[发明专利]优化发电机单元的使用

权利要求书

1.一种用于优化发电机单元(15)在发电站(10)中的使用的优化方法，所述发电站被布置成产生电能并且将其递送给网络(2)，并且除了所述发电机单元之外还包括太阳能电池板(12)和电池(14)两者，所述优化方法包括以下步骤：

·根据所述电池在一天结束时的初始充电状态(SOCi)，预测所述电池在当天之后的夜间期间将能够递送给所述网络的初始能量量(Ei)；

·预测在夜间预期用于所述网络的预期消耗和预期消耗概况两者，根据所述初始能量量和所述预期消耗来估计在夜间是否有必要启动所述发电机单元(15)；

·如果启动将是必要的，则根据所述初始能量量、所述预期消耗、以及所述预期消耗概况来估计用于启动所述发电机单元的启动时间(Td)以及用于运行所述发电机单元的最小运行时间长度(Dm)，所述最小运行时间长度足以使得所述发电机单元既一旦已经配送了整个初始能量量就向所述网络递送足够的补充能量以满足所述网络的预期消耗，又足以向所述电池再充电能量以使得所述电池能够在所述发电机单元已经停止之后满足所述预期消耗；

·根据所述再充电能量来确定所述电池的最终充电状态(SOCf)，所述最终充电状态构成了用于停止所述发电机单元的停止准则。

2.如权利要求1所述的优化方法，其特征在于，预测所述初始能量量包括以下步骤：计算所述初始充电状态(SOCi)和被定义为避免损坏所述电池的最小充电状态(SOCm)之间的充电状态的第一差异(ΔSOC1)，以及使用先前训练的第一机器学习算法来从所述充电状态的第一差异预测所述初始能量量。

3.如权利要求2中所述的优化方法，其特征在于，所述第一机器学习算法是回归算法。

4.如任一前述权利要求所述的优化方法，其特征在于，预测所述预期消耗和所述预期消耗概况利用第二机器学习算法，所述第二机器学习算法先前已经用包括消耗时间序列的数据库训练。

5.如权利要求1到3中任一项所述的优化方法，其特征在于，预测所述预期消耗和所述预期消耗概况包括利用在前一夜测量的消耗和消耗概况。

6.如任一前述权利要求所述的优化方法，其特征在于，所述发电机单元(15)的启动时间以如下方式来定义：使得所述启动时间Td比所述电池的当前充电状态达到所述最小充电状态的时间提前时间TS，并且以如下方式来定义：

TS-Td≤ΔT1；

其中ΔT1是第一单位时间间隔。

7.如任一前述权利要求所述的优化方法，其特征在于，估计最小运行时间长度(Dm)包括迭代地确定数字N的第一值的步骤，所述第一值使得能够满足以下条件：

Load_E＝Load_E，DG十Batt_{E，OUT，night}；

Batt_E，OUT＝αBatt_E，IN，

其中Load_E是所述预期消耗，Load_E，DG是所述补充能量，Batt_{E，OUT，night}是所述电池(14)在夜间递送给所述网络(2)的能量，DG_P是所述发电机单元(15)在历时的第二单位时间间隔ΔT2期间产生的平均电功率，Load_P，DG是所述发电机单元在所述第二单位时间间隔期间递送给所述网络的平均功率，Batt_P，IN是所述发电机单元(15)递送给所述电池的为了在所述第二单位时间间隔期间对所述电池进行再充电的功率，Batt_E，IN是所述再充电能量，Batt_E，OUT是一旦所述电池已经用所述再充电能量Batt_E，IN充电就能递送给所述网络的能量，而α是所述电池的效率，其中所述最小运行时间长度等于N.ΔT2.。