[发明专利]基于模型预测的运营商储能的滚动优化方法及装置

说明书

本申请公开基于模型预测的运营商储能的滚动优化方法及装置，方法包括：将被控对象的历史信息和影响因子输入预测模型，获得负荷出力行为和光伏行为；根据负荷出力行为和光伏行为建立用户模型；根据用户模型获得预设时段内用户的放电需求以及光伏出力，并根据放电需求以及光伏出力建立云储能充放电策略模型；根据云储能供应商运行成本最小的需求，对云储能充放电策略模型进行滚动优化处理，获得滚动优化处理后的输出值；测量滚动优化处理后的输出值和滚动优化处理前的输入值之间的差值，并将差值作用到滚动优化处理后的输出值，得到滚动优化结果。本申请可以减小中间损耗，提高云储能的盈利效果，使得云储能运营商管理储能方式更加科学有效。

技术领域

本申请涉及云储能技术领域，尤其涉及基于模型预测的运营商储能的滚动优化方法及装置。

背景技术

在提出双碳目标的背景下，为了实现电力系统的清洁、高效、可靠等目标，大量的分布式发电设备(如风力、光伏发电)、储能设备等接入到电网中，使得电网出现非线性，时空分布的不确定性等特性。面对出现的能源并网难度大，储能的发展为其提供了一个解决思路。新能源的发展使得发电和储能不再完全被发电集团等占有，用户完全能够自行搭建发电和储能设备。随着共享经济的发展，国内外兴起一种云储能的概念。云储能是一种可以实现信息、费用双向传输的储能云共享平台交易。

目前，云储能有两种实现方式，第一种也就是云储能的初始阶段，用户拥有分布式储能设备，共享储能平台；另一种为独立的储能运营商自建储能设备，用户搭建分布式储能资源为辅，二者联合为用户提供完整的储能服务。在借助用户分布式储能设备后，由电力公司搭建的云储能平台可以综合用户的充放电需求，在满足用户需求的基础上实现最小损耗的利用。云储能可以使得用户多余的电量可以进入共享平台中，实现用户充分的互补性提高储能效率。

但是，云储能同样会带来一些问题，由于用户的充放电属于无序行为，如何能够使得云储能运营商管理储能方式，选择储能容量这亟待解决。

发明内容

本申请提供基于模型预测的运营商储能的滚动优化方法及装置，以解决现有技术中云储能运营商管理的储能方式不够科学的问题。

为解决上述技术问题，本申请提出一种基于模型预测的运营商储能的滚动优化方法，包括：将被控对象的历史信息和影响因子输入预测模型，获得负荷出力行为和光伏行为；根据负荷出力行为和光伏行为建立用户模型；根据用户模型获得预设时段内用户的放电需求以及光伏出力，并根据放电需求以及光伏出力建立云储能充放电策略模型；根据云储能供应商运行成本最小的需求，对云储能充放电策略模型进行滚动优化处理，获得滚动优化处理后的输出值；测量滚动优化处理后的输出值和滚动优化处理前的输入值之间的差值，并将差值作用到滚动优化处理后的输出值，得到滚动优化结果。

可选地，获得负荷出力行为的步骤，包括：采用K-means均值聚类法对用户进行聚类；对负荷使用数据按照节假日和工作日进行分类，并将分类后的负荷使用数据输入不同的数据模型进行训练；采用支持向量机回归法，将预设时间内的天气情况作为影响因子输入已经训练好的数据模型中，从而获得预测的用户负荷出力行为。

可选地，获得光伏行为的步骤，包括：对天气数据进行聚类分组；在分组完成的情况下，将环境温度平均值、相对湿度和风速输入光伏出力神经网络的预测模型进行训练，从而输出24小时的光伏发电出力功率数值作为光伏行为的数据；其中，光伏出力神经网络的预测模型的隐含层为1层，时间分辨率为1小时。

可选地，云储能充放电策略模型为：

式中：为云储能提供商储能从电网购电的总功率；和分别为云储能运营商在t时段控制储能装置充电和放电的功率；表示各时段所有云储能用户放电需求总和；表示各时段所有云储能用户光伏过剩功率总和。