多能互补混合储能调度系统及其调度方法技术方案

本发明专利技术涉及一种多能互补混合储能调度系统及其调度方法，其采用人工智能技术的深度神经网络模型对各个电用户的用电功率值以及电网的谷电功率密度和储能系统的储能容量进行在时间维度上的高维隐含特征提取，并以此来进行特征融合以对分配给电用户和储能系统电能的比例合理性进行判断，并且在特征融合时，采用特征值的类条件边界约束合成方法，以避免特征值集合由于集合的分布外样本而导致在分类目标域内的决策区域的过度碎片化，提高了分类特征矩阵的分类性能，进而提高了对于合理性判断的准确性。断的准确性。断的准确性。

【技术实现步骤摘要】
多能互补混合储能调度系统及其调度方法


[0001]本专利技术属于储能智能控制
，具体地说是涉及一种多能互补混合储能调度系统及其调度方法。

技术介绍

[0002]近年来，风电、光伏等可再生新能源装机容量快速增长，由于风光等可再生能源发电出力具有随机性和用户负荷需求动态波动性，使得二者在时间尺度和空间维度上往往具有不一致性和非匹配性。可再生能源发电大规模并网后可能对电力系统的安全稳定运行带来新的挑战，也可能出现弃风、弃光等问题。因此，大规模可再生能源并网比例的持续增加，如何实现大规模可再生能源的消纳，保障电力系统安全稳定是亟需解决的国际性难题。
[0003]在新能源渗透率快速提升的背景下，电网系统调节压力持续增大，对灵活性资源的需求不断增加，需要建设新的调节资源以缓解压力。因此，推动新型大容量储能技术与发电/供热系统的耦合与应用，构建分布式储能
‑
灵活供热供电、新型卡诺电池等新型发电系统，同时也可对现有装机中占比最大的燃煤机组实施灵活性改造，不仅能改善电力系统结构，解决新能源电力大幅上网后的消纳问题，缓解系统调峰压力，保障能源和电力安全。
[0004]在利用谷电对储能系统进行冲能时，一方面谷电需分配适当的比例的电能来满足电用户的用电需求，同时，另一方面，也需要考虑储能系统的储能效率。应可以理解，电用户的用电需求在时序维度上存在波动，也就是，电用户的整体用电需求会产生波动如果没有将波动因素考虑在内，则可能导致用户用电产生波动，即，造成电能质量的下降。并且，在利用谷电对储能系统进行充电时，储能是一个连续的过程，而储能效率却会随着储能系统的状态变化而产生波动，而储能效率的变化可通过剩余待储能的容量来表示。
[0005]因此，需要一种技术方案来确定分配给电用户和储能系统的电能比例。

技术实现思路

[0006]为了克服现有技术的缺点和不足，本专利技术提供了一种多能互补混合储能调度系统及其调度方法。本专利技术可以提高分类特征矩阵的分类性能，进而提高了对于合理性判断的准确性。
[0007]为实现上述目的，本专利技术所采取的技术方案为：
[0008]一种多能互补混合储能调度系统，所述系统包括电用户数据采集模块、电用户数据结构化模块、用电数据编码模块、输电和储电数据采集模块、时序编码模块、响应性估计模块、特征融合模块、特征分布校正模块和调度结果生成模块；
[0009]电用户数据采集模块，用于获取多个预定时间点的各个电用户的用电功率值；
[0010]电用户数据结构化模块，用于将多个预定时间点的各个电用户的用电功率按照电用户样本维度和时间维度排列为二维输入矩阵；
[0011]用电数据编码模块，用于使用第一卷积神经网络模型对所述二维输入矩阵进行显式空间编码以得到用电特征矩阵；
[0012]输电和储电数据采集模块，用于获取多个预定时间点的电网的谷电功率密度和储能系统的储能容量；
[0013]时序编码模块，用于将多个预定时间点的电网的谷电功率密度和储能系统的储能容量分别通过包含一维卷积层的时序编码器以得到谷电功率密度向量和储能特征向量；
[0014]响应性估计模块，用于计算谷电功率密度向量相对于所述储能特征向量的响应性矩阵；
[0015]特征融合模块，用于融合响应性矩阵和所述用电特征矩阵以得到分类特征矩阵；
[0016]特征分布校正模块，用于对分类特征矩阵进行基于特征值的类条件边界约束合成以得到校正后分类特征矩阵，其中，所述基于特征值的类条件边界约束合成基于以分类特征矩阵中各个位置的特征值为幂的自然指数函数值与分类特征矩阵中各个位置的特征值的倒数之间的差值来进行；
[0017]调度结果生成模块，用于将校正后分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示分配给储能系统和分配给电用户的电能比例是否合理。
[0018]作为优选，所述电用户数据结构化模块包括向量构造单元和矩阵构造单元；
[0019]向量构造单元，用于将多个预定时间点的各个电用户的用电功率分别按照所述时间维度排列为行向量以获得多个行向量；
[0020]矩阵构造单元，用于将多个行向量按照电用户样本维度排列为二维输入矩阵。
[0021]作为优选，所述用电数据编码模块，进一步用于使用第一卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：
[0022]对输入数据进行卷积处理以得到卷积特征图；
[0023]对卷积特征图进行基于局部通道维度的均值池化以得到池化特征图；以及
[0024]对所述池化特征图进行非线性激活以得到激活特征图；
[0025]其中，所述第一卷积神经网络的最后一层的输出为用电特征矩阵，所述第一卷积神经网络的第一层的输入为二维输入矩阵。
[0026]作为优选，所述时序编码模块包括输入向量构造单元、全连接编码单元和一维卷积编码单元；
[0027]输入向量构造单元，用于将多个预定时间点的电网的谷电功率密度和储能系统的储能容量分别按照时间维度排列为一维的输入向量；
[0028]全连接编码单元，用于使用时序编码器的全连接层以如下公式对输入向量进行全连接编码以提取出输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：其中X是所述输入向量，Y是输出向量，W是权重矩阵， B是偏置向量，表示矩阵乘；
[0029]一维卷积编码单元，用于使用时序编码器的一维卷积层以如下公式对输入向量进行一维卷积编码以提取出输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：
[0030][0031]其中，a为卷积核在x方向上的宽度，F为卷积核参数向量，G为与卷积核函数运算的
局部向量矩阵，w为卷积核的尺寸。
[0032]作为优选，所述响应性估计模块，进一步用于计算谷电功率密度向量相对于储能特征向量的转移矩阵作为所述响应性矩阵，其中，所述转移矩阵乘以谷电功率密度向量等于储能特征向量。
[0033]作为优选，所述特征融合模块进一步用于：以如下公式融合响应性矩阵和用电特征矩阵以得到分类特征矩阵；
[0034]其中，所述公式为：
[0035]M＝αM1+βM2[0036]其中，M为分类特征矩阵，M1为响应性矩阵，M2为用电特征矩阵，α和β为用于控制响应性矩阵和用电特征矩阵之间的平衡的加权参数。
[0037]作为优选，所述特征分布校正模块进一步用于：以如下公式对分类特征矩阵进行基于特征值的类条件边界约束合成以得到校正后分类特征矩阵；
[0038]其中，所述公式为：
[0039][0040]其中，m
i，j
表示分类特征矩阵中各个位置的特征值，m
i，j
′
表示校正后分类特征矩阵中各个位置的特征值。
[0041]作为优选，所述调度结果生成模块进一步用于：分类器以如下公式对校正后分类特征矩阵进行处理以生成分类结果；
[0042]其中，所述公式为：
[0043]so本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多能互补混合储能调度系统，其特征在于：所述系统包括电用户数据采集模块、电用户数据结构化模块、用电数据编码模块、输电和储电数据采集模块、时序编码模块、响应性估计模块、特征融合模块、特征分布校正模块和调度结果生成模块；电用户数据采集模块，用于获取多个预定时间点的各个电用户的用电功率值；电用户数据结构化模块，用于将多个预定时间点的各个电用户的用电功率按照电用户样本维度和时间维度排列为二维输入矩阵；用电数据编码模块，用于使用第一卷积神经网络模型对所述二维输入矩阵进行显式空间编码以得到用电特征矩阵；输电和储电数据采集模块，用于获取多个预定时间点的电网的谷电功率密度和储能系统的储能容量；时序编码模块，用于将多个预定时间点的电网的谷电功率密度和储能系统的储能容量分别通过包含一维卷积层的时序编码器以得到谷电功率密度向量和储能特征向量；响应性估计模块，用于计算谷电功率密度向量相对于所述储能特征向量的响应性矩阵；特征融合模块，用于融合响应性矩阵和所述用电特征矩阵以得到分类特征矩阵；特征分布校正模块，用于对分类特征矩阵进行基于特征值的类条件边界约束合成以得到校正后分类特征矩阵，其中，所述基于特征值的类条件边界约束合成基于以分类特征矩阵中各个位置的特征值为幂的自然指数函数值与分类特征矩阵中各个位置的特征值的倒数之间的差值来进行；调度结果生成模块，用于将校正后分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示分配给储能系统和分配给电用户的电能比例是否合理。2.根据权利要求1所述的多能互补混合储能调度系统，其特征在于：所述电用户数据结构化模块包括向量构造单元和矩阵构造单元；向量构造单元，用于将多个预定时间点的各个电用户的用电功率分别按照所述时间维度排列为行向量以获得多个行向量；矩阵构造单元，用于将多个行向量按照电用户样本维度排列为二维输入矩阵。3.根据权利要求2所述的多能互补混合储能调度系统，其特征在于：所述用电数据编码模块，进一步用于使用第一卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：对输入数据进行卷积处理以得到卷积特征图；对卷积特征图进行基于局部通道维度的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络的最后一层的输出为用电特征矩阵，所述第一卷积神经网络的第一层的输入为二维输入矩阵。4.根据权利要求3所述的多能互补混合储能调度系统，其特征在于：所述时序编码模块包括输入向量构造单元、全连接编码单元和一维卷积编码单元；输入向量构造单元，用于将多个预定时间点的电网的谷电功率密度和储能系统的储能容量分别按照时间维度排列为一维的输入向量；全连接编码单元，用于使用时序编码器的全连接层以如下公式对输入向量进行全连接
编码以提取出输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：其中X是所述输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，表示矩阵乘；一维卷积编码单元，用于使用时序编码器的一维卷积层以如下公式对输入向量进行一维卷积编码以提取出输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：其中，a为卷积核在x方向上的宽度，F为卷积核参数向量，G为与卷积核函数运算的局部向量矩阵，w为卷积核的尺...

【专利技术属性】
技术研发人员：俞李斌，吴卫红，罗海华，郑成航，李钦武，林俊光，孙士恩，秦刚华，高翔，
申请(专利权)人：浙江浙能技术研究院有限公司，
类型：发明
国别省市：