基于安全综合评价的园区微电网智能调度方法及系统

1.本发明涉及优化调度技术领域，具体涉及一种基于安全综合评价的园区微电网智能调度方法及系统。


背景技术：

2.随着全球经济的不断发展，我国的能源结构不断改善、能源需求不断提升，传统的集中式供电网受到了严重考验，智能绿色电网正逐渐地受到大家的欢迎，而工业园区是未来智能电网建设的重点领域之一。同时随着电力电子技术等一系列新兴技术的迅猛发展以及对新能源研究的不断创新，加大了对以太阳能、风能为代表的清洁、可再生新能源的利用，其发电技术有效地弥补了传统能源发电的不足，可以有效地降低温室气体排放改善环境、实现能源结构升级以及降低电力成本。
3.现有的优化调度方法大多聚焦于储能设备成本及交易效益问题，电网安全性较弱。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了一种基于安全综合评价的园区微电网智能调度方法及系统，解决了电网安全性较弱的技术问题。
6.(二)技术方案
7.为实现以上目的，本发明通过以下技术方案予以实现：
8.第一方面，一种基于安全综合评价的园区微电网智能调度方法，该方法由调度系统执行，包括：
9.实时获取电网的用电信息、储能信息及故障信息并存储；
10.基于所述用电信息、储能信息及故障信息获取经济调度模型、安全风险等级和关联规则集；
11.基于经济调度模型、安全风险等级和关联规则集获取优化调度方案。
12.优选的，所述方法还包括：
13.接收用户反馈意见，根据用户反馈意见优化调度系统。
14.优选的，所述基于所述用电信息、储能信息及故障信息经济调度模型、安全风险等级和关联规则集，包括：
15.基于预处理后的用电信息预测未来时间的用电量；
16.基于储能信息和未来时间的用电量获取经济调度模型；
17.基于故障信息以及人力环境信息构建安全性指标评价体系，计算安全风险评估值，确定安全风险等级；
18.基于所述用电信息、储能信息及故障信息挖掘关联规则，得到关联规则集。
19.优选的，所述基于预处理后的用电信息预测未来时间的用电量，包括：
20.预测模型为：t＝1,2
···
n.
21.其中，
[0022][0023][0024][0025][0026][0027][0028]
式中，k表示第k期，t表示由k期向后推移期数，α表示平滑系数，分别表示第k期一次指数平滑值、二次指数平滑值、三次指数平滑值，yk表示历史第k期的用电量，表示第k t期电量预测值。
[0029]
优选的，所述经济调度模型包括目标函数和约束条件，其中，目标函数包括：
[0030][0031]
式中，
[0032]
为用户总效益；
[0033]
为共享储能提供者的效益；
[0034]cpv
为分布式发电装置的投资成本；
[0035]cbess
为储能装置的投资成本；
[0036]cpv,t
为分布式发电装置的运维成本；
[0037]cbess,t
为储能装置的运维成本。
[0038]
优选的，所述基于所述用电信息、储能信息及故障信息挖掘关联规则，得到关联规则集，包括：
[0039]
对电网内的用电设备进行分类，并根据不同的用电设备运用关联规则算法进行数据挖掘，获取不同用电设备水平的影响关联规则；
[0040]
对影响关联规则进行分类，形成关联规则集。
[0041]
第二方面，本发明提供一种基于安全综合评价的园区微电网智能调度系统，包括：
[0042]
信息获取及存储模块，用于实时获取电网的用电信息、储能信息及故障信息并存储；
[0043]
综合效率模块，用于基于所述用电信息、储能信息及故障信息获取经济调度模型、安全风险等级和关联规则集；
[0044]
优化调度模块，用于基于经济调度模型、安全风险等级和关联规则集获取优化调
度方案。
[0045]
优选的，所述系统还包括系统学习模块，
[0046]
所述系统学习模块用于接收用户反馈意见，根据用户反馈意见优化调度系统。
[0047]
第三方面，本发明提供一种计算机可读存储介质，其存储用于基于安全综合评价的园区微电网智能调度的计算机程序，其中，所述计算机程序使得计算机执行如上述所述的基于安全综合评价的园区微电网智能调度方法。
[0048]
第四方面，本发明提供一种电子设备，包括：
[0049]
一个或多个处理器；
[0050]
存储器；以及
[0051]
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上述所述的基于安全综合评价的园区微电网智能调度方法。
[0052]
(三)有益效果
[0053]
本发明提供了一种基于安全综合评价的园区微电网智能调度方法及系统。与现有技术相比，具备以下有益效果：
[0054]
