CN117791613A - 一种基于资源集群调控的决策方法及系统 - Google Patents
一种基于资源集群调控的决策方法及系统 Download PDFInfo
- Publication number
- CN117791613A CN117791613A CN202410211649.1A CN202410211649A CN117791613A CN 117791613 A CN117791613 A CN 117791613A CN 202410211649 A CN202410211649 A CN 202410211649A CN 117791613 A CN117791613 A CN 117791613A
- Authority
- CN
- China
- Prior art keywords
- regulation
- power grid
- resource cluster
- hierarchy
- control
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 64
- 238000004146 energy storage Methods 0.000 claims description 54
- 238000005457 optimization Methods 0.000 claims description 30
- 238000009826 distribution Methods 0.000 claims description 19
- 238000010248 power generation Methods 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 15
- 238000013178 mathematical model Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 230000002441 reversible effect Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 230000001105 regulatory effect Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000007363 regulatory process Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明一种基于资源集群调控的决策方法及系统，涉及电网调控技术领域；该方法包括：根据电网调控需求，将电网资源集群划分为多个层级；再将电网调控任务划分成每个层级对应的调控子任务；然后确定调控子任务对应的调控算法；并对调控子任务进行求解得到层级的调控最优解；根据电网资源集群的所有层级以及电网调控需求，对每个层级分配优先权重，将所有层级的调控最优解合并得到电网资源集群的初始综合决策；根据当前电网状态、当前负荷情况以及当前能源产出情况，对电网资源集群的初始综合决策进行更新，得到电网资源集群的最终综合决策。本发明可以有效应对突发情况，保障电网系统的安全稳定运行，提高了针对电网系统的调控效率与精度。
Description
技术领域
本发明涉及电网调控技术领域，具体而言，涉及一种基于资源集群调控的决策方法及系统。
背景技术
在电网领域，基于资源集群调控通常应用在可再生能源管理、负荷侧管理、传统能源调度以及能源市场交易等一系列管理区域，基于上述管理区域实现对电网系统的资源集群的调控。例如，可再生能源管理中，资源集群调控可以优化和管理可再生能源发电的分布和接入，借助先进的预测和调度技术，可以更合理地安排可再生能源的发电计划，在不影响电网平稳运行的前提下最大限度地利用可再生能源。
在现有技术中，由于电网系统庞大而复杂，不同类型和规模的电源、传输线路以及终端负载共同构成了一个多层次、多维度的系统。目前的资源调控方法往往难以有效应对电网系统的复杂性，缺乏有效的管理和优化手段。例如，随着可再生能源如风能、太阳能等的大规模接入，电网面临着可再生能源的波动性和不确定性，传统的调度方法难以有效地应对这种波动性，导致了电网的不稳定性和运行风险。
发明内容
本发明解决的技术问题是如何提高针对电网系统的调控效率与精度。
本发明提供一种基于资源集群调控的决策方法，包括：
根据电网调控需求，将电网资源集群划分为多个层级；
根据所述电网资源集群的所述层级，将电网调控任务划分成每个所述层级对应的调控子任务；
根据所述调控子任务和对应的所述层级，确定所述调控子任务对应的调控算法；
通过所述调控算法，对所述调控子任务进行求解得到所述层级的调控最优解；
根据所述电网资源集群的所有所述层级以及所述电网调控需求，对每个所述层级分配优先权重；
根据所述优先权重，将所有所述层级的调控最优解合并得到所述电网资源集群的初始综合决策；
根据当前电网状态、当前负荷情况以及当前能源产出情况，对所述电网资源集群的所述初始综合决策进行更新，得到所述电网资源集群的最终综合决策。
可选地，所述根据电网调控需求，将电网资源集群划分为多个层级；
根据所述电网调控需求，将所述电网资源集群划分为输电网资源集群、配电网资源集群以及微电网资源集群；
将所述输电网资源集群、所述配电网资源集群以及所述微电网资源集群分别对应一个所述层级；
其中，每个所述层级分别对应传统能源、可再生能源以及储能设备。
可选地，所述根据所述电网资源集群的所述层级，将电网调控任务划分成每个所述层级对应的调控子任务，包括：
获取所述电网资源集群的所述层级在对应区域的能源管理情况以及负载调控情况；
根据所述层级在对应区域的所述能源管理情况以及所述负载调控情况，得到所述层级在所述电网资源集群中的层级功能；
根据所述层级功能，划分所述电网调控任务得到所述层级对应的所述调控子任务。
可选地，所述根据所述调控子任务和对应的所述层级，确定所述调控子任务对应的调控算法，包括：
根据所述调控子任务，得到所述层级的任务目标；
根据所述任务目标和所述层级中所述传统能源、所述可再生能源以及所述储能设备的当前状态，得到所述层级的能源特性；
其中，所述能源特性包括所述传统能源的发电能力以及响应速度、所述可再生能源的波动特性以及所述储能设备的充放电特性和能量存储能力；
根据所述传统能源的发电能力以及响应速度、所述可再生能源的波动特性以及所述储能设备的充放电特性和能量存储能力，得到所述调控子任务对应的所述调控算法。
可选地，所述根据所述传统能源的发电能力以及响应速度、所述可再生能源的波动特性以及所述储能设备的充放电特性和能量存储能力，得到所述调控子任务对应的所述调控算法，包括：
根据所述传统能源的发电能力以及响应速度、所述可再生能源的波动特性以及所述储能设备的充放电特性和能量存储能力，建立所述层级的数学模型；
根据所述层级的所述任务目标，得到所述调控算法的优化目标；
根据所述数学模型和所述优化目标，确定所述调控算法的复杂度、约束条件以及收敛性；
根据所述调控算法的所述复杂度、所述约束条件以及所述收敛性，得到所述优化目标的优化函数，并将所述优化函数作为所述调控算法。
可选地，所述通过所述调控算法，对所述调控子任务进行求解得到所述层级的调控最优解，包括：
根据所述任务目标和所述层级中所述传统能源、所述可再生能源以及所述储能设备的当前状态，通过所述优化目标得到所述层级的初始解；
通过所述调控算法对应的迭代策略对所述初始解进行迭代，当迭代次数大于或等于预设次数时，停止对所述初始解及逆行迭代，并将迭代完成的所述初始解作为所述层级的所述调控最优解。
可选地，所述根据所述电网资源集群的所有所述层级以及所述电网调控需求，对每个所述层级分配优先权重，包括：
根据所述电网调控需求，确定每个层级的重要等级，所述重要等级包括高级、中级和低级；
根据所述重要等级，对所述层级分配权重系数并将所述权重系数作为所述优先权重。
可选地，所述根据所述优先权重，将所有所述层级的调控最优解合并得到所述电网资源集群的初始综合决策，包括：
根据所述重要等级，依次对所述输电网资源集群、所述配电网资源集群以及所述微电网资源集群进行排序，得到所述电网资源集群的重要序列；
将所述输电网资源集群、所述配电网资源集群以及所述微电网资源集群的层级的所述调控最优解按照所述重要序列进行合并；
并根据每个所述调控最优解对应的所述优先权重进行加权处理，得到所述电网资源集群的所述初始综合决策。
可选地，所述根据当前电网状态、当前负荷情况以及当前能源产出情况，对所述电网资源集群的所述初始综合决策进行更新，得到所述电网资源集群的最终综合决策，包括：
根据所述当前电网状态、所述负荷情况、所述能源产出情况以及所述综合决策，得到所述电网资源集群在预设未来时间内的未来电网状态、未来负荷情况以及未来能源产出情况；
根据所述未来电网状态、所述未来负荷情况以及所述未来能源产出情况，结合所述电网调控需求得到调控误差；
根据所述调控误差更新所述初始综合决策，得到所述电网资源集群的所述最终综合决策。
本发明还提供一种基于资源集群调控的决策系统，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上述所述的基于资源集群调控的决策方法。
本发明的基于资源集群调控的决策方法及系统，通过将电网资源集群划分为多个层级，并将调控任务对应每个层级划分至对应的子任务，实现更加精细地管理和调控电网系统。不同层级的任务可以根据其特点和重要性进行个性化的管理和调控，从而提高了对电网系统的调控精度。由于不同层级的任务可能需要不同的调控手段和算法，因此再根据不同层级的需求和任务特点确定相应的调控算法，可以使得调控更加针对性和高效。根据不同层级的优先权重将调控最优解合并得到电网资源集群的初始综合决策，实现对各个层级的调控结果进行整体优化，提高整体资源利用效率和系统运行稳定性。根据当前电网状态、负荷情况和能源产出情况对初始综合决策进行实时更新，使得决策更加贴合实际情况，通过及时的更新决策，可以有效应对突发情况，保障电网系统的安全稳定运行，提高了针对电网系统的调控效率与精度。
附图说明
图1为本发明实施例中基于资源集群调控的决策方法的流程示意图之一；
图2为本发明实施例中基于资源集群调控的决策方法的流程示意图之二；
图3为本发明实施例中基于资源集群调控的决策方法的流程示意图之三；
图4为本发明实施例中基于资源集群调控的决策方法的流程示意图之四；
图5为本发明实施例中基于资源集群调控的决策方法的流程示意图之五；
图6为本发明实施例中基于资源集群调控的决策方法的流程示意图之六。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，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的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。
结合图1所示，本发明提供一种基于资源集群调控的决策方法，其特征在于，包括：
S1：根据电网调控需求，将电网资源集群划分为多个层级。
具体地，首先需要对电网的调控需求进行细致分析，其中，包括对电力负载、能源产出、储能设备等方面的需求情况进行评估，以确定不同功能模块的需求差异。根据需求分析的结果，确定层级划分的标准。在本发明的优选实施例中，划分标准可以包括功率大小、电压等级、能源类型差异、地理位置等。再基于定义好的划分标准，将电网资源集群划分为多个层级。例如，可以根据不同功率大小划分为大型电站、中型电站和小型分布式能源。
S2：根据所述电网资源集群的所述层级，将电网调控任务划分成每个所述层级对应的调控子任务。
具体地，根据电网资源集群的不同层级，一般可以通过分析各层级的特点和需求差异，并确定划分标准，将电网调控任务划分成每个层级对应的调控子任务。在本发明的优选实施例中，需要对电网资源集群的功率规模、负载特点、能源产出等进行评估，以确定不同层级的特点和需求，其中，任务划分标准可以包括功率规模、负载特点以及能源类型等，再根据这些标准将调控任务划分成对应的子任务，确保各个子任务之间协调一致，实现整体性能的优化。
S3：根据所述调控子任务和对应的所述层级，确定所述调控子任务对应的调控算法。
具体地，为确定调控子任务对应的调控算法，首先需要对每个子任务的调控需求进行深入分析，在本发明的优选实施例中，可以考虑其特定层级的电网资源情况、负载特征以及能源类型等因素，然后基于上述因素，制定选择调控算法的标准，包括算法的适用范围、精度、计算复杂度和实时性等方面的考量。接下来根据确定的需求和选择标准，选择适合的调控算法，其中，需要考虑实际应用中的可行性和有效性。
S4：通过所述调控算法，对所述调控子任务进行求解得到所述层级的调控最优解。
具体地，通过所选择的调控算法对子任务进行求解以得到层级的最优解，首先需要确定调控子任务的输入参数，包括电网资源集群的实际数据，如负载情况、能源产出以及储能设备状态等。随后，选择合适的调控算法并运行，根据输入参数进行计算和分析，以解决子任务需求，如最小化能耗、最大化能源利用等。
S5：根据所述电网资源集群的所有所述层级以及所述电网调控需求，对每个所述层级分配优先权重。
具体地，为了对电网资源集群的各个层级进行优先权重的分配，首先需要进行电网调控需求的全面分析，考虑到负载特性、能源供应情况、电网稳定性、环境友好性以及经济性等因素。接着，评估每个层级的特性，包括功率规模、可调度性以及对电网系统稳定性和安全性的贡献。根据这些分析结果，可以为每个层级分配相应的优先权重。在本发明的优选实施例中，对于对电网稳定性和安全性贡献更大的层级，可以分配较高的优先权重；而对于环境友好性或者经济性影响较大的层级，也可根据实际情况给予适当的优先权重。
S6：根据所述优先权重，将所有所述层级的调控最优解合并得到所述电网资源集群的初始综合决策。
具体地，通过分配的优先权重，将各个层级的调控最优解合并为电网资源集群的初始综合决策，首先进行加权合并，根据各层级的优先权重对调控最优解进行加权，以确保高优先权重层级的调控结果具有更大的影响。在合并过程中，则综合考虑各层级的特性及其对整个电网系统的影响，确保综合决策能够有效地满足电网的整体需求，将每个层级的调控最优解融合到一个统一的决策框架中，形成电网资源集群的初始综合决策，该决策将充分考虑各层级的特性和需求，为电网系统的综合调控提供基础和指导。
S7：根据当前电网状态、当前负荷情况以及当前能源产出情况，对所述电网资源集群的所述初始综合决策进行更新，得到所述电网资源集群的最终综合决策。
具体地，根据当前电网状态、负荷情况和能源产出情况对初始综合决策进行更新，以得到最终综合决策，其中需要获取实时的电网数据，包括电力需求、发电量以及储能设备状态等信息，基于这些数据对电网系统进行评估，考虑供需平衡、电网稳定性、能源利用效率等方面的因素，确定当前系统的具体状况。随后，根据系统评估结果对初始综合决策进行相应的调整和更新，可能涉及到能源分配方案、储能设备运行策略等内容，并通过模拟验证来评估更新后的决策在不同场景下的表现。最终，经过验证的最终综合决策将被实施到实际电网系统。
本发明的基于资源集群调控的决策方法，通过将电网资源集群划分为多个层级，并将调控任务对应每个层级划分至对应的子任务，实现更加精细地管理和调控电网系统。不同层级的任务可以根据其特点和重要性进行个性化的管理和调控，从而提高了对电网系统的调控精度。由于不同层级的任务可能需要不同的调控手段和算法，因此再根据不同层级的需求和任务特点确定相应的调控算法，可以使得调控更加针对性和高效。根据不同层级的优先权重将调控最优解合并得到电网资源集群的初始综合决策，实现对各个层级的调控结果进行整体优化，提高整体资源利用效率和系统运行稳定性。根据当前电网状态、负荷情况和能源产出情况对初始综合决策进行实时更新，使得决策更加贴合实际情况，通过及时的更新决策，可以有效应对突发情况，保障电网系统的安全稳定运行，提高了针对电网系统的调控效率与精度。
本发明实施例中，所述根据电网调控需求，将电网资源集群划分为多个层级；
根据所述电网调控需求，将所述电网资源集群划分为输电网资源集群、配电网资源集群以及微电网资源集群；
将所述输电网资源集群、所述配电网资源集群以及所述微电网资源集群分别对应一个所述层级；
其中，每个所述层级分别对应传统能源、可再生能源以及储能设备。
在本实施例中，电网资源集群被划分为输电网资源集群、配电网资源集群和微电网资源集群，每个层级分别对应传统能源、可再生能源和储能设备。这种分层划分能够更好地对电网资源进行分类和管理，并且有助于针对不同类型的资源采取相应的调控措施。在本发明的优选实施例中，电网资源集群包括传统的火力发电厂、风力发电场和储能电站。结合上述方法将火力发电厂划分到输电网资源集群层级，风力发电场划分到配电网资源集群层级，而储能电站则划分到微电网资源集群层级。对于传统能源在输电网资源集群中，重点关注电网的稳定性和大电网的调度等问题；对于可再生能源在配电网资源集群中，重点关注微网的管理和与主网的互联等问题；对于储能设备在微电网资源集群中，则需要考虑其在微网内的能量存储和输出等特点。
本发明的基于资源集群调控的决策方法，通过分层划分和相应的调控措施实施，提高电网的整体调控能力和适应性，从而优化电网运行并提高能源利用效率。
本发明实施例中，结合图2所示，所述根据所述电网资源集群的所述层级，将电网调控任务划分成每个所述层级对应的调控子任务，包括：
S21：获取所述电网资源集群的所述层级在对应区域的能源管理情况以及负载调控情况；
S22：根据所述层级在对应区域的所述能源管理情况以及所述负载调控情况，得到所述层级在所述电网资源集群中的层级功能；
S23：根据所述层级功能，划分所述电网调控任务得到所述层级对应的所述调控子任务。
在本实施例中，在电网资源集群中，由于不同层级的能源管理情况和负载调控情况可能不同，因此需要根据不同层级的情况制定相应的调控子任务。首先，需要通过实时监测和数据分析，来获取电网资源集群的层级情况，包括各个层级在对应区域的能源管理情况和负载调控情况，以确保获取的信息准确可靠。根据所述层级在对应区域的能源管理情况和负载调控情况，得出各个层级在电网资源集群中的层级功能。其中，不同层级可能具有不同的能源管理能力和负载调控能力，高层级具有更大的能源调度能力和更强的负载调控能力，而低层级则更多地承担实时负载调度和响应。根据各个层级的功能特点，可以划分出相应的调控子任务。在本发明的优选实施例中，高层级需要承担整体能源管理和长期负载调控的任务，而低层级可能需要承担实时负载调度和响应的任务，以此更好地实现电网资源集群中各个层级的协同作用，发挥各自的优势，从而提高整体的调控效率和可靠性。
本发明的基于资源集群调控的决策方法，通过对电网资源集群的层级进行划分和分析，可以实现电网调控任务的有效分工和协同，使得整个电网资源集群能够更好地适应不同区域和层级的需求，提高能源利用效率，降低负载压力。
本发明实施例中，结合图3所示，所述根据所述调控子任务和对应的所述层级，确定所述调控子任务对应的调控算法，包括：
S31：根据所述调控子任务，得到所述层级的任务目标；
S32：根据所述任务目标和所述层级中所述传统能源、所述可再生能源以及所述储能设备的当前状态，得到所述层级的能源特性；
其中，所述能源特性包括所述传统能源的发电能力以及响应速度、所述可再生能源的波动特性以及所述储能设备的充放电特性和能量存储能力；
S33：根据所述传统能源的发电能力以及响应速度、所述可再生能源的波动特性以及所述储能设备的充放电特性和能量存储能力，得到所述调控子任务对应的所述调控算法。
在本实施例中，根据所述调控子任务，得到该层级的具体任务目标。在本发明的优选实施例中，任务目标可以包括实现电能的平衡、降低负载压力或提高可再生能源利用率等，其中，不同层级的任务目标可能不同，需要根据实际情况进行区分。其次，根据任务目标和该层级中传统能源、可再生能源以及储能设备的当前状态，得到该层级的能源特性。在本发明的优选实施例中，能源特性可以包括传统能源的发电能力和响应速度、可再生能源的波动特性以及储能设备的充放电特性和能量存储能力。最后，根据传统能源的发电能力和响应速度、可再生能源的波动特性，以及储能设备的充放电特性和能量存储能力，可以确定针对该调控子任务的相应调控算法。在面对电能平衡调控任务时，针对不同层级的特性，采用不同的发电调度策略和储能设备的运行方式，以实现任务目标。
本发明的基于资源集群调控的决策方法，通过根据调控子任务和对应的层级确定调控子任务对应的调控算法，针对不同层级和不同调控子任务制定相应的调控算法，能够更加精准地应对电网调控任务，提高调控的响应速度和准确性，降低系统运行的成本，优化能源利用效率。
本发明实施例中，结合图4所示，所述根据所述传统能源的发电能力以及响应速度、所述可再生能源的波动特性以及所述储能设备的充放电特性和能量存储能力，得到所述调控子任务对应的所述调控算法，包括：
S331：根据所述传统能源的发电能力以及响应速度、所述可再生能源的波动特性以及所述储能设备的充放电特性和能量存储能力，建立所述层级的数学模型；
S332：根据所述层级的所述任务目标，得到所述调控算法的优化目标；
S333：根据所述数学模型和所述优化目标，确定所述调控算法的复杂度、约束条件以及收敛性；
S334：根据所述调控算法的所述复杂度、所述约束条件以及所述收敛性，得到所述优化目标的优化函数，并将所述优化函数作为所述调控算法。
在本实施例中，首先需要根据传统能源、可再生能源和储能设备的特性建立数学模型，涉及到发电机组的发电特性、风电、光伏等可再生能源的波动特性，以及储能设备的充放电特性和能量存储能力；数学模型可以帮助理解不同能源在调控过程中的行为和影响。根据层级的任务目标和电网调控需求，需要明确定义调控算法的优化目标，比如优化电网的功率平衡、最大化可再生能源利用等。基于数学模型和优化目标，需要确定调控算法的复杂度、约束条件和收敛性，包括确保算法能够在合理的时间内收敛到结果、遵守各种物理和操作上的约束条件，以及考虑到不同算法的计算复杂度和适用范围。根据上述步骤，得到一个优化函数作为调控算法，这个优化函数基于数学模型和优化目标，结合约束条件和收敛性要求，从而能够更好地指导调控决策。
本发明的基于资源集群调控的决策方法，通过为每个层级选择匹配合适的调控算法，使调控算法能更好地适应不同电网资源的特性和不同层级的需求，从而实现更为灵活高效的电网调控管理。
本发明实施例中，所述通过所述调控算法，对所述调控子任务进行求解得到所述层级的调控最优解，包括：
根据所述任务目标和所述层级中所述传统能源、所述可再生能源以及所述储能设备的当前状态，通过所述优化目标得到所述层级的初始解；
通过所述调控算法对应的迭代策略对所述初始解进行迭代，当迭代次数大于或等于预设次数时，停止对所述初始解及逆行迭代，并将迭代完成的所述初始解作为所述层级的所述调控最优解。
在本实施例中，通过调控算法对调控子任务进行求解，得到层级的调控最优解是针对电力系统实际运行情况的优化过程。首先，根据任务目标和层级中传统能源、可再生能源以及储能设备的当前状态，使用优化算法得到层级的初始解，其中，初始解是根据系统的实际情况和任务目标计算得出的，通过初始解提供了关于如何调整传统能源、可再生能源和储能设备运行状态的初步建议。其次，通过调控算法对初始解进行迭代，根据优化目标和系统特性，逐步优化解的配置。迭代过程中可能会采用一些优化技术，比如模拟退火算法、遗传算法、粒子群算法等，以逐步逼近最优解。当迭代次数大于或等于预设次数时，停止对初始解及逆行迭代，并将迭代完成的初始解作为该层级的调控最优解。迭代的终止条件也可能是根据算法的收敛性和计算的效率来确定的。
本发明的基于资源集群调控的决策方法，通过对所述调控子任务进行求解，可以得到更加合理的调控方案，并且可以针对实时变化的电网环境做出及时调整。
本发明实施例中，所述根据所述电网资源集群的所有所述层级以及所述电网调控需求，对每个所述层级分配优先权重，包括：
根据所述电网调控需求，确定每个层级的重要等级，所述重要等级包括高级、中级和低级；
根据所述重要等级，对所述层级分配权重系数并将所述权重系数作为所述优先权重。
在本实施例中，首先，根据电网调控需求，确定每个层级的重要等级，包括高级、中级和低级，其中，等级的确定通常需要考虑到该层级对整个电网资源集群的重要性以及其在电力系统中的作用和影响力和其承担的调控任务的复杂程度等因素。其次，根据重要等级对每个层级分配相应的权重系数，并将这些权重系数作为优先权重。在本发明的优选实施例中，高级层级会被分配较高的权重系数，以确保其调控任务在整个电网调控中得到优先处理和响应，中级和低级层级的权重系数则依次降低。这种分配可以反映不同层级对电网调控工作的重要性和紧急程度。
本发明的基于资源集群调控的决策方法，通过对每个层级按照优先级分配权重，更好地指导电网调控工作的实施，确保对不同层级的调控任务进行合理的优先排序和分派。使其在有限的资源和时间内，更加有效地满足不同层级的调控需求，提高电网调控的整体效率和灵活性。
本发明实施例中，结合图5所示，所述根据所述优先权重，将所有所述层级的调控最优解合并得到所述电网资源集群的初始综合决策，包括：
S61：根据所述重要等级，依次对所述输电网资源集群、所述配电网资源集群以及所述微电网资源集群进行排序，得到所述电网资源集群的重要序列；
S62：将所述输电网资源集群、所述配电网资源集群以及所述微电网资源集群的层级的所述调控最优解按照所述重要序列进行合并；
S63：并根据每个所述调控最优解对应的所述优先权重进行加权处理，得到所述电网资源集群的所述初始综合决策。
在本实施例中，根据重要等级，依次对输电网资源集群、配电网资源集群和微电网资源集群进行排序，得到电网资源集群的重要序列，值得一提的是，上述排序是基于各个层级的重要性和调控任务的复杂程度进行的，以确保调控决策按照优先级顺序进行。将输电网资源集群、配电网资源集群和微电网资源集群的层级的调控最优解按照重要序列进行合并。合并的过程包括整合各层级的调控最优解，以确保各级调控决策能够在整体上协调一致，从而更好地服务于电网的整体运行。根据每个调控最优解对应的优先权重进行加权处理，得到电网资源集群的初始综合决策。加权处理可以根据各个层级的重要性和权重系数，对各层级的最优解进行适当的加权计算，以综合考虑各层级调控任务的重要性和优先级。
本发明的基于资源集群调控的决策方法，通过将所有层级的调控最优解合并得到电网资源集群的初始综合决策，得到的综合决策能够更好地反映不同层级之间的关联和作用，能够更全面地考虑电网资源集群的调控需求，更加智能地指导电网的调控决策和运行管理。
本发明实施例中，结合图6所示，所述根据当前电网状态、当前负荷情况以及当前能源产出情况，对所述电网资源集群的所述初始综合决策进行更新，得到所述电网资源集群的最终综合决策，包括：
S71：根据所述当前电网状态、所述负荷情况、所述能源产出情况以及所述综合决策，得到所述电网资源集群在预设未来时间内的未来电网状态、未来负荷情况以及未来能源产出情况；
S72：根据所述未来电网状态、所述未来负荷情况以及所述未来能源产出情况，结合所述电网调控需求得到调控误差；
S73：根据所述调控误差更新所述初始综合决策，得到所述电网资源集群的所述最终综合决策。
在本实施例中，根据当前电网状态、负荷情况、能源产出情况以及初始综合决策，预测预设未来时间内的电网状态、负荷情况和能源产出情况。需要使用模型和算法来进行电网状态的预测，以便更好地理解未来电网运行的预期模式。在本发明的优选实施例中，可以采用深度学习神经网络来对预设未来时间内的未来电网状态、未来负荷情况以及未来能源产出情况进行预测。然后，结合未来电网状态、负荷情况和能源产出情况，以及电网调控需求，计算调控误差，即当前的综合决策在未来实际情况下所产生的误差。这一步骤可以帮助评估当前的综合决策方案是否适用于未来情况，识别调控需求与当前决策之间的差距。最后，根据计算得到的调控误差，更新当前的初始综合决策，得到电网资源集群的最终综合决策。其中包括对调度计划、发电策略、储能利用等方面的调整，以更好地适应未来的电网运行需求，减少调控误差，提高电网运行的稳定性和效率。
本发明的基于资源集群调控的决策方法，通过反复迭代，可以实现电网资源集群的综合决策与实际运行情况的动态调整和优化。这能够更好地实现电网资源的有效利用，提高电网运行的自适应能力和鲁棒性，从而确保电网的安全稳定运行。
本发明还提供给一种基于资源集群调控的决策系统，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上述所述的基于资源集群调控的决策方法。
本发明的基于资源集群调控的决策系统，通过将电网资源集群划分为多个层级，并将调控任务对应每个层级划分至对应的子任务，实现更加精细地管理和调控电网系统。不同层级的任务可以根据其特点和重要性进行个性化的管理和调控，从而提高了对电网系统的调控精度。由于不同层级的任务可能需要不同的调控手段和算法，因此再根据不同层级的需求和任务特点确定相应的调控算法，可以使得调控更加针对性和高效。根据不同层级的优先权重将调控最优解合并得到电网资源集群的初始综合决策，实现对各个层级的调控结果进行整体优化，提高整体资源利用效率和系统运行稳定性。根据当前电网状态、负荷情况和能源产出情况对初始综合决策进行实时更新，使得决策更加贴合实际情况，通过及时的更新决策，可以有效应对突发情况，保障电网系统的安全稳定运行，提高了针对电网系统的调控效率与精度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于资源集群调控的决策方法，其特征在于，包括：
根据电网调控需求，将电网资源集群划分为多个层级；
根据所述电网资源集群的所述层级，将电网调控任务划分成每个所述层级对应的调控子任务；
根据所述调控子任务和对应的所述层级，确定所述调控子任务对应的调控算法；
通过所述调控算法，对所述调控子任务进行求解得到所述层级的调控最优解；
根据所述电网资源集群的所有所述层级以及所述电网调控需求，对每个所述层级分配优先权重；
根据所述优先权重，将所有所述层级的调控最优解合并得到所述电网资源集群的初始综合决策；
根据当前电网状态、当前负荷情况以及当前能源产出情况，对所述电网资源集群的所述初始综合决策进行更新，得到所述电网资源集群的最终综合决策。
2.根据权利要求1所述的基于资源集群调控的决策方法，其特征在于，所述根据电网调控需求，将电网资源集群划分为多个层级；
根据所述电网调控需求，将所述电网资源集群划分为输电网资源集群、配电网资源集群以及微电网资源集群；
将所述输电网资源集群、所述配电网资源集群以及所述微电网资源集群分别对应一个所述层级；
其中，每个所述层级分别对应传统能源、可再生能源以及储能设备。
3.根据权利要求1所述的基于资源集群调控的决策方法，其特征在于，所述根据所述电网资源集群的所述层级，将电网调控任务划分成每个所述层级对应的调控子任务，包括：
获取所述电网资源集群的所述层级在对应区域的能源管理情况以及负载调控情况；
根据所述层级在对应区域的所述能源管理情况以及所述负载调控情况，得到所述层级在所述电网资源集群中的层级功能；
根据所述层级功能，划分所述电网调控任务得到所述层级对应的所述调控子任务。
4.根据权利要求2所述的基于资源集群调控的决策方法，其特征在于，所述根据所述调控子任务和对应的所述层级，确定所述调控子任务对应的调控算法，包括：
根据所述调控子任务，得到所述层级的任务目标；
根据所述任务目标和所述层级中所述传统能源、所述可再生能源以及所述储能设备的当前状态，得到所述层级的能源特性；
其中，所述能源特性包括所述传统能源的发电能力以及响应速度、所述可再生能源的波动特性以及所述储能设备的充放电特性和能量存储能力；
根据所述传统能源的发电能力以及响应速度、所述可再生能源的波动特性以及所述储能设备的充放电特性和能量存储能力，得到所述调控子任务对应的所述调控算法。
5.根据权利要求4所述的基于资源集群调控的决策方法，其特征在于，所述根据所述传统能源的发电能力以及响应速度、所述可再生能源的波动特性以及所述储能设备的充放电特性和能量存储能力，得到所述调控子任务对应的所述调控算法，包括：
根据所述传统能源的发电能力以及响应速度、所述可再生能源的波动特性以及所述储能设备的充放电特性和能量存储能力，建立所述层级的数学模型；
根据所述层级的所述任务目标，得到所述调控算法的优化目标；
根据所述数学模型和所述优化目标，确定所述调控算法的复杂度、约束条件以及收敛性；
根据所述调控算法的所述复杂度、所述约束条件以及所述收敛性，得到所述优化目标的优化函数，并将所述优化函数作为所述调控算法。
6.根据权利要求5所述的基于资源集群调控的决策方法，其特征在于，所述通过所述调控算法，对所述调控子任务进行求解得到所述层级的调控最优解，包括：
根据所述任务目标和所述层级中所述传统能源、所述可再生能源以及所述储能设备的当前状态，通过所述优化目标得到所述层级的初始解；
通过所述调控算法对应的迭代策略对所述初始解进行迭代，当迭代次数大于或等于预设次数时，停止对所述初始解及逆行迭代，并将迭代完成的所述初始解作为所述层级的所述调控最优解。
7.根据权利要求2所述的基于资源集群调控的决策方法，其特征在于，所述根据所述电网资源集群的所有所述层级以及所述电网调控需求，对每个所述层级分配优先权重，包括：
根据所述电网调控需求，确定每个层级的重要等级，所述重要等级包括高级、中级和低级；
根据所述重要等级，对所述层级分配权重系数并将所述权重系数作为所述优先权重。
8.根据权利要求7所述的基于资源集群调控的决策方法，其特征在于，所述根据所述优先权重，将所有所述层级的调控最优解合并得到所述电网资源集群的初始综合决策，包括：
根据所述重要等级，依次对所述输电网资源集群、所述配电网资源集群以及所述微电网资源集群进行排序，得到所述电网资源集群的重要序列；
将所述输电网资源集群、所述配电网资源集群以及所述微电网资源集群的层级的所述调控最优解按照所述重要序列进行合并；
并根据每个所述调控最优解对应的所述优先权重进行加权处理，得到所述电网资源集群的所述初始综合决策。
9.根据权利要求1所述的基于资源集群调控的决策方法，其特征在于，所述根据当前电网状态、当前负荷情况以及当前能源产出情况，对所述电网资源集群的所述初始综合决策进行更新，得到所述电网资源集群的最终综合决策，包括：
根据所述当前电网状态、所述负荷情况、所述能源产出情况以及所述综合决策，得到所述电网资源集群在预设未来时间内的未来电网状态、未来负荷情况以及未来能源产出情况；
根据所述未来电网状态、所述未来负荷情况以及所述未来能源产出情况，结合所述电网调控需求得到调控误差；
根据所述调控误差更新所述初始综合决策，得到所述电网资源集群的所述最终综合决策。
10.一种基于资源集群调控的决策系统，其特征在于，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如权利要求1至9任一项所述的基于资源集群调控的决策方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410211649.1A CN117791613B (zh) | 2024-02-27 | 一种基于资源集群调控的决策方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410211649.1A CN117791613B (zh) | 2024-02-27 | 一种基于资源集群调控的决策方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117791613A true CN117791613A (zh) | 2024-03-29 |
| CN117791613B CN117791613B (zh) | 2024-06-21 |
Family
ID=
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130190938A1 (en) * | 2012-01-25 | 2013-07-25 | General Electric Company | Power generation optimization in microgrid including renewable power source |
| CN109993419A (zh) * | 2019-03-18 | 2019-07-09 | 东南大学 | 一种综合能源服务商云协同-边缘协同优化调度方法 |
| CN110322372A (zh) * | 2019-07-10 | 2019-10-11 | 国网能源研究院有限公司 | 区域电力系统中多级电网联动的机组组合调度方法 |
| CN112446745A (zh) * | 2020-12-15 | 2021-03-05 | 天津天大求实电力新技术股份有限公司 | 基于双层随机规划的含多微网的配电市场交易方法 |
| CN113110914A (zh) * | 2021-03-02 | 2021-07-13 | 西安电子科技大学 | 一种基于微服务架构的物联网平台构建方法 |
| CN114243709A (zh) * | 2021-12-13 | 2022-03-25 | 广东电网有限责任公司 | 一种需求侧可调节资源分层分级的调度运行方法 |
| CN115632393A (zh) * | 2022-09-23 | 2023-01-20 | 国网吉林省电力有限公司 | 一种考虑灵活性资源的多级电网协调鲁棒调度方法及装置 |
| CN115923575A (zh) * | 2022-12-13 | 2023-04-07 | 国网智慧车联网技术有限公司 | 一种多层级的大规模电动汽车功率控制方法及系统 |
| CN116632933A (zh) * | 2023-04-03 | 2023-08-22 | 国网湖北省电力有限公司随州供电公司 | 一种基于等效模型的源网荷储协同稳定控制算法 |
| CN117175694A (zh) * | 2023-11-03 | 2023-12-05 | 江苏龙擎动力科技股份有限公司 | 一种基于新能源消纳的微电网优化调度方法及系统 |
| CN117239725A (zh) * | 2023-09-12 | 2023-12-15 | 国网浙江省电力有限公司 | 一种分布式灵活资源聚合及分层协同调度方法及装置 |
| CN117335494A (zh) * | 2023-10-26 | 2024-01-02 | 国网安徽省电力有限公司经济技术研究院 | 一种基于集群划分的配电网源-网-荷多层次协同规划方法 |
| CN117474264A (zh) * | 2023-11-09 | 2024-01-30 | 国网河南省电力公司经济技术研究院 | 灵活性资源集群参与电网调度的综合评价方法 |
| US20240037069A1 (en) * | 2022-07-29 | 2024-02-01 | Dell Products L.P. | Multi-domain and multi-tier scale-out architecture for clustered file systems |
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130190938A1 (en) * | 2012-01-25 | 2013-07-25 | General Electric Company | Power generation optimization in microgrid including renewable power source |
| CN109993419A (zh) * | 2019-03-18 | 2019-07-09 | 东南大学 | 一种综合能源服务商云协同-边缘协同优化调度方法 |
| CN110322372A (zh) * | 2019-07-10 | 2019-10-11 | 国网能源研究院有限公司 | 区域电力系统中多级电网联动的机组组合调度方法 |
| CN112446745A (zh) * | 2020-12-15 | 2021-03-05 | 天津天大求实电力新技术股份有限公司 | 基于双层随机规划的含多微网的配电市场交易方法 |
| CN113110914A (zh) * | 2021-03-02 | 2021-07-13 | 西安电子科技大学 | 一种基于微服务架构的物联网平台构建方法 |
| CN114243709A (zh) * | 2021-12-13 | 2022-03-25 | 广东电网有限责任公司 | 一种需求侧可调节资源分层分级的调度运行方法 |
| US20240037069A1 (en) * | 2022-07-29 | 2024-02-01 | Dell Products L.P. | Multi-domain and multi-tier scale-out architecture for clustered file systems |
| CN115632393A (zh) * | 2022-09-23 | 2023-01-20 | 国网吉林省电力有限公司 | 一种考虑灵活性资源的多级电网协调鲁棒调度方法及装置 |
| CN115923575A (zh) * | 2022-12-13 | 2023-04-07 | 国网智慧车联网技术有限公司 | 一种多层级的大规模电动汽车功率控制方法及系统 |
| CN116632933A (zh) * | 2023-04-03 | 2023-08-22 | 国网湖北省电力有限公司随州供电公司 | 一种基于等效模型的源网荷储协同稳定控制算法 |
| CN117239725A (zh) * | 2023-09-12 | 2023-12-15 | 国网浙江省电力有限公司 | 一种分布式灵活资源聚合及分层协同调度方法及装置 |
| CN117335494A (zh) * | 2023-10-26 | 2024-01-02 | 国网安徽省电力有限公司经济技术研究院 | 一种基于集群划分的配电网源-网-荷多层次协同规划方法 |
| CN117175694A (zh) * | 2023-11-03 | 2023-12-05 | 江苏龙擎动力科技股份有限公司 | 一种基于新能源消纳的微电网优化调度方法及系统 |
| CN117474264A (zh) * | 2023-11-09 | 2024-01-30 | 国网河南省电力公司经济技术研究院 | 灵活性资源集群参与电网调度的综合评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| YUE LI等: "Analysis of the Benefits of Distributed Resource Aggregation on Renewable Energy Consumption in Multiple Time Scales", 《2023 5TH INTERNATIONAL CONFERENCE ON POWER AND ENERGY TECHNOLOGY (ICPET)》, 29 December 2023 (2023-12-29) * |
| 卫璇等: "云管边端架构下虚拟电厂资源集群与协同调控研究综述及展望", 《全球能源互联网》, vol. 3, no. 6, 30 November 2020 (2020-11-30) * |
| 王思远等: "灵活性资源聚合参考模型与量化指标体系", 《电力系统自动化》, vol. 48, no. 3, 10 February 2024 (2024-02-10) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110298138B (zh) | 一种综合能源系统优化方法、装置、设备及可读存储介质 | |
| Wang et al. | Analysis of operation cost and wind curtailment using multi-objective unit commitment with battery energy storage | |
| Gong et al. | Robust operation interval of a large-scale hydro-photovoltaic power system to cope with emergencies | |
| Hajiabbas et al. | Optimization of power systems problems | |
| Tian et al. | Coordinated planning with predetermined renewable energy generation targets using extended two-stage robust optimization | |
| CN116760122B (zh) | 虚拟电厂资源管控方法、装置、计算机设备及存储介质 | |
| CN116596286B (zh) | 虚拟电厂的优化调度方法、装置、设备及存储介质 | |
| Pandey et al. | Applications of artificial intelligence in power system operation, control and planning: a review | |
| Pinto et al. | Coping with wind power uncertainty in unit commitment: A robust approach using the new hybrid metaheuristic deepso | |
| CN107017625A (zh) | 用于独立微电网的能量动态调度的方法和设备 | |
| Cominesi et al. | A multi-layer control scheme for microgrid energy management | |
| Yan et al. | Operating power reserve quantification through PV generation uncertainty analysis of a microgrid | |
| CN117353359B (zh) | 电池联合储能供电方法及系统 | |
| Zhou et al. | Distributionally robust unit commitment considering unimodality-skewness information of wind power uncertainty | |
| CN117791613B (zh) | 一种基于资源集群调控的决策方法及系统 | |
| CN117791613A (zh) | 一种基于资源集群调控的决策方法及系统 | |
| Zhu et al. | Memetic algorithm for solving monthly unit commitment problem considering uncertain wind power | |
| Zhai et al. | MPC-based two-stage rolling power dispatch approach for wind-integrated power system | |
| Nassourou et al. | Robust optimization based energy dispatch in smart grids considering demand uncertainty | |
| Cangul et al. | Financially optimal solar power sizing and positioning in a power grid | |
| Franco et al. | MIMO auto-regressive modeling-based generalized predictive control for grid-connected hybrid systems | |
| Dennis et al. | Improving hydrogeneration representation in a production cost model used for long-term transmission studies in the Western Interconnection | |
| Zhang et al. | Optimal Scheduling Strategy for Power Systems Containing Offshore Wind Farms Considering Wind Power Uncertainty | |
| CN117096882B (zh) | 一种配网潮流调控方法及系统 | |
| RongQi et al. | Research of flexible load analysis of distribution network based on big data |
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 |