一种移动储能车调度优化方法、系统及装置制造方法及图纸

本发明专利技术公开一种移动储能车调度优化方法、系统及装置，包括如下步骤：获取负荷预测数据；根据负荷预测数据建立优化策略模型；求解优化策略模型得到优化参数；根据优化参数确定调度方案。本发明专利技术具有的有益效果：1、本发明专利技术能够考虑到预测的不确定性进行分析获得更为准确的预测结果，从而有助于指定更合理的调度方案。2、本发明专利技术采用整数实数混合遗传算法，通过合理设置参数的范围，大大提高了优化效率。

A scheduling optimization method, system and device for mobile energy storage vehicle

【技术实现步骤摘要】
一种移动储能车调度优化方法、系统及装置
本专利技术属于电网侧储能应用优化调度
，具体涉及一种移动储能车调度优化方法、系统及装置。
技术介绍
随着储能技术的发展，储能作为电力系统中稀缺的灵活调节资源受到了越来越多的重视。相对于储能电站，移动储能车更加灵活；此外，与传统柴油应急电源车、移动飞轮移动储能车相比，新一代智能型移动储能系统(车)在技术先进性、运行模式、功能配置、安全保障等方面都具有明显优势，不仅可为地震、冰灾、矿难等突发事故应急抢修提供电源保障，还可以为大数据中心、医院、机场、通信等提供应急备用电源。结合移动储能发展和充分利用移动储能参与电网服务，提升电力系统可靠性、灵活性，通过数据分析制定合理运行模式，优化移动储能运行调度，实现移动储能设备全生命周期内收益最大化势在必行。
技术实现思路
本专利技术的目的在于克服现有技术中的不足，提供一种移动储能车调度优化方法、系统及装置，能够考虑到预测的不确定性进行分析获得更为准确的预测结果，从而有助于指定更合理的调度方案。为解决现有技术问题，本专利技术公开了一种移动储能车调度优化方法，包括如下步骤：获取负荷预测数据；根据负荷预测数据建立优化策略模型；求解优化策略模型得到优化参数；根据优化参数确定调度方案。进一步，所述获取负荷预测数据的具体过程为：建立模糊负荷模型；采用聚类分析法对模糊负荷模型进行分析得到负荷预测数据。进一步，所述模糊负荷模型的表达式为：<br>其中，为t时刻第i个台区变的模糊负荷值，t＝1,2,3....24；为t时刻第i个台区变负荷的下界；为t时刻第i个台区变负荷的最可能估计值；为t时刻第i个台区变负荷的上界。进一步，所述采用聚类分析法对模糊负荷模型进行分析得到负荷预测数据的具体过程为：根据负荷历史数据设定聚类个数，根据影响负荷的因素、利用k-means进行聚类寻找，得到聚类结果；在进行负荷预测时，先将待预测日分到对应类中，再选取同一聚类中与待预测日时间相近的历史数据作为输入样本，采用神经网络进行训练，得到预测结果；统计历史预测精度，确定预测模糊数，得到负荷预测数据。进一步，所述优化策略模型的表达式为：约束条件为：EQkt≥0；TPit≤TPmax*80％；其中：k为第k台移动储能车，m为移动储能车的个数，t为时刻，t＝1,2,3...24，EPt为从t时刻开始单位时段放电的电价，EQkt为第k台移动储能车从t时刻开始单位时段放电电量，DEQkt为第k台移动储能车从t时刻开始单位时段开始单位时段充电电量，DEPt为从t时刻开始单位时段充电的电价，TPit为第i个台区变t时刻的功率值，DPijt为接入第i个台区变的第j台移动储能车的放电功率，r为接入第i个台区变的移动储能车总数，为第i个台区变t时刻的模糊负荷值，C为惩罚系数。进一步，所述优化参数包括：移动储能车所属台变区、所在台区变放电排序以及在不能满足减载电量，有电量缺额情况下，停止放电去其他台区变继续充电的时间点。进一步，所述根据优化参数确定调度方案的具体过程为：根据移动储能车所属台变区、充电次序和充放电开始和结束时间，得到移动储能车的充放电时间安排表；根据每辆移动储能车的充放电时间安排表，进行线路规划得到相应的移动储能车的调度方案。本专利技术还提供了一种移动储能车调度优化系统，包括：获取模块，用于获取负荷预测数据；优化策略模型建立模块，用于根据负荷预测数据建立优化策略模型；求解模块，用于求解优化策略模型得到优化参数；确定模块，用于根据优化参数确定调度方案。进一步，所述获取模块还包括：模糊负荷模型建立子模块，用于建立模糊负荷模型；模糊分析模块，用于采用聚类分析法对模糊负荷模型进行分析得到负荷预测数据。本专利技术还提供了一种移动储能车调度优化装置，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。本专利技术具有的有益效果：1、本专利技术能够考虑到预测的不确定性进行分析获得更为准确的预测结果，从而有助于指定更合理的调度方案。2、本专利技术采用整数实数混合遗传算法，通过合理设置参数的范围，大大提高了优化效率。附图说明图1为本专利技术中调度优化方法的流程图；图2为本专利技术中调度优化系统的结构框图；图3为本专利技术中调度优化装置的结构框图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。如图1所示，本专利技术提供了一种移动储能车调度优化方法，包括如下步骤：S1、获取负荷预测数据。具体通过如下过程实现：S11、建立模糊负荷模型。具体地，第i个台区变的负荷以24小时为一周期，时间间隔1小时，每小时的负荷用三角模糊数表示为：其中，为t时刻第i个台区变的模糊负荷值，t＝1,2,3....24；为t时刻第i个台区变负荷的下界；为t时刻第i个台区变负荷的最可能估计值；为t时刻第i个台区变负荷的上界。S12、采用聚类分析法对模糊负荷模型进行分析得到负荷预测数据。具体地，根据负荷历史数据设定聚类个数k，根据影响负荷的因素如季节、温度、降雨量、辐照度及节假日等数据利用k-means进行聚类寻找，得到聚类结果。在进行负荷预测时，先将待预测日分到对应类中，再选取同一聚类中与待预测日时间相近的历史数据作为输入样本，采用神经网络进行训练，得到预测结果，根据预测结果统计历史预测精度，确定预测模糊数，得到负荷预测数据。S2、根据负荷预测数据建立优化策略模型。具体通过如下过程实现：进行优化调度时，考虑经济性方面的因素。经济性为峰谷充放电电价差，因此优化策略模型的表达式为：约束条件为：EQkt≥0；TPit≤TPmax*80％；其中：k为第k台移动储能车，m为移动储能车的个数，t为时刻，t＝1,2,3...24，EPt为从t时刻开始单位时段放电的电价，EQkt为第k台移动储能车从t时刻开始单位时段放电电量，DEQkt为第k台移动储能车从t时刻开始单位时段开始单位时段充电电量，DEPt为从t时刻开始单位时段充电的电价，TPit为第i个台区变t时刻的功率值，DPijt为接入第i个台区变的第j台移动储能车的放电功率，r为接入第i个台区变的移动储能车总数，为第i个台区变t时刻的模糊负荷值，C为惩罚系数。S3、求解优化策略模型得到优化参数。具体通过如下过程实现：移动储能车优化模型的约束条件是满足台区变减载要求。优化参数包括：移动储能车所属台变区、所在台区变放电排序以及在不能满足减载电量，有电量缺额情况下，停止放电去其他台区变继续充电本文档来自技高网...

