欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021112152965
申请人: 南京工程学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种考虑可靠性成本的储能优化配置方法,包括以下步骤:步骤S01:预测新能源出力;步骤S02:采取电量不足期望值为评估指标建立系统优化配置模型,具体包括储能系统模型、可靠性成本模型、发电系统成本模型、约束条件;步骤S03:基于系统优化配置模型对储能优化进行配置,预测新能源出力的步骤为:以a太阳辐照度,b组件温度,c空气温度,d相对湿度,e大气压力,f光伏功率作为输入,以模型评估指标RMSE、MAE、R2作为输出,步骤S21:数据清洗:将采集到的现场光伏功率数据f和环境数据a,b,c,d,e进行数据清洗,以天为单位剔除实际生产中由于通讯故障原因而导致的坏数据;步骤S22:通过EMD算法,将环境数据分解为不同频率的本征模分量{IMF1,IMF2,…,IMFm}和剩余分量rn,将原始环境序列分解为各种不同的特征波动序列,将原始环境信号中存在的不同尺度波动或趋势逐级分解出来;步骤S23:对步骤S22中分解得到的数据进行PCA降维,利用PCA算法筛选出影响光伏输出功率的关键因子,消除由EMD分解得到的不同时间序列数据的冗余性和相关性;步骤S24:对步骤S23降维后的数据和光伏功率历史数据进行归一化,转化为适于LSTM网络训练的数据集,并进行训练集和测试集的划分;步骤S25:初始化LSTM模型参数,将样本的训练集输入到LSTM模型中进行训练,直到获得模型的目标准确率;步骤S26:模型训练结束,保存训练文件,输入测试集进行测试;步骤S27:输出模型评估指标RMSE、MAE、R2,结束;所述储能系统模型为:式中,

式中M为风机台数;

根据缺电损失,构建如下可靠性成本模型:

C

λ=B

式中PEENS为电量不足期望;Rt cps为实时缺电系数;Ccor为可靠性成本;λ为可靠性惩罚系数;Bpen为缺电惩罚系数;S为平均电价;所述发电系统成本模型中,购买成本函数为:C

式中,Dw为风机单价;Ds为光伏电板单价,

折旧成本函数为:

式中,r1为风机贴现率,n1为风机组折旧年限;r2为光伏电板贴现率,n2为光伏电板折旧年限,运维成本函数为:

式中,Fw为风机单位出力的运维费用;Fs为光伏电板单位出力的运维费用,储能系统成本函数为:C

其中,

C

式中,C

束条件为:0≤M≤M

0≤N≤N

式中,Mw,max为仅风机出力满足负载的数量;Ns,max为仅光伏电板出力满足负载的数量,其数学模型为:式中,Pload,max为峰荷;Prated为风电机额定功率、Psn为光伏电板额定功率;Round表向近取整,储能系统约束为:

式中Esoc,min为BESS荷电状态下限;Esoc,max为BESS荷电状态上限。

2.如权利要求1所述的方法,其特征在于:预测新能源出力平均绝对误差MAE为:式中:均方根误差RMSE表示为:

拟合优度R