一种直控型可调节负荷控制方法、系统及存储介质与流程

本发明涉及智能电网，尤其涉及一种直控型可调节负荷控制方法、系统及存储介质。

背景技术：

1、虚拟电厂能够通过高级量测技术、控制技术、通信技术等手段将多种分布式发电单元、可控负荷以及储能单元聚合在一起，使其参与电网的调度和控制，使其具有真实电厂的功能并且能够通过虚拟电厂参与到电力市场和电网运行的协调控制和管理。通过虚拟电厂来聚合可控负荷、聚合分布式发电单元以及储能单元，通过协调控制能够实现可削减负荷目标、减小分布式发电单元的接入对电网的冲击；根据分时电价来调整不同单元的控制策略同时能够获得一定的收益。

2、如今，业内人员将电网调峰目光逐渐从电源侧转移到负荷侧，比如说，在虚拟电厂的需求响应系统中，部分负荷能够根据价格信号、激励或者控制指令，改变短期的用电行为，这样的负荷称之为可调节负荷。通过对可调节负荷调节控制，从而达到消峰的效果。现有技术中，存在通过代理用户控制的方式实现直控型可调节负荷控制，虽然实现了可调节负荷的实时控制，但是并未对可调节负荷类型以及可接入微电网的电站类型进行判断，由于不同的微电网负荷类型不同，并且不同微电网的电站类型也不尽相同，导致在不同微电网中调节负荷过程对直控型可调节负荷控制缺乏科学性引导，效率低下。

技术实现思路

1、本发明提供了一种直控型可调节负荷控制方法、系统及存储介质，根据不同微电网中负荷特点，将直控型可调节负荷分类为可频繁调节负荷和不可频繁调节负荷两类，并仅对可频繁调节负荷进行调节，以提高直控型可调节负荷调节控制的科学性和控制效率。

2、本发明提供了一种直控型可调节负荷控制方法，包括：

3、根据微电网的电力数据，计算得出微电网功率分配目标；识别所述微电网中接入的直控型可调节负荷的类型，并计算各类型的可调节负荷所需功率；所述直控型可调节负荷的类型包括不可频繁调节负荷和可频繁调节负荷；

4、若所述功率分配目标大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则根据所述功率分配目标与各类型的可调节负荷所需功率的总和的差值，控制调节所述可频繁调节负荷运行以吸纳对应的功率，直到所述差值为零；

5、若所述功率分配目标不大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则调节所述微电网中的常规电站的功率分配，直至所述微电网的功率分配目标与各类型的可调节负荷所需功率的总和相等。

6、进一步地，根据微电网的电力数据，计算得出微电网功率分配目标，具体为：

7、以最大化消耗微电网中的光伏风力电站产生电量为目标建立微电网调节优化模型，通过所述微电网调节优化模型确定所述微电网调节目标函数和约束条件；

8、通过将微电网的电力数据输入所述微电网调节优化模型，使用粒子群算法求解所述微电网调节优化模型，输出微电网功率分配目标；所述约束条件包括系统功率平衡约束和常规电站运行约束。

9、进一步地，使用粒子群算法求解所述微电网调节优化模型，输出微电网功率分配目标，具体为：

10、初始化粒子群，并随机每个粒子的速度和位置；计算每个粒子的当前个体适应度值，并记录每个粒子的历史个体适应度值；

11、对比当前个体适应度值与历史个体适应度值最高的粒子值，若所述当前个体适应度值高于所述历史个体适应度值最高的粒子值，则根据当前个体适应度值更新个体最优值；否则不更新个体最优值；

12、对比当前粒子全局适应度值与历史全局最优的适应度值，若所述当前粒子全局适应度值高于所述历史全局最优的适应度值，则根据当前粒子全局适应度值更新所述个体最优值；

13、获取每个粒子的速度矢量和位置矢量，生成每个粒子的速度和位置的更新公式，并对每个粒子的速度和位置进行更新；

14、判定当前粒子适应度值是否达到最大迭代次数，若所述当前粒子适应度值未达到最大迭代次数，则根据更新后的每个粒子的速度和位置重新计算当前个体适应度值和当前粒子全局适应度值继续迭代寻优；否则运行结束，得到功率分配目标。

15、进一步地，识别所述微电网中接入的直控型可调节负荷的类型，具体为：

16、根据用电负荷的类型将可调节负荷的类型划分为可频繁调节负荷和不可频繁调节负荷；

17、若对每个直控型可调节负荷下达高于预设频次的调节指令，能接收所述调节指令进行调节的负荷识别为可频繁调节负荷，不能接受所述调节指令进行调节的负荷识别为不可频繁调节负荷。

18、作为优选方案，本发明在对微电网中直控型可调负荷控制时，首先计算得到功率分配目标，然后根据功率分配目标对直控型可调负荷进行控制；根据不同微电网中负荷特点，将直控型可调节负荷分类为可频繁调节负荷和不可频繁调节负荷两类，并仅对可频繁调节负荷进行调节，从而使负荷的调节过程更加科学，以提高直控型可调节负荷调节控制的科学性和控制效率。

19、相应地，本发明还提供一种直控型可调节负荷控制系统，包括：功率分配目标确定模块、负荷识别模块和负荷控制模块；

20、所述功率分配目标确定模块用于根据微电网的电力数据，计算得出微电网功率分配目标；

21、所述负荷识别模块用于识别所述微电网中接入的直控型可调节负荷的类型，并计算各类型的可调节负荷所需功率；所述直控型可调节负荷的类型包括不可频繁调节负荷和可频繁调节负荷；

22、所述负荷控制模块用于若所述功率分配目标大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则根据所述功率分配目标与各类型的可调节负荷所需功率的总和的差值，控制调节所述可频繁调节负荷运行以吸纳对应的功率，直到所述差值为零；

23、若所述功率分配目标不大于所述不可频繁调节负荷所需功率和可频繁调节负荷所需功率之和，则调节所述微电网中的常规电站的功率分配，直至所述微电网的功率分配目标与各类型的可调节负荷所需功率的总和相等。

24、进一步地，功率分配目标确定模块包括：模型建立单元和模型计算单元；

25、所述模型建立单元用于功率分配目标计算单元用于以最大化消耗微电网中的光伏风力电站产生电量为目标建立微电网调节优化模型，通过所述微电网调节优化模型确定所述微电网调节目标函数和约束条件；

26、所述模型计算单元用于通过将微电网的电力数据输入所述微电网调节优化模型，使用粒子群算法求解所述微电网调节优化模型，输出微电网功率分配目标；所述约束条件包括系统功率平衡约束和常规电站运行约束。

27、进一步地，模型计算单元包括粒子群算法计算子单元；

28、所述粒子群算法计算子单元用于初始化粒子群，并随机每个粒子的速度和位置；计算每个粒子的当前个体适应度值，并记录每个粒子的历史个体适应度值；

29、对比当前个体适应度值与历史个体适应度值最高的粒子值，若所述当前个体适应度值高于所述历史个体适应度值最高的粒子值，则根据当前个体适应度值更新个体最优值；否则不更新个体最优值；

30、对比当前粒子全局适应度值与历史全局最优的适应度值，若所述当前粒子全局适应度值高于所述历史全局最优的适应度值，则根据当前粒子全局适应度值更新所述个体最优值；

31、获取每个粒子的速度矢量和位置矢量，生成每个粒子的速度和位置的更新公式，并对每个粒子的速度和位置进行更新；

32、判定当前粒子适应度值是否达到最大迭代次数，若所述当前粒子适应度值未达到最大迭代次数，则根据更新后的每个粒子的速度和位置重新计算当前个体适应度值和当前粒子全局适应度值继续迭代寻优；否则运行结束，得到功率分配目标。

33、进一步地，负荷识别模块包括：识别单元；

34、所述识别单元用于根据用电负荷的类型将可调节负荷的类型划分为可频繁调节负荷和不可频繁调节负荷；

35、若对每个直控型可调节负荷下达高于预设频次的调节指令，能接收所述调节指令进行调节的负荷识别为可频繁调节负荷，不能接受所述调节指令进行调节的负荷识别为不可频繁调节负荷。

36、作为优选方案，本发明系统在对微电网中直控型可调负荷控制时，首先利用功率分配目标确定模块计算得到功率分配目标，然后负荷识别模块识别所述微电网中接入的直控型可调节负荷的类型，负荷控制模块根据功率分配目标对直控型可调负荷进行控制；根据不同微电网中负荷类型特点，将直控型可调节负荷分类为可频繁调节负荷和不可频繁调节负荷两类，并仅对可频繁调节负荷进行调节，从而使负荷的调节过程更加科学，以提高直控型可调节负荷调节控制的科学性和控制效率。

37、相应地，本发明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包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如本
技术实现要素：
所述的一种直控型可调节负荷控制方法。