CN114971400A - 一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法 - Google Patents

一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法 Download PDF

Info

Publication number
CN114971400A
CN114971400A CN202210722176.2A CN202210722176A CN114971400A CN 114971400 A CN114971400 A CN 114971400A CN 202210722176 A CN202210722176 A CN 202210722176A CN 114971400 A CN114971400 A CN 114971400A
Authority
CN
China
Prior art keywords
energy storage
distribution
active
user
response
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.)
Granted
Application number
CN202210722176.2A
Other languages
English (en)
Other versions
CN114971400B (zh
Inventor
张伟椿
胡秦然
俞晓荣
潘小辉
吴在军
钱俊良
周吉
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.)
Liyang Research Institute of Southeast University
Original Assignee
Liyang Research Institute of Southeast University
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 Liyang Research Institute of Southeast University filed Critical Liyang Research Institute of Southeast University
Priority to CN202210722176.2A priority Critical patent/CN114971400B/zh
Publication of CN114971400A publication Critical patent/CN114971400A/zh
Application granted granted Critical
Publication of CN114971400B publication Critical patent/CN114971400B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Educational Administration (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Probability & Statistics with Applications (AREA)
  • Water Supply & Treatment (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于Dirichlet分布‑多项分布共轭先验的用户侧储能聚合方法，建立用户侧储能对有功聚合控制信号的不确定性响应行为模型；根据储能用户的历史响应行为数据，基于Dirichlet分布建立先验分布θ i ；从先验分布θ i 中进行采样，计算每个储能的响应概率三元组；计算每个储能用户的有功削减期望值，并进行降序排列；确定选取的m个储能用户，发送有功调节指令；基于Dirichlet分布‑多项分布的共轭属性，更新后验分布。本发明的用户侧储能聚合方法通过贝叶斯推断不断学习储能用户参与有功调节的不确定性，实现精准有功调节的同时降低调节成本，从而提高用户侧储能的利用率。

Description

一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚 合方法
技术领域
本发明涉及电力***用户侧储能聚合控制领域，具体是一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法。
背景技术
现代电网正在向低碳能源***过渡，传统的燃煤机组逐渐退役，以光伏、风电为代表的可再生能源获得了前所未有的发展机遇。然而，新能源出力具有间歇性和随机性，大规模并网将会给电网调度带来巨大挑战，严重威胁到了电力***的安全稳定运行。在这样的背景下，用户侧储能技术的发展受到了研究人员的广泛关注，通过其快速的有功功率调节特性，能够消除电网潮流的波动，有助于维持实时功率平衡。
由于分布式储能具有规模小、分布散的特点，单个不足以参与电网的运行调度，因此多点聚合成为了分布式储能发展的趋势之一。然而，储能用户会受到外界环境和用户自身因素的影响，具有复杂的不确定性，会导致实际的有功调节量与目标值之间存在偏差。若不能正确评估储能用户的这些不确定性，而盲目地选择储能用户发送有功调节指令，会导致储能不能达到可靠的聚合效果，无法满足电力***的调度需求。
因此，为了实现精准可靠的储能聚合，一个关键的技术要求就是充分了解、掌握储能用户的不确定性，然而目前鲜有研究从储能用户自身的特性出发，学习用户真实的响应行为，无法从根本上解决储能用户的不确定性问题，限制了用户侧储能的利用率。
发明内容
本发明的目的在于提供一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法,通过贝叶斯推断不断学习储能用户参与有功调节的不确定性，在每次的事件中能够选择合适的用户发送指令，实现精准有功调节的同时降低调节成本，从而提高用户侧储能的利用率。
本发明的目的可以通过以下技术方案实现：
一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法，其特征在于，所述用户侧储能聚合方法包括如下步骤：
步骤S1：针对区域内安装储能的全体用户，建立用户侧储能对有功聚合控制信号的不确定性响应行为模型，采用多项分布描述；
步骤S2：根据储能用户的历史响应行为数据，基于Dirichlet分布建立先验分布
Figure 539106DEST_PATH_IMAGE001
；
步骤S3：从先验分布
Figure 186251DEST_PATH_IMAGE002
中进行采样，计算每个储能的响应概率三元组
Figure 654272DEST_PATH_IMAGE003
，
Figure 469782DEST_PATH_IMAGE004
，
Figure 538101DEST_PATH_IMAGE005
，
Figure 97258DEST_PATH_IMAGE006
分别代表向电网反向送电响应行为、选择充电响应行 为、既不放电也不充电响应行为的选择概率；
步骤S4：计算每个储能用户的有功削减期望值，并进行降序排列；
步骤S5：给定需要削减的有功目标值D，确定选取的m个储能用户，发送有功调节指令；
步骤S6：获取储能用户的实际响应情况，基于Dirichlet分布-多项分布的共轭属性，更新后验分布。
步骤S1中，电网中处于静止状态的储能具有三种响应行为，分别为向电网反向送电、选择充电和既不放电也不充电，三种响应行为的有功调节量分别为1，-1和0；
采用多项分布对储能用户的响应行为进行建模，储能用户i的响应概率三元组为
Figure 685365DEST_PATH_IMAGE007
，三者之和为1；在每次的有功调节事件中，储能用户的实际有功调节 量为X i 服从多项分布，记作
Figure 406196DEST_PATH_IMAGE008
。
步骤S2中，储能用户i的响应概率三元组
Figure 728856DEST_PATH_IMAGE009
服从参数为
Figure 826125DEST_PATH_IMAGE010
的 Dirichlet分布，记作
Figure 534318DEST_PATH_IMAGE011
，以此作为
Figure 816263DEST_PATH_IMAGE012
的先验分布，其中，
Figure 734541DEST_PATH_IMAGE013
，
Figure 510867DEST_PATH_IMAGE014
，
Figure 932621DEST_PATH_IMAGE015
是 Dirichlet分布自身的参数。
步骤S3中，在第t次的有功调节事件中，从每个用户i的先验分布
Figure 886933DEST_PATH_IMAGE016
中进行采样，计 算每个储能在t时的响应概率三元组
Figure 292506DEST_PATH_IMAGE017
，计算公式如下：
Figure 872523DEST_PATH_IMAGE018
其中，
Figure 414363DEST_PATH_IMAGE019
，
Figure 38111DEST_PATH_IMAGE020
，
Figure 665402DEST_PATH_IMAGE021
为在第t次的有功调节事件时，与每个储能i对应的响应概 率三元组，
Figure 783530DEST_PATH_IMAGE022
，
Figure 179877DEST_PATH_IMAGE023
，
Figure 741570DEST_PATH_IMAGE024
为在第t次的有功调节事件时，与每个储能i对应的Dirichlet分布自 身的参数。
步骤S4中，计算每个储能用户i有功调节量的有功削减期望值
Figure 731523DEST_PATH_IMAGE025
：
Figure 512397DEST_PATH_IMAGE026
并对其进行降序排列，将顺序保存在矩阵idx中。
步骤S5中，在第t次的有功调节事件中，给定需要削减的有功目标值为D，按照降序 矩阵idx依次选取
Figure 153463DEST_PATH_IMAGE027
个储能用户发送有功调节指令，直到
Figure 994380DEST_PATH_IMAGE028
。
步骤S6中，获取每个储能用户的实际响应情况，表示为三元组
Figure 471629DEST_PATH_IMAGE029
；
Figure 56194DEST_PATH_IMAGE030
的每个元素均为0-1二进制变量，并且只能有1个元素取值 为1，对应于储能用户i接收到有功调节指令后选择的响应行为；
基于Dirichlet分布与多项分布两者之间的共轭属性，针对被选择发送指令的储 能用户，通过
Figure 318810DEST_PATH_IMAGE031
进行先验分布的更新，获得后验Dirichlet分布
Figure 330629DEST_PATH_IMAGE032
，并作为 下次有功调节事件的先验分布。
本发明的有益效果：
本发明的一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法,通过贝叶斯推断不断学习储能用户参与有功调节的不确定性，在每次的事件中能够选择合适的用户发送指令，实现精准有功调节的同时降低调节成本，从而提高用户侧储能的利用率。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明用户侧储能聚合方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，本发明提供了一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法，所述储能聚合方法包括以下步骤：
步骤S1：针对区域内安装储能的全体用户，建立用户侧储能对有功聚合控制信号的不确定性响应行为模型，采用多项分布描述；
具体地，电网中处于静止状态的储能具有三种响应行为，分别为向电网反向送电、选择充电和既不放电也不充电，三种响应行为的有功调节量分别为1，-1和0；
采用多项分布对储能用户的响应行为进行建模，储能用户i的响应概率三元组为
Figure 29594DEST_PATH_IMAGE034
，三者之和为1；在每次的有功调节事件中，储能用户的实际有功调节 量为X i 服从多项分布，记作
Figure 417850DEST_PATH_IMAGE036
。
步骤S2：根据储能用户的历史响应行为数据，基于Dirichlet分布建立先验分布
Figure 767929DEST_PATH_IMAGE038
具体地，步骤S2中，储能用户i的响应概率三元组
Figure 950649DEST_PATH_IMAGE040
服从参数为
Figure 402490DEST_PATH_IMAGE042
的 Dirichlet分布，记作
Figure 328858DEST_PATH_IMAGE044
，以此作为
Figure 300487DEST_PATH_IMAGE046
的先验分布，其中，
Figure 795053DEST_PATH_IMAGE048
，
Figure 593245DEST_PATH_IMAGE050
，
Figure 447937DEST_PATH_IMAGE052
是 Dirichlet分布自身的参数。
步骤S3：从先验分布
Figure 382395DEST_PATH_IMAGE054
中进行采样，计算每个储能的响应概率三元组
Figure 47863DEST_PATH_IMAGE056
，
Figure 333351DEST_PATH_IMAGE058
，
Figure 227620DEST_PATH_IMAGE060
，
Figure 282164DEST_PATH_IMAGE062
分别代表向电网反向送电响应行为、选择充电响应行 为、既不放电也不充电响应行为的选择概率；
具体地，步骤S3中，在第t次的有功调节事件中，从每个用户i的先验分布
Figure 118533DEST_PATH_IMAGE064
中进行 采样，计算每个储能在t时的响应概率三元组
Figure DEST_PATH_IMAGE066
，计算公式如下：
Figure DEST_PATH_IMAGE068
其中，
Figure DEST_PATH_IMAGE070
，
Figure DEST_PATH_IMAGE072
，
Figure 15950DEST_PATH_IMAGE074
为在第t次的有功调节事件时，与每个储能i对应的响应 概率三元组，
Figure 725629DEST_PATH_IMAGE076
，
Figure 900258DEST_PATH_IMAGE078
，
Figure DEST_PATH_IMAGE080
为在第t次的有功调节事件时，与每个储能i对应的Dirichlet 分布自身的参数。
步骤S4:计算每个储能用户的有功削减期望值，并进行降序排列；
具体地，计算每个储能用户i有功调节量的有功削减期望值
Figure 173108DEST_PATH_IMAGE082
：
Figure DEST_PATH_IMAGE084
并对其进行降序排列，将顺序保存在矩阵idx中。
步骤S5：给定需要削减的有功目标值D，确定选取的m个储能用户，发送有功调节指令；
具体地，在第t次的有功调节事件中，给定需要削减的有功目标值为D，按照降序矩 阵idx依次选取m t 个储能用户发送有功调节指令，直到
Figure DEST_PATH_IMAGE086
。
步骤S6：获取储能用户的实际响应情况，基于Dirichlet分布-多项分布的共轭属性，更新后验分布。
具体地，获取每个储能用户的实际响应情况，表示为三元组
Figure DEST_PATH_IMAGE088
；
Figure DEST_PATH_IMAGE090
的每个元素均为0-1二进制变量，并且只能有1个元素取值为1，对应于储能用户i接收 到有功调节指令后选择的响应行为；
基于Dirichlet分布与多项分布两者之间的共轭属性，针对被选择发送指令的储 能用户，通过
Figure DEST_PATH_IMAGE092
进行先验分布的更新，获得后验Dirichlet分布
Figure DEST_PATH_IMAGE094
，并 作为下次有功调节事件的先验分布。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (7)

1.一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法，其特征在于，所述用户侧储能聚合方法包括如下步骤：
步骤S1：针对区域内安装储能的全体用户，建立用户侧储能对有功聚合控制信号的不确定性响应行为模型，采用多项分布描述；
步骤S2：根据储能用户的历史响应行为数据，基于Dirichlet分布建立先验分布
Figure 803158DEST_PATH_IMAGE001
；
步骤S3：从先验分布
Figure 313774DEST_PATH_IMAGE002
中进行采样，计算每个储能的响应概率三元组
Figure 562352DEST_PATH_IMAGE004
，
Figure 754299DEST_PATH_IMAGE006
，
Figure 162147DEST_PATH_IMAGE008
，
Figure 453451DEST_PATH_IMAGE010
分别代表向电网反向送电响应行为、选择充电响应行为、既不放电也不充电响应 行为的选择概率；
步骤S4：计算每个储能用户的有功削减期望值，并进行降序排列；
步骤S5：给定需要削减的有功目标值D，确定选取的m个储能用户，发送有功调节指令；
步骤S6：获取储能用户的实际响应情况，基于Dirichlet分布-多项分布的共轭属性，更新后验分布。
2.根据权利要求1所述的一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法，其特征在于，步骤S1中，电网中处于静止状态的储能具有三种响应行为，分别为向电网反向送电、选择充电和既不放电也不充电，三种响应行为的有功调节量分别为1，-1和0；
采用多项分布对储能用户的响应行为进行建模，储能用户i的响应概率三元组为
Figure 803706DEST_PATH_IMAGE011
，三者之和为1；在每次的有功调节事件中，储能用户的实际有功调节量 为X i 服从多项分布，记作
Figure 471447DEST_PATH_IMAGE013
。
3.根据权利要求2所述的一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚 合方法，其特征在于，步骤S2中，储能用户i的响应概率三元组
Figure 999381DEST_PATH_IMAGE015
服从参数为
Figure 461586DEST_PATH_IMAGE017
的Dirichlet分布，记作
Figure 809391DEST_PATH_IMAGE019
，以此作为
Figure 343140DEST_PATH_IMAGE021
的先验分布，其中，
Figure 335367DEST_PATH_IMAGE023
，
Figure 860152DEST_PATH_IMAGE025
，
Figure 570619DEST_PATH_IMAGE027
是Dirichlet分布自身的参数。
4.根据权利要求3所述的一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚 合方法，其特征在于，步骤S3中，在第t次的有功调节事件中，从每个用户i的先验分布
Figure 439218DEST_PATH_IMAGE029
中 进行采样，计算每个储能在t时的响应概率三元组
Figure 551530DEST_PATH_IMAGE031
，计算公式如 下：
Figure 480172DEST_PATH_IMAGE033
其中，
Figure 943514DEST_PATH_IMAGE035
，
Figure 615804DEST_PATH_IMAGE037
，
Figure 582623DEST_PATH_IMAGE039
为在第t次的有功调节事件时，与每个储能i对应的响应概率三 元组，
Figure 449210DEST_PATH_IMAGE041
，
Figure 868690DEST_PATH_IMAGE043
，
Figure 547933DEST_PATH_IMAGE045
为在第t次的有功调节事件时，与每个储能i对应的Dirichlet分布自身的 参数。
5.根据权利要求4所述的一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法，其特征在于，步骤S4中，计算每个储能用户i有功调节量的有功削减期望值
Figure 493892DEST_PATH_IMAGE047
：
Figure DEST_PATH_IMAGE049
并对其进行降序排列，将顺序保存在矩阵idx中。
6.根据权利要求5所述的一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚 合方法，其特征在于，步骤S5中，在第t次的有功调节事件中，给定需要削减的有功目标值为D，按照降序矩阵idx依次选取
Figure DEST_PATH_IMAGE051
个储能用户发送有功调节指令，直到
Figure 233178DEST_PATH_IMAGE053
。
7.根据权利要求6所述的一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法，其特征在于，步骤S6中，获取每个储能用户的实际响应情况，表示为三元组
Figure 766053DEST_PATH_IMAGE055
；
Figure 655512DEST_PATH_IMAGE057
的每个元素均为0-1二进制变量，并且只能有1个元素取值为1，对应于储能用户i接收到有功调节指令后选择的响应行为；
基于Dirichlet分布与多项分布两者之间的共轭属性，针对被选择发送指令的储能用户，通过
Figure 721557DEST_PATH_IMAGE059
进行先验分布的更新，获得后验Dirichlet分布
Figure 303848DEST_PATH_IMAGE061
，并作为下次有功调节事件的先验分布。
CN202210722176.2A 2022-06-24 2022-06-24 一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法 Active CN114971400B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210722176.2A CN114971400B (zh) 2022-06-24 2022-06-24 一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210722176.2A CN114971400B (zh) 2022-06-24 2022-06-24 一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法

Publications (2)

Publication Number Publication Date
CN114971400A true CN114971400A (zh) 2022-08-30
CN114971400B CN114971400B (zh) 2023-01-31

Family

ID=82966133

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210722176.2A Active CN114971400B (zh) 2022-06-24 2022-06-24 一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法

Country Status (1)

Country Link
CN (1) CN114971400B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1667588A (zh) * 2005-04-11 2005-09-14 北京航空航天大学 基于贝叶斯方法的软件运行剖面获取方法
CN102882225A (zh) * 2012-09-05 2013-01-16 中国电力科学研究院 基于光伏***的用户侧分布式电源即插即用电源管理***
CN103577898A (zh) * 2013-11-18 2014-02-12 国家电网公司 一种电力行业的负荷控制分配方法及***
CN107103000A (zh) * 2016-02-23 2017-08-29 广州启法信息科技有限公司 一种基于关联规则与贝叶斯网络集成的推荐技术
WO2018068654A1 (zh) * 2016-10-10 2018-04-19 深圳云天励飞技术有限公司 场景模型动态估计方法、数据分析方法及装置、电子设备
CN108710992A (zh) * 2018-04-24 2018-10-26 国网天津市电力公司电力科学研究院 一种需求响应参与电网削峰填谷效果的评估方法
CN110149556A (zh) * 2019-05-20 2019-08-20 河北工业大学 一种基于tdc-lda模型的iptv用户行为模式挖掘方法
CN112180741A (zh) * 2020-10-30 2021-01-05 合肥工业大学 一种负荷聚合商参与的综合需求响应方法及***
CN112329988A (zh) * 2020-10-16 2021-02-05 杭州鸿晟电力设计咨询有限公司 一种基于园区可调能力分析的需求侧响应计算方法
CN113033953A (zh) * 2021-02-07 2021-06-25 国网浙江省电力有限公司金华供电公司 一种基于大数据的用户侧需求响应决策建议方法
CN113205252A (zh) * 2021-04-29 2021-08-03 国网浙江省电力有限公司杭州供电公司 基于需求侧负荷调峰潜力参数预测的聚合负荷调度方法
CN113364018A (zh) * 2021-06-22 2021-09-07 东南大学 一种面向二次调频的分布式储能在线学习聚合控制方法
CN114021390A (zh) * 2021-12-01 2022-02-08 国网江苏省电力有限公司南京供电分公司 城市综合能源***随机鲁棒优化方法及其应用
CN114186798A (zh) * 2021-11-19 2022-03-15 国网浙江省电力有限公司 一种提高电力用户需求响应有效性的信息处理方法及***
CN114462676A (zh) * 2021-12-30 2022-05-10 国网河北省电力有限公司营销服务中心 一种用户侧储能优化方法及***

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1667588A (zh) * 2005-04-11 2005-09-14 北京航空航天大学 基于贝叶斯方法的软件运行剖面获取方法
CN102882225A (zh) * 2012-09-05 2013-01-16 中国电力科学研究院 基于光伏***的用户侧分布式电源即插即用电源管理***
CN103577898A (zh) * 2013-11-18 2014-02-12 国家电网公司 一种电力行业的负荷控制分配方法及***
CN107103000A (zh) * 2016-02-23 2017-08-29 广州启法信息科技有限公司 一种基于关联规则与贝叶斯网络集成的推荐技术
WO2018068654A1 (zh) * 2016-10-10 2018-04-19 深圳云天励飞技术有限公司 场景模型动态估计方法、数据分析方法及装置、电子设备
CN108710992A (zh) * 2018-04-24 2018-10-26 国网天津市电力公司电力科学研究院 一种需求响应参与电网削峰填谷效果的评估方法
CN110149556A (zh) * 2019-05-20 2019-08-20 河北工业大学 一种基于tdc-lda模型的iptv用户行为模式挖掘方法
CN112329988A (zh) * 2020-10-16 2021-02-05 杭州鸿晟电力设计咨询有限公司 一种基于园区可调能力分析的需求侧响应计算方法
CN112180741A (zh) * 2020-10-30 2021-01-05 合肥工业大学 一种负荷聚合商参与的综合需求响应方法及***
CN113033953A (zh) * 2021-02-07 2021-06-25 国网浙江省电力有限公司金华供电公司 一种基于大数据的用户侧需求响应决策建议方法
CN113205252A (zh) * 2021-04-29 2021-08-03 国网浙江省电力有限公司杭州供电公司 基于需求侧负荷调峰潜力参数预测的聚合负荷调度方法
CN113364018A (zh) * 2021-06-22 2021-09-07 东南大学 一种面向二次调频的分布式储能在线学习聚合控制方法
CN114186798A (zh) * 2021-11-19 2022-03-15 国网浙江省电力有限公司 一种提高电力用户需求响应有效性的信息处理方法及***
CN114021390A (zh) * 2021-12-01 2022-02-08 国网江苏省电力有限公司南京供电分公司 城市综合能源***随机鲁棒优化方法及其应用
CN114462676A (zh) * 2021-12-30 2022-05-10 国网河北省电力有限公司营销服务中心 一种用户侧储能优化方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张玉敏 等: ""基于狄利克雷模型的分布鲁棒机组组合"", 《中国电机工程学报》 *

Also Published As

Publication number Publication date
CN114971400B (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
US20200191117A1 (en) Adaptive dynamic planning control method and system for energy storage station, and storage medium
CN111242443B (zh) 基于深度强化学习的能源互联网中虚拟电厂经济调度方法
CN108092324B (zh) 一种风电参与调峰调频的agc控制***和控制方法
CN110137981B (zh) 一种基于一致性算法的分布式储能聚合器agc方法
WO2022042216A1 (zh) 一种基于mpc的风氢耦合***分层协调控制方法及装置
CN106451567B (zh) 一种分布式电源集群动态划分的方法及***
CN113054688B (zh) 考虑不确定性的可再生能源集群出力分布式协调控制方法
CN109034587B (zh) 一种协调多种可控单元的主动配电***优化调度方法
CN105787592A (zh) 基于改进rbf网络的风电机组超短期风功率预测方法
CN112448396A (zh) 一种虚拟电厂自趋优负荷跟踪控制方法
CN117674197B (zh) 利用虚拟电厂主动支撑的频率调节方法、存储介质及设备
CN114971400B (zh) 一种基于Dirichlet分布-多项分布共轭先验的用户侧储能聚合方法
CN105098839A (zh) 一种基于风电不确定出力的风电并网协调优化方法
CN110969294B (zh) 虚拟电厂分段出力计划确定和储能***配置方法及装置
CN113078629B (zh) 一种用于集群温控负荷聚合商功率调控的聚合体功率分配模型及分布式一致性控制方法
CN111160808A (zh) 具有参数不确定的分布式事件触发电力***经济调度方法
CN115000994B (zh) 一种多储能单元分组一致性功率分配方法
CN108321851A (zh) 基于分层递阶控制的风电集群并网有功功率优化调度方法
CN114530848B (zh) 一种光储虚拟电厂多时间尺度动态划分方法
CN114400675B (zh) 基于权重均值深度双q网络的主动配电网电压控制方法
CN114123175B (zh) 考虑广义需求侧资源联盟特性的配电网分布式控制方法
CN116054179A (zh) 一种基于事件触发的电力***无功趋优控制***及方法
CN113269420B (zh) 基于通信噪声的分布式事件驱动电力经济调度方法
CN110970901B (zh) 适应波动电源及直流送受端电压安全的控制方法及***
CN114399115A (zh) 以多目标均衡为导向的热力控制平台用户响应优化方法

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