[发明专利]一种多步图神经网络自适应动态规划的光伏发电管理方法

说明书

本发明提出一种多步图神经网络自适应动态规划的光伏发电管理方法，该方法包括图神经网络方法和多步自适应动态规划方法，能有效解决户用光伏发电在家庭能量管理中的多目标规划问题。本发明所提方法由图模型网模块、图评价网模块和图控制网模块三个基本模块组成，其中每个模块的核心结构均为图神经网络。首先，本发明所提多步图神经网络自适应动态规划方法将大量的光伏发电数据形成可视化图片，并建立光伏发电数据模型。然后，将形成的光伏发电数据模型通过多步自适应动态规划方法对光伏发电系统进行实时控制与优化，提升光伏发电效率。

技术领域

本发明属于电力系统新能源领域，涉及一种光伏发电管理方法，适用于光伏发电在家庭能量管理中的多目标规划与控制问题。

背景技术

户用光伏是指安装在家庭屋顶的小型光伏发电装置，因其不会浪费土地资源，能源来源绿色环保，低成本以及较少功率传输损耗的优点，是分布式发电当中的不二之选。然而，当户用光伏发电接入家庭后，会造成功率的波动问题。与此同时，户用光伏产生的电能必然会导致电能分配问题。

目前，国内外已有众多学者对户用光伏发电和家庭能量管理方面开展研究。在户用光伏发电方面，有学者提出了近似最优的存储控制算法，将住宅光伏发电系统与储能系统相结合对电力系统负荷曲线进行调峰，从而降低用户的消费。有学者为解决屋顶光伏系统普及所带来的电能质量和可靠性问题，尤其是光伏发电超出家庭需求的问题，提出了一种确定住宅系统中光伏逆变器有功功率和无功功率设定点的方法。有学者通过负荷聚集商数学模型的建立，从而调整家庭用电计划，以降低用户的电力支出。在能量管理方面，一种以自动化和智能化为目标的虚拟社区的参与形式可管理智能电网当中能源共享过程中的生产消费者，得到更高的经济收益。

综上所述，在户用光伏发电方面，上述研究大多采用储能装置与户用光伏逆变器无功调节相配合的方式来解决该问题。但是这种方式的实际成本比较高，并且光伏利用率也较低。在能量管理方面，不少文献采取的大多是对多户家庭进行集中管理或者控制，单户家庭用电的经济性不高，也未能获得在家庭单元中减少负荷波动的效果。而且若对于户用光伏发电采用就近消纳、其余并网的模式，还可能产生功率不平衡的问题。

在上述研究的基础上，本发明提出一种基于人工智能方法的光伏发电管理机制，该方法可将大量的光伏发电数据形成可视化图片，降低功率波动、节省电力成本的优点，能有效解决户用光伏在家庭能量管理中的多目标规划与控制问题。

发明内容

本发明提出一种多步图神经网络自适应动态规划的光伏发电管理方法。该方法将自适应动态规划方法运用到光伏发电管理中，同时提出了一种新的控制与优化方法，即多步自适应动态规划方法。其次，在多步自适应动态规划的基础上添加图神经网络，形成多步图神经网络自适应动态规划方法。

当户用光伏发电接入家庭后，会导致功率波动以及电能分配问题。针对功率波动问题，又兼顾经济效益，在家庭日负荷能量模型中，结合多步图神经网络自适应动态规划方法，建立了考虑户用光伏发电的家庭能量管理方法。首先，基于实际数据，建立负荷电气学模型，能够反映居民负荷用电特性。接着，搭建居民负荷行为学模型，并基于威布尔分布获得每一小时家庭负荷大小概率模型。最后，通过二者的综合得到单户家庭日负荷曲线。本文采取的负荷电气学模型为指数模型：

式中：P_s为负荷的有功功率；U为供电电压；P₀为负荷额定有功功率；U₀表示系统额定电压幅值。Z_p,I_p,P_p为待求常数参数，幂指数α可由(2)式计算：

负荷行为模型中，必须先确定有效用电人数n_t，如(3)式所示：