本发明通过实时获取电网的用电信息、储能信息及故障信息并存储；基于所述用电信息、储能信息及故障信息获取经济调度模型、安全风险等级和关联规则集；基于经济调度模型、安全风险等级和关联规则集获取优化调度方案。本发明综合考虑电网的安全性与经济型，能够在电网安全稳定运行以及实时电价情形下最大限度实现效益最大化。同时，本发明通过挖掘出不同的关联规则，能针对不同用电设备的制定个性化优化调度方案。
附图说明
[0055]
为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0056]
图1为本发明实施例的一种基于安全综合评价的园区微电网智能调度方法框图；
[0057]
图2本发明实施例的一种基于安全综合评价的园区微电网智能调度方法的具体流程图；
[0058]
图3为本发明实施例中的设备安全层次结构模型的示意图；
[0059]
图4为电网安全人力环境层次结构模型的示意图。
具体实施方式
[0060]
为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0061]
本技术实施例通过提供一种基于安全综合评价的园区微电网智能调度方法及系统，解决了电网安全性较弱的技术问题，实现综合考虑电网的安全性与经济型，能够在电网
安全稳定运行以及实时电价情形下最大限度实现效益最大化。
[0062]
本技术实施例中的技术方案为解决上述技术问题，总体思路如下：
[0063]
由于电力主体需求多样，特别是工业园区电网的电力主体，负荷功率不确定性大，现有的优化调度方案多聚焦于储能设备成本及交易效益问题，而忽略不同运行模式下对系统安全稳定性造成的影响，未对不同用电主体在不同运行模式下的安全性进行系统的定量化分析，其系统故障情况亦未被考虑在内。因此本专利提出一种协同工业园区电网安全性和经济性的优化调度方法及系统，综合考虑电网的安全性与经济型，能够在电网安全稳定运行以及实时电价情形下最大限度实现效益最大化。
[0064]
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
[0065]
本发明实施例提供一种基于安全综合评价的园区微电网智能调度方法，如图1所示，该方法包括：
[0066]
s1、实时获取电网的用电信息、储能信息及故障信息并存储；
[0067]
s2、基于所述用电信息、储能信息及故障信息获取经济调度模型、安全风险等级和关联规则集；
[0068]
s3、基于经济调度模型、安全风险等级和关联规则集获取优化调度方案。
[0069]
本发明实施例综合考虑电网的安全性与经济型，能够在电网安全稳定运行以及实时电价情形下最大限度实现效益最大化，同时，本发明实施例通过挖掘出不同的关联规则，能针对不同用电设备的制定个性化优化调度方案。
[0070]
下面对各个步骤进行详细描述，具体流程图如图2所示：
[0071]
在步骤s1中，实时获取电网的用电信息、储能信息及故障信息并存储。具体实施过程如下：
[0072]
在本发明实施例中，获取的是工业园区的电网信息。
[0073]
按照工业园区中不同的用户，例如小区企业、学校、住宅、医院、商场等多种类型的主体，聚焦不同的用电设备，实时监测其发用电信息、储能信息及故障信息。例如发用电信息有主体日用电量、日发电量、发电组件容量、有功功率、无功功率、工作状态等信息；储能信息有储能电池容量、工作电压范围、充放电倍率、剩余电量等；故障信息主要有故障类型、故障时间、故障频次以及告警信息等。
[0074]
在具体实施过程中，上述信息中中会包含大量的数据信息，所以系统需要数据存储模块来存放大量的系统运行数据。系统会实时采集园区用电情况，根据实际情况将用电设备进行分类，采集信息包括各个用电设备的实时用电量、用电功率、电能质量及总用电量等上述实时监测数据，并将这些数据存储在数据存储模块。
[0075]
在步骤s2中，基于所述用电信息、储能信息及故障信息获取经济调度模型、安全风险等级和关联规则集。具体实施过程如下：
[0076]
在具体实施过程中，在运用历史和实时的用电信息、储能信息及故障信息前，还需要对这些数据进行预处理。将数据存储模块中的负荷用电信息等相关信息提取出来，其提取的数据大都是不完整，不一致的脏数据，无法直接进行数据挖掘，因此通过数据预处理模块，利用数据清洗，数据集成，数据变换，数据规约等方法进行数据预处理，提高数据挖掘质量，降低数据挖掘时间。
[0077]
s201、基于预处理后的用电信息预测未来时间的用电量。具体包括：
[0078]
通过准确的发电和负荷用电预测帮助系统进行优化调度，通过数据预处理后得到的数据进行对园区内各个类型的用电设备的用电预测，可以运用时间序列分析方法对各个用电设备进行用电预测。
[0079]
预测模型为：t＝1,2
···
n.
