一种光储充电站储能电池充放电方法与流程

本发明涉及光储充电站，特别指一种光储充电站储能电池充放电方法。

背景技术：

1、以光储充为代表的新一代绿色能源微网，以更环保、更经济节能的方式给用户侧带来更便捷的充电服务。光储充电站是集光伏、储能系统、电动汽车充电服务于一体的新型能源基础设施，应用于用户侧的能源需求市场，也可参与到电网调峰调频的能源调度。通过光储充电站将光伏接入，可消纳新能源发电，降低电站电力成本；同时利用储能系统吸收低谷电，并在高峰时期放电供电动汽车充电，既可以支撑快充负荷，同时又可以得到峰谷电价套利的收益。

2、光储充电站涉及光伏发电、储能充放电、车辆充电、电网输入等多种电能供应和需求方，由于电网价格存在峰谷价差，光伏发电受光伏板建设规模和天气影响存在不确定性，电动汽车充电负荷受客流、天气、地理位置等影响存在不确定性，因此如何调控储能系统的储能电池在不同时段的充放电策略，以使经济效益最大化，是一个多因素影响的动态规划问题。且随着电动汽车的不断普及，传统光储充电站在夜间低谷充满电，白天平峰尖时放电，一天一个充放电循环的方式，已无法满足光储充电站的总充电电量需求。

3、然而，传统光储充电站的储能电池，采用固定谷时充电规则，没有根据光伏和负载波动情况进行动态调整，且对光伏发电和充电负荷的预测方法多是采用对历史数据的统计取平均值，由于光伏发电和充电负荷存在不确定性，与实际存在较大误差，即传统充放电策略的准确性和有效性欠佳。

4、经检索，申请日为2020.06.10，申请号为cn202010520861.8的中国发明专利公开了用于分时电价管理的储能电站最优化运行策略制定方法，该专利提出的最佳放电深度dod正是基于一天最多一充一放的前提得到的，已无法满足当下的充电需求。

5、因此，如何提供一种光储充电站储能电池充放电方法，实现提升光储充电站储能电池充放电控制的准确性和有效性，成为一个亟待解决的技术问题。

技术实现思路

1、本发明要解决的技术问题，在于提供一种光储充电站储能电池充放电方法，实现提升光储充电站储能电池充放电控制的准确性和有效性。

2、本发明是这样实现的：一种光储充电站储能电池充放电方法，包括如下步骤：

3、步骤s10、基于时序预测模型创建一光伏发电预测模型以及一充电负荷预测模型；

4、步骤s20、设定一历史时长，基于所述历史时长获取光储充电站包括历史光伏发电数据、历史天气数据、历史充电功率数据以及历史订单数据的历史数据，利用所述历史光伏发电数据以及历史天气数据对光伏发电预测模型进行训练，利用所述历史充电功率数据以及历史订单数据对充电负荷预测模型进行训练；

5、步骤s30、基于训练后的所述光伏发电预测模型、历史光伏发电数据、历史天气数据，预测光伏发电量；基于训练后的所述充电负荷预测模型、历史充电功率数据、历史订单数据，预测充电负荷量；

6、步骤s40、设定决策变量、目标函数以及约束条件，通过数学规划求解器基于所述决策变量、目标函数、约束条件以及预测结果求解充放电策略，基于所述充放电策略控制光储充电站的储能电池进行充放电；所述预测结果包括光伏发电量以及充电负荷量；

7、步骤s50、设定一时间间隔，基于所述时间间隔重新获取历史数据输入光伏发电预测模型以及充电负荷预测模型，以重新进行模型推理得到新的所述预测结果，进而重新通过数学规划求解器求解充放电策略。

8、进一步的，所述步骤s10中，所述时序预测模型为gbdt模型或者informer模型。

9、进一步的，所述步骤s20中，所述历史天气数据至少包括温度、风速、光照度、云量以及时间；

10、所述历史订单数据至少包括日期数据、充电订单数据、用户数据以及车辆数据。

11、进一步的，所述步骤s20中，所述利用所述历史光伏发电数据以及历史天气数据对光伏发电预测模型进行训练具体为：

12、基于所述历史光伏发电数据计算光伏每小时的平均发电功率；

13、设定一第一截取时长，基于所述第一截取时长对平均发电功率以及历史天气数据进行截取，以获取若干个发电片段数据以及天气片段数据；

14、将各所述发电片段数据以及对应的天气片段数据作为输入，将各所述发电片段数据后一天的每小时的平均发电功率作为预测向量，构建第一数据集；

15、利用所述第一数据集对光伏发电预测模型进行训练。

16、进一步的，所述步骤s20中，所述利用所述历史充电功率数据以及历史订单数据对充电负荷预测模型进行训练具体为：

17、基于所述历史充电功率数据计算光储充电站的各充电桩每小时的平均充电功率；

18、设定一第二截取时长，基于所述第二截取时长对平均充电功率以及历史订单数据进行截取，以获取若干个充电片段数据以及订单片段数据；

19、将各所述充电片段数据以及对应的订单片段数据作为输入，将各所述充电片段数据后一天的每小时的平均充电功率作为预测向量，构建第二数据集；

20、利用所述第二数据集对充电负荷预测模型进行训练。

21、进一步的，所述步骤s40中，所述决策变量至少包括充电功率、放电功率以及荷电状态。

22、进一步的，所述步骤s40中，所述数学规划求解器为gurobi或者cvx。

23、本发明的优点在于：

24、通过时序预测模型创建光伏发电预测模型以及充电负荷预测模型，利用历史光伏发电数据以及历史天气数据对光伏发电预测模型进行训练，利用历史充电功率数据以及历史订单数据对充电负荷预测模型进行训练；接着基于训练后的光伏发电预测模型、历史光伏发电数据、历史天气数据，预测光伏发电量；基于训练后的充电负荷预测模型、历史充电功率数据、历史订单数据，预测充电负荷量；然后通过数学规划求解器基于决策变量、目标函数、约束条件、包括光伏发电量以及充电负荷量的预测结果求解充放电策略，基于充放电策略控制光储充电站的储能电池进行充放电；最后基于设定的时间间隔重新获取历史数据输入光伏发电预测模型以及充电负荷预测模型，以重新进行模型推理得到新的预测结果，进而重新通过数学规划求解器求解充放电策略；即采用时序预测和数学规划求解的综合方法基于设定的时间间隔不断更新充放电策略，充分考虑光伏和负载的波动情况，且基于机器学习的时序预测模型的预测精度更高，最终极大的提升了光储充电站储能电池充放电控制的准确性和有效性。

技术特征：

1.一种光储充电站储能电池充放电方法，其特征在于：包括如下步骤：

2.如权利要求1所述的一种光储充电站储能电池充放电方法，其特征在于：所述步骤s10中，所述时序预测模型为gbdt模型或者informer模型。

3.如权利要求1所述的一种光储充电站储能电池充放电方法，其特征在于：所述步骤s20中，所述历史天气数据至少包括温度、风速、光照度、云量以及时间；

4.如权利要求1所述的一种光储充电站储能电池充放电方法，其特征在于：所述步骤s20中，所述利用所述历史光伏发电数据以及历史天气数据对光伏发电预测模型进行训练具体为：

5.如权利要求1所述的一种光储充电站储能电池充放电方法，其特征在于：所述步骤s20中，所述利用所述历史充电功率数据以及历史订单数据对充电负荷预测模型进行训练具体为：

6.如权利要求1所述的一种光储充电站储能电池充放电方法，其特征在于：所述步骤s40中，所述决策变量至少包括充电功率、放电功率以及荷电状态。

7.如权利要求1所述的一种光储充电站储能电池充放电方法，其特征在于：所述步骤s40中，所述数学规划求解器为gurobi或者cvx。

技术总结
本发明提供了光储充电站技术领域的一种光储充电站储能电池充放电方法，包括：步骤S10、创建光伏发电预测模型、充电负荷预测模型；步骤S20、获取包括历史光伏发电数据、历史天气数据、历史充电功率数据、历史订单数据的历史数据，利用历史光伏发电数据、历史天气数据对光伏发电预测模型进行训练，利用历史充电功率数据、历史订单数据对充电负荷预测模型进行训练；步骤S30、基于训练后的光伏发电预测模型、充电负荷预测模型，预测光伏发电量、充电负荷量；步骤S40、通过数学规划求解器基于决策变量、目标函数、约束条件、预测结果求解充放电策略。本发明的优点在于：极大的提升了光储充电站储能电池充放电控制的准确性和有效性。

技术研发人员：何学智,黄怡荷,刘作斌
受保护的技术使用者：福建星云电子股份有限公司
技术研发日：
技术公布日：2024/5/10