CN118100233A - 微网群储能容量配置方法、装置、电子设备和存储介质 - Google Patents
微网群储能容量配置方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN118100233A CN118100233A CN202410501709.3A CN202410501709A CN118100233A CN 118100233 A CN118100233 A CN 118100233A CN 202410501709 A CN202410501709 A CN 202410501709A CN 118100233 A CN118100233 A CN 118100233A
- Authority
- CN
- China
- Prior art keywords
- micro
- grid
- energy storage
- curve
- load
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000006978 adaptation Effects 0.000 claims abstract description 64
- 230000008439 repair process Effects 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005622 photoelectricity Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- 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
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种微网群储能容量配置方法、装置、电子设备和存储介质,包括:根据所预测的微电网的负荷曲线和出力曲线确定微网群的源荷适配度,判断源荷适配度是大于或等于预设值;若是,确定微网群无需储能,若否,获取微网群的上级电网的故障平均修复时长,根据故障平均修复时长、负荷曲线和出力曲线确定微网群的储能需求总容量,根据负荷曲线和出力曲线确定每个微电网的储能分配系数,计算储能需求总容量与储能分配系数的乘积,得到每个微电网的目标储能容量。实现了在微网群的源荷适配度小于预设值时储能,避免了无效储能,并且通过微电网的出力和负荷确定储能分配系数,使得微电网储能分配更为完善和合理,提高了电网的稳定性和可靠性。
Description
技术领域
本发明涉及配电网储能技术领域,尤其涉及一种微网群储能容量配置方法、装置、电子设备和存储介质。
背景技术
随着风电、光电以及小水电等微电网的发展,微电网组成微网群并网,由于微电网具有间歇性和不确定性的特点,需要有效的储能系统来平衡供需,提高电网的稳定性和可靠性,因此微网群的储能配置和分配策略对于实现电网高效稳定运行至关重要。
目前针对微网群的整体安全效益,研究微网群内的微电网的储能容量配置相关技术还不完善,部分技术简单将单个微电网的储能容量简单加总作为微网群的储能总容量,对微网群中各个微电网的储能分配原则更是未有研究,导致微网群内各个微电网的储能容量配置不合理的问题。
发明内容
本发明提供了一种微网群储能容量配置方法、装置、电子设备和存储介质,以解决微网群内微电网的储能容量配置不合理的问题。
第一方面,本发明提供了一种微网群储能容量配置方法,包括:
预测微网群内每个微电网在预置时间段内的负荷曲线和出力曲线;
根据所述负荷曲线和出力曲线确定所述微网群的源荷适配度,所述源荷适配度用于衡量所述微网群的供电能力;
判断所述源荷适配度是大于或等于预设值;
若是,确定所述微网群无需储能;
若否,获取所述微网群的上级电网的故障平均修复时长;
根据所述故障平均修复时长、所述负荷曲线和出力曲线确定所述微网群的储能需求总容量;
根据所述负荷曲线和出力曲线确定每个微电网的储能分配系数;
计算所述储能需求总容量与所述储能分配系数的乘积,得到每个微电网的目标储能容量。
第二方面,本发明提供了一种微网群储能容量配置装置,包括:
曲线预测模块,用于预测微网群内每个微电网在预置时间段内的负荷曲线和出力曲线;
源荷适配度确定模块,用于根据所述负荷曲线和出力曲线确定所述微网群的源荷适配度,所述源荷适配度用于衡量所述微网群的供电能力;
判断模块,用于判断所述源荷适配度是大于或等于预设值,若是,执行确定模块,若否,执行时长获取模块;
确定模块,用于确定所述微网群无需储能;
时长获取模块,用于获取所述微网群的上级电网的故障平均修复时长;
储能需求总容量确定模块,用于根据所述故障平均修复时长、所述负荷曲线和出力曲线确定所述微网群的储能需求总容量;
储能分配系数确定模块,用于根据所述负荷曲线和出力曲线确定每个微电网的储能分配系数;
目标储能容量计算模块,用于计算所述储能需求总容量与所述储能分配系数的乘积,得到每个微电网的目标储能容量。
第三方面,本发明提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明第一方面所述的微网群储能容量配置方法。
