CN117713176B - 源网荷储低碳运行方法、装置、电子设备及存储介质 - Google Patents
源网荷储低碳运行方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117713176B CN117713176B CN202410167493.1A CN202410167493A CN117713176B CN 117713176 B CN117713176 B CN 117713176B CN 202410167493 A CN202410167493 A CN 202410167493A CN 117713176 B CN117713176 B CN 117713176B
- Authority
- CN
- China
- Prior art keywords
- energy system
- target
- time window
- clustering
- target energy
- 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
- 238000000034 method Methods 0.000 title claims abstract description 129
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 128
- 238000003860 storage Methods 0.000 title claims abstract description 81
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 113
- 238000010248 power generation Methods 0.000 claims abstract description 52
- 238000004146 energy storage Methods 0.000 claims abstract description 43
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 74
- 238000012983 electrochemical energy storage Methods 0.000 claims description 44
- 238000011156 evaluation Methods 0.000 claims description 36
- 230000005611 electricity Effects 0.000 claims description 26
- 238000010521 absorption reaction Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000002829 reductive effect Effects 0.000 description 45
- 230000008569 process Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 14
- 238000009826 distribution Methods 0.000 description 12
- 230000007246 mechanism Effects 0.000 description 12
- 238000013519 translation Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 239000000243 solution Substances 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000003064 k means clustering Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000007599 discharging Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000031700 light absorption Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036316 preload Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013107 unsupervised machine learning method Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种源网荷储低碳运行方法、装置、电子设备及存储介质,涉及电力技术领域,该方法包括:基于目标聚类算法,对上一时间窗口内目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内目标能源系统修正后的运行数据,目标聚类算法是对DBSCAN聚类算法和ISODATA聚类算法进行改进后得到的;基于上述运行数据,依据目标能源系统对应的运行目标和运行约束,生成当前时间窗口内目标能源系统的运行方案。本发明提供的源网荷储低碳运行方法、装置、电子设备及存储介质,能在高随机性的分布式电源以及高灵活性的储能装置大量接入能源系统的情况下,更好地确保能源系统的安全稳定运行以及能源系统中分布式电源的发电消纳。
Description
技术领域
本发明涉及电力技术领域,尤其涉及一种源网荷储低碳运行方法、装置、电子设备及存储介质。
背景技术
随着石油、煤炭、天然气等非可再生能源总储量的日趋减少,以太阳能光伏发电设备、风力发电设备为代表的分布式电源以及以电化学储能设备、虚拟储能设备为代表的储能装置在能源系统中的占比越来越高。
随着高随机性的分布式电源以及高灵活性的储能装置大量接入能源系统,相关技术中传统的能源系统运行方法已难以确保能源系统的安全稳定运行以及分布式电源的发电消纳。
因此,如何调用能源系统中源网荷储的能动性以更好地确保能源系统的安全稳定运行以及分布式电源的发电消纳,是本领域亟待解决的技术问题。
发明内容
本发明提供一种源网荷储低碳运行方法、装置、电子设备及存储介质,用以解决现有技术中在高随机性的分布式电源以及高灵活性的储能装置大量接入能源系统的情况下,难以确保能源系统的安全稳定运行以及能源系统中分布式电源的发电消纳的缺陷,实现在高随机性的分布式电源以及高灵活性的储能装置大量接入能源系统的情况下,更好地确保能源系统的安全稳定运行以及分布式电源的发电消纳。
本发明提供一种源网荷储低碳运行方法,包括:
获取上一时间窗口内目标能源系统的运行数据,所述目标能源系统的运行数据包括所述目标能源系统中发电源的出力数据、负荷的负荷数据以及储能的储能数据,所述目标能源系统中发电源包括分布式电源,所述目标能源系统中储能包括虚拟储能和电化学储能;
基于目标聚类算法,对所述上一时间窗口内所述目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内所述目标能源系统修正后的运行数据,所述目标聚类算法是对DBSCAN聚类算法和ISODATA聚类算法进行改进后得到的;
基于上一时间窗口内所述目标能源系统修正后的运行数据,依据所述目标能源系统对应的运行目标和运行约束,生成当前时间窗口内所述目标能源系统的运行方案;
依据当前时间窗口内所述目标能源系统的运行方案,在当前时间窗口内对所述目标能源系统进行运行调度。
本发明还提供一种源网荷储低碳运行装置,包括:
数据获取模块,用于获取上一时间窗口内目标能源系统的运行数据,所述目标能源系统的运行数据包括所述目标能源系统中发电源的出力数据、负荷的负荷数据以及储能的储能数据,所述目标能源系统中发电源包括分布式电源,所述目标能源系统中储能包括虚拟储能和电化学储能;
数据修正模块,用于基于目标聚类算法,对所述上一时间窗口内所述目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内所述目标能源系统修正后的运行数据,所述目标聚类算法是对DBSCAN聚类算法和ISODATA聚类算法进行改进后得到的;
方案生成模块,用于基于上一时间窗口内所述目标能源系统修正后的运行数据,依据所述目标能源系统对应的运行目标和运行约束,生成当前时间窗口内所述目标能源系统的运行方案;
运行调度模块,用于依据当前时间窗口内所述目标能源系统的运行方案,在当前时间窗口内对所述目标能源系统进行运行调度。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述源网荷储低碳运行方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述源网荷储低碳运行方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述源网荷储低碳运行方法。
