CN112865201A - 一种微电网和电动汽车v2g互动提升能量利用率的方法 - Google Patents
一种微电网和电动汽车v2g互动提升能量利用率的方法 Download PDFInfo
- Publication number
- CN112865201A CN112865201A CN202110393411.1A CN202110393411A CN112865201A CN 112865201 A CN112865201 A CN 112865201A CN 202110393411 A CN202110393411 A CN 202110393411A CN 112865201 A CN112865201 A CN 112865201A
- Authority
- CN
- China
- Prior art keywords
- data
- data information
- module
- energy supply
- demand
- 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.)
- Granted
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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
- H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种微电网和电动汽车V2G互动提升能量利用率的方法,包括:数据信息输入模块、神经网络计算模块、数据信息输出模块、能源供需计算模块和能源供需安排模块;所述数据信息输入模块对光伏、风电、柴油机历史发电数据信息和对应日期的气温、光照、风力气象数据、工商业用户和居民用户历史用电数据信息和对应时间气象数据以及节日数据、以及电动汽车用电量和发电量历史数据信息和对应时间气象数据以及节日数据进行输入,并将输入的数据信息传递至神经网络计算模块,数据信息输入模块对相关数据信息进行采集、输入,并将其传输至与信息相匹配的神经网络计算单元。
Description
技术领域
本发明涉及微电网技术领域,具体为一种微电网和电动汽车V2G互动提升能量利用率的方法。
背景技术
目前,随着电动汽车的快速发展,对电网或微电网的需求量逐渐增大,当某些时候电网或者微电网需要电力支援时,电动汽车又可以向电网回馈电能,但是电动汽车在与微电网进行能量转换时存在能量消失的问题,对电能资源造成一定程度上的损失。
现有的微电网和电动汽车V2G互动提升能量利用率的方法仅依靠微网集中控制中心对调节微网中的光电机组及风电和光伏的出力进行控制来对其发电功率进行控制,增加了风电光伏的消纳能力,不利于碳排放,以及无法根据微电网的历史使用情况对发电、用电情况进行精确预测,使得微电网储能不足,对使用者的生活环境造成影响,以及无法将电动汽车与微电网进行有效结合,不利于各电网之间的能量调节,降低了微电网的使用效果。
所以,人们需要一种微电网和电动汽车V2G互动提升能量利用率的方法来解决上述问题。
发明内容
本发明的目的在于提供一种微电网和电动汽车V2G互动提升能量利用率的方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种微电网和电动汽车V2G互动提升能量利用率的方法,其特征在于:所述系统包括:数据信息输入模块、神经网络计算模块、数据信息输出模块、能源供需计算模块和能源供需安排模块;
所述数据信息输入模块对光伏、风电、柴油机历史发电数据信息和对应日期的气温、光照、风力气象数据、工商业用户和居民用户历史用电数据信息和对应时间气象数据以及节日数据、以及电动汽车用电量和发电量历史数据信息和对应时间气象数据以及节日数据进行输入,并将输入的数据信息传递至神经网络计算模块;数据信息输入模块对相关数据信息进行采集、输入,并将其传输至与信息相匹配的神经网络计算单元。
所述神经网络计算模块对接收来自数据信息输入模块的相关数据利用LSTM神经网络进行相关计算,并将计算得到的光伏、风电、柴油机发电量预测数据、工商业用户用电量预测数据和电动汽车用电量和发电量预测数据输送至数据信息输出模块;神经网络计算单元对接收的数据信息进行计算,并将计算出的电量预测数据传输至数据信息输出模块。
所述数据信息输出模块将神经网络计算模块输送的预测数据传送至能源供需计算模块;数据信息输出模块对神经网络计算模块的计算结果进行接收,并将其传输至能源供需计算模块。
