CN116014764A - 一种分布式储能优化处理方法及装置 - Google Patents
一种分布式储能优化处理方法及装置 Download PDFInfo
- Publication number
- CN116014764A CN116014764A CN202211405765.4A CN202211405765A CN116014764A CN 116014764 A CN116014764 A CN 116014764A CN 202211405765 A CN202211405765 A CN 202211405765A CN 116014764 A CN116014764 A CN 116014764A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- node
- energy storage
- distributed 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 143
- 238000005457 optimization Methods 0.000 title claims abstract description 120
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000009826 distribution Methods 0.000 claims abstract description 245
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 23
- 239000002245 particle Substances 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000033228 biological regulation Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种分布式储能优化处理方法及装置,涉及配电处理技术领域。所述方法包括:获取配电网脆弱性指标;确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。所述装置执行上述方法。本发明实施例提供的分布式储能优化处理方法及装置,能够优化分布式储能配置,改善配电网电能质量,提升供电可靠性与能源利用率。
Description
技术领域
本发明涉及配电处理技术领域,具体涉及一种分布式储能优化处理方法及装置。
背景技术
近年来,配电网中电动汽车等多元负荷的渗透率逐年增大,负荷种类多元化、运行特征复杂化、需求差异化的特征日益凸显,配电网在运行过程中受到各方面冲击,且分布式电源在提供清洁能源的同时,也可能受到自身随机波动性和系统双向潮流的影响,引起功率波动和电能质量等问题。
传统的配电系统运行优化技术无法匹配现阶段配电系统运行机理,现有的手段多集中在以储能的经济性为目标或者最优化储能的接入容量,忽略了配电网中对配电网脆弱性造成影响的关键指标,使得现有配电网分布式储能配置效果不佳。
发明内容
针对现有技术中的问题,本发明实施例提供一种分布式储能优化处理方法及装置,能够至少部分地解决现有技术中存在的问题。
一方面,本发明提出一种分布式储能优化处理方法,包括:
获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;
确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;
将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。
其中,所述配电网节点类型包括负荷节点;相应的,所述确定与配电网节点类型对应的目标配电网脆弱性指标,包括:
确定与所述负荷节点对应的目标配电网脆弱性指标为节点相关度指标、中心距离指标和负荷节点功率效能系数。
其中,所述配电网节点类型包括电源节点;相应的,所述确定与配电网节点类型对应的目标配电网脆弱性指标,包括:
确定与所述电源节点对应的目标配电网脆弱性指标为节点相关度指标、中心距离指标和电源节点功率效能系数。
其中,所述根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点,包括:
根据与节点相关度指标、中心距离指标和负荷节点功率效能系数分别对应的权重值,计算与负荷节点对应的第一脆弱性指标数值;
根据与节点相关度指标、中心距离指标和电源节点功率效能系数分别对应的权重值,计算与电源节点对应的第二脆弱性指标数值;
根据所述第一脆弱性指标数值和所述第二脆弱性指标数值,确定所述配电网目标节点。
其中,所述根据所述第一脆弱性指标数值和所述第二脆弱性指标数值,确定所述配电网目标节点,包括:
对所述第一脆弱性指标数值和所述第二脆弱性指标数值进行汇总;
对汇总得到数值序列按照由大到小的顺序依次排序,将排序靠前的预设个数的数值对应的配电网节点确定为所述配电网目标节点。
其中,求解所述分布式储能优化模型的求解算法为自适应权重的粒子群算法。
一方面,本发明提出一种分布式储能优化处理装置,包括:
获取单元,用于获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;
确定单元,用于确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;
优化单元,用于将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。
再一方面,本发明实施例提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下方法:
获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;
确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;
将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。
本发明实施例提供一种计算机可读存储介质,包括:
