CN113783193A - 一种基于边端协同的乡村供用能系统优化调控方法及系统 - Google Patents

一种基于边端协同的乡村供用能系统优化调控方法及系统 Download PDF

Info

Publication number
CN113783193A
CN113783193A CN202111345222.3A CN202111345222A CN113783193A CN 113783193 A CN113783193 A CN 113783193A CN 202111345222 A CN202111345222 A CN 202111345222A CN 113783193 A CN113783193 A CN 113783193A
Authority
CN
China
Prior art keywords
cost
day
power
optimization
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.)
Granted
Application number
CN202111345222.3A
Other languages
English (en)
Other versions
CN113783193B (zh
Inventor
熊俊杰
丁保迪
季宇
寇凌峰
吴鸣
牛耕
张颖
屈小云
曾伟
何伟
赵伟哲
饶臻
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.)
China Online Shanghai Energy Internet Research Institute Co ltd
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
China Online Shanghai Energy Internet Research Institute Co ltd
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Jiangxi Electric Power 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 China Online Shanghai Energy Internet Research Institute Co ltd, State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical China Online Shanghai Energy Internet Research Institute Co ltd
Priority to CN202111345222.3A priority Critical patent/CN113783193B/zh
Publication of CN113783193A publication Critical patent/CN113783193A/zh
Application granted granted Critical
Publication of CN113783193B publication Critical patent/CN113783193B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • 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
    • H02J3/004—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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • 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
    • 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
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • 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
    • 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

Abstract

本发明公开一种基于边端协同的乡村供用能系统优化调控方法及系统，方法包括：采用边‑边交互的方式，结合边端协同架构，获取相邻区域配电网的可移动资源运行信息，以降低区域配电网运行成本为优化目标，进行日前区域配电网有功无功协调优化；考虑可移动资源的优化调度，基于短期预测结果以预设时间段内的区域总运行成本最小为优化目标，确定除慢动态设备外的可调设备在预设时间段内的出力；以减少可调设备的调整成本为优化目标，进行最优潮流计算得到各个可调设备的修正量，并基于修正量对各个可调设备的实时出力进行修正。采用日前优化‑日内短期滚动优化‑日内超短期反馈矫正优化多时间尺度的优化调度，实现乡村供用能系统的多能互补。

