【技术实现步骤摘要】
本专利技术属于配电调度策略领域，具体为一种基于人工蜂群算法配电调度策略方法及系统。
技术介绍
1、随着现代社会对电力需求的不断增长以及能源结构的多元化发展，分布式能源特别是光伏发电在电力系统中的应用日益广泛。分布式光伏发电作为一种清洁、可再生的能源，具有安装灵活、绿色环保、减少传输损耗等优点，受到广泛关注和应用。然而，分布式光伏发电的间歇性和波动性对电网的稳定性和调度带来了新的挑战。
2、在传统的电力系统中，配电网络主要依赖集中式发电厂提供稳定的电力供应。这种集中式发电方式虽然能够保证电力的持续供应，但存在单点故障风险高、传输损耗大等问题。集中式发电厂通常位于远离负载中心的地方，电力需要长距离传输，导致传输过程中损耗增加。此外，集中式发电依赖化石燃料，产生大量的二氧化碳排放，不利于环境保护。
3、分布式光伏发电的引入可以减轻集中式发电的压力，降低传输损耗，减少环境污染。然而，分布式光伏发电受天气、日照等因素影响较大，其输出功率具有较强的间歇性和波动性，给电网的稳定性和调度带来了新的挑战。
4、现有的电力调度方法通常依赖于集中式发电的预测和调度模型，这些模型对分布式光伏发电的波动性缺乏有效的应对策略。具体来说，传统的预测模型往往无法准确捕捉分布式光伏发电的波动性，导致预测误差较大，影响调度决策的准确性。这些模型通常基于历史数据和统计方法，无法充分考虑天气变化、日照强度等动态因素，并且对实时变化的响应速度较慢，难以及时调整配电策略，应对分布式光伏发电的快速变化。传统调度系统通常采用集中控制方式，信
5、因此，目前亟需一种能够综合利用分布式光伏发电的实时数据，提高了电力系统的稳定性和效率的优化方法。
技术实现思路
1、针对上述问题，本专利技术提出了一种基于人工蜂群算法的配电调度策略方法及系统。通过设定相应大小的蜂群，并进行迭代搜索，随机生成分布式光伏发电节点及其他分布式能源节点的有功功率和电网中的无功功率值，使得蜂群适应度值最高，从而选择最优的分布式能源节点，降低整体电路损耗以及电压跳动。此方法有效地利用了分布式光伏发电的实时数据，提高了电力系统的稳定性和效率。
2、为实现上述目的，本专利技术采取的技术方案是：
3、一种基于人工蜂群算法配电调度策略方法，具体步骤如下：
4、s1：需求配电节点有功功率预测；
5、对需求配电节点的有功功率值及其趋势进行预测，需要考虑及时瞬态的分布式能源接入，对需求配电节点的有功功率值及其趋势进行预测反馈，即是预测分钟内的需求配电节点的有功功率值及其趋势，其中需求配电节点有功功率趋势该值为30秒前的需求配电节点有功功率减去当前需求配电节点的有功功率的值，针对于不同的区域单独设定模型进行考虑，对常态化一般性特征不予考虑；
6、采用智能电表对需求配电节点每秒的实时用电数据的有功功率进行读取，单位为千瓦时，并记录为wp，读取附近气象站的天气条件，包括所在区域实时的温度t、湿度s以及风速值f，采用独热编码记录此时的时间刻度为d向量，该向量包括小时、分钟、星期几以及是否为节假日，其中具体分钟贴近哪一刻度值即为该刻度值作为标记值，星期几标记星期一至星期日，是否为节假日标记为是与否；
7、s2：分布式光伏能源节点有功功率输出与波动性预测；
8、步骤s2对分布式光伏能源节点有功功率输出与波动性预测；
9、首先对需求配电节点附近的分布式太阳能光伏预测时序性模型进行建立，预测分布式太阳能光伏有功功率变化趋势值与太阳能光伏具体有功功率值，其中分布式太阳能光伏有功功率变化趋势值为实时的太阳能光伏有功功率与30秒前分布式太阳能光伏有功功率的差值；
10、其中，分布式太阳能光伏预测时序性模型表示如下：
11、solartend,solarenergy＝rnn(soir,t,s,f,g,clc)
12、其中，solartend表示太太阳能光伏有功功率变化趋势值，solarenergy表示太阳能下一秒的能提，rnn表示循环神经网络，soir表示实时日照强度，clc表示实时云量,g为太阳辐射强度度，clc表示实时云量；
13、s3：电网拓扑模型构建；
14、确定需求配电节点的位置locx，并确认各个分布式能源的位置locf，进而通过阻抗计算公式近似计算电网的阻抗ri：
15、ri＝rline*l+j*xline*l
16、其中，ri为电网阻抗，rline为线路电阻，j为虚数单位，xline为线路电抗，l为分布式能源节点到需求配电节点的线路长度；
