本發(fā)明涉及電池，尤其涉及一種利用可再生能源的電池充電網(wǎng)絡(luò)部署方法。

背景技術(shù)：

1、當(dāng)前，隨著電動車的普及和可再生能源的增加，電網(wǎng)管理面臨著新的挑戰(zhàn)和機(jī)遇。特別是在電動車充電方面，需要有效管理電網(wǎng)負(fù)荷，同時(shí)優(yōu)化充電成本和效率?，F(xiàn)有技術(shù)主要依賴于傳統(tǒng)電網(wǎng)管理方法，這些方法在處理電動車充電需求和可再生能源供給方面存在局限性。例如，傳統(tǒng)充電網(wǎng)絡(luò)通常在電網(wǎng)負(fù)荷高峰時(shí)段無法有效分配資源，導(dǎo)致電網(wǎng)過載風(fēng)險(xiǎn)和效率低下。

2、現(xiàn)有技術(shù)在處理高峰時(shí)段電網(wǎng)過載風(fēng)險(xiǎn)和低峰時(shí)段資源未充分利用的問題上，通常依賴于靜態(tài)的充電計(jì)劃和有限的數(shù)據(jù)分析能力。這種方式在預(yù)測電網(wǎng)負(fù)荷和可再生能源供給方面效率不高，無法動態(tài)調(diào)整充電策略以適應(yīng)電網(wǎng)的實(shí)時(shí)變化。此外，現(xiàn)有充電方法往往沒有充分利用可再生能源，導(dǎo)致能源浪費(fèi)和對傳統(tǒng)電力資源的過度依賴。

3、因此，如何提供一種能夠有效管理電網(wǎng)負(fù)荷、優(yōu)化電動車充電策略，并充分利用可再生能源的方法成為了本領(lǐng)域技術(shù)人員亟需解決的問題。尤其是需要一種能夠?qū)崟r(shí)監(jiān)測電網(wǎng)狀態(tài)和電價(jià)變化、自動調(diào)整充電策略的方法，以減少高峰時(shí)段的電網(wǎng)壓力，降低充電成本，同時(shí)提高能源利用效率和減少碳排放。此外，該方法還需能夠優(yōu)化地利用可再生能源，提高電網(wǎng)的整體運(yùn)行效率，并為電動車用戶提供更經(jīng)濟(jì)、高效和環(huán)境友好的充電解決方案。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的一個(gè)目的在于提出一種利用可再生能源的電池充電網(wǎng)絡(luò)部署方法，本發(fā)明通過智能化、自動化的充電網(wǎng)絡(luò)管理，有效適應(yīng)電網(wǎng)變化，優(yōu)化能源利用，減少環(huán)境影響，為實(shí)現(xiàn)可持續(xù)和智能的電網(wǎng)管理提供了堅(jiān)實(shí)的技術(shù)支撐。

2、根據(jù)本發(fā)明實(shí)施例的一種利用可再生能源的電池充電網(wǎng)絡(luò)部署方法，包括如下步驟：

3、s1、通過傳感器網(wǎng)絡(luò)實(shí)時(shí)收集電網(wǎng)狀態(tài)數(shù)據(jù)和可再生能源供給數(shù)據(jù)；

4、s2、應(yīng)用長短期記憶網(wǎng)絡(luò)基于電網(wǎng)狀態(tài)數(shù)據(jù)和可再生能源供給數(shù)據(jù)進(jìn)行電網(wǎng)負(fù)荷和可再生能源供給的預(yù)測；

5、s3、采用回歸分析基于長短期記憶網(wǎng)絡(luò)預(yù)測結(jié)果確定電動車充電需求的最優(yōu)調(diào)度計(jì)劃；

6、s4、根據(jù)電網(wǎng)和可再生能源供給的實(shí)時(shí)變化，動態(tài)更新充電調(diào)度計(jì)劃，所述充電調(diào)度計(jì)劃包括調(diào)整充電功率和時(shí)間。

7、可選的，所述s1具體包括：

8、s11、采用傳感器網(wǎng)絡(luò)實(shí)時(shí)收集電網(wǎng)狀態(tài)數(shù)據(jù)和可再生能源供給數(shù)據(jù)，其中電網(wǎng)狀態(tài)數(shù)據(jù)包括電網(wǎng)負(fù)載、電網(wǎng)頻率和電網(wǎng)電壓，可再生能源供給數(shù)據(jù)包括風(fēng)能和太陽能發(fā)電量；

9、s12、所述傳感器網(wǎng)絡(luò)通過有效的數(shù)據(jù)傳輸機(jī)制將收集到的數(shù)據(jù)傳輸至數(shù)據(jù)處理中心。

10、可選的，所述s2具體包括：

11、s21、構(gòu)建長短期記憶網(wǎng)絡(luò)：

12、it＝σ(wi*[ht-1,xt]+bi)

13、ft＝σ(wf*[ht-1,xt]+bf)

14、ot＝σ(wo*[ht-1,xt]+bo)

15、ct＝ft*ct-1+it*tanh(wc*[ht-1,xt]+bc)

16、其中，輸入門it表示電網(wǎng)負(fù)荷數(shù)據(jù)，遺忘門ft：表示遺忘過時(shí)的電網(wǎng)負(fù)荷模式，輸出門ot預(yù)測即將來臨的電網(wǎng)負(fù)荷，單元狀態(tài)ct表示有關(guān)電網(wǎng)負(fù)荷和可再生能源供給歷史的關(guān)鍵信息；

17、s22、所述長短期記憶網(wǎng)絡(luò)模型集成電網(wǎng)狀態(tài)和可再生能源供給數(shù)據(jù)和電網(wǎng)管理方法關(guān)鍵組件的接口，其中電網(wǎng)管理方法關(guān)鍵組件的接口還包括電價(jià)模塊和需求響應(yīng)控制器；

18、s23、長短期記憶網(wǎng)絡(luò)模型應(yīng)用自適應(yīng)算法優(yōu)化，調(diào)整學(xué)習(xí)率和記憶單元配置，適應(yīng)電網(wǎng)動態(tài)變化；

19、s24、通過長短期記憶網(wǎng)絡(luò)模型輸出的結(jié)果調(diào)整充電站調(diào)度，包括充電時(shí)間和功率。

20、可選的，所述s22具體包括：

21、s221、長短期記憶網(wǎng)絡(luò)模型配置為接收電網(wǎng)狀態(tài)數(shù)據(jù)ns和可再生能源供給數(shù)據(jù)rs作為輸入；

22、s222、長短期記憶網(wǎng)絡(luò)模型集成來自電網(wǎng)管理方法的電價(jià)數(shù)據(jù)p和需求響應(yīng)信號d；

23、s223、集成的數(shù)據(jù)融合過程可以表示為：

24、xt＝f(ns,rs,p,d)

25、其中，xt表示長短期記憶網(wǎng)絡(luò)模型在時(shí)間t的綜合輸入向量，f表示數(shù)據(jù)融合函數(shù)，ns表示電網(wǎng)狀態(tài)數(shù)據(jù)、rs表示可再生能源供給數(shù)據(jù)、p表示電價(jià)數(shù)據(jù)、d表示需求響應(yīng)信號；

26、s224、長短期記憶網(wǎng)絡(luò)模型應(yīng)用該綜合輸入向量xt進(jìn)行電網(wǎng)負(fù)荷和可再生能源供給的預(yù)測。

27、可選的，所述s23具體包括：

28、s231、在長短期記憶網(wǎng)絡(luò)模型中，采用一種針對電網(wǎng)負(fù)荷和可再生能源供給預(yù)測的定制自適應(yīng)學(xué)習(xí)率算法；

29、s232、該自適應(yīng)學(xué)習(xí)率算法通過以下公式實(shí)現(xiàn)學(xué)習(xí)率的動態(tài)調(diào)整：

30、ηt+1＝ηt*g(δet,δet-1)

31、其中，ηt+1和ηt分別是在連續(xù)訓(xùn)練階段t+1和t的學(xué)習(xí)率，δet表示當(dāng)前預(yù)測階段與實(shí)際電網(wǎng)負(fù)荷，δet-1是前一預(yù)測階段的誤差，g是一個(gè)基于誤差變化的調(diào)整函數(shù)；

32、s233、通過該學(xué)習(xí)率調(diào)整機(jī)制，所述模型對電網(wǎng)狀態(tài)和可再生能源供給的快速變化做出及時(shí)響應(yīng)。

33、可選的，所述s3具體包括：

34、s31、采用回歸分析方法來確定電動車充電需求的最優(yōu)調(diào)度計(jì)劃，該方法基于由長短期記憶網(wǎng)絡(luò)提供的電網(wǎng)負(fù)荷和可再生能源供給的預(yù)測結(jié)果；

35、s32、所述回歸分析包括評估電網(wǎng)負(fù)荷、電價(jià)、可再生能源供給和電動車充電需求之間的關(guān)系，并計(jì)算最優(yōu)充電時(shí)間和功率；

36、s33、定制的回歸模型采用以下公式以考慮電動車充電與電網(wǎng)負(fù)荷的關(guān)系：

37、y＝β0+β1xl+β2f(xe)+β3xp+γz+ε

38、其中，y表示充電站的充電功率或充電時(shí)間；xl表示電網(wǎng)負(fù)荷，；xe表示可再生能源供給量，f(xe)是對可再生能源供給量的非線性轉(zhuǎn)換，表示其對充電需求的影響；xp表示影響充電策略的因素；γz表示lstm預(yù)測結(jié)果的特定特征或其他相關(guān)的電網(wǎng)信息；β0,β1,β2,β3和γ表示各個(gè)變量對充電策略的影響程度；ε表示模型預(yù)測與實(shí)際值之間的差異。

39、可選的，所述s32具體包括：

40、s321、采用多元線性回歸模型來計(jì)算電動車充電站的最優(yōu)充電時(shí)間和功率，所述模型通過考慮電網(wǎng)負(fù)荷、電價(jià)、可再生能源供給量和對未來電網(wǎng)負(fù)荷預(yù)測的影響；

41、s322、所述多元線性回歸模型的形式為：

42、popt＝α0+α1l+α2e+α3r+α4f(l,r)+ε

43、topt＝β0+β1l+β2e+β3r+β4f(l,r)+ε

44、其中，popt表示最優(yōu)充電功率，topt表示最優(yōu)充電時(shí)間，l是電網(wǎng)負(fù)荷，e是電價(jià)，r表示是可再生能源供給量，f(l,r)表示電網(wǎng)負(fù)荷和可再生能源供給的函數(shù)；

45、s323、通過優(yōu)化模型參數(shù)α和β，模型預(yù)測出在特定電網(wǎng)狀態(tài)和資源可用性下的最優(yōu)充電功率popt和充電時(shí)間topt。

46、可選的，所述s321具體包括：

47、s3211、使用多元線性回歸模型對電網(wǎng)負(fù)荷l電價(jià)e、和可再生能源供給量r、的數(shù)據(jù)進(jìn)行分析，獲取電動車充電站的最優(yōu)充電時(shí)間和功率的數(shù)據(jù)；

48、s3212、所述模型根據(jù)電網(wǎng)負(fù)荷l、分析充電需求與電網(wǎng)容量之間的關(guān)系，優(yōu)化充電站在電網(wǎng)高負(fù)荷時(shí)段的運(yùn)行；

49、s3213、考慮電價(jià)e、數(shù)據(jù)，所述模型調(diào)整充電策略利用低電價(jià)時(shí)段，降低充電成本；

50、s3214、將可再生能源供給量r輸入到所述模型，調(diào)整充電計(jì)劃最大化使用可再生能源。

51、可選的，所述s4具體包括：

52、s41、根據(jù)s3計(jì)算得到的最優(yōu)充電時(shí)間topt和功率popt制定電動車充電站的充電調(diào)度計(jì)劃；

53、s42、實(shí)施自動調(diào)整機(jī)制，所述機(jī)制機(jī)制根據(jù)實(shí)時(shí)電網(wǎng)負(fù)荷和可再生能源供給數(shù)據(jù)動態(tài)調(diào)整充電站的充電時(shí)間和功率；

54、s43、調(diào)整包括評估當(dāng)前電網(wǎng)狀態(tài)與預(yù)測狀態(tài)的偏差，并據(jù)此優(yōu)化充電功率和時(shí)間；

55、s44、所述調(diào)整機(jī)制使用以下公式進(jìn)行實(shí)時(shí)調(diào)整：

56、padj＝popt*(1+δp*δl)

57、tadj＝topt*(1+δt*δe)

58、其中，padj表示調(diào)整后的充電功率和tadj表示時(shí)間，δp和δt是調(diào)整系數(shù)，δl是電網(wǎng)負(fù)荷的實(shí)時(shí)變化，δe是電價(jià)的實(shí)時(shí)變化。

59、本發(fā)明的有益效果是：

60、本發(fā)明提供了一種結(jié)合先進(jìn)數(shù)據(jù)分析、預(yù)測算法和智能電網(wǎng)技術(shù)的電池充電網(wǎng)絡(luò)部署方法。它利用長短期記憶網(wǎng)絡(luò)(lstm)和回歸分析準(zhǔn)確預(yù)測電網(wǎng)負(fù)荷和可再生能源供給，從而實(shí)現(xiàn)高效的電網(wǎng)負(fù)荷管理和智能充電方法。該方法能夠在電網(wǎng)需求高峰時(shí)動態(tài)減少非緊急電力消費(fèi)，降低電網(wǎng)壓力，同時(shí)在低負(fù)荷時(shí)段優(yōu)化能源利用，特別是優(yōu)先使用可再生能源進(jìn)行充電。這不僅提高了能源效率和減少了對傳統(tǒng)電力資源的依賴，還降低了碳排放。此外，方法為電動車用戶提供了更經(jīng)濟(jì)、高效和環(huán)境友好的充電方案。綜合來看，本發(fā)明通過智能化、自動化的充電網(wǎng)絡(luò)管理，有效適應(yīng)電網(wǎng)變化，優(yōu)化能源利用，減少環(huán)境影響，為實(shí)現(xiàn)可持續(xù)和智能的電網(wǎng)管理提供了堅(jiān)實(shí)的技術(shù)支撐。