[发明专利]一种能源流协同优化控制方法及装置

说明书

本发明公开了一种能源流协同优化控制方法及装置，该方法包括：根据多能源系统群的各能量数据，构建每个所述能量数据对应的数据矩阵；采用模糊聚类分析算法对每个所述数据矩阵进行分析，获取每个所述数据矩阵的运行特征；根据所有所述数据矩阵的运行特征和预设的约束条件，构建多层级能源流协同优化控制模型，并根据预设的拜占庭容错共识算法，确定所述多能源协同优化运行方案，以控制所述多能源系统群实现多能源协同优化运行。本发明通过构建多能源系统数据中对应的数据矩阵、并采用模糊聚类分析算法与预设的拜占庭容错共识算法结合，实现多能源协同优化运行，确保多能源系统协同控制的效率。

技术领域

本发明涉及自动化控制技术领域，尤其涉及一种能源流协同优化控制方法及装置。

背景技术

传统的多能源系统调度、运行和控制主要依赖工程师等知识型工作者进行人工决策，难以适应精细化、信息化和智能化的要求。针对“源-网-荷-车-储”多分布式系统之间能源耦合的不对称、非线性、区段交变、时段交变、波动性、随机性和模糊性，给冷热电联供型多能源系统“源-网-荷-车-储”多种分布式系统协同运行和智能调度控制问题的解决增加了难度和复杂性。

多能源系统中，分布式光伏发电系统是一种同时具有关系复杂并交互作用的随机和模糊不确定性事件或参量的系统。在各种不确定性随机和模糊事件或参量的影响下，多能源系统分布式光伏发电系统发电功率和发电量变得更具随机特性和模糊特性，这些特性极大影响多能源系统分布式光伏发电系统容量配置。以往多能源系统分布式光伏发电系统发电功率和发电量通常采用确定性的计算方法，有些也采用概率分析的不确定性计算方法。确定性计算的方法通常是在假设区域内日照强度都确定的情况下计算多能源系统分布式光伏发电系统发电功率、发电量及装机容量，也没有考虑多能源系统和配电网调压要求和柔性控制方式等因素的影响，计算结果是唯一性和确定性的，往往不能反映多能源系统分布式光伏发电系统发电功率、发电量及装机容量的实际情况。而概率分析的计算方法通常是在假设区域内日照强度和风速等单一因素为不确定性因素的情况下计算多能源系统分布式光伏发电系统发电功率、发电量及装机容量，计算结果是具有一定置信水平的概率值。实际上，多能源系统分布式光伏发电系统发电功率、发电量及装机容量受多种不确定性因素影响。而且，这些影响因素通常都有随机不确定性或模糊不确定性，或者他是具有随机和模糊不确定性，往往以随机和模糊不确定性事件或参量而存在，可见，多能源系统分布式光伏发电系统发电功率、发电量及装机容量计算的现有技术都没有全面考虑影响因素的不确定性和随机性，计算方法适用性、实用性和应用性也难以得到满足。

发明内容

本发明目的在于，提供一种能源流协同优化控制方法及装置，以解决现有技术中多能源协同优化控制效率低的问题。

为实现上述目的，本发明提供一种能源流协同优化控制方法，包括：

根据多能源系统群的各能量数据，构建每个所述能量数据对应的数据矩阵；

采用模糊聚类分析算法对每个所述数据矩阵进行分析，获取每个所述数据矩阵的运行特征；

根据所有所述数据矩阵的运行特征和预设的约束条件，构建多层级能源流协同优化控制模型，并根据预设的拜占庭容错共识算法，确定所述多能源协同优化运行方案，以控制所述多能源系统群实现多能源协同优化运行。

优选地，所述能量数据包括：光伏发电数据、电动汽车充放电数据、储能装置充放电数据以及负荷数据。

优选地，所述构建每个所述能量数据对应的数据矩阵，具体为：根据所述每个所述能量数据分别获取对应的历史数据矩阵、实时数据矩阵以及预测数据矩阵。

优选地，所述获取每个所述数据矩阵的运行特征，具体为：

根据所述模糊聚类分析算法确定所述数据矩阵的模糊聚类中心矩阵，其中，所述模糊聚类中心矩阵包括，最小量模糊聚类中心矩阵、平均量模糊聚类中心矩阵以及最大量模糊聚类中心矩阵；