一种智能电网中的能量消耗优化规划方法与流程

本发明涉及智能电网领域，特别是涉及通信网络，以及优化理论。

背景技术：

智能电网(Smart Grid)被学术界和工业界认为是解决现有挑战的下一代电网技术解决方案。下一代的智能电网将会配备通信设施和实时测量设施,提高电网的可靠性、稳定性、效率,同时能够预防、应对电网内部以及外部的危机。智能电网将有效处理电力运输及调度过程中的不确定性,提供新型清洁能源,优化配用电网系统并提升电力供应的质量和可靠性,更加主动地预测和管理电网操作中的不可预测事件,降低电网运行风险。

智能配用电网的能量优化管理问题主要涉及到四个问题:先进量测技术,智能配用电网通信网络,智能电网系统安全,能量优化管理控制和优化算法。先进量测技术和智能配用电网通信网络具有智能电网在基础设施建设方面全新的特征,将为实现能量优化管理提供硬件基础保障，其中先进量测技术负责感知、采集、处理相关用电数据。

能量优化管理,是智能电网的主要特征之一。能量优化管理的主要矛盾在于供电公司生产电力和各类用户消耗电力时间尺度上存在巨大差异。各类用户根据自身需求决定用电习惯和用电负载曲线,如工厂按照生产流程和计划决定流水线工作情况,商业楼宇根据公司工作制度和职员工作安排决定房间耗电情况,家庭用户根据生活和消费习惯决定用电设备的工作状态,城市轨道交通系统根据交通能量优化管理对于用户需求的影响主要有两类:1)降低用户用电需求；2)在时间尺度上转移用户用电需求。能量优化管理策略主要有两大类:1)基于激励的响应策略；2)基于价格的响应策略。其中基于价格的响应管理使用经济学中的重要工具,如定价策略,使得用户需求的响应能够满足系统可靠性、能量使用有效性、安全性的要求，所有定价策略基于此假设:各类用户的用电需求与用电时刻的电价有着及其紧密的负向关联。能量优化管理指电网系统管理者和用户采用的能量管理策略,降低电量需求峰值平均值比,提高电网的能量使用效率以及可靠性。研究需求侧响应管理问题将提高能源的使用效率,降低高峰用电量,提高电网的安全性和稳定性。在智能电网体系里,双向通信网络的建设将有助于电网管理中心采集感知用电方的数据,为安排生产、传输、配送决策提供可靠的数据支持,提高能源的生产和传输效率，智能配电通信网络架构如图1所示。

综上所述：在不改变已有配用电网基础设施建设的前提下,能量优化管理对于配用电网的重要意义体现在于保障电网的平稳安全运行,提高可靠性和稳定性，因此有必要建立高效的能量消耗优化规划方法，提升智能电网的运行效能。

技术实现要素：

本发明所要解决的技术问题是：通过建立峰值能耗与平均负载比模型和进行峰值与平均负载比的局部优化，实现智能电网中的能量消耗动态自适应调节能力。

本发明为解决上述技术问题所采用的技术方案包括以下步骤，如图2所示：

A、建立峰值能耗与平均负载比模型；

B、进行能量资源的局部优化。

所述步骤A中，具体为：每个用户均有能量消耗调度单元，且能量消耗调度单元与电力线和局域网相连，获得峰值能耗与平均负载比为其中为工作时间φ内的总负载，为用户n在一天中的总负载，L_max＝max_φ∈HL_φ为一天中的峰值负载，为平均负载，ω_n,a为能量消耗的期望值，为一小时的电气设备能量消耗，N为用户集合，E为电气设备集合，为能量消耗集合，a∈E为电气设备标识，T为IDC最长工作时间，H为工作时间集合,IDC为数据中心，如图3所示。

所述步骤A中，建立收益与代价关联响应时间门限模型λ_f,i(t)为在时隙t内服务器f分配给IDCi的能量到达速率，m_i(t)为IDCi中处于工作状态的服务器数目，μ_i为IDCi的平均服务速率，F为IDC的数目，IDC为数据中心，T_i为IDCi的最长工作时间。

所述步骤B中，建立能量消耗最小化模型

s.t.α_n,a<β_n,a

其中α_n,a为用户的能量消耗起始时间，β_n,a为用户的能量消耗结束时间，为电气设备能量消耗瞬时值。

所述步骤B中，其特征在于：建立能量消耗代价最小化模型：

s.t.α_n,a<β_n,a

其中和分别为的下限与上限，C_φ为在时间φ内的能量消耗代价。

所述步骤B中，对于步骤B，用户可根据特定的应用场景选择相应的优化模型，或对权利要求B中的分解步骤进行联合优化，并获得最优解或工程等效最优解；获得最优解或工程等效最优解修正收益与代价关联响应时间门限模型。

附图说明

图1智能配电通信网络架构示意图

图2智能电网中的能量消耗优化规划流程示意图

图3智能电网中的能量转移示意图

具体实施方式

为达到上述目的，本发明的技术方案如下：

第一步，建立峰值能耗与平均负载比模型，具体为：每个用户均有能量消耗调度单元，且能量消耗调度单元与电力线和局域网相连，获得峰值能耗与平均负载比为其中为工作时间φ内的总负载，为用户n在一天中的总负载，L_max＝max_φ∈HL_φ为一天中的峰值负载，为平均负载，ω_n,a为能量消耗的期望值，为一小时的电气设备能量消耗，N为用户集合，E为电气设备集合，为能量消耗集合，a∈E为电气设备标识，T为IDC最长工作时间，H为工作时间集合,IDC为数据中心。

第二步，进行峰值与平均负载比的局部优化，具体步骤为：建立收益与代价关联响应时间门限模型λ_f,i(t)为在时隙t内服务器f分配给IDCi的能量到达速率，m_i(t)为IDCi中处于工作状态的服务器数目，μ_i为IDCi的平均服务速率，F为IDC的数目，IDC为数据中心，T_i为IDCi的最长工作时间。

第三步，进行峰值与平均负载比的局部优化，具体为：建立能量消耗最小化模型

s.t.α_n,a<β_n,a

其中α_n,a为用户的能量消耗起始时间，β_n,a为用户的能量消耗结束时间，为电气设备能量消耗瞬时值。

第四步，建立能量消耗代价最小化模型

s.t.α_n,a<β_n,a

其中和分别为的下限与上限，C_φ为在时间φ内的能量消耗代价。

第五步，用户可根据特定的应用场景选择第三步或第四步相应的优化模型，或对步骤3或4进行联合优化，并获得最优解或工程等效最优解；获得最优解或工程等效最优解修正收益与代价关联响应时间门限模型

本发明提出了一种智能电网中的能量消耗优化规划方法，通过建立峰值能耗与平均负载比模型和进行峰值与平均负载比的局部优化，实现智能电网中的能量消耗动态自适应调节能力。