【技术保护点】
1.一种移动储能车调度优化方法，其特征在于：包括如下步骤：/n获取负荷预测数据；/n根据负荷预测数据建立优化策略模型；/n求解优化策略模型得到优化参数；/n根据优化参数确定调度方案。/n

【技术特征摘要】
1.一种移动储能车调度优化方法，其特征在于：包括如下步骤：
获取负荷预测数据；
根据负荷预测数据建立优化策略模型；
求解优化策略模型得到优化参数；
根据优化参数确定调度方案。


2.根据权利要求1所述的一种移动储能车调度优化方法，其特征在于：
所述获取负荷预测数据的具体过程为：
建立模糊负荷模型；
采用聚类分析法对模糊负荷模型进行分析得到负荷预测数据。


3.根据权利要求2所述的一种移动储能车调度优化方法，其特征在于：
所述模糊负荷模型的表达式为：



其中，为t时刻第i个台区变的模糊负荷值，t＝1,2,3....24；为t时刻第i个台区变负荷的下界；为t时刻第i个台区变负荷的最可能估计值；为t时刻第i个台区变负荷的上界。


4.根据权利要求3所述的一种移动储能车调度优化方法，其特征在于：
所述采用聚类分析法对模糊负荷模型进行分析得到负荷预测数据的具体过程为：
根据负荷历史数据设定聚类个数，根据影响负荷的因素、利用k-means进行聚类寻找，得到聚类结果；
在进行负荷预测时，先将待预测日分到对应类中，再选取同一聚类中与待预测日时间相近的历史数据作为输入样本，采用神经网络进行训练，得到预测结果；
统计历史预测精度，确定预测模糊数，得到负荷预测数据。


5.根据权利要求1所述的一种移动储能车调度优化方法，其特征在于：
所述优化策略模型的表达式为：



约束条件为：
EQkt≥0；
TPit≤TPmax*80％；



其中：k为第k台移动储能车，m为移动储能车的个数，t为时刻，t＝1,2,3...24，EPt为从t时刻开始单位时段放电的电价，EQkt为第k...

【专利技术属性】
技术研发人员：李靖霞，纪陵，李应琪，左建勋，王紫东，王永，
申请(专利权)人：南京国电南自电网自动化有限公司，
类型：发明
国别省市：江苏;32