【技术实现步骤摘要】
基于云边协同的分布式资源优化调配方法及系统
[0001]本专利技术涉及资源优化调配
,具体涉及基于云边协同的分布式资源优化调配方法及系统
。
技术介绍
[0002]作为大数据时代的一个显著特点,云端与边缘端的协同计算即云边协同,能够将云计算与边缘计算紧密地结合起来,通过合理地分配云计算与边缘计算的任务,实现了云计算的下沉
。
在当前能源需求增长和可再生能源快速发展的大背景下,分布式电力资源的利用能够减少对传统电网的依赖,并提高能源利用效率,实现供需平衡,但其所具有的随机性
、
波动性和可变性等特征,也会给配电网运行的稳定性
、
电压质量等各方面带来巨大的挑战
。
[0003]通过蚁群算法实现分布式电力资源优化调配时也会存在一些弊端,蚁群算法中具有多个需要调节的参数,不恰当的参数选择可能导致算法陷入局部最优解或导致算法收敛速度过慢
。
信息素挥发因子过大时,会使得资源调配路径上的信息素挥发速度较快,容易导致较优分配路径被排除,无法给出较好的资源调配路径,降低其实用性;而信息素挥发因子过小时,会使得各路径上信息素含量差别较小,导致收敛速度降低,无法满足电力资源近实时调配的决策需求
。
[0004]综上所述,本专利技术提出基于云边协同的分布式资源优化调配方法及系统,通过
SCADA
系统对电网中各电力终端设备的相关状态数据进行采集,根据电力终端设备有功功率
、
无功功率数据特征构建对 ...
【技术保护点】
【技术特征摘要】
1.
基于云边协同的分布式资源优化调配方法,其特征在于,该方法包括以下步骤:采集各用电区域电力终端设备的有功功率
、
无功功率以及各电力终端设备之间的输电路径距离;初始化蚁群算法中的蚂蚁数量
、
信息素值
、
信息素挥发系数;对于各电力终端设备,根据电力终端设备各时刻有功功率的差值获取各时刻的有功功率偏差幅值;根据电力终端设备各时刻的有功功率偏差幅值及有功功率熵值得到电力终端设备有功功率的偏差趋强指数;结合电力终端设备各时刻无功功率获取电力终端设备的无功功率的偏差趋强指数;根据电力终端设备的各时刻的有功功率及无功功率得各时刻的视在功率;根据各时刻的视在功率及有功功率得到电力终端设备各时刻的功率因数;获取电力终端设备功率因数序列的各功率因数递减簇;根据各功率因数递减簇的功率因数最大值
、
最小值以及香农熵得到功率因数序列的衰减稳定因子;根据电力终端设备的有功功率和无功功率的偏差趋强指数
、
功率因数序列的衰减稳定因子以及初始化的信息素挥发系数得到电力终端设备之间的电力挥发因子;根据各电力终端设备之间的输电路径以及各蚂蚁
、
信息素值得到电力终端设备之间的概率;将电力挥发因子作为蚁群算法中的信息素挥发系数,并结合各电力终端设备之间的概率采用蚁群算法获取各电力终端设备供电的最优路径,完成电力资源的优化调配
。2.
如权利要求1所述的基于云边协同的分布式资源优化调配方法,其特征在于,所述根据电力终端设备各时刻有功功率的差值获取各时刻的有功功率偏差幅值,包括:将电力终端设备各时刻有功功率与前一时刻有功功率的差值绝对值作为各时刻的有功功率偏差幅值
。3.
如权利要求1所述的基于云边协同的分布式资源优化调配方法,其特征在于,所述根据电力终端设备各时刻的有功功率偏差幅值及有功功率熵值得到电力终端设备有功功率的偏差趋强指数,包括:获取电力终端设备有功功率序列前时刻的有功功率偏差幅值的均值及后时刻的有功功率偏差幅值的均值,分别记为第一均值
、
第二均值,其中
ϵ
为预设时刻;计算电力终端设备有功功率序列的熵值;将所述第二均值与第一均值的比值乘以所述熵值的计算结果作为电力终端设备有功功率的偏差趋强指数
。4.
如权利要求1所述的基于云边协同的分布式资源优化调配方法,其特征在于,所述根据电力终端设备的各时刻的有功功率及无功功率得各时刻的视在功率,包括:计算电力终端设备各时刻的有功功率平方与无功功率平方的和值,将所述和值的开方作为各时刻的视在功率
。5.
如权利要求4所述的基于云边协同的分布式资源优化调配方法,其特征在于,所述根据各时刻的视在功率及有功功率得到电力终端设备各时刻的功率因数,包括:将各时刻的有功功率与视在功率的比值作为电力终端设备各时刻的功率因数
。6.
如权利要求5所述的基于云边协同的分布式资源优化调配方法,其特征在于,所述获取电力终端设备功...
【专利技术属性】
技术研发人员:魏姗姗,朱国梁,蒋梦梦,高慧,周子杰,张晖,林俊豪,王硕,刘肖琳,祁玉良,郭春杰,邱发祥,李燕,迟青青,
申请(专利权)人:国网山东综合能源服务有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。