CN118100161A - 寒地风光热综合能源智能监测与预警系统 - Google Patents
寒地风光热综合能源智能监测与预警系统 Download PDFInfo
- Publication number
- CN118100161A CN118100161A CN202410242635.6A CN202410242635A CN118100161A CN 118100161 A CN118100161 A CN 118100161A CN 202410242635 A CN202410242635 A CN 202410242635A CN 118100161 A CN118100161 A CN 118100161A
- Authority
- CN
- China
- Prior art keywords
- module
- unit
- early warning
- tide
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 51
- 238000005457 optimization Methods 0.000 claims abstract description 57
- 238000013486 operation strategy Methods 0.000 claims abstract description 39
- 230000036541 health Effects 0.000 claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000012423 maintenance Methods 0.000 claims abstract description 9
- 230000003449 preventive effect Effects 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 40
- 238000001514 detection method Methods 0.000 claims description 21
- 230000015556 catabolic process Effects 0.000 claims description 17
- 238000006731 degradation reaction Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 15
- 238000013135 deep learning Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000004146 energy storage Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000000087 stabilizing effect Effects 0.000 claims description 4
- 238000002790 cross-validation Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 210000005036 nerve Anatomy 0.000 claims description 3
- 230000002787 reinforcement Effects 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000006641 stabilisation Effects 0.000 claims description 2
- 238000011105 stabilization Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 abstract description 9
