一种光储一体系统中储能充放电策略优化方法与流程

本发明涉及电网充放电优化，尤其涉及一种光储一体系统中储能充放电策略优化方法。

背景技术：

1、风能、太阳能、氢能等清洁能源发电具有波动性，引入储能技术可以有效应对可再生能源的不稳定问题。储能技术是把电能、热能、化学能等不同形式的能量转换成其他形式的能量，通过设备或物理介质加以储存，必要时再释放出来的技术。光储一体系统具有成本低、供电可靠、环境污染少等优点，近年来成为世界能源应用重要的发展方向，可以广泛应用于工商业区、住宅、校园、岛屿等地区。然而，光储一体系统在服役的过程中，由于储能系统中的电芯、电极材料等的性能退化，若一直维持原来的充电以及放电特征，就会导致了光储一体系统的使用寿命降低。

技术实现思路

1、本发明克服了现有技术的不足，提供了一种光储一体系统中储能充放电策略优化方法。

2、为达上述目的，本发明采用的技术方案为：

3、本发明第一方面提供了一种光储一体系统中储能充放电策略优化方法，具体包括：

4、构建供电需求预测模型，通过所述供电需求预测模型预测目标区域的供电需求信息；

5、根据所述目标区域的供电需求信息配置光储一体化系统的电能容量，按照所述光储一体化系统的电能容量进行电量配置，获取电量配置策略，并根据所述电量配置策略对光储一体化系统进行充电策略配置；

6、获取光储一体系统在各充电策略数据之下的历史放电性能变化特征数据，并根据所述光储一体系统在各充电策略数据之下的历史放电性能变化特征数据构建光储一体系统的性能预测模型；

7、通过所述光储一体系统的性能预测模型预测预设时间之内光储一体系统的放电性能特征数据，并通过遗传算法根据所述预设时间之内光储一体系统的放电性能特征数据进行放电优化。

8、进一步的，在本方法中，构建供电需求预测模型，通过所述供电需求预测模型预测目标区域的供电需求信息，具体包括：

9、基于深度神经网络构建供电需求预测模型，并通过大数据获取各因素数据之下目标区域的供电需求信息，将各因素数据以及供电需求信息作为节点，构建有向描述关系；

10、基于所述有向描述关系将所述节点连接，形成拓扑结构图，基于所述拓扑结构图获取相关的邻接矩阵，将所述相关的邻接矩阵输入到所述供电需求预测模型中进行训练，获取训练完成的供电需求预测模型；

11、获取目标区域在预设时间之内的影响因素数据，将所述目标区域在预设时间之内的影响因素数据输入到所述训练完成的供电需求预测模型中进行预测，获取目标区域的供电需求信息。

12、进一步的，在本方法中，根据所述目标区域的供电需求信息配置光储一体化系统的电能容量，按照所述光储一体化系统的电能容量进行电量配置，获取电量配置策略，并根据所述电量配置策略对光储一体化系统进行充电策略配置，具体为：

13、获取目标区域每一光储一体系统的最大电能容量信息，根据所述目标区域的供电需求信息以及目标区域每一光储一体系统的最大电能容量信息计算出需求光储一体系统的数量信息；

14、根据所述需求光储一体系统的数量信息随机选择工作的光储一体系统，确定光储一体系统的工作组合；

15、根据所述光储一体系统的工作组合以及目标区域的供电需求信息配置光储一体化系统的电能容量；

16、按照所述光储一体化系统的电能容量进行电量配置，获取电量配置策略，根据所述电量配置策略对光储一体化系统进行充电策略配置。

17、进一步的，在本方法中，获取光储一体系统在各充电策略数据之下的历史放电性能变化特征数据，并根据所述光储一体系统在各充电策略数据之下的历史放电性能变化特征数据构建光储一体系统的性能预测模型，具体为：

18、构建时间戳，并统计每个时间戳中光储一体系统在各充电策略数据之下的放电性能变化特征数据，构成光储一体系统在各充电策略数据之下的历史放电性能变化特征数据；

19、基于深度神经网络构建光储一体系统的性能预测模型，将所述光储一体系统在各充电策略数据之下的历史放电性能变化特征数据输入到所述光储一体系统的性能预测模型中进行训练；

20、当所述光储一体系统的性能预测模型的损失函数收敛至预设值时，保存所述光储一体系统的性能预测模型的模型参数，并输出所述光储一体系统的性能预测模型。

21、进一步的，在本方法中，通过所述光储一体系统的性能预测模型预测预设时间之内光储一体系统的放电性能特征数据，具体为：

22、获取预设时间之内每一光储一体系统的放电性能变化特征数据，将所述预设时间之内每一光储一体系统的放电性能变化特征数据输入到所述光储一体系统的性能预测模型中进行预测；

23、通过预测，获取预设时间之内光储一体系统的放电性能特征数据，并将所述预设时间之内光储一体系统的放电性能特征数据输出。

24、进一步的，在本方法中，通过遗传算法根据所述预设时间之内光储一体系统的放电性能特征数据进行放电优化，具体包括：

25、根据所述预设时间之内光储一体系统的放电性能特征数据对每一光储一体系统设置光储一体系统的放电性能特征阈值，并初始化每一光储一体系统的实时放电量数据；

26、引入遗传算法，基于所述遗传算法设置遗传代数，并判断每一光储一体系统的实时放电量数据是否均小于所述放电性能特征阈值；

27、当每一光储一体系统的实时放电量数据非均小于所述放电性能特征阈值时，基于所述遗传代数进行遗传，重新调整光储一体系统的实时放电量数据，直至均小于所述放电性能特征阈值；

28、当每一光储一体系统的实时放电量数据均小于所述放电性能特征阈值时，输出每一光储一体系统的实时放电量数据，并按照所述光储一体系统的实时放电量数据进行放电优化。

29、本发明第二方面提供了一种光储一体系统中储能充放电策略优化系统，所述系统包括存储器以及处理器，所述存储器中包括光储一体系统中储能充放电策略优化方法程序，所述光储一体系统中储能充放电策略优化方法程序被所述处理器执行时，实现任一项所述的光储一体系统中储能充放电策略优化方法的步骤。

30、本发明第三方面提供了一种终端设备，包括：

31、供电需求预测模块，构建供电需求预测模型，通过所述供电需求预测模型预测目标区域的供电需求信息；

32、充电策略配置模块，根据所述目标区域的供电需求信息配置光储一体化系统的电能容量，按照所述光储一体化系统的电能容量进行电量配置，获取电量配置策略，并根据所述电量配置策略对光储一体化系统进行充电策略配置；

33、性能预测模型构建模块，获取光储一体系统在各充电策略数据之下的历史放电性能变化特征数据，并根据所述光储一体系统在各充电策略数据之下的历史放电性能变化特征数据构建光储一体系统的性能预测模型；

34、放电优化模块，通过所述光储一体系统的性能预测模型预测预设时间之内光储一体系统的放电性能特征数据，并通过遗传算法根据所述预设时间之内光储一体系统的放电性能特征数据进行放电优化。

35、本发明第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括光储一体系统中储能充放电策略优化方法程序，所述光储一体系统中储能充放电策略优化方法程序被处理器执行时，实现任一项所述的光储一体系统中储能充放电策略优化方法的步骤。

36、本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：

37、本发明通过构建供电需求预测模型，通过供电需求预测模型预测目标区域的供电需求信息，进而根据目标区域的供电需求信息配置光储一体化系统的电能容量，按照光储一体化系统的电能容量进行电量配置，获取电量配置策略，并根据电量配置策略对光储一体化系统进行充电策略配置，从而获取光储一体系统在各充电策略数据之下的历史放电性能变化特征数据，并根据光储一体系统在各充电策略数据之下的历史放电性能变化特征数据构建光储一体系统的性能预测模型，最后通过光储一体系统的性能预测模型预测预设时间之内光储一体系统的放电性能特征数据，并通过遗传算法根据预设时间之内光储一体系统的放电性能特征数据进行放电优化。本发明通过根据目标区域的供电需求信息配置光储一体化系统的电能容量，以及根据光储一体化系统的放电性能情况来动态调整光储一体化系统的充放电策略，提高光储一体化系统的使用寿命。