一种智能微型家用充放电离网光伏储能控制方法及系统与流程

本发明属于光伏发电，具体涉及一种智能微型家用充放电离网光伏储能控制方法及系统。

背景技术：

1、随着光伏发电技术的发展，离网光伏储能已广泛应用到电力系统中。但是在电网高速发展的同时，电力供需矛盾也是一直面临的难题，光伏发电系统输出功率受天气条件、光照强度和环境温度等自然因素影响，其预测值与真实值往往会出现较大偏差，在极端天气状况下不能满足电网稳定性的需求，分布式光伏发电系统的大量接入使得电网节点更加复杂，电力潮流分布受到影响，调度变得更加困难。

技术实现思路

1、为解决现有技术中存在的上述问题，本发明提供了一种智能微型家用充放电离网光伏储能控制方法及系统，本发明的目的可以通过以下技术方案实现：

2、s1：采集家庭历史用电负荷值和环境信息得到环境数据，对所述环境数据进行清洗和标准化处理得到标准化数据；

3、s2：根据所述标准化数据的日期标识为所述标准化数据添加附加特征，提取所述标准化数据特征和所述附加特征得到离散特征，通过独热编码将所述离散特征扩展到欧式空间得到离散特征映射，对所述离散特征映射嵌入词向量得到低维度稠密向量，通过所述低维度稠密向量表征电池储能模型得到电能特征矩阵；

4、s3：通过卷积神经网络对所述电能特征矩阵进行时序分析得到高阶特征，通过特征注意力机制为所述高阶特征分配权重得到协变量矩阵，对所述电能特征矩阵解码后得到强化特征矩阵，将所述协变量矩阵和所述强化特征矩阵进行信息融合得到预测结果；

5、s4：根据所述预测结果建立储能选型层次结构模型并构建决策因素判断矩阵，根据所述决策因素判断矩阵计算储能选型方案的权重系数并选择符合一致性检验的储能选型方案；

6、s5：通过所述储能选型方案的接入位置、功率和容量计算系统运行成本并确定光伏储能配置方案和运行策略。

7、具体地，所述步骤s1包括：

8、采集家庭用电负荷值数据，并记录对应的环境温度、湿度、日期以及运行时间得到所述环境数据，预设时间步长，在单个所述时间步长下所述环境数据的向量表示为：x＝[xtemp，xhum，xload，xdate，xtime]，其中，x为环境数据的特征向量，xtemp为环境温度，xhum为环境湿度，xload为家庭用电负荷值，xdate为日期，xtime为运行时间；

9、对所述环境数据中缺失位置的值进行线性插值并替换所述环境数据，计算公式为：

10、

11、其中，g(x)为插值目标函数，x为缺失值位置数据，x0为缺失值左侧位置数据，x1为缺失值右侧位置数据，y0为缺失值左侧数据值，y1为缺失值右侧数据值；

12、预设异常阈值，计算当前时间步长下的环境数据与相邻时间步长下环境数据的数据差值，对比所述数据差值与所述异常阈值，若所述数据差值大于所述异常阈值，则剔除所述环境数据，若所述数据差值小于或等于所述异常阈值，则保留所述环境数据；对所述环境数据归一化处理后得到标准化数据。

13、具体地，所述附加特征具体包括节假日、天气因素，若所述日期标识为节假日，则节假日特征取值为1，若所述日期标识不为节假日，则节假日特征取值为0，若所述天气为极端天气，则天气特征取值为1，若所述天气不为极端天气，则天气特征取值为0；提取所述标准化数据特征和所述附加特征得到离散特征。

14、具体地，所述步骤s3具体包括：

15、s301：将带有时间标签的所述电能特征矩阵作为输入序列，对所述输入序列通过位置编码标识不同输入单元的绝对位置和相对距离得到位置编码向量；

16、s302：通过卷积神经网络引入卷积核提取相邻时间步之间的相关特征，将所述电能特征矩阵和所述位置编码向量提取为多步时间戳的高阶特征，计算公式为：

17、r＝relu(w*x+b)，

18、其中，r为高阶特征值，relu为激活函数，w为卷积核，b为偏置值，x为输入序列特征；

19、s303：将所述高阶特征进行线性变换得到主变量映射矩阵和协变量映射矩阵，计算所述主变量映射矩阵和所述协变量映射矩阵的关联程度得到注意力分数矩阵，计算公式为：

20、

21、其中，a为注意力分数矩阵，softmax为归一指数函数，q为主变量映射矩阵，k为主变量映射矩阵，l为输入序列长度；

22、将所述注意力分数矩阵与所述协变量映射矩阵相乘得到强化特征矩阵；

23、s304：提取所述强化特征矩阵和所述电能特征矩阵的共同特征得到有长短期趋势依赖的联合特征，通过聚合所述卷积神经网络的隐藏层信息，将提取的特征充分融合，并在反向传播时更新每个连接的参数矩阵得到预测结果。

24、具体地，所述步骤s4具体包括：

25、根据所述预测结果建立储能选型层次结构模型，所述储能选型层次结构模型包括决策层、准则层、方案层；所述决策层为储能选型方案，所述，所述准则层为实现储能选型所需的成本控制，所述方案层为电池储能技术类别；

26、预设一致性指标，根据所述准则层构建决策因素判断矩阵；通过所述决策因素判断矩阵和所述一致性指标对所述决策因素判断矩阵进行一致性检验，将不符合一致性检验的判断矩阵重新构建，直至符合所述一致性指标的标准，根据所述判断矩阵得到储能选型方案。

27、具体地，所述步骤s5具体包括：

28、根据所述储能选型方案构建系统成本目标函数，计算公式为：

29、

30、其中，f为系统运行成本，t为一年内储能系统运行天数，p为采样时刻电网损耗功率，t为时间计数，△t为采样时间间隔，r为分时电价，c1为储能放电费用，c2为储能成本费用；

31、预设迭代次数，初始化储能充放电功率，将储能系统接入位置、功率和容量三个信息作为优化条件，通过所述系统成本目标函数计算最小系统运行成本并更新优化条件，迭代完成后根据所述优化条件选取光伏储能配置方案和运行策略。

32、一种智能微型家用充放电离网光伏储能控制系统，包括数据采集模块、数据预处理模块、家庭用电分析模块、光伏储能选型模块、储能控制模块；

33、所述数据采集模块用于采集家庭历史用电负荷值和环境信息得到环境数据，对所述环境数据进行清洗和标准化处理得到标准化数据；

34、所述数据预处理模块用于为所述标准化数据添加附加特征，提取所述标准化数据特征和所述附加特征得到离散特征，通过离散特征表征电池储能模型得到电能特征矩阵；

35、所述家庭用电分析模块用于对所述电能特征矩阵进行时序分析得到高阶特征，通过特征注意力机制为所述高阶特征分配权重得到协变量矩阵，对所述电能特征矩阵解码后得到强化特征矩阵，将所述协变量矩阵和所述强化特征矩阵进行信息融合得到预测结果；

36、所述光伏储能选型模块用于根据所述预测结果建立储能选型层次结构模型并构建决策因素判断矩阵，根据所述决策因素判断矩阵计算储能选型方案的权重系数并选择符合一致性检验的储能选型方案；

37、所述储能控制模块用于通过所述储能选型方案的接入位置、功率和容量计算系统运行成本并确定光伏储能配置方案和运行策略。

38、本发明的有益效果为：

39、(1)通过利用历史电力负荷数据和相关的影响特征因素，分析用电数据的变化趋势和原因，然后通过使用预测模型预测未来电力需求；通过采用协变量强化的特征注意力机制，分析主变量和协变量矩阵的复杂联动关系，强化协变量矩阵中有效信息的表达能力，使预测模型可以充分挖掘协变量矩阵中蕴含的隐藏信息，增强了预测模型的预测精度；通过精确的预测电力负荷，系统能够获取准确的的输入信息，来支持系统的规划和运行。

40、(2)通过设置多经济指标综合评估的储能选型方案，基于层次分析法，建立了以项目初始投资成本、净现值、动态投资回收期和内部收益率为决策因素的储能选型模型，以分布式储能系统的运行成本为目标，将储能接入位置、配置容量、荷电状态为约束条件，选取适用于电力系统的经济调度策略和配置方案，为实现电力系统的安全、可靠和经济运行提供了技术支撑和决策支持。