CN117096882B - 一种配网潮流调控方法及系统 - Google Patents
一种配网潮流调控方法及系统 Download PDFInfo
- Publication number
- CN117096882B CN117096882B CN202311332435.1A CN202311332435A CN117096882B CN 117096882 B CN117096882 B CN 117096882B CN 202311332435 A CN202311332435 A CN 202311332435A CN 117096882 B CN117096882 B CN 117096882B
- Authority
- CN
- China
- Prior art keywords
- user
- power
- future
- current
- power flow
- 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.)
- Active
Links
- 230000033228 biological regulation Effects 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004146 energy storage Methods 0.000 claims description 60
- 230000002787 reinforcement Effects 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 description 17
- 230000001105 regulatory effect Effects 0.000 description 13
- 238000007726 management method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
- H02J3/04—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
- H02J3/12—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
- H02J2203/10—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
Abstract
本发明提供一种配网潮流调控方法及系统，涉及电力控制技术领域，所述配网潮流调控方法包括：根据电力系统的用户的拓扑结构，将用户划分至节点；通过每个节点对应用户的当前负荷数据、当前电力需求、当前能源产能、当前时间点以及用户的在预设未来时间段的气象数据进行预测；得到每个用户在预设未来时间段内的未来负荷数据、未来电力需求、未来能源产能以及未来功率流动值；通过对预测结果进行分析，得到节点中的每个用户的潮流调控策略；根据潮流调控策略，控制配网潮流。本发明实现了利用实时数据动态预测未来的潮流调控策略，灵活地通过现有的当前数据调整潮流调控策略，以适应不同的情况。
Description
技术领域
本发明涉及电力控制技术领域，具体而言，涉及一种配网潮流调控方法及系统。
背景技术
在配电网中，配网潮流通常指电流在配电网中的流动情况，通过配网潮流可以了解电力系统中电流、电压在配电网中的传输情况和分布情况，直至电力经配线电路供给至最终用户。由于部分用户具有发电设备，可利用各种可再生能源设备发电，以此来满足用户自身需求。通过配网潮流的调控，可以控制电力系统中各个节点的电流、电压和功率等参数，使整个电力系统始终保持稳定，同时使电力分配合理。因此，配网潮流的调控对电网系统的准确性和可靠性至关重要。
在现有技术中，用户自身的可再生能源设备也在进行供电，可再生能源产生的电力会随着时间或天气等因素产生变化，进而使配电网中的电力处于波动状态，导致配电网中的负荷会产生变化，因此，配网潮流具有一定的动态性，同时用户的使用情况也会影响配网潮流，因此，配网潮流还具有一定的不确定性。由于配网潮流的动态性和不确定性，容易造成不能及时的对配网潮流进行有效调控，使配网潮流调控不准确，易造成能源浪费。
发明内容
本发明解决的技术问题是如何改善配网潮流调控效果。
本发明提供一种配网潮流调控方法，所述配网潮流调控方法应用于分布式管理系统，所述分布式管理系统包括多个节点，每个所述节点对应多个电力系统的用户，所述配网潮流调控方法包括：
根据所述电力系统的所述用户的拓扑结构，将所述用户划分至所述节点；
获取每个所述节点对应所述用户的当前负荷数据、当前电力需求、当前能源产能、当前时间点以及所述用户的在预设未来时间段的气象数据；
根据所述电力系统的所述用户的所述当前负荷数据，得到所述用户的当前功率流动值；
根据所述电力系统的所述用户的所述当前功率流动值、所述当前负荷数据、所述当前电力需求、所述当前能源产能、所述气象数据以及所述当前时间点，得到每个所述用户在所述预设未来时间段内的未来负荷数据、未来电力需求、未来能源产能以及未来功率流动值；
根据所述用户在所述预设未来时间段内的所述未来电力需求和所述未来能源产能，得到所述用户的未来储能情况；
根据所有所述节点对应所述用户的所述未来储能情况，得到所述节点在所述预设未来时间段的整体电能储备；
根据所述用户的所述未来电力需求，得到每个所述用户在所述预设未来时间段的需求优先级；
根据所述用户的所述未来储能情况、所述未来负荷数据和所述需求优先级，得到所述节点中的所有所述用户在所述预设未来时间段的负荷权重；
根据所述用户的所述负荷权重、所述未来功率流动值以及所述整体电能储备，得到所述节点中的每个所述用户的潮流调控策略；
根据所述潮流调控策略，控制配网潮流。
可选地，所述根据所述电力系统的所述用户的拓扑结构，将所述用户划分至所述节点，包括：
根据所述电力系统中的拓扑结构，得到每个所述用户之间的关联权重，所述关联权重为两个所述用户之间的相互作用程度；
将所述关联权重大于或等于预设关联阈值的两个所述用户分配至相同的所述节点。
可选地，所述根据所述电力系统的所述用户的所述当前负荷数据，得到所述用户的当前功率流动值，包括：
根据所述用户的所述当前负荷数据，得到所述用户的当前电压和当前电流；
根据所述当前电压和所述当前电流，得到所述用户的当前功率系数；
根据所述当前电压、所述当前电流和所述当前功率系数，得到所述用户的当前有功功率；
根据所述当前功率系数和所述用户的所在线路的线路参数，得到所述用户的所述所在线路的阻抗和所述当前电流的相位差；
根据所述阻抗和所述相位差，得到所述用户的当前无功功率；
根据所述当前有功功率和所述当前无功功率，得到所述用户的所述当前功率流动值。
可选地，所述预设未来时间段包括预设数量的预测时段；
