【技术实现步骤摘要】
本申请涉及储能领域，尤其涉及一种储能系统的充放电方法及储能系统。
技术介绍
1、在光储一体化场景中，储能系统的充放电调度策略通常是基于光伏发电和负荷需求。然而，光伏发电和负荷需求的不确定性会导致充放电调度策略的低效性，例如，充放电调度策略缺乏对光伏发电和负荷需求等不确定性因素的适应能力，尤其在光伏发电波动较大或负荷需求快速变化的场景下，储能系统的调度效果明显降低。因此，亟需一种高效的储能系统的充放电方法，以解决上述问题。
技术实现思路
1、本申请实施例提供了一种储能系统的充放电方法、装置及储能系统，有助于提升充放电效率，降低运行成本及提升经济效益。
2、第一方面，本申请实施例提供了一种储能系统的充放电方法，包括：基于采集的光伏数据进行预测，获得第一光伏功率，以及基于采集的负荷数据进行预测，获得第一负荷功率；基于所述第一光伏功率和所述第一负荷功率确定预留功率，所述预留功率为用于保证储能系统稳定运行而设置的备用功率；基于所述预留功率及一个或多个预设目标确定充放电策略；其中，所述一个或多个预设目标至少包括收益目标和/或效率目标，所述收益目标用于将收益最大化，所述效率目标用于将储能运行效率最大化；
3、所述收益目标通过如下表达式表征：
4、；
5、所述t为预设时间跨度，所述ldischarge(t)为所述储能系统在t时刻的放电量，所述lcharge(t)为所述储能系统在t时刻的充电量，所述e(t）为t时刻的电价，所述ccharge(t)为所述
6、所述cpv(t)通过如下计算公式计算获得：
7、；
8、所述λpv(t)为光伏在t时刻的权重系数，所述λpv(t)由光伏功率概率区间确定，所述ppv-actual(t)为光伏在t时刻的真实功率，所述ppv-forecast(t)为光伏在t时刻的预测功率；
9、所述cload(t)通过如下计算公式计算获得：
10、；
11、所述λload(t)为负荷在t时刻的权重系数，所述λload(t)由负荷功率概率区间确定，所述pload-actual(t)为负荷在t时刻的真实功率，所述pload-forecast(t)为负荷在t时刻的预测功率；
12、所述效率目标通过如下表达式表征：
13、。
14、其中一种可能的实现方式中，所述光伏功率概率区间通过预设frank copula函数对所述第一光伏功率计算后获得，所述负荷功率概率区间通过所述预设frank copula函数对所述第一负荷功率计算后获得。
15、其中一种可能的实现方式中，所述基于所述预留功率及一个或多个预设目标确定充放电策略包括：基于所述预留功率、一个或多个预设目标及约束条件确定充放电策略；其中，所述约束条件包括储能容量平衡约束条件、站点功率平衡约束条件及剩余电量约束条件；
16、所述储能容量平衡约束条件通过如下表达式表征：
17、；
18、所述lreserve(t)为t时刻的预留功率，所述lrated(t)为所述储能系统t时刻的额定容量；
19、所述站点功率平衡约束条件通过如下表达式表征：
20、；
21、所述pgrid(t)为t时刻的电网功率，所述pess(t)为t时刻的储能功率，所述pess(t)用于表征充电或放电；
22、所述剩余电量约束条件通过如下表达式表征：
23、；
24、所述soc(t)为所述储能系统在t时刻的剩余电量，所述ηcharge为充电效率，所述ηdischarge为放电效率。
25、其中一种可能的实现方式中，所述基于采集的光伏数据进行预测，获得第一光伏功率，以及基于采集的负荷数据进行预测，获得第一负荷功率包括：将所述采集的光伏数据输入预设预测模型进行预测，获得第一光伏功率，以及所述采集的负荷数据输入所述预设预测模型进行预测，获得第一负荷功率。
26、其中一种可能的实现方式中，所述预设预测模型为fedformer模型。
27、其中一种可能的实现方式中，所述将所述采集的光伏数据输入预设预测模型进行预测，获得第一光伏功率，以及所述采集的负荷数据输入所述预设预测模型进行预测，获得第一负荷功率包括：将所述采集的光伏数据输入所述预设预测模型，获得第二光伏功率，以及将所述采集的负荷数据输入所述预设预测模型，获得第二负荷功率；对所述第二光伏功率进行时间修正，以及对所述第二负荷功率进行所述时间修正；将时间修正后的光伏功率预测值确定为所述第一光伏功率，以及将时间修正后的负荷功率预测值确定为所述第一负荷功率；其中，所述时间修正用于调整预测值对时间的敏感性；
28、所述对所述第二光伏功率进行时间修正通过如下计算公式实现：
29、；
30、所述ppv-corrected(t)为所述时间修正后的光伏功率预测值，所述ppv(t)为t时刻的所述第二光伏功率，所述βpv为光伏的修正系数，所述wpv(t)为光伏在t时刻的时间权重因子；
31、所述对所述第二负荷功率进行所述时间修正通过如下计算公式实现：
32、；
33、所述pload-corrected(t)为所述时间修正后的负荷功率预测值，所述pload(t)为t时刻的所述第二负荷功率，所述βload为负荷的修正系数，所述wload(t)为负荷在t时刻的时间权重因子。
34、其中一种可能的实现方式中，所述将时间修正后的光伏功率预测值确定为所述第一光伏功率，以及将时间修正后的负荷功率预测值确定为所述第一负荷功率之前，所述方法还包括：基于所述时间修正后的光伏功率预测值及第一参数相关性进行相关性修正，获得所述第一光伏功率；以及基于所述时间修正后的负荷功率预测值及第二参数相关性进行相关性修正，获得所述第一负荷功率；其中，所述第一参数相关性和所述第二参数相关性用于调整预测值对参数之间的相关性的敏感性。
35、其中一种可能的实现方式中，所述第一参数相关性通过第一相关矩阵表征，所述第一相关矩阵包括所述光伏数据中各参数之间的相关系数，所述第二参数相关性通过第二相关矩阵表征，所述第二相关矩阵包括所述负荷数据中各参数之间的相关系数；
36、所述第一相关矩阵通过如下表达式表征：
37、；
38、所述rpv为所述第一相关矩阵，所述cpv(ri,pv，rj,pv)为第i个光伏参数ri,pv与第j个光伏参数rj,pv之间的相关系数；
39、所述第二相关矩阵通过如下表达式表征：
40、；
41、所述rlaod为本文档来自技高网...
【技术保护点】
1.一种储能系统的充放电方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述光伏功率概率区间通过预设Frankcopula函数对所述第一光伏功率计算后获得，所述负荷功率概率区间通过所述预设Frankcopula函数对所述第一负荷功率计算后获得。
3.根据权利要求1所述的方法，其特征在于，所述基于所述预留功率及一个或多个预设目标确定充放电策略包括：
4.根据权利要求1所述的方法，其特征在于，所述基于采集的光伏数据进行预测，获得第一光伏功率，以及基于采集的负荷数据进行预测，获得第一负荷功率包括：
5.根据权利要求4所述的方法，其特征在于，所述预设预测模型为FEDformer模型。
6.根据权利要求4所述的方法，其特征在于，所述将所述采集的光伏数据输入预设预测模型进行预测，获得第一光伏功率，以及所述采集的负荷数据输入所述预设预测模型进行预测，获得第一负荷功率包括：
7.根据权利要求6所述的方法，其特征在于，所述将时间修正后的光伏功率预测值确定为所述第一光伏功率，以及将时间修正后的负荷功率
8.根据权利要求7所述的方法，其特征在于，所述第一参数相关性通过第一相关矩阵表征，所述第一相关矩阵包括所述光伏数据中各参数之间的相关系数，所述第二参数相关性通过第二相关矩阵表征，所述第二相关矩阵包括所述负荷数据中各参数之间的相关系数；
9.根据权利要求8所述的方法，其特征在于，
10.一种储能系统，其特征在于，包括：处理器和存储器，所述存储器用于存储程序；所述处理器用于运行所述程序，实现如权利要求1-9任一所述的储能系统的充放电方法。
...【技术特征摘要】
1.一种储能系统的充放电方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述光伏功率概率区间通过预设frankcopula函数对所述第一光伏功率计算后获得，所述负荷功率概率区间通过所述预设frankcopula函数对所述第一负荷功率计算后获得。
3.根据权利要求1所述的方法，其特征在于，所述基于所述预留功率及一个或多个预设目标确定充放电策略包括：
4.根据权利要求1所述的方法，其特征在于，所述基于采集的光伏数据进行预测，获得第一光伏功率，以及基于采集的负荷数据进行预测，获得第一负荷功率包括：
5.根据权利要求4所述的方法，其特征在于，所述预设预测模型为fedformer模型。
6.根据权利要求4所述的方法，其特征在于，所述将所述采集的光伏数据输入预设预测模型进行预...
【专利技术属性】
技术研发人员：孔德强，江俊杰，曹宝健，张鲁华，
申请(专利权)人：浙江晶科储能有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。