基于云平臺計算能量與信息二元融合元件的優化接入方法
【專利摘要】本發明公開了基于云平臺計算能量與信息二元融合元件的優化接入方法，其包括確定可控設備待獲取的測量數據和不可控設備待預測的預測數據；可控設備根據測量數據自動感知當前時刻的測量數據；不可控設備獲取其歷史測量數據采用最小二乘法進行數據擬合方法獲取其下一時刻的預測數據；接收可控設備獲取的當前時刻的測量數據和不可控設備下一時刻的預測數據，并根據不可控設備下一時刻的預測數據計算其有功功率和有功功率的概率；根據可控設備當前時刻的測量數據和粒子群算法，采用分布式電源全天消納能量最大的目標函數計算可控設備下一時刻的出力大小；可控設備接收下一時刻的出力大小，根據下一時刻的出力大小調整其下一時刻的實際出力大小。
【專利說明】
基于云平臺計算能量與信息二元融合元件的優化接入方法
技術領域
[0001] 本發明設及能量的合理利用，具體設及一種基于云平臺計算能量與信息二元融合 元件的優化接入方法。
【背景技術】
[0002] 隨著大量能量與信息二元融合的元件接入到電力系統中，為確保電力系統的各個 設備實現能量的合理分配，傳統的做法是將能量與信息二元融合元件進行不確定性分區， 將隨機變量的值分為完全相等的N個區域，且概率的計算，誤差比較大，致使接入電力系統 中可控設備的充電量或放電量非常的不準確，使電力系統中設備的電壓過高或過低，而致 使電力系統中的設備遭受不同程度的損傷。
【發明內容】
[0003] 針對現有技術中的上述不足，本發明提供的基于云平臺計算能量與信息二元融合 元件的優化接入方法能夠使接入電力系統中可控設備的充電量或放電量更加準確。
[0004] 為了達到上述發明目的，本發明采用的技術方案為：
[0005] 提供一種基于云平臺計算能量與信息二元融合元件的優化接入方法，其包括W下 步驟：
[0006] 采用云平臺確定能量與信息二元融合元件層中可控設備待獲取的測量數據和不 可控設備待預測的預測數據，同時構建能量分布式電源全天消納能量最大的目標函數；
[0007] 能量與信息二元融合元件層接收云平臺下發的可控設備待獲取的測量數據和不 可控設備待預測的預測數據，可控設備根據待獲取的測量數據自動感知當前時刻的測量數 據;不可控設備獲取其歷史測量數據采用最小二乘法進行數據擬合方法獲取其下一時刻的 預測數據；
[0008] 云平臺接收能量與信息二元融合元件層上傳的可控設備獲取的當前時刻的測量 數據和不可控設備下一時刻的預測數據，并根據不可控設備下一時刻的預測數據計算其有 功功率和有功功率的概率；
[0009] 云平臺根據可控設備當前時刻的測量數據和粒子群算法，采用分布式電源全天消 納能量最大的目標函數計算可控設備下一時刻的出力大小；
[0010] 能量與信息二元融合元件層接收云平臺下發的可控設備下一時刻的出力大小，可 控設備根據下一時刻的出力大小調整其下一時刻的實際出力大小。
[0011] 本發明的有益效果為:本方案通過不可控設備的預測數據得到其有功功率和有功 功率的概率，之后在結合可控設備當前時刻的測量數據和粒子群算法，采用分布式電源全 天消納能量最大的目標函數計算可控設備下一時刻的出力大小，通過計算的下一時刻的出 力大小去調整可控設備下一時刻的實際出力大小。
[0012] 通過運種優化接入方法能夠使接入電力系統中可控設備的充電量/放電量/功率 大小更加準確，保證了電力系統中設備的電壓始終保持在正常工作范圍內，從而延長了電 力系統中設備的使用壽命;另外，采用該方法能夠使分布式電源消納能量最大及不確定性 的表述更加準確合理、更具備代表性。
【附圖說明】
[0013] 圖1為基于云平臺計算能量與信息二元融合元件的優化接入方法的流程圖。
【具體實施方式】
[0014] 下面對本發明的【具體實施方式】進行描述，W便于本技術領域的技術人員理解本發 明，但應該清楚，本發明不限于【具體實施方式】的范圍，對本技術領域的普通技術人員來講， 只要各種變化在所附的權利要求限定和確定的本發明的精神和范圍內，運些變化是顯而易 見的，一切利用本發明構思的發明創造均在保護之列。
