CN117791612A - 一种资源集群调控方法、系统、存储介质及计算机设备 - Google Patents
一种资源集群调控方法、系统、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN117791612A CN117791612A CN202410206183.6A CN202410206183A CN117791612A CN 117791612 A CN117791612 A CN 117791612A CN 202410206183 A CN202410206183 A CN 202410206183A CN 117791612 A CN117791612 A CN 117791612A
- Authority
- CN
- China
- Prior art keywords
- power transmission
- cluster
- energy storage
- power
- power generation
- 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 27
- 230000005540 biological transmission Effects 0.000 claims abstract description 393
- 238000010248 power generation Methods 0.000 claims abstract description 217
- 238000004146 energy storage Methods 0.000 claims abstract description 191
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 238000013500 data storage Methods 0.000 claims abstract description 12
- 230000001105 regulatory effect Effects 0.000 claims description 11
- 230000007704 transition Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 3
- 239000002028 Biomass Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000003016 pheromone Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种资源集群调控方法、系统、存储介质及计算机设备，涉及电力系统技术领域，该方法包括获取发电设备数据、储能设备数据、输电设备数据和负荷需求；根据储能设备数据和输电设备数据，分别生成至少一个储能集群和至少一个输电集群；根据发电地理位置，生成至少一个发电集群；根据发电历史数据，生成发电集群的时间功率特征；根据时间功率特征，将发电集群划分为至少一个稳定发电子集群和至少一个波动发电子集群；根据负荷需求，匹配所有稳定发电子集群、波动发电子集群和储能集群与输电集群，分别生成稳定输电数据、波动输电数据和储能输电数据，并基于寻优算法，生成资源集群调控方案。本发明可提高电网运行效率，降低电网损耗。
Description
技术领域
本发明涉及电力系统技术领域，具体而言，涉及一种资源集群调控方法、系统、存储介质及计算机设备。
背景技术
电网的资源集群是指将各种能源资源（包括传统火电、水电、风电、光伏等能源）以及电能储能系统、输电设备、配电设备等电力系统资源进行集成和协同调度管理的一种技术手段。资源集群的目的是通过统一的调整和管理，实现各种能源和设备之间的协同运行，最大限度地提高电网的运行效率、可靠性和经济性。
随着新能源的发展和应用，新能源集群在电网中的比重逐渐增加，但由于不同种类能源的特性和运行限制，电网协同调控资源集群的难度也逐渐变大，导致电网运行效率和可靠性降低。
发明内容
本发明解决的问题是改善电网运行效率和可靠性。
为解决上述问题，第一方面，本发明提供一种资源集群调控方法，包括：
获取发电设备数据、储能设备数据、输电设备数据和负荷需求，其中，所述发电设备数据包括发电历史数据以及发电地理位置；
根据所述储能设备数据和所述输电设备数据，分别生成至少一个储能集群和至少一个输电集群；
根据所述发电地理位置，生成至少一个发电集群；
根据所述发电历史数据，生成所述发电集群的时间功率特征；
根据所述时间功率特征，将所述发电集群划分为至少一个稳定发电子集群和至少一个波动发电子集群；
根据所述负荷需求，匹配所有所述稳定发电子集群、所述波动发电子集群和所述储能集群与所述输电集群，分别生成稳定输电数据、波动输电数据和储能输电数据；
基于寻优算法，根据所述稳定输电数据、所述波动输电数据和所述储能输电数据生成资源集群调控方案。
可选地，所述负荷需求包括功率需求、时间需求以及需求位置；
所述根据所述负荷需求，匹配所有所述稳定发电子集群、所述波动发电子集群和所述储能集群与所述输电集群，分别生成稳定输电数据、波动输电数据和储能输电数据，包括：
根据所述需求位置，分别匹配所述稳定发电子集群与所述输电集群、所述波动发电子集群与所述输电集群、所述储能集群与所述输电集群，生成稳定输电路由、波动输电路由和储能输电路由；
根据所述功率需求，生成分别与所述稳定输电路由、所述波动输电路由和所述储能输电路由对应的稳定输电损耗、波动输电损耗和储能输电损耗；
根据所述时间需求，生成分别与所述稳定输电路由、所述波动输电路由和所述储能输电路由对应的稳定输电重要度、波动输电重要度和储能输电重要度；
将所述稳定输电损耗和所述稳定输电重要度整合为所述稳定输电数据；
将所述波动输电损耗和所述波动输电重要度整合为所述波动输电数据；
将所述储能输电损耗和所述储能输电重要度整合为所述储能输电数据。
可选地，所述根据所述时间需求，生成分别与所述稳定输电路由、所述波动输电路由和所述储能输电路由对应的稳定输电重要度、波动输电重要度和储能输电重要度，包括：
根据所述时间需求和稳定输电重要度公式，生成与所述稳定输电路由对应的所述稳定输电重要度，所述稳定输电重要度公式包括：
；
其中，为所述稳定输电重要度，/>为稳定权重，x为稳定输电参数，T为所述时间需求，F(T)为所述时间需求的归一化值；
根据所述时间需求和波动输电重要度公式，生成与所述波动输电路由对应的所述波动输电重要度，所述波动输电重要度公式包括：
；
其中，为所述波动输电重要度，/>为波动权重，/>为波动输电参数，T为所述时间需求，F(T)为所述时间需求的归一化值，/>为有效波动发电时间集合；
根据所述时间需求和储能输电重要度公式，生成与所述储能输电路由对应的所述储能输电重要度，所述储能输电重要度公式包括：
；
其中，为所述储能输电重要度，/>为储能权重，/>为储能输电参数，/>为储能功率，为所述功率需求。
可选地，所述基于寻优算法，根据所述稳定输电数据、所述波动输电数据和所述储能输电数据生成资源集群调控方案，包括：
根据所述稳定输电数据、所述波动输电数据和所述储能输电数据，生成转移概率公式；
将所述波动输电数据和所述储能输电数据输入至蚁群寻优算法中，根据所述转移概率公式，生成所述资源集群调控方案。
可选地，所述根据所述发电历史数据，生成所述发电集群的时间功率特征，包括：
根据预设滑动窗口分割所述发电历史数据，生成多个时间窗口分析表；
提取所述时间窗口分析表的时间特征和功率平均值；
根据所述时间特征和所述功率平均值，生成所述时间功率特征。
可选地，所述根据所述发电地理位置，生成至少一个发电集群，包括：
根据所述发电地理位置，获取预设区域内的密集度；
根据所述密集度，生成集群中心点；
根据所述集群中心点，采用k均值聚类算法，生成至少一个所述发电集群。
可选地，所述根据所述储能设备数据和所述输电设备数据，分别生成至少一个储能集群和至少一个输电集群，包括：
获取所述储能设备数据的储能地理位置和所述输电设备数据的输电地理位置；
根据所述储能地理位置，生成至少一个所述储能集群；
根据所述输电地理位置，生成至少一个所述输电集群。
第二方面，本发明提供一种资源集群调控系统，包括：
获取模块，用于获取发电设备数据、储能设备数据、输电设备数据和负荷需求，其中，所述发电设备数据包括发电历史数据以及发电地理位置；
第一集群模块，用于根据所述储能设备数据和所述输电设备数据，分别生成至少一个储能集群和至少一个输电集群；
第二集群模块，用于根据所述发电地理位置，生成至少一个发电集群；
特征模块，用于根据所述发电历史数据，生成所述发电集群的时间功率特征；
划分模块，用于根据所述时间功率特征，将所述发电集群划分为至少一个稳定发电子集群和至少一个波动发电子集群；
匹配模块，用于根据所述负荷需求，匹配所有所述稳定发电子集群、所述波动发电子集群和所述储能集群与所述输电集群，分别生成稳定输电数据、波动输电数据和储能输电数据；
方案模块，用于基于寻优算法，根据所述稳定输电数据、所述波动输电数据和所述储能输电数据生成资源集群调控方案。
第三方面，本发明提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的资源集群调控方法。
第四方面，本发明提供一种计算机设备，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，当所述处理器执行所述计算机程序时，实现如上所述的资源集群调控方法。
本发明的资源集群调控方法、系统、存储介质及计算机设备的有益效果为：
根据储能设备数据和输电设备数据，分别生成至少一个储能集群和至少一个输电集群，可以方便统一监测和调控所有的储能设备和输电设备，通过发电地理位置，将一定地理范围内的发电设备作为一个发电集群统一监测和调控，再根据发电历史数据，提取发电集群中每个发电设备的时间功率特征，可以确定发电集群中每个发电设备在不同时间段的发电功率，并以此将发电集群划分为至少一个稳定发电子集群和至少一个波动发电子集群，从而区分不同发电设备带来的发电效果，避免因不同种类发电设备的特性和运行限制带来的各种并网问题，提高电网的运行效率，然后根据负荷需求，匹配稳定发电子集群、波动发电子集群和储能集群三者与输电集群，分别得到稳定输电数据、波动输电数据和储能输电数据，并通过寻优算法，得到最优的资源集群调控方案，以提高电网的运行效率和可靠性，同时降低电网损耗。
附图说明
图1为本发明实施例提供的资源集群调控方法的流程示意图；
图2为本发明实施例提供的资源集群调控系统的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”；术语“可选地”表示“可选的实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
为解决上述问题，如图1所示，本发明实施例提供一种资源集群调控方法，包括：
S1，获取发电设备数据、储能设备数据、输电设备数据和负荷需求，其中，所述发电设备数据包括发电历史数据以及发电地理位置。
具体地，电网的资源主要包括发电设备、储能设备以及输电设备，发电设备包括火力发电厂、水力发电厂、核能发电厂、风力发电机、太阳能发电板以及生物质发电设备等，发电设备数据包括发电设备型号、发电种类、发电历史数据以及发电地理位置；储能设备包括蓄电池、抽水蓄能电站、压缩空气储能系统、超级电容器、燃料电池以及热能储能系统等，储能设备数据包括储能设备型号、储能功率以及储能设备位置；输电设备包括变压器、输电塔、输电线路、绝缘子、开关设备和电缆等，输电设备数据包括输电设备型号以及输电设备位置。负荷需求是指电网需要调度的负荷。
S2，根据所述储能设备数据和所述输电设备数据，分别生成至少一个储能集群和至少一个输电集群。
具体地，电网包括的储能设备和输电设备数量庞大，且分布广泛，不能将所有的储能设备或输电设备作为一个集群来管理，需要根据储能设备数据和输电设备数据的特性，如设备地理位置、功率特性、设备型号等划分集群，得到至少一个储能集群和至少一个输电集群，以便合理调控储能和输电。
S3，根据所述发电地理位置，生成至少一个发电集群。
具体地，随着新能源发电设备的发展和应用，电网的发电设备不仅包括传统火电、水电等设备，还包括大量的新能源发电设备，如风力发电设备、光伏发电设备等等，由于新能源发电设备个体数量较多，且设备位置呈分布式，相较于传统火电设备，新能源发电设备不易单独处理，所以，以发电设备的发电地理位置为规则，将发电设备划分为至少一个发电集群，以统一调控和管理。
S4，根据所述发电历史数据，生成所述发电集群的时间功率特征。
具体地，上述步骤根据发电地理位置划分了至少一个发电集群，但是由于一个发电集群中，尽管地理位置相同，可发电设备的种类不同的，对应的发电特性也不同，如发电量和发电时间等，因此，对于负荷需求较小等情况，调控发电集群可能会造成资源浪费情况，所以需要根据发电集群中各个发电设备的发电历史数据，分析每个发电设备的发电特性，得到每个发电设备的时间功率特征，从而得到发电集群的时间功率特征，进而分析发电集群的特性。
S5，根据所述时间功率特征，将所述发电集群划分为至少一个稳定发电子集群和至少一个波动发电子集群。
具体地，根据时间功率特征，可以得知发电集群中每个发电设备在各个时间段的发电功率，将一天中各个时间段发电功率稳定的发电设备提取出来，并根据预设发电功率范围，将提取出来的发电设备划分为功率不同的稳定发电子集群；波动发电子集群同理，将一天中各个时间段发电功率存在波动的发电设备提取出来，并根据预设发电功率范围，将提取出来的发电设备划分为功率不同的波动发电子集群。示例性地，稳定发电子集群包括火力发电厂、核能电电厂或生物质能发电厂等，波动发电子集群包括光伏发电、风能发电或潮汐发电等。
S6，根据所述负荷需求，匹配所有所述稳定发电子集群、所述波动发电子集群和所述储能集群与所述输电集群，分别生成稳定输电数据、波动输电数据和储能输电数据。
具体地，在根据负荷需求调控各个集群之前，需要根据负荷需求，将稳定发电子集群、波动发电子集群和储能集群中的设备与输电集群中的设备匹配，从而建立完整的电力传输，确保稳定发电子集群、波动发电子集群和储能集群的电能可以有效地传输至负荷需求所在的地区。
S7，基于寻优算法，根据所述稳定输电数据、所述波动输电数据和所述储能输电数据生成资源集群调控方案。
具体地，由于每个稳定发电子集群、波动发电子集群和储能集群均有对应的稳定输电数据、波动输电数据和储能输电数据，且每个稳定输电数据、波动输电数据和储能输电数据之间可以相互配合，以完成负荷需求，所以，需要将稳定输电数据、波动输电数据和储能输电数据输入至寻优算法中，得到最优的资源集群调控方案。资源集群调控方案包括各个稳定发电子集群、各个波动发电子集群、各个储能集群和各个输电集群之间的调度，例如，若城市M有负荷需求，根据所述稳定输电数据、所述波动输电数据和所述储能输电数据，经过寻优算法生成的资源集群调控方案可能包括：采用第a个稳定发电子集群和第d个输电集群、第a+3个稳定发电子集群和第d+5个输电集群以及第b个波动发电子集群和第d+1个输电集群，同时向城市M传输电能。
示例性地，寻优算法可选择遗传算法、粒子群算法、强化学习算法、深度学习算法、模糊逻辑控制以及蚁群寻优算法等。
本发明通过根据储能设备数据和输电设备数据的特性，如设备地理位置、功率特性、设备型号等划分集群，分别生成至少一个储能集群和至少一个输电集群，可以方便统一监测和调控所有的储能设备和输电设备，通过发电地理位置，将一定地理范围内的发电设备作为一个发电集群统一监测和调控，并提取发电集群中每个发电设备的时间功率特征，可以确定发电集群中每个发电设备在不同时间段的发电功率，并以此将发电集群划分为至少一个稳定发电子集群和至少一个波动发电子集群，从而区分不同发电设备带来的发电效果，避免因不同种类发电设备的特性和运行限制带来的各种并网问题，然后根据负荷需求，匹配各个稳定发电子集群、波动发电子集群和储能集群与输电集群的关联，得到稳定输电数据、波动输电数据和储能输电数据，并通过寻优算法，得到最优的资源集群调控方案，实现稳定发电子集群、波动发电子集群和储能集群中设备之间的相互配合，以提高电网的运行效率和可靠性，同时降低电网损耗。
可选地，所述负荷需求包括功率需求、时间需求以及需求位置；
所述根据所述负荷需求，匹配所有所述稳定发电子集群、所述波动发电子集群和所述储能集群与所述输电集群，分别生成稳定输电数据、波动输电数据和储能输电数据，包括：
根据所述需求位置，分别匹配所述稳定发电子集群与所述输电集群、所述波动发电子集群与所述输电集群、所述储能集群与所述输电集群，生成稳定输电路由、波动输电路由和储能输电路由；
根据所述功率需求，生成分别与所述稳定输电路由、所述波动输电路由和所述储能输电路由对应的稳定输电损耗、波动输电损耗和储能输电损耗；
根据所述时间需求，生成分别与所述稳定输电路由、所述波动输电路由和所述储能输电路由对应的稳定输电重要度、波动输电重要度和储能输电重要度；
将所述稳定输电损耗和所述稳定输电重要度整合为所述稳定输电数据；
将所述波动输电损耗和所述波动输电重要度整合为所述波动输电数据；
将所述储能输电损耗和所述储能输电重要度整合为所述储能输电数据。
具体地，负荷需求包括功率需求、时间需求以及需求位置，功率需求是指一个时间段内需要的功率负荷大小，时间需求是指共需要多长时间的供电，需求位置是指需要负荷的地区。根据需求位置，分别确定所有的稳定发电子集群、波动发电子集群和储能集群至需求位置的最短传输路线，即稳定输电路由、波动输电路由和储能输电路由，以降低传输损耗；再根据功率需求，确定每个稳定输电路由、波动输电路由和储能输电路由存在的传输损耗，即稳定输电损耗、波动输电损耗和储能输电损耗，例如，功率需求为100kwh的电能，经过稳定输电路由传输后，到达需求位置的电能为90kwh，则失去的10kwh的电能为传输损耗；最后根据时间需求，确定各个稳定输电路由、波动输电路由和储能输电路由的重要度，因为每个稳定输电路由、波动输电路由和储能输电路由中，稳定发电子集群、波动发电子集群和储能集群所能提供电能的时间不同，所以需要各个路由的重要度，并将重要度和损耗作为输电数据的一部分进行寻优，以得到最优的资源集群调控方案，实现合理的供电调控。
示例性地，在将稳定输电损耗和稳定输电重要度整合为所述稳定输电数据、将波动输电损耗和波动输电重要度整合为所述波动输电数据、将储能输电损耗和储能输电重要度整合为所述储能输电数据时，可将稳定输电损耗、稳定输电重要度、波动输电损耗、波动输电重要度、储能输电损耗和储能输电重要度进行编码，得到对应的二值化编码，即稳定输电损耗二值化编码、稳定输电重要度二值化编码、波动输电损耗二值化编码、波动输电重要度二值化编码、储能输电损耗二值化编码和储能输电重要度二值化编码，并将稳定输电损耗二值化编码和稳定输电重要度二值化编码相乘，得到稳定输电数据；将波动输电损耗二值化编码和波动输电重要度二值化编码相乘，得到波动输电数据；将储能输电损耗二值化编码和储能输电重要度二值化编码相乘，得到储能输电数据。
可选地，所述根据所述时间需求，生成分别与所述稳定输电路由、所述波动输电路由和所述储能输电路由对应的稳定输电重要度、波动输电重要度和储能输电重要度，包括：
根据所述时间需求和稳定输电重要度公式，生成与所述稳定输电路由对应的所述稳定输电重要度，所述稳定输电重要度公式包括：
；
其中，为所述稳定输电重要度，/>为稳定权重，x为稳定输电参数，T为所述时间需求，F(T)为所述时间需求的归一化值；
根据所述时间需求和波动输电重要度公式，生成与所述波动输电路由对应的所述波动输电重要度，所述波动输电重要度公式包括：
；
其中，为所述波动输电重要度，/>为波动权重，/>为波动输电参数，T为所述时间需求，F(T)为所述时间需求的归一化值，/>为有效波动发电时间集合；
根据所述时间需求和储能输电重要度公式，生成与所述储能输电路由对应的所述储能输电重要度，所述储能输电重要度公式包括：
；
其中，为所述储能输电重要度，/>为储能权重，/>为储能输电参数，/>为储能功率，为所述功率需求。
具体地，稳定权重、波动权重以及储能权重需根据实际情况设置，稳定输电参数指稳定发电子集群中各个设备对应的性能参数，波动输电参数指波动发电子集群中各个设备对应的性能参数，储能输电参数指储能集群的性能参数，储能功率是指储能集群现存的电能功率。
可选地，所述基于寻优算法，根据所述稳定输电数据、所述波动输电数据和所述储能输电数据生成资源集群调控方案，包括：
根据所述稳定输电数据、所述波动输电数据和所述储能输电数据，生成转移概率公式；
将所述波动输电数据和所述储能输电数据输入至蚁群寻优算法中，根据所述转移概率公式，生成所述资源集群调控方案。
具体地，根据稳定输电数据、波动输电数据和储能输电数据重新构建转移概率公式，转移概率公式包括：
；
其中，为t时刻蚂蚁k从所述目标点/>到所述目标点/>的转移概率，L为信息素重要程度因子，M为启发函数重要程度因子，N为所述稳定输电数据、所述波动输电数据或所述储能输电数据的重要程度因子，A为所述蚂蚁k下一步选择的所述目标点的集合，/>为信息素，/>为启发函数，/>为所述稳定输电数据、所述波动输电数据或所述储能输电数据，示例性地，/>的取值根据下一点的类型判断，当下一点为所述稳定输电路由时，/>为所述稳定输电数据；当下一点为所述波动输电路由时，/>为所述波动输电数据；当下一点为所述储能输电路由时，/>为所述储能输电数据。通过将所述稳定输电数据、所述波动输电数据或所述储能输电数据作为转移概率公式的变量，可是蚁群寻优算法在寻找最优方案时考虑所述稳定输电数据、所述波动输电数据或所述储能输电数据的特性，从而得到最优且最合理的方案。
可选地，所述根据所述发电历史数据，生成所述发电集群的时间功率特征，包括：
根据预设滑动窗口分割所述发电历史数据，生成多个时间窗口分析表；
提取所述时间窗口分析表的时间特征和功率平均值；
根据所述时间特征和所述功率平均值，生成所述时间功率特征。
具体地，采用滑动窗口统计方法提取时间功率特征，根据实际情况设置预设滑动窗口，分割发电历史数据生成的时间窗口分析表包括功率平均值、中位数、标准差、最大值、最小值等，提取时间窗口分析表的时间特征和对应的功率平均值功率平均值作为时间功率特征。示例性地，时间功率特征可通过文字表格显示，也可通过二维图表显示，以便于观测和计算。
可选地，所述根据所述发电地理位置，生成至少一个发电集群，包括：
根据所述发电地理位置，获取预设区域内的密集度；
根据所述密集度，生成集群中心点；
根据所述集群中心点，采用k均值聚类算法，生成至少一个所述发电集群。
具体地，根据实际地理位置设置预设区域，将预设区域内密集度大于预设阈值的区域标记出来，采用图像识别算法确定标记区域的集群中心点，最后采用k均值聚类算法，将每个发电设备分配到距离其最近的集群中心点所对应的集群中。再根据分配给每个集群的发电设备，重新计算每个集群的集群中心点，重复迭代，直至每个集群的发电设备不再变化，得到最终的发电集群。
可选地，所述根据所述储能设备数据和所述输电设备数据，分别生成至少一个储能集群和至少一个输电集群，包括：
获取所述储能设备数据的储能地理位置和所述输电设备数据的输电地理位置；
根据所述储能地理位置，生成至少一个所述储能集群；
根据所述输电地理位置，生成至少一个所述输电集群。
具体地，可采用人工或者k均值聚类算法，根据所述储能地理位置，生成至少一个所述储能集群，根据所述输电地理位置，生成至少一个所述输电集群，将一定地理位置范围内的储能设备作为一个储能集群，将一定地理位置范围内的输电设备作为一个输电集群。应当理解的是，储能集群的一定地理位置范围和输电集群的定地理位置范围不同，一定地理位置范围需根据实际情况设置。
在另一个实施例中，如图2所示，本发明提供一种资源集群调控系统，包括：
获取模块，用于获取发电设备数据、储能设备数据、输电设备数据和负荷需求，其中，所述发电设备数据包括发电历史数据以及发电地理位置；
第一集群模块，用于根据所述储能设备数据和所述输电设备数据，分别生成至少一个储能集群和至少一个输电集群；
第二集群模块，用于根据所述发电地理位置，生成至少一个发电集群；
特征模块，用于根据所述发电历史数据，生成所述发电集群的时间功率特征；
划分模块，用于根据所述时间功率特征，将所述发电集群划分为至少一个稳定发电子集群和至少一个波动发电子集群；
匹配模块，用于根据所述负荷需求，匹配所有所述稳定发电子集群、所述波动发电子集群和所述储能集群与所述输电集群，分别生成稳定输电数据、波动输电数据和储能输电数据；
方案模块，用于基于寻优算法，根据所述稳定输电数据、所述波动输电数据和所述储能输电数据生成资源集群调控方案。
在一个实施例中，本发明提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的资源集群调控方法。
在一个实施例中，本发明提供一种计算机设备，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，当所述处理器执行所述计算机程序时，实现如上所述的资源集群调控方法。
虽然本发明披露如上，但本发明的保护范围并非仅限于此。本领域技术人员在不脱离本发明的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。
Claims (10)
1.一种资源集群调控方法，其特征在于，包括：
获取发电设备数据、储能设备数据、输电设备数据和负荷需求，其中，所述发电设备数据包括发电历史数据以及发电地理位置；
根据所述储能设备数据和所述输电设备数据，分别生成至少一个储能集群和至少一个输电集群；
根据所述发电地理位置，生成至少一个发电集群；
根据所述发电历史数据，生成所述发电集群的时间功率特征；
根据所述时间功率特征，将所述发电集群划分为至少一个稳定发电子集群和至少一个波动发电子集群；
根据所述负荷需求，匹配所有所述稳定发电子集群、所述波动发电子集群和所述储能集群与所述输电集群，分别生成稳定输电数据、波动输电数据和储能输电数据；
基于寻优算法，根据所述稳定输电数据、所述波动输电数据和所述储能输电数据生成资源集群调控方案。
2.根据权利要求1所述的资源集群调控方法，其特征在于，所述负荷需求包括功率需求、时间需求以及需求位置；
所述根据所述负荷需求，匹配所有所述稳定发电子集群、所述波动发电子集群和所述储能集群与所述输电集群，分别生成稳定输电数据、波动输电数据和储能输电数据，包括：
根据所述需求位置，分别匹配所述稳定发电子集群与所述输电集群、所述波动发电子集群与所述输电集群、所述储能集群与所述输电集群，生成稳定输电路由、波动输电路由和储能输电路由；
根据所述功率需求，生成分别与所述稳定输电路由、所述波动输电路由和所述储能输电路由对应的稳定输电损耗、波动输电损耗和储能输电损耗；
根据所述时间需求，生成分别与所述稳定输电路由、所述波动输电路由和所述储能输电路由对应的稳定输电重要度、波动输电重要度和储能输电重要度；
将所述稳定输电损耗和所述稳定输电重要度整合为所述稳定输电数据；
将所述波动输电损耗和所述波动输电重要度整合为所述波动输电数据；
将所述储能输电损耗和所述储能输电重要度整合为所述储能输电数据。
3.根据权利要求2所述的资源集群调控方法，其特征在于，所述根据所述时间需求，生成分别与所述稳定输电路由、所述波动输电路由和所述储能输电路由对应的稳定输电重要度、波动输电重要度和储能输电重要度，包括：
根据所述时间需求和稳定输电重要度公式，生成与所述稳定输电路由对应的所述稳定输电重要度，所述稳定输电重要度公式包括：
；
其中，为所述稳定输电重要度，/>为稳定权重，x为稳定输电参数，T为所述时间需求，F (T)为所述时间需求的归一化值；
根据所述时间需求和波动输电重要度公式，生成与所述波动输电路由对应的所述波动输电重要度，所述波动输电重要度公式包括：
；
其中，为所述波动输电重要度，/>为波动权重，/>为波动输电参数，T为所述时间需求，F(T)为所述时间需求的归一化值，/>为有效波动发电时间集合；
根据所述时间需求和储能输电重要度公式，生成与所述储能输电路由对应的所述储能输电重要度，所述储能输电重要度公式包括：
；
其中，为所述储能输电重要度，/>为储能权重，/>为储能输电参数，/>为储能功率，/>为所述功率需求。
4.根据权利要求2所述的资源集群调控方法，其特征在于，所述基于寻优算法，根据所述稳定输电数据、所述波动输电数据和所述储能输电数据生成资源集群调控方案，包括：
根据所述稳定输电数据、所述波动输电数据和所述储能输电数据，生成转移概率公式；
将所述波动输电数据和所述储能输电数据输入至蚁群寻优算法中，根据所述转移概率公式，生成所述资源集群调控方案。
5.根据权利要求1所述的资源集群调控方法，其特征在于，所述根据所述发电历史数据，生成所述发电集群的时间功率特征，包括：
根据预设滑动窗口分割所述发电历史数据，生成多个时间窗口分析表；
提取所述时间窗口分析表的时间特征和功率平均值；
根据所述时间特征和所述功率平均值，生成所述时间功率特征。
6.根据权利要求1所述的资源集群调控方法，其特征在于，所述根据所述发电地理位置，生成至少一个发电集群，包括：
根据所述发电地理位置，获取预设区域内的密集度；
根据所述密集度，生成集群中心点；
根据所述集群中心点，采用k均值聚类算法，生成至少一个所述发电集群。
7.根据权利要求1所述的资源集群调控方法，其特征在于，所述根据所述储能设备数据和所述输电设备数据，分别生成至少一个储能集群和至少一个输电集群，包括：
获取所述储能设备数据的储能地理位置和所述输电设备数据的输电地理位置；
根据所述储能地理位置，生成至少一个所述储能集群；
根据所述输电地理位置，生成至少一个所述输电集群。
8.一种资源集群调控系统，其特征在于，包括：
获取模块，用于获取发电设备数据、储能设备数据、输电设备数据和负荷需求，其中，所述发电设备数据包括发电历史数据以及发电地理位置；
第一集群模块，用于根据所述储能设备数据和所述输电设备数据，分别生成至少一个储能集群和至少一个输电集群；
第二集群模块，用于根据所述发电地理位置，生成至少一个发电集群；
特征模块，用于根据所述发电历史数据，生成所述发电集群的时间功率特征；
划分模块，用于根据所述时间功率特征，将所述发电集群划分为至少一个稳定发电子集群和至少一个波动发电子集群；
匹配模块，用于根据所述负荷需求，匹配所有所述稳定发电子集群、所述波动发电子集群和所述储能集群与所述输电集群，分别生成稳定输电数据、波动输电数据和储能输电数据；
方案模块，用于基于寻优算法，根据所述稳定输电数据、所述波动输电数据和所述储能输电数据生成资源集群调控方案。
9.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1至7任一项所述的资源集群调控方法。
10.一种计算机设备，其特征在于，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，当所述处理器执行所述计算机程序时，实现如权利要求1至7任一项所述的资源集群调控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410206183.6A CN117791612A (zh) | 2024-02-26 | 2024-02-26 | 一种资源集群调控方法、系统、存储介质及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410206183.6A CN117791612A (zh) | 2024-02-26 | 2024-02-26 | 一种资源集群调控方法、系统、存储介质及计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117791612A true CN117791612A (zh) | 2024-03-29 |
Family
ID=90394883
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410206183.6A Pending CN117791612A (zh) | 2024-02-26 | 2024-02-26 | 一种资源集群调控方法、系统、存储介质及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117791612A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170179723A1 (en) * | 2015-12-16 | 2017-06-22 | National Chung Shan Institute Of Science And Technology | Clustered energy-storing micro-grid system |
| CN113708365A (zh) * | 2021-07-28 | 2021-11-26 | 广西电网有限责任公司电力科学研究院 | 一种基于端边云架构的虚拟电厂能源管控优化方法及系统 |
| CN115796393A (zh) * | 2023-01-31 | 2023-03-14 | 深圳市三和电力科技有限公司 | 基于多能互动的能源网管理优化方法、系统及存储介质 |
| CN115954910A (zh) * | 2023-03-10 | 2023-04-11 | 深圳永泰数能科技有限公司 | 一种基于能量优化的分布式储能控制方法及系统 |
| CN116937584A (zh) * | 2023-06-21 | 2023-10-24 | 华北电力大学（保定） | 基于改进灰狼算法的微电网群多目标优化求解方法和装置 |
| CN117060396A (zh) * | 2023-08-16 | 2023-11-14 | 中国长江三峡集团有限公司 | 一种风光火储多能源电力系统日前优化运行方法 |
-
2024
- 2024-02-26 CN CN202410206183.6A patent/CN117791612A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170179723A1 (en) * | 2015-12-16 | 2017-06-22 | National Chung Shan Institute Of Science And Technology | Clustered energy-storing micro-grid system |
| CN113708365A (zh) * | 2021-07-28 | 2021-11-26 | 广西电网有限责任公司电力科学研究院 | 一种基于端边云架构的虚拟电厂能源管控优化方法及系统 |
| CN115796393A (zh) * | 2023-01-31 | 2023-03-14 | 深圳市三和电力科技有限公司 | 基于多能互动的能源网管理优化方法、系统及存储介质 |
| CN115954910A (zh) * | 2023-03-10 | 2023-04-11 | 深圳永泰数能科技有限公司 | 一种基于能量优化的分布式储能控制方法及系统 |
| CN116937584A (zh) * | 2023-06-21 | 2023-10-24 | 华北电力大学（保定） | 基于改进灰狼算法的微电网群多目标优化求解方法和装置 |
| CN117060396A (zh) * | 2023-08-16 | 2023-11-14 | 中国长江三峡集团有限公司 | 一种风光火储多能源电力系统日前优化运行方法 |
Non-Patent Citations (2)
| Title |
|---|
| BOGDAN-CONSTANTIN NEAGU ET AL.: "A Fair Load Sharing Approach Based on Microgrid Clusters and Transactive Energy Concept", 《2020 12TH INTERNATIONAL CONFERENCE ON ELECTRONICS, COMPUTERS AND ARTIFICIAL INTELLIGENCE (ECAI)》, 16 October 2020 (2020-10-16), pages 1 - 4 * |
| 卢俊杰 等: "基于集群划分的光伏电站集群发电功率短期预测方法", 《高电压技术》, vol. 48, no. 5, 31 May 2022 (2022-05-31), pages 1943 - 1951 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Latif et al. | Comparative performance evaluation of WCA‐optimised non‐integer controller employed with WPG–DSPG–PHEV based isolated two‐area interconnected microgrid system | |
| Barik et al. | Recent trends and development in hybrid microgrid: a review on energy resource planning and control | |
| Arabali et al. | Genetic-algorithm-based optimization approach for energy management | |
| CN103762589B (zh) | 一种电网中新能源容量配比分层优化方法 | |
| CN108964128B (zh) | 基于电锅炉与储热装置协调供热的低碳经济调度求解方法 | |
| Biswas et al. | Optimal placement of wind turbines in a windfarm using L-SHADE algorithm | |
| Bhuyan et al. | GOA optimised frequency control of solar-thermal/sea-wave/biodiesel generator based interconnected hybrid microgrids with DC link | |
| Latif et al. | Plug in hybrid vehicle-wind-diesel autonomous hybrid power system: Frequency control using FA and CSA optimized controller | |
| CN105243516A (zh) | 基于主动配电网的分布式光伏发电最大消纳能力计算系统 | |
| Long et al. | Configuration optimization and analysis of a large scale PV/wind system | |
| Latif et al. | Integrated demand side management and generation control for frequency control of a microgrid using PSO and FA based controller | |
| Dhundhara et al. | Application of micro pump hydro energy storage for reliable operation of microgrid system | |
| CN110535174A (zh) | 一种考虑风电场疲劳载荷分布和产能的有功功率控制方法 | |
| CN109376426B (zh) | 一种风电并网功率调度方法及装置 | |
| CN107785929A (zh) | 一种太阳能热发电站功率预测系统及运行方法 | |
| CN113937825A (zh) | 一种基于E-C-Kmeans聚类和SOP优化的DG双层优化配置方法 | |
| Liu et al. | Optimal short-term load dispatch strategy in wind farm | |
| Zhang et al. | Dynamic control of wind/photovoltaic hybrid power systems based on an advanced particle swarm optimization | |
| Odero et al. | Wind energy resource prediction and optimal storage sizing to guarantee dispatchability: A case study in the Kenyan power grid | |
| CN117791612A (zh) | 一种资源集群调控方法、系统、存储介质及计算机设备 | |
| CN116646983A (zh) | 基于改进战鹰优化器的适配工业负荷的智能柔性碳调度系统 | |
| Fatima et al. | Design methodology of smart photovoltaic plant. | |
| CN108022055A (zh) | 一种基于粒子群模型的微电网经济调度方法 | |
| Marwan et al. | Optimal economic dispatch for power generation under the lagrange method | |
| Phonrattanasak | Optimal placement of wind farm on the power system using multiobjective bees algorithm |
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 |