CN115564108A - 一种面向深度调峰的虚拟电厂内光储荷优化调度方法 - Google Patents

一种面向深度调峰的虚拟电厂内光储荷优化调度方法 Download PDF

Info

Publication number
CN115564108A
CN115564108A CN202211210119.2A CN202211210119A CN115564108A CN 115564108 A CN115564108 A CN 115564108A CN 202211210119 A CN202211210119 A CN 202211210119A CN 115564108 A CN115564108 A CN 115564108A
Authority
CN
China
Prior art keywords
power
assembly
photovoltaic
time period
component
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
CN202211210119.2A
Other languages
English (en)
Inventor
杨迦迤
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202211210119.2A priority Critical patent/CN115564108A/zh
Publication of CN115564108A publication Critical patent/CN115564108A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00016—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
    • H02J3/004—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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • 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

Abstract

本发明公开一种面向深度调峰的虚拟电厂内光储荷优化调度方法，包括：获取光伏组件的信息参数和环境参数，并将其输入到光伏发电功率预测模型，输出光伏发电功率，形成光伏发电功率曲线；获取用电系统的信息参数，并将其输入到负荷功率预测模型，输出负荷功率，形成负荷功率曲线；根据光伏发电功率曲线和负荷功率曲线确定峰时间段和谷时间段；选取明显异常的峰时段和谷时段通过模糊算法进行校准操作；根据校准后的峰时段和谷时段对光电组件和储能组件进行优化调度。降低电厂训练优化模型成本，预测模型可以使得多个电厂共用；同时校准过程下放在优化调度组件，使得电厂可以根据自身情况对云端输出的功率值进行校准优化。

