CN117117985A - 一种供电台区用能优化协同调控方法、系统、设备和介质 - Google Patents
一种供电台区用能优化协同调控方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN117117985A CN117117985A CN202311018588.9A CN202311018588A CN117117985A CN 117117985 A CN117117985 A CN 117117985A CN 202311018588 A CN202311018588 A CN 202311018588A CN 117117985 A CN117117985 A CN 117117985A
- Authority
- CN
- China
- Prior art keywords
- power
- load
- power supply
- scheduling
- energy storage
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005265 energy consumption Methods 0.000 title claims abstract description 18
- 238000004146 energy storage Methods 0.000 claims abstract description 87
- 230000005611 electricity Effects 0.000 claims abstract description 73
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 88
- 238000010248 power generation Methods 0.000 claims description 37
- 238000007599 discharging Methods 0.000 claims description 22
- 230000003993 interaction Effects 0.000 claims description 20
- 238000012546 transfer Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 14
- 230000002452 interceptive effect Effects 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- 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
- 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
- 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
-
- 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
- H02J2310/62—The condition being non-electrical, e.g. temperature
- H02J2310/64—The condition being economic, e.g. tariff based load management
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电力系统技术领域，公开一种供电台区用能优化协同调控方法、系统，方法包括：对供电台区进行分析，确定供电台区多元供电数据和负荷需求功率，根据多元供电数据，基于调度成本、实时电价对配电网台区负荷需求功率，建立负荷用能优化模型；通过负荷用能优化模型对负荷需求功率进行优化，得到优化后的负荷需求功率；将优化后的负荷需求功率与储能系统和分布式光伏的总发电功率进行对比，根据对比结果对储能系统进行充放电调度。本发明基于负荷用能优化模型，通过合理安排各可控单元出力，合理调度用户侧可控负荷、通过储能的配合，使得供电台区系统运行的综合经济成本、功率损耗最少。
Description
技术领域
本发明涉及电力系统技术领域，特别涉及一种供电台区用能优化协同调控方法、系统、设备和介质。
背景技术
能源电力系统需求侧资源是能源电力系统中主要的构成要素。传统电力系统的需求侧资源主要为用户。随着能源技术能源管理模式的创新以及分布式能源系统的发展，能源电力系统的需求侧资源由传统用户转变为多存在形态，主要包括用户、储能、虚拟电厂、负荷聚集商、综合能源系统、分布式能源系统、电动汽车等。
而随着能源电力系统需求侧资源的增加，则会在负荷高峰期造成线路和供电台区的重/过载问题，当供电台区重/过载时，可能导致压降增加，最终产生低电压问题。通过改造线路和供电台区可以彻底解决重过载问题。供电台区容量的选择根据该供电台区所带负荷决定，在负荷高峰期负荷功率不超过供电台区容量的80％时；线路型号的选择并非要全部换成线径最粗的导线型号，根据线路负荷和无功补偿装置，考虑更换线径和装设无功补偿装置相结合，同时考虑经济性，选择最优的策略即可。
但是，虽然对线路或供电台区改造可以彻底解决重/过载问题，然而项目从可研到建设再到投产建设周期较长，在项目完成前仍然存在因重/过载导致的低电压问题，因此，通过采取措施解决因重/过载导致的低电压问题是较好的方法。
发明内容
本发明实施例提供了一种供电台区用能优化协同调控方法、系统、设备和介质，以解决现有技术中的上述技术问题。
为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
根据本发明实施例的第一方面，提供了一种供电台区用能优化协同调控方法。
在一个实施例中，所述供电台区用能优化协同调控方法，包括：
对供电台区进行分析，确定供电台区多元供电数据和负荷需求功率，其中，所述多元供电数据包括储能系统发电功率、分布式光伏发电功率、充电桩充放电数据、用户可控负荷以及实时电价；
