CN117277336A - 一种直控型可调节负荷控制方法、系统及存储介质 - Google Patents

一种直控型可调节负荷控制方法、系统及存储介质 Download PDF

Info

Publication number
CN117277336A
CN117277336A CN202311279755.5A CN202311279755A CN117277336A CN 117277336 A CN117277336 A CN 117277336A CN 202311279755 A CN202311279755 A CN 202311279755A CN 117277336 A CN117277336 A CN 117277336A
Authority
CN
China
Prior art keywords
micro
load
particle
grid
adjustable load
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
Application number
CN202311279755.5A
Other languages
English (en)
Inventor
郑文杰
谭慧娟
卢建刚
余志文
徐展强
陈志伟
聂涌泉
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.)
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202311279755.5A priority Critical patent/CN117277336A/zh
Publication of CN117277336A publication Critical patent/CN117277336A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/12—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
    • H02J3/38—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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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

Abstract

本发明公开了一种直控型可调节负荷控制方法、系统及存储介质，方法包括：根据微电网的电力数据，计算得出微电网功率分配目标；识别微电网中接入的直控型可调节负荷的类型，并计算各类型的可调节负荷所需功率；若功率分配目标大于各类型的可调节负荷所需功率之和，则根据功率分配目标与各类型的可调节负荷所需功率的总和的差值，控制调节可频繁调节负荷运行以吸纳对应的功率，直到差值为零；若功率分配目标不大于各类型的可调节负荷所需功率之和，则调节微电网中的常规电站的功率分配，直至微电网的功率分配目标与各类型的可调节负荷所需功率的总和相等，以提高直控型可调节负荷调节控制的科学性和控制效率。