Description

一种面向深度调峰的虚拟电厂内光储荷优化调度方法
技术领域
本发明涉及光储荷管理技术领域，尤其涉及一种面向深度调峰的虚拟电厂内光储荷优化调度方法。
背景技术
近几年，光能、风能等新型能源逐步发展，为了满足新型能源充分精准利用的需求，新型能源参与供能过程中优化调度方法具有巨大的需求；特别是虚拟电厂、智能化微电网和智能化微电网群的提出和普及，简单的光伏和储能的配合已经不能满足日益加大的新能源并网的需求；未来电能的供给要求在新型能源参与功能过程中如何有效、高效、准确的进行深度调峰成为现在亟需解决的技术问题。
发明内容
本发明提供了一种面向深度调峰的虚拟电厂内光储荷优化调度系统，包括：
光伏组件、储能组件、用电系统、数据采集组件、优化调度组件、通信组件；
数据采集组件，与光伏组件连接，用于获取光伏组件信息参数，并通过通信组件向云端发送光伏组件信息参数；与用电系统连接，用于获取用电系统信息参数，并通过；与储能组件连接，用于获取储能组件状态；
云端，用于训练光伏组件发电功率模型；还用于获取环境参数，并根据环境参数和光伏组件信息参数通过光伏组件发电功率预测模型输出光伏组件发电功率，并通过通信组件将光伏组件发电功率发送给优化调度组件；还用于训练负荷功率预测模型；还用于用电系统信息参数通过负荷功率预测模型输出负荷功率，并通过通信组件将负荷功率发送给优化调度组件；
通信组件，用于进行数据传输；
具体的，通信组件包括第一通信组件、第二通信组件和第三通信组件；
第一通信组件，用于从数据采集组件向云端进行数据传输；
第二通信组件，用于从云端想优化调度组件进行数据传输；
第三通信组件，用于从数据采集组件向优化调度组件进行数据传输。
优化调度组件，用于根据光伏组件发电功率和负荷功率进行校准操作，并根据校准后的数据确定峰时段和谷时段，进而调度光伏组件和储能组件；
光伏组件,与优化调度组件、用电系统和储能组件连接，用于进行光伏发电，并接受优化调度组件的控制，向用电系统供电和/或向储能组件充电；
光伏组件具体包括太阳能电池板和逆变器。
储能组件，与优化调度组件和用电系统连接，用于进行储能，并接受优化调度组件控制，并向用电系统供电。
储能组件具体包括储能单元和储能变流器。
优选的，所述优化调度系统还包括网络交换机，网络交换机装置，用于为数据采集组件、第一通信组件、第二通信组件和第三通信组件提供数据通信线路接口，数据采集装置、网络交换机装置、第一通信装置、第二通信装置和第三通信装置通过通信线路连接。
本发明还提供一种面向深度调峰的虚拟电厂内光储荷优化调度方法，包括
步骤S1、获取光伏组件的信息参数和环境参数，并将其输入到光伏发电功率预测模型，输出光伏发电功率，形成光伏发电功率曲线；获取用电系统的信息参数，并将其输入到负荷功率预测模型，输出负荷功率，形成负荷功率曲线；
步骤S2、根据光伏发电功率曲线和负荷功率曲线确定峰时间段和谷时间段；
步骤S3、选取明显异常的峰时段和谷时段通过模糊算法进行校准操作；
具体的，步骤S3包括：
步骤B1、获取异常时间段的功率变化值，以及之前预设时间段的功率变化值，以及之后预设时间段的功率变化值，作为输入量；
步骤B2、将输入量进行模糊化；通过预设的模糊算法求解模糊输出；
步骤B3、根据模糊输出计算异常时间段的功率值作为校准后的功率，重新确定峰时段和谷时段；
步骤S4、根据校准后的峰时段和谷时段对光电组件和储能组件进行优化调度。
具体的，步骤S4为：在峰时段，控制光伏组件和储能组件共同向用电系统进行供电；在谷时段，控制光伏组件优先向储能组件进行充电，并保证储能组件处于饱和状态；在其他时段，控制光伏组件优先向用电系统进行供电，剩余电能向储能组件进行充电。
更进一步的，优化调度方法还包括：
从历史数据中获取预设时间段的光伏组件的信息参数、环境参数以及光伏发电功率；并对获取到的数据进行预处理；利用预处理后的数据对预构建的神经网络模型进行训练，得到光伏发电功率预测模型；从历史数据中获取预设时间段的用电系统的信息参数，并对获取到的数据进行预处理；利用预处理后的数据对于构建的神经网络模型进行训练得到负荷功率预测模型。
步骤S4、根据校准后的峰时段和谷时段对光电组件和储能组件进行优化调度。
光伏组件的信息参数为：采光板面积、采光板倾斜角度、光电转换效率、逆变器效率、采光板辐射量、采光板温度等；环境因素为：光谱响应、地理位置、光照时长等因素。
本发明实现的有益效果如下：本发明提供了一种面向深度调峰的虚拟电厂内光储荷优化调度方法及系统，预测模型均设置在云端，降低电厂训练优化模型成本，预测模型可以使得多个电厂共用；同时校准过程下放在优化调度组件，使得电厂可以根据自身情况对云端输出的功率值进行校准优化；本发明还提供了一种优化调度方法，使得峰时段和谷时段确认更加准确，使得调峰更叫高效准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1中为本发明提供的一种面向深度调峰的虚拟电厂内光储荷优化调度系统的结构示意图；
图2中为本发明提供的一种面向深度调峰的虚拟电厂内光储荷优化调度方法的流程图。
具体实施方式
下面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，所描述的实施例是本发明一部分实施例，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，都属于本发明保护的范围。
实施例一
本实施例提供一种面向深度调峰的虚拟电厂内光储荷优化调度系统，如图1所示，包括：光伏组件、储能组件、用电系统、数据采集组件、优化调度组件、通信组件；
数据采集组件与光伏组件、储能组件、用电系统和通信组件均进行连接；
通信组件与云端和优化调度组件进行连接；
用电系统与光伏组件和储能组件进行连接；
优化调度组件与储能组件和光伏组件进行连接；
数据采集组件：与光伏组件连接，用于获取光伏组件的信息参数，并将信息参数通过第一通信组件传输至云端；与用电系统连接，还用于获取用电系统的信息参数，并将所述信息参数通过第一通信组件传输至云端；与储能组件连接，还用于获取储能组件状态，并将信息参数通过第三通信组件传输至优化调度组件；
第一通信组件，用于从数据采集组件向云端进行数据传输；
第二通信组件，用于从云端想优化调度组件进行数据传输；
第三通信组件，用于从数据采集组件向优化调度组件进行数据传输；
网络交换机装置，用于为数据采集组件、第一通信组件、第二通信组件和第三通信组件提供数据通信线路接口，数据采集装置、网络交换机装置、第一通信装置、第二通信装置和第三通信装置通过通信线路连接。
光伏组件，与优化调度组件、用电系统和储能组件连接，用于进行光伏发电，并接受优化调度组件的控制，向用电系统供电和/或向储能组件充电；
光伏组件具体包括太阳能电池板和逆变器，所述太阳能电池板与逆变器连接；
相应的，数据采集组件与所述太阳能电池板连接；
云端，用于获取光伏组件的历史信息参数，并根据历史信息参数构建光伏发电功率预测模型；还用于获取用电系统的历史信息参数，并根据历史信息参数构建负荷功率预测模型；还用于定期优化更新发电功率预测模型和负荷功率预测模型；还用于根据光伏组件的信息参数通过光伏发电功率预测模型输出光伏发电功率预测值，并通过第二通信组件传输至优化调度组件；还用于根据用电系统的信息参数通过负荷功率预测模型输出负荷功率预测值，并通过第二通信组件传输至优化调度组件；
优化调度组件，用于根据所述云端下发的光伏发电功率预测值、负责功率预测值以及数采集组件采集的储能组件的信息参数控制光伏组件和储能组件，使得光伏组件和用电系统的功率交换达到平衡；
储能组件，与优化调度组件连接，用于接受优化调度组件的控制进行储能；
储能组件具体包括：储能单元和储能变流器，储能单元和储能变流器连接；
用电系统。
本实施例还提供一种优化调度方法，如图2所示，包括：
步骤S1、获取光伏组件的信息参数和环境参数，并将其输入到光伏发电功率预测模型，输出光伏发电功率，形成光伏发电功率曲线；获取用电系统的信息参数，并将其输入到负荷功率预测模型，输出负荷功率，形成负荷功率曲线；
步骤S1之前还包括：
步骤A1、从历史数据中获取预设时间段的光伏组件的信息参数、环境参数以及光伏发电功率；并对获取到的数据进行预处理；利用预处理后的数据，对预构建的神经网络模型进行训练，得到光伏发电功率预测模型；
所述环境参数通过联网获取；
所述光伏组件的信息参数为：采光板面积、采光板倾斜角度、光电转换效率、逆变器效率、采光板辐射量、采光板温度等；
环境因素为：光谱响应、地理位置、光照时长等因素；
具体的，对预设时间段的光伏组件的信息参数、环境因数进行清洗，获取清洗后的数据；利用前值法对清洗后的数据进行补全，将补全后的数据进行格式转换作为预处理后的数据。按照预设规则将预处理后的数据进行划分，获取训练集和测试集；利用训练集对预构建的神经网络模型进行训练，获取经过训练后的神经网络模型；利用测试集对经过训练后的神经网络模型进行测试，确定测试结果；并验证测试结果的误差，当误差小于预设阈值时，确定经过训练后的神经网络模型为最优神经网络模型，作为光伏发电功率预测模型。
进一步地，光伏发电功率预测模型为长短期记忆网络(Long Short-Term Memory，简称LSTM)模型。
步骤A2、从历史数据中获取预设时间段的用电系统的信息参数，并对获取到的数据进行预处理；利用预处理后的数据对于构建的神经网络模型进行训练得到负荷功率预测模型；
步骤S2、根据光伏发电功率曲线和负荷功率曲线确定峰时间段和谷时间段；
步骤S3、选取明显异常的峰时段和谷时段通过模糊算法进行校准操作；
具体的，由于光伏发电发电功率受到光伏组件的信息参数以及环境参数等因素的影响，而发生改变，进而影响到峰时间段和谷时间段的确定。为了调峰削谷时间段选取的准确性，首先根据经验规则，选择可能明显错误的峰时间段和谷时间段指定模糊算法。
以下为例进行说明：制定模糊算法的过程为：选择模糊算法输入量和输出量：选择异常峰时间段是之前预设之间的功率变化ΔPf，异常峰时间段的功率变化ΔP以及异常峰时间段之后预设时间内的功率变化ΔPh为输入量，矫正后峰时间段的功率变化值ΔP'模糊输出。具体的，本实施例根据经验制定模糊规则if F and M and H thenM'；相应的，模糊关系R＝F×M×H×M'；模糊输出u＝[ΔPf,ΔP，ΔPh]R；通过解模糊运算求取确定的输出，本发明采用系数加权平均法解模糊求输出量：ΔP'＝∑ki·ΔPi/∑ki。
校准操作具体为：利用模糊算法判断光伏发电功率曲线中的峰时间段和谷时间段是真实的还是由于干扰因素产生的。
校准过程如下：
步骤B1、获取当前时间段的功率变化值，之前预设时间段的功率变化值以及之后预设时间段的功率变化值，作为输入量；
步骤B2、将输入量进行模糊化；通过预设的模糊算法求解模糊输出；
具体的，将输入量分别划分为5个模糊集，隶属度函数为三角形函数，输出量划分为3个模糊集，隶属度函数为梯形函数。
步骤B3、根据模糊输出计算异常时间段的功率值作为校准后的功率，重新确定峰时段和谷时段；
具体的，将异常时间段起始点的功率值与功率变化值ΔP'的和作为异常时段的功率值；
步骤S4、根据校准后的峰时段和谷时段对光电组件和储能组件进行优化调度。
具体的，在峰时段，优化调度组件控制光伏组件和储能组件共同向用电系统进行供电；在谷时段，优化调度组件控制光伏组件优先向储能组件进行充电，并保证储能组件处于饱和状态；
在其他时段，优化调度组件控制光伏组件优先向用电系统进行供电，剩余电能向储能组件进行充电。
与上述实施例相对应的，本发明实施例还提供了一种与上述实施例相对应的，一种面向深度调峰的虚拟电厂内光储荷优化调度装置，该系统包括：处理器和存储器；
存储器，用于存储一个或多个程序指令；
处理器，用于运行一个或多个程序指令，用以执行如上实施例所介绍的一种面向深度调峰的虚拟电厂内光储荷优化调度方法的任一方法步骤。
与上述实施例相对应的，本发明实施例还提供了一种计算机存储介质，该计算机存储介质中包含一个或多个程序指令。其中，一个或多个程序指令执行如上所介绍的一种面向深度调峰的虚拟电厂内光储荷优化调度方法。
在本发明实施例中，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific工ntegrated Circuit，简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
其中，非易失性存储器可以是只读存储器(Read-Only Memory，简称ROM)、可编程只读存储器(Programmable ROM，简称PROM)、可擦除可编程只读存储器(Erasable PROM，简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM，简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，简称SRAM)、动态随机存取存储器(Dynamic RAM，简称DRAM)、同步动态随机存取存储器(Synchronous DRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM，简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本实施例提供了一种面向深度调峰的虚拟电厂内光储荷优化调度方法及系统，预测模型均设置在云端，降低电厂训练优化模型成本，预测模型可以使得多个电厂共用；同时校准过程下放在优化调度组件，使得电厂可以根据自身情况对云端输出的功率值进行校准优化；本发明还提供了一种优化调度方法，使得峰时段和谷时段确认更加准确，使得调峰更叫高效准确。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (10)

1.一种面向深度调峰的虚拟电厂内光储荷优化调度系统，其特征在于，包括：光伏组件、储能组件、用电系统、数据采集组件、优化调度组件、通信组件；
数据采集组件，与光伏组件连接，用于获取光伏组件信息参数，并通过通信组件向云端发送光伏组件信息参数；与用电系统连接，用于获取用电系统信息参数，并通过；与储能组件连接，用于获取储能组件状态；
云端，用于训练光伏组件发电功率模型；还用于获取环境参数，并根据环境参数和光伏组件信息参数通过光伏组件发电功率预测模型输出光伏组件发电功率，并通过通信组件将光伏组件发电功率发送给优化调度组件；还用于训练负荷功率预测模型；还用于用电系统信息参数通过负荷功率预测模型输出负荷功率，并通过通信组件将负荷功率发送给优化调度组件；
通信组件，用于进行数据传输；
优化调度组件，用于根据光伏组件发电功率和负荷功率进行校准操作，并根据校准后的数据确定峰时段和谷时段，进而调度光伏组件和储能组件；
光伏组件,与优化调度组件、用电系统和储能组件连接，用于进行光伏发电，并接受优化调度组件的控制，向用电系统供电和/或向储能组件充电；
储能组件，与优化调度组件和用电系统连接，用于进行储能，并接受优化调度组件控制，并向用电系统供电。
2.如权利要求1所述的优化调度系统，其特征在于，所述通信组件具体包括第一通信组件、第二通信组件和第三通信组件；
第一通信组件，用于从数据采集组件向云端进行数据传输；
第二通信组件，用于从云端想优化调度组件进行数据传输；
第三通信组件，用于从数据采集组件向优化调度组件进行数据传输。
3.如权利要求1所述的优化调度系统，其特征在于，还包括网络交换机，网络交换机装置，用于为数据采集组件、第一通信组件、第二通信组件和第三通信组件提供数据通信线路接口，数据采集装置、网络交换机装置、第一通信装置、第二通信装置和第三通信装置通过通信线路连接。
4.一种面向深度调峰的虚拟电厂内光储荷优化调度方法，其特征在于，
步骤S1、获取光伏组件的信息参数和环境参数，并将其输入到光伏发电功率预测模型，输出光伏发电功率，形成光伏发电功率曲线；获取用电系统的信息参数，并将其输入到负荷功率预测模型，输出负荷功率，形成负荷功率曲线；
步骤S2、根据光伏发电功率曲线和负荷功率曲线确定峰时间段和谷时间段；
步骤S3、选取明显异常的峰时段和谷时段通过模糊算法进行校准操作；
步骤S4、根据校准后的峰时段和谷时段对光电组件和储能组件进行优化调度。
5.如权利要求4所述的优化调度方法，其特征在于，还包括：
从历史数据中获取预设时间段的光伏组件的信息参数、环境参数以及光伏发电功率；并对获取到的数据进行预处理；利用预处理后的数据对预构建的神经网络模型进行训练，得到光伏发电功率预测模型；从历史数据中获取预设时间段的用电系统的信息参数，并对获取到的数据进行预处理；利用预处理后的数据对于构建的神经网络模型进行训练得到负荷功率预测模型。
6.如权利要求4所述的优化调度方法，其特征在于，步骤S3具体包括：
步骤B1、获取异常时间段的功率变化值，以及之前预设时间段的功率变化值，以及之后预设时间段的功率变化值，作为输入量；
步骤B2、将输入量进行模糊化；通过预设的模糊算法求解模糊输出；
步骤B3、根据模糊输出计算异常时间段的功率值作为校准后的功率，重新确定峰时段和谷时段。
7.如权利要求4所述的优化调度方法，其特征在于，所述步骤S4为：在峰时段，控制光伏组件和储能组件共同向用电系统进行供电；在谷时段，控制光伏组件优先向储能组件进行充电，并保证储能组件处于饱和状态；在其他时段，控制光伏组件优先向用电系统进行供电，剩余电能向储能组件进行充电。
8.如权利要求4所述的优化调度方法，其特征在于，所述光伏组件的信息参数为：采光板面积、采光板倾斜角度、光电转换效率、逆变器效率、采光板辐射量、采光板温度等；环境因素为：光谱响应、地理位置、光照时长因素。
9.一种面向深度调峰的虚拟电厂内光储荷优化调度的装置，其特征在于，所述系统包括：处理器和存储器；
所述存储器用于存储一个或多个程序指令；
所述处理器，用于运行一个或多个程序指令，用以执行如权利要求4-8任一项所述的方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如权利要求4-8任一项所述的方法。
CN202211210119.2A 2022-09-30 2022-09-30 一种面向深度调峰的虚拟电厂内光储荷优化调度方法 Pending CN115564108A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211210119.2A CN115564108A (zh) 2022-09-30 2022-09-30 一种面向深度调峰的虚拟电厂内光储荷优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211210119.2A CN115564108A (zh) 2022-09-30 2022-09-30 一种面向深度调峰的虚拟电厂内光储荷优化调度方法

Publications (1)

Publication Number Publication Date
CN115564108A true CN115564108A (zh) 2023-01-03

Family

ID=84743893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211210119.2A Pending CN115564108A (zh) 2022-09-30 2022-09-30 一种面向深度调峰的虚拟电厂内光储荷优化调度方法

Country Status (1)

Country Link
CN (1) CN115564108A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115967111A (zh) * 2023-03-16 2023-04-14 国网山东省电力公司东营市河口区供电公司 基于储能双向变流器的储能变流系统及方法
CN116579591A (zh) * 2023-07-13 2023-08-11 山西景骏建筑工程有限公司 一种基于功率预测的建筑光伏安装管理方法及系统
CN117498467A (zh) * 2024-01-02 2024-02-02 国网浙江省电力有限公司宁波供电公司 一种基于多层级虚拟电厂的能量协调控制分配方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115967111A (zh) * 2023-03-16 2023-04-14 国网山东省电力公司东营市河口区供电公司 基于储能双向变流器的储能变流系统及方法
CN115967111B (zh) * 2023-03-16 2023-06-30 国网山东省电力公司东营市河口区供电公司 基于储能双向变流器的储能变流系统及方法
CN116579591A (zh) * 2023-07-13 2023-08-11 山西景骏建筑工程有限公司 一种基于功率预测的建筑光伏安装管理方法及系统
CN116579591B (zh) * 2023-07-13 2023-09-29 山西景骏建筑工程有限公司 一种基于功率预测的建筑光伏安装管理方法及系统
CN117498467A (zh) * 2024-01-02 2024-02-02 国网浙江省电力有限公司宁波供电公司 一种基于多层级虚拟电厂的能量协调控制分配方法及系统
CN117498467B (zh) * 2024-01-02 2024-05-03 国网浙江省电力有限公司宁波供电公司 一种基于多层级虚拟电厂的能量协调控制分配方法及系统

Similar Documents

Publication Publication Date Title
US11537091B2 (en) Multi-scale optimization framework for smart energy systems
CN115564108A (zh) 一种面向深度调峰的虚拟电厂内光储荷优化调度方法
Sachs et al. A two-stage model predictive control strategy for economic diesel-PV-battery island microgrid operation in rural areas
US10901476B2 (en) Method for predicting power demand and controlling ESS charge/discharge based on the predicted demand, and apparatus using the same
Junior et al. On the use of maximum likelihood and input data similarity to obtain prediction intervals for forecasts of photovoltaic power generation
CN115693757A (zh) 一种基于数字孪生技术的光伏能源优化调控方法
CN112381375B (zh) 一种基于潮流分配矩阵的电网经济运行域快速生成方法
CN115425680B (zh) 一种多能源联合发电系统的功率预测模型构建及预测方法
CN109767033A (zh) 光伏电的调度方法、装置、计算机设备和存储介质
CN115912351A (zh) 光伏日内日前模型预测方法、系统、设备及介质
Liu et al. Evolution towards dispatchable PV using forecasting, storage, and curtailment: A review
CN115600793A (zh) 面向源网荷储一体化园区的协同控制方法及系统
CN113410874B (zh) 基于虚拟电厂调峰辅助服务的负荷资源优化控制方法
WO2020014006A1 (en) Dynamic photovoltaic curtailment for electrical power distribution
EP3955202A1 (en) Equipment, system and method for optimally managing energy in a network for domestic and industrial use
JP2020039222A (ja) 電力需給制御装置、電力需給制御システムおよび電力需給制御方法
Kirchsteiger et al. Cost-optimal Control of Photovoltaic Systems with Battery Storage under Variable Electricity Tariffs.
US11824363B2 (en) Methods and systems for smoothing output of a solar energy system
KR102467537B1 (ko) 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법
CN116683508A (zh) 一种目标对象储能容量的确定方法、装置及电子设备
US20240088655A1 (en) Methods and systems for controlling a chp device in a microgrid
CN112529257B (zh) 一种计及agc信号影响的储能电站联合优化方法及系统
Graham Control of Residential Battery Charge Scheduling using Machine Learning
WO2017102732A1 (fr) Conception et pilotage d'un systeme de production energetique mixte
CN117748514A (zh) 一种基于交互式模仿学习的微电网能源管理实时调度方法

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