第四方面,本发明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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明第一方面所述的微网群储能容量配置方法。
本发明实施例通过预测微网群内每个微电网的负荷曲线和出力曲线,根据多个微电网的负荷曲线和出力曲线确定微网群的源荷适配度,以通过源荷适配度确定微网群的供电能力,在源荷适配度大于或等于预设值时确定微网群供电能力良好,微网群无需储能,在源荷适配度小于预设值时,通过上级电网的故障平均修复时长、所预测的负荷曲线和出力曲线确定微网群的储能需求总容量,以及通过微电网的负荷曲线和出力曲线确定每个微电网的储能分配系数,通过储能需求总容量和储能分配系数计算乘积作为每个微电网的目标储能容量,一方面,实现了通过源荷适配度衡量微网群的供电能力,以在源荷适配度小于预设值时配置储能,避免了无效储能,另一方面,通过微电网的出力和负荷确定储能分配系数,能够考虑每个微电网的出力和负荷情况分配储能容量,使得微电网储能更为合理、完善,提高了微网群并网时整个电网的稳定性和可靠性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是本发明实施例一提供的一种微网群储能容量配置方法的流程图;
图2是本发明实施例二提供的一种微网群储能容量配置方法的流程图;
图3是本发明实施例三提供的一种微网群储能容量配置装置的结构示意图;
图4是本发明实施例四提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
实施例一
图1为本发明实施例一提供的一种微网群储能容量配置方法的流程图,本实施例可适用于分配微网群内各个微电网的储能容量的情况,该方法可以由微网群储能容量配置装置来执行,该微网群储能容量配置装置可以采用硬件和/或软件的形式实现,并可配置于电子设备中。如图1所示,该微网群储能容量配置方法包括:
S101、预测微网群内每个微电网在预置时间段内的负荷曲线和出力曲线。
本实施例的微网群可以包括多个微电网,微电网可以是风电、光电或者小水电等,负荷曲线可以是以时间为横坐标轴,负荷为纵坐标轴的曲线,负荷曲线表示微电网在预置时间段内的负荷变化,出力曲线可以是以时间为横坐标轴,出力值为纵坐标轴的曲线,出力曲线表示微电网在预置时间段内输出电能的变化。
预置时间段可以是一个年度,示例性的,可以在进入新一年度之前预测微电网在下一年度的负荷曲线和出力曲线,其中,负荷曲线和出力曲线的横坐标轴的最小时间单位可以是一个小时,即负荷曲线和出力曲线表示微电网在一个年度内以一个小时为单位的负荷和出力变化情况,即一个年度内8760小时的负荷和出力变化情况。
在一个实施例中,可以将历史的负荷曲线、出力曲线作为预测的负荷曲线和出力曲线,示例性的,可以将微电网的上一年度的负荷曲线和出力曲线作为下一年度的负荷曲线和出力曲线。
在另一个实施例中,可以将微电网的历史负荷曲线输入预先完成训练的负荷曲线预测模型中,得到微电网在预置时间段内的负荷曲线,比如,将微电网上一年度的负荷曲线输入负荷曲线预测模型中,得到微电网下一年度的负荷曲线,同理,可以将微电网的历史气象数据输入预先完成训练的出力曲线预测模型中,得到微电网在预置时间段内的出力曲线,比如,将微电网上一年度的气象数据输入出力曲线预测模型中,得到微电网下一年度的出力曲线。
本实施例通过机器学习模型预测微电网的负荷曲线和出力曲线,适应性高,并且能够不断学习更新机器学习模型,提高了所预测的负荷曲线和出力曲线准确度。
S102、根据负荷曲线和出力曲线确定微网群的源荷适配度,源荷适配度用于衡量微网群的供电能力。
本实施例中,源荷适配度可以是微网群的总出力值与总负荷的比值,源荷适配度用于衡量微网群的供电能力,源荷适配度越大,微网群的供电能力越高,可以通过微网群内各个微电网的负荷曲线和出力曲线计算微网群在各个时间点的总出力值和总负荷,通过各个时间点的总出力值和总负荷计算比值,将比值中的最小值作为微网群的源荷适配度。
在另一个实施例中,也可以将各个微电网的负荷曲线和出力曲线分别叠加,生成微网群的负荷曲线和出力曲线,然后计算微网群的负荷曲线和出力曲线中同一时间点的出力值和负荷的比值,将多个时间点的比值的最小值确定为微网群的源荷适配度。
S103、判断源荷适配度是大于或等于预设值。
预设值可以是判断微网群是否需要储能的阈值,在一个实施例中预设值可以是数值1,当源荷适配度大于或等于预设值1时,说明微网群的出力大于或等于负荷,微网群供电能力充足,执行S104,微网群无需储能,当源荷适配度小于预设值1时,说明微网群的出力小于负荷,微网群供电能力不足,需要储能以在出力不足时释放电能,则执行S105。
当然,预设值也可以设置为大于数值1的值,比如可以设置为1.2、1.5等,以提高微电网并网后电网的可靠性。
S104、确定微网群无需储能。
当源荷适配度是大于或等于预设值时,确定微网群的出力大于负荷,无需储能,微网群中的各个微电网无需对蓄电池、电容等储能设备充电。
S105、获取微网群的上级电网的故障平均修复时长。
上级电网可以是微网群所直接并入电网的上一级电网,通过上一级电网和微网群共同对所直接并入的电网供电,可以从电网系统中获取微网群的上级电网在历史时间段内的故障次数和每次故障的修复时长,计算多个修复时长的和值得到总修复时长,并计算总修复时长与故障次数的比值,得到故障平均修复时长。
