CN115733191A - 一种源网荷储系统互动协调优化方法、系统及存储介质 - Google Patents
一种源网荷储系统互动协调优化方法、系统及存储介质 Download PDFInfo
- Publication number
- CN115733191A CN115733191A CN202211465204.3A CN202211465204A CN115733191A CN 115733191 A CN115733191 A CN 115733191A CN 202211465204 A CN202211465204 A CN 202211465204A CN 115733191 A CN115733191 A CN 115733191A
- Authority
- CN
- China
- Prior art keywords
- output
- source
- power
- wind power
- fluctuation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种源网荷储系统互动协调优化方法、系统及存储介质，其步骤是：源网荷储系统协调控制的多源信息通过利用大数据集成技术，实现对多源数据的抽取与转换，再利用数据融合技术对数据进行深度融合；建立时间序列光伏发电模型；把握风电出力变化规律，利用随机抽样技术与历史序列特性统计方法，建立时间序列风能发电模型；基于供电网络运行经济性最高和柔性负荷调节响应程度最大建立源网荷储系统下的供需双向双层优化模型，制定基于目标级联分析法的多目标求解策略。可有效支撑多源新能源并网对电力系统的影响分析，求解结果为电力业务系统调度人员进行源网荷储多源联动下配电网经济运行调度提供仿真支持与辅助决策。
Description
技术领域
本发明属于配电网降损技术领域，数据涉及多种源端电力业务系统，采用新能源时间序列建模方法与目标级联分析法相结合的方式，对区域源网荷储系统内的多种分布式可调度资源进行统筹、协调，即一种基于新能源时序性模型与目标级联分析法的源网荷储系统互动协调优化方法、系统及存储介质。
背景技术
源网荷储系统是构建新型电力系统的重要发展路径，是由电源、电网、负荷、储能组成的配电系统。传统的配电网采用的“源跟荷走”的控制方式无法对风电、光伏等出力具有随机性的分布式电源进行调度，难以保证配电网络的安全经济运行。源网荷储系统协调优化是指在纵深层面实现源各类分布式资源的优化调度与主动管理，通过多种交互手段，更经济、高效、安全地提高电力系统的功率动态平衡能力，从而实现能源资源最大化利用的运行模式和技术。
数据融合技术，数据融合就是将描述同一对象的来源于不同信息源的数据信息，根据一定的准则和算法加以联合、相关、组合等综合化处理，获得描述对象的状态等更为精确的判断，以便提供更快速、准确的决策信息。因此，信息融合更重要的是体现出一种面向应用的数据处理的思想和方法。目前普遍接受的最为广泛的定义为装配或者组合数据的任何过程。这些数据可能来源于同一信息源，也可能来自不同信息源；可能是一次性的数据处理，也可能是连续的数据操作。数据融合技术目前在很多领域都得到了广泛的应用。
时序分析是以分析时间序列的发展过程、方向和趋势，预测将来时域可能达到的目标的方法。此方法运用概率统计中时间序列分析原理和技术，利用时序系统的数据相关性，建立相应的数学模型，描述系统的时序状态，以预测未来。它的基本步骤是：以有关的历史资料的数据为依据，区别不规则变动、循环变动、季节变动等不同时间的动势，特别是连续的长期动势，并整理出统计图。从系统原则出发，综合分析时间序列，反映曾经发生过的所有因果联系及影响，分析各种作用力的综合作用。运用数学模型求出时间序列以及将来时态的各项预测值，如移动平均法、季节系数法、指数平滑法。
目标级联分析法又称为目标级联法，或者分析目标级联法（简称 ATC，analysistarget cascading），是解决非集中式、层次结构协调问题的一种新方法，它允许层次结构中各元素自主决策，父代元素对子代元素的决策进行协调优化而获得问题的整体最优解，与其他优化方法相比，目标级联法具有可并行优化、级数不受限制和经过严格的收敛证明等优点，因此常应用于解决大规模的系统优化问题。
发明内容