[0015] 參考圖1，圖1示出了基于云平臺計算能量與信息二元融合元件的優化接入方法的 流程圖；如圖1所示，該方法100包括步驟101至步驟105:
[0016] 在步驟101中，采用云平臺確定能量與信息二元融合元件層中可控設備待獲取的 測量數據和不可控設備待預測的預測數據，同時構建能量分布式電源全天消納能量最大的 目標函數。
[0017] 其中，能量與信息二元融合元件層由能量與信息二元融合元件組成，而能量與信 息二元融合元件又由可控設備和不可控設備部組成；可控設備包括電動汽車、儲能裝置和 電容器組;不可控設備包括分布式能源和負荷，分布式能源又由風力電源和光伏電源組成。
[0018] 光伏電源待獲取預測數據為光伏出力期望和方差，風力電源待獲取的預測數據為 風力出力期望和方差；電動汽車待獲取的測量數據為電池能量狀態量和充電功率，儲能裝 置待獲取的測量數據為能量狀態量和充放電功率，電容器組待獲取的預測數據為無功狀態 量、可投切容量電和已投切的次數。
[0019] 在步驟102中，能量與信息二元融合元件層接收云平臺下發的可控設備待獲取的 測量數據和不可控設備待預測的預測數據，可控設備根據待獲取的測量數據自動感知當前 時刻的測量數據;不可控設備獲取其歷史測量數據采用最小二乘法進行數據擬合方法獲取 其下一時刻的預測數據；
[0020] 在能量與信息二元融合元件層與云平臺之間還設置有化P協議層及網關智能結點 與傳輸層兩個傳輸層，能量與信息二元融合元件層與云平臺之間進行信息交互時，都必須 經過化P協議層及網關智能結點與傳輸層進行中轉。
[0021] 在步驟103中，云平臺接收能量與信息二元融合元件層上傳的可控設備獲取的當 前時刻的測量數據和不可控設備下一時刻的預測數據，并根據不可控設備下一時刻的預測 數據計算其有功功率和有功功率的概率。
[0022] 在本發明的一個實施例中，根據不可控設備下一時刻的預測數據計算其有功功率 和有功功率的概率可W進一步包括：
[0023 ] A、計算光伏電源的有功功率和有功功率的概率
[0024] al、由于光伏電源有功出力主要受太陽光照強度影響，而太陽光照又服從Beta分 布。于是本方案在求取光伏電源的有功功率和有功功率的概率時，首選需要通過光伏電源 的光伏出力期望和方差獲取Beta分布的參數a和0。
[0025]由于Beta分布的參數a和e是采用現有的比較常規的算例進行求解的，此處就不在 對其是如何求解的進行寶述。
[00%] a2、計算光伏電源出力的密度：
[0027]
[0028] 式中：a與0是指Beta分布的參數；r表示Gamma函數;P是指光伏電源的實際出力； Pmax是指光伏電源最大輸出功率;光伏電源的P、Pmax和Pmin均可W通過光伏電源的主動感知 設別和歷史數據分析得到的。
[0029] a3、計算光伏電源消納的有功功率：
[0030]
[0031] 式中，Pmin是指光伏電源最小輸出功率，Pmax是指光伏電源最大可能輸出功率，Px,i-l 是指i-1狀態的有功出力;化是指總的狀態數；
[0032] 計算光伏電源消納的有功功率的概率：
[0033]
[0034] 式中，Pi,1是指第i個狀態的最小有功出力;Pw是指第i個狀態的最大有功出力。
[0035] B、計算風機電源的有功功率和有功功率的概率
[0036] bl、采用威布爾分布計算風力電源出力的密度：
[0037]
[0038] 巧甲，PJ刃W化;k和C刃weibuii分布的兩個參數，即k為形狀參數，C為尺度參數；
[0039] b2、計算風力電源消納的有功功率：
[0040]
[0041 ] 巧中，Pmin是指風力電源最小可能輸出功率，Pmax是指風力電源最大可能輸出功率， Px,J-I是指j-1狀態的有功出力代表值;化是指總的狀態數；
[0042]
[0043] 式中，Px,i是指第X個狀態的最小有功出力;Pw是指第i個狀態的最大有功出力;f (X)為風力電源出力的密度。
[0044] 在步驟104中，云平臺根據可控設備當前時刻的測量數據和粒子群算法，采用分布 式電源全天消納能量最大的目標函數計算可控設備下一時刻的出力大小。
[0045] 在本發明的一個實施例中，分布式電源全天消納能量最大的目標函數為：
[0046]
[0047] 式中，n是指將一天《分為n個時段;Pt,PV和Pt,Wt分別表示第i個時段光伏電源消納 的有功功率和風力電源消納的功功率，Pt,pv《Pi，Pt,rt《Pj;gc,t為t時段第C個狀態的概率， gc,t = gi*gj，c = l，2,…N; A t為任一時間段。
[0048] 為了使目標函數達到最優，分布式電源全天消納能量最大的目標函數需要滿足的 約束條件為等式約束條件及不等式約束條件和概率約束條件；
[0049] 其中，等式約束條件為：
[(K)加 ]
[0051 ]式中：Pi、PLi分別是指節點i處的有功出力與有功負荷大小;Qi、也i分別是指節點i 處的無功出力與無功負荷大小;化、化分別是指節點i與節點k的電壓幅值;Sik是指節點i和 節點k之間的電壓相角差;Gik、Bik分別是指系統導納矩陣的實部和虛部；
[0052]不等式約束和概率約束條件：
[0化3]
[0化4]
[0化5]
[0056] 式中：P{A}表示事件A發生的概率;叫與as分別是指電壓與容量的置信水平;Ui是節 點電壓;Si功支路容量；QnDde是指系統的節點集合;0,'是指t時段第i個狀態微型燃氣輪的 實際無功大小;巧A為是指t時段第i個狀態儲能裝置的實際有功出力大小；巧。為是指t時段 第i個狀態光伏的實際出力大小。
[0057] 在步驟105中，能量與信息二元融合元件層接收云平臺下發的可控設備下一時刻 的出力大小，可控設備根據下一時刻的出力大小調整其下一時刻的實際出力大小。
[0058] 電動汽車下一時刻的出力大小是指其下一時刻的充電功率大小，儲能裝置下一時 刻的出力大小時指其下一時刻的儲能充放電功率大小，電容器組下一時刻的出力大小是指 其下一時刻的電容器可投切容量。
[0059] 可控設備對其下一時刻的實際出力大小進行調整后，并將調整信息經過網關智能 結點與傳輸層及化P協議層傳輸至云平臺，執行完畢后，執行下一個循環。
[0060] 為了實現電力系統中海量的、多種多樣的能量與信息二元融合元件的信息的高度 共享和能量的優化分配，本方案通過對云平臺計算所需的各種能量與信息二元融合元件的 有關信息進行實時感知和監控，進而實現海量能量與信息二元融合的元件與云平臺的實時 雙向互通和共享，實現能量與信息二元融合元件有關信息周期云計算平臺的主動發現、優 化配置和智能調度。管理者也可W根據應用需求，隨時隨地的動態的增減能量與信息二元 融合元件中可控設備的功率的大小，實現電力系統的各個設備實現能量的合理分配。
【主權項】
1. 基于云平臺計算能量與信息二元融合元件的優化接入方法，其特征在于，包括以下 步驟： 采用云平臺確定能量與信息二元融合元件層中可控設備待獲取的測量數據和不可控 設備待預測的預測數據，同時構建能量分布式電源全天消納能量最大的目標函數； 能量與信息二元融合元件層接收云平臺下發的可控設備待獲取的測量數據和不可控 設備待預測的預測數據，可控設備根據待獲取的測量數據自動感知當前時刻的測量數據； 不可控設備獲取其歷史測量數據采用最小二乘法進行數據擬合方法獲取其下一時刻的預 測數據； 云平臺接收能量與信息二元融合元件層上傳的可控設備獲取的當前時刻的測量數據 和不可控設備下一時刻的預測數據，并根據不可控設備下一時刻的預測數據計算其有功功 率和有功功率的概率； 云平臺根據可控設備當前時刻的測量數據和粒子群算法，采用分布式電源全天消納能 量最大的目標函數計算可控設備下一時刻的出力大小； 能量與信息二元融合元件層接收云平臺下發的可控設備下一時刻的出力大小，可控設 備根據下一時刻的出力大小調整其下一時刻的實際出力大小。2. 根據權利要求1所述的基于云平臺計算能量與信息二元融合元件的優化接入方法， 其特征在于， 所述不可控設備包括分布式電源，所述分布式能源為風力電源和光伏電源;所述光伏 電源待獲取預測數據為光伏出力期望和方差;所述風力電源待獲取的預測數據為風力出力 期望和方差； 所述可控設備包括電動汽車、儲能裝置和電容器組;所述電動汽車待獲取的測量數據 為電池能量狀態量和充電功率，儲能裝置待獲取的測量數據為能量狀態量和充放電功率， 電容器組待獲取的預測數據為無功狀態量、可投切容量電和已投切的次數。3. 根據權利要求2所述的基于云平臺計算能量與信息二元融合元件的優化接入方法， 其特征在于，所述根據不可控設備下一時刻的預測數據計算其有功功率和有功功率的概率 進一步包括： A、計算光伏電源的有功功率和有功功率的概率 al、通過光伏電源的光伏出力期望和方差獲取Beta分布的參數α和β; a2、計算光伏電源出力的密度：式中：α與β是指Beta分布的參數；Γ表示Gamma函數;P是指光伏電源的實際出力;Pmax是 指光伏電源最大輸出功率； a3、計算光伏電源消納的有功功率：式中，Pmin是指光伏電源最小可能輸出功率，Pmax是指光伏電源最大可能輸出功率，p x, i -1是指i-Ι狀態的有功出力代表值;Ns是指總的狀態數； 計算光伏電源消納的有功功率的概率： 式中，Pi,1是指第i個狀態的最小有功出力;Pi,r是指第i個狀態的最大有功出力；f (X)為 光伏電源出力的密度。 B、計算風機電源的有功功率和有功功率的概率 bl、采用威布爾分布計算風力電源出力的密度：式中，Pj為風速;k和c為weibul 1分布的兩個參數，即k為形狀參數，c為尺度參數； b2、計算風力電源消納的有功功率：式中，Pmin是指風力電源最小可能輸出功率，Pmax是指風力電源最大可能輸出功率，px, j-l 是指j-1狀態的有功出力代表值;Ns是指總的狀態數；式中，Px,1是指第X個狀態的最小有功出力;Px,r是指第i個狀態的最大有功出力;f( X)為 風力電源出力的密度。4. 根據權利要求3所述的基于云平臺計算能量與信息二元融合元件的優化接入方法， 其特征在于，所述分布式電源全天消納能量最大的目標函數為：式中，η是指將一天 < 分為η個時段;Pt,P4PPt,wt分別表示第i個時段光伏電源消納的有 功功率和風力電源消納的功功率，？^^^，？_^^^。,*為切寸段第(：個狀態的概率4。,* = gi*gj; At為任一時間段。5. 根據權利要求4所述的基于云平臺計算能量與信息二元融合元件的優化接入方法， 其特征在于，所述需滿足的約束條件為等式約束條件及不等式約束條件和概率約束條件； 其中，等式約束條件為：式中：Pi、PLi分別是指節點i處的有功出力與有功負荷大小;Qi、Qu分別是指節點i處的 無功出力與無功負荷大小;Ui、Uk分別是指節點i與節點k的電壓幅值;5ik是指節點i和節點k 之間的電壓相角差;Gik、B ik分別是指系統導納矩陣的實部和虛部； 不等式約束和概率約束條件：式中：P{A}表示事件A發生的概率;αυ與as分別是指電壓與容量的置信水平;仏是節點電 壓;S1偽支路容量；Ω 是指系統的節點集合;逸是指t時段第i個狀態微型燃氣輪的實際 無功大小；為是指t時段第i個狀態儲能裝置的實際有功出力大小；為是指t時段第i 個狀態光伏的實際出力大小。6.根據權利要求1-5任一所述的基于云平臺計算能量與信息二元融合元件的優化接入 方法，其特征在于，所述云平臺和能量與信息二元融合元件層進行數據傳遞時需要經其兩 者之間依次設置的PnP協議層及網關智能結點與傳輸層。
【文檔編號】G06Q10/04GK106022533SQ201610364609
【公開日】2016年10月12日
【申請日】2016年5月27日
【發明人】賴祥生, 黃仁樂, 李蘊, 王存平
【申請人】國網北京市電力公司