所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如下方法:
获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;
确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;
将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现如下方法:
获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;
确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;
将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。
本发明实施例提供的分布式储能优化处理方法及装置,获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果,能够优化分布式储能配置,改善配电网电能质量,提升供电可靠性与能源利用率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明一实施例提供的分布式储能优化处理方法的流程示意图。
图2是本发明一实施例提供的分布式储能优化处理装置的结构示意图。
图3为本发明实施例提供的计算机设备实体结构示意图。
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明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
图1是本发明一实施例提供的分布式储能优化处理方法的流程示意图,如图1所示,本发明实施例提供的分布式储能优化处理方法,包括:
步骤S1:获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数。
步骤S2:确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点。
步骤S3:将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。
在上述步骤S1中,装置获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数。装置可以是执行该方法的计算机设备等,例如为服务器。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
配电网中含有大量节点,各节点承载的功率流动及传输性能决定该节点在电网中的重要性,因此,需要定量确定评价配电网每个节点脆弱性指标。配电网脆弱性指标需要考虑配电网自身的拓扑结构以及配电网各节点的负荷量及电源容量。
对节点相关度指标说明如下:
其中,ci为节点相关度指标,表征节点所连接其他节点的数量在配网中的整体水平,即考虑了节点本身的连接情况,也顾及了配电网所有节点的实际连接结构。其中n为配电网中节点的总数,Bi为第i个节点连接其余节点的个数。
对中心距离指标说明如下:
其中,di为中心距离指标,衡量节点所处配电网的位置距离中心点的程度,距离中心点越近,则认为该节点的重要级越高。其中Dij代表第i节点距离第j节点之间的最小阻抗,ZL代表配电网网络的总阻抗。对Dij具体说明如下:
由于第i节点与第j节点之间可以存在多条节点路径,每一条节点路径对应有各自的阻抗值,将这些节点路径中阻抗值的最小值确定为上述最小阻抗。
对负荷节点功率效能系数说明如下:
pLi为配电网中负荷节点功率效能系数,用来衡量节点实际的供电效率。对于负荷节点而言,SLi代表负荷节点i接入的功率负荷量,SL代表配电网中负荷总容量。
对电源节点功率效能系数说明如下:
pGi为配电网中电源节点功率效能系数,用来衡量节点实际的供电效率。对于电源节点而言,SGi代表负荷节点i接入的电源容量,SG代表配电网中电源总容量。
在上述步骤S2中,装置确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点。所述配电网节点类型包括负荷节点;相应的,所述确定与配电网节点类型对应的目标配电网脆弱性指标,包括:
确定与所述负荷节点对应的目标配电网脆弱性指标为节点相关度指标、中心距离指标和负荷节点功率效能系数。参照上述说明,与负荷节点对应的目标配电网脆弱性指标为ci、di和pLi。
所述配电网节点类型包括电源节点;相应的,所述确定与配电网节点类型对应的目标配电网脆弱性指标,包括:
确定与所述电源节点对应的目标配电网脆弱性指标为节点相关度指标、中心距离指标和电源节点功率效能系数。参照上述说明,与电源节点对应的目标配电网脆弱性指标为ci、di和pGi。
所述根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点,包括:
根据与节点相关度指标、中心距离指标和负荷节点功率效能系数分别对应的权重值,计算与负荷节点对应的第一脆弱性指标数值;根据与节点相关度指标、中心距离指标和负荷节点功率效能系数分别对应的权重值,计算与负荷节点对应的第一脆弱性指标数值,包括:
根据如下公式计算第一脆弱性指标数值:
QLi=λ·ci+ω·di+μ·pLi
其中,QLi为第一脆弱性指标数值,λ为与节点相关度指标对应的权重值,ω为与中心距离指标对应的权重值,μ为与负荷节点功率效能系数对应的权重值,ci、di和pLi可参照上述说明,不再赘述。
根据与节点相关度指标、中心距离指标和电源节点功率效能系数分别对应的权重值,计算与电源节点对应的第二脆弱性指标数值;根据与节点相关度指标、中心距离指标和电源节点功率效能系数分别对应的权重值,计算与电源节点对应的第二脆弱性指标数值,包括:
根据如下公式计算第二脆弱性指标数值:
QGi=λ·ci+ω·di+μ·pGi
其中,QGi为第二脆弱性指标数值,λ为与节点相关度指标对应的权重值,ω为与中心距离指标对应的权重值,μ为与电源节点功率效能系数对应的权重值,ci、di和pGi可参照上述说明,不再赘述。
上述各权重值可以根据实际情况自主设置,可以满足如下条件:
λ+ω+μ=1
可选择λ=0.2,ω=0.3,μ=0.5。
