一种配电园区的能源管理方法与系统技术方案

本发明专利技术公开了一种配电园区的能源管理方法与系统，其中，该方法包括：按照配电园区中各用电负荷的特性进行分类；计算获得不可控负荷次日预测曲线与可调功率冷热负荷次日预测曲线；计算获得可移动负荷次日运行曲线与存储型负荷次日运行曲线，计算获得所述可移动负荷在需求侧响应下的开始工作时段值、所述存储型负荷在需求侧响应下的开始功率输出时段值、以及所述可中断负荷在需求侧响应下负荷降低值；对所有曲线与无优化策略下的用电情况进行比较性计算；对所有负荷的实际用电曲线与实际运行曲线与不参考需求响应下的用电情况进行比较性计算。

【技术实现步骤摘要】

本专利技术涉及电力控制与管理
，特别地，涉及一种配电园区的能源管理方法与系统。
技术介绍
随着智能电网建设的不断推进，储能设备、电动汽车、智能设备、智能家电、智能建筑等逐渐成为未来发展趋势，提高终端能源利用效率已经成为实现智能电网节能减排的重要内容之一。现有能效管理和业务流程尚不能适应这种发展需要，国内外对于终端能效的研究主要集中在设备节能方面，电力公司则将能效管理纳入需求侧管理范畴。前期的智能电网建设实践使得对终端能效管理有了进一步的认识，但是多集中在初步分析和政策响应方面，对于基于综合性多样性负荷能效优化和智能化需求响应的整体解决方案尚未出现。针对现有技术中对于基于综合性多样性负荷能效优化和智能化需求响应的整体解决方案缺失的问题，目前尚未有有效的解决方案。
技术实现思路
针对现有技术中对于基于综合性多样性负荷能效优化和智能化需求响应的整体解决方案缺失的问题，本专利技术的目的在于提出一种配电园区的能源管理方法与系统，能够为配电园区提供基于综合性多样性负荷能效优化和智能化需求响应的整体解决方案。基于上述目的，本专利技术提供的技术方案如下：根据本专利技术的一个方面，提供了一种配电园区的能源管理方法，包括：按照配电园区中各用电负荷的特性，将配电园区中的所有用电负荷分为存储型负荷、可移动负荷、可中断负荷、可调功率冷热负荷与不可控负荷；在预测日前一日，分别获取次日温度预测曲线、不可控负荷历史数据与可调功率冷热负荷历史数据，并根据次日温度预测曲线、不可控负荷历史功率数据与可调功率冷热负荷历史功率数据，计算获得不可控负荷次日预测曲线与可调功率冷热负荷次日预测曲线；在预测日前一日，分别获取光伏发电系统次日出力预测曲线、可中断负荷次日工作计划数据、可移动负荷用电特性数据、存储型负荷运行参数数据、最大用电功率限制、电价信息，并根据光伏发电系统次日出力预测曲线、可中断负荷次日工作计划数据、可移动负荷用电特性数据、存储型负荷运行参数数据、最大用电功率限制、电价信息、不可控负荷次日预测曲线与可调功率冷热负荷次日预测曲线，计算获得可移动负荷次日运行曲线与存储型负荷次日运行曲线；在预测日当日，分别获取电力公司当日发布的需求侧响应信息与可调功率冷热负荷当日允许的舒适度牺牲下的功率减少幅度，并根据光伏发电系统当日出力预测曲线、可中断负荷当日工作计划数据、不可控负荷当日预测曲线、可移动负荷用电特性数据、存储型负荷运行参数数据、最大用电功率限制、电价信息、电力公司当日发布的需求侧响应信息与可调功率冷热负荷当日允许的舒适度牺牲下的功率减少幅度，计算获得可移动负荷在需求侧响应下的开始工作时段值、存储型负荷在需求侧响应下的开始功率输出时段值、以及可中断负荷在需求侧响应下负荷降低值，并将计算结果以曲线形式输出；在预测日之后，获取光伏发电系统当日实际出力曲线、可中断负荷当日实际用电曲线、可移动负荷当日实际用电曲线、存储型负荷当日实际运行曲线、不可控负荷当日实际用电曲线、可调功率冷热负荷当日实际用电曲线，并将所有按照优化策略执行产生的实际用电曲线、实际出力曲线、实际运行曲线与无优化策略下的用电情况进行比较性计算；在预测日之后，根据所有按照需求侧响应策略执行产生的可中断负荷、可移动负荷、存储型负荷、以及可调功率冷热负荷的实际用电曲线与实际运行曲线与不参考需求响应下的用电情况进行比较比较性计算。其中，存储型负荷包括电储能负荷与冷热储能负荷，其中，冷热储能负荷包括冷储能负荷与热储能负荷；可调功率冷热负荷包括可调功率冷负荷与可调功率热负荷；在预测日前一日，计算获得可调功率冷热负荷次日预测曲线，为分别计算可调功率冷负荷次日预测曲线与可调功率热负荷次日预测曲线；在预测日前一日，计算获得存储型负荷次日运行曲线，为计算冷热储能负荷次日运行曲线，包括冷储能负荷次日运行曲线与热储能负荷次日运行曲线；在预测日当日，计算获得存储型负荷在需求侧响应下的开始功率输出时段值，为分别计算电储能负荷、冷储能负荷与热储能负荷在需求侧响应下的开始功率输出时段值。并且，在预测日前一日，根据次日温度预测曲线、不可控负荷历史功率数据与可调功率冷热负荷历史功率数据，计算获得不可控负荷次日预测曲线与可调功率冷热负荷次日预测曲线为：根据次日温度预测曲线与不可控负荷历史功率数据，使用基于灰色模型的预测方法计算获得不可控负荷次日预测曲线；并根据次日温度预测曲线与可调功率冷热负荷历史功率数据，使用基于灰色模型与神经网络组合的预测方法分别计算可调功率冷负荷次日预测曲线与可调功率热负荷次日预测曲线；在预测日前一日，根据光伏发电系统次日出力预测曲线、可中断负荷次日工作计划数据、可移动负荷用电特性数据、存储型负荷运行参数数据、最大用电功率限制、电价信息、不可控负荷次日预测曲线与可调功率冷热负荷次日预测曲线，计算获得可移动负荷次日运行曲线与存储型负荷次日运行曲线为：根据光伏发电系统次日出力预测曲线、可中断负荷次日工作计划数据、可移动负荷用电特性数据、存储型负荷运行参数数据、最大用电功率限制、电价信息、不可控负荷次日预测曲线与可调功率冷热负荷次日预测曲线，使用基于遗传算法的模型，分别计算出可移动负荷次日运行曲线、冷储能负荷次日运行曲线与热储能负荷次日运行曲线；在预测日当日，根据光伏发电系统当日出力预测曲线、可中断负荷当日工作计划数据、不可控负荷当日预测曲线、可移动负荷用电特性数据、存储型负荷运行参数数据、最大用电功率限制、电价信息、电力公司当日发布的需求侧响应信息与可调功率冷热负荷当日允许的舒适度牺牲下的功率减少幅度，计算获得可移动负荷在需求侧响应下的开始工作时段值、存储型负荷在需求侧响应下的开始功率输出时段值、以及可中断负荷在需求侧响应下负荷降低值，并将计算结果以曲线形式输出为：根据光伏发电系统当日出力预测曲线、可中断负荷当日工作计划数据、不可控负荷当日预测曲线、可移动负荷用电特性数据、存储型负荷运行参数数据、最大用电功率限制、电价信息、电力公司当日发布的需求侧响应信息，使用基于遗传算法的模型，并加入以可调功率冷热负荷当日允许的舒适度牺牲下的功率减少幅度为罚函数的修正影响，计算获得可移动负荷在需求侧响应下的开始工作时段值、存储型负荷在需求侧响应下的开始功率输出时段值、以及可中断负荷在需求侧响应下负荷降低值，并将计算结果以曲线形式输出。并且，基于遗传算法的模型为遗传算法的如下的适应函数模型：本文档来自技高网...

【技术保护点】
一种配电园区的能源管理方法，其特征在于，包括：按照配电园区中各用电负荷的特性，将所述配电园区中的所有用电负荷分为存储型负荷、可移动负荷、可中断负荷、可调功率冷热负荷与不可控负荷；在预测日前一日，分别获取次日温度预测曲线、不可控负荷历史数据与可调功率冷热负荷历史数据，并根据所述次日温度预测曲线、不可控负荷历史功率数据与可调功率冷热负荷历史功率数据，计算获得不可控负荷次日预测曲线与可调功率冷热负荷次日预测曲线；在预测日前一日，分别获取光伏发电系统次日出力预测曲线、可中断负荷次日工作计划数据、可移动负荷用电特性数据、存储型负荷运行参数数据、最大用电功率限制、电价信息，并根据所述光伏发电系统次日出力预测曲线、可中断负荷次日工作计划数据、可移动负荷用电特性数据、存储型负荷运行参数数据、最大用电功率限制、电价信息、不可控负荷次日预测曲线与可调功率冷热负荷次日预测曲线，计算获得可移动负荷次日运行曲线与存储型负荷次日运行曲线；在预测日当日，分别获取电力公司当日发布的需求侧响应信息与可调功率冷热负荷当日允许的舒适度牺牲下的功率减少幅度，并根据所述光伏发电系统当日出力预测曲线、可中断负荷当日工作计划数据、不可控负荷当日预测曲线、可移动负荷用电特性数据、存储型负荷运行参数数据、最大用电功率限制、电价信息、电力公司当日发布的需求侧响应信息与可调功率冷热负荷当日允许的舒适度牺牲下的功率减少幅度，计算获得所述可移动负荷在需求侧响应下的开始工作时段值、所述存储型负荷在需求侧响应下的开始功率输出时段值、以及所述可中断负荷在需求侧响应下负荷降低值，并将所述计算结果以曲线形式输出；在预测日之后，获取光伏发电系统当日实际出力曲线、可中断负荷当日实际用电曲线、可移动负荷当日实际用电曲线、存储型负荷当日实际运行曲线、不可控负荷当日实际用电曲线、可调功率冷热负荷当日实际用电曲线，并将所有按照优化策略执行产生的所述实际用电曲线、实际出力曲线、实际运行曲线与无优化策略下的用电情况进行比较性计算；在预测日之后，根据所有按照需求侧响应策略执行产生的所述可中断负荷、可移动负荷、存储型负荷、以及可调功率冷热负荷的实际用电曲线与实际运行曲线与不参考需求响应下的用电情况进行比较比较性计算。...

【技术特征摘要】
1.一种配电园区的能源管理方法，其特征在于，包括：
按照配电园区中各用电负荷的特性，将所述配电园区中的所有用电负荷
分为存储型负荷、可移动负荷、可中断负荷、可调功率冷热负荷与不可控负
荷；
在预测日前一日，分别获取次日温度预测曲线、不可控负荷历史数据与
可调功率冷热负荷历史数据，并根据所述次日温度预测曲线、不可控负荷历
史功率数据与可调功率冷热负荷历史功率数据，计算获得不可控负荷次日预
测曲线与可调功率冷热负荷次日预测曲线；
在预测日前一日，分别获取光伏发电系统次日出力预测曲线、可中断负
荷次日工作计划数据、可移动负荷用电特性数据、存储型负荷运行参数数
据、最大用电功率限制、电价信息，并根据所述光伏发电系统次日出力预测
曲线、可中断负荷次日工作计划数据、可移动负荷用电特性数据、存储型负
荷运行参数数据、最大用电功率限制、电价信息、不可控负荷次日预测曲线
与可调功率冷热负荷次日预测曲线，计算获得可移动负荷次日运行曲线与存
储型负荷次日运行曲线；
在预测日当日，分别获取电力公司当日发布的需求侧响应信息与可调功
率冷热负荷当日允许的舒适度牺牲下的功率减少幅度，并根据所述光伏发电
系统当日出力预测曲线、可中断负荷当日工作计划数据、不可控负荷当日预
测曲线、可移动负荷用电特性数据、存储型负荷运行参数数据、最大用电功
率限制、电价信息、电力公司当日发布的需求侧响应信息与可调功率冷热负
荷当日允许的舒适度牺牲下的功率减少幅度，计算获得所述可移动负荷在需
求侧响应下的开始工作时段值、所述存储型负荷在需求侧响应下的开始功率
输出时段值、以及所述可中断负荷在需求侧响应下负荷降低值，并将所述计
算结果以曲线形式输出；
在预测日之后，获取光伏发电系统当日实际出力曲线、可中断负荷当日
实际用电曲线、可移动负荷当日实际用电曲线、存储型负荷当日实际运行曲
线、不可控负荷当日实际用电曲线、可调功率冷热负荷当日实际用电曲线，
并将所有按照优化策略执行产生的所述实际用电曲线、实际出力曲线、实际
运行曲线与无优化策略下的用电情况进行比较性计算；
在预测日之后，根据所有按照需求侧响应策略执行产生的所述可中断负

\t荷、可移动负荷、存储型负荷、以及可调功率冷热负荷的实际用电曲线与实
际运行曲线与不参考需求响应下的用电情况进行比较比较性计算。
2.根据权利要求1所述的一种配电园区的能源管理方法，其特征在于，
所述存储型负荷包括电储能负荷与冷热储能负荷，其中，所述冷热储能
负荷包括冷储能负荷与热储能负荷；
所述可调功率冷热负荷包括可调功率冷负荷与可调功率热负荷；
所述在预测日前一日，计算获得可调功率冷热负荷次日预测曲线，为分
别计算可调功率冷负荷次日预测曲线与可调功率热负荷次日预测曲线；
所述在预测日前一日，计算获得存储型负荷次日运行曲线，为计算冷热
储能负荷次日运行曲线，包括冷储能负荷次日运行曲线与热储能负荷次日运
行曲线；
所述在预测日当日，计算获得所述存储型负荷在需求侧响应下的开始功
率输出时段值，为分别计算所述电储能负荷、冷储能负荷与热储能负荷在需
求侧响应下的开始功率输出时段值。
3.根据权利要求2所述的一种配电园区的能源管理方法，其特征在于，
所述在预测日前一日，根据所述次日温度预测曲线、不可控负荷历史功
率数据与可调功率冷热负荷历史功率数据，计算获得不可控负荷次日预测曲
线与可调功率冷热负荷次日预测曲线为：根据所述次日温度预测曲线与不可
控负荷历史功率数据，使用基于灰色模型的预测方法计算获得不可控负荷次
日预测曲线；并根据所述次日温度预测曲线与可调功率冷热负荷历史功率数
据，使用基于灰色模型与神经网络组合的预测方法分别计算可调功率冷负荷
次日预测曲线与可调功率热负荷次日预测曲线；
所述在预测日前一日，根据所述光伏发电系统次日出力预测曲线、可中
断负荷次日工作计划数据、可移动负荷用电特性数据、存储型负荷运行参数
数据、最大用电功率限制、电价信息、不可控负荷次日预测曲线与可调功率
冷热负荷次日预测曲线，计算获得可移动负荷次日运行曲线与存储型负荷次
日运行曲线为：根据所述光伏发电系统次日出力预测曲线、可中断负荷次日
工作计划数据、可移动负荷用电特性数据、存储型负荷运行参数数据、最大
用电功率限制、电价信息、不可控负荷次日预测曲线与可调功率冷热负荷次
日预测曲线，使用基于遗传算法的模型，分别计算出可移动负荷次日运行曲
线、冷储能负荷次日运行曲线与热储能负荷次日运行曲线；
所述在预测日当日，根据所述光伏发电系统当日出力预测曲线、可中断
负荷当日工作计划数据、不可控负荷当日预测曲线、可移动负荷用电特性数
据、存储型负荷运行参数数据、最大用电功率限制、电价信息、电力公司当
日发布的需求侧响应信息与可调功率冷热负荷当日允许的舒适度牺牲下的功
率减少幅度，计算获得所述可移动负荷在需求侧响应下的开始工作时段值、
所述存储型负荷在需求侧响应下的开始功率输出时段值、以及所述可中断负
荷在需求侧响应下负荷降低值，并将所述计算结果以曲线形式输出为：根据
所述光伏发电系统当日出力预测曲线、可中断负荷当日工作计划数据、不可
控负荷当日预测曲线、可移动负荷用电特性数据、存储型负荷运行参数数
据、最大用电功率限制、电价信息、电力公司当日发布的需求侧响应信息，
使用基于遗传算法的模型，并加入以可调功率冷热负荷当日允许的舒适度牺
牲下的功率减少幅度为罚函数的修正影响，计算获得所述可移动负荷在需求
侧响应下的开始工作时段值、所述存储型负荷在需求侧响应下的开始功率输
出时段值、以及所述可中断负荷在需求侧响应下负荷降低值，并将所述计算
结果以曲线形式输出。
4.根据权利要求3所述的一种配电园区的能源管理方法，其特征在于：
所述基于遗传算法的模型为遗传算法的如下的适应函数模型：
fit(z)=(C0-C(z))3ifC0>C(z)0ifC0≤C(z)]]>其中，fit(z)为适应函数，z为决策变量，C(z)为决策变量下的购电成
本，C0为优化前购电成本；
所述基于遗传算法的模型的罚函数的修正影响为如下的罚函数模型：
fit(z)=(C0-C(z)-f(z))3ifC0-f(z)>C(z)0ifC0-f(z)≤C(z)]]>其中，所述f(z)＝weight×Σpricei×loadbeyondi，其中，z为决策变量，
weight为权重系数，pricei为i时段电价，loadbeyondi为i时段越限值。
5.根据权利要求1-4中任意一项所述的一种配电园区的能源管理方法，
其特征在于，所述使用基于灰色模型的预测方法、所述使用基于灰色模型与
神经网络组合的预测方法、所述使用基于遗传算法的模型、以及所属使用基
于遗传算法的模型并加入以可调功率冷热负荷当日允许的舒适度牺牲下的功
率减少幅度为罚函数的确定适应函数的修正影响进行计算，为以购电成本最

\t低为最终目标进行计算。
6.根据权利要求1-4中任意一项所述的一种配电园区的能源管理方法，
其特征在于，所有计算获得的所述曲线的有效点数据间隔为15分钟。
7.一种配电园区的能源管理系统，其特征在于，包括：
负荷分类模块，所述负荷分类模块按照配电园区中各用电负荷的特性，
将所述...

【专利技术属性】
技术研发人员：陈海波，谢迎新，王风雨，刘茵，包海龙，方陈，雷珽，
申请(专利权)人：国家电网公司，国网上海市电力公司，国网电力科学研究院，北京国电通网络技术有限公司，
类型：发明
国别省市：北京;11