CN115051384A - 一种调频性能评估方法、装置、设备及介质 - Google Patents

一种调频性能评估方法、装置、设备及介质 Download PDF

Info

Publication number
CN115051384A
CN115051384A CN202210984460.7A CN202210984460A CN115051384A CN 115051384 A CN115051384 A CN 115051384A CN 202210984460 A CN202210984460 A CN 202210984460A CN 115051384 A CN115051384 A CN 115051384A
Authority
CN
China
Prior art keywords
target
determining
frequency modulation
frequency
electric vehicle
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
CN202210984460.7A
Other languages
English (en)
Other versions
CN115051384B (zh
Inventor
陈吉奂
刘海峰
李梁
郑松松
邢建旭
李波
卢峰
李媛
邢翼
陈婧韵
沈晓斌
洪敏�
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.)
State Grid Zhejiang Electric Power Co Ltd
Huzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Huzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
State Grid Zhejiang Electric Vehicle Service 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 State Grid Zhejiang Electric Power Co Ltd, Huzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd, State Grid Zhejiang Electric Vehicle Service Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202210984460.7A priority Critical patent/CN115051384B/zh
Publication of CN115051384A publication Critical patent/CN115051384A/zh
Application granted granted Critical
Publication of CN115051384B publication Critical patent/CN115051384B/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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy 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
    • H02J3/28—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
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • 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
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了一种调频性能评估方法、装置、设备及介质，涉及电力服务领域，该方法包括：实时监测电网频率，在电网频率满足预设有效扰动条件时，监测各目标电动汽车负荷聚合商的自动调节装置对电网的调频过程；确定调频过程中的目标参数，并利用预先基于人工智能模型确定的基线负荷确定各目标电动汽车负荷聚合商对应的目标指标；基于所述目标指标，利用逼近理想解排序法确定调频过程中各目标电动汽车负荷聚合商的综合评估结果，以对所述各目标电动汽车负荷聚合商的调频性能进行综合排序。本发明可以利用响应速度指标、调整幅度指标、调整偏差指标以及电量贡献指标实现对电动汽车负荷聚合商调频更严谨、客观和全面的动态评估与综合排序。

Description

一种调频性能评估方法、装置、设备及介质
技术领域
本发明涉及电力服务领域，特别涉及一种调频性能评估方法、装置、设备及介质。
背景技术
充电桩负荷聚合商（即EVA，Electrical vehicle aggregator）作为辅助服务的市场主体，其主要的市场职责就是管理平台所聚集的充电桩，并且利用其可调的负荷弹性来参与辅助服务市场，控制其平台所聚合的充电桩来实现需求侧响应。由于EVA与其聚合的用户、运营商以及系统运营商（电网）之间都存在合同中所规定的责任，因此负荷聚合商必须要使用合适的控制算法来保证其服务品质（QoS）满足辅助服务市场规则中的要求。EVA在参与辅助服务市场的前提是能够对其调峰调频响应的性能进行有效评估，并且根据评估效果和辅助服务市场相关规则来实施奖惩措施。
目前已有的调频响应的评估方法一般都是针对于发电机组，主要以传统的发电机组为准，也有少量的新能源机组如风电光伏的评估方法和标准体系。目前的调频响应的评估方法主要有以一次调频贡献电量为主要性能评价指标，提出了机组一次调频能力的考核及补偿方法，具体是利用调频死区和调速不等率作为监测对象，但这些参数指标基本都是基于机组稳态运行时的静态指标，不能反映机组在电网出现扰动或事故后的快速支援能力，而这种能力对电网的动态稳定性更为关键。
由上可见，在评估EVA参与辅助服务的性能的过程中，如何避免出现由于现有的调频响应的评估方法无法实现对EVA的综合动态评估的情况是本领域有待解决的问题。
发明内容
有鉴于此，本发明的目的在于提供一种调频性能评估方法、装置、设备及介质，能够实现对电动汽车负荷聚合商调频更严谨、客观和全面的动态评估，且可以利用逼近理想解排序法对当前全部的电动汽车负荷聚合商进行调频性能的综合排序。其具体方案如下：
第一方面，本申请公开了一种调频性能评估方法，包括：
实时监测电网频率，并在所述电网频率满足预设有效扰动条件时，监测各目标电动汽车负荷聚合商的自动调节装置对所述电网的调频过程；
确定所述调频过程中电网中的目标参数，以利用预先基于人工智能模型确定的基线负荷与所述目标参数确定各目标电动汽车负荷聚合商的自动调节装置对应的目标指标；所述目标指标包括响应速度指标、调整幅度指标、调整偏差指标以及电量贡献指标；
基于所述目标指标，并利用逼近理想解排序法确定调频过程中所述各目标电动汽车负荷聚合商的综合评估结果，以对所述各目标电动汽车负荷聚合商的调频性能进行综合排序。
可选的，所述实时监测电网频率，并在所述电网频率满足预设有效扰动条件时，监测各目标电动汽车负荷聚合商的自动调节装置对所述电网的调频过程，包括：
实时监测电网频率，并在所述电网频率与预设调频死区的频率偏差持续时间大于预设的时间阀值，且所述电网频率的最大频率大于预设的频率偏差阀值时，将电网频率确定为有效扰动，并监测各目标电动汽车负荷聚合商的自动调节装置在所述扰动时段内对所述电网的调频过程。
可选的，所述调频性能评估方法，还包括：
按照预设采样频率对预先与目标预设聚合平台连接的全部充电桩的功率进行采集，以得到所述充电桩的功率数据与时间戳数据，然后基于所述功率数据与所述时间戳数据确定相同时间戳下所述目标预设聚合平台的总出力数据；
利用预设数据质量校验方法对所述总出力数据与所述时间戳数据进行校验，以确定出异常数据；所述异常数据包括缺失数据与可疑数据；
利用所述总出力数据与所述时间戳数据绘制散点图，并利用预设的曲线拟合方法对所述散点图进行曲线拟合，以确定拟合曲线，然后对所述拟合曲线中与所述异常数据对应的点进行插值或修复，以对所述总出力数据与所述时间戳数据进行修正，然后生成包含所述功率数据、修正后的所述总出力数据与所述时间戳数据的采样信息；
从全部的历史采样信息中确定时间戳满足预设采样时间戳条件的目标采样信息；
利用所述目标采样信息对预设的人工智能模型进行训练，以生成训练后模型，并利用所述训练后模型确定目标预设聚合平台对应的目标预测采样信息；所述预测采样信息中包括所述预测总功率与预测时间戳。
可选的，所述确定所述调频过程中电网中的目标参数，以利用预先基于人工智能模型确定的基线负荷与所述目标参数确定各目标电动汽车负荷聚合商的自动调节装置对应的目标指标，包括：
检测所述调频过程中各所述目标电动汽车负荷聚合商的自动调节装置的出力时间，并确定电网频率有效扰动的开始时间，将所述出力时间与所述开始时间作差，以获得滞后响应差值，并基于所述滞后响应差值确定各所述目标电动汽车负荷聚合商的自动调节装置的响应速度指标；
确定所述有效扰动的开始时间之后的预设起始阶段调整时间内的各个时间戳，利用所述各个时间戳从所述预测采样信息中确定出各个时间戳的预测总功率，并将所述预测总功率确定为各个时间戳的基线负荷，然后确定所述电网在所述各个时间戳所对应的实际频率、额定频率、实际有功功率；
基于所述各个时间戳的所述实际频率、所述额定频率与预设的调差系数、调频死区确定所述预设起始阶段调整时间的时间段中的理论调整功率的最大值，并确定所述起始阶段调整时间的时间段中的实际有功功率的最大值，然后将所述理论调整功率的最大值除以所述实际有功功率的最大值，以确定调整幅度指标；
确定所述有效扰动的开始时间之后的扰动计算时段，并利用所述扰动计算时段中的各个时间戳从所述预测采样信息中确定出各个时间戳的预测总功率，并将所述预测总功率确定为各个时间戳的基线负荷，然后确定所述电网在所述各个时间戳所对应的实际频率、额定频率、实际有功功率；
基于所述扰动计算时段中的各个时间戳的所述实际频率、所述额定频率、所述基线负荷、所述预设的调差系数与调频死区以及所述实际有功功率确定各个时间戳的无偏系数，并利用所述各个时间戳的无偏系数与预设的调整偏差计算方法计算各所述目标电动汽车负荷聚合商的自动调节装置的调整偏差指标；
利用预设的信号确定方法确定所述扰动计算时段中的各个时间戳的调频动作开关信号，并从所述扰动计算时段中确定加权时段，然后利用预设的加权函数对所述加权时段相应的积分电量进行加权，并基于所述扰动计算时段中的各个时间戳的所述实际频率、所述额定频率、所述基线负荷、所述预设的调差系数与调频死区以及所述实际有功功率确定计算实际积分电量与理论积分电量，然后将所述理论积分电量除以所述实际积分电量，以确定各所述目标电动汽车负荷聚合商的自动调节装置的电量贡献指标。
可选的，所述确定所述有效扰动的开始时间之后的扰动计算时段，包括：
确定所述有效扰动的持续时间；
若所述持续时间大于预设调整时间，则将所述有效扰动的开始时间之后的预设调整时段确定为目标偏差计算时段；
若所述持续时间不大于所述预设调整时间，则确定电网频率恢复至频率死区的恢复时间，并将所述有效扰动的开始时间至所述恢复时间之间的时间段确定为目标偏差计算时段。
可选的，所述基于所述目标指标，并利用逼近理想解排序法确定调频过程中所述各目标电动汽车负荷聚合商的综合评估结果，以对所述各目标电动汽车负荷聚合商的调频性能进行综合排序，包括：
基于各所述目标电动汽车负荷聚合商对应的所述目标指标确定正向化矩阵，并确定所述正向化矩阵对应的标准化矩阵；
基于所述标准化矩阵确定各所述目标电动汽车负荷聚合商对应的评估结果，并对所述各目标电动汽车负荷聚合商的调频性能进行综合排序。
可选的，所述基于所述标准化矩阵确定各所述目标电动汽车负荷聚合商对应的评估结果，包括：
确定所述标准化矩阵中每列元素最大值与最小值的集合；
确定各所述目标电动汽车负荷聚合商对应的目标指标与所述各所述最大值对应的第一距离和与各所述最小值对应的第二距离，并基于所述第一距离与所述第二距离确定所述各所述目标电动汽车负荷聚合商的评估得分；
基于所述各所述目标电动汽车负荷聚合商的评估得分，并利用预设归一化方法确定所述各所述目标电动汽车负荷聚合商的评估结果。
第二方面，本申请公开了一种调频性能评估装置，包括：
