CN117293804A - 微电网日前调度方式的确定方法、装置、设备及存储介质 - Google Patents

微电网日前调度方式的确定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN117293804A
CN117293804A CN202311245430.5A CN202311245430A CN117293804A CN 117293804 A CN117293804 A CN 117293804A CN 202311245430 A CN202311245430 A CN 202311245430A CN 117293804 A CN117293804 A CN 117293804A
Authority
CN
China
Prior art keywords
power
determining
parameter
capacity
expected
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
CN202311245430.5A
Other languages
English (en)
Inventor
周登科
杨晨
张险峰
张世旭
苏一博
李姚旺
王罗
张宁
苏营
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.)
Tsinghua University
China Three Gorges Corp
Original Assignee
Tsinghua University
China Three Gorges Corp
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 Tsinghua University, China Three Gorges Corp filed Critical Tsinghua University
Priority to CN202311245430.5A priority Critical patent/CN117293804A/zh
Publication of CN117293804A publication Critical patent/CN117293804A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及微电网优化调度领域，公开了一种微电网日前调度方式的确定方法、装置、电子设备及计算机可读存储介质，该方法包括：获取风电、光伏以及负荷的历史预测数据以及真实数据；基于历史预测数据、真实数据以及换电站的预设范围容量，确定期望不足电量；基于期望不足电量以及预设调度条件，确定发电功率以及换电站的目标预留容量；基于发电功率与目标预留容量，确定微电网的调度方式。本申请能够保证换电站充分发挥电量转移的能力的同时，减少发电机的发电功率的消耗。

Description

微电网日前调度方式的确定方法、装置、设备及存储介质
技术领域
本申请涉及微电网优化调度领域，具体涉及微电网日前调度方式的确定方法、装置、电子设备及计算机可读存储介质。
背景技术
随着分布式电源的迅速发展，风电、光伏发电等可再生能源逐步渗透到配网侧。然而，这些可再生能源具有间歇性和不确定性等特点，需要引入快速响应的储能装置或柴油机组对其功率波动进行平抑或填补，并提升电网对风电和光伏发电的消纳能力。在此背景下，配网侧聚合了风电、光伏、柴油发电机、换电站和负荷的微电网技术成为高效消纳和利用可再生能源的有效途径。
在园区微电网中，风电和光伏发电可以通过自身极低的运行成本为园区微电网提供低成本且清洁的电力供应，但由于其自身的不确定性和波动性，往往需要通过储能装置对其电能进行消纳以及通过柴油机组对其欠发时刻进行功率缺额填补。
现有技术中，往往依靠实时调度的方式对园区的用电设备进行供电，如果，园区用电不足以支撑用电设备用电时，采用柴油机组出力的方式进行供电。
然而，实时调度可能会导致储能的调度计划过于保守，使其不能充分发挥电量转移的能力，进一步导致柴油机组的发电量增多，不利于整个园区微电网的经济和低碳运行。
发明内容
本申请提供了微电网日前调度方式的确定方法、装置、电子设备及计算机可读存储介质，以解决现有技术中，实时调度的方式可能会导致储能的调度计划过于保守，使其不能充分发挥电量转移的能力，从而导致柴油机组的发电量增多，不利于整个园区微电网的经济和低碳运行的问题。
第一方面，本申请提供了一种微电网日前调度方式的确定方法，该方法包括：获取风电、光伏以及负荷的历史预测数据以及真实数据；基于历史预测数据、真实数据以及换电站的预设范围容量，确定期望不足电量；基于期望不足电量以及预设调度条件，确定发电功率以及换电站的目标预留容量；基于发电功率与目标预留容量，确定微电网的调度方式。
本实施例提供的微电网日前调度方式的确定方法，能够通过风电、光伏以及负荷的历史预测数据、真实数据以及换电站的预设范围容量，确定期望不足电量，通过期望不足电量结合预设调度条件，确定发电机的发电功率和换电站目标预留容量，在确定换电站目标预留容量之后，可以确定换电站对园区内用电设备发送的用电电量，因此，在确定最优的目标预留容量后，能够保证换电站对园区内用电设备充分发挥电量转移的能力；在确定最优的发电机的发电功率，能够保证发电机利用最小消耗功率对换电站提供发电功率。
在一个可选的实施方式中，基于历史预测数据、真实数据以及换电站的预设范围容量，确定期望不足电量，包括：
基于历史预测数据以及真实数据，确定风光荷功率预测误差；基于风光荷功率预测误差的分布，确定净负荷误差；基于净负荷误差确定净负荷期望不足电量，将净负荷期望不足电量确定为期望不足电量。
本实施例提供的微电网日前调度方式的确定方法能够根据历史预测数据以及真实数据，确定风电、光伏以及负荷功率预测误差，通过三者确定净负荷误差，通过净负荷误差准确地确定期望不足电量。
在一个可选的实施方式中，基于历史预测数据以及真实数据，确定风光荷功率预测误差，包括：确定历史预测数据以及真实数据之间的第一误差变量，以及第一误差变量对应的第一均值和第一标准差；基于第一均值和第一标准差，确定以第一概率密度函数所表征的风光荷功率预测误差。
本实施例提供的微电网日前调度方式的确定方法，通过第一误差变量确定相应的第一均值和第一标准差，以利用正态分布的稳定性特点确定风光荷功率预测误差，最大程度上保证了风光荷功率预测误差的准确性。
在一个可选的实施方式中，基于风光荷功率预测误差的分布，确定净负荷误差，包括：获取风电场节点数量、光伏发电站节点数量以及负荷片区节点数量；基于风电场节点数量、光伏发电站节点数量、负荷片区节点数量以及风光荷功率预测误差，确定净负荷对应的第二误差变量，以及第二误差变量对应的第二均值以及第二标准差；基于第二均值和第二标准差，确定以第二概率密度函数所表征的净负荷误差。
本实施例提供的微电网日前调度方式的确定方法，能够结合风电场节点数量、光伏发电站节点数量以及负荷片区节点数量能够确定园区内所有的用电所带来的第二误差变量，从而更准确地确定净负荷误差。
在一个可选的实施方式中，基于净负荷误差确定净负荷期望不足电量，包括：当净负荷误差超过预设误差值时，确定净负荷误差对应的超分位数和目标分位数；基于超分位数和目标分位数的差值，确定净负荷期望不足电量。