Description

一种基于边端协同的乡村供用能系统优化调控方法及系统
技术领域
本发明属于乡村供用能系统技术领域，尤其涉及一种基于边端协同的乡村供用能系统优化调控方法及系统。
背景技术
部分乡村地区电网建设与地区用能需求发展不匹配，台区存在季节性重过载问题。同时，乡村供用能系统中拥有大量水、光、地热、沼气等缺乏管控的分布式清洁能源，终端用户用能特性繁杂多样，不同能源系统的运行特征显著不同。且乡村用户分散在广袤的地理空间上，城市园区用能统一管控、全局直接调度的模式，由于初次投资、后期信息通信成本高昂，难以直接应用于乡村。
在供需互动模式下，云端下发的指令是集总调控目标且动态变化，如何解析远端调控需求和指令，结合边端设备和用户负荷等可调资源，确定边端供用能系统的调控策略，是实现边端区域内用户本地有效管控是亟待解决的难点。
发明内容
本发明提供一种基于边端协同的乡村供用能系统优化调控方法及系统，用于至少解决上述技术问题之一。
第一方面，本发明提供一种基于边端协同的乡村供用能系统优化调控方法，包括：根据日前负荷、日前可再生能源的预测信息，以降低区域配电网运行成本为优化目标，考虑系统中潮流约束，安全性约束以及可调设备运行特性约束，进行日前区域配电网有功无功协调优化；以可调度资源完成调度所需时间
Figure 996036DEST_PATH_IMAGE001
和完成充放电所需时间
Figure 244615DEST_PATH_IMAGE002
为优化周期对日内负荷、日内可再生能源的预测信息进行短期预测，使得到短期预测结果，并基于短期预测结果以预设时间段
Figure 233299DEST_PATH_IMAGE003
内的区域总运行成本最小为优化目标，确定除慢动态设备外的可调设备在预设时间段内的出力，其中，以预设时间段内的区域总运行成本最小为优化目标的表达式为：
Figure 844409DEST_PATH_IMAGE004
，式中，
Figure 135713DEST_PATH_IMAGE005
为从
Figure 996222DEST_PATH_IMAGE006
开始
Figure 460701DEST_PATH_IMAGE007
时段内考虑调度成本、网损成本、电网侧购电成本、分布式电源运行成本、柔性负荷控制成本、储能运行成本的区域总运行成本，
Figure 598422DEST_PATH_IMAGE008
为考虑可移动资源转移时段的综合运行成本，
Figure 185261DEST_PATH_IMAGE009
为日内
Figure 408432DEST_PATH_IMAGE010
时刻区域配电网发电侧购电成本，
Figure 4498DEST_PATH_IMAGE011
为日内
Figure 996725DEST_PATH_IMAGE010
时刻区域配电网分布式电源运行成本，
Figure 754465DEST_PATH_IMAGE012
为日内
Figure 464933DEST_PATH_IMAGE010
时刻对区域内柔性负荷进行控制所产生的成本，
Figure 599111DEST_PATH_IMAGE013
为日内
Figure 445844DEST_PATH_IMAGE010
时刻对区域内能量型储能的运行成本，
Figure 640065DEST_PATH_IMAGE014
为日内
Figure 572249DEST_PATH_IMAGE010
时刻对区域内网损造成的能量成本，
Figure 510118DEST_PATH_IMAGE015
为日内t时刻移动资源在不同分区间转移的运行成本，
Figure 211358DEST_PATH_IMAGE016
为考虑可移动资源转移完成后充放电时段的综合运行成本，
Figure 576480DEST_PATH_IMAGE017
为日内t时刻移动资源在区域内充放电的运行成本，
Figure 995960DEST_PATH_IMAGE006
为当前时刻，
Figure 471941DEST_PATH_IMAGE018
为移动资源完成转移后的充放电完成时段，
Figure 293266DEST_PATH_IMAGE019
为可调度资源完成调度所需时间；在日内的更短时段内，对当前时刻可再生能源出力、当前时刻负荷的信息进行超短期预测，基于超短期预测结果以减少可调设备的调整成本为优化目标，进行最优潮流计算得到各个可调设备的修正量，并基于修正量对各个可调设备的实时出力进行修正，使得到各个可调设备的最优出力。
第二方面，本发明提供一种基于边端协同的乡村供用能系统优化调控系统，包括：云服务模块，配置为根据日前负荷、日前可再生能源的预测信息，以降低区域配电网运行成本为优化目标，考虑系统中潮流约束，安全性约束以及可调设备运行特性约束，进行日前区域配电网有功无功协调优化；边缘管理模块，配置为以可调度资源完成调度所需时间
Figure 829290DEST_PATH_IMAGE001
和完成充放电所需时间
Figure 736066DEST_PATH_IMAGE002
为优化周期对日内负荷、日内可再生能源的预测信息进行短期预测，使得到短期预测结果，并基于短期预测结果以预设时间段
Figure 851675DEST_PATH_IMAGE003
内的区域总运行成本最小为优化目标，确定除慢动态设备外的可调设备在预设时间段内的出力，其中，以预设时间段内的区域总运行成本最小为优化目标的表达式为：
Figure 527507DEST_PATH_IMAGE004
，式中，
Figure 437694DEST_PATH_IMAGE005
为从
Figure 956400DEST_PATH_IMAGE006
开始
Figure 446287DEST_PATH_IMAGE007
时段内考虑调度成本、网损成本、电网侧购电成本、分布式电源运行成本、柔性负荷控制成本、储能运行成本的区域总运行成本，
Figure 570101DEST_PATH_IMAGE008
为考虑可移动资源转移时段的综合运行成本，
Figure 57714DEST_PATH_IMAGE009
为日内
Figure 735820DEST_PATH_IMAGE010
时刻区域配电网发电侧购电成本，
Figure 357294DEST_PATH_IMAGE011
为日内
Figure 7719DEST_PATH_IMAGE010
时刻区域配电网分布式电源运行成本，
Figure 56446DEST_PATH_IMAGE012
为日内
Figure 159531DEST_PATH_IMAGE010
时刻对区域内柔性负荷进行控制所产生的成本，
Figure 522379DEST_PATH_IMAGE013
为日内
Figure 417523DEST_PATH_IMAGE010
时刻对区域内能量型储能的运行成本，
Figure 512518DEST_PATH_IMAGE014
为日内
Figure 899637DEST_PATH_IMAGE010
时刻对区域内网损造成的能量成本，
Figure 66176DEST_PATH_IMAGE015