根据所述多元供电数据，基于调度成本、实时电价对配电网台区负荷需求功率，建立负荷用能优化模型；
通过所述负荷用能优化模型对所述负荷需求功率进行优化，得到优化后的负荷需求功率；
将优化后的负荷需求功率与储能系统和分布式光伏的总发电功率进行对比，并根据对比结果对储能系统进行充放电调度。
在一个实施例中，根据所述多元供电数据，基于调度成本、实时电价对配电网台区负荷需求功率，建立负荷用能优化模型包括：
根据所述多元供电数据，基于调度成本、实时电价建立大电网向供电台区用户供电最小化目标函数以及用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；
根据所述多元供电数据，生成约束条件，所述约束条件包括储能系统出力约束条件、分布式光伏系统出力约束条件、电动汽车充电桩充放电约束条件、供电台区负荷平衡约束条件和交互功率约束条件；
根据大电网向供电台区用户供电最小化目标函数和用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数，生成多目标函数；并根据多目标函数以及所述约束条件，建立负荷用能优化模型。
在一个实施例中，大电网向供电台区用户供电最小化目标函数的表达式为：
(P1,i+P2,i+P3,i+Pzq,i+P2in,i)＞
(Pw,i+Ps,i+Pfc,i+P1n,i+P2on,i)
式中，F1为大电网向供电台区用户供电最小化目标函数；Pgna为大电网向供电台区供电总功率；Pk，i为i时刻固定负荷与用户可控负荷的功率；Pw,i为i时刻风力发电功率；Ps,i为i时刻光伏发电功率。
在一个实施例中，用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数的表达式为：
F2＝min(CΣ,n1+CΣ,n2)＝min(C1+C2+C3+C4+C5)
式中，F2为用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；CΣ,n1为用户可控负荷调度总成本；CΣ,n2为大电网与供电台区交易总成本；C1为用户可控负荷中可削减负荷功率削减补偿成本；λ1,i为在i时段的削减补偿系数；T为总时段；P1n,i为i时段负荷削减量；C2和C3分别为用户可控负荷转出、转入补偿成本；λ2,i与λ3,i分别为在i时段的转出、转入补偿系数；P2on,i为i时段负荷转出量；P2in,i为i时段负荷转入量；C4和C5分别为大电网买入电价总和以及大电网售出电价总和；Md1,i和Md2,i分别为i时段售出和买入电价单价；Pgi,i为i时段台区向大电网送电的功率；Pgo,i为i时段大电网向台区送电的功率。
在一个实施例中，所述多目标函数的表达式为：
式中，F1为大电网向供电台区用户供电最小化目标函数；F2为用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；Callo为调度前大电网与台区用户电价交易总成本；Pgna为调度前大电网输入台区的总功率；r为权重系数，取值在0.1～0.9之间；Call,n1为台区可控负荷调度总成本，Call,n2为调度后大电网与台区交易总成本，Pgoa为调度后大电网向微电网供电总功率。
在一个实施例中，所述约束条件的表达式包括：
储能系统出力约束条件表达式为：
式中，Pbatd为储能电池的放电有功功率，Qbatd为储能电池的放电无功功率；Pbatc为储能电池的充电有功功率，Qbatc为储能电池的充电无功功率，Sbat代表储能电池的充放电额定视在功率；
分布式光伏系统出力约束条件表达式为：
式中，Qs,t为t时段光伏逆变器无功出力情况，Ss代表光伏逆变器额定容量；PS为光伏逆变器额定有功功率；
电动汽车充电桩充放电约束条件表达式为：
式中，为电动汽车充电桩的最大放电功率；/>为电动汽车电池的最大充电功率；Pev(t)为t时刻电动汽车电池的充放电功率，Pev(t)>0为充电，Pev(t)<0为放电；
供电台区负荷平衡约束条件表达式为：
Pbase(t)＝Ps(t)+Pbat(t)+Pg(t)-Pev(t)-Pctrl(t)
式中，Pbase(t)为t时刻台区中的电负荷之和；Ps(t)为t时刻台区中光伏电池的发电功率；Pbat(t)为台区中储能系统蓄电池的充放电功率；Pg(t)为t时刻供电台区与大电网的交互功率，Pg(t)>0时表示用户购电，Pg(t)<0时表示台区中电能冗余向大电网售电；Pev(t)为t时刻电动汽车充电桩的充、放电功率，Pev(t)>0时为充电桩的充电功率，Pev(t)<0时为充电桩的放电功率；Pctrl(t)为t时刻台区中可控负荷电功率；
交互功率约束条件表达式为：
式中，Pg(t)为t时刻台区与大电网的交互功率；为台区与大电网的最小交互功率；/>为台区与大电网的最大交互功率。
在一个实施例中，将优化后的负荷需求功率与储能系统和分布式光伏的总发电功率进行对比，并根据对比结果对储能系统进行充放电调度包括：
当优化后的负荷需求功率大于或等于总发电功率时，对用户负荷中可削减负荷部分进行调度，若总发电功率小于调度后的负荷功率，则继续对可转移负荷进行调度；若调度后发电总功率小于用户负荷功率，则继续对可削减、可转移负荷进行调度，同时向电网进行购电，根据当前时段削减负荷、转移负荷进行补偿，根据实时电价对储能系统进行调度；
当总发电功率大于负荷需求功率时，则对用户可控负荷中的可转移负荷进行转入，当分布式光伏系统发电功率大于负荷需求功率与负荷转入量之和时，将剩余电量用于对储能装置进行充电。
根据本发明实施例的第二方面，提供了一种供电台区用能优化协同调控系统。
在一个实施例中，所述供电台区用能优化协同调控系统，包括：
数据获取模块，用于对供电台区进行分析，确定供电台区多元供电数据和负荷需求功率，其中，所述多元供电数据包括储能系统发电功率、分布式光伏发电功率、充电桩充放电数据、用户可控负荷以及实时电价；
模型建立模块，用于根据所述多元供电数据，基于调度成本、实时电价对配电网台区负荷需求功率，建立负荷用能优化模型；
模型优化模块，用于通过所述负荷用能优化模型对所述负荷需求功率进行优化，得到优化后的负荷需求功率；
协同调度模块，用于将优化后的负荷需求功率与储能系统和分布式光伏的总发电功率进行对比，并根据对比结果对储能系统进行充放电调度。
在一个实施例中，所述模型建立模块包括最小化目标函数建立模块、约束条件生成模块、多目标函数建立模块、模型构建模块，其中，
最小化目标函数建立模块，用于根据所述多元供电数据，基于调度成本、实时电价建立大电网向供电台区用户供电最小化目标函数以及用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；
约束条件生成模块，用于根据所述多元供电数据，生成约束条件，所述约束条件包括储能系统出力约束条件、分布式光伏系统出力约束条件、电动汽车充电桩充放电约束条件、供电台区负荷平衡约束条件和交互功率约束条件；
多目标函数建立模块，用于根据大电网向供电台区用户供电最小化目标函数和用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数，生成多目标函数；
模型构建模块，用于根据多目标函数以及所述约束条件，建立负荷用能优化模型。
在一个实施例中，大电网向供电台区用户供电最小化目标函数的表达式为：
(P1,i+P2,i+P3,i+Pzq,i+P2in,i)＞
(Pw,i+Ps,i+Pfc,i+P1n,i+P2on,i)
式中，F1为大电网向供电台区用户供电最小化目标函数；Pgna为大电网向供电台区供电总功率；Pk，i为i时刻固定负荷与用户可控负荷的功率；Pw,i为i时刻风力发电功率；Ps,i为i时刻光伏发电功率。
在一个实施例中，用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数的表达式为：
F2＝min(CΣ,n1+CΣ,n2)＝min(C1+C2+C3+C4+C5)
式中，F2为用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；CΣ,n1为用户可控负荷调度总成本；CΣ,n2为大电网与供电台区交易总成本；C1为用户可控负荷中可削减负荷功率削减补偿成本；λ1,i为在i时段的削减补偿系数；T为总时段；P1n,i为i时段负荷削减量；C2和C3分别为用户可控负荷转出、转入补偿成本；λ2,i与λ3,i分别为在i时段的转出、转入补偿系数；P2on,i为i时段负荷转出量；P2in,i为i时段负荷转入量；C4和C5分别为大电网买入电价总和以及大电网售出电价总和；Md1,i和Md2,i分别为i时段售出和买入电价单价；Pgi,i为i时段台区向大电网送电的功率；Pgo,i为i时段大电网向台区送电的功率。
在一个实施例中，所述多目标函数的表达式为：
式中，F1为大电网向供电台区用户供电最小化目标函数；F2为用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；Callo为调度前大电网与台区用户电价交易总成本；Pgna为调度前大电网输入台区的总功率；r为权重系数，取值在0.1～0.9之间；Call,n1为台区可控负荷调度总成本，Call,n2为调度后大电网与台区交易总成本，Pgoa为调度后大电网向微电网供电总功率。
在一个实施例中，所述约束条件的表达式包括：
储能系统出力约束条件表达式为：
式中，Pbatd为储能电池的放电有功功率，Qbatd为储能电池的放电无功功率；Pbatc为储能电池的充电有功功率，Qbatc为储能电池的充电无功功率，Sbat代表储能电池的充放电额定视在功率；
分布式光伏系统出力约束条件表达式为：
式中，Qs,t为t时段光伏逆变器无功出力情况，Ss代表光伏逆变器额定容量；PS为光伏逆变器额定有功功率；
电动汽车充电桩充放电约束条件表达式为：
式中，为电动汽车充电桩的最大放电功率；/>为电动汽车电池的最大充电功率；Pev(t)为t时刻电动汽车电池的充放电功率，Pev(t)>0为充电，Pev(t)<0为放电；
供电台区负荷平衡约束条件表达式为：
Pbase(t)＝Ps(t)+Pbat(t)+Pg(t)-Pev(t)-Pctrl(t)
式中，Pbase(t)为t时刻台区中的电负荷之和；Ps(t)为t时刻台区中光伏电池的发电功率；Pbat(t)为台区中储能系统蓄电池的充放电功率；Pg(t)为t时刻供电台区与大电网的交互功率，Pg(t)>0时表示用户购电，Pg(t)<0时表示台区中电能冗余向大电网售电；Pev(t)为t时刻电动汽车充电桩的充、放电功率，Pev(t)>0时为充电桩的充电功率，Pev(t)<0时为充电桩的放电功率；Pctrl(t)为t时刻台区中可控负荷电功率；
交互功率约束条件表达式为：
式中，Pg(t)为t时刻台区与大电网的交互功率；为台区与大电网的最小交互功率；/>为台区与大电网的最大交互功率。
在一个实施例中，所述协同调度模块在将优化后的负荷需求功率与储能系统和分布式光伏的总发电功率进行对比，并根据对比结果对储能系统进行充放电调度时，
当优化后的负荷需求功率大于或等于总发电功率时，对用户负荷中可削减负荷部分进行调度，若总发电功率小于调度后的负荷功率，则继续对可转移负荷进行调度；若调度后发电总功率小于用户负荷功率，则继续对可削减、可转移负荷进行调度，同时向电网进行购电，根据当前时段削减负荷、转移负荷进行补偿，根据实时电价对储能系统进行调度；
当总发电功率大于负荷需求功率时，则对用户可控负荷中的可转移负荷进行转入，当分布式光伏系统发电功率大于负荷需求功率与负荷转入量之和时，将剩余电量用于对储能装置进行充电。
根据本发明实施例的第三方面，提供了一种计算机设备。
在一个实施例中，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。
根据本发明实施例的第四方面，提供了一种计算机可读存储介质。
在一个实施例中，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
本发明实施例提供的技术方案可以包括以下有益效果：
本发明基于负荷用能优化模型，考虑台区可再生能源消纳、重过载、高可靠供电、及用户经济用能的需求在满足供电台区系统各单元约束、允许弃风弃光的基本前提下，通过合理安排各可控单元出力，合理调度用户侧可控负荷、通过储能的配合，使得供电台区系统运行的综合经济成本、功率损耗最少。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种供电台区用能优化协同调控方法的流程示意图；
图2是根据一示例性实施例示出的一种供电台区用能优化协同调控系统的结构框图；
图3是根据一示例性实施例示出的储能系统充放电调度流程示意图；
图4是根据一示例性实施例示出的计算机设备的结构示意图。
具体实施方式
以下描述和附图充分地示出本文的具体实施方案，以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。本文中，术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来，而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素，反之亦然。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结构、装置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结构、装置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结构、装置或者设备中还存在另外的相同要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中的术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本文和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。在本文的描述中，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本文中，除非另有说明，术语“多个”表示两个或两个以上。
本文中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。
本文中，术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。
应该理解的是，虽然流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本申请的装置或系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
图1示出了本发明的一种供电台区用能优化协同调控方法的一个实施例。
在该可选实施例中，所述供电台区用能优化协同调控方法，包括：
步骤S101，对供电台区进行分析，确定供电台区多元供电数据和负荷需求功率，其中，所述多元供电数据包括储能系统发电功率、分布式光伏发电功率、充电桩充放电数据、用户可控负荷以及实时电价；
步骤S103，根据所述多元供电数据，基于调度成本、实时电价对配电网台区负荷需求功率，建立负荷用能优化模型；
步骤S105，通过所述负荷用能优化模型对所述负荷需求功率进行优化，得到优化后的负荷需求功率；
步骤S107，将优化后的负荷需求功率与储能系统和分布式光伏的总发电功率进行对比，并根据对比结果对储能系统进行充放电调度。
图2示出了本发明的一种供电台区用能优化协同调控系统的一个实施例。
在该可选实施例中，所述供电台区用能优化协同调控系统，包括：
数据获取模块201，用于对供电台区进行分析，确定供电台区多元供电数据和负荷需求功率，其中，所述多元供电数据包括储能系统发电功率、分布式光伏发电功率、充电桩充放电数据、用户可控负荷以及实时电价；
模型建立模块203，用于根据所述多元供电数据，基于调度成本、实时电价对配电网台区负荷需求功率，建立负荷用能优化模型；
模型优化模块205，用于通过所述负荷用能优化模型对所述负荷需求功率进行优化，得到优化后的负荷需求功率；
协同调度模块207，用于将优化后的负荷需求功率与储能系统和分布式光伏的总发电功率进行对比，并根据对比结果对储能系统进行充放电调度。
在具体应用时，在根据所述多元供电数据，基于调度成本、实时电价对配电网台区负荷需求功率，建立负荷用能优化模型时，可根据所述多元供电数据，基于调度成本、实时电价建立大电网向供电台区用户供电最小化目标函数以及用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；再根据所述多元供电数据，生成约束条件，所述约束条件包括储能系统出力约束条件、分布式光伏系统出力约束条件、电动汽车充电桩充放电约束条件、供电台区负荷平衡约束条件和交互功率约束条件；再根据大电网向供电台区用户供电最小化目标函数和用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数，生成多目标函数；并根据多目标函数以及所述约束条件，建立负荷用能优化模型。
对应的，对于系统来说，所述模型建立模块则包括最小化目标函数建立模块(图中未示出)、约束条件生成模块(图中未示出)、多目标函数建立模块(图中未示出)、模型构建模块(图中未示出)，最小化目标函数建立模块，用于根据所述多元供电数据，基于调度成本、实时电价建立大电网向供电台区用户供电最小化目标函数以及用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；约束条件生成模块，用于根据所述多元供电数据，生成约束条件，所述约束条件包括储能系统出力约束条件、分布式光伏系统出力约束条件、电动汽车充电桩充放电约束条件、供电台区负荷平衡约束条件和交互功率约束条件；多目标函数建立模块，用于根据大电网向供电台区用户供电最小化目标函数和用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数，生成多目标函数；模型构建模块，用于根据多目标函数以及所述约束条件，建立负荷用能优化模型。
其中，大电网向供电台区用户供电最小化目标函数的表达式为：
(P1,i+P2,i+P3,i+Pzq,i+P2in,i)＞
(Pw,i+Ps,i+Pfc,i+P1n,i+P2on,i)
式中，F1为大电网向供电台区用户供电最小化目标函数；Pgna为大电网向供电台区供电总功率；Pk，i为i时刻固定负荷与用户可控负荷的功率；Pw,i为i时刻风力发电功率；Ps,i为i时刻光伏发电功率。
其中，用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数的表达式为：
F2＝min(CΣ,n1+CΣ,n2)＝min(C1+C2+C3+C4+C5)
式中，F2为用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；CΣ,n1为用户可控负荷调度总成本；CΣ,n2为大电网与供电台区交易总成本；C1为用户可控负荷中可削减负荷功率削减补偿成本；λ1,i为在i时段的削减补偿系数；T为总时段；P1n,i为i时段负荷削减量；C2和C3分别为用户可控负荷转出、转入补偿成本；λ2,i与λ3,i分别为在i时段的转出、转入补偿系数；P2on,i为i时段负荷转出量；P2in,i为i时段负荷转入量；C4和C5分别为大电网买入电价总和以及大电网售出电价总和；Md1,i和Md2,i分别为i时段售出和买入电价单价；Pgi,i为i时段台区向大电网送电的功率；Pgo,i为i时段大电网向台区送电的功率。
其中，所述多目标函数的表达式为：
式中，F1为大电网向供电台区用户供电最小化目标函数；F2为用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；Callo为调度前大电网与台区用户电价交易总成本；Pgna为调度前大电网输入台区的总功率；r为权重系数，取值在0.1～0.9之间；Call,n1为台区可控负荷调度总成本，Call,n2为调度后大电网与台区交易总成本，Pgoa为调度后大电网向微电网供电总功率。
其中，所述约束条件的表达式包括：
储能系统出力约束条件表达式为：
式中，Pbatd为储能电池的放电有功功率，Qbatd为储能电池的放电无功功率；Pbatc为储能电池的充电有功功率，Qbatc为储能电池的充电无功功率，Sbat代表储能电池的充放电额定视在功率；
分布式光伏系统出力约束条件表达式为：
式中，Qs,t为t时段光伏逆变器无功出力情况，Ss代表光伏逆变器额定容量；PS为光伏逆变器额定有功功率；
电动汽车充电桩充放电约束条件表达式为：
式中，为电动汽车充电桩的最大放电功率；/>为电动汽车电池的最大充电功率；Pev(t)为t时刻电动汽车电池的充放电功率，Pev(t)>0为充电，Pev(t)<0为放电；
供电台区负荷平衡约束条件表达式为：
Pbase(t)＝Ps(t)+Pbat(t)+Pg(t)-Pev(t)-Pctrl(t)
式中，Pbase(t)为t时刻台区中的电负荷之和；Ps(t)为t时刻台区中光伏电池的发电功率；Pbat(t)为台区中储能系统蓄电池的充放电功率；Pg(t)为t时刻供电台区与大电网的交互功率，Pg(t)>0时表示用户购电，Pg(t)<0时表示台区中电能冗余向大电网售电；Pev(t)为t时刻电动汽车充电桩的充、放电功率，Pev(t)>0时为充电桩的充电功率，Pev(t)<0时为充电桩的放电功率；Pctrl(t)为t时刻台区中可控负荷电功率；
交互功率约束条件表达式为：
式中，Pg(t)为t时刻台区与大电网的交互功率；为台区与大电网的最小交互功率；/>为台区与大电网的最大交互功率。
如图3示出了储能系统充放电调度流程示意图，在图3中，PNE为分布式光伏发电总功率，kW；Pbat为储能系统发电总功率，kW；PL为负荷需求功率，kW；P1n，max、P2on，max与P2in，max分别为最大负荷削减量、最大负荷转出量、最大负荷转入量，kW。
具体的，在将优化后的负荷需求功率与储能系统和分布式光伏的总发电功率进行对比，并根据对比结果对储能系统进行充放电调度时，则为：当优化后的负荷需求功率大于或等于总发电功率时，对用户负荷中可削减负荷部分进行调度，若总发电功率小于调度后的负荷功率，则继续对可转移负荷进行调度；若调度后发电总功率小于用户负荷功率，则继续对可削减、可转移负荷进行调度，同时向电网进行购电，根据当前时段削减负荷、转移负荷进行补偿，根据实时电价对储能系统进行调度；当总发电功率大于负荷需求功率时，则对用户可控负荷中的可转移负荷进行转入，当分布式光伏系统发电功率大于负荷需求功率与负荷转入量之和时，将剩余电量用于对储能装置进行充电。
图4示出了本发明的一种计算机设备的一个实施例，该计算机设备可以是服务器，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储静态信息和动态信息数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法实施例中的步骤。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法实施例中的步骤。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
本发明并不局限于上面已经描述并在附图中示出的结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (16)
1.一种供电台区用能优化协同调控方法，其特征在于，包括：
对供电台区进行分析，确定供电台区多元供电数据和负荷需求功率，其中，所述多元供电数据包括储能系统发电功率、分布式光伏发电功率、充电桩充放电数据、用户可控负荷以及实时电价；
根据所述多元供电数据，基于调度成本、实时电价对配电网台区负荷需求功率，建立负荷用能优化模型；
通过所述负荷用能优化模型对所述负荷需求功率进行优化，得到优化后的负荷需求功率；
将优化后的负荷需求功率与储能系统和分布式光伏的总发电功率进行对比，并根据对比结果对储能系统进行充放电调度。
