CN115864461A - 一种电力储能系统的控制方法 - Google Patents
一种电力储能系统的控制方法 Download PDFInfo
- Publication number
- CN115864461A CN115864461A CN202211588553.4A CN202211588553A CN115864461A CN 115864461 A CN115864461 A CN 115864461A CN 202211588553 A CN202211588553 A CN 202211588553A CN 115864461 A CN115864461 A CN 115864461A
- Authority
- CN
- China
- Prior art keywords
- power
- utilization
- energy storage
- power utilization
- electricity
- 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
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电力储能系统的控制方法,属于电力管理技术领域,标定电力储能系统的辐射范围,获得辐射分析区域;识别辐射分析区域内具有的用电用户,将识别的用电用户进行分类,获得若干个用电分类数据;根据获得的用电分类数据设置各用电分类的权重;实时获取具有的优化策略,计算各优化策略的优化值,根据计算的优化值进行各优化策略的动态排序;将获得的动态排序实时的向对应管理人员进行显示,并根据管理员决策进行电力储能系统的储能调整;通过综合分析辐射分析区域内的实际情况,实现智能推荐对应的优化策略,进行原电力储能系统的储能调整,降低储能次数,同时进行相应的削峰填谷,提高电网的电能质量。
Description
技术领域
本发明属于电力管理技术领域,具体是一种电力储能系统的控制方法。
背景技术
在整个供电系统中,发电端在每时每刻的发电量是稳定和持续的,而用电端的用电量却是变化的,每天会有多次的明显的波峰波谷,发电端一般是以用电端的波峰值为其发电值,从而保证用电充足,但是会造成在用电波谷时供电量大于用电量,并且因为发电成本远大于储电成本,所以大量的电能会被放弃。目前储能系统正逐渐成为电网接入以及智能电网建设中的关键装置,但是当前的储能系统需要根据需要经常需要进行储能和发电,随着次数的增多,将浪费大量的电能,且具有一定的安全隐患,因此,如何降低储能系统的储能次数,对储能系统具有积极效果,因此本发明提供了一种电力储能系统的控制方法。
发明内容
为了解决上述方案存在的问题,本发明提供了一种电力储能系统的控制方法。
本发明的目的可以通过以下技术方案实现:
一种电力储能系统的控制方法,具体步骤包括:
步骤一:标定电力储能系统的辐射范围,获得辐射分析区域;
步骤二:识别辐射分析区域内具有的用电用户,将识别的用电用户进行分类,获得若干个用电分类数据;
步骤三:根据获得的用电分类数据设置各用电分类的权重;
步骤四:实时获取具有的优化策略,计算各优化策略的优化值,根据计算的优化值进行各优化策略的动态排序;
步骤五:将获得的动态排序实时的向对应管理人员进行显示,并根据管理员决策进行电力储能系统的储能调整。
进一步地,将识别的用电用户进行分类的方法包括:
设置具有的用电分类,每个用电分类包括对应的用户用电特征范围,根据各用电用户的历史用电数据分析用户对应的用电特征,根据获得的用电特征与各用电分类对应的用户用电特征范围进行匹配,获得对应的用电分类数据。
进一步地,根据获得的用电分类数据设置各用电分类的权重的方法包括:
根据历史辐射分析区域的用电数据确定用电高峰时段和用电低谷时段,将用电分类标记为i,其中i=1、2、……、n,n为正整数;识别各用电分类在用电高峰时段和用电低谷时段的用电量,分别标记为YDci和YDvi,获取各用电分类对应的修正系数βi,根据高峰权重公式和低谷权重公式分别计算对应的高峰权重和低谷权重。
进一步地,计算各优化策略的优化值的方法包括:
评估各优化策略对各用电分类的用电高峰时段和用电低谷时段的优化调度量,获得高峰调度量和低谷调度量,分别标记为GFX和DGX,根据公式YH=b1×GFX+b2×DGX计算对应的优化值,其中b1、b2均为比例系数,取值范围为0<b1≤1,0<b2≤1。
与现有技术相比,本发明的有益效果是:
通过综合分析辐射分析区域内的实际情况,实现智能推荐对应的优化策略,根据优化策略评估对应的期望电量,进而进行原电力储能系统的储能调整,降低储能次数,同时进行相应的削峰填谷,提高电网的电能质量。
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的介绍,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为本发明方法流程图。
具体实施方式
下面将结合实施例对本发明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,都属于本发明保护的范围。
如图1所示,一种电力储能系统的控制方法,具体步骤包括:
步骤一:标定电力储能系统的辐射范围,获得辐射分析区域;
辐射分析区域即为应用电力储能系统并网电能的用电区域,就是根据该区域的用电高峰期或用电低谷期进行放电或储能,具体的根据实际情况进行辐射范围的确认,或者直接通过人工的方式进行辐射分析区域的划分。
步骤二:识别辐射分析区域内具有的用电用户,将识别的用电用户进行分类,获得若干个用电分类数据;
用电用户包括居民用户、企业用户、商铺用户、工厂用户等。
用电分类数据为各个用电分类对应的数据,包括用电分类内的用户数据,如各时段的用电量、用户数量等通过现有技术可以获取的数据。
