基于MPC与储能系统结合的农村地区电力供应优化管理方法与流程

本发明属于储能能量管理，具体涉及一种基于mpc与储能系统结合的农村地区电力供应优化管理方法。

背景技术：

1、随着农村地区电力需求的不断增长，低电压负荷成为一个普遍存在的问题。储能技术的发展为解决低电压负荷问题提供了新的机会。然而传统的储能系统在农村地区往往受限于输电线路的损耗和电力供应的不稳定性，导致电压水平下降，进而影响电力供应的可靠性和质量。此外，由于农村地区的用电负荷通常具有较大的波动性和季节性变化，传统的储能系统往往无法灵活应对。传统的储能系统往往无法满足农村地区的需求，因而需要寻找创新的解决方案来解决这一问题。

2、目前，模型预测控制mpc作为一种先进的控制方法，可以结合储能系统应用于解决低电压负荷问题，储能系统可以在低电压时段进行充电，而在高电压需求时段释放储能以提供稳定的电力供应。例如授权公告号为cn108539798b的发明专利，公开了基于模型预测控制的储能系统二次调节策略，该方法建立了电网负荷预测模型，并以预测结果作为储能系统调度的输入，但是其模型预测不够精确，难以适应农村负荷的大幅波动。又如申请公布号为cn107453380a的发明专利，公开了一种基于分布式控制模式的储能能量管理系统及方法，具体公开了一种分布式储能管理系统，该系统可以协调多储能站，但没有考虑到农村电网的供电范围分割，不同区域的电压调节需求。综上现有基于mpc的储能系统还存在着以下待解决的问题：负荷预测模型不够精确，无法反映农村负荷的时序性、周期性和突发性变化；储能系统调度和控制还不够智能和主动，无法根据负荷预测进行优化规划；分布式储能系统管理缺乏对农村电网分割供电区域的考虑，不同区域的电压调控需求无法有针对性满足。

3、针对上述问题，亟需设计一种新型的mpc预测模型与分布式储能管理方法，通过建立神经网络预测模型、划分储能子系统、优化充放电策略等方式进行改进，以提高农村电网电压控制的性能。

技术实现思路

1、本发明的目的是：克服现有技术中存在的问题，提供一种基于mpc与储能系统结合的农村地区电力供应优化管理方法，通过建立预测模型对农村电网负荷进行预测，同时将分布式储能系统与预测模型相耦合，采用闭环控制对预测模型进行修正与优化，根据预测结果进行充放电调度，从而满足时变的电网需求；并通过实时监测和反馈控制不断更新预测模型，可以持续提高预测结果的准确性和控制性能。

2、为实现上述目的，本发明采用了以下技术方案：基于mpc与储能系统结合的农村地区电力供应优化管理方法，包括以下步骤：

3、s1、建立考虑农村电压负荷变化规律和电网特性并对电压水平影响的数学预测模型：

4、采用长短期记忆lstm神经网络模型建立农村电压负荷的lstm预测模型，该模型基于农村地区过去 n年的历史电压负荷数据进行训练，并考虑影响电压负荷的特征变量，包括农村生产用电负荷，家庭用电负荷和天气温度，lstm预测模型的表达式为：

5、，

6、式中，为下一时刻的电压负荷预测值；

7、s2、将分布于农村地区的储能系统划分为相互联系的子系统：

8、根据农村电网的供电范围和传输线路，将连通配电网的储能系统划分成多个相对独立但相互关联的子系统进行分布式管理，每个子系统负责对应区域的电压调节，其内部包含有多个储能点，子系统之间通过传输线路相连电力互通，设储能系统共划分为m个子系统，编号为1~m，第 i个子系统的储能容量为e i，最大充放电功率为，子系统间传输线路的容量为l ij（ i≠ j）；

9、s3、针对储能子系统制定充放电策略：

10、采用步骤s1中构建的lstm预测模型对步骤s2中划分的子系统进行实时监测和优化调度控制，针对每个时刻 t，根据lstm模型预测结果，计算各储能子系统 i在不同时段 t的充电量和放电量，优化目标为最小化充放电运维成本，约束条件为子系统容量限制，通过求解优化目标获得每个时刻 t下各储能子系统 i的最优充放电计划；

11、最小化充放电运维成本的表达式为：

12、，

13、，

14、式中，为第 i个储能子系统在时刻 t的充电成本，为第 i个储能子系统在时刻 t的放电成本，它们与相应的充放电量和的乘积之和构成了充放电运维成本，在优化目标函数中进行最小化，为最大充电功率，为最大放电功率；

15、s4、lstm预测模型与储能系统联合控制：

16、将建立的lstm预测模型与储能系统相耦合，建立lstm模型与储能系统的通信接口，利用储能系统的电力调节和储存功能，实时传输预测负荷值，储能系统根据该预测结果制定充放电计划，同时将实际负荷反馈输入lstm预测模型不断修正模型参数，实现预测的滚动优化；

