一种大数据分析的微电网储能调度协同优化方法

本发明涉及储能调度优化的，尤其涉及一种大数据分析的微电网储能调度协同优化方法。

背景技术：

1、随着全球能源需求的不断增长和环境保护意识的提高，微电网作为一种灵活、可再生能源集成的解决方案，受到了广泛关注。微电网通常由分布式能源资源（如太阳能、风能等）、储能设备（如电池、超级电容等）和智能能源管理系统组成，能够实现本地能源生产、存储和消费，具有较高的可靠性、安全性和环境友好性。然而，微电网的运行依赖于能源的有效调度和管理，以确保能源供需的平衡和系统的稳定运行。传统的微电网储能调度方法主要依赖于经验模型或简单规则，并不能充分考虑微电网内部各种能源资源的动态变化和外部环境的影响。此外，随着微电网规模的扩大和复杂性的增加，需要更加灵活、智能的调度方法来实现微电网的优化运行。针对该问题，本方案提出一种大数据分析的微电网储能调度协同优化方法，利用微电网内部和外部的大量数据，实现对微电网运行状态和环境变化的实时监测、预测和优化调度，从而提高微电网的能源利用效率和运行效率。

技术实现思路

1、有鉴于此，本发明提供一种大数据分析的微电网储能调度协同优化方法，目的在于：1）通过构建微电网储能调度模型对微电网中不同储能设备所对应发电设备以及负荷设备的运行策略进行调度模拟，并将调度模拟结果转换为最优储能互济成本优化目标函数，目标函数值越小，则发电设备所输送功率与负荷设备所消耗功率的平衡程度越高，发电设备与负荷设备之间的储能互济成本越低，无需对储能设备进行大幅度储电、放电处理，并基于不同运行策略的波动惩罚、需求功耗惩罚以及自然能源损耗惩罚，采用梯度下降方式对运行策略进行迭代，得到储能互济成本最低、综合惩罚最小的发电设备以及负荷设备最优运行策略作为储能协同调度策略，实现微电网设备的储能调度；2）采用一维残差网络对多个储能设备的运行状态数据进行残差计算，并将残差计算结果转换为运行状态数据与目标运行状态数据之间的残差波动，实现大数据场景下的特征信息提取，并基于提取得到的残差波动对储能协同调度策略进行基于设备运行状态的动态协同优化，得到不同设备的功率协同优化值，进而对微电网中设备进行协同调度。

2、为实现上述目的，本发明提供的一种大数据分析的微电网储能调度协同优化方法，包括以下步骤：

3、s1：采集微电网不同储能设备的运行状态数据，根据所采集运行状态数据构建微电网储能调度模型，其中微电网储能调度模型以微电网中发电设备以及负荷设备的运行策略为变量，以采取运行策略后储能设备的运行状态数据为输出；

4、s2：根据微电网储能调度模型建立最优储能互济成本优化目标函数，并对建立的目标函数进行优化求解，得到发电设备以及负荷设备的最优运行策略作为储能协同调度策略；

5、s3：将储能协同调度策略作为微电网储能调度模型的变量，得到采取策略后储能设备的运行状态数据，利用一维残差网络计算运行状态数据与目标运行状态数据之间的残差波动；

6、s4：基于残差波动对储能协同调度策略进行动态协同优化，得到最优储能协同调度策略，并利用最优储能协同调度策略对微电网中设备进行协同调度。

7、作为本发明的进一步改进方法：

8、可选地，所述s1步骤中采集微电网不同储能设备的运行状态数据，包括：

9、采集微电网不同储能设备的运行状态数据，其中储能设备的运行状态数据为储能设备的当前储存电量，所采集运行状态数据的表示形式为：

10、；

11、其中：

12、表示微电网中第n个储能设备的运行状态数据，n表示微电网中储能设备的总数；

13、根据所采集运行状态数据构建微电网储能调度模型。

14、可选地，所述根据所采集运行状态数据构建微电网储能调度模型，包括：

15、根据所采集运行状态数据构建微电网储能调度模型，其中微电网储能调度模型以微电网中发电设备以及负荷设备的运行策略为变量，以采取运行策略后储能设备的运行状态数据为输出，发电设备包括发电机以及风力发电机，其中第n个储能设备所关联的发电设备以及负荷设备集合为：

16、；

17、其中：

18、表示第n个储能设备所关联的第个风力发电机，表示第n个储能设备所关联的风力发电机总数；

19、表示第n个储能设备所关联的第个发电机，表示第n个储能设备所关联的发电机总数；

20、表示第n个储能设备所关联的第个负荷设备，表示第n个储能设备所关联的负荷设备总数；

21、其中储能设备所关联的风力发电机以及发电机用于向储能设备输送功率，储能设备用于向所关联的负荷设备输送功率；

22、发电设备的运行策略为发电设备在未来时刻向储能设备输送的功率，负荷设备的运行策略为负荷设备在未来时刻所需的功率。

23、可选地，所述s2步骤中根据微电网储能调度模型建立最优储能互济成本优化目标函数，包括：

24、根据微电网储能调度模型建立最优储能互济成本优化目标函数，其中最优储能互济成本优化目标函数以发电设备以及负荷设备的运行策略为输入，以该运行策略下微电网的储能互济成本作为目标函数值，所建立最优储能互济成本优化目标函数为：

25、；

26、其中：

27、表示最优储能互济成本优化目标函数，表示发电设备以及负荷设备的运行策略；

28、表示第n个储能设备所关联的第个风力发电机向第n个储能设备输送的功率，表示第n个储能设备所关联的第个发电机向第n个储能设备输送的功率；

29、表示第n个储能设备向所关联的第个负荷设备输送的功率；

30、表示成本系数；在本发明实施例中，分别设置为0.2以及0.3；

31、对建立的最优储能互济成本优化目标函数进行优化求解，得到发电设备以及负荷设备的最优运行策略作为储能协同调度策略。

32、可选地，所述对建立的最优储能互济成本优化目标函数进行优化求解：

33、对建立的最优储能互济成本优化目标函数进行优化求解，其中优化求解流程为：

34、s21：初始化生成一组发电设备以及负荷设备的运行策略：

35、；

36、其中：

37、表示运行策略中第n个储能设备所关联的第个风力发电机向第n个储能设备输送的功率；

38、表示运行策略中第n个储能设备所关联的第个发电机向第n个储能设备输送的功率；

39、表示运行策略中第n个储能设备向所关联的第个负荷设备输送的功率；

40、s22：设置运行策略的当前迭代次数为t，最大迭代次数为max，则运行策略的第t次迭代结果为；

41、s23：计算得到运行策略的惩罚值：

42、；

43、其中：

44、表示运行策略的惩罚值；

45、表示惩罚系数；在本发明实施例中，均为1/3；

46、表示第n个储能设备所关联的第个风力发电机向第n个储能设备输送的平均功率；

47、表示第n个储能设备所关联的第个发电机向第n个储能设备输送的平均功率；

48、表示运行策略的波动惩罚；

49、表示第n个储能设备向所关联的第个负荷设备的需求功率；

50、表示运行策略的需求功耗惩罚；

51、表示第n个储能设备所关联的第个风力发电机的丢弃风能，表示第n个储能设备所关联的第个风力发电机所产出的风能；

52、表示运行策略的自然能源损耗惩罚；

53、s24：对运行策略进行迭代，其中迭代公式为：

54、；

55、其中：

56、表示以自然常数为底的指数函数；

57、表示最优储能互济成本优化目标函数的梯度算子，表示运行策略的梯度；在本发明实施例中，以运行策略为变量对最优储能互济成本优化目标函数进行求偏导，并将运行策略代入偏导求解结果，得到运行策略的梯度；

58、s25：令t=t+1返回步骤s23，直到达到最大迭代次数，将此时的运行策略作为储能协同调度策略。

59、可选地，所述s3步骤中将储能协同调度策略作为微电网储能调度模型的变量，得到采取策略后储能设备的运行状态数据，包括：

60、将储能协同调度策略作为微电网储能调度模型的变量，得到采取策略后储能设备的运行状态数据，其中采用储能协同调度策略后，第n个储能设备的运行状态数据为：

61、；

62、其中：

63、表示采用储能协同调度策略后第n个储能设备的运行状态数据；

64、表示储能协同调度策略中第n个储能设备所关联的第个风力发电机向第n个储能设备输送的功率；

65、表示储能协同调度策略中第n个储能设备所关联的第个发电机向第n个储能设备输送的功率；

66、表示储能协同调度策略中第n个储能设备向所关联的第个负荷设备输送的功率；

67、利用一维残差网络计算运行状态数据与目标运行状态数据之间的残差波动。

68、可选地，所述利用一维残差网络计算运行状态数据与目标运行状态数据之间的残差波动，包括：

69、利用一维残差网络计算运行状态数据与目标运行状态数据之间的残差波动，其中一维残差网络由k个残差块堆叠而成，每个残差块包括一个卷积核以及一个跳跃连接结构，残差波动的计算流程为：

70、s31：一维残差网络接收运行状态数据以及目标运行状态数据，其中第n个储能设备的目标运行状态数据为；

71、s32：一维残差网络中的残差块依次对运行状态数据以及目标运行状态数据进行残差计算，其中第k个残差块的残差计算公式为：

72、；

73、其中：

74、；

75、表示第k个残差块计算得到的残差信息，；

76、表示残差块中卷积核的权重矩阵，表示残差块中卷积核的权重矩阵；b表示偏置项；

77、s33：计算得到运行状态数据与目标运行状态数据之间的残差波动：

78、；

79、其中：

80、表示运行状态数据与目标运行状态数据之间的残差波动；

81、表示k阶调控矩阵，用于调控的行列数目与一致。

82、可选地，所述s4步骤中基于残差波动对储能协同调度策略进行动态协同优化，利用最优储能协同调度策略对微电网中设备进行协同调度，包括：

83、基于残差波动对储能协同调度策略进行动态协同优化，其中储能协同调度策略的动态协同优化公式为：

84、；

85、其中：

86、表示l2范数；

87、表示储能协同调度策略的动态协同优化结果，即最优储能协同调度策略；

88、依次为功率的协同优化值；

89、利用最优储能协同调度策略对微电网中的负荷设备以及发电设备进行协同调度。

90、为了解决上述问题，本发明提供一种电子设备，所述电子设备包括：

91、存储器，存储至少一个指令；

92、通信接口，实现电子设备通信；及

93、处理器，执行所述存储器中存储的指令以实现上述所述的大数据分析的微电网储能调度协同优化方法。

94、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的大数据分析的微电网储能调度协同优化方法。

95、相对于现有技术，本发明提出一种大数据分析的微电网储能调度协同优化方法，该技术具有以下优势：

96、首先，本方案提出一种储能调度方式，根据微电网储能调度模型建立最优储能互济成本优化目标函数，其中最优储能互济成本优化目标函数以发电设备以及负荷设备的运行策略为输入，以该运行策略下微电网的储能互济成本作为目标函数值，所建立最优储能互济成本优化目标函数为：

97、；

98、其中：表示最优储能互济成本优化目标函数，表示发电设备以及负荷设备的运行策略；表示第n个储能设备所关联的第个风力发电机向第n个储能设备输送的功率，表示第n个储能设备所关联的第个发电机向第n个储能设备输送的功率；表示第n个储能设备向所关联的第个负荷设备输送的功率；表示成本系数；对建立的最优储能互济成本优化目标函数进行优化求解，得到发电设备以及负荷设备的最优运行策略作为储能协同调度策略。对建立的最优储能互济成本优化目标函数进行优化求解，其中优化求解流程为：初始化生成一组发电设备以及负荷设备的运行策略：

99、；

100、其中：表示运行策略中第n个储能设备所关联的第个风力发电机向第n个储能设备输送的功率；表示运行策略中第n个储能设备所关联的第个发电机向第n个储能设备输送的功率；表示运行策略中第n个储能设备向所关联的第个负荷设备输送的功率；设置运行策略的当前迭代次数为t，最大迭代次数为max，则运行策略的第t次迭代结果为计算得到运行策略的惩罚值：

101、；

102、其中：表示运行策略的惩罚值；表示惩罚系数；表示第n个储能设备所关联的第个风力发电机向第n个储能设备输送的平均功率；表示第n个储能设备所关联的第个发电机向第n个储能设备输送的平均功率；表示运行策略的波动惩罚；表示第n个储能设备向所关联的第个负荷设备的需求功率；表示运行策略的需求功耗惩罚；表示第n个储能设备所关联的第个风力发电机的丢弃风能，表示第n个储能设备所关联的第个风力发电机所产出的风能；表示运行策略的自然能源损耗惩罚；对运行策略进行迭代，其中迭代公式为：

103、；

104、其中：表示以自然常数为底的指数函数；表示最优储能互济成本优化目标函数的梯度算子，表示运行策略的梯度；令t=t+1，直到达到最大迭代次数，将此时的运行策略作为储能协同调度策略。本方案通过构建微电网储能调度模型对微电网中不同储能设备所对应发电设备以及负荷设备的运行策略进行调度模拟，并将调度模拟结果转换为最优储能互济成本优化目标函数，目标函数值越小，则发电设备所输送功率与负荷设备所消耗功率的平衡程度越高，发电设备与负荷设备之间的储能互济成本越低，无需对储能设备进行大幅度储电、放电处理，并基于不同运行策略的波动惩罚、需求功耗惩罚以及自然能源损耗惩罚，采用梯度下降方式对运行策略进行迭代，得到储能互济成本最低、综合惩罚最小的发电设备以及负荷设备最优运行策略作为储能协同调度策略，实现微电网设备的储能调度。

105、同时，本方案提出一种残差信息提取方式，利用一维残差网络计算运行状态数据与目标运行状态数据之间的残差波动，其中一维残差网络由k个残差块堆叠而成，每个残差块包括一个卷积核以及一个跳跃连接结构，残差波动的计算流程为：一维残差网络接收运行状态数据以及目标运行状态数据，其中第n个储能设备的目标运行状态数据为；一维残差网络中的残差块依次对运行状态数据以及目标运行状态数据进行残差计算，其中第k个残差块的残差计算公式为：

106、；

107、其中：；表示第k个残差块计算得到的残差信息，；表示残差块中卷积核的权重矩阵，表示残差块中卷积核的权重矩阵；b表示偏置项；计算得到运行状态数据与目标运行状态数据之间的残差波动：

108、；

109、其中：表示运行状态数据与目标运行状态数据之间的残差波动；表示k阶调控矩阵。本方案采用一维残差网络对多个储能设备的运行状态数据进行残差计算，并将残差计算结果转换为运行状态数据与目标运行状态数据之间的残差波动，实现大数据场景下的特征信息提取，并基于提取得到的残差波动对储能协同调度策略进行基于设备运行状态的动态协同优化，得到不同设备的功率协同优化值，进而对微电网中设备进行协同调度。