本发明的目的是要解决上述背景技术存在的不足，提供一种利用新能源时序模型和目标级联分析法对源网荷储系统的新能源分布式电源与柔性负荷的协同联动进行优化的方法。
本发明的技术方案是：一种源网荷储系统互动协调优化方法，其步骤是：
一种源网荷储系统互动协调优化方法，其步骤是：
（1）源网荷储系统协调控制的多源信息通过利用大数据集成技术，实现对多源数据的抽取与转换，再利用数据融合技术对数据进行深度融合；
（2）通过光伏电站在地理位置、天气类型上的波动特性，建立长期规划及电网运行方式安排下的时间序列光伏发电模型；
（3）把握风电出力变化规律，利用随机抽样技术与历史序列特性统计方法，建立具有相似出力特性且符合风电波动规律的时间序列风能发电模型；
（4）基于供电网络运行经济性最高和柔性负荷调节响应程度φ最大建立源网荷储系统下的供需双向双层优化模型，制定基于目标级联分析法的多目标求解策略。
进一步地，所述时间序列光伏发电模型建模过程是：
1）指定基准光伏电站 A，获取其历史出力信息，模拟生成基准光伏电站 A 的长期出力
时间序列；
2）确定基准光伏电站 A 生成时间序列的日间天气类型及空间位置信息，作为模拟光伏
电站 B 时间序列的初始相关性参数输入，统计各种情况下的相对出力基值Ps（i）及波动特征值ΔPN(i,t)的概率分布，得到模拟光伏电站 B 相对出力PN(i,t)：
3）将光伏发电出力P(i,t)分为两部分：空间相关性表征出力PDCI(i,t)以及天气相关性表征出力PN(i,t)，即模拟光伏电站 B 的时序性出力值P(i,t)为：
进一步地，所述风电出力时间序列模型建模过程是：
1）风电趋势出力时间序列的多阶段起伏波动模型如下：
式中：｛P｝为风电出力时间序列；W｛Pj｝为风波动序列；｛Pmax｝为风电出力时间序列中的局部极大值序列；｛Pmin｝为风电出力时间序列中的局部极小值序列；P1为波动的起点；Pn为波动的终点；
2）采用高斯函数的变化趋势拟合风电波动轮廓，通过各时刻与波动局部极大值定量描述波动变化的趋势，最终得到包含波动特性的风电时序性出力值Pi (k)，即：
式中：ai为波动出力时间序列中的极值参数；bi为空间相关性参数；ci为波动特性的过程变化趋势参数；k为i时刻与波动局部极大值对应时刻的差值。
进一步地，所述供需双向双层优化模型建模过程是：
根据源网荷储系统实际运行模式及供需两侧各自的特征，分别建立以供给侧新能源出力为主的上层优化模型和以需求侧柔性负荷为主的下层优化模型：
1）上层模型的目标函数为：
式中：Pe(t)为第t个Δt时段的分时电价；PG(t)为第t个Δt时段的电网供电功率；Cpv(t)和Cwpg(t)分别为光伏发电和风能发电的成本损耗；C为源网荷储系统整个优化周期T内的供能成本；
式中：Cbase(pv)为光伏电站建设成本；Efull(pv)为光伏电站生命周期内的总发电量；
式中：Cbase(wpg)为风能电站建设成本；Efull(wpg)为风能电站生命周期内的总发电量；
2）下层模型的目标函数为：
式中：ΔL(t)为第t个Δt时段的柔性负荷响应功率；L0 (t)为第t个Δt时段的需求侧协调功率。
进一步地，制定基于目标级联分析法的多目标求解策略的具体过程是：
以供给侧新能源出力为主的上层系统将符合经济性运行的最优出力功率Ps(t)作为预设变量传达至以需求侧柔性负荷为主的下层系统，下层系统将最优柔性负荷功率L(t)作为反馈量传达至上层系统：
式中：
为第 k 次迭代后的供给侧最优出力功率；Lk(t)为第 k 次迭代后的需求侧最优可调节负荷；
通过上层系统与下层系统之间的反复交互迭代，直至预设变量与反馈量之间的误差小于已设定的收敛值 Ɛ，则停止迭代，得到源网荷储系统下供需两侧双向协同互动的最优求解策略，为电力业务系统调度人员进行源网荷储多源联动下配电网经济运行调度提供辅助决策。
进一步地，所述多源信息包括设备档案数据、运行采集数据、拓扑关系数据、气象和地理信息。
进一步地，大数据集成时采用 kettle 方式。
一种源网荷储系统互动协调优化系统，包括：
数据处理模块，用于将多源信息通过大数据集成再利用数据融合技术对数据进行深度融合；
时间序列光伏发电模块，通过光伏电站在地理位置、天气类型上的波动特性建立长期规划及电网运行方式安排下的时间序列光伏发电模型；
