[发明专利]一种基于人工智能灵活控制策略的风电场先进储能系统在审

专利信息
申请号: 202011388497.0 申请日: 2020-12-01
公开(公告)号: CN112531757A 公开(公告)日: 2021-03-19
发明(设计)人: 王云杉;赵铁岩;肖超;任锦 申请(专利权)人: 西安峰频能源科技有限公司
主分类号: H02J3/32 分类号: H02J3/32
代理公司: 北京专赢专利代理有限公司 11797 代理人: 于刚
地址: 710000 陕西省西安市高*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 人工智能 灵活 控制 策略 电场 先进 系统
【说明书】:

发明公开了一种基于人工智能灵活控制策略的风电场先进储能系统,包括实时数据接入系统、深度学习价格预测系统、人工智能灵活控制策略系统和实时监控系统,实时数据接入系统、深度学习价格预测系统和人工智能灵活控制策略系统均与实时监控系统相连接;实时数据接入系统负责数据的采集传输、手动导入;深度学习价格预测系统进行日前、实时价格预测,为后续灵活控制策略提供数据支持;人工智能灵活控制策略系统实时计算电池充放电功率,为储能系统提供控制决策;本系统为风电厂提供实时有效控制储能系统充放电功率策略,能够大大提高风电可控性、经济效益和电池利用率。

技术领域

本发明涉及风电储能领域,具体是一种基于人工智能灵活控制策略的风电场先进储能系统。

背景技术

目前能源危机、温室效用、城市雾霾等问题日益突出,世界各国已将新能源的发展提升到战略高度;其中,风力发电因其污染少、储量大等优点得到了快速发展,但风力发电具有波动性大、难预测性等缺点,给电网和电力市场的安全稳定运行带来挑战,同时导致风电在现货市场交易中利益受损;对风电场实际功率进行有效控制,提高风电可控性和经济效益,成为风电场亟待解决的问题。

随着储能技术的发展,可以实现风电最大程度输出以满足调度需求,有助于电力系统在各种工况下的功率和能量平衡运行;当风电场实际功率偏高时,储能系统可以通过充电,降低风电场实际功率;当风电场实际功率偏低时,储能系统可以通过放电,提高风电场实际功率;但如何实时控制储能系统充放电功率以提高风电利用率、延长电池使用寿命、降低风电损失是目前迫切需要解决的问题。

本发明提出了一种基于人工智能灵活控制策略的风电场先进储能系统,为风电厂提供实时有效控制储能系统充放电功率策略,以提高风电可控性、经济效益和电池利用率。

发明内容

本发明的目的在于提供一种基于人工智能灵活控制策略的风电场先进储能系统,以解决上述背景技术中提出的问题。

为实现上述目的,本发明提供如下技术方案:

一种基于人工智能灵活控制策略的风电场先进储能系统,包括实时数据接入系统、深度学习价格预测系统、人工智能灵活控制策略系统和实时监控系统,实时数据接入系统、深度学习价格预测系统和人工智能灵活控制策略系统均与实时监控系统相连接;实时数据接入系统负责数据的采集传输、手动导入;深度学习价格预测系统进行日前、实时价格预测,为后续灵活控制策略提供数据支持;人工智能灵活控制策略系统实时计算电池充放电功率,为储能系统提供控制决策;实时监控系统对日前、实时预测价格、电池预期充放电功率、电池实时充放电功率、风电场实时预测功率、风电场实时实发功率、电池剩余可用容量、风电场预期收益进行可视化展示。

所述实时数据接入系统连接EMS、风电场和电网调度中心,实时数据接入系统负责从EMS、风功率预测系统、风电场实发监测系统采集数据,电网调度中心数据由用户手动上传至实时数据接入系统,EMS配备了监控系统软件和储能电池,储能电池连接DC/AC转换模块,可实现储能电池的在线监测,主要包括电池状态监测、电池状态分析、电池安全保护、电池信息管理和能量控制管理;风电场具有风功率预测系统和实发监控系统,风功率预测系统对风电场实发功率进行滚动预测;风电场实发监测系统对风电场实发电量由计量电表实时检测。

深度学习价格预测系统进行未来多日日前、实时价格滚动预测;选择历史气象数据、日期类型、历史全网日前价格、实时价格、预测日日期类型、预测日气象等数据,基于相似日法的LSTM神经网络模型滚动预测未来多日日前价格和实时价格。

所述人工智能灵活控制策略系统还与EMS相连接对储能电池充放电功率进行滚动预测,上传至EMS系统。

所述实时监控系统对价格预测系统的预测结果、电池预期充放电功率、电池实时充放电功率、电池实时剩余可用容量、风电场实时预测功率、历史实发功率进行滚动展示。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安峰频能源科技有限公司,未经西安峰频能源科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011388497.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top