2.根据权利要求1所述的供电台区用能优化协同调控方法，其特征在于，根据所述多元供电数据，基于调度成本、实时电价对配电网台区负荷需求功率，建立负荷用能优化模型包括：
根据所述多元供电数据，基于调度成本、实时电价建立大电网向供电台区用户供电最小化目标函数以及用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；
根据所述多元供电数据，生成约束条件，所述约束条件包括储能系统出力约束条件、分布式光伏系统出力约束条件、电动汽车充电桩充放电约束条件、供电台区负荷平衡约束条件和交互功率约束条件；
根据大电网向供电台区用户供电最小化目标函数和用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数，生成多目标函数；并根据多目标函数以及所述约束条件，建立负荷用能优化模型。
3.根据权利要求2所述的供电台区用能优化协同调控方法，其特征在于，大电网向供电台区用户供电最小化目标函数的表达式为：
(P1,i+P2,i+P3,i+Pzq,i+P2in,i)＞
(Pw,i+Ps,i+Pfc,i+P1n,i+P2on,i)
式中，F1为大电网向供电台区用户供电最小化目标函数；Pgna为大电网向供电台区供电总功率；Pk，i为i时刻固定负荷与用户可控负荷的功率；Pw,i为i时刻风力发电功率；Ps,i为i时刻光伏发电功率。
4.根据权利要求3所述的供电台区用能优化协同调控方法，其特征在于，用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数的表达式为：
F2＝min(CΣ,n1+CΣ,n2)＝min(C1+C2+C3+C4+C5)
式中，F2为用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；CΣ,n1为用户可控负荷调度总成本；CΣ,n2为大电网与供电台区交易总成本；C1为用户可控负荷中可削减负荷功率削减补偿成本；λ1,i为在i时段的削减补偿系数；T为总时段；P1n,i为i时段负荷削减量；C2和C3分别为用户可控负荷转出、转入补偿成本；λ2,i与λ3,i分别为在i时段的转出、转入补偿系数；P2on,i为i时段负荷转出量；P2in,i为i时段负荷转入量；C4和C5分别为大电网买入电价总和以及大电网售出电价总和；Md1,i和Md2,i分别为i时段售出和买入电价单价；Pgi,i为i时段台区向大电网送电的功率；Pgo,i为i时段大电网向台区送电的功率。
5.根据权利要求4所述的供电台区用能优化协同调控方法，其特征在于，所述多目标函数的表达式为：
式中，F1为大电网向供电台区用户供电最小化目标函数；F2为用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；Callo为调度前大电网与台区用户电价交易总成本；Pgna为调度前大电网输入台区的总功率；r为权重系数，取值在0.1～0.9之间；Call,n1为台区可控负荷调度总成本，Call,n2为调度后大电网与台区交易总成本，Pgoa为调度后大电网向微电网供电总功率。
6.根据权利要求5所述的供电台区用能优化协同调控方法，其特征在于，所述约束条件的表达式包括：
储能系统出力约束条件表达式为：
式中，Pbatd为储能电池的放电有功功率，Qbatd为储能电池的放电无功功率；Pbatc为储能电池的充电有功功率，Qbatc为储能电池的充电无功功率，Sbat代表储能电池的充放电额定视在功率；
分布式光伏系统出力约束条件表达式为：
式中，Qs,t为t时段光伏逆变器无功出力情况，Ss代表光伏逆变器额定容量；PS为光伏逆变器额定有功功率；
电动汽车充电桩充放电约束条件表达式为：
式中，为电动汽车充电桩的最大放电功率；/>为电动汽车电池的最大充电功率；Pev(t)为t时刻电动汽车电池的充放电功率，Pev(t)>0为充电，Pev(t)<0为放电；
供电台区负荷平衡约束条件表达式为：
Pbase(t)＝Ps(t)+Pbat(t)+Pg(t)-Pev(t)-Pctrl(t)
式中，Pbase(t)为t时刻台区中的电负荷之和；Ps(t)为t时刻台区中光伏电池的发电功率；Pbat(t)为台区中储能系统蓄电池的充放电功率；Pg(t)为t时刻供电台区与大电网的交互功率，Pg(t)>0时表示用户购电，Pg(t)<0时表示台区中电能冗余向大电网售电；Pev(t)为t时刻电动汽车充电桩的充、放电功率，Pev(t)>0时为充电桩的充电功率，Pev(t)<0时为充电桩的放电功率；Pctrl(t)为t时刻台区中可控负荷电功率；
交互功率约束条件表达式为：
式中，Pg(t)为t时刻台区与大电网的交互功率；为台区与大电网的最小交互功率；为台区与大电网的最大交互功率。
7.根据权利要求6所述的供电台区用能优化协同调控方法，其特征在于，将优化后的负荷需求功率与储能系统和分布式光伏的总发电功率进行对比，并根据对比结果对储能系统进行充放电调度包括：
当优化后的负荷需求功率大于或等于总发电功率时，对用户负荷中可削减负荷部分进行调度，若总发电功率小于调度后的负荷功率，则继续对可转移负荷进行调度；若调度后发电总功率小于用户负荷功率，则继续对可削减、可转移负荷进行调度，同时向电网进行购电，根据当前时段削减负荷、转移负荷进行补偿，根据实时电价对储能系统进行调度；
当总发电功率大于负荷需求功率时，则对用户可控负荷中的可转移负荷进行转入，当分布式光伏系统发电功率大于负荷需求功率与负荷转入量之和时，将剩余电量用于对储能装置进行充电。
8.一种供电台区用能优化协同调控系统，其特征在于，包括：
数据获取模块，用于对供电台区进行分析，确定供电台区多元供电数据和负荷需求功率，其中，所述多元供电数据包括储能系统发电功率、分布式光伏发电功率、充电桩充放电数据、用户可控负荷以及实时电价；
模型建立模块，用于根据所述多元供电数据，基于调度成本、实时电价对配电网台区负荷需求功率，建立负荷用能优化模型；
模型优化模块，用于通过所述负荷用能优化模型对所述负荷需求功率进行优化，得到优化后的负荷需求功率；
协同调度模块，用于将优化后的负荷需求功率与储能系统和分布式光伏的总发电功率进行对比，并根据对比结果对储能系统进行充放电调度。
9.根据权利要求8所述的供电台区用能优化协同调控系统，其特征在于，所述模型建立模块包括最小化目标函数建立模块、约束条件生成模块、多目标函数建立模块、模型构建模块，其中，
最小化目标函数建立模块，用于根据所述多元供电数据，基于调度成本、实时电价建立大电网向供电台区用户供电最小化目标函数以及用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；
约束条件生成模块，用于根据所述多元供电数据，生成约束条件，所述约束条件包括储能系统出力约束条件、分布式光伏系统出力约束条件、电动汽车充电桩充放电约束条件、供电台区负荷平衡约束条件和交互功率约束条件；
多目标函数建立模块，用于根据大电网向供电台区用户供电最小化目标函数和用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数，生成多目标函数；
模型构建模块，用于根据多目标函数以及所述约束条件，建立负荷用能优化模型。
10.根据权利要求8所述的供电台区用能优化协同调控系统，其特征在于，大电网向供电台区用户供电最小化目标函数的表达式为：
(P1,i+P2,i+P3,i+Pzq,i+P2in,i)＞
(Pw,i+Ps,i+Pfc,i+P1n,i+P2on,i)
式中，F1为大电网向供电台区用户供电最小化目标函数；Pgna为大电网向供电台区供电总功率；Pk，i为i时刻固定负荷与用户可控负荷的功率；Pw,i为i时刻风力发电功率；Ps,i为i时刻光伏发电功率。
11.根据权利要求10所述的供电台区用能优化协同调控系统，其特征在于，用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数的表达式为：
F2＝min(CΣ,n1+CΣ,n2)＝min(C1+C2+C3+C4+C5)
式中，F2为用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；CΣ,n1为用户可控负荷调度总成本；CΣ,n2为大电网与供电台区交易总成本；C1为用户可控负荷中可削减负荷功率削减补偿成本；λ1,i为在i时段的削减补偿系数；T为总时段；P1n,i为i时段负荷削减量；C2和C3分别为用户可控负荷转出、转入补偿成本；λ2,i与λ3,i分别为在i时段的转出、转入补偿系数；P2on,i为i时段负荷转出量；P2in,i为i时段负荷转入量；C4和C5分别为大电网买入电价总和以及大电网售出电价总和；Md1,i和Md2,i分别为i时段售出和买入电价单价；Pgi,i为i时段台区向大电网送电的功率；Pgo,i为i时段大电网向台区送电的功率。
12.根据权利要求11所述的供电台区用能优化协同调控系统，其特征在于，所述多目标函数的表达式为：
式中，F1为大电网向供电台区用户供电最小化目标函数；F2为用户负荷调度成本最小化以及优化调度后分时电价最小化目标函数；Callo为调度前大电网与台区用户电价交易总成本；Pgna为调度前大电网输入台区的总功率；r为权重系数，取值在0.1～0.9之间；Call,n1为台区可控负荷调度总成本，Call,n2为调度后大电网与台区交易总成本，Pgoa为调度后大电网向微电网供电总功率。
13.根据权利要求12所述的供电台区用能优化协同调控系统，其特征在于，所述约束条件的表达式包括：
储能系统出力约束条件表达式为：
式中，Pbatd为储能电池的放电有功功率，Qbatd为储能电池的放电无功功率；Pbatc为储能电池的充电有功功率，Qbatc为储能电池的充电无功功率，Sbat代表储能电池的充放电额定视在功率；
分布式光伏系统出力约束条件表达式为：
式中，Qs,t为t时段光伏逆变器无功出力情况，Ss代表光伏逆变器额定容量；PS为光伏逆变器额定有功功率；
电动汽车充电桩充放电约束条件表达式为：
式中，为电动汽车充电桩的最大放电功率；/>为电动汽车电池的最大充电功率；Pev(t)为t时刻电动汽车电池的充放电功率，Pev(t)>0为充电，Pev(t)<0为放电；
供电台区负荷平衡约束条件表达式为：
Pbase(t)＝Ps(t)+Pbat(t)+Pg(t)-Pev(t)-Pctrl(t)
式中，Pbase(t)为t时刻台区中的电负荷之和；Ps(t)为t时刻台区中光伏电池的发电功率；Pbat(t)为台区中储能系统蓄电池的充放电功率；Pg(t)为t时刻供电台区与大电网的交互功率，Pg(t)>0时表示用户购电，Pg(t)<0时表示台区中电能冗余向大电网售电；Pev(t)为t时刻电动汽车充电桩的充、放电功率，Pev(t)>0时为充电桩的充电功率，Pev(t)<0时为充电桩的放电功率；Pctrl(t)为t时刻台区中可控负荷电功率；
交互功率约束条件表达式为：
式中，Pg(t)为t时刻台区与大电网的交互功率；为台区与大电网的最小交互功率；为台区与大电网的最大交互功率。
14.根据权利要求15所述的供电台区用能优化协同调控系统，其特征在于，所述协同调度模块在将优化后的负荷需求功率与储能系统和分布式光伏的总发电功率进行对比，并根据对比结果对储能系统进行充放电调度时，
当优化后的负荷需求功率大于或等于总发电功率时，对用户负荷中可削减负荷部分进行调度，若总发电功率小于调度后的负荷功率，则继续对可转移负荷进行调度；若调度后发电总功率小于用户负荷功率，则继续对可削减、可转移负荷进行调度，同时向电网进行购电，根据当前时段削减负荷、转移负荷进行补偿，根据实时电价对储能系统进行调度；
当总发电功率大于负荷需求功率时，则对用户可控负荷中的可转移负荷进行转入，当分布式光伏系统发电功率大于负荷需求功率与负荷转入量之和时，将剩余电量用于对储能装置进行充电。
15.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311018588.9A CN117117985A (zh) | 2023-08-14 | 2023-08-14 | 一种供电台区用能优化协同调控方法、系统、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311018588.9A CN117117985A (zh) | 2023-08-14 | 2023-08-14 | 一种供电台区用能优化协同调控方法、系统、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117117985A true CN117117985A (zh) | 2023-11-24 |
Family
ID=88799376
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311018588.9A Pending CN117117985A (zh) | 2023-08-14 | 2023-08-14 | 一种供电台区用能优化协同调控方法、系统、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117117985A (zh) |
-
2023
- 2023-08-14 CN CN202311018588.9A patent/CN117117985A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tan et al. | Integration of electric vehicles in smart grid: A review on vehicle to grid technologies and optimization techniques | |
| CN108879746B (zh) | 基于多时间尺度需求响应的集中式混合储能协调控制方法 | |
| CN110289622B (zh) | 一种光储充能量路由器的日前经济优化调度方法 | |
| CN111293682B (zh) | 一种基于协同模型预测控制的多微网能量管理方法 | |
| CN113098007A (zh) | 基于分层强化学习的微电网分布式在线调度方法及系统 | |
| CN107887932A (zh) | 虚拟发电厂在日前市场的生产竞价组织方法 | |
| CN109950900B (zh) | 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法 | |
| Hai et al. | Optimal energy management strategy for a renewable based microgrid with electric vehicles and demand response program | |
| CN115511658A (zh) | 一种计及储能装置折损的楼宇能量优化方法 | |
| Wang et al. | Hierarchically coordinated optimization of power distribution systems with soft open points and electric vehicles | |
| CN113054671A (zh) | 一种基于计及储能无功调节模型的配电网日前-实时优化控制方法 | |
| Kaur et al. | Design of the ANFIS based optimized frequency control module for an electric vehicle charging station | |
| CN108493943B (zh) | 多微电网系统电能的调度方法、系统、装置及存储介质 | |
| CN116961044A (zh) | 基于模糊机会约束规划广义共享储能优化配置方法及系统 | |
| CN111680816A (zh) | 一种提供多重服务的储能系统运营方法及系统 | |
| Salvatti et al. | Integration of electric vehicles in smart grids for optimization and support to distributed generation | |
| Striani et al. | Wind Based Charging via Autonomously Controlled EV Chargers under Grid Constraints | |
| CN117117985A (zh) | 一种供电台区用能优化协同调控方法、系统、设备和介质 | |
| CN115660204A (zh) | 一种考虑服务型虚拟电厂的电网拥塞缓解调控方法 | |
| Nakamura et al. | Study on operation in microgrid including hydrogen supplying equipment for contributing power system operation | |
| CN114123171A (zh) | 一种基于势博弈的增量配电网分布式优化规划方法及介质 | |
| Krsteski et al. | Energy management and voltage regulation of grid-connected microgrid using genetic algorithm | |
| CN117977599B (zh) | 含有电动汽车的虚拟电厂的调度方法、系统、设备和介质 | |
| Mahmud et al. | Load forecasting based dynamic pricing model for power sharing in solar home systems | |
| Shao et al. | Optimal dispatch of grid-connected microgrid considering incentive-based demand response |
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 |