一种基于负荷预测的移动储能充放电控制方法与流程

1.本发明涉及移动储能技术领域，尤其是指一种基于负荷预测的移动储能充放电控制方法。


背景技术：

2.伴随着人民生活水平的不断发展，用电需求开始飞速增长，电网负荷峰谷差也在不断增大，但为了满足环境的可持续化发展，又对节能减排和供电可靠性提出了更高的要求。在电网运行过程中，随着用户用电时间段的不同，常存在两种情况，一种为电网负荷用电量少，但发电量多的情况，在这种情况下，常会出现负荷利用效率低，造成电能浪费的问题。而另一种则为电网负荷用电量多而发电量少的情况，在这种情况下，则可能出现因台区处于长时间过载或重载状态造成的停电现象，对于电网运行的安全性和可靠性造成影响。为了避免以上两种情况造成的问题出现，将移动式储能设备引入电网运行中来，在为电网负荷用电量少，但发电量多的情况下储存发电量，并在电网负荷用电量多而发电量少时输出储存的电量。单现有的移动式储能设备还是只能通过人工进行调度，需要人工决定接入位置及其充放电控制策略，人工参与会使得接入位置和充放电控制策略的准确性无法得到保障，若无法对移动式储能设备进行准确的充放电控制，移动式储能设备接入电网后对于电网负荷调节的调节效率也就不高。


技术实现要素：

3.本发明的目的是克服现有技术中的缺点，提供一种基于负荷预测的移动储能充放电控制方法，解决了现有技术中通过人工决定移动式储能设备接入位置和充放电措施时，移动式储能设备的充放电控制准确性无法保障，对于电网负荷调节的调节效率不高的问题。
4.本发明的目的是通过下述技术方案予以实现：
5.一种基于负荷预测的移动储能充放电控制方法，包括，
6.确定移动储能设备充放电调节的电网，采集移动储能设备充放电调节对应电网的历史负荷数据，以及负荷的影响因素的对应数据；
7.通过深度神经网络算法根据历史负荷数据以及负荷的影响因素的对应数据获取负荷预测结果；
8.根据负荷预测结果获取电网的负荷高峰时间段和负荷低谷时间段，根据电网的负荷高峰时间段和负荷低谷时间段确定移动储能设备的接入时间和充放电措施。
9.进一步的，在确定移动储能设备的充放电措施后，还根据接入时间确定调取范围，获取调取范围内所有移动储能设备的运行状态数据、荷电状态和充放电功率，并根据获取的移动储能设备的运行状态数据、荷电状态和充放电功率筛选实施充放电措施的移动储能设备。
10.进一步的，所述移动储能设备的充放电措施包括在负荷高峰时间输出储存的电
量，以及在负荷低谷时间储存电网内除供用户用电负荷外的发电量。
11.进一步的，根据负荷预测结果获取电网的负荷高峰时间段时，还根据负荷预测结果获取负荷高峰时间段内的失电状况，并对失电状况对应的用户失电负荷进行重要性评估，根据用户失电负荷的重要性评估结果确定移动储能设备根据充放电措施对电网进行负荷调节时的接入位置。
12.进一步的，用户失电负荷的重要性的表达式为：
[0013][0014]
其中：zi为第i个用户失电负荷重要度；αi、βi和γi均为第i个负荷失电重要程度的评价指标；w
α
、w
β
和w
γ
分别为负荷失电重要程度评价指标对应的权重值，且满足w
α
+w
β
+w
γ
＝1，k
t
为停电发生时的损失系数。
[0015]
进一步的，所述负荷失电重要程度的评价指标包括对生命安全的影响程度、对电网运行经济性的影响程度和失电负荷的特殊性。
[0016]
进一步的，在获取用户失电负荷的重要性评估结果后，根据用户失电负荷的重要性评估结果对失电状况所属台区内各用户的失电损失进行计算，并将失电损失按照降序排列，确定调度的移动储能设备，并将调度的移动储能设备按照失电损失排列顺序依次移动至对应用户的接入点，通过接入点接入电网后，移动储能设备开始放电。
[0017]
进一步的，所述负荷的影响因素包括负荷时段、季节特性、天气情况、温度和分时电价。
[0018]
本发明的有益效果是：
[0019]
能够通过负荷预测结果进行移动储能设备的调度，能够根据电网的负荷情况确定移动储能设备的充放电措施，能够对充放电控制、接入位置和接入时间进行准确设置，降低人为因素所带来的影响，提高了充放电措施的准确性，从而提高移动储能设备接入电网后，对于负荷调节的效率。
附图说明
[0020]
图1是本发明的一种流程示意图。
具体实施方式
[0021]
下面结合附图和实施例对本发明进一步描述。
[0022]
实施例：
[0023]
一种基于负荷预测的移动储能充放电控制方法，如图1所示，包括，
[0024]
确定移动储能设备充放电调节的电网，采集移动储能设备充放电调节对应电网的历史负荷数据，以及负荷的影响因素的对应数据；
[0025]
通过深度神经网络算法根据历史负荷数据以及负荷的影响因素的对应数据获取负荷预测结果；
[0026]
根据负荷预测结果获取电网的负荷高峰时间段和负荷低谷时间段，根据电网的负荷高峰时间段和负荷低谷时间段确定移动储能设备的接入时间和充放电措施。
[0027]
所述移动储能设备可以为移动储能车或移动储能舱。
[0028]
所述深度神经网络算法具体采用了bp神经网络算法，能够根据历史负荷数据以及负荷的影响因素的对应数据对用户负荷进行短期预测或超短期预测。
[0029]
在确定移动储能设备的充放电措施后，还根据接入时间确定调取范围，获取调取范围内所有移动储能设备的运行状态数据、荷电状态和充放电功率，并根据获取的移动储能设备的运行状态数据、荷电状态和充放电功率筛选实施充放电措施的移动储能设备。
[0030]
在筛选移动储能设备时，按照约束条件来筛选出实施充放电措施的移动储能设备，所述约束条件包括：
[0031]
(1)pi≤pc，即用户缺额功率pi不大于移动储能设备的额定功率pc，具体的，pc∈{0.25mw，0.5mw，1mw}；
[0032]
(2)即移动储能设备的荷电状态(soc)在合理区间内；
[0033]
(3)不选用额定容量超过2mwh，且接入电网时输出功率大于0.25mw的移动储能设备。
[0034]
筛选出所有符合约束条件的移动储能设备后，再根据目标函数进行移动储能设备的进一步筛选。
[0035]
若筛选出所有符合约束条件的移动储能设备配合能够满足停电时用户负荷缺额，则目标函数为：
[0036][0037]
其中：ny为移动储能设备的数量，f
车
为移动储能车的成本，f
舱
移动储能舱的成本。
[0038]
根据目标函数确定实施充放电措施的具体移动储能车以及移动储能舱。
[0039]
若筛选出的所有符合约束条件的移动储能设备配合都不能够满足停电时用户负荷缺额，则目标函数为：
[0040][0041]
其中：zi为第i个用户失电负荷的重要度，pi为用户缺额功率，ny为移动储能设备数量。
[0042]
在无法满足停电时用户负荷缺额时，以移动储能设备所能达到的对负荷发挥作用最大为目标，确定实施充放电措施的具体移动储能车以及移动储能舱。
[0043]
所述移动储能设备的充放电措施包括在负荷高峰时间输出储存的电量，以及在负荷低谷时间储存电网内除供用户用电负荷外的发电量。
[0044]
根据负荷预测结果获取电网的负荷高峰时间段时，还根据负荷预测结果获取负荷高峰时间段内的失电状况，并对失电状况对应的用户失电负荷进行重要性评估，根据用户失电负荷的重要性评估结果确定移动储能设备根据充放电措施对电网进行负荷调节时的接入位置。
[0045]
由于移动储能设备可能无法满足用户负荷缺额，因此对于用户失电负荷的重要性进行评估，能够优先接入最重要的用户失电负荷对应的用户接入点，保障其用户设备能够正常运行。
[0046]
用户失电负荷的重要性的表达式为：
[0047][0048]
其中：zi为第i个用户失电负荷的重要度；αi、βi和γi均为第i个负荷失电重要程度的评价指标；w
α
、w
β
和w
γ
分别为负荷失电重要程度评价指标对应的权重值，且满足w
α
+w
β
+w
γ
＝1，k
t
为停电发生时的损失系数。具体的，本实施例中w
α
＝0.5，w
β
＝0.15，w
γ
＝0.35。
[0049]
所述负荷失电重要程度的评价指标包括对生命安全的影响程度、对电网运行经济性的影响程度和失电负荷的特殊性。即αi为第i个用户失电负荷对于生命安全的影响程度评价得分，βi为第i个用户失电负荷对于电网运行经济型的影响程度评价得分，γi为第i个用户失电负荷的特殊性评估得分。
[0050]
失电负荷的特殊性由失电负荷对应用户所决定，如工业工厂内需持续运行的生产设备，其负荷失电会造成中毒、爆炸或火灾危险发生，此类失电负荷的特殊性评估得分较高，而如小区用户的失电负荷，则特殊性评估得分较低。
[0051]
在获取用户失电负荷的重要性评估结果后，根据用户失电负荷的重要性评估结果对失电状况所属台区内各用户的失电损失进行计算，并将失电损失按照降序排列，确定调度的移动储能设备，并将调度的移动储能设备按照失电损失排列顺序依次移动至对应用户的接入点，通过接入点接入电网后，移动储能设备开始放电。
[0052]
所述失电损失的计算公式为：
[0053]
p
′i＝zipi；
[0054]
其中：p
′i为第i个用户失电负荷的失电损失，zi为第i个用户失电负荷的重要度，pi为第i个失电用户的缺额功率。
[0055]
所述负荷的影响因素包括负荷时段、季节特性、天气情况、温度和分时电价。
[0056]
负荷时段具体可分为每天负荷时段和每周负荷时段，每天负荷时段能够分为早高峰、晚高峰和平稳阶段，而每周负荷时段则根据工作日和节假日进行区分。在进行失电负荷的重要性评估时，将负荷时段等负荷影响因素也作为对各评价指标进行打分的依据。
[0057]
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。