CN117674221A - 微电网充电桩的智能供电调控方法及系统 - Google Patents
微电网充电桩的智能供电调控方法及系统 Download PDFInfo
- Publication number
- CN117674221A CN117674221A CN202311472117.5A CN202311472117A CN117674221A CN 117674221 A CN117674221 A CN 117674221A CN 202311472117 A CN202311472117 A CN 202311472117A CN 117674221 A CN117674221 A CN 117674221A
- Authority
- CN
- China
- Prior art keywords
- data
- grid
- module
- micro
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004458 analytical method Methods 0.000 claims abstract description 91
- 238000011156 evaluation Methods 0.000 claims abstract description 76
- 238000012360 testing method Methods 0.000 claims abstract description 35
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 238000013210 evaluation model Methods 0.000 claims abstract description 23
- 238000013523 data management Methods 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000007726 management method Methods 0.000 claims description 96
- 238000004146 energy storage Methods 0.000 claims description 50
- 238000007405 data analysis Methods 0.000 claims description 41
- 230000005611 electricity Effects 0.000 claims description 41
- 238000004422 calculation algorithm Methods 0.000 claims description 37
- 238000010248 power generation Methods 0.000 claims description 17
- 239000008280 blood Substances 0.000 claims description 10
- 210000004369 blood Anatomy 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000013211 curve analysis Methods 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 238000003032 molecular docking Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000013499 data model Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000009436 residential construction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000007474 system interaction Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种微电网充电桩的智能供电调控方法,包括:基于数据管理系统解析第一数据并获取所述第一数据的溯源信息;所述第一数据包括充电桩特性数据、微电网负载数据、供电/用电读数中的至少一种;所述溯源信息包括所述第一数据的源头、变化和传播路径中的至少一种;基于跟踪模拟单元获取社区微店网下充电桩超充临界值的评估与预测参数;基于协同调度单元对所述第一数据、所述第一数据的溯源信息、评估与预测参数的处理,进行RLC负载测试和可靠性分析,完成动态跟踪与预测,确定动态负载评估值;基于所述动态负载评估值,通过供电调控决策评估模型,确定对充电桩超充的微电网负载临界条件下配电的调度与协调的调度方案。
Description
技术领域
本发明涉及微电网充电桩的智能供电调控技术领域,具体涉及一种微电网充电桩的智能供电调控方法及系统。
背景技术
随着全球能源危机的不断加剧,以及人们对环保和可持续发展的需求日益增长,新能源汽车逐渐成为未来交通领域的重要发展方向。作为新能源汽车发展的关键基础设施之一,无论是产业园区还是住宅社区对于新能源车的充电需求量日益增加,进而充电桩在社区中的布局和建设也变得越来越重要。但与之而来的是社区微电网配电与用电负荷均衡调控面临很大挑战。在现有管理中主要采用充电专线,控制充电桩数量,根据用户的急缓程度,选择固定时间充电是目前避免对电网冲击的解决方式。但复杂的社区用电场景,会面临因非量化因子多样化使用而导致的充电桩当前可使用数量与配充负荷;若遇到社区用电高峰,可能会因为超过用电负荷,造成跳闸等事故,而无法快速调整超充临界应急响应方案。现有的社区用电管理系统,主要分为桩企、电网、物业等多角色,虽然已实现了在各自管控领域对于用电数据的数据采集管理、统计和与物联网设备的联动,但缺乏社区微电网用电负荷层面的深度分析和多维度能效评估模型建设,进而无法精准把控和降低充电过充为社区微电网使用带来的安全风险。
现有技术同时也存在以下问题缺陷:
A.配电容量和安全问题:部分社区存在配电容量不足和安全问题,导致配电设备不能满足居住建设充电桩带来的用电负荷增长;
B.用电负荷控制:社区用电负荷有限,必须控制充电桩的功率和电流,避免超出用电负荷,从而防止用电安全隐患;
C.能源碳足迹跟踪与节能管控:现有管理方式缺乏对新能源车用能足迹管理,社区碳排放管控难度增大;节能方面无法精准联动控制,应急管理难度增加。
导致此问题缺陷的技术实质是现有技术大多聚焦底层的数据采集和报表统计等维度,受限于算法数据训练等条件,约束了社区微电网管理复杂场景与影响因子的深度分析。同时,因为现有技术目前聚焦在硬件技术的升级与电力线路的规划等方面,因而忽略了对社区微电网充电桩智能供电调控决策的评估与分析。对于超充和微电网储能、应急调控等方案缺少具像化的调控预测,无法通过现有数据提前进行分析和预警,进而无法对社区微电网充电桩智能供电建立灵活分配与调控机制,以保障社区安全用电。
因此,需要一种微电网充电桩的智能供电调控方法及系统,以解决社区微电网管理中对充电桩智能供电调控决策评估与超充临界调控的问题。
发明内容
本发明的目的在于提供一种微电网充电桩的智能供电调控方法及系统。以期解决背景技术中存在的技术问题。
为了实现上述目的,本发明采用以下技术方案:
一种微电网充电桩的智能供电调控方法,包括:
基于数据管理系统解析第一数据并获取所述第一数据的溯源信息;所述第一数据包括充电桩特性数据、微电网负载数据、供电/用电读数中的至少一种;所述溯源信息包括所述第一数据的源头、变化和传播路径中的至少一种;
基于跟踪模拟单元获取社区微店网下充电桩超充临界值的评估与预测参数;
基于协同调度单元对所述第一数据、所述第一数据的溯源信息、评估与预测参数的处理,进行RLC负载测试和可靠性分析,完成动态跟踪与预测,确定动态负载评估值;
基于所述动态负载评估值,通过供电调控决策评估模型,确定对充电桩超充的微电网负载临界条件下配电的调度与协调的调度方案。
在一些实施例中,所述数据管理单元包括数据解析/注册模块、数据建模模块。
在一些实施例中,所述跟踪模拟单元包括用电/储能跟踪模块、用电负荷运行模拟器。
在一些实施例中,所述获取社区微店网下充电桩超充临界值的评估与预测参数包括:
基于多因素下的充电桩充电/社区电网负载评估平衡指数计算与动态跟踪曲线分析。
在一些实施例中,所述协同调度单元包括配电负载能力评估模块、微电网调度模块。
在一些实施例中,所述方法还包括:
基于所述数据解析管理模块、数据血缘管理模块、数据建模模块、用电跟踪模块、储能跟踪模块、RLC负载测试模块、可靠性分析模块,以用能数据标识码为引,通过API接口和标识数据解析规则,从工业互联网标识解析二级节点、企业节点完成社区微电网管理中对桩企、电网的数据解析,并将解析后数据存放在数据解析管理模块中;
解析完成后,根据数据源分类和供电参数触发建立数据血缘,完成数据从标识平台到社区微店网管理的数据录入过程;
通过数据建模模块基于业务参数的数据建模,结合已进行血缘关联的数据和软硬件共同搭建的用电跟踪模块、储能跟踪模块,完成RLC负载测试、可靠性分析,完成基础数据录入。
在一些实施例中,所述方法还包括:
通过配电负载能力评估模块完成社区微电网使用中对充电桩超充的临界值评估;
响应于满足超充临界值后,自动触发微电网调度模块中的负载平衡管理指令,根据当前充电桩运行其情况行程供电能力评估报告,并根据预测结果推送调优配电方案;
基于标识注册管理模块对供电能力评估报告和超充临界调控方案和预测结果进行数据标识,并推送至标识解析平台,完成数据输出。
同时,本发明还公开了一种微电网充电桩的智能供电调控系统,包括:
第一获取模块,用于基于数据管理系统解析第一数据并获取所述第一数据的溯源信息;所述第一数据包括充电桩特性数据、微电网负载数据、供电/用电读数中的至少一种;所述溯源信息包括所述第一数据的源头、变化和传播路径中的至少一种;
第二获取模块,用于基于跟踪模拟单元获取社区微店网下充电桩超充临界值的评估与预测参数;
第一确定模块,用于基于协同调度单元对所述第一数据、所述第一数据的溯源信息、评估与预测参数的处理,进行RLC负载测试和可靠性分析,完成动态跟踪与预测,确定动态负载评估值;
第二确定模块,用于基于所述动态负载评估值,通过供电调控决策评估模型,确定对充电桩超充的微电网负载临界条件下配电的调度与协调的调度方案。
同时,本发明还公开了一种微电网充电桩的智能供电调控装置,所述装置包括:
数据解析/注册模块:用于与工业互联网标识解析节点平台对接,支撑桩企、社区微电网、电网平台之间的数据共享与业务协同,以及对数据进行标准化解析和标识赋码;
数据建模模块:用于基于所述数据解析/注册模块解析后的数据选择合适的建模算法和数据结构,将标准化数据转换为供电调控模型所需的形式;
用电/储能跟踪模块:用于监测社区微电网的实时用电情况,以及追踪光伏发电与储能系统的状态和性能;
用电负荷运行模拟器:用于模拟电网中的电阻、电感和电容负载,对社区微电网下不同用电情景进行负荷测试和故障分析,并记录模拟测试的结果;利用负载模拟算法、测试场景设计,对社区微电网供电峰值和超充临界的精准分析;
配电负载能力评估模块:用于考虑不同社区微电网运行情景,根据实时数据和模拟结果,评估电网的负荷容量和稳定性;利用负荷均衡算法和电网分布式管理算法,完成配电负载能力评估;
微电网调度模块:用于协调充电桩、光伏发电与储能、电网装置,利用标识解析平台和通讯协议,将负载调度策略信息同步给桩企、电网和社区光伏系统等。
同时,本发明还公开了一种微电网充电桩的智能供电调控装置,所述装置包括处理器以及存储器;所述存储器用于存储指令,所述指令被所述处理器执行时,导致所述装置实现上述任一项所述微电网充电桩的智能供电调控方法。
同时,本发明还公开了一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行上述任一项所述微电网充电桩的智能供电调控方法。
有益效果
本发明与现有技术相比,其显著优点是:
本发明的方案可以通过标识解析技术和数据动态采集构建的回归模型,结合聚类算法所形成的标签数据建模和多元分类预测评估方法。和现有技术相比,数据建模与标识体系更为精细化,提出一种标识解析与多元分类复合算法相结合的评估模型,引入机器学习技术。利用数据预处理、数据挖掘、机器学习算法、矩阵分析法、对比分析法等,构建社区微电网充电桩智能供电调控决策评估模型,实现对社区微电网用电的动态数据分析,形成更加精准的用电负荷均衡调控评估,支撑社区微电网管理。
即本方案具有可以实现跨数据主体的便捷数据共享与管理、实现实体标识与虚拟标识体系的融合应用,建立更广域的数据分类模式、实现即时信息的动态数据分析、实现优化社区微电网调控方案,提升充电桩利用率等有益效果。
附图说明
图1是本实施例涉及微电网充电桩的智能供电调控系统示意图;
图2是本实施例涉及的微电网充电桩的智能供电调控方法的流程示意图;
图3为本发明的一种实施例的社区微电网桩企、电网、社区等组成的协同工作的数据交互示意图;
图4为本发明的一种实施例的基于标识解析的社区微电网充电桩智能供电调控决策评估模型及系统架构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
相反,本申请涵盖任何由权利要求定义的在本申请的精髓和范围上做的替代、修改、等效系统以及方案。进一步,为了使公众对本申请有更好的了解,在下文对本申请的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本申请。
以下将结合图1-4对本申请实施例所涉及的一种微电网充电桩的智能供电调控系统进行详细说明。值得注意的是,以下实施例仅仅用于解释本申请,并不构成对本申请的限定。
实施例1
如图1所示为本实施例的微电网充电桩的智能供电调控系统100的示意图,如图1所示,微电网充电桩的智能供电调控系统100包括:
第一获取模块110,用于基于数据管理系统解析第一数据并获取所述第一数据的溯源信息;所述第一数据包括充电桩特性数据、微电网负载数据、供电/用电读数中的至少一种;所述溯源信息包括所述第一数据的源头、变化和传播路径中的至少一种。
在一些实施例中,所述数据管理单元包括数据解析/注册模块、数据建模模块。
例如,第一获取模块110可以针对后续社区微电网充电桩智能供电调控决策评估模型所需的数据源、准确的数据模型需求,建立数据管理单元,主要包括数据解析/注册模块、数据建模模块。解决从标识解析二级节点、企业节点中获取电网系统、桩企充电桩管理系统、光伏发电与储能系统解析的充电桩特性数据、微电网负载数据、供电/用电读数等数据,通过数据解析管理模块、数据血缘管理模块等实现跟踪数据的源头、变化和传播路径,保障数据可信溯源。基于社区充电桩管理需求和数据特性,通过数据建模模块,帮助社区实现充电桩超充临界值趋势分析和支撑优化调度决策。
第二获取模块120,用于基于跟踪模拟单元获取社区微店网下充电桩超充临界值的评估与预测参数。
在一些实施例中,所述跟踪模拟单元包括用电/储能跟踪模块、用电负荷运行模拟器。
例如,第二获取模块120可以针对后续社区微电网充电桩智能供电调控决策评估模型所需的数据源、准确的数据模型需求,建立数据管理单元,主要包括数据解析/注册模块、数据建模模块。解决从标识解析二级节点、企业节点中获取电网系统、桩企充电桩管理系统、光伏发电与储能系统解析的充电桩特性数据、微电网负载数据、供电/用电读数等数据,通过数据解析管理模块、数据血缘管理模块等实现跟踪数据的源头、变化和传播路径,保障数据可信溯源。基于社区充电桩管理需求和数据特性,通过数据建模模块,帮助社区实现充电桩超充临界值趋势分析和支撑优化调度决策。
第一确定模块130,用于基于协同调度单元对所述第一数据、所述第一数据的溯源信息、评估与预测参数的处理,进行RLC负载测试和可靠性分析,完成动态跟踪与预测,确定动态负载评估值。
在一些实施例中,所述协同调度单元包括配电负载能力评估模块、微电网调度模块。
例如,第一确定模块130可以针对后续社区微电网充电桩智能供电调控决策评估模型所需的精准评估需求,建立跟踪模拟单元,主要包括用电/储能跟踪模块、用电负荷运行模拟器。解决基于实际供电、用电、储能数据在数据模型协助下完成对社区微店网下充电桩超充临界值的评估与预测。包括多因素下的充电桩充电/社区电网负载评估平衡指数计算与动态跟踪曲线分析等。
第二确定模块140,用于基于所述动态负载评估值,通过供电调控决策评估模型,确定对充电桩超充的微电网负载临界条件下配电的调度与协调的调度方案。
例如,第二确定模块140可以基于标识解析技术、算法模型技术,建设协同调度单元,主要包括配电负载能力评估模块、微电网调度模块。通过对充电桩充电数据及社区微电网负载能力情况进行RLC负载测试和可靠性分析,完成动态跟踪与预测,完成对充电桩智能供电调控决策评估模型的初步构建,结合线性回归分析、聚类算法、时间序列等对预测曲线进行动态迭代和评估预测,结合负载平衡与管理,完成对充电桩超充的微电网负载临界条件下配电的调度与协调。
关于微电网充电桩的智能供电调控系统100的更多作用说明参见本说明书其他部分的内容的说明,如本说明书图2-4的相应内容。
如图2所示为本实施例中的一种微电网充电桩的智能供电调控方法的流程200的示意图,在一些实施例中,流程200可以基于微电网充电桩的智能供电调控系统100执行,如图2所示,流程200包括:
步骤210,基于数据管理系统解析第一数据并获取所述第一数据的溯源信息;所述第一数据包括充电桩特性数据、微电网负载数据、供电/用电读数中的至少一种;所述溯源信息包括所述第一数据的源头、变化和传播路径中的至少一种。
例如,获取从标识解析二级节点、企业节点中获取电网系统、桩企充电桩管理系统、光伏发电与储能系统解析的充电桩特性数据、微电网负载数据、供电/用电读数等数据,通过数据解析管理模块、数据血缘管理模块等实现跟踪数据的源头、变化和传播路径,保障数据可信溯源。基于社区充电桩管理需求和数据特性,通过数据建模模块,帮助社区实现充电桩超充临界值趋势分析和支撑优化调度决策。
步骤220,基于跟踪模拟单元获取社区微店网下充电桩超充临界值的评估与预测参数。
在一些实施例中,所述获取社区微店网下充电桩超充临界值的评估与预测参数包括:基于多因素下的充电桩充电/社区电网负载评估平衡指数计算与动态跟踪曲线分析。
例如,基于跟踪模拟单元解决基于实际供电、用电、储能数据在数据模型协助下完成对社区微店网下充电桩超充临界值的评估与预测。包括多因素下的充电桩充电/社区电网负载评估平衡指数计算与动态跟踪曲线分析等。
步骤230,基于协同调度单元对所述第一数据、所述第一数据的溯源信息、评估与预测参数的处理,进行RLC负载测试和可靠性分析,完成动态跟踪与预测,确定动态负载评估值。
步骤240,基于所述动态负载评估值,通过供电调控决策评估模型,确定对充电桩超充的微电网负载临界条件下配电的调度与协调的调度方案。
例如,通过步骤210、步骤220的内容建设对充电桩充电数据及社区微电网负载能力情况进行RLC负载测试和可靠性分析,完成动态跟踪与预测,完成对充电桩智能供电调控决策评估模型的初步构建,结合线性回归分析、聚类算法、时间序列等对预测曲线进行动态迭代和评估预测,结合负载平衡与管理,完成对充电桩超充的微电网负载临界条件下配电的调度与协调.
在一些实施例中,所述方法还包括:
基于所述数据解析管理模块、数据血缘管理模块、数据建模模块、用电跟踪模块、储能跟踪模块、RLC负载测试模块、可靠性分析模块,以用能数据标识码为引,通过API接口和标识数据解析规则,从工业互联网标识解析二级节点、企业节点完成社区微电网管理中对桩企、电网的数据解析,并将解析后数据存放在数据解析管理模块中;
解析完成后,根据数据源分类和供电参数触发建立数据血缘,完成数据从标识平台到社区微店网管理的数据录入过程;
通过数据建模模块基于业务参数的数据建模,结合已进行血缘关联的数据和软硬件共同搭建的用电跟踪模块、储能跟踪模块,完成RLC负载测试、可靠性分析,完成基础数据录入。
例如,基于已建设的数据解析管理模块、数据血缘管理模块、数据建模模块、用电跟踪模块、储能跟踪模块、RLC负载测试模块、可靠性分析模块,以用能数据标识码为引,通过API接口和标识数据解析规则,从工业互联网标识解析二级节点、企业节点完成社区微电网管理中对桩企、电网的数据解析,并将解析后数据存放在数据解析管理模块中。解析完成后,根据数据源分类和供电参数触发建立数据血缘,完成数据从标识平台到社区微店网管理的数据录入过程。通过数据建模模块基于业务参数的数据建模,结合已进行血缘关联的数据和软硬件共同搭建的用电跟踪模块、储能跟踪模块(微电网光伏发电与储能系统同步与管理数据),完成RLC负载测试、可靠性分析,完成基础数据录入。综上,完成对配电负载能力评估和负载平衡与管理、调度所需数据的录入和过程计算过程。
在一些实施例中,所述方法还包括:
通过配电负载能力评估模块完成社区微电网使用中对充电桩超充的临界值评估;
响应于满足超充临界值后,自动触发微电网调度模块中的负载平衡管理指令,根据当前充电桩运行其情况行程供电能力评估报告,并根据预测结果推送调优配电方案;
基于标识注册管理模块对供电能力评估报告和超充临界调控方案和预测结果进行数据标识,并推送至标识解析平台,完成数据输出。
例如,基于前一步完成各数据源和计算信息录入后,通过配电负载能力评估模块完成社区微电网使用中对充电桩超充的临界值评估,达到超充临界值后,自动触发微电网调度模块中的负载平衡管理指令,根据当前充电桩运行其情况行程供电能力评估报告,并根据预测结果推送调优配电方案。标识注册管理模块对供电能力评估报告和超充临界调控方案和预测结果进行数据标识,并推送至标识解析平台,实现与桩企、电网的数据共享与交互,完成数据输出。
可知,应用本发明实施例的基于标识解析技术的社区微电网充电桩智能供电调控决策评估模型及系统可构建社区微电网充电桩智能供电调控决策评估模型,保障数据分类与标识体系更精确,跨数据主体的便捷数据共享与管理,实现社区微电网中社区用电与充电桩充电的即时数据动态分析,形成更加精准的用电负荷均衡调控评估,优化社区微电网调控方案,提升充电桩利用率的目的,支撑社区微电网管理。
同时,本发明还公开了一种微电网充电桩的智能供电调控装置,如图3和图4所示,所述装置包括:
数据解析/注册模块10:用于与工业互联网标识解析节点平台对接,支撑桩企、社区微电网、电网平台之间的数据共享与业务协同,以及对数据进行标准化解析和标识赋码;
数据建模模块20:用于基于所述数据解析/注册模块解析后的数据选择合适的建模算法和数据结构,将标准化数据转换为供电调控模型所需的形式;
用电/储能跟踪模块30:用于监测社区微电网的实时用电情况,以及追踪光伏发电与储能系统的状态和性能;
用电负荷运行模拟器40:用于模拟电网中的电阻、电感和电容负载,对社区微电网下不同用电情景进行负荷测试和故障分析,并记录模拟测试的结果;利用负载模拟算法、测试场景设计,对社区微电网供电峰值和超充临界的精准分析;
配电负载能力评估模块50:用于考虑不同社区微电网运行情景,根据实时数据和模拟结果,评估电网的负荷容量和稳定性;利用负荷均衡算法和电网分布式管理算法,完成配电负载能力评估;
微电网调度模块60:用于协调充电桩、光伏发电与储能、电网装置,利用标识解析平台和通讯协议,将负载调度策略信息同步给桩企、电网和社区光伏系统等。
本实施例中的微电网充电桩的智能供电调控装置,可以针对充电桩进社区微电网过载调控管理业务特征的充电桩智能供电调控决策评估模型:针对当前新能源充电桩进社区对社区用电负荷带来的业务痛点和调控系统建设特征,借鉴了服务行业供需调控机制和电力电网调控机制,利用标识解析与算法技术,在现有管理方式基础上,通过标识解析建立桩企、社区微电网侧的互信协议,结合多元分类复合算法,在社区用电复杂场景的基础上,选择神经网络、回归分析模型建立电力负荷、充电状态、社区用能需求模型。利用仿真工具和复合算法模拟不同类型的RLC负载,进行微电网稳定性分析,进而评估电网的负荷容量和稳定性,评估电网的可靠性,生成可靠性分析报告。通过标识解析所构建的互信协议和数据共享通道,实现在社区微电网管理中对用电峰值管理时,充电桩智能供电调控决策评估与超充临界调控,支撑社区微电网管理。
在一些实施例中,所述数据解析/注册模块10,具体包括:
数据解析管理模块11,用于对接工业互联网标识解析企业节点,并通过解析标准和接口标准,完成数据从平台到系统内部的数据标准化转换;
数据注册管理模块12,用于对需要同桩企、电网等生态企业进行数据共享和业务协同的内容,根据标识体系要求,完成标识赋码和信息绑定。
在一些实施例中,数据建模模块20,具体包括:
数据血缘管理模块21,用于记录数据的源头、处理过程、转换和传输路径,以确保数据的可追溯性和完整性;
数据建模模块22,用于将标准化数据转换为智能供电调控决策评估模型所需的形式,包括电力负荷曲线、充电状态和社区用能需求时间序列等。
在一些实施例中,用电/储能跟踪模块30,具体包括:
用电跟踪模块31,用于对社区微电网实时用电情况进行监测,以及对不同时段和社区区域的负荷分布进行记录;
储能跟踪模块32,用于对接社区光伏发电和储能系统,追踪储能系统的发电和储能状态、性能。
在一些实施例中,用电负荷运行模拟器40,具体包括:
RLC负载测试模块41,用于模拟社区微电网中的电阻、电感和电容负载,以进行负荷测试和故障分析;
可靠性分析模块42,用于结合故障分析算法、可靠性指标等,完成对电网的可靠性和稳定性分析。
在一些实施例中,配电负载能力评估模块50,具体包括:
算法管理模块51,用于管理负荷均衡算法和电网分布式管理算法;
预测评估模块52,用于根据实时数据和模拟结果,评估电网的负荷容量和稳定性。
在一些实施例中,微电网调度模块60,具体包括:
负载平衡与管理模块61,用于协调充电桩、光伏发电与储能、电网装置等;
调度协调模块62,用于制定和执行电网调度策略。
如图4所示为本实施例中的一种充电桩智能供电调控决策评估模型及系统的示例性示意图。如图3为本申请实施例中社区微电网桩企、电网、社区等组成的协同工作的系统交互示意图。
仅作为示例的,充电桩智能供电调控决策评估模型及系统建设一般包含数据管理单元、跟踪模拟单元、协同调度单元等。针对在社区微电网动态用电场景下,基于充电桩智能供电能力评估的业务属性,将本架构进行优化,引入标识解析技术和算法模型,由数据解析/注册模块、数据建模模块、用电/储能跟踪模块、用电负荷运行模拟器、配电负载能力评估模块、微电网调度模块共同组成数据管理单元、跟踪模拟单元、协同调度单元的内容。
关于数据管理单元的创建具体包括创建数据解析/注册模块(10)、数据建模模块(20)。其中数据解析/注册模块(10)的数据解析管理模块(11),根据企业节点(桩企-共享)P1、企业节点(桩企-用户私有)P2所标识的充电桩充电量、充电速度、充电时间、故障信息、充电次数、充电时长等数据,以及企业节点(电网)P4所标识的社区用电量、用电时间、用电设备、最大负载、平均负载、电力峰值和谷值、电压、电流、功率等数据,对接企业节点(社区)P3,通过使用合适的通信协议(例如MQTT、HTTP)建立与监测设备的通信通道,以定期接收数据;通过编写解析引擎,根据标识规则、接口规范、设备类型和数据格式,将原始数据解析为标准化的数据结构;再为每个梳理好的数据点分配唯一的数据标识符,以便后续的数据血缘管理。将标准化的数据以JSON、XML等通用格式进行格式化,以便后续模块处理。
其中数据建模模块(20),将标准化数据通过数据预处理、血缘梳理后得到可供数据建模使用的有序数据内容,并存储至数据血缘管理模块(21)。在数据建模模块(22)中,结合电力负荷曲线、充电状态和社区用能需求时间序列完成数据结构设计。选择神经网络、回归分析模型建立电力负荷、充电状态、社区用能需求模型。
跟踪模拟单元,由用电/储能跟踪模块(30)、用电负荷运行模拟器(40)组成。
其中用电/储能跟踪模块(300中用电跟踪模块(31)从标识解析平台获取充电桩、社区电网标准化的用电数据,包括充电桩充电数据、电网负荷曲线、区域负荷等,并通过检测算法,实时跟踪电网的用电情况,包括各个区域的负荷水平和变化趋势,并将实时监测结果推送至用电负荷运行模拟器模块。储能跟踪模块(32),通过社区光伏发电与储能系统获取储能设备状态数据,包括电池充放电状态、电池温度等,并通过检测算法,实时跟踪储能系统的状态,包括电池SOC(State of Charge)和SOH(State of Health)等,并将实时监测结果推送至用电负荷运行模拟器模块。
其中用电负荷运行模拟器(40),主要基于社区用电的不同负载情景,设定测试用例,利用仿真工具和复合算法模拟不同类型的RLC负载,包括正常负载和故障情况,记录模拟得出的电流、电压、功率等参数的变化和仿真结果。可靠性分析模块基于模拟测试的结果,包括电压、电流、功率等数据,跟踪记录电路的性能、响应和故障情况。定义可靠性指标,例如可用性、平均修复时间等,用于评估电网的性能。之后对仿真结果进行分析,分析模拟测试中的故障情况,评估电网的可靠性,生成可靠性分析报告。并通过数据注册管理模块(12)对可靠性分析报告分配唯一标识码,进行标识信息管理,同时,将可靠性分析报告等信息推送至配电负载能力评估模块(50)进行下一步分析。
最后是协同调度单元,由配电负载能力评估模块(50)、微电网调度模块(60)组成。
其中配电负载能力评估模块(50)由算法管理模块(51)和预测评估模块(52)组成。算法管理模块(51)主要是管理负荷均衡算法和电网分布式管理算法。负荷均衡算法,用于平衡电网中的负荷,确保各个区域的负荷分布均匀;分布式管理算法,用于协调微电网中不同设备的操作,以实现电网的稳定运行。预测评估模块是基于用电/储能跟踪模块的实时数据,以及用电负荷运行模拟器的模拟结果,在不同的社区微电网运行情景中,进行电网稳定性分析,进而评估电网的负荷容量和稳定性。
其中微电网调度模块(60)由负载平衡与管理模块(61)和调度协调模块(62)组成。当社区微电网的使用负荷达到峰值,且充电桩供电请求预测将面临超充临界时,调度协调模块(62)将结合光伏发电与储能系统和社区微电网供电情况,制定充电桩应急响应调度方案,生成执行电网调度策略和电网连接与脱网指令等。同时,由负载平衡与管理模块(61)根据负载均衡算法的输出,形成调整信息,借助数据注册管理模块(12)向标识解析平台传输社区微电网负载动态调整指令,结合通信协议和控制策略,确保不同设备之间的协同运行。
以下,基于图4说明流程完成信息的录入和模型结果输出。
Step1:信息的录入
首先,数据来源自充电桩企业和社区微电网的监测设备。这些设备包括电流传感器、电压传感器、智能电表等,它们不断产生原始数据流,其中包括电流、电压、功率和时间戳等信息。这些数据源通过API接口与标识解析企业节点对接,保障了数据的可信追溯和清晰化的数据管理,在实现桩企、社区微电网、电网数据自身管理与应用的同时,保障生态链上数据的实时传输和同步共享、业务协同。
基于已建设的数据解析管理模块、数据血缘管理模块、数据建模模块、用电跟踪模块、储能跟踪模块、RLC负载测试模块、可靠性分析模块,以用能数据标识码为引,通过API接口和标识数据解析规则,从工业互联网标识解析二级节点、企业节点完成社区微电网管理中对桩企、电网的数据解析,并将解析后数据存放在数据解析管理模块中。解析完成后,根据数据源分类和供电参数触发建立数据血缘,完成数据从标识平台到社区微店网管理的数据录入过程。通过数据建模模块基于业务参数的数据建模,结合已进行血缘关联的数据和软硬件共同搭建的用电跟踪模块、储能跟踪模块(微电网光伏发电与储能系统同步与管理数据),完成RLC负载测试、可靠性分析,完成基础数据录入。综上,完成对配电负载能力评估和负载平衡与管理、调度所需数据的录入和过程计算过程。
Step2:模型结果输出
基于数据建模模块所提供的结合电力负荷曲线、充电状态和社区用能需求等关键信息,结合用电/储能跟踪模块收集到的社区微电网实时用电情况和光伏发电与储能系统储能状态,通过配电负载能力评估模块完成社区微电网使用中对充电桩超充的临界值评估。
达到超充临界值后,自动触发微电网调度模块中的负载平衡管理指令,根据当前充电桩运行其情况行程供电能力评估报告,并根据预测结果推送调优配电方案。
标识注册管理模块对供电能力评估报告和超充临界调控方案和预测结果进行数据标识,并推送至标识解析平台,实现与桩企、电网的数据共享与交互,完成数据输出。
用电负荷运行模拟器使用供电模型数据来进行负载测试和可靠性分析,输出包括负荷测试结果和电网可靠性评估报告。
配电负载能力评估模块进一步根据微电网、充电桩实时跟踪数据和模拟结果,对社区微电网的性能进行评估,分析电网的负荷容量、故障临界值、配电稳定性,输出包括负荷容量评估结果和稳定性分析报告。
最后,微电网调度模块根据实时数据和评估结果,制定电网调度方案和储能系统的控制命令,将数据标识好后上传标识解析平台,借助标识解析节点平台以实现与桩企充电桩系统、电网系统电网的生态协同,确保了社区微电网的高效运行和复合电力供应的可靠性,解决社区微电网管理中对充电桩智能供电调控决策评估与超充临界调控的问题。
同时,本发明还公开了一种微电网充电桩的智能供电调控装置,所述装置包括处理器以及存储器;所述存储器用于存储指令,所述指令被所述处理器执行时,导致所述装置实现上述任一项所述微电网充电桩的智能供电调控方法。
同时,本发明还公开了一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行上述任一项所述微电网充电桩的智能供电调控方法。
综上所述,基于标识解析的社区微电网充电桩智能供电调控决策评估模型及系统是一个复杂而高效的能源调度管理系统,它通过信息的录入和模型结果的输出,缓解了当前充电桩进社区为社区用电带来的过载风险及调控压力。各个模块之间的协同工作既保障了社区微电网环境的正常用电使用需求,同时尽可能的提升了社区充电桩的使用安全和高可靠性、可持续性运营,解决社区微电网管理中对充电桩智能供电调控决策评估与超充临界调控的问题。这个系统为未来的新能源汽车基础设施建设和资源共享提供了强大的工具。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种微电网充电桩的智能供电调控方法,其特征在于,包括:
基于数据管理系统解析第一数据并获取所述第一数据的溯源信息;所述第一数据包括充电桩特性数据、微电网负载数据、供电/用电读数中的至少一种;所述溯源信息包括所述第一数据的源头、变化和传播路径中的至少一种;
基于跟踪模拟单元获取社区微店网下充电桩超充临界值的评估与预测参数;
基于协同调度单元对所述第一数据、所述第一数据的溯源信息、评估与预测参数的处理,进行RLC负载测试和可靠性分析,完成动态跟踪与预测,确定动态负载评估值;
基于所述动态负载评估值,通过供电调控决策评估模型,确定对充电桩超充的微电网负载临界条件下配电的调度与协调的调度方案。
2.根据权利要求1所述的方法,其特征在于,所述数据管理单元包括数据解析/注册模块、数据建模模块。
3.根据权利要求2所述的方法,其特征在于,所述跟踪模拟单元包括用电/储能跟踪模块、用电负荷运行模拟器。
4.根据权利要求3所述的方法,其特征在于,所述获取社区微店网下充电桩超充临界值的评估与预测参数包括:
基于多因素下的充电桩充电/社区电网负载评估平衡指数计算与动态跟踪曲线分析。
5.根据权利要求3所述的方法,其特征在于,所述协同调度单元包括配电负载能力评估模块、微电网调度模块。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
基于所述数据解析管理模块、数据血缘管理模块、数据建模模块、用电跟踪模块、储能跟踪模块、RLC负载测试模块、可靠性分析模块,以用能数据标识码为引,通过API接口和标识数据解析规则,从工业互联网标识解析二级节点、企业节点完成社区微电网管理中对桩企、电网的数据解析,并将解析后数据存放在数据解析管理模块中;
解析完成后,根据数据源分类和供电参数触发建立数据血缘,完成数据从标识平台到社区微店网管理的数据录入过程;
通过数据建模模块基于业务参数的数据建模,结合已进行血缘关联的数据和软硬件共同搭建的用电跟踪模块、储能跟踪模块,完成RLC负载测试、可靠性分析,完成基础数据录入。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
通过配电负载能力评估模块完成社区微电网使用中对充电桩超充的临界值评估;
响应于满足超充临界值后,自动触发微电网调度模块中的负载平衡管理指令,根据当前充电桩运行其情况行程供电能力评估报告,并根据预测结果推送调优配电方案;
基于标识注册管理模块对供电能力评估报告和超充临界调控方案和预测结果进行数据标识,并推送至标识解析平台,完成数据输出。
8.一种微电网充电桩的智能供电调控系统,其特征在于,包括:
第一获取模块,用于基于数据管理系统解析第一数据并获取所述第一数据的溯源信息;所述第一数据包括充电桩特性数据、微电网负载数据、供电/用电读数中的至少一种;所述溯源信息包括所述第一数据的源头、变化和传播路径中的至少一种;
第二获取模块,用于基于跟踪模拟单元获取社区微店网下充电桩超充临界值的评估与预测参数;
第一确定模块,用于基于协同调度单元对所述第一数据、所述第一数据的溯源信息、评估与预测参数的处理,进行RLC负载测试和可靠性分析,完成动态跟踪与预测,确定动态负载评估值;
第二确定模块,用于基于所述动态负载评估值,通过供电调控决策评估模型,确定对充电桩超充的微电网负载临界条件下配电的调度与协调的调度方案。
9.一种微电网充电桩的智能供电调控装置,其特征在于,所述装置包括:
数据解析/注册模块:用于与工业互联网标识解析节点平台对接,支撑桩企、社区微电网、电网平台之间的数据共享与业务协同,以及对数据进行标准化解析和标识赋码;
数据建模模块:用于基于所述数据解析/注册模块解析后的数据选择合适的建模算法和数据结构,将标准化数据转换为供电调控模型所需的形式;
用电/储能跟踪模块:用于监测社区微电网的实时用电情况,以及追踪光伏发电与储能系统的状态和性能;
用电负荷运行模拟器:用于模拟电网中的电阻、电感和电容负载,对社区微电网下不同用电情景进行负荷测试和故障分析,并记录模拟测试的结果;利用负载模拟算法、测试场景设计,对社区微电网供电峰值和超充临界的精准分析;
配电负载能力评估模块:用于考虑不同社区微电网运行情景,根据实时数据和模拟结果,评估电网的负荷容量和稳定性;利用负荷均衡算法和电网分布式管理算法,完成配电负载能力评估;
微电网调度模块:用于协调充电桩、光伏发电与储能、电网装置,利用标识解析平台和通讯协议,将负载调度策略信息同步给桩企、电网和社区光伏系统。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取所述计算机指令时,所述计算机执行1-7中任一项所述的微电网充电桩的智能供电调控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311472117.5A CN117674221A (zh) | 2023-11-07 | 2023-11-07 | 微电网充电桩的智能供电调控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311472117.5A CN117674221A (zh) | 2023-11-07 | 2023-11-07 | 微电网充电桩的智能供电调控方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117674221A true CN117674221A (zh) | 2024-03-08 |
Family
ID=90076139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311472117.5A Pending CN117674221A (zh) | 2023-11-07 | 2023-11-07 | 微电网充电桩的智能供电调控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117674221A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118152076A (zh) * | 2024-05-09 | 2024-06-07 | 国网上海市电力公司 | 一种电动汽车充放电运行调控平台 |
-
2023
- 2023-11-07 CN CN202311472117.5A patent/CN117674221A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118152076A (zh) * | 2024-05-09 | 2024-06-07 | 国网上海市电力公司 | 一种电动汽车充放电运行调控平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rosewater et al. | Battery energy storage state-of-charge forecasting: Models, optimization, and accuracy | |
KR20230122165A (ko) | 충전 관리 시스템의 충전과 에너지공급 최적화 방법및 장치 | |
CN102722764B (zh) | 一体化电网优化辅助决策分析系统 | |
CN110059356A (zh) | 一种基于大数据和人工智能的大电网智能调控系统和方法 | |
KR102544181B1 (ko) | 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법 | |
CN104751305A (zh) | 一种基于故障分析抢修的智能交互系统及其控制方法 | |
CN117674221A (zh) | 微电网充电桩的智能供电调控方法及系统 | |
CN103617447A (zh) | 智能变电站的评价系统及评价方法 | |
CN111046519A (zh) | 一种人工智能技术在电能表误差诊断中的应用分析方法 | |
CN116526667A (zh) | 基于电流物联网反馈机制的二次融合配网馈线终端系统 | |
Simolin et al. | Assessing the influence of the temporal resolution on the electric vehicle charging load modeling accuracy | |
CN112819203B (zh) | 一种基于深度学习的充电管理系统及方法 | |
CN110310048A (zh) | 一种配网规划全过程评估方法及装置 | |
He et al. | Coordinated planning of charging swapping stations and active distribution network based on EV spatial‐temporal load forecasting | |
CN203261124U (zh) | 一种智能电网用户侧响应系统 | |
CN103247087A (zh) | 城市配网图形化智能防误操作系统及其方法 | |
Zhou et al. | Collaborative strategy of dynamic wireless charging electric vehicles and hybrid power system in microgrid | |
CN115689361A (zh) | 一种基于数据驱动的牵引供电能力态势感知系统及方法 | |
Dhara et al. | Smart grid modernization: Opportunities and challenges | |
Kotsakis et al. | Smart Grid Interoperability lab at the joint research centre (JRC) of the European Commission: Towards a European platform for real time simulation | |
CN114243923A (zh) | 一种面向县域城乡统筹区域的综合能源多站融合集群调控与服务技术方法 | |
CN114970108A (zh) | 一种基于数据驱动的化学电池储能应用分析方法 | |
CN114266471A (zh) | 一种面向冷热电多能流耦合综合能源的能效评价方法 | |
Wu et al. | Topology identification method of low-voltage distribution network based on measurement data of IOT devices | |
CN113437800A (zh) | 一种新能源发电监测平台 |
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 |