[发明专利]用于分布式储能供电的自适应控制系统参数确定方法

权利要求书

1.一种用于分布式储能供电的自适应控制系统参数确定方法，其特征在于，包括如下步骤：

步骤1、用于构建分布式储能供电系统的供电模型机器约束项，包括：

获取分布式储能供电系统内的发电机组设备G＝{w₁、w₂、w_w-1、w_w，g₁、g₂、g_g-1、g_g}、分布式储能设备S＝{s₁、s₂...s_S-1、s_S}以及电网用电负荷L＝{l₁、l₂...l_L-1、l_L}；

统计固定式常开发电机组设备w，构建输出模型：

其中p_w(t)为发电机组设备w在时刻t的发电量，p_wmax为发电机组设备的最大发电量；为发电机组设备运行成本

构建分布式储能设备模型

p_dmax为储能设备最大输出功率、p_s(t)为t时刻电量，p_cmax为最大容许充电量，E_smin为储能设备最低容量，E_smax为最大存储容量；E_s(t)为t时刻储能设备容量；a_s为放电损耗系数，κ_s为使用成本系数；

构建系统从常规电网转移电量的转移模型：C_m(p_m(t))＝ρ·p_m(t)；

其中ρ为基准电量转移成本，p_m(t)为转移电量；

构建供电有效性控制模型：其中E(p_l(t))为期望供电负荷；p_lmin是最小负荷需求，p_lmax为最大负荷需求，

构建分布式储能供电系统运行成本优化目标函数

步骤2、建立以p_w(t)、p_g(t)、p_s(t)、p_lmax、p_lmin为被控量X(k)，p_m(t)为控制量u(k)的自适应动态供电网络；所述自适应动态供电网络基于自适应动态规划ADP；自适应动态供电网络用于：建立基于深度学习神经网络的控制策略和评分策略，确定网络学习度、层数以及循环次数；建立前述模型与被控量和控制量的相关约束条件和参数输入和控制机制；

步骤3、初始化控制策略和评分策略，收集分布式储能供电系统的数据输入自适应动态供电网络，基于分布式储能供电系统运行成本优化目标函数计算被控量输出，根据被控量输出计算有效性控制模型是否满足要求，若不满足则调整数据进行下一步训练测试，若满足则不改变；

步骤4、将被控量作为输入，测试和修正控制策略；

步骤5、将被控量和修正后的控制策略作为输入，测试和修正评分策略；

步骤6、基于前述修正后的控制策略，修正分布式储能供电系统运行成本优化目标函数；

步骤7、循环前述步骤3至步骤6，直至训练结束，得到自适应动态供电网络对应的控制策略和评分策略；

步骤8、基于前述步骤的结果建立相应的分布式储能供电的自适应控制系统；

对于含有分布式发电机组设备的分布式储能供电系统，在所述步骤1中，还包括统计网内分布式发电机组设备g，构建输出模型的步骤，所述输出模型为：其中P_g(t)为发电机组设备g在时刻t的发电量，p_gmax为发电机组设备的最大发电量；为发电机组设备运行成本；

所述步骤1中还包括构建用电负荷模型的步骤，所述用电负荷模型为：其中γ_l为用电成本系数。