CN117856274A - 一种电力系统负荷数据的调整方法、装置、计算机设备 - Google Patents
一种电力系统负荷数据的调整方法、装置、计算机设备 Download PDFInfo
- Publication number
- CN117856274A CN117856274A CN202311822272.5A CN202311822272A CN117856274A CN 117856274 A CN117856274 A CN 117856274A CN 202311822272 A CN202311822272 A CN 202311822272A CN 117856274 A CN117856274 A CN 117856274A
- Authority
- CN
- China
- Prior art keywords
- load
- time periods
- constraint
- data
- power system
- 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 77
- 230000008859 change Effects 0.000 claims abstract description 14
- 230000009194 climbing Effects 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 45
- 230000005611 electricity Effects 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 25
- 238000010248 power generation Methods 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 2
- 238000007667 floating Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种电力系统负荷数据的调整方法、装置、计算机设备。所述方法包括:确定不同时段的用电负荷数据,其中,所述时段包括峰时段、谷时段和平时段;获取电力系统的柔性电荷数据,以及所述用电负荷数据在不同时段的属性值,基于所述不同时段的属性值,得到所述柔性电荷数据在不同时段的属性值;基于所述柔性电荷数据在不同时段的属性值构建负荷调整模型,所述负荷调整模型中包括用于计算电力系统中不同设备资源变化数据的目标函数;获取所述电力系统的约束条件,所述约束条件至少包括机组启停时间约束、机组出力约束、机组爬坡速率约束、直流潮流约束、线路潮流约束;基于所述负荷调整模型和所述约束条件,得到调整后的负荷数据。
Description
技术领域
本申请涉及电力系统优化调度技术领域,特别是涉及一种电力系统负荷数据的调整方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着现代电力系统中柔性负荷占比不断提高,对电力系统柔性负荷的优化调度方法愈显重要。由于电力系统不同的参与者之间的利益存在差异,使得在电力系统经济调度过程中,必须考虑不同的目标状况,并对各个目标的适应值进行衡量与决策。
在多目标优化问题中,某个目标取得较优值的同时,其他目标值可能较差。目前解决多目标经济调度通常有两种途径:一是通过加权的方式将多目标问题转化为单目标问题,然后用传统的数学规划方法来求解。二是采用启发式多目标算法求解多目标优化问题。但仍然存在算法复杂的问题。
发明内容
基于此,有必要针对上述技术问题,提供了一种电力系统负荷数据的调整方法、装置、计算机设备、存储介质和计算机程序产品。
第一方面,本申请提供了一种电力系统负荷数据的调整方法。所述方法包括:
确定不同时段的用电负荷数据,其中,所述时段包括峰时段、谷时段和平时段;
获取电力系统的柔性电荷数据,以及所述用电负荷数据在不同时段的属性值,基于所述不同时段的属性值,得到所述柔性电荷数据在不同时段的属性值;
基于所述柔性电荷数据在不同时段的属性值构建负荷调整模型,所述负荷调整模型中包括用于计算电力系统中不同设备资源变化数据的目标函数;
获取所述电力系统的约束条件,所述约束条件至少包括机组启停时间约束、机组出力约束、机组爬坡速率约束、直流潮流约束、线路潮流约束;
基于所述负荷调整模型和所述约束条件,得到调整后的负荷数据。
在其中一个实施例中,所述峰时段、谷时段和平时段的确定包括:
基于所述用电负荷数据得到日最大负荷和日最小负荷;
基于所述日最大负荷和日最小负荷,通过偏大型半梯形模糊隶属度函数确定满足峰时段的边界负荷,并通过偏小型半梯形模糊隶属度函数得到满足谷时段的边界负荷;
其中,负荷大于所述满足峰时段的边界负荷的时段为峰时段,负荷小于所述满足谷时段的边界负荷的时段为谷时段,负荷大于所述满足谷时段的边界负荷且小于所述满足峰时段的边界负荷的时段为平时段。
在其中一个实施例中,所述柔性电荷数据在不同时段的属性值的计算过程包括:
获取不同时段的属性值变化比例值;
基于所述用电负荷数据在不同时段的属性值、所述不同时段的属性值变化比例值,得到所述柔性电荷数据在不同时段的属性值。
在其中一个实施例中,所述目标函数包括发电资源变化数据、开机资源变化数据、用电资源变化数据。
在其中一个实施例中,所述负荷调整模型的构建还包括:
基于不同目标函数对应的权重,将多目标函数转换为单目标函数,得到单目标的负荷调整模型;
基于所述单目标的负荷调整模型和所述约束条件,得到调整后的负荷数据。
在其中一个实施例中,所述方法还包括:
基于所述不同目标函数对应的权重,设置比例因子,确定变换后的单目标负荷调整模型;
所述约束条件还包括出力上界、出力下界。
第二方面,本申请还提供了一种电力系统负荷数据的调整装置,所述装置包括:
确定模块,用于确定不同时段的用电负荷数据,其中,所述时段包括峰时段、谷时段和平时段;
获取模块,用于获取电力系统的柔性电荷数据,以及所述用电负荷数据在不同时段的属性值,基于所述不同时段的属性值,得到所述柔性电荷数据在不同时段的属性值;
构建模块,用于基于所述柔性电荷数据在不同时段的属性值构建负荷调整模型,所述负荷调整模型中包括用于计算电力系统中不同设备资源变化数据的目标函数;
约束模块,用于获取所述电力系统的约束条件,所述约束条件至少包括机组启停时间约束、机组出力约束、机组爬坡速率约束、直流潮流约束、线路潮流约束;
调整模块,用于基于所述负荷调整模型和所述约束条件,得到调整后的负荷数据。
第三方面,本公开还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现电力系统负荷数据的调整方法的步骤。
第四方面,本公开还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现电力系统负荷数据的调整方法的步骤。
第五方面,本公开还提供了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,该计算机程序被处理器执行时实现电力系统负荷数据的调整方法的步骤。
上述电力系统负荷数据的调整方法,至少包括以下有益效果:
本公开提供的实施例方案,可以获取电力系统的柔性电荷数据,以及用电负荷数据在不同时段的属性值,得到柔性电荷数据在不同时段的属性值,基于所述柔性电荷数据在不同时段的属性值构建负荷调整模型,基于负荷调整模型和约束条件,可以得到调整后的负荷数据。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
为了更清楚地说明本公开实施例或传统技术中的技术方案,下面将对实施例或传统技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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为一个实施例中电力系统负荷数据的调整方法的应用环境图;
图2为一个实施例中电力系统负荷数据的调整方法的流程示意图;
图3为一个实施例中电力系统负荷数据的调整方法的示意图;
图4为一个实施例中偏小型半梯形隶属度函数图;
图5为一个实施例中偏大型半梯形隶属度函数图;
图6为一个实施例中电力系统负荷数据的调整装置的结构框图;
图7为一个实施例中计算机设备的内部结构图;
图8为一个实施例中一种服务器的内部结构图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整的描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必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,以便这里描述的本公开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。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。术语“包括”、“包含”或者其任何其它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、产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它要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。例如若使用到第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
本公开实施例提供一种电力系统负荷数据的调整方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在本公开的一些实施例中,如图2所示,提供了一种电力系统负荷数据的调整方法,以该方法应用于图1中的服务器对负荷数据进行处理为例进行说明。可以理解的是,该方法可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。具体的一个实施例中,所述方法可以包括以下步骤:
S202:确定不同时段的用电负荷数据,其中,所述时段包括峰时段、谷时段和平时段。
根据半梯形模糊隶属度函数确定峰时段、谷时段、平时段,先计算出日最大负荷和日最小负荷,再通过偏大型半梯形模糊隶属度函数可得到满足峰时段的边界负荷,负荷大于峰时段的边界负荷的时段为峰时段;通过偏小型半梯形模糊隶属度函数可得到满足谷时段的边界负荷,负荷小于谷时段的边界负荷的时段为谷时段。
S204:获取电力系统的柔性电荷数据,以及所述用电负荷数据在不同时段的属性值,基于所述不同时段的属性值,得到所述柔性电荷数据在不同时段的属性值。
柔性负荷可以包括大工业用户柔性负荷、商业用户柔性负荷和居民用户柔性负荷。其中,根据电价和峰谷的电价浮动比可计算出各时段大工业用户、商业用户和居民用户的电价,通过电价浮动比可计算各类柔性负荷的在峰、谷时段的电价情况,即:峰时段电价=平时段电价×(1+峰时段浮动比),谷时段电价=平时段电价×(1+谷时段浮动比),按照上述计算方式,可得到三类柔性负荷在峰时段、谷时段、平时段的电价。预先给定大工业、商业和居民用户在平时段的电价,通过电价浮动比可计算各类柔性负荷的在峰、谷时段的电价情况。以大工业用户为例,其大工业用户峰时段电价=大工业用户平时段电价×(1+峰时段浮动比),其大工业用户谷时段电价=大工业用户平时段电价×(1+谷时段浮动比)。对于商业和居民用户,计算方法一样。
S206:基于所述柔性电荷数据在不同时段的属性值构建负荷调整模型,所述负荷调整模型中包括用于计算电力系统中不同设备资源变化数据的目标函数。
根据各类负荷在峰时段、谷时段、平时段的电价,建立负荷调整模型。负荷调整模型的目标函数包含三部分,即发电成本、开机成本和用电费用。
发电成本目标函数为: ,其中,为
日前调度的时段数;为发电机组组成的集合;为第台机组在第个时段的出力;、
和为第台机组的成本系数, 为第台机组在第个时段的开停机状态。
开机成本目标函数为:,其中,为第台
机组的开机成本,为第台机组在初始时刻的启停状态。
柔性负荷用电成本目标函数为:,其中,为系统所
有节点组成的集合,第个节点的负荷在第个时段的电价;为第个节点第个时段
的平均负荷功率= /24为调度时段间隔。
S208:获取所述电力系统的约束条件,所述约束条件至少包括机组启停时间约束、机组出力约束、机组爬坡速率约束、直流潮流约束、线路潮流约束。
约束条件可以包含机组启停时间约束、机组出力约束、机组爬坡速率约束、直流潮流约束和线路潮流约束以及柔性负荷调度和运行特性约束。
机组启停时间约束为:
对于第台机组和第个时段,最小开机时间约束为:,最小关机时间约束为:,其中,表示时间段,和
分别为第台机组的最小关机、开机时间, (·)表示取最小值。
机组出力约束为:
对于第台机组,需要满足如下出力约束:,其中,和分别为第台机组的最小和最大出力。
机组爬坡速率约束为:
对于第台机组,从第个时段到第个时段,需要满足上下爬坡速率要求:其中,和分别为第台机组的向上爬坡和向下爬坡
速度。
直流潮流约束为:
对于第个时段,发电机节点: ,负
荷节点潮流方程为:,其中,为导纳矩
阵虚部的第行第列元素,为第个节点在第个时段的负荷,为第个时段节点的
相角。
线路潮流约束为:
对于第个时段,连接节点()和节点()的线路需满足如下潮流约束:,其中,为连接节点和节点线路的传输容量。
柔性负荷调度和运行特性约束为:
考虑第个时段第个节点的柔性负荷为可转移负荷,满足一天总负荷量保持不
变,即:,其中,为第个节点的可转移柔性负荷一天的总负
荷量。
S210:基于所述负荷调整模型和所述约束条件,得到调整后的负荷数据。
图3为一个实施例中电力系统负荷数据的调整方法的示意图,考虑第个时段第
个节点的柔性负荷为可削减负荷,用电量可根据具体情况进行削减,即:,其中,为第个节点第个时段初始可削减负荷总量;第个时段第个节点柔性负荷的总量可表示为,综上,构成了负荷调整
模型。
上述电力系统负荷数据的调整方法中,可以获取电力系统的柔性电荷数据,以及用电负荷数据在不同时段的属性值,得到柔性电荷数据在不同时段的属性值,基于所述柔性电荷数据在不同时段的属性值构建负荷调整模型,基于负荷调整模型和约束条件,可以得到调整后的负荷数据。
在本公开的一些实施例中,所述峰时段、谷时段和平时段的确定包括:
基于所述用电负荷数据得到日最大负荷和日最小负荷;
基于所述日最大负荷和日最小负荷,通过偏大型半梯形模糊隶属度函数确定满足峰时段的边界负荷,并通过偏小型半梯形模糊隶属度函数得到满足谷时段的边界负荷;
其中,负荷大于所述满足峰时段的边界负荷的时段为峰时段,负荷小于所述满足谷时段的边界负荷的时段为谷时段,负荷大于所述满足谷时段的边界负荷且小于所述满足峰时段的边界负荷的时段为平时段。
构造半梯形隶属度函数,对于谷时段,可采用偏小型半梯形隶属度函数确定,图4为一个实施例中偏小型半梯形隶属度函数图;对于高峰时段,可采用偏大型半梯形隶属度函数确定,图5为一个实施例中偏大型半梯形隶属度函数图。除谷时段和峰时段中的其他时段,其他时段为平时段;
其中,偏小型半梯形隶属度函数公式为:,偏大型的半梯形隶属度函
数的表达式为:,其中,为当前的负荷值,为日最大负荷值,为日最小负荷
值。因此,可定义谷时段为负荷的负荷,定义峰时段为负荷满足。
在本公开的一些实施例中,所述柔性电荷数据在不同时段的属性值的计算过程包括:
获取不同时段的属性值变化比例值;
基于所述用电负荷数据在不同时段的属性值、所述不同时段的属性值变化比例值,得到所述柔性电荷数据在不同时段的属性值。
其中,根据电价和峰谷的电价浮动比可计算出各时段大工业用户、商业用户和居民用户的电价,通过电价浮动比可计算各类柔性负荷的在峰、谷时段的电价情况,即:峰时段电价=平时段电价×(1+峰时段浮动比),谷时段电价=平时段电价×(1+谷时段浮动比),按照上述计算方式,可得到三类柔性负荷在峰时段、谷时段、平时段的电价 。
在本公开的一些实施例中,所述目标函数包括发电资源变化数据、开机资源变化数据、用电资源变化数据。
在本公开的一些实施例中,所述负荷调整模型的构建还包括:
基于不同目标函数对应的权重,将多目标函数转换为单目标函数,得到单目标的负荷调整模型;
基于所述单目标的负荷调整模型和所述约束条件,得到调整后的负荷数据。
结合权重的思想,把负荷调整模型的经济性和排放这两个目标化为单目标,如下
所示:,式中,为对经济性和排
放加权后的目标函数值;为经济性目标的权重,其设置范围是,为比例因
子。比例因子按照以下方法设置:,其中,和分别为每台机组都运
行在最大出力时机组的总发电成本和总排放量。
式中,和分别为机组的发电成本曲线和排放曲线的第个线性分段的斜
率,和分别为机组的发电成本曲线和排放曲线的第个线性分段的截距,为机组的总线性分段数量,为机组中对应第个线性分段的出力子变量;为对应于的
二进制变量。
根据上述公式,可以化为混合整数的形式,如下所示:
。
在本公开的一些实施例中,所述方法还包括:
基于所述不同目标函数对应的权重,设置比例因子,确定变换后的单目标负荷调整模型;
所述约束条件还包括出力上界、出力下界。
进行分布式新能源发电预测,考虑风光等新能源发电,以及微燃气轮机等可控机组发电阀点效应的机组曲线在某些运行点上不可微分的情况,每台机组的发电成本曲线和排放曲线进行线性化处理。
考虑到机组的非光滑发电成本曲线的不可微分点,另一方面也能保证对机组的排放曲线的近似等值精度。
在对每台机组的发电成本曲线和排放曲线线性化后,机组出力必须位于其中一个线性分段对应的出力范围内。
如果机组运行在第个线性分段的出力范围内,那么机组的出力为,且对应
的二进制变量,设为 1,对于该机组的其他出力子分量及其对应的二进制变量,都设为
0。
对发电成本和排放曲线线性化后,应该增加以下约束条件:
式中,和, 分别表示机组的第个线性分段的出力下界和出力上界。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其他的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本公开实施例还提供了一种用于实现上述所涉及的针对电力系统负荷数据的调整方法的电力系统负荷数据的调整装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的电力系统负荷数据的调整装置实施例中的具体限定可以参见上文中对于电力系统负荷数据的调整方法的限定,在此不再赘述。
所述装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思,本公开实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的装置的实施可以参见前述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
在一个实施例中,如图6所示,提供了一种电力系统负荷数据的调整装置600,所述装置可以为前述服务器,或者集成于所述服务器的模块、组件、器件、单元等。该装置600可以包括:
确定模块602,用于确定不同时段的用电负荷数据,其中,所述时段包括峰时段、谷时段和平时段;
获取模块604,用于获取电力系统的柔性电荷数据,以及所述用电负荷数据在不同时段的属性值,基于所述不同时段的属性值,得到所述柔性电荷数据在不同时段的属性值;
构建模块606,用于基于所述柔性电荷数据在不同时段的属性值构建负荷调整模型,所述负荷调整模型中包括用于计算电力系统中不同设备资源变化数据的目标函数;
约束模块608,用于获取所述电力系统的约束条件,所述约束条件至少包括机组启停时间约束、机组出力约束、机组爬坡速率约束、直流潮流约束、线路潮流约束;
调整模块610,用于基于所述负荷调整模型和所述约束条件,得到调整后的负荷数据。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
