CN105529728B - 考虑多源信息融合和计划出力的储能可调度容量预测方法 - Google Patents

考虑多源信息融合和计划出力的储能可调度容量预测方法 Download PDF

Info

Publication number
CN105529728B
CN105529728B CN201610031833.3A CN201610031833A CN105529728B CN 105529728 B CN105529728 B CN 105529728B CN 201610031833 A CN201610031833 A CN 201610031833A CN 105529728 B CN105529728 B CN 105529728B
Authority
CN
China
Prior art keywords
energy storage
soc
storage system
power
state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610031833.3A
Other languages
English (en)
Other versions
CN105529728A (zh
Inventor
李相俊
闫鹤鸣
惠东
武国良
贾学翠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shanghai Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, State Grid Shanghai Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201610031833.3A priority Critical patent/CN105529728B/zh
Publication of CN105529728A publication Critical patent/CN105529728A/zh
Application granted granted Critical
Publication of CN105529728B publication Critical patent/CN105529728B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明提供一种考虑多源信息融合和计划出力的储能可调度容量预测方法，所述方法包括如下步骤：(1)获取实时数据；(2)计算新能源发电场当前时刻的日前预测功率、超短期预测功率以及储能***的荷电状态；(3)基于新能源发电场运行状态以及所述储能***荷电状态区间，计算当前时刻储能***的出力值；(4)将所述储能***的出力值分配给各储能单元，并计算当前时刻末各储能单元的荷电状态值；(5)计算所述储能***在当前时刻未来四小时末的荷电状态值；(6)计算未来四小时所述储能***可调度充放电容量。本发明适用于风储、光储以及风光储等新能源与储能联合发电跟踪发电计划应用时的储能***可调度容量的预测。

Description

考虑多源信息融合和计划出力的储能可调度容量预测方法
技术领域
本发明属于智能电网以及能量存储与转换技术领域，具体涉及一种考虑多源信息融合和计划出力的储能可调度容量预测方法，尤其适用于储能***参与跟踪发电计划出力时，储能***未来时刻可调度容量的预测以及储能***能量管理。
背景技术
近些年来，风电、光伏等新能源发电规模不断扩大，但其固有的随机性和波动性使得新能源大规模并网可能危及电网的安全性和稳定性。风电、光伏等发电实际功率与日前计划值常常存在误差较大的情况，为了降低两者之间的误差，利用储能的充放电双向特性参与跟踪发电计划出力逐渐成为一种可行方案。
对储能***的可调度容量进行预测可以有效地提高储能的利用效率以及对储能的充放电控制做出更好的决策等，目前有关储能***可调度容量预测方面的专利、文献、技术报告等很少，需要进一步研究。
发明内容
为了克服上述现有技术的不足，本发明提供一种考虑多源信息融合和计划出力的储能可调度容量预测方法，本发明提出了新能源和储能联合发电***跟踪发电计划出力时的储能***可调度容量的预测方法，适用于风储、光储以及风光储等新能源与储能联合发电跟踪发电计划应用时的储能***可调度容量的预测。
为了实现上述发明目的，本发明采取如下技术方案：
一种考虑多源信息融合和计划出力的储能可调度容量预测方法，所述方法包括如下
步骤：
(1)获取实时数据；
(2)计算新能源发电场当前时刻的日前预测功率、超短期预测功率以及储能***的荷电状态；
(3)基于新能源发电场运行状态以及所述储能***荷电状态区间，计算当前时刻储能***的出力值；
(4)将所述储能***的出力值分配给各储能单元，并计算当前时刻末各储能单元的荷电状态值；
(5)计算所述储能***在当前时刻未来四小时末的荷电状态值；
(6)计算未来四小时所述储能***可调度充放电容量。
优选的，所述步骤(1)中，所述实时数据包括：从新能源发电场监控***获取当前时刻各风力机组的实时数据，从风功率预测***获取风电日前预测功率、超短期预测功率，从储能电站监控***中获取各储能单元当前的相关数据。
