CN116581742A - 一种基于变色龙算法调控智慧云平台柔性电负荷调度系统及方法 - Google Patents
一种基于变色龙算法调控智慧云平台柔性电负荷调度系统及方法 Download PDFInfo
- Publication number
- CN116581742A CN116581742A CN202310557019.5A CN202310557019A CN116581742A CN 116581742 A CN116581742 A CN 116581742A CN 202310557019 A CN202310557019 A CN 202310557019A CN 116581742 A CN116581742 A CN 116581742A
- Authority
- CN
- China
- Prior art keywords
- optimal
- chameleon
- prediction module
- cloud platform
- load
- 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
- 241000122205 Chamaeleonidae Species 0.000 title claims abstract description 53
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims description 20
- 230000001276 controlling effect Effects 0.000 title claims description 12
- 230000001105 regulatory effect Effects 0.000 title claims description 9
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 50
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 50
- 239000001257 hydrogen Substances 0.000 claims abstract description 50
- 238000003860 storage Methods 0.000 claims abstract description 19
- 239000000446 fuel Substances 0.000 claims abstract description 13
- 230000008901 benefit Effects 0.000 claims description 29
- 230000005611 electricity Effects 0.000 claims description 10
- 238000010248 power generation Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000000739 chaotic effect Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 description 10
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 8
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 210000000214 mouth Anatomy 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000004418 eye rotation Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
Abstract
本发明公开了一种基于变色龙算法调控智慧云平台柔性电负荷调度系统，其包括:云平台系统、光伏预测模块、光伏列阵、风力预测模块、风电机组、数据模块、柔性智慧调控预测模块、电解池、储氢罐、氢燃料电池、DC/DC变换器、用户供给端、工业负载端、离散负载端；本发明在电力调度系统中加入了风力、光伏以及对市场电力需求的预测模块，同时加入了改进后的变色龙算法，使得该系统能精确根据天气预测发电量，利用云平台预测到的当前工业以及离散负荷用电量，通过柔性智慧调控预测模块对当前市场电价的实时影响进行计算能够使得绿能在不冗余的情况下进行电饱和调度，同时使得企业收益最大化。
Description
技术领域
本发明多能源利用技术领域，尤其涉及一种基于变色龙算法调控智慧云平台柔性电负荷调度系统及方法。
背景技术
在推进"双碳"目标的进程中，根据数据了解到，我国二氧化碳排放的88％来自于能源燃烧，电力行业占能源行业排放的41％，由此可以看出电力行业发展道路任重而道远，作为电力系统的指挥中枢――电力调度机构，便义不容辞的成为了这个领航者。传统的能源调度技术与当今飞速发展的社会逐渐产生一系列的不匹配问提：(1)传统的能源调度技术中绿色能源的占比较少，随着一次能源面临枯竭，应该减少化石能源的使用，增加绿色能源的利用率；(2)一次能源的使用过度生成的大量二氧化碳环境以及温室效应都造成了不小的污染与伤害，正因为一次能源燃烧使用排放的二氧化碳较多促使国家不适应碳中和的发展目标；(3)能源的冗余较高，因此造成了大量的化石能源的铺张浪费同时不能够充分调动离散负荷使得企业的经济利益受损。在双碳双减大环境下，企业的能源调度已经无法忽略碳排放和绿能不冗余这一重要核心，在响应国家政策大力减少二氧化碳排放的同时也应注意到绿色能源在当今社会中的发展潜力。
因此，需要一种智慧云平台柔性电负荷调度技术，既能够充分利用清洁能源延缓一次能源的枯竭，又能提高绿色能源利用率同时能响应国家推进的双谈双减降低碳排放，还能突破传统能源调度技术忽视绿能冗余这一瓶颈以及实现氢能的循环利用。
发明内容
发明目的：本发明的目的是提供一种基于变色龙算法调控智慧云平台柔性电负荷调度系统及方法，根据云平台的天气预测情况和数据通过柔性智慧调控预测模块的缜密精确计算使得绿色能源冗余减少避免浪费而且企业经济达到最大化；进一步的将冗余绿能转换为其他形式能源，根据市场所需同时也由柔性智慧调控预测模块计算满足市场需求，企业收益进一步扩大。
技术方案：本发明所述的一种基于变色龙算法调控智慧云平台柔性电负荷调度系统，包括:包括云平台系统、光伏预测模块、光伏列阵、风力预测模块、风电机组、数据模块、柔性智慧调控预测模块、电解池、储氢罐、氢燃料电池、DC/DC变换器、用户供给端、工业负载端、离散负载端；所述云平台系统的输入端分别与工业负载端输出端和离散负载端输出端连接；所述云平台系统的输出端与柔性智慧调控预测模块输入端连接；所述柔性智慧调控预测模块的输出端分别连接储氢罐输入端和光伏列阵、风电机组输入端；所述光伏列阵、风电机组输出端分别连接工业负载端输入端、离散负载端输入端以及电解池输入端；所述电解池输出端与储氢罐输入端连接；储氢罐输出端分别与用户供给端和氢燃料电池输入端连接；所述氢燃料电池输出端与DC/DC变换器输入端连接；所述DC/DC变换器输出端与离散负载端的输入端连接。所述离散负载端与工业负载端连接。
进一步的，所述云平台系统包括：光伏预测模块、风力预测模块、数据模块。光伏预测模块用于根据各个区域的天气状况预测光伏列阵的发电量；风力预测模块用于根据各个区域的天气状况预测风电机组的发电量；数据模块用于预测工业以及离散负荷用电量，通过柔性智慧调控预测模块对发电量以及电价实时的影响进行电饱和调度使得绿能不冗余。
一种基于变色龙算法调控智慧云平台柔性电负荷调度方法，其特征在于，包括以下步骤：
(1)初始化每个变色龙种群位置；
(2)建立目标函数；
(3)计算最优目标功率值；
(4)更新变色龙位置；
(5)判断最优位置；
(6)输出最优位置。
进一步的，所述步骤(1)具体如下：将预测模块、数据模块的参数，储氢罐容量以及用户端氢气消耗作为输入，设置最大迭代次数，采用Logistic混沌映射具有使系统处于混沌状态，映射分布均匀性达到极致，具体公式如下：
Xn+1＝βXn(1-Xn)
式中：Xn∈[0,1]；β∈[0,3]为Logistic参数。
进一步的，所述步骤(2)具体如下：计算每个种群的适应度，即目标函数为绿能不冗余最优收益，计算公式如下：
式中：Ei(t)为t月工业负荷的最大收益，Ed(t)为t月离散负荷的最大收益，Eh(t)为t月用户氢气使用的最大消耗；
式中：Di(t)为t月工业负载需求量，Dd(t)为t月离散负载需求量，Dh(t)为t月用户氢气使用量，使得绿能不冗余。
进一步的，所述步骤(3)具体如下：根据迭代过程中当前次数、下一次以及最后迭代的到的目标函数和约束搜索能力即为该系统迭代中设置的迭代次数得出变色龙的寻觅猎物的表达式如下：
