基于制造技术

本发明专利技术属于空气储能系统的智能负荷预测与优化控制技术领域，公开了一种基于

【技术实现步骤摘要】
基于5G专网的压缩空气储能系统的负荷预测与控制方法


[0001]本专利技术属于空气储能系统的智能负荷预测与优化控制
，尤其涉及一种基于
5G
专网的压缩空气储能系统的智能负荷预测与优化控制方法
。

技术介绍

[0002]压缩空气储能
(Compressed
‑
Air Energy Storage,CAES)
是指在电网负荷低谷期将电能用于压缩空气，将空气高压密封在报废矿井
、
沉降的海底储气罐
、
山洞
、
过期油气井或新建储气井中，在电网负荷高峰期释放压缩空气推动汽轮机发电的储能方式
。
关于压缩空气储能系统的形式也是多种多样，按照工作介质
、
存储介质与热源可以分为：传统压缩空气储能系统
(
需要化石燃料燃烧
)、
带储热装置的压缩空气储能系统
、
液气压缩储能系统；然而，现有基于
5G
专网的压缩空气储能系统容量配置相关的研究往往将基于
5G
专网的压缩空气储能电站的物理模型进行大幅简化，然而简化后的模型无法准确描述其运行过程中的动态特性，降低了容量配置结果的可信度；同时，目前对于基于
5G
专网的压缩空气储能变电站短期负荷监测的准确率较低，不能达到实际应用的需求
。
[0003]通过上述分析，现有技术存在的问题及缺陷为：
[0004]1)
模型过度简化：现有研究中基于
5G
专网的压缩空气储能系统物理模型的简化降低了对系统动态特性的准确描述
。
这种简化可能导致在实际应用中，系统的响应和性能与预期有较大差距，影响了储能系统的稳定性和可靠性
。
[0005]2)
容量配置可信度不足：由于物理模型的过度简化，现有研究中的容量配置结果可能无法准确反映真实情况
。
这可能导致储能系统在实际运行中无法满足电网需求，甚至可能出现安全隐患
。
[0006]3)
短期负荷监测准确率低：现有基于
5G
专网的压缩空气储能变电站短期负荷监测技术的准确率较低，这使得电力系统运营商难以准确预测和调度储能资源，从而影响了电力系统的稳定运行
。
[0007]4)
技术成熟度有待提高：虽然压缩空气储能技术在理论上具有较大的潜力，但在实际应用中，技术成熟度仍有待提高
。
例如，储能过程中的热交换
、
压缩机和膨胀机的效率等方面仍有优化空间
。

技术实现思路

[0008]针对现有技术存在的问题，本专利技术提供了一种基于
5G
专网的压缩空气储能系统的智能负荷预测与优化控制方法
。
[0009]本专利技术是这样实现的，一种基于
5G
专网的压缩空气储能系统包括：
[0010]发电模块
、
配置模块
、
主控模块
、
空气压缩模块
、
储气模块
、
热存储模块
、
负荷监测模块
、
优化模块
、
显示模块；
[0011]发电模块，与主控模块连接，用于通过风力发电机进行发电；
[0012]配置模块，与主控模块连接，用于对压缩空气储能电站容量进行配置；
[0013]主控模块，与发电模块
、
配置模块
、
空气压缩模块
、
储气模块
、
热存储模块
、
负荷监测模块
、
优化模块
、
显示模块连接，用于控制各个模块正常工作；
[0014]空气压缩模块，与主控模块连接，用于通过空气压缩进行压缩空气储能；
[0015]储气模块，与主控模块连接，用于存储天然气；
[0016]热存储模块，与主控模块连接，用于通过热存储器存入热能；
[0017]负荷监测模块，与主控模块连接，用于基于
5G
专网对压缩空气储能电站负荷进行监测；
[0018]优化模块，与主控模块连接，用于对压缩空气储能系统的负荷进行优化；
[0019]显示模块，与主控模块连接，用于显示配置参数，负荷监测结果
。
[0020]一种基于
5G
专网的压缩空气储能系统的智能负荷预测与优化控制方法包括以下步骤：
[0021]步骤一，通过发电模块利用风力发电机进行发电；通过配置模块对压缩空气储能电站容量进行配置；
[0022]步骤二，主控模块通过空气压缩模块利用空气压缩进行压缩空气储能；通过储气模块存储天然气；
[0023]步骤三，通过热存储模块利用热存储器存入热能；通过负荷监测模块基于
5G
专网对压缩空气储能电站负荷进行监测；
[0024]步骤四，通过优化模块对压缩空气储能系统的负荷进行优化；通过显示模块显示配置参数，负荷监测结果
。
[0025]进一步，所述配置模块配置方法如下：
[0026](1)
通过监测设备监测压缩空气储能电站运行状态；以基于
5G
专网的压缩空气储能电站收益最大作为第一优化目标构建第一目标函数，并根据所述基于
5G
专网的压缩空气储能电站的物理特性确定所述基于
5G
专网的压缩空气储能电站的运行约束条件；
[0027](2)
以计及弃风损失的电网收益最大作为第二优化目标构建第二目标函数，并确定电网侧约束条件；基于所述第一目标函数
、
所述基于
5G
专网的压缩空气储能电站的运行约束条件
、
所述第二目标函数和所述电网侧约束条件，以所述基于
5G
专网的压缩空气储能电站作为下层主体
、
电网作为上层主体，构建基于
5G
专网的压缩空气储能电站容量优化配置的双层博弈模型；
[0028](3)
求解所述基于
5G
专网的压缩空气储能电站容量优化配置的双层博弈模型，获得所述基于
5G
专网的压缩空气储能电站的最优容量；
[0029]其中，以所述基于
5G
专网的压缩空气储能电站作为下层主体
、
电网作为上层主体，构建基于
5G
专网的压缩空气储能电站容量优化配置的双层博弈模型，具体为：
[0030][0031]其中，
f(x,y)
表示基于
5G
专网的压缩空气储能电站的收益函数，即第一目标函数，
h(x,y)
表示基于
5G
专网的压缩空气储能电站的等式约本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
5G
专网的压缩空气储能系统，其特征在于，包括：风力发电机将风能转化为电能，发电模块将生成的电能传输给主控模块：主控模块根据系统的需求，将电能分配给不同的模块；配置模块根据系统需求和实际负荷情况，为压缩空气储能电站的容量配置提供参考；主控模块接收配置模块的输出数据，根据优化模块的建议进行调整：空气压缩模块接收主控模块分配的电能，通过空气压缩机将空气压缩并储存至储气模块；同时，热存储模块收集压缩过程中产生的热能，将热能存入热存储器：负荷监测模块基于
5G
专网，实时监测压缩空气储能电站的负荷情况，并将负荷数据传输给主控模块：优化模块根据负荷监测模块提供的实时负荷数据，结合系统配置
、
热存储容量和其他参数，为压缩空气储能系统的负荷优化提供建议：主控模块接收优化模块的建议，调整各个模块的运行参数以达到优化效果：显示模块接收主控模块传输的数据，包括配置参数
、
负荷监测结果
、
优化建议，并将这些信息可视化地展示给操作人员
。2.
如权利要求1所述的基于
5G
专网的压缩空气储能系统，其特征在于，包括：发电模块，使用风力发电机将风能转换为电能，发电模块将电能传输给主控模块，并实时监测风速
、
发电功率参数
。
配置模块，用于对压缩空气储能电站容量进行配置，设定系统的额定功率
、
储气容量
、
热存储容量参数，根据实际情况调整这些参数，以实现系统的最优运行；主控模块，用于控制各个模块的正常工作；主控模块接收来自发电模块
、
配置模块
、
空气压缩模块
、
储气模块
、
热存储模块
、
负荷监测模块
、
优化模块和显示模块的数据，根据系统需求和实际负荷情况动态调整各个模块的工作状态；空气压缩模块，用于通过空气压缩机将空气压缩
。
压缩后的空气被输送至储气模块
。
空气压缩模块接收主控模块分配的电能，并根据系统需求调整压缩机的运行参数
。
储气模块，用于存储压缩后的空气，储气模块与主控模块连接，实时传输储气容量
、
压力数据
。
热存储模块，用于收集空气压缩过程中产生的热能，并将热能存入热存储器；热存储模块与主控模块连接，实时传输热存储容量
、
温度数据
。
负荷监测模块，基于
5G
专网对压缩空气储能电站负荷进行监测
。
监测数据包括功率需求
、
负荷波动
、
设备状态；负荷监测模块将实时数据传输给主控模块，以便系统快速响应负荷变化
。
优化模块，用于对压缩空气储能系统的负荷进行优化
。
该模块采用先进的优化算法，结合实时负荷数据
、
系统配置
、
热存储容量参数，为主控模块提供建议；显示模块，用于以图形化界面展示系统运行数据，包括风力发电功率
、
电能分配情况
、
压缩空气储能状态
、
负荷监测结果和优化建议
。3.
如权利要求1所述的基于
5G
专网的压缩空气储能系统，其特征在于，所述包括主控模块包括：数据接收与处理单元，用于接收来自发电模块
、
配置模块
、
空气压缩模块
、
储气模块
、
热存储模块
、
负荷监测模块
、
优化模块和显示模块的数据，它需要对这些数据进行实时处理，
以便获取系统当前的运行状态和性能指标
。
设备控制与调度单元，用于根据实时数据和系统需求，对各个子模块的工作状态进行动态调整；负荷响应与调整单元，用于接收负荷监测模块传来的实时负荷数据，并根据负荷波动对系统进行相应调整；优化建议执行单元，用于接收优化模块提供的优化建议，并根据这些建议调整系统的运行参数；故障检测与处理单元，用于对系统进行故障检测；当检测到某个设备或模块出现故障时，主控模块需要采取相应措施；将故障信息传递给显示模块，以便操作人员进行故障排查和处理
。
数据传输与显示单元，用于将处理后的数据传输给显示模块，以便操作人员通过图形化界面进行实时监控
。4.
一种如权利要求1所述的基于
5G
专网的压缩空气储能系统的智能负荷预测与优化控制方法，其特征在于，包括以下步骤：步骤一，通过发电模块利用风力发电机进行发电；通过配置模块对压缩空气储能电站容量进行配置；步骤二，主控模块通过空气压缩模块利用空气压缩进行压缩空气储能；通过储气模块存储天然气；步骤三，通过热存储模块利用热存储器存入热能；通过负荷监测模块基于
5G
专网对压缩空气储能电站负荷进行监测；步骤四，通过优化模块对压缩空气储能系统的负荷进行优化；通过显示模块显示配置参数，负荷监测结果
。5.
如权利要求1所述基于智能负荷预测与优化控制方法，其特征在于，所述配置模块配置方法如下：
(1)
通过监测设备监测压缩空气储能电站运行状态；以基于
5G
专网的压缩空气储能电站收益最大作为第一优化目标构建第一目标函数，并根据所述基于
5G
专网的压缩空气储能电站的物理特性确定所述基于
5G
专网的压缩空气储能电站的运行约束条件；
(2)
以计及弃风损失的电网收益最大作为第二优化目标构建第二目标函数，并确定电网侧约束条件；基于所述第一目标函数
、
所述基于
5G
专网的压缩空气储能电站的运行约束条件
、
所述第二目标函数和所述电网侧约束条件，以所述基于
5G
专网的压缩空气储能电站作为下层主体
、
电网作为上层主体，构建基于
5G
专网的压缩空气储能电站容量优化配置的双层博弈模型；
(3)
求解所述基...

【专利技术属性】
技术研发人员：吴云，李军，徐志强，周杨，王红杰，程诗佳，黄星，余婷立，孙伯聪，董晨，李昀照，胡娟娟，黄波，肖斐，
申请(专利权)人：中能建数字科技集团有限公司北京洛斯达科技发展有限公司中国联合网络通信有限公司湖北省分公司，
类型：发明
国别省市：