CN116862172A - 一种全周期变时段有序用电调度方法及存储介质 - Google Patents

一种全周期变时段有序用电调度方法及存储介质 Download PDF

Info

Publication number
CN116862172A
CN116862172A CN202310832201.7A CN202310832201A CN116862172A CN 116862172 A CN116862172 A CN 116862172A CN 202310832201 A CN202310832201 A CN 202310832201A CN 116862172 A CN116862172 A CN 116862172A
Authority
CN
China
Prior art keywords
period
power
full
constraint
ordered
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
Application number
CN202310832201.7A
Other languages
English (en)
Inventor
王蓓蓓
胥鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202310832201.7A priority Critical patent/CN116862172A/zh
Publication of CN116862172A publication Critical patent/CN116862172A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种全周期变时段有序用电调度方法、装置、设备及存储介质，属于电力用户需求响应建模技术领域，包括以下步骤：预测未来一个月内的火电、水电、风电等各类发电数据信息；采集负荷侧不同柔性资源的功率、爬坡、能量约束等数据信息；根据约束信息基于奇诺多面体理论刻画不同柔性资源聚合之后的安全可行域；将未来一个月的发电、可调资源数据按不同颗粒度进行多时段分割得到全周期多时段有序用电优化模型；通过滚动调度得到每天的有序用电调度策略。本发明提出的一种全周期变时段有序用电调度策略、装置、设备及存储介质，可以助力电力调度人员快速得到实现全周期最优的有序用电调度策略。

Description

一种全周期变时段有序用电调度方法及存储介质
技术领域
本发明属于电力用户需求响应建模技术领域，具体涉及一种全周期变时段有序用电调度方法、装置、设备及存储介质。
背景技术
中国负载中心和资源中心在地理上不匹配导致在夏季出现较为严重的缺电现象。新能源间歇性和不确定性严重影响电网的稳定运行。而分布在需求侧的小型可控负荷具有补充系统灵活性的潜能，包括温控负荷、电动汽车及分布式储能等，均可通过一定的控制方法参与调节系统平衡，缓解缺电难题。然而，公平公正而又高效的调用这些需求侧资源具有一定挑战。本发明基于全周期变时段调度理论，将需求侧资源资源聚合后参与到上层电网的有序用电滚动调度中，有效支撑电网的安全稳定运行。
发明内容
针对现有技术的不足，本发明的目的在于提供一种全周期变时段有序用电调度方法、装置、设备及存储介质。
本发明的目的可以通过以下技术方案实现：
一种全周期变时段有序用电调度方法，包括以下步骤：
预测未来一个月内的火电、水电、风电等各类发电数据信息；
采集负荷侧不同柔性资源的功率、爬坡、能量约束等数据信息；
根据约束数据信息基于多面体理论刻画不同柔性资源聚合之后的安全可行域；
将预测得到的未来发电、可调资源数据按不同颗粒度进行多时段分割得到全周期多时段有序用电优化模型；
通过滚动调度得到每天的有序用电调度策略。
进一步的，所述柔性资源的功率约束表示柔性资源的功率出力需要满足上下限约束，爬坡约束表示柔性资源在相邻两个时间间隔内的功率差值需要满足上下限约束，能量约束表示柔性资源在某个连续时间段内的总出力需要满足上下限约束。
进一步的，所述奇诺多面体聚合理论具体为：
对于形如下式中的约束：
其中，xi表示第i个变量，λi表示第i个变量对应的参数，c为常数；
构造一组生成器，即可保证最终生成的奇诺多面体存在平行于该约束的超平面，具体形式如下：
其中，gi为第i个生成器。基于每个约束都构造一组生成器之后，删减同方向或反方向的生成器，具体表示为：若gi＝gj，则gi与gj同方向，若gi＝-gj，则gi与gj反方向；
对于在原不规则可行域P内获取最大内接奇诺多面体Z的问题，可行域P满足约束
Ax≤b；
其中，A、b为系数矩阵，x为变量矩阵。任意构造S个法向量
通过求解线性规划问题寻找在αs方向上可行域Z、P的直径，根据其位置与长度关系定义相似度：
其中，分别为两可行域在αs方向上的直径，Λs∈[0,1]，越接近1代表相似度越高；
已知αs，寻找凸多面体切点及计算直径的线性规划问题可写作：
s.t.Ax≤b
式中，ε为一个足够大的常数；
奇诺多面体切点及直径与αs的关系可写作：
其中，G为生成器组，βmax为生成器的最大幅长；
在求解2S个线性规划问题得到后，奇诺多面体近似问题可写为：
s.t.Ac+|AG|βmax≤b；
式中，c为奇诺多面体中心点，Ac+|AG|βmax≤b可以保证
进一步的，所述全周期多时段有序用电优化模型中变时段的基本设置为：第二天的每1小时为一个时间段，从第2天到第3天的每2小时为一段时间，从第4天到第8天的每4小时为一段时间段，每个8小时为当月剩余天数的时间段，所有负荷和发电量均采用每个间隔的预测平均值。
进一步的，所述滚动调度的具体含义为每天日前求解一次全周期多时段有序用电优化模型，得到合同期剩下时间的有序用电计划，但实际只采用当日计划。
一种计算机可读的存储介质，存储有指令，所述指令被执行时，能够实现上述方法。
本发明的有益效果：
本发明通过提出一种全周期变时段有序用电调度方法，基于日前滚动调度，通过增加优化周期长度实现对未来资源的长期配置作用，通过变时段的求解方法有效觉得长周期带来的计算效率问题，最后可给电力调度人员快速得到有序用电策略，支撑分布式资源参与电网安全经济调节。
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，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。
图1是本发明14节点配电网示意图；
图2是本发明柔性资源多面体可行域示意图；
图3是本发明通过(a)盒式(b)奇诺多面体两种方法的可行域内逼近示意图；
图4是本发明方法1优化结果示意图；
图5是本发明方法2优化结果示意图；
图6是本发明柔性资源安全聚合确定装置示意图；
图7是本发明柔性资源安全聚合设备结构示意图；
图8：是本发明用电调度策略流程框图。
具体实施方式
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它实施例，都属于本发明保护的范围。
一种全周期变时段有序用电调度策略，包括以下步骤：
步骤1、预测未来一个月内的火电、水电、风电等各类发电数据信息；
步骤2、采集负荷侧不同柔性资源的功率、爬坡、能量约束等数据信息；
步骤3、根据约束信息基于奇诺多面体理论刻画不同柔性资源聚合之后的安全可行域；
步骤4、将未来一个月的发电、可调资源数据按不同颗粒度进行多时段分割得到全周期多时段有序用电优化模型；
步骤5、通过滚动调度得到每天的有序用电调度策略。
其中，步骤2包括：
配电网柔性资源的功率约束表示柔性资源的功率出力需要满足上下限约束，爬坡约束表示柔性资源在相邻两个时间间隔内的功率差值需要满足上下限约束，能量约束表示柔性资源在某个连续时间段内(包括多个时间间隔)的总出力需要满足上下限约束。
其中，步骤3中用奇诺多面体理论进行资源聚合的过程包括：
对于资源运行的一般线性约束：
其中，xi表示第i个变量，λi表示第i个变量对应的参数，c为常数；
构造一组生成器，即可保证最终生成的奇诺多面体存在平行于该约束的超平面，具体形式如下：
其中，gi为第i个生成器。基于每个约束都构造一组生成器之后，删减同方向或反方向的生成器，具体表示为：若gi＝gj，则gi与gj同方向，若gi＝-gj，则gi与gj反方向；
对于在原不规则可行域P内获取最大内接奇诺多面体Z的问题，可行域P满足约束
Ax≤b；
其中，A、b为系数矩阵，x为变量矩阵。任意构造S个法向量αs∈RN；
通过求解线性规划问题寻找在αs方向上可行域Z、P的直径，根据其位置与长度关系定义相似度：
其中，分别为两可行域在αs方向上的直径，Λs∈[0,1]，表示相似度，越接近1代表相似度越高；
已知一条法向量αs，寻找凸多面体切点及计算直径的线性规划问题可写作：
s.t.Ax≤b
式中，ε为一个足够大的常数；
奇诺多面体切点及直径与αs的关系可写作：
其中，G为生成器组，βmax为生成器的最大幅长；
在求解2S个线性规划问题得到后，奇诺多面体近似问题可写为：
s.t.Ac+|AG|βmax≤b；
式中，c为奇诺多面体中心点，Ac+|AG|βmax≤b可以保证
其中，步骤4包括：
全周期多时段有序用电优化模型中变时段的基本设置为：第二天的每1小时为一个时间段，从第2天到第3天的每2小时为一段时间，从第4天到第8天的每4小时为一一段时间段，每个8小时为当月剩余天数的时间段。所有负荷和发电量均采用每个间隔的预测平均值。
其中，步骤5包括：
滚动调度的含义为每天日前求解一次全周期多时段有序用电优化模型，得到合同期剩下时间的有序用电计划，但实际只采用当日计划。
实施例1
下面进行具体介绍：
图1是IEEE标准14节点网络，在此拓扑上进行实例分析。
1.资源聚合有效性实例
对四个柔性资源进行聚合验证，其基本参数如下表：
多面体的可行区域如图2所示，其中还显示了功率、能量、爬坡的对应约束。对于以灰色标记的多面体，三种方法用于内部近似，包括盒近似和使用奇诺多面体的近似图。
在图3(a)中，由于盒式近似只能沿水平轴和垂直轴延伸，最大内接矩形由黄色区域显示。在图3(b)中，奇诺多面体可以在约束的方向上延伸并覆盖更大的区域。两种方法分别覆盖了78.6％和96.8％的多面体，从而表明了所提出方法的有效性。
2.全周期变时段有效性实例
假设有序用电合同还剩14天，根据未来14的发电信息进行全周期变时段的滚动优化，通过两个方法对比来说明。
(1)方法1：优化的时间尺度仅包括接下来的24小时。根据预测的负荷/发电量和当前合同完成情况，得到第二天的有序用电计划。第二天结束时，更新每个有序用电用户的合同完成信息，并重复优化直到月末。图4给出了方法1的结果。横坐标为合同剩余的天数，纵坐标为合同未完成率，共三个有序用电用户。
(2)方法2：优化期为整个月，仅采用第1天的计划。第二天结束时，更新每个有序用电用户的合同完成信息，并重复优化直到月末。图5显示了方法2的结果。横坐标为合同剩余的天数，纵坐标为合同未完成率，共三个有序用电用户。
用户3的资源主要在第7天和第8天调度，这与情况1不同。方法2最终三个用户的合同未完成率比方法1更低，可见提出的全周期变时段可以取得更优的效果。
实施例2
图6是本发明实施例2提供的一种全周期变时段有序用电装置的示意图。本实施例可适用对目标柔性资源进行有序用电策略生成的情况，该装置可采用软件和/或硬件的方式实现，该装置可以配置于终端设备中。该全周期变时段有序用电装置包括：发电信息获取模块410、柔性资源参数获取模块420、柔性资源可行域聚合模块430、全周期多时段有序用电优化440以及日前滚动调度模块450。
其中，发电信息获取模块410，用于采集未来一个月内的火电、水电、风电等各类发电数据信息；柔性资源参数获取模块420，用于采集负荷侧不同柔性资源的功率、爬坡、能量约束等数据信息；柔性资源可行域聚合模块430，用于聚合规模化的分布式可调资源；全周期多时段有序用电优化440，用于优化得到次日的有序用电方案；日前滚动调度模块450，用于每日滚动实现连续的方案生成。
本实施例的技术方案，基于奇诺多面体基本理论，刻画不同柔性资源聚合之后的安全可行域，并参与到全周期变时段的有序用电调度中，可以给电力调度人员针对配电网范围内海量柔性资源的需求响应调节能力进行精准建模，支撑分布式资源参与电网安全经济调节
实施例3
图7是本发明实施例3提供的一种设备的结构示意图，本发明实施例为本发明上述实施例的全周期变时段有序用电的实现提供服务，可配置上述实施例中的全周期变时段有序用电确定装置。图7示出了适于用来实现本发明实施方式的示例性设备12的框图。图7显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的需求响应能力量化方法。
通过上述设备，解决了电力调度人员快速高效得到有序用电方案的问题。
实施例4
本发明实施例4还提供了一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种全周期变时段有序用电调度策略，该方法包括：将被测参数输入到预先训练完成的全周期变时段有序用电模型中，得到分布式资源的有序用电最优方案。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、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)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码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)。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作，还可以执行本发明任意实施例所提供的需求响应能力量化的确定方法中的相关操作。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”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。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (6)

1.一种全周期变时段有序用电调度方法，其特征在于，包括以下步骤：
预测未来一个月内的火电、水电、风电等各类发电数据信息；
采集负荷侧不同柔性资源的功率、爬坡、能量约束等数据信息；
根据约束数据信息基于奇诺多面体理论刻画不同柔性资源聚合之后的安全可行域；
将预测得到的各类发电数据信息得到按不同颗粒度进行多时段分割得到全周期多时段有序用电优化模型；
通过滚动调度全周期多时段有序用电优化模型得到每天的有序用电调度策略。
2.根据权利要求1所述的一种全周期变时段有序用电调度方法，其特征在于，所述柔性资源的功率约束表示柔性资源的功率出力需要满足上下限约束，爬坡约束表示柔性资源在相邻两个时间间隔内的功率差值需要满足上下限约束，能量约束表示柔性资源在某个连续时间段内的总出力需要满足上下限约束。
3.根据权利要求1所述的一种全周期变时段有序用电调度方法，其特征在于，所述奇诺多面体聚合理论具体为：
对于资源运行的一般线性约束：
其中，xi表示第i个变量，λi表示第i个变量对应的参数，c为常数；
构造一组生成器，即可保证最终生成的奇诺多面体存在平行于该约束的超平面，具体形式如下：
其中，gi为第i个生成器。基于每个约束都构造一组生成器之后，删减同方向或反方向的生成器，具体表示为：若gi＝gj，则gi与gj同方向，若gi＝-gj，则gi与gj反方向；
对于在原不规则可行域P内获取最大内接奇诺多面体Z的问题，可行域P满足约束
Ax≤b；
其中，A、b为系数矩阵，x为变量矩阵。任意构造S个法向量αs∈RN；
通过求解线性规划问题寻找在αs方向上可行域Z、P的直径，根据其位置与长度关系定义相似度：
其中，分别为两可行域在αs方向上的直径，Λs∈[0,1]，表示相似度，越接近1代表相似度越高；
已知一条法向量αs，寻找凸多面体切点及计算直径的线性规划问题可写作：
s.t.Ax≤b
式中，ε为一个足够大的常数；
奇诺多面体切点及直径与αs的关系可写作：
其中，G为生成器组，βmax为生成器的最大幅长；
在求解2S个线性规划问题得到后，奇诺多面体近似问题可写为：
s.t.Ac+|AG|βmax≤b；
式中，c为奇诺多面体中心点，Ac+|AG|βmax≤b可以保证
4.根据权利要求1所述的一种全周期变时段有序用电调度方法，其特征在于，所述全周期多时段有序用电优化模型中变时段的基本设置为：第二天的每1小时为一个时间段，从第2天到第3天的每2小时为一段时间，从第4天到第8天的每4小时为一段时间段，每个8小时为当月剩余天数的时间段，所有负荷和发电量均采用每个间隔的预测平均值。
5.根据权利要求1所述的一种全周期变时段有序用电调度方法，其特征在于，所述滚动调度的具体含义为每天日前求解一次全周期多时段有序用电优化模型，得到合同期剩下时间的有序用电计划，但实际只采用当日计划。
6.一种计算机可读的存储介质，存储有指令，其特征在于，所述指令被执行时，能够实现权利要求1～5任一所述的方法。
CN202310832201.7A 2023-07-07 2023-07-07 一种全周期变时段有序用电调度方法及存储介质 Pending CN116862172A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310832201.7A CN116862172A (zh) 2023-07-07 2023-07-07 一种全周期变时段有序用电调度方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310832201.7A CN116862172A (zh) 2023-07-07 2023-07-07 一种全周期变时段有序用电调度方法及存储介质

Publications (1)

Publication Number Publication Date
CN116862172A true CN116862172A (zh) 2023-10-10

Family

ID=88229909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310832201.7A Pending CN116862172A (zh) 2023-07-07 2023-07-07 一种全周期变时段有序用电调度方法及存储介质

Country Status (1)

Country Link
CN (1) CN116862172A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118154260A (zh) * 2024-05-11 2024-06-07 国网浙江省电力有限公司丽水供电公司 配电网资源聚合方法、系统、计算机设备和存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118154260A (zh) * 2024-05-11 2024-06-07 国网浙江省电力有限公司丽水供电公司 配电网资源聚合方法、系统、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
Hao et al. Aggregate flexibility of thermostatically controlled loads
Bertsimas et al. Adaptive robust optimization for the security constrained unit commitment problem
US9654414B2 (en) Scheduling cost efficient datacenter load distribution
Krioukov et al. Integrating renewable energy using data analytics systems: Challenges and opportunities.
McPherson et al. A scenario based approach to designing electricity grids with high variable renewable energy penetrations in Ontario, Canada: Development and application of the SILVER model
CN112529727A (zh) 基于深度强化学习的微电网储能调度方法及装置及设备
Chen et al. Optimal allocation of distributed generation and energy storage system in microgrids
CN107204615B (zh) 一种实现功率预测的方法及系统
Kowli et al. Supporting wind generation deployment with demand response
TWI696972B (zh) 智慧電力分配系統與方法
CN116862172A (zh) 一种全周期变时段有序用电调度方法及存储介质
Wu et al. Optimal economic dispatch model based on risk management for wind‐integrated power system
CN112072643A (zh) 一种基于深度确定性梯度策略的光-蓄系统在线调度方法
Wang et al. Research on short‐term and mid‐long term optimal dispatch of multi‐energy complementary power generation system
US20180197252A1 (en) Methods And Systems For A Renewable Electricity System
Zhou et al. Distributionally robust unit commitment considering unimodality-skewness information of wind power uncertainty
CN117709670A (zh) 能源分配方法、装置、设备及计算机可读存储介质
Misaghian et al. Assessment of carbon-aware flexibility measures from data centres using machine learning
CN114841548A (zh) 一种配电网资源聚合方法、装置、设备及存储介质
CN114498702B (zh) 一种基于能源路由器的微电网能源管理方法和系统
Zhu et al. Memetic algorithm for solving monthly unit commitment problem considering uncertain wind power
He et al. Optimal planned electricity allocation model for power Exchange under the plan-market double-track mechanism
Wang et al. Electricity and carbon-aware task scheduling in geo-distributed internet data centers
Duan et al. Two-stage flexible economic dispatch for power system considering wind power uncertainty and demand response
Nasiakou et al. Dynamic data driven partitioning of smart grid using learning methods

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