CN115296317A - 光伏储能系统的容量配置方法、装置、光伏电站及介质 - Google Patents

光伏储能系统的容量配置方法、装置、光伏电站及介质 Download PDF

Info

Publication number
CN115296317A
CN115296317A CN202211015136.0A CN202211015136A CN115296317A CN 115296317 A CN115296317 A CN 115296317A CN 202211015136 A CN202211015136 A CN 202211015136A CN 115296317 A CN115296317 A CN 115296317A
Authority
CN
China
Prior art keywords
photovoltaic
output power
energy storage
storage system
power
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.)
Pending
Application number
CN202211015136.0A
Other languages
English (en)
Inventor
陈宇
梁磊乐
刘胜煜
戴瑜兴
李民英
陈峻岭
匡金华
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.)
Guangdong Zhicheng Champion Group Co Ltd
Original Assignee
Guangdong Zhicheng Champion Group 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 Guangdong Zhicheng Champion Group Co Ltd filed Critical Guangdong Zhicheng Champion Group Co Ltd
Priority to CN202211015136.0A priority Critical patent/CN115296317A/zh
Publication of CN115296317A publication Critical patent/CN115296317A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/002—Flicker reduction, e.g. compensation of flicker introduced by non-linear load
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • 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
    • 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
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/345—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering using capacitors as storage or buffering devices
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic 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
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Nonlinear Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种光伏储能系统的容量配置方法、装置、光伏电站及介质。该光伏储能系统的容量配置方法包括：通过获取多个典型天气对应的光伏电站的历史光伏出力功率，确定每个典型天气对应的光伏并网的参考出力功率；获取光伏储能系统的当前光伏出力功率以及当前平均荷电状态，并确定光伏储能系统的当前波动出力功率；将当前平均荷电状态和当前波动出力功率输入预先训练好的神经网络模型中，输出光伏储能系统的目标光伏出力功率；对目标光伏出力功率进行频率分解得到光伏储能系统的参考输出功率，并根据参考输出功率计算得到光伏储能系统的额定容量。本发明提高储能电池的循环寿命，降低系统运行成本，为光伏电站的储能规划和发展提供参考。

