CN116632875A - 一种用于配电网的混合储能规划方法及系统 - Google Patents
一种用于配电网的混合储能规划方法及系统 Download PDFInfo
- Publication number
- CN116632875A CN116632875A CN202310686440.6A CN202310686440A CN116632875A CN 116632875 A CN116632875 A CN 116632875A CN 202310686440 A CN202310686440 A CN 202310686440A CN 116632875 A CN116632875 A CN 116632875A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- target
- power generation
- historical
- preset
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 217
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000005611 electricity Effects 0.000 claims abstract description 209
- 238000010248 power generation Methods 0.000 claims abstract description 160
- 238000012549 training Methods 0.000 claims description 24
- 238000012795 verification Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000002035 prolonged effect Effects 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
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
- 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
- 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
- H02J3/28—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
- 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]
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本申请涉及智能微电网技术领域,提供了一种用于配电网的混合储能规划方法及系统,包括:获得目标区域的储能设备信息;进行设备特征采集,获得多个储能设备特征;获得预设储能规划时间窗口内的预测总发电量;获得目标用电特征;根据目标用电特征确定预设储能规划时间窗口内的目标需求电量;将预测总发电量和目标需求电量进行比对,并根据比对结果进行用电时段标识,获得用电标识结果;根据用电标识结果调用预设储能规划方案进行储能规划执行。能够解决混合储能规划不合理导致配电网供电质量较差的问题,可以提高混合储能规划的科学性和合理性,同时也可以提高储能装置的使用寿命。
Description
技术领域
本申请涉及智能微电网技术领域,具体涉及一种用于配电网的混合储能规划方法及系统。
背景技术
新能源发电装机容量将持续增长,在以新能源为主体的新型电力系统中,电网对于新能源的标准越来越高,新能源发电的接入导致电网频率稳定性变差,通过增加储能装置可以提高电网频率的稳定性。目前储能系统在规划过程中,并没有根据区域用电需求进行合理规划,导致区域电网供电质量较差,影响了区域居民的日常生活。
综上所述,现有技术中存在混合储能规划不合理导致配电网供电质量较差的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种用于配电网的混合储能规划方法及系统。
一种用于配电网的混合储能规划方法,所述方法包括:获得目标区域的储能设备信息,所述储能设备信息包含多个储能设备;对多个所述储能设备进行设备特征采集,获得多个储能设备特征;基于所述目标区域的历史发电信息获得预设储能规划时间窗口内的预测总发电量;获取所述目标区域的历史用电记录数据,并对所述历史用电记录数据进行用电特征分析,获得目标用电特征;根据所述目标用电特征确定所述预设储能规划时间窗口内的目标需求电量;将所述预测总发电量和所述目标需求电量进行比对,并根据比对结果进行用电时段标识,获得用电标识结果,其中所述用电标识结果包括高峰用电、正常用电和低谷用电;根据所述用电标识结果调用预设储能规划方案进行储能规划执行。
