一种蓄能系统配置方法、装置及存储介质与流程

本发明属于蓄能技术领域，尤其涉及一种蓄能系统配置方法、装置及存储介质。

背景技术：

智能电网是以先进的信息和通信技术(icts)控制电力系统的现代基础设施。在过去的20年中，电力需求每年增长2.5％，电网可能很快就会达到极限。可再生能源的普及程度不断提高，以面对传统电力系统的限制，实现可持续的电力系统。然而，可再生能源的间歇性对智能电网的能源管理提出了挑战。近年来，在能源管理中，蓄能系统(esss)发挥着调节可再生能源功率波动，保证系统状态稳定的作用。近年来，人们越来越多地关注电力系统中esss的集成。然而，电力系统的最佳数量、位置和规格的确定对电力系统的运行有着重要的影响。因此，esss的集成基本上是基于它们的配置。针对不同目标的esss的选址和规模问题，提出了多种解决途径，如优化投资者的经济效益、提高电力系统的电压稳定性、可再生能源发电、减少传输阻塞、提高系统可靠性等。

然而，这些研究大多没有考虑到潜在的偶发事件的风险。

技术实现要素：

本发明提供了一种蓄能系统配置方法、装置及存储介质，可以考虑偶然性事件风险的情况下，实现蓄能系统的配置。

本发明提供的技术方案如下：

根据一示例性实施例，本发明第一方面提供一种蓄能系统配置方法，包括：

获取当前分布式能源系统的各网络总线的系统偶然性事件数据；

基于所述各网络总线的系统偶然性事件数据生成各网络总线的偶然性灵敏度指数；

基于所述偶然性灵敏度指数，确定待配置的蓄能系统的数量、安装位置，以及规格；

按照所述待配置的蓄能系统的数量、安装位置，以及规格，执行当前所述分布式能源系统的蓄能系统配置。

一些示例中，所述基于所述各网络总线的系统偶然性事件数据生成各网络总线的偶然性灵敏度指数，包括：

基于所述各网络总线的各网络总线的系统偶然性事件数据，生成偶然性灵敏度矩阵，所述偶然性灵敏度矩阵的行表示系统偶然性事件，列表示网络总线；

基于所述偶然性灵敏度矩阵，及偶然性事件的数量，生成各网络总线的偶然性灵敏度指数。

一些示例中，所述系统偶然性事件数据，包括：

所述系统偶然性事件对电压偏差、线路电流变化和发电机输出功率变化的影响数据。

一些示例中，所述基于所述偶然性灵敏度指数，确定待配置的蓄能系统的数量、安装位置，以及规格，包括：

确定高于设定的偶然性灵敏度指数阈值的网络总线的基数，为待配置的蓄能系统的数量；

优先选择各网络总线中偶然性灵敏度指数较高的网络总线，作为待配置的蓄能系统的安装位置。

一些示例中，所述基于所述偶然性灵敏度指数，确定待配置的蓄能系统的数量、安装位置，以及规格，包括：

根据启发式粒子群优化算法hpso时变加速系数tvac，基于所述偶然性灵敏度指数，确定所述待配置蓄能系统的规格。

本发明的第二方面，提供一种蓄能系统配置装置，包括：

获取模块，用于获取当前分布式能源系统的各网络总线的系统偶然性事件数据；

指数生成模块，用于基于所述各网络总线的系统偶然性事件数据生成各网络总线的偶然性灵敏度指数；

配置参数确定模块，用于基于所述偶然性灵敏度指数，确定待配置的蓄能系统的数量、安装位置，以及规格；

配置模块，用于按照所述待配置的蓄能系统的数量、安装位置，以及规格，执行当前所述分布式能源系统的蓄能系统配置。

一些示例中，所述指数生成模块，包括：

矩阵生成子模块，用于基于所述各网络总线的各网络总线的系统偶然性事件数据，生成偶然性灵敏度矩阵，所述偶然性灵敏度矩阵的行表示系统偶然性事件，列表示网络总线；

指数生成子模块，用于基于所述偶然性灵敏度矩阵，及偶然性事件的数量，生成各网络总线的偶然性灵敏度指数。

一些示例中，所述系统偶然性事件数据，包括：

所述系统偶然性事件对电压偏差、线路电流变化和发电机输出功率变化的影响数据。

一些示例中，所述配置参数确定模块，包括：

数量确定子模块，用于确定高于设定的偶然性灵敏度指数阈值的网络总线的基数，为待配置的蓄能系统的数量；

位置确定子模块，用于优先选择各网络总线中偶然性灵敏度指数较高的网络总线，作为待配置的蓄能系统的安装位置。

一些示例中，所述配置参数确定模块，还包括：

规格确定子模块，用于根据启发式粒子群优化算法(self-organizinghierarchicalparticleswarmoptimization，hpso)时变加速系数(time-varyingaccelerationcoefficient，tvac)，基于所述偶然性灵敏度指数，确定所述待配置蓄能系统的规格。

本发明实施例的第三方面，提供一种存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时实现本发明实施例提供的蓄能系统配置方法。

本发明实施例提供的蓄能系统配置方法，提供了一种基于偶然性灵敏度指数的最优分配策略,用于确定安装esss的最佳位置及其最佳规格,以提高电压稳定性,并以成本有效的方式最小化系统功耗。

与传统的方法相比:本发明在技术上和计算上是有效的,允许通过启发式策略提高应急状态下智能电网的可靠性。启发式是基于一个偶然性灵敏度指数(contingencysensitivityindex，csi)，它评估系统意外事件对网络总线(即节点)的影响,使最易受攻击的总线成为安装esss的最佳位置。这种启发式策略允许规避选址问题的组合性质,从而在复杂性和减少计算负担方面具有优势。此外，启发式策略允许可以实现安装最佳数量的ess。

本发明以成本效益低的方式最大限度地降低了电压偏差和系统功耗。通过提高电压稳定性和系统功耗,降低了esss的投资成本,同时保证了其最佳集成。

附图说明

图1是本发明一个实施例提供的一种蓄能系统配置方法的流程图；

图2是本发明一个实施例提供的蓄能系统规格确定方法的流程图；

图3是本发明一个实施例提供的一种蓄能系统配置装置的结构示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

同时，在以下说明中，出于解释的目的而阐述了许多具体细节，以提供对本发明实施例的彻底理解。然而，对本领域的技术人员来说显而易见的是，本发明可以不用这里的具体细节或者所描述的特定方式来实施。

另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

esss可以在缺乏能源的情况下，作为发电机运行,也可以在能源过剩的情况下，作为电力负荷运行。为了在电网中有一个高效的集成，esss应该放在最合适的位置并设置为最合适的规格。然而,这种集成受到电力系统的运行条件及其潜在的突发事件的极大影响。本发明提供了一种基于偶然性灵敏度指数的最优分配策略,用于确定安装esss的最佳位置、最佳规格及其最佳数量,以提高电压稳定性,并以成本有效的方式最小化系统功耗。

在本发明实施例中，本发明提供了一种模型检测方法、装置及存储介质，可以有效的降低可重构系统的模型检测中属性验证的复杂度。

本发明提供的技术方案如下：

如图1所示，本发明提供一种蓄能系统配置方法，包括：

s101、获取当前分布式能源系统的各网络总线的系统偶然性事件数据；

s102、基于所述各网络总线的系统偶然性事件数据生成各网络总线的偶然性灵敏度指数；

s103、基于所述偶然性灵敏度指数，确定待配置的蓄能系统的数量、安装位置，以及规格；

s104、按照所述待配置的蓄能系统的数量、安装位置，以及规格，执行当前所述分布式能源系统的蓄能系统配置。

一些示例中，所述系统偶然性事件数据，包括：

所述系统偶然性事件对电压偏差、线路电流变化和发电机输出功率变化的影响数据。

其中，系统偶然性事件对电压偏差的影响数据，可通过如下公式计算。

其中，ivd^j表示系统偶然性事件对电压偏差的影响，这个影响是通过评估偶然性事件发生和基础情况下母线电压的变化计算出来的。如果变异超过阈值tb，则存在影响，即等于1，否则不存在，即等于0。

系统偶然性事件对线路电流变化的影响数据，可通过如下公式计算。

其中，表示由于i和j线偶然性事件对线路电流的影响。这种影响是通过评估在偶然性事件发生和基本情况下，线路电流的变化计算出来的。如果变化超过阈值tl，则存在影响，即等于1，否则不存在，即等于0。

系统偶然性事件对发电机输出功率变化的影响数据，可通过如下公式计算。

其中，ipg^jg表示偶然性事件对发电机输出功率变化的影响，这种影响是通过评估偶然性事件发生和基本情况下，发电机输出功率变化计算出来的。如果变化超过阈值tg，则存在影响，即等于1，否则不存在，即等于0。

一些示例中，所述基于所述各网络总线的系统偶然性事件数据生成各网络总线的偶然性灵敏度指数，包括：

基于所述各网络总线的各网络总线的系统偶然性事件数据，生成偶然性灵敏度矩阵，所述偶然性灵敏度矩阵的行表示系统偶然性事件，列表示网络总线；

基于所述偶然性灵敏度矩阵，及偶然性事件的数量，生成各网络总线的偶然性灵敏度指数。

实际应用中，在计算了所有偶然性事件的影响后，可以生成一个偶然性灵敏度矩阵(contingencysensitivitymatrix，csm)。csm的定义如下。

其中，行表示系统偶然性事件，列表示网络总线。

csm矩阵中的元素可通过如下方法计算：

如果用c表示的偶然性事件会影响到总线上的电压偏差，则csm[c，j]的值将等于1；

如果由c表示的偶然性事件会影响到线路电流，则i和j之间的线路电流，csm[c，i]和csm[c，j]的值将等于1；

如果由c表示的偶然性事件会影响到位于csm[c，j]的发电机g的发电，那么csm[c，j]的值将等于1。

在csm矩阵的基础上，计算出各网络总线的偶然性灵敏度指数，可通过以下方法计算：

其中，nc为系统偶然性事件的数量

一些示例中，所述基于所述偶然性灵敏度指数，确定待配置的蓄能系统的数量、安装位置，以及规格，包括：

确定高于设定的偶然性灵敏度指数阈值的网络总线的基数，为待配置的蓄能系统的数量；

优先选择各网络总线中偶然性灵敏度指数较高的网络总线，作为待配置的蓄能系统的安装位置。

一些示例中，所述基于所述偶然性灵敏度指数，确定待配置的蓄能系统的数量、安装位置，以及规格，包括：

根据启发式粒子群优化算法hpso时变加速系数tvac，基于所述偶然性灵敏度指数，确定所述待配置蓄能系统的规格。

实际应用中，在计算csi后，可以将网络总线按降序排列，即在安装esss时优先考虑csi值较高的总线。esss的数量是通过一个给定的敏感度阈值ts来选择的，因此，超过该阈值的总线的基数是要安装的蓄能系统的数量ns，如下所示。

对于esss的规格，是通过目标函数在使母线电压偏差、系统网损和投资成本之和最小化的情况下，解决一个优化问题。通过hpsotvac可以来解决这一问题。其目标函数可以为

其中向量s是ess尺寸的向量，t是时间规划界限，c^l是功率损耗的代价，pl^t是在时间t的功率损耗,c^v是电压偏差的代价，vd^t是在时间t的电压偏差。

cⁱ(ns)是可通过以下方式评估的投资成本

其中ns为蓄能系统的数量，cf为单个ess安装的固定成本，cs为第i个规格为si的ess的单位价格。

基于上述目标函数，如图2所示，实际应用中，ess的规格可以通过如下方法计算：

初始化，输入规格的间隔，可以按照可更新发电能力的15-25％来设定。然后，以ess规格来初始化粒子群优化pso的种群。然后，通过上述目标函数对每个粒子的适合度进行评估，以找到全局最优粒子。检查终止准则，即最大迭代次数，如果没有达到最大迭代次数，则使用时变加速度系数来更新速度，而不将前面的速度相加，如下所示：

vk+1＝c1*r1*(pbest-xk)+c2*r2*(gbest-xk)

其中vk+1为更新速度，c1，c2为加速度系数，r1，r2为随机变量，xk为粒子位置，pbest和gbest分别为每个粒子的自身和全局最佳值。

然后将每个粒子的位置通过如下方式更新：

xk+1＝xk+vk+1

其中xk+1是更新的位置，xk是以前的位置，vk+1是更新的速度。

当达到最大迭代次数时，可以通过sopt＝argminf(s)设置ess的最佳规格。

本发明实施例提供的蓄能系统配置方法，提供了一种基于偶然性灵敏度指数的最优分配策略,用于确定安装esss的最佳位置及其最佳规格,以提高电压稳定性,并以成本有效的方式最小化系统功耗。

与传统的方法相比:本发明在技术上和计算上是有效的,允许通过启发式策略提高应急状态下智能电网的可靠性。启发式是基于一个偶然性灵敏度指数(contingencysensitivityindex，csi)，它评估系统意外事件对网络总线(即节点)的影响,使最易受攻击的总线成为安装esss的最佳位置。这种启发式策略允许规避选址问题的组合性质,从而在复杂性和减少计算负担方面具有优势。

本发明实施例提供的蓄能系统配置方法，相对于现有技术中的弱总线配置方法，功率损耗要低，约减少了20％，相对现有技术中的损耗敏感度的配置方法，功率损耗要减少5％。电压不超过可接受的范围，而且电压偏差比其他两种方法更平滑，与弱总线配置法相比降低了22％，与损耗灵敏度的配置方法相比降低了10％。本发明的选址问题的执行时间非常短。选址方案要求负载流量计算，在几秒钟内就可以完成，即使对于大型电力系统也是如此。本发明的总体计算负担是计算esss的规格，本发明采用hpsotvac来处理尺寸问题。与现有方法相比，该算法在规格计算中取得了明显的效果。表1显示的计算结果如下：

表1

从表1可以看出，不同的方法给出相同的最优值，但执行时间不同。hpsotvac是执行时间和要聚合的迭代次数方面的最佳选择。

如图3所示，本发明还提供一种蓄能系统配置装置，包括：

获取模块301，用于获取当前分布式能源系统的各网络总线的系统偶然性事件数据；

指数生成模块302，用于基于所述各网络总线的系统偶然性事件数据生成各网络总线的偶然性灵敏度指数；

配置参数确定模块303，用于基于所述偶然性灵敏度指数，确定待配置的蓄能系统的数量、安装位置，以及规格；

配置模块304，用于按照所述待配置的蓄能系统的数量、安装位置，以及规格，执行当前所述分布式能源系统的蓄能系统配置。

一些示例中，所述指数生成模块302，包括：

矩阵生成子模块3021，用于基于所述各网络总线的各网络总线的系统偶然性事件数据，生成偶然性灵敏度矩阵，所述偶然性灵敏度矩阵的行表示系统偶然性事件，列表示网络总线；

指数生成子模块3022，用于基于所述偶然性灵敏度矩阵，及偶然性事件的数量，生成各网络总线的偶然性灵敏度指数。

一些示例中，所述系统偶然性事件数据，包括：

所述系统偶然性事件对电压偏差、线路电流变化和发电机输出功率变化的影响数据。

一些示例中，所述配置参数确定模块303，包括：

数量确定子模块3031，用于确定高于设定的偶然性灵敏度指数阈值的网络总线的基数，为待配置的蓄能系统的数量；

位置确定子模块3032，用于优先选择各网络总线中偶然性灵敏度指数较高的网络总线，作为待配置的蓄能系统的安装位置。

一些示例中，所述配置参数确定模块303，还包括：

规格确定子模块3033，用于根据启发式粒子群优化算法(self-organizinghierarchicalparticleswarmoptimization，hpso)时变加速系数(time-varyingaccelerationcoefficient，tvac)，基于所述偶然性灵敏度指数，确定所述待配置蓄能系统的规格。

本发明实施例的第三方面，提供一种存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时实现本发明实施例提供的蓄能系统配置方法。

本发明实施例提供的蓄能系统配置方法，提供了一种基于偶然性灵敏度指数的最优分配策略,用于确定安装esss的最佳位置及其最佳规格,以提高电压稳定性,并以成本有效的方式最小化系统功耗。

与传统的方法相比:本发明在技术上和计算上是有效的,允许通过启发式策略提高应急状态下智能电网的可靠性。启发式是基于一个偶然性灵敏度指数(contingencysensitivityindex，csi)，它评估系统意外事件对网络总线(即节点)的影响,使最易受攻击的总线成为安装esss的最佳位置。这种启发式策略允许规避选址问题的组合性质,从而在复杂性和减少计算负担方面具有优势。

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、系统、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和光学存储器等)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(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解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。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。