一种基于神经网络的负荷预测与需求响应控制的光伏冷库系统的制作方法
【专利摘要】本发明公开了一种基于神经网络的负荷预测与需求响应控制的光伏冷库系统，市电电网与控制电路连接，光伏电池板通过控制电路与逆变电路连接，逆变电路与冷库连接，负荷预测模块用于根据气象局的气象数据，历史负荷信息，冷库储存量，贮存的货物种类，以及制冷温度建立冷库负荷预测模型，并对冷库未来的负荷进行预测；能源管理中心模块用于通过光伏发电功率与冷库预测负荷，以及光伏发电上网电价与市电价格的对比分析，制定运行策略并进行控制。本发明可实现光伏发电和冷库的有效结合，通过负荷预测，解决了光伏发电与冷库的匹配性问题，减少了光伏发电给电网带来的波动，既能满足用户的需求又能实现节能减排。
【专利说明】
-种基于神经网络的负荷预测与需求响应控制的光伏冷库 系统
技术领域
[0001] 本发明设及一种光伏冷库，尤其设及一种基于神经网络的负荷预测与需求响应控 制的光伏冷库系统。
【背景技术】
[0002] 随着人民生活水平的提高，人们对冷冻冷藏食品的依赖度越来越高，冷冻、冷藏食 品产业呈现快速发展势头。据统计，2014年全国冷库总量达到3320万吨，折合8300万立方 米，与去年2411万吨相比增长了 36.9%。作为冷链物流的主要环节，其能耗的需求也逐年升 高。大量的冷库消耗着巨大的电能，造成了城市用电紧张，给电网带来了巨大压力，运些电 能同样消耗了大量的煤炭资源。
[0003] 近年来，随着能源结构的调整，太阳能、风能等新能源在能源结构中所占的比重逐 年提高。由于太阳电池具有安全可靠、无噪声、无污染等特点，许多国家加强了对新型太阳 能光伏发电发展的支持。国内外光伏发电的研究都取得了丰硕的成果，各项新技术被大量 应用在生活当中。目前国内外在冷库节能上主要考虑设计和运行两方面，在设计上主要着 眼于冷库隔热材料的选择、空气幕的优化，在运行中主要考虑蒸发器融霜、冷库堆放形式的 优化等。并且太阳能冰箱已有了很多应用，运就为太阳能与冷库的结合提供了可能。由于太 阳能的间歇性影响，光伏组件的发电功率随气象参数动态变化，冷库所需功率也随着库存 量的变化而发生变化，因此光伏与冷库的功率匹配性差。对于离网运行系统，通过采用蓄电 池实现电力的储存，但蓄电池存在着充放电效率低、使用寿命短、投资成本高的弊端，而并 网运行系统由于光伏发电功率的变化，对电网会产生波动，影响电网的正常运行。
【发明内容】
[0004] 本发明的目的在于提供一种基于神经网络的负荷预测与需求响应控制的光伏冷 库系统，W解决光伏和冷库的匹配性问题，降低了系统蓄电池配置容量，降低了系统成本， 尽可能减少光伏发电对电网产生的波动，并给出了用户最经济的运行策略。
[0005] 为实现上述目的本发明采用W下技术方案： 一种基于神经网络的负荷预测与需求响应控制的光伏冷库系统，包括市电电网、光伏 电池板、控制电路、蓄电池、逆变电路、库体、制冷系统、控制系统、冷却系统、冷库，所述市电 电网与控制电路连接，蓄电池与控制电路连接，所述光伏电池板通过控制电路与逆变电路 连接，所述逆变电路与冷库连接，所述冷库包括库体、制冷系统、控制系统、冷却系统，所述 库体、制冷系统、冷却系统依次相连，所述控制系统分别与库体、制冷系统、冷却系统相连。
[0006] 该系统还包括负荷预测模块及能源管理中屯、模块，负荷预测模块用于根据气象局 的气象数据，历史负荷信息，冷库储存量，胆存的货物种类，W及制冷溫度建立冷库负荷预 测模型，并对冷库未来的负荷进行预测;所述能源管理中屯、模块用于通过光伏发电功率与 冷库预测负荷，W及光伏发电上网电价与市电价格的对比分析，W经济性最优为目标，做出 需求响应，制定运行策略并进行控制。
[0007]所述负荷预测模块的负荷预测模型建立包括如下步骤： (1)确定冷库负荷预测模型的输入量和输出量： 所述输入量包括室外溫度、湿度、风速、历史负荷信息、冷库储存量、胆存的货物种类和 制冷溫度； 所述输出量选用预测日的所述预测模型的负荷为输出量。
