智能电网的储能调度方法和装置制造方法及图纸

本发明专利技术涉及一种智能电网的储能调度方法和装置，该方法包括：获取智能电网中的风力发电机不确定模型、负荷不确定性模型以及电动汽车充电不确定性模型；智能电网中包含风力发电机、储能装置以及电动汽车充电站；采用基于四阶Gram‑Charlier级数展开式的两点估计法对智能电网进行随机潮流计算，并对随机潮流计算结果进行随机采样，获得期望潮流分布；依据期望潮流分布确定约束条件，采用基于分段惯性递减权重的粒子群算法，对预先建立的目标函数进行求解，获得满足约束条件的最优储能调度方案；依据最优储能调度方案对储能装置进行调度。本发明专利技术能够有效抑制智能电网的不确定性，使智能电网安全、稳定地运行。

【技术实现步骤摘要】

本专利技术涉及智能电网领域，特别是涉及一种智能电网的储能调度方法和装置。
技术介绍
伴随着智能电网技术的日益成熟，风力发电、电动汽车领域发展迅猛，二者的随机性特点必然给智能电网的运行带来诸多不确定因素，而在智能电网中接入储能单元可以减小上述不确定性带来的风险。随机潮流是电力系统稳态运行的一种宏观统计方法，用概率论来表述系统运行中的不确定性，可计算出系统稳态运行的整体样本信息，随着风力发电、电动汽车等随机因素单元的大规模并入电网，电力系统的不确定性愈专利技术显，因此，在随机潮流的基础上研究智能电网的安全运行特性更贴合实际工况。目前在计算随机潮流与储能优化领域已有诸多研究成果。但目前研究出的储能调度方法其精确度和效率均较低，不利于抑制智能电网的不确定性。
技术实现思路
基于此，本专利技术提供一种智能电网的储能调度方法和装置，优化智能电网中的储能调度，抑制智能电网的不确定性。为实现上述目的，本专利技术实施例采用以下技术方案：一种智能电网的储能调度方法，包括如下步骤：获取智能电网中的风力发电机不确定模型、负荷不确定性模型以及电动汽车充电不确定性模型；所述智能电网中包含风力发电机、储能装置以及电本文档来自技高网...

【技术保护点】
一种智能电网的储能调度方法，其特征在于，包括如下步骤：获取智能电网中的风力发电机不确定模型、负荷不确定性模型以及电动汽车充电不确定性模型；所述智能电网中包含风力发电机、储能装置以及电动汽车充电站；根据所述风力发电机不确定模型、负荷不确定性模型以及电动汽车充电不确定性模型，采用基于四阶Gram‑Charlier级数展开式的两点估计法对所述智能电网进行随机潮流计算，并对随机潮流计算结果进行随机采样，获得期望潮流分布；依据所述期望潮流分布确定约束条件，采用基于分段惯性递减权重的粒子群算法，对预先建立的目标函数进行求解，获得满足所述约束条件的最优储能调度方案；依据所述最优储能调度方案对所述智能电网中的...

【技术特征摘要】
1.一种智能电网的储能调度方法，其特征在于，包括如下步骤：获取智能电网中的风力发电机不确定模型、负荷不确定性模型以及电动汽车充电不确定性模型；所述智能电网中包含风力发电机、储能装置以及电动汽车充电站；根据所述风力发电机不确定模型、负荷不确定性模型以及电动汽车充电不确定性模型，采用基于四阶Gram-Charlier级数展开式的两点估计法对所述智能电网进行随机潮流计算，并对随机潮流计算结果进行随机采样，获得期望潮流分布；依据所述期望潮流分布确定约束条件，采用基于分段惯性递减权重的粒子群算法，对预先建立的目标函数进行求解，获得满足所述约束条件的最优储能调度方案；依据所述最优储能调度方案对所述智能电网中的所述储能装置进行调度。2.根据权利要求1所述的智能电网的储能调度方法，其特征在于，采用基于分段惯性递减权重的粒子群算法，对依据所述期望潮流分布建立的目标函数进行求解的过程包括：所述基于分段惯性递减权重的粒子群算法的迭代次数为1000，在前700次迭代中采用二次非线性惯性递减权重对所述目标函数进行寻优，在后300次迭代中采用线性惯性递减权重对所述目标函数进行寻优。3.根据权利要求1或2所述的智能电网的储能调度方法，其特征在于，所述目标函数为：F＝min(λ1·f1+λ2·f2+λ3·f3)其中，f1为所述智能电网的运行成本函数，f2为所述智能电网的供缺电量成本函数，f3为所述智能电网的储能装置成本函数，λ1、λ2、λ3均为权重系数，且满足λ1+λ2+λ3＝1。4.根据权利要求3所述的智能电网的储能调度方法，其特征在于，λ1为0.55，λ2为0.22，λ3为0.23。5.根据权利要求1所述的智能电网的储能调度方法，其特征在于，所述约束条件包括潮流等式约束条件、节点电压约束条件、功率约束条件、储能装置荷电状态约束条件以及储能装置能量平衡约束条件。...

【专利技术属性】
技术研发人员：刘晓华，黄静，谢志文，曾庆辉，陈志平，
申请(专利权)人：广东电网有限责任公司佛山供电局，
类型：发明
国别省市：广东;44