17、s5、lstm预测模型的修正：

18、基于步骤s4中的联合控制，通过对农村电网的实时监测和反馈控制，不断更新和修正lstm预测模型，并计算每次预测的误差误差，，当大于设置阈值时表示预测模型偏差过大，需要对模型参数进行修正，通过卷积神经网络对参数进行微调，优化lstm预测模型减小预测误差。

19、所述步骤s3中，通过求解优化目标获得每个时刻 t下各储能子系统 i的最优充放电计划，具体包括以下步骤：

20、s31、根据优化目标函数，以每个储能子系统的容量限制 soc、充放电效率和最大充放电功率为约束条件，制定充放电计划，表达式为：

21、，

22、，

23、式中，为第 i个储能子系统在时刻 t的状态电荷量，soc反映了储能系统的剩余电荷量或电池电量状态，其取值范围通常在0-100%之间，为每个储能子系统的最小容量限制，为每个储能子系统的最大容量限制；

24、s32、通过多目标规划算法，确定各储能子系统的优先级和充放电比例，表达式分别为：

25、，

26、，

27、式中，为第 i个储能子系统在时刻 t的优先级权重，在制定充放电计划时需要确定各储能子系统的优先级，以决定先对哪些子系统进行充放电；

28、s33、根据电价差异和负荷预测，选择低谷电价时段对储能系统进行充电，选择高峰时段进行放电，降低操作成本；

29、s34、建立储能系统的充放电模拟环境，测试不同策略的效果，选择综合收益最优的充放电策略；

30、s35、采用闭环反馈机制，根据执行效果调整充放电策略，实现对系统的动态优化。

31、所述步骤s33中，根据电价差异和负荷预测进行充放电的具体操作过程为：

32、s331、建立不同时段电价的预测模型，根据历史电价数据、负荷水平和发电成本因素，预测出未来一段时间内不同时段的电价，并根据负荷预测结果确定出低电压时段/高负荷时段、低电压时段/低负荷时段；

33、s332、将低谷电价时段确定为储能系统的充电时段，将高峰电价时段确定为储能系统的放电时段，在充电时段内最大限度地利用电网中较低的电价进行储能系统的充电；在放电时段内利用储能系统放电部分满足负荷需求，减少从电网中高价电量的购买；

34、s333、通过模拟仿真测试不同划分电价时段的充放电策略，确定在考虑运行成本最小的情况下的最佳时段划分方案；

35、s334、在实际运行中，根据电价和负荷的实时情况，动态调整充放电时段的划分，实现系统的经济运行。

36、所述步骤s4中，lstm预测模型与储能系统的耦合具体包括以下过程：

37、s41、建立预测模型与储能系统的联动接口，实现两者的数据交互，其中预测模型的输出结果将作为储能系统充放电调度的输入信号，预测模型的输出包括未来时间段内不同时段 t的负荷预估值；

38、s42、根据预测负荷，储能系统计算充电需求和放电需求：

39、，

40、式中，为表示时刻 t光伏发电的输出功率；

41、s43、通过负荷反馈数据不断校正预测模型，实现滚动优化，滚动优化的表达式为：

42、，

43、式中， k为滚动优化中预测模型的校正系数，即为调整的比例系数，取值在0到1之间，它反映了对预测进行修正的程度；

44、当 k取较小值时，表示对原预测值的信任较高，调整幅度小；当 k取较大值时，表示对反馈值的信任较高，进行较大幅度修正；一般 k的取值需要结合实际情况测试确定，以平衡预测的连续性和对反馈的灵敏度；

45、s44、评估预测误差的成本风险，表达式为：

46、，

47、式中，为预测值和反馈值的均方误差，为预测值的方差，表示利用预测值和反馈值的偏差程度来评估误差风险，越大表示预测误差越大，表示利用预测值本身的波动程度来评估误差风险，越大表示预测波动性越大；；

48、、为权重系数，反映了上述两项在计算风险中的重要性，其中与预测偏差有关，与预测稳定性有关，根据实际需要确定两者的相对重要性；如果想强调预测误差，可以设定较大，如果想强调预测稳定性，可以设定较大，因此和可以平衡预测误差和稳定性这两方面的考虑，更全面地评估风险；

49、s45、建立储能系统与电网的二级控制系统，在预测模型失效时快速应急控制。

50、本发明的有益效果是：

51、1）本发明方法中采用mpc方法进行实时监测和提出预测模型的优化调度，通过针对这些分布式储能系统的充放电策略进行优化，实现对能源的精确控制；建立农村电压负荷预测模型，可以对未来一段时间内的负荷情况进行准确预测，并基于mpc模型的储能系统作为柔性资源，在多方面约束条件下（如成本，容值），可以根据预测结果实时调整充放电策略，以满足电网需求并优化能量利用。

52、2）本发明方法中将储能系统与建立的预测模型相耦合，以利用储能系统的电力调节和能量储存功能，通过实时监测农村地区电网的电压水平，储能系统可以根据预测模型提前进行充电或放电操作，以调整电网电压并满足低电压负荷需求；并通过实时监测和反馈控制，不断修正预测模型，提高控制精度和性能，进而实现对储能系统的准确控制，并根据实际情况不断优化预测模型确保可靠的电力供应。