CN118263931B - 分布式光伏的分布式控制方法、系统、终端及存储介质 - Google Patents
分布式光伏的分布式控制方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN118263931B CN118263931B CN202410692891.5A CN202410692891A CN118263931B CN 118263931 B CN118263931 B CN 118263931B CN 202410692891 A CN202410692891 A CN 202410692891A CN 118263931 B CN118263931 B CN 118263931B
- Authority
- CN
- China
- Prior art keywords
- group
- distributed
- predicted value
- management node
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000010248 power generation Methods 0.000 claims abstract description 56
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 238000007726 management method Methods 0.000 claims description 74
- 238000012544 monitoring process Methods 0.000 claims description 49
- 230000015654 memory Effects 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 8
- 230000006855 networking Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000006403 short-term memory Effects 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
- H02J3/38—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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- H02J3/381—Dispersed generators
-
- 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
- H02J3/50—Controlling the sharing of the out-of-phase component
-
- 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]
-
- 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
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及数据处理技术领域，具体提供一种分布式光伏的分布式控制方法、系统、终端及存储介质，包括：将台区的所有控制终端接入台区局域网，组建为分布式系统，并根据控制终端对应的地理区域为分布式系统中的控制终端进行分组；同组的控制终端对相应地理区域的光伏发电量和负荷量进行预测，得到光伏发电预测值和负荷预测值；分布式系统的管理节点将光伏预测值和负荷预测值输入预先构建的优化模型，并将优化模型的求解构建为计算任务；管理节点对计算任务进行动态拆分，并将拆分出的子任务下发至控制终端；管理节点整合控制终端反馈的计算结果得到各可控装置的有功无功出力调整量。实现计算资源的充分利用，实现对分布式光伏的优化控制。
Description
技术领域
本发明属于数据处理技术领域，具体涉及一种分布式光伏的分布式控制方法、系统、终端及存储介质。
背景技术
分布式光伏电站通常是指利用分散式资源，装机规模较小的、布置在用户附近的发电系统，它一般接入低于35千伏或更低电压等级的电网。分布式光伏电站特指采用光伏组件，将太阳能直接转换为电能的分布式光伏电站系统。分布式光伏电站通常直接为附近用户供电。然而农村地区用电负荷较低，低压分布式光伏大量接入引起源、荷严重不匹配，功率反送造成电压越限问题突出。
模型预测控制(MPC)是一类特殊的控制。它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得。过程的当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用。这是它与那些使用预先计算控制律的算法的最大不同。本质上模型预测控制求解一个开环最优控制问题。它的思想与具体的模型无关，但是实现则与模型有关。模型预测控制是解决光伏发电电网的控制问题的重要手段，然而随着分布式光伏电站复杂程度的提升，数据量不断攀升，对计算资源的需求越来越大。
