CN117767433A - 基于数字孪生的实时县域能源互联网调度方法及*** - Google Patents
基于数字孪生的实时县域能源互联网调度方法及*** Download PDFInfo
- Publication number
- CN117767433A CN117767433A CN202311766003.1A CN202311766003A CN117767433A CN 117767433 A CN117767433 A CN 117767433A CN 202311766003 A CN202311766003 A CN 202311766003A CN 117767433 A CN117767433 A CN 117767433A
- Authority
- CN
- China
- Prior art keywords
- county
- energy internet
- power
- model
- scheduling
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 39
- 230000006870 function Effects 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 17
- 238000010248 power generation Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 7
- 239000013256 coordination polymer Substances 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 239000003949 liquefied natural gas Substances 0.000 claims description 4
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 9
- 238000009826 distribution Methods 0.000 description 7
- 230000001105 regulatory effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 125000001145 hydrido group Chemical group *[H] 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于数字孪生的实时县域能源互联网调度方法及***，方法包括以下步骤：对预先建立的县域能源互联网调度模型进行约束，得到实际工况调度模型；以实现调频指令输出与实际功率输出之间的总功率偏差最小，建立目标函数；根据目标函数，结合自回归综合移动平均模型与平衡优化器算法，对实际工况调度模型进行求解，获得最佳的实时县域能源互联网调度方案。当主电网接收到随机扰动时，从主电网向县域能源互联网调度模型传输总调节命令；县域能源互联网调度模型通过求解最佳的实时县域能源互联网调度方案，将总调节命令下发给各个调频单元。本发明考虑了当前和未来的时间控制间隔，利用自回归综合移动的平衡优化器算法可以高效地获取最佳的协同控制方案。
Description
技术领域
本发明属于电网能源调度领域，具体涉及一种基于数字孪生的实时县域能源互联网调度方法及***。
背景技术
随着电力电子技术的发展和电池技术的突破，各种风电场(wind farm,WF)和光伏发电***(photovoltaics,PV)等可再生能源接入县域能源互联网。为充分利用风电场和光伏的快速调节性能，协调主电网与县域能源互联网之间的分配至关重要。由于越来越多的分布式能源进入电网，县域能源互联网调度(county energy internet dispatch,CEID)的优化难度大且耗时。随着电子技术和软件的进步，数字孪生代理可以被视为现实电网的优化、控制和监测过程的数字对应物。数字孪生技术是一个很好的用来整合现实和虚拟的工具，它可以更有效地管理智能。目前，已有一些研究将电网与数字孪生技术相结合。但是传统技术上，这些调度分布研究主要关注当前和过去时间区间，而忽略了下一时间控制区间的扰动，这对优化结果产生了负面影响。
发明内容
本发明的目的在于针对上述现有技术中的问题，提供一种基于数字孪生的实时县域能源互联网调度方法及***，能够利用历史序列，根据历史数据的差异来预测未来序列中几个时间区间的数据，有效且高效地获取基于数字孪生的实时县域能源互联网调度方案，更好的基于数字孪生来协调多个调节资源的电力指令分配和当前与未来时间控制之间的优化间隔。
为了实现上述目的，本发明有如下的技术方案：
第一方面，提供一种基于数字孪生的实时县域能源互联网调度方法，包括以下步骤：
对预先建立的县域能源互联网调度模型进行约束，得到实际工况调度模型；
以实现调频指令输出与实际功率输出之间的总功率偏差最小，建立目标函数；
根据目标函数，结合自回归综合移动平均模型与平衡优化器算法，对实际工况调度模型进行求解，获得最佳的实时县域能源互联网调度方案。