所述能源供需计算模块对输送的数据信息输出模块输送的预测数据进行能源供需计划的计算;能源供需计算模块对根据预测的发电和用电情况对光伏电厂、风电厂、电动汽车和柴油机厂的所需发电量进行计算。
所述能源供需安排模块根据能源供需计算模块输送的数据信息对光伏电厂、风电厂和柴油机厂的发电情况进行安排,能源供需安排模块对光伏电厂、风电厂、电动汽车和柴油机厂的发电情况进行安排。
进一步的,所述数据信息输入模块包括历史电量数据输入单元和气象节日数据输入单元;所述历史电量数据输入单元将光伏、风电、柴油机历史发电数据信息、工商业用户和居民用户历史用电数据信息、以及电动汽车用电量和发电量历史数据信息进行输入,并将输入的数据信息传递至神经网络计算模块,所述气象节日数据输入单元将对应日期的气温、光照、风力气象数据分别进行输入,并将输入的数据信息传递至神经网络计算模块,历史电量数据输入单元对历史发电、用电数据信息进行采集输入,气象节日数据输入单元对相应历史发电用电时所处的气象和节日数据进行采集输入。
进一步的,所述神经网络计算模块包括神经网络1计算单元、神经网络2计算单元和神经网络3计算单元;所述神经网络1计算单元将光伏、风电、柴油机历史发电数据信息和对应日期的气温、光照、风力气象数据带入计算公式对光伏、风电、柴油机发电量预测数据进行计算,所述神经网络2计算单元将工商业用户和居民用户历史用电数据信息和对应时间气象数据以及节日数据带入计算公式对工商业用户用电量预测数据进行计算,所述神经网络3计算单元将电动汽车用电量和发电量历史数据信息和对应时间气象数据以及节日数据带入计算公式对电动汽车用电量和发电量预测数据进行计算,神经网络1计算单元对光伏、风电、柴油机的发电量数据进行预测,神经网络2计算单元对工商业用户用电量数据进行预测,神经网络3计算单元对电动汽车用电量和发电量数据进行预测。
进一步的,所述神经网络计算模块中一个LSTM神经网络的记忆单元内用3个门计算结构,分别是输入门、遗忘门和输出门,其中,输入门能控制新信息的加入或滤出;遗忘门能忘记需要丢掉的信息以及保留过去有用的信息;输出门能使记忆单元只输出与当前时间步相关的信息,这3个门结构在记忆单元中进行矩阵乘法和非线性求和等运算,使得记忆在不断的迭代中仍然不会衰减;
在第t时间时,根据下列公式:
第t时间步输入的信息首先通过输入门,第t时间步记忆单元输入层的值和隐藏层状态的候选值分别为:
it=θi(Wixt+Uiht-1+bi);
其中i为变量,可取1,2,3……,n;t表示隐藏层记忆单元的时间长度,U表示输入层到隐藏层的权重矩阵,W表示隐藏层到隐藏层的权重矩阵,x表示神经网络的输入层,it是输入门向量,表示第t时间步记忆单元输入层的值,θi表示该层激活函数,xt表示第t时间步时的输入,Wi表示记忆单元中输入对应的权重,Ui表示记忆单元中上一时间步输出值对应的权重,ht-1表示上一时间步输出值,bi表示记忆单元中的常数,bc表示隐藏层中的常数,计算的是第t时间步隐藏层状态,Wc表示隐藏层中输入对应的权重,θC表示隐藏层的激活函数,也就是传递函数,定义了节点在给定的输入或输入的集合下的输出;
随后,信息通过遗忘门,第t时间步记忆单元遗忘层的值为:
ft=θf(Wfxt+Ufht-1+bf);
其中ft表示第t时间步记忆单元遗忘层的值,bf表示遗忘层中的常数,Wf表示遗忘层中输入对应权重,Uf表示遗忘层中上一时间步输出值对应的权重,bf表示遗忘层中的常数;
此时,可以得到记忆单元隐藏层状态在第t时间步时的更新值为:
最后,信息通过输出门,第t时间步记忆单元输出层的值以及最终记忆单元的输出值分别为:
Ot=θo(Woxt+Uoht-1+VoCt+bo);
ht=ot*θh(Ct);
其中O表示神经网络的输出层,Ot表示第t时间步记忆单元输出层的值,Wo表示该层中输入对应权重,bo表示输出层中的常数,ht表示第t时间步最终输出值,θh表示对隐藏层状态值的激活函数;
上面公式中W、b初始值均为固定常数,比如可以取[0.5 0.5 0.5……0.5],激活函数θi、θC和θh为现有技术,指在人工神经网络的神经元上运行的函数,负责将神经元的输入映射到输出端。
进一步的,所述数据信息输出模块对神经网络计算模块输送的预测数据进行接收,并将接收是预测数据传递给能源供需计算模块,数据信息输出模块对预测的用电发电数据进行传输,并将其传输至能源供需计算模块。
进一步的,所述能源供需计算模块对数据信息输出模块传递的光伏、风电、柴油机发电量预测数据、工商业用户用电量预测数据和电动汽车用电量和发电量预测数据进行接收,并将预测数据与电网经济效益和最大程度上吸收风光伏新能源相结合,能源供需计划计算公式为:
