本发明涉及智能电网，尤其是一种面向新能源汽车并基于数据挖局进行趋势预测的区域化微电网有序优化调度系统和方法。
背景技术：
1、随着新能源汽车产业在越来越多的地区被列入鼓励产业，以及相关配套基础设施的规模化建设，加之新能源汽车购置税优惠及购置补贴的广泛推出，目前新能源汽车的市场占有率和市场保有量已经得到了相当的规模。电动汽车在技术和社会层面均已经逐渐发展成熟。
2、随着电动车数量的快速增长，化石能源的消耗获得大幅度的削减，但是，与此对应的是，电力网络将承受越来越大的负荷冲击。在一个电网区域范围内，如果电动车同时进行高密度和高负荷充电，如工作日下班后的高峰时段，这将对本地局域电网产生较大的冲击。
3、针对上述问题，国内外科研界和电网系统均开展看诸多技术研发和科研实践，开发了具有充电管理功能的智能充电桩(v1g技术)、基于分布式储能概念的v2g充电桩系统等。虽然仍然存在诸多技术争鸣和优劣势争辩，一般而言v2g充电相较智能充电更能代表下一代智能电网技术，其将电动车连接在一起，并且在用电高峰的时候将电动车的储能回馈至电网，相当于利用新能源汽车的车载电车构建了一个社会化的巨大的分布式储能系统，这不仅是对电网系统的发展化建设，同时还能面向新能源汽车车主进行价值反馈，降低新能源汽车的购置持有和使用成本。
4、但是，无论何种技术路线，目前所构建的智能化充电优化算法，通常都是对充电负荷进行负反馈式修正调节。虽然有人提出了基于历史数据的充电负荷预测数据模型，但是其将真实世界的多参数非线性充电过程简化为有限参数的线性化数据模型，仅仅具有理论价值，在应用实践中将发生脱离实际的大范围偏差。
技术实现思路
1、本发明要解决的技术问题是克服现有技术的种种不足，提供一种微电网有序优化调度方法。
2、为解决上述技术问题，本发明所采取的技术方案如下。
3、一种微电网有序优化调度方法，用于局域化新能源充电网络的调度优化，该方法基于多层交互数据模型的构建，对局域化配电台区进行基于用电负荷期望的有序充放电优化，所述用电负荷期望数据化为置信修正参量，并通过数据构型的构建和可执行化数据信息的提取，实现面向用电负荷自身的数据归化修正。
4、作为本发明的一种优选技术方案，所述多层交互数据模型依据数据处理过程和数据呈现模式包括两个组别的数据架构，分别记作：⑴多层交互数据模型的基础数据架构、⑵多层交互数据模型的数据交互架构。
5、作为本发明的一种优选技术方案，所述多层交互数据模型的基础数据架构包括：⑴-1位于底层以用电负荷数据极值为导向的一阶极向数据层，⑴-2位于上层以用电负荷数据前瞻期望为导向的二阶拐向数据层。
6、作为本发明的一种优选技术方案，所述多层交互数据模型的数据交互架构包括：⑵-①位于一阶极向数据层的负反馈型充电通量数据通道；⑵-②正向跨越一阶极向数据层和二阶拐向数据层并兼容时间参变量的生成型负荷差量-导率数据通道，此数据通道亦可简称作生成型负荷差导数据通道；⑵-③-1位于二阶拐向数据层的图形化复变转换数据通道；⑵-③-2位于二阶拐向数据层并面向图形化复变转换数据通道所得数据构型进行可执行化修正数据提取的数据信息提取通道；⑵-③-3位于二阶拐向数据层的置信修正参量生成通道；⑵-④反向跨越一阶极向数据层和二阶拐向数据层的用电负荷归化修正数据通道。
7、作为本发明的一种优选技术方案，在所述多层交互数据模型的基础数据架构中，所述一阶极向数据层面向划定空间范围内的配电台区局域电网，通过数据传感采集或数据通信传输获取局域微电网的用电负荷数据，并以离散化的点数据集进行数据存储为一阶极向点数据集；离散数据的数据密度直接依照数据采集或数据传输的时间频率进行标定，允许按照数据采集或数据传输硬件设备的最高可及频率获取最高密度的局域微电网用电负荷离散数据。
8、作为本发明的一种优选技术方案，在所述多层交互数据模型的基础数据架构中，所述二阶拐向数据层在一阶极向数据层的基础上由⑵-②中的生成型负荷差量-导率数据通道构建。
9、作为本发明的一种优选技术方案，在所述多层交互数据模型的数据交互架构中，所述⑵-①的负反馈型充电通量数据通道通过百分比化的数据参值构建数据旋钮对配电台区允许的最大充电通量进行调整。
10、作为本发明的一种优选技术方案，在所述多层交互数据模型的数据交互架构中，所述⑵-②的生成型负荷差量-导率数据通道在一阶极向数据层的基础上主导构建生成二阶拐向数据层，其首先以时间坐标下的间隔δt为参值切割一阶极向点数据集，得到数据密度降低、数据容量缩小的一阶极向子数据集，然后将所得一阶极向子数据集依照时序标定为一个有序数据集，在此有序子数据集中基于切割单位n·δt构建负荷差量，并以负荷差量为因子、负荷差量的时间切割间隔为除数构建用电负荷的差量导率，所得全部差量导率依照时序进行同调有序化，由此进行二阶拐向数据层的构建。
11、作为本发明的一种优选技术方案，在所述多层交互数据模型的数据交互架构中，所述⑵-③-1的图形化复变转换数据通道对负荷差量-导率数据通道生成的数据进行基于复平面的变量构型转换，其根据负荷差量-导率数据通道所生成数据的斜率属性，基于复变量的直观化平面向量构型，将负荷差量-导率转化为以指定单位r＝1为半径的单位圆复变量，其角度的映射来源为以负荷差量-导率自身的斜率数值进行角度映射，由此转换得到复单位圆上的复变量eiω+0。
12、作为本发明的一种优选技术方案，在所述多层交互数据模型的数据交互架构中，所述⑵-③-2的数据信息提取通道的数据提取通用规则为：提取复变图形转换数据通道所构建的复变量在复平面上以弧度制计算并计入弧度正负号的张角；其简化数据规则为：在复变图形转换数据通道中如果选定r＝1，则对应eiω+0的数据转化表型，则上述通用数据提取规则直接体现为对指数表达式下复单位i的系数进行提取，且此系数天然带有正负号。
13、作为本发明的一种优选技术方案，在所述多层交互数据模型的数据交互架构中，所述⑵-③-3的置信修正参量生成通道首先将数据信息提取通道所得正负数值除以所得参值记作c，然后将数据参值(1+c)封装为置信修正参量p＝1+c。
14、作为本发明的一种优选技术方案，在所述多层交互数据模型的数据交互架构中，所述⑵-④的用电负荷归化修正通道反向作用到负反馈型充电通量数据通道上，其将⑵-③-3通道生成的置信修正参量作为除数作用到负反馈型充电通量数据通道指定的百分比化数据旋钮参值上，实现计入用电负荷前瞻期望的终局负反馈数据调节旋钮，前瞻期望的计入直接对配电台区有序充放电优化进行了精细化提升，同时以事前预报型调节替换传统的事中或事后单变量负反馈调节，实现单层用电负荷导向数据模型无法实现的电网负荷曲线平抑效用。
15、采用上述技术方案所产生的有益效果在于：本发明基于高校科研人员和电网系统及第三方厂家的技术人员进行多角度联合研发，针对区域化的电网系统开发了全新的具有负荷预测效能的数据挖掘处理模型，并基于此构建了能够降低区域电网负荷波动的精细化、平抑化电网调度数据系统和方法。
16、本发明一方面提高了配电台区微电网有序充放电优化的精细程度，同时突破了用电负荷单层数据模型下数据交互的可及性边界，将配电台区微电网的有序充放电调度和优化由波动明显的事后负反馈数据模式提升转换为负荷平缓化的事中事前平抑数据模式，通过前瞻期望导向下的多层数据交互对局域微电网充电负荷曲线进行平抑化控制。
17、除此之外，本发明开发的数据模型和数据算法还具有广泛的通用性；例如在置信修正参量生成通道施加不同的作用参数，并配套设定对应的充放电转化阈值和通量调整规则，本发明的算法模型对于v2g充电网络具有高度的适配性。尤其是，对于数据算法的进一步研究发现，本发明可以突破现有的中心化主站调度模式，用于构建去中心化的分布式离散调度数据模型，如直接作为智能充电桩的内置数据算法，也可以直接集成到电动汽车的智能充放电管理系统上(另行申报专利)。