一种基于人工智能的电力能源调度蓄能系统的制作方法

1.本发明涉及电力能源调度技术领域，特别涉及一种基于人工智能的电力能源调度蓄能系统。


背景技术：

2.电力是以电能作为动力的能源。电力的发现和应用掀起了第二次工业化高潮。成为人类历史18世纪以来，世界发生的三次科技革命之一，从此科技改变了人们的生活。20世纪出现的大规模电力系统是人类工程科学史上最重要的成就之一，是由发电、输电、变电、配电和用电等环节组成的电力生产与消费系统。它将自然界的一次能源通过机械能装置转化成电力，再经输电、变电和配电将电力供应到各用户。
3.在当前能源转型背景下，以风电为代表的新能源发电得到了迅速发展，然而，风电具有随机间歇性和反调峰特性，需要配备储能系统才能满足供电可靠性和高水平消纳要求，对电网安全稳定运行带来了新的挑战。抽水蓄能被誉为风电的最佳调峰电源，抽水蓄能的传统运行方式是“削峰填谷”，在负荷曲线的峰值时段发电，低谷时段抽水，在峰谷电价差的激励机制下保障抽水蓄能的经济效益。
4.上述中现有风电场抽水蓄能系统的运行方式是受全网用电负荷及调峰能力影响的一种被动的调控策略，随着风电入网规模的增大，风电的随机间歇性所导致的风电场出力波动性大的弊端也被放大，再加之被动的蓄能调控策略的影响，使得蓄能系统需要根据电网调度信息进行高频次的启停，导致其运行稳定性较低。为探究一种更为积极的风电场蓄能系统运行方法，以优化风电场的蓄能调控策略，提高蓄能系统的运行稳定性。我们提出一种基于人工智能的电力能源调度蓄能系统。


技术实现要素：

5.本发明的主要目的在于提供一种基于人工智能的电力能源调度蓄能系统，通过采用机器学习方法预测风电场在各电力调度时间段内的发电功率值，并计算电网净负荷值，根据电网净负荷值的计算结果，生成蓄能机组的控制指令，且通过对呈负值的电网净负荷值进行分类，确定调速器的运行档位，进而通过控制中心调节调速器选择对应的运行档位，以实现对抽水泵运行功率的控制，可以有效解决背景技术中的问题。
6.本发明采取的技术方案为：
7.一种基于人工智能的电力能源调度蓄能系统，包括逆变器、控制中心、蓄能机组、调速器和电力输出系统，所述系统还包括：
8.采集模块，用于通信连接电网调度中心，采集电力调度信息，获取各电力调度时间段内的用电负荷值p
u1
、p
u2
直至p
un
，其中，n为时间段总数，且n为正整数；
9.风电功率预测模块，用于预测风电场在各电力调度时间段内的发电功率值p
f1
、p
f2
直至p
fn
；
10.分析模块，用于计算各电力调度时间段内的电网净负荷p
j1
、p
j2
直至p
jn
，所述电网
净负荷值等于用电负荷值pu与风电场的发电功率pf的差值；
11.决策模块，所述决策模块与控制中心通信连接，用于根据电网净负荷值的计算结果，生成蓄能机组的控制指令；
12.所述控制中心接收决策模块的控制指令，并作用于调速器和电力输出系统，控制调速器的档位和风电场发电功率的输出。
13.进一步的，所述风电功率预测模块通过采用机器学习方法对风电场在各电力调度时间段内的发电功率值进行预测。
14.进一步的，所述蓄能机组包括至少一个高位蓄水池、至少一个低位蓄水池、至少一组抽水泵和至少一组水轮发电机组，所述高位蓄水池的海拔高度大于所述低位蓄水池的海拔高度，所述抽水泵、高位蓄水池、水轮发电机组和低位蓄水池间通过管道依次连接，且连接的管道上设置有控制阀门。
15.进一步的，所述控制指令用于控制蓄能机组的抽水泵运行，控制机制为：
16.当电网净负荷值为负值时，所述抽水泵运行；
17.当电网净负荷值为正值时，所述抽水泵停止运行。
18.进一步的，所述控制指令还用于确定调速器的运行档位，所述调速器与抽水泵连接，通过选择不同的运行档位实现对抽水泵运行功率的控制。
19.进一步的，所述决策模块还用于当电网净负荷值为负值时，获取电网净负荷值的分类结果。
