摘要
基于电价的多用户储能电站充放电控制方法及系统,在储能设备设置监测终端,采集每台储能设备的负荷数据;对采集的负荷数据进行数据预处理;构建级联神经网络预测模型,使用预处理后的负荷数据对模型进行训练,生成未来时段的区域总负荷需求预测值;利用区域总负荷需求预测值,设计深度强化学习模型DRL,得到初步功率调整量;利用初步功率调整量设计考虑电池老化成本的目标函数,根据约束条件确定优化模型的目标函数中系数的初步取值范围;考虑多目标优化问题,基于初步取值范围获得Pareto最优解集,确定最终功率分配方案。本发明能精准预测负荷、优化充放电策略,降低用电与运营成本,平衡电池寿命和经济效益,提升储能电站智能化与高效化水平。
技术关键词
储能设备
充放电控制方法
储能电站
级联神经网络
多用户
功率
深度强化学习模型
电网调频需求
负荷预测偏差
电池健康状态
闭环控制
充放电控制系统
时间卷积网络
参数更新模块
最佳工作温度
历史负荷数据
长短期记忆网络