针对配电网低电压治理的基站储能协同控制方法及系统技术方案

本发明专利技术公开了一种针对配电网低电压治理的基站储能协同控制方法，包括获取目标电网的数据信息；构建基站负荷模型；采用BP神经网络对基站的负荷进行预测；构建基站储能模型并计算得到储能充放电功率的限值；计算配电网各节点的功率灵活可调范围；构建基站储能参与配电网低电压调节的控制模型并求解，根据求解结果完成针对配电网低电压治理的基站储能协同控制。本发明专利技术还公开了一种实现所述针对配电网低电压治理的基站储能协同控制方法的系统。本发明专利技术通过创新的协同控制方法的设计，不仅实现了基站储能资源参与电网低电压治理的功能，能够有效缓解配电网低电压问题，提升了电网的稳定性和可靠性，而且本发明专利技术的可靠性高、精确性好且效果较好。且效果较好。且效果较好。

【技术实现步骤摘要】
针对配电网低电压治理的基站储能协同控制方法及系统


[0001]本专利技术属于电气自动化
，具体涉及一种针对配电网低电压治理的基站储能协同控制方法及系统。

技术介绍

[0002]随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，保障电能的稳定可靠供应，就成为了电力系统最重要的任务之一。
[0003]目前，随着通信技术的飞速发展，5G等通信技术已经开始大范围应用，5G基站等通信基站也越来越多。基站的供电可靠性要求较高，因此在基站建设时，一般会在基站配备一定容量的储能电池，从而保证基站的供电可靠性。但是，由于现今供电可靠性越来越高，基站所配备的储能电池的闲置时间越来越多；造成了一定的资源浪费。
[0004]同时，配电网的低电压治理问题一直是电力系统所面临的挑战之一。传统的低电压问题治理方案，一般都是通过无功补偿和线路改造等策略来提高电压水平。但是这类方案，需要额外建设相应的站点，或对电力系统进行改造，成本较高且效果有限。
[0005]因此，如果能够将基站所配备的储能资源用于配电网的低电压治理，在电网负荷较低时储存电网的多余能量，在电网负荷较大或电网电压下降时释放能量，则不仅能够极大的提高电网系统的可靠性，同时也不会影响基站的正常运行。但是，目前的并没有对应的协调控制方案，来实现针对配电网低电压治理的基站储能协同控制。

