CN116703009B - 一种光伏发电储能系统的运营参考信息生成方法 - Google Patents
一种光伏发电储能系统的运营参考信息生成方法 Download PDFInfo
- Publication number
- CN116703009B CN116703009B CN202310990031.5A CN202310990031A CN116703009B CN 116703009 B CN116703009 B CN 116703009B CN 202310990031 A CN202310990031 A CN 202310990031A CN 116703009 B CN116703009 B CN 116703009B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- determining
- predicted
- information
- 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.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 213
- 238000010248 power generation Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000002787 reinforcement Effects 0.000 claims abstract description 25
- 230000005611 electricity Effects 0.000 claims description 132
- 238000012360 testing method Methods 0.000 claims description 55
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 abstract description 4
- 230000005058 diapause Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种光伏发电储能系统的运营参考信息生成方法,属于新能源技术领域。通过目标区域未来时间段的天气预测信息,确定发电系统的预测供电量和目标区域的预测用电量;当预测供电量大于预测用电量时,根据预测供电量和预测用电量确定待存储电量,将待存储电量输入强化学习模型得到储能系统对应的预测储能策略;最后根据预测供电量、预测用电量、待存储电量以及预测储能策略生成运营参考信息。本发明可以为管理者运营光伏发电储能系统提供运营参考信息,从而减少管理者的数据分析时间,提高决策效率,进而降低光伏发电储能系统运营时的人力成本。
Description
技术领域
本发明涉及新能源技术领域,尤其涉及一种光伏发电储能系统的运营参考信息生成方法。
背景技术
近几年来,光伏发电的规模迅速扩大,目前已经成为清洁能源的重要力量。光伏发电储能系统兼顾了发电和储能双重功能,光伏发电储能系统的运行调度需要充分考虑到发电系统、储能电池,电力市场的供需平衡等多种因素,因此决策过程十分复杂。目前,光伏发电储能系统仍然需要投入大量人力资源进行运营。
发明内容
本发明提供一种光伏发电储能系统的运营参考信息生成方法,用以解决现有技术中光伏发电储能系统需要大量人力成本运营的缺陷。
本发明提供一种光伏发电储能系统的运营参考信息生成方法,包括:
获取光伏发电储能系统对应的目标区域在未来时间段的天气预测信息,其中,所述光伏发电储能系统包括发电系统和储能系统;
根据所述天气预测信息,确定所述发电系统在所述未来时间段的预测供电量和所述目标区域在所述未来时间段的预测用电量;
当所述预测供电量大于所述预测用电量时,根据所述预测供电量和所述预测用电量确定待存储电量,将所述待存储电量输入强化学习模型得到所述储能系统对应的预测储能策略;
根据所述预测供电量、所述预测用电量、所述待存储电量以及所述预测储能策略,确定所述光伏发电储能系统对应的运营参考信息。
根据本发明提供的一种光伏发电储能系统的运营参考信息生成方法,所述方法还包括:
当所述预测供电量小于所述预测用电量时,根据所述预测供电量和所述预测用电量确定待释放电量;
根据所述待释放电量,确定所述储能系统对应的预测放电策略。
根据本发明提供的一种光伏发电储能系统的运营参考信息生成方法,所述强化学习模型用于:
根据所述待存储电量确定所述储能系统中若干储能设备分别对应的应用比例,其中,各所述储能设备分别对应不同的储能技术;
获取各所述储能设备分别对应的设备信息,根据各所述储能设备的所述应用比例和所述设备信息,确定所述预测储能策略对应的存储效率和存储成本,其中,所述存储成本包括电量损耗和各所述储能设备分别对应的储能运行成本;
根据所述存储效率和所述存储成本确定奖励值,判断所述奖励值是否达到预设奖励值,若否,则根据所述奖励值进行模型参数更新;
继续执行所述根据所述待存储电量确定所述储能系统中若干储能设备分别对应的应用比例的步骤,直至所述奖励值达到所述预设奖励值,根据最后生成的各所述储能设备的所述应用比例确定所述预测储能策略。
