基于预测的储能调控方法及其系统技术方案

公开了一种基于预测的储能调控方法及其系统。其首先获取历史电价数据，接着，对所述历史电价数据进行以小时为单位的时序关联分析以得到电价时序关联特征，然后，基于所述电价时序关联特征，确定储能充放电策略。这样，可以避免电池的无效循环充放电，达到减少电池损耗、延长使用寿命的目的，同时还能够保证经济性，在一定程度上提高储能系统的性价比和实用价值。价值。价值。

【技术实现步骤摘要】
基于预测的储能调控方法及其系统


[0001]本公开涉及智能调控领域，且更为具体地，涉及一种基于预测的储能调控方法及其系统。

技术介绍

[0002]随着全球能源需求的不断增长和可再生能源的普及，储能技术已成为解决能源转型和电网稳定的重要手段之一。储能技术可以通过将电能转化为其他形式的能量储存起来，在需要的时候再将其转化为电能输出，以实现对能源的有效管理和利用。目前，常见的储能技术包括电池储能、超级电容器储能、压缩空气储能、抽水蓄能等。
[0003]在电力系统中，电池储能系统作为一种新兴的储能技术，可以为电网提供灵活的调峰调频服务，改善电力系统的稳定性和可靠性。同时，为了更好地利用电池储能系统的优势，需要对其进行智能调控，以实现最大程度的能量存储和输出。
[0004]基于预测的智能调控方法是一种高效的储能系统管理方式。该方法会在一天结束时利用预测得到的第二天的负荷、电价、天气（辐照度）等信息，对第二天的储能动作给出日前的调控策略。在这种方法中，通常会使用多目标或单目标的优化策略进行储能最优化充放电策略。然而，这种优化策略可能会导致很多无效的储能充放电动作，从而降低了储能系统的使用寿命。例如，在同一电价下，先充电再放同样容量的电，会造成无效的储能动作，从而浪费了能量资源并降低系统效率，无法实现实际收益。
[0005]因此，期望一种优化的基于预测的储能调控方案。

技术实现思路

[0006]有鉴于此，本公开提出了一种基于预测的储能调控方法及其系统，其可以避免电池的无效循环充放电，达到减少电池损耗、延长使用寿命的目的，同时还能够保证经济性，在一定程度上提高储能系统的性价比和实用价值。
[0007]根据本公开的一方面，提供了一种基于预测的储能调控方法，其包括：获取历史电价数据；对所述历史电价数据进行以小时为单位的时序关联分析以得到电价时序关联特征；以及基于所述电价时序关联特征，确定储能充放电策略。
[0008]根据本公开的另一方面，提供了一种基于预测的储能调控系统，其包括：数据获取模块，用于获取历史电价数据；时序关联分析模块，用于对所述历史电价数据进行以小时为单位的时序关联分析以得到电价时序关联特征；以及充放电策略确定模块，用于基于所述电价时序关联特征，确定储能充放电策略。
[0009]根据本公开的实施例，其首先获取历史电价数据，接着，对所述历史电价数据进行以小时为单位的时序关联分析以得到电价时序关联特征，然后，基于所述电价时序关联特
征，确定储能充放电策略。这样，可以避免电池的无效循环充放电，达到减少电池损耗、延长使用寿命的目的，同时还能够保证经济性，在一定程度上提高储能系统的性价比和实用价值。
[0010]根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
[0011]包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
[0012]图1示出根据本公开的实施例的基于预测的储能调控方法的流程图。
[0013]图2示出根据本公开的实施例的基于预测的储能调控方法的架构示意图。
[0014]图3示出根据本公开的实施例的基于预测的储能调控方法的子步骤S120的流程图。
[0015]图4示出根据本公开的实施例的基于预测的储能调控方法的子步骤S123的流程图。
[0016]图5示出根据本公开的实施例的基于预测的储能调控方法的子步骤S130的流程图。
[0017]图6示出根据本公开的实施例的基于预测的储能调控方法的子步骤S131的流程图。
[0018]图7示出根据本公开的实施例的基于预测的储能调控系统的框图。
[0019]图8示出根据本公开的实施例的基于预测的储能调控方法的应用场景图。
[0020]图9示出应用多目标优化算法后计算出的在分时电价情况下储能的最优充放电功率，以实现全天最高的经济收益的示意图。
[0021]图10示出电价曲线进行离散化处理的示意图。
[0022]图11和图12分别示出了在分时电价和实时电价情况下，储能充放电动作经过处理后得到的优化后结果的示意图。
具体实施方式
[0023]下面将结合附图对本公开实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本公开的部分实施例，而不是全部的实施例。基于本公开实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本公开保护的范围。
[0024]如本公开和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
[0025]以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
[0026]另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
[0027]针对上述技术问题，在本公开的技术方案中，提出了一种基于预测的储能调控策略的后处理方法，其可以对储能系统的充放电动作进行优化调整。具体来说，其能够通过识别电价保持不变的时间段，并对这些时间段内的充放电结果进行修正，例如可以将无效的正负交替充放电状态转化为单一的充电或放电状态。这样，可以避免电池的无效循环充放电，达到减少电池损耗、延长使用寿命的目的，同时还能够保证经济性，在一定程度上提高储能系统的性价比和实用价值。
[0028]具体地，图1示出根据本公开的实施例的基于预测的储能调控方法的流程图。图2示出根据本公开的实施例的基于预测的储能调控方法的架构示意图。如图1和图2所示，根据本公开实施例的基于预测的储能调控方法，包括步骤：S110，获取历史电价数据；S120，对所述历史电价数据进行以小时为单位的时序关联分析以得到电价时序关联特征；以及，S130，基于所述电价时序关联特征，确定储能充放电策略。
[0029]相应地，在本公开的技术方案中，首先，获取历史电价数据。应可以理解，由于电价在一天内可能会出现多次波动，特别是在高峰和低谷时段。并且，不同时间段的用电需求可能存在差异，例如，白天人们的用电需求通常较高，而夜间较低。因此，在本公开的技术方案中，为了能够识别电价保持不变的时间段，并对这些时间段内的充放电结果进行修正，需要将所述历史电价数据以小时为时间单位进行划分以得到24个电价序列。这样，通过对于所述历史数据按小时为单位进行划分，以便于能够对于每个小时内的历史电价数据进行分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于预测的储能调控方法，其特征在于，包括：获取历史电价数据；对所述历史电价数据进行以小时为单位的时序关联分析以得到电价时序关联特征；以及基于所述电价时序关联特征，确定储能充放电策略。2.根据权利要求1所述的基于预测的储能调控方法，其特征在于，对所述历史电价数据进行以小时为单位的时序关联分析以得到电价时序关联特征，包括：将所述历史电价数据以小时为时间单位进行划分以得到24个电价序列；将所述24个电价序列分别排列为输入向量以得到24个电价输入向量；通过基于深度神经网络模型的电价时序关联特征提取器分别对所述24个电价输入向量进行特征提取以得到24个电价时序特征向量；以及对所述24个电价时序特征向量进行时序关联分析以得到全时序电价上下文关联特征向量作为所述电价时序关联特征。3.根据权利要求2所述的基于预测的储能调控方法，其特征在于，所述基于深度神经网络模型的电价时序关联特征提取器为包含第一卷积层和第二卷积层的电价时序关联特征提取器。4.根据权利要求3所述的基于预测的储能调控方法，其特征在于，通过基于深度神经网络模型的电价时序关联特征提取器分别对所述24个电价输入向量进行特征提取以得到24个电价时序特征向量，包括：使用所述基于深度神经网络模型的电价时序关联特征提取器的第一卷积层以具有第一长度的一维卷积核分别对所述24个电价输入向量进行一维卷积编码以得到24个第一尺度电价时序特征向量；使用所述基于深度神经网络模型的电价时序关联特征提取器的第二卷积层以具有第二长度的一维卷积核分别对所述24个电价输入向量进行一维卷积编码以得到24个第二尺度电价时序特征向量，所述第二长度不同于所述第一长度；以及将所述24个第一尺度电价时序特征向量和所述24个第二尺度电价时序特征向量分别进行级联以得到所述24个电价时序特征向量。5.根据权利要求4所述的基于预测的储能调控方法，其特征在于，对所述24个电价时序特征向量进行时序关联分析以得到全时序电价上下文关联特征向量作为所述电价时序关联特征，包括：将所述24个电价时序特征向量通过基于转换器模块的电价全时序关联编码器以得到所述全时序电价上下文关联特征向量。6.根据权利要求5所述的基于预测的储能调控方法，其特征在于，基于所述电价时序...

【专利技术属性】
技术研发人员：张巍，雷建峰，林建豪，潜卫强，邓金海，赖臣章，金建广，王耀华，
申请(专利权)人：浙江腾腾电气有限公司，
类型：发明
国别省市：