CN117895468A - 一种源网荷储的协同控制方法及系统 - Google Patents
一种源网荷储的协同控制方法及系统 Download PDFInfo
- Publication number
- CN117895468A CN117895468A CN202311605873.0A CN202311605873A CN117895468A CN 117895468 A CN117895468 A CN 117895468A CN 202311605873 A CN202311605873 A CN 202311605873A CN 117895468 A CN117895468 A CN 117895468A
- Authority
- CN
- China
- Prior art keywords
- power
- electric quantity
- energy storage
- generator
- equipment
- 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 36
- 238000004146 energy storage Methods 0.000 claims abstract description 108
- 238000011217 control strategy Methods 0.000 claims abstract description 35
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000007599 discharging Methods 0.000 claims description 17
- 230000005611 electricity Effects 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 4
- 230000001276 controlling effect Effects 0.000 description 18
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种源网荷储的协同控制方法及系统，其包括：获取电力网络系统的实时运行数据，对实时运行数据进行分析得到当前的发电机设备供电量和储能设备可用电量；获取电力网络系统的历史运行数据，并根据历史运行数据构建预测模型，对未来负荷端的用电量需求进行预测，得到未来用电量需求预测结果；判断发电机设备供电量和储能设备可用电量与未来用电量需求预测结果之间的关系，并根据判断结果制定电力网络系统的协同控制策略；根据协同控制策略对发电机设备和储能设备进行协同控制。本发明通过实时数据分析和预测，及时调整发电机出力和储能设备充放电功率，满足未来的用电量需求，保证电力网络系统的稳定性，提高电力供应的质量和可持续性。
Description
技术领域
本发明涉及电力系统技术领域，特别是涉及一种源网荷储的协同控制方法及系统。
背景技术
源网荷储的协同控制是一种新兴的能源系统调度和管理方法，旨在实现可再生能源、电力网和储能系统的协同运行和优化。随着可再生能源的快速发展和普及，电力系统中的可再生能源发电量逐渐增加，但其间断性和波动性给电力系统的稳定性和可靠性带来了新的挑战。同时，储能技术的快速发展为电力系统提供了灵活性和可调度性，使得储能设备成为平衡可再生能源供需、调节电力系统频率和应对电力系统故障的重要手段。
传统的电网系统调控方法主要采取“源随荷动”的模式，无法对未来负荷端的用电量需求进行预测，当负荷端的用电量需求突然增高时，一旦电源侧发电能力不足，就会出现供需不平衡以致严重影响电网的安全运行，并且传统的方法仅仅是通过算法求解给出一些控制策略，但不能实现控制与设备的联动，无法根据其给出的控制策略对每一个具体的设备进行精确的协同控制。
发明内容
为了解决上述技术问题，本发明提供了一种源网荷储的协同控制方法及系统，包括：
获取电力网络系统的实时运行数据，对所述实时运行数据进行分析得到当前的发电机设备供电量和储能设备可用电量；
获取电力网络系统的历史运行数据，并根据所述历史运行数据构建预测模型，对未来负荷端的用电量需求进行预测，得到未来用电量需求预测结果；
判断所述发电机设备供电量和储能设备可用电量与所述未来用电量需求预测结果之间的关系，并根据判断结果制定电力网络系统的协同控制策略；
