CN109767033B - 光伏电的调度方法、装置、计算机设备和存储介质 - Google Patents
光伏电的调度方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109767033B CN109767033B CN201811594719.7A CN201811594719A CN109767033B CN 109767033 B CN109767033 B CN 109767033B CN 201811594719 A CN201811594719 A CN 201811594719A CN 109767033 B CN109767033 B CN 109767033B
- Authority
- CN
- China
- Prior art keywords
- day
- power generation
- daily
- predicted
- generation amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000010248 power generation Methods 0.000 claims abstract description 267
- 238000004146 energy storage Methods 0.000 claims abstract description 59
- 230000005611 electricity Effects 0.000 claims abstract description 53
- 238000012795 verification Methods 0.000 claims description 42
- 238000012549 training Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种光伏电的调度方法、装置、计算机设备和存储介质。该方法包括:获取在预测日光伏电的日发电量预测值和日用电量预测值;当日发电量预测值小于日用电量预测值时,确定预测日的发电量差值;根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值;当总发电量预测值大于总用电量预测值,且时间段内的发电量余值与发电量差值符合接近条件时,则将储能系统中发电量差值对应的电量确定为预测日的备用电量;按照发电量差值标记储能系统在时间段内的补偿电量。采用本申请的方案,在预测日以后的时间段内中任一天的发电量多余用电量时,可以将多余的发电量存储至储能系统中,提高了发电量的利用率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种光伏电的调度方法、装置、计算机设备和存储介质。
背景技术
随着近年来政府对电动汽车产业的大力推进,电动汽车在逐渐普及。但目前电动汽车的能源补给主要以不可再生能源产生的电能为主,未能真正实现电动汽车电能的清洁替代。
随着计算机技术的发展,出现了以太阳能为基础的光伏发电技术,光伏发电技术可以利用半导体界面的光生伏特效应将光能转换为电能。光伏作为一种新型清洁能源,能有效降低人类社会对化石能源的依赖,并在一定程度替代传统能源满足电动汽车的充电需求。
但是由于光伏发电容易受天气影响导致发电量不稳定,许多地区都不允许光伏发电并网。在光伏发电的发电量大于用电量时,为保证能量平衡,只能降低光伏的输出功率,以减少光伏发电量,或者直接将多余的发电量废弃,导致发电量的利用率低。
发明内容
基于此,有必要针对上述问题,提供一种能够提高发电量的利用率的光伏电的调度方法、装置、计算机设备和存储介质。
一种光伏电的调度方法,该方法包括:
获取在预测日光伏电的日发电量预测值和日用电量预测值;
当日发电量预测值小于日用电量预测值时,确定预测日的发电量差值;
根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值;
当总发电量预测值大于总用电量预测值,且时间段内的发电量余值与发电量差值符合接近条件时,则
将储能系统中发电量差值对应的电量确定为预测日的备用电量;
按照发电量差值标记储能系统在时间段内的补偿电量。
在其中一个实施例中,获取在预测日光伏电的日发电量预测值和日用电量预测值包括:
获取预测日的天气参数和日周期属性;
将天气参数输入已训练好的日发电量预测模型,得到在预测日光伏电的日发电量预测值;
将天气参数和日周期属性输入已训练好的日用电量预测模型,得到在预测日光伏电的日发电量预测值。
在其中一个实施例中,日发电量预测模型的训练步骤包括:
获取历史样本,历史样本包括历史时间段内的历史日天气参数和对应标注的历史日发电量;
将历史样本划分为训练样本和验证样本;
基于训练样本进行训练,得到多个模型;
根据验证样本分别对多个模型进行验证,得到相应的验证结果;
选取符合验证条件的验证结果所对应的模型作为日发电量预测模型。
在其中一个实施例中,获取预测日的日发电量预测值和日用电量预测值包括:
确定与预测日的天气参数的相似度符合相似条件的历史日天气参数;
根据历史日天气参数所对应的历史日发电量,确定在预测日光伏电的日发电量预测值;
根据历史日天气参数和/或指定历史日周期属性对应的历史日用电量,确定在预测日光伏电的日用电量预测值;指定历史日周期属性与预测日的日周期属性相同。
在其中一个实施例中,根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值包括:
