CN115689004A - 多源虚拟灵活聚合与分层协同控制平台构建方法及系统 - Google Patents

Abstract

本发明公开了多源虚拟灵活聚合与分层协同控制平台构建方法及系统，包括：对所连接的海量的所述分布式灵活资源进行聚类，得到多种类型的分布式灵活资源，并以微元的方式对每种分布式灵活资源进行建模，得到每种分布式灵活资源的模型；结合每种分布式灵活资源的模型，建立包含经济性、低碳性和低波动性的综合目标函数、以及功率实时平衡约束条件和资源响应量约束条件；基于所述功率实时平衡约束条件和资源响应量约束条件，对所述综合目标函数进行优化求解，得到各响应时段功率调度结果。通过对获取的海量数据进行聚类分析，并构建不同的数据分析模型，最后对模型数据进行融合计算，得到最优的调度策略，显著提高了智能电网系统的聚合调控能力。

Description

多源虚拟灵活聚合与分层协同控制平台构建方法及系统

技术领域

本发明涉及智能电网调度技术领域，具体的，涉及多源虚拟灵活聚合与分层协同控制平台构建方法及系统。

背景技术

能源生产清洁化、能源消费电气化、能源利用高效化呈现加速发展态势，大规模分布式灵活资源参与电网互动调控的需求愈发迫切。一方面，由于新型电力系统运行呈现“双高、双峰”特征，构建满足电力系统“紧急控制、常规调频、灵活调峰”等多时间尺度调控需求的虚拟灵活调节电源，是支撑以新能源为主体的新型电力系统安全稳定运行的重要手段，迫切需要利用先进技术把分布式灵活资源进行整合协同，开展运行控制优化和市场交易，实现电源侧的多能互补和负荷侧的灵活互动；另一方面，物联网的发展使得越来越多的负荷成为可控负荷，如智能家电、电动汽车、可控工业负荷等。智能家电正朝着可通过互联网远程控制的方向发展，电动汽车充放电、可控工业负荷的控制终端可能被用户物理接触，同时，负荷侧安全防护措施薄弱或缺失，使得可控负荷极易被攻击者恶意控制以达到影响电网安全稳定运行的目的。如果大量负荷被恶意控制而同投同退或频繁投退，配电网负荷将异常波动，不仅对供电可靠性与供电质量造成威胁，还可能影响输电网的安全稳定运行，特别是在分布式能源高度渗透的主动配电网中。

随着用户侧电能替代迅猛发展，由于缺乏灵活资源柔性接入与聚合调控能力，导致电网难以充分挖掘海量用户侧零散资源的潜力，以满足新型电力系统对调节电源的多时间尺度灵活备用需求，具体表现在：(1)用户侧资源通信方式异构，离散化海量资源接入复杂，部分资源并未实现通信全覆盖，接入及受管理程度不高，造成这部分资源并未真正被“唤醒”，参与到与电网的实时互动；(2)大部分的需求侧可调节资源资产归属用户，其接入大多租用公众运营商的通信链路，由于运营商网络管理接口开放程度低，造成通信网络、链路的“可观、可测、可控”程度低；(3)由于缺乏考虑通信时延的分布式资源聚合模型，目前聚合上报的出力大多基于注册时提供的静态数据，没有考虑资源的实时运行状态，调度中心难以掌握下属资源的实时可调能力，难以实现分布式资源的精准控制。

公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本发明的目的是解决现有智慧电网的聚合调控能力差的问题，设计了多源虚拟灵活聚合与分层协同控制平台构建方法及系统，通过对获取的海量数据进行聚类分析，根据不同类型的数据构建不同的数据分析模型，最后对模型输出数据进行融合计算，得到最优的调度策略，显著提高了智能电网系统的聚合调控能力。

