System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及广域分布式能源协同优化调节辅助数字孪生,具体地涉及一种广域分布式能源协同优化调节方法及系统。
技术介绍
1、从能源的角度来看,一个以大规模勘探和利用新能源为标志的全新能源革命时代正在世界各地蓬勃发展。近年来,随着传统能源的逐渐枯竭和人们环保意识的日益增强,电力系统领域面临重大改革。随着装机容量和发电量的爆发式增长,再加上输配电、调节等方面的困难,新电力系统的支撑能力越来越大,而现有技术中对于电力模型的能源调度缺乏高效率的调度方案。
技术实现思路
1、本专利技术实施例的目的是提供一种广域分布式能源协同优化调节方法及系统,该调度方法及系统能够提高能源的调度效率。
2、为了实现上述目的,本专利技术实施例提供一种广域分布式能源协同优化调节方法,包括:
3、构建电力系统的数字孪生模型;
4、获取优化任务;
5、基于冠状病毒优化算法根据所述优化任务调节所述数字孪生模型;
6、根据所述数字孪生模型优化电力系统。
7、可选地,基于冠状病毒优化算法根据所述优化任务调节所述数字孪生模型,包括:
8、根据公式(1)确定优化目标的目标函数,
9、
10、其中,minf表示目标函数的最小化取值,n为控制区间的数量,δpm(k)为第k个控制区间的总功率偏差,为第k+1个控制区间的第i个调节功率与实际输出功率的偏差,n为一个控制区间内调节功率的数量。
11、可选地,基于冠状病毒优
12、根据公式(2)至公式(5)确定所述冠状病毒优化算法的约束条件,
13、
14、其中,为第k个控制区间的第i个调节功率,δpm(k)为第k个控制区间的总功率偏差;
15、
16、其中,n为一个控制区间内调节功率的数量;
17、
18、其中,为第i个调节功率对应的机组能力下限,为第i个调节功率对应的机组能力上限;
19、
20、其中,为第k-1个控制区间的第i个实际输出功率。
21、可选地,基于冠状病毒优化算法根据所述优化任务调节所述数字孪生模型,包括:
22、初始化问题的维度、最大迭代次数以及优化器最大迭代次数;
23、初始化最优位置;
24、执行局部搜索操作;
25、更新所述局部搜索操作;
26、执行全局方案优化操作;
27、更新所述最优位置和全局最优位置;
28、计算当前的最优适应度的平均值;
29、判断所述平均值大于或等于预设的阈值适应度;
30、在判断平均值大于或等于所述阈值适应度的情况下,输出用于调节所述数字孪生模型的调节方案;
31、在判断所述平均值小于所述阈值适应度的情况下,返回执行执行局部搜索操作的步骤。
32、可选地,所述初始化最优位置和全局最优位置包括:
33、根据公式(6)至公式(8)执行初始化最优位置,
34、
35、其中,为第i个追随者的初始位置,δpm(k)为第k个控制区间的总功率偏差,为第i个调节功率对应的机组能力上限,n为一个控制区间内调节功率的数量;
36、
37、
38、可选地,所述局部搜索操作包括:
39、根据公式(9)至公式(16)来执行该局部搜索操作,
40、
41、其中,fi(xi)为追随者xi的适应度,为第k+1个控制区间的第i个调节功率,为第k+1个控制区间的第i个实际输出功率,为第k+1个控制区间的最优调节功率,为第k+1个控制区间的第b个实际输出功率,n为追随者的数量;
42、
43、其中,为第k个控制区间的第i个调节功率,δpm(k)为为第k个控制区间的总功率偏差;
44、
45、其中,为第k个控制区间的第b个调节功率,
46、
47、其中,为第i个调节功率对应的机组能力下限,为第i个调节功率对应的机组能力上限;
48、
49、
50、其中,为第k-1个控制区间的第i个实际输出功率,δriδt为输出的上下限功率;
51、
52、其中,为第k-1个控制区间的第b个实际输出功率,δrbδt为最优的上下限功率;
53、i=1,2,…,n,i≠b, (16)。
54、可选地,更新所述局部搜索操作,包括:
55、采用内点发求解追随者的位置;
56、采用barrier法更新所述内点法。
57、可选地,所述阈值适应度为前一轮迭代的平均值。
58、另一方面,本专利技术还提供一种广域分布式能源协同优化调节系统,所述调节系统包括处理器,所述处理器被配置成执行如上述任一所述的调节方法。
59、再一方面,本专利技术还提供一种计算机可读存储介质,所述计算机可读存储介质存储有指令,所述指令用于被机器读取以使得所述机器执行如上述任一所述的调节方法。
60、通过上述技术方案,本专利技术实施方式提供的一种广域分布式能源协同优化调节方法及系统,通过构建电力系统的数字孪生模型,并在此基础上结合冠状病毒算法的搜索特性,对该数字孪生模型进行模拟优化,最后基于优化的结果来调节电力系统。相较于现有技术而言,本专利技术实施方式提供的调节方法及系统由于在优化的过程中结合了各个能源机组的上下限特性,使得优化后的电力调度方案能够具备更高的调度效率。
61、本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种广域分布式能源协同优化调节方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,基于冠状病毒优化算法根据所述优化任务调节所述数字孪生模型,包括:
3.根据权利要求1所述的方法,其特征在于,基于冠状病毒优化算法根据所述优化任务调节所述数字孪生模型,包括:
4.根据权利要求1所述的方法,其特征在于,基于冠状病毒优化算法根据所述优化任务调节所述数字孪生模型,包括:
5.根据权利要求4所述的方法,其特征在于,所述初始化最优位置和全局最优位置包括:
6.根据权利要求5所述的方法,其特征在于,所述局部搜索操作包括:
7.根据权利要求1所述的方法,其特征在于,更新所述局部搜索操作,包括:
8.根据权利要求4所述的调节方法,其特征在于,所述阈值适应度为前一轮迭代的平均值。
9.一种广域分布式能源协同优化调节系统,其特征在于,所述调节系统包括处理器,所述处理器被配置成执行如权利要求1至8任一所述的调节方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可
...【技术特征摘要】
1.一种广域分布式能源协同优化调节方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,基于冠状病毒优化算法根据所述优化任务调节所述数字孪生模型,包括:
3.根据权利要求1所述的方法,其特征在于,基于冠状病毒优化算法根据所述优化任务调节所述数字孪生模型,包括:
4.根据权利要求1所述的方法,其特征在于,基于冠状病毒优化算法根据所述优化任务调节所述数字孪生模型,包括:
5.根据权利要求4所述的方法,其特征在于,所述初始化最优位置和全局最优位置包括:
6.根据权利...
【专利技术属性】
技术研发人员:李志,曹灿,王心妍,叶志远,孙婉莹,李欣,
申请(专利权)人:安徽继远软件有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。