Description

光伏储能系统的容量配置方法、装置、光伏电站及介质
技术领域
本发明涉及微电网混合储能容量配置技术领域，尤其涉及一种光伏储能系统的容量配置方法、装置、光伏电站及介质。
背景技术
近年来，光伏发电技术发展迅速，规模也日益增大，但光伏出力具有波动性、间歇性等特点，为了提高光伏电站的出力稳定性，充分利用资源，需要为其配备适量的储能装置。目前单一类型的储能装置很难满足光伏电站多方面需求，从而提出利用混合储能的方式，混合储能能够充分发挥多种储能的优势，更好的满足光伏电站的多方面需求。
目前，光伏储能系统的容量配置的思路大多数是在建立系统成本最低或是设备容量最小为目标函数的基础上，结合功率波动约束、充放电功率约束、电池使用寿命等相应的约束条件，将其转化为优化问题，然后选取粒子群算法、遗传算法等算法进行寻优以获得最佳的混合储能容量，但目标函数和求解算法的选取无统一的标准，且目标函数一般为多目标函数，粒子群算法与遗传算法这些算法都有相应的局限性，要么存在收敛精度低、易陷入局部最优解的缺点，要么就是存在计算量大，计算时间长，不能得到稳定的解等缺点，且实现起来也较为复杂。此外，还可以采用滤波器对光伏输出功率进行不同频段的分解，利用混合储能设备对不同频段功率的消纳能力实现功率波动的平抑，但滤波器在滤波过程中有延迟，且光伏储能系统充放电容量损耗和循环功率受工程实际因素的影响较大，这些因素均会导致实际容量配置的不准确。
发明内容
本发明提供了一种光伏储能系统的容量配置方法、装置及光伏储能系统，以解决目前光伏储能系统的容量配置存在局限性，易被干扰，且准确性低的问题。
根据本发明的一方面，提供了一种光伏储能系统的容量配置方法，所述光伏储能系统的容量配置方法包括：
获取多个典型天气对应的光伏电站的历史光伏出力功率，并根据所述历史光伏出力功率确定每个所述典型天气对应的光伏并网的参考出力功率；
获取光伏储能系统的当前光伏出力功率以及当前平均荷电状态，并根据所述当前光伏出力功率和所述参考出力功率确定所述光伏储能系统的当前波动出力功率；
将所述当前平均荷电状态和所述当前波动出力功率输入预先训练好的神经网络模型中，输出所述光伏储能系统的目标光伏出力功率；
对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的参考输出功率，并根据所述参考输出功率计算得到所述光伏储能系统的额定容量。
可选的，所述根据所述历史光伏出力功率确定每个所述典型天气对应的光伏并网的参考出力功率，包括：
将所述典型天气对应采集的所述历史光伏出力功率经过限幅滤波器，输出第一采样光伏出力功率输出值；
将所述第一采样光伏出力功率输出值经过中位值平均滤波器后，输出第二采样光伏出力功率输出值，并选取N个所述第二采样光伏出力功率输出值经过滑动平均滤波器，输出第三采样光伏出力功率输出值；
根据所述第三采样光伏出力功率输出值确定所述典型天气对应的光伏并网的参考出力功率。
可选的，所述将所述典型天气对应采集的所述历史光伏出力功率经过限幅滤波器，输出第一采样光伏出力功率输出值，包括：
将所述典型天气对应采集的所述历史光伏出力功率经过限幅滤波器，若所述历史光伏出力功率与历史采样光伏出力功率平均值的差值小于预设采样光伏出力功率偏差阈值，则将所述历史光伏出力功率作为输出的第一采样光伏出力功率输出值；
若所述历史光伏出力功率与历史采样光伏出力功率平均值的差值大于预设采样光伏出力功率偏差阈值，则将所述历史采样光伏出力功率平均值作为输出的第一采样光伏出力功率输出值。
可选的，在输出第二采样光伏出力功率输出值之后，还包括：
根据所述第二采样光伏出力功率输出值将所述历史采样光伏出力功率平均值更新为更新采样光伏出力功率平均值。
可选的，所述根据所述第三采样光伏出力功率输出值确定所述典型天气对应的光伏并网的参考出力功率，包括：
若所述第三采样光伏出力功率输出值满足光伏电站并网要求，则将所述第三采样光伏出力功率输出值确定所述典型天气对应的光伏并网的参考出力功率。
可选的，所述对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的参考输出功率，包括：
对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的高频参考输出功率和低频参考输出功率。
可选的，所述光伏储能系统包括锂电池和超级电容器；
所述根据所述参考输出功率计算得到所述光伏储能系统的额定容量，包括：
根据所述低频参考输出功率计算得到所述锂电池对应的额定容量，并根据所述高频参考输出功率计算得到所述超级电容器对应的额定容量。
根据本发明的另一方面，提供了一种光伏储能系统的容量配置装置，所述光伏储能系统的容量配置装置包括：
参考出力功率确定模块，用于执行获取多个典型天气对应的光伏电站的历史光伏出力功率，并根据所述历史光伏出力功率确定每个所述典型天气对应的光伏并网的参考出力功率；
当前波动出力功率确定模块，用于执行获取光伏储能系统的当前光伏出力功率以及当前平均荷电状态，并根据所述当前光伏出力功率和所述参考出力功率确定所述光伏储能系统的当前波动出力功率；
目标光伏出力功率确定模块，用于执行将所述当前平均荷电状态和所述当前波动出力功率输入预先训练好的神经网络模型中，输出所述光伏储能系统的目标光伏出力功率；
额定容量配置模块，用于执行对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的参考输出功率，并根据所述参考输出功率计算得到所述光伏储能系统的额定容量。
根据本发明的另一方面，提供了一种光伏电站，所述光伏电站包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的光伏储能系统的容量配置方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的光伏储能系统的容量配置方法。
本发明实施例的技术方案，通过获取多个典型天气对应的光伏电站的历史光伏出力功率，并根据所述历史光伏出力功率确定每个所述典型天气对应的光伏并网的参考出力功率；获取光伏储能系统的当前光伏出力功率以及当前平均荷电状态，并根据所述当前光伏出力功率和所述参考出力功率确定所述光伏储能系统的当前波动出力功率；将所述当前平均荷电状态和所述当前波动出力功率输入预先训练好的神经网络模型中，输出所述光伏储能系统的目标光伏出力功率；对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的参考输出功率，并根据所述参考输出功率计算得到所述光伏储能系统的额定容量。本发明解决目前光伏储能系统的容量配置存在局限性，易被干扰，且准确性低的问题，提高储能电池的循环寿命，降低系统运行成本，为光伏电站的储能规划和发展提供参考。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种光伏储能系统的容量配置方法的流程图；
图2是根据本发明实施例所适用的神经网络模型的结构示意图；
图3是根据本发明实施例所适用的4层小波包分解示意图；
图4是根据本发明实施例二提供的一种光伏储能系统的容量配置方法的流程图；
图5是根据本发明实施例三提供的一种光伏储能系统的容量配置装置的结构示意图；
图6是实现本发明实施例的光伏储能系统的容量配置方法的光伏电站的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“历史”、“当前”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种光伏储能系统的容量配置方法的流程图，本实施例可适用于对混合储能型光伏发电站的光伏储能系统进行容量配置的情况，该光伏储能系统的容量配置方法可以由光伏储能系统的容量配置装置来执行，该光伏储能系统的容量配置装置可以采用硬件和/或软件的形式实现，该光伏储能系统的容量配置装置可配置于混合储能型光伏发电站中。如图1所示，该光伏储能系统的容量配置方法包括：
S110、获取多个典型天气对应的光伏电站的历史光伏出力功率，并根据所述历史光伏出力功率确定每个所述典型天气对应的光伏并网的参考出力功率。
其中，典型天气可以包括晴天、雨天、小雪天、大雪天或多云天等不同的天气，典型天气的类型可以通过光伏电站所在地的气象资料进行整理确定。
光伏电站分为独立光伏电站和并网光伏电站，并网光伏电站是与电网相连并向电网输送电力的光伏发电系统，可选的，本实施例中的光伏电站可以为并网光伏电站
混合储能型光伏电站兼备能量型储能和功率型储能的技术特性，可以有效缩减光伏功率的预测误差，提高将光伏预测出力功率作为电力调度参考的可靠性，可选的，本实施例中的光伏电站可以为混合储能型光伏电站，即本实施例的光伏电站的光伏储能系统为混合储能型。
具体的，获取光伏电站已有的大量历史光伏出力功率，并结合光伏电站所在地的气象资料得到对应的多个典型天气，运用统计学原理整理出光伏电站每个典型天气对应的历史光伏出力功率。可以理解的，整理出晴天、雨天、小雪天、大雪天或多云天等不同的天气，分别对应的历史光伏出力功率。
进一步的，采用改进限幅平均滤波对每个所述典型天气的历史光伏出力功率进行滤波处理，具体为：将所述典型天气对应采集的所述历史光伏出力功率经过限幅滤波器，输出第一采样光伏出力功率输出值；将所述第一采样光伏出力功率输出值经过中位值平均滤波器后，输出第二采样光伏出力功率输出值，并选取N个所述第二采样光伏出力功率输出值经过滑动平均滤波器，输出第三采样光伏出力功率输出值；根据所述第三采样光伏出力功率输出值确定所述典型天气对应的光伏并网的参考出力功率。
可以理解的是，每个典型天气对应的历史光伏出力功率均需经过上述的限幅滤波器、中位值平均滤波器以及滑动平均滤波器进行滤波处理，进而得到每个典型天气各自对应的光伏并网的参考出力功率。示例性的，对晴天、雨天、小雪天、大雪天或多云天等不同的天气分别对应的历史光伏出力功率进行滤波处理，进而得到晴天、雨天、小雪天、大雪天或多云天等不同的天气，分别对应的晴天、雨天、小雪天、大雪天或多云天等的光伏并网的参考出力功率。
S120、获取光伏储能系统的当前光伏出力功率以及当前平均荷电状态，并根据所述当前光伏出力功率和所述参考出力功率确定所述光伏储能系统的当前波动出力功率。
其中，当前光伏出力功率可以为光伏电站的光伏储能系统在当前检测状态的出力功率，具体采集方法可以采用现有技术进行实现，本实施例对此不作任何限制。
由于本实施例的光伏电站为混合储能型，则需考虑光伏储能系统的平均荷电状态，当前平均荷电状态可以通过光伏储能系统的电池管理系统进行读取，也可以采用光伏储能系统具有的其他控制器进行采集，本实施例对此不作任何限制。
在本实施例中，通过所述当前光伏出力功率和所述参考出力功率的差值反应光伏储能系统输出出力功率的波动，即将所述当前光伏出力功率和所述参考出力功率的差值作为所述光伏储能系统的当前波动出力功率。
另外需要说明的是，由于确定的是当前波动出力功率，则在获取光伏储能系统的当前光伏出力功率时，同时需要考虑当前光伏出力功率的天气数据，进而根据当前光伏出力功率对应的天气数据确定与其对应的参考出力功率，即当前光伏出力功率、参考出力功率以及当前波动出力功率为同一典型天气下得到的，从而保证得到的光伏储能系统输出出力功率波动情况的准确性。
S130、将所述当前平均荷电状态和所述当前波动出力功率输入预先训练好的神经网络模型中，输出所述光伏储能系统的目标光伏出力功率。
具体的，将当前波动出力功率结合光伏储能系统的当前平均荷电状态，制定模糊规则，构建并训练模糊神经网络模型，得出最终混合储能系统的出力功率。
其中，如图2所示，本实施例的神经网络模型可以采用自适应模糊神经网络进行训练优化，神经网络模型为二输入单输出的五层结构，本实施例的神经网络模型采用模糊推理计算简单、利于数学分析，并可以有效提高光伏出力功率的计算精度。
在本实施例中，根据光伏电站的实测数据组包括的波动出力功率、混合储能型光伏储能系统的平均荷电状态以及光伏出力功率，确定模糊论域，构建模糊规则，根据“留大去小”的原则决定模糊规则强度，然后构建并训练模糊神经网络，具体神经网络模型的结构示意图如图2所示，具体为：
第一层为输入变量的隶属函数层，将输入为节点数量变化的精确值隶属度函数经过模糊化送给节点，节点j具有输出函数：
Figure BDA0003812234750000091
或，
Figure BDA0003812234750000092
其中，x、y是节点i的输入；Ai、Bi是模糊集；
Figure BDA0003812234750000093
为Ai、Bi的隶属函数值，表示x、y属于Ai、Bi的程度。
第二层为规则的强度释放层，负责将输入信号相乘，实现输入变量模糊化，节点输出该模糊规则的可信度。
Figure BDA0003812234750000094
第三层为规则强度的归一化层，该层的第i个节点计算第i条规则的归一化可信度，确定该层节点数为模糊规则数。
Figure BDA0003812234750000095
第四层为模糊规则输出层，每个节点i为输出变量模糊度划分的个数。
Figure BDA0003812234750000096
式中，pi、qi、ri为该节点的参数集。
第五层为清晰化层，该层将计算所有的输入信号转换为精确的输出量。
Figure BDA0003812234750000101
S140、对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的参考输出功率，并根据所述参考输出功率计算得到所述光伏储能系统的额定容量。
在本实施例中，利用小波包分解法对目标光伏出力功率进行频率分解获得光伏储能系统的高频参考输出功率和低频参考输出功率。
其中，小波包分解法通过小波包变换对各级小波包分解，相邻级数的尺度函数和小波函数之间具有如下的递推关系：
Figure BDA0003812234750000102
上式即是：
Figure BDA0003812234750000103
其中，hk、gk为同小波变换，相当于是低通滤波器和高通滤波器；μ称为小波；k为平移参数；n为震荡次数；L为尺度坐标。
示例性的，以32Hz的采样频率为例，根据奈奎斯特采样定理(Nyquist)定理，可检测到的信号频带为0—16Hz，对该信号进行4层小波包分解如图3所示。
可选的，光伏储能系统包括锂电池和超级电容器，则所有高频参考输出功率之和作为超级电容器的高频参考输出功率，所有低频参考输出功率之和作为锂电池的低频参考输出功率。
进一步的，根据所述低频参考输出功率计算得到所述锂电池对应的额定容量，并根据所述高频参考输出功率计算得到所述超级电容器对应的额定容量。
本发明实施例的技术方案，通过获取多个典型天气对应的光伏电站的历史光伏出力功率，并根据所述历史光伏出力功率确定每个所述典型天气对应的光伏并网的参考出力功率；获取光伏储能系统的当前光伏出力功率以及当前平均荷电状态，并根据所述当前光伏出力功率和所述参考出力功率确定所述光伏储能系统的当前波动出力功率；将所述当前平均荷电状态和所述当前波动出力功率输入预先训练好的神经网络模型中，输出所述光伏储能系统的目标光伏出力功率；对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的参考输出功率，并根据所述参考输出功率计算得到所述光伏储能系统的额定容量。本发明解决目前光伏储能系统的容量配置存在局限性，易被干扰，且准确性低的问题，提高储能电池的循环寿命，降低系统运行成本，为光伏电站的储能规划和发展提供参考。
实施例二
图4为本发明实施例二提供的一种光伏储能系统的容量配置方法的流程图，本实施例在上述实施例的基础上，进一步对参考出力功率的确定进行解释说明，提供一种可选的实施方式。如图2所示，该光伏储能系统的容量配置方法包括：
S410、获取多个典型天气对应的光伏电站的历史光伏出力功率。
S420、将所述典型天气对应采集的所述历史光伏出力功率经过限幅滤波器，输出第一采样光伏出力功率输出值。
具体的，每次采样到的光伏电站的光伏出力功率均需进行限幅滤波器的下述改进限幅平均滤波判断，即获取到的每个典型天气对应的光伏电站的历史光伏出力功率均经过下述改进限幅平均滤波判断处理。
具体改进限幅平均滤波判断处理逻辑为：若所述历史光伏出力功率与历史采样光伏出力功率平均值的差值小于预设采样光伏出力功率偏差阈值，则该历史光伏出力功率为有效采样值，将所述历史光伏出力功率作为输出的第一采样光伏出力功率输出值；
若所述历史光伏出力功率与历史采样光伏出力功率平均值的差值大于预设采样光伏出力功率偏差阈值，则该历史光伏出力功率为无效采样值，将该历史光伏出力功率丢弃，并将所述历史采样光伏出力功率平均值作为输出的第一采样光伏出力功率输出值。
在改进限幅平均滤波算法的流程图，Xn为第n次采样值，每次采样到新值时均需判断：
因此，通过改进限幅平均滤波判断处理后输出的第一采样光伏出力功率输出值为：
Figure BDA0003812234750000121
其中，Xn为历史光伏出力功率，即第n次光伏出力功率采样值；Xm为历史采样光伏出力功率平均值；XA为光伏储能系统设定的预设采样光伏出力功率偏差阈值，即光伏出力功率最大允许采样偏差值。
S430、将所述第一采样光伏出力功率输出值经过中位值平均滤波器后，输出第二采样光伏出力功率输出值，并选取N个所述第二采样光伏出力功率输出值经过滑动平均滤波器，输出第三采样光伏出力功率输出值。
具体的，将第一采样光伏出力功率输出值进行中位值平均滤波器处理，即连续采集N1个第一采样光伏出力功率输出值，去掉其中的最大值和最小值，然后求剩下的(N1-2)个第一采样光伏出力功率输出值的算术平均值，作为最新的滤波输出，即得到第二采样光伏出力功率输出值。经过中位值平均滤波器处理的第二采样光伏出力功率输出值Y2(n)为：
Figure BDA0003812234750000122
其中，Yn-i为经过限幅滤波器后的第(n-i)次采样输出值；Y(n-i)max、Y(n-i)min分别为连续采集N1个第一采样光伏出力功率输出值队列中的最大值和最小值。
在上述基础上，在输出第二采样光伏出力功率输出值之后，还包括：根据所述第二采样光伏出力功率输出值将所述历史采样光伏出力功率平均值更新为更新采样光伏出力功率平均值。
进一步的，选取N个所述第二采样光伏出力功率输出值经过滑动平均滤波器，其滤波输出第三采样光伏出力功率输出值Y3(n)为：
Figure BDA0003812234750000131
S440、根据所述第三采样光伏出力功率输出值确定所述典型天气对应的光伏并网的参考出力功率。
具体的，若所述第三采样光伏出力功率输出值满足光伏电站并网要求，则将所述第三采样光伏出力功率输出值确定所述典型天气对应的光伏并网的参考出力功率。
若所述第三采样光伏出力功率输出值不满足光伏电站并网要求，则重新获取采集到的新的所述历史光伏出力功率，进而重复步骤S420至步骤S440。
S450、获取光伏储能系统的当前光伏出力功率以及当前平均荷电状态，并根据所述当前光伏出力功率和所述参考出力功率确定所述光伏储能系统的当前波动出力功率。
S460、将所述当前平均荷电状态和所述当前波动出力功率输入预先训练好的神经网络模型中，输出所述光伏储能系统的目标光伏出力功率。
S470、对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的高频参考输出功率和低频参考输出功率，所述光伏储能系统包括锂电池和超级电容器。
S480、根据所述低频参考输出功率计算得到所述锂电池对应的额定容量，并根据所述高频参考输出功率计算得到所述超级电容器对应的额定容量。
本发明实施例的技术方案，光伏并网的参考出力功率是通过整理获取大量历史的光伏发电数据及气象数据，运用统计学原理整理得到晴天、雨天、小雪天、大雪天或多云天等不同的天气的光伏出力数据，然后利用改进限幅平均滤波对各典型天气的光伏出力数据进行滤波处理而获得的，具有统计性和普遍适用性。此外，在对波动出力功率在混合储能之间再分配前，将当前波动出力功率结合光伏储能系统的当前平均荷电状态，采用自适应模糊神经网络进行训练优化得到的神经网络模型，输出所述光伏储能系统的目标光伏出力功率，能有效避免储能运行过程中的过冲过放现象。
实施例三
图5为本发明实施例三提供的一种光伏储能系统的容量配置装置的结构示意图。如图5所示，该光伏储能系统的容量配置装置包括：
参考出力功率确定模块510，用于执行获取多个典型天气对应的光伏电站的历史光伏出力功率，并根据所述历史光伏出力功率确定每个所述典型天气对应的光伏并网的参考出力功率；
当前波动出力功率确定模块520，用于执行获取光伏储能系统的当前光伏出力功率以及当前平均荷电状态，并根据所述当前光伏出力功率和所述参考出力功率确定所述光伏储能系统的当前波动出力功率；
目标光伏出力功率确定模块530，用于执行将所述当前平均荷电状态和所述当前波动出力功率输入预先训练好的神经网络模型中，输出所述光伏储能系统的目标光伏出力功率；
额定容量配置模块540，用于执行对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的参考输出功率，并根据所述参考输出功率计算得到所述光伏储能系统的额定容量。
可选的，所述根据所述历史光伏出力功率确定每个所述典型天气对应的光伏并网的参考出力功率，包括：
将所述典型天气对应采集的所述历史光伏出力功率经过限幅滤波器，输出第一采样光伏出力功率输出值；
将所述第一采样光伏出力功率输出值经过中位值平均滤波器后，输出第二采样光伏出力功率输出值，并选取N个所述第二采样光伏出力功率输出值经过滑动平均滤波器，输出第三采样光伏出力功率输出值；
根据所述第三采样光伏出力功率输出值确定所述典型天气对应的光伏并网的参考出力功率。
可选的，所述将所述典型天气对应采集的所述历史光伏出力功率经过限幅滤波器，输出第一采样光伏出力功率输出值，包括：
将所述典型天气对应采集的所述历史光伏出力功率经过限幅滤波器，若所述历史光伏出力功率与历史采样光伏出力功率平均值的差值小于预设采样光伏出力功率偏差阈值，则将所述历史光伏出力功率作为输出的第一采样光伏出力功率输出值；
若所述历史光伏出力功率与历史采样光伏出力功率平均值的差值大于预设采样光伏出力功率偏差阈值，则将所述历史采样光伏出力功率平均值作为输出的第一采样光伏出力功率输出值。
可选的，在输出第二采样光伏出力功率输出值之后，还包括：
根据所述第二采样光伏出力功率输出值将所述历史采样光伏出力功率平均值更新为更新采样光伏出力功率平均值。
可选的，所述根据所述第三采样光伏出力功率输出值确定所述典型天气对应的光伏并网的参考出力功率，包括：
若所述第三采样光伏出力功率输出值满足光伏电站并网要求，则将所述第三采样光伏出力功率输出值确定所述典型天气对应的光伏并网的参考出力功率。
可选的，所述对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的参考输出功率，包括：
对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的高频参考输出功率和低频参考输出功率。
可选的，所述光伏储能系统包括锂电池和超级电容器；
所述根据所述参考输出功率计算得到所述光伏储能系统的额定容量，包括：
根据所述低频参考输出功率计算得到所述锂电池对应的额定容量，并根据所述高频参考输出功率计算得到所述超级电容器对应的额定容量。
本发明实施例所提供的光伏储能系统的容量配置装置可执行本发明任意实施例所提供的光伏储能系统的容量配置方法，具备执行光伏储能系统的容量配置方法相应的功能模块和有益效果。
实施例四
图6示出了可以用来实施本发明的实施例的光伏电站610的结构示意图。光伏电站包括旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。光伏电站还可以包括表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示，光伏电站610包括至少一个处理器611，以及与至少一个处理器611通信连接的存储器，如只读存储器(ROM)612、随机访问存储器(RAM)613等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器611可以根据存储在只读存储器(ROM)612中的计算机程序或者从存储单元618加载到随机访问存储器(RAM)613中的计算机程序，来执行各种适当的动作和处理。在RAM 613中，还可存储光伏电站610操作所需的各种程序和数据。处理器611、ROM 612以及RAM 613通过总线614彼此相连。I/O(输入/输出)接口615也连接至总线614。
光伏电站610中的多个部件连接至I/O接口615，包括：输入单元616，例如键盘、鼠标等；输出单元617，例如各种类型的显示器、扬声器等；存储单元618，例如磁盘、光盘等；以及通信单元619，例如网卡、调制解调器、无线通信收发机等。通信单元619允许光伏电站610通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器611可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器611的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器611执行上文所描述的各个方法和处理，例如光伏储能系统的容量配置方法。
在一些实施例中，光伏储能系统的容量配置方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元618。在一些实施例中，计算机程序的部分或者全部可以经由ROM 612和/或通信单元619而被载入和/或安装到光伏电站610上。当计算机程序加载到RAM 613并由处理器611执行时，可以执行上文描述的光伏储能系统的容量配置方法的一个或多个步骤。备选地，在其他实施例中，处理器611可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行光伏储能系统的容量配置方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在光伏电站上实施此处描述的系统和技术，该光伏电站具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给光伏电站。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种光伏储能系统的容量配置方法，其特征在于，包括：
获取多个典型天气对应的光伏电站的历史光伏出力功率，并根据所述历史光伏出力功率确定每个所述典型天气对应的光伏并网的参考出力功率；
获取光伏储能系统的当前光伏出力功率以及当前平均荷电状态，并根据所述当前光伏出力功率和所述参考出力功率确定所述光伏储能系统的当前波动出力功率；
将所述当前平均荷电状态和所述当前波动出力功率输入预先训练好的神经网络模型中，输出所述光伏储能系统的目标光伏出力功率；
对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的参考输出功率，并根据所述参考输出功率计算得到所述光伏储能系统的额定容量。
2.根据权利要求1所述的光伏储能系统的容量配置方法，其特征在于，所述根据所述历史光伏出力功率确定每个所述典型天气对应的光伏并网的参考出力功率，包括：
将所述典型天气对应采集的所述历史光伏出力功率经过限幅滤波器，输出第一采样光伏出力功率输出值；
将所述第一采样光伏出力功率输出值经过中位值平均滤波器后，输出第二采样光伏出力功率输出值，并选取N个所述第二采样光伏出力功率输出值经过滑动平均滤波器，输出第三采样光伏出力功率输出值；
根据所述第三采样光伏出力功率输出值确定所述典型天气对应的光伏并网的参考出力功率。
3.根据权利要求2所述的光伏储能系统的容量配置方法，其特征在于，所述将所述典型天气对应采集的所述历史光伏出力功率经过限幅滤波器，输出第一采样光伏出力功率输出值，包括：
将所述典型天气对应采集的所述历史光伏出力功率经过限幅滤波器，若所述历史光伏出力功率与历史采样光伏出力功率平均值的差值小于预设采样光伏出力功率偏差阈值，则将所述历史光伏出力功率作为输出的第一采样光伏出力功率输出值；
若所述历史光伏出力功率与历史采样光伏出力功率平均值的差值大于预设采样光伏出力功率偏差阈值，则将所述历史采样光伏出力功率平均值作为输出的第一采样光伏出力功率输出值。
4.根据权利要求3所述的光伏储能系统的容量配置方法，其特征在于，在输出第二采样光伏出力功率输出值之后，还包括：
根据所述第二采样光伏出力功率输出值将所述历史采样光伏出力功率平均值更新为更新采样光伏出力功率平均值。
5.根据权利要求2所述的光伏储能系统的容量配置方法，其特征在于，所述根据所述第三采样光伏出力功率输出值确定所述典型天气对应的光伏并网的参考出力功率，包括：
若所述第三采样光伏出力功率输出值满足光伏电站并网要求，则将所述第三采样光伏出力功率输出值确定所述典型天气对应的光伏并网的参考出力功率。
6.根据权利要求1所述的光伏储能系统的容量配置方法，其特征在于，所述对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的参考输出功率，包括：
对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的高频参考输出功率和低频参考输出功率。
7.根据权利要求6所述的光伏储能系统的容量配置方法，其特征在于，所述光伏储能系统包括锂电池和超级电容器；
所述根据所述参考输出功率计算得到所述光伏储能系统的额定容量，包括：
根据所述低频参考输出功率计算得到所述锂电池对应的额定容量，并根据所述高频参考输出功率计算得到所述超级电容器对应的额定容量。
8.一种光伏储能系统的容量配置装置，其特征在于，包括：
参考出力功率确定模块，用于执行获取多个典型天气对应的光伏电站的历史光伏出力功率，并根据所述历史光伏出力功率确定每个所述典型天气对应的光伏并网的参考出力功率；
当前波动出力功率确定模块，用于执行获取光伏储能系统的当前光伏出力功率以及当前平均荷电状态，并根据所述当前光伏出力功率和所述参考出力功率确定所述光伏储能系统的当前波动出力功率；
目标光伏出力功率确定模块，用于执行将所述当前平均荷电状态和所述当前波动出力功率输入预先训练好的神经网络模型中，输出所述光伏储能系统的目标光伏出力功率；
额定容量配置模块，用于执行对所述目标光伏出力功率进行频率分解得到所述光伏储能系统的参考输出功率，并根据所述参考输出功率计算得到所述光伏储能系统的额定容量。
9.一种光伏电站，其特征在于，所述光伏电站包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的光伏储能系统的容量配置方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的光伏储能系统的容量配置方法。
CN202211015136.0A 2022-08-23 2022-08-23 光伏储能系统的容量配置方法、装置、光伏电站及介质 Pending CN115296317A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211015136.0A CN115296317A (zh) 2022-08-23 2022-08-23 光伏储能系统的容量配置方法、装置、光伏电站及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211015136.0A CN115296317A (zh) 2022-08-23 2022-08-23 光伏储能系统的容量配置方法、装置、光伏电站及介质

Publications (1)

Publication Number Publication Date
CN115296317A true CN115296317A (zh) 2022-11-04

Family

ID=83832854

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211015136.0A Pending CN115296317A (zh) 2022-08-23 2022-08-23 光伏储能系统的容量配置方法、装置、光伏电站及介质

Country Status (1)

Country Link
CN (1) CN115296317A (zh)

Similar Documents

Publication Publication Date Title
WO2021213192A1 (zh) 一种基于通用分布的负荷预测方法及负荷预测系统
CN107918103B (zh) 一种基于灰色粒子滤波的锂离子电池剩余寿命预测方法
CN101790251B (zh) 基于改进粒子群优化算法的无线传感器节点联盟生成方法
CN117039895A (zh) 一种用于储能辅助黑启动的风功率预测方法及系统
CN102316496A (zh) 无线传感器网络中基于卡尔曼滤波的数据融合方法
KR20200128232A (ko) 전력 수요 예측 장치 및 그 방법
CN106327013A (zh) 一种输电线巡检路径规划方法及系统
CN116307215A (zh) 一种电力系统的负荷预测方法、装置、设备及存储介质
CN117744916A (zh) 储能容量的预测方法、装置、计算机设备及可读存储介质
CN116131340A (zh) 发电站与负荷区域匹配的方法、装置、设备及存储介质
CN113792911B (zh) 光储系统储能容量双层协同优化配置方法及系统
CN115347586A (zh) 多约束多目标优化的新能源场站储能优化配置系统与方法
Wang et al. A hybrid deep learning method based on CEEMDAN and attention mechanism for network traffic prediction
Sun et al. Short-term power load prediction based on VMD-SG-LSTM
CN117973859A (zh) 一种主配电网的风险防控方法、装置、设备和介质
CN113612191A (zh) 一种配电网的快速恢复供电方法及装置
CN116937645A (zh) 充电站集群调控潜力评估方法、装置、设备及介质
CN116683471B (zh) 无功功率补偿资源的配置方法、装置以及设备
CN117332896A (zh) 多层集成学习的新能源小时间尺度功率预测方法及系统
CN115296317A (zh) 光伏储能系统的容量配置方法、装置、光伏电站及介质
CN116931438A (zh) 一种水轮机调速器参数确定方法、装置、设备及介质
CN116142014A (zh) 一种电动汽车智能充电方法、装置、设备及介质
CN116109058A (zh) 一种基于深度强化学习的变电站巡视管理方法和装置
CN115513945A (zh) 一种基于物联网的分布式电源管理方法
CN113408795A (zh) 一种基于灰色理论的电力负荷预测系统及其方法

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