CN116914749A - 配电网调度方法和配电网调度系统 - Google Patents

配电网调度方法和配电网调度系统 Download PDF

Info

Publication number
CN116914749A
CN116914749A CN202311159518.5A CN202311159518A CN116914749A CN 116914749 A CN116914749 A CN 116914749A CN 202311159518 A CN202311159518 A CN 202311159518A CN 116914749 A CN116914749 A CN 116914749A
Authority
CN
China
Prior art keywords
power
target
load
particle
scheduling
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
Application number
CN202311159518.5A
Other languages
English (en)
Other versions
CN116914749B (zh
Inventor
张天忠
赵屹
姚巨亚
成学军
董晓波
董宁
胡笳
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.)
Yuncheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Original Assignee
Yuncheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd
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 Yuncheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd filed Critical Yuncheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Priority to CN202311159518.5A priority Critical patent/CN116914749B/zh
Publication of CN116914749A publication Critical patent/CN116914749A/zh
Application granted granted Critical
Publication of CN116914749B publication Critical patent/CN116914749B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了一种配电网调度方法和配电网调度系统。本申请的方法，实现了基于边缘计算的“云‑边”配电网调度架构，通过边缘计算可以将电网中的敏感信息存储于本地，满足电力系统日渐高涨的数据安全需求，而且边缘层服务器能够辅助云端服务器分担计算负荷，减少大规模集中计算造成的网损、线路阻塞等影响，提升计算效率，从而节省网络带宽、降低通信延时，保障了用户隐私。并且综合配电中心和负荷节点的地址信息，以及所述负荷节点的负荷特性信息进行聚类分区，可以减小各目标区域间的负荷差值，降低区域间联络线上需要传输的能量，更有利于实现区域内部能量自治、增加电网经济效益，更好的适应新型电力系统的各种需求。

