CN117353306B - 一种光储充放电调度方法、系统、电子设备、存储介质 - Google Patents
一种光储充放电调度方法、系统、电子设备、存储介质 Download PDFInfo
- Publication number
- CN117353306B CN117353306B CN202311659091.5A CN202311659091A CN117353306B CN 117353306 B CN117353306 B CN 117353306B CN 202311659091 A CN202311659091 A CN 202311659091A CN 117353306 B CN117353306 B CN 117353306B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- photovoltaic
- scheduling period
- data
- storage device
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000003287 optical effect Effects 0.000 title claims description 84
- 238000004146 energy storage Methods 0.000 claims abstract description 289
- 239000002699 waste material Substances 0.000 claims abstract description 42
- 238000013500 data storage Methods 0.000 claims abstract description 13
- 238000010248 power generation Methods 0.000 claims description 55
- 238000007599 discharging Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 238000007726 management method Methods 0.000 description 13
- 238000012360 testing method Methods 0.000 description 12
- 238000011156 evaluation Methods 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 1
- 229920005591 polysilicon Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010409 thin film Substances 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
- G06Q10/06—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
- 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
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本说明书实施例公开了一种光储充放电调度方法、系统、电子设备、存储介质。其中,光储充放电调度方法中包括获取历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据;根据历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据预测出当前调度周期的光伏设备运行数据;获取历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据;根据历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据预测出当前调度周期的储能设备运行数据;根据当前调度周期的光伏设备运行数据以及当前调度周期的储能设备运行数据对光储系统进行充放电控制。
Description
技术领域
本说明书的一个或多个实施例涉及电网调度技术领域,具体涉及一种光储充放电调度方法、系统、电子设备、存储介质。
背景技术
在电网调度领域中,光储系统通常将光伏发电系统和能量储存系统结合在一起,以实现更有效的电网调度和能源管理。光储系统在电网调度中的主要作用是通过储能设备的使用,平衡太阳能光伏发电系统的间歇性和波动性,提供稳定的电力供应。具体而言,光储系统可以在光伏发电产生的电力超过负荷需求时,将多余的电能存储起来;而在光伏发电不足以满足负荷需求时,从储能设备中释放储存的电能,以平衡供需之间的差异。
现有技术中,比如,CN201910960353.9公开了一种光储充电站调度方法及装置,通过当前时刻光储充电站的功率数据得到下一时刻储能系统工作功率及储能系统调度方案,再比如,CN201811602550.5公开了一种光伏功率的调度方法、装置、计算机设备和存储介质,其是通过依次对光伏发电功率、光伏用电功率、第一剩余电量、第一用电电价和卖电电价进行比较,从而判断出如何调整充电桩的充电功率。在现有针对电网整体储能调度策略中,存在考虑因素单一、系统鲁棒性差等缺陷。因此,如何更好地进行光储充放电调度已成为本领域技术人员亟需解决的问题。
发明内容
本说明书实施例提供了一种光储充放电调度方法、系统、电子设备、存储介质,其技术方案如下:
第一方面,本说明书实施例提供了一种光储充放电调度方法,包括:获取历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据;根据历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据预测出当前调度周期的光伏设备运行数据;获取历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据;根据历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据预测出当前调度周期的储能设备运行数据;根据当前调度周期的光伏设备运行数据以及当前调度周期的储能设备运行数据对光储系统进行充放电控制。
第二方面,本说明书实施例提供了一种光储充放电调度系统,包括:光伏数据获取模块,用于获取历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据;第一预测模块,用于根据历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据预测出当前调度周期的光伏设备运行数据;储能数据获取模块,用于获取历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据;第二预测模块,用于根据历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据预测出当前调度周期的储能设备运行数据;控制模块,用于根据当前调度周期的光伏设备运行数据以及当前调度周期的储能设备运行数据对光储系统进行充放电控制。