调频检测模块，用于实时监测电网频率，并在所述电网频率满足预设有效扰动条件时，监测各目标电动汽车负荷聚合商的自动调节装置对所述电网的调频过程；
目标指标确定模块，用于确定所述调频过程中电网中的目标参数，以利用预先基于人工智能模型确定的基线负荷与所述目标参数确定各目标电动汽车负荷聚合商的自动调节装置对应的目标指标；所述目标指标包括响应速度指标、调整幅度指标、调整偏差指标以及电量贡献指标；
综合评估模块，用于基于所述目标指标，并利用逼近理想解排序法确定调频过程中所述各目标电动汽车负荷聚合商的综合评估结果，以对所述各目标电动汽车负荷聚合商的调频性能进行综合排序。
第三方面，本申请公开了一种电子设备，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序，以实现前述的调频性能评估方法。
第四方面，本申请公开了一种计算机存储介质，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的调频性能评估方法的步骤。
本发明通过实时监测电网频率，并在所述电网频率满足预设有效扰动条件时，监测各目标电动汽车负荷聚合商的自动调节装置对所述电网的调频过程；确定所述调频过程中电网中的目标参数，以利用预先基于人工智能模型确定的基线负荷与所述目标参数确定各目标电动汽车负荷聚合商的自动调节装置对应的目标指标；所述目标指标包括响应速度指标、调整幅度指标、调整偏差指标以及电量贡献指标；基于所述目标指标，并利用逼近理想解排序法确定调频过程中所述各目标电动汽车负荷聚合商的综合评估结果，以对所述各目标电动汽车负荷聚合商的调频性能进行综合排序。这样一来，本发明通过将采样信息输入预设的人工智能模型中进行训练，并基于所述人工智能模型预测的基线负荷至确定四种目标指标，然后利用四种目标指标实现对EVA调频的综合评估。其中响应速度指标来衡量EVA处理的快速性，调节幅度指标用于辨识调频起始阶段出力调节幅度的有效性，调整偏差指标用来衡量机组调频的无偏性，电量贡献指标通过积分电量的大小来衡量EVA调频的整体效果。这四种指标的结合便可全方位地评估机组调频在电网扰动突发或事故后的响应能力，本发明还可以利用逼近理想解排序法对当前全部的电动汽车负荷聚合商进行调频性能的综合排序，从而实现对EVA调频更严谨、客观和全面的动态评估。另外，本方案可以设置数据采样频率，可适用于不同调频情况下的评估，包括电网的一次调频、二次调频，具有很强的实用性。
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，还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种调频性能评估方法流程图；
图2为本申请提供的一种EVA调频的性能评估流程图；
图3为本申请提供的一种具体的调频性能评估方法流程图；
图4为本申请提供的一种调频性能评估装置结构示意图；
图5为本申请提供的一种电子设备结构图。
具体实施方式
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，都属于本发明保护的范围。
现有技术中，在评估EVA参与辅助服务的性能的过程中，具体是利用调频死区和调速不等率作为监测对象，但这些参数指标基本都是基于机组稳态运行时的静态指标，不能反映机组在电网出现扰动或事故后的快速支援能力。在本申请中，可以实现对EVA调频更严谨、客观和全面的动态评估。
本发明实施例公开了一种调频性能评估方法，参见图1所述，该方法包括：
步骤S11：实时监测电网频率，并在所述电网频率满足预设有效扰动条件时，监测各目标电动汽车负荷聚合商的自动调节装置对所述电网的调频过程。
可以理解的是，电网的频率会因负载的变化而波动，正常情况下，电网频率的波动十分微小，一般小于0.5%，各机组响应调频动作的幅度也很小，一般小于10%。这些信号中不可避免地叠加了各种噪声，从这样的信号数据中分析得到的指标和参数不仅要能比较全面地反映机组调频的性能，更需要相应稳定可靠的计算方法，否则将导致过大的误差，甚至常常陷入失败。本申请中，电动汽车负荷聚合商的自动调节装置就会对电网频率进行调节，以限制电网频率的变化。本发明可以在电网的频率满足有效扰动条件时，对电动汽车负荷聚合商对电网的调频过程进行监测，并生成用于评估电动汽车负荷聚合商调频性能的综合评估指标。具体地，本发明会实时监测电网频率，以便在检测到所述电网频率满足预设的有效扰动条件时，监测电动汽车负荷聚合商对所述电网的调频过程。其中，本步骤中所述的自动调节装置可以是所述电动汽车负荷聚合商对所述电网频率进行调节的装置。
本实施例中，所述实时监测电网频率，并在所述电网频率满足预设有效扰动条件时，监测各目标电动汽车负荷聚合商的自动调节装置对所述电网的调频过程，可以包括：实时监测电网频率，并在所述电网频率与预设调频死区的频率偏差持续时间大于预设的时间阀值，且所述电网频率的最大频率大于预设的频率偏差阀值时，将电网频率确定为有效扰动，并监测各目标电动汽车负荷聚合商的自动调节装置在所述扰动时段内对所述电网的调频过程。可以理解的是，本实施例中所述预设有效扰动条件可以为电网频率与预设调频死区的频率偏差持续时间大于预设的时间阀值，且所述电网频率的最大频率大于预设的频率偏差阀值。
本实施例中，所述调频性能评估方法，还可以包括：按照预设采样频率对预先与目标预设聚合平台连接的全部充电桩的功率进行采集，以得到所述充电桩的功率数据与时间戳数据，然后基于所述功率数据与所述时间戳数据确定相同时间戳下所述目标预设聚合平台的总出力数据；利用预设数据质量校验方法对所述总出力数据与所述时间戳数据进行校验，以确定出异常数据；所述异常数据包括缺失数据与可疑数据；利用所述总出力数据与所述时间戳数据绘制散点图，并利用预设的曲线拟合方法对所述散点图进行曲线拟合，以确定拟合曲线，然后对所述拟合曲线中与所述异常数据对应的点进行插值或修复，以对所述总出力数据与所述时间戳数据进行修正，然后生成包含所述功率数据、修正后的所述总出力数据与所述时间戳数据的采样信息；从全部的历史采样信息中确定时间戳满足预设采样时间戳条件的目标采样信息；利用所述目标采样信息对预设的人工智能模型进行训练，以生成训练后模型，并利用所述训练后模型确定目标预设聚合平台对应的目标预测采样信息；所述预测采样信息中包括所述预测总功率与预测时间戳。
需要指出的是，本实施例中所述聚合平台为预先与充电桩进行连接的平台，所述聚合平台是由所述电动汽车负荷聚合商控制的平台，且本步骤中所述预设采样频率可以根据需求灵活设置。另外，所述充电桩同步带有统一的时间戳，且每次充电桩上传的信息中都包括时间戳数据与功率数据，聚合平台会利用所述时间戳数据对收集到的信息进行时间对标，并将时间戳相同的充电桩所对应的功率数据进行汇总，以得出当前时间戳下聚集平台的总功率，也就是当前平台的总出力数据。接着，聚集平台会对总出力数据与时间戳数据进行数据质量校验，在确定出异常数据后，将缺失点或可疑点用相邻有效点做插值或修复，以对所述总出力数据与所述时间戳数据进行修正，然后生成包含所述功率数据、修正后的所述总出力数据与所述时间戳数据的采样信息，在数据采集与数据修正过程后，会将生成的所述采样信息进行保存。
本实施例还可以对日前、小时前或十五分钟前的基线负荷进行预测，具体过程为：先从全部的历史采样信息中确定时间戳满足预设采样时间戳条件的目标采样信息，具体地，当利用最近十天的数据对进行日前负荷预测时，则会从全部的历史采样信息中确定时间戳为最近十天的采样信息，并将十天的采样信息输入预设的人工智能模型进行训练，在一种具体的实施方式中，上述预设的人工智能模型可以使用LSTM（即Long Short-TermMemory，长短期记忆网络）模型，则其具体过程可以是将十天的采样信息输入至LSTM模型中，并使用LSTM预测算法继进行日前负荷预测，并最终确定出包含预测时间戳与预测总功率的预测采样信息，其中，所述预测总功率为基线负荷的值。
