【技术实现步骤摘要】
本专利技术涉及电力系统，特别涉及一种基于效益预测的光伏电站储能容量优化方法及系统。
技术介绍
1、随着化石能源的不断枯竭，新能源，尤其是光伏能源在世界范围内的重要性不断提高；由于光伏能源容易受到诸如：光照，温度和湿度等周围环境和天气的影响，使得光伏能源的交易和调度存在极大的问题；所以，光伏电站参与交易必然要依赖于对未来的光伏电站功率的预测结果。
2、随着计算机和人工智能算法的不断发展，对未来光伏功率的预测通过时序预测模型实现，目前市面上的模型在训练中，通常是以预测的精度为目标进行训练，然而，在很多的电力市场中通常会采用双结算机制，即包括日前市场结算和实时市场结算，采用现有技术以预测的精度为目标进行预测的时候，就无法考虑到电力市场电价的变化，这使得单纯以精度为目标预测的训练往往不能使得光伏电站的效益达到最大。
3、因此，研究一种能使得光伏电站预测的效益达到最大的光伏电站储能容量优化方法及系统具有重要意义。
技术实现思路
1、本专利技术的目的在于提供一种基于效益预测的光伏电站储能容量优化方法及系统，以解决现有技术在预测时单纯以预测的精度为目标函数，导致出现预测得出的储能容量不能使得光伏电站效益最大的问题。
2、为了解决上述技术问题，第一技术方案，本专利技术提供了一种基于效益预测的光伏电站储能容量优化方法，包括以下步骤：
3、以预设方式生成储能系统的储能容量，并根据所述储能容量构建储能系统约束；
4、基于所述储能系统约束，将数据
5、利用所述市场总体效益构建适应度函数；
6、利用遗传算法对所述适应度函数进行求解，迭代直至满足第一预设终止条件，输出得到最优储能容量；
7、其中，所述预测模型的训练步骤如下：
8、获取所述数据集；
9、基于预设的预测模型和所述数据集，计算日前市场效益和实时市场效益，并构建偏差惩罚；
10、根据所述日前市场效益、所述实时市场效益和所述偏差惩罚构建目标函数；
11、利用所述目标函数优化所述预测模型，直至满足第二预设终止条件，得到所述预训练的预测模型。
12、在第一技术方案的一些实施例中，在基于预设的预测模型和所述数据集，计算日前市场效益和实时市场效益，并构建偏差惩罚，具体包括以下步骤：
13、将所述数据集输入至所述预测模型，得到光伏电站功率预测值，其中，所述数据集包括光伏数据、日前电价数据和实时电价数据；
14、基于所述光伏电站功率预测值和所述日前电价数据，计算得到所述日前市场效益；
15、基于所述光伏电站功率预测值和所述实时电价数据，计算得到所述实时市场效益；
16、基于所述光伏电站功率预测值、所述日前电价数据和所述实时电价数据，构建所述偏差惩罚。
17、在第一技术方案的一些实施例中，所述目标函数的表达式如下：
18、
19、上式中，表示第小时光伏电站的日前市场效益，表示第小时光伏电站的实时市场效益，表示光伏电站在第小时的预测精度没达到考核标准而受到的偏差惩罚，表示光伏电站在电力市场中获得的包括日前市场利益、实时市场利益和偏差惩罚在内的市场总体效益，表示光伏电站在电力市场中参与交易的小时数。
20、在第一技术方案的一些实施例中，所述日前市场效益的表达式优选如下：
21、
22、上式中，表示第小时光伏电站的日前市场效益，为预测模型对第二天第小时的光伏电站功率预测值，表示第小时电力市场的日前电价。
23、在第一技术方案的一些实施例中，所述实时市场效益的表达式如下：
24、
25、上式中，表示第小时光伏电站的实时市场效益，表示第小时光伏电站的实际发电量，为预测模型对第二天第小时的光伏电站功率预测值，表示储能系统在第小时的功率，表示第小时电力市场的实时电价。
26、在第一技术方案的一些实施例中，所述偏差惩罚的表达式如下：
27、
28、上式中，表示因预测的精度没有达到考核标准而给予的偏差惩罚，表示电力市场给予光伏电站的惩罚系数，表示第小时光伏电站的实际发电量，表示储能系统在第小时的功率，表示预测模型对第二天第小时的光伏电站功率预测值，表示偏差惩罚的考核系数，表示光伏电站发出的最大功率。
29、在第一技术方案的一些实施例中，所述预测模型为前向传播网络模型，所述预测模型的表达式如下：
30、
31、上式中，表示输入层第个神经元到隐藏层第个神经元的输入矩阵，是由光伏数据，日前电价数据和实时电价数据组成的三维数据，表示输入层第个神经元到隐藏层第个神经元的权矩阵，表示隐含层第个神经元到输出层第个神经元的输入矩阵,表示隐含层第个神经元到输出层第个神经元的权矩阵，表示激活函数，为所述预测模型对第二天第小时的光伏电站功率预测值，表示隐藏层第个神经元经过激励函数前的输入，表示输入层的神经元数量，表示隐藏层神经元的数量。
32、在第一技术方案的一些实施例中，所述适应度函数的表达式如下：
33、
34、上式中，表示适应度，表示市场总体效益，表示储能系统的建设成本，表示储能的单位容量成本，表示储能的单位功率成本，表示储能容量，表示储能系统的最大功率。
35、在第一技术方案的一些实施例中，所述第一预设终止条件为：在某一次迭代中使得光伏电站配备储能系统总体效益最优的储能容量在经过一定的迭代次数后，仍然是此储能容量使得光伏电站配备储能电站的总体效益最优。
36、第二技术方案，本申请提供了一种基于效益预测的光伏电站储能容量优化系统，包括：
37、训练模块，用于训练预测模型，其中，所述预测模型的训练步骤如下：获取数据集；基于预设的预测模型和所述数据集，计算日前市场效益和实时市场效益，并构建偏差惩罚；根据所述日前市场效益、所述实时市场效益和所述偏差惩罚构建目标函数；利用所述目标函数优化所述预测模型，直至满足第二预设终止条件，得到所述预训练的预测模型；
38、构建模块，用于以预设方式生成储能系统的储能容量，并根据所述储能容量构建储能系统约束；
39、调整模块，用于基于所述储能系统约束，将数据集输入至预训练的预测模型，输出得到市场总体效益；
40、第一计算模块，用于利用所述市场总体效益构建适应度函数；
41、第二计算模块，用于利用遗传算法对所述适应度函数进行求解，迭代直至满足第一预设终止条件，输出得到最优储能容量。
42、本专利技术的有益效果如下：
43、一、本专利技术通过设计一种以市场效益最优的目标函数，充分考虑了电力市场结算中的日前市场效益和实时市场效益，并融入偏差惩罚，构建以效益最大化为目标的目标函数，以该目标函数对预测模型的参数进行更新训练后，得到市场总体效益最大的结果，从而使后续适本文档来自技高网...
【技术保护点】
1.一种基于效益预测的光伏电站储能容量优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于效益预测的光伏电站储能容量优化方法，其特征在于，在基于预设的预测模型和所述数据集，计算日前市场效益和实时市场效益，并构建偏差惩罚，这一步骤中，具体包括以下步骤：
3.根据权利要求1所述的基于效益预测的光伏电站储能容量优化方法，其特征在于，所述目标函数的表达式如下：
4.根据权利要求3所述的基于效益预测的光伏电站储能容量优化方法，其特征在于，所述日前市场效益的表达式如下：
5.根据权利要求3所述的基于效益预测的光伏电站储能容量优化方法，其特征在于，所述实时市场效益的表达式如下：
6.根据权利要求3所述的基于效益预测的光伏电站储能容量优化方法，其特征在于，所述偏差惩罚的表达式如下：
7.根据权利要求3至权利要求5的任一项所述的基于效益预测的光伏电站储能容量优化方法，其特征在于，所述预测模型为前向传播网络模型，所述预测模型的表达式如下：
8.根据权利要求1所述的基于效益预测的光伏电站储能容量优化方法，
9.根据权利要求1所述的基于效益预测的光伏电站储能容量优化方法，其特征在于，所述第一预设终止条件为：在某一次迭代中使得光伏电站配备储能系统总体效益最优的储能容量在经过预设的迭代次数后，仍然是此储能容量使得光伏电站配备储能电站的总体效益最优。
10.一种基于效益预测的光伏电站储能容量优化系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于效益预测的光伏电站储能容量优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于效益预测的光伏电站储能容量优化方法，其特征在于，在基于预设的预测模型和所述数据集，计算日前市场效益和实时市场效益，并构建偏差惩罚，这一步骤中，具体包括以下步骤：
3.根据权利要求1所述的基于效益预测的光伏电站储能容量优化方法，其特征在于，所述目标函数的表达式如下：
4.根据权利要求3所述的基于效益预测的光伏电站储能容量优化方法，其特征在于，所述日前市场效益的表达式如下：
5.根据权利要求3所述的基于效益预测的光伏电站储能容量优化方法，其特征在于，所述实时市场效益的表达式如下：
6.根据权利要求3所述的基于效益预测的光...
【专利技术属性】
技术研发人员：王宇，林培翔，翟延鹏，张海鹏，许方园，刘玉航，王嘉杰，
申请(专利权)人：广东工业大学，
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。