节点的操作指令，其中0代表开启，1代表关断。表3的所示指令为：2020年8月1日需要使用5个用户所提供的可中断负荷即可满足当日削峰要求。在9点关闭用户1的可中断负荷并在10点重启；在10点关闭用户2的可中断负荷直至12点重启，以此类推。
表3
可选的，可通过以下方法根据发电侧的历史发电量数据，预测出当前时刻之后预设时间段内发电侧的发电功率曲线，包括：使用发电侧的历史发电量数据，训练获得第一预测模型，所述第一预测模型用于预测当前时刻之后预设时间段内发电侧的发电功率曲线。可以基于机器学习方法，通过对发电侧的历史数据处理以及分析，分析发电侧的发电功率随时间的变化规律，训练获得第一预测模型。
可选的，根据用户侧的历史负荷数据，预测出当前时刻之后预设时间段内用户侧的负荷功率曲线，可具体通过以下方法：使用用户侧的历史负荷数据，训练获得第二预测模型，所述第二预测模型用于预测当前时刻之后预设时间段内用户侧的负荷功率曲线。
优选的，使用用户侧的历史负荷数据训练获得第二预测模型可包括：对用户侧的历史负荷数据进行季节性分解，使用分解处理后的数据训练获得季节性的子预测模型，并通过汇总各个子预测模型的负荷功率预测结果获得最终预测结果。
用户侧的负荷功率曲线属于非稳态时间序列，且包含多周期变化规律，因此通过对用户侧的历史负荷数据进行季节性分解，来训练获得季节性的子预测模型，能够提高对用户侧的负荷功率曲线预测的准确性。可选的，可以使用基于局部回归的季节性-趋势分解法，将负荷功率曲线分解为趋势项、多个季节(周期)项、残差项，以加法模型为例可表示为：
yt＝Tt+∑iSti+Rt；
其中，Tt表示t时刻的趋势项，Sti表示t时刻第i季节分量，Rt表示残差项。季节分量可以是但不限于是日、周或者四季。对上式中的每一项，根据其具体的结构与规律，可分别建立机器学习回归模型或者时间序列模型，也可将趋势项和残差项汇总之后(即季节性调整负荷)建立模型。
优选的，使用用户侧的历史负荷数据训练获得第二预测模型可包括：根据用户的用电模式或者数据的日期属性对用户侧的负荷数据进行聚类，根据聚类分析后的数据训练获得第二预测模型。统计使用的用户侧的负荷功率数据包含多个用户以及多种用电模式下的负荷数据，而不同用电模式下的负荷功率曲线是不同的，以及不同日期阶段的负荷功率曲线也有区别，比如节假日和工作日。因此，有必要根据不同的用电模式或者日期属性对历史的负荷功率曲线进行聚类分析，来分别建立预测模型。本方法使用实际数据，根据数据特性考虑额外的因素进行更有针对性的聚类，在此基础上建立和训练预测模型，能够提高预测准确性。
可选的，使用用户侧的历史负荷数据训练获得第二预测模型可包括：对用户侧的负荷数据提取特征构成特征数据集，以训练获得第二预测模型，对用户侧的负荷数据提取特征考虑天气因素、日期属性或者用户侧的运营安排。本方法在获得数据后进行详细的探索性相关分析，考虑天气因素、日期属性或者用户侧的运营安排等建立针对本平台进行功率预测的特征数据集，可通过基于假设检验、回归模型等方式确定最终的特征集。
优选的，可以评价所得到的预测模型的准确性。可选的，可根据以下公式获得预测模型的评价结果：
其中，σi表示第i个时刻的相对误差，Yi表示第i个时刻的实际功率；Yi p表示第i个时刻的预测功率，N表示在预设时间段内共选取N个时刻。
进一步优选的，本实施例方法会根据数据量的大小以及数据特性来选择合适的模型进行建模。针对每个模型的建模阶段，会考虑使用集成方法，使用不同模型方法建立多个模型(包括递归神经网络、卷积神经网络、梯度提升树、经典时间序列、广义线性回归等)，并采用平均预测值来降低集成模型的偏差。在初期数据积累较少且外部数据不足的情况下，会考虑只采用经典时间序列模型，如指数平滑法、自回归移动平均法等。
此外，本方法还会对预测模型设计更新迭代的机制。除每个周期结束时迭代预测模型之外，还会在获得新的实际数据之后对预测模型进行快速的更新和校准，在预测值与实际值出现较大偏差时立即更新模型。
本实施例还提供一种供电平台，用于执行以上所述的供电控制方法。
本实施例的供电平台，首先预测获得当前时刻之后预设时间段内发电侧的发电功率曲线以及用户侧的负荷功率曲线，根据确定出的调峰目标功率曲线，结合获得的发电功率曲线、负荷功率曲线以及储能系统的功率曲线、用户侧可中断负荷的功率容量曲线，生成针对当前时刻之后预设时间段的调度策略，调度策略描述了对用户侧可中断负荷的控制策略，进一步根据调度策略对用户侧负荷进行控制。
本供电平台通过预测发电侧的发电功率曲线以及用户侧的负荷功率曲线，根据调峰目标功率曲线结合储能系统的功率曲线以及用户侧可中断负荷的功率容量曲线，生成对用户侧可中断负荷的控制策略，能够实现在安全、经济的基础上实现用电负荷的快速响应。