Description

一种直控型可调节负荷控制方法、系统及存储介质
技术领域
本发明涉及智能电网技术领域，尤其涉及一种直控型可调节负荷控制方法、系统及存储介质。
背景技术
虚拟电厂能够通过高级量测技术、控制技术、通信技术等手段将多种分布式发电单元、可控负荷以及储能单元聚合在一起，使其参与电网的调度和控制，使其具有真实电厂的功能并且能够通过虚拟电厂参与到电力市场和电网运行的协调控制和管理。通过虚拟电厂来聚合可控负荷、聚合分布式发电单元以及储能单元，通过协调控制能够实现可削减负荷目标、减小分布式发电单元的接入对电网的冲击；根据分时电价来调整不同单元的控制策略同时能够获得一定的收益。
如今，业内人员将电网调峰目光逐渐从电源侧转移到负荷侧，比如说，在虚拟电厂的需求响应系统中，部分负荷能够根据价格信号、激励或者控制指令，改变短期的用电行为，这样的负荷称之为可调节负荷。通过对可调节负荷调节控制，从而达到消峰的效果。现有技术中，存在通过代理用户控制的方式实现直控型可调节负荷控制，虽然实现了可调节负荷的实时控制，但是并未对可调节负荷类型以及可接入微电网的电站类型进行判断，由于不同的微电网负荷类型不同，并且不同微电网的电站类型也不尽相同，导致在不同微电网中调节负荷过程对直控型可调节负荷控制缺乏科学性引导，效率低下。
发明内容
本发明提供了一种直控型可调节负荷控制方法、系统及存储介质，根据不同微电网中负荷特点，将直控型可调节负荷分类为可频繁调节负荷和不可频繁调节负荷两类，并仅对可频繁调节负荷进行调节，以提高直控型可调节负荷调节控制的科学性和控制效率。
本发明提供了一种直控型可调节负荷控制方法，包括：
根据微电网的电力数据，计算得出微电网功率分配目标；识别所述微电网中接入的直控型可调节负荷的类型，并计算各类型的可调节负荷所需功率；所述直控型可调节负荷的类型包括不可频繁调节负荷和可频繁调节负荷；
若所述功率分配目标大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则根据所述功率分配目标与各类型的可调节负荷所需功率的总和的差值，控制调节所述可频繁调节负荷运行以吸纳对应的功率，直到所述差值为零；
若所述功率分配目标不大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则调节所述微电网中的常规电站的功率分配，直至所述微电网的功率分配目标与各类型的可调节负荷所需功率的总和相等。
进一步地，根据微电网的电力数据，计算得出微电网功率分配目标，具体为：
以最大化消耗微电网中的光伏风力电站产生电量为目标建立微电网调节优化模型，通过所述微电网调节优化模型确定所述微电网调节目标函数和约束条件；
通过将微电网的电力数据输入所述微电网调节优化模型，使用粒子群算法求解所述微电网调节优化模型，输出微电网功率分配目标；所述约束条件包括系统功率平衡约束和常规电站运行约束。
进一步地，使用粒子群算法求解所述微电网调节优化模型，输出微电网功率分配目标，具体为：
初始化粒子群，并随机每个粒子的速度和位置；计算每个粒子的当前个体适应度值，并记录每个粒子的历史个体适应度值；
对比当前个体适应度值与历史个体适应度值最高的粒子值，若所述当前个体适应度值高于所述历史个体适应度值最高的粒子值，则根据当前个体适应度值更新个体最优值；否则不更新个体最优值；
对比当前粒子全局适应度值与历史全局最优的适应度值，若所述当前粒子全局适应度值高于所述历史全局最优的适应度值，则根据当前粒子全局适应度值更新所述个体最优值；
获取每个粒子的速度矢量和位置矢量，生成每个粒子的速度和位置的更新公式，并对每个粒子的速度和位置进行更新；
判定当前粒子适应度值是否达到最大迭代次数，若所述当前粒子适应度值未达到最大迭代次数，则根据更新后的每个粒子的速度和位置重新计算当前个体适应度值和当前粒子全局适应度值继续迭代寻优；否则运行结束，得到功率分配目标。
进一步地，识别所述微电网中接入的直控型可调节负荷的类型，具体为：
根据用电负荷的类型将可调节负荷的类型划分为可频繁调节负荷和不可频繁调节负荷；
若对每个直控型可调节负荷下达高于预设频次的调节指令，能接收所述调节指令进行调节的负荷识别为可频繁调节负荷，不能接受所述调节指令进行调节的负荷识别为不可频繁调节负荷。
作为优选方案，本发明在对微电网中直控型可调负荷控制时，首先计算得到功率分配目标，然后根据功率分配目标对直控型可调负荷进行控制；根据不同微电网中负荷特点，将直控型可调节负荷分类为可频繁调节负荷和不可频繁调节负荷两类，并仅对可频繁调节负荷进行调节，从而使负荷的调节过程更加科学，以提高直控型可调节负荷调节控制的科学性和控制效率。
相应地，本发明还提供一种直控型可调节负荷控制系统，包括：功率分配目标确定模块、负荷识别模块和负荷控制模块；
所述功率分配目标确定模块用于根据微电网的电力数据，计算得出微电网功率分配目标；
所述负荷识别模块用于识别所述微电网中接入的直控型可调节负荷的类型，并计算各类型的可调节负荷所需功率；所述直控型可调节负荷的类型包括不可频繁调节负荷和可频繁调节负荷；
所述负荷控制模块用于若所述功率分配目标大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则根据所述功率分配目标与各类型的可调节负荷所需功率的总和的差值，控制调节所述可频繁调节负荷运行以吸纳对应的功率，直到所述差值为零；