式中：Ft ij、为变色龙i在维度j中当前、下一步的位置即为寻找到的当前收益、下一次迭代后的收益和寻找到的当前绿能使用量、下一次迭代后绿能使用量；G为当前最优个体位置即为当前最优收益和当前绿能冗余最优；P为变色龙i迄今为止的最好位置即为经过部分次数迭代后得到的最优收益和绿能最优冗余(目前最优解)；p1、p2是控制勘探能力的两个参数；r1、r2、r3均为[0,1]内的随机数，ri是[0,1]内的随机数；Pp＝0.1表示变色龙感知猎物的概率(该系统的最优收益和最优冗余即目标函数)；uj、lj分别表示第j维的上、下限；猎物指的就是不断更新的最优目标函数值，即最优功率值，变色龙种群不断的寻优朝着猎物靠近，当捕捉到猎物时就是最优收益值和最优冗余值。
进一步的，所述步骤(4)具体如下：
式中：为变色龙在位置旋转前的各维度平均位置，yt+1为旋转后的坐标，yr为旋转中心坐标。
进一步的，所述步骤(5)具体如下：
式中：c1＝c2＝1.75控制着G、P对口腔内犹如弹簧状的武器速度的影响，舌头表示的是变色龙移动的路径方式；α为个体变量，为2逐渐将为1的数值，β为全局变量，为1到2的数值，该改进为前期增强个体最优，后期增强局部最优。
进一步的，所述步骤(6)具体如下：判断是否到底最大迭代次数，如果是则输出最优位置；如果不是，返回步骤(3)。
进一步的，其特征在于，输出最优位置公式如下：
式中：b为设置的迭代次数。
有益效果：与现有技术相比，本发明具有如下显著优点：在电力调度系统中加入了风力、光伏以及对市场电力需求的预测模块，同时加入了改进后的变色龙算法，使得该系统能精确根据天气预测发电量，利用云平台预测到的当前工业以及离散负荷用电量，通过柔性智慧调控预测模块对当前市场电价的实时影响进行计算能够使得绿能在不冗余的情况下进行电饱和调度，同时使得企业收益最大化。
附图说明
图1为本发明的结构示意图；
图2为本发明的算法流程图；
图3为本发明的绿色产能冗余率对比图；
图4为本发明的碳排放对比传统能源调度碳排放对比图；
图5为本发明的智慧云平台柔性电负荷调度经济满足率。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1-5所示，本发明实施例提供了本发明所述的一种基于变色龙算法调控智慧云平台柔性电负荷调度系统，包括:包括云平台系统、光伏预测模块、光伏列阵、风力预测模块、风电机组、数据模块、柔性智慧调控预测模块、电解池、储氢罐、氢燃料电池、DC/DC变换器、用户供给端、工业负载端、离散负载端；所述云平台系统的输入端分别与工业负载端输出端和离散负载端输出端连接；所述云平台系统的输出端与柔性智慧调控预测模块输入端连接；所述柔性智慧调控预测模块的输出端分别连接储氢罐输入端和光伏列阵、风电机组输入端；所述光伏列阵、风电机组输出端分别连接工业负载端输入端、离散负载端输入端以及电解池输入端；所述电解池输出端与储氢罐输入端连接；储氢罐输出端分别与用户供给端和氢燃料电池输入端连接；所述氢燃料电池输出端与DC/DC变换器输入端连接；所述DC/DC变换器输出端与离散负载端的输入端连接。所述离散负载端与工业负载端连接。
所述云平台系统包括：光伏预测模块、风力预测模块、数据模块。光伏预测模块用于根据各个区域的天气状况预测光伏列阵的发电量；风力预测模块用于根据各个区域的天气状况预测风电机组的发电量；数据模块用于预测工业以及离散负荷用电量，通过柔性智慧调控预测模块对发电量以及电价实时的影响进行电饱和调度使得绿能不冗余。
云平台系统根据各个区域的天气状况由光伏预测模块和风力预测模块预测出光伏列阵和风电机组的发电量，利用云平台数据预测出工业负载端和离散负载端的用电量以及实时电价，通过柔性智慧调控预测模块缜密精确的计算进行电饱和调度，使得绿能冗余小饱和度高经济最优化，然后在柔性智慧调控预测模块计算得到最优结果后控制着发电系统(光伏列阵、风电机组)向工业负载端和离散负载端输入所购买的电力。当柔性智慧调控预测模块计算得到最优收益以及绿能存在冗余时，则发电系统将冗余电量输入到电解池中进行电解水制氢，将得到的氢气输送到储氢罐中，储氢罐连接着柔性智慧调控预测模块，根据储氢罐中氢气的容量和实时氢气价格以及用户端氢气的使用情况得到一个最优计算，使得收益最大化绿能冗余进一步缩小(没有即完美)。当氢气存在冗余情况时，将冗余氢气最为氢燃料电池的发电材料，将由氢燃料电池产的电量通过DC/DC变换器转换为固定电压(绿能经过几轮转卖所剩无几)以更为优惠的价格卖给离散负载端(以将绿能冗余为0为目的)尽量获益；