第一方面，本发明实施例中提供的一种技术方案是，多源虚拟灵活聚合与分层协同控制平台构建方法，所述方法包括：

对所连接的海量的所述分布式灵活资源进行聚类，得到多种类型的分布式灵活资源，并以微元的方式对每种分布式灵活资源进行建模，得到每种分布式灵活资源的模型；

结合每种分布式灵活资源的模型，建立包含经济性、低碳性和低波动性的综合目标函数、以及功率实时平衡约束条件和资源响应量约束条件；

基于所述功率实时平衡约束条件和资源响应量约束条件，对所述综合目标函数进行优化求解，得到各响应时段功率调度结果。

作为优选，以微元的方式对每种分布式灵活资源进行建模，得到每种分布式灵活资源的模型的过程，包括：

将多种类型的分布式灵活资源分为源特性微元及荷特性微元；

对于类型为储能微元的分布式灵活资源，参照分布式电源或分布式负荷进行建模；

对于类型为风、光微元的分布式灵活资源，构建分布式电源数字孪生模型，得出风光联合出力分布曲线；

对于类型为微网微元的分布式灵活资源，建立基于虚拟电量的微网外特性模型；

对于类型为可调负荷微元的分布式灵活资源，建立可调负荷中空调负荷响应量预测评估模型。

作为优选，所述构建分布式电源数字孪生模型，得出风光联合出力分布曲线的过程，包括：

基于采集的风电出力样本及光伏出力样本，并利用核密度估计法分别对风电出力模型和光伏出力模型进行描述，计算得到风电出力的分布函数及光伏出力的分布函数；

引入季节修正因子对风电出力的分布函数进行修正，引入天气修正因子对光伏出力的分布函数进行修正；

基于修正后的风电出力的分布函数、光伏出力的分布函数，对风光联合出力相关性进行建模，计算得到风力和光伏联合出力分布函数；

将所述风力和光伏联合出力分布函数求得的反函数，作为风光联合出力分布曲线对应的函数。

作为优选，所述综合目标函数的建立的过程，包括：

将向大电网购电成本、储能充放电成本、向微网购电成本以及可调负荷参与需求响应激励的补偿成本之和，再减去向微网售电成本之差的最小值作为经济性目标函数；将向微网购电时的碳排放成本与向大电网购电时的碳排放成本之和的最小值作为低碳性目标函数；

基于调度周期的向大电网的平均购电量、向微网的平均购电量、向微网的平均售电量，以及调度周期每个时刻的向大电网购电量、向微网购电量、向微网售电量，计算得到低波动性目标函数；

将加权后的经济性目标函数、低碳性目标函数及低波动性目标函数之和作为综合目标函数。

作为优选，功率实时平衡约束条件建立过程，包括：

将每个时刻的向大电网购电量、风光联合出力功率、储能微元的放电功率、向微网购电量的四者之和，与向微网售电量、储能微元的充电功率两者之和作差，将该差值作为第一计算值；将预测的负荷需求总量与可调负荷的需求响应功率的差值作为第二计算值；

控制第一计算值与第二计算值相等，作为所述功率实时平衡约束条件。

作为优选，资源响应量约束条件建立过程，包括：

将基于虚拟电量的微网外特性模型作为微网响应量约束条件；

利用储能微元的额定功率设置储能微元的充/放电功率约束条件，利用储能微元荷电状态的上下限值设置储能微元的荷电量约束条件；

控制可调负荷的需求响应功率小于等于可调负荷响应潜力的总预测量，并且控制可调负荷的需求响应功率大于等于零，作为可调负荷响应量约束条件。

作为优选，采用融合麻雀搜索和天牛须搜索的改进粒子群优化求解算法，结合基于所述功率实时平衡约束条件和资源响应量约束条件，对所述综合目标函数进行优化求解。

第二方面，本发明实施例中还提供的一种技术方案是：多源虚拟灵活聚合与分层协同控制平台构建系统，包括通信单元和处理控制单元，其中，

所述处理控制单元通过所述通信单元实现上行连接与下行连接，并且所述处理控制单元通过所述通信单元与其它所述分布式灵活资源聚合控制装置的处理控制单元连接，实现边缘自组网；

所述处理控制单元用于支撑调度控制类业务实现实时需求响应、低功耗海量规模化部署及微网智能并/退网；

所述处理控制单元还用于建立每种分布式灵活资源的模型，结合每种分布式灵活资源的模型，建立包含经济性、低碳性和低波动性的综合目标函数、以及功率实时平衡约束条件和资源响应量约束条件；基于所述功率实时平衡约束和资源响应量约束条件，对所述综合目标函数进行优化求解，得到各响应时段功率调度结果，并基于所述调度结果对分布式灵活资源进行调度。

第三方面，本发明实施例中提供的一种技术方案是：一种设备，包括：处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7中任意一项所述的方法。

