[發(fā)明專利]基于機(jī)器學(xué)習(xí)的儲能類設(shè)備功率優(yōu)化管理系統(tǒng)的過濾器

有效

• 申請?zhí)枺?/td>: 202010156821.X
• 申請日: 2020-03-09
• 公開（公告）號: CN111262262B
• 公開（公告）日: 2022-11-29
• 發(fā)明（設(shè)計(jì)）人: 胡俊杰;周華嫣然;周羿宏
• 申請（專利權(quán)）人: 華北電力大學(xué)
• 主分類號: H02J3/28
• 分類號: H02J3/28;H02J3/32;G06N20/00;B60L58/12
• 代理公司: 北京眾合誠成知識產(chǎn)權(quán)代理有限公司 11246
• 代理人: 史雙元

本發(fā)明提出一種基于機(jī)器學(xué)習(xí)的儲能類設(shè)備功率優(yōu)化管理系統(tǒng)的過濾器，其可以過濾不滿足安全性的SOC指令，過濾部分具有波動(dòng)性的SOC指令，過濾不滿足用戶滿意度的SOC指令。本發(fā)明的過濾器應(yīng)用在基于機(jī)器學(xué)習(xí)技術(shù)生成調(diào)度方案之后，在具體實(shí)現(xiàn)時(shí)只需在原有程序中增加邏輯判斷與賦值語句，對內(nèi)存占用少，對生成結(jié)果的時(shí)間影響很小，不會對功率優(yōu)化管理系統(tǒng)的在線運(yùn)行時(shí)間帶來明顯的延時(shí)；其不依賴于特定的機(jī)器學(xué)習(xí)模式與SLDs的類型，是針對多個(gè)SLDs所設(shè)計(jì)；其各個(gè)步驟之間相對獨(dú)立，可以根據(jù)系統(tǒng)的使用需求進(jìn)行相應(yīng)的調(diào)整。

技術(shù)領(lǐng)域

本發(fā)明屬于電力系統(tǒng)優(yōu)化調(diào)度領(lǐng)域，具體涉及一種基于機(jī)器學(xué)習(xí)的儲能類設(shè)備功率優(yōu)化管理系統(tǒng)的過濾器。

背景技術(shù)

隨著近年來計(jì)算機(jī)算力的進(jìn)步，結(jié)合大數(shù)據(jù)技術(shù)，應(yīng)用機(jī)器學(xué)習(xí)等數(shù)據(jù)驅(qū)動(dòng)模型的智能運(yùn)算技術(shù)已大規(guī)模的應(yīng)用在各類電力系統(tǒng)的優(yōu)化和計(jì)算問題中。通過對海量數(shù)據(jù)間信息的挖掘，應(yīng)用機(jī)器學(xué)習(xí)技術(shù)能夠?qū)崿F(xiàn)具有快速性與一定準(zhǔn)確度的問題求解。

如今，機(jī)器學(xué)習(xí)技術(shù)也在儲能類設(shè)備(Storage-like devices，SLDs)的功率優(yōu)化管理上取得了初步的應(yīng)用。SLDs包括傳統(tǒng)的儲能系統(tǒng)(energy storage system,ESS)以及具有儲能性質(zhì)的其它設(shè)備，典型地，有電動(dòng)汽車(electric vehicle，EV)。由于SLDs具有強(qiáng)大的充放電靈活性，它們廣泛地被應(yīng)用于電力系統(tǒng)需求側(cè)響應(yīng)，通過電價(jià)的引導(dǎo)SLDs的出力，可以達(dá)到節(jié)約用電成本、優(yōu)化負(fù)荷曲線的目的。