步骤S12：确定所述调频过程中电网中的目标参数，以利用预先基于人工智能模型确定的基线负荷与所述目标参数确定各目标电动汽车负荷聚合商的自动调节装置对应的目标指标；所述目标指标包括响应速度指标、调整幅度指标、调整偏差指标以及电量贡献指标。
调频作为频率调整的重要手段，应具备快速性、有效性、无偏性。本实施例中，通过确定目标指标来完成对EVA调频的评估，实现对调频快速性、有效性、无偏性三方面的评估，其中主要利用响应速度指标、调整幅度指标、调整偏差指标以及电量贡献指标来衡量以上特性。
本实施例中，所述确定所述调频过程中电网中的目标参数，以利用预先基于人工智能模型确定的基线负荷与所述目标参数确定各目标电动汽车负荷聚合商的自动调节装置对应的目标指标，可以包括：检测所述调频过程中各所述目标电动汽车负荷聚合商的自动调节装置的出力时间，并确定电网频率有效扰动的开始时间，将所述出力时间与所述开始时间作差，以获得滞后响应差值，并基于所述滞后响应差值确定各所述目标电动汽车负荷聚合商的自动调节装置的响应速度指标；确定所述有效扰动的开始时间之后的预设起始阶段调整时间内的各个时间戳，利用所述各个时间戳从所述预测采样信息中确定出各个时间戳的预测总功率，并将所述预测总功率确定为各个时间戳的基线负荷，然后确定所述电网在所述各个时间戳所对应的实际频率、额定频率、实际有功功率；基于所述各个时间戳的所述实际频率、所述额定频率与预设的调差系数、调频死区确定所述预设起始阶段调整时间的时间段中的理论调整功率的最大值，并确定所述起始阶段调整时间的时间段中的实际有功功率的最大值，然后将所述理论调整功率的最大值除以所述实际有功功率的最大值，以确定调整幅度指标；确定所述有效扰动的开始时间之后的扰动计算时段，并利用所述扰动计算时段中的各个时间戳从所述预测采样信息中确定出各个时间戳的预测总功率，并将所述预测总功率确定为各个时间戳的基线负荷，然后确定所述电网在所述各个时间戳所对应的实际频率、额定频率、实际有功功率；基于所述扰动计算时段中的各个时间戳的所述实际频率、所述额定频率、所述基线负荷、所述预设的调差系数与调频死区以及所述实际有功功率确定各个时间戳的无偏系数，并利用所述各个时间戳的无偏系数与预设的调整偏差计算方法计算各所述目标电动汽车负荷聚合商的自动调节装置的调整偏差指标；利用预设的信号确定方法确定所述扰动计算时段中的各个时间戳的调频动作开关信号，并从所述扰动计算时段中确定加权时段，然后利用预设的加权函数对所述加权时段相应的积分电量进行加权，并基于所述扰动计算时段中的各个时间戳的所述实际频率、所述额定频率、所述基线负荷、所述预设的调差系数与调频死区以及所述实际有功功率确定计算实际积分电量与理论积分电量，然后将所述理论积分电量除以所述实际积分电量，以确定各所述目标电动汽车负荷聚合商的自动调节装置的电量贡献指标。
在具体实施过程中，电网频率越过机组设定的调频死区后，理想状态下，EVA出力应该无延时地立即变化，即调频应保证快速性，但受到信号传输等因素的影响，EVA的功率变化会滞后一定时间。本实施例中将这个滞后时间为负荷响应滞后时间，并使用这一时间来衡量各个EVA调频时对电网频率变化的响应速度。调频的负荷响应滞后时间越小，则响应速度越快。在一些具体的实施方式中，可以利用调频过程中所述电动汽车负荷聚合商的自动调节装置的出力时间减去电网频率有效扰动的开始时间，计算得到的差值即为所述滞后响应差值，此差值若小于预设的滞后时间阈值，则将响应速度指标
Figure 971600DEST_PATH_IMAGE001
确定为1，若此差值不小于预设的滞后时间阈值T1，则将响应速度指标
Figure 701789DEST_PATH_IMAGE002
确定为0。其中所述预设的滞后时间阈值可以根据电网的需求确定，单位为秒（即s）。
本实施例中，在计算调频调整幅度指标时采用基线负荷用来计算实际调节量和理论调节量，而不是采用频率离开调频死区时候的功率值，这样更为符合EVA的有功功率随时间变化的天然规律，从而更为精确。
在理想情况下，当电网频率越过调频死区后，需根据EVA有功功率随频率的变化进行精确调整，其中可以规定理论调整量应为
Figure 809423DEST_PATH_IMAGE003
，其中，
Figure 280331DEST_PATH_IMAGE004
为EVA事先与电力调度机构承诺的调差系数，
Figure 563545DEST_PATH_IMAGE005
为对应t时刻的电网频率（单位为Hz）；
Figure 979483DEST_PATH_IMAGE006
为系统额定频率；
Figure 715357DEST_PATH_IMAGE007
为EVA一次调频死区；
Figure 524045DEST_PATH_IMAGE008
为t时刻对应的基线负荷；
Figure 661765DEST_PATH_IMAGE009
为t时刻的EVA实际功率。具体实施过程中，应最大程度使理论调整量与实际调整量相等，即：
Figure 983025DEST_PATH_IMAGE010
，但在调频的起始阶段，因误差及扰动等因素对控制系统的影响较大，EVA处理可控性不强，很难按照理论调整量进行调节。在这种情况下，为了将频率有效调整至死区内，要求EVA的功率调节快速达到一定的幅度，所以本实施例采用调整幅度指标来衡量调频起始阶段出力调节幅度的有效性。
本实施例中，所述调整幅度指标的计算过程可以是：
Figure 19245DEST_PATH_IMAGE011
；
其中，分母为起始阶段调整时间T2的时间段中的理论调整功率的最大值，分子为所述起始阶段调整时间T2的时间段段中的实际有功功率的最大值，计算所得值即为调整幅度指标
Figure 615311DEST_PATH_IMAGE012
。另外，需要指出的是，本方法可以规定调整幅度指标
Figure 951746DEST_PATH_IMAGE012
应达到T2内频率极值点对应的理论调整功率的y1倍，若所述调整幅度指标
Figure 116011DEST_PATH_IMAGE012
没有达到T2内频率极值点对应的理论调整功率的y1倍，则可以将所述调整幅度指标
Figure 826478DEST_PATH_IMAGE012
确定为0。
在EVA实际调节的过程中，EVA会按照理论调整量进行无差调节，但其调节过程中可能会产生过调节或欠调节问题。为防止过调节或欠调节对电网频率造成二次扰动，保证电网频率稳步调整至死区以内，要求EVA功率按照理论调整量变化趋势进行调节，并且调整的偏差要保持在一定的范围内，即要求EVA一次调频具有无偏性。本实施例中使用调整偏差指标来衡量EVA调频的无偏性。
本方法在确定调整偏差指标之前，会先确定扰动计算时段。所述确定所述有效扰动的开始时间之后的扰动计算时段，可以包括：确定所述有效扰动的持续时间；若所述持续时间大于预设调整时间，则将所述有效扰动的开始时间之后的预设调整时段确定为目标偏差计算时段；若所述持续时间不大于所述预设调整时间，则确定电网频率恢复至频率死区的恢复时间，并将所述有效扰动的开始时间至所述恢复时间之间的时间段确定为目标偏差计算时段。
也就是说，所述扰动计算时段为有效扰动的开始时间之后的一段时间，其具体的确定过程分两种情况，第一种情况为EVA调频在有效扰动初始时间之后的预设调整时间内没有完成，则此时将扰动计算时段确定为有效扰动开始时间之后的预设调整时间；第二种情况为当EVA调频在有效扰动初始时间之后的预设调整时间内已完成，则扰动计算时段为有效扰动的持续时间，且这种情况下，所述有效扰动的持续时间必然小于所述预设调整时间。在一种具体的实施方式中，所述预设调整时间可以设置为60s，即当EVA调频在有效扰动初始时间之后的60s内没有完成，则将扰动计算时段确定为有效扰动开始时间之后的60s，若EVA调频在有效扰动初始时间之后的60s内已完成，则扰动计算时段确定为有效扰动的持续时间。
在确定扰动计算时段后，会基于所述扰动计算时段计算调整偏差指标，所述调整偏差指标
Figure 695077DEST_PATH_IMAGE013
的是计算过程可以是：
Figure 72969DEST_PATH_IMAGE014
；
其中，
Figure 142556DEST_PATH_IMAGE016
；
具体地，公式中
Figure 212756DEST_PATH_IMAGE017
为每个采样周期内的无偏指数，
Figure 25991DEST_PATH_IMAGE018
，
Figure 117444DEST_PATH_IMAGE019
分别为从频率越过调频死区开始至60ｓ或至频率回到死区时间段内的
Figure 623511DEST_PATH_IMAGE020
时刻的EVA实际有功功率、基线负荷。本实施例中规定EVA实际功率与理论目标偏差应在理论调整负荷的
Figure 42991DEST_PATH_IMAGE021
之内，若EVA实际功率与理论目标偏差不在理论调整负荷的
Figure 535284DEST_PATH_IMAGE021
之内，则调整偏差指标
Figure 356609DEST_PATH_IMAGE022
为0。
本实施例在计算调整偏差指标时采用基线负荷来计算调频平均误差，而不是采用频率离开调频死区时候的功率值，这样更为符合EVA的有功功率随时间变化的天然规律，从而更为精确。
本实施例中通过积分电量的大小来衡量EVA调频的整体效果，具体可以基于所述扰动计算时段计算电量贡献指标，所述电量贡献指标
Figure 892633DEST_PATH_IMAGE023
的计算过程可以是：
Figure 64988DEST_PATH_IMAGE024
；
其中，
Figure 564234DEST_PATH_IMAGE025
为一次调频动作开关信号，频率偏差超出调频死区时输出1，否则输出0；
Figure 771224DEST_PATH_IMAGE026
为加权函数，可以对调频过程中较为关心的时段进行加权，突出在这一时段中的调频效果。式中分子代表实际的加权调节电量，分母代表理论的加权调节电量。本实施例中规定在扰动计算时段内调频实际加权积分电量要达到响应时间内理论计算积分电量的
Figure 353515DEST_PATH_IMAGE027
以上（
Figure 872221DEST_PATH_IMAGE027
值可根据电网具体情况设置），若
Figure 565371DEST_PATH_IMAGE023
＞
Figure 236654DEST_PATH_IMAGE027
，则调频响应指数指标合格，否则
Figure 989847DEST_PATH_IMAGE023
为0。
本实施例中，在计算电量贡献指标时，同样也是采用基线负荷来计算理论贡献电量和实际贡献电量，并且考虑了在不同时段采用不同的加权系数对调频过程中较为关心的时段进行加权，突出EVA在这一时段中的一次调频效果，从而更为灵活和客观。
步骤S13：基于所述目标指标，并利用逼近理想解排序法确定调频过程中所述各目标电动汽车负荷聚合商的综合评估结果，以对所述各目标电动汽车负荷聚合商的调频性能进行综合排序。
本实施例中，在确定各个EVA调频的目标指标后，会利用逼近理想解排序法（即TOPSIS法，Technique for Order Preference by Similarity to Ideal Solution）确定调频过程中所述各目标电动汽车负荷聚合商的综合评估结果，以对所述各目标电动汽车负荷聚合商的调频性能进行综合排序，以便用户可直观确定当前全部的目标电动汽车负荷聚合商中调频性能的排序情况。
图2为本申请提供的一种EVA调频的性能评估流程图，图中先对数据进行采集，然后对数据进行预处理，将数据输入LSTM模型，并实现基线负荷的计算，在频率有效扰动时监测EVA对电网频率的调节过程，在频率扰动结束时，利用TOPSIS法对不同调频源（即不同EVA）的各个性能评估参数进行综合排序，以得出各个EVA的综合排序结果。
本实施例中通过实时监测电网频率，并在所述电网频率满足预设有效扰动条件时，监测电动汽车负荷聚合商的自动调节装置对所述电网的调频过程，然后确定所述调频过程中电网中的目标参数，以利用预先基于人工智能模型确定的基线负荷与所述目标参数确定目标指标；所述目标指标包括响应速度指标、调整幅度指标、调整偏差指标以及电量贡献指标，最后基于所述目标指标确定所述电动汽车负荷聚合商调频性能的综合评估指标。这样一来，本实施例通过将采样信息输入预设的人工智能模型中进行训练，并基于所述人工智能模型预测的基线负荷至确定四种目标指标，然后利用四种目标指标实现对EVA调频的综合评估。其中利用人工智能模型进行基线负荷的预测可以保证基线负荷计算的准确性。且其中四种目标指标中响应速度指标来衡量EVA处理的快速性，调节幅度指标用于辨识调频起始阶段出力调节幅度的有效性，调整偏差指标用来衡量机组调频的无偏性，电量贡献指标通过积分电量的大小来衡量EVA调频的整体效果。这四种指标的结合便可全方位地评估机组调频在电网扰动突发或事故后的响应能力，本发明还可以利用逼近理想解排序法对当前全部的电动汽车负荷聚合商进行调频性能的综合排序，从而实现对EVA调频更严谨、客观和全面的动态评估。另外，本方案可以设置数据采样频率，可适用于不同调频情况下的评估，包括电网的一次调频、二次调频，具有很强的实用性。
图3为本申请实施例提供的一种具体的调频性能评估方法流程图。参见图3所示，该方法包括：
步骤S21：实时监测电网频率，并在所述电网频率满足预设有效扰动条件时，监测各目标电动汽车负荷聚合商的自动调节装置对所述电网的调频过程。
其中，关于步骤S21的更加具体的处理过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S22：确定所述调频过程中电网中的目标参数，以利用预先基于人工智能模型确定的基线负荷与所述目标参数确定各目标电动汽车负荷聚合商的自动调节装置对应的目标指标；所述目标指标包括响应速度指标、调整幅度指标、调整偏差指标以及电量贡献指标。
其中，关于步骤S22的更加具体的处理过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S23：基于各所述目标电动汽车负荷聚合商对应的所述目标指标确定正向化矩阵，并确定所述正向化矩阵对应的标准化矩阵。
本实施例中，可以通过基于所述目标指标，并利用逼近理想解排序法确定调频过程中所述各目标电动汽车负荷聚合商的综合评估结果，以对所述各目标电动汽车负荷聚合商的调频性能进行综合排序，
在具体的实施方式中，本步骤应先对各个目标指标进行正向化，但由于本方案中的各个指标都是极大型（越大性能越优），因此这一步可以省略；
然后确定正向化矩阵，假设有n个评价对象（即n个EVA），有4个正向化的评价指标（即响应速度指标、调整幅度指标、调整偏差指标以及电量贡献指标），则构建的正向化矩阵为：
Figure 995849DEST_PATH_IMAGE028
；
下一步会根据所述正向化矩阵确定对应的标准化矩阵，具体实施方式中，可以标准化矩阵记为
Figure 758269DEST_PATH_IMAGE029
，则其中的每一个元素都等于对应矩阵X中的元素取值除以所在列元素的平方和开根号，即
Figure 674272DEST_PATH_IMAGE030
。
步骤S24：基于所述标准化矩阵确定各所述目标电动汽车负荷聚合商对应的评估结果，并对所述各目标电动汽车负荷聚合商的调频性能进行综合排序。