为日内t时刻移动资源在不同分区间转移的运行成本，
Figure 815826DEST_PATH_IMAGE016
为考虑可移动资源转移完成后充放电时段的综合运行成本，
Figure 878460DEST_PATH_IMAGE017
为日内t时刻移动资源在区域内充放电的运行成本，
Figure 956138DEST_PATH_IMAGE006
为当前时刻，
Figure 457526DEST_PATH_IMAGE018
为移动资源完成转移后的充放电完成时段，
Figure 264945DEST_PATH_IMAGE019
为可调度资源完成调度所需时间；终端控制模块，配置为在日内的更短时段内，对当前时刻可再生能源出力、当前时刻负荷的信息进行超短期预测，基于超短期预测结果以减少可调设备的调整成本为优化目标，进行最优潮流计算得到各个可调设备的修正量，并基于修正量对各个可调设备的实时出力进行修正，使得到各个可调设备的最优出力。
第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的一种基于边端协同的乡村供用能系统优化调控方法的步骤。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行本发明任一实施例的一种基于边端协同的乡村供用能系统优化调控方法的步骤。
本申请的一种基于边端协同的乡村供用能系统优化调控方法及系统，考虑移动储能转移+充放电完成为整个计算周期，以考虑外购电成本、分布式电源运行成本、柔性负荷运行成本、定点储能运行成本、移动储能运行成本等综合运行成本最低为目标开展优化调度，并采用事件触发型滚动，当边缘计算装置监测到移动储能充电或放电完成，进行下一周期的计算，可以充分调动移动储能等资源的灵活特性，降低各区域的分布式电源功率返送带来的线路损耗和运行风险，在保障系统安全稳定的同时，实现乡村供用能系统的多能互补和邻里互济。
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边端协同的乡村供用能系统优化调控方法的流程图；
图2为本发明一实施例提供的典型乡村供用能系统的运行控制拓扑架构图；
图3为本发明一实施例提供的乡村供用能系统的多时间尺度多目标优化架构图；
图4为本发明一实施例提供的改进日内短期滚动优化过程开展流程图；
图5为本发明一实施例提供的一种基于边端协同的乡村供用能系统优化调控系统的结构框图；
图6是本发明一实施例提供的电子设备的结构示意图。
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边端协同的乡村供用能系统优化调控方法的流程图。
如图1所示，一种基于边端协同的乡村供用能系统优化调控方法包括以下步骤：
步骤S101，根据日前负荷、日前可再生能源的预测信息，以降低区域配电网运行成本为优化目标，考虑系统中潮流约束，安全性约束以及可调设备运行特性约束，进行日前区域配电网有功无功协调优化。
在本实施例中，以降低区域配电网运行成本为优化目标的表达式为：
Figure 701743DEST_PATH_IMAGE020
，
式中，
Figure 391350DEST_PATH_IMAGE021
为区域配电网运行成本，
Figure 368533DEST_PATH_IMAGE022
为日前
Figure 702563DEST_PATH_IMAGE010
时刻区域配电网发电侧购电成本，
Figure 638158DEST_PATH_IMAGE023
为日前
Figure 815061DEST_PATH_IMAGE010
时刻区域配电网分布式电源运行成本，
Figure 595935DEST_PATH_IMAGE024
为日前
Figure 784471DEST_PATH_IMAGE010
时刻对区域内柔性负荷进行控制所产生的成本，
Figure 890967DEST_PATH_IMAGE025
为日前
Figure 555167DEST_PATH_IMAGE010
时刻对区域内能量型储能的运行成本，
Figure 77415DEST_PATH_IMAGE026
为日前
Figure 510671DEST_PATH_IMAGE010
时刻对区域内网损造成的能量成本，
Figure 460172DEST_PATH_IMAGE027
为日前的计算周期；
其中，计算日前
Figure 611668DEST_PATH_IMAGE010
时刻对区域内网损造成的能量成本的表达式为：
Figure 672028DEST_PATH_IMAGE028
，
式中，
Figure 959789DEST_PATH_IMAGE029
为日前
Figure 345771DEST_PATH_IMAGE010
时刻线路
Figure 718984DEST_PATH_IMAGE030
的电流，
Figure 583035DEST_PATH_IMAGE031
为线路
Figure 990882DEST_PATH_IMAGE030
的电阻，
Figure 282186DEST_PATH_IMAGE032
为区域内单位功率对应的能量成本，
Figure 142695DEST_PATH_IMAGE033
为区域配电网中以节点
Figure 810437DEST_PATH_IMAGE034
为首端节点的支路的末端节点集合，
Figure 72791DEST_PATH_IMAGE035
为区域配电网点节点。
步骤S102，以可调度资源完成调度所需时间
Figure 331734DEST_PATH_IMAGE001
和完成充放电所需时间
Figure 554905DEST_PATH_IMAGE002
为优化周期对日内负荷、日内可再生能源的预测信息进行短期预测，使得到短期预测结果，并基于短期预测结果以预设时间段
Figure 885392DEST_PATH_IMAGE003
内的区域总运行成本最小为优化目标，确定除慢动态设备外的可调设备在预设时间段内的出力。
在本实施例中，以预设时间段内考虑网损成本的区域总运行成本最小为优化目标的表达式为：
Figure 877619DEST_PATH_IMAGE004
，
式中，
Figure 900938DEST_PATH_IMAGE005
为从
Figure 611405DEST_PATH_IMAGE006
开始
Figure 480004DEST_PATH_IMAGE007
时段内考虑调度成本、网损成本、电网侧购电成本、分布式电源运行成本、柔性负荷控制成本、储能运行成本的区域总运行成本，
Figure 592317DEST_PATH_IMAGE008
为考虑可移动资源转移时段的综合运行成本，
Figure 520959DEST_PATH_IMAGE009
为日内
Figure 718722DEST_PATH_IMAGE010
时刻区域配电网发电侧购电成本，
Figure 125432DEST_PATH_IMAGE011
为日内
Figure 92251DEST_PATH_IMAGE010