在一个实施例中,所述基于所述目标区域的历史发电信息获得预设储能规划时间窗口内的预测总发电量,还包括:获取所述预设储能规划时间窗口;根据所述预设储能规划时间窗口对所述历史发电信息进行提取,获得第一历史发电信息,所述第一历史发电信息包括第一历史天气信息、第一历史发电设备运行数量和第一历史实际发电量;基于所述第一历史发电设备运行数量和第一历史实际发电量获得历史发电设备发电平均量;将所述第一历史天气信息和所述历史发电设备发电平均量作为训练数据,训练得到发电量预测模型;获得所述预设储能规划时间窗口内的实时天气信息和发电设备运行数量;将所述实时天气信息输入所述发电量预测模型,输出设备预测发电平均量;基于所述发电设备运行数量和所述设备预测发电平均量获得所述预测总发电量。
在一个实施例中,还包括:基于BP神经网络,构建发电量预测模型;基于所述第一历史天气信息和所述历史发电设备发电平均量构建样本数据集;按照预设数据划分比例对所述样本数据集进行数据划分,获得样本训练集和样本验证集;通过所述样本训练集对所述发电量预测模型进行监督训练,通过样本验证集对所述发电量预测模型进行验证,获得所述发电量预测模型。
在一个实施例中,所述获取所述目标区域的历史用电记录数据,并对所述历史用电记录数据进行用电特征分析,还包括:将所述目标区域划分为多个目标子区域;根据所述预设储能规划时间窗口获得多个所述目标子区域的历史用电记录数据;获取预设单位时间,根据所述预设单位时间对多个所述目标子区域的历史用电记录数据进行用电量提取,获得多个预设单位时间的用电量信息集合;将多个所述用电量信息集合按照时间顺序进行排列,构建多个所述目标子区域的用电信息折线图;基于多个所述用电信息折线图进行高峰用电、正常用电和低谷用电划分,获得多个所述目标子区域的高峰用电时间段和对应的用电量、正常用电时间段和对应的用电量、低谷用电时间段和对应的用电量。
在一个实施例中,所述根据所述目标用电特征确定所述预设储能规划时间窗口内的目标需求电量,还包括:根据所述目标用电特征对所述预设储能规划时间窗口内的多个所述目标子区域的需求电量进行预测,获得多个所述目标子区域的需求电量;基于多个所述目标子区域的需求电量获得所述目标需求电量。
在一个实施例中,还包括:所述预设储能规划方案包括预设削峰方案和预设填谷方案;当所述用电标识结果为高峰用电时,调取所述预设削峰方案对盈余电能进行存储;当所述用电标识结果为低谷用电时,调取所述预设填谷方案对超负荷电能进行补偿。
在一个实施例中,还包括:当所述预测总发电量大于目标需求电量时,计算得出盈余电能;提取所述目标需求电量中多个目标子区域的需求电量,获得第一目标子区域需求电量与所述目标需求电量的第一占比;根据所述第一占比与所述盈余电能获得所述第一目标子区域的目标总储能量;基于所述第一目标子区域的储能设备特征和所述目标总储能量获得所述第一目标子区域的目标储能规划;根据所述目标储能规划获得所述预设填谷方案。
一种用于配电网的混合储能规划系统,包括:
储能设备信息获得模块,所述储能设备信息获得模块用于获得目标区域的储能设备信息,所述储能设备信息包含多个储能设备;
储能设备特征获得模块,所述储能设备特征获得模块用于对多个所述储能设备进行设备特征采集,获得多个储能设备特征;
预测总发电量获得模块,所述预测总发电量获得模块用于基于所述目标区域的历史发电信息获得预设储能规划时间窗口内的预测总发电量;
目标用电特征获得模块,所述目标用电特征获得模块用于获取所述目标区域的历史用电记录数据,并对所述历史用电记录数据进行用电特征分析,获得目标用电特征;
目标需求电量确定模块,所述目标需求电量确定模块用于根据所述目标用电特征确定所述预设储能规划时间窗口内的目标需求电量;
用电标识结果获得模块,所述用电标识结果获得模块用于将所述预测总发电量和所述目标需求电量进行比对,并根据比对结果进行用电时段标识,获得用电标识结果,其中所述用电标识结果包括高峰用电、正常用电和低谷用电;
储能规划执行模块,所述储能规划执行模块用于根据所述用电标识结果调用预设储能规划方案进行储能规划执行。