优选的，所述步骤(2)包括如下步骤：
步骤2-1、计算新能源发电场当前时刻的日前预测功率以及超短期预测功率：
新能源发电场的功率为各新能源机组的功率值之和：
Figure BDA0000909078420000021
Figure BDA0000909078420000022
式中，Pf、Puf分别为新能源发电场的日前预测功率和超短期预测功率；Pfi、Pufi分别为风电机组i的日前预测功率和超短期预测功率，N为风电机组的总数；
步骤2-2、计算储能***的荷电状态值：
Figure BDA0000909078420000023
式中，SOC为储能***的荷电状态值；SOCi为储能单元i的荷电状态值；ENi为储能单元i的容量，M为储能单元总数。
优选的，所述步骤(3)包括如下步骤：
步骤3-1、基于当前时刻的风电超短期预测功率以及风电日前预测功率数据确定当前的风电状态；
设置三个发电功率预测特征值，包括：发电功率预测上限特征值Pfb(t)、当前发电功率预测值Pf(t)、发电功率预测下限特征值Pfs(t)，
预测功率上限值：Pfb(t)＝Pf(t)+Plimit
预测功率下限值：Pfs(t)＝Pf(t)-Plimit
其中：Plimit＝α×Cap，α取0.25，Cap为新能源发电机组的装机容量；
上述三个发电功率预测特征值将(0,∞)划分为三个区间：Puf(t)＜Pfs(t)、Pfs(t)≤Puf(t)≤Pfb(t)、Puf(t)＞Pfb(t)，每个区间对应一种发电状态，分别命名为发电状态A、B、C，其中Puf(t)为t时刻的风电超短期预测功率值；
步骤3-2、设置四个控制系数SOClow、a1、a2、和SOChigh，且满足SOClow＜a1＜a2＜SOChigh，根据四个控制系数将储能***的当前荷电状态值SOC在[0,1]之间依次划分为五个区间，0≤SOC(t)＜SOClow、SOClow≤SOC(t)＜a1、a1≤SOC(t)＜a2、a2≤SOC(t)＜SOChigh、SOChigh≤SOC(t)＜1，分别命名为区间Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ；
步骤3-3、基于当前时刻发电状态以及荷电状态区间，根据计算规则，确定当前时刻储能***的出力值。
优选的，所述步骤3-3中，所述计算规则为：
当发电状态为A且SOC处于区间Ⅰ时，储能***的出力值为0；
当发电状态为A且SOC处于区间Ⅱ、Ⅲ时，储能***的出力值为Pfs(t)-Puf(t)；
当发电状态为A且SOC处于区间Ⅳ、Ⅴ时，储能***的出力值为(Pfs(t)-Puf(t),Pfb(t)-Puf(t))；
当发电状态为B且SOC处于区间Ⅰ时，储能***的出力值为-(Puf(t)-Pfs(t))；
当发电状态为B且SOC处于区间Ⅱ时，储能***的出力值为-(0,Puf(t)-Pfs(t))；
当发电状态为B且SOC处于区间Ⅲ时，储能***的出力值为0；
当发电状态为B且SOC处于区间Ⅳ时，储能***的出力值为(0,Pfb(t)-Puf(t))；
当发电状态为B且SOC处于区间Ⅴ时，储能***的出力值为Pfb(t)-Puf(t)；
当发电状态为C且SOC处于区间Ⅰ、Ⅱ时，储能***的出力值为-(Puf(t)-Pfb(t),Puf(t)-Pfs(t))；
当发电状态为C且SOC处于区间Ⅲ、Ⅳ时，储能***的出力值为-(Puf(t)-Pfb(t))；
当发电状态为C且SOC处于区间Ⅳ时，储能***的出力值为0；
以上储能***出力值的确定要同时满足以下约束条件：
-Pmax≤PES≤Pmax
SOClow≤SOC(t)≤SOChigh
其中PES是储能***的出力值；Pmax是储能***最大输出功率。
优选的，所述步骤(4)包括如下步骤：
步骤4-1、将储能***出力值分配给各储能单元，
如果PES＞0：
Figure BDA0000909078420000041
其中Pbati为储能单元i的出力值；
验证Pbati是否在[0,Pmaxi]范围内，其中Pmaxi为储能单元i的最大出力限制，由储能单元的本身特性所决定；若不满足，设定Pbati＝Pmaxi，将其余在范围内的点作如下更新：
Figure BDA0000909078420000042
式中W为Pbati满足[0,Pmaxi]范围内的点数；
如果PES＜0：
Figure BDA0000909078420000043
验证Pbati是否在[-Pmaxi,0]范围内，若不满足，设定Pbati＝-Pmaxi，将其余在范围内的点作如下更新：
Figure BDA0000909078420000044
式中H为Pbati满足[-Pmaxi,0]范围内的点数；
步骤4-2、计算当前时刻末各储能单元的荷电状态值，
用以下递推关系计算t时刻末SOC值：当Pbati(t)≤0时：
SOCi(t)＝(1-σsdr)SOCi(t-1)-Pbati(t)ΔtηC/ENi
当Pbati(t)＞0时：
SOCi(t)＝(1-σsdr)SOCi(t-1)-Pbati(t)Δt/ηDENi
式中：SOCi(t)为储能单元t时刻结束时的荷电状态值；σsdr为储能***的自放电率；ηC和ηD分别为储能***的充电和放电效率；Δt为计算窗口时长，min；ENi为储能单元的额定容量。
优选的，所述步骤(5)包括如下步骤：
步骤5-1、计算储能***在当前时刻的荷电状态值：
Figure BDA0000909078420000051
式中SOC(t)为储能***在t时刻的荷电状态值；SOCi(t)为储能单元i在t时刻的荷电状态值；ENi为储能单元i的容量；
步骤5-2、t＝t+1,按照以上步骤循环计算未来四小时的储能***出力值以各时刻末储能***的荷电状态值，并最终计算出在当前时刻未来四小时末的荷电状态值。
优选的，所述步骤(6)中，所述计算未来四小时所述储能***可调度充电容量的公式如下：
EdisC(t)＝SOCaf(t)*EN
所述计算未来四小时所述储能***可调度放电容量的公式如下：
EdisD(t)＝(1-SOCaf(t))*EN
式中EdisC(t)为该时刻未来四小时储能***可调度的充电容量，单位：MW；EdisD(t)为该时刻未来四小时储能***可调度的放电容量，单位：MW；SOCaf(t)为该时刻未来四小时末储能***的荷电状态值，EN为储能***的容量值。
与现有技术相比，本发明的有益效果在于：
本发明利用新能源发电(风电、光伏发电)和储能***的多源信息，综合考虑超短期预测功率、短期预测功率、功率预测特征值、储能***的荷电状态等，兼顾上述多源信息的分析与融合，提出了新能源和储能联合发电***跟踪发电计划出力时的储能***可调度容量的预测方法。本发明适用于风储、光储以及风光储等新能源与储能联合发电跟踪发电计划应用时的储能***可调度容量的预测，可以为储能***的优化控制与能量管理提供参考依据。
附图说明
图1是本发明提供的新能源发电机组和储能单元的***图，
图2是本发明提供的一种考虑多源信息融合和计划出力的储能可调度容量预测方法的流程图，
图3是本发明提供的储能***可调度放电容量所占比的曲线图，
图4是本发明提供的储能***可调度充电容量所占比的曲线图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1所示，为新能源发电机组和储能***的***图，新能源发电机组包括风力发电机组和光伏发电机组，风力发电机组与风电场监控***和风功率预测***连接，光伏发电机组与光伏发电站监控***和光伏发电站预测***连接，储能***中包括M个储能单元，每个储能单元都与双向变流器连接，储能***与储能电站监控***连接。
如图2所示，本例中提高跟踪发电计划出力能力的多类型储能***控制方法，主要包括如下步骤：
步骤A、获取当前时刻各风力机组的风电日前预测功率、超短期预测功率以及各储能单元当前的相关数据；
步骤B、计算新能源发电场当前时刻的日前预测功率、超短期预测功率以及储能***的相关数据；
步骤C、基于风电状态以及储能***荷电状态区间，计算当前时刻储能***的出力值；
步骤D、将储能***出力值在各储能单元间分配，并计算当前时刻末各储能单元的荷电状态值；
步骤E、计算储能***在当前时刻未来四小时末的荷电状态值；
步骤F、计算未来四小时储能***可调度放电容量和可调度充电容量。
在步骤B中，所述计算当前风力发电场以及储能***的相关数据方法如下：
首先，计算风力发电场当前时刻的日前预测功率以及超短期预测功率：
风力发电场的功率为各风力机组的功率值之和：
Figure BDA0000909078420000061
Figure BDA0000909078420000071
式中，Pf、Puf分别为风电场的日前预测功率以及超短期预测功率；Pfi、Pufi分别为风电机组i的日前预测功率以及超短期预测功率，N为风电机组的总数。
然后，计算储能***的荷电状态值：
Figure BDA0000909078420000072
式中，SOC为储能***的荷电状态值；SOCi为储能单元i的荷电状态值；ENi为储能单元i的容量，M为储能单元总数。
在步骤C中，所述储能***出力值的计算方法如下：
首先，基于当前时刻的风电超短期预测功率以及风电日前预测功率数据确定当前的风电状态；
设置三个发电功率预测特征值，包括：发电功率预测上限特征值Pfb(t)、当前发电功率预测值Pf(t)、发电功率预测下限特征值Pfs(t)。
预测功率上限值：Pfb(t)＝Pf(t)+Plimit
预测功率下限值：Pfs(t)＝Pf(t)-Plimit
其中：Plimit＝α×Cap，α取0.25；Cap为新能源发电机组的装机容量。
上述三个发电功率预测特征值将(0,∞)划分为三个区间：Puf(t)＜Pfs(t)、Pfs(t)≤Puf(t)≤Pfb(t)、Puf(t)＞Pfb(t)，每个区间对应一种发电状态，分别命名为发电状态A、B、C，其中Puf(t)为t时刻的风电超短期预测功率值；
其次，基于当前储能***的荷电状态值确定当前的荷电状态区间；