时刻区域配电网分布式电源运行成本，
Figure 457373DEST_PATH_IMAGE012
为日内
Figure 876854DEST_PATH_IMAGE010
时刻对区域内柔性负荷进行控制所产生的成本，
Figure 352834DEST_PATH_IMAGE013
为日内
Figure 174160DEST_PATH_IMAGE010
时刻对区域内能量型储能的运行成本，
Figure 710183DEST_PATH_IMAGE014
为日内
Figure 616959DEST_PATH_IMAGE010
时刻对区域内网损造成的能量成本，
Figure 896631DEST_PATH_IMAGE015
为日内t时刻移动资源在不同分区间转移的运行成本，
Figure 838042DEST_PATH_IMAGE016
为考虑可移动资源转移完成后充放电时段的综合运行成本，
Figure 544967DEST_PATH_IMAGE017
为日内t时刻移动资源在区域内充放电的运行成本，
Figure 939039DEST_PATH_IMAGE006
为当前时刻，
Figure 756823DEST_PATH_IMAGE018
为移动资源完成转移后的充放电完成时段，
Figure 287161DEST_PATH_IMAGE019
为可调度资源完成调度所需时间。
其中，计算日内
Figure 164987DEST_PATH_IMAGE010
时刻对区域内网损造成的能量成本的表达式为：
Figure 46356DEST_PATH_IMAGE036
，
式中，
Figure 667830DEST_PATH_IMAGE037
为日内t时刻线路ij的电流，
Figure 52675DEST_PATH_IMAGE038
为线路ij的电阻，
Figure 835823DEST_PATH_IMAGE039
为区域配电网中以节点i为首端节点的支路的末端节点集合，
Figure 204487DEST_PATH_IMAGE040
为区域内单位功率对应的能量成本，
Figure 364073DEST_PATH_IMAGE035
为区域配电网点节点数，
Figure 134583DEST_PATH_IMAGE041
为某一事件滚动窗口的大小；
计算日内t时刻移动资源在不同分区间转移的运行成本的表达式为：
Figure 88633DEST_PATH_IMAGE042
，
式中，
Figure 944593DEST_PATH_IMAGE043
为日内可移动资源是否转移的计算因子，当第i个可移动资源需要从邻区域转移至本区域时，
Figure 907870DEST_PATH_IMAGE044
，其他情况，
Figure 860783DEST_PATH_IMAGE045
，
Figure 126679DEST_PATH_IMAGE046
为区域内第i个可移动资源的单位时间的转移成本，
Figure 328990DEST_PATH_IMAGE035
为区域配电网点节点数；
计算日内t时刻移动资源在区域内充放电的运行成本的表达式为：
Figure 971324DEST_PATH_IMAGE047
，
式中，
Figure 575481DEST_PATH_IMAGE048
为日内可移动资源是否在区域内充放电的计算因子，当第i个可移动资源在区域内充放电时，
Figure 12278DEST_PATH_IMAGE049
，其他情况，
Figure 701886DEST_PATH_IMAGE050
，
Figure 882331DEST_PATH_IMAGE051
为区域内第i个可移动资源的单位充放电功率对应的能量成本，
Figure 606574DEST_PATH_IMAGE052
为区域内第i个可移动资源的充放电功率，
Figure 542168DEST_PATH_IMAGE035
为区域配电网点节点数。
在本实施例中，以包含移动储能调度成本、电网侧购电成本、分布式电源运行成本、柔性负荷控制成本、储能运行成本等供用能系统综合成本最低为优化目标，使得考虑了可移动资源在不同区域间的移动成本和线损成本，以便于削峰填谷和降低功率返送产生的线损，并且采用事件触发型滚动，当边缘计算装置监测到移动储能充电或放电完成，进行下一周期的计算，可以充分调动移动储能等资源的灵活特性，降低各区域的分布式电源功率返送带来的线路损耗和运行风险，在保障系统安全稳定的同时，实现乡村供用能系统的多能互补和邻里互济。
步骤S103，在日内的更短时段内，在日内的更短时段内，对当前时刻可再生能源出力、当前时刻负荷的信息进行超短期预测，基于超短期预测结果以减少可调设备的调整成本为优化目标，进行最优潮流计算得到各个可调设备的修正量，并基于修正量对各个可调设备的实时出力进行修正，使得到各个可调设备的最优出力，其中，更短时段小于某一事件滚动窗口的大小
Figure 594438DEST_PATH_IMAGE041
，以减少可调设备的调整成本为优化目标的表达式为：
Figure 703208DEST_PATH_IMAGE053
式中，
Figure 157324DEST_PATH_IMAGE054
为乡村供用能系统日内超短期的综合运行成本，
Figure 60557DEST_PATH_IMAGE055
为乡村供用能系统日内超短期的发电侧购电成本，
Figure 193599DEST_PATH_IMAGE056
为乡村供用能系统日内超短期的发电侧购电功率调整量，
Figure 715847DEST_PATH_IMAGE057
为乡村供用能系统日内超短期的分布式电源单位功率的运行成本，
Figure 149102DEST_PATH_IMAGE058
为日内超短期t时刻第i个分布式电源的出力调整量，
Figure 98604DEST_PATH_IMAGE059
为积分因子，
Figure 984520DEST_PATH_IMAGE060
为第i个功率型储能单位功率的运行成本，
Figure 310459DEST_PATH_IMAGE061
为第i个功率型储能单位功率的实时功率调整量，
Figure 598221DEST_PATH_IMAGE062
为t时刻节点i,j的电流，
Figure 46520DEST_PATH_IMAGE063
为区域内发电侧购电节点集合，
Figure 826257DEST_PATH_IMAGE064
为区域内所有分布式电源节点集合，
Figure 814942DEST_PATH_IMAGE065
为区域内所有功率型储能节点集合，
Figure 160472DEST_PATH_IMAGE066
为线路
Figure 717356DEST_PATH_IMAGE030
的电阻，
Figure 577864DEST_PATH_IMAGE033
为区域配电网中以节点
Figure 511185DEST_PATH_IMAGE034
为首端节点的支路的末端节点集合，
Figure 507960DEST_PATH_IMAGE067
为日内超短期反馈矫正时区域内线路ij损失单位能量的运行成本，
Figure 235745DEST_PATH_IMAGE035
为区域配电网点节点数。
综上，本申请的方法，考虑乡村用能系统中终端用户用能特性繁杂多样，不同能源系统的运行特征显著不同等特点，以包含网损成本、发电侧购电成本、分布式电源运行成本、柔性负荷控制成本、储能运行成本等供用能系统综合成本最低为目标，采用日前优化-日内短期滚动优化-日内超短期反馈矫正优化多时间尺度的优化调度，在保障系统安全稳定的同时，实现乡村供用能系统的多能互补和邻里互济。
请参阅图2，其示出了本申请的典型乡村供用能系统的运行控制拓扑架构图。
如图2所示，某乡村供用能系统包括：
（1-1）云服务层
乡村共用能系统云服务主站为乡村供用能系统主站，根据区域分布式电源出力预测、负荷预测数据，建立系统最优调度计划，同时兼顾燃气发电、生物质发电等常规机组最小经济出力、潮流分布等约束条件，制定滚动调度计划，完成边端供用能系统的有功、无功的一次分配。云服务主站包括运行监测、出力预测、负荷预测、日前调度等业务功能模块。
（1-2）边缘管理层
智能管控装置对乡村供用能系统进行实时监控,对运行数据、调节能力等进行整合,实现运行信息的实时统计、完成云服务主站与终端控制单元信息汇总和交换，开展日内滚动优化调度，确定参与控制的可控资源及其控制目标，完成系统暂稳态条件下有功、无功控制。同时，不同区域边缘管理层智能管控单元之间可以实现边-边通信实时交互可调度的分布式储能、电动汽车等可移动资源，参与日内优化调度，降低运行成本，减少分布式电源功率返送。
（1-3）终端控制层
终端控制层完成底层机组优化控制，完成乡村供用能系统控制主站分配的控制目标的三次分配，即确定参与控制的可控资源（包括分布式发电、储能、负荷）及其控制量。另一方面对底层设备进行监测，底层机组运行信息、预测数据等实时上传至智能管控单元。终端控制层根据终端设备的不同可分为负荷控制器、DG控制器、储能控制器等。
在本实施例中，通过云端系统-边缘计算装置-终端控制器三层控制架构，在实现乡村供用能系统中大量水、光、地热、沼气等分布式清洁能源高效管控，可有效减少配网调度节点，减少调控一二次设备投资，大幅降低调控成本。同时，通过边端-边端的实时信息交互，获取各分区的可调度资源分布状态和可调度情况，以便于充分利用可调度资源灵活移动的特点，在各分区进行削峰填谷，减少因功率倒送产生的网损。
请参阅图3，其示出了本申请的乡村供用能系统的多时间尺度多目标优化架构图。
如图3所示，以某乡村供用能系统为例，多时间尺度多目标优化架构包括：
1、日前优化
根据日前区域配电网内负荷、可再生能源的预测信息，以及柔性负荷的补偿报价信息，以配电网运行成本最小化，以及区域配电网内总网损最小化为优化目标，进行日前优化。日前优化的单位时间间隔为1h，优化模型中的控制变量包括：分布式电源（包括可再生能源）的有功无功出力，区域配电网向发电侧购电的成本，柔性负荷的调节量，能量型储能的充放电功率，补偿电容器的无功出力，静止无功补偿装置SVC的出力，以及有载调压器的变比。
2、日内滚动调度计划
在日内阶段，慢动态设备的动作量已在日前优化中确定。为了充分利用移动可调度资源，实现各区域运行成本优化和避免功率倒送造成的线损增大，日内阶段以可调度资源完成调度过程（所需时间
Figure 317970DEST_PATH_IMAGE068
，为移动资源从一个分区转移到另一个分区的时间），并完成充放电过程（所需时间
Figure 523823DEST_PATH_IMAGE069
，为移动资源到达新分区时，完成充放电过程的时间）为优化周期，对可再生能源和负荷的信息进行短期预测。
如图4所示，首先，根据当前短期预测结果，综合考虑调度成本、电网侧购电成本、分布式电源运行成本、柔性负荷控制成本、储能运行成本等供用能系统综合成本最低为目标，确定除慢动态设备外其他调控手段在未来（
Figure 640684DEST_PATH_IMAGE070
）时间的最优出力，其中
Figure 539370DEST_PATH_IMAGE071
；
然后，边缘管理装置通过边-边交互方式向邻区边缘管理装置发送可移动资源调度申请；
若，邻区边缘管理装置同意可移动资源调度申请，边缘管理装置向终端控制器发送控制指令，控制各单元运行；
若，邻区边缘管理装置不同意可移动资源调度申请，边缘管理装置以电网侧购电成本、分布式电源运行成本、柔性负荷控制成本、储能运行成本等供用能系统综合成本最低为目标，确定除慢动态设备外其他调控手段在未来（
Figure 108892DEST_PATH_IMAGE070
）时间的出力，其中
Figure 384015DEST_PATH_IMAGE071
；并向终端控制器发送控制指令，
进一步，当边缘管理装置接收到临近边缘管理装置调度可移动资源需求或本周期内指令执行结束或有可移动资源充放电结束，即为达到滚动优化触发条件，以同样方法开展下一周期的优化计算。
3、实时反馈矫正计划
在日内短期滚动优化的基础上，为了进一步修正可再生能源和负荷预测误差对区域配电网运行的影响，对误差进行超短期预测，并根据预测误差，进行日内超短期反馈校正优化，对日内短期滚动优化的指令进行相应的调整。
超短期反馈校正优化不是对滚动优化结果的完全推翻，只是在滚动优化结果的基础上，根据最新的超短期误差预测进行相应的调整。反馈校正模型是一个静态的优化模型，只对当前时刻的各单元出力做调整，模型的目标是使调整成本尽量小。
超短期反馈校正优化的运行周期为
Figure 620961DEST_PATH_IMAGE072
（
Figure 752865DEST_PATH_IMAGE072
<
Figure 950629DEST_PATH_IMAGE073
），为保证优化分析与配电网AVC相配合，此处超短期反馈校正优化的运行周期为15min。在优化模型中，考虑到用户舒适度方面的要求，不再调整直接负荷控制的调控计划，且系统中各机组的启停状态与滚动阶段相一致。
请参阅图5，其示出了本申请的一种基于边端协同的乡村供用能系统优化调控系统的结构框图。
如图5所示，乡村供用能系统优化调控系统200，包括云服务模块210、边缘管理模块220以及终端控制模块230。
其中，云服务模块210，配置为根据日前负荷、日前可再生能源的预测信息，以降低区域配电网运行成本为优化目标，考虑系统中潮流约束，安全性约束以及可调设备运行特性约束，进行日前区域配电网有功无功协调优化；边缘管理模块220，配置为以可调度资源完成调度所需时间
Figure 622918DEST_PATH_IMAGE001
和完成充放电所需时间
Figure 855317DEST_PATH_IMAGE002
为优化周期对日内负荷、日内可再生能源的预测信息进行短期预测，使得到短期预测结果，并基于短期预测结果以预设时间段
Figure 978297DEST_PATH_IMAGE003
内的区域总运行成本最小为优化目标，确定除慢动态设备外的可调设备在预设时间段内的出力，其中，以预设时间段内的区域总运行成本最小为优化目标的表达式为：
Figure 991252DEST_PATH_IMAGE004
，式中，
Figure 342599DEST_PATH_IMAGE005
为从
Figure 288559DEST_PATH_IMAGE006
开始
Figure 699948DEST_PATH_IMAGE007
时段内考虑调度成本、网损成本、电网侧购电成本、分布式电源运行成本、柔性负荷控制成本、储能运行成本的区域总运行成本，
Figure 996938DEST_PATH_IMAGE008
为考虑可移动资源转移时段的综合运行成本，
Figure 886396DEST_PATH_IMAGE009
为日内
Figure 952441DEST_PATH_IMAGE010
时刻区域配电网发电侧购电成本，
Figure 269153DEST_PATH_IMAGE011
为日内
Figure 787859DEST_PATH_IMAGE010
时刻区域配电网分布式电源运行成本，
Figure 481009DEST_PATH_IMAGE012
为日内
Figure 401560DEST_PATH_IMAGE010
时刻对区域内柔性负荷进行控制所产生的成本，
Figure 482648DEST_PATH_IMAGE013
为日内
Figure 364017DEST_PATH_IMAGE010
时刻对区域内能量型储能的运行成本，
Figure 719912DEST_PATH_IMAGE014
为日内
Figure 370336DEST_PATH_IMAGE010
时刻对区域内网损造成的能量成本，
Figure 419063DEST_PATH_IMAGE015
为日内t时刻移动资源在不同分区间转移的运行成本，
Figure 787728DEST_PATH_IMAGE016
为考虑可移动资源转移完成后充放电时段的综合运行成本，
Figure 947314DEST_PATH_IMAGE017
为日内t时刻移动资源在区域内充放电的运行成本，
Figure 452244DEST_PATH_IMAGE006
为当前时刻，
Figure 671873DEST_PATH_IMAGE018
为移动资源完成转移后的充放电完成时段，
Figure 527834DEST_PATH_IMAGE019
为可调度资源完成调度所需时间；终端控制模块230，配置为在日内的更短时段内，对当前时刻可再生能源出力、当前时刻负荷的信息进行超短期预测，基于超短期预测结果以减少可调设备的调整成本为优化目标，进行最优潮流计算得到各个可调设备的修正量，并基于修正量对各个可调设备的实时出力进行修正，使得到各个可调设备的最优出力。
应当理解，图5中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征以及相应的技术效果同样适用于图5中的诸模块，在此不再赘述。
在另一些实施例中，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于边端协同的乡村供用能系统优化调控方法；
作为一种实施方式，本发明的计算机可读存储介质存储有计算机可执行指令，计算机可执行指令设置为：
根据日前负荷、日前可再生能源的预测信息，以降低区域配电网运行成本为优化目标，考虑系统中潮流约束，安全性约束以及可调设备运行特性约束，进行日前区域配电网有功无功协调优化；
以可调度资源完成调度所需时间
Figure 491111DEST_PATH_IMAGE001
和完成充放电所需时间
Figure 116127DEST_PATH_IMAGE002
为优化周期对日内负荷、日内可再生能源的预测信息进行短期预测，使得到短期预测结果，并基于短期预测结果以预设时间段
Figure 506657DEST_PATH_IMAGE003
内的区域总运行成本最小为优化目标，确定除慢动态设备外的可调设备在预设时间段内的出力；
在日内的更短时段内，对当前时刻可再生能源出力、当前时刻负荷的信息进行超短期预测，基于超短期预测结果以减少可调设备的调整成本为优化目标，进行最优潮流计算得到各个可调设备的修正量，并基于修正量对各个可调设备的实时出力进行修正，使得到各个可调设备的最优出力。
计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据基于边端协同的乡村供用能系统优化调控系统的使用所创建的数据等。此外，计算机可读存储介质可以包括高速随机存取存储器，还可以包括存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至基于边端协同的乡村供用能系统优化调控系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图6是本发明实施例提供的电子设备的结构示意图，如图6所示，该设备包括：一个处理器310以及存储器320。电子设备还可以包括：输入装置330和输出装置340。处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图6中以通过总线连接为例。存储器320为上述的计算机可读存储介质。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例基于边端协同的乡村供用能系统优化调控方法。输入装置330可接收输入的数字或字符信息，以及产生与基于边端协同的乡村供用能系统优化调控系统的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
作为一种实施方式，上述电子设备应用于基于边端协同的乡村供用能系统优化调控系统中，用于客户端，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
根据日前负荷、日前可再生能源的预测信息，以降低区域配电网运行成本为优化目标，考虑系统中潮流约束，安全性约束以及可调设备运行特性约束，进行日前区域配电网有功无功协调优化；
以可调度资源完成调度所需时间
Figure 584334DEST_PATH_IMAGE001
和完成充放电所需时间
Figure 351302DEST_PATH_IMAGE002
为优化周期对日内负荷、日内可再生能源的预测信息进行短期预测，使得到短期预测结果，并基于短期预测结果以预设时间段
Figure 830825DEST_PATH_IMAGE003
内的区域总运行成本最小为优化目标，确定除慢动态设备外的可调设备在预设时间段内的出力；
在日内的更短时段内，对当前时刻可再生能源出力、当前时刻负荷的信息进行超短期预测，基于超短期预测结果以减少可调设备的调整成本为优化目标，进行最优潮流计算得到各个可调设备的修正量，并基于修正量对各个可调设备的实时出力进行修正，使得到各个可调设备的最优出力。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分的方法。
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 (9)

1.一种基于边端协同的乡村供用能系统优化调控方法，其特征在于，包括：
根据日前负荷、日前可再生能源的预测信息，以降低区域配电网运行成本为优化目标，考虑系统中潮流约束，安全性约束以及可调设备运行特性约束，进行日前区域配电网有功无功协调优化；
以可调度资源完成调度所需时间
Figure 534920DEST_PATH_IMAGE001
和完成充放电所需时间
Figure 694506DEST_PATH_IMAGE002
为优化周期对日内负荷、日内可再生能源的预测信息进行短期预测，使得到短期预测结果，并基于短期预测结果以预设时间段
Figure 199437DEST_PATH_IMAGE003
内的区域总运行成本最小为优化目标，确定除慢动态设备外的可调设备在预设时间段内的出力，其中，以预设时间段内的区域总运行成本最小为优化目标的表达式为：
Figure 419066DEST_PATH_IMAGE004
，
式中，
Figure 275026DEST_PATH_IMAGE005
为从
Figure 972724DEST_PATH_IMAGE006
开始
Figure 863319DEST_PATH_IMAGE007
时段内考虑调度成本、网损成本、电网侧购电成本、分布式电源运行成本、柔性负荷控制成本、储能运行成本的区域总运行成本，
Figure 988270DEST_PATH_IMAGE008
为考虑可移动资源转移时段的综合运行成本，
Figure 65948DEST_PATH_IMAGE009
为日内
Figure 832915DEST_PATH_IMAGE010
时刻区域配电网发电侧购电成本，
Figure 312438DEST_PATH_IMAGE011
为日内
Figure 873870DEST_PATH_IMAGE010
时刻区域配电网分布式电源运行成本，
Figure 438843DEST_PATH_IMAGE012
为日内
Figure 478343DEST_PATH_IMAGE010
时刻对区域内柔性负荷进行控制所产生的成本，
Figure 77952DEST_PATH_IMAGE013
为日内
Figure 810284DEST_PATH_IMAGE010
时刻对区域内能量型储能的运行成本，
Figure 862554DEST_PATH_IMAGE014
为日内
Figure 705745DEST_PATH_IMAGE010
时刻对区域内网损造成的能量成本，
Figure 159860DEST_PATH_IMAGE015
为日内t时刻移动资源在不同分区间转移的运行成本，
Figure 735198DEST_PATH_IMAGE016
为考虑可移动资源转移完成后充放电时段的综合运行成本，
Figure 602660DEST_PATH_IMAGE017
为日内t时刻移动资源在区域内充放电的运行成本，
Figure 921646DEST_PATH_IMAGE006
为当前时刻，
Figure 354901DEST_PATH_IMAGE018
为移动资源完成转移后的充放电完成时段，
Figure 304403DEST_PATH_IMAGE019
为可调度资源完成调度所需时间；
在日内的更短时段内，对当前时刻可再生能源出力、当前时刻负荷的信息进行超短期预测，基于超短期预测结果以减少可调设备的调整成本为优化目标，进行最优潮流计算得到各个可调设备的修正量，并基于修正量对各个可调设备的实时出力进行修正，使得到各个可调设备的最优出力。
2.根据权利要求1所述的一种基于边端协同的乡村供用能系统优化调控方法，其特征在于，以减少可调设备的调整成本为优化目标的表达式为：
Figure 190319DEST_PATH_IMAGE020
式中，
Figure 516258DEST_PATH_IMAGE021
为乡村供用能系统日内超短期的综合运行成本，
Figure 804020DEST_PATH_IMAGE022
为乡村供用能系统日内超短期的发电侧购电成本，
Figure 924423DEST_PATH_IMAGE023
为乡村供用能系统日内超短期的发电侧购电功率调整量，
Figure 563215DEST_PATH_IMAGE024
为乡村供用能系统日内超短期的分布式电源单位功率的运行成本，
Figure 427265DEST_PATH_IMAGE025
为日内超短期t时刻第i个分布式电源的出力调整量，
Figure 569534DEST_PATH_IMAGE026
为积分因子，
Figure 126417DEST_PATH_IMAGE027
为第i个功率型储能单位功率的运行成本，
Figure 986926DEST_PATH_IMAGE028
为第i个功率型储能单位功率的实时功率调整量，
Figure 389088DEST_PATH_IMAGE029
为t时刻节点i,j的电流，
Figure 854705DEST_PATH_IMAGE030
为区域内发电侧购电节点集合，
Figure 707123DEST_PATH_IMAGE031
为区域内所有分布式电源节点集合，
Figure 664715DEST_PATH_IMAGE032
为区域内所有功率型储能节点集合，
Figure 260781DEST_PATH_IMAGE033
为线路
Figure 253008DEST_PATH_IMAGE034
的电阻，
Figure 10748DEST_PATH_IMAGE035
为区域配电网中以节点
Figure 721215DEST_PATH_IMAGE036
为首端节点的支路的末端节点集合，
Figure 120973DEST_PATH_IMAGE037
为日内超短期反馈矫正时区域内线路ij损失单位能量的运行成本，
Figure 967706DEST_PATH_IMAGE038
为区域配电网点节点数。
3.根据权利要求1所述的一种基于边端协同的乡村供用能系统优化调控方法，其特征在于，所述区域总运行成本包括移动储能调度成本、网损成本、电网侧购电成本、分布式电源运行成本、柔性负荷控制成本以及储能运行成本。
4.根据权利要求1所述的一种基于边端协同的乡村供用能系统优化调控方法，其特征在于，所述慢动态设备包括能量型储能设备、电力又在调压器以及补偿电容器，所述可调设备包括可调节负荷设备、可调分布式电源设备、功率型储能设备以及可移动资源设备。
5.根据权利要求1所述的一种基于边端协同的乡村供用能系统优化调控方法，其特征在于，以降低区域配电网运行成本为优化目标的表达式为：
Figure 161927DEST_PATH_IMAGE039
，
式中，
Figure 94111DEST_PATH_IMAGE040
为区域配电网运行成本，
Figure 235242DEST_PATH_IMAGE041
为日前
Figure 326695DEST_PATH_IMAGE010
时刻区域配电网发电侧购电成本，
Figure 301604DEST_PATH_IMAGE042
为日前
Figure 111297DEST_PATH_IMAGE010
时刻区域配电网分布式电源运行成本，
Figure 462644DEST_PATH_IMAGE043
为日前
Figure 408603DEST_PATH_IMAGE010
时刻对区域内柔性负荷进行控制所产生的成本，
Figure 554414DEST_PATH_IMAGE044
为日前
Figure 585824DEST_PATH_IMAGE010
时刻对区域内能量型储能的运行成本，
Figure 740862DEST_PATH_IMAGE045
为日前
Figure 541327DEST_PATH_IMAGE010
时刻对区域内网损造成的能量成本，
Figure 123618DEST_PATH_IMAGE046
为日前的计算周期。
6.根据权利要求5所述的一种基于边端协同的乡村供用能系统优化调控方法，其特征在于，其中，计算日前
Figure 642325DEST_PATH_IMAGE010
时刻对区域内网损造成的能量成本的表达式为：
Figure 335474DEST_PATH_IMAGE047
，
式中，
Figure 256025DEST_PATH_IMAGE048
为日前
Figure 9218DEST_PATH_IMAGE010
时刻线路
Figure 749641DEST_PATH_IMAGE034
的电流，
Figure 246481DEST_PATH_IMAGE049
为线路
Figure 21539DEST_PATH_IMAGE034
的电阻，
Figure 211212DEST_PATH_IMAGE050
为区域内单位功率对应的能量成本，
Figure 704510DEST_PATH_IMAGE035
为区域配电网中以节点
Figure 739462DEST_PATH_IMAGE036
为首端节点的支路的末端节点集合，
Figure 369027DEST_PATH_IMAGE038
为区域配电网点节点数。
7.一种基于边端协同的乡村供用能系统优化调控系统，其特征在于，包括：
云服务模块，配置为根据日前负荷、日前可再生能源的预测信息，以降低区域配电网运行成本为优化目标，考虑系统中潮流约束，安全性约束以及可调设备运行特性约束，进行日前区域配电网有功无功协调优化；
边缘管理模块，配置为以可调度资源完成调度所需时间
Figure 464022DEST_PATH_IMAGE001
和完成充放电所需时间
Figure 179037DEST_PATH_IMAGE002
为优化周期对日内负荷、日内可再生能源的预测信息进行短期预测，使得到短期预测结果，并基于短期预测结果以预设时间段
Figure 17680DEST_PATH_IMAGE003
内的区域总运行成本最小为优化目标，确定除慢动态设备外的可调设备在预设时间段内的出力，其中，以预设时间段内的区域总运行成本最小为优化目标的表达式为：
Figure 767330DEST_PATH_IMAGE004
，
式中，
Figure 33226DEST_PATH_IMAGE005
为从
Figure 235538DEST_PATH_IMAGE006
开始
Figure 612292DEST_PATH_IMAGE007
时段内考虑调度成本、网损成本、电网侧购电成本、分布式电源运行成本、柔性负荷控制成本、储能运行成本的区域总运行成本，
Figure 216449DEST_PATH_IMAGE008
为考虑可移动资源转移时段的综合运行成本，
Figure 653247DEST_PATH_IMAGE009
为日内
Figure 342854DEST_PATH_IMAGE010
时刻区域配电网发电侧购电成本，
Figure 851196DEST_PATH_IMAGE011
为日内
Figure 450804DEST_PATH_IMAGE010
时刻区域配电网分布式电源运行成本，
Figure 855241DEST_PATH_IMAGE012
为日内
Figure 766565DEST_PATH_IMAGE010
时刻对区域内柔性负荷进行控制所产生的成本，
Figure 750701DEST_PATH_IMAGE013
为日内
Figure 329450DEST_PATH_IMAGE010
时刻对区域内能量型储能的运行成本，
Figure 108050DEST_PATH_IMAGE014
为日内
Figure 506671DEST_PATH_IMAGE010
时刻对区域内网损造成的能量成本，
Figure 28919DEST_PATH_IMAGE015
为日内t时刻移动资源在不同分区间转移的运行成本，
Figure 462174DEST_PATH_IMAGE016
为考虑可移动资源转移完成后充放电时段的综合运行成本，
Figure 411676DEST_PATH_IMAGE017
为日内t时刻移动资源在区域内充放电的运行成本，
Figure 563171DEST_PATH_IMAGE006
为当前时刻，
Figure 623531DEST_PATH_IMAGE018
为移动资源完成转移后的充放电完成时段，
Figure 176872DEST_PATH_IMAGE019
为可调度资源完成调度所需时间；
终端控制模块，配置为在日内的更短时段内，对当前时刻可再生能源出力、当前时刻负荷的信息进行超短期预测，基于超短期预测结果以减少可调设备的调整成本为优化目标，进行最优潮流计算得到各个可调设备的修正量，并基于修正量对各个可调设备的实时出力进行修正，使得到各个可调设备的最优出力。
8.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至6任一项所述的方法。
CN202111345222.3A 2021-11-15 2021-11-15 一种基于边端协同的乡村供用能系统优化调控方法及系统 Active CN113783193B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111345222.3A CN113783193B (zh) 2021-11-15 2021-11-15 一种基于边端协同的乡村供用能系统优化调控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111345222.3A CN113783193B (zh) 2021-11-15 2021-11-15 一种基于边端协同的乡村供用能系统优化调控方法及系统

Publications (2)

Publication Number Publication Date
CN113783193A true CN113783193A (zh) 2021-12-10
CN113783193B CN113783193B (zh) 2022-04-12

Family

ID=78873928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111345222.3A Active CN113783193B (zh) 2021-11-15 2021-11-15 一种基于边端协同的乡村供用能系统优化调控方法及系统

Country Status (1)

Country Link
CN (1) CN113783193B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114519543A (zh) * 2022-04-21 2022-05-20 国网江西省电力有限公司电力科学研究院 一种乡村多能源系统边缘自治运行方法及系统
CN114781946A (zh) * 2022-06-21 2022-07-22 国网江西省电力有限公司电力科学研究院 一种用于供用能系统的聚合方法
CN115378042A (zh) * 2022-10-25 2022-11-22 国网江西省电力有限公司电力科学研究院 一种分布式柔性资源协调控制方法
CN117613923A (zh) * 2024-01-22 2024-02-27 国网天津市电力公司宁河供电分公司 一种基于动态分区的配电网调度方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110009262A (zh) * 2019-04-28 2019-07-12 国网福建省电力有限公司福州供电公司 一种主动配电网的日前-日内两阶段优化调度方法
EP3719737A1 (de) * 2019-04-03 2020-10-07 Siemens Aktiengesellschaft Computergestütztes energiemanagementverfahren und energiemanagementsystem
CN113595239A (zh) * 2021-06-17 2021-11-02 国电南瑞科技股份有限公司 一种云边端协同的变电站智能管控系统
CN113610303A (zh) * 2021-08-09 2021-11-05 北京邮电大学 一种负荷预测方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3719737A1 (de) * 2019-04-03 2020-10-07 Siemens Aktiengesellschaft Computergestütztes energiemanagementverfahren und energiemanagementsystem
CN110009262A (zh) * 2019-04-28 2019-07-12 国网福建省电力有限公司福州供电公司 一种主动配电网的日前-日内两阶段优化调度方法
CN113595239A (zh) * 2021-06-17 2021-11-02 国电南瑞科技股份有限公司 一种云边端协同的变电站智能管控系统
CN113610303A (zh) * 2021-08-09 2021-11-05 北京邮电大学 一种负荷预测方法及系统

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
GENG NIU: "Power Supply Reliability Evaluation Method for DC Distribution Network with Power Energy Router", 《THE 9TH CHINA INTERNATIONAL CONFERENCE ON ELECTRICITY DISTRIBUTION》 *
YING ZHANG: "Optimal_Dispatching_of_Regional_Integrated_Energy_System_Based_on_SMPC", 《2020 IEEE 4TH CONFERENCE ON ENERGY INTERNET AND ENERGY SYSTEM INTEGRATION (EI2)》 *
孟晓丽: "含分布式电源的配电网日前两阶段优化调度模型", 《电网技术》 *
季 宇: "基于经济运行模型的储能系统投资效益分析", 《电力系统保护与控制》 *
廖剑波: "主动配电网的日前-日内两阶段优化调度", 《现代电力》 *
张颖: "计及储能与分布式电源协同的配电网分层分区优化控制", 《中国电力》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114519543A (zh) * 2022-04-21 2022-05-20 国网江西省电力有限公司电力科学研究院 一种乡村多能源系统边缘自治运行方法及系统
CN114781946A (zh) * 2022-06-21 2022-07-22 国网江西省电力有限公司电力科学研究院 一种用于供用能系统的聚合方法
CN114781946B (zh) * 2022-06-21 2022-11-11 国网江西省电力有限公司电力科学研究院 一种用于供用能系统的聚合方法
CN115378042A (zh) * 2022-10-25 2022-11-22 国网江西省电力有限公司电力科学研究院 一种分布式柔性资源协调控制方法
CN117613923A (zh) * 2024-01-22 2024-02-27 国网天津市电力公司宁河供电分公司 一种基于动态分区的配电网调度方法及系统
CN117613923B (zh) * 2024-01-22 2024-04-05 国网天津市电力公司宁河供电分公司 一种基于动态分区的配电网调度方法及系统

Also Published As

Publication number Publication date
CN113783193B (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN113783193B (zh) 一种基于边端协同的乡村供用能系统优化调控方法及系统
Zhao et al. An MAS based energy management system for a stand-alone microgrid at high altitude
Luo et al. A two-stage optimization and control for CCHP microgrid energy management
CN107958300B (zh) 一种考虑互动响应的多微网互联运行协调调度优化方法
Hu et al. Agent-based coordinated operation strategy for active distribution network with distributed energy resources
CN110826880B (zh) 一种大规模电动汽车接入的主动配电网优化调度方法
CN108808740B (zh) 多区域互联电网的多时间尺度的调度方法、装置以及存储介质
Chen et al. Multi-time scale coordinated optimal dispatch of microgrid cluster based on MAS
CN106532751B (zh) 一种分布式电源能效优化方法及系统
CN102684199A (zh) 一种微电网与配电网交换功率的多时间尺度控制方法
CN111293682B (zh) 一种基于协同模型预测控制的多微网能量管理方法
CN114498639B (zh) 一种考虑需求响应的多微电网联合互济的日前调度方法
CN108462198A (zh) 一种基于多代理技术的多能互补微网优化调度方法
Khan et al. Optimal energy scheduling strategy for multi-energy generation grid using multi-agent systems
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
CN114825388A (zh) 一种基于源网荷储协同的新能源综合消纳调度方法
Wang et al. Hierarchically coordinated optimization of power distribution systems with soft open points and electric vehicles
CN113285475A (zh) 一种基于边云协同计算的多储能联合优化主动调控方法
CN111817296A (zh) 一种微电网用电能调度方法及系统
CN115935619A (zh) 基于需求响应的主动配电网日前低碳调度方法及装置
CN116191556A (zh) 考虑新能源消纳和机组组合的5g基站需求响应方法及系统
CN115776125A (zh) 一种储能与新能源场站的协同运行优化方法及装置
CN112467774B (zh) 基于全局能效寻优和soc自适应的储能系统管控方法及装置
CN116191505A (zh) 一种低压台区源荷储充全局动态互动的调节方法及装置
Chandio et al. Gridpeaks: Employing distributed energy storage for grid peak reduction

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