上述一种用于配电网的混合储能规划方法及系统,能够解决混合储能规划不合理导致配电网供电质量较差的问题,通过获得目标区域的储能设备信息,所述储能设备信息包含多个储能设备;对多个所述储能设备进行设备特征采集,获得多个储能设备特征;基于所述目标区域的历史发电信息获得预设储能规划时间窗口内的预测总发电量;获取所述目标区域的历史用电记录数据,并对所述历史用电记录数据进行用电特征分析,获得目标用电特征;根据所述目标用电特征确定所述预设储能规划时间窗口内的目标需求电量;将所述预测总发电量和所述目标需求电量进行比对,并根据比对结果进行用电时段标识,获得用电标识结果,其中所述用电标识结果包括高峰用电、正常用电和低谷用电;根据所述用电标识结果调用预设储能规划方案进行储能规划执行。可以提高混合储能规划的科学性和合理性,同时也可以提高储能装置的使用寿命决。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请提供了一种用于配电网的混合储能规划方法的流程示意图;
图2为本申请提供了一种用于配电网的混合储能规划方法中获得预测总发电量的流程示意图;
图3为本申请提供了一种用于配电网的混合储能规划方法中获得预设储能规划方案的流程示意图;
图4为本申请提供了一种用于配电网的混合储能规划系统的结构示意图。
附图标记说明:储能设备信息获得模块1、储能设备特征获得模块2、预测总发电量获得模块3、目标用电特征获得模块4、目标需求电量确定模块5、用电标识结果获得模块6、储能规划执行模块7。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供了一种用于配电网的混合储能规划方法,所述方法包括:
步骤S100:获得目标区域的储能设备信息,所述储能设备信息包含多个储能设备;
步骤S200:对多个所述储能设备进行设备特征采集,获得多个储能设备特征;
具体而言,获得目标区域的储能设备信息,所述目标区域是指待进行储能规划的区域,所述目标区域的供电方式为风力发电,其中风力发电量受季节和天气影响较大,其中所述储能设备信息包括所述目标区域的所有储能设备。对多个所述储能设备进行设备特征采集,所述设备特征包括储能设备的基本信息和运行参数,获得多个储能设备特征,所述储能设备特征包括储能设备类型、设备位置、储能单元数量和单位容量等信息,其中所述储能设备类型包括储能蓄电池、超级电容、热储能装置等。通过获得多个储能设备特征,为下一步进行目标区域储能规划提供了支持。
步骤S300:基于所述目标区域的历史发电信息获得预设储能规划时间窗口内的预测总发电量;
如图2所示,在一个实施例中,本申请步骤S300还包括:
步骤S310:获取所述预设储能规划时间窗口;
步骤S320:根据所述预设储能规划时间窗口对所述历史发电信息进行提取,获得第一历史发电信息,所述第一历史发电信息包括第一历史天气信息、第一历史发电设备运行数量和第一历史实际发电量;
步骤S330:基于所述第一历史发电设备运行数量和第一历史实际发电量获得历史发电设备发电平均量;
具体而言,获取预设储能规划时间窗口,所述预设储能规划时间窗口本领域技术人员可基于实际情况自定义设置,例如:一天、一周等。调取所述目标区域的风力发电数据库,获得所述目标区域的历史发电信息,根据所述预设储能规划时间窗口对所述历史发电信息进行提取,获得第一历史发电信息,所述第一历史发电信息为历史相同时间段的发电信息,例如:假设储能规划时间窗口为2月的第一周,则调取最近10年内2月第一周的发电信息作为第一历史发电信息。其中所述第一历史发电信息包括第一历史天气信息、第一历史发电设备运行数量和第一历史实际发电量,所述第一历史天气信息包括当天风速、风力大小、风向等信息,所述第一历史发电设备运行数量为当天正常运行的风电机组数量,不包括维护或者检修等未运行的风电机组。根据所述第一历史实际发电量除以所述第一历史发电设备运行数量,获得历史发电设备发电平均量。
步骤S340:将所述第一历史天气信息和所述历史发电设备发电平均量作为训练数据,训练得到发电量预测模型;
在一个实施例中,本申请步骤S340还包括:
步骤S341:基于BP神经网络,构建发电量预测模型;
步骤S342:基于所述第一历史天气信息和所述历史发电设备发电平均量构建样本数据集;
步骤S343:按照预设数据划分比例对所述样本数据集进行数据划分,获得样本训练集和样本验证集;
步骤S344:通过所述样本训练集对所述发电量预测模型进行监督训练,通过样本验证集对所述发电量预测模型进行验证,获得所述发电量预测模型。
具体而言,构建发电量预测模型,所述发电量预测模型为机器学习中可以不断进行迭代优化的神经网络模型,通过训练数据集进行监督训练获得。根据所述第一历史天气信息和所述历史发电设备发电平均量构建样本数据集。预设数据划分比例,所述数据划分比例本领域技术人员可自定义设置,例如:80%、20%。根据所述数据划分比例将所述样本数据集划分为样本训练集和样本验证集。通过所述样本训练集对所述发电量预测模型进行监督训练,当模型输出结果趋于收敛状态时,根据所述样本验证集对模型输出结果进行验证,预设验证准确率指标,所述验证准确率指标本领域人员可自定义设置,例如:95%。当模型输出结果准确率大于等于所述验证准确率指标时,获得所述发电量预测模型。通过基于神经网络构建发电量预测模型,可以提高发电量预测的效率和准确率,同时为储能规划提供了数据支持。
步骤S350:获得所述预设储能规划时间窗口内的实时天气信息和发电设备运行数量;
步骤S360:将所述实时天气信息输入所述发电量预测模型,输出设备预测发电平均量;
步骤S370:基于所述发电设备运行数量和所述设备预测发电平均量获得所述预测总发电量。
具体而言,获得所述预设储能规划时间窗口内的实时天气信息和发电设备运行数量,所述实时天气信息可通过天气预测数据获得,所述天气预测数据包括风力大小、风速、风向等信息。所述发电设备运行数量为预期发电设备运行数量。将所述实时天气信息输入所述发电量预测模型,输出设备预测发电平均量。然后通过所述发电设备运行数量乘以所述设备预测发电平均量,获得预测总发电量。通过获得所述预测总发电量,为下一步进行用电需求对比提供了支持,可以提高用电标识结果预测的准确率。
步骤S400:获取所述目标区域的历史用电记录数据,并对所述历史用电记录数据进行用电特征分析,获得目标用电特征;
在一个实施例中,本申请步骤S400还包括:
步骤S410:将所述目标区域划分为多个目标子区域;
步骤S420:根据所述预设储能规划时间窗口获得多个所述目标子区域的历史用电记录数据;
步骤S430:获取预设单位时间,根据所述预设单位时间对多个所述目标子区域的历史用电记录数据进行用电量提取,获得多个预设单位时间的用电量信息集合;
步骤S440:将多个所述用电量信息集合按照时间顺序进行排列,构建多个所述目标子区域的用电信息折线图;
步骤S450:基于多个所述用电信息折线图进行高峰用电、正常用电和低谷用电划分,获得多个所述目标子区域的高峰用电时间段和对应的用电量、正常用电时间段和对应的用电量、低谷用电时间段和对应的用电量。
具体而言,将所述目标区域划分为多个目标子区域,所述划分可以是行政划分或者区域面积划分,例如:可将西安市划分为未央区、灞桥区、雁塔区等多个区域。根据所述预设储能规划时间窗口获得多个所述目标子区域的历史用电记录数据,其中所述历史用电记录数据包括用电量、对应的用电时间等数据。
获得预设单位时间,所述预设单位时间本领域人员可基于所述预设储能规划时间窗口自定义设置,例如:30分钟。根据所述预设单位时间对多个所述目标子区域的历史用电记录数据进行用电量提取,获得多个预设单位时间的用电量信息集合。将多个所述用电量信息集合按照用电时间顺序进行排列,以用电时间为X轴,用电量为Y轴构建二维坐标系,将多个所述用电量信息集合输入所述二维坐标系,个所述目标子区域的用电信息折线图,所述用电信息折线图可以清晰直观的标识所述目标子区域的用电情况。然后对所述用电信息折线图进行高峰用电、正常用电和低谷用电划分,获得多个所述目标子区域的高峰用电时间段和对应的用电量、正常用电时间段和对应的用电量、低谷用电时间段和对应的用电量,其中所述高峰用电基于所述单位时间内的用电量设置。最后将多个所述目标子区域的高峰用电时间段和对应的用电量、正常用电时间段和对应的用电量、低谷用电时间段和对应的用电量作为所述目标子区域的目标用电特征。通过获得所述目标用电特征,为下一步获得用电标识结果提供了支持。
步骤S500:根据所述目标用电特征确定所述预设储能规划时间窗口内的目标需求电量;
在一个实施例中,本申请步骤S500还包括:
步骤S510:根据所述目标用电特征对所述预设储能规划时间窗口内的多个所述目标子区域的需求电量进行预测,获得多个所述目标子区域的需求电量;
步骤S520:基于多个所述目标子区域的需求电量获得所述目标需求电量。
具体而言,根据所述目标用电特征对所述预设储能规划时间窗口内的多个所述目标子区域的需求电量进行预测,其中所述预测方法可设置波动系数进行预测,所述波动系数具体数值本领域技术人员可基于实际情况自定义设置,例如:1.03。用多个所述目标子区域的历史用电量乘以所述波动系数,获得多个所述目标子区域的需求电量。然后将多个所述目标子区域的需求电量进行相加求和,获得所述目标需求电量,通过获得所述目标需求电量,为下一步获得用电标识结果提供了支持。
步骤S600:将所述预测总发电量和所述目标需求电量进行比对,并根据比对结果进行用电时段标识,获得用电标识结果,其中所述用电标识结果包括高峰用电、正常用电和低谷用电;
具体而言,将所述预测总发电量和所述目标需求电量进行比对,当所述预测总发电量大于所述目标需求电量时,说明此时用电量供不应求,则将用电时段标识为高峰用电;当所述预测总发电量等于所述目标需求电量时,则将用电时段标识为正常用电;当所述预测总发电量小于所述目标需求电量时,则将用电时段标识为低谷用电;获得所述用电标识结果。通过获得所述用电标识结果,为下一步进行储能规划提供了支持。
步骤S700:根据所述用电标识结果调用预设储能规划方案进行储能规划执行。