时间序列风能发电模型，把握风电出力变化规律，利用随机抽样技术与历史序列特性统计方法，建立具有相似出力特性且符合风电波动规律的时间序列风能发电模型；
供需双向双层优化模块，建立源网荷储系统下的供需双向双层优化模型及制定基于目标
级联分析法的多目标求解策略。
一种存储有计算机程序的可读计算机存储介质，，该程序被处理器执行程序时实现如权利要求 1-7 任一项所述的方法。
本发明的有益效果是：充分考虑时序特征下光伏、风能的出力波动特性，通过新能源供应与柔性负荷用电需求互动博弈，运用目标级联分析法实现区域源网荷储系统的多源互动协调，以灵活优化和满足供需平衡的方式为电力业务系统调度人员进行源网荷储多源联动下配电网经济运行调度提供仿真支撑。准确刻画了源网荷储系统中光伏电站、风能电站对整体出力水平的随机性、波动性和间歇性，可有效支撑多源新能源并网对电力系统的影响分析，同时针对源网荷储系统多源化协调运行提出多目标双层优化模型，求解结果为电力业务系统调度人员进行源网荷储多源联动下配电网经济运行调度提供仿真支持与辅助决策。
附图说明
图 1 是根据本发明实施例的源网荷储系统互动协调优化方法的流程图；
图 2 是根据本发明实施例的源网荷储系统示意图；
图 3 是根据本发明实施例的风光出力模拟序列散点图；
图 4 是根据本发明实施例的历史和模拟风光序列出力系数图；
图 5 是本发明的系统结构图。
具体实施方式
下面结合附图对本发明进行详细说明：
（1）源网荷储系统构成：由光伏电源、风能电源、上级外部电源进行供电，经由配电网络进行电力传输，需求侧末端挂接柔性负荷，在配电网络节点处装设储能设备。
（2）源网荷储协调控制的“多源”信息（包括设备档案数据、运行采集数据、拓扑关系数据、气象、地理信息等）通过大数据技术 kettle，实现对多源数据的抽取与转换，再
利用数据融合技术对设备档案数据、运行数据、拓扑关系数据等信息进行深度融合，除此之
外还应将外部环境如气象、地理信息等各类泛在信息接入汇集，对新能源运行环境整体全息
感知起到辅助作用，为后续分析提供数据支撑。
（3）考虑空间、天气相关性的光伏发电时间序列建模
光伏发电出力与太阳辐射量、地理位置、天气情况等密切相关。通过对空间位置、天气类型因素的分别表达，有效表征光伏电站日初、日落及季节性的差异，有效体现各个天气类型的波动出力随机性。建模生成的光伏发电时间序列将有效继承原始序列的概率分布及波动出力特性，还可反映光伏发电在不同时间序列上的出力相关性。具体建模过程是：
1）指定基准光伏电站 A，获取其历史出力信息，模拟生成基准光伏电站 A 的长期出力
时间序列。
2）确定基准光伏电站 A 生成时间序列的日间天气类型及空间位置信息，作为模拟光伏电站 B 时间序列的初始相关性参数输入，统计各种情况下的相对出力基值Ps(i)及波动特征值ΔP N(i, t)的概率分布，得到模拟光伏电站B相对出力
：
3）将光伏发电出力P(i,t)分为两部分：空间相关性表征出力PDCI(i,t)以及天气相关性表征出力PN(i,t)，即模拟光伏电站 B 的时序性出力值P(i,t)为：
（4）考虑波动特性的风电出力时间序列建模
1）应用历史风电功率数据，基于风电波动特性的已有研究，应用随机抽样法和统计分
析法进行风电出力时间序列建模。风电趋势出力时间序列的多阶段起伏波动模型如下：
式中：｛P｝为风电出力时间序列；W｛Pj｝为风波动序列；｛Pmax｝为风电出力时间序列中的局部极大值序列；｛Pmin｝为风电出力时间序列中的局部极小值序列；P1为波动的起点；Pn为波动的终点；
2）采用高斯函数的变化趋势拟合风电波动轮廓，通过各时刻与波动局部极大值定量描述波动变化的趋势，最终得到包含波动特性的风电时序性出力值Pi (k)，即：
式中：ai为波动出力时间序列中的极值参数；bi为空间相关性参数；ci为波动特性的过程变化趋势参数；k为i时刻与波动局部极大值对应时刻的差值。
（5）建立源网荷储系统下的供需双向双层优化模型
根据源网荷储系统实际运行模式及供需两侧各自的特征，分别建立以供给侧新能源出力为主的上层优化模型和以需求侧柔性负荷为主的下层优化模型：
1）上层模型优化目标为供电网络运行经济性最高，其目标函数为：
式中：Pe(t)为第t个Δt时段的分时电价；PG(t)为第t个Δt时段的电网供电功率；Cpv(t)和Cwpg(t)分别为光伏发电和风能发电的成本损耗；C为源网荷储系统整个优化周期T内的供能成本；
