摘要
本发明公开了一种光储充一体化电站的协同优化方法,该方法将获取的电站基础数据采用CNN‑BiLSTM‑KAN级联式特征提取架构与基于K‑means的增强排队模型的预测方法,分别获得日内光伏出力预测结果和动态充电负荷预测结果;建立计及储能寿命损耗的电站优化经济运行模型,将上述预测结果作为电站优化经济运行模型的输入,并通过该模型的行为约束条件以及采用模型预测控制框架构建滚动优化机制,对该模型进行求解,得到电站优化经济运行策略;最后,按照上述策略,对光储充一体化电站调度周期内各时段的电量储能的充放电进行调控。本发明在提升光伏发电与充电负荷预测精度的同时,实现储能经济性与寿命的协同优化,解决了光储充一体化电站面临的预测不准、调度粗放等问题。
技术关键词
协同优化方法
光储充一体化电站
经济运行策略
双向长短期记忆
模型预测控制框架
预测发电功率
储能
时序
数据
表达式
充放电次数
级联式
排队模型
多维度特征提取
Sigmoid函数
动态
负荷预测精度
样条
矩阵
系统为您推荐了相关专利信息
命名实体识别方法
命名实体识别模型
许可
资料
双向长短期记忆
协同优化方法
多时间尺度
离散无功设备
偏差
风电机组
肺癌驱动基因
深度学习模型
矩阵
双向长短期记忆网络
预测装置
电磁继电器触头
寿命预测方法
寿命预测模型
预测电磁继电器
LSTM模型