将识别的用电用户进行分类的方法包括:
设置具有的用电分类,用电分类是通过对应的专家组根据各个用户的用电习惯设置几个具有代表性的分类,根据对应精度的要求设置用电分类的数量,如追求的精度高,则用电分类更加细分,例如对于工业企业,不同生产类型的工业企业在用电特征上也是不相同的,因此可以再次细分,但是一般分为居民用电、商业用电和工业用电;每个用电分类包括对应的用户用电特征范围,在进行用电分类设置时进行同步设置用户用电特征范围;根据各用电用户的历史用电数据分析用户对应的用电特征,根据获得的用电特征与各用电分类对应的用户用电特征范围进行匹配,获得对应的用电分类数据。
根据各用电用户的历史用电数据分析用户对应的用电特征的方法为:基于CNN网络或DNN网络建立对应的用电特征分析模型,通过人工的方式建立对应的训练集进行训练,训练集即为用户历史用电数据以及对应设置的用电特征,如用电量、用电时间分布等,通过训练成功后的用电特征分析模型对用户的历史用电数据进行分析,指的是距离当前一段时间内的历史用电数据,获得对应的用电特征。
步骤三:根据获得的用电分类数据设置各用电分类的权重;
根据获得的用电分类数据设置各用电分类的权重的方法包括:
根据历史辐射分析区域的用电数据确定用电高峰时段和用电低谷时段,将用电分类标记为i,其中i=1、2、……、n,n为正整数;识别各用电分类在用电高峰时段和用电低谷时段的用电量,分别标记为YDci和YDvi,YDci表示用电高峰时段各用电分类对应的用电数据;获取各用电分类对应的修正系数βi,根据高峰权重公式和低谷权重公式分别计算对应的高峰权重和低谷权重。
修正系数是在设置用电分类以及对应的户用电特征范围时,通过人工的方式同步设置的,主要根据对应用电分类的可引导性进行设置的,如实施等效的削峰填谷策略,不同的用电分类所产生的引导效果差别较大,如对于居民用户来说,因为庞大的用户群体和费用,导致具有极大的差异性,且产生的效果会有较大的折扣,对于某些工业企业来说,因为费用效益具有较大的引导作用,因此设置对应的修正系数。
步骤四:实时获取具有的优化策略,计算各优化策略的优化值,根据计算的优化值进行各优化策略的动态排序;按照从大到小的顺序进行排序,并显示对应的优化值。
优化策略即为进行削峰填谷策略,如各种分时电价调整策略,可以对接对应的管理系统,或者基于大数据分析,实时获取对应具有的优化策略,具体优化策略设计非本发明创造点。
计算各优化策略的优化值的方法包括:
评估各优化策略对各用电分类的用电高峰时段和用电低谷时段的优化调度量,获得高峰调度量和低谷调度量,分别标记为GFX和DGX,根据公式YH=b1×GFX+b2×DGX计算对应的优化值,其中b1、b2均为比例系数,取值范围为0<b1≤1,0<b2≤1,主要根据电力储能系统的储能方式由专家组进行设置。
评估各优化策略对各用电分类的用电高峰时段和用电低谷时段的优化调度量的方法为:获取各用电分类在用电高峰时段和用电低谷时段的高峰权重和低谷权重,根据各优化策略面向的用电分类以及对应的高峰权重和低谷权重,判断对应的高峰调度量和低谷调度量,具体的基于CNN网络或DNN网络建立对应的策略分析模型,通过人工的方式设置对应的训练集进行训练,通过训练成功后的策略分析模型进行分析,获得对应的高峰调度量和低谷调度量,因为神经网络为本领域现有技术,因此具体的建立和训练过程不进行详细叙述。
步骤五:将获得的动态排序实时的向对应管理人员进行显示,并根据管理员决策进行电力储能系统的储能调整。
管理员决策即为是否应用对应的优化策略,应用的是哪个优化策略,根据对应应用的优化策略获得各时段的期望用电量变动,进而进行对应的发电和储能的调整,实现尽可能的降低发电和储能的频次,进而降低并网影响。
本发明的工作原理:标定电力储能系统的辐射范围,获得辐射分析区域;设置具有的用电分类,每个用电分类包括对应的用户用电特征范围,根据各用电用户的历史用电数据分析用户对应的用电特征,根据获得的用电特征与各用电分类对应的用户用电特征范围进行匹配,获得对应的用电分类数据;将识别的用电用户进行分类,获得若干个用电分类数据;根据历史辐射分析区域的用电数据确定用电高峰时段和用电低谷时段,识别各用电分类在用电高峰时段和用电低谷时段的用电量,获取各用电分类对应的修正系数,根据高峰权重公式和低谷权重公式分别计算对应的高峰权重和低谷权重;实时获取具有的优化策略,计算各优化策略的优化值,根据计算的优化值进行各优化策略的动态排序;将获得的动态排序实时的向对应管理人员进行显示,并根据管理员决策进行电力储能系统的储能调整。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (6)
1.一种电力储能系统的控制方法,其特征在于,具体步骤包括:
步骤一:标定电力储能系统的辐射范围,获得辐射分析区域;
步骤二:识别辐射分析区域内具有的用电用户,将识别的用电用户进行分类,获得若干个用电分类数据;
步骤三:根据获得的用电分类数据设置各用电分类的权重;
步骤四:实时获取具有的优化策略,计算各优化策略的优化值,根据计算的优化值进行各优化策略的动态排序;
步骤五:将获得的动态排序实时的向对应管理人员进行显示,并根据管理员决策进行电力储能系统的储能调整。
2.根据权利要求1所述的一种电力储能系统的控制方法,其特征在于,将识别的用电用户进行分类的方法包括:
设置具有的用电分类,每个用电分类包括对应的用户用电特征范围,根据各用电用户的历史用电数据分析用户对应的用电特征,根据获得的用电特征与各用电分类对应的用户用电特征范围进行匹配,获得对应的用电分类数据。
3.根据权利要求1所述的一种电力储能系统的控制方法,其特征在于,根据获得的用电分类数据设置各用电分类的权重的方法包括:
根据历史辐射分析区域的用电数据确定用电高峰时段和用电低谷时段,将用电分类标记为i,其中i=1、2、……、n,n为正整数;识别各用电分类在用电高峰时段和用电低谷时段的用电量,分别标记为YDci和YDvi,获取各用电分类对应的修正系数βi,根据高峰权重公式和低谷权重公式分别计算对应的高峰权重和低谷权重。
6.根据权利要求1所述的一种电力储能系统的控制方法,其特征在于,计算各优化策略的优化值的方法包括:
评估各优化策略对各用电分类的用电高峰时段和用电低谷时段的优化调度量,获得高峰调度量和低谷调度量,分别标记为GFX和DGX,根据公式YH=b1×GFX+b2×DGX计算对应的优化值,其中b1、b2均为比例系数,取值范围为0<b1≤1,0<b2≤1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211588553.4A CN115864461A (zh) | 2022-12-09 | 2022-12-09 | 一种电力储能系统的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211588553.4A CN115864461A (zh) | 2022-12-09 | 2022-12-09 | 一种电力储能系统的控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115864461A true CN115864461A (zh) | 2023-03-28 |
Family
ID=85672061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211588553.4A Pending CN115864461A (zh) | 2022-12-09 | 2022-12-09 | 一种电力储能系统的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115864461A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117522061A (zh) * | 2023-11-23 | 2024-02-06 | 国网冀北电力有限公司秦皇岛供电公司 | 一种基于多源数据融合的储能配置优化方法 |
-
2022
- 2022-12-09 CN CN202211588553.4A patent/CN115864461A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117522061A (zh) * | 2023-11-23 | 2024-02-06 | 国网冀北电力有限公司秦皇岛供电公司 | 一种基于多源数据融合的储能配置优化方法 |
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 | |
CN110474339B (zh) | 一种基于深度发电负荷预测的电网无功控制方法 | |
CN102999791A (zh) | 一种电力行业中基于客户分群的电力负荷预测方法 | |
CN111340299B (zh) | 一种微电网多目标优化调度方法 | |
CN110675275B (zh) | 一种虚拟电厂的需求侧响应用电负荷调控方法及系统 | |
CN112183849A (zh) | 一种基于人工神经网络的短期电力电量预测方法 | |
CN109978242A (zh) | 基于统计升尺度的光伏发电集群功率预测方法及装置 | |
CN110011358B (zh) | 一种配电网负荷状态调节控制器 | |
CN106485093A (zh) | 基于改进马尔可夫链的太阳辐照度时间序列合成方法 | |
CN114372360A (zh) | 用于电力负荷预测的方法、终端及存储介质 | |
CN111062506A (zh) | 一种基于用户行为的分时电价时段划分和价格制定方法 | |
CN115860978A (zh) | 基于分布式光伏电站发电量的多用户分摊电费计量方法 | |
CN112508325A (zh) | 一种家庭微电网多时间尺度电能调度方法 | |
CN115864461A (zh) | 一种电力储能系统的控制方法 | |
Mayer et al. | Probabilistic modeling of future electricity systems with high renewable energy penetration using machine learning | |
CN104915727A (zh) | 多维度同构异质bp神经网络光功率超短期预测方法 | |
CN113222245A (zh) | 居民用户月度电量电费异常核查方法及系统、存储介质 | |
CN115564180B (zh) | 一种基于大数据分析的电力网络可靠性评估方法 | |
CN109767037A (zh) | 一种夏季日最大负荷的预测方法 | |
CN116050636A (zh) | 光伏电站的出力预测方法、装置、设备及介质 | |
CN116054270A (zh) | 电网调度优化方法、装置和非易失性存储介质 | |
CN108695848A (zh) | 主动配电网运行时序仿真方法 | |
CN104091041A (zh) | 基于高阶矩的发电功率估算方法和系统 | |
CN112330017A (zh) | 电力负荷预测方法、装置、电子设备和存储介质 | |
CN111079966B (zh) | 一种广义负荷空间预测方法和系统 |
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 |