若所述功率分配目标不大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则调节所述微电网中的常规电站的功率分配，直至所述微电网的功率分配目标与各类型的可调节负荷所需功率的总和相等。
进一步地，功率分配目标确定模块包括：模型建立单元和模型计算单元；
所述模型建立单元用于功率分配目标计算单元用于以最大化消耗微电网中的光伏风力电站产生电量为目标建立微电网调节优化模型，通过所述微电网调节优化模型确定所述微电网调节目标函数和约束条件；
所述模型计算单元用于通过将微电网的电力数据输入所述微电网调节优化模型，使用粒子群算法求解所述微电网调节优化模型，输出微电网功率分配目标；所述约束条件包括系统功率平衡约束和常规电站运行约束。
进一步地，模型计算单元包括粒子群算法计算子单元；
所述粒子群算法计算子单元用于初始化粒子群，并随机每个粒子的速度和位置；计算每个粒子的当前个体适应度值，并记录每个粒子的历史个体适应度值；
对比当前个体适应度值与历史个体适应度值最高的粒子值，若所述当前个体适应度值高于所述历史个体适应度值最高的粒子值，则根据当前个体适应度值更新个体最优值；否则不更新个体最优值；
对比当前粒子全局适应度值与历史全局最优的适应度值，若所述当前粒子全局适应度值高于所述历史全局最优的适应度值，则根据当前粒子全局适应度值更新所述个体最优值；
获取每个粒子的速度矢量和位置矢量，生成每个粒子的速度和位置的更新公式，并对每个粒子的速度和位置进行更新；
判定当前粒子适应度值是否达到最大迭代次数，若所述当前粒子适应度值未达到最大迭代次数，则根据更新后的每个粒子的速度和位置重新计算当前个体适应度值和当前粒子全局适应度值继续迭代寻优；否则运行结束，得到功率分配目标。
进一步地，负荷识别模块包括：识别单元；
所述识别单元用于根据用电负荷的类型将可调节负荷的类型划分为可频繁调节负荷和不可频繁调节负荷；
若对每个直控型可调节负荷下达高于预设频次的调节指令，能接收所述调节指令进行调节的负荷识别为可频繁调节负荷，不能接受所述调节指令进行调节的负荷识别为不可频繁调节负荷。
作为优选方案，本发明系统在对微电网中直控型可调负荷控制时，首先利用功率分配目标确定模块计算得到功率分配目标，然后负荷识别模块识别所述微电网中接入的直控型可调节负荷的类型，负荷控制模块根据功率分配目标对直控型可调负荷进行控制；根据不同微电网中负荷类型特点，将直控型可调节负荷分类为可频繁调节负荷和不可频繁调节负荷两类，并仅对可频繁调节负荷进行调节，从而使负荷的调节过程更加科学，以提高直控型可调节负荷调节控制的科学性和控制效率。
相应地，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如本发明内容所述的一种直控型可调节负荷控制方法。
附图说明
图1是本发明提供的直控型可调节负荷控制方法的一种实施例的流程示意图；
图2是本发明提供的直控型可调节负荷控制系统的一种实施例的结构示意图。
具体实施方式
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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
请参照图1，为本发明实施例提供的一种直控型可调节负荷控制方法，包括步骤S101-S104：
步骤S101：根据微电网的电力数据，计算得出微电网功率分配目标；
进一步地，根据微电网的电力数据，计算得出微电网功率分配目标，具体为：以最大化消耗微电网中的光伏风力电站产生电量为目标建立微电网调节优化模型，通过所述微电网调节优化模型确定所述微电网调节目标函数和约束条件；通过将微电网的电力数据输入所述微电网调节优化模型，使用粒子群算法求解所述微电网调节优化模型，输出微电网功率分配目标；所述约束条件包括系统功率平衡约束和常规电站运行约束。
在本实施例中，所述优化模型为：
式中，t为时间，E为电量；为t时刻光热电站发电功率；/>为t时刻负荷i的用电功率；/>为t时刻负荷w的用电功率；Tdown为下调峰时段集合；i为变量；NCL为负荷i的最大值；NTL为负荷w的最大值。
在本实施例中，系统平衡约束公式为：
式中，为t时段常规机组j的发电功率；/>为状态变量，/>表示常规机组j处于开机状态，/>常规机组j处于停机状态；/>和/>为风光电日前预测值；/>为系统负荷日前预测值；NG为常规机组的最大值。
其中，常规电站运行约束公式为：
式中，分别为第j台常规电源机组出力上下限。
式中，分别为第j台常规电源机组在t时刻的开机持续时间和停机持续时间；/>分别为第j台常规机组在t时刻的最小运行时间和最小停机时间。
步骤S102：识别所述微电网中接入的直控型可调节负荷的类型，并计算各类型的可调节负荷所需功率；所述直控型可调节负荷的类型包括不可频繁调节负荷和可频繁调节负荷；
进一步地，使用粒子群算法求解所述微电网调节优化模型，输出微电网功率分配目标，具体为：
初始化粒子群，并随机每个粒子的速度和位置；计算每个粒子的当前个体适应度值，并记录每个粒子的历史个体适应度值；
对比当前个体适应度值与历史个体适应度值最高的粒子值，若所述当前个体适应度值高于所述历史个体适应度值最高的粒子值，则根据当前个体适应度值更新个体最优值；否则不更新个体最优值；
对比当前粒子全局适应度值与历史全局最优的适应度值，若所述当前粒子全局适应度值高于所述历史全局最优的适应度值，则根据当前粒子全局适应度值更新所述个体最优值；
获取每个粒子的速度矢量和位置矢量，生成每个粒子的速度和位置的更新公式，并对每个粒子的速度和位置进行更新；
判定当前粒子适应度值是否达到最大迭代次数，若所述当前粒子适应度值未达到最大迭代次数，则根据更新后的每个粒子的速度和位置重新计算当前个体适应度值和当前粒子全局适应度值继续迭代寻优；否则运行结束，得到功率分配目标。
在本实施例中，每个粒子的速度和位置的更新公式包括第一公式和第二公式，所述第一公式用于获取每个粒子的速度矢量，所述第二公式用于获取每个粒子的位置矢量。
其中，第一公式为：
vi(t+1)＝ωvi(t)+c1r1(pbesti(t)-xi(t))+c2r2(gbeSti(t)-xi(t))
其中，第二公式为：
xi(t+1)＝xi(t)+vi(t)
其中，ω表示权重因子，c1、c2表示加速因子；r1、r2是分布在[0,1]区间的随机数。pbesti、gbesti分别表示个体最优解和整个种群最优解。
对于每个粒子i，其速度矢量，vi(t+1)通过第一公式更新，位置矢量xi(t+1)通过第二公式更新。
进一步地，识别所述微电网中接入的直控型可调节负荷的类型，具体为：
根据用电负荷的类型将可调节负荷的类型划分为可频繁调节负荷和不可频繁调节负荷；
若对每个直控型可调节负荷下达高于预设频次的调节指令，能接收所述调节指令进行调节的负荷识别为可频繁调节负荷，不能接受所述调节指令进行调节的负荷识别为不可频繁调节负荷。
在本实施例中，可频繁调节负荷为可进行调节的负荷，且该负荷对功率变化无要求，能接收高频次的调节指令；不可频繁调节负荷为可进行调节的负荷，但是该负荷正常运行需要长时间的稳定功率，不能接受高频次的调节指令。
示例性地，一般的钢厂、金属冶炼厂等负荷对功率较为敏感，因此，需要稳定功率才能支撑该类负荷正常运转，因此，若以频次较高的调节指令对其调节，则会对上述负荷的设备造成较大影响，也会影响上述用电主体的安全生产；不可接收较高频次的调节指令。而充电桩、居民楼等负荷对功率敏感性较低，以较为频繁的调节指令对其调节不会影响上述用电主体的正常运转，因此，可接收较高频次的调节指令。
步骤S103：若所述功率分配目标大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则根据所述功率分配目标与各类型的可调节负荷所需功率的总和的差值，控制调节所述可频繁调节负荷运行以吸纳对应的功率，直到所述差值为零；
步骤S104：若所述功率分配目标不大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则调节所述微电网中的常规电站的功率分配，直至所述微电网的功率分配目标与各类型的可调节负荷所需功率的总和相等。
在本实施例中，所述不可频繁调节负荷所需功率为维持不可频繁调节所需功率正常运行所需的功率；所述必须可频繁调节负荷所需功率为维持可频繁调节负荷所需功率正常运行所需的功率。
在本实施例中，若存在当前时刻未接入微电网的可频繁调节负荷，则调节使所述未接入微电网的可频繁调节负荷接入所述微电网，以吸收多余功率；若当前时刻不存在未接入微电网的可频繁调节负荷，则增加部分或者全部可频繁调节负荷的运行功率，以吸收多余功率。
示例性地，对于某些可频繁调节负荷来说，该时间段该负荷没有接入微电网中，或者说没有运行，此时，接到吸收多余功率的指令后，该可频繁调节负荷即接入微电网中，用于吸收多余功率；
或者是，对于某些可频繁调节负荷，此时正在以较低功率运行，此时可将该类负荷功率调大，以吸收多余功率。
更近一步地，根据所述功率分配目标与所述不可频繁调节负荷所需功率的差值，可通过降价等激励手段鼓励某可频繁调节负荷或者某多个可频繁调节负荷提高运行功率以吸收多余功率。
在本实施例中，调节所述微电网中的常规电站的功率分配，具体为：控制必须可调节负荷所需功率为保证生活、生产需求的所需的可调节负荷的功率。
实施本发明实施例，具有如下效果：
本发明在对微电网中直控型可调负荷控制时，首先计算得到功率分配目标，然后根据功率分配目标对直控型可调负荷进行控制；根据不同微电网中负荷特点，将直控型可调节负荷分类为可频繁调节负荷和不可频繁调节负荷两类，并仅对可频繁调节负荷进行调节，从而使负荷的调节过程更加科学，以提高直控型可调节负荷调节控制的科学性和控制效率。
实施例二
请参照图2，为本发明实施例提供的一种直控型可调节负荷控制系统，包括：功率分配目标确定模块201、负荷识别模块202和负荷控制模块203；
所述功率分配目标确定模块201用于根据微电网的电力数据，计算得出微电网功率分配目标；
所述负荷识别模块202用于识别所述微电网中接入的直控型可调节负荷的类型，并计算各类型的可调节负荷所需功率；所述直控型可调节负荷的类型包括不可频繁调节负荷和可频繁调节负荷；
所述负荷控制模块203用于若所述功率分配目标大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则根据所述功率分配目标与各类型的可调节负荷所需功率的总和的差值，控制调节所述可频繁调节负荷运行以吸纳对应的功率，直到所述差值为零；
