一种基于监督学习的微电网储能系统实时优化控制方法

专利主权项内容

1.一种基于监督学习的微电网储能系统实时优化控制方法，其特征在于，包括以下步骤：S1、建立含光伏、负荷和储能的微电网储能系统功率控制模型，包括建立最优化运行的目标函数F和约束条件C＝{C}；MSlS2、采用光伏预测模型生成日前光伏预测曲线，采用负荷预测模型生成日前负荷预测曲线，采用混合整数线性规划方法根据所述日前光伏预测曲线和所述日前负荷预测曲线，计算微电网储能系统的日前最优功率曲线及对应的日前SOC曲线；S3、在所述日前光伏预测曲线中加入N组服从正态分布的随机噪声，形成日前光伏预测误差模拟曲线集合；将日前光伏预测误差模拟曲线集合中的所有曲线，分别与日前光伏预测曲线，按相同时间点求平均值，构建超短期光伏预测曲线集合；在所述日前负荷预测曲线中加入M组服从正态分布的随机噪声，形成日前负荷预测误差模拟曲线集合；采用混合整数线性规划方法，计算微电网储能系统在所述日前光伏预测误差模拟曲线集合和所述日前负荷预测误差模拟曲线集合中的理论最优功率曲线集合及对应的理论SOC曲线集合；S4、把整个优化周期中均匀分为L个时段，时间长度为Δt，基于随机森林算法，分别构建L个监督学习模型；S5、在离线训练阶段，针对第i个监督学习模型(i＝1, 2, ..., L)，从S3所述理论最优功率曲线集合的所有功率曲线中选取第i个时段的平均功率，计算其与S2所述日前最优功率曲线中第i个时段平均功率的差值，作为第i个监督学习模型的标签；对于电价曲线、日前SOC曲线、日前光伏预测曲线、日前负荷预测曲线、微电网储能系统的日前最优功率曲线、日前光伏预测误差模拟曲线集合中的所有曲线、日前负荷预测误差模拟曲线集合中的所有曲线、理论SOC曲线、微电网储能系统的理论最优功率曲线集合中的所有曲线，将这些曲线第(i-1)个时段的值，以及第i个时段超短期光伏预测曲线的值全部作为第i个监督学习模型的特征；对所有L个监督学习模型进行训练与测试；S6、在实时优化阶段，将第(i-1)个时段的电价、日前SOC预测值、日前光伏预测平均功率、日前负荷预测平均功率、微电网储能系统的日前最优功率、实测光伏发电平均功率、实测负荷平均功率、实测SOC值、实测微电网储能系统的平均功率以及第i个时段的微电网储能系统的超短期光伏预测平均功率输入第i个监督学习模型，计算出第i个时段的平均功率修正值，用于修正微电网储能系统的日前最优功率曲线，实施对微电网储能系统的实时优化控制。