电网能源控制方法、装置、电子设备及存储介质与流程

1.本技术涉及能源管理技术领域，尤其涉及一种电网能源控制方法、装置、电子设备及存储介质。


背景技术：

2.社区能源管理是智能城市的一个重要方面，可以把社区的电网系统看成一个微电网，微电网与主电网形成电网系统。通过将可再生能源加入微电网，以满足日益增长的电力需求。相关技术中，微电网可以根据电价和用电量进行系统调度(包括从主电网买电，或向主电网卖电)，从而可以实现更好的需求管理，在节约成本的同时可以提高能源利用率。然而，该方法对能源的利用率仍然不高、优化效果不理想。


技术实现要素：

3.为了解决上述技术问题或者至少部分地解决上述技术问题，本技术提供了一种电网能源控制方法、装置、电子设备及存储介质。
4.根据本技术的第一方面，提供了一种电网能源控制方法，包括：
5.获取微电网的实时总负载、可再生能源的实时发电功率、实时电价和储能系统的实时总储能；
6.将所述实时总负载、所述实时发电功率、所述实时电价和所述实时总储能代入预先构建的目标函数，得到电网能源控制模型；其中，所述目标函数包括用于对所述储能系统进行充放电控制的充放电功率控制参数；
7.基于所述实时电价和/或所述实时发电功率，对所述电网能源控制模型进行优化求解，以得到所述充放电功率控制参数的实时值；
8.根据所述实时值控制所述微电网的所述储能系统充电或放电。
9.在一种可选的实施方式中，所述对所述电网能源控制模型进行优化求解，以得到所述充放电功率控制参数的实时值，包括：
10.通过粒子群优化算法，对所述电网能源控制模型进行优化求解，以得到所述充放电功率控制参数的实时值，其中，所述粒子群优化算法中的惯性因子、第一加速常数和第二加速常数之间相互约束。
11.在一种可选的实施方式中，在通过粒子群优化算法，对所述电网能源控制模型进行优化求解之前，所述方法还包括：
12.获取第一约束系数和第二约束系数，根据所述第一约束系数和所述第二约束系数确定所述惯性因子、所述第一加速常数和所述第二加速常数。
13.在一种可选的实施方式中，根据所述第一约束系数和所述第二约束系数，确定惯性因子、第一加速常数和第二加速常数，包括：
14.获取第一约束系数和第二约束系数，根据所述第一约束系数和所述第二约束系数，确定目标约束系数；
15.根据所述目标约束系数，确定惯性因子；
16.根据所述目标约束系数和所述第一约束系数，确定第一加速常数；
17.根据所述目标约束系数和所述第二约束系数，确定第二加速常数。
18.在一种可选的实施方式中，如果所述第一约束系数和所述第二约束系数分别为φ1、φ2；
19.所述根据所述第一约束系数和所述第二约束系数，确定目标约束系数，包括：
20.根据确定目标约束系数cf，其中，φ＝φ1 φ2，φ1 φ2≥4；
21.所述根据所述目标约束系数，确定惯性因子，包括：
22.将预设系数与所述目标约束系数进行乘积运算，得到惯性因子；
23.所述根据所述目标约束系数和所述第一约束系数，确定第一加速常数，包括：
24.将所述目标约束系数和所述第一约束系数进行乘积运算，得到第一加速常数；
25.所述根据所述目标约束系数和所述第二约束系数，确定第二加速常数，包括：
26.将所述目标约束系数和所述第二约束系数进行乘积运算，得到第二加速常数。
27.在一种可选的实施方式中，所述目标函数为：
[0028][0029]
其中，l(t)表示实时总负载、p(t)表示实时发电功率、c(t)表示实时电价、bl(t)表示实时总储能，t为当前时刻，c
min
表示最低电价，bl
max
表示储能系统的最大储能，u(t)为充放电功率控制参数，x(t)表示向主电网卖电的收入或从主电网买电的支出。
[0030]
在一种可选的实施方式中，所述将所述实时总负载、所述实时发电功率、所述实时电价和所述实时总储能代入预先构建的目标函数，得到电网能源控制模型，包括：
[0031]
获取历史时间段内的平均电价；
[0032]
基于所述平均电价和所述实时电价，确定惩罚函数值；
[0033]
将所述实时总负载、所述实时发电功率、所述实时电价、所述惩罚函数值和所述实时总储能代入预先构建的目标函数，得到电网能源控制模型。
[0034]
在一种可选的实施方式中，惩罚函数f(t)＝k
‑
c(t)；其中，c(t)表示实时电价，k为平均电价。
[0035]
