一种风光电储能柔性协调优化方法及系统与流程

本发明涉及能源管控，尤其涉及一种风光电储能柔性协调优化方法及系统。

背景技术：

1、能源管控技术是指通过对能源使用过程中的监测、控制和管理，实现节能减排、提高能源利用效率的一种技术，涵盖了从能源的生产、分配、转换等各环节进行计划、协调和控制的一系列管理活动，对于推动能源可持续发展和应对能源挑战具有重要意义。

2、然而，在能源管控领域，尤其在智能电网管理中，仍面临着多重挑战，具体如下：能源具有不稳定性，由于风能、太阳能等可再生能源发电设备受自然条件影响大，导致能源供应存在不稳定性；系统并网困难，可再生能源发电设备在并网时，可能会由于电网需求的变化和发电设备输出的不稳定性导致并网困难；能源协调管理和储能优化调度不足，对于可再生能源发电设备、储能设备和电网之间的协调管理和储能优化调度不足，导致能源利用效率低，无法充分利用储能设备的潜力来平衡电网供需；故障发现和处理不及时，当前智能电网管理的设备故障可能难以及时发现和处理，影响电力供应的连续性和安全性。为此,本发明提出了一种风光电储能柔性协调优化方法及系统。

技术实现思路

1、本发明的目的是为了解决背景技术中的问题，而提出的一种风光电储能柔性协调优化方法及系统。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种风光电储能柔性协调优化方法，包括：

4、步骤一、利用预测算法对风光发电设备的运行状态进行预测，并将实时监测风光发电设备的实际输出情况与预测结果进行比对；

5、步骤二、根据风光发电设备的运行状态预测结果，分析储能设备的充放电需求，并制定储能充放电策略；

6、步骤三、对储能设备充放电过程进行精细化控制，动态调整储能充放电策略；

7、步骤四、对储能设备性能进行评估，创建故障判定机制，并采取措施进行应对和处理。

8、需要说明的是，本发明实施例中一种风光电储能柔性协调优化方法及系统的应用对象可以为能源管控领域的智能电网管理，具体的可以为通过高精度传感器、物联网技术以及预测算法对气象数据和风光发电设备的运行状态数据进行深度分析，实时监测风光发电设备的实际输出情况并与预测结果进行比对，及时发现并预警潜在的能源供应不足或过剩问题；根据风光发电设备的预测运行状态数据，结合电网需求，动态分析储能设备的充放电需求，并制定精细化的储能充放电策略；通过对储能设备充放电过程的精细化控制，动态调整储能充放电策略，实现储能系统的高效运行；同时，对储能设备性能进行评估，创建故障判定机制，及时采取措施应对和处理低性能或故障储能设备，提高了整个风光电储能系统的稳定性和可靠性，有利于优化资源配置和减少故障发生，进一步提升了智能电网管理的智能化水平和运营效率。

9、进一步的，利用预测算法对风光发电设备的运行状态进行预测，并将实时监测风光发电设备的实际输出情况与预测结果进行比对的过程包括：

10、利用高精度传感器和物联网技术采集气象数据和风光发电设备的运行状态数据；其中，气象数据包括风速、风向、光照强度以及温度，风光发电设备的运行状态数据包括风能发电设备的发电功率和太阳能发电设备的发电功率；可理解的是，高精度传感器是一种能够测量和转换物理量（如温度、压力、光照、风速等）为可处理和传输的信号的设备；在气象数据采集和风光发电设备监控中，会用到以下几类高精度传感器：风速风向传感器，包含一个或多个旋转的叶片或超声波装置，可以测量风的速度和方向；光照强度传感器，用于测量光线的强度和光照水平；温度传感器，使用热敏电阻、热电偶或集成温度传感器等元件来测量环境的温度；物联网是指通过网络连接各种物理设备（如传感器、执行器、智能设备等），实现设备之间的数据交换和智能化控制的技术，例如将高精度传感器采集到的数据，通过有线或无线方式传输到数据收集中心或云平台；

