首页 / 专利分类库 / 发电、变电或配电 / 一种零碳乡村综合能源管理方法及系统

一种零乡村综合能源管理方法及系统

申请号 CN202410338000.6 申请日 2024-03-25 公开(公告)号 CN117955143A 公开(公告)日 2024-04-30
申请人 国网黑龙江省电力有限公司佳木斯供电公司; 国家电网有限公司; 发明人 徐毓皓; 杨振国; 李晓琦; 张晓宇; 韩威; 李佳哲; 贾冰; 梁超; 张育严; 李星辉; 孙黎明; 杨祎妍;
摘要 本 发明 涉及电 力 调度技术领域,具体涉及一种零 碳 乡村综合 能源 管理方法及系统。获取试点乡村的用电数据、发电源的发电数据、电力存储系统的充电数据以及SOC数据。分析用电数据和SOC数据之间的差异以及变化同步情况,以及SOC数据的变化趋势,得到电力存储系统的健康系数,作为调整放电策略的一个指标。计算了每个发电源的发电稳定特征值。根据电力存储系统的健康系数以及所有发电源的发电稳定特征值对当前时刻所需的调度电量进行调整,得到实际放电量,实际放电量考虑了电力存储系统的健康状况、发电源的发电稳定情况,能避免 电池 深度放电,改善供电系统和存储系统之间的循环生态,提高电池寿命。
权利要求

1.一种零乡村综合能源管理方法,其特征在于,所述方法包括:
获取试点乡村预设历史时段内的能源时序数据;所述能源时序数据包括试点乡村的用电数据、每个发电源的发电数据、电存储系统的充电数据以及SOC数据;
根据所述用电数据和SOC数据中数据值之间的差异以及差异的变化同步情况,得到电能调度响应率;根据所述电能调度响应率和所述SOC数据的数值特征以及数据值的变化趋势,得到电力存储系统的健康系数;
对于任意一个发电源,分析对应的发电数据中数据值的波动情况,以及对应的发电数据与电力存储系统的充电数据中数据值之间的相关关系,得到该发电源的发电稳定特征值;
获取试点乡村当前时刻所需的调度电量;根据电力存储系统的健康系数、所有发电源的发电稳定特征值以及发电数据对所述调度电量进行管理与调整,得到当前时刻电力存储系统的实际放电量;
所述电能调度响应率的获取方法包括:
在所述用电数据中,计算所有数据点数据值的一阶差分数列,作为第一序列;
在所述SOC数据中,计算所有数据点数据值的一阶差分数列,作为第二序列;
根据所述第一序列与第二序列中数据值之间的变化同步情况,得到所述电能调度响应率;
所述电能调度响应率的公式模型为:
其中, 表示电能调度响应率;表示一阶差分数列中的数值总数;表示第一序列中的第 个数值; 表示第二序列中的第 个数值; 表示第一序列中的数值最大值;
表示第二序列中的数值最大值; 表示归一化函数;表示预设第一参数;表示预设第二参数;
所述电力存储系统的健康系数的获取方法包括:
根据所述SOC数据中数据值的变化趋势对所述SOC数据进行分段,得到递增数据段的总数和递减数据段的总数;将递增数据段的总数与递减数据段的总数之间的差异作为电力存储系统的亏损因子;
统计所述SOC数据中数据值为预设常数的数据点的数量,作为深度放电次数;将所述深度放电次数进行负相关映射并归一化后的值作为电力存储系统的健康因子;
根据所述电能调度响应率、电力存储系统的亏损因子以及电力存储系统的健康因子,得到电力存储系统的健康系数;所述电能调度响应率与电力存储系统的健康因子均与所述健康系数呈正相关;所述电力存储系统的亏损因子与所述健康系数呈负相关;
所述发电稳定特征值的获取方法包括:
对于任意一个发电源,计算该发电源对应的发电数据中所有数据值的方差,并对所述方差进行归一化操作,得到该发电源的发电波动因子;
计算该发电源对应的发电数据中所有数据值与电力存储系统的充电数据中所有数据值之间的皮尔逊相关系数,作为该发电源的发电稳定因子;
根据该发电源的发电波动因子与发电稳定因子得到该发电源的发电稳定特征值,所述发电波动因子与发电稳定特征值呈负相关,所述发电稳定因子与发电稳定特征值呈正相关。
2.根据权利要求1所述的一种零碳乡村综合能源管理方法,其特征在于,所述根据所述SOC数据中数据值的变化趋势对所述SOC数据进行分段,得到递增数据段的总数和递减数据段的总数,包括:
获取所述SOC数据中的极大值点和极小值点;
对于任意一个极大值点,将该极大值点与时序上相邻的后一个极小值点之间的数据段作为递减数据段;对于任意一个极小值点,将该极小值点与时序上相邻的后一个极大值点之间的数据段作为递增数据段;