当前控制技术均为集中式控制方案，台区管理中心的服务器无法满足计算需求。
发明内容
针对现有技术的上述不足，本发明提供一种分布式光伏的分布式控制方法、系统、终端及存储介质，以解决上述技术问题。
第一方面，本发明提供一种分布式光伏的分布式控制方法，包括：
将台区的所有控制终端接入台区局域网，组建为分布式系统，并根据控制终端对应的地理区域为分布式系统中的控制终端进行分组；
同组的控制终端对相应地理区域的光伏发电量和负荷量进行预测，得到光伏发电预测值和负荷预测值；
分布式系统的管理节点将光伏预测值和负荷预测值输入预先构建的优化模型，并将优化模型的求解构建为计算任务；
所述管理节点对所述计算任务进行动态拆分，并将拆分出的子任务下发至控制终端；
所述管理节点整合控制终端反馈的计算结果得到各可控装置的有功无功出力调整量。
在一个可选的实施方式中，将台区的所有控制终端接入台区局域网，组建为分布式系统，并根据控制终端对应的地理区域为分布式系统中的控制终端进行分组，包括：
将台区管理中心的服务器设置为管理节点，将下级控制终端设置为业务节点；
将处于同一地理区域的光伏发电设备划分至同一片区，将同一片区的多个控制终端划分至同组；
为每个组生成信息列表，所述信息列表存储组内业务节点的地址信息；
将信息列表分发至相应的组内业务节点。
在一个可选的实施方式中，同组的控制终端对相应地理区域的光伏发电量和负荷量进行预测，得到光伏发电预测值和负荷预测值，包括：
组内业务节点选举出组内管理节点；
组内业务节点将自身收集的气象监测数据和负荷监测数据上传至组内管理节点；
组内管理节点计算平均气象监测数据和平均负荷监测数据，并将平均气象监测数据和平均负荷监测数据广播至组内各业务节点；
组内管理节点生成利用第一LSTM模型基于平均气象监测数据预测发电量的第一任务，以及利用第二LSTM模型基于平均负荷监测数据预测负荷量的第二任务；
组内管理节点分别对第一任务和第二任务进行拆分，并将拆分出的子任务下发至组内业务节点，对组内业务节点反馈的子任务计算结果进行整合，得到组的光伏发电预测值和负荷预测值；
将光伏发电预测值和负荷预测值打上组标识后上传至分布式系统的管理节点。
在一个可选的实施方式中，分布式系统的管理节点将光伏预测值和负荷预测值输入预先构建的优化模型，并将优化模型的求解构建为计算任务，包括：
分布式系统的管理节点对各组的光伏发电预测值和负荷预测值，按时间点进行对齐；
构建台区光伏发电设备、负载端和并网接口之间的线路连接拓扑，并在线路连接拓扑添加有功无功调节装置；
将各组的光伏发电预测值和负荷预测值代入所述拓扑的相应区域，构建计算区域网损的目标函数，以求取网损最小值为优化目标；
将目标函数的求解过程转换为二阶锥规划求解问题，生成求解各支路的有功无功出力的计算任务。
在一个可选的实施方式中，所述方法还包括：
所述管理节点预先存储控制终端与支路的对应关系；
基于所述对应关系将各支路的有功无功值下发至相应的控制终端；
控制终端基于预先存储的支路与可控装置的对应关系，调用相应的可控装置进行有功无功调节。
第二方面，本发明提供一种分布式光伏的分布式控制系统，包括：
组网构建模块，用于将台区的所有控制终端接入台区局域网，组建为分布式系统，并根据控制终端对应的地理区域为分布式系统中的控制终端进行分组；
数据预测模块，用于同组的控制终端对相应地理区域的光伏发电量和负荷量进行预测，得到光伏发电预测值和负荷预测值；
任务生成模块，用于分布式系统的管理节点将光伏预测值和负荷预测值输入预先构建的优化模型，并将优化模型的求解构建为计算任务；
任务拆分模块，用于所述管理节点对所述计算任务进行动态拆分，并将拆分出的子任务下发至控制终端；
结果整合模块，用于所述管理节点整合控制终端反馈的计算结果得到各可控装置的有功无功出力调整量。
在一个可选的实施方式中，所述组网构建模块包括：
权限划分单元，用于将台区管理中心的服务器设置为管理节点，将下级控制终端设置为业务节点；
组别划分单元，用于将处于同一地理区域的光伏发电设备划分至同一片区，将同一片区的多个控制终端划分至同组；
列表生成单元，用于为每个组生成信息列表，所述信息列表存储组内业务节点的地址信息；
列表分发单元，用于将信息列表分发至相应的组内业务节点。
在一个可选的实施方式中，所述数据预测模块包括：
节点选举单元，用于组内业务节点选举出组内管理节点；
数据上传单元，用于组内业务节点将自身收集的气象监测数据和负荷监测数据上传至组内管理节点；
数据广播单元，用于组内管理节点计算平均气象监测数据和平均负荷监测数据，并将平均气象监测数据和平均负荷监测数据广播至组内各业务节点；