根据预测日的发电量差值,获取预测日以后的至少一个时间单位的发电量预测值和用电量预测值;时间单位小于或等于一日;
从预测日以后的第一个时间单位起,依次将相应的发电量预测值和用电量预测值分别进行累加,得到相应的总发电量预测值和总用电量预测值,直至总发电量预测值大于总用电量预测值,且累加构成的时间段内的发电量余值与发电量差值符合接近条件。
在其中一个实施例中,该方法还包括:
当监测到当前日为预测日、且当前日的实际发电量消耗完毕时,从储能系统中调用备用电量进行使用;
当监测到当前时间段属于预测日以后的时间段、且当前时间段的实际发电量大于实际用电量时,将当前时间段多余的发电量存储至储能系统中。
在其中一个实施例中,天气参数为温度、湿度、辐照度和天气类型中的至少一种。
一种光伏电的调度装置,该装置包括:
预测值获取模块,用于获取在预测日光伏电的日发电量预测值和日用电量预测值;
差值确定模块,用于当日发电量预测值小于日用电量预测值时,确定预测日的发电量差值;
预测值确定模块,用于根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值;
光伏电调度模块,用于当总发电量预测值大于总用电量预测值,且时间段内的发电量余值与发电量差值符合接近条件时,则
将储能系统中发电量差值对应的电量确定为预测日的备用电量;
按照发电量差值标记储能系统在时间段内的补偿电量。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取在预测日光伏电的日发电量预测值和日用电量预测值;
当日发电量预测值小于日用电量预测值时,确定预测日的发电量差值;
根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值;
当总发电量预测值大于总用电量预测值,且时间段内的发电量余值与发电量差值符合接近条件时,则
将储能系统中发电量差值对应的电量确定为预测日的备用电量;
按照发电量差值标记储能系统在时间段内的补偿电量。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取在预测日光伏电的日发电量预测值和日用电量预测值;
当日发电量预测值小于日用电量预测值时,确定预测日的发电量差值;
根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值;
当总发电量预测值大于总用电量预测值,且时间段内的发电量余值与发电量差值符合接近条件时,则
将储能系统中发电量差值对应的电量确定为预测日的备用电量;
按照发电量差值标记储能系统在时间段内的补偿电量。
上述光伏电的调度方法、装置、计算机设备和存储介质,在预测日的日发电量预测值小于日用电量预测值时,表示预测日的日发电量不足。则确定预测日的发电量差值,根据该发电量差值获取预测日以后的时间段内的总发电量预测值和总用电量预测值。当获取的总发电量预测值大于总用电量预测值,且该时间段内的发电量余值与发电量差值符合接近条件时,代表预测日以后的时间段内将会产生多余的发电量,且该多余的发电量足以填补预测日所需的发电量。因此,将储能系统中发电量差值对应的电量作为预测日的备用电量;并按照该发电量差值,标记储能系统在预测日以后的时间段内的补偿电量。采用本申请的方案,在预测日以后的时间段内中任一天的发电量多余用电量时,可以将多余的发电量存储至储能系统中,提高了发电量的利用率。
附图说明
图1为一个实施例中光伏电的调度方法的应用环境图;
图2为一个实施例中光伏电的调度方法的流程示意图;
图3为一个实施例中光伏电的调度装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的光伏电的调度方法,可以应用于如图1所示的应用环境中。其中,微电网中央控制器101与微电网系统中的各个元件通过网络进行通信,微电网系统中的元件比如光伏发电装置102、储能系统103和至少一个充电桩104。
其中,微电网控制器(MGCC)可以采集微电网系统中各个元件的电气状态信息,根据各个元件的电气状态信息对微电网系统中各个元件的运行状态进行控制。微电网控制器还可以具备数据通讯、数据存储、人机交互和能量管理等功能。储能系统是具有存储电能的功能的系统。充电桩用于对电动汽车充电,若有多个充电桩,则各个充电桩可以分布在不同的充电站。
具体地,微电网中央控制器101获取在预测日光伏发电装置102对于光伏电的日发电量预测值,以及充电桩104对于光伏电的日用电量预测值,当日发电量预测值小于日用电量预测值时,确定预测日的发电量差值。微电网中央控制器101根据预测日的发电量差值,确定预测日以后的时间段内的光伏发电装置102的总发电量预测值和充电桩104的总用电量预测值;当总发电量预测值大于总用电量预测值,且该时间段内的发电量余值与发电量差值符合接近条件时,则将储能系统103中发电量差值对应的电量确定为预测日的备用电量;按照发电量差值标记储能系统103在该时间段内的补偿电量。
在一个实施例中,如图2所示,提供了一种光伏电的调度方法,以该方法应用于图1中的微电网中央控制器为例进行说明,包括以下步骤:
步骤S202,获取在预测日光伏电的日发电量预测值和日用电量预测值。
其中,预测日指当前日或当前日之后的某一日,比如今天或明天。日发电量预测值指光伏发电装置在预测日的发电量的预测值。日用电量预测值指与微电网中央控制器进行通信的所有充电桩在预测日的总用电量的预测值。
