买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东工业大学

摘要：本发明公开了一种可分布式能源并网与储能优化选择方法，基于人工智能技术，考虑智能微网，特别是企业储能电站的运行特征，提出用户侧可分布式能源并网与储能优化选择的方法。突破传统的基于模型的、静态优化方法，设计基于深度确定性策略梯度模型，提出能够使得算法收敛的参数训练过程，计算智能微电网中储能电站最优充放电功率，以实现智能微电网电能最优调度。对企业自建储能电站充分考量了储能电站的运行特征，实现储能电站中储能设备在充放电控制过程中，不过充过放、不超过额定工况，实现经济效益最优。在降低用户用电电量的峰谷差的同时，降低用户的用电成本。还特别考虑了蓄电池的寿命衰减，降低电能储存的长期开支。

主权项：1.一种可分布式能源并网与储能优化选择方法，其特征在于，包括以下步骤：S1、采集待调度的电网区域的历史用电数据和待调度的电网区域的历史电价Ct，其中，用电数据为企业用电的有功功率数据{PL，t}；S2、建立深度确定性策略梯度模型，并初始化其参数；S3、定义企业用户的电能优化指标；S4、求取给定用电设备下的基准控制策略数据；S5、基于基准控制策略数据，训练深度确定性策略梯度模型的参数；S6、结合企业用户的的电能优化指标，对深度确定性策略梯度模型进行在线优化训练；S7、将步骤S6在线优化训练完成的深度确定性策略梯度模型求取最优解，并根据最优解，对储能电站展开相应的控制，以控制储能设备的充放电功率，当到达下一小时时，返回步骤S4，继续进行优化调度；所述步骤S2中，建立的深度确定性策略梯度模型包括评判网络、目标评判网络、执行网络、目标执行网络；初始化深度确定性策略梯度模型中评判网络的参数θQ、目标评判网络的参数θQ′、执行网络的参数θμ、目标执行网络的参数θμ′，其中，θQ＝θQ′θμ＝θμ′且：||θQ||∞≤0.1||θμ||∞≤0.1θQ和θμ的元素均匀分布；所述步骤S6具体如下：S6-1、在t时刻，记录测量到的蓄电池的SoCt的数值，以及光伏发电的输出功率PPV，t、PPV，t-1，动态电价Ct、Ct-1，用户的用电负荷PL，t、PL，t-1，评判网络的输出可表示为S6-2、计算当前蓄电池电量下的充放电策略： S6-3、检查步骤S6-2得出的是否满足约束umin≤ut≤umax，t＝1，2，…，T和SoCmin≤SoCt≤SoCmax，t＝1，2，…，T+1；S6-4、如果则如果则S6-5、采取步骤S4-3中的得到的由公式得SoCt+1，若SoCt+1不满足公式SoCmin≤SoCt≤SoCmax，t＝1，2，…，T+1的约束，则不改变的符号，减小使得SoCt+1＝SoCmin或SoCt+1＝SoCmax：S6-6、更新执行网络的参数；以{PR，t-1，PL，t-1，Ct-1，SoCt}为执行网络的输入样本，作为执行网络的输出样本，修改执行网络的权重参数θμ；并根据下式更新目标执行网络权重：θμ′←τaθμ+1-τaθμ′其中τa为动量因子；S6-7、更新执行网络的参数；计算 以{PR，t-1，PL，t-1，Ct-1，SoCt}为评判网络的输入样本，作为评判网络的输出样本，修改执行网络的权重参数θQ；并根据下式更新目标执行网络权重：θQ′←τcθQ+1-τcθQ′。

全文数据：

权利要求：

百度查询： 广东工业大学 一种可分布式能源并网与储能优化选择方法