CN119298177B 一种考虑源荷不确定性的光伏储能调度方法及系统 （深圳大学）

.2018,第162-169及附录A~E.一种考虑源荷不确定性的光伏储能调度方本发明公开了一种考虑源荷不确定性的光伏储能调度方法及系统，涉及能源调度技术领端工况，从而有效地增强能源调度策略的鲁棒2预先建立建筑负荷预测模型和光伏发电预测模型，其中，所述建筑负根据所述概率分布函数等分出若干概率区间，根据各所述概率区针对每一场景，选择与该场景的欧氏距离最小的另一场景作确定系统运行中的功率走向和若干工作模式，使用所述目标函数和所述约束条件建立遗传算法，通过所述遗确定待优化的每小时设置参数组合，并基于所述待3继续执行计算各所述源荷场景下的每一个体的适应度的步骤，直至满足所述停止条通过所述目标函数计算每一个体在每一所述源荷场景下的目标函数值根据各所述源荷场景下的目标函数值确定该个体根据所述概率分布函数等分出若干概率区间，根据各所述概率区针对每一场景，选择与该场景的欧氏距离最小的另一场景作确定系统运行中的功率走向和若干工作模式，使用所述目标函数和所述约束条件建立遗传算法，通过所述遗45[0003]目前为了提高能源利用效率，通常会开发能够实时响应能源供需变化的调度算用于预测未来的逐时负载用电量，所述光伏发电预测模型用于预测未来的逐时光伏发电[0011]第二方面，本发明实施例还提供一种考虑源荷不确定性的光伏储能调度方法系[0013]用电场景生成模块，用于基于所述建筑负荷预测模型和6[0014]优化调度控制模块，用于根据各所述源荷场景确定光伏储能系统的能源调度策[0017]图1是本发明实施例提供的考虑源荷不确定性的光伏储能调度方法的流程示意[0022]图6是本发明实施例提供的考虑源荷不确定性的光伏储能调度策略的电池充放电[0023]图7是本发明实施例提供的考虑源荷不确定性的光伏储能调度系统的模块示意7测模型相较于光伏发电预测模型增加了一个是否在工及这段时间内的气象数据和日期数据，并进行特征工程。数据收集的间隔可以为每小时1伏发电历史数据和建筑用电历史数据作为滞后特征，预测未来的光伏发电量和负载用电8模型，由于负载用电量在工作日和非工作日数值差别较大，因此根据是否在工作日构建了预测模型与建筑负荷预测模型相比，除了前者采用的是前一小时光伏发电量，后者采用的电预测模型的输出数据为未来一天逐时的光伏发电量。[0039]通过综合分析建筑负荷预测模型和光伏发电预测模型的训练时间和决定系数(9[0045]本实施例使用多场景方法来描述可再生能源(即光伏发电)和负载用电的不确定[0051]将各所述负载用电场景与各所述光伏发电场景进行两两组合，得到若干源荷场[0053]在一种实现方式中，根据所述预测数据和所述目标历史[0054]将所述预测数据减去所述目标历史时间段对应的真实数得到所述目标历史时间段每小时的误差百分比到2018年8月19日的光伏发电量和负载用电量。然后将光伏发电量和负载用电量的预测值景和5个负载用电场景以及每种场景相应的场景概率，削减后的典型场景集能够良好反映为n个概率区间，然后将各概率区间内的随机数pi作为采样点，最后对概率分布函数发电量的预测值与真实值之间的误差服从正态分布N为7月20日到8月19日误差相似程度，场景概率pr表示了场景的发生的可能性，如果两个场景xi和xr的欧氏距离[0080]假设采用拉丁超立方抽样分别生成服从概率分布的100个光伏发电场景和100个将逆变器基于该日用电策略的运行数据与逆变器基于默认用电策略的运行数据进行对比，将充放电截止电量和充放电功率同时作为优化变量的所有情形，因此为了简化模型的求解，本实施例最终设置需要优化的变量为一天中每小时工作模式的选取和每小时截止电量例如5个负载用电场景和5个光伏用电场景，则可以组合成5*5=25个源荷场景，需要寻找满足25个源荷场景下最优的每小时设置参数组合。最后将寻优得到的结果应用于真实的后的电池充放电效果图。为一天的用电成本；prob()为场景w对应的概率；pgra(t,w)为在场景w下第t小时从电网的购电量；ce(t)为第t小时的购电电价；[0110]基于上述实施例，本发明还提供了一种考虑源荷不确定[0112]用电场景生成模块，用于基于所述建筑负荷预测模型和[0113]优化调度控制模块，用于根据各所述源荷场景确定光伏储能系统的能源调度策一个以上处理器执行所述一个以上程序包含用于进行考虑源荷不确定性的光伏储能调度通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机