一种用于储能电站电力市场的调控方法及系统与流程

摘要: 本发明涉及储能电站,具体涉及一种用于储能电站电力市场的调控方法及系统。背景技术:1、现有储能电站电力市场调控方法存在诸多不足:一是数据处理能力薄弱,多源异构数据...
一种用于储能电站电力市场的调控方法及系统与流程

本发明涉及储能电站,具体涉及一种用于储能电站电力市场的调控方法及系统。

背景技术:

1、现有储能电站电力市场调控方法存在诸多不足:一是数据处理能力薄弱,多源异构数据存在冗余、噪声及时间错位问题,无法为后续调控提供精准支撑;二是预测精度不足,缺乏多算法协同的预测机制,难以精准输出用电基本量、电价及辅助服务需求等关键数据;三是充放电计划优化缺乏灵活性,无法有效应对电力市场的实时波动,难以平衡经济收益与电池老化成本;四是实时调度控制的刚性与柔性协同不足,偏差调整缺乏规范流程,易出现基本用电需求无法保障或设备损耗过大的问题;五是风险管控体系不完善,无法精准量化各类核心风险,应对措施缺乏针对性,难以形成闭环优化。

技术实现思路

1、本发明的目的在于克服现有技术的不足,本发明提供了一种用于储能电站电力市场调控方法及装置,通过采集多源异构数据并进行特征提取与对齐,输出多维度预测数据,生成优化充放电计划并实时修正,结合强化学习执行指令并反馈风险,形成闭环优化,解决了数据处理失真和风险量化不足等问题,具有提升储能运行经济性与安全性的优点。

2、本发明提供了一种用于储能电站电力市场的调控方法,所述调控方法包括:

3、采集电力市场及储能电站运行相关多源异构数据,采用卷积神经网络结合注意力机制进行特征提取、噪声消除与时间对齐,得到统一数据集;

4、采用分位数回归lstm算法、lstm-transformer混合模型及机器学习集成算法对所述统一数据集进行处理,输出多维度预测数据;

5、根据储能电站最大化收益与电池老化成本结合设定目标函数,结合所述多维度预测数据,采用遗传算法生成日前24小时充放电计划,并采用模型预测控制进行日内滚动修正,得到最优充放电功率曲线及可调节裕度;

6、基于所述最优充放电功率曲线、所述可调节裕度及多维度预测数据,结合强化学习算法优化映射参数,生成合规储能运行指令并执行,同时反馈实时运行数据;

7、根据所述实时运行数据检测储能电站的核心风险,根据核心风险触发对应应对策略,形成闭环优化。

8、进一步的,所述采集电力市场及储能电站运行相关多源异构数据,采用卷积神经网络结合注意力机制进行特征提取、噪声消除与时间对齐,得到统一数据集包括:

9、采集市场电价数据、负荷预测数据、电网agc调度指令、气象数据、电池运行参数及电网运行参数,构建所述多源异构数据;

10、采用卷积神经网络提取所述多源异构数据的局部特征,基于注意力机制对所述多源异构数据的若干个局部特征赋予权重,根据权重比例筛选出影响储能策略的关键特征;

11、对不同频率的采集数据进行时间对齐与标准化处理,消除数据冗余与噪声,获取统一数据集。

12、进一步的,所述采用分位数回归lstm算法、lstm-transformer混合模型及机器学习集成算法对所述统一数据集进行处理,输出多维度预测数据包括:

13、构建分位数回归lstm模型,设定90%的置信度阈值,在所述统一数据集提取历史负荷数据、气象数据、节假日信息、电网运行数据作为用电基本量预测的输入;

14、基于所述分位数回归lstm算法输出高置信度的用电基本量曲线。

15、进一步的,所述采用分位数回归lstm算法、lstm-transformer混合模型及机器学习集成算法对所述统一数据集进行处理,输出多维度预测数据还包括:

16、在所述统一数据集中提取历史电价数据、负荷预测数据、市场交易品种信息、政策调控信息作为输入,构建lstm-transformer混合模型,通过训练后输出未来24小时实时电价预测值及预测置信区间;

17、采用机器学习集成算法结合所述统一数据集,对电网调频需求、备用容量需求、agc指令响应需求进行预测,输出辅助服务需求的时间分布曲线。

18、进一步的,所述根据储能电站最大化收益与电池老化成本结合设定目标函数,结合所述多维度预测数据,采用遗传算法生成日前24小时充放电计划,并采用模型预测控制进行日内滚动修正,得到最优充放电功率曲线及可调节裕度包括:

