一种充电站负荷功率预测调控方法、装置、系统及存储介质与流程

本发明涉及一种充电站负荷功率预测调控方法、装置、系统及存储介质，属于充电站负荷预测及功率调控。

背景技术：

1、目前新能源汽车保有量稳步提高，带动各类充电站快速建设与发展。随着充电站数量和种类的不断增多，管理主体对充电站的监控要求也越来越高，有效预测充电站内负荷情况变得越来越重要。

2、现今利用边缘网关进行充电站远程监控与数据分析预测成为主流，现代智慧配电网建设方案为充电站与电网公司的数据交互提供了标准化的接口，实现了各类数据的聚合上送以及充电站的远程调控。但当前充电站电力负荷震荡剧烈、幅度大、单个充电桩负荷不连续等问题，严重影响着负荷预测精度，难以适应现代智慧配电网配微协同管理理念。

3、与此同时，由于充电站边缘网关通信网络仍然存在延时、丢包等问题，导致充电站控制指令下发至电力电子器件时存在难以精准控制功率的问题。

技术实现思路

1、本发明的目的在于提供一种充电站负荷功率预测调控方法、装置、系统及存储介质，能够补偿通信时延造成的功率偏差，保证充电站的高效运行。

2、为达到上述目的，本发明提供如下技术方案：

3、第一方面，本发明提供一种充电站负荷功率预测调控方法，包括：

4、将预获取的充电站边缘网关各节点的最大通信时延量输入至训练好的负荷功率预测模型进行负荷功率预测，获取负荷功率预测值；

5、对所述负荷功率预测值进行修正，获取修正后的负荷功率预测值；

6、基于修正后的负荷功率预测值，向充电站边缘网关各节点下发相应的功率调控指令，以补偿通信时延造成的功率偏差；

7、其中，充电站边缘网关各节点的最大通信时延量是基于充电站边缘网关各节点采集到的通信时延量计算获取的；

8、负荷功率预测模型是基于lstm网络构建，并基于训练损失函数训练的。

9、结合第一方面，进一步的，基于充电站边缘网关各节点采集到的通信时延量计算获取充电站边缘网关各节点的最大通信时延量包括：

10、基于充电站边缘网关各节点采集到的通信时延量，利用分布式算法，计算获取充电站边缘网关各节点的最大通信时延量；

11、其中，所述分布式算法包括：

12、根据充电站边缘网关第i个节点及其相邻节点的通信时延量，对充电站边缘网关第i个节点的通信时延量进行n-1次迭代，获取充电站边缘网关第i个节点在第n-1次迭代后的通信时延量：

13、

14、其中，τi(t)表示t时刻充电站边缘网关第i个节点的通信时延量，αi[1]、αi[2]、…、αi[l]、…、αi[l]表示充电站边缘网关第i个节点在第1、2、…、l、…、l次迭代后的通信时延量，αj[1]、…、αj[l-1]、…、αj[l-1]表示与充电站边缘网关第i个节点相邻的第j个节点在第1、…、l-1、…、l-1次迭代后的通信时延量，ni表示与充电站边缘网关第i个节点相邻的节点的集合。

15、结合第一方面，进一步的，基于lstm网络构建负荷功率预测模型包括：

16、对预获取的充电站边缘网关各节点的历史负荷功率数据进行归一化处理，获取充电站边缘网关各节点的归一化历史负荷功率数据；

17、根据充电站边缘网关各节点的归一化历史负荷功率数据，基于lstm网络，在充电站边缘网关各节点构建负荷功率预测模型；

18、其中，所述负荷功率预测模型为：

19、

20、其中，ft、it、ot表示t时刻神经元的遗忘门、输入门、输出门的输出信号，表示t时刻神经元的候选状态信息，ct表示t时刻神经元的状态信息，ct-1表示t-1时刻神经元的状态信息，ht表示t时刻神经元的隐状态，ht-1表示t-1时刻神经元的隐状态，xt表示t时刻神经元的输入序列值，wf、wi、wc、wo表示遗忘门、输入门、记忆单元、输出门的权重，bf、bi、bc、bo表示遗忘门、输入门、记忆单元、输出门的偏置量，sigmoid(·)表示s型激活函数，tanh(·)表示双曲正切激活函数，⊙表示逐点乘法运算。

21、结合第一方面，进一步的，所述训练损失函数为：

22、

23、其中，rmse表示训练损失，yi表示充电站边缘网关第i个节点的负荷功率真实值，表示充电站边缘网关第i个节点的负荷功率预测值，n表示充电站边缘网关的节点总数。

24、结合第一方面，进一步的，对所述负荷功率预测值进行修正，获取修正后的负荷功率预测值包括：

25、利用卡尔曼滤波算法对所述负荷功率预测值进行修正，获取修正后的负荷功率预测值；

26、其中，所述卡尔曼滤波算法包括：

27、用于时间更新的预测公式：基于初始状态估计和初始状态估计误差协方差矩阵，计算先验状态估计和先验状态估计误差协方差矩阵；

28、用于测量更新的校正公式：基于先验状态估计和先验状态估计误差协方差矩阵，计算卡尔曼增益和后验状态估计，并更新后验状态估计误差协方差矩阵；

29、所述预测公式中，计算先验状态估计的公式为：

30、

31、其中，表示t时刻负荷功率的先验状态估计，表示t-1时刻负荷功率的最优状态估计，a表示状态转移矩阵，b表示控制矩阵，ut-1表示t-1时刻的外部状态输入；

32、计算先验状态估计误差协方差矩阵的公式为：

33、

34、其中，表示t时刻负荷功率的先验状态估计误差协方差矩阵，pt-1表示t-1时刻负荷功率的最优状态估计误差协方差矩阵，q表示过程噪声协方差矩阵；

35、所述校正公式中，计算卡尔曼增益的公式为：

36、

37、其中，kt表示t时刻的卡尔曼增益，h表示观测矩阵，r表示观测噪声协方差矩阵；

38、计算后验状态估计的公式为：

39、

40、其中，表示t时刻负荷功率的最优状态估计，zt表示t时刻负荷功率的观测值；

41、更新后验状态估计误差协方差矩阵的公式为：

42、

43、其中，pt表示t时刻负荷功率的最优状态估计误差协方差矩阵，i表示单位矩阵。

44、结合第一方面，进一步的，基于修正后的负荷功率预测值，向充电站边缘网关各节点下发相应的功率调控指令包括：

45、基于修正后的负荷功率预测值，按照充电站边缘网关各节点的最大通信时延补偿量，向充电站边缘网关各节点下发相应的功率调控指令；

46、其中，所述功率调控指令为：

47、

48、其中，表示下发至与充电站边缘网关第i个节点相邻的第j个节点的功率调控指令，表示充电站边缘网关第i个节点在其最大通信时延补偿量下修正后的负荷功率预测值。

49、第二方面，本发明提供一种充电站负荷功率预测调控装置，包括：

50、预测模块：用于将预获取的充电站边缘网关各节点的最大通信时延量输入至训练好的负荷功率预测模型进行负荷功率预测，获取负荷功率预测值；

51、修正模块：用于对所述负荷功率预测值进行修正，获取修正后的负荷功率预测值；

52、调控模块：用于基于修正后的负荷功率预测值，向充电站边缘网关各节点下发相应的功率调控指令，以补偿通信时延造成的功率偏差；

53、其中，充电站边缘网关各节点的最大通信时延量是基于充电站边缘网关各节点采集到的通信时延量计算获取的；

54、负荷功率预测模型是基于lstm网络构建，并基于训练损失函数训练的。

55、第三方面，本发明提供一种计算机系统，包括：

56、存储介质：用于存储计算机程序；

57、处理器：用于执行所述计算机程序以实现第一方面任一项所述方法的步骤。

58、第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面任一项所述方法的步骤。

59、第五方面，本发明提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面任一项所述方法的步骤。

60、与现有技术相比，本发明的有益效果是：

61、本发明提供的充电站负荷功率预测调控方法，将充电站边缘网关各节点的最大通信时延量输入至负荷功率预测模型进行负荷功率预测，并对获取的负荷功率预测值进行修正，基于修正后的负荷功率预测值，向充电站边缘网关各节点下发相应的功率调控指令，能够补偿通信时延造成的功率偏差，解决充电站边缘网关通信时延影响充电站功率精准控制的问题，保证充电站的高效运行。