式中：Cbase(pv)为光伏电站建设成本；Efull(pv)为光伏电站生命周期内的总发电量；
式中：Cbase(wpg)为风能电站建设成本；Efull(wpg)为风能电站生命周期内的总发电量；
2）下层模型优化目标为柔性负荷调节响应程度φ最大，其目标函数为：
式中：ΔL(t)为第t个Δt时段的柔性负荷响应功率；L0 (t)为第t个Δt时段的需求侧协调功率。
（6）制定基于目标级联分析法的供需双向双层优化模型求解策略
以供给侧新能源出力为主的上层系统将符合经济性运行的最优出力功率Ps(t)作为预设变量传达至以需求侧柔性负荷为主的下层系统，下层系统将最优柔性负荷功率L(t)作为反馈量传达至上层系统：
式中：
为第 k 次迭代后的供给侧最优出力功率；Lk(t)为第 k 次迭代后的需求侧最优可调节负荷；
通过上层系统与下层系统之间的反复交互迭代，直至预设变量与反馈量之间的误差小于已设定的收敛值 Ɛ，则停止迭代，得到源网荷储系统下供需两侧双向协同互动的最优求解策略，为电力业务系统调度人员进行源网荷储多源联动下配电网经济运行调度提供辅助决策。
为了便于更好地理解本发明，以下结合具体实施例，对该基于新能源时序性模型与目标级联分析法的源网荷储系统互动协调优化方法进行示例性描述。
在具体实施例中，选取某区域源网荷储系统及实测数据，如图 2 所示，展示典型源网荷储系统示意图。该区域分布式光伏电站装机总容量为 32.35kW，风电装机总容量为42kW，以光伏电站、风电场历史数据为作为建模序列，模拟序列生成长度为 1 年，第二年的历史数据进行模型有效性对比验证。区域内需求侧的电力柔性负荷峰值为 36.35kW,各时段响应程度为±10%，储能装置全生命周期内总电能吞吐量为 5057kW·h。区域系统通过10kV 配电网络连通供电，线路之间能够实现互为备供，且已实现配电自动化全覆盖。
通过空间、天气相关性的光伏发电时间序列模型与波动特性的风电发电时间序列模型，得到分布式能源（光伏、风能）的出力序列散点图，如图 3 所示。采用出力特性评价指标的相关性系数判断光伏、风能发电模型生成时间序列是否较好地继承了实测数据的出力特性，如图 4 所示，可以看出时间序列光伏发电模型、风电出力时间序列建模与历史出力数据特性拟合程度较高。
结合上述分布式能源（光伏、风能）的时间出力序列，与“多源信息”中的柔性负荷数据、储能设备设定值，对以供给侧新能源出力为主的上层优化模型和以需求侧柔性负荷为主的下层优化模型进行目标建立与求解，设定收敛精度。为了更好的体现本方案的经济效益，引入该区域向上级电网（上级外部电源）的购电价，为 0.4 元/(kW·h)。在 6∶00～17∶00时段，光照充足，光伏发电量较大，系统供电量主要来自风电、光伏发电，配合响应的柔性负荷，系统对外部电源的依赖几乎降至 0，可累积减少 12.19kW·h 的购电量。其中，在12∶00～15∶00 时段，风电和光伏出力峰值总和大于负荷，且储能系统有充放电损耗而无相应激励手段的情况下却进行了电能存储，并在 18∶00～20∶00 时段内释放。同时，储能系统在不计电能成本的情况下，转换 1kW·h 电能的成本为 0.28 元，此值小于能源供应商向上级电网的购电成本 0.4 元。因此储能系统的运行计划在供能成本最小的目标下是合理的。
表 1 经济性及响应程度对比表
如图 5 所示，本发明涉及的一种源网荷储系统互动协调优化系统，包括：
数据处理模块，用于将多源信息通过大数据集成再利用数据融合技术对数据进行深度融合；时间序列光伏发电模块，通过光伏电站在地理位置、天气类型上的波动特性建立长期规划及电网运行方式安排下的时间序列光伏发电模型；时间序列风能发电模型，把握风电出力变化规律，利用随机抽样技术与历史序列特性统计方法，建立具有相似出力特性且符合风电波动规律的时间序列风能发电模型；供需双向双层优化模块，建立源网荷储系统下的供需双向双层优化模型及制定基于目标级联分析法的多目标求解策略。
一种存储有计算机程序的可读计算机存储介质，该程序被处理器执行程序时实现如上任一项所述的方法。
