CN119093364B - 一种主配微电网实时协调调度方法及系统 - Google Patents

Abstract

本发明公开了一种主配微电网实时协调调度方法及系统，涉及主配微电网技术领域，包括以下步骤基于动态规划在预设的能量窗口大小下进行调度决策；获取微电网调度数据和资源配置数据；基于bp神经网络算法对微电网调度数据和资源配置数据进行数据分析，构建能量窗口大小影响模型；基于预设的能量窗口大小进行等差处理，并分别获取对应的能量窗口大小影响模型；构建能量窗口大小影响波动曲线，并对能量窗口大小影响波动曲线进行数据分析，得到优化后的能量窗口大小，并将其应用于主配微电网实时协调调度，本申请解决了以解决主配微电网实时协调调度难以平衡灵活响应与计算效率问题。

Description

一种主配微电网实时协调调度方法及系统

技术领域

本发明涉及主配微电网技术领域，更具体地说，本发明涉及一种主配微电网实时协调调度方法及系统。

背景技术

主配微电网是指主网、配网和微电网的整合体系。主网通常是指大规模的电力传输和分配网络，配网指的是中压或低压电网部分，微电网则是指能够自我管理的小规模电网系统。这一部分表明该方法旨在用于主电网、配电网和微电网之间的协调与联动，从而实现多层级电网的集成管理。

一种典型的现有主配微电网协调调度方法采用分层优化结构，将主网、配网和微电网分为不同层级。主网层负责全局电力分配与稳定性，配网层主要管理中低压电网的负荷分布，微电网层则利用分布式能源和储能系统来满足自身需求，必要时通过信息接口与配网层请求支援。通过负荷数据采集和分布式优化算法，各层级在保持独立的同时进行协调，形成整体优化。然而，这种方法在实时性、协调复杂性和计算量上存在不足，尤其在应对快速变化的电力需求和分布式能源出力方面，难以实现精准和高效的实时调度。

例如公告号为： CN105552888B的发明专利公告的一种考虑主配网互动的配电网仿真方法，通过主配网一体化潮流计算确定初始状态，在配电侧根据仿真设置进行重构，重构过程中考虑是否满足主网的安全约束，并根据主网安全约束调整主网运行状态并重新仿真配电网重构策略，直到得到满足主网运行约束的仿真结果，实现考虑主配网互动的配电网运行仿真。本发明提出的方法能够在对配网运行状态进行仿真时考虑主网对配网的支撑能力，有效提高研究主配网互动、主动配电网运行仿真的真实性和准确性。

例如公告号为：CN112910002B的发明专利公告的一种微电网自适应主电源运行模式平滑切换方法及装置，包括并网转孤岛切换时微电网协调控制器根据当前负荷需求判断主电源为储能或者柴油发电机，若柴油发电机为主电源则自动启动柴油发电机，根据系统运行状态进行新能源出力限制、负荷减载及联络线功率控制，联络线功率在设定值范围内切换主电源运行模式及断开并网点开关，完成并网转孤岛平滑切换；孤岛转并网切换时微电网协调控制器采用自动同期与多次同期相结合的控制策略，控制当前主电源调节微电网侧与系统侧电压一致，根据系统侧频率及微电网侧与系统侧相角差增减微电网侧频率，满足同期合闸条件后并网点开关同期合闸，完成孤岛转并网平滑切换。

上述公开的技术方案中，至少存在如下技术问题：能量调度窗口大小在主配微电网实时协调调度中扮演着重要角色，它定义了在对应时间段内进行能量分配和调度的范围。选择合适的调度窗口大小，可以显著影响微电网的运行效率和响应能力；

较大的调度窗口允许系统综合考虑更长时间内的负荷预测和可再生能源发电能力，从而实现更优化的资源配置，这有助于减少调度决策频率，降低计算成本。然而，这种设置可能导致响应速度较慢，无法及时适应快速变化的负荷需求和突发事件。

较小的调度窗口可以提高系统对实时变化的响应能力，使调度决策更加灵活，能够迅速调整以应对负荷波动和可再生能源的不确定性。但这也意味着需要更频繁的计算和决策，可能增加系统的计算负担，并可能忽视长时间趋势的影响。

现有的能量调度窗口大小设定往往难以平衡灵活响应与计算效率，导致在快速变化的负荷需求下无法及时调整，或在较大窗口下忽视短期波动，降低了微电网的运行效率。针对上述问题，本发明提出一种解决方案。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供，通过对能量调度窗口大小的分析，以解决主配微电网实时协调调度难以平衡灵活响应与计算效率问题。

为实现上述目的，本发明提供如下技术方案：

一种主配微电网实时协调调度方法，包括如下步骤：获取主配微电网负荷数据和历史负荷数据，基于变分多模态进行负荷预测，并基于动态规划在预设的能量窗口大小下进行调度决策；获取主配微电网实时协调调度时H时间B时间间隔对应的微电网调度数据和资源配置数据；基于bp神经网络算法对微电网调度数据和资源配置数据进行数据分析，构建能量窗口大小影响模型；基于预设的能量窗口大小进行等差处理，得到若干个不同的能量窗口大小，并分别获取对应的能量窗口大小影响模型；根据若干个不同的能量窗口大小和对应的能量窗口大小影响模型的输出，构建能量窗口大小影响波动曲线，并对能量窗口大小影响波动曲线进行数据分析，得到优化后的能量窗口大小，并将其应用于主配微电网实时协调调度。

在一个优选的实施方式中，所述负荷数据包括负荷需求、可再生能源发电数据、储能状态；所述基于变分多模态进行负荷预测，并基于动态规划在预设的能量窗口大小下进行调度决策，具体为：采用变分多模态技术处理负荷数据，建模不同负荷模式，捕捉对应的负荷特征；从历史负荷数据中提取时序特征，所述时序特征包括季节性特征、趋势性特征和周期性特征；基于变分多模态技术对时序特征和预测的负荷特征进行整合迭代，得到负荷预测模型进行负荷预测；在预设的能量窗口大小内，根据当前负荷预测值、发电资源的可用性和储能状态，以负荷需求与发电能力的平衡和最小化运营成本为目标，逐步确定每个时间点的最优调度策略。

在一个优选的实施方式中，所述微电网调度数据包括调度灵活评估系数和电力质量评估系数，所述调度灵活评估系数的具体分析方法如下：获取主配微电网实时协调调度时，调度决策的若干个调度响应速率数据，并进行先时序后频域的转换，得到调度响应波动频率数据；基于调度响应波动频率数据进行特征提取，得到响应特征，响应特征包括响应重叠特征、响应范围特征以及频率特征；响应重叠特征包括重叠峰值与重叠频率差；响应范围特征包括调度资源占比；频率特征包括频率波动值；根据响应特征和常规的调度范围，基于预设调度灵活评估系数计算公式的计算响应特征与常规的调度范围之间的差值作为调度灵活评估系数。

在一个优选的实施方式中，所述资源配置数据包括资源配置效率影响系数，所述电力质量评估系数的具体获取方法如下：所述电力质量评估系数的获取方法如下：获取主配微电网的负荷变化，发电能力，电力电子设备使用情况，通过模拟软件，构建拓扑结构；将拓扑结构进行聚类处理；将处理后的拓扑结构进行特征提取，并基于能量恒定不变的原理、能量损耗系数和约束条件，计算电力强度评估系数；通过拓扑结构模拟主配微电网的调度情况，并建立电力质量模型，得到电力损耗评估系数；结合电力强度评估系数计算得到电力质量评估系数。

在一个优选的实施方式中，所述资源配置效率影响系数的具体获取方法如下：获取资源配置集合，所述资源配置集合包括资源占比、资源配置分布和配置特性；基于资源配置分布和对应变异系数计算资源配置集合内每个资源配置的效率；对每个资源配置方案，统计对应配置特性的出现的次数，得到资源配置方案特性频率；计算资源配置方案特性频率的标准差和平均值，并结合效率计算资源配置效率影响系数。

在一个优选的实施方式中，所述根据若干个不同的能量窗口大小和对应的能量窗口大小影响模型的输出，构建能量窗口大小影响波动曲线，具体为：从能量窗口大小影响模型中获取不同能量窗口大小下的能量窗口大小影响系数；将若干能量窗口大小和能量窗口大小影响系数连接构建能量窗口大小影响波动曲线。

在一个优选的实施方式中，所述并对能量窗口大小影响波动曲线进行数据分析，得到优化后的能量窗口大小，并将其应用于主配微电网实时协调调度，具体为：获取若干个能量窗口大小影响波动曲线的最大值；分别对各个最大值的进行二次求导；将二次求导值最接近零的最大值对应的能量窗口大小作为优化后的能量窗口大小，并将其应用于主配微电网实时协调调度。

一种主配微电网实时协调调度方法的系统，其特征在于，包括预测模块、数据获取模块、窗口大小分析模块、窗口大小设定模块以及筛选模块，模块间存在连接；预测模块，用于获取主配微电网负荷数据和历史负荷数据，基于变分多模态进行负荷预测，并基于动态规划在预设的能量窗口大小下进行调度决策；数据获取模块，用于获取主配微电网实时协调调度时H时间B时间间隔对应的微电网调度数据和资源配置数据；窗口大小分析模块，用于基于bp神经网络算法对微电网调度数据和资源配置数据进行数据分析，构建能量窗口大小影响模型；窗口大小设定模块，用于基于预设的能量窗口大小进行等差处理，得到若干个不同的能量窗口大小，并分别获取对应的能量窗口大小影响模型；筛选模块，用于根据若干个不同的能量窗口大小和对应的能量窗口大小影响模型的输出，构建能量窗口大小影响波动曲线，并对能量窗口大小影响波动曲线进行数据分析，得到优化后的能量窗口大小，并将其应用于主配微电网实时协调调度。

本发明一种主配微电网实时协调调度方法的技术效果和优点：

1.本发明通过基于变分多模态技术的负荷预测提高了系统对负荷波动和可再生能源发电不确定性的响应能力，使得预测更加精准，确保在变化的环境中有效满足电力需求。其次，通过动态规划算法，逐步确定每个时间点的最优调度策略，最大限度地平衡负荷需求与发电能力，显著降低运营成本。此外，调度灵活评估系数的引入为调度窗口大小对系统灵活性和计算效率的影响提供了量化依据，帮助运营者在快速变化的电力市场中做出及时决策，优化资源配置。同时，电力质量评估系数的使用确保了在提升响应速度的同时维护电力质量，降低故障风险，增强系统的稳定性。总之，该方法通过综合考虑负荷需求、发电能力及电力质量等多个因素，实现了微电网的高效、稳定与经济运行，具有广泛的应用前景。

2.本发明通过BP神经网络算法对微电网调度数据和资源配置数据进行深入分析，构建了能量窗口大小影响模型。这一模型不仅评估了调度灵活性、电力质量及资源配置效率的综合影响，还生成了能量窗口大小影响系数，从而为流量整形隐患评估提供了科学依据。通过对不同能量窗口大小的等差处理和模型输出的分析，最终构建出能量窗口大小影响波动曲线。这一波动曲线的优化分析能够有效识别出最佳能量窗口大小，确保微电网的实时协调调度更加高效和灵活。这一过程提高了调度决策的准确性，减少了资源浪费，优化了整体能源管理，具备了更强的适应性和响应能力，从而提升了微电网的运行效率和可靠性。

附图说明

图1为本发明一种主配微电网实时协调调度方法结构示意图。

图2为本发明一种主配微电网实时协调调度系统结构示意图。

具体实施方式

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、完整的描述，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1，图1给出了本发明一种主配微电网实时协调调度方法，包括如下步骤：

S1，获取主配微电网负荷数据和历史负荷数据，基于变分多模态进行负荷预测，并基于动态规划在预设的能量窗口大小下进行调度决策。

在本实施例中，所述负荷数据包括负荷需求、可再生能源发电数据、储能状态；

所述基于变分多模态进行负荷预测，并基于动态规划在预设的能量窗口大小下进行调度决策，具体为：采用变分多模态技术处理负荷数据，建模不同负荷模式，捕捉对应的负荷特征；

从历史负荷数据中提取时序特征，所述时序特征包括季节性特征、趋势性特征和周期性特征；

基于变分多模态技术对时序特征和预测的负荷特征进行整合迭代，得到负荷预测模型进行负荷预测；

在预设的能量窗口大小内，根据当前负荷预测值、发电资源的可用性和储能状态，以负荷需求与发电能力的平衡和最小化运营成本为目标，逐步确定每个时间点的最优调度策略。

需要说明的是，变分多模态进行负荷预测是一种先进的机器学习技术，旨在通过整合多种负荷模式的特征来提高预测的准确性。该方法首先从历史负荷数据中提取出多种时序特征，如季节性、趋势性和周期性特征，进而利用变分推断技术对这些特征进行建模；通过对不同负荷模式的联合建模，变分多模态能够捕捉到负荷需求的复杂变化和多样化特性，从而实现对未来负荷的精准预测。这种方法尤其适用于处理可再生能源发电波动带来的不确定性，为微电网的调度决策提供了可靠的依据，这里不再赘述。

需要说明的是，动态规划是一种优化算法，旨在通过将复杂问题分解为更简单的子问题，从而有效地求解最优解。该方法采用递归的方式，首先解决最小子问题并将其结果存储，以避免重复计算。这种自下而上的解决策略特别适合于具有重叠子问题和最优子结构性质的场景，例如在路径优化、资源分配和调度问题中。通过动态规划，能够在多阶段决策过程中快速找到全局最优解，显著提高计算效率，广泛应用于运筹学、计算机科学和经济学等领域。

需要说明的是，负荷模式是指在对应时间范围内电力需求的变化特征和趋势。它反映了用户在不同时间段（如日、周、季节等）对电力的消费习惯，包括高峰期和低谷期的负荷需求。负荷模式通常受到多种因素的影响，如天气条件、节假日、社会活动以及经济活动等。通过分析负荷模式，可以识别出对应时段的用电特性，为电力系统的规划、调度和管理提供重要依据，尤其在优化可再生能源的整合和调度策略时尤为关键。

需要说明的是，在微电网的调度过程中，以负荷需求与发电能力的平衡和最小化运营成本为目标，通过逐步确定每个时间点的最优调度策略来实现高效管理。首先，系统会根据实时的负荷需求和可用的发电能力（包括可再生能源和常规发电）的数据，评估当前的供需状况。接着，运用优化算法，逐步调整每个发电单元的出力水平和储能设备的充放电策略，以确保在满足负荷需求的同时，降低整体运营成本。通过这种动态调整，能够有效应对瞬时负荷变化，确保系统的经济性和稳定性。

确定每个时间点的最优调度策略通常涉及具体的计算和评估过程。例如，在某个时间点，假设实时负荷需求为100 kW，而可再生能源发电能力为60 kW，储能设备当前电量为40 kWh。首先，系统会评估发电能力是否足以满足负荷需求，发现缺口为40 kW。接下来，调度算法将考虑调动储能设备，决定是否放电以弥补这一缺口。若储能放电效率为90%，则可以提供36 kW的支持。通过优化计算，系统可能会确定在该时间点发电单元应出力60 kW，同时储能设备放电36 kW，以实现总发电96 kW，最终达到接近负荷需求的100 kW，同时最小化运营成本。这种逐步优化的过程确保了资源的合理配置和经济性。

S2，获取主配微电网实时协调调度时H时间B时间间隔对应的微电网调度数据和资源配置数据。

所述微电网调度数据包括调度灵活评估系数和电力质量评估系数，所述资源配置数据包括资源配置效率影响系数。

调度灵活评估系数的分析方法结合了调度窗口大小对微电网灵活性的影响评估。首先，通过设定不同的调度窗口大小，模拟负荷波动和可再生能源发电变化的场景，记录系统在这些场景下的响应时间和决策准确性。然后，计算每种窗口大小下的平均响应时间与决策准确性，并通过统计分析确定灵活性指数。此外，采用加权评分系统，将响应速度、准确性与计算效率综合考虑，形成调度灵活评估系数。该系数帮助评估不同能量窗口大小下主配微电网的实时协调调度效果，进而解决灵活响应与计算效率之间的平衡问题。

分析调度灵活评估系数对于评估不同能量窗口大小下的主配微电网实时协调调度效果，从而解决主配微电网实时协调调度难以平衡灵活响应与计算效率问题，具有以下优点：

精准响应能力：该系数能够量化调度窗口对负荷波动和可再生能源发电变化的响应速度，帮助运营者选择合适的窗口大小，从而提升系统的灵活性和反应能力。

优化调度决策：通过评估不同窗口设置的灵活性，运营者可以识别出最适合当前电力需求和供应情况的调度策略，确保在快速变化的环境中做出及时决策。

综合评价指标：调度灵活评估系数将响应时间、决策准确性和计算效率等多个维度纳入评估，提供了一个全面的性能评估框架，有助于更好地理解调度策略的优缺点。

平衡灵活性与效率：通过分析灵活评估系数，运营者可以有效找到灵活响应与计算效率之间的最佳平衡点，避免过度依赖大窗口导致的滞后反应或小窗口造成的计算负担。

动态调整策略：基于评估结果，微电网可以不断优化调度策略，提升系统在不同负荷和发电条件下的适应能力，确保整体运行的稳定性和经济性。

所述调度灵活评估系数的具体分析方法如下：

获取主配微电网实时协调调度时，调度决策的若干个调度响应速率数据，并进行先时序后频域的转换，得到调度响应波动频率数据；

基于调度响应波动频率数据进行特征提取，得到响应特征，响应特征包括响应重叠特征、响应范围特征以及频率特征；

响应重叠特征包括重叠峰值与重叠频率差；

响应范围特征包括调度资源占比；

频率特征包括频率波动值；

根据响应特征和常规的调度范围，基于预设调度灵活评估系数计算公式的计算响应特征与常规的调度范围之间的差值作为调度灵活评估系数。

所述调度响应波动频率数据的具体计算公式为：

所述重叠峰值与重叠频率差的具体计算公式为：

所述调度资源占比的计算公式为：

所述频率波动值的计算公式为：

所述调度灵活评估系数的具体计算公式如下：

式中，为调度响应波动频率数据，为在时间t的调度响应速率数据，为时域到频域的转换函数，为时域到频域的转换函数的尺度，为时域到频域的转换函数的平移参数；为重叠峰值与重叠频率差，为中心频率，与分别为响应范围的最小值和最大值，为调度资源占比，为频率波动值，为调度范围内的最大资源，为调度范围内的最小资源，为调度灵活评估系数。

电力质量评估系数是一个量化指标，用于衡量微电网在对应调度条件下的电力质量和系统稳定性。该系数考虑了电压波动、频率稳定性、谐波含量和供电可靠性等多个电力质量因素。通过分析不同调度窗口大小对电力质量的影响，电力质量评估系数能够反映出调度策略的有效性。较小的调度窗口可能导致频繁的调整，从而在短期内提高电网的稳定性，但也可能增加故障风险。而合理的窗口大小则有助于维持电力质量，降低故障发生率。通过使用电力质量评估系数，微电网运营者可以优化调度决策，确保在灵活响应与电力质量之间找到平衡，提高整体系统的可靠性与安全性。

分析电力质量评估系数对于评估不同能量窗口大小下的主配微电网实时协调调度效果，从而解决主配微电网实时协调调度难以平衡灵活响应与计算效率问题，具有以下优点：

全面反映电力质量：该系数综合考虑负荷变化、频率波动和谐波含量等多个电力质量因素，提供对电网整体性能的全面评估，帮助识别潜在的电力质量问题。

优化调度决策：通过量化不同调度窗口对电力质量的影响，运营者可以在调度策略中更好地平衡灵活响应与计算效率，确保在快速变化的需求下仍能保持电网的稳定性。

减少故障风险：电力质量评估系数有助于识别和预防因频繁调度造成的系统不稳定，从而降低故障发生率，提升电网的可靠性。

指导窗口选择：根据电力质量评估系数的分析结果，运营者可以选择更合理的调度窗口大小，从而在提升响应速度的同时，维护电网的电力质量和稳定性。

动态调整与反馈：电力质量评估系数允许对调度策略进行动态调整，通过实时监测和反馈机制，运营者能够持续优化调度决策，提高微电网的适应能力和运行效率。

所述电力质量评估系数的具体获取方法如下：

所述电力质量评估系数的获取方法如下：

获取主配微电网的负荷变化，发电能力，电力电子设备使用情况，通过模拟软件，构建拓扑结构；

将拓扑结构进行聚类处理；

将处理后的拓扑结构进行特征提取，并基于能量恒定不变的原理、能量损耗系数和约束条件，计算电力强度评估系数；

通过拓扑结构模拟主配微电网的调度情况，并建立电力质量模型，得到电力损耗评估系数；结合电力强度评估系数计算得到电力质量评估系数；

所述电力强度评估系数的具体计算公式如下：

所述电力损耗评估系数的具体计算公式如下：

所述电力质量评估系数的具体计算公式如下：

式中，为电力强度评估系数，为电力损耗评估系数，为电力质量评估系数，为误差项，为主配微电网的电容，为主配微电网的电力调度范围，为线路带宽，为能量损耗系数，为热传导中的拉普拉斯算子，为电能损耗率，为平均电能，为电能损耗的调整项。

资源配置效率影响系数是一个关键指标，用于衡量微电网在不同调度窗口大小下资源的优化配置效果。该系数反映了调度窗口的选择对资源分配效率的影响：较大的调度窗口能够综合考虑更长时间内的负荷和发电能力，从而实现更合理的资源配置，减少冗余资源的使用，提升整体运行效率；而较小的调度窗口则可能无法充分利用长期趋势数据，导致资源配置不够合理，影响系统的整体性能。通过评估资源配置效率影响系数，微电网运营者能够更好地理解不同能量窗口设置对实时协调调度效果的影响，从而在灵活响应与计算效率之间找到最佳平衡，优化资源配置策略。

分析资源配置效率影响系数对于评估不同能量窗口大小下的主配微电网实时协调调度效果，从而解决主配微电网实时协调调度难以平衡灵活响应与计算效率问题，具有以下优点：

优化资源分配：通过量化资源配置效率，运营者可以更好地理解不同调度窗口对资源利用率的影响，从而实现更高效的资源分配，减少不必要的冗余。

提高调度决策合理性：该系数帮助运营者在制定调度策略时考虑长期负荷趋势和发电能力，确保资源配置不仅考虑短期需求，还能适应长期变化，增强调度决策的科学性。

增强灵活性与稳定性：通过合理的资源配置，微电网能够更灵活地响应负荷波动，同时又保持系统的稳定性，降低因资源配置不当引发的故障风险。

支持动态调整：资源配置效率影响系数允许运营者根据实时数据和评估结果调整调度窗口，优化资源配置策略，实现灵活响应与计算效率的动态平衡。

提升整体运行效率：通过有效评估和优化资源配置，微电网能够实现更高的运行效率，降低运营成本，增强整体经济性和可持续性。

所述资源配置效率影响系数的具体获取方法如下：

获取资源配置集合，所述资源配置集合包括资源占比、资源配置分布和配置特性；

基于资源配置分布和对应变异系数计算资源配置集合内每个资源配置的效率；

对每个资源配置方案，统计对应配置特性的出现的次数，得到资源配置方案特性频率；

计算资源配置方案特性频率的标准差和平均值，并结合效率计算资源配置效率影响系数。

所述资源配置方案特性频率的具体计算公式如下：

所述资源配置方案特性频率的标准差的具体计算公式如下：

所述资源配置效率影响系数的具体计算公式如下：

式中，为资源配置方案中特征a的特性频率，H为资源配置方案中资源数，为资源配置方案特性频率平均值，为总配置特性数，为资源配置方案特性频率的标准差，为资源配置效率影响系数。

本实施例通过基于变分多模态技术的负荷预测提高了系统对负荷波动和可再生能源发电不确定性的响应能力，使得预测更加精准，确保在变化的环境中有效满足电力需求。其次，通过动态规划算法，逐步确定每个时间点的最优调度策略，最大限度地平衡负荷需求与发电能力，显著降低运营成本。此外，调度灵活评估系数的引入为调度窗口大小对系统灵活性和计算效率的影响提供了量化依据，帮助运营者在快速变化的电力市场中做出及时决策，优化资源配置。同时，电力质量评估系数的使用确保了在提升响应速度的同时维护电力质量，降低故障风险，增强系统的稳定性。总之，该方法通过综合考虑负荷需求、发电能力及电力质量等多个因素，实现了微电网的高效、稳定与经济运行，具有广泛的应用前景。

实施例2，S3，基于bp神经网络算法对微电网调度数据和资源配置数据进行数据分析，构建能量窗口大小影响模型。

所述基于bp神经网络算法对微电网调度数据和资源配置数据进行数据分析，构建能量窗口大小影响模型，具体为：

将获取的调度灵活评估系数、电力质量评估系数以及资源配置效率影响系数建立流量整形隐患评估模型，生成能量窗口大小影响系数；

所述能量窗口大小影响系数的具体计算公式如下：

式中，为能量窗口大小影响系数，为调度灵活评估系数的预设比例系数，为电力质量评估系数的预设比例系数，为资源配置效率影响系数的预设比例系数，为调度灵活评估系数，为电力质量评估系数的预设比例系数，为资源配置效率影响系数的预设比例系数。

S4，基于预设的能量窗口大小进行等差处理，得到若干个不同的能量窗口大小，并分别获取对应的能量窗口大小影响模型。

S5，根据若干个不同的能量窗口大小和对应的能量窗口大小影响模型的输出，构建能量窗口大小影响波动曲线，并对能量窗口大小影响波动曲线进行数据分析，得到优化后的能量窗口大小，并将其应用于主配微电网实时协调调度。

所述根据若干个不同的能量窗口大小和对应的能量窗口大小影响模型的输出，构建能量窗口大小影响波动曲线，具体为：

从能量窗口大小影响模型中获取不同能量窗口大小下的能量窗口大小影响系数；

将若干能量窗口大小和能量窗口大小影响系数连接构建能量窗口大小影响波动曲线；

所述并对能量窗口大小影响波动曲线进行数据分析，得到优化后的能量窗口大小，并将其应用于主配微电网实时协调调度，具体为：

获取若干个能量窗口大小影响波动曲线的最大值；

分别对各个最大值的进行二次求导；

将二次求导值最接近零的最大值对应的能量窗口大小作为优化后的能量窗口大小，并将其应用于主配微电网实时协调调度。

本实施例通过BP神经网络算法对微电网调度数据和资源配置数据进行深入分析，构建了能量窗口大小影响模型。这一模型不仅评估了调度灵活性、电力质量及资源配置效率的综合影响，还生成了能量窗口大小影响系数，从而为流量整形隐患评估提供了科学依据。通过对不同能量窗口大小的等差处理和模型输出的分析，最终构建出能量窗口大小影响波动曲线。这一波动曲线的优化分析能够有效识别出最佳能量窗口大小，确保微电网的实时协调调度更加高效和灵活。这一过程提高了调度决策的准确性，减少了资源浪费，优化了整体能源管理，具备了更强的适应性和响应能力，从而提升了微电网的运行效率和可靠性。

实施例3，图2为一种主配微电网实时协调调度方法的系统，包括预测模块、数据获取模块、窗口大小分析模块、窗口大小设定模块以及筛选模块；

预测模块，用于获取主配微电网负荷数据和历史负荷数据，基于变分多模态进行负荷预测，并基于动态规划在预设的能量窗口大小下进行调度决策；

数据获取模块，用于获取主配微电网实时协调调度时H时间B时间间隔对应的微电网调度数据和资源配置数据；

窗口大小分析模块，用于基于bp神经网络算法对微电网调度数据和资源配置数据进行数据分析，构建能量窗口大小影响模型；

窗口大小设定模块，用于基于预设的能量窗口大小进行等差处理，得到若干个不同的能量窗口大小，并分别获取对应的能量窗口大小影响模型；

筛选模块，用于根据若干个不同的能量窗口大小和对应的能量窗口大小影响模型的输出，构建能量窗口大小影响波动曲线，并对能量窗口大小影响波动曲线进行数据分析，得到优化后的能量窗口大小，并将其应用于主配微电网实时协调调度。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的对应应用和设计约束条件。专业技术人员可以对每个对应的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

另外，在本申请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。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种主配微电网实时协调调度方法，其特征在于，包括如下步骤：

获取主配微电网负荷数据和历史负荷数据，基于变分多模态进行负荷预测，并基于动态规划在预设的能量窗口大小下进行调度决策；

获取主配微电网实时协调调度时H时间B时间间隔对应的微电网调度数据和资源配置数据；

所述负荷数据包括负荷需求、可再生能源发电数据、储能状态；

所述基于变分多模态进行负荷预测，并基于动态规划在预设的能量窗口大小下进行调度决策，具体为：采用变分多模态技术处理负荷数据，建模不同负荷模式，捕捉对应的负荷特征；

从历史负荷数据中提取时序特征，所述时序特征包括季节性特征、趋势性特征和周期性特征；

基于变分多模态技术对时序特征和预测的负荷特征进行整合迭代，得到负荷预测模型进行负荷预测；

在预设的能量窗口大小内，根据当前负荷预测值、发电资源的可用性和储能状态，以负荷需求与发电能力的平衡和最小化运营成本为目标，逐步确定每个时间点的最优调度策略；

所述微电网调度数据包括调度灵活评估系数和电力质量评估系数，所述调度灵活评估系数的具体分析方法如下：

获取主配微电网实时协调调度时，调度决策的若干个调度响应速率数据，并进行先时序后频域的转换，得到调度响应波动频率数据；

基于调度响应波动频率数据进行特征提取，得到响应特征，响应特征包括响应重叠特征、响应范围特征以及频率特征；

响应重叠特征包括重叠峰值与重叠频率差；

响应范围特征包括调度资源占比；

频率特征包括频率波动值；

根据响应特征和常规的调度范围，基于预设调度灵活评估系数计算公式的计算响应特征与常规的调度范围之间的差值作为调度灵活评估系数；

所述资源配置数据包括资源配置效率影响系数，所述电力质量评估系数的具体获取方法如下：

获取主配微电网的负荷变化，发电能力，电力电子设备使用情况，通过模拟软件，构建拓扑结构；

将拓扑结构进行聚类处理；

将处理后的拓扑结构进行特征提取，并基于能量恒定不变的原理、能量损耗系数和约束条件，计算电力强度评估系数；

通过拓扑结构模拟主配微电网的调度情况，并建立电力质量模型，得到电力损耗评估系数；结合电力强度评估系数计算得到电力质量评估系数；

所述资源配置效率影响系数的具体获取方法如下：

获取资源配置集合，所述资源配置集合包括资源占比、资源配置分布和配置特性；

基于资源配置分布和对应变异系数计算资源配置集合内每个资源配置的效率；

对每个资源配置方案，统计对应配置特性的出现的次数，得到资源配置方案特性频率；

计算资源配置方案特性频率的标准差和平均值，并结合效率计算资源配置效率影响系数；

所述调度响应波动频率数据的具体计算公式为：

所述重叠峰值与重叠频率差的具体计算公式为：

所述调度资源占比的计算公式为：

所述频率波动值的计算公式为：

所述调度灵活评估系数的具体计算公式如下：

式中，为调度响应波动频率数据，为在时间t的调度响应速率数据，为时域到频域的转换函数，为时域到频域的转换函数的尺度，为时域到频域的转换函数的平移参数；为重叠峰值与重叠频率差，为中心频率，与分别为响应范围的最小值和最大值，为调度资源占比，为频率波动值，为调度范围内的最大资源，为调度范围内的最小资源，为调度灵活评估系数；

所述电力强度评估系数的具体计算公式如下：

所述电力损耗评估系数的具体计算公式如下：

所述电力质量评估系数的具体计算公式如下：

式中，为电力强度评估系数，为电力损耗评估系数，为电力质量评估系数，为误差项，为主配微电网的电容，为主配微电网的电力调度范围，为线路带宽，为能量损耗系数，为热传导中的拉普拉斯算子，为电能损耗率，为平均电能，为电能损耗的调整项；

基于bp神经网络算法对微电网调度数据和资源配置数据进行数据分析，构建能量窗口大小影响模型；

基于预设的能量窗口大小进行等差处理，得到若干个不同的能量窗口大小，并分别获取对应的能量窗口大小影响模型；

根据若干个不同的能量窗口大小和对应的能量窗口大小影响模型的输出，构建能量窗口大小影响波动曲线，并对能量窗口大小影响波动曲线进行数据分析，得到优化后的能量窗口大小，并将其应用于主配微电网实时协调调度。

2.根据权利要求1所述主配微电网实时协调调度方法，其特征在于，所述根据若干个不同的能量窗口大小和对应的能量窗口大小影响模型的输出，构建能量窗口大小影响波动曲线，具体为：

从能量窗口大小影响模型中获取不同能量窗口大小下的能量窗口大小影响系数；

将若干能量窗口大小和能量窗口大小影响系数连接构建能量窗口大小影响波动曲线。

3.根据权利要求2所述主配微电网实时协调调度方法，其特征在于，所述并对能量窗口大小影响波动曲线进行数据分析，得到优化后的能量窗口大小，并将其应用于主配微电网实时协调调度，具体为：

获取若干个能量窗口大小影响波动曲线的最大值；

分别对各个最大值的进行二次求导；

将二次求导值最接近零的最大值对应的能量窗口大小作为优化后的能量窗口大小，并将其应用于主配微电网实时协调调度。

4.一种使用如权利要求1-3任意一项所述主配微电网实时协调调度方法的系统，其特征在于，包括预测模块、数据获取模块、窗口大小分析模块、窗口大小设定模块以及筛选模块；

预测模块，用于获取主配微电网负荷数据和历史负荷数据，基于变分多模态进行负荷预测，并基于动态规划在预设的能量窗口大小下进行调度决策；

数据获取模块，用于获取主配微电网实时协调调度时H时间B时间间隔对应的微电网调度数据和资源配置数据；

窗口大小分析模块，用于基于bp神经网络算法对微电网调度数据和资源配置数据进行数据分析，构建能量窗口大小影响模型；

窗口大小设定模块，用于基于预设的能量窗口大小进行等差处理，得到若干个不同的能量窗口大小，并分别获取对应的能量窗口大小影响模型；

筛选模块，用于根据若干个不同的能量窗口大小和对应的能量窗口大小影响模型的输出，构建能量窗口大小影响波动曲线，并对能量窗口大小影响波动曲线进行数据分析，得到优化后的能量窗口大小，并将其应用于主配微电网实时协调调度。