一种公共建筑内微电网的能源调控方法及相关计算机设备、储存介质技术

本发明专利技术公开了一种公共建筑内微电网的能源调控方法；该方法包括步骤S1:根据公共建筑内微电网的供电单元组件，设定以运行成本最小化为目标的目标函数，设定所述目标函数的约束条件；步骤S2:设定边缘计算单元，边缘计算单元根据所述目标函数及其约束条件，设定调度决策，实时对公共建筑内微电网的供电单元组件进行调控；步骤S3:设定模仿学习模型，对所述调度决策进行优化。本发明专利技术提出了一种公共建筑内微电网的能源调控方法。在满足系统运行约束的前提下，通过提高能源利用效率，使运行成本最小化，能量管理经济调控方法至关重要。能量管理经济调控方法至关重要。能量管理经济调控方法至关重要。

【技术实现步骤摘要】
一种公共建筑内微电网的能源调控方法及相关计算机设备、储存介质


[0001]本专利技术涉及能源调控
，尤其涉及一种公共建筑内微电网的能源调控方法及相关计算机设备、储存介质。

技术介绍

[0002]公共建筑运行微电网能够有效地整合不同形式的可再生分布式发电资源，以减少碳排放、线路损耗、通讯需求和基础设施建设成本。然而，对于公共建筑运行模式的微电网，需要在多种运行不确定条件下，仅以自身资源维持发电与需求的动态平衡，以保证系统的稳定性。更高时间分辨率的实时能量调控正是为了满足上述要求，其目的是通过对储能系统和可控发电机组(如柴油发电机)的适当管理，以实现在间歇性可再生能源和随机负荷带来的不确定性环境下系统稳定经济运行。由于公共建筑微网能源资源有限，现有技术中，不能对公共建筑微网能源资源尽量合理的调控，而造成能源的浪费。

技术实现思路

[0003]本专利技术主要解决的技术问题是提供一种公共建筑内微电网的能源调控方法，解决不能对公共建筑微网能源资源尽量合理的调控，而造成能源浪费的问题。
[0004]为解决上述技术问题，本专利技术采用的一个技术方案是提供一种公共建筑内微电网的能源调控方法，包括步骤：
[0005]步骤S1:根据公共建筑内微电网的供电单元组件，设定以运行成本最小化为目标的目标函数，设定所述目标函数的约束条件；
[0006]步骤S2:设定边缘计算单元，边缘计算单元根据所述目标函数及其约束条件，设定调度决策，实时对公共建筑内微电网的供电单元组件进行调控；
[0007]步骤S3:设定模仿学习模型，对所述调度决策进行优化。
[0008]优选的，供电单元组件包括小型风电机组、光伏发电阵列、以热力发电单元以及储能系统。
[0009]优选的，系统能量管理经济运行的目标函数为微电网在优化周期内运行成本最小化；公共建筑模式下微电网运行成本包括两个组成部分：以柴油发电机为代表的热力机组发电成本和储能系统因充放电行为而衰退的使用成本；
[0010]每个优化周期的经济调度总目标的目标函数如下式所示：
[0011][0012]式中p
d
(t)、p
b
(t)分别为柴油发电机和储能电池在t时刻调控的输出功率。储能功率p
b
(t)放电时为正，充电时为负；SOH(t)为电池在t时刻的健康状态；T为优化周期内时间间隔集合；
[0013]运行成本具体分别由下式表示：
[0014]C
d
(p
d
(t))＝a
d
·
(p
d
(t))2+b
d
·
p
d
(t)+c
d
+K+s
d
·
I(p
d
(t))
·
(1
‑
I(p
d
(t
‑
1)))
[0015]C
b
(p
b
(t),SOH(t))＝ρ
b
·
(SOH(t)
‑
SOH(t+1))
[0016]式中a
d
，b
d
和c
d
为柴油发电机组的发电成本系数；s
d
为机组单次启动成本；I(
·
)是0
‑
1指示函数，用来标记柴油机组在每个时间段是否发生启动；ρ
b
为储能系统的衰减成本系数。
[0017]优选的，能量管理优化问题的约束条件包括功率平衡约束、容量约束和调控约束。
[0018]优选的，模仿学习的示教数据通过人类专家的示教过程采集得到，专家优化求解后的理想行为记为示教策略：其用于表示从起始状态到终止状态的最优贯序决策轨迹。示教策略包含了当前状态以及对应的决策动作因此示教策略被记录为样本数据：教策略被记录为样本数据：表示第n个时刻的状态，表示第n个时刻状态对应的动作，N为优化周期内时间间隔集合。
[0019]优选的，在获取用于模仿示教的样本数据集后，学习系统将通过监督学习的方式使得学习得到的策略序列π
θ
(s)＝{τ1,τ2,L,τ
n
}与人类专家示教策略尽可能相似。模仿学习目标表达式为:
[0020][0021]其中式π
*
(s)是专家示教策略，π
θ
(s)是模仿学习所得策略，P(s|θ)是对应策略的状态分布，L(π
*
(s),π
θ
(s))是专家策略与学徒策略的训练误差损失函数；
[0022]训练阶段把上述策略模仿学习过程描述为式：
[0023][0024]其中是专家示教策略的状态
‑
动作对分布，p(τ)是学徒策略的状态
‑
动作对分布，是相似性度量，表示两者之间的差异。当达到最小时，策略π
θ
能够复现专家示范，此时学习系统从专家示范中学习到了专家策略。
[0025]优选的，系统环境关键运行信息包括可再生能源发电量、储能系统荷电状态SOC、以及负荷需求，将各状态变量当前时刻的实时监测量作为模型的输入变量。
[0026]优选的，通过云端不断滚动训练的方式保证更接近未来的最新历史模式被学习。
[0027]本专利技术还提供一种电子设备，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现所述的公共建筑内微电网的能源调控方法。
[0028]本专利技术还一种非易失性计算机可读存储介质，其上存储有程序指令，所述程序指令被处理器执行时实现所述的公共建筑内微电网的能源调控方法。
[0029]本专利技术的有益效果是：本专利技术提出了一种公共建筑内微电网的能源调控方法。基于模仿学习范式，深度融合机器学习模型的认知、理解、决策能力，在算法层面真正实现机器学习应用于系统运行调控执行。将学习驱动的能量调控决策模型的训练和推理过程集成到云
‑
边计算架构中。直接学习最优模式下能量调控决策序列并进行实时决策推理的数据驱动能量管理系统。在满足系统运行约束的前提下，通过提高能源利用效率，使运行成本最小化，能量管理经济调控方法至关重要。
附图说明
[0030]图1是根据本专利技术一实施例的流程图；
[0031]图2是根据本专利技术一实施例的供电单元组件的示意图；
[0032]图3是根据本专利技术一实施例的边缘计算的连接示意图；
[0033]图4是根据本专利技术一实施例的滚动计算的示意图。
具体实施方式
[0034]为了便于理解本专利技术，下面结合附图和具体实施例，对本专利技术进行更详细的说明。附图中给出了本专利技术的较佳的实施例。但是，本专利技术以许多不同的形式来实现，并不限于本说明书所描述的实施例。相反地，提供这些实施例的目的是使对本专利技术的公开内容的理解更加透彻全面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种公共建筑内微电网的能源调控方法，其特征在于，包括步骤：步骤S1:根据公共建筑内微电网的供电单元组件，设定以运行成本最小化为目标的目标函数，设定所述目标函数的约束条件；步骤S2:设定边缘计算单元，边缘计算单元根据所述目标函数及其约束条件，设定调度决策，实时对公共建筑内微电网的供电单元组件进行调控；步骤S3:设定模仿学习模型，对所述调度决策进行优化。2.根据权利要求1所述的公共建筑内微电网的能源调控方法，其特征在于，所述供电单元组件包括小型风电机组、光伏发电阵列、热力发电单元以及储能系统。3.根据权利要求2所述的公共建筑内微电网的能源调控方法，其特征在于，目标函数为微电网在优化周期内运行成本最小化；公共建筑模式下微电网运行成本包括两个组成部分：以柴油发电机为代表的热力机组发电成本C
d
(
·
)和储能系统因充放电行为而衰退的使用成本C
b
(
·
)；每个优化周期的经济调度总目标的目标函数如下式所示：式中：p
d
(t)、p
b
(t)分别为柴油发电机和储能电池在t时刻调控的输出功率；储能功率p
b
(t)放电时为正，充电时为负；SOH(t)为电池在t时刻的健康状态；T为优化周期内时间间隔集合；运行成本分别由下式表示：C
d
(p
d
(t))＝a
d
·
(p
d
(t))2+b
d
·
p
d
(t)+c
d
+K+s
d
·
I(p
d
(t))
·
(1
‑
I(p
d
(t
‑
1)))C
b
(p
b
(t),SOH(t))＝ρ
b
·
(SOH(t)
‑
SOH(t+1))式中：a
d
，b
d
和c
d
为柴油发电机组的发电成本系数；s
d
为机组单次启动成本；I(
·
)是0
‑
...

【专利技术属性】
技术研发人员：张军达，叶国斌，祝郦伟，徐健健，张旭，刘康，段德明，钟李坚，张希桢，
申请(专利权)人：国网浙江综合能源服务有限公司，
类型：发明
国别省市：