储能系统的收益预测方法、装置、设备及存储介质与流程

本发明涉及能源利用，尤其涉及一种储能系统的收益预测方法、装置、设备及存储介质。

背景技术：

1、目前，随着储能电站、电动汽车、船舶等新能源产业不断地快速增长，储能系统的成本和收益逐渐成为人们广泛关注和讨论的焦点，而储能系统的成本相当一部分来自于电池，科学的分析与测算不同的客观因素对储能系统电池的成本和收益对储能行业的投资发展有极强的推动和指导作用。

2、然而，现有的对储能系统的收益分析方式主要是针对早期影响权重大、效果明显的影响因素进行分析，未考虑到随着时间推移电能的转化率和存储损耗的都对成本有较大影响，在长周期的收益分析中可用性较低，对储能系统全生命周期的成本以及收益预测难度较高，无法为投资人提供准确的参考依据。

3、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是相关技术。

技术实现思路

1、本发明的主要目的在于提供了一种储能系统的收益预测方法、装置、设备及存储介质，旨在解决现有的对储能系统的成本收益分析方法未考虑随着时间推移电池寿命和购电成本的变化，使得预测数据偏离实际趋势，在长周期的收益分析中可用性较低的技术问题。

2、为实现上述目的，本发明提供了一种储能系统的收益预测方法，所述方法包括以下步骤：

3、获取目标系统的当前生产数据，并在所述当前生产数据中提取目标影响因子；

4、将所述目标影响因子输入电池衰减预测模型，获得储能电池的衰减时间信息，其中所述储能电池应用于所述目标系统，所述电池衰减预测模型基于多元线性回归模型和多项式回归模型进行构建；

5、获取电量销售信息，并结合所述衰减时间信息，确定所述目标系统的预计成本以及预计收益。

6、可选地，所述将所述目标影响因子输入电池衰减预测模型，获得储能电池的衰减时间信息的步骤之前，包括：

7、采集电池生产数据集，并将所述电池生产数据集划分为线性数据集和非线性数据集；

8、通过所述线性数据集对初始化多元线性回归模型进行训练，得到第一衰减模型；

9、通过所述非线性数据集对初始化多项式回归模型进行训练，得到第二衰减模型；

10、基于影响因子权重整合所述第一衰减模型和所述第二衰减模型，得到电池衰减预测模型。

11、可选地，所述采集电池生产数据集，并将所述电池生产数据集划分为线性数据集和非线性数据集，包括：

12、获取电池生产数据集，并在所述电池生产数据集中提取影响因子；

13、对所述影响因子进行分类，获得线性影响因子和非线性影响因子；

14、根据影响因子权重确定各影响因子的soh衰减量数据集；

15、根据所述线性影响因子和所述非线性影响因子分别对应的soh衰减量数据集，获得线性数据集和非线性数据集。

16、可选地，所述对所述影响因子进行分类，获得线性影响因子和非线性影响因子，包括：

17、从所述电池生产数据集中获取预训练数据集，并基于所述影响因子将所述预训练数据集划分为与所述影响因子对应的各个训练组；

18、通过所述各个训练组对第一线性回归模型分别进行训练，获得各个训练组对应的预测模型；

19、根据所述各个训练组对应的预测模型的预测准确率，将对应的影响因子划分为线性影响因子和非线性影响因子。

20、可选地，所述获取电池生产数据集，并在所述电池生产数据集中提取影响因子，包括：

21、采集电池生产数据集，并根据所述电池生产数据集获得相关因子；

22、通过随机森林算法确定所述相关因子的权重，并基于权重排序对所述电池生产数据集进行更新；

23、在更新后的所述生产数据集中提取影响因子，并获得对应的影响因子权重。

24、可选地，所述获取电量销售信息，并结合所述衰减时间信息，确定所述目标系统的预计成本以及预计收益，包括：

25、通过所述电池的衰减时间信息获得电池的全运行时间，根据历史数据确定在所述全运行时间内的电量销售信息，所述电量销售信息包括预计购电量和预计售电量；

26、将所述预计购电量结合购电成本，通过综合成本计算公式获得目标系统的预计成本；

27、根据所述目标系统的预计成本与所述预计售电量，确定目标系统的预计收益。

28、可选地，所述目标系统的预计收益通过收益计算公式确定，所述收益计算公式为：

29、k＝qout·pw-icomp

30、其中，k为预计收益、qout为预计售电量、pw为当地上网电价、icomp为预计成本；

31、所述综合成本计算公式为：

32、icomp＝i·qin+pb·n

33、其中，i为购电成本、qin为预计购电量、pb为电池价格、n为电池数量。

34、此外，为实现上述目的，本发明还提出一种储能系统的收益预测装置，所述装置包括：

35、数据获取模块，用于获取目标系统的当前生产数据，并在所述当前生产数据中提取目标影响因子；

36、模型预测模块，用于将所述目标影响因子输入电池衰减预测模型，获得储能电池的衰减时间信息，其中所述储能电池应用于所述目标系统，所述电池衰减预测模型基于多元线性回归模型和多项式回归模型进行构建；