具体地,微电网中央控制器可以存储有微电网系统中各个元件的历史监测数据,该历史监测数据可以包括光伏发电装置在预测日前的历史发电数据,以及充电桩在预测日前的历史用电数据。历史发电数据包括每个历史日的历史日发电量,历史用电数据包括每个历史日的历史日用电量。微电网中央控制器可以根据历史日发电量、历史日用电量以及对应的历史日天气参数,对光伏发电装置在预测日的日发电量和日用电量进行预测,得到光伏发电装置在预测日的日发电量预测值和日用电量预测值。
步骤S204,当日发电量预测值小于日用电量预测值时,确定预测日的发电量差值。
其中,发电量差值指在日发电量预测值小于日用电量预测值时,日发电量预测值与日用电量预测值间的差值。
具体地,微电网中央控制器对获取的日发电量预测值和日用电量预测值间的大小关系进行确定。当确定光伏发电装置在预测日的日发电量预测值小于充电桩在预测日的日用电量预测值时,表明该预测日的日发电量不足以支撑日用电量,则计算日发电量预测值与日用电量预测值间的差值,得到预测日的发电量差值。
步骤S206,根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值。
具体地,由于预测日的日发电量不足以支撑日用电量,则微电网中央控制器需要对预测日以后的时间段内的总发电量预测值和总用电量预测值进行确定,使得预测日以后的时间段内的总发电量预测值大于总用电量预测值、且该时间段内的发电量余值与发电量差值符合接近条件。可以理解的是,预测日以后的时间段内可能仅包括一日,也可能包括多日。
例如发电量差值为300度电,微电网中央控制器基于该300的发电量差值,对预测日以后的时间段内的总发电量预测值和总用电量预测值进行确定。若预测日的后一日的发电量预测值大于用电量预测值、且该日的发电量余值与发电量差值正好符合接近条件,则直接将该日的发电量预测值和用电量预测值确定为预测日以后的时间段内的总发电量预测值和总用电量预测值。
若预测日以后的3日的总发电量预测值大于总用电量预测值、且该3日的总发电量余值与预测日的发电量差值正好符合接近条件,则直接将该3日的总发电量预测值和总用电量预测值确定为预测日以后的时间段内的总发电量预测值和总用电量预测值。
步骤S208,当总发电量预测值大于总用电量预测值,且时间段内的发电量余值与发电量差值符合接近条件时,则将储能系统中发电量差值对应的电量确定为预测日的备用电量;按照发电量差值标记储能系统在时间段内的补偿电量。
具体地,当预测日以后的时间段内的总发电量预测值大于总用电量预测值、且该时间段内的发电量余值与发电量差值符合接近条件时,表明该时间段内的发电量余值足以补偿预测日的用电量差值。微电网中央控制器获取储能系统的当前容量信息,根据该当前容量信息确定储能系统中存储的剩余电量。
若储能系统的剩余电量足以填补预测日的发电量差值,则将储能系统中发电量差值对应的电量确定为预测日的备用电量,按照发电量差值标记储能系统在该时间段内的补偿电量。使得在预测日到来时,充电桩可以从储能系统中预支该备用电量进行使用,在预测日以后的时间段到来时,光伏发电装置可以按照标记的补偿电量,将预测日以后的时间段内多余的电量补偿至储能系统中。
上述光伏电的调度方法中,在预测日的日发电量不足时,则确定预测日的发电量差值,根据该发电量差值获取预测日以后的时间段内的总发电量预测值和总用电量预测值。当获取的总发电量预测值大于总用电量预测值,且该时间段内的发电量余值与发电量差值符合接近条件时,代表预测日以后的时间段内将会产生多余的发电量,且该多余的发电量足以填补预测日所需的发电量。因此,将储能系统中发电量差值对应的电量作为预测日的备用电量;并按照该发电量差值,标记储能系统在预测日以后的时间段内的补偿电量。采用本申请的方案,在预测日以后的时间段内中任一天的发电量多余用电量时,可以将多余的发电量存储至储能系统中,提高了发电量的利用率。
在一个实施例中,获取在预测日光伏电的日发电量预测值和日用电量预测值包括:获取预测日的天气参数和日周期属性;将天气参数输入已训练好的日发电量预测模型,得到在预测日光伏电的日发电量预测值;将天气参数和日周期属性输入已训练好的日用电量预测模型,得到在预测日光伏电的日发电量预测值。
其中,天气参数指能够反映天气情况的参数,比如天气类型、温度和湿度等等。天气类型比如大雨、晴和多云等等。预测日的日周期属性指预测日在预设周期中的属性,比如预设周期为一周,预测日为星期五,则星期五便为预测日的日周期属性。
具体地,微电网中央控制器可以具有天气预测功能,微电网中央控制器基于对预测日的天气情况的预测,得到预测日的天气参数。微电网中央控制器也可以直接从服务器获取对于预测日的天气预报,从该天气预报中提取预测日的天气参数。微电网中央控制器根据预设周期确定预测日的日周期属性,可以理解的是,预设周期可以为多个。
当预设周期为多个时,预测日的日周期属性也为多个。例如,第一预设周期为一年,第二预设周期为一周,预测日的日期为2018年12月19日,则预测日的日周期属性为12月19日,星期三。进一步地,微电网中央控制器还可以预先对预设的周期进行划分,比如将预设周期一个星期划分为星期一至星期五为工作日,星期六和星期日为休息日,若预测日的日期为2018年12月19日,则预测日的日周期属性为工作日。
微电网中央控制器将预测日的天气参数输入已训练好的日发电量预测模型,得到在预测日光伏发电装置对于光伏电的日发电量预测值,将预测日的天气参数和日周期属性输入已训练好的日用电量预测模型,得到在预测日充电桩对于光伏电的日用电量预测值。
本实施例中,通过已训练好的日发电量预测模型和日用电量预测模型,可以快速地获取预测日的日发电量预测值和日用电量预测值,提高了日发电量预测值和日用电量预测值的获取效率。