统计所有的递增数据段的总数和递减数据段的总数。
3.根据权利要求1所述的一种零碳乡村综合能源管理方法,其特征在于,所述根据电力存储系统的健康系数、所有发电源的发电稳定特征值以及发电数据对所述调度电量进行管理与调整,得到当前时刻电力存储系统的实际放电量,包括:
对每个发电源的发电稳定特征值进行归一化操作,得到每个发电源的发电权重;
将每个发电源的发电数据中最后一个时刻的数据值作为目标发电量,将每个目标发电量与最大目标发电量的比值作为每个发电源的发电比例;
将每个发电源的发电权重与发电比例的乘积作为每个发电源的发电能效,将所有发电源的发电能效的和值作为发电综合能效;
将电力存储系统的健康系数与所述发电综合能效的乘积进行归一化后的值,作为调度电量的调整系数,将所述调整系数与所述调度电量的乘积作为当前时刻电力存储系统的实际放电量。
4.根据权利要求1所述的一种零碳乡村综合能源管理方法,其特征在于,所述当前时刻所需的调度电量的获取方法包括:
获取试点乡村当前时刻的用电量与所有发电源当前时刻的发电量总和;
将试点乡村当前时刻的用电量与所述发电量总和的差值作为当前时刻所需的调度电量,所述调度电量为正数。
5.根据权利要求1所述的一种零碳乡村综合能源管理方法,其特征在于,所述预设常数设置为0。
6.一种零碳乡村综合能源管理系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1 5任意一项所述方法的步骤。
~

说明书全文

一种零乡村综合能源管理方法及系统

技术领域

[0001] 本发明涉及电调度技术领域,具体涉及一种零碳乡村综合能源管理方法及系统。

背景技术

[0002] 零碳乡村是指在农村地区采用多种可再生能源和能源技术,以实现对能源的高效利用、减少碳排放和环境保护的目标。零碳乡村综合能源系统通常配备能源存储设施来存储电能,如最常见的电池存储系统,以平衡能源供需之间的时空差异。通过优化能源分配、提高能源利用效率,实现能源的智能管理和调度,能够提高电池寿命,同时促进供电系统和存储系统之间的循环生态长期发展。
[0003] 现有零碳乡村的电力存储系统是根据电力系统负荷来输出的充放电控制策略,但这种反馈控制策略对存储系统的损耗较大,存储系统频繁的深度放电会使供电系统和存储系统之间的循环生态长期处于不健康的状态,导致存储系统不具有险预期能力,且会加剧电池损耗,减少电池寿命。

发明内容

[0004] 为了解决电力存储系统频繁的深度放电会使供电系统和存储系统之间的循环生态长期处于不健康的状态,导致存储系统不具有风险预期能力,且会加剧电池损耗,减少电池寿命的技术问题,本发明的目的在于提供一种零碳乡村综合能源管理方法及系统,所采用的技术方案具体如下:获取试点乡村预设历史时段内的能源时序数据;所述能源时序数据包括试点乡村的用电数据、每个发电源的发电数据、电力存储系统的充电数据以及SOC数据;
根据所述用电数据和SOC数据中数据值之间的差异以及差异的变化同步情况,得到电能调度响应率;根据所述电能调度响应率和所述SOC数据的数值特征以及数据值的变化趋势,得到电力存储系统的健康系数;
对于任意一个发电源,分析对应的发电数据中数据值的波动情况,以及对应的发电数据与电力存储系统的充电数据中数据值之间的相关关系,得到该发电源的发电稳定特征值;
获取试点乡村当前时刻所需的调度电量;根据电力存储系统的健康系数、所有发电源的发电稳定特征值以及发电数据对所述调度电量进行管理与调整,得到当前时刻电力存储系统的实际放电量。
[0005] 进一步地,所述电能调度响应率的获取方法包括:在所述用电数据中,计算所有数据点数据值的一阶差分数列,作为第一序列;
在所述SOC数据中,计算所有数据点数据值的一阶差分数列,作为第二序列;
根据所述第一序列与第二序列中数据值之间的变化同步情况,得到所述电能调度响应率。
[0006] 进一步地,所述电能调度响应率的公式模型为:其中, 表示电能调度响应率;表示一阶差分数列中的数值总数;表示第一序列中的第 个数值; 表示第二序列中的第 个数值; 表示第一序列中的数值最大值; 表示第二序列中的数值最大值; 表示归一化函数;表示预设第一参数;
表示预设第二参数。
