【技术实现步骤摘要】
本专利技术涉及能源管理和电力调度，更具体地说，本专利技术涉及分布式能源并网调度优化管理系统。
技术介绍
1、随着可再生能源的快速发展，尤其是风能、太阳能、以及储能系统等分布式能源的大规模接入，智能电网和微电网的管理和调度运用传统的电力调度方法导致能源利用效率低、资源浪费严重以及电网运行不稳定。
2、目前，虽然有一些基于传统算法的调度优化方法，并在一定程度上实现了分布式能源与电网的连接，提高能源供应可靠性、促进可再生能源消纳等方面发挥了积极作用，通过采用传统的电力电子变换器实现分布式能源的电能转换，使其能够满足电网接入的基本要求；同时，利用简单的监控系统对分布式能源的运行状态进行监测，为电网调度人员提供了一定的决策依据。
3、但是其在实际使用时，仍旧存在一些缺点，如缺乏对分布式能源特性进行动态调整和智能化管理的有效应对机制；分布式能源发电功率的实时变化难以准确预测；不能充分考虑分布式能源之间以及分布式能源与整个电网系统之间的协同效应。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术提供分布式能源并网调度优化管理系统，通过以下方案，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：分布式能源并网调度优化管理系统，包括系统运行数据库、系统中央处理模块和用户信息端，还包括：
3、实时监控采集模块：用于通过在目标电网布设传感器和智能电表，实时采集第一分布式能源，并传输至分布式能源特性感知模块和智能调度优
4、分布式能源特性感知模块：用于对实时监控采集模块中传输的第一分布式能源进行特性感知操作，特性感知操作用于获取第一分布式能源对应的第一能源特性，并传输至数据处理模块；
5、数据处理模块：用于获取分布式能源调度分析模型，根据分布式能源调度分析模型通过分布式能源特性感知模块传输的第一能源特性，获取第二分布式能源，并传输至分布式能源性能预测模块；
6、分布式能源性能预测模块：用于根据数据处理模块获取的分布式能源调度分析模型，通过第二分布式能源，以预测分布式能源的性能，获取第二分布式能源对应的第二能源特性，并传输至智能调度优化模块；
7、智能调度优化模块：用于对实时监控采集模块传输的第一能源特性和分布式能源性能预测模块传输的第二能源特性进行调度优化操作，调度优化操作用于获取第二能源特性对应的最优调度策略，并传输至故障自诊断与自恢复模块和分布式能源智能维护管理模块；
8、故障自诊断与自恢复模块：用于通过故障监测操作，实时监测目标电网的运行状态，并诊断故障，故障监测操作用于获取第三分布式能源，并传输至数据处理模块；
9、分布式能源智能维护管理模块：基于智能调度优化模块传输的第二能源特性对应的最优调度策略，向用户界面输出智能维护管理报告；
10、所述系统运行数据库是包括分布式能源并网调度优化管理系统的所有数据文本，且实时收集各模块输出的信息文本，所述系统中央处理模块用于中控系统中各模块输出的信息文本指令，所述用户信息端为接收分布式能源并网调度优化管理系统的信息输出设备。
11、优选的，所述实时监控采集模块，第一分布式能源包括环境数据、分布式能源输出数据、以及电气设备状态，其中环境数据包括气象数据、环境湿度、以及环境温度；分布式能源输出数据包括各分布式能源输出电荷数据；电气设备状态包括各电气设备的电压、电流、以及功率。
12、优选的，所述分布式能源特性感知模块，特性感知操作的步骤如下：
13、关键特性信息整理：对第一分布式能源以时间为横轴，发电功率为纵轴的离散数据序列进行初步整理；
14、处理异常数据：检查数据的完整性与准确性，采用自适应滤波算法处理数据的噪声和误差，并采用线性插值法对少量缺失数据进行补充；
15、特性分析：根据不同类型分布式能源的特性分析需求进行针对性处理；
16、特性分析数据传输与可视化处理：采用动态可视化技术设置可视化布局，并通过高速通信5g网络进行传输。
17、优选的，所述数据处理模块，获取第二分布式能源，具体包括：
18、基于第一能源特性和系统运行数据库中对应历史数据，设置输入模型的数据集，记为ec＝ec1，ec2，…，ecn，其中，n表示为输入模型的数据集存在数据信息的总数，且输入模型的数据集对应的各eci表示为d-维向量，i表示为输入模型的数据集中对应数据信息的索引，d表示为输入模型的数据集的特征维度；
19、设置输入模型的数据集中对应数据信息对应的目标标签，记为tec＝tec1，tec2，…，tecn，其中，n表示为输入模型的数据集存在数据信息的总数，且各目标标签teci为标量，i表示为输入模型的数据集中对应数据信息的索引；
20、初始化输入层到隐藏层的权重矩阵w，具体表示为：w∈rl×d，其中，r表示为实数集，l表示为偏置向量中的元素个数，d表示为输入模型的数据集的特征维度；
21、初始化输入层到隐藏层的偏置向量b，具体表示为：b∈rl，其中，r表示为实数集，l表示为偏置向量中的元素个数。
22、优选的，所述数据处理模块，获取第二分布式能源，具体包括：
23、通过最小化均方误差计算分布式能源调度分析模型对应输出层权重β，具体表示为：
24、β＝(hth)-1hth，
25、其中，β∈rl，即从隐藏层输出到输出层的权重中取值，h表示为隐藏层输出矩阵，且矩阵行表示输入数据样本，矩阵列表示隐藏层神经元的输出；
26、基于分布式能源调度分析模型对应输出层权重β和隐藏层输出矩阵h，计算分布式能源调度分析模型的预测值aec，具体表示为：
27、aec＝f(w×ec+b)·h·β，
28、其中，ec表示为输入模型的数据集，w表示为输入层到隐藏层的权重矩阵，b表示为输入层到隐藏层的偏置向量，f表示为分布式能源调度分析模型对应预测值的激活函数。
29、优选的，所述数据处理模块，获取第二分布式能源，具体包括：
30、确定调度与优化目标；初始化粒子；更新粒子的速度和位置：基于粒子的个体最优解和全局最优解更新粒子的速度，粒子的速度更新公式，具体表示为：
31、vj(t+1)＝iw·vj(t)+c1·r1·(pj-xj(t))+c2·r2·(g*-xj(t))，
32、其中，vj(t+1)表示为第j个粒子在第t+1次迭代的速度，iw表示为惯性权重，vj(t)表示为第j个粒子在第t次迭代的速度，c1，c2表示为学习因子，r1，r2表示为[0，1]之间的随机数；pj表示为第j个粒子的个体最优位置；g*表示为全局最优位置；xj(t)表示为第j个粒子在第t次迭代的位置；
33、基于粒子的更新速度，粒子的位置更新公式，具体表示为：
34、xj(t+1)＝xj(t)+vj(t+1)，
<本文档来自技高网...【技术保护点】
1.分布式能源并网调度优化管理系统，包括系统运行数据库、系统中央处理模块和用户信息端，其特征在于，还包括：
2.根据权利要求1所述的分布式能源并网调度优化管理系统，其特征在于：所述实时监控采集模块，第一分布式能源包括环境数据、分布式能源输出数据、以及电气设备状态，其中环境数据包括气象数据、环境湿度、以及环境温度；分布式能源输出数据包括各分布式能源输出电荷数据；电气设备状态包括各电气设备的电压、电流、以及功率。
3.根据权利要求1所述的分布式能源并网调度优化管理系统，其特征在于：所述分布式能源特性感知模块，特性感知操作的步骤如下：
4.根据权利要求1所述的分布式能源并网调度优化管理系统，其特征在于：所述数据处理模块，获取第二分布式能源，具体包括：
5.根据权利要求4所述的分布式能源并网调度优化管理系统，其特征在于：所述数据处理模块，获取第二分布式能源，具体包括：
6.根据权利要求4所述的分布式能源并网调度优化管理系统，其特征在于：所述数据处理模块，获取第二分布式能源，具体包括：
7.根据权利要求1所述的分布式能
8.根据权利要求1所述的分布式能源并网调度优化管理系统，其特征在于：所述智能调度优化模块，最优调度策略包括分布式能源发电功率分配策略、储能设备充放电策略、以及电网负荷调节策略。
...【技术特征摘要】
1.分布式能源并网调度优化管理系统，包括系统运行数据库、系统中央处理模块和用户信息端，其特征在于，还包括：
2.根据权利要求1所述的分布式能源并网调度优化管理系统，其特征在于：所述实时监控采集模块，第一分布式能源包括环境数据、分布式能源输出数据、以及电气设备状态，其中环境数据包括气象数据、环境湿度、以及环境温度；分布式能源输出数据包括各分布式能源输出电荷数据；电气设备状态包括各电气设备的电压、电流、以及功率。
3.根据权利要求1所述的分布式能源并网调度优化管理系统，其特征在于：所述分布式能源特性感知模块，特性感知操作的步骤如下：
4.根据权利要求1所述的分布式能源并网调度优化管理系统，其特征在于：所述数据...
【专利技术属性】
技术研发人员：王博东，史队宗，
申请(专利权)人：青岛智晟智能装备有限公司，
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。