一种基于神经网络计算的源荷储调控方法及系统技术方案

本发明专利技术公开一种基于神经网络计算的源荷储调控方法及系统，通过基于目标地区过往的历史数据，利用RNN神经网络算法，提前预测需要进行储能充放调控的时间段，从而能够根据优化策略提前确定储能装置的控制策略，克服了现有技术中需一边检测一边调控，导致储能装置调控周期边长的问题，有利于电网系统稳定运行。经网络计算的源荷储调控系统，通过调控周期T的实际负荷波动水平，优化储能装置和柔性负荷，源荷储多源互补，有助于提前平抑系统中柔性负荷带来的波动，从而有助于提升系统的稳定性，最大限度地提高电网运行稳定安全的可控性。大限度地提高电网运行稳定安全的可控性。大限度地提高电网运行稳定安全的可控性。

【技术实现步骤摘要】
一种基于神经网络计算的源荷储调控方法及系统


[0001]本专利技术属于电力行业电能供给调控
，更具体地，涉及一种源荷储调控方法和系统。

技术介绍

[0002]随着技术的发展，尤其是当下新能源发电、储能技术的快速成长，未来电网的控制形态可能会受到各种用电形式影响。技术的发展使得电网的负荷不再仅仅是照明负荷和工业用的电动机，各种新型的更为复杂的负荷将不断融入现有电网。纯电动汽车的普及将在很大程度上增加电网负荷总量，负荷的增长将会带动分布式和集中式电源的建设和输电线路的建设，甚至在电网高峰期，纯电动汽车还可以反向向电网输电，有助于电力系统的削峰填谷。随着世界能源紧缺、环境污染等问题的日益突出，分布式电源以其可靠、经济、灵活、环保的特点而被越来越多的国家所采用；源荷储系统的研究应用，对电网调控方面应考虑的一个技术问题。
[0003]为解决电网的调控问题，在电力系统研究方面有一些研究，如中国专利文献CN110011422A，基于人工神经网络的智能配电运行监测系统及调控方法，新能源发电电力和电网多负荷柔性接入智能配电运行监测系统，利用智能配电监测管理技术集成光伏、储能蓄电、移动充电桩多负荷柔性，进行实时监控。但是，该技术方案只能一边检测一边调控，导致调控周期过长，对储能装置调控不能到位，不利于电网系统的稳定运行。该技术方案不能提前预测储能充放调控的时间段，不能有效地解决多源互补的稳定的电网控制。

