【技术实现步骤摘要】
技术介绍
1、随着电力系统的不断发展，对供电系统的可靠性、经济性和安全性提出了更高的要求。传统调度方法依赖于经验和规则，难以适应复杂多变的供电系统，缺乏对新能源和储能等新型电力资源的有效利用机制，对供电系统安全性的保障能力不足，无法及时应对突发事件，为了提高供电系统的效率和安全性，开发和应用分布式多电源供电系统调度方法具有重要的现实意义。
技术实现思路
1、本专利技术的目的是提供一种供电系统调度方法及其供电系统，以解决
技术介绍
中不足。
2、为了实现上述目的，本专利技术提供如下技术方案：一种供电系统，包括：
3、监测模块，用于采集工业园区用电设备的用电量，其中，用电量包括工业园区厂区用电设备和宿舍区用电设备的用电量；
4、数据预测模块，与监测模块连接，获取工业园区的日光照数据和风力数据，对工业园区厂区用电设备和宿舍区用电设备的用电量、日光照数据和风力数据进行分析，预测下一时间段工业园区用电设备所需的用电量、光伏供电设备预估供电量以及风力供电设备预估供电量作为预测数据；
5、调度模块，与监测模块和数据预测模块连接，将预测数据与用电量进行对比得到对比结果，根据对比结果得到供电方案实时调度供电设备；
6、预警模块，与调度模块连接，在供电方案启用后供电方案中的供电设备无法满足工业园区用电设备的实际用电量时，储能设备开始对工业园区用电设备进行辅助供电。
7、在一个优选的实施方式中，所述监测模块包括：
8、以分
9、基于工业园区厂区用电设备和宿舍区用电设备分别获取工业园区厂区用电设备和宿舍区用电设备的用电量，记为工业园区厂区用电设备用电量pf和工业园区宿舍区用电设备用电量pd，并上传至数据预测模块。
10、在一个优选的实施方式中，所述数据预测模块包括：
11、数据准备：对用电量、日光照数据、风力数据进行统一尺度的数据处理；
12、网络设计：确定rbf神经网络的结构，rbf神经网络的结构包括输入层、隐含层和输出层，隐藏层的节点的设置选用试错法，通过改变隐含层节点数，观察神经网络在训练集和测试集上的性能，选择最佳节点数；
13、隐含层节点初始化：使用k-means聚类算法，对训练集进行聚类，将聚类中心作为中心点；
14、训练调整：将工业园区厂区用电设备历史用电量分为第一训练集和第一测试集，通过第一训练集利用误差逆传播算法训练神经网络，得到工业园区厂区用电设备拟用电量预测模型；
15、将工业园区宿舍区用电设备历史用电量分为第二训练集和第二测试集，通过第二训练集利用误差逆传播算法训练神经网络，得到工业园区宿舍区用电设备拟用电量预测模型；
16、将历史日光照数据分为第三训练集和第三测试集，通过第三训练集利用误差传播算法训练神经网络，得到光伏供电设备拟供电量预测模型；
17、将历史风力数据分为第四训练集和第四测试集，通过第四训练集利用误差逆传播算法训练神经网络，得到风力供电设备拟供电量预测模型；
18、模型评估：通过第一测试集对工业园区厂区用电设备拟用电量预测模型进行评估；通过第二测试集对工业园区宿舍区用电设备拟用电量预测模型进行评估；通过第三测试集对光伏供电设备拟供电量预测模型进行评估；通过第四测试集对风力供电设备拟供电量预测模型进行评估；
19、模型应用：利用工业园区厂区用电设备拟用电量预测模型、工业园区宿舍区用电设备拟用电量预测模型、光伏供电设备拟供电量预测模型、风力供电设备拟供电量预测模型对工业园区用电设备用电量、日光照数据和风力数据进行回归预测，得到工业园区用电设备的拟用电量和供电设备的拟发电量。
20、在一个优选的实施方式中，所述rbf神经网络构建的步骤：
21、输入层：以用电量、日光照数据和风力数据作为输入；
22、隐藏层：隐藏层节点与输出层节点相连，使用高斯径向基函数作为激活函数，其中，x表示输入层的输入，βi表示高斯函数的宽度，ci表示神经网络神经元的中心点；
23、输出层：输出层节点与隐藏层节点相连，输出层函数表达为其中q表示神经网络神经元数量，wi表示神经网络权值。
24、在一个优选的实施方式中，所述模型应用的步骤：
25、基于工业园区厂区用电设备用电量pf通过工业园区厂区用电设备拟用电量预测模型预估下一时间段工业园区厂区用电设备拟用电量pfr；
26、基于工业园区宿舍区用电设备用电量pd通过工业园区宿舍区用电设备拟用电量预测模型预估出下一时间段工业园区宿舍区用电设备拟用电量pdr；
27、基于日光照数据通过光伏供电设备拟供电量预测模型预估出下一时间段所述光伏供电设备供电量ps；
28、基于风力数据通过风力供电设备拟供电量预测模型预估出下一时间段所述风力供电设备供电量pw。
29、在一个优选的实施方式中，所述调度模块包括：
30、当预估光伏供电设备供电量ps与预估风力供电设备供电量pw之和大于及等于工业园区厂区用电设备预估总用电量时，即ps+pw≥pfr+pdr，则采用所述风力供电设备和光伏供电设备为工业园区全部用电设备进行供电，多余电量则为所述储能设备充电；
31、当预估光伏供电设备供电量ps与预估风力供电设备供电量pw之和大于工业园区宿舍区用电设备拟用电量pdr，且小于工业园区厂区用电设备拟用电量pfr，即pfr>ps+pw>pdr，则应用市供电设备为所述工业园区厂区用电设备进行供电，应用所述光伏供电设备和所述风力供电设备为所述工业园区宿舍区用电设备进行供电，所述光伏供电设备和所述风力供电设备多余的电量为所述储能设备进行充电；
32、当预估光伏供电设备供电量ps与预估风力供电设备供电量pw之和小于工业园区宿舍区用电设备拟用电量pdr，即ps+pw<pdr，则利用所述市供电设备对工业园区厂区用电设备进行供电，判断预估光伏供电设备供电量ps、预估风力供电设备供电量pw和所述储能设备供电量pb/t之和的大小，即当ps+pw+pb/t>pdr，则采用所述光伏供电设备、所述风力供电设备和所述储能设备为所述工业园区宿舍区用电设备供电，其中，pb为所述储能设备的最大储能量，pb/t为t时间段内储能设备的供电量，当ps+pw+pb/t<pdr，则采用市供电设备、所述光伏供电设备和所述风力供电设备对所述工业园区宿舍区用电设备进行供电。
33、在一个优选的实施方式中，所述预警模块包括：
34、在调度方案启用后实时监测工业园区厂区用电设备和宿舍区用电设备的实际用电量，在工业园区厂区用电设备和宿舍区用电设备的实际用电量不满足工业园区用电设备额定用电量时，则采用所述储能本文档来自技高网...
【技术保护点】
1.一种供电系统，其特征在于，包括：
2.根据权利要求1所述的一种供电系统，其特征在于：所述监测模块包括：
3.根据权利要求1所述的一种供电系统，其特征在于：所述数据预测模块包括：
4.根据权利要求3所述的一种供电系统，其特征在于：所述RBF神经网络构建的步骤：
5.根据权利要求3所述的一种供电系统，其特征在于：模型应用的步骤：
6.根据权利要求1所述的一种供电系统，其特征在于：所述调度模块包括：
7.根据权利要求1所述的一种供电系统，其特征在于：所述预警模块包括：
8.根据权利要求1所述的一种供电系统调度方法，用于实现权利要求1-7任一项所述的一种供电系统，其特征在于，包括以下步骤：
【技术特征摘要】
1.一种供电系统，其特征在于，包括：
2.根据权利要求1所述的一种供电系统，其特征在于：所述监测模块包括：
3.根据权利要求1所述的一种供电系统，其特征在于：所述数据预测模块包括：
4.根据权利要求3所述的一种供电系统，其特征在于：所述rbf神经网络构建的步骤：
5.根据权利要求3所述的一...
【专利技术属性】
技术研发人员：林文辉，韩麟，李仪佳，
申请(专利权)人：国网山东省电力公司青岛市黄岛区供电公司，
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。