(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210975967.6 (22)申请日 2022.08.15 (65)同一申请的已公布的文献号 申请公布号 CN 115051415 A (43)申请公布日 2022.09.13 (73)专利权人 苏州思萃融合基建技 术研究所有 限公司 地址 215131 江苏省苏州市相城经济技 术 开发区澄阳街道澄阳路116号阳澄湖 国际科创园3号楼4层408室 (72)发明人 马杰　袁琦　程奇　李国建　 裴莹玲　 (74)专利代理 机构 苏州谨和知识产权代理事务 所(特殊普通 合伙) 32295 专利代理师 唐静芳(51)Int.Cl. H02J 3/46(2006.01) H02J 3/32(2006.01) G06N 3/00(2006.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (56)对比文件 CN 114418249 A,202 2.04.29 CN 110247411 A,2019.09.17 刘若河等.考虑配电网消纳能力的分布式电 源与储能优化配 置. 《电力电容器与无功补偿》 .2021,第42卷(第1期),第16 6-172页. 审查员 张宁 (54)发明名称 基于AI预测的光储直柔系统配电策略决策 方法及装置 (57)摘要 本申请涉及一种基于AI预测的光储直柔系 统配电策略决策方法及装置， 属于分布式可再生 能源电力系统技术领域， 其包括： 获取当前时刻 之前的各个历史 时刻的系统环 境参数； 使用系统 环境参数确定以当前时刻为起始时刻 的预设时 长内， 各个预测时刻的第一发电数据和第一能耗 数据； 基于第一发电数据和第一能耗数据， 使用 离散化多目标优化算法以预设目标最低为优化 目标， 确定当前时刻的光伏储电量、 光伏自用电 量和电池用电量的最优解， 以对当前时刻的光储 直柔系统的光伏发电量、 电池容量和用电来源进 行分配； 可以解决现有的光储直柔系统的配电策 略不够灵活的问题； 可以计算出满足预设目标最 低要求的配电最优方式， 可以提高配电策略的灵 活性。 权利要求书3页 说明书9页 附图4页 CN 115051415 B 2022.10.28 CN 115051415 B 1.一种基于AI预测的光储直 柔系统配电策略决策 方法， 其特 征在于， 所述方法包括： 获取当前时刻之前的各个历史时刻的系统环境 参数； 使用所述系统环境参数， 确定以当前时刻为起始时刻的预设时长内， 各个预测时刻的 第一发电数据和第一能耗数据； 基于所述第 一发电数据和第 一能耗数据， 使用离散化多目标优化算法以预设目标最低 为优化目标， 确定所述当前时刻的光伏储电量、 光伏自用电量和电池用电量的最优解， 以对 当前时刻的所述 光储直柔系统的光伏发电量、 电池容 量和用电来源进行分配； 所述第一发电数据包括各个预测时刻的光伏发电量、 以及光伏配电时能够获取的第 一 资源； 所述使用离散化多目标优化算法以预设目标最低 为优化目标， 确定所述当前时刻的光 伏储电量、 光伏自用电量和电池用电量的最优解， 包括： 获取所述光储直柔系统中蓄电池的电池总容量、 以及所述蓄电池在上一 时刻的电池储 电量； 基于所述电池总容量、 所述上一 时刻的电池储电量、 和所述光伏发电量构建决策变量， 各决策变量及其 边界条件构成决策空间； 使用所述决策空间和所述多目标优化算法以预设目标最低 为优化目标， 确定所述当前 时刻的光伏储电量、 光伏自用电量和电池用电量的最优解； 其中， 所述多目标优化 算法所解决的多目标优化问题的决策空间包括： 当前时刻的光伏储电量大于或等于0、 且小于或等于所述电池总容量与所述电池储电 量之差； 以及 当前时刻的光伏自用电量大于或等于 0、 且小于或等于所述 光伏发电量； 以及 当前时刻的电池用电量大于或等于 0、 且小于或等于所述电池 储电量。 2.根据权利要求1所述的方法， 其特征在于， 所述预设目标包括所述预设时长 内的总资 源消耗最低； 所述第一发电数据包括各个预测时刻的光伏发电量、 以及光伏配电时能够获 取的第一资源； 所述第一能耗数据包括各个预测时刻的建筑用电量、 以及使用电网的电能 时消耗的第二资源； 所述使用离散化多目标优化算法以预设目标最低 为优化目标， 确定所述当前时刻的光 伏储电量、 光伏自用电量和电池用电量的最优解， 包括： 对于每个预测时刻， 计算所述预测时刻对应的电网用电量和电网储电量之和与所述预 测时刻对应的第二资源的乘积， 确定各个预测时刻 对应的乘积之和， 得到第二资源总量； 所 述建筑用电量为所述电网用电量、 光伏自用电量和电池用电量之和； 所述光伏发电量为所 述光伏自用电量、 所述 光伏储电量、 和光伏上网电量之和； 计算所述预测时刻对应的光伏上网电量与 所述第一资源的乘积， 确定各个预测时刻对 应的乘积之和， 得到第一资源总量； 使用预设的约束函数确定使得所述第 二资源总量与所述第 一资源总量之差最小时， 所 述光伏储电量、 所述 光伏自用电量和所述电池用电量的最优解。 3.根据权利要求1所述的方法， 其特征在于， 所述预设目标包括所述预设时长 内的建筑 用电导致的二氧化碳排放量最低； 所述第一发电数据包括各个预测时刻的光伏发电量、 以 及配电时能够获取 的第一资源； 所述第一能耗数据包括各个预测时刻的建筑用电量、 以及权　利　要　求　书 1/3 页 2 CN 115051415 B 2使用电网的电能时消耗的第二资源； 所述使用离散化多目标优化算法以预设目标最低 为优化目标， 确定所述当前时刻的光 伏储电量、 光伏自用电量和电池用电量的最优解， 包括： 获取当前 所在地区的电网碳 排放因子； 对于每个预测时刻， 计算所述预测时刻对应的电网用电量和电网储电量之和与所述电 网碳排放因子的乘积， 确定各个预测时刻对应的乘积之和， 得到所述二氧化碳排放量； 所述 建筑用电量为所述电网用电量、 光伏自用电量和电池用电量之和； 所述光伏发电量为所述 光伏自用电量、 所述 光伏储电量、 和光伏上网电量之和； 使用预设的约束函数确定使得所述二氧化碳排放量最小时， 所述光伏储电量、 所述光 伏自用电量和所述电池用电量的最优解。 4.根据权利要求2或3所述的方法， 其特 征在于， 所述约束函数包括： 当前时刻的光伏发电量等于当前时刻的光伏储电量、 光伏自用电量和光伏上网电量之 和； 以及， 当前时刻的建筑用电量等于当前时刻的光伏自用电量、 电网用电量、 和电池用电量之 和； 以及， 当前时刻的 电池储电量等于上一时刻的 电池储电量、 当前时刻的 电网储电量、 和当前 时刻的光伏储电量之和减去当前时刻的电池用电量； 以及， 所述当前时刻的 电池储电量大于或等于0、 且小于或等于所述光储直柔系统中蓄电池 的电池总容 量； 以及， 当前时刻的光伏上网电量大于或等于 0； 以及， 当前时刻的电网用电量大于或等于 0； 以及， 当前时刻的电网储电量大于或等于 0。 5.根据权利要求1所述的方法， 其特征在于， 所述多目标优化算法包括多目标粒子群优 化算法， 或者S PEA‑II算法。 6.根据权利要求1所述的方法， 其特征在于， 所述使用所述系统环境参数， 确定以当前 时刻为起始时刻的预设时长内， 各个预测时刻的第一发电数据和第一能耗数据， 包括： 将所述系统环境参数输入预先训练 的预测模型， 得到所述第 一发电数据和所述第 一能 耗数据； 其中， 所述预测模型是使用训练数据对预先创建的神经网络模型进行训练得到的 建立， 所述训练数据包括样本系统环境参数， 以及所述样本系统环境参数对应的第二发电 数据和第二能耗数据。 7.根据权利要求1所述的方法， 其特征在于， 所述使用所述系统环境参数， 确定以当前 时刻为起始 时刻的预设时长内， 各个预测时刻的第一发电数据和第一能耗数据之前， 还包 括： 获取当前设备的算力能力； 基于所述 算力能力确定所述预设时长的取值和相邻两个时刻之间的时间 间隔。 8.根据权利要求1所述的方法， 其特征在于， 所述对当前时刻的所述光储直柔系统 的光 伏发电量、 电池容 量和用电来源进行分配， 包括： 按照所述 光伏储电量进行光伏储电； 按照所述 光伏自用电量分配光伏自用的电量；权　利　要　求　书 2/3 页 3 CN 115051415 B 3