基于機(jī)器學(xué)習(xí)技術(shù)的SLDs功率優(yōu)化管理上的應(yīng)用多以ESS為主，鮮有EV，通過對儲能類設(shè)備功率優(yōu)化管理系統(tǒng)建模，再運(yùn)用機(jī)器學(xué)習(xí)技術(shù)求解實(shí)現(xiàn)對SLDs的在線功率管理。機(jī)器學(xué)習(xí)技術(shù)的求解模式為：離線學(xué)習(xí)基于歷史數(shù)據(jù)的輸入量與決策變量之間的映射關(guān)系，利用這一映射關(guān)系在線確定SLDs的功率。決策變量一般為功率或是SLDs的電量狀態(tài)(state of charge，SOC)。建立離線學(xué)習(xí)過程使得SLDs功率優(yōu)化管理系統(tǒng)在在線決策時(shí)無需直接求解底層優(yōu)化問題，但也能夠考慮系統(tǒng)的長期狀態(tài)，從而能夠快速地執(zhí)行調(diào)度，大大減輕了在線計(jì)算時(shí)系統(tǒng)的計(jì)算負(fù)擔(dān)。

然而，在現(xiàn)有的初步應(yīng)用中，由于存在以下三方面的原因，在決策性能上還不夠完善。

一是，基于機(jī)器學(xué)習(xí)的決策結(jié)果存在一定的隨機(jī)性，在在線決策時(shí)，決策結(jié)果可能存在一定的波動(dòng)。以SOC為決策變量為例，當(dāng)SOC曲線出現(xiàn)一些微小的波動(dòng)時(shí)，這些細(xì)微的差異將直接影響功率的正負(fù)性與大小，從而導(dǎo)致優(yōu)化功率結(jié)果不盡人意。

二是一些安全性約束的滿足無法保證。系統(tǒng)的安全性約束包括如功率上下限、SOC的上下限等在運(yùn)用機(jī)器學(xué)習(xí)的求解過程中，最終下達(dá)的功率或SOC指令時(shí)根據(jù)對歷史最優(yōu)解中數(shù)據(jù)的學(xué)習(xí)而形成的，盡管在歷史數(shù)據(jù)的優(yōu)化求解過程中已經(jīng)加入了強(qiáng)制性的安全性約束，但機(jī)器學(xué)習(xí)的學(xué)習(xí)效果并不能達(dá)到百分之百的識別并滿足這些安全性約束，盡管目前機(jī)器學(xué)習(xí)的性能較好，結(jié)果基本不會偏離這樣的安全性約束，但在缺乏強(qiáng)制性約束的情況下仍然存在越界的可能。

三是一些與用戶滿意度相關(guān)的約束無法保證。用戶滿意度約束通常可以包括：電量需求約束，如電動(dòng)汽車在充電后需要達(dá)到滿足行駛需求的電量；或是一些特定的用戶設(shè)置的個(gè)性化約束，如儲能系統(tǒng)在每一天結(jié)束時(shí)功率回到0.5以保證第二天應(yīng)用時(shí)的上下調(diào)節(jié)裕度。與上述第2點(diǎn)的原因相似，通過對海量數(shù)據(jù)的學(xué)習(xí)，機(jī)器學(xué)習(xí)的決策結(jié)果可能能夠上滿足這些約束，但仍然缺乏一個(gè)強(qiáng)制性的約束予以保障。考慮到在需求側(cè)響應(yīng)項(xiàng)目中，用戶的需求、滿意度關(guān)系到用戶參與調(diào)度的積極性，因此滿足這類約束也是十分重要的。

綜上所述，為了確保這些越界與波動(dòng)不會發(fā)生，本發(fā)明為基于機(jī)器學(xué)習(xí)的儲能類設(shè)備功率優(yōu)化管理系統(tǒng)設(shè)計(jì)了一個(gè)過濾器，從而提高基于機(jī)器學(xué)習(xí)的儲能類設(shè)備功率優(yōu)化管理系統(tǒng)的有效性與可靠性。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對基于機(jī)器學(xué)習(xí)的儲能類設(shè)備功率優(yōu)化管理系統(tǒng)提供一種約束決策結(jié)果波動(dòng)性、避免安全性越界與用戶滿意度約束越界的過濾器，從而提高基于機(jī)器學(xué)習(xí)的儲能類設(shè)備功率優(yōu)化管理系統(tǒng)的有效性與可靠性。