在一个实施例中,微电网中央控制器可以预先设置有时间间隔,微电网中央控制器可以按照该时间间隔将预测日分为多个预测时间段。微电网中央控制器分别获取每个预测时间段的天气参数,以及每个时间段的时间属性。将每个时间段的天气参数依次输入已训练好的短期发电量预测模型,得到每个时间段的短期发电量预测值,将每个短期发电量预测值进行加和,得到预测日的日发电量预测值。微电网中央控制器将每个时间段的天气参数和时间属性依次输入已训练好的短期用电量预测模型,得到每个时间段的短期用电量预测值,将每个短期用电量预测值进行加和,得到预测日的日用电量预测值。
本实施例中,由于一天中的不同时间段的发电量和用电量实时在变化,将预测日分成多个预测时间段,分别获取多个预测时间段的短期发电量预测值和短期用电量预测值,再将所有短期发电量预测值和短期用电量预测值分别进行加和,使得到的日发电量预测值和日用电量预测值的准确率更高。
在一个实施例中,对日发电量预测模型的训练步骤包括:获取历史样本,历史样本包括历史时间段内的历史日天气参数和对应标注的历史日发电量;将历史样本划分为训练样本和验证样本;基于训练样本进行训练,得到多个模型;根据验证样本分别对多个模型进行验证,得到相应的验证结果;选取符合验证条件的验证结果所对应的模型作为日发电量预测模型。
具体地,微电网中央控制器可以从自身存储的历史监测数据中提取历史时间段内的历史日天气参数和对应的历史日发电量,对历史日天气参数所对应的历史日发电量进行标注,将历史时间段内的历史日天气参数和对应标注的历史日发电量确定为历史样本。
微电网中央控制器可以将历史样本划分为训练样本和验证样本,基于训练样本进行训练,得到多个模型。分别将验证样本中的历史日天气参数依次输入得到的多个模型。每个模型输出每个历史日天气参数对应的历史日发电量预测值,将每个模型输出的历史日发电量预测值与对应标注的历史日发电量进行比对,得到多个偏差值。可以计算出每个模型的平均偏差值,将最小平均偏差值所对应的模型确定为符合验证条件的模型,将符合验证条件的模型作为日发电量预测模型。
本实施例中,通过验证样本从多个模型中选取符合验证条件的模型作为日发电量预测模型,使日发电量预测模型输出的日发电量预测值更加准确。
在一个实施例中,对日用电量预测模型的训练步骤包括:获取历史样本,历史样本包括历史时间段内的历史日天气参数、历史日周期属性和对应标注的历史日用电量;将历史样本划分为训练样本和验证样本;基于训练样本进行训练,得到多个模型;根据验证样本分别对多个模型进行验证,得到相应的验证结果;选取符合验证条件的验证结果所对应的模型作为日用电量预测模型。
具体地,微电网中央控制器可以从自身存储的历史监测数据中提取历史时间段内的历史日天气参数、历史日周期属性和对应的历史日用电量,对历史日天气参数和历史日周期属性所对应的历史日用电量进行标注,将历史时间段内的历史日天气参数、历史日周期属性和对应标注的历史日用电量确定为历史样本。
微电网中央控制器可以将历史样本划分为训练样本和验证样本,基于训练样本进行训练,得到多个模型。分别将验证样本中的历史日天气参数和历史日周期属性依次输入多个模型。每个模型输出每个历史日天气参数和历史日周期属性对应的历史日用电量预测值,将每个模型输出的历史日用电量预测值与对应标注的历史日用电量进行比对,得到多个偏差值。可以计算出每个模型的平均偏差值,将最小平均偏差值所对应的模型确定为符合验证条件的模型,将符合验证条件的模型作为日用电量预测模型。
本实施例中,通过验证样本从多个模型中选取符合验证条件的模型作为日用电量预测模型,使日用电量预测模型输出的日用电量预测值更加准确。
在一个实施例中,获取预测日的日发电量预测值和日用电量预测值包括:确定与预测日的天气参数的相似度符合相似条件的历史日天气参数;根据历史日天气参数所对应的历史日发电量,确定在预测日光伏电的日发电量预测值;根据历史日天气参数和/或指定历史日周期属性对应的历史日用电量,确定在预测日光伏电的日用电量预测值;指定历史日周期属性与预测日的日周期属性相同。
具体地,微电网中央控制器可以从历史监测数据中,确定与预测日的天气参数的相似度符合相似条件的历史日天气参数。例如,预测日的天气参数为天气类型“晴”、平均温度“30℃”,平均湿度“20%”,日辐照度“29W/m2”,则将每个历史日的天气类型、平均温度、平均湿度与预测日的天气类型“晴”、平均温度“30℃”,平均湿度“20%”,日辐照度“29W/m2”进行比对,得到天气类型偏差、平均温度偏差、平均湿度偏差以及日辐照度偏差。
微电网中央控制器根据天气类型偏差、平均温度偏差、平均湿度偏差以及日辐照度偏差,计算每个历史日天气参数与预测日的天气参数的相似度。相似条件可以为与预测日的天气参数的相似度是否达到相似阈值,获取与预测日的天气参数的相似度达到相似阈值的历史日天气参数所对应的历史日发电量,根据获取的历史日发电量,确定光伏发电装置在预测日对于光伏电的日发电量预测值。
微电网中央控制器可以获取与预测日的天气参数的相似度达到相似阈值的历史日天气参数所对应的历史日用电量,或者,获取与预测日的日周期属性相同的历史日周期属性所对应的历史日用电量,或者,获取与预测日的天气参数的相似度达到相似阈值的历史日天气参数和与预测日的日周期属性相同的历史日周期属性共同对应的历史日用电量。根据获取的历史用电量,确定充电桩在预测日对于光伏电的日用电量预测值。
本实施例中,基于与预测日相似的预测日的历史日发电量和历史日用电量,确定预测日的发电量预测值和用电量预测值,使发电量预测值和用电量预测值的准确率更高。
在一个实施例中,微电网中央控制器可以基于历史监测数据间的相似度,预先设置有日周期属性表和多个天气参数范围。根据预测日的天气参数,确定对应的天气参数范围。每个天气范围都有对应的日发电量预测值和日用电量预测值,将确定的天气参数范围所对应的日发电量预测值确定为预测日的日发电量预测值。