17、s4：分布式能源节点人工蜂群配电调度；
18、提出基于人工蜂群算法进行分布式能源节点的电力调度。
19、进一步的，所述步骤s1需求配电节点有功功率预测过程中包括增强动态负载因子公式，融合时序列特征，对短周期时间内的需求配电节点的有功功率使用波动进行考量：
20、
21、其中，difenhaced为增强动态负载因子，pavg问实时30秒内的平均有功功率，pmax为实时30秒内的最大有功功率，t为实时的一天当中的时间，单位为小时，t是一天当中的总小时数目为24，ε和δ问权重因子，g为太阳辐射强度，ppv为光伏发电系统的输出功率，δppv为光伏发电系统输出功率的变化量(即当前ppv减去30秒前的ppv)，γ和ρ和θ为光伏发电的权重因子；
22、进一步的，所述步骤s1需求配电节点有功功率预测过程中包括对变压器的瞬时效率进行表征，当变压器瞬时的输出功率与输入功率的比例较低时，虽然在需求配电节点没有产生直接的有功功率需求，但是会增加电网总体能耗，进而需要更多有功功率：
23、
24、其中，traneffic为变压器瞬时效率，pin(t),pout(t)分别为时间为t时刻的输入功率与输出功率，p'in(t)与p'out(t)为输入功率和输出功率的瞬时变化率，其中变化率取样时间间隔为30秒。
25、进一步的，所述步骤s1需求配电节点有功功率预测过程中采用transformer网络对需求配电节点下一秒的实时有功功率值及其趋势进行预测，其中transformer网络表示为：
26、acticeptend，acticepz＝transfomer(wp,t,s,f,d,difenhaced,ppv,δppv,traneffic)
27、其中，acticeptend表示有功功率趋势，acticepz表示需求配电节点下一秒的有功功率值，transfomer为时序性网络架构,ppv为光伏发电系统的输出功率，δppv为光伏发电系统输出功率的变化量；
28、进一步的，所述步骤s2分布式能源节点有功功率输出与波动性预测过程中对需求配电节点附近的风能预测时序性模型进行建立，预测风能的有功功率变化本文档来自技高网...
【技术保护点】
1.一种基于人工蜂群算法配电调度策略方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于人工蜂群算法配电调度策略方法，其特征在于，
3.根据权利要求1所述的一种基于人工蜂群算法配电调度策略方法，其特征在于，
4.根据权利要求2或3所述的一种基于人工蜂群算法配电调度策略方法，其特征在于，所述步骤S1需求配电节点有功功率预测过程中采用Transformer网络对需求配电节点下一秒的实时有功功率值及其趋势进行预测，其中Transformer网络表示为：
5.根据权利要求1所述的一种基于人工蜂群算法配电调度策略方法，其特征在于，所述步骤S2分布式能源节点有功功率输出与波动性预测过程中对需求配电节点附近的风能预测时序性模型进行建立，预测风能的有功功率变化趋势值以及风能的具体有功功率值，其中风能的有功功率变化趋势值具体表示为风能有功功率值与30秒前风能有功功率的差值；
6.根据权利要求1所述的一种基于人工蜂群算法配电调度策略方法，其特征在于，所述S4分布式能源节点人工蜂群配电调度具体步骤如下：
7.根据权利
...【技术特征摘要】
1.一种基于人工蜂群算法配电调度策略方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于人工蜂群算法配电调度策略方法，其特征在于，
3.根据权利要求1所述的一种基于人工蜂群算法配电调度策略方法，其特征在于，
4.根据权利要求2或3所述的一种基于人工蜂群算法配电调度策略方法，其特征在于，所述步骤s1需求配电节点有功功率预测过程中采用transformer网络对需求配电节点下一秒的实时有功功率值及其趋势进行预测，其中transformer网络表示为：
5.根据权利要求1所述的一...
【专利技术属性】
技术研发人员：徐大可，高辉，吴参林，隋永波，王维，陆思涛，
申请(专利权)人：南京大全自动化科技有限公司，
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。