一种电网负荷波动的平缓系统和方法技术方案

本发明专利技术公开一种电网负荷波动的平缓系统和方法，所述方法包括以下步骤：采集所监控的电网的总负载和在某个时刻t的实际负荷和影响所述电网的影响负荷在一预定时间内的总量；按照预定的预测模型预测在t＝m+1时刻的实际负荷和影响所述电网的影响负荷在一预定时间内的总量；根据至少一所述约束条件，且以m+1时刻已知实际负荷和影响所述电网的影响负荷之和与已知的m时刻内任取的一对比时刻的一已知实际负荷和影响所述电网的影响负荷之和的方差的最小值为目标函数，通过预设的求解模型，预测m+1时刻的实际负荷；根据预测的m+1时刻的实际负荷控制所述电网的负荷。际负荷控制所述电网的负荷。际负荷控制所述电网的负荷。

【技术实现步骤摘要】
一种电网负荷波动的平缓系统和方法


[0001]本专利技术涉及电网的电荷控制系统领域，尤其涉及一种电网负荷波动的平缓系统和方法。

技术介绍

[0002]随着智慧城市的建立，诸多的工作站都趋向于智能化。此外，为了节约土地成本、优化城市资源配置、提升数据感知和分析运算效率，进行负荷就地消纳，多站融合作为一种新模式变电站，越来越受到行业的青睐。
[0003]多站融合汇聚了数据中心、变电站、储能电站和电动汽车充电站等多种资源。在多站融合背景下如何充分发挥数据中心站的管理功能，协调规划电动汽车充电站和储能电站的充放电策略，以降低运行成本，提高多站融合项目经济性是目前亟需研究的主要问题。
[0004]尽管多站融合能够带来诸多的便利和有益效果。但是，同时也带来了诸多的技术问题。比如所，数据中心一旦与储能电站和/或电动汽车充电站联系在一起。那么储能电站和/或电动汽车充电站的电荷波动将势必会导致整个电网的波动。如此一来，势必会使电网的网线受损、使用寿命降低。更重要的是，电荷波动势必会带来电网的电压波动，如此会带来诸多无法估计的经济损失。尤其是储能电站和电动汽车充电站需要经常性的充电和放电，因此，一旦与数据中心融合，势必会导致整个电网的电荷波动。