第四方面，本发明实施例中提供的一种技术方案是：一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。

本发明的有益效果：本发明多源虚拟灵活聚合与分层协同控制平台构建方法及系统，通过对获取的海量数据进行聚类分析，根据不同类型的数据构建不同的数据分析模型，最后对模型数据融合计算，得到最优的调度策略，显著提高了智能电网系统的聚合调控能力。

上述发明内容仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。

图1为本发明的多源虚拟灵活聚合与分层协同控制平台构建方法流程图。

图2为本发明实施例提供的聚合控制装置的一个具体示例的组成图。

图3为本发明实施例提供的聚合控制装置的另一个具体示例的组成图。

图4为本发明实施例提供的聚合控制装置的部署模式及上下行接口示意图。

图5为本发明实施例提供的时延量控模块的处理逻辑图。

图6为本发明实施例提供的智能休眠模块的处理逻辑图。

图7为本发明实施例提供的自学习智慧决策组网模块的处理逻辑图。

图8为本发明实施例提供的硬件双通道主备分离控制通信模块的处理逻辑图。

图9为本发明实施例提供的能流调控模组处理逻辑图。

具体实施方式

为使本发明的目的、技术方案以及优点更加清楚明白，下面结合附图和实施例对本发明作进一步详细说明，应当理解的是，此处所描述的具体实施方式仅是本发明的一种最佳实施例，仅用以解释本发明，并不限定本发明的保护范围，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。

在更加详细地讨论示例性实施例之前，应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作(或步骤)可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤；所述处理可以对应于方法、函数、规程、子例程、子程序等等。

实施例1

如图1所示，多源虚拟灵活聚合与分层协同控制平台构建方法，所述方法包括：

S1、对所连接的海量的所述分布式灵活资源进行聚类，得到多种类型的分布式灵活资源，并以微元的方式对每种分布式灵活资源进行建模，得到每种分布式灵活资源的模型。

以微元的方式对每种分布式灵活资源进行建模，得到每种分布式灵活资源的模型的过程，包括：

将多种类型的分布式灵活资源分为源特性微元及荷特性微元；

对于类型为储能微元的分布式灵活资源，参照分布式电源或分布式负荷进行建模；

对于类型为风、光微元的分布式灵活资源，构建分布式电源数字孪生模型，得出风光联合出力分布曲线；

对于类型为微网微元的分布式灵活资源，建立基于虚拟电量的微网外特性模型；

对于类型为可调负荷微元的分布式灵活资源，建立可调负荷中空调负荷响应量预测评估模型。

构建分布式电源数字孪生模型，得出风光联合出力分布曲线的过程，包括：

基于采集的风电出力样本及光伏出力样本，并利用核密度估计法分别对风电出力模型和光伏出力模型进行描述，计算得到风电出力的分布函数及光伏出力的分布函数；

引入季节修正因子对风电出力的分布函数进行修正，引入天气修正因子对光伏出力的分布函数进行修正；

基于修正后的风电出力的分布函数、光伏出力的分布函数，对风光联合出力相关性进行建模，计算得到风力和光伏联合出力分布函数；

将所述风力和光伏联合出力分布函数求得的反函数，作为风光联合出力分布曲线对应的函数。

S2、结合每种分布式灵活资源的模型，建立包含经济性、低碳性和低波动性的综合目标函数、以及功率实时平衡约束条件和资源响应量约束条件。

其中，综合目标函数的建立的过程，包括：

将向大电网购电成本、储能充放电成本、向微网购电成本以及可调负荷参与需求响应激励的补偿成本之和，再减去向微网售电成本之差的最小值作为经济性目标函数；将向微网购电时的碳排放成本与向大电网购电时的碳排放成本之和的最小值作为低碳性目标函数；

基于调度周期的向大电网的平均购电量、向微网的平均购电量、向微网的平均售电量，以及调度周期每个时刻的向大电网购电量、向微网购电量、向微网售电量，计算得到低波动性目标函数；

将加权后的经济性目标函数、低碳性目标函数及低波动性目标函数之和作为综合目标函数。

其中，功率实时平衡约束条件建立过程，包括：

将每个时刻的向大电网购电量、风光联合出力功率、储能微元的放电功率、向微网购电量的四者之和，与向微网售电量、储能微元的充电功率两者之和作差，将该差值作为第一计算值；将预测的负荷需求总量与可调负荷的需求响应功率的差值作为第二计算值；