若所述功率分配目标不大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则调节所述微电网中的常规电站的功率分配，直至所述微电网的功率分配目标与各类型的可调节负荷所需功率的总和相等。
进一步地，功率分配目标确定模块包括：模型建立单元和模型计算单元；
所述模型建立单元用于功率分配目标计算单元用于以最大化消耗微电网中的光伏风力电站产生电量为目标建立微电网调节优化模型，通过所述微电网调节优化模型确定所述微电网调节目标函数和约束条件；
所述模型计算单元用于通过将微电网的电力数据输入所述微电网调节优化模型，使用粒子群算法求解所述微电网调节优化模型，输出微电网功率分配目标；所述约束条件包括系统功率平衡约束和常规电站运行约束。
进一步地，模型计算单元包括粒子群算法计算子单元；
所述粒子群算法计算子单元用于初始化粒子群，并随机每个粒子的速度和位置；计算每个粒子的当前个体适应度值，并记录每个粒子的历史个体适应度值；
对比当前个体适应度值与历史个体适应度值最高的粒子值，若所述当前个体适应度值高于所述历史个体适应度值最高的粒子值，则根据当前个体适应度值更新个体最优值；否则不更新个体最优值；
对比当前粒子全局适应度值与历史全局最优的适应度值，若所述当前粒子全局适应度值高于所述历史全局最优的适应度值，则根据当前粒子全局适应度值更新所述个体最优值；
获取每个粒子的速度矢量和位置矢量，生成每个粒子的速度和位置的更新公式，并对每个粒子的速度和位置进行更新；
判定当前粒子适应度值是否达到最大迭代次数，若所述当前粒子适应度值未达到最大迭代次数，则根据更新后的每个粒子的速度和位置重新计算当前个体适应度值和当前粒子全局适应度值继续迭代寻优；否则运行结束，得到功率分配目标。
进一步地，负荷识别模块包括：识别单元；
所述识别单元用于根据用电负荷的类型将可调节负荷的类型划分为可频繁调节负荷和不可频繁调节负荷；
若对每个直控型可调节负荷下达高于预设频次的调节指令，能接收所述调节指令进行调节的负荷识别为可频繁调节负荷，不能接受所述调节指令进行调节的负荷识别为不可频繁调节负荷。
上述的直控型可调节负荷控制系统可实施上述方法实施例的直控型可调节负荷控制方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
实施本发明实施例，具有如下效果：
本发明系统在对微电网中直控型可调负荷控制时，首先利用功率分配目标确定模块计算得到功率分配目标，然后负荷识别模块识别所述微电网中接入的直控型可调节负荷的类型，负荷控制模块根据功率分配目标对直控型可调负荷进行控制；根据不同微电网中负荷类型特点，将直控型可调节负荷分类为可频繁调节负荷和不可频繁调节负荷两类，并仅对可频繁调节负荷进行调节，从而使负荷的调节过程更加科学，以提高直控型可调节负荷调节控制的科学性和控制效率。
实施例三
相应地，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任意一项实施例所述的直控型可调节负荷控制方法。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据移动终端的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种直控型可调节负荷控制方法，其特征在于，包括：
根据微电网的电力数据，计算得出微电网功率分配目标；识别所述微电网中接入的直控型可调节负荷的类型，并计算各类型的可调节负荷所需功率；所述直控型可调节负荷的类型包括不可频繁调节负荷和可频繁调节负荷；
若所述功率分配目标大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则根据所述功率分配目标与各类型的可调节负荷所需功率的总和的差值，控制调节所述可频繁调节负荷运行以吸纳对应的功率，直到所述差值为零；
若所述功率分配目标不大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则调节所述微电网中的常规电站的功率分配，直至所述微电网的功率分配目标与各类型的可调节负荷所需功率的总和相等。
2.如权利要求1所述的一种直控型可调节负荷控制方法，其特征在于，所述根据微电网的电力数据，计算得出微电网功率分配目标，具体为：
以最大化消耗微电网中的光伏风力电站产生电量为目标建立微电网调节优化模型，通过所述微电网调节优化模型确定所述微电网调节目标函数和约束条件；
通过将微电网的电力数据输入所述微电网调节优化模型，使用粒子群算法求解所述微电网调节优化模型，输出微电网功率分配目标；所述约束条件包括系统功率平衡约束和常规电站运行约束。
3.如权利要求2所述的一种直控型可调节负荷控制方法，其特征在于，所述使用粒子群算法求解所述微电网调节优化模型，输出微电网功率分配目标，具体为：
初始化粒子群，并随机每个粒子的速度和位置；计算每个粒子的当前个体适应度值，并记录每个粒子的历史个体适应度值；
对比当前个体适应度值与历史个体适应度值最高的粒子值，若所述当前个体适应度值高于所述历史个体适应度值最高的粒子值，则根据当前个体适应度值更新个体最优值；否则不更新个体最优值；
对比当前粒子全局适应度值与历史全局最优的适应度值，若所述当前粒子全局适应度值高于所述历史全局最优的适应度值，则根据当前粒子全局适应度值更新所述个体最优值；
获取每个粒子的速度矢量和位置矢量，生成每个粒子的速度和位置的更新公式，并对每个粒子的速度和位置进行更新；
判定当前粒子适应度值是否达到最大迭代次数，若所述当前粒子适应度值未达到最大迭代次数，则根据更新后的每个粒子的速度和位置重新计算当前个体适应度值和当前粒子全局适应度值继续迭代寻优；否则运行结束，得到功率分配目标。
4.如权利要求1所述的一种直控型可调节负荷控制方法，其特征在于，所述识别所述微电网中接入的直控型可调节负荷的类型，具体为：
根据用电负荷的类型将可调节负荷的类型划分为可频繁调节负荷和不可频繁调节负荷；
若对每个直控型可调节负荷下达高于预设频次的调节指令，能接收所述调节指令进行调节的负荷识别为可频繁调节负荷，不能接受所述调节指令进行调节的负荷识别为不可频繁调节负荷。
5.一种直控型可调节负荷控制系统，其特征在于，包括：功率分配目标确定模块、负荷识别模块和负荷控制模块；
所述功率分配目标确定模块用于根据微电网的电力数据，计算得出微电网功率分配目标；
所述负荷识别模块用于识别所述微电网中接入的直控型可调节负荷的类型，并计算各类型的可调节负荷所需功率；所述直控型可调节负荷的类型包括不可频繁调节负荷和可频繁调节负荷；
所述负荷控制模块用于若所述功率分配目标大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则根据所述功率分配目标与各类型的可调节负荷所需功率的总和的差值，控制调节所述可频繁调节负荷运行以吸纳对应的功率，直到所述差值为零；
若所述功率分配目标不大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则调节所述微电网中的常规电站的功率分配，直至所述微电网的功率分配目标与各类型的可调节负荷所需功率的总和相等。
6.如权利要求5所述的一种直控型可调节负荷控制系统，其特征在于，所述功率分配目标确定模块包括：模型建立单元和模型计算单元；
所述模型建立单元用于功率分配目标计算单元用于以最大化消耗微电网中的光伏风力电站产生电量为目标建立微电网调节优化模型，通过所述微电网调节优化模型确定所述微电网调节目标函数和约束条件；
所述模型计算单元用于通过将微电网的电力数据输入所述微电网调节优化模型，使用粒子群算法求解所述微电网调节优化模型，输出微电网功率分配目标；所述约束条件包括系统功率平衡约束和常规电站运行约束。
7.如权利要求6所述的一种直控型可调节负荷控制系统，其特征在于，所述模型计算单元包括粒子群算法计算子单元；
所述粒子群算法计算子单元用于初始化粒子群，并随机每个粒子的速度和位置；计算每个粒子的当前个体适应度值，并记录每个粒子的历史个体适应度值；
对比当前个体适应度值与历史个体适应度值最高的粒子值，若所述当前个体适应度值高于所述历史个体适应度值最高的粒子值，则根据当前个体适应度值更新个体最优值；否则不更新个体最优值；
对比当前粒子全局适应度值与历史全局最优的适应度值，若所述当前粒子全局适应度值高于所述历史全局最优的适应度值，则根据当前粒子全局适应度值更新所述个体最优值；
获取每个粒子的速度矢量和位置矢量，生成每个粒子的速度和位置的更新公式，并对每个粒子的速度和位置进行更新；
判定当前粒子适应度值是否达到最大迭代次数，若所述当前粒子适应度值未达到最大迭代次数，则根据更新后的每个粒子的速度和位置重新计算当前个体适应度值和当前粒子全局适应度值继续迭代寻优；否则运行结束，得到功率分配目标。
8.如权利要求5所述的一种直控型可调节负荷控制系统，其特征在于，所述负荷识别模块包括：识别单元；
所述识别单元用于根据用电负荷的类型将可调节负荷的类型划分为可频繁调节负荷和不可频繁调节负荷；
若对每个直控型可调节负荷下达高于预设频次的调节指令，能接收所述调节指令进行调节的负荷识别为可频繁调节负荷，不能接受所述调节指令进行调节的负荷识别为不可频繁调节负荷。
9.一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包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1至4中任意一项所述的一种直控型可调节负荷控制方法。
CN202311279755.5A 2023-09-28 2023-09-28 一种直控型可调节负荷控制方法、系统及存储介质 Pending CN117277336A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311279755.5A CN117277336A (zh) 2023-09-28 2023-09-28 一种直控型可调节负荷控制方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311279755.5A CN117277336A (zh) 2023-09-28 2023-09-28 一种直控型可调节负荷控制方法、系统及存储介质

Publications (1)

Publication Number Publication Date
CN117277336A true CN117277336A (zh) 2023-12-22

Family

ID=89211967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311279755.5A Pending CN117277336A (zh) 2023-09-28 2023-09-28 一种直控型可调节负荷控制方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN117277336A (zh)

Similar Documents

Publication Publication Date Title
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
CN102474105B (zh) 电力系统的供求控制装置、供求控制程序及其存储介质
CN115864460A (zh) 一种电力调峰方法、装置、设备及存储介质
CN112736918A (zh) 微电网中源储荷协调的两级优化调度方法、装置及设备
US20180097366A1 (en) Method and apparatus for controlling power grid member behavior
CN112529271A (zh) 一种可控负荷集群提供电网备用辅助服务的优化调度方法
CN116667387A (zh) 一种电网频率调控的方法、装置及存储介质
CN109713734B (zh) 一种光伏功率调节方法、装置、设备及介质
CN111160618A (zh) 一种结合电动汽车充电场站的建筑能量优化调度方法
CN107025610B (zh) 一种数据中心成本优化方法
US10714968B2 (en) Power control apparatus, power control system, and power control method
CN115238992B (zh) 一种电力系统源荷储的协调优化方法、装置及电子设备
CN117277336A (zh) 一种直控型可调节负荷控制方法、系统及存储介质
JP2018007521A (ja) 出力平滑化装置及び出力平滑化方法
CN116545025A (zh) 一种配电网优化调度方法、装置、设备及存储介质
US20230120165A1 (en) Target function prioritization of control modes for renewable electric generation resource and charge storage device
CN112734277A (zh) 信息物理融合的需求侧响应资源多层级建模方法
US20240097485A1 (en) Power control device, power control method, and non-transitory computer-readable recording medium
CN112968480B (zh) 基于机组负荷响应能力的风火电联合优化调度方法及系统
CN117318108A (zh) 一种含储能系统的电力电量平衡方法及装置
CN117674300B (zh) 虚拟电厂资源调度方法、装置、终端设备以及存储介质
CN117439126B (zh) 一种新能源汇集区域共享储能优化运行方法及装置
CN117200280B (zh) 光伏电站功率控制方法及相关设备
CN116722547B (zh) 虚拟电厂需求响应调控方法、装置、设备及存储介质
CN110601223B (zh) 功率调节方法、装置、电子设备及存储介质

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