【技术实现步骤摘要】
本专利技术涉及电力
,更具体地说涉及一种基于HSMM的储能系统控制方法。
技术介绍
储能技术在电力系统中有着非常广泛的应用,涵盖发电、输电、配电和用电的各个方面。当前,储能系统主要用于削峰填谷,平抑负荷波动。HSMM(Hideen semi-Markov Model)即隐半马尔可夫模型,是考虑状态驻留概率分布的一种隐马尔可夫扩展模型,有更好的建模能力,可以提高分类分析精度。本专利技术主要针对储能系统的控制方法,所提出的基于HSMM的方法,可完成储能系统的功率自适应控制,实现储能系统的需量控制和削峰填谷功能。
技术实现思路
本专利技术提供一种基于HSMM的储能系统控制方法,可根据历史数据建模,完成储能系统的功率自适应控制,实现储能系统的需量控制和削峰填谷功能。本专利技术提供一种基于HSMM的储能系统控制方法,包括如下步骤:步骤1,基于历史需量数据,初始化HSMM参数,将HSMM隐含状态空间Z划分为包含n个需量状态,分别为z1,z2,…,zn,代表由低到高不同等级的需量水平;步骤2,基于历史需量数据对HSMM模型进行训练,修正得到最优参数;步骤3,在每个计费周期开始时,设置初始控制目标需量为dg;步骤4,实时输入用电需量数据,储能系统运行数据,重建原始需量数据;步骤5,利用步骤2的HSMM模型解码重建的原始需量数据,得到当前需量状态z;步骤6,根据目标需量dg,当前需量状态z,储能系统运行数据输出储能系统功率控制参数;步骤7,更新目标需量dg。本专利技术的有益效果是:基于HSMM对历史数据进行建模,实时自适应地输出储能系统的功率控制参数,为实现储能系统的需 ...
【技术保护点】
一种基于HSMM的储能系统控制方法,其特征在于,该方法包括有以下步骤:步骤1,基于历史需量数据,初始化HSMM参数,将HSMM隐含状态空间Z划分为包含n个需量状态,分别为z1,z2,…,zn,代表由低到高不同等级的需量水平;步骤2,基于历史需量数据对HSMM模型进行训练,修正得到最优参数;步骤3,在每个计费周期开始时,设置初始控制目标需量为dg;步骤4,实时输入用电需量数据,储能系统运行数据,重建原始需量数据;步骤5,利用步骤2的HSMM模型解码重建的原始需量数据,得到当前需量状态z;步骤6,根据目标需量dg,当前需量状态z,储能系统运行数据输出储能系统功率控制参数;步骤7,更新目标需量dg。
【技术特征摘要】
1.一种基于HSMM的储能系统控制方法,其特征在于,该方法包括有以下步骤:步骤1,基于历史需量数据,初始化HSMM参数,将HSMM隐含状态空间Z划分为包含n个需量状态,分别为z1,z2,…,zn,代表由低到高不同等级的需量水平;步骤2,基于历史需量数据对HSMM模型进行训练,修正得到最优参数;步骤3,在每个计费周期开始时,设置初始控制目标需量为dg;步骤4,实时输入用电需量数据,储能系统运行数据,重建原始需量数据;步骤5,利用步骤2的HSMM模型解码重建的原始需量数据,得到当前需量状态z;步骤6,根据目标需量dg,当前需量状态z,储能系统运行数据输出储能系统功率控制参数;步骤7,更新目标需量dg。2.如权利要求1所述的基于HSMM的储能系统控制方法,其特征在于,所述步骤1包括:对于HSMM模型来说,观测概率采用一维高斯分布,对应于状态zi,均值为μi,方差为其中i=1,2,3…n,初始化HSMM参数A=[Aij]n×n为状态转移概率矩阵,D=[Dij]n×l为状态驻留分布矩阵。3.如权利要求1所述的基于HSMM的储能系统控制方法,其特征在于,所述步骤2还包括:根据需要对HSMM进行重新训练,修正已有模型参数。4.如权利要求1所述的基于HSMM的储能系统控制方法,其特征在于,所述步骤3还包括:初始化dg=max(d0,dm),其中d0是合同约定需量或者根据HSMM状态zn均值等数据确定,dm为当前计费周期内最大需量。5.如权利要求1所述的基于HSMM的储能系统控制方法,其特征在于,所述步骤4还包括:若需量计算周期为T(min),用电需量为d(kW),储能系统剩余放电量为Q(kWh),则t时刻重建原始用电需量d′t=dt+60(Qt-T-Qt)/T,其中dt为实时输入的用电需量,Qt-T是t-T时刻储能系统...
【专利技术属性】
技术研发人员:郑熙,门锟,郭子健,
申请(专利权)人:深圳库博能源科技有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。