基于预测的储能调控方法及其系统与流程

本公开涉及智能调控领域，且更为具体地，涉及一种基于预测的储能调控方法及其系统。

背景技术：

1、随着全球能源需求的不断增长和可再生能源的普及，储能技术已成为解决能源转型和电网稳定的重要手段之一。储能技术可以通过将电能转化为其他形式的能量储存起来，在需要的时候再将其转化为电能输出，以实现对能源的有效管理和利用。目前，常见的储能技术包括电池储能、超级电容器储能、压缩空气储能、抽水蓄能等。

2、在电力系统中，电池储能系统作为一种新兴的储能技术，可以为电网提供灵活的调峰调频服务，改善电力系统的稳定性和可靠性。同时，为了更好地利用电池储能系统的优势，需要对其进行智能调控，以实现最大程度的能量存储和输出。

3、基于预测的智能调控方法是一种高效的储能系统管理方式。该方法会在一天结束时利用预测得到的第二天的负荷、电价、天气（辐照度）等信息，对第二天的储能动作给出日前的调控策略。在这种方法中，通常会使用多目标或单目标的优化策略进行储能最优化充放电策略。然而，这种优化策略可能会导致很多无效的储能充放电动作，从而降低了储能系统的使用寿命。例如，在同一电价下，先充电再放同样容量的电，会造成无效的储能动作，从而浪费了能量资源并降低系统效率，无法实现实际收益。

4、因此，期望一种优化的基于预测的储能调控方案。

技术实现思路

1、有鉴于此，本公开提出了一种基于预测的储能调控方法及其系统，其可以避免电池的无效循环充放电，达到减少电池损耗、延长使用寿命的目的，同时还能够保证经济性，在一定程度上提高储能系统的性价比和实用价值。

2、根据本公开的一方面，提供了一种基于预测的储能调控方法，其包括：

3、获取历史电价数据；

4、对所述历史电价数据进行以小时为单位的时序关联分析以得到电价时序关联特征；以及

5、基于所述电价时序关联特征，确定储能充放电策略。

6、根据本公开的另一方面，提供了一种基于预测的储能调控系统，其包括：

7、数据获取模块，用于获取历史电价数据；

8、时序关联分析模块，用于对所述历史电价数据进行以小时为单位的时序关联分析以得到电价时序关联特征；以及

9、充放电策略确定模块，用于基于所述电价时序关联特征，确定储能充放电策略。

10、根据本公开的实施例，其首先获取历史电价数据，接着，对所述历史电价数据进行以小时为单位的时序关联分析以得到电价时序关联特征，然后，基于所述电价时序关联特征，确定储能充放电策略。这样，可以避免电池的无效循环充放电，达到减少电池损耗、延长使用寿命的目的，同时还能够保证经济性，在一定程度上提高储能系统的性价比和实用价值。

11、根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

技术特征：

1.一种基于预测的储能调控方法，其特征在于，包括：

2.根据权利要求1所述的基于预测的储能调控方法，其特征在于，对所述历史电价数据进行以小时为单位的时序关联分析以得到电价时序关联特征，包括：

3.根据权利要求2所述的基于预测的储能调控方法，其特征在于，所述基于深度神经网络模型的电价时序关联特征提取器为包含第一卷积层和第二卷积层的电价时序关联特征提取器。

4.根据权利要求3所述的基于预测的储能调控方法，其特征在于，通过基于深度神经网络模型的电价时序关联特征提取器分别对所述24个电价输入向量进行特征提取以得到24个电价时序特征向量，包括：

5.根据权利要求4所述的基于预测的储能调控方法，其特征在于，对所述24个电价时序特征向量进行时序关联分析以得到全时序电价上下文关联特征向量作为所述电价时序关联特征，包括：

6.根据权利要求5所述的基于预测的储能调控方法，其特征在于，基于所述电价时序关联特征，确定储能充放电策略，包括：

7.根据权利要求6所述的基于预测的储能调控方法，其特征在于，对所述全时序电价上下文关联特征向量进行特征分布优化以得到优化全时序电价上下文关联特征向量，包括：

8.根据权利要求7所述的基于预测的储能调控方法，其特征在于，对所述电价时序级联特征向量和所述全时序电价上下文关联特征向量进行非齐次希尔伯特面上空间自适应点学习以得到所述优化全时序电价上下文关联特征向量，包括：

9.根据权利要求8所述的基于预测的储能调控方法，其特征在于，基于所述第一至第二十四解码值，确定储能充放电策略，包括：

10.一种基于预测的储能调控系统，其特征在于，包括：

技术总结
公开了一种基于预测的储能调控方法及其系统。其首先获取历史电价数据，接着，对所述历史电价数据进行以小时为单位的时序关联分析以得到电价时序关联特征，然后，基于所述电价时序关联特征，确定储能充放电策略。这样，可以避免电池的无效循环充放电，达到减少电池损耗、延长使用寿命的目的，同时还能够保证经济性，在一定程度上提高储能系统的性价比和实用价值。

技术研发人员：张巍,雷建峰,林建豪,潜卫强,邓金海,赖臣章,金建广,王耀华
受保护的技术使用者：浙江腾腾电气有限公司
技术研发日：
技术公布日：2024/1/16