本实施例提供的微电网日前调度方式的确定方法，结合风光荷功率预测误差的分位数概念，当风光荷功率误差值过大以至于预设范围容量不足以填补负荷缺额时，发电机会增发出力，而增发出力的期望值为超分位数，该数值会引起发电机的期望消耗上升，从而影响整体的微电网运行的功率消耗。因此，本实施例通过超分位数和目标分位数的差值，确定净负荷期望不足电量，能够保证发电机以较低消耗进行供电。
在一个可选的实施方式中，基于期望不足电量以及预设调度条件，确定发电功率以及换电站的目标预留容量，包括：获取发电机的第一运行参数；基于期望不足电量和第一运行参数，确定不足电量平衡参数；基于不足电量平衡参数，确定目标运行参数；采用预设调度条件对目标运行参数进行约束，得到发电功率以及目标预留容量。
本实施例提供的微电网日前调度方式的确定方法，在确定期望不足电量时，结合发电机的第一运行参数(比如：发电机运行过程中的消耗情况)，更准确地确定不足电量平衡参数，从而在预设调度条件的约束下，更准确地得到发电功率以及目标预留容量。
在一个可选的实施方式中，基于期望不足电量和第一运行参数，确定不足电量平衡参数，包括：对预设范围容量与期望不足电量进行拟合处理，得到预设范围容量与期望不足电量之间的拟合关系；基于拟合关系对期望不足电量进行优化，确定目标期望不足电量；基于目标期望不足电量和第一运行参数，确定不足电量平衡参数。
本实施例提供的微电网日前调度方式的确定方法，针对基于超分位数确定的期望不足电量造成确定目标预设容量以及发电功率困难的问题，将预设范围容量与期望不足电量进行拟合处理，并将拟合关系进行优化，从而得到目标期望不足电量，进而保证拟合，并优化后的期望不足电量，能够准确且快速地确定目标预设容量以及发电功率。
在一个可选的实施方式中，对预设范围容量与期望不足电量进行拟合处理，得到预设范围容量与期望不足电量之间的拟合关系，包括：获取预设范围容量中的多个样本点；基于多个样本点，确定预设范围容量对应的第一取值序列向量；基于期望不足电量以及第一取值序列向量，确定多个对应样本点的目标函数值；基于目标函数值，确定期望不足电量对应的第二取值序列向量；对第一取值序列向量以及第二取值序列向量进行拟合，得到预设范围容量与期望不足电量之间的拟合关系。
本实施例提供的微电网日前调度方式的确定方法，通过预设范围容量中多个样本点以及期望不足电量确定样本点的目标函数值，并将新确定的样本点对应的第一取值序列向量以及目标函数值对应的第二取值序列向量进行拟合，能够更准确地得到预设范围容量与期望不足电量之间的拟合关系，从而能够准确且快速地确定目标预设容量以及发电功率。
在一个可选的实施方式中，基于不足电量平衡参数，确定目标运行参数，包括：获取风电场的第二运行参数、光伏发电站的第三运行参数以及换电站的第四运行参数；基于第一运行参数、第二运行参数、第三运行参数、第四运行参数以及不足电量平衡参数，确定目标运行参数。
本实施例提供的微电网日前调度方式的确定方法，在风电场的第二运行参数(比如：风电场的消耗情况)、光伏发电站的第三运行参数(比如：光伏发电站的消耗情况)、换电站的第四运行参数以及第一运行参数下，更准确地确定目标运行参数，从而能够准确地确定目标预设容量以及发电功率。
在一个可选的实施方式中，确定风电场的第二运行参数以及光伏发电站的第三运行参数的方式，包括：获取风电场的第一运维参数以及第一功率参数；基于第一运维参数以及第一功率参数，确定第二运行参数；获取光伏的第二运维参数以及第二功率参数；基于第二运维参数以及第二功率参数，确定第三运行参数。
本实施例提供的微电网日前调度方式的确定方法通过风电场的第一功率参数以及风电场的第一运维参数，能够更准确地确定第二运行参数；通过光伏的第二运维参数以及光伏的第二功率参数，能够更准确地确定第三运维参数，从而能够准确地确定目标预设容量以及发电功率。
在一个可选的实施方式中，确定换电站的第四运行参数以及第一运行参数的方式，包括：获取内燃机的第二功率参数以及预设时间内发电机的第三功率参数；基于第二功率参数以及第三功率参数，确定第一运行参数；获取电池的容量参数以及电池的充电成本参数；基于容量参数以及充电成本参数，确定电池的固定成本参数；获取电池的使用时间参数、电池的电量参数以及电池的第四功率参数；基于使用时间参数、电量参数以及第四功率参数，确定储电站的第三运维参数；基于固定成本参数以及第三运维参数，确定第四运行参数。
本实施例提供的微电网日前调度方式的确定方法通过内燃机的第二功率参数以及预设时间内发电机的第三功率参数准确地确定第一运行参数；通过电池的容量参数、电池的充电成本参数、电池的使用时间参数、电池的电量参数以及电池的第四功率参数能够准确地确定第四运行参数，从而能够准确地确定目标预设容量以及发电功率。
在一个可选的实施方式中，采用预设调度条件对目标运行参数进行约束，得到发电功率、换电站的目标预留容量，包括：获取风电的第四功率参数、光伏的第五功率参数、负荷的第六功率参数以及换电站的第七功率参数；基于第四功率参数、第五功率参数、第六功率参数以及第七功率参数，生成电量平衡约束；基于期望不足电量以及第七功率参数，生成发电机功率约束；基于预设范围容量，生成电池功率约束；基于电量平衡约束、发电机功率约束以及电池功率约束对目标运行参数进行约束，得到发电功率、换电站的目标预留容量。
本实施例提供的微电网日前调度方式的确定方法通过电量平衡约束对园区内功率平衡进行约束、通过发电机功率约束对发电机的运行条件进行约束以及通过电池功率约束对换电站的电池进行约束，能够准确地确定目标预设容量以及发电功率。
第二方面，本申请提供了一种微电网日前调度方式的确定装置，该装置包括：第一获取模块，用于获取风电、光伏以及负荷的历史预测数据以及真实数据；第一确定模块，用于基于历史预测数据、真实数据以及换电站的预设范围容量，确定期望不足电量；第二确定模块，用于基于期望不足电量以及预设调度条件，确定发电功率以及换电站的目标预留容量；第三确定模块，用于基于发电功率与目标预留容量，确定微电网的调度方式。
第三方面，本申请提供了一种电子设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的微电网日前调度方式的确定方法。
第四方面，本申请提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的微电网日前调度方式的确定方法。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，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是根据本申请实施例的微电网日前调度方式的确定方法的流程示意图；
图2是根据本申请实施例的另一微电网日前调度方式的确定方法的流程示意图；
图3是根据本申请实施例的微电网日前调度方式的确定方法的示意图；
图4是根据本申请实施例的再一微电网日前调度方式的确定方法的流程示意图；
图5是根据本申请实施例的期望不足电量与预设范围容量之间的二次多函数拟合效果示意图；
图6是根据本申请实施例的风电、光伏电站、负荷的预测功率以及净负荷功率的示意图；
图7是根据本申请实施例的离散预留容量与拟合后的预留容量的效果比对示意图；
图8是根据本申请实施例的园区微电网的日前调度计划中4个充电仓内的电池SOC的变化的示意图；
图9是根据本申请实施例的微电网日前调度方式的确定装置的结构框图；
图10是本申请实施例的电子设备的硬件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
目前的相关技术中，往往依靠实时调度的方式对园区的用电设备进行供电，如果，园区用电不足以支撑用电设备用电时，采用柴油机组出力的方式进行供电。但是其实时调度的方式可能会导致储能的调度计划过于保守，使其不能充分发挥电量转移的能力，进一步导致柴油机组的发电量增多，不利于整个园区微电网的经济和低碳运行。
为了解决相关技术中的缺陷，本申请的技术方案能够通过风电、光伏以及负荷的历史预测数据、真实数据以及换电站的预设范围容量，确定期望不足电量，通过期望不足电量结合预设调度条件，确定发电机的发电功率和换电站目标预留容量，从而能够保证换电站充分发挥电量转移的能力的同时，减少发电机的发电功率消耗。
根据本申请实施例，提供了一种微电网日前调度方式的确定方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种微电网日前调度方式的确定方法，可用于中央处理器(Central Processing Unit，CPU)，图1是根据本申请实施例的微电网日前调度方式的确定方法的流程图，如图1所示，该流程包括如下步骤：
步骤S101，获取风电、光伏以及负荷的历史预测数据以及真实数据。
在实施例中，可以由中央处理器作为本申请的执行主体，其中，中央处理器可以获取到风电的历史预测数据以及真实数据；光伏的历史预测数据以及真实数据；负荷的历史预测数据以及真实数据。
需要说明的是，历史预测数据可以为气象数据的预测值来确定的；风电、光伏以及负荷的真实数据为在风电场、光伏发电站以及园区实际测试得到的数据。历史预测数据可以为历史天数(比如90天)的历史预测数据，对应的真实数据可以为历史天数(比如90天)的历史预测数据。其中，历史预测数据以及真实数据可以为向量值。
步骤S102，基于历史预测数据、真实数据以及换电站的预设范围容量，确定期望不足电量。
通过确定历史预测数据、真实数据能够得到园区内数据的误差值，也即可以通过真实数据和历史预测数据的差值确定误差值，然后根据误差值并结合预设范围容量确定发电机对换电站提供的电量。需要说明的是，期望不足电量可以为园区换电站提供的电量超过预设范围容量时的电量，也即发电机对换电站进行供电的电量。
需要说明的是，预设范围容量可以为预先设定的一个换电站预留的电量。
步骤S103，基于期望不足电量以及预设调度条件，确定发电功率以及换电站的目标预留容量。
预设调度条件为：可以为园区内各个设备的消耗情况以及约束条件。其中，各个设备的消耗情况以及约束条件由下文进行详细说明。
在确定期望不足电量之后，需要考虑园区内各个设备的消耗情况以及约束条件确定一个最优的发电功率以及目标预留容量，从而保证换电站充分发挥电量转移的能力的同时，减少发电机的发电功率的消耗。
步骤S104，基于发电功率与目标预留容量，确定微电网的调度方式。
根据换电站的目标预留容量可以确定微电网中换电站电量转移的能力，也即换电站对其他用电设备的用电。根据确定的发电机对换电站提供的更优的发电功率，能够减少发电机的发电功率消耗。
本实施例提供的微电网日前调度方式的确定方法能够通过风电、光伏以及负荷的历史预测数据、真实数据以及换电站的预设范围容量，确定期望不足电量，通过期望不足电量结合预设调度条件，确定发电机的发电功率和换电站目标预留容量，从而能够保证换电站充分发挥电量转移的能力的同时，减少发电机的发电功率消耗。
可选的，发电机可以为柴油发电机。
在本实施例中提供了一种微电网日前调度方式的确定方法，可用于上述中央处理器，图2是根据本申请实施例的微电网日前调度方式的确定方法的流程图，如图2所示，该流程包括如下步骤：
步骤S201，获取风电、光伏以及负荷的历史预测数据以及真实数据。详细请参见图1所示实施例的步骤S101，在此不再赘述。
步骤S202，基于历史预测数据、真实数据以及换电站的预设范围容量，确定期望不足电量。
具体地，上述步骤S202包括：
步骤S2021，基于历史预测数据以及真实数据，确定风光荷功率预测误差。
本实施例中，分别确定风电、光伏以及负荷的在一定周期(比如90天)内的历史预测数据以及真实数据，然后根据历史预测数据以及真实数据通过正态分布的方式准确地得到风光荷功率预测误差。
在一些可选的实施方式中，上述步骤S2021包括：
步骤a1，确定历史预测数据以及真实数据之间的第一误差变量，以及第一误差变量对应的第一均值和第一标准差。
步骤a2，基于第一均值和第一标准差，确定以第一概率密度函数所表征的风光荷功率预测误差。
历史预测数据以及真实数据可以为上述历史天数(比如90天)的历史预测数据以及真实数据，其历史预测数据以及真实数据可以为向量值，那么确定的第一误差变量也为向量值。由于第一误差变量服从正态分布，因此，根据第一误差变量可以确定第一均值和第一标准差，根据第一均值和第一标准差确定第一概率密度函数所表征的风光荷功率预测误差。
在一个可选的实施例中，步骤a1中，确定历史预测数据以及真实数据之间的第一误差变量，以及第一误差变量对应的第一均值和第一标准差，可以采用如下方式：
X＝Pact-Ppre；其中，X为预测误差向量，Pact为真实数据构成的向量，Ppre为历史预测数据构成的向量。
其中，σ为标准差的无偏估计量、μ和为误差所拟合正态分布均值、xi(i＝1,2,...,ns)为向量X中的第i个元素，ns为向量元素中的个数。
步骤a2中基于第一均值和第一标准差，确定以第一概率密度函数所表征的风光荷功率预测误差，可以采用如下方式：
其中，x为第一误差变量，f(x)为预测误差所服从正态分布的概率密度函数。
步骤S2022，基于风光荷功率预测误差的分布，确定净负荷误差。
整个园区的负荷功率减去园区里风电和光伏的功率为净负荷误差，因此，在风光荷功率预测误差的分布之后，能够准确地确定净负荷误差。
在一个可选的实施方式中，上述步骤S2022包括：
步骤b1，获取风电场节点数量、光伏发电站节点数量以及负荷片区节点数量。
步骤b2，基于风电场节点数量、光伏发电站节点数量、负荷片区节点数量以及风光荷功率预测误差，确定净负荷对应的第二误差变量，以及第二误差变量对应的第二均值以及第二标准差。
步骤b3，基于第二均值和第二标准差，确定以第二概率密度函数所表征的净负荷误差。
园区内净负荷误差可以采用园区负荷、风电以及光伏确定。首先，需要确定园区内所有风电场节点数量、光伏发电站节点数量以及负荷片区节点数量，然后根据风电场节点数量、光伏发电站节点数量、负荷片区节点数量以及风光荷功率预测误差，确定净负荷对应的第二误差变量、第二均值以及第二标准差。由于已经包含了园区内所有的用电情况，因此，本实施例能够更准确地得到净负荷误差。
在一个可选的实施方式中，步骤b1中获取风电场节点数量、光伏发电站节点数量以及负荷片区节点数量可以采用如下方式：
npre＝nWF+nPV+nL；其中，园区微电网内部风电场节点数量为nWF，光伏发电站节点数量为nPV，负荷片区节点数量为nL。
对应的，风电的风光荷功率预测误差为ΔPWF,i,(i＝1,2,...,nWF)，所服从正态分布参数分别为μWF,i、σWF,i；光伏发电的风光荷功率预测误差为ΔPPV,i,(i＝1,2,...,nPV)，所服从正态分布参数分别为μPV,i、σPV,i；负荷的风光荷功率预测误差为ΔPL,i,(i＝1,2,...,nL)，所服从正态分布参数，μL,i、σL,i。因此，风电、光伏发电和负荷多个节点的集合服从多维正态分布为：其中，/>为风电、光伏发电和负荷功率的风光荷功率预测误差所构成的npre个随机变量，带有下标的μ，σ2和ρ分别为随机变量所服从正态分布的均值、方差和各个随机变量之间的相关系数。
步骤b2中基于风电场节点数量、光伏发电站节点数量、负荷片区节点数量以及风光荷功率预测误差，确定净负荷对应的第二误差变量，以及第二误差变量对应的第二均值以及第二标准差，可以采用如下方式：
其中，ρi,j为两个随机变量之间的相关系数；ΔPPM为第二误差变量。
其中，μPM为第二均值，/>为第二标准差。
步骤b3中基于第二均值和第二标准差，确定以第二概率密度函数所表征的净负荷误差，可以采用如下方式：
其中，fPM(x)为第二概率密度函数。
步骤S2023，基于净负荷误差确定净负荷期望不足电量，将净负荷期望不足电量确定为期望不足电量。
期望不足电量可以净负荷误差超过预设范围容量时，发电机为换电站提供的电量，从而能够准确地确定期望不足电量。在确定净负荷误差之后，根据净负荷误差以及换电站的预设范围容量，确定发电机的期望不足电量。
具体地，上述步骤S2023包括：
步骤c1，当净负荷误差超过预设误差值时，确定净负荷误差对应的超分位数和目标分位数；
步骤c2，基于超分位数和目标分位数的差值，确定净负荷期望不足电量。
图3示出了一种微电网日前调度方式的确定方法的示意图。结合图3所示，γ区域代表净负荷误差小于0的情况，这种情况下风电和光伏发电可以通过弃风或者弃光来实现孤岛电网的电量平衡，因此不需要储能提供预留向下容量。在图中的β区域部分，对应储能在日前调度计划中所提供的预留向上容量的部分，其中目标分位数q为预留容量的数值，当净负荷偏差量小于预留范围容量，不会产生图3中所示的期望不足电量，也不需要发电机增加出力。在净负荷误差过大(也即超过预设误差值时)，超出目标分位数q的部分为期望不足电量，在日前调度的过程中，我们将这一随机变量考虑成期望值形式，即超分位数sq，超分位数sq是α区域随机变量的期望值。
在一个可选的实施方式中，步骤c2中基于超分位数和目标分位数的差值，确定净负荷期望不足电量，可以采用如下方式：
其中，其中α为面积、P-为净负荷期望不足电量。
步骤S203，基于期望不足电量以及预设调度条件，确定发电功率以及换电站的目标预留容量。详细请参见图1所示实施例的步骤S103，在此不再赘述。
步骤S204，基于发电功率与目标预留容量，确定微电网的调度方式。详细请参见图1所示实施例的步骤S104，在此不再赘述。
本实施例提供的微电网日前调度方式的确定方法，结合风光荷功率预测误差的分位数概念，当风光荷功率误差值过大以至于预设范围容量不足以填补负荷缺额时，发电机会增发出力，而增发出力的期望值为超分位数，该数值会引起发电机的期望消耗上升，从而影响整体的微电网运行功率消耗。因此，本实施例通过超分位数和目标分位数的差值，确定净负荷期望不足电量，能够保证发电机以较低消耗进行供电。
在本实施例中提供了一种微电网日前调度方式的确定方法，可用于上述中央处理器，图4是根据本申请实施例的微电网日前调度方式的确定方法的流程图，如图4所示，该流程包括如下步骤：
步骤S301，获取风电、光伏以及负荷的历史预测数据以及真实数据。详细请参见图1所示实施例的步骤S101，在此不再赘述。
步骤S302，基于历史预测数据、真实数据以及换电站的预设范围容量，确定期望不足电量。详细请参见图1所示实施例的步骤S101，在此不再赘述。
步骤S303，基于期望不足电量以及预设调度条件，确定发电功率以及换电站的目标预留容量。
具体地，上述步骤S303包括：
步骤S3031，获取发电机的第一运行参数。
第一运行参数用于表征发电机的运行状态，具体地，第一运行参数可以包括发电机的运行消耗以及发电周期(比如：日、月、年等)等。通过运行消耗能够反映发电机的运行功率消耗，通过发电周期能够反映发电机的发电运行功率消耗。为了使发电功率和换电站的目标预留容量确定地更加准确，需要确定发电机的第一运行参数。
步骤S3032，基于期望不足电量和第一运行参数，确定不足电量平衡参数。
需要说明的是，不足电量平衡参数可以为发电机在运行过程中的最小功率消耗。
通过该不足电量平衡参数以对发电机消耗进行评估，便于结合该不足电量平衡参数降低发电机消耗，从而降低发电机的发电功率消耗。
具体地，结合上述期望不足电量确定不足电量平衡参数的步骤如下：
步骤g1，对预设范围容量与期望不足电量进行拟合处理，得到预设范围容量与期望不足电量之间的拟合关系；
步骤g2，基于拟合关系对期望不足电量进行优化，确定目标期望不足电量；
步骤g3，基于目标期望不足电量和第一运行参数，确定不足电量平衡参数。
由于针对基于超分位数计算的期望不足电量所带来积分项造成求解困难问题，可以对期望不足电量进行拟合，将包含有积分形式的非线性优化问题其转化为含二次约束的二次优化问题，从而能够更有效地保证换电站充分发挥电量转移的能力的同时，减少发电机的发电功率消耗。
在一个可选的实施方式中，步骤g1可以包括：
步骤h1，获取预设范围容量中的多个样本点；
步骤h2，基于多个样本点，确定预设范围容量对应的第一取值序列向量；
步骤h3，基于期望不足电量以及第一取值序列向量，确定多个对应样本点的目标函数值；
步骤h4，基于目标函数值，确定期望不足电量对应的第二取值序列向量；
步骤h5，对第一取值序列向量以及第二取值序列向量进行拟合，得到预设范围容量与期望不足电量之间的拟合关系。
在一个可选的实施方式中，上述步骤h1-h5可以采用如下方式：
第一步：在预设范围容量内如：[0,3σPM(t)]等间距选取多个样本点，如501个样本点，其第一取值序列向量为，序列中第i个元素记为Pi res(t)；sample为样本点；
第二步：通过确定的样本点以及上述期望不足电量确定Pi res(t)对应的原函数值Pi -(t)，多个Pi -(t)构成的第二取值序列向量为其中，Pi -(t)为目标函数值；
第三步：可以利用最小二乘法对与/>之间的关系进行二次多项式拟合，可以得到：
其中，a0,t，b0,t和c0,t分别为最小二乘法拟合的二次函数系数。
在得到期望不足电量与预设范围容量关系拟合的二次函数系数后，用下式代替
图5示出了期望不足电量与预设范围容量之间的二次多函数拟合效果图。结合图5所示，可以观测得到二次函数能够很好的拟合原函数的情况。因此，采用拟合的方式，可以更准确地得到期望不足电量，从而更准确地确定发电功率以及换电站的目标预留容量。
步骤S3033，基于不足电量平衡参数，确定目标运行参数。
目标运行参数用于表征园区最小运行消耗的运行参数。具体地，确定目标运行参数的方法包括：
步骤d1，获取风电场的第二运行参数、光伏发电站的第三运行参数以及换电站的第四运行参数。
步骤d2，基于第一运行参数、第二运行参数、第三运行参数、第四运行参数以及不足电量平衡参数，确定目标运行参数。
在一个可选的实施方式中，确定风电场的第二运行参数以及光伏发电站的第三运行参数的方式，可以包括：
步骤e1，获取风电场的第一运维参数以及第一功率参数。
步骤e2，基于第一运维参数以及第一功率参数，确定第二运行参数；
步骤e3，获取光伏发电站的第二运维参数以及第二功率参数。
步骤e4，基于第二运维参数以及第二功率参数，确定第三运行参数。
在一个可选的实施方式中，步骤e2可以采用如下方式：
其中，CWF为园区内风电场的第二运行参数，CWFom为风电场的第一运维参数，PWFmax为风电场的额定功率，CWFinv为风电的固定投资消耗，TWF为风电场的成本回收周期，r为折现率。
步骤e4可以采用如下方式：
CPV为园区内光伏电站的第三运行参数，CPVom为光伏电站的第二运维参数，PPVmax为光伏发电站的额定功率，CPVinv分别为光伏发电站固定投资消耗，TPV为光伏发电站成本回收周期。
在一个可选的实施方式中，确定风电场的第二运行参数以及光伏发电站的第三运行参数的方式，可以包括：
步骤f1，获取内燃机的第二功率参数以及预设时间内发电机的第三功率参数；
步骤f2，基于第二功率参数以及第三功率参数，确定第一运行参数；
步骤f3，获取电池的容量参数以及电池的充电成本参数；
步骤f4，基于容量参数以及充电成本参数，确定电池的固定成本参数；
步骤f5，获取电池的使用时间参数、电池的电量参数以及电池的第四功率参数；
步骤f6，基于使用时间参数、电量参数以及第四功率参数，确定储电站的第三运维参数；
步骤f7，基于固定成本参数以及第三运维参数，确定第四运行参数。
在一个可选的实施方式中，步骤f2可以采用如下方式：
其中，CG为第一运行参数，F0和F1为发电机油耗曲线的常数项和一次项系数，/>为内燃机的第二功率参数，MG(t)为第t时间段内发电机开机或停机状态的二进制变量，PG(t)为第t时间段内发电机的第三功率参数，pdiesel为柴油价格，ρdiesel为柴油密度，βco2为二氧化碳排放系数，pco2为二氧化碳排放价格。
步骤f4可以采用如下方式：
其中，Cbat为平均到每天的固定成本参数，Cbat,ins为储能电池一次性投资成本，Sbat为容量参数，Tbat为储能电池的使用时间参数。
步骤f6可以采用如下方式：
其中，CESom(t)为储能电站的第三运维参数，CESpom和CESeom分别为储能电池单位功率和单位容量的运行维护成本，WES(t)为储能的电量参数，PESmax为储能电池的第四功率参数(最大放电功率)。
步骤f7可以采用如下方式：
其中，t为天数，CES为换电站的第四运行参数。
在一个可选的实施方式中，上述步骤3032中基于期望不足电量和第一运行参数，确定不足电量平衡参数，可以采用如下方式：
其中，C-为不足电量平衡参数，/>为期望不足电量的功率，μPM(t)为净负荷误差概率分布的均值，σPM(t)为净负荷误差概率分布的标准差，Pres(t)为换电站储能电池提供的预留容量。
在一个可选的实施方式中，上述步骤d2可以采用如下方式：
min CPM＝CWF+CPV+CG+CES+C-；其中，min CPM为目标运行参数，也即园区最小运行功率消耗。
步骤S3034，采用预设调度条件对目标运行参数进行约束，得到发电功率以及目标预留容量。
在最小功率消耗的基础上，并结合预设调度条件能够更加准确地确定发电功率和换电站的目标预留容量。具体的实现步骤可以包括：
步骤i1，获取风电的第四功率参数、光伏的第五功率参数、负荷的第六功率参数以及换电站的第七功率参数；
步骤i2，基于第四功率参数、第五功率参数、第六功率参数以及第七功率参数，生成电量平衡约束；
步骤i3，基于期望不足电量以及第七功率参数，生成发电机功率约束；
步骤i4，基于预设范围容量，生成电池功率约束；
步骤i5，基于电量平衡约束、发电机功率约束以及电池功率约束对目标运行参数进行约束，得到发电功率、换电站的目标预留容量。
在一个可选的实施方式中，步骤i2可以采用如下方式：
PWF(t)+PPV(t)+PG(t)+Pdisch(t)-Pch(t)-PWP,Q(t)＝PL(t)；其中，PWF(t)为风电的第四功率参数，PPV(t)光伏发电的第五功率参数和PL(t)为负荷的第七功率参数，PWP,Q(t)为弃风或者弃光电量的变量，设定为非负数变量。Pdisch(t)和Pch(t)分别为换电站的放电和充电功率。通过上式可以保证整个园区微电网的实时功率平衡。
步骤i3可以采用如下方式：
MGPG,min≤PG(t)≤MGPG,max；
其中，PG,min和PG,max为柴油发电机组的最大技术出力和最小技术出力，PG,ramp为柴油机组的最大爬坡率，MG为引入的辅助变量，PG(t)为第七功率参数。
需要说明的是，柴油发电机在其出力的基础上提供期望不足电量必须小于柴油发电机组的最大技术出力，柴油发电机出力变化再加上提供的期望不足电量必须小于最大爬坡率。
步骤i4可以采用如下方式：
在园区微电网中，考虑换电站会给园区中公务用车提供换电服务。其中，换电站内储能电池的数量为nbat，每天在固定的Tswap时刻为nboat艘电动船提供换电服务。集合B为换电站所有电池仓内储能电池集合，集合为放置替换电池仓的储能电池集合，这部分电池的SOC在Tswap时刻会发生跳变，变量/>和/>分别表示Tswap前和Tswap后。其中，电池功率约束如下：
0≤Pch,ω(t)≤[1-MES,ω(t)]PESmax,ω；0≤Pdisch,ω(t)≤MES,ω(t)PESmax,ω；MES,ω(t)＝0,1；
Sgn[Pch(t)]+Sgn[Pdisch(t)]≤1；WES,ω(t)＝Pch,ω(t)+Pdisch,ω(t)；
EES,ω(0)＝EES,ω(24)；EESmin,ω≤EES,ω(T)≤EESmax,ω；
/>
其中，Pch,ω(t)和Pdisch,ω(t)为对应电池的充电和放电功率，MES,ω(t)为限制储能电池充放电状态的二进制变量，Pch(t)和Pdisch(t)为换电站的充放电变量，/>和Pres(t)分别为每块电池以及整个换电站所提供的预留容量，WES,ω(t)为储能电池的充电或者放电的电量，变量EES,ω(T)为T时刻(T＝0,1,...,24)的荷电状态，变量EESmin,ω和EESmax,ω分别为允许的最小和最大荷电状态，βES,ω为储能电池提供备用的系数，是为了防止储能电池过度提供备用容量。
步骤S304，基于发电功率与目标预留容量，确定微电网的调度方式。详细请参见图1所示实施例的步骤S104，在此不再赘述。
本实施例所提出换电站的运行约束模型不仅考虑了电池储能在园区换电站中的换电行为，能够计及储能电池的荷电状态在某时刻突变的状况，还能够同时考虑其为净负荷偏差功率所提供预留容量的约束限制，增强了换电站模型的适用性。
在一个具体实施方式中，本申请实施例设定一座风电场和一座光伏电站，整个园区负荷视作一个广义节点，设定风电场、光伏电站以及园区负荷与测误差所服从的正态分布均值为0，标准差分别为0.2，0.1，0.05倍的预测值。风电场和光伏电站预测误差相关系数设置为-0.1，风电场和负荷预测误差相关系数设置为0.2，光伏电站和负荷之间的预测误差相关系数设置为0.05。在实际操作中，这些数据均可以通过相应的预测方法以及统计方法获得，此处不做展开。园区内考虑一辆储能电池较大的园区大巴和一辆储能电池较小的公务轿车，车载电池与换电站内电池数量为1：2，即除了园区大巴和公务轿车上的电池以外，换电站中，两种类型的电池各有两块。本实施例中，涉及功率消耗模型的折现率设置为6％，预留容量备选集中，参数n取为6。实施例中，各主体的相关参数如表1所示：
表1实施例园区微电网各单元参数
/>
此外，图6示出了一种风电、光伏电站、负荷的预测功率以及净负荷功率的示意图，结合图6所示。为了验证本方法二次函数拟合的优势，设置了如下对比试验：
针对上述求解困难问题，对比试验将预设范围容量取值离散化为不同预留容量的倍数，分别为0，0.5，1，1.5，2，2.5，3倍，在离线确定其期望不足电量后，进行求解最低运行成本。