可选的请参考图4，图4为一实施例提供的供电平台的示意图，本实施例的供电平台包括：
优化策略模块12，用于根据相关数据进行优化运算和分析，生成调度策略；
信息总览模块10，用于展示用户侧、发电侧、电网侧和输电侧的拓扑结构以及相关设备的运行状态；
报表管理模块13，用于提供对数据的管理、导出或者展示功能，以及提供调度策略及其效益评估数据的管理、导出或者展示功能；
用户管理模块14，用于提供对应用所述供电平台的用户的管理功能以及用户权限的管理功能。
优化策略模块12根据相关数据进行优化运算和分析生成调度策略的具体方法可参考上述供电控制方法中描述的实施方式。
供电平台还包括数据获取模块11，用于获取用户侧、发电侧、电网侧和输电侧的相关数据。示例性的，在一具体实例中本供电平台应用的区域内分布式新能源为光伏发电系统，总装机容量29.3万，有119个。发电侧的相关数据如表4所示。
表4
电网侧的相关数据如表5所示。
表5
输电侧的相关数据如表6所示。
表6
用户侧的负荷是64.3万，截止目前负荷已达70万。工业用户主要分布在汽配、纺织、医药等行业。因此，用户侧的用户类型主要包括工业和商业楼宇，用户侧的数据如表7所示。
表7
进一步的，本供电平台需求数据包括静态资料，诸如拓扑结构、图纸或者设备型号信息等资料，以及需要按周期更新的数据，诸如节假日、生产计划和维护计划等，需要通过现场的调研从供电局和接入用户处获取。表8为静态资料数据，表9为需要按照周期更新的数据。
表8
表9
进一步的，还包括历史数据和实时数据两部分，历史数据为实时数据采集后以文件或者数据库形式保存的版本，可以通过批量导入的方式存入平台。实时数据采集需要分别对接用户侧、发电侧和电网侧，可选的，架构如图5所示。供电平台还包括：
接入模块，用于与用户侧或者发电侧连接，从用户侧现场获取负荷数据或者从发电侧现场获取发电量数据；
互联网模块，用于接收各个接入节点上传的数据并将数据存储在消息系统；
内网模块，用于从所述互联网模块的消息系统拉取所需数据。
接入侧包括用户侧和发电侧，其中用户的类型可分为商业楼宇和工厂两类。根据平台对用户侧和发电侧所需数据要求，可以根据现场情况分别从智能硬件、EMS系统或者BA系统获取。对于已有EMS和BA系统的情况，可以直接对接系统，现场安装采集终端，对接以上两类系统常用的OPC或者BACnet协议类型。由于OPC和BACnet协议均支持TCP/IP的访问形式，因此现场只需将采集终端接入同一局域网即可。楼控OPC由于产品更新换代缓慢，多采用OPC DA协议，局域网访问时，存在COM/DCOM的设置问题，此时则需要在OPC Server服务器安装OPC2WEB类软网关以便访问。智能电表常用的Modbus协议只支持单个Master访问，若现场同时存在独立运行的EMS系统，则需要加装Modbus TCP网关，采集终端和EMS系统均通过从网关转发的方式读取数据。对于只有智能电表或者PLC控制器硬件的情况，可通过解析协议直接读取数据。放置现场的采集终端获取数据后，通过RSA非对称算法对数据进行加密后，上传至云端分布式消息系统。为防止因意外断网而导致数据无法上传或者丢失，采集终端需具有一定缓存能力，支持联网续传。
互联网侧部署具有大数据吞吐量的分布式消息系统，负责接收各个接入节点上传的数据。诸如当地天气等数据则通过天气源API或者爬虫的方式获取，再推送至消息系统。
内网和互联网通过防火墙阻隔，对于存入互联网消息队列的数据，可以通过开放对外单向访问的防火墙策略，在平台部署的Ⅳ区，部署数据拉取和分发服务负责从互联网侧的消息系统拉取数据并在防火墙内做解密处理。首先，单向访问的防火墙策略可以保证内网数据不能向外传送，其次数据的解密在内网中进行，将解密所需的密钥存在内网可以进一步保证数据安全。对于策略所需电网侧数据和调度目标，需要从调度云获取。由于调度云部署在安全级别更高的Ⅲ区，因此将采用与上文类似的策略，只开通Ⅲ区向Ⅳ区访问的单向防火墙策略，通过部署在Ⅲ区的服务向Ⅳ区的分布式消息系统推送数据。该推送服务与调度云对接部分可按照调度云现有API展开。
以上对本发明所提供的一种供电控制方法及供电平台进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种供电控制方法，其特征在于，包括：
预测获得当前时刻之后预设时间段内发电侧的发电功率曲线以及用户侧的负荷功率曲线；
根据确定出的调峰目标功率曲线，结合获得的所述发电功率曲线、所述负荷功率曲线以及储能系统的功率曲线、用户侧可中断负荷的功率容量曲线，生成针对当前时刻之后预设时间段的调度策略，所述调度策略描述了对用户侧可中断负荷的控制策略；
根据所述调度策略对用户侧负荷进行控制。