Description

配电网调度方法和配电网调度系统
技术领域
本申请涉及电力工业技术领域，尤其是涉及到一种配电网调度方法和配电网调度系统。
背景技术
为了减少不可再生能源的消耗，大量分布式（distributed generation，DG）电源和各种柔性负荷分散地接入配电网。而这类具有随机性、波动性资源的接入对电网稳定运行造成巨大影响。
传统的电力系统调度运行多采用集中式调度方法，由控制中心负责收集和处理所有数据并进行计算。随着技术的发展以及电网网架不断成熟，设备越来越复杂、系统规模越来越大，智能设备的采集频率也有所提升，可采集的数据种类也有所增加，导致海量且异构的数据在电力系统的边缘侧产生，需要占用大量存储空间和计算资源。但控制中心的信息传输通道的容量、调度中心的存储容量与计算能力是有限的，集中式调度策略已经不能满足发展的需要。
发明内容
有鉴于此，本申请提供了一种配电网调度方法和配电网调度系统，通过负荷节点聚类搭建合理的配网区域结构，减少各区域间的负荷差值和区域间联络线上需要传输的能量，进而提高了运行求解速度，节约了调度所需的计算资源和网络带宽资源。
根据本申请的一个方面，提供了一种配电网调度方法，应用于边缘服务器，所述方法包括：
根据配电中心和负荷节点的地址信息，以及所述负荷节点的负荷特性信息对所述负荷节点进行聚类处理，确定与所述配电中心对应的负荷节点集合；
根据所述配电中心和所述负荷节点集合构建目标区域；
根据不同维度产生的所述配电中心和所述负荷节点集合的电力数据进行潮流计算，确定所述目标区域与外部的对外交换功率和所述对外交换功率对应的运行成本；
采用粒子群算法对基于所述对外交换功率和所述运行成本的边缘目标函数进行求解，确定所述对外交换功率和所述运行成本中符合目标条件的第一目标交换功率和第一目标运行成本；
将所述第一目标交换功率和所述第一目标运行成本发送至云端服务器，以使所述云端服务器根据所述第一目标运行成本和云端目标函数确定所述目标区域之间的第二目标交换功率，并根据所述第一目标交换功率和所述第二目标交换功率确定所述目标区域的目标调度计划信息。
可选地，所述方法还包括：
若接收到所述云端服务器发送的调度指令，按照所述调度指令中指示的所述目标区域的电压幅值和相位角重新计算所述第一目标交换功率和所述第一目标运行成本，其中，所述调度指令在所述第一目标交换功率和所述第二目标交换功率不符合第一迭代终止条件的情况下生成。
可选地，所述根据配电中心和负荷节点的地址信息，以及所述负荷节点的负荷特性信息对所述负荷节点进行聚类处理之后，所述方法还包括：
对所述负荷节点进行聚类处理采用如下公式：
；
式中，D i,n表示第i个负荷节点到第n个配网中心的欧式距离，(x 0,n,y 0,n)表示第n个配网中心的地址信息，(x i,y i)表示第i个负荷节点的地址信息，α i表示负荷特性信息；
第t+1次聚类时，第i个负荷节点的负荷特性信息如下：
；
式中，P load表示电力系统的总负荷，P n, t表示第t次聚类时，第n个目标区域内部的负荷，P i表示第i个负荷节点的负荷。
可选地，所述采用粒子群算法对基于所述对外交换功率和所述运行成本的边缘目标函数进行求解，包括：
对粒子群算法的迭代次数、粒子速度、粒子位置和粒子聚类中心进行初始化；
根据粒子与粒子聚类中心之间的欧式距离进行粒子聚类处理，生成多个粒子邻域；
根据边缘目标函数生成每个粒子的适应度；
将所述粒子邻域中适应度最大的粒子确定为目标粒子；
采用粒子群算法更新所述粒子邻域中除所述目标粒子以外的其他粒子的粒子速度和粒子位置，直至符合第二迭代终止条件；
所述根据粒子与粒子聚类中心之间的欧式距离进行粒子聚类处理采用如下公式：
D k=；
式中，D k表示第k个粒子到聚类中心的欧式距离，x i表示粒子的第i维度，x c,i表示聚类中心的第i维度，a表示采样维度；
所述粒子群算法如下：
；
；
w=w min +(w max -w min)()；
c 1 =c max +(c min -c max)()；
c 2 =c min +(c max -c min)()；
式中，v i d+1表示第i个粒子在第d+1次迭代时的粒子速度，w表示粒子群算法中的惯性权重，x i d+1表示第i个粒子在第d+1次迭代时的粒子位置，表示第d次迭代时目标粒子，/>表示第d次迭代时全局适应度最高的粒子，r 1、r 2分别表示随机数，w min、w max分别表示惯性权重最小值、最大值，c 1表示粒子群算法中的个体学习因子，c 2表示粒子群算法中的群体学习因子，c min、c max分别表示学习因子最小值、最大值。
可选地，所述配电中心包括分布式电源装置、储能装置，所述分布式电源装置包括光伏发电系统和风力发电机组；所述确定所述对外交换功率对应的运行成本采用如下公式：
；
；
式中，C DG表示分布式电源装置发电成本之和，C SOC表示储能装置成本，C PV表示光伏发电单位成本；C W表示风力发电单位成本；P PV表示光伏电池出力；P W表示风力发电机出力；P SOC表示储能充放电功率。
可选地，所述边缘目标函数采用如下公式：
minC i=；
式中，C i表示第i个目标区域的运行成本，C DG表示分布式电源装置发电成本之和，C SOC表示储能装置成本，w 1、w 2表示权重，λ表示边缘服务器调度结果超出云端服务器调度结果部分所对应的惩罚因子，P cloud表示云端服务器输出的第二目标交换功率，P ex表示目标区域与外部的对外交换功率，a表示采样维度。
可选地，潮流计算模型包括：
；
；
；
；
式中，P i,DG、Q i,DG表示在第i节点接入的分布式电源的有功、无功出力，P i,SOC、Q i,SOC表示在第i节点接入的储能的有功、无功出力，P i,load、Q i,load表示在第i节点有功、无功负荷，P i、Q i表示第i节点有功、无功功率；U i、U j表示电压向量的幅值，G ij、B ij表示ij支路上的电导、电纳，δ ij表示两个节点之间的相角差。
根据本申请的另一方面，提供了一种配电网调度方法，应用于云端服务器，所述方法包括：
接收边缘服务器发送的目标区域与外部的第一目标交换功率和第一目标运行成本，其中，所述目标区域包括配网中心和负荷节点集合，所述负荷节点集合通过对所述配电中心和负荷节点的地址信息和所述负荷节点的负荷特性信息进行聚类处理确定，所述第一目标交换功率和所述第一目标运行成本采用粒子群算法对基于对外交换功率和运行成本的边缘目标函数进行求解得到；
根据不同维度产生的所述目标区域的电力数据进行潮流计算，确定电力系统中所述目标区域之间的电网交换功率、所述目标区域的电压幅值和相位角；
采用粒子群算法对基于所述目标区域之间的电网交换功率和所述第一目标运行成本的云端目标函数进行求解，确定所述电网交换功率中符合目标条件的第二目标交换功率；
根据所述第一目标交换功率和所述第二目标交换功率确定所述目标区域的目标调度计划信息。
可选地，所述根据所述第一目标交换功率和所述第二目标交换功率确定所述目标区域的目标调度计划信息，包括：
若所述第一目标交换功率和所述第二目标交换功率符合第一迭代终止条件，则根据所述第一目标交换功率或所述第二对外交换功率确定所述目标调度计划信息；
若所述第一目标交换功率和所述第二目标交换功率不符合第一迭代终止条件，则根据所述目标区域的电压幅值和相位角生成所述边缘服务器对应的目标区域的调度指令；
将所述调度指令反馈至所述边缘服务器，以使所述边缘服务器按照所述调度指令中指示的所述电压幅值和所述相位角重新计算所述第一目标交换功率和所述第一目标运行成本。
可选地，所述云端目标函数采用如下公式：
minC=；
式中，C grid表示电价，P grid表示电网交换功率，C i表示目标区域的第一目标运行成本。
