[发明专利]一种基于光伏发电能力预测和博弈论的分布式能源管理策略

权利要求书

1.一种基于光伏发电能力预测和博弈论的分布式能源管理策略，其特征在于；采用的技术方案包括两个步骤：第一步：光伏发电能力预测；第二步：设计结合光伏发电能力预测和博弈论算法的能量管理策略；

通过以下步骤来实现基于光伏发电能力预测和博弈论的分布式能源管理策略：

1)光伏发电能力预测：光伏发电能力预测是一个动态非线性问题，因此我们很难用函数来表示；这里我们采用神经网络模型来预测光照强度；先基于光照强度构建特征工程，采用RNN-LSTM进行光照强度预测，再进一步结合光伏模型，预测光伏发电能力；我们使用历史光照强度曲线作为数据集并将其看作时间序列预测问题；因循环神经网络RNN-LSTM结构可以避免时间序列的长期依赖问题，故采用RNN-LSTM预测光照强度，再进一步结合光伏模型，预测光伏发电能力；该模型的输入是历史的光照强度和光照强度之差，输出是预测的光照强度；该附图的预测模型的输入输出关系可表达为：

Irr^k+1＝f_NN(Irr^k-h+1，...，Irr^k；a^k-h+1，...，a^k)

a^k＝Irr^k+1-Irr^k

其中Irr是光照强度，α是光照强度之差；

2)设计结合光伏发电能力预测和博弈论算法的分布式能量管理策略：根据微电网的多能源装置建立多代理人模型，定义各代理人的效用方程以及状态条件；然后采用结合光伏发电能力预测的非合作博弈论算法来优化系统能量管理策略，提高系统效率；该分布式系统如附图2所示；

所述步骤1)中：构建特征工程

先基于光照强度曲线构建特征工程，提取出光照强度之差a^k信息，再采用RNN-LSTM进行光照强度的预测，再进一步结合光伏模型进行光伏发电能力预测；

所述步骤2)中：多能源装置的效用方程：

(1)光伏：

光伏面板希望提高能力利用效率，因此在这里，我们定义光伏的效用函数来提供尽可能接近其光伏的产生能量，其效用函数定义如下

其中P_p是光伏面板的实际功率，是光伏面板的产生功率，n_p是归一化系数，范围在[0，1]区间，表示为：

(2)风力涡轮机

风力涡轮机希望最大利用风力发电能力，因此在这里，我们定义风力涡轮机的效用函数来提供尽可能接近产生的能量，从而最大限度地提高能力利用率；其效用函数定义如下：

其中P_w是风力涡轮机的实际功率，是风力涡轮机的产生功率，n_w是归一化系数，范围在[0，1]区间，表示为：

(3)蓄电池：

电池的寿命受多种因素影响，如环境温度，过度放电、小电流放电等因素；从电池的波动性角度分析，电池的能量波动主要受负载需求的不确定性影响较大；为延长电池寿命，可通过最小化电池功率的幅度和频率来改变，因而其效用方程为：

U_b＝ω_b1U_b1+ω_b2U_b1

其中P_b是电池实际功率，P_bave是电池的历史平均功率，P_blast是电池前一个控制时刻的功率；n_b1 n_b2均为归一化参数，其各自的表示为：

其中P_bmax是电池的最大功率，P_bmin是电池的最小功率；

(4)超级电容：

超级电容是用作能量缓冲器，旨在维持能量容量；因此，通过假设所需的初始电压，我们定义存储的能量尽可能接近其初始状态，因此其效用方程定义为：

其中P_c是超级电容的实际功率，为超级电容的期望功率；V_c，ini是超级电容的初始电压，V_c，max是超级电容的最大电压，P_c，max是超级电容的最大功率，P_irr是预测的光伏发电能力，P_v，last是上一时刻光伏发电量，U_bus为母线电压；

n_c是归一化参数，其表达为：

所述步骤2)中：基于光伏发电能力预测的非合作博弈论算法优化系统能量管理策略

基于前面定义好的各能源装置的效用方程，下面建立起起非合作博弈，并通过反应函数证明纳什均衡是存在的；

根据能量守恒有：

P_c＝P_l-P_p-P_w-P_b

其中P_l是负载需求，P_c，P_p，P_w P_b分别指超级电容实际功率、光伏发电功率、风力涡轮机发电功率、电池实际功率；

下面根据能量守恒，将三个能源装置博弈问题转为两个博弈方问题，如下：

U_bc＝w_b1U_b1+w_b2U_b2+w_cbU_c

U_wc＝w_wU_w+w_cwU_c

U_pc＝w_pU_p+w_cpU_c

根据上述两式的最反应函数，可得纳什均衡，也就是求得该能源管理策略的解；

本发明提到的基于光伏发电能力预测和博弈论的分布式能源管理策略，属于电网能源管理技术领域，为电网能源管理策略提供重要的借鉴和参考。