[0080]
其中：
[0081][0082][0083][0084]
一次指数平滑：
[0085]
二次指数平滑：
[0086]
三次指数平滑：
[0087]
其中，k表示第k期，t表示由k期向后推移期数，α表示平滑系数，一般电量增长速度快，α取值越大。分别表示第k期一次指数平滑值、二次指数平滑值、三次指数平滑值，yk表示历史第k期的用电量，表示第k t期电量预测值。
[0088]
s202、基于储能信息和未来时间的用电量构建经济调度模型。具体包括：
[0089]
通过建立经济调度模型，使得电网成本最低，经济效益最大，吸引更多的投资者进行建设。为使得获得更多的经济效益，建立一个目标函数，使得系统总效益值最大。
[0090][0091]
其中，
[0092]
为用户总效益；
[0093]
为共享储能提供者的效益；
[0094]cpv
为分布式发电装置的投资成本；
[0095]cbess
为储能装置的投资成本；
[0096]cpv,t
为分布式发电装置的运维成本；
[0097]cbess,t
为储能装置的运维成本。
[0098]
用户总效益
[0099][0100]
用户i的一般效益函数：
[0101][0102]
式中，m为系统中用户数，是用户i在第i时隙的总效益值；是用电效益；是用电效益系数，反映了用电效益权重，是用电负载。是发电量。fi(p,a,b)和ti(p,a,b)分别是用户与储能者和公共电网的交易效益，αi和βi是内部网的第i个时隙的买电电价和卖电电价，ωi和是公共电网第i个时隙的买电电价和卖电电价，p(i,t)和q(i,t)是用户与储能者和公共电网的电能交易量。
[0103]
共享储能提供者的效益
[0104]
储能者的效益包括将储能卖给用户或者电网的电力收益、用户存储电能和从电网取电的成本以及共享储能的运行管理与老化成本等。考虑以上因素，本发明实施例将共享储能提供者的效益定义为：
[0105]
式中，γ(i,t)是共享储能与公共电网的电能交易量。δe
t
是共享储能总接收电能，充电时为正，放电时为负。c为共享储能的运行管理与老化成本系数。是储能者维护的阈值。b
t
和s
t
是t时隙用户作为消费者和发电者的集合。共享储能的能量状态是一个具有时序的变量，将满足以下迭代等式，其中，soe
t
表示在t时隙初的共享储能能量状态，μc和μd表示共享储能充放电、电力传输的效率：
[0106][0107]
分布式发电装置的投资成本c
pv
和共享储能装置的投资成本c
bess
：
[0108]
电网装置在初期投资成本只要包括分布式发电装置、共享储能装置的投资成本，其初期投资成本与功率和容量有关。
[0109][0110]
式中，p
pv
、p
bess
分别表示分布式发电装置、共享储能装置的额定功率，单位kw，q
pv
、q
bess
分别表示发电装置和储能装置的容量，单位kwh，c
pv,n
、c
pv,w
、c
bess,n
、c
bess，w
分别表示分布式发电装置的单位功率成本、单位容量成本，共享储能装置的单位功率成本、单位容量成本，单位元/kw(kwh)。
[0111]
因此装置在初期总投资成本为两项之和，即：c
sum
＝c
pv
c
bess
[0112]
分布式发电装置的运维成本c
pv,t
和储能装置的运维成本c
pv,t
：
[0113]
装置在运行过程中产生的成本主要是分布式发电装置的和共享储能装置的运维成本，运维成本包括运行成本和维护成本。
[0114][0115]
式中：c
pv,t
、c
pv,t
分别为分布式发电装置和共享储能装置的运行维护费用，单位元/kw，p
pv,t
(t)，c
bess,t
(t)分别是发电装置和储能装置在t时刻的运行功率，单位kw。
[0116]
需要说明的是，在具体实施过程中，为了针对不同用电设备，达到个性化优化调度方案，可构建不同的效益目标函数。例如，为得到储能者背后电力企业的最佳优化方案，仅考虑储能者的效益模型和成本模型来构建最优目标函数。