p=F(c,v);
其中c表示电网经济效益,v表示最大程度上吸收风光伏新能源,即减少碳排放量,Fc,v可以是线性最大化函数也可以是其他用户自定义的函数,比如F=0.5c+0.5v。
进一步的,所述能源供需安排模块包括电量监控单元、能源供需安排单元,能源供需计划输出单元;所述电量监控单元对光伏电厂、风电厂、电动汽车和柴油发电机厂的发电情况进行实时监控,并将接收到的监控情况传递给能源供需安排单元,所述能源供需安排单元根据能源供需计算模块和电量监控单元传递的数据信息对光伏电厂、风电厂、电动汽车和柴油发电机厂的发电情况进行合理安排,并将安排后的光伏电厂、风电厂、电动汽车和柴油发电机厂所需发电情况传递给能源供需计划输出单元,所述能源供需计划输出单元对能源供需安排单元传递的信息进行接收,并将信息分别传递给光伏电厂、风电厂、电动汽车和柴油发电机厂,电量监控单元对光伏电厂、风电厂、电动汽车和柴油发电机厂的发电情况进行监控,当光伏电厂、风电厂、电动汽车和柴油发电机厂的发电量无法满足需求时,对其发电情况及时进行调整,能源供需安排单元对源供需计算模块和电量监控单元输送的数据进行整合,并制定出合理的能源供需计划,能源供需计划输出单元将制定出的能源供需计划内容反馈至光伏电厂、风电厂、电动汽车和柴油发电机厂。
进一步的,所述能源供需安排模块与光伏电厂、风电厂、电动汽车和柴油发电机厂之间通过无线网络进行连接,当能源供需安排模块接收到能源供需计算模块传递的计算结果后,根据负荷所需电量对能源供需计划进行合理安排,并将安排后光伏电厂、风电厂、电动汽车和柴油发电机厂所需提供的发电量通过无线网络进行反馈,将光伏电厂、风电厂、电动汽车和柴油发电机厂通过无线网络与能源供需安排模块进行连接,保证光伏电厂、风电厂、电动汽车和柴油发电机厂能够及时供需电量,减少电量消耗。
进一步的,电动汽车在进行充电时可以看作为负荷,在其电量充满之后,若电网或微电网需要电力支援时,可以响应需求对电网进行放电,避免出现电网电量不足的情况。
进一步的,光伏电厂、风电厂和柴油发电机厂通过高压电线进行连接,并在电量传递过程中通过变压器进行变压之后,再将电量进行传递,同时,电动汽车通过电线连接在变压器之后进行电量输送,工商业和民用用户均可看作为负荷,将电动汽车加入微电网,避免电网电量不足以及光伏电厂、风电厂、电动汽车和柴油发电机厂发电消纳不足。
与现有技术相比,本发明所达到的有益效果是:
1.本发明通过在微电网中加入电动汽车,减少了光电机组及风电和光伏的出力,避免出现风电光伏消纳不充分的现象,有利于碳排放。
2.本发明通过利用神经网络对光伏、风电、柴油机历史发电数据信息,工商业用户和居民用户历史用电数据信息和电动汽车用电量和发电量历史数据信息进行计算,能够对微电网的发电、用电情况进行精确预测,保证微电网储能充足,避免对使用者的生活环境造成影响。
3.本发明通过将电动汽车与微电网进行有效结合,当微电网需要电力支援时,电动汽车能够对电网进行放电,有利于各电网之间的能量调节,进一步提高了微电网的使用效果。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种微电网和电动汽车V2G互动提升能量利用率的方法的能源供需计划安排示意图;
图2是本发明一种微电网和电动汽车V2G互动提升能量利用率的方法的LSTM神经网络记忆单元结构示意图;
图3是一种微电网和电动汽车V2G互动提升能量利用率的方法的微电网与电动汽车V2G的电气接线示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
请参阅图1-3,本发明提供技术方案:一种微电网和电动汽车V2G互动提升能量利用率的方法,其特征在于:系统包括:数据信息输入模块S1、神经网络计算模块S2、数据信息输出模块S3、能源供需计算模块S4和能源供需安排模块S5,先将光伏电厂、风电厂和柴油发电机厂通过高压电线进行连接,进行电量传递,然后将变压器连接在并光伏电厂、风电厂和柴油发电机厂之后,对传送电量的电压进行降压,将电动汽车通过电线连接在变压器之后,在工作时电动汽车在进行充电时可以看作为负荷,在其电量充满之后,若电网或微电网需要电力支援时,可以响应需求对电网进行放电,最后将电量输送至负荷,工商业和民用用户均可看作为负荷,数据信息输入模块S1对光伏、风电、柴油机历史发电数据信息和对应日期的气温、光照、风力气象数据、工商业用户和居民用户历史用电数据信息和对应时间气象数据以及节日数据、以及电动汽车用电量和发电量历史数据信息和对应时间气象数据以及节日数据进行输入,并将输入的数据信息传递至神经网络计算模