CN117691583B - 一种用于虚拟电厂的电力调度***及方法 - Google Patents

一种用于虚拟电厂的电力调度***及方法 Download PDF

Info

Publication number
CN117691583B
CN117691583B CN202311698894.1A CN202311698894A CN117691583B CN 117691583 B CN117691583 B CN 117691583B CN 202311698894 A CN202311698894 A CN 202311698894A CN 117691583 B CN117691583 B CN 117691583B
Authority
CN
China
Prior art keywords
electricity
power supply
load
priority
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
CN202311698894.1A
Other languages
English (en)
Other versions
CN117691583A (zh
Inventor
吴林河
王会武
樊尚志
李萍
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.)
Xi'an Zhongxinneng Network Technology Co ltd
Original Assignee
Xi'an Zhongxinneng Network Technology Co ltd
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 Xi'an Zhongxinneng Network Technology Co ltd filed Critical Xi'an Zhongxinneng Network Technology Co ltd
Priority to CN202311698894.1A priority Critical patent/CN117691583B/zh
Publication of CN117691583A publication Critical patent/CN117691583A/zh
Application granted granted Critical
Publication of CN117691583B publication Critical patent/CN117691583B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0073—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 when the main path fails, e.g. transformers, busbars
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电力调度技术领域，本发明公开了一种用于虚拟电厂的电力调度***及方法，包括步骤1：确定用电设备集的优先级，以及将用电特征数据输入至预配置用电负荷回归模型，确定预测日的用电负荷；步骤2：对用电负荷进行比对分析，确定电力负荷事件类型；步骤3：统计第i优先级的用电设备集的用电需求数据，以及获取第j条供电线路的电力供给数据；步骤4：将第i优先级的用电设备集的用电需求数据与第j条供电线路的电力供给数据进行匹配；本发明能对不同用电设备进行差异化供电，有利于提高重要设备的供电可靠性。

