低压智能电网用户侧源储荷的优化调度方法及装置与流程

技术特征：
1.一种低压智能电网用户侧源储荷的优化调度方法，其特征在于，包括：根据储能系统的充放电特性建立储能系统模型，根据本地负荷参与调度的方式建立负荷模型；获得预测的光伏出力数据，并根据所述负荷模型获得负荷数据；根据智能电网用户侧的用电成本、电压偏移和故障时停电时长，建立源储荷协调优化模型；将所述光伏出力数据以及所述负荷数据代入所述源储荷协调优化模型以及所述储能系统模型，并进行计算，从而得到所述智能电网用户侧的源储荷优化调度的策略结果。2.根据权利要求1所述的低压智能电网用户侧源储荷的优化调度方法，其特征在于，所述储能系统模型为：式中，soc
ess
(t)为第t个时间段蓄电池的荷电状态；soc
ess,0
为蓄电池的初始荷电状态；p
ess,c
(t)为第t个时间段的充电功率；η
ess,c
为蓄电池的充电效率；p
ess,d
(t)为第t个时间段的放电功率；η
ess,d
为蓄电池的放电效率；e
ess,n
为蓄电池的额定容量；δt为计算时刻距初始时刻的时间间隔；t为一个调度周期。3.根据权利要求2所述的低压智能电网用户侧源储荷的优化调度方法，其特征在于，所述根据智能电网用户侧的用电成本、电压偏移和停电时长，建立源储荷协调优化模型，包括：综合考虑减小用户的用电成本、降低电压偏移和缩短故障时停电时长，建立所述源储荷协调优化模型，其中，所述源储荷协调优化模型的目标函数为多目标函数。4.根据权利要求3所述的低压智能电网用户侧源储荷的优化调度方法，其特征在于，所述将所述光伏出力数据以及所述负荷数据代入所述源储荷协调优化模型以及所述储能系统模型，并进行计算，从而得到所述智能电网用户侧的源储荷优化调度的策略结果，包括：采用spea2算法对所述源储荷协调优化模型进行计算，得到pareto最优解集；利用多目标模糊综合评价决策法将pareto最优解集的多目标函数值进行归一化处理，将每个目标函数值归一化到区间[0,1]内；根据目标函数的个数并利用层次分析法求出平均满意度，其中，将pareto最优解集中平均满意度最大的个体作为所述智能电网用户侧的源储荷优化调度的策略结果。5.根据权利要求1所述的低压智能电网用户侧源储荷的优化调度方法，其特征在于，所述负荷模型包括不可调度负荷模型、可削减负荷模型、可平移负荷模型和电动汽车负荷模型。6.一种低压智能电网用户侧源储荷的优化调度装置，其特征在于，包括：储能系统模型模块，用于根据储能系统的充放电特性建立储能系统模型；负荷模型模块，用于根据本地负荷参与调度的方式建立负荷模型，并根据所述负荷模型获得负荷数据；源储荷协调优化模型模块，用于根据智能电网用户侧的用电成本、电压偏移和故障时停电时长，建立源储荷协调优化模型；
策略结果模块，用于将获得预测光伏出力数据以及所述负荷数据代入所述源储荷协调优化模型以及储能系统模型，并进行计算，从而得到所述智能电网用户侧的源储荷优化调度的策略结果。7.根据权利要求6所述的低压智能电网用户侧源储荷的优化调度装置，其特征在于，所述储能系统模型为：式中，soc
ess
(t)为第t个时间段蓄电池的荷电状态；soc
ess,0
为蓄电池的初始荷电状态；p
ess,c
(t)为第t个时间段的充电功率；η
ess,c
为蓄电池的充电效率；p
ess,d
(t)为第t个时间段的放电功率；η
ess,d
为蓄电池的放电效率；e
ess,n
为蓄电池的额定容量；δt为计算时刻距初始时刻的时间间隔；t为一个调度周期。8.根据权利要求7所述的低压智能电网用户侧源储荷的优化调度装置，其特征在于，所述源储荷协调优化模型模块还用于：综合考虑减小用户的用电成本、降低电压偏移和缩短故障时停电时长，建立所述源储荷协调优化模型，其中，所述源储荷协调优化模型的目标函数为多目标函数。9.根据权利要求8所述的低压智能电网用户侧源储荷的优化调度装置，其特征在于，所述策略结果模块还用于：采用spea2算法对所述源储荷协调优化模型进行计算，得到pareto最优解集；利用多目标模糊综合评价决策法将pareto最优解集的多目标函数值进行归一化处理，将每个目标函数值归一化到区间[0,1]内；根据目标函数的个数并利用层次分析法求出平均满意度，其中，将pareto最优解集中平均满意度最大的个体作为所述智能电网用户侧的源储荷优化调度的策略结果。10.根据权利要求6所述的低压智能电网用户侧源储荷的优化调度装置，其特征在于，所述负荷模型包括不可调度负荷模型、可削减负荷模型、可平移负荷模型和电动汽车负荷模型。

技术总结
本申请公开了低压智能电网用户侧源储荷的优化调度方法及装置，其中方法包括：根据储能系统的充放电特性建立储能系统模型，根据本地负荷参与调度的方式建立负荷模型；获得预测的光伏出力数据，并根据负荷模型获得负荷数据；根据智能电网用户侧的用电成本、电压偏移和故障时停电时长，建立源储荷协调优化模型；将光伏出力数据以及负荷数据代入源储荷协调优化模型以及储能系统模型，并进行计算，从而得到智能电网用户侧的源储荷优化调度的策略结果。通过上述方式，本申请考虑到尖峰负荷造成低电压影响供电质量及可靠性的现象，综合考虑用户的用电成本、电压偏移和故障时停电时长三方面来制定调度策略，从而提升供电的经济性、供电质量和可靠性。供电质量和可靠性。供电质量和可靠性。


技术研发人员：冯浩洋 李经儒 杨雨瑶 潘峰 马键
受保护的技术使用者：广东电网有限责任公司计量中心
技术研发日：2021.09.10
技术公布日：2021/12/14