光储充一体化场站负荷动态削峰填谷调度控制方法及系统与流程

摘要: 本发明涉及新能源微电网能量管理,具体涉及一种光储充一体化场站负荷动态削峰填谷调度控制方法。背景技术:1、光储充一体化场站是集光伏发电、电池储能和电动汽车充电三大...
光储充一体化场站负荷动态削峰填谷调度控制方法及系统与流程

本发明涉及新能源微电网能量管理,具体涉及一种光储充一体化场站负荷动态削峰填谷调度控制方法。

背景技术:

1、光储充一体化场站是集光伏发电、电池储能和电动汽车充电三大功能于一体的新能源服务设施。其核心运行目标是在满足电动汽车充电需求的前提下,通过储能系统充放电调度实现配电网负荷削峰填谷,降低需量电费、提升清洁能源就地消纳率。

2、场站负荷调度面临三个核心不确定性:(1) 光伏出力的间歇性和随机性,受辐照度、温度、云量等环境因素影响;(2) 电动汽车充电需求的随机到达性和强波动性;(3) 分时电价和电网需求响应信号的时变特性。三者叠加使场站实时调度成为高维、强非线性的多目标优化问题。

3、现有技术主要采用三类调度方法。第一类是预测-规划式日前调度,采用lstm网络预测光伏出力和充电负荷后建立优化模型(参见cn118801384a、cn118399382a)。第二类是智能优化算法调度,采用粒子群算法(参见cn122136923a)或nsga-iii算法(参见cn122026512a)求解优化模型。第三类是模式切换规则调度,将运行状态划分为若干模式通过阈值判断切换(参见cn122203364a)。

4、上述现有技术存在以下不足:

5、第一,调度为串行单引擎架构。现有方法均采用"预测→优化→执行"的单向串行流水线,实时调度与全局优化无法并行执行。当一个环节出现偏差时只能等待下一周期修正,缺乏并行协同和实时自愈能力。

6、第二,储能soc边界处理为硬截断。当储能荷电状态(soc)接近上下限时,现有方法直接将储能单元排除出优化计算,导致边界处调度方案数值不连续、功率发生突变。

7、第三,负荷分配为集中式单路径。现有方法将多个储能单元的充放电功率视为单个集中变量统一分配,未充分利用各单元的差异化可用容量进行分布式协调。

8、第四,优化空间维度固定且冗余。现有方法将全天96个15分钟时段作为固定维度独立处理,未对相邻负荷特征相似的时段进行合并降维,优化计算量大且搜索效率低。

9、第五,调度方案选择缺乏量化评估。现有多目标优化方法通常输出帕累托前沿后由人工选择方案,缺乏对候选方案的多指标自动量化评估机制。

10、第六,全局优化搜索算法种群更新方式单一。现有粒子群等优化算法采用全量迭代更新策略,每次迭代更新所有个体,缺乏对不同进化阶段个体的分层管理和自适应淘汰机制,导致收敛速度慢且种群多样性易衰减。

技术实现思路

1、本发明所要解决的技术问题是现有技术中存在的如何构建具有双引擎并行协同、自适应边界处理、分布式负荷分配、多层候选解池分层优化和在线自愈学习能力的光储充一体化场站实时调度系统的技术问题。提供一种新的光储充一体化场站负荷动态削峰填谷调度控制方法,该方案具有克服现有串行单引擎架构响应滞后、soc边界硬截断、集中式单路径分配、搜索种群管理单一以及方案选择缺乏量化评估的不足的特点。

2、为解决上述技术问题,采用的技术方案如下:

3、本发明提供一种光储充一体化场站负荷动态削峰填谷调度控制方法,包括以下步骤:

4、s1:以第一周期t1执行分布式多路径负荷分配和soc最小厚度边界渐变过渡,产生实时调度方案;

5、s2:以第二周期t2异步执行相邻时段相似性融合降维和基于多层候选解池的自适应背景优化搜索,产生全局优化调度方案,所述第二周期t2大于所述第一周期t1;

6、s3:对所述实时调度方案和所述全局优化调度方案执行多指标模糊综合评估和四约束可信度判决,输出最终调度方案;

7、s4:当所述可信度判决结果为调度漂移时,触发调度方案重定位和模型参数退化加权更新。

8、进一步的,步骤s2中所述相邻时段相似性融合降维为:

9、计算相邻调度时段之间负荷特征向量f_t = [p_pv(t), p_ev(t), price(t),soc(t)]^t 的欧氏距离d(t, t+1) = ||f_t - f_{t+1}||2;

10、当 d(t, t+1)

11、融合阈值 d_fuse 自适应确定为:

12、d_fuse = γ · (1/(n_t-1)) · σ{t=1}^{n_t-1} d(t, t+1),γ为融合敏感度系数,取值范围0.3至0.6。

13、经过融合处理后,原始n_t个时段被压缩为m个融合调度段(m ≤ n_t),优化搜索维度显著降低。

14、进一步的,步骤s2中所述基于多层候选解池的自适应背景优化搜索包括以下子步骤:

15、b1. 周期噪声过滤预处理。后台检测引擎首先对历史光伏出力序列和充电负荷序列执行fourier周期分析,计算幅度谱 |f(ω_k)|,识别幅度显著高于序列平均水平的频率分量作为周期性噪声(如24小时昼夜循环、工作日/周末固定模式中已被预测模块捕获的确定分量),滤除周期性噪声分量后保留非周期残余信号作为优化输入,以提高优化搜索对真实随机性负荷变化的敏感性。

16、b2. 邻域单帧快速初始化。在降维后的m维搜索空间中,以当前实时跟踪引擎输出的调度方案为中心,在邻域半径r_init内均匀采样生成n_0个初始候选解。该初始化策略仅需当前状态作为种子,无需多轮迭代预热,实现单步快速初始化。

17、b3. 三层候选解池构建。构建m池(主模型池)、h池(一级缓存池)、u池(二级缓存池)三层候选解池架构。m池存储经过多轮验证的精英调度方案,规模上限为s_m;h池存储近期表现较好的候选方案,规模上限为s_h;u池存储随机生成的探索性方案,规模上限为s_u。三层池的初始容量分配为s_m : s_h : s_u = 1 : 3 : 6。

18、b4. 等概率随机替代更新。每轮搜索中,对新生成的候选解x_new与h池中现有方案逐一计算欧氏距离进行匹配。若距离小于匹配阈值θ_match,则判定为匹配成功,采用均匀分布随机数生成器产生[1, s_h]范围内的随机索引,以x_new替换该索引对应的h池方案;若匹配失败,将x_new插入u池。当u池达到上限s_u时,随机淘汰一个既有方案。该等概率替代策略使每个候选方案被替换的概率相等,生命周期呈指数递减趋势,自然淘汰劣质方案,保持种群多样性。

19、b5. 逐层晋升与降级机制。u池→h池:候选方案在u池中持续停留超过t_u个搜索轮次而未被淘汰,表明该方案具有持续竞争力,将其晋升至h池。h池→m池:候选方案在h池中连续k轮的综合评估得分进入前20%,表明其具有稳定的高质量,将其晋升至m池。m池→h池降级:m池中方案连续k轮综合评估得分未进入前50%,表明其已退化,将其降级回h池。该三层晋升降级机制实现了"自然选择"式的分层管理,使精英方案稳定保持在m池中参与最终竞争。

20、b6. 贝叶斯网络综合评分。以日运行成本(对应电网购电支出)、储能设备损耗(对应电池循环退化成本)、负荷优先级(对应削峰填谷对社会效益的贡献权重)和方案可行性(对应功率平衡约束违反程度)为四个因素构建贝叶斯网络条件概率表(cpt)。对m池中的每个候选调度方案,根据四个因素的评估值查表计算其综合得分,综合得分越高的方案在最终竞争中具有越高的优先级。该评分方式充分利用了各因素之间的条件依赖关系,相较于加权求和方式具有更强的非线性拟合能力。

21、进一步的,步骤s3中所述多指标模糊综合评估为:对候选调度方案计算实时偏差、经济成本、峰谷差、储能损耗和执行连续性五个评价指标的模糊隶属度 μ_j(x),按层次分析法ahp确定的权重向量 w = [w_1, w_2, w_3, w_4, w_5] 进行加权综合评分 score(x)= σ_{j=1}^{5} w_j · μ_j(x),选择得分最高的方案作为输出。

22、进一步的,步骤s3中所述四约束可信度判决包括:(1)正-正向约束,当前调度方案在目标模型上的得分应高于其邻域方案在目标模型上的得分;(2)负-负向约束,当前邻域方案在背景模型上的得分应高于调度方案在背景模型上的得分;(3)前后一致性约束,若前一时段方案可信,当前方案在目标模型上的得分应高于前一时段邻域方案的得分;(4)边界安全约束,soc始终处于 [soc_min+ε, soc_max-ε]范围内。四项约束全部满足判定为可信,任一不满足判定为调度漂移。

23、进一步的,步骤s4中所述调度方案重定位和模型参数退化加权更新为:当判定为调度漂移时,以当前状态为起点,使用步骤s2的全局优化调度方案对当前调度方案进行重定位,再以 p_new(t) = (1-γ)·p_old(t) + γ·p_relocated(t) 方式更新模型参数,其中γ为退化系数,取值范围0.05至0.15。

24、进一步的,所述第一周期t1为1分钟,所述第二周期t2为15分钟,两个周期对应的处理步骤异步并行执行、互不阻塞。

25、进一步的,在输出最终调度方案后,同步更新模糊隶属度函数的边界参数以适应场站运行环境的动态变化。

26、本发明还提供一种光储充一体化场站负荷动态削峰填谷调度控制系统,包括数据采集层、预测分析层、调度层和执行控制层,所述调度层用于执行上述方法。

27、与现有技术相比,本发明具有以下有益效果:

28、(1) 双引擎并行协同提升响应速度。实时跟踪引擎以1分钟周期快速响应负荷变化和光伏波动,后台检测引擎以15分钟周期异步执行全局优化,两引擎通过模糊融合判决器协同输出。相较于传统串行架构,响应时间从分钟级缩短至秒级。

29、(2) 分布式多路径负荷分配使调度结果光滑连续。各储能单元按其可用容量比例分担调节任务,避免了单路径集中式分配导致的过充过放和功率不连续问题,各储能单元的soc均衡度显著提升。

30、(3) soc最小厚度渐变过渡消除边界振荡。以微量ε厚度代替硬截断,使soc在上下边界处的数值变化保持连续渐变,数值稳定性显著提高。

31、(4) 时段相似性融合降维减小优化复杂度。根据负荷特征距离自适应合并相邻相似时段,将96维优化问题压缩至m维(通常m=30~50),计算量降低40%~60%。

32、(5) 多层候选解池分层管理实现高效搜索。三层池(m/h/u)的逐层晋升与降级机制实现了精英方案稳定保持、候选方案竞争筛选、探索方案保证多样性的分层管理。等概率随机替代策略使种群多样性在搜索过程中自然维持,避免了传统全量迭代更新导致多样性衰减的问题。

33、(6) 贝叶斯网络综合评分提高评估精度。利用条件概率表cpt捕获四个因素之间的非线性依赖关系,相较于线性加权评分具有更强的区分能力。

34、(7) 周期噪声过滤提高优化输入的纯净度。fourier周期分析滤除历史数据中的周期性确定分量,使优化搜索聚焦于真实的随机性负荷波动。

35、(8) 多指标模糊综合评估确保方案质量。ahp层次分析法确定指标权重结合模糊隶属度综合评分,使调度方案的选择有量化依据。

36、(9) 漂移感知在线学习实现系统自愈。四约束可信度判决自动感知调度漂移,触发重定位和退化加权增量更新,系统长期运行稳定性优于无自愈机制的方法。