微电网中央控制器从日周期属性表中选取与预测日的日周期属性相同的日周期属性。每个日周期属性都有对应的日用电量预测值,可以将确定的天气参数范围或日周期属性所对应的日用电量预测值确定为预测日的日用电量范围,也可以将确定的天气参数范围和日周期属性共同对应的日用电量预测值确定为预测日的日用电量范围。
本实施例中,微电网中央控制器可以直接根据预先设置的日周期属性表和天气参数范围,快速确定预测日的日发电量预测值和日用电量预测值,提高了日发电量预测值和日用电量预测值的获取效率。
在一个实施例中,根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值包括:根据预测日的发电量差值,获取预测日以后的至少一个时间单位的发电量预测值和用电量预测值;时间单位小于或等于一日;从预测日以后的第一个时间单位起,依次将相应的发电量预测值和用电量预测值分别进行累加,得到相应的总发电量预测值和总用电量预测值,直至总发电量预测值大于总用电量预测值,且累加构成的时间段内的发电量余值与发电量差值符合接近条件。
具体地,时间单位可能为一个,也可能为多个。时间单位可以是预设的时间段,比如3个小时为一个时间单位,或一日为一个时间单位。微电网中央控制器根据预测日的发电量差值,获取预测日以后的至少一个时间单位的发电量预测值和用电量预测值。微电网中央控制器在获取预测日以后的时间单位的发电量预测值和用电量预测值时,可以实时或按照预设时间间隔,将获取到的发电量预测值和用电量预测值从第一个时间单位起分别进行累加,得到相应的总发电量预测值和总用电量预测值。
若得到的总发电量预测值小于或等于总用电量预测值,或者得到的总发电量预测值大于总用电量预测值、且总发电量预测值和总用电量预测值间的差值与预测日的发电量差值不符合接近条件时,则继续获取下一个时间单位的发电量预测值和用电量预测值。直至得到的总发电量预测值大于总用电量预测值,且总发电量预测值和总用电量预测值间的差值与预测日的发电量差值符合接近条件时,结束对于预测日以后的时间单位的发电量预测值和用电量预测值的获取。
进一步地,接近条件可以是预测日以后的时间段内的发电量余值与预测日的发电量差值间的偏差值是否属于偏差范围,若该偏差值属于偏差范围,则确定预测日以后的时间段内的发电量余值与预测日的发电量差值符合接近条件。若该偏差值超出偏差范围,则确定预测日以后的时间段内的发电量余值与预测日的发电量差值不符合接近条件。
本实施例中,基于对多个时间单位的发电量预测值和用电量预测值的获取,准确地确定与预测日的发电量差值符合接近条件的预测日以后的时间段内的发电量余值,在预测日以后的时间段内中任一天的发电量多余用电量时,可以将多余的发电量存储至储能系统中,提高了发电量的利用率。
在一个实施例中,该光伏电的调度方法还包括:当监测到当前日为预测日、且当前日的实际发电量消耗完毕时,从储能系统中调用备用电量进行使用;当监测到当前时间段属于预测日以后的时间段、且当前时间段的实际发电量大于实际用电量时,将当前时间段多余的发电量存储至储能系统中。
具体地,微电网中央控制器可以对每一日的实际发电量和实际用电量进行实时监测,当监测到当前日为预测日,且当前日的实际用电量消耗完毕时,从储能系统中调用备用电量进行使用。只要监测到当前时间段属于预测日以后的时间段、且当前时间段的实际发电量大于实际用电量时,便将当前时间段多余的发电量作为补偿电量存储至储能系统中,直到储能系统中被调用的备用电量被补偿完毕。
本实施例中,在预测日以后的时间段内中任一天的发电量多余用电量时,都可以将多余的发电量存储至储能系统中,提高了发电量的利用率。
在一个实施例中,天气参数为温度、湿度、辐照度和天气类型中的至少一种。
具体地,天气参数可以为日平均温度、日平均湿度、日辐照度和天气类型中的至少一种。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图3所示,提供了一种光伏电的调度装置300,包括:预测值获取模块301、差值确定模块302、预测值确定模块303和光伏电调度模块304,其中:
预测值获取模块301,用于获取在预测日光伏电的日发电量预测值和日用电量预测值。
差值确定模块302,用于当日发电量预测值小于日用电量预测值时,确定预测日的发电量差值。
预测值确定模块303,用于根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值。
光伏电调度模块304,用于当总发电量预测值大于总用电量预测值,且时间段内的发电量余值与发电量差值符合接近条件时,则将储能系统中发电量差值对应的电量确定为预测日的备用电量;按照发电量差值标记储能系统在时间段内的补偿电量。
在一个实施例中,预测值获取模块还用于获取预测日的天气参数和日周期属性;将天气参数输入已训练好的日发电量预测模型,得到在预测日光伏电的日发电量预测值;将天气参数和日周期属性输入已训练好的日用电量预测模型,得到在预测日光伏电的日发电量预测值。
在一个实施例中,光伏电的调度装置还包括模型训练模块,用于获取历史样本,历史样本包括历史时间段内的历史日天气参数和对应标注的历史日发电量;将历史样本划分为训练样本和验证样本;基于训练样本进行训练,得到多个模型;根据验证样本分别对多个模型进行验证,得到相应的验证结果;选取符合验证条件的验证结果所对应的模型作为日发电量预测模型。
在一个实施例中,预测值获取模块还用于确定与预测日的天气参数的相似度符合相似条件的历史日天气参数根据历史日天气参数所对应的历史日发电量,确定在预测日光伏电的日发电量预测值;根据历史日天气参数和/或指定历史日周期属性对应的历史日用电量,确定在预测日光伏电的日用电量预测值;指定历史日周期属性与预测日的日周期属性相同。
