[发明专利]基于机器学习的储能类设备功率优化管理系统的过滤器

权利要求书

1.一种基于机器学习的储能类设备功率优化管理系统的过滤器，其特征在于，所述过滤器通过如下步骤过滤电量状态SOC指令：

步骤A.过滤不满足安全性的SOC指令；

步骤B.过滤部分具有波动性的SOC指令，包括：

对在结束调度时有电量要求的储能类设备SLDs，过滤峰谷电价非高峰时的放电指令，使得下一个时间步的SOC与当前时间步的SOC相同，其表达为，如果则这一指令为放电指令，那么有[t^ps,t^pe]表示峰谷分时电价的峰值时段；

对在结束调度时有电量要求的SLDs，在不影响其电量需求的前提下，过滤峰谷电价峰时的充电指令，其表达为，在t∈[t^ps,t^pe]时，如果即当前下达了一个电价峰值时段的充电指令，如果有则C_i为第i个SLDs的容量，为第i个SLDs的最大充电功率，表示结束调度时的时间步，表示第i个SLDs的电量需求；

对在结束调度时有电量要求的SLDs，如果某些放电行为导致在高峰时段发生额外的充电行为以进行补偿，过滤这样的放电指令，其表达为，在t∈[t^ps,t^pe]时，如果即当前下达了一个电价峰值时段的放电指令，如果有即这一放电行为会导致在高峰时段发生额外的充电行为以进行补偿来满足其结束调度时的电量需求，则

步骤C.过滤不满足用户满意度的SOC指令，包括：确保SLDs的电量需求约束或是一些特定的用户设置的个性化约束能被满足，需要判断SLDs的SOC是否能够在结束调度时达到其要求的水平，如果该SLDs保持从当前时间步长以最大充电功率充电，即全速充电的情况下，直到结束调度时都无法达到其要求的电量水平，则该SLDs将退出调度并保持从当前时间步长以最大充电速率充电，其表达为，如果则即全速充电。

2.根据权利要求1所述的一种基于机器学习的储能类设备功率优化管理系统的过滤器，其特征在于：所述步骤A将原输出SOC过滤为满足安全性约束限值所对应的SOC。

3.根据权利要求2所述的一种基于机器学习的储能类设备功率优化管理系统的过滤器，其特征在于：所述步骤A包括过滤不满足电池电量安全性约束的指令和过滤不满足功率安全性约束的指令；如果有任何一个储能类设备SLDs的输出SOC超过电池电量上限或下限，则令其保持最大或最小电池电量；如果有任何一个SLDs的输出功率超过SOC上限或下限，则令其保持上限或下限功率。

4.根据权利要求1或2所述的一种基于机器学习的储能类设备功率优化管理系统的过滤器，其特征在于：所述过滤器的三个过滤步骤之间相对独立，可根据系统的使用需求进行相应的调整。

5.根据权利要求4所述的一种基于机器学习的储能类设备功率优化管理系统的过滤器，其特征在于：所述过滤器的过滤步骤C要在步骤A和B之后进行。