根据所述第一脆弱性指标数值和所述第二脆弱性指标数值,确定所述配电网目标节点。所述根据所述第一脆弱性指标数值和所述第二脆弱性指标数值,确定所述配电网目标节点,包括:
对所述第一脆弱性指标数值和所述第二脆弱性指标数值进行汇总;
对汇总得到数值序列按照由大到小的顺序依次排序,将排序靠前的预设个数的数值对应的配电网节点确定为所述配电网目标节点。预设个数可以根据实际情况自主设置。排序越靠前,则说明该指标数值对应的节点重要级越高,应该优先配置储能装置,以保证该节点的电能质量满足要求。
在上述步骤S3中,装置将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。对分布式储能优化模型说明如下:
本发明建立的分布式储能优化模型,考虑对分布式储能接入电网后的运行效益,提出以配电网主体收益最大化为目标函数,说明如下:
其中,N为配电网实际运行年限,Fcon为配电网中通过负荷用电收取的电费,Fin为配电网中分布式储能带来的收益,Fupp为分布式储能的初期建设成本,Ff,ess为第f年分布式储能的等效运行成本。
其中,Ff,ess根据如下公式计算:
其中,Eess,i为第i节点接入储能的额定容量,Pess,i为第i节点接入储能的额定功率,Cfe代表折算到第f年的储能单位容量,Cfp代表折算第f年的功率成本。由于分布式储能充放电的效率会伴随时间增加而递减,因此Cfe和Cfp的数值会逐年增加。分布式储能优化模型包括如下三个约束内容,分别说明如下:
配电网受到的约束如下:
储能SOC的约束如下:
SOCmin≤SOC≤SOCmax
其中,SOCmin和SOCmax分别为分布式储能SOC的下限和上限值,SOC为荷电容量。
储能容量的约束如下:
其中,Cmin和Cmax分别为分布式储能容量的下限和上限值,C为储能容量。
求解算法为自适应权重的粒子群算法,相关公式如下:
其中,上述公式中各变量含义为本领域常规内容,不再赘述。自适应权重粒子群算法相比传统的自适应粒子群算法更能平衡全局搜索能力和局部改良能力,算法采用了非线性的动态惯性权重系数公式,惯性权重随着目标数值而自动改变。具体的计算流程包括:
步骤一:初始化种群各微粒的位置和速度;
步骤二:评价每个微粒的适应度,将当前每个微粒的位置和适应值存储在各自的pbest中;
步骤三:计算所有pbest得到最优个体和位置存储在gbest中;
步骤四:采用标准粒子群算法更新粒子的速度和位置;
步骤五:采用公式更新权重;
步骤六:将每个粒子的适应值和历时经历的最优位置进行比较,如果优于历时结果则更新gbest;
步骤七:判定是否满足停止条件决定是否继续搜索。
针对配电网中负荷种类多元化、运行特征复杂化、需求差异化的特征,配电网脆弱性逐渐增加,分布式储能接入配电网形态更为复杂,因此提出一种考虑配电网脆弱性的分布式储能优化处理方法。结合配电网脆弱性指标,提出以配电网主体收益最大化为目标函数,建立含分布式储能接入的优化配置模型,维持源荷平衡,改善配电网电能质量,提升供电可靠性与能源利用率。
本发明通过定量分析配电网脆弱性指标的三个因素来建立配电网脆弱性指标,通过配电网脆弱性指标进行分布式储能接入位置的选取。在此基础上建立分布式储能优化处理模型并进行求解,可以准确计算分布式储能的接入容量并实现配电网经济效益的最优化。
本发明实施例提供的分布式储能优化处理方法,获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果,能够优化分布式储能配置,改善配电网电能质量,提升供电可靠性与能源利用率。
进一步地,所述配电网节点类型包括负荷节点;相应的,所述确定与配电网节点类型对应的目标配电网脆弱性指标,包括:
确定与所述负荷节点对应的目标配电网脆弱性指标为节点相关度指标、中心距离指标和负荷节点功率效能系数。可参照上述说明,不再赘述。
进一步地,所述配电网节点类型包括电源节点;相应的,所述确定与配电网节点类型对应的目标配电网脆弱性指标,包括:
确定与所述电源节点对应的目标配电网脆弱性指标为节点相关度指标、中心距离指标和电源节点功率效能系数。可参照上述说明,不再赘述。
进一步地,所述根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点,包括:
根据与节点相关度指标、中心距离指标和负荷节点功率效能系数分别对应的权重值,计算与负荷节点对应的第一脆弱性指标数值;可参照上述说明,不再赘述。
根据与节点相关度指标、中心距离指标和电源节点功率效能系数分别对应的权重值,计算与电源节点对应的第二脆弱性指标数值;可参照上述说明,不再赘述。
根据所述第一脆弱性指标数值和所述第二脆弱性指标数值,确定所述配电网目标节点。可参照上述说明,不再赘述。
进一步地,所述根据所述第一脆弱性指标数值和所述第二脆弱性指标数值,确定所述配电网目标节点,包括:
对所述第一脆弱性指标数值和所述第二脆弱性指标数值进行汇总;可参照上述说明,不再赘述。
对汇总得到数值序列按照由大到小的顺序依次排序,将排序靠前的预设个数的数值对应的配电网节点确定为所述配电网目标节点。可参照上述说明,不再赘述。
进一步地,求解所述分布式储能优化模型的求解算法为自适应权重的粒子群算法。可参照上述说明,不再赘述。
需要说明的是,本发明实施例提供的分布式储能优化处理方法可用于能源领域,也可用于除能源领域之外的任意技术领域,本发明实施例对分布式储能优化处理方法的应用领域不做限定。
图2是本发明一实施例提供的分布式储能优化处理装置的结构示意图,如图2所示,本发明实施例提供的分布式储能优化处理装置,包括获取单元201、确定单元202和优化单元203,其中:
获取单元201用于获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;确定单元202用于确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;优化单元203用于将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。
具体的,装置中的获取单元201用于获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;确定单元202用于确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;优化单元203用于将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。
本发明实施例提供的分布式储能优化处理装置,获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果,能够优化分布式储能配置,改善配电网电能质量,提升供电可靠性与能源利用率。
进一步地,所述配电网节点类型包括负荷节点;相应的,所述确定单元202具体用于:
确定与所述负荷节点对应的目标配电网脆弱性指标为节点相关度指标、中心距离指标和负荷节点功率效能系数。
进一步地,所述配电网节点类型包括电源节点;相应的,所述确定单元202具体用于:
确定与所述电源节点对应的目标配电网脆弱性指标为节点相关度指标、中心距离指标和电源节点功率效能系数。
进一步地,所述确定单元202具体用于:
根据与节点相关度指标、中心距离指标和负荷节点功率效能系数分别对应的权重值,计算与负荷节点对应的第一脆弱性指标数值;
根据与节点相关度指标、中心距离指标和电源节点功率效能系数分别对应的权重值,计算与电源节点对应的第二脆弱性指标数值;
根据所述第一脆弱性指标数值和所述第二脆弱性指标数值,确定所述配电网目标节点。
进一步地,所述确定单元202还具体用于:
对所述第一脆弱性指标数值和所述第二脆弱性指标数值进行汇总;
对汇总得到数值序列按照由大到小的顺序依次排序,将排序靠前的预设个数的数值对应的配电网节点确定为所述配电网目标节点。
进一步地,求解所述分布式储能优化模型的求解算法为自适应权重的粒子群算法。
本发明实施例提供分布式储能优化处理装置的实施例具体可以用于执行上述各方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
图3为本发明实施例提供的计算机设备实体结构示意图,如图3所示,所述计算机设备包括:存储器301、处理器302及存储在存储器301上并可在处理器302上运行的计算机程序,所述处理器302执行所述计算机程序时实现如下方法:
获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;
确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;
将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。
本实施例公开一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现如下方法:
获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;
确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;
将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。
本实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如下方法:
获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;
确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;
将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。
本发明实施例与现有技术中的技术方案相比,获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果,能够优化分布式储能配置,改善配电网电能质量,提升供电可靠性与能源利用率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
在本说明书的描述中,参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种分布式储能优化处理方法,其特征在于,包括:
获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;
确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;
将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。
2.根据权利要求1所述的分布式储能优化处理方法,其特征在于,所述配电网节点类型包括负荷节点;相应的,所述确定与配电网节点类型对应的目标配电网脆弱性指标,包括:
确定与所述负荷节点对应的目标配电网脆弱性指标为节点相关度指标、中心距离指标和负荷节点功率效能系数。
3.根据权利要求2所述的分布式储能优化处理方法,其特征在于,所述配电网节点类型包括电源节点;相应的,所述确定与配电网节点类型对应的目标配电网脆弱性指标,包括:
确定与所述电源节点对应的目标配电网脆弱性指标为节点相关度指标、中心距离指标和电源节点功率效能系数。
4.根据权利要求3所述的分布式储能优化处理方法,其特征在于,所述根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点,包括:
根据与节点相关度指标、中心距离指标和负荷节点功率效能系数分别对应的权重值,计算与负荷节点对应的第一脆弱性指标数值;
根据与节点相关度指标、中心距离指标和电源节点功率效能系数分别对应的权重值,计算与电源节点对应的第二脆弱性指标数值;
根据所述第一脆弱性指标数值和所述第二脆弱性指标数值,确定所述配电网目标节点。
5.根据权利要求4所述的分布式储能优化处理方法,其特征在于,所述根据所述第一脆弱性指标数值和所述第二脆弱性指标数值,确定所述配电网目标节点,包括:
对所述第一脆弱性指标数值和所述第二脆弱性指标数值进行汇总;
对汇总得到数值序列按照由大到小的顺序依次排序,将排序靠前的预设个数的数值对应的配电网节点确定为所述配电网目标节点。
6.根据权利要求1至5任一所述的分布式储能优化处理方法,其特征在于,求解所述分布式储能优化模型的求解算法为自适应权重的粒子群算法。
7.一种分布式储能优化处理装置,其特征在于,包括:
获取单元,用于获取配电网脆弱性指标;所述配电网脆弱性指标包括节点相关度指标、中心距离指标、负荷节点功率效能系数和电源节点功率效能系数;
确定单元,用于确定与配电网节点类型对应的目标配电网脆弱性指标,并根据目标配电网脆弱性指标确定参与分布式储能优化模型求解计算的配电网目标节点;
优化单元,用于将所述配电网目标节点确定为求解所述分布式储能优化模型的求解算法的初始化参数,利用所述求解算法求解所述分布式储能优化模型,并将求解结果确定为分布式储能优化结果。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任一所述方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211405765.4A CN116014764B (zh) | 2022-11-10 | 2022-11-10 | 一种分布式储能优化处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211405765.4A CN116014764B (zh) | 2022-11-10 | 2022-11-10 | 一种分布式储能优化处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116014764A true CN116014764A (zh) | 2023-04-25 |
CN116014764B CN116014764B (zh) | 2024-04-05 |
Family
ID=86020214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211405765.4A Active CN116014764B (zh) | 2022-11-10 | 2022-11-10 | 一种分布式储能优化处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116014764B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116231646A (zh) * | 2023-05-09 | 2023-06-06 | 湖北工业大学 | 基于电力系统脆弱和经济性的pmu最优配置方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150331063A1 (en) * | 2014-05-13 | 2015-11-19 | Georgia Tech Research Corporation | Dynamic Modeling and Resilience for Power Distribution |
CN108683182A (zh) * | 2018-05-25 | 2018-10-19 | 国网山东省电力公司经济技术研究院 | 一种区域配电网脆弱性评估方法 |
CN109904869A (zh) * | 2019-03-01 | 2019-06-18 | 广东工业大学 | 一种微电网混合储能容量配置的优化方法 |
US20190245882A1 (en) * | 2018-02-08 | 2019-08-08 | Cisco Technology, Inc. | Vulnerability analysis and segmentation of bring-your-own iot devices |
CN110210714A (zh) * | 2019-05-07 | 2019-09-06 | 国网湖南省电力有限公司 | 基于电网脆弱点辨识的储能电池选址方法 |
US20200153273A1 (en) * | 2018-11-13 | 2020-05-14 | Mitsubishi Electric Research Laboratories, Inc. | Methods and Systems for Post-Disaster Resilient Restoration of Power Distribution System |
CN111371125A (zh) * | 2020-01-17 | 2020-07-03 | 武汉大学 | 一种考虑风机接入下提升系统同调性的解列分群优化方法 |
US20200396240A1 (en) * | 2019-06-13 | 2020-12-17 | Bank Of America Corporation | Information technology security assessment model for process flows and associated automated remediation |
CN115204672A (zh) * | 2022-06-24 | 2022-10-18 | 中国计量大学 | 一种考虑主动配电网脆弱性的分布式储能配置方法 |
-
2022
- 2022-11-10 CN CN202211405765.4A patent/CN116014764B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150331063A1 (en) * | 2014-05-13 | 2015-11-19 | Georgia Tech Research Corporation | Dynamic Modeling and Resilience for Power Distribution |
US20190245882A1 (en) * | 2018-02-08 | 2019-08-08 | Cisco Technology, Inc. | Vulnerability analysis and segmentation of bring-your-own iot devices |
CN108683182A (zh) * | 2018-05-25 | 2018-10-19 | 国网山东省电力公司经济技术研究院 | 一种区域配电网脆弱性评估方法 |
US20200153273A1 (en) * | 2018-11-13 | 2020-05-14 | Mitsubishi Electric Research Laboratories, Inc. | Methods and Systems for Post-Disaster Resilient Restoration of Power Distribution System |
CN109904869A (zh) * | 2019-03-01 | 2019-06-18 | 广东工业大学 | 一种微电网混合储能容量配置的优化方法 |
CN110210714A (zh) * | 2019-05-07 | 2019-09-06 | 国网湖南省电力有限公司 | 基于电网脆弱点辨识的储能电池选址方法 |
US20200396240A1 (en) * | 2019-06-13 | 2020-12-17 | Bank Of America Corporation | Information technology security assessment model for process flows and associated automated remediation |
CN111371125A (zh) * | 2020-01-17 | 2020-07-03 | 武汉大学 | 一种考虑风机接入下提升系统同调性的解列分群优化方法 |
CN115204672A (zh) * | 2022-06-24 | 2022-10-18 | 中国计量大学 | 一种考虑主动配电网脆弱性的分布式储能配置方法 |
Non-Patent Citations (5)
Title |
---|
BO TU: "Vulnerability of Distributed Inverter VAR Control in PV Distributed Energy System", 《2022 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS, CONTROL, AND COMPUTING TECHNOLOGIES FOR SMART GRIDS (SMARTGRIDCOMM)》, 28 October 2022 (2022-10-28) * |
张家美;黎灿兵;彭敏放;彭泽武;: "基于综合功率介数的主动配电网脆弱性分析", 《电力系统保护与控制》, no. 18, 19 September 2018 (2018-09-19) * |
朱佩雪: "考虑主动配电网脆弱性的分布式储能配置", 《电测与仪表》, 20 October 2022 (2022-10-20) * |
沈青文;程若发;付鑫;: "一种计及脆弱性指标的分布式电源优化配置方法", 《电力建设》, no. 3, 1 March 2020 (2020-03-01) * |
陈璨: "分布式光伏边界渗透率快速定位及消纳方案择优", 《中国电力》, vol. 55, no. 8, 28 August 2022 (2022-08-28) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116231646A (zh) * | 2023-05-09 | 2023-06-06 | 湖北工业大学 | 基于电力系统脆弱和经济性的pmu最优配置方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116014764B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846472A (zh) | 一种自适应遗传粒子群混合算法的优化方法 | |
CN110389819B (zh) | 一种计算密集型批处理任务的调度方法和系统 | |
CN110118566B (zh) | 机器人运行路径生成方法及装置 | |
CN108280479A (zh) | 一种基于负荷特性指标加权聚类算法的电网用户分类方法 | |
CN110909787A (zh) | 基于聚类的进化算法进行多目标批调度优化的方法和系统 | |
CN116014764B (zh) | 一种分布式储能优化处理方法及装置 | |
CN108255427B (zh) | 一种数据存储和动态迁移方法及装置 | |
CN107256241A (zh) | 基于网格与差异替换改进多目标遗传算法的电影推荐方法 | |
CN103677960A (zh) | 一种能耗约束的虚拟机博弈重放置方法 | |
CN112231117A (zh) | 基于动态向量混合遗传算法的云机器人服务选择方法及系统 | |
CN116108982A (zh) | 一种水库群多目标调度合作搜索方法及系统 | |
CN104778368A (zh) | 一种针对高维多目标优化问题的Pareto集个体排序方法 | |
CN109460875B (zh) | 基于果蝇优化算法的电力系统经济调度方法 | |
CN118210603A (zh) | 一种基于增强生长优化器的云资源调度方法 | |
CN106294788A (zh) | 安卓应用的推荐方法 | |
CN111859242A (zh) | 一种家庭电力能效优化方法及系统 | |
CN116799826A (zh) | 一种分布式光伏储能系统优化配置方法及相关装置 | |
CN108256694A (zh) | 基于重复遗传算法的模糊时间序列预测系统、方法及装置 | |
CN112817959B (zh) | 基于多度量指标权重的古生物形态系统发育树构建方法 | |
CN116319959A (zh) | 一种协同服务平台中的服务组合优化方法 | |
CN114980216A (zh) | 基于移动边缘计算的依赖型任务卸载系统及方法 | |
CN114662852A (zh) | 一种有源配电网多措施降损效果评估方法及系统 | |
CN115422831A (zh) | 一种考虑代价敏感的电网稳定判别方法及系统 | |
Gao et al. | Deep reinforcement learning based rendering service placement for cloud gaming in mobile edge computing systems | |
CN113326135A (zh) | 一种多目标下的云资源调度方法 |
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 |