园区新能源储能系统的调度方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例提供一种园区新能源储能系统的调度方法、装置、设备及存储介质，属于配电系统优化调度技术领域。所述方法包括：利用群智能算法，对未来一日内的多个时段的电力负荷和发电功率的预测值进行优化求解，得到初步优化调度后的多个时段的充放电功率；利用当前时段之后4小时的多个时段的发电功率的预测值和当前时段之前的多个时段的实际发电功率进行更新，得到更新后的多个时段的充放电功率；利用群智能算法，对更新后的多个时段的充放电功率和当前时段的储能系统的剩余容量进行优化求解，得到最终优化调度后的多个时段的充放电功率。本发明专利技术通过对初步优化调度后的多个时段的充放电功率进行修正更新，获得了准确的多个时段的充放电功率。时段的充放电功率。时段的充放电功率。

【技术实现步骤摘要】
园区新能源储能系统的调度方法、装置、设备及存储介质


[0001]本专利技术涉及配电系统优化调度
，具体地涉及一种园区新能源储能系统的调度方法、一种园区新能源储能系统的调度装置、一种电子设备及一种计算机可读存储介质。

技术介绍

[0002]随着新能源渗透率和可控负荷规模的日益增加，电网调峰形势愈加严峻，配电网的分布式特性愈专利技术显，传统配电网逐渐演变成为调度资源丰富的、可对分布式发电、柔性负荷和储能三者进行主动控制和主动管理的主动配电系统。有效利用主动配电系统内分布式能源和负荷间的互动，一方面可以实现系统自身安全经济运行，另一方面用来解决电网调峰需求，增强电力系统的可靠性和可控性。因此，对电力系统的优化调度问题进行深入研究，具有重要的理论意义和应用价值。
[0003]目前，主要通过以下几种方法进行优化调度：(1)通过双层预测发电功率和负荷功率，调控储能系统功率，实现负荷的响应；(2)以风机24小时96点的功率预测未基本数据，以风储联合出力波动率最小为优化目标进行优化；(3)采用滚动窗口技术，采用改进的共生生物搜索算法反复进行局部优化，使系统成本最低，但第(1)种方法着重进行光伏出力的预测，对于储能调度描述较少，模型比较简单，缺少明确的优化方法和实施场景；第(2)种方法对风机的24小时功率预测往往不准，存在偏差，因此根据预测数据优化并不能保证结果最优；(3)由于过于追求局部的最优而导致总体效益相对较低，同时优化流程对计算机资源要求较高。
[0004]总的来说，现有的配电系统调度优化方案不仅无法针对园区和新能源运行的场景进行优化调度，还无法通过对24小时发电功率进行准确地预测，以此来获得更低的每日电费成本。