将本申请的拟合方法与离散化预设范围容量方法作比较，得到不同预留容量下，园区微电网的日运行期望消耗。
图8示出了一种离散预留容量与拟合后的预留容量的效果比对示意图，结合图8所示：
通过实验可以看出，不同的预设范围容量下，园区微电网的期望运行消耗是不一样的，在离散取值预设范围容量(也即图7中的二次函数拟合下的预留容量连续变量优化取值)情况下，最佳预设范围容量数值是净负荷功率误差概率分布标准差的1.5倍。当不采取预设范围容量措施的时候，园区微电网的日运行期望消耗为2810元，比离散情况下的最佳预留容量下的园区微电网运行消耗2703.4元高了4％。但通过对期望不足电量进行拟合，就要不需要在求解前对预设范围容量进行离散化的预取值，并且不同时段的预设范围容量也不一样，最终发现不进行离散取值的园区微电网运行消耗为2685.7元，比离散情况下的最低消耗还低，验证了本实施例提出拟合期望不足电量情与预设范围容量之间关系来解决求解困难的经济性。
本申请提供的微电网日前调度方式的确定方法带来的效果如下：
(1)本申请提出的预留范围容量措施能够分担发电机为园区微电网净负荷实际值较预测值偏大情况下，发电机进行的增发出力，从而减少由发电机组的发电消耗与碳排放消耗，实现园区微电网的低碳经济运行。
(2)本申请提出约束条件不仅考虑了电池储能在园区换电站中的换电行为，能够计及储能电池的荷电状态在某时刻突变的状况，还能够同时考虑其为净负荷偏差功率所提供预留容量的约束限制，增强了换电站模型的适用性。
(3)本申请提出的拟合期望不足电量的方法有效解决了超分位数理论所包含积分项带来的求解困难问题，保证了确定目标预留容量以及发电功率的可实现性。
图8示出了园区微电网的日前调度计划中4个充电仓内的电池SOC的变化的示意图。结合图8所示，在最佳预设范围容量下，园区微电网的日前调度计划中4个充电仓内的电池SOC变化。其中，充电仓2和4是换电仓，充电仓1和3是非换电仓。可以看出，储能电池对夜间大发的风电进行了电量转移，在负荷高峰期放电提供电量支撑。除此之外，换电仓内电池的SOC在晚上8点的时刻发生了突变，更加说明了本实施例对于确定换电仓内储能电池SOC的准确性。
综上，本实施例中对预设范围容量和期望不足电量进行拟合的措施对于降低园区微电网运行消耗的有效性以及验证了考虑提供预设范围容量的换电站约束条件的正确性。
在本实施例中还提供了一种微电网日前调度方式的确定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种微电网日前调度方式的确定装置，如图9所示，包括：
第一获取模块901，用于获取风电、光伏以及负荷的历史预测数据以及真实数据；
第一确定模块902，用于基于历史预测数据、真实数据以及换电站的预设范围容量，确定期望不足电量；
第二确定模块903，用于基于期望不足电量以及预设调度条件，确定发电功率以及换电站的目标预留容量；
第三确定模块904，用于基于发电功率与目标预留容量，确定微电网的调度方式。
在一个可选的实施方式中，第一确定模块902，包括：第一确定单元，用于基于历史预测数据以及真实数据，确定风光荷功率预测误差；第二确定单元，用于基于风光荷功率预测误差的分布，确定净负荷误差；第三确定单元，用于基于净负荷误差确定净负荷期望不足电量，将净负荷期望不足电量确定为期望不足电量。
在一个可选的实施方式中，第一确定单元，包括：第一确定子单元，用于确定历史预测数据以及真实数据之间的第一误差变量，以及第一误差变量对应的第一均值和第一标准差；第二确定子单元，用于基于第一均值和第一标准差，确定以第一概率密度函数所表征的风光荷功率预测误差。
在一个可选的实施方式中，第二确定单元，包括：第一获取子单元，用于获取风电场节点数量、光伏发电站节点数量以及负荷片区节点数量；第三确定子单元，用于基于风电场节点数量、光伏发电站节点数量、负荷片区节点数量以及风光荷功率预测误差，确定净负荷对应的第二误差变量，以及第二误差变量对应的第二均值以及第二标准差；第四确定子单元，用于基于第二均值和第二标准差，确定以第二概率密度函数所表征的净负荷误差。
在一个可选的实施方式中，第三确定单元，包括：第五确定子单元，用于当净负荷误差超过预设误差值时，确定净负荷误差对应的超分位数和目标分位数；第六确定子单元，用于基于超分位数和目标分位数的差值，确定净负荷期望不足电量。
在一个可选的实施方式中，第二确定模块903，包括：获取单元，用于获取发电机的第一运行参数；第三确定单元，用于基于期望不足电量和第一运行参数，确定不足电量平衡参数；第四确定单元，用于基于不足电量平衡参数，确定目标运行参数；约束单元，用于采用预设调度条件对目标运行参数进行约束，得到发电功率以及目标预留容量。
在一个可选的实施方式中，第三确定单元，包括：拟合子单元，用于对预设范围容量与期望不足电量进行拟合处理，得到预设范围容量与期望不足电量之间的拟合关系；第七确定子单元，用于基于拟合关系对期望不足电量进行优化，确定目标期望不足电量；第八确定子单元，用于基于目标期望不足电量和第一运行参数，确定不足电量平衡参数。
在一个可选的实施方式中，拟合子单元，用于获取预设范围容量中的多个样本点；基于多个样本点，确定预设范围容量对应的第一取值序列向量；基于期望不足电量以及第一取值序列向量，确定多个对应样本点的目标函数值；基于目标函数值，确定期望不足电量对应的第二取值序列向量；对第一取值序列向量以及第二取值序列向量进行拟合，得到预设范围容量与期望不足电量之间的拟合关系。
在一个可选的实施方式中，第四确定单元，包括：第二获取子单元，用于获取风电场的第二运行参数、光伏发电站的第三运行参数以及换电站的第四运行参数；第十确定子单元，用于基于第一运行参数、第二运行参数、第三运行参数、第四运行参数以及不足电量平衡参数，确定目标运行参数。
在一个可选的实施方式中，第二获取子单元，用于获取风电场的第一运维参数以及第一功率参数；基于第一运维参数以及第一功率参数，确定第二运行参数；获取光伏发电站的第二运维参数以及第二功率参数；基于第二运维参数以及第二功率参数，确定第三运行参数。
在一个可选的实施方式中，第二获取子单元，用于获取内燃机的第二功率参数以及预设时间内发电机的第三功率参数；基于第二功率参数以及第三功率参数，确定第一运行参数；获取电池的容量参数以及电池的充电成本参数；基于容量参数以及充电成本参数，确定电池的固定成本参数；获取电池的使用时间参数、电池的电量参数以及电池的第四功率参数；基于使用时间参数、电量参数以及第四功率参数，确定储电站的第三运维参数；基于固定成本参数以及第三运维参数，确定第四运行参数。
在一个可选的实施方式中，约束单元，包括：第三获取子单元，用于获取风电的第四功率参数、光伏的第五功率参数、负荷的第六功率参数以及换电站的第七功率参数；第一生成子单元，用于基于第四功率参数、第五功率参数、第六功率参数以及第七功率参数，生成电量平衡约束；第二生成子单元，用于基于期望不足电量以及第七功率参数，生成发电机功率约束；第三生成子单元，用于基于预设范围容量，生成电池功率约束；约束子单元，用于基于电量平衡约束、发电机功率约束以及电池功率约束对目标运行参数进行约束，得到发电功率、换电站的目标预留容量。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本实施例中的微电网日前调度方式的确定装置是以功能单元的形式来呈现，这里的单元是指ASIC(Application Specific Integrated Circuit，专用集成电路)电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
本申请实施例还提供一种电子设备，具有上述图9所示的装置。
请参阅图10，图10是本申请可选实施例提供的一种电子设备的结构示意图，如图10所示，该电子设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图10中以一个处理器10为例。
处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。
其中，存储器20存储有可由至少一个处理器10执行的指令，以使至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以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、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。
该电子设备还包括输入装置30和输出装置40。处理器10、存储器20、输入装置30和输出装置40可以通过总线或者其他方式连接，图10中以通过总线连接为例。
输入装置30可接收输入的数字或字符信息，以及产生与该电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等。输出装置40可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。上述显示设备包括但不限于液晶显示器，发光二极管，显示器和等离子体显示器。在一些可选的实施方式中，显示设备可以是触摸屏。
本申请实施例还提供了一种计算机可读存储介质，上述根据本申请实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。
虽然结合附图描述了本申请的实施例，但是本领域技术人员可以在不脱离本申请的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (15)

1.一种微电网日前调度方式的确定方法，其特征在于，所述微电网日前调度方式的确定方法包括：
获取风电、光伏以及负荷的历史预测数据以及真实数据；
基于所述历史预测数据、所述真实数据以及换电站的预设范围容量，确定期望不足电量；
基于所述期望不足电量以及预设调度条件，确定发电功率以及换电站的目标预留容量；
基于所述发电功率与所述目标预留容量，确定微电网的调度方式。
2.根据权利要求1所述的微电网日前调度方式的确定方法，其特征在于，所述基于所述历史预测数据、所述真实数据以及换电站的预设范围容量，确定期望不足电量，包括：
基于所述历史预测数据以及所述真实数据，确定风光荷功率预测误差；
基于所述风光荷功率预测误差的分布，确定净负荷误差；
基于所述净负荷误差确定净负荷期望不足电量，将所述净负荷期望不足电量确定为所述期望不足电量。
3.根据权利要求2所述的微电网日前调度方式的确定方法，其特征在于，所述基于所述历史预测数据以及所述真实数据，确定风光荷功率预测误差，包括：
确定所述历史预测数据以及真实数据之间的第一误差变量，以及所述第一误差变量对应的第一均值和第一标准差；
基于所述第一均值和所述第一标准差，确定以第一概率密度函数所表征的所述风光荷功率预测误差。
4.根据权利要求2所述的微电网日前调度方式的确定方法，其特征在于，所述基于所述风光荷功率预测误差的分布，确定净负荷误差，包括：
获取风电场节点数量、光伏发电站节点数量以及负荷片区节点数量；
基于所述风电场节点数量、所述光伏发电站节点数量、所述负荷片区节点数量以及所述风光荷功率预测误差，确定净负荷对应的第二误差变量，以及所述第二误差变量对应的第二均值以及第二标准差；
基于所述第二均值和所述第二标准差，确定以第二概率密度函数所表征的所述净负荷误差。
5.根据权利要求2所述的微电网日前调度方式的确定方法，其特征在于，所述基于所述净负荷误差确定净负荷期望不足电量，包括：
当所述净负荷误差超过预设误差值时，确定所述净负荷误差对应的超分位数和目标分位数；
基于所述超分位数和所述目标分位数的差值，确定所述净负荷期望不足电量。
6.根据权利要求1所述的微电网日前调度方式的确定方法，其特征在于，所述基于所述期望不足电量以及预设调度条件，确定发电功率以及换电站的目标预留容量，包括：
获取发电机的第一运行参数；
基于所述期望不足电量和所述第一运行参数，确定不足电量平衡参数；
基于所述不足电量平衡参数，确定目标运行参数；
采用所述预设调度条件对所述目标运行参数进行约束，得到所述发电功率以及所述目标预留容量。
7.根据权利要求6所述的微电网日前调度方式的确定方法，其特征在于，基于所述期望不足电量和所述第一运行参数，确定不足电量平衡参数，包括：
对所述预设范围容量与所述期望不足电量进行拟合处理，得到所述预设范围容量与所述期望不足电量之间的拟合关系；
基于所述拟合关系对所述期望不足电量进行优化，确定目标期望不足电量；
基于所述目标期望不足电量和所述第一运行参数，确定所述不足电量平衡参数。
8.根据权利要求7所述的微电网日前调度方式的确定方法，其特征在于，所述对所述预设范围容量与所述期望不足电量进行拟合处理，得到所述预设范围容量与所述期望不足电量之间的拟合关系，包括：
获取所述预设范围容量中的多个样本点；
基于所述多个样本点，确定所述预设范围容量对应的第一取值序列向量；
基于所述期望不足电量以及所述第一取值序列向量，确定多个对应所述样本点的目标函数值；
基于所述目标函数值，确定所述期望不足电量对应的第二取值序列向量；
对所述第一取值序列向量以及所述第二取值序列向量进行拟合，得到所述预设范围容量与所述期望不足电量之间的拟合关系。
9.根据权利要求6所述的微电网日前调度方式的确定方法，其特征在于，所述基于所述不足电量平衡参数，确定目标运行参数，包括：
获取风电场的第二运行参数、光伏发电站的第三运行参数以及换电站的第四运行参数；
基于所述第一运行参数、所述第二运行参数、所述第三运行参数、所述第四运行参数以及所述不足电量平衡参数，确定目标运行参数。
10.根据权利要求9所述的微电网日前调度方式的确定方法，其特征在于，确定所述风电场的第二运行参数以及所述光伏发电站的第三运行参数的方式，包括：
获取风电场的第一运维参数以及第一功率参数；
基于所述第一运维参数以及所述第一功率参数，确定所述第二运行参数；
获取光伏发电站的第二运维参数以及第二功率参数；
基于所述第二运维参数以及所述第二功率参数，确定所述第三运行参数。
11.根据权利要求9所述的微电网日前调度方式的确定方法，其特征在于，确定所述换电站的第四运行参数以及所述第一运行参数的方式，包括：
获取内燃机的第二功率参数以及预设时间内发电机的第三功率参数；
基于所述第二功率参数以及所述第三功率参数，确定所述第一运行参数；
获取电池的容量参数以及电池的充电成本参数；
基于所述容量参数以及所述充电成本参数，确定电池的固定成本参数；
获取电池的使用时间参数、电池的电量参数以及电池的第四功率参数；
基于所述使用时间参数、所述电量参数以及所述第四功率参数，确定储电站的第三运维参数；
基于所述固定成本参数以及所述第三运维参数，确定所述第四运行参数。
12.根据权利要求6所述的微电网日前调度方式的确定方法，其特征在于，所述采用预设调度条件对目标运行参数进行约束，得到发电功率、换电站的目标预留容量，包括：
获取风电的第四功率参数、光伏的第五功率参数、负荷的第六功率参数以及换电站的第七功率参数；
基于所述第四功率参数、所述第五功率参数、所述第六功率参数以及所述第七功率参数，生成电量平衡约束；
基于所述期望不足电量以及所述第七功率参数，生成发电机功率约束；
基于所述预设范围容量，生成电池功率约束；
基于所述电量平衡约束、所述发电机功率约束以及所述电池功率约束对目标运行参数进行约束，得到发电功率、换电站的目标预留容量。
13.一种微电网日前调度方式的确定装置，其特征在于，所述装置包括：
第一获取模块，用于获取风电、光伏以及负荷的历史预测数据以及真实数据；
第一确定模块，用于基于所述历史预测数据、所述真实数据以及换电站的预设范围容量，确定期望不足电量；
第二确定模块，用于基于所述期望不足电量以及预设调度条件，确定发电功率以及换电站的目标预留容量；
第三确定模块，用于基于所述发电功率与所述目标预留容量，确定微电网的调度方式。
14.一种电子设备，其特征在于，包括：存储器和处理器；
所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至12中任一项所述的微电网日前调度方式的确定方法。
15.一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上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至12中任一项所述的微电网日前调度方式的确定方法。
CN202311245430.5A 2023-09-25 2023-09-25 微电网日前调度方式的确定方法、装置、设备及存储介质 Pending CN117293804A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311245430.5A CN117293804A (zh) 2023-09-25 2023-09-25 微电网日前调度方式的确定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311245430.5A CN117293804A (zh) 2023-09-25 2023-09-25 微电网日前调度方式的确定方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN117293804A true CN117293804A (zh) 2023-12-26

Family

ID=89247518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311245430.5A Pending CN117293804A (zh) 2023-09-25 2023-09-25 微电网日前调度方式的确定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN117293804A (zh)

Similar Documents

Publication Publication Date Title
Xu et al. Scheduling of wind-battery hybrid system in the electricity market using distributionally robust optimization
JP5537304B2 (ja) 情報処理装置およびそのプログラム
CN107491870B (zh) 配电网的电力规划方法、装置、设备以及计算机可读存储介质
Sun et al. Improving the restorability of bulk power systems with the implementation of a WF-BESS system
CN112381375A (zh) 一种基于潮流分配矩阵的电网经济运行域快速生成方法
Zhou et al. Interval optimization combined with point estimate method for stochastic security-constrained unit commitment
Aaslid et al. Pricing electricity in constrained networks dominated by stochastic renewable generation and electric energy storage
Chen et al. Two‐stage chance‐constrained unit commitment based on optimal wind power consumption point considering battery energy storage
CN107359611B (zh) 考虑多种随机因素的配电网等值方法
JP2022174037A (ja) 望ましい容量係数を提供するａｃオーバービルト再生可能電気生成リソース及び電荷ストレージ装置を利用するシステム及び方法
CN115882523A (zh) 含分布式储能的电力系统优化运行方法、系统及设备
JP7170141B2 (ja) 望ましい容量係数を提供する統合型の再生可能電気生成リソース及び電荷ストレージシステムを制御する方法
CN111082424B (zh) 一种综合能源及微电网系统可靠性预测方法及装置
CN109787217B (zh) 基于风电多状态模型及机会成本修正的备用出清方法
CN117293804A (zh) 微电网日前调度方式的确定方法、装置、设备及存储介质
CN114358361A (zh) 一种计及需求响应的微电网多时间尺度优化调度方法
Huang et al. Cascade hydropower stations optimal dispatch considering flexible margin in renewable energy power system
CN113381400B (zh) 储能消纳新能源能力评估方法和装置
JP7219341B2 (ja) 統合型の再生可能エネルギーソース及びエネルギーストレージシステム設備の潜在的電気出力用のパワー供給トランザクションを実装する方法
CN116565947B (zh) 水电站日调峰能力确定方法及设备
CN114498637B (zh) 一种新能源场配置储能对利用率影响的分析方法
Dokuchaev Optimal energy storing and selling in continuous time stochastic multi-battery setting
CN115907406A (zh) 中长期电力电量平衡方法、装置、电子设备及存储介质
CN116454930A (zh) 一种共享储能的优化调度方法、系统、设备及存储介质
Lei et al. Robust Optimal Dispatch of AC/DC Hybrid Distribution Network With PET

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