预测构建单元，用于组内管理节点生成利用第一LSTM模型基于平均气象监测数据预测发电量的第一任务，以及利用第二LSTM模型基于平均负荷监测数据预测负荷量的第二任务；
预测汇总单元，用于组内管理节点分别对第一任务和第二任务进行拆分，并将拆分出的子任务下发至组内业务节点，对组内业务节点反馈的子任务计算结果进行整合，得到组的光伏发电预测值和负荷预测值；
结果上传单元，用于将光伏发电预测值和负荷预测值打上组标识后上传至分布式系统的管理节点。
第三方面，提供一种终端，包括：
处理器、存储器，其中，
该存储器用于存储计算机程序，
该处理器用于从存储器中调用并运行该计算机程序，使得终端执行上述的终端的方法。
第四方面，提供了一种计算机存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。
本发明的有益效果在于，本发明提供的分布式光伏的分布式控制方法、系统、终端及存储介质，通过将台区所有控制终端接入台区局域网，构建分布式系统，从而将台区所有控制终端的计算资源统一起来，进一步通过对控制终端进行分组，实现组内精准预测发电量和负荷量，此种方式实现了台区电网的拆分，提升预测精准度，进一步的台区对各组的发电与负荷的预测值进行整合，基于优化模型生成计算任务，将计算任务进行动态拆分后下发至下级的控制终端，实现计算资源的充分利用，实现对分布式光伏的优化控制。
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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是本发明一个实施例的方法的示意性流程图。
图2是本发明一个实施例的系统的示意性框图。
图3为本发明实施例提供的一种终端的结构示意图。
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中的技术方案，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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
本发明实施例提供的分布式光伏的分布式控制方法由计算机设备执行，相应地，分布式光伏的分布式控制系统运行于计算机设备中。
图1是本发明一个实施例的方法的示意性流程图。其中，图1执行主体可以为一种分布式光伏的分布式控制系统。根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略。
如图1所示，该方法包括：
步骤110，将台区的所有控制终端接入台区局域网，组建为分布式系统，并根据控制终端对应的地理区域为分布式系统中的控制终端进行分组；
步骤120，同组的控制终端对相应地理区域的光伏发电量和负荷量进行预测，得到光伏发电预测值和负荷预测值；
步骤130，分布式系统的管理节点将光伏预测值和负荷预测值输入预先构建的优化模型，并将优化模型的求解构建为计算任务；
步骤140，所述管理节点对所述计算任务进行动态拆分，并将拆分出的子任务下发至控制终端；
步骤150，所述管理节点整合控制终端反馈的计算结果得到各可控装置的有功无功出力调整量。
为了便于对本发明的理解，下面以本发明分布式光伏的分布式控制方法的原理，结合实施例中对分布式光伏进行分布式控制的过程，对本发明提供的分布式光伏的分布式控制方法做进一步的描述。
具体的，分布式光伏的分布式控制方法包括：
S1、将台区的所有控制终端接入台区局域网，组建为分布式系统，并根据控制终端对应的地理区域为分布式系统中的控制终端进行分组。
将台区管理中心的服务器设置为管理节点，将下级控制终端设置为业务节点；将处于同一地理区域的光伏发电设备划分至同一片区，将同一片区的多个控制终端划分至同组；为每个组生成信息列表，所述信息列表存储组内业务节点的地址信息；将信息列表分发至相应的组内业务节点。
例如，将一个村的控制终端划分至同组，同组的控制终端可以通过信息列表知道组内其它成员。
S2、同组的控制终端对相应地理区域的光伏发电量和负荷量进行预测，得到光伏发电预测值和负荷预测值。
S201、组内业务节点选举出组内管理节点。
选举出计算资源和存储资源最多的组内管理节点。
S202、组内业务节点将自身收集的气象监测数据和负荷监测数据上传至组内管理节点。
各控制终端负责接收传感器上传的数据以及对下级一些装置下发控制指令。
S203、组内管理节点计算平均气象监测数据和平均负荷监测数据，并将平均气象监测数据和平均负荷监测数据广播至组内各业务节点。
S204、组内管理节点生成利用第一LSTM模型基于平均气象监测数据预测发电量的第一任务，以及利用第二LSTM模型基于平均负荷监测数据预测负荷量的第二任务。
LSTM（Long Short-Term Memory）是一种特殊的RNN（循环神经网络）模型，旨在解决传统RNN在处理长序列数据时遇到的长期依赖问题。LSTM通过引入门控机制，包括输入门、遗忘门和输出门，来控制信息的流动，从而更好地保留关键信息并过滤掉不重要的信息。
第一LSTM模型的输入参数为气象监测数据，如光照度、温度，输出参数为光伏发电预测值。第二LSTM模型的输入参数为时间，输出参数为负荷预测值。
S205、组内管理节点分别对第一任务和第二任务进行拆分，并将拆分出的子任务下发至组内业务节点，对组内业务节点反馈的子任务计算结果进行整合，得到组的光伏发电预测值和负荷预测值。
组内管理节点采用静态拆分方法，按组内各控制终端的可用资源量按比例进行子任务分发。
S206、将光伏发电预测值和负荷预测值打上组标识后上传至分布式系统的管理节点。
S3、分布式系统的管理节点将光伏预测值和负荷预测值输入预先构建的优化模型，并将优化模型的求解构建为计算任务。
S301、分布式系统的管理节点对各组的光伏发电预测值和负荷预测值，按时间点进行对齐。
根据各组上传的光伏发电预测值和负荷预测值对应的时间点，按照时间点进行数据对齐，例如组1的数据为光伏发电预测值A1-负荷预测值B1-9月1日，光伏发电预测值A2-负荷预测值B2-9月2日，组2的数据为光伏发电预测值A3-负荷预测值B3-9月2日，光伏发电预测值A4-负荷预测值B4-9月3日，则取组1的光伏发电预测值A2-负荷预测值B2-9月2日和组2的光伏发电预测值A3-负荷预测值B3-9月2日，其它数据舍弃。
S302、构建台区光伏发电设备、负载端和并网接口之间的线路连接拓扑，并在线路连接拓扑添加有功无功调节装置。
S303、将各组的光伏发电预测值和负荷预测值代入所述拓扑的相应区域，构建计算区域网损的目标函数，以求取网损最小值为优化目标。
目标函数为各支路线路的网损总和。网损包括：电流在输电线路中流动时，由于线路的电阻而消耗的有功功率。线路间的绝缘漏电造成的有功功率损耗架空输电线路的电晕放电引起的有功功率损耗。
将目标函数的求解过程转换为二阶锥规划求解问题，生成求解各支路的有功无功出力的计算任务。具体的网损计算方法及目标函数求解过程为现有的优化模型，因此详细计算步骤不做赘述。
S4、所述管理节点对所述计算任务进行动态拆分，并将拆分出的子任务下发至控制终端。
根据任务的复杂度和目标控制终端的计算能力，将任务划分成大小不等的子任务。并将划分出的子任务下发至目标控制终端。
S5、所述管理节点整合控制终端反馈的计算结果得到各可控装置的有功无功出力调整量。
可以采用分布式的方式进行结果合并。即将各个控制终端的结果在组内进行共享，并在各个组内节点进行局部结果的合并，最后再将局部结果在分布式系统的管理节点进行全局合并，得到最终的结果。
管理节点预先存储控制终端与支路的对应关系；基于所述对应关系将各支路的有功无功值下发至相应的控制终端；控制终端基于预先存储的支路与可控装置的对应关系，调用相应的可控装置进行有功无功调节。
在一些实施例中，所述分布式光伏的分布式控制系统可以包括多个由计算机程序段所组成的功能模块。所述分布式光伏的分布式控制系统中的各个程序段的计算机程序可以存储于计算机设备的存储器中，并由至少一个处理器所执行，以执行（详见图1描述）分布式光伏的分布式控制的功能。
本实施例中，所述分布式光伏的分布式控制系统根据其所执行的功能，可以被划分为多个功能模块，如图2所示。系统200的功能模块可以包括：组网构建模块210、数据预测模块220、任务生成模块230、任务拆分模块240、结果整合模块250。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
组网构建模块，用于将台区的所有控制终端接入台区局域网，组建为分布式系统，并根据控制终端对应的地理区域为分布式系统中的控制终端进行分组；
数据预测模块，用于同组的控制终端对相应地理区域的光伏发电量和负荷量进行预测，得到光伏发电预测值和负荷预测值；
任务生成模块，用于分布式系统的管理节点将光伏预测值和负荷预测值输入预先构建的优化模型，并将优化模型的求解构建为计算任务；
任务拆分模块，用于所述管理节点对所述计算任务进行动态拆分，并将拆分出的子任务下发至控制终端；
结果整合模块，用于所述管理节点整合控制终端反馈的计算结果得到各可控装置的有功无功出力调整量。
可选地，作为本发明一个实施例，组网构建模块包括：
权限划分单元，用于将台区管理中心的服务器设置为管理节点，将下级控制终端设置为业务节点；
组别划分单元，用于将处于同一地理区域的光伏发电设备划分至同一片区，将同一片区的多个控制终端划分至同组；
列表生成单元，用于为每个组生成信息列表，所述信息列表存储组内业务节点的地址信息；
列表分发单元，用于将信息列表分发至相应的组内业务节点。
可选地，作为本发明一个实施例，数据预测模块包括：
节点选举单元，用于组内业务节点选举出组内管理节点；
数据上传单元，用于组内业务节点将自身收集的气象监测数据和负荷监测数据上传至组内管理节点；
数据广播单元，用于组内管理节点计算平均气象监测数据和平均负荷监测数据，并将平均气象监测数据和平均负荷监测数据广播至组内各业务节点；