块S2,数据信息输入模块S1包括历史电量数据输入单元S11和气象节日数据输入单元S12,历史电量数据输入单元S11用于将光伏、风电、柴油机历史发电数据信息、工商业用户和居民用户历史用电数据信息、以及电动汽车用电量和发电量历史数据信息进行输入,并将输入的数据信息传递至神经网络计算模块S2,气象节日数据输入单元S12用于将对应日期的气温、光照、风力气象数据分别进行输入,并将输入的数据信息传递至神经网络计算模块S2,神经网络计算模块S2用于对接收来自数据信息输入模块S1的相关数据利用LSTM神经网络进行相关计算,并将计算得到的光伏、风电、柴油机发电量预测数据、工商业用户用电量预测数据和电动汽车用电量和发电量预测数据输送至数据信息输出模块S3,神经网络计算模块S2包括神经网络1计算单元S21、神经网络2计算单元S22和神经网络3计算单元S23,神经网络1计算单元S21用于将光伏、风电、柴油机历史发电数据信息和对应日期的气温、光照、风力气象数据带入计算公式对光伏、风电、柴油机发电量预测数据进行计算,神经网络2计算单元S22用于将工商业用户和居民用户历史用电数据信息和对应时间气象数据以及节日数据带入计算公式对工商业用户用电量预测数据进行计算,神经网络3计算单元S23用于将电动汽车用电量和发电量历史数据信息和对应时间气象数据以及节日数据带入计算公式对电动汽车用电量和发电量预测数据进行计算,其中一个LSTM神经网络的记忆单元内用3个门计算结构,分别是输入门、遗忘门和输出门,其中,输入门能控制新信息的加入或滤出;遗忘门能忘记需要丢掉的信息以及保留过去有用的信息;输出门能使记忆单元只输出与当前时间步相关的信息,这3个门结构在记忆单元中进行矩阵乘法和非线性求和等运算,使得记忆在不断的迭代中仍然不会衰减,
在第t时间时,根据下列公式:
第t时间步输入的信息首先通过输入门,第t时间步记忆单元输入层的值和隐藏层状态的候选值分别为:
it=θi(Wixt+Uiht-1+bi);
其中i为变量,可取1,2,3……,n;t表示隐藏层记忆单元的时间长度,U表示输入层到隐藏层的权重矩阵,W表示隐藏层到隐藏层的权重矩阵,x表示神经网络的输入层,it是输入门向量,表示第t时间步记忆单元输入层的值,θi表示该层激活函数,xt表示第t时间步时的输入,Wi表示记忆单元中输入对应的权重,Ui表示记忆单元中上一时间步输出值对应的权重,ht-1表示上一时间步输出值,bi表示记忆单元中的常数,bc表示隐藏层中的常数,计算的是第t时间步隐藏层状态,Wc表示隐藏层中输入对应的权重,θC表示隐藏层的激活函数,也就是传递函数,定义了节点在给定的输入或输入的集合下的输出;
随后,信息通过遗忘门,第t时间步记忆单元遗忘层的值为:
ft=θf(Wfxt+Ufht-1+bf);
其中ft表示第t时间步记忆单元遗忘层的值,bf表示遗忘层中的常数,Wf表示遗忘层中输入对应权重,Uf表示遗忘层中上一时间步输出值对应的权重,bf表示遗忘层中的常数;
此时,可以得到记忆单元隐藏层状态在第t时间步时的更新值为:
最后,信息通过输出门,第t时间步记忆单元输出层的值以及最终记忆单元的输出值分别为:
Ot=θo(Woxt+Uoht-1+VoCt+bo);
ht=ot*θh(Ct);
其中O表示神经网络的输出层,Ot表示第t时间步记忆单元输出层的值,Wo表示该层中输入对应权重,bo表示输出层中的常数,ht表示第t时间步最终输出值,θh表示对隐藏层状态值的激活函数;
上面公式中W、b初始值均为固定常数,比如可以取[0.5 0.5 0.5……0.5],激活函数θi、θC和θh为现有技术,指在人工神经网络的神经元上运行的函数,负责将神经元的输入映射到输出端。
数据信息输出模块S3将神经网络计算模块S2输送的预测数据传送至能源供需计算模块S4,数据信息输出模块S3对神经网络计算模块S2输送的预测数据进行接收,并将接收是预测数据传递给能源供需计算模块S4,能源供需计算模块S4对输送的数据信息输出模块S3输送的预测数据进行能源供需计划的计算,能源供需计算模块S4对数据信息输出模块S3传递的光伏、风电、柴油机发电量预测数据、工商业用户用电量预测数据和电动汽车用电量和发电量预测数据进行接收,并将预测数据与电网经济效益和最大程度上吸收风光伏新能源相结合,能源供需计划计算公式为:
p=F(c,v);
其中c表示电网经济效益,v表示最大程度上吸收风光伏新能源,即减少碳排放量,F(c,v)可以是线性最大化函数也可以是其他用户自定义的函数,比如F=0.5c+0.5v。
