综合能源系统及其优化控制方法

1.本技术涉及能源技术领域，并且更具体地，涉及一种综合能源系统及其优化控制方法。


背景技术：

2.随着可再生能源技术的发展，综合能源系统(包括可再生能源子系统和负荷子系统等)得到了广泛的应用。通常可以通过调整综合能源系统中各子系统中设备的运行参数和配置参数，提高综合能源系统的安全性、经济性和可靠性，进而提高可再生能源子系统的利用率，降低负荷子系统的运行费用，并促进可再生能源子系统的规模化开发，实现节能减排。
3.由于综合能源系统存在暂态过程(开停机过程和扰动过程等)以及稳态过程(即正常运行)，暂态过程会影响整个综合能源系统的控制。而且，由于各子系统的运行工况不同，无法采用固定的单一模型对不同运行工况下的各子系统进行边缘协同控制。因此，亟需一种能够克服暂态过程的影响并通过对各子系统的边云协同控制实现综合能源系统优化控制的技术方案。


技术实现要素：

4.本技术提供了一种综合能源系统及其优化控制方法，根据各子系统的实时数据对各子系统的暂态数据进行识别并剔除，克服暂态过程对综合能源系统的影响，进而通过各子系统的稳态数据、各子系统的控制模型以及综合能源系统的控制模型实现综合能源系统的优化控制。
5.第一方面，本技术提供了一种综合能源系统的优化控制方法，可以包括：根据综合能源系统中各子系统的实时数据，对各子系统的暂态数据进行识别并剔除，获取各子系统的稳态数据。将各子系统的稳态数据输入预先获取的各子系统的控制模型进行求解，获取各子系统的输出信息。将各子系统的输出信息输入预先构建的综合能源系统的控制模型进行求解，获取综合能源系统的控制策略。
6.可选地，各子系统包括可再生能源子系统、储能子系统和负荷子系统中的至少两项，可再生能源子系统包括风电子系统和/或光伏子系统。
7.于是，各子系统的实时数据可以包括可再生能源子系统的实时数据、储能子系统的实时数据和负荷子系统的实时数据中的至少两项。
8.其中，可再生能源子系统的实时数据可以包括可再生能源子系统的暂态数据(包括风电子系统在实际风速小于预设的风速阈值下的发电数据和/或光伏子系统在太阳辐照度小于预设的太阳辐照度阈值下的发电数据)和可再生能源子系统的稳态数据(包括风电子系统在实际风速大于或等于预设的风速阈值下的发电数据和/或光伏子系统在太阳辐照度大于或等于预设的太阳辐照度阈值下的发电数据)。
9.储能子系统的状态可以为休眠状态(储能子系统不充电也不放电)或者工作状态
(储能子系统充电或者放电)。因此，储能子系统的实时数据可以包括储能子系统处于休眠状态的数据和储能子系统处于工作状态的数据。
10.其中，储能子系统处于休眠状态的数据可以包括储能子系统处于休眠状态的实际电量，储能子系统处于工作状态的数据可以包括储能子系统充电电量、充电时长、放电电量和放电时长。
11.负荷子系统的实时数据可以包括负荷子系统的功率波动值小于预设的功率波动阈值的负荷数据和负荷子系统的功率波动值大于或等于预设的功率波动阈值的负荷数据。
12.于是，各子系统的暂态数据可以包括储能子系统处于休眠状态的数据、负荷子系统的功率波动值小于预设的功率波动阈值的负荷数据以及可再生能源子系统的暂态数据(参考上文介绍)中的至少两项。
13.类似地，各子系统的稳态数据包括储能子系统处于工作状态的数据、负荷子系统的功率波动值大于或等于预设的功率波动阈值的负荷数据以及可再生能源子系统的稳态数据中的至少两项。
14.可选地，各子系统的输出信息可以包括可再生子系统的发电量和负荷的用电量。
15.可选地，综合能源系统的控制策略可以包括可再生能源子系统在预设的时间范围内的发电量、储能子系统的充放电信息以及负荷子系统的用电信息中的至少两项。
16.示例性的，负荷子系统的用电信息包括负荷子系统的用电时长和用电量。
17.储能子系统的充放电信息可以包括储能子系统的充电信息和/或放电信息。其中，充电信息可以包括储能子系统的充电时长和充电电量，放电信息可以包括储能子系统的放电时长和放电电量。
18.本技术可以根据各子系统的实时数据对各子系统的暂态数据进行识别并剔除，克服暂态过程对综合能源系统的影响，进而通过各子系统的稳态数据、各子系统的控制模型以及综合能源系统的控制模型实现综合能源系统的优化控制。
19.在一种可能的实现方式中，根据综合能源系统中各子系统的实时数据，对各子系统的暂态数据进行识别并剔除，获取各子系统的稳态数据，可以包括：采用频谱特征分析法提取各子系统的实时数据的频谱特征。根据频谱特征对各子系统的暂态数据进行识别，获取各子系统的暂态数据。从各子系统的实时数据中将各子系统的暂态数据进行剔除，获取各子系统的稳态数据。
20.本技术根据各子系统的实时数据对各子系统的暂态数据进行识别并剔除，克服暂态过程对综合能源系统的影响，保证了可辨识模型族辨识的鲁棒性，为综合能源系统的优化控制提供基础。
21.在一种可能的实现方式中，可以通过构建各子系统的可辨识模型族，并采用交互式多模型对各子系统的可辨识模型族进行辨识，获取各子系统的控制模型。
22.可选地，各子系统的可辨识模型族的构建过程可以包括：采用高斯混合模型识别各子系统的运行工况。根据各子系统的运行工况，构建各子系统的可辨识模型族。
23.其中，各子系统的运行工况可以包括负荷子系统的运行工况、储能子系统的运行工况以及可再生能源子系统的运行工况中的至少两项。可再生能源子系统的运行工况可以包括风电子系统的运行工况和/或光伏子系统的运行工况。
24.进一步地，负荷子系统的运行工况包括户用运行工况或者工商业运行工况。
25.储能子系统的运行工况包括户用运行工况、工商业运行工况或者地面发电站运行工况。
26.风电子系统的运行工况包括平原运行工况、山区运行工况或者海边运行工况。
27.光伏子系统的运行工况包括户用运行工况、工商业运行工况或者地面发电站运行工况。
28.在一种可能的实现方式中，可辨识模型族可以包括负荷子系统的可辨识模型族和可再生能源发电子系统的可辨识模型族。
29.其中，可再生能源发电子系统的可辨识模型族可以包括风电子系统的可辨识模型和/或光伏子系统的可辨识模型。
30.进一步地，负荷子系统的可辨识模型族包括差分整合移动平均自回归模型、循环神经网络模型和长短时记忆网络模型中的至少两项。
31.风电子系统的可辨识模型可以包括半经验模型、涡流模型和计算流体动力学模型中的至少两项。
32.光伏子系统的可辨识模型可以包括第一多项式非线性模型、第二多项式非线性模型和第三多项式非线性模型中的至少两项。
33.其中，第一多项式非线性模型是以水平辐照度和空气温度作为输入，根据光伏子系统的发电量与水平辐照度和空气温度的对应关系，并以光伏子系统的发电量作为输出构建的。
34.类似地，第二多项式非线性模型是以倾斜辐照度和空气温度作为输入，根据光伏子系统的发电量与倾斜辐照度和空气温度的对应关系，并以光伏子系统的发电量作为输出构建的。
35.类似地，第三多项式非线性模型是以水平辐照度、倾斜辐照度和空气温度作为输入，根据光伏子系统的发电量与水平辐照度、倾斜辐照度和空气温度的对应关系，并以光伏子系统的发电量作为输出构建的。
36.在一种可能的实现方式中，可以以综合能源系统的总成本最低为目标，构建综合能源系统的第一目标函数。根据第一目标函数，构建综合能源系统的约束条件。根据第一目标函数和约束条件，构建综合能源系统的控制模型。
37.可选地，第一目标函数可以按下式构建：
38.min c
total
＝c
bill_grid_buy-e
income_grid_sale
39.式中，c
total
表示综合能源系统的总成本，c
bill_grid_buy
表示用户向电网支付的购电电费，e
income_grid_sale
表示可再生能源子系统的上网售电收益。
40.在另一种可能的实现方式中，可以以综合能源系统的总收益最大为目标，构建综合能源系统的第二目标函数。根据第二目标函数，构建综合能源系统的约束条件。根据第二目标函数和约束条件，构建综合能源系统的控制模型。
41.可选地，第二目标函数按下式构建：
42.maxe
total
＝e
income_grid_sale
+e
bill_self_sufficency
43.式中，e
total
表示综合能源系统的总收益，e
income_grid_sale
表示可再生能源子系统的上网售电收益，e
bill_self_sufficency
表示用户利用可再生能源子系统自给自足节省的电费。
