CN111030123B - 一种基于边缘计算的多智能体负荷调控方法 - Google Patents

一种基于边缘计算的多智能体负荷调控方法 Download PDF

Info

Publication number
CN111030123B
CN111030123B CN201911403025.5A CN201911403025A CN111030123B CN 111030123 B CN111030123 B CN 111030123B CN 201911403025 A CN201911403025 A CN 201911403025A CN 111030123 B CN111030123 B CN 111030123B
Authority
CN
China
Prior art keywords
power
regional
power grid
grid
regional power
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
CN201911403025.5A
Other languages
English (en)
Other versions
CN111030123A (zh
Inventor
周博文
杨东升
张化光
王大千
刘鑫蕊
杨波
罗艳红
孙振奥
梁雪
***
王智良
金硕巍
倪雪晴
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.)
Northeastern University China
Original Assignee
Northeastern University China
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 Northeastern University China filed Critical Northeastern University China
Priority to CN201911403025.5A priority Critical patent/CN111030123B/zh
Publication of CN111030123A publication Critical patent/CN111030123A/zh
Priority to PCT/CN2020/112472 priority patent/WO2021135332A1/zh
Priority to EP20845652.5A priority patent/EP3872948B1/en
Application granted granted Critical
Publication of CN111030123B publication Critical patent/CN111030123B/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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Water Supply & Treatment (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种基于边缘计算的多智能体负荷调控方法，涉及智能微网环境下的负荷管理技术领域。该方法首先建立区域电网内部的电力节点数据模型；考虑区域电网间的耦合关系，建立基于边缘计算的感知模型，感知联络线两端的电压与相角；计算区域电网间的线损，叠加区域电网内的发电与耗电功率得到区域电网的净有功功率；然后设定区域电网的目标函数；根据区域电网的目标函数推导区间电网经济效益最优目标函数；最后将区间电网的经济优化与负荷调整问题转化为分布式区域电网整体经济效益与区域间功率平衡耦合问题；将目标函数转化为增广拉格朗日函数，使用ADMM算法求解，实现电网***负荷的调控。

Description

一种基于边缘计算的多智能体负荷调控方法
技术领域
本发明涉及智能微网环境下的负荷管理技术领域，尤其涉及一种基于边缘计算的多智能体负荷调控方法。
背景技术
随着物联网技术与通信技术的发展，数据的计算方式逐渐发生转变，更多的边缘计算方式将取代传统的集中式计算。利用变电站资源建设运营充换电(储能)站和数据中心站的新模式已成为新的研究方向。意味着现阶段，变电站将由常规变电站逐渐向数字化、智能化方向发展。同时应运而生的变电站数据代理节点技术也将成为研究重点。
智能体的概念由Minsky在上世纪80年代提出，到目前为止还没有一个公认的普遍的定义。智能体的基本特性包括社会性、自治性、反应性和主动性；智能体的物理结构包括信息处理模块、环境感知模块、和执行模块等，可以利用自身***接受、分析来自上下层的信息，根据设定的规则计算出最佳的处理策略。因此多智能体的引入促进了电力用户参与电网调峰，减少电网安全运行压力，平衡电网负荷，引导用户科学、合理用电；另一方面也能实现电力资源以及社会资源的优化配置，促进电力工业的可持续发展。随着新能源发电资源与柔性负荷大规模接入电网，电网调控能力得到提高。
目前的分布式控制一般针对分布式电源或负荷等单一类别，较少考虑可控负荷与分布式电源协同调控。即使少量考虑了电源与负荷的分布式调控，一般是完全分布式计算框架，没有考虑依托边缘计算等实际技术手段的实施可行性。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于边缘计算的多智能体负荷调控方法，实现整体电力***的负荷平衡。
为解决上述技术问题，本发明所采取的技术方案是：一种基于边缘计算的多智能体负荷调控方法，包括如下步骤：
步骤1：将一个地区内的电网以变电站为中心，根据变电站附近的电力节点划分成彼此相连的区域电网，在区域内部不考虑网损，建立区域电网内部的电力节点数据模型；
所述电力节点为各类用电及发电设备，建立的区域电网内部的电力节点数据模型包括火力发电的数据模型、风力发电的数学模型、光伏***发电的数学模型以及柔性负荷的数学模型，具体建立方法为：
(a)建立火力发电的数学模型：
为了电网的可靠性和灵活性，火力发电的数据模型包括火力发电机的发电成本与运行约束，火力发电机的发电成本函数如下公式所示：
Figure BDA0002347937130000021
其中，
Figure BDA0002347937130000022
为第k个火力发电机组的发电成本，
Figure BDA0002347937130000023
是第k个火力发电机组区域内产生的有功功率，
Figure BDA0002347937130000024
则是第k个火力发电机组火力发电的成本系数；
所述火力发电机组区域内的产生的有功功率受到以下因素的限制：
Figure BDA0002347937130000025
其中，
Figure BDA0002347937130000026
和
Figure BDA0002347937130000027
分别为火力发电机组火电出力的上限和下限；
(b)建立风力发电的数学模型：
根据风力发电的特性设定风力发电机的发电模型，考虑风力发电的功率输出曲线特性，单台风力发电机的发电功率表示为一个分段函数，如下公式所示：
Figure BDA0002347937130000028
其中，Pn W为风力发电机n的发电功率，Vn W为第n台风力发电机的风速、
Figure BDA0002347937130000029
为能够驱动风力发电机n工作的最小风速、
Figure BDA00023479371300000210
为风力发电机n达到额定功率时运行的额定风速、
Figure BDA00023479371300000211
为风速过大导致风力发电机关闭的最大风速，即切出风速；
Figure BDA00023479371300000212
是第n台风力发电机的额定有功功率；在功率输出曲线的功率爬升阶段，不同类型的风力发电机表现为不同的爬升函数，
Figure BDA00023479371300000213
与
Figure BDA00023479371300000214
分别为影响函数曲线形状的常数，如下公式所示：
Figure BDA00023479371300000215
在求得单台风力发电机发电功率Pn W的基础上，由MW部风力发电机组成的风力发电***的总功率PW为：
Figure BDA00023479371300000216
其中，
Figure BDA0002347937130000031
为单台风力发电机的风能转换效率，ηt W为风力发电***中风力发电机间的扰动系数，根据风场的实际情况来设定；
(c)建立光伏***发电的数学模型：
光伏***发电的大小与光伏板的光照强度与光照面积有关，因此光伏***的总发电功率PPV如下公式所示：
PPV(rsolar)＝rsolarSPVηPV                   (6)
其中，rsolar为太阳辐照量，SPV为光伏***中光伏面板的总面积，ηPV是光伏***的效率；
设定光伏***中共有MPV个光伏面板，则光伏***中光伏面板的总面积如下公式所示：
Figure BDA0002347937130000032
其中，Sm为单个光伏面板的面积；
所述光伏***的效率ηPV由光伏面板效率ηPE、功率调节效率ηPC和堆积因子APV共同决定，如下公式所示：
ηPV＝ηPEηPCAPV                       (8)
从公式(3)和(6)得出，风力发电机和光伏发电***的功率输出都是不可调的，因此，不涉及决策变量；使用PW和PPV来分别表示由风力发电机与光伏发电***注入区域电网的总功率；
(d)建立柔性负荷的数学模型：
柔性负荷则相对于电价具有可调性，设定Pl DR表示为第l个柔性负荷因需求响应而减少的有功功率，因此造成的经济损失设为
Figure BDA0002347937130000033
具体公式如下所示：
Figure BDA0002347937130000034
其中，
Figure BDA0002347937130000035
分别为成本系数；
电网区域内对柔性负荷的有功功率的需求，受以下因素所限制：
Figure BDA0002347937130000036
其中，
Figure BDA0002347937130000037
是柔性负荷的有功功率约束的最大值；
步骤2：设定区域电网间存在物理联络线，此时设定联络线的导纳，考虑区域电网间的耦合关系，建立基于边缘计算的感知模型，智能感知联络线两端的电压与相角；计算区域电网间的线损，叠加区域电网内的发电与耗电功率得到区域电网的净有功功率；同时计算一定范围内区域电网的线损，使区域电网的净有功达到功率平衡；
设定区域电网间有一条联络线(i，j)，导纳为yi,j，连接区域电网i和区域电网j；对于给定区域电网j连接点的本地电压Vj和相位θj，通过联络线(i，j)在区域电网i连接点上发送的有功功率Pi,j，如下公式所示：
Figure BDA0002347937130000041
其中，Vi和θi分别为区域电网i连接点的本地电压和相位，
Figure BDA0002347937130000042
和
Figure BDA0002347937130000043
以及
Figure BDA0002347937130000044
和
Figure BDA0002347937130000045
分别为区域电网i和区域电网j的连接点通过边缘计算感知到的的耦合区域的电压和相位，且满足以下等式约束：
Figure BDA0002347937130000046
使用v(·)和
Figure BDA0002347937130000047
分别表示向量[V(·),θ(·)]T和
Figure BDA0002347937130000048
其中，(·)表示符号i或j；
如果
Figure BDA0002347937130000049
且
Figure BDA00023479371300000410
则Pi,j＝0；
如果区域电网i和区域电网j不存在联络线，那么yi,j＝0，则Pi,j＝0；
同时根据步骤1建立的区域电网内部的电力节点数据模型与区域间联络线智能感知的线损得到区域内的电网功率平衡关系，为了确保电网安全可靠的运行，建立区域电网i母线注入的净有功功率数学模型，如下公式所示：
Figure BDA00023479371300000411
其中，
Figure BDA00023479371300000412
和
Figure BDA00023479371300000413
分别表示区域电网i内的火力发电装置和柔性负荷装置；设
Figure BDA00023479371300000414
表示在所有的区域电网之间的联络线集，则与区域电网i连接的所有网间联络线Ti定义为
Figure BDA00023479371300000415
M为区域内所有区域电网的集合，Pi D为区域电网i内刚性负荷的需求功率；
将一定范围内的多个区域电网整体划分为区间电网，而在不同区间电网同样存在联络线与网损，设定各区间电网为全连接，即没有独立的区间电网，所有的区间电网构成整体的电网***，因此建立区间电网线损与***功率平衡模型，如下公式所示：
Ps,t＝Vs 2Re(ys,t)-VsVt(Re(ys,t)cos(θs-θt)+Im(ys,t)sin(θs-θt))   (14a)
Figure BDA0002347937130000051
其中，Ps,t为区间电网s与t之间联络线的线损，而Vs，Vt与θs，θt分别是两区间电网间联络线两端的电压和相角，ys,t是区间联络线的导纳；
步骤3：将单个区域电网看成一个智能体，设定区域电网内的最大经济效益方案只考虑火力发电成本与需求响应成本，以此来设定区域电网的目标函数；根据区域电网的目标函数推导区间电网经济效益最优目标函数，并设定相关等式与不等式约束；
只考虑区域电网i的总成本，即发电成本和需求响应成本，建立一个考虑经济效益的目标函数，如下公式所示：
Figure BDA0002347937130000052
考虑约束问题，将区域电网i的经济效益最优问题表达为：
Figure BDA0002347937130000053
Figure BDA0002347937130000054
在公式(16b)中，决策变量xi定义为
Figure BDA0002347937130000055
hi(xi)表示约束的向量值，包括区域电网i内部发电机容量约束，如公式(2)所示、需求响应容量约束，如公式(10)所示、联络线交换功率约束，如公式(11)所示和功率平衡约束，如公式(13)(14)所示；
所以考虑多互联区域电网的区间电网经济效益最优问题建模为：
Figure BDA0002347937130000056
Figure BDA0002347937130000057
其中，式(17b)描述了由于联络线(i，j)的存在，线路间的耦合变量
Figure BDA0002347937130000058
看作是区域电网i为所有与之相连的区域提供的接口或服务；
步骤4：根据区间电网经济效益最优目标函数，将其经济效益项与电力平衡项提取为目标，将区域间端口电压与相角的耦合设为约束项；将区间电网的经济优化与负荷调整问题转化为分布式区域电网整体经济效益与区域间功率平衡耦合问题；设定增广拉格朗日矩阵，将目标函数与约束转化为二次可微的强凸函数，并使用ADMM算法求解，实现电网***负荷的调控；
将区间电网经济效益最优目标函数转化为增广拉格朗日矩阵，首先将Ci改写成如下扩展形式：
Figure BDA0002347937130000061
为了分离最小目标与联络线约束条件，为目标函数定义约束指标，如下公式所示：
Figure BDA0002347937130000062
所以公式(17)等效为：
Figure BDA0002347937130000063
通过引入代表与区域电网i连接的所有连接线(i，j)∈T的辅助变量
Figure BDA0002347937130000064
和
Figure BDA0002347937130000065
将公式(20)改写成：
Figure BDA0002347937130000066
Figure BDA0002347937130000067
其中，目标函数(21a)的两项与约束条件分开，进而构造一个增广拉格朗日函数，如下公式所示：
Figure BDA0002347937130000068
定义x＝[x1，…，xM]T为控制变量，
Figure BDA0002347937130000069
为与区域电网i的外界连接线电压差的拉格朗日系数，因此
Figure BDA00023479371300000610
定义为
Figure BDA00023479371300000611
ρ为增广拉格朗日乘子的惩罚因子ρ>0；
使用交替乘子法(ADMM)求解增广拉格朗日函数，实现电网***负荷的调控。
本发明方法的基本思路为：将110kV或66kV变电站所在供电区域看作一个相对独立的区域；区域内依托变电站建设边缘计算节点，即数据代理节点；边缘计算节点主动感知供电区域内的各类电气数据、交通数据、气象数据、多能流数据等多维数据，通过计算负荷的需求响应，对储能、新能源发电、柔性负荷等节点进行实时精准调控，达到区域内的电能平衡。同时将单个区域看成一个智能体，多个智能体之间实现边缘隔离，只可传输电能并感知区域间联络线的电压与相角。通过区域间的电能传输，实现整体***的负荷平衡。
采用上述技术方案所产生的有益效果在于：本发明提供的一种基于边缘计算的多智能体负荷调控方法，将整体的电网以变电站为节点划分为多层分布式网络结构，提出区域与区间电网概念，区域内电网设定经济效益最优为目标函数，区间的功率交换为平衡约束。借助多智能体的思想来实现边缘计算，即去中心计算，即根据连接线的耦合数据，在实现区间功率平衡的情况下达到整体区域最优。同时运用增广拉格朗日乘子法，将目标函数及约束条件转化为二次强凸矩阵函数，这样就可以使用交替乘子法(ADMM)求解，无需验证算法的收敛性。本发明方法同时考虑火力发电运行成本与节点区域柔性负荷的需求响应，在一定程度上是通过调整发电量与设定电价激励补偿的协调方式进行调控。因此在设置目标函数时，需要考虑此时经济成本，使***节点区域内的负荷快速达到平衡。采用基于需求侧负荷***的协同控制策略，用以解决变电站供电区域内新能源消纳与负荷平衡问题，实现了所有区域电网的经济最优与区域之间的功率平衡。
附图说明
图1为本发明实施例提供的一种基于边缘计算的多智能体负荷调控方法的流程图；
图2为本发明实施例提供的区域电网间联络线的耦合关系图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
一种基于边缘计算的多智能体负荷调控方法，如图1所示，包括如下步骤：
步骤1：将一个地区内的电网以110kV或66kV变电站为中心，根据变电站附近的电力节点划分成彼此相连的区域电网，在区域内部不考虑网损，建立区域电网内部的电力节点数据模型；
所述电力节点为各类用电及发电设备，建立的区域电网内部的电力节点数据模型包括火力发电的数据模型、风力发电的数学模型、光伏***发电的数学模型以及柔性负荷的数学模型，具体建立方法为：
(a)建立火力发电的数学模型：
为了电网的可靠性和灵活性，火力发电的数据模型包括火力发电机的发电成本与运行约束，火力发电机的发电成本函数如下公式所示：
Figure BDA0002347937130000081
其中，
Figure BDA0002347937130000082
为第k个火力发电机组的发电成本，
Figure BDA0002347937130000083
是第k个火力发电机组区域内产生的有功功率，
Figure BDA0002347937130000084
则是第k个火力发电机组火力发电的成本系数；
所述火力发电机组区域内的产生的有功功率受到以下因素的限制：
Figure BDA0002347937130000085
其中，
Figure BDA0002347937130000086
和
Figure BDA0002347937130000087
分别为火力发电机组火电出力的上限和下限；
(b)建立风力发电的数学模型：
根据风力发电的特性设定风力发电机的发电模型，考虑风力发电的功率输出曲线特性，单台风力发电机的发电功率表示为一个分段函数，如下公式所示：
Figure BDA0002347937130000088
其中，Pn W为风力发电机n的发电功率，Vn W为第n台风力发电机的风速、
Figure BDA0002347937130000089
为能够驱动风力发电机n工作的最小风速、
Figure BDA00023479371300000810
为风力发电机n达到额定功率时运行的额定风速、
Figure BDA00023479371300000811
为风速过大导致风力发电机关闭的最大风速，即切出风速；
Figure BDA00023479371300000812
是第n台风力发电机的额定有功功率；在功率输出曲线的功率爬升阶段，不同类型的风力发电机表现为不同的爬升函数，
Figure BDA00023479371300000813
与
Figure BDA00023479371300000814
分别为影响函数曲线形状的常数，如下公式所示：
Figure BDA00023479371300000815
在求得单台风力发电机发电功率Pn W的基础上，由MW部风力发电机组成的风力发电***的总功率PW为：
Figure BDA00023479371300000816
其中，
Figure BDA00023479371300000817
为单台风力发电机的风能转换效率，ηt W为风力发电***中风力发电机间的扰动系数，根据风场的实际情况来设定；
(c)建立光伏***发电的数学模型：
光伏***发电的大小与光伏板的光照强度与光照面积有关，因此光伏***的总发电功率PPV如下公式所示：
PPV(rsolar)＝rsolarSPVηPV                   (6)
其中，rsolar为太阳辐照量(KW/m2)，SPV为光伏***中光伏面板的总面积，ηPV是光伏***的效率；
设定光伏***中共有MPV个光伏面板，则光伏***中光伏面板的总面积如下公式所示：
Figure BDA0002347937130000091
其中，Sm为单个光伏面板的面积；
所述光伏***的效率ηPV由光伏面板效率ηPE、功率调节效率ηPC和堆积因子APV共同决定，如下公式所示：
ηPV＝ηPEηPCAPV                       (8)
从公式(3)和(6)得出，风力发电机和光伏发电***的功率输出都是不可调的，因此，不涉及决策变量；使用PW和PPV来分别表示由风力发电机与光伏发电***注入区域电网的总功率；
(d)建立柔性负荷的数学模型：
本发明将刚性负荷的需求功率定为PD，因此不做过多的考虑。柔性负荷则相对于电价具有可调性，设定Pl DR表示为第l个柔性负荷因需求响应而减少的有功功率，因此造成的经济损失设为
Figure BDA0002347937130000092
具体公式如下所示：
Figure BDA0002347937130000093
其中，
Figure BDA0002347937130000094
分别为成本系数；
电网区域内对柔性负荷的有功功率的需求，受以下因素所限制：
Figure BDA0002347937130000095
其中，
Figure BDA0002347937130000096
是柔性负荷的有功功率约束的最大值；
步骤2：设定区域电网间存在物理联络线，此时设定联络线的导纳，考虑区域电网间的耦合关系，如图2所示，建立基于边缘计算的感知模型，智能感知联络线两端的电压与相角；计算区域电网间的线损，叠加区域电网内的发电与耗电功率得到区域电网的净有功功率；同时计算一定范围内区域电网的线损，使区域电网的净有功达到功率平衡；
设定区域电网间有一条联络线(i，j)，导纳为yi,j，连接区域电网i和区域电网j；对于给定区域电网j连接点的本地电压Vj和相位θj，通过联络线(i，j)在区域电网i连接点上发送的有功功率Pi,j，如下公式所示：
Figure BDA0002347937130000101
其中，Vi和θi分别为区域电网i连接点的本地电压和相位，
Figure BDA0002347937130000102
和
Figure BDA0002347937130000103
以及
Figure BDA0002347937130000104
和
Figure BDA0002347937130000105
分别为区域电网i和区域电网j的连接点通过边缘计算感知到的的耦合区域的电压和相位，且满足以下等式约束：
Figure BDA0002347937130000106
为了方便计算，使用v(·)和
Figure BDA0002347937130000107
分别表示向量[V(·),θ(·)]T和
Figure BDA0002347937130000108
其中，(·)表示符号i或j；
如果
Figure BDA0002347937130000109
且
Figure BDA00023479371300001010
则Pi,j＝0；
如果区域电网i和区域电网j不存在联络线，那么yi,j＝0，则Pi,j＝0；
同时根据步骤1建立的区域电网内部的电力节点数据模型与区域间联络线智能感知的线损得到区域内的电网功率平衡关系，为了确保电网安全可靠的运行，建立区域电网i母线注入的净有功功率数学模型，如下公式所示：
Figure BDA00023479371300001011
其中，
Figure BDA00023479371300001012
和
Figure BDA00023479371300001013
分别表示区域电网i内的火力发电装置和柔性负荷装置；设
Figure BDA00023479371300001014
表示在所有的区域电网之间的联络线集，则与区域电网i连接的所有网间联络线Ti定义为
Figure BDA00023479371300001015
M为区域内所有区域电网的集合，Pi D为区域电网i内刚性负荷的需求功率；
将一定范围内的多个区域电网整体划分为区间电网，而在不同区间电网同样存在联络线与网损，设定各区间电网为全连接，即没有独立的区间电网，所有的区间电网构成整体的电网***，因此建立区间电网线损与***功率平衡模型，如下公式所示：
Figure BDA0002347937130000111
Figure BDA0002347937130000112
其中，Ps,t为区间电网s与t之间联络线的线损，而Vs，Vt与θs，θt分别是两区间电网间联络线两端的电压和相角，ys,t是区间联络线的导纳；
步骤3：将单个区域电网看成一个智能体，设定区域电网内的最大经济效益方案只考虑火力发电成本与需求响应成本，以此来设定区域电网的目标函数；根据区域电网的目标函数推导区间电网经济效益最优目标函数，并设定相关等式与不等式约束；
只考虑区域电网i的总成本，即发电成本和需求响应成本，建立一个考虑经济效益的目标函数，如下公式所示：
Figure BDA0002347937130000113
考虑约束问题，将区域电网i的经济效益最优问题表达为：
Figure BDA0002347937130000114
Figure BDA0002347937130000115
在公式(16b)中，决策变量xi定义为
Figure BDA0002347937130000116
hi(xi)表示约束的向量值，包括区域电网i内部发电机容量约束，如公式(2)所示、需求响应容量约束，如公式(10)所示、联络线交换功率约束，如公式(11)所示和功率平衡约束，如公式(13)(14)所示；
所以考虑多互联区域电网的区间电网经济效益最优问题建模为：
Figure BDA0002347937130000117
Figure BDA0002347937130000118
其中，式(17b)描述了由于联络线(i，j)的存在，线路间的耦合变量
Figure BDA0002347937130000119
看作是区域电网i为所有与之相连的区域提供的接口或服务；
步骤4：根据区间电网经济效益最优目标函数，将其经济效益项与电力平衡项提取为目标，将区域间端口电压与相角的耦合设为约束项；将区间电网的经济优化与负荷调整问题转化为分布式区域电网整体经济效益与区域间功率平衡耦合问题；设定增广拉格朗日矩阵，将目标函数与约束转化为二次可微的强凸函数，并使用ADMM算法求解，实现电网***负荷的调控；
为了将目标函数化为可以计算的可微方程，将区间电网经济效益最优目标函数转化为增广拉格朗日矩阵，首先将Ci改写成如下扩展形式：
Figure BDA0002347937130000121
为了分离最小目标与联络线约束条件，为目标函数定义约束指标，如下公式所示：
Figure BDA0002347937130000122
所以公式(17)等效为：
Figure BDA0002347937130000123
通过引入代表与区域电网i连接的所有连接线(i，j)∈T的辅助变量
Figure BDA0002347937130000124
和
Figure BDA0002347937130000125
将公式(20)改写成：
Figure BDA0002347937130000126
Figure BDA0002347937130000127
其中，目标函数(21a)的两项与约束条件分开，进而构造一个增广拉格朗日函数，如下公式所示：
Figure BDA0002347937130000128
定义x＝[x1，…，xM]T为控制变量，
Figure BDA0002347937130000129
为与区域电网i的外界连接线电压差的拉格朗日系数，因此
Figure BDA00023479371300001210
定义为
Figure BDA00023479371300001211
ρ为增广拉格朗日乘子的惩罚因子ρ>0；
变化后的增广拉格朗日矩阵为2次强凸约束，使得转换后的问题能够更容易解决，因此，使用交替乘子法(ADMM)求解增广拉格朗日函数，实现电网***负荷的调控，算法必收敛。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (5)

1.一种基于边缘计算的多智能体负荷调控方法，其特征在于：包括如下步骤：
步骤1：将一个地区内的电网以变电站为中心，根据变电站附近的电力节点划分成彼此相连的区域电网，在区域内部不考虑网损，建立区域电网内部的电力节点数据模型；
所述电力节点为各类用电及发电设备，建立的区域电网内部的电力节点数据模型包括火力发电的数据模型、风力发电的数学模型、光伏***发电的数学模型以及柔性负荷的数学模型；
步骤2：设定区域电网间存在物理联络线，此时设定联络线的导纳，考虑区域电网间的耦合关系，建立基于边缘计算的感知模型，智能感知联络线两端的电压与相角；计算区域电网间的线损，叠加区域电网内的发电与耗电功率得到区域电网的净有功功率；同时计算一定范围内区域电网的线损，使区域电网的净有功达到功率平衡；
步骤3：将单个区域电网看成一个智能体，设定区域电网内的最大经济效益方案只考虑火力发电成本与需求响应成本，以此来设定区域电网的目标函数；根据区域电网的目标函数推导区间电网经济效益最优目标函数，并设定相关等式与不等式约束；
步骤4：根据区间电网经济效益最优目标函数，将其经济效益项与电力平衡项提取为目标，将区域间端口电压与相角的耦合设为约束项；将区间电网的经济优化与负荷调整问题转化为分布式区域电网整体经济效益与区域间功率平衡耦合问题；设定增广拉格朗日矩阵，将目标函数与约束转化为二次可微的强凸函数，并使用ADMM算法求解，实现电网***负荷的调控。
2.根据权利要求1所述一种基于边缘计算的多智能体负荷调控方法，其特征在于：步骤1所述建立区域电网内部的电力节点数据模型的具体方法为：
(a)建立火力发电的数学模型：
为了电网的可靠性和灵活性，火力发电的数据模型包括火力发电机的发电成本与运行约束，火力发电机的发电成本函数如下公式所示：
其中，为第k个火力发电机组的发电成本，是第k个火力发电机组区域内产生的有功功率，则是第k个火力发电机组火力发电的成本系数；
所述火力发电机组区域内的产生的有功功率受到以下因素的限制：
其中，和分别为火力发电机组火电出力的上限和下限；
(b)建立风力发电的数学模型：
根据风力发电的特性设定风力发电机的发电模型，考虑风力发电的功率输出曲线特性，单台风力发电机的发电功率表示为一个分段函数，如下公式所示：
其中，为风力发电机n的发电功率，为第n台风力发电机的风速、为能够驱动风力发电机n工作的最小风速、为风力发电机n达到额定功率时运行的额定风速、为风速过大导致风力发电机关闭的最大风速，即切出风速；是第n台风力发电机的额定有功功率；在功率输出曲线的功率爬升阶段，不同类型的风力发电机表现为不同的爬升函数，与分别为影响函数曲线形状的常数，如下公式所示：
在求得单台风力发电机发电功率的基础上，由MW部风力发电机组成的风力发电***的总功率PW为：
其中，为单台风力发电机的风能转换效率，为风力发电***中风力发电机间的扰动系数，根据风场的实际情况来设定；
(c)建立光伏***发电的数学模型：
光伏***发电的大小与光伏板的光照强度与光照面积有关，因此光伏***的总发电功率PPV如下公式所示：
其中，rsolar为太阳辐照量，SPV为光伏***中光伏面板的总面积，ηPV是光伏***的效率；
设定光伏***中共有MPV个光伏面板，则光伏***中光伏面板的总面积如下公式所示：
其中，Sm为单个光伏面板的面积；
所述光伏***的效率ηPV由光伏面板效率ηPE、功率调节效率ηPC和堆积因子APV共同决定，如下公式所示：
ηPV＝ηPEηPCAPV        (8)
从公式(3)和(6)得出，风力发电机和光伏发电***的功率输出都是不可调的，因此，不涉及决策变量；使用PW和PPV来分别表示由风力发电机与光伏发电***注入区域电网的总功率；
(d)建立柔性负荷的数学模型：
柔性负荷则相对于电价具有可调性，设定Pl DR表示为第l个柔性负荷因需求响应而减少的有功功率，因此造成的经济损失设为具体公式如下所示：
其中，分别为成本系数；
电网区域内对柔性负荷的有功功率的需求，受以下因素所限制：
其中，是柔性负荷的有功功率约束的最大值。
3.根据权利要求2所述一种基于边缘计算的多智能体负荷调控方法，其特征在于：所述步骤2的具体方法为：
设定区域电网间有一条联络线(i，j)，导纳为yi,j，连接区域电网i和区域电网j；对于给定区域电网j连接点的本地电压Vj和相位θj，通过联络线(i，j)在区域电网i连接点上发送的有功功率Pi,j，如下公式所示：
其中，Vi和θi分别为区域电网i连接点的本地电压和相位，和以及和分别为区域电网i和区域电网j的连接点通过边缘计算感知到的耦合区域的电压和相位，且满足以下等式约束：
使用v(·)和分别表示向量V(·),θ(·) T和其中，(·)表示符号i或j；
如果且则Pi,j＝0；
如果区域电网i和区域电网j不存在联络线，那么yi,j＝0，则Pi,j＝0；
同时根据步骤1建立的区域电网内部的电力节点数据模型与区域间联络线智能感知的线损得到区域内的电网功率平衡关系，为了确保电网安全可靠的运行，建立区域电网i母线注入的净有功功率数学模型，如下公式所示：
其中，和分别表示区域电网i内的火力发电装置和柔性负荷装置；设表示在所有的区域电网之间的联络线集，则与区域电网i连接的所有网间联络线Ti定义为M为区域内所有区域电网的集合，Pi D为区域电网i内刚性负荷的需求功率；
将一定范围内的多个区域电网整体划分为区间电网，而在不同区间电网同样存在联络线与网损，设定各区间电网为全连接，即没有独立的区间电网，所有的区间电网构成整体的电网***，因此建立区间电网线损与***功率平衡模型，如下公式所示：
其中，Ps,t为区间电网s与t之间联络线的线损，而Vs，Vt与θs，θt分别是两区间电网间联络线两端的电压和相角，ys,t是区间联络线的导纳。
4.根据权利要求3所述一种基于边缘计算的多智能体负荷调控方法，其特征在于：所述步骤3的具体方法为：
只考虑区域电网i的总成本，即发电成本和需求响应成本，建立一个考虑经济效益的目标函数，如下公式所示：
考虑约束问题，将区域电网i的经济效益最优问题表达为：
在公式(16b)中，决策变量xi定义为hi(xi)表示约束的向量值，包括区域电网i内部发电机容量约束，如公式(2)所示、需求响应容量约束，如公式(10)所示、联络线交换功率约束，如公式(11)所示和功率平衡约束，如公式(13)(14)所示；
所以考虑多互联区域电网的区间电网经济效益最优问题建模为：
其中，式(17b)描述了由于联络线(i，j)的存在，线路间的耦合变量看作是区域电网i为所有与之相连的区域提供的接口或服务。
5.根据权利要求4所述一种基于边缘计算的多智能体负荷调控方法，其特征在于：所述步骤4的具体方法为：
将区间电网经济效益最优目标函数转化为增广拉格朗日矩阵，首先将Ci改写成如下扩展形式：
为了分离最小目标与联络线约束条件，为目标函数定义约束指标，如下公式所示：
所以公式(17)等效为：
通过引入代表与区域电网i连接的所有连接线(i，j)∈T的辅助变量和将公式(20)改写成：
其中，目标函数(21a)的两项与约束条件分开，进而构造一个增广拉格朗日函数，如下公式所示：
定义x＝[x1，…，xM]T为控制变量，为与区域电网i的外界连接线电压差的拉格朗日系数，因此定义为ρ为增广拉格朗日乘子的惩罚因子ρ＞0；
使用交替乘子法求解增广拉格朗日函数，实现电网***负荷的调控。
CN201911403025.5A 2019-12-31 2019-12-31 一种基于边缘计算的多智能体负荷调控方法 Active CN111030123B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201911403025.5A CN111030123B (zh) 2019-12-31 2019-12-31 一种基于边缘计算的多智能体负荷调控方法
PCT/CN2020/112472 WO2021135332A1 (zh) 2019-12-31 2020-08-31 一种基于边缘计算的多智能体负荷调控方法
EP20845652.5A EP3872948B1 (en) 2019-12-31 2020-08-31 Edge computing-based multi-agent load regulation and control method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911403025.5A CN111030123B (zh) 2019-12-31 2019-12-31 一种基于边缘计算的多智能体负荷调控方法

Publications (2)

Publication Number Publication Date
CN111030123A CN111030123A (zh) 2020-04-17
CN111030123B true CN111030123B (zh) 2023-04-28

Family

ID=70196689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911403025.5A Active CN111030123B (zh) 2019-12-31 2019-12-31 一种基于边缘计算的多智能体负荷调控方法

Country Status (3)

Country Link
EP (1) EP3872948B1 (zh)
CN (1) CN111030123B (zh)
WO (1) WO2021135332A1 (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111030123B (zh) * 2019-12-31 2023-04-28 东北大学 一种基于边缘计算的多智能体负荷调控方法
CN111799806A (zh) * 2020-06-22 2020-10-20 长沙理工大学 一种基于云边协同和多智能体的降压运行高峰负荷削减方法及装置
CN113688348B (zh) * 2021-07-16 2024-02-27 贵州万峰电力股份有限公司 基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及***
CN113780622B (zh) * 2021-08-04 2024-03-12 华南理工大学 基于多智能体强化学习的多微网配电***分布式调度方法
CN113619762B (zh) * 2021-09-23 2022-08-19 大连海事大学 清洁能源直流供电***及考虑供电约束的能源管理方法
CN114050591B (zh) * 2021-11-09 2024-01-30 福州大学 一种优化海上风电场升压站电压实现输电工程降损的方法
CN114219212B (zh) * 2021-11-12 2024-06-14 国网河北省电力有限公司 一种计及泛在电力物联与边缘计算的需求侧资源柔性调度方法
CN114123174B (zh) * 2021-11-15 2023-06-23 南京邮电大学 基于同态加密隐私保护的微电网分布式能量优化管理方法
CN113992721B (zh) * 2021-12-24 2022-04-01 中国电力科学研究院有限公司 一种智能终端管控方法、***、设备及存储介质
CN114362267B (zh) * 2021-12-27 2024-05-14 河北工业大学 考虑多目标优化的交直流混合配电网分散式协调优化方法
CN114418373B (zh) * 2022-01-13 2024-07-09 国网江苏省电力有限公司镇江供电分公司 一种计及信息攻击的储能运营模式控制方法
CN114723236B (zh) * 2022-03-17 2022-11-11 广州汉光电气股份有限公司 一种电网边缘计算分界方法
CN115081758B (zh) * 2022-08-22 2023-01-03 广东电网有限责任公司肇庆供电局 一种面向协调数据中心与电网的计算转移需求响应***
CN115456626B (zh) * 2022-09-19 2023-05-23 华北电力大学 一种基于边缘计算的多微网能源交易策略及交易平台
CN115587531B (zh) * 2022-09-23 2024-04-30 中国华能集团清洁能源技术研究院有限公司 基于全网负荷率的分段式日前电力额度预测方法及设备
CN116454924B (zh) * 2023-06-16 2023-09-29 华东交通大学 一种基于相关系数的柔性负荷功率调控方法
CN116566992B (zh) * 2023-07-10 2023-11-28 北京智芯微电子科技有限公司 边缘计算的动态协同方法、装置、计算机设备和存储介质
CN117200344A (zh) * 2023-09-07 2023-12-08 国网江苏省电力有限公司镇江供电分公司 一种多层级优化的高比例分布式电源台区自治控制方法
CN117293900A (zh) * 2023-09-26 2023-12-26 国网江苏省电力有限公司扬州供电分公司 一种分布式电源接入电网运行的协同优化方法、设备及介质
CN118036905B (zh) * 2024-04-12 2024-06-28 国网山西省电力公司临汾供电公司 一种异常用电用户检测方法、装置、存储介质及电子设备
CN118174325B (zh) * 2024-05-16 2024-07-23 四川能投云电科技有限公司 一种小水电agc***控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550946A (zh) * 2016-01-28 2016-05-04 东北电力大学 基于多智能体的居民用户参与自动需求响应的用电策略
CN105894213A (zh) * 2016-04-27 2016-08-24 东北大学 一种基于黑板模型的多智能体电网故障诊断***及方法
WO2017071230A1 (zh) * 2015-10-30 2017-05-04 南京南瑞集团公司 一种多Agent的水电站群短期优化调度方法
CN109638964A (zh) * 2018-12-26 2019-04-16 国网陕西省电力公司电力科学研究院 一种基于边缘计算架构的多元电网信息交互***及方法
CN110322372A (zh) * 2019-07-10 2019-10-11 国网能源研究院有限公司 区域电力***中多级电网联动的机组组合调度方法
CN110502814A (zh) * 2019-08-09 2019-11-26 国家电网有限公司 考虑储能和负荷管理技术的主动配电网多目标规划方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9863985B2 (en) * 2012-04-13 2018-01-09 Regents Of The University Of Minnesota State estimation of electrical power networks using semidefinite relaxation
US10078318B2 (en) * 2013-08-26 2018-09-18 Ecole Polytechnique Federale De Lausanne (Epfl) Composable method for explicit power flow control in electrical grids
CN104600720B (zh) * 2015-01-30 2017-06-16 河海大学 一种地区电网电压无功优化控制方法
CN106208102B (zh) * 2016-08-19 2018-08-17 东南大学 一种基于辅助问题原理的主动配电网分布式无功优化方法
CN106684932B (zh) * 2017-03-10 2019-09-10 国网山东省电力公司经济技术研究院 一种考虑电网结构调整的互联电网经济调度方法
CN107453369B (zh) * 2017-07-05 2020-09-01 北京天泰怡和科技有限公司 智能配电网优化节电降损***
CN107464044A (zh) * 2017-07-21 2017-12-12 国网浙江省电力公司绍兴供电公司 基于热点边缘提取的电网运行态势感知方法及***
CN108599270A (zh) * 2018-04-27 2018-09-28 国家电网公司东北分部 一种考虑风电随机性的电力***广域协调消纳方法
CN108808734A (zh) * 2018-07-09 2018-11-13 东北电力大学 一种含虚拟电厂的风电并网***分布式优化调度建模方法
CN110571865B (zh) * 2019-09-12 2022-12-30 东北大学 基于一致性算法的主动配电网源荷互动决策方法
CN111030123B (zh) * 2019-12-31 2023-04-28 东北大学 一种基于边缘计算的多智能体负荷调控方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017071230A1 (zh) * 2015-10-30 2017-05-04 南京南瑞集团公司 一种多Agent的水电站群短期优化调度方法
CN105550946A (zh) * 2016-01-28 2016-05-04 东北电力大学 基于多智能体的居民用户参与自动需求响应的用电策略
CN105894213A (zh) * 2016-04-27 2016-08-24 东北大学 一种基于黑板模型的多智能体电网故障诊断***及方法
CN109638964A (zh) * 2018-12-26 2019-04-16 国网陕西省电力公司电力科学研究院 一种基于边缘计算架构的多元电网信息交互***及方法
CN110322372A (zh) * 2019-07-10 2019-10-11 国网能源研究院有限公司 区域电力***中多级电网联动的机组组合调度方法
CN110502814A (zh) * 2019-08-09 2019-11-26 国家电网有限公司 考虑储能和负荷管理技术的主动配电网多目标规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Huaguang Zhang 等.Leader-Based Optimal Coordination Control for the Consensus Problem of Multiagent Differential Games via Fuzzy Adaptive Dynamic Programming.IEEE TRANSACTIONS ON FUZZY SYSTEMS.2015,第23卷(第1期),全文. *
刘鑫蕊 等.基于多源信息的智能电网动态层次化故障诊断.东北大学学报.2014,第35卷(第9期),全文. *

Also Published As

Publication number Publication date
EP3872948A1 (en) 2021-09-01
EP3872948B1 (en) 2022-11-09
CN111030123A (zh) 2020-04-17
WO2021135332A1 (zh) 2021-07-08
EP3872948A4 (en) 2021-12-01

Similar Documents

Publication Publication Date Title
CN111030123B (zh) 一种基于边缘计算的多智能体负荷调控方法
CN102710013B (zh) 基于微电网的园区能源网能量优化管理***及其实现方法
CN103199542B (zh) 一种风电场无功电压优化控制方法
CN103730908B (zh) 一种规模化离网型微电网中储能换流器控制方法
CN103532148B (zh) 一种风电场与地区电网的无功协调控制方法
CN105932779A (zh) 一种基于能量路由器的微电网
CN111952958B (zh) 一种考虑控制模式转换的配电网柔性软开关优化配置方法
CN104092250A (zh) 微电网***的分布式经济调度与协调控制方法
CN102684201A (zh) 一种基于电压越限概率的含风电场电网无功优化方法
CN113285479A (zh) 一种超大容量的区域微电网***及运行方法
CN209250260U (zh) 一种基于柔性直流互联的大规模风光电源并网***
CN109713718A (zh) 一种基于电能路由器的微网能量优化管理***
CN109586306A (zh) 一种基于柔性多状态开关的配电网电压波动抑制方法
CN106780119A (zh) 基于多主动管理的配电网可再生能源消纳方法
CN106655281A (zh) 一种可再生能源分散接入配电网的监控装置
CN114996908B (zh) 考虑智能软开关接入的主动配电网扩展规划方法及***
CN105811435A (zh) 一种智能储能发电***的无功补偿方法
CN113725916B (zh) 促进高渗透率新能源消纳的dpfc优化配置方法
Chidzonga et al. Perspectives on impact of high penetration of renewable sources on LV networks
Zhu et al. Multi-time Scale Collaborative Optimal Dispatching Strategy for Island Micro-grid With Multi-distributed Power Generation
Panda et al. Control and Management of Power Exchange in Microgrid
CN110198053A (zh) 一种集中与就地相结合的微电网实时电压控制方法及***
CN116780629B (zh) 一种含储能配电***独立运行的平滑切换方法及装置
Zhang et al. Typical scenario reactive power optimization of active distribution network based on limit theory
Zou et al. Optimal control strategy for AC/DC hybrid grid based on CPPS

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