根据本发明提供的一种光伏发电储能系统的运营参考信息生成方法,所述根据所述存储效率和所述存储成本确定奖励值,包括:
获取所述存储效率对应的第一权重值,根据所述第一权重值和所述存储效率确定第一奖励值;
获取所述存储成本对应的第二权重值,根据所述第二权重值和所述存储成本确定第二奖励值;
根据所述第一奖励值和所述第二奖励值,确定所述奖励值。
根据本发明提供的一种光伏发电储能系统的运营参考信息生成方法,所述预测用电量的确定方法包括:
获取所述目标区域对应的电力市场信息,其中,所述电力市场信息用于反映所述目标区域内的天气信息与用电量之间的对应关系;
根据所述天气预测信息和所述电力市场信息,确定所述预测用电量。
根据本发明提供的一种光伏发电储能系统的运营参考信息生成方法,所述获取所述目标区域对应的电力市场信息,包括:
获取预先经过训练的预测模型,所述预测模型的训练数据集基于所述目标区域对应的若干历史天气信息和各所述历史天气信息分别对应的历史用电量组成;
获取所述目标区域对应的地域信息,根据所述地域信息确定若干测试天气信息;
将各所述测试天气信息输入所述预测模型,得到各所述测试天气信息分别对应的测试用电量;
根据各所述测试天气信息和各所述测试用电量之间的对应关系,确定所述电力市场信息。
根据本发明提供的一种光伏发电储能系统的运营参考信息生成方法,所述根据各所述测试天气信息和各所述测试用电量之间的对应关系,确定所述电力市场信息之前还包括:
获取所述目标区域对应的电力消费者信息,根据所述电力消费者信息确定所述目标区域对应的若干类电力消费者和各类所述电力消费者分别对应的数量;
根据各类所述电力消费者的所述数量,确定所述目标区域对应的用电量区间;
剔除位于所述用电量区间之外的所述测试用电量和所述测试用电量对应的所述测试天气信息。
本发明还提供一种光伏发电储能系统的运营参考信息生成装置,所述装置包括:
信息获取模块,用于获取光伏发电储能系统对应的目标区域在未来时间段的天气预测信息,其中,所述光伏发电储能系统包括发电系统和储能系统;
电量预测模块,用于根据所述天气预测信息,确定所述发电系统在所述未来时间段的预测供电量和所述目标区域在所述未来时间段的预测用电量;
储电分析模块,用于当所述预测供电量大于所述预测用电量时,根据所述预测供电量和所述预测用电量确定待存储电量,将所述待存储电量输入强化学习模型得到所述储能系统对应的预测储能策略;
信息生成模块,用于根据所述预测供电量、所述预测用电量、所述待存储电量以及所述预测储能策略,确定所述光伏发电储能系统对应的运营参考信息。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一种所述光伏发电储能系统的运营参考信息生成方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述光伏发电储能系统的运营参考信息生成方法。
本发明提供的一种光伏发电储能系统的运营参考信息生成方法,通过获取光伏发电储能系统对应的目标区域在未来时间段的天气预测信息,其中,所述光伏发电储能系统包括发电系统和储能系统,根据所述天气预测信息,确定所述发电系统在所述未来时间段的预测供电量和所述目标区域在所述未来时间段的预测用电量;当所述预测供电量大于所述预测用电量时,根据所述预测供电量和所述预测用电量确定待存储电量,将所述待存储电量输入强化学习模型得到所述储能系统对应的预测储能策略;根据所述预测供电量、所述预测用电量、所述待存储电量以及所述预测储能策略,确定所述光伏发电储能系统对应的运营参考信息。本发明可以为管理者运营光伏发电储能系统提供运营参考信息,从而减少管理者的数据分析时间,提高决策效率,进而降低光伏发电储能系统运营时的人力成本。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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是本发明提供的光伏发电储能系统的运营参考信息生成方法的流程示意图;
图2是本发明提供的光伏发电储能系统的运营参考信息生成装置的结构示意图;
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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,本领域普通技术人员在没有作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。
下面结合图1描述本发明的一种光伏发电储能系统的运营参考信息生成方法,所述方法包括步骤:
S100、获取光伏发电储能系统对应的目标区域在未来时间段的天气预测信息,其中,所述光伏发电储能系统包括发电系统和储能系统,
S200、根据所述天气预测信息,确定所述发电系统在所述未来时间段的预测供电量和所述目标区域在所述未来时间段的预测用电量;
S300、当所述预测供电量大于所述预测用电量时,根据所述预测供电量和所述预测用电量确定待存储电量,将所述待存储电量输入强化学习模型得到所述储能系统对应的预测储能策略;
S400、根据所述预测供电量、所述预测用电量、所述待存储电量以及所述预测储能策略,确定所述光伏发电储能系统对应的运营参考信息。