在一种可选的实施方式中，所述目标函数为：
[0036][0037]
其中，l(t)表示实时总负载、p(t)表示实时发电功率、c(t)表示实时电价、bl(t)表示实时总储能，t为当前时刻，f(t)表示惩罚函数，c
min
表示最低电价，bl
max
表示储能系统的最大储能，u(t)为充放电功率控制参数，x(t)表示向主电网卖电的收入或从主电网买电的支出。
[0038]
在一种可选的实施方式中，基于所述实时电价和/或所述实时发电功率，对所述电网能源控制模型进行优化求解，以得到所述充放电功率控制参数的实时值，包括：
[0039]
如果所述实时电价大于第一电价阈值和/或所述实时发电功率大于第一功率阈值，确定所述目标函数中所述充放电功率控制参数的实时值，以使向主电网卖电的收入最大；
[0040]
如果所述实时电价小于第二电价阈值，确定所述目标函数中所述充放电功率控制参数的实时值，以使向主电网买电的支出最小；其中，所述第一电价阈值大于所述第二电价阈值，所述第一功率阈值大于所述第二功率阈值。
[0041]
根据本技术的第二方面，提供了一种电网能源控制装置，包括：
[0042]
获取模块，用于获取微电网的实时总负载、可再生能源的实时发电功率、实时电价和储能系统的实时总储能；
[0043]
目标函数代入模块，用于将所述实时总负载、所述实时发电功率、所述实时电价和所述实时总储能代入预先构建的目标函数，得到电网能源控制模型；其中，所述目标函数包括用于对所述储能系统进行充放电控制的充放电功率控制参数；
[0044]
参数值求解模块，用于基于所述实时电价和/或所述实时发电功率，对所述电网能源控制模型进行优化求解，以得到所述充放电功率控制参数的实时值；
[0045]
充放电控制模块，用于根据所述实时值控制所述微电网的所述储能系统充电或放电。
[0046]
在一种可选的实施方式中，所述参数值求解模块，具体用于基于所述实时电价和/或所述实时发电功率，通过粒子群优化算法，对所述电网能源控制模型进行优化求解，以得到所述充放电功率控制参数的实时值，其中，所述粒子群优化算法中的惯性因子、第一加速常数和第二加速常数之间相互约束。
[0047]
在一种可选的实施方式中，所述电网能源控制装置，还包括：
[0048]
算法参数值确定模块，用于获取第一约束系数和第二约束系数，根据所述第一约束系数和所述第二约束系数确定惯性因子、第一加速常数和第二加速常数。
[0049]
在一种可选的实施方式中，所述算法参数值确定模块，具体用于根据所述第一约束系数和所述第二约束系数，确定目标约束系数；根据所述目标约束系数，确定惯性因子；根据所述目标约束系数和所述第一约束系数，确定第一加速常数；根据所述目标约束系数和所述第二约束系数，确定第二加速常数。
[0050]
在一种可选的实施方式中，如果所述第一约束系数和所述第二约束系数分别为φ1、φ2；
[0051]
所述数值确定单元，具体用于根据确定目标约束系数cf，其中，φ＝φ1 φ2，φ1 φ2≥4；
[0052]
将预设系数与所述目标约束系数进行乘积运算，得到惯性因子；将所述目标约束系数和所述第一约束系数进行乘积运算，得到第一加速常数；将所述目标约束系数和所述第二约束系数进行乘积运算，得到第二加速常数。
[0053]
在一种可选的实施方式中，所述目标函数为：
[0054]
[0055]
其中，l(t)表示实时总负载、p(t)表示实时发电功率、c(t)表示实时电价、bl(t)表示实时总储能，t为当前时刻，c
min
表示最低电价，bl
max
表示储能系统的最大储能，u(t)为充放电功率控制参数，x(t)表示向主电网卖电的收入或从主电网买电的支出。
[0056]
在一种可选的实施方式中，所述目标函数代入模块，具体用于获取历史时间段内的平均电价，基于所述平均电价和所述实时电价，确定惩罚函数值；将所述实时总负载、所述实时发电功率、所述实时电价、所述惩罚函数值和所述实时总储能代入预先构建的目标函数，得到电网能源控制模型。
[0057]
在一种可选的实施方式中，惩罚函数f(t)＝k
‑
c(t)；其中，c(t)表示实时电价，k为平均电价。
[0058]
在一种可选的实施方式中，所述目标函数为：
[0059][0060]
其中，l(t)表示实时总负载、p(t)表示实时发电功率、c(t)表示实时电价、bl(t)表示实时总储能，t为当前时刻，f(t)表示惩罚函数，c
