一种基于短期智能电表数据的储能系统优化配置方法技术方案

本发明专利技术涉及一种基于短期智能电表数据的储能系统优化配置方法。首先设计储能系统优化配置模型；然后对智能电表数据、传统电表的月总用电量数据、分时电价进行处理，得到储能容量、功率及投资成本参数约束；建立储能优化配置模型：基于智能电表电量数据，以储能系统电价效益最大、投资成本最低为目标函数建立优化储能配置方程，考虑储能最优充放电功率、电池最佳容量、最佳功率在内的约束条件；利用粒子群算法求解储能优化配置参数。群算法求解储能优化配置参数。群算法求解储能优化配置参数。

【技术实现步骤摘要】
一种基于短期智能电表数据的储能系统优化配置方法


[0001]本专利技术属于储能系统
，具体涉及一种基于短期智能电表数据的储能系统优化配置方法。

技术介绍

[0002]随着电池相关行业的发展，电池成本不断降低，更多的中小企业及家庭用户部署储能系统以达到节能减费的目的。通过增设合适容量的储能系统并设计储能系统最佳配置方案，不仅可以起到削峰填谷节约成本的作用，同时也可以提高供电的可靠性。
[0003]智能电表数据的采集过程是储能系统构建的起点。然而传统的储能系统优化配置方法需要基于几个月甚至整年的历史智能电表数据。对于某些企业用户而言，等待数月去获取完整的智能电表数据在时间和成本上是难以接受的。因此设计一种基于短期智能电表数据的储能系统配置方法，能够极大缩短电池储能装置的建设周期并节减用户侧的成本，具有很高的应用价值。
[0004]中国专利申请号为：CN202010843305.4，名称为：一种基于粒子群算法的微电网储能优化配置方法。该方法首先设计电池储能系统模型；应用K
‑
means聚类算法对日负荷数据进行聚本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于短期智能电表数据的储能系统优化配置方法，其特征在于，包括如下步骤：步骤1、对智能电表采集短期详细用电数据和已有的传统电表的月总用电量数据进行数据预处理；通过包括丢弃、补全、真值转换及特征选择的方法对缺失值进行补足，并对异常值进行选择剔除；步骤2、基于步骤1中预处理过的传统电表数据和智能电表数据构建初始数据集；步骤3、从电池储能系统的建设成本、净利润以及客观约束三个方面构建电池储能系统配置模型；步骤4、利用粒子群算法求解电池储能系统最优配置参数。2.根据权利要求1所述的一种基于短期智能电表数据的储能系统优化配置方法，其特征在于，所述步骤2具体实现如下：步骤2.1、应用K
‑
means聚类算法对智能电表日用电数据进行聚类，得到智能电表典型日用电数据，其中智能电表的采样频率为半小时一次，即1天有48个日负荷数据点，记作P
i
(i＝1,2,
…
,48)；步骤2.2、计算传统电表平均日用电量Tra
per
与智能电表平均日用电量Sma
per
的比例系数；将智能电表的典型日平均半小时用电量D
i
与比例系数相乘，计算出近似的传统电表典型日用电量；数学表达式如下式所示：通过步骤2.1
‑
2.2完成初始典型日用电量数据集的构建。3.根据权利要求2所述的一种基于短期智能电表数据的储能系统优化配置方法，其特征在于，所述步骤2.1具体实现如下：步骤2.1.1、采用K
‑
means聚类算法对智能电表数据进行聚类分析，在得到的日负荷样本数据中随机选取K条数据，以每条数据的每个时段为初始聚集的簇心；使用欧氏距离作为K
‑
means聚类算法的距离函数，其中，n维空间中x和y两点之间的欧式距离d(x,y)的计算方法如下式所示：式中：n为空间维度，x
i
和y
i
分别为x和y的第i个属性特征值；步骤2.1.2、分别计算每个样本点到对应时间段的K个簇心的距离，找到离该样本点最近的簇心，将该样本点归属为对应的簇；步骤2.1.3、所有的数据被分为K个簇后，重新计算每个簇的重心，将计算出的簇重心作为新的簇心；步骤2.1.4、循环步骤2.1.1～2.1.3，直到达到终止条件；将步骤2.1.3中的最终簇心用平滑的曲线连接，即得到智能电表的典型日电表数据。4.根据权利要求1所述的一种基于短期智能电表数据的储能系统优化配置方法，其特征在于，所述步骤3具体实现如下：步骤3.1、建设成本：典型电池储能系统BESS由多个部分组成，包括电池系统、功率转换系统，各子系统成本共同构成电池储能系统的建设成本，记为C1，其与电池储能容量大小有
关，在系统落地后按年折算，表示为下式：C1＝r
w
K
w
W式中：r
w
为电池储能系统的年平均综合折旧率，K
w
、W分别为电池储能系统的单...

【专利技术属性】
技术研发人员：夏玉雄，徐哲壮，肖师荣，刘驰，谢俊伟，王任良，余明敏，
申请(专利权)人：福建华鼎智造技术有限公司，
类型：发明
国别省市：