19、明确优化目标与约束条件,以储能电站最大化收益与电池老化成本结合设定为核心目标,同时明确刚性约束,采用遗传算法生成日前24小时初始充放电计划;

20、结合实时运行数据,采用模型预测控制算法按单位时间间隔对初始计划进行滚动修正;

21、输出经约束校验合格的最优充放电功率曲线及可调节裕度。

22、进一步的,所述基于所述最优充放电功率曲线、所述可调节裕度及多维度预测数据,结合强化学习算法优化映射参数,生成合规储能运行指令并执行,同时反馈实时运行数据包括:

23、基于用电基本量曲线结合储能电站的应用场景,明确刚性约束参数;

24、实时采集储能电站的实际输出功率或实际购电功率,同时同步采集电池运行参数,将实际功率与对应时刻的用电基本量进行实时比对,识别是否存在功率偏差,同时判断偏差是否超出预设的偏差阈值;

25、若实际功率高于用电基本量且未超出储能额定功率,维持当前运行状态,确保刚性约束满足;

26、若实际功率低于用电基本量且偏差超出阈值,立即启动调整机制,对储能电站的用电情况进行调整。

27、进一步的,所述若实际功率低于用电基本量且偏差超出阈值,立即启动调整机制,对储能电站的用电情况进行调整包括:

28、若储能电站的供电侧处于放电状态且实际功率低于用电基本量,优先增大放电功率,调整幅度不超过额定放电功率的10%/分钟;

29、若放电功率已达额定值仍未满足约束,则暂停储能充电操作;

30、若储能电站的用电侧实际购电功率低于用电基本量,优先增大电网购电功率,调整幅度不超过额定购电功率的10%/分钟,若购电功率已达上限,减少储能放电功率,直至实际购电功率满足刚性约束;

31、进一步的,所述根据所述实时运行数据检测储能电站的核心风险,根据核心风险触发对应应对策略,形成闭环优化包括:

32、采用蒙特卡洛模拟、风险价值分析、敏感性分析相结合的方法,模拟电价波动、负荷偏差等不确定性因素的影响,量化经济风险的最大可能损失,识别出影响储能收益及安全运行的关键风险因素;

33、基于量化分析结果,重点评估电价预测误差、soc不足、设备老化三类核心风险,明确各类风险的影响程度、潜在后果及发生概率,形成完整的风险评估报告。

34、进一步的,所述采用蒙特卡洛模拟、风险价值分析、敏感性分析相结合的方法,模拟电价波动、负荷偏差等不确定性因素的影响,量化经济风险的最大可能损失,识别出影响储能收益及安全运行的关键风险因素包括:

35、采用蒙特卡洛模拟生成1000组不同电价波动场景,模拟不同偏差率下的经济损失,结合风险价值分析,确定95%置信水平下的最大经济损失,量化该风险的影响程度;

36、采用敏感性分析计算soc低于20%阈值时,无法满足基本用电需求的概率及对应的供电中断损失,量化该风险的发生概率与潜在后果;

37、建立充放电行为与电池老化速率的关联模型,量化不同调节频率下电池老化成本的增加量,将三类风险的量化结果整合,形成风险评估数据。

38、本发明还提供了一种用于储能电站电力市场的调控装置,所述调控装置包括:

39、数据采集与融合单元:用于采集电力市场及储能电站运行相关多源异构数据,采用卷积神经网络结合注意力机制进行特征提取、噪声消除与时间对齐,得到统一数据集;

40、智能预测单元:用于采用分位数回归lstm算法、lstm-transformer混合模型及机器学习集成算法对所述统一数据集进行处理,输出多维度预测数据;

41、多目标优化单元:用于根据储能电站最大化收益与电池老化成本结合设定目标函数,结合所述多维度预测数据,采用遗传算法生成日前24小时充放电计划,并采用模型预测控制进行日内滚动修正,得到最优充放电功率曲线及可调节裕度;

42、实时调度与控制单元:用于基于所述最优充放电功率曲线、所述可调节裕度及多维度预测数据,结合强化学习算法优化映射参数,生成合规储能运行指令并执行,同时反馈实时运行数据;

43、风险评估与反馈单元:根据所述实时运行数据检测储能电站的核心风险,根据核心风险触发对应应对策略,形成闭环优化。

44、本发明提供了一种用于储能电站电力市场调控方法及装置,通过采集多源异构数据并进行特征提取与对齐,输出多维度预测数据,生成优化充放电计划并实时修正,结合强化学习执行指令并反馈风险,形成闭环优化,解决了数据处理失真和风险量化不足等问题,具有提升储能运行经济性与安全性的优点。