作为一种优选方案，通过县域能源互联网调度模型执行以下操作：(1)当主电网接收到随机扰动时，从主电网向县域能源互联网调度模型传输总调节命令；(2)县域能源互联网调度模型通过求解最佳的实时县域能源互联网调度方案，将总调节命令下发给各个调频单元。
作为一种优选方案，所述对预先建立的县域能源互联网调度模型进行约束的步骤中，县域能源互联网调度模型考虑燃煤机组、水力机组、液化天然气、风力机组和光伏作为调度对象，设定的约束条件包括调节方向一致性约束、功率平衡约束、调节容量约束以及发电调节约束。
作为一种优选方案，调节方向的一致性约束，是指在第k个控制区间，单元功率指令的调节方向与调节指令的方向一致，表达式如下：
式中，是第i个县域能源互联网调度模型单元在第k个控制间隔接收到的输入功率命令，ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；
功率平衡约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入命令的累加等于总功率主电网下发的调节指令，表达式如下：
调节容量约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入指令不超过对应县域能源互联网调度模型单元最小和最大容量，表达式如下：
式中，和/>分别是第i个县域能源互联网调度模型单元的最小和最大容量；
发电调节约束，表达式如下：
式中，分别是第i个县域能源互联网调度模型单元在第k、k-1个控制间隔接收到的输出功率命令；ΔT代表一个控制区间的时间长度，ΔPi表示第i个县域能源互联网调度模型单元的最大斜率。
作为一种优选方案，在所述以实现调频指令输出与实际功率输出之间的总功率偏差最小，建立目标函数的步骤中，目标函数考虑下一个相邻控制区间的预期功率输出，表达式如下：
式中，ΔMm(k+1)是在第(k+1)个控制区间的预测总功率指令，而是根据预测的总功率指令在第(k+1)个控制区间的最佳功率输出；ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；/>是第i个县域能源互联网调度模型单元在第k+1个控制间隔接收到的输出功率命令。
作为一种优选方案，所述根据目标函数，结合自回归综合移动平均模型与平衡优化器算法，对实际工况调度模型进行求解，获得最佳的实时县域能源互联网调度方案的步骤中，利用自回归综合移动平均模型根据历史调节命令预测下一个相邻控制区间的调节命令；根据计算当前控制区间与下一个相邻控制区间的总功率偏差，优化当前和下一次预测的调度方案，再利用平衡优化器算法对相邻两个控制区间之间的调度方案进行优化，获得最佳的实时县域能源互联网调度方案。
作为一种优选方案，所述利用自回归综合移动平均模型根据历史调节命令预测下一个相邻控制区间的调节命令的步骤，自回归综合移动平均模型对于时间间隔k的总调节命令的时间序列，由下式给出：
εk＝ΔPm(k)-ΔPm(k-1)
式中，εk表示第k个时间间隔的序列差异；ΔMm(k+1)是在第(k+1)个控制区间的预测总功率指令；ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；αi为对应的i阶序列滞后系数，βi为对应的i阶序列差分滞后系数。
作为一种优选方案，所述利用平衡优化器算法对相邻两个控制区间之间的调度方案进行优化，获得最佳的实时县域能源互联网调度方案的步骤，平衡优化器算法的具体操作包括：
参数初始化：初始化容积V，最大迭代次数T，最优解集合S0，初始解N0；
集群初始化：首先，将所有优化变量的下限和上限分别设置为所有县域能源互联网调度模型单元的下限和上限调整能力，然后，在解空间P0中初始化集群 根据对应容量生成初始化解决方案，表达式如下：
式中，表示初始化解决方案的第i个维数；ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；/>和/>分别是第i个县域能源互联网调度模型单元的最小和最大容量；
计算适应度，表达式如下：
式中，f(Xj)表示第j个集群的目标函数值，F(Xj)表示第j个集群的适应度值，和/>分别是第b个县域能源互联网调度模型单元的最小和最大调节能力；
从五个当前最优的候选解里面选择最优个体，构成如下平衡状态池：
Xeq,pool＝{Xeq,1,Xeq,2,Xeq,3,Xeq,4,Xeq,ave}
式中，Xeq,1,Xeq,2,Xeq,3,Xeq,4分别为截止当前迭代找到的最好的四个解；Xeq,ave代表这四个解的平均状态；这五个候选解被选择的概率是一样的；
计算指数项系数F，表达式如下：
F＝a*sign(r-0.5)[e-λ -1]
式中，a为全局搜索的权重常系数；sign为符号函数；r、λ均代表随机数向量，维度与优化空间维度一致，每个元素值均为0至1的随机数；
计算质量生成系数G，表达式如下：
G＝GCP(Xeq-λX)
式中，GCP为生成速率控制参数向量；X代表新产生的当前解；Xeq代表算法当前找到的最好的解，ri为随机数向量，维度与优化空间维度一致，每个元素值均为0至1的随机数；e0为0至1范围内的随机数；
计算当前解，表达式如下：
X＝Xep+(X0-Xep)F+G(1-F)/λV
式中，X为新产生的当前解；X0为上一次迭代得到的解；Xeq为当前找到的最佳的解。
第二方面，提供一种基于数字孪生的实时县域能源互联网调度***，包括：