本发明提供的源网荷储低碳运行方法、装置、电子设备及存储介质,通过获取上一时间窗口内目标能源系统中分布式电源的运行数据之后,基于目标聚类算法,对上一时间窗口内目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内目标能源系统修正后的运行数据,进而基于上一时间窗口内目标能源系统修正后的运行数据,依据目标能源系统对应的运行目标和运行约束,生成当前时间窗口内目标能源系统的运行方法,以供在当前时间窗口内依据当前时间窗口内目标能源系统的运行方法对目标能源系统进行运行调度,能在高随机性的分布式电源以及高灵活性的储能装置大量接入能源系统的情况下调用能源系统中源网荷储的能动性,从而能更好地确保能源系统的安全稳定运行以及能源系统中分布式电源的发电消纳。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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是本发明提供的源网荷储低碳运行方法的流程示意图;
图2是本发明提供的源网荷储低碳运行方法中利用目标聚类算法修正上一时间窗口内目标能源系统中分布式电源的出力数据的流程示意图;
图3是本发明提供的源网荷储低碳运行方法的原理示意图;
图4是本发明提供的源网荷储低碳运行方法中实例中的目标能源系统的节点拓扑结构示意图;
图5是本发明提供的源网荷储低碳运行方法的实例中四种场景中参与运行调度后电负荷曲线对比图;
图6是本发明提供的源网荷储低碳运行方法的实例中场景7运行调度前虚拟储能分布图;
图7是本发明提供的源网荷储低碳运行方法的实例中场景7运行调度后虚拟储能分布图;
图8是本发明提供的源网荷储低碳运行方法的实例中场景7运行调度后各时刻的节点电压图;
图9是本发明提供的源网荷储低碳运行装置的结构示意图;
图10是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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,都属于本发明保护的范围。
在发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本申请的描述中,术语“第一”、“第二”等是用于区别类似的对象,而不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,以便本申请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,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,本申请的描述中,“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
需要说明的是,在电力技术领域中,源网荷储是一个涉及到电力供需平衡和能源储存的概念。源网荷储中的源,指电力系统中的发电源,包括火电、水电、风电、太阳能等发电方式,上述发电源提供了电力系统所需的电能;源网荷储中的网,指电力系统中的输电网和配电网,负责将发电源产生的电能输送到用户,并确保电力供应的稳定性和可靠性;源网荷储中的荷,指电力系统中的负荷,即用户的用电需求,负荷的大小会随着时间的变化而变化,电力系统需要根据负荷的变化来调整发电量,以保持供需平衡;源网荷储中的储,指电力系统中的能源储存装置,用于在电力系统中储存过剩的电能,以便在需要时释放出来供电使用。
分布式电源(Distributed Energy Resources,DER)是指分散在用户侧的、小规模的、可再生和非可再生能源发电装置。与传统中央化能源系统不同,分布式电源可以通过本地和个人的能源生产和使用来满足能源需求,这有助于提高能源的安全性、可靠性并降低能源传输损失。分布式电源可以包括多种类型的设备,如太阳能光伏发电设备、风力发电设备、小型燃气轮机发电设备、燃料电池、微型水力发电设备等。分布式电源可以在终端用户的建筑物、工厂、居民区或社区中安装,以满足当地的能源需求。
但是,以太阳能光伏发电设备(Photovoltaic,PV)、风力发电设备(Wind Turbine,WT)为代表的分布式电源的输出功率并不稳定,需要配置储能装置(Energy StorageSystem,ESS)以缓冲分布式电源输出功率不稳定造成的不良影响。其中,电化学储能设备作为一种具有代表性的储能装置,具有高效和灵活的双向调节能力,使得能量能够在不同时间段之间进行平衡和传递,帮助平衡配电网中的能源供需。
随着石油、煤炭、天然气等非可再生能源总储量的日趋减少,以及由于大量使用化石能源所引起的一系列环境问题,可再生清洁能源已逐渐成为全球能源体系转型的关键方向。因此,近年来包括分布式电源和储能装置的混合能源系统,在配电网中的占比越来越多。而高比例的混合能源系统接入配电网,会导致配电网具有更高的复杂性和更大的不确定性,相关技术中传统的配电网运行方法已难以确保配电网的安全稳定运行以及分布式电源的发电消纳。
聚类算法作为一种无监督机器学习方法,在电力系统负荷分类、风光特征场景提取等方面应用较多。通过聚类算法可以更好地理解不同簇之间的差异和特点,帮助系统优化相应的调度策略,从而实现最大化能源利用效率和降低系统运行成本。
虚拟储能通过在能源系统中调整能量的生成、消耗和转移来模拟能量的存储和释放过程,具体包括电力需求响应、电动汽车、储热锅炉等一系列的可控负荷。
针对上述技术问题,本发明提供一种改进DBSCAN聚类算法和ISODATA聚类的源网荷储低碳运行方法。本发明提供的源网荷储低碳运行方法中,提出一种通过改进DBSCAN聚类算法和ISODATA聚类算法的目标聚类算法,并综合考虑分布式电源、虚拟储能以及电化学储能接入能源系统,引入阶梯式碳交易机制,建立以能源系统综合运行成本最低为目标的运行调度模型,同时在考虑风光消纳率、节点电压平稳度、电压波动幅值的评价指标的基础上,提出用户参与满意度以及电网依赖度两种能源系统运行评价指标。本发明提供的源网荷储低碳运行方法在IEEE33节点系统上进行算例仿真分析,通过设置不同场景进行对比,结果验证了所提方法在能源系统经济稳定运行和分布式电源消纳方面的有效性。
图1是本发明提供的源网荷储低碳运行方法的流程示意图。下面结合图1描述本发明的源网荷储低碳运行方法。如图1所示,该方法包括:步骤101、获取上一时间窗口内目标能源系统的运行数据,目标能源系统的运行数据包括目标能源系统中发电源的出力数据、负荷的负荷数据以及储能的储能数据,目标能源系统中发电源包括分布式电源,目标能源系统中储能包括虚拟储能和电化学储能。
需要说明的是,本发明实施例的执行主体为源网荷储低碳运行装置。
具体地,目标能源系统为本发明提供的源网荷储低碳运行方法的执行对象。目标能源系统中的发电源包括分布式电源,目标能源系统中的储能包括虚拟储能。基于本发明提供的源网荷储低碳运行方法,可以实现目标能源系统中发电源、负荷以及储能的低碳运行,还可以更好地确保目标能源系统的安全稳定运行以及目标能源系统中分布式电源的发电消纳。
可以理解的是,本发明实施例中的目标能源系统可以根据实际需求确定,例如,可以根据实际需求将某省、某市或某一区域的能源系统确定为目标能源系统。本发明实施例中对目标能源系统不作具体限定。
源网荷储一体化是指在保证用电安全的前提下,提高分布式电源参与比重,强调发挥负荷侧调节能力,就近优化发展整合能源系统中分布式电源、电网、负荷和储能,进而实现源网荷储高度融合的局域性综合化能源系统。源网荷储在多维度协同调度,能够在保证多时空尺度的供需平衡基础上,灵活有效地维持主动能源系统安全稳定高效的运行。
需要说明的是,本发明实施例中可以根据先验知识和/或实际情况确定时间窗口的时长以及时间窗口的起始时刻。本发明实施例中对时间窗口的失宠以及时间窗口的起始时刻不作具体限定。
可选地,本发明实施例中可以将时间窗口的时长确定为24小时,将时间窗口的起始时刻可以为零点。
本发明实施例中可以通过数据查询的方式,获取上一时间窗口内目标能源系统的运行数据。
步骤102、基于目标聚类算法,对上一时间窗口内目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内目标能源系统修正后的运行数据,目标聚类算法是对DBSCAN聚类算法和ISODATA聚类算法进行改进后得到的。
需要说明的是,由于分布式电源的输出功率并不稳定,因此直接基于上一时间窗口内目标能源系统的运行数据生成当前时间窗口内目标能源系统的运行方案,是难以确保当前时间窗口内目标能源系统的安全稳定运行以及分布式电源的发电消纳的。
具体地,本发明实施例中在获取上一时间窗口内目标能源系统的运行数据之后,可以利用目标聚类算法,通过数值计算的方式,对上一时间窗口内目标能源系统的运行数据中目标能源系统中分布式电源的出力数据进行修正,获取上一时间窗口内目标能源系统修正后的运行数据,用于生成当前时间窗口内目标能源系统的运行方案,从而避免上一时间窗口内目标能源系统中分布式电源的出力数据的不稳定性,对当前时间窗口内目标能源系统的运行方案造成的不良影响。
作为一个可选地实施例,上一时间窗口内目标能源系统中分布式电源的出力数据,包括上一时间窗口内目标能源系统中的分布式电源在每一采样时刻的出力数据,任意相邻两个采样时刻之间间隔预设时长。
利用目标聚类算法,对上一时间窗口内目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内目标能源系统修正后的运行数据,包括:将上一时间窗口内目标能源系统中的分布式电源在每一采样时刻的出力数据,分别确定为每一样本数据。
基于DBSCAN聚类算法对各样本数据进行聚类,获得多个原始聚类中心,DBSCAN聚类算法中的邻域距离阈值和样本个数阈值是预定义的。
具体地,聚类算法可以根据在数据中发现的描述对象及其关系的信息,将数据对象按照一定的原则分为不同的簇类。簇类结果保证簇内相似度高,簇间相似度低。分布式电源出力场景中,聚类通过可以依据出力曲线之间相似性和差异性将分布式电源的出力划分至不同的簇。
广泛使用的k-means聚类算法是一种经典的聚类算法。从算法的角度来看,ISODATA聚类算法与k-means聚类算法非常相似,ISODATA聚类算法与k-means聚类算法的聚类中心都是通过样本的均值的迭代运算来决定的。
但是,由于k-means聚类算法对初值的设定较为敏感,对于设定不同初始值,可能会导致不同的结果,所以并不适用于数据量过大以及数据维度繁多的情况。ISODATA聚类算法在k-means的基础上增加了对聚类结果的“合并”和“分裂”操作,并且不用人为选择聚类的个数。
DBSCAN聚类算法的显著优点是聚类速度快并且能够有效处理噪声点和发现任意形状的空间聚类,其聚类中心的密度较高,并且与其它聚类高的聚类中心距离相隔较远。
DBSCAN聚类算法可以首先对数据进行初步聚类,将高密度区域形成紧密的簇,并将低密度区域和噪声点识别为离群点,进而开业根据簇内方差和簇间方差的变化情况动态地合并或分裂簇,从而可以灵活地调整簇的数量和形状。
DBSCAN聚类算法一方面保留了DBSCAN的高效性和对不规则形状的簇和噪声点的处理能力,另一方面通过ISODATA聚类算法的迭代调整提高了聚类的准确性和稳定性。
综上,利用密度聚类算法的特点,能够有效的确定ISODATA聚类算法聚类的初始中心,进而利用DBSCAN聚类算法实现对风光场景的聚类。
图2是本发明提供的源网荷储低碳运行方法中利用目标聚类算法修正上一时间窗口内目标能源系统中分布式电源的出力数据的流程示意图。图2所示,获取上一时间窗口内目标能源系统的运行数据之后,对于上一时间窗口内目标能源系统中分布式电源的出力数据,可以将上一时间窗口内目标能源系统中的分布式电源在各采样时刻的出力数据确定为每一样本数据,进而可以基于欧式距离函数,计算得到任意两个样本数据之间的欧式距离,具体计算公式如下:
(1)
其中,表示第/>个样本数据;/>表示第/>个样本数据;/>,,/>表示上一时间窗口内采样时刻的总数;/>表示第/>个样本数据中第u维度的数据;/>表示第/>个样本数据中第u维度的数据;n表示目标能源系统中的分布式电源的出力数据的数据维度总数。
本发明实施例中可以基于先验知识和/或实际情况,预定义DBSCAN聚类算法中的邻域距离阈值ε以及距离任一样本数据为ε的领域中样本个数阈值Minpts。
基于DBSCAN聚类算法对各样本数据进行聚类,可以获得n个原始聚类中心。
获取每一原始聚类中心对应的聚类区域中样本数据的数量,基于每一原始聚类中心对应的聚类区域中样本数据的数量,剔除对应的聚类区域中样本数据的数量少于样本个数阈值的原始聚类中心,并将剩余的原始聚类中心确定为初始聚类中心,任一原始聚类中心对应的聚类区域包括以任一原始聚类中心为圆心,以邻域距离阈值为半径的圆形区域。
具体地,第m个原始聚类中心可以通过如下公式表示:
(2)
式中,表示第m个原始聚类中心对应的聚类区域;x表示样本数据。
通过比较任一样本数据与第m个原始聚类中心之间的距离与邻域距离阈值ε,可以确定上述样本数据是否处于第m个原始聚类中心对应的聚类区域/>中。
若第m个原始聚类中心对应的聚类区域中样本数据的数量不少于样本个数阈值/>,则将第m个原始聚类中心确定为初始聚类中心。
将各初始聚类中心确定为ISODATA聚类算法中聚类中心的初始值,基于ISODATA聚类算法对各样本数据进行聚类,获得多个目标聚类中心。
需要说明的是,ISODATA聚类算法(Iterative Self-Organizing Data AnalysisTechnique Algorithm)是一种基于聚类分析的无监督分类算法,它可以自动地将数据集划分为若干个不同的类别。
ISODATA聚类算法的基本思路是:首先随机选取一些数据样本作为聚类中心,然后将数据集中的每个样本点归为最近的聚类中心所在的类别;接着计算每个类别的均值、标准差和样本数等统计量,剔除样本数量较少、方差较小的类别,将样本数量较少的类别合并到与其最近的其他类别中,并重新计算新的聚类中心。重复以上过程,直到满足预设的终止条件(如聚类中心数量达到指定值、迭代次数达到上限等)。
本发明实施例中对ISODATA聚类算法进行了改进,将各初始聚类中心确定为ISODATA聚类算法中聚类中心的初始值,而不是随机选取一些数据样本作为聚类中心。
在不满足迭代停止条件的情况下,将目标聚类中心确定为原始聚类中心,并再次执行获取每一原始聚类中心对应的聚类区域中样本数据的数量,至基于ISODATA聚类算法对各样本数据进行聚类,获得目标聚类中心的步骤,在满足迭代停止条件的情况下,基于目标聚类中心以及目标聚类中心对应的聚类区域中的样本数据,对上一时间窗口内目标能源系统中分布式电源的出力数据进行修正,进而获得上一时间窗口内目标能源系统修正后的运行数据。
具体地,基于ISODATA聚类算法对各样本数据进行聚类时,若迭代运算次数为偶数次或者完成最后一次迭代,且当聚类中心的数目大于规定值的两倍,进行合并处理。否则当运算次数不是偶数次迭代,并且聚类中心的数目小于或者等于规定值的一半对已有聚类进行分裂处理。
第m个初始聚类中心对应的聚类区域中的各样本数据,与第m个初始聚类中心之间距离的平均值/>可以通过如下公式计算得到:
(3)
各样本数据与所在聚类区域的初始聚类中心之间距离的平均值可以通过如下公式计算得到:
(4)
第m个初始聚类中心对应的聚类区域中各样本数据类内距离的标准差矢量。
分量可以通过如下公式计算得到:
(5)
式中,表示分量编号,/>,m表示类的编号;/>表示第m类中样本数据的数量;/>表示/>的第/>个分量,/>表示第m个初始聚类中心/>的第/>个分量。
计算得到第m个初始聚类中心对应的聚类区域中各样本数据类内距离的标准差矢量的最大分量/>,具体计算公式如下:
(6)
当为奇数时进行分裂,/>为偶数时进行合并,以使机会均等。
其中:为迭代次数。/>为两个聚类中心间的最小距离下限(若小于此数,则这两类应合并)。/>为聚类中心对应的聚类区域内各分量分布的标准差上限(大于此数就分裂)。/>为每一聚类区域中允许的最少数目(若少于此数,就不能单独成类)。/>为预期的聚类中心的数量。
若,且满足/>、/>以及/>,则将第m个初始聚类中心对应的聚类区域/>分裂为两个聚类区域,分裂后的两个两个聚类区域的聚类中心/>和/>,分别是在第m个初始聚类中心/>中相对于/>的分量加上和减去,而其它分量不变,其中/>,/>的选取应使/>和/>仍在/>的类域空间中,且其他类/>的模式到/>和/>距离较远,而原/>类中的模式和他们的距离较小。分裂后,/>,继续进行迭代。其中:/>为当前要分裂的聚类区域。
计算得到第m个初始聚类中心与每一初始聚类中心之间的距离,具体计算公式如下:
(7)
依据判断合并,其中/>为两类中心间的最小距离下限(若小于此数,则这两类应合并)。
将与/>比较,并将小于/>的/>按递增次序排列,取前/>个,。从最小的/>开始,将相应的两类合并;L表示数量阈值。
将距离为的两个聚类中心/>和聚类中心/>合并,则合并后的聚类中心可以表示为/>,/>,(其中,/>表示第/>个聚类中心中样本数据的数量,/>表示第/>个聚类中心中样本数据的数量),最终聚类数为当前聚类数减去已经合并掉的类数。在一次迭代中,某一类最多只能被合并一次。如果迭代次数/>或者过程中已经收敛,则结束运算。否则,/>。
本发明实施例中对于聚类结果的内部评估,不借助于外部信息,仅依靠聚类的结果和样本本身的属性来进行评估。本发明实施例中可以基于DB指数(Davies-BouldinIndex,DBI)、Dunn指数(Dunn Index,DI)和轮廓系数,进行聚类结果的内部评估。
DB指数可以通过如下公式计算得到:
(8)
若目标聚类中心对应的聚类区域,/>对应于聚类区域S内样本数据之间的平均距离;/>对应于聚类区域/>和/>之间聚类中心间的距离;公式(8)中聚类区域内样本数据间平均距离越小及聚类区域间中心点距离越大时结果更优,即DB指数越小说明聚类效果越好。
Dunn指数可以通过如下公式计算得到:
(9)
式中,为聚类区域/>和/>之间样本数据的最小距离,/>为聚类区域内样本数据之间的最大距离;公式(9)中聚类区域间最小距离越大且聚类区域内样本之间的最远距离越小时结果更优,即Dunn指数越大说明聚类效果越好。
轮廓系数可以通过如下公式计算得到:
(10)
式中,表示样本/>到它所属簇中其它样本欧式距离的均值,/>表示样本/>到除了它所属的簇之外的相邻簇中所有样本点的平均欧式距离的最小值;轮廓系数的取值范围为[-1,1],当取值越接近1,即样本所在簇中所有样本点之间距离都比较近,且样本所在的簇距离其最近的簇较远,说明此时聚类效果较好;相反,当取值越接近-1,即样本所在簇中所有样本点之间距离都比较远,且样本所在的簇距离其最近的簇较近,此时聚类效果较差;当簇中只有一个样本点时,此时定义/>。
在满足迭代停止条件的情况下,可以基于目标聚类中心以及目标聚类中心对应的聚类区域中的样本数据,对上一时间窗口内目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内目标能源系统中分布式电源修正后的出力数据,进而可以获得上一时间窗口内目标能源系统修正后的运行数据。
步骤103、基于上一时间窗口内目标能源系统修正后的运行数据,依据目标能源系统对应的运行目标和运行约束,生成当前时间窗口内目标能源系统的运行方案。
图3是本发明提供的源网荷储低碳运行方法的原理示意图。如图3所示,获取上一时间窗口内目标能源系统修正后的运行数据,可以依据目标能源系统对应的运行目标和运行约束,利用Cplex求解器求解得到当前时间窗口内目标能源系统的运行方案。
作为一个可选地实施例,目标能源系统对应的运行目标包括目标能源系统的综合运行成本最低;综合运行成本包括购电成本、电网损耗成本、分布式电源的调度成本、电化学储能的调度成本、虚拟储能调度成本、弃风弃光的惩罚成本以及阶梯式碳交易成本;目标能源系统中的虚拟储能包括第一虚拟储能、第二虚拟储能以及第三虚拟储能;第一虚拟储能是通过削减负荷实现储能的;第二虚拟储能是通过调配负荷实现储能的;第三虚拟储能是通过在连续时间段内整体平移负荷实现储能的。
第一虚拟储能为可削减虚拟储能(reducible virtual energy storage,RVES)。可削减虚拟储能是指可以根据用户舒适度与参与响应意愿进行削减的负荷,通过分析用户舒适度与参与响应意愿对负荷进行削减之后,上述负荷的削减功率可以等同虚拟储能进行放电行为。
由于可削减虚拟储能的存在会直接的影响用户用电体验,因此可削减虚拟储能的调度成本相较于另外两种虚拟储能有所增加。
可削减虚拟储能的响应特性模型可以通过如下公式表示:
(11)
式中,表示削减负荷前可削减虚拟储能的负荷值;/>表示削减负荷后可削减虚拟储能的储能变化量;/>表示可削减虚拟储能变化量的上限值。
第二虚拟储能为可转移虚拟储能(transferable virtual energy storage,TVES)。可转移虚拟储能是指根据能源系统用电高低峰期间可接受转移的时间区间内进行调配的负荷,若调配上述负荷前和调配上述可控负荷后,上述负荷的负荷曲线差值为正值,则可以等效为可转移虚拟储能的充电行为,若调配上述负荷前和调配上述负荷后,上述负荷的负荷曲线差值为负值,则可以等效为可转移虚拟储能的放电行为。
可转移虚拟储能的响应特性模型可以通过如下公式表示:
(12)
式中,表示调配负荷前可转移虚拟储能的负荷值,/>表示/>时刻参与负荷调配的可转移虚拟储能的储能变化量;/>和/>的取值为0或1,表示/>时刻可转移虚拟储能的调配状态,若/>为0,则表示/>时刻可转移虚拟储能未进行转移,若/>为1,则/>时刻可转移虚拟储能进行了转移;/>和分别表示可转移虚拟储能在/>时刻增加和减少的负荷值;/>和分别表示可转移虚拟储能的储能变化量的上下限值。
第三虚拟储能为可平移虚拟储能(shiftable virtual energy storage,SVES)。可平移虚拟储能与可转移虚拟储能具有一定的相似性,但是受连续性和时序性的约束,负荷只能实现连续时间段内的整体平移。若整体平移前和整体平移后,上述负荷的负荷曲线差值为正值,则可以等效于可平移虚拟储能的充电行为,若整体平移负荷前和整体平移负荷后,上述负荷的负荷曲线差值为负值,则可以等效为可平移虚拟储能的放电行为。
可平移虚拟储能的响应特性模型可以通过如下公式表示:
(13)
式中,表示整体平移前可平移虚拟储能的负荷值;/>为/>时刻参与整体平移前的可平移虚拟储能的变化量;/>、/>为决策变量,表示可平移虚拟储能在/>时刻的平移状态,若/>为0,则表示可平移虚拟储能在/>时刻未进行整体平移,若/>为1,则表示可平移虚拟储能在/>时刻进行了整体平移,可平移虚拟储能整体平移前后的决策变量之和为0;/>和/>分别表示可平移虚拟储能在/>时段增加或减少的负荷值;/>和/>分别表示可平移虚拟储能变化量的上下限值。
碳交易的基本理念是指电力用户能够通过合法途径对碳排放权进行交易,进而实现对碳排放的控制。
通常情况下,碳排放配额可以划分为不同的阶梯,并设置有不同的碳交易价格。各碳排放源根据初始碳排放配额制定生产运行计划。若在生产中碳排放量高于初始碳排放配额,则需购买超出的碳排放配额,反之可将多余的碳排放配额在碳交易市场进行出售以获得收益。
初始碳排放配额的划分,一般与碳排放源的发电量相关,并且采用以无偿为主的方式进行分配,初始碳排放配额可以通过如下公式表示:
(14)
式中,表示初始碳排放配额;/>表示单位电量排放份额,通过计算区域电力的综合边际因子,将电量边际排放因子和容量边际因子按权重进行加权平均后取0.648;/>表示单位时段;/>表示单位时段内向上级电网外购的电力功率。
在能源系统中的实际碳排放量均为外购电力中的火电机组发电的情况下,能源系统中的实际碳排放量可以通过如下公式计算得到:
(15)
式中,表示实际碳排放量;/>表示单位时段内向上级电网外购的电力功率;/>表示火电机组的碳排放强度。
计算出能源系统的初始碳排放配额和实际碳排放量后,可进一步计算得到能源系统实际需要进行市场交易的碳排放量,具体计算公式如下:
(16)
为进一步控制碳排放量,阶梯式碳交易相较于统一碳交易机制,以分配的无偿碳排放额为基准,对碳排放量区间进行分段计算碳交易成本,当碳排放量超出设定的区间时,超出的部分将会增加购买碳排放额成本,相反当碳排放量低于碳配额,将加大对碳排放额售出的收益。阶梯式碳交易的计算模型如下所示:
(17)
式中,表示能源系统的碳交易成本,若/>大于0,则表示能源系统分配到的初始碳排放配额不能满足实际碳排放量,此时应当购买碳排放权,反之,则可向市场交易剩余的初始碳排放配额;/>表示市场碳交易基价,/>表示碳排放量区间长度,/>表示阶梯式碳交易价格的增长率,/>表示补偿系数。
目标能源系统对应的运行目标,可以通过如下公式表示:
(18)
(19)
式中,表示电化学储能的调度成本;/>表示电化学储能的单位调度成本系数;/>表示虚拟储能的调度成本;/>表示可削减虚拟储能的单位调度成本系数,表示可平移虚拟储能的单位调度成本系数;/>表示可转移虚拟储能的单位调度成本系数;/>表示电网损耗成本;/>表示电网损耗成本系数;/>表示第/>条线路上的电流;/>表示第/>条线路上的电阻;/>表示向上级电网的购电成本;/>表示分时电价;/>表示/>时段目标能源系统与上级电网的交互功率;/>表示分布式电源的调度成本;/>、/>表示光伏、风机的调度成本;/>、/>表示光伏,风机在/>时段参与调度的有功实际出力;/>表示弃风弃光的惩罚成本;/>表示弃风弃光的惩罚系数;/>、为光伏和风机的有功最大值;/>、/>为光伏和风机的实际出力值。
作为一个可选地实施例,目标能源系统对应的运行约束包括功率平衡约束、分布式电源出力约束、节点电压约束、电化学储能充放电功率约束、与上级电网的交互功率约束以及能源系统潮流约束。
具体地,功率平衡约束可以通过如下公式表示:
(20)
式中,表示/>时刻的固定负荷功率;/>表示/>时刻的可削减虚拟储能功率;/>表示/>时刻的可平移虚拟储能功率;/>表示/>时刻的可转移虚拟储能功率;/>、/>分别表示/>时刻参与调度的光伏、风机功率;/>和/>分别表示电化学储能在/>时刻的充、放电功率;/>表示/>时刻向上级电网外购的电力功率;/>表示/>时刻节点/>的有功功率负荷。
分布式电源出力约束可以通过如下公式表示:
(21)
式中,、/>分别表示能源系统中光伏、风机实际输出的有功功率;/>、和 />、/>分别表示光伏、风机的功率输出上下限,其中光伏、风机的输出上限为风光场景聚类结果与对应的概率之积。
节点电压约束可以通过如下公式表示:
(22)
式中,表示能源系统中第/>个节点的电压幅值;/>和/>分别为节点电压幅值的下限和上限。
电化学储能充放电功率约束可以通过如下公式表示:
(23)
式中,表示/>时刻电化学储能的储能状态;/>表示电化学储能的容量;和/>分别表示电化学储能在/>时刻的充、放电功率;/>和/>分别表示电化学储能的充、放电效率;/>和/>分别表示电化学储能的充、放电状态,为0、1变量,电化学储能的充、放电状态不能同时存在,需要满足以上约束条件;/>和/>分别表示电化学储能在/>时刻的充、放电功率最大值。
与上级电网的交互功率约束可以通过如下公式表示:
(24)
式中,、/>分别表示能源系统与上级电网交互功率的最大值与最小值。
能源系统潮流约束可以通过如下公式表示:
(25)
式中,、/>分别表示节点/>的有功注入功率和无功注入功率;/>、/>分别表示节点/>和节点/>的电压;/>、/>、/>分别表示节点/>、/>之间的电导、电纳和导纳向量角;表示节点总数量。
步骤104、依据当前时间窗口内目标能源系统的运行方案,在当前时间窗口内对目标能源系统进行运行调度。
具体地,生成当前时间窗口内目标能源系统的运行方案之后,可以依据当前时间窗口内目标能源系统的运行方案,在当前时间窗口内对目标能源系统进行运行调度,从而实现源网荷储在多维度协同调度运行。
本发明实施例通过获取上一时间窗口内目标能源系统中分布式电源的运行数据之后,基于目标聚类算法,对上一时间窗口内目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内目标能源系统修正后的运行数据,进而基于上一时间窗口内目标能源系统修正后的运行数据,依据目标能源系统对应的运行目标和运行约束,生成当前时间窗口内目标能源系统的运行方法,以供在当前时间窗口内依据当前时间窗口内目标能源系统的运行方法对目标能源系统进行运行调度,能在高随机性的分布式电源以及高灵活性的储能装置大量接入能源系统的情况下调用能源系统中源网荷储的能动性,从而能更好地确保能源系统的安全稳定运行以及能源系统中分布式电源的发电消纳。
作为一个可选地实施例,依据当前时间窗口内目标能源系统的运行方案,在当前时间窗口内对目标能源系统进行运行调度之后,方法还包括:获取当前时间窗口内目标能源系统的运行数据。
具体地,依据当前时间窗口内目标能源系统的运行方案,在当前时间窗口内对目标能源系统进行运行调度之后,可以通过数据查询的方式,获取当前时间窗口内目标能源系统的运行数据。
基于当前时间窗口内目标能源系统的运行数据,计算得到当前时间窗口内目标能源系统目标评价指标的取值,以供对当前时间窗口内目标能源系统的运行方案进行评价,目标评价指标包括风光消纳率、节点电源平稳度、负荷波动幅度、用户参与满意度以及电网依赖度。
具体地,本文将风光消纳率作为衡量目标能源系统中分布式电源的消纳能力的评价指标。风光消纳率为风机和光伏场景聚类结果参与源网荷储运行调度中实际有功出力值占最大出力值的百分比。
风光消纳率可以通过如下公式计算得到:
(26)
式中,、/>为光伏和风机的有功最大值;/>、/>为光伏和风机的实际出力值。
节点电压是用于评估能源系统稳定性和电能质量的重要指标之一。用户侧负荷的变化会导致节点电压在一定范围内波动,而分布式电源高比例的接入目标能源系统之后,节点电压的波动范围会大幅增加。
因此,本发明实施例中选择节点电压平稳度作为评估目标能源系统缓解电压波动能力的评价指标。
节点电压平稳度可以通过如下公式计算得到:
(27)
式中,表示能源系统中的节点/>在/>时刻的电压幅值;/>表示节点/>在参与调度的电压平均值;/>表示能源系统中的节点总数。/>
用户侧负荷的快速变化会导致能源系统中的节点出现电压波动,进而会导致节点电压偏离标准的风险范围,并且负荷的波动可能导致能源系统线路过载或者低负载运行,从而增加线路损耗和能源浪费,影响电能质量和目标能源系统供电可靠性。
负荷波动幅度可以通过如下公式计算得到:
(28)
式中,表示负荷中最大值;/>表示负荷中最小值;/>表示负荷的平均值。
在未实施分时电价以及虚拟储能未参与调度之前,用户按照既有的用电习惯用电。然而,在采用分时电价以及虚拟储能参与运行调度,并且在考虑虚拟储能的补偿成本的情况下,用户为了追求更低的购电成本,可能会改变既有的用电习惯,形成新的用电行为,进而提升了用户的满意度。
作为一个可选地实施例,用户参与满意度基于执行当前时间窗口内目标能源系统的运行方案前和执行当前时间窗口内所述目标能源系统的运行方案后目标能源系统中负荷之间的欧氏距离值,以及执行当前时间窗口内目标能源系统的运行方案前目标能源系统中负荷的负荷值计算得到。
为了有效评估当前时间窗口内目标能源系统的运行方案的有效性,本发明实施例中将用户参与满意度定义为执行当前时间窗口内目标能源系统的运行方案前后目标能源系统中负荷的欧氏距离值,与执行当前时间窗口内目标能源系统的运行方案前负荷的比值。
(29)
式中,表示执行当前时间窗口内目标能源系统的运行方案前目标能源系统中负荷的负荷值,/>表示执行当前时间窗口内目标能源系统的运行方案后目标能源系统中负荷的负荷值;/>表示用户参与满意度;/>表示节点;N表示目标能源系统中节点的总数;/>表示时刻;T表示目标时间窗口的时长。
电网依赖度基于目标能源系统与上级电网的交互功率以及目标能源系统中发电源的有功功率计算得到。
本发明实施例中定义电网依赖度为上级电网的交互功率与目标能源系统中发电源的有功功率的比值,用于评价目标能源系统对上级电网的依赖性以及对环境的友好性。
电网依赖度可以通过如下公式计算得到:
(30)
式中,表示电网依赖度;/>表示目标能源系统中发电源的有功功率;/>表示目标能源系统单位时段内向上级电网外购电力的功率。
本发明实施例中综合考虑分布式电源、虚拟储能以及电化学储能接入目标能源系统,引入阶梯式碳交易机制,建立以目标能源系统综合运行成本最低为目标的运行调度模型,同时在考虑风光消纳率、节点电压平稳度、电压波动幅值的评价指标的基础上,提出用户参与满意度以及电网依赖度两种目标能源系统运行评价指标,能更有效保障能源系统的安全运行稳定性以及综合能源系统中分布式电源的发电消纳。
作为一个可选地实施例,基于上一时间窗口内目标能源系统修正后的运行数据,依据目标能源系统对应的运行目标和运行约束,生成当前时间窗口内目标能源系统的运行方案之后,所述方法还包括:基于上一时间窗口内目标能源系统目标评价指标的取值,更新当前时间窗口内目标能源系统的运行方案。
如图3所示,生成当前时间窗口内目标能源系统的运行方案之后,还可以根据上一时间窗口内目标能源系统目标评价指标的取值,对当前时间窗口内目标能源系统的运行方案进行更新,获得当前时间窗口内目标能源系统更新后的运行方案。
相应地,在当前时间窗口内,可以依据当前时间窗口内目标能源系统更新后的运行方案对目标能源系统进行运行调度。
本发明实施例通过在当前时间窗口内对目标能源系统进行运行调度之后,基于当前当时窗口内目标能源系统的运行数据,计算得到当前时间窗口内目标能源系统目标评价指标的取值,进而能基于当前时间窗口内目标能源系统目标评价指标的取值对当前时间窗口内目标能源系统的运行方案进行评价,并通过基于上一时间窗口内目标能源系统目标评价指标的取值,更新当前时间窗口内目标能源系统的运行方案,能进一步提高当前时间窗口内目标能源系统的运行方案的合理性,进而能进一步提高能源系统的安全运行稳定性以及能源系统中分布式电源的发电消纳率。
为了便于对本发明提供的源网荷储源网荷储低碳运行方法的理解,以下通过一个实例对本发明提供的源网荷储低碳运行方法进行说明和验证。
本实例中的目标能源系统包括IEEE33节点系统,并在原始IEEE33节点系统的基础上接入分布式电源、电化学储能以及虚拟储能。
图4是本发明提供的源网荷储低碳运行方法中实例中的目标能源系统的节点拓扑结构示意图。本实例中目标能源系统的节点拓扑结构如图4所示。
如图4所示,本实例中的目标能源系统的基准电压取10KV,节点电压允许范围为0.9-1.1(标幺值),三相功率基准值为10MVA。在3节点和18节点接入分布式光伏电源,在6节点和33节点接入分布式风力电源,在8节点接入可转移虚拟储能,在14节点接入可削减虚拟储能,在17节点接入可平移虚拟储能,在19节点接入电化学储能。电网分时电价及其时段划分如表1所示。
表1 分时电价表
本申请中各调用成本系数如表2所示。一个调度周期是24h,仿真在Matlab2021b中调用Cplex求解器进行求解。
表2 调用成本系数表
本实例中可以通过拉丁超立方抽样,获得目标能源系统中分布式电源中光伏和风机的如出力曲线。
利用目标聚类算法,对上一时间窗口内目标能源系统中光伏和风机的出力数据进行修正,获得上一时间窗口内目标能源系统中修正后的光伏和风机的出力数据。
本实例中上一时间窗口内目标能源系统中风机和光伏所对应的4组场景聚类概率如表3所示,最后以4组场景聚类分别乘以对应的聚类概率并求取平均值,得到上一时间窗口内目标能源系统中风机和光伏修正后的出力数据,用于生成当前时间窗口内目标能源系统的运行方案。
其中,场景1为仅考虑风光接入目标能源系统;场景2为仅考虑风光和电化学储能接入目标能源系统;场景3为仅考虑风光和虚拟储能接入目标能源系统;场景4为考虑风光和虚拟储能以及电化学储能均接入目标能源系统。
表3 不同场景的聚类概率结果
利用目标聚类算法、K-means聚类算法以及ISODATA聚类算法对上一时间窗口内目标能源系统中分布式电源的出力数据进行聚类,得到的光伏聚类结果和风机聚类结果评价指标值如表4和表5所示。
表4 基于不同聚类算法得到的光伏聚类结果的聚类结果评价指标值
表5 基于不同聚类算法得到的风机聚类结果的聚类结果评价指标值
如表4和表5所示,根据DB指数和Dunn指数以及轮廓系数的计算公式可知,目标聚类算法的DB指数在光伏和风机聚类结果中均最低,Dunn指数和轮廓系数在聚类结果中均最高,说明使用DBSCAN聚类算法对数据进行初步聚类,再利用ISODATA聚类算法对聚类结果进行进一步优化和调整,簇间距离较大且簇内样本之间的距离较小。目标聚类算法可以充分发挥DBSCAN聚类算法和ISODATA聚类算法各自的优势,一方面保留了DBSCAN聚类算法的高效性和对不规则形状的簇和噪声点的处理能力,另一方面通过SODATA聚类算法的迭代调整在实现聚类结果更优的同时提高了聚类的准确性和稳定性,证明了本发明所提供的目标聚类算法的有效性和优越性。
四种场景的运行调度结果以及在四种场景下目标能源系统的运行评价指标如表6和表7所示。
表6 不同场景目标能源系统的运行调度结果对比之一
表7 不同场景下目标能源系统的运行评价指标对比之一
表6中对比了4种场景的运行调度结果:场景2相对于场景1弃风弃光成本减少了12.69%,网络损耗减少了10.21%,购电成本减少了12%,说明电化学储能的参与使得各成本有所下降,但是为了更好的消纳分布式电源出力,所以风光调度成本有所增加。由表7中四种场景的评价指标结果可知,场景2相对于场景1风光消纳率增加了1.7%,节点电压平稳度降低了1.7%,负荷波动幅值减少了6.51%,用户参与满意度增加了1.2%,电网依赖度减少了10.61%,说明场景2的评价指标均优于场景1。
由表6中运行调度对比结果可知,场景3相对于场景1弃风弃光成本减少了13.26%,网络损耗减少了1.89%,购电成本减少了18.32%,说明虚拟储能的参与使得各成本有所下降,但是风光调度成本有所增加。由于虚拟储能的调用将直接影响用户的用电舒适,所以加入虚拟储能的补偿调度成本后,最终场景3的运行总成本相较于场景1增加了2.62%。而由表7中评价指标对比结果可知,场景3相对于场景1风光消纳率增加了1.8%,节点电压平稳度降低了2.32%,负荷波动幅值减少了13.01%,用户参与满意度增加了4.4%,电网依赖度减少了12.85%,说明文中所提的评价指标均优于场景1。
通过总体对比表6中场景1、2、3、4的数据可知,场景4相较于场景1至场景3的弃风弃光成本分别减少了14.03%、1.53%、0.89%,网络损耗减少了10.28%、0.07%、8.55%,购电成本减少了23.56%、13.14%、6.42%,说明源网荷储协同运行调度可以通过合理的调度分布式电源以及电化学储能和虚拟储能之间的关系,避免系统过高和低负载运行,有效减少了目标能源系统系统的运行损耗,实现了目标能源系统的经济性以及风光消纳方面的有效性。并且由表7中评价指标结果可知,场景4的风光消纳率最高,且场景4相较于场景1至场景3的节点电压平稳度分别降低了2.41%、0.73%、0.09%,负荷波动幅值分别减少了13.98%、7.99%、1.11%,用户参与满意度分别增加了6.9%、82.61%、36.23%,电网依赖度分别减少了17.88%、8.13%、5.77% ,即场景4的评价指标均优于其余场景。说明源网荷储协调调度通过合理调整分布式电源以及电化学储能和虚拟储能的运行状态,能够维持目标能源系统的频率和电压在合理范围内,有效提高了目标能源系统的稳定性和可靠性。
图5是本发明提供的源网荷储低碳运行方法的实例中四种场景中参与运行调度后电负荷曲线对比图。四种场景中参与运行调度后电负荷曲线对比如图5所示。
由图5可知,场景1的电负荷峰谷差异特征比较明显。场景2仅考虑风光和电化学储能接入目标能源系统,在8、17、18、22高峰时刻,电化学储能放电,在9~11和16时刻进行充电,有效降低了负荷峰谷差异,但在负荷低谷时期,电化学储能未能完全发挥作用。场景3仅考虑风光和虚拟储能接入目标能源系统,虽然在虚拟储能的调度作用下,负荷由高峰17~22时段转移到低谷用电,但在8~11连续时间段内负荷波动幅度比较剧烈,不利于维持目标能源系统的稳定性。而场景4在虚拟储能和电化学储能的共同参与下,负荷在高峰时进行削减,针对可转移和可平移虚拟储能的特性,在保证用电总量不变的情况下进行负荷调整,并且电化学储能在高峰17、22时刻放电,在谷时段9、16时刻充电,有效平滑了负荷曲线,实现了源网荷储协同调度下削峰填谷的作用。
为进一步证明阶梯式碳交易机制的经济性和合理性,本实例在上述场景的基础上进一步设置了三个对比场景:场景5为考虑风光和虚拟储能以及电化学储能均接入目标能源系统但未考虑碳交易机制,场景6为考虑风光和虚拟储能以及电化学储能均接入目标能源系统并考虑传统碳交易机制,场景7为考虑风光和虚拟储能以及电化学储能均接入目标能源系统并考虑阶梯式碳交易机制,三种场景均存在电化学储能和虚拟储能参与调度。阶梯式碳交易参数设置:基价为200元/t,区间长度为0.1t,补偿系数为0.25,价格增长率为25%。上述三种场景的运行调度结果以及在三种场景下目标能源系统运行评价指标如表8和表9所示。
表8 不同场景目标能源系统的运行调度结果对比之二
表9 不同场景下目标能源系统的运行评价指标对比之二
由表8可以看出,在考虑碳交易机制后,场景6和场景7的系统网络损耗成本和弃风弃光成本以及表9中节点电压平稳度、负荷波动幅值评价指标相较于场景5均有所下降,说明将碳交易成本作为运行总成本的一部分,能够在满足目标能源系统需求的前提下降低网络损耗,提高目标能源系统系统的供电可靠性。而阶梯式碳交易机制通过设置碳排放配额和碳交易基价,鼓励发电企业减少碳排放,所以场景7相较于场景6的电网购电成本以及碳交易成本分别减少了11.1%、56.25%,且运行总成本减少了6%,并且对于文中所提的评价指标中,场景7相较于场景6的参与满意度增加了31.62%,电网依赖度减少了6.9%。说明在运行调度中引入阶梯式碳交易机制,可以将低碳能源优先纳入发电源组合,减少高碳排放的发电方式,实现了目标能源系统稳定运行、增加风光消纳量以及降低运行成本的目的,并且进一步降低目标能源系统的碳排放,有效推动了碳减排目标的实现。
图6是本发明提供的源网荷储低碳运行方法的实例中场景7运行调度前虚拟储能分布图。图7是本发明提供的源网荷储低碳运行方法的实例中场景7运行调度后虚拟储能分布图。图8是本发明提供的源网荷储低碳运行方法的实例中场景7运行调度后各时刻的节点电压图。
如图6和图7所示,通过对比发现调度前负荷高峰存在于7~8时段以及17~23时段,调度后可转移虚拟储能分别从8、17、18时刻转移到11、13、16时刻,保证转移前后用电总量不发生变化。可平移虚拟储能从原来的19~21时段,整体平移到11~13时段,在用电总量不变的情况下,保证平移前后仍连续用电。第一种可削减虚拟储能在7~8时段和17~18以及21~22时段进行削减,第二种可削减虚拟储能在7~8时段和18~22时段进行削减。可以看出各类虚拟储能在调度中均满足自身特性的前提下,能够根据目标能源系统的需求灵活的进行调整,有利于减少负荷峰谷之间的差异以及平衡电力供需。
节点电压值的大小将直接影响电力负荷与供电设备之间的平衡,对目标能源系统的稳定性起着至关重要的作用,节点电压值过高会导致负荷过载、能源浪费等问题,节点电压值过低则可能导致负荷无法得到满足,造成供电不足和电力故障等问题。如图8所示,目标能源系统每时刻的节点电压值均在额定电压范围内,验证了本发明提供的方法能够保障目标能源系统的可靠稳定运行。
本发明提供的源网荷储低碳运行方法针对分布式电源的不确定性引起目标能源系统节点电压波动以及有功网损增加等问题,在结合现有研究的基础上提出一种通过改进DBSCAN聚类算法和ISODATA聚类算法的目标聚类算法,在IEEE33节点系统上进行算例仿真分析,通过设置不同场景进行对比可知,本发明提供的源网荷储低碳运行方法具有以下优势:第一,提出了通过改进DBSCAN聚类算法和ISODATA聚类算法的目标聚类算法,首先,通过利用DBSCAN密度聚类算法的特点,能够有效的确定ISODATA算法聚类的初始中心,然后利用ISODATA算法实现对风光场景的聚类。改进后的算法在光伏和风机聚类结果中,DB指数相较于ISODATA算法分别降低了8.26%、8.04%,相比k-means算法分别降低了7.11%、7.11%。Dunn指数相较于ISODATA算法分别增加了6.78%、4.15%,相比k-means算法分别增加了6.5%、2.19%,证明了本文所提改进算法的合理性和有效性;
第二,综合考虑风光和虚拟储能以及电化学储能均接入目标能源系统的情况下,相较于单独调用风光和电化学储能以及单独调用风光和虚拟储能,弃风弃光成本分别减少了1.53%、0.89%,网络损耗分别减少了0.07%、8.55%,购电成本分别减少了13.14%、6.42%,节点电压平稳度分别降低了0.73%、0.09%,用户参与满意度分别增加了82.61%、36.23%,电网依赖度分别减少了8.13%、5.77%。说明源网荷储协同运行调度可以通过合理的调度分布式电源以及电化学储能和虚拟储能之间的关系,避免目标能源系统过高和低负载运行,有效减少目标能源系统的运行损耗,实现了目标能源系统的经济稳定性以及风光消纳方面的有效性;
第三,在源网荷储协同运行调度的基础上考虑阶梯式碳交易相较于传统碳交易机制,电网购电成本以及碳交易成本分别减少了11.1%、56.25%,运行总成本减少了6%,根据仿真结果说明,通过设定不同梯度的碳价,能够进一步限制系统的碳排放。在引入阶梯式碳交易机制后,评价指标中风光消纳率增加了0.3%,节点电压平稳度降低了0.89%,负荷波动幅值减少了8.86%,并且对于文中所定义的评价指标,用户参与满意度增加了31.62%,电网依赖度减少了6.9%。证明了本文所提运行调度方法在保障目标能源系统稳定运行、增加风光消纳量的同时能够满足低碳性和经济性。
图9是本发明提供的源网荷储低碳运行装置的结构示意图。下面结合图9对本发明提供的源网荷储低碳运行装置进行描述,下文描述的源网荷储低碳运行装置与上文描述的本发明提供的源网荷储低碳运行方法可相互对应参照。如图9所示,该装置包括:数据获取模块901、数据修正模块902、方案生成模块903和运行调度模块904。
数据获取模块901,用于获取上一时间窗口内目标能源系统的运行数据,目标能源系统的运行数据包括目标能源系统中发电源的出力数据、负荷的负荷数据以及储能的储能数据,目标能源系统中发电源包括分布式电源,目标能源系统中储能包括虚拟储能和电化学储能;
数据修正模块902,用于基于目标聚类算法,对上一时间窗口内目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内目标能源系统修正后的运行数据,目标聚类算法是对DBSCAN聚类算法和ISODATA聚类算法进行改进后得到的;
方案生成模块903,用于基于上一时间窗口内目标能源系统修正后的运行数据,依据目标能源系统对应的运行目标和运行约束,生成当前时间窗口内目标能源系统的运行方案;
运行调度模块904,用于依据当前时间窗口内目标能源系统的运行方案,在当前时间窗口内对目标能源系统进行运行调度。
具体地,数据获取模块901、数据修正模块902、方案生成模块903和运行调度模块904电连接。
本发明实施例中的源网荷储低碳运行装置,通过获取上一时间窗口内目标能源系统中分布式电源的运行数据之后,基于目标聚类算法,对上一时间窗口内目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内目标能源系统修正后的运行数据,进而基于上一时间窗口内目标能源系统修正后的运行数据,依据目标能源系统对应的运行目标和运行约束,生成当前时间窗口内目标能源系统的运行方法,以供在当前时间窗口内依据当前时间窗口内目标能源系统的运行方法对目标能源系统进行运行调度,能在高随机性的分布式电源以及高灵活性的储能装置大量接入能源系统的情况下调用能源系统中源网荷储的能动性,从而能更好地确保能源系统的安全稳定运行以及能源系统中分布式电源的发电消纳。
图10示例了一种电子设备的实体结构示意图,如图10所示,该电子设备可以包括:处理器(processor)1010、通信接口(Communications Interface)1020、存储器(memory)1030和通信总线1040,其中,处理器1010,通信接口1020,存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令,以执行本发明提供的源网荷储低碳运行方法。
此外,上述的存储器1030中的逻辑指令可以通过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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的源网荷储低碳运行方法。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的源网荷储低碳运行方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种源网荷储低碳运行方法,其特征在于,包括:
获取上一时间窗口内目标能源系统的运行数据,所述目标能源系统的运行数据包括所述目标能源系统中发电源的出力数据、负荷的负荷数据以及储能的储能数据,所述目标能源系统中发电源包括分布式电源,所述目标能源系统中储能包括虚拟储能和电化学储能;
基于目标聚类算法,对所述上一时间窗口内所述目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内所述目标能源系统修正后的运行数据,所述目标聚类算法是对DBSCAN聚类算法和ISODATA聚类算法进行改进后得到的;
基于上一时间窗口内所述目标能源系统修正后的运行数据,依据所述目标能源系统对应的运行目标和运行约束,生成当前时间窗口内所述目标能源系统的运行方案;
依据当前时间窗口内所述目标能源系统的运行方案,在当前时间窗口内对所述目标能源系统进行运行调度;
上一时间窗口内所述目标能源系统中分布式电源的出力数据,包括上一时间窗口内所述目标能源系统中的分布式电源在每一采样时刻的出力数据,任意相邻两个采样时刻之间间隔预设时长;
所述基于目标聚类算法,对所述上一时间窗口内所述目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内所述目标能源系统修正后的运行数据,包括:
将上一时间窗口内所述目标能源系统中的分布式电源在每一采样时刻的出力数据,分别确定为每一样本数据;
基于DBSCAN聚类算法对各所述样本数据进行聚类,获得多个原始聚类中心,所述DBSCAN聚类算法中的邻域距离阈值和样本个数阈值是预定义的;
获取每一所述原始聚类中心对应的聚类区域中样本数据的数量,基于每一所述原始聚类中心对应的聚类区域中样本数据的数量,剔除对应的聚类区域中样本数据的数量少于所述样本个数阈值的原始聚类中心,并将剩余的原始聚类中心确定为初始聚类中心,任一原始聚类中心对应的聚类区域包括以所述任一原始聚类中心为圆心,以所述邻域距离阈值为半径的圆形区域;
将各所述初始聚类中心确定为ISODATA聚类算法中聚类中心的初始值,基于ISODATA聚类算法对各所述样本数据进行聚类,获得多个目标聚类中心;
在不满足迭代停止条件的情况下,将所述目标聚类中心确定为所述原始聚类中心,并再次执行所述获取每一所述原始聚类中心对应的聚类区域中样本数据的数量,至所述基于ISODATA聚类算法对各所述样本数据进行聚类,获得目标聚类中心的步骤,
在满足迭代停止条件的情况下,基于所述目标聚类中心以及所述目标聚类中心对应的聚类区域中的样本数据,对上一时间窗口内所述目标能源系统中分布式电源的出力数据进行修正,进而获得上一时间窗口内所述目标能源系统修正后的运行数据。
2.根据权利要求1所述的源网荷储低碳运行方法,其特征在于,所述依据当前时间窗口内所述目标能源系统的运行方案,在当前时间窗口内对所述目标能源系统进行运行调度之后,所述方法还包括:
获取当前时间窗口内所述目标能源系统的运行数据;
基于当前时间窗口内所述目标能源系统的运算数据,获取当前时间窗口内所述目标能源系统的运行数据;
基于当前时间窗口内所述目标能源系统的运行数据,计算得到当前时间窗口内所述目标能源系统目标评价指标的取值,以供对当前时间窗口内所述目标能源系统的运行方案进行评价,所述目标评价指标包括风光消纳率、节点电源平稳度、负荷波动幅度、用户参与满意度以及电网依赖度。
3.根据权利要求2所述的源网荷储低碳运行方法,其特征在于,所述基于上一时间窗口内所述目标能源系统修正后的运行数据,依据所述目标能源系统对应的运行目标和运行约束,生成当前时间窗口内所述目标能源系统的运行方案之后,所述方法还包括:
基于上一时间窗口内所述目标能源系统目标评价指标的评价值,更新当前时间窗口内所述目标能源系统的运行方案。
4.根据权利要求2所述的源网荷储低碳运行方法,其特征在于,所述用户参与满意度基于执行当前时间窗口内所述目标能源系统的运行方案前和执行当前时间窗口内所述目标能源系统的运行方案后所述目标能源系统中负荷之间的欧氏距离值,以及执行当前时间窗口内目标能源系统的运行方案前所述目标能源系统中负荷的负荷值计算得到;所述电网依赖度基于所述目标能源系统与上级电网的交互功率以及所述目标能源系统中发电源的有功功率计算得到。
5.根据权利要求1至4任一所述的源网荷储低碳运行方法,其特征在于,所述目标能源系统对应的运行目标包括所述目标能源系统的综合运行成本最低;所述综合运行成本包括购电成本、电网损耗成本、分布式电源的调度成本、电化学储能的调度成本、虚拟储能调度成本、弃风弃光的惩罚成本以及阶梯式碳交易成本;所述目标能源系统中的虚拟储能包括第一虚拟储能、第二虚拟储能以及第三虚拟储能;所述第一虚拟储能是通过削减负荷实现储能的;所述第二虚拟储能是通过调配负荷实现储能的;所述第三虚拟储能是通过在连续时间段内整体平移负荷实现储能的。
6.根据权利要求1至4任一所述的源网荷储低碳运行方法,其特征在于,所述目标能源系统对应的运行约束包括功率平衡约束、分布式电源出力约束、节点电压约束、电化学储能充放电功率约束、与上级电网的交互功率约束以及能源系统潮流约束。
7.一种源网荷储低碳运行装置,其特征在于,包括:
数据获取模块,用于获取上一时间窗口内目标能源系统的运行数据,所述目标能源系统的运行数据包括所述目标能源系统中发电源的出力数据、负荷的负荷数据以及储能的储能数据,所述目标能源系统中发电源包括分布式电源,所述目标能源系统中储能包括虚拟储能和电化学储能;
数据修正模块,用于基于目标聚类算法,对所述上一时间窗口内所述目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内所述目标能源系统修正后的运行数据,所述目标聚类算法是对DBSCAN聚类算法和ISODATA聚类算法进行改进后得到的;
方案生成模块,用于基于上一时间窗口内所述目标能源系统修正后的运行数据,依据所述目标能源系统对应的运行目标和运行约束,生成当前时间窗口内所述目标能源系统的运行方案;
运行调度模块,用于依据当前时间窗口内所述目标能源系统的运行方案,在当前时间窗口内对所述目标能源系统进行运行调度;
上一时间窗口内所述目标能源系统中分布式电源的出力数据,包括上一时间窗口内所述目标能源系统中的分布式电源在每一采样时刻的出力数据,任意相邻两个采样时刻之间间隔预设时长;
所述数据修正模块基于目标聚类算法,对所述上一时间窗口内所述目标能源系统中分布式电源的出力数据进行修正,获得上一时间窗口内所述目标能源系统修正后的运行数据,包括:
将上一时间窗口内所述目标能源系统中的分布式电源在每一采样时刻的出力数据,分别确定为每一样本数据;
基于DBSCAN聚类算法对各所述样本数据进行聚类,获得多个原始聚类中心,所述DBSCAN聚类算法中的邻域距离阈值和样本个数阈值是预定义的;
获取每一所述原始聚类中心对应的聚类区域中样本数据的数量,基于每一所述原始聚类中心对应的聚类区域中样本数据的数量,剔除对应的聚类区域中样本数据的数量少于所述样本个数阈值的原始聚类中心,并将剩余的原始聚类中心确定为初始聚类中心,任一原始聚类中心对应的聚类区域包括以所述任一原始聚类中心为圆心,以所述邻域距离阈值为半径的圆形区域;
将各所述初始聚类中心确定为ISODATA聚类算法中聚类中心的初始值,基于ISODATA聚类算法对各所述样本数据进行聚类,获得多个目标聚类中心;
在不满足迭代停止条件的情况下,将所述目标聚类中心确定为所述原始聚类中心,并再次执行所述获取每一所述原始聚类中心对应的聚类区域中样本数据的数量,至所述基于ISODATA聚类算法对各所述样本数据进行聚类,获得目标聚类中心的步骤,
在满足迭代停止条件的情况下,基于所述目标聚类中心以及所述目标聚类中心对应的聚类区域中的样本数据,对上一时间窗口内所述目标能源系统中分布式电源的出力数据进行修正,进而获得上一时间窗口内所述目标能源系统修正后的运行数据。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述源网荷储低碳运行方法。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述源网荷储低碳运行方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410167493.1A CN117713176B (zh) | 2024-02-06 | 2024-02-06 | 源网荷储低碳运行方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410167493.1A CN117713176B (zh) | 2024-02-06 | 2024-02-06 | 源网荷储低碳运行方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117713176A CN117713176A (zh) | 2024-03-15 |
CN117713176B true CN117713176B (zh) | 2024-05-03 |
Family
ID=90161110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410167493.1A Active CN117713176B (zh) | 2024-02-06 | 2024-02-06 | 源网荷储低碳运行方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117713176B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895222A (zh) * | 2017-10-26 | 2018-04-10 | 华北电力大学 | 基于dbscan算法的变压器不良漏抗参数辨识方法 |
CN114745532A (zh) * | 2022-04-01 | 2022-07-12 | 北京紫光展锐通信技术有限公司 | 混合色温场景白平衡处理方法、装置、存储介质及终端 |
CN115940213A (zh) * | 2022-12-16 | 2023-04-07 | 国网山东省电力公司经济技术研究院 | 考虑碳排放的配电网源网荷储协同优化规划方法及装置 |
CN116707023A (zh) * | 2023-06-08 | 2023-09-05 | 沈阳农业大学 | 基于源荷相关性聚类的主动配电网分层分区综合优化方法 |
CN117077960A (zh) * | 2023-08-24 | 2023-11-17 | 太原理工大学 | 一种区域综合能源系统日前调度优化方法 |
CN117332963A (zh) * | 2023-10-08 | 2024-01-02 | 上海博英信息科技有限公司 | 一种源网荷储协同的虚拟电厂动态优化调度方法及系统 |
-
2024
- 2024-02-06 CN CN202410167493.1A patent/CN117713176B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895222A (zh) * | 2017-10-26 | 2018-04-10 | 华北电力大学 | 基于dbscan算法的变压器不良漏抗参数辨识方法 |
CN114745532A (zh) * | 2022-04-01 | 2022-07-12 | 北京紫光展锐通信技术有限公司 | 混合色温场景白平衡处理方法、装置、存储介质及终端 |
CN115940213A (zh) * | 2022-12-16 | 2023-04-07 | 国网山东省电力公司经济技术研究院 | 考虑碳排放的配电网源网荷储协同优化规划方法及装置 |
CN116707023A (zh) * | 2023-06-08 | 2023-09-05 | 沈阳农业大学 | 基于源荷相关性聚类的主动配电网分层分区综合优化方法 |
CN117077960A (zh) * | 2023-08-24 | 2023-11-17 | 太原理工大学 | 一种区域综合能源系统日前调度优化方法 |
CN117332963A (zh) * | 2023-10-08 | 2024-01-02 | 上海博英信息科技有限公司 | 一种源网荷储协同的虚拟电厂动态优化调度方法及系统 |
Non-Patent Citations (2)
Title |
---|
Identification and characterization of irregular consumptions of load data;Desh Deepak Sharma等;《Journal of Modern Power Systems and Clean Energy》;20170531;第5卷(第3期);465 - 477 * |
一种基于初始点密度最大的改进型ISODATA聚类算法;李润青 等;《软件导刊》;20171215;第16卷(第12期);94-98页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117713176A (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110994694B (zh) | 计及差异化需求响应的微电网源荷储协调优化调度方法 | |
CN107634518A (zh) | 一种“源‑网‑荷”相协调的主动配电网经济调度方法 | |
CN109861302B (zh) | 一种基于主从博弈的能源互联网日前优化控制方法 | |
CN109818369B (zh) | 一种计及出力模糊随机性的分布式电源规划方法 | |
CN113783224A (zh) | 一种考虑多种分布式能源运行的配电网双层优化规划方法 | |
Li et al. | Two-stage community energy trading under end-edge-cloud orchestration | |
CN115759623A (zh) | 一种储能参与电力市场交易特征关系的调度方法 | |
CN113488995B (zh) | 基于储能成本的共享储能容量优化配置方法和装置 | |
CN112564160B (zh) | 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质 | |
CN114358378A (zh) | 一种用于考虑需量管理的用户侧储能优化配置系统及方法 | |
Fu et al. | Research on the stackelberg game method of building micro-grid with electric vehicles | |
CN117713176B (zh) | 源网荷储低碳运行方法、装置、电子设备及存储介质 | |
CN112653180B (zh) | 一种风火储联合系统环境经济调度方法及系统 | |
CN111130107A (zh) | 电网负荷预测方法及装置 | |
CN113595064B (zh) | 一种考虑蓄热式电采暖负荷集群的电能与agc市场出清方法 | |
Dong et al. | Condition Judgment Method of Self-owned Power Plant Participating in New Energy Consumption Based on SOM-Kmeans Algorithm | |
CN117498467B (zh) | 一种基于多层级虚拟电厂的能量协调控制分配方法及系统 | |
CN115528687B (zh) | 一种有限成本约束下的电力系统柔性响应能力优化方法 | |
CN113067329B (zh) | 一种电力系统的可再生能源适应性优化方法及终端 | |
Liu et al. | Multi-Objective Dynamic Economic Dispatch of Active Distribution Network Considering User Satisfaction | |
CN117833363A (zh) | 一种分布式资源聚合簇分时互补协调优化降损方法 | |
CN115907106A (zh) | 基于边缘计算的微电网调度方法、装置、设备及存储介质 | |
CN117808313A (zh) | 一种新能源与储能汇聚接入电网的聚合系统评价方法及装置 | |
CN116070930A (zh) | 机组集群协调与交易组合优化的多维评估分析方法及系统 | |
CN117937598A (zh) | 一种基于Stackelberg博弈的配电网分布式光伏低碳化消纳方法 |
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 |