技术实现思路

[0004]鉴于未来电网的组网形式会更加丰富和复杂，现有电力系统调控工作中新能源的消纳问题突出，给电力系统带来巨大的系统稳定性压力的问题，亟待需要一种能有效解决多源互补的稳定电网的控制技术方案，以最大限度地提高电网运行稳定安全的可控性，使得未来电网的运行实时可控、在控、优控。
[0005]针对现有技术不能提前预测储能充放调控时间段的问题，本专利技术旨在提供一种基于神经网络计算的源荷储调控方法及系统，以有效解决源荷储多源互补的电网控制的稳定安全的问题，最大限度地提高电网运行稳定安全的可控性。
[0006]本专利技术解决其技术问题所采用的技术方案是：一种基于神经网络计算的源荷储调控方法，包括以下步骤：S1：获取调控周期T的天气状态；S2：利用RNN神经网络预测调控周期T的用电负荷水平和总发电量，确定光伏发电系统的所述调控周期T内发电量；S3：获取调控周期T的最低运营成本，确定储能装置的所述调控周期T内充放电时段；S4：基于调控周期T的负荷水平是否与该调控周期T对应的历史数据的负荷水平一致，确定柔性负荷的所述调控周期T内充放电时段；S5：根据所述储能装置的充放电时段与所述柔性负荷的充放电时段，优化所述光伏发电系统发电量的输出。
[0007]通过本调控方法，有助于提前平抑系统中柔性负荷带来的波动，有助于控制储能
装置的充放电时段，从而有助于提升系统的稳定性。
[0008]进一步地，S1步骤中所述天气状态为阴晴雨雪气象条件，相应的光照强度以及对应的日照时长。
[0009]进一步地，S2步骤中所述的调控周期T，包括光伏发电系统的可能出现的供电盈余的具体时段T
O
和供电不足的具体时段T
L
。
[0010]进一步地，S3步骤的具体步骤包括：S31：基于电盈余时段T
O
和供电不足时段T
L
；S32：优化源荷储系统，获得最低运营成本；S33：基于所述调控周期T中按照最低运营成本，确定对储能装置的充放电控制的时段。
[0011]进一步地，S4步骤的具体步骤包括：S41：实时比对调控周期T的负荷水平是否与该调控周期T对应历史数据中的负荷水平一致；S42：若判断为是，即一致，则不对所述调控周期T内柔性负荷的充放电时段进行调整，确定为该调控周期T内的供电盈余的具体时段T
O
和供电不足的具体时段T
L
；S43：若判断为否，即不一致，则重新确定目标地区调控周期T对应的高水平负载P
H
、常规水平负载P
M
和低水平负载P
L
各自对应的能耗区间的上限和下限，使当前调控周期T内的负荷水平与所述高水平负载P
H
、常规水平负载P
M
和低水平负载P
L
对应；并返回步骤S2重新计算该调控周期T内可能出现的供电盈余的具体时段T
O
和供电不足的具体时段T
L
。
[0012]进一步地，具体判断时应考虑：实时计算当前光伏发电系统的供电水平P
v
；实时计算调控周期T开始时刻的储能装置的剩余电量P
c
；实时计算调控周期T开始时刻的当前用电负荷P
u
；实时计算目标区域的常规供电节点的电力输出水平P
r
；此时，核算当前用电负荷P
u
是否会落入所述高水平负载PH、常规水平负载PM和低水平负载PL三者中同一个的负载范围，如果当前当前用电负荷P
u
与RNN神经网络训练时对应的历史数据同时期的用电负荷都落入前述高水平负载PH、常规水平负载PM和低水平负载PL三者中同一个的负载范围，则无需进行调整；如果当前用电负荷P
u
与RNN神经网络训练时对应的历史数据同时期的用电负荷并未落入前述高水平负载PH、常规水平负载PM和低水平负载PL三者中同一个的负载范围，则目标地区的用电负荷出现了偏离历史用电数据的波动，需重新返回所述步骤S2进行运算。
[0013]本专利技术还提供另一种技术方案：一种基于神经网络计算的源荷储调控系统，所述系统包括：光伏发电系统，用于可再生能源发电；储能装置，通过储能电池用于充放电时段进行充放电；柔性负荷，用于充放电时段进行柔性充放电；调控周期T，用于确定未来待调控时段。
[0014]本专利技术与现有技术相比，具有的有益效果：本专利技术提供的一种基于神经网络计算的源荷储调控方法，通过基于目标地区过往的历史数据，利用RNN神经网络算法，提前预测需要进行储能充放调控的时间段，从而能够根据优化策略提前确定储能装置的控制策略，克服了现有技术中需一边检测一边调控，导致储能装置调控周期边长的问题，有利于电网系统稳定运行，最大限度在提高了电网运行稳定安全的可控性。
[0015]本专利技术还提出的一种基于神经网络计算的源荷储调控系统，通过调控周期T的实际负荷波动水平，优化储能装置和柔性负荷，源荷储多源互补，从而有效解决电网控制的稳定安全问题，最大限度地提高电网运行稳定安全的可控性。
附图说明
[0016]图1为本专利技术的源荷储调控方法的流程图。
[0017]图2为本专利技术的RNN神经网络计算图。
[0018]图3为本专利技术的光伏电站输出功率波动对比图。
具体实施方式
[0019]下面结合附图和具体实施例对本专利技术作进一步的说明。
[0020]随着新能源发电系统与传统电网的融合，随着天气因素的影响，尤其是光照条件的波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络计算的源荷储调控方法，其特征在于，所述方法包括以下步骤：S1：获取调控周期T的天气状态；S2：利用RNN神经网络预测调控周期T的用电负荷水平和总发电量，确定光伏发电系统的所述调控周期T内发电量；S3：获取调控周期T的最低运营成本，确定储能装置的所述调控周期T内充放电时段；S4：基于调控周期T的负荷水平是否与该调控周期T对应的历史数据的负荷水平一致，确定柔性负荷的所述调控周期T内充放电时段；S5：根据所述储能装置的充放电时段与所述柔性负荷的充放电时段，优化所述光伏发电系统发电量的输出。2.根据权利要求1所述的一种基于神经网络计算的源荷储调控方法，其特征在于：S1步骤中所述天气状态为阴晴雨雪气象条件，相应的光照强度以及对应的日照时长。3.根据权利要求1所述的一种基于神经网络计算的源荷储调控方法，其特征在于：S2步骤中所述的调控周期T，包括光伏发电系统的可能出现的供电盈余的具体时段T
O
和供电不足的具体时段T
L
。4.根据权利要求1所述的一种基于神经网络计算的源荷储调控方法，其特征在于：S3步骤的具体步骤包括：S31：基于电盈余时段T
O
和供电不足时段T
L
；S32：优化源荷储系统，获得最低运营成本；S33：基于所述调控周期T中按照最低运营成本，确定对储能装置的充放电控制的时段。5.根据权利要求1所述的一种基于神经网络计算的源荷储调控方法，其特征在于：S4步骤的具体步骤包括：S41：实时比对调控周期T的负荷水平是否与该调控周期T对应历史数据中的负荷水平一致；S42：若判断为是，即一致，则不对所述调控周期T内柔性负荷的充放电时段进行调整，确定为该调控周期T内的供电盈余的具体时段T
O
和供电不足的具体时段T
L
；S43：若判断为否，即不一致，则重新确定目标地区调控周期T对应的高水平负载P
H
、常规水平负载P
...

【专利技术属性】
技术研发人员：邱逸，高强，王笑棠，徐非非，施进平，徐文军，文洪君，潘夏，吴梦凯，叶尚兴，程海南，王裕民，陈搏威，项魏凯，杨津威，王兴伟，
申请(专利权)人：国网浙江省电力有限公司丽水供电公司，
类型：发明
国别省市：