Description

一种用于虚拟电厂的电力调度***及方法
技术领域
本发明涉及电力调度技术领域，更具体地说，本发明涉及一种用于虚拟电厂的电力调度***及方法。
背景技术
随着分布式能源资源的广泛部署，虚拟电厂的概念得到了迅速发展；虚拟电厂是指利用数字技术和智能***来整合和优化分布式能源资源的***，其包括各种可再生能源，如太阳能、风能，以及其他分布式能源资源，如储能***、微型电网和传统发电站等等；通过智能化的***进行监测、协调和管理，虚拟电厂可以整合来自不同地点和不同类型的能源资源，从而实现以最大程度地提高能源效益，减少能源浪费；然而随着社会的发展，各类用电设备应用越来越广泛，供电质量和可靠性的要求也越来越高；传统的供电调度方法更多考虑输电网络的负荷平衡，而没有充分考虑不同用电设备的重要性及供电质量要求的差异；这容易造成重要设备在供电紧张时期得不到可靠供电的问题；因此，有必要提供一种新颖的、适用于虚拟电厂的电力调度***及方法，以实现对各种能源资源的智能化、动态化管理和高效调度。
目前，现有虚拟电厂的电力调度***及方法主要还停留在考虑电网负荷平衡的层面，例如授权公告号为CN116070797B的专利公开了一种虚拟电厂分布式资源调度方法，再例如授权公告号为CN112465200B的专利公开了一种虚拟电厂能源优化调度方法，上述方法虽能平衡电网负荷，但对上述方法以及现有技术进行研究和实际应用发现，上述方法以及现有技术无法获悉预测日目标区域的电力负荷事件类型，从而难以在此基础上实现对不同类用电设备进行差异化的供电质量保障，进而难以提高重要设备的供电可靠性；且无法确保重要设备在各类供电异常情况下仍能获得最合适的供电线路，进而难以实现供电资源的优化配置，不能满足不同设备对供电质量的差异化需求。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种用于虚拟电厂的电力调度***及方法。
为实现上述目的，本发明提供如下技术方案：
一种用于虚拟电厂的电力调度方法，所述方法包括：
步骤1：确定目标区域M个用电设备集的优先级，以及获取预测日目标区域的用电特征数据，将用电特征数据输入至预配置用电负荷回归模型，以确定所述目标区域在预测日的用电负荷，M为大于零的正整数；
步骤2：对用电负荷进行比对分析，以确定预测日所述目标区域的电力负荷事件类型；所述电力负荷事件类型包括负荷正常事件和负荷超载事件；
步骤3：根据负荷超载事件统计第i优先级的用电设备集的用电需求数据，以及获取第j条供电线路的电力供给数据，i和j均为大于零的正整数，i的初始值为1；
步骤4：将第i优先级的用电设备集的用电需求数据与第j条供电线路的电力供给数据进行匹配，若不匹配，则令j＝j+1，并返回至步骤3；若匹配，则将第i优先级的用电设备集对应匹配的第j个供电线路作为一组供电调度方案，并令i＝i+1，并返回至步骤3；
步骤5：重复上述步骤3～步骤4，直至i＝M时，结束循环，得到R组供电调度方案，根据R组供电调度方案进行电力调度，对目标区域的M个用电设备集进行电力保障供应，R为大于零的正整数集。
进一步地，所述确定目标区域M个用电设备集的优先级，包括：
S11：获取目标区域内N个各类用电设备，提取N个各类用电设备中第v个用电设备的重要程度数据，所述重要程度数据包括t个时间周期内的使用频率、运行时长和用电能耗，N为大于零的正整数；
S12：对重要程度数据归一化处理后进行公式化计算，以获取第v个用电设备的优先评估系数；其中，优先评估系数的计算公式如下： 式中：Dv表示第v个用电设备的优先评估系数，Freqt表示第t时间周期内的使用频率，Freqt-1表示第t-1时间周期内的使用频率，Durat表示第t时间周期内的运行时长，Durat-1表示第t-1时间周期内的运行时长，Const表示第t时间周期内的用电能耗，Const-1表示第t-1时间周期内的用电能耗，T表示时间周期总数，θ1、θ2和θ3为大于零的修正因子，θ1>θ2>θ3；
S13：将第v个用电设备的优先评估系数与K个预设优先评估系数区间进行归属判断，以确定第v个用电设备所归属用电设备集以及优先级，并令v＝v+1，并返回至步骤S11；
其中，每一个预设优先评估系数区间有且只有一个关联绑定的优先级；
S14：重复上述步骤S11～S14，直至v＝N时，结束循环，得到M个用电设备集的优先级。
进一步地，所述预配置用电负荷回归模型的生成逻辑如下：
获取历史用电负荷数据，将历史用电负荷数据划分为用电负荷训练集和用电负荷测试集；所述历史用电负荷数据包括用电特征数据及其对应的用电负荷；所述用电特征数据包括天气数据、节假日、人口数量和用电设备的运行数量；其中，所述天气数据包括降雨量、湿度、温度和风速；
构建回归网络，将用电负荷训练集中的用电特征数据作为回归网络的输入数据，将用电负荷训练集中的用电负荷作为回归网络的输出数据，对回归网络进行训练，得到初始用电负荷回归网络；
通过用电负荷测试集对初始用电负荷回归网络进行模型验证，输入预测误差小于预设误差阈值的初始用电负荷回归网络作为预配置用电负荷回归模型。
进一步地，所述对用电负荷进行比对分析，包括：
将用电负荷与预设用电负荷阈值进行比对；
若用电负荷小于预设用电负荷阈值，则判断目标区域不存在电力供应不足的现象，并生成负荷正常事件；
若用电负荷大于等于预设用电负荷阈值，则判断目标区域存在电力供应不足的现象，并生成负荷超载事件。
进一步地，所述用电需求数据包括用电设备集的用电需求量；所述电力供给数据包括电力供给量和电力供给稳定系数。
进一步地，所述电力供给稳定系数的生成逻辑如下：
获取供电线路的可靠供电能力和最大负荷需求；
根据供电线路的可靠供电能力和最大负荷需求进行公式化计算，得到电力供给稳定系数；其计算公式为：式中：Sta表示电力供给稳定系数，Pow表示可靠供电能力，Req表示最大负荷需求。
进一步地，所述将第i优先级的用电设备集的用电需求数据与第j个供电线路的电力供给数据进行匹配，包括：
将第i优先级的用电设备集的用电需求量与第j个供电线路的电力供给量进行比对；
若用电需求量大于电力供给量，则判定第i优先级的用电设备集与第j个供电线路不匹配；
若用电需求量小于等于电力供给量，则将第j个供电线路的电力供给稳定系数与第i优先级用电设备集设定的电力需求稳定系数阈值进行比对；
若电力供给稳定系数小于电力需求稳定系数阈值，则判定第i优先级的用电设备集与第j个供电线路不匹配；
若电力供给稳定系数大于等于电力需求稳定系数阈值，则确定所述电力供给稳定系数是否为剩余所有电力供给稳定系数中的最大值；
若是，则判定第i优先级的用电设备集与第j个供电线路匹配；
若不是，则判定第i优先级的用电设备集与第j个供电线路不匹配。
一种用于虚拟电厂的电力调度***，包括：
信息获取模块，用于确定目标区域M个用电设备集的优先级，以及获取预测日目标区域的用电特征数据，将用电特征数据输入至预配置用电负荷回归模型，以确定所述目标区域在预测日的用电负荷，M为大于零的正整数；
比对分析模块，用于对用电负荷进行比对分析，以确定预测日所述目标区域的电力负荷事件类型；所述电力负荷事件类型包括负荷正常事件和负荷超载事件；
供需确定模块，用于根据负荷超载事件统计第i优先级的用电设备集的用电需求数据，以及获取第j条供电线路的电力供给数据，i和j均为大于零的正整数，i的初始值为1；
数据匹配模块，用于将第i优先级的用电设备集的用电需求数据与第j个供电线路的电力供给数据进行匹配，若不匹配，则令j＝j+1，并触发供需确定模块；若匹配，则将第i优先级的用电设备集对应匹配的第j个供电线路作为一组供电调度方案，并令i＝i+1，并触发供需确定模块；
方案获取模块，用于重复上述供需确定模块至数据匹配模块，直至i＝M时，结束循环，得到R组供电调度方案，根据R组供电调度方案进行电力调度，对目标区域的M个用电设备集进行电力保障供应，R为大于零的正整数集。
一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述一种用于虚拟电厂的电力调度方法。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述一种用于虚拟电厂的电力调度方法。
相比于现有技术，本发明的有益效果在于：
本申请公开了一种用于虚拟电厂的电力调度***及方法，步骤1：确定用电设备集的优先级，以及将用电特征数据输入至预配置用电负荷回归模型，确定预测日的用电负荷；步骤2：对用电负荷进行比对分析，确定电力负荷事件类型；步骤3：统计第i优先级的用电设备集的用电需求数据，以及获取第j条供电线路的电力供给数据；步骤4：将第i优先级的用电设备集的用电需求数据与第j条供电线路的电力供给数据进行匹配；步骤5：重复上述步骤3～步骤4，直至i＝M时，结束循环，得到R组供电调度方案，根据R组供电调度方案进行电力调度；基于上述方案，本发明能够获悉预测日目标区域的电力负荷事件类型，并在此基础上，能够实现对不同类用电设备进行差异化的供电质量保障，进而有利于提高重要设备的供电可靠性；且能够确保重要设备在各类供电异常情况下仍能获得最合适的供电线路，进而有利于实现供电资源的优化配置，满足不同设备对供电质量的差异化需求。
附图说明
图1为本发明提供的一种用于虚拟电厂的电力调度方法的流程图；
图2为本发明提供的一种用于虚拟电厂的电力调度***的示意图；
图3为本发明提供的一种电子设备的结构示意图；
图4为本发明提供的一种计算机可读存储介质的结构示意图。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
请参阅图2所示，本实施例公开提供了一种用于虚拟电厂的电力调度***，包括：
信息获取模块210，用于确定目标区域M个用电设备集的优先级，以及获取预测日目标区域的用电特征数据，将用电特征数据输入至预配置用电负荷回归模型，以确定所述目标区域在预测日的用电负荷，M为大于零的正整数；
需要说明的是：所述目标区域根据实际应用场景实际确定，所述目标区域包括但不限于一个商超、一个地铁运营区、一座学校、一个居民小区或一座办公大楼等等中的一种；
在一个具体实施方式中，确定目标区域M个用电设备集的优先级，包括：
S11：获取目标区域内N个各类用电设备，提取N个各类用电设备中第v个用电设备的重要程度数据，所述重要程度数据包括t个时间周期内的使用频率、运行时长和用电能耗，N为大于零的正整数；
S12：对重要程度数据归一化处理后进行公式化计算，以获取第v个用电设备的优先评估系数；其中，优先评估系数的计算公式如下： 式中：Dv表示第v个用电设备的优先评估系数，Freqt表示第t时间周期内的使用频率，Freqt-1表示第t-1时间周期内的使用频率，Durat表示第t时间周期内的运行时长，Durat-1表示第t-1时间周期内的运行时长，Const表示第t时间周期内的用电能耗，Const-1表示第t-1时间周期内的用电能耗，T表示时间周期总数，θ1、θ2和θ3为大于零的修正因子，θ1>θ2>θ3；
需要说明的是：优先评估系数越大，则对用电设备的优先级越高，即说明在供电异常情况下，越应该保障此类用电设备的电力供应；
S13：将第v个用电设备的优先评估系数与K个预设优先评估系数区间进行归属判断，以确定第v个用电设备所归属用电设备集以及优先级，并令v＝v+1，并返回至步骤S11；
其中，每一个预设优先评估系数区间有且只有一个关联绑定的优先级；
S14：重复上述步骤S11～S14，直至v＝N时，结束循环，得到M个用电设备集的优先级；
在另一个具体实施方式中，确定目标区域M个用电设备集的优先级，还包括：根据不同目标区域类型，即在不同应用场景下，人为实现设定划分不同用电设备的优先级，并根据不同优先级归纳同一优先级的所有用电设备，得到不同的用电设备级；其可人为根据不同应用场景具体设定，对此不做过多赘述；
需要说明的是：当将第v个用电设备的优先评估系数与K个预设优先评估系数区间进行归属判断时，通过将第v个用电设备的优先评估系数分别与每个预设优先评估系数区间进行一一比对，确定出第v个用电设备的优先评估系数所归属对应的预设优先评估系数区间，通过循环，即可得到归属不同系数区间的用电设备集；进一步地，每一个预设优先评估系数区间有且只有一个关联绑定的优先级，通过读取每一用电设备集归属系数区间所对应的绑定的优先级，即可获悉M个用电设备集的优先级；
示例性说明就是：假设存在3个预设优先评估系数区间分别为L1、L2和L3，且L1映射为第1优先级，L2映射为第2优先级，L3映射为第3优先级；因此，若第v个用电设备的优先评估系数属于L1，则所述第v个用电设备为一个系数区间的用电设备集，且根据预设优先评估系数区间与优先级的绑定关系，即可获悉第v个用电设备或第v个用电设备所属用电设备集的优先级；
具体的，所述预配置用电负荷回归模型的生成逻辑如下：
获取历史用电负荷数据，将历史用电负荷数据划分为用电负荷训练集和用电负荷测试集；所述历史用电负荷数据包括用电特征数据及其对应的用电负荷；所述用电特征数据包括天气数据、节假日、人口数量和用电设备的运行数量；
其中，所述天气数据包括但不限于降雨量、湿度、温度和风速等等；
需要说明的是：在获取预测日目标区域的用电特征数据时，所述天气数据通过天气预报平台提供得到，节假日根据电子日历记载确定，所述人口数量和用电设备的运行数量通过历史数据回归反映得到；需要注意的是：获取人口数量和用电设备的运行数量非本申请的技术问题，任何一种可预测人口数量和用电设备的运行数量的模型或方式都可作为本方案的应用对象；
构建回归网络，将用电负荷训练集中的用电特征数据作为回归网络的输入数据，将用电负荷训练集中的用电负荷作为回归网络的输出数据，对回归网络进行训练，得到初始用电负荷回归网络；
通过用电负荷测试集对初始用电负荷回归网络进行模型验证，输入预测误差小于预设误差阈值的初始用电负荷回归网络作为预配置用电负荷回归模型；
需要说明的是：所述回归网络具体为决策树回归、SVM回归、随机森林回归和神经网络回归等模型中的一种；
比对分析模块220，用于对用电负荷进行比对分析，以确定预测日所述目标区域的电力负荷事件类型；所述电力负荷事件类型包括负荷正常事件和负荷超载事件；
在实施中，对用电负荷进行比对分析，包括：
将用电负荷与预设用电负荷阈值进行比对；
若用电负荷小于预设用电负荷阈值，则判断目标区域不存在电力供应不足的现象，并生成负荷正常事件；
若用电负荷大于等于预设用电负荷阈值，则判断目标区域存在电力供应不足的现象，并生成负荷超载事件；
需要说明的是：若存在负荷正常事件时，则说明预测日的虚拟电厂能够满足目标区域的电力需求，即判断目标区域不存在电力供应不足的现象，则在预测日时继续根据以往的电力调度方案对目标区域进行电力供应；而当存在负荷超载事件时，则说明预测日的虚拟电厂不能满足目标区域的电力需求，即判断目标区域存在电力供应不足的现象，本着保障重要设备供电可靠性的原则，***将对不同优先级的用电设备集进行电力线路预分配，以确保重要设备在各类供电异常情况下仍能获得最合适的供电线路的电力供应；
供需确定模块230，用于根据负荷超载事件统计第i优先级的用电设备集的用电需求数据，以及获取第j条供电线路的电力供给数据，i和j均为大于零的正整数，i的初始值为1；
具体的，所述用电需求数据包括用电设备集的用电需求量；所述电力供给数据包括电力供给量和电力供给稳定系数；
应当了解的是：每一用电设备集中均包含了多个同一优先级的用电设备；所述用电设备集的用电需求量通过下式计算得到： 式中：Energy表示用电设备集的用电需求量，Wg表示用电设备集中第g个用电设备的功率，Ug表示用电设备集中第g个用电设备的最大用电时长，G表示某一优先级用电设备集内用电设备的总量；需要说明的是：所述每个用电设备的功率和最大用电时长预存于***数据库中；
需要说明的是：所述电力供给量根据日常电力供电计划确定，所述日常电力供电计划由电力***管理人员制定，对此不做过多解释；进一步示例说明的是，例如：一些储能***日计划规定提供的电力供给量为3000kWh，则在预测日，对应储能***的供电线路的电力供给量也应为3000kWh；
具体的，所述电力供给稳定系数的生成逻辑如下：
获取供电线路的可靠供电能力和最大负荷需求；
根据供电线路的可靠供电能力和最大负荷需求进行公式化计算，得到电力供给稳定系数；其计算公式为：式中：Sta表示电力供给稳定系数，Pow表示可靠供电能力，即供电线路在正常运行条件下能够提供的电力，Req表示最大负荷需求，即供电线路在最高负荷时需求的电力；
应当明白的是：电力供给稳定系数的值越接近1，表示对应供电线路的稳定性越好，能够更可靠地应对复杂情况的变化；
需要说明的是：所述供电线路包括但不限于传统发电机组供电线路、风能供电线路、太阳能供电线路和储能***供电线路等等；
数据匹配模块240，用于将第i优先级的用电设备集的用电需求数据与第j个供电线路的电力供给数据进行匹配，若不匹配，则令j＝j+1，并触发供需确定模块230；若匹配，则将第i优先级的用电设备集对应匹配的第j个供电线路作为一组供电调度方案，并令i＝i+1，并触发供需确定模块230；
在实施中，将第i优先级的用电设备集的用电需求数据与第j个供电线路的电力供给数据进行匹配，包括：
将第i优先级的用电设备集的用电需求量与第j个供电线路的电力供给量进行比对；
若用电需求量大于电力供给量，则判定第i优先级的用电设备集与第j个供电线路不匹配；
若用电需求量小于等于电力供给量，则将第j个供电线路的电力供给稳定系数与第i优先级用电设备集设定的电力需求稳定系数阈值进行比对；
若电力供给稳定系数小于电力需求稳定系数阈值，则判定第i优先级的用电设备集与第j个供电线路不匹配；
若电力供给稳定系数大于等于电力需求稳定系数阈值，则确定所述电力供给稳定系数是否为剩余所有电力供给稳定系数中的最大值；
若是，则判定第i优先级的用电设备集与第j个供电线路匹配；
若不是，则判定第i优先级的用电设备集与第j个供电线路不匹配；
需要说明的是：所述每一用电设备集关联有一个设定的电力需求稳定系数阈值；每一用电设备集关联的设定的电力需求稳定系数阈值根据自身的优先级确定；将第i优先级的用电设备集的用电需求数据与第j条供电线路的电力供给数据进行匹配，根据用电设备集的优先级从大到小依次进行；
进一步说明就是：i的初始值为1，因此数据匹配从最高优先级开始，因而，第1优先级高于第2优先级，第2优先级高于第3优先级，依次类推，…，第M-1优先级高于第M优先级；
进一步示例说明就是：假设存在3个优先级的用电设备集，分别为第一优先级的用电设备集、第二优先级的用电设备集和第三优先级的用电设备集；其中，第一优先级高于第二优先级，第二优先级高于第三优先级；***自动为第一优先级赋予的电力需求稳定系数阈值为0.9、第二优先级赋予的电力需求稳定系数阈值为0.8、第三优先级赋予的电力需求稳定系数阈值为0.7；且假设存在4个供电线路以及4个供电线路对应的电力供给稳定系数，且4条供电线路对应的电力供给稳定系数分别为0.93、0.84、0.76和0.65；按照上述描述可知，将第i优先级的用电设备集的用电需求数据与第j个供电线路的电力供给数据进行匹配是从最高优先级开始的(即从高优先级到最低优先级)；因此，是将第1优先级的用电设备集的用电需求数据与第j个供电线路的电力供给数据进行匹配；若第1优先级的用电设备集的电需求量大于第j个供电线路的电力供给量；则判定第1优先级的用电设备集与第j个供电线路不匹配；此时将令j＝j+1，并触发供需确定模块230；若用电需求量小于等于电力供给量，则将第j个供电线路的电力供给稳定系数与第1优先级用电设备集设定的电力需求稳定系数阈值进行比对，通过上述假设可知，由于第一优先级的电力需求稳定系数阈值为0.9；因此，若第1优先级用电设备集的电力供给稳定系数小于0.9，则判定第i优先级的用电设备集与第j个供电线路不匹配；此时将令j＝j+1，并触发供需确定模块230；相反，若第1优先级用电设备集的电力供给稳定系数大于等于0.9，则进一步确定所述电力供给稳定系数是否为剩余所有电力供给稳定系数中的最大值，根据上述假设可知，4条供电线路对应的电力供给稳定系数分别为0.93、0.84、0.76和0.65，因此，若第j条供电线路的电力供给稳定系数为0.93，则确定第i优先级的用电设备集与第j个供电线路匹配；相反，则判定第1优先级的用电设备集与第j个供电线路不匹配；此时将令j＝j+1，并触发供需确定模块230；
再进一步说明就是：承接上述示例，由于将第i优先级的用电设备集的用电需求数据与第j条供电线路的电力供给数据进行匹配，是从高优先级到最低优先级进行的，因此，每当一个优先级的用电设备集与第j个供电线路匹配时，电力供给稳定系数的总个数将剔除一个，被剔除的电力供给稳定系数将不参与后续确定所述电力供给稳定系数是否为剩余所有电力供给稳定系数中的最大值的过程，即被匹配的供电线路不再参与匹配过程；
方案获取模块250，用于重复上述供需确定模块230至数据匹配模块240，直至i＝M时，结束循环，得到R组供电调度方案，根据R组供电调度方案进行电力调度，对目标区域的M个用电设备集进行电力保障供应，R为大于零的正整数集；
需要说明的是：每组供电调度方案均包含了一个优先级的用电设备集对应匹配的一个供电线路；因此，根据R组供电调度方案进行电力调度时，能够实现对不同类用电设备的差异化供电质量保障；提高了重要设备的供电可靠性；确保重要设备在各类供电异常情况下仍能获得最合适的供电线路，实现供电资源的优化配置，满足了不同设备对供电质量的差异化需求。
实施例2
请参阅图1所示，本实施例公开提供了一种用于虚拟电厂的电力调度方法，所述方法包括：
步骤1：确定目标区域M个用电设备集的优先级，以及获取预测日目标区域的用电特征数据，将用电特征数据输入至预配置用电负荷回归模型，以确定所述目标区域在预测日的用电负荷，M为大于零的正整数；
需要说明的是：所述目标区域根据实际应用场景实际确定，所述目标区域包括但不限于一个商超、一个地铁运营区、一所学校、一个居民小区或一座办公大楼等等中的一种；
在一个具体实施方式中，确定目标区域M个用电设备集的优先级，包括：
S11：获取目标区域内N个各类用电设备，提取N个各类用电设备中第v个用电设备的重要程度数据，所述重要程度数据包括t个时间周期内的使用频率、运行时长和用电能耗，N为大于零的正整数；
S12：对重要程度数据归一化处理后进行公式化计算，以获取第v个用电设备的优先评估系数；其中，优先评估系数的计算公式如下： 式中：Dv表示第v个用电设备的优先评估系数，Freqt表示第t时间周期内的使用频率，Freqt-1表示第t-1时间周期内的使用频率，Durat表示第t时间周期内的运行时长，Durat-1表示第t-1时间周期内的运行时长，Const表示第t时间周期内的用电能耗，Const-1表示第t-1时间周期内的用电能耗，T表示时间周期总数，θ1、θ2和θ3为大于零的修正因子，θ1>θ2>θ3；
需要说明的是：优先评估系数越大，则对用电设备的优先级越高，即说明在供电异常情况下，越应该保障此类用电设备的电力供应；
S13：将第v个用电设备的优先评估系数与K个预设优先评估系数区间进行归属判断，以确定第v个用电设备所归属用电设备集以及优先级，并令v＝v+1，并返回至步骤S11；
其中，每一个预设优先评估系数区间有且只有一个关联绑定的优先级；
S14：重复上述步骤S11～S14，直至v＝N时，结束循环，得到M个用电设备集的优先级；
在另一个具体实施方式中，确定目标区域M个用电设备集的优先级，还包括：根据不同目标区域类型，即在不同应用场景下，人为实现设定划分不同用电设备的优先级，并根据不同优先级归纳同一优先级的所有用电设备，得到不同的用电设备级；其可人为根据不同应用场景具体设定，对此不做过多赘述；
需要说明的是：当将第v个用电设备的优先评估系数与K个预设优先评估系数区间进行归属判断时，通过将第v个用电设备的优先评估系数分别与每个预设优先评估系数区间进行一一比对，确定出第v个用电设备的优先评估系数所归属对应的预设优先评估系数区间，通过循环，即可得到归属不同系数区间的用电设备集；进一步地，每一个预设优先评估系数区间有且只有一个关联绑定的优先级，通过读取每一用电设备集归属系数区间所对应的绑定的优先级，即可获悉M个用电设备集的优先级；
示例性说明就是：假设存在3个预设优先评估系数区间分别为L1、L2和L3，且L1映射为第1优先级，L2映射为第2优先级，L3映射为第3优先级；因此，若第v个用电设备的优先评估系数属于L1，则所述第v个用电设备为一个系数区间的用电设备集，且根据预设优先评估系数区间与优先级的绑定关系，即可获悉第v个用电设备或第v个用电设备所属用电设备集的优先级；
具体的，所述预配置用电负荷回归模型的生成逻辑如下：
获取历史用电负荷数据，将历史用电负荷数据划分为用电负荷训练集和用电负荷测试集；所述历史用电负荷数据包括用电特征数据及其对应的用电负荷；所述用电特征数据包括天气数据、节假日、人口数量和用电设备的运行数量；
其中，所述天气数据包括但不限于降雨量、湿度、温度和风速等等；
需要说明的是：在获取预测日目标区域的用电特征数据时，所述天气数据通过天气预报平台提供得到，节假日根据电子日历记载确定，所述人口数量和用电设备的运行数量通过历史数据回归反映得到；需要注意的是：获取人口数量和用电设备的运行数量非本申请的技术问题，任何一种可预测人口数量和用电设备的运行数量的模型或方式都可作为本方案的应用对象；
构建回归网络，将用电负荷训练集中的用电特征数据作为回归网络的输入数据，将用电负荷训练集中的用电负荷作为回归网络的输出数据，对回归网络进行训练，得到初始用电负荷回归网络；
通过用电负荷测试集对初始用电负荷回归网络进行模型验证，输入预测误差小于预设误差阈值的初始用电负荷回归网络作为预配置用电负荷回归模型；
需要说明的是：所述回归网络具体为决策树回归、SVM回归、随机森林回归和神经网络回归等模型中的一种；
步骤2：对用电负荷进行比对分析，以确定预测日所述目标区域的电力负荷事件类型；所述电力负荷事件类型包括负荷正常事件和负荷超载事件；
在实施中，对用电负荷进行比对分析，包括：
将用电负荷与预设用电负荷阈值进行比对；
若用电负荷小于预设用电负荷阈值，则判断目标区域不存在电力供应不足的现象，并生成负荷正常事件；
若用电负荷大于等于预设用电负荷阈值，则判断目标区域存在电力供应不足的现象，并生成负荷超载事件；
需要说明的是：若存在负荷正常事件时，则说明预测日的虚拟电厂能够满足目标区域的电力需求，即判断目标区域不存在电力供应不足的现象，则在预测日时继续根据以往的电力调度方案对目标区域进行电力供应；而当存在负荷超载事件时，则说明预测日的虚拟电厂不能满足目标区域的电力需求，即判断目标区域存在电力供应不足的现象，本着保障重要设备供电可靠性的原则，***将对不同优先级的用电设备集进行电力线路预分配，以确保重要设备在各类供电异常情况下仍能获得最合适的供电线路的电力供应；
步骤3：根据负荷超载事件统计第i优先级的用电设备集的用电需求数据，以及获取第j条供电线路的电力供给数据，i和j均为大于零的正整数，i的初始值为1；
具体的，所述用电需求数据包括用电设备集的用电需求量；所述电力供给数据包括电力供给量和电力供给稳定系数；
应当了解的是：每一用电设备集中均包含了多个同一优先级的用电设备；所述用电设备集的用电需求量通过下式计算得到： 式中：Energy表示用电设备集的用电需求量，Wg表示用电设备集中第g个用电设备的功率，Ug表示用电设备集中第g个用电设备的最大用电时长，G表示某一优先级用电设备集内用电设备的总量；需要说明的是：所述每个用电设备的功率和最大用电时长预存于***数据库中；
需要说明的是：所述电力供给量根据日常电力供电计划确定，所述日常电力供电计划由电力***管理人员制定，对此不做过多解释；进一步示例说明的是，例如：一些储能***日计划规定提供的电力供给量为3000kWh，则在预测日，对应储能***的供电线路的电力供给量也应为3000kWh；
具体的，所述电力供给稳定系数的生成逻辑如下：
获取供电线路的可靠供电能力和最大负荷需求；
根据供电线路的可靠供电能力和最大负荷需求进行公式化计算，得到电力供给稳定系数；其计算公式为：式中：Sta表示电力供给稳定系数，Pow表示可靠供电能力，即供电线路在正常运行条件下能够提供的电力，Req表示最大负荷需求，即供电线路在最高负荷时需求的电力；
应当明白的是：电力供给稳定系数的值越接近1，表示对应供电线路的稳定性越好，能够更可靠地应对复杂情况的变化；
需要说明的是：所述供电线路包括但不限于传统发电机组供电线路、风能供电线路、太阳能供电线路和储能***供电线路等等；
步骤4：将第i优先级的用电设备集的用电需求数据与第j条供电线路的电力供给数据进行匹配，若不匹配，则令j＝j+1，并返回至步骤3；若匹配，则将第i优先级的用电设备集对应匹配的第j个供电线路作为一组供电调度方案，并令i＝i+1，并返回至步骤3；
在实施中，将第i优先级的用电设备集的用电需求数据与第j个供电线路的电力供给数据进行匹配，包括：
将第i优先级的用电设备集的用电需求量与第j个供电线路的电力供给量进行比对；
若用电需求量大于电力供给量，则判定第i优先级的用电设备集与第j个供电线路不匹配；
若用电需求量小于等于电力供给量，则将第j个供电线路的电力供给稳定系数与第i优先级用电设备集设定的电力需求稳定系数阈值进行比对；
若电力供给稳定系数小于电力需求稳定系数阈值，则判定第i优先级的用电设备集与第j个供电线路不匹配；
若电力供给稳定系数大于等于电力需求稳定系数阈值，则确定所述电力供给稳定系数是否为剩余所有电力供给稳定系数中的最大值；
若是，则判定第i优先级的用电设备集与第j个供电线路匹配；
若不是，则判定第i优先级的用电设备集与第j个供电线路不匹配；
需要说明的是：所述每一用电设备集关联有一个设定的电力需求稳定系数阈值；每一用电设备集关联的设定的电力需求稳定系数阈值根据自身的优先级确定；将第i优先级的用电设备集的用电需求数据与第j条供电线路的电力供给数据进行匹配，根据用电设备集的优先级从大到小依次进行；
进一步说明就是：i的初始值为1，因此数据匹配从最高优先级开始，因而，第1优先级高于第2优先级，第2优先级高于第3优先级，依次类推，…，第M-1优先级高于第M优先级；
进一步示例说明就是：假设存在3个优先级的用电设备集，分别为第一优先级的用电设备集、第二优先级的用电设备集和第三优先级的用电设备集；其中，第一优先级高于第二优先级，第二优先级高于第三优先级；***自动为第一优先级赋予的电力需求稳定系数阈值为0.9、第二优先级赋予的电力需求稳定系数阈值为0.8、第三优先级赋予的电力需求稳定系数阈值为0.7；且假设存在4个供电线路以及4个供电线路对应的电力供给稳定系数，且4条供电线路对应的电力供给稳定系数分别为0.93、0.84、0.76和0.65；按照上述描述可知，将第i优先级的用电设备集的用电需求数据与第j个供电线路的电力供给数据进行匹配是从最高优先级开始的(即从高优先级到最低优先级)；因此，是将第1优先级的用电设备集的用电需求数据与第j个供电线路的电力供给数据进行匹配；若第1优先级的用电设备集的电需求量大于第j个供电线路的电力供给量；则判定第1优先级的用电设备集与第j个供电线路不匹配；此时将令j＝j+1，并返回至步骤3；若用电需求量小于等于电力供给量，则将第j个供电线路的电力供给稳定系数与第1优先级用电设备集设定的电力需求稳定系数阈值进行比对，通过上述假设可知，由于第一优先级的电力需求稳定系数阈值为0.9；因此，若第1优先级用电设备集的电力供给稳定系数小于0.9，则判定第i优先级的用电设备集与第j个供电线路不匹配；此时将令j＝j+1，并返回至步骤3；相反，若第1优先级用电设备集的电力供给稳定系数大于等于0.9，则进一步确定所述电力供给稳定系数是否为剩余所有电力供给稳定系数中的最大值，根据上述假设可知，4条供电线路对应的电力供给稳定系数分别为0.93、0.84、0.76和0.65，因此，若第j条供电线路的电力供给稳定系数为0.93，则确定第i优先级的用电设备集与第j个供电线路匹配；相反，则判定第1优先级的用电设备集与第j个供电线路不匹配；此时将令j＝j+1，并返回至步骤3；
再进一步说明就是：承接上述示例，由于将第i优先级的用电设备集的用电需求数据与第j条供电线路的电力供给数据进行匹配，是从高优先级到最低优先级进行的，因此，每当一个优先级的用电设备集与第j个供电线路匹配时，电力供给稳定系数的总个数将剔除一个，被剔除的电力供给稳定系数将不参与后续确定所述电力供给稳定系数是否为剩余所有电力供给稳定系数中的最大值的过程，即被匹配的供电线路不再参与匹配过程；
步骤5：重复上述步骤3～步骤4，直至i＝M时，结束循环，得到R组供电调度方案，根据R组供电调度方案进行电力调度，对目标区域的M个用电设备集进行电力保障供应，R为大于零的正整数集；
需要说明的是：每组供电调度方案均包含了一个优先级的用电设备集对应匹配的一个供电线路；因此，根据R组供电调度方案进行电力调度时，能够实现对不同类用电设备的差异化供电质量保障；提高了重要设备的供电可靠性；确保重要设备在各类供电异常情况下仍能获得最合适的供电线路，实现供电资源的优化配置，满足了不同设备对供电质量的差异化需求。
实施例3
请参阅图3所示，本实施例公开提供了一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各方法所提供的任一项所述一种用于虚拟电厂的电力调度方法。
由于本实施例所介绍的电子设备为实施本申请实施例中一种用于虚拟电厂的电力调度方法所采用的电子设备，故而基于本申请实施例中所介绍的一种用于虚拟电厂的电力调度方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中一种用于虚拟电厂的电力调度方法所采用的电子设备，都属于本申请所欲保护的范围。
实施例4
请参阅图4所示，一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述一种用于虚拟电厂的电力调度方法。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数、权重以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种用于虚拟电厂的电力调度方法，其特征在于，所述方法包括：
步骤1：确定目标区域M个用电设备集的优先级，以及获取预测日目标区域的用电特征数据，将用电特征数据输入至预配置用电负荷回归模型，以确定所述目标区域在预测日的用电负荷，M为大于零的正整数；
步骤2：对用电负荷进行比对分析，以确定预测日所述目标区域的电力负荷事件类型；所述电力负荷事件类型包括负荷正常事件和负荷超载事件；
步骤3：根据负荷超载事件统计第i优先级的用电设备集的用电需求数据，以及获取第j条供电线路的电力供给数据，i和j均为大于零的正整数，i的初始值为1；
步骤4：将第i优先级的用电设备集的用电需求数据与第j条供电线路的电力供给数据进行匹配，若不匹配，则令j＝j+1，并返回至步骤3；若匹配，则将第i优先级的用电设备集对应匹配的第j个供电线路作为一组供电调度方案，并令i＝i+1，并返回至步骤3；
所述用电需求数据包括用电设备集的用电需求量；所述电力供给数据包括电力供给量和电力供给稳定系数；
所述电力供给稳定系数的生成逻辑如下：
获取供电线路的可靠供电能力和最大负荷需求；
根据供电线路的可靠供电能力和最大负荷需求进行公式化计算，得到电力供给稳定系数；其计算公式为：式中：Sta表示电力供给稳定系数，Pow表示可靠供电能力，Req表示最大负荷需求；
所述将第i优先级的用电设备集的用电需求数据与第j个供电线路的电力供给数据进行匹配，包括：
将第i优先级的用电设备集的用电需求量与第j个供电线路的电力供给量进行比对；
若用电需求量大于电力供给量，则判定第i优先级的用电设备集与第j个供电线路不匹配；
若用电需求量小于等于电力供给量，则将第j个供电线路的电力供给稳定系数与第i优先级用电设备集设定的电力需求稳定系数阈值进行比对；
若电力供给稳定系数小于电力需求稳定系数阈值，则判定第i优先级的用电设备集与第j个供电线路不匹配；
若电力供给稳定系数大于等于电力需求稳定系数阈值，则确定所述电力供给稳定系数是否为剩余所有电力供给稳定系数中的最大值；
若是，则判定第i优先级的用电设备集与第j个供电线路匹配；
若不是，则判定第i优先级的用电设备集与第j个供电线路不匹配；
i的初始值为1，表示最高优先级，从最高优先级的用电设备集开始线路匹配；
步骤5：重复上述步骤3～步骤4，直至i＝M时，结束循环，得到R组供电调度方案，根据R组供电调度方案进行电力调度，对目标区域的M个用电设备集进行电力保障供应，R为大于零的正整数集。
2.根据权利要求1所述的一种用于虚拟电厂的电力调度方法，其特征在于，所述确定目标区域M个用电设备集的优先级，包括：
S11：获取目标区域内N个各类用电设备，提取N个各类用电设备中第v个用电设备的重要程度数据，所述重要程度数据包括t个时间周期内的使用频率、运行时长和用电能耗，N为大于零的正整数；
S12：对重要程度数据归一化处理后进行公式化计算，以获取第v个用电设备的优先评估系数；其中，优先评估系数的计算公式如下： 式中：Dv表示第v个用电设备的优先评估系数，Freqt表示第t时间周期内的使用频率，Freqt-1表示第t-1时间周期内的使用频率，Durat表示第t时间周期内的运行时长，Durat-1表示第t-1时间周期内的运行时长，Const表示第t时间周期内的用电能耗，Const-1表示第t-1时间周期内的用电能耗，T表示时间周期总数，θ1、θ2和θ3为大于零的修正因子，θ1>θ2>θ3；
S13：将第v个用电设备的优先评估系数与K个预设优先评估系数区间进行归属判断，以确定第v个用电设备所归属用电设备集以及优先级，并令v＝v+1，并返回至步骤S11；
其中，每一个预设优先评估系数区间有且只有一个关联绑定的优先级；
S14：重复上述步骤S11～S14，直至v＝N时，结束循环，得到M个用电设备集的优先级。
3.根据权利要求2所述的一种用于虚拟电厂的电力调度方法，其特征在于，所述预配置用电负荷回归模型的生成逻辑如下：
获取历史用电负荷数据，将历史用电负荷数据划分为用电负荷训练集和用电负荷测试集；所述历史用电负荷数据包括用电特征数据及其对应的用电负荷；所述用电特征数据包括天气数据、节假日、人口数量和用电设备的运行数量；其中，所述天气数据包括降雨量、湿度、温度和风速；
构建回归网络，将用电负荷训练集中的用电特征数据作为回归网络的输入数据，将用电负荷训练集中的用电负荷作为回归网络的输出数据，对回归网络进行训练，得到初始用电负荷回归网络；
通过用电负荷测试集对初始用电负荷回归网络进行模型验证，输入预测误差小于预设误差阈值的初始用电负荷回归网络作为预配置用电负荷回归模型。
4.根据权利要求3所述的一种用于虚拟电厂的电力调度方法，其特征在于，所述对用电负荷进行比对分析，包括：
将用电负荷与预设用电负荷阈值进行比对；
若用电负荷小于预设用电负荷阈值，则判断目标区域不存在电力供应不足的现象，并生成负荷正常事件；
若用电负荷大于等于预设用电负荷阈值，则判断目标区域存在电力供应不足的现象，并生成负荷超载事件。
5.一种用于虚拟电厂的电力调度***，其基于权利要求1-4任一项所述的一种用于虚拟电厂的电力调度方法实现，其特征在于，包括：
信息获取模块，用于确定目标区域M个用电设备集的优先级，以及获取预测日目标区域的用电特征数据，将用电特征数据输入至预配置用电负荷回归模型，以确定所述目标区域在预测日的用电负荷，M为大于零的正整数；
比对分析模块，用于对用电负荷进行比对分析，以确定预测日所述目标区域的电力负荷事件类型；所述电力负荷事件类型包括负荷正常事件和负荷超载事件；
供需确定模块，用于根据负荷超载事件统计第i优先级的用电设备集的用电需求数据，以及获取第j条供电线路的电力供给数据，i和j均为大于零的正整数，i的初始值为1；
数据匹配模块，用于将第i优先级的用电设备集的用电需求数据与第j个供电线路的电力供给数据进行匹配，若不匹配，则令j＝j+1，并触发供需确定模块；若匹配，则将第i优先级的用电设备集对应匹配的第j个供电线路作为一组供电调度方案，并令i＝i+1，并触发供需确定模块；
方案获取模块，用于重复上述供需确定模块至数据匹配模块，直至i＝M时，结束循环，得到R组供电调度方案，根据R组供电调度方案进行电力调度，对目标区域的M个用电设备集进行电力保障供应，R为大于零的正整数集。
6.一种电子设备，包括存储器、处理器以及存储在存储器上并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一项所述一种用于虚拟电厂的电力调度方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被执行时实现权利要求1至4任一项所述一种用于虚拟电厂的电力调度方法。
CN202311698894.1A 2023-12-12 2023-12-12 一种用于虚拟电厂的电力调度***及方法 Active CN117691583B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311698894.1A CN117691583B (zh) 2023-12-12 2023-12-12 一种用于虚拟电厂的电力调度***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311698894.1A CN117691583B (zh) 2023-12-12 2023-12-12 一种用于虚拟电厂的电力调度***及方法

Publications (2)

Publication Number Publication Date
CN117691583A CN117691583A (zh) 2024-03-12
CN117691583B true CN117691583B (zh) 2024-06-14

Family

ID=90131374

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311698894.1A Active CN117691583B (zh) 2023-12-12 2023-12-12 一种用于虚拟电厂的电力调度***及方法

Country Status (1)

Country Link
CN (1) CN117691583B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06303722A (ja) * 1993-04-12 1994-10-28 Matsushita Refrig Co Ltd 空気調和機の電力デマンド制御装置
CN117200217A (zh) * 2023-09-14 2023-12-08 国网山东省电力公司邹城市供电公司 一种基于负荷分类的电力***调度方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9748770B2 (en) * 2012-12-07 2017-08-29 Battelle Memorial Institute Using demand side resources to provide frequency regulation
WO2019212415A1 (en) * 2018-05-02 2019-11-07 Sun Electric Digital Stream Ltd. Method and system for creating information representing a state of an electrical power distribution system
CN113346558A (zh) * 2021-06-30 2021-09-03 国家电网公司东北分部 一种虚拟电厂运行控制***及控制方法
CN116544946A (zh) * 2023-05-25 2023-08-04 浙江浙能能源服务有限公司 一种电网调度控制模型的构建方法
CN116505595B (zh) * 2023-06-29 2023-09-15 国网安徽省电力有限公司巢湖市供电公司 一种基于虚拟电厂的电力监测调度管理***
CN116646933B (zh) * 2023-07-24 2023-10-10 北京中能亿信软件有限公司 一种基于大数据的电力负荷调度方法及***
CN116706905B (zh) * 2023-08-08 2023-11-03 国网浙江省电力有限公司宁波供电公司 基于电力***的多能预测及调度方法、设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06303722A (ja) * 1993-04-12 1994-10-28 Matsushita Refrig Co Ltd 空気調和機の電力デマンド制御装置
CN117200217A (zh) * 2023-09-14 2023-12-08 国网山东省电力公司邹城市供电公司 一种基于负荷分类的电力***调度方法

Also Published As

Publication number Publication date
CN117691583A (zh) 2024-03-12

Similar Documents

Publication Publication Date Title
Haessig et al. Energy storage sizing for wind power: impact of the autocorrelation of day‐ahead forecast errors
Zhang et al. A convex model of risk-based unit commitment for day-ahead market clearing considering wind power uncertainty
Pilo et al. New electricity distribution network planning approaches for integrating renewable
Lujano-Rojas et al. Optimizing daily operation of battery energy storage systems under real-time pricing schemes
Papavasiliou et al. Reserve requirements for wind power integration: A scenario-based stochastic programming framework
Liu et al. Coordination of hydro units with wind power generation using interval optimization
CN111509700B (zh) 一种基于电价预测的电网运行管理方法及装置
Yu et al. Pricing information in smart grids: A quality-based data valuation paradigm
Tejada-Arango et al. Representation of storage operations in network-constrained optimization models for medium-and long-term operation
Qiu et al. Multi‐objective transmission expansion planning in a smart grid using a decomposition‐based evolutionary algorithm
CN111082469A (zh) 一种分布式新能源配电网的优化调度方法、***及设备
CN111680841A (zh) 基于主成分分析的短期负荷预测方法、***及终端设备
CN116821660A (zh) 一种电力管理方法、***、终端设备及存储介质
Raouf Mohamed et al. Distributed battery energy storage systems operation framework for grid power levelling in the distribution networks
Li et al. Stochastic production simulation for generating capacity reliability evaluation in power systems with high renewable penetration
CN117744916A (zh) 储能容量的预测方法、装置、计算机设备及可读存储介质
Li et al. PFR ancillary service in low‐inertia power system
Sperstad et al. Cost-benefit analysis of battery energy storage in electric power grids: Research and practices
Min et al. Short-term probabilistic transmission congestion forecasting
Aghajani et al. Optimal energy storage sizing and offering strategy for the presence of wind power plant with energy storage in the electricity market
Kazhamiaka et al. Comparison of different approaches for solar PV and storage sizing
CN116502771B (zh) 一种基于电力物资预测的配电方法及***
Chen et al. Toward future information market: An information valuation paradigm
Khosravifard et al. Risk‐based available transfer capability assessment including nondispatchable wind generation
CN117691583B (zh) 一种用于虚拟电厂的电力调度***及方法

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