S106、根据故障平均修复时长、负荷曲线和出力曲线确定微网群的储能需求总容量。
上级电网故障时,电网由微网群供电,可以计算微网群最大缺电额,计算最大缺电额与故障平均修复时长的乘积即为微网群的储能需求总容量,具体的,可以通过微网群内多个微电网的负荷曲线和出力曲线计算微网群多个时间点的总负荷和总出力值,计算微网群多个时间点的总负荷与总出力值的差值得到多个差值,将多个差值中的最大值确定为微网群的最大缺电额。
S107、根据负荷曲线和出力曲线确定每个微电网的储能分配系数。
储能分配系数用于确定微网群内各个微电网是否需要储能以及储能的份额,在一个实施例中,可以从每个微电网的负荷曲线中确定出每个时间点的负荷,以及从出力曲线中确定出每个时间点的出力值,然后针对每个微电网,计算每个时间点的负荷与出力值的差值,得到多个时间点的差值,并确定出最大差值,若最大差值大于或等于数值0,设置微电网的标记值为数值1,若最大差值小于数值0,设置微电网的标记值为数值0,计算所有微电网的标记值的和值,并计算每个微电网的标记值与和值的比值,得到每个微电网的储能分配系数。
在另一个实施例中,也可以根据每个微电网的负荷曲线和出力曲线计算微电网的平均负荷和平均出力值,确定出平均负荷大于平均出力值的目标微电网作为需要储能的微电网,针对每个目标微电网,计算平均负荷与平均出力值的差值,并计算差值的和值,计算差值与和值的比值作为目标微电网的储能分配系数。
在又一个实施例中,还可以根据每个微电网的出力曲线或负荷曲线确定分配权重作为微电网的储能分配系数,比如,每个微电网的出力曲线计算微电网的平均出力值,计算所有平均出力值的和值得到总出力值,计算每个微电网的平均出力值与总出力值的比值作为分配权重,亦即储能分配系数。
S108、计算储能需求总容量与储能分配系数的乘积,得到每个微电网的目标储能容量。
在确定每个微电网的储能分配系数后,可以计算储能需求总容量与储能分配系数的乘积,即得到每个微电网的目标储能容量,控制微电网的储能设备根据该目标储能容量进行储能。
本发明实施例通过预测微网群内每个微电网的负荷曲线和出力曲线,根据多个微电网的负荷曲线和出力曲线确定微网群的源荷适配度,以通过源荷适配度确定微网群的供电能力,在源荷适配度大于或等于预设值时确定微网群供电能力良好,微网群无需储能,在源荷适配度小于预设值时,通过上级电网的故障平均修复时长、所预测的负荷曲线和出力曲线确定微网群的储能需求总容量,以及通过微电网的负荷曲线和出力曲线确定每个微电网的储能分配系数,通过储能需求总容量和储能分配系数计算乘积作为每个微电网的目标储能容量,一方面,实现了通过源荷适配度衡量微网群的供电能力,以在源荷适配度小于预设值时配置储能,避免了无效储能,另一方面,通过微电网的出力和负荷确定储能分配系数,能够考虑每个微电网的出力和负荷情况分配储能容量,使得微电网储能更为合理、完善,提高了微网群并网时整个电网的稳定性和可靠性。
实施例二
图2为本发明实施例二提供的一种微网群储能容量配置方法的流程图,本发明实施例在上述实施例一的基础上进行优化,如图2所示,该微网群储能容量配置方法包括:
S201、预测微网群内每个微电网在预置时间段内的负荷曲线和出力曲线。
本实施例中,可以获取每个微电网在历史时间段内的历史负荷曲线,获取每个微电网所在地理位置在历史时间段内的气象数据,将历史负荷曲线输入负荷曲线生成模型中,得到微电网在预置时间段内的负荷曲线,将气象数据输入出力曲线生成模型中,得到微电网在预置时间段内的出力曲线。
示例性的,可以获取微电网在上一年度的历史负荷曲线,该历史负荷曲线包括上一年度8760个小时采样的负荷,将该历史负荷曲线输入负荷曲线生成模型中,即得到微电网在当前年度的负荷曲线,该负荷曲线包括当前年度8760个小时的负荷,同理,可以获取微电网在上一年度8760个小时采样的历史气象数据,历史气象数据包括光照强度、温度、风级、降水量等,将历史气象数据输入出力曲线生成模型中,即得到微电网在当前年度的出力曲线,该出力曲线包括当前年度8760个小时的出力值。
其中,负荷曲线生成模型可以通过以下方式训练:获取多个微电网第一年度的第一负荷曲线,以及获取第二年度的第二负荷曲线,第二年度为第一年度之后的、与第一年度相邻的年度,在初始化负荷曲线生成模型后,将第一负荷曲线输入负荷曲线生成模型中得到预测的负荷曲线,通过预测的负荷曲线和第二负荷曲线计算损失率,判断是否满足训练条件(比如训练次数达到预置次数,损失率小于预设值等),若是,确定负荷曲线生成模型完成训练,若否,则通过损失率结合各种梯度下降算法对负荷曲线生成模型的参数进行调整,返回将第一负荷曲线输入负荷曲线生成模型中得到预测的负荷曲线的步骤,以继续对负荷曲线生成模型进行训练。
其中,在计算损失率时,可以先计算第二负荷曲线与预测的负荷曲线的相似度,再计算同一个时间点的负荷的差值,再计算多个时间点的差值的均方差,计算负荷曲线的相似度与均方差的加权和(相似度和均方差可以预先设置权重)作为损失率。
出力曲线生成模型可以通过以下方式训练:获取多个微电网一个年度的气象数据和第一出力曲线,在初始化出力曲线生成模型后,将气象数据输入出力曲线生成模型中得到预测的第二出力曲线,通过第二出力曲线和第一出力曲线计算损失率,判断是否满足训练条件(比如训练次数达到预置次数,损失率小于预设值等),若是,确定出力曲线生成模型完成训练,若否,则通过损失率结合各种梯度下降算法对出力曲线生成模型的参数进行调整,返回将气象数据输入出力曲线生成模型中得到预测的第二出力曲线的步骤,以继续对出力曲线生成模型进行训练,其中损失率的计算方式可以参考负荷曲线生成模型训练时计算损失率,在此不再详述。
当然,本领域技术人员还可以参考现有技术中各种机器学习算法训练负荷曲线生成模型和出力曲线生成模型,比如基于对抗生成网络的模型等,本实施例对负荷曲线生成模型和出力曲线生成模型的训练方式不做限制。
S202、计算微网群中每个微电网的负荷曲线中同一时间点的负荷的和值,得到微网群在多个时间点的总负荷。
本实施例中,负荷曲线包括微电网在预置时间段内多个时间点的负荷,比如在一个年度内的负荷曲线包括微电网在一个年度内8760个小时中每个小时的负荷,可以计算微网群中每个微电网的负荷曲线中同一个时间点的负荷的和值,得到微网群多个时间点的总负荷,示例性的,微网群包括微电网1、微电网2和微电网3,微电网1的负荷曲线中第1个小时的负荷为WL,11、第2个小时的负荷为WL,12,微电网2的负荷曲线中第1个小时的负荷为WL,21、第2个小时的负荷为WL,22,微电网3的负荷曲线中第1个小时的负荷为WL,31、第2个小时的负荷为WL,32,则可以计算出微网群在第1个小时的总负荷WL,1=WL,11+ WL,21+ WL,31,第2个小时的总负荷WL,2=WL,12+ WL,22+ WL,32,以此类推得到微网群在多个时间点的总负荷。
S203、计算微网群中每个微电网的出力曲线中同一时间点的出力值的和值,得到微网群在多个时间点的总出力值。
本实施例中,出力曲线包括微电网在预置时间段内多个时间点的出力值,比如在一个年度内的出力曲线包括微电网在一个年度内8760个小时中每个小时的出力值,可以计算微网群中每个微电网的出力曲线中同一个时间点的出力值的和值,得到微网群多个时间点的总出力值,示例性的,微网群包括微电网1、微电网2和微电网3,微电网1的出力曲线中第1个小时的出力值为WN,11、第2个小时的出力值为WN,12,微电网2的出力曲线中第1个小时的出力值为WN,21、第2个小时的出力值为WN,22,微电网3的出力曲线中第1个小时的出力值为WN,31、第2个小时的出力值为WN,32,则可以计算出微网群在第1个小时的总出力值WN,1=WN,11+WN,21+ WN,31,第2个小时的总出力值WN,2=WN,12+ WN,22+ WN,32,以此类推得到微网群在多个时间点的总出力值。
S204、计算每个时间点的总出力值与总负荷的比值,得到多个比值。
S205、将多个比值中的最小值确定为微网群的源荷适配度。
具体的,如下公式所示计算微网群的源荷适配度:
;
公式中,WNt为微网群在时间t的总出力值,WLt为微网群在时间t的总负荷,当源荷适配度η≥1时,表明微网群中的微电网输出的电能能够满足微网群内负荷供电,可不考虑增加配置储能;当源荷适配度η<1时,微网群中的微电网输出的电能无法满足负荷供电需求,此时需要配置储能满足微网群功率平衡,本实施例通过微电网的负荷曲线和出力曲线直接计算微网群的源荷适配度,计算方式过程简单,效率高。
在另一个实施例中,还可以采用微网群中微电网的负荷曲线生成微网群的负荷曲线,采用微网群中微电网的出力曲线生成微网群的出力曲线,计算微网群的负荷曲线和出力曲线中同一个时间点的出力值与负荷的比值,得到多个比值,将多个比值中的最小值确定为微网群的源荷适配度,即先生成微网群的负荷曲线和出力曲线,然后通过微网群的负荷曲线和出力曲线确定微网群的源荷适配度,本实施例通过微电网的负荷曲线和出力曲线生成微网群的负荷曲线和出力曲线,通过微网群的负荷曲线和出力曲线计算微网群的源荷适配度,一方面,可以通过微网群的负荷曲线和出力曲线反映出微网群在电能上的供需关系,另一方面,可以提高源荷适配度的准确度。
S206、判断源荷适配度是大于或等于预设值。
预设值可以是判断微网群是否需要储能的阈值,在一个实施例中预设值可以是数值1,当源荷适配度大于或等于预设值1时,说明微网群的出力大于或等于负荷,微网群供电能力充足,执行S207,微网群无需储能,当源荷适配度小于预设值1时,说明微网群的出力小于负荷,微网群供电能力不足,需要储能以在出力不足时释放电能,则执行S208。
S207、确定微网群无需储能。
当源荷适配度是大于或等于预设值时,确定微网群的出力大于负荷,无需储能,微网群中的各个微电网无需对蓄电池、电容等储能设备充电。
S208、获取微网群的上级电网的故障平均修复时长。
在一个实施例中,可以获取微网群的上级电网在历史时间段内的故障次数和每次故障的修复时长,计算多个修复时长的和值得到总修复时长,并计算总修复时长与故障次数的比值,得到故障平均修复时长。
在另一个实施例中,也可以在电网系统内记录上级电网的故障平均修复时长,从电网系统中读取上级电网的故障平均修复时长。
S209、计算微网群在多个时间点的总出力值与总负荷的差值,得到多个差值。
S210、计算多个差值中的最大值与故障平均修复时长的乘积,得到微网群的储能需求总容量。
具体的,S209和S210可以通过以下公式表示:
;
公式中,QN为微网群的储能需求总容量,T为故障平均修复时长,WNt为微网群在时间t的总出力值,WLt为微网群在时间t的总负荷。
S211、从每个微电网的负荷曲线中确定出每个时间点的负荷,以及从出力曲线中确定出每个时间点的出力值;
S212、针对每个微电网,计算每个时间点的负荷与出力值的差值,得到多个时间点的差值,并确定出最大差值;
S213、若最大差值大于或等于数值0,设置微电网的标记值为数值1,若最大差值小于数值0,设置微电网的标记值为数值0;
S214、计算所有微电网的标记值的和值,并计算每个微电网的标记值与和值的比值,得到每个微电网的储能分配系数。
具体的,S211-S214可以通过以下公式表示:
;
;
其中,i表示第i个微电网,t表示时间点,μi表示第i个微电网的储能分配系数,WEL,i,t为第i个微电网在时间点t的负荷,WN,i,t为第i个微电网在时间点t的出力值,n为微网群中微电网的数量,ε( )为阶跃函数,阶跃函数用于设置微电网的标记值。
S215、计算储能需求总容量与储能分配系数的乘积,得到每个微电网的目标储能容量。
具体的,可以通过以下公式计算第i个微电网的目标储能容量Qs,i:
;
本实施例在预测微网群中微电网的负荷曲线和出力曲线后,通过微电网的负荷曲线和出力曲线计算微网群同一时间点的总负荷和总出力值,并计算每个时间点的总出力值与总负荷的比值得到多个比值,将多个比值中的最小值确定为微网群的源荷适配度,在源荷适配度小于预设值时,计算微网群在多个时间点的总出力值与总负荷的差值得到多个差值,计算多个差值中的最大值与故障平均修复时长的乘积,得到微网群的储能需求总容量,针对每个微电网,计算每个时间点的负荷与出力值的差值,得到多个时间点的差值,并确定出最大差值,若最大差值大于或等于数值0,设置微电网的标记值为数值1,若最大差值小于数值0,设置微电网的标记值为数值0,计算所有微电网的标记值的和值,并计算每个微电网的标记值与和值的比值,得到每个微电网的储能分配系数,最后计算储能需求总容量与储能分配系数的乘积,得到每个微电网的目标储能容量,一方面,实现了通过源荷适配度衡量微网群的供电能力,以在源荷适配度小于预设值时储能,避免了无效储能,另一方面,通过微电网的出力和负荷确定储能分配系数,能够考虑每个微电网的出力和负荷情况分配储能容量,使得微电网储能更为合理,提高了微网群并网时整个电网的稳定性和可靠性。
进一步的,在计算储能分配系数时,计算了每个时间点的负荷与出力值的差值,亦即考虑了微电网的负荷缺额情况来确定储能容量,使得微网群内微电网储能容量分配更为完善和合理。
实施例三
图3为本发明实施例三提供的一种微网群储能容量配置装置的结构示意图。如图3所示,该微网群储能容量配置装置包括:
曲线预测模块301,用于预测微网群内每个微电网在预置时间段内的负荷曲线和出力曲线;
源荷适配度确定模块302,用于根据所述负荷曲线和出力曲线确定所述微网群的源荷适配度,所述源荷适配度用于衡量所述微网群的供电能力;
判断模块303,用于判断所述源荷适配度是大于或等于预设值,若是,执行确定模块304,若否,执行时长获取模块305;
确定模块304,用于确定所述微网群无需储能;
时长获取模块305,用于获取所述微网群的上级电网的故障平均修复时长;
储能需求总容量确定模块306,用于根据所述故障平均修复时长、所述负荷曲线和出力曲线确定所述微网群的储能需求总容量;
储能分配系数确定模块307,用于根据所述负荷曲线和出力曲线确定每个微电网的储能分配系数;
目标储能容量计算模块308,用于计算所述储能需求总容量与所述储能分配系数的乘积,得到每个微电网的目标储能容量。
可选的,曲线预测模块301包括:
历史负荷曲线获取单元,用于获取每个微电网在历史时间段内的历史负荷曲线;
历史气象数据获取单元,用于获取每个微电网所在地理位置在历史时间段内的气象数据;
负荷曲线预测单元,用于将所述历史负荷曲线输入负荷曲线生成模型中,得到所述微电网在预置时间段内的负荷曲线;
出力曲线预测单元,用于将所述气象数据输入出力曲线生成模型中,得到所述微电网在预置时间段内的出力曲线。
可选的,源荷适配度确定模块302包括:
总负荷计算单元,用于计算所述微网群中每个微电网的负荷曲线中同一时间点的负荷的和值,得到微网群在多个时间点的总负荷;
总出力值计算单元,用于计算所述微网群中每个微电网的出力曲线中同一时间点的出力值的和值,得到微网群在多个时间点的总出力值;
第一比值计算单元,用于计算每个时间点的总出力值与总负荷的比值,得到多个比值;
第一源荷适配度确定单元,用于将多个比值中的最小值确定为所述微网群的源荷适配度。
可选的,源荷适配度确定模块302包括:
负荷曲线生成单元,用于采用所述微网群中微电网的负荷曲线生成所述微网群的负荷曲线;
出力曲线生成单元,用于采用所述微网群中微电网的出力曲线生成所述微网群的出力曲线;
第二比值计算单元,用于计算所述微网群的负荷曲线和出力曲线中同一个时间点的出力值与负荷的比值,得到多个比值;
第二源荷适配度确定单元,用于将多个比值中的最小值确定为所述微网群的源荷适配度。
可选的,时长获取模块305包括:
历史故障数据获取单元,用于获取所述微网群的上级电网在历史时间段内的故障次数和每次故障的修复时长;
平均修复时长计算单元,用于计算多个修复时长的和值得到总修复时长,并计算所述总修复时长与所述故障次数的比值,得到故障平均修复时长。