第三方面,本说明书实施例提供了一种电子设备,包括处理器以及存储器;处理器与存储器相连;存储器,用于存储可执行程序代码;处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,以用于执行上述实施例第一方面的光储充放电调度方法的步骤。
第四方面,本说明书实施例提供了一种计算机存储介质,计算机存储介质存储有多条指令,指令适于由处理器加载并执行上述实施例第一方面的光储充放电调度方法的步骤。
本说明书一些实施例提供的技术方案带来的有益效果至少包括:
综合考虑了运行数据、成本数据以及性能数据等光储调度多方面因素,提高了光储系统的鲁棒性;另外,本说明书实施例通过历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据预测出当前调度周期的光伏设备运行数据,以及通过历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据预测出当前调度周期的储能设备运行数据,在预测过程中考虑了光伏弃光成本数据以及储能设备失能量成本数据,从而提高了电网运行的经济性;接着,本说明书实施例根据预测出的当前调度周期的光伏设备运行数据以及储能设备运行数据对对光储系统进行充放电控制,提高了系统的可靠性。本发明说明书实施例通过充分利用光伏发电和储能系统的特性以及成本数据等信息,实现光储调度的智能化和高效性,优化综合光储系统的运行效率和经济性。
附图说明
为了更清楚地说明本说明书实施例中的技术方案,下面将对实施例中所需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说明书的一些实施例,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是本说明书提供的一种光储充放电调度系统的应用场景示意图。
图2是本说明书提供的一种光储充放电调度方法的流程示意图。
图3是本说明书提供的又一种光储充放电调度方法的流程示意图。
图4是本说明书提供的再一种光储充放电调度方法的流程示意图。
图5是本说明书提供的一种光储充放电调度系统的结构示意图。
图6为本说明书提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述。
本说明书中的说明书和权利要求书及上述附图中的术语“第一”、“第二”、等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”以及它的任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本说明书在结合一个或多个实施例对光储充放电调度方法进行详细阐述之前,先介绍该光储充放电调度方法应用的场景。
本说明书多个实施例提供的光储充放电调度方法,可应用于用户通过光储充放电调度系统对光储系统进行充放电调度控制的场景,例如,参考图1,光储充放电调度系统100集成在电子设备中,光储充放电调度系统100可以包括若干个平台,各个平台可以设置在同一个电子设备上,也可以设置在不同的电子设备上。电子设备可以包括服务器、存储终端等,存储终端可以用于存储原始提示词等,服务器、存储终端之间相互通信连接。其中,服务器可以包括处理器和存储器等。
其中,光储系统110可以包括光伏设备以及储能设备,光储系统可以在光伏设备发电产生的电力超过负荷需求时,将多余的电能存储起来;而在光伏发电不足以满足负荷需求时,从储能设备中释放储存的电能,以平衡供需之间的差异,本说明书实施例对光伏设备以及储能设备的数量不作限制。
本说明书一些实施例中,光储充放电调度系统100可以包括光伏设备云管理子平台、储能设备云管理子平台、光储充换一体电力消纳子平台、光储充换预测调度应用平台、数据分析和建模平台、换电电池价值评估平台、电池监管平台、光储充换一体电力收益管理平台、边缘计算硬件定制化研发平台、光储充换一体运维管理平台等等。其中:
光伏设备云管理子平台可以包括光伏设备数据采集模块、设备监控与故障诊断模块,其中,光伏设备数据采集模块:用于负责采集光伏设备的实时数据,如发电功率、电压、电流等。光伏设备故障诊断模块:用于对光伏设备进行实时监控,并能诊断设备故障和异常情况。
储能设备云管理子平台可以包括储能设备数据采集模块和储能设备故障诊断模块,储能设备数据采集模块:用于负责采集储能设备的实时数据,如容量、充放电状态、温度等。储能设备故障诊断模块:用于对储能设备进行实时监控,并能诊断设备故障和异常情况。
光储充换一体电力消纳子平台可以包括能量转化调度模块和电力消纳管理模块,其中:能量转化调度模块:用于实现光伏发电和储能设备之间的能量转化和调度,以确保能量的高效利用。电力消纳管理模块:用于监控和管理光储充放站的电力消纳情况,确保消纳的电量符合需求。
光储充换预测调度应用平台可以包括数据分析建模模块和电力需求预测模块,其中,数据分析建模模块用于:分析历史数据和外部因素,建立电力需求预测模型。电力需求预测用于:根据预测模型,提供未来一段时间内的电力需求预测结果。
换电电池价值评估平台可以包括数据分析评估模块和电池价值评估模块,其中,数据分析评估模块用于:对换电电池的性能参数进行分析,利用评估算法评估其价值。电池价值评估用于:根据电池评估结果,确定电池可用于充放电的价值和适宜的应用场景。
电池监管平台可以包括电池性能评估模块和电池监测告警模块,其中,电池性能评估模块用于:实时监测和评估电池的性能,包括容量、健康状态、循环寿命等。电池监测告警模块:用于监测电池的实时状态,发现异常情况并及时发送告警信息。
光储充换一体电力收益管理平台可以包括电量计算和收益分析模块、数据报表和可视化模块,其中,电量计算和收益分析模用于:根据光伏发电和储能设备的数据,计算电量产出并分析收益情况。数据报表和可视化模块用于:生成电力收益的报表和图表,可视化展示光储充放站的运营情况。
边缘计算硬件定制化研发平台可以包括硬件设计开发模块、硬件优化和性能测试模块,其中,硬件设计开发模块用于:研发定制化的边缘计算硬件,以提供协同计算和数据处理的能力。硬件优化和性能测试模块用于:对边缘计算硬件进行优化和性能测试,以满足平台系统的需求。
光储充换一体运维管理平台可以包括设备管理和维护模块、运维监控和报警模块,其中,设备管理和维护模块用于:对光储充放站的设备进行管理,包括设备监控、维护计划等。运维监控和报警模块用于:监控系统运行状态,及时发现问题并发送报警信息。
在本发明说明书一些实施例中,光储充放电调度系统100可以集成在电子设备中,该电子设备可以为终端、服务器等设备。其中,终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、或者个人电脑(Personal Computer,PC)等设备;服务器可以是单一服务器,也可以是由多个服务器组成的服务器集群。
在一些实施例中,该光储充放电调度系统100还可以集成在多个电子设备中,比如,光储充放电调度系统100可以集成在多个服务器中,由多个服务器来实现本申请的光储充放电调度方法。
在一些实施例中,服务器也可以以终端的形式来实现。
在一些实施例中,用户可通过光储充放电调度系统100对光储系统110进行充放电调度控制,其中,光储系统110可以包括若干个光伏设备以及若干个储能设备,光伏设备可以是多晶硅太阳能电池板、单晶硅太阳能电池板、薄膜太阳能电池板、高效率太阳能电池板等,储能设备可以是锂离子电池储能系统、铅酸电池储能系统、流电池储能系统、压缩空气储能系统、重力储能系统等。
在一些实施例中,光储充放电调度系统100中的服务器可以获取历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据;根据历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据预测出当前调度周期的光伏设备运行数据;获取历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据;根据历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据预测出当前调度周期的储能设备运行数据;根据当前调度周期的光伏设备运行数据以及当前调度周期的储能设备运行数据对光储系统进行充放电控制等。
请参阅图2,图2示出了本说明书实施例提供的一种光储充放电调度方法的流程示意图,该方法可以由图1所示的电子设备执行,光储充放电调度系统100集成在该电子设备上。
如图2所示,该光储充放电调度方法至少可以包括以下步骤:
步骤210、获取历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据;
步骤220、根据历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据预测出当前调度周期的光伏设备运行数据;
步骤230、获取历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据;
步骤240、根据历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据预测出当前调度周期的储能设备运行数据;
步骤250、根据当前调度周期的光伏设备运行数据以及当前调度周期的储能设备运行数据对光储系统进行充放电控制。
在本说明书实施例中,调度周期是指在光储系统中进行电力调度和运行的时间周期。例如,调度周期可以根据时间间隔的长短分成长调度周期、日调度周期、短调度周期等。当前调度周期是指利用光储充放电调度系统实时对光储系统进行充放电控制的时间段,与当前调度周期相对应的概念为历史调度周期或上一调度周期,其中,历史调度周期是当前调度周期之前的所有时间周期,上一调度周期是当前调度周期之前的上一个时间周期。
例如,按时间先后顺序历史调度周期依次可以包括T1、T2、T3、...、Tn,当前调度周期为Tn+1,本说明书实施例则可以根据光储系统在历史调度周期的数据预测出光储系统在当前调度周期Tn+1的相关数据,然后根据当前调度周期的相关数据对光储系统进行充放电控制。
光伏设备运行数据可以包括但不限制于发电功率、光照强度、温度、电压和电流、运行状态和故障信息等,其中,发电功率:记录光伏设备每个时间点的发电功率数据,可以是实时的或者历史的数据,用于分析设备的发电能力和性能。数据通信和监控信息:记录光伏设备与监控系统之间的数据通信状态和信息,包括数据传输成功率、通信断开或异常等,用于远程监控设备的运行状况。
储能设备的运行数据可以包括但不限制于:充电和放电能量、充放电效率、储能容量、储能速率、充放电时间、储能效率、储能系统状态、温度和湿度等,其中,充电和放电能量:记录储能设备的充电和放电过程中实际存储或释放的能量,以及相应的时间戳;充放电效率:记录储能设备在充电和放电过程中的实际存储或释放能量与输入或输出能量之间的比值;储能容量:记录储能设备能够存储的能量容量;储能速率:记录储能设备的充电和放电速率;充放电时间:记录储能设备的充电和放电过程的时间段,以及每个时间段的充放电电量。储能效率:记录储能设备在长期运行过程中的总体能量转换效率。储能系统状态:记录储能设备的运行状态,例如充电状态、放电状态、待机状态等。温度和湿度:记录储能设备的温度和湿度数据。
光伏弃光成本数据可以包括但不限制于弃光量、弃光时间、弃光原因、弃光成本等,其中,弃光量:记录光伏电站在特定时间段内由于各种因素(如过载、故障、维护等)而无法将太阳能转化为电能的损失发电量,这可以通过光伏电站的监测系统或数据记录来获取。弃光时间:记录光伏电站在特定时间段内发生弃光的时间长度,用于评估光伏电站的运行可靠性和稳定性。弃光原因:记录导致光伏电站发生弃光的具体原因,如设备故障、输电线路故障、过载保护触发等,可用于故障分析和故障处理。弃光成本:根据光伏电价和弃光量,计算由于弃光导致的经济损失。可用于评估光伏电站的经济效益以及寻找减少弃光成本的方法。
储能设备失能量成本数据可以包括但不限制于:失能量、失能量时间、失能量原因、失能量成本等,其中,失能量:记录储能设备在特定时间段内由于各种因素(如故障、维护、充放电限制等)而无法完全存储或释放的能量损失量,可通过储能系统的监测系统或数据记录来获取。失能量时间:记录储能设备在特定时间段内发生失能量的时间长度,可用于评估储能系统的运行可靠性和稳定性。失能量原因:记录导致储能设备发生失能量的具体原因,如设备故障、充放电限制、系统调度等。可用于故障分析和故障处理。失能量成本:根据能源价格和失能量量,计算由于失能量导致的经济损失,可用于评估储能系统的经济效益以及寻找减少失能量成本的方法。
光伏设备性能数据可以包括但不限制于:光伏设备的安装容量、光伏设备的发电量、光伏设备的发电效率、光伏设备的温度、光伏设备的倾角和朝向等。其中,光伏设备的安装容量:指光伏设备的总装机容量。光伏设备的发电量:指光伏设备在一定时间内实际发电的总量。光伏设备的发电效率:指光伏设备将太阳能转化为电能的效率。光伏设备的温度:指光伏设备的表面温度,可以影响其发电效率。光伏设备的倾角和朝向:指光伏设备的安装角度和朝向,可以影响其发电效率。
储能设备性能数据可以包括但不限制于:储能设备的容量、储能设备的充放电效率、储能设备的循环寿命、储能设备的响应时间、储能设备的充放电功率等。其中,储能设备的容量:指储能设备可以存储的电能总量。储能设备的充放电效率:指储能设备在充电和放电过程中损失的电能比例。储能设备的循环寿命:指储能设备可以进行充放电循环的次数,影响储能设备使用寿命。储能设备的响应时间:指储能设备从接收到信号到开始充放电的时间,影响储能设备应对电网需求的能力。储能设备的充放电功率:指储能设备在单位时间内充电或放电的功率。
本说明书实施例中涉及到的光伏数据以及储能数据均可先进行预处理,对其进行数值化。可以先获取历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据;然后基于历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据预测出当前调度周期的光伏设备运行数据;再获取历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据;接着基于历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据预测出当前调度周期的储能设备运行数据;再根据当前调度周期的光伏设备运行数据以及当前调度周期的储能设备运行数据对光储系统进行充放电控制。本说明书实施例综合考虑了运行数据、成本数据以及性能数据等光储调度多方面因素,提高了光储系统的鲁棒性;另外,本说明书实施例在运行数据预测过程中考虑了光伏弃光成本数据以及储能设备失能量成本数据,从而提高了电网运行的经济性;接着,本说明书实施例根据各个模型预测出的当前调度周期的光伏设备运行数据以及储能设备运行数据对对光储系统进行充放电控制,提高了系统的可靠性。
请参阅图3,图3示出了本说明书又一实施例提供的一种光储充放电调度方法的流程示意图,图中仅示出下述的步骤3200~步骤3210,下述步骤310与上述步骤210一致,步骤330~步骤350与上述步骤230~步骤250一致,因此未在图3中重复展示,该方法可以由图1所示的电子设备执行。
如图3所示,该光储充放电调度方法至少可以包括以下步骤:
步骤310、获取历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据;
步骤3200、根据历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据获取历史调度周期的光伏设备功率利用率;
步骤3210、建立光伏设备功率利用率预测模型;
步骤3220、利用历史调度周期的光伏设备功率利用率训练光伏设备功率利用率预测模型,得到训练好的光伏设备功率利用率预测模型;
步骤3230、通过训练好的光伏设备功率利用率预测模型预测出当前调度周期的光伏设备运行数据;
步骤330、获取历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据;
步骤340、基于由历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据构建的储能设备充放电效率预测模型,预测出当前调度周期的储能设备运行数据;
步骤350、根据当前调度周期的光伏设备运行数据以及当前调度周期的储能设备运行数据对光储系统进行充放电控制。
在本说明书实施例中,可以先通过历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据获取历史调度周期的光伏设备功率利用率,然后利用历史调度周期的光伏设备功率利用率训练光伏设备功率利用率预测模型,得到训练好的光伏设备功率利用率预测模型,然后通过训练好的光伏设备功率利用率预测模型预测出当前调度周期的光伏设备运行数据。
例如,本说明书实施例可以采用时间序列或长短期记忆神经网络或决策树等智能算法建立光伏设备功率利用率预测模型,再利用历史调度周期的光伏设备功率利用率训练光伏设备功率利用率预测模型,根据光伏设备功率利用率预测模型预测当前调度周期的光伏设备运行数据。
在本说明书一些实施例中,根据历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据获取历史调度周期的光伏设备功率利用率,包括:获取历史调度周期的光伏设备运行数据中的光伏发电功率;获取历史调度周期的天气预报数据;基于历史调度周期的天气预报数、光伏弃光成本数据以及光伏设备性能数据,获取历史调度周期的参考最大发电功率;将历史调度周期的光伏设备运行数据中的光伏发电功率与历史调度周期的参考最大发电功率之间的比值作为历史调度周期的光伏设备功率利用率。
在本说明书实施例中,光伏设备功率利用率指光伏设备实际发电功率与参考最大发电功率之间的比值,用来评估光伏发电系统的发电效率和利用情况。光伏发电功率利用率是评估光伏发电系统性能的重要指标,能够帮助评估系统的运行效率和发电量。本说明书实施例通过监测和优化功率利用率,可以提高光伏发电系统的发电效率,提高能源利用效率。不同调度周期的参考最大发电功率是指光伏设备在不同调度周期的测试条件下可以达到的最大发电功率,不同调度周期的测试条件由于天气变化而不同。测试条件包括但不限制于:太阳辐照度、设备温度、大气质量等。
在计算历史调度周期的参考最大发电功率过程中,本说明书实施例可以基于所有光伏设备,获取历史调度周期的光伏设备运行数据中的光伏发电功率,然后获取历史调度周期的天气预报数据,然后基于历史调度周期的天气预报数、光伏弃光成本数据以及光伏设备性能数据,获取所有光伏设备在历史调度周期的参考最大发电功率。
例如,在某个调度周期的某个光伏设备的参考最大发电功率为为标准最大发电功率,标准最大发电功率指光伏设备在标准测试条件下可以达到的最大发电功率。标准测试条件是一组标准化的测试条件,比如,标准测试条件可以包括太阳辐照度为1000瓦特/平方米、组件温度为25摄氏度、大气质量为标准大气质量(AM1.5)等。/>为某个调度周期的第i个测试条件,/>为某个调度周期的第i个测试条件系数,/>为参考最大发电功率关于测试条件的偏置项系数,n为测试条件类型总数;/>为某个调度周期的第j个光伏弃光成本数据,/>为某个调度周期的第j个光伏弃光成本数据系数,/>为参考最大发电功率关于光伏弃光成本数据的偏置项系数,m为伏弃光成本数据类型总数;/>为参考最大发电功率关于光伏设备性能数据的偏置项系数,/>为某个调度周期的第t个光伏设备性能数据,为某个调度周期的第t个光伏设备性能数据系数。在某个调度周期的所有光伏设备的参考最大发电功率,即某个调度周期的所有光伏设备的参考最大发电功率为为光伏设备总数。
在本说明书一些实施例中,通过训练好的光伏设备功率利用率预测模型预测出当前调度周期的光伏设备运行数据,包括:获取当前调度周期的理论最大发电功率;基于当前调度周期的理论最大发电功率,通过训练好的光伏设备功率利用率预测模型预测出当前调度周期的光伏发电功率。
本说明书实施例关于光伏系统当前调度周期的理论最大发电功率可以为根据历史调度周期的参考最大发电功率的平均值,在本说明书其他实施例中,当前调度周期的理论最大发电功率还可以是在上一年度同一调度周期的参考最大发电功率等。
在本说明书实施例中,可以采用时间序列或长短期记忆神经网络或决策树等智能算法建立光伏设备功率利用率预测模型,再利用历史调度周期的光伏设备功率利用率训练光伏设备功率利用率预测模型,得到训练好的光伏设备功率利用率预测模型;再通过历史调度周期的光伏设备功率预测出当前调度周期的光伏设备功率利用率;然后再基于当前调度周期的理论最大发电功率,将当前调度周期的光伏设备功率利用率与当前调度周期的理论最大发电功率作乘积运算,得到当前调度周期的光伏发电功率。
请参阅图4,图4示出了本说明书再一实施例提供的一种光储充放电调度方法的流程示意图,图中仅示出下述的步骤4400~步骤4410,下述步骤410~步骤430与上述步骤210~步骤230一致,下述步骤450与上述步骤250一致,因此未在图4中重复展示,该方法可以由图1所示的电子设备执行。
如图4所示,该光储充放电调度方法至少可以包括以下步骤
步骤410、获取历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据;
步骤420、根据历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据预测出当前调度周期的光伏设备运行数据;