本实施例中，所述基于所述标准化矩阵确定各所述目标电动汽车负荷聚合商对应的评估结果，可以包括：确定所述标准化矩阵中每列元素最大值与最小值的集合；确定各所述目标电动汽车负荷聚合商对应的目标指标与所述各所述最大值对应的第一距离和与各所述最小值对应的第二距离，并基于所述第一距离与所述第二距离确定所述各所述目标电动汽车负荷聚合商的评估得分；基于所述各所述目标电动汽车负荷聚合商的评估得分，并利用预设归一化方法确定所述各所述目标电动汽车负荷聚合商的评估结果。
在具体的实施方式中，可以定义最大值为每列元素最大值的集合：
Figure DEST_PATH_IMAGE032A
Figure DEST_PATH_IMAGE034A
；定义 最小值为每列元素最小值的集合：
Figure 96901DEST_PATH_IMAGE036
Figure DEST_PATH_IMAGE038A
，则第
Figure 869160DEST_PATH_IMAGE039
个评价对象与最大值的距离为第
Figure 779479DEST_PATH_IMAGE040
个指标分别与最大值计算距离之后的求和：
Figure DEST_PATH_IMAGE041
，同理，第
Figure 409043DEST_PATH_IMAGE039
个评价对象 与最小值的距离为
Figure 504038DEST_PATH_IMAGE040
个指标分别与最小值计算距离之后的求和：
Figure 359999DEST_PATH_IMAGE042
。那 么第
Figure 74008DEST_PATH_IMAGE039
个评价对象的评估得分为
Figure DEST_PATH_IMAGE043
，即z与最小值的距离除以z与最大值的距 离和z与最小值的距离之和。此时因为距离都是非负的，很明显
Figure 292499DEST_PATH_IMAGE044
取值在0和1之间，
Figure DEST_PATH_IMAGE045
越 大，
Figure 292817DEST_PATH_IMAGE044
越大，即越接近最优解。
在获取评估得分后，会基于预设归一化方法确定各所述目标电动汽车负荷聚合商的评估结果为
Figure 245860DEST_PATH_IMAGE046
，此处应满足
Figure DEST_PATH_IMAGE047
。最终便可确定各EVA的评估排序结果。
需要指出的是，本实施例中，所述归一化和标准化本质上都是为了消去量纲的影响，结果归一化之后更容易比较大小。
本实施例中根据对响应速度指标、调整幅度指标、调整偏差指标和电量贡献指标这四种指标的结合便可全方位地评估机组调频在电网扰动突发或事故后的响应能力，本发明还可以利用逼近理想解排序法对当前全部的电动汽车负荷聚合商进行调频性能的综合排序，从而实现对EVA调频更严谨、客观和全面的动态评估。且本实施例中所述的调频性能评估方法可适用于不同调频工况下的评估，包括电网的一次调频、二次调频，具有很强的实用性。
参见图4所示，本申请实施例公开了一种调频性能评估装置，具体可以包括：
调频检测模块11，用于实时监测电网频率，并在所述电网频率满足预设有效扰动条件时，监测各目标电动汽车负荷聚合商的自动调节装置对所述电网的调频过程；
目标指标确定模块12，用于确定所述调频过程中电网中的目标参数，以利用预先基于人工智能模型确定的基线负荷与所述目标参数确定各目标电动汽车负荷聚合商的自动调节装置对应的目标指标；所述目标指标包括响应速度指标、调整幅度指标、调整偏差指标以及电量贡献指标；
综合评估模块13，用于基于所述目标指标，并利用逼近理想解排序法确定调频过程中所述各目标电动汽车负荷聚合商的综合评估结果，以对所述各目标电动汽车负荷聚合商的调频性能进行综合排序。
本发明通过实时监测电网频率，并在所述电网频率满足预设有效扰动条件时，监测电动汽车负荷聚合商的自动调节装置对所述电网的调频过程，然后确定所述调频过程中电网中的目标参数，以利用预先基于人工智能模型确定的基线负荷与所述目标参数确定目标指标；所述目标指标包括响应速度指标、调整幅度指标、调整偏差指标以及电量贡献指标，最后基于所述目标指标确定所述电动汽车负荷聚合商调频性能的综合评估指标。这样一来，本发明通过将采样信息输入预设的人工智能模型中进行训练，并基于所述人工智能模型预测的基线负荷至确定四种目标指标，然后利用四种目标指标实现对EVA调频的综合评估。其中响应速度指标来衡量EVA处理的快速性，调节幅度指标用于辨识调频起始阶段出力调节幅度的有效性，调整偏差指标用来衡量机组调频的无偏性，电量贡献指标通过积分电量的大小来衡量EVA调频的整体效果。这四种指标的结合便可全方位地评估机组调频在电网扰动突发或事故后的响应能力，在评估后还可以利用逼近理想解排序法对当前全部的电动汽车负荷聚合商进行调频性能的综合排序从而实现对EVA调频更严谨、客观和全面的动态评估。另外，本方案可以设置数据采样频率，可适用于不同调频情况下的评估，包括电网的一次调频、二次调频，具有很强的实用性。
进一步的，本申请实施例还公开了一种电子设备，图5是根据示例性实施例示出的电子设备20结构图，图中的内容不能认为是对本申请的使用范围的任何限制。
图5为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、显示屏24、输入输出接口25、通信接口26和通信总线27。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的调频性能评估方法中的相关步骤。另外，本实施例中的电子设备20具体可以为电子计算机。
本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口26能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源可以包括操作系统221、计算机程序222等，存储方式可以是短暂存储或者永久存储。
其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222，其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的调频性能评估方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。
进一步的，本申请还公开了一种计算机可读存储介质，这里所说的计算机可读存储介质包括随机存取存储器(Random Access Memory，RAM)、内存、只读存储器(Read-OnlyMemory，ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、磁碟或者光盘或技术领域内所公知的任意其他形式的存储介质。其中，所述计算机程序被处理器执行时实现前述公开的调频性能评估方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的调频性能评估方法、装置、设备、存储介质进行了详细介绍，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；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种调频性能评估方法，其特征在于，包括：
实时监测电网频率，并在所述电网频率满足预设有效扰动条件时，监测各目标电动汽车负荷聚合商的自动调节装置对所述电网的调频过程；
确定所述调频过程中电网中的目标参数，以利用预先基于人工智能模型确定的基线负荷与所述目标参数确定各目标电动汽车负荷聚合商的自动调节装置对应的目标指标；所述目标指标包括响应速度指标、调整幅度指标、调整偏差指标以及电量贡献指标；