预测构建单元，用于组内管理节点生成利用第一LSTM模型基于平均气象监测数据预测发电量的第一任务，以及利用第二LSTM模型基于平均负荷监测数据预测负荷量的第二任务；
预测汇总单元，用于组内管理节点分别对第一任务和第二任务进行拆分，并将拆分出的子任务下发至组内业务节点，对组内业务节点反馈的子任务计算结果进行整合，得到组的光伏发电预测值和负荷预测值；
结果上传单元，用于将光伏发电预测值和负荷预测值打上组标识后上传至分布式系统的管理节点。
图3为本发明实施例提供的一种终端300的结构示意图，该终端300可以用于执行本发明实施例提供的分布式光伏的分布式控制方法。
其中，该终端300可以包括：处理器310、存储器320及通信模块330。这些组件通过一条或多条总线进行通信，本领域技术人员可以理解，图中示出的服务器的结构并不构成对本发明的限定，它既可以是总线形结构，也可以是星型结构，还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
其中，该存储器320可以用于存储处理器310的执行指令，存储器320可以由任何类型的易失性或非易失性存储终端或者它们的组合实现，如静态随机存取存储器（SRAM），电可擦除可编程只读存储器（EEPROM），可擦除可编程只读存储器（EPROM），可编程只读存储器（PROM），只读存储器（ROM），磁存储器，快闪存储器，磁盘或光盘。当存储器320中的执行指令由处理器310执行时，使得终端300能够执行以下上述方法实施例中的部分或全部步骤。
处理器310为存储终端的控制中心，利用各种接口和线路连接整个电子终端的各个部分，通过运行或执行存储在存储器320内的软件程序和/或模块，以及调用存储在存储器内的数据，以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(Integrated Circuit，简称IC) 组成，例如可以由单颗封装的IC 所组成，也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说，处理器310可以仅包括中央处理器(Central Processing Unit，简称CPU)。在本发明实施方式中，CPU可以是单运算核心，也可以包括多运算核心。
通信模块330，用于建立通信信道，从而使所述存储终端可以与其它终端进行通信。接收其他终端发送的用户数据或者向其他终端发送用户数据。
本发明还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体（英文：read-only memory，简称：ROM）或随机存储记忆体（英文：random access memory，简称：RAM）等。
因此，本发明通过将台区所有控制终端接入台区局域网，构建分布式系统，从而将台区所有控制终端的计算资源统一起来，进一步通过对控制终端进行分组，实现组内精准预测发电量和负荷量，此种方式实现了台区电网的拆分，提升预测精准度，进一步的台区对各组的发电与负荷的预测值进行整合，基于优化模型生成计算任务，将计算任务进行动态拆分后下发至下级的控制终端，实现计算资源的充分利用，实现对分布式光伏的优化控制，本实施例所能达到的技术效果可以参见上文中的描述，此处不再赘述。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中如U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质，包括若干指令用以使得一台计算机终端（可以是个人计算机，服务器，或者第二终端、网络终端等）执行本发明各个实施例所述方法的全部或部分步骤。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于终端实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，系统或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种分布式光伏的分布式控制方法，其特征在于，包括：
将台区的所有控制终端接入台区局域网，组建为分布式系统，并根据控制终端对应的地理区域为分布式系统中的控制终端进行分组；
同组的控制终端对相应地理区域的光伏发电量和负荷量进行预测，得到光伏发电预测值和负荷预测值；具体包括：组内业务节点选举出计算资源和存储资源最多的组内管理节点；组内业务节点将自身收集的气象监测数据和负荷监测数据上传至组内管理节点，各控制终端负责接收传感器上传的数据以及对下级一些装置下发控制指令；组内管理节点计算平均气象监测数据和平均负荷监测数据，并将平均气象监测数据和平均负荷监测数据广播至组内各业务节点；组内管理节点生成利用第一LSTM模型基于平均气象监测数据预测发电量的第一任务，以及利用第二LSTM模型基于平均负荷监测数据预测负荷量的第二任务；组内管理节点分别对第一任务和第二任务进行拆分，并将拆分出的子任务下发至组内业务节点，对组内业务节点反馈的子任务计算结果进行整合，得到组的光伏发电预测值和负荷预测值，组内管理节点采用静态拆分方法，按组内各控制终端的可用资源量按比例进行子任务分发；将光伏发电预测值和负荷预测值打上组标识后上传至分布式系统的管理节点；
分布式系统的管理节点将光伏预测值和负荷预测值输入预先构建的优化模型，并将优化模型的求解构建为计算任务；
所述管理节点对所述计算任务进行动态拆分，并将拆分出的子任务下发至控制终端；
所述管理节点整合控制终端反馈的计算结果得到各可控装置的有功无功出力调整量。
2.根据权利要求1所述的方法，其特征在于，将台区的所有控制终端接入台区局域网，组建为分布式系统，并根据控制终端对应的地理区域为分布式系统中的控制终端进行分组，包括：
将台区管理中心的服务器设置为管理节点，将下级控制终端设置为业务节点；
将处于同一地理区域的光伏发电设备划分至同一片区，将同一片区的多个控制终端划分至同组；
为每个组生成信息列表，所述信息列表存储组内业务节点的地址信息；
将信息列表分发至相应的组内业务节点。
3.根据权利要求2所述的方法，其特征在于，分布式系统的管理节点将光伏预测值和负荷预测值输入预先构建的优化模型，并将优化模型的求解构建为计算任务，包括：
分布式系统的管理节点对各组的光伏发电预测值和负荷预测值，按时间点进行对齐；
构建台区光伏发电设备、负载端和并网接口之间的线路连接拓扑，并在线路连接拓扑添加有功无功调节装置；
将各组的光伏发电预测值和负荷预测值代入所述拓扑的相应区域，构建计算区域网损的目标函数，以求取网损最小值为优化目标；
将目标函数的求解过程转换为二阶锥规划求解问题，生成求解各支路的有功无功出力的计算任务。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
所述管理节点预先存储控制终端与支路的对应关系；
基于所述对应关系将各支路的有功无功值下发至相应的控制终端；
控制终端基于预先存储的支路与可控装置的对应关系，调用相应的可控装置进行有功无功调节。
5.一种分布式光伏的分布式控制系统，其特征在于，包括：
组网构建模块，用于将台区的所有控制终端接入台区局域网，组建为分布式系统，并根据控制终端对应的地理区域为分布式系统中的控制终端进行分组；
数据预测模块，用于同组的控制终端对相应地理区域的光伏发电量和负荷量进行预测，得到光伏发电预测值和负荷预测值；具体包括：组内业务节点选举出计算资源和存储资源最多的组内管理节点；组内业务节点将自身收集的气象监测数据和负荷监测数据上传至组内管理节点，各控制终端负责接收传感器上传的数据以及对下级一些装置下发控制指令；组内管理节点计算平均气象监测数据和平均负荷监测数据，并将平均气象监测数据和平均负荷监测数据广播至组内各业务节点；组内管理节点生成利用第一LSTM模型基于平均气象监测数据预测发电量的第一任务，以及利用第二LSTM模型基于平均负荷监测数据预测负荷量的第二任务；组内管理节点分别对第一任务和第二任务进行拆分，并将拆分出的子任务下发至组内业务节点，对组内业务节点反馈的子任务计算结果进行整合，得到组的光伏发电预测值和负荷预测值，组内管理节点采用静态拆分方法，按组内各控制终端的可用资源量按比例进行子任务分发；将光伏发电预测值和负荷预测值打上组标识后上传至分布式系统的管理节点；
任务生成模块，用于分布式系统的管理节点将光伏预测值和负荷预测值输入预先构建的优化模型，并将优化模型的求解构建为计算任务；
任务拆分模块，用于所述管理节点对所述计算任务进行动态拆分，并将拆分出的子任务下发至控制终端；
结果整合模块，用于所述管理节点整合控制终端反馈的计算结果得到各可控装置的有功无功出力调整量。
6.根据权利要求5所述的系统，其特征在于，所述组网构建模块包括：
权限划分单元，用于将台区管理中心的服务器设置为管理节点，将下级控制终端设置为业务节点；
组别划分单元，用于将处于同一地理区域的光伏发电设备划分至同一片区，将同一片区的多个控制终端划分至同组；
列表生成单元，用于为每个组生成信息列表，所述信息列表存储组内业务节点的地址信息；
列表分发单元，用于将信息列表分发至相应的组内业务节点。
7.一种终端，其特征在于，包括：
存储器，用于存储分布式光伏的分布式控制程序；
处理器，用于执行所述分布式光伏的分布式控制程序时实现如权利要求1-4任一项所述分布式光伏的分布式控制方法的步骤。
8.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述可读存储介质上存储有分布式光伏的分布式控制程序，所述分布式光伏的分布式控制程序被处理器执行时实现如权利要求1-4任一项所述分布式光伏的分布式控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410692891.5A CN118263931B (zh) | 2024-05-31 | 2024-05-31 | 分布式光伏的分布式控制方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410692891.5A CN118263931B (zh) | 2024-05-31 | 2024-05-31 | 分布式光伏的分布式控制方法、系统、终端及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118263931A CN118263931A (zh) | 2024-06-28 |
| CN118263931B true CN118263931B (zh) | 2024-08-20 |
Family
ID=91602772
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410692891.5A Active CN118263931B (zh) | 2024-05-31 | 2024-05-31 | 分布式光伏的分布式控制方法、系统、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118263931B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118487320B (zh) * | 2024-07-15 | 2024-09-24 | 广东阳升建设工程有限公司 | 一种分布式太阳能光伏发电系统的集成控制方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117638923A (zh) * | 2023-12-13 | 2024-03-01 | 国网江苏省电力有限公司泰州供电分公司 | 配网分布式光伏高精度预测及就地消纳方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170124464A1 (en) * | 2015-10-28 | 2017-05-04 | Fractal Industries, Inc. | Rapid predictive analysis of very large data sets using the distributed computational graph |
| CN114142532B (zh) * | 2021-11-26 | 2023-06-23 | 国网山东省电力公司电力科学研究院 | 分布式光伏参与源网荷储协调控制的方法及系统 |
| CN116094032A (zh) * | 2022-11-24 | 2023-05-09 | 国电南瑞科技股份有限公司 | 高渗透率光伏接入的配电网云边端协同能量自平衡方法 |
| CN116307035A (zh) * | 2022-12-02 | 2023-06-23 | 西安交通大学 | 考虑边缘数据中心集群的主动配电网优化调度方法及系统 |
| CN116451880B (zh) * | 2023-06-16 | 2023-09-12 | 华北电力大学 | 一种基于混合学习的分布式能源优化调度方法及装置 |
| CN117439177A (zh) * | 2023-10-19 | 2024-01-23 | 国网江苏省电力有限公司电力科学研究院 | 一种分布式光伏协调控制方法、装置、介质及设备 |
| CN117578586A (zh) * | 2023-11-29 | 2024-02-20 | 国网浙江省电力有限公司杭州市萧山区供电公司 | 一种分布式光伏接入区域配网优化方法及系统 |
-
2024
- 2024-05-31 CN CN202410692891.5A patent/CN118263931B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117638923A (zh) * | 2023-12-13 | 2024-03-01 | 国网江苏省电力有限公司泰州供电分公司 | 配网分布式光伏高精度预测及就地消纳方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118263931A (zh) | 2024-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11581732B2 (en) | Establishing communication and power sharing links between components of a distributed energy system | |
| CN118263931B (zh) | 分布式光伏的分布式控制方法、系统、终端及存储介质 | |
| Toosi et al. | A fuzzy logic-based controller for cost and energy efficient load balancing in geo-distributed data centers | |
| Lezama et al. | Agent-based microgrid scheduling: An ICT perspective | |
| Srikantha et al. | Distributed optimization of dispatch in sustainable generation systems via dual decomposition | |
| US10199863B2 (en) | Dynamic curtailment of an energy generation system | |
| Pau et al. | A service oriented architecture for the digitalization and automation of distribution grids | |
| EP3979563B1 (en) | Inter-domain data interaction method and apparatus | |
| Rayati et al. | An optimal and decentralized transactive energy system for electrical grids with high penetration of renewable energy sources | |
| Wang et al. | Coordinated dispatch of networked energy storage systems for loading management in active distribution networks | |
| Leithon et al. | Cost-aware renewable energy management with application in cellular networks | |
| CN111625583B (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
| Yaghmaee et al. | Power consumption scheduling for future connected smart homes using bi-level cost-wise optimization approach | |
| Kumar et al. | An optimized framework of the integrated renewable energy and power quality model for the smart grid | |
| CN103488726A (zh) | 基于web-service的建设电网统一数据平台的方法 | |
| CN103488820A (zh) | 一种基于长过程时序仿真的分布式电源规划方法 | |
| CN114899885A (zh) | 电力调度方法、系统和存储介质 | |
| Nguyen et al. | Implementation of a coordinated voltage control algorithm for a microgrid via SCADA-as-a-service approach | |
| Farzin et al. | A hierarchical scheme for outage management in multi‐microgrids | |
| Wang et al. | Air conditioner fast dispatching model based on load aggregator and direct load control | |
| Srikantha et al. | Hierarchical signal processing for tractable power flow management in electric grid networks | |
| CN116843152A (zh) | 面向电力-数据服务的互联网数据中心双层规划方法 | |
| US11854054B2 (en) | Adaptive energy storage operating system for multiple economic services | |
| CN117236574A (zh) | 源网荷储协调优化方法、装置、设备、存储介质 | |
| Aljicevic et al. | Resource allocation model for cloud-fog-based smart grid |
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 |