CN116050667A - 面向分布式光伏的智能电网负荷预测管理系统及管理方法 - Google Patents
面向分布式光伏的智能电网负荷预测管理系统及管理方法 Download PDFInfo
- Publication number
- CN116050667A CN116050667A CN202310279160.3A CN202310279160A CN116050667A CN 116050667 A CN116050667 A CN 116050667A CN 202310279160 A CN202310279160 A CN 202310279160A CN 116050667 A CN116050667 A CN 116050667A
- Authority
- CN
- China
- Prior art keywords
- load
- analysis
- power grid
- signal
- prediction
- 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
Images
Classifications
-
- 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
- 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
-
- 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
Abstract
本发明公开了面向分布式光伏的智能电网负荷预测管理系统及管理方法,涉及电网负荷预测技术领域,包括服务器,服务器通讯连接有分布式光伏分析单元、电网负荷特性分析单元,本发明是将分析对象对应电网进行短期负荷预测,提升电网内负荷管控的效率,有利于提高电网运行的稳定性,同时在预测负荷浮动过大时能够及时进行增容调控,保证电网的合理安全运行;还通过电网负荷的稳定性分析对电网负荷进行预测,在负荷高波动前提下进行电网负荷预测,从而保证电网负荷的管控具备针对性,同时确保电网负荷管控效率合格,防止出现电网负荷无法管控,且未及时进行预测,导致电网负荷管理效率不合理。
Description
技术领域
本发明涉及电网负荷预测技术领域,具体为面向分布式光伏的智能电网负荷预测管理系统及管理方法。
背景技术
电力系统负荷预测是指在考虑一些重要的系统运行特性、增容决策和自然条件下,利用一套系统的处理过去和未来负荷的方法,在一定精度意义下,决定未来某些特定时刻的负荷值,电力负荷预测作为电力系统规划、运行的重要环节之一,是实时控制、运行计划和发展规划的重要前提和依据,其预测的准确性对投资、网络布局和运行的合理性更是有着重要影响,现如今的各个企业在衡量电力企业的管理现代化的水平的时候,已将电力负荷预测工作的水平作为主要标志之一;
但是在现有技术中,电网运行过程中,不能够对分布式光伏发电进行性能合格性分析,以至于不能够保证电网运行稳定性同时对电网负荷预测准确性造成影响;同时不能够对实时电网负荷特性进行分析,且针对不同类型的负荷特性无法匹配合适的预测方法;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的就在于为了解决上述提出的问题,而提出面向分布式光伏的智能电网负荷预测管理系统及管理方法,是将分布式光伏发电进行性能分析,判断分布式光伏发电的性能是否合格,保证智能电网的预测准确性,同时确保光伏发电效率能够提高智能电网的供电稳定性以及运行效率,防止出现供电不足导致智能电网运行中断;将当前电网负荷进行特性分析,判断当前电网负荷特性是否合格,从而确保预测结果可靠性,防止当前运行异常导致预测结果出现偏差,同时影响当前供电需求的执行效率,降低电网的运行稳定性。
本发明的目的可以通过以下技术方案实现:
面向分布式光伏的智能电网负荷预测管理系统,包括服务器,服务器通讯连接有:
分布式光伏分析单元,用于将分布式光伏发电进行性能分析,将分布式光伏发电设备的所属区域标记为分析对象,设置标号i,i为大于1的自然数,获取到分析对象的出力特性分析系数和调节特性分析系数,并根据对应系数的阈值比较生成出力特性分析正常信号、出力特性分析异常信号以及调节特性分析异常信号和调节特性分析正常信号,并将其发送至服务器;
电网负荷特性分析单元,用于将当前电网负荷进行特性分析,通过分析生成负荷高波动信号和负荷低波动信号,并将其发送至服务器;
服务器接收到负荷低波动信号后,负荷短期分析预测单元将分析对象对应电网进行短期负荷预测,以负荷低波动信号的生成时刻为分析时刻,以分析时刻为时刻终点获取到电网的历史运行时间段,对应获取的历史运行时间段内分析对象均为负荷低波动,以分析时刻为时刻起点获取到电网的预测时间段,通过历史运行时间段和预测时间段的依次分析获取到当前预测趋势或者负荷短期预测低风险信号,并将其发送至服务器;