具体地,本实施例中的光伏发电储能系统包括发电系统,可以自行生产电力。光伏发电储能系统还包括储能系统,可以自行存储多余的电量,以克服光伏发电的间歇性和波动性的缺点,促进消纳、减少弃光。光伏发电储能系统通常都有其对应的服务范围,因此需要基于其对应的服务范围确定目标区域,才能提高信息采集的精准性,从而生成可靠性更高的运营参考信息。由于发电系统高度依赖于天气情况,因此需要获取目标地区未来时间段内的天气预测信息,其中,未来时间段可以基于光伏发电储能系统对应的运营管理周期确定。通过天气预测信息分析出未来时间段内的光照、辐射情况,进而预测出光伏发电储能系统在未来时间段的能源生成情况,即得到预测供电量。此外,用户的用电情况也会受到天气变化的影响,例如天气炎热时用户使用空调的频率会提高,进而导致用电量升高。因此本实施例还可以基于天气预测信息分析除未来时间段内用户的用电情况,即得到预测用电量。当预测供电量大于预测用电量时,表示发电系统未来时间段产生的电量充足,优先通过新产生的电量为目标地区供电,从而避免电量的存储和取出导致储能系统频繁充放电,有损储能系统电池寿命。在给目标区域的供电以后还可能存在多余的电量,因此需要基于预测供电量和预测用电量确定待存储电量。本实施例中的储能系统基于多种储能设备构成,因此需要通过分析待存储电量的多少来确定如何使用这些储能设备,即得到预测储能策略。最后将预测供电量、预测用电量、待存储电量以及预测储能策略作为运营参考信息,提供给光伏发电储能系统的管理者,管理者可以根据自身经验和参考运营参考信息的内容进行综合决策。本发明中在光伏发电储能系统的运营过程中加入了算法模型进行数据分析,可以大大减少数据分析环节所耗费的人力成本,并且能进一步提高分析结果的客观性,从而提高决策效率和准确性。
在一种实现方式中,所述方法还包括:
当所述预测供电量小于所述预测用电量时,根据所述预测供电量和所述预测用电量确定待释放电量;
根据所述待释放电量,确定所述储能系统对应的预测放电策略。
具体地,当预测供电量小于预测用电量时,表示发电系统未来时间段产生的电量不足,除了将新产生的电量供给给目标地区之外,还需要储能系统释放一部分电量才能满足目标区域未来时间段的供电。因此基于预测供电量和预测用电量确定待释放电量,再通过待释放电量制定合适的放电策略,即得到预测放电策略。
在一种实现方式中,所述强化学习模型用于:
根据所述待存储电量确定所述储能系统中若干储能设备分别对应的应用比例,其中,各所述储能设备分别对应不同的储能技术;
获取各所述储能设备分别对应的设备信息,根据各所述储能设备的所述应用比例和所述设备信息,确定所述预测储能策略对应的存储效率和存储成本,其中,所述存储成本包括电量损耗和各所述储能设备分别对应的储能运行成本;
根据所述存储效率和所述存储成本确定奖励值,判断所述奖励值是否达到预设奖励值,若否,则根据所述奖励值进行模型参数更新;
继续执行所述根据所述待存储电量确定所述储能系统中若干储能设备分别对应的应用比例的步骤,直至所述奖励值达到所述预设奖励值,根据最后生成的各所述储能设备的所述应用比例确定所述预测储能策略。
具体地,为了减少训练成本,本实施例采用强化学习模型来生成预测储能策略,强化学习模型的输入数据是待存储电量,输出数据是基于待存储电量生成的预测储能策略,预测目标是使预测储能策略可以尽量兼顾存储效率和存储成本。在实际应用场景中,将待存储电量输入强化学习模型,强化学习模型会基于待存储售电量自动决策出一个储电策略,即得到预测储能策略。由于各储能设备所采用的储能技术不同,因此各储能设备的储能效率和储能运行成本也存在差异。通常来说,储能效率高的储能设备对应的储能运行成本较高,储能效率低的储能设备对应的储能运行成本较低。通过分析预测储能策略中各储能设备的应用比例和设备信息,计算出预测储能策略对应的存储效率和存储成本,通过存储效率和存储成本计算出用于评价预测储能策略的好坏的奖励值。判断奖励值是否达到预设奖励值,若是,则表示当前的预测储能策略合适,可以作为未来时间段的运营参考信息;若否,则表示当前的预测储能策略不合适,需要根据奖励值进行模型参数更新,使强化学习模型重新基于待存储电量输出更符合预测目标的预测储能策略。本实施例采用强化学习模型来生成预测储能策略,可以减少模型的训练成本,提高预测效率。同时还能生成兼顾存储效率和存储成本的预测储能策略。
在一种实现方式中,所述根据所述存储效率和所述存储成本确定奖励值,包括:
获取所述存储效率对应的第一权重值,根据所述第一权重值和所述存储效率确定第一奖励值;
获取所述存储成本对应的第二权重值,根据所述第二权重值和所述存储成本确定第二奖励值;
根据所述第一奖励值和所述第二奖励值,确定所述奖励值。
具体地,管理者可以根据自身需求设定存储效率和存储成本两个指标分别对应的权重值,权重值越高表示该指标在评价强化学习模型输出的预测储能策略的好坏时影响程度越高,则强化学习模型在生成预测储能策略时会优先考虑满足该指标。在实际应用中,通过加权计算的方式将基于存储效率和存储成本分别计算出的奖励值进行融合,得到用于评价预测储能策略的好坏的奖励值。本实施例中通过设定存储效率和存储成本的权重值,可以动态调整两个指标在评价预测储能策略的好坏时的重要程度,以满足不同管理者的需求。
在一种实现方式中,所述预测用电量的确定方法包括:
获取所述目标区域对应的电力市场信息,其中,所述电力市场信息用于反映所述目标区域内的天气信息与用电量之间的对应关系;
根据所述天气预测信息和所述电力市场信息,确定所述预测用电量。
具体地,本实施例可以预先通过大数据的方式获得目标区域的电力市场信息,由于电力市场信息可以反映目标区域内的天气信息和用电量之间的对应关系,因此通过结合天气预测信息和电力市场信息即可分析出未来时间段内目标区域的用电情况,即得到预测用电量。
在一种实现方式中,所述获取所述目标区域对应的电力市场信息,包括:
获取预先经过训练的预测模型,所述预测模型的训练数据集基于所述目标区域对应的若干历史天气信息和各所述历史天气信息分别对应的历史用电量组成;
获取所述目标区域对应的地域信息,根据所述地域信息确定若干测试天气信息;
将各所述测试天气信息输入所述预测模型,得到各所述测试天气信息分别对应的测试用电量;
根据各所述测试天气信息和各所述测试用电量之间的对应关系,确定所述电力市场信息。
具体地,为了获得电力市场信息,本实施例预先构建了一个预测模型,并预先获取目标区域内的历史用电信息来构建第二参考电价制定模型的训练数据集,训练数据集包括若干训练数据,每一训练数据具体包括目标区域内的历史天气信息和该历史天气信息对应的历史用电量。第二参考电价制定模型训练完毕后,即学习了目标区域的天气信息和用电量之间的变化规律。由于历史用电信息的数据量有限,因此本实施例会通过目标区域的地域信息分析出目标区域内可能出现的天气情况,即得到若干测试天气信息,然后将这些测试天气信息分别输入已训练的预测模型,得到各测试天气信息分别对应的测试用电量。通过各测试天气信息和各测试用电量之间的对应关系构建电力市场信息,从而获得数据更丰富的电力市场信息。
在一种实现方式中,所述根据各所述测试天气信息和各所述测试用电量之间的对应关系,确定所述电力市场信息之前还包括:
获取所述目标区域对应的电力消费者信息,根据所述电力消费者信息确定所述目标区域对应的若干类电力消费者和各类所述电力消费者分别对应的数量;
根据各类所述电力消费者的所述数量,确定所述目标区域对应的用电量区间;
剔除位于所述用电量区间之外的所述测试用电量和所述测试用电量对应的所述测试天气信息。
具体地,目标区域内通常包含有不同类别的电力消费者,例如有的电力消费者其用电状况稳定,用电量不会随着天气波动而发生明显变化;有的电力消费者其用电状况不稳定,用电量会随着天气波动而发生明显变化。通过对目标区域内的电力消费者进行分类,并分析各类电力消费者的数量,以获知不同类别的电力消费者的市场占比,进而确定目标区域可能的最小用电量和最大用电量,从而确定目标区域对应的合适的用电量区间。为了提高电力市场信息的准确性和可靠性,本实施例还会根据计算出的用电量区间对各测试用电量进行筛选。若某一测试用电量不在用电量区域内,则表示该测试用电量不符合目标区域的用电情况,需要将该测试用电量和其对应的测试天气信息一并剔除,从而提高电力市场信息的准确性和可靠性。
在一种实现方式中,所述运营参考信息还包括参考电价,所述参考电价的确定方法包括:
当所述预测供电量大于电量阈值时,根据所述预测供电量确定预测售电量,将所述预测售电量输入第一参考电价制定模型得到所述未来时间段对应的参考电价;
具体地,当预测供电量大于预设的电量阈值时,表示发电系统未来时间段产生的电量充足,优先售卖新产生的电量,因此直接基于预测供电量确定预测售电量,从而避免电量的存储和取出导致光伏发电储能系统频繁充放电,有损电池寿命。为了提高售电量预测的效率和准确性,本实施例预先设定了第一参考电价制定模型,第一参考电价制定模型的输入数据是售电量,输出数据是基于该售电量分析出的合适的电价。在实际应用环境中,将预测售电量输入第一参考电价制定模型,即可获得未来时间段的参考电价。
在一种实现方式中,所述将所述预测售电量输入第一参考电价制定模型得到所述参考电价包括:
将所述预测售电量输入所述第一参考电价制定模型得到确定初始电价;
根据所述初始电价和所述电力市场信息,确定初始购电量;
根据所述预测售电量和所述初始购电量确定预测滞销电量,根据所述初始电价和所述初始购电量确定预测利润;
根据所述预测滞销电量和所述预测利润确定奖励值,判断所述奖励值是否达到预设奖励值,若否,则根据所述奖励值对所述第一参考电价制定模型进行参数更新;
继续执行所述将所述预测售电量输入所述第一参考电价制定模型得到确定初始电价的步骤,直至所述奖励值达到所述预设奖励值,将最后一轮生成的所述初始电价作为所述参考电价。
具体地,为了减少训练成本,本实施例采用强化学习技术构建第一参考电价制定模型,第一参考电价制定模型的输入数据是售电量,输出数据是基于售电量预测出的电价,预测目标是使该电价可以尽量使运营者获得较高的利润,同时使预测售电量尽可能全部售出,即滞销电量较少。在实际应用场景中,将预测售电量输入第一参考电价制定模型,第一参考电价制定模型会基于预测售电量自动决策出一个合适的电价,即得到参考电价。通过预先确定的电力市场信息结合参考电价,可以分析出当电价为参考电价时,目标区域内的电力消费情况,即得到初始购电量。通过比较预测售电量和初始购电量的数值大小,可以确定实际售出的电量和滞销的电量,即得到预测滞销电量。通过初始电价和初始购电量可以分析出当电价为参考电价时,运营者可以获得利润,即得到预测利润。然后根据预测滞销电量和预测利润计算奖励值,判断奖励值是否达到预设奖励值,若是,则表示当前轮第一参考电价制定模型输出的参考电价即为合适的电价,可以作为未来时间段的运营参考信息;若否,则表示当前轮第一参考电价制定模型输出的参考电价不合适,需要根据奖励值对第一参考电价制定模型的模型参数进行更新,使第一参考电价制定模型重新基于预测售电量输出更符合预测目标的参考电价。本实施例采用强化学习模型构建第一参考电价制定模型,可以减少模型的训练成本。此外本实施例采用预测滞销电量和预测利润来进行模型参数更新,可以使得第一参考电价制定模型最终输出的参考电价同时满足运营者的盈利需求和目标区域的供需平衡。
