【技術實現步驟摘要】
本專利技術涉及能源管理和電力調度，更具體地說，本專利技術涉及分布式能源并網調度優化管理系統。
技術介紹
1、隨著可再生能源的快速發展，尤其是風能、太陽能、以及儲能系統等分布式能源的大規模接入，智能電網和微電網的管理和調度運用傳統的電力調度方法導致能源利用效率低、資源浪費嚴重以及電網運行不穩定。
2、目前，雖然有一些基于傳統算法的調度優化方法，并在一定程度上實現了分布式能源與電網的連接，提高能源供應可靠性、促進可再生能源消納等方面發揮了積極作用，通過采用傳統的電力電子變換器實現分布式能源的電能轉換，使其能夠滿足電網接入的基本要求；同時，利用簡單的監控系統對分布式能源的運行狀態進行監測，為電網調度人員提供了一定的決策依據。
3、但是其在實際使用時，仍舊存在一些缺點，如缺乏對分布式能源特性進行動態調整和智能化管理的有效應對機制；分布式能源發電功率的實時變化難以準確預測；不能充分考慮分布式能源之間以及分布式能源與整個電網系統之間的協同效應。
技術實現思路
1、為了克服現有技術的上述缺陷，本專利技術提供分布式能源并網調度優化管理系統，通過以下方案，以解決上述
技術介紹
中提出的問題。
2、為實現上述目的，本專利技術提供如下技術方案：分布式能源并網調度優化管理系統，包括系統運行數據庫、系統中央處理模塊和用戶信息端，還包括：
3、實時監控采集模塊：用于通過在目標電網布設傳感器和智能電表，實時采集第一分布式能源，并傳輸至分布式能源特性感知模塊和智能調度優
4、分布式能源特性感知模塊：用于對實時監控采集模塊中傳輸的第一分布式能源進行特性感知操作，特性感知操作用于獲取第一分布式能源對應的第一能源特性，并傳輸至數據處理模塊；
5、數據處理模塊：用于獲取分布式能源調度分析模型，根據分布式能源調度分析模型通過分布式能源特性感知模塊傳輸的第一能源特性，獲取第二分布式能源，并傳輸至分布式能源性能預測模塊；
6、分布式能源性能預測模塊：用于根據數據處理模塊獲取的分布式能源調度分析模型，通過第二分布式能源，以預測分布式能源的性能，獲取第二分布式能源對應的第二能源特性，并傳輸至智能調度優化模塊；
7、智能調度優化模塊：用于對實時監控采集模塊傳輸的第一能源特性和分布式能源性能預測模塊傳輸的第二能源特性進行調度優化操作，調度優化操作用于獲取第二能源特性對應的最優調度策略，并傳輸至故障自診斷與自恢復模塊和分布式能源智能維護管理模塊；
8、故障自診斷與自恢復模塊：用于通過故障監測操作，實時監測目標電網的運行狀態，并診斷故障，故障監測操作用于獲取第三分布式能源，并傳輸至數據處理模塊；
9、分布式能源智能維護管理模塊：基于智能調度優化模塊傳輸的第二能源特性對應的最優調度策略，向用戶界面輸出智能維護管理報告；
10、所述系統運行數據庫是包括分布式能源并網調度優化管理系統的所有數據文本，且實時收集各模塊輸出的信息文本，所述系統中央處理模塊用于中控系統中各模塊輸出的信息文本指令，所述用戶信息端為接收分布式能源并網調度優化管理系統的信息輸出設備。
11、優選的，所述實時監控采集模塊，第一分布式能源包括環境數據、分布式能源輸出數據、以及電氣設備狀態，其中環境數據包括氣象數據、環境濕度、以及環境溫度；分布式能源輸出數據包括各分布式能源輸出電荷數據；電氣設備狀態包括各電氣設備的電壓、電流、以及功率。
12、優選的，所述分布式能源特性感知模塊，特性感知操作的步驟如下：
13、關鍵特性信息整理：對第一分布式能源以時間為橫軸，發電功率為縱軸的離散數據序列進行初步整理；
14、處理異常數據：檢查數據的完整性與準確性，采用自適應濾波算法處理數據的噪聲和誤差，并采用線性插值法對少量缺失數據進行補充；
15、特性分析：根據不同類型分布式能源的特性分析需求進行針對性處理；
16、特性分析數據傳輸與可視化處理：采用動態可視化技術設置可視化布局，并通過高速通信5g網絡進行傳輸。
17、優選的，所述數據處理模塊，獲取第二分布式能源，具體包括：
18、基于第一能源特性和系統運行數據庫中對應歷史數據，設置輸入模型的數據集，記為ec＝ec1，ec2，…，ecn，其中，n表示為輸入模型的數據集存在數據信息的總數，且輸入模型的數據集對應的各eci表示為d-維向量，i表示為輸入模型的數據集中對應數據信息的索引，d表示為輸入模型的數據集的特征維度；
19、設置輸入模型的數據集中對應數據信息對應的目標標簽，記為tec＝tec1，tec2，…，tecn，其中，n表示為輸入模型的數據集存在數據信息的總數，且各目標標簽teci為標量，i表示為輸入模型的數據集中對應數據信息的索引；
20、初始化輸入層到隱藏層的權重矩陣w，具體表示為：w∈rl×d，其中，r表示為實數集，l表示為偏置向量中的元素個數，d表示為輸入模型的數據集的特征維度；
21、初始化輸入層到隱藏層的偏置向量b，具體表示為：b∈rl，其中，r表示為實數集，l表示為偏置向量中的元素個數。
22、優選的，所述數據處理模塊，獲取第二分布式能源，具體包括：
23、通過最小化均方誤差計算分布式能源調度分析模型對應輸出層權重β，具體表示為：
24、β＝(hth)-1hth，
25、其中，β∈rl，即從隱藏層輸出到輸出層的權重中取值，h表示為隱藏層輸出矩陣，且矩陣行表示輸入數據樣本，矩陣列表示隱藏層神經元的輸出；
26、基于分布式能源調度分析模型對應輸出層權重β和隱藏層輸出矩陣h，計算分布式能源調度分析模型的預測值aec，具體表示為：
27、aec＝f(w×ec+b)·h·β，
28、其中，ec表示為輸入模型的數據集，w表示為輸入層到隱藏層的權重矩陣，b表示為輸入層到隱藏層的偏置向量，f表示為分布式能源調度分析模型對應預測值的激活函數。
29、優選的，所述數據處理模塊，獲取第二分布式能源，具體包括：
30、確定調度與優化目標；初始化粒子；更新粒子的速度和位置：基于粒子的個體最優解和全局最優解更新粒子的速度，粒子的速度更新公式，具體表示為：
31、vj(t+1)＝iw·vj(t)+c1·r1·(pj-xj(t))+c2·r2·(g*-xj(t))，
32、其中，vj(t+1)表示為第j個粒子在第t+1次迭代的速度，iw表示為慣性權重，vj(t)表示為第j個粒子在第t次迭代的速度，c1，c2表示為學習因子，r1，r2表示為[0，1]之間的隨機數；pj表示為第j個粒子的個體最優位置；g*表示為全局最優位置；xj(t)表示為第j個粒子在第t次迭代的位置；
33、基于粒子的更新速度，粒子的位置更新公式，具體表示為：
34、xj(t+1)＝xj(t)+vj(t+1)，
<本文檔來自技高網...【技術保護點】
1.分布式能源并網調度優化管理系統，包括系統運行數據庫、系統中央處理模塊和用戶信息端，其特征在于，還包括：
2.根據權利要求1所述的分布式能源并網調度優化管理系統，其特征在于：所述實時監控采集模塊，第一分布式能源包括環境數據、分布式能源輸出數據、以及電氣設備狀態，其中環境數據包括氣象數據、環境濕度、以及環境溫度；分布式能源輸出數據包括各分布式能源輸出電荷數據；電氣設備狀態包括各電氣設備的電壓、電流、以及功率。
3.根據權利要求1所述的分布式能源并網調度優化管理系統，其特征在于：所述分布式能源特性感知模塊，特性感知操作的步驟如下：
4.根據權利要求1所述的分布式能源并網調度優化管理系統，其特征在于：所述數據處理模塊，獲取第二分布式能源，具體包括：
5.根據權利要求4所述的分布式能源并網調度優化管理系統，其特征在于：所述數據處理模塊，獲取第二分布式能源，具體包括：
6.根據權利要求4所述的分布式能源并網調度優化管理系統，其特征在于：所述數據處理模塊，獲取第二分布式能源，具體包括：
7.根據權利要求1所述的分布式能
8.根據權利要求1所述的分布式能源并網調度優化管理系統，其特征在于：所述智能調度優化模塊，最優調度策略包括分布式能源發電功率分配策略、儲能設備充放電策略、以及電網負荷調節策略。
...【技術特征摘要】
1.分布式能源并網調度優化管理系統，包括系統運行數據庫、系統中央處理模塊和用戶信息端，其特征在于，還包括：
2.根據權利要求1所述的分布式能源并網調度優化管理系統，其特征在于：所述實時監控采集模塊，第一分布式能源包括環境數據、分布式能源輸出數據、以及電氣設備狀態，其中環境數據包括氣象數據、環境濕度、以及環境溫度；分布式能源輸出數據包括各分布式能源輸出電荷數據；電氣設備狀態包括各電氣設備的電壓、電流、以及功率。
3.根據權利要求1所述的分布式能源并網調度優化管理系統，其特征在于：所述分布式能源特性感知模塊，特性感知操作的步驟如下：
4.根據權利要求1所述的分布式能源并網調度優化管理系統，其特征在于：所述數據...
【專利技術屬性】
技術研發人員：王博東，史隊宗，
申請(專利權)人：青島智晟智能裝備有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。