技术实现思路

[0005]本专利技术的一个优势在于提供一种电网负荷波动的平缓系统和方法，其中所述电网负荷波动的平缓系统能够在多站融合时，平复电荷波动。
[0006]本专利技术的另一个优势在于提供一种电网负荷波动的平缓系统和方法，其中所述电网负荷波动的平缓系统能够防止电荷波动对电网的损伤。
[0007]本专利技术的另一个优势在于提供一种电网负荷波动的平缓系统和方法，其中所述电网负荷波动的平缓系统通过预设一系列的约束条件，进而能够实现平缓电荷波动的目的。
[0008]本专利技术的另一优势在于提供一种电网负荷波动的平缓系统和方法，其中所述电网负荷波动的平缓系统能够协同地优化至少两个影响电网负荷稳定性的因素，从而更好地平缓电荷的波动。
[0009]为达到本专利技术以上至少一个优势，本专利技术提供一种电网电荷波动的平缓系统，其中电网电荷波动的平缓系统包括：
[0010]一信息采集模块，所述信息采集模块被设置能够采集所监控的电网的总负载和在某个时刻t的实际负荷和影响所述电网的影响负荷在一预定时间内的总量；
[0011]一分析模块，所述分析模块包括一预测模块和一处理模块，所述预测模块被设置按照预定的预测模型预测在t＝m+1时刻的实际负荷和影响所述电网的影响负荷在一预定时间内的总量，其中所述处理模块被预设至少一约束条件，所述处理模块被设置根据至少一所述约束条件，且以m+1时刻已知实际负荷和影响所述电网的影响负荷之和与已知的m时
刻内任取的一对比时刻的一已知实际负荷和影响所述电网的影响负荷之和的方差的最小值为目标函数，通过预设的求解模型，预测m+1时刻的实际负荷；和
[0012]一控制模块，所述控制模块根据预测的m+1时刻的实际负荷控制所述电网的负荷。
[0013]根据本专利技术一实施例，所述电网的所述影响负荷为选自：电动汽车充电电量电荷、储能电站的储能充放电负荷中的至少一个与数据中心的耗电负荷之和。
[0014]根据本专利技术一实施例，所述预测模型包括数据中心i的总功耗预测模型，其中所述数据中心i的总功耗预测模型为：
[0015]其中约束条件为：α
i
＝C
i
(P
iidle
+(PUE
i
‑
1)P
ipeak
)
[0016]β
i
＝P
ipeak
‑
P
iidle
[0017]其中PUE
i
为数据中心i的PUE(数据中心i的能源效率通常由电能使用率),P
iidle
和P
ipeak
分别表示数据中心i服务器的空闲功率和峰值功率，P
i,d,t
表示数据中心i在时间t处的总功耗，d
f,i,t
为前端服务器f在时段t中分配给数据中心i的交互工作负载量，π
i,t
表示在时间t内数据中心i需要批处理的工作负载数量，其中，
[0018]其中d
f,i,t
为服务器能耗。
[0019]根据本专利技术一实施例，所述预测模型包括电动汽车的总功耗预测模型，其中所述电动汽车q的预测模型为：
[0020][0021][0022]其中，电动汽车q隶属于多站融合中的数据中心i，则从充电开始时间到结束时间必须满足的最小能量需求为E
i,q
，P
i,q,t
为数据中心i在时间t处电动汽车q的充电功率，为电动汽车q的最大充电功率；k
i
表示数据中心i(0≤k
i
≤1)
[0023]上所有电动汽车的充电满意度，其中所述约束条件包括：
[0024][0025][0026]其中和分别为数据中心i处电动汽车q的最大能量和当前能量。
[0027]根据本专利技术一实施例，所述预测模型包括储能系统j的模型，其中所述储能系统模型为：
[0028][0029][0030]S
i,j,t
是数据中心i中储能系统j在t时刻的剩余容量，分别表示电池充放电效率，分别表示数据中心i在时间t处储能系统j的充放电功率，Δt表示储能充放
电的单位时间；P
i,j,t
表示隶属于数据中心i的储能系统j在t时刻的功率，充电时为正值，放电时为负值，其中所述约束条件为：
[0031][0032][0033][0034]其中和分别为储能系统j剩余容量的上界和下界；和分别为储能系统最大充放电功率，规定U
ci,j,t
是一个二进制指示器，中的1表示充电状态。
[0035]根据本专利技术一实施例，对比时刻的一影响负荷被实施为m时间段内影响电荷的算术平均值。
[0036]根据本专利技术一实施例，预设的求解模型为动态规划算法。
[0037]根据本专利技术一实施例，预设的求解模型为动态规划算法，其中所述动态规划算法将一天按量测时间点分为T个阶段，选择储能系统和电动汽车的电池电量S和EV作为状态，相邻两个状态的电量差为ΔS和ΔEV，在实时优化过程中，从初始状态开始，根据初始条件和递推方程由前向后推算，以获得目标函数的最优解，储能系统j动态规划中t阶段的递推公式，相邻阶段的时间差为Δt，S
ESS
表示储能系统的容量，具体为：
[0038][0039][0040]根据本专利技术一实施例，在动态规划初始阶段S
i,j,1
为0.6倍的总容量，E
i,q,t
为0.2倍的电池容量。
[0041]根据本专利技术的另一个方面，本专利技术提供一种电网负荷波动的平缓方法，所述方法包括以下步骤：
[0042]采集所监控的电网的总负本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网电荷波动的平缓系统，其特征在于，其中电网电荷波动的平缓系统包括：一信息采集模块，所述信息采集模块被设置能够采集所监控的电网的总负载和在某个时刻t的实际负荷和影响所述电网的影响负荷在一预定时间内的总量；一分析模块，所述分析模块包括一预测模块和一处理模块，所述预测模块被设置按照预定的预测模型预测在t＝m+1时刻的实际负荷和影响所述电网的影响负荷在一预定时间内的总量，其中所述处理模块被预设至少一约束条件，所述处理模块被设置根据至少一所述约束条件，且以m+1时刻已知实际负荷和影响所述电网的影响负荷之和与已知的m时刻内任取的一对比时刻的一已知实际负荷和影响所述电网的影响负荷之和的方差的最小值为目标函数，通过预设的求解模型，预测m+1时刻的实际负荷；和一控制模块，所述控制模块根据预测的m+1时刻的实际负荷控制所述电网的负荷。2.根据权利要求1所述电网电荷波动的平缓系统，其特征在于，所述电网的所述影响负荷为选自：电动汽车充电电量电荷、储能电站的储能充放电负荷中的至少一个与数据中心的耗电负荷之和。3.根据权利要求2所述电网电荷波动的平缓系统，其特征在于，所述预测模型包括数据中心i的总功耗预测模型，其中所述数据中心i的总功耗预测模型为：其中约束条件为：α
i
＝C
i
(P
iidle
+(PUE
i
‑
1)P
ipeak
)β
i
＝P
ipeak
‑
P
iidle
其中PUE
i
为数据中心i的PUE(数据中心i的能源效率通常由电能使用率),P
iidle
和P
ipeak
分别表示数据中心i服务器的空闲功率和峰值功率，P
i,d,t
表示数据中心i在时间t处的总功耗，d
f,i,t
为前端服务器f在时段t中分配给数据中心i的交互工作负载量，π
i,t
表示在时间t内数据中心i需要批处理的工作负载数量，其中，数据中心i需要批处理的工作负载数量，其中，其中d
f,i,t
为服务器能耗。4.根据权利要求3所述电网电荷波动的平缓系统，其特征在于，所述预测模型包括电动汽车的总功耗预测模型，其中所述电动汽车q的预测模型为：汽车的总功耗预测模型，其中所述电动汽车q的预测模型为：其中，电动汽车q隶属于多站融合中的数据中心i，则从充电开始时间到结束时间必须满足的最小能量需求为E
i,q
，P
i,q,t
为数据中心i在时间t处电动汽车q的充电功率，为...

【专利技术属性】
技术研发人员：吴正骅，申屠刚，戴睿昕，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：