用能控制策略生成方法、系统、装置、发配能系统及介质制造方法及图纸

本申请的用能控制策略生成方法、系统、装置、发配能系统及介质，应用于发配能系统，通过第一预测器预测未来每个时隙的预测可再生供能量；根据预测可再生供能量、及实际需能量得到时间分解切片及相应的切片需能量；通过第二预测器预测单位供能参数，并确定该时间分解切片在当前时隙的策略阈值；各策略阈值构建的用能控制策略用于控制用能；本申请通过预测器准确地预测可再生供能量和预测代价参数以构建在线的获得供能的优化控制策略，能有效优化用能效率和成本，利于促进供能调配的合理化，利于节能减排，解决现有技术的问题。解决现有技术的问题。解决现有技术的问题。

【技术实现步骤摘要】
用能控制策略生成方法、系统、装置、发配能系统及介质


[0001]本申请涉及能源管理
，特别是涉及用能控制策略生成方法、系统、装置、发配能系统及介质。

技术介绍

[0002]基于节能减排的能源发展大趋势，目前的电力系统中，可再生能源发电需要占有部分比例。
[0003]虽然在传统的电力系统中已有诸多优化用户侧用电效率、成本的研究成果，例如根据预测供能价格控制向电网获得电能的用电控制策略，或者采用储能设备按供能价格峰谷时段进行电能储/放，或者储能设备的充放电策略控制等，但是这些优化措施并不能直接适用在包含可再生能源供应的电力系统中，造成针对这样系统的优化策略的缺失，使得实际场景中，用电设备在使用电能时会更多地使用到电网电力，不利于节能减排，不利于用户成本的节省，会造成供电调配的不合理，造成电力的浪费。

技术实现思路

[0004]鉴于以上所述现有技术的缺点，本申请的目的在于提供用能控制策略生成方法、系统、装置、发配能系统及介质，克服现有技术的各种缺失。
[0005]为实现上述目的及其他相关目的，本申请的第一方面提供一种用能控制策略生成方法，应用于发配能系统，所述发配能系统包括：用能系统、储能系统、及可再生能源系统，其中，所述用能系统同储能系统及可再生能源系统耦接以获得供能，所述储能系统及用能系统中的至少一个与主能源产生系统耦接以按单位供能参数获得供能，所述单位供能参数随时间变化；所述方法包括：通过第一预测器根据输入的可再生能源系统的历史可再生能源供能数据，预测未来时段中每个时隙的预测可再生供能量；根据所述未来时段中每个时隙的预测可再生供能量、及所述用能系统的实际需能量，以得到该未来时段中每个时间分解切片及相应的切片需能量；通过第二预测器根据输入的历史单位供能参数数据预测该未来时段中每个时隙的预测单位供能参数，并根据每个时间分解切片中各时隙的预测单位供能参数的最小值确定该时间分解切片在当前时隙的策略阈值；其中，每个当前时隙的实际单位供能参数与其所属的至少一时间分解切片在该当前时隙的策略阈值的比较结果用于决定该当前时隙是否需要从主能源产生系统获得供能，且所决定获得供能的供能量由对应的时间分解切片的切片需能量确定；获取根据各所述策略阈值构建的用能控制策略；其中，所述用能控制策略用于控制储能系统及用能系统中的至少一个执行从主能源产生系统获得供能。
[0006]在本申请第一方面的某些实施例中，根据所述比较结果以决定该当前时隙是否需要从主从能源产生系统获得供能，包括：获取每个时间分解切片在当前时隙的策略阈值分别同该当前时隙的实际单位供能参数的比较结果；在所述比较结果为所述策略阈值小于所述实际单位供能参数时，决定需要在当前时隙从主能源产生系统获得供能；或者，在所述比
较结果为所述策略阈值大于所述实际单位供能参数时，则决定不需要在当前时隙从主能源产生系统获得供能。
[0007]在本申请第一方面的某些实施例中，所述供能量由对应的时间分解切片的切片需能量确定，包括：对决定需要在当前时隙从主能源产生系统获得供能的各个时间分解切片的切片需能量进行叠加，以得到所述供能量。
[0008]在本申请第一方面的某些实施例中，所述第一预测器和/或第二预测器包括：至少一个递归神经网络。
[0009]在本申请第一方面的某些实施例中，所述第一预测器和/或第二预测器包括：至少一个长短期记忆人工神经网络。
[0010]在本申请第一方面的某些实施例中，所述第一预测器和/或第二预测器，用于迭代执行以下运算，直至得到未来时段中每个时隙的预测单位供能参数：根据前k个历史时隙的历史可再生供能量/历史单位供能参数预测一未来时隙的预测可再生供能量/预测单位供能参数；其中，该未来时隙的预测可再生供能量/预测历史单位供能参数供与其之前的k-1个历史时隙的历史可再生供能量/历史单位供能参数组合，以用于执行下一次运算以预测该未来时隙的下一未来时隙的预测可再生供能量/预测单位供能参数。
[0011]在本申请第一方面的某些实施例中，所述第一预测器和/或第二预测器由一长短期记忆人工神经网络实现，该长短期记忆人工神经网络包括：一或多层单元；第一层中的各个单元分别获得对应时隙的历史数据输入并输出隐藏状态信息，每个单元的隐藏状态信息和单元状态信息还输出至同层中的下一单元；在多层的情形下每一层中的单元获得上一层中时隙对应的单元输出的隐藏状态信息的输入；最后一层中对应未来时隙的单元的输出作为预测结果。
[0012]在本申请第一方面的某些实施例中，所述第一预测器和/或第二预测器，用于根据多个历史可再生供能量/历史单位供能参数编码得到对应的上下文向量，根据所述上下文向量解码得到由该未来时段中每个未来时隙的预测可再生供能量/预测单位供能参数所构成的序列。
[0013]在本申请第一方面的某些实施例中，所述第一预测器和/或第二预测器包括：编码器及解码器，所述编码器用于编码得到所述上下文向量，所述解码器用于解码得到所述序列；其中，所述编码器及解码器分别由一或多层的递归神经网络或长短期记忆人工神经网络实现。
[0014]在本申请第一方面的某些实施例中，所述的用能控制策略生成方法包括：输出所述用能控制策略。
[0015]为实现上述目的及其他相关目的，本申请的第二方面提供一种用能控制策略生成系统，应用于发配能系统，所述发配能系统包括：用能系统、储能系统、及可再生能源系统，其中，所述用能系统同储能系统及可再生能源系统耦接以获得供能，所述储能系统及用能系统中的至少一个与主能源产生系统耦接以按单位供能参数获得供能，所述单位供能参数随时间变化；所述用能控制策略生成系统包括：第一预测器，用于根据输入的可再生能源系统的历史可再生能源供能数据，预测未来时段中每个时隙的预测可再生供能量；分解器，用于根据所述未来时段中每个时隙的预测可再生供能量、及所述用能系统的实际需能量，以得到该未来时段中每个时间分解切片及相应的切片需能量；第二预测器，用于根据输入的
历史单位供能参数数据预测该未来时段中每个时隙的预测单位供能参数；策略生成模块，用于根据每个时间分解切片中各时隙的预测单位供能参数的最小值确定该时间分解切片在当前时隙的策略阈值；其中，每个当前时隙的实际单位供能参数与其所属的至少一时间分解切片在该当前时隙的策略阈值的比较结果用于决定该当前时隙是否需要从主能源产生系统获得供能，且所决定获得供能的供能量由对应的时间分解切片的切片需能量确定；所述策略生成模块，还用于获取根据各所述策略阈值构建的用能控制策略；其中，所述用能控制策略用于控制储能系统及用能系统中的至少一个执行从主能源产生系统获得供能。
[0016]在本申请第二方面的某些实施例中，根据所述比较结果以决定该当前时隙是否需要从主从能源产生系统获得供能，包括：获取每个时间分解切片在当前时隙的策略阈值分别同该当前时隙的实际单位供能参数的比较结果；在所述比较结果为所述策略阈值小于所述实际单位供能参数时，决定需要在当前时隙从主能源产生系统获得供能；或者，在所述比较结果为所述策略阈值大于所述实际单位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用能控制策略生成方法，其特征在于，应用于发配能系统，所述发配能系统包括：用能系统、储能系统、及可再生能源系统，其中，所述用能系统同储能系统及可再生能源系统耦接以获得供能，所述储能系统及用能系统中的至少一个与主能源产生系统耦接以按单位供能参数获得供能，所述单位供能参数随时间变化；所述方法包括：通过第一预测器根据输入的可再生能源系统的历史可再生能源供能数据，预测未来时段中每个时隙的预测可再生供能量；根据所述未来时段中每个时隙的预测可再生供能量、及所述用能系统的实际需能量，以得到该未来时段中每个时间分解切片及相应的切片需能量；通过第二预测器根据输入的历史单位供能参数数据预测该未来时段中每个时隙的预测单位供能参数，并根据每个时间分解切片中各时隙的预测单位供能参数的最小值确定该时间分解切片在当前时隙的策略阈值；其中，每个当前时隙的实际单位供能参数与其所属的至少一时间分解切片在该当前时隙的策略阈值的比较结果用于决定该当前时隙是否需要从主能源产生系统获得供能，且所决定获得供能的供能量由对应的时间分解切片的切片需能量确定；获取根据各所述策略阈值构建的用能控制策略；其中，所述用能控制策略用于控制储能系统及用能系统中的至少一个执行从主能源产生系统获得供能。2.根据权利要求1所述的用能控制策略生成方法，其特征在于，根据所述比较结果以决定该当前时隙是否需要从主从能源产生系统获得供能，包括：获取每个时间分解切片在当前时隙的策略阈值分别同该当前时隙的实际单位供能参数的比较结果；在所述比较结果为所述策略阈值小于所述实际单位供能参数时，决定需要在当前时隙从主能源产生系统获得供能；或者，在所述比较结果为所述策略阈值大于所述实际单位供能参数时，则决定不需要在当前时隙从主能源产生系统获得供能。3.根据权利要求1所述的用能控制策略生成方法，其特征在于，所述供能量由对应的时间分解切片的切片需能量确定，包括：对决定需要在当前时隙从主能源产生系统获得供能的各个时间分解切片的切片需能量进行叠加，以得到所述供能量。4.根据权利要求1所述的用能控制策略生成方法，其特征在于，所述第一预测器和/或第二预测器包括：至少一个递归神经网络。5.根据权利要求1所述的用能控制策略生成方法，其特征在于，所述第一预测器和/或第二预测器包括：至少一个长短期记忆人工神经网络。6.根据权利要求4或5所述的用能控制策略生成方法，其特征在于，所述第一预测器和/或第二预测器，用于迭代执行以下运算，直至得到未来时段中每个时隙的预测单位供能参数：根据前k个历史时隙的历史可再生供能量/历史单位供能参数预测一未来时隙的预测可再生供能量/预测单位供能参数；其中，该未来时隙的预测可再生供能量/预测历史单位供能参数供与其之前的k-1个历史时隙的历史可再生供能量/历史单位供能参数组合，以用于执行下一次运算以预测该未来时隙的下一未来时隙的预测可再生供能量/预测单位供能参数。
7.根据权利要求6所述的用能控制策略生成方法，其特征在于，所述第一预测器和/或第二预测器由一长短期记忆人工神经网络实现，该长短期记忆人工神经网络包括：一或多层单元；第一层中的各个单元分别获得对应时隙的历史数据输入并输出隐藏状态信息，每个单元的隐藏状态信息和单元状态信息还输出至同层中的下一单元；在多层的情形下每一层中的单元获得上一层中时隙对应的单元输出的隐藏状态信息的输入；最后一层中对应未来时隙的单元的输出作为预测结果。8.根据权利要求4或5所述的用能控制策略生成方法，其特征在于，所述第一预测器和/或第二预测器，用于根据多个历史可再生供能量/历史单位供能参数编码得到对应的上下文向量，根据所述上下文向量解码得到由该未来时段中每个未来时隙的预测可再生供能量/预测单位供能参数所构成的序列。9.根据权利要求8所述的用能控制策略生成方法，其特征在于，所述第一预测器和/或第二预测器包括：编码器及解码器，所述编码器用于编码得到所述上下文向量，所述解码器用于解码得到所述序列；其中，所述编码器及解码器分别由一或多层的递归神经网络或长短期记忆人工神经网络实现。10.根据权利要求1所述的用能控制策略生成方法，其特征在于，包括：输出所述用能控制策略。11.一种用能控制策略生成系统，其特征在于，应用于发配能系统，所述发配能系统包括：用能系统、储能系统、及可再生能源系统，其中，所述用能系统同储能系统及可再生能源系统耦接以获得供能，所述储能系统及用能系统中的至少一个与主能源产生系统耦接以按单位供能参数获得供能，所述单位供能参数随时间变化；所述方法包括：第一预测器，用于根据输入的可再生能源系统的历史可再生能源供能数据，预测未来时段中每个时隙的...

【专利技术属性】
技术研发人员：吴佳蔓，吴辰晔，
申请(专利权)人：图灵人工智能研究院南京有限公司，
类型：发明
国别省市：