根据所述协同控制策略对发电机设备和储能设备进行协同控制。
进一步的，所述获取电力网络系统的实时运行数据，对所述实时运行数据进行分析得到发电机设备的供电量和储能设备的可用电量，包括：
获取电力网络系统的实时运行数据，并对获取到的所述实时运行数据进行处理和清洗；
从处理后的所述实时运行数据中提取出发电机输出功率数据，并对所述发电机输出功率数据进行累加，得到发电机设备的供电量；
从处理后的所述实时运行数据中提取出储能设备的充放电状态和容量信息，并根据所述充放电状态和容量信息计算出当前的储能设备可用电量。
进一步的，所述获取电力网络系统的历史运行数据，并根据所述历史运行数据构建预测模型，对未来负荷端的用电量需求进行预测，得到未来用电量需求预测结果，包括：
获取电力网络系统的历史运行数据，并对获取到的所述历史运行数据进行预处理，所述历史运行数据包括过去的负荷需求数据、天气数据和经济数据；
对负荷需求数据、天气数据和经济数据预处理后进行分析，选取与负荷需求相关的时间特征、天气特征和经济特征，并提取时间特征数据、天气特征数据和经济特征数据；
将所述时间特征数据、天气特征数据和经济特征数据整理为特征数据集，根据特征数据集构建预测模型，并通过所述历史运行数据对所述预测模型进行训练；
使用训练好的所述预测模型对未来负荷端的用电量需求进行预测，得到未来一段时间内的未来用电量需求预测结果。
进一步的，所述判断所述发电机设备供电量和储能设备可用电量与所述未来用电量需求预测结果之间的关系，并根据判断结果制定电力网络系统的协同控制策略，包括：
获取所述发电机设备供电量a、储能设备可用电量b和未来用电量需求预测结果，所述未来用电量需求预测结果包括最低需求用电量c和最高需求用电量d；
计算所述发电机设备供电量a与储能设备可用电量b的总和电量e，并判断所述发电机设备供电量a、最低需求用电量c、总和电量e和最高需求用电量d之间的关系；
若a＜c，则分别判断所述总和电量e与所述最低需求用电量c和最高需求用电量d之间的关系，根据判断结果制定电力网络系统的协同控制策略；
若c≤a≤d，则分别判断所述总和电量e与所述最高需求用电量d之间的关系，根据判断结果制定电力网络系统的协同控制策略；
若a＞d，则将所述发电机设备供电量a超出所述最高需求用电量d的电量部分存入到储能设备中。
进一步的，所述若a＜c，则分别判断所述总和电量e与所述最低需求用电量c和最高需求用电量d之间的关系，根据判断结果制定电力网络系统的协同控制策略，包括：
若e＜c，则计算所述总和电量e与所述最低需求用电量c之间的差值f，基于所述差值f的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d；
若c≤e≤d，则计算所述总和电量e与所述最高需求用电量d的差值g，基于所述差值g的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d；
若e＞d，则分别计算所述发电机设备供电量a与最高需求用电量d的差值h，基于所述差值h的大小控制发电机设备的出力，直到所述总和电量e达到所述最高需求用电量d。
进一步的，所述基于所述差值f的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d，具体为：
设定多个预设差值区间F1－Fn，且每个预设差值区间对应设置有预设条件矩阵An(Xn，Yn)，其中，Xn为第n个发电机设备的出力，Yn为第n个储能设备的充放电功率的；
判断所述差值f位于的预设差值区间Fn，选择与预设差值区间对应的条件矩阵An(Xn，Yn)作为发电机设备的出力和储能设备的充放电功率；
所述基于所述差值g的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d，具体为：
设定多个预设差值区间G1－Gn，且每个预设差值区间对应设置有预设条件矩阵Bn(Pn，Qn)，其中，Pn为第n个发电机设备的出力，Qn为第n个储能设备的充放电功率的；
判断所述差值g位于的预设差值区间Gn，选择与预设差值区间对应的条件矩阵Bn(Pn，Qn)作为发电机设备的出力和储能设备的充放电功率。
进一步的，所述若c≤a≤d，则分别判断所述总和电量e与所述最高需求用电量d之间的关系，根据判断结果制定电力网络系统的协同控制策略，包括：
