技术新讯 > 发电变电,配电装置的制造技术 > 基于需求侧响应模型的用电设备集成系统的用电控制方法  >  正文

基于需求侧响应模型的用电设备集成系统的用电控制方法

  • 国知局
  • 2024-11-06 14:43:01

本发明涉及用电需求响应,尤其涉及基于需求侧响应模型的用电设备集成系统的用电控制方法。

背景技术:

1、随着社会的迅速发展,每年的用电峰值负荷逐渐增大,电网运营商需要大量投资来扩建发电、输电和配电系统的容量,以满足用户的峰值功率需求。然而,由于系统规划建设缺乏合理性和智能性,这些峰值需求在一年当中持续的时间可能只有几个月、几天甚至几个小时,导致投入大量资金所扩建的设备在大部分时间处于闲置或低效率运行状态,从而导致冗余投资和资源浪费,也无法适应未来电网发展需求。

2、目前,新能源发电并网技术、储能技术、微电网技术、信息通信技术和智能电网等技术迅速发展,用电设备也逐渐从传统的纯负荷形式发展到在不同规模下将发电、储电和用电进行智能化集成的形式,包括微电网、充电站、换电站和智能楼宇等。这些用电设备集成系统的共同特点不再是单纯的电能消耗系统,而是在用电设备集成系统内可以同时具备发电、储电和用电三个过程。

3、然而,用电设备的规模性和灵活性越大,则电网的不确定性风险也越大,其安全稳定运行所带来的挑战也越大。用电设备在不同时段具有不同的用电需求,而现有的用电设备集成系统并未考虑动态功率需求行为和电网波动的影响,也未充分利用电网端、充电端和用电端之间的能量匹配关系,不仅存在用电供不用求、电资源浪费,而且影响用电设备集成系统的性能。

技术实现思路

1、本发明提供一种基于需求侧响应模型的用电设备集成系统的用电控制方法用以解决目前用电设备集成系统存在用电供不用求、电资源浪费、用电设备集成系统性能低等问题,所述方法包括:

2、获取历史用电数据,对所述历史用电数据进行统筹,得到多个历史统筹中心;

3、获取当天已公布的实时用电数据,并根据所述实时用电数据和多个历史统筹中心构建所述用电数据动态生成模型;

4、获取充电端的历史功率需求、发电功率,以及在当前时刻充电端的发电功率、最大功率需求和最小功率需求,构建初始功率需求预测模型;

5、根据电网波动,优化所述初始功率需求预测模型,得到所述功率需求预测模型;

6、基于所述用电数据动态生成模型和所述功率需求预测模型构建需求侧响应模型;

7、根据所述需求侧响应模型控制用电端的用电功率在充电端的功率需求预测上限和功率需求预测下限之间变化,实现对所述用电设备集成系统的用电控制。

8、进一步的,根据所述实时用电数据和多个统筹中心构建所述用电数据动态生成模型,包括:

9、获取当天的所述实时用电数据,计算得到当天在当前时刻之前的用电数据变化率和当天在当前时刻之前的各个统筹中心的统筹中心变化率;

10、根据所述用电数据变化率和所述统筹中心变化率得到用电数据变化率与各个统筹中心变化率之间的距离向量;

11、根据所述距离向量和多个历史统筹中心获取当天用电数据的预测统筹中心,得到预测用电数据;基于当前时刻的所述用电数据和结束时刻的所述预测用电数据,得到用电端从当前时刻到结束时刻的用电数据动态生成模型。

12、进一步的,构建初始功率需求预测模型包括:

13、获取充电端的历史功率需求和发电功率,得到初始功率需求预测上限;

14、获取在当前时刻充电端的发电功率、最大功率需求和最小功率需求,得到当前时刻充电端的功率需求上限和功率需求下限;

15、将所述最小功率需求作为初始功率需求预测下限;

16、根据所述初始功率需求预测上限、所述初始功率需求预测下限、所述功率需求上限和所述功率需求下限,构建充电端从当前时刻到结束时刻的初始功率需求预测模型。

17、进一步的,所述需求侧响应模型包括:

18、;

19、;

20、

21、其中,表示所述用电数据动态生成模型,为从当前时刻到结束时刻的用电数据;表示从当前时刻到结束时刻的用电计划,,表示用电端在时刻的用电功率,;均表示从当前时刻到结束时刻的用电计划系数向量,其元素均为1,维度与对应;表示系数向量;表示所述功率需求预测模型,为从当前时刻到结束时刻的用电总功率需求;,表示充电端在时刻的功率需求下限;,表示充电端在时刻的功率需求上限。

22、进一步的,所述用电数据动态生成模型包括:

23、

24、其中,表示当天第时间段的用电数据;表示各个预测统筹中心表示距离向量。

25、进一步的,所述功率需求预测模型包括:

26、;

27、其中,表示基于电网波动的优化系数,,表示电网波动函数,;表示充电端在时刻的功率需求下限表示充电端在时刻的发电功率;表示充电端在时刻的功率需求上限表示最小功率需求;表示初始功率需求预测上限;表示所述功率需求预测下限;表示所述功率需求预测上限。

28、进一步的,所述用电数据变化率和所述统筹中心变化率的计算方式包括:

29、获取当天的实时用电数据为:;其中,表示当天第时间段的用电数据

30、所述用电数据变化率的计算方式包括:

31、

32、其中,表示第时间段的用电数据变化率;表示当天第时间段的用电数据;

33、所述统筹中心变化率的计算方式包括:

34、

35、其中,表示第时间段各个统筹中心的变化率;表示各个统筹中心。

36、进一步的,所述距离向量的计算方式包括:

37、,;

38、其中,表示第时间段的用电数据变化率;表示第时间段各个统筹中心的变化率。

39、进一步的,在当前时刻的所述功率需求上限和所述功率需求下限的计算方式包括:

40、;

41、;

42、其中,表示初始功率需求预测上限,,、、为待定系数,所述待定系数根据充电端的历史功率需求和发电功率共同确定;表示在当前时刻的最大功率需求;表示充电端在当前时刻的发电功率;表示在当前时刻的最小功率需求。

43、进一步的,所述统筹包括:

44、获取当天前的多天历史用电数据,得到历史用电数据集合;,表示第天的用电数据;

45、设置统筹中心的数量和统筹中心初值;,表示第类的统筹中心;

46、计算每个历史用电数据到各个统筹中心初值的欧氏距离;根据所述欧式距离对所述历史用电数据进行统筹,采用所述历史用电数据到各个统筹中心初值的最小欧式距离为目标函数;表示第个统筹中的数据数量;

47、将历史用电数据到各个统筹中心初值的中心距离最小的类型作为该历史用电数据的类型;

48、按照不断更新各个统筹中心初值,重复计算所述历史用电数据到各个统筹中心初值的欧式距离;直到所有的统筹中心初值收敛,得到收敛后的多个历史统筹中心。

49、总体而言,本发明提供一种基于需求侧响应模型的用电设备集成系统的用电控制方法,通过本发明所构思的技术方案,与现有技术相比能够取得下列有益效果:

50、第一,本发明基于用电数据动态生成模型和功率需求预测模型建立了需求侧响应模型,不仅将电网端、充电端和用电端之间的供给需求进行匹配,而且考虑了需求行为是动态变化的,使充电端和电网端的蓄电能力始终随着用电端的用电功率的变化而变化,也即是,控制用电端的用电功率在不同时间段随着用电数据的变化而在充电端的功率需求预测上限和功率需求预测下限之间变化。使得在用电高峰期,将用电端的所有用电设备的用电功率按最小功率进行分配;在用电低峰期,将用电端的所有用电设备的用电功率按最大功率进行分配,从而无论在用电高峰期还是用电低峰期都可以满足每个用电设备的需求。不仅减少了资源浪费,而且减少了对电网端的不利影响,满足了用电端的用电需求,在一定程度上提升了用电设备集成系统的稳定性,为用电设备集成系统的可靠运行提供了有力保障。

51、第二,本发明考虑了配电网端的电网波动的影响,提出了利用电网波动函数优化得到的功率需求预测模型,为需求侧响应模型提供了更为全面功率需求信息,不仅有效限制了尖峰充电负荷,而且提高了充电端与电网端的联动性,也为用电设备集成系统的可靠运行提供了有力保障。

本文地址:https://www.jishuxx.com/zhuanli/20241106/323716.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。