[0007] 进一步地,所述电力存储系统的健康系数的获取方法包括:根据所述SOC数据中数据值的变化趋势对所述SOC数据进行分段,得到递增数据段的总数和递减数据段的总数;将递增数据段的总数与递减数据段的总数之间的差异作为电力存储系统的亏损因子;
统计所述SOC数据中数据值为预设常数的数据点的数量,作为深度放电次数;将所述深度放电次数进行负相关映射并归一化后的值作为电力存储系统的健康因子;
根据所述电能调度响应率、电力存储系统的亏损因子以及电力存储系统的健康因子,得到电力存储系统的健康系数;所述电能调度响应率与电力存储系统的健康因子均与所述健康系数呈正相关;所述电力存储系统的亏损因子与所述健康系数呈负相关。
[0008] 进一步地,所述根据所述SOC数据中数据值的变化趋势对所述SOC数据进行分段,得到递增数据段的总数和递减数据段的总数,包括:获取所述SOC数据中的极大值点和极小值点;
对于任意一个极大值点,将该极大值点与时序上相邻的后一个极小值点之间的数据段作为递减数据段;对于任意一个极小值点,将该极小值点与时序上相邻的后一个极大值点之间的数据段作为递增数据段;
统计所有的递增数据段的总数和递减数据段的总数。
[0009] 进一步地,所述发电稳定特征值的获取方法包括:对于任意一个发电源,计算该发电源对应的发电数据中所有数据值的方差,并对所述方差进行归一化操作,得到该发电源的发电波动因子;
计算该发电源对应的发电数据中所有数据值与电力存储系统的充电数据中所有数据值之间的皮尔逊相关系数,作为该发电源的发电稳定因子;
根据该发电源的发电波动因子与发电稳定因子得到该发电源的发电稳定特征值,所述发电波动因子与发电稳定特征值呈负相关,所述发电稳定因子与发电稳定特征值呈正相关。
[0010] 进一步地,所述根据电力存储系统的健康系数、所有发电源的发电稳定特征值以及发电数据对所述调度电量进行管理与调整,得到当前时刻电力存储系统的实际放电量,包括:对每个发电源的发电稳定特征值进行归一化操作,得到每个发电源的发电权重;
将每个发电源的发电数据中最后一个时刻的数据值作为目标发电量,将每个目标发电量与最大目标发电量的比值作为每个发电源的发电比例;
将每个发电源的发电权重与发电比例的乘积作为每个发电源的发电能效,将所有发电源的发电能效的和值作为发电综合能效;
将电力存储系统的健康系数与所述发电综合能效的乘积进行归一化后的值,作为调度电量的调整系数,将所述调整系数与所述调度电量的乘积作为当前时刻电力存储系统的实际放电量。
[0011] 进一步地,所述当前时刻所需的调度电量的获取方法包括:获取试点乡村当前时刻的用电量与所有发电源当前时刻的发电量总和;
将试点乡村当前时刻的用电量与所述发电量总和的差值作为当前时刻所需的调度电量,所述调度电量为正数。
[0012] 进一步地,所述预设常数设置为0。
[0013] 本发明还提出了一种零碳乡村综合能源管理系统,所述系统包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时可实现任意一项所述方法的步骤。
[0014] 本发明具有如下有益效果:本发明首先获取试点乡村的历史能源时序数据,包括了用电数据、各个发电源的发电数据、电力存储系统的充电数据以及SOC数据。由于电池的深度放电会对电力存储系统中的电池造成损坏,因此在调整放电策略时,应当关注电池的健康状况,而电池的健康与否与其对电量调度的响应率存在联系,这种联系可通过用电数据与SOC数据进行反映,故分析用电数据和SOC数据中数据值之间的差异以及变化同步情况,得到了电能调度响应率,由于深度充电或深度放电均会影响到电池的健康状况,所以将电能调度响应率与SOC数据中数据值的变化趋势相结合,得到电力存储系统的健康系数,将其作为后续调整放电策略的一个指标。进一步地,因为发电源的发电稳定情况以及发电量也会对放电策略的调整存在影响,所以基于此特征,计算了每个发电源的发电稳定特征值,将其作为后续放电策略调整一个指标。最后根据电力存储系统的健康系数以及所有发电源的发电稳定特征值对当前时刻所需的调度电量进行调整,得到实际放电量,此时的实际放电量由于考虑了电力存储系统的健康状况、各个发电源的发电稳定情况,故能保证平稳的放电,避免电池深度放电,有效改善了供电系统和存储系统之间的循环生态,提高了电池寿命。
附图说明
[0015] 为了更清楚地说明本发明实施例现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
