[发明专利]面向电网电量平衡与新能源消纳的光储充一体站运行方法

说明书

本发明提供了一种面向电网电量平衡与新能源消纳的光储充一体站运行方法，包括：基于光储充一体站的综合服务场景，以光储充一体站运行成本最小化为目标，以功率平衡约束、主电网交互功率约束和设备运行约束为约束条件，以储能单元的实时出力为决策变量，建立光储充一体站的联合运行优化模型；运用马尔可夫决策过程方法转化为策略决策问题的的强化学习网络；采用历史系统状态数据，基于DDPG算法离线训练强化学习网络，结合分时电价机制对光储充一体站的联合运行优化模型进行调度成本最低经济性优化计算，得到光储充一体站内储能系统的实时自趋优运行出力结果，进而实现光储充一体站的动态优化运行，还可以有效避免计算中的维数灾难。

技术领域

本发明涉及电动汽车充电站运行调度技术领域，尤其涉及一种面向电网电量平衡与新能源消纳的光储充一体站运行方法。

背景技术

在交通电气化背景下，充电设施及配电网的规划与设计需要考虑适应电动汽车规模化发展趋势。与此同时，储能和光伏因为技术性能的提高以及成本的降低而受到广泛关注。光伏发电具有成本低廉、绿色清洁的优点，但是其受外界环境影响较大，出力呈现一定的波动性，由于配置储能系统可进一步加强对电动汽车充电负荷的就地补偿效果，通过管理储能电池的充放电行为可以实现能量在时间和空间上平移，缓解电网在高峰时段的供电压力。因此，将光伏、储能和电动汽车三者有机结合的一种多元化应用形式，是实现电动汽车充电站与可再生能源衔接的重要途径，能够有效降低电动汽车充电行为对电网的影响。

现有方法中对于集合光伏、储能的一体化综合电站的优化调度，目前相关的研究相对较少，主要基于传统优化建模的各类控制算法来解决站内各类资源的协调优化互补问题。主要包括例如以日运行总成本最小为目标的光储充电塔自适应鲁棒日前能量—备用协同优化调度方法，以及基于光伏发电和固定电池储能的电动汽车双向充电站与商业建筑集成的四阶段智能优化控制算法。该类算法实现了在考虑潜在不确定性的前提下，最大限度地降低客户满意度所涉及的运营成本，同时通过调整计划来平衡“源-储-荷”间的实时供需。但是，其缺点在于，优化模型多以充电站的收益最大为目标进行构建，然而针对光储充放一体站，在考虑站内经济运行的同时，仍需进一步考虑新能源的就地消纳问题。且现阶段的优化运行调度方法多集中于日前调度，因此局限于固定的调度计划，不能动态的对源和荷的随机变化做出响应。同时，现有的优化运行模型多基于传统数学优化建模，该方法仍依赖于对可再生能源和负荷的精确预测。随着用电信息采集系统的推广，数据驱动的机器学习方法在电力系统优化运行方面的应用已引起国内外学者的广泛关注。为实现优化站内各类资源的出力计划来实现降低电站运行成本的目标，目前已有的强化学习算法将站内各资源的调度问题描述为一个约束马尔可夫决策过程，并提出基于深度强化学习的无模型方法。该方法通过直接学习使用深度神经网络，生成了受约束的最佳站内资源出力计划。但是，该传统的强化学习方法在处理小规模离散空间的问题中表现良好，然而在处理连续状态变量任务时随着空间维度的增加，其离散化得到的状态数量则呈现指数级增长，即存在维数灾难的问题，无法进行有效的学习。在针对光储充一体电站的联合经济运行问题时，由于其状态空间中的负荷、光伏发电及荷电状态均为连续变量，因此传统的强化学习方法往往无法有效求解。同时，站内储能系统的动作也为连续变量，对动作空间进行离散化将会模糊决策动作域中的诸多信息。

因此，针对光储充一体站，在考虑站内经济运行的同时，还仍需进一步考虑新能源的就地消纳问题，如何在综合考虑集成光伏及储能系统的电动汽车充电站综合服务场景的基础上，协调站内的所有储能系统的出力情况，有效避免维数灾难和保存整个动作域信息，进而实现面向电网电量平衡与新能源消纳的光储充站优化运行是现有技术亟需解决的问题。

发明内容

本发明提供了一种面向电网电量平衡与新能源消纳的光储充一体站运行方法，以解决现有技术中存在的问题。

为了实现上述目的，本发明采取了如下技术方案。

本发明实施例提供了一种面向电网电量平衡与新能源消纳的光储充一体站运行方法，包括：