技术实现思路

[0006]本专利技术的目的之一在于提供一种可靠性高、精确性好且效果较好的针对配电网低电压治理的基站储能协同控制方法。
[0007]本专利技术的目的之二在于提供一种实现所述针对配电网低电压治理的基站储能协同控制方法的系统。
[0008]本专利技术提供的这种针对配电网低电压治理的基站储能协同控制方法，包括如下步骤：
[0009]S1.获取目标电网的数据信息；
[0010]S2.根据步骤S1获取的数据信息，构建基站负荷模型；
[0011]S3.采用BP神经网络对基站的负荷进行预测；
[0012]S4.构建基站储能模型，并计算得到储能充放电功率的限值；
[0013]S5.计算配电网各节点的功率灵活可调范围；
[0014]S6.基于步骤S2～S5的计算结果，构建基站储能参与配电网低电压调节的控制模型；
[0015]S7.对步骤S6构建的控制模型进行求解，并根据求解结果完成针对配电网低电压治理的基站储能协同控制。
[0016]步骤S2所述的根据步骤S1获取的数据信息，构建基站负荷模型，具体包括如下步骤：
[0017]采用如下算式作为基站负荷模型：
[0018]P
TG
＝P
main
+P
PTN
+P
AC
[0019]式中P
TG
为基站负荷；P
main
为基站主设备负荷功率且P
main
＝P
BBU
+n
·
P
AAU
，P
BBU
为基带单元功率，n为有源天线单元的个数，P
AAU
为有源天线单元功率且P
AAU
＝a0*U+b0，a0为第一设定常数，U为通信负载速率，b0为第二设定常数；P
PTN
为基站传输和监测设备负荷功率；P
AC
为基站环境设备负荷功率。
[0020]步骤S3所述的采用BP神经网络对基站的负荷进行预测，具体包括如下步骤：
[0021]获取历史基站数据，并进行预处理：删除异常数据；对剩下的数据进行归一化处理；将数据划分为训练集和测试集。其中归一化处理公式为：
[0022][0023]式中P
n
为归一化处理后的历史输入数据；P为归一化处理前的历史输入数据；P
min
为归一化处理前的历史输入数据的最小值；P
max
为归一化处理前的历史输入数据的最大值。
[0024]构建基于BP神经网络的基站主设备负荷预测模型：基站主设备负荷预测模型的输入参数为温度、湿度、季节类型、日类型和通信负载率，输出参数为主设备负荷；BP神经网络架构为：输入层的节点数为5，输出层的节点数为1；隐藏层设置5层，对应的层节点数为6、40、100、40和1；模型的超参数设定为：最大迭代次数为1000，学习率为0.01，目标误差选取为0.001；
[0025]将训练数据输入到基站主设备负荷预测模型中进行训练，然后将测试数据输入到训练后的基站主设备负荷预测模型中进行测试，输出基站主设备负荷预测值；
[0026]将传输与监测设备负荷、环境设备负荷与基站主设备负荷预测模型输出的基站主设备负荷线性相加，得到5G基站的总负荷预测值。
[0027]步骤S4所述的构建基站储能模型，并计算得到储能充放电功率的限值，具体包括如下步骤：
[0028]根据基站储能剩余容量E
j,t
，采用如下算式计算得到j基站储能在t时刻的最大可充放电功率：
[0029][0030][0031]式中为j基站储能在t时刻可充电功率的最大值；SOC
j,max
为j基站储能的SOC上限值；E
j,b
为j基站储能额定容量；为j基站储能在t时刻可放电功率的最大值；SOC
j,min
为j基站储能的SOC下限值；
[0032]采用如下算式作为基站储能可充放电功率范围：
[0033][0034][0035]式中P
j,c,t
为j基站储能在t时刻的充电功率；为j基站储能自身的最大充电功率限制值；P
j,d,t
为j基站储能在t时刻的放电功率；为j基站储能自身的最大放电功率限制值；
[0036]最后，采用如下算式作为t时刻系统内所有储能可调有功P
tadj
的上下限值：
[0037][0038][0039][0040]式中为t时刻系统内所有基站储能充电功率上限；为t时刻系统内所有基站储能放电功率上限；N为系统内基站储能的数量。
[0041]步骤S5所述的计算配电网各节点的功率灵活可调范围，具体包括如下步骤：
[0042]采用如下算式计算得到配电网系统中节点的负荷功率：
[0043][0044]式中为节点i在t时刻的负荷功率；为节点i在t时刻的不可调节负荷功率；为节点i下的j基站在t时刻的负荷功率；
[0045]采用如下算式计算基站灵活性负荷可调节的上下边界：
[0046][0047][0048]式中为节点i下的j基站在t时刻的最大负荷值；为日前预测的j基站在t时刻的负荷值；为节点i下的j基站在t时刻的最小负荷值；
[0049]采用如下算式作为节点i下的j基站在t时刻的负荷功率的约束：