若c≤e≤d，则计算所述总和电量e与所述最高需求用电量d的差值i，基于所述差值i的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d；
若e＞d，则计算所述发电机设备供电量a与最高需求用电量d的差值j，基于所述差值j的大小控制发电机设备的出力，直到所述总和电量e达到所述最高需求用电量d。
进一步的，所述基于所述差值i的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d，具体为：
设定多个预设差值区间I1－In，且每个预设差值区间对应设置有预设条件矩阵Cn(On，Ln)，其中，On为第n个发电机设备的出力，Ln为第n个储能设备的充放电功率的；
判断所述差值i位于的预设差值区间In，选择与预设差值区间对应的条件矩阵Cn(On，Ln)作为发电机设备的出力和储能设备的充放电功率；
所述若e＞d，则计算所述发电机设备供电量a与最高需求用电量d的差值j，根基于述差值j的大小控制发电机设备的出力，直到所述总和电量e达到所述最高需求用电量d，具体为：
设定多个预设差值区间J1－Jn，且每个预设差值区间对应设置有预设条件矩阵Dn(Kn，Sn)，其中，Kn为第n个发电机设备的出力，Sn为第n个储能设备的充放电功率的；
判断所述差值j位于的预设差值区间Jn，选择与预设差值区间对应的条件矩阵Dn(Kn，Sn)作为发电机设备的出力和储能设备的充放电功率。
本发明还提供了一种源网荷储的协同控制系统，包括：
验证模块，用于获取电力网络系统的实时运行数据，对所述实时运行数据进行分析得到当前的发电机设备供电量和储能设备可用电量；
预测模块，用于获取电力网络系统的历史运行数据，并根据所述历史运行数据构建预测模型，对未来负荷端的用电量需求进行预测，得到未来用电量需求预测结果；
策略模块，用于判断所述发电机设备供电量和储能设备可用电量与所述未来用电量需求预测结果之间的关系，并根据判断结果制定电力网络系统的协同控制策略；
控制模块，用于根据所述协同控制策略对发电机设备和储能设备进行协同控制。
本发明实施例一种源网荷储的协同控制方法及系统与现有技术相比，其有益效果在于：
通过获取和分析实时运行数据，可以实时监测电力网络系统的状态和性能，有助于及时发现问题和异常，提高电力系统的可靠性和安全性；
通过分析实时运行数据，可以准确计算当前的发电机设备供电量和储能设备可用电量，提供了对电力系统运行状态的准确评估和控制依据；
通过历史运行数据和预测模型，可以预测未来负荷端的用电量需求，有助于电力系统规划和资源调配，以满足未来的电力需求；
通过对比和分析发电机供电量、储能设备可用电量与未来用电量需求的预测结果，可以判断它们之间的关系，有助于确定是否需要调整发电机出力或储能设备充放电功率，以满足未来的需求；
通过判断发电机供电量和储能设备可用电量与未来用电量需求之间的关系，可以制定合适的协同控制策略，有助于优化电力系统的运行，实现发电机设备和储能设备的协同运行，提高电力系统的效率和稳定性；
本发明通过实时数据分析和预测，可以及时调整发电机出力和储能设备充放电功率，以满足未来的用电量需求，提高了电力系统的供需平衡，减少电力系统的故障和损失，保证了电力网络系统的稳定性，提高电力供应的质量和可持续性。
附图说明
图1是本发明实施例中源网荷储的协同控制方法的流程结构示意图；
图2是本发明实施例中源网荷储的协同控制系统的组成示意图。
具体实施方式
下面结合附图和实施例，对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
在本申请的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的平台或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本申请的描述中，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，可以具体情况理解上述术语在本申请中的具体含义。
如图1所示，在本申请的实施例中，提供了一种源网荷储的协同控制方法，包括：S100：获取电力网络系统的实时运行数据，对所述实时运行数据进行分析得到当前的发电机设备供电量和储能设备可用电量；S200：获取电力网络系统的历史运行数据，并根据所述历史运行数据构建预测模型，对未来负荷端的用电量需求进行预测，得到未来用电量需求预测结果；S300：判断所述发电机设备供电量和储能设备可用电量与所述未来用电量需求预测结果之间的关系，并根据判断结果制定电力网络系统的协同控制策略；S400：根据所述协同控制策略对发电机设备和储能设备进行协同控制。