min
表示最低电价，bl
max
表示储能系统的最大储能，u(t)为充放电功率控制参数，x(t)表示向主电网卖电的收入或从主电网买电的支出。
[0061]
在一种可选的实施方式中，所述参数值求解模块，具体用于如果所述实时电价大于第一电价阈值和/或所述实时发电功率大于第一功率阈值，确定所述目标函数中所述充放电功率控制参数的实时值，以使向主电网卖电的收入最大；如果所述实时电价小于第二电价阈值和/或所述实时发电功率小于第二功率阈值，确定所述目标函数中所述充放电功率控制参数的实时值，以使向主电网买电的支出最小；其中，所述第一电价阈值大于所述第二电价阈值，所述第一功率阈值大于所述第二功率阈值。
[0062]
根据本技术的第三方面，提供了一种电子设备，包括：
[0063]
处理器；以及
[0064]
存储器，用于存储所述处理器的可执行指令；
[0065]
其中，所述处理器配置为经由执行所述可执行指令来执行第一方面所述的方法。
[0066]
根据本技术的第四方面，提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法。
[0067]
本技术实施例提供的技术方案与现有技术相比具有如下优点：
[0068]
可以利用微电网内部储能系统的充放电功能，最大限度地对微电网内部的能源进行优化管理。具体的，在预先构建的目标函数中可以引入充放电功率控制参数，使目标函数随充放电功率控制参数的变化而变化，即调节充放电功率控制参数的值，可以改变目标函数的函数值。基于实时电价和/或实时发电功率，通过计算使目标函数取得最优值下充放电功率控制参数的值，以对储能系统进行最优控制。例如，在实时电价和/或实时发电功率较低时，可以从主电网买电，并对储能系统进行充电以储存电能，此时充放电功率控制参数的值即为最优的充电功率。在实时电价和/或实时发电功率较高时向主电网卖电，此时充放电功率控制参数的值即为最优的放电功率。通过该方式对储能系统进行控制，可以为微电网提供更灵活的能源管理，在不增加运营成本的情况下，可以提高微电网内部的电能，使微电网内部的电能最大化，提高微电网能源的利用率。
[0069]
通过对粒子群优化算法进行改进，即，使粒子群优化算法中的惯性因子、第一加速常数和第二加速常数之间相互约束，从而可以调节速度变化的稳定性，避免速度在几次迭代中增加到不可接受的水平，提高粒子群优化算法的稳定性。
附图说明
[0070]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
[0071]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0072]
图1为适用于本技术实施例的电网能源控制方法的一种系统架构示意图；
[0073]
图2为本技术实施例中电网能源控制方法的一种流程图；
[0074]
图3为本技术实施例中电网能源控制方法的又一种流程图；
[0075]
图4为本技术实施例中粒子群优化算法的计算过程流程图；
[0076]
图5为本技术实施例中电网能源控制装置的一种结构示意图；
[0077]
图6为本技术实施例中电子设备的一种结构示意图。
具体实施方式
[0078]
为了能够更清楚地理解本技术的上述目的、特征和优点，下面将对本技术的方案进行进一步描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
[0079]
在下面的描述中阐述了很多具体细节以便于充分理解本技术，但本技术还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本技术的一部分实施例，而不是全部的实施例。
[0080]
参见图1，图1为适用于本技术实施例的电网能源控制方法的一种系统架构示意图。系统架构包括：主电网和微电网，微电网是一种小规模的电力系统，例如可以是社区电网等。
[0081]
微电网包括：储能系统、可再生能源和中央控制单元，其中，可再生能源作为一种间歇能源加入微电网，满足了日益增长的电力需求，并且减少了温室气体的排放。目前，社区配置的发电设备主要包括风力发电设备和太阳能发电设备，因此可再生能源主要包括风能和太阳能。风力发电的功率可以表示为p
wt
(t),太阳能发电的功率可以表示为p
st