模型约束模块，用于对预先建立的县域能源互联网调度模型进行约束，得到实际工况调度模型；
目标函数建立模块，用于以实现调频指令输出与实际功率输出之间的总功率偏差最小，建立目标函数；
方案求解模块，用于根据目标函数，结合自回归综合移动平均模型与平衡优化器算法，对实际工况调度模型进行求解，获得最佳的实时县域能源互联网调度方案。
作为一种优选方案，模型约束模块设定的约束条件包括调节方向一致性约束、功率平衡约束、调节容量约束以及发电调节约束；
调节方向的一致性约束，是指在第k个控制区间，单元功率指令的调节方向与调节指令的方向一致，表达式如下：
式中，是第i个县域能源互联网调度模型单元在第k个控制间隔接收到的输入功率命令，ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；
功率平衡约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入命令的累加等于总功率主电网下发的调节指令，表达式如下：
调节容量约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入指令不超过对应县域能源互联网调度模型单元最小和最大容量，表达式如下：
式中，和/>分别是第i个县域能源互联网调度模型单元的最小和最大容量；
发电调节约束，表达式如下：
式中，分别是第i个县域能源互联网调度模型单元在第k、k-1个控制间隔接收到的输出功率命令；ΔT代表一个控制区间的时间长度，ΔRi表示第i个县域能源互联网调度模型单元的最大斜率。
作为一种优选方案，目标函数建立模块建立的目标函数考虑下一个相邻控制区间的预期功率输出，表达式如下：
式中，ΔMm(k+1)是在第(k+1)个控制区间的预测总功率指令，而是根据预测的总功率指令在第(k+1)个控制区间的最佳功率输出；ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；/>是第i个县域能源互联网调度模型单元在第k+1个控制间隔接收到的输出功率命令。
作为一种优选方案，所述方案求解模块利用自回归综合移动平均模型根据历史调节命令预测下一个相邻控制区间的调节命令；根据计算当前控制区间与下一个相邻控制区间的总功率偏差，优化当前和下一次预测的调度方案，再利用平衡优化器算法对相邻两个控制区间之间的调度方案进行优化，获得最佳的实时县域能源互联网调度方案。
第三方面，提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述的处理器执行所述的计算机程序时实现所述基于数字孪生的实时县域能源互联网调度方法。
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述的计算机程序被处理器执行时实现所述基于数字孪生的实时县域能源互联网调度方法。
相较于现有技术，本发明的第一方面至少具有如下的有益效果：
为了更好的基于数字孪生技术来协调多个调节资源的电力指令分配，本发明结合了自回归综合移动平均模型(autoregressive integrated moving average model,ARIMA)与平衡优化器算法(equilibrium optimizer,EO)，具体的，首先，本发明采用自回归综合移动平均模型提取调频机组、负荷等历史数据的特征，进而快速预测主电网的负荷趋势，并对下一控制周期的功率指令进行动态预测和评估。本发明方法主要包括两个过程，一是动态工况下***调频指令的实时预测和评估，二是县域能源互联网调度模型的功率指令分配。然后，为了配合主电网实时调频指令的预测和功率调度指令的优化，本发明提出了基于自回归综合移动的平衡优化器算法(ARMA-EO)，以快速有效地获取县域能源互联网调度模型的实时最优调频方案。本发明提出的自回归综合移动平均模型具有计算速度快、参数少、预测机制简单等优点，主要是能够利用历史运行数据，根据历史运行数据的差异来预测主电网未来的调频需求。本发明提出的基于自回归综合移动的平衡优化器算法考虑了各种类型调频资源的响应速度和主电网的调频指令要求，能够获取更加高效的协同控制方案，进一步提升区域电网的稳定性。本发明根据目标函数，结合自回归综合移动平均模型与平衡优化器算法，对实际工况调度模型进行求解，可以有效提取历史运行数据的特征并快速预测未来下一个控制周期的功率调节指令，有助于实时预测县域能源互联网调度主电网运行状态，同时可以为求解区域电网最佳的协同控制方案提供更好的参考。基于对主电网运行状态转换的预测，本发明提出的基于自回归综合移动的平衡优化器算法可以有效地考虑当前和未来的时间控制间隔，并通过所提出的基于自回归综合移动的平衡优化器算法可以高效地获取最佳的协同控制方案。
可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1本发明实施例预先建立的县域能源互联网调度模型结构示意图；
图2本发明实施例基于自回归综合移动的平衡优化器算法执行步骤示意图；
图3本发明实施例利用自回归综合移动平均模型根据历史调节命令预测下一个相邻控制区间调节命令的时间序列图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请的实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
本发明实施例基于数字孪生的实时县域能源互联网调度(county energyinternet dispatch,CEID)方法，用于有效且高效地获取实时县域能源互联网调度方案，主要包括以下步骤：
(1)搭建县域能源互联网调度模型框架。主要包括两部分：一是基于自回归综合移动平均模型(autoregressive integrated moving average model,ARIMA)的主电网预测模型，二是基于平衡优化器算法(equilibrium optimizer,EO)的区域电网协同控制模型；
(2)功率分配过程中，为了保证***的稳定运行，对县域能源互联网调度模型添加约束；
(3)构建基于自回归综合移动的平衡优化器算法(ARIMA-EO)的CEID***框架；
(4)构建以实现调频指令输出与实际功率输出之间的总功率偏差最小为目标的目标函数；
(5)采用ARIMA-EO方法对CEID***模型进行求解，获取最佳的优化调度方案。
参见图1，在一种可能的实施方式中，CEID***主要包括两个操作。第一操作是当主电网接收到随机扰动时从主电网向CEID传输总调节命令。第二个操作是CEID根据特定规则的最优算法将总指挥下发给各个调频单元。CEID考虑燃煤机组、水力机组、液化天然气、风力机组和光伏作为调度对象，此外，为简化模型，输电损耗和无功功率的潮流均被忽略，主要关注两个过程。第一步是负载扰动下主电网的运行状态预测，第二步是CEID***的功率指令分配。
在一种可能的实施方式中，对CEID进行一些约束，方法如下：
在CEID中，为了使模型尽可能贴近实际工况，需要考虑一些约束。这些约束主要包括调节方向一致性约束、功率平衡约束、调节容量约束和发电调节约束(GRC)，具体如下：
1)调节方向的一致性约束：为充分利用调节单元，在第k个控制区间，单元功率指令的调节方向应与调节指令的方向完全一致：
是第i个CEID单元在第k个控制间隔接收到的输入功率命令，ΔPm(k)表示从主电网到CEID的信号。
2)功率平衡约束：为保证满足主网调节需求的最优调度方案，在第k个控制区间，所有CEID单元接收到的功率调节输入命令的累加应恰好等于总功率主电网下发的调节指令：
3)调节容量约束：为保证最优调度方案满足CEID机组实际运行情况，在第k个控制区间，所有CEID机组接收到的功率调节输入指令应超过其最小和最大容量：
式中，和/>分别是第i个县域能源互联网调度模型单元的最小和最大容量；
4)GRC：在不同类型的CEID单元中，可再生能源(如光伏电站和风力发电机组)的动态响应模型比没有GRC时具有更低的延迟和更快的调节性能，而动态响应模型传统机组(如燃煤机组、水力机组和液化天然气机组)由于调节性能较差，应考虑GRC。如果考虑GRC和功率限制器，可以计算出CEID单元的实际输出，如下：
式中，是第i个CEID单元在第k个控制间隔接收到的输出功率命令，ΔT代表一个控制区间的时间长度(一般是4s或者1s左右)，ΔRi是第i个单元的最大斜率。
在一种可能的实施方式中，构建基于自回归综合移动的平衡优化器算法(ARIMA-EO)的CEID***框架，方法如下：
由于CEID要考虑到上一个控制区间和下一个相邻控制区间的调节指令，基于自回归综合移动的平衡优化器算法(ARIMA-EO)的框架应该包含两个步骤，如下：
1)调节命令预测：根据历史调节命令预测下一个相邻的控制区间，如图2所示。预测方法由ARIMA实现，可以帮助快速获取主电网的运行状态转变。并且在下一步中相对准确的功率命令将有利于下一个优化过程。
2)调度方案优化：根据计算当前控制区间与下一相邻控制区间的总功率偏差，优化当前和下一次预测的调度方案。然后采用EO对两次控制区间之间的调度优化进行优化。
在CEID***功率调度真正的动态优化中，控制器会创建一系列功率命令来平衡功率扰动，然后提出的ARIMA可以帮助预测下一个控制区间的功率命令以进行后续优化，最后采用所提出的EO优化两步优化并获得CEID***的最优电力调度方案。
在一种可能的实施方式中，建立目标函数的方法如下：
根据预测方法，该算法可以优化更多的相邻控制区间以提高动态优化调度的性能。由于主要关注CEID单元的动态调节性能，优化目标为最小化调频指令输出与实际功率调频输出之间的功率偏差。那么目标函数的计算应该考虑下一个相邻控制区间的预期功率输出，如下：
其中，ΔMm(k+1)是在第(k+1)个控制区间的预测总功率指令，而是根据预测的总功率指令在第(k+1)个控制区间的最佳功率输出。
在一种可能的实施方式中，采用ARIMA-EO方法对CEID***模型进行求解，获取最佳的优化调度方案，方法如下：
(1)ARIMA的设计
传统算法主要关注当前时间间隔的调度，而忽略了下一个相邻控制间隔的影响，使得动态优化效果不佳。为了在接下来的相邻控制区间保持一致性，根据历史运行数据预测下一个控制区间的总功率命令是至关重要的。参见图3，ARIMA模型是时间序列自回归移动模型中的一种，它利用历史序列根据历史数据的差异来预测未来序列中几个时间间隔的数据。通常，ARIMA中包含三个部分，它们是自回归、移动平均值和ARIMA的混合体。
ARIMA(p,D,q)代表级数差D次，p是级数滞后算子，q是级差滞后算子。
对于时间间隔k的总调节命令的时间序列，由下式给出
Yk+1＝α0+α1Xk+α2Xk-1+…αpXk-p+1+εk-β1εk-1-β2εk-2-…-βqεk-q (7)
Yk是第(k+1)个控制区间的预测总功率指令，εk表示第k个时间间隔的级数差，Xk是第k个时间间隔的历史序列，αi是对应的i阶序列滞后系数，βi是对应的i阶序列差分滞后系数。
结合到本发明的方案中，对于时间间隔k的总调节命令的时间序列，由下式给出
εk表示第k个时间间隔的序列差异。
(2)EO的设计
通常，EO主要由7个操作组成，如下：
1)参数初始化：初始化容积V，最大迭代次数T，最优解集合S0，初始解N0。
2)集群初始化：首先，将所有优化变量的下限和上限分别设置为所有CEID单元的下限和上限调整能力的。然后，在解空间P0中初始化集群根据对应容量生成初始化解决方案，表达式如下：
表示初始化解决方案的第i个维数。
3)计算适应度：为保证最优解满足(1)功率平衡约束，变量dim在计算适应度值时可以认为是已知量。特别是平衡单元的取值违反式(3)中调节容量约束的情况，应作为惩罚项考虑。
因此，适应度值可以按如下方式计算：
式中，f(Xj)表示第j个集群的目标函数值，F(Xj)表示第j个集群的适应度值，和/>分别是第b个单元的最小和最大调节能力。
4)构建平衡状态池：为提高算法的全局搜索能力，避免陷入低质量的局部最优解，最优个体将从五个当前最优的候选解里面选择，这些候选解构成的平衡状态池如下：
Xeq,pool＝{Xeq,1,Xeq,2,Xeq,3,Xeq,4,Xeq,ave} (12)
式中，Xeq,1,Xeq,2,Xeq,3,Xeq,4分别为截止当前迭代找到的最好的四个解；Xeq,ave代表这四个解的平均状态。这五个候选解被选择的概率是一样的，均为0.2。
5)设计指数项系数F：为更好平衡算法的局部搜索和全局搜索，按如下指数项系数设计：
式中，a为全局搜索的权重常系数；sign为符号函数；r、λ均代表随机数向量，其维度跟优化空间维度一致，每个元素值均为0至1的随机数。
6)计算质量生成系数G：为加强算法的局部寻优能力，质量生成速率设计如下：
G＝GCP(Xeq-λX) (14)
式中，GCP为生成速率控制参数向量；X代表新产生的当前解；Xeq代表算法当前找到的最好的解，ri为随机数向量，其维度跟优化空间维度一致，每个元素值均为0至1的随机数；r0为0至1范围内的随机数。
7)计算当前解：根据平衡池状态以及得到的指数项系数和质量生成系数提高算法的局部和全局搜索能力，个体的解可更新如下：
X＝Xep+(X0-Xep)F+G(1-F)/λV (16)
X代表新产生的当前解；X0代表上一次迭代得到的解；Xeq代表算法当前找到的最好的解。
本发明另一实施例还提供一种基于数字孪生的实时县域能源互联网调度***，包括：
模型约束模块，用于对预先建立的县域能源互联网调度模型进行约束，得到实际工况调度模型；
目标函数建立模块，用于以实现调频指令输出与实际功率输出之间的总功率偏差最小，建立目标函数；
方案求解模块，用于根据目标函数，结合自回归综合移动平均模型与平衡优化器算法，对实际工况调度模型进行求解，获得最佳的实时县域能源互联网调度方案。
在一种可能的实施方式中，模型约束模块设定的约束条件包括调节方向一致性约束、功率平衡约束、调节容量约束以及发电调节约束；
调节方向的一致性约束，是指在第k个控制区间，单元功率指令的调节方向与调节指令的方向一致，表达式如下：
式中，是第i个县域能源互联网调度模型单元在第k个控制间隔接收到的输入功率命令，ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；
功率平衡约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入命令的累加等于总功率主电网下发的调节指令，表达式如下：
调节容量约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入指令不超过对应县域能源互联网调度模型单元最小和最大容量，表达式如下：
式中，和/>分别是第i个县域能源互联网调度模型单元的最小和最大容量；
发电调节约束，表达式如下：
式中，分别是第i个县域能源互联网调度模型单元在第k、k-1个控制间隔接收到的输出功率命令；ΔT代表一个控制区间的时间长度，ΔRi表示第i个县域能源互联网调度模型单元的最大斜率。
在一种可能的实施方式中，目标函数建立模块建立的目标函数考虑下一个相邻控制区间的预期功率输出，表达式如下：
式中，ΔMm(k+1)是在第(k+1)个控制区间的预测总功率指令，而是根据预测的总功率指令在第(k+1)个控制区间的最佳功率输出；ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；/>是第i个县域能源互联网调度模型单元在第k+1个控制间隔接收到的输出功率命令。
在一种可能的实施方式中，方案求解模块利用自回归综合移动平均模型根据历史调节命令预测下一个相邻控制区间的调节命令；根据计算当前控制区间与下一个相邻控制区间的总功率偏差，优化当前和下一次预测的调度方案，再利用平衡优化器算法对相邻两个控制区间之间的调度方案进行优化，获得最佳的实时县域能源互联网调度方案。
本发明另一实施例还提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述的处理器执行所述的计算机程序时实现所述基于数字孪生的实时县域能源互联网调度方法。
本发明另一实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述的计算机程序被处理器执行时实现所述基于数字孪生的实时县域能源互联网调度方法。
所述计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。为了便于说明，以上内容仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机可读存储介质是非暂时性的，可以存储在各种电子设备形成的存储装置当中，能够实现本发明实施例方法记载的执行过程。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (14)
1.一种基于数字孪生的实时县域能源互联网调度方法，其特征在于，包括以下步骤：
对预先建立的县域能源互联网调度模型进行约束，得到实际工况调度模型；
以实现调频指令输出与实际功率输出之间的总功率偏差最小，建立目标函数；
根据目标函数，结合自回归综合移动平均模型与平衡优化器算法，对实际工况调度模型进行求解，获得最佳的实时县域能源互联网调度方案。
2.根据权利要求1所述基于数字孪生的实时县域能源互联网调度方法，其特征在于，通过县域能源互联网调度模型执行以下操作：(1)当主电网接收到随机扰动时，从主电网向县域能源互联网调度模型传输总调节命令；(2)县域能源互联网调度模型通过求解最佳的实时县域能源互联网调度方案，将总调节命令下发给各个调频单元。
3.根据权利要求1所述基于数字孪生的实时县域能源互联网调度方法，其特征在于，所述对预先建立的县域能源互联网调度模型进行约束的步骤中，县域能源互联网调度模型考虑燃煤机组、水力机组、液化天然气、风力机组和光伏作为调度对象，设定的约束条件包括调节方向一致性约束、功率平衡约束、调节容量约束以及发电调节约束。
4.根据权利要求3所述基于数字孪生的实时县域能源互联网调度方法，其特征在于：
调节方向的一致性约束，是指在第k个控制区间，单元功率指令的调节方向与调节指令的方向一致，表达式如下：
式中，是第i个县域能源互联网调度模型单元在第k个控制间隔接收到的输入功率命令，ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；
功率平衡约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入命令的累加等于总功率主电网下发的调节指令，表达式如下：
调节容量约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入指令不超过对应县域能源互联网调度模型单元最小和最大容量，表达式如下：
式中，和/>分别是第i个县域能源互联网调度模型单元的最小和最大容量；
发电调节约束，表达式如下：
式中，分别是第i个县域能源互联网调度模型单元在第k、k-1个控制间隔接收到的输出功率命令；ΔT代表一个控制区间的时间长度，ΔTi表示第i个县域能源互联网调度模型单元的最大斜率。
5.根据权利要求1所述基于数字孪生的实时县域能源互联网调度方法，其特征在于：在所述以实现调频指令输出与实际功率输出之间的总功率偏差最小，建立目标函数的步骤中，目标函数考虑下一个相邻控制区间的预期功率输出，表达式如下：
式中，ΔMm(k+1)是在第(k+1)个控制区间的预测总功率指令，而是根据预测的总功率指令在第(k+1)个控制区间的最佳功率输出；ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；/>是第i个县域能源互联网调度模型单元在第k+1个控制间隔接收到的输出功率命令。
6.根据权利要求1所述基于数字孪生的实时县域能源互联网调度方法，其特征在于：所述根据目标函数，结合自回归综合移动平均模型与平衡优化器算法，对实际工况调度模型进行求解，获得最佳的实时县域能源互联网调度方案的步骤中，利用自回归综合移动平均模型根据历史调节命令预测下一个相邻控制区间的调节命令；根据计算当前控制区间与下一个相邻控制区间的总功率偏差，优化当前和下一次预测的调度方案，再利用平衡优化器算法对相邻两个控制区间之间的调度方案进行优化，获得最佳的实时县域能源互联网调度方案。
7.根据权利要求6所述基于数字孪生的实时县域能源互联网调度方法，其特征在于：所述利用自回归综合移动平均模型根据历史调节命令预测下一个相邻控制区间的调节命令的步骤，自回归综合移动平均模型对于时间间隔k的总调节命令的时间序列，由下式给出：
εk＝ΔPm(k)-ΔPm(k-1)
式中，εk表示第k个时间间隔的序列差异；ΔMm(k+1)是在第(k+1)个控制区间的预测总功率指令；ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；αi为对应的i阶序列滞后系数，βi为对应的i阶序列差分滞后系数。
8.根据权利要求6所述基于数字孪生的实时县域能源互联网调度方法，其特征在于：所述利用平衡优化器算法对相邻两个控制区间之间的调度方案进行优化，获得最佳的实时县域能源互联网调度方案的步骤，平衡优化器算法的具体操作包括：
参数初始化：初始化容积V，最大迭代次数T，最优解集合S0，初始解N0；
集群初始化：首先，将所有优化变量的下限和上限分别设置为所有县域能源互联网调度模型单元的下限和上限调整能力，然后，在解空间P0中初始化集群 根据对应容量生成初始化解决方案，表达式如下：
式中，表示初始化解决方案的第i个维数；ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；/>和/>分别是第i个县域能源互联网调度模型单元的最小和最大容量；
计算适应度，表达式如下：
式中，f(Xj)表示第j个集群的目标函数值，F(Xj)表示第j个集群的适应度值，和分别是第b个县域能源互联网调度模型单元的最小和最大调节能力；
从五个当前最优的候选解里面选择最优个体，构成如下平衡状态池：
Xeq,pool＝{Xeq,1,Xeq,2,Xeq,3,Xeq,4,Xeq,ave}
式中，Xeq,1,Xeq,2,Xeq,3,Xeq,4分别为截止当前迭代找到的最好的四个解；Xeq,ave代表这四个解的平均状态；这五个候选解被选择的概率是一样的；
计算指数项系数F，表达式如下：
F＝a*sign(r-0.5)[e-λt-1]
式中，a为全局搜索的权重常系数；sign为符号函数；r、λ均代表随机数向量，维度与优化空间维度一致，每个元素值均为0至1的随机数；
计算质量生成系数G，表达式如下：
G＝GCP(Xeq-λX)
式中，GCP为生成速率控制参数向量；X代表新产生的当前解；Xeq代表算法当前找到的最好的解，ri为随机数向量，维度与优化空间维度一致，每个元素值均为0至1的随机数；r0为0至1范围内的随机数；
计算当前解，表达式如下：
X＝Xep+(X0-Xep)F+G(1-F)/λV
式中，X为新产生的当前解；X0为上一次迭代得到的解；Xeq为当前找到的最佳的解。
9.一种基于数字孪生的实时县域能源互联网调度***，其特征在于，包括：
模型约束模块，用于对预先建立的县域能源互联网调度模型进行约束，得到实际工况调度模型；
目标函数建立模块，用于以实现调频指令输出与实际功率输出之间的总功率偏差最小，建立目标函数；
方案求解模块，用于根据目标函数，结合自回归综合移动平均模型与平衡优化器算法，对实际工况调度模型进行求解，获得最佳的实时县域能源互联网调度方案。
10.根据权利要求9所述基于数字孪生的实时县域能源互联网调度***，其特征在于：模型约束模块设定的约束条件包括调节方向一致性约束、功率平衡约束、调节容量约束以及发电调节约束；
调节方向的一致性约束，是指在第k个控制区间，单元功率指令的调节方向与调节指令的方向一致，表达式如下：
式中，是第i个县域能源互联网调度模型单元在第k个控制间隔接收到的输入功率命令，ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；
功率平衡约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入命令的累加等于总功率主电网下发的调节指令，表达式如下：
调节容量约束，是指在第k个控制区间，所有县域能源互联网调度模型单元接收到的功率调节输入指令不超过对应县域能源互联网调度模型单元最小和最大容量，表达式如下：
式中，和/>分别是第i个县域能源互联网调度模型单元的最小和最大容量；
发电调节约束，表达式如下：
式中，分别是第i个县域能源互联网调度模型单元在第k、k-1个控制间隔接收到的输出功率命令；ΔT代表一个控制区间的时间长度，ΔRi表示第i个县域能源互联网调度模型单元的最大斜率。
11.根据权利要求9所述基于数字孪生的实时县域能源互联网调度***，其特征在于：目标函数建立模块建立的目标函数考虑下一个相邻控制区间的预期功率输出，表达式如下：
式中，ΔMm(k+1)是在第(k+1)个控制区间的预测总功率指令，而是根据预测的总功率指令在第(k+1)个控制区间的最佳功率输出；ΔPm(k)表示从主电网到县域能源互联网调度模型的信号；/>是第i个县域能源互联网调度模型单元在第k+1个控制间隔接收到的输出功率命令。
12.根据权利要求9所述基于数字孪生的实时县域能源互联网调度***，其特征在于：所述方案求解模块利用自回归综合移动平均模型根据历史调节命令预测下一个相邻控制区间的调节命令；根据计算当前控制区间与下一个相邻控制区间的总功率偏差，优化当前和下一次预测的调度方案，再利用平衡优化器算法对相邻两个控制区间之间的调度方案进行优化，获得最佳的实时县域能源互联网调度方案。
13.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述的处理器执行所述的计算机程序时实现如权利要求1至8中任意一项所述基于数字孪生的实时县域能源互联网调度方法。
14.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述的计算机程序被处理器执行时实现如权利要求1至8中任意一项所述基于数字孪生的实时县域能源互联网调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311766003.1A CN117767433A (zh) | 2023-12-20 | 2023-12-20 | 基于数字孪生的实时县域能源互联网调度方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311766003.1A CN117767433A (zh) | 2023-12-20 | 2023-12-20 | 基于数字孪生的实时县域能源互联网调度方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117767433A true CN117767433A (zh) | 2024-03-26 |
Family
ID=90321497
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311766003.1A Pending CN117767433A (zh) | 2023-12-20 | 2023-12-20 | 基于数字孪生的实时县域能源互联网调度方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117767433A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117972365A (zh) * | 2024-04-01 | 2024-05-03 | 四川省公路规划勘察设计研究院有限公司 | 一种隧底群桩压力承载监测***和监测方法 |
-
2023
- 2023-12-20 CN CN202311766003.1A patent/CN117767433A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117972365A (zh) * | 2024-04-01 | 2024-05-03 | 四川省公路规划勘察设计研究院有限公司 | 一种隧底群桩压力承载监测***和监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108365608B (zh) | 一种区域能源互联网不确定优化调度方法及*** | |
| CN107039977B (zh) | 电力***鲁棒调度不确定集构建方法 | |
| CN105631528B (zh) | 一种基于nsga-ii和近似动态规划的多目标动态最优潮流求解方法 | |
| CN109886446B (zh) | 基于改进混沌粒子群算法的电力***动态经济调度方法 | |
| CN117767433A (zh) | 基于数字孪生的实时县域能源互联网调度方法及*** | |
| CN112186811A (zh) | 一种基于深度强化学习的agc机组动态优化方法 | |
| CN113988481B (zh) | 一种基于动态矩阵预测控制的风功率预测方法 | |
| CN111917111B (zh) | 用于配电网的分布式光伏电源接纳能力在线评估的方法、***、设备及存储介质 | |
| CN115425668A (zh) | 一种基于电力***时序生产模拟的储能容量优化配置方法 | |
| CN110994589B (zh) | 电力电子接入电力***调频能力在线评价方法及*** | |
| 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 | |
| CN115345380A (zh) | 一种基于人工智能的新能源消纳电力调度方法 | |
| CN115796501A (zh) | 一种梯级水电站群多层级多目标协同调度方法及*** | |
| CN115795992A (zh) | 一种基于运行态势虚拟推演的园区能源互联网在线调度方法 | |
| CN109711612A (zh) | 一种优化回声状态网络的风力发电功率预测方法及装置 | |
| CN113363976A (zh) | 一种基于场景图的风光水互补发电***中期优化调度方法 | |
| CN112531735A (zh) | 基于机器学习的自动发电控制***的功率分配方法及装置 | |
| CN110061510B (zh) | 一种时段解耦安全约束经济调度快速求解方法和*** | |
| CN111798060A (zh) | 一种基于机组爬坡率估计的功率指令优化分配方法 | |
| CN115115276A (zh) | 考虑不确定性和隐私保护的虚拟电厂调度方法及*** | |
| CN116054179A (zh) | 一种基于事件触发的电力***无功趋优控制***及方法 | |
| CN114298429A (zh) | 一种配电网动案辅助决策方法、***、装置和存储介质 | |
| CN114301062A (zh) | 一种分布式能源优化治理装置 | |
| JP6950805B1 (ja) | 電力配分装置、電力配分方法、およびプログラム | |
| Tsydenov et al. | Advancement of automatic generation control in power systems with large share of variable energy resources |
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 |