[000引（2)确定BP神经网络的结构及各层间的激励函数： 所述的BP神经网络的结构为Ξ层BP神经网络，其输入层节点对应于所述预测模型的输 入量，其输出层节点的个数对应于所述预测模型的输出量，其隐含层节点数的确定根据下 述公式(1): I = 2n+ 1(1) 式中，/:为隐含层节点个数，W为输入层节点个数； BP神经网络激励函数采用双曲正切S型激活函数，其输出层采用线性激活函数。
[0009] (3)对样本数据进行归一化处理，如下述公式(2):
式中，为向一化后的目标，:烏为输入数据，与為^分别为马，中的最大值和最 小值。
[0010] (4巧Ij用MATLAB神经网络工具箱建立BP神经网络，确定训练参数，开始训练，训练 完毕后，得出预测结果;所述的训练参数包括训练函数、训练次数和训练目标。
[0011] 所述能源管理中屯、模块的制定运行策略并进行控制的具体内容如下：当光伏发电 上网电价大于冷库所接市电价格时，光伏发电全部并网，冷库接市电；当光伏发电上网电价 小于冷库所接市电价格时，冷库优先使用光伏所发电量，不足时接市电，多余时供给蓄电 池。
[0012] 如下表所示；
当光伏发电上网电价大于市电价格时，无论光伏发电功率与冷库预测负荷关系如何， 采用模式1，即光伏发电全部并网，冷库市电，经济性最好；当光伏发电上网电价小于市电价 格时，如果光伏发电功率大于冷库预测负荷，则采用模式2,即光伏发电供给冷库，多余电能 给蓄电池充电；如果光伏发电功率小于冷库预测负荷，则采用模式3,即冷库优先使用光伏 发电与蓄电池的电能，不足时接市电。
[0013] 本发明提供的有益效果是:本发明可实现光伏发电和冷库的有效结合，通过负荷 预测，得到冷库的用电需求，考虑峰谷电价，并制定经济型最优的运行策略，解决了光伏发 电与冷库的匹配性问题，减少了光伏发电给电网带来的波动，既能满足用户的需求又能实 现节能减排。
【附图说明】
[0014] 图1为本发明连接示意图； 图2为本发明系统原理示意图； 图中：1、市电电网；2、光伏电池板；3、控制电路；4、蓄电池； 5、逆变电路；6、库体；7、制冷系统；8、控制系统;9、冷却系统；10、冷库。
【具体实施方式】
[0015] 为使本发明的目的、技术方案更加清楚，下面结合附图和具体实施例对本发明作 进一步地详细描述。
[0016] 如图1所示，一种基于神经网络的负荷预测与需求响应控制的光伏冷库系统，包括 市电电网1、光伏电池板2、控制电路3、蓄电池4、逆变电路5、库体6、制冷系统7、控制系统8、 冷却系统9、冷库10，所述市电电网1与控制电路3连接，蓄电池4与控制电路3连接，所述光伏 电池板2通过控制电路3与逆变电路5连接，所述逆变电路5与冷库10连接，所述冷库10包括 库体6、制冷系统7、控制系统8、冷却系统9，所述库体6、制冷系统7、冷却系统9依次相连，所 述控制系统8分别与库体6、制冷系统7、冷却系统9相连。
[0017] 如图2所示，该系统还包括负荷预测模块及能源管理中屯、模块，负荷预测模块用于 根据气象局的气象数据，历史负荷信息，冷库储存量，胆存的货物种类，W及制冷溫度建立 冷库负荷预测模型，并对冷库未来的负荷进行预测;所述能源管理中屯、模块用于通过光伏 发电功率与冷库预测负荷，W及光伏发电上网电价与市电价格的对比分析，W经济性最优 为目标，做出需求响应，制定运行策略并进行控制。
[0018] 所述负荷预测模块的负荷预测模型建立包括如下步骤：： (1)确定冷库负荷预测模型的输入量和输出量： 所述输入量包括室外溫度、湿度、风速、历史负荷信息、冷库储存量、胆存的货物种类和 制冷溫度； 所述输出量选用预测日的所述预测模型的负荷为输出量。
[0019] (2)确定BP神经网络的结构及各层间的激励函数： 所述的BP神经网络的结构为Ξ层BP神经网络，其输入层节点对应于所述预测模型的输 入量，其输出层节点的个数对应于所述预测模型的输出量，其隐含层节点数的确定根据下 述公式(1): /;。細斗;1(1) 式中，/为隐含层节点个数，典为输入层节点个数； BP神经网络激励函数采用双曲正切S型激活函数，其输出层采用线性激活函数。
[0020] (3)对样本数据进行归一化处理，如下述公式(2):
式中，馬为归一化后的目标，:?为输入数据，与马^分别为:?中的最大值和最 小值。
[0021] (4)利用MATLAB神经网络工具箱建立BP神经网络，确定训练参数，开始训练，训练 完毕后，得出预测结果;所述的训练参数包括训练函数、训练次数和训练目标。
[0022] 所述能源管理中屯、模块的制定运行策略并进行控制的具体内容如下：当光伏发电 上网电价大于冷库所接市电价格时，光伏发电全部并网，冷库接市电；当光伏发电上网电价 小于冷库所接市电价格时，冷库优先使用光伏所发电量，不足时接市电，多余时供给蓄电 池。
[0023] 如下表所示：
当光伏发电上网电价大于市电价格时，无论光伏发电功率与冷库预测负荷关系如何， 采用模式1，即光伏发电全部并网，冷库市电，经济性最好；当光伏发电上网电价小于市电价 格时，如果光伏发电功率大于冷库预测负荷，则采用模式2,即光伏发电供给冷库，多余电能 给蓄电池充电；如果光伏发电功率小于冷库预测负荷，则采用模式3,即冷库优先使用光伏 发电与蓄电池的电能，不足时接市电。
[0024] W上的描述和记载仅仅是距离而不是为了限制本发明的公开内容、应用和使用。 虽然已经在实例中描述过并且在附图中描述了实施例，但本发明不限制由附图示例和在实 施例中描述的作为目前认为最佳模式W实施本发明的教导的特定例子，本发明的范围将包 括落入前面的说明书和所附的权利要求的任何实施例。
【主权项】
1. 一种基于神经网络的负荷预测与需求响应控制的光伏冷库系统，其特征在于，包括 市电电网、光伏电池板、控制电路、蓄电池、逆变电路、库体、制冷系统、控制系统、冷却系统、 冷库，所述市电电网与控制电路连接，蓄电池与控制电路连接，所述光伏电池板通过控制电 路与逆变电路连接，所述逆变电路与冷库连接，所述冷库包括库体、制冷系统、控制系统、冷 却系统，所述库体、制冷系统、冷却系统依次相连，所述控制系统分别与库体、制冷系统、冷 却系统相连。2. 根据权利要求1所述的一种基于神经网络的负荷预测与需求响应控制的光伏冷库系 统，其特征在于，还包括负荷预测模块及能源管理中心模块，负荷预测模块用于根据气象局 的气象数据，历史负荷信息，冷库储存量，贮存的货物种类，以及制冷温度建立冷库负荷预 测模型，并对冷库未来的负荷进行预测;所述能源管理中心模块用于通过光伏发电功率与 冷库预测负荷，以及光伏发电上网电价与市电价格的对比分析，以经济性最优为目标，做出 需求响应，制定运行策略并进行控制。3. 根据权利要求2所述的一种基于神经网络的负荷预测与需求响应控制的光伏冷库系 统，其特征在于，所述负荷预测模块的负荷预测模型建立包括如下步骤： (1) 确定冷库负荷预测模型的输入量和输出量： 所述输入量包括室外温度、湿度、风速、历史负荷信息、冷库储存量、贮存的货物种类和 制冷温度； 所述输出量选用预测日的所述预测模型的负荷为输出量； (2) 确定BP神经网络的结构及各层间的激励函数： 所述的BP神经网络的结构为三层BP神经网络，其输入层节点对应于所述预测模型的输 入量，其输出层节点的个数对应于所述预测模型的输出量，其隐含层节点数的确定根据下 述公式(1): I =ln+ 1(1) 式中，/为隐含层节点个数，《为输入层节点个数； BP神经网络激励函数采用双曲正切S型激活函数，其输出层采用线性激活函数； (3) 对样本数据进行归一化处理，如下述公式(2):式中，七为归一化后的目标，4为输入数据，与分别为中的最大值和最 小值； (4) 利用MATLAB神经网络工具箱建立BP神经网络，确定训练参数，开始训练，训练完毕 后，得出预测结果;所述的训练参数包括训练函数、训练次数和训练目标。4. 根据权利要求2所述的一种基于神经网络的负荷预测与需求响应控制的光伏冷库系 统，其特征在于，所述能源管理中心模块的制定运行策略并进行控制的具体内容如下：当光 伏发电上网电价大于冷库所接市电价格时，光伏发电全部并网，冷库接市电；当光伏发电上 网电价小于冷库所接市电价格时，冷库优先使用光伏所发电量，不足时接市电，多余时供给 蓄电池。
【文档编号】G06Q50/06GK105928292SQ201610245868
【公开日】2016年9月7日
【申请日】2016年4月20日
【发明人】赵军, 苏鹏伟, 王甫, 许金虎, 孙思尚
【申请人】山东三九制冷设备有限公司