CN118539521B 一種源網荷儲協同方法及系統 （北京智中能源互聯網研究院有限公司）

開發區科谷一街10號院2號樓14層行狀態數據，以及終端用戶的電力負荷需求數一個多目標優化模型，該模型包括多個控制策2從多個源頭實時采集可再生能源發電站的發電數據、電網的實時運行基于數據集訓練得到一個預測模型，用于輸出對未來一段時間內將預測結果與電網的實時運行狀態數據結合，構建一個多目標依據所述多個控制策略對多目標優化模型求解，得到最優調度將預測結果與電網的實時運行狀態數據結合，構建一個多目標獲得的預測結果與收集到的最新電網實時運行狀態數據進行為每一個控制策略設定相應的決策變量，其將所述控制策略對應的決策變量、變量約束條件及目標函數整合進多將所述控制策略對應的決策變量、變量約束條件及目標函數整合進多;;;3op(t)表示運營成本，Cpenalty(t)表示因未能滿足預設標準而產生的懲罰成本，表示可再生能源利用率最大化，其中w2是可表示整個優化周期內最大的頻率偏差，socanssoc(I)ssocaw表示儲能荷電狀態偏差約束條件，表示傳統能源發電功率約束條件，表示多目標優化模型框中的電網功率重新收集電網實際運行數據與執行調度指令后的反饋信息，與在多目標優化模型框中的電網功率平衡方程中引入可再生能源的削減功在多目標優化模型框中的電網功率平衡方程中引入電力傳輸過程在荷電狀態更新方程中引入儲能設備的自放電功率，以減去4率是依據電網中儲能系統的充放電效率數據擬合采集模塊，用于從多個源頭實時采集可再生能源發電站的發電數據訓練模塊，用于基于數據集訓練得到一個預測模構建模塊，用于將預測結果與電網的實時運行狀態數據將預測結果與電網的實時運行狀態數據結合，構建一個多目標獲得的預測結果與收集到的最新電網實時運行狀態數據進行為每一個控制策略設定相應的決策變量，其將所述控制策略對應的決策變量、變量約束條件及目標函數整合進多將所述控制策略對應的決策變量、變量約束條件及目標函數整合進多;;;5;op(t)表示運營成本，Cpenalty(t)表示因未能滿足預設標準而產生的懲罰成本，表示可再生能源利用率最大化，其中w2是可表示整個優化周期內最大的頻率偏差，socanssoc(I)ssocaw表示儲能荷電狀態表示多目標優化模型框中的電網功率其中，所述處理器被配置為調用所述存儲器存儲的指令，以執行序指令被處理器執行時實現權利要求1至467;op(t)表示運營成本，Cpenalty(t8表示整個優化周期內最大的頻率偏差，socanssoc(I)ssocax表示儲能荷電狀態約束條件，表示負荷調模型框中的電網功率平衡方程，Ptrad(t)代表決策變量中傳統能源發電資源的輸出功率，求響應調整后的負荷消耗功率，Pstorage(t)表示決策變量中在t時刻的凈輸出功率，9[0072]促進了可再生能源的高效利用：優化的調度策略充分利[0101]在本發明提供的又一實施例中，向多目標優化模型中納;oppenaltyoppenalty所以還需要引入多目標優化模型框架進一步的表達出決策變量的作[0136]表示荷電狀態更新方程，狀態減少，相反的，如果Pstorage(t)為負值（充電7ch·ptoragc(t)At會使荷電狀態增加。[0139]表示儲能荷電狀態約束條件，確保儲能設備的[0143]表示傳統能源發電功率約束條件，限制[0157]此外，本發明實施例還可以進一步假設充放電效率隨時間或荷電狀態變化，即dis和fch分別是放電和充電效率與SoC的函數關系，這些函數可以通過實驗數據