[0016] 图1为本发明一个实施例所提供的一种零碳乡村综合能源管理方法流程图

具体实施方式

[0017] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种零碳乡村综合能源管理方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0018] 除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
[0019] 下面结合附图具体的说明本发明所提供的一种零碳乡村综合能源管理方法的具体方案。
[0020] 请参阅图1,其示出了本发明一个实施例提供的一种零碳乡村综合能源管理方法的方法流程图,该方法包括以下步骤:步骤S1:获取试点乡村预设历史时段内的能源时序数据;能源时序数据包括试点乡村的用电数据、每个发电源的发电数据、电力存储系统的充电数据以及SOC数据。
[0021] 零碳乡村是指在农村地区采用多种可再生能源和能源技术,以实现对能源的高效利用、减少碳排放和环境保护的目标。通过建立能源互联网系统,将不同能源源头、能源设施和能源用户进行有效连接和整合,通过优化能源分配、提高能源利用效率,实现能源的智能管理和调度。
[0022] 零碳乡村综合能源系统通常配备电池存储系统,当供电系统无法满足乡村的用电量时,则需在能源存储设施中进行电量调度用以平衡能源供需之间的时空差异。但是因为零碳乡村主要依赖清洁能源,如太阳能风能能等,清洁能源的发电量会受到自然因素的影响,导致电力存储系统中的储备能量具有较大的不确定性,此时如果电力存储系统频繁的深度放电会使供电系统和存储系统之间的循环生态长期处于不健康的状态,加剧电池损耗,减少电池寿命,并且对乡村电力系统的稳定运行也会造成影响,所以本发明实施例提出了一种电量调度优化策略。
[0023] 首先在电力系统中获取试点乡村预设历史时段内的能源时序数据,包括了试点乡村的用电数据、每个发电源的发电数据、电力存储系统的充电数据以及SOC数据。其中,试点乡村的用电数据表征了该地区的用电情况;发电源具体可以例如为太阳能、风能、水能、热能等多种自然能源,该能源通过逆变器转换为交流电,也即发电数据,将电流电压、电量信息发送至能源管理系统中,将剩余电量传输至电力存储设备中,也即得到了电力存储系统的充电数据;在供电需求过高,对电力存储系统中的电量进行调度时,则可以获取到SOC(State Of Charge)数据,SOC数据具体为存储系统中的剩余电量与最大储电量的比值。
[0024] 需要说明的是,所有能源时序数据中每个数据点均包含时刻和数据值两个信息,且每种能源时序数据的长度均相等;能源时序数据的获取方式可根据电力系统监控软件进行监测并获取,具体获取方法可根据实施场景进行选择与调整,在此不做限定及赘述;预设历史时段设置为当前时刻起的历史半年内,具体时长可根据实施场景进行调整,在此不做限定。
[0025] 至此,可以获取到试点乡村的多种历史能源时序数据,在后续过程中,可对所得能源时序数据进行分析,用于调整放电策略。
[0026] 步骤S2:根据用电数据和SOC数据中数据值之间的差异以及差异的变化同步情况,得到电能调度响应率;根据电能调度响应率和所述SOC数据的数值特征以及数据值的变化趋势,得到电力存储系统的健康系数。
[0027] 电力存储系统用于平衡供电系统的负载压力,当供电系统的供电不足时,才启用电力存储系统,因此电力存储系统的充放电完全根据供电系统负载而定,而零碳能源的发电方式相比于传统火力发电而言更依赖于不同地区的环境因素,存在较多的不确定性,因此供电系统可能频繁出现电力负荷的波动或者电力过载情况,对应的电力存储系统也在频繁的充放电,而存储系统最理想的状态为浅充浅放,完全放空或完全充满均会增加电力存储系统的压力并加速电池老化。因此需要对零碳乡村的电力存储系统放电控制策略进行优化。
[0028] 电池的深度放电是指电池放电至其最低允许电压以下的过程,这会对电池的健康状况产生负面影响。深度放电会导致电池内部的化学反应失衡,增加电池内阻,减少电池容量,甚至可能导致电池失效。因此,在调整放电策略时,应当关注电力存储系统中电池的健康状况。
[0029] 电池的电能调度能力是指电池在需要放电时能否及时响应需求,如果电池能够及时、准确地响应需求,则说明电池健康状况良好,相反,若电池在电能调度过程中表现出延迟、不准确等情况,则意味着电池的健康状况出现问题,所以可以分析用电数据和SOC数据中数据值之间的差异以及差异的变化同步情况评价电池的电能调度能力,得到电能调度响应率,将该值作为后续评价电力存储系统中电池健康状况的一个指标。
[0030] 优选地,本发明一个实施例中,电能调度响应率的获取方法包括:用电数据表征了试点乡村的用电情况,SOC数据表征了电力存储系统中的电量剩余情况,因此可以获取二者各自的数据变化特征,然后分析数据变化特征之间的变化同步性,用于表征电能调度情况。
[0031] 差分数列可用于表征相邻两个数据值之间的变化情况,所以首先在用电数据中,计算所有数据点数据值的一阶差分数列,作为第一序列;同时在SOC数据中,计算所有数据点数据值的一阶差分数列,作为第二序列。第一序列中的每个数值表征了每个时刻的用电变化量,第二序列中的每个数值则表征了每个时刻的调度变化量。例如,时刻为1234,则差分数列计算的是时刻2与时刻1的数据值差值,时刻3和时刻2的数据值差值,时刻4与时刻3的数据值差值。
[0032] 然后分析用电变化量和调度变化量之间的变化同步性,即可得到电能调度响应率,由于调度会存在细微的时间延迟,因此本发明实施例中将每个时刻的用电变化量和下一时刻的调度变化量进行分析,从而得到电能调度响应率。电能调度响应率的公式模型为:其中, 表示电能调度响应率;表示一阶差分数列中的数值总数;表示第一序列中的第 个数值; 表示第二序列中的第 个数值; 表示第一序列中的数值最大值; 表示第二序列中的数值最大值; 表示归一化函数;表示预设第一参数;
表示预设第二参数。
[0033] 在电能调度响应率的公式模型中,根据第一序列中每个数值与该序列中的最大值求比值,从而得到用电变化比 ,表征了此时的用电情况,当该值大于或等于0,且越大时,则说明此时用电量需求增大,且供电系统可能无法满足试点乡村的用电需求,需要进行电能调度,反之,当该值小于0时,则说明此时无需进行电能调度。然后根据第二序列中每个数值与该序列中最大值的比值,从而得到调度变化比 ,表征了此时的电能调度情况,当该值小于0时,则说明此时电力存储系统中的电能被调走,供电系统无法满足试点乡村的用电需求,需要进行电能调度,反之,当该值大于或等于0时,说明此时不需要进行电能调度,反而可能会产生剩余能量,使得电力存储系统中的电能增加;基于前述分析可知,当某个时刻的用电变化比与其下一个时刻的调度变化比的和值越接近0,则可说明电力存储系统的电能调度响应率越高且调度的量更加精准,所以构建公式 ,该值越小,说明电能调度越及时,电力存储系统对用电需求变化的响应能力越高,然后将该值进行归一化后并负相关映射,实现逻辑关系矫正,得到了电能调度响应率。
[0034] 需要说明的是,预设第一参数 和预设第二参数 的作用均为防止分母为0,在此可取值为0.001,具体数值可根据实施场景进行调整,在此不做限定。
[0035] 在获取到电能调度响应率之后,可将其作为评价电力存储系统健康状况的一个指标,同时,电池的放电以及充电的次数以及深度放电的频次可以直接影响到电力存储系统的健康状况,而这些因素可以由存储系统中的剩余电量与最大储电量的比值,也即SOC数据的变化趋势进行表征,所以本发明该实施例中,将电能调度响应率、SOC数据中数据值的数值特征以及数据值的变化趋势相结合,评价电力存储系统的健康状况,得到健康系数。
[0036] 优选地,本发明一个实施例中,健康系数的获取方法包括:由于SOC数据中数据值的增加表示了此时电力存储系统处于充电状态,反之,数据值的减少则表示了此时电力存储系统处于放电状态。所以可以根据SOC数据中数据值的变化趋势对SOC数据进行分段,得到递增数据段的总数和递减数据段的总数,递增数据段的总数可视为电力存储系统充电的次数,而递减数据段的总数可视为电力存储系统放电的次数。当充电次数和放电次数处于一个相对平衡的状态时,电池出现充电饱和或者放电亏损的概率会降低,因此将递增数据段的总数与递减数据段的总数之间的差异作为电力存储系统的亏损因子。
[0037] 递增数据段的总数和递减数据段的总数的获取方法具体包括:获取SOC数据中的极大值点和极小值点;对于任意一个极大值点,将该极大值点与时序上相邻的后一个极小值点之间的数据段作为递减数据段;对于任意一个极小值点,将该极小值点与时序上相邻的后一个极大值点之间的数据段作为递增数据段;然后统计所有的递增数据段的总数和递减数据段的总数。
[0038] 接着统计SOC数据中数据值为预设常数的数据点的数量,作为深度放电次数;并将深度放电次数进行负相关映射并归一化后的值作为电力存储系统的健康因子。
[0039] 最后根据电能调度响应率、电力存储系统的亏损因子以及电力存储系统的健康因子,得到电力存储系统的健康系数;电能调度响应率与电力存储系统的健康因子均与健康系数呈正相关;电力存储系统的亏损因子与健康系数呈负相关。健康系数的公式模型具体可以例如为:其中, 表示电力存储系统的健康系数; 表示电能调度响应率; 表示深度放电次数; 表示SOC数据中递增数据段的总数; 表示SOC数据中递减数据段的总数;表示预设第三参数;表示自然常数。
[0040] 在健康系数的公式模型中,深度放电次数越多,则电池更可能收到损坏,反之,深度放电次数越少,则表明电池可能更健康,所以将深度放电次数进行负相关映射并归一化操作,得到电力存储系统的健康因子 。由于SOC数据中数据的递增对应着电池的充电状态,数据的递减对应着电池的放电状态,而充电次数与放电次数不能处于相对平衡状态的话,会导致电池出现充电饱和或者放电亏损的情况,故计算了SOC数据中递增数据段总数与递减数据段的总数之间的差异,作为电力存储系统的亏损因子 ,当该差异值越大时,说明充电次数和放电次数偏差较多,此时电池更容易受到亏损,反之,当该差异值越小时,说明充电次数和放电次数较为相等,此时更容易形成浅充浅放的情况,那么电池就越健康。当电能调度响应率越高时,也可反映出此时电池的状态更佳,所以将电力存储系统的亏损因子 作为分母部分,将电力存储系统的健康因子与电能调度响应率的乘积作为分子部分 ,构建公式,从而获得电力存储系统的健康系数。
[0041] 需要说明的是,预设常数取值为0,意味着此时电池中没有电量,即处于深度放电状态;预设第三参数 的作用为防止分母为0,在此可取值为0.001,具体数值可根据实施场景进行调整,在此不做限定;正相关关系表示因变量会随着自变量的增大而增大,因变量会随着自变量的减小而减小,具体关系可以为相乘关系、相加关系、指数函数的幂等,由实际应用进行确定;负相关关系表示因变量会随着自变量的增大而减小,因变量会随着自变量的减小而增大,可以为相减关系、相除关系等,由实际应用进行确定。
[0042] 至此,通过对用电数据和SOC数据的差异以及联系进行分析,得到了调整电量调度策略的一个影响因素:电力存储系统的健康系数,在后续过程中可进一步对其他能源时序数据进行分析,用以更加全面、准确地对电量调度策略进行调整。
[0043] 步骤S3:对于任意一个发电源,分析对应的发电数据中数据值的波动情况,以及对应的发电数据与电力存储系统的充电数据中数据值之间的相关关系,得到该发电源的发电稳定特征值。
[0044] 不同的发电源受到的影响因素各不相同,如风能、太阳能可能受到气象因素的影响更大,水能则更多可能受到流速和地形落差的影响,其中,气象因素变化较为频繁,因此风能、水能的发电数据也会产生相应的数据波动,而这种数据波动会直接影响到发电源的发电稳定性,了解发电源的发电稳定性可以有助于确定是否需要调整放电策略以及调整的程度,以保证整个电力系统的抗风险能力。
[0045] 发电源的发电稳定性可以通过发电数据的波动情况进行表征,由于发电源发电量过剩时,会将剩余能量存储至电力存储系统中,也即得到电力存储系统的充电数据,故发电源的发电数据和电力存储系统的充电数据之间的相关情况,也可用于表征发电源的发电稳定性。所以本发明该实施例中,分析每个发电源对应的发电数据中数据值的波动情况,同时分析发电数据与电力存储系统的充电数据之间的相关关系,从而得到每个发电源的发电稳定特征值。
[0046] 优选地,本发明一个实施例中,发电稳定特征值的获取方法包括:由于一组数据的方差可以反映该组数据中数据值的波动情况,所以对于任意一个发电源,计算该发电源对应的发电数据中所有数据值的方差,并对该方差进行归一化操作,得到该发电源的发电波动因子。
[0047] 表征两组数据之间的相关情况,可以优先使用皮尔逊相关系数,故计算该发电源对应的发电数据中所有数据值与电力存储系统的充电数据中所有数据值之间的皮尔逊相关系数,作为该发电源的发电稳定因子。
