一种基于大数据的储能控制并网管理方法及系统技术方案

本申请实施例提供了一种基于大数据的储能控制并网管理方法，过程中引入整合分类与回归策略的系统输出功率确定算法，通过分类确定策略协同完成系统输出功率数据的回归预测，通过多个算子维度学习对应不同系统输出功率范围的要素数据的隐藏向量表达，以及通过维度训练平衡算子学习各算子维度分别输出的隐藏向量表达的准确性，缓解系统输出功率数据的跳跃性和不显著问题引起的情况，提高系统输出功率确定结果的精度

【技术实现步骤摘要】
一种基于大数据的储能控制并网管理方法及系统


[0001]本申请涉及数据处理领域，具体而言，涉及一种基于大数据的储能控制并网管理方法及系统
。

技术介绍

[0002]储能控制并网管理是指对储能系统进行监测
、
控制和优化，以便将其与电力系统并网运行，主要涉及储能系统的调度
、
能量管理
、
功率平衡等方面
。
首先，储能控制并网管理需要对储能系统进行实时监测和控制
。
通过监测储能系统的状态和性能参数，可以实时获取储能系统的充放电情况
、
容量
、
效率
、
充放电效率
、
循环寿命
、
负荷数据
、
可再生能源数据（如监测的太阳能光伏
、
风能等可再生能源的产生量和波动情况）
、
环境数据（如温度
、
湿度等影响热管理的数据）等数据，并进行相应的控制策略调整
。
这有助于确保储能系统的安全稳定运行，并满足电力系统的需求
。
在功率平衡中，通过监测电力系统的以上各类数据，可以动态调整储能系统的输出功率，以确保电力系统的功率平衡和稳定运行，有助于提高电力系统的调度灵活性和可靠性
。
然而，在实际运行中，储能系统中的数据因为外部环境和用户需求的不确定性，系统负荷变化较大，储能系统在调节干预时，输出功率亦具有跳跃性和不显著性，换言之，可供参考的历史样本通常是稀疏的，对于根据实时储能系统数据进行输出功率控制干预的预测带来困难，预测得到的结果精度得不到保障
。

技术实现思路

[0003]本专利技术的目的在于提供一种基于大数据的储能控制并网管理方法及系统，以改善上述问题
。
[0004]本申请实施例的实现方式如下：第一方面，本申请实施例提供一种基于大数据的储能控制并网管理方法，应用于储能控制并网管理系统，所述方法包括：获取目标储能系统的对照要素数据集合；所述对照要素数据集合用于在储能系统输出功率确定过程中提供对照信息；基于系统输出功率确定算法中的多维度算子包括的
P
个算子维度，基于所述对照要素数据集合进行隐藏表征向量抽取操作，得到
P
个维度输出表征向量；所述
P
＞1，在所述系统输出功率确定算法的调试环节中，所述
P
个算子维度分别用于学习对应不同系统输出功率范围的要素数据的隐藏向量表达；基于所述系统输出功率确定算法中的维度训练平衡算子，通过所述对照要素数据集合，确定所述
P
个维度输出表征向量分别对应的影响偏心系数；基于所述系统输出功率确定算法中的分类映射算子，通过所述
P
个维度输出表征向量和其分别对应的所述影响偏心系数，确定所述目标储能系统对应的目标低维映射表征向量；通过所述目标低维映射表征向量，确定所述目标储能系统对应的系统输出功率确
定结果
。
[0005]其中，作为一种实施方式，所述基于系统输出功率确定算法中的多维度算子包括的
P
个算子维度，基于所述对照要素数据集合进行隐藏表征向量抽取操作，得到
P
个维度输出表征向量，包括：基于所述多维度算子中的公共特征表示网络，基于所述对照要素数据集合进行向量嵌入映射操作，得到对照输入表征向量；基于所述多维度算子中的每个所述算子维度，对所述对照输入表征向量进行隐藏表征向量抽取操作，得到每个所述算子维度对应的维度输出表征向量；所述基于所述系统输出功率确定算法中的维度训练平衡算子，通过所述对照要素数据集合，确定所述
P
个维度输出表征向量分别对应的影响偏心系数，包括：基于所述维度训练平衡算子中的前馈神经网络，通过所述对照要素数据集合，确定预测表征向量；所述预测表征向量中包括
P
个维数的关键数据项，所述
P
个维数的关键数据项与所述
P
个维度输出表征向量一一关联；基于所述维度训练平衡算子中的归一化网络，对所述预测表征向量进行归一化操作，得到归一化预测表征向量；所述归一化预测表征向量中包括所述
P
个维度输出表征向量分别对应的影响偏心系数
。
[0006]其中，作为一种实施方式，所述基于所述系统输出功率确定算法中的分类映射算子，通过所述
P
个维度输出表征向量和其分别对应的所述影响偏心系数，确定所述目标储能系统对应的目标低维映射表征向量，包括：基于所述分类映射算子中的表征向量整合网络，通过所述
P
个维度输出表征向量分别对应的所述影响偏心系数，对所述
P
个维度输出表征向量进行融合操作，得到所述目标低维映射表征向量；所述通过所述目标低维映射表征向量，确定所述目标储能系统对应的系统输出功率确定结果，包括：基于所述分类映射算子中的归一映射网络，通过所述目标低维映射表征向量，确定所述目标储能系统对应的系统输出功率确定结果；所述获取目标储能系统的对照要素数据集合，包括：通过所述目标储能系统的系统编号，确定对应所述编号的历史储能监测数据；获取所述目标储能系统在历史储能监测数据中的目标要素数据集合，作为所述对照要素数据集合
。
[0007]其中，作为一种实施方式，所述方法还包括：获取调试学习样例库；所述调试学习样例库中包括多个调试学习样例，每个所述调试学习样例包括样例要素数据和其对应的系统输出功率标签；基于拟进行调试的系统输出功率确定算法中的多维度算子包括的
P
个算子维度，基于所述调试学习样例中的所述样例要素数据进行隐藏表征向量抽取操作，得到
P
个样例维度输出表征向量；所述
P
＞1，所述
P
个算子维度分别用于学习对应不同系统输出功率范围的样例要素数据的隐藏向量表达；基于所述系统输出功率确定算法中的维度训练平衡算子，通过所述调试学习样例中所述样例要素数据，确定所述
P
个样例维度输出表征向量分别对应的样例影响偏心系数；
基于所述系统输出功率确定算法中的分类映射算子，通过所述
P
个样例维度输出表征向量和其分别对应的所述样例影响偏心系数，确定所述调试学习样例对应的样例低维映射表征向量；通过所述样例低维映射表征向量，确定所述调试学习样例对应的系统输出功率样例确定结果；通过所述调试学习样例库中各所述调试学习样例分别对应的系统输出功率样例确定结果
、
以及各所述调试学习样例分别包含的系统输出功率标签，确定系统输出功率误差；基于所述系统输出功率误差，优化所述系统输出功率确定算法的算法参变量
。
[0008]其中，作为一种实施方式，所述调试学习样例库中包括
P
个系统输出功率范围分别对应的调试学习样例集合，所述系统输出功率范围对应的调试学习样例集合中，各个所述调试本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据的储能控制并网管理方法，其特征在于，应用于储能控制并网管理系统，所述方法包括：获取目标储能系统的对照要素数据集合；所述对照要素数据集合用于在储能系统输出功率确定过程中提供对照信息；基于系统输出功率确定算法中的多维度算子包括的
P
个算子维度，基于所述对照要素数据集合进行隐藏表征向量抽取操作，得到
P
个维度输出表征向量；所述
P
＞1，在所述系统输出功率确定算法的调试环节中，所述
P
个算子维度分别用于学习对应不同系统输出功率范围的要素数据的隐藏向量表达；基于所述系统输出功率确定算法中的维度训练平衡算子，通过所述对照要素数据集合，确定所述
P
个维度输出表征向量分别对应的影响偏心系数；基于所述系统输出功率确定算法中的分类映射算子，通过所述
P
个维度输出表征向量和其分别对应的所述影响偏心系数，确定所述目标储能系统对应的目标低维映射表征向量；通过所述目标低维映射表征向量，确定所述目标储能系统对应的系统输出功率确定结果
。2.
根据权利要求1所述的方法，其特征在于，所述基于系统输出功率确定算法中的多维度算子包括的
P
个算子维度，基于所述对照要素数据集合进行隐藏表征向量抽取操作，得到
P
个维度输出表征向量，包括：基于所述多维度算子中的公共特征表示网络，基于所述对照要素数据集合进行向量嵌入映射操作，得到对照输入表征向量；基于所述多维度算子中的每个所述算子维度，对所述对照输入表征向量进行隐藏表征向量抽取操作，得到每个所述算子维度对应的维度输出表征向量；所述基于所述系统输出功率确定算法中的维度训练平衡算子，通过所述对照要素数据集合，确定所述
P
个维度输出表征向量分别对应的影响偏心系数，包括：基于所述维度训练平衡算子中的前馈神经网络，通过所述对照要素数据集合，确定预测表征向量；所述预测表征向量中包括
P
个维数的关键数据项，所述
P
个维数的关键数据项与所述
P
个维度输出表征向量一一关联；基于所述维度训练平衡算子中的归一化网络，对所述预测表征向量进行归一化操作，得到归一化预测表征向量；所述归一化预测表征向量中包括所述
P
个维度输出表征向量分别对应的影响偏心系数
。3.
根据权利要求1所述的方法，其特征在于，所述基于所述系统输出功率确定算法中的分类映射算子，通过所述
P
个维度输出表征向量和其分别对应的所述影响偏心系数，确定所述目标储能系统对应的目标低维映射表征向量，包括：基于所述分类映射算子中的表征向量整合网络，通过所述
P
个维度输出表征向量分别对应的所述影响偏心系数，对所述
P
个维度输出表征向量进行融合操作，得到所述目标低维映射表征向量；所述通过所述目标低维映射表征向量，确定所述目标储能系统对应的系统输出功率确定结果，包括：基于所述分类映射算子中的归一映射网络，通过所述目标低维映射表征向量，确定所
述目标储能系统对应的系统输出功率确定结果；所述获取目标储能系统的对照要素数据集合，包括：通过所述目标储能系统的系统编号，确定对应所述编号的历史储能监测数据；获取所述目标储能系统在历史储能监测数据中的目标要素数据集合，作为所述对照要素数据集合
。4.
根据权利要求
1~3
任一项所述的方法，其特征在于，所述方法还包括：获取调试学习样例库；所述调试学习样例库中包括多个调试学习样例，每个所述调试学习样例包括样例要素数据和其对应的系统输出功率标签；基于拟进行调试的系统输出功率确定算法中的多维度算子包括的
P
个算子维度，基于所述调试学习样例中的所述样例要素数据进行隐藏表征向量抽取操作，得到
P
个样例维度输出表征向量；所述
P
＞1，所述
P
个算子维度分别用于学习对应不同系统输出功率范围的样例要素数据的隐藏向量表达；基于所述系统输出功率确定算法中的维度训练平衡算子，通过所述调试学习样例中所述样例要素数据，确定所述
P
个样例维度输出表征向量分别对应的样例影响偏心系数；基于所述系统输出功率确定算法中的分类映射算子，通过所述
P
个样例维度输出表征向量和其分别对应的所述样例影响偏心系数，确定所述调试学习样例对应的样例低维映射表征向量；通过所述样例低维映射表征向量，确定所述调试学习样例对应的系统输出功率样例确定结果；通过所述调试学习样例库中各所述调试学习样例分别对应的系统输出功率样例确定结果
、
...

【专利技术属性】
技术研发人员：黄石生，祝琴妹，王永兴，张柏光，
申请(专利权)人：深圳市百酷新能源有限公司，
类型：发明
国别省市：