综上，在上述具体实施例中，本发明的基于新能源时序性模型与目标级联分析法的源网荷储系统互动协调优化方法考虑了光伏发电时间序列模型的空间、天气相关性以及风电出力时间序列建模的波动特性，以供电经济性为主要目标，柔性负荷调节响应程度为辅助目标，建立了供需双向双层优化模型，采用目标级联分析法对模型进行求解，实现了区域源网荷储协调系统的优化调度。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言 Java 和直译式脚本语言 JavaScript 等。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程
和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种源网荷储系统互动协调优化方法，其特征是，其步骤是：
1）源网荷储系统协调控制的多源信息通过利用大数据集成技术，实现对多源数据的抽取与转换，再利用数据融合技术对数据进行深度融合；
（2）通过光伏电站在地理位置、天气类型上的波动特性，建立长期规划及电网运行方式安排下的时间序列光伏发电模型；
（3）把握风电出力变化规律，利用随机抽样技术与历史序列特性统计方法，建立具有相似出力特性且符合风电波动规律的时间序列风能发电模型；
（4）基于供电网络运行经济性最高和柔性负荷调节响应程度最大建立源网荷储系统下的供需双向双层优化模型，制定基于目标级联分析法的多目标求解策略。
2.根据权利要求 1 所述的一种源网荷储系统互动协调优化方法，其特征是，所述时间序列光伏发电模型建模过程是：
1）指定基准光伏电站 A，获取其历史出力信息，模拟生成基准光伏电站 A 的长期出力时间序列；
2）确定基准光伏电站 A 生成时间序列的日间天气类型及空间位置信息，作为模拟光伏电站 B 时间序列的初始相关性参数输入，统计各种情况下的相对出力基值Ps（i）及波动特征值ΔPN(i,t)的概率分布，得到模拟光伏电站B相对出力PN(i,t)：
3）将光伏发电出力P(i,t)分为两部分：空间相关性表征出力PDCI(i,t)以及天气相关性表征出力PN(i,t)，即模拟光伏电站 B 的时序性出力值P(i,t)为：
3.根据权利要求 1 所述的一种源网荷储系统互动协调优化方法，其特征是，所述风电出力时间序列模型建模过程是：
1）风电趋势出力时间序列的多阶段起伏波动模型如下：
式中：｛P｝为风电出力时间序列；W｛Pj｝为风波动序列；｛Pmax｝为风电出力时间序列中的局部极大值序列；｛Pmin｝为风电出力时间序列中的局部极小值序列；P1为波动的起点；Pn为波动的终点；
2）采用高斯函数的变化趋势拟合风电波动轮廓，通过各时刻与波动局部极大值定量描述波动变化的趋势，最终得到包含波动特性的风电时序性出力值Pi (k)，即：
式中：ai为波动出力时间序列中的极值参数；bi为空间相关性参数；ci为波动特性的过程变化趋势参数；k为i时刻与波动局部极大值对应时刻的差值。
4.根据权利要求 1 所述的一种源网荷储系统互动协调优化方法，其特征是，所述供需双向双层优化模型建模过程是：
根据源网荷储系统实际运行模式及供需两侧各自的特征，分别建立以供给侧新能源出力为主的上层优化模型和以需求侧柔性负荷为主的下层优化模型：
1）上层模型的目标函数为：
式中：Pe(t)为第t个Δt时段的分时电价；PG(t)为第t个Δt时段的电网供电功率；Cpv(t)和Cwpg(t)分别为光伏发电和风能发电的成本损耗；C为源网荷储系统整个优化周期T内的供能成本；
式中：Cbase(pv)为光伏电站建设成本；Efull(pv)为光伏电站生命周期内的总发电量；
式中：Cbase(wpg)为风能电站建设成本；Efull(wpg)为风能电站生命周期内的总发电量；
2）下层模型的目标函数为：
式中：ΔL(t)为第t个Δt时段的柔性负荷响应功率；L0 (t)为第t个Δt时段的需求侧协调功率。
5. 根据权利要求 1 所述的一种源网荷储系统互动协调优化方法，其特征是，制定基于
目标级联分析法的多目标求解策略的具体过程是：
以供给侧新能源出力为主的上层系统将符合经济性运行的最优出力功率Ps(t)作为预设变量传达至以需求侧柔性负荷为主的下层系统，下层系统将最优柔性负荷功率L(t)作为反馈量传达至上层系统：
式中：
为第 k 次迭代后的供给侧最优出力功率；Lk(t)为第 k 次迭代后的需求侧最优可调节负荷；
