用于削减电力消耗峰值的基于AI的软件服务制造技术

公开了用于削减电力消耗峰值的基于AI的软件服务。本发明专利技术涉及一种用于优化来自电网和能量存储装置的电力的使用的方法，包括：以预定间隔预测预定小时数的负荷以确定预测的负荷曲线；将来自预测的负荷曲线的峰值负荷减去可以向能量存储装置中充电或从能量存储装置放电的最大电力量，以确定减去后的峰值；对30分钟时段内超过减去后的峰值的峰值进行平滑以获得最终预测结果；以及基于最终预测结果和能量存储装置操作约束来确定经优化的电池设定点动作。定点动作。定点动作。

【技术实现步骤摘要】
用于削减电力消耗峰值的基于AI的软件服务


[0001]本专利技术涉及削减电力消耗峰值的系统和方法。具体地，本专利技术涉及使用基于AI的软件服务来削减电力消耗峰值的系统和方法。更具体地，本专利技术涉及削减电力消耗峰值以优化来自电网和能量存储装置的电力的使用的系统和方法。

技术介绍

[0002]对于工业消费者，尤其是与电力供应商签订了合同容量(CC)方案的工业消费者，正确定义CC并遵守已签订的CC是具有挑战性的任务。一旦与电力供应商签订合同，在最大负荷需求超过签订的CC的情况下，将引发显著高于CC费用的未签约容量(UCC)费用。例如，如果客户在规划阶段低估了电力需求的增长，则峰值需求将很可能超过签订的CC，并且在某个时刻随着电力需求的增加而引发UCC费用。另一示例可能是由于临时电力需求(例如，由于船舶维修需求的突然增加，需要打开更多的水泵以从造船厂的干船坞抽水)，其导致峰值需求超过CC并引发UCC费用。由UCC费用引发的额外成本可能是最终电费账单的很大一部分。随着对能量效率和环境可持续性的意识提高，如今客户更加开放并且准备采取具有成本效益的措施来降低能量成本。在不同的流行的节能措施之中，电池能量存储系统(BESS)被广泛用于通过将电力从电池直接传送至终端用户来减少从电网汲取的峰值电力消耗，这通常称为调峰。
[0003]利用BESS实现调峰的思路是在电价和总电力需求低时通过对电池充电来储存电力并且在电价和总电力需求高时通过使电池放电来传送电力。虽然可以手动操作BESS，但市场上不缺乏结合人工智能使操作自动化的软件服务。为了使BESS的操作完全自动化，软件服务需要能够预测未来的电力需求并且相应地优化电池动作以实现最高的节省。然而，预测结果的不准确(尤其是实际消耗峰值与预测的消耗峰值之间的未对准)、在优化中没有考虑电池寿命成本(每个电池动作——无论是充电还是放电——均与电池寿命的减少相关联)以及用于防止BESS创建新的消耗峰值(当消耗已经很高时对电池充电)的机制的缺乏对用于提供令人满意的性能的服务提出了不同的挑战。如果这些问题中的每一个问题没有在服务中正确处理或者甚至根本没有整合到服务中，则这些问题中的每一个问题均会影响调峰性能。结果是，不能始终保证令人满意的调峰性能。
[0004]因此，本领域技术人员正在努力提供优化来自电网和能量存储装置的电力的使用的改进方法。

技术实现思路

[0005]根据本专利技术的系统和方法解决了上述问题和其他问题并且取得了本领域中的进步。根据本专利技术的系统和方法的第一个优点是：该系统和方法是即插即用的软件即服务(SaaS)，其是完全自动化的并且能够在对客户的干扰最小的情况下容易地部署到现有系统。根据本专利技术的系统和方法的第二个优点是：该系统和方法能够基于一段时间内的历史能量消耗来优化要从电网输入的能量。由于存在显著的峰值/非峰值电价差异，所以该系统
和方法能够以更具成本效益的方式控制从电网汲取能量。此外，该系统和方法还考虑能量存储系统的状况以优化能量存储系统的充电和放电。
[0006]本公开内容的第一方面描述了一种用于优化来自电网和能量存储装置的电力的使用的方法。该方法包括：以预定间隔预测预定小时数的负荷以确定预测的负荷曲线；将来自预测的负荷曲线的峰值负荷减去可以向能量存储装置中充电或从能量存储装置放电的最大电力量，以确定减去后的峰值；对30分钟时段内超过减去后的峰值的峰值进行平滑以获得最终预测；以及基于最终经平滑的预测结果和能量存储装置操作约束来确定经优化的电池设定点动作。
[0007]在本公开内容的第一方面的实施方式中，基于预测结果和能量存储装置操作约束来确定经优化的电池设定点动作的步骤包括：应用能量存储装置操作约束；以及最小化可以用以下表达式表示的目标函数：
[0008][0009]其中，t∈T是指优化范围内的一组时间步长，P
grid，t
是指在时间步长t处从电网汲取的电力(kWh)，P
bat，t
是指在时间步长t处向电池中充电/从电池放电的电力(kWh)，是指在优化范围期间从电网汲取的峰值电力(kWh)，μ
t
是指时间步长t处的电价(货币单位/kWh)，λ是指电池寿命系数(货币单位/kWh)。
[0010]在本公开内容的第一方面的实施方式中，通过优化P
grid，t
和P
bat，t
来最小化目标函数。
[0011]在本公开内容的第一方面的实施方式中，应用能量存储装置操作约束的步骤包括：基于能量存储装置操作约束来确定能量存储装置需要被充电或放电的时间段和量，其中，能量存储装置操作约束包括电池容量的上限和下限以及每30分钟内充电量和放电量的上限和下限。
[0012]在本公开内容的第一方面的实施方式中，设定点动作包括在接下来的48个30分钟的时隙中要由能量存储装置充电或放电的能量的量。
[0013]在本公开内容的第一方面的实施方式中，该方法还包括：基于设定点动作来控制能量存储装置在30分钟时间窗口中充电或放电指定量的能量。
[0014]在本公开内容的第一方面的实施方式中，基于设定点动作来控制能量存储装置在30分钟时隙中充电或放电指定量的能量的步骤包括：将30分钟窗口的估计消耗和要在30分钟窗口内充电的指定量的能量相加；以及响应于总和超过当月观察到的峰值消耗，使能量存储装置停止继续充电。
[0015]在本公开内容的第一方面的实施方式中，以预定间隔预测预定小时数的负荷以确定预测的负荷曲线的步骤包括：将多线性回归模型应用为以30分钟的间隔依次运行以生成针对接下来24小时的30分钟负荷预测。
[0016]在本公开内容的第一方面的实施方式中，多线性回归模型的每次运行将包括过去8天的原始30分钟消耗数据和针对接下来24小时的30分钟负荷预测。
[0017]本公开内容的第二方面描述了一种用于优化来自电网和能量存储装置的电力的
使用的系统。该系统包括：负荷预测模块，其被配置成以预定间隔预测预定小时数的负荷以确定预测的负荷曲线；负荷预测平滑模块，其被配置成：将来自预测的负荷曲线的峰值负荷减去可以向能量存储装置中充电或从能量存储装置放电的最大电力量，以确定减去后的峰值；对30分钟时段内超过减去后的峰值的峰值进行平滑以获得最终预测结果；以及电池优化模块，其被配置成基于最终预测结果和能量存储装置操作约束来确定经优化的电池设定点动作。
[0018]在本公开内容的第二方面的实施方式中，电池优化模块还被配置成：应用能量存储装置操作约束；以及最小化可以用以下表达式表示的目标函数：
[0019][0020]其中，
[0021]t∈T是指优化范围内的一组时间步长，P
grid，t
是指在时间步长t处从电网汲取的电力(kWh)，P
bat，t
是指在时间步长t处向电池中充电/从电池放电的电力(kWh)，是指在优化范围期间从电网汲取的峰值电力(kWh)，μ
t
是指时间步长t处的电价(货币单位/k本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于优化来自电网和能量存储装置的电力的使用的方法，包括：以预定间隔预测预定小时数的负荷以确定预测的负荷曲线；将来自所述预测的负荷曲线的峰值负荷减去能够向所述能量存储装置中充电或从所述能量存储装置放电的最大电力量，以确定减去后的峰值；对30分钟时段内超过所述减去后的峰值的峰值进行平滑以获得最终预测结果；以及基于所述最终预测结果和能量存储装置操作约束来确定经优化的电池设定点动作。2.根据权利要求1所述的方法，其中，基于所述预测结果和能量存储装置操作约束来确定经优化的电池设定点动作的步骤包括：应用所述能量存储装置操作约束；以及使能够用以下表达式表示的目标函数最小化：其中，t∈T是指优化范围内的一组时间步长，P
grid，t
是指以kWh为单位的在时间步长t处从电网汲取的电力，P
bat，t
是指以kWh为单位的在时间步长t处向电池中充电/从电池放电的电力，是指以kWh为单位的在优化范围期间从电网汲取的峰值电力，μ
t
是指以货币单位/kWh为单位的在时间步长t处的电价，λ是指以货币单位/kWh为单位的电池寿命系数。3.根据权利要求2所述的方法，其中，通过优化P
grid，t
和P
bat，t
来使所述目标函数最小化。4.根据权利要求3所述的方法，其中，应用所述能量存储装置操作约束的步骤包括：基于所述能量存储装置操作约束来确定所述能量存储装置需要被充电或放电的时间段和量，其中，所述能量存储装置操作约束包括电池容量的上限和下限以及每30分钟内充电量和放电量的上限和下限。5.根据权利要求4所述的方法，其中，所述设定点动作包括在接下来的48个30分钟的时隙中要由所述能量存储装置充电或放电的能量的量。6.根据权利要求5所述的方法，还包括：基于所述设定点动作来控制所述能量存储装置在30分钟时间窗口中充电或放电指定量的能量。7.根据权利要求6所述的方法，其中，基于所述设定点动作来控制所述能量存储装置在30分钟时隙中充电或放电指定量的能量的步骤包括：将所述30分钟窗口的估计消耗与要在所述30分钟窗口内充电的所述指定量的能量相加；以及响应于总和超过当月观察到的峰值消耗，使所述能量存储装置停止继续充电。8.根据权利要求7所述的方法，其中，以预定间隔预测预定小时数的负荷以确定预测的负荷曲线的步骤包括：将多线性回归模型应用为以30分钟的间隔依次运行，以生成针对接下来24小时的30分钟负荷预测。9.根据权利要求8所述的方法，其中，所述多线性回归模型的每次运行将包括过去8天
的原始30分钟消耗数据和针对接下来24小时的所述30分钟负荷预...

【专利技术属性】
技术研发人员：王熠，林琰庭，陈威良，陈顺祥，胡轶群，陈衍辉，
申请(专利权)人：空间私人有限公司，
类型：发明
国别省市：