离散负载端即用电时间节点比较分散零碎的负载端，如电瓶车公共充电区域、公共充电宝使用等等，这些离散负载端用电量相比于工业用电量小很多同时没有具体时间，所以这也是剩下的氢气通过氢燃料电池产生的小部分电量输送给负载端最优化方案。
本发明利用优化变色龙算法调控器(柔性智慧调控预测模块)输出最优收益，主要包括如下步骤：
步骤1：将预测模块、数据模块的参数，储氢罐容量以及用户端氢气消耗作为输入，设置最大迭代次数，初始化输入的数据，初始化每个变色龙种群对应的收益；每个变色龙种群都有一组目标函数对应值。云数据中心将通过历史数据的采集和聚类，得到最优结果的趋势，故而采用Logistic混沌映射对初始化流程进行改进，Logistic混沌映射具有使系统处于混沌状态，映射分布均匀性达到极致，具体公式如下：
Xn+1＝βXn(1-Xn)
式中：Xn∈[0,1]；β∈[0,3]为Logistic参数；
步骤2：计算每个种群的适应度，即目标函数，目标函数为该技术的绿能不冗余最优收益，计算公式如下：
式中：Ei(t)为t月工业负荷的最大收益，Ed(t)为t月离散负荷的最大收益，Eh(t)为t月用户氢气使用的最大消耗；
式中：Di(t)为t月工业负载需求量，Dd(t)为t月离散负载需求量，Dh(t)为t月用户氢气使用量，使得绿能不冗余；
步骤3：根据变色龙在寻找猎物的过程中的当前、下一步以及迄今为止最好的位置即在算法在该系统中的体现为迭代过程中当前次数、下一次以及最后迭代的到的目标函数，和约束搜索能力(即为该系统迭代中设置的迭代次数)得出变色龙的寻觅猎物的表达式如下：
式中，Ft ij、为变色龙i在维度j中当前、下一步的位置即为寻找到的当前收益、下一次迭代后的收益和寻找到的当前绿能使用量、下一次迭代后绿能使用量；G为当前最优个体位置即为当前最优收益和当前绿能冗余最优；P为变色龙i迄今为止的最好位置即为经过部分次数迭代后得到的最优收益和绿能最优冗余(目前最优解)；p1、p2是控制勘探能力的两个参数；r1、r2、r3均为[0,1]内的随机数，ri是[0,1]内的随机数；Pp＝0.1表示变色龙感知猎物的概率(该系统的最优收益和最优冗余即目标函数)；uj、lj分别表示第j维的上、下限；猎物指的就是不断更新的最优目标函数值，即最优功率值，变色龙种群不断的寻优朝着猎物靠近，当捕捉到猎物时就是最优收益值和最优冗余值；
步骤4：变色龙根据自身的能力运用眼睛旋转的特征让它能能够发现360度以外的猎物即在该设计中体现出来迭代过程中缜密精确朝着最优解(目标函数)获取，当变色龙在捕食猎物的过程中，运用自身独有的特征追寻猎物(即经过迭代即将锁定得出目标函数)的表达式为：
式中，为变色龙在位置旋转前的各维度平均位置，yt+1为旋转后的坐标，yr为旋转中心坐标；随着位置的更新，其包含的信息能够使得目标函数得出更加绿能冗余更低，收益更高。
步骤5：本步骤的算法促使下一步行动中的锁定猎物行为，同时依靠自身特有的口腔内犹如弹簧状的武器来捕猎食物，对于该系统的目标函数即为经过设置迭代次数即将得到最优收益与最优冗余值时，落向猎物时的速度表达式为：
式中，c1＝c2＝1.75控制着G、P对口腔内犹如弹簧状的武器速度的影响，舌头表示的是变色龙移动的路径方式；α为个体变量，为2逐渐将为1的数值，β为全局变量，为1到2的数值，该改进为前期增强个体最优，后期增强局部最优。
步骤6：当变色龙口腔内犹如弹簧状的武器的位置投射到猎物即柔性智慧预测调控模块经过迭代得到目标函数时，则可根据以下表达式来计算变色龙的运动：
式中，b为设置的迭代次数：
步骤7：判断是否到底最大迭代次数，如果是到步骤8，如果不是，返回步骤3；
步骤8：输出适合设备的最优收益。
对于上述改进后优化变色龙算法调控器优化调度技术的方法，其仿真结果参见附图3至附图5，通过附图3所示，通过云平台数据预测以及柔性智慧调控预测模块的缜密精确计算，本发明的绿色产能冗余率得到一个较大的提升，大幅度的避免了资源的浪费。通过附图4，本发明高比例的引进了绿色能源功能，与传统调度系统相比从碳排放角度对比得出，该技术的碳排放量得到很大的提升，适应国家当下推崇的双碳政策，附图5，本发明通过柔性智慧调控模块缜密精确的计算在大幅度减少资源浪费的同时，满足了企业的经济目标。
Claims (10)