根据本申请再一个方面，提供了一种配电网调度方法，应用于调度系统，所述调度系统包括云端服务器和边缘服务器，所述方法包括：
所述边缘服务器根据配电中心和负荷节点的地址信息，以及所述负荷节点的负荷特性信息对所述负荷节点进行聚类处理，确定与所述配电中心对应的负荷节点集合，其中，所述配电中心包括分布式电源装置、储能装置；
所述边缘服务器根据所述配电中心和所述负荷节点集合构建目标区域；
所述边缘服务器根据不同维度产生的所述配电中心和所述负荷节点集合的电力数据进行潮流计算，确定所述目标区域与外部的对外交换功率和所述对外交换功率对应的运行成本；
所述边缘服务器采用粒子群算法对基于所述对外交换功率和所述运行成本的边缘目标函数进行求解，确定所述对外交换功率和所述运行成本中符合目标条件的第一目标交换功率和第一目标运行成本；
所述边缘服务器将所述第一目标交换功率和所述第一目标运行成本发送至所述云端服务器；
所述云端服务器接收所述第一目标交换功率和第一目标运行成本；
所述云端服务器根据不同维度产生的所述目标区域的电力数据进行潮流计算，确定电力系统中所述目标区域之间的电网交换功率、所述目标区域的电压幅值和相位角；
所述云端服务器采用粒子群算法对基于所述目标区域之间的电网交换功率和所述第一目标运行成本的云端目标函数进行求解，确定所述电网交换功率中符合目标条件的第二目标交换功率；
所述云端服务器根据所述第一目标交换功率和所述第二目标交换功率确定所述目标区域的目标调度计划信息。
根据本申请又一个方面，提供了一种配电网调度系统，包括：
边缘服务器，用于根据配电中心和负荷节点的地址信息，以及所述负荷节点的负荷特性信息对所述负荷节点进行聚类处理，确定与所述配电中心对应的负荷节点集合；根据所述配电中心和所述负荷节点集合构建目标区域；根据不同维度产生的所述配电中心和所述负荷节点集合的电力数据进行潮流计算，确定所述目标区域与外部的对外交换功率和所述对外交换功率对应的运行成本；采用粒子群算法对基于所述对外交换功率和所述运行成本的边缘目标函数进行求解，确定所述对外交换功率和所述运行成本中符合目标条件的第一目标交换功率和第一目标运行成本；将所述第一目标交换功率和所述第一目标运行成本发送至云端服务器；
云端服务器，用于接收所述边缘服务器发送的目标区域与外部的第一目标交换功率和第一目标运行成本；根据不同维度产生的所述目标区域的电力数据进行潮流计算，确定电力系统中所述目标区域之间的电网交换功率、所述目标区域的电压幅值和相位角；采用粒子群算法对基于所述目标区域之间的电网交换功率和所述第一目标运行成本的云端目标函数进行求解，确定所述电网交换功率中符合目标条件的第二目标交换功率；根据所述第一目标交换功率和所述第二目标交换功率确定所述目标区域的目标调度计划信息。
根据本申请又一个方面，提供了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现上述配电网调度方法的步骤。
根据本申请又一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，处理器执行程序时实现上述配电网调度方法的步骤。
借由上述技术方案，边缘服务器以地理位置地址和负荷特性为依据通过聚类算法对所有负荷节点进行分区，将相邻且负荷特性相近的负荷节点划归至同一配电网的区域（目标区域）。边缘服务器以目标区域中负荷节点为单位，通过潮流模型确定边缘服务器对应的目标区域的电压和功率分布，进而计算出该目标区域与外部的对外交换功率和对外交换功率对应的目标区域的运行成本。边缘服务器以区域运行成本最低为边缘目标函数，以节点功率平衡、储能出力上下限等为约束对各目标区域进行优化调度，确定出区域运行成本最低的功率成本最优解（第一目标交换功率和第一目标运行成本）。边缘服务器将第一目标交换功率和第一目标运行成本发送至云端服务器后，云端服务器将各目标区域抽象为节点，通过潮流模型确定电力系统整体的电压和功率分布，进而计算出目标区域之间的电网交换功率，以及目标区域的电压幅值和相位角。云端服务器再以整体运行成本最低为云端目标函数，确定符合目标条件的第二目标交换功率，并以功率平衡、电网注入功率为约束对各目标区域第一目标交换功率进行优化调度，得到各目标区域的目标调度计划信息。如此，实现了基于边缘计算的“云-边”配电网调度架构，云层负责系统整体的调度管理，边缘层负责各目标区域的调度管理。通过边缘计算可以将电网中的敏感信息存储于本地，满足电力系统日渐高涨的数据安全需求，而且边缘层服务器能够辅助云端服务器分担计算负荷，减少大规模集中计算造成的网损、线路阻塞等影响，提升计算效率，从而节省网络带宽、降低通信延时，保障了用户隐私。进一步地，综合配电中心和负荷节点的地址信息，以及所述负荷节点的负荷特性信息进行聚类分区，可以减小各目标区域间的负荷差值，降低区域间联络线上需要传输的能量，更有利于实现区域内部能量自治、增加电网经济效益，更好的适应新型电力系统的各种需求。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了本申请实施例提供的配电网调度方法的流程示意图；
图2示出了本申请实施例提供的电力系统示意图；
图3示出了本申请实施例提供电力系统的分区示意图；
图4为根据本申请实施例提供的邻域粒子群算法的逻辑示意图；
图5示出了本申请实施例提供边缘服务器和云端服务器的交互示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。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组合。
下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“相接”到另一元件时，它可以直接连接或相接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“相接”可以包括无线连接或无线稠接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
现在，将参照附图更详细地描述根据本申请的示例性实施例。然而，这些示例性实施例可以多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的实施例。应当理解的是，提供这些实施例是为了使得本申请的公开彻底且完整，并且将这些示例性实施例的构思充分传达给本领域普通技术人员。
在本实施例中提供了一种配电网调度方法，如图1所示，以应用于调度系统进行说明，该调度系统包括云端服务器和边缘服务器，该方法包括：
步骤101，边缘服务器根据配电中心和负荷节点的地址信息，以及负荷节点的负荷特性信息对负荷节点进行聚类处理，确定与配电中心对应的负荷节点集合；
本实施例提供的配电网调度方法可在Matlab仿真环境下，基于 IEEE33 的系统仿真计算模型编写实现。
其中，配电中心用于将高压电力输送到低压负载点。它通常位于电力系统的配电网中心位置，负责将电力从输电网引入到各个用户或负载点。配电中心可包括分布式电源装置、储能装置。
需要说明的是，如图2所示，“云-边”调度系统中“云”指云层调度中心（云端服务器301），存储边缘层上传的各种数据和重要信息，进行系统整体的管理和调度。“边”指边缘层，负责存放设备采集的数据并进行对应目标区域内的计算，并将计算结果上送至云端服务器301，同时根据云层下发的调度指令控制设备的实际运行状况。边缘层建设多个边缘服务器302，而每个边缘服务器302用于分管的一组数据，对应到物理层面即配电网中的一个目标区域303。
在实际的应用场景中，对负荷节点进行聚类处理采用如下公式：
；
式中，D i,n表示第i个负荷节点到第n个配网中心的欧式距离，(x 0,n,y 0,n)表示第n个配网中心的地址信息，(x i,y i)表示第i个负荷节点的地址信息，α i表示负荷特性信息。
其中，第t+1次聚类时，第i个负荷节点的负荷特性信息如下：
；
式中，P load表示电力系统的总负荷，P n, t表示第t次聚类时，第n个目标区域内部的负荷，P i表示第i个负荷节点的负荷。
步骤102，边缘服务器根据配电中心和负荷节点集合构建目标区域；
在该实施例中，边缘服务器以地理位置地址和负荷特性为依据通过聚类算法对所有负荷节点进行分区，将相邻且负荷特性相近的负荷节点划归至同一配电网的区域（目标区域）。从而对配电网进行合理的分区，将配电网内的各电源设备和负荷节点划分到不同边缘服务器下进行管理和计算。一方面，可以减小各目标区域间的负荷差值，降低区域间联络线上需要传输的能量，更有利于实现区域内部能量自治、增加电网经济效益，更好的适应新型电力系统的各种需求。另一方面，可通过边缘层服务器分担云端服务器的计算负荷，减少大规模集中计算造成的网损、线路阻塞等影响，提升计算效率，从而节省网络带宽、降低通信延时，提高电力系统的经济效益、安全性和可靠性。
具体举例来说，如图3所示，将靠近风力配网中心且负荷总和为1480kW的负荷节点1~3、19~25和风力配网中心作为一个目标区域。将靠近光伏配网中心A且负荷总和为1160kW的负荷节点4~6、26~33和光伏配网中心A作为一个目标区域。将靠近光伏配网中心B且负荷总和为1075kW的负荷节点7~18和光伏配网中心B作为一个目标区域。
步骤103，边缘服务器根据不同维度产生的配电中心和负荷节点集合的电力数据进行潮流计算，确定目标区域与外部的对外交换功率和对外交换功率对应的运行成本；
其中，电力数据可包括节点的电压、功率、电流等数据。
在该实施例中，边缘服务器从配电中心和负荷节点集合中获取智能电表采集电力数据。基于电力数据建立的系统不同负荷节点的电力模型，该电力模型包括各个节点的电压相位和幅值、节点之间的连接关系、负荷特性等信息。边缘服务器再基于建立的电力系统模型进行潮流计算，求解电力系统中各个节点的电压、功率等参数的分布和变化情况。最后以各个节点的电压、功率等参数的分布和变化情况计算出不同目标区域与外部的对外交换功率和对外交换功率对应的运行成本。从而通过边缘服务器对目标区域内部进行优化调度，得到区域对外交换功率值和独立调度时的运行成本，以便与云端进行交互，以提高电力系统的调度效率和可靠性。
具体地，边缘服务器侧各类设备的电力模型以及约束条件如下：
（1）风力发电机出力模型：
；
式中，P表示风力发电机出力，v表示实际风速大小，v ci表示切入风速大小，v r表示额定风速大小，v co表示切出风速大小，P r表示额定功率大小。
（2）光伏电池出力模型：
；
式中，P PV表示光伏电池出力，η PV表示光伏辐射效率，S PV表示光伏辐射面积，θ t表示光伏机组在某时刻的太阳能辐射强度。
（3）储能模型：
；
式中，E t表示t时刻储存的容量，P char、P dis表示储能的充电功率和放电功率，η char、η dis表示储能的充电效率和放电效率。
储能装置充放电功率约束：
；
；
储能装置充放电状态约束：
；
式中，P char、P dis表示储能的充电功率和放电功率，P SOC表示储能充放电功率。
储能装置容量约束：
；
式中，E表示当前储存的容量，E max表示最大储能容量。
（4）以负荷节点为电动汽车为例，电动汽车模型：
；
；
式中，u表示期望，σ表示方差，a表示采样维度，本实施例以24小时作为采样周期，每1小时作为采样间隔进行数据采集。
（5）节点电压约束：
；
式中，U i表示第i节点的电压幅值，U i min、U i max分别表示电压最大值、最小值。
（6）区域间交换功率约束：
；
式中，P ex表示目标区域与外部的外部交换功率，P ex min、P ex max分别表示交换功率最大值、最小值。
进一步地，对于每个区域首、末端负荷节点，计算目标区域与外部之间的对外交换功率可以通过配电中心处理功率和负荷消耗功率计算得到。
值得一提的是，如果节点注入功率为负值，则表示电力从目标区域流向外部；如果节点注入功率为正值，则表示电力从外部流向目标区域。
进一步地，在一实施例中，潮流计算模型包括：
；
；
；
；
式中，P i,DG、Q i,DG表示在第i节点接入的分布式电源的有功、无功出力，P i,SOC、Q i,SOC表示在第i节点接入的储能的有功、无功出力，P i,load、Q i,load表示在第i节点有功、无功负荷，P i、Q i表示第i节点有功、无功功率，U i、U j表示电压向量的幅值，G ij、B ij表示ij支路上的电导、电纳，δ ij表示两个节点之间的相角差。
在该实施例中，边缘服务器以采样周期获得的储能装置功率为待求解变量，使用前推回代法分别计算每个负荷节点的各个维度下的区域潮流。不仅可以得到有功优化调度结果，还可以观察系统网损以及各节点电压，有利于进一步开展对无功优化调度的研究。其中，计算过程中设各目标区域的首节点为平衡节点，平衡节点处的电压和相位角由云端潮流计算结果给出，若云端服务器没有提供电压和相角则采用初始的电压和相位角，例如，1∠0°。
进一步地，配电中心包括分布式电源装置、储能装置，该分布式电源装置可包括光伏发电系统（photovoltaic，PV）和风力发电机组（wind power plant，WPP），还可以包括、燃气式热电联产机组（Combined Heat and Power generation，CHP）)和燃气锅炉（GasBoiler，GB）。
以光伏发电系统和风力发电机组为例，步骤103中，确定运行成本可采用如下公式：
；
；
式中，C DG表示分布式电源装置发电成本之和，C SOC表示储能装置成本，C PV表示光伏发电单位成本；C W表示风力发电单位成本；P PV表示光伏电池出力；P W表示风力发电机出力；P SOC表示储能充放电功率。
步骤104，边缘服务器采用粒子群算法对基于对外交换功率和运行成本的边缘目标函数进行求解，确定对外交换功率和运行成本中符合目标条件的第一目标交换功率和第一目标运行成本；
在该实施例中，以区域内部运行成本最低作为目标条件，通过边缘目标函数从多组对外交换功率和运行成本中找到使得系统总成本最小化一组决策变量（第一目标交换功率和第一目标运行成本），以便与云端进行交互，实现边云不断迭代更新调度计划，直到达成交互的迭代终止条件，最终实现边云双层优化调度。
具体地，边缘目标函数采用如下公式：
minC i=；
式中，C i表示第i个目标区域的运行成本，C DG表示分布式电源装置发电成本之和，C SOC表示储能装置成本，w 1、w 2表示权重，λ表示边缘服务器调度结果超出云端服务器调度结果部分所对应的惩罚因子，P cloud表示云端服务器输出的第二目标交换功率，P ex表示目标区域与外部的对外交换功率，a表示采样维度。
在实际的应用场景中，步骤104，也即采用粒子群算法对基于对外交换功率和运行成本的边缘目标函数进行求解，具体包括如下步骤：
步骤104-1，对粒子群算法的迭代次数、粒子速度、粒子位置和粒子聚类中心进行初始化；
其中，粒子位置表示了数据对象粒子在特征空间中的位置，粒子速度表示了数据对象粒子在特征空间中的移动方向和速度。
步骤104-2，根据粒子与粒子聚类中心之间的欧式距离进行粒子聚类处理，生成多个粒子邻域；
具体地，根据粒子与粒子聚类中心之间的欧式距离进行粒子聚类处理采用如下公式：
D k=；
式中，D k表示第k个粒子到聚类中心的欧式距离，x i表示粒子的第i维度，x c,i表示聚类中心的第i维度，a表示采样维度。
步骤104-3，根据边缘目标函数生成每个粒子的适应度；
可以理解的是，适应度函数是用来衡量个体（或粒子）在问题空间的适应程度的函数。适应度的具体计算方式可与问题的具体场景和目标相关。例如，对于总负荷平衡度，可以计算各个负荷节点之间的负荷差异度，然后将负荷差异度的综合值作为适应度；对于总能耗和总损耗，可以根据负荷节点的能耗和损耗计算出相应的总值，并将其作为适应度。
步骤104-4，将粒子邻域中适应度最大的粒子确定为目标粒子；
步骤104-5，采用粒子群算法更新粒子邻域中除目标粒子以外的其他粒子的粒子速度和粒子位置，直至符合第二迭代终止条件。
其中，第二迭代终止条件可以是达到最大迭代次数或适应度收敛。
在该实施例中，基于邻域粒子群优化算法（Particle Swarm Optimization，PSO）计算边缘目标函数的最优解。具体地，配置粒子群算法的迭代次数、粒子速度、粒子位置和粒子聚类中心。通过粒子间的欧式距离将临近的粒子归类至一个粒子邻域。根据边缘目标函数生成每个粒子的适应度。比较各粒子邻域中各粒子的适应度，将最好的粒子作为确定目标粒子。使用粒子群优化算法的公式逐步更新粒子邻域中除目标粒子以外的其他粒子的粒子速度和粒子位置。如果粒子迭代不符合第二迭代终止条件，即不符合要求，那么继续对这些粒子进行迭代更新，直到符合第二迭代终止条件，得到全局最优解。从而通过引入邻域的概念，使得每个粒子不仅能够受到全局最好粒子的影响，还能受到邻域内最好粒子的影响，提高算法跳出局部最优解的能力，快速排除非最优解的区域，提升了算法的求解全局最优解的能力，大大提升算法的求解能力和寻优精度。
具体举例来说，邻域粒子群的原理如图4所示，将聚类后的多个负荷节点集合看作邻域，也即簇。将每个簇中最好的粒子记作（X，global），使用下述粒子群算法更新邻域内其余粒子的速度和位置，从而采用线性递减惯性权重方法和异步学习因子方法对粒子群的静态参数做出动态改进，使得算法前期的全局搜索能力更强。每次迭代中重复上述操作，直到满足算法的终止条件，得到全局最优解。
粒子群算法如下：
；
；
w=w min +(w max -w min)()；
c 1 =c max +(c min -c max)()；
c 2 =c min +(c max -c min)()；
式中，v i d+1表示第i个粒子在第d+1次迭代时的粒子速度，w表示粒子群算法中的惯性权重，x i d+1表示第i个粒子在第d+1次迭代时的粒子位置，表示第d次迭代时目标粒子（簇内最优解），/>表示第d次迭代时全局适应度最高的粒子（全局最优解），r 1、r 2分别表示随机数，w min、w max分别表示惯性权重最小值、最大值，c 1表示粒子群算法中的个体学习因子，c 2表示粒子群算法中的群体学习因子，c min、c max分别表示学习因子最小值、最大值。
步骤105，边缘服务器将第一目标交换功率和第一目标运行成本发送至云端服务器；
步骤106，云端服务器接收第一目标交换功率和第一目标运行成本；
步骤107，云端服务器根据不同维度产生的目标区域的电力数据进行潮流计算，确定电力系统中目标区域之间的电网交换功率、目标区域的电压幅值和相位角；
步骤108，云端服务器采用粒子群算法对基于目标区域之间的电网交换功率和第一目标运行成本的云端目标函数进行求解，确定电网交换功率中符合目标条件的第二目标交换功率；
其中，云端服务器的约束条件如下：
（1）功率平衡约束：
；
（2）电网注入功率约束：
；
式中，P grid表示目标区域之间的电网交换功率，P ex表示目标区域与外部之间的外部交换功率，P grid min、P grid max分别表示交换功率最大值、最小值。
在该实施例中，边缘服务器将第一目标交换功率和第一目标运行成本发送至云端服务器后，云端服务器将各目标区域抽象为节点，以各目标区域的对外需求功率为变量，以边缘服务器调度结果为各粒子位置的约束进行潮流计算，确定电力系统整体的电压和功率分布，进而计算出目标区域之间的电网交换功率，以及目标区域的电压幅值和相位角。再以整体运行成本最低为云端目标函数，确定符合目标条件的第二目标交换功率，以便于通过目标区域成本最优的第一目标交换功率和电力系统成本最优的第二目标交换功率调整调度计划。从而充分考虑了功率平衡约束、设备出力约束、节点电压约束以及功率传输约束，可以较为精确地计算出系统有功、无功功率调度。
具体地，云端目标函数采用如下公式：
minC=；
式中，C grid表示电价，P grid表示电网交换功率，C i表示目标区域的第一目标运行成本。第二目标交换功率是指运行成本最小值对应的电网交换功率。
需要说明的是，可基于步骤104相同的原理对云端目标函数进行求解，本实施例不再赘述。
步骤109，云端服务器根据第一目标交换功率和第二目标交换功率确定目标区域的目标调度计划信息。
通过本实施例提出的配电网调度方法，边缘服务器以地理位置地址和负荷特性为依据通过聚类算法对所有负荷节点进行分区，将相邻且负荷特性相近的负荷节点划归至同一配电网的区域（目标区域）。边缘服务器以目标区域中负荷节点为单位，通过潮流模型确定边缘服务器对应的目标区域的电压和功率分布，进而计算出该目标区域与外部的对外交换功率和对外交换功率对应的目标区域的运行成本。边缘服务器以区域运行成本最低为边缘目标函数，以节点功率平衡、储能出力上下限等为约束对各目标区域进行优化调度，确定出区域运行成本最低的功率成本最优解（第一目标交换功率和第一目标运行成本）。边缘服务器将第一目标交换功率和第一目标运行成本发送至云端服务器后，云端服务器将各目标区域抽象为节点，通过潮流模型确定电力系统整体的电压和功率分布，进而计算出目标区域之间的电网交换功率，以及目标区域的电压幅值和相位角。云端服务器再以整体运行成本最低为云端目标函数，确定符合目标条件的第二目标交换功率，并以功率平衡、电网注入功率为约束对各目标区域第一目标交换功率进行优化调度，得到各目标区域的目标调度计划信息。如此，实现了基于边缘计算的“云-边”配电网调度架构，云层负责系统整体的调度管理，边缘层负责各目标区域的调度管理。通过边缘计算可以将电网中的敏感信息存储于本地，满足电力系统日渐高涨的数据安全需求，而且边缘层服务器能够辅助云端服务器分担计算负荷，减少大规模集中计算造成的网损、线路阻塞等影响，提升计算效率，从而节省网络带宽、降低通信延时，保障了用户隐私。进一步地，综合配电中心和负荷节点的地址信息，以及负荷节点的负荷特性信息进行聚类分区，可以减小各目标区域间的负荷差值，降低区域间联络线上需要传输的能量，更有利于实现区域内部能量自治、增加电网经济效益，更好的适应新型电力系统的各种需求。
进一步地，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，对于步骤109中根据第一目标交换功率和第二目标交换功率确定目标区域的目标调度计划信息的步骤，具体包括：
步骤201，若第一目标交换功率和第二目标交换功率符合第一迭代终止条件，则云端服务器根据第一目标交换功率或第二对外交换功率确定目标调度计划信息；
步骤202，若第一目标交换功率和第二目标交换功率不符合第一迭代终止条件，则云端服务器根据目标区域的电压幅值和相位角生成边缘服务器对应的目标区域的调度指令；
步骤203，云端服务器将调度指令反馈至边缘服务器；
步骤204，若接收到云端服务器发送的调度指令，边缘服务器按照调度指令中指示的目标区域的电压幅值和相位角重新计算第一目标交换功率和第一目标运行成本。
在该实施例中，如果第一目标交换功率和第二目标交换功率符合云边交互的第一迭代终止条件，说明边云两侧均达到最佳成本，此时，云端服务器可将两个功率值对应的潮流调度结果确定为目标调度计划信息，以便于后续目标调度计划信息应用到电力系统中。反之，如果第一目标交换功率和第二目标交换功率不符合第一迭代终止条件，说明边云至少一侧未达到最佳成本，云端服务器根据潮流计算出的目标区域的电压幅值和相位角生成边缘服务器对应的目标区域的调度指令。边缘服务器接收到调度指令后，调整调度计划，并按照调度指令中指示的目标区域的电压幅值和相位角重新进行潮流计算，以确定新的潮流结果（更新后的第一目标交换功率和第一目标运行成本）。然后边缘服务器将新的第一目标交换功率和第一目标运行成本上送至云端服务器，云端服务器基于新的第一目标交换功率和第一目标运行成本重复进行迭代计算，直至达到迭代终止条件。从而通过边云不断迭代更新调度计划，直到达成交互的终止条件，最终实现边云双层优化调度。
具体举例来说，如图5所示，边云交互的过程可表示为：
；
；/>
式中，u i cloud表示第i次迭代时云层的输入，y i edge表示第i次迭代时边缘层的输出，u i edge表示第i+1次迭代时边缘层的输入，y i cloud表示第i次迭代时云层的输出。相较于传统的集中式调度，通过上述云边交互的迭代更新节约了77.7%的计算时间，有效提升能量调度的效率。在计算量上，减少了70.1%的迭代次数，有效地释放了云端服务器的计算资源。
进一步地，如图2所示，作为上述配电网调度方法的具体实现，本申请实施例提供了一种配电网调度系统，该配电网调度系统包括：云端服务器301和边缘服务器302。
其中，边缘服务器302，用于根据配电中心和负荷节点的地址信息，以及负荷节点的负荷特性信息对负荷节点进行聚类处理，确定与配电中心对应的负荷节点集合；根据配电中心和负荷节点集合构建目标区域303；根据不同维度产生的配电中心和负荷节点集合的电力数据进行潮流计算，确定目标区域303与外部的对外交换功率和对外交换功率对应的运行成本；采用粒子群算法对基于对外交换功率和运行成本的边缘目标函数进行求解，确定对外交换功率和运行成本中符合目标条件的第一目标交换功率和第一目标运行成本；将第一目标交换功率和第一目标运行成本发送至云端服务器；
云端服务器301，用于接收边缘服务器发送的目标区域303与外部的第一目标交换功率和第一目标运行成本；根据不同维度产生的目标区域303的电力数据进行潮流计算，确定电力系统中目标区域303之间的电网交换功率、目标区域303的电压幅值和相位角；采用粒子群算法对基于目标区域303之间的电网交换功率和第一目标运行成本的云端目标函数进行求解，确定电网交换功率中符合目标条件的第二目标交换功率；根据第一目标交换功率和第二目标交换功率确定目标区域303的目标调度计划信息。
进一步地，边缘服务器302，还用于若接收到云端服务器发送的调度指令，按照调度指令中指示的目标区域303的电压幅值和相位角重新计算第一目标交换功率和第一目标运行成本，其中，调度指令在第一目标交换功率和第二目标交换功率不符合第一迭代终止条件的情况下生成。
进一步地，边缘服务器302，具体用于对粒子群算法的迭代次数、粒子速度、粒子位置和粒子聚类中心进行初始化；根据粒子与粒子聚类中心之间的欧式距离进行粒子聚类处理，生成多个粒子邻域；根据边缘目标函数生成每个粒子的适应度；将粒子邻域中适应度最大的粒子确定为目标粒子；采用粒子群算法更新粒子邻域中除目标粒子以外的其他粒子的粒子速度和粒子位置，直至符合第二迭代终止条件。
进一步地，云端服务器301，还用于若第一目标交换功率和第二目标交换功率符合第一迭代终止条件，则根据第一目标交换功率或第二对外交换功率确定目标调度计划信息；若第一目标交换功率和第二目标交换功率不符合第一迭代终止条件，则根据目标区域303的电压幅值和相位角生成边缘服务器对应的目标区域303的调度指令；将调度指令反馈至边缘服务器，以使边缘服务器按照调度指令中指示的电压幅值和相位角重新计算第一目标交换功率和第一目标运行成本。
关于配电网调度系统的具体限定可以参见上文中对于配电网调度方法的限定，在此不再赘述。
基于上述如图1所示方法，相应的，本申请实施例还提供了一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1所示的配电网调度方法。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施场景所述的方法。
基于上述如图1所示的方法，以及图2所示的系统实施例，为了实现上述目的，本申请实施例还提供了一种计算机设备，具体可以为个人计算机、服务器、网络设备等，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1所示的配电网调度方法。
可选地，该计算机设备还可以包括用户接口、网络接口、摄像头、射频（RadioFrequency，RF）电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏（Display）、输入单元比如键盘（Keyboard）等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口（如蓝牙接口、WI-FI接口）等。
本领域技术人员可以理解，本实施例提供的一种计算机设备结构并不构成对该计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理和保存计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与该实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现根据配电中心和负荷节点的地址信息，以及负荷节点的负荷特性信息对负荷节点进行聚类处理，确定与配电中心对应的负荷节点集合；根据配电中心和负荷节点集合构建目标区域；根据不同维度产生的配电中心和负荷节点集合的电力数据进行潮流计算，确定目标区域与外部的对外交换功率和对外交换功率对应的运行成本；采用粒子群算法对基于对外交换功率和运行成本的边缘目标函数进行求解，确定对外交换功率和运行成本中符合目标条件的第一目标交换功率和第一目标运行成本；将第一目标交换功率和第一目标运行成本发送至云端服务器，以使云端服务器根据第一目标运行成本和云端目标函数确定目标区域之间的第二目标交换功率，并根据第一目标交换功率和第二目标交换功率确定目标区域的目标调度计划信息。或者接收边缘服务器发送的目标区域与外部的第一目标交换功率和第一目标运行成本，其中，目标区域包括配网中心和负荷节点集合，负荷节点集合通过对配电中心和负荷节点的地址信息和负荷节点的负荷特性信息进行聚类处理确定，第一目标交换功率和第一目标运行成本采用粒子群算法对基于对外交换功率和运行成本的边缘目标函数进行求解得到；根据不同维度产生的目标区域的电力数据进行潮流计算，确定电力系统中目标区域之间的电网交换功率、目标区域的电压幅值和相位角；采用粒子群算法对基于目标区域之间的电网交换功率和第一目标运行成本的云端目标函数进行求解，确定电网交换功率中符合目标条件的第二目标交换功率；根据第一目标交换功率和第二目标交换功率确定目标区域的目标调度计划信息。本申请实施例，实现了基于边缘计算的“云-边”配电网调度架构，云层负责系统整体的调度管理，边缘层负责各目标区域的调度管理。通过边缘计算可以将电网中的敏感信息存储于本地，满足电力系统日渐高涨的数据安全需求，而且边缘层服务器能够辅助云端服务器分担计算负荷，减少大规模集中计算造成的网损、线路阻塞等影响，提升计算效率，从而节省网络带宽、降低通信延时，保障了用户隐私。进一步地，综合配电中心和负荷节点的地址信息，以及负荷节点的负荷特性信息进行聚类分区，可以减小各目标区域间的负荷差值，降低区域间联络线上需要传输的能量，更有利于实现区域内部能量自治、增加电网经济效益，更好的适应新型电力系统的各种需求。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。

Claims (10)

1.一种配电网调度方法，其特征在于，应用于边缘服务器，所述方法包括：
根据配电中心和负荷节点的地址信息，以及所述负荷节点的负荷特性信息对所述负荷节点进行聚类处理，确定与所述配电中心对应的负荷节点集合；
根据所述配电中心和所述负荷节点集合构建目标区域；
根据不同维度产生的所述配电中心和所述负荷节点集合的电力数据进行潮流计算，确定所述目标区域与外部的对外交换功率和所述对外交换功率对应的运行成本；
采用粒子群算法对基于所述对外交换功率和所述运行成本的边缘目标函数进行求解，确定所述对外交换功率和所述运行成本中符合目标条件的第一目标交换功率和第一目标运行成本；
将所述第一目标交换功率和所述第一目标运行成本发送至云端服务器，以使所述云端服务器根据所述第一目标运行成本和云端目标函数确定所述目标区域之间的第二目标交换功率，并根据所述第一目标交换功率和所述第二目标交换功率确定所述目标区域的目标调度计划信息。
2.根据权利要求1所述的配电网调度方法，其特征在于，所述方法还包括：
若接收到所述云端服务器发送的调度指令，按照所述调度指令中指示的所述目标区域的电压幅值和相位角重新计算所述第一目标交换功率和所述第一目标运行成本，其中，所述调度指令在所述第一目标交换功率和所述第二目标交换功率不符合第一迭代终止条件的情况下生成。
3.根据权利要求1所述的配电网调度方法，其特征在于，
对所述负荷节点进行聚类处理采用如下公式：
；
式中，D i,n表示第i个负荷节点到第n个配网中心的欧式距离，(x 0,n, y 0,n)表示第n个配网中心的地址信息，(x i, y i)表示第i个负荷节点的地址信息，α i表示负荷特性信息；
第t+1次聚类时，第i个负荷节点的负荷特性信息如下：
；
式中，P load表示电力系统的总负荷，P n, t表示第t次聚类时，第n个目标区域内部的负荷，P i表示第i个负荷节点的负荷。
4.根据权利要求1所述的配电网调度方法，其特征在于，所述采用粒子群算法对基于所述对外交换功率和所述运行成本的边缘目标函数进行求解，包括：
对粒子群算法的迭代次数、粒子速度、粒子位置和粒子聚类中心进行初始化；
根据粒子与粒子聚类中心之间的欧式距离进行粒子聚类处理，生成多个粒子邻域；
根据边缘目标函数生成每个粒子的适应度；
将所述粒子邻域中适应度最大的粒子确定为目标粒子；
采用粒子群算法更新所述粒子邻域中除所述目标粒子以外的其他粒子的粒子速度和粒子位置，直至符合第二迭代终止条件；
所述根据粒子与粒子聚类中心之间的欧式距离进行粒子聚类处理采用如下公式：
D k=；
式中，D k表示第k个粒子到聚类中心的欧式距离，x i表示粒子的第i维度，x c,i表示聚类中心的第i维度，a表示采样维度；
所述粒子群算法如下：
；
；
w=w min +(w max -w min)()；
c 1 =c max +(c min -c max)()；
c 2 =c min +(c max -c min)()；
式中，v i d+1表示第i个粒子在第d+1次迭代时的粒子速度，w表示粒子群算法中的惯性权重，x i d+1表示第i个粒子在第d+1次迭代时的粒子位置，表示第d次迭代时目标粒子，表示第d次迭代时全局适应度最高的粒子，r 1、r 2分别表示随机数，w min、w max分别表示惯性权重最小值、最大值，c 1表示粒子群算法中的个体学习因子，c 2表示粒子群算法中的群体学习因子，c min、c max分别表示学习因子最小值、最大值。
5.根据权利要求1所述的配电网调度方法，其特征在于，
所述配电中心包括分布式电源装置、储能装置，所述分布式电源装置包括光伏发电系统和风力发电机组；所述确定所述对外交换功率对应的运行成本采用如下公式：
；
；
式中，C DG表示分布式电源装置发电成本之和，C SOC表示储能装置成本，C PV表示光伏发电单位成本；C W表示风力发电单位成本；P PV表示光伏电池出力；P W表示风力发电机出力；P SOC表示储能充放电功率；
所述边缘目标函数采用如下公式：
minC i=；
式中，C i表示第i个目标区域的运行成本，C DG表示分布式电源装置发电成本之和，C SOC表示储能装置成本，w 1、w 2表示权重，λ表示边缘服务器调度结果超出云端服务器调度结果部分所对应的惩罚因子，P cloud表示云端服务器输出的第二目标交换功率，P ex表示目标区域与外部的对外交换功率，a表示采样维度；
潮流计算模型包括：
；
；
；
；
式中，P i,DG、Q i,DG表示在第i节点接入的分布式电源的有功、无功出力，P i,SOC、Q i,SOC表示在第i节点接入的储能的有功、无功出力，P i,load、Q i,load表示在第i节点有功、无功负荷，P i、Q i表示第i节点有功、无功功率；U i、U j表示电压向量的幅值，G ij、B ij表示ij支路上的电导、电纳，δ ij表示两个节点之间的相角差。
6.一种配电网调度方法，其特征在于，应用于云端服务器，所述方法包括：
接收边缘服务器发送的目标区域与外部的第一目标交换功率和第一目标运行成本，其中，所述目标区域包括配网中心和负荷节点集合，所述负荷节点集合通过对所述配电中心和负荷节点的地址信息和所述负荷节点的负荷特性信息进行聚类处理确定，所述第一目标交换功率和所述第一目标运行成本采用粒子群算法对基于对外交换功率和运行成本的边缘目标函数进行求解得到；
根据不同维度产生的所述目标区域的电力数据进行潮流计算，确定电力系统中所述目标区域之间的电网交换功率、所述目标区域的电压幅值和相位角；
采用粒子群算法对基于所述目标区域之间的电网交换功率和所述第一目标运行成本的云端目标函数进行求解，确定所述电网交换功率中符合目标条件的第二目标交换功率；
根据所述第一目标交换功率和所述第二目标交换功率确定所述目标区域的目标调度计划信息。
7.根据权利要求6所述的配电网调度方法，其特征在于，所述根据所述第一目标交换功率和所述第二目标交换功率确定所述目标区域的目标调度计划信息，包括：
若所述第一目标交换功率和所述第二目标交换功率符合第一迭代终止条件，则根据所述第一目标交换功率或所述第二对外交换功率确定所述目标调度计划信息；
若所述第一目标交换功率和所述第二目标交换功率不符合第一迭代终止条件，则根据所述目标区域的电压幅值和相位角生成所述边缘服务器对应的目标区域的调度指令；
将所述调度指令反馈至所述边缘服务器，以使所述边缘服务器按照所述调度指令中指示的所述电压幅值和所述相位角重新计算所述第一目标交换功率和所述第一目标运行成本。
8.根据权利要求7所述的配电网调度方法，其特征在于，
所述云端目标函数采用如下公式：
minC=；
式中，C grid表示电价，P grid表示电网交换功率，C i表示目标区域的第一目标运行成本。
9.一种配电网调度方法，其特征在于，应用于调度系统，所述调度系统包括云端服务器和边缘服务器，所述方法包括：
所述边缘服务器根据配电中心和负荷节点的地址信息，以及所述负荷节点的负荷特性信息对所述负荷节点进行聚类处理，确定与所述配电中心对应的负荷节点集合，其中，所述配电中心包括分布式电源装置、储能装置；
所述边缘服务器根据所述配电中心和所述负荷节点集合构建目标区域；
所述边缘服务器根据不同维度产生的所述配电中心和所述负荷节点集合的电力数据进行潮流计算，确定所述目标区域与外部的对外交换功率和所述对外交换功率对应的运行成本；
所述边缘服务器采用粒子群算法对基于所述对外交换功率和所述运行成本的边缘目标函数进行求解，确定所述对外交换功率和所述运行成本中符合目标条件的第一目标交换功率和第一目标运行成本；
所述边缘服务器将所述第一目标交换功率和所述第一目标运行成本发送至所述云端服务器；
所述云端服务器接收所述第一目标交换功率和第一目标运行成本；
所述云端服务器根据不同维度产生的所述目标区域的电力数据进行潮流计算，确定电力系统中所述目标区域之间的电网交换功率、所述目标区域的电压幅值和相位角；
所述云端服务器采用粒子群算法对基于所述目标区域之间的电网交换功率和所述第一目标运行成本的云端目标函数进行求解，确定所述电网交换功率中符合目标条件的第二目标交换功率；
所述云端服务器根据所述第一目标交换功率和所述第二目标交换功率确定所述目标区域的目标调度计划信息。
10.一种配电网调度系统，其特征在于，所述系统包括：
边缘服务器，用于根据配电中心和负荷节点的地址信息，以及所述负荷节点的负荷特性信息对所述负荷节点进行聚类处理，确定与所述配电中心对应的负荷节点集合；根据所述配电中心和所述负荷节点集合构建目标区域；根据不同维度产生的所述配电中心和所述负荷节点集合的电力数据进行潮流计算，确定所述目标区域与外部的对外交换功率和所述对外交换功率对应的运行成本；采用粒子群算法对基于所述对外交换功率和所述运行成本的边缘目标函数进行求解，确定所述对外交换功率和所述运行成本中符合目标条件的第一目标交换功率和第一目标运行成本；将所述第一目标交换功率和所述第一目标运行成本发送至云端服务器；
云端服务器，用于接收所述边缘服务器发送的目标区域与外部的第一目标交换功率和第一目标运行成本；根据不同维度产生的所述目标区域的电力数据进行潮流计算，确定电力系统中所述目标区域之间的电网交换功率、所述目标区域的电压幅值和相位角；采用粒子群算法对基于所述目标区域之间的电网交换功率和所述第一目标运行成本的云端目标函数进行求解，确定所述电网交换功率中符合目标条件的第二目标交换功率；根据所述第一目标交换功率和所述第二目标交换功率确定所述目标区域的目标调度计划信息。
CN202311159518.5A 2023-09-11 2023-09-11 配电网调度方法和配电网调度系统 Active CN116914749B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311159518.5A CN116914749B (zh) 2023-09-11 2023-09-11 配电网调度方法和配电网调度系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311159518.5A CN116914749B (zh) 2023-09-11 2023-09-11 配电网调度方法和配电网调度系统