步骤430、获取历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据;
步骤4400、根据历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据获取历史调度周期的储能设备放电效率;
步骤4410、建立储能设备充放电效率预测模型;
步骤4420、利用历史调度周期的储能设备放电效率训练储能设备充放电效率预测模型,得到训练好的储能设备充放电效率预测模型;
步骤4430、通过训练好的储能设备充放电效率预测模型预测出当前调度周期的储能设备运行数据;
步骤450、根据当前调度周期的光伏设备运行数据以及当前调度周期的储能设备运行数据对光储系统进行充放电控制。
在本说明书实施例中,可以先通过历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据获取历史调度周期的储能设备放电效率;接着,本说明书实施例可以利用历史调度周期的储能设备运行数据中的储能设备放电效率对储能设备充放电效率预测模型进行训练,得到训练好的储能设备充放电效率预测模型;再通过训练好的储能设备充放电效率预测模型预测出当前调度周期的储能设备运行数据,当前调度周期的储能设备运行数据可以包括当前调度周期的储能设备释放能量等。
在本说明书一些实施例中,根据历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据获取历史调度周期的储能设备放电效率,包括:基于历史调度周期的储能设备运行数据,获取历史调度周期的储能设备释放能量;获取历史调度周期的负荷数据;基于历史调度周期的负荷数据、储能设备失能量成本数据以及储能设备性能数据,获取历史调度周期的参考输出能量;将历史调度周期的储能设备释放能量与历史调度周期的参考输出能量之间的比值作为历史调度周期的储能设备放电效率。
储能效率是记录储能设备在长期运行过程中的总体能量转换效率,储能设备放电效率是储能设备实际释放的能量与输出能量之间的比值,储能设备放电效率是储能设备实际存储的能量与输入能量之间的比值。
本说明书实施例可以采用时间序列或长短期记忆神经网络或决策树等智能算法建立储能设备充放电效率预测模型,再利用历史调度周期的储能设备放电效率训练储能设备充放电效率预测模型,然后根据训练好的储能设备充放电效率预测模型预测当前调度周期的储能设备运行数据。
本说明书实施例中可以获取历史调度周期的储能设备运行数据中的储能设备释放能量,然后获取历史调度周期的负荷数据,再根据历史调度周期的负荷数据、储能设备失能量成本数据以及储能设备性能数据获取历史调度周期的参考输出能量;接着获取历史调度周期的参考输出能量;将历史调度周期的储能设备释放能量与历史调度周期的参考输出能量之间的比值作为历史调度周期的储能设备放电效率。
历史调度周期的负荷数据指的是历史调度周期的电力系统负荷的实际数据,可以包括电力系统中消耗电能的总量。本说明书实施例中参考输出能量是综合了负荷数据、储能设备失能量成本数据以及储能设备性能数据后得到的电能总量。储能设备释放能量是实际检测到的储能设备释放的能量。
例如,在某个调度周期的某个储能设备的参考输出能量为为参考输出能量,/>为参考输出能量偏置项,参考输出能量偏置项由天气、环境等因素决定,/>为参考输出能量关于负荷数据的系数,/>为电力系统中消耗电能的总量,/>为参考输出能量关于储能设备失能量成本数据的系数,/>为储能设备失能量成本数据,/>为第o个储能设备失能量成本数据的系数,/>为第o个储能设备失能量成本数据,u为储能设备失能量成本数据类型总数,/>为参考输出能量关于储能设备性能数据的系数,/>为储能设备性能数据,
为第q个储能设备性能数据系数,/>为第q个储能设备性能数据,c为储能设备性能数据类型总数。本说明书实施例中,某个调度周期的所有储能设备的参考输出能量为各个储能设备的参考输出能量相加。
在本说明书一些实施例中,通过训练好的储能设备充放电效率预测模型预测出当前调度周期的储能设备运行数据,包括:获取当前调度周期的参考输出能量;基于当前调度周期的参考输出能量,通过训练好的储能设备充放电效率预测模型预测出当前调度周期的储能设备释放能量。
本说明书实施例可以通过训练好的储能设备充放电效率预测模型预测出当前调度周期的储能设备充放电效率,然后将当前调度周期的储能设备充放电效率与当前调度周期的参考输出能量之间作乘积运算,便得到当前调度周期的储能设备释放能量。
本说明书实施例综合考虑了运行数据、成本数据以及性能数据等光储调度多方面因素,提高了光储系统的鲁棒性;另外,本说明书实施例在运行数据预测过程中考虑了光伏弃光成本数据以及储能设备失能量成本数据,从而提高了电网运行的经济性;接着,本说明书实施例根据各个模型预测出的当前调度周期的光伏设备运行数据以及储能设备运行数据对对光储系统进行充放电控制,提高了系统的可靠性。本发明说明书实施例通过充分利用光伏发电和储能系统的特性以及成本数据等信息,实现光储调度的智能化和高效性,优化综合光储系统的运行效率和经济性。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
请参阅图5,图5为本说明书实施例提供的一种光储充放电调度系统的结构示意图。
如图5所示,该光储充放电调度系统至少可以包括光伏数据获取模块500、第一预测模块510、储能数据获取模块520、第二预测模块530、控制模块540,其中:
光伏数据获取模块500,用于获取历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据;
第一预测模块510,用于根据历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据预测出当前调度周期的光伏设备运行数据;
储能数据获取模块520,用于获取历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据;
第二预测模块530,用于根据历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据预测出当前调度周期的储能设备运行数据;
控制模块540,用于根据当前调度周期的光伏设备运行数据以及当前调度周期的储能设备运行数据对光储系统进行充放电控制。
在本说明书一些实施例中,第一预测模块510包括功率利用率计算模块、模型建立模块、第一训练模块和第一预测子模块,其中:
功率利用率获取模块,用于根据历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据获取历史调度周期的光伏设备功率利用率;
第一模型建立模块,用于建立光伏设备功率利用率预测模型;
第一训练模块,用于利用历史调度周期的光伏设备功率利用率训练光伏设备功率利用率预测模型,得到训练好的光伏设备功率利用率预测模型;
第一预测子模块,用于通过训练好的光伏设备功率利用率预测模型预测出当前调度周期的光伏设备运行数据。
在本说明书一些实施例中,功率利用率计算模块包括功率利用率计算子模块,功率利用率计算子模块用于:获取历史调度周期的光伏设备运行数据中的光伏发电功率;获取历史调度周期的天气预报数据;基于历史调度周期的天气预报数据、光伏弃光成本数据以及光伏设备性能数据,获取历史调度周期的参考最大发电功率;将历史调度周期的光伏设备运行数据中的光伏发电功率与历史调度周期的参考最大发电功率之间的比值作为历史调度周期的光伏设备功率利用率。