技术实现思路

[0005]本专利技术实施例的目的是提供一种园区新能源储能系统的调度方法、装置、设备及存储介质，以解决现有的配电系统调度优化方案不仅无法针对园区和新能源运行的场景进行优化调度，还无法通过对24小时发电功率进行准确地预测，以此来获得更低的每日电费成本的问题。
[0006]为了实现上述目的，本专利技术实施例提供一种园区新能源储能系统的调度方法，包括：
[0007]获取园区新能源储能系统的未来24小时内的多个时段的电力负荷和发电功率的预测值；
[0008]利用群智能算法，对所述未来24小时内的多个时段的电力负荷和发电功率的预测值进行优化求解，得到初步优化调度后的未来24小时内的多个时段的充放电功率；
[0009]利用当前时段之后4小时内的多个时段的发电功率的预测值和当前时段之前的多
个时段的实际发电功率，对所述初步优化调度后的未来24小时内的多个时段的充放电功率进行更新，得到更新后的未来24小时内的多个时段的充放电功率；
[0010]利用群智能算法，对所述更新后的未来24小时内的多个时段的充放电功率和当前时段的储能系统的剩余容量进行优化求解，得到最终优化调度后的未来24小时内的多个时段的充放电功率。
[0011]可选地，所述园区新能源储能系统的未来24小时内的多个时段的电力负荷的预测值通过以下方式得到：
[0012]获取当日的工作人数、工作计划、天气数据和日期类型；
[0013]将所述当日的工作人数、工作计划、天气数据和日期类型输入电力负荷预测模型，得到所述园区新能源储能系统的未来24小时内的多个时段的电力负荷的预测值。
[0014]可选地，所述电力负荷预测模型通过以下方式得到：
[0015]获取历史某一日内的工作人数、工作计划、天气数据和日期类型和多个时段的实际电力负荷；
[0016]利用所述历史某一日内的工作人数、工作计划、天气数据和日期类型对所述预先构建的时序模型进行训练，并在所述时序模型预测出的历史某一日的未来24小时内的多个时段的电力负荷等于所述历史某一日内的多个时段的实际电力负荷时，获得所述电力负荷预测模型。
[0017]可选地，所述将所述当日的工作人数、工作计划、天气数据和日期类型输入电力负荷预测模型，得到所述园区新能源储能系统的未来24小时内的多个时段的电力负荷的预测值的步骤之前，所述方法还包括：
[0018]对所述当日的工作人数、工作计划、天气数据和日期类型进行预处理；其中，所述预处理包括：降噪处理和归一化处理。
[0019]可选地，所述方法还包括：
[0020]利用公式(1)，对所述最终优化调度后的未来24小时内的多个时段的充放电功率和多个时段的时长分别进行计算，得到未来24小时内的多个时段的储能系统的充电放电电量；
[0021][0022]其中，m
e
表示未来24小时内的每个时段的充电放电电量；表示未来24小时内的每个时段的充电功率，为正值；表示未来24小时内的每个时段的放电功率，为负值；Δt表示未来24小时内的每个时段的时长；
[0023]利用公式(2)，对未来24小时内的多个时段的储能系统运维成本、园区向电网售电度电收益、园区向电网售电电量、园区从电网购电度电成本、园区从电网购电电量和所述未来24小时内的多个时段的储能系统的充电放电电量分别进行计算，得到未来24小时内的多个时段的电费之和；
[0024]F＝min{∑[a
b
m
b
+a
e
m
e
‑
a
s
m
s
]}
ꢀꢀ
(2)；
[0025]其中，F表示未来24小时内的多个时段的电费之和；a
e
表示未来24小时内的每个时段的储能系统运维成本；m
e
表示未来24小时内的每个时段的储能系统充放电电量；a
s
表示未
来24小时内的每个时段的园区向电网售电度电收益；m
s
表示未来24小时内的每个时段的园区向电网售电电量；a
b
表示未来24小时内的每个时段的园区从电网购电度电成本；m
b
表示未来24小时内的每个时段的园区从电网购电电量。
[0026]在本专利技术实施方式的第二方面，提供一种园区新能源储能系统的调度装置，包括：
[0027]数据获取模块，用于获取园区新能源储能系统的未来24小时内的多个时段的电力负荷和发电功率的预测值；
[0028]第一计算模块，用于利用群智能算法，对所述未来24小时内的多个时段的电力负荷和发电功率的预测值进行优化求解，得到初步优化调度后的未来24小时内的多个时段的充放电功率；
[0029]数据更新模块，用于利用当前时段之后4小时内的多个时段的发电功率的预测值和当前时段之前的多个时段的实际发电功率，对所述初步优化调度后的未来24小时内的多个时段的充放电功率进行更新，得到更新后的未来24小时内的多个时段的充放电功率；
[0030]第二计算模块，用于利用群智能算法，对所述更新后的未来24小时内的多个时段的充放电功率和当前时段的储能系统的剩余容量进行优化求解，得到最终优化调度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种园区新能源储能系统的调度方法，其特征在于，包括：获取园区新能源储能系统的未来24小时内的多个时段的电力负荷和发电功率的预测值；利用群智能算法，对所述未来24小时内的多个时段的电力负荷和发电功率的预测值进行优化求解，得到初步优化调度后的未来24小时内的多个时段的充放电功率；利用当前时段之后4小时内的多个时段的发电功率的预测值和当前时段之前的多个时段的实际发电功率，对所述初步优化调度后的未来24小时内的多个时段的充放电功率进行更新，得到更新后的未来24小时内的多个时段的充放电功率；利用群智能算法，对所述更新后的未来24小时内的多个时段的充放电功率和当前时段的储能系统的剩余容量进行优化求解，得到最终优化调度后的未来24小时内的多个时段的充放电功率。2.根据权利要求1所述的园区新能源储能系统的调度方法，其特征在于，所述园区新能源储能系统的未来24小时内的多个时段的电力负荷的预测值通过以下方式得到：获取当日的工作人数、工作计划、天气数据和日期类型；将所述当日的工作人数、工作计划、天气数据和日期类型输入电力负荷预测模型，得到所述园区新能源储能系统的未来24小时内的多个时段的电力负荷的预测值。3.根据权利要求2所述的园区新能源储能系统的调度方法，其特征在于，所述电力负荷预测模型通过以下方式得到：获取历史某一日内的工作人数、工作计划、天气数据和日期类型和多个时段的实际电力负荷；利用所述历史某一日内的工作人数、工作计划、天气数据和日期类型对所述预先构建的时序模型进行训练，并在所述时序模型预测出的历史某一日的未来24小时内的多个时段的电力负荷等于所述历史某一日内的多个时段的实际电力负荷时，获得所述电力负荷预测模型。4.根据权利要求2所述的园区新能源储能系统的调度方法，其特征在于，所述将所述当日的工作人数、工作计划、天气数据和日期类型输入电力负荷预测模型，得到所述园区新能源储能系统的未来24小时内的多个时段的电力负荷的预测值的步骤之前，所述方法还包括：对所述当日的工作人数、工作计划、天气数据和日期类型进行预处理；其中，所述预处理包括：降噪处理和归一化处理。5.根据权利要求1所述的园区新能源储能系统的调度方法，其特征在于，所述方法还包括：利用公式(1)，对所述最终优化调度后的未来24小时内的多个时段的充放电功率和多个时段的时长分别进行计算，得到未来24小时内的多个时段的储能系统的充电放电电量；其中，m
e
表示未来24小时内的每个时段的充电放电电量；表示未来24小时内的每个时段的充电功率，为正值；表示未来24小时内的每个时段的放电功率，为负值；Δt表示
未来24小时内的每个时段的时长；利用公式(2)，对未来24小时内的多个时段的储能系统运维成本、园区向电网售电度电收益、园区向电网售电电量、园区从电网购电度电成本、园区从电网购电电量和所述未来24小时内的多个时段的储能系统的充电放电电量分别进行计算，得到未来24小时内的多个时段的电费之和；F＝min{∑[a
b
m
b
+a
e
m
e
‑
a
s
m
s
]}
ꢀꢀ
(2)；其中，F表示未来24小时内的多个时段的电费之和；a
e
表示未来24小时内的每个时段的储能系统运维成本；m
e
表示未来24小时内的每个时段的储能系统充放电电量；a
s
表示未来24小时内的每个时段的园区向电网售电度电收益；m
s
表示未来24小时内的每个时段的园区向电网售电电量；a
b...

【专利技术属性】
技术研发人员：苏新凯，孙振新，何鲲，陈彦桥，杜昊易，张玉魁，陈换军，刘辉，陶冶，
申请(专利权)人：国家能源集团新能源技术研究院有限公司，
类型：发明
国别省市：