一种电网系统的协调控制方法与流程

本发明涉及电力系统，尤其涉及一种电网系统的协调控制方法。

背景技术：

1、电网系统是一个复杂的多变量、强耦合、非线性的动态系统，其运行状态受到多种因素的影响，如负荷需求、发电机组特性、输电线路参数、电力市场规则等。为了保证电网的安全、稳定和经济运行，需要对电网系统进行有效的协调控制，实现电力供需平衡，维持系统频率和电压在合理范围内，优化发电机组的调度和运行模式，提高电能质量和效率。目前，电网系统的协调控制主要采用分层分区的方式，即将电网系统划分为不同的控制层次和控制区域，分别进行相应的控制策略和控制目标。例如，国家级的电网系统协调控制主要负责全国范围内的电力平衡和交易管理；区域级的电网系统协调控制主要负责区域范围内的电力平衡和安全稳定控制；地方级的电网系统协调控制主要负责地方范围内的电力平衡和质量控制等。然而，随着可再生能源(如风能、太阳能等)的大规模并网，以及智能化、分布式、微型化等新技术的发展，传统的电网系统协调控制面临着新的挑战和问题。一方面，可再生能源具有间歇性、随机性、波动性等特点，导致电网系统运行更加复杂和不确定；另一方面，智能化、分布式、微型化等新技术使得电网系统更加开放和互动，涉及更多的参与者和利益相关方。这些变化使电网系统协调控制难以有效处理多目标多约束的复杂情况。

技术实现思路

1、基于此，本发明有必要提供一种电网系统的协调控制方法，以解决至少一个上述技术问题。

2、为实现上述目的，一种电网系统的协调控制方法，包括以下步骤：

3、步骤s1：获取历史负荷数据和可再生能源数据；对历史负荷数据进行短期负荷趋势预测，得到负荷趋势预测数据；对可再生能源数据进行发电预测，从而得到电力供应预测数据；

4、步骤s2：获取分布式资源数据，其中包括微发电数据以及能源储存数据；根据分布式资源数据建立分布式资源的数学模型，从而得到资源数学模型数据；根据资源数学模型数据、负荷趋势预测数据以及电力供应预测数据建立发电调度优化框架，得到初步优化框架数据；

5、步骤s3：根据初步优化框架数据对目标函数进行多维目标设置，得到多目标优化函数数据；根据预设的实际约束条件以及多目标优化函数数据进行帕累托最优解选取，从而得到帕累托最优解对应的分布式资源调度结果；

6、步骤s4：根据分布式资源调度结果对各发电机组进行负载分担控制，从而得到频率调整数据；对客户需求响应结果进行电网的电压频率影响分析，得到频率影响数据；根据频率调整数据以及频率影响数据生成调整方案数据；

7、步骤s5：根据实际案例的数据利用数字孪生模拟技术对调整方案数据进行测试，从而生成方案评估数据，根据方案评估数据对调整方案数据进行优化方向分析，从而获取最优调整方案数据。

8、本发明通过获取历史负荷数据和可再生能源数据，可以了解电力系统的过去负荷和可再生能源的产生情况，为后续的调度决策提供基础数据。进行短期负荷趋势预测可以预测未来一段时间内负荷的变化趋势，帮助系统运营者做出相应的调度和运营决策。进行可再生能源发电预测可以预测未来一段时间内可再生能源的产生情况，帮助系统运营者预测电力供应情况。获取分布式资源数据可以了解分布式发电和能源储存系统的实际情况，为后续的调度和优化提供数据支持。建立分布式资源的数学模型可以更准确地描述分布式资源的特性和行为，为后续的优化和调度提供数学工具。建立发电调度优化框架可以综合考虑负荷趋势预测数据、电力供应预测数据和分布式资源数学模型数据，为系统运营者提供初步的优化调度方案。通过设置多维目标函数，可以考虑多个目标指标，如经济性、环境性能、可靠性等，从而实现多目标优化调度。进行帕累托最优解选取可以找到一组最优解，这些解在多个目标指标上都是最优的，为系统运营者提供选择和决策的依据。得到帕累托最优解对应的分布式资源调度结果可以实现资源的合理分配和利用，提高系统的效率和可持续性。通过对分布式资源调度结果进行负载分担控制，可以合理分配发电机组的负荷，保持系统频率稳定。进行电网的电压频率影响分析可以评估客户需求响应对电网运行的影响，帮助系统运营者了解电网的稳定性和可靠性。生成调整方案数据可以根据频率调整数据和频率影响数据，提出相应的调整方案，包括发电机组的启停控制、负荷调整等，以保持电网的稳定运行。利用数字孪生模拟技术可以对调整方案数据进行仿真测试，模拟电力系统的实际运行情况，评估调整方案在不同场景下的性能表现。生成方案评估数据可以在数量上评估每个调整方案的优劣，包括经济性、环境性能、可靠性等指标。根据方案评估数据对调整方案数据进行优化方向分析，可以通过比较不同方案的评估结果，找到最优调整方案数据，以实现系统的最佳运行状态。综上所述，以上步骤基于历史数据和预测数据，实现负荷和电力供应的预测，帮助系统运营者做出决策。利用分布式资源数据和数学模型，优化调度分布式资源，提高系统效率和可持续性。多目标优化和帕累托最优解选取，实现多目标调度和决策。基于分布式资源调度结果，实现负载分担控制和频率调整，保持电网稳定运行。利用数字孪生模拟技术对调整方案进行测试和评估，找到最优调整方案，优化系统运行。

9、优选地，步骤s1包括以下步骤：

10、步骤s11：根据预设时间粒度采集各电网节点的历史实际负荷，从而得到历史负荷数据；

11、步骤s12：对历史负荷数据进行序列化整理，并对缺失或异常数据进行插补或删除处理，得到标准历史负荷数据；

12、步骤s13：采集风能、水力以及光伏发电的历史发电信息，得到可再生能源数据；

13、步骤s14：将标准历史负荷数据的前部分数据作为输入数据，后部分数据作为输出生成训练对数据；

14、步骤s15：将预设时间粒度作为循环时间步，利用训练对数据对lstm神经网络模型进行训练，得到lstm神经网络模型数据；

15、步骤s16：根据lstm神经网络模型数据对标准历史负荷数据进行短期负荷趋势预测，得到负荷趋势预测数据；

16、步骤s17：根据可再生能源类型的特点对可再生能源数据进行发电量预测，从而得到电力供应预测数据。

17、本发明获取历史实际负荷数据可以了解电力系统在过去的时间段内的负荷情况，包括负荷的大小、波动性等，为后续的负荷预测和调度提供基础数据。对历史负荷数据进行序列化整理可以将数据按照一定的顺序排列，方便后续的数据处理和分析。对缺失或异常数据进行处理可以提高数据的完整性和准确性，确保后续的负荷预测和调度的可靠性。获取可再生能源的历史发电信息可以了解风能、水力和光伏发电系统在过去的时间段内的发电情况，为后续的发电预测和电力供应调度提供基础数据。将标准历史负荷数据划分为输入和输出数据对可以建立起负荷数据的时序关系，提供训练数据用于训练负荷预测模型。使用lstm神经网络模型对负荷数据进行训练可以建立起负荷的非线性关系，提高负荷预测的准确性和精度。利用经过训练的lstm神经网络模型对历史负荷数据进行预测可以预测未来一段时间内负荷的变化趋势，为电力系统的负荷调度和运营提供参考。根据可再生能源的特点，如风能、水力和光伏的变化规律，对历史可再生能源数据进行预测可以估计未来一段时间内可再生能源的产生情况，为电力系统的电力供应调度和运营提供参考。综上所述，以上步骤获取历史负荷数据和可再生能源数据，为后续的预测和调度提供基础数据。对数据进行整理和处理，提高数据的准确性和可靠性。建立负荷预测模型和发电量预测模型，提高负荷和可再生能源的预测准确性。通过预测负荷趋势和电力供应情况，为电力系统的负荷调度和运营提供参考，提高电力系统的效率和稳定性。

18、优选地，步骤s17包括以下步骤：

19、步骤s171：对可再生能源数据进行能源类型分类整理，从而得到风能历史发电数据、水力历史发电数据以及光伏历史发电数据；

20、步骤s172：利用风能历史发电数据对考虑风速、风向因素的时序预测模型进行训练，得到风电模型参数数据；并根据风电模型参数数据对风能历史发电数据进行预测，从而得到风电供应预测数据；

21、步骤s173：利用水力历史发电数据对考虑降水量的回归预测模型进行训练，得到水电模型参数数据；并根据水电模型参数数据对水力历史发电数据进行预测，得到水力供应预测数据；

22、步骤s174：利用光伏历史发电数据对考虑经度纬度和天气因素的回归预测模型进行训练，得到光伏模型参数数据；并根据光伏模型参数数据对光伏历史发电数据进行预测，得到光伏供应预测数据；

23、步骤s175：对风电供应预测数据、水力供应预测数据以及光伏供应预测数据进行数据融合，从而得到电力供应预测数据。

24、本发明将可再生能源数据按照能源类型进行分类整理可以将不同能源类型的数据分开处理，提高数据的可读性和可用性。得到风能历史发电数据、水力历史发电数据和光伏历史发电数据可以分别针对每种能源类型进行预测和分析，为电力供应预测和调度提供更精确的数据。利用风能历史发电数据训练时序预测模型可以建立起风能发电量与风速、风向等因素之间的关系，提高对未来风能发电量的预测准确性。得到风电模型参数数据可以用于后续的风能预测，为电力供应预测和调度提供关于风电供应的数据。利用水力历史发电数据训练回归预测模型可以建立起水力发电量与降水量之间的关系，提高对未来水力发电量的预测准确性。得到水电模型参数数据可以用于后续的水力预测，为电力供应预测和调度提供关于水力供应的数据。利用光伏历史发电数据训练回归预测模型可以建立起光伏发电量与经度纬度、天气等因素之间的关系，提高对未来光伏发电量的预测准确性。得到光伏模型参数数据可以用于后续的光伏预测，为电力供应预测和调度提供关于光伏供应的数据。将风电供应预测数据、水力供应预测数据和光伏供应预测数据进行数据融合可以综合考虑不同可再生能源的贡献，得到更全面和准确的电力供应预测数据。电力供应预测数据可以为电力系统的负荷调度和运营提供有关各种可再生能源的预测信息，帮助优化电力系统的规划和运营。综上所述，以上步骤包括提高数据可读性和可用性、提高能源发电量的预测准确性、为电力供应预测和调度提供更精确和全面的数据，以及帮助优化电力系统的规划和运营。这些效果有助于提高可再生能源的利用效率，减少对传统能源的依赖，推动可持续发展。

25、优选地，步骤s2包括以下步骤：

26、步骤s21：采集微发电机组参数和运行记录以及能源储备设备的详细技术参数，得到分布式资源数据；

27、步骤s22：收集分布式资源数据中发电机组的历史发电量以及其对应的影响参数，从而得到发电资源历史数据；

28、步骤s23：对发电资源历史数据进行发电量函数构建，从而得到微发电机组的发电数学模型数据；

29、步骤s24：采集分布式资源数据中能源储备设备的历史储能状态以及其对应的影响参数，得到储能资源历史数据；

30、步骤s25：对储能资源历史数据进行储能状态函数构建，从而得到能源储备设备的储能数学模型数据；

31、步骤s26：对发电数学模型数据以及储能数学模型数据进行数据整合，得到资源数学模型数据；

32、步骤s27：根据资源数学模型数据、负荷趋势预测数据以及电力供应预测数据建立发电调度优化框架，得到初步优化框架数据。

33、本发明采集微发电机组参数和运行记录可以获取微发电机组的详细信息，包括型号、额定功率、运行状态等，为后续的发电量预测和调度提供基础数据。采集能源储备设备的详细技术参数可以了解储能设备的容量、效率等特性，为后续的储能状态模型构建和调度优化提供依据。收集发电机组的历史发电量可以了解微发电机组的发电能力和发电规律，为发电量预测和发电调度提供依据。收集发电机组的影响参数(如温度、湿度、辐射等)可以了解这些因素对发电量的影响程度，为后续的发电模型构建和调度优化提供依据。构建发电量函数可以建立微发电机组的发电量与影响参数之间的关系，进一步理解发电机组的发电规律和影响因素，为发电量预测和发电调度提供数学模型。采集能源储备设备的历史储能状态可以了解储能设备的充放电历史和能量存储能力，为储能状态模型构建和储能调度提供依据。收集能源储备设备的影响参数(如充电速率、放电速率等)可以了解这些因素对储能状态的影响程度，为后续的储能模型构建和调度优化提供依据。构建储能状态函数可以建立能源储备设备的储能状态与影响参数之间的关系，进一步理解储能设备的储能规律和影响因素，为储能状态预测和储能调度提供数学模型。将发电数学模型数据和储能数学模型数据进行整合可以综合考虑发电和储能的相互影响，为后续的发电调度和储能调度提供综合性的数学模型。建立发电调度优化框架可以综合考虑资源数学模型数据、负荷趋势预测数据和电力供应预测数据，以实现对发电机组和储能设备的优化调度。优化调度可以根据资源数学模型数据和预测数据，合理安排发电机组的发电量和储能设备的充放电状态，以实现供需平衡、最大化能源利用和经济效益的目标。通过建立初步优化框架数据，可以为后续的优化算法和决策提供基础，实现对分布式资源的高效管理和调度。

34、优选地，步骤s27包括以下步骤：

35、步骤s271：对资源数学模型数据中的资源点进行物理连接关系记录，从而得到电网拓扑结构数据；

36、步骤s272：根据资源数学模型数据对资源发电量和储能范围限制进行记录，得到资源运行约束数据；

37、步骤s273：基于电网拓扑结构数据将电力供应预测数据中的发电机组节点以及负荷趋势预测数据中的负荷节点进行数据引入，并根据资源运行约束数据对数据进行范围限定，得到初步优化框架数据。

38、本发明记录资源数学模型数据中的资源点之间的物理连接关系可以建立电网的拓扑结构，包括发电机组之间的连接和与负荷节点的连接，提供了电力系统的结构信息。电网拓扑结构数据对于电网调度和运行具有重要意义，可以用于分析电力流动、故障诊断、安全控制等方面。记录资源数学模型数据中的发电量和储能范围限制可以明确每个资源点的运行约束条件，包括最大发电容量、最小发电容量、最大储能容量、最小储能容量等，为后续的优化调度提供依据。资源运行约束数据对于优化调度具有重要作用，可以用于确保资源运行在安全范围内，避免超出其能力范围，同时满足电力供需平衡和其他约束条件。将电力供应预测数据和负荷趋势预测数据引入优化框架可以实现对发电机组和负荷的动态调度。根据资源运行约束数据对数据进行范围限定可以确保调度结果符合资源的运行约束条件，避免超出其能力范围。初步优化框架数据可以提供对发电机组的启动、停机和输出功率调整以及对负荷的供应调整等方面的决策依据，以实现电力系统的平衡和经济运行。综上所述，步骤s271至步骤s273建立电网拓扑结构数据、记录资源运行约束数据以及引入预测数据和限定数据范围，这些可以为后续的优化调度提供基础和指导，实现电力系统的高效管理和运行。