CN117578534B - 光伏储能系统的调度方法、装置、设备及存储介质 - Google Patents
光伏储能系统的调度方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117578534B CN117578534B CN202410063275.3A CN202410063275A CN117578534B CN 117578534 B CN117578534 B CN 117578534B CN 202410063275 A CN202410063275 A CN 202410063275A CN 117578534 B CN117578534 B CN 117578534B
- Authority
- CN
- China
- Prior art keywords
- energy
- energy storage
- storage unit
- photovoltaic
- storage system
- 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 350
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 78
- 238000011156 evaluation Methods 0.000 claims description 52
- 238000010248 power generation Methods 0.000 claims description 46
- 239000013598 vector Substances 0.000 claims description 36
- 238000005265 energy consumption Methods 0.000 claims description 34
- 230000007613 environmental effect Effects 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 17
- 230000005855 radiation Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 10
- 230000020169 heat generation Effects 0.000 claims description 9
- 230000015654 memory Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 238000011056 performance test Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 6
- 230000004044 response Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 19
- 230000008859 change Effects 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 11
- 238000005457 optimization Methods 0.000 description 9
- 239000002699 waste material Substances 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000010354 integration Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- 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
- H02J3/28—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
- H02J3/381—Dispersed generators
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及数据处理的技术领域，公开了一种光伏储能系统的调度方法、装置、设备及存储介质。所述光伏储能系统的调度方法包括：基于光伏储能系统针对不同时间段和不同预设条件下的预测能量产出和预测负载需求，生成能源分配预案；从所述能源分配预案中选择一个能源配置方案，基于所述能源配置方案对光伏储能系统的储能单元进行能量供应控制，并实时采集储能单元的运行数据，以绘制实际能量输出曲线；本发明将极大提升光伏储能系统在不同条件下的运行性能，并增强系统对复杂电网需求的响应能力。
Description
技术领域
本发明涉及数据处理的技术领域，尤其涉及一种光伏储能系统的调度方法、装置、设备及存储介质。
背景技术
在可再生能源领域，尤其是光伏储能系统的管理和运行中，能源调度策略扮演着至关重要的角色。有效的能源调度不仅能优化能源利用率，还能增强系统的稳定性和可靠性。目前，许多光伏储能系统依赖于基于历史数据和简单预测模型的能源分配策略。这些策略通常会考虑到太阳辐射、温度等因素，但它们在精确预测能量产出和负载需求方面存在局限。现有技术主要采用静态的或过于简化的模型来制定能源分配预案。这些模型通常基于平均数据和经验规则，缺乏对实际操作环境的动态适应性。例如，无法准确预测在不同天气条件下的能量产出和负载需求，从而导致能源的浪费或不足。
因此，亟需提出一种光伏储能系统的调度方法，能够根据实时数据和更准确的预测调整能源分配策略，从而有效克服现有技术的局限，提高光伏储能系统的整体效能和可靠性。
发明内容
本发明提供了一种光伏储能系统的调度方法、装置、设备及存储介质，旨在实现提高光伏储能系统的整体效能和可靠性。
本发明第一方面提供了一种光伏储能系统的调度方法，所述光伏储能系统的调度方法包括：
基于光伏储能系统针对不同时间段和不同预设条件下的预测能量产出和预测负载需求，生成能源分配预案；其中，所述能源分配预案包括针对不同时间段和不同预设条件下的各个能源配置方案；所述不同预设条件至少包括不同的太阳辐射量、不同的温度和不同的云层覆盖度；
从所述能源分配预案中选择一个能源配置方案，基于所述能源配置方案对光伏储能系统的储能单元进行能量供应控制，并实时采集储能单元的运行数据，以绘制实际能量输出曲线；其中，所述储能单元的运行数据至少包括电量、温度和循环次数；
从预设的数据库中提取与能源分配预案中所选的能源配置方案相对应的储能单元理论工作曲线，并将实际能量输出曲线与理论工作曲线进行对比分析，以评估储能单元的效能水平，得到储能单元的效能评估结果；
