[发明专利]一种能够在智能电网中应用的负载动态控制和分析方法

权利要求书

1.一种智能电网负载动态控制和分析方法，其特征在于，包括以下步骤：

通信网络分析：根据负载的周期性传输的数据结合实时采集的数据，对智能电网的通信网络性能进行分析，获取当前影响智能电网性能的要素的性能；

动态负载分析和控制模型建立：根据获取负载的信息和通信网络的性能，建立相应的动态负载分析和控制模型，对负载的当前数据和所存储的历史数据加以分析，预测负载未来的用电状况；

负载处理：基于所述动态负载分析和控制模型预测的结果，对负载的用电调配进行优化控制。

2.根据权利要求1所述的一种智能电网负载动态控制和分析方法，其特征在于，所述的通信网络性能分析步骤包括：

数据采集及传输步骤，实时采集智能电网负载的数据信息并将所采集到的信息传送到智能控制分析中心；

通信网络性能分析步骤，依据电网数据信息、数据发送及所需速率导致的通信网络的时延、阻塞来分析数据采集速率对整个通信网络性能的影响，进而分析当前通信网络的性能。

3.根据权利要求1所述的一种智能电网负载动态控制和分析方法，其特征在于，所述动态负载分析和控制模型建立步骤中，依据上述所得的数据信息，依据影响智能电网效率的要素，建立对智能电网中用户负载的动态负载分析和控制模型。

4.根据权利要求1所述的一种智能电网负载动态控制和分析方法，其特征在于，所述的负载处理步骤中，信息中心根据所构建的动态控制模型结果结合负载的实时数据信息对负载未来的用电信息进行预测，进而对智能电网中的用户用电情况进行分析进而对电网输送情况进行重新调配。

5.根据权利要求1所述的一种智能电网负载动态控制和分析方法，其特征在于，所述的负载处理步骤中，分析影响电能节约率的要素包括数据的采集频率、数据的发送速率、区域内节点的数量多少（即数据中心的覆盖范围）、节点状态的改变频率（即用户状态的稳定状况）和网络时延和阻塞。

6.根据权利要求1、2、3、4或5所述的一种智能电网负载动态控制和分析方法，其特征在于动态负载分析和控制模型如下：

C=Σi=1nWiSi---(1)]]>

0≤W_i≤1,0≤S_i≤1        (2)

其中，C表示该用户的对于电能的消费指数,S_i是影响智能电网用电效率的因素，W_i是对应影响因素的权重，

具体模型如式（15）、（16）、（17）所示：

C=W_RS_R+W_VS_V+W_LS_L+W_PS_P    (3)

0≤S_R,S_V,S_L,S_P≤1        (4)

0≤W_R,W_V,W_L,W_P≤1        (5)

W_R+W_V+W_L+W_P=1

(6)

其中，

W_R,W_V,W_L,W_P表示四种影响智能电网用电效率的各个因素S_R,S_V,S_L,S_P在当前分析和预测评估体系中所占的重要性,所有因素的对应权重W_R,W_V,W_L,W_P之和等于1；

S_R是每个用户的负载用电量的过度的比例，表示为W_r是没有使用的电能，W_{max_r}是用户电能富裕的最大值；

S_v是每个用户的负载用电量的波动情况，表示为T_ave是用户用电状况不同状态之间的转变的时间间隔，T_{max_v}表示为用户用电状况不同状态之间的转变的最大时间间隔；

S_L是每个用户能量传输的损失比例，表示为d是发电厂和能量短缺的用户之间的距离，d_max是最大距离；

S_P是用户用电的优先级。

7.根据权利要求5所述的一种智能电网负载动态控制和分析方法，其特征在于，网络时延和阻塞概率的计算步骤：

针对每一个节点，平时时延为T_D，代表节点试图发出数据到数据被控制信息中心收到之间的时间，无线传感器网络的服务时间为T_S，网络中数据的等待时间为T_W，三者关系如下：

T_D=T_S+T_W          (7)

其中，

T_S=T_L/T_V+T_C+T_P    (8)

T_L是数据包的长度，T_V是数据的发送速率，T_C是MAC时延，T_P是无线传输时延。其中，MAC时延，即介质访问控制时延，表示数据从得到智能电表允许发送起，到能够发送到信道中的时间，也就是数据获取信道的时间；

T_Ck是数据从节点i到节点j的第k个路径上的MAC时延，T_Wk是数据从节点i到节点j的第k个路径上的服务时间；

因此，无线传感器网络中的端到端总体时延为

TDelay_overall=ΣR(DelayR·γi,j)=ΣR(Σ(ij,k)∈R(TCk+TWk+TL/TV)·γij,k)]]>

(9)

其中，

DelayR=Σi∈RDi---(10)]]>

Delay_R代表基于路径R的总平均时延，γ_i，j代表数据从节点i到节点j所有路径的比例集合，γ_ij，k代表数据从节点i到节点j第k个路径的比例，两者的关系如下：

γi,j=Σ(ij,k)∈Rγij,k---(11)]]>

MAC时延的产生概率函数如下：

TMAC(Z)=(1-p)S(Z)Σi=0L{[PI(Z)]iΠj=0iDj(Z)}+[pI(Z)]L+1Πi=0LDi(Z)---(12)]]>

p指的是某对节点的通信与冲突域内其他通信发生冲突的概率，具体表示如下：

p=1-(1-τ)^n-1    (13)

S(Z)=ZTS,I(Z)=ZTIandDi(Z)=Σi=0CWi-1D(Z)CWi,0≤i≤mDm(Z),m≤i≤L---(14)]]>

得到MAC时延的期望和方差

(15)

E(T_MAC)=T′_MAC(Z)|_Z=1

Var(T_MAC)=T″_MAC(Z)|_Z＝1+T′_MAC(Z)|_Z＝1-[T_MAC(Z)|_Z=1]²    (16)

其中，

L表示最大的检测信道的次数；

自变量Z是将队列上的离散问题进行Z变换后，将问题转化为Z域上变成连续的问题以便进行数学解决，变量Z本身没有什么实际意义；

等待时间的计算如下：

首先，定义到达负载的传输密度：

ρ=λb=λμ---(17)]]>

其中，λ是数据到达速率，μ是数据包的服务速率，b是数据包服务时间的期望值；

设η是数据包丢失的概率，P_k是队列中存在k个数据包的平均概率；E(X)和E(T)是服务队列的数据的平均数量和平均时延；

以上参数的关系如下：

η＝λ(1-P_k)    (18)

E(X)=ηE(T)     (19)

E(X)=ρ1-ρ-ρ22(1-ρ)(1-μ2σ2)---(20)]]>

其中，σ²是服务时间的方差，X是队列的长度；因此，得到服务时间的期望值E(T_w):

E(TW)=E(T)-b=1ηE(X)-b---(21)]]>

计算出整个网络中的阻塞概率：

Pblock=PK=1-1π0-ρ---(22)]]>

其中，π₀表示数据包进入服务队列时，整个队列的初始状态。