[0117]
经济调度模型的约束条件包括：
[0118]
a.用电负载约束：
[0119]
和分别为用电负载的最小值和最大值。
[0120]
b.电能均衡约束：
[0121]
c.共享储能能量状态约束：soe
min
≤soe(t)≤soe
max
[0122]
为了使共享储能装置的使用年限加长，装置内能量状态应保证在一定范围内，soe
min
和soe
max
是共享储能能量状态的下限和上限。
[0123]
d.充放电量约束：rate
d,max
≤δe
t
≤rate
c,max
[0124]
电力电子转换器件存在着额定功率限制，rate
d,max
和rate
c,max
分别是共享储能一个时隙内最大放电能量和最大充电能量，rate
d,max
符号为负，rate
c,max
符号为正。
[0125]
e.系统功率平衡约束：
[0126]
p
l
(t)表示为系统内总功率，pg(t)为与外部电网交互的功率，p
bess,d,max
(t),p
bess,c,max
(t)分别为共享储能装置最大放电功率和最大充电功率，p
bess,d,max
(t)符号为负，p
bess,c,max
(t)符号为正，p
pv,,max
为分布式储能装置发电功率最大值，单位为kw。
[0127]
s203、基于故障信息以及人力环境信息构建安全性指标评价体系，计算安全风险评估值，确定安全风险等级。具体包括：
[0128]
以不同运行状态下系统内设备安全性以及设备安装状况即人力环境因素作为安全性检测指标来建立系统安全性指标评价体系，再通过ahp-模糊综合评价方法得到安全风险评估值，也就是系统健康度。
[0129]
s203a、构建安全风险评估指标体系。具体包括：
[0130]
通过层次分析法建立递阶层次结构模型并分为三个层次，分别为目标层、准则层和指标层。为构建系统安全性评估指标体系，主要从设备故障情况即设备安全角度以及设备安装状况即人力环境因素进行考虑。
[0131]
在该指标体系中，共有6个一级指标，25个二级指标。其中，在设备安全方面，通过主体发电装置、内网线路、内网储能装置这几个方面设立指标，首先用户装置，在系统内每个用户都装备有分布式发电装置，其分布式发电装置可能出现的故障便作为一个影响系统安全稳定性的因素；其次是内网线路，内网线路是指用户与储能者进行电能流动与交易时的线路；储能装置是指系统内网的共享储能装置，主要用来存储内网能量并完成交易。在人力环境因素方面，主要通过安装设备的员工状况、环境状况、企业管理状况三个角度设立指标。
[0132]
层次结构模型如图3和图4所示。指标体系表1所示。
[0133]
表1 安全评估指标体系
[0134][0135]
s203b、构造评估因素判断矩阵。具体包括：
[0136]
通过专家评分，得出不同层次的安全风险评估指标判断矩阵，判断矩阵的值即反应了各因素之间的相对重要性。通常情况下，主要采用1-9比例标度。
[0137][0138][0139]
如比较一级指标b1，b2，b3对最高目标层面a1的重要度。bi/bj＝u
ij
》0,u
ij
＝1/u
ij
，则判断矩阵s＝(u
ij
)n×n:
[0140][0141]
s203c、计算判断矩阵得出指标权重值并进行一致性检验。具体包括：
[0142]
采用和积法计算判断矩阵，求出不同层次的指标判断矩阵最大特征根及其对应的特征向量，并得到不同指标的权重值w，辨识突出主因素。
[0143]
对判断矩阵一次性检验的方法如下：
[0144]
定义判断一次性指标c.i.
[0145][0146]
查找相应的平均随机一致性指标r.i.其具体数值见表
[0147][0148]
计算一致性比例cr
[0149][0150]
当cr《0.10时，则说明通过一次性检测。
[0151]
层次总排序
[0152][0153]
c.r.＝c.i./r.i.
[0154]
其中，c.i.j为各层次所对应一致性指标，r.i.j为各层次对应随机一次性指标，
c.r.为层次总排序的随机一致性比例。
[0155]
s203d、设定安全风险评估等级。具体包括：
[0156]
采用李克特5级量表形式，并利用专家对各项二级指标因素进行安全风险等级调查评判得出风险评估等级域e＝{1，0.8，0.6，0.4，0.2}，并对风险评估等级域赋值如下表。
[0157][0158]
s203e、建立模糊关系矩阵，求模糊综合评价结果向量。具体包括：
[0159]
根据实际情况，邀请相关专家通过打分方式确定定性指标与定量指标的隶属度函数如下：
[0160][0161][0162][0163][0164][0165]
其中，式中x即为每个二级指标的取值(定量指标直接取值，定性指标评划便准后取值)；式中vi(i∈1,2,3,4,5)为根据不同二级指标的定量数值和定性指标等级划分的数值，这些数值构成隶属度函数。
[0166]
根据隶属度函数即可确定每个二级指标的行向量，各个一级指标下的二级指标行向量便可构成对应评价矩阵。
[0167]
各二级指标权重值组成矩阵与二级指标评价矩阵合成便可得到模糊关系矩阵。由二级指标评价矩阵、方案层对准则层的权重按照模糊综合评价法中突出主因素的模糊合成算子运算，最后作归一化处理，由此得出一级指标评价矩阵：rb＝wc*rc。
[0168]
按照模糊综合评价法模糊合成算子运算，各评价风险的模糊综合评价结果向量为一级指标对目标层权重与一级指标评价矩阵组合运算：ra＝wb*rb。
[0169]
s203f、计算安全风险评估值，确定安全风险等级
[0170]
使模糊综合评价结果向量同5级风险评判矩阵合成计算得出安全风险评估值：f＝ra*(1，0.8，0.6，0.4，0.2)，该f值即为安全风险评估值，根据该值大小即可确定安全风险等级。
[0171]
需要说明的是，在具体实施过程中，由于系统故障会造成较大损失，影响系统内电量交易的正常进行，因此可以进行一种故障告警，根据实时监测到的一些故障信息以及现有的方法技术，寻求故障的可能因素，并建立权重模型。在系统实时运行过程中若有与故障指数相近的情况出现，及时发出告警信息，避免造成更大损失。
[0172]
s204、基于所述用电信息、储能信息及故障信息挖掘关联规则，得到关联规则集。具体包括：
[0173]
园区内各个不同类型用电主体例如小区住宅、企业、医院等多种类型的用电设备进行分类，并根据不同的用电设备运用fp-树频集算法等关联规则算法进行数据挖掘，挖掘影响系统内不同用电设备水平的影响关联规则，将企业用电过程从不同的角度进行细分，细分角度为有可能影响用电水平的因素，如行业、月份、经济、天气等，通过挖掘算法发现用电水平关联规则并做好分类，形成关联规则集。
[0174]
在步骤s3中，基于经济调度模型、安全风险等级和关联规则集获取优化调度方案。具体实施过程如下：
[0175]
根据步骤s1中的信息确定用户的用电设备及类型，之后结合外部相关情况，根据用电设备和影响用户用电水平的关联规则集，得到更为精准的预测用电负载数据。其次在预测用电负载数据下由用户根据自身风险偏好选择安全风险等级，以该安全风险等级作为健康度阈值，在健康度的阈值的限值下，限制系统内部能源共享量，并综合经济调度模型进行综合效益评估，得到协同安全经济的优化调度策略。
[0176]
在具体实施过程中，该方法还包括：
[0177]
在储能者背后的电力公司，有一系列规则集。在该规则集中，将用户预测用电负载下的安全风险评估值分成不同等级，每个等级对应一个健康度。利用随机森林等机器学习算法，利用过去的系统故障数据、用户发电装置出力值以及系统内部共享储能数据进行优化预测，得到不同健康度下系统故障情况的临近内部能源共享量，即共享能源阈值，任何状态下均不能超过这个阈值。同时模块采用延伸知识发现(ekd)算法进行监督学习，给不同系统内部能源共享量情况下的风险情况打分，同时分成五个等级：高风险、较高风险、一般风险、较低风险、低风险。而用户便可以根据自身的用电需求和风险偏好，选择不同的安全风险等级。
[0178]
在具体实施过程中，该方法还包括：用户收到优化调度方案，提出用户反馈意见，根据用户反馈意见优化调度系统。具体包括：
[0179]
在用户得到了优化调度策略之后可以对系统输入反馈性意见。而该反馈性意见中可能包含语音、文字评论等多种形式，先采用自然语言处理(nlp)将其转换为中文评论。之后采用自然语言理解(nlu)从中提取关键词、概念、实体对象、类别、关系等信息，判断用户的情绪和语气，并构建相应的结构化数据库。之后，通过遗传算法对系统进行优化，提高用户满意度，使得优化调度策略更加精准。
[0180]
使用遗传算法进行系统优化，步骤如下：
[0181]
在用户得到优化调度策略之后会对该策略进行评价其是否满意，系统收集用户满意或者不满意的反馈，并使用遗传算法进行策略集优化。步骤如下：
[0182]
(1)收集用户反馈评价意见，分析相应策略的优劣影响因素xi，并根据用户评价xi的频数和程度确定因素权重ωi，确定评价因素函数f(xi)＝ωixi，利用遗传算法求出最优f(x)
opt
。
[0183]
(2)确定策略函数为当xi为正向因素，f(xi)为正值；当xi为负向因素，f(xi)即为负值。之后对f(xi)根据完备性、健全性、非冗余性要求标准进行二进制编码表示成遗传空间的染色体或个体，所以得到适应度函数g(xi)，也就是评价函数用来判断群体中的个体的优劣程度。g(xi)值越大，则策略越优；否则，策略越差。
[0184]
(3)选择：对于给定的规模为n的因素群体p＝{x1,x2,n3,
…
xn}，个体xi的适应值为g(xi)，则其入选概率为i＝1,2,3,
…
,n。从这n个因素群体中选取入选概率大的个体入选，对入选概率小的个体进行淘汰，并用入选概率最大的个体xi补入种群，得到原种群大小相同的种群；交叉：两个待交叉的不同的染色体(父母)根据交叉概率按单点交叉法交换其部分基因；变异：染色体按照变异概率进行染色体的变异。一般来说，交叉概率比较大，变异概率极低；设置终止条件，当最优个体的适应度达到阈值，即可求出最优策略f(x)
opt
，完成系统优化。
[0185]
本发明实施例还提供一种基于安全综合评价的园区微电网智能调度系统，包括：
[0186]
信息获取及存储模块，用于实时获取电网的用电信息、储能信息及故障信息并存储；
[0187]
综合效率模块，用于基于所述用电信息、储能信息及故障信息获取经济调度模型、安全风险等级和关联规则集；
[0188]
优化调度模块，用于基于经济调度模型、安全风险等级和关联规则集获取优化调度方案。
[0189]
可理解的是，本发明实施例提供的基于安全综合评价的园区微电网智能调度系统与上述基于安全综合评价的园区微电网智能调度方法相对应，其有关内容的解释、举例、有益效果等部分可以参考基于安全综合评价的园区微电网智能调度方法中的相应内容，此处不再赘述。
[0190]
本发明实施例还提供一种计算机可读存储介质，其存储用于基于安全综合评价的园区微电网智能调度的计算机程序，其中，所述计算机程序使得计算机执行如上述所述的基于安全综合评价的园区微电网智能调度方法。
[0191]
本发明实施例还提供一种电子设备，包括：
[0192]
一个或多个处理器；
[0193]
存储器；以及
[0194]
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上述所述的基于安全综合评价的园区微电网智能调度方法。
[0195]
综上所述，与现有技术相比，具备以下有益效果：
[0196]
1、本发明实施例综合考虑电网的安全性与经济型，能够在电网安全稳定运行以及实时电价情形下最大限度实现效益最大化。
[0197]
2、本发明实施例通过挖掘出不同的关联规则，能针对不同用电设备的制定个性化优化调度方案。
[0198]
3、本发明实施例针对不同用电设备，可构建不同的效益目标函数。实现灵活调度。
[0199]
3、本发明实施例适应园区电力主体需求多样，负荷功率不确定性大等特点，能够实时检测到系统不同用电设备的用电和故障情况，能够及时发出故障告警，并对不同运行情况下的系统安全稳定性做了定量指标评价，得到该情况下的系统健康度。
[0200]
4、在电网内部使用共享储能的策略，并由用电信息、外网实时电价等信息确定内网实时电价，并通过安全规则获取内部能源共享量，以最实惠的方案得到电能，同时也进一步鼓励用户错峰用电，达到削峰填谷、提高电力系统的负荷率和运行稳定的目的，减少效益损失，在保证电网安全稳定运行的形式下达到经济效益最大化。
[0201]
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。
[0202]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。