根据储能单元的效能评估结果，对所述能源分配预案进行修正，生成修正后的能源分配预案；其中，所述预设的数据库中提前存储有对能源分配预案进行修正的规则；所述对所述能源分配预案进行修正包括对多个不同时间段和不同预设条件下的能源配置方案进行修正；
通过修正后的能源分配预案中的各个能源配置方案对光伏储能系统分别进行供能测试，记录并分析光伏储能系统的储能单元在各个能源配置方案的供能测试中的实际工作性能，生成每个能源配置方案对应的实际工作性能的一个优先级权重排序；选择具有最高优先级权重的能源配置方案作为光伏储能系统最终的能量供应执行方案。
可选的，在本发明第一方面的第一种实现方式中，所述基于光伏储能系统的预测能量产出和负载需求，生成能源分配预案，包括:
采集光伏储能系统的环境数据；其中，所述环境数据至少包括太阳辐射量、温度和云层覆盖度；
通过预设的网络气象服务模块，获取不同时间段的气象预报数据；
基于所述环境数据与所述气象预报数据，通过训练后的光伏发电量预测模型，预测下一个时间段的光伏发电量，得到光伏储能系统的预测能量产出；其中，所述光伏发电量预测模型经过提前训练得到；
结合历史的电力消耗数据和用户的用电习惯，基于所述环境数据与所述气象预报数据对下一个时间段的电力负载需求进行预测，得到光伏储能系统的预测负载需求；
对所述光伏储能系统的预测能量产出和所述光伏储能系统的预测负载需求进行优化，生成能量分配预案。
可选的，在本发明第一方面的第二种实现方式中，所述光伏发电量预测模型的训练过程，包括：
获取融合气象预报数据以及光伏储能系统性能指标的多维数据样本；其中，所述多维数据样本包括气象动态的数字序列数据和光伏储能系统实时工作状态的文本序列数据；
对所述数字序列数据和所述文本序列数据进行深层特征提取，以抽取表征气象变异的第一特征向量和描绘光伏储能系统性能的第二特征向量，并设定光伏发电量预测模型的初步损失；
分别对第一特征向量和第二特征向量进行深度编码，得到气象参数相关的第一细粒度特征向量和设备性能相关的第二细粒度特征向量；
对第一细粒度特征向量和第二细粒度特征向量进行动态整合，生成一个综合的目标特性向量，并基于所述目标特征向量计算光伏发电量预测模型的动态对齐损失；
基于光伏发电量预测模型的初始损失以及光伏发电量预测模型的动态对齐损失，对光伏发电量预测模型的模型参数的动态调整和优化，得到训练后的光伏发电量预测模型。
可选的，在本发明第一方面的第三种实现方式中，所述根据储能单元的效能评估结果，对所述能源分配预案进行修正，生成修正后的能源分配预案，包括：
评估光伏储能系统的储能单元的运行效能指标；其中，所述储能单元的运行效能指标基于储能单元在特定性能测试中的输出比例，以及与预定性能基准的对比，以确定储能单元的当前供电能力；
将所述储能单元的效能评估结果分组为优先级储能单元的第一效能评估结果与附加储能单元的第二效能评估结果；其中，所述优先级储能单元的第一评估结果达到预定性能基准，附加储能单元的第二效能评估结果未达到预定性能基准；
量化所述储能单元在执行预定供电任务时的能量损耗与热量产生；其中，所述储能单元在执行预定供电任务时的能量损耗与热量产生包括优先级储能单元的第一额外耗能指数和第一热增益指数，以及附加储能单元的第二额外耗能指数和第二热增益指数，
动态调整分配给优先级储能单元的能源份额，减少分配给附加储能单元的份额，并基于修正公式，对所述能源分配预案进行修正，生成修正后的能源分配预案。
可选的，在本发明第一方面的第四种实现方式中，所述额外耗能指数反映单位时间内的能源消耗超过预期的量，热增益指数表示与预定性能相比产生的热量超额；
所述修正公式如下：
优先级储能单元的第一额外耗能指数×预设分配份额-附加储能单元的第二额外耗能指数×预设减少份额=能量平衡值，优先级储能单元的第一热增益指数×预设分配份额-附加储能单元的第二热增益指数×预设减少份额=热量平衡值。
本发明第二方面提供了一种光伏储能系统的调度装置，所述光伏储能系统的调度装置包括：
生成模块，用于基于光伏储能系统针对不同时间段和不同预设条件下的预测能量产出和预测负载需求，生成能源分配预案；其中，所述能源分配预案包括针对不同时间段和不同预设条件下的各个能源配置方案；所述不同预设条件至少包括不同的太阳辐射量、不同的温度和不同的云层覆盖度；
绘制模块，用于从所述能源分配预案中选择一个能源配置方案，基于所述能源配置方案对光伏储能系统的储能单元进行能量供应控制，并实时采集储能单元的运行数据，以绘制实际能量输出曲线；其中，所述储能单元的运行数据至少包括电量、温度和循环次数；
分析模块，用于从预设的数据库中提取与能源分配预案中所选的能源配置方案相对应的储能单元理论工作曲线，并将实际能量输出曲线与理论工作曲线进行对比分析，以评估储能单元的效能水平，得到储能单元的效能评估结果；
修正模块，用于根据储能单元的效能评估结果，对所述能源分配预案进行修正，生成修正后的能源分配预案；其中，所述预设的数据库中提前存储有对能源分配预案进行修正的规则；所述对所述能源分配预案进行修正包括对多个不同时间段和不同预设条件下的能源配置方案进行修正；
记录模块，用于通过修正后的能源分配预案中的各个能源配置方案对光伏储能系统分别进行供能测试，记录并分析光伏储能系统的储能单元在各个能源配置方案的供能测试中的实际工作性能，生成每个能源配置方案对应的实际工作性能的一个优先级权重排序；选择具有最高优先级权重的能源配置方案作为光伏储能系统最终的能量供应执行方案。
本发明第三方面提供了一种光伏储能系统的调度设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述光伏储能系统的调度设备执行上述的光伏储能系统的调度方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的光伏储能系统的调度方法。
本发明提供的技术方案中，有益效果：本发明提供一种光伏储能系统的调度方法、装置、设备及存储介质，通过基于光伏储能系统针对不同时间段和不同预设条件下的预测能量产出和预测负载需求，生成能源分配预案；从所述能源分配预案中选择一个能源配置方案，基于所述能源配置方案对光伏储能系统的储能单元进行能量供应控制，并实时采集储能单元的运行数据，以绘制实际能量输出曲线；从预设的数据库中提取与能源分配预案中所选的能源配置方案相对应的储能单元理论工作曲线，并将实际能量输出曲线与理论工作曲线进行对比分析，以评估储能单元的效能水平，得到储能单元的效能评估结果；根据储能单元的效能评估结果，对所述能源分配预案进行修正，生成修正后的能源分配预案；通过修正后的能源分配预案中的各个能源配置方案对光伏储能系统分别进行供能测试，记录并分析光伏储能系统的储能单元在各个能源配置方案的供能测试中的实际工作性能，生成每个能源配置方案对应的实际工作性能的一个优先级权重排序；选择具有最高优先级权重的能源配置方案作为光伏储能系统最终的能量供应执行方案。本发明通过考虑不同太阳辐射量、温度和云层覆盖度等预设条件，能源分配预案能够更好地适应复杂多变的环境条件。这使得能源配置方案更加贴近实际运行情况，从而提高能源利用效率，减少能量浪费。通过实时采集储能单元运行数据并绘制实际能量输出曲线，本方法能够即时监测储能单元的工作状态，并与理论工作曲线进行对比分析，准确评估储能单元的效能水平。根据储能单元效能评估结果对能源分配预案进行修正，使得系统能够通过自学习逐渐完善能源分配策略，实现自我优化。不仅提高了调度方法的智能化水平，还能不断提升系统整体的性能和可靠性。通过优先级权重排序，优化了能源配置方案的选择过程。最终选择最高优先级权重的方案作为执行方案，可以在确保稳定供能的同时，优先实施最佳性能的能源配置方案。本发明可以减少对非可再生能源的依赖，降低能源成本，并减少环境影响。同时，通过提高储能单元的使用效率和延长其寿命，本方法也可以降低光伏储能系统的长期运维成本。
附图说明
图1为本发明实施例中光伏储能系统的调度方法的一个实施例示意图；
图2为本发明实施例中光伏储能系统的调度装置的一个实施例示意图。
具体实施方式
本发明实施例提供了一种光伏储能系统的调度方法、装置、设备及存储介质。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中光伏储能系统的调度方法的一个实施例包括：
步骤101、基于光伏储能系统针对不同时间段和不同预设条件下的预测能量产出和预测负载需求，生成能源分配预案；其中，所述能源分配预案包括针对不同时间段和不同预设条件下的各个能源配置方案；所述不同预设条件至少包括不同的太阳辐射量、不同的温度和不同的云层覆盖度；
可以理解的是，本发明的执行主体可以为光伏储能系统的调度装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的，步骤101的具体实现如下：
采集太阳辐射量、温度和云层覆盖度等气象数据，利用ARIMA模型（自回归积分移动平均模型）和LSTM模型（长短期记忆网络）对能量产出进行预测。
同时，通过分析用户用电习惯和历史负荷数据，利用时序分析和基于负荷特征的机器学习算法对负载需求进行预测。
在预测能量产出和负载需求的基础上，结合光伏组件的容量、储能系统的状态等，生成能源分配预案。根据不同时间段和不同预设条件，制定相应的能源配置方案，包括光伏发电、储能系统放电、外部电网供电等，以满足用户的用电需求，同时考虑能源利用效率和经济性。
所述能源分配预案可根据预测模型生成多种备选方案，以适应不同的气象条件和用电需求，为系统运行和管理提供多样化的选择。
步骤102、从所述能源分配预案中选择一个能源配置方案，基于所述能源配置方案对光伏储能系统的储能单元进行能量供应控制，并实时采集储能单元的运行数据，以绘制实际能量输出曲线；其中，所述储能单元的运行数据至少包括电量、温度和循环次数；
具体的，步骤102的具体实现如下：
从能源分配预案中选择一个能源配置方案，例如，在特定时间段内主要依靠光伏发电满足负载需求，通过储能系统存储多余的能量，并在需要时释放能量以弥补光伏发电不足的情况。
基于所选的能源配置方案，对光伏储能系统的储能单元进行能量供应控制。具体包括根据当前负载需求和光伏发电情况，控制储能单元的充放电功率和电池的充放电状态，以确保系统能够按照预定方案提供稳定的能源供应。
实时采集储能单元的运行数据，包括电量、温度和循环次数等参数。通过电池管理系统（BMS）实时监测电池的充放电情况和温度变化，同时记录储能单元的循环次数和电量变化。
利用所采集的储能单元运行数据，绘制实际能量输出曲线。通过电量与时间的关系绘制曲线，以反映储能系统实际提供的能量输出情况；同时，考虑温度和循环次数对能量输出的影响，绘制这些参数随时间变化的曲线。
在实时监测储能单元的运行数据的基础上，引入基于先进的电池状态估计算法，结合温度、循环次数和电量等数据，实现对储能单元实时状态的精准监测和估计。
利用先进的电池状态估计算法，结合储能单元的温度、循环次数和电量等多种数据，建立包括电池容量、内阻、健康度等在内的多维电池状态模型。
实时监测并记录储能单元的温度、循环次数和电量等运行数据，同时使用先进的电池状态估计算法对这些数据进行处理和分析。
结合电池状态模型和实时监测数据，利用先进的电池状态估计算法对储能单元的实时状态进行估计，包括估计电池的剩余可用容量、电池的健康状况、循环次数等重要参数。
基于估计的实时状态信息，优化储能单元的充放电控制策略，以最大程度地延长电池使用寿命、提高系统效率，同时确保系统运行的稳定性和安全性。
步骤103、从预设的数据库中提取与能源分配预案中所选的能源配置方案相对应的储能单元理论工作曲线，并将实际能量输出曲线与理论工作曲线进行对比分析，以评估储能单元的效能水平，得到储能单元的效能评估结果；
具体的，步骤103的具体实现如下：
从预设的数据库中提取与能源分配预案中所选的能源配置方案相对应的储能单元理论工作曲线：
利用数据库查询语言（如SQL）从预设的能源储能单元性能数据库中提取与能源分配预案中所选的能源配置方案相对应的储能单元理论工作曲线数据，包括充放电功率、电池电量变化率、温度变化率等关键参数。
实际能量输出曲线的绘制：
使用实时监测设备采集储能单元的运行数据，包括电池电量、温度和循环次数等，通过数值分析软件（如MATLAB或Python）绘制实际的能量输出曲线，该曲线反映了储能单元在实际运行中的电量变化情况。
对比分析实际能量输出曲线与理论工作曲线：
利用数值分析软件对实际能量输出曲线与从数据库中提取的理论工作曲线进行对比分析，比如采用数学拟合或回归分析等方法，计算两者之间的偏差和差异。
评估储能单元的效能水平：
基于对比分析的结果，通过计算储能单元的能量转换效率、充放电功率稳定性以及循环寿命等指标，评估系统的性能表现是否符合预期，并思考如何利用改进的算法和控制策略以提高系统性能。
得到储能单元的效能评估结果：
根据对比分析和评估的结果得出储能单元的效能评估报告，包括储能单元性能参数、关键特性和优化建议。
步骤104、根据储能单元的效能评估结果，对所述能源分配预案进行修正，生成修正后的能源分配预案；其中，所述预设的数据库中提前存储有对能源分配预案进行修正的规则；所述对所述能源分配预案进行修正包括对多个不同时间段和不同预设条件下的能源配置方案进行修正；
具体的，步骤104的具体实现如下：
根据储能单元的效能评估结果，对能源分配预案进行修正：
基于储能单元的实际运行数据和效能评估结果，使用数据处理和分析工具（如Python或R语言）对能源分配预案进行修正。修正包括调整能源配置方案中的充放电策略、储能单元的运行参数和运行模式等，以提高系统的能量利用效率和对电网的支撑性。
生成修正后的能源分配预案：
利用修正规则和优化算法，根据储能单元的效能评估结果自动生成修正后的能源分配预案。这些规则和算法可能包括动态规划、遗传算法、模型预测控制等技术，在多个不同时间段和预设条件下对能源配置方案进行修正，以实现系统性能的持续优化和改进。
区分不同时间段和预设条件下的能源配置方案的修正：
系统根据不同的时间段（如白天、夜晚、工作日、节假日等）和不同的预设条件（如天气、电网负荷等）制定不同的能源配置方案，并对其进行修正。例如，在高温天气下可能需要调整储能单元的温度控制策略，以减小温度对储能效率的不利影响。
确保修正后的能源分配预案满足系统要求：
对修正后的能源分配预案进行评估，确保其满足系统的性能、安全、稳定和经济性等要求。需要考虑到整个能量存储系统的运行特性，并利用仿真和验证工具对修正后的能源分配预案进行验证和分析。
步骤105、通过修正后的能源分配预案中的各个能源配置方案对光伏储能系统分别进行供能测试，记录并分析光伏储能系统的储能单元在各个能源配置方案的供能测试中的实际工作性能，生成每个能源配置方案对应的实际工作性能的一个优先级权重排序；选择具有最高优先级权重的能源配置方案作为光伏储能系统最终的能量供应执行方案。
具体的，步骤105的具体实现如下：
使用修正后的能源分配预案中的各个能源配置方案对光伏储能系统进行供能测试：
根据修正后的能源分配预案，对光伏储能系统进行供能测试，即按照不同的能源配置方案进行实际的充放电操作，记录每种能源配置方案下储能单元的实际运行数据，包括充放电功率、电池电量变化率、温度变化率等。以实际工作性能进行评估。
记录和分析储能单元在各能源配置方案的供能测试中的实际工作性能：
通过实时监测设备采集储能单元在各个能源配置方案下的运行数据，包括电池的充放电过程、温度变化、循环寿命等。利用数据处理和分析工具对这些数据进行记录和分析，以评估每种能源配置方案下的储能单元实际工作性能。
生成每个能源配置方案对应的实际工作性能的优先级权重排序：
根据记录和分析的实际工作性能数据，采用多元统计分析方法（如主成分分析、层次分析法等）计算每种能源配置方案的实际工作性能权重，以确定各配置方案的优先级和重要性，从而进行排序。优先级权重排序将帮助在不同配置方案之间进行比较和选择。
选择具有最高优先级权重的能源配置方案作为最终的能量供应执行方案：
根据优先级权重排序结果，选择具有最高优先级权重的能源配置方案作为光伏储能系统最终的能量供应执行方案。
本发明实施例中光伏储能系统的调度方法的另一个实施例包括：
所述基于光伏储能系统的预测能量产出和负载需求，生成能源分配预案，包括:
采集光伏储能系统的环境数据；其中，所述环境数据至少包括太阳辐射量、温度和云层覆盖度；
通过预设的网络气象服务模块，获取不同时间段的气象预报数据；
基于所述环境数据与所述气象预报数据，通过训练后的光伏发电量预测模型，预测下一个时间段的光伏发电量，得到光伏储能系统的预测能量产出；其中，所述光伏发电量预测模型经过提前训练得到；
结合历史的电力消耗数据和用户的用电习惯，基于所述环境数据与所述气象预报数据对下一个时间段的电力负载需求进行预测，得到光伏储能系统的预测负载需求；
对所述光伏储能系统的预测能量产出和所述光伏储能系统的预测负载需求进行优化，生成能量分配预案。
具体的，重要术语解释：
光伏储能系统：一种集成了太阳能光伏发电和电能存储功能的系统，用于收集、转换、存储和使用太阳能。
环境数据：此上下文中指太阳辐射量、温度和云层覆盖度等与光伏发电量密切相关的外部环境参数。
网络气象服务模块：一个获取气象预报数据的软件模块，用于预测不同时间段的天气状况。
光伏发电量预测模型：一种算法模型，用于根据环境数据和气象预报数据预测光伏系统的发电量。
电力负载需求预测：基于历史电力消耗数据和用户用电习惯，预测未来某一时间段内的电力需求量。
应用场景：
本技术方案适用于需要优化能源使用效率的场景，如智能建筑、居民住宅、工业企业或远程地区的独立电网。通过精准预测和能量分配，该方案有助于提高能源利用率，减少能源浪费，降低成本，并提高系统对环境变化的适应能力。
实施例1
环境数据采集：通过传感器实时收集光伏系统所在地的太阳辐射量、温度和云层覆盖度数据。
气象预报数据获取：利用网络气象服务模块，获取未来几个小时或几天内的天气预报，包括预测的太阳辐射量、温度等。
光伏发电量预测：运用训练好的光伏发电量预测模型，结合实时环境数据和气象预报数据，预测下一个时间段内的光伏发电量。
电力负载需求预测：参考历史电力消耗数据和用户用电习惯，结合当前和预测的环境数据，预测下一个时间段的电力需求。
能量分配预案制定：基于预测的能量产出和负载需求，制定能量优化分配方案，以实现最高效的能源使用。
本发明实施例中，有益效果：本发明实施例基于精确的发电量和负载需求预测有助于优化能源分配，减少能源浪费。通过优化能源使用，降低能源成本，特别是在电价波动较大的地区。能够根据环境变化调整能源分配策略，提高系统对不稳定天气的适应能力。确保用户的电力需求得到满足，提高用户对系统的满意度。
本发明实施例中光伏储能系统的调度方法的另一个实施例包括：
所述光伏发电量预测模型的训练过程，包括：
获取融合气象预报数据以及光伏储能系统性能指标的多维数据样本；其中，所述多维数据样本包括气象动态的数字序列数据和光伏储能系统实时工作状态的文本序列数据；
对所述数字序列数据和所述文本序列数据进行深层特征提取，以抽取表征气象变异的第一特征向量和描绘光伏储能系统性能的第二特征向量，并设定光伏发电量预测模型的初步损失；
分别对第一特征向量和第二特征向量进行深度编码，得到气象参数相关的第一细粒度特征向量和设备性能相关的第二细粒度特征向量；
对第一细粒度特征向量和第二细粒度特征向量进行动态整合，生成一个综合的目标特性向量，并基于所述目标特征向量计算光伏发电量预测模型的动态对齐损失；
基于光伏发电量预测模型的初始损失以及光伏发电量预测模型的动态对齐损失，对光伏发电量预测模型的模型参数的动态调整和优化，得到训练后的光伏发电量预测模型。
具体的，重要术语解释：
多维数据样本：指融合了气象预报数据和光伏储能系统性能指标的综合数据集，包括气象动态的数字序列数据和光伏储能系统实时工作状态的文本序列数据。
深层特征提取：通过数据分析技术从数字序列数据和文本序列数据中提取出有助于预测的深层次特征。
特征向量：代表数据重要属性的数学向量，用于数据模型的输入。
动态整合：指根据当前的数据环境和需求，灵活调整并合并不同特征向量的过程。
动态对齐损失：在模型训练过程中，根据目标特征向量的变化动态调整损失函数，以提高模型的预测准确性。
应用场景：