37、收益计算模块，用于获取电量销售信息，并结合所述衰减时间信息，确定所述目标系统的预计成本以及预计收益。

38、此外，为实现上述目的，本发明还提出一种储能系统的收益预测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的储能系统的收益预测程序，所述储能系统的收益预测程序配置为实现如上文所述的储能系统的收益预测方法的步骤。

39、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有储能系统的收益预测程序，所述储能系统的收益预测程序被处理器执行时实现如上文所述的储能系统的收益预测方法的步骤。

40、本发明首先获取目标系统的当前生产数据，并在所述当前生产数据中提取目标影响因子；接着将所述目标影响因子输入电池衰减预测模型，获得储能电池的衰减时间信息，其中所述储能电池应用于所述目标系统，所述电池衰减预测模型基于多元线性回归模型和多项式回归模型进行构建；最后获取电量销售信息，并结合所述衰减时间信息，确定所述目标系统的预计成本以及预计收益。由于本发明是在系统当前生产数据中提取个性化的目标影响因子，再将影响因子输入融合模型，能够得到应用于系统的电池从投入到报废的生命周期时间，可适配任何有相同使用场景和指标的电池设备，并结合电量销售信息进一步确定目标系统的预计成本和收益，提升了预测结果的可靠性。

技术特征：

1.一种储能系统的收益预测方法，其特征在于，所述方法包括：

2.如权利要求1所述的储能系统的收益预测方法，其特征在于，所述将所述目标影响因子输入电池衰减预测模型，获得储能电池的衰减时间信息的步骤之前，包括：

3.如权利要求2所述的储能系统的收益预测方法，其特征在于，所述采集电池生产数据集，并将所述电池生产数据集划分为线性数据集和非线性数据集，包括：

4.如权利要求3所述的储能系统的收益预测方法，其特征在于，所述对所述影响因子进行分类，获得线性影响因子和非线性影响因子，包括：

5.如权利要求3所述的储能系统的收益预测方法，其特征在于，所述获取电池生产数据集，并在所述电池生产数据集中提取影响因子，包括：

6.如权利要求1所述的储能系统的收益预测方法，其特征在于，所述获取电量销售信息，并结合所述衰减时间信息，确定所述目标系统的预计成本以及预计收益，包括：

7.如权利要求6所述的储能系统的收益预测方法，其特征在于，所述目标系统的预计收益通过收益计算公式确定，所述收益计算公式为：

8.一种储能系统的收益预测装置，其特征在于，所述装置包括：

9.一种储能系统的收益预测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的储能系统的收益预测程序，所述储能系统的收益预测程序配置为实现如权利要求1至7中任一项所述的储能系统的收益预测方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有储能系统的收益预测程序，所述储能系统的收益预测程序被处理器执行时实现如权利要求1至7任一项所述的储能系统的收益预测方法的步骤。

技术总结
本发明涉及能源利用领域，公开一种储能系统的收益预测方法、装置、设备及存储介质，该方法包括：获取目标系统的当前生产数据，并在当前生产数据中提取目标影响因子；将目标影响因子输入电池衰减预测模型，获得储能电池的衰减时间信息，其中储能电池应用于目标系统，电池衰减预测模型基于多元线性回归模型和多项式回归模型进行构建；获取电量销售信息，并结合衰减时间信息，确定目标系统的预计成本以及预计收益。由于本发明是在当前生产数据中提取目标影响因子并输入融合模型，得到应用于系统的电池的生命周期时间，可适配任何相同使用场景和指标的电池设备，并结合电量销售信息确定目标系统的预计成本和收益，提升了预测结果的可靠性。

技术研发人员：邹定云,张毅鸿,江彬,潘杨,邓新疆,周勇,郝园园
受保护的技术使用者：重庆三峡时代能源科技有限公司
技术研发日：
技术公布日：2024/1/16