电网协同控制方法、系统及电子设备与流程

摘要: 本技术涉及智能电网,尤其涉及一种电网协同控制方法、系统及电子设备。背景技术:1、随着全球能源结构向低碳化转型,光伏、风电等新能源在电网中的装机容量占比持续提升。...
电网协同控制方法、系统及电子设备与流程

本技术涉及智能电网,尤其涉及一种电网协同控制方法、系统及电子设备。

背景技术:

1、随着全球能源结构向低碳化转型,光伏、风电等新能源在电网中的装机容量占比持续提升。然而,新能源发电具有显著的间歇性、波动性和随机性特征,其出力受天气、光照、风速等自然条件影响,导致电网电压波动幅度显著增大。

2、现有技术中,通常是在新能源场站出口及电网关键节点,配置固定容量的无功补偿装置来维持并网点电压。

3、然而,现有技术中的上述方案,存在难以有效抑制电压波动的问题。

技术实现思路

1、本技术实施例提供电网协同控制方法、系统及电子设备,用以达到提高电网电压稳定性的效果。

2、第一方面,本技术实施例提供一种电网协同控制方法,包括:

3、获取多维度指标数据,所述多维度指标数据包括新能源出力数据、电网电压数据及负荷特性数据;基于所述多维度指标数据预测电网的电压稳定状态;根据所述电压稳定状态,控制多端调节单元执行无功功率调节,以使电网的电压保持在目标区间;其中,所述多端调节单元用于从新能源源侧、电网侧和负荷侧协同地对所述电网的电压进行调节。

4、在一种可能的实施方式中,所述基于所述多维度指标数据预测电网的电压稳定状态,包括:对所述多维度指标数据进行归一化处理,得到各数据维度对应的归一化指标;通过神经网络模型处理所述各数据维度对应的归一化指标,得到所述电压稳定状态。

5、在一种可能的实施方式中,所述神经网络模型为基于长短期记忆网络模型、梯度提升树、卷积神经网络构建的融合模型,所述融合模型中的各子模型对应的权重基于用电场景确定。

6、在一种可能的实施方式中,所述多端调节单元包括源侧调节单元,所述源侧调节单元中包括储能变流器和新能源逆变;所述根据所述电压稳定状态,控制多端调节单元执行无功功率调节,包括:根据所述电压稳定状态,得到新能源逆变器的下垂系数,所述下垂系数表征无功功率与电压之间的映射关系;在所述新能源源侧出力骤降时,基于所述下垂系数,控制源侧调节单元中的储能变流器在预设时间阈值内释放无功功率。

7、在一种可能的实施方式中,所述多端调节单元包括电网侧无功补偿单元,所述根据所述电压稳定状态,控制多端调节单元执行无功功率调节,包括:根据电网所在区域的新能源装机容量,得到电网侧的无功输出容量;在所述无功输出容量的基础上,基于对所述电网电压的预测值,控制所述电网侧无功补偿单元中的调压绕组进行分接头调节,以调整所述电网电压。

8、在一种可能的实施方式中,所述多端调节单元包括负荷调节单元,所述根据所述电压稳定状态,控制多端调节单元执行无功功率调节,包括:筛选可调节负荷资源,并标注所述可调节负荷资源对应的资源信息,所述资源信息包括负载类型、可调节容量、负载电价中的至少一种;基于电压偏差阈值和所述可调节负荷资源对应的资源信息,控制所述负荷调节单元在预设响应时间内调整可调节负荷资源的无功消耗。

9、在一种可能的实施方式中,还包括:获取多目标优化模型,所述多目标优化模型中包括第一目标函数、第二目标函数和第三目标函数,其中,所述第一目标函数用于最小化电压波动幅度、所述第二目标函数用于最小化调控成本,所述第三目标函数用于最大化电压稳定阈值;基于改进粒子群算法对所述多目标优化模型进行求解,得到控制信息,所述控制信息用于表征所述多端调节单元在所述新能源源侧、所述电网侧和所述负荷侧执行无功功率调节的执行参数。

10、在一种可能的实施方式中,还包括以下至少一项:所述多目标优化模型中还包括约束条件,所述约束条件包括以下至少一种:源侧调节单元的无功出力上限、电网侧无功补偿单元的调控范围、负荷调节单元的调节容量上限、电压偏差、调控成本;根据所述电网的电压波动数据,生成优化指令,所述优化指令用于基于所述电压波动数据重新调节所述多端调节单元的执行参数。

11、第二方面,本技术实施例提供一种电网协同控制装置,包括:

12、获取模块,用于获取多维度指标数据,所述多维度指标数据包括新能源出力数据、电网电压数据及负荷特性数据;

13、预测模块,用于基于所述多维度指标数据预测电网的电压稳定状态;

