[发明专利]一种光储充微网系统的智能调度方法及系统

权利要求书

1.一种光储充微网系统的智能调度方法，所述光储充微网系统包括一光伏系统、一储能系统和一充电桩系统，其特征在于，包括：

步骤S1，分别获取一园区的所述光伏系统的当前光伏装机容量、所述储能系统的当前储能装机容量以及对应的当前采集时间、当前天气数据和当前电价并形成一第一特征向量；

步骤S2，根据获取得到的所述园区的所述光伏系统的当前光伏发电功率序列、所述充电桩系统的当前充电功率序列和所述园区的其余负荷的当前负荷功率序列，分别预测得到所述当前采集时间之后的一未来时段对应的预测光伏发电功率、预测充电功率和预测负荷功率并形成一第二特征向量；

步骤S3，将所述第一特征向量和所述第二特征向量，输入至以所述园区的用电收益最大化为目标及对应的一约束条件下训练得到的一智能调度模型，以预测得到所述储能系统在所述当前采集时间之后的所述未来时段的预测储能电量，以供所述光储充微网系统进行智能调度。

2.根据权利要求1所述的智能调度方法，其特征在于，执行所述步骤S1之前，还包括一模型训练过程，包括：

步骤A1，分别获取所述光伏系统的历史光伏装机容量、所述储能系统的历史储能装机容量以及对应的历史采集时间、历史天气数据和历史电价并形成一历史特征向量；

步骤A2，根据获取得到的所述光伏系统的历史光伏发电功率序列、所述充电桩系统的历史充电功率序列和所述其余负荷的历史负荷功率序列，分别预测得到对应的历史预测光伏发电功率、历史预测充电功率和历史预测负荷功率；

步骤A3，以所述园区的用电收益最大化为目标及对应的所述约束条件下，将所述历史特征向量、所述历史预测光伏发电功率、所述历史预测充电功率和所述历史预测负荷功率作为输入，将所述储能系统的储能电量作为输出，训练得到所述智能调度模型。

3.根据权利要求2所述的智能调度方法，其特征在于，所述历史采集时间包括所述历史光伏装机容量和所述历史储能装机容量的数据采集时刻，以及所述数据采集时刻所属的日期类型和季节。

4.根据权利要求1或2所述的智能调度方法，其特征在于，以所述园区的用电收益最大化为目标对应的目标函数为：

Y＝p*(Q_PY+Q_ES-Q_EC-Q_EV-Q_load-Q_grid)

所述约束条件为：

P_PV+P_ES-P_EV-P_load＝P_grid

0SOC100

其中，Y表示所述用电收益，p表示电价，Q_PY表示所述光伏系统的光伏发电电量，Q_ES表示所述储能系统的储能放电电量，Q_EC表示所述储能系统的储能充电电量，Q_EV表示所述充电桩的充电电量，Q_load表示所述其余负荷的用电电量，Q_grid表示所述园区的电网电量；P_PY表示所述光伏系统的光伏发电功率，P_ES表示所述储能系统的储能发电功率，P_EV表示所述光储充微网系统中电动汽车充电功率，P_grid表示所述园区的电网发电功率，SOC表示所述储能系统的储能电量。

5.根据权利要求2所述的智能调度方法，其特征在于，所述步骤A1中，还包括对获取的所述历史光伏装机容量、所述历史储能装机容量以及对应的所述历史采集时间、所述历史天气数据和所述历史电价进行异常数据剔除处理，并根据异常数据剔除处理后的所述历史光伏装机容量、所述历史储能装机容量以及对应的所述历史采集时间、所述历史天气数据和所述历史电价形成所述历史特征向量。

6.根据权利要求5所述的智能调度方法，其特征在于，所述步骤A1中，采用聚类算法进行异常数据筛选，并将筛选得到的异常数据进行剔除处理。