(t)，风力发电和太阳能发电均是随时间变化的，即，不同时刻t对应的p
wt
(t)不同，不同时刻t对应的p
st
(t)也不同。
[0082]
由于风力发电和太阳能发电有时会有多余的电力，因此，微电网通常会有储能系统。常见的储能系统包括超级电容器、电化学电池、超导磁储能、压缩空气储能和飞轮储能等。这些储能系统具有不同的特性，包括响应时间、存储容量和泄漏电流能力等，可以根据不同的规模、不同的需求，选取适用的储能系统。由于电化学电池长期以来一直是静电放电的产物，因此，本技术可以选用电化学电池作为储能系统。
[0083]
如果储能系统充电，则t时刻储能系统的总能量bl(t)可以表示为：
[0084]
bl(t)＝bl(t
‑
1) δtp
c
(t)η
c
，
[0085]
其中，bl(t
‑
1)表示t
‑
1时刻储能系统的总能量，δt表示t时刻与t
‑
1时刻之间的时间差，例如，δt可以是半小时，即可以每半小时对储能系统的总能量进行更新，p
c
(t)表示t时刻储能系统充电功率，η
c
表示t时刻储能系统充电效率。
[0086]
bl(t)满足以下条件：bl
max
>bl(t)>bl
min
，bl
max
表示储能系统储存的最大能量，bl
min
表示储能系统储存的最小能量。
[0087]
p
c
(t)满足以下条件：p
c，max
>p
c
>0，p
c，max
表示最大充电功率。
[0088]
如果储能系统放电，则t时刻储能系统的总能量bl(t)可以表示为：
[0089]
bl(t)＝bl(t
‑
1) δtp
d
(t)η
d
，
[0090]
其中，p
d
(t)表示t时刻储能系统放电功率，η
d
表示t时刻储能系统放电效率。
[0091]
p
d
(t)满足以下条件：p
d，max
<p
d
<0，p
d，max
表示最大放电功率。
[0092]
储能系统可以在电价较低时储存电能，并在电价较高时出售，以最大限度地降低运营成本，从而为社区微电网提供更灵活的能源管理。储能系统的应用提高了电网的稳定性，提高了输电线路的容量，平衡了负荷曲线，减轻了电压波动，提高了供电质量和可靠性。
[0093]
中央控制单元可以在电网运行期间，利用储能系统的电能对微电网的能源进行高效管理，确保微电网本地的电力需求。同时还可以在本地发电过剩或不足时与主电网进行电力交换，从而实现节能减排的目标，并实现最低的能源成本和最佳控制策略。
[0094]
参见图2，图2为本技术实施例中电网能源控制方法的一种流程图，可以包括以下步骤：
[0095]
步骤s210，获取微电网的实时总负载、可再生能源的实时发电功率、实时电价和储能系统的实时总储能。
[0096]
本技术实施例中，微电网内的总负载、可再生能源的发电功率、电价和储能系统的总储能均是随时间变化的，微电网的实时总负载、可再生能源的实时发电功率、实时电价和储能系统的实时总储能分别指当前时刻的总负载、当前时刻的发电功率、当前时刻的电价和当前时刻的总储能。
[0097]
其中，微电网的实时总负载是微电网内当前同时运行的电器功率之和，可以通过设备监测得到。可再生能源的实时发电功率可以包括当前风力发电的功率和当前太阳能发电的功率，可以通过功率测试得到。实时电价指当前时刻的电价，不同时间段的电价可以不同，例如高峰时段的电价较高，低峰时段的电价较低，根据当前时刻所在的时间段直接获取即可。
[0098]
步骤s220，将实时总负载、实时发电功率、实时电价和实时总储能代入预先构建的目标函数，得到电网能源控制模型；其中，目标函数包括用于对储能系统进行充放电控制的充放电功率控制参数。
[0099]
在目标函数中可以考虑储能系统的充放电功能，引入充放电功率控制参数，充放电功率控制参数用于指示当前对储能系统进行充电控制，或指示当前对储能系统进行放电控制。在指示对储能系统进行充电控制时，还可以指示充电功率，在指示对储能系统进行放电控制时，还可以指示放电功率。通过计算充放电功率控制参数的值，使电网能源控制模型的函数值达到最优，从而可以获得对储能系统的最佳控制作用，实现对电网能源的优化管理。
[0100]
步骤s230，基于实时电价和/或实时发电功率，对电网能源控制模型进行优化求解，以得到充放电功率控制参数的实时值。
[0101]
