【技术实现步骤摘要】
一种光储充微网系统的智能调度方法及系统
[0001]本专利技术涉及电力调度
，尤其涉及一种光储充微网系统的智能调度方法及系统。
技术介绍
[0002]随着全球碳减排进程不断深化，“光储充”一体化将是推动碳排放进一步削减的核心能源体系或商业模式，更是推动实现“碳中和”的重要抓手。光伏、储能和充电设施形成了一个微网，根据需求与公共电网智能互动。储能系统的应用还能缓解充电桩大电流充电时对区域电网的冲击。" 光储充"一体化充电站既能为电动汽车供应绿色电能，又能实现电力削峰填谷等辅助服务功能，可有效提高系统运行效率。
[0003]然而，由于光储充微网系统涉及光伏系统、储能系统、充电桩系统等多个系统的结合，且光伏发电受天气等因素影响较大，发电功率随机性和波动性较强，对光储充系统智能调度的复杂性、安全性、稳定性以及功率要求提出了更高的需求，光储充微网的不合理调度，将影响电网的安全稳定，也会影响系统的经济性，因此，亟需一种能够提升光储充微网系统的稳定性与经济性的智能调度方法。
技术实现思路
[0004]针对现有...
【技术保护点】
【技术特征摘要】
1.一种光储充微网系统的智能调度方法，所述光储充微网系统包括一光伏系统、一储能系统和一充电桩系统，其特征在于，包括：步骤S1，分别获取一园区的所述光伏系统的当前光伏装机容量、所述储能系统的当前储能装机容量以及对应的当前采集时间、当前天气数据和当前电价并形成一第一特征向量；步骤S2，根据获取得到的所述园区的所述光伏系统的当前光伏发电功率序列、所述充电桩系统的当前充电功率序列和所述园区的其余负荷的当前负荷功率序列，分别预测得到所述当前采集时间之后的一未来时段对应的预测光伏发电功率、预测充电功率和预测负荷功率并形成一第二特征向量；步骤S3，将所述第一特征向量和所述第二特征向量，输入至以所述园区的用电收益最大化为目标及对应的一约束条件下训练得到的一智能调度模型，以预测得到所述储能系统在所述当前采集时间之后的所述未来时段的预测储能电量，以供所述光储充微网系统进行智能调度。2.根据权利要求1所述的智能调度方法，其特征在于，执行所述步骤S1之前，还包括一模型训练过程，包括：步骤A1，分别获取所述光伏系统的历史光伏装机容量、所述储能系统的历史储能装机容量以及对应的历史采集时间、历史天气数据和历史电价并形成一历史特征向量；步骤A2，根据获取得到的所述光伏系统的历史光伏发电功率序列、所述充电桩系统的历史充电功率序列和所述其余负荷的历史负荷功率序列，分别预测得到对应的历史预测光伏发电功率、历史预测充电功率和历史预测负荷功率；步骤A3，以所述园区的用电收益最大化为目标及对应的所述约束条件下，将所述历史特征向量、所述历史预测光伏发电功率、所述历史预测充电功率和所述历史预测负荷功率作为输入，将所述储能系统的储能电量作为输出，训练得到所述智能调度模型。3.根据权利要求2所述的智能调度方法，其特征在于，所述历史采集时间包括所述历史光伏装机容量和所述历史储能装机容量的数据采集时刻，以及所述数据采集时刻所属的日期类型和季节。4.根据权利要求1或2所述的智能调度方法，其特征在于，以所述园区的用电收益最大化为目标对应的目标函数为：Y＝p*(Q
PY
+Q
ES
‑
Q
EC
‑
Q
EV
‑
Q
load
‑
Q
grid
)所述约束条件为：P
PV
+P
ES
‑
P
EV
‑
P
load
＝P
grid
0<SOC<100其中，Y表示所述用电收益，p表示电价，Q
PY
表示所述光伏系统的光伏发电电量，Q
ES
表示所述储能系统的储能放电电量，Q
EC
表示所述储能系统的储能充电电量，Q
EV
表示所述充电桩的充电电量，Q
load
表示所述其余负荷的用电电量，Q
grid
表示所述园区的电网电量；P
PY
表示所述光伏系统的光伏发电功率，P
ES
表示所述储能系统的储能发电功率，P
EV
表示所述光储充微网系统中电动汽车充电功率，P
grid
表示所述园区的电网发电功率，SOC表示所述储能系统的储能电量。5.根据权利...
【专利技术属性】
技术研发人员：李雪，何海斌，邹杨，章筠，
申请(专利权)人：上海电气分布式能源科技有限公司，
类型：发明
国别省市：
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。