基于所述目标指标，并利用逼近理想解排序法确定调频过程中所述各目标电动汽车负荷聚合商的综合评估结果，以对所述各目标电动汽车负荷聚合商的调频性能进行综合排序。
2.根据权利要求1所述的调频性能评估方法，其特征在于，所述实时监测电网频率，并在所述电网频率满足预设有效扰动条件时，监测各目标电动汽车负荷聚合商的自动调节装置对所述电网的调频过程，包括：
实时监测电网频率，并在所述电网频率与预设调频死区的频率偏差持续时间大于预设的时间阀值，且所述电网频率的最大频率大于预设的频率偏差阀值时，将电网频率确定为有效扰动，并监测各目标电动汽车负荷聚合商的自动调节装置在所述扰动时段内对所述电网的调频过程。
3.根据权利要求1所述的调频性能评估方法，其特征在于，还包括：
按照预设采样频率对预先与目标预设聚合平台连接的全部充电桩的功率进行采集，以得到所述充电桩的功率数据与时间戳数据，然后基于所述功率数据与所述时间戳数据确定相同时间戳下所述目标预设聚合平台的总出力数据；
利用预设数据质量校验方法对所述总出力数据与所述时间戳数据进行校验，以确定出异常数据；所述异常数据包括缺失数据与可疑数据；
利用所述总出力数据与所述时间戳数据绘制散点图，并利用预设的曲线拟合方法对所述散点图进行曲线拟合，以确定拟合曲线，然后对所述拟合曲线中与所述异常数据对应的点进行插值或修复，以对所述总出力数据与所述时间戳数据进行修正，然后生成包含所述功率数据、修正后的所述总出力数据与所述时间戳数据的采样信息；
从全部的历史采样信息中确定时间戳满足预设采样时间戳条件的目标采样信息；
利用所述目标采样信息对预设的人工智能模型进行训练，以生成训练后模型，并利用所述训练后模型确定目标预设聚合平台对应的目标预测采样信息；所述预测采样信息中包括所述预测总功率与预测时间戳。
4.根据权利要求3所述的调频性能评估方法，其特征在于，所述确定所述调频过程中电网中的目标参数，以利用预先基于人工智能模型确定的基线负荷与所述目标参数确定各目标电动汽车负荷聚合商的自动调节装置对应的目标指标，包括：
检测所述调频过程中各所述目标电动汽车负荷聚合商的自动调节装置的出力时间，并确定电网频率有效扰动的开始时间，将所述出力时间与所述开始时间作差，以获得滞后响应差值，并基于所述滞后响应差值确定各所述目标电动汽车负荷聚合商的自动调节装置的响应速度指标；
确定所述有效扰动的开始时间之后的预设起始阶段调整时间内的各个时间戳，利用所述各个时间戳从所述预测采样信息中确定出各个时间戳的预测总功率，并将所述预测总功率确定为各个时间戳的基线负荷，然后确定所述电网在所述各个时间戳所对应的实际频率、额定频率、实际有功功率；
基于所述各个时间戳的所述实际频率、所述额定频率与预设的调差系数、调频死区确定所述预设起始阶段调整时间的时间段中的理论调整功率的最大值，并确定所述起始阶段调整时间的时间段中的实际有功功率的最大值，然后将所述理论调整功率的最大值除以所述实际有功功率的最大值，以确定调整幅度指标；
确定所述有效扰动的开始时间之后的扰动计算时段，并利用所述扰动计算时段中的各个时间戳从所述预测采样信息中确定出各个时间戳的预测总功率，并将所述预测总功率确定为各个时间戳的基线负荷，然后确定所述电网在所述各个时间戳所对应的实际频率、额定频率、实际有功功率；
基于所述扰动计算时段中的各个时间戳的所述实际频率、所述额定频率、所述基线负荷、所述预设的调差系数与调频死区以及所述实际有功功率确定各个时间戳的无偏系数，并利用所述各个时间戳的无偏系数与预设的调整偏差计算方法计算各所述目标电动汽车负荷聚合商的自动调节装置的调整偏差指标；
利用预设的信号确定方法确定所述扰动计算时段中的各个时间戳的调频动作开关信号，并从所述扰动计算时段中确定加权时段，然后利用预设的加权函数对所述加权时段相应的积分电量进行加权，并基于所述扰动计算时段中的各个时间戳的所述实际频率、所述额定频率、所述基线负荷、所述预设的调差系数与调频死区以及所述实际有功功率确定计算实际积分电量与理论积分电量，然后将所述理论积分电量除以所述实际积分电量，以确定各所述目标电动汽车负荷聚合商的自动调节装置的电量贡献指标。
5.根据权利要求4所述的调频性能评估方法，其特征在于，所述确定所述有效扰动的开始时间之后的扰动计算时段，包括：
确定所述有效扰动的持续时间；
若所述持续时间大于预设调整时间，则将所述有效扰动的开始时间之后的预设调整时段确定为目标偏差计算时段；
若所述持续时间不大于所述预设调整时间，则确定电网频率恢复至频率死区的恢复时间，并将所述有效扰动的开始时间至所述恢复时间之间的时间段确定为目标偏差计算时段。
6.根据权利要求1至5任一项所述的调频性能评估方法，其特征在于，所述基于所述目标指标，并利用逼近理想解排序法确定调频过程中所述各目标电动汽车负荷聚合商的综合评估结果，以对所述各目标电动汽车负荷聚合商的调频性能进行综合排序，包括：
基于各所述目标电动汽车负荷聚合商对应的所述目标指标确定正向化矩阵，并确定所述正向化矩阵对应的标准化矩阵；
基于所述标准化矩阵确定各所述目标电动汽车负荷聚合商对应的评估结果，并对所述各目标电动汽车负荷聚合商的调频性能进行综合排序。
7.根据权利要求6所述的调频性能评估方法，其特征在于，所述基于所述标准化矩阵确定各所述目标电动汽车负荷聚合商对应的评估结果，包括：
确定所述标准化矩阵中每列元素最大值与最小值的集合；
确定各所述目标电动汽车负荷聚合商对应的目标指标与所述各所述最大值对应的第一距离和与各所述最小值对应的第二距离，并基于所述第一距离与所述第二距离确定所述各所述目标电动汽车负荷聚合商的评估得分；
基于所述各所述目标电动汽车负荷聚合商的评估得分，并利用预设归一化方法确定所述各所述目标电动汽车负荷聚合商的评估结果。
8.一种调频性能评估装置，其特征在于，包括：
调频检测模块，用于实时监测电网频率，并在所述电网频率满足预设有效扰动条件时，监测各目标电动汽车负荷聚合商的自动调节装置对所述电网的调频过程；
目标指标确定模块，用于确定所述调频过程中电网中的目标参数，以利用预先基于人工智能模型确定的基线负荷与所述目标参数确定各目标电动汽车负荷聚合商的自动调节装置对应的目标指标；所述目标指标包括响应速度指标、调整幅度指标、调整偏差指标以及电量贡献指标；
综合评估模块，用于基于所述目标指标，并利用逼近理想解排序法确定调频过程中所述各目标电动汽车负荷聚合商的综合评估结果，以对所述各目标电动汽车负荷聚合商的调频性能进行综合排序。
9.一种电子设备，其特征在于，包括处理器和存储器；其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至7任一项所述的调频性能评估方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的调频性能评估方法。
CN202210984460.7A 2022-08-17 2022-08-17 一种调频性能评估方法、装置、设备及介质 Active CN115051384B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210984460.7A CN115051384B (zh) 2022-08-17 2022-08-17 一种调频性能评估方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210984460.7A CN115051384B (zh) 2022-08-17 2022-08-17 一种调频性能评估方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115051384A true CN115051384A (zh) 2022-09-13
CN115051384B CN115051384B (zh) 2022-11-15

Family

ID=83168361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210984460.7A Active CN115051384B (zh) 2022-08-17 2022-08-17 一种调频性能评估方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115051384B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118295356A (zh) * 2024-06-05 2024-07-05 深圳市永兴盛科技有限公司 一种基于人工智能的智能化工业控制系统及方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103199555A (zh) * 2013-04-07 2013-07-10 东南大学 一种负荷侧资源参与电力系统二次调频的控制方法
CN109492889A (zh) * 2018-08-31 2019-03-19 国网电力科学研究院(武汉)能效测评有限公司 一种节能服务项目影响性综合评估模型的建立方法及系统
CN109490676A (zh) * 2018-12-27 2019-03-19 国电南瑞科技股份有限公司 新能源机组调频能力在线监测方法及系统
CN109638879A (zh) * 2018-12-14 2019-04-16 国网山东省电力公司电力科学研究院 基于性能指标评估的一次调频动态补偿调整系统及方法
CN112103948A (zh) * 2020-08-25 2020-12-18 广东电网有限责任公司广州供电局 一种变频空调负荷虚拟同步电机控制方法
CN112418742A (zh) * 2021-01-20 2021-02-26 南方电网数字电网研究院有限公司 信息物理融合的电动汽车换电站网络双层控制方法
CN112636397A (zh) * 2020-11-20 2021-04-09 国网江苏省电力有限公司 一种电网agc调频性能综合评价方法
WO2021143075A1 (zh) * 2020-01-17 2021-07-22 南京东博智慧能源研究院有限公司 一种考虑电动汽车充电负荷时空分布的需求响应方法
CN113555881A (zh) * 2021-06-07 2021-10-26 新天绿色能源股份有限公司 一种风电场调频风机排序方法
CN114140176A (zh) * 2022-01-30 2022-03-04 国网浙江电动汽车服务有限公司 一种负荷聚集平台的可调容量预测方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103199555A (zh) * 2013-04-07 2013-07-10 东南大学 一种负荷侧资源参与电力系统二次调频的控制方法
CN109492889A (zh) * 2018-08-31 2019-03-19 国网电力科学研究院(武汉)能效测评有限公司 一种节能服务项目影响性综合评估模型的建立方法及系统
CN109638879A (zh) * 2018-12-14 2019-04-16 国网山东省电力公司电力科学研究院 基于性能指标评估的一次调频动态补偿调整系统及方法
CN109490676A (zh) * 2018-12-27 2019-03-19 国电南瑞科技股份有限公司 新能源机组调频能力在线监测方法及系统
WO2021143075A1 (zh) * 2020-01-17 2021-07-22 南京东博智慧能源研究院有限公司 一种考虑电动汽车充电负荷时空分布的需求响应方法
CN112103948A (zh) * 2020-08-25 2020-12-18 广东电网有限责任公司广州供电局 一种变频空调负荷虚拟同步电机控制方法
CN112636397A (zh) * 2020-11-20 2021-04-09 国网江苏省电力有限公司 一种电网agc调频性能综合评价方法
CN112418742A (zh) * 2021-01-20 2021-02-26 南方电网数字电网研究院有限公司 信息物理融合的电动汽车换电站网络双层控制方法
CN113555881A (zh) * 2021-06-07 2021-10-26 新天绿色能源股份有限公司 一种风电场调频风机排序方法
CN114140176A (zh) * 2022-01-30 2022-03-04 国网浙江电动汽车服务有限公司 一种负荷聚集平台的可调容量预测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHAOYANG TAI等: "An electro-optic modulator with ultra-low residual amplitude modulation", 《IEEE》 *
吴雪莲等: "并网发电机组的一次调频性能评价方法综述", 《电子设计工程》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118295356A (zh) * 2024-06-05 2024-07-05 深圳市永兴盛科技有限公司 一种基于人工智能的智能化工业控制系统及方法

Also Published As

Publication number Publication date
CN115051384B (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
US11347907B2 (en) Systems and methods for distributed power system model calibration
US8930396B2 (en) Method and system for detecting an applicance based on users' feedback information
US9979192B2 (en) System and method for controlling a power distribution network
CN110709717A (zh) 基于松弛电压估计移动设备的电池健康的方法
CN106537356B (zh) 公用电网中信号注入的系统和方法
Hargreaves et al. REFLEX: An adapted production simulation methodology for flexible capacity planning
CN117092578B (zh) 一种基于数据采集处理的线束导通智能检测系统
CN102393726B (zh) 火电机组agc控制器性能评估方法
WO2020197533A1 (en) Surrogate of a simulation engine for power system model calibration
CN115051384B (zh) 一种调频性能评估方法、装置、设备及介质
KR102324783B1 (ko) 심층 신경망 기반 전력 수요 예측 장치 및 방법
CN110969306A (zh) 基于深度学习的配电低压台区负荷预测方法及装置
WO2020250648A1 (ja) 電力管理システム、電力管理方法及び電力管理プログラム
CN112036051A (zh) 磁悬浮系统剩余使用寿命预测方法、装置、设备及介质
US20210124854A1 (en) Systems and methods for enhanced power system model parameter estimation
Song et al. Dynamic thermal line rating model of conductor based on prediction of meteorological parameters
US20210083475A1 (en) System operation support device and method in power system, and wide-area monitoring protection control system
CN114992772A (zh) 空调温控负荷集群可调节潜力评估方法、装置及存储介质
WO2017155047A1 (ja) 配電監視制御装置
CN109617122B (zh) 一种分布式电源出力预测的方法和装置
JP2023107061A (ja) 電力協調制御システム、電力協調制御方法及び電力協調制御プログラム
Wagle et al. Service performance pattern analysis and prediction of commercially available cloud providers
CN110736131A (zh) 一种综合室温确定方法、装置及系统
CN117575291B (zh) 基于边缘参数熵的联邦学习的数据协同管理方法
CN118249383B (zh) 一种储能电站功率分配方法及系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20221102

Address after: 313106 No. 777, Fenghuang Road, Huzhou City, Zhejiang Province

Applicant after: State Grid Zhejiang Electric Power Co., Ltd. Huzhou Power Supply Co.

Applicant after: STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd.

Address before: 310012 2, 530 West Wen Yi Road, Xihu District, Hangzhou, Zhejiang.

Applicant before: STATE GRID ZHEJIANG ELECTRIC VEHICLE SERVICE Co.,Ltd.

Applicant before: State Grid Zhejiang Electric Power Co., Ltd. Huzhou Power Supply Co.

Applicant before: STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd.