一种面向新能源并网的动态负载管理方法及系统技术方案

本发明专利技术涉及一种面向新能源并网的动态负载管理方法及系统，该方法包括：根据新能源电站的发电量和负载的负载量，采用潮流算法得到包括所述新能源电站和负载的电网系统的损耗；针对以负载的负载量为个体构建的种群，采用随机算法计算每一代种群中各个个体的适应度，将最大适应度对应的个体中负载的负载量作为所述负载的负载量，其中，所述随机算法中采用的适应度函数是基于电网损耗和所有负载的负载量之和与新能源电站发电量间的残差构建的。本发明专利技术采用随机算法设计得到的最优负载分配策略，可在有新能源并网输入和动态可调负载的电网系统中实现负载动态、合理地分配，并且获得最小的电网损耗，节约操作成本。

【技术实现步骤摘要】
一种面向新能源并网的动态负载管理方法及系统
本专利技术涉及电网优化领域，具体涉及一种面向新能源并网的动态负载管理方法及系统。
技术介绍
随着绿色新能源的开发与使用，新能源发电和并网的问题得到越来越多的关注。据预测，到2020年底，国内总的太阳能发电量将到达150GW。新能源发电虽然对未来的环境和人们的生活有着重要的意义，但由于其不稳定性和间歇性的问题，因此新能源发电并网仍然存在诸多困难。当大规模可再生能源发电并入电网时，电网的潮流分布将发生变化，潮流可能发生逆转。同时还会产生电压波动、电压超限等问题，影响电网安全可靠运行。为了维持电网的稳定运行，传统的电网通常采用被动式调整模型即供电随用电所需而调整。例如，将大容量电池作为储能元件与相应的控制策略相结合，可以实现电网的稳定。然而这种被动的方式会增加电网操作。
技术实现思路
针对上述技术问题，本专利技术提供一种面向新能源并网的动态负载管理方法及系统。本专利技术解决上述技术问题的技术方案如下：一种面向新能源并网的动态负载管理方法，包括：根据新能源电站的发电量和负载的负载量，采用潮流算法得到包括所述新能源电站和负载的电网系统的损耗；针对以负载的负载量为个体构建的种群，采用随机算法计算每一代种群中各个个体的适应度，将最大适应度对应的个体中负载的负载量作为所述负载的负载量，其中，所述随机算法中采用的适应度函数是基于电网损耗和所有负载的负载量之和与新能源电站发电量间的残差构建的。为实现上述专利技术目的，本专利技术还提供一种面向新能源并网的动态负载管理系统，包括：损耗计算模块，用于根据新能源电站的发电量和负载的负载量，采用潮流算法得到包括所述新能源电站和负载的电网系统的损耗；适应度计算模块，用于针对以负载的负载量为个体构建的种群，采用随机算法计算每一代种群中各个个体的适应度，将最大适应度对应的个体中负载的负载量作为所述负载的负载量，其中，所述随机算法中采用的适应度函数是基于电网损耗和所有负载的负载量之和与新能源电站发电量间的残差构建的。本专利技术的有益效果是：采用随机算法设计得到的最优负载分配策略，可在有新能源并网输入和动态可调负载的电网系统中实现负载动态、合理地分配，并且获得最小的电网损耗，节约操作成本。附图说明图1为本专利技术实施例提供的一种面向新能源并网的动态负载管理方法的流程图；图2为本专利技术实施例采用的Case_ieee30网络结构拓扑图；图3为太阳能发电站的发电量变化曲线图；图4为三种仿真情况下的网损对比图；图5为不同灵敏度下损耗对比图；图6为不同时延下损耗对比图。具体实施方式以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。本专利技术适用于包含新能源并网输入和功率可调负载的电网系统，例如，在电网系统中接入一个可能会引起电网功率震荡输入的大型的太阳能发电站，为了消耗由太阳能发电站产生的多余的电量，多个数据中心可以被建立并连接到电网中不同的位置作为功率可调的负载。本专利技术所解决的问题是确定数据中心应该消耗多少电能，并以实时的方式进行相应的调整。假设有n个数据中心放在电网中，太阳能发电量表示为PS，第i个数据中心的负载量由Li表示。最终，总的系统损耗会被它们影响，记为一个损耗函数，那么，所有数据中心的负载量等于太阳能发电量，即满足下式：此外还要保证在所有的母线和支路上都没有任何越限情况。图1为本专利技术实施例提供的一种面向新能源并网的动态负载管理方法的流程图，如图1所示，该方法包括：S1、根据新能源电站的发电量和负载的负载量，采用潮流算法得到包括所述新能源电站和负载的电网系统的损耗；具体的，本实施例中的电网系统采用选取IEEE30母线系统作为测试用例，该用例的网络拓扑图如图2所示。case_ieee30数据集是从IEEE公共数据格式转换而来的。其中，为了模拟系统的负载，使用恒功率。负载分别连接到21个总线，如图2中箭头所示。IEEE30用例中含有6个发电机，分别连接在1、2、5、8、11和13号节点上，其中1号节点是平衡节点。该系统中所有母线两两连接一共有41条支路。每条支路都有各自的线载容量限制。基于这些限制，我们会检测可能的越限情况。更重要的是，当能量在支路上传递的时候，每条支路上都会产生一些损耗，而在我们接下来的实验中我们会使用所有支路上的损耗和作为主要的标准。太阳能发电站的发电量可以作为一个函数，并且用公式(2)描述其中，M是是光伏电板的数量，Ap是每片光伏板的表面积，φ是太阳辐射量、ηp表示光伏面板的效率,ηDC表示最大功率跟踪器的效率。在这些因素中,φ本质上是随机的,将会受到季节的影响,太阳辐射、温度和压力等。本实施例中将数据中心视为电网系统中大型的不可忽略的负载，数据中心的容量通常描述其运行峰值负载时的功耗，从而充分利用。当在某一位置放置一数据中心的时候，它连接到与数据中心所在区域对应的总线。然后，该总线的负载应由原负载和数据中心的当前负载相加，如下所示:其中Pi和Qi分别代表母线i处的有功和无功功率，N代表电网中的总线个数。和分别代表数据中心的有功和无功功率。本实施例中，可选取MATpower来仿真电网的运行。MATpower是一套求解稳态电力系统仿真软件，通过输入整个网络的结构系统参数(包括母线、支路、发电机三个表)，可得到相应的输出，包括程序运行信息，系统概述，母线数据，支路数据，一共四个表格，通过使用MATpower中运行的潮流算法，能够针对不同的负载量得出相应的电网系统损耗。S2、针对以负载的负载量为个体构建的种群，采用随机算法计算每一代种群中各个个体的适应度，将最大适应度对应的个体中负载的负载量作为所述负载的负载量，其中，所述随机算法中采用的适应度函数是基于电网损耗和所有负载的负载量之和与新能源电站发电量间的残差构建的。具体的，本实施例中采用随机算法来实现最优负载分配策略，以获得最小的损耗。在计算机科学和运筹学研究中，遗传算法(GA)是一种元启发式算法，受自然选择过程的启发，属于进化算法(EA)的更大类别。遗传算法通常通过依赖于突变、交叉和选择等生物启发操作符来生成优化和搜索问题的高质量解决方案[22]。遗传算法作为随机算法中的一种，擅长解决全局优化问题并且通常被用来解决一些较为实际的问题。本实施例中的随机算法可采用遗传算法并调用‘DEAP’包,这是一种新的进化计算框架，用于快速原型设计和思想测试，以获得最佳的负载分配策略。遗传算法的计算步骤如下：(1)随机初始化种群(t)(2)确定种群中各个个体的适应度(t)(3)重复以下步骤1)从种群中挑选双亲(t)2)交叉双亲得到新的种群(t+1)3)种群变异(t+1)4)根据适应度函数确定种群中各个个体的适应度(t+1)(4)直到最终的个体足够好当进化的次数达到最大值，在进化过程中获得最大适应度的个体将是输出最优解。在该算法中，采用向量来表示个体，每个数据中心在每个时间间隔的负载量为基因，那么所有放置于电网中的数据中心每个时间段的负载量就组成了个体[x1,x2…],而向量的维度即表示数据中心的个数。当个体完成编码，一个特定规模的种群建立，然后调用‘MATpower’计算相应的损耗，再结合适应度函数求解适应度，并根据适应度评价每个个体并且决定它们的遗传机会。适应度函数为：loss本文档来自技高网...