在一种实现方式中,所述根据所述预测滞销电量和所述预测利润确定模型奖励值,包括:
获取所述预测滞销电量对应的第三权重值,根据所述第三权重值和所述预测滞销电量确定第三奖励值;
获取所述预测利润对应的第四权重值,根据所述第四权重值和所述预测利润确定第四奖励值;
根据所述第三奖励值和所述第四奖励值,确定所述模型奖励值。
具体地,管理者可以根据自身需求设定预测滞销电量和预测利润两个指标分别对应的权重值,权重值越高表示该指标在评价第一参考电价制定模型输出的参考电价的好坏时影响程度越高,则第一参考电价制定模型在基于预测售电量自动计算电价时会优先考虑满足该指标。在实际应用中,通过加权计算的方式将基于预测滞销电量和预测利润分别计算出的奖励值进行融合,得到用于评价参考电价的好坏的奖励值。本实施例中通过设定预测滞销电量和预测利润的权重值,可以动态调整两个指标在评价参考电价的好坏时的重要程度,以满足不同管理者的需求。
下面对本发明提供的一种光伏发电储能系统的运营参考信息生成装置进行描述,下文描述的光伏发电储能系统的运营参考信息生成装置与上文描述的光伏发电储能系统的运营参考信息生成方法可相互对应参照。如图2所示,所述装置包括:
信息获取模块210,用于获取光伏发电储能系统对应的目标区域在未来时间段的天气预测信息,其中,所述光伏发电储能系统包括发电系统和储能系统;
电量预测模块220,用于根据所述天气预测信息,确定所述发电系统在所述未来时间段的预测供电量和所述目标区域在所述未来时间段的预测用电量;
储电分析模块230,用于当所述预测供电量大于所述预测用电量时,根据所述预测供电量和所述预测用电量确定待存储电量,将所述待存储电量输入强化学习模型得到所述储能系统对应的预测储能策略;
信息生成模块240,用于根据所述预测供电量、所述预测用电量、所述待存储电量以及所述预测储能策略,确定所述光伏发电储能系统对应的运营参考信息。
图3示例了一种电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令,以执行光伏发电储能系统的运营参考信息生成方法,该方法包括:
获取光伏发电储能系统对应的目标区域在未来时间段的天气预测信息,其中,所述光伏发电储能系统包括发电系统和储能系统,
根据所述天气预测信息,确定所述发电系统在所述未来时间段的预测供电量和所述目标区域在所述未来时间段的预测用电量;
当所述预测供电量大于所述预测用电量时,根据所述预测供电量和所述预测用电量确定待存储电量,将所述待存储电量输入强化学习模型得到所述储能系统对应的预测储能策略;
根据所述预测供电量、所述预测用电量、所述待存储电量以及所述预测储能策略,确定所述光伏发电储能系统对应的运营参考信息。
此外,上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的光伏发电储能系统的运营参考信息生成方法,该方法包括:
获取光伏发电储能系统对应的目标区域在未来时间段的天气预测信息,其中,所述光伏发电储能系统包括发电系统和储能系统;
根据所述天气预测信息,确定所述发电系统在所述未来时间段的预测供电量和所述目标区域在所述未来时间段的预测用电量;
当所述预测供电量大于所述预测用电量时,根据所述预测供电量和所述预测用电量确定待存储电量,将所述待存储电量输入强化学习模型得到所述储能系统对应的预测储能策略;
根据所述预测供电量、所述预测用电量、所述待存储电量以及所述预测储能策略,确定所述光伏发电储能系统对应的运营参考信息。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的光伏发电储能系统的运营参考信息生成方法,该方法包括:
获取光伏发电储能系统对应的目标区域在未来时间段的天气预测信息,其中,所述光伏发电储能系统包括发电系统和储能系统;
根据所述天气预测信息,确定所述发电系统在所述未来时间段的预测供电量和所述目标区域在所述未来时间段的预测用电量;
当所述预测供电量大于所述预测用电量时,根据所述预测供电量和所述预测用电量确定待存储电量,将所述待存储电量输入强化学习模型得到所述储能系统对应的预测储能策略;
根据所述预测供电量、所述预测用电量、所述待存储电量以及所述预测储能策略,确定所述光伏发电储能系统对应的运营参考信息。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种光伏发电储能系统的运营参考信息生成方法,其特征在于,包括:
获取光伏发电储能系统对应的目标区域在未来时间段的天气预测信息,其中,所述光伏发电储能系统包括发电系统和储能系统;
根据所述天气预测信息,确定所述发电系统在所述未来时间段的预测供电量和所述目标区域在所述未来时间段的预测用电量;
当所述预测供电量大于所述预测用电量时,根据所述预测供电量和所述预测用电量确定待存储电量,将所述待存储电量输入强化学习模型得到所述储能系统对应的预测储能策略;
根据所述预测供电量、所述预测用电量、所述待存储电量以及所述预测储能策略,确定所述光伏发电储能系统对应的运营参考信息;
所述强化学习模型用于:
根据所述待存储电量确定所述储能系统中若干储能设备分别对应的应用比例,其中,各所述储能设备分别对应不同的储能技术;
获取各所述储能设备分别对应的设备信息,根据各所述储能设备的所述应用比例和所述设备信息,确定所述预测储能策略对应的存储效率和存储成本,其中,所述存储成本包括电量损耗和各所述储能设备分别对应的储能运行成本;
根据所述存储效率和所述存储成本确定奖励值,判断所述奖励值是否达到预设奖励值,若否,则根据所述奖励值进行模型参数更新;
继续执行所述根据所述待存储电量确定所述储能系统中若干储能设备分别对应的应用比例的步骤,直至所述奖励值达到所述预设奖励值,根据最后生成的各所述储能设备的所述应用比例确定所述预测储能策略;
所述预测用电量的确定方法包括:
获取所述目标区域对应的电力市场信息,其中,所述电力市场信息用于反映所述目标区域内的天气信息与用电量之间的对应关系;
根据所述天气预测信息和所述电力市场信息,确定所述预测用电量;
所述获取所述目标区域对应的电力市场信息,包括:
获取预先经过训练的预测模型,所述预测模型的训练数据集基于所述目标区域对应的若干历史天气信息和各所述历史天气信息分别对应的历史用电量组成;
获取所述目标区域对应的地域信息,根据所述地域信息确定若干测试天气信息;
将各所述测试天气信息输入所述预测模型,得到各所述测试天气信息分别对应的测试用电量;
根据各所述测试天气信息和各所述测试用电量之间的对应关系,确定所述电力市场信息;
所述根据各所述测试天气信息和各所述测试用电量之间的对应关系,确定所述电力市场信息之前还包括:
获取所述目标区域对应的电力消费者信息,根据所述电力消费者信息确定所述目标区域对应的若干类电力消费者和各类所述电力消费者分别对应的数量;
根据各类所述电力消费者的所述数量,确定所述目标区域对应的用电量区间;
剔除位于所述用电量区间之外的所述测试用电量和所述测试用电量对应的所述测试天气信息;
所述根据所述存储效率和所述存储成本确定奖励值,包括:
获取所述存储效率对应的第一权重值,根据所述第一权重值和所述存储效率确定第一奖励值;
获取所述存储成本对应的第二权重值,根据所述第二权重值和所述存储成本确定第二奖励值;
根据所述第一奖励值和所述第二奖励值,确定所述奖励值。
2.根据权利要求1所述的光伏发电储能系统的运营参考信息生成方法,其特征在于,所述方法还包括:
当所述预测供电量小于所述预测用电量时,根据所述预测供电量和所述预测用电量确定待释放电量;
根据所述待释放电量,确定所述储能系统对应的预测放电策略。
3.一种光伏发电储能系统的运营参考信息生成装置,其特征在于,所述装置包括:
信息获取模块,用于获取光伏发电储能系统对应的目标区域在未来时间段的天气预测信息,其中,所述光伏发电储能系统包括发电系统和储能系统;
电量预测模块,用于根据所述天气预测信息,确定所述发电系统在所述未来时间段的预测供电量和所述目标区域在所述未来时间段的预测用电量;
储电分析模块,用于当所述预测供电量大于所述预测用电量时,根据所述预测供电量和所述预测用电量确定待存储电量,将所述待存储电量输入强化学习模型得到所述储能系统对应的预测储能策略;
信息生成模块,用于根据所述预测供电量、所述预测用电量、所述待存储电量以及所述预测储能策略,确定所述光伏发电储能系统对应的运营参考信息;
所述强化学习模型用于:
根据所述待存储电量确定所述储能系统中若干储能设备分别对应的应用比例,其中,各所述储能设备分别对应不同的储能技术;
获取各所述储能设备分别对应的设备信息,根据各所述储能设备的所述应用比例和所述设备信息,确定所述预测储能策略对应的存储效率和存储成本,其中,所述存储成本包括电量损耗和各所述储能设备分别对应的储能运行成本;
根据所述存储效率和所述存储成本确定奖励值,判断所述奖励值是否达到预设奖励值,若否,则根据所述奖励值进行模型参数更新;
继续执行所述根据所述待存储电量确定所述储能系统中若干储能设备分别对应的应用比例的步骤,直至所述奖励值达到所述预设奖励值,根据最后生成的各所述储能设备的所述应用比例确定所述预测储能策略;
所述预测用电量的确定方法包括:
获取所述目标区域对应的电力市场信息,其中,所述电力市场信息用于反映所述目标区域内的天气信息与用电量之间的对应关系;
根据所述天气预测信息和所述电力市场信息,确定所述预测用电量;
所述获取所述目标区域对应的电力市场信息,包括:
获取预先经过训练的预测模型,所述预测模型的训练数据集基于所述目标区域对应的若干历史天气信息和各所述历史天气信息分别对应的历史用电量组成;
获取所述目标区域对应的地域信息,根据所述地域信息确定若干测试天气信息;
将各所述测试天气信息输入所述预测模型,得到各所述测试天气信息分别对应的测试用电量;
根据各所述测试天气信息和各所述测试用电量之间的对应关系,确定所述电力市场信息;
所述根据各所述测试天气信息和各所述测试用电量之间的对应关系,确定所述电力市场信息之前还包括:
获取所述目标区域对应的电力消费者信息,根据所述电力消费者信息确定所述目标区域对应的若干类电力消费者和各类所述电力消费者分别对应的数量;
根据各类所述电力消费者的所述数量,确定所述目标区域对应的用电量区间;
剔除位于所述用电量区间之外的所述测试用电量和所述测试用电量对应的所述测试天气信息;
所述根据所述存储效率和所述存储成本确定奖励值,包括:
获取所述存储效率对应的第一权重值,根据所述第一权重值和所述存储效率确定第一奖励值;
获取所述存储成本对应的第二权重值,根据所述第二权重值和所述存储成本确定第二奖励值;
根据所述第一奖励值和所述第二奖励值,确定所述奖励值。
4.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至2任一项所述光伏发电储能系统的运营参考信息生成方法。
5.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至2任一项所述光伏发电储能系统的运营参考信息生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310990031.5A CN116703009B (zh) | 2023-08-08 | 2023-08-08 | 一种光伏发电储能系统的运营参考信息生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310990031.5A CN116703009B (zh) | 2023-08-08 | 2023-08-08 | 一种光伏发电储能系统的运营参考信息生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116703009A CN116703009A (zh) | 2023-09-05 |
CN116703009B true CN116703009B (zh) | 2024-01-09 |
Family
ID=87839725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310990031.5A Active CN116703009B (zh) | 2023-08-08 | 2023-08-08 | 一种光伏发电储能系统的运营参考信息生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703009B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117117926B (zh) * | 2023-10-25 | 2024-04-09 | 国网江西省电力有限公司经济技术研究院 | 一种配电网储能配置方法及系统 |
CN117172510B (zh) * | 2023-11-02 | 2024-01-09 | 广州崇实自动控制科技有限公司 | 一种智慧园区运维系统 |
CN117913984A (zh) * | 2024-01-16 | 2024-04-19 | 国家电网有限公司大数据中心 | 一种基于光伏发电系统的储能管理系统 |
CN117913841B (zh) * | 2024-03-19 | 2024-07-05 | 国网辽宁省电力有限公司技能培训中心 | 园区级灵活调节负荷参与电网互动响应系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106100050A (zh) * | 2016-07-19 | 2016-11-09 | 西安交通大学 | 一种基于分层的数据中心混合能量存储系统及能耗控制方法 |
CN110490479A (zh) * | 2019-08-26 | 2019-11-22 | 电子科技大学 | 一种选择风电场储能的方法 |
CN115438873A (zh) * | 2022-09-23 | 2022-12-06 | 广西师范大学 | 一种基于区块链和深度强化学习的电力调度方法 |
CN115459358A (zh) * | 2022-08-24 | 2022-12-09 | 国网甘肃省电力公司电力科学研究院 | 一种考虑多类新能源不同配比的储能容量优化配置方法 |
CN116436008A (zh) * | 2023-03-28 | 2023-07-14 | 福建时代星云科技有限公司 | 一种用于光储充电站的电力调度方法及终端 |
CN116454951A (zh) * | 2023-04-28 | 2023-07-18 | 重庆跃达新能源有限公司 | 一种光储能控制系统及方法 |
-
2023
- 2023-08-08 CN CN202310990031.5A patent/CN116703009B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106100050A (zh) * | 2016-07-19 | 2016-11-09 | 西安交通大学 | 一种基于分层的数据中心混合能量存储系统及能耗控制方法 |
CN110490479A (zh) * | 2019-08-26 | 2019-11-22 | 电子科技大学 | 一种选择风电场储能的方法 |
CN115459358A (zh) * | 2022-08-24 | 2022-12-09 | 国网甘肃省电力公司电力科学研究院 | 一种考虑多类新能源不同配比的储能容量优化配置方法 |
CN115438873A (zh) * | 2022-09-23 | 2022-12-06 | 广西师范大学 | 一种基于区块链和深度强化学习的电力调度方法 |
CN116436008A (zh) * | 2023-03-28 | 2023-07-14 | 福建时代星云科技有限公司 | 一种用于光储充电站的电力调度方法及终端 |
CN116454951A (zh) * | 2023-04-28 | 2023-07-18 | 重庆跃达新能源有限公司 | 一种光储能控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116703009A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116703009B (zh) | 一种光伏发电储能系统的运营参考信息生成方法 | |
Hu et al. | Reinforcement learning-driven maintenance strategy: A novel solution for long-term aircraft maintenance decision optimization | |
Pinto et al. | Strategic bidding in electricity markets: An agent-based simulator with game theory for scenario analysis | |
CN116805198A (zh) | 基于强化学习与预测分析的电网规划动态的方法及系统 | |
CN117764515B (zh) | 一种变电站设备的故障检修成本核算方法及系统 | |
Pan et al. | Real-time digital twin machine learning-based cost minimization model for renewable-based microgrids considering uncertainty | |
CN115511631A (zh) | 一种碳交易方法、装置、电子设备及存储介质 | |
CN116933937B (zh) | 一种基于模型迁移学习的电子产品零件备货量预测方法 | |
CN117910646A (zh) | 基于多智能体强化学习的电网调度策略优化方法及系统 | |
CN112884572A (zh) | 一种信用风险下的多微网交易优化方法及系统 | |
CN116128543B (zh) | 一种售电公司负荷申报与出清的综合模拟运行方法及系统 | |
CN115907848A (zh) | 销量预测方法、系统、作业机械、电子设备及计算机介质 | |
CN115204674A (zh) | 一种运行状态评估方法和系统、电子设备、存储介质 | |
KR102105193B1 (ko) | 모델링을 이용한 가상발전소의 수익성 예측시스템 및 방법 | |
Vermeer et al. | The application of health-and risk indices as a decision-support tool for utilities | |
da Silva et al. | Spare transformers optimization using Monte Carlo simulation and metaheuristic techniques | |
CN116780535B (zh) | 基于阶梯型碳交易机制的光储协同优化调度方法 | |
CN117955248B (zh) | 一种储能电站电池状态监测系统、方法、装置和存储介质 | |
CN113222233B (zh) | 一种天然气多主体能源博弈分析方法及系统 | |
CN118170550B (zh) | Node节点水位线阈值调节方法、装置及相关设备 | |
CN117217790A (zh) | 销量承载力确定方法及装置 | |
CN117808420A (zh) | 一种出行后台审批管理方法、系统、电子设备及介质 | |
CN118297711A (zh) | 虚拟电厂的交易优化方法、装置、设备、存储介质及产品 | |
CN117910717A (zh) | 基于深度强化学习的社区微电网能源管理方法及装置 | |
Genov et al. | Predict. Optimize. Revise. On Forecast and Policy Stability in Energy Management Systems |
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 |