1.一种基于变色龙算法调控智慧云平台柔性电负荷调度系统，其特征在于，包括云平台系统、光伏预测模块、光伏列阵、风力预测模块、风电机组、数据模块、柔性智慧调控预测模块、电解池、储氢罐、氢燃料电池、DC/DC变换器、用户供给端、工业负载端、离散负载端；所述云平台系统的输入端分别与工业负载端输出端和离散负载端输出端连接；所述云平台系统的输出端与柔性智慧调控预测模块输入端连接；所述柔性智慧调控预测模块的输出端分别连接储氢罐输入端和光伏列阵、风电机组输入端；所述光伏列阵、风电机组输出端分别连接工业负载端输入端、离散负载端输入端以及电解池输入端；所述电解池输出端与储氢罐输入端连接；储氢罐输出端分别与用户供给端和氢燃料电池输入端连接；所述氢燃料电池输出端与DC/DC变换器输入端连接；所述DC/DC变换器输出端与离散负载端的输入端连接。所述离散负载端与工业负载端连接。
2.根据权利要求1所述的一种基于变色龙算法调控智慧云平台柔性电负荷调度系统，其特征在于，所述云平台系统包括：光伏预测模块、风力预测模块、数据模块。光伏预测模块用于根据各个区域的天气状况预测光伏列阵的发电量；风力预测模块用于根据各个区域的天气状况预测风电机组的发电量；数据模块用于预测工业以及离散负荷用电量，通过柔性智慧调控预测模块对发电量以及电价实时的影响进行电饱和调度使得绿能不冗余。
3.一种根据权利要求1所述的一种基于变色龙算法调控智慧云平台柔性电负荷调度方法，其特征在于，包括以下步骤：
(1)初始化每个变色龙种群位置；
(2)建立目标函数；
(3)计算最优目标功率值；
(4)更新变色龙位置；
(5)判断最优位置；
(6)输出最优位置。
4.根据权利要求3所述的方法，其特征在于，所述步骤(1)具体如下：将预测模块、数据模块的参数，储氢罐容量以及用户端氢气消耗作为输入，设置最大迭代次数，采用Logistic混沌映射具有使系统处于混沌状态，映射分布均匀性达到极致，具体公式如下：
Xn+1＝βXn(1-Xn)
式中：Xn∈[0,1]；β∈[0,3]为Logistic参数。
5.根据权利要求3所述的方法，其特征在于，所述步骤(2)具体如下：计算每个种群的适应度，即目标函数为绿能不冗余最优收益，计算公式如下：
式中：Ei(t)为t月工业负荷的最大收益，Ed(t)为t月离散负荷的最大收益，Eh(t)为t月用户氢气使用的最大消耗；
式中：Di(t)为t月工业负载需求量，Dd(t)为t月离散负载需求量，Dh(t)为t月用户氢气使用量，使得绿能不冗余。
6.根据权利要求3所述的方法，其特征在于，所述步骤(3)具体如下：根据迭代过程中当前次数、下一次以及最后迭代的到的目标函数和约束搜索能力即为该系统迭代中设置的迭代次数得出变色龙的寻觅猎物的表达式如下：
式中：为变色龙i在维度j中当前、下一步的位置即为寻找到的当前收益、下一次迭代后的收益和寻找到的当前绿能使用量、下一次迭代后绿能使用量；G为当前最优个体位置即为当前最优收益和当前绿能冗余最优；P为变色龙i迄今为止的最好位置即为经过部分次数迭代后得到的最优收益和绿能最优冗余(目前最优解)；p1、p2是控制勘探能力的两个参数；r1、r2、r3均为[0,1]内的随机数，ri是[0,1]内的随机数；Pp＝0.1表示变色龙感知猎物的概率(该系统的最优收益和最优冗余即目标函数)；uj、lj分别表示第j维的上、下限；猎物指的就是不断更新的最优目标函数值，即最优功率值，变色龙种群不断的寻优朝着猎物靠近，当捕捉到猎物时就是最优收益值和最优冗余值。
7.根据权利要求3所述的方法，其特征在于，所述步骤(4)具体如下：
式中：为变色龙在位置旋转前的各维度平均位置，yt+1为旋转后的坐标，yr为旋转中心坐标。
8.根据权利要求3所述的方法，其特征在于，所述步骤(5)具体如下：
式中：c1＝c2＝1.75控制着G、P对口腔内犹如弹簧状的武器速度的影响，舌头表示的是变色龙移动的路径方式；α为个体变量，为2逐渐将为1的数值，β为全局变量，为1到2的数值。
9.根据权利要求3所述的方法，其特征在于，所述步骤(6)具体如下：判断是否到底最大迭代次数，如果是则输出最优位置；如果不是，返回步骤(3)。
10.根据权利要求9所述的方法，其特征在于，输出最优位置公式如下：
式中：b为设置的迭代次数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310557019.5A CN116581742B (zh) | 2023-05-16 | 2023-05-16 | 一种基于变色龙算法调控智慧云平台柔性电负荷调度系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310557019.5A CN116581742B (zh) | 2023-05-16 | 2023-05-16 | 一种基于变色龙算法调控智慧云平台柔性电负荷调度系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116581742A true CN116581742A (zh) | 2023-08-11 |
| CN116581742B CN116581742B (zh) | 2024-02-23 |
Family
ID=87540857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310557019.5A Active CN116581742B (zh) | 2023-05-16 | 2023-05-16 | 一种基于变色龙算法调控智慧云平台柔性电负荷调度系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116581742B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140297051A1 (en) * | 2013-03-26 | 2014-10-02 | Northeastern University | Energy resource-grid-load automatic control system of smart microgrid and control methods thereof |
| CN104485692A (zh) * | 2014-12-02 | 2015-04-01 | 常州大学 | 一种分布式光伏发电能量调度系统及其方法 |
| CN205509635U (zh) * | 2016-02-17 | 2016-08-24 | 陆玉正 | 一种分布式新能源充电桩与加氢站 |
| CN106817067A (zh) * | 2017-03-22 | 2017-06-09 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于燃料电池的多能互补热电联产系统和工作方法 |
| KR101761686B1 (ko) * | 2017-03-31 | 2017-07-31 | (주)하모니앤유나이티드 | 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템 |
| CN108832654A (zh) * | 2018-06-07 | 2018-11-16 | 中国电力科学研究院有限公司 | 一种用于光伏发电系统经济效益优化调度的方法及系统 |
| CN109462256A (zh) * | 2018-11-28 | 2019-03-12 | 燕山大学 | 一种基于柔性负荷的光伏电力系统优化调度方法及系统 |
| CN110350561A (zh) * | 2019-07-12 | 2019-10-18 | 无锡旭浦能源科技有限公司 | 基于物联网的智能电力储能系统及其方法 |
| TW202119333A (zh) * | 2019-11-01 | 2021-05-16 | 億鴻系統科技股份有限公司 | 可智慧調配充放電的電力儲能系統及其控制方法 |
| US20210203159A1 (en) * | 2019-12-27 | 2021-07-01 | North China Electric Power University | Power load forecasting method in multi-energy coupling mode |
| CN114362268A (zh) * | 2022-01-12 | 2022-04-15 | 西安交通大学 | 基于风光荷两级预测的综合能源供电系统优化调度方法 |
| WO2022166114A1 (zh) * | 2021-02-08 | 2022-08-11 | 国网江苏省电力有限公司电力科学研究院 | 一种考虑柔性氢需求的电氢能源系统调度方法 |
| CN114928114A (zh) * | 2022-05-12 | 2022-08-19 | 中国科学院广州能源研究所 | 海上风电多元化消纳综合预测能量管理的快速计算方法 |
| CN115632443A (zh) * | 2022-11-09 | 2023-01-20 | 淮阴工学院 | 一种基于黑寡妇算法的能源监测与优化调控系统与方法 |
| CN115765040A (zh) * | 2022-11-16 | 2023-03-07 | 淮阴工学院 | 一种智能光伏双层优化寻优调控方法及系统 |
| WO2023065552A1 (zh) * | 2021-10-21 | 2023-04-27 | 国网浙江省电力有限公司台州供电公司 | 一种新能源耦合背景下的源网荷储协同调度方法 |
-
2023
- 2023-05-16 CN CN202310557019.5A patent/CN116581742B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140297051A1 (en) * | 2013-03-26 | 2014-10-02 | Northeastern University | Energy resource-grid-load automatic control system of smart microgrid and control methods thereof |
| CN104485692A (zh) * | 2014-12-02 | 2015-04-01 | 常州大学 | 一种分布式光伏发电能量调度系统及其方法 |
| CN205509635U (zh) * | 2016-02-17 | 2016-08-24 | 陆玉正 | 一种分布式新能源充电桩与加氢站 |
| CN106817067A (zh) * | 2017-03-22 | 2017-06-09 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于燃料电池的多能互补热电联产系统和工作方法 |
| KR101761686B1 (ko) * | 2017-03-31 | 2017-07-31 | (주)하모니앤유나이티드 | 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템 |
| CN108832654A (zh) * | 2018-06-07 | 2018-11-16 | 中国电力科学研究院有限公司 | 一种用于光伏发电系统经济效益优化调度的方法及系统 |
| CN109462256A (zh) * | 2018-11-28 | 2019-03-12 | 燕山大学 | 一种基于柔性负荷的光伏电力系统优化调度方法及系统 |
| CN110350561A (zh) * | 2019-07-12 | 2019-10-18 | 无锡旭浦能源科技有限公司 | 基于物联网的智能电力储能系统及其方法 |
| TW202119333A (zh) * | 2019-11-01 | 2021-05-16 | 億鴻系統科技股份有限公司 | 可智慧調配充放電的電力儲能系統及其控制方法 |
| US20210203159A1 (en) * | 2019-12-27 | 2021-07-01 | North China Electric Power University | Power load forecasting method in multi-energy coupling mode |
| WO2022166114A1 (zh) * | 2021-02-08 | 2022-08-11 | 国网江苏省电力有限公司电力科学研究院 | 一种考虑柔性氢需求的电氢能源系统调度方法 |
| WO2023065552A1 (zh) * | 2021-10-21 | 2023-04-27 | 国网浙江省电力有限公司台州供电公司 | 一种新能源耦合背景下的源网荷储协同调度方法 |
| CN114362268A (zh) * | 2022-01-12 | 2022-04-15 | 西安交通大学 | 基于风光荷两级预测的综合能源供电系统优化调度方法 |
| CN114928114A (zh) * | 2022-05-12 | 2022-08-19 | 中国科学院广州能源研究所 | 海上风电多元化消纳综合预测能量管理的快速计算方法 |
| CN115632443A (zh) * | 2022-11-09 | 2023-01-20 | 淮阴工学院 | 一种基于黑寡妇算法的能源监测与优化调控系统与方法 |
| CN115765040A (zh) * | 2022-11-16 | 2023-03-07 | 淮阴工学院 | 一种智能光伏双层优化寻优调控方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| JIANGUO ZHOU: "Optimal sizing design and integrated cost-benefit assessment of stand-alone microgrid system with different energy storage employing chameleon swarm algorithm: A rural case in Northeast China", 《RENEWABLE ENERGY》, pages 1111 - 1137 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116581742B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107634518B (zh) | 一种“源-网-荷”相协调的主动配电网经济调度方法 | |
| CN109390973B (zh) | 一种考虑通道约束的送端电网电源结构优化方法 | |
| CN110138006B (zh) | 考虑含有新能源电动汽车的多微电网协调优化调度方法 | |
| CN112465181A (zh) | 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法 | |
| CN112070628B (zh) | 一种计及环境因素的智能电网多目标经济调度方法 | |
| CN112101632B (zh) | 基于分布式估计算法楼宇负荷优化调度方法 | |
| CN115147245B (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
| CN114583729A (zh) | 考虑全生命周期碳排放的光-储电动汽车充电站调度方法 | |
| CN110889581A (zh) | 一种电动汽车参与的台区优化调度方法和系统 | |
| CN115940292A (zh) | 基于圆圈搜索算法的含风储电力系统优化调度方法及系统 | |
| CN115117940A (zh) | 考虑风电、光伏及负荷不确定的风光水火储系统低碳调度模型建模方法 | |
| CN116667325A (zh) | 一种基于改进布谷鸟算法的微电网并网运行优化调度方法 | |
| CN111682536A (zh) | 虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法 | |
| CN116581742B (zh) | 一种基于变色龙算法调控智慧云平台柔性电负荷调度系统及方法 | |
| CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
| CN112016186A (zh) | 一种基于随机场景构建的年度弃风、弃光率计算方法 | |
| CN115663793A (zh) | 基于深度强化学习的电动汽车低碳充放电调度方法 | |
| CN115833244A (zh) | 一种风-光-氢-储系统经济调度方法 | |
| CN114914943A (zh) | 面向绿色港口岸电系统的氢储能优化配置方法 | |
| CN115411776A (zh) | 住宅综合能源系统的热电协同调度方法及装置 | |
| CN115051385A (zh) | 一种新能源场站与储能电站合作博弈的储能优化调度方法 | |
| CN114039384A (zh) | 基于新能源消纳的源-储协调优化调度方法 | |
| Huang et al. | Power Prediction Method of Distributed Photovoltaic Digital Twin System Based on GA-BP | |
| CN110598925A (zh) | 一种基于双q学习算法的储能在交易市场决策优化方法 | |
| Mohammed et al. | Sustainable Assessment of Hybrid Renewable Energy Systems Using Modern Optimization Algorithms for Off-Grid Rural Electrification |
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 |