CN118783547B 一种多能耦合虚拟电厂的可调能力评估方法、设备及介质 (海南金盘智能科技股份有限公司)_第1页
CN118783547B 一种多能耦合虚拟电厂的可调能力评估方法、设备及介质 (海南金盘智能科技股份有限公司)_第2页
CN118783547B 一种多能耦合虚拟电厂的可调能力评估方法、设备及介质 (海南金盘智能科技股份有限公司)_第3页
CN118783547B 一种多能耦合虚拟电厂的可调能力评估方法、设备及介质 (海南金盘智能科技股份有限公司)_第4页
CN118783547B 一种多能耦合虚拟电厂的可调能力评估方法、设备及介质 (海南金盘智能科技股份有限公司)_第5页
已阅读5页,还剩33页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

地址570216海南省海口市南海大道1一种多能耦合虚拟电厂的可调能力评估方本申请公开了一种多能耦合虚拟电厂的可术在构建多能耦合虚拟电厂的可调节能力评估性可调资源对应的出力预测结果以及确定性可调资源,确定多能耦合虚拟电厂对应的可调能2构建多能耦合虚拟电厂内的多能耦合资源模型,以确定所述多能基于深度学习网络,构建不确定性可调资源出力预测模型,以确定所述不确构建所述多能耦合虚拟电厂对应的资源可调能力评估策略,并结所述不确定性可调资源包括分布式电源和不确定所述可削减负荷、所述可转移负荷以及所述可平移负荷之间所述确定所述可削减负荷、所述可转移负荷以及所述可平移负荷der获取所述电动汽车充电站的历史数据,并根据3表示所述电动汽车n的离开时间,s"表示所述电动汽车n的到达电池电量,s"表示所述电动汽车n的离开电池电量,syi表示所述电动汽车n的电池电量上限,表示所述电对所述储能电站进行监控,并获取所述储能电站对应的充放电状态,对所述燃气轮机进行监控,并获取所述燃气轮机对应的运行状态将处理后的所述样本数据输入至所述不确定性可调资源出力预测模223…zn]4,,表示两层线性关系系数,b表示所述输出层参数矩阵与所述输出量矩阵之间的误差偏倚,Jn表示第n个隐含层变量。其中,所述存储器存储有可被所述至少一个处理器执一个处理器执行,以使所述至少一个处理器能够执行如权利要求1_6任一项所述的一种多可执行指令被执行时,实现如权利要求1_6任一项所述的一种多能耦合虚拟电厂的可调能5利用、电网灵活调度及提升系统稳定性的重要手段。传统电力系统主要聚焦于电能的单一[0004]多能耦合虚拟电厂的优势在于其能够综合考虑多种能源形式间的互补性和协同多不足。现有的评估方法往往侧重于单一能源形式的调节能力分析,忽略了多种能源形式之间的耦合关系和相互影响,导致评估结果不够全面和准确。同时,在预测不确定性资源为虚拟电厂的优化调度提供可靠依据。[0006]本申请实施例提供了一种多能耦合虚拟电厂的可调能力6[0020]其中,D。,表示所述电动汽车充电站的历史数据7[0034]通过以下公式,表示经过多隐藏层的输出量v和经过解码函数90的输出层z之间[0046]其中,sever(t)表示所述电动汽车充电站在t时刻的下调边界,sevars(t)表示所述电动汽车充电站在t时刻的上调边界,pev(t)表示电动汽车充电站预测数据,pepmin表示所述电动汽车充电站的运行容量下界,pevmax表示所述电动汽车充电站的运行容量上8[0050]其中,siosacr(t)表示所述不确定性负荷在t时刻的负荷下调功率,siIoaaas(t)表率,Aprans(t)表示在t时刻可转移负荷的变化功率,Apchange(t)表示在t时刻可平移负荷的变化功率,pioaamex(t)表示在t时刻总体负荷的最大出力,PIoaa(t)表示在t时刻负力评估策略,并结合所述不确定性可调资源对应的出力预测结果以及所述确定性可调资时刻所述燃气轮机的发电功率,pgsmin表示所述燃气轮机的出力下界,pgsmax表示[0060]另一方面,本申请实施例还提供了一种多能耦合虚拟电[0065]本申请实施例提供了一种多能耦合虚拟电厂的可调能力9测不确定性可调资源的出力情况,为虚拟电厂的调度和决策提供了更加可靠的数据支持;[0068]图1为本申请实施例提供的一种多能耦合虚拟电厂的可调能力评估方法的流程示[0071]图4为本申请实施例提供的一种多能耦合虚拟电厂的可调能力评估设备的内部结[0074]图1为本申请实施例提供的一种多能耦合虚拟电厂的可调能力评估方法的流程示时段的用电转移到低谷时段;可平移负荷则是指可以在不同日期之间进行平移的用电需[0092]为了准确评估电动汽车充电站的调度潜力,系统首先获取了该充电站的历史数gg的输出层z之间的数学关系:[0119]构建多能耦合虚拟电厂对应的资源可调能力评估策略包括离线训练DNN模型,在[0121]图3为本申请实施例提供的基于Adam优化器改进的DNN模型离线训练框架示意设置DNN模型中隐含层层数以及每层隐含层神经元个数,并将训练样本集中样本数据输入[0124]需要说明的是,本申请实施例中的sser(t)表示所述分布式电源的下调范围,paer(t)表示所述分布式电源在t时刻的预测出力大小。[0128]需要说明的是,本申请实施例中的sever(t)表示所述电动汽车充电站在t时刻的电站预测数据,pevmin表示所述电动汽车充电站的运行容量下界,pevmax表示所[0131]saaa:(t)=Apioaamax:(t)-Apioad(t)+Aprans(t)+Apcrangc(t)(12)[0132]需要说明的是,本申请实施例中的siosacr(t)表示所述不确定性负荷在t时刻的负荷下调功率,sioaaas(t)表示所述不确定性负荷在t时刻的负荷上调功率,ApoAprange(t)表示在t时刻可平移负荷的变化功率,表示在t时刻总体负荷的最[0139]需要说明的是,本申请实施例中的sescr(t)和sesais(t)表示在t时刻所述储能设备的可调容量,soc(t)表示在t时刻所述储能设备的SOC状态,sesmin表示所述储能设备的[0143]需要说明的是,本申请实施例中的sgser(t)和sgsas(I)表示在t时刻所述燃气轮结合。通过综合考虑所有资源的可调能力和预测出力,可以确定多能耦合虚拟电厂在预测[0149]图4为本申请实施例提供的一种多能耦合虚拟电厂的可调能力评估设备的内部结[0156]本申请实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指[0161]上述对本申请特定实施例进行了描述

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论