[发明专利]基于神经网络的风电消纳相变储热站负荷预测系统和方法

权利要求书

1.一种基于神经网络的风电消纳相变储热站负荷预测系统，用于对风电消纳相变储热站(10)的负荷进行预测，所述风电消纳相变储热站(10)包括电热转换系统(6)、热存储系统(7)、控制系统(8)和储热室(9)，风电机组(2)通过控制电路(3)与逆变电路(5)与相变储热站(10)连接，市电电网(1)与控制电路(3)连接，其特征在于，所述的系统包括：

负荷预测模块，用于根据当前气象数据、历史负荷信息、相变储热站(10)的储热量以及储热温度，基于神经网络建立相变储热站(10)负荷预测模型，并对相变储热站可消纳电量进行预测；

能源管理模块，用于通过风电功率与预测得到的相变储热站(10)负荷，以及风电上网电价与市电价格的对比分析，做出需求响应，制定运行策略并进行控制。

2.根据权利要求1所述的一种基于神经网络的风电消纳相变储热站负荷预测系统，其特征在于，所述系统的负荷预测模块包括：

数据采集单元，用于采集确定基于神经网络的相变储热站(10)负荷预测模型的输入量和输出量：

其中，所述输入量至少包括室外温度、湿度、风速、历史负荷信息、太阳辐射强度、相变储热站的储热量和储热温度；所述输出量为预测日的所述预测模型的负荷为输出量；

预测准备单元，用于确定BP神经网络的结构及各层间的激励函数；

其中，所述的BP神经网络的结构为三层BP神经网络，其输入层节点对应于所述预测模型的输入量，其输出层节点的个数对应于所述预测模型的输出量，其隐含层节点数根据下述公式(1)确定：

m＝2n+1 (1)

式中，m为隐含层节点个数，n为输入层节点个数；

训练单元，用于建立BP神经网络，确定训练参数，开始训练，训练完毕后，得出预测结果；

其中，所述的训练参数包括训练函数、训练次数和训练目标。

3.根据权利要求2所述的一种基于神经网络的风电消纳相变储热站负荷预测系统，其特征在于，所述预测准备单元制定的BP神经网络激励函数采用双曲正切S型激活函数，BP神经网络输出层采用线性激活函数。

4.根据权利要求2所述的一种基于神经网络的风电消纳相变储热站负荷预测系统，其特征在于，所述训练单元建立BP神经网络时，是利用MATLAB神经网络工具箱进行建立。

5.根据权利要求2所述的一种基于神经网络的风电消纳相变储热站负荷预测系统，其特征在于，所述负荷预测模块还包括预测优化单元，用于对相变储热站(10)负荷预测模型的输入量的样本数据按下述公式(2)进行归一化处理：

式中，X_I为归一化后的目标，X_i为输入数据，X_max与X_min分别为X_i中的最大值和最小值。

6.根据权利要求1所述的一种基于神经网络的风电消纳相变储热站负荷预测系统，其特征在于，所述系统的能源管理模块制定的运行策略如下：

7.一种基于神经网络的风电消纳相变储热站负荷预测方法，用于对风电消纳相变储热站的负荷进行预测，所述风电消纳相变储热站(10)包括电热转换系统(6)、热存储系统(7)、控制系统(8)和储热室(9)，风电机组(2)通过控制电路(3)与逆变电路(5)与相变储热站(10)连接，市电电网(1)与控制电路(3)连接，其特征在于，包括：

根据当前气象数据、历史负荷信息、相变储热站(10)的储热量以及储热温度，基于神经网络建立相变储热站(10)负荷预测模型，并对相变储热站可消纳电量进行预测；

通过风电功率与预测得到的相变储热站(10)负荷，以及风电上网电价与市电价格的对比分析，做出需求响应，制定运行策略并进行控制。