一种电网的动态平衡自治方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种用于电网的动态平衡自治方法、装置、设备及存储介质，该方法包括：预测供电设备在下一时间周期的未来发电数据；预测用电设备在下一时间周期的未来负荷数据；以边缘集群的运行成本为优化的目标，对未来发电数据与未来负荷数据进行优化；若完成优化，则对未来发电数据与未来负荷数据之间的误差进行修正，以使未来发电数据与未来负荷数据保持平衡。通过对未来负荷数据与未来发电数据的预测和监控，管理分布式能源，以达到边缘集群自治，充分发挥各种分布式能源的灵活性。根据预测电网中用电设备的未来负荷数据与供电设备的未来发电数据，协调与电网的运行，提高能源的使用效率，高效管理和控制分布式能源。高效管理和控制分布式能源。高效管理和控制分布式能源。

【技术实现步骤摘要】
一种电网的动态平衡自治方法、装置、设备及存储介质


[0001]本专利技术涉及电网
，尤其涉及一种电网的动态平衡自治方法、装置、设备及存储介质。

技术介绍

[0002]电网大规模接入低压分布式能源，低压分布式能源支持能源独立性，促进可持续性，能够为消费者节约成本，在一些地区，现在直接从配电层输送的能源比从输电层送的要多。然而低压分布式能源单体容量小、接入电压等级低，绝大多数处于“不可观、不可测、不可控”状态。
[0003]为了充分发挥各种分布式能源的灵活性，提高能源效率，协调多种能源供应和使用与电网之间的运行，模型预测控制使用显示模型预测系统的未来回应，以便随着时间的推移调整控制策略。并且可使用不同预测方法，如人工神经网络、时间序列模型、灰色模型和卡尔曼滤波算法来预测不确定可再生能源发电量和负荷预测。
[0004]时间序列模型和神经网络模型通过大量的历史数据来训练预测可再生能源发电量和负荷需求的模型，在实时应用中增加了时间的成本。缺乏考虑负载和光伏功率波动的因素，缺乏考虑实时应用中对可再生能源发电量和负荷需求的预测误差和实时反馈校正作为补偿。

技术实现思路

[0005]本专利技术提供了一种电网的动态平衡自治方法、装置、设备及存储介质，以解决补偿可再生能源发电量和负荷需求的预测误差。
[0006]根据本专利技术的一方面，提供了一种电网的动态平衡自治方法，所述方法包括：在电网中确定边缘集群，所述边缘集群包括多个供电设备、用电设备；
[0007]预测所述供电设备在下一时间周期的未来发电数据；
[0008]预测所述用电设备在下一时间周期的未来负荷数据；
[0009]以所述边缘集群的运行成本为优化的目标，对所述未来发电数据与所述未来负荷数据进行优化；
[0010]若完成优化，则对所述未来发电数据与所述未来负荷数据之间的误差进行修正，以使所述未来发电数据与所述未来负荷数据保持平衡。
[0011]根据本专利技术的另一方面，提供了一种电网的动态平衡自治装置，所述装置包括：发电数据预测模块，用于预测所述供电设备在下一时间周期的未来发电数据；
[0012]负荷数据预测模块，用于预测所述用电设备在下一时间周期的未来负荷数据；
[0013]数据优化模块，用于以所述边缘集群的运行成本为优化的目标，对所述未来发电数据与所述未来负荷数据进行优化；
[0014]误差修正模块，用于若完成优化，则对所述未来发电数据与所述未来负荷数据之间的误差进行修正，以使所述未来发电数据与所述未来负荷数据保持平衡。
[0015]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0016]至少一个处理器；以及
[0017]与所述至少一个处理器通信连接的存储器；其中，
[0018]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专利技术任一实施例所述的电网的动态平衡自治方法。
[0019]根据本专利技术的另一方面，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程序，所述计算机程序用于使处理器执行时实现本专利技术任一实施例所述的电网的动态平衡自治方法。
[0020]在本实施例中，预测供电设备在下一时间周期的未来发电数据；预测用电设备在下一时间周期的未来负荷数据；以边缘集群的运行成本为优化的目标，对未来发电数据与未来负荷数据进行优化；若完成优化，则对未来发电数据与未来负荷数据之间的误差进行修正，以使未来发电数据与未来负荷数据保持平衡。通过对未来负荷数据与未来发电数据的预测和监控，管理分布式能源，以达到边缘集群自治，充分发挥各种分布式能源的灵活性。根据预测电网中用电设备的未来负荷数据与供电设备的未来发电数据，协调与电网的运行，提高能源的使用效率，高效管理和控制分布式能源，提高预测范围内未来负荷数据和未来发电数据的预测精度，支持边缘集群的实时操作，从而最大限度地减少供需之间的实时不匹配，实现电网中的发电与负荷之间的平衡自治。
[0021]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术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
[0022]为了更清楚地说明本专利技术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专利技术的一些实施例，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。
[0023]图1是根据本专利技术实施例一提供的一种电网的动态平衡自治方法的流程图；
[0024]图2是根据本专利技术实施例二提供的一种电网的动态平衡自治装置的结构示意图；
[0025]图3是实现本专利技术实施例三提供的一种电子设备的结构示意图。
具体实施方式
[0026]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都应当属于本专利技术保护的范围。
[0027]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0028]时间序列法是一种统计分析方法，根据一定时间的历史发电数据序列、历史负荷数据序列预测未来发展趋势的方法，亦称时间序列趋势外推法，适用于处于连续过程中的实务预测。
[0029]卡尔曼滤波算法是一种利用线性系统状态方程，通过输入或输出观测历史发电、历史用电数据，对待测状态进行最优估计的算法，由于观测数据中包括噪声和干扰的影响，因此最优估计也可看做滤波过程。数据滤波是去除噪声还原真实数据的一种数据处理方法，卡尔曼滤波在测量方差已知的情况下能够从一系列存在测量噪声的历史发电数据、历史负荷数据中，估计动态边缘集群站的状态。
[0030]在分布式资源分布较大的情况下，假设每个集群的资源输出相同，而不同集群的资源产出差异很大。集群分别为风力发电机组、光伏机组、热电联产机组、发电机组和电池组等。针对电网，建立一个基于功能和用能站点，参与电网调控场景的边缘集群聚合。
[0031]在电网中，对供电设备的未来发电数据、用电设备的未来负荷数据进行预测，首先在电网中确定边缘集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网的动态平衡自治方法，其特征在于，包括：在电网中确定边缘集群，所述边缘集群包括多个供电设备、用电设备；预测所述供电设备在下一时间周期的未来发电数据；预测所述用电设备在下一时间周期的未来负荷数据；以所述边缘集群的运行成本为优化的目标，对所述未来发电数据与所述未来负荷数据进行优化；若完成优化，则对所述未来发电数据与所述未来负荷数据之间的误差进行修正，以使所述未来发电数据与所述未来负荷数据保持平衡。2.根据权利要求1所述的方法，其特征在于，所述供电设备包括太阳能光伏发电设备，所述未来发电数据包括光伏发电功率；所述预测所述供电设备在下一时间周期的未来发电数据，包括：对太阳能光伏发电设备生成清晰度指数；基于所述清晰度指数计算在每个时间周期内、所述太阳能光伏发电设备吸收的太阳辐照度；将所述太阳能光伏发电设备吸收的太阳辐照度作为时间序列，对所述太阳辐照度执行卡尔曼滤波处理，得到所述太阳能光伏发电设备在下一时间周期吸收的太阳辐照度；基于所述太阳能光伏发电设备在下一时间周期吸收的太阳辐照度预测所述太阳能光伏发电设备在下一时间周期的光伏发电功率。3.根据权利要求2所述的方法，其特征在于，所述基于所述清晰度指数计算在每个时间周期内、所述太阳能光伏发电设备吸收的太阳辐照度，包括：通过如下公式计算所述太阳辐照度：h
pv,t
＝s
t
h
ex,t
其中，h
pv,t
表示在t时刻所述太阳能光伏发电设备吸收的所述太阳辐照度，s
t
表示清晰度指数，h
ex,t
表示在t时刻地外所述太阳辐照度；所述基于所述太阳能光伏发电设备在下一时间周期吸收的太阳辐照度预测所述太阳能光伏发电设备在下一时间周期的光伏发电功率，包括：通过如下公式计算出在下一时间周期吸收的太阳辐照度预测所述太阳能光伏发电设备在下一时间周期的光伏发电功率：其中，P
pv,r
表示所述太阳能光伏发电设备额定容量，h
r
表示额定所述太阳辐照度，h
pv,t
表示在t时刻所述太阳能光伏发电设备吸收的所述太阳辐照度产生的功率，P
pv,t
表示所述太阳能光伏发电设备吸收的太阳辐照度的功率。4.根据权利要求2所述的方法，其特征在于，所述将所述太阳能光伏发电设备吸收的太阳辐照度作为时间序列，对所述太阳辐照度执行卡尔曼滤波处理，得到所述太阳能光伏发电设备在下一时间周期吸收的太阳辐照度，包括：通过如下方程确定时间序列：h(k)＝a1h(k
‑
1)+a2h(k
‑
2)+
……
+a
m
h(k
‑
m)+a
m+1
h(k
‑
m
‑
1)+β
k
其中，h(k)表示第k个时间间隔的所述太阳辐照度，h(k
‑
1)表示第k
‑
1个时间间隔的所述太阳辐照度，h(k
‑
2)表示第k
‑
2个时间间隔的所述太阳辐照度，h(k
‑
m)表示第k
‑
m个时间间隔的所述太阳辐照度，a1、a2……
a
m
、a
m+1
表示系数，β
k
表示残差；联立如下等式改写所述时间序列：h1(k)＝h(k),h2(k)＝h(k
‑
1),
……
,h
m+1
(k)＝h(k
‑
m)h(k+1)＝a1h(k)+a2h(k
‑
1)+
……
+a
m+1
h(k
‑
m)+β
k+1
通过如下公式确定改写后的所述时间序列：h1(k+1)＝a1h1(k)+a2h2(k)+
……
+a
m+1
h
m+1
(k)+β
k+1
其中，h1(k)表示第k个时间间隔的所述太阳辐照度，h2(k)表示第k
‑
1个时间间隔的所述太阳辐照度，h
m+1
(k)表示第k
‑
m个时间间隔的所述太阳辐照度，h(k)表示第k个时间间隔的所述太阳辐照度，h(k
‑
1)表示第k
‑
1个时间间隔的所述太阳辐照度，h(k
‑
m)表示第k
‑
m个时间间隔的所述太阳辐照度，β
k+1
表示残差，h1(k+1)表示第k+1个时间间隔的所述太阳辐照度；令h2(k)＝h(k+1)，
……
，h
m+1
(k)＝h(k+m)，通过如下公式确定状态方程：其中，ω
k
表示所述卡尔曼滤波器中的系统噪声矢量，h1(k+1)表示第k+1个时段中第一个时段的太阳辐照度，h2(k+1)表示第k+1个时段中第二个时段的太阳辐照度，h
m
(k+1)表示第k+1个时段中第m个时段的太阳辐照度，h
m+1
(k+1)表示第k+1个时段中第m+1个时段的太阳辐照度，h2(k)表示第k
‑
1个时间间隔的所述太阳辐照度，h1(k)表示第k个时间间隔的所述太阳辐照度，h
m+1
(k)表示第k
‑
m个时间间隔的所述太阳辐照度；通过如下等式改写所述状态方程：其中，H(k)第k个时间间隔内所述太阳辐照度的状态向量，H(k+1)表示第k+1个时间间隔内所述太阳辐照度的状态向量，表示所述状态方程的状态传输矩阵，Γ(k+1,k)表示卡尔曼滤波器中激励转移矩阵，ω(k)表示卡尔曼滤波器中的系统噪声矢量；通过如下等式列出观测方程并执行卡尔曼滤波处理，得到所述太阳能光伏发电设备在下一时间周期吸收的太阳辐照度：其中，Z(k+1)表示观测矢量，表示预测输出转移矩阵，H(k+1)表示卡尔曼滤波器中的观测矢量，n(k+1)表示卡尔曼滤波器中的测量噪声。5.根据权利要求1所述的方法，其特征在于，所述供电设备包括太阳能光伏发电设备、所述边缘集群还包含负载、电池储能站中的至少一种；所述以所述边缘集群的运行成本为优化的目标，对所述未来发电数据与所述未来负荷数据进行优化，包括：
通过如下公式确定所述边缘集群的运行成本：其中，i表示第i条母线，1表示范围下限，N表示范围上限，J
c
(t)表示所述边缘集群中的运行成本，J
p
表示所述电池储能站充电或放电的潜在收益，J表示运行成本，t表示时间范围从k+1至k+M；通过如下公式确定所述边缘集群的运行成本、所述潜在收益：J
c
(t)＝π
g
(t)P
g,i
(t)
‑
π
d
(t)P
d,i
(t)T
s
J
p
＝(S
b,i
(k+M)
‑
S
b,i
(k))π
g,avg
(k)其中，J
c
(t)表示t时刻所述边缘集群中的运行成本，J
p
表示所述电池储能站充电或放电的潜在收益，π
g
(t)表示t时刻能源价格，P
g,i
(t)表示t时刻第i条母线的负荷需求，π
d
(t)表示t时刻第i条母线的负荷需求对应的电价，T
s
表示采样时间，S
b,i
(k+M)表示第k+M时刻第i条母线所述电池储能站的充电状态，π
g,avg
(k)表示第k时刻内负荷需求价格的平均值,S
b,i
(k)表示表示第k时刻第i条母线所述电池储能站的充电状态，P
d,i
(t)表示第t时刻第i条母线负荷需求；在所述太阳能光伏发电设备的产生功率条件、逆变器施加的最大功率条件、所述电池储能站的充电状态条件、所述电池储能站的放电状态条件、所述电池储能站的充电功率，放电功率条件、所述电池储能站的充电速度，放电速度条件、电网功率交换条件、线路流量条件、功率平衡条件中的至少一种条件的约束下，以所述边缘集群的运行成本最小为目标，对所述未来发电数据与所述未来负荷数据进行优化；其中，通过如下公式确定所述太阳光伏发电设备产生的功率，作为所述太阳能光伏发电设备的产生功率条件：P
pv,T,i
(t)＝P
pv,i
(t)+P
pv,c,i
(t)其中，P
pv,T,i
(t)表示在t时刻所述太阳光伏发电设备的发电功率，P
pv,i
(t)表示在t时刻第i条母线上使用的光伏功率，P
pv,c,i
(t)表示在t时刻第i条母线上光伏缩减功率；通过如下公式确定所述逆变器施加的最大功率，作为所述逆变器施加的最大功率条件：其中，P
pv,T,i
(t)表示在t时刻所述太阳光伏发电设备的发电功率，μ
pv,i
(t)表示在t时刻第i条母线处所述太阳光伏发电设备运行状态的二进制决策量，表所述逆变器施加的最大功率限制；通过联系如下等式与不等式确定所述电池储能站的充电状态，作为所述电池储能站的充电状态条件：充电状态条件：
S
bi
(t+(M
‑
1))＝S
bi,ini
其中，S
b,i
(t+1)表示在t+1时刻第i条母线所述电池储能站的充电状态，S
bi
(t+(M
‑
1))表示在t+(M
‑
1)时刻第i条母线所述电池储能站的充电状态，S
b,i
(t)表示在t时刻第i条母线所述电池储能站的充电状态，σ
bi
表示所述电池储能站自放电能量损失，T
s
表示所述电池储能站的采样时间，η
ch,i
表示第i条总线上所述电池储能站的充电效率，P
ch,i
(t)表示所述电池储能站在t时刻的充电功率，P
dch,i
(t)表示所述电池储能站在t时刻的放电功率，η
dch,i
表示表示第i条总线上所述电池储能站的放电效率，表示第i条母线所述电池储能站的最小充电状态，表示第i条母线所述电池储能站的最大充电状态，S
bi,ini
表示所述电池储能站的起始充电状态，S
b,i
(t+1)表示在t+1时刻第i条母线所述电池储能站的充电状态；通过如下公式确定所述电池储能站的充电功率限制，放电功率限制，作为所述电池储能站的充电功率，放电功率条件：能站的充电功率，放电功率条件：μ
ch,i
(t)+μ
dcg,i
(t)≤1其中，P
ch,i
(t)表示所述电池储能站在t时刻的充电功率，μ
ch,i
(t)表示在第t时刻第i条总线充电决策的二进制决策变量，μ
dcg,i
(t)表示在t时刻第i条总线放电决策的二进制决策变量，P
dch,i
t表示表示所述电池储能站在t时刻的放电功率，表示所述电池储能站最大的放电功率，表示所述电池储能站最大的充电功率；通过如下公式确定所述电池储能站的充电速度限制、放电速度限制，作为所述电池储能在的充电速度、放电速度条件：
‑
T
S
R
ch,i
≤P
ch,i
(t)
‑
P
ch,i
(t
‑
1)≤T
s
R
ch,i
‑
T
S
R
dch,i
≤P
dch,i
(t)
‑
P
dch,i
(t
‑
1)≤T
s
R
dch,i
其中，T
S
表示所述电池储能站的采样时间，R
ch,i
表示在t时刻第i条总线上所述电池储能站的充电速度，R
dch,i
表示在t时刻第i条总线上所述电池储能站的放电速度，P
ch,i
(t)表示所述电池储能站在t时刻的充电功率，P
dch,i
(t)表示表示所述电池储能站在t时刻的放电功率，P
ch,i
(t
‑
1)表示所述电池储能站在t
‑
1时刻的充电功率，P
dch,i
(t
‑
1)表示表示所述电池储能站在t
‑
1时刻的放电功率；通过如下公式确定所述边缘集群的功率平衡，作为所述功率平衡条件：通过...

【专利技术属性】
技术研发人员：陈凤超，叶暖平，刘文豪，张鑫，周立德，郑惠芳，饶欢，邱泽坚，胡润锋，鲁承波，徐睿烽，
申请(专利权)人：广东电网有限责任公司东莞供电局，
类型：发明
国别省市：