在一个实施例中,预测值确定模块还用于根据预测日的发电量差值,获取预测日以后的至少一个时间单位的发电量预测值和用电量预测值;时间单位小于或等于一日;从预测日以后的第一个时间单位起,依次将相应的发电量预测值和用电量预测值分别进行累加,得到相应的总发电量预测值和总用电量预测值,直至总发电量预测值大于总用电量预测值,且累加构成的时间段内的发电量余值与发电量差值符合接近条件。
在一个实施例中,光伏电调度模块还用于当监测到当前日为预测日、且当前日的实际发电量消耗完毕时,从储能系统中调用备用电量进行使用;当监测到当前时间段属于预测日以后的时间段、且当前时间段的实际发电量大于实际用电量时,将当前时间段多余的发电量存储至储能系统中。
在一个实施例中,天气参数为温度、湿度、辐照度和天气类型中的至少一种。
关于光伏电的调度装置的具体限定可以参见上文中对于光伏电的调度方法的限定,在此不再赘述。上述光伏电的调度装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种光伏电的调度方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取在预测日光伏电的日发电量预测值和日用电量预测值;当日发电量预测值小于日用电量预测值时,确定预测日的发电量差值;根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值;当总发电量预测值大于总用电量预测值,且时间段内的发电量余值与发电量差值符合接近条件时,则将储能系统中发电量差值对应的电量确定为预测日的备用电量;按照发电量差值标记储能系统在时间段内的补偿电量。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取在预测日光伏电的日发电量预测值和日用电量预测值;当日发电量预测值小于日用电量预测值时,确定预测日的发电量差值;根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值;当总发电量预测值大于总用电量预测值,且时间段内的发电量余值与发电量差值符合接近条件时,则将储能系统中发电量差值对应的电量确定为预测日的备用电量;按照发电量差值标记储能系统在时间段内的补偿电量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (16)
1.一种光伏电的调度方法,其特征在于,所述方法包括:
获取在预测日光伏电的日发电量预测值和日用电量预测值;
当所述日发电量预测值小于所述日用电量预测值时,确定预测日的发电量差值;
根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值;
当所述总发电量预测值大于所述总用电量预测值,且所述时间段内的发电量余值与所述发电量差值符合接近条件时,则
将储能系统中所述发电量差值对应的电量确定为预测日的备用电量;所述备用电量,用于指示在所述预测日到来时,从所述储能系统中预支所述备用电量进行使用;
按照所述发电量差值标记所述储能系统在所述时间段内的补偿电量;所述补偿电量,用于指示在所述预测日以后的时间段到来时,按照标记的所述补偿电量,将所述预测日以后的时间段内多余的电量补偿至储能系统中。
2.根据权利要求1所述的方法,其特征在于,所述获取在预测日光伏电的日发电量预测值和日用电量预测值包括:
获取预测日的天气参数和日周期属性;
将所述天气参数输入已训练好的日发电量预测模型,得到在所述预测日光伏电的日发电量预测值;
将所述天气参数和日周期属性输入已训练好的日用电量预测模型,得到在所述预测日光伏电的日用电量预测值。
3.根据权利要求2所述的方法,其特征在于,对所述日发电量预测模型的训练步骤包括:
获取历史样本,所述历史样本包括历史时间段内的历史日天气参数和对应标注的历史日发电量;
将所述历史样本划分为训练样本和验证样本;
基于所述训练样本进行训练,得到多个模型;
根据所述验证样本分别对所述多个模型进行验证,得到相应的验证结果;
选取符合验证条件的验证结果所对应的模型作为日发电量预测模型。
4.根据权利要求1所述的方法,其特征在于,所述获取在预测日光伏电的日发电量预测值和日用电量预测值包括:
确定与预测日的天气参数的相似度符合相似条件的历史日天气参数;
根据所述历史日天气参数所对应的历史日发电量,确定在所述预测日光伏电的日发电量预测值;
根据所述历史日天气参数和/或指定历史日周期属性对应的历史日用电量,确定在所述预测日光伏电的日用电量预测值;所述指定历史日周期属性与所述预测日的日周期属性相同。
5.根据权利要求1所述的方法,其特征在于,所述根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值包括:
根据预测日的发电量差值,获取预测日以后的至少一个时间单位的发电量预测值和用电量预测值;所述时间单位小于或等于一日;
从预测日以后的第一个时间单位起,依次将相应的发电量预测值和用电量预测值分别进行累加,得到相应的总发电量预测值和总用电量预测值,直至总发电量预测值大于所述总用电量预测值,且累加构成的时间段内的发电量余值与所述发电量差值符合接近条件。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当监测到当前日为所述预测日、且当前日的实际发电量消耗完毕时,从所述储能系统中调用所述备用电量进行使用;
当监测到当前时间段属于所述预测日以后的时间段、且当前时间段的实际发电量大于实际用电量时,将当前时间段多余的发电量存储至储能系统中。
7.根据权利要求2-4任一项所述的方法,其特征在于,所述天气参数为温度、湿度、辐照度和天气类型中的至少一种。
8.一种光伏电的调度装置,其特征在于,所述装置包括:
预测值获取模块,用于获取在预测日光伏电的日发电量预测值和日用电量预测值;
差值确定模块,用于当所述日发电量预测值小于所述日用电量预测值时,确定预测日的发电量差值;
预测值确定模块,用于根据预测日的发电量差值,确定预测日以后的时间段内的总发电量预测值和总用电量预测值;
光伏电调度模块,用于当所述总发电量预测值大于所述总用电量预测值,且所述时间段内的发电量余值与所述发电量差值符合接近条件时,则
将储能系统中所述发电量差值对应的电量确定为预测日的备用电量;所述备用电量,用于指示在所述预测日到来时,从所述储能系统中预支所述备用电量进行使用;
按照所述发电量差值标记所述储能系统在所述时间段内的补偿电量;所述补偿电量,用于指示在所述预测日以后的时间段到来时,按照标记的所述补偿电量,将所述预测日以后的时间段内多余的电量补偿至储能系统中。
9.根据权利要求8所述的装置,其特征在于,所述预测值获取模块还用于获取预测日的天气参数和日周期属性;将天气参数输入已训练好的日发电量预测模型,得到在预测日光伏电的日发电量预测值;将天气参数和日周期属性输入已训练好的日用电量预测模型,得到在预测日光伏电的日用电量预测值。
10.根据权利要求8所述的装置,其特征在于,所述光伏电的调度装置还包括模型训练模块,用于获取历史样本,历史样本包括历史时间段内的历史日天气参数和对应标注的历史日发电量;将历史样本划分为训练样本和验证样本;基于训练样本进行训练,得到多个模型;根据验证样本分别对多个模型进行验证,得到相应的验证结果;选取符合验证条件的验证结果所对应的模型作为日发电量预测模型。
11.根据权利要求8所述的装置,其特征在于,所述预测值获取模块还用于确定与预测日的天气参数的相似度符合相似条件的历史日天气参数根据历史日天气参数所对应的历史日发电量,确定在预测日光伏电的日发电量预测值;根据历史日天气参数和/或指定历史日周期属性对应的历史日用电量,确定在预测日光伏电的日用电量预测值;指定历史日周期属性与预测日的日周期属性相同。
12.根据权利要求8所述的装置,其特征在于,所述预测值确定模块还用于根据预测日的发电量差值,获取预测日以后的至少一个时间单位的发电量预测值和用电量预测值;时间单位小于或等于一日;从预测日以后的第一个时间单位起,依次将相应的发电量预测值和用电量预测值分别进行累加,得到相应的总发电量预测值和总用电量预测值,直至总发电量预测值大于总用电量预测值,且累加构成的时间段内的发电量余值与发电量差值符合接近条件。
13.根据权利要求8所述的装置,其特征在于,所述光伏电调度模块还用于当监测到当前日为预测日、且当前日的实际发电量消耗完毕时,从储能系统中调用备用电量进行使用;当监测到当前时间段属于预测日以后的时间段、且当前时间段的实际发电量大于实际用电量时,将当前时间段多余的发电量存储至储能系统中。
14.根据权利要求9-11任一项所述的装置,其特征在于,天气参数为温度、湿度、辐照度和天气类型中的至少一种。
15.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述计算机程序被所述处理器执行时实现权利要求1至7中任一项所述方法的步骤。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811594719.7A CN109767033B (zh) | 2018-12-25 | 2018-12-25 | 光伏电的调度方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811594719.7A CN109767033B (zh) | 2018-12-25 | 2018-12-25 | 光伏电的调度方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109767033A CN109767033A (zh) | 2019-05-17 |
CN109767033B true CN109767033B (zh) | 2021-02-09 |
Family
ID=66451550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811594719.7A Active CN109767033B (zh) | 2018-12-25 | 2018-12-25 | 光伏电的调度方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109767033B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110086205A (zh) * | 2019-06-24 | 2019-08-02 | 珠海格力电器股份有限公司 | 供电系统的控制方法、装置、系统和存储介质 |
CN113839423B (zh) * | 2020-06-24 | 2024-01-02 | 中兴通讯股份有限公司 | 控制管理方法、装置、设备及存储介质 |
CN113780660B (zh) * | 2021-09-13 | 2024-02-13 | 广东电网有限责任公司 | 一种居民用电量预测方法、系统及存储介质 |
CN114167944A (zh) * | 2021-11-23 | 2022-03-11 | 北京华能新锐控制技术有限公司 | 电站日发电量计算方法与装置、电子设备 |
CN115333170B (zh) * | 2022-10-17 | 2023-01-24 | 国网浙江省电力有限公司宁波供电公司 | 一种分布式电源并网调度方法、装置及电网运营系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104104116B (zh) * | 2014-07-01 | 2017-09-19 | 杭州电子科技大学 | 一种含多分布式能源的光伏微电网供需控制系统设计方法 |
CN105375502B (zh) * | 2015-11-19 | 2018-06-19 | 珠海格力电器股份有限公司 | 一种光伏电量的实时控制方法及系统 |
CN106410966B (zh) * | 2016-11-02 | 2018-11-16 | 北京科诺伟业科技股份有限公司 | 一种应用于多能互补系统的能量管理装置 |
KR20180078421A (ko) * | 2016-12-29 | 2018-07-10 | 주식회사 글로비트 | 빅데이터 기반의 육상 양식장용 지능형 수요자원 거래 시스템 |
-
2018
- 2018-12-25 CN CN201811594719.7A patent/CN109767033B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109767033A (zh) | 2019-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767033B (zh) | 光伏电的调度方法、装置、计算机设备和存储介质 | |
Sun et al. | Optimal battery purchasing and charging strategy at electric vehicle battery swap stations | |
Schwenk et al. | Integrating battery aging in the optimization for bidirectional charging of electric vehicles | |
EP3471029A1 (en) | Method for automatic cloud control of energy storage systems | |
KR101636411B1 (ko) | 가상발전소(vpp)의 최적운영계획 모형 생성장치,및 가상발전소(vpp)의 최적운영계획 모형 생성장치를 이용한 최적운영계획 모형 생성방법 | |
JP5537304B2 (ja) | 情報処理装置およびそのプログラム | |
CN109002937A (zh) | 电网负荷预测方法、装置、计算机设备和存储介质 | |
CN109532549A (zh) | 充电功率调整方法、装置、计算机设备和存储介质 | |
He et al. | The economic end of life of electrochemical energy storage | |
US20200310479A1 (en) | Systems and methods for controlling an energy supply system | |
CN107491870B (zh) | 配电网的电力规划方法、装置、设备以及计算机可读存储介质 | |
CN111210056A (zh) | 电价方案确定方法、装置、计算机设备和存储介质 | |
CN108196317B (zh) | 一种用于微电网系统的气象预测方法 | |
CN107482656B (zh) | 微电网的电力规划方法、装置、设备及计算机可读存储介质 | |
CN107392462A (zh) | 一种考虑分类特性的电动汽车并网调度方法 | |
CN112550044B (zh) | 充电站负荷调整方法、系统、装置、设备和存储介质 | |
CN115733168A (zh) | 储能充放电管理方法、系统、控制终端及存储介质 | |
CN116826714A (zh) | 基于光伏发电的电力分配方法、系统、终端及存储介质 | |
CN111210260A (zh) | 电价数据处理方法、装置、计算机设备和存储介质 | |
CN117394370B (zh) | 一种供电网智能动态节电调度系统及方法 | |
CN116562657B (zh) | 基于物联网的光伏储能管理方法、装置、介质、电子设备 | |
CN116653658A (zh) | 移动充电桩的充电控制方法、装置、终端和可读存储介质 | |
CN115577903A (zh) | 新能源对电网调峰影响的评估方法、装置、设备及介质 | |
Gong et al. | Quantifying the impact of V2X operation on electric vehicle battery degradation: An experimental evaluation | |
Fernandes et al. | Very short-term current and load forecasting for distribution systems in data constrained situations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |