低压台区峰谷负荷平衡智能管理方法技术

本发明专利技术公开了一种低压台区峰谷负荷平衡智能管理方法，在平衡过程中借助储能补偿和光伏补偿进行削峰填谷，使得供给侧只需依据低压台区供电负荷需求来确定相对平稳的供给，使其系统稳定运行，减少了高峰时机组的运行数量，节省了供电成本，并且能够将台区调峰波动限制在±10%以内，实现近似直线的电力负荷平稳运行，防止发电机组空转，保证了电网安全、经济、平稳运行。

【技术实现步骤摘要】
低压台区峰谷负荷平衡智能管理方法
本专利技术涉及台区供电智能化技术，特别是一种低压台区峰谷负荷平衡智能管理方法。
技术介绍
电力需求存在多样性和不确定性，峰谷差接近50％，使得按满足客户最大需求设置的发供电能力，在需求低谷时段大量被闲置，加大了发电机组的投入，增加了投资浪费，降低了效率，提高了电价成本，与此同时，增加了能源消耗，排放了更多的污染物，不符合节能减排的要求。面对这一客观存在的问题，我国采取了多种措施：1)夏时制，所谓夏时制是一种为节约能源而人为规定地方时间的制度，一般在天亮早的夏季人为将时间提前一小时，可以使人早起早睡，减少照明量，以充分利用光照资源，从而节约照明用电，我国于1986年至1991年间在全国范围内实行了6年夏时制，但经过统计计算，夏时制并未改变峰谷差，只是将峰谷出现的时间提前了，并且夏时制还会扰乱人们正常的生物钟和社会的正常运转；2)调峰电厂，现实中多为抽水蓄能电站，抽水蓄能电站利用电力负荷低谷时的电能抽水至上水库，在电力负荷高峰期再放水至下水库发电的水电站，它可将电网负荷低时的多余电能转变为电网高峰时期的高价值电能，还适于调频、调相，稳定电力系统的周波和电压，且宜为事故备用，还可提高系统中火电站和核电站的效率，但是抽水蓄能电站的建设周期长，场地要求高，很难大面积推广，并且抽水蓄能电站在能量转换的过程中会造成大量的能量损失；3)峰谷电价管理措施，峰谷电价按高峰用电和低谷用电分别计算电费，峰谷电价制度能充分发挥价格的经济杠杆作用，调动用户削峰填谷、均衡用电的积极性，提高了电网负荷率和设备利用率，达到控制高峰负荷、充分利用电网低谷电量的目的，同时也达到了成本合理分摊的目的，虽然从2012年7月开始，居民阶梯电价制度已在我国大部分省市开始实行，但是峰谷电价管理并不能从源头上解决存在的问题。由于上述措施存在的种种局限性，目前全国的调峰能力仅能达到1.7％，远远不能满足实际需求，如何增强电网的峰谷负荷平衡能力成为当今急需解决的问题。
技术实现思路
针对
技术介绍
中存在的技术问题，本专利技术提出一种低压台区峰谷负荷平衡智能管理方法，其特征在于，所述低压台区峰谷负荷平衡智能管理方法包括：1)在低谷电价开始的那个时刻，校正用户用电曲线预测模型；2)通过用户用电曲线预测模型预测未来24小时内预测的用户用电曲线，同时预测未来24小时内预测的台区光伏发电曲线，利用所述预测的用户用电曲线和所述预测的台区光伏发电曲线计算台区供电负荷需求，供电单位参考所述台区供电负荷需求提供电能；3)在低谷电价期间，将低价电存入台区蓄能储能装置；4)在低谷电价结束的那个时刻，将多个光伏发电单元的电能输入主网配电系统；5)实时监测各个台区检测单元的数据，预测用户负荷端的用电需求，对于所述台区蓄能储能装置进行控制。进一步地，所述步骤1中，所述校正用户用电曲线预测模型具体包括：将最近24小时以内的供电信息与之前预测的用户用电曲线进行对比，计算用户用电相对误差，若所述用户用电相对误差小于等于第一阈值，则不必校正所述用户用电曲线预测模型，若所述用户用电相对误差大于第一阈值，小于等于第二阈值，则基于最新的供电信息数据校正所述用户用电曲线预测模型，若所述用户用电相对误差大于第二阈值，则判断实际气温与天气预报气温是否有较大差异，如果存在较大差异，说明输入所述用户用电曲线预测模型的参数与实际值相差较大，不必校正所述用户用电曲线预测模型,反之，则校正所述用户用电曲线预测模型。