CN117650571B - 一种基于层级构造的分布式智能能源体系构建方法及系统 - Google Patents
一种基于层级构造的分布式智能能源体系构建方法及系统 Download PDFInfo
- Publication number
- CN117650571B CN117650571B CN202410123371.2A CN202410123371A CN117650571B CN 117650571 B CN117650571 B CN 117650571B CN 202410123371 A CN202410123371 A CN 202410123371A CN 117650571 B CN117650571 B CN 117650571B
- Authority
- CN
- China
- Prior art keywords
- energy
- level
- hierarchical
- distributed
- network
- 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.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 27
- 238000012216 screening Methods 0.000 claims abstract description 73
- 238000004364 calculation method Methods 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 32
- 238000012795 verification Methods 0.000 claims description 9
- 238000007477 logistic regression Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 abstract description 7
- 238000004146 energy storage Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- BNOODXBBXFZASF-UHFFFAOYSA-N [Na].[S] Chemical compound [Na].[S] BNOODXBBXFZASF-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于层级构造的分布式智能能源体系构建方法及系统,涉及能源体系构建技术领域,包括:获取各层级节点的数据;建立与各层级一一对应的层级节点集合;分别计算相邻层级的层级节点之间的能源连接指标;确定每个层级节点对应的若干个合理能源连接层级节点;生成至少一个待验证分布式能源层级网络;剔除不合理分布式能源层级网络,得到若干个初筛分布式能源层级网络;确定合理性指标;筛选出合理性指标最小的初筛分布式能源层级网络,作为最优分布式能源层级网络。本发明的优点在于:可合理的实现电力输送调度决策,满足各个层级的电力能源需求,提高分布式智能能源体系的供电可靠性,降低能源输送损耗,优化能源资源的利用。
Description
技术领域
本发明涉及能源体系构建技术领域,具体是涉及一种基于层级构造的分布式智能能源体系构建方法及系统。
背景技术
分布式能源的种类很多,包括小水电、风力发电、光伏电源、燃料电池和储能装置(如飞轮、超级电容器、超导磁能存储、液流电池和钠硫蓄电池等)。由于分布式能源中,如太阳能和风能发电受自然条件的影响,电能输出不连续也极不稳定,因此需要采用层级构造的方式将这些分布式能源统一接入电力系统,再经由层级电网逐步统一的输送至用电终端。
然而,现有技术中,对于层级构造的分布式智能能源体系的构建过程中,缺乏对于层级网络的整体规划,易导致构建出的分布式智能能源体系缺乏合理清晰的供能线路链,造成电力系统的电力调度不合理,增加分布式智能能源体系中在进行电力传输中的能源损耗。
发明内容
为解决上述技术问题,提供一种基于层级构造的分布式智能能源体系构建方法及系统,本技术方案解决了上述的现有技术缺乏对于层级网络的整体规划,易导致构建出的分布式智能能源体系缺乏合理清晰的供能线路链,造成电力系统的电力调度不合理,增加分布式智能能源体系中在进行电力传输中的能源损耗的问题。
为达到以上目的,本发明采用的技术方案为:
一种基于层级构造的分布式智能能源体系构建方法,包括:
获取分布式智能能源体系中的各层级节点的数据,所述层级节点的数据包括层级节点的地理位置,层级节点的历史运行数据和层级节点的负载数据;
按照层级对分布式智能能源体系中的各层级节点进行分类,并建立与各层级一一对应的层级节点集合,/>,其中,/>为第i个层级对应的层级节点集合,/>为第i个层级对应的层级节点集合中的第j个层级节点,/>为第i个层级对应的层级节点集合中的元素总数;
分别计算相邻层级的层级节点之间的能源连接指标;
基于能源连接指标,确定每个层级节点对应的若干个合理能源连接层级节点;
按照层级网络生成逻辑,生成至少一个待验证分布式能源层级网络;
剔除待验证分布式能源层级网络中的不合理分布式能源层级网络,得到若干个初筛分布式能源层级网络;
对所有初筛分布式能源层级网络进行合理性计算,确定每个初筛分布式能源层级网络的合理性指标;
筛选出合理性指标最小的初筛分布式能源层级网络,作为最优分布式能源层级网络;
按照最优分布式能源层级网络构建分布式智能能源体系。
优选的,所述层级网络生成逻辑具体为:
将每个层级节点与且只与其对应的其中一个合理能源连接层级节点建立供能线路连接,组成分布式能源层级网络。
优选的,所述分别计算相邻层级的层级节点之间的能源连接指标具体包括:
S1、对i赋初始值为2;
S2、确定层级节点集合中的元素/>与层级节点集合/>中的每个元素之间的距离;
S3、基于层级节点集合中的每个元素的历史运行数据,确定层级节点集合/>中的每个元素的运行风险指标;
S4、构建与对应的能源连接影响参数集合/>,/>,其中,/>为/>中的元素/>与/>中的元素/>之间的距离,/>为/>中的元素/>的运行风险指标,/>为中的元素总数;
S5、基于能源连接指标计算公式,分别计算层级节点集合中的所有元素与层级节点集合/>中的所有元素之间能源连接指标;
S6、判断i是否等于分布式智能能源体系的总层级N,若是,则终止计算,若否,则将i的值加一,并返回步骤S2。
优选的,所述基于层级节点集合中的每个元素的历史运行数据,确定层级节点集合/>中的每个元素的运行风险指标具体包括:
将中的元素/>的历史运行总时长作为第一稳定性计算指标;
确定中的元素/>的额定运行功率,并计算/>中的元素/>的历史平均运行功率,将/>中的元素/>的历史平均运行功率与/>中的元素/>的额定运行功率的比值作为第二稳定性计算指标;
基于logistic回归模型原理,构建稳定性预测模型;
将第一稳定性计算指标和第二稳定性计算指标代入稳定性预测模型中,得到中的元素/>的运行风险指标;
其中,所述稳定性预测模型具体为:
,
式中,为/>中的元素/>的运行风险指标,/>为第一稳定性计算指标,/>为第二稳定性计算指标,/>均为模型系数,所述模型系数通过最小二乘法求得。
优选的,所述能源连接指标计算公式具体为:
,
式中,为/>中的元素/>与/>中的元素/>之间的能源连接指标。
优选的,所述基于能源连接指标,确定每个层级节点对应的若干个合理能源连接层级节点具体包括:
筛选出层级节点集合中与/>中的元素/>的能源连接指标小于连接指标预设值的至少一个元素,作为/>中的元素/>的合理能源连接层级节点。
优选的,所述剔除待验证分布式能源层级网络中的不合理分布式能源层级网络具体包括:
获取每个层级节点的能源负载值;
基于每个层级节点的能源负载值,构建分布式能源层级网络的不合理验证不等式;
遍历分布式智能能源体系中的所有层级节点,判断待验证分布式能源层级网络中是否有满足不合理验证不等式的层级节点,若是,则将该待验证分布式能源层级网络标记为不合理分布式能源层级网络,进行剔除,若否,则将该待验证分布式能源层级网络标记为初筛分布式能源层级网络。
优选的,所述不合理验证不等式具体为:
,
式中,为/>的能源负载值,/>为与/>建立供能线路连接的第i+1个层级的层级节点总数,/>为与/>建立供能线路连接的第i+1个层级中的第h个层级节点。
优选的,所述对所有初筛分布式能源层级网络进行合理性计算,确定每个初筛分布式能源层级网络的合理性指标具体包括:
确定分布式智能能源体系中末端层级对应的层级节点集合;
确定中每个元素对应的供能线路链;
确定供能线路链中对应的每个层级对应的层级节点;
将供能线路链中相邻层级的层级节点的能源连接指标进行累加得到供能线路链的链路合理指标;
将中所有元素对应的供能线路链的链路合理指标进行累加,得到初筛分布式能源层级网络的合理性指标。
进一步的,提出一种基于层级构造的分布式智能能源体系构建系统,用于实现如上述的基于层级构造的分布式智能能源体系构建方法,其特征在于,包括:
基础数据采集模块,所述基础数据采集模块用于获取分布式智能能源体系中的各层级节点的数据;
层级分类模块,所述层级分类模块用于按照层级对分布式智能能源体系中的各层级节点进行分类,并建立与各层级一一对应的层级节点集合;
第一计算模块,所述第一计算模块与所述层级分类模块电性连接,所述第一计算模块用于分别计算相邻层级的层级节点之间的能源连接指标;
第一筛选模块,所述第一筛选模块与所述第一计算模块电性连接,所述第一筛选模块用于基于能源连接指标,确定每个层级节点对应的若干个合理能源连接层级节点;
层级网络生成模块,所述层级网络生成模块与所述第一筛选模块电性连接,所述层级网络生成模块用于按照层级网络生成逻辑,生成至少一个待验证分布式能源层级网络;
网络剔除模块,所述网络剔除模块与所述层级网络生成模块电性连接,所述网络剔除模块用于剔除待验证分布式能源层级网络中的不合理分布式能源层级网络,得到若干个初筛分布式能源层级网络;
第二计算模块,所述第二计算模块与所述网络剔除模块电性连接,所述第二计算模块用于对所有初筛分布式能源层级网络进行合理性计算,确定每个初筛分布式能源层级网络的合理性指标;
第二筛选模块,所述第二筛选模块与所述第二计算模块电性连接,所述第二筛选模块用于筛选出合理性指标最小的初筛分布式能源层级网络,作为最优分布式能源层级网络;
能源体系构建模块,所述能源体系构建模块与所述第二筛选模块电性连接,所述能源体系构建模块用于按照最优分布式能源层级网络构建分布式智能能源体系。
与现有技术相比,本发明的有益效果在于:
本发明提出一种基于层级构造的分布式智能能源体系构建方案,通过结合分布式智能能源体系中的各层级节点的地理位置,历史运行数据和负载数据进行综合构建各层级节点间的供能连接关系,结合层级节点的稳定性和地理位置的相对距离,确定满足每个层级节点的供能稳定性需求和供能损耗需求的合理能源连接层级节点,并基于合理能源连接层级节点进行构建分布式智能能源体系的整体分布式能源层级网络,并基于每一个末端层架节点的供能线路链进行综合筛选出使整个分布式智能能源体系达到稳定性和能源输送损耗最小的分布式能源层级网络,可合理的实现电力输送调度决策,满足各个层级的电力能源需求,提高分布式智能能源体系的供电可靠性,降低能源输送损耗,优化能源资源的利用。
附图说明
图1为本发明提出的基于层级构造的分布式智能能源体系构建方法流程图;
图2为本发明中的计算相邻层级的层级节点之间的能源连接指标的方法流程图;
图3为本发明中的确定层级节点集合中的每个元素的运行风险指标的方法流程图;
图4为本发明中的剔除待验证分布式能源层级网络中的不合理分布式能源层级网络的方法流程图:
图5为本发明中的确定每个初筛分布式能源层级网络的合理性指标的方法流程图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。
参照图1所示,一种基于层级构造的分布式智能能源体系构建方法,包括:
获取分布式智能能源体系中的各层级节点的数据,层级节点的数据包括层级节点的地理位置,层级节点的历史运行数据和层级节点的负载数据;
按照层级对分布式智能能源体系中的各层级节点进行分类,并建立与各层级一一对应的层级节点集合,/>,其中,/>为第i个层级对应的层级节点集合,/>为第i个层级对应的层级节点集合中的第j个层级节点,/>为第i个层级对应的层级节点集合中的元素总数;
分别计算相邻层级的层级节点之间的能源连接指标;
基于能源连接指标,确定每个层级节点对应的若干个合理能源连接层级节点;
按照层级网络生成逻辑,生成至少一个待验证分布式能源层级网络;
剔除待验证分布式能源层级网络中的不合理分布式能源层级网络,得到若干个初筛分布式能源层级网络;
对所有初筛分布式能源层级网络进行合理性计算,确定每个初筛分布式能源层级网络的合理性指标;
筛选出合理性指标最小的初筛分布式能源层级网络,作为最优分布式能源层级网络;
按照最优分布式能源层级网络构建分布式智能能源体系。
其中,层级网络生成逻辑具体为:
将每个层级节点与且只与其对应的其中一个合理能源连接层级节点建立供能线路连接,组成分布式能源层级网络。
参照图2所示,分别计算相邻层级的层级节点之间的能源连接指标具体包括:
S1、对i赋初始值为2;
S2、确定层级节点集合中的元素/>与层级节点集合/>中的每个元素之间的距离;
S3、基于层级节点集合中的每个元素的历史运行数据,确定层级节点集合/>中的每个元素的运行风险指标;
S4、构建与对应的能源连接影响参数集合/>,/>,其中,/>为/>中的元素/>与/>中的元素/>之间的距离,/>为/>中的元素/>的运行风险指标,/>为中的元素总数;
S5、基于能源连接指标计算公式,分别计算层级节点集合中的所有元素与层级节点集合/>中的所有元素之间能源连接指标;
S6、判断i是否等于分布式智能能源体系的总层级N,若是,则终止计算,若否,则将i的值加一,并返回步骤S2。
能源连接指标计算公式具体为:
,
式中,为/>中的元素/>与/>中的元素/>之间的能源连接指标。
可以理解的是,在建立层级节点间的供电连接时,层级节点间的距离直接影响到电力输送过程中的能源损耗,上级层级节点的运行稳定性,直接影响到层级节点的供能可靠性,基于此,本方案中集合层级节点间的距离和上级层级节点的运行风险进行综合计算出层级节点与每一个上级层级节点间的能源连接指标,该能源连接指标越小则说明层级节点间的距离和上级层级节点的距离越短,且上级层级节点的发生运行故障的风险越低。
参照图3所示,基于层级节点集合中的每个元素的历史运行数据,确定层级节点集合/>中的每个元素的运行风险指标具体包括:
将中的元素/>的历史运行总时长作为第一稳定性计算指标;
确定中的元素/>的额定运行功率,并计算/>中的元素/>的历史平均运行功率,将/>中的元素/>的历史平均运行功率与/>中的元素/>的额定运行功率的比值作为第二稳定性计算指标;
基于logistic回归模型原理,构建稳定性预测模型;
将第一稳定性计算指标和第二稳定性计算指标代入稳定性预测模型中,得到中的元素/>的运行风险指标;
其中,稳定性预测模型具体为:,
式中,为/>中的元素/>的运行风险指标,/>为第一稳定性计算指标,/>为第二稳定性计算指标,/>均为模型系数,模型系数通过最小二乘法求得。
logistic回归又称logistic回归分析,是一种广义的线性回归分析模型,常用于结果预测等领域。 逻辑回归根据给定的自变量数据集来估计事件的发生概率,由于结果是一个概率,因此因变量的范围在 0 和 1 之间,本方案中,基于logistic回归模型原理,构建稳定性预测模型,采用历史运行总时长和历史平均运行功率与额定运行功率的比值作为自变量,来预测层级节点发生故障的概率,作为层级节点的运行风险指标,该运行风险指标越大,说明层级节点的运行越不稳定。
基于能源连接指标,确定每个层级节点对应的若干个合理能源连接层级节点具体包括:
筛选出层级节点集合中与/>中的元素/>的能源连接指标小于连接指标预设值的至少一个元素,作为/>中的元素/>的合理能源连接层级节点。
参照图4所示,剔除待验证分布式能源层级网络中的不合理分布式能源层级网络具体包括:
获取每个层级节点的能源负载值;
基于每个层级节点的能源负载值,构建分布式能源层级网络的不合理验证不等式;
遍历分布式智能能源体系中的所有层级节点,判断待验证分布式能源层级网络中是否有满足不合理验证不等式的层级节点,若是,则将该待验证分布式能源层级网络标记为不合理分布式能源层级网络,进行剔除,若否,则将该待验证分布式能源层级网络标记为初筛分布式能源层级网络。
不合理验证不等式具体为:
,
式中,为/>的能源负载值,/>为与/>建立供能线路连接的第i+1个层级的层级节点总数,/>为与/>建立供能线路连接的第i+1个层级中的第h个层级节点。
在建立分布式能源层级网络时,需要满足所有层级节点连接的下级层级节点的能源需求小于层级节点的能源输出,基于此,通过确定每个层级节点的能源负载值,该能源负载值代表着层级节点的最大能源输出和最大能源需求(由于层级节点的能源输出可近似等于能源需求,故而此处用能源负载值统指层级节点的能源需求输出属性),通过筛选出层级节点不能满足连接的下级层级节点的能源需求的不合理分布式能源层级网络,可有效的剔除一个层级节点连接多个下级层级节点的分布式能源层级网络,进而分布式能源层级网络中的层级节点均可获得足够的能源供给。
参照图5所示,对所有初筛分布式能源层级网络进行合理性计算,确定每个初筛分布式能源层级网络的合理性指标具体包括:
确定分布式智能能源体系中末端层级对应的层级节点集合;
确定中每个元素对应的供能线路链;
确定供能线路链中对应的每个层级对应的层级节点;
将供能线路链中相邻层级的层级节点的能源连接指标进行累加得到供能线路链的链路合理指标;
将中所有元素对应的供能线路链的链路合理指标进行累加,得到初筛分布式能源层级网络的合理性指标。
通过计算供能线路链的间的层级节点的能源连接指标总和作为供能线路链的链路合理指标,该链路合理指标越小,则说明在对该供能线路链对应末端层级节点进行供电时的能源损耗越小,且出现节点运行故障的风险越小,通过计算整个初筛分布式能源层级网络中的所有供能线路链的链路合理指标的总和来代表初筛分布式能源层级网络的合理性指标,合理性指标越小,则代表着该初筛分布式能源层级网络中所有末端层级节点的能源损耗综合越小,且初筛分布式能源层级网络发生节点故障的风险越小,该初筛分布式能源层级网络的供能可靠性越高。
基于与上述基于层级构造的分布式智能能源体系构建方法相同的发明构思,本方案还提出一种基于层级构造的分布式智能能源体系构建系统,包括:
基础数据采集模块,基础数据采集模块用于获取分布式智能能源体系中的各层级节点的数据;
层级分类模块,层级分类模块用于按照层级对分布式智能能源体系中的各层级节点进行分类,并建立与各层级一一对应的层级节点集合;
第一计算模块,第一计算模块与层级分类模块电性连接,第一计算模块用于分别计算相邻层级的层级节点之间的能源连接指标;
第一筛选模块,第一筛选模块与第一计算模块电性连接,第一筛选模块用于基于能源连接指标,确定每个层级节点对应的若干个合理能源连接层级节点;
层级网络生成模块,层级网络生成模块与第一筛选模块电性连接,层级网络生成模块用于按照层级网络生成逻辑,生成至少一个待验证分布式能源层级网络;
网络剔除模块,网络剔除模块与层级网络生成模块电性连接,网络剔除模块用于剔除待验证分布式能源层级网络中的不合理分布式能源层级网络,得到若干个初筛分布式能源层级网络;
第二计算模块,第二计算模块与网络剔除模块电性连接,第二计算模块用于对所有初筛分布式能源层级网络进行合理性计算,确定每个初筛分布式能源层级网络的合理性指标;
第二筛选模块,第二筛选模块与第二计算模块电性连接,第二筛选模块用于筛选出合理性指标最小的初筛分布式能源层级网络,作为最优分布式能源层级网络;
能源体系构建模块,能源体系构建模块与第二筛选模块电性连接,能源体系构建模块用于按照最优分布式能源层级网络构建分布式智能能源体系。
上述基于层级构造的分布式智能能源体系构建系统的使用过程为:
步骤一:基础数据采集模块获取分布式智能能源体系中的各层级节点的数据;
步骤二:层级分类模块按照层级对分布式智能能源体系中的各层级节点进行分类,并建立与各层级一一对应的层级节点集合;
步骤三:第一计算模块分别计算相邻层级的层级节点之间的能源连接指标;
步骤四:第一筛选模块基于能源连接指标,确定每个层级节点对应的若干个合理能源连接层级节点;
步骤五:层级网络生成模块按照层级网络生成逻辑,生成至少一个待验证分布式能源层级网络;
步骤六:网络剔除模块剔除待验证分布式能源层级网络中的不合理分布式能源层级网络,得到若干个初筛分布式能源层级网络;
步骤七:第二计算模块对所有初筛分布式能源层级网络进行合理性计算,确定每个初筛分布式能源层级网络的合理性指标;
步骤八:第二筛选模块筛选出合理性指标最小的初筛分布式能源层级网络,作为最优分布式能源层级网络;
步骤九:能源体系构建模块按照最优分布式能源层级网络构建分布式智能能源体系。
综上所述,本发明的优点在于:可合理的实现电力输送调度决策,满足各个层级的电力能源需求,提高分布式智能能源体系的供电可靠性,降低能源输送损耗,优化能源资源的利用。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (7)
1.一种基于层级构造的分布式智能能源体系构建方法,其特征在于,包括:
获取分布式智能能源体系中的各层级节点的数据,所述层级节点的数据包括层级节点的地理位置,层级节点的历史运行数据和层级节点的负载数据;
按照层级对分布式智能能源体系中的各层级节点进行分类,并建立与各层级一一对应的层级节点集合,其中,/>为第i个层级对应的层级节点集合,/>为第i个层级对应的层级节点集合中的第j个层级节点,/>为第i个层级对应的层级节点集合中的元素总数;
分别计算相邻层级的层级节点之间的能源连接指标;
基于能源连接指标,确定每个层级节点对应的若干个合理能源连接层级节点;
按照层级网络生成逻辑,生成至少一个待验证分布式能源层级网络;
剔除待验证分布式能源层级网络中的不合理分布式能源层级网络,得到若干个初筛分布式能源层级网络;
对所有初筛分布式能源层级网络进行合理性计算,确定每个初筛分布式能源层级网络的合理性指标;
筛选出合理性指标最小的初筛分布式能源层级网络,作为最优分布式能源层级网络;
按照最优分布式能源层级网络构建分布式智能能源体系;
所述分别计算相邻层级的层级节点之间的能源连接指标具体包括:
S1、对i赋初始值为2;
S2、确定层级节点集合中的元素/>与层级节点集合/>中的每个元素之间的距离;
S3、基于层级节点集合中的每个元素的历史运行数据,确定层级节点集合/>中的每个元素的运行风险指标;
S4、构建与对应的能源连接影响参数集合/>,
其中,为/>中的元素/>与/>中的元素/>之间的距离,/>为/>中的元素/>的运行风险指标,/>为/>中的元素总数;
S5、基于能源连接指标计算公式,分别计算层级节点集合中的所有元素与层级节点集合/>中的所有元素之间能源连接指标;
S6、判断i是否等于分布式智能能源体系的总层级,若是,则终止计算,若否,则将i的值加一,并返回步骤/>;
所述基于层级节点集合中的每个元素的历史运行数据,确定层级节点集合/>中的每个元素的运行风险指标具体包括:
将中的元素/>的历史运行总时长作为第一稳定性计算指标;
确定中的元素/>的额定运行功率,并计算/>中的元素/> 的历史平均运行功率,将/>中的元素/>的历史平均运行功率与/>中的元素/>的额定运行功率的比值作为第二稳定性计算指标;
基于logistic回归模型原理,构建稳定性预测模型;
将第一稳定性计算指标和第二稳定性计算指标代入稳定性预测模型中,得到中的元素/>的运行风险指标;
其中,所述稳定性预测模型具体为:,
式中,为/>中的元素/>的运行风险指标,/>为第一稳定性计算指标,/>为第二稳定性计算指标,/>均为模型系数,所述模型系数通过最小二乘法求得;
所述能源连接指标计算公式具体为:,
式中,为/>中的元素/> 与/>中的元素/>之间的能源连接指标。
2.根据权利要求1所述的一种基于层级构造的分布式智能能源体系构建方法,其特征在于,所述层级网络生成逻辑具体为:
将每个层级节点与且只与其对应的其中一个合理能源连接层级节点建立供能线路连接,组成分布式能源层级网络。
3.根据权利要求2所述的一种基于层级构造的分布式智能能源体系构建方法,其特征在于,所述基于能源连接指标,确定每个层级节点对应的若干个合理能源连接层级节点具体包括:
筛选出层级节点集合中与/>中的元素/>的能源连接指标小于连接指标预设值的至少一个元素,作为/>中的元素/>的合理能源连接层级节点。
4.根据权利要求3所述的一种基于层级构造的分布式智能能源体系构建方法,其特征在于,所述剔除待验证分布式能源层级网络中的不合理分布式能源层级网络具体包括:
获取每个层级节点的能源负载值;
基于每个层级节点的能源负载值,构建分布式能源层级网络的不合理验证不等式;
遍历分布式智能能源体系中的所有层级节点,判断待验证分布式能源层级网络中是否有满足不合理验证不等式的层级节点,若是,则将该待验证分布式能源层级网络标记为不合理分布式能源层级网络,进行剔除,若否,则将该待验证分布式能源层级网络标记为初筛分布式能源层级网络。
5.根据权利要求4所述的一种基于层级构造的分布式智能能源体系构建方法,其特征在于,所述不合理验证不等式具体为:,
式中,为/>的能源负载值,/>为与/>建立供能线路连接的第i+1个层级的层级节点总数,/>为与/>建立供能线路连接的第i+1个层级中的第h个层级节点。
6.根据权利要求5所述的一种基于层级构造的分布式智能能源体系构建方法,其特征在于,所述对所有初筛分布式能源层级网络进行合理性计算,确定每个初筛分布式能源层级网络的合理性指标具体包括:
确定分布式智能能源体系中末端层级对应的层级节点集合;
确定中每个元素对应的供能线路链;
确定供能线路链中对应的每个层级对应的层级节点;
将供能线路链中相邻层级的层级节点的能源连接指标进行累加得到供能线路链的链路合理指标;
将中所有元素对应的供能线路链的链路合理指标进行累加,得到初筛分布式能源层级网络的合理性指标。
7.一种基于层级构造的分布式智能能源体系构建系统,其特征在于,用于实现如权利要求1-6任一项所述的基于层级构造的分布式智能能源体系构建方法,其特征在于,包括:
基础数据采集模块,所述基础数据采集模块用于获取分布式智能能源体系中的各层级节点的数据;
层级分类模块,所述层级分类模块用于按照层级对分布式智能能源体系中的各层级节点进行分类,并建立与各层级一一对应的层级节点集合;
第一计算模块,所述第一计算模块与所述层级分类模块电性连接,所述第一计算模块用于分别计算相邻层级的层级节点之间的能源连接指标;
第一筛选模块,所述第一筛选模块与所述第一计算模块电性连接,所述第一筛选模块用于基于能源连接指标,确定每个层级节点对应的若干个合理能源连接层级节点;
层级网络生成模块,所述层级网络生成模块与所述第一筛选模块电性连接,所述层级网络生成模块用于按照层级网络生成逻辑,生成至少一个待验证分布式能源层级网络;
网络剔除模块,所述网络剔除模块与所述层级网络生成模块电性连接,所述网络剔除模块用于剔除待验证分布式能源层级网络中的不合理分布式能源层级网络,得到若干个初筛分布式能源层级网络;
第二计算模块,所述第二计算模块与所述网络剔除模块电性连接,所述第二计算模块用于对所有初筛分布式能源层级网络进行合理性计算,确定每个初筛分布式能源层级网络的合理性指标;
第二筛选模块,所述第二筛选模块与所述第二计算模块电性连接,所述第二筛选模块用于筛选出合理性指标最小的初筛分布式能源层级网络,作为最优分布式能源层级网络;
能源体系构建模块,所述能源体系构建模块与所述第二筛选模块电性连接,所述能源体系构建模块用于按照最优分布式能源层级网络构建分布式智能能源体系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410123371.2A CN117650571B (zh) | 2024-01-30 | 2024-01-30 | 一种基于层级构造的分布式智能能源体系构建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410123371.2A CN117650571B (zh) | 2024-01-30 | 2024-01-30 | 一种基于层级构造的分布式智能能源体系构建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117650571A CN117650571A (zh) | 2024-03-05 |
CN117650571B true CN117650571B (zh) | 2024-04-09 |
Family
ID=90046448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410123371.2A Active CN117650571B (zh) | 2024-01-30 | 2024-01-30 | 一种基于层级构造的分布式智能能源体系构建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117650571B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108449208A (zh) * | 2018-03-19 | 2018-08-24 | 北京工业大学 | 一种针对分布式能源分层复杂网络优化方法 |
CN115906605A (zh) * | 2022-09-23 | 2023-04-04 | 国网天津市电力公司电力科学研究院 | 一种分布式信息能源系统多智能体模型构建方法及应用 |
CN116865258A (zh) * | 2023-07-14 | 2023-10-10 | 国网冀北电力有限公司电力科学研究院 | 一种层级构造的分布式电源智能电网构建方法 |
CN117422274A (zh) * | 2023-11-02 | 2024-01-19 | 芜湖市芜电新能源有限公司 | 综合能源系统运行优化系统及方法 |
-
2024
- 2024-01-30 CN CN202410123371.2A patent/CN117650571B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108449208A (zh) * | 2018-03-19 | 2018-08-24 | 北京工业大学 | 一种针对分布式能源分层复杂网络优化方法 |
CN115906605A (zh) * | 2022-09-23 | 2023-04-04 | 国网天津市电力公司电力科学研究院 | 一种分布式信息能源系统多智能体模型构建方法及应用 |
CN116865258A (zh) * | 2023-07-14 | 2023-10-10 | 国网冀北电力有限公司电力科学研究院 | 一种层级构造的分布式电源智能电网构建方法 |
CN117422274A (zh) * | 2023-11-02 | 2024-01-19 | 芜湖市芜电新能源有限公司 | 综合能源系统运行优化系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117650571A (zh) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106026092B (zh) | 一种用于含分布式电源的配电网孤岛划分方法 | |
Syahputra | Fuzzy multi-objective approach for the improvement of distribution network efficiency by considering DG | |
CN105790265A (zh) | 一种考虑交流潮流约束的不确定性机组组合模型及求解方法 | |
CN109818369B (zh) | 一种计及出力模糊随机性的分布式电源规划方法 | |
CN108717608A (zh) | 百万千瓦级滩涂光伏电站接入电网综合决策方法及系统 | |
CN111786417A (zh) | 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法 | |
CN115730749B (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
CN110119889A (zh) | 一种配电网节点灵活性评价与分区方法 | |
CN114301089A (zh) | 一种风光联合发电系统储能容量配置优化方法 | |
CN117650571B (zh) | 一种基于层级构造的分布式智能能源体系构建方法及系统 | |
Saric et al. | Optimal DG allocation for power loss reduction considering load and generation uncertainties | |
CN117674211A (zh) | 一种集中式共享储能容量的规划方法、系统及电子设备 | |
CN115775107A (zh) | 一种考虑连锁故障的电网信息物理系统风险评估方法 | |
CN115473284A (zh) | 区域电力交换约束下配电系统运行的鲁棒优化方法、系统及计算机设备 | |
Li et al. | Distributed power dispatching solution for a future economic and environment-friendly energy internet | |
CN112736969A (zh) | 基于新能源经济调度的分布式光伏数据处理方法及系统 | |
CN113408132A (zh) | 一种计及随机性故障场景的区域自治电网可靠性评估方法 | |
CN110854922A (zh) | 基于蚁群算法的地区电网接纳新能源能力评估系统及方法 | |
Yuan et al. | Key technologies and prospects for planning methods of energy Internet | |
CN116436057B (zh) | 一种储能站运行策略的确定方法、装置、设备及介质 | |
CN112366703B (zh) | 一种多分布式光伏并网节点优化方法及系统 | |
Xie et al. | Investment Strategy of Reactive Power Compensation Scheme in Wind Turbine Distribution Network Based on Optimal Allocation | |
Yang et al. | Photovoltaic power prediction based on optimized BP neural network | |
CN114006415A (zh) | 一种配网新能源接纳能力提升的评估方法、系统及介质 | |
Wang et al. | A Novel Grid Planning Method of AC/DC Distribution Network for Controllability and Flexibility Reinforcement |
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 |