技术特征：
1.一种应用于光
‑
储
‑
充一体化电站的能量管理算法，其特征在于，包括以下步骤：s1：基于bp神经网络，根据光伏发电的历史功率建立起物理模型，预测未来1个完整调度周期的光伏出力，并基于气象因素和短期光伏功率波动之间的相关性，修正短期内预测的光伏出力；s2：在每个调度周期的开始时刻，基于步骤1的预测光伏出力数据以及系统内的用户负荷信息，光
‑
储
‑
充一体化电站的能量管理系统运行能量存储系统ess日前能量调度算法，优化未来1个完整调度周期ess的能量分布方案；s3：基于预测的光伏出力与优化ess的能量分布方案，光
‑
储
‑
充一体化电站能量管理系统运行ess实时能量调度算法，以5分钟为一个调度时隙，优化未来1小时ess的最优充放电方案；s4：充电桩通过与电动汽车ev间的握手操作进行信息交互，获取ev电池当前电池电量信息、汽车型号等信息并记录ev的开始充电时间，将以上信息以zigbee通信方式上传至光
‑
储
‑
充一体化电站能量管理系统；s5：光
‑
储
‑
充一体化电站能量管理系统识别ev厂商和型号并与数据库中记录的车辆电池能量管理系统bms信息比对，若比对成功，则成功获取该ev的bms充电特性曲线数据，比对失败则默认该ev的bms充电特性曲线为典型曲线，同时记录该ev充电数据，更新数据库中该类型车辆的bms信息；s6：基于预测的光伏出力数据、ev的电池电量信息、ev的bms充电特性曲线数据、以及ess能量分布方案和最优充放电方案，光
‑
储
‑
充一体化电站能量管理系统运行充电桩cp实时能量调度算法，以5分钟为一个调度时隙，以计算得出的最优的ev有序充电策略进行充电。2.根据权利要求1所述的一种应用于光
‑
储
‑
充一体化电站的能量管理算法，其特征在于，所述s2中ess日前能量调度算法的具体过程为：s21：能量管理系统根据历史负荷、光伏出力信息预测cp负荷、站内其他负荷以及光伏出力状况；s22：根据cp负荷、站内其他负荷以及光伏出力状况以及分时ess充放电功率计算光
‑
储
‑
充一体化电站等效负荷p
eq
；s23：根据等效负荷计算ess日前能量管理函数值，同时，ess从电力系统获取分时电价信息；s24：根据分时电价信息优化ess日前能量管理函数，得到优化的ess能量分布方案，进而估算出分时的ess充放电功率；s25：根据cp负荷、站内其他负荷、光伏出力状况以及分时ess充放电功率重新计算等效负荷；s26：根据等效负荷重新计算ess日前能量管理函数值，若该值与步骤s23中所得目标函数值间差值的绝对值大于等于阈值t
th1
，则跳转s22；若该值与步骤s23中所得目标函数值间差值的绝对值小于阈值t
th1
，则终止迭代，得到调度间隔为1个完整调度周期的最优日前ess的能量分布方案。3.根据权利要求2所述的一种应用于光
‑
储
‑
充一体化电站的能量管理算法，其特征在于，所述s22在首次计算等效负荷时无需考虑分时ess充放电功率。
4.根据权利要求1所述的一种应用于光
‑
储
‑
充一体化电站的能量管理算法，其特征在于，所述s3中ess实时能量调度算法的具体过程为：s31：基于优化的ess的能量分布方案、实时的ess的能量数据、分时电价信息、系统内用户负荷数据以及光伏机组出力信息来优化ess的实时能量调度函数，从而得到以5分钟为调度间隔的实时储能充放电功率p
ess
的优化策略，进而计算等效负荷；s32：根据等效负荷计算ess实时能量调度函数值；s32：再次按s31与s32计算ess实时能量调度函数值，若该值与步骤s32中所得目标函数值间差值的绝对值大于等于阈值t
th2
，则跳转s31；若该值与步骤s32中所得目标函数值间差值的绝对值小于阈值t
th2
，则终止迭代，得到最优的ess充放电方案。
技术总结
本发明公开了一种应用于光
技术研发人员：范建华 曹乾磊 尹怀强 王伟强 张乐群 张长帅 杨森 李保安 马鲁宁
受保护的技术使用者：青岛鼎信通讯科技有限公司
技术研发日：2021.08.20
技术公布日：2021/11/5