[0050]最后，针对节点i下t时刻的所有基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对配电网低电压治理的基站储能协同控制方法，包括如下步骤：S1.获取目标电网的数据信息；S2.根据步骤S1获取的数据信息，构建基站负荷模型；S3.采用BP神经网络对基站的负荷进行预测；S4.构建基站储能模型，并计算得到储能充放电功率的限值；S5.计算配电网各节点的功率灵活可调范围；S6.基于步骤S2～S5的计算结果，构建基站储能参与配电网低电压调节的控制模型；S7.对步骤S6构建的控制模型进行求解，并根据求解结果完成针对配电网低电压治理的基站储能协同控制。2.根据权利要求1所述的针对配电网低电压治理的基站储能协同控制方法，其特征在于步骤S2所述的根据步骤S1获取的数据信息，构建基站负荷模型，具体包括如下步骤：采用如下算式作为基站负荷模型：P
TG
＝P
main
+P
PTN
+P
AC
式中P
TG
为基站负荷；P
main
为基站主设备负荷功率且P
main
＝P
BBU
+n
·
P
AAU
，P
BBU
为基带单元功率，n为有源天线单元的个数，P
AAU
为有源天线单元功率且P
AAU
＝a0*U+b0，a0为第一设定常数，U为通信负载速率，b0为第二设定常数；P
PTN
为基站传输和监测设备负荷功率；P
AC
为基站环境设备负荷功率。3.根据权利要求2所述的针对配电网低电压治理的基站储能协同控制方法，其特征在于步骤S3所述的采用BP神经网络对基站的负荷进行预测，具体包括如下步骤：获取历史基站数据，并进行预处理：删除异常数据；对剩下的数据进行归一化处理；将数据划分为训练集和测试集。其中归一化处理公式为：式中P
n
为归一化处理后的历史输入数据；P为归一化处理前的历史输入数据；P
min
为归一化处理前的历史输入数据的最小值；P
max
为归一化处理前的历史输入数据的最大值；构建基于BP神经网络的基站主设备负荷预测模型：基站主设备负荷预测模型的输入参数为温度、湿度、季节类型、日类型和通信负载率，输出参数为主设备负荷；BP神经网络架构为：输入层的节点数为5，输出层的节点数为1；隐藏层设置5层，对应的层节点数为6、40、100、40和1；模型的超参数设定为：最大迭代次数为1000，学习率为0.01，目标误差选取为0.001；将训练数据输入到基站主设备负荷预测模型中进行训练，然后将测试数据输入到训练后的基站主设备负荷预测模型中进行测试，输出基站主设备负荷预测值；将传输与监测设备负荷、环境设备负荷与基站主设备负荷预测模型输出的基站主设备负荷线性相加，得到5G基站的总负荷预测值。4.根据权利要求3所述的针对配电网低电压治理的基站储能协同控制方法，其特征在于步骤S4所述的构建基站储能模型，并计算得到储能充放电功率的限值，具体包括如下步骤：根据基站储能剩余容量E
j,t
，采用如下算式计算得到j基站储能在t时刻的最大可充放
电功率：电功率：式中为j基站储能在t时刻可充电功率的最大值；SOC
j,max
为j基站储能的SOC上限值；E
j,b
为j基站储能额定容量；为j基站储能在t时刻可放电功率的最大值；SOC
j,min
为j基站储能的SOC下限值；采用如下算式作为基站储能可充放电功率范围：采用如下算式作为基站储能可充放电功率范围：式中P
j,c,t
为j基站储能在t时刻的充电功率；为j基站储能自身的最大充电功率限制值；P
j,d,t
为j基站储能在t时刻的放电功率；为j基站储能自身的最大放电功率限制值；最后，采用如下算式作为t时刻系统内所有储能可调有功P
tadj
的上下限值：的上下限值：的上下限值：式中为t时刻系统内所有基站储能充电功率上限；为t时刻系统内所有基站储能放电功率上限；N为系统内基站储能的数量。5.根据权利要求4所述的针对配电网低电压治理的基站储能协同控制方法，其特征在于步骤S5所述的计算节点的配电网各节点的功率灵活可调范围，具体包括如下步骤：采用如下算式计算得到配电网系统中节点的负荷功率：式中为节点i在t时刻的负荷功率；为节点i在t时刻的不可调节负荷功率；为节点i下的j基站在t时刻的负荷功率；采用如下算式计算基站灵活性负荷可调节的上下边界：采用如下算式计算基站灵活性负荷可调节的上下边界：
式中为节点i下的j基站在t时刻的最大负荷值；为日前预测的j基站在t时刻的负荷值；为节点i下的j基站在t时刻的最小负荷值；采用如下算式作为节点i下的j基站在t时刻的负荷功率的约束：最后，针对节点i下t时刻的所有基站负荷，其功率灵活可调范围为6.根据权利要求5所述的针对配电网低电压治理的基站储能协同控制方法，其特征在于步骤S6所述的基于步骤S2～S5的计算结果，构建基站储能参与配电网低电压调节的控制模型，具体包括如下步骤：采用如下算式作为模型目标函数(配电网低电压治理调度成本最小化)：式中M为系统节点数；t为出现低电压时刻；w
t
为t时刻灵活性资源调节价格系数；为调度后节点i在t时刻的实际运行有功负荷；P
′
i,t
为调度前节点i在t时刻的系统有功负荷；采用如下算式作为潮流约束：采用如下算式作为潮流约束：式中P
i,t
，Q
i,t
分别为t时刻流向节点i的有功...

【专利技术属性】
技术研发人员：孙炳，徐民，单周平，梁琼，钟悠，沃潇潇，刘志，孙鹏，刘洋，
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：