20.进一步的，所述电网净负荷值的分类结果的获取方法包括以下步骤：
21.步骤一，获取电网净负荷pj的值，利用电网净负荷pj的数值创建样本集，记作{p
j1
，p
j2
，、、、，p
jm
},其中，m为电网净负荷值为负值的总个数，m为小于等于n自然数；
22.步骤二，获取样本集中的均值和标准差，利用均值和标准差对数据进行标准化，标准化公式为在此式中z为标准参量，σ为样本数据的方差，μ为样本数据的均值；
23.步骤三，在完成标准化后，将标准参量利用将数值区间调整至[0,1]之间，利用f(k)的函数值对电网净负荷值进行分类，分类的机制为：
[0024]
当f(k)min≤f(k)＜f(k)1时，电网净负荷值分类为一级；
[0025]
当f(k)1≤f(k)＜f(k)2时，电网净负荷值分类为二级；
[0026]
当f(k)2≤f(k)＜f(k)3时，电网净负荷值分类为三级；
[0027]
以此类推，当f(k)
t
≤f(k)＜f(k)max时，电网净负荷值分类为t级；
[0028]
其中，f(k)mi n，f(k)max分别为f(k)的函数值的最小值和最大值，f(k)1、f(k)2、、、f(k)
t
分别为f(k)的中间值，且f(k)mi n＜f(k)1＜f(k)2＜、、、＜f(k)
t
＜f(k)max，t为正整数。
[0029]
进一步的，所述f(k)的中间值f(k)1、f(k)2、、、f(k)
t
根据标准参量数据值的个数确定，具体确定方法的步骤为：
[0030]
步骤1，设标准参量数据值的个数为t个，其中，t为正整数，将f(k)的函数值由小到大依次进行排列，分别记为f(k)mi n、f(k1)、f(k2)、、、f(kt-1)、f(kt-2)、f(k)max；
[0031]
步骤2，以标准参量数据值的个数为被除数，数值t为除数，计算两者的的商，记作
t/t＝p...q；
[0032]
步骤3，分别取步骤1中第p、2p、3p、、、tp项所对应的f(k)的函数值作为f(k)的中间值f(k)1、f(k)2、、、f(k)
t
的值。
[0033]
进一步的，所述调速器的运行档位与电网净负荷值分类等级一致。
[0034]
本发明采取的技术方案的具体实施方法包括以下步骤：
[0035]
步骤1，首先，通过风电功率预测模块采用机器学习方法，构建深度学习模型，对风电场在各电力调度时间段内的发电功率值进行预测，获取风电场在各电力调度时间段内的发电功率值pf，具体方法为：
[0036]
s1,获取风电场实测的长度为s的历史风电数据，包括风速、风向、温度、湿度、气压及对应的发电功率值数据；
[0037]
s2,对获取的历史风电数据进行归一化处理；
[0038]
s3,以归一化后的风速、风向、温度、湿度、气压数据作为深度学习模型的输入向量数据，以对应的发电功率值数据作为模型的输出向量数据；
[0039]
s4,将输入向量和输出向量数据随机分为四等份，选取其中三份数据作为模型的训练集，另一份数据作为模型的测试集；
[0040]
s5,选择预测性能指标对模型进行评价，当预测精度达到设定要求时，通过模型输入预测结果；
[0041]
步骤2，通过采集模块采集电力调度信息，获取各电力调度时间段内的用电负荷值pu；
[0042]
步骤3，通过分析模块计算各电力调度时间段内的电网净负荷pj，所述电网净负荷值等于用电负荷值pu与风电场的发电功率pf的差值；
[0043]
步骤4，通过决策模块根据电网净负荷值的计算结果，生成用于控制蓄能机组的抽水泵运行控制指令；
[0044]
步骤5，控制中心接收决策模块的控制指令，并作用于调速器和电力输出系统，控制调速器的档位和风电场发电功率的输出，其中，控制机制为：
[0045]
当电网净负荷值为负值时，所述抽水泵运行；
[0046]
当电网净负荷值为正值时，所述抽水泵停止运行；
[0047]
步骤6，当抽水泵运行过程中，通过决策模块对电网净负荷值进行分类，并将分类结果发送至控制中心，控制中心通过分类结果获取电网净负荷值的分类等级，并根据分类等级确定调速器的运行档位，通过调速器选择不同的运行档位实现对抽水泵运行功率的控制。
[0048]
与现有技术相比，本发明具有如下有益效果：
[0049]
1)本发明提出的蓄能系统，通过采用机器学习方法预测风电场在各电力调度时间段内的发电功率值，并计算电网净负荷值，根据电网净负荷值的计算结果，生成蓄能机组的控制指令，且通过对呈负值的电网净负荷值进行分类，确定调速器的运行档位，进而通过控制中心调节调速器选择对应的运行档位，以实现对抽水泵运行功率的控制，能够根据电网调度信息调节蓄能机组的运行状态，优化风电场的蓄能调控策略，提高蓄能系统的运行稳定性。
附图说明
[0050]
图1为本发明一种基于人工智能的电力能源调度蓄能系统的整体结构框图。
具体实施方式
[0051]
下面结合具体实施方式对本发明作进一步的说明，其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制，为了更好地说明本发明的具体实施方式，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸。
[0052]
以下提供本发明的一种具体实施例：
[0053]
如图1所示，一种基于人工智能的电力能源调度蓄能系统，包括逆变器、控制中心、蓄能机组、调速器和电力输出系统，其特征在于：所述系统还包括：
[0054]
采集模块，用于通信连接电网调度中心，采集电力调度信息，获取各电力调度时间段内的用电负荷值p
u1
、p
u2
直至p
un
，其中，n为时间段总数，且n为正整数；
[0055]
风电功率预测模块，用于预测风电场在各电力调度时间段内的发电功率值p
f1
、p
f2
直至p
fn
；
[0056]
分析模块，用于计算各电力调度时间段内的电网净负荷p
j1
、p
j2
直至p
jn
，所述电网净负荷值等于用电负荷值pu与风电场的发电功率pf的差值；
[0057]
决策模块，所述决策模块与控制中心通信连接，用于根据电网净负荷值的计算结果，生成蓄能机组的控制指令；
[0058]
所述控制中心接收决策模块的控制指令，并作用于调速器和电力输出系统，控制调速器的档位和风电场发电功率的输出。
[0059]
在本实施例中，风电功率预测模块通过采用机器学习方法对风电场在各电力调度时间段内的发电功率值进行预测，以cnn-bilstm深度学习模型为例，预测模型的构建步骤如下：
[0060]
s1,获取风电场实测的时间长度为s的历史风电数据，包括风速、风向、温度、湿度、气压及对应的发电功率值数据；
[0061]
s2,采用线性归一化法对获取的各类历史风电数据进行归一化处理；
[0062]
s3,以归一化后的风速、风向、温度、湿度、气压数据作为深度学习模型的输入向量数据，以对应的发电功率值数据作为模型的输出向量数据构建深度学习模型，cnn-bilstm深度学习模型包括cnn层和bilstm层，将模型的cnn层设计为二层卷积层、二层池化层与一层全连接层，卷积层均为一维卷积，池化层均为最大池化方法，全连接层把处理之后的数据输出，该层使用sigmoid激活函数，cnn层的输出hc表示如下：
[0063]
c1＝relu(x*w1 b1)
[0064]
p1＝max(c1 b2)
[0065][0066]
p2＝max(c2) b4[0067]
hc＝sigmoid(p2×
w3 b5)
[0068]
其中，卷积层1与2的输出分别是c1和c2；池化层1与2的输出分别是p1和p2；w1、w2与w3均为权重；b1、b2、b3、b4与b5均为偏差；是卷积运算；
[0069]
bilstm层学习cnn层的输出规律，bilstm层的输出ht表示如下：
[0070]
ht＝bilstm(h
c,t-1
,h
c,t
),t∈[1,i]
[0071]
s4,将输入向量和输出向量数据随机分为四等份，选取其中三份数据作为模型的训练集，另一份数据作为模型的测试集；
[0072]
s5,选择均方根误差e
rmse
和平均绝对百分比误差e
mape
作为预测性能指标对模型进行评价，均方根误差e
rmse
和平均绝对百分比误差e
mape
的计算公式为：
[0073][0074][0075]
其中，n为样本的个数，yi和y
i’分别为样本i发电功率值的实际值和预测值，当预测精度达到设定要求时，通过模型输入预测结果。
[0076]
在本实施例中，蓄能机组包括至少一个高位蓄水池、至少一个低位蓄水池、至少一组抽水泵和至少一组水轮发电机组，高位蓄水池的海拔高度大于低位蓄水池的海拔高度，抽水泵、高位蓄水池、水轮发电机组和低位蓄水池间通过管道依次连接，且连接的管道上设置有控制阀门。
[0077]
在本实施例中，控制指令用于控制蓄能机组的抽水泵运行，控制机制为：
[0078]
当电网净负荷值为负值时，抽水泵运行；
[0079]
当电网净负荷值为正值时，抽水泵停止运行。
[0080]
当电网净负荷值为负值时，通过对电网净负荷值进行分类。
[0081]
在本实施例中，电网净负荷值的分类结果的获取方法包括以下步骤：
[0082]
步骤一，获取电网净负荷pj的值，利用电网净负荷pj的数值创建样本集，记作{p
j1
，p
j2
，、、、，p
jm
},其中，m为电网净负荷值为负值的总个数，m为小于等于n自然数；
[0083]
步骤二，获取样本集中的均值和标准差，利用均值和标准差对数据进行标准化，标准化公式为在此式中z为标准参量，σ为样本数据的方差，μ为样本数据的均值；
[0084]
步骤三，在完成标准化后，将标准参量利用将数值区间调整至[0,1]之间，利用f(k)的函数值对电网净负荷值进行分类，分类的机制为：
[0085]
当f(k)min≤f(k)＜f(k)1时，电网净负荷值分类为一级；
[0086]
当f(k)1≤f(k)＜f(k)2时，电网净负荷值分类为二级；
[0087]
当f(k)2≤f(k)＜f(k)3时，电网净负荷值分类为三级；
[0088]
以此类推，当f(k)
t
≤f(k)＜f(k)max时，电网净负荷值分类为t级；
[0089]
其中，f(k)mi n，f(k)max分别为f(k)的函数值的最小值和最大值，f(k)1、f(k)2、、、f(k)
t
分别为f(k)的中间值，且f(k)mi n＜f(k)1＜f(k)2＜、、、＜f(k)
t
＜f(k)max，t为正整数。
[0090]
其中，f(k)的中间值f(k)1、f(k)2、、、f(k)
t
根据标准参量数据值的个数确定，具体确定方法的步骤为：
[0091]
步骤1，设标准参量数据值的个数为t个，其中，t为正整数，将f(k)的函数值由小到大依次进行排列，分别记为f(k)mi n、f(k1)、f(k2)、、、f(kt-1)、f(kt-2)、f(k)max；
[0092]
步骤2，以标准参量数据值的个数为被除数，数值t为除数，计算两者的的商，记作t/t＝p...q；
[0093]
步骤3，分别取步骤1中第p、2p、3p、、、tp项所对应的f(k)的函数值作为f(k)的中间值f(k)1、f(k)2、、、f(k)
t
的值。
[0094]
在本实施例中，根据电网净负荷值的分类结果确定调速器的运行档位，且调速器的运行档位与电网净负荷值分类等级一致，在确定调速器的运行档位后，通过控制中心调节调速器选择不同的运行档位，以实现对抽水泵运行功率的控制。
[0095]
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。