所述根据所述电力系统的所述用户的所述当前功率流动值、所述当前负荷数据、所述当前电力需求、所述当前能源产能、所述气象数据以及所述当前时间点，得到每个所述用户在所述预设未来时间段内的未来负荷数据、未来电力需求、未来能源产能以及未来功率流动值，包括：
将所述电力系统的所述用户的所述当前功率流动值、所述当前负荷数据、所述当前电力需求、所述当前能源产能、所述气象数据以及所述当前时间点，输入配网潮流预测网络进行训练；
当所述配网潮流预测网络训练完成时，得到每个所述用户在每个所述预测时段内的所述未来负荷数据、所述未来电力需求、所述未来能源产能以及所述未来功率流动值。
可选地，所述根据所述用户的所述未来电力需求，得到每个所述用户在所述预设未来时间段的需求优先级，包括：
根据所述用户在每个所述预测时段的所述未来电力需求，得到所述节点对应的所有所述用户在每个相同的所述预测时段的所述未来电力需求；
按照所述预测时段的时间顺序，对每个所述用户在每个相同的所述预测时段的所述未来电力需求的高低进行排序，得到所述节点对应的所有所述用户在所述预设未来时间段的用电时序；
根据所述用电时序，得到每个所述用户在所述预设未来时间段的需求优先级。
可选地，所述根据所述用户的所述未来储能情况、所述未来负荷数据和所述需求优先级，得到所述节点中的所有所述用户在所述预设未来时间段的负荷权重，包括：
根据所述用户的所述未来储能情况和所述用户的电能总容量，得到所述用户在所述预设未来时间段的储能比例，并为所述储能比例分配权重系数；
根据所述未来负荷数据，得到所述用户在所述预设未来时间段的负荷平均值；
根据所述需求优先级对所述用户的所述负荷平均值分配初始负荷权重；
根据所述初始负荷权重与所述权重系数的乘积，得到所述用户在所述预设未来时间段的所述负荷权重。
可选地，所述根据所述用户的所述负荷权重、所述未来功率流动值以及所述整体电能储备，得到所述节点中的每个所述用户的潮流调控策略，包括：
根据所述用户的所述负荷权重、所述未来功率流动值以及所述整体电能储备，得到所述节点中的每个所述用户的初始潮流调控策略；
将所述初始潮流调控策略输入策略强化学习网络进行更新；
其中，所述负荷权重作为所述策略强化学习网络的状态，所述未来功率流动值作为所述策略强化学习网络的奖励，所述整体电能储备作为所述策略强化学习网络的约束环境，所述初始潮流调控策略作为所述策略强化学习网络的动作；
当所述策略强化学习网络更新完成后，将更新完成后的所述初始潮流调控策略作为所述潮流调控策略。
可选地，所述根据所述潮流调控策略，控制配网潮流，包括：
通过所述潮流调控策略，通过所述用户的负荷限制，控制所述节点的所述用户的用电功率；
根据所述潮流调控策略，得到电能分配计划；
根据所述电能分配计划，在所述预设未来时间段分配所述整体电能储备至对应的所述用户。
可选地，所述根据所述电能分配计划，在所述预设未来时间段分配所述整体电能储备至对应的所述用户，包括：
根据所述电能分配计划，得到在所述预设未来时间段中需要电能分配的所述用户、进行电能分配的所述预测时段，以及具有电能储备的所述用户向需要电能分配的所述用户分配的电能；
控制所述具有电能储备的所述用户在所述预测时段向所述需要电能分配的所述用户，分配所述电能。
本发明还提供一种配网潮流调控系统，所述配网潮流调控系统应用于分布式管理系统，所述分布式管理系统包括多个节点，每个所述节点对应多个电力系统的用户，所述配网潮流调控系统包括：
用户划分单元，用于根据所述电力系统的所述用户的拓扑结构，将所述用户划分至所述节点；
监测单元，用于获取每个所述节点对应所述用户的当前负荷数据、当前电力需求、当前能源产能、当前时间点以及所述用户的在预设未来时间段的气象数据；
处理单元，用于根据所述电力系统的所述用户的所述当前负荷数据，得到所述用户的当前功率流动值；
预测单元，用于根据所述电力系统的所述用户的所述当前功率流动值、所述当前负荷数据、所述当前电力需求、所述当前能源产能、所述气象数据以及所述当前时间点，得到每个所述用户在所述预设未来时间段内的未来负荷数据、未来电力需求、未来能源产能以及未来功率流动值；
所述处理单元还用于根据所述用户在所述预设未来时间段内的所述未来电力需求和所述未来能源产能，得到所述用户的未来储能情况；
根据所有所述节点对应所述用户的所述未来储能情况，得到所述节点在所述预设未来时间段的整体电能储备；
根据所述用户的所述未来电力需求，得到每个所述用户在所述预设未来时间段的需求优先级；
根据所述用户的所述未来储能情况、所述未来负荷数据和所述需求优先级，得到所述节点中的所有所述用户在所述预设未来时间段的负荷权重；
策略单元，用于根据所述用户的所述负荷权重、所述未来功率流动值以及所述整体电能储备，得到所述节点中的每个所述用户的潮流调控策略；
控制单元，用于根据所述潮流调控策略，控制配网潮流。
本发明的配网潮流调控方法及系统，首先通过电力系统中有关用户的拓扑结构，根据实际情况为每个用户划分对应的节点，使每个节点中的用户均具有相似的使用情况或能源产能，方便进行预测同时便于对节点对应的用户进行相似的控制，提高调控效率。再根据影响用户用电的相关数据以及用户自身的负荷数据，电力需求以及能源产能，对预设未来时间段的上述数据进行预测，根据预测的结果对未来潮流调控策略进行计划，实现了利用实时数据动态预测未来的潮流调控策略，灵活地通过现有的当前数据调整潮流调控策略，以适应不同的情况，提高了配网潮流的灵活性、容错性和响应能力，改善了配网潮流调控效果。
附图说明
图1为本发明一实施例中配网潮流调控方法的流程示意图；
图2为本发明又一实施例中配网潮流调控方法的流程示意图；
图3为本发明又一实施例中配网潮流调控方法的流程示意图；
图4为本发明又一实施例中配网潮流调控方法的流程示意图；
图5为本发明另一实施例中配网潮流调控方法的流程示意图；
图6为本发明另一实施例中配网潮流调控方法的流程示意图；
图7为本发明另一实施例中配网潮流调控方法的流程示意图；
图8为本发明实施例中配网潮流调控系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例是本发明的一部分实施例，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做出创造性劳动的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。
结合图1所示，本发明提供一种配网潮流调控方法，所述配网潮流调控方法应用于分布式管理系统，所述分布式管理系统包括多个节点，每个所述节点对应多个电力系统的用户，节点可以是负责管理和调度用户负荷的控制中心，所述配网潮流调控方法包括：
S1：根据所述电力系统的所述用户的拓扑结构，将所述用户划分至所述节点；
具体地，通过将相似使用情况或能源产能的用户划分至同一个节点，可以更好地进行用户负荷预测和能源产能预测，从而提高潮流调控的准确性，对于节点中具有相似使用情况的用户，可以采取相似的控制策略，这有助于提高调控效率，例如，在商业区域中，具有相似用电特性和负荷模式的商业用户可以划分至同一个节点，从而更好地进行负荷均衡和能源调度。
S2：获取每个所述节点对应所述用户的当前负荷数据、当前电力需求、当前能源产能、当前时间点以及所述用户的在预设未来时间段的气象数据；
具体地，可以利用智能电表测量用户的实时负荷数据和电力需求，可通过智能电表的通信接口，获取和传输数据到分布式管理系统；利用传感器获取用户的能源产能、气象数据和环境信息，例如，温度传感器、湿度传感器、辐射传感器、风速传感器等可以用来获取天气状况；利用电力监测系统从电网中获取用户的负荷数据、电网电压、电流等信息。这些监测设备可以部署在电网中的关键位置，如变电站、配电箱等。
S3：根据所述电力系统的所述用户的所述当前负荷数据，得到所述用户的当前功率流动值；
具体地，利用采集到的当前负荷数据和用户拓扑结构，进行潮流计算，确定电网中各个节点和支路之间的电流和功率分布，进而分析电力系统中能量的流动路径，以及确定各个节点用户的功率交互情况，通过确定功率流向和分布，可以更好地理解系统的电力供求平衡情况。
S4：根据所述电力系统的所述用户的所述当前功率流动值、所述当前负荷数据、所述当前电力需求、所述当前能源产能、所述气象数据以及所述当前时间点，得到每个所述用户在所述预设未来时间段内的未来负荷数据、未来电力需求、未来能源产能以及未来功率流动值；
具体地，首先，对采集到的当前功率流动值、负荷数据、电力需求、能源产能和气象数据进行预处理。这可能包括数据清洗、归一化和去除异常值等处理步骤，以确保数据的准确性和可靠，根据预处理后的数据，使用合适的数据模型来建立负荷数据、电力需求、能源产能和功率流动值的预测网络，使用历史数据进行模型的训练，并利用训练好的模型对未来时间段的负荷数据、电力需求、能源产能和功率流动值进行预测，再通过将历史数据分为训练集和测试集来评估模型的准确性和性能。
S5：根据所述用户在所述预设未来时间段内的所述未来电力需求和所述未来能源产能，得到所述用户的未来储能情况；
具体地，将预测的电力需求和能源产能进行比较，以确定用户在某个时间点是否需要储能，以及储能量的大小。如果预测的电力需求超过可用的能源产能，则用户可能需要通过额外的能源，综上所述，通过预测用户的未来电力需求和能源产能，并将其进行比较，可以得出用户在预设未来时间段内的储能情况。
S6：根据所有所述节点对应所述用户的所述未来储能情况，得到所述节点在所述预设未来时间段的整体电能储备；
具体地，将每个节点对应的用户的未来储能情况汇总起来，得到每个节点在预设未来时间段内的储能情况，其中包括每个节点的储能装置（如电池）容量和充放电状态。通过对节点储能情况进行加和，并减去预测的总电力需求来计算各个节点的储能情况与预设未来时间段内的总电力需求之间的差距。
S7：根据所述用户的所述未来电力需求，得到每个所述用户在所述预设未来时间段的需求优先级；
具体地，由于电力需求与其业务运营或生活必需紧密相关，例如医疗机构或关键基础设施，那么该用户的需求具有更高的紧急性，可能需要更高的优先级，因此需要首先分析每个用户在预设未来时间段内的电力需求量，较大的需求量可能表示用户对电能的高需求程度，因此可能需要更高的优先级。
S8：根据所述用户的所述未来储能情况、所述未来负荷数据和所述需求优先级，得到所述节点中的所有所述用户在所述预设未来时间段的负荷权重；
具体地，计算需求优先级权重：根据用户的需求优先级，为每个用户分配一个权重，表示其在资源分配和能源调度中的重要性。根据用户的未来储能情况，评估每个用户在预设的未来时间段内的储能容量，具有更多储能容量的用户可能具有较低的负荷权重，因为这些用户可以在需要时使用储能满足自己的负荷需求而不依赖于外部供应。分析每个用户在预设未来时间段内的负荷数据，包括峰值负荷和负荷变化情况，对于具有高峰值负荷和变化较大的用户，可以给予较高的负荷权重，因为满足他们的需求可能对系统运行有更大的影响。
S9：根据所述用户的所述负荷权重、所述未来功率流动值以及所述整体电能储备，得到所述节点中的每个所述用户的潮流调控策略；
具体地，基于负荷权重、功率流动和电能储备情况，制定每个用户的潮流调控策略，这可能包括通过储能装置的充放电控制，调整用户的负荷需求，或者通过与节点中其他用户的能量交易来调节供需平衡。
S10：根据所述潮流调控策略，控制配网潮流；
具体地，根据潮流调控策，生成相应的控制指令，并下发给电力系统中节点对应的各个用户，可以通过远程通信或自动化控制系统完成。
本发明的配网潮流调控方法，首先通过电力系统中有关用户的拓扑结构，根据实际情况为每个用户划分对应的节点，使每个节点中的用户均具有相似的使用情况或能源产能，方便进行预测同时便于对节点对应的用户进行相似的控制，提高调控效率。再根据影响用户用电的相关数据以及用户自身的负荷数据，电力需求以及能源产能，对预设未来时间段的上述数据进行预测，根据预测的结果对未来潮流调控策略进行计划，实现了利用实时数据动态预测未来的潮流调控策略，灵活地通过现有的当前数据调整潮流调控策略，以适应不同的情况，提高了配网潮流的灵活性、容错性和响应能力，改善了配网潮流调控效果。
结合图2所示，本发明实施例中，所述S1：根据所述电力系统的所述用户的拓扑结构，将所述用户划分至所述节点，包括：
S11：根据所述电力系统中的拓扑结构，得到每个所述用户之间的关联权重，所述关联权重为两个所述用户之间的相互作用程度；
S12：将所述关联权重大于或等于预设关联阈值的两个所述用户分配至相同的所述节点。
在本实施例中，根据电力系统的拓扑结构和用户之间的相互作用程度，计算每个用户之间的关联权重，关联权重可以基于节点之间的电流流动情况、功率交换需求等因素来确定。另外，需要设定一个预设关联阈值，该阈值用来判断两个用户之间的关联权重是否达到或超过了阈值，预设关联阈值的设定需要根据具体的系统需求和目标来决定。根据计算得到的关联权重和预设关联阈值，将关联权重大于或等于预设关联阈值的两个用户分配至相同的节点，可以将关系密切、相互依赖程度较高的用户聚集在同一个节点中。
本发明的配网潮流调控方法，将关联权重大的用户分配至相同的节点，可以使得这些互相关联的用户在同一个节点上进行潮流调控，可以更好地协调他们之间的负荷变化和电力交换，提高潮流调控的效率并减少潮流调控的复杂性。
结合图3所示，本发明实施例中，所述S3：根据所述电力系统的所述用户的所述当前负荷数据，得到所述用户的当前功率流动值，包括：
S31：根据所述用户的所述当前负荷数据，得到所述用户的当前电压和当前电流；
S32：根据所述当前电压和所述当前电流，得到所述用户的当前功率系数；
S33：根据所述当前电压、所述当前电流和所述当前功率系数，得到所述用户的当前有功功率；
S34：根据所述当前功率系数和所述用户的所在线路的线路参数，得到所述用户的所述所在线路的阻抗和所述当前电流的相位差；
S35：根据所述阻抗和所述相位差，得到所述用户的当前无功功率；