在构建完成的目标函数中，改变充放电功率控制参数的值，可以得到不同的目标函数的函数值。为了优化电网能源，可以利用预设算法(例如，可以是粒子群优化算法等)，对电网能源控制模型进行优化求解，即计算使目标函数的函数值达到最优值所对应的充放电功率控制参数的实时值。其中，充放电功率控制参数的实时值为正值时表示充电，值越大表示充电功率越大，负值表示放电，值越小表示放电功率越大。
[0102]
需要说明的是，本技术实施例的目标函数包括从主电网买电的情况，以及向主电网卖电的情况，在此，可以依据实时电价和/或实时发电功率，确实从主电网买电或向主电网卖电。例如，在实时电价和/或实时发电功率较高的情况下，可以向主电网卖电，在实时电价和/或实时发电功率较低的情况下，可以从主电网买电。
[0103]
相应地，目标函数的函数值最优包括：在从主电网买电的情况下，目标函数的函数值最小；在向主电网卖电的情况下，目标函数的函数值最大。可选的，如果实时电价大于第一电价阈值，和/或实时发电功率大于第一功率阈值，可以确定目标函数中充放电功率控制参数的实时值，以使向主电网卖电的收入最大；如果实时电价小于第二电价阈值和/或实时发电功率小于第二功率阈值，确定目标函数中充放电功率控制参数的实时值，以使向主电网买电的支出最小；其中，第一电价阈值大于第二电价阈值，第一功率阈值大于第二功率阈值。
[0104]
举例而言，在只考虑实时电价的情况下，如果第一电价阈值为0.9，第二电价阈值为0.6，实时电价为1元每度，高于第一电价阈值，可以向主电网卖电，计算目标函数的最大值，即尽可能地增加卖电收入；如果实时电价为0.5元每度，低于第二电价阈值，可以向主电网买电，计算目标函数的最小值，即尽可能地降低买电支出。这样，可以在不增加成本的情况下，提高微电网内部的总电量。也可以只考虑实时发电功率，或者，考虑实时电价的同时，考虑实时发电量，确定从主电网买电或向主电网卖电。
[0105]
步骤s240，根据该实时值控制微电网的储能系统充电或放电。
[0106]
如前所述，充放电功率控制参数的实时值为正值时表示充电，负值表示放电，因此，可以直接根据该实时值控制微电网的储能系统充电或放电。
[0107]
本技术实施例的电网能源控制方法，可以利用微电网内部储能系统的充放电功能，最大限度地对微电网内部的能源进行优化管理。具体的，在目标函数中引入充放电功率控制参数，使目标函数随充放电功率控制参数的变化而变化，即调节充放电功率控制参数的值，可以改变目标函数的函数值。基于实时电价和/或实时发电功率，通过计算使目标函数取得最优值下充放电功率控制参数的值，以对储能系统进行最优控制。例如，在实时电价和/或实时发电功率较低时，可以从主电网买电，并对储能系统进行充电以储存电能，此时充放电功率控制参数的值即为最优的充电功率。在实时电价和/或实时发电功率较高时向主电网卖电，此时充放电功率控制参数的值即为最优的放电功率。通过该方式对储能系统进行控制，可以为微电网提供更灵活的能源管理，在不增加运营成本的情况下，可以提高微电网内部的电能，使微电网内部的电能最大化，提高微电网能源优化的利用率。
[0108]
参见图3，图3为本技术实施例中电网能源控制方法的又一种流程图，可以包括以下步骤：
[0109]
步骤s310，获取微电网的实时总负载、可再生能源的实时发电功率、实时电价和储能系统的实时总储能。
[0110]
本步骤与图2实施例步骤s210相同，具体参见图2实施例中的描述，在此不再赘述。
[0111]
步骤s320，将实时总负载、实时发电功率、实时电价和实时总储能代入预先构建的目标函数，得到电网能源控制模型；其中，目标函数包括用于对储能系统进行充放电控制的充放电功率控制参数。
[0112]
如前所述，目标函数是随着充放电功率控制参数的变化而变化的函数，相关技术中，预先构建的目标函数可以表示为：y(t)＝g(t)c(t)，
[0113]
其中，g(t)表示向主电网卖电的功率或从主电网买电的功率，y(t)表示向主电网卖电的收入或从主电网买电的支出。
[0114]
在一种可选的实施方式中，如果实时总负载为l(t)、实时发电功率为p(t)，p(t)可以包括p
wt
(t)和p
st
(t)，实时电价为c(t)、实时总储能为bl(t)，t为当前时刻；
[0115]
由于能量守恒，即t时刻生成的能量和消耗的能量相等，即g(t) p(t)＝l(t) u(t)，因此，g(t)＝l(t)
‑
p(t) u(t)，u(t)为充放电功率控制参数，u(t)为正值时表示充电，值越大表示充电功率越大，负值表示放电，值越小表示放电功率越大；将g(t)代入目标函数y(t)，可以得到：
[0116]
y(t)＝(l(t)
‑
p(t) u(t))c(t)；
[0117]
结合最低电价c
min
，以及储能系统的充放电功能，确定目标函数可以为：
[0118][0119]
其中，bl
max
表示储能系统的最大储能，x(t)表示向主电网卖电的收入或从主电网买电的支出。
[0120]
将实时总负载、实时发电功率、实时电价和实时总储能代入上述目标函数后，可以得到电网能源控制模型。可以理解的是，电网能源控制模型包括目标函数，以及能量守恒所对应的约束条件，即g(t) p(t)＝l(t) u(t)。
[0121]
由目标函数可以看出，实时电价的变化对目标函数的函数值有较大影响，为了充分考虑电价的变化，可以引入惩罚函数。可选的，可以获取历史时间段内(例如可以是当前时刻之前的半小时内)的平均电价，基于平均电价和实时电价，确定惩罚函数值。可选的，如果实时电价为c(t)，平均电价为k，则可以基于惩罚函数f(t)＝k
‑
c(t)，确定惩罚函数值。当然，惩罚函数的确定方式不限于此。
[0122]
在引入惩罚函数之后，目标函数可以为：
[0123][0124]
可以看出，在特殊情况下，即当实时电价与平均电价相等时，惩罚函数的函数值为0，目标函数可以简化为：
[0125]
x(t)＝(l(t)
‑
p(t) u(t))c(t)，即，与前述的目标函数y(t)相同。
[0126]
步骤s330，获取第一约束系数和第二约束系数，根据第一约束系数和第二约束系数确定粒子群优化算法中的惯性因子、第一加速常数和第二加速常数；其中，惯性因子、第一加速常数和第二加速常数之间相互约束。
[0127]
本技术实施例中，可以对粒子群优化算法进行改进，通过改进的粒子群优化算法求解目标函数中充放电功率控制参数的值。具体的，粒子群优化算法考虑了二维解空间的位置和速度两个模型方程，其中表示第i个粒子第k次迭代的速度，表示第i个粒子第k次迭代的位置。p
i
表示第i个粒子的最佳位置，p
d
表示最佳位置。
[0128]
如果粒子速度在粒子群优化算法运行时不受限制，那么速度会在几次迭代中增加到不可接受的水平。因此，本技术通过引入约束系数，以调节速度变化的稳定性。粒子群优化算法可以表示如下：
[0129][0130][0131]
其中，为惯性因子，c1为第一加速常数，表示每个粒子的个体学习因子，c2为第二加速常数，表示每个粒子的社会学习因子。r1，r2表示两个随机数，k表示迭代次数。
[0132]
为了调节速度变化的稳定性，达到约束系数的目的，本技术实施例中，可以建立c1和c2之间的联系，使三者之间相互约束。在一种可选的实施方式中，可以获取第一约束系数和第二约束系数，根据第一约束系数和第二约束系数，确定目标约束系数；根据目标约束系数，确定惯性因子；根据目标约束系数和第一约束系数，确定第一加速常数；根据目标约束系数和第二约束系数，确定第二加速常数。即，惯性因子第一加速常数c1和第二加速常数c2均是与目标约束系数相关的数值，即，三者之间相互约束。
[0133]
例如，如果第一约束系数和第二约束系数分别为φ1、φ2；可以根据确定目标约束系数cf，其中，φ＝φ1 φ2，φ1 φ2≥4；
[0134]
在确定目标约束系数之后，可以将预设系数与目标约束系数进行乘积运算，得到惯性因子；即可以根据：确定w为预设系数，即预先设置的系数，可以是0.7等，本技术对此不做限定。将目标约束系数和第一约束系数进行乘积运算，得到第一加速常数；即根据c1＝cfφ1确定c1，目标约束系数和第二约束系数进行乘积运算，得到第二加速常数，即根据c2＝cfφ2确定c2。
[0135]
步骤s340，基于实时电价和/或实时发电功率，通过粒子群优化算法，对电网能源控制模型进行优化求解，以得到充放电功率控制参数的实时值。
[0136]
本技术实施例中，粒子群优化算法的计算过程可参见图4，包括以下步骤：
[0137]
步骤s410，初始化粒子群中每个粒子的位置和速度。
[0138]
在初始条件下，可以将充放电功率控制参数u(t)设置为一系列的数值，根据历史经验，设置从最小到最大的一系列数值(u
min
,u
max
)。利用改进粒子群优化算法从这一系列的数值中找到最优的u(t)。粒子群优化算法中的每一个对应着一个u(t)值。初始化的每个粒子的位置即初始化的u(t)值，初始化的每个粒子的速度，用于在下述步骤s440中对每个粒子的位置进行更新。
[0139]
步骤s420，基于每个粒子的位置，确定每个粒子对应的目标函数的函数值。
[0140]
步骤s430，将所有粒子对应的目标函数的函数值进行比较，确定每个粒子的最佳位置和所有粒子中的最佳位置。
[0141]
步骤s440，更新每个粒子的位置。
[0142]
具体的，可以根据下述公式：
[0143][0144]
对每个粒子的位置进行更新。
[0145]
步骤s450，判断是否达到终止条件，如果未达到终止条件，返回步骤s420，如果达到终止条件，则流程结束。
[0146]
本技术实施例中，终止条件可以是迭代次数，例如迭代次数可以设置100次。如果当前迭代次数未达到100次，则继续执行步骤s420，如果达到100次，则执行步骤s460。
[0147]
步骤s460，将所有粒子中的最佳位置作为充放电功率控制参数的实时值。
[0148]
需要说明的是，计算得到的所有粒子中的最佳位置即为最优的u(t)。
[0149]
步骤s350，根据实时值控制微电网的储能系统充电或放电。
[0150]
在得到最优的u(t)后，可以根据该u(t)来控制储能系统充电或者放电，使能源利用率最高，实现最低的能源成本。
[0151]
本技术实施例的电网能源控制方法，通过对粒子群优化算法进行改进，使速度迭代公式中的惯性因子、第一加速常数和第二加速常数相互约束，以调节速度变化的稳定性。这样，在通过稳定变化的速度对位置进行迭代时，也可以提高位置变化的稳定性，进而在计算最佳位置时，可以提高最佳位置确定的准确性，使对储能系统的充放电控制达到最优，提高微电网能源的利用率。
[0152]
相应于上述方法实施例，本技术实施例还提供了一种电网能源控制装置，参见图5，该电网能源控制装置500包括：
[0153]
获取模块510，用于获取微电网的实时总负载、可再生能源的实时发电功率、实时电价和储能系统的实时总储能；
[0154]
目标函数代入模块520，用于将实时总负载、实时发电功率、实时电价和实时总储能代入预先构建的目标函数，得到电网能源控制模型；其中，目标函数包括用于对储能系统进行充放电控制的充放电功率控制参数；
[0155]
参数值求解模块530，用于基于实时电价和/或实时发电功率，对电网能源控制模型进行优化求解，以得到充放电功率控制参数的实时值；
[0156]
充放电控制模块540，用于根据实时值控制微电网的储能系统充电或放电。
[0157]
在一种可选的实施方式中，参数值求解模块530，具体用于基于实时电价和/或实时发电功率，通过粒子群优化算法，对电网能源控制模型进行优化求解，以得到充放电功率控制参数的实时值，其中，粒子群优化算法中的惯性因子、第一加速常数和第二加速常数之间相互约束。
[0158]
在一种可选的实施方式中，电网能源控制装置，还包括：
[0159]
算法参数值确定模块，用于获取第一约束系数和第二约束系数，根据第一约束系数和第二约束系数确定惯性因子、第一加速常数和第二加速常数。
[0160]
在一种可选的实施方式中，算法参数值确定模块，具体用于根据第一约束系数和第二约束系数，确定目标约束系数；根据目标约束系数，确定惯性因子；根据目标约束系数和第一约束系数，确定第一加速常数；根据目标约束系数和第二约束系数，确定第二加速常数。
[0161]
在一种可选的实施方式中，如果第一约束系数和第二约束系数分别为φ1、φ2；
[0162]
数值确定单元，具体用于根据确定目标约束系数cf，其中，φ＝φ1 φ2，φ1 φ2≥4；
[0163]
将预设系数与目标约束系数进行乘积运算，得到惯性因子；将目标约束系数和第一约束系数进行乘积运算，得到第一加速常数；将目标约束系数和第二约束系数进行乘积运算，得到第二加速常数。
[0164]
在一种可选的实施方式中，目标函数为：
[0165][0166]
其中，l(t)表示实时总负载、p(t)表示实时发电功率、c(t)表示实时电价、bl(t)表示实时总储能，t为当前时刻，c
min
表示最低电价，bl
max
表示储能系统的最大储能，u(t)为充放电功率控制参数，x(t)表示向主电网卖电的收入或从主电网买电的支出。
[0167]
在一种可选的实施方式中，目标函数代入模块520，具体用于获取历史时间段内的平均电价，基于平均电价和实时电价，确定惩罚函数值；将实时总负载、实时发电功率、实时电价、惩罚函数值和实时总储能代入预先构建的目标函数，得到电网能源控制模型。
[0168]
在一种可选的实施方式中，惩罚函数f(t)＝k
‑
c(t)；其中，c(t)表示实时电价，k为平均电价。
[0169]
在一种可选的实施方式中，目标函数为：
[0170][0171]
其中，l(t)表示实时总负载、p(t)表示实时发电功率、c(t)表示实时电价、bl(t)表示实时总储能，t为当前时刻，f(t)表示惩罚函数，c
min
表示最低电价，bl
max
表示储能系统的最大储能，u(t)为充放电功率控制参数，x(t)表示向主电网卖电的收入或从主电网买电的支出。
[0172]
在一种可选的实施方式中，参数值求解模块530，具体用于如果实时电价大于第一电价阈值和/或实时发电功率大于第一功率阈值，确定目标函数中充放电功率控制参数的实时值，以使向主电网卖电的收入最大；如果实时电价小于第二电价阈值和/或实时发电功率小于第二功率阈值，确定目标函数中充放电功率控制参数的实时值，以使向主电网买电的支出最小；其中，第一电价阈值大于第二电价阈值，第一功率阈值大于第二功率阈值。
[0173]
上述装置中各模块或单元的具体细节已经在对应的方法中进行了详细的描述，因此，此处不再赘述。
[0174]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多
模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0175]
本技术实施例还提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行上述电网能源控制方法的步骤。
[0176]
图6为本技术实施例中电子设备的一种结构示意图。需要说明的是，图6示出的电子设备600仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0177]
如图6所示，电子设备600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有系统操作所需的各种程序和数据。中央处理单元601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0178]
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如局域网(lan)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
[0179]
特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元601执行时，执行本技术的装置中限定的各种功能。
[0180]
本技术实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述电网能源控制方法。
[0181]
需要说明的是，本技术所示的计算机可读存储介质例如可以是—但不限于—电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器、只读存储器、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、射频等等，或者上述的任意合适的组合。
[0182]
本技术实施例中，还提供了一种计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行上述电网能源控制方法。
[0183]
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在
涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0184]
以上所述仅是本技术的具体实施方式，使本领域技术人员能够理解或实现本技术。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。