44.在一种可能的实现方式中，上述约束条件可以包括充放电约束和/或电网约束。
45.其中，充放电约束可以用于指示储能子系统的荷电状态大于等于预设的荷电状态下限且小于等于预设的荷电状态上限。
46.电网约束可以用于指示用户的用电功率在电网提供的用电功率范围之内且不超过用户与电网约定的用电功率。
47.在一种可能的实现方式中，将各子系统的稳态数据输入各子系统的控制模型进行求解，获取各子系统的输出信息，可以包括：可以根据预设的时间间隔粒度，将各子系统的稳态数据输入预先构建的各子系统的控制模型，采用无约束的最优化方法对各子系统的控制模型进行求解，获取各子系统的输出信息。
48.可选地，无约束的最优化方法可以为梯度下降法(即最速下降法)、共轭方向法(即共轭梯度法)、牛顿法和拟牛顿法中的任意一项。当然，还可以采用其他的无约束的最最优化方法，本技术不做限定。
49.在一种可能的实现方式中，将各子系统的输出信息输入综合能源系统的控制模型进行求解，获取综合能源系统的控制策略，可以包括：将各子系统的输出信息输入综合能源系统的控制模型，采用有约束的最优化方法对综合能源系统的控制模型进行求解，获取综合能源系统的控制策略。
50.可选地，有约束的最优化方法可以为线性规划法和非线性规划法等中的任意一项。当然，还可以采用其他的有约束的最优化方法求解综合能源系统的控制模型，本技术不做限定。
51.本技术通过对各子系统的暂态数据进行识别并剔除，克服了暂态过程对综合能源系统的优化控制的影响，通过各子系统的控制模型和综合能源系统的控制模型实现各子系统的边云协同控制，进而实现综合能源系统优化控制。
52.第二方面，本技术还提供一种综合能源系统，可以包括控制器和多个子系统，控制器与多个子系统中的每个子系统连接。
53.控制器可以用于：
54.根据综合能源系统中各子系统的实时数据，对各子系统的暂态数据进行识别并剔除，获取各子系统的稳态数据。
55.将各子系统的稳态数据输入预先获取的各子系统的控制模型进行求解，获取各子系统的输出信息。
56.将各子系统的输出信息输入预先构建的综合能源系统的控制模型进行求解，获取综合能源系统的控制策略。
57.每个子系统可以用于：按照综合能源系统的控制策略运行。
58.可选地，各子系统包括可再生能源子系统、储能子系统和负荷子系统中的至少两项，可再生能源子系统包括风电子系统和/或光伏子系统。
59.于是，各子系统的实时数据可以包括可再生能源子系统的实时数据、储能子系统的实时数据和负荷子系统的实时数据中的至少两项。
60.其中，可再生能源子系统的实时数据可以包括可再生能源子系统的暂态数据(包括风电子系统在实际风速小于预设的风速阈值下的发电数据和/或光伏子系统在太阳辐照度小于预设的太阳辐照度阈值下的发电数据)和可再生能源子系统的稳态数据(包括风电子系统在实际风速大于或等于预设的风速阈值下的发电数据和/或光伏子系统在太阳辐照
度大于或等于预设的太阳辐照度阈值下的发电数据)。
61.储能子系统的状态可以为休眠状态(储能子系统不充电也不放电)或者工作状态(储能子系统充电或者放电)。因此，储能子系统的实时数据可以包括储能子系统处于休眠状态的数据和储能子系统处于工作状态的数据。
62.其中，储能子系统处于休眠状态的数据可以包括储能子系统处于休眠状态的实际电量，储能子系统处于工作状态的数据可以包括储能子系统充电电量、充电时长、放电电量和放电时长。
63.负荷子系统的实时数据可以包括负荷子系统的功率波动值小于预设的功率波动阈值的负荷数据和负荷子系统的功率波动值大于或等于预设的功率波动阈值的负荷数据。
64.于是，各子系统的暂态数据可以包括储能子系统处于休眠状态的数据、负荷子系统的功率波动值小于预设的功率波动阈值的负荷数据以及可再生能源子系统的暂态数据(参考上文介绍)中的至少两项。
65.类似地，各子系统的稳态数据包括储能子系统处于工作状态的数据、负荷子系统的功率波动值大于或等于预设的功率波动阈值的负荷数据以及可再生能源子系统的稳态数据中的至少两项。
66.可选地，各子系统的输出信息可以包括可再生子系统的发电量和负荷的用电量。
67.其中，可再生子系统的发电量可以包括光伏子系统的发电量和/或风电子系统的发电量。其中，综合能源系统的控制策略可以包括可再生能源子系统在预设的时间范围内的发电量、储能子系统的充放电信息以及负荷子系统的用电信息中的至少两项。
68.可选地，综合能源系统的控制策略可以包括可再生能源子系统在预设的时间范围内的发电量、储能子系统的充放电信息以及负荷子系统的用电信息中的至少两项。
69.进一步地，储能子系统的充放电信息可以包括储能子系统的充电信息和/或放电信息。其中，充电信息可以包括储能子系统的充电时长和充电电量，放电信息可以包括储能子系统的放电时长和放电电量。
70.负荷子系统的用电信息可以包括负荷子系统的用电时长和用电量。
71.本技术可以根据各子系统的实时数据对各子系统的暂态数据进行识别并剔除，克服暂态过程对综合能源系统的影响，进而通过各子系统的稳态数据、各子系统的控制模型以及综合能源系统的控制模型实现综合能源系统的优化控制。
72.在一种可能的实现方式中，控制器可以用于：采用频谱特征分析法提取各子系统的实时数据的频谱特征。根据频谱特征对各子系统的暂态数据进行识别，获取各子系统的暂态数据。从各子系统的实时数据中将各子系统的暂态数据进行剔除，获取各子系统的稳态数据。
73.本技术根据各子系统的实时数据对各子系统的暂态数据进行识别并剔除，克服暂态过程对综合能源系统的影响，保证了可辨识模型族辨识的鲁棒性，为综合能源系统的优化控制提供基础。
74.在另一种可能的实现方式中，控制器可以用于：采用高斯混合模型识别各子系统的运行工况。根据各子系统的运行工况，构建各子系统的可辨识模型族。
75.进一步地，其中，各子系统的运行工况可以包括负荷子系统的运行工况、储能子系统的运行工况以及可再生能源子系统的运行工况中的至少两项。可再生能源子系统的运行
工况可以包括风电子系统的运行工况和/或光伏子系统的运行工况。
76.进一步地，负荷子系统的运行工况包括户用运行工况或者工商业运行工况。
77.储能子系统的运行工况包括户用运行工况、工商业运行工况或者地面发电站运行工况。
78.风电子系统的运行工况包括平原运行工况、山区运行工况或者海边运行工况。
79.光伏子系统的运行工况包括户用运行工况、工商业运行工况或者地面发电站运行工况。
80.在一种可能的实现方式中，可辨识模型族可以包括负荷子系统的可辨识模型族和可再生能源发电子系统的可辨识模型族。
81.其中，可再生能源发电子系统的可辨识模型族可以包括风电子系统的可辨识模型和/或光伏子系统的可辨识模型。
82.进一步地，负荷子系统的可辨识模型族包括差分整合移动平均自回归模型、循环神经网络模型和长短时记忆网络模型中的至少两项。
83.风电子系统的可辨识模型可以包括半经验模型、涡流模型和计算流体动力学模型中的至少两项。
84.光伏子系统的可辨识模型可以包括第一多项式非线性模型、第二多项式非线性模型和第三多项式非线性模型中的至少两项。
85.进一步地，控制器可以以水平辐照度和空气温度作为输入，根据光伏子系统的发电量与水平辐照度和空气温度的对应关系，并以光伏子系统的发电量作为输出构建第一多项式非线性模型。
86.类似地，控制器可以以倾斜辐照度和空气温度作为输入，根据光伏子系统的发电量与倾斜辐照度和空气温度的对应关系，并以光伏子系统的发电量作为输出构建第二多项式非线性模型。
87.类似地，控制器可以以水平辐照度、倾斜辐照度和空气温度作为输入，根据光伏子系统的发电量与水平辐照度、倾斜辐照度和空气温度的对应关系，并以光伏子系统的发电量作为输出构建第三多项式非线性模型。
88.本技术实施例根据各子系统的不同运行工况，构建各子系统在不同运行工况下的控制模型，解决的可辨识模型族的复用性，提高了综合能源系统在多种运行工况场景下的适应性。
89.在一种可能的实现方式中，控制器可以采用交互式多模型对上述的各子系统的可辨识模型族进行辨识，获取各子系统的控制模型。
90.在一种可能的实现方式中，控制器可以用于：以综合能源系统的总成本最低为目标，构建综合能源系统的第一目标函数。根据第一目标函数，构建综合能源系统的约束条件。根据第一目标函数和约束条件，构建综合能源系统的控制模型。
91.进一步地，控制器可以按下式构建第一目标函数：
92.min c
total
＝c
bill_grid_buy-e
income_grid_sale
93.式中，c
total
表示综合能源系统的总成本，c
bill_grid_buy
表示用户向电网支付的购电电费，e
income_grid_sale
表示可再生能源子系统的上网售电收益。
94.在另一种可能的实现方式中，控制器可以用于：可以以综合能源系统的总收益最
大为目标，构建综合能源系统的第二目标函数。根据第二目标函数，构建综合能源系统的约束条件。根据第二目标函数和约束条件，构建综合能源系统的控制模型。
95.进一步地，控制器可以按下式构建第二目标函数：
96.maxe
total
＝e
income_grid_sale
+e
bill_self_sufficency
97.式中，e
total
表示综合能源系统的总收益，e
income_grid_sale
表示可再生能源子系统的上网售电收益，e
bill_self_sufficency
表示用户利用可再生能源子系统自给自足节省的电费。
98.在一种可能的实现方式中，控制器构建的约束条件可以包括充放电约束和/或电网约束。
99.其中，充放电约束可以用于指示储能子系统的荷电状态大于等于预设的荷电状态下限且小于等于预设的荷电状态上限。
100.电网约束可以用于指示用户的用电功率在电网提供的用电功率范围之内且不超过用户与电网约定的用电功率。
101.在一种可能的实现方式中，控制器可以用于：根据预设的时间间隔粒度，将各子系统的稳态数据输入预先构建的各子系统的控制模型，采用无约束的最优化方法对各子系统的控制模型进行求解，获取各子系统的输出信息。
102.可选地，无约束的最优化方法可以为梯度下降法(即最速下降法)、共轭方向法(即共轭梯度法)、牛顿法和拟牛顿法中的任意一项。当然，还可以采用其他的无约束的最最优化方法，本技术对此不做限定。
103.在一种可能的实现方式中，控制器可以用于：将各子系统的输出信息输入综合能源系统的控制模型，采用有约束的最优化方法对综合能源系统的控制模型进行求解，获取综合能源系统的控制策略。
104.可选地，有约束的最优化方法可以为线性规划法和非线性规划法等中的任意一项。当然，还可以采用其他的有约束的最优化方法求解综合能源系统的控制模型，本技术实施例不做限定。
105.本技术通过对各子系统的暂态数据进行识别并剔除，克服了暂态过程对综合能源系统的优化控制的影响，通过各子系统的控制模型和综合能源系统的控制模型实现各子系统的边云协同控制，进而实现综合能源系统优化控制。
106.应当理解的是，本技术的第二方面与本技术的第一方面的技术方案一致，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。
附图说明
107.为了更清楚地说明本技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图进行简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
108.图1提供了本技术实施例的综合能源系统的优化控制方法的示意性流程图；
109.图2提供了本技术实施例的构建各子系统的可辨识模型族的示意性流程图；
110.图3提供了本技术实施例的用智能光储系统的优化控制方法的示意性流程图；
111.图4提供了本技术实施例的户用智能光储系统滚动优化控制示意图；
112.图5提供了本技术实施例的综合能源系统的结构性示意图。
具体实施方式
113.下面将结合附图，对本技术中的技术方案进行描述。
114.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术中的附图，对本技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
115.本技术的说明书实施例和权利要求书及附图中的术语“第一”、“第二”等仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元。方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
116.应当理解，在本技术中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
117.随着可再生能源技术的发展，综合能源系统得到了广泛的应用。综合能源系统可以包括可再生能源子系统、储能子系统和负荷子系统中的至少两项。由于可再生能源通常可以包括风电和光伏，那么，可再生能源子系统可以包括风电子系统和/或光伏子系统。当然，综合能源系统还可以包括除可再生能源子系统、储能子系统和负荷子系统之外的其他子系统，可再生能源子系统也可以包括除风电子系统和/或光伏子系统之外的其他子系统，本技术实施例不做限定。
118.通常可以通过调整综合能源系统中各子系统(即可再生能源子系统、储能子系统和负荷子系统)中设备的运行参数和配置参数，以提高综合能源系统的安全性、经济性和可靠性，进而提高可再生能源子系统的利用率，降低负荷子系统的运行费用，并促进可再生能源子系统的规模化开发，实现节能减排。
119.由于综合能源系统存在暂态过程(开停机过程和扰动过程等)以及稳态过程(即正常运行)，暂态过程会影响整个综合能源系统的控制。而且，由于各子系统的运行工况不同，无法采用固定的单一模型对不同运行工况下的各子系统进行边缘协同控制。
120.为了克服暂态过程的影响并通过对各子系统的边云协同控制实现综合能源系统优化控制，本技术实施例提供了一种综合能源系统的优化控制方法，如图1所示，优化控制方法100可以按照以下步骤实现：
121.步骤s101：根据综合能源系统中各子系统的实时数据，对各子系统的暂态数据进行识别并剔除，获取各子系统的稳态数据。
122.其中，各子系统的实时数据可以包括可再生能源子系统的实时数据、储能子系统
的实时数据和负荷子系统的实时数据中的至少两项。
123.其中，可再生能源子系统的实时数据可以包括可再生能源子系统的暂态数据(包括风电子系统在实际风速小于预设的风速阈值下的发电数据和/或光伏子系统在太阳辐照度小于预设的太阳辐照度阈值下的发电数据)和可再生能源子系统的稳态数据(包括风电子系统在实际风速大于或等于预设的风速阈值下的发电数据和/或光伏子系统在太阳辐照度大于或等于预设的太阳辐照度阈值下的发电数据)。
124.储能子系统的状态可以为休眠状态(储能子系统不充电也不放电)或者工作状态(储能子系统充电或者放电)。因此，储能子系统的实时数据可以包括储能子系统处于休眠状态的数据(包括储能子系统处于休眠状态的实际电量)和储能子系统处于工作状态的数据(包括储能子系统充电电量、充电时长、放电电量和放电时长)。
125.负荷子系统的实时数据可以包括负荷子系统的功率波动值小于预设的功率波动阈值的负荷数据和负荷子系统的功率波动值大于或等于预设的功率波动阈值的负荷数据。
126.于是，各子系统的暂态数据可以包括储能子系统处于休眠状态的数据、负荷子系统的功率波动值小于预设的功率波动阈值的负荷数据以及可再生能源子系统的暂态数据(参考上文介绍)中的至少两项。
127.类似地，各子系统的稳态数据包括储能子系统处于工作状态的数据、负荷子系统的功率波动值大于或等于预设的功率波动阈值的负荷数据以及可再生能源子系统的稳态数据中的至少两项。
128.在一种可能的实现方式中，步骤s101可以包括：采用频谱特征分析法提取各子系统的实时数据的频谱特征。根据频谱特征对各子系统的暂态数据进行识别，获取各子系统的暂态数据。从各子系统的实时数据中将各子系统的暂态数据进行剔除，获取各子系统的稳态数据。
129.本技术实施例根据各子系统的实时数据对各子系统的暂态数据进行识别并剔除，克服暂态过程对综合能源系统的影响，保证了可辨识模型族辨识的鲁棒性，为综合能源系统的优化控制提供基础。
130.步骤s102：将各子系统的稳态数据输入预先获取的各子系统的控制模型进行求解，获取各子系统的输出信息。
131.可选地，各子系统的控制模型可以采用交互式多模型(interactive multiple model，imm)对预先构建的各子系统的可辨识模型族进行辨识得到。当然，还可以采用其他方式对各子系统的可辨识模型族进行辨识，本技术实施例不做限定。
132.进一步地，如图2所示，各子系统的可辨识模型族可以按照以下步骤预先构建：
133.步骤s102a1：采用高斯混合模型识别各子系统的运行工况。
134.可选地，可以根据各子系统的实际情况，并采用高斯混合模型识别出各子系统的运行工况。
135.在一种可能的实现方式中，上述各子系统的运行工况可以包括负荷子系统的运行工况、储能子系统的运行工况以及可再生能源子系统的运行工况中的至少两项。其中，可再生能源子系统的运行工况可以包括风电子系统的运行工况和/或光伏子系统的运行工况。
136.进一步地，负荷子系统的运行工况包括户用运行工况或者工商业运行工况；
137.储能子系统的运行工况包括户用运行工况、工商业运行工况或者地面发电站运行
工况；
138.风电子系统的运行工况包括平原运行工况、山区运行工况或者海边运行工况；
139.光伏子系统的运行工况包括户用运行工况、工商业运行工况或者地面发电站运行工况。
140.当然，上述各子系统的运行工况不限于罗列的运行工况，还可以为其他运行工况，本技术实施例不做限定。
141.步骤s102a2：根据各子系统的运行工况，构建各子系统的可辨识模型族。
142.由于各子系统的可辨识模型族与运行工况密切相关，所以需要根据运行工况构建各子系统的可辨识模型族。
143.在一种可能的实现方式中，上述可辨识模型族可以包括负荷子系统的可辨识模型族和可再生能源发电子系统的可辨识模型族。
144.进一步地，可再生能源发电子系统的可辨识模型族可以包括风电子系统的可辨识模型和/或光伏子系统的可辨识模型。
145.更进一步地，负荷子系统的可辨识模型族可以包括差分整合移动平均自回归(autoregressive integrated moving average，arima)模型(简称为arima模型)、循环神经网络(recurrent neural network，rnn)模型(简称为rnn模型)和长短时记忆网络(long short term memory network，lstm)模型(简称为lstm模型)中的至少两项。
146.需要说明的是，由于下文需要对负荷子系统的可辨识模型进行辨识以获取负荷子系统的控制模型，所以负荷子系统的可辨识模型族至少包括两个模型。
147.风电子系统的可辨识模型可以包括半经验模型、涡流模型和计算流体动力学模型中的至少两项。
148.类似的，由于下文需要对风电子系统的可辨识模型进行辨识以获取风电子系统的控制模型，所以风电子系统的可辨识模型族至少包括两个模型。
149.光伏子系统的可辨识模型包括第一多项式非线性模型、第二多项式非线性模型和第三多项式非线性模型中的至少两项。类似的，由于下文需要对光伏子系统的可辨识模型进行辨识以获取光伏子系统的控制模型，所以光伏子系统的可辨识模型族至少包括两个模型。
150.在光伏子系统中，光伏子系统的发电量可以与水平辐照度(global horizontal irradiance，ghi，也可以叫作水平辐照量)、倾斜辐照度(global tilted irradiance，gti)和空气温度呈对应关系(如二阶关系等)，但在实际应用时，由于水平辐照度、倾斜辐照度和空气温度容易受到光伏子系统(可以为光伏子系统中的光伏阵列)安装角度等因素影响，水平辐照度、倾斜辐照度和空气温度都具有一定的不确定性。
151.因此，上述第一多项式非线性模型可以以水平辐照度和空气温度作为输入，根据光伏子系统的发电量与水平辐照度和空气温度的对应关系(如二阶关系)，并以光伏子系统的发电量作为输出构建。可以看出，第一多项式非线性模型为二元二次多项式非线性模型。可以看出，第一多项式非线性模型可以为二元二次非线性模型。
152.第二多项式非线性模型可以以倾斜辐照度和空气温度作为输入，根据光伏子系统的发电量与倾斜辐照度和空气温度的对应关系(如二阶关系)，并以光伏子系统的发电量作为输出构建。可以看出，第二多项式非线性模型也可以为二元二次非线性模型。
153.第三多项式非线性模型可以以水平辐照度、倾斜辐照度和空气温度作为输入，根据光伏子系统的发电量与水平辐照度、倾斜辐照度和空气温度的对应关系(如二阶关系)，并以光伏子系统的发电量作为输出构建。可以看出，第三多项式非线性模型可以为三元二次非线性模型。
154.本技术实施例根据各子系统的不同运行工况，构建各子系统在不同运行工况下的控制模型，解决的可辨识模型族的复用性，提高了综合能源系统在多种运行工况场景下的适应性。
155.在一种可能的实现方式中，上述步骤s102可以按照以下过程实现：
156.根据预设的时间间隔粒度(例如5分钟、15分钟、30分钟、1小时、2小时、4小时、24小时等)，可以将上述各子系统的稳态数据输入上述辨识得到的各子系统的控制模型，采用无约束的最优化方法对各子系统的控制模型进行求解，获取各子系统的输出信息。
157.可选地，无约束的最优化方法可以为梯度下降法(即最速下降法)、共轭方向法(即共轭梯度法)、牛顿法和拟牛顿法中的任意一项。当然，还可以采用其他的无约束的最最优化方法，本技术实施例对此不做限定。
158.示例性的，上述各子系统的输出信息可以包括可再生子系统的发电量和负荷的用电量。其中，可再生子系统的发电量可以包括光伏子系统的发电量和/或风电子系统的发电量。
159.步骤s103：将各子系统的输出信息输入预先构建的综合能源系统的控制模型进行求解，获取综合能源系统的控制策略。
160.在一种可能的实现方式中，可以在各子系统的控制模型的基础上，按照以下两种方式构建综合能源系统的控制模型：
161.方式一：以综合能源系统的总成本最低为目标，构建综合能源系统的第一目标函数。根据第一目标函数，构建综合能源系统的约束条件。根据第一目标函数和约束条件，构建综合能源系统的控制模型。
162.进一步地，第一目标函数可以按照下式构建：
163.min c
total
＝c
bill_grid_buy-e
income_grid_sale
164.式中，c
total
表示综合能源系统的总成本，c
bill_grid_buy
表示用户向电网支付的购电电费，e
income_grid_sale
表示可再生能源子系统的上网售电收益。
165.需要说明的是，本技术以综合能源系统包括可再生能源子系统(包括风电子系统和/或光伏子系统)、储能子系统和负荷子系统中的至少两项为例进行说明的。当然，综合能源系统还可以包括分布式电源和燃气轮机等，所以第一目标函数还可以按照下式构建：
166.min c
total
＝c
dg
+c
gas
+c
bill_grid_buy-e
income_grid_sale
167.式中，c
dg
表示分布式电源的运行成本，c
gas
表示燃气轮机的运行成本。
168.方式二：以综合能源系统的总收益最大为目标，构建综合能源系统的第二目标函数。根据第二目标函数，构建综合能源系统的约束条件。根据第二目标函数和约束条件，构建综合能源系统的控制模型。
169.进一步地，第二目标函数可以按照下式构建：
170.maxe
total
＝e
income_grid_sale
+e
bill_self_sufficency
171.式中，e
total
表示综合能源系统的总收益，e
income_grid_sale
表示可再生能源子系统的
上网售电收益，e
bill_self_sufficency
表示用户利用可再生能源子系统自给自足节省的电费。
172.当然，除了以上两种方式，本技术实施例还可以在各子系统的控制模型的基础上，采用其他方式构建综合能源系统的控制模型，本技术实施例对此不做限定。
173.需要说明的是，由于构建的是综合能源系统的控制模型，所以根据第一目标函数构建的综合能源系统的约束条件可以和根据第二目标函数构建的综合能源系统的约束条件相同，下面对综合能源系统的约束条件进行介绍。
174.可选地，上述约束条件可以包括充放电约束和/或电网约束。当然，约束条件还可以包括其他约束，本技术实施例对此不做详细介绍。
175.其中，充放电约束可以用于指示储能子系统的荷电状态(state of charge，soc)大于等于预设的荷电状态下限(可以用soc
min
表示)且小于等于预设的荷电状态上限(可以用soc
max
表示)，也就是满足soc
min
≤soc≤soc
max
。
176.为了保证用户的安全用电，电网约束可以用于指示用户的用电功率在电网提供的用电功率范围之内且不超过用户与电网约定的用电功率，可以用公式表示为：
[0177]-p
d-(t)≤p
load
(t)-p
pv
(t)+p
bes_charge
(t)-p
bes_discharge
(t)≤p
d+
(t)
[0178]
式中，p
load
(t)表示用户的负荷功率，p
pv_max
(t)表示t时段光伏子系统的最大出力，p
bes_charge
(t)表示t时段储能子系统的充电功率，p
bes_discharge
(t)表示t时段储能子系统的放电功率，p
d+
(t)表示用户最大正向供电容量(用户从电网购买的最大功率)，p
d-(t)表示用户最大反向供电容量(即用户向电网卖出的最大功率)。
[0179]
本技术实施例根据各子系统的控制模型构建综合能源系统的控制模型，使得对综合能源系统的控制模型的求解成为可能，能够找到优化控制最优解(即综合能源系统的优化控制策略)，综合能源系统的控制模型具有较强的实用性。
[0180]
在一种可能的实现方式中，上述步骤s103可以按照以下过程实现：
[0181]
将各子系统的输出信息输入综合能源系统的控制模型，采用有约束的最优化方法对综合能源系统的控制模型进行求解，获取综合能源系统的控制策略。
[0182]
可选地，有约束的最优化方法可以为线性规划法和非线性规划法等中的任意一项。当然，还可以采用其他的有约束的最优化方法求解综合能源系统的控制模型，本技术实施例不做限定。
[0183]
示例性的，上述综合能源系统的控制策略可以包括可再生能源子系统在预设的时间范围内的发电量、储能子系统的充放电信息以及负荷子系统的用电信息中的至少两项。
[0184]
进一步地，可再生能源子系统在预设的时间范围内的发电量可以包括光伏子系统在预设的第一时间范围内的发电量和/或风电子系统在预设的第二时间范围内的发电量。第一时间范围和第二时间范围可以相同，也可以不同。
[0185]
可选地，上述储能子系统的充放电信息可以包括储能子系统的充电信息和/或放电信息。其中，充电信息可以包括储能子系统的充电时长和充电电量，放电信息可以包括储能子系统的放电时长和放电电量。
[0186]
可选地，负荷子系统的用电信息可以包括负荷子系统的用电时长和用电量。
[0187]
在一种可能的实现方式中，控制器可以采用rs485、mbus或5g等通讯方式将综合能源系统的控制策略发送给各子系统，对各子系统的实时运行信息(包括储能子系统的充放电信息、可再生能源子系统的发电量以及负荷子系统的用电时长和用电量等)进行调节。
[0188]
进一步地，可以通过传感器采集调节后的各子系统的实时运行信息，并将采集的实时运行信息反馈给控制器。
[0189]
需要说明的是，如果采集的实时运行信息的数据量较大，可以对实时运行信息进行压缩(如边缘特征的计算)等处理，之后再反馈给控制器。
[0190]
本技术实施例可以根据各子系统的实时数据对各子系统的暂态数据进行识别并剔除，克服暂态过程对综合能源系统的影响，进而通过各子系统的稳态数据、各子系统的控制模型以及综合能源系统的控制模型实现综合能源系统的优化控制。
[0191]
而且，本技术实施例提供的优化控制方法具有普适性，可以对多个不同区域的综合能源系统进行数字孪生的持续辨识和边云协同的优化控制。
[0192]
在本技术实施例提供的优化控制方法的基础上，可以进一步提高社会能源利用效率，降低综合能源系统的运行费用，促进可再生能源的规模化开发，实现节能减排。
[0193]
下面以户用智能光储系统(即综合能源系统，包括光伏子系统、储能子系统和负荷子系统(如热泵空调子系统、充电桩子系统、照明子系统和电梯子系统等)为例，介绍本技术实施例提供的优化控制方法，如图3所示，可以按照以下步骤实现：
[0194]
步骤s201：根据户用智能光储系统中各子系统的实时数据，对各子系统的暂态数据进行识别并剔除，获取各子系统的稳态数据。
[0195]
其中，各子系统的实时数据可以包括光伏子系统的实时数据、储能子系统的实时数据和负荷子系统的实时数据。
[0196]
其中，光伏子系统的暂态数据包括光伏子系统在太阳辐照度小于预设的太阳辐照度阈值下的发电数据以及光伏子系统在太阳辐照度大于或等于预设的太阳辐照度阈值(如100w/m2等)下的发电数据。
[0197]
储能子系统的状态可以为休眠状态(储能子系统不充电也不放电)或者工作状态(储能子系统充电或者放电)。因此，储能子系统的实时数据可以包括储能子系统处于休眠状态的数据(包括储能子系统处于休眠状态的实际电量)和储能子系统处于工作状态的数据(包括储能子系统充电电量、充电时长、放电电量和放电时长)。
[0198]
负荷子系统的实时数据可以包括负荷子系统功率波动值小于预设的功率波动阈值的负荷数据和负荷子系统的功率波动值大于或等于预设的功率波动阈值的负荷数据。
[0199]
于是，各子系统的暂态数据可以包括储能子系统处于休眠状态的数据、负荷子系统的功率波动值小于预设的功率波动阈值的负荷数据以及光伏子系统在太阳辐照度小于预设的太阳辐照度阈值下的发电数据。
[0200]
类似地，各子系统的稳态数据包括储能子系统处于工作状态的数据、负荷子系统的功率波动值大于或等于预设的功率波动阈值的负荷数据以及光伏子系统在太阳辐照度大于或等于预设的太阳辐照度阈值下的发电数据。
[0201]
在一种可能的实现方式中，可以用频谱特征分析法提取各子系统的实时数据的频谱特征。根据频谱特征对各子系统的暂态数据进行识别，获取各子系统的暂态数据。从各子系统的实时数据中将各子系统的暂态数据进行剔除，获取各子系统的稳态数据。
[0202]
步骤s202：采用高斯混合模型识别各子系统的运行工况。
[0203]
需要说明的是，户用智能光储系统中各子系统的运行工况都为户用运行工况。
[0204]
步骤s203：根据各子系统的户用运行工况，构建各子系统的可辨识模型族。
[0205]
可选地，根据户用运行工况，构建负荷子系统的可辨识模型族和光伏子系统的可辨识模型族。需要说明的是，无需构建储能子系统的可辨识模型族。
[0206]
进一步地，由于负荷子系统在周内(即工作日)和周末的不确定性，所以可以针对周内和周末分别构建负荷子系统的可辨识模型族。
[0207]
例如，针对周内，负荷子系统的可辨识模型族可以包括arima模型、rnn模型和lstm模型)。
[0208]
类似地，针对周末，负荷子系统的可辨识模型族也可以包括arima模型、rnn模型和lstm模型)。
[0209]
可选地，光伏子系统的可辨识模型族包括第一多项式非线性模型、第二多项式非线性模型和第三多项式非线性模型。
[0210]
其中，第一多项式非线性模型可以以水平辐照度和空气温度作为输入，根据光伏子系统的发电量与水平辐照度和空气温度的对应关系(如二阶关系)，并以光伏子系统的发电量作为输出构建。可以看出，第一多项式非线性模型为二元二次多项式非线性模型。可以看出，第一多项式非线性模型可以为二元二次非线性模型。
[0211]
类似地，第二多项式非线性模型可以以倾斜辐照度和空气温度作为输入，根据光伏子系统的发电量与倾斜辐照度和空气温度的对应关系(如二阶关系)，并以光伏子系统的发电量作为输出构建。可以看出，第二多项式非线性模型也可以为二元二次非线性模型。
[0212]
第三多项式非线性模型可以以水平辐照度、倾斜辐照度和空气温度作为输入，根据光伏子系统的发电量与水平辐照度、倾斜辐照度和空气温度的对应关系(如二阶关系)，并以光伏子系统的发电量作为输出构建。可以看出，第三多项式非线性模型可以为三元二次非线性模型。
[0213]
步骤s204：采用交互式多模型对各子系统的可辨识模型族进行辨识，获取各子系统的控制模型。
[0214]
需要说明的是，还可以采用其他方式对各子系统的可辨识模型族进行辨识，本技术实施例以交互式多模型为例进行说明。
[0215]
步骤s205：将各子系统的稳态数据输入各子系统的控制模型进行求解，获取各子系统的输出信息。
[0216]
可选地，可以设置时间间隔粒度(如1小时)，将各子系统的稳态数据输入各子系统的控制模型，采用无约束的最优化方法对各子系统的控制模型进行求解，获取光伏子系统的发电量和负荷的用电量。
[0217]
需要说明的是，本技术实施例采用梯度下降法对各子系统的控制模型进行求解，还可以采用其他无约束的最优化方法求解各子系统的控制模型，本技术实施例不做限定。
[0218]
步骤s206：构建户用智能光储系统的控制模型。
[0219]
可选地，用户安装光伏子系统和储能子系统的主要目的在于的在降低用户需要向电网支付的电费。由于用户执行分时电价(time-of-use，tou)或实时电价(real-timepricing，rtp)，利用储能子系统可以有效实现负荷峰值的转移，同时消纳光伏子系统的发电量，降低户用智能光储系统的总成本。
[0220]
于是，可以以户用智能光储系统的总成本最小为目标构建目标函数，目标函数可以用下式表示：
[0221]
min c
total
＝c
bill_grid_buy
+c
bes_depreciation-c
pv_subsidy-e
income_grid_sale-c
demand_reward
[0222]
其中，c
total
表示户用智能光储系统的总成本，c
bill_grid_buy
表示用户向电网支付的购电电费，c
bes_depreciation
表示储能子系统的寿命折损成本，c
pv_subsidy
表示光伏子系统所获得的补贴，e
income_grid_sale
表示光伏子系统的上网售电收益，c
demand_reward
为用户参与需求响应所获得的激励。
[0223]
进一步地，用户向电网支付的购电电费c
bill_grid_buy
取决于用户的实际购电量，可以用下式表示：
[0224][0225]
式中，tou(t)表示t时段的分时电价(单位可以为元/kwh)，p
load
(t)表示t时段负荷子系统的功率，p
pv
(t)表示t时段光伏子系统的发电功率，p
bes_charge
(t)表示t时段储能子系统的充电功率，p
bes_discharge
(t)表示t时段储能的放电功率，δt表示时段长度(单位为min)。
[0226]
储能子系统的寿命折损成本c
bes_depreciation
可以根据储能子系统的使用寿命、充电深度、放电深度、充电倍率、放电倍率和环境温度等获取。
[0227]
户用的光伏子系统可获得补贴和需求响应收益，光伏子系统所获得的补贴c
pv_subsidy
可以按照光伏子系统的发电量获取。
[0228]
进一步地，可以光伏子系统所获得的补贴c
pv_subsidy
可以用下式表示：
[0229][0230]
式中，ρ
pv_subsidy
表示光伏子系统的度电补贴价格，单位为元/kwh。
[0231]
光伏子系统的上网售电收益e
income_grid_sale
可以用下式表示：
[0232][0233]
式中，sale(t)表示t时段用户的售电电价，单位为元/kwh。
[0234]
用户参与需求响应所获得的激励c
demand_reward
可以用下式表示：
[0235][0236]
式中，ρ
demand_reward
表示用户参与需求响应激励的系数，单位为元/kw；δp(t)表示约定的用户参与需求响应的功率。
[0237]
进一步地，可以根据目标函数构建户用智能光储系统的约束条件。
[0238]
可选地，约束条件可以包括储能子系统的约束(即上文的充放电约束)、光伏子系统的约束、电网约束和需求相应约束。
[0239]
由于负荷子系统、光伏发电子系统具有明显的日周期特性，所以可将储能子系统的调度周期定义为一日，储能子系统在日内结束时刻t
end
的荷电状态(可以用soc(t
end
)表示)需返回荷电状态初始值(可以用soc(0)表示，如0.5)，即soc(t
end
)＝soc(0)＝0.5，以保证储能子系统的持续运行。
[0240]
可以假设储能子系统的充电效率(可以用η
charge
表示)和放电效率(可以用η
discharge
表示)在储能子系统的运行过程中为常数，于是，为了保证储能子系统的安全运行，储能子系统的约束可以用下式表示：
[0241][0242]
式中，c
bes_capacity
表示储能子系统的储能容量，soc(t-1)表示储能子系统在t-1时段的荷电状态，soc
min
表示预设的荷电状态下限，soc
max
表示预设的荷电状态上限。
[0243]
进一步地，t时段储能子系统的充电功率p
bes_charge
(t)可以大于等于0且小于等于储能子系统中储能逆变器的额定功率(可以用p
pcs
表示)，即满足0≤p
bes_charge
(t)≤p
pcs
。
[0244]
类似地，t时段储能的放电功率p
bes_discharge
(t)可以大于等于0且小于等于储能逆变器的额定功率，即满足0≤p
bes_discharge
(t)≤p
pcs
。
[0245]
光伏子系统输出的多余功率(即光伏子系统的发电功率中除负荷子系统消耗的功率以外的功率)不得反向向电网输送，考虑光伏子系统中光伏逆变器具有功率调节能力，光伏子系统的输出功率也视为可调度变量，可在最大功率跟踪功率的基础上对光伏子系统的输出功率进行调节。于是，光伏子系统的约束可以用下式表示：
[0246]
0≤p
pv
(t)≤p
pv_max
(t)
[0247]
式中，p
pv_max
(t)表示t时段光伏子系统的最大出力，单位为kw。
[0248]
为了用户安全用电，上述电网约束可以用于指示用户的用电功率在电网提供的用电功率范围之内且不超过用户与电网约定的用电功率，可以用下式表示：
[0249]-p
d-(t)≤p
load
(t)-p
pv
(t)+p
bes_charge
(t)-p
bes_discharge
(t)≤p
d+
(t)
[0250]
式中，p
load
(t)-p
pv
(t)+p
bes_charge
(t)-p
bes_discharge
(t)表示用户的用电功率，p
load
(t)表示用户的负荷功率，p
pv_max
(t)表示t时段光伏子系统的最大出力，p
bes_charge
(t)表示t时段储能子系统的充电功率，p
bes_discharge
(t)表示t时段储能子系统的放电功率，p
d+
(t)表示用户最大正向供电容量(用户从电网购买的最大功率)，p
d-(t)表示用户最大反向供电容量(即用户向电网卖出的最大功率)。
[0251]
考虑到用户参与需求响应进行负荷削减，可以在负荷基值的基础上向下削减负荷的功率。负荷基线可以为负荷的用电功率(与负荷的用电量相关)与光伏子系统的发电功率(与光伏子系统的发电量相关)的差值。那么，需求响应约束可以用下式表示：
[0252][0253]
式中，δp
cut
(t)表示用户的最少削减功率，表示通过求解负荷子系统的控制模型得到的负荷子系统的输出信息(即上文的负荷的用电功率)，表示通过求解光伏子系统的控制模型得到的光伏子系统的输出信息(即上文的光伏子系统的发电功率)。
[0254]
在一种可能的实现方式中，可以结合上述的目标函数和约束条件，得到户用智能光储系统的控制模型。
[0255]
步骤s207：将各子系统的输出信息输入户用智能光储系统的控制模型进行求解，获取户用智能光储系统的控制策略。
[0256]
可选地，可以将光伏子系统的发电量和负荷的用电量输入户用智能光储系统的控制模型，采用有约束的最优化方法求解户用智能光储系统的控制模型，得到户用智能光储系统的控制策略。
[0257]
示例性的，户用智能光储系统的控制策略可以包括光伏子系统在预设的时间范围
内的发电量、储能子系统的充放电信息以及负荷子系统的用电信息。
[0258]
进一步地，储能子系统的充放电信息可以包括储能子系统的充电信息和放电信息。充电信息可以包括储能子系统的充电时长和充电电量，放电信息可以包括储能子系统的放电时长和放电电量。
[0259]
负荷子系统的用电信息可以包括负荷子系统的用电时长和用电量。
[0260]
步骤s208：(户用智能光储系统的控制装置)将户用智能光储系统的控制策略发送给各子系统，对各子系统的实时运行信息进行调节。
[0261]
步骤s209：采集调节后的各子系统的实时运行信息，并反馈实时运行信息(给户用智能光储系统的控制装置)。
[0262]
在一种可能的实现方式中，如图4所示，可以以两小时为时间间隔粒度对户用智能光储系统进行滚动优化控制。也就是根据日前各子系统的输出信息更新日内各子系统的输出信息。图4中，day-1表示日前，day表示日内，day+1表示日后(即下一天)。同时，可以根据控制装置发送的控制策略对储能子系统、光伏子系统和负荷子系统各自的实时运行信息进行调节。
[0263]
本技术实施例还提供了一种综合能源系统，如图5所示。综合能源系统1可以包括控制器11和多个子系统12，控制器11可以与多个子系统12中的每个子系统连接。
[0264]
可选地，多个子系统可以包括可再生能源子系统、储能子系统和负荷子系统中的至少两项，可再生能源子系统可以包括风电子系统和/或光伏子系统。本技术实施例以多个子系统12包括风电子系统121、光伏子系统122、储能子系统123和负荷子系统124为例。
[0265]
于是，如图5所示，控制器11可以与风电子系统121、光伏子系统122、储能子系统123和负荷子系统124分别连接。
[0266]
可选地，控制器11可以用于：
[0267]
根据综合能源系统中各子系统的实时数据，对各子系统的暂态数据进行识别并剔除，获取各子系统的稳态数据。
[0268]
将各子系统的稳态数据输入各子系统的控制模型进行求解，获取各子系统的输出信息。
[0269]
将各子系统的输出信息输入综合能源系统的控制模型进行求解，获取综合能源系统的控制策略。
[0270]
每个子系统可以用于：按照综合能源系统的控制策略运行。
[0271]
需要解释的是，由于综合能源系统可以包括可再生能源子系统、储能子系统和负荷子系统中的至少两项，可再生能源子系统可以包括风电子系统和/或光伏子系统。那么，各子系统的实时数据可以包括可再生能源子系统的实时数据、储能子系统的实时数据和负荷子系统的实时数据中的至少两项。
[0272]
其中，可再生能源子系统的实时数据可以包括可再生能源子系统的暂态数据(包括风电子系统在实际风速小于预设的风速阈值下的发电数据和/或光伏子系统在太阳辐照度小于预设的太阳辐照度阈值下的发电数据)和可再生能源子系统的稳态数据(包括风电子系统在实际风速大于或等于预设的风速阈值下的发电数据和/或光伏子系统在太阳辐照度大于或等于预设的太阳辐照度阈值下的发电数据)。
[0273]
储能子系统的状态可以为休眠状态(储能子系统不充电也不放电)或者工作状态
(储能子系统充电或者放电)。因此，储能子系统的实时数据可以包括储能子系统处于休眠状态的数据(包括储能子系统处于休眠状态的实际电量)和储能子系统处于工作状态的数据(包括储能子系统充电电量、充电时长、放电电量和放电时长)。
[0274]
负荷子系统的实时数据可以包括负荷子系统的功率波动值小于预设的功率波动阈值的负荷数据和负荷子系统的功率波动值大于或等于预设的功率波动阈值的负荷数据。
[0275]
于是，各子系统的暂态数据可以包括储能子系统处于休眠状态的数据、负荷子系统的功率波动值小于预设的功率波动阈值的负荷数据以及可再生能源子系统的暂态数据(参考上文介绍)中的至少两项。
[0276]
类似地，各子系统的稳态数据包括储能子系统处于工作状态的数据、负荷子系统的功率波动值大于或等于预设的功率波动阈值的负荷数据以及可再生能源子系统的稳态数据中的至少两项。
[0277]
示例性的，上述各子系统的输出信息可以包括可再生子系统的发电量和负荷的用电量。其中，可再生子系统的发电量可以包括光伏子系统的发电量和/或风电子系统的发电量。
[0278]
示例性的，上述综合能源系统的控制策略可以包括可再生能源子系统在预设的时间范围内的发电量、储能子系统的充放电信息以及负荷子系统的用电信息中的至少两项。
[0279]
本技术实施例以综合能源系统的控制策略包括风电子系统在预设的时间范围内的发电量、光伏子系统在预设的时间范围内的发电量、储能子系统的充放电信息以及负荷子系统的用电信息为例进行说明。
[0280]
于是，风电子系统可以按照风电子系统在预设的时间范围内的发电量运行，光伏子系统可以按照光伏子系统在预设的时间范围内的发电量，储能子系统可以按照储能子系统的充放电信息，负荷子系统可以按照负荷子系统的用电信息运行。
[0281]
进一步地，可再生能源子系统在预设的时间范围内的发电量可以包括光伏子系统在预设的第一时间范围内的发电量和/或风电子系统在预设的第二时间范围内的发电量。第一时间范围和第二时间范围可以相同，也可以不同。
[0282]
可选地，上述储能子系统的充放电信息可以包括储能子系统的充电信息和/或放电信息。其中，充电信息可以包括储能子系统的充电时长和充电电量，放电信息可以包括储能子系统的放电时长和放电电量。
[0283]
可选地，负荷子系统的用电信息可以包括负荷子系统的用电时长和用电量。
[0284]
本技术实施例可以根据各子系统的实时数据对各子系统的暂态数据进行识别并剔除，克服暂态过程对综合能源系统的影响，进而通过各子系统的稳态数据、各子系统的控制模型以及综合能源系统的控制模型实现综合能源系统的优化控制。
[0285]
在一种可能的实现方式中，控制器11可以用于：采用频谱特征分析法提取各子系统的实时数据的频谱特征。根据频谱特征对各子系统的暂态数据进行识别，获取各子系统的暂态数据。从各子系统的实时数据中将各子系统的暂态数据进行剔除，获取各子系统的稳态数据。
[0286]
本技术实施例中的控制器根据各子系统的实时数据对各子系统的暂态数据进行识别并剔除，克服暂态过程对综合能源系统的影响，保证了可辨识模型族辨识的鲁棒性，为综合能源系统的优化控制提供基础。
[0287]
在一种可能的实现方式中，控制器11可以采用交互式多模型对各子系统的可辨识模型族进行辨识，获取各子系统的控制模型。
[0288]
在一示例中，控制器11可以采用高斯混合模型识别各子系统的运行工况，并根据各子系统的运行工况，构建各子系统的可辨识模型族。
[0289]
可选地，控制器11可以根据各子系统的实际情况，并采用高斯混合模型识别出各子系统的运行工况。
[0290]
在一种可能的实现方式中，上述各子系统的运行工况可以包括负荷子系统的运行工况、储能子系统的运行工况以及可再生能源子系统的运行工况中的至少两项。其中，可再生能源子系统的运行工况可以包括风电子系统的运行工况和/或光伏子系统的运行工况。
[0291]
进一步地，负荷子系统的运行工况包括户用运行工况或者工商业运行工况；
[0292]
储能子系统的运行工况包括户用运行工况、工商业运行工况或者地面发电站运行工况；
[0293]
风电子系统的运行工况包括平原运行工况、山区运行工况或者海边运行工况；
[0294]
光伏子系统的运行工况包括户用运行工况、工商业运行工况或者地面发电站运行工况。
[0295]
当然，上述各子系统的运行工况不限于罗列的运行工况，还可以为其他运行工况，本技术实施例不做限定。
[0296]
由于各子系统的可辨识模型族与运行工况密切相关，所以控制器11需要根据运行工况构建各子系统的可辨识模型族。
[0297]
在一种可能的实现方式中，上述可辨识模型族可以包括负荷子系统的可辨识模型族和可再生能源发电子系统的可辨识模型族。
[0298]
进一步地，可再生能源发电子系统的可辨识模型族可以包括风电子系统的可辨识模型和/或光伏子系统的可辨识模型。
[0299]
更进一步地，负荷子系统的可辨识模型族可以包括差分整合移动平均自回归(autoregressive integrated moving average，arima)模型(简称为arima模型)、循环神经网络(recurrent neural network，rnn)模型(简称为rnn模型)和长短时记忆网络(long short term memory network，lstm)模型(简称为lstm模型)中的至少两项。
[0300]
需要说明的是，由于下文需要对负荷子系统的可辨识模型进行辨识以获取负荷子系统的控制模型，所以负荷子系统的可辨识模型族至少包括两个模型。
[0301]
风电子系统的可辨识模型可以包括半经验模型、涡流模型和计算流体动力学模型中的至少两项。
[0302]
类似的，由于下文需要对风电子系统的可辨识模型进行辨识以获取风电子系统的控制模型，所以风电子系统的可辨识模型族至少包括两个模型。
[0303]
光伏子系统的可辨识模型包括第一多项式非线性模型、第二多项式非线性模型和第三多项式非线性模型中的至少两项。类似的，由于下文需要对光伏子系统的可辨识模型进行辨识以获取光伏子系统的控制模型，所以光伏子系统的可辨识模型族至少包括两个模型。
[0304]
在光伏子系统中，光伏子系统的发电量可以与水平辐照度(global horizontal irradiance，ghi，也可以叫作水平辐照量)、倾斜辐照度(global tilted irradiance，gti)
和空气温度呈对应关系(如二阶关系等)，但在实际应用时，由于水平辐照度、倾斜辐照度和空气温度容易受到光伏子系统(可以为光伏子系统中的光伏阵列)安装角度等因素影响，水平辐照度、倾斜辐照度和空气温度都具有一定的不确定性。
[0305]
因此，控制器11可以以水平辐照度和空气温度作为输入，根据光伏子系统的发电量与水平辐照度和空气温度的对应关系(如二阶关系)，并以光伏子系统的发电量作为输出构建第一多项式非线性模型。可以看出，第一多项式非线性模型为二元二次多项式非线性模型。可以看出，第一多项式非线性模型可以为二元二次非线性模型。
[0306]
控制器11可以以倾斜辐照度和空气温度作为输入，根据光伏子系统的发电量与倾斜辐照度和空气温度的对应关系(如二阶关系)，并以光伏子系统的发电量作为输出构建第二多项式非线性模型。可以看出，第二多项式非线性模型也可以为二元二次非线性模型。
[0307]
控制器11可以以水平辐照度、倾斜辐照度和空气温度作为输入，根据光伏子系统的发电量与水平辐照度、倾斜辐照度和空气温度的对应关系(如二阶关系)，并以光伏子系统的发电量作为输出构建第三多项式非线性模型。可以看出，第三多项式非线性模型可以为三元二次非线性模型。
[0308]
进一步地，控制器11可以根据预设的时间间隔粒度(例如5分钟、15分钟、30分钟、1小时、2小时、4小时、24小时等)，将上述各子系统的稳态数据输入上述辨识得到的各子系统的控制模型，采用无约束的最优化方法对各子系统的控制模型进行求解，获取各子系统的输出信息。
[0309]
可选地，无约束的最优化方法可以为梯度下降法(即最速下降法)、共轭方向法(即共轭梯度法)、牛顿法和拟牛顿法中的任意一项。当然，还可以采用其他的无约束的最最优化方法，本技术实施例对此不做限定。
[0310]
本技术实施例中的控制器可以根据各子系统的不同运行工况，构建各子系统在不同运行工况下的控制模型，解决的可辨识模型族的复用性，提高了综合能源系统在多种运行工况场景下的适应性。
[0311]
在一种可能的实现方式中，控制器11可以构建综合能源系统的控制模型。
[0312]
在一示例中，控制器11可以以综合能源系统的总成本最低为目标，构建综合能源系统的第一目标函数。控制器11可以根据第一目标函数，构建综合能源系统的约束条件。控制器可以根据第一目标函数和约束条件，构建综合能源系统的控制模型。
[0313]
进一步地，控制器11可以按照下式构建第一目标函数：
[0314]
min c
total
＝c
bill_grid_buy-e
income_grid_sale
[0315]
式中，c
total
表示综合能源系统的总成本，c
bill_grid_buy
表示用户向电网支付的购电电费，e
income_grid_sale
表示可再生能源子系统的上网售电收益。
[0316]
需要说明的是，本技术以综合能源系统包括可再生能源子系统(包括风电子系统和/或光伏子系统)、储能子系统和负荷子系统中的至少两项为例进行说明的。当然，综合能源系统还可以包括分布式电源和燃气轮机等，所以控制器11还可以按照下式构建第一目标函数：
[0317]
min c
total
＝c
dg
+c
gas
+c
bill_grid_buy-e
income_grid_sale
[0318]
式中，c
dg
表示分布式电源的运行成本，c
gas
表示燃气轮机的运行成本。
[0319]
在另一示例中，控制器11可以以综合能源系统的总收益最大为目标，构建综合能
源系统的第二目标函数。控制器11可以根据第二目标函数，构建综合能源系统的约束条件。控制器11可以根据第二目标函数和约束条件，构建综合能源系统的控制模型。
[0320]
进一步地，控制器11可以按照下式构建第二目标函数：
[0321]
maxe
total
＝e
income_grid_sale
+e
bill_self_sufficency
[0322]
式中，e
total
表示综合能源系统的总收益，e
income_grid_sale
表示可再生能源子系统的上网售电收益，e
bill_self_sufficency
表示用户利用可再生能源子系统自给自足节省的电费。
[0323]
当然，除了以上两种方式，本技术实施例中的控制器11还可以在各子系统的控制模型的基础上，采用其他方式构建综合能源系统的控制模型，本技术实施例对此不做限定。
[0324]
需要说明的是，由于构建的是综合能源系统的控制模型，所以控制器11可以根据第一目标函数构建的综合能源系统的约束条件可以和根据第二目标函数构建的综合能源系统的约束条件相同，下面对综合能源系统的约束条件进行介绍。
[0325]
可选地，上述约束条件可以包括充放电约束和/或电网约束。当然，约束条件还可以包括其他约束，本技术实施例对此不做详细介绍。
[0326]
其中，充放电约束可以用于指示储能子系统的荷电状态(state of charge，soc)大于等于预设的荷电状态下限(可以用soc
min
表示)且小于等于预设的荷电状态上限(可以用soc
max
表示)，也就是满足soc
min
≤soc≤soc
max
。
[0327]
为了保证用户的安全用电，电网约束可以用于指示用户的用电功率在电网提供的用电功率范围之内且不超过用户与电网约定的用电功率，可以用公式表示为：
[0328]-p
d-(t)≤p
load
(t)-p
pv
(t)+p
bes_charge
(t)-p
bes_discharge
(t)≤p
d+
(t)
[0329]
式中，p
load
(t)表示用户的负荷功率，p
pv_max
(t)表示t时段光伏子系统的最大出力，p
bes_charge
(t)表示t时段储能子系统的充电功率，p
bes_discharge
(t)表示t时段储能子系统的放电功率，p
d+
(t)表示用户最大正向供电容量(用户从电网购买的最大功率)，p
d-(t)表示用户最大反向供电容量(即用户向电网卖出的最大功率)。
[0330]
在一种可能的实现方式中，控制器11可以将各子系统的输出信息输入综合能源系统的控制模型，采用有约束的最优化方法对综合能源系统的控制模型进行求解，获取综合能源系统的控制策略。
[0331]
可选地，有约束的最优化方法可以为线性规划法和非线性规划法等中的任意一项。当然，还可以采用其他的有约束的最优化方法求解综合能源系统的控制模型，本技术实施例不做限定。
[0332]
在一种可能的实现方式中，控制器11可以采用rs485、mbus或5g等通讯方式将综合能源系统的控制策略发送给各子系统，对各子系统的实时运行信息(包括储能子系统的充放电信息、可再生能源子系统的发电量以及负荷子系统的用电时长和用电量等)进行调节。
[0333]
进一步地，可以通过传感器等采集调节后的各子系统的实时运行信息，并将采集的实时运行信息反馈给控制器11。
[0334]
需要说明的是，如果采集的实时运行信息的数据量较大，可以对实时运行信息进行压缩(如边缘特征的计算)等处理，之后再反馈给控制器11。
[0335]
本技术实施例中的控制器可以根据各子系统的实时数据对各子系统的暂态数据进行识别并剔除，克服暂态过程对综合能源系统的影响，进而通过各子系统的稳态数据、各子系统的控制模型以及综合能源系统的控制模型实现综合能源系统的优化控制。
[0336]
而且，本技术实施例中的控制器可以对多个不同区域的综合能源系统进行数字孪生的持续辨识和边云协同的优化控制。
[0337]
应理解，在本技术的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0338]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0339]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0340]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0341]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0342]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0343]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0344]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应所述以权利要求的保护范围为准。