[發明專利]一種基于深度學習的配電臺區儲能配置方法

有效

• 申請號: 202011247499.8
• 申請日: 2020-11-10
• 公開（公告）號: CN112418496B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 魏俊;葉圣永;劉旭娜;張文濤;劉立揚;韓宇奇;龍川;劉潔穎;李達;趙達維
• 申請（專利權）人: 國網四川省電力公司經濟技術研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;H02J3/28;H02J3/24
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 張超

本發明公開了一種基于深度學習的配電臺區儲能配置方法，包括以下步驟：構建歷史特征數據集；所述歷史特征數據集包括在不同時間點下的配電臺區的特征變量的歷史數據；獲取第一LSTM神經網絡；用所述歷史特征數據集中的歷史數據對LSTM神經網絡進行訓練，直至所述LSTM神經網絡的預測精度達到預設精度；獲取配電臺區的當前特征變量值，根據所述當前特征變量值和所述第一LSTM神經網絡，對所述配電臺區的儲能進行預測。本發明的目的在于提供一種基于深度學習的配電臺區儲能配置方法，采用LSTM神經網絡模型對配電臺區儲能進行優化配置，避免針對不同的儲能配置場景，每次都需要做大量優化計算的過程。

技術領域

本發明涉及電力系統技術領域，尤其涉及一種基于深度學習的配電臺區儲能配置方法。

背景技術

隨著用電需求的不斷增大，我國供電水平普遍提高，在此背景下，電網負荷峰谷差值卻越來越大，用電負荷逐漸增大。低壓變電臺區地區出現的配電變壓器三相不平衡和低功率因數等因素將對服務質量產生直接性影響。針對低壓配電臺區，有效控制其輸出電能的質量，傳統方法是安裝無功補償裝置，調壓器或平衡裝置，只能解決一個電能質量問題。因此，在這樣的需求之下，采用儲能裝置對系統進行改良是十分有必要的。與傳統方法相比，結合電力電子技術的儲能單元可以滿足電壓超限控制，三相不平衡處理和功率因數調節的應用要求。同時，儲能可以減少分布式新能源發電的電價波動，并且減小分布式新能源接入對現場區域對電能質量的影響。從提高電源的可靠性的角度來看，儲能系統還可以起到調峰削谷的作用，在高峰時段降低配電變壓器的負載系數，從而減少配電變壓器安全運行的風險。儲能系統可以用作備用電源，縮短臺區點周圍的停電時間，提高臺區點周圍電源的可靠性和服務能力。此外，從配電網絡中的局部峰值負載平衡的角度來看，臺區點區域多點分布式儲能設備可以緩解峰值或峰值負載期間的負載平衡擁塞問題，并延遲電網擴展和升級改進。為了使得整體提升低壓配電臺的輸出電能質量并且提升系統的可靠性，選擇出合理的儲能裝置是十分有必要的。

隨著全球不可再生資源的減少以及國家節能減排政策的號召，風能、太陽能等可再生能源發電接入電網的比例不斷加大，由于可再生資源發電存在著間歇性、波動性等不穩定因素，分布式儲能技術應運而生。分布式儲能可以有效提高配電網的靈活性、可靠性與互動性，尤其是在能源消納、峰谷調節等方面具有重大作用。隨著可再生能源并網容量的進一步增加，其波動性、隨機性也會進一步對電網的電能質量造成影響，分布式儲能是解決上述問題的一種重要手段，可以使電力實時平衡的“剛性”電力系統變得“柔性”，有效平抑清潔能源發電接入電網帶來的波動，大幅提高配電網運行的安全性、經濟性和靈活性，因此，分布式儲能優化配置就尤為重要。然而，目前分布式儲能配置技術還存在諸多問題，比如，采用何種儲能，配置多大容量的儲能等。像風、光、小水電等可再生能源發電技術都具有日變化性和季度性特性，儲能容量優化配置問題十分困難，配置容量不足時，難以平衡可再生發電波動帶來的影響，無法實現功率的穩定輸出；配置容量過大又會增加系統的開銷成本，降低系統經濟性。就目前主流儲能配置策略而言，針對不同的儲能配置場景，每次都需要做大量的優化計算，過程十分繁瑣。

發明內容

本發明的目的在于提供一種基于深度學習的配電臺區儲能配置方法，采用LSTM神經網絡模型對配電臺區儲能進行優化配置，避免針對不同的儲能配置場景，每次都需要做大量優化計算的過程。

本發明通過下述技術方案實現：

一種基于深度學習的配電臺區儲能配置方法，包括以下步驟：

S1：構建歷史特征數據集；所述歷史特征數據集包括在不同時間點下的配電臺區的特征變量的歷史數據，所述特征變量包括臺區儲能配置的電壓等級、儲能成本、儲能壽命、不同季節不同典型日的最大充電功率、不同季節不同典型日的最大放電功率、不同季節不同典型日的充電能量值以及不同季節不同典型日的放電能量；

S2：獲取第一LSTM神經網絡；所述第一LSTM神經網絡的預測精度大于預設精度；