2.根据权利要求1所述的供电控制方法，其特征在于，具体包括：根据确定出的调峰目标功率，结合获得的所述发电功率曲线、所述负荷功率曲线以及储能系统的功率曲线、用户侧可中断负荷的功率容量曲线，以电网稳定安全运行和对可中断用户的补贴费用最小为约束条件，生成针对当前时刻之后预设时间段的调度策略。
3.根据权利要求2所述的供电控制方法，其特征在于，具体以第一条件为约束条件，第一条件为在t时刻新能源发电侧的发电功率、储能系统提供的放电功率或者充电功率以及电网侧的发电功率总和，在调峰后功率总和大于等于在t时刻用户侧的负荷功率；
或/和，具体以第二条件为约束条件，第二条件为在t时刻每一输电线路的潮流功率小于等于该输电线路的最大载流量；
或/和，具体以第三条件为约束条件，第三条件为：用户侧可中断负荷单次断电时间小于等于第一预设值，且用户侧可中断负荷在所述预设时间段内的断电次数小于等于第二预设值。
4.根据权利要求1所述的供电控制方法，其特征在于，根据外部提供的控制指令确定出所述调峰目标功率曲线；
或者确定出所述调峰目标功率曲线包括：
根据发电侧的历史发电量数据，预测出当前时刻之后预设时间段内发电侧的发电功率曲线，以及根据用户侧的历史负荷数据，预测出当前时刻之后预设时间段内用户侧的负荷功率曲线；
根据预测出的用户侧的负荷功率曲线以及发电侧的发电功率曲线确定出所述调峰目标功率曲线。
5.根据权利要求4所述的供电控制方法，其特征在于，使用用户侧的历史负荷数据，训练获得第二预测模型，所述第二预测模型用于预测当前时刻之后预设时间段内用户侧的负荷功率曲线；
具体包括：对用户侧的历史负荷数据进行季节性分解，使用分解处理后的数据训练获得季节性的子预测模型，并通过汇总各个子预测模型的负荷功率预测结果获得最终预测结果；
或者具体包括：根据用户的用电模式或者数据的日期属性对用户侧的负荷数据进行聚类，根据聚类分析后的数据训练获得第二预测模型；
或者具体包括：对用户侧的负荷数据提取特征构成特征数据集，以训练获得第二预测模型，对用户侧的负荷数据提取特征考虑天气因素、日期属性或者用户侧的运营安排。
6.根据权利要求1-5任一项所述的供电控制方法，其特征在于，具体包括：根据与用户签订的可中断负荷管理合同，获得用户侧可中断负荷的功率容量曲线；制定所述可中断负荷管理合同的方法包括：
预测合同有效期内电网侧的负荷功率；
确定电网侧的调峰目标功率，或者接收外部提供的调峰目标功率；
确定用户侧的各个用户可中断负荷的功率容量；
根据用户侧用户上报的断电补偿价格选取可中断用户。
7.根据权利要求1-5任一项所述的供电控制方法，其特征在于，生成所述调度策略具体包括：
根据所述调峰目标功率曲线、所述发电功率曲线、储能系统的功率曲线以及所述负荷功率曲线获得调峰后的功率曲线；
根据获得的调峰后的功率曲线、用户侧可中断负荷的功率容量曲线进行优化运算以及根据输电侧的网络拓扑结构进行潮流分析，获得使电网稳定安全运行的多种调度策略；
基于预先规划好的补偿机制，从多种调度策略得出对可中断用户的补贴费用满足要求的调度策略。
8.一种供电平台，其特征在于，用于执行权利要求1-7任一项所述的供电控制方法。
9.根据权利要求8所述的供电平台，其特征在于，包括：
接入模块，用于与用户侧或者发电侧连接，从用户侧现场获取负荷数据或者从发电侧现场获取发电量数据；
互联网模块，用于接收各个接入节点上传的数据并将数据存储在消息系统；
内网模块，用于从所述互联网模块的消息系统拉取所需数据。
10.根据权利要求8所述的供电平台，其特征在于，包括：
信息总览模块，用于展示用户侧、发电侧、电网侧和输电侧的拓扑结构以及相关设备的运行状态；
报表管理模块，用于提供对数据的管理、导出或者展示功能，以及提供调度策略及其效益评估数据的管理、导出或者展示功能；
用户管理模块，用于提供对应用所述供电平台的用户的管理功能以及用户权限的管理功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110966771.6A CN113690885B (zh) | 2021-08-23 | 2021-08-23 | 一种供电控制方法及供电平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110966771.6A CN113690885B (zh) | 2021-08-23 | 2021-08-23 | 一种供电控制方法及供电平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113690885A true CN113690885A (zh) | 2021-11-23 |
| CN113690885B CN113690885B (zh) | 2024-07-23 |
Family
ID=78581318
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110966771.6A Active CN113690885B (zh) | 2021-08-23 | 2021-08-23 | 一种供电控制方法及供电平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113690885B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114362176A (zh) * | 2022-03-10 | 2022-04-15 | 浙江浙能能源服务有限公司 | 一种方舱核酸实验室混合供电用稳定系统 |
| CN116613794A (zh) * | 2023-07-17 | 2023-08-18 | 国网山东省电力公司莱芜供电公司 | 一种储能协调控制方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013120347A1 (zh) * | 2012-02-17 | 2013-08-22 | 中国电力科学研究院 | 一种微电网自平衡和自平滑统一的控制方法 |
| CN109301849A (zh) * | 2018-09-11 | 2019-02-01 | 国网浙江省电力有限公司电力科学研究院 | 一种用户侧电池储能电站的能量管理组合控制策略 |
| CN111340525A (zh) * | 2020-02-03 | 2020-06-26 | 中国电力科学研究院有限公司 | 一种分时电价尖峰电价的确定方法和系统 |
-
2021
- 2021-08-23 CN CN202110966771.6A patent/CN113690885B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013120347A1 (zh) * | 2012-02-17 | 2013-08-22 | 中国电力科学研究院 | 一种微电网自平衡和自平滑统一的控制方法 |
| CN109301849A (zh) * | 2018-09-11 | 2019-02-01 | 国网浙江省电力有限公司电力科学研究院 | 一种用户侧电池储能电站的能量管理组合控制策略 |
| CN111340525A (zh) * | 2020-02-03 | 2020-06-26 | 中国电力科学研究院有限公司 | 一种分时电价尖峰电价的确定方法和系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114362176A (zh) * | 2022-03-10 | 2022-04-15 | 浙江浙能能源服务有限公司 | 一种方舱核酸实验室混合供电用稳定系统 |
| CN116613794A (zh) * | 2023-07-17 | 2023-08-18 | 国网山东省电力公司莱芜供电公司 | 一种储能协调控制方法及系统 |
| CN116613794B (zh) * | 2023-07-17 | 2023-09-22 | 国网山东省电力公司莱芜供电公司 | 一种储能协调控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113690885B (zh) | 2024-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Parisio et al. | Stochastic model predictive control for economic/environmental operation management of microgrids: An experimental case study | |
| US10601316B2 (en) | Using battery DC characteristics to control power output | |
| US10504195B2 (en) | System and method for decentralized energy production | |
| JP2023129546A (ja) | エネルギ貯蔵システムを最適に制御するためのシステム及び方法 | |
| JP7051856B2 (ja) | 動的エネルギーストレージシステム制御のためのシステムおよび方法 | |
| Velasquez et al. | Distributed model predictive control for economic dispatch of power systems with high penetration of renewable energy resources | |
| JP2012517207A (ja) | 分散型電力生産システムおよびその制御の方法 | |
| KR20210100699A (ko) | 하이브리드 발전소 | |
| CN113690885B (zh) | 一种供电控制方法及供电平台 | |
| Rayati et al. | An optimal and decentralized transactive energy system for electrical grids with high penetration of renewable energy sources | |
| Tian et al. | Coordinated planning with predetermined renewable energy generation targets using extended two-stage robust optimization | |
| KR20200084454A (ko) | 인공지능 기반 예측적 ess 충방전 운용 장치 및 방법 | |
| Cominesi et al. | Two-layer predictive control of a micro-grid including stochastic energy sources | |
| Haghi et al. | A Kernel-based predictive model of EV capacity for distributed voltage control and demand response | |
| Yang et al. | Network-constrained transactive control for multi-microgrids-based distribution networks with soft open points | |
| Manzano et al. | Economic predictive control for isolated microgrids based on real world demand/renewable energy data and forecast errors | |
| CN116596286A (zh) | 虚拟电厂的优化调度方法、装置、设备及存储介质 | |
| Wang et al. | Look-ahead decision making for renewable energy: A dynamic “predict and store” approach | |
| JP2022550507A (ja) | 電気エネルギー供給網の安定化のための方法 | |
| Gao et al. | Stochastic optimization for energy economics and renewable sources management: A case study of solar energy in digital twin | |
| Longoria et al. | Subsidy-free renewable energy trading: A meta agent approach | |
| Schmitt et al. | A dynamic load control strategy for an efficient building demand response | |
| R. Singh et al. | Machine learning-based energy management and power forecasting in grid-connected microgrids with multiple distributed energy sources | |
| Ma et al. | Distributed Control of HVAC-BESS under Solar Power Forecasts in Microgrid System | |
| Zhu et al. | A DRO-SDDP Decentralized Algorithm for Economic Dispatch of Multi Microgrids With 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |