CN117252612A - 一种供售电方案的确定方法、装置、电子设备及存储介质 - Google Patents
一种供售电方案的确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117252612A CN117252612A CN202310989966.1A CN202310989966A CN117252612A CN 117252612 A CN117252612 A CN 117252612A CN 202310989966 A CN202310989966 A CN 202310989966A CN 117252612 A CN117252612 A CN 117252612A
- Authority
- CN
- China
- Prior art keywords
- power supply
- micro
- grid system
- scheme
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000012423 maintenance Methods 0.000 claims abstract description 103
- 230000005611 electricity Effects 0.000 claims abstract description 42
- 230000004044 response Effects 0.000 claims description 53
- 238000011156 evaluation Methods 0.000 claims description 49
- 238000010248 power generation Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 13
- 230000015654 memory Effects 0.000 claims description 12
- 230000008901 benefit Effects 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000007787 long-term memory Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种供售电方案的确定方法、装置、电子设备及存储介质,其中,该方法包括:获取与微电网系统相对应的历史关联数据,并基于历史关联数据确定与微电网系统相对应的待确定供售电方案;基于预先构建的供售电方案确定模型,确定与待确定供售电方案对应的待确定运维代价;对参考供电价值属性和参考可中断负荷占比进行调参,直至待确定运维代价最小时,将待确定供售电方案确定为目标供售电方案。达到了在微电网系统稳定供电的基础上,通过降低从主电网供电系统的购电量,达到降低对主电网系统的供电依赖,同时降低微电网系统的运维代价的效果。
Description
技术领域
本发明涉及电网控制技术领域,尤其涉及一种供售电方案的确定方法、装置、电子设备及存储介质。
背景技术
微电网系统在进行电网供电时,需要根据用电区域的用电设备的用电情况制定更加合理的供售电方案。
目前,大多数微电网系统的供售电方案主要是通过从主网供电系统进行购电,继而向用电设备进行供电。但是对于微电网系统来说,若想尽可能的实现经济最大化,需要保证供电稳定性的同时,尽可能的减少从主网供电系统购电,以降低对主网供电系统的供电依赖。
为了使得基于微电网系统的供电方式能够实现经济最大化,需要对微电网系统的供售电方案进行改进。
发明内容
本发明提供了一种供售电方案的确定方法、装置、电子设备及存储介质,以解决为保证微电网系统的稳定供电,对主电网供电系统的供电依赖较大,且存在微电网系统的运维代价高的问题。
第一方面,本发明实施例提供了一种供售电方案的确定方法,包括:
获取与微电网系统相对应的历史关联数据,并基于所述历史关联数据确定与所述微电网系统相对应的待确定供售电方案;其中,所述待确定供售电方案中包括所述微电网系统在价格需求响应模式下的参考供电价值属性和/或所述微电网系统在可中断负荷模式下的参考可中断负荷占比;
基于预先构建的供售电方案确定模型,确定与所述待确定供售电方案对应的待确定运维代价;
对所述参考供电价值属性和所述参考可中断负荷占比进行调参,直至所述待确定运维代价最小时,将所述待确定供售电方案确定为目标供售电方案。
第二方面,本发明实施例还提供了一种供售电方案的确定装置,包括:
待确定供售电方案确定模块,用于获取与微电网系统相对应的历史关联数据,并基于所述历史关联数据确定与所述微电网系统相对应的待确定供售电方案;其中,所述待确定供售电方案中包括所述微电网系统在价格需求响应模式下的参考供电价值属性和/或所述微电网系统在可中断负荷模式下的参考可中断负荷占比;
运维代价确定模块,用于基于预先构建的供售电方案确定模型,确定与所述待确定供售电方案对应的待确定运维代价;
目标供售电方案确定模块,用于对所述参考供电价值属性和所述参考可中断负荷占比进行调参,直至所述待确定运维代价最小时,将所述待确定供售电方案确定为目标供售电方案。
第三方面,本发明实施例还提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的供售电方案的确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的供售电方案的确定方法。
本发明实施例的技术方案,通过获取与微电网系统相对应的历史关联数据,并基于历史关联数据确定与微电网系统相对应的待确定供售电方案;基于预先构建的供售电方案确定模型,确定与待确定供售电方案对应的待确定运维代价;对参考供电价值属性和参考可中断负荷占比进行调参,直至待确定运维代价最小时,将待确定供售电方案确定为目标供售电方案。解决了为保证微电网系统的稳定供电,对主电网供电系统的供电依赖较大,且存在微电网系统的运维代价高的问题,达到了在微电网系统稳定供电的基础上,通过降低从主电网供电系统的购电量,达到降低对主电网系统的供电依赖,同时降低微电网系统的运维代价的效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,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是根据本发明实施例一提供的一种供售电方案确定方法的流程图;
图2是根据本发明实施例二提供的一种供售电方案确定方法的流程图;
图3为根据本发明实施例三提供的一种微电网系统结构示意图;
图4为根据本发明实施例三提供的一种智能算法架构示意图;
图5是根据本发明实施例四提供的一种供售电方案确定装置的结构示意图;
图6是实现本发明实施例的供售电方案确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
在对本技术方案进行详细阐述之前,先对本技术方案的应用场景进行简单介绍,以便更加清楚地理解本技术方案。微电网系统是由分布式电源、负荷、储能、变配电和控制系统构成的小型电力系统,同时,微电网系统可以实现自我控制、保护和管理,即可以与外部电网并网运行,也可以孤网运行。在实际应用中,微电网系统中部署有大量光伏发电站,其中光伏发电站具备有源性,可以满足孤岛运行的条件,但是由于光伏发电存在不稳定性,可以通过经济激励以及供电价值属性的调节,确定微电网系统的的负荷调整策略,进而保证微电网系统的供电稳定性。
在实际应用中,随着电力市场的进一步发展,微电网系统的主导者并非电网机构,而是用户与电网机构之外的微电网管理者,也就是电力市场机制下产生的第三方主体,负责整合分散微电网系统的需求响应资源,并以此来参与电力系统运营,获取相应的收益。然而,从微电网管理者的角度出发,微电网管理者若想实现经济收益最大化,需要尽量的使微电网系统处于孤岛运行状态,并将光伏发电站产生的多余电力向主网供电系统出售,此时,微电网系统将不仅仅是作为主网供电系统的调度资源,而是需要尽量减少从主网供电系统购入电量。基于此,本技术方案从微电网管理者的角度出发,对微电网系统的供售电方案进行改进,以实现微电网系统的经济收益最大化。
实施例一
图1为本发明实施例一提供了一种供售电方案的确定方法的流程图,本实施例可适用于通过调节微电网的供电模式,在微电网系统稳定供电的基础上,降低对主电网供电系统的供电依赖,同时降低微电网系统的运维代价的情况,该方法可以由供售电方案的确定装置来执行,该供售电方案的确定装置可以采用硬件和/或软件的形式实现,该供售电方案的确定装置可配置于可执行供售电方案的确定方法的计算设备中。
如图1所示,该方法包括:
S110、获取与微电网系统相对应的历史关联数据,并基于历史关联数据确定与微电网系统相对应的待确定供售电方案。
其中,历史关联数据是指微电网系统在历史运行过程中产生的历史负荷数据、历史可中断负荷占比以及历史供电价值属性等数据。待确定供售电方案可以理解为微电网系统在向各用电区域的用电设备进行供电时采用的供售电方案。在本技术方案中,待确定供售电方案中包括微电网系统在价格需求响应模式下的参考供电价值属性和/或微电网系统在可中断负荷模式下的参考可中断负荷占比。所谓参考供电价值属性是指微电网系统根据用户的用电情况设置的供电价值属性,换句话说,参考供电价值属性不是固定的供电价值属性,而是可以随着用户的用电情况进行浮动的供电价值属性,如,当处于用电高峰期时,为了降低用户的用电量,可以提高参考供电价值属性,当处于用电低峰期时,为了鼓励用户尽量多的使用电量,可以降低参考供电价值属性。
示例性地,在本技术方案中,为了提高微网管理者通过控制微网系统向用电设备进行供电的方式,达到实现经济效益最大化的目的,可以采用不同的待确定供售电方案。如,在用电高峰期时,由于微电网系统中的光伏发电站的发电能力的限制,可能存在无法满足用电设备的用电量的问题,因此,微电网系统需要从主网供电系统购入相应的电量,以满足用电设备的用电需求。但是,考虑到微电网系统在购电时需要付出的购电价值属性较高,为了降低微电网系统的运维代价,需要降低从主网供电系统的购电量,或者,在微电网系统的发电量存在盈余时,还可以向主电网系统进行反向售电,以降低微电网系统自身的运维代价。基于此,微电网系统可以提出相应的待确定方案,如,提高在用电高峰期的供电价值属性,以引导用户在用电高峰期降低用电量,从而降低微电网系统从主网购电系统处的购电量。或者,降低用电低峰期的供电价值属性,以引导用户在用电低峰期尽可能多的用电,以通过微电网系统中的光伏发电站的发电能力满足用户的用电需求。
可选的,获取与微电网系统相对应的历史关联数据,并基于历史关联数据确定与微电网系统相对应的待确定供售电方案,包括:获取微电网系统在至少一个历史数据采集时刻下的待处理数据;从至少一个待处理数据中,提取微电网系统在非价格需求响应模式下的历史供电价值属性;以及从至少一个待处理数据中,提取微电网系统在非中断负荷模式下的历史负荷数据;基于历史供电价值属性和历史负荷数据,确定微电网系统所对应的待确定供售电方案。
其中,待处理数据中包括微电网系统从主网供电系统的购电数据、光伏发电数据、非价格需求响应模式下的供电价值属性以及非中断负荷模式下的负荷数据中的至少一种。
在本技术方案中,所谓价格需求响应模式是指微电网系统通过调节不同时段的供电价值属性,以引导用户主动改变用电策略的供电模式。如,在用电高峰期所对应的供电价值属性较高,在用电低峰期所对应的供电价值属性较低,基于此,用户为了降低用电价值属性,将会在用电高峰期时主动减少用电量,在用电低峰期提高用电量。相应的,非价格需求响应是指微电网系统的供电价值属性不受到用电时段特性的影响的供电模式。如,微电网系统在各时段所对应的供电价值属性相同。
在本技术方案中,所谓可中断负荷模式是指微电网系统在进行供电时,为了降低微电网系统的运维代价,可以对某些供电时段采取中断供电的供电模式。当然,在采用可中断负荷模式时需要在相应的用户的允许的前提下进行,如,用户A为了降低用电价值属性,可以选择中断部分的用电时段的用电模式,并与微电网系统签订相应的用电协议,通过这样的操作方式,微电网系统可以在一定程度上降低用户的用电高峰期的用电量,以达到降低微电网系统的运维代价的效果。
S120、基于预先构建的供售电方案确定模型,确定与待确定供售电方案对应的待确定运维代价。
其中,供售电方案确定模型可以理解为用于根据待确定供售电方案中的参考供电价值属性和参考可中断负荷占比计算微电网系统的运维代价,并根据运维代价得到待确定供售电方案的模型。待确定运维代价可以理解为微电网系统在供售电过程中所付出的支出代价,如,待确定运维代价中包括光伏发电站的发电代价、从主电网系统购电时产生的购电代价以及维护微电网系统自身运行的运维代价等。
具体的,在基于历史关联数据确定待确定供售电方案后,将待确定供售电方案中的参考供电价值属性和参考可中断负荷占比输入预先构建的供售电方案确定模型中,以基于该模型对微电网系统的运维代价进行计算,得到待确定运维代价。
S130、对参考供电价值属性和参考可中断负荷占比进行调参,直至待确定运维代价最小时,将待确定供售电方案确定为目标供售电方案。
需要说明的是,参考供电价值属性和参考可中断负荷占比是计算待确定运维代价的主要因素,因此,需要寻求与微电网系统相对应的最佳参考供电价值属性和参考可中断负荷占比。具体而言,在基于供售电确定模型计算待确定运维代价时,当参考供电价值属性和参考可中断负荷占比的值发生变化时,微电网系统对应的待确定运维代价也会发生变化,在本技术方案中,每次计算待确定运维代价后,需要对待确定运维代价进行优化,直至待确定运维代价最小时,可以根据相应的参考供电价值属性和参考可中断负荷占比得到目标供售电方案。
可选的,对参考供电价值属性和参考可中断负荷占比进行调参,直至待确定运维代价最小时,将待确定供售电方案确定为目标供售电方案,包括:基于供售电方案确定模型,对待确定供售电方案的待确定运维代价进行迭代优化,得到优化结果;根据优化结果调节参考供电价值属性和参考可中断负荷占比,直至待确定运维代价为最小时,将待确定供售电方案确定为目标供售电方案。
本发明实施例的技术方案,通过获取与微电网系统相对应的历史关联数据,并基于历史关联数据确定与微电网系统相对应的至少一个待确定供售电方案,通过对微电网系统的历史关联数据进行分析处理,可以得到微电网系统在微电网系统在价格需求响应模式下的参考供电价值属性和/或微电网系统在可中断负荷模式下的参考可中断负荷占比,即,待确定供售电方案。进一步的,基于预先构建的供售电方案确定模型,确定与待确定供售电方案对应的待确定运维代价;对参考供电价值属性和参考可中断负荷占比进行调参,直至待确定运维代价最小时,将待确定供售电方案确定为目标供售电方案,通过预先构建的供售电方案确定模型确定微电网系统在使用待确定供售电方案时对应的待确定运维代价,进一步的,通过对待确定供售电方案中的参考供电价值属性和参考可中断负荷占比进行调参,以在微电网系统对应的待确定运维代价最小时将待确定供售电方案确定为目标供售电方案。解决了为保证微电网系统的稳定供电,对主电网供电系统的供电依赖较大,且存在微电网系统的运维代价高的问题,达到了在微电网系统稳定供电的基础上,通过降低从主电网供电系统的购电量,达到降低对主电网系统的供电依赖,同时降低微电网系统的运维代价的效果。
实施例二
图2为本发明实施例二提供的一种供售电方案的确定方法的流程图,可选的,对获取与微电网系统相对应的历史关联数据,并基于历史关联数据确定与微电网系统相对应的待确定供售电方案进行细化。
如图2所示,该方法包括:
S210、获取微电网系统在至少一个历史数据采集时刻下的待处理数据。
S220、从至少一个待处理数据中,提取微电网系统在非价格需求响应模式下的历史供电价值属性,以及从至少一个待处理数据中,提取微电网系统在非中断负荷模式下的历史负荷数据。
S230、基于历史供电价值属性和历史负荷数据,确定微电网系统所对应的待确定供售电方案。
在实际应用中,基于历史供电价值属性和历史负荷数据,确定微电网系统所对应的待确定供售电方案,包括:将历史供电价值属性输入预先构建的第一智体模型,得到微电网系统在价格需求响应模式下的参考供电价值属性;将历史负荷数据输入预先构建的第二智体模型,得到微电网系统在可中断负荷模式下的参考可中断负荷占比;基于参考供电价值属性和参考可中断负荷占比构建与微电网系统相对应的供售电方案确定模型,并基于供售电方案确定模型确定与微电网系统相对应的待确定供售电方案。
其中,第一智体模型为基于价格需求响应的供电价值属性确定模型。第二智体模型为基于可中断负荷模式的可中断负荷占比确定模型。
在本技术方案中,第一智体模型和第二智体模型的网络参数互相独立,其中,第一智体模型根据输入的历史供电价值属性,可以得到微电网系统在价格需求响应模式下的参考供电价值属性。相应的,第二智体模型根据输入的历史负荷数据可以得到微电网系统在可中断负荷模式下的参考可中断负荷占比。
在实际应用中,本技术方案采用智能算法对历史供电价值属性和历史负荷数据进行处理,以得到与微电网系统相对应的待确定供售电方案。具体的,本技术方案中的第一智体模型和第二智体模型为深度神经网络模型,也是智能算法的入口,且两个智体模型的网络参数互相独立。在第一智体模型中输入历史供电价值属性,用于模拟微电网管理者对参考供电价值属性做出决策。在第二智体模型中输入历史负荷数据,用于模拟微电网管理者对参考可中断负荷占比做出决策。基于此,通过第一智体模型对历史供电价值属性进行处理后,可以得到微电网系统在价格需求响应模式下的参考供电价值属性,通过第二智体模型对历史负荷数据进行处理,可以得到微电网系统在可中断负荷模式下的参考可中断负荷占比。
进一步的,基于参考供电价值属性和参考可中断负荷占比构建与微电网系统相对应的运维代价确定模型,包括:调取与微电网系统相对应的原始运维代价确定模型,并将参考供电价值属性和参考可中断负荷占比输入原始运维代价确定模型,得到待优化代价模型;基于至少一个待使用约束条件对待优化代价模型进行约束,得到与微电网系统相对应的运维代价确定模型。
其中,原始运维代价确定模型可以理解为根据预先设置的或者默认的供电价值属性和可中断负荷占比得到的与微电网系统相对应的运维代价模型。但是,微电网系统在基于预先设置的或默认的供电价值属性和可中断负荷占比对用户的用电设备进行供电时,所对应的运维代价可能不是最低的。为了使得微电网系统的运维代价最低,同时所对应的经济效益最高,需要根据参考供电价值属性和参考可中断负荷占比对原始运维代价确定模型进行优化处理,并将每次优化后的原始运维代价确定模型作为待优化代价模型。也就是说,在对原始运维代价确定模型进行优化时,可能需要进行多次优化,以使待优化代价模型满足预先设置的待使用约束条件。在本技术方案中,待优化代价模型在一次或多次优化过程中,将预先设置的待使用约束条件作为待优化代价模型的优化结束条件。运维代价确定模型即可理解为满足待使用约束条件的待优化代价模型,基于运维代价确定模型可以确定微电网系统所对应的最小待确定运维代价。
其中,所谓待使用约束条件包括微电网系统从主网供电系统的购电量约束,主网供电系统所对应的最大供电量约束以及微电网系统中的光伏发电站的最大光伏发电量约束。可选的,基于参考供电价值属性和参考可中断负荷占比构建与微电网系统相对应的供售电方案确定模型,包括:调取与微电网系统相对应的原始供售电方案确定模型,并将参考供电价值属性和参考可中断负荷占比输入原始供售电方案确定模型,得到待优化代价模型;基于至少一个待使用约束条件对待优化代价模型进行约束,得到与微电网系统相对应的供售电方案确定模型。
在实际应用中,基于至少一个待使用约束条件对待优化代价模型进行约束,得到与微电网系统相对应的供售电方案确定模型,包括:根据主网供电系统和微电网系统之间的最大供电数据,确定与微电网系统相对应的第一待使用约束条件;根据主网供电系统对应的最大供电数据,确定与微电网系统相对应的第二待使用约束条件;基于主网供电系统中的光伏发电系统的最大供电数据,确定与为微电网系统对应的第三待使用约束条件;当待优化代价模型满足第一待使用约束条件、第二待使用约束条件和第三待使用约束条件时,得到与微电网系统相对应的供售电方案确定模型。
可选的,基于供售电方案确定模型确定与微电网系统相对应的待确定供售电方案,包括:获取与微电网系统相对应的待使用数据,并基于待使用数据对对供售电方案确定模型进行可靠性评估,得到可靠性评估属性;其中,待使用数据中包括与微电网系统相对应的主网供电数据、光伏发电数据、参考供电价值属性、参考可中断负荷占比以及非价格需求响应下的供电价值属性中的至少一种;当可靠性评估属性小于预设可靠性评估属性时,基于供售电方案确定模型重新确定与微电网系统相对应的参考供电价值属性和参考可中断负荷占比,直至可靠性评估属性大于或等于预设可靠性评估属性;基于至少一个可靠性评估属性所对应的与微电网系统相对应的参考供电价值属性和参考可中断负荷占比,确定与微电网系统相对应的待确定供售电方案。
其中,待使用数据中包括与微电网系统相对应的主网供电数据、光伏发电数据、参考供电价值属性、参考可中断负荷占比以及非价格需求响应下的供电价值属性中的至少一种。
其中,可靠性评估属性可以理解为对运维代价确定模型所输出的参考供电价值属性和参考可中断负荷占比的可靠性进行评估的评估值。或者说,根据运维代价确定模型所对应的可靠性评估属性,可以确定所得到的参考供电价值属性和参考可中断负荷占比是否为最佳设置值,当可靠性评估属性越高,则表明微电网系统基于该运维代价确定模型得到的参考供电价值属性和参考可中断负荷占比所对应的运维代价越低。
需要说明的是,在实际使用过程中,在基于运维代价确定模型确定参考供电价值属性和参考可中断负荷占比时,需要多次进行计算,也就是说,将得到多组参考供电价值属性和参考可中断负荷占比。其中,每得到一组参考供电价值属性和参考可中断负荷占比,即可得到与该运维代价确定模型相对应的可靠性评估属性,换句话说,每个可靠性评估属性对应一组参考供电价值属性和参考可中断负荷占比。若可靠性评估属性小于预设可靠性评估属性,其表明微电网系统在所得到的参考供电价值属性和参考可中断负荷占比下所对应的运维代价较高,此时需要重新确定参考供电价值属性和参考可中断负荷占比。
S240、基于预先构建的供售电方案确定模型,确定与待确定供售电方案对应的待确定运维代价。
S250、对参考供电价值属性和参考可中断负荷占比进行调参,直至待确定运维代价最小时,将待确定供售电方案确定为目标供售电方案。
本发明实施例的技术方案,通过获取与微电网系统相对应的历史关联数据,并基于历史关联数据确定与微电网系统相对应的待确定供售电方案;基于预先构建的供售电方案确定模型,确定与待确定供售电方案对应的待确定运维代价;对参考供电价值属性和参考可中断负荷占比进行调参,直至待确定运维代价最小时,将待确定供售电方案确定为目标供售电方案。解决了为保证微电网系统的稳定供电,对主电网供电系统的供电依赖较大,且存在微电网系统的运维代价高的问题,达到了在微电网系统稳定供电的基础上,通过降低从主电网供电系统的购电量,达到降低对主电网系统的供电依赖,同时降低微电网系统的运维代价的效果。
实施例三
在一个具体的例子中,本技术方案中在确定与微电网系统所对应的待确定供售电方案时,需要考虑微电网系统所对应的主网供电系统PG、微电网系统中的光伏发电站PPV、可中断负荷PDLC、价格型需求响应PP和非需求响应的负荷PUNC。
如图3所示,从微电网管理者的运维成本最小化出发,需要构建与微电网系统相对应的运维代价确定模型。所述运维代价确定模型如下所述:
其中,Pt r表示微电网系统在价格需求响应模式下的参考供电价值属性,KDLC表示微电网系统在可中断负荷模式下的参考可中断负荷占比,CPV,t表示微电网系统中的光伏发电站所对应的光伏发电运维代价,CGRID,t表示微电网系统向主电网供电系统购电时所对应的购电代价,CREV,t表示微电网系统的负荷运维代价,T表示微电网系统所对应的所有供电时段,t为T中的任意一个供电时刻,η(Pt r,KDLC)表示微电网系统所对应的最低供电价值属性。
其中,光伏发电运维代价CPV,t可以通过以下公式确定:
其中,CPV,t表示微电网系统中的光伏发电站所对应的光伏发电运维代价CPV,OM表示微电网系统中的光伏发电站每千瓦时的运维代价,RPV,i,t表示第i个节点第t时段的光伏出力百分比,表示第i个节点的光伏发电站的额定出力。
其中,购电代价CGRID,t可以通过以下公式确定:
CGRID,t=Cbuy,tPdef,t-Csell,tPsur,t
其中,CGRIDt,表示微电网系统向主电网供电系统购电时所对应的购电代价,Cbuy,t表示t时刻下从微电网系统从主网供电系统进行购电的购电电量,Pdef,t表示t时刻下从微电网系统从主网供电系统进行购电的购电价值属性,Csell,t表示t时刻下从微电网系统向主网供电系统进行售电的售电电量,Psur,t示t时刻下从微电网系统向主网供电系统进行售电的售电价值属性。
其中,负荷运维代价CREV,t可以通过以下公式确定:
CREV,t=CCON,t+CUNC,t
其中,CREV,t表示微电网系统的负荷运维代价,CCON,t表示微电网系统在价格需求响应模式和可中断负荷模式下的系统运维代价,CUNC,t表示微电网系统在非价格需求响应模式下的系统运维代价。
为了更加清楚地介绍本技术方案,其中,CCON,t可以通过以下公式确定:
其中,KPBDRi,t,表示微电网系统在可中断负荷模式下的第i个节点在t时刻下的可中断负荷占比,PD,i,t表示微电网系统在价格需求响应模式下的t时刻下的供电价值属性,Pt r表示微电网系统在价格需求响应模式下的参考供电价值属性。
其中,CUNC,t可以通过以下公式确定:
其中,CUNC,t表示微电网系统在非价格需求响应模式下的系统运维代价,KPBDR,i,t表示微电网系统在可中断负荷模式下的t时刻下的可中断负荷占比,KDLC,i,t表示微电网系统在可中断负荷模式下的t时刻下可中断负荷占比,PD,i,t表示微电网系统在价格需求响应模式下的t时刻下的供电价值属性,Pt 0表示微电网系统在非价格需求响应模式下的供电价值属性。
其中,Pdef,t可以通过以下公式确定:
其中,Pdef,t表示t时刻下从微电网系统从主网供电系统进行购电的购电价值属性,PD,i,t表示微电网系统在价格需求响应模式下的t时刻下的供电价值属性,RPV,i,t表示第i个节点第t时段的光伏出力百分比,表示微电网系统中的光伏发电站在t时刻下的光伏发电站的额定出力,KDLC,i,t表示微电网系统的第i个节点,在可中断负荷模式下的t时刻下的可中断负荷占比,PD,i,t表示微电网系统在价格需求响应模式下的t时刻下的供电价值属性。
其中,Psur,t可以通过以下公式确定:
其中,Psur,t示t时刻下从微电网系统向主网供电系统进行售电的售电价值属性,PD,i,t表示微电网系统在价格需求响应模式下的t时刻下的供电价值属性,RPV,i,t表示第i个节点第t时段的光伏出力百分比,表示微电网系统中的光伏发电站在t时刻下的光伏发电站的额定出力,KDLC,i,t表示微电网系统的第i个节点,在可中断负荷模式下的t时刻下的可中断负荷占比,PD,i,t表示微电网系统在价格需求响应模式下的t时刻下的供电价值属性。
为了确定与微电网系统相对应的最低运维代价,运维代价确定模型需要满足以下待使用约束条件,具体的,待使用约束条件包括第一待使用约束条件、第二待使用约束条件和第三待使用约束条件。
其中,第一待使用约束条件可以通过以下公式表示:
其中,PG,t表示主网供电系统在t时刻下向微电网系统进行供电的供电电量,PD,i,t表示微电网系统在价格需求响应模式下的t时刻下的供电价值属性,RPV,i,t表示第i个节点第t时段的光伏出力百分比,KDLC,i,t表示微电网系统的第i个节点,在可中断负荷模式下的t时刻下的可中断负荷占比,PD,i,t表示微电网系统在价格需求响应模式下的t时刻下的供电价值属性。
其中,第二待使用约束条件可以通过以下公式表示:
PG,t≤Ptie
其中,PG,t表示主网供电系统在t时刻下向微电网系统进行供电的供电电量,Ptie表示主网供电系统向微电网系统进行供电的最大供电电量。
其中,第三待使用约束条件可以通过以下公式表示:
其中,RPV,i,t表示RPV,i,t表示第i个节点第t时段的光伏出力百分比,表示微电网系统中的光伏发电站在t时刻下的光伏发电站的额定出力,PG,t表示主网供电系统在t时刻下向微电网系统进行供电的供电电量。
其中,第三待使用约束条件可以用于描述微电网系统向主网供电系统进行供电电量最多不超过微电网系统中的光伏发电站的光伏发电量。
进一步的,在本技术方案中,采用的智能算法为多智体深度强化学习方法,该算法的算法架构如图4所示,该智能算法由两个智体模型(即,第一智体模型和第二智体模型)、一个评价神经网络、一个长期记忆库和一个二阶判据组成。
其中,多智体模型是深度神经网络,也是智能算法的入口。两个智体的网络参数相互独立。在本发明的业务场景中,两个智体分别记为基于基于价格需求响应的供电价值属性确定(Prcing-Based Demand Response,PBDR)智体和基于可中断负荷模式的可中断负荷占比确定模型(Direct Load Cutting,DLC),分别用于模拟微网管理者对Pt r和KDLC,i,t做出决策。两者分别输出价格型需求响应的参考供电价值属性以及参考可中断负荷占比。
在实际使用过程中,在第一智体模型中输入即,历史供电价值属性,其中,PD,i,t表示微电网系统在价格需求响应模式下的t时刻下的供电价值属性,表示微电网系统中的光伏发电站在t时刻下的光伏发电站的额定出力。经过第一智体模型处理后,可以得到微电网系统在价格需求响应模式下所对应的参考供电价值属性aP,t={Pt r|i∈N}=θP(sP,t),其中,Pt r表示微电网系统在价格需求响应模式下的参考供电价值属性,θP(.)表示第一智体模型的网络参数。
在第二智体模型中输入即,历史负荷数据,其中,KDLC,i,t表示微电网系统的第i个节点,在可中断负荷模式下的t时刻下的可中断负荷占比,表示微电网系统中的光伏发电站在t时刻下的光伏发电站的额定出力。经过第二智体模型进行处理后,可以得到微电网系统在可中断负荷模式下的参考可中断负荷占比aD,t={KDLC,i,t|i∈N}=θD(sP,t),其中,KDLC,i,t表示微电网系统的第i个节点,在可中断负荷模式下的t时刻下的可中断负荷占比,θD(.)表示第二智体模型的网络参数。
进一步,将aP,t={Pt r|i∈N}=θP(sP,t)和aD,t={KDLC,i,t|i∈N}=θD(sP,t)是输入一阶判据中,以基于一阶判据对主网供电系统向微电网系统进行供电的供电量、微电网系统中的光伏发电站的发电量、可中断负荷模式下的可中断负荷供电价值属性、价格需求响应模式下的供电价值属性,以及非价格需求响应下的负荷数据等进行更新。
具体的,
Qt=E(Rt)
其中,Rt是时刻t的奖励值,假设模型要迭代更新M次,则训练样本中一共存在M个Rt,而E(Rt)是计算所有时刻t下Rt值的数学期望,即,Q(可靠性评估属性)。
其中,Rt共计算两个系数,其一为其二为CPV,t+CGRID,t+CREV,t,可以由优化目标公式(即,运维代价确定模型)演算而来,该数值越小,代表微网管理者的运维代价越低。Qt是时刻t的Q值,分别对应两个智体模型的综合评价。
对于Qt=E(Rt)中的Q值来说,Q值只能对时刻t的动作值作出评价,但在电力系统中,时刻t的动作值将会影响下一个时刻的状态值,因此,Q值应能考虑后续时刻的状态值。在本技术方案中,Q可以用于表示供售电确定模型的可靠性评估属性。故此,本发明在一阶判据后引入二阶判据。二阶判据为评价网络,且评价网络也是深度神经网络,根据时刻t的状态值、动作值、奖励值、Q值和时刻t+1的微网能量信息做出综合评价。评价网络的输出类标为QN,t,其输入为{sP,t,sD,t,aP,t,aD,t,Rt,Qt,βt+1},评价网络的网络参数通过监督学习得到。本发明的评价网络损失函数如下L(θC):
L(θC)=(QN,t-Qt)2
s.t.θC(sP,t,sD,t,aP,t,aD,t,Rt,Qt,βt+1)=QN,t
其中,θC(.)评价网络的网络参数。βt+1为时刻t+1的微网能量信息,本发明将该信息定义为时刻t+1下第i个节点的负荷即/>
在此基础上,本技术方案提供长期记忆库用于存储训练样本,每次将状态量输入至多智体,并最终由评价网络输出类标QN,t后,这些数据将存入长期记忆库内。每一个存入的数据记为hm={sP,t,sD,t,aP,t,aD,t,Rt,Qt,QN,t,βt+1}。每次多智体与评价网络的参数更新均通过长期记忆库选出训练样本,并通过梯度下降法更新网络参数。
具体的,本发明对应的模型训练需要更新两个智体以及一个评价网络,对应的输入为微网节点信息{i|i∈N},时间段{t|t∈T},负荷数据光伏发电数据供电价值属性{Pt r,Pt 0,Cbuy,Csell,Pdef,t,Psur,t|t∈T},可中断负荷信息{KDLC,i,t|i∈N,t∈T},价格型需求响应信息{KPBDRi,t,|i∈N,t∈T},迭代次数K,长期记忆库取样量m。这些输入统一记为X,即:Y={θP,θD,θC}。
输出为两个智体的网络参数θP(.)和θD(.),评价网络的网络参数θC(.)。这些输出统一记为Y。在完成训练后,可得到多智体以及评价网络的网络参数Y={θP,θD,θC},同时有新输入的测试样本{sP,t,sD,t},两者统一记为:
H={Y,sP,t,sD,t}
而测试样本所需的输出为动作量{aP,t,aD,t}、QN,t以及对应的微网运维代价(即,待确定运维代价),两者统一记为:
其中,V表示带确定运维代价,aP,t表示参考供电价值属性,aD,t表示参考可中断负荷占比,QN,t表示对供售电确定模型对应的可靠性评估属性的评估值,η(Pt r,KDLC)表示微电网系统所对应的最低供电价值属性。
需要说明的是,在对供售电确定模型进行训练过程中,为了确定供售电确定模型的可靠性,每次训练后可以得到对应的可靠性评估属性Q,QN,t可以是对多次训练后的Q值的平均值,也可以是多次训练后的Q值的期望值,用于综合表征供售电确定模型的可靠性评估属性的稳定性。
本发明实施例的技术方案,通过获取与微电网系统相对应的历史关联数据,并基于历史关联数据确定与微电网系统相对应的待确定供售电方案;基于预先构建的供售电方案确定模型,确定与待确定供售电方案对应的待确定运维代价;对参考供电价值属性和参考可中断负荷占比进行调参,直至待确定运维代价最小时,将待确定供售电方案确定为目标供售电方案。解决了为保证微电网系统的稳定供电,对主电网供电系统的供电依赖较大,且存在微电网系统的运维代价高的问题,达到了在微电网系统稳定供电的基础上,通过降低从主电网供电系统的购电量,达到降低对主电网系统的供电依赖,同时降低微电网系统的运维代价的效果。
实施例四
图5为本发明实施例四提供的一种供售电方案的确定装置的结构示意图。如图5所示,该装置包括:待确定供售电方案确定模块310、运维代价确定模块320和目标供售电方案确定模块330。
其中,待确定供售电方案确定模块310,用于获取与微电网系统相对应的历史关联数据,并基于历史关联数据确定与微电网系统相对应的待确定供售电方案;其中,待确定供售电方案中包括微电网系统在价格需求响应模式下的参考供电价值属性和/或微电网系统在可中断负荷模式下的参考可中断负荷占比;
运维代价确定模块320,用于基于预先构建的供售电方案确定模型,确定与待确定供售电方案对应的待确定运维代价;
目标供售电方案确定模块330,用于对参考供电价值属性和参考可中断负荷占比进行调参,直至待确定运维代价最小时,将待确定供售电方案确定为目标供售电方案。
本发明实施例的技术方案,通过获取与微电网系统相对应的历史关联数据,并基于历史关联数据确定与微电网系统相对应的待确定供售电方案;基于预先构建的供售电方案确定模型,确定与待确定供售电方案对应的待确定运维代价;对参考供电价值属性和参考可中断负荷占比进行调参,直至待确定运维代价最小时,将待确定供售电方案确定为目标供售电方案。解决了为保证微电网系统的稳定供电,对主电网供电系统的供电依赖较大,且存在微电网系统的运维代价高的问题,达到了在微电网系统稳定供电的基础上,通过降低从主电网供电系统的购电量,达到降低对主电网系统的供电依赖,同时降低微电网系统的运维代价的效果。
可选的,待确定供售电方案确定模块包括:数据获取子模块,用于获取微电网系统在至少一个历史数据采集时刻下的待处理数据;其中,待处理数据中包括微电网系统从主网供电系统的购电数据、光伏发电数据、非价格需求响应模式下的供电价值属性以及非中断负荷模式下的负荷数据中的至少一种;
价值属性确定子模块,用于从至少一个待处理数据中,提取微电网系统在非价格需求响应模式下的历史供电价值属性;以及
负荷数据确定子模块,用于从至少一个待处理数据中,提取微电网系统在非中断负荷模式下的历史负荷数据;
待确定供售电方案确定子模块,用于基于历史供电价值属性和历史负荷数据,确定微电网系统所对应的待确定供售电方案。
可选的,待确定供售电方案确定子模块包括:价值属性确定单元,用于将历史供电价值属性输入预先构建的第一智体模型,得到微电网系统在价格需求响应模式下的参考供电价值属性;其中,第一智体模型为基于价格需求响应的供电价值属性确定模型;
负荷占比确定单元,用于将历史负荷数据输入预先构建的第二智体模型,得到微电网系统在可中断负荷模式下的参考可中断负荷占比;其中,第二智体模型为基于可中断负荷模式的可中断负荷占比确定模型;
待确定供售电方案确定单元,用于基于参考供电价值属性和参考可中断负荷占比构建与微电网系统相对应的供售电方案确定模型,并基于供售电方案确定模型确定与微电网系统相对应的待确定供售电方案。
可选的,待确定供售电方案确定单元包括:待优化代价模型确定子单元,用于调取与微电网系统相对应的原始供售电方案确定模型,并将参考供电价值属性和参考可中断负荷占比输入原始供售电方案确定模型,得到待优化代价模型;
待确定供售电方案确定子单元,用于基于至少一个待使用约束条件对待优化代价模型进行约束,得到与微电网系统相对应的供售电方案确定模型。
可选的,待确定供售电方案确定子单元,用于根据主网供电系统和微电网系统之间的最大供电数据,确定与微电网系统相对应的第一待使用约束条件;根据主网供电系统对应的最大供电数据,确定与微电网系统相对应的第二待使用约束条件;基于主网供电系统中的光伏发电系统的最大供电数据,确定与为微电网系统对应的第三待使用约束条件;当待优化代价模型满足第一待使用约束条件、第二待使用约束条件和第三待使用约束条件时,得到与微电网系统相对应的供售电方案确定模型。
可选的,待确定供售电方案确定单元包括:评估属性确定子单元,用于获取与微电网系统相对应的待使用数据,并基于待使用数据对对供售电方案确定模型进行可靠性评估,得到可靠性评估属性;其中,待使用数据中包括与微电网系统相对应的主网供电数据、光伏发电数据、参考供电价值属性、参考可中断负荷占比以及非价格需求响应下的供电价值属性中的至少一种;
评估属性判断子单元,用于当可靠性评估属性小于预设可靠性评估属性时,基于供售电方案确定模型重新确定与微电网系统相对应的参考供电价值属性和参考可中断负荷占比,直至可靠性评估属性大于或等于预设可靠性评估属性;
待确定供售电方案确定单元,用于基于至少一个可靠性评估属性所对应的与微电网系统相对应的参考供电价值属性和参考可中断负荷占比,确定与微电网系统相对应的待确定供售电方案。
可选的,目标供售电方案确定模块包括:优化子模块,用于基于供售电方案确定模型,对待确定供售电方案的待确定运维代价进行迭代优化,得到优化结果;
目标供售电方案确定子模块,用于根据优化结果调节参考供电价值属性和参考可中断负荷占比,直至待确定运维代价为最小时,将待确定供售电方案确定为目标供售电方案。
本发明实施例所提供的供售电方案的确定装置可执行本发明任意实施例所提供的供售电方案的确定方法,具备执行方法相应的功能模块和有益效果。
实施例五
图6示出了本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如供售电方案的确定方法。
在一些实施例中,供售电方案的确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的供售电方案的确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行供售电方案的确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的供售电方案的确定方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种供售电方案的确定方法,其特征在于,包括:
获取与微电网系统相对应的历史关联数据,并基于所述历史关联数据确定与所述微电网系统相对应的待确定供售电方案;其中,所述待确定供售电方案中包括所述微电网系统在价格需求响应模式下的参考供电价值属性和/或所述微电网系统在可中断负荷模式下的参考可中断负荷占比;
基于预先构建的供售电方案确定模型,确定与所述待确定供售电方案对应的待确定运维代价;
对所述参考供电价值属性和所述参考可中断负荷占比进行调参,直至所述待确定运维代价最小时,将所述待确定供售电方案确定为目标供售电方案。
2.根据权利要求1所述的方法,其特征在于,所述获取与微电网系统相对应的历史关联数据,并基于所述历史关联数据确定与所述微电网系统相对应的待确定供售电方案,包括:
获取微电网系统在至少一个历史数据采集时刻下的待处理数据;其中,所述待处理数据中包括所述微电网系统从主网供电系统的购电数据、光伏发电数据、非价格需求响应模式下的供电价值属性以及非中断负荷模式下的负荷数据中的至少一种;
从至少一个待处理数据中,提取所述微电网系统在非价格需求响应模式下的历史供电价值属性;以及
从至少一个所述待处理数据中,提取所述微电网系统在非中断负荷模式下的历史负荷数据;
基于所述历史供电价值属性和所述历史负荷数据,确定所述微电网系统所对应的待确定供售电方案。
3.根据权利要求2所述的方法,其特征在于,所述基于所述历史供电价值属性和所述历史负荷数据,确定所述微电网系统所对应的待确定供售电方案,包括:
将所述历史供电价值属性输入预先构建的第一智体模型,得到所述微电网系统在价格需求响应模式下的参考供电价值属性;其中,所述第一智体模型为基于价格需求响应的供电价值属性确定模型;
将所述历史负荷数据输入预先构建的第二智体模型,得到所述微电网系统在可中断负荷模式下的参考可中断负荷占比;其中,所述第二智体模型为基于可中断负荷模式的可中断负荷占比确定模型;
基于所述参考供电价值属性和所述参考可中断负荷占比构建与所述微电网系统相对应的供售电方案确定模型,并基于所述供售电方案确定模型确定与所述微电网系统相对应的待确定供售电方案。
4.根据权利要求3所述的方法,其特征在于,所述基于所述参考供电价值属性和所述参考可中断负荷占比构建与所述微电网系统相对应的供售电方案确定模型,包括:
调取与所述微电网系统相对应的原始供售电方案确定模型,并将所述参考供电价值属性和所述参考可中断负荷占比输入所述原始供售电方案确定模型,得到待优化代价模型;
基于至少一个待使用约束条件对所述待优化代价模型进行约束,得到与所述微电网系统相对应的供售电方案确定模型。
5.根据权利要求4所述的方法,其特征在于,所述基于至少一个待使用约束条件对所述待优化代价模型进行约束,得到与所述微电网系统相对应的供售电方案确定模型,包括:
根据所述主网供电系统和所述微电网系统之间的最大供电数据,确定与所述微电网系统相对应的第一待使用约束条件;
根据所述主网供电系统对应的最大供电数据,确定与所述微电网系统相对应的第二待使用约束条件;
基于所述主网供电系统中的光伏发电系统的最大供电数据,确定与所述为微电网系统对应的第三待使用约束条件;
当所述待优化代价模型满足所述第一待使用约束条件、所述第二待使用约束条件和所述第三待使用约束条件时,得到与所述微电网系统相对应的供售电方案确定模型。
6.根据权利要求3所述的方法,其特征在于,所述基于所述供售电方案确定模型确定与所述微电网系统相对应的待确定供售电方案,包括:
获取与所述微电网系统相对应的待使用数据,并基于所述待使用数据对对所述供售电方案确定模型进行可靠性评估,得到可靠性评估属性;其中,所述待使用数据中包括与所述微电网系统相对应的主网供电数据、光伏发电数据、参考供电价值属性、参考可中断负荷占比以及非价格需求响应下的供电价值属性中的至少一种;
当所述可靠性评估属性小于预设可靠性评估属性时,基于所述供售电方案确定模型重新确定与所述微电网系统相对应的参考供电价值属性和参考可中断负荷占比,直至所述可靠性评估属性大于或等于所述预设可靠性评估属性;
基于至少一个可靠性评估属性所对应的与所述微电网系统相对应的参考供电价值属性和参考可中断负荷占比,确定与所述微电网系统相对应的待确定供售电方案。
7.根据权利要求1所述的方法,其特征在于,所述对所述参考供电价值属性和所述参考可中断负荷占比进行调参,直至所述待确定运维代价最小时,将所述待确定供售电方案确定为目标供售电方案,包括:
基于所述供售电方案确定模型,对所述待确定供售电方案的待确定运维代价进行迭代优化,得到优化结果;
根据所述优化结果调节所述参考供电价值属性和所述参考可中断负荷占比,直至所述待确定运维代价为最小时,将所述待确定供售电方案确定为目标供售电方案。
8.一种供售电方案的确定装置,其特征在于,包括:
待确定供售电方案确定模块,用于获取与微电网系统相对应的历史关联数据,并基于所述历史关联数据确定与所述微电网系统相对应的待确定供售电方案;其中,所述待确定供售电方案中包括所述微电网系统在价格需求响应模式下的参考供电价值属性和/或所述微电网系统在可中断负荷模式下的参考可中断负荷占比;
运维代价确定模块,用于基于预先构建的供售电方案确定模型,确定与所述待确定供售电方案对应的待确定运维代价;
目标供售电方案确定模块,用于对所述参考供电价值属性和所述参考可中断负荷占比进行调参,直至所述待确定运维代价最小时,将所述待确定供售电方案确定为目标供售电方案。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的供售电方案的确定方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的供售电方案的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310989966.1A CN117252612A (zh) | 2023-08-07 | 2023-08-07 | 一种供售电方案的确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310989966.1A CN117252612A (zh) | 2023-08-07 | 2023-08-07 | 一种供售电方案的确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117252612A true CN117252612A (zh) | 2023-12-19 |
Family
ID=89127156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310989966.1A Pending CN117252612A (zh) | 2023-08-07 | 2023-08-07 | 一种供售电方案的确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117252612A (zh) |
-
2023
- 2023-08-07 CN CN202310989966.1A patent/CN117252612A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113159835B (zh) | 基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备 | |
CN108921358B (zh) | 一种电力负荷特征的预测方法、预测系统及相关装置 | |
TWI767525B (zh) | 基於強化學習的再生能源配置方法及裝置 | |
Chuang et al. | Deep reinforcement learning based pricing strategy of aggregators considering renewable energy | |
CN111864742B (zh) | 一种主动配电系统扩展规划方法、装置及终端设备 | |
CN116207739A (zh) | 配电网优化调度方法、装置、计算机设备和存储介质 | |
Yang et al. | Deep reinforcement learning for economic energy scheduling in data center microgrids | |
CN114611805A (zh) | 一种净负荷预测方法、装置、电子设备及存储介质 | |
CN117252612A (zh) | 一种供售电方案的确定方法、装置、电子设备及存储介质 | |
CN115629576A (zh) | 非侵入式柔性负荷聚合特性辨识与优化方法、装置及设备 | |
Zhou et al. | Learning-based green workload placement for energy internet in smart cities | |
CN113298329A (zh) | 训练、策略生成方法、系统、计算机装置及存储介质 | |
CN117077980B (zh) | 碳排放调度方法、装置和电子设备 | |
CN117350895A (zh) | 电力系统的可中断负荷管理方法、装置、设备和介质 | |
CN115549213A (zh) | 分布式电源接入规模确定方法、装置、电子设备、存储介质以及程序产品 | |
CN117767289A (zh) | 微电网能量调度的确定方法、装置、电子设备及存储介质 | |
CN117829874A (zh) | 电力交易策略的生成方法、装置、设备及存储介质 | |
CN117252444A (zh) | 配电网规划方法、装置、电子设备及存储介质 | |
CN117010712A (zh) | 虚拟电厂的响应策略确定方法、装置及虚拟电厂系统 | |
CN115375136A (zh) | 一种频率调节方法、装置、电子设备及存储介质 | |
CN117559498A (zh) | 一种农村能源站的调控方法、装置、设备及存储介质 | |
CN116544918A (zh) | 一种调度方法、装置、设备及存储介质 | |
CN114696324A (zh) | 一种低压配电网调控方法、装置、配电终端及存储介质 | |
CN117422238A (zh) | 减碳需求响应策略确定方法、装置、电子设备及存储介质 | |
CN115936222A (zh) | 一种能源调度方法、装置、设备及存储介质 |
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 |