具体的，通过传感器、监测设备等手段，获取电力网络系统的实时运行数据，包括发电机设备供电量、储能设备可用电量、负荷端的用电量等信息；对获取的实时运行数据进行分析，计算当前的发电机设备供电量和储能设备可用电量，可以通过对电力系统的状态进行监测和计算得出；收集电力网络系统的历史运行数据，包括发电机设备供电量、储能设备可用电量和负荷端的用电量，基于这些数据，可以构建预测模型，用于预测未来负荷端的用电量需求；利用构建的预测模型，对未来负荷端的用电量需求进行预测，得到未来用电量需求的预测结果，帮助系统预测未来的电力需求，为协同控制提供依据；将当前的发电机设备供电量和储能设备可用电量与未来用电量需求的预测结果进行比较和分析，判断它们之间的关系；根据判断结果，制定电力网络系统的协同控制策略，以实现发电机设备和储能设备的协同运行，以满足未来用电量需求，并提高电力系统的效率和稳定性；根据制定的协同控制策略，对发电机设备和储能设备进行协同控制，通过调整发电机出力和储能设备的充放电功率，实现电力供需的平衡，确保电力网络系统的稳定运行。
进一步的，通过实时数据分析和预测，可以及时调整发电机出力和储能设备充放电功率，以满足未来的用电量需求，提高了电力系统的供需平衡，减少电力系统的故障和损失，保证了电力网络系统的稳定性，提高电力供应的质量和可持续性。
在本申请的实施例中，提供了一种源网荷储的协同控制方法，所述获取电力网络系统的实时运行数据，对所述实时运行数据进行分析得到发电机设备的供电量和储能设备的可用电量，包括：获取电力网络系统的实时运行数据，并对获取到的所述实时运行数据进行处理和清洗；从处理后的所述实时运行数据中提取出发电机输出功率数据，并对所述发电机输出功率数据进行累加，得到发电机设备的供电量；从处理后的所述实时运行数据中提取出储能设备的充放电状态和容量信息，并根据所述充放电状态和容量信息计算出当前的储能设备可用电量。
在本申请的实施例中，提供了一种源网荷储的协同控制方法，所述获取电力网络系统的历史运行数据，并根据所述历史运行数据构建预测模型，对未来负荷端的用电量需求进行预测，得到未来用电量需求预测结果，包括：获取电力网络系统的历史运行数据，并对获取到的所述历史运行数据进行预处理，所述历史运行数据包括过去的负荷需求数据、天气数据和经济数据；对负荷需求数据、天气数据和经济数据预处理后进行分析，选取与负荷需求相关的时间特征、天气特征和经济特征，并提取时间特征数据、天气特征数据和经济特征数据；将所述时间特征数据、天气特征数据和经济特征数据整理为特征数据集，根据特征数据集构建预测模型，并通过所述历史运行数据对所述预测模型进行训练；使用训练好的所述预测模型对未来负荷端的用电量需求进行预测，得到未来一段时间内的未来用电量需求预测结果。
在本申请的实施例中，提供了一种源网荷储的协同控制方法，所述判断所述发电机设备供电量和储能设备可用电量与所述未来用电量需求预测结果之间的关系，并根据判断结果制定电力网络系统的协同控制策略，包括：获取所述发电机设备供电量a、储能设备可用电量b和未来用电量需求预测结果，所述未来用电量需求预测结果包括最低需求用电量c和最高需求用电量d；计算所述发电机设备供电量a与储能设备可用电量b的总和电量e，并判断所述发电机设备供电量a、最低需求用电量c、总和电量e和最高需求用电量d之间的关系；若a＜c，则分别判断所述总和电量e与所述最低需求用电量c和最高需求用电量d之间的关系，根据判断结果制定电力网络系统的协同控制策略；若c≤a≤d，则分别判断所述总和电量e与所述最高需求用电量d之间的关系，根据判断结果制定电力网络系统的协同控制策略；若a＞d，则将所述发电机设备供电量a超出所述最高需求用电量d的电量部分存入到储能设备中。
在本申请的实施例中，提供了一种源网荷储的协同控制方法，所述若a＜c，则分别判断所述总和电量e与所述最低需求用电量c和最高需求用电量d之间的关系，根据判断结果制定电力网络系统的协同控制策略，包括：若e＜c，则计算所述总和电量e与所述最低需求用电量c之间的差值f，基于所述差值f的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d；若c≤e≤d，则计算所述总和电量e与所述最高需求用电量d的差值g，基于所述差值g的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d；若e＞d，则分别计算所述发电机设备供电量a与最高需求用电量d的差值h，基于所述差值h的大小控制发电机设备的出力，直到所述总和电量e达到所述最高需求用电量d。
在本申请的实施例中，提供了一种源网荷储的协同控制方法，所述基于所述差值f的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d，具体为：设定多个预设差值区间F1－Fn，且每个预设差值区间对应设置有预设条件矩阵An(Xn，Yn)，其中，Xn为第n个发电机设备的出力，Yn为第n个储能设备的充放电功率的；判断所述差值f位于的预设差值区间Fn，选择与预设差值区间对应的条件矩阵An(Xn，Yn)作为发电机设备的出力和储能设备的充放电功率；所述基于所述差值g的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d，具体为：设定多个预设差值区间G1－Gn，且每个预设差值区间对应设置有预设条件矩阵Bn(Pn，Qn)，其中，Pn为第n个发电机设备的出力，Qn为第n个储能设备的充放电功率的；判断所述差值g位于的预设差值区间Gn，选择与预设差值区间对应的条件矩阵Bn(Pn，Qn)作为发电机设备的出力和储能设备的充放电功率。
在本申请的实施例中，提供了一种源网荷储的协同控制方法，所述若c≤a≤d，则分别判断所述总和电量e与所述最高需求用电量d之间的关系，根据判断结果制定电力网络系统的协同控制策略，包括：若c≤e≤d，则计算所述总和电量e与所述最高需求用电量d的差值i，基于所述差值i的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d；若e＞d，则计算所述发电机设备供电量a与最高需求用电量d的差值j，基于所述差值j的大小控制发电机设备的出力，直到所述总和电量e达到所述最高需求用电量d。
在本申请的实施例中，提供了一种源网荷储的协同控制方法，所述基于所述差值i的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d，具体为：设定多个预设差值区间I1－In，且每个预设差值区间对应设置有预设条件矩阵Cn(On，Ln)，其中，On为第n个发电机设备的出力，Ln为第n个储能设备的充放电功率的；判断所述差值i位于的预设差值区间In，选择与预设差值区间对应的条件矩阵Cn(On，Ln)作为发电机设备的出力和储能设备的充放电功率；所述若e＞d，则计算所述发电机设备供电量a与最高需求用电量d的差值j，根基于述差值j的大小控制发电机设备的出力，直到所述总和电量e达到所述最高需求用电量d，具体为：设定多个预设差值区间J1－Jn，且每个预设差值区间对应设置有预设条件矩阵Dn(Kn，Sn)，其中，Kn为第n个发电机设备的出力，Sn为第n个储能设备的充放电功率的；判断所述差值j位于的预设差值区间Jn，选择与预设差值区间对应的条件矩阵Dn(Kn，Sn)作为发电机设备的出力和储能设备的充放电功率。
如图2所示，在本申请的实施例中，提供了一种源网荷储的协同控制系统，包括：验证模块，用于获取电力网络系统的实时运行数据，对所述实时运行数据进行分析得到当前的发电机设备供电量和储能设备可用电量；预测模块，用于获取电力网络系统的历史运行数据，并根据所述历史运行数据构建预测模型，对未来负荷端的用电量需求进行预测，得到未来用电量需求预测结果；策略模块，用于判断所述发电机设备供电量和储能设备可用电量与所述未来用电量需求预测结果之间的关系，并根据判断结果制定电力网络系统的协同控制策略；控制模块，用于根据所述协同控制策略对发电机设备和储能设备进行协同控制。
综上，本发明实施例提供一种源网荷储的协同控制方法及系统，其包括：获取电力网络系统的实时运行数据，对实时运行数据进行分析得到当前的发电机设备供电量和储能设备可用电量；获取电力网络系统的历史运行数据，并根据历史运行数据构建预测模型，对未来负荷端的用电量需求进行预测，得到未来用电量需求预测结果；判断发电机设备供电量和储能设备可用电量与未来用电量需求预测结果之间的关系，并根据判断结果制定电力网络系统的协同控制策略；根据协同控制策略对发电机设备和储能设备进行协同控制。本发明通过实时数据分析和预测，可以及时调整发电机出力和储能设备充放电功率，以满足未来的用电量需求，提高了电力系统的供需平衡，减少电力系统的故障和损失，保证了电力网络系统的稳定性，提高电力供应的质量和可持续性。
最后应说明的是：显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
以上所述仅为本发明的一个实施例子，但不能以此限制本发明的范围，凡依据本发明所做的结构上的变化，只要不失本发明的要义所在，都应视为落入本发明保护范围之内受到制约。所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的平台的具体工作过程及有关说明，可以参考前述平台实施例中的对应过程，在此不再赘述。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、平台、物品或者设备/平台不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、平台、物品或者设备/平台所固有的要素。
至此，已经结合附图所示的进一步实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
Claims (9)
1.一种源网荷储的协同控制方法，其特征在于，包括：
获取电力网络系统的实时运行数据，对所述实时运行数据进行分析得到当前的发电机设备供电量和储能设备可用电量；
获取电力网络系统的历史运行数据，并根据所述历史运行数据构建预测模型，对未来负荷端的用电量需求进行预测，得到未来用电量需求预测结果；
判断所述发电机设备供电量和储能设备可用电量与所述未来用电量需求预测结果之间的关系，并根据判断结果制定电力网络系统的协同控制策略；
根据所述协同控制策略对发电机设备和储能设备进行协同控制。
2.根据权利要求1所述的一种源网荷储的协同控制方法，其特征在于，所述获取电力网络系统的实时运行数据，对所述实时运行数据进行分析得到发电机设备的供电量和储能设备的可用电量，包括：
获取电力网络系统的实时运行数据，并对获取到的所述实时运行数据进行处理和清洗；
从处理后的所述实时运行数据中提取出发电机输出功率数据，并对所述发电机输出功率数据进行累加，得到发电机设备的供电量；
从处理后的所述实时运行数据中提取出储能设备的充放电状态和容量信息，并根据所述充放电状态和容量信息计算出当前的储能设备可用电量。
3.根据权利要求2所述的一种源网荷储的协同控制方法，其特征在于，所述获取电力网络系统的历史运行数据，并根据所述历史运行数据构建预测模型，对未来负荷端的用电量需求进行预测，得到未来用电量需求预测结果，包括：
获取电力网络系统的历史运行数据，并对获取到的所述历史运行数据进行预处理，所述历史运行数据包括过去的负荷需求数据、天气数据和经济数据；
对负荷需求数据、天气数据和经济数据预处理后进行分析，选取与负荷需求相关的时间特征、天气特征和经济特征，并提取时间特征数据、天气特征数据和经济特征数据；
将所述时间特征数据、天气特征数据和经济特征数据整理为特征数据集，根据特征数据集构建预测模型，并通过所述历史运行数据对所述预测模型进行训练；
使用训练好的所述预测模型对未来负荷端的用电量需求进行预测，得到未来一段时间内的未来用电量需求预测结果。
4.根据权利要求3所述的一种源网荷储的协同控制方法，其特征在于，所述判断所述发电机设备供电量和储能设备可用电量与所述未来用电量需求预测结果之间的关系，并根据判断结果制定电力网络系统的协同控制策略，包括：
获取所述发电机设备供电量a、储能设备可用电量b和未来用电量需求预测结果，所述未来用电量需求预测结果包括最低需求用电量c和最高需求用电量d；
计算所述发电机设备供电量a与储能设备可用电量b的总和电量e，并判断所述发电机设备供电量a、最低需求用电量c、总和电量e和最高需求用电量d之间的关系；
若a＜c，则分别判断所述总和电量e与所述最低需求用电量c和最高需求用电量d之间的关系，根据判断结果制定电力网络系统的协同控制策略；
若c≤a≤d，则分别判断所述总和电量e与所述最高需求用电量d之间的关系，根据判断结果制定电力网络系统的协同控制策略；
若a＞d，则将所述发电机设备供电量a超出所述最高需求用电量d的电量部分存入到储能设备中。
5.根据权利要求4所述的一种源网荷储的协同控制方法，其特征在于，所述若a＜c，则分别判断所述总和电量e与所述最低需求用电量c和最高需求用电量d之间的关系，根据判断结果制定电力网络系统的协同控制策略，包括：
若e＜c，则计算所述总和电量e与所述最低需求用电量c之间的差值f，基于所述差值f的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d；
若c≤e≤d，则计算所述总和电量e与所述最高需求用电量d的差值g，基于所述差值g的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d；
若e＞d，则分别计算所述发电机设备供电量a与最高需求用电量d的差值h，基于所述差值h的大小控制发电机设备的出力，直到所述总和电量e达到所述最高需求用电量d。
6.根据权利要求5所述的一种源网荷储的协同控制方法，其特征在于，所述基于所述差值f的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d，具体为：
设定多个预设差值区间F1－Fn，且每个预设差值区间对应设置有预设条件矩阵An(Xn，Yn)，其中，Xn为第n个发电机设备的出力，Yn为第n个储能设备的充放电功率的；
判断所述差值f位于的预设差值区间Fn，选择与预设差值区间对应的条件矩阵An(Xn，Yn)作为发电机设备的出力和储能设备的充放电功率；
所述基于所述差值g的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d，具体为：
设定多个预设差值区间G1－Gn，且每个预设差值区间对应设置有预设条件矩阵Bn(Pn，Qn)，其中，Pn为第n个发电机设备的出力，Qn为第n个储能设备的充放电功率的；
判断所述差值g位于的预设差值区间Gn，选择与预设差值区间对应的条件矩阵Bn(Pn，Qn)作为发电机设备的出力和储能设备的充放电功率。
7.根据权利要求4所述的一种源网荷储的协同控制方法，其特征在于，所述若c≤a≤d，则分别判断所述总和电量e与所述最高需求用电量d之间的关系，根据判断结果制定电力网络系统的协同控制策略，包括：
若c≤e≤d，则计算所述总和电量e与所述最高需求用电量d的差值i，基于所述差值i的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d；
若e＞d，则计算所述发电机设备供电量a与最高需求用电量d的差值j，基于所述差值j的大小控制发电机设备的出力，直到所述总和电量e达到所述最高需求用电量d。
8.根据权利要求7所述的一种源网荷储的协同控制方法，其特征在于，所述基于所述差值i的大小协同控制发电机设备的出力和储能设备的充放电功率，直到所述总和电量e达到所述最高需求用电量d，具体为：
设定多个预设差值区间I1－In，且每个预设差值区间对应设置有预设条件矩阵Cn(On，Ln)，其中，On为第n个发电机设备的出力，Ln为第n个储能设备的充放电功率的；
判断所述差值i位于的预设差值区间In，选择与预设差值区间对应的条件矩阵Cn(On，Ln)作为发电机设备的出力和储能设备的充放电功率；
所述若e＞d，则计算所述发电机设备供电量a与最高需求用电量d的差值j，根基于述差值j的大小控制发电机设备的出力，直到所述总和电量e达到所述最高需求用电量d，具体为：
设定多个预设差值区间J1－Jn，且每个预设差值区间对应设置有预设条件矩阵Dn(Kn，Sn)，其中，Kn为第n个发电机设备的出力，Sn为第n个储能设备的充放电功率的；
判断所述差值j位于的预设差值区间Jn，选择与预设差值区间对应的条件矩阵Dn(Kn，Sn)作为发电机设备的出力和储能设备的充放电功率。
9.一种源网荷储的协同控制系统，其特征在于，包括：
验证模块，用于获取电力网络系统的实时运行数据，对所述实时运行数据进行分析得到当前的发电机设备供电量和储能设备可用电量；
预测模块，用于获取电力网络系统的历史运行数据，并根据所述历史运行数据构建预测模型，对未来负荷端的用电量需求进行预测，得到未来用电量需求预测结果；
策略模块，用于判断所述发电机设备供电量和储能设备可用电量与所述未来用电量需求预测结果之间的关系，并根据判断结果制定电力网络系统的协同控制策略；
控制模块，用于根据所述协同控制策略对发电机设备和储能设备进行协同控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311605873.0A CN117895468A (zh) | 2023-11-28 | 2023-11-28 | 一种源网荷储的协同控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311605873.0A CN117895468A (zh) | 2023-11-28 | 2023-11-28 | 一种源网荷储的协同控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117895468A true CN117895468A (zh) | 2024-04-16 |
Family
ID=90638336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311605873.0A Pending CN117895468A (zh) | 2023-11-28 | 2023-11-28 | 一种源网荷储的协同控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117895468A (zh) |
-
2023
- 2023-11-28 CN CN202311605873.0A patent/CN117895468A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8571720B2 (en) | Supply-demand balance controller | |
| CN102124219B (zh) | 风力发电用蓄电池控制系统及其控制方法 | |
| CN110198042B (zh) | 一种电网储能的动态优化方法及存储介质 | |
| CN112001598A (zh) | 基于储能选型的不同用户储能配置评估与运行优化方法 | |
| CN117013606B (zh) | 一种基于人工智能的光伏发电智能储能控制系统 | |
| CN114036451A (zh) | 一种并网式光储充装置的储能控制方法及系统 | |
| CN114429274A (zh) | 基于多种资源聚合的虚拟电厂调节能力评估方法及系统 | |
| CN115811135A (zh) | 一种基于电网调峰调频的充换电设备智能监测调控系统 | |
| CN115526401A (zh) | 一种基于数字孪生的新型电力系统电源最优规划方法 | |
| CN114865668A (zh) | 一种储能调度支撑评估方法 | |
| CN117498555A (zh) | 一种基于云边融合的储能电站智能运维系统 | |
| CN112836849A (zh) | 一种考虑风电不确定性的虚拟电厂调度方法 | |
| CN112953007A (zh) | 配电网调度方法、装置及系统、处理器、电子设备 | |
| CN117129899B (zh) | 一种电池健康状态预测管理系统及方法 | |
| CN117485177A (zh) | 充电桩智能节能控制系统及方法 | |
| CN115693787B (zh) | 考虑源荷随机性的光储配电网新能源接纳能力分析方法 | |
| CN111680829A (zh) | 一种考虑充放成本的分布式储能集群调度方法 | |
| WO2023173817A1 (zh) | 一种配电网分布式储能规划方法及系统 | |
| CN116388347A (zh) | 一种户用电池储能的能量综合管理平台 | |
| CN117895468A (zh) | 一种源网荷储的协同控制方法及系统 | |
| CN115912442A (zh) | 一种用户侧光储优化配置及其盈亏平衡分析方法 | |
| CN117254505B (zh) | 基于数据处理的储能电站优化运行模式决策方法及系统 | |
| CN116154926B (zh) | 一种基于锂电池储能特征的电源控制方法及系统 | |
| CN117175695B (zh) | 一种基于柴油发电机组的光伏微网发电方法及系统 | |
| CN117748622B (zh) | 一种微电网多态协调控制方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |