淺談虛擬電(dian)廠儲(chu)能(neng)數據的(de)應(ying)用(yong)

安科(ke)瑞電氣(qi)股份有(you)限(xian)公司(si) 上海(hai)嘉(jia)定 201801

摘(zhai)要：虛擬電(dian)廠儲(chu)能(neng)系(xi)統的智(zhi)能(neng)調(tiao)度(du)尤(you)為(wei)關鍵，因此提出(chu)了(le)壹種(zhong)基於深(shen)度Q網(wang)絡（deepQnetwork，DQN）的(de)虛擬電(dian)廠儲(chu)能(neng)數據挖掘方(fang)法(fa)，結(jie)合光(guang)伏(fu)發電功(gong)率(lv)、負荷功率(lv)和(he)電(dian)力(li)市場的實(shi)時(shi)動(dong)態(tai)電價，進(jin)行(xing)虛擬電(dian)廠儲(chu)能(neng)數據挖掘仿(fang)真(zhen)研究。仿(fang)真(zhen)實(shi)驗證(zheng)實(shi)，在(zai)光(guang)伏(fu)發電功(gong)率(lv)大於負(fu)荷功率(lv)時，虛擬電(dian)廠儲(chu)能(neng)系(xi)統可(ke)以(yi)根(gen)據電(dian)價情(qing)況(kuang)進行(xing)充(chong)放(fang)電(dian)操作(zuo)，能(neng)調(tiao)度(du)收(shou)益(yi)，從(cong)而(er)實(shi)現了(le)對虛擬電(dian)廠儲(chu)能(neng)系(xi)統的智(zhi)能(neng)化(hua)管(guan)理。該(gai)方(fang)法(fa)有(you)效提升了(le)虛擬電(dian)廠儲(chu)能(neng)系(xi)統的智(zhi)能(neng)化(hua)水(shui)平和(he)能(neng)源(yuan)調(tiao)度(du)效率(lv)，為(wei)未來(lai)虛擬電(dian)廠智(zhi)能(neng)化(hua)運(yun)行(xing)提(ti)供(gong)了(le)新的(de)方(fang)法(fa)。

關(guan)鍵詞：深(shen)度學(xue)習(xi)；神(shen)經(jing)網(wang)絡；數據挖掘；虛擬電(dian)廠；儲(chu)能(neng)

0引(yin)言(yan)

隨著(zhe)可(ke)再(zai)生(sheng)能(neng)源(yuan)的(de)迅(xun)速(su)增長和(he)能(neng)源(yuan)轉型(xing)的(de)推進(jin)，虛擬電(dian)廠（virtualpowerplant，VPP）已成(cheng)為(wei)實(shi)現能(neng)源(yuan)智(zhi)能(neng)化(hua)管(guan)理和(he)提(ti)高(gao)系(xi)統靈(ling)活性的(de)關鍵解(jie)決方(fang)案(an)。在(zai)虛擬電(dian)廠中(zhong)，儲能(neng)系(xi)統被視為(wei)重(zhong)要的(de)能(neng)量存儲設(she)施(shi)，其運(yun)行(xing)的(de)優(you)化對於平衡電力(li)系(xi)統的供(gong)需、提高(gao)系(xi)統的可(ke)靠性至關重(zhong)要。然(ran)而(er)，隨著(zhe)儲(chu)能(neng)系(xi)統規(gui)模的不斷(duan)擴大和(he)運(yun)行(xing)復(fu)雜(za)性的(de)增加，如何(he)有(you)效利用(yong)儲能(neng)數據進(jin)行(xing)深(shen)度分(fen)析和(he)挖掘，成(cheng)為(wei)優(you)化虛擬電(dian)廠運(yun)行(xing)的(de)關鍵挑(tiao)戰(zhan)之(zhi)壹。

人(ren)工智(zhi)能(neng)是(shi)壹(yi)種(zhong)模擬人(ren)類(lei)智(zhi)能(neng)行(xing)為(wei)的技(ji)術，其(qi)核心在(zai)於利(li)用(yong)計算機系(xi)統模擬人(ren)類(lei)的(de)思維(wei)過(guo)程以(yi)及(ji)學習(xi)能(neng)力(li)，從而(er)執(zhi)行(xing)各(ge)種任(ren)務(wu)。在(zai)人工智(zhi)能(neng)領(ling)域，深(shen)度Q網(wang)絡（deepQnetwork，DQN）是(shi)壹種基於深(shen)度學(xue)習(xi)和(he)強(qiang)化(hua)學(xue)習(xi)的(de)方(fang)法(fa)，已在(zai)解(jie)決復(fu)雜(za)的決(jue)策(ce)問題(ti)時(shi)展(zhan)現出(chu)驚(jing)人的性能(neng)。DQN結(jie)合(he)了(le)深(shen)度神(shen)經網(wang)絡的表(biao)征學習(xi)能(neng)力(li)和(he)Q學(xue)習(xi)（Q-learning）的(de)強(qiang)化(hua)學習(xi)框(kuang)架，能(neng)夠(gou)自動(dong)從(cong)環(huan)境中學(xue)習(xi)並(bing)優(you)化決策(ce)策(ce)略，適(shi)用(yong)於探索(suo)和(he)解(jie)決具有(you)高(gao)度(du)不確定性和(he)復(fu)雜(za)性的(de)問題(ti)。DQN在(zai)視頻(pin)遊戲(xi)、機器(qi)人(ren)控制(zhi)、交通規(gui)劃(hua)等領(ling)域的成功(gong)應(ying)用(yong)，表(biao)明(ming)了(le)其在(zai)決策(ce)制(zhi)定和(he)優(you)化方面的巨大潛力(li)。在(zai)虛擬電(dian)廠儲(chu)能(neng)數據挖掘中(zhong)，利(li)用(yong)DQN可(ke)以(yi)有(you)效地對儲能(neng)數據進(jin)行(xing)分(fen)析和(he)建模，實(shi)現智(zhi)能(neng)化(hua)的(de)儲(chu)能(neng)系(xi)統管(guan)理，優(you)化系(xi)統的運(yun)作效能(neng)與(yu)經濟(ji)效益(yi)。本(ben)文(wen)旨(zhi)在(zai)探討(tao)基於DQN的(de)虛擬電(dian)廠儲(chu)能(neng)數據挖掘方(fang)法(fa)，以(yi)加速(su)能(neng)源(yuan)智(zhi)能(neng)化(hua)管(guan)理的(de)實(shi)現，並為(wei)能(neng)源(yuan)系(xi)統的持(chi)久發展(zhan)提(ti)供(gong)理論(lun)與(yu)技術(shu)支持(chi)。

1相(xiang)關(guan)技術

1.1虛擬電(dian)廠儲(chu)能(neng)

虛擬電(dian)廠是(shi)壹個創(chuang)新性的(de)能(neng)源(yuan)管(guan)理系(xi)統，其通過(guo)整合(he)多(duo)樣(yang)的(de)分布式能(neng)源(yuan)資(zi)源(yuan)和(he)電(dian)力(li)設(she)備，實(shi)現對電力(li)系(xi)統的智(zhi)能(neng)化(hua)協(xie)調(tiao)。在(zai)虛擬電(dian)廠中(zhong)，通過(guo)統壹調(tiao)度太(tai)陽能(neng)光(guang)伏(fu)電池(chi)、風力(li)渦輪機、小(xiao)型(xing)燃(ran)氣(qi)發電機組(zu)等分(fen)散(san)的能(neng)源(yuan)資(zi)源(yuan)，實(shi)現了(le)多能(neng)源(yuan)的(de)整合(he)。智(zhi)能(neng)化(hua)控制(zhi)系(xi)統能(neng)夠(gou)實(shi)時(shi)監(jian)測(ce)電(dian)力(li)需求、能(neng)源(yuan)生(sheng)產狀況以(yi)及(ji)市場價格(ge)，從(cong)而(er)實(shi)現對能(neng)源(yuan)資(zi)源(yuan)的(de)智(zhi)能(neng)調(tiao)度(du)、提(ti)高(gao)系(xi)統的工作(zuo)效率(lv)和(he)降(jiang)低(di)成(cheng)本(ben)。虛擬電(dian)廠的(de)靈(ling)活能(neng)源(yuan)調(tiao)度(du)能(neng)夠(gou)使(shi)其(qi)適(shi)應(ying)不同地(di)區和(he)能(neng)源(yuan)的(de)可(ke)用(yong)性，而(er)且通過(guo)參與(yu)電力(li)市場，其還能(neng)提(ti)供(gong)調頻(pin)、備用(yong)能(neng)量等服務(wu)。更為(wei)重(zhong)要的(de)是(shi)，虛擬電(dian)廠通過(guo)整合(he)儲(chu)能(neng)技(ji)術(shu)，解(jie)決了(le)可(ke)再(zai)生(sheng)能(neng)源(yuan)波動(dong)性的(de)問題(ti)，實(shi)現在(zai)高產(chan)能(neng)時(shi)儲(chu)存(cun)過(guo)剩能(neng)量，在(zai)需求高(gao)峰(feng)期(qi)釋放(fang)儲(chu)存(cun)的(de)能(neng)量，從而(er)提(ti)高可(ke)再(zai)生(sheng)能(neng)源(yuan)的(de)可(ke)靠性。

儲(chu)能(neng)技(ji)術(shu)用(yong)於將電能(neng)轉化(hua)為(wei)其他形式(shi)的(de)能(neng)量，並在(zai)需要時(shi)將其重(zhong)新轉換(huan)為(wei)電能(neng)，旨(zhi)在(zai)增強電(dian)力(li)系(xi)統的穩定(ding)性與(yu)適(shi)應(ying)性。常(chang)見的(de)儲能(neng)方(fang)法(fa)包括(kuo)利用(yong)電池(chi)進行(xing)能(neng)量存儲、壓縮(suo)空(kong)氣(qi)儲(chu)能(neng)、水(shui)泵儲能(neng)、電(dian)容器(qi)和(he)熱(re)能(neng)儲(chu)能(neng)。電(dian)池(chi)儲(chu)能(neng)系(xi)統被廣泛(fan)用(yong)於移(yi)動設(she)備和(he)電(dian)動(dong)汽(qi)車，而(er)壓縮(suo)空(kong)氣(qi)、水(shui)泵和(he)熱(re)能(neng)儲(chu)能(neng)技(ji)術(shu)則(ze)在(zai)大規(gui)模電力(li)系(xi)統中應(ying)用(yong)廣泛(fan)，這(zhe)些(xie)技術(shu)的使(shi)用(yong)有(you)助於平衡供(gong)需，提高(gao)電(dian)力(li)系(xi)統的可(ke)靠性。

1.2數據挖掘

數據挖掘技(ji)術(shu)是利用(yong)統計學、機器(qi)學(xue)習(xi)和(he)數據庫(ku)技(ji)術(shu)等方(fang)法(fa)，從(cong)大規(gui)模數據中(zhong)發現模式、關(guan)聯(lian)和(he)趨(qu)勢(shi)的計算過(guo)程。數據挖掘技(ji)術(shu)包括(kuo)多種(zhong)方法(fa)，如聚(ju)類分(fen)析、分類(lei)技術、關(guan)聯(lian)規(gui)則(ze)發現、異常識別(bie)等，通過(guo)數據挖掘，可(ke)以(yi)幫助組織(zhi)和(he)企(qi)業從(cong)大量數據中(zhong)挖掘出(chu)有(you)用(yong)的信息(xi)，進(jin)行(xing)預(yu)測(ce)性分(fen)析、決策(ce)支持(chi)以(yi)及(ji)優(you)化業務(wu)流(liu)程(cheng)，從(cong)而(er)實(shi)現運(yun)營和(he)更好的(de)業(ye)務(wu)決(jue)策(ce)。

數據挖掘流(liu)程(cheng)通常涵蓋數據預(yu)處(chu)理、選(xuan)擇特(te)征、模型(xing)構建和(he)評估等環(huan)節，通過(guo)這(zhe)些(xie)環(huan)節可(ke)以(yi)從初(chu)始(shi)數據中(zhong)提(ti)取(qu)有(you)價值(zhi)的(de)信息(xi)，並(bing)將其轉化(hua)為(wei)可(ke)理解(jie)的知識，為(wei)決策(ce)提供(gong)支持(chi)。隨著(zhe)數據量的不斷(duan)增長和(he)算法(fa)的(de)不斷(duan)發展(zhan)，數據挖掘技(ji)術(shu)在(zai)各個(ge)領域的應(ying)用(yong)前景(jing)也(ye)變得(de)越來(lai)越廣闊(kuo)。

虛擬電(dian)廠儲(chu)能(neng)數據挖掘是(shi)利(li)用(yong)數據挖掘技(ji)術(shu)對虛擬電(dian)廠中(zhong)儲能(neng)系(xi)統的運(yun)行(xing)數據進(jin)行(xing)分(fen)析與(yu)深(shen)入挖掘，以(yi)發現儲能(neng)系(xi)統的運(yun)行(xing)模式、優(you)化策(ce)略和(he)潛在(zai)問題(ti)。通過(guo)對儲(chu)能(neng)數據進(jin)行(xing)預(yu)處(chu)理、模式識別(bie)和(he)建模分析，可(ke)以(yi)實(shi)現對儲能(neng)系(xi)統充放(fang)電(dian)行(xing)為(wei)、效率(lv)、壽命(ming)等方(fang)面(mian)的(de)深(shen)入理解(jie)，並提(ti)供(gong)決策(ce)支持(chi)和(he)優(you)化建議，進(jin)而(er)增進虛擬電(dian)廠的(de)操作(zuo)效率(lv)、經濟(ji)效益(yi)及(ji)可(ke)靠性。

2基(ji)於DQN的(de)虛擬電(dian)廠儲(chu)能(neng)技(ji)術(shu)

2.1DQN

DQN融(rong)合了(le)深(shen)度學(xue)習(xi)和(he)強(qiang)化(hua)學(xue)習(xi)，旨(zhi)在(zai)處(chu)理具有(you)離(li)散(san)行(xing)為(wei)空(kong)間(jian)的(de)決(jue)策(ce)問題(ti)[4-5]。其(qi)核心思(si)想(xiang)是采用(yong)深(shen)度神(shen)經網(wang)絡對Q函(han)數進行(xing)近(jin)似估計，即狀態—動(dong)作值函(han)數，從而(er)使(shi)智(zhi)能(neng)體(ti)在(zai)其所(suo)處(chu)環(huan)境中做(zuo)出(chu)選(xuan)擇。在(zai)DQN中，智(zhi)能(neng)體(ti)的目(mu)標是學習(xi)壹(yi)個(ge)策(ce)略，使(shi)得(de)在(zai)給定(ding)狀態下(xia)選(xuan)擇能(neng)累(lei)積(ji)獎勵(li)的動(dong)作。

DQN的(de)核心是(shi)Q-learning的(de)更新規(gui)則(ze)，其(qi)中Q值的(de)更新通過(guo)貝爾曼(man)方(fang)程(cheng)實(shi)現。其Q值的(de)更新公式(shi)如下(xia)：

其(qi)中(zhong)，α為(wei)學習(xi)率(lv)，a為(wei)動作(zuo)，s為(wei)狀態，Q（s，a）為(wei)在(zai)狀態s下(xia)采取(qu)動(dong)作a的(de)Q值，r為(wei)在(zai)狀態s下(xia)采取(qu)動(dong)作a後(hou)獲得(de)的(de)即時獎(jiang)勵(li)，γ為(wei)折扣(kou)因子(zi)，s'為(wei)采取(qu)動(dong)作a後(hou)轉移(yi)到(dao)的下(xia)壹(yi)個(ge)狀態，maxa'Q（s'，a'）則(ze)表(biao)示在(zai)狀態s'下(xia)選(xuan)擇動(dong)作所(suo)對應(ying)的Q值。

DQN通過(guo)使(shi)用(yong)深(shen)度神(shen)經網(wang)絡來(lai)逼(bi)近Q函(han)數，將狀態s作(zuo)為(wei)輸入，輸出(chu)各(ge)個動作的(de)Q值(zhi)。通過(guo)不斷(duan)與(yu)環(huan)境交互(hu)、收(shou)集(ji)數據和(he)更新網(wang)絡(luo)參數，DQN能(neng)夠(gou)學(xue)習(xi)到(dao)逼(bi)近(jin)Q函(han)數的策(ce)略，從(cong)而(er)實(shi)現智(zhi)能(neng)體(ti)在(zai)復雜(za)環(huan)境中的(de)決(jue)策(ce)。

2.2基於DQN的(de)儲能(neng)交(jiao)互(hu)模型(xing)

智(zhi)能(neng)能(neng)源(yuan)管(guan)理系(xi)統由4個核心部(bu)分(fen)構成(cheng)，包括(kuo)仿(fang)真(zhen)模塊、經驗池(chi)模塊、神經網絡(luo)模塊以(yi)及(ji)動作(zuo)搜(sou)索模塊，這(zhe)些(xie)模塊共同在(zai)虛擬電(dian)廠儲(chu)能(neng)交(jiao)互(hu)模型(xing)中(zhong)發揮作(zuo)用(yong)。虛擬電(dian)廠的(de)仿(fang)真(zhen)模塊模擬了(le)光(guang)伏(fu)、儲能(neng)、負(fu)載(zai)以(yi)及(ji)主電(dian)網(wang)，展(zhan)示了(le)在(zai)動態(tai)電價條件下(xia)光(guang)儲型(xing)虛擬電(dian)廠進(jin)行(xing)能(neng)量交易的(de)過(guo)程。為(wei)了(le)大限(xian)度(du)地(di)利(li)用(yong)光(guang)伏(fu)發電，負(fu)荷電能(neng)首(shou)先由光(guang)伏(fu)發電和(he)儲(chu)能(neng)系(xi)統聯(lian)合滿(man)足(zu)，剩(sheng)余(yu)需求則(ze)由主電(dian)網(wang)供(gong)應(ying)。經驗池(chi)模塊負責在(zai)系(xi)統運(yun)作過(guo)程中(zhong)收(shou)集(ji)虛擬電(dian)廠仿(fang)真(zhen)模塊生(sheng)成的交(jiao)互(hu)數據，為(wei)模型(xing)的(de)後續(xu)訓(xun)練(lian)提供(gong)堅實(shi)基(ji)礎(chu)。神(shen)經網絡模塊的職責是(shi)訓(xun)練(lian)神經(jing)網(wang)絡的(de)參(can)數，目的(de)是(shi)提升系(xi)統的決(jue)策(ce)效能(neng)。動(dong)作(zuo)搜(sou)索(suo)模塊在(zai)模型(xing)運(yun)行(xing)過(guo)程中(zhong)實(shi)現了(le)狀態—動(dong)作的選(xuan)擇，采用(yong)貪心(xin)策(ce)略等方(fang)法(fa)，使(shi)系(xi)統能(neng)夠(gou)在(zai)不斷(duan)學習(xi)的(de)過(guo)程中(zhong)做出(chu)更為(wei)智(zhi)能(neng)和(he)優(you)化的決策(ce)。基於DQN的(de)儲能(neng)交(jiao)互(hu)模型(xing)如圖(tu)1所(suo)示，該(gai)模型(xing)的(de)結構旨(zhi)在(zai)使(shi)虛擬電(dian)廠更好地(di)適(shi)應(ying)動態電(dian)價、靈(ling)活應(ying)對光(guang)伏(fu)發電波動(dong)性，實(shi)現能(neng)源(yuan)的(de)調(tiao)度(du)和(he)利(li)用(yong)。其中(zhong)，時間差(cha)分(fen)誤(wu)差(cha)是(shi)強(qiang)化(hua)學(xue)習(xi)中(zhong)用(yong)於衡量預(yu)測(ce)的(de)誤(wu)差(cha)的(de)壹(yi)種(zhong)指標。在(zai)強化(hua)學習(xi)框(kuang)架中(zhong)，智(zhi)能(neng)體(ti)通過(guo)與(yu)環(huan)境互(hu)動來(lai)學(xue)習(xi)決(jue)策(ce)策(ce)略，時(shi)間(jian)差(cha)分(fen)誤(wu)差(cha)通常用(yong)於評估當前策(ce)略的(de)預(yu)測(ce)值(zhi)與(yu)實(shi)際值之間的(de)差(cha)異(yi)。

圖(tu)1基(ji)於DQN的(de)儲能(neng)交(jiao)互(hu)模型(xing)

3實(shi)驗過(guo)程與(yu)結果(guo)

3.1DQN參數設(she)置(zhi)

本(ben)文(wen)使(shi)用(yong)DQN進行(xing)儲(chu)能(neng)交(jiao)互(hu)，DQN參數細節(jie)如表(biao)1所(suo)示。

3.2實(shi)驗結(jie)果

本(ben)文(wen)中(zhong)使(shi)用(yong)Python進行(xing)儲(chu)能(neng)策(ce)略的(de)挖掘與(yu)仿(fang)真(zhen)分析，利用(yong)的數據涵蓋了(le)光(guang)伏(fu)發電的(de)功(gong)率(lv)、負載(zai)需求的(de)功(gong)率(lv)，以(yi)及(ji)電力(li)市場上的(de)實(shi)時(shi)變(bian)化(hua)電價。將訓(xun)練(lian)好的(de)DQN用(yong)於測(ce)試(shi)。根(gen)據DQN測(ce)試(shi)結(jie)果(guo)可(ke)知，在(zai)時間(jian)段內(nei)，儲(chu)能(neng)系(xi)統根(gen)據電(dian)價情(qing)況(kuang)進行(xing)充(chong)放(fang)電(dian)操作(zuo)，以(yi)調度(du)收(shou)益(yi)。具體(ti)而(er)言(yan)，當電(dian)價超(chao)過(guo)平均水(shui)平時，儲(chu)能(neng)進(jin)行(xing)充(chong)電以(yi)獲取(qu)正(zheng)獎(jiang)勵(li)；相反(fan)，當電(dian)價低(di)於平均水(shui)平時，系(xi)統會(hui)向(xiang)用(yong)戶的(de)電負荷釋放(fang)電(dian)能(neng)。而(er)在(zai)光(guang)伏(fu)發電功(gong)率(lv)超(chao)過(guo)負載(zai)需求的(de)情(qing)況(kuang)下(xia)，根(gen)據棄光(guang)懲(cheng)罰(fa)約(yue)束，儲(chu)能(neng)在(zai)壹些(xie)時間(jian)段選(xuan)擇充(chong)電，而(er)在(zai)另壹些(xie)時間(jian)段則(ze)不進行(xing)充(chong)電，以(yi)避免(mian)發生(sheng)過(guo)充現象(xiang)。綜上，DQN算法(fa)能(neng)夠(gou)有(you)效地挖掘出(chu)儲(chu)能(neng)系(xi)統的操作(zuo)策(ce)略，使(shi)其(qi)能(neng)夠(gou)適(shi)應(ying)不同電(dian)價情(qing)況(kuang)下(xia)的(de)充(chong)放(fang)電(dian)需求。

4安科(ke)瑞Acrel-2000MG微電網(wang)能(neng)量管(guan)理系(xi)統

4.1概述

Acrel-2000MG儲(chu)能(neng)能(neng)量管(guan)理系(xi)統是安科(ke)瑞專(zhuan)門(men)針對工商(shang)業(ye)儲能(neng)電(dian)站研制(zhi)的本(ben)地化能(neng)量管(guan)理系(xi)統，可(ke)實(shi)現了(le)儲能(neng)電(dian)站的數據采集(ji)、數據處(chu)理、數據存(cun)儲(chu)、數據查(zha)詢(xun)與(yu)分析、可(ke)視化(hua)監(jian)控、報警管(guan)理、統計報表(biao)、策(ce)略管(guan)理、歷史(shi)曲線等功(gong)能(neng)。其(qi)中(zhong)策(ce)略管(guan)理，支持(chi)多(duo)種(zhong)控制(zhi)策(ce)略選(xuan)擇，包含計劃曲線、削(xue)峰(feng)填(tian)谷、需量控制(zhi)、防逆流(liu)等。該(gai)系(xi)統不僅(jin)可(ke)以(yi)實(shi)現下(xia)級(ji)各(ge)儲能(neng)單(dan)元(yuan)的(de)統壹監(jian)控和(he)管(guan)理，還可(ke)以(yi)實(shi)現與(yu)上級(ji)調度(du)系(xi)統和(he)雲平臺的(de)數據通訊(xun)與(yu)交互(hu)，既(ji)能(neng)接(jie)受(shou)上(shang)級(ji)調(tiao)度指令(ling)，又可(ke)以(yi)滿足(zu)遠(yuan)程(cheng)監(jian)控與(yu)運(yun)維(wei)，確保儲能(neng)系(xi)統安全(quan)、穩定(ding)、可(ke)靠、經(jing)濟運(yun)行(xing)。

4.2應(ying)用(yong)場景(jing)

適(shi)用(yong)於工商(shang)業(ye)儲能(neng)電(dian)站、新能(neng)源(yuan)配(pei)儲(chu)電(dian)站。

4.3系(xi)統結構

4.4系(xi)統功能(neng)

（1）實(shi)時(shi)監(jian)管(guan)

對微(wei)電(dian)網(wang)的運(yun)行(xing)進(jin)行(xing)實(shi)時(shi)監(jian)管(guan)，包含市(shi)電、光(guang)伏(fu)、風電、儲能(neng)、充(chong)電(dian)樁(zhuang)及(ji)用(yong)電負(fu)荷，同時(shi)也(ye)包括(kuo)收(shou)益(yi)數據、天(tian)氣(qi)狀況、節(jie)能(neng)減(jian)排等信息(xi)。

（2）智(zhi)能(neng)監(jian)控

對系(xi)統環(huan)境、光(guang)伏(fu)組件(jian)、光(guang)伏(fu)逆變(bian)器(qi)、風電控制(zhi)逆變壹(yi)體(ti)機、儲(chu)能(neng)電(dian)池(chi)、儲(chu)能(neng)變(bian)流(liu)器(qi)、用(yong)電設(she)備等進(jin)行(xing)實(shi)時(shi)監(jian)測(ce)，掌(zhang)握(wo)微(wei)電(dian)網(wang)系(xi)統的運(yun)行(xing)狀況。

（3）功(gong)率(lv)預(yu)測(ce)

對(dui)分(fen)布式發電系(xi)統進行(xing)短期(qi)、超(chao)短期(qi)發電功(gong)率(lv)預(yu)測(ce)，並(bing)展(zhan)示合(he)格(ge)率(lv)及(ji)誤(wu)差(cha)分(fen)析。

（4）電能(neng)質(zhi)量

實(shi)現整個(ge)微(wei)電(dian)網(wang)系(xi)統範圍(wei)內(nei)的(de)電能(neng)質(zhi)量和(he)電(dian)能(neng)可(ke)靠性狀況進(jin)行(xing)持(chi)續(xu)性的(de)監(jian)測(ce)。如電(dian)壓諧波、電(dian)壓閃(shan)變、電(dian)壓不平衡等穩態(tai)數據和(he)電(dian)壓暫(zan)升/暫(zan)降、電(dian)壓中(zhong)斷(duan)暫(zan)態數據進(jin)行(xing)監(jian)測(ce)分(fen)析及(ji)錄波展(zhan)示，並(bing)對(dui)電(dian)壓、電(dian)流(liu)瞬變進行(xing)監(jian)測(ce)。

（5）可(ke)視化(hua)運(yun)行(xing)

實(shi)現微電網(wang)無(wu)人值(zhi)守(shou)，實(shi)現數字化(hua)、智(zhi)能(neng)化(hua)、便捷(jie)化(hua)管(guan)理;對(dui)重(zhong)要負(fu)荷與(yu)設(she)備進(jin)行(xing)不間斷(duan)監(jian)控。

（6）優(you)化控制(zhi)

通過(guo)分析歷史(shi)用(yong)電數據、天(tian)氣(qi)條件對(dui)負荷進行(xing)功(gong)率(lv)預(yu)測(ce)，並(bing)結(jie)合(he)分布式電源出(chu)力(li)與(yu)儲能(neng)狀態，實(shi)現經濟優(you)化調度，以(yi)降低(di)尖峰(feng)或(huo)者高峰時刻的(de)用(yong)電量，降低企(qi)業綜合用(yong)電成(cheng)本(ben)。