Publications (2)

Publication Number Publication Date
CN116914749A true CN116914749A (zh) 2023-10-20
CN116914749B CN116914749B (zh) 2024-01-19

Family

ID=88358685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311159518.5A Active CN116914749B (zh) 2023-09-11 2023-09-11 配电网调度方法和配电网调度系统

Country Status (1)

Country Link
CN (1) CN116914749B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596464A (zh) * 2018-04-17 2018-09-28 南京邮电大学 基于动态非合作博弈的电动汽车与云储能经济调度方法
CN110783925A (zh) * 2019-12-02 2020-02-11 安阳师范学院 一种两级部署的电网调控模型中心控制系统及方法
CN111478312A (zh) * 2019-11-20 2020-07-31 国网河北省电力有限公司电力科学研究院 一种提升电网稳定性的综合能源集群协调控制方法
CN112325933A (zh) * 2020-10-29 2021-02-05 贵州电网有限责任公司 一种基于边缘计算的多能源系统采集及预处理方法和终端
CN113964885A (zh) * 2021-08-31 2022-01-21 国网山东省电力公司东营供电公司 一种基于态势感知的电网无功主动预测及控制技术
KR20220150778A (ko) * 2021-05-04 2022-11-11 한국전력공사 배전계획용 공간부하 예측 방법 및 장치
CN116073406A (zh) * 2023-03-06 2023-05-05 国网安徽省电力有限公司 一种区域电网源荷不平衡度的评估方法
CN116169723A (zh) * 2023-03-28 2023-05-26 广东电网有限责任公司 一种平抑光伏发电不确定性的电压控制方法及相关装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596464A (zh) * 2018-04-17 2018-09-28 南京邮电大学 基于动态非合作博弈的电动汽车与云储能经济调度方法
CN111478312A (zh) * 2019-11-20 2020-07-31 国网河北省电力有限公司电力科学研究院 一种提升电网稳定性的综合能源集群协调控制方法
CN110783925A (zh) * 2019-12-02 2020-02-11 安阳师范学院 一种两级部署的电网调控模型中心控制系统及方法
CN112325933A (zh) * 2020-10-29 2021-02-05 贵州电网有限责任公司 一种基于边缘计算的多能源系统采集及预处理方法和终端
KR20220150778A (ko) * 2021-05-04 2022-11-11 한국전력공사 배전계획용 공간부하 예측 방법 및 장치
CN113964885A (zh) * 2021-08-31 2022-01-21 国网山东省电力公司东营供电公司 一种基于态势感知的电网无功主动预测及控制技术
CN116073406A (zh) * 2023-03-06 2023-05-05 国网安徽省电力有限公司 一种区域电网源荷不平衡度的评估方法
CN116169723A (zh) * 2023-03-28 2023-05-26 广东电网有限责任公司 一种平抑光伏发电不确定性的电压控制方法及相关装置

Also Published As

Publication number Publication date
CN116914749B (zh) 2024-01-19

Similar Documents

Publication Publication Date Title
Zhao et al. Multi-objective optimization of stand-alone hybrid PV-wind-diesel-battery system using improved fruit fly optimization algorithm
Wang et al. Optimal capacity allocation of standalone wind/solar/battery hybrid power system based on improved particle swarm optimisation algorithm
Hemmati et al. System modeling and optimization for islanded micro-grid using multi-cross learning-based chaotic differential evolution algorithm
Andervazh et al. Emission‐economic dispatch of thermal power generation units in the presence of hybrid electric vehicles and correlated wind power plants
CN110070292B (zh) 基于交叉变异鲸鱼优化算法的微网经济调度方法
Niknam et al. A practical multi-objective PSO algorithm for optimal operation management of distribution network with regard to fuel cell power plants
Fathi et al. Comparative study of metaheuristic algorithms for optimal sizing of standalone microgrids in a remote area community
Vosoogh et al. An intelligent day ahead energy management framework for networked microgrids considering high penetration of electric vehicles
Abdel-Mawgoud et al. An effective hybrid approach based on arithmetic optimization algorithm and sine cosine algorithm for integrating battery energy storage system into distribution networks
Kumar et al. Multi‐variable constrained non‐linear optimal planning and operation problem for isolated microgrids with stochasticity in wind, solar, and load demand data
Arandian et al. Renewable photovoltaic-thermal combined heat and power allocation optimization in radial and meshed integrated heat and electricity distribution networks with storages based on newly developed hybrid shuffled frog leaping algorithm
CN107273968A (zh) 一种基于动态模糊混沌粒子群的多目标调度方法及装置
Lazar et al. Energy management for an islanded microgrid based on harmony search algorithm
Khunkitti et al. Optimal location and sizing of BESS for performance improvement of distribution systems with high DG penetration
Dagal et al. A novel hybrid series salp particle Swarm optimization (SSPSO) for standalone battery charging applications
Khorram-Nia et al. Optimal switching in reconfigurable microgrids considering electric vehicles and renewable energy sources
CN116502832A (zh) 一种多微电网联合规划方法、系统、存储介质及电子设备
Sulaiman et al. A simulation-metaheuristic approach for finding the optimal allocation of the battery energy storage system problem in distribution networks
CN116914749B (zh) 配电网调度方法和配电网调度系统
CN117013531A (zh) 配电网的容量域评估方法
CN115719113A (zh) 基于有向不平衡拓扑的智能电网经济调度分布式加速优化方法
Singh et al. Economic load dispatch using MRPSO with generator ramp rate limits constraint
CN108683211A (zh) 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型
Mendoza Osorio A review in bess optimization for power systems
Bharti et al. Sizing and optimization of hybrid energy storage system with renewable energy generation plant

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