进一步地，所述用户用电相对误差的计算公式如下：ErT代表用户用电相对误差，d1、d2、…、dn代表实际供电量，d1’、d2’、…、dn’代表用户用电预测曲线中对应时刻的预测用电量。进一步地，所述用户用电曲线预测模型采用LSTM神经网络，基于深度学习框架Keras进行训练和改进。进一步地，所述步骤2中，所述预测未来24小时内预测的台区光伏发电曲线具体包括：收集光伏发电单元之前24小时以内的发电量信息和天气信息，获取未来24小时以内的天气预报信息，结合光伏发电单元的运行特性，合理预测光伏发电单元未来24小时以内的发电曲线。进一步地，所述步骤2中，所述台区供电负荷需求的具体计算过程包括：1)利用预测的用户用电曲线计算预测用户用电平均值；2)利用预测的台区光伏发电曲线计算预测台区光伏发电平均值；3)用所述预测用户用电平均值减去所述预测台区光伏发电平均值便可得到所述台区供电负荷需求。进一步地，所述步骤5中，在两个用电高峰时段，若预测用电量大于当前的供电能力，开启所述台区蓄能储能装置，通过所述台区蓄能储能装置提供电能补偿，在白天的非高峰时段，若预测用电量小于当前的供电能力，将多余的电能存入所述台区蓄能储能装置。进一步地，所述低压台区峰谷负荷平衡智能管理方法还包括：6)于特定时间点，统计之前24小时以内针对各个用户的供电情况，将其存入台区供电信息存储单元，计算得到台区调峰波动参数和台区蓄能储能装置利用率参数，将其存入台区运行参数存储单元。进一步地，所述台区调峰波动参数包括台区最大正波动和台区最小负波动，具体计算公式如下：FmaxT代表台区最大正波动，FminT代表台区最小负波动，d1、d2、…、dn代表台区供电信息存储单元中存储的实际供电量，dsT代表台区供电负荷需求。进一步地，所述台区蓄能储能装置利用率参数包括台区储能利用率和台区调峰利用率，具体计算公式如下：CsaveT代表台区储能利用率，CleaveT代表台区调峰利用率，EvT代表低谷电价结束的那个时刻台区蓄能储能装置中的电能，EmaxT代表台区蓄能储能装置中的电能总容量，EleaveT代表低谷电价开始的那个时刻台区蓄能储能装置中剩余的电能。进一步地，所述低压台区峰谷负荷平衡智能管理方法在执行过程中自动检测低压台区中各相电流的变化，实时计算并发出所需补偿电流，以使低压台区迅速达到平衡状态。附图说明图1是低压台区峰谷负荷平衡智能管理子系统结构示意图；图2是低压台区峰谷负荷平衡智能管理方法流程图；图3是高压配网峰谷负荷平衡智能管理主系统结构示意图；图4是高压配网峰谷负荷平衡智能管理方法流程图。具体实施方式为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图说明本专利技术的具体实施方式。在自然界中，湿地是陆地和水域的交汇处，水位接近或处于地表面，或有浅层积水的区域，湿地的特殊位置，使湿地像自然界的海绵层一样，在丰水期时，湿地能蓄水，在枯水期则自身能供水，维持环境整体水量的平衡，借鉴大自然中的湿地效应，本专利技术提出电力系统的“湿地效应”，具体指的是电力调度过程中，电量充裕时，多余电量快速匀至“电力湿地效应系统”的多个“蓄电区”，集点成面，由面成片，分散型蓄电，当需要调度大量电力时，又能从各微型“蓄电区”的线路快速汇集，及时补充高峰电力缺损，整个过程与自然湿地的蓄水过程相似。基于电力湿地效应系统的概念，本专利技术提供一种高压配网峰谷负荷平衡智能管理主系统，高压配网峰谷负荷平衡智能管理主系统进行两级调峰操作，由高压配网峰谷负荷平衡智能管理主系统内部的低压台区峰谷负荷平衡智能管理子系统进行第一级调峰，由高压配网峰谷负荷平衡智能管理主系统进行第二级调峰。通过附图1可以看出，低压台区峰谷负荷平衡智能管理子系统包括台区光伏发电装置、台区蓄能储能装本文档来自技高网...