14、控制模块,用于根据所述电压稳定状态,控制多端调节单元执行无功功率调节,以使电网电压保持在目标区间;其中,所述多端调节单元用于从新能源源侧、电网侧和负荷侧协同地对所述电网电压进行调节。

15、在一种可能的实施方式中,所述预测模块,具体用于:对所述多维度指标数据进行归一化处理,得到各数据维度对应的归一化指标;通过神经网络模型处理所述各数据维度对应的归一化指标,得到所述电压稳定状态。

16、在一种可能的实施方式中,所述神经网络模型为基于长短期记忆网络模型、梯度提升树、卷积神经网络构建的融合模型,所述融合模型中的各子模型对应的权重基于用电场景确定。

17、在一种可能的实施方式中,所述多端调节单元包括源侧调节单元,所述源侧调节单元中包括储能变流器和新能源逆变;所述控制模块,具体用于:根据所述电压稳定状态,得到新能源逆变器的下垂系数,所述下垂系数表征无功功率与电压之间的映射关系;在所述新能源源侧出力骤降时,基于所述下垂系数,控制源侧调节单元中的储能变流器在预设时间阈值内释放无功功率。

18、在一种可能的实施方式中,所述多端调节单元包括电网侧无功补偿单元,所述控制模块,具体用于:根据电网所在区域的新能源装机容量,得到电网侧的无功输出容量;在所述无功输出容量的基础上,基于对所述电网电压的预测值,控制所述电网侧无功补偿单元中的调压绕组进行分接头调节,以调整所述电网电压。

19、在一种可能的实施方式中,所述多端调节单元包括负荷调节单元,所述根据所述电压稳定状态,控制多端调节单元执行无功功率调节,包括:筛选可调节负荷资源,并标注所述可调节负荷资源对应的资源信息,所述资源信息包括负载类型、可调节容量、负载电价中的至少一种;基于电压偏差阈值和所述可调节负荷资源对应的资源信息,控制所述负荷调节单元在预设响应时间内调整可调节负荷资源的无功消耗。

20、在一种可能的实施方式中,所述预测模块,还用于:获取多目标优化模型,所述多目标优化模型中包括第一目标函数、第二目标函数和第三目标函数,其中,所述第一目标函数用于最小化电压波动幅度、所述第二目标函数用于最小化调控成本,所述第三目标函数用于最大化电压稳定阈值;基于改进粒子群算法对所述多目标优化模型进行求解,得到控制信息,所述控制信息用于表征所述多端调节单元在所述新能源源侧、所述电网侧和所述负荷侧执行无功功率调节的执行参数。

21、在一种可能的实施方式中,还包括以下至少一项:所述多目标优化模型中还包括约束条件,所述约束条件包括以下至少一种:源侧调节单元的无功出力上限、电网侧无功补偿单元的调控范围、负荷调节单元的调节容量上限、电压偏差、调控成本;所述预测模块,还用于根据所述电网的电压波动数据,生成优化指令,所述优化指令用于基于所述电压波动数据重新调节所述多端调节单元的执行参数。

22、第三方面,本技术实施例提供一种电网协同控制系统,包括中央服务器、边缘计算节点和多端调节单元,其中,所述边缘计算节点用于采集多维度指标数据,并基于所述多维度指标数据预测电网的电压稳定状态,其中,所述多维度指标数据包括新能源出力数据、电网电压数据及负荷特性数据;所述中央服务器用于根据所述电压稳定状态,控制多端调节单元执行无功功率调节,以使电网电压保持在目标区间;其中,所述多端调节单元用于从新能源源侧、电网侧和负荷侧协同地对所述电网电压进行调节。

23、第四方面,本技术实施例提供一种电子设备,包括:存储器,处理器;

24、所述存储器存储计算机执行指令;

25、所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如上第一方面和/或第一方面各种可能的实施方式。

26、第五方面,本技术实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上第一方面和/或第一方面各种可能的实施方式。

27、第六方面,本技术实施例提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上第一方面和/或第一方面各种可能的实施方式。

28、本技术实施例提供的电网协同控制方法、系统及电子设备,通过获取多维度指标数据,所述多维度指标数据包括新能源出力数据、电网电压数据及负荷特性数据;基于所述多维度指标数据预测电网的电压稳定状态;根据所述电压稳定状态,控制多端调节单元执行无功功率调节,以使电网的电压保持在目标区间;其中,所述多端调节单元用于从新能源源侧、电网侧和负荷侧协同地对所述电网的电压进行调节。通过基于多维度指标数据进行电压稳定状态预测,并从新能源源侧、电网侧和负荷侧对电网进行多源协同调控,提高电网的电压调控的实时性和调节效果,提高电网运行稳定性。