能源供需安排模块S5根据能源供需计算模块S4输送的数据信息对光伏电厂、风电厂和柴油机厂的发_电情况进行安排,能源供需安排模块S5包括电量监控单元S51、能源供需安排单元S52,能源供需计划输出单元S53,电量监控单元S51对光伏电厂、风电厂、电动汽车和柴油发电机厂的发电情况进行实时监控,并将接收到的监控情况传递给能源供需安排单元S52,能源供需安排单元S52根据能源供需计算模块S4和电量监控单元S51传递的数据信息对光伏电厂、风电厂、电动汽车和柴油发电机厂的发电情况进行合理安排,并将安排后的光伏电厂、风电厂、电动汽车和柴油发电机厂所需发电情况传递给能源供需计划输出单元S53,能源供需计划输出单元S53对能源供需安排单元S52传递的信息进行接收,并将信息分别传递给光伏电厂、风电厂、电动汽车和柴油发电机厂,能源供需安排模块S5与光伏电厂、风电厂、电动汽车和柴油发电机厂之间通过无线网络进行连接,当能源供需安排模块S5接收到能源供需计算模块S4传递的计算结果后,根据负荷所需电量对能源供需计划进行合理安排,并将安排后光伏电厂、风电厂、电动汽车和柴油发电机厂所需提供的发电量通过无线网络进行反馈。
实施例一:
例如,在实际某个城市微网系统中,光伏发电站、风电站的容量均为100kW,电动汽车为50kW,柴油发电机200kW,配合储能40kw,工商业用户负荷200kW-300kW;采用本发明方法计算得出,可以在凌晨1-3点时间段,工商业负荷基本低于50kW时,并且风力发电大于50kW时候,电动汽车充电进行充电,从而调节功率平衡;同样在白天9:00-11:00用电高峰时段,电动汽车和储能系统可以一起向微网进行放电。
最后应说明的是:以上所述仅为本发明的优选实例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种微电网和电动汽车V2G互动提升能量利用率的方法,其特征在于:所述系统包括:数据信息输入模块(S1)、神经网络计算模块(S2)、数据信息输出模块(S3)、能源供需计算模块(S4)和能源供需安排模块(S5);
所述数据信息输入模块(S1)对光伏、风电、柴油机历史发电数据信息和对应日期的气温、光照、风力气象数据、工商业用户和居民用户历史用电数据信息和对应时间气象数据以及节日数据、以及电动汽车用电量和发电量历史数据信息和对应时间气象数据以及节日数据进行输入,并将输入的数据信息传递至神经网络计算模块(S2);
所述神经网络计算模块(S2)对接收来自数据信息输入模块(S1)的相关数据利用LSTM神经网络进行相关计算,并将计算得到的光伏、风电、柴油机发电量预测数据、工商业用户用电量预测数据和电动汽车用电量和发电量预测数据输送至数据信息输出模块(S3);
所述数据信息输出模块(S3)将神经网络计算模块(S2)输送的预测数据传送至能源供需计算模块(S4);
所述能源供需计算模块(S4)对输送的数据信息输出模块(S3)输送的预测数据进行能源供需计划的计算;
所述能源供需安排模块(S5)根据能源供需计算模块(S4)输送的数据信息对光伏电厂、风电厂和柴油机厂的发电情况进行安排。
2.根据权利要求1所述的一种微电网和电动汽车V2G互动提升能量利用率的方法,其特征在于:所述数据信息输入模块(S1)包括历史电量数据输入单元(S11)和气象节日数据输入单元(S12);
所述历史电量数据输入单元(S11)将光伏、风电、柴油机历史发电数据信息、工商业用户和居民用户历史用电数据信息、以及电动汽车用电量和发电量历史数据信息进行输入,并将输入的数据信息传递至神经网络计算模块(S2);
所述气象节日数据输入单元(S12)将对应日期的气温、光照、风力气象数据分别进行输入,并将输入的数据信息传递至神经网络计算模块(S2)。
3.根据权利要求1所述的一种微电网和电动汽车V2G互动提升能量利用率的方法,其特征在于:所述神经网络计算模块(S2)包括神经网络1计算单元(S21)、神经网络2计算单元(S22)和神经网络3计算单元(S23);
所述神经网络1计算单元(S21)将光伏、风电、柴油机历史发电数据信息和对应日期的气温、光照、风力气象数据带入计算公式对光伏、风电、柴油机发电量预测数据进行计算;
所述神经网络2计算单元(S22)将工商业用户和居民用户历史用电数据信息和对应时间气象数据以及节日数据带入计算公式对工商业用户用电量预测数据进行计算;
所述神经网络3计算单元(S23)将电动汽车用电量和发电量历史数据信息和对应时间气象数据以及节日数据带入计算公式对电动汽车用电量和发电量预测数据进行计算。
4.根据权利要求3所述的一种微电网和电动汽车V2G互动提升能量利用率的方法,其特征在于:所述神经网络计算模块(S2)中一个LSTM神经网络的记忆单元内用3个门计算结构,分别是输入门、遗忘门和输出门,其中,输入门能控制新信息的加入或滤出;遗忘门能忘记需要丢掉的信息以及保留过去有用的信息;输出门能使记忆单元只输出与当前时间步相关的信息,这3个门结构在记忆单元中进行矩阵乘法和非线性求和等运算,使得记忆在不断的迭代中仍然不会衰减;
在第t时间时,根据下列公式:
第t时间步输入的信息首先通过输入门,第t时间步记忆单元输入层的值和隐藏层状态的候选值分别为:
it=θi(Wixt+Uiht-1+bi);
其中i为变量,可取1,2,3……,n;t表示隐藏层记忆单元的时间长度,U表示输入层到隐藏层的权重矩阵,W表示隐藏层到隐藏层的权重矩阵,x表示神经网络的输入层,it是输入门向量,表示第t时间步记忆单元输入层的值,θi表示该层激活函数,xt表示第t时间步时的输入,Wi表示记忆单元中输入对应的权重,Ui表示记忆单元中上一时间步输出值对应的权重,ht-1表示上一时间步输出值,bi表示记忆单元中的常数,bc表示隐藏层中的常数,计算的是第t时间步隐藏层状态,Wc表示隐藏层中输入对应的权重,θC表示隐藏层的激活函数,也就是传递函数,定义了节点在给定的输入或输入的集合下的输出;
随后,信息通过遗忘门,第t时间步记忆单元遗忘层的值为:
ft=θf(Wfxt+Ufht-1+bf);
其中ft表示第t时间步记忆单元遗忘层的值,bf表示遗忘层中的常数,Wf表示遗忘层中输入对应权重,Uf表示遗忘层中上一时间步输出值对应的权重,bf表示遗忘层中的常数;
此时,可以得到记忆单元隐藏层状态在第t时间步时的更新值为:
最后,信息通过输出门,第t时间步记忆单元输出层的值以及最终记忆单元的输出值分别为:
Ot=θo(Woxt+Uoht-1+VoCt+bo);
ht=ot*θh(Ct);
其中O表示神经网络的输出层,Ot表示第t时间步记忆单元输出层的值,Wo表示该层中输入对应权重,bo表示输出层中的常数,ht表示第t时间步最终输出值,θh表示对隐藏层状态值的激活函数;
上面公式中W、b初始值均为固定常数,比如可以取[0.5 0.5 0.5……0.5]。
5.根据权利要求1所述的一种微电网和电动汽车V2G互动提升能量利用率的方法,其特征在于:所述数据信息输出模块(S3)对神经网络计算模块(S2)输送的预测数据进行接收,并将接收是预测数据传递给能源供需计算模块(S4)。
6.根据权利要求1所述的一种微电网和电动汽车V2G互动提升能量利用率的方法,其特征在于:所述能源供需计算模块(S4)对数据信息输出模块(S3)传递的光伏、风电、柴油机发电量预测数据、工商业用户用电量预测数据和电动汽车用电量和发电量预测数据进行接收,并将预测数据与电网经济效益和最大程度上吸收风光伏新能源相结合,能源供需计划计算公式为:
p=F(c,v);
其中c表示电网经济效益,v表示最大程度上吸收风光伏新能源,即减少碳排放量,F(c,v)可以是线性最大化函数也可以是其他用户自定义的函数,比如F=0.5c+0.5v。
7.根据权利要求1所述的一种微电网和电动汽车V2G互动提升能量利用率的方法,其特征在于:所述能源供需安排模块(S5)包括电量监控单元(S51)、能源供需安排单元(S52),能源供需计划输出单元(S53);
所述电量监控单元(S51)对光伏电厂、风电厂、电动汽车和柴油发电机厂的发电情况进行实时监控,并将接收到的监控情况传递给能源供需安排单元(S52);
所述能源供需安排单元(S52)根据能源供需计算模块(S4)和电量监控单元(S51)传递的数据信息对光伏电厂、风电厂、电动汽车和柴油发电机厂的发电情况进行合理安排,并将安排后的光伏电厂、风电厂、电动汽车和柴油发电机厂所需发电情况传递给能源供需计划输出单元(S53);
所述能源供需计划输出单元(S53)对能源供需安排单元(S52)传递的信息进行接收,并将信息分别传递给光伏电厂、风电厂、电动汽车和柴油发电机厂。
8.根据权利要求7所述的一种微电网和电动汽车V2G互动提升能量利用率的方法,其特征在于:所述能源供需安排模块(S5)与光伏电厂、风电厂、电动汽车和柴油发电机厂之间通过无线网络进行连接,当能源供需安排模块(S5)接收到能源供需计算模块(S4)传递的计算结果后,根据负荷所需电量对能源供需计划进行合理安排,并将安排后光伏电厂、风电厂、电动汽车和柴油发电机厂所需提供的发电量通过无线网络进行反馈。
9.根据权利要求1所述的一种微电网和电动汽车V2G互动提升能量利用率的方法,其特征在于:电动汽车在进行充电时可以看作为负荷,在其电量充满之后,若电网或微电网需要电力支援时,可以响应需求对电网进行放电。
10.根据权利要求1所述的一种微电网和电动汽车V2G互动提升能量利用率的方法,其特征在于:光伏电厂、风电厂和柴油发电机厂通过高压电线进行连接,并在电量传递过程中通过变压器进行变压之后,再将电量进行传递,同时,电动汽车通过电线连接在变压器之后进行电量输送,工商业和民用用户均可看作为负荷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110393411.1A CN112865201B (zh) | 2021-04-13 | 2021-04-13 | 一种微电网和电动汽车v2g互动提升能量利用率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110393411.1A CN112865201B (zh) | 2021-04-13 | 2021-04-13 | 一种微电网和电动汽车v2g互动提升能量利用率的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112865201A true CN112865201A (zh) | 2021-05-28 |
CN112865201B CN112865201B (zh) | 2022-04-05 |
Family
ID=75992548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110393411.1A Active CN112865201B (zh) | 2021-04-13 | 2021-04-13 | 一种微电网和电动汽车v2g互动提升能量利用率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112865201B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117498431A (zh) * | 2023-11-02 | 2024-02-02 | 三峡大学 | 微电网控制方法和系统 |
CN117996816A (zh) * | 2024-03-29 | 2024-05-07 | 江苏谷峰电力科技股份有限公司 | 用于风光柴储分队级储能的智能控制方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104269849A (zh) * | 2014-10-17 | 2015-01-07 | 国家电网公司 | 基于建筑光伏微电网的能量管理方法及系统 |
CN110309972A (zh) * | 2019-06-28 | 2019-10-08 | 天津大学 | 一种基于室内人员行为的可再生能源系统及其负荷预测方法 |
-
2021
- 2021-04-13 CN CN202110393411.1A patent/CN112865201B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104269849A (zh) * | 2014-10-17 | 2015-01-07 | 国家电网公司 | 基于建筑光伏微电网的能量管理方法及系统 |
CN110309972A (zh) * | 2019-06-28 | 2019-10-08 | 天津大学 | 一种基于室内人员行为的可再生能源系统及其负荷预测方法 |
Non-Patent Citations (1)
Title |
---|
侯春华: ""基于长短期记忆神经网络的油田新井产油量预测方法"", 《油气地质与采收率》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117498431A (zh) * | 2023-11-02 | 2024-02-02 | 三峡大学 | 微电网控制方法和系统 |
CN117498431B (zh) * | 2023-11-02 | 2024-05-10 | 三峡大学 | 微电网控制方法和系统 |
CN117996816A (zh) * | 2024-03-29 | 2024-05-07 | 江苏谷峰电力科技股份有限公司 | 用于风光柴储分队级储能的智能控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112865201B (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Multi-stage optimal energy management of multi-energy microgrid in deregulated electricity markets | |
