CN117175609A - 一种电力负荷柔性调控终端 - Google Patents

一种电力负荷柔性调控终端 Download PDF

Info

Publication number
CN117175609A
CN117175609A CN202311435605.9A CN202311435605A CN117175609A CN 117175609 A CN117175609 A CN 117175609A CN 202311435605 A CN202311435605 A CN 202311435605A CN 117175609 A CN117175609 A CN 117175609A
Authority
CN
China
Prior art keywords
load
flexible
regulation
regulated
function
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
CN202311435605.9A
Other languages
English (en)
Other versions
CN117175609B (zh
Inventor
赵伟
李鹏
谢宁
林文智
周尚礼
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.)
Southern Power Grid Digital Grid Research Institute Co Ltd
Original Assignee
Southern Power Grid Digital Grid Research Institute 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 Southern Power Grid Digital Grid Research Institute Co Ltd filed Critical Southern Power Grid Digital Grid Research Institute Co Ltd
Priority to CN202311435605.9A priority Critical patent/CN117175609B/zh
Publication of CN117175609A publication Critical patent/CN117175609A/zh
Application granted granted Critical
Publication of CN117175609B publication Critical patent/CN117175609B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及一种电力负荷柔性调控方法、装置、电力负荷柔性调控终端和存储介质。所述方法包括：获取预设历史时间段中待调控专变台区中协议转换后至少一个场景下的多元柔性负荷的负荷运行状态数据；将负荷运行状态数据输入非侵入式负荷辨识模型，得到各类型柔性负荷的子负荷运行状态数据；将各子负荷运行状态数据，分别输入负荷状态预测模型，得到预设未来时间段中，各类型柔性负荷的预测负荷运行状态数据；将预测负荷运行状态数据输入柔性负荷调控模型，生成针对待调控专变台区的柔性负荷调控方案；生成与柔性负荷调控方案相匹配的调控指令，并将协议转换后调控指令发送至待调控专变台区。采用本方法能够提高柔性负荷调控的精确程度。

Description

一种电力负荷柔性调控终端
技术领域
本申请涉及电力技术领域，特别是涉及一种电力负荷柔性调控方法、装置、电力负荷柔性调控终端、存储介质和计算机程序产品。
背景技术
随着电力技术的发展，出现了一种对专变台区的电力负荷进行调控的技术，负荷调控的方式可以分为以下两种，负荷刚性调控以及负荷柔性调控。而相比于负荷刚性调控，负荷柔性调控技术可以通过对温控、储能等各类负荷的可调节容量进行实时监测和资源优化，从而可以对不同响应特性的弹性负荷进行状态监测、效益评估与灵活调控，因此更加满足当今专变台区智能用电的需求。
然而，目前的电力负荷柔性调控技术，无法准确衡量各种类型可调控负荷的可调控力度，因此对负荷柔性调控策略优化方案不够具体，无法对各种类型负荷的调控力度做出详细的优化方案，因此目前的电力负荷柔性调控方法，负荷调控的精确程度较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高负荷调控的精确程度的电力负荷柔性调控方法、装置、电力负荷柔性调控终端、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种电力负荷柔性调控方法，应用于电力负荷柔性调控终端，包括：
获取预设历史时间段中待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下的多元柔性负荷的负荷运行状态数据，并进一步根据所述至少一个场景下的多元柔性负荷运行特性，将所述多元柔性负荷划分为可转移负荷、可平移负荷以及可削减负荷中的至少一种；
将所述负荷运行状态数据输入预先训练的非侵入式负荷辨识模型，得到所述预设历史时间段中，各类型柔性负荷的子负荷运行状态数据；
将各所述子负荷运行状态数据，分别输入针对各类型柔性负荷预先训练的负荷状态预测模型，得到预设未来时间段中，各类型柔性负荷的预测负荷运行状态数据；
将所述预测负荷运行状态数据输入预先构建的柔性负荷调控模型，通过所述柔性负荷调控模型生成针对所述待调控专变台区的柔性负荷调控方案；
生成与所述柔性负荷调控方案相匹配的调控指令，并将协议转换后的所述调控指令发送至所述待调控专变台区，以调控所述待调控专变台区中的柔性负荷。
在其中一个实施例中，将所述预测负荷运行状态数据输入预先构建的柔性负荷调控模型之前，还包括：构造柔性负荷调控目标函数，以及构造所述柔性负荷调控目标函数对应的调控约束条件；所述柔性负荷调控目标函数以及所述调控约束条件中携带有表征所述各类型柔性负荷的调控后负荷运行状态数据的第一变量，以及表征所述各类型柔性负荷的预测负荷运行状态数据的第二变量；将所述柔性负荷调控目标函数以及所述调控约束条件作为所述柔性负荷调控模型；所述将所述预测负荷运行状态数据输入预先构建的柔性负荷调控模型，通过所述柔性负荷调控模型生成针对所述待调控专变台区的柔性负荷调控方案，包括：将所述预设未来时间段中，各类型柔性负荷的预测负荷运行状态数据输入所述柔性负荷调控目标函数以及所述调控约束条件中的第二变量，并在满足所述调控约束条件的情况下，获取所述柔性负荷调控目标函数取最小值的情况下，所述第一变量的取值；根据所述第一变量的取值，得到各类型柔性负荷的调控后负荷运行状态数据，并利用所述调控后负荷运行状态数据，生成所述柔性负荷调控方案。
在其中一个实施例中，所述构造柔性负荷调控目标函数，包括：基于所述第一变量以及第二变量，构造用于表征柔性调控响应量差值的第一函数，用于表征负荷受控时间的第二函数，以及用于表征所述待调控专变台区的用户用电资源损耗的第三函数；获取所述第一函数、第二函数以及第三函数的加权权重；利用所述加权权重对所述第一函数、第二函数以及第三函数进行加权处理，得到所述柔性负荷调控目标函数。
在其中一个实施例中，所述基于所述第一变量以及第二变量，构造用于表征柔性调控响应量差值的第一函数，用于表征负荷受控时间的第二函数，以及用于表征所述待调控专变台区的用户用电资源损耗的第三函数，包括：基于所述第一变量，构造可转移负荷调控总功率函数、可平移负荷调控总功率函数，以及可削减负荷调控总功率函数；获取表征电力系统对所述待调控专变台区下发负荷的目标负荷函数，以及表征所述待调控专变台区的基础负荷总功率的基础负荷总功率函数，将所述目标负荷函数与所述基础负荷总功率函数、所述可转移负荷调控总功率函数、所述可平移负荷调控总功率函数以及所述可削减负荷调控总功率函数的差，作为所述第一函数；基于所述第一变量以及所述第二变量，构建对应于可转移负荷的可转移负荷受控时间函数、对应于可平移负荷的可平移负荷受控时间函数，以及对应于可削减负荷的可削减负荷受控时间函数；将所述可转移负荷受控时间函数、所述可平移负荷受控时间函数，以及所述可削减负荷受控时间函数的和，作为所述第二函数；基于所述第一变量，构造可转移负荷用电资源损耗函数、可平移负荷用电资源损耗函数，以及可削减负荷用电资源损耗函数；将所述可转移负荷调控总功率函数、所述可平移负荷调控总功率函数，以及所述可削减负荷调控总功率函数的和，作为所述第三函数。
在其中一个实施例中，所述第一变量包括表征各类型柔性负荷的调控后启停状态变量，以及调控后运行功率变量，所述基于所述第一变量，构造对应于可转移负荷的可转移负荷调控总功率函数、对应于可平移负荷的可平移负荷调控总功率函数，以及对应于可削减负荷的可削减负荷调控总功率函数，包括：将所述可转移负荷的调控后启停状态变量，与所述可转移负荷的调控后运行功率变量的积，作为所述可转移负荷调控总功率函数；将所述可平移负荷的调控后启停状态变量，与所述可平移负荷的调控后运行功率变量的积，作为所述可平移负荷调控总功率函数；将所述可削减负荷的调控后启停状态变量，与所述可削减负荷的调控后运行功率变量的积，作为所述可削减负荷调控总功率函数。
在其中一个实施例中，所述第一变量包括表征各类型柔性负荷的调控后启停状态变量，所述第二变量包括表征各类型柔性负荷的预测启停状态变量，所述基于所述第一变量以及所述第二变量，构建对应于可转移负荷的可转移负荷受控时间函数、对应于可平移负荷的可平移负荷受控时间函数，以及对应于可削减负荷的可削减负荷受控时间函数，包括：获取可转移负荷受调控因子，利用所述可转移负荷受调控因子、所述可转移负荷的调控后启停状态变量，以及所述可转移负荷的预测启停状态变量，构造所述可转移负荷受控时间函数；获取可平移负荷受调控因子，利用所述可平移负荷受调控因子、所述可平移负荷的调控后启停状态变量，以及所述可平移负荷的预测启停状态变量，构造所述可平移负荷受控时间函数；获取可削减负荷受调控因子，利用所述可削减负荷受调控因子、所述可削减负荷的调控后启停状态变量，以及所述可削减负荷的预测启停状态变量，构造所述可削减负荷受控时间函数。
在其中一个实施例中，所述第一变量包括表征各类型柔性负荷的调控后运行功率变量，所述基于所述第一变量，构造对应于可转移负荷的可转移负荷调控总功率函数、对应于可平移负荷的可平移负荷调控总功率函数，以及对应于可削减负荷的可削减负荷调控总功率函数，包括：获取表征调控时间段电力资源损耗的资源损耗变量；利用所述资源损耗变量以及所述可转移负荷的调控后运行功率变量，构造所述可转移负荷调控总功率函数；利用所述资源损耗变量以及所述可平移负荷的调控后运行功率变量，构造所述可平移负荷调控总功率函数；利用所述资源损耗变量以及所述可削减负荷的调控后运行功率变量，构造所述可削减负荷调控总功率函数。
在其中一个实施例中，所述调控约束条件包括可转移负荷约束条件、可平移负荷约束条件、可削减负荷约束条件，以及总负荷约束条件；所述第一变量包括表征各类型柔性负荷的调控后启停状态变量，以及调控后运行功率变量，所述第二变量包括表征各类型柔性负荷的预测运行功率变量；所述构造所述柔性负荷调控目标函数对应的调控约束条件，包括：利用所述可转移负荷的调控后运行功率变量，以及所述可转移负荷的预测运行功率变量，构造所述可转移负荷约束条件；利用所述可平移负荷的调控后运行功率变量、所述可平移负荷的预测运行功率变量，以及所述可平移负荷的调控后启停状态变量与可平移负荷持续时长之间的关系，构造所述可平移负荷约束条件；利用所述可削减负荷的调控后运行功率变量、所述可削减负荷的预测运行功率变量，以及负荷调控区间，构造所述可削减负荷约束条件；利用所述各类型柔性负荷的调控后启停状态变量，以及所述各类型柔性负荷的调控后运行功率变量，得到所述各类型柔性负荷的调控总功率函数；利用表征所述待调控专变台区的变压器额定容量函数、表征所述待调控专变台区的基础负荷总功率的基础负荷总功率函数，以及所述各类型柔性负荷的调控总功率函数，构造所述总负荷约束条件。
在其中一个实施例中，所述将所述负荷运行状态数据输入预先训练的非侵入式负荷辨识模型之前，还包括：获取样本历史时间段中，所述待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下多种类型柔性负荷的样本负荷运行状态数据，以及所述样本负荷运行状态数据对应的各类型柔性负荷的实际子负荷运行状态数据；将所述样本负荷运行状态数据输入待训练的非侵入式负荷辨识模型，得到所述样本历史时间段中，各类型柔性负荷的预测子负荷运行状态数据；根据所述预测子负荷运行状态数据与所述实际子负荷运行状态数据之间的差异，训练所述非侵入式负荷辨识模型，以得到所述预先训练的非侵入式负荷辨识模型。
在其中一个实施例中，所述获取预设历史时间段中待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下的多元柔性负荷的负荷运行状态数据，包括：获取当前类型柔性负荷的关联设备，以及获取预先构建的与所述关联设备匹配的转换协议信息；所述当前类型柔性负荷为所述预设历史时间段中待调控专变台区中的任意一种多元柔性负荷；接收转换为所述转换协议信息后的所述当前类型柔性负荷的负荷运行状态数据。
在其中一个实施例中，所述获取预先构建的与所述关联设备匹配的转换协议信息之前，还包括：获取预先构建的包含有全量设备通信协议的设备协议库；从所述设备协议库中获取任意一个设备通信协议作为当前通信协议，利用所述当前通信协议对样本设备进行通信测试，获取所述样本设备的通信测试结果；在所述通信测试结果表征所述样本设备的通信成功率满足预设条件的情况下，构建所述样本设备与所述当前通信协议的匹配关系。
在其中一个实施例中，所述电力负荷柔性调控终端具备边缘计算能力，所述通过所述柔性负荷调控模型生成针对所述待调控专变台区的柔性负荷调控方案，包括：利用所述电力负荷柔性调控终端的边缘计算能力，通过所述柔性负荷调控模型生成针对所述待调控专变台区的柔性负荷调控方案；所述方法还包括：接收主站发送的针对所述待调控专变台区的柔性负荷调控方案；所述柔性负荷调控方案由所述主站根据采集的预设历史时间段中所述待调控专变台区中多种类型柔性负荷的负荷运行状态数据得到；生成与所述柔性负荷调控方案相匹配的调控指令，并将协议转换后的所述调控指令发送至所述待调控专变台区，以调控所述待调控专变台区中的柔性负荷。
第二方面，本申请还提供了一种电力负荷柔性调控装置，应用于电力负荷柔性调控终端，包括：
运行数据获取模块，用于获取预设历史时间段中待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下的多元柔性负荷的负荷运行状态数据，并进一步根据所述至少一个场景下的多元柔性负荷运行特性，将所述多元柔性负荷划分为可转移负荷、可平移负荷以及可削减负荷中的至少一种；
子运行数据获取模块，用于将所述负荷运行状态数据输入预先训练的非侵入式负荷辨识模型，得到所述预设历史时间段中，各类型柔性负荷的子负荷运行状态数据；
预测数据获取模块，用于将各所述子负荷运行状态数据，分别输入针对各类型柔性负荷预先训练的负荷状态预测模型，得到预设未来时间段中，各类型柔性负荷的预测负荷运行状态数据；
调控方案生成模块，用于将所述预测负荷运行状态数据输入预先构建的柔性负荷调控模型，通过所述柔性负荷调控模型生成针对所述待调控专变台区的柔性负荷调控方案；
调控指令发送模块，用于生成与所述柔性负荷调控方案相匹配的调控指令，并将协议转换后的所述调控指令发送至所述待调控专变台区，以调控所述待调控专变台区中的柔性负荷。
第三方面，本申请还提供了一种电力负荷柔性调控终端，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项实施例所述方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质，其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如第一方面任一项实施例所述方法的步骤。
第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面任一项实施例所述方法的步骤。
上述电力负荷柔性调控方法、装置、电力负荷柔性调控终端、存储介质和计算机程序产品，通过电力负荷柔性调控终端获取预设历史时间段中待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下的多元柔性负荷的负荷运行状态数据，并进一步根据至少一个场景下的多元柔性负荷运行特性，将多元柔性负荷划分为可转移负荷、可平移负荷以及可削减负荷中的至少一种；将负荷运行状态数据输入预先训练的非侵入式负荷辨识模型，得到预设历史时间段中，各类型柔性负荷的子负荷运行状态数据；将各子负荷运行状态数据，分别输入针对各类型柔性负荷预先训练的负荷状态预测模型，得到预设未来时间段中，各类型柔性负荷的预测负荷运行状态数据；将预测负荷运行状态数据输入预先构建的柔性负荷调控模型，通过柔性负荷调控模型生成针对待调控专变台区的柔性负荷调控方案；生成与柔性负荷调控方案相匹配的调控指令，并将协议转换后的调控指令发送至待调控专变台区，以调控待调控专变台区中的柔性负荷。本实施例中，电力负荷柔性调控终端可以采集待调控专变台区中在不同场景下经过协议转换的多种类型的柔性负荷的运行状态数据，并将该运行状态数据输入到预先训练的非侵入式负荷辨识模型，来识别不同类型柔性负荷的子负荷运行状态数据，之后还可以将各种类型的子负荷运行状态数据，分别输入到各种类型柔性负荷的负荷状态预测模型，从而得到各种类型柔性负荷在未来时间段的预测运行状态，即可将上述预测运行状态输入预先构建柔性负荷调控模型，来得到柔性负荷调控方案，进而生成相应的调控指令，并对其进行协议转换后发送至待调控专变台区来实现柔性负荷调控，相比于现有技术无法衡量各种类型可调控负荷的可调控力度，本申请提供的电力负荷柔性调控终端可以结合非侵入式负荷辨识模型、负荷状态预测模型以及柔性负荷调控模型，来得到对应于各种类型柔性负荷的调控方案，从而提高柔性负荷调控的精确程度。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中电力负荷柔性调控方法的流程示意图；
图2为一个实施例中生成柔性负荷调控方案的流程示意图；
图3为一个实施例中构造第一函数、第二函数与第三函数的流程示意图；
图4为一个实施例中构造调控约束条件的流程示意图；
图5为一个实施例中训练非侵入式负荷辨识模型的流程示意图；
图6为一个实施例中电力负荷柔性调控装置的结构框图；
图7为一个实施例中电力负荷柔性调控终端的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种电力负荷柔性调控方法，本实施例以该方法应用于电力负荷柔性调控终端进行举例说明，该电力负荷柔性调控终端指用于监测和调控非生产性空调、充电桩、移动通信基站、用户侧电力储能、分布式光伏、可连续压降的生产负荷等柔性调控末端设备的运行状态，并可与主站、采集终端或手持设备进行数据交换的设备，具有量测、控制、信息采集与管理、协议转换等功能。该电力负荷柔性调控终端可以包括数据采集模块、数据管理模块、协议转换模块、通信模块、调控方案生成模块、调控指令发送模块，其中：
通信模块：终端具备与采集终端通信功能，并支持载波通信方式。终端具备与主站通信功能，并支持无线公网通信方式。终端具备与末端设备通信功能，并支持RS-485通信方式。终端具备通信方式扩展能力，以支持与与其它通信方式的设备通信。
数据采集模块：终端支持定时自动采集、召读、自动补抄等方式采集末端设备的数据：采集数据项应包含但不限于：末端设备的基本信息、状态信息、故障信息、事件信息。采集数据项包括以下示例：
——空调运行模式、出水温度、回水温度；
——充电桩输出功率、充电模式；
——基站备用电源电量、运行模式；
——储能设备安全运行状态、充放电功率、SOC（电池剩余容量百分比）、SOH（电池健康度）；
——光伏逆变器开关机状态、装机容量、电能质量监测数据。
数据管理模块：终端分类存储的数据可包括：事件记录、负荷记录。数据保存应带有时标，存储应按照“先入先出”的原则，确保新采集数据的正确存储。终端的升级、参数初始化等操作，不应影响终端的历史数据。
本实施例中，电力负荷柔性调控方法包括以下步骤：
步骤S101，获取预设历史时间段中待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下的多元柔性负荷的负荷运行状态数据，并进一步根据至少一个场景下的多元柔性负荷运行特性，将多元柔性负荷划分为可转移负荷、可平移负荷以及可削减负荷中的至少一种。
预设历史时间段可以指的是和当前时间段相匹配的一段历史时间段，例如可以当前时间的上一周时间段或者上一天时间段等等，而待调控专变台区则指的是需要进行柔性负荷调控的专变台区，该专变台区可以包含多种电力负荷场景，例如可以包括分布式光伏、储能、充电站、非生产性空调、通信基站、可连续压降的生产负荷等电力负荷调控场景。而多元柔性负荷指的是对应于不同可调控类型的柔性负荷，例如可以包括可以将负荷进行转移的可转移负荷，可以将负荷平移到其他时间段的可平移负荷，以及可以减少负荷量的可减少负荷，上述多种类型的柔性负荷可以是对应于不同电力设备的电力负荷，例如对于空调设备，其对应的电力负荷则可以是可削减负荷，由于专变台区中往往包含有多种类型的电力设备，因此该专变台区提供的负荷运行状态数据，往往是包含有多种类型柔性负荷的负荷运行状态数据。
具体来说，电力负荷柔性调控终端在对待调控专变台区进行柔性负荷调控时，可以先从待调控专变台区中采集经过协议转换后对应于不同场景下的多元柔性负荷的负荷运行状态数据，例如可以包括多元柔性负荷在预设历史时间段内的启停状态数据，以及运行功率数据等。之后则可以进一步根据上述多元柔性负荷的运行特性，将上述多元柔性负荷划分为可转移负荷、可平移负荷以及可削减负荷中中的至少一种。
步骤S102，将负荷运行状态数据输入预先训练的非侵入式负荷辨识模型，得到预设历史时间段中，各类型柔性负荷的子负荷运行状态数据。
非侵入式负荷辨识模型是用于识别柔性负荷类型的神经网络模型，而子负荷运行状态数据则指的是某种类型柔性负荷在预设历史时间段中的负荷运行状态数据，由于待调控专变台区提供的是该专变台区中所有类型柔性负荷的总运行状态数据，电力负荷柔性调控终端为了实现对不同类型柔性负荷的细粒度调控，则需要先从总运行状态数据中，得到每一种类型的柔性负荷的子负荷运行状态数据。该电力负荷柔性调控终端可以将从专变台区中采集的负荷运行状态数据，输入至预先训练的非侵入式负荷辨识模型，有该非侵入式负荷辨识模型识别每一种类型的柔性负荷的子负荷运行状态数据，即分别得到可转移负荷在预设历史时间段中的子负荷运行状态数据、可平移负荷在预设历史时间段中的子负荷运行状态数据，以及可削减负荷在预设历史时间段中的子负荷运行状态数据。
步骤S103，将各子负荷运行状态数据，分别输入针对各类型柔性负荷预先训练的负荷状态预测模型，得到预设未来时间段中，各类型柔性负荷的预测负荷运行状态数据。
负荷状态预测模型是用于根据历史时间段的负荷运行状态数据，来预测某个未来时间段的负荷运行状态数据的神经网络模型，例如可以是LSTM神经网络模型，而预测负荷运行状态数据则是由负荷状态预测模型预测得到的未来时间段中各类型柔性负荷的运行状态数据，例如可以包括未来时间段各类型柔性负荷启停状态数据和运行功率数据。并且，本实施例中电力负荷柔性调控终端存储的负荷状态预测模型的数量可以是多个，分别用于预测不同类型柔性负荷的运行状态，电力负荷柔性调控终端可以将各类型柔性负荷的子负荷运行状态数据，分别输入至对各类型柔性负荷的负荷状态预测模型，例如可以是将可转移负荷的子负荷运行状态数据输入到用于预测可转移负荷未来时间段运行状态的负荷状态预测模型，将可平移负荷的子负荷运行状态数据输入到用于预测可平移负荷未来时间段运行状态的负荷状态预测模型，以及将可削减负荷的子负荷运行状态数据输入到用于预测可削减负荷未来时间段运行状态的负荷状态预测模型，从而分别得到可转移负荷、可平移负荷以及可削减负荷在预设未来时间段中的预测负荷运行状态数据。
步骤S104，将预测负荷运行状态数据输入预先构建的柔性负荷调控模型，通过柔性负荷调控模型生成针对待调控专变台区的柔性负荷调控方案。
柔性负荷调控模型则是用于生成针对待调控专变台区的柔性负荷调控方案的数学模型，本实施例中，电力负荷柔性调控终端在得到预测负荷运行状态数据后，还可以将其输入预先构建的柔性负荷调控模型，有该模型生成针对待调控专变台区的柔性负荷调控方案，该方案中可以包含对各种类型柔性负荷进行调控的方式。
步骤S105，生成与柔性负荷调控方案相匹配的调控指令，并将协议转换后的调控指令发送至待调控专变台区，以调控待调控专变台区中的柔性负荷。
调控指令则指的是最终用于对待调控专变台区中的各类型柔性负荷进行调控的指令，电力负荷柔性调控终端在得到柔性负荷调控方案后，还可以基于该方案生成针对各类型柔性负荷的调控指令，并且对该调控指令进行协议转换后，发送到待调控专变台区，待调控专变台区则可以基于上述协议转换后的调控指令，来对台区中各类型的柔性负荷进行调控。
上述电力负荷柔性调控方法中，通过电力负荷柔性调控终端获取预设历史时间段中待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下的多元柔性负荷的负荷运行状态数据，并进一步根据至少一个场景下的多元柔性负荷运行特性，将多元柔性负荷划分为可转移负荷、可平移负荷以及可削减负荷中的至少一种；将负荷运行状态数据输入预先训练的非侵入式负荷辨识模型，得到预设历史时间段中，各类型柔性负荷的子负荷运行状态数据；将各子负荷运行状态数据，分别输入针对各类型柔性负荷预先训练的负荷状态预测模型，得到预设未来时间段中，各类型柔性负荷的预测负荷运行状态数据；将预测负荷运行状态数据输入预先构建的柔性负荷调控模型，通过柔性负荷调控模型生成针对待调控专变台区的柔性负荷调控方案；生成与柔性负荷调控方案相匹配的调控指令，并将协议转换后的调控指令发送至待调控专变台区，以调控待调控专变台区中的柔性负荷。本实施例中，电力负荷柔性调控终端可以采集待调控专变台区中在不同场景下经过协议转换的多种类型的柔性负荷的运行状态数据，并将该运行状态数据输入到预先训练的非侵入式负荷辨识模型，来识别不同类型柔性负荷的子负荷运行状态数据，之后还可以将各种类型的子负荷运行状态数据，分别输入到各种类型柔性负荷的负荷状态预测模型，从而得到各种类型柔性负荷在未来时间段的预测运行状态，即可将上述预测运行状态输入预先构建柔性负荷调控模型，来得到柔性负荷调控方案，进而生成相应的调控指令，并对其进行协议转换后发送至待调控专变台区来实现柔性负荷调控，相比于现有技术无法衡量各种类型可调控负荷的可调控力度，本申请提供的电力负荷柔性调控终端可以结合非侵入式负荷辨识模型、负荷状态预测模型以及柔性负荷调控模型，来得到对应于各种类型柔性负荷的调控方案，从而提高柔性负荷调控的精确程度。
在一个实施例中，如图2所示，步骤S102之前，还可以包括：
步骤S201，构造柔性负荷调控目标函数，以及构造柔性负荷调控目标函数对应的调控约束条件；柔性负荷调控目标函数以及调控约束条件中携带有表征各类型柔性负荷的调控后负荷运行状态数据的第一变量，以及表征各类型柔性负荷的预测负荷运行状态数据的第二变量；
步骤S202，将柔性负荷调控目标函数以及调控约束条件作为柔性负荷调控模型。
柔性负荷调控目标函数则是用于表征柔性负荷调控目标的函数表达式，而柔性负荷调控目标函数对应的调控约束条件则是对该函数表达式的取值进行约束的约束条件。该柔性负荷调控目标函数中可以携带有第一变量和第二变量，其中第一变量表征各类型柔性负荷调控后的负荷运行状态数据，即目标函数求解的变量，而第二变量则表征各类型柔性负荷的预测运行状态数据，可以指的是目标函数的输入变量，同时调控约束条件也可以携带有第一变量与第二变量，以通过预测负荷运行状态数据来约束求解的调控后负荷运行状态数据。
具体来说，电力负荷柔性调控终端可以预先利用用于表征各类型柔性负荷的调控后负荷运行状态数据的第一变量，以及用于表征各类型柔性负荷的预测负荷运行状态数据的第二变量，来构造柔性负荷调控目标函数，以及对应的调控约束条件，从而将上述柔性负荷调控目标函数以及调控约束条件作为柔性负荷调控模型。
步骤S102可以进一步包括：
步骤S203，将预设未来时间段中，各类型柔性负荷的预测负荷运行状态数据输入柔性负荷调控目标函数以及调控约束条件中的第二变量，并在满足调控约束条件的情况下，获取柔性负荷调控目标函数取最小值的情况下，第一变量的取值；
步骤S204，根据第一变量的取值，得到各类型柔性负荷的调控后负荷运行状态数据，并利用调控后负荷运行状态数据，生成柔性负荷调控方案。
而在完成柔性负荷调控模型之后，如果需要对待调控专变台区生成相应的柔性负荷调控方案，则需要得到每一种类型柔性负荷的预测负荷运行状态数据，并且由于柔性负荷调控目标函数以及调控约束条件中的第二变量，即用于表征各类型柔性负荷的预测负荷运行状态数据，因此电力负荷柔性调控终端可以将由负荷状态预测模型输出的各类型柔性负荷的预测负荷运行状态数据，分别输入柔性负荷调控目标函数以及调控约束条件中的第二变量，并且求解在满足调控约束条件的情况下，柔性负荷调控目标函数取最小值时第一变量的取值，即求解柔性负荷调控目标函数取最小值时对应的各类型柔性负荷调控后的负荷运行状态数据。最后即可利用各类型柔性负荷调控后的负荷运行状态数据，来生成针对各类型柔性负荷的各类型柔性负荷。
本实施例中，可以通过预先构建包含表征各类型柔性负荷的调控后负荷运行状态数据的第一变量，以及表征各类型柔性负荷的预测负荷运行状态数据的第二变量的柔性负荷调控目标函数与调控约束条件，作为柔性负荷调控模型，从而将负荷状态预测模型输出的待调控专变台区预设未来时间段中预测负荷运行状态数据输入第二变量，来求解满足调控约束条件的情况下，柔性负荷调控目标函数取最小值时第一变量的取值，从而生成柔性负荷调控方案，通过该方式可以更准确的生成对应于各类型柔性负荷的柔性负荷调控方案。
进一步地，步骤S201可以进一步包括：基于第一变量以及第二变量，构造用于表征柔性调控响应量差值的第一函数，用于表征负荷受控时间的第二函数，以及用于表征待调控专变台区的用户用电资源损耗的第三函数；获取第一函数、第二函数以及第三函数的加权权重；利用加权权重对第一函数、第二函数以及第三函数进行加权处理，得到柔性负荷调控目标函数。
本实施例中，柔性负荷调控目标函数可以由3个部分的函数所组成，分别为第一函数、第二函数以及第三函数，其中第一函数是用于表征柔性调控响应量差值的函数，第二函数则是用于表征负荷受控时间的函数，而第三函数则是用于表征待调控专变台区的用户用电资源损耗，例如用户用电成本的函数。
具体来说，电力负荷柔性调控终端可以利用第一变量以及第二变量，来分别构建用于表征柔性调控响应量差值的第一函数、用于表征负荷受控时间的第二函数，以及用于表征待调控专变台区的用户用电资源损耗的第三函数，并获取第一函数、第二函数以及第三函数分别对应的加权权重，从而可以利用加权权重对第一函数、第二函数以及第三函数进行加权求和处理，来得到柔性负荷调控目标函数。
例如，柔性负荷调控目标函数可以通过以下公式进行表征：
其中，F表示柔性负荷调控目标函数，Fdiff为表征柔性调控响应量差值的第一函数，Fcontrol为表征负荷受控时间的第二函数，Fcost为表征用户用电资源损耗即用电成本的第三函数。k1、k2和k3为对应的加权权重，k1+ k2+ k3=1。
本实施例中，柔性负荷调控目标函数可以基于表征柔性调控响应量差值的第一函数，表征负荷受控时间的第二函数，以及表征用户用电成本的第三函数进行加权得到，通过该方式构建的目标函数可以总和考虑负荷柔性调控对专变用户的影响，可实现以更少的负荷调控力度，最大化满足调控目标，并降低用户用电成本，以降低负荷柔性调控对用户的影响。
进一步地，如图3所示，基于第一变量以及第二变量，构造用于表征柔性调控响应量差值的第一函数，用于表征负荷受控时间的第二函数，以及用于表征待调控专变台区的用户用电资源损耗的第三函数，可以进一步包括：
步骤S301，基于第一变量，构造可转移负荷调控总功率函数、可平移负荷调控总功率函数，以及可削减负荷调控总功率函数；
步骤S302，获取表征电力系统对待调控专变台区下发负荷的目标负荷函数，以及表征待调控专变台区的基础负荷总功率的基础负荷总功率函数，将目标负荷函数与基础负荷总功率函数、可转移负荷调控总功率函数、可平移负荷调控总功率函数以及可削减负荷调控总功率函数的差，作为第一函数。
调控总功率函数是用于表征调控后负荷运行功率的函数，该调控总功率函数可以包括3个种类，分别为对应于可转移负荷调控后负荷运行功率的可转移负荷调控总功率函数，对应于可平移负荷调控后负荷运行功率的可平移负荷调控总功率函数，以及对应于可削减负荷调控后负荷运行功率的可削减负荷调控总功率函数。而目标负荷函数则指的是电力系统在未来时间段中对待调控专变台区下发目标负荷的负荷功率函数，基础负荷总功率函数则指的是待调控专变台区的基础负荷功率函数，例如可以是待调控专变台区不可调控负荷的功率函数。
具体来说，电力负荷柔性调控终端可以利用上述表征各类型柔性负荷的调控后负荷运行状态数据的第一变量，来构造对应于可转移负荷调控总功率函数、可平移负荷调控总功率函数，以及可削减负荷调控总功率函数，并且可以将目标负荷函数与基础负荷总功率函数、可转移负荷调控总功率函数、可平移负荷调控总功率函数以及可削减负荷调控总功率函数的差，作为第一函数，可如以下公式所示：
其中，Fdiff表示第一函数，Ft goal表示t时段的目标负荷函数，Ft base表示t时段基础负荷功率函数，Ft trans表示t时段可转移负荷调控总功率函数，Ft shift表示t时段可平移负荷调控总功率函数，Ft cut表示t时段可削减负荷调控总功率函数。T表示未来时间段，该未来时间段由多个t时段所构成。
步骤S303，基于第一变量以及第二变量，构建可转移负荷受控时间函数、可平移负荷受控时间函数，以及可削减负荷受控时间函数；
步骤S304，将可转移负荷受控时间函数、可平移负荷受控时间函数，以及可削减负荷受控时间函数的和，作为第二函数。
负荷受控时间函数则是表征对负荷进行控制的时间函数，该函数也可以包括3个种类，分别为对应于可转移负荷的受控时间的可转移负荷受控时间函数，对应于可平移负荷的受控时间的可平移负荷受控时间函数，以及对应于可削减负荷的受控时间的可削减负荷受控时间函数。
具体来说，电力负荷柔性调控终端可以利用上述表征各类型柔性负荷的调控后负荷运行状态数据的第一变量，以及表征各类型柔性负荷的预测负荷运行状态数据的第二变量，来构造可转移负荷受控时间函数、可平移负荷受控时间函数，以及可削减负荷受控时间函数，并且将上述可转移负荷受控时间函数、可平移负荷受控时间函数以及可削减负荷受控时间函数的和，作为第二函数，可如以下公式所示：
其中，Fcontrol表示第二函数，Ttrans表示可转移负荷受控时间函数，Tshift表示可平移负荷受控时间函数，Tcut表示可削减负荷受控时间函数。
步骤S305，基于第一变量，构造可转移负荷调控总功率函数、可平移负荷调控总功率函数，以及可削减负荷调控总功率函数；
步骤S306，将可转移负荷调控总功率函数、可平移负荷调控总功率函数，以及可削减负荷调控总功率函数的和，作为第三函数。
用电资源损耗函数则是表征用户用电资源损耗，即用电成本的函数，该函数也可以包括3个种类，分别为对应于可转移负荷的用电资源损耗的可转移负荷调控总功率函数，对应于可平移负荷的用电资源损耗的可平移负荷调控总功率函数，以及对应于可削减负荷的用电资源损耗的可削减负荷调控总功率函数。
具体来说，电力负荷柔性调控终端可以利用上述表征各类型柔性负荷的调控后负荷运行状态数据的第一变量，来构造可转移负荷调控总功率函数、可平移负荷调控总功率函数，以及可削减负荷调控总功率函数，并且将上述可转移负荷调控总功率函数、可平移负荷调控总功率函数以及可削减负荷调控总功率函数的和，作为第三函数，可如以下公式所示：
其中，Fcost表示第三函数，Ctrans表示可转移负荷调控总功率函数，Cshift表示可平移负荷调控总功率函数，Ccut表示可削减负荷调控总功率函数。
本实施例中，可以利用第一变量和第二变量，分别构建不同类型负荷的调控总功率函数、负荷受控时间函数以及用电资源损耗函数，从而利用不同类型负荷的调控总功率函数、负荷受控时间函数以及用电资源损耗函数，来分别构建第一函数、第二函数以及第三函数，通过该方式可以进一步提高第一函数、第二函数以及第三函数构造的准确性。
在一个实施例中，第一变量包括表征各类型柔性负荷的调控后启停状态变量，以及调控后运行功率变量，步骤S301可以进一步包括：将可转移负荷的调控后启停状态变量，与可转移负荷的调控后运行功率变量的积，作为可转移负荷调控总功率函数；将可平移负荷的调控后启停状态变量，与可平移负荷的调控后运行功率变量的积，作为可平移负荷调控总功率函数；将可削减负荷的调控后启停状态变量，与可削减负荷的调控后运行功率变量的积，作为可削减负荷调控总功率函数。
本实施例中，表征各类型柔性负荷的调控后负荷运行状态数据的第一变量，可以包括表征各类型柔性负荷的调控后启停状态的变量，以及调控后运行功率的变量，调控总功率函数则可以是通过将调控后启停状态的变量以及调控后运行功率的变量进行相乘得到。即通过将可转移负荷对应的调控后启停状态变量以及调控后运行功率变量的积，作为可转移负荷调控总功率函数，将可平移负荷对应的调控后启停状态变量以及调控后运行功率变量的积，作为可平移负荷调控总功率函数，以及将可削减负荷对应的调控后启停状态变量以及调控后运行功率变量的积，作为可削减负荷调控总功率函数，可通过以下公式表征：
其中，Lm trans(t)表示第m个可转移负荷在t时段调控后运行功率变量，Om trans(t) 表示第m个可转移负荷在t时段调控后启停状态的变量，Lp shift(t)表示第p个可平移负荷在t时段调控后运行功率变量，Op shift(t)表示第p个可平移负荷在t时段调控后启停状态的变量，Lq cut(t)表示第q个可削减负荷在t时段调控后运行功率变量，Oq cut(t)表示第q个可削减负荷在t时段调控后启停状态的变量，其中启停状态变量为0或者1的变量，0表示停止状态，1表示启动状态。
在一个实施例中，第一变量包括表征各类型柔性负荷的调控后启停状态变量，第二变量包括表征各类型柔性负荷的预测启停状态变量，步骤S303可以进一步包括：获取可转移负荷受调控因子，利用可转移负荷受调控因子、可转移负荷的调控后启停状态变量，以及可转移负荷的预测启停状态变量，构造可转移负荷受控时间函数；获取可平移负荷受调控因子，利用可平移负荷受调控因子、可平移负荷的调控后启停状态变量，以及可平移负荷的预测启停状态变量，构造可平移负荷受控时间函数；获取可削减负荷受调控因子，利用可削减负荷受调控因子、可削减负荷的调控后启停状态变量，以及可削减负荷的预测启停状态变量，构造可削减负荷受控时间函数。
同理，表征各类型柔性负荷的预测负荷运行状态数据的第二变量，可以包括表征各类型柔性负荷的预测启停状态的变量，负荷受控时间函数可以根据负荷受调控因子，以及负荷调控后启停状态变量与相应的预测启停状态变量构造得到。即通过可转移负荷的负荷受调控因子，与可转移负荷对应的调控后启停状态变量与预测启停状态变量，来构造可转移负荷受控时间函数，通过可平移负荷的负荷受调控因子，与可平移负荷对应的调控后启停状态变量与预测启停状态变量，来构造可平移负荷受控时间函数，以及通过可削减负荷的负荷受调控因子，与可削减负荷对应的调控后启停状态变量与预测启停状态变量，来构造可削减负荷受控时间函数，可通过如下公式表示：
其中，Om trans(t)表示第m个可转移负荷在t时段调控后启停状态变量，Om,pretrans(t) 第m个可转移负荷在t时段预测启停状态变量，θm trans表示第m个可转移负荷受调控因子，Op trans(t)表示第p个可平移负荷在t时段调控后启停状态变量，Op,pretrans(t) 第p个可平移负荷在t时段预测启停状态变量，θp trans表示第p个可平移负荷受调控因子，Oq trans(t)表示第q个可削减负荷在t时段调控后启停状态变量，Oq,pre trans(t)第q个可削减负荷在t时段预测启停状态变量，θq trans表示第q个可削减负荷受调控因子，受调控因子越大表示负荷受调控时对生产的影响程度越大，且满足：
在一个实施例中，第一变量包括表征各类型柔性负荷的调控后运行功率变量，步骤S305可以进一步包括：获取表征调控时间段电力资源损耗的资源损耗变量；利用资源损耗变量以及可转移负荷的调控后运行功率变量，构造可转移负荷调控总功率函数；利用资源损耗变量以及可平移负荷的调控后运行功率变量，构造可平移负荷调控总功率函数；利用资源损耗变量以及可削减负荷的调控后运行功率变量，构造可削减负荷调控总功率函数。
资源损耗变量指的是表征调控时间段电力资源损耗的变量，例如可以是调控时间段的用电成本系数，用电资源损耗函数可以根据用电成本系数以及调控后运行功率变量构建得到，即通过可转移负荷的资源损耗变量，与可转移负荷对应的调控后运行功率变量，来构造可转移负荷调控总功率函数，通过可平移负荷的资源损耗变量，与可平移负荷对应的调控后运行功率变量，来构造可平移负荷调控总功率函数，以及通过可削减负荷的资源损耗变量，与可削减负荷对应的调控后运行功率变量，来构造可削减负荷调控总功率函数，可通过如下公式表示：
/>
其中，Lm trans(t)表示第m个可转移负荷在t时段调控后运行功率变量，Lp shift(t)表示第p个可平移负荷在t时段调控后运行功率变量，Lq cut(t)表示第q个可削减负荷在t时段调控后运行功率变量，Vt表示资源损耗变量, ∆T表示t时段的时间长度。
本实施例中，可以利用调控后启停状态变量与调控后运行功率的积，来构建调控总功率函数，也可以利用负荷受调控因子、调控后启停状态变量与预测启停状态变量，来构建负荷受控时间函数，以及利用资源损耗变量与调控后运行功率变量，来构造用电资源损耗函数，通过该方式可以提高调控总功率函数、负荷受控时间函数以及用电资源损耗函数的构建效率。
在一个实施例中，调控约束条件包括可转移负荷约束条件、可平移负荷约束条件、可削减负荷约束条件，以及总负荷约束条件；第一变量包括表征各类型柔性负荷的调控后启停状态变量，以及调控后运行功率变量，第二变量包括表征各类型柔性负荷的预测运行功率变量；如图4所示，步骤S201可以进一步包括：
步骤S401，利用可转移负荷的调控后运行功率变量，以及可转移负荷的预测运行功率变量，构造可转移负荷约束条件。
本实施例中，调控约束条件可以包含4个种类，分别为可转移负荷约束条件、可平移负荷约束条件，可削减负荷约束条件，以及对于总负荷的约束条件。并且第一变量包括表征各类型柔性负荷的调控后启停状态的变量，以及调控后运行功率的变量，第二变量包括表征各类型柔性负荷的预测运行功率的变量。其中，可转移负荷约束条件是利用可转移负荷的调控后运行功率变量，以及可转移负荷的预测运行功率变量构建得到，可通过以下公式进行表征：
其中，Lm,pre trans(t)为第m个可转移负荷在t时段的预测运行功率变量，Lmtrans(t)表示第m个可转移负荷在t时段调控后运行功率变量。
步骤S402，利用可平移负荷的调控后运行功率变量、可平移负荷的预测运行功率变量，以及可平移负荷的调控后启停状态变量与可平移负荷持续时长之间的关系，构造可平移负荷约束条件。
可平移负荷约束条件是利用可平移负荷的调控后运行功率变量，以及可转移负荷的预测运行功率变量，可平移负荷的调控后启停状态变量与可平移负荷持续时长之间的关系构建得到，可通过以下公式进行表征：
其中Lp,pre shift(t)为第p个可平移负荷在t时段的预测运行功率变量，Lpshift(t)表示第p个可平移负荷在t时段调控后运行功率变量，N为可平移负荷持续时长。
步骤S403，利用可削减负荷的调控后运行功率变量、可削减负荷的预测运行功率变量，以及负荷调控区间，构造可削减负荷约束条件。
可削减负荷约束条件则是利用可削减负荷的调控后运行功率变量、可削减负荷的预测运行功率变量，以及负荷调控区间来构建得到，可通过以下公式表征：
其中，Lq,pre cut(t)为第q个可削减负荷在t时段的预测运行功率，Lq cut(t)表示第q个可削减负荷在t时段调控后运行功率变量，θt min为t时段可调控负荷最小调控量，θt max为t时段可调控负荷最大调控量，θt min与θt max可组成负荷调控区间。
步骤S404，利用各类型柔性负荷的调控后启停状态变量，以及各类型柔性负荷的调控后运行功率变量，得到各类型柔性负荷的调控总功率函数，并利用表征待调控专变台区的变压器额定容量函数、表征待调控专变台区的基础负荷总功率的基础负荷总功率函数，以及各类型柔性负荷的调控总功率函数，构造总负荷约束条件。
各类型柔性负荷的调控总功率函数可以通过，各类型柔性负荷的调控后启停状态变量以及各类型柔性负荷的调控后运行功率变量的积表示，本实施例中，总负荷约束条件可以根据待调控专变台区的变压器额定容量函数，待调控专变台区的基础负荷总功率函数，以及各类型柔性负荷的调控总功率函数构造得到，可通过以下公式表示：
其中，Ft trans、Ft shift以及Ft cut分别表示t时段各类型柔性负荷的调控总功率函数，Ftotal为台区变压器额定容量，Ft base表示t时段基础负荷功率函数，即台区中不可调控负荷总功率。
本实施例中，还可以利用第一变量和第二变量，构建针对于不同类型负荷的约束条件，以及总负荷约束条件，通过该方式可以进一步提高负荷约束条件构建的全面性。
在一个实施例中，如图5所示，步骤S102之前，还可以包括：
步骤S501，获取样本历史时间段中，待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下多种类型柔性负荷的样本负荷运行状态数据，以及样本负荷运行状态数据对应的各类型柔性负荷的实际子负荷运行状态数据。
样本负荷运行状态数据指的是用于训练非侵入式负荷辨识模型，而采集的针对待调控专变台区的不同场景下，例如分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷等场景的样本负荷运行状态数据，而样本历史时间段则是样本负荷运行状态数据的采集的历史时间段。实际子负荷运行状态数据则是对样本负荷运行状态数据进行标注后，得到的各个类型柔性负荷的实际子负荷运行状态数据。
具体来说，电力负荷柔性调控终端得到待调控专变台区经过协议转换的样本负荷运行状态数据之后，还可以对组成该负荷运行状态数据的各种类型柔性负荷的子负荷运行状态数据进行标注，从而得到各个类型柔性负荷的实际子负荷运行状态数据。
步骤S502，将样本负荷运行状态数据输入待训练的非侵入式负荷辨识模型，得到样本历史时间段中，各类型柔性负荷的预测子负荷运行状态数据。
各类型柔性负荷的预测子负荷运行状态数据则指的是由待训练的非侵入式负荷辨识模型根据输入的样本负荷运行状态数据得到的，对应于不同类型柔性负荷的子负荷运行状态数据。电力负荷柔性调控终端得到样本负荷运行状态数据后，还可以将该样本负荷运行状态数据输入待训练的非侵入式负荷辨识模型，由该非侵入式负荷辨识模型来输出样本历史时间段中，各类型柔性负荷的预测子负荷运行状态数据。
步骤S503，根据预测子负荷运行状态数据与实际子负荷运行状态数据之间的差异，训练非侵入式负荷辨识模型，以得到预先训练的非侵入式负荷辨识模型。
最后，电力负荷柔性调控终端还可以基于非侵入式负荷辨识模型输出的预测子负荷运行状态数据，和实际子负荷运行状态数据之间的差异，来训练该非侵入式负荷辨识模型，从而得到训练完成的非侵入式负荷辨识模型。
本实施例中，还可以通过采集待调控专变台区中样本历史时间段的样本负荷运行状态数据，从而利用该样本负荷运行状态数据来训练非侵入式负荷辨识模型，可以进一步提高训练完成的非侵入式负荷辨识模型识别子负荷运行状态数据的准确性。
在一个实施例中，步骤S101可以进一步包括：获取当前类型柔性负荷的关联设备，以及获取预先构建的与关联设备匹配的转换协议信息；当前类型柔性负荷为预设历史时间段中待调控专变台区中的任意一种多元柔性负荷；接收转换为转换协议信息后的当前类型柔性负荷的负荷运行状态数据。
当前类型柔性负荷可以指的是待调控专变台区中组成多元柔性负荷的任意一种类型的柔性负荷，而当前类型柔性负荷的关联设备则可以指的是生产该当前类型柔性负荷的电力设备，而转换协议信息则是协议转换后的协议信息，该转换协议信息可以将关联设备的协议信息，转换为适用电力负荷柔性调控终端的转换协议信息。本实施例中，电力负荷柔性调控终端可以预先存储有多种电力设备分别对应的转换协议信息，在接收到多元柔性负荷后，只可以根据产生上述多元柔性负荷的各个电力设备，即各个多元柔性负荷分别对应的关联设备，来找到相对应的转换后的设备协议信息。之后，电力负荷柔性调控终端则可以对当前类型柔性负荷进行协议转换，将其对应的协议转换为转换协议信息，并接收转换协议后的当前类型柔性负荷的负荷运行状态数据。
本实施例中，可以在电力负荷柔性调控终端中预先构建设备与设备转换后的协议信息之间的对应关系，电力负荷柔性调控终端在接收到柔性负荷后，则可以根据柔性负荷对应的关联设备，来确定出关联设备对应的转换后的转换协议信息，从而接收该柔性负荷协议转换为转换协议信息的负荷运行状态数据，通过该方式可以提高协议转换的效率，从而提高负荷运行状态数据的获取效率。
进一步地，获取预先构建的与所述关联设备匹配的转换协议信息之前，还包括：获取预先构建的包含有全量设备通信协议的设备协议库；从设备协议库中获取任意一个设备通信协议作为当前通信协议，利用当前通信协议对样本设备进行通信测试，获取样本设备的通信测试结果；在通信测试结果表征样本设备的通信成功率满足预设条件的情况下，构建样本设备与当前通信协议的匹配关系。
设备协议库指的是用于存储全量设备通信协议的通信协议库，该通信协议库中可以存储有各种类型的设备通信协议，而当前通信协议则指的是通信协议库中存储的全量设备通信协议中的任意一个。而样本设备则指的是用于测试设备与通信协议之间匹配关系的设备。
具体来说，电力负荷柔性调控终端可以从存储有全量设备通信协议的设备协议库中，随机选择一个作为当前通信协议，来实现对样本设备进行通信测试，从而得到样本设备的通信测试结果，如果通信测试结果表征该样本设备的通信成功率满足某个设定条件，即表征样本设备通信成功时，则可以构建样本设备与当前通信协议的匹配关系。其中，通信成功率可以通过通信成功次数来表征。例如测试过程可以是通过随机选择5次当前通信协议进行寄存器通信测试，如果通信成功，则在协议通信成功次数+1，如果全部通信异常或失败，则将下一个设备协议作为新的当前通信协议进行通信测试，直到找到通信成功次数为5的当前通信协议，此时样本设备的通信成功率满足预设条件，即可构建样本设备与该当前通信协议的匹配关系。
之后，在进行电力负荷柔性调控时，如果该柔性负荷来源于上述样本设备，由于已经构建了样本设备与当前通信协议的匹配关系，电力负荷柔性调控终端则可以将该当前通信协议作为转换协议信息，从而接收该柔性负荷协议转换为上述转换协议信息后的负荷运行状态数据。
本实施例中，电力负荷柔性调控终端还可以基于预先构建的存储有全量设备通信协议的设备协议库，来从中选择一个设备通信协议作为当前通信协议来实现通信测试，从而根据通信测试的结果来建立样本设备与当前通信协议的匹配关系，通过该方式构建的匹配关系可以提高设备通信的稳定性与通信的成功率。
在一个实施例中，电力负荷柔性调控终端具备边缘计算能力，步骤S104可以进一步包括：利用电力负荷柔性调控终端的边缘计算能力，通过柔性负荷调控模型生成针对待调控专变台区的柔性负荷调控方案；电力负荷柔性调控方法，还可以包括：接收主站发送的针对待调控专变台区的柔性负荷调控方案；柔性负荷调控方案由主站根据采集的预设历史时间段中待调控专变台区中多种类型柔性负荷的负荷运行状态数据得到；生成与柔性负荷调控方案相匹配的调控指令，并将协议转换后的调控指令发送至待调控专变台区，以调控待调控专变台区中的柔性负荷。
本实施例中，电力负荷柔性调控终端具备边缘计算能力，在进行柔性负荷调控方案生成时，则可以利用上述边缘计算能力，来通过柔性负荷调控模型生成针对待调控专变台区的柔性负荷调控方案。并且，该电力负荷柔性调控终端还具备受主站指令调控的能力，由主站先根据待调控专变台区中多种类型柔性负荷的负荷运行状态数据得到针对待调控专变台区的柔性负荷调控方案，并将其直接发送至电力负荷柔性调控终端。电力负荷柔性调控终端则可以生成与该柔性负荷调控方案相匹配的调控指令，从而将协议转换后的调控指令发送至待调控专变台区，来调控待调控专变台区中的柔性负荷。
本实施例中，电力负荷柔性调控终端除了具备边缘计算能力，可以利用边缘计算能力自主计算得到待调控专变台区的柔性负荷调控方案以外，还具备受主站指令调控的能力，即接收主站发送的针对待调控专变台区的柔性负荷调控方案来实现调控，通过该方式可以进一步提高电力负荷柔性调控终端进行电力柔性负荷调控方式的多样性。
在一个实施例中，还提供了一种基于非侵入式负荷辨识的专变台区负荷柔性调控方法，可以包括以下步骤：
S1：提取台区内所有柔性负荷运行状态特征向量，建立柔性负荷特征库DX。
对台区内负荷进行统计分类，基础负荷Fbase和柔性负荷，柔性负荷包括可转移负荷Ftrans、可平移负荷Fshift和可削减负荷Fcut；提取所有柔性负荷启停状态时的负荷特征信息并形成n+1维带标签的特征向量Xs (load,i) ={ys (load,i):{x1,x2,...,xn,Ps i}}，其中ys (load,i)为负荷i在运行状态s时特征向量的标签，表示Xs (load,i)为负荷i在运行状态s时的负荷特征向量；ys (load,i)采用One-hot编码方式，{ x1,x2,...,xn,Ps i}表示n+1维特征向量，Ps i表示负荷i在运行状态s时的功率，s表示负荷运行状态，s=0时表示设备停止，s=1时表示设备启动，将所有负荷的启停状态特征向量汇集建立柔性负荷特征库DX。
S2：利用S1建立特征库训练非侵入式负荷辨识模型，在台区进行负荷辨识获取各负荷历史分时段运行状态。
使用多分类的SVM算法建立非侵入式负荷辨识模型，其目标函数为：
其中，C为惩罚因子，K(xi∙xj)为核函数，选取径向基函数g。则SVM的决策函数为：
利用S1中获取的柔性负荷特征库D_X中的所述n+1维特征向量作为输入，所述特征向量标签作为输出训练多分类SVM建立的非侵入式负荷辨识模型；
利用训练好的非侵入式负荷辨识模型对台区中柔性负荷运行状态进行辨识，获得T时段内各负荷的启停时段，以∆T间隔对T时段划分，根据启停时段标记对应时段启停状态，超过∆T/2间隔处于启动状态标记为1，超过∆T/2间隔处于停止状态标记为0，即得到各负荷在T时段∆T间隔的启停状态向量Si load={s1,s2,...sn,...,s(T⁄∆T)},sn∈{0,1}。
S3：利用S2输出训练负荷预测模型，预测各负荷未来分时段的运行状态和运行功率。
使用LSTM神经网络建立负荷预测模型，LSTM具有长短是记忆功能，适合用于用电负荷的短期预测，使用S2得到的各负荷历史运行状态数据对每个负荷单独训练预测模型，连续N个T时段各柔性负荷启停状态向量{ s1,s2,...sn,...,s(NT⁄∆T)}, ,sn∈{0,1}作为负荷状态预测模型输入，预测未来T时段∆T间隔的各柔性负荷启停状态向量O(i,pre) load={spre 1, spre 2,..., spre n,..., spre (T⁄∆T)},sn∈{0,1}，O(i,pre) load为负荷i未来T时段∆T间隔的负荷启停状态向量；
将O(i,pre) load向量中对应元素替换为对应状态的功率ps i，得到负荷i未来T时段∆T间隔的运行功率的预测向量：
表示负荷i在运行状态spre n时的运行功率。各柔性负荷包括可转移、可平移、可削减负荷，即Oload=Otrans∪Oshift∪Ocut，Lload=Ltrans∪Lshift∪Lcut。
S4：基于S3输出，建立台区负荷柔性调控综合响应优化模型。
基于S3获取的各负荷未来时段的运行状态和运行功率，建立柔性调控响应量差值最小，用户使用成本最少以及对用户受控负荷影响最小的台区负荷柔性调控综合响应优化模型，台区负荷柔性调控综合响应优化模型为：
其中，Fdiff为柔性负荷响应量差值最小化目标函数，Fcontrol为负荷受控时间最小目标函数，Fcost为用电成本最小目标函数。k1、k2和k3为对应目标函数权重，k1+ k2+ k3=1。
柔性调控响应量差值最小化目标函数Fdiff：
其中，Ft goal表示t时段电网下发的目标负荷，Ft base表示t时段基础负荷总功率，Ft trans表示t时段可转移负荷调控总功率，Ft shift表示t时段可平移负荷调控总功率，Ft cut表示t时段可削减负荷调控总功率，Lm trans(t)表示第m个可转移负荷在t时段转移负荷功率，Om trans(t)表示第m个可转移负荷在t时段运行状态，Lp shift(t)表示第p个可平移负荷在t时段平移负荷功率，Op shift(t)表示第p个可平移负荷在t时段运行状态，Lq cut(t)表示第q个可削减负荷在t时段削减负荷功率，Oq cut(t)表示第q个可削减负荷在t时段运行状态。
当设备实际运行状态与预测的设备运行状态不一致时，表示设备受控，根据受控设备时对生产制造造成的影响程度设置不同的系数，因此负荷受控时间最小化目标函数Fcontrol：
其中，Om,pre trans(t)为第m个可转移负荷在t时段的预测运行状态，Op,pretrans(t)为第p个可平移负荷在t时段的预测运行状态，Oq,pre trans(t)为第q个可削减负荷在t时段的预测运行状态，θm trans为第m个可转移负荷受调控因子，θp trans第p个可平移负荷受调控因子，θq trans为第q个可平移负荷受调控因子，受调控因子越大表示负荷受调控时对生产的影响程度越大，且满足：
台区内所有柔性负荷的分时段计量电价的总和为可调节用电成本，因此用电成本最小化目标函数Fcost：
其中，Vt表示t时段的电价；
台区负荷柔性调控综合响应优化模型约束条件包括可转移负荷约束条件、可平移负荷约束条件、可削减负荷约束条件，总功率约束条件；
可转移负荷：各时间段用电量可灵活调节，但要满足转移后整个周期负荷总量与转移前保持不变，因此可转移负荷约束条件：
其中Lm,pre trans(t)为第m个可转移负荷在t时段的预测运行功率；
可平移负荷：负荷供电时间可按计划变动，负荷需整体平移，用电时间跨越多个调度时段，因此可平移负荷约束条件：
其中Lp,pre shift(t)为第p个可平移负荷在t时段的预测运行功率，N为可平移负荷持续时长；
可承受一定中断或降功率、减少时间运行的负荷，根据供需情况对其进行部分或全部削减，因此可削减负荷约束条件：
其中，Lq,pre cut(t)为第q个可削减负荷在t时段的预测运行功率，θt min为t时段可调控负荷最小调控量，θt max为t时段可调控负荷最大调控量。
总功率约束条件：
其中Ftotal为台区变压器额定容量，Ft base为台区中不可调控负荷总功率。
通过本实施例，可以基于非侵入式负荷辨识技术获取台区中各柔性负荷历史分时段运行状态，并利用负荷预测技术预测各负荷未来分时段的运行状态和运行功率，预测数据对负荷柔性调控优化方案提供依据，考虑负荷柔性调控力度对专变用户生产制造的影响，提出基于负荷受控时间最小化，柔性调控响应量差值最小化和用户用电成本最小化的综合台区负荷柔性调控模型，以实现以更少的负荷调控力度，最大化满足电网调控目标，降低用户用电成本，降低负荷柔性调控对用户生产制造的影响。
应该理解的是，虽然如上所述的各实施例所涉及的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，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的电力负荷柔性调控方法的电力负荷柔性调控装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电力负荷柔性调控装置实施例中的具体限定可以参见上文中对于电力负荷柔性调控方法的限定，在此不再赘述。
在一个示例性的实施例中，如图6所示，提供了一种电力负荷柔性调控装置，应用于电力负荷柔性调控终端，包括：运行数据获取模块601、子运行数据获取模块602、预测数据获取模块603、调控方案生成模块604和调控指令发送模块605，其中：
运行数据获取模块601，用于获取预设历史时间段中待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下的多元柔性负荷的负荷运行状态数据，并进一步根据至少一个场景下的多元柔性负荷运行特性，将多元柔性负荷划分为可转移负荷、可平移负荷以及可削减负荷中的至少一种；
子运行数据获取模块602，用于将负荷运行状态数据输入预先训练的非侵入式负荷辨识模型，得到预设历史时间段中，各类型柔性负荷的子负荷运行状态数据；
预测数据获取模块603，用于将各子负荷运行状态数据，分别输入针对各类型柔性负荷预先训练的负荷状态预测模型，得到预设未来时间段中，各类型柔性负荷的预测负荷运行状态数据；
调控方案生成模块604，用于将预测负荷运行状态数据输入预先构建的柔性负荷调控模型，通过柔性负荷调控模型生成针对待调控专变台区的柔性负荷调控方案；
调控指令发送模块605，用于生成与柔性负荷调控方案相匹配的调控指令，并将协议转换后的调控指令发送至待调控专变台区，以调控待调控专变台区中的柔性负荷。
在一个实施例中，电力负荷柔性调控装置，还包括：调控模型构建模块，用于构造柔性负荷调控目标函数，以及构造柔性负荷调控目标函数对应的调控约束条件；柔性负荷调控目标函数以及调控约束条件中携带有表征各类型柔性负荷的调控后负荷运行状态数据的第一变量，以及表征各类型柔性负荷的预测负荷运行状态数据的第二变量；将柔性负荷调控目标函数以及调控约束条件作为柔性负荷调控模型；调控方案生成模块604，进一步用于将预设未来时间段中，各类型柔性负荷的预测负荷运行状态数据输入柔性负荷调控目标函数以及调控约束条件中的第二变量，并在满足调控约束条件的情况下，获取柔性负荷调控目标函数取最小值的情况下，第一变量的取值；根据第一变量的取值，得到各类型柔性负荷的调控后负荷运行状态数据，并利用调控后负荷运行状态数据，生成柔性负荷调控方案。
在一个实施例中，调控模型构建模块，进一步用于基于第一变量以及第二变量，构造用于表征柔性调控响应量差值的第一函数，用于表征负荷受控时间的第二函数，以及用于表征待调控专变台区的用户用电资源损耗的第三函数；获取第一函数、第二函数以及第三函数的加权权重；利用加权权重对第一函数、第二函数以及第三函数进行加权处理，得到柔性负荷调控目标函数。
在一个实施例中，调控模型构建模块，进一步用于基于第一变量，构造可转移负荷调控总功率函数、可平移负荷调控总功率函数，以及可削减负荷调控总功率函数；获取表征电力系统对待调控专变台区下发负荷的目标负荷函数，以及表征待调控专变台区的基础负荷总功率的基础负荷总功率函数，将目标负荷函数与基础负荷总功率函数、可转移负荷调控总功率函数、可平移负荷调控总功率函数以及可削减负荷调控总功率函数的差，作为第一函数；基于第一变量以及第二变量，构建对应于可转移负荷的可转移负荷受控时间函数、对应于可平移负荷的可平移负荷受控时间函数，以及对应于可削减负荷的可削减负荷受控时间函数；将可转移负荷受控时间函数、可平移负荷受控时间函数，以及可削减负荷受控时间函数的和，作为第二函数；基于第一变量，构造可转移负荷用电资源损耗函数、可平移负荷用电资源损耗函数，以及可削减负荷用电资源损耗函数；将可转移负荷调控总功率函数、可平移负荷调控总功率函数，以及可削减负荷调控总功率函数的和，作为第三函数。
在一个实施例中，第一变量包括表征各类型柔性负荷的调控后启停状态变量，以及调控后运行功率变量，调控模型构建模块，进一步用于将可转移负荷的调控后启停状态变量，与可转移负荷的调控后运行功率变量的积，作为可转移负荷调控总功率函数；将可平移负荷的调控后启停状态变量，与可平移负荷的调控后运行功率变量的积，作为可平移负荷调控总功率函数；将可削减负荷的调控后启停状态变量，与可削减负荷的调控后运行功率变量的积，作为可削减负荷调控总功率函数。
在一个实施例中，第一变量包括表征各类型柔性负荷的调控后启停状态变量，第二变量包括表征各类型柔性负荷的预测启停状态变量，调控模型构建模块，进一步用于获取可转移负荷受调控因子，利用可转移负荷受调控因子、可转移负荷的调控后启停状态变量，以及可转移负荷的预测启停状态变量，构造可转移负荷受控时间函数；获取可平移负荷受调控因子，利用可平移负荷受调控因子、可平移负荷的调控后启停状态变量，以及可平移负荷的预测启停状态变量，构造可平移负荷受控时间函数；获取可削减负荷受调控因子，利用可削减负荷受调控因子、可削减负荷的调控后启停状态变量，以及可削减负荷的预测启停状态变量，构造可削减负荷受控时间函数。
在一个实施例中，第一变量包括表征各类型柔性负荷的调控后运行功率变量，调控模型构建模块，进一步用于获取表征调控时间段电力资源损耗的资源损耗变量；利用资源损耗变量以及可转移负荷的调控后运行功率变量，构造可转移负荷调控总功率函数；利用资源损耗变量以及可平移负荷的调控后运行功率变量，构造可平移负荷调控总功率函数；利用资源损耗变量以及可削减负荷的调控后运行功率变量，构造可削减负荷调控总功率函数。
在一个实施例中，调控约束条件包括可转移负荷约束条件、可平移负荷约束条件、可削减负荷约束条件，以及总负荷约束条件；第一变量包括表征各类型柔性负荷的调控后启停状态变量，以及调控后运行功率变量，第二变量包括表征各类型柔性负荷的预测运行功率变量；调控模型构建模块，进一步用于利用可转移负荷的调控后运行功率变量，以及可转移负荷的预测运行功率变量，构造可转移负荷约束条件；利用可平移负荷的调控后运行功率变量、可平移负荷的预测运行功率变量，以及可平移负荷的调控后启停状态变量与可平移负荷持续时长之间的关系，构造可平移负荷约束条件；利用可削减负荷的调控后运行功率变量、可削减负荷的预测运行功率变量，以及负荷调控区间，构造可削减负荷约束条件；利用各类型柔性负荷的调控后启停状态变量，以及各类型柔性负荷的调控后运行功率变量，得到各类型柔性负荷的调控总功率函数；利用表征待调控专变台区的变压器额定容量函数、表征待调控专变台区的基础负荷总功率的基础负荷总功率函数，以及各类型柔性负荷的调控总功率函数，构造总负荷约束条件。
在一个实施例中，电力负荷柔性调控装置，还包括：辨识模型训练模块，用于获取样本历史时间段中，待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下多种类型柔性负荷的样本负荷运行状态数据，以及样本负荷运行状态数据对应的各类型柔性负荷的实际子负荷运行状态数据；将样本负荷运行状态数据输入待训练的非侵入式负荷辨识模型，得到样本历史时间段中，各类型柔性负荷的预测子负荷运行状态数据；根据预测子负荷运行状态数据与实际子负荷运行状态数据之间的差异，训练非侵入式负荷辨识模型，以得到预先训练的非侵入式负荷辨识模型。
在一个实施例中，运行数据获取模块601，进一步用于获取当前类型柔性负荷的关联设备，以及获取预先构建的与关联设备匹配的转换协议信息；当前类型柔性负荷为预设历史时间段中待调控专变台区中的任意一种多元柔性负荷；接收转换为转换协议信息后的当前类型柔性负荷的负荷运行状态数据。
在一个实施例中，电力负荷柔性调控装置，还包括：协议匹配构建模块，用于获取预先构建的包含有全量设备通信协议的设备协议库；从设备协议库中获取任意一个设备通信协议作为当前通信协议，利用当前通信协议对样本设备进行通信测试，获取样本设备的通信测试结果；在通信测试结果表征样本设备的通信成功率满足预设条件的情况下，构建样本设备与当前通信协议的匹配关系。
在一个实施例中，电力负荷柔性调控终端具备边缘计算能力，调控方案生成模块604，进一步用于利用电力负荷柔性调控终端的边缘计算能力，通过柔性负荷调控模型生成针对待调控专变台区的柔性负荷调控方案；电力负荷柔性调控装置，还包括：主站调控模块，用于接收主站发送的针对待调控专变台区的柔性负荷调控方案；柔性负荷调控方案由主站根据采集的预设历史时间段中待调控专变台区中多种类型柔性负荷的负荷运行状态数据得到；生成与柔性负荷调控方案相匹配的调控指令，并将协议转换后的调控指令发送至待调控专变台区，以调控待调控专变台区中的柔性负荷。
上述电力负荷柔性调控装置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电力负荷柔性调控终端中的处理器中，也可以以软件形式存储于电力负荷柔性调控终端中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中，提供了一种电力负荷柔性调控终端，其内部结构图可以如图7所示。该电力负荷柔性调控终端包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该电力负荷柔性调控终端的处理器用于提供计算和控制能力。该电力负荷柔性调控终端的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。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。该电力负荷柔性调控终端的输入/输出接口用于处理器与外部设备之间交换信息。该电力负荷柔性调控终端的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种电力负荷柔性调控方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电力负荷柔性调控终端的限定，具体的电力负荷柔性调控终端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，还提供了一种电力负荷柔性调控终端，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各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各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。
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，本申请所提供的各实施例中所使用的对存储器、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-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（MagnetoresistiveRandom Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random AccessMemory，RAM）或外部高速缓冲存储器等。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 RandomAccessMemory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (15)

1.一种电力负荷柔性调控方法，其特征在于，应用于电力负荷柔性调控终端，所述方法包括：
获取预设历史时间段中待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下的多元柔性负荷的负荷运行状态数据，并进一步根据所述至少一个场景下的多元柔性负荷运行特性，将所述多元柔性负荷划分为可转移负荷、可平移负荷以及可削减负荷中的至少一种；
将所述负荷运行状态数据输入预先训练的非侵入式负荷辨识模型，得到所述预设历史时间段中，各类型柔性负荷的子负荷运行状态数据；
将各所述子负荷运行状态数据，分别输入针对各类型柔性负荷预先训练的负荷状态预测模型，得到预设未来时间段中，各类型柔性负荷的预测负荷运行状态数据；
将所述预测负荷运行状态数据输入预先构建的柔性负荷调控模型，通过所述柔性负荷调控模型生成针对所述待调控专变台区的柔性负荷调控方案；
生成与所述柔性负荷调控方案相匹配的调控指令，并将协议转换后的所述调控指令发送至所述待调控专变台区，以调控所述待调控专变台区中的柔性负荷。
2.根据权利要求1所述的方法，其特征在于，将所述预测负荷运行状态数据输入预先构建的柔性负荷调控模型之前，还包括：
构造柔性负荷调控目标函数，以及构造所述柔性负荷调控目标函数对应的调控约束条件；所述柔性负荷调控目标函数以及所述调控约束条件中携带有表征所述各类型柔性负荷的调控后负荷运行状态数据的第一变量，以及表征所述各类型柔性负荷的预测负荷运行状态数据的第二变量；
将所述柔性负荷调控目标函数以及所述调控约束条件作为所述柔性负荷调控模型；
所述将所述预测负荷运行状态数据输入预先构建的柔性负荷调控模型，通过所述柔性负荷调控模型生成针对所述待调控专变台区的柔性负荷调控方案，包括：
将所述预设未来时间段中，各类型柔性负荷的预测负荷运行状态数据输入所述柔性负荷调控目标函数以及所述调控约束条件中的第二变量，并在满足所述调控约束条件的情况下，获取所述柔性负荷调控目标函数取最小值的情况下，所述第一变量的取值；
根据所述第一变量的取值，得到各类型柔性负荷的调控后负荷运行状态数据，并利用所述调控后负荷运行状态数据，生成所述柔性负荷调控方案。
3.根据权利要求2所述的方法，其特征在于，所述构造柔性负荷调控目标函数，包括：
基于所述第一变量以及第二变量，构造用于表征柔性调控响应量差值的第一函数，用于表征负荷受控时间的第二函数，以及用于表征所述待调控专变台区的用户用电资源损耗的第三函数；
获取所述第一函数、第二函数以及第三函数的加权权重；
利用所述加权权重对所述第一函数、第二函数以及第三函数进行加权处理，得到所述柔性负荷调控目标函数。
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一变量以及第二变量，构造用于表征柔性调控响应量差值的第一函数，用于表征负荷受控时间的第二函数，以及用于表征所述待调控专变台区的用户用电资源损耗的第三函数，包括：
基于所述第一变量，构造可转移负荷调控总功率函数、可平移负荷调控总功率函数，以及可削减负荷调控总功率函数；
获取表征电力系统对所述待调控专变台区下发负荷的目标负荷函数，以及表征所述待调控专变台区的基础负荷总功率的基础负荷总功率函数，将所述目标负荷函数与所述基础负荷总功率函数、所述可转移负荷调控总功率函数、所述可平移负荷调控总功率函数以及所述可削减负荷调控总功率函数的差，作为所述第一函数；
基于所述第一变量以及所述第二变量，构建对应于可转移负荷的可转移负荷受控时间函数、对应于可平移负荷的可平移负荷受控时间函数，以及对应于可削减负荷的可削减负荷受控时间函数；
将所述可转移负荷受控时间函数、所述可平移负荷受控时间函数，以及所述可削减负荷受控时间函数的和，作为所述第二函数；
基于所述第一变量，构造可转移负荷用电资源损耗函数、可平移负荷用电资源损耗函数，以及可削减负荷用电资源损耗函数；
将所述可转移负荷调控总功率函数、所述可平移负荷调控总功率函数，以及所述可削减负荷调控总功率函数的和，作为所述第三函数。
5.根据权利要求4所述的方法，其特征在于，所述第一变量包括表征各类型柔性负荷的调控后启停状态变量，以及调控后运行功率变量，所述基于所述第一变量，构造对应于可转移负荷的可转移负荷调控总功率函数、对应于可平移负荷的可平移负荷调控总功率函数，以及对应于可削减负荷的可削减负荷调控总功率函数，包括：
将所述可转移负荷的调控后启停状态变量，与所述可转移负荷的调控后运行功率变量的积，作为所述可转移负荷调控总功率函数；
将所述可平移负荷的调控后启停状态变量，与所述可平移负荷的调控后运行功率变量的积，作为所述可平移负荷调控总功率函数；
将所述可削减负荷的调控后启停状态变量，与所述可削减负荷的调控后运行功率变量的积，作为所述可削减负荷调控总功率函数。
6.根据权利要求4所述的方法，其特征在于，所述第一变量包括表征各类型柔性负荷的调控后启停状态变量，所述第二变量包括表征各类型柔性负荷的预测启停状态变量，所述基于所述第一变量以及所述第二变量，构建对应于可转移负荷的可转移负荷受控时间函数、对应于可平移负荷的可平移负荷受控时间函数，以及对应于可削减负荷的可削减负荷受控时间函数，包括：
获取可转移负荷受调控因子，利用所述可转移负荷受调控因子、所述可转移负荷的调控后启停状态变量，以及所述可转移负荷的预测启停状态变量，构造所述可转移负荷受控时间函数；
获取可平移负荷受调控因子，利用所述可平移负荷受调控因子、所述可平移负荷的调控后启停状态变量，以及所述可平移负荷的预测启停状态变量，构造所述可平移负荷受控时间函数；
获取可削减负荷受调控因子，利用所述可削减负荷受调控因子、所述可削减负荷的调控后启停状态变量，以及所述可削减负荷的预测启停状态变量，构造所述可削减负荷受控时间函数。
7.根据权利要求4所述的方法，其特征在于，所述第一变量包括表征各类型柔性负荷的调控后运行功率变量，所述基于所述第一变量，构造对应于可转移负荷的可转移负荷调控总功率函数、对应于可平移负荷的可平移负荷调控总功率函数，以及对应于可削减负荷的可削减负荷调控总功率函数，包括：
获取表征调控时间段电力资源损耗的资源损耗变量；
利用所述资源损耗变量以及所述可转移负荷的调控后运行功率变量，构造所述可转移负荷调控总功率函数；
利用所述资源损耗变量以及所述可平移负荷的调控后运行功率变量，构造所述可平移负荷调控总功率函数；
利用所述资源损耗变量以及所述可削减负荷的调控后运行功率变量，构造所述可削减负荷调控总功率函数。
8.根据权利要求2所述的方法，其特征在于，所述调控约束条件包括可转移负荷约束条件、可平移负荷约束条件、可削减负荷约束条件，以及总负荷约束条件；所述第一变量包括表征各类型柔性负荷的调控后启停状态变量，以及调控后运行功率变量，所述第二变量包括表征各类型柔性负荷的预测运行功率变量；所述构造所述柔性负荷调控目标函数对应的调控约束条件，包括：
利用所述可转移负荷的调控后运行功率变量，以及所述可转移负荷的预测运行功率变量，构造所述可转移负荷约束条件；
利用所述可平移负荷的调控后运行功率变量、所述可平移负荷的预测运行功率变量，以及所述可平移负荷的调控后启停状态变量与可平移负荷持续时长之间的关系，构造所述可平移负荷约束条件；
利用所述可削减负荷的调控后运行功率变量、所述可削减负荷的预测运行功率变量，以及负荷调控区间，构造所述可削减负荷约束条件；
利用所述各类型柔性负荷的调控后启停状态变量，以及所述各类型柔性负荷的调控后运行功率变量，得到所述各类型柔性负荷的调控总功率函数；利用表征所述待调控专变台区的变压器额定容量函数、表征所述待调控专变台区的基础负荷总功率的基础负荷总功率函数，以及所述各类型柔性负荷的调控总功率函数，构造所述总负荷约束条件。
9.根据权利要求1至8任一项所述的方法，其特征在于，所述将所述负荷运行状态数据输入预先训练的非侵入式负荷辨识模型之前，还包括：
获取样本历史时间段中，所述待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下多种类型柔性负荷的样本负荷运行状态数据，以及所述样本负荷运行状态数据对应的各类型柔性负荷的实际子负荷运行状态数据；
将所述样本负荷运行状态数据输入待训练的非侵入式负荷辨识模型，得到所述样本历史时间段中，各类型柔性负荷的预测子负荷运行状态数据；
根据所述预测子负荷运行状态数据与所述实际子负荷运行状态数据之间的差异，训练所述非侵入式负荷辨识模型，以得到所述预先训练的非侵入式负荷辨识模型。
10.根据权利要求1所述的方法，其特征在于，所述获取预设历史时间段中待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下的多元柔性负荷的负荷运行状态数据，包括：
获取当前类型柔性负荷的关联设备，以及获取预先构建的与所述关联设备匹配的转换协议信息；所述当前类型柔性负荷为所述预设历史时间段中待调控专变台区中的任意一种多元柔性负荷；
接收转换为所述转换协议信息后的所述当前类型柔性负荷的负荷运行状态数据。
11.根据权利要求10所述的方法，其特征在于，所述获取预先构建的与所述关联设备匹配的转换协议信息之前，还包括：
获取预先构建的包含有全量设备通信协议的设备协议库；
从所述设备协议库中获取任意一个设备通信协议作为当前通信协议，利用所述当前通信协议对样本设备进行通信测试，获取所述样本设备的通信测试结果；
在所述通信测试结果表征所述样本设备的通信成功率满足预设条件的情况下，构建所述样本设备与所述当前通信协议的匹配关系。
12.根据权利要求1所述的方法，其特征在于，所述电力负荷柔性调控终端具备边缘计算能力，所述通过所述柔性负荷调控模型生成针对所述待调控专变台区的柔性负荷调控方案，包括：
利用所述电力负荷柔性调控终端的边缘计算能力，通过所述柔性负荷调控模型生成针对所述待调控专变台区的柔性负荷调控方案；
所述方法还包括：
接收主站发送的针对所述待调控专变台区的柔性负荷调控方案；所述柔性负荷调控方案由所述主站根据采集的预设历史时间段中所述待调控专变台区中多种类型柔性负荷的负荷运行状态数据得到；
生成与所述柔性负荷调控方案相匹配的调控指令，并将协议转换后的所述调控指令发送至所述待调控专变台区，以调控所述待调控专变台区中的柔性负荷。
13.一种电力负荷柔性调控装置，其特征在于，应用于电力负荷柔性调控终端，所述装置包括：
运行数据获取模块，用于获取预设历史时间段中待调控专变台区中经过协议转换后，针对分布式光伏、储能、充电站、非生产性空调、通信基站或可连续压降的生产负荷的至少一个场景下的多元柔性负荷的负荷运行状态数据，并进一步根据所述至少一个场景下的多元柔性负荷运行特性，将所述多元柔性负荷划分为可转移负荷、可平移负荷以及可削减负荷中的至少一种；
子运行数据获取模块，用于将所述负荷运行状态数据输入预先训练的非侵入式负荷辨识模型，得到所述预设历史时间段中，各类型柔性负荷的子负荷运行状态数据；
预测数据获取模块，用于将各所述子负荷运行状态数据，分别输入针对各类型柔性负荷预先训练的负荷状态预测模型，得到预设未来时间段中，各类型柔性负荷的预测负荷运行状态数据；
调控方案生成模块，用于将所述预测负荷运行状态数据输入预先构建的柔性负荷调控模型，通过所述柔性负荷调控模型生成针对所述待调控专变台区的柔性负荷调控方案；
调控指令发送模块，用于生成与所述柔性负荷调控方案相匹配的调控指令，并将协议转换后的所述调控指令发送至所述待调控专变台区，以调控所述待调控专变台区中的柔性负荷。
14.一种电力负荷柔性调控终端，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12中任一项所述的方法的步骤。
15.一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12中任一项所述的方法的步骤。
CN202311435605.9A 2023-11-01 2023-11-01 一种电力负荷柔性调控终端 Active CN117175609B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311435605.9A CN117175609B (zh) 2023-11-01 2023-11-01 一种电力负荷柔性调控终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311435605.9A CN117175609B (zh) 2023-11-01 2023-11-01 一种电力负荷柔性调控终端

Publications (2)

Publication Number Publication Date
CN117175609A true CN117175609A (zh) 2023-12-05
CN117175609B CN117175609B (zh) 2024-02-23

Family

ID=88930085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311435605.9A Active CN117175609B (zh) 2023-11-01 2023-11-01 一种电力负荷柔性调控终端

Country Status (1)

Country Link
CN (1) CN117175609B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105098979A (zh) * 2014-12-19 2015-11-25 国网山东泗水县供电公司 一种自动化电力调度系统及方法
CN109103912A (zh) * 2018-07-18 2018-12-28 合肥工业大学 考虑电网调峰需求的工业园区主动配电系统调度优化方法
CN109193630A (zh) * 2018-09-21 2019-01-11 武汉大学 一种柔性负荷可调区间预测方法及装置
CN110137942A (zh) * 2019-04-23 2019-08-16 河海大学 基于模型预测控制的多时间尺度柔性负荷滚动调度方法和系统
CN110363362A (zh) * 2019-07-30 2019-10-22 合肥工业大学 一种计及柔性负荷的多目标日前经济调度模型与方法
CN110414804A (zh) * 2019-07-08 2019-11-05 华中科技大学 一种基于多维度响应特性的价格型需求响应建模方法
CN111092434A (zh) * 2019-12-25 2020-05-01 天津大学 基于非侵入式用电数据居民小区电力负荷控制方法及装置
CN112016195A (zh) * 2020-08-10 2020-12-01 浙江大学 一种考虑供能可靠性的电气耦合系统柔性规划方法
CN114064471A (zh) * 2021-11-11 2022-02-18 中国民用航空总局第二研究所 一种基于生成对抗网络的Ethernet/IP协议模糊测试方法
CN116780644A (zh) * 2023-06-06 2023-09-19 桂林电子科技大学 一种微电网源储荷协同参与响应电网调峰需求方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105098979A (zh) * 2014-12-19 2015-11-25 国网山东泗水县供电公司 一种自动化电力调度系统及方法
CN109103912A (zh) * 2018-07-18 2018-12-28 合肥工业大学 考虑电网调峰需求的工业园区主动配电系统调度优化方法
CN109193630A (zh) * 2018-09-21 2019-01-11 武汉大学 一种柔性负荷可调区间预测方法及装置
CN110137942A (zh) * 2019-04-23 2019-08-16 河海大学 基于模型预测控制的多时间尺度柔性负荷滚动调度方法和系统
CN110414804A (zh) * 2019-07-08 2019-11-05 华中科技大学 一种基于多维度响应特性的价格型需求响应建模方法
CN110363362A (zh) * 2019-07-30 2019-10-22 合肥工业大学 一种计及柔性负荷的多目标日前经济调度模型与方法
CN111092434A (zh) * 2019-12-25 2020-05-01 天津大学 基于非侵入式用电数据居民小区电力负荷控制方法及装置
CN112016195A (zh) * 2020-08-10 2020-12-01 浙江大学 一种考虑供能可靠性的电气耦合系统柔性规划方法
CN114064471A (zh) * 2021-11-11 2022-02-18 中国民用航空总局第二研究所 一种基于生成对抗网络的Ethernet/IP协议模糊测试方法
CN116780644A (zh) * 2023-06-06 2023-09-19 桂林电子科技大学 一种微电网源储荷协同参与响应电网调峰需求方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李禹鹏 等: "考虑风电不确定性及柔性负荷的安全约束机组组合问题研究", 电力建设, vol. 38, no. 02, pages 129 *
沙熠;邱晓燕;宁雪姣;韩轩;: "协调储能与柔性负荷的主动配电网多目标优化调度", 电网技术, vol. 40, no. 05, pages 1394 *

Also Published As

Publication number Publication date
CN117175609B (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
Chen et al. Local energy trading behavior modeling with deep reinforcement learning
US11243262B2 (en) Degradation estimation apparatus, computer program, and degradation estimation method
Rahmani-Andebili et al. Cooperative distributed energy scheduling for smart homes applying stochastic model predictive control
Lujano-Rojas et al. Optimizing daily operation of battery energy storage systems under real-time pricing schemes
Zhang et al. A systematic approach for the joint dispatch of energy and reserve incorporating demand response
US9020800B2 (en) Method and apparatus for controlling energy services based on market data
Chen et al. Optimal allocation of distributed generation and energy storage system in microgrids
EP3770619A1 (en) Degradation estimating device, computer program, and degradation estimating method
Kumtepeli et al. Design and analysis of an aging‐aware energy management system for islanded grids using mixed‐integer quadratic programming
CN105684257A (zh) 用于控制微电网的操作的微电网能量管理系统和方法
Leonori et al. Multi objective optimization of a fuzzy logic controller for energy management in microgrids
Wu et al. Modeling and optimization methods for controlling and sizing grid-connected energy storage: A review
Lujano-Rojas et al. Contract design of direct-load control programs and their optimal management by genetic algorithm
CN111612363B (zh) 基于区块链的电量调度方法、装置、计算机设备和存储介质
Guo et al. Real-time self-dispatch of a remote wind-storage integrated power plant without predictions: Explicit policy and performance guarantee
CN111738529A (zh) 基于强化学习的综合能源系统需求响应方法、系统及设备
CN111064199A (zh) 一种智能微网的控制方法及装置
CN117439101B (zh) 一种用于电网中新能源与柔性负荷互动的智能网络
Carvalho et al. An adaptive multi-agent-based approach to smart grids control and optimization
CN117175609B (zh) 一种电力负荷柔性调控终端
CN115545588A (zh) 固定储能系统选址确定方法、装置、电子设备及存储介质
CN112819307B (zh) 智能电网中基于负载监督的需求响应方法及系统
Zhang et al. Deep learning-based energy optimization for electric vehicles integrated smart micro grid
WO2021162572A1 (en) A smart power splitter and a method for providing power with use of the smart power splitter
Han et al. Grid-to-vehicle (G2V) and vehicle-to-grid (V2G) technologies

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