如图3所示,在一个实施例中,本申请步骤S700还包括:
步骤S710:所述预设储能规划方案包括预设削峰方案和预设填谷方案;
步骤S720:当所述用电标识结果为高峰用电时,调取所述预设削峰方案对盈余电能进行存储;
步骤S730:当所述用电标识结果为低谷用电时,调取所述预设填谷方案对超负荷电能进行补偿。
具体而言,根据所述用电标识结果调用预设储能规划方案进行储能规划执行,其中所述预设储能规划方案包括预设削峰方案和预设填谷方案,当所述用电标识结果为高峰用电时,调取所述预设削峰方案,根据所述预设削峰方案控制所述目标区域的储能设备对盈余电能进行存储。当所述用电标识结果为低谷用电时,调取所述预设填谷方案,根据所述预设填谷方案控制所述目标区域的储能设备对超负荷电能进行补偿。通过上述方法解决了混合储能规划不合理导致配电网供电质量较差的问题,可以提高混合储能规划的科学性和合理性,同时也可以提高储能装置的使用寿命。
在一个实施例中,本申请步骤S730还包括:
步骤S731:当所述预测总发电量大于目标需求电量时,计算得出盈余电能;
步骤S732:提取所述目标需求电量中多个目标子区域的需求电量,获得第一目标子区域需求电量与所述目标需求电量的第一占比;
步骤S733:根据所述第一占比与所述盈余电能获得所述第一目标子区域的目标总储能量;
步骤S734:基于所述第一目标子区域的储能设备特征和所述目标总储能量获得所述第一目标子区域的目标储能规划;
步骤S735:根据所述目标储能规划获得所述预设填谷方案。
具体而言,当所述预测总发电量大于目标需求电量时,将所述预测总发电量减去所述目标需求电量,获得盈余电。然后提取所述目标需求电量中多个目标子区域的需求电量,将所述多个目标子区域中需求电量最大的目标子区域作为第一目标子区域,将所述第一目标子区域的需求电量除以所述目标需求电量,获得所述第一占比。然后根据所述第一占比乘以所述盈余电量获得所述第一目标子区域的目标总储能量。根据所述第一目标子区域的储能设备特征和所述目标总储能量获得所述第一目标子区域的目标储能规划。例如:可根据所述储能设备特征中的设备类型、设备运行功率、设备使用寿命进行储能规划,对所述设备类型为超级电容的储能设备进行优先存储、储能蓄电池次之;对设备运行功率大的储能设备进行优先存储;对设备使用寿命长的储能设备进行优先存储。获得目标储能规划。将所述目标储能规划作为预设填谷方案。通过获得所述预设填谷方案,可以更加合理地解决低谷时段的储能规划。
在一个实施例中,如图4所示提供了一种用于配电网的混合储能规划系统,包括:储能设备信息获得模块1、储能设备特征获得模块2、预测总发电量获得模块3、目标用电特征获得模块4、目标需求电量确定模块5、用电标识结果获得模块6、储能规划执行模块7、其中:
储能设备信息获得模块1,所述储能设备信息获得模块1用于获得目标区域的储能设备信息,所述储能设备信息包含多个储能设备;
储能设备特征获得模块2,所述储能设备特征获得模块2用于对多个所述储能设备进行设备特征采集,获得多个储能设备特征;
预测总发电量获得模块3,所述预测总发电量获得模块3用于基于所述目标区域的历史发电信息获得预设储能规划时间窗口内的预测总发电量;
目标用电特征获得模块4,所述目标用电特征获得模块4用于获取所述目标区域的历史用电记录数据,并对所述历史用电记录数据进行用电特征分析,获得目标用电特征;
目标需求电量确定模块5,所述目标需求电量确定模块5用于根据所述目标用电特征确定所述预设储能规划时间窗口内的目标需求电量;
用电标识结果获得模块6,所述用电标识结果获得模块6用于将所述预测总发电量和所述目标需求电量进行比对,并根据比对结果进行用电时段标识,获得用电标识结果,其中所述用电标识结果包括高峰用电、正常用电和低谷用电;
储能规划执行模块7,所述储能规划执行模块7用于根据所述用电标识结果调用预设储能规划方案进行储能规划执行。
在一个实施例中,所述系统还包括:
预设储能规划时间窗口获得模块,所述预设储能规划时间窗口获得模块用于获取所述预设储能规划时间窗口;
历史发电信息提取模块,所述历史发电信息提取模块用于根据所述预设储能规划时间窗口对所述历史发电信息进行提取,获得第一历史发电信息,所述第一历史发电信息包括第一历史天气信息、第一历史发电设备运行数量和第一历史实际发电量;
历史发电设备发电平均量获得模块,所述历史发电设备发电平均量获得模块用于基于所述第一历史发电设备运行数量和第一历史实际发电量获得历史发电设备发电平均量;
发电量预测模型得到模块,所述发电量预测模型得到模块用于将所述第一历史天气信息和所述历史发电设备发电平均量作为训练数据,训练得到发电量预测模型;
信息获得模块,所述信息获得模块用于获得所述预设储能规划时间窗口内的实时天气信息和发电设备运行数量;
设备预测发电平均量输出模块,所述设备预测发电平均量输出模块用于将所述实时天气信息输入所述发电量预测模型,输出设备预测发电平均量;
预测总发电量获得模块,所述预测总发电量获得模块用于基于所述发电设备运行数量和所述设备预测发电平均量获得所述预测总发电量。
在一个实施例中,所述系统还包括:
发电量预测模型构建模块,所述发电量预测模型构建模块用于基于BP神经网络,构建发电量预测模型;
样本数据集构建模块,所述样本数据集构建模块用于基于所述第一历史天气信息和所述历史发电设备发电平均量构建样本数据集;
数据划分模块,所述数据划分模块用于按照预设数据划分比例对所述样本数据集进行数据划分,获得样本训练集和样本验证集;
发电量预测模型获得模块,所述发电量预测模型获得模块用于通过所述样本训练集对所述发电量预测模型进行监督训练,通过样本验证集对所述发电量预测模型进行验证,获得所述发电量预测模型。
在一个实施例中,所述系统还包括:
目标区域划分模块,所述目标区域划分模块用于将所述目标区域划分为多个目标子区域;
历史用电记录数据获得模块,所述历史用电记录数据获得模块用于根据所述预设储能规划时间窗口获得多个所述目标子区域的历史用电记录数据;
用电量信息集合获得模块,所述用电量信息集合获得模块用于获取预设单位时间,根据所述预设单位时间对多个所述目标子区域的历史用电记录数据进行用电量提取,获得多个预设单位时间的用电量信息集合;
用电信息折线图构建模块,所述用电信息折线图构建模块用于将多个所述用电量信息集合按照时间顺序进行排列,构建多个所述目标子区域的用电信息折线图;
用电划分模块,所述用电划分模块用于基于多个所述用电信息折线图进行高峰用电、正常用电和低谷用电划分,获得多个所述目标子区域的高峰用电时间段和对应的用电量、正常用电时间段和对应的用电量、低谷用电时间段和对应的用电量。
在一个实施例中,所述系统还包括:
需求电量获得模块,所述需求电量获得模块用于根据所述目标用电特征对所述预设储能规划时间窗口内的多个所述目标子区域的需求电量进行预测,获得多个所述目标子区域的需求电量;
目标需求电量获得模块,所述目标需求电量获得模块用于基于多个所述目标子区域的需求电量获得所述目标需求电量。
在一个实施例中,所述系统还包括:
预设储能规划方案概括模块,所述预设储能规划方案概括模块用于所述预设储能规划方案包括预设削峰方案和预设填谷方案;
电能存储模块,所述电能存储模块用于当所述用电标识结果为高峰用电时,调取所述预设削峰方案对盈余电能进行存储;
电能补偿模块,所述电能补偿模块用于当所述用电标识结果为低谷用电时,调取所述预设填谷方案对超负荷电能进行补偿。
在一个实施例中,所述系统还包括:
盈余电能获得模块,所述盈余电能获得模块用于当所述预测总发电量大于目标需求电量时,计算得出盈余电能;
第一占比获得模块,所述第一占比获得模块用于提取所述目标需求电量中多个目标子区域的需求电量,获得第一目标子区域需求电量与所述目标需求电量的第一占比;
目标总储能量获得模块,所述目标总储能量获得模块用于根据所述第一占比与所述盈余电能获得所述第一目标子区域的目标总储能量;
目标储能规划获得模块,所述目标储能规划获得模块用于基于所述第一目标子区域的储能设备特征和所述目标总储能量获得所述第一目标子区域的目标储能规划;
预设填谷方案获得模块,所述预设填谷方案获得模块用于根据所述目标储能规划获得所述预设填谷方案。
综上所述,本申请提供了一种用于配电网的混合储能规划方法及系统具有以下技术效果:
1.解决了混合储能规划不合理导致配电网供电质量较差的问题,可以提高混合储能规划的科学性和合理性,同时也可以提高储能装置的使用寿命。
2.通过基于神经网络构建发电量预测模型,可以提高发电量预测的效率和准确率,同时为储能规划提供了数据支持。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种用于配电网的混合储能规划方法,其特征在于,所述方法包括:
获得目标区域的储能设备信息,所述储能设备信息包含多个储能设备;
对多个所述储能设备进行设备特征采集,获得多个储能设备特征;
基于所述目标区域的历史发电信息获得预设储能规划时间窗口内的预测总发电量;
获取所述目标区域的历史用电记录数据,并对所述历史用电记录数据进行用电特征分析,获得目标用电特征;
根据所述目标用电特征确定所述预设储能规划时间窗口内的目标需求电量;
将所述预测总发电量和所述目标需求电量进行比对,并根据比对结果进行用电时段标识,获得用电标识结果,其中所述用电标识结果包括高峰用电、正常用电和低谷用电;
根据所述用电标识结果调用预设储能规划方案进行储能规划执行。
2.如权利要求1所述的方法,其特征在于,所述基于所述目标区域的历史发电信息获得预设储能规划时间窗口内的预测总发电量,还包括:
获取所述预设储能规划时间窗口;
根据所述预设储能规划时间窗口对所述历史发电信息进行提取,获得第一历史发电信息,所述第一历史发电信息包括第一历史天气信息、第一历史发电设备运行数量和第一历史实际发电量;
基于所述第一历史发电设备运行数量和第一历史实际发电量获得历史发电设备发电平均量;
将所述第一历史天气信息和所述历史发电设备发电平均量作为训练数据,训练得到发电量预测模型;
获得所述预设储能规划时间窗口内的实时天气信息和发电设备运行数量;
将所述实时天气信息输入所述发电量预测模型,输出设备预测发电平均量;
基于所述发电设备运行数量和所述设备预测发电平均量获得所述预测总发电量。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
基于BP神经网络,构建发电量预测模型;
基于所述第一历史天气信息和所述历史发电设备发电平均量构建样本数据集;
按照预设数据划分比例对所述样本数据集进行数据划分,获得样本训练集和样本验证集;
通过所述样本训练集对所述发电量预测模型进行监督训练,通过样本验证集对所述发电量预测模型进行验证,获得所述发电量预测模型。
4.如权利要求1所述的方法,其特征在于,所述获取所述目标区域的历史用电记录数据,并对所述历史用电记录数据进行用电特征分析,还包括:
将所述目标区域划分为多个目标子区域;
根据所述预设储能规划时间窗口获得多个所述目标子区域的历史用电记录数据;
获取预设单位时间,根据所述预设单位时间对多个所述目标子区域的历史用电记录数据进行用电量提取,获得多个预设单位时间的用电量信息集合;
将多个所述用电量信息集合按照时间顺序进行排列,构建多个所述目标子区域的用电信息折线图;
基于多个所述用电信息折线图进行高峰用电、正常用电和低谷用电划分,获得多个所述目标子区域的高峰用电时间段和对应的用电量、正常用电时间段和对应的用电量、低谷用电时间段和对应的用电量。
5.如权利要求4所述的方法,其特征在于,所述根据所述目标用电特征确定所述预设储能规划时间窗口内的目标需求电量,还包括:
根据所述目标用电特征对所述预设储能规划时间窗口内的多个所述目标子区域的需求电量进行预测,获得多个所述目标子区域的需求电量;
基于多个所述目标子区域的需求电量获得所述目标需求电量。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
所述预设储能规划方案包括预设削峰方案和预设填谷方案;
当所述用电标识结果为高峰用电时,调取所述预设削峰方案对盈余电能进行存储;
当所述用电标识结果为低谷用电时,调取所述预设填谷方案对超负荷电能进行补偿。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
当所述预测总发电量大于目标需求电量时,计算得出盈余电能;
提取所述目标需求电量中多个目标子区域的需求电量,获得第一目标子区域需求电量与所述目标需求电量的第一占比;
根据所述第一占比与所述盈余电能获得所述第一目标子区域的目标总储能量;
基于所述第一目标子区域的储能设备特征和所述目标总储能量获得所述第一目标子区域的目标储能规划;
根据所述目标储能规划获得所述预设填谷方案。
8.一种用于配电网的混合储能规划系统,其特征在于,所述系统包括:
储能设备信息获得模块,所述储能设备信息获得模块用于获得目标区域的储能设备信息,所述储能设备信息包含多个储能设备;
储能设备特征获得模块,所述储能设备特征获得模块用于对多个所述储能设备进行设备特征采集,获得多个储能设备特征;
预测总发电量获得模块,所述预测总发电量获得模块用于基于所述目标区域的历史发电信息获得预设储能规划时间窗口内的预测总发电量;
目标用电特征获得模块,所述目标用电特征获得模块用于获取所述目标区域的历史用电记录数据,并对所述历史用电记录数据进行用电特征分析,获得目标用电特征;
目标需求电量确定模块,所述目标需求电量确定模块用于根据所述目标用电特征确定所述预设储能规划时间窗口内的目标需求电量;
用电标识结果获得模块,所述用电标识结果获得模块用于将所述预测总发电量和所述目标需求电量进行比对,并根据比对结果进行用电时段标识,获得用电标识结果,其中所述用电标识结果包括高峰用电、正常用电和低谷用电;
储能规划执行模块,所述储能规划执行模块用于根据所述用电标识结果调用预设储能规划方案进行储能规划执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310686440.6A CN116632875A (zh) | 2023-06-12 | 2023-06-12 | 一种用于配电网的混合储能规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310686440.6A CN116632875A (zh) | 2023-06-12 | 2023-06-12 | 一种用于配电网的混合储能规划方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116632875A true CN116632875A (zh) | 2023-08-22 |
Family
ID=87621242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310686440.6A Pending CN116632875A (zh) | 2023-06-12 | 2023-06-12 | 一种用于配电网的混合储能规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116632875A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117077978A (zh) * | 2023-10-11 | 2023-11-17 | 浙江浙能能源服务有限公司 | 一种跨区域新能源蓄能方法及系统 |
-
2023
- 2023-06-12 CN CN202310686440.6A patent/CN116632875A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117077978A (zh) * | 2023-10-11 | 2023-11-17 | 浙江浙能能源服务有限公司 | 一种跨区域新能源蓄能方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116646933B (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
CN109755967B (zh) | 一种配电网中光储系统的优化配置方法 | |
CN109670627A (zh) | 用于对能量存储系统自动云控制的方法 | |
CN103559655A (zh) | 基于数据挖掘的微网新型馈线负荷的预测方法 | |
CN115796393B (zh) | 基于多能互动的能源网管理优化方法、系统及存储介质 | |
CN110264110B (zh) | 基于配电网多应用场景的储能电站选址定容方法 | |
Jia et al. | A retroactive approach to microgrid real-time scheduling in quest of perfect dispatch solution | |
CN110198042B (zh) | 一种电网储能的动态优化方法及存储介质 | |
CN116632875A (zh) | 一种用于配电网的混合储能规划方法及系统 | |
CN110350518A (zh) | 一种用于调峰的电网储能容量需求评估方法及系统 | |
CN113269468A (zh) | 一种基于区块链的电力调度系统及其数据处理方法 | |
CN115456304A (zh) | 考虑台风影响的海上风电场可靠性指标计算方法及装置 | |
CN111525552A (zh) | 一种基于特征信息的三阶段短期风电场群功率预测方法 | |
CN107359611B (zh) | 考虑多种随机因素的配电网等值方法 | |
CN112953007A (zh) | 配电网调度方法、装置及系统、处理器、电子设备 | |
CN116599151A (zh) | 基于多源数据的源网储荷安全管理方法 | |
Acquah et al. | Real-time peak control algorithm using stochastic optimization | |
CN111027757A (zh) | 一种基于皮亚诺曲线降维的用户侧储能优化配置方法 | |
CN117578534B (zh) | 光伏储能系统的调度方法、装置、设备及存储介质 | |
CN117613962B (zh) | 一种氢电耦合氢储能能调峰发电系统 | |
CN110690719B (zh) | 一种微电网电池储能配置方法及可读存储介质 | |
CN117175695B (zh) | 一种基于柴油发电机组的光伏微网发电方法及系统 | |
CN117892939A (zh) | 基于能源互联网的电厂能耗控制方法及系统 | |
CN118040737A (zh) | 一种面向辅助服务混合储能容量配置方法和系统 | |
CN117610234A (zh) | 一种基于能源互联的时序生产模拟方法及系统 |
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 |