上述针对电力系统负荷数据的调整装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储负荷数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电力系统负荷数据的调整方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现电力系统负荷数据的调整方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7、图8中示出的结构,仅仅是与本公开方案相关的部分结构的框图,并不构成对本公开方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现本公开任一实施例所述的方法。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本公开任一实施例所述的方法。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本公开所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本公开所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本公开所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本公开的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本公开专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本公开构思的前提下,还可以做出若干变形和改进,这些都属于本公开的保护范围。因此,本公开的保护范围应以所附权利要求为准。
Claims (10)
1.一种电力系统负荷数据的调整方法,其特征在于,所述方法包括:
确定不同时段的用电负荷数据,其中,所述时段包括峰时段、谷时段和平时段;
获取电力系统的柔性电荷数据,以及所述用电负荷数据在不同时段的属性值,基于所述不同时段的属性值,得到所述柔性电荷数据在不同时段的属性值;
基于所述柔性电荷数据在不同时段的属性值构建负荷调整模型,所述负荷调整模型中包括用于计算电力系统中不同设备资源变化数据的目标函数;
获取所述电力系统的约束条件,所述约束条件至少包括机组启停时间约束、机组出力约束、机组爬坡速率约束、直流潮流约束、线路潮流约束;
基于所述负荷调整模型和所述约束条件,得到调整后的负荷数据。
2.根据权利要求1所述的方法,其特征在于,所述峰时段、谷时段和平时段的确定包括:
基于所述用电负荷数据得到日最大负荷和日最小负荷;
基于所述日最大负荷和日最小负荷,通过偏大型半梯形模糊隶属度函数确定满足峰时段的边界负荷,并通过偏小型半梯形模糊隶属度函数得到满足谷时段的边界负荷;
其中,负荷大于所述满足峰时段的边界负荷的时段为峰时段,负荷小于所述满足谷时段的边界负荷的时段为谷时段,负荷大于所述满足谷时段的边界负荷且小于所述满足峰时段的边界负荷的时段为平时段。
3.根据权利要求1所述的方法,其特征在于,所述柔性电荷数据在不同时段的属性值的计算过程包括:
获取不同时段的属性值变化比例值;
基于所述用电负荷数据在不同时段的属性值、所述不同时段的属性值变化比例值,得到所述柔性电荷数据在不同时段的属性值。
4.根据权利要求1所述的方法,其特征在于,所述目标函数包括发电资源变化数据、开机资源变化数据、用电资源变化数据。
5.根据权利要求1所述的方法,其特征在于,所述负荷调整模型的构建还包括:
基于不同目标函数对应的权重,将多目标函数转换为单目标函数,得到单目标的负荷调整模型;
基于所述单目标的负荷调整模型和所述约束条件,得到调整后的负荷数据。
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:
基于所述不同目标函数对应的权重,设置比例因子,确定变换后的单目标负荷调整模型;
所述约束条件还包括出力上界、出力下界。
7.一种电力系统负荷数据的调整装置,其特征在于,所述装置包括:
确定模块,用于确定不同时段的用电负荷数据,其中,所述时段包括峰时段、谷时段和平时段;
获取模块,用于获取电力系统的柔性电荷数据,以及所述用电负荷数据在不同时段的属性值,基于所述不同时段的属性值,得到所述柔性电荷数据在不同时段的属性值;
构建模块,用于基于所述柔性电荷数据在不同时段的属性值构建负荷调整模型,所述负荷调整模型中包括用于计算电力系统中不同设备资源变化数据的目标函数;
约束模块,用于获取所述电力系统的约束条件,所述约束条件至少包括机组启停时间约束、机组出力约束、机组爬坡速率约束、直流潮流约束、线路潮流约束;
调整模块,用于基于所述负荷调整模型和所述约束条件,得到调整后的负荷数据。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种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权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311822272.5A CN117856274A (zh) | 2023-12-27 | 2023-12-27 | 一种电力系统负荷数据的调整方法、装置、计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311822272.5A CN117856274A (zh) | 2023-12-27 | 2023-12-27 | 一种电力系统负荷数据的调整方法、装置、计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117856274A true CN117856274A (zh) | 2024-04-09 |
Family
ID=90539396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311822272.5A Pending CN117856274A (zh) | 2023-12-27 | 2023-12-27 | 一种电力系统负荷数据的调整方法、装置、计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117856274A (zh) |
-
2023
- 2023-12-27 CN CN202311822272.5A patent/CN117856274A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qiao et al. | A hybrid algorithm for carbon dioxide emissions forecasting based on improved lion swarm optimizer | |
Pandi et al. | Economic load dispatch using hybrid swarm intelligence based harmony search algorithm | |
CN116070740A (zh) | 综合能源系统的优化运行方法、装置和计算机设备 | |
Yang et al. | Ultra-short-term multi-step wind power prediction based on fractal scaling factor transformation | |
CN114221353B (zh) | 电网调控方法、装置、设备、存储介质和计算机程序产品 | |
Gnanadass et al. | Evolutionary programming based optimal power flow for units with non-smooth fuel cost functions | |
CN117078480A (zh) | 碳排放量监测方法、装置、设备、存储介质和计算机产品 | |
Dieu et al. | Augmented Lagrange—Hopfield network for economic load dispatch with combined heat and power | |
Ma et al. | A novel dynamic integration approach for multiple load forecasts based on Q‐learning algorithm | |
CN114202229A (zh) | 能量管理策略的确定方法、装置、计算机设备和存储介质 | |
CN117791618A (zh) | 电力调度方法、装置、计算机设备和存储介质 | |
CN117394438A (zh) | 考虑通信基站可调节潜力的分布式光伏准入容量评估方法 | |
CN117856274A (zh) | 一种电力系统负荷数据的调整方法、装置、计算机设备 | |
CN116341809A (zh) | 车辆充电排序的方法、装置、计算机设备和存储介质 | |
CN115481767A (zh) | 面向配电网检修的运行数据处理方法、装置和计算机设备 | |
CN111951123B (zh) | 控制用电负荷的方法、装置、计算机设备和存储介质 | |
Mekhamer et al. | Dynamic economic dispatch using a hybrid hopfield neural network quadratic programming based technique | |
CN114862615A (zh) | 分布式电力资源的聚合方法、装置、计算机设备 | |
CN114441848A (zh) | 功耗确定方法、装置、电子设备和存储介质 | |
CN113689108B (zh) | 基于生态银行系统的多目标优化方法及装置 | |
CN114243693B (zh) | 微电网的调度模型构建方法、装置和计算机设备 | |
CN117114329B (zh) | 多气源智能调度方法与装置 | |
CN117639090A (zh) | 电力系统调度方法、装置、计算机设备和存储介质 | |
CN117744972A (zh) | 电力系统的储能规划方法、装置、计算机设备和存储介质 | |
CN117236574A (zh) | 源网荷储协调优化方法、装置、设备、存储介质 |
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 |