[0001] 本发明涉及大数据优化分析技术领域，具体是源网荷储智能协同优化方法。

[0002] 在当前电力系统管理领域，数据和算法的作用日益凸显。随着大数据技术的快速发展，海量数据的分析已成为电力系统优化的关键。传统的基于经验和简化模型的优化方
法已无法满足复杂系统的需求，因此数据驱动的优化算法变得至关重要。大数据技术为电
力系统优化带来了新的机遇和挑战，有效整合和分析海量数据，从中提取有价值的信息以
指导决策，成为当前电力系统优化的核心任务之一。

[0003] 传统电力系统优化方法仅考虑电网侧的数据，对分布式电源数据、分布式储能数据、用电负荷数据考虑较少，已无法满足系统动态变化和不确定性的需求，因此需要更先进
的多维数据驱动算法来实现数据分析和智能决策。基于大数据优化算法的源网荷储智能协
同优化方法正在成为当前电力系统优化的重要方向。将大数据技术和先进优化算法相结
合，基于分布式电源、分布式储能、用电负荷的运行数据，实现分布式电源、分布式储能、用
电负荷的协同优化控制，从而提供更准确的系统优化决策，提升电力系统的运行效率和能
源利用率。

[0062] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。

[0063] 在举例之前，需要针对本发明构思的应用场景予以阐述，本发明应用于在给定负荷接入时长需求的条件下，解决双向功率可调源、荷、储功率协同优化控制问题。

[0064] 实施例1：如图1所示，本实施例提供了源网荷储智能协同优化方法，所述方法包括：

[0065] S1，读取协同优化基础数据，将所述协同优化基础数据划分为接入需求数据组、供电网架数据组、基础功率数据组；

[0066] S2，根据预先设定的模式划分算法，对所述接入需求数据组进行模式划分，得到n1个第一数据处理单元和n2个第二数据处理单元；

[0067] S3，根据所述协同优化基础数据，依次在所述n1个第一数据处理单元和n2个第二数据处理单元上，分别进行功率协同优化计算，得到第一管理对象有功功率数据序列、第二管
理对象有功功率数据序列、第二管理对象无功功率数据序列、第三管理对象有功功率数据
序列、第三管理对象无功功率数据序列；

[0068] S4，将所述第一管理对象有功功率数据序列、第二管理对象有功功率数据序列、第二管理对象无功功率数据序列、第三管理对象有功功率数据序列、第三管理对象无功功率
数据序列进行组合，得到协同优化数据组合；将所述协同优化数据组合输出至源网荷储智
能协同控制器。

[0069] 进一步地，所述读取协同优化基础数据，将所述协同优化基础数据划分为接入需求数据组、供电网架数据组、基础功率数据组的方法包括：

[0070] 读取第一管理对象接入总时长T、分段数量n、供电线路电阻R、供电线路电抗X、供电线路首端电压U0、第一管理对象初始电量L0、第一管理对象电量限额L1、第一管理对象的
第一有功功率限额PLmax、第一管理对象的第二有功功率限额PLmin、第二管理对象初始电量
C0、第二管理对象电量限额C1、第二管理对象的第一有功功率限额PCmax、第二管理对象的第
二有功功率限额PCmin、第二管理对象的第一无功功率限额QCmax、第二管理对象的第二无功功
率限额QCmin、第三管理对象的第一有功功率限额PVmax、第三管理对象的第二有功功率限额
PVmin、第三管理对象的第一无功功率限额QVmax、第三管理对象的第二无功功率限额QVmin；

[0071] 所述第一管理对象为双向功率可调负荷，即既可以从电网充电，又可以向电网放电的负荷，比如具备双向充电功能的电动汽车；所述第二管理对象为分布式储能，分布式储
能既可以从电网吸收电能，又可以向电网放电；所述第三管理对象为分布式电源，比如分布
式光伏；所述第一管理对象、第二管理对象、第三管理对象均具备定功率控制功能；所述第
一管理对象接入总时长T根据电力用户的需求决定，示例性地，电力客户需要在24小时完成
电动汽车充电，则T＝12h；所述分段数量n根据协同控制精度的需求决定，示例性地，n＝
1200；所述供电线路电阻R、供电线路电抗X可通过查询供电线路产权所有方的台账得到；所
述供电线路首端电压U0可通过读取电力公司监测数据得到；示例性地，所述第一管理对象
初始电量L0为所述电动汽车充电前的初始电量，单位为kW·h；所述第一管理对象电量限额
L1为所述电动汽车的电池容量，单位为kW·h；所述第一管理对象的第一有功功率限额PLmax
为所述电动汽车的最大充电有功功率，单位为kW，PLmax＞0；所述第一管理对象的第二有功
功率限额PLmin为所述电动汽车的最小充电有功功率，单位为kW，其中PLmin<0，即电动汽车可
以向电网放电；所述第二管理对象初始电量C0为所述分布式储能的初始电量，单位为kW·
h；所述第二管理对象电量限额C1为所述分布式储能的最大存储电量，单位为kW·h；所述第
二管理对象的第一有功功率限额PCmax为所述分布式储能的最大充电有功功率，单位为kW，
PCmax＞0；所述第二管理对象的第二有功功率限额PCmin为所述分布式储能的最小充电有功功
率，单位为kW，其中PCmin<0，即分布式储能可以向电网放电；所述第二管理对象的第一无功
功率限额QCmax为所述分布式储能的最大充电无功功率，单位为kvar，QCmax＞0；所述第二管理
对象的第二无功功率限额QCmin为所述分布式储能的最小充电无功功率，单位为kvar，其中
QCmin<0，即分布式储能可以向电网放电；所述第三管理对象的第一有功功率限额PVmax为所述
分布式光伏的最大充电有功功率，单位为kW，PVmax<0，因为分布式光伏只能向电网放电；所
述第三管理对象的第二有功功率限额PVmin为所述分布式光伏的最小充电有功功率，单位为
kW，PVmin<0，因为分布式光伏只能向电网放电；所述第三管理对象的第一无功功率限额QVmax
为所述分布式光伏的最大充电无功功率，单位为kvar，QVmax＞0；所述第三管理对象的第二
无功功率限额QVmin为所述分布式光伏的最小充电无功功率，单位为kvar，QVmin<0。

[0072] 将所述第一管理对象接入总时长T、分段数量n组合，得到接入需求数据组；

[0073] 将所述供电线路电阻R、供电线路电抗X、供电线路首端电压U0组合，得到供电网架数据组；

[0074] 将所述第一管理对象初始电量L0、第一管理对象电量限额L1、第一管理对象的第一有功功率限额PLmax、第一管理对象的第二有功功率限额PLmin、第二管理对象初始电量C0、第
二管理对象电量限额C1、第二管理对象的第一有功功率限额PCmax、第二管理对象的第二有功
功率限额PCmin、第二管理对象的第一无功功率限额QCmax、第二管理对象的第二无功功率限额
QCmin、第三管理对象的第一有功功率限额PVmax、第三管理对象的第二有功功率限额PVmin、第
三管理对象的第一无功功率限额QVmax、第三管理对象的第二无功功率限额QVmin组合，得到基
础功率数据组。

[0075] 进一步地，所述根据预先设定的模式划分算法，对所述接入需求数据组进行模式划分，得到n1个第一数据处理单元和n2个第二数据处理单元的方法包括：

[0076] 将所述第一管理对象接入总时长T等分为n份，得到n个基本处理单元；

[0077] 根据所述协同优化基础数据，通过第一划分公式，得到第一划分数n0；所述第一划分公式为：

[0078]

[0079] 其中，n0为第一划分数；n为分段数量；L0为第一管理对象初始电量；L1为第一管理对象电量限额；T为第一管理对象接入总时长；PLmax为第一管理对象的第一有功功率限额；k
为预先设定的容忍系数，k＞1；

[0080] 将所述第一划分数n0向上取整，得到第二划分数n*；

[0081] 根据所述协同优化基础数据、第二划分数n*，通过第二划分公式组，计算得到n1、n2；所述第二划分公式组为：

[0082]

[0083] 其中，n为分段数量；L0为第一管理对象初始电量；L1为第一管理对象电量限额；T为*
第一管理对象接入总时长；PLmax为第一管理对象的第一有功功率限额；n为第二划分数；

[0084] 将所述n个基本处理单元按时间顺序依次排列，将所述n个基本处理单元中的前n1个基本处理单元标记为第一数据处理单元，其余所有基本处理单元标记为第二数据处理单
元，得到n1个第一数据处理单元和n2个第二数据处理单元。

[0085] 所述模式划分算法的目的是将所述第一管理对象接入总时长T进行拆分，得到n1个第一数据处理单元和n2个第二数据处理单元，以便在后续步骤中，分别在每一个数据处
理单元中进行优化计算。示例性地，T＝12h，n＝1200，L0＝1kW·h，L1＝30kW·h，PLmax＝6kW，
*
k＝2，计算得到n0＝241.67，n＝242，n1＝242，n2＝958。

[0086] 进一步地，所述根据所述协同优化基础数据，依次在所述n1个第一数据处理单元和n2个第二数据处理单元上，分别进行功率协同优化计算，得到第一管理对象有功功率数
据序列、第二管理对象有功功率数据序列、第二管理对象无功功率数据序列、第三管理对象
有功功率数据序列、第三管理对象无功功率数据序列的方法包括：

[0087] 按照第一协同优化算法，依次以所述n1个第一数据处理单元为计算范围，进行第一协同优化计算，得到第一管理对象的第一有功功率数据序列、第二管理对象的第一有功
功率数据序列、第二管理对象的第一无功功率数据序列、第三管理对象的第一有功功率数
据序列、第三管理对象的第一无功功率数据序列；

[0088] 若n2>0，则按照第二协同优化算法，依次以所述n2个第二数据处理单元为计算范围，进行第二协同优化计算，得到第一管理对象的第二有功功率数据序列、第二管理对象的
第二有功功率数据序列、第二管理对象的第二无功功率数据序列、第三管理对象的第二有
功功率数据序列、第三管理对象的第二无功功率数据序列；若n2＝0，则将所述第一管理对
象的第二有功功率数据序列、第二管理对象的第二有功功率数据序列、第二管理对象的第
二无功功率数据序列、第三管理对象的第二有功功率数据序列、第三管理对象的第二无功
功率数据序列置为空序列；

[0089] 将所述第一管理对象的第一有功功率数据序列与第一管理对象的第二有功功率数据序列组合，得到第一管理对象有功功率数据序列；将所述第二管理对象的第一有功功
率数据序列与第二管理对象的第二有功功率数据序列组合，得到第二管理对象有功功率数
据序列；将所述第二管理对象的第一无功功率数据序列与第二管理对象的第二无功功率数
据序列组合，得到第二管理对象无功功率数据序列；将所述第三管理对象的第一有功功率
数据序列与第三管理对象的第二有功功率数据序列组合，得到第三管理对象有功功率数据
序列；将所述第三管理对象的第一无功功率数据序列与第三管理对象的第二无功功率数据
序列组合，得到第三管理对象无功功率数据序列。

[0090] 进一步地，所述按照第一协同优化算法，依次以所述n1个第一数据处理单元为计算范围，进行第一协同优化计算，得到第一管理对象的第一有功功率数据序列、第二管理对
象的第一有功功率数据序列、第二管理对象的第一无功功率数据序列、第三管理对象的第
一有功功率数据序列、第三管理对象的第一无功功率数据序列的方法包括：

[0091] 根据所述协同优化基础数据，构造第一目标函数Fi(PCi，PVi，QCi，QVi)；所述第一目标函数为：

[0092]

[0093] 其中，PLmax为第一管理对象的第一有功功率限额；PCi为第二管理对象的第一有功功率数据序列；QCi为第二管理对象的第一无功功率数据序列；PVi为第三管理对象的第一有
功功率数据序列；QVi为第三管理对象的第一无功功率数据序列，i＝1，2......n1；为预先
设定的第一管理对象的额定功率因数角；R为供电线路电阻；X为供电线路电抗；U0为供电线
路首端电压；

[0094] 所述第一目标函数为所述每个第一数据处理单元中的线损功率。示例性地，由于n1＝242，因此需要构建242个第一目标函数，分别为F1(PC1，PV1，QC1，QV1)、F2(PC2，PV2，QC2，QV2)......F242(PC242，PV242，QC242，QV242)。

[0095] 根据所述协同优化基础数据，构造第一约束条件Ji(PCi，PVi，QCi，QVi)；所述第一约束条件为：

[0096]

[0097] 其中，PCmax为第二管理对象的第一有功功率限额；PCmin为第二管理对象的第二有功功率限额；QCmax为第二管理对象的第一无功功率限额；QCmin为第二管理对象的第二无功功率
限额；PVmax为第三管理对象的第一有功功率限额；PVmin为第三管理对象的第二有功功率限
额；QVmax为第三管理对象的第一无功功率限额；QVmin为第三管理对象的第二无功功率限额；
PLmax为第一管理对象的第一有功功率限额；PCi为第二管理对象的第一有功功率数据序列；
QCi为第二管理对象的第一无功功率数据序列；PVi为第三管理对象的第一有功功率数据序
列；QVi为第三管理对象的第一无功功率数据序列，i＝1，2......n1； 为预先设定的第一管
理对象的额定功率因数角；R为供电线路电阻；X为供电线路电抗；U0为供电线路首端电压；C0
为第二管理对象初始电量；C1为第二管理对象电量限额；n为分段数量；T为第一管理对象接
入总时长；Umin为预先设定的电压下限值；Umax为预先设定的电压上限值；

[0098] 分别以所述第一目标函数Fi(PCi，PVi，QCi，QVi)取值最小为目标，以所述第一约束条件Ji(PCi，PVi，QCi，QVi)为约束条件，采用粒子群优化算法，求解得到第二管理对象的第一有
功功率数据序列PCi、第二管理对象的第一无功功率数据序列QCi、第三管理对象的第一有功
功率数据序列PVi、第三管理对象的第一无功功率数据序列QVi，i＝1，2.....n1；

[0099] 根据第一功率限定公式，计算得到第一管理对象的第一有功功率数据序列PLi，i＝1，2......n1；所述第一功率限定公式为：

[0100] PLi＝PLmax，i＝1，2......n1；

[0101] 其中，PLmax为第一管理对象的第一有功功率限额，PLi为第一管理对象的第一有功功率数据序列，i＝1，2......n1。

[0102] 进一步地，所述若n2>0，则按照第二协同优化算法，依次以所述n2个第二数据处理单元为计算范围，进行第二协同优化计算，得到第一管理对象的第二有功功率数据序列、第
二管理对象的第二有功功率数据序列、第二管理对象的第二无功功率数据序列、第三管理
对象的第二有功功率数据序列、第三管理对象的第二无功功率数据序列的方法包括：

[0103] 根据所述协同优化基础数据、第一管理对象的第一有功功率数据序列PLi、第二管理对象的第一有功功率数据序列PCi，i＝1，2......n1，进行第二协同优化初始化，得到第一
管理对象的第一截止电量Lm、第二管理对象的第一截止电量Cm；

[0104] 根据所述协同优化基础数据，构造第二目标函数Gi(P2Li，P2Ci，P2Vi，Q2Ci，Q2Vi)；所述第二目标函数为：

[0105]

[0106] 其中，P2Li为第一管理对象的第二有功功率数据序列；P2Ci为第二管理对象的第二有功功率数据序列；Q2Ci为第二管理对象的第二无功功率数据序列；P2Vi为第三管理对象的
第二有功功率数据序列；Q2Vi为第三管理对象的第二无功功率数据序列，i＝n‑n2+1，
......n； 为预先设定的第一管理对象的额定功率因数角；R为供电线路电阻；X为供电线
路电抗；U0为供电线路首端电压；Lm为第一管理对象的第一截止电量；L1为第一管理对象电
量限额；n为分段数量；T为第一管理对象接入总时长；ω1为预先设定的第一权重；

[0107] 所述第二目标函数为每个第二数据处理单元中的线损功率和电动汽车电量缺额的加权和。示例性地，由于n2＝958，因此需要构建958个第二目标函数，分别为G243(P2L243，
P2C243，P2V243，Q2C243，Q2V243)、G244(P2L244，P2C244，P2V244，Q2C244，Q2V244)......G1200(P2L1200，P2C1200，P2V1200，Q2C1200，Q2V1200)。

[0108] 根据所述协同优化基础数据，构造第二约束条件Di(P2Li，P2Ci，P2Vi，Q2Ci，Q2Vi)；所述第二约束条件为：

[0109]

[0110] 其中，PLmax为第一管理对象的第一有功功率限额；PLmin为第一管理对象的第二有功功率限额；PCmax为第二管理对象的第一有功功率限额；PCmin为第二管理对象的第二有功功率
限额；QCmax为第二管理对象的第一无功功率限额；QCmin为第二管理对象的第二无功功率限
额；PVmax为第三管理对象的第一有功功率限额；PVmin为第三管理对象的第二有功功率限额；
QVmax为第三管理对象的第一无功功率限额；QVmin为第三管理对象的第二无功功率限额；P2Li
为第一管理对象的第二有功功率数据序列；P2Ci为第二管理对象的第二有功功率数据序列；
Q2Ci为第二管理对象的第二无功功率数据序列；P2Vi为第三管理对象的第二有功功率数据序
列；Q2Vi为第三管理对象的第二无功功率数据序列，i＝n‑n2+1，......n； 为预先设定的第
一管理对象的额定功率因数角；R为供电线路电阻；X为供电线路电抗；U0为供电线路首端电
压；Lm为第一管理对象的第一截止电量；Cm为第二管理对象的第一截止电量；L1为第一管理
对象电量限额；C1为第二管理对象电量限额；n为分段数量；T为第一管理对象接入总时长；
Umin为预先设定的电压下限值；Umax为预先设定的电压上限值；

[0111] 分别以所述第二目标函数Gi(P2Li，P2Ci，P2Vi，Q2Ci，Q2Vi)取值最小为目标，以所述第二约束条件Di(P2Li，P2Ci，P2Vi，Q2Ci，Q2Vi)为约束条件，采用粒子群优化算法，求解得到第一管理对象的第二有功功率数据序列P2Li、第二管理对象的第二有功功率数据序列P2Ci、第二管理对象的第二无功功率数据序列Q2Ci、第三管理对象的第二有功功率数据序列P2Vi、第三管
理对象的第二无功功率数据序列Q2Vi，i＝n‑n2+1，......n。

[0112] 进一步地，所述根据所述协同优化基础数据、第一管理对象的第一有功功率数据序列PLi、第二管理对象的第一有功功率数据序列PCi，i＝1，2......n1，进行第二协同优化初
始化，得到第一管理对象的第一截止电量Lm、第二管理对象的第一截止电量Cm的方法包括：

[0113] 根据所述根据所述协同优化基础数据、第一管理对象的第一有功功率数据序列PLi、第二管理对象的第一有功功率数据序列PCi，i＝1，2......n1，利用第二协同优化初始化
公式求得第一管理对象的第一截止电量Lm、第二管理对象的第一截止电量Cm；所述第二协同
优化初始化公式为：

[0114]

[0115] 其中，PLi为第一管理对象的第一有功功率数据序列；PCi为第二管理对象的第一有功功率数据序列，i＝1，2......n1；C0为第二管理对象初始电量；L0为第一管理对象初始电
量；n为分段数量；T为第一管理对象接入总时长；Lm为第一管理对象的第一截止电量；Cm为第
二管理对象的第一截止电量。

[0116] 进一步地，所述将所述第一管理对象有功功率数据序列、第二管理对象有功功率数据序列、第二管理对象无功功率数据序列、第三管理对象有功功率数据序列、第三管理对
象无功功率数据序列进行组合，得到协同优化数据组合；将所述协同优化数据组合输出至
源网荷储智能协同控制器的方法包括：

[0117] 将所述第一管理对象有功功率数据序列、第二管理对象有功功率数据序列、第二管理对象无功功率数据序列、第三管理对象有功功率数据序列、第三管理对象无功功率数
据序列进行组合，得到协同优化数据组合；

[0118] 将所述协同优化数据组合中的第一管理对象有功功率数据序列输出至源网荷储智能协同控制器中第一管理对象的定有功功率控制器；将所述协同优化数据组合中的第二
管理对象有功功率数据序列输出至源网荷储智能协同控制器中第二管理对象的定有功功
率控制器；将所述协同优化数据组合中的第二管理对象无功功率数据序列输出至源网荷储
智能协同控制器中第二管理对象的定无功功率控制器；将所述协同优化数据组合中的第三
管理对象有功功率数据序列输出至源网荷储智能协同控制器中第三管理对象的定有功功
率控制器；将所述协同优化数据组合中的第三管理对象无功功率数据序列输出至源网荷储
智能协同控制器中第三管理对象的定无功功率控制器。

[0119] 示例性地，计算得到第一管理对象有功功率数据序列PL1、PL2……PL242、P2L243、P2L244……P2L1200＝6kW、6kW……6kW、2.3kW……0kW；计算得到第二管理对象有功功率数据序
列PC1、PC2……PC242、P2C243、P2C244……P2C1200＝‑3.2kW、‑3.2kW……‑2.8kW、‑2.0kW……0kW；计算得到第二管理对象无功功率数据序列QC1、QC2……QC242、Q2C243、Q2C244……Q2C1200＝‑
0.7kvar、‑0.7kvar……‑0.6kvar、‑0.2kvar……0kvar；计算得到第三管理对象有功功率数
据序列PV1、PV2……PV242、P2V243、P2V244……P2V1200＝‑2.8kW、‑2.8kW……‑3.2kW、‑0.35kW……
0kW；计算得到第三管理对象无功功率数据序列QV1、QV2……QV242、Q2V243、Q2V244……Q2V1200＝‑
0.4kvar、‑0.4kvar……‑0.4kvar、‑0.2kvar……0kvar。将所述第一管理对象有功功率数据
序列、第二管理对象有功功率数据序列、第二管理对象无功功率数据序列、第三管理对象有
功功率数据序列、第三管理对象无功功率数据序列进行组合，得到协同优化数据组合，然后
输出至源网荷储智能协同控制器，即可实现源网荷储协同优化控制。

[0120] 最后应说明的是：尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改
进等，均应包含在本发明的保护范围之内。