可选的,储能需求总容量确定模块306包括:
差值计算单元,用于计算所述微网群在多个时间点的总出力值与总负荷的差值,得到多个差值;
需求总容量计算单元,用于计算多个差值中的最大值与所述故障平均修复时长的乘积,得到所述微网群的储能需求总容量。
可选的,储能分配系数确定模块307包括:
负荷和出力值确定单元,用于从每个微电网的负荷曲线中确定出每个时间点的负荷,以及从出力曲线中确定出每个时间点的出力值;
最大差值确定单元,用于针对每个微电网,计算每个时间点的负荷与出力值的差值,得到多个时间点的差值,并确定出最大差值;
标记值设置单元,用于若所述最大差值大于或等于数值0,设置所述微电网的标记值为数值1,若所述最大差值小于数值0,设置所述微电网的标记值为数值0;
储能分配系数计算单元,用于计算所有微电网的标记值的和值,计算每个微电网的标记值与所述和值的比值,得到每个微电网的储能分配系数。
本发明实施例所提供的微网群储能容量配置装置可执行本发明任意实施例所提供的微网群储能容量配置方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备40包括至少一个处理器41,以及与至少一个处理器41通信连接的存储器,如只读存储器(ROM)42、随机访问存储器(RAM)43等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器41可以根据存储在只读存储器(ROM)42中的计算机程序或者从存储单元48加载到随机访问存储器(RAM)43中的计算机程序,来执行各种适当的动作和处理。在RAM 43中,还可存储电子设备40操作所需的各种程序和数据。处理器41、ROM 42以及RAM 43通过总线44彼此相连。输入/输出(I/O)接口45也连接至总线44。
电子设备40中的多个部件连接至I/O接口45,包括:输入单元46,例如键盘、鼠标等;输出单元47,例如各种类型的显示器、扬声器等;存储单元48,例如磁盘、光盘等;以及通信单元49,例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器41可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器41的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器41执行上文所描述的各个方法和处理,例如微网群储能容量配置方法。
在一些实施例中,微网群储能容量配置方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元48。在一些实施例中,计算机程序的部分或者全部可以经由ROM 42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到RAM 43并由处理器41执行时,可以执行上文描述的微网群储能容量配置方法的一个或多个步骤。备选地,在其他实施例中,处理器41可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行微网群储能容量配置方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种微网群储能容量配置方法,其特征在于,包括:
预测微网群内每个微电网在预置时间段内的负荷曲线和出力曲线;
根据所述负荷曲线和出力曲线确定所述微网群的源荷适配度,所述源荷适配度用于衡量所述微网群的供电能力;
判断所述源荷适配度是大于或等于预设值;
若是,确定所述微网群无需储能;
若否,获取所述微网群的上级电网的故障平均修复时长;
根据所述故障平均修复时长、所述负荷曲线和出力曲线确定所述微网群的储能需求总容量;
根据所述负荷曲线和出力曲线确定每个微电网的储能分配系数;
计算所述储能需求总容量与所述储能分配系数的乘积,得到每个微电网的目标储能容量。
2.根据权利要求1所述的微网群储能容量配置方法,其特征在于,预测微网群内每个微电网在预置时间段内的负荷曲线和出力曲线,包括:
获取每个微电网在历史时间段内的历史负荷曲线;
获取每个微电网所在地理位置在历史时间段内的气象数据;
将所述历史负荷曲线输入负荷曲线生成模型中,得到所述微电网在预置时间段内的负荷曲线;
将所述气象数据输入出力曲线生成模型中,得到所述微电网在预置时间段内的出力曲线。
3.根据权利要求1所述的微网群储能容量配置方法,其特征在于,根据所述负荷曲线和出力曲线确定所述微网群的源荷适配度,包括:
计算所述微网群中每个微电网的负荷曲线中同一时间点的负荷的和值,得到微网群在多个时间点的总负荷;
计算所述微网群中每个微电网的出力曲线中同一时间点的出力值的和值,得到微网群在多个时间点的总出力值;
计算每个时间点的总出力值与总负荷的比值,得到多个比值;
将多个比值中的最小值确定为所述微网群的源荷适配度。
4.根据权利要求1所述的微网群储能容量配置方法,其特征在于,根据所述负荷曲线和出力曲线确定所述微网群的源荷适配度,包括:
采用所述微网群中微电网的负荷曲线生成所述微网群的负荷曲线;
采用所述微网群中微电网的出力曲线生成所述微网群的出力曲线;
计算所述微网群的负荷曲线和出力曲线中同一个时间点的出力值与负荷的比值,得到多个比值;
将多个比值中的最小值确定为所述微网群的源荷适配度。
5.根据权利要求1所述的微网群储能容量配置方法,其特征在于,获取所述微网群的上级电网的故障平均修复时长,包括:
获取所述微网群的上级电网在历史时间段内的故障次数和每次故障的修复时长;
计算多个修复时长的和值得到总修复时长,并计算所述总修复时长与所述故障次数的比值,得到故障平均修复时长。
6.根据权利要求3所述的微网群储能容量配置方法,其特征在于,根据所述故障平均修复时长、所述负荷曲线和出力曲线确定所述微网群的储能需求总容量,包括:
计算所述微网群在多个时间点的总出力值与总负荷的差值,得到多个差值;
计算多个差值中的最大值与所述故障平均修复时长的乘积,得到所述微网群的储能需求总容量。
7.根据权利要求3所述的微网群储能容量配置方法,其特征在于,根据所述负荷曲线和出力曲线确定每个微电网的储能分配系数,包括:
从每个微电网的负荷曲线中确定出每个时间点的负荷,以及从出力曲线中确定出每个时间点的出力值;
针对每个微电网,计算每个时间点的负荷与出力值的差值,得到多个时间点的差值,并确定出最大差值;
若所述最大差值大于或等于数值0,设置所述微电网的标记值为数值1,若所述最大差值小于数值0,设置所述微电网的标记值为数值0;
计算所有微电网的标记值的和值,并计算每个微电网的标记值与所述和值的比值,得到每个微电网的储能分配系数。
8.一种微网群储能容量配置装置,其特征在于,包括:
曲线预测模块,用于预测微网群内每个微电网在预置时间段内的负荷曲线和出力曲线;
源荷适配度确定模块,用于根据所述负荷曲线和出力曲线确定所述微网群的源荷适配度,所述源荷适配度用于衡量所述微网群的供电能力;
判断模块,用于判断所述源荷适配度是大于或等于预设值,若是,执行确定模块,若否,执行时长获取模块;
确定模块,用于确定所述微网群无需储能;
时长获取模块,用于获取所述微网群的上级电网的故障平均修复时长;
储能需求总容量确定模块,用于根据所述故障平均修复时长、所述负荷曲线和出力曲线确定所述微网群的储能需求总容量;
储能分配系数确定模块,用于根据所述负荷曲线和出力曲线确定每个微电网的储能分配系数;
目标储能容量计算模块,用于计算所述储能需求总容量与所述储能分配系数的乘积,得到每个微电网的目标储能容量。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的微网群储能容量配置方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的微网群储能容量配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410501709.3A CN118100233B (zh) | 2024-04-25 | 2024-04-25 | 微网群储能容量配置方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410501709.3A CN118100233B (zh) | 2024-04-25 | 2024-04-25 | 微网群储能容量配置方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118100233A true CN118100233A (zh) | 2024-05-28 |
CN118100233B CN118100233B (zh) | 2024-08-30 |
Family
ID=91156592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410501709.3A Active CN118100233B (zh) | 2024-04-25 | 2024-04-25 | 微网群储能容量配置方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118100233B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110159389A1 (en) * | 2009-03-23 | 2011-06-30 | Hideo Ohara | Energy supply system |
CN102738834A (zh) * | 2012-06-21 | 2012-10-17 | 浙江大学 | 一种含光伏电源的城市微电网多孤岛动态划分与运行方法 |
KR20200037550A (ko) * | 2018-10-01 | 2020-04-09 | 한국전력공사 | 독립형 마이크로 그리드 운영장치 및 그 운영방법 |
KR20210046165A (ko) * | 2019-10-18 | 2021-04-28 | 한국전력공사 | 송배전 부하전환 시스템 및 방법 |
CN112821374A (zh) * | 2021-01-28 | 2021-05-18 | 上海明华电力科技有限公司 | 一种支持即插即用的智能直流微电网系统 |
CN115967086A (zh) * | 2022-12-26 | 2023-04-14 | 国网河北省电力有限公司电力科学研究院 | 一种有源配电网调配方法、装置、设备及存储介质 |
CN116260130A (zh) * | 2022-12-27 | 2023-06-13 | 国网河北省电力有限公司电力科学研究院 | 微网群功率协同调度方法和装置 |
-
2024
- 2024-04-25 CN CN202410501709.3A patent/CN118100233B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110159389A1 (en) * | 2009-03-23 | 2011-06-30 | Hideo Ohara | Energy supply system |
CN102738834A (zh) * | 2012-06-21 | 2012-10-17 | 浙江大学 | 一种含光伏电源的城市微电网多孤岛动态划分与运行方法 |
KR20200037550A (ko) * | 2018-10-01 | 2020-04-09 | 한국전력공사 | 독립형 마이크로 그리드 운영장치 및 그 운영방법 |
KR20210046165A (ko) * | 2019-10-18 | 2021-04-28 | 한국전력공사 | 송배전 부하전환 시스템 및 방법 |
CN112821374A (zh) * | 2021-01-28 | 2021-05-18 | 上海明华电力科技有限公司 | 一种支持即插即用的智能直流微电网系统 |
CN115967086A (zh) * | 2022-12-26 | 2023-04-14 | 国网河北省电力有限公司电力科学研究院 | 一种有源配电网调配方法、装置、设备及存储介质 |
CN116260130A (zh) * | 2022-12-27 | 2023-06-13 | 国网河北省电力有限公司电力科学研究院 | 微网群功率协同调度方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN118100233B (zh) | 2024-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113190693B (zh) | 储能系统的数据处理方法、装置、电子设备及存储介质 | |
CN117578617A (zh) | 一种新能源场站电量的控制方法、装置、设备及介质 | |
CN117473384A (zh) | 一种电网线路安全约束辨识方法、装置、设备及存储介质 | |
CN115597872B (zh) | 抽水蓄能机组甩负荷测试方法、装置、设备及介质 | |
CN116502864B (zh) | 配电网应急电源车调度方法、装置、电子设备和存储介质 | |
CN117332896A (zh) | 多层集成学习的新能源小时间尺度功率预测方法及系统 | |
CN118100233B (zh) | 微网群储能容量配置方法、装置、电子设备和存储介质 | |
CN115952921A (zh) | 一种光伏能源功率预测方法、装置、电子设备及存储介质 | |
CN116054135A (zh) | 微电网无功功率预测方法、装置、电子设备及存储介质 | |
CN116307511A (zh) | 一种园区电网储能配置方法、装置、设备及介质 | |
CN117575175B (zh) | 碳排放评估方法、装置、电子设备和存储介质 | |
CN115149572B (zh) | 发电机的并机控制方法、装置及计算机程序产品 | |
CN117131353B (zh) | 一种超差电能表确定方法、装置、电子设备及存储介质 | |
CN117249036B (zh) | 一种抽水蓄能系统、水轮发电机组状态评估方法及装置 | |
CN118468059B (zh) | 一种电力系统电站特性确定方法、装置、电子设备及介质 | |
CN115373449B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN117094537B (zh) | 电网规划方法、装置、电子设备和存储介质 | |
CN118399447A (zh) | 一种储能系统的接入方法、装置、设备及介质 | |
CN115360699A (zh) | 一种电网安全性校验方法、装置、设备及存储介质 | |
CN114186494A (zh) | 负荷确定方法、模型训练方法、装置以及电子设备 | |
CN116914737A (zh) | 配电网光伏承载力评估方法、装置、设备及存储介质 | |
CN115456455A (zh) | 一种储能配置方法、装置、设备及存储介质 | |
CN118508521A (zh) | 一种功率分配方法、装置、设备、存储介质及程序产品 | |
CN116845906A (zh) | 一种配电网网架确定方法、装置、设备以及存储介质 | |
CN117134336A (zh) | 一种智能电网能源管理方法及系统 |
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 | ||
GR01 | Patent grant |