（7）收(shou)益(yi)分(fen)析

用(yong)戶可(ke)以(yi)查(zha)看(kan)光(guang)伏(fu)、儲能(neng)、充(chong)電(dian)樁(zhuang)三部分的每(mei)天(tian)電量和(he)收(shou)益(yi)數據，同(tong)時(shi)可(ke)以(yi)切(qie)換(huan)年(nian)報查(zha)看(kan)每(mei)個(ge)月(yue)的(de)電(dian)量和(he)收(shou)益(yi)。

（8）能(neng)源(yuan)分(fen)析

通過(guo)分析光(guang)伏(fu)、風電、儲能(neng)設(she)備的(de)發電效率(lv)、轉化(hua)效率(lv)，用(yong)於評估設(she)備性能(neng)與(yu)狀態。

（9）策(ce)略配(pei)置(zhi)

微(wei)電(dian)網(wang)配置主要對(dui)微(wei)電網系(xi)統組成(cheng)、基礎(chu)參(can)數、運(yun)行(xing)策(ce)略及(ji)統計值進(jin)行(xing)設(she)置(zhi)。其中策(ce)略包含計劃曲線、削(xue)峰(feng)填(tian)谷、需量控制(zhi)、新能(neng)源(yuan)消(xiao)納(na)、逆功(gong)率(lv)控制(zhi)等。

5硬(ying)件及(ji)其配(pei)套(tao)產品(pin)

6結論(lun)

在(zai)當前能(neng)源(yuan)轉型(xing)的(de)背(bei)景(jing)下(xia)，儲(chu)能(neng)技(ji)術(shu)作(zuo)為(wei)壹種(zhong)重(zhong)要的(de)能(neng)源(yuan)存(cun)儲(chu)手段，受(shou)到了(le)廣泛(fan)關(guan)註。本(ben)文(wen)采用(yong)DQN算法(fa)，結(jie)合光(guang)伏(fu)發電功(gong)率(lv)、負荷功率(lv)和(he)電(dian)力(li)市場的實(shi)時(shi)動(dong)態(tai)電價等因(yin)素，進(jin)行(xing)了(le)虛擬電(dian)廠儲(chu)能(neng)策(ce)略挖掘仿(fang)真(zhen)研究。結果(guo)顯(xian)示，在(zai)光(guang)伏(fu)發電功(gong)率(lv)大於負(fu)荷功率(lv)時，儲(chu)能(neng)根(gen)據電(dian)價情(qing)況(kuang)進行(xing)充(chong)放(fang)電(dian)操作(zuo)，以(yi)調度(du)收(shou)益(yi)，從(cong)而(er)實(shi)現了(le)對虛擬電(dian)廠儲(chu)能(neng)系(xi)統的智(zhi)能(neng)化(hua)管(guan)理。未來(lai)的(de)研究可(ke)以(yi)進壹(yi)步(bu)探討(tao)不同約(yue)束條件下(xia)的(de)儲(chu)能(neng)調(tiao)度(du)策(ce)略，並(bing)考(kao)慮(lv)更多的(de)環(huan)境因素和(he)實(shi)際應(ying)用(yong)場景(jing)。

【參考(kao)文(wen)獻(xian)】

[1]田壁源(yuan)，常喜(xi)強(qiang)，戚紅燕，等.基(ji)於混(hun)合(he)博弈的園(yuan)區虛擬電(dian)廠廣義儲能(neng)共享(xiang)與(yu)協同(tong)優(you)化調度[J].電力(li)需求側(ce)管(guan)理，2023，25（4）：8-14

[2]李(li)鵬(peng)程.基於混(hun)合(he)博弈和(he)虛擬電(dian)廠的(de)電力(li)市場運(yun)行(xing)優(you)化研究[D].蘭州(zhou)：蘭州(zhou)理工大學，2023.

[3]安科(ke)瑞企(qi)業微(wei)電(dian)網設(she)計與(yu)應(ying)用(yong)手冊.2022年(nian)05版

[4]高(gao)琳，劉甲林(lin)，李靜(jing).基(ji)於深(shen)度Q網(wang)絡的(de)虛擬電(dian)廠儲(chu)能(neng)數據挖掘