CN110401219B - 分布式能源和用户群体交直流配用电***智能运行方法 - Google Patents

分布式能源和用户群体交直流配用电***智能运行方法 Download PDF

Info

Publication number
CN110401219B
CN110401219B CN201910658666.9A CN201910658666A CN110401219B CN 110401219 B CN110401219 B CN 110401219B CN 201910658666 A CN201910658666 A CN 201910658666A CN 110401219 B CN110401219 B CN 110401219B
Authority
CN
China
Prior art keywords
power
data
electronic system
output value
jth
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910658666.9A
Other languages
English (en)
Other versions
CN110401219A (zh
Inventor
邓卫
裴玮
孔力
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Electrical Engineering of CAS
Original Assignee
Institute of Electrical Engineering of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Electrical Engineering of CAS filed Critical Institute of Electrical Engineering of CAS
Priority to CN201910658666.9A priority Critical patent/CN110401219B/zh
Publication of CN110401219A publication Critical patent/CN110401219A/zh
Application granted granted Critical
Publication of CN110401219B publication Critical patent/CN110401219B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/36—Arrangements for transfer of electric power between ac networks via a high-tension dc link
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种分布式能源和用户群体交直流配用电***智能运行方法，该方法包括：数据准备，获取不同电价下各配用电子***历史记录所对应的数据集合，对各配用电子***的供、用能数据进行预测，得到数据集的预测输入数据；依据电价匹配所对应的数据集合，然后计算预测输入数据与各数据集之间的参考距离，进而确定各配用电子***的行为预测结果。本发明通过供、用能数据预测和数据集距离计算等来自动确定可能的行为值，大幅提高对历史运行数据搜索的效率，支撑分布式能源和用户群体交直流配用电***的各项高级功能。

Description

分布式能源和用户群体交直流配用电***智能运行方法
技术领域
本发明涉及分布式发电及交直流配用电***的技术领域，具体涉及一种分布式能源和用户群体交直流配用电***智能运行方法。
背景技术
近年来分布式发电及微网已成为国内外能源研究领域的关注热点，并随着其技术的渐趋成熟和示范建设的逐步推进，各国都将其作为智能电网的重要组成部分。在此背景下，分布式发电及微网大规模接入逐渐受到研究和关注，并且在部分资源丰富与条件成熟的地区，逐步开展包含电动汽车充电站、分布式储能、热电联供、可再生能源、微网等在内的接入示范。
地理位置相邻分布的光伏、风电、微型燃气轮机(CHP)等分布式电源与负荷可以有效组织，形成配用电子***，且能够自治运行或并入电网运行，成为分布式能源和用户的重要组织形式。因此，在分布式发电大规模接入下，配电网中将形成多个配用电子***。总体来看，目前现有的交流配用电子***集成聚合方法受到交流配电网固有结构和运行方式的限制，不能发挥可调度资源在更大空间和时间范围的互补以及供电潜力的提升。因此，通过将多个配用电子***经过AC/DC换流站跨馈线互联，可以克服目前交流配电网馈线互联和固有结构的限制，能够在更大的时空范围内进行相互之间的互济均衡。这种结构下各配用电子***能够更好地在提高可再生能源利用率、增强电力***可靠性和改善电能质量等方面发挥积极作用。这种分布式能源和用户群体交直流配用电***典型结构如图1所示，各配用电子***包含分布式能源(Distributed energy resource，DER)如光伏、风电、微型燃气轮机(CHP)、负荷，并配置AC/DC换流站。其中，AC/DC换流站是交、直流***互联的重要载体，各AC/DC换流站的交流侧分别接入配用电子***的某处母线或节点，直流侧则相互互联，尤其当多个配用电子***通过对应AC/DC换流站接入直流***时可形成多端直流结构。
随着分布式能源和用户群体日益增加，分布式能源和用户群体交直流配用电***相应增多，且各自地理位置不一、接入配电网馈线不同、各自运行目标不一致甚至相互冲突，因此传统方法难以保证各配用电子***行为预测的快速性。
发明内容
本发明要解决技术问题为：克服现有技术的不足，提供一种分布式能源和用户群体交直流配用电***智能运行方法，通过供、用能数据预测和数据集距离计算等来自动确定可能的行为值，大幅提高对历史运行数据搜索的效率，支撑分布式能源和用户群体交直流配用电***的各项高级功能。
本发明解决上述技术问题采用的技术方案为：一种分布式能源和用户群体交直流配用电***智能运行方法，包括以下步骤：
第一步，数据准备，针对各配用电子***，获取其在不同电价下已存储的所有历史记录，一条完整的记录包含下一采样时刻前的等值负荷历史记录、光伏输出功率历史记录、风电输出功率历史记录、功率缺额历史记录、CHP行为指令即CHP输出功率历史记录、AC/DC换流站行为指令即AC/DC换流站输出功率历史记录；一条完整的记录构成一组数据集，每种电价下的所有数据集构成该电价的数据集合，为第二步提供数据基础；
第二步，基于第一步获取的各配用电子***在不同电价下的数据集合，对各配用电子***下一采样时刻的供能数据和用能数据进行预测，并计算得到下一采样时刻的功率缺额预测输出值，形成第三步的输入数据，即每个配用电子***在下一时刻的等值负荷预测输出值、光伏输出功率预测输出值、风电输出功率预测输出值、以及功率缺额预测输出值；所述供能数据即各配用电子***的光伏输出功率、风电输出功率；所述用能数据即各配用电子***的等值负荷，第一步中的数据集合存储了这些数据的历史记录；
第三步，针对各配用电子***，基于下一采样时刻的电价匹配已存储的所有历史记录，挑选所对应的数据集合即在不同电价下的数据集合，然后根据第二步得到的每个配用电子***在下一时刻的等值负荷预测输出值、光伏输出功率预测输出值、风电输出功率预测输出值、以及功率缺额预测输出值计算与该数据集合中所有数据集对应的简化集之间的参考距离，确定离参考距离最近的一组数据集，利用该数据集中的CHP行为指令历史记录、AC/DC换流站行为指令历史记录作为配用电子***CHP、AC/DC换流站下一采样时刻的行为预测结果，行为预测结果包括CHP行为指令预测输出值、AC/DC换流站行为指令预测输出值。
所述第一步中，具体实现如下：
(1)设定第j个配用电子***中的j＝1；
(2)第j个配用电子***中，电价具备p1、p2、…pi、…、pT等多个价格，设定第i个电价为pi，T为电价总数量，获取其在不同电价下已存储的所有历史记录，一条完整的记录包含下一采样时刻前的等值负荷历史记录、光伏输出功率历史记录、风电输出功率历史记录、功率缺额历史记录、CHP行为指令历史记录、AC/DC换流站行为指令历史记录，一条完整的记录构成一组数据集，每种电价下的所有数据集构成该电价的数据集合；
设定第j个配用电子***第i个电价下的数据集合为{DATApi(Sj)}，此时整体的数据集合为{DATAp1(Sj)}，{DATAp2(Sj)}，…,{DATApi(Sj)}…{DATApT(Sj)}；其中下标Sj表示第j个配用电子***；
每个数据集合由多组数据集构成，总数为N组，设定第j个配用电子***第i个电价下的第n组数据集中的等值负荷历史记录、光伏输出功率历史记录、风电输出功率历史记录、功率缺额历史记录、CHP行为指令历史记录、AC/DC换流站行为指令历史记录分别为
Figure GDA0002621511470000031
定义
Figure GDA0002621511470000032
假定第j个配用电子***第i个电价下的第n组数据集为DATAnpi(Sj)，表示为：
Figure GDA0002621511470000033
消减每组数据集中的可调节单元项即CHP与AC/DC换流站，消减后第j个配用电子***第i个电价下的第n组数据集的简化集为DATAn,rpi(Sj)：
Figure GDA0002621511470000034
(3)判断所有配用电子***均完成数据准备，如果是则结束；如果没有，则进行j+1，继续执行步骤(1)-(3)，最终得到每个配用电子***在每种电价下的所有数据集及对应的简化集。
所述第二步，具体实现如下：
(2.1)对于一组采样数据序列x(0)，x(Ts)…x(nTs)…；Ts为采样周期，n为整数，t＝nTs为当前时刻，其中任意N个相邻的采样点x(nTs)，x((n-1)Ts)……x((n-N+1)Ts)的滑动平均值为Y(nTs)，由于滑动平均值的处理方法具有群时延特性，因此，增加预测项对下一时刻即t＝(n+1)Ts进行预测性能的提升，(n+1)Ts时刻的预测输出值为YP((n+1)Ts)，t＝nTs时刻的预测输出值为YP(nTs)，t＝(n-1)Ts时刻的滑动平均值为Y((n-1)Ts)，t＝nTs时刻的微分值为yd(nTs)，预测因子为Tp，权重系数包含a1，b1，b2，则：
YP((n+1)Ts)＝a1{Y(nTs)-YP(nTs)}+{b1Y(nTs)+(1-b1)Y((n-1)Ts)}/b2+Tpyd(nTs) (1)
将任意N个相邻采样点，即x(nTs)，x((n-1)Ts)……x((n-N+1)Ts)分成M等份，M为整数，并对每一等份中N/M个采样点分别求取平均值，设定t＝nTs时刻N个相邻采样点的首个等份的平均值为
Figure GDA0002621511470000035
设定t＝nTs时刻N个相邻采样点的最终等份的平均值为
Figure GDA0002621511470000041
yd(nTs)满足：
Figure GDA0002621511470000042
a2为权重系数；
(2.2)设定第j个配用电子***中的j＝1；
(2.3)第j个配用电子***中等值负荷定义为
Figure GDA0002621511470000043
当前为t＝nTs时刻，则历史记录中已存储的N个相邻的采样点为
Figure GDA0002621511470000044
设定：
Figure GDA0002621511470000045
利用公式(1)求取YP((n+1)Ts)，定义(n+1)Ts时刻的等值负荷预测输出值为
Figure GDA0002621511470000046
则
Figure GDA0002621511470000047
(2.4)第j个配用电子***中光伏输出功率定义为
Figure GDA0002621511470000048
当前为t＝nTs时刻，则历史记录中已存储的N个相邻的采样点为
Figure GDA0002621511470000049
设定：
Figure GDA00026215114700000410
利用公式(1)求取YP((n+1)Ts)，定义下一时刻即(n+1)Ts时刻的光伏输出功率预测输出值为
Figure GDA00026215114700000411
则
Figure GDA00026215114700000412
(2.5)第j个配用电子***中风电输出功率定义为
Figure GDA00026215114700000413
当前为t＝nTs时刻，则历史记录中已存储的N个相邻的采样点为
Figure GDA00026215114700000414
设定：
Figure GDA00026215114700000415
利用式(1)求取YP((n+1)Ts)，定义(n+1)Ts时刻的风电输出功率预测输出值为
Figure GDA00026215114700000416
则
Figure GDA00026215114700000417
(2.6)在获取(n+1)Ts时刻的等值负荷预测输出值
Figure GDA00026215114700000418
光伏输出功率预测输出值
Figure GDA00026215114700000419
风电输出功率预测输出值
Figure GDA00026215114700000420
的基础上，假定第j个配用电子***中功率缺额定义为
Figure GDA00026215114700000421
定义(n+1)Ts时刻的功率缺额预测输出值为
Figure GDA00026215114700000422
则
Figure GDA00026215114700000423
(2.7)判断所有配用电子***均预测完成，如果是则结束；如果没有，则进行j+1，继续执行步骤(2.3)-(2.6)，最终得到每个配用电子***在下一时刻，即(n+1)Ts时刻的等值负荷预测输出值、光伏输出功率预测输出值、风电输出功率预测输出值、以及功率缺额预测输出值。
所述第三步，具体实现如下：
(3.1)设定第j个配用电子***中的j＝1；
(3.2)针对第j个配用电子***，首先根据获取的电价p，针对p1、p2、…pi、…、pT等多个价格，寻找最接近p的电价，假定为第i1个电价，记为pi1，则匹配的数据集合为{DATApi1(Sj)}，其中下标Sj表示第j个配用电子***，然后针对数据集合{DATApi1(Sj)包含的所有数据集进行匹配，具体方法为：
获取第j个配用电子***第i1个电价下的所有数据集，其中第k组数据集包括：第j个配用电子***第i1个电价下的第k组数据集中等值负荷历史记录、光伏输出功率历史记录、风电输出功率历史记录、功率缺额历史记录、CHP行为指令历史记录、AC/DC换流站行为指令历史记录，分别为
Figure GDA0002621511470000051
定义
Figure GDA0002621511470000052
则第j个配用电子***第i1个电价下的第k组数据集为：
Figure GDA0002621511470000053
第j个配用电子***第i1个电价下的第k组数据集的简化集为DATAk,rpi1(Sj)：
Figure GDA0002621511470000054
结合(n+1)Ts时刻的等值负荷预测输出值
Figure GDA0002621511470000055
光伏输出功率预测输出值
Figure GDA0002621511470000056
风电输出功率预测输出值
Figure GDA0002621511470000057
功率缺额预测输出值
Figure GDA0002621511470000058
计算预测值与第k组数据集的简化集的参考距离，以dk进行表示：
Figure GDA0002621511470000059
c1、c2为权重系数；
其中，K为数据集的总数量，在d1，d2，…，dk…，dK中寻找最小值，其对应的下标记为k1，即此时匹配第k1组数据集的简化集，即为DATAk1,rpi1(Sj)；
(3.3)确定第j个配用电子***第i1个电价下的第k1组数据集为DATAk1pi1(Sj)，其中第j个配用电子***第i1个电价下的第k1组数据集中CHP行为指令历史记录为
Figure GDA00026215114700000510
第j个配用电子***第i1个电价下的第k1组数据集中AC/DC换流站行为指令历史记录为
Figure GDA00026215114700000511
第j个配用电子***中CHP行为指令定义为
Figure GDA00026215114700000512
定义(n+1)Ts时刻的CHP行为指令预测输出值为
Figure GDA00026215114700000513
第j个配用电子***中AC/DC换流站行为指令定义为
Figure GDA00026215114700000514
定义(n+1)Ts时刻的AC/DC换流站行为指令预测输出值为
Figure GDA00026215114700000515
则
Figure GDA00026215114700000516
(3.4)判断所有配用电子***均匹配完成，如果是则结束；如果没有，则进行j+1，继续执行步骤(3.2)-(3.3)，最终得到每个配用电子***在下一时刻，即(n+1)Ts时刻的CHP行为指令预测输出值、AC/DC换流站行为指令预测输出值。
本发明与现有技术相比的优点在于：
(1)分布式能源和用户群体交直流配用电***成为未来配电网中重要组网形态之一。对分布式能源和用户群体而言，现有方法存在数据驱动需要二次匹配、计算量大、且无法对未来态进行预测等瓶颈。因而，本发明提出一种分布式能源和用户群体交直流配用电***智能运行方法，主要体现在利用已存储的历史记录预测下一采样时刻CHP、AC/DC换流站的行为，即输出功率的大小，而不再需要复杂、耗时较长的模型优化计算，进而实现了智能化的运行。
(2)本发明结合数据预测等手段弥补现有缺陷：通过滑动平均值改进方法对等值负荷、光伏输出功率、风电输出功率等进行预测，获取未来态所需的数据，以灵活处理交直流配用电***未来态的运行管理；基于预测数据计算与数据集的简化集之间的参考距离即可一次匹配对应的数据集，进而确定行为预测结果，计算量小、搜索效率高。
(3)此外，现有的通过利用大量的历史运行数据实现分布式能源和用户群体运行的行为预测，但实现时需要首先匹配数据集中对应的场景集，然后在从场景集中匹配对应的信息矩阵，一方面处理过程相对复杂，需要两次匹配才能完成，计算量较大；另一方面均围绕已有数据，缺乏对未来运行管理的有效支撑。本发明通过一次匹配即可确定对应的数据集，行为预测搜索的效率更高，同时利用已有数据进行短期预测，并利用改进方法提高预测准确性，使得本发明能够灵活处理交直流配用电***未来态的运行管理。
附图说明
图1为分布式能源和用户群体交直流配用电***典型结构；
图2为本发明方法流程图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
如图2所示，本发明方法包括以下步骤：
第一步，数据准备，获取不同电价下各配用电子***历史记录所对应的数据集合，具体实现如下：
电价具备p1、p2、…pi、…、pT等多个价格，设定第i个电价为pi，T为电价总数量，设定{DATApi}为第i个电价下的数据集合，此时整体的数据集合为{DATAp1}，{DATAp2}，…,{DATApi}…{DATApT}；其中{DATApi}包括光伏、风电、负荷的运行数据和可调节单元的行为指令历史记录，可调节单元的行为指令包括CHP行为指令、AC/DC换流站行为指令，当{DATApi}包含总数为N的多组数据，假定DATAnpi(Sj)为第j个配用电子***在第i个电价下的第n组数据集的表示形式：
Figure GDA0002621511470000071
其中，下标Sj表示第j个配用电子***，
Figure GDA0002621511470000072
分别为第j个配用电子***在第i个电价下的第n组数据集中等值负荷历史记录、光伏输出功率历史记录、风电输出功率历史记录、功率缺额历史记录、CHP行为指令历史记录、AC/DC换流站行为指令历史记录，定义
Figure GDA0002621511470000073
消减每条数据集中的可调节单元项，消减后第j个配用电子***在第i个电价下的第n组数据集的简化集表示为DATAn,rpi(Sj)：
Figure GDA0002621511470000074
第二步，对各配用电子***的供、用能数据进行预测，得到数据集的预测输入数据，具体实现如下：
2.1对于一组采样数据序列x(0)，x(Ts)…x(nTs)…，(Ts为采样周期，n为整数，t＝nTs为当前时刻)，其中任意N个相邻的采样点x(nTs)，x((n-1)Ts)……x((n-N+1)Ts)的滑动平均值Y(nTs)满足：
Y(nTs)＝[x(n)+x((n-1)Ts)+…+x((n-N+1)Ts)]/N (1)
由于滑动平均值的处理方法具有群时延特性，当前输入所产生的准确输出会在(N-1)Ts/2时刻后出现。因此，考虑增加预测项对下一时刻即t＝(n+1)Ts进行预测，其定义如下：
YP((n+1)Ts)＝a1{Y(nTs)-YP(nTs)}+{b1Y(nTs)+(1-b1)Y((n-1)Ts)}/b2+Tpyd(nTs) (2)
式中，YP((n+1)Ts)为(n+1)Ts时刻的预测输出值，YP(nTs)为t＝nTs时刻的预测输出值，Y(nTs)为t＝nTs时刻的滑动平均值，Y((n-1)Ts)为t＝(n-1)Ts时刻的滑动平均值，yd(nTs)为t＝nTs时刻的微分值，Tp为预测因子，n为整数，a1，b1，b2为权重系数。
yd(nTs)的求解步骤为：将任意N个相邻采样点，即x(nTs)，x((n-1)Ts)……x((n-N+1)Ts)分成M(M为整数)等份，yd(nTs)满足：
Figure GDA0002621511470000075
其中
Figure GDA0002621511470000076
为t＝nTs时刻N个相邻采样点的首个等份的平均值，
Figure GDA0002621511470000077
为t＝nTs时刻N个相邻采样点的最终等份的平均值，a2为权重系数；
2.2设定j＝1；
2.3假定第j个配用电子***中等值负荷定义为
Figure GDA0002621511470000081
当前为t＝nTs时刻，则历史记录中已存储的N个相邻的采样点为
Figure GDA0002621511470000082
设定：
Figure GDA0002621511470000083
利用式(2)求取YP((n+1)Ts)，定义(n+1)Ts时刻的等值负荷预测输出值为
Figure GDA0002621511470000084
则
Figure GDA0002621511470000085
2.4假定第j个配用电子***中光伏输出功率定义为
Figure GDA0002621511470000086
当前为t＝nTs时刻，则历史记录中已存储的N个相邻的采样点为
Figure GDA0002621511470000087
设定：
Figure GDA0002621511470000088
利用式(2)求取YP((n+1)Ts)，定义(n+1)Ts时刻的光伏输出功率预测输出值为
Figure GDA0002621511470000089
则
Figure GDA00026215114700000810
2.5假定第j个配用电子***中风电输出功率定义为
Figure GDA00026215114700000811
当前为t＝nTs时刻，则历史记录中已存储的N个相邻的采样点为
Figure GDA00026215114700000812
设定：
Figure GDA00026215114700000813
利用式(2)求取YP((n+1)Ts)，定义(n+1)Ts时刻的风电输出功率预测输出值为
Figure GDA00026215114700000814
则
Figure GDA00026215114700000815
2.6在获取(n+1)Ts时刻的等值负荷预测输出值
Figure GDA00026215114700000816
光伏输出功率预测输出值
Figure GDA00026215114700000817
风电输出功率预测输出值
Figure GDA00026215114700000818
的基础上，假定第j个配用电子***中功率缺额定义为
Figure GDA00026215114700000819
定义(n+1)Ts时刻的功率缺额预测输出值为
Figure GDA00026215114700000820
则
Figure GDA00026215114700000821
2.7判断所有配用电子***均预测完成，如果是则结束；如果没有则j＝j+1，继续执行步骤2.3-2.6。
第三步，依据电价匹配所对应的数据集合，然后计算预测输入数据与各数据集之间的参考距离，进而确定各配用电子***的行为预测结果，具体实现如下：
3.1设定j＝1；
3.2针对第j个配用电子***，首先根据获取的电价p，针对p1、p2、…pi、…、pT等多个价格，寻找最接近p的电价，假定为第i个电价，记为pi，则匹配的数据集合为{DATApi}，然后针对数据集合{DATApi}包含的所有数据集进行匹配，具体方法为：
获取第j个配用电子***在第i个电价下的所有数据集，其中，
第k组数据集的表示形式为：
Figure GDA0002621511470000091
第k组数据集的简化集表示为DATAk,rpi(Sj)：
Figure GDA0002621511470000092
其中，下标Sj表示第j个配用电子***，
Figure GDA0002621511470000093
分别为第j个配用电子***在第i个电价下的第k组数据集中等值负荷历史记录、光伏输出功率历史记录、风电输出功率历史记录、功率缺额历史记录、CHP行为指令历史记录、AC/DC换流站行为指令历史记录，定义
Figure GDA0002621511470000094
结合(n+1)Ts时刻的等值负荷预测输出值
Figure GDA0002621511470000095
光伏输出功率预测输出值
Figure GDA0002621511470000096
风电输出功率预测输出值
Figure GDA0002621511470000097
功率缺额预测输出值
Figure GDA0002621511470000098
计算预测值与第k组数据集的简化集的参考距离，以dk进行表示：
Figure GDA0002621511470000099
其中，K为数据集的总数量，在d1，d2，…，dk…，dK中寻找最小值，其对应的下标记为k1，即此时匹配第k1组数据集的简化集，即DATAk1,rpi(Sj)。
3.3确定第j个配用电子***在第i个电价下的第k1组数据集DATAk1pi(Sj)，假定第j个配用电子***中CHP行为指令定义为
Figure GDA00026215114700000910
定义(n+1)Ts时刻的CHP行为指令预测输出值为
Figure GDA00026215114700000911
假定第j个配用电子***中AC/DC换流站行为指令定义为
Figure GDA00026215114700000912
定义(n+1)Ts时刻的AC/DC换流站行为指令预测输出值为
Figure GDA00026215114700000913
则
Figure GDA00026215114700000914
3.4判断所有配用电子***均预测完成，如果是则结束；如果没有则j＝j+1，继续执行步骤3.2-3.3。
提供以上实施例仅仅是为了描述本发明的目的，而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改，均应涵盖在本发明的范围之内。

Claims (4)

1.一种分布式能源和用户群体交直流配用电***智能运行方法，其特征在于，包括以下步骤：
第一步，数据准备，针对各配用电子***，获取其在不同电价下已存储的所有历史记录，一条完整的记录包含下一采样时刻前的等值负荷历史记录、光伏输出功率历史记录、风电输出功率历史记录、功率缺额历史记录、CHP行为指令即CHP输出功率历史记录、AC/DC换流站行为指令即AC/DC换流站输出功率历史记录；一条完整的记录构成一组数据集，每种电价下的所有数据集构成该电价的数据集合，最终得到每个配用电子***在每种电价下的所有数据集及对应的简化集，为第二步提供数据基础；
第二步，基于第一步获取的各配用电子***在不同电价下的数据集合，对各配用电子***下一采样时刻的供能数据和用能数据进行预测，并计算得到下一采样时刻的功率缺额预测输出值，形成第三步的输入数据，即每个配用电子***在下一时刻的等值负荷预测输出值、光伏输出功率预测输出值、风电输出功率预测输出值、以及功率缺额预测输出值；所述供能数据即各配用电子***的光伏输出功率、风电输出功率；所述用能数据即各配用电子***的等值负荷，第一步中的数据集合存储了这些数据的历史记录；
第三步，针对各配用电子***，基于下一采样时刻的电价匹配已存储的所有历史记录，挑选所对应的数据集合即在不同电价下的数据集合，然后根据第二步得到的每个配用电子***在下一时刻的等值负荷预测输出值、光伏输出功率预测输出值、风电输出功率预测输出值、以及功率缺额预测输出值计算与该数据集合中所有数据集对应的简化集之间的参考距离，确定离参考距离最近的一组数据集，利用该数据集中的CHP行为指令历史记录、AC/DC换流站行为指令历史记录作为配用电子***CHP、AC/DC换流站下一采样时刻的行为预测结果，行为预测结果包括CHP行为指令预测输出值、AC/DC换流站行为指令预测输出值。
2.根据权利要求1所述的分布式能源和用户群体交直流配用电***智能运行方法，其特征在于：所述第一步中，具体实现如下：
(1)设定第j个配用电子***中的j＝1；
(2)第j个配用电子***中，电价具备p1、p2、…pi、…、pT等多个价格，设定第i个电价为pi，T为电价总数量，获取其在不同电价下已存储的所有历史记录，一条完整的记录包含下一采样时刻前的等值负荷历史记录、光伏输出功率历史记录、风电输出功率历史记录、功率缺额历史记录、CHP行为指令历史记录、AC/DC换流站行为指令历史记录，一条完整的记录构成一组数据集，每种电价下的所有数据集构成该电价的数据集合；
设定第j个配用电子***第i个电价下的数据集合为{DATApi(Sj)}，此时整体的数据集合为{DATAp1(Sj)}，{DATAp2(Sj)}，…,{DATApi(Sj)}…{DATApT(Sj)}；
每个数据集合由多组数据集构成，总数为N组，设定第j个配用电子***第i个电价下的第n组数据集中的等值负荷历史记录、光伏输出功率历史记录、风电输出功率历史记录、功率缺额历史记录、CHP行为指令历史记录、AC/DC换流站行为指令历史记录分别为
Figure FDA0002137736660000021
定义
Figure FDA0002137736660000022
其中下标Sj表示第j个配用电子***；
假定第j个配用电子***第i个电价下的第n组数据集为DATAnpi(Sj)，表示为：
Figure FDA0002137736660000023
消减每组数据集中的可调节单元项即CHP与AC/DC换流站，消减后第j个配用电子***第i个电价下的第n组数据集的简化集为DATAn,rpi(Sj)：
Figure FDA0002137736660000024
(3)判断所有配用电子***均完成数据准备，如果是则结束；如果没有，则进行j+1，继续执行步骤(1)-(3)，最终得到每个配用电子***在每种电价下的所有数据集及对应的简化集。
3.根据权利要求1所述的分布式能源和用户群体交直流配用电***智能运行方法，其特征在于：所述第二步，具体实现如下：
(2.1)对于一组采样数据序列x(0)，x(Ts)…x(nTs)…；Ts为采样周期，n为整数，t＝nTs为当前时刻，其中任意N个相邻的采样点x(nTs)，x((n-1)Ts)……x((n-N+1)Ts)的滑动平均值为Y(nTs)，由于滑动平均值的处理方法具有群时延特性，因此，增加预测项对下一时刻即t＝(n+1)Ts进行预测性能的提升，(n+1)Ts时刻的预测输出值为YP((n+1)Ts)，t＝nTs时刻的预测输出值为YP(nTs)，t＝(n-1)Ts时刻的滑动平均值为Y((n-1)Ts)，t＝nTs时刻的微分值为yd(nTs)，预测因子为Tp，权重系数包含a1，b1，b2，则：
YP((n+1)Ts)＝a1{Y(nTs)-YP(nTs)}+{b1Y(nTs)+(1-b1)Y((n-1)Ts)}/b2+Tpyd(nTs) (1)
将任意N个相邻采样点，即x(nTs)，x((n-1)Ts)……x((n-N+1)Ts)分成M等份，M为整数，并对每一等份中N/M个采样点分别求取平均值，设定t＝nTs时刻N个相邻采样点的首个等份的平均值为
Figure FDA0002137736660000025
设定t＝nTs时刻N个相邻采样点的最终等份的平均值为
Figure FDA0002137736660000031
yd(nTs)满足：
Figure FDA0002137736660000032
a2为权重系数；
(2.2)设定第j个配用电子***中的j＝1；
(2.3)第j个配用电子***中等值负荷定义为
Figure FDA0002137736660000033
当前为t＝nTs时刻，则历史记录中已存储的N个相邻的采样点为
Figure FDA0002137736660000034
设定：
Figure FDA0002137736660000035
利用公式(1)求取YP((n+1)Ts)，定义(n+1)Ts时刻的等值负荷预测输出值为
Figure FDA0002137736660000036
则
Figure FDA0002137736660000037
(2.4)第j个配用电子***中光伏输出功率定义为
Figure FDA0002137736660000038
当前为t＝nTs时刻，则历史记录中已存储的N个相邻的采样点为
Figure FDA0002137736660000039
设定：
Figure FDA00021377366600000310
利用公式(1)求取YP((n+1)Ts)，定义下一时刻即(n+1)Ts时刻的光伏输出功率预测输出值为
Figure FDA00021377366600000311
则
Figure FDA00021377366600000312
(2.5)第j个配用电子***中风电输出功率定义为
Figure FDA00021377366600000313
当前为t＝nTs时刻，则历史记录中已存储的N个相邻的采样点为
Figure FDA00021377366600000314
设定：
Figure FDA00021377366600000315
利用式(1)求取YP((n+1)Ts)，定义(n+1)Ts时刻的风电输出功率预测输出值为
Figure FDA00021377366600000316
则
Figure FDA00021377366600000317
(2.6)在获取(n+1)Ts时刻的等值负荷预测输出值
Figure FDA00021377366600000318
光伏输出功率预测输出值
Figure FDA00021377366600000319
风电输出功率预测输出值
Figure FDA00021377366600000320
的基础上，假定第j个配用电子***中功率缺额定义为
Figure FDA00021377366600000321
定义(n+1)Ts时刻的功率缺额预测输出值为
Figure FDA00021377366600000322
则
Figure FDA00021377366600000323
(2.7)判断所有配用电子***均预测完成，如果是则结束；如果没有，则进行j+1，继续执行步骤(2.3)-(2.6)，最终得到每个配用电子***在下一时刻，即(n+1)Ts时刻的等值负荷预测输出值、光伏输出功率预测输出值、风电输出功率预测输出值、以及功率缺额预测输出值。
4.根据权利要求1所述的分布式能源和用户群体交直流配用电***智能运行方法，其特征在于：所述第三步，具体实现如下：
(3.1)设定第j个配用电子***中的j＝1；
(3.2)针对第j个配用电子***，首先根据获取的电价p，针对p1、p2、…pi、…、pT等多个价格，寻找最接近p的电价，假定为第i1个电价，记为pi1，则匹配的数据集合为{DATApi1(Sj)}，其中下标Sj表示第j个配用电子***，然后针对数据集合{DATApi1(Sj)包含的所有数据集进行匹配，具体方法为：
获取第j个配用电子***第i1个电价下的所有数据集，其中第k组数据集包括：第j个配用电子***第i1个电价下的第k组数据集中等值负荷历史记录、光伏输出功率历史记录、风电输出功率历史记录、功率缺额历史记录、CHP行为指令历史记录、AC/DC换流站行为指令历史记录，分别为
Figure FDA0002137736660000041
定义
Figure FDA0002137736660000042
则第j个配用电子***第i1个电价下的第k组数据集为：
Figure FDA0002137736660000043
第j个配用电子***第i1个电价下的第k组数据集的简化集为DATAk,rpi1(Sj)：
Figure FDA0002137736660000044
结合(n+1)Ts时刻的等值负荷预测输出值
Figure FDA0002137736660000045
光伏输出功率预测输出值
Figure FDA0002137736660000046
风电输出功率预测输出值
Figure FDA0002137736660000047
功率缺额预测输出值
Figure FDA0002137736660000048
计算预测值与第k组数据集的简化集的参考距离，以dk进行表示：
Figure FDA0002137736660000049
c1、c2为权重系数；
其中，K为数据集的总数量，在d1，d2，…，dk…，dK中寻找最小值，其对应的下标记为k1，即此时匹配第k1组数据集的简化集，即为DATAk1,rpi1(Sj)；
(3.3)确定第j个配用电子***第i1个电价下的第k1组数据集为DATAk1pi1(Sj)，其中第j个配用电子***第i1个电价下的第k1组数据集中CHP行为指令历史记录为
Figure FDA00021377366600000410
第j个配用电子***第i1个电价下的第k1组数据集中AC/DC换流站行为指令历史记录为
Figure FDA00021377366600000411
第j个配用电子***中CHP行为指令定义为
Figure FDA00021377366600000412
定义(n+1)Ts时刻的CHP行为指令预测输出值为
Figure FDA00021377366600000413
第j个配用电子***中AC/DC换流站行为指令定义为
Figure FDA00021377366600000414
定义(n+1)Ts时刻的AC/DC换流站行为指令预测输出值为
Figure FDA00021377366600000415
则
Figure FDA0002137736660000051
(3.4)判断所有配用电子***均匹配完成，如果是则结束；如果没有，则进行j+1，继续执行步骤(3.2)-(3.3)，最终得到每个配用电子***在下一时刻，即(n+1)Ts时刻的CHP行为指令预测输出值、AC/DC换流站行为指令预测输出值。
CN201910658666.9A 2019-07-22 2019-07-22 分布式能源和用户群体交直流配用电***智能运行方法 Active CN110401219B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910658666.9A CN110401219B (zh) 2019-07-22 2019-07-22 分布式能源和用户群体交直流配用电***智能运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910658666.9A CN110401219B (zh) 2019-07-22 2019-07-22 分布式能源和用户群体交直流配用电***智能运行方法

Publications (2)

Publication Number Publication Date
CN110401219A CN110401219A (zh) 2019-11-01
CN110401219B true CN110401219B (zh) 2020-10-09

Family

ID=68324879

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910658666.9A Active CN110401219B (zh) 2019-07-22 2019-07-22 分布式能源和用户群体交直流配用电***智能运行方法

Country Status (1)

Country Link
CN (1) CN110401219B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106410861A (zh) * 2016-11-04 2017-02-15 浙江工业大学 一种基于可调度能力的微电网优化运行实时控制方法
CN109709910A (zh) * 2018-11-30 2019-05-03 中国科学院广州能源研究所 一种家庭能源优化调度管理***及方法
CN109980695A (zh) * 2019-03-29 2019-07-05 中国科学院电工研究所 一种配用电***的分布式能源和用户行为预测方法
CN109995095A (zh) * 2019-03-29 2019-07-09 中国科学院电工研究所 一种基于数据驱动的配用电***智能运行控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108428022A (zh) * 2018-05-21 2018-08-21 上海电力学院 一种基于相关度的短期实时电价趋势预测方法
CN109285039B (zh) * 2018-11-22 2021-07-06 东南大学 一种计及风光不确定性的电动汽车充电站电价制定方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106410861A (zh) * 2016-11-04 2017-02-15 浙江工业大学 一种基于可调度能力的微电网优化运行实时控制方法
CN109709910A (zh) * 2018-11-30 2019-05-03 中国科学院广州能源研究所 一种家庭能源优化调度管理***及方法
CN109980695A (zh) * 2019-03-29 2019-07-05 中国科学院电工研究所 一种配用电***的分布式能源和用户行为预测方法
CN109995095A (zh) * 2019-03-29 2019-07-09 中国科学院电工研究所 一种基于数据驱动的配用电***智能运行控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"A behavior cluster based availability prediction approach for nodes in distribution networks";Jiali You 等;《2013 IEEE International Conference on Acoustics, Speech and Signal Processing》;20130531;全文 *
"Optimal operation of microgrid composed of small hydropower and photovoltaic generation with energy storage based on multiple scenarios technique";Changchun Cai 等;《 2015 5th International Conference on Electric Utility Deregulation and Restructuring and Power Technologies (DRPT)》;20160314;全文 *
"用户侧智能用电集成***的自律协同能量管理优化方法";陈奇芳;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20171215(第12期);全文 *

Also Published As

Publication number Publication date
CN110401219A (zh) 2019-11-01

Similar Documents

Publication Publication Date Title
CN105719091B (zh) 一种梯级水电站群并行多目标优化调度方法
CN109711706A (zh) 考虑分布式电源和需求响应的主动配电网变电站规划方法
CN116151486B (zh) 含储能***的光伏充电站多时间尺度随机优化方法及装置
CN104852399A (zh) 光储微网***的储能容量动态优化方法
CN113794193A (zh) 一种可再生能源直流微网制氢的决策方法
CN110401219B (zh) 分布式能源和用户群体交直流配用电***智能运行方法
CN117013531A (zh) 配电网的容量域评估方法
CN109980695B (zh) 一种配用电***的分布式能源和用户行为预测方法
CN113488990B (zh) 基于改进的蝙蝠算法的微电网优化调度方法
Graditi et al. Advanced forecasting method to the optimal management of a DC microgrid in presence of uncertain generation
CN113673141B (zh) 一种基于数据驱动的能量路由器建模及优化控制方法
CN104182909A (zh) 一种水电***优化调度的多核并行逐次逼近方法
CN110610328B (zh) 一种直流微电网多维运行评估方法
CN114091958A (zh) 智能用电小区的综合能效评估方法及电网规划方法
CN112491067A (zh) 一种基于复合储能的主动配电网容量配置方法
CN111079966B (zh) 一种广义负荷空间预测方法和***
Chang et al. Bi‐level scheduling of large‐scale electric vehicles based on the generation side and the distribution side
Cui et al. Short-term photovoltaic output prediction method based on similar day selection with grey relational theory
CN117498467B (zh) 一种基于多层级虚拟电厂的能量协调控制分配方法及***
CN107895206A (zh) 一种基于奇异谱分析和局部敏感哈希的多步风能预测方法
CN107134773A (zh) 一种基于事件的智能微电网运行优化方法
Du et al. A Collaborative Prediction Method for Capacity and Cost of Photovoltaic Power Plant
CN117748444A (zh) 一种配电***的运行模拟方法
CN114336597A (zh) 基于自适应惩罚函数粒子群算法的光储逆变器能量调度
Tao et al. Energy Optimization Control of hourly Intelligent Charging Stations using Photovoltaic Generation and Load Demand Forecasting

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant