【技术实现步骤摘要】
本专利技术涉及储能容量，更具体地说，本专利技术涉及一种用于光伏储能的容量配置系统。
技术介绍
1、光伏电站具有选址灵活、投资少、建设周期短、可在客户处建设、可实现就地发电、就地消纳的优点，能够有效地减少远程传输所带来的能量损失，同时也与电网建立起一个有效的接口，在一定程度上能够减轻电网的供电压力，提高电力系统的稳定性。目前为了实现加速岛屿能源的转化，使岛屿能源自给，重点研究了光能的利用，但光能的随机性、间歇性导致光伏电站的波动性较大。
2、随着光伏电站装机规模的不断扩大，储能技术已经成为光伏电站中不可或缺的组成部分，储能技术能够有效地抑制光伏电站的波动，满足电网的调度要求，有利于提升电网的安全和供电可靠性，将白天产生的剩余电量储存起来，既提升了新能源的消纳能力，又能够降低电网的备用容量。而现有对岛屿光伏储能的研究，仅对离网模式下对微电网系统进行容量配置，并未考虑到实际应用通常是在并网模式下运行，故对并网模式下的微电网系统进行容量配置进行分析研究极为重要，为了解决上述问题，现提供一种技术方案。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术提供一种用于光伏储能的容量配置系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种用于光伏储能的容量配置系统，包括光伏发电分析子系统、负荷分析子系统、储能设备容量优化子系统、储能设备效率优化子系统以及储能设备配置优化子系统，储能设备容量优化子系统根据光伏发电
4、步骤一，能量平衡约束建模：建立能量平衡约束模型，以便在储能设备中存储光伏发电的过剩能量，并在负荷需求高于光伏发电时释放能量，能量平衡约束模型的公式为：
5、；
6、式中：为时刻储能设备剩余能量，为时刻储能设备剩余能量，为储能设备在充电过程中的能量损耗，为时刻储能设备的充放电状态，为时刻的光伏发电量，为储能设备在放电过程中的能量损耗，为时刻的负荷需求；
7、步骤二，制定约束条件：约束条件包括：
8、；
9、；
10、；
11、式中：为储能设备容量；
12、步骤三，优化目标：定义优化目标函数，用于确定储能设备容量，以最大程度地覆盖光伏发电量和负荷需求量之间的差异，最大化覆盖率优化目标函数为：
13、；
14、式中：为最大化覆盖率，即最大化光伏发电量和负荷需求量之间的匹配程度。
15、作为本专利技术的进一步方案，光伏发电分析子系统包括数据收集与处理模块、特征选择与提取模块、模型建立与训练模块以及模型评估与优化模块。
16、作为本专利技术的进一步方案，数据收集与处理模块与特征选择与提取模块相连接，特征选择与提取模块与模型建立与训练模块相连接，模型建立与训练模块与模型评估与优化模块相连接。
17、作为本专利技术的进一步方案，数据收集与处理模块通过文献调研以及历史数据查阅，收集光伏发电站的历史发电数据以及历史负荷数据，并对收集到的数据进行预处理，包括去噪、填补缺失值、数据归一化，以便于后续建模；模型建立与训练模块用于通过深度学习算法建立光伏发电量分析模型，模型评估与优化模块用于将分析结果与实际发电量进行对比，评估模型的预测性能，并根据评估结果对模型进行优化，包括调整模型参数、增加或减少特征。
18、作为本专利技术的进一步方案，各子系统功能如下：
19、光伏发电分析子系统通过深度学习算法建立光伏发电量分析模型分析光伏发电量，以便更准确地掌握光伏发电状况；
20、负荷分析子系统通过历史负荷数据分析下一时间段内的负荷需求；
21、储能设备容量优化子系统根据光伏发电分析子系统以及负荷分析子系统的输出结果，使用优化方法确定储能设备的最佳容量，以满足光伏发电量和负荷需求量之间的平衡；
22、储能设备效率优化子系统通过优化控制策略模型，控制储能设备的总能量损失，提高储能设备的充放电效率，降低能量损失；
23、储能设备配置优化子系统根据光伏发电分析子系统以及负荷分析子系统的输出结果，合理配置储能设备的数量和成本。
24、作为本专利技术的进一步方案，历史负荷数据包括平均负荷值、负荷变化率以及最高负荷值，历史发电数据包括日发电量、光伏板面积、光伏板转换效率以及太阳辐射强度。
25、作为本专利技术的进一步方案，平均负荷值为上一时间段内的平均负荷值，负荷变化率为上一时间段内的负荷需求量的变化率、最高负荷值为上一时间段内的最高负荷峰值，日发电量为一天的发电量，光伏板面积为光伏板的表面积，光伏板转换效率为光伏板将太阳光转换为电能的效率，上一时间段指过去一个月。
26、作为本专利技术的进一步方案，模型建立与训练模块通过深度学习算法建立光伏发电量分析模型，光伏发电量分析模型通过日发电量、光伏板面积、光伏板转换效率以及太阳辐射强度构建，其中，光伏发电量分析模型的公式为：
27、；
28、式中：为光伏发电量，为日发电量，为光伏板面积，为光伏板转换效率，为太阳辐射强度。
29、作为本专利技术的进一步方案，负荷分析子系统通过历史负荷数据分析下一时间段内的负荷需求，历史负荷数据包括平均负荷值、负荷变化率以及最高负荷值，通过历史负荷数据建立负荷需求预测模型，其中，负荷需求预测模型的公式为：
30、；
31、式中：为负荷需求量，为平均负荷值，为负荷变化率，为最高负荷值。
32、作为本专利技术的进一步方案，储能设备效率优化子系统通过优化控制策略模型，提高储能设备的充放电效率，降低能量损失，储能设备的总能量损失优化控制策略模型的公式为：
33、；
34、式中：为储能设备的总能量损失，为储能设备在充电过程中的能量损耗，为储能设备在放电过程中的能量损耗，为时刻的充电功率，为时刻的放电功率；
35、优化控制策略模型的约束条件为：
36、；
37、；
38、；
39、式中：为电网供电限制值，为时刻时刻的负荷需求量。
40、作为本专利技术的进一步方案，储能设备配置优化子系统根据光伏发电和负荷需求定义数量和成本优化目标，以合理配置储能设备的数量，数量和成本优化目标的公式为：
41、；
42、式中：为数量和成本优化目标结果，为在设备位置配置的储能设备数量，为在设备位置配置的储能设备成本，为最小化操作，为总体控制因子，为设备位置；
43、数量和成本优化目标的约束条件为：
44、；
45、；
46、；
47、式中：为时刻的充电功率，为时刻的放电功率，为时刻时刻的负荷需求量，为时刻的光伏发电量。
48、作为本专利技术的进一步方本文档来自技高网...
【技术保护点】
1.一种用于光伏储能的容量配置系统，包括光伏发电分析子系统、负荷分析子系统、储能设备容量优化子系统、储能设备效率优化子系统以及储能设备配置优化子系统，其特征在于，储能设备容量优化子系统根据光伏发电分析子系统以及负荷分析子系统的输出结果，使用优化方法确定储能设备容量，使用优化方法确定储能设备容量的具体步骤为：
2.根据权利要求1所述的一种用于光伏储能的容量配置系统，其特征在于，
3.根据权利要求2所述的一种用于光伏储能的容量配置系统，其特征在于，光伏发电分析子系统包括数据收集与处理模块、特征选择与提取模块、模型建立与训练模块以及模型评估与优化模块，模型建立与训练模块通过深度学习算法建立光伏发电量分析模型，光伏发电量分析模型通过日发电量、光伏板面积、光伏板转换效率以及太阳辐射强度构建，其中，光伏发电量分析模型的公式为：
4.根据权利要求2所述的一种用于光伏储能的容量配置系统，其特征在于，负荷分析子系统通过历史负荷数据分析下一时间段内的负荷需求，历史负荷数据包括平均负荷值、负荷变化率以及最高负荷值，通过历史负荷数据建立负荷需求预测模型，其中，负荷需求
5.根据权利要求2所述的一种用于光伏储能的容量配置系统，其特征在于，储能设备效率优化子系统通过优化控制策略模型，提高储能设备的充放电效率，降低能量损失，储能设备的总能量损失优化控制策略模型的公式为：
6.根据权利要求2所述的一种用于光伏储能的容量配置系统，其特征在于，储能设备配置优化子系统根据光伏发电和负荷需求定义数量和成本优化目标，以合理配置储能设备的数量，数量和成本优化目标的公式为：
7.根据权利要求1所述的一种用于光伏储能的容量配置系统，其特征在于，光伏发电分析子系统、负荷分析子系统分别与储能设备容量优化子系统相连接，储能设备容量优化子系统与储能设备效率优化子系统相连接，储能设备效率优化子系统与储能设备配置优化子系统相连接，光伏发电分析子系统、负荷分析子系统分别与储能设备配置优化子系统相连接。
...【技术特征摘要】
1.一种用于光伏储能的容量配置系统，包括光伏发电分析子系统、负荷分析子系统、储能设备容量优化子系统、储能设备效率优化子系统以及储能设备配置优化子系统，其特征在于，储能设备容量优化子系统根据光伏发电分析子系统以及负荷分析子系统的输出结果，使用优化方法确定储能设备容量，使用优化方法确定储能设备容量的具体步骤为：
2.根据权利要求1所述的一种用于光伏储能的容量配置系统，其特征在于，
3.根据权利要求2所述的一种用于光伏储能的容量配置系统，其特征在于，光伏发电分析子系统包括数据收集与处理模块、特征选择与提取模块、模型建立与训练模块以及模型评估与优化模块，模型建立与训练模块通过深度学习算法建立光伏发电量分析模型，光伏发电量分析模型通过日发电量、光伏板面积、光伏板转换效率以及太阳辐射强度构建，其中，光伏发电量分析模型的公式为：
4.根据权利要求2所述的一种用于光伏储能的容量配置系统，其特征在于，负荷分析子系统通过历史负荷数据分析下一时间段内的负...
【专利技术属性】
技术研发人员：戴革力，
申请(专利权)人：珠海广控新能源有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。