(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211307145.7 (22)申请日 2022.10.25 (71)申请人 深圳市联宇科技有限公司 地址 518000 广东省深圳市宝安区石岩街 道塘头社区塘头1号路创维创新谷5#D 栋204 (72)发明人 林海莲　 (74)专利代理 机构 北京广技专利代理事务所 (特殊普通 合伙) 11842 专利代理师 安琪 (51)Int.Cl. H02J 3/00(2006.01) H02J 3/48(2006.01) H02J 3/32(2006.01) G06Q 10/04(2012.01)G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/00(2006.01) (54)发明名称 一种基于物联网的分布式电源管理方法 (57)摘要 本发明公开了一种基于物联网的分布式电 源管理方法， 包括： 基于物联网的数据采集单元 采集分布式电源的相关参数； 所述相关参数包 括： 分布式电源产能参数、 运能参数、 储能参数以 及用户的用能参数； 基于资源匹配模 型对采集的 相关参数进行分析， 获得资源分配实时数据和资 源分配预测数据； 基于资源分配实时数据对分布 式电源的当前阶段的参数进行配置； 基于资源分 配预测数据对分布式电源的下一阶段的参数进 行配置。 通过对分布式电源的当前阶段以及下一 阶段的参数进行配置， 对分布式电源进行全 方面 的协调管控， 提升分布式电源的合理利用效率。 权利要求书3页 说明书11页 附图2页 CN 115513945 A 2022.12.23 CN 115513945 A 1.一种基于物联网的分布式电源管理方法， 其特 征在于， 包括： S100， 基于物联网的数据采集单元采集分布式电源的相关参数； 所述相关参数包括： 分 布式电源产能参数、 运能参数、 储能参数以及用户的用能参数； S200， 基于资源匹配模型对采集的相 关参数进行分析， 获得资源分配实时数据和资源 分配预测数据； S300， 基于资源分配实时数据对分布式电源的当前阶段的参数进行配置； S400， 基于资源分配预测数据对分布式电源的下一阶段的参数进行配置 。 2.根据权利要求1所述的基于物联网的分布式电源管理方法， 其特 征在于， 所述S100包括： S101， 通过物联网将分布式电源划分为若干个微电网； S102， 基于物联网的数据采集单元获得每个分布式电源的位置信息， 将位置信息对应 至每个分布式电源； S103， 根据分布式电源的位置信息进行微电网的重新规划， 增加位置信息的权重， 以新 的权重重新计算 规划微电网布局。 3.根据权利要求1所述的基于物联网的分布式电源管理方法， 其特 征在于， 所述S100还包括： S104， 将分布式电源形成的微电网 并入电网中； S105， 基于物联网的数据采集单 元采集电网侧的电网运行参数。 4.根据权利要求1所述的基于物联网的分布式电源管理方法， 其特 征在于， 所述S200中包括构建 资源匹配模型， 所述资源匹配模型的构建方法包括： S201， 基于分布式电源投资成本、 系 统网络损耗成本、 需求侧响应成本、 可靠性成本和 节约购电费用构建目标函数； S202， 基于节点潮流方程约束、 支路功率约束、 节点电压约束、 分布式电源容量上 限以 及需求侧响应负荷约束构建约束条件； S203， 采用改进的粒子群算法以目标函数及约束条件下的最优解， 基于最优解确定资 源分配实时数据和资源分配预测数据。 5.根据权利要求 4所述的基于物联网的分布式电源管理方法， 其特 征在于， 所述S203包括： S2031， 初始化粒子的参数值； 所述参数值包括： 种群规模、 迭代次数； 随机产生粒子， 构 成初始粒子群； S2032， 对粒子进行评价， 确定每 个粒子的适应度， 选择 出个体极值和全局极值； S2033， 将现阶段进化过程中的全局极值与粒子个体极值比较， 如果全局极值符合进化 要求， 将粒子信息与全局极值进 行信息交换， 如果个体极值符合进化要求， 将粒子信息与个 体极值进行信息交换； S2034， 按照速度公式和位置公式对粒子的位置和速度进行更新， 设置惯性权重， 所述 惯性权重使粒子保持运动惯性， 用于描述粒子在上一代中的速度对当前迭代中速度产生的 影响， 基于惯性权重使粒子在解空间以及之前未达到的区域进行不停搜索， 将更新后的粒 子设定为 新粒子， 新粒子按照步骤S20 31至S2033进行下一轮进化； S2035， 如果满足最大迭代次数或迭代收敛， 则输出最优粒子， 否则一直循环， 直至确定权　利　要　求　书 1/3 页 2 CN 115513945 A 2最优解。 6.根据权利要求5所述的基于物联网的分布式电源管理方法， 其特 征在于， 所述S300包括： 确定需求侧响应的分布式电源的参数， 具体包括： S301， 初始化粒子群函数， 设定粒子群算法参数， 所述粒子群算法参数包括： 粒子群的 群体规模、 最大迭代次数、 粒子维度、 惯性权 重起始值和终止值； S302， 输入配电网的原始信息， 包括节点和支路数据， 确定电压约束上下 限， 以及分布 式电源容 量限制和可控负荷上限； S303， 设置迭代次数， 随机生成可行域 内的若干个粒子， 随之产生粒子的初始速度和位 置； S304， 对于每个粒子， 根据分布式电源的位置信息和容量以及需求响应的负荷参数， 采 用前推回代法进行潮流计算， 若粒子不满足约束条件， 则向目标函数中添加罚 函数以淘汰 该粒子， 满足约束条件则执 行步骤S3 05； S305， 计算目标函数， 评估每 个粒子的适应度， 获得个 体最优解和全局最优解； S306， 更新迭代次数， 更新惯性权重， 更新粒子的速度和位置， 重新评估每个粒子的适 应度； 与当前个体最优解和全局 最优解的适应值作比较， 取适应值高的值作为新一代最优 解； S307， 判断是否达到设置的最大迭代次数， 若达到， 则终止迭代， 输出最优解， 将该最优 解设定为分布式电源的参数。 7.根据权利要求2所述的基于物联网的分布式电源管理方法， 其特 征在于， 所述S103包括： 根据物联网采集的配电网有功功耗、 用户用电电量的历史数据构建起 全网中每个配送电网的历史平均功 耗电网图， 该历史平均 功耗电网图 以每个电力设备的接 入端作为节点， 每个电力 设备的电能有功功率变化数据作为该节点的输入权重， 即功耗越 大路径的值越大， 将每个节点之 间用有向图连接； 再利用大数据 平台， 将待分析的输送电力 的节点选取， 根据最短路径法计算出功 耗最低的电力流图， 并据此优化配电网线路， 降低配 送电网功耗。 8.根据权利要求2所述的基于物联网的分布式电源管理方法， 其特 征在于， 所述S103还包括： 通过以太网与分布式电源终端相连的网络管理设备， 所述网络管理 设备通过以太网分别与检测设备， 智能电能表和能源管控设备相连； 电能质量监测装置通 过电能质量 监测主站与所述能源管控设备相连； 所述网络管理设备实时监测所述分布式电源终端， 并将分布式电源监测信 息发送至所 述能源管控设备； 所述能源管控设备依据所述分布式电源监测信息和所述电能质量监测主 站发送的电能质量监测信息向所述网络管理设备下发控制指令； 所述网络管理设备依据所 述控制指 令向所述分布式电源终端和所述检测设备发送执行指 令， 基于执行指 令对分布式 电源终端 进行优化。 9.根据权利要求8所述的基于物联网的分布式电源管理方法， 其特 征在于， 所述能源管控设备包括数据通信与采集服务器、 数据库服务器、 应用服务器、 维护设 备、 打印通讯设备和人机界面交互工作 站； 所述应用服务器用于可视化展示、 效益评估和分 布式电源自动发电控制； 所述人机界面交互工作站用于对所述分布式电源终端的实时监测 和控制。权　利　要　求　书 2/3 页 3 CN 115513945 A 3