电池联合储能供电方法及系统与流程

本发明涉及电网技术，尤其涉及一种电池联合储能供电方法及系统。

背景技术：

1、现代社会对电力能源的依赖性日益增强，用电需求的迅猛增长，供电质量要求越来越高，特别是对于一级负荷中特别重要的负荷，一旦中断供电，将会造成重大的政治影响或经济损失；具体地，在电力施工、电力设备改造以及野外作业时通常需要对支路用电负荷或施工设备进行临时性供电。

2、作为电网应急供电设备的主要力量，储能系统的工作环境无外接电，现有技术中，储能系统内部的储能电池在给外部负荷供电的同时还要给其内部负载供电，在一定程度上减少了储能系统对负荷的供电时间。

技术实现思路

1、本发明实施例提供一种电池联合储能供电方法及系统，至少能够解决现有技术中部分问题。

2、本发明实施例的第一方面，

3、提供一种电池联合储能供电方法，包括：

4、获取综合多种类型电池构成的目标储能单元所在目标区域的历史用电量信息，并对所述目标区域进行网格划分，结合每个网格对应的历史用电量信息进行空间聚类，确定所述目标区域的用电高峰区域；

5、确定所述用电高峰区域的聚类中心，并将所述聚类中心对应的历史用电量信息转换为时间序列，结合所述聚类中心的用电行为特征，通过预设的负荷需求预测模型，确定所述聚类中心对应的负荷需求预测值，其中，所述负荷需求预测模型基于多个模型组合而成；

6、基于所述负荷需求预测值，结合所述目标储能单元内部的电池信息，以保证所述目标储能单元的电池状态平衡为第一目标，以保证所述目标储能单元的总供电效率最大化为第二目标，通过充放电控制算法控制所述目标储能单元的充放电策略。

7、在一种可选的实施方式中，

8、获取综合多种类型电池构成的目标储能单元所在目标区域的历史用电量信息，并对所述目标区域进行网格划分，结合每个网格对应的历史用电量信息进行空间聚类，确定所述目标区域的用电高峰区域，包括：

9、随机选择任一历史用电量信息作为染色体，并且重复选择多次，将由多条染色体组成的种群作为初始种群；

10、对所述目标区域进行网格划分，结合每个网格对应的历史用电量信息进行空间聚类，通过空间聚类函数确定每条染色体的适应度值；

11、将每次空间聚类所确定的染色体的适应度值最高的染色体进行保留，将剩余染色体根据其对应的适应度值进行轮盘赌选择操作，将选中的染色体进行杂交和变异操作，得到下一代种群；

12、将所述下一代种群中适应度值高于预设适应度阈值的染色体对应的空间网格作为用电高峰区域。

13、在一种可选的实施方式中，

14、结合每个网格对应的历史用电量信息进行空间聚类，通过空间聚类函数确定每条染色体的适应度值，包括：

15、；

16、其中， f(x)表示染色体 x对应的适应度值， wh、 wd、 we分别表示历史用电量信息对应的用电权重值、网格距离对应的距离权重值以及能量密度对应的能量权重值， hi表示第 i个历史用电量信息， n表示历史用电量信息的数量， f(r)表示网格距离对适应度值的影响函数，为线性函数， dx表示染色体 x对应的网格对其他网格之间的网格距离， ex表示染色体 x对应的网格的网格密度。

17、在一种可选的实施方式中，

18、将所述聚类中心对应的历史用电量信息转换为时间序列，结合所述聚类中心的用电行为特征，通过预设的负荷需求预测模型，确定所述聚类中心对应的负荷需求预测值，包括：

19、所述负荷需求预测模型包括第一预测子模型和第二预测子模型，所述第一预测子模型基于图卷积神经网络构建，所述第二预测子模型基于双向长短期记忆网路构建；

20、通过所述第一预测子模型将所述时间序列作为第一图节点，不同时间序列对应的邻接矩阵的关联性作为第一连接边，根据所述第一图节点和所述第一连接边构建与所述时间序列对应的时间序列图；

21、通过所述第一预测子模型将所述用电行为特征作为第二图节点，不同用电行为特征的相似性作为第二连接边，根据所述第二图节点和所述第二连接边构建与用电行为特征对应的行为特征图；

22、基于所述时间序列图和所述行为特征图，结合所述第一预测子模型中网络层的隐藏特征以及激活函数，确定所述第一预测子模型的第一输出结果；

23、将所述第一输出结果输入所述第二预测子模型，通过所述第二预测子模型的遗忘门、更新门以及输出门，确定所述聚类中心对应的负荷需求预测值。

24、在一种可选的实施方式中，

25、所述方法还包括训练所述第二预测子模型：

26、基于预先获取的训练数据集，输入所述第二预测子模型的正向单元，确定所述第二预测子模型中遗忘门对应的第一遗忘特征和所述第二预测子模型中更新门对应的第一更新特征；

27、根据所述第一遗忘特征和所述第一更新特征更新所述训练数据集对应的正向隐藏特征，初始化所述第二预测子模型的反向单元，从最后一个时间步开始，依次向前处理，对所述正向隐藏特征进行反向处理，确定反向隐藏特征；

28、基于反向传播算法以及梯度下降优化算法，并引入学习因子，连续调整所述第二预测子模型的模型参数，直至所述第二预测子模型收敛或者所述第二预测子模型的输出结果符合预设条件。

29、在一种可选的实施方式中，

30、基于所述负荷需求预测值，结合所述目标储能单元内部的电池信息，以保证所述目标储能单元的电池状态平衡为第一目标，以保证所述目标储能单元的总供电效率最大化为第二目标，通过充放电控制算法控制所述目标储能单元的充放电策略包括：

31、基于所述第一目标构建第一目标函数并确定第一目标值，以及基于所述第二目标构建第二目标函数并确定第二目标值；根据所述第一目标值和所述第二目标值构建初始化种群；

32、确定所述初始化种群中每个个体的适应度值，并根据所述适应度值动态设置每个个体对应的交叉率和变异率，对所述初始化种群中每个个体进行交叉和变异操作，生成杂交种群，将所述杂交种群中适应度值最高的个体作为最优个体；

33、在所述杂交种群中引入贪心因子，并根据所述贪心因子以所述最优个体的当前位置为基准，朝向预设的全局最优位置进行位置调整，将进行多轮迭代更新后的最优个体的位置作为所述目标储能单元的充放电策略。

34、在一种可选的实施方式中，

35、在所述杂交种群中引入贪心因子，并根据所述贪心因子以所述最优个体的当前位置为基准，朝向预设的全局最优位置进行位置调整包括：

36、；

37、其中，表示 t时刻的全局最优位置， pos(t)、 pos(t+1)分别表示 t时刻的所述最优个体的位置，以及 t+1时刻的所述最优个体的位置， d表示所述最优个体的当前位置与预设的全局最优位置的空间距离， a表示所述贪心因子。

38、本发明实施例的第二方面，

39、提供一种电池联合储能供电系统，包括：

40、第一单元，用于获取综合多种类型电池构成的目标储能单元所在目标区域的历史用电量信息，并对所述目标区域进行网格划分，结合每个网格对应的历史用电量信息进行空间聚类，确定所述目标区域的用电高峰区域；

41、第二单元，用于确定所述用电高峰区域的聚类中心，并将所述聚类中心对应的历史用电量信息转换为时间序列，结合所述聚类中心的用电行为特征，通过预设的负荷需求预测模型，确定所述聚类中心对应的负荷需求预测值，其中，所述负荷需求预测模型基于多个模型组合而成；

42、第三单元，用于基于所述负荷需求预测值，结合所述目标储能单元内部的电池信息，以保证所述目标储能单元的电池状态平衡为第一目标，以保证所述目标储能单元的总供电效率最大化为第二目标，通过充放电控制算法控制所述目标储能单元的充放电策略。

43、本发明实施例的第三方面，

44、提供一种电子设备，包括：

45、处理器；

46、用于存储处理器可执行指令的存储器；

47、其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。

48、本发明实施例的第四方面，

49、提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。

50、本发明通过聚类分析确定用电高峰区域，可以更有效地在这些区域部署储能单元，以应对电力需求高峰，提高电网的负载管理能力和响应速度；通过精确的网格划分和空间聚类，电网运营商能够识别出用电模式，合理调配资源，减少能源浪费，从而提升整个电力系统的能源效率；在用电高峰区域部署的储能单元可以在需求低时存储电能，在需求高时释放电能，帮助平衡电网的负荷，减少需建设新的发电设施；适应度值较高的染色体对应的网格标记为用电高峰区域，有助于电网规划者优化电网设计，增加电网对高负载的容忍度，提升电网整体的可靠性；通过保留适应度高的染色体，并不断进行轮盘赌选择、杂交和变异操作，系统能动态适应用电模式的变化，进化出更加优化的电网管理策略；确定用电高峰区域后，通过精确调度储能单元的充放电行为，可以降低因电能不足或过剩所造成的经济损失，降低运营成本。