面向建筑光储一体化集群的电力协同调度数据涌现方法技术

本发明专利技术提供一种面向建筑光储一体化集群的电力协同调度数据涌现方法，对不同“源网荷储一体化”系统的逐时状态量进行模拟，通过导入建筑模型、结合天气文件获取各系统光伏逐时发电数据，通过蒙特卡洛随机采样方法生成具备多样性的人员用能时刻表，结合建筑模型、天气文件、空调系统设计、照明系统设计、人员用能时刻表获取各系统逐时用电数据，将发电量、用电量以及对应的充电量进行匹配，并联合各系统状态进而获取大量可靠的“源网荷储一体化”系统集群的逐时联合状态量，通过本发明专利技术的方法可获得足够规模的数据作为强化学习的训练样本，且成本低，适于在工程应用中进行普及。适于在工程应用中进行普及。适于在工程应用中进行普及。

【技术实现步骤摘要】
面向建筑光储一体化集群的电力协同调度数据涌现方法


[0001]本专利技术属于能源管理策略优化
，具体涉及一种面向建筑光储一体化集群的电力协同调度数据涌现方法。

技术介绍

[0002]随着我国“双碳”目标的提出，“源网荷储一体化”系统因其具有调配储能或可再生能源发电设备进行电力补给，增强用户端柔性用电的能力，未来将会普遍应用于城乡建筑用能领域。但由于可再生能源具有“间歇性”和“随机性”的特点，单个系统的可再生能源消纳能力仍然有限，因此“源网荷储一体化”系统集群的协同柔性用电得到快速的发展：结合系统所对应的各类建筑之间差异化的用能模式，基于多智能体协同的思想，以系统集群内碳排放量最低为协同目标，实现集群内各“源网荷储一体化”系统的协同式供电、用电与储电，最大限度的消纳可再生能源。
[0003]基于多智能体深度强化学习算法构建电力调度模型，是实现“源网荷储一体化”系统集群的协同柔性电力调度的一种典型方法。强化学习在该场景下的应用，是利用大量的历史数据的连续转换来自主学习，学习系统与环境不断交互并获取环境反馈的区域范围内调用的总非可再生电量的信号，并根据非可再生电量进行自适应地调整从而学习到最优的行为策略，以达到最小化其长期积累非可再生电量的目的，能够在现实情况下根据当下发电量、用电量和充电可用容积迅速明确各系统在该时刻的净流入流出电力。强化学习的本质是试错过程，故对学习样本数量的要求极高。
[0004]然而，在协同柔性电力调度场景下获取能够满足与多智能体深度强化学习所需的训练数据是异常困难的，一方面是通过实际运行系统来获取数据的成本极高；另一方面是由于内在的建筑类型及其组合形式的不同，不同的系统集群具有不同的供电、用电与储电模式，因此在配置某个系统集群时都需要重新进行算法的训练。这也是限制“源网荷储一体化”系统集群的协同柔性用电的主要原因。
[0005]为解决上述问题，现有技术中存在一些相应的改进方案：Elena Mocanu等利用强化学习来进行建筑能耗在线优化时，利用数据采集器获得48栋建筑每日九千万个电耗记录用于强化学习，在学习过程中利用20天收集到的约1000个数据集后强化学习的平均峰值和优化峰值逐渐达到收敛。Yuankun Liu等在家庭能源管理策略的优化研究中，建立了真实的用能结合储能的实验室，从中获取真实数据样本，将1000个完整数据集输入强化学习算法，优化模型的建立。Jianhong Wang等在基于强化学习的配电网电压主动控制的研究中，选取了葡萄牙232个用户3年的电耗数据和10个地区3年的光伏发电量，作为强化学习的训练样本。
[0006]然而，由于经济成本与时间成本的限制，上述方法较难大范围的在工程中应用中进行普及。此外，“源网荷储一体化”系统集群所覆盖的范围是百幢甚至千幢建筑的尺度，因此上述方案所实现的数据规模仍旧无法满足“源网荷储一体化”系统集群的协同柔性用电场景。

技术实现思路

[0007]本专利技术是为解决上述问题而进行的，目的在于提供一种能够提供大规模可靠数据作为训练样本且成本低、适于实际工程应用的电力协同调度数据涌现方法，本专利技术采用了如下技术方案：
[0008]本专利技术提供了一种面向建筑光储一体化集群的电力协同调度数据涌现方法，其特征在于，包括以下步骤：
[0009]步骤S1，对源网荷储一体化系统集群中的每个系统，基于该系统对应的建筑系统模型以及每一时刻的天气文件，模拟计算得到该系统对应时刻的光伏发电量，从而得到各所述系统的逐时光伏发电量；
[0010]步骤S2，对每个所述系统，基于该系统对应的所述建筑系统模型、改进的人员用能时刻表以及每一时刻的所述天气文件，模拟计算得到该系统对应时刻的用电量，从而得到各所述系统的逐时用电量，其中，所述改进的人员用能时刻表采用基于蒙特卡洛的随机作息方法来生成；
[0011]步骤S3，对每个所述系统，根据该系统的最大储能容积、该系统的所述逐时用电量以及上一时刻该系统的状态及动作，模拟计算得到该系统对应时刻的可用容积量，从而得到各所述系统每一时刻可用容积量；
[0012]步骤S4，将各所述系统的所述逐时光伏发电量、所述逐时用电量以及所述每一时刻可用容积量组成各所述系统每一时刻的状态量，并将各所述系统同一时刻的所述状态量组成多系统联合状态量，作为强化学习的训练样本。
[0013]本专利技术提供的面向建筑光储一体化集群的电力协同调度数据涌现方法，还可以具有这样的技术特征，其中，所述改进的人员用能时刻表按以下方式生成：手动设定人员用能时刻表中的值，取所述人员用能时刻表中的值的随机变化范围为
±
50％，概率随正态分布，以手动设定的所述人员用能时刻表中的值作为基础值，引入具有随机数的系数η来修改所述基础值，
[0014]η
set
≠0时，
[0015][0016]η
set
＝0时，
[0017][0018]式中，η
set
为对应功能房间的典型人员用能时刻表的人员密度系数，每时刻空间内的人员分布密度可用η
×
ρ(空间最大人员密度)来表示，并将其作为具备随机性和多样性的建筑内扰量来源。
[0019]本专利技术提供的面向建筑光储一体化集群的电力协同调度数据涌现方法，还可以具有这样的技术特征，其中，所述建筑系统模型包括建筑围护结构模型、照明系统设计、空调系统设计。
[0020]本专利技术提供的面向建筑光储一体化集群的电力协同调度数据涌现方法，还可以具有这样的技术特征，其中，步骤S1具体包括：将所述建筑围护结构模型、所述天气文件输入光伏发电模拟软件，所述光伏发电模拟软件根据建筑特征参数和结构设计，结合建筑类型
和街区、单栋建筑折减系数计算得到建筑屋顶光伏可用面积、光伏板铺设最佳角度；基于所述建筑屋顶光伏可用面积、所述光伏板铺设最佳角度，利用所述光伏发电模拟软件的光伏组件设计功能调整光伏系统设计；所述光伏发电模拟软件基于调整后的所述光伏系统设计以及所述天气文件模拟计算得到所述逐时光伏发电量。
[0021]本专利技术提供的面向建筑光储一体化集群的电力协同调度数据涌现方法，还可以具有这样的技术特征，其中，所述所述光伏发电模拟软件为PVsyst平台。
[0022]本专利技术提供的面向建筑光储一体化集群的电力协同调度数据涌现方法，还可以具有这样的技术特征，其中，步骤S2具体包括：将所述建筑围护结构模型、所述照明系统设计、所述空调系统设计、所述改进的人员用能时刻表以及所述天气文件输入建筑能耗模拟软件中，所述建筑能耗模拟软件模拟计算得到所述逐时用电量。
[0023]本专利技术提供的面向建筑光储一体化集群的电力协同调度数据涌现方法，还可以具有这样的技术特征，其中，所述建筑能耗模拟软件为Energyplus平台。
[0024]本专利技术提供的面向建筑光储一体化集群的电力协同调度数据涌现方法，还可以具有这样的技术特征，其中，所述强化训练的输出为多系统联合动作，包括各所述系统的逐时净流入流出电量，步骤S3中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向建筑光储一体化集群的电力协同调度数据涌现方法，其特征在于，包括以下步骤：步骤S1，对源网荷储一体化系统集群中的每个系统，基于该系统对应的建筑系统模型以及每一时刻的天气文件，模拟计算得到该系统对应时刻的光伏发电量，从而得到各所述系统的逐时光伏发电量；步骤S2，对每个所述系统，基于该系统对应的所述建筑系统模型、改进的人员用能时刻表以及每一时刻的所述天气文件，模拟计算得到该系统对应时刻的用电量，从而得到各所述系统的逐时用电量；步骤S3，对每个所述系统，根据该系统的最大储能容积、该系统的所述逐时用电量以及上一时刻该系统的状态及动作，模拟计算得到该系统对应时刻的可用容积量，从而得到各所述系统每一时刻可用容积量；步骤S4，将各所述系统的所述逐时光伏发电量、所述逐时用电量以及所述每一时刻可用容积量组成各所述系统每一时刻的状态量，并将各所述系统同一时刻的所述状态量组成多系统联合状态量，作为强化学习的训练样本，其中，所述改进的人员用能时刻表采用基于蒙特卡洛的随机作息方法来生成。2.根据权利要求1所述的面向建筑光储一体化集群的电力协同调度数据涌现方法，其特征在于：其中，所述改进的人员用能时刻表按以下方式生成：手动设定人员用能时刻表中的值，取所述人员用能时刻表中的值的随机变化范围为
±
50％，概率随正态分布，以手动设定的所述人员用能时刻表中的值作为基础值，引入具有随机数的系数η来修改所述基础值，η
set
≠0时，η
set
＝0时，式中，η
set
为对应功能房间的典型人员用能时刻表的人员密度系数，每时刻空间内的人员分布密度可用η
×
ρ(空间最大人员密度)来表示，并将其作为具备随机性和多样性的建筑内扰量来源。3.根据权利要求1所述的面向建筑光储一体化集群的电力协同调度数据涌现方法，其特征在于：其中，所述...

【专利技术属性】
技术研发人员：朱晗，刘雨欣，何斌，李峥嵘，
申请(专利权)人：同济大学，
类型：发明
国别省市：