- 239000002699 waste material Substances 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及能源监测预警技术领域，公开了寒地风光热综合能源智能监测与预警系统，包括输入潮流模块、潮流干扰模块、设备健康评估模块、运行策略优化模块、预警信息模块、系统调度优化模块；所述输入潮流模块用于了解当前潮流状态，并提前预测未来潮流趋势；所述潮流干扰模块用于响应潮流干扰，降低系统的不稳定性和风险；所述设备健康评估模块用于对电力设备关键部件的健康状况进行评估，实现预防性维护。通过实时监测系统的潮流状态和预测未来趋势，系统可以优化发电机组输出功率、负荷分配等运行策略，降低影响，提高微电网电能调度的稳定性，以最大程度地满足负荷需求，减少能源的浪费，提高能源利用效率。
Description
技术领域
本发明涉及能源监测预警技术领域，具体为寒地风光热综合能源智能监测与预警系统。
背景技术
在当前的能源系统中，多能流交织、多品位分布和多时空尺度等特征变得越来越突出。然而，传统的技术往往局限于对单一能流系统的能量转换分析，无法有效解决多能流综合系统所面临的问题。
特别是在寒地乡村场景中，由于气候条件的限制以及太阳能和风能发电的间歇性和波动性，综合能源系统面临着一系列挑战。
因此，本领域发明人员提出寒地风光热综合能源智能监测与预警系统，以解决上述问题。
发明内容
针对现有技术的不足，本发明提供了寒地风光热综合能源智能监测与预警系统，解决了现有综合能源系统波动较大，资源产生浪费的问题。
为实现以上目的，本发明通过以下技术方案予以实现：寒地风光热综合能源智能监测与预警系统，包括输入潮流模块、潮流干扰模块、设备健康评估模块、运行策略优化模块、预警信息模块、系统调度优化模块；所述输入潮流模块用于了解当前潮流状态，并提前预测未来潮流趋势；所述潮流干扰模块用于响应潮流干扰，降低系统的不稳定性和风险；所述设备健康评估模块用于对电力设备关键部件的健康状况进行评估，实现预防性维护；所述运行策略优化模块用于通过机器学习的方式能够自动调整微网的运行策略；所述预警信息模块用于通知与提醒人工及时干预；所述系统调度优化模块用于综合考虑和优化调度调整能源利用效率和成本利用；
所述设备健康评估模块与输入潮流模块为电性连接，所述潮流干扰模块与运行策略优化模块为电性连接，所述输入潮流模块与运行策略优化模块为网络连接。
优选的，所述输入潮流模块包括多参数测量单元、预测算法单元，所述多参数测量单元用于控制传感器来获取微网中各个节点的电流、电压、功率数据；所述预测算法单元用于通过结合数据库数据和算法计算对未来一段时间内的潮流进行预测。
优选的，所述潮流干扰模块包括干扰检测单元、平抑控制单元，所述干扰检测单元用于检测包括电流突增或突降的潮流干扰情况；所述平抑控制单元用于配合干扰检测单元采取相应的控制策略，优化潮流流动方向和容量。
优选的，所述设备健康评估模块包括检测数据处理单元、性能退化识别单元、异常检测单元；所述检测数据处理单元用于对综合能源设备的多参数监测数据进行处理和分析；所述性能退化识别单元用于识别关键部件的性能退化状态；所述异常检测单元用于实时监测设备的运行状态。
优选的，所述运行策略优化模块包括数据特征训练单元、深度学习算法优化单元、最优策略确定单元，所述数据特征训练单元用于使用深度学习算法，提取微网运行策略的特征；所述深度学习算法优化单元用于通过迭代和交叉验证，优化深度学习计算模型；所述最优策略确定单元用于将深度学习算法套入系统运行中进行使用。
优选的，所述预警信息模块包括多模块提醒单元，所述多模块提醒单元用于通过多渠道将监测信息和报警信息告知监管者。
优选的，所述系统调度优化模块包括实时监测单元、影响规律研究单元，所述实时监测单元用于实时监测系统运行状态，及时获取数据，进行调度参数的实时调整；所述影响规律研究单元用于公布操作参数对系统综合性能的影响规律数据。
优选的，所述运行策略优化模块以Q-learning算法作为计算基础，具体计算步骤为：
a、状态表示：将微网的状态表示为一个向量，包括各个节点的电流、电压、负荷参数；
b、动作表示：将微网的运行策略表示为一个动作向量，包括控制节点功率输出、调整电压操作；
c、奖励函数：定义奖励函数来评估每个动作的优劣，奖励函数包括能源利用效率、经济性、系统稳定性指标；
d、Q值更新：根据Q-learning算法，使用以下更新公式来更新Q值：
Q(s,a)＝(1-α)*Q(s,a)+α*(r+γ*max(Q(s′,a′)))
迭代完善算法模型的计算表达式：
C、特征提取：使用深度神经；
D、网络进行微网运行数据的特征提取；
B、模型训练：使用特征提取的结果作为输入，通过迭代和交叉验证的方法训练深度强化学习模型；
C、参数调整：在每次迭代中，根据当前状态和Q值，选择最优的动作，并更新Q值函数参数；
D、收敛判断：通过设定一个收敛条件判断算法模型是否收敛。
优选的，所述设备健康评估模块使用支持向量机算法进行性能优化识别，通过以下表达式表示：
y＝sign(wTx+b)
其中，y为预测结果(1代表性能退化，-1代表正常)，w为模型的权重向量，x为输入的特征向量，b为模型的偏置项，通过训练过程中的梯度下降法求解出w和b的最优值。
优选的，所述预警信息模块中的多渠道包括移动终端应用、声光报警器，所述系统调度优化模块参数包括电网与微网切换策略参数、负荷调度策略参数、储能设备充放电策略参数、发电机组输出功率控制参数。
工作原理：通过多个模块的协作运行，实现对寒地风光热综合能源系统的智能监测和预警的系统，结合了潮流计算、设备健康评估、运行策略优化等关键技术，以提高系统的可靠性、稳定性、经济性和能源利用效率。
该系统首先通过输入潮流模块对电力系统进行建模，并使用数学方法求解节点电压和功率的分布情况，从而了解系统的当前潮流状态和未来潮流趋势。接着，潮流干扰模块响应潮流干扰，通过调整发电机组输出功率、负荷分配等控制策略，降低系统的不稳定性和风险。
同时，设备健康评估模块对电力设备关键部件的监测数据进行处理和分析，评估设备的健康状况，并使用大数据分析和机器学习技术，判断设备的健康状态，并预测设备的寿命和性能退化趋势。这为预防性维护提供了依据。
在运行策略优化模块中，系统根据实时监测数据和预测信息，通过机器学习的方式自动调整微网的运行策略，包括调整发电机组输出功率、储能设备的充放电策略等，以最大程度地满足负荷需求，同时优化能源利用效率和经济性。
预警信息模块基于实时监测数据和设备健康评估结果，设置预警阈值和规则，及时发出警报，并将相关信息通知给操作人员或维护人员，以便及时采取措施进行干预和修复。
最后，系统调度优化模块综合考虑能源供需平衡、设备健康状况和经济性等因素，通过数学建模和优化算法，确定最佳的系统调度策略。这包括自动调整发电机组输出功率、储能设备的充放电策略等，以提高能源利用效率，降低能源成本，实现系统的整体调度优化。
本发明提供了寒地风光热综合能源智能监测与预警系统。具备以下有益效果：
1、本发明通过实时监测系统的潮流状态和预测未来趋势，系统可以优化发电机组输出功率、负荷分配等运行策略，降低风光能源随机性、间歇性与波动性对系统中用电负荷的影响，提高微电网电能调度的稳定性，以最大程度地满足负荷需求，减少能源的浪费，提高能源利用效率。
2、本发明通过系统调度优化模块，综合考虑能源供需平衡、设备健康状况和经济性等因素，自动调整发电机组输出功率、储能设备的充放电策略等，以降低能源成本，实现系统的整体调度优化。
3、本发明通过潮流干扰模块对潮流干扰的响应和控制，系统可以降低系统的不稳定性和风险，保持系统的可靠运行。同时，通过设备健康评估模块对关键设备的监测和评估，及时发现设备故障或退化，采取预防性维护措施，提高系统的稳定性。
4、本发明通过实时监测数据和设备健康评估结果，系统可以及时发出预警并通知相关人员，以便及时采取措施进行干预和修复，有助于提前预防潜在问题的发生，减少停机时间和损失。
5、本发明通过优化调度策略和提高能源利用效率，系统可以最大限度地利用可再生能源，如风能、光能和热能，减少对传统能源的依赖，促进清洁能源的可持续利用。
附图说明
图1为本发明的综合能源监测与预警系统结构示意图；
图2为本发明的输入潮流模块结构示意图；
图3为本发明的潮流干扰模块示意图；
图4为本发明的设备健康评估模块示意图；
图5为本发明的运行策略优化模块示意图；
图6为本发明的预警信息模块示意图；
图7为本发明的系统调度优化模块示意图；
图8为本发明的综合能源监测与预警系统框架示意图。
具体实施方式
下面将结合本发明说明书中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
实施例：
请参阅附图1、附图8，本发明实施例提供寒地风光热综合能源智能监测与预警系统，包括输入潮流模块、潮流干扰模块、设备健康评估模块、运行策略优化模块、预警信息模块、系统调度优化模块；输入潮流模块用于了解当前潮流状态，并提前预测未来潮流趋势；潮流干扰模块用于响应潮流干扰，降低系统的不稳定性和风险；设备健康评估模块用于对电力设备关键部件的健康状况进行评估，实现预防性维护；运行策略优化模块用于通过机器学习的方式能够自动调整微网的运行策略；预警信息模块用于通知与提醒人工及时干预；系统调度优化模块用于综合考虑和优化调度调整能源利用效率和成本利用；
设备健康评估模块与输入潮流模块为电性连接，潮流干扰模块与运行策略优化模块为电性连接，输入潮流模块与运行策略优化模块为网络连接。
请参阅附图2，输入潮流模块包括多参数测量单元、预测算法单元，多参数测量单元用于控制传感器来获取微网中各个节点的电流、电压、功率数据；预测算法单元用于通过结合数据库数据和算法计算对未来一段时间内的潮流进行预测。
输入潮流模块基于电力系统的潮流计算原理，通过对系统的拓扑结构和电气参数进行建模，使用数学方法求解节点电压和功率的分布情况，从而得到当前的潮流状态，表达式为：
Pi＝Vi*(Gi*Vi-Bi*Vi)+∑(Vi*Vj*(Gij*cos(θi-θj)+Bij*sin(θi-θj)))
Qi＝Vi*(-Bi*Vi-Gi*Vi)+∑(Vi*Vj*(Gij*sin(θi-θj)-Bij*cos(θi-θj)))
其中，Pi和Qi分别表示第i个节点的有功功率和无功功率，Vi和θi分别表示第i个节点的电压幅值和相角，Gi和Bi分别表示第i个节点的导纳和电纳，Gij和Bij分别表示第i到j节点之间的导纳和电纳。
同时，可以利用历史数据和趋势分析方法，预测未来一段时间内的潮流趋势。通过输入潮流模块，可以实时了解系统的潮流状态，包括电流、电压等参数的分布情况。预测未来潮流趋势有助于提前发现潮流拥堵和电压异常等问题，为后续的潮流干扰响应和运行策略优化提供依据。
请参阅附图3，潮流干扰模块包括干扰检测单元、平抑控制单元，干扰检测单元用于检测包括电流突增或突降的潮流干扰情况；平抑控制单元用于配合干扰检测单元采取相应的控制策略，优化潮流流动方向和容量。
潮流干扰模块基于电力系统的调度和控制原理，通过调整发电机组输出功率、负荷分配等控制策略，来优化系统的潮流分布和电压水平，减少潮流拥堵和电压异常的发生。潮流干扰模块能够及时响应潮流拥堵和电压异常等问题，通过调整系统运行状态，降低系统的不稳定性和风险，可以提高系统的可靠性和稳定性，保证电力供应的正常运行。
请参阅附图4，设备健康评估模块包括检测数据处理单元、性能退化识别单元、异常检测单元；检测数据处理单元用于对综合能源设备的多参数监测数据进行处理和分析；性能退化识别单元用于识别关键部件的性能退化状态；异常检测单元用于实时监测设备的运行状态。
设备健康评估模块使用支持向量机算法进行性能退化识别，通过以下表达式表示：
y＝sign(wTx+b)
其中，y为预测结果(1代表性能退化，-1代表正常)，w为模型的权重向量，x为输入的特征向量，b为模型的偏置项，通过训练过程中的梯度下降法求解出w和b的最优值。
设备健康评估模块基于大数据分析技术，通过对设备的监测数据进行特征提取和模式识别，构建设备健康评估模型。该模型可以根据设备的运行参数、振动、温度等数据，判断设备的健康状态，并预测设备的寿命和性能退化趋势。设备健康评估模块可以实现对电力设备的预防性维护，提前发现设备的故障和性能退化问题。通过及时采取维修和更换措施，可以降低设备故障率，延长设备使用寿命，提高系统的可靠性和运行效率。
请参阅附图5，运行策略优化模块包括数据特征训练单元、深度学习算法优化单元、最优策略确定单元，数据特征训练单元用于使用深度学习算法，提取微网运行策略的特征；深度学习算法优化单元用于通过迭代和交叉验证，优化深度学习计算模型；最优策略确定单元用于将深度学习算法套入系统运行中进行使用。
运行策略优化模块以Q-learning算法作为计算基础，具体计算步骤为：
a、状态表示：将微网的状态表示为一个向量，包括各个节点的电流、电压、负荷参数；
b、动作表示：将微网的运行策略表示为一个动作向量，包括控制节点功率输出、调整电压操作；
c、奖励函数：定义奖励函数来评估每个动作的优劣，奖励函数包括能源利用效率、经济性、系统稳定性指标；
d、Q值更新：根据Q-learning算法，使用以下更新公式来更新Q值：
Q(s,a)＝(1-α)*Q(s,a)+α*(r+γ*max(Q(s′,a′)))
迭代完善算法模型的计算表达式：
E、特征提取：使用深度神经；
F、网络进行微网运行数据的特征提取；
B、模型训练：使用特征提取的结果作为输入，通过迭代和交叉验证的方法训练深度强化学习模型；
C、参数调整：在每次迭代中，根据当前状态和Q值，选择最优的动作，并更新Q值函数参数；
D、收敛判断：通过设定一个收敛条件判断算法模型是否收敛。
运行策略优化模块基于机器学习算法，通过对历史数据的学习和训练，建立微网运行策略优化模型，该模型可以根据实时监测数据和预测信息，预测未来一段时间内的能源供需情况，并自动调整微网的运行策略，以优化能源利用效率和成本利用，运行策略优化模块能够自动调整微网的运行策略，根据实时监测数据和预测信息，提高系统的能源利用效率和经济性。通过优化运行策略，可以最大程度地满足负荷需求，减少能源浪费，降低系统运行成本。
请参阅附图6，预警信息模块包括多模块提醒单元，多模块提醒单元用于通过多渠道将监测信息和报警信息告知监管者，预警信息模块中的多渠道包括移动终端应用、声光报警器；
预警信息模块基于实时监测数据和设备健康评估结果，通过设置预警阈值和规则，判断系统是否出现异常情况。一旦检测到异常，预警信息模块会发出警报，并将相关信息发送给相关人员，以便及时干预和处理。预警信息模块可以帮助及时发现系统的潮流拥堵、设备故障等问题，提前采取措施进行干预和修复，减少系统故障的影响范围，提高系统的可靠性和稳定性。
请参阅附图7，系统调度优化模块包括实时监测单元、影响规律研究单元，实时监测单元用于实时监测系统运行状态，及时获取数据，进行调度参数的实时调整；影响规律研究单元用于公布操作参数对系统综合性能的影响规律数据。
系统调度优化模块参数包括电网与微网切换策略参数、负荷调度策略参数、储能设备充放电策略参数、发电机组输出功率控制参数。
系统调度优化模块基于数学建模和优化算法，通过对系统的能源供需情况、设备健康评估结果、能源价格等因素进行综合分析和优化，确定最佳的系统调度策略。该模块可以自动调整发电机组输出功率、储能设备的充放电策略等，以最大程度地满足负荷需求，同时优化能源利用和经济性，系统调度优化模块能够综合考虑能源供需平衡、设备健康状况和经济性等因素，实现系统的整体调度优化。通过优化调度策略，可以提高能源利用效率，降低能源成本，提高系统的经济性和可持续性。
具体的数学建模和优化算法可以采用线性规划表达系统调度优化模块的数学建模：
目标函数：
minimize∑(Ci*Pi+Di*Qi)
约束条件：
Pmin≤Pi≤Pmax
Qmin≤Qi≤Qmax
Vmin≤Vi≤Vmax
等式约束：
∑(Pi)＝∑(Di)
∑(Qi)＝∑(Ci)
其中，Ci和Di分别表示第i个节点的有功功率和无功功率的成本系数，Pmin和Pmax分别表示第i个节点的有功功率的最小值和最大值，Qmin和Qmax分别表示第i个节点的无功功率的最小值和最大值，Vmin和Vmax分别表示第i个节点的电压幅值的最小值和最大值。
目标函数表示系统调度优化的目标，即最小化系统的成本，其中包括有功功率和无功功率的成本。约束条件包括了发电机组输出功率、节点功率平衡以及电压范围的限制。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.寒地风光热综合能源智能监测与预警系统，其特征在于，包括输入潮流模块、潮流干扰模块、设备健康评估模块、运行策略优化模块、预警信息模块、系统调度优化模块；所述输入潮流模块用于了解当前潮流状态，并提前预测未来潮流趋势；所述潮流干扰模块用于响应潮流干扰，降低系统的不稳定性和风险；所述设备健康评估模块用于对电力设备关键部件的健康状况进行评估，实现预防性维护；所述运行策略优化模块用于通过机器学习的方式能够自动调整微网的运行策略；所述预警信息模块用于通知与提醒人工及时干预；所述系统调度优化模块用于综合考虑和优化调度调整能源利用效率和成本利用；
所述设备健康评估模块与输入潮流模块为电性连接，所述潮流干扰模块与运行策略优化模块为电性连接，所述输入潮流模块与运行策略优化模块为网络连接。
2.根据权利要求1所述的寒地风光热综合能源智能监测与预警系统，其特征在于，所述输入潮流模块包括多参数测量单元、预测算法单元，所述多参数测量单元用于控制传感器来获取微网中各个节点的电流、电压、功率数据；所述预测算法单元用于通过结合数据库数据和算法计算对未来一段时间内的潮流进行预测。
3.根据权利要求1所述的寒地风光热综合能源智能监测与预警系统，其特征在于，所述潮流干扰模块包括干扰检测单元、平抑控制单元，所述干扰检测单元用于检测包括电流突增或突降的潮流干扰情况；所述平抑控制单元用于配合干扰检测单元采取相应的控制策略，优化潮流流动方向和容量。
4.根据权利要求1所述的寒地风光热综合能源智能监测与预警系统，其特征在于，所述设备健康评估模块包括检测数据处理单元、性能退化识别单元、异常检测单元；所述检测数据处理单元用于对综合能源设备的多参数监测数据进行处理和分析；所述性能推划识别单元用于识别关键部件的性能退化状态；所述异常检测单元用于实时监测设备的运行状态。
5.根据权利要求1所述的寒地风光热综合能源智能监测与预警系统，其特征在于，所述运行策略优化模块包括数据特征训练单元、深度学习算法优化单元、最优策略确定单元，所述数据特征训练单元用于使用深度学习算法，提取微网运行策略的特征；所述深度学习算法优化单元用于通过迭代和交叉验证，优化深度学习计算模型；所述最优策略确定单元用于将深度学习算法套入系统运行中进行使用。
6.根据权利要求1所述的寒地风光热综合能源智能监测与预警系统，其特征在于，所述预警信息模块包括多模块提醒单元，所述多模块提醒单元用于通过多渠道将监测信息和报警信息告知监管者。
7.根据权利要求1所述的寒地风光热综合能源智能监测与预警系统，其特征在于，所述系统调度优化模块包括实时监测单元、影响规律研究单元，所述实时监测单元用于实时监测系统运行状态，及时获取数据，进行调度参数的实时调整；所述影响规律研究单元用于公布操作参数对系统综合性能的影响规律数据。
8.根据权利要求1所述的寒地风光热综合能源智能监测与预警系统，其特征在于，所述运行策略优化模块以Q-learning算法作为计算基础，具体计算步骤为：
a、状态表示：将微网的状态表示为一个向量，包括各个节点的电流、电压、负荷参数；
b、动作表示：将微网的运行策略表示为一个动作向量，包括控制节点功率输出、调整电压操作；
c、奖励函数：定义奖励函数来评估每个动作的优劣，奖励函数包括能源利用效率、经济性、系统稳定性指标；
d、Q值更新：根据Q-learning算法，使用以下更新公式来更新Q值：
Q(s,a)＝(1-α)*Q(s,a)+α*(r+γ*max(Q(s′,a′)))
迭代完善算法模型的计算表达式：
A、特征提取：使用深度神经；
B、网络进行微网运行数据的特征提取；
B、模型训练：使用特征提取的结果作为输入，通过迭代和交叉验证的方法训练深度强化学习模型；
C、参数调整：在每次迭代中，根据当前状态和Q值，选择最优的动作，并更新Q值函数参数；
D、收敛判断：通过设定一个收敛条件判断算法模型是否收敛。
9.根据权利要求1所述的寒地风光热综合能源智能监测与预警系统，其特征在于，所述设备健康评估模块使用支持向量机算法进行性能退化识别，通过以下表达式表示：
y＝sign(wTx+b)
其中，y为预测结果(1代表性能退化，-1代表正常)，w为模型的权重向量，x为输入的特征向量，b为模型的偏置项，通过训练过程中的梯度下降法求解出w和b的最优值。
10.根据权利要求1所述的寒地风光热综合能源智能监测与预警系统，其特征在于，所述预警信息模块中的多渠道包括移动终端应用、声光报警器；所述系统调度优化模块参数包括电网与微网切换策略参数、负荷调度策略参数、储能设备充放电策略参数、发电机组输出功率控制参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410242635.6A CN118100161A (zh) | 2024-03-04 | 2024-03-04 | 寒地风光热综合能源智能监测与预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410242635.6A CN118100161A (zh) | 2024-03-04 | 2024-03-04 | 寒地风光热综合能源智能监测与预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118100161A true CN118100161A (zh) | 2024-05-28 |
Family
ID=91156964
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410242635.6A Pending CN118100161A (zh) | 2024-03-04 | 2024-03-04 | 寒地风光热综合能源智能监测与预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118100161A (zh) |
-
2024
- 2024-03-04 CN CN202410242635.6A patent/CN118100161A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117277958B (zh) | 一种基于大数据的光伏电站的智能运维管理方法及系统 | |
| CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
| KR102632527B1 (ko) | 디지털 트윈을 이용한 연료전지 에너지 관리시스템의 이상진단 시스템 및 방법 | |
| CN117454093A (zh) | 一种智能电源模块管理方法及系统 | |
| CN116683500B (zh) | 一种电化学储能电站有功功率调度方法和系统 | |
| KR102190845B1 (ko) | Ai기반 건물 전력부하 예측을 통한 연료전지 발전시스템 운전제어방법 | |
| CN117176079B (zh) | 一种光伏组件信息管理系统 | |
| CN117439101B (zh) | 一种用于电网中新能源与柔性负荷互动的智能网络 | |
| CN118336836B (zh) | 基于风险消弭的多类型可再生能源对调峰需求分析方法 | |
| US20230207898A1 (en) | Parameter Tuning Method of Energy Storage System and the Energy Storage System | |
| CN117411115A (zh) | 储能电源状态的检测控制方法、装置、电子设备及介质 | |
| CN118348878A (zh) | 一种远程控制的分布式能源站智能化运维管理系统及方法 | |
| CN118157185B (zh) | 一种光伏储能充电控制方法和系统 | |
| CN117028147A (zh) | 一种风电变桨控制系统与风电变桨系统 | |
| CN117526344A (zh) | 一种配电网无功电压控制优化方法及系统 | |
| CN115514100A (zh) | 一种基于多元储能和控制的混合储能系统 | |
| CN117175695B (zh) | 一种基于柴油发电机组的光伏微网发电方法及系统 | |
| CN118017624A (zh) | 基于配网重构的多时间尺度的无功优化方法 | |
| CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
| CN118100161A (zh) | 寒地风光热综合能源智能监测与预警系统 | |
| CN117713159A (zh) | 一种配电网负荷稳定控制方法、系统、设备和介质 | |
| CN118503728B (zh) | 一种海洋牧场用电安全评估方法 | |
| CN118858814A (zh) | 一种电解水制氢与电网联合运行的预警系统 | |
| CN116629565B (zh) | 一种基于平台化的供电服务能力提升方法及系统 | |
| CN118152970B (zh) | 一种基于边缘计算算法的设备状态趋势感知方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |