CN111884239B - 储能电站调节方法 - Google Patents

储能电站调节方法 Download PDF

Info

Publication number
CN111884239B
CN111884239B CN202010768296.7A CN202010768296A CN111884239B CN 111884239 B CN111884239 B CN 111884239B CN 202010768296 A CN202010768296 A CN 202010768296A CN 111884239 B CN111884239 B CN 111884239B
Authority
CN
China
Prior art keywords
energy storage
storage power
power station
data
model
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
Application number
CN202010768296.7A
Other languages
English (en)
Other versions
CN111884239A (zh
Inventor
谭丽平
张兴伟
沈晓隶
徐志强
罗磊鑫
刘立洪
贺丽
刘义
廖鹰翱
章玉明
张亮
梁秋红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Jingyan Electric Power Design Co ltd
Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd
Original Assignee
Hunan Jingyan Electric Power Design Co ltd
Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan Jingyan Electric Power Design Co ltd, Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd filed Critical Hunan Jingyan Electric Power Design Co ltd
Priority to CN202010768296.7A priority Critical patent/CN111884239B/zh
Publication of CN111884239A publication Critical patent/CN111884239A/zh
Application granted granted Critical
Publication of CN111884239B publication Critical patent/CN111884239B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种储能电站调节方法，包括确认电网调节范围；获取范围内各个储能电站的储能实测数据；各个储能电站分别独立计算得到各自的序列；对各个储能电站的序列进行判断；根据判断结果对电网调节范围内的各个储能电站进行储能调节。本发明提供的这种储能电站调节方法，通过全体储能电站各自采用不同的预测模型进行全网调节范围内的预测，并将各自预测结果进行比较的方式，实现了去中心化的数据分析和预测，因此本发明方法的可靠性高，准确性好，简单方便且能保证电网安全稳定运行。

Description

储能电站调节方法
技术领域
本发明属于电气自动化领域，具体涉及一种储能电站调节方法。
背景技术
随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，电力系统的安全运行，就成为了电力系统最重要的任务之一。
目前，随着新能源发电系统的大量并入电网，电网迎来了新的发展机遇和挑战。新能源发电系统的并入，以及新能源发电的不稳定特性，使得电网的安全稳定运行受到了不小的挑战。
储能技术被认为是解决高比例新能源接入问题的重要解决方案以及智能电网关键支撑技术，因此近年来得到了广泛应用。而储能电站作为电力系统重要组成部分，具有保证电网安全稳定运行的重要作用。
目前的储能电站调节方案，一般是由单个储能电站对应的终端针对本站的数据进行分析，进而调节本站的储能。但是，由于仅为单个终端对单一储能站的数据进行分析，因此存在调节不准确以及伪造数据的可能。这使得电网的安全稳定运行受到了较大的威胁。
发明内容
本发明的目的在于提供一种可靠性高，准确性好，简单方便且能保证电网安全稳定运行的储能电站调节方法。
本发明提供的这种储能电站调节方法，包括如下步骤：
S1.确认电网调节范围；
S2.获取电网调节范围内各个储能电站的储能实测数据；
S3.根据步骤S2获取的各个储能电站的储能实测数据，各个储能电站分别独立计算得到各自的序列；
S4.对步骤S3得到的各个储能电站的序列进行判断；
S5.根据步骤S4得到的判断结果，对电网调节范围内的各个储能电站进行储能调节。
步骤S2所述的储能电站的储能实测数据，具体为采用如下步骤得到储能实测数据：
A.采用电学数据传感器采集当前储能电站的电学数据；
B.采用无人机阵列，在预设的位置采集当前储能电站的图像数据；
C.将步骤B得到的图像数据和步骤A得到的电学数据进行数据汇聚，从而得到当前储能电站的储能实测数据。
步骤C所述的将步骤B得到的图像数据和步骤A得到的电学数据进行数据汇聚，从而得到当前储能电站的储能实测数据，具体为先将电学数据形成若干个电学数值构成的向量，从而得到第一向量；再将图像数据进行若干次卷积操作，从而得到第二向量；最后将第一向量和第二向量顺序连接，从而得到当前储能电站的储能实测数据。
步骤S3所述的各个储能电站分别独立计算得到各自的序列，具体为各个储能电站采用如下步骤独立计算得到自己的序列：
a.第i储能电站获取第1储能电站～第n储能电站所依次对应的第1储能实测数据～第n储能实测数据；
b.第i储能电站采用事先设定好的储能预测模型，根据步骤a得到的第1储能实测数据～第n储能实测数据，预测得到第1储能电站～第n储能电站所依次对应的第1储能预测数据～第n储能预测数据；
c.将步骤b得到的第1储能预测数据～第n储能预测数据按照设定的排序规则进行排列，从而得到第i储能电站所对应的第i序列；
d.重复上述步骤，直至所有储能电站均独立计算得到各自的序列，从而得到第1序列～第n序列。
步骤b所述的事先设定好的储能预测模型，具体为采用如下步骤获取事先设定好的储能预测模型：
(1)预先收集样本数据，并将样本数据划分为训练集和验证集；所述样本数据包括了若干个储能数据和对应的已标注的若干个预测储能数据；
(2)采用步骤(1)得到的训练集对神经网络模型进行训练，从而得到初步预测模型；
(3)采用步骤(2)得到的验证集对步骤(2)得到的初步预测模型进行验证；
(4)若验证通过，则当前预测模型为最终的储能预测模型；若验证不通过，则修改当前预测模型，并重复步骤(2)～(3)直至验证通过，从而得到最终的储能预测模型。
所述的神经网络模型为VGG19模型、VGG16模型、VGG-F模型、ResNet50模型、ResNet152模型、InceptionV3模型、DenseNet模型或AlexNet模型。
各个储能电站所对应的各自的事先设定好的储能预测模型均各不相同。
步骤S5所述的根据步骤S4得到的判断结果，对电网调节范围内的各个储能电站进行储能调节，具体为采用如下规则进行储能调节：
若各个储能电站的序列全部相同，则将第1储能电站～第n储能电站的储能目标依次设定为序列中的第1储能预测数据～第n储能预测数据；
若各个储能电站的序列不全部相同，则将所有数据上报上级调度中心，并由上级调度中心进行各个储能电站的储能调节。
本发明提供的这种储能电站调节方法，通过全体储能电站各自采用不同的预测模型进行全网调节范围内的预测，并将各自预测结果进行比较的方式，实现了去中心化的数据分析和预测，因此本发明方法的可靠性高，准确性好，简单方便且能保证电网安全稳定运行。
附图说明
图1为本发明方法的方法流程示意图。
具体实施方式
如图1所示为本发明方法的方法流程示意图：本发明提供的这种储能电站调节方法，包括如下步骤：
S1.确认电网调节范围；
S2.获取电网调节范围内各个储能电站的储能实测数据；其中，储能实测数据用于反映储能电站的实际运行状态；
具体为采用如下步骤得到储能实测数据：
A.采用电学数据传感器采集当前储能电站的电学数据；
B.采用无人机阵列，在预设的位置采集当前储能电站的图像数据；
C.将步骤B得到的图像数据和步骤A得到的电学数据进行数据汇聚，从而得到当前储能电站的储能实测数据；
步骤C在具体实施时，可以为先将电学数据形成若干个电学数值构成的向量，从而得到第一向量；再将图像数据进行若干次卷积操作，从而得到第二向量；最后将第一向量和第二向量顺序连接，从而得到当前储能电站的储能实测数据；
在本发明中，采用的是宏观分析方法，不仅仅分析某一个电站的数据，而是综合分析所有电站的数据，从而实现整体宏观上的分析控制；
S3.根据步骤S2获取的各个储能电站的储能实测数据，各个储能电站分别独立计算得到各自的序列；
其中，让每个储能电站控制终端均能够得到全部数据，从而使每个储能电站控制终端均进行宏观数据分析成为了可能；
具体为各个储能电站采用如下步骤独立计算得到自己的序列：
a.第i储能电站获取第1储能电站～第n储能电站所依次对应的第1储能实测数据～第n储能实测数据；
b.第i储能电站采用事先设定好的储能预测模型，根据步骤a得到的第1储能实测数据～第n储能实测数据，预测得到第1储能电站～第n储能电站所依次对应的第1储能预测数据～第n储能预测数据；
其中，事先设定好的储能预测模型，可以采用如下步骤获取：
(1)预先收集样本数据，并将样本数据划分为训练集和验证集；所述样本数据包括了若干个储能数据和对应的已标注的若干个预测储能数据；
(2)采用步骤(1)得到的训练集对神经网络模型进行训练，从而得到初步预测模型；
其中，神经网络模型可以采用神经网络模型为VGG19模型、VGG16模型、VGG-F模型、ResNet50模型、ResNet152模型、InceptionV3模型、DenseNet模型或AlexNet模型等模型；
(3)采用步骤(2)得到的验证集对步骤(2)得到的初步预测模型进行验证；
(4)若验证通过，则当前预测模型为最终的储能预测模型；若验证不通过，则修改当前预测模型，并重复步骤(2)～(3)直至验证通过，从而得到最终的储能预测模型；
c.将步骤b得到的第1储能预测数据～第n储能预测数据按照设定的排序规则进行排列，从而得到第i储能电站所对应的第i序列；
d.重复上述步骤，直至所有储能电站均独立计算得到各自的序列，从而得到第1序列～第n序列；
此外，要求各个储能电站所对应的各自的事先设定好的储能预测模型均各不相同；
本发明的上述步骤，目的在于保证预测的序列并非是单个储能电站专断得出的结论，而是所有储能电站共同得出的结论；
S4.对步骤S3得到的各个储能电站的序列进行判断；
S5.根据步骤S4得到的判断结果，对电网调节范围内的各个储能电站进行储能调节；具体为采用如下规则进行储能调节：
若各个储能电站的序列全部相同，则将第1储能电站～第n储能电站的储能目标依次设定为序列中的第1储能预测数据～第n储能预测数据；此时，n个储能电站分别得到的n个序列相同，那么数据分析的结果的可靠性明显增加；
若各个储能电站的序列不全部相同，则将所有数据上报上级调度中心，并由上级调度中心进行各个储能电站的储能调节；此时，由于第1序列、第2序列、...、第n序列不均相同，这表明去中心化的数据分析已失效，此时采用中心化的储能预测服务器(上级调度中心)作为补救，以保证储能电站的宏观调节的顺利进行。

Claims (3)

1.一种储能电站调节方法，包括如下步骤：
S1. 确认电网调节范围；
S2. 获取电网调节范围内各个储能电站的储能实测数据；
S3. 根据步骤S2获取的各个储能电站的储能实测数据，各个储能电站分别独立计算得到各自的序列；具体为各个储能电站采用如下步骤独立计算得到自己的序列：
a. 第i储能电站获取第1储能电站~第n储能电站所依次对应的第1储能实测数据~第n储能实测数据；
b. 第i储能电站采用事先设定好的储能预测模型，根据步骤a得到的第1储能实测数据~第n储能实测数据，预测得到第1储能电站~第n储能电站所依次对应的第1储能预测数据~第n储能预测数据；具体为采用如下步骤获取事先设定好的储能预测模型：
（1）预先收集样本数据，并将样本数据划分为训练集和验证集；所述样本数据包括了若干个储能数据和对应的已标注的若干个预测储能数据；
（2）采用步骤（1）得到的训练集对神经网络模型进行训练，从而得到初步预测模型；
（3）采用步骤（2）得到的验证集对步骤（2）得到的初步预测模型进行验证；
（4）若验证通过，则当前预测模型为最终的储能预测模型；若验证不通过，则修改当前预测模型，并重复步骤（2）~（3）直至验证通过，从而得到最终的储能预测模型；
c. 将步骤b得到的第1储能预测数据~第n储能预测数据按照设定的排序规则进行排列，从而得到第i储能电站所对应的第i序列；
d. 重复上述步骤，直至所有储能电站均独立计算得到各自的序列，从而得到第1序列~第n序列；
所述的神经网络模型为VGG19模型、VGG16模型、VGG-F模型、ResNet50模型、ResNet152模型、InceptionV3模型、DenseNet模型或AlexNet模型；各个储能电站所对应的各自的事先设定好的储能预测模型均各不相同；
S4. 对步骤S3得到的各个储能电站的序列进行判断；具体为采用如下规则进行储能调节：
若各个储能电站的序列全部相同，则将第1储能电站~第n储能电站的储能目标依次设定为序列中的第1储能预测数据~第n储能预测数据；
若各个储能电站的序列不全部相同，则将所有数据上报上级调度中心，并由上级调度中心进行各个储能电站的储能调节；
S5. 根据步骤S4得到的判断结果，对电网调节范围内的各个储能电站进行储能调节。
2.根据权利要求1所述的储能电站调节方法，其特征在于步骤S2所述的储能电站的储能实测数据，具体为采用如下步骤得到储能实测数据：
A. 采用电学数据传感器采集当前储能电站的电学数据；
B. 采用无人机阵列，在预设的位置采集当前储能电站的图像数据；
C. 将步骤B得到的图像数据和步骤A得到的电学数据进行数据汇聚，从而得到当前储能电站的储能实测数据。
3.根据权利要求2所述的储能电站调节方法，其特征在于步骤C所述的将步骤B得到的图像数据和步骤A得到的电学数据进行数据汇聚，从而得到当前储能电站的储能实测数据，具体为先将电学数据形成若干个电学数值构成的向量，从而得到第一向量；再将图像数据进行若干次卷积操作，从而得到第二向量；最后将第一向量和第二向量顺序连接，从而得到当前储能电站的储能实测数据。
CN202010768296.7A 2020-08-03 2020-08-03 储能电站调节方法 Active CN111884239B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010768296.7A CN111884239B (zh) 2020-08-03 2020-08-03 储能电站调节方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010768296.7A CN111884239B (zh) 2020-08-03 2020-08-03 储能电站调节方法

Publications (2)

Publication Number Publication Date
CN111884239A CN111884239A (zh) 2020-11-03
CN111884239B true CN111884239B (zh) 2021-08-27

Family

ID=73205373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010768296.7A Active CN111884239B (zh) 2020-08-03 2020-08-03 储能电站调节方法

Country Status (1)

Country Link
CN (1) CN111884239B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0993817A (ja) * 1995-09-25 1997-04-04 Mitsubishi Heavy Ind Ltd 超伝導エネルギ貯蔵装置
CN102077437A (zh) * 2008-06-30 2011-05-25 维斯塔斯风力系统集团公司 操作包括多个风力涡轮发电机的风力发电站的方法和系统
CN103904682A (zh) * 2014-03-18 2014-07-02 许继电气股份有限公司 一种基于风光混合模型的功率预测方法
CN110472857A (zh) * 2019-08-09 2019-11-19 国电南瑞科技股份有限公司 一种基于通用模型的大规模能量管理方法
CN111446920A (zh) * 2020-04-02 2020-07-24 合肥阳光新能源科技有限公司 光伏电站监控方法、装置及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201898345U (zh) * 2010-12-20 2011-07-13 上海市电力公司 对接入电网的储能电池进行充放电监控的系统
CN107742900A (zh) * 2017-11-10 2018-02-27 国网四川省电力公司技能培训中心 风光储智能微电网经济调度控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0993817A (ja) * 1995-09-25 1997-04-04 Mitsubishi Heavy Ind Ltd 超伝導エネルギ貯蔵装置
CN102077437A (zh) * 2008-06-30 2011-05-25 维斯塔斯风力系统集团公司 操作包括多个风力涡轮发电机的风力发电站的方法和系统
CN103904682A (zh) * 2014-03-18 2014-07-02 许继电气股份有限公司 一种基于风光混合模型的功率预测方法
CN110472857A (zh) * 2019-08-09 2019-11-19 国电南瑞科技股份有限公司 一种基于通用模型的大规模能量管理方法
CN111446920A (zh) * 2020-04-02 2020-07-24 合肥阳光新能源科技有限公司 光伏电站监控方法、装置及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Model to Improve the Forecast of the Content Caching based Time-Series Analysis at the Small Base Station;Khalil Ibrahimi等;《2019 International Conference on Wireless Networks and Mobile Communications (WINCOM)》;20191226;第1-6页 *
储能参与电网电压调节研究综述;陆立民等;《电器与能效管理技术》;20191030;第10-18页 *
基于专家库模式的层次化电网项目评审体系构建;陈火焱等;《中国电力企业管理创新实践（2017年）》;20171231;第1030-1033页 *

Also Published As

Publication number Publication date
CN111884239A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
CN113655768B (zh) 装配良率控制方法、设备及计算机可读存储介质
CN110380444B (zh) 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法
CN111461922A (zh) 一种基于极限学习机的变压器热点温度实时预测方法
CN106656669B (zh) 一种基于阈值自适应设置的设备参数异常检测系统及方法
EP3905424B1 (en) Data processing device, data processing method and computer program
CN110837915B (zh) 一种基于混合集成深度学习的电力系统低压负荷点预测及概率预测方法
CN109298225A (zh) 一种电压量测数据异常状态自动识别模型及方法
CN117411189B (zh) 一种微电网协调控制器的监测数据增强方法
CN116629416A (zh) 光伏电站功率预测方法及装置
CN115049163A (zh) 基于禁忌搜索与深度稳定学习的光伏区域预测方法及装置
CN116956203B (zh) 一种变压器分接开关动作特性测量方法及系统
CN111884239B (zh) 储能电站调节方法
CN112734141B (zh) 一种多元化负荷区间预测方法及装置
CN113627755B (zh) 智能终端工厂的测试方法、装置、设备及存储介质
CN116629406A (zh) 一种基于改进Prophet模型的用电碳排放预测方法
CN115935261A (zh) 基于工业互联网的群体设备非绝对正向反馈方法
CN112330009B (zh) 一种电网负荷预测方法
CN115267586A (zh) 锂电池soh评估方法
CN114819391A (zh) 基于历史数据集时间跨度优化的光伏发电功率预测方法
CN108009686B (zh) 一种光伏发电功率预测方法、装置及系统
CN113283695A (zh) 一种基于人工智能的电力调度智慧坐席实现方法及系统
CN112257347A (zh) 一种变电设备的仿真系统
CN116910637B (zh) 基于改进的iga-rbf神经网络短期负荷预测方法
CN116151491B (zh) 一种基于电力数据的电力故障智慧预测平台
CN116885703B (zh) 一种高维多元气象数据融合的短期风光功率预测方法

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
CB03 Change of inventor or designer information

Inventor after: Tan Liping

Inventor after: Zhang Yuming

Inventor after: Zhang Liang

Inventor after: Liang Qiuhong

Inventor after: Zhou Nianguang

Inventor after: Wang Hongliang

Inventor after: Chen Zhongwei

Inventor after: Huang Jiyuan

Inventor after: Zhang Xingwei

Inventor after: Shen Xiaoli

Inventor after: Xu Zhiqiang

Inventor after: Luo Leixin

Inventor after: Liu Lihong

Inventor after: He Li

Inventor after: Liu Yi

Inventor after: Liao Yingao

Inventor before: Tan Liping

Inventor before: Zhang Yuming

Inventor before: Zhang Liang

Inventor before: Liang Qiuhong

Inventor before: Zhang Xingwei

Inventor before: Shen Xiaoli

Inventor before: Xu Zhiqiang

Inventor before: Luo Leixin

Inventor before: Liu Lihong

Inventor before: He Li

Inventor before: Liu Yi

Inventor before: Liao Yingao

CB03 Change of inventor or designer information