System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力统筹,尤其涉及一种新型配电网的协同调度方法和系统。
技术介绍
1、随着配电网中的分布式能源、储能系统和负荷类型不断增加,上述各类资源具有不同的特性、响应速度和不确定性,通过对源网荷储进行协同调度,实现新型配电网源网荷储一体化运行,对于提升配电网运行质量、支撑电网运行具有重要意义。
2、传统的调度方法难以有效处理这些多样化的资源,对于资源的预测不够准确,导致整体调度复杂性大幅提升,生成的调度方案在实际运行中难以满足要求,甚至导致配电网不稳定。
技术实现思路
1、本专利技术提供了一种新型配电网的协同调度方法和系统,能够对分布式储能功率、分布式能源功率和负荷功率进行协同调度,充分发挥新型配电网中分布式能源和分布式储能的潜力,实现新型配电网源网荷储一体化运行。
2、为解决现有技术无法有效对新型配电网中各类资源协同调度的技术问题,本专利技术实施例提供一种新型配电网的协同调度方法,包括:
3、采集新型配电网的历史源网荷储数据;所述历史源网荷储数据包括历史能源数据、历史配电网价格数据、历史天气数据和历史储能数据;
4、根据所述历史能源数据和所述历史天气数据,计算得到所述新型配电网的能源数据预测值和负荷数据预测值;
5、对所述历史储能数据进行融合处理,计算得到所述新型配电网的储能数据预测值;
6、根据所述历史配电网价格数据、所述能源数据预测值、所述负荷数据预测值和所述储能数据预测值,构建新型配电网源网荷储一体
7、求解所述运行模型,得到功率分配策略,根据所述功率分配策略对所述新型配电网进行调度;所述功率分配策略包括分布式储能功率、分布式光伏功率和负荷功率。
8、作为上述方案的改进,所述根据所述历史能源数据和所述历史天气数据,计算得到所述新型配电网的能源数据预测值和负荷数据预测值,包括:
9、根据所述历史能源数据和所述历史天气数据,得到能源及天气数据序列;
10、采用多头自注意力机制计算所述能源及天气数据序列间的依赖关系,得到多头自注意力分数;
11、通过前馈神经网络,根据所述多头自注意力分数,建立能源负荷预测模型;
12、求解所述能源负荷预测模型,计算得到所述新型配电网的能源数据预测值和负荷数据预测值。
13、作为上述方案的改进,所述采用多头自注意力机制计算所述能源及天气数据序列间的依赖关系,得到多头自注意力分数,包括:
14、根据所述能源及天气数据序列的时间信息,为所述能源及天气数据序列添加位置编码;
15、采用多头自注意力机制,计算添加了所述添加位置编码的所述能源及天气数据序列的依赖关系,得到多头自注意力分数。
16、作为上述方案的改进,所述对所述历史储能数据进行融合处理,计算得到所述新型配电网的储能数据预测值,包括:
17、对所述历史储能数据进行融合处理,得到融合储能数据;
18、根据所述融合储能数据,建立储能预测模型;
19、求解所述储能预测模型,计算得到所述新型配电网的储能数据预测值。
20、作为上述方案的改进,所述根据所述融合储能数据,建立储能预测模型,包括:
21、采用基于多模态ai的算法,根据所述融合储能数据,分别建立储能充电功率预测模型和储能放电功率预测模型;
22、根据所述储能充电功率预测模型和所述储能放电功率预测模型,得到储能预测模型。
23、作为上述方案的改进,所述采用基于多模态ai算法,根据所述融合储能数据,分别建立储能充电功率预测模型和储能放电功率预测模型,包括:
24、通过建立储能充电功率预测模型;其中,zc(t)为t时刻的融合储能数据,fc(zc(t))为基于多模态ai算法构建的储能充电功率预测模型,为基于t时刻的融合储能数据计算得到的分布式储能充电功率;
25、通过建立储能充电功率预测模型;其中,zc(t)为t时刻的融合储能数据,ff(zc(t))为基于多模态ai算法构建的储能放电功率预测模型,为基于t时刻的融合储能数据计算得到的分布式储能放电功率。
26、作为上述方案的改进,所述根据所述历史配电网价格数据、所述能源数据预测值、所述负荷数据预测值和所述储能数据预测值,构建新型配电网源网荷储一体化的运行模型,包括:
27、根据所述历史配电网价格数据、所述能源数据预测值和所述储能数据预测值,得到新型配电网的总运行成本;
28、根据所述能源数据预测值、所述负荷数据预测值和所述储能数据预测值,得到新型配电网的综合电网响应偏差;
29、根据所述总运行成本和所述综合电网响应偏差,生成目标函数;
30、建立所述目标函数的约束条件;
31、根据所述目标函数和所述约束条件,构建新型配电网源网荷储一体化的运行模型。
32、作为上述方案的改进,所述建立所述目标函数的约束条件,包括:
33、根据分布式储能充电功率上下限约束,建立第一约束条件;
34、根据分布式储能放电功率上下限约束,建立第二约束条件;
35、根据分布式能源光伏功率上下限约束,建立第三约束条件;
36、根据分布式能源负荷功率上下限约束,建立第四约束条件;
37、根据所述第一约束条件、所述第二约束条件、所述第三约束条件和所述第四约束条件,建立所述目标函数的约束条件。
38、作为上述方案的改进,所述求解所述运行模型,得到功率分配策略,根据所述功率分配策略对所述新型配电网进行调度,包括:
39、建立所述运行模型的损失函数;
40、以所述损失函数最小化为目标,求解所述运行模型,得到功率分配策略;在求解所述运行模型的过程中,在每一时间步更新求解模型中的可学习参数;
41、根据所述功率分配策略对所述新型配电网进行调度。
42、作为上述方案的改进,所述以最小化所述损失函数为目标,求解所述运行模型,得到功率分配策略;在求解所述运行模型的过程中,在每一时间步更新所述运行模型中的可学习参数,包括:
43、根据所述损失函数,得到奖励函数;
44、计算所述奖励函数的期望和所述运行模型的学习率,在每一时间步对所述运行模型中的可学习参数进行优化;
45、基于连续优化的所述可学习参数,以所述损失函数最小化为目标,求解所述运行模型,得到功率分配策略。
46、本专利技术实施例还提供了一种新型配电网的协同调度系统,包括:
47、数据采集模块,用于采集新型配电网的历史源网荷储数据;所述历史源网荷储数据包括历史能源数据、历史配电网价格数据、历史天气数据和历史储能数据;
48、能源数据预测模块,用于根据所述历史能源数据和所述历史天气数据,计算得到所述新型配电网的能源数据预测值和负荷数据预测值;
49本文档来自技高网...
【技术保护点】
1.一种新型配电网的协同调度方法,其特征在于,包括:
2.如权利要求1所述的一种新型配电网的协同调度方法,其特征在于,所述根据所述历史能源数据和所述历史天气数据,计算得到所述新型配电网的能源数据预测值和负荷数据预测值,包括:
3.如权利要求2所述的一种新型配电网的协同调度方法,其特征在于,所述采用多头自注意力机制计算所述能源及天气数据序列间的依赖关系,得到多头自注意力分数,包括:
4.如权利要求1所述的一种新型配电网的协同调度方法,其特征在于,所述对所述历史储能数据进行融合处理,计算得到所述新型配电网的储能数据预测值,包括:
5.如权利要求4所述的一种新型配电网的协同调度方法,其特征在于,所述根据所述融合储能数据,建立储能预测模型,包括:
6.如权利要求5所述的一种新型配电网的协同调度方法,其特征在于,所述采用基于多模态AI算法,根据所述融合储能数据,分别建立储能充电功率预测模型和储能放电功率预测模型,包括:
7.如权利要求1所述的一种新型配电网的协同调度方法,其特征在于,所述根据所述历史配电网价格数据、所述
8.如权利要求7所述的一种新型配电网的协同调度方法,其特征在于,所述建立所述目标函数的约束条件,包括:
9.如权利要求1所述的一种新型配电网的协同调度方法,其特征在于,所述求解所述运行模型,得到功率分配策略,根据所述功率分配策略对所述新型配电网进行调度,包括:
10.如权利要求9所述的一种新型配电网的协同调度方法,其特征在于,所述以最小化所述损失函数为目标,求解所述运行模型,得到功率分配策略;在求解所述运行模型的过程中,在每一时间步更新所述运行模型中的可学习参数,包括:
11.一种新型配电网的协同调度系统,其特征在于,包括:
...【技术特征摘要】
1.一种新型配电网的协同调度方法,其特征在于,包括:
2.如权利要求1所述的一种新型配电网的协同调度方法,其特征在于,所述根据所述历史能源数据和所述历史天气数据,计算得到所述新型配电网的能源数据预测值和负荷数据预测值,包括:
3.如权利要求2所述的一种新型配电网的协同调度方法,其特征在于,所述采用多头自注意力机制计算所述能源及天气数据序列间的依赖关系,得到多头自注意力分数,包括:
4.如权利要求1所述的一种新型配电网的协同调度方法,其特征在于,所述对所述历史储能数据进行融合处理,计算得到所述新型配电网的储能数据预测值,包括:
5.如权利要求4所述的一种新型配电网的协同调度方法,其特征在于,所述根据所述融合储能数据,建立储能预测模型,包括:
6.如权利要求5所述的一种新型配电网的协同调度方法,其特征在于,所述采用基于多模态ai算法,根据所述融合储能数据,分别建立储能充电...
【专利技术属性】
技术研发人员:刘文轩,肖智宏,李彤青,沈妙哲,王桢祎,骆品臣,韩柳,吴聪颖,冯腾,杜娜,
申请(专利权)人:国网经济技术研究院有限公司,
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。