本技术方案适用于光伏发电系统管理和优化，特别是在对环境变化敏感且电力需求波动的场合，如智能化的住宅小区、工业园区、农业生产设施以及遥远的岛屿或山区社区。该方案通过深度分析和实时调整，保证光伏储能系统在各种气候条件下的高效运行。
实施例2
多维数据样本的先进处理：
引入机器学习算法对采集的数字序列数据和文本序列数据进行高级分析。
应用自然语言处理技术，特别是针对光伏系统性能的文本数据，从而提取出更加细致的运行状态特征。
特征向量的高级编码：
使用深度学习网络，如卷积神经网络（CNN）或循环神经网络（RNN），对特征向量进行深度编码。
引入注意力机制，以提高模型对关键特征的敏感度，进一步提升预测的准确性。
动态特征整合的策略：
实施基于强化学习的动态特征整合方法，使模型能够自主学习最有效的特征组合策略。
引入模型的自我评估机制，持续监控特征整合的有效性，并根据效果动态调整特征整合策略。
模型训练的优化步骤：
利用多目标优化技术，在提高预测准确性的同时，优化模型的计算效率和响应速度。
实施增量学习策略，使模型能够利用新收集的数据持续优化和更新，适应环境变化。
预测模型的实时反馈调整：
建立一个实时监测系统，持续跟踪光伏发电量和电力负载的实际数据。
利用实时数据反馈调整预测模型，确保模型预测与实际运行状况紧密对应。
本发明实施例中，有益效果：本发明实施例通过深层特征提取和动态整合技术，增强光伏发电量预测模型的准确性。模型能够根据环境和气候变化动态调整，提高在多变环境下的适应性。确保光伏储能系统在不同条件下的最优运行，减少能源浪费，提高整体效率。通过减少能源浪费和提高发电效率，长期看可降低运维成本。
本发明实施例中光伏储能系统的调度方法的另一个实施例包括：
所述根据储能单元的效能评估结果，对所述能源分配预案进行修正，生成修正后的能源分配预案，包括：
评估光伏储能系统的储能单元的运行效能指标；其中，所述储能单元的运行效能指标基于储能单元在特定性能测试中的输出比例，以及与预定性能基准的对比，以确定储能单元的当前供电能力；
将所述储能单元的效能评估结果分组为优先级储能单元的第一效能评估结果与附加储能单元的第二效能评估结果；其中，所述优先级储能单元的第一评估结果达到预定性能基准，附加储能单元的第二效能评估结果未达到预定性能基准；
量化所述储能单元在执行预定供电任务时的能量损耗与热量产生；其中，所述储能单元在执行预定供电任务时的能量损耗与热量产生包括优先级储能单元的第一额外耗能指数和第一热增益指数，以及附加储能单元的第二额外耗能指数和第二热增益指数，
动态调整分配给优先级储能单元的能源份额，减少分配给附加储能单元的份额，并基于修正公式，对所述能源分配预案进行修正，生成修正后的能源分配预案。
具体的，重要术语解释：
储能单元效能评估：指对光伏储能系统中储能单元（如电池）的运行效率和性能稳定性进行评估的过程。
运行效能指标：是指衡量储能单元运行状态的各项指标，如电池的输出比例、循环寿命、温度稳定性等。
优先级储能单元与附加储能单元：在光伏储能系统中，根据效能评估结果将储能单元分为性能更优的优先级储能单元和性能较差的附加储能单元。
额外耗能指数和热增益指数：用于衡量储能单元在运行过程中的能量损耗程度和产生的热量，影响系统的总体效率。
应用场景
该技术方案适用于光伏发电和储能系统的能量管理，特别是在需要长时间稳定供电的场所，如远程地区、离岛、以及对电力供应有连续性要求的商业建筑和居民区。通过优化能源分配，该方案可以提高系统的能效和可靠性，减少维护成本，延长系统使用寿命。
实施例3
智能化储能单元效能评估：
开发一种基于深度学习算法的评估框架，自动处理和解析储能单元的性能数据，生成效能分数。
这一算法能够识别和学习储能单元的工作模式及其退化趋势，并预测其未来的性能变化。
动态效能分组和实时监控：
设计一种动态分组策略，将储能单元按效能分数分为不同等级，并实时更新。
配置实时监控系统，不断跟踪储能单元的状态变化，并相应地调整优先级分组。
预先定义的性能基准与分组算法：
制定多标准评估制度，结合储能单元的历史性能数据与实时性能测试结果，并于预先定义的性能基准相对比。
使用一种基于规则的算法或机器学习分类器来自动执行这一储能单元的优先级排列。
热量管理与能量损耗优化：
采用先进的热传感技术监测储能单元的热量产生，并将这些数据融入能源管理系统。
通过协同优化算法，综合考虑额外耗能指数和热增益指数，实施冷却策略并优化电池单元的充放电过程。
基于智能算法的能源分配策略：
利用遗传算法、粒子群优化或其他启发式算法来探索最优的能源分配策略。
根据效能评估结果和能量损耗分析，自动计算并修正能源分配公式，生成最佳分配策略。
本发明实施例中，有益效果：本发明实施例通过优化能源分配，减少能量损耗，提高光伏储能系统的整体运行效率。有效管理储能单元，延长其使用寿命，减少更换和维护的频率和成本。通过实时监控和动态调整，提高系统对不同运行条件的适应性，确保供电的连续性和可靠性。根据不同的气候条件和使用需求，智能调整储能单元的工作状态，提高系统在多变环境下的稳定运行能力。
本发明实施例中光伏储能系统的调度方法的另一个实施例包括：
所述额外耗能指数反映单位时间内的能源消耗超过预期的量，热增益指数表示与预定性能相比产生的热量超额；
所述修正公式如下：
优先级储能单元的第一额外耗能指数×预设分配份额-附加储能单元的第二额外耗能指数×预设减少份额=能量平衡值，优先级储能单元的第一热增益指数×预设分配份额-附加储能单元的第二热增益指数×预设减少份额=热量平衡值。
修正公式的具体解释：
修正公式用于调整光伏储能系统中不同储能单元间的能源分配，以确保系统的整体效率和稳定性。
修正公式的组成部分解释：
第一额外耗能指数：反映优先级储能单元单位时间内的能源消耗超出预定量的程度。
预设分配份额：为优先级储能单元初始设定的能源分配比例。
第二额外耗能指数：反映附加储能单元单位时间内的能源消耗超出预定量的程度。
预设减少份额：预定减少分配给附加储能单元的能源份额。
能量平衡值：计算结果代表经过调整后的系统能量平衡状态。
第一热增益指数：反映优先级储能单元相对于预定性能产生的热量超额。
第二热增益指数：反映附加储能单元相对于预定性能产生的热量超额。
热量平衡值：计算结果代表经过调整后的系统热量平衡状态。
使用举例：
假设一个光伏储能系统含有两种储能单元：优先级储能单元和附加储能单元。
假定优先级储能单元的第一额外耗能指数为0.05，其预设分配份额为60%。
假定附加储能单元的第二额外耗能指数为0.08，其预设减少份额也为60%。
类似地，优先级单元的第一热增益指数为0.04，而附加单元的第二热增益指数为0.06。
使用公式计算能量平衡值和热量平衡值：
能量平衡值 = 0.05 * 60% - 0.08 * 60% = 0.03 - 0.048 = -0.018
热量平衡值 = 0.04 * 60% - 0.06 * 60% = 0.024 - 0.036 = -0.012
在这个例子中，能量平衡值和热量平衡值都是负数，表明根据当前的分配策略，附加储能单元的额外耗能和热增益超过了优先级储能单元，这可能导致能量浪费和过热问题。
调整策略：
系统管理员可以根据能量和热量平衡值调整储能单元的能源分配。例如，降低附加储能单元的份额或提高优先级储能单元的份额，直至能量平衡值和热量平衡值接近零或为正值，以优化整个系统的能效和热管理。
通过这种修正，可以实现能量和热量的均衡分配，减少整个光伏储能系统运行的总体能耗和热负担，从而提升系统的性能和寿命。
技术方案的应用场景
该技术方案适用于各种需要高效能源管理的光伏储能系统，例如在远程地区、工业园区、商业建筑或居民住宅中。特别是在那些电力供应需要高度可靠性和稳定性的场合，此方案能有效提升整体能源管理效率。
本发明实施例中，有益效果：本发明实施例通过优化储能单元的使用，减少能源浪费，提高整体能效。更高效的能源管理减少运维成本，延长储能单元的使用寿命。实时监控和动态调整策略提升了系统的稳定性和可靠性。
智能调整能源分配，适应不同环境条件，确保系统在各种情况下均能高效运行。
上面对本发明实施例中光伏储能系统的调度方法进行了描述，下面对本发明实施例中光伏储能系统的调度装置进行描述，请参阅图2，本发明实施例中光伏储能系统的调度装置一个实施例包括：
所述光伏储能系统的调度装置包括：
生成模块，用于基于光伏储能系统针对不同时间段和不同预设条件下的预测能量产出和预测负载需求，生成能源分配预案；其中，所述能源分配预案包括针对不同时间段和不同预设条件下的各个能源配置方案；所述不同预设条件至少包括不同的太阳辐射量、不同的温度和不同的云层覆盖度；
绘制模块，用于从所述能源分配预案中选择一个能源配置方案，基于所述能源配置方案对光伏储能系统的储能单元进行能量供应控制，并实时采集储能单元的运行数据，以绘制实际能量输出曲线；其中，所述储能单元的运行数据至少包括电量、温度和循环次数；
分析模块，用于从预设的数据库中提取与能源分配预案中所选的能源配置方案相对应的储能单元理论工作曲线，并将实际能量输出曲线与理论工作曲线进行对比分析，以评估储能单元的效能水平，得到储能单元的效能评估结果；
修正模块，用于根据储能单元的效能评估结果，对所述能源分配预案进行修正，生成修正后的能源分配预案；其中，所述预设的数据库中提前存储有对能源分配预案进行修正的规则；所述对所述能源分配预案进行修正包括对多个不同时间段和不同预设条件下的能源配置方案进行修正；
记录模块，用于通过修正后的能源分配预案中的各个能源配置方案对光伏储能系统分别进行供能测试，记录并分析光伏储能系统的储能单元在各个能源配置方案的供能测试中的实际工作性能，生成每个能源配置方案对应的实际工作性能的一个优先级权重排序；选择具有最高优先级权重的能源配置方案作为光伏储能系统最终的能量供应执行方案。
本发明还提供一种光伏储能系统的调度设备，所述光伏储能系统的调度设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述光伏储能系统的调度方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述光伏储能系统的调度方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元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全部或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（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，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 (6)
1.一种光伏储能系统的调度方法，其特征在于，包括以下步骤：
基于光伏储能系统针对不同时间段和不同预设条件下的预测能量产出和预测负载需求，生成能源分配预案；其中，所述能源分配预案包括针对不同时间段和不同预设条件下的各个能源配置方案；所述不同预设条件至少包括不同的太阳辐射量、不同的温度和不同的云层覆盖度；
从所述能源分配预案中选择一个能源配置方案，基于所述能源配置方案对光伏储能系统的储能单元进行能量供应控制，并实时采集储能单元的运行数据，以绘制实际能量输出曲线；其中，所述储能单元的运行数据至少包括电量、温度和循环次数；
从预设的数据库中提取与能源分配预案中所选的能源配置方案相对应的储能单元理论工作曲线，并将实际能量输出曲线与理论工作曲线进行对比分析，以评估储能单元的效能水平，得到储能单元的效能评估结果；
根据储能单元的效能评估结果，对所述能源分配预案进行修正，生成修正后的能源分配预案；其中，所述预设的数据库中提前存储有对能源分配预案进行修正的规则；所述对所述能源分配预案进行修正包括对多个不同时间段和不同预设条件下的能源配置方案进行修正；
通过修正后的能源分配预案中的各个能源配置方案对光伏储能系统分别进行供能测试，记录并分析光伏储能系统的储能单元在各个能源配置方案的供能测试中的实际工作性能，生成每个能源配置方案对应的实际工作性能的一个优先级权重排序；选择具有最高优先级权重的能源配置方案作为光伏储能系统最终的能量供应执行方案；
所述根据储能单元的效能评估结果，对所述能源分配预案进行修正，生成修正后的能源分配预案，包括：
评估光伏储能系统的储能单元的运行效能指标；其中，所述储能单元的运行效能指标基于储能单元在特定性能测试中的输出比例，以及与预定性能基准的对比，以确定储能单元的当前供电能力；
将所述储能单元的效能评估结果分组为优先级储能单元的第一效能评估结果与附加储能单元的第二效能评估结果；其中，所述优先级储能单元的第一评估结果达到预定性能基准，附加储能单元的第二效能评估结果未达到预定性能基准；
量化所述储能单元在执行预定供电任务时的能量损耗与热量产生；其中，所述储能单元在执行预定供电任务时的能量损耗与热量产生包括优先级储能单元的第一额外耗能指数和第一热增益指数，以及附加储能单元的第二额外耗能指数和第二热增益指数，
动态调整分配给优先级储能单元的能源份额，减少分配给附加储能单元的份额，并基于修正公式，对所述能源分配预案进行修正，生成修正后的能源分配预案；
所述额外耗能指数反映单位时间内的能源消耗超过预期的量，热增益指数表示与预定性能相比产生的热量超额；
所述修正公式如下：
优先级储能单元的第一额外耗能指数×预设分配份额-附加储能单元的第二额外耗能指数×预设减少份额=能量平衡值，优先级储能单元的第一热增益指数×预设分配份额-附加储能单元的第二热增益指数×预设减少份额=热量平衡值。
2.根据权利要求1所述的光伏储能系统的调度方法，其特征在于，所述基于光伏储能系统的预测能量产出和负载需求，生成能源分配预案，包括:
采集光伏储能系统的环境数据；其中，所述环境数据至少包括太阳辐射量、温度和云层覆盖度；
通过预设的网络气象服务模块，获取不同时间段的气象预报数据；
基于所述环境数据与所述气象预报数据，通过训练后的光伏发电量预测模型，预测下一个时间段的光伏发电量，得到光伏储能系统的预测能量产出；其中，所述光伏发电量预测模型经过提前训练得到；
结合历史的电力消耗数据和用户的用电习惯，基于所述环境数据与所述气象预报数据对下一个时间段的电力负载需求进行预测，得到光伏储能系统的预测负载需求；
对所述光伏储能系统的预测能量产出和所述光伏储能系统的预测负载需求进行优化，生成能量分配预案。
3.根据权利要求2所述的光伏储能系统的调度方法，其特征在于，所述光伏发电量预测模型的训练过程，包括：
获取融合气象预报数据以及光伏储能系统性能指标的多维数据样本；其中，所述多维数据样本包括气象动态的数字序列数据和光伏储能系统实时工作状态的文本序列数据；
对所述数字序列数据和所述文本序列数据进行深层特征提取，以抽取表征气象变异的第一特征向量和描绘光伏储能系统性能的第二特征向量，并设定光伏发电量预测模型的初步损失；
分别对第一特征向量和第二特征向量进行深度编码，得到气象参数相关的第一细粒度特征向量和设备性能相关的第二细粒度特征向量；
对第一细粒度特征向量和第二细粒度特征向量进行动态整合，生成一个综合的目标特性向量，并基于所述目标特征向量计算光伏发电量预测模型的动态对齐损失；
基于光伏发电量预测模型的初始损失以及光伏发电量预测模型的动态对齐损失，对光伏发电量预测模型的模型参数的动态调整和优化，得到训练后的光伏发电量预测模型。
4.一种光伏储能系统的调度装置，其特征在于，所述光伏储能系统的调度装置包括：
生成模块，用于基于光伏储能系统针对不同时间段和不同预设条件下的预测能量产出和预测负载需求，生成能源分配预案；其中，所述能源分配预案包括针对不同时间段和不同预设条件下的各个能源配置方案；所述不同预设条件至少包括不同的太阳辐射量、不同的温度和不同的云层覆盖度；
绘制模块，用于从所述能源分配预案中选择一个能源配置方案，基于所述能源配置方案对光伏储能系统的储能单元进行能量供应控制，并实时采集储能单元的运行数据，以绘制实际能量输出曲线；其中，所述储能单元的运行数据至少包括电量、温度和循环次数；
分析模块，用于从预设的数据库中提取与能源分配预案中所选的能源配置方案相对应的储能单元理论工作曲线，并将实际能量输出曲线与理论工作曲线进行对比分析，以评估储能单元的效能水平，得到储能单元的效能评估结果；
修正模块，用于根据储能单元的效能评估结果，对所述能源分配预案进行修正，生成修正后的能源分配预案；其中，所述预设的数据库中提前存储有对能源分配预案进行修正的规则；所述对所述能源分配预案进行修正包括对多个不同时间段和不同预设条件下的能源配置方案进行修正；
记录模块，用于通过修正后的能源分配预案中的各个能源配置方案对光伏储能系统分别进行供能测试，记录并分析光伏储能系统的储能单元在各个能源配置方案的供能测试中的实际工作性能，生成每个能源配置方案对应的实际工作性能的一个优先级权重排序；选择具有最高优先级权重的能源配置方案作为光伏储能系统最终的能量供应执行方案；
所述修正模块，具体用于：
评估光伏储能系统的储能单元的运行效能指标；其中，所述储能单元的运行效能指标基于储能单元在特定性能测试中的输出比例，以及与预定性能基准的对比，以确定储能单元的当前供电能力；
将所述储能单元的效能评估结果分组为优先级储能单元的第一效能评估结果与附加储能单元的第二效能评估结果；其中，所述优先级储能单元的第一评估结果达到预定性能基准，附加储能单元的第二效能评估结果未达到预定性能基准；
量化所述储能单元在执行预定供电任务时的能量损耗与热量产生；其中，所述储能单元在执行预定供电任务时的能量损耗与热量产生包括优先级储能单元的第一额外耗能指数和第一热增益指数，以及附加储能单元的第二额外耗能指数和第二热增益指数，
动态调整分配给优先级储能单元的能源份额，减少分配给附加储能单元的份额，并基于修正公式，对所述能源分配预案进行修正，生成修正后的能源分配预案；
所述额外耗能指数反映单位时间内的能源消耗超过预期的量，热增益指数表示与预定性能相比产生的热量超额；
所述修正公式如下：
优先级储能单元的第一额外耗能指数×预设分配份额-附加储能单元的第二额外耗能指数×预设减少份额=能量平衡值，优先级储能单元的第一热增益指数×预设分配份额-附加储能单元的第二热增益指数×预设减少份额=热量平衡值。
5.一种光伏储能系统的调度设备，其特征在于，所述光伏储能系统的调度设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述光伏储能系统的调度设备执行如权利要求1-3中任一项所述的光伏储能系统的调度方法。
6.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-3中任一项所述的光伏储能系统的调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410063275.3A CN117578534B (zh) | 2024-01-17 | 2024-01-17 | 光伏储能系统的调度方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410063275.3A CN117578534B (zh) | 2024-01-17 | 2024-01-17 | 光伏储能系统的调度方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117578534A CN117578534A (zh) | 2024-02-20 |
| CN117578534B true CN117578534B (zh) | 2024-05-07 |
Family
ID=89895925
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410063275.3A Active CN117578534B (zh) | 2024-01-17 | 2024-01-17 | 光伏储能系统的调度方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117578534B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104967149A (zh) * | 2015-06-29 | 2015-10-07 | 山东电力研究院 | 一种微电网风光储模型预测控制方法 |
| CN107872068A (zh) * | 2017-09-29 | 2018-04-03 | 国网上海市电力公司 | 一种基于互联网的并网型微网联合能量管理与控制方法 |
| WO2022160705A1 (zh) * | 2021-01-26 | 2022-08-04 | 中国电力科学研究院有限公司 | 综合能源系统调度模型构建方法、装置、介质及电子设备 |
| CN116231766A (zh) * | 2023-05-09 | 2023-06-06 | 国网浙江省电力有限公司永康市供电公司 | 高渗透率光伏智能配电台区协调分配方法及系统 |
| CN117176079A (zh) * | 2023-11-02 | 2023-12-05 | 中科华辰(山东)实业股份有限公司 | 一种光伏组件信息管理系统 |
| CN117293882A (zh) * | 2023-04-28 | 2023-12-26 | 重庆跃达新能源有限公司 | 一种光储能负载预测系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109462231B (zh) * | 2018-11-15 | 2020-09-01 | 合肥工业大学 | 居民微电网的负荷优化调度方法、系统和存储介质 |
-
2024
- 2024-01-17 CN CN202410063275.3A patent/CN117578534B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104967149A (zh) * | 2015-06-29 | 2015-10-07 | 山东电力研究院 | 一种微电网风光储模型预测控制方法 |
| CN107872068A (zh) * | 2017-09-29 | 2018-04-03 | 国网上海市电力公司 | 一种基于互联网的并网型微网联合能量管理与控制方法 |
| WO2022160705A1 (zh) * | 2021-01-26 | 2022-08-04 | 中国电力科学研究院有限公司 | 综合能源系统调度模型构建方法、装置、介质及电子设备 |
| CN117293882A (zh) * | 2023-04-28 | 2023-12-26 | 重庆跃达新能源有限公司 | 一种光储能负载预测系统及方法 |
| CN116231766A (zh) * | 2023-05-09 | 2023-06-06 | 国网浙江省电力有限公司永康市供电公司 | 高渗透率光伏智能配电台区协调分配方法及系统 |
| CN117176079A (zh) * | 2023-11-02 | 2023-12-05 | 中科华辰(山东)实业股份有限公司 | 一种光伏组件信息管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117578534A (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111492559B (zh) | 用于能量存储系统的最佳控制的系统和方法 | |
| KR102187327B1 (ko) | 자동기계학습 기반의 건물 부하 최적 관리 및 제어 시스템 | |
| CN116646933A (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
| Kodaira et al. | Optimal energy storage system operation for peak reduction in a distribution network using a prediction interval | |
| 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 | |
| CN101872441A (zh) | 离散资源管理 | |
| CN110198042B (zh) | 一种电网储能的动态优化方法及存储介质 | |
| CN116436008A (zh) | 一种用于光储充电站的电力调度方法及终端 | |
| CN116128167B (zh) | 一种基于云计算实时监测的分布式光伏发电分析方法 | |
| CN116683500A (zh) | 一种电化学储能电站有功功率调度方法和系统 | |
| CN116599151A (zh) | 基于多源数据的源网储荷安全管理方法 | |
| CN117013527A (zh) | 一种分布式光伏发电功率预测方法 | |
| CN111815039A (zh) | 基于天气分类的周尺度风电功率概率预测方法及系统 | |
| CN111064199A (zh) | 一种智能微网的控制方法及装置 | |
| CN117495056A (zh) | 一种用电数据监测和优化方法及系统 | |
| CN117578534B (zh) | 光伏储能系统的调度方法、装置、设备及存储介质 | |
| CN117200352A (zh) | 一种基于云边融合的光伏发电调控方法及系统 | |
| Chang et al. | The use of the peak-clipping method for energy management in households with energy storage equipment | |
| CN117973819B (zh) | 一种用于电能储放优化的储能管理系统及方法 | |
| CN117439101B (zh) | 一种用于电网中新能源与柔性负荷互动的智能网络 | |
| CN117498468B (zh) | 一种多区域虚拟电厂协同优化运行方法 | |
| CN117639040A (zh) | 一种基于光伏发电的停车场储能系统及方法 | |
| Matushkin et al. | Concept of an ensemble forecasting system for optimization problems of control of solar MicroGrid | |
| CN117713236A (zh) | 一种基于多时间尺度的灵活性资源优化调度方法 | |
| CN117458543A (zh) | 一种微电网群储能装置电能优化方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |