一种园区实时发-供-用电平衡方法、装置、设备及介质与流程

本发明属于综合能源系统优化，具体涉及一种园区实时发-供-用电平衡方法、装置、设备及介质。

背景技术：

1、目前，园区作为产业发展的重要载体，在推动产业绿色化发展方面作用重大。园区实时发供用电平衡是指在园区内，通过实时监测和控制发电和用电设备的运行状态，确保发电的电量与负荷的电量相等，实现电力供需的动态平衡。通过实时匹配供应和需求，确保只在需要时发电，进而提高能源利用效率，降低能源成本。发展园区实时发供用电平衡是降低碳排放，实现园区绿色发展的有效途径。

2、此外，园区内可能存在多个能源需求源，如工厂、办公楼等。这些源的能源需求可能随时间、季节或天气、生产计划的变化而波动。为了针对这些不确定性，减少不必要的能源生产和传输，从而降低碳排放和其他污染物排放，同时确保电网的稳定运行，减少电压波动和频率偏差，提高电力系统的可靠性,需要对这些源的能源需求进行精确预测和管理，提出最优策略，实现园区实时发-供-用电平衡。

3、然而，现有的电力技术里大多数只是针对发-用电平衡方法进行研究，忽略了供电环节在实时动态平衡中的作用。供电环节的参与能够进一步实现电力的合理分配和调度，可以推动园区实现实时发-供-用电平衡，提高园区的能源利用效率和经济效益，进而降低碳排放。

4、综上，现有的实时动态平衡方法和策略无法充分解决园区内部能源浪费和碳排放量多的问题。

技术实现思路

1、本发明的目的在于提供一种园区实时发-供-用电平衡方法、装置、设备及介质，以解决上述背景中提出现有的园区发-供-用电平衡方法中，园区内部能源浪费和碳排放量多的问题。

2、为了实现上述目的，本发明采用如下技术方案：

3、本发明第一方面，提供了一种园区实时发-供-用电平衡方法，包括如下步骤：

4、获取园区历史相关数据，将所述园区历史相关数据输入预设的负荷预测模型，所述负荷预测模型输出日内超短期负荷预测值；其中，所述负荷预测模型基于bilstm网络与ceemdan算法；

5、获取预先确定的日前调度计划以及日内调度计划；确定所述日内超短期负荷预测值与日前调度计划的第一偏差，基于所述第一偏差构建联合优化模型；获取园区的实时状态下实际负荷，确定所述实时状态下实际负荷与日内调度计划的第二偏差，基于所述第二偏差建立实时市场购电模型；

6、基于所述联合优化模型和实时市场购电模型，构建得到园区实时发-供-用电调度模型；

7、求解所述园区实时发-供-用电调度模型，获得园区运营商成本最优的调度策略。

8、进一步的，将所述园区历史相关数据输入预设的负荷预测模型，所述负荷预测模型输出日内超短期负荷预测值，包括：

9、基于园区历史相关数据构建数据集，将所述数据集划分为训练集、验证集和测试集；

10、建立第一bilstm网络，使用训练集对第一bilstm网络进行学习和训练，待模型收敛后，利用第一bilstm网络分别对验证集和测试集进行预测，得到验证集初始预测值p′v和测试集初始预测值p′t；计算验证集实际值pv与验证集初始预测值p′v之差，得到验证集误差序列pe；

11、建立基于ceemdan-bilstm网络的误差预测模型，在误差预测模型中，使用ceemdan算法将验证集误差序列pe分解为若干个误差分量，对各个误差分量分别建立第二bilstm网络进行预测，将预测结果累加得到误差预测值p′e；

12、将测试集初始预测值p′t和误差预测值p′e进行加和，得到日内超短期负荷预测值。

13、进一步的，基于园区历史相关数据构建数据集，包括：

14、采用最大信息系数法，计算园区历史相关数据中各影响因素与配电网负荷的非线性关系，基于非线性关系确定满足预设标准的筛选后影响因素，基于筛选后影响因素构建数据集。

15、进一步的，所述园区历史相关数据中各影响因素至少包括如下：

16、历史负荷、天气类型、日最高气温、日最低气温、日平均气温和日期类型。

17、进一步的，确定所述日内超短期负荷预测值与日前调度计划的第一偏差，基于所述第一偏差构建联合优化模型，包括：

18、当日内超短期负荷预测值多于日前调度计划而造成第一偏差时，通过储能、光伏、用户dr调度联合优化模型进行弥补；

19、联合优化模型的目标函数如下

20、

21、其中，表示园区i的联合优化成本，表示园区i光伏发电运行成本，表示园区i的储能设备运行成本，表示园区i的需求响应调度成本；

22、联合优化模型的约束条件包括：光伏发电上、下限约束，储能充放电上、下限约束，储能存储容量上、下限约束，储能充、放电状态约束，二进制变量约束，可时移负荷上、下限约束，中断负荷上下限约束。

23、进一步的，确定所述实时状态下实际负荷与日内调度计划的第二偏差，基于所述第二偏差建立实时市场购电模型，包括：

24、当实时状态下实际负荷小于日内调度计划时，造成第二偏差，同时无法用联合优化模型对第二偏差进行弥补时，从现货市场进行额外购电；

25、实时市场购电模型如下：

26、

27、其中，表示实时市场购能成本；表示园区i在实时市场单位购能价格；表示园区i在t时刻需要的实时购能量。

28、进一步的，基于所述联合优化模型和实时市场购电模型，构建得到园区实时发-供-用电调度模型，包括：

29、园区实时发-供-用电调度模型如下：

30、

31、其中，表示园区i的联合优化成本，包括光伏发电运行成本、储能设备运行成本，以及用户dr调度成本；表示实时市场购电成本。

32、本发明第二方面，提供了一种园区实时发-供-用电平衡装置，包括：

33、负荷预测模块，用于获取园区历史相关数据，将所述园区历史相关数据输入预设的负荷预测模型，所述负荷预测模型输出日内超短期负荷预测值；其中，所述负荷预测模型基于bilstm网络与ceemdan算法构建得到；

34、第一模型构建模块，用于获取预先确定的日前调度计划以及日内调度计划；确定所述日内超短期负荷预测值与日前调度计划的第一偏差，基于所述第一偏差构建联合优化模型；获取园区的实时状态下实际负荷，确定所述实时状态下实际负荷与日内调度计划的第二偏差，基于所述第二偏差建立实时市场购电模型；

35、第二模型构建模块，用于基于所述联合优化模型和实时市场购电模型，构建得到园区实时发-供-用电调度模型；

36、模型求解模块，用于求解所述园区实时发-供-用电调度模型，获得园区运营商成本最优的调度策略。

37、本发明第三方面，提供了一种电子设备，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如上述的园区实时发-供-用电平衡方法。

38、本发明第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如上述的园区实时发-供-用电平衡方法。

39、与现有技术相比较，本发明的有益效果如下：

40、本发明所提供的园区实时发-供-用电平衡方法，获取园区历史相关数据，运用bilstm网络与ceemdan算法的组合模型对园区进行日内超短期的负荷预测；基于日内超短期负荷预测值与日前调度计划的偏差，建立储能、光伏、用户dr联合优化模型，并基于实时状态下实际负荷与日内计划的偏差，建立实时市场购电模型；根据联合优化模型和实时市场购电模型，进一步构建园区实时发-供-用电调度模型；求解模型以获得园区运营商成本最优的调度策略，进行用户决策。通过日内超短期负荷的预测，计及园区发电、储能、电力用户等多元主体，考虑负荷、电力电量平衡等约束条件，建立园区实时发-供-用电调度模型，并对园区实时发-供-用电调度模型进行求解，减少预测值与实际值偏差带来的费用风险，能够确保园区内实时发电出力、供电和用电负荷三个环节的平衡，进而减少能量的浪费和碳排放，实现园区绿色发展。本发明提供的一种园区实时发-供-用电平衡装置、电子设备和计算机可读存储介质同样解决了背景技术部分提出的问题。