S36：根据所述当前有功功率和所述当前无功功率，得到所述用户的所述当前功率流动值。
在本实施例中，从用户所在节点或相关设备中获取用户的当前负荷数据，包括电压和电流信息，在本发明的优选实施例中，可以通过智能电表、传感器等设备来获取。根据当前电压和电流，计算用户的当前功率系数，其中，功率系数表示有功功率和无功功率之间的比例关系。根据当前电压、电流和功率系数，计算用户的当前有功功率，有功功率为电力系统中实际产生或消耗的有效功率，用于实现各种电力需求。根据当前功率系数和用户所在线路的线路参数（如阻抗值），计算用户的当前无功功率，其中，无功功率是系统中交换和调节电磁场能量的功率，用于电力传输和稳定电压。根据当前有功功率和当前无功功率，计算用户的当前功率流动值，功率流动值描述了当前用户所消耗或产生的总功率。
本发明的配网潮流调控方法，计算当前功率系数、有功功率和无功功率等参数，可以为潮流调控提供必要的数据，通过准确计算用户的功率流动值，可以更好地调节系统中的负荷平衡，优化电力分配和调度计划。
结合图4所示，本发明实施例中，所述预设未来时间段包括预设数量的预测时段；
所述S4：根据所述电力系统的所述用户的所述当前功率流动值、所述当前负荷数据、所述当前电力需求、所述当前能源产能、所述气象数据以及所述当前时间点，得到每个所述用户在所述预设未来时间段内的未来负荷数据、未来电力需求、未来能源产能以及未来功率流动值，包括：
S41：将所述电力系统的所述用户的所述当前功率流动值、所述当前负荷数据、所述当前电力需求、所述当前能源产能、所述气象数据以及所述当前时间点，输入配网潮流预测网络进行训练；
S42：当所述配网潮流预测网络训练完成时，得到每个所述用户在每个所述预测时段内的所述未来负荷数据、所述未来电力需求、所述未来能源产能以及所述未来功率流动值。
在本实施例中，根据需求设定预测时段的数量和长度。在本发明的优选实施例中，可以预测未来24小时内每小时的负荷数据、电力需求、能源产能和功率流动值，收集电力系统用户的当前功率流动值、当前负荷数据、当前电力需求、当前能源产能、气象数据和当前时间点的数据，在本发明的优选实施例中，可以从智能电表、传感器、气象站和数据存储中心等获取上述数据。将收集到的数据作为训练样本，输入配网潮流预测网络进行训练，配网潮流预测网络是机器学习模型，通过学习历史数据和模式，可以预测未来的负荷数据、电力需求、能源产能和功率流动值，在训练过程中，网络通过调整内部参数来最小化预测输出与真实输出之间的误差。当配网潮流预测网络训练完成后，使用该网络对每个预测时段内用户的未来负荷数据、电力需求、能源产能和功率流动值进行预测，其中，根据当前负荷数据，通过历史数据和历史规律，结合预测时段中针对每个用户的用电情况进行预测分析，得到未来负荷数据和未来电力需求，并根据用户历史时刻的能源产能，得到预测时段所提供的未来能源产能，进而计算得到未来功率流动值；将预测时段的相关输入数据输入已经训练好的网络中，网络输出相应的预测结果。
本发明的配网潮流调控方法，通过预测未来多个时段的负荷数据、电力需求、能源产能和功率流动值，能够更好地了解未来的电力需求和供应情况，从而更有效地进行分时段能源调度和分时段系统运行管理，提高系统的运行效率。
结合图5所示，本发明实施例中，所述根据所述用户的所述未来电力需求，得到每个所述用户在所述预设未来时间段的需求优先级，包括：
S71：根据所述用户在每个所述预测时段的所述未来电力需求，得到所述节点对应的所有所述用户在每个相同的所述预测时段的所述未来电力需求；
S72：按照所述预测时段的时间顺序，对每个所述用户在每个相同的所述预测时段的所述未来电力需求的高低进行排序，得到所述节点对应的所有所述用户在所述预设未来时间段的用电时序；
S73：根据所述用电时序，得到每个所述用户在所述预设未来时间段的需求优先级。
在本实施例中，在发明的优选实施例中，预设未来时间段为24小时，根据用户在每个小时的未来电力需求，得到节点内的所有用户在相同的一小时中的未来电力需求，再以该一小时为基础，对一小时内的未来电力需求对用户进行排序，得到用户在此一小时内的用电时序，进而可以得到每个用户在未来24小时内的用电时许，再根据用电时许，用电时序表示用户在预设未来时间段内的用电顺序，即确定哪些用户在哪个时段优先使用电力，根据生成的用电时序，确定每个用户在预设未来时间段内的需求优先级。优先级高的用户将在用电时序中优先使用电力，而优先级低的用户将被安排在后续时段使用电力。
本发明的配网潮流调控方法，通过根据用户的未来电力需求生成用电时序，可以在用户之间合理分配电力资源，优先满足高优先级用户的需求，确保其电力供应稳定，并在电力供应充足时满足低优先级用户的需求，再将预设未来时间段分成多个预测时段，实现来分时段对用户的优先级进行动态排序。
结合图6所示，本发明实施例中，所述S8：根据所述用户的所述未来储能情况、所述未来负荷数据和所述需求优先级，得到所述节点中的所有所述用户在所述预设未来时间段的负荷权重，包括：
S81：根据所述用户的所述未来储能情况和所述用户的电能总容量，得到所述用户在所述预设未来时间段的储能比例，并为所述储能比例分配权重系数；
S82：根据所述未来负荷数据，得到所述用户在所述预设未来时间段的负荷平均值；
S83：根据所述需求优先级对所述用户的所述负荷平均值分配初始负荷权重；
S84：根据所述初始负荷权重与所述权重系数的乘积，得到所述用户在所述预设未来时间段的所述负荷权重。
在本实施例中，根据用户的未来储能情况和电能总容量，计算每个用户在预设未来时间段内的储能比例，其中，储能比例表示用户在未来时间段内所能储存的电能比例，同时，为储能比例分配权重系数，用于计算负荷权重。根据预测的未来负荷数据，计算每个用户在预设未来时间段内的负荷平均值，负荷平均值表示用户在未来时间段内平均每个时段需要消耗的电力。根据需求优先级，对每个用户的负荷平均值进行分配初始负荷权重，需求优先级高的用户将拥有更高的初始负荷权重，表示他们在用电时序中的优先级较高。将初始负荷权重与权重系数相乘，得到每个用户在预设未来时间段内的负荷权重。负荷权重表示用户在用电时序中的权重比例，用于决定用户使用电力资源的先后顺序。
本发明的配网潮流调控方法，通过根据用户的储能比例和储能权重系数，对用户进行权衡，以合理利用储能资源。储能比例较高的用户将被分配较高的储能权重系数，促使这些用户在储能充足时优先使用储能电力，减少对电力网络的依赖。
结合图7所示，本发明实施例中，所述S9：根据所述用户的所述负荷权重、所述未来功率流动值以及所述整体电能储备，得到所述节点中的每个所述用户的潮流调控策略，包括：
S91：根据所述用户的所述负荷权重、所述未来功率流动值以及所述整体电能储备，得到所述节点中的每个所述用户的初始潮流调控策略；
S92：将所述初始潮流调控策略输入策略强化学习网络进行更新；
其中，所述负荷权重作为所述策略强化学习网络的状态，所述未来功率流动值作为所述策略强化学习网络的奖励，所述整体电能储备作为所述策略强化学习网络的约束环境，所述初始潮流调控策略作为所述策略强化学习网络的动作；
S93：当所述策略强化学习网络更新完成后，将更新完成后的所述初始潮流调控策略作为所述潮流调控策略。
在本实施例中，根据用户的负荷权重、未来功率流动值以及整体电能储备，为节点中的每个用户计算初始潮流调控策略，初始潮流调控策略是根据当前的情况下，针对用户的负荷权重进行潮流调控的初始策略，将初始潮流调控策略输入策略强化学习网络进行更新，策略强化学习网络的目标是通过与环境的交互学习最优的潮流调控策略，负荷权重作为网络的状态，未来功率流动值作为网络的奖励，整体电能储备作为约束环境，初始潮流调控策略作为动作，当策略强化学习网络更新完成后，更新后的潮流调控策略将作为节点中每个用户的最终潮流调控策略。
本发明的配网潮流调控方法，根据用户的负荷权重、未来功率流动值和整体电能储备，为每个用户生成独立的潮流调控策略。可以根据节点的实际情况为每个用户提供最优的调控策略，以满足需求，减少能源浪费。
本发明实施例中，所述根据所述潮流调控策略，控制配网潮流，包括：
通过所述潮流调控策略，通过所述用户的负荷限制，控制所述节点的所述用户的用电功率；
根据所述潮流调控策略，得到电能分配计划；
根据所述电能分配计划，在所述预设未来时间段分配所述整体电能储备至对应的所述用户。
在本实施例中，本发明的配网潮流调控方法，根据潮流调控策略，通过用户的负荷限制来控制节点中每个用户的用电功率。潮流调控策略将根据节点的实际情况和用户的需求，控制每个用户的用电功率。这可以确保节点内各个用户的负荷得到合理调控，以满足用户的需求，并保持整体配网系统的功率平衡。
本发明的配网潮流调控方法，通过控制用户用电功率，确保节点内各个用户的负荷得到平衡，避免某些用户负荷过重或过轻的情况发生，提高系统的负荷平衡性。
本发明实施例中，所述根据所述电能分配计划，在所述预设未来时间段分配所述整体电能储备至对应的所述用户，包括：
根据所述电能分配计划，得到在所述预设未来时间段中需要电能分配的所述用户、进行电能分配的所述预测时段，以及具有电能储备的所述用户向需要电能分配的所述用户分配的电能；
控制所述具有电能储备的所述用户在所述预测时段向所述需要电能分配的所述用户，分配所述电能。
在本实施例中，根据潮流调控策略，确定电能分配计划。电能分配计划将包括在预设未来时间段中需要电能分配的用户、进行电能分配的预测时段，以及具有电能储备的用户向需要电能分配的用户分配的电能数量，其中，这个计划将根据用户的需求、当前电能储备情况和系统的限制等因素进行制定。在预测时段内，根据电能分配计划，通过调整储能系统的放电功率控制具有电能储备的用户将其所持有的电能分配给需要电能的用户。
本发明的配网潮流调控方法，通过根据电能分配计划将电能分配给需要电能的用户，可以使电能得到优化分配，根据用户的需求和系统的限制，合理分配电能，避免电能浪费和供需不平衡的问题。
结合图8所示，本发明还提供一种配网潮流调控系统100，采用如上述任一项所述的配网潮流调控方法，所述配网潮流调控系统100包括：
用户划分单元110，用于根据所述电力系统的所述用户的拓扑结构，将所述用户划分至所述节点；
监测单元120，用于获取每个所述节点对应所述用户的当前负荷数据、当前电力需求、当前能源产能、当前时间点以及所述用户的在预设未来时间段的气象数据；
处理单元130，用于根据所述电力系统的所述用户的所述当前负荷数据，得到所述用户的当前功率流动值；
预测单元140，用于根据所述电力系统的所述用户的所述当前功率流动值、所述当前负荷数据、所述当前电力需求、所述当前能源产能、所述气象数据以及所述当前时间点，得到每个所述用户在所述预设未来时间段内的未来负荷数据、未来电力需求、未来能源产能以及未来功率流动值；
所述处理单元130，还用于根据所述用户在所述预设未来时间段内的所述未来电力需求和所述未来能源产能，得到所述用户的未来储能情况；
根据所有所述节点对应所述用户的所述未来储能情况，得到所述节点在所述预设未来时间段的整体电能储备；
根据所述用户的所述未来电力需求，得到每个所述用户在所述预设未来时间段的需求优先级；
根据所述用户的所述未来储能情况、所述未来负荷数据和所述需求优先级，得到所述节点中的所有所述用户在所述预设未来时间段的负荷权重；
策略单元150，用于根据所述用户的所述负荷权重、所述未来功率流动值以及所述整体电能储备，得到所述节点中的每个所述用户的潮流调控策略；
控制单元160，用于根据所述潮流调控策略，控制配网潮流。
本发明的配网潮流调控系统，首先通过电力系统中有关用户的拓扑结构，根据实际情况为每个用户划分对应的节点，使每个节点中的用户均具有相似的使用情况或能源产能，方便进行预测同时便于对节点对应的用户进行相似的控制，提高调控效率。再根据影响用户用电的相关数据以及用户自身的负荷数据，电力需求以及能源产能，对预设未来时间段的上述数据进行预测，根据预测的结果对未来潮流调控策略进行计划，实现了利用实时数据动态预测未来的潮流调控策略，灵活地通过现有的当前数据调整潮流调控策略，以适应不同的情况，提高了配网潮流的灵活性、容错性和响应能力，改善了配网潮流调控效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种配网潮流调控方法，其特征在于，所述配网潮流调控方法应用于分布式管理系统，所述分布式管理系统包括多个节点，每个所述节点对应多个电力系统的用户，所述配网潮流调控方法包括：
根据所述电力系统的所述用户的拓扑结构，将所述用户划分至所述节点；
获取每个所述节点对应所述用户的当前负荷数据、当前电力需求、当前能源产能、当前时间点以及所述用户的在预设未来时间段的气象数据；
根据所述电力系统的所述用户的所述当前负荷数据，得到所述用户的当前功率流动值；
根据所述电力系统的所述用户的所述当前功率流动值、所述当前负荷数据、所述当前电力需求、所述当前能源产能、所述气象数据以及所述当前时间点，得到每个所述用户在所述预设未来时间段内的未来负荷数据、未来电力需求、未来能源产能以及未来功率流动值；
根据所述用户在所述预设未来时间段内的所述未来电力需求和所述未来能源产能，得到所述用户的未来储能情况；
根据所有所述节点对应所述用户的所述未来储能情况，得到所述节点在所述预设未来时间段的整体电能储备；
根据所述用户的所述未来电力需求，得到每个所述用户在所述预设未来时间段的需求优先级；
根据所述用户的所述未来储能情况、所述未来负荷数据和所述需求优先级，得到所述节点中的所有所述用户在所述预设未来时间段的负荷权重；
根据所述用户的所述负荷权重、所述未来功率流动值以及所述整体电能储备，得到所述节点中的每个所述用户的潮流调控策略；
根据所述潮流调控策略，控制配网潮流。
2.根据权利要求1所述的配网潮流调控方法，其特征在于，所述根据所述电力系统的所述用户的拓扑结构，将所述用户划分至所述节点，包括：
根据所述电力系统中的拓扑结构，得到每个所述用户之间的关联权重，所述关联权重为两个所述用户之间的相互作用程度；
将所述关联权重大于或等于预设关联阈值的两个所述用户分配至相同的所述节点。
3.根据权利要求1所述的配网潮流调控方法，其特征在于，所述根据所述电力系统的所述用户的所述当前负荷数据，得到所述用户的当前功率流动值，包括：
根据所述用户的所述当前负荷数据，得到所述用户的当前电压和当前电流；
根据所述当前电压和所述当前电流，得到所述用户的当前功率系数；
根据所述当前电压、所述当前电流和所述当前功率系数，得到所述用户的当前有功功率；
根据所述当前功率系数和所述用户的所在线路的线路参数，得到所述用户的所述所在线路的阻抗和所述当前电流的相位差；
根据所述阻抗和所述相位差，得到所述用户的当前无功功率；
根据所述当前有功功率和所述当前无功功率，得到所述用户的所述当前功率流动值。
4.根据权利要求1所述的配网潮流调控方法，其特征在于，所述预设未来时间段包括预设数量的预测时段；
所述根据所述电力系统的所述用户的所述当前功率流动值、所述当前负荷数据、所述当前电力需求、所述当前能源产能、所述气象数据以及所述当前时间点，得到每个所述用户在所述预设未来时间段内的未来负荷数据、未来电力需求、未来能源产能以及未来功率流动值，包括：
将所述电力系统的所述用户的所述当前功率流动值、所述当前负荷数据、所述当前电力需求、所述当前能源产能、所述气象数据以及所述当前时间点，输入配网潮流预测网络进行训练；
当所述配网潮流预测网络训练完成时，得到每个所述用户在每个所述预测时段内的所述未来负荷数据、所述未来电力需求、所述未来能源产能以及所述未来功率流动值。
5.根据权利要求4所述的配网潮流调控方法，其特征在于，所述根据所述用户的所述未来电力需求，得到每个所述用户在所述预设未来时间段的需求优先级，包括：
根据所述用户在每个所述预测时段的所述未来电力需求，得到所述节点对应的所有所述用户在每个相同的所述预测时段的所述未来电力需求；
按照所述预测时段的时间顺序，对每个所述用户在每个相同的所述预测时段的所述未来电力需求的高低进行排序，得到所述节点对应的所有所述用户在所述预设未来时间段的用电时序；
根据所述用电时序，得到每个所述用户在所述预设未来时间段的需求优先级。
6.根据权利要求1所述的配网潮流调控方法，其特征在于，所述根据所述用户的所述未来储能情况、所述未来负荷数据和所述需求优先级，得到所述节点中的所有所述用户在所述预设未来时间段的负荷权重，包括：
根据所述用户的所述未来储能情况和所述用户的电能总容量，得到所述用户在所述预设未来时间段的储能比例，并为所述储能比例分配权重系数；
根据所述未来负荷数据，得到所述用户在所述预设未来时间段的负荷平均值；
根据所述需求优先级对所述用户的所述负荷平均值分配初始负荷权重；
根据所述初始负荷权重与所述权重系数的乘积，得到所述用户在所述预设未来时间段的所述负荷权重。
7.根据权利要求1所述的配网潮流调控方法，其特征在于，所述根据所述用户的所述负荷权重、所述未来功率流动值以及所述整体电能储备，得到所述节点中的每个所述用户的潮流调控策略，包括：
根据所述用户的所述负荷权重、所述未来功率流动值以及所述整体电能储备，得到所述节点中的每个所述用户的初始潮流调控策略；
将所述初始潮流调控策略输入策略强化学习网络进行更新；
其中，所述负荷权重作为所述策略强化学习网络的状态，所述未来功率流动值作为所述策略强化学习网络的奖励，所述整体电能储备作为所述策略强化学习网络的约束环境，所述初始潮流调控策略作为所述策略强化学习网络的动作；
当所述策略强化学习网络更新完成后，将更新完成后的所述初始潮流调控策略作为所述潮流调控策略。
8.根据权利要求4所述的配网潮流调控方法，其特征在于，所述根据所述潮流调控策略，控制配网潮流，包括：
通过所述潮流调控策略，通过所述用户的负荷限制，控制所述节点的所述用户的用电功率；
根据所述潮流调控策略，得到电能分配计划；
根据所述电能分配计划，在所述预设未来时间段分配所述整体电能储备至对应的所述用户。
9.根据权利要求8所述的配网潮流调控方法，其特征在于，所述根据所述电能分配计划，在所述预设未来时间段分配所述整体电能储备至对应的所述用户，包括：
根据所述电能分配计划，得到在所述预设未来时间段中需要电能分配的所述用户、进行电能分配的所述预测时段，以及具有电能储备的所述用户向需要电能分配的所述用户分配的电能；
控制所述具有电能储备的所述用户在所述预测时段向所述需要电能分配的所述用户，分配所述电能。
10.一种配网潮流调控系统，其特征在于，所述配网潮流调控系统应用于分布式管理系统，所述分布式管理系统包括多个节点，每个所述节点对应多个电力系统的用户，所述配网潮流调控系统包括：
用户划分单元，用于根据所述电力系统的所述用户的拓扑结构，将所述用户划分至所述节点；
监测单元，用于获取每个所述节点对应所述用户的当前负荷数据、当前电力需求、当前能源产能、当前时间点以及所述用户的在预设未来时间段的气象数据；
处理单元，用于根据所述电力系统的所述用户的所述当前负荷数据，得到所述用户的当前功率流动值；
预测单元，用于根据所述电力系统的所述用户的所述当前功率流动值、所述当前负荷数据、所述当前电力需求、所述当前能源产能、所述气象数据以及所述当前时间点，得到每个所述用户在所述预设未来时间段内的未来负荷数据、未来电力需求、未来能源产能以及未来功率流动值；
所述处理单元还用于根据所述用户在所述预设未来时间段内的所述未来电力需求和所述未来能源产能，得到所述用户的未来储能情况；
根据所有所述节点对应所述用户的所述未来储能情况，得到所述节点在所述预设未来时间段的整体电能储备；
根据所述用户的所述未来电力需求，得到每个所述用户在所述预设未来时间段的需求优先级；
根据所述用户的所述未来储能情况、所述未来负荷数据和所述需求优先级，得到所述节点中的所有所述用户在所述预设未来时间段的负荷权重；
策略单元，用于根据所述用户的所述负荷权重、所述未来功率流动值以及所述整体电能储备，得到所述节点中的每个所述用户的潮流调控策略；
控制单元，用于根据所述潮流调控策略，控制配网潮流。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311332435.1A CN117096882B (zh) | 2023-10-16 | 2023-10-16 | 一种配网潮流调控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311332435.1A CN117096882B (zh) | 2023-10-16 | 2023-10-16 | 一种配网潮流调控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117096882A CN117096882A (zh) | 2023-11-21 |
| CN117096882B true CN117096882B (zh) | 2024-01-05 |
Family
ID=88769963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311332435.1A Active CN117096882B (zh) | 2023-10-16 | 2023-10-16 | 一种配网潮流调控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117096882B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000092705A (ja) * | 1998-09-11 | 2000-03-31 | Chubu Electric Power Co Inc | 電力系統潮流監視装置 |
| JP2006217742A (ja) * | 2005-02-04 | 2006-08-17 | Fuji Electric Systems Co Ltd | 配電系統の電圧分布計算装置、区間負荷計算装置およびその方法 |
| CN108346009A (zh) * | 2018-03-21 | 2018-07-31 | 深圳库博能源科技有限公司 | 一种基于用户模型自学习的电力生产配置方法和装置 |
| CN111030150A (zh) * | 2019-12-30 | 2020-04-17 | 南通大学 | 一种微电网系统负荷可靠供电的混合储能容量确定方法 |
| CN111262243A (zh) * | 2020-03-04 | 2020-06-09 | 国网浙江省电力有限公司 | 一种园区配电系统运行方式智能辨识以及优化方法 |
| CN112072711A (zh) * | 2020-08-11 | 2020-12-11 | 华北电力大学（保定） | 基于动态优先级的配电网灵活性优化调度方法 |
| CN112865107A (zh) * | 2021-01-11 | 2021-05-28 | 国网山西省电力公司忻州供电公司 | 一种基于负荷预测的地区电网电压无功日前预报方法 |
| CN114400657A (zh) * | 2021-12-28 | 2022-04-26 | 广东电网有限责任公司广州供电局 | 一种考虑电动汽车接入的配电网协同调控方法及系统 |
| WO2022142392A1 (zh) * | 2020-12-28 | 2022-07-07 | 国网天津市电力公司电力科学研究院 | 一种移动储能时空联合优化调度策略的制定方法 |
| CN115481905A (zh) * | 2022-09-22 | 2022-12-16 | 广西电网有限责任公司 | 一种用户参与的电网用电需求响应方法及相关装置 |
| CN115693741A (zh) * | 2022-11-07 | 2023-02-03 | 国网宁夏电力有限公司经济技术研究院 | 分布式光伏和储能系统的储能量优化方法和电子设备 |
| CN115986809A (zh) * | 2022-12-06 | 2023-04-18 | 国网安徽省电力有限公司濉溪县供电公司 | 基于电网分布式电源预测负荷曲线的优化调控方法和系统 |
| CN116404655A (zh) * | 2023-01-29 | 2023-07-07 | 国网河南省电力公司焦作供电公司 | 配网负荷柔性调控方法及系统 |
| WO2023155376A1 (zh) * | 2022-02-21 | 2023-08-24 | 深圳江行联加智能科技有限公司 | 基于源网荷储分布式能源配网方法、装置、设备及介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7519506B2 (en) * | 2002-11-06 | 2009-04-14 | Antonio Trias | System and method for monitoring and managing electrical power transmission and distribution networks |
-
2023
- 2023-10-16 CN CN202311332435.1A patent/CN117096882B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000092705A (ja) * | 1998-09-11 | 2000-03-31 | Chubu Electric Power Co Inc | 電力系統潮流監視装置 |
| JP2006217742A (ja) * | 2005-02-04 | 2006-08-17 | Fuji Electric Systems Co Ltd | 配電系統の電圧分布計算装置、区間負荷計算装置およびその方法 |
| CN108346009A (zh) * | 2018-03-21 | 2018-07-31 | 深圳库博能源科技有限公司 | 一种基于用户模型自学习的电力生产配置方法和装置 |
| CN111030150A (zh) * | 2019-12-30 | 2020-04-17 | 南通大学 | 一种微电网系统负荷可靠供电的混合储能容量确定方法 |
| CN111262243A (zh) * | 2020-03-04 | 2020-06-09 | 国网浙江省电力有限公司 | 一种园区配电系统运行方式智能辨识以及优化方法 |
| CN112072711A (zh) * | 2020-08-11 | 2020-12-11 | 华北电力大学（保定） | 基于动态优先级的配电网灵活性优化调度方法 |
| WO2022142392A1 (zh) * | 2020-12-28 | 2022-07-07 | 国网天津市电力公司电力科学研究院 | 一种移动储能时空联合优化调度策略的制定方法 |
| CN112865107A (zh) * | 2021-01-11 | 2021-05-28 | 国网山西省电力公司忻州供电公司 | 一种基于负荷预测的地区电网电压无功日前预报方法 |
| CN114400657A (zh) * | 2021-12-28 | 2022-04-26 | 广东电网有限责任公司广州供电局 | 一种考虑电动汽车接入的配电网协同调控方法及系统 |
| WO2023155376A1 (zh) * | 2022-02-21 | 2023-08-24 | 深圳江行联加智能科技有限公司 | 基于源网荷储分布式能源配网方法、装置、设备及介质 |
| CN115481905A (zh) * | 2022-09-22 | 2022-12-16 | 广西电网有限责任公司 | 一种用户参与的电网用电需求响应方法及相关装置 |
| CN115693741A (zh) * | 2022-11-07 | 2023-02-03 | 国网宁夏电力有限公司经济技术研究院 | 分布式光伏和储能系统的储能量优化方法和电子设备 |
| CN115986809A (zh) * | 2022-12-06 | 2023-04-18 | 国网安徽省电力有限公司濉溪县供电公司 | 基于电网分布式电源预测负荷曲线的优化调控方法和系统 |
| CN116404655A (zh) * | 2023-01-29 | 2023-07-07 | 国网河南省电力公司焦作供电公司 | 配网负荷柔性调控方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| An optimal power flow control method of power system by interline power flow controller (IPFC);S. Tecrathana等;《2005 International Power Engineering Conference》;全文 * |
| 基于储能系统的有源配网能量分层管理研究;王军亭;《信息技术》(第7期);全文 * |
| 基于有功网损最优的分布式电源规划;朱勇等;《电力系统保护与控制》;第39卷(第21期);全文 * |
| 基于正负综合灵敏度的输电断面双层优化潮流控制策略;谢大为等;《电力工程技术》;第42卷(第1期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117096882A (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Correa-Florez et al. | Stochastic operation of home energy management systems including battery cycling | |
| JP2023129546A (ja) | エネルギ貯蔵システムを最適に制御するためのシステム及び方法 | |
| Kodaira et al. | Optimal energy storage system operation for peak reduction in a distribution network using a prediction interval | |
| EP3471029A1 (en) | Method for automatic cloud control of energy storage systems | |
| JP2020501491A (ja) | 動的エネルギーストレージシステム制御のためのシステムおよび方法 | |
| JPWO2019243524A5 (zh) | ||
| Xu et al. | Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation | |
| CN116757877B (zh) | 新能源接入配电网的电网线损降损优化方法及系统 | |
| Crespo Del Granado et al. | The impact of wind uncertainty on the strategic valuation of distributed electricity storage | |
| US9935461B2 (en) | Consumer apparatus operation management system and method | |
| US20240044986A1 (en) | Systems and method for managing dispatch and lifecycle of energy storage systems on an electrical grid, including management of energy storage systems for provisioning of multiple services | |
| JP5923454B2 (ja) | 電力系統管理装置、及び方法 | |
| Wang et al. | Look-ahead decision making for renewable energy: A dynamic “predict and store” approach | |
| Kim et al. | Economical energy storage systems scheduling based on load forecasting using deep learning | |
| JP7285053B2 (ja) | 電力需給制御装置、電力需給制御システムおよび電力需給制御方法 | |
| Carvalho et al. | An adaptive multi-agent-based approach to smart grids control and optimization | |
| CN113872228A (zh) | 一种应用于电网调峰调频的电动汽车调度方法和装置 | |
| Ramos et al. | Effect of price responsive demand on the operation of microgrids | |
| CN117096882B (zh) | 一种配网潮流调控方法及系统 | |
| Farjah | Proposing an efficient wind forecasting agent using adaptive MFDFA | |
| Tsao et al. | Integrated voltage control and maintenance insurance planning for distribution networks considering uncertainties | |
| CN115513945A (zh) | 一种基于物联网的分布式电源管理方法 | |
| JP7303707B2 (ja) | 代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム | |
| EP3059646A1 (en) | Method and controller for controlling a power grid | |
| KR20190033109A (ko) | 배전계통 운영 지표를 이용한 배전계통의 효과적인 운영방법 |
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 |