CN117578617A - 一种新能源场站电量的控制方法、装置、设备及介质 - Google Patents
一种新能源场站电量的控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117578617A CN117578617A CN202311548423.2A CN202311548423A CN117578617A CN 117578617 A CN117578617 A CN 117578617A CN 202311548423 A CN202311548423 A CN 202311548423A CN 117578617 A CN117578617 A CN 117578617A
- Authority
- CN
- China
- Prior art keywords
- electric quantity
- time period
- predicted
- historical
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000005611 electricity Effects 0.000 claims abstract description 84
- 238000004146 energy storage Methods 0.000 claims abstract description 78
- 238000003860 storage Methods 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 8
- 238000010248 power generation Methods 0.000 abstract description 14
- 230000006870 function Effects 0.000 description 23
- 238000004590 computer program Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- 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
-
- 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
- H02J2300/28—The renewable source being wind energy
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种新能源场站电量的控制方法、装置、设备及介质,基于预设时刻,获取目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据;基于所述预测用电负荷数据和预测电量输出数据,确定所述下一预测时间段的电量调控方式;储能装置基于所述电量调控方式,控制所述目标新能源场站电量。本申请可根据预测发电和预测耗电的数值差,预先确定储能装置的电量调控方式,从而保证了电网的持续供电,降低了断电几率,提高了电网的稳定性,提高了新能源产能综合利用效率。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种新能源场站电量的控制方法、装置、设备及介质。
背景技术
当前,我国能源发展正处于清洁低碳转型的关键时期,分布式新能源、新型储能、多元负荷等迎来快速增长阶段,研究解决分布式新能源就地就近消纳、灵活性调节资源运行控制、系统电力电量平衡等问题日趋紧迫。
目前,由于新能源场站(例如,风力发电新能源以及光伏发电新能源场站)输出功率波动性大,而且场站用电负荷不稳定,使得新能源发电无法就地消纳,而且,缺乏合理的规划布局策略,分布式电源、新型储能的配置原则不一致,存在新能源产能综合利用效率低等问题。
发明内容
本发明提供了一种新能源场站电量的控制方法、装置、设备及介质,保证电网的持续供电,降低断电几率,提高电网的稳定性,提高新能源产能综合利用效率。
根据本发明的第一方面,提供了一种新能源场站电量的控制方法,该方法包括:
基于预设时刻,获取目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据;
基于所述预测用电负荷数据和预测电量输出数据,确定所述下一预测时间段的电量调控方式;
储能装置基于所述电量调控方式,控制所述目标新能源场站电量。
根据本发明的第二方面,提供了一种新能源场站电量的控制装置,该装置包括:
电量预测模块,用于基于预设时刻,获取目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据;
调控方式确定模块,用于基于所述预测用电负荷数据和预测电量输出数据,确定所述下一预测时间段的电量调控方式;
电量调控模块,用于储能装置基于所述电量调控方式,控制所述目标新能源场站电量。
根据本发明的第三方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的新能源场站电量的控制方法。
根据本发明的第四方面,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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的新能源场站电量的控制方法。
本发明实施例的技术方案,基于预设时刻,获取目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据,进而,基于所述预测用电负荷数据和预测电量输出数据,确定所述下一预测时间段的电量调控方式,从而储能装置基于所述电量调控方式,控制所述目标新能源场站电量。本申请可根据预测发电和预测耗电的数值差,预先确定储能装置的电量调控方式,即当预测到发电大于消耗时,预先将储能装置调整为对多余电能进行存储的模式;当预测到消耗大于发电时,预先将储能装置调整为对电网进行辅助供电的模式,从而保证了电网的持续供电,降低了断电几率,提高了电网的稳定性,提高了新能源产能综合利用效率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要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是根据本发明实施例一提供的一种新能源场站电量的控制方法的流程图;
图2是根据本发明实施例二提供的一种新能源场站电量的控制方法的流程图;
图3是根据本发明实施例三提供的一种新能源场站电量的控制装置的结构示意图;
图4是实现本发明实施例的新能源场站电量的控制方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,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”等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,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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。
实施例一
图1是本发明实施例一提供的一种新能源场站电量的控制方法的流程图,本实施例可适于预先确定储能装置对新能源场站电量调控方式的情况,该方法可以由新能源场站电量的控制装置来执行,该新能源场站电量的控制装置可以采用硬件和/或软件的形式实现,该新能源场站电量的控制装置可配置于终端和/或服务器中。如图1所示,该方法包括:
S110、基于预设时刻,获取目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据。
其中,预设时刻可以是预先设定的时间点。新能源场站可以包括风力发电场站和光伏发电场站。预设区域内的一个风力发电厂可以被认为是一个目标新能源场站;预设区域内的一个光伏发电厂也可以被认为是一个目标新能源场站。
其中,下一预测时间段可以是以预设时刻为时间起点,以预设时长为步长,所确定的时间段。示例性的,预设时刻为整点时刻,例预设时刻为2:00时刻,预设时长为1小时,则相对于预设时刻2:00的下一预测时间段为2:00-3:00这一时间段。
其中,预测用电负荷数据可以是根据现有数据预测的下一预测时间段内目标新能源场站的消耗电量。预测电量输出数据可以是根据现有数据预测的下一预测时间段内目标新能源场站的产出电量。
具体的,可以预先设定定时任务,根据定时任务,周期性的每到预设时刻就获取当前预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据。其中,预测用电负荷数据可以是基于历史实际用电负荷数据以及预先训练好的神经网络模型预测得到的,也可以是对大量历史实际用电负荷数据基于数理统计的方法预测得到的;预测电量输出数据可以是基于上一预测时刻对应的实际电量输出数据确定的,由于新能源场站在短期内的发电量是相对稳定的,因此,可以将上一预测时刻对应的实际电量输出数据近似的作为下一预测时间段对应的预测电量输出数据。在实际应用过程中,可以实时的确定预测用电负荷数据和预测电量输出数据,并将他们存储于数据存储单元中,当到预设时刻,触发定时任务时,直接从数据存储单元中获取下一预测时间段对应的预测用电负荷数据和预测电量输出数据。
示例性的,预先设定预设时刻为每天的整点钟,例如,预设时刻分别为0:00、1:00、2:00…24:00。在实际应用中,基于定时任务,当到0:00时刻时,获取目标新能源场站在0:00-1:00时间段内的预测用电负荷数据和预测电量输出数据;当到1:00时刻时,获取目标新能源场站在1:00-2:00时间段内的预测用电负荷数据和预测电量输出数据;当到2:00时刻时,获取目标新能源场站在2:00-3:00时间段内的预测用电负荷数据和预测电量输出数据,…,以此类推。
S120、基于所述预测用电负荷数据和预测电量输出数据,确定所述下一预测时间段的电量调控方式。
其中,电量调控方式为与目标新能源场站对应的储能装置的工作方式。在具体应用过程中,可以预先为目标新能源场站配置储能装置。储能装置的作用是当场站消耗电量大于场站生产电量时,储能装置向场站内放电,起到能源补给的作用;当场站消耗电量小于场站生产电量时,场站向储能装置充电,起到能源存储的作用。基于此,电量调控方式包括放电调控方式和充电调控方式。放电调控方式即为储能装置向场站内放电的工作方式;充电调控方式场站向储能装置充电的工作方式。
具体的,确定下一预测时间段的电量调控方式,具体包括:若所述预测电量输出数据大于所述预测用电负荷数据,则下一预测时间段的电量调控方式为充电调控方式;若所述预测电量输出数据小于所述预测用电负荷数据,则下一预测时间段的电量调控方式为放电调控方式。
在本实施例中,在得到预测用电负荷数据和预测电量输出数据的基础上,基于预测用电负荷数据和预测电量输出数据,预先确定下一预测时间段的电量调控方式,从而从下一预测时间起始阶段储能装置就开始基于预测得到的电量调控方式进行工作,由于储能装置已经预先进入到了工作状态,可以保证电网供电的稳定性。
示例性的,预测电量输出数据可以用y表征,预测用电负荷数据用s表征,对y和s进行数值大小比较,存在三种情形,即y>s,y=s和y<s。若y>s,则表明预测电量输出数据大于预测用电负荷数据,此时可以计算H=y-s,进一步的,判断H与预设判定阈值A之间的大小关系,若H≥A,确定下一预测时间段的电量调控方式为充电调控方式;若y=s,则表明预测电量输出数据与预测用电负荷数据相等,此时可以使储能装置设定为休眠状态,无需进行充电或者放电;若y<s,则表明预测电量输出数据小于预测用电负荷数据,此时可以计算h=s-y,进一步的,判断h与预设判定阈值A之间的大小关系,若h≥A,确定下一预测时间段的电量调控方式为放电调控方式。特别的,设置预设判定阈值A的目的在于:若预测电量输出数据与预测用电负荷数据的差值很小的话,即H<A和h<A的情形,将不启动储能装置的调控功能,补给电量或者储存电量的工作暂时由场站自身的储能单元执行。
S130、储能装置基于所述电量调控方式,控制所述目标新能源场站电量。
在本实施例中,在确定电量调控方式的基础上,若电量调控方式为放电调控方式,则储能装置根据预测用电负荷数据与预测电量输出数据的差值,向目标新能源场站执行放电控制;若电量调控方式为充电调控方式,则储能装置根据预测用电负荷数据与预测电量输出数据的差值,从目标新能源场站中执行充电控制。
本实施例可以预先确定储能装置的储能容量,具体包括以下内容:确定储能装置历史预设时长内各历史时间段所对应的历史剩余电量;基于各所述历史剩余电量以及预设储能容量函数,确定所述储能装置的储能容量。
其中,历史预设时长为当前时刻之前的预设时间段的时间长度。历史时间段为历史预设时长内的各个时间段。示例性的,历史预设时长为当前时刻的前一天1天,历史时间段为1天内的0:00-1:00、1:00-2:00、2:00-3:00…等的时间段。历史剩余电量为经历历史时间段后历史储能装置的剩余电量。
其中,预设储能容量函数为:
EEMAX=(EET1+EET+1……EETn)+δEEMAX (1)
式中,EEMAX为储能装置的储能容量,EETn为历史预设时长内第n个历史时间段后对应的历史剩余电量,δ为预设误差比例。
特别的,δ的取值可以是5%-10%中的任意数值,设置预设误差比例δ的目的在于:由于储能装置充放电过程中存在电能损耗,需要给出一定的储能装置预设空间,预设空间根据储能设备的性能进行调整,预设空间需要进行预充电,避免电能不足。
可选的,确定各历史时间段所对应的历史剩余电量的具体方式为:
对历史预设时长内各历史时间段,基于上一历史时间段所对应的剩余电量以及预设余量函数,确定对应历史时间段的剩余电量。
其中,所述预设余量函数为:
EE+1=EE+(βcAC-βFAF)T (2)
式中,EE为上一历史时间段后对应的剩余电量,βc为所述储能装置的充电功率,βF为所述储能装置的放电功率,AC为所述储能装置的充电效率,AF为所述储能装置的放电效率,T为各历史时间段对应的时间长度。
其中,上一历史时间段是相对于当前历史时间段而言的。示例性的,若要计算1:00-2:00这一当前历史时间段后对应的剩余电量,则上一历史时间段为0:00-1:00这一历史时间段。
在本实施例中,βc,βF,AC,AF,T为均为设定值,容易获取,基于此,只要确定上一历史时间段所对应的剩余电量,基于公式(2)即可得到对应历史时间段的剩余电量。对于历史储能装置而言,初始储能参数是出场时的确定量,因此是容易获得的。基于此,初始储能参数作为第一个上一历史时间段所对应的剩余电量,依次计算,即可得到各历史时间段的剩余电量。
在本实施例中,在得到历史储能装置各个历史时间段的剩余电量的基础上,将各剩余电量代入公式(1)进行计算,即可确定储能装置的储能容量。
在实施例中的存储装置预留有额外容量,防止在出现长时间的恶劣天气时存储装置电能不足,和长时间充电到达指定容量后断电,从而缓解发电和需求之间的不匹配问题,并降低电力系统的总体成本。
本发明实施例的技术方案,基于预设时刻,获取目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据,进而,基于所述预测用电负荷数据和预测电量输出数据,确定所述下一预测时间段的电量调控方式,从而储能装置基于所述电量调控方式,控制所述目标新能源场站电量。本申请可根据预测发电和预测耗电的数值差,预先确定储能装置的电量调控方式,即当预测到发电大于消耗时,预先将储能装置调整为对多余电能进行存储的模式;当预测到消耗大于发电时,预先将储能装置调整为对电网进行辅助供电的模式,从而保证了电网的持续供电,降低了断电几率,提高了电网的稳定性,提高了新能源产能综合利用效率。
实施例二
图2是本发明实施例二提供的一种新能源场站电量的控制方法的流程图,本发明实施例在上述实施例的基础上,详细介绍如何确定目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据,本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图2所示,新能源场站电量的控制方法包括如下步骤:
如图2所示,该方法包括:
S210、基于预先训练好的用电负荷预测模型,确定目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据。
其中,用电负荷预测模型可以是神经网络预测模型。例如,用电负荷预测模型可以是LSTM网络、BP神经网络、Hopfield网络、BLSTM网络ART网络、Kohonen网络、或GRU网络模型。
可选的,S210具体包括以下步骤:
S2101、以历史目标时刻为起点,获取目标新能源场站在历史预设时长内各历史时间段所对应的历史用电负荷数据。
其中,历史预设时长为1天,历史时间段与预测时间段所对应的时间长度相同,历史时间段为1小时。历史用电负荷数据为当前时刻之前的实际用电负荷数据。
示例性的,历史预设时长为1天,各历史时间段为1小时,若要预测3日0:00-1:00这一时间段的预测用电负荷数据,则历史用电负荷数据可以是以2日0:00为历史目标时刻,历史用电负荷数据为T1(2日0:00-1:00)、T2(2日1:00-2:00)、T3(2日2:00-3:00),…,T24(2日23:00-0:00)对应的实际用电负荷数据。
S2102、将各所述历史用电负荷数据输入至预先训练好的用电负荷预测模型中,得到目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据。
示例性的,预设时刻t0为3日0:00,下一预测时间段为未来1小时,则预设时刻下一预测时间段ts为3日(0:00-1:00)这一时间段。将T1、T2、T3,…和T24对应的历史用电负荷数据输入至预先训练好的用电负荷预测模型中,用电负荷预测模型可以输出ts(0:00-1:00)对应的预测用电负荷数据。
S220、确定所述预设时刻的上一时间段对应的实际电量输出功率。
在本实施例中,目标新能源场站可以为风力发电机组场站或光伏电池组场站,计算风力发电机组场站和光伏电池组场站的实际电量输出功率的具体方式不同,具体如下:
若目标新能源场站为风力发电机组场站,则基于第一预设函数,确定预设时刻的上一时间段对应的实际电量输出功率。
其中,所述第一预设函数为:
式中,PWT(t)为风力发电机组在上一时间段对应的实际电量输出功率;Pe为标准条件下风力发电机组的额定输出功率,v(t)为上一时间段的实时风速,vr为切入风速,vc为切出风速,ve为额定风速。
在本实施例中,预设时刻的上一时间段的额定输出功率、实时风速、切入风速、切出风速以及额定风速,均是可以直接获取到的数据,基于此,将获取到的各维度数据值代入至第一预设函数,即可得到风力发电机组场站预设时刻的上一时间段对应的实际电量输出功率。
若目标新能源场站为光伏电池组场站,则基于第二预设函数,确定预设时刻的上一时间段对应的实际电量输出功率。
其中,所述第二预设函数为:
式中,Ppv(t)为光伏电池组在上一时间段对应的实际电量输出功率,PSTC为标准条件下光伏电池组的额定输出功率,Lc(t)工作环境下的光照强度,LSTC为标准环境下的光照强度,μ为功率温度系数,Tc为工作条件下的电池表面温度,TSTC为标准条件下光伏组件的表面温度。
在本实施例中,预设时刻的上一时间段的额定输出功率、工作环境下的光照强度、标准环境下的光照强度、功率温度系数、工作条件下的电池表面温度以及标准条件下光伏组件的表面温度,均是可以直接获取到的数据,基于此,将获取到的各维度数据值代入至第二预设函数,即可得到光伏发电机组场站预设时刻的上一时间段对应的实际电量输出功率。
S230、基于所述实际电量输出功率,确定目标新能源场站在预设时刻下一预测时间段对应的预测电量输出数据。
在本实施例中,一个预测时间段对应的时间长度为1小时,可以近似的将预设时刻上一时间段对应的实际电量输出功率,作为目标新能源场站在预设时刻下一预测时间段对应的预测电量输出数据。
示例性的,假设预设时刻为3:00,预设时刻上一时间段为Tz(2:00-3:00),预设时刻下一时间段为Ty(3:00-4:00),则可以将Tz时间段对应的实际电量输出功率,确定为Ty时间段对应的预测电量输出数据。
S240、基于预设时刻,获取目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据。
S250、基于所述预测用电负荷数据和预测电量输出数据,确定所述下一预测时间段的电量调控方式。
S260、储能装置基于所述电量调控方式,控制所述目标新能源场站电量。
本发明实施例提供的技术方案,确定目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据,具体可以包括:以历史目标时刻为起点,获取目标新能源场站在历史预设时长内各历史时间段所对应的历史用电负荷数据;将各所述历史用电负荷数据输入至预先训练好的用电负荷预测模型中,得到目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据。确定目标新能源场站在预设时刻下一预测时间段对应的预测电量输出数据,具体可以包括:确定所述预设时刻的上一时间段对应的实际电量输出功率;基于所述实际电量输出功率,确定目标新能源场站在预设时刻下一预测时间段对应的预测电量输出数据。本发明实施例,准确的确定预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据,从而可以精准的确定下一预测时间段的电量调控方式,提高了电量调控的精准性,进一步提高了新能源产能综合利用效率,保证了电网安全稳定的运行。
实施例三
图3是本发明实施例三提供的一种新能源场站电量的控制装置的结构示意图。如图3所示,该装置包括:电量预测模块310、调控方式确定模块320以及电量调控模块330。
其中,电量预测模块310,用于基于预设时刻,获取目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据;
调控方式确定模块320,用于基于所述预测用电负荷数据和预测电量输出数据,确定所述下一预测时间段的电量调控方式;
电量调控模块330,用于储能装置基于所述电量调控方式,控制所述目标新能源场站电量。
本发明实施例的技术方案,基于预设时刻,获取目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据,进而,基于所述预测用电负荷数据和预测电量输出数据,确定所述下一预测时间段的电量调控方式,从而储能装置基于所述电量调控方式,控制所述目标新能源场站电量。本申请可根据预测发电和预测耗电的数值差,预先确定储能装置的电量调控方式,即当预测到发电大于消耗时,预先将储能装置调整为对多余电能进行存储的模式;当预测到消耗大于发电时,预先将储能装置调整为对电网进行辅助供电的模式,从而保证了电网的持续供电,降低了断电几率,提高了电网的稳定性,提高了新能源产能综合利用效率。
可选的,新能源场站电量的控制装置还包括用电负荷数据预测模块,用于基于预先训练好的用电负荷预测模型,确定目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据;
可选的,用电负荷数据预测模块包括:
历史用电数据获取单元,用于以历史目标时刻为起点,获取目标新能源场站在历史预设时长内各历史时间段所对应的历史用电负荷数据;
预测用电数据确定单元,用于将各所述历史用电负荷数据输入至预先训练好的用电负荷预测模型中,得到目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据;
其中,所述历史预设时长为1天,所述历史时间段与预测时间段所对应的时间长度相同,历史时间段为1小时。
可选的,新能源场站电量的控制装置还包括电量输出数据预测模块,包括:
实际输出功率确定单元,用于确定所述预设时刻的上一时间段对应的实际电量输出功率;
预测输出电量确定单元,用于基于所述实际电量输出功率,确定目标新能源场站在预设时刻下一预测时间段对应的预测电量输出数据。
可选的,所述实际输出功率确定单元包括风力输出功率预测子单元,具体用于若所述目标新能源场站为风力发电机组场站,则基于第一预设函数,确定所述预设时刻的上一时间段对应的实际电量输出功率;其中,所述第一预设函数为:
式中,PWT(t)为风力发电机组在上一时间段对应的实际电量输出功率,Pe为标准条件下风力发电机组的额定输出功率,v(t)为上一时间段的实时风速,vr为切入风速,vc为切出风速,ve为额定风速。
可选的,所述实际输出功率确定单元包括光伏输出功率预测子单元,具体用于若所述目标新能源场站为光伏电池组场站,则基于第二预设函数,确定所述预设时刻的上一时间段对应的实际电量输出功率;其中,所述第二预设函数为:
式中,Ppv(t)为光伏电池组在上一时间段对应的实际电量输出功率,PSTC为标准条件下光伏电池组的额定输出功率,Lc(t)工作环境下的光照强度,LSTC为标准环境下的光照强度,μ为功率温度系数,Tc为工作条件下的电池表面温度,TSTC为标准条件下光伏组件的表面温度。
可选的,调控方式确定模块320,包括:
充电调控确定单元,用于若所述预测电量输出数据大于所述预测用电负荷数据,则下一预测时间段的电量调控方式为充电调控方式;
放电调控确定单元,用于若所述预测电量输出数据小于所述预测用电负荷数据,则下一预测时间段的电量调控方式为放电调控方式。
可选的,新能源场站电量的控制装置还包括储能容量确定模块,包括:
历史余量确定单元,用于确定储能装置历史预设时长内各历史时间段所对应的历史剩余电量;
储能容量确定单元,用于基于各所述历史剩余电量以及预设储能容量函数,确定所述储能装置的储能容量;
其中,所述预设储能容量函数为:
EEMAX=(EET1+EET+1……EETn)+δEEMAX
其中,EEMAX为储能装置的储能容量,EETn为历史预设时长内第n个历史时间段对应的历史剩余电量,δ为预设误差比例。
可选的,所述历史余量确定单元具体用于对历史预设时长内各历史时间段,基于上一历史时间段所对应的剩余电量以及预设余量函数,确定对应历史时间段的剩余电量;其中,所述预设余量函数为:
EE+1=EE+(βcAC-βFAF)T
其中,EE为上一历史时间段所对应的剩余电量,βc为所述储能装置的充电功率,βF为所述储能装置的放电功率,AC为所述储能装置的充电效率,AF为所述储能装置的放电效率,T为各历史时间段对应的时间长度。
本发明实施例所提供的新能源场站电量的控制装置可执行本发明任意实施例所提供的新能源场站电量的控制方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM12以及RAM13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如新能源场站电量的控制方法。
在一些实施例中,新能源场站电量的控制方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的新能源场站电量的控制方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行新能源场站电量的控制方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程新能源场站电量的控制装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种新能源场站电量的控制方法,其特征在于,包括:
基于预设时刻,获取目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据;
基于所述预测用电负荷数据和预测电量输出数据,确定所述下一预测时间段的电量调控方式;
储能装置基于所述电量调控方式,控制所述目标新能源场站电量。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于预先训练好的用电负荷预测模型,确定目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据;
所述基于预先训练好的用电负荷预测模型,确定目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据,包括:
以历史目标时刻为起点,获取目标新能源场站在历史预设时长内各历史时间段所对应的历史用电负荷数据;
将各所述历史用电负荷数据输入至预先训练好的用电负荷预测模型中,得到目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据;
其中,所述历史预设时长为1天,所述历史时间段与预测时间段所对应的时间长度相同,历史时间段为1小时。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述预设时刻的上一时间段对应的实际电量输出功率;
基于所述实际电量输出功率,确定目标新能源场站在预设时刻下一预测时间段对应的预测电量输出数据。
4.根据权利要求3所述的方法,其特征在于,所述目标新能源场站为风力发电机组场站或光伏电池组场站,所述确定所述预设时刻的上一时间段对应的实际电量输出功率,包括:
若所述目标新能源场站为风力发电机组场站,则基于第一预设函数,确定所述预设时刻的上一时间段对应的实际电量输出功率;其中,所述第一预设函数为:
式中,PWT(t)为风力发电机组在上一时间段对应的实际电量输出功率,Pe为标准条件下风力发电机组的额定输出功率,v(t)为上一时间段的实时风速,vr为切入风速,vc为切出风速,ve为额定风速;
若所述目标新能源场站为光伏电池组场站,则基于第二预设函数,确定所述预设时刻的上一时间段对应的实际电量输出功率;其中,所述第二预设函数为:
式中,Ppv(t)为光伏电池组在上一时间段对应的实际电量输出功率,PSTC为标准条件下光伏电池组的额定输出功率,Lc(t)工作环境下的光照强度,LSTC为标准环境下的光照强度,μ为功率温度系数,Tc为工作条件下的电池表面温度,TSTC为标准条件下光伏组件的表面温度。
5.根据权利要求1所述的方法,其特征在于,所述电量调控方式包括充电调控方式、放电调控方式,所述基于所述预测用电负荷数据和预测电量输出数据,确定所述下一预测时间段的电量调控方式,包括:
若所述预测电量输出数据大于所述预测用电负荷数据,则下一预测时间段的电量调控方式为充电调控方式;
若所述预测电量输出数据小于所述预测用电负荷数据,则下一预测时间段的电量调控方式为放电调控方式。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定储能装置历史预设时长内各历史时间段所对应的历史剩余电量;
基于各所述历史剩余电量以及预设储能容量函数,确定所述储能装置的储能容量;
其中,所述预设储能容量函数为:
EEMAX=(EET1+EET+1……EETn)+δEEMAX
其中,EEMAX为储能装置的储能容量,EETn为历史预设时长内第n个历史时间段对应的历史剩余电量,δ为预设误差比例。
7.根据权利要求6所述的方法,其特征在于,所述确定历史预设时长内各历史时间段所对应的历史剩余电量,包括:
对历史预设时长内各历史时间段,基于上一历史时间段所对应的剩余电量以及预设余量函数,确定对应历史时间段的剩余电量;其中,所述预设余量函数为:
EE+1=EE+(βcAC-βFAF)T
其中,EE为上一历史时间段所对应的剩余电量,βc为所述储能装置的充电功率,βF为所述储能装置的放电功率,AC为所述储能装置的充电效率,AF为所述储能装置的放电效率,T为各历史时间段对应的时间长度。
8.一种新能源场站电量的控制装置,其特征在于,包括:
电量预测模块,用于基于预设时刻,获取目标新能源场站在预设时刻下一预测时间段对应的预测用电负荷数据和预测电量输出数据;
调控方式确定模块,用于基于所述预测用电负荷数据和预测电量输出数据,确定所述下一预测时间段的电量调控方式;
电量调控模块,用于储能装置基于所述电量调控方式,控制所述目标新能源场站电量。
9.一种电子设备,其特征在于,电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如权利要求1-7任一项的新能源场站电量的控制方法。
10.一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一项的新能源场站电量的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311548423.2A CN117578617A (zh) | 2023-11-20 | 2023-11-20 | 一种新能源场站电量的控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311548423.2A CN117578617A (zh) | 2023-11-20 | 2023-11-20 | 一种新能源场站电量的控制方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117578617A true CN117578617A (zh) | 2024-02-20 |
Family
ID=89883823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311548423.2A Pending CN117578617A (zh) | 2023-11-20 | 2023-11-20 | 一种新能源场站电量的控制方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117578617A (zh) |
-
2023
- 2023-11-20 CN CN202311548423.2A patent/CN117578617A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110266031B (zh) | 储能并网充放电量控制方法、装置、服务器及存储介质 | |
CN113190693B (zh) | 储能系统的数据处理方法、装置、电子设备及存储介质 | |
CN114123280B (zh) | 一种考虑系统效率的电池储能电站能量管理方法 | |
CN116131340A (zh) | 发电站与负荷区域匹配的方法、装置、设备及存储介质 | |
CN115459313A (zh) | 储能参与需求响应方法、装置及介质 | |
CN117526508A (zh) | 电池储能系统的能量管理方法、装置、设备及存储介质 | |
CN116231669A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN115940301A (zh) | 一种功率因数的控制方法、装置、设备及存储介质 | |
CN115395613B (zh) | 电池充电管理方法、装置、电子设备及存储介质 | |
CN114709878A (zh) | 应用于光储直柔建筑的光储协同配置方法、设备及介质 | |
CN117578617A (zh) | 一种新能源场站电量的控制方法、装置、设备及介质 | |
CN115313447A (zh) | 一种混合储能系统充放电状态实时优化控制方法 | |
CN115742781A (zh) | 一种电池充电方法、装置、电子设备及其存储介质 | |
CN116432478B (zh) | 一种电力系统的能量确定方法、装置、设备及介质 | |
CN117498467B (zh) | 一种基于多层级虚拟电厂的能量协调控制分配方法及系统 | |
CN114928174B (zh) | 基于智能物联的光伏电站综合监控方法及系统 | |
CN110912117B (zh) | 一种电力平衡计算方法及装置 | |
CN117134336A (zh) | 一种智能电网能源管理方法及系统 | |
CN117559498A (zh) | 一种农村能源站的调控方法、装置、设备及存储介质 | |
CN116093985A (zh) | 一种基于能量平衡法的储能系统配置方法及装置 | |
CN115456455A (zh) | 一种储能配置方法、装置、设备及存储介质 | |
CN115149557A (zh) | 一种电力系统调度方法、装置、电子设备及存储介质 | |
CN116961188A (zh) | 基站电源的调度方法、装置、电子设备和可读存储介质 | |
CN118100309A (zh) | 一种电力系统限电原因分析方法、系统、介质及设备 | |
CN115882507A (zh) | 光储微电网系统、智能控制方法、设备及存储介质 |
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 |