[0048] 最后根据该发电源的发电波动因子与发电稳定因子得到该发电源的发电稳定特征值,发电波动因子与发电稳定特征值呈负相关,发电稳定因子与发电稳定特征值呈正相关。发电稳定特征值的公式模型具体可以例如为:其中, 表示第个发电源的发电稳定特征值; 表示第 个发电源的发电数据的方差; 表示第个发电源的发电数据; 表示电力存储系统的充电数据; 表示求皮尔逊相关系数;表示预设正数; 表示归一化函数。
[0049] 在发电稳定特征值的公式模型中,每个发电源的发电数据中所有数据值的方差反映了该发电源的发电数据的波动情况,且方差值越大,数据波动越大,所以将该方差进行归一化处理,作为该发电源的发电波动因子;然后分析该发电源的发电数据与电力存储系统的充电数据之间的相关情况,计算二者的皮尔逊相关系数,作为该发电源的发电稳定因子,当发电稳定因子越大时,说明电力存储系统的充电数据与该发电源的发电数据越呈现出正相关的关系,即发电源的发电量越高时,电力存储系统的充电量也高,这表明该发电源对于电力存储系统的贡献度高,说明稳定性越好;发电稳定因子本质为皮尔逊相关系数,其取值范围为[‑1,1],为了便于后续计算,将发电稳定因子进行取值范围的调整,得到,使得取值在0‑1之间。最后将发电源的发电波动因子进行负相关映射后的值与 相乘,得到发电源的发电稳定特征值。
[0050] 需要说明的是,预设正数 取值为1,在本发明其他实施例中,可进行改变,在此不做限定。
[0051] 至此,通过对每个发电源的发电数据与电力存储系统的充电数据之间的联系进行分析,得到了每个发电源的发电稳定特征值,可将其作为后续调整电量调度策略的一个指标。
[0052] 步骤S4:获取试点乡村当前时刻所需的调度电量;根据电力存储系统的健康系数、所有发电源的发电稳定特征值以及发电数据对调度电量进行管理与调整,得到当前时刻电力存储系统的实际放电量。
[0053] 在上述过程中,得到了用于调整电量调度策略的两个指标,分别是电力存储系统的健康系数和每个发电源的发电稳定特征值,在此,可将二者综合起来,对试点乡村所需的调度电量进行调整。首先,需获取试点乡村当前时刻所需的调度电量。
[0054] 优选地,本发明一个实施例中,当前时刻所需的调度电量的获取方法包括:调度电量是动态变化的,当电力系统中的供电量无法满足当前时刻的用电量时,则需要调度电力存储系统的电用于支援,所以需要在电力系统监控软件中获取试点乡村当前时刻的用电量以及各个发电源当前时刻的发电量,然后将试点乡村当前时刻的用电量与电力系统当前时刻所有发电源的发电量的和值做差,当该差值为负数时,说明此时供电充足,不需要进行电量调度,当该差值为0时,说明此时供电量刚好满足用电需求,也不需要进行电量调度;而当该差值为正数时,则说明所需的用电量大于供电量,则需要进行电量调度。故当该差值为正数时,将该差值作为当前时刻所需的调度电量,记作 。需要说明的是,在本发明其他实施例中,也可根据试点乡村历史时段内的用电数据进行预测,从而得到当前时刻的预测用电量,然后将当前时刻的预测用电量与电力系统当前时刻所有发电源的发电量的和值做差,当差值为正数时,将该差值作为当前时刻所需的调度电量。在进行预测时,可以采用线性回归算法、时间序列分析、神经网络等等,且均为本领域技术人员熟知的技术手段,在此不做赘述及限定。
[0055] 为了维护电力系统的稳定性,同时降低电力存储系统中电池的损耗,所以应该基于电力存储系统的健康系数、发电源的发电稳定情况等对调度电量进行调整与管理,得到当前时刻实际调度电量,也就是当前时刻电力存储系统的实际放电量。
[0056] 优选地,本发明一个实施例中,根据电力存储系统的健康系数、所有发电源的发电稳定特征值以及发电数据对调度电量进行管理与调整,得到当前时刻电力存储系统的实际放电量,包括:首先对每个发电源的发电稳定特征值进行归一化操作,得到每个发电源的发电权重。
[0057] 然后将每个发电源的发电数据中最后一个时刻的数据值,也即当前时刻的前一个时刻的发电量,作为目标发电量,将每个目标发电量与最大目标发电量的比值作为每个发电源的发电比例。将每个发电源的发电权重与发电比例的乘积作为每个发电源的发电能效,并将所有发电源的发电能效的和值作为发电综合能效。