控制第一计算值与第二计算值相等，作为所述功率实时平衡约束条件。

其中，资源响应量约束条件建立过程，包括：

将基于虚拟电量的微网外特性模型作为微网响应量约束条件；

利用储能微元的额定功率设置储能微元的充/放电功率约束条件，利用储能微元荷电状态的上下限值设置储能微元的荷电量约束条件；

控制可调负荷的需求响应功率小于等于可调负荷响应潜力的总预测量，并且控制可调负荷的需求响应功率大于等于零，作为可调负荷响应量约束条件。

S3、基于所述功率实时平衡约束条件和资源响应量约束条件，对所述综合目标函数进行优化求解，得到各响应时段功率调度结果。

采用融合麻雀搜索和天牛须搜索的改进粒子群优化求解算法，结合基于所述功率实时平衡约束条件和资源响应量约束条件，对所述综合目标函数进行优化求解。

多源虚拟灵活聚合与分层协同控制平台构建系统，包括通信单元和处理控制单元，其中，

所述处理控制单元通过所述通信单元实现上行连接与下行连接，并且所述处理控制单元通过所述通信单元与其它所述分布式灵活资源聚合控制装置的处理控制单元连接，实现边缘自组网；

所述处理控制单元用于支撑调度控制类业务实现实时需求响应、低功耗海量规模化部署及微网智能并/退网；

所述处理控制单元还用于建立每种分布式灵活资源的模型，结合每种分布式灵活资源的模型，建立包含经济性、低碳性和低波动性的综合目标函数、以及功率实时平衡约束条件和资源响应量约束条件；基于所述功率实时平衡约束和资源响应量约束条件，对所述综合目标函数进行优化求解，得到各响应时段功率调度结果，并基于所述调度结果对分布式灵活资源进行调度。

实施例2

本发明实施例提供一种分布式灵活资源聚合控制装置，如图2所示，包括：通信单元，处理控制单元，其中，处理控制单元通过通信单元实现上行连接与下行连接，并且处理控制单元通过通信单元与其它分布式灵活资源聚合控制装置的处理控制单元连接，实现边缘自组网。

具体地，如图3所示，通信单元包括多种类型通信模块，例如：5G通信模块、4G通信模块、以太网通信模块、RS232/485模块、Lpwa模块、I/O总线模块，其中，分布式灵活资源本体直接与对应类型的通信模块连接，或者通过执行终端与对应类型的通信模块连接，或者通过本地局域自治系统与对应类型的通信模块连接；通信模块均与处理控制单元连接。

进一步地，本发明实施例提供的聚合控制装置支持丰富的接口形态，装置支持4G/5G、GE(千兆以太网)、FE(百兆以太网)、RS232/485、I/O及Lpwa接口。如图4所示，当分布式灵活资源本体接入装置时，装置与资源本体进行交互，采用I/O或RS232/485方式直连；当分布式灵活资源通过执行终端接入装置时，装置与执行终端进行交互，采用FE或RS232/485方式直连；分布式灵活资源由本地局域自治系统控制，并由自治系统接入装置时，聚合控制装置与自治系统进行交互，采用FE方式直连；聚合控制装置之间通过Lpwa方式长连接实现边缘自组网；聚合控制装置上行采用4G/5G或GE方式对接上层系统平台，采用4G/5G或FE方式对接装置管理系统。

具体地，处理控制单元用于支撑调度控制类业务实现实时需求响应、低功耗海量规模化部署及微网智能并/退网；处理控制单元还用于建立每种分布式灵活资源的模型，结合每种分布式灵活资源的模型，建立包含经济性、低碳性和低波动性的综合目标函数、以及功率实时平衡约束条件和资源响应量约束条件；基于功率实时平衡约束和资源响应量约束条件，对综合目标函数进行优化求解，得到各响应时段功率调度结果，并基于调度结果对分布式灵活资源进行调度。

进一步地，如图3所示，处理控制单元包括：能流调控模组及通信控制模组。

具体地，通信控制模组与分布式灵活资源直接或间接连接、与能流调控模组连接，通信控制模组用于支撑调度控制类业务需求实时响应、低功耗海量规模化部署及微网智能并/退网，以及根据调度结果对分布式灵活资源进行调度。

进一步地，如图3所示，通信控制模组包括：时延量控模块、智能休眠模块、自学习智慧决策组网模块及硬件双通道主备分离控制通信模块，通过时延精准控制算法、秒级智能休眠算法、智慧决策算法、硬件双通道切换，支撑调度控制类业务需求实时响应、低功耗海量规模化部署及微网智能并/退网。

具体地，时延量控模块用于实时抓取数据链路层数据包，并对数据包进行逐层的报头解析操作，并将数据包发送至应用层进行处理，以得到处理后的数据包；在网络层和应用层对处理后的数据包进行协议分析、IP地址分析、端口分析；针对特定控制报文，设置最高控制权限，优先处理和转发，构建时延精准控制测量算法，测算时延信息，并打印到数据包上，重新计算分析后的数据包报头的校验值，输出至目标设备。

具体地，本发明实施例的时延量控模块包括网络数据包捕获模块、协议分析模块、时延控制模块。网络数据包捕获模块，用于实时抓取数据链路层数据包，并对数据包进行逐层的报头解析操作，并将数据包发送至应用层进行处理，以得到处理后的数据包；协议分析模块，用于在网络层和应用层对处理后的数据包进行协议分析、IP地址分析、端口分析；时延控制测算模块，针对特定控制报文，设置最高控制权限，优先处理和转发，构建时延精准控制测量算法，测算时延信息，并打印到数据包上，重新计算分析后的数据包报头的校验值，输出至目标设备。时延精准控制测量算法具体在数据帧中添加标记位，记录数据包进入设备时间，在经过内部业务应用处理后，开始转发出设备的链路中，利用标志位时间信息，测算报文在设备内部的时延，同时根据业务属性，判断该时延是否可以满足业务高时延敏感性要求，满足情况下则正常转发，不满足则反馈至发端。该装置可以实时监测网络，将特定报文授权特殊级别，以最快的方式、最短的时延，进行处理并转发至目标设备，并通过带内时延测量，使得网络时延具有确定性，确保业务控制的可用性。如图5所示。

具体地，智能休眠模块用于实时建立通信单元耗电模型，并基于通信单元耗电模型，依据业务交互频率，通过智能休眠算法，实时调度通信模块，达到能耗消耗的最优化。

具体地，本发明实施例的智能休眠模块包括组件耗电模型分析模块和低功耗控制模块。耗电模型分析模块，建立5G通信模组耗电模型、以太网通信模组耗电模型，模型内容包括对应的能耗信息。低功耗控制模块依据业务交互频率，通过智能休眠算法，实时调度通信模块，达到能耗消耗的最优化。

以图3所示的结构为例，智能休眠模块的处理逻辑如图6所示，本发明实施例的耗电模型分析模块，通过硬件选型阶段评估出可电能优化组件，本装置能耗可优化组件有5G通信模块(休眠状态功耗0.03W，全速率工作功耗2.4W)、以太网通信模块(挂起状态功耗0.07W，全线速功耗0.7W)。智能休眠模块，综合考虑业务交互频率，在业务空闲时休眠相应的业务通信端口，结合板载高精度实时时钟功能，在业务应用时进行定时唤醒，节能计算公式为：能耗(P)＝(5G休眠功耗*业务空闲相对时间(T5)+5G满载功耗*业务应用相对时间(T5w))+(以太网挂起功耗*业务空闲相对时间(Te)+以太网满载功耗*业务应用相对时间(Tew))*4＝(0.03*T5+2.4*T5w)+(0.07*Te+0.7*Tew)*4。时间参数依据具体业务应用带入即可。

具体地，自学习智慧决策组网模块用于定时感知、监测、发布装置状态报文，当有并/退网需求时，选举出主网关设备，当主网关设备选举成功后，对网络内的所有处理控制单元进行身份标记；以网络特征值为判断依据，通过智慧决策算法，实现主网关设备自选举，动态控制区域内的分布式灵活资源的投入或投出；进行设备并/退网管理，依据智慧决策模块输出结果，主网关设备重新计算并修改微网特征值，其它的从设备则执行从设备策略。

具体地，自学习智慧决策组网模块包括状态感知模块、智慧决策模块、策略执行模块，用以实现通信网络的区域自治及弹性组网，从而实现微网自治、动态扩容以及智能并网。其中，状态感知模块以分钟级时间间隔，定时对外发布本装置状态报文，报文长度为64字节，带宽消耗小，报文格式为标准IP报文，报文内容指示该设备当前状态，如是第一次加入已有网络或新建网络，则内容显示为“独立设备”+“微网特征值”，同时实时监听网络中其它设备发出的状态感知报文。当未监测到来自其它设备的状态报文时，当前设备即为主设备；当监测到其它设备的状态感知报文时，表示有两个独立网络需要并网需求，则两个网络中的主网关装置(如果只有一台网关则该网关默认为主装置)同时启用智慧决策模块，重新选举出主网关设备，当主设备选举成功后，对网络内的所有设备进行身份标记；智慧决策模块，以“网络特征值”为判断依据，通过自选举算法，实现智慧决策，自选举出主设备，用于控制该区域内的电源、储能、负荷的投入或投出。其中，微网特征值包括电源的装机容量、负荷功率、可调负荷容量、储能容量、已有网关设备数量(默认是1)等。微网特征值算法公式可表示为：微网特征值＝(装机容量+负荷功率+可调负荷容量+储能容量)×(1+已有网关设备数量×0.01)。

通过微网特征值的比较，选举值较大者为主设备。策略执行模块则依据智慧决策算法输出结果，在主设备上重新计算并修改微网特征值，其它的从设备则执行从设备策略。自此完成一次自选举组网过程。当设备需要断网时，即主设备检测到网络中的从设备数量减少或者网络中无主设备时，将重新启动自选举组网功能，选举出新的主设备。如图7所示。

进一步地，硬件双通道主备分离控制通信模块用于与主站及其它处理控制单元间高速大数据及低速控制指令交换；监测主数据通道速率及异常情况，以及控制通道相应请求，并下发通信资源调度控制指令进行通信资源调度，由网关侧进行响应和主备控制/数据传输通道动态切换；分析板载各模块真实耗电量，建立对应模型，用于调度控制，保持终端与服务端控制通道长连接，通过控制通道传送能耗控制需求，服务端根据业务传输需要，定时或动态调整终端各耗电模块或整机设备的工作或休眠状态。

具体地，硬件双通道主备分离控制通信模块以公网4G/5G做为高速主数据通道，以低速Lora做为控制通道及数据备选通道，控制通道连接云端控制系统，实现双通道物理隔离，保障系统安全运行。正常情况下通过主数据通道传输数据，当控制系统监测主数据通道出现异常时，通过下发通信资源调度指令，告知网关将数据通道切换至低速备用通道；当有节能需求时，通过控制系统下发休眠指令，休眠对应通道或网关本身，在需求完成时，恢复至正常状态。该模块包括资源调度模块和节能控制模块。

进一步地，硬件双通道主备分离控制通信模块包括资源调度模块和节能控制模块。

具体地，资源调度模块包括主备数据控制通道模块、服务端通信资源控制模块、网关侧控制响应模块。

其中，主备数据控制通道模块，包括4G/5G通信模块和Lpwa(广域低功耗无线技术)通信模块，4G/5G通信模块为设备数据通信主要传输通道，用于与主站及设备间大数据高速交换，具有时延小、带宽高、速度快等特点；Lpwa通信模块为设备控制通道，保持长连接状态，用于传输设备控制报文和心跳报文，具有功耗小、低速率等特点。

服务端通信资源控制模块，负责监测主数据通道速率及异常情况，以及控制通道相应请求，当主数据通道速率下降到一定阈值或通信出现中断或相应中断有具体通信资源切换需求时，则进行通信资源调度，下发通信资源调度控制指令，由网关侧控制相应模块进行快速相应。

网关侧控制响应模块，负责接收主站服务端下发的通信资源调度控制指令，进行解析，并根据指令内容动态切换上报数据通道，实现主备控制/数据传输通道动态切换。

具体地，节能控制模块包括设备能耗模型建立模块、能耗需求调度控制模块。

其中，设备能耗模型建立模块，分析板载各模块真实耗电量，包括4G/5G通信模块、以太网通信模块、串口通信模块、处理器模块及整机(不包括低速Lpwa模块)功耗，建立对应模型，并设置模型编号，用于调度控制。

能耗需求调度控制模块，保持终端与服务端控制通道长连接，通过控制通道传送能耗控制需求，服务端根据业务传输需要，定时或动态调整终端各耗电模块或整机设备(不包括低速Lpwa模块)的工作或休眠状态，以到达实时动态实现不同程度的省电模式设置。如图8所示。

具体地，能流调控模组与分布式灵活资源直接或间接连接、与上行业务系统平台及装置管理系统连接，能流调控模组用于建立每种分布式灵活资源的模型，结合每种分布式灵活资源的模型，建立包含经济性、低碳性和低波动性的综合目标函数、以及功率实时平衡约束条件和资源响应量约束条件；基于功率实时平衡约束和资源响应量约束条件，对综合目标函数进行优化求解，得到各响应时段功率调度结果。

进一步地，如图3所示，能流调控模组包括：分布式电源孪生模型模块、资源聚类模型模块、多目标能流调控策略模块及外部参数输入模块。其中，能流调控模组处理逻辑如图9所示。

分布式电源孪生模型模块用于基于外部参数输入的天气信息、季节信息，为所连接的风、光微元的分布式灵活资源，构建分布式电源数字孪生模型，得出风光联合出力分布曲线。

具体地，本发明实施例的分布式电源孪生模型模块会实施以下步骤：基于采集的风电出力样本及光伏出力样本，并利用核密度估计法分别对风电出力模型和光伏出力模型进行描述，计算得到风电出力的分布函数及光伏出力的分布函数；引入季节修正因子对风电出力的分布函数进行修正，引入天气修正因子对光伏出力的分布函数进行修正；基于修正后的风电出力的分布函数、光伏出力的分布函数，对风光联合出力相关性进行建模，计算得到风力和光伏联合出力分布函数；将风力和光伏联合出力分布函数求的反函数，作为风光联合出力分布曲线对应的函数。

资源聚类模型模块用于对所连接的海量的分布式灵活资源进行聚类，得到多种类型的分布式灵活资源；具体地，当装置聚合海量资源时，所需数据量大，存在大量冗余和重复计算，通过对资源进行聚类，同一类的资源可近似采用相同的模型，可以大大简化计算量。本发明实施例采用切比雪夫距离和欧式距离相结合的聚类中心选取方法，可以保证每次取到的新的聚类中心离已有的聚类中心的距离都较远，从而使得聚类中心初值稳定，聚类结果更合理。

多目标能流调控策略模块用于结合每种分布式灵活资源的模型、外部参数输入模块输入的电价信息，建立包含经济性、低碳性和低波动性的综合目标函数、以及功率实时平衡约束条件和资源响应量约束条件；基于功率实时平衡约束和资源响应量约束条件，对综合目标函数进行优化求解，得到各响应时段功率调度结果。多目标能流调控策略模块将实施以下步骤：结合每种分布式灵活资源的模型，建立包含经济性、低碳性和低波动性的综合目标函数、以及功率实时平衡约束条件和资源响应量约束条件；基于功率实时平衡约束和资源响应量约束条件，对综合目标函数进行优化求解，得到各响应时段功率调度结果。

本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

注意，除非另有直接说明，否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此，除非另有明确说明，否则所公开的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下，进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头，该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。

本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，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，或者对其中部分或者全部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公开各实施例技术方案的范围。

以上所述之具体实施方式为本发明多源虚拟灵活聚合与分层协同控制平台构建方法及系统的较佳实施方式，并非以此限定本发明的具体实施范围，本发明的范围包括并不限于本具体实施方式，凡依照本发明之形状、结构所作的等效变化均在本发明的保护范围内。

Claims (8)

1.多源虚拟灵活聚合与分层协同控制平台构建方法，其特征在于，所述方法包括：

对所连接的海量的所述分布式灵活资源进行聚类，得到多种类型的分布式灵活资源，并以微元的方式对每种分布式灵活资源进行建模，得到每种分布式灵活资源的模型；

结合每种分布式灵活资源的模型，建立包含经济性、低碳性和低波动性的综合目标函数、以及功率实时平衡约束条件和资源响应量约束条件；

基于所述功率实时平衡约束条件和资源响应量约束条件，对所述综合目标函数进行优化求解，得到各响应时段功率调度结果。

2.根据权利要求1所述的多源虚拟灵活聚合与分层协同控制平台构建方法，其特征在于，以微元的方式对每种分布式灵活资源进行建模，得到每种分布式灵活资源的模型的过程，包括：

将多种类型的分布式灵活资源分为源特性微元及荷特性微元；

对于类型为储能微元的分布式灵活资源，参照分布式电源或分布式负荷进行建模；

对于类型为风、光微元的分布式灵活资源，构建分布式电源数字孪生模型，得出风光联合出力分布曲线；

对于类型为微网微元的分布式灵活资源，建立基于虚拟电量的微网外特性模型；

对于类型为可调负荷微元的分布式灵活资源，建立可调负荷中空调负荷响应量预测评估模型。

3.根据权利要求2所述的多源虚拟灵活聚合与分层协同控制平台构建方法，其特征在于，所述构建分布式电源数字孪生模型，得出风光联合出力分布曲线的过程，包括：

基于采集的风电出力样本及光伏出力样本，并利用核密度估计法分别对风电出力模型和光伏出力模型进行描述，计算得到风电出力的分布函数及光伏出力的分布函数；

引入季节修正因子对风电出力的分布函数进行修正，引入天气修正因子对光伏出力的分布函数进行修正；

基于修正后的风电出力的分布函数、光伏出力的分布函数，对风光联合出力相关性进行建模，计算得到风力和光伏联合出力分布函数；

将所述风力和光伏联合出力分布函数求得的反函数，作为风光联合出力分布曲线对应的函数。

4.根据权利要求1所述的多源虚拟灵活聚合与分层协同控制平台构建方法，其特征在于，所述综合目标函数的建立的过程，包括：

将向大电网购电成本、储能充放电成本、向微网购电成本以及可调负荷参与需求响应激励的补偿成本之和，再减去向微网售电成本之差的最小值作为经济性目标函数；将向微网购电时的碳排放成本与向大电网购电时的碳排放成本之和的最小值作为低碳性目标函数；

基于调度周期的向大电网的平均购电量、向微网的平均购电量、向微网的平均售电量，以及调度周期每个时刻的向大电网购电量、向微网购电量、向微网售电量，计算得到低波动性目标函数；

将加权后的经济性目标函数、低碳性目标函数及低波动性目标函数之和作为综合目标函数。

5.根据权利要求1所述的多源虚拟灵活聚合与分层协同控制平台构建方法，其特征在于，功率实时平衡约束条件建立过程，包括：

将每个时刻的向大电网购电量、风光联合出力功率、储能微元的放电功率、向微网购电量的四者之和，与向微网售电量、储能微元的充电功率两者之和作差，将该差值作为第一计算值；

将预测的负荷需求总量与可调负荷的需求响应功率的差值作为第二计算值；

控制第一计算值与第二计算值相等，作为所述功率实时平衡约束条件。

6.根据权利要求1所述的多源虚拟灵活聚合与分层协同控制平台构建方法，其特征在于，资源响应量约束条件建立过程，包括：

将基于虚拟电量的微网外特性模型作为微网响应量约束条件；

利用储能微元的额定功率设置储能微元的充/放电功率约束条件，利用储能微元荷电状态的上下限值设置储能微元的荷电量约束条件；

控制可调负荷的需求响应功率小于等于可调负荷响应潜力的总预测量，并且控制可调负荷的需求响应功率大于等于零，作为可调负荷响应量约束条件。

7.根据权利要求1所述的多源虚拟灵活聚合与分层协同控制平台构建方法，其特征在于，采用融合麻雀搜索和天牛须搜索的改进粒子群优化求解算法，结合基于所述功率实时平衡约束条件和资源响应量约束条件，对所述综合目标函数进行优化求解。

8.多源虚拟灵活聚合与分层协同控制平台构建系统，其特征在于，包括通信单元和处理控制单元，其中，

所述处理控制单元通过所述通信单元实现上行连接与下行连接，并且所述处理控制单元通过所述通信单元与其它所述分布式灵活资源聚合控制装置的处理控制单元连接，实现边缘自组网；

所述处理控制单元用于支撑调度控制类业务实现实时需求响应、低功耗海量规模化部署及微网智能并/退网；

所述处理控制单元还用于建立每种分布式灵活资源的模型，结合每种分布式灵活资源的模型，建立包含经济性、低碳性和低波动性的综合目标函数、以及功率实时平衡约束条件和资源响应量约束条件；基于所述功率实时平衡约束和资源响应量约束条件，对所述综合目标函数进行优化求解，得到各响应时段功率调度结果，并基于所述调度结果对分布式灵活资源进行调度。

Images