服务器接收到负荷高波动信号后,稳定性分析预测单元将电网负荷的稳定性进行分析预测,通过分析生成负荷高稳定性信号和负荷低稳定性信号,并将其发送至服务器。
作为本发明的一种优选实施方式,分布式光伏分析单元的运行过程如下:
采集到运行过程中分析对象对应发电量的浮动频率以及对应发电量往复浮动的最大电量差值;通过分析获取到分析对象的出力特性分析系数;
将分析对象的出力特性分析系数与出力特性分析系数阈值进行标记:
若分析对象的出力特性分析系数超过出力特性分析系数阈值,则判定出力特性分析不合格,生成出力特性分析异常信号并将出力特性分析异常信号发送至服务器;若分析对象的出力特性分析系数未超过出力特性分析系数阈值,则判定出力特性分析合格,生成出力特性分析正常信号并将出力特性分析正常信号发送至服务器。
作为本发明的一种优选实施方式,采集到运行过程中分析对象对应电量调度的需反应时长以及对应调度指令中可执行量的占比,通过分析获取到分析对象的调节特性分析系数;
将分析对象的调节特性分析系数与调节特性分析系数阈值进行比较:
若分析对象的调节特性分析系数超过调节特性分析系数阈值,则判定分析对象的调节特性分析不合格,生成调节特性分析异常信号并将调节特性分析异常信号发送至服务器;若分析对象的调节特性分析系数未超过调节特性分析系数阈值,则判定分析对象的调节特性分析合格,生成调节特性分析正常信号并将调节特性分析正常信号发送至服务器。
作为本发明的一种优选实施方式,电网负荷特性分析单元的运行过程如下:
采集到运行过程中分析对象对应电网内负荷的最大峰谷电量差以及对应电网内负荷的持续浮动的平均电量值,并将其分别与峰谷电量差值阈值和平均电量值阈值进行比较:
若运行过程中分析对象对应电网内负荷的最大峰谷电量差超过峰谷电量差值阈值,或者对应电网内负荷的持续浮动的平均电量值超过平均电量值阈值,则判定当前电网负荷特性波动大,生成负荷高波动信号并将负荷高波动信号发送至服务器;若运行过程中分析对象对应电网内负荷的最大峰谷电量差未超过峰谷电量差值阈值,且对应电网内负荷的持续浮动的平均电量值未超过平均电量值阈值,则判定当前电网负荷特性波动小,生成负荷低波动信号并将负荷低波动信号发送至服务器。
作为本发明的一种优选实施方式,负荷短期分析预测单元的运行过程如下:
采集到历史运行时间段内历史电网运行参数与当前电网运行参数一致时电网负荷的浮动频率以及电网负荷控制时长持续增加时的风险负荷临界总量,并将其分别标记为浮动频率风险值和负荷总量风险值;
若当前电网负荷浮动频率与浮动频率风险值差值超过频率风险值差值阈值,如电网运行参数浮动频率超过浮动频率风险值,则生成电网负荷预警信号并将电网负荷预警信号发送至服务器;若当前电网负荷浮动频率与浮动频率风险值差值未超过频率风险值差值阈值,则进行预测时间段预测。
作为本发明的一种优选实施方式,预测时间段预测过程如下:
采集到预测时间段内环境参数与当前时刻的环境参数对应差值以及对应数值浮动频率差值,并将其分别与参数数值差值阈值和数值浮动频率差值阈值进行比较:
若预测时间段内环境参数与当前时刻的环境参数对应差值超过参数数值差值阈值,或者对应数值浮动频率差值超过数值浮动频率差值阈值,则预测时间段的电网负荷预测为高风险,同时历史运行时间段内环境参数浮动趋势与当前浮动趋势一致,则将历史运行时间段内对应时刻的负荷趋势作为当前预测趋势;
若预测时间段内环境参数与当前时刻的环境参数对应差值未超过参数数值差值阈值,且对应数值浮动频率差值未超过数值浮动频率差值阈值,则预测时间段的电网负荷预测为低风险,生成负荷短期预测低风险信号并将负荷短期预测低风险信号发送至服务器。
作为本发明的一种优选实施方式,稳定性分析预测单元的运行过程如下:
采集到当前运行时间段内负荷管控后电网负荷增长速度的可控速度值以及电网增容调控后负荷处于当前阈值范围的持续时长,并将其分别与可控速度值阈值和持续时长阈值进行比较:
若当前运行时间段内负荷管控后电网负荷增长速度的可控速度值超过可控速度值阈值,且电网增容调控后负荷处于当前阈值范围的持续时长超过持续时长阈值,则判定当前电网负荷稳定性预测为高稳定性,生成负荷高稳定性信号并将负荷高稳定性信号发送至服务器;
若当前运行时间段内负荷管控后电网负荷增长速度的可控速度值未超过可控速度值阈值,或者电网增容调控后负荷处于当前阈值范围的持续时长未超过持续时长阈值,则判定当前电网负荷稳定性预测为低稳定性,生成负荷低稳定性信号并将负荷低稳定性信号发送至服务器,服务器接收到负荷低稳定性信号后,将当前电网的实时趋势进行针对性控制。
该面向分布式光伏的智能电网负荷预测管理方法,负荷预测管理方法步骤如下:
步骤一、通过分布式光伏分析单元用于将分布式光伏发电进行性能分析,将分布式光伏发电设备的所属区域标记为分析对象,设置标号i,i为大于1的自然数,获取到分析对象的出力特性分析系数和调节特性分析系数,并根据对应系数的阈值比较判断分析对象的性能分析是否合格;
步骤二、通过电网负荷特性分析单元将当前电网负荷进行特性分析,通过分析判定电网负荷的特性;
步骤三、服务器接收到负荷低波动信号后,负荷短期分析预测单元将分析对象对应电网进行短期负荷预测,以负荷低波动信号的生成时刻为分析时刻,以分析时刻为时刻终点获取到电网的历史运行时间段,对应获取的历史运行时间段内分析对象均为负荷低波动,以分析时刻为时刻起点获取到电网的预测时间段,通过历史运行时间段和预测时间段的依次分析获取到当前预测趋势;
步骤四、服务器接收到负荷高波动信号后,稳定性分析预测单元将电网负荷的稳定性进行分析预测,通过分析进行负荷稳定性预测。
与现有技术相比,本发明的有益效果是:
1、本发明中,将分布式光伏发电进行性能分析,判断分布式光伏发电的性能是否合格,保证智能电网的预测准确性,同时确保光伏发电效率能够提高智能电网的供电稳定性以及运行效率,防止出现供电不足导致智能电网运行中断;将当前电网负荷进行特性分析,判断当前电网负荷特性是否合格,从而确保预测结果可靠性,防止当前运行异常导致预测结果出现偏差,同时影响当前供电需求的执行效率,降低电网的运行稳定性;
2、本发明中,将分析对象对应电网进行短期负荷预测,提升电网内负荷管控的效率,有利于提高电网运行的稳定性,同时在预测负荷浮动过大时能够及时进行增容调控,保证电网的合理安全运行,降低电网运行故障的风险;将电网负荷的稳定性进行分析预测,通过电网负荷的稳定性分析对电网负荷进行预测,在负荷高波动前提下进行电网负荷预测,从而保证电网负荷的管控具备针对性,同时确保电网负荷管控效率合格,防止出现电网负荷无法管控,且未及时进行预测,导致电网负荷管理效率不合理,以至于电网的运行质量受影响。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的原理框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1所示,面向分布式光伏的智能电网负荷预测管理系统,包括服务器,服务器通讯连接有分布式光伏分析单元、电网负荷特性分析单元、负荷短期分析预测单元以及稳定性分析预测单元,其中,服务器与分布式光伏分析单元、电网负荷特性分析单元、负荷短期分析预测单元以及稳定性分析预测单元均为双向通讯连接;
服务器生成分布式光伏分析信号并将分布式光伏分析信号发送至分布式光伏分析单元,分布式光伏分析单元接收到分布式光伏分析信号后,将分布式光伏发电进行性能分析,判断分布式光伏发电的性能是否合格,保证智能电网的预测准确性,同时确保光伏发电效率能够提高智能电网的供电稳定性以及运行效率,防止出现供电不足导致智能电网运行中断;
将分布式光伏发电设备的所属区域标记为分析对象,设置标号i,i为大于1的自然数,采集到运行过程中分析对象对应发电量的浮动频率以及对应发电量往复浮动的最大电量差值,并将运行过程中分析对象对应发电量的浮动频率以及对应发电量往复浮动的最大电量差值分别标记为FPi和LDi;通过公式获取到分析对象的出力特性分析系数Xi,其中,a1和a2均为预设比例系数,且a1>a2>0,β1为误差修正因子,取值为0.89;可以理解的是,出力特性分析系数体现分析对象对应发电设备的运行效率,通过其实际发电效率能够判断对应设备运行以及区域选址是否满足需求,防止区域选址不当同时设备运行不合理造成区域供电能力降低;
将分析对象的出力特性分析系数Xi与出力特性分析系数阈值进行标记:
若分析对象的出力特性分析系数Xi超过出力特性分析系数阈值,则判定出力特性分析不合格,生成出力特性分析异常信号并将出力特性分析异常信号发送至服务器;若分析对象的出力特性分析系数Xi未超过出力特性分析系数阈值,则判定出力特性分析合格,生成出力特性分析正常信号并将出力特性分析正常信号发送至服务器;
采集到运行过程中分析对象对应电量调度的需反应时长以及对应调度指令中可执行量的占比,并将运行过程中分析对象对应电量调度的需反应时长以及对应调度指令中可执行量的占比分别标记为FYi和ZBi;通过公式获取到分析对象的调节特性分析系数Si,其中,a3和a4均为预设比例系数,且a3>a4>0,β2为误差修正因子,取值为0.86;
可理解的是,调节特性分析系数为体现分析对象对应发电量调度效果的系数,可体现分析对象的实时调节能力;
将分析对象的调节特性分析系数Si与调节特性分析系数阈值进行比较:
若分析对象的调节特性分析系数Si超过调节特性分析系数阈值,则判定分析对象的调节特性分析不合格,生成调节特性分析异常信号并将调节特性分析异常信号发送至服务器;若分析对象的调节特性分析系数Si未超过调节特性分析系数阈值,则判定分析对象的调节特性分析合格,生成调节特性分析正常信号并将调节特性分析正常信号发送至服务器;
服务器接收到调节特性分析异常信号或者出力特性分析异常信号后,将对应分析对象内发电设备运行进行管控,同时对分析对象的实时选址进行分析,在分析存在风险时可将发电设备的运行流程调整或者更换设备,也可以将分析对象进行重新选址;
服务器在同时接收到出力特性分析正常信号和调节特性分析正常信号后,生成电网负荷特性分析信号并将电网负荷特性分析信号发送至电网负荷特性分析单元,电网负荷特性分析单元接收到电网负荷特性分析信号后,将当前电网负荷进行特性分析,判断当前电网负荷特性是否合格,从而确保预测结果可靠性,防止当前运行异常导致预测结果出现偏差,同时影响当前供电需求的执行效率,降低电网的运行稳定性;
采集到运行过程中分析对象对应电网内负荷的最大峰谷电量差以及对应电网内负荷的持续浮动的平均电量值,并将运行过程中分析对象对应电网内负荷的最大峰谷电量差以及对应电网内负荷的持续浮动的平均电量值分别与峰谷电量差值阈值和平均电量值阈值进行比较:
若运行过程中分析对象对应电网内负荷的最大峰谷电量差超过峰谷电量差值阈值,或者对应电网内负荷的持续浮动的平均电量值超过平均电量值阈值,则判定当前电网负荷特性波动大,生成负荷高波动信号并将负荷高波动信号发送至服务器;
若运行过程中分析对象对应电网内负荷的最大峰谷电量差未超过峰谷电量差值阈值,且对应电网内负荷的持续浮动的平均电量值未超过平均电量值阈值,则判定当前电网负荷特性波动小,生成负荷低波动信号并将负荷低波动信号发送至服务器;
服务器接收到负荷低波动信号后,生成负荷短期分析预测信号并将负荷短期分析预测信号发送至负荷短期分析预测单元,负荷短期分析预测单元接收到负荷短期分析预测信号后,将分析对象对应电网进行短期负荷预测,提升电网内负荷管控的效率,有利于提高电网运行的稳定性,同时在预测负荷浮动过大时能够及时进行增容调控,保证电网的合理安全运行,降低电网运行故障的风险;
以负荷低波动信号的生成时刻为分析时刻,以分析时刻为时刻终点获取到电网的历史运行时间段,对应获取的历史运行时间段内分析对象均为负荷低波动,以分析时刻为时刻起点获取到电网的预测时间段;
采集到历史运行时间段内历史电网运行参数与当前电网运行参数一致时电网负荷的浮动频率以及电网负荷控制时长持续增加时的风险负荷临界总量,并将历史运行时间段内历史电网运行参数与当前电网运行参数一致时电网负荷的浮动频率以及电网负荷控制时长持续增加时的风险负荷临界总量分别标记为浮动频率风险值和负荷总量风险值;其中,运行参数表示为电网的负荷量、电量调度次数、产电量等运行参数;
若当前电网负荷浮动频率与浮动频率风险值差值超过频率风险值差值阈值,如电网运行参数浮动频率超过浮动频率风险值,则生成电网负荷预警信号并将电网负荷预警信号发送至服务器,服务器接收到电网负荷预警信号后,将当前电网进行负荷整顿;如电网运行参数浮动频率未超过浮动频率风险值,则生成负荷预测风险信号并将负荷预测风险信号发送至服务器,服务器接收到负荷预测风险信号后,将与当前电网运行参数一致的历史电网运行参数对应时刻的电网运行参数进行对比,根据对比将实时电网运行参数进行调节;
若当前电网负荷浮动频率与浮动频率风险值差值未超过频率风险值差值阈值,则进行预测时间段预测;
采集到预测时间段内环境参数与当前时刻的环境参数对应差值以及对应数值浮动频率差值,并将预测时间段内环境参数与当前时刻的环境参数对应差值以及对应数值浮动频率差值分别与参数数值差值阈值和数值浮动频率差值阈值进行比较:
若预测时间段内环境参数与当前时刻的环境参数对应差值超过参数数值差值阈值,或者对应数值浮动频率差值超过数值浮动频率差值阈值,则预测时间段的电网负荷预测为高风险,同时历史运行时间段内环境参数浮动趋势与当前浮动趋势一致,则将历史运行时间段内对应时刻的负荷趋势作为当前预测趋势;
若预测时间段内环境参数与当前时刻的环境参数对应差值未超过参数数值差值阈值,且对应数值浮动频率差值未超过数值浮动频率差值阈值,则预测时间段的电网负荷预测为低风险,生成负荷短期预测低风险信号并将负荷短期预测低风险信号发送至服务器;
服务器接收到负荷短期预测趋势后,根据预测趋势进行电网当前负荷整顿,并根据预测趋势进行运行调整;
服务器接收到负荷高波动信号后,生成稳定性分析预测信号并将稳定性分析预测信号发送至稳定性分析预测单元,稳定性分析预测单元接收到稳定性分析预测信号后,将电网负荷的稳定性进行分析预测,通过电网负荷的稳定性分析对电网负荷进行预测,在负荷高波动前提下进行电网负荷预测,从而保证电网负荷的管控具备针对性,同时确保电网负荷管控效率合格,防止出现电网负荷无法管控,且未及时进行预测,导致电网负荷管理效率不合理,以至于电网的运行质量受影响;
采集到当前运行时间段内负荷管控后电网负荷增长速度的可控速度值以及电网增容调控后负荷处于当前阈值范围的持续时长,并将当前运行时间段内负荷管控后电网负荷增长速度的可控速度值以及电网增容调控后负荷处于当前阈值范围的持续时长分别与可控速度值阈值和持续时长阈值进行比较:其中,负荷管控表示为对负荷产生设备进行控制,降低或者增加负荷;
若当前运行时间段内负荷管控后电网负荷增长速度的可控速度值超过可控速度值阈值,且电网增容调控后负荷处于当前阈值范围的持续时长超过持续时长阈值,则判定当前电网负荷稳定性预测为高稳定性,生成负荷高稳定性信号并将负荷高稳定性信号发送至服务器;若当前运行时间段内负荷管控后电网负荷增长速度的可控速度值未超过可控速度值阈值,或者电网增容调控后负荷处于当前阈值范围的持续时长未超过持续时长阈值,则判定当前电网负荷稳定性预测为低稳定性,生成负荷低稳定性信号并将负荷低稳定性信号发送至服务器,服务器接收到负荷低稳定性信号后,将当前电网的实时趋势进行针对性控制。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;
本发明在使用时,通过分布式光伏分析单元用于将分布式光伏发电进行性能分析,将分布式光伏发电设备的所属区域标记为分析对象,设置标号i,i为大于1的自然数,获取到分析对象的出力特性分析系数和调节特性分析系数,并根据对应系数的阈值比较生成出力特性分析正常信号、出力特性分析异常信号以及调节特性分析异常信号和调节特性分析正常信号,并将其发送至服务器;通过电网负荷特性分析单元将当前电网负荷进行特性分析,通过分析生成负荷高波动信号和负荷低波动信号,并将其发送至服务器;服务器接收到负荷低波动信号后,负荷短期分析预测单元将分析对象对应电网进行短期负荷预测,以负荷低波动信号的生成时刻为分析时刻,以分析时刻为时刻终点获取到电网的历史运行时间段,对应获取的历史运行时间段内分析对象均为负荷低波动,以分析时刻为时刻起点获取到电网的预测时间段,通过历史运行时间段和预测时间段的依次分析获取到当前预测趋势或者负荷短期预测低风险信号,并将其发送至服务器;服务器接收到负荷高波动信号后,稳定性分析预测单元将电网负荷的稳定性进行分析预测,通过分析生成负荷高稳定性信号和负荷低稳定性信号,并将其发送至服务器。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.面向分布式光伏的智能电网负荷预测管理系统,其特征在于,包括服务器,服务器通讯连接有:
分布式光伏分析单元,用于将分布式光伏发电进行性能分析,将分布式光伏发电设备的所属区域标记为分析对象,设置标号i,i为大于1的自然数,获取到分析对象的出力特性分析系数和调节特性分析系数,并根据对应系数的阈值比较生成出力特性分析正常信号、出力特性分析异常信号以及调节特性分析异常信号和调节特性分析正常信号,并将其发送至服务器;
电网负荷特性分析单元,用于将当前电网负荷进行特性分析,通过分析生成负荷高波动信号和负荷低波动信号,并将其发送至服务器;
服务器接收到负荷低波动信号后,负荷短期分析预测单元将分析对象对应电网进行短期负荷预测,以负荷低波动信号的生成时刻为分析时刻,以分析时刻为时刻终点获取到电网的历史运行时间段,对应获取的历史运行时间段内分析对象均为负荷低波动,以分析时刻为时刻起点获取到电网的预测时间段,通过历史运行时间段和预测时间段的依次分析获取到当前预测趋势或者负荷短期预测低风险信号,并将其发送至服务器;
服务器接收到负荷高波动信号后,稳定性分析预测单元将电网负荷的稳定性进行分析预测,通过分析生成负荷高稳定性信号和负荷低稳定性信号,并将其发送至服务器。
2.根据权利要求1所述的面向分布式光伏的智能电网负荷预测管理系统,其特征在于,分布式光伏分析单元的运行过程如下:
采集到运行过程中分析对象对应发电量的浮动频率以及对应发电量往复浮动的最大电量差值;通过分析获取到分析对象的出力特性分析系数;
将分析对象的出力特性分析系数与出力特性分析系数阈值进行标记:
若分析对象的出力特性分析系数超过出力特性分析系数阈值,则判定出力特性分析不合格,生成出力特性分析异常信号并将出力特性分析异常信号发送至服务器;若分析对象的出力特性分析系数未超过出力特性分析系数阈值,则判定出力特性分析合格,生成出力特性分析正常信号并将出力特性分析正常信号发送至服务器。
3.根据权利要求1所述的面向分布式光伏的智能电网负荷预测管理系统,其特征在于,采集到运行过程中分析对象对应电量调度的需反应时长以及对应调度指令中可执行量的占比,通过分析获取到分析对象的调节特性分析系数;
将分析对象的调节特性分析系数与调节特性分析系数阈值进行比较:
若分析对象的调节特性分析系数超过调节特性分析系数阈值,则判定分析对象的调节特性分析不合格,生成调节特性分析异常信号并将调节特性分析异常信号发送至服务器;若分析对象的调节特性分析系数未超过调节特性分析系数阈值,则判定分析对象的调节特性分析合格,生成调节特性分析正常信号并将调节特性分析正常信号发送至服务器。
4.根据权利要求1所述的面向分布式光伏的智能电网负荷预测管理系统,其特征在于,电网负荷特性分析单元的运行过程如下:
采集到运行过程中分析对象对应电网内负荷的最大峰谷电量差以及对应电网内负荷的持续浮动的平均电量值,并将其分别与峰谷电量差值阈值和平均电量值阈值进行比较:
若运行过程中分析对象对应电网内负荷的最大峰谷电量差超过峰谷电量差值阈值,或者对应电网内负荷的持续浮动的平均电量值超过平均电量值阈值,则判定当前电网负荷特性波动大,生成负荷高波动信号并将负荷高波动信号发送至服务器;若运行过程中分析对象对应电网内负荷的最大峰谷电量差未超过峰谷电量差值阈值,且对应电网内负荷的持续浮动的平均电量值未超过平均电量值阈值,则判定当前电网负荷特性波动小,生成负荷低波动信号并将负荷低波动信号发送至服务器。
5.根据权利要求1所述的面向分布式光伏的智能电网负荷预测管理系统,其特征在于,负荷短期分析预测单元的运行过程如下:
采集到历史运行时间段内历史电网运行参数与当前电网运行参数一致时电网负荷的浮动频率以及电网负荷控制时长持续增加时的风险负荷临界总量,并将其分别标记为浮动频率风险值和负荷总量风险值;
若当前电网负荷浮动频率与浮动频率风险值差值超过频率风险值差值阈值,如电网运行参数浮动频率超过浮动频率风险值,则生成电网负荷预警信号并将电网负荷预警信号发送至服务器;若当前电网负荷浮动频率与浮动频率风险值差值未超过频率风险值差值阈值,则进行预测时间段预测。
6.根据权利要求1所述的面向分布式光伏的智能电网负荷预测管理系统,其特征在于,预测时间段预测过程如下:
采集到预测时间段内环境参数与当前时刻的环境参数对应差值以及对应数值浮动频率差值,并将其分别与参数数值差值阈值和数值浮动频率差值阈值进行比较:
若预测时间段内环境参数与当前时刻的环境参数对应差值超过参数数值差值阈值,或者对应数值浮动频率差值超过数值浮动频率差值阈值,则预测时间段的电网负荷预测为高风险,同时历史运行时间段内环境参数浮动趋势与当前浮动趋势一致,则将历史运行时间段内对应时刻的负荷趋势作为当前预测趋势;
若预测时间段内环境参数与当前时刻的环境参数对应差值未超过参数数值差值阈值,且对应数值浮动频率差值未超过数值浮动频率差值阈值,则预测时间段的电网负荷预测为低风险,生成负荷短期预测低风险信号并将负荷短期预测低风险信号发送至服务器。
7.根据权利要求1所述的面向分布式光伏的智能电网负荷预测管理系统,其特征在于,稳定性分析预测单元的运行过程如下:
采集到当前运行时间段内负荷管控后电网负荷增长速度的可控速度值以及电网增容调控后负荷处于当前阈值范围的持续时长,并将其分别与可控速度值阈值和持续时长阈值进行比较:
若当前运行时间段内负荷管控后电网负荷增长速度的可控速度值超过可控速度值阈值,且电网增容调控后负荷处于当前阈值范围的持续时长超过持续时长阈值,则判定当前电网负荷稳定性预测为高稳定性,生成负荷高稳定性信号并将负荷高稳定性信号发送至服务器;
若当前运行时间段内负荷管控后电网负荷增长速度的可控速度值未超过可控速度值阈值,或者电网增容调控后负荷处于当前阈值范围的持续时长未超过持续时长阈值,则判定当前电网负荷稳定性预测为低稳定性,生成负荷低稳定性信号并将负荷低稳定性信号发送至服务器,服务器接收到负荷低稳定性信号后,将当前电网的实时趋势进行针对性控制。
8.面向分布式光伏的智能电网负荷预测管理方法,其特征在于,负荷预测管理方法步骤如下:
步骤一、通过分布式光伏分析单元用于将分布式光伏发电进行性能分析,将分布式光伏发电设备的所属区域标记为分析对象,设置标号i,i为大于1的自然数,获取到分析对象的出力特性分析系数和调节特性分析系数,并根据对应系数的阈值比较判断分析对象的性能分析是否合格;
步骤二、通过电网负荷特性分析单元将当前电网负荷进行特性分析,通过分析判定电网负荷的特性;
步骤三、服务器接收到负荷低波动信号后,负荷短期分析预测单元将分析对象对应电网进行短期负荷预测,以负荷低波动信号的生成时刻为分析时刻,以分析时刻为时刻终点获取到电网的历史运行时间段,对应获取的历史运行时间段内分析对象均为负荷低波动,以分析时刻为时刻起点获取到电网的预测时间段,通过历史运行时间段和预测时间段的依次分析获取到当前预测趋势;
步骤四、服务器接收到负荷高波动信号后,稳定性分析预测单元将电网负荷的稳定性进行分析预测,通过分析进行负荷稳定性预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310279160.3A CN116050667B (zh) | 2023-03-22 | 2023-03-22 | 面向分布式光伏的智能电网负荷预测管理系统及管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310279160.3A CN116050667B (zh) | 2023-03-22 | 2023-03-22 | 面向分布式光伏的智能电网负荷预测管理系统及管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116050667A true CN116050667A (zh) | 2023-05-02 |
CN116050667B CN116050667B (zh) | 2023-08-01 |
Family
ID=86120353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310279160.3A Active CN116050667B (zh) | 2023-03-22 | 2023-03-22 | 面向分布式光伏的智能电网负荷预测管理系统及管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116050667B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495953A (zh) * | 2011-11-29 | 2012-06-13 | 河北省电力建设调整试验所 | 基于采集到的电能质量数据和环境参数对光伏数据进行分析评估和发电负荷预测的方法 |
CN106712103A (zh) * | 2017-03-14 | 2017-05-24 | 南京工程学院 | 一种微电网电压稳定控制系统及控制方法 |
CN106779253A (zh) * | 2017-02-17 | 2017-05-31 | 广东电网有限责任公司电力科学研究院 | 一种计及光伏的配电网短期负荷预测方法及装置 |
CN107665385A (zh) * | 2017-10-30 | 2018-02-06 | 上海电气集团股份有限公司 | 一种微电网系统用的基于支持向量机的短期负荷预测方法 |
CN107910863A (zh) * | 2017-05-25 | 2018-04-13 | 南京邮电大学 | 综合考虑光伏出力和负荷需求预测区间的配电网调度方法 |
CN109409574A (zh) * | 2018-09-27 | 2019-03-01 | 深圳供电局有限公司 | 一种负荷波动特性的处理方法 |
CN113065715A (zh) * | 2021-04-21 | 2021-07-02 | 东南大学 | 一种综合能源系统多元负荷超短期预测方法 |
CN113765156A (zh) * | 2021-10-20 | 2021-12-07 | 浙江浙达能源科技有限公司 | 用于碳电一体化虚拟电厂的源网荷储综合调度系统 |
CN114421471A (zh) * | 2022-02-09 | 2022-04-29 | 浙江容大电力工程有限公司 | 一种应用于转供电的电流负荷特性识别系统 |
CN115051358A (zh) * | 2022-06-13 | 2022-09-13 | 苏州禾望电气有限公司 | 一种风力发电短期负荷功率预测方法及风力发电系统 |
CN115102290A (zh) * | 2022-08-02 | 2022-09-23 | 南京国电南思科技发展股份有限公司 | 一种智能电网实时安全预警系统 |
US20220373984A1 (en) * | 2021-05-19 | 2022-11-24 | Shandong University | Hybrid photovoltaic power prediction method and system based on multi-source data fusion |
CN115392547A (zh) * | 2022-08-04 | 2022-11-25 | 北京国能国源能源科技有限公司 | 基于数据分析的虚拟电厂能源综合管控平台 |
-
2023
- 2023-03-22 CN CN202310279160.3A patent/CN116050667B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495953A (zh) * | 2011-11-29 | 2012-06-13 | 河北省电力建设调整试验所 | 基于采集到的电能质量数据和环境参数对光伏数据进行分析评估和发电负荷预测的方法 |
CN106779253A (zh) * | 2017-02-17 | 2017-05-31 | 广东电网有限责任公司电力科学研究院 | 一种计及光伏的配电网短期负荷预测方法及装置 |
CN106712103A (zh) * | 2017-03-14 | 2017-05-24 | 南京工程学院 | 一种微电网电压稳定控制系统及控制方法 |
CN107910863A (zh) * | 2017-05-25 | 2018-04-13 | 南京邮电大学 | 综合考虑光伏出力和负荷需求预测区间的配电网调度方法 |
CN107665385A (zh) * | 2017-10-30 | 2018-02-06 | 上海电气集团股份有限公司 | 一种微电网系统用的基于支持向量机的短期负荷预测方法 |
CN109409574A (zh) * | 2018-09-27 | 2019-03-01 | 深圳供电局有限公司 | 一种负荷波动特性的处理方法 |
CN113065715A (zh) * | 2021-04-21 | 2021-07-02 | 东南大学 | 一种综合能源系统多元负荷超短期预测方法 |
US20220373984A1 (en) * | 2021-05-19 | 2022-11-24 | Shandong University | Hybrid photovoltaic power prediction method and system based on multi-source data fusion |
CN113765156A (zh) * | 2021-10-20 | 2021-12-07 | 浙江浙达能源科技有限公司 | 用于碳电一体化虚拟电厂的源网荷储综合调度系统 |
CN114421471A (zh) * | 2022-02-09 | 2022-04-29 | 浙江容大电力工程有限公司 | 一种应用于转供电的电流负荷特性识别系统 |
CN115051358A (zh) * | 2022-06-13 | 2022-09-13 | 苏州禾望电气有限公司 | 一种风力发电短期负荷功率预测方法及风力发电系统 |
CN115102290A (zh) * | 2022-08-02 | 2022-09-23 | 南京国电南思科技发展股份有限公司 | 一种智能电网实时安全预警系统 |
CN115392547A (zh) * | 2022-08-04 | 2022-11-25 | 北京国能国源能源科技有限公司 | 基于数据分析的虚拟电厂能源综合管控平台 |
Non-Patent Citations (2)
Title |
---|
JIANYUAN XU: "Adaptive predicting control for electrical load simulator", 2016 13TH INTERNATIONAL CONFERENCE ON UBIQUITOUS ROBOTS AND AMBIENT INTELLIGENCE (URAI) * |
汪胜和;王正风;应益强;徐俊;: "计及光伏期望出力可信度的配电网调度计划研究", 东北电力技术, no. 08 * |
Also Published As
Publication number | Publication date |
---|---|
CN116050667B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116128241A (zh) | 一种智能供电系统 | |
CN117093823B (zh) | 基于数据分析的工厂能源消耗管理方法 | |
CN109167368B (zh) | 一种含分布式光伏的用户电压优化调节方法及系统 | |
CN109412210B (zh) | 一种风电机组有功功率精细化调节方法 | |
CN115392547A (zh) | 基于数据分析的虚拟电厂能源综合管控平台 | |
CN116050667B (zh) | 面向分布式光伏的智能电网负荷预测管理系统及管理方法 | |
CN109888841B (zh) | 一种发电机组负荷优化分配方法 | |
CN111313466A (zh) | 一种基于风力优先调节的送端电网agc优化调控方法及系统 | |
CN116054214A (zh) | 一种基于智能调控的户用光伏储能系统 | |
CN109445277A (zh) | 基于数据自动寻取的功率控制参数自动调整系统及方法 | |
CN115811058A (zh) | 一种冶金负荷参与安全辅助服务的电力系统紧急频率控制方法 | |
CN110635522B (zh) | 一种基于风电场理论功率的机组自动启停机控制方法 | |
CN109667713B (zh) | 一种风力发电机组增功控制方法及装置 | |
CN107634548B (zh) | 一种风电场有功功率变化率智能控制方法 | |
CN112636365A (zh) | 一种控制大功率整流装置功率恒定的方法 | |
CN106532783B (zh) | 分布式光伏协调控制系统 | |
CN117650628B (zh) | 一种基于自适应预调节场景的能效管理系统 | |
CN117013606B (zh) | 一种基于人工智能的光伏发电智能储能控制系统 | |
CN112838621B (zh) | 计及新能源增长的电力系统调频容量实现方法 | |
CN117458434B (zh) | 一种适用于峰谷用电阶段的自动控制配电管理系统 | |
CN116049721A (zh) | 一种基于人工智能的变换器运行故障预测系统 | |
CN112653141B (zh) | 一种双向互动的配电侧电能响应系统及其控制方法 | |
CN112523940B (zh) | 基于状态负荷分配的风电机组能量管理方法 | |
CN115764907A (zh) | 考虑新能源主动调节特性的低频低压减载方法 | |
CN117639225A (zh) | 一种低负荷辅机跳闸控制优化方法 |
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 |