[0058] 最后将电力存储系统的健康系数与发电综合能效的乘积进行归一化后的值,作为调度电量的调整系数,将调整系数与调度电量的乘积作为当前时刻电力存储系统的实际放电量。实际放电量的公式模型为:其中, 表示当前时刻 电力存储系统的实际放电量; 表示电力存储系统的健康系数; 表示第个发电源的发电稳定特征值;表示发电源的总数; 代表求和归一化符号; 表示第个发电源在当前时刻的前一个时刻的发电量,也即目标发电量; 表示最大目标发电量;表示当前时刻 的调度电量; 表示归一化函数。
[0059] 在实际放电量的公式模型中,每个发电源的发电稳定特征值是基于该发电源的发电数据的整体波动情况获得的,因而可将发电稳定特征值进行归一化处理,得到该发电源的发电权重 ;然后将每个发电源的发电数据中最后一个时刻的数据值作为目标发电量,也就是当前时刻的前一个时刻的发电量,将每个目标发电量与最大目标发电量的比值作为每个发电源的发电比例 ,发电比例越大,说明该发电源的发电量较高,然后将每个发电源的发电权重与发电比例的相乘,所的乘积作为每个发电源的发电能效 ,发电能效越大,说明该发电源的发电效率越高,且发电量越稳定,然后将所有发电源的发电能效进行累加,从而得到发电综合能效 。当电力存储系统的健康系数越大时,说明电力存储系统中的电池越健康,同时,当所有发电源的发电综合能效越大时,说明此时电力存储系统中可能存储了较多的备用能源,因此在对调度电量进行调整时,可以放出较多的电量;反之,当所有发电源的发电综合能效越小时,说明此时电力存储系统中所存储的备用能源可能较少,若不降低放电量,则可能导致电池过度放电,造成亏损,且若电力存储系统的健康系数也越小时,为了保证电力系统的整体稳定性,更应该减小放电量。所以将发电综合能效与电力存储系统的健康系数进行相乘,所得乘积进行归一化处理,得到调度电量的调整系数 ,最后将调整系数与调度电量相乘,作为当前时刻电力存储系统的实际放电量。
[0060] 需要说明的是,在本发明该实施例中,对于试点乡村的供电量不足,需要调用电力存储系统中的能源时,所调整后的实际放电量会小于所需的调度电量,原因在于为了防止发生电力存储系统中的电池发生过度放电从而导致电池损坏的情况,同时确保了试点乡村电力系统的稳定运行和后续的供电可靠性,而调度电量与试点乡村系统的实际放电量之间的差值则可通过其他补充能源进行弥补,具体可以例如为加强与其他地区或电网的互联,实现能源的互补和优化配置等等。
[0061] 至此,在供电量不满足用电需求时,通过调节电力存储系统的放电量,保证了存储系统可以平稳的放电,避免过度放电,进而延长了电池寿命,改善了供电系统和存储系统之间的循环生态,并增强了电力系统的抗风险能力。
[0062] 本实施例还提供了一种零碳乡村综合能源管理系统,该系统包括存储器、处理器和计算机程序,其中存储器用于存储相应的计算机程序,处理器用于运行相应的计算机程序,计算机程序在处理器上运行时能够实现任意一项一种零碳乡村综合能源管理方法的步骤。
[0063] 综上所述,本发明实施例首先获取试点乡村的历史能源时序数据,包括了用电数据、各个发电源的发电数据、电力存储系统的充电数据以及SOC数据。由于电池的深度放电会对电力存储系统中的电池造成损坏,因此在调整放电策略时,应当关注电池的健康状况,而电池的健康与否与其对电量调度的响应率存在联系,这种联系可通过用电数据与SOC数据进行反映,故分析用电数据和SOC数据中数据值之间的差异以及变化同步情况,得到了电能调度响应率,由于深度充电或深度放电均会影响到电池的健康状况,所以将电能调度响应率与SOC数据中数据值的变化趋势相结合,得到电力存储系统的健康系数,将其作为后续调整放电策略的一个指标。进一步地,因为发电源的发电稳定情况以及发电量也会对放电策略的调整存在影响,所以基于此特征,计算了每个发电源的发电稳定特征值,将其作为后续放电策略调整一个指标。最后根据电力存储系统的健康系数以及所有发电源的发电稳定特征值对当前时刻所需的调度电量进行调整,得到实际放电量,此时的实际放电量由于考虑了电力存储系统的健康状况、各个发电源的发电稳定情况,故能保证平稳的放电,避免电池深度放电,有效改善了供电系统和存储系统之间的循环生态,提高了电池寿命。
[0064] 需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
[0065] 本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
QQ群二维码
意见反馈