在本说明书一些实施例中,第一预测子模块包括光伏发电功率预测模块,光伏发电功率预测模块用于:获取当前调度周期的理论最大发电功率;基于当前调度周期的理论最大发电功率,通过训练好的光伏设备功率利用率预测模型预测出当前调度周期的光伏发电功率。
在本说明书一些实施例中,第二预测模块530包括放电效率获取模块、第二模型建立模块、第二训练模块和第二预测子模块,其中:
放电效率获取模块,用于根据历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据获取历史调度周期的储能设备放电效率;
第二模型建立模块,用于建立储能设备充放电效率预测模型;
第二训练模块,用于利用历史调度周期的储能设备放电效率训练储能设备充放电效率预测模型,得到训练好的储能设备充放电效率预测模型;
第二预测子模块,用于通过训练好的储能设备充放电效率预测模型预测出当前调度周期的储能设备运行数据。
在本说明书一些实施例中,放电效率获取模块包括放电效率计算子模块,放电效率计算子模块用于:基于历史调度周期的储能设备运行数据,获取历史调度周期的储能设备释放能量;获取历史调度周期的负荷数据;基于历史调度周期的负荷数据、储能设备失能量成本数据以及储能设备性能数据,获取历史调度周期的参考输出能量;将历史调度周期的储能设备释放能量与历史调度周期的参考输出能量之间的比值作为历史调度周期的储能设备放电效率。
在本说明书一些实施例中,第二预测子模块包括释放能量预测模块,释放能量预测模块用于:获取当前调度周期的参考输出能量;基于当前调度周期的参考输出能量,通过训练好的储能设备充放电效率预测模型预测出当前调度周期的储能设备释放能量。
基于本说明书多个实施例中的光储充放电调度系统内容,可知,本说明书实施例综合考虑了运行数据、成本数据以及性能数据等光储调度多方面因素,提高了光储系统的鲁棒性;另外,本说明书实施例在运行数据预测过程中考虑了光伏弃光成本数据以及储能设备失能量成本数据,从而提高了电网运行的经济性;接着,本说明书实施例根据各个模型预测出的当前调度周期的光伏设备运行数据以及储能设备运行数据对对光储系统进行充放电控制,提高了系统的可靠性。本发明说明书实施例通过充分利用光伏发电和储能系统的特性以及成本数据等信息,实现光储调度的智能化和高效性,优化综合光储系统的运行效率和经济性。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分相互参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于光储充放电调度系统实施例而言,由于其基本相似于光储充放电调度方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
请参阅图6示出的本说明书实施例提供的一种电子设备的结构示意图。
如图6所示,该电子设备600可以包括:至少一个处理器601、至少一个网络接口604、用户接口603、存储器605以及至少一个通信总线602。
其中,通信总线602可用于实现上述各个组件的连接通信。
其中,用户接口603可以包括按键,可选用户接口还可以包括标准的有线接口、无线接口。
其中,网络接口604可以但不局限于包括蓝牙模块、NFC模块、Wi-Fi模块等。
其中,处理器601可以包括一个或者多个处理核心。处理器601利用各种接口和线路连接整个电子设备600内的各个部分,通过运行或执行存储在存储器605内的指令、程序、代码集或指令集,以及调用存储在存储器605内的数据,执行电子设备600的各种功能和处理数据。可选的,处理器601可以采用DSP、FPGA、PLA中的至少一种硬件形式来实现。处理器601可集成CPU、GPU和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器601中,单独通过一块芯片进行实现。
其中,存储器605可以包括RAM,也可以包括ROM。可选的,该存储器605包括非瞬时性计算机可读介质。存储器605可用于存储指令、程序、代码、代码集或指令集。存储器605可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器605可选的还可以是至少一个位于远离前述处理器601的存储装置。作为一种计算机存储介质的存储器605中可以包括操作系统、网络通信模块、用户接口模块以及光储充放电调度应用程序。处理器601可以用于调用存储器605中存储的光储充放电调度应用程序,并执行前述实施例中提及的光储充放电调度的步骤。
本说明书实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机或处理器上运行时,使得计算机或处理器执行上述图2~图 4所示实施例中的一个或多个的步骤。上述电子设备的各组成模块如果以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,可以存储在计算机可读取存储介质中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本说明书实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者通过计算机可读存储介质进行传输。计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(Digital Subscriber Line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,数字多功能光盘(Digital Versatile Disc,DVD))、或者半导体介质(例如,固态硬盘(SolidState Disk,SSD))等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可存储程序代码的介质。在不冲突的情况下,本实施例和实施方案中的技术特征可以任意组合。
以上的实施例仅仅是本说明书的优选实施例方式进行描述,并非对本说明书的范围进行限定,在不脱离本说明书的设计精神的前提下,本领域普通技术人员对本说明书的技术方案作出的各种变形及改进,均应落入本说明书的权利要求书确定的保护范围内。
Claims (8)
1.一种光储充放电调度方法,包括:
获取历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据;
根据历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据获取历史调度周期的光伏设备功率利用率;
建立光伏设备功率利用率预测模型;
利用历史调度周期的光伏设备功率利用率训练光伏设备功率利用率预测模型,得到训练好的光伏设备功率利用率预测模型;
通过训练好的光伏设备功率利用率预测模型预测出当前调度周期的光伏设备运行数据;
获取历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据;
根据所述历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据获取所述历史调度周期的储能设备放电效率;
建立储能设备充放电效率预测模型;
利用所述历史调度周期的储能设备放电效率训练所述储能设备充放电效率预测模型,得到训练好的储能设备充放电效率预测模型;
通过所述训练好的储能设备充放电效率预测模型预测出当前调度周期的储能设备运行数据;
根据所述当前调度周期的光伏设备运行数据以及所述当前调度周期的储能设备运行数据对光储系统进行充放电控制。
2.根据权利要求1所述的方法,所述根据所述历史调度周期的光伏设备运行数据、所述光伏弃光成本数据以及所述光伏设备性能数据获取历史调度周期的光伏设备功率利用率,包括:
获取所述历史调度周期的光伏设备运行数据中的光伏发电功率;
获取所述历史调度周期的天气预报数据;
基于所述历史调度周期的天气预报数据、光伏弃光成本数据以及光伏设备性能数据,获取所述历史调度周期的参考最大发电功率;
将所述历史调度周期的光伏设备运行数据中的光伏发电功率与所述历史调度周期的参考最大发电功率之间的比值作为所述历史调度周期的光伏设备功率利用率。
3.根据权利要求2所述的方法,所述通过所述训练好的光伏设备功率利用率预测模型预测出当前调度周期的光伏设备运行数据,包括:
获取当前调度周期的理论最大发电功率;
基于所述当前调度周期的理论最大发电功率,通过所述训练好的光伏设备功率利用率预测模型预测出所述当前调度周期的光伏发电功率。
4.根据权利要求1所述的方法,所述根据所述历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据获取所述历史调度周期的储能设备放电效率,包括:
基于所述历史调度周期的储能设备运行数据,获取所述历史调度周期的储能设备释放能量;
获取所述历史调度周期的负荷数据;
基于所述历史调度周期的负荷数据、储能设备失能量成本数据以及储能设备性能数据,获取所述历史调度周期的参考输出能量;
将所述历史调度周期的储能设备释放能量与所述历史调度周期的参考输出能量之间的比值作为所述历史调度周期的储能设备放电效率。
5.根据权利要求4所述的方法,所述通过所述训练好的储能设备充放电效率预测模型预测出当前调度周期的储能设备运行数据,包括:
获取当前调度周期的参考输出能量;
基于所述当前调度周期的参考输出能量,通过所述训练好的储能设备充放电效率预测模型预测出所述当前调度周期的储能设备释放能量。
6.一种光储充放电调度系统,包括:
光伏数据获取模块,用于获取历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据;
功率利用率获取模块,用于根据历史调度周期的光伏设备运行数据、光伏弃光成本数据以及光伏设备性能数据获取历史调度周期的光伏设备功率利用率;
第一模型建立模块,用于建立光伏设备功率利用率预测模型;
第一训练模块,用于利用历史调度周期的光伏设备功率利用率训练光伏设备功率利用率预测模型,得到训练好的光伏设备功率利用率预测模型;
第一预测子模块,用于通过训练好的光伏设备功率利用率预测模型预测出当前调度周期的光伏设备运行数据;
储能数据获取模块,用于获取历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据;
放电效率获取模块,用于根据历史调度周期的储能设备运行数据、储能设备失能量成本数据以及储能设备性能数据获取历史调度周期的储能设备放电效率;
第二模型建立模块,用于建立储能设备充放电效率预测模型;
第二训练模块,用于利用历史调度周期的储能设备放电效率训练储能设备充放电效率预测模型,得到训练好的储能设备充放电效率预测模型;
第二预测子模块,用于通过训练好的储能设备充放电效率预测模型预测出当前调度周期的储能设备运行数据;
控制模块,用于根据所述当前调度周期的光伏设备运行数据以及所述当前调度周期的储能设备运行数据对光储系统进行充放电控制。
7.一种电子设备,包括处理器以及存储器;
所述处理器与所述存储器相连;
所述存储器,用于存储可执行程序代码;
所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于执行如权利要求1~5任一项所述的方法。
8.一种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1~5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311659091.5A CN117353306B (zh) | 2023-12-06 | 2023-12-06 | 一种光储充放电调度方法、系统、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311659091.5A CN117353306B (zh) | 2023-12-06 | 2023-12-06 | 一种光储充放电调度方法、系统、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117353306A CN117353306A (zh) | 2024-01-05 |
CN117353306B true CN117353306B (zh) | 2024-03-22 |
Family
ID=89367144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311659091.5A Active CN117353306B (zh) | 2023-12-06 | 2023-12-06 | 一种光储充放电调度方法、系统、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117353306B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5308560B1 (ja) * | 2012-06-13 | 2013-10-09 | 株式会社電力システムズ・インスティテュート | 太陽光発電における発電量予測方法及び装置 |
CN111009895A (zh) * | 2019-11-27 | 2020-04-14 | 广东电网有限责任公司 | 一种微网优化调度方法、系统以及设备 |
WO2020103048A1 (zh) * | 2018-11-21 | 2020-05-28 | 亿可能源科技(上海)有限公司 | 储能管理及控制方法、系统、计算机设备、存储介质 |
CN112994107A (zh) * | 2021-04-01 | 2021-06-18 | 华为技术有限公司 | 一种控制供电系统的方法、装置和系统 |
CN113988444A (zh) * | 2021-11-04 | 2022-01-28 | 上海岩芯电子科技有限公司 | 一种光储系统的电费优化控制系统及方法 |
CN114936590A (zh) * | 2022-04-21 | 2022-08-23 | 国电南瑞科技股份有限公司 | 一种光伏电站弃光数据识别方法、装置及存储介质 |
CN115514005A (zh) * | 2022-10-12 | 2022-12-23 | 北京双登慧峰聚能科技有限公司 | 一种光伏电站储能系统配置的经济性评估方法及装置 |
CN116090868A (zh) * | 2022-11-30 | 2023-05-09 | 国网山东省电力公司烟台供电公司 | 基于数据驱动的分布式光伏接纳能力鲁棒估计方法及系统 |
CN116796540A (zh) * | 2023-06-26 | 2023-09-22 | 南京工业大学 | 考虑弃光率和预测精度的大型光伏电站储能容量配置方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11264948B2 (en) * | 2018-09-20 | 2022-03-01 | Itron, Inc. | Techniques for forecasting solar power generation |
-
2023
- 2023-12-06 CN CN202311659091.5A patent/CN117353306B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5308560B1 (ja) * | 2012-06-13 | 2013-10-09 | 株式会社電力システムズ・インスティテュート | 太陽光発電における発電量予測方法及び装置 |
WO2020103048A1 (zh) * | 2018-11-21 | 2020-05-28 | 亿可能源科技(上海)有限公司 | 储能管理及控制方法、系统、计算机设备、存储介质 |
CN111009895A (zh) * | 2019-11-27 | 2020-04-14 | 广东电网有限责任公司 | 一种微网优化调度方法、系统以及设备 |
CN112994107A (zh) * | 2021-04-01 | 2021-06-18 | 华为技术有限公司 | 一种控制供电系统的方法、装置和系统 |
CN113988444A (zh) * | 2021-11-04 | 2022-01-28 | 上海岩芯电子科技有限公司 | 一种光储系统的电费优化控制系统及方法 |
CN114936590A (zh) * | 2022-04-21 | 2022-08-23 | 国电南瑞科技股份有限公司 | 一种光伏电站弃光数据识别方法、装置及存储介质 |
CN115514005A (zh) * | 2022-10-12 | 2022-12-23 | 北京双登慧峰聚能科技有限公司 | 一种光伏电站储能系统配置的经济性评估方法及装置 |
CN116090868A (zh) * | 2022-11-30 | 2023-05-09 | 国网山东省电力公司烟台供电公司 | 基于数据驱动的分布式光伏接纳能力鲁棒估计方法及系统 |
CN116796540A (zh) * | 2023-06-26 | 2023-09-22 | 南京工业大学 | 考虑弃光率和预测精度的大型光伏电站储能容量配置方法 |
Non-Patent Citations (1)
Title |
---|
光伏功率预测技术;龚莺飞等;;电力系统自动化;20160225;第40卷(第04期);第140-151页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117353306A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110888913B (zh) | 一种基于物联网技术用电信息智能分析系统 | |
Kang et al. | Big data analytics in China's electric power industry: modern information, communication technologies, and millions of smart meters | |
CN116345698A (zh) | 储能电站运维管控方法、系统、设备及介质 | |
CN103197138A (zh) | 一种具有供电可靠率和电压合格率监测功能的智能电表及监测方法 | |
CN103412182B (zh) | 利用电能计量装置监测电压合格率的方法 | |
CN106772205A (zh) | 一种电力计量自动化系统终端设备异常监测方法及装置 | |
KR20220095313A (ko) | 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법 | |
CN111091240A (zh) | 一种公共机构电力能效监测系统及服务方法 | |
CN116821660A (zh) | 一种电力管理方法、系统、终端设备及存储介质 | |
CN111835083B (zh) | 电源信息监控系统、方法、装置、计算机设备和存储介质 | |
US11451053B2 (en) | Method and arrangement for estimating a grid state of a power distribution grid | |
CN115173550A (zh) | 一种分布式光伏发电实时监控方法和系统 | |
CN116780583A (zh) | 一种光伏发电智能储能方法、系统、设备及介质 | |
CN112015813B (zh) | 配电网的数据共享方法、系统、装置和计算机设备 | |
CN117353306B (zh) | 一种光储充放电调度方法、系统、电子设备、存储介质 | |
Galeela et al. | Reliability Framework Integrating Grid Scale BESS Considering BESS Degradation | |
CN112564089A (zh) | 一种配电物联网数据处理方法 | |
Queiroz et al. | Predictive data analytics for agent-based management of electrical micro grids | |
Simões et al. | Advances in information technology for Smart Grids | |
WO2021162572A1 (en) | A smart power splitter and a method for providing power with use of the smart power splitter | |
CN113625047B (zh) | 一种具有冻结功能的智能电能表系统 | |
CN117175609B (zh) | 一种电力负荷柔性调控终端 | |
CN114418148B (zh) | 一种基于PaaS平台搭建的充电桩运维智能管理系统及方法 | |
CN117834540B (zh) | 一种基于超声波水表的通信优化方法、物联网系统及设备 | |
US20230378756A1 (en) | Large scale energy storage with ai-based grading and efficiency assessment |
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 |