[發明專利]配網側分布式儲能優化調度方法、存儲介質

在審

• 申請號: 202210236380.3
• 申請日: 2022-03-11
• 公開（公告）號: CN114611926A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 李曉鵬;皇甫奮宇;李巖;孫曉新;趙啟新;蘇雅亨
• 申請（專利權）人: 內蒙古電力（集團）有限責任公司內蒙古電力經濟技術研究院分公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;H02J3/28;H02J3/32
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 尚偉凈

1.一種配網側分布式儲能優化調度方法，其特征在于，所述配網包括分布式儲能、分布式電源、配網節點、配網線路和配網變壓器，所述方法包括以下步驟：

獲取多個歷史時刻的配網數據和對應的變量數據，并根據所述變量數據得到各歷史時刻配電網的安全裕度數據，其中，所述配網數據包括所述分布式儲能的功率、所述分布式電源的出力、市場電價、用電負荷，所述變量數據包括節點電壓、線路電流和變壓器功率，所述安全裕度數據包括電壓安全裕度值、電流安全裕度值和負載安全裕度值；

建立表征配電網安全運行邊界的深度神經網絡模型，其中，所述深度神經網絡模型的輸入為儲能的功率、電源的出力、市場電價和用電負荷，輸出為電壓安全裕度值、電流安全裕度值和負載安全裕度值；

利用所述配網數據和所述安全裕度數據，訓練所述深度神經網絡模型并得到配電網安全約束條件；

結合所述配電網安全約束條件，構建內嵌配電網安全約束的儲能約束條件和儲能成本收益函數；

根據所述儲能約束條件和所述儲能成本收益函數，建立并求解儲能優化調度的混合整數線性規劃模型。

2.根據權利要求1所述的配網側分布式儲能優化調度方法，其特征在于，通過下式分別得到t時刻配電網的電壓安全裕度值電流安全裕度值和負載安全裕度值

其中，V_max和V_min分別為電壓上限值和電壓下限值，N_bus為配網節點集合，V_i^t為歷史t時刻節點i的電壓；I_j，max為線路j的電流上限值，N_branch為配網線路集合，為歷史t時刻線路j的電流；P_m，max為變壓器m的負載功率上限值，N_transfo為配網變壓器集合，為歷史t時刻變壓器m的功率。

3.根據權利要求2所述的配網側分布式儲能優化調度方法，其特征在于，所述深度神經網絡模型包括依次連接的輸入層、第一隱含層、激活層、第二隱含層和輸出層，所述第一隱含層和所述第二隱含層的總層數為L，各層的神經元數為N_l，所述激活層的激活函數為ReLU(x)，其中，各層間神經元權重的矩陣關系如下：

x₁＝W₁·y_in+b₁，

y_1，k＝max{x_1，k，0}，k＝1，2，3，...，N₁

x₂＝W₂·y₁+b₂，

y_2，k＝max{x_2，k，0}，k＝1，2，3，...，N₂

…

其中，為歷史t時刻分布式儲能s的功率，為歷史t時刻分布式電源n的出力，為歷史t時刻配網的總用電負荷，為歷史t時刻的市場電價，y_in為所述深度神經網絡模型的輸入，x₁為隱含層1的輸入，W_l，l＝1，2，...，L和b_l，l＝1，2，...，L分別為N_l×N_l-1維和N_l×1維的神經網絡線性參數矩陣和偏倚向量，y_l，k為隱含層l第k個神經元的權重，x_l，k為隱含層l第k個神經元的輸入，x₂為隱含層2的輸入，y₁為隱含層1的輸出，y′_out為所述深度神經網絡模型的輸出。