【技术保护点】
1.一种面向新能源并网的动态负载管理方法，其特征在于，包括：根据新能源电站的发电量和负载的负载量，采用潮流算法得到包括所述新能源电站和负载的电网系统的损耗；针对以负载的负载量为个体构建的种群，采用随机算法计算每一代种群中各个个体的适应度，将最大适应度对应的个体中负载的负载量作为所述负载的负载量，其中，所述随机算法中采用的适应度函数是基于电网损耗和所有负载的负载量之和与新能源电站发电量间的残差构建的。

【技术特征摘要】
1.一种面向新能源并网的动态负载管理方法，其特征在于，包括：根据新能源电站的发电量和负载的负载量，采用潮流算法得到包括所述新能源电站和负载的电网系统的损耗；针对以负载的负载量为个体构建的种群，采用随机算法计算每一代种群中各个个体的适应度，将最大适应度对应的个体中负载的负载量作为所述负载的负载量，其中，所述随机算法中采用的适应度函数是基于电网损耗和所有负载的负载量之和与新能源电站发电量间的残差构建的。2.根据权利要求所述1的方法，其特征在于，所述适应度函数为：loss1+α*loss2其中，loss1为电网系统的损耗，loss2为所有负载的负载量之和与新能源电站发电量间的残差，α为调整参数。3.根据权利要求1所述的方法，其特征在于，还包括：按照预设的时延参数调整所述负载的负载量。4.根据权利要求1所述的方法，其特征在于，还包括：当所述负载的负载量超过调整范围的上限时，将所述负载的负载量调整为所述调整范围的上限，当所述负载的负载量超过调整范围的下限时，将所述负载的负载量调整为所述调整范围的下限。5.根据权利要求4所述的方法，其特征在于，所述调整范围的表达式为：[(1-e)×p(t),(1+e)×p(t)]其中，e代表负载的灵敏度，p(t)代表上一时刻负载的负载量。6.一种面向新能源并网的动态负载管理系...

【专利技术属性】
技术研发人员：罗佩聪，王晓英，
申请(专利权)人：青海大学，
类型：发明
国别省市：青海,63