【技术保护点】
1.一种低压台区峰谷负荷平衡智能管理方法，其特征在于，所述低压台区峰谷负荷平衡智能管理方法包括：1)在低谷电价开始附近时刻，校正用户用电曲线预测模型；2)通过用户用电曲线预测模型预测未来24小时内预测的用户用电曲线，同时预测未来24小时内预测的台区光伏发电曲线，利用所述预测的用户用电曲线和所述预测的台区光伏发电曲线，计算台区供电负荷需求，供电单位参考所述台区供电负荷需求提供电能；3)在低谷电价期间，将低价电存入台区蓄能储能装置；4)在低谷电价结束附近时刻，将多个光伏发电单元的电能输入主网配电系统；5)实时监测各个台区检测单元的数据，预测用户负荷端的用电需求，对于所述台区蓄能储能装置进行控制。

【技术特征摘要】
1.一种低压台区峰谷负荷平衡智能管理方法，其特征在于，所述低压台区峰谷负荷平衡智能管理方法包括：1)在低谷电价开始附近时刻，校正用户用电曲线预测模型；2)通过用户用电曲线预测模型预测未来24小时内预测的用户用电曲线，同时预测未来24小时内预测的台区光伏发电曲线，利用所述预测的用户用电曲线和所述预测的台区光伏发电曲线，计算台区供电负荷需求，供电单位参考所述台区供电负荷需求提供电能；3)在低谷电价期间，将低价电存入台区蓄能储能装置；4)在低谷电价结束附近时刻，将多个光伏发电单元的电能输入主网配电系统；5)实时监测各个台区检测单元的数据，预测用户负荷端的用电需求，对于所述台区蓄能储能装置进行控制。2.根据权利要求1所述的低压台区峰谷负荷平衡智能管理方法，其特征在于，所述步骤1中，所述校正用户用电曲线预测模型具体包括：将最近固定周期的供电信息与之前预测的用户用电曲线进行对比，计算用户用电相对误差，若所述用户用电相对误差小于等于第一阈值，则不必校正所述用户用电曲线预测模型，若所述用户用电相对误差大于第一阈值，则基于最新的供电信息数据校正所述用户用电曲线预测模型，若所述用户用电相对误差大于第二阈值，则判断实际气温与天气预报气温是否有较大差异，如果存在较大差异，说明输入所述用户用电曲线预测模型的参数与实际值相差较大，不必校正所述用户用电曲线预测模型,反之，则校正所述用户用电曲线预测模型。3.根据权利要求2所述的低压台区峰谷负荷平衡智能管理方法，其特征在于，所述用户用电相对误差的计算公式如下：ErT代表用户用电相对误差，d1、d2、…、dn代表实际供电量，d1’、d2’、…、dn’代表用户用电预测曲线中对应时刻的预测用电量。4.根据权利要求1所述的低压台区峰谷负荷平衡智能管理方法，其特征在于，所述用户用电曲线预测模型采用LSTM神经网络，基于深度学习框架Keras进行训练和改进。5.根据权利要求1所述的低压台区峰谷负荷平衡智能管理方法，其特征在于，所述步骤2中，所述预测未来24小时内预测的台区光伏发电曲线具体包括：收集光伏发电单元之前24小时以内的发电量信息和天气信息，获取未来24小时以内的天气预报...

【专利技术属性】
技术研发人员：曹麾，
申请(专利权)人：曹麾，
类型：发明
国别省市：河北,13