一种基于数据分析的源网荷储协同调度系统技术方案

本发明专利技术公开了一种基于数据分析的源网荷储协同调度系统，属于电网调度领域，解决了如何通过源网荷储的综合分析对发电量进行控制和调度的问题；本发明专利技术通过信息采集模块对当天用户侧所有用户的全天用电量、当天输变配网侧全天故障次数以及当天各个气象值进行采集，和通过信息预处理模块对采集获取的数据进行预处理，预测分析模块根据预测日前一段时间每天的用户侧全天总用电量、输变配网侧全天故障次数以及气象指数的历史数据对预测日的用户侧全天总用电量进行预测；通过智能调度模块对预测日的发电量进行预测和调度；确保发电侧每日的发电量能够满足目标区域的供电量，同时也能避免发电侧生成过多的电力，从而产生不必要的能源浪费。能源浪费。能源浪费。

【技术实现步骤摘要】
一种基于数据分析的源网荷储协同调度系统


[0001]本专利技术属于电网调度领域，具体是一种基于数据分析的源网荷储协同调度系统。

技术介绍

[0002]电网是由发电厂、输电系统和配网系统组成的综合电力系统，电网通过发电厂产生、输电系统传输和配电系统分配电能，使得电力能够从发电厂传输到用户家庭、工业企业等地方，满足各类用电需求。
[0003]为了避免发电厂所使用的能源浪费，目前采用节能用电，或者是计划发电。但这种方式虽然在一定程度上减少了能源消耗，但仍然会出现每日的发电多出来的电能导致浪费。为此，本专利技术一种基于数据分析的源网荷储协同调度系统。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于数据分析的源网荷储协同调度系统，该种基于数据分析的源网荷储协同调度系统解决了如何通过源网荷储的综合分析对发电量进行控制和调度的问题。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种基于数据分析的源网荷储协同调度系统，包括：
[0007]信息采集模块，用于对目标区域中当天的用户侧所有用户全天用电量、输变配网侧全天故障次数以及当天不同时间点的各个气象值进行采集，并上传至云存储模块；
[0008]信息预处理模块，用于对信息采集模块当天采集的所有数据进行预处理，并将经过预处理后的数据上传至云存储模块；包括：对各个数据进行数据清洗和整理、计算当天用户侧全天总用电量以及计算气象指数；
[0009]预测分析模块，用于根据预测日前一段时间每天的用户侧全天总用电量、输变配网侧全天故障次数以及气象指数的历史数据对预测日的用户侧全天总用电量进行预测；过程如下：
[0010]步骤P1：从云存储模块提取预测日前一段时间每天的用户侧全天总用电量、输变配网侧全天故障次数以及气象指数的历史数据，分别标记为配网侧全天故障次数以及气象指数的历史数据，分别标记为以及并整合成相应的序列；j表示日期的编号；
[0011]步骤P2：对各个序列所包含的参数值进行标准化处理，获取第i序列第j日的标准化参数值i表示序列号，i＝1,2,3；
[0012]步骤P3：对各个标准化参数值进行平滑处理，获取第i序列第j标准化参数值的一次累加值
[0013]步骤P4：计算经过平滑处理后用户侧全天总用电量序列的标准化参数值的紧邻均值
[0014]步骤P5：构建用户侧全天总用电量标准化参数值、输变配网侧全天故障次数标准化参数值以及气象指数标准化参数值的一阶微分方程；
[0015]步骤P6：通过累减对预测日用户侧全天用电量标准化参数值进行预测，并对预测后的用户侧全天用电量标准化参数值去标准化；
[0016]智能调度模块，用于根据预测日用户侧全天用电量QY对发电侧预测日的发电量进行预测和调度。
[0017]进一步地，气象指数的计算过程如下：
[0018]信息预处理模块将获取的当天不同时间点的各个气象值进行平均计算，获取当天的温度均值T、降水量均值R、风速均值W以及雷击概率均值L；并计算气象指数，公式如下：
[0019]气象指数＝a1
×
|T
‑
20|+a2
×
R+a3
×
W+a4
×
L，式中，a1、a2、a3以及a4为权重比例系数。
[0020]进一步地，步骤P1中，整合的各个序列如下：
[0021]将用户侧全天总用电量序列标记为
[0022]将输变配网侧全天故障次数序列标记为
[0023]将气象指数序列标记为
[0024]式中，k表示预测日前一天的日期。
[0025]进一步地，对各个序列所包含的参数值进行标准化处理的公式如下：
[0026]式中，maxD
(0)
(j)和minD
(0)
(j)分别表示第j日所有序列中的最大参数值和最小参数值。
[0027]进一步地，对各个标准化参数值进行平滑处理的公式如下：
[0028]式中j＝1,2
……
k。
[0029]进一步地，经过平滑处理后用户侧全天总用电量序列的标准化参数值的紧邻均值的计算公式如下：
[0030]式中：j＝2,3
……
k。
[0031]进一步地，
[0032]一阶微分方程为：式中，a为发展系数，bi为驱动系数，为驱动项；
[0033]引入矩阵向量记号：
[0034][0035]采用最小二乘法计算：
[0036]当变化幅度较小时，则一阶微分方程近似时间相应式为：
[0037][0038]进一步地，预测日用户侧全天用电量标准化参数值如下：
[0039][0040]预测日用户侧全天用电量QY如下：
[0041][0042]进一步地，智能调度模块的处理过程如下：
[0043]步骤S1：从云存储模块提取预测日前一天的发电侧储能单元、输变配网侧储能单元以及用户侧储能单元各自存储的能量Q1、Q2以及Q3；
[0044]步骤S2：计算发电侧在预测日的预测发电量QF；计算公式如下：
[0045]QF＝γ
×
{QY
‑
(b1
×
Q1+b2
×
Q2+b3
×
Q3)}；式中，γ、b1、b2以及b3为修正因子；
[0046]将获取的预测发电量发送至发电侧，发电侧按照获取的预测发电量进行全天的电力生产。
[0047]与现有技术相比，本专利技术的有益效果是：
[0048]1、本专利技术通过信息采集模块对当天用户侧所有用户的全天用电量、当天输变配网侧全天故障次数以及当天各个气象值进行采集，和通过信息预处理模块对采集获取的数据进行预处理，从而获取当天用户侧全天总用电量、当天输变配网侧全天故障次数以及当天气象指数，并上传至云存储模块，为后续预测分析模块提供预测日之前可靠准确的历史数据，提高了数据分析效率和数据分析的准确性。
[0049]2、本专利技术中预测分析模块根据预测日前一段时间每天的用户侧全天总用电量、输变配网侧全天故障次数以及气象指数的历史数据对预测日的用户侧全天总用电量进行预测；其中，输变配网侧全天故障次数和气象指数是用户侧全天总用电量的影响因素，采用各个序列数据的关联分析、对数据进行平滑处理以及计算全天总用电量的趋势变化，最终建立预测特征值和影响因素之间的一阶微分方程，从而获取预测日用户侧全天总用电量；通过一小段历史数据和影响因素的关联分析获取预测特征值，相比于传统方式的抄表分析方式更加智能、方便和准确；另外还通过智能调度模块对预测日的发电量进行预测和调度，确保发电侧每日的发电量能够满足目标区域的供电量，同时也能避免发电侧生成过多的电力，从而产生不必要的能源浪费。
附图说明
[0050]图1为本专利技术的一种基于数据分析的源网荷储协同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据分析的源网荷储协同调度系统，其特征在于：信息采集模块，用于对目标区域中当天的用户侧所有用户全天用电量、输变配网侧全天故障次数以及当天不同时间点的各个气象值进行采集，并上传至云存储模块；信息预处理模块，用于对信息采集模块当天采集的所有数据进行预处理，并将经过预处理后的数据上传至云存储模块；包括：对各个数据进行数据清洗和整理、计算当天用户侧全天总用电量以及计算气象指数；预测分析模块，用于根据预测日前一段时间每天的用户侧全天总用电量、输变配网侧全天故障次数以及气象指数的历史数据对预测日的用户侧全天总用电量进行预测；过程如下：步骤P1：从云存储模块提取预测日前一段时间每天的用户侧全天总用电量、输变配网侧全天故障次数以及气象指数的历史数据，分别标记为D
1(0)
(j)、D
2(0)
(j)以及D
3(0)
(j)，并整合成相应的序列；j表示日期的编号；步骤P2：对各个序列所包含的参数值进行标准化处理，获取第i序列第j日的标准化参数值D
i(0)
(j)
′
，i表示序列号，i＝1,2,3；步骤P3：对各个标准化参数值进行平滑处理，获取第i序列第j标准化参数值的一次累加值D
i(1)
(j)
′
；步骤P4：计算经过平滑处理后用户侧全天总用电量序列的标准化参数值的紧邻均值Z
1(1)
(j)
′
；步骤P5：构建用户侧全天总用电量标准化参数值、输变配网侧全天故障次数标准化参数值以及气象指数标准化参数值的一阶微分方程；步骤P6：通过累减对预测日用户侧全天用电量标准化参数值进行预测，并对预测后的用户侧全天用电量标准化参数值去标准化；智能调度模块，用于根据预测日用户侧全天用电量QY对发电侧预测日的发电量进行预测和调度。2.根据权利要求1所述的一种基于数据分析的源网荷储协同调度系统，其特征在于：气象指数的计算过程如下：信息预处理模块将获取的当天不同时间点的各个气象值进行平均计算，获取当天的温度均值T、降水量均值R、风速均值W以及雷击概率均值L；并计算气象指数，公式如下：气象指数＝a1
×
T
‑
20+a2
×
...

【专利技术属性】
技术研发人员：戴东升，朱嫔嫔，丁怀军，马骁兵，陈杰，张耀升，
申请(专利权)人：国网安徽省电力有限公司淮北供电公司，
类型：发明
国别省市：