11、将采集到的气象数据和风光发电设备的运行状态数据按照时间序列的形式进行存储，并定义分别为气象数据和风光发电设备的运行状态数据；其中，表示时间戳；

12、从数据库中提取存储的所有历史气象数据和风光发电设备的运行状态数据，并整合获取气象数据和风光发电设备的运行状态数据的历史数据集；其中，表示历史数据的数量，即截至目前已经采集到的历史数据总数，历史数据集随时间不断增长，且采集到的新数据会同步添加到历史数据集中；

13、构建预测函数，使得；其中，表示基于时刻的气象数据和历史数据集预测的时刻的风光发电设备的运行状态数据；

14、获取实时监测的风光发电设备的运行状态数据，用于与预测数据进行比对；

15、设置告警阈值，当时，则生成告警提示。

16、进一步的，根据风光发电设备的运行状态预测结果，分析储能设备的充放电需求的过程包括：

17、获取第个风光发电设备在时刻的预测运行状态数据；其中，为预测的时间步长，表示预测的未来时刻与当前时刻之间的间隔；

18、将时刻的电网需求和电网交互功率分别标记为和；其中，表示风光发电设备的索引，电网交互功率表示储能设备与电网之间的实际功率交换；

19、结合风光发电设备的预测运行状态数据、电网需求以及电网交互功率计算储能设备的充放电需求；其中，具体分析公式如下：

20、，式中，为预设的比例系数，用于调整各项对的影响程度；用于遍历所有风光发电设备，且；表示风光发电设备的总数；表示第个风光发电设备的权重，用于反映其在储能设备充放电决策中的重要性，这些权重可能需要根据风光发电设备的容量、可靠性等因素来确定；表示电网交互功率在时刻和时刻之间的变化量，用于反映电网需求的动态变化。

21、进一步的，制定储能充放电策略的过程包括：

22、定义时刻的储能设备状态向量为；其中，表示荷电状态，分别表示时刻的充电和放电功率；

23、对荷电状态、充电功率以及放电功率进行限制，使得在允许的范围内变化，具体包括：

24、，式中，分别表示荷电状态的最小值和最大值，分别表示充电和放电功率的最大值；

25、根据储能设备充放电需求和储能设备状态向量制定储能充放电策略，使得，用于输出下一时刻的储能设备状态向量；

26、可理解的是，储能充放电策略是一个映射函数，将每一时刻的储能设备充放电需求和储能设备状态映射到储能设备的充放电功率上，通过引入映射函数更新储能设备状态向量。

27、进一步的，对储能设备充放电过程进行精细化控制，动态调整储能充放电策略的过程包括：

28、使用目标函数最小化储能所需的能耗成本：

29、，式中，表示储能所需的总能耗成本；表示时刻充电功率对应的充电单位成本；表示时刻放电功率对应的放电单位成本，此处放电单位成本是一个损失系数，表示放电过程中的能量损失；表示总时刻；可理解的是，由于储能过程在时刻已经处于某种状态（例如存在一定的荷电状态），因此考虑从该初始状态开始的整个时间段内的能耗成本；

30、在每一时刻，根据实时监测的风光发电设备的运行状态数据和当前电网需求，分析当前储能充放电策略下的充放电功率和目标函数，通过迭代更新调整储能充放电策略，以产生新的充电功率和放电功率，从而实现对储能设备充放电过程的精细化控制。

31、进一步的，对储能设备性能进行评估的过程包括：

32、利用储能监控软件获取储能设备的性能数据；其中，性能数据具体包括：基本电气数据（例如电池电压、电流等，用于反映储能设备的基本电气特性）、能量与容量参数（例如电池容量、剩余容量、可用容量等，用于反映储能设备存储能量的能力）以及效率参数（例如充放电效率、循环效率等，用于反映储能设备在充放电过程中的能量转换效率）；

33、将储能设备性能的原始数据标记为；

34、使用指数平滑法对储能设备性能的原始数据进行平滑处理：，式中，表示时刻的平滑值，表示时刻的储能设备性能的原始数据，表示平滑系数，且；

35、定义平滑处理后的储能设备性能原始数据为；

36、基于平滑处理后的储能设备性能原始数据，提取储能设备性能特征向量，作为储能设备性能评估模型的输入特征向量；

37、使用支持向量机，建立储能设备性能评估模型进行评估：

38、，式中，为支持向量机的决策函数，用于对每次新输入的储能设备性能特征向量进行分类，用于确定每次新输入的储能设备性能特征向量的类别；表示训练样本储能设备性能特征向量；是训练样本储能设备性能特征向量的标签，表示该训练样本储能设备性能特征向量所属的类别，并且的取值为+1或-1，分别代表两个不同的类别，即低性能或高性能；表示支持向量的系数，用于衡量支持向量对决策边界的影响程度；表示核函数，用于计算每次新输入的储能设备性能特征向量与训练样本储能设备性能特征向量之间的相似度或距离；为偏置项，用于调整决策边界的位置；是符号函数，用于根据分类结果输出+1或-1，若输出+1，则说明储能设备性能高，若输出-1，则说明储能设备性能低。

39、进一步的，创建故障判定机制，并采取措施进行应对和处理的过程包括：

40、统计储能设备性能评估模型的所有评估结果，筛选出低性能的储能设备，并提取低性能的储能设备对应的储能设备性能特征向量；

41、设定故障判定阈值，确定储能设备的故障等级；

42、将与进行比对分析，得到不同的故障标签，即普通故障标签、严重故障标签以及紧急故障标签；其中，若小于，则生成第一故障信号，并将对应的储能设备关联普通故障标签；若不小于且不大于的，为大于一百的实数，则生成第二故障信号，并将对应的储能设备关联严重故障标签；若大于的，则生成第三故障信号，并将对应的储能设备关联紧急故障标签；

43、针对获取到的不同故障标签，采取对应的维护策略；其中，具体包括：根据故障标签的严重程度和类型，制定相应的维修计划；对于普通故障，只需要进行简单的调试或更换部分零件，而对于严重或紧急故障，则需要进行全面的检修或更换整个设备，对于频繁出现某种故障标签的设备，可以分析其故障原因，并采取相应的预防性维护措施，如定期检查、更换易损件、优化运行参数等，以减少故障的发生；同时，根据故障标签的分布情况，优化设备的运行和维护计划，即调整巡检频次。

44、一种风光电储能柔性协调优化系统，包括：

45、预测与比对模块用于利用预测算法对风光发电设备的运行状态进行预测，并将实时监测风光发电设备的实际输出情况与预测结果进行比对；

46、储能策略制定模块用于根据风光发电设备的运行状态预测结果，分析储能设备的充放电需求，并制定储能充放电策略；

47、储能控制优化模块用于对储能设备充放电过程进行精细化控制，动态调整储能充放电策略；

48、性能评估与故障处理模块用于对储能设备性能进行评估，创建故障判定机制，并采取措施进行应对和处理。

49、与现有的技术相比，本发明提供了基于一种风光电储能柔性协调优化方法及系统的优点在于：

50、1、本发明通过利用预测算法对风光发电设备的运行状态进行预测，并将实时监测风光发电设备的实际输出情况与预测结果进行比对，可以准确预测风光发电设备的运行状态，从而有效应对能源供应的不稳定性问题，以便在资源调度时做出更合理的安排；

51、2、本发明通过根据风光发电设备的运行状态预测结果，分析储能设备的充放电需求，并制定储能充放电策略，在一定程度上减轻电网的交互压力，使得系统的运行更加平稳，有助于提高整个系统的运行效率；通过对储能设备充放电过程进行精细化控制，动态调整储能充放电策略，有助于提高储能设备的利用率，减少因不合理充放电而导致的能源浪费；

52、3、本发明通过对储能设备性能进行评估，创建故障判定机制，并采取措施进行应对和处理，可以及时发现性能下降或潜在的故障隐患，确保电力供应的连续性和安全性。

53、综上所述，本发明通过采集数据、精准预测、制定策略以及性能评估，显著提高能源供应的稳定性、降低能耗成本、提高系统效率和可靠性，由此确保后续一种风光电储能柔性协调优化方法及系统的正常运作。