用户电力负荷实时调度方法及系统、电子设备、存储介质技术方案

本发明专利技术公开了一种用户电力负荷实时调度方法及系统、电子设备、存储介质，该方法在监测到台区变压器出现过载情况时，通过构建以影响最少用户数量和每个用户最小影响量为优化目标的优化问题，将台区的用户电力负荷调度问题转化为多目标优化求解的数学模型，并通过多目标粒子群算法对数学模型进行求解，可以得到一组可行解，用户可根据实际情况从一组可行解中选取符合要求的一种调度方案进行调度，容错能力更强，并且在调度过程中可以最小程度地减少参与调度的用户数量，同时使得参与调度的用户的负荷调整最小，调度任务对台区下用户的影响最小，用户满意度最好。用户满意度最好。用户满意度最好。

【技术实现步骤摘要】
用户电力负荷实时调度方法及系统、电子设备、存储介质


[0001]本专利技术涉及电力物联网
，特别地，涉及一种用户电力负荷实时调度方法及系统、电子设备、计算机可读取的存储介质。

技术介绍

[0002]在加速建设新型电力系统的背景下，企业级实时量测中心汇聚了电网各环节的数据，从而为各类业务提供数据支持。在台区负载监控上，企业级实时量测中心可汇聚10kV线路、台区变压器、用户的各类实时运行数据，从而监测到台区的实时负荷情况。然而，据统计，每年台区变压器会出现上千次重过载，进而出现区域性停电。特别地，在春节期间，许多农村台区变压器因为返乡人群增多更容易出现重过载，而在迎峰度夏期间，城市空调负荷大大增加，也会造成城区台区变压器重过载。当前虽然已经有一些监测台区重过载的手段，但都只能从变压器延伸到线路再延伸到台区变。目前，尚无数字化手段感知台区变重过载具体是哪些用户负荷增加所致，无法进行针对性干预，被迫拉闸限电，使得台区下所有的用户受到影响。
[0003]当台区变压器出现重过载时，以往的调度方法是基于人工经验去找那些用电负荷过高的用户，然后，通过让他们限制用电功率达到降低台区负荷的目的。然而，这样做一方面效率低下，一旦换了工作人员则处理的速度变慢，另一方面，由于缺乏实时数据指导，使得用户用电功率调整过于模糊，工作人员也不清楚如何进行调度才能使得台区负荷降低到安全区域，常常会出现过度调度现象。显然，如何基于企业级实时量测中心所收集的数据去快速、准确、科学地指导用户负荷调整，确保台区安全和经济运行具有显著的意义。具体来说，如何在影响尽可能少用户的同时，使得这些用户负荷调整的越少，使得台区变压器的负荷恢复到健康状态。

技术实现思路

[0004]本专利技术提供了一种用户电力负荷实时调度方法及系统、电子设备、计算机可读取的存储介质，以解决现有电力负荷调度方法无法实现精准调度的技术问题。
[0005]根据本专利技术的一个方面，提供一种用户电力负荷实时调度方法，包括以下内容：
[0006]实时采集台区变压器下接入的各用户的电力负荷数据；
[0007]对台区变压器的功率负荷进行实时监测，当监测到台区变压器出现过载情况时，以影响最少用户数量和每个用户最小影响量为优化目标构建优化问题，并采用多目标粒子群算法对优化问题进行求解；
[0008]基于求解结果对用户电力负荷进行实时调度。
[0009]进一步地，所述优化问题为：
[0010][0011]s.t.
[0012][0013][0014]C3:x
n
∈{0,1}
[0015]C4:y
n
∈[L
n
,H
n
][0016]其中，X＝{x1,x2,...,x
N
}，表示调整功率的二进制集合，N表示用户数量，x
n
为1则表示用户n需要调整功率，x
n
为0则表示用户n不用调整功率，Y＝{y1,y2,...,y
N
}，表示调整后的功率集合，y
n
为用户n调整后的功率负荷值，K表示进行功率调整的用户数量上限值，γ表示台区变压器的功率安全阈值，L
n
和H
n
分别表示用户的最低功率取值和最高功率取值，λ
n
表示用户n的权重系数，P
n
表示用户n的实时功率负荷值，T
n
表示用户n在接入电网时上报的包装容量。
[0017]进一步地，所述采用多目标粒子群算法对优化问题进行求解的过程包括以下内容：
[0018]初始化粒子群规模为Np，随机生成每个粒子的初始位置，粒子的位置表示为{X,Y}＝{x1,x2,...,x
N
,y1,y2,...,y
N
}；
[0019]计算粒子群中每个粒子的适应度值，其中，按照优化问题中两个目标函数的定义计算出两个函数的值作为一个粒子的适应度值；
[0020]初始化粒子的历史最优位置、全局最优位置和初始存档；
[0021]更新每个粒子的速度和位置，其中，速度更新方程为v
i
＝ω
×
v
i
+c1×
r1×
(pbset
i
‑
z
i
)+c2×
r2×
(gbest
‑
z
i
)，位置更新方程为z
i
＝z
i
+v
i
，ω表示惯性因子，c1和c2表示加速因子，r1和r2表示(0,1)之间的随机数，z
i
表示第i个粒子的位置，pbset
i
表示第i个粒子的历史最优位置，gbest表示全局最优位置，v
i
表示第i个粒子的速度；
[0022]当生成的随机数大于扰动概率，则对新粒子进行随机扰动生成扰动粒子，否则该粒子不进行随机扰动；
[0023]对新粒子和扰动粒子进行修剪以使粒子满足约束条件；
[0024]计算每个粒子下一个位置的适应度值和对应扰动粒子的扰动位置，并根据适应度值更新历史最优位置、全局最优位置和存档；
[0025]不断迭代，直至达到最大迭代次数，返回存档中的粒子位置数据。
[0026]进一步地，在所述对新粒子进行随机扰动生成扰动粒子的过程中：
[0027]对于粒子i的第n个变量z
i,n
，首先生成随机数，若随机数小于预设的变量扰动概率P
m
，则按照下式对变量z
i,n
进行随机扰动得到新的值
[0028][0029]其中，表示粒子i的第n个变量随机扰动后的值，random(L
n
,H
n
)表示从区间[L
n
,
H
n
]中随机产生一个数。
[0030]进一步地，在迭代过程中基于下式对扰动概率进行更新：
[0031][0032]其中，Pr表示扰动概率，P
min
和P
max
分别表示预设的扰动概率最小值和最大值，T表示最大迭代次数，t表示当前迭代次数。
[0033]进一步地，在所述对新粒子和扰动粒子进行修剪以使粒子满足约束条件的过程中：
[0034]对于不满足约束条件C3的解，采用下式对前N个变量进行修剪：
[0035][0036]对于不满足约束条件C4的解，采用下式对后N个变量进行修剪：
[0037][0038]对于不满足约束条件C1的解，随机从该解的前N个元素中选中一个值为1的元素并翻转为0，重复这个操作直到该解满足约束条件C1；
[0039]对于不满足约束条件C2的解，缩减该解的后N个元素的值，即：
[0040]z
i,n
＝(1
‑
α)z...

【技术保护点】

【技术特征摘要】
1.一种用户电力负荷实时调度方法，其特征在于，包括以下内容：实时采集台区变压器下接入的各用户的电力负荷数据；对台区变压器的功率负荷进行实时监测，当监测到台区变压器出现过载情况时，以影响最少用户数量和每个用户最小影响量为优化目标构建优化问题，并采用多目标粒子群算法对优化问题进行求解；基于求解结果对用户电力负荷进行实时调度。2.如权利要求1所述的用户电力负荷实时调度方法，其特征在于，所述优化问题为：P1:s.t.s.t.C3:x
n
∈{0,1}C4:y
n
∈[L
n
,H
n
]其中，X＝{x1,x2,...,x
N
}，表示调整功率的二进制集合，N表示用户数量，x
n
为1则表示用户n需要调整功率，x
n
为0则表示用户n不用调整功率，Y＝{y1,y2,...,y
N
}，表示调整后的功率集合，y
n
为用户n调整后的功率负荷值，K表示进行功率调整的用户数量上限值，γ表示台区变压器的功率安全阈值，L
n
和H
n
分别表示用户的最低功率取值和最高功率取值，λ
n
表示用户n的权重系数，P
n
表示用户n的实时功率负荷值，T
n
表示用户n在接入电网时上报的包装容量。3.如权利要求2所述的用户电力负荷实时调度方法，其特征在于，所述采用多目标粒子群算法对优化问题进行求解的过程包括以下内容：初始化粒子群规模为Np，随机生成每个粒子的初始位置，粒子的位置表示为{X,Y}＝{x1,x2,...,x
N
,y1,y2,...,y
N
}；计算粒子群中每个粒子的适应度值，其中，按照优化问题中两个目标函数的定义计算出两个函数的值作为一个粒子的适应度值；初始化粒子的历史最优位置、全局最优位置和初始存档；更新每个粒子的速度和位置，其中，速度更新方程为v
i
＝ω
×
v
i
+c1×
r1×
(pbset
i
‑
z
i
)+c2×
r2×
(gbest
‑
z
i
)，位置更新方程为z
i
＝z
i
+v
i
，ω表示惯性因子，c1和c2表示加速因子，r1和r2表示(0,1)之间的随机数，z
i
表示第i个粒子的位置，pbset
i
表示第i个粒子的历史最优位置，gbest表示全局最优位置，v
i
表示第i个粒子的速度；当生成的随机数大于扰动概率，则对新粒子进行随机扰动生成扰动粒子，否则该粒子不进行随机扰动；
对新粒子和扰动粒子进行修剪以使粒子满足约束条件；计算每个粒子下一个位置的适应度值和对应扰动粒子的扰动位置，并根据适应度值更新历史最优位置、全局最优位置和存档；不断迭代，直至达到...

【专利技术属性】
技术研发人员：祝视，林海，李浩志，张宇翔，王建辉，徐宁，孙富强，
申请(专利权)人：国网湖南省电力有限公司信息通信分公司国家电网有限公司，
类型：发明
国别省市：