CN112072641A (zh) | 一种源网荷储柔性协调控制和运行优化方法 | |
CN112865201B (zh) | 一种微电网和电动汽车v2g互动提升能量利用率的方法 | |
CN110084443B (zh) | 一种基于qpso优化算法的换电站运行优化模型分析方法 | |
CN105337310B (zh) | 一种串联结构光储型多微网经济运行系统及方法 | |
Schröder et al. | Optimization of distributed energy resources for electric vehicle charging and fuel cell vehicle refueling | |
CN116061742B (zh) | 一种分时电价光伏园区内电动汽车的充电控制方法和系统 | |
Kazemi et al. | IoT-enabled operation of multi energy hubs considering electric vehicles and demand response | |
CN116316567A (zh) | 一种阶梯碳交易机制下综合能源需求响应优化方法 | |
Banerji et al. | Integrating Renewable energy and electric vehicle systems into power grid: benefits and challenges | |
Liu et al. | Cooperative planning of distributed renewable energy assisted 5G base station with battery swapping system | |
Zhang et al. | Orderly automatic real-time charging scheduling scenario strategy for electric vehicles considering renewable energy consumption | |
Terkes et al. | An evaluation of renewable fraction using energy storage for electric vehicle charging station | |
CN111555369B (zh) | 一种配电网中压-低压协同优化方法 | |
CN107611970A (zh) | 分布式光伏和电动汽车的不确定性配网的优化方法 | |
Naik et al. | Small‐scale solar plants coupled with smart public transport system and its coordination with the grid | |
Hui et al. | Modeling and Optimal Operation of Urban Integrated Energy System Considering Multiple Sub-systems | |
Zhang et al. | A planning scheme for energy storage power station based on multi-spatial scale model | |
CN110826210A (zh) | 基于功率互联的多区域楼宇虚拟电厂建模及优化协调方法 | |
CN116187702A (zh) | 一种源网荷储协同互动优化调度系统 | |
Ran et al. | Economic dispatch of off-grid photovoltaic generation system with hybrid energy storage | |
CN115693737A (zh) | 一种基于v2g电动汽车聚合参与配电网调度的方法 | |
CN115693797A (zh) | 考虑v2g与需求响应的配电网调度方法、介质及系统 | |
CN114552639A (zh) | 一种低碳排配电台区及其碳足迹监测方法 | |
CN115882460A (zh) | 一种考虑需求侧管理的两阶段新能源微电网优化调度方法 |
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 |