通过上层系统与下层系统之间的反复交互迭代，直至预设变量与反馈量之间的误差小于已设定的收敛值 Ɛ，则停止迭代，得到源网荷储系统下供需两侧双向协同互动的最优求解策略，为电力业务系统调度人员进行源网荷储多源联动下配电网经济运行调度提供辅助决策。
6.根据权利要求 1 所述的一种源网荷储系统互动协调优化方法，其特征是，所述多源信息包括设备档案数据、运行采集数据、拓扑关系数据、气象和地理信息。
7.根据权利要求 1 所述的一种源网荷储系统互动协调优化方法，其特征是，大数据集成时采用 kettle 方式。
8.一种源网荷储系统互动协调优化系统，其特征是，包括：
数据处理模块，用于将多源信息通过大数据集成再利用数据融合技术对数据进行深度融合；
时间序列光伏发电模块，通过光伏电站在地理位置、天气类型上的波动特性建立长期规划及电网运行方式安排下的时间序列光伏发电模型；
时间序列风能发电模型，把握风电出力变化规律，利用随机抽样技术与历史序列特性统计方法，建立具有相似出力特性且符合风电波动规律的时间序列风能发电模型；
供需双向双层优化模块，建立源网荷储系统下的供需双向双层优化模型及制定基于目标级联分析法的多目标求解策略。
9.一种存储有计算机程序的可读计算机存储介质，其特征是，该程序被处理器执行程序时实现如权利要求 1-7 任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211465204.3A CN115733191A (zh) | 2022-11-22 | 2022-11-22 | 一种源网荷储系统互动协调优化方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211465204.3A CN115733191A (zh) | 2022-11-22 | 2022-11-22 | 一种源网荷储系统互动协调优化方法、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115733191A true CN115733191A (zh) | 2023-03-03 |
Family
ID=85297236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211465204.3A Pending CN115733191A (zh) | 2022-11-22 | 2022-11-22 | 一种源网荷储系统互动协调优化方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115733191A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116760016A (zh) * | 2023-05-30 | 2023-09-15 | 中国南方电网有限责任公司 | 自适应电力调度决策方法、装置、电子设备及存储介质 |
| CN117895545A (zh) * | 2024-03-13 | 2024-04-16 | 国网山东省电力公司诸城市供电公司 | 一种实现源网荷储协同的电网运行控制方法 |
-
2022
- 2022-11-22 CN CN202211465204.3A patent/CN115733191A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116760016A (zh) * | 2023-05-30 | 2023-09-15 | 中国南方电网有限责任公司 | 自适应电力调度决策方法、装置、电子设备及存储介质 |
| CN116760016B (zh) * | 2023-05-30 | 2024-04-16 | 中国南方电网有限责任公司 | 自适应电力调度决策方法、装置、电子设备及存储介质 |
| CN117895545A (zh) * | 2024-03-13 | 2024-04-16 | 国网山东省电力公司诸城市供电公司 | 一种实现源网荷储协同的电网运行控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abujarad et al. | Recent approaches of unit commitment in the presence of intermittent renewable energy resources: A review | |
| CN110298138B (zh) | 一种综合能源系统优化方法、装置、设备及可读存储介质 | |
| Fu et al. | Planning of distributed renewable energy systems under uncertainty based on statistical machine learning | |
| Sharma et al. | A critical and comparative review of energy management strategies for microgrids | |
| CN111681130B (zh) | 一种考虑条件风险价值的综合能源系统优化调度方法 | |
| Fioriti et al. | A novel stochastic method to dispatch microgrids using Monte Carlo scenarios | |
| CN112396220B (zh) | 一种基于场景缩减的含风电与需求侧资源的优化调度方法 | |
| CN115733191A (zh) | 一种源网荷储系统互动协调优化方法、系统及存储介质 | |
| CN104899665A (zh) | 风电功率短期预测方法 | |
| CN113139711A (zh) | 一种基于数据整合的智慧能源数据中心管理系统 | |
| CN104376371B (zh) | 一种基于拓扑的配网分层负荷预测方法 | |
| Lin et al. | A hybrid short-term load forecasting approach for individual residential customer | |
| Sogabe et al. | Optimization of decentralized renewable energy system by weather forecasting and deep machine learning techniques | |
| CN116722605B (zh) | 一种基于物联网的配电网调度优化方法 | |
| CN105512774A (zh) | 接入分布式光伏发电的配电网检修计划优化方法 | |
| Yang et al. | Sub-minute probabilistic solar forecasting for real-time stochastic simulations | |
| CN116599151A (zh) | 基于多源数据的源网储荷安全管理方法 | |
| CN115765044A (zh) | 风光水电系统联合运行及风险分析方法和系统 | |
| CN113128786A (zh) | 一种基于空间网格搜索的风光水互补容量与选址优化方法 | |
| CN118171788A (zh) | 可调度柔性资源与电网规划布局的协同优化方法 | |
| CN112446175B (zh) | 基于配电网概率潮流计算的分布式电源选址优化方法 | |
| Shendryk et al. | Decision Support System for Efficient Energy Management of MicroGrid with Renewable Energy Sources | |
| Tan et al. | Dual time-scale robust optimization for energy management of distributed energy community considering source-load uncertainty | |
| CN117670299A (zh) | 用于建筑园区的数字化运维监管方法及系统 | |
| CN115879652B (zh) | 能源网络分级协同规划方法、装置、电子设备及存储介质 |
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 |