设置四个控制系数SOClow、a1、a2、和SOChigh，且满足SOClow＜a1＜a2＜SOChigh，其中SOClow以及SOChigh由储能***的本身特性所决定。根据四个控制系数将储能***的当前荷电状态值SOC在[0,1]之间依次划分为五个区间，0≤SOC(t)＜SOClow、SOClow≤SOC(t)＜a1、a1≤SOC(t)＜a2、a2≤SOC(t)＜SOChigh、SOChigh≤SOC(t)＜1，分别命名为区间Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ；
再次，基于当前时刻发电状态以及荷电状态区间，根据如下所示的计算规则，确定当前时刻储能***的出力值；
Figure BDA0000909078420000081
最后，以上储能***出力值的确定要同时满足以下约束条件：
-Pmax≤PES≤Pmax
SOClow≤SOC(t)≤SOChigh
其中PES是储能***的出力值；Pmax是储能***最大输出功率。
在步骤D中，所述将储能***出力值在各储能单元间分配，并计算当前时刻末各储能单元的荷电状态值的计算方法如下：
首先，将储能***出力值在各储能单元间分配:
如果PES＞0，即储能***放电：
Figure BDA0000909078420000082
其中Pbati为储能单元i的出力值。
验证Pbati是否在[0,Pmaxi]范围内，若不满足，设定Pbati＝Pmaxi。将其余在范围内的点作如下更新，其中Pmaxi为储能单元i的最大出力限制，由储能单元的本身特性所决定。
Figure BDA0000909078420000091
其中W为Pbati满足[0,Pmaxi]范围内的点数。
如果PES＜0，即储能***充电：
Figure BDA0000909078420000092
验证Pbati是否在[-Pmaxi,0]范围内，若不满足，设定Pbati＝-Pmaxi。将其余在范围内的点作如下更新：
Figure BDA0000909078420000093
其中H为Pbati满足[-Pmaxi,0]范围内的点数。
之后，计算当前时刻末各储能单元的荷电状态值:
用以下递推关系计算t时刻末SOC值：当Pbati(t)≤0时：
SOCi(t)＝(1-σsdr)SOCi(t-1)-Pbati(t)ΔtηC/ENi
当Pbati(t)＞0时：
SOCi(t)＝(1-σsdr)SOCi(t-1)-Pbati(t)Δt/ηDENi
式中：SOCi(t)为储能单元t时刻结束时的荷电状态值；σsdr为储能***的自放电率；ηC和ηD分别为储能***的充电和放电效率；Δt为计算窗口时长，min；ENi为储能单元的额定容量。
在步骤E中，所述计算储能***在当前时刻未来四小时末的荷电状态值的方法如下：
首先，计算储能***在当前时刻的荷电状态值：
Figure BDA0000909078420000094
式中SOC(t)为储能***在t时刻的荷电状态值；SOCi(t)为储能单元i在t时刻的荷电状态值；ENi为储能单元i的容量。
然后，t＝t+1,按照以上步骤循环计算未来四小时的储能***出力值以各时刻末储能***的荷电状态值，并最终计算出在当前时刻未来四小时末的荷电状态值；
在步骤F中，所述计算未来四小时储能***可调度放电容量和可调度充电容量的方法如下：
EdisC(t)＝SOCaf(t)*EN
EdisD(t)＝(1-SOCaf(t))*EN
式中，EdisC(t)为该时刻未来四小时储能***可调度的充电容量，MW；EdisD(t)为该时刻未来四小时储能***可调度的放电容量，MW；SOCaf(t)为该时刻未来四小时末的荷电状态值；EN为储能***的容量值。
如图3所示，为20小时储能***可调度的放电容量所占比例的曲线图，如4所示，为20小时储能***可调度的充电容量所占比例的曲线图。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种考虑多源信息融合和计划出力的储能可调度容量预测方法，其特征在于，所述方法包括如下步骤：
(1)获取实时数据；
(2)计算新能源发电场当前时刻的日前预测功率、超短期预测功率以及储能***的荷电状态；
(3)基于新能源发电场运行状态以及所述储能***荷电状态区间，计算当前时刻储能***的出力值；
(4)将所述储能***的出力值分配给各储能单元，并计算当前时刻末各储能单元的荷电状态值；
(5)计算所述储能***在当前时刻未来四小时末的荷电状态值；
(6)计算未来四小时所述储能***可调度充放电容量；
所述步骤(2)包括如下步骤：
步骤2-1、计算新能源发电场当前时刻的日前预测功率以及超短期预测功率：
新能源发电场的功率为各新能源机组的功率值之和：
Figure FDF0000013683370000011
Figure FDF0000013683370000012
式中，Pf、Puf分别为新能源发电场的日前预测功率和超短期预测功率；Pfi、Pufi分别为风电机组i的日前预测功率和超短期预测功率；N为风电机组的总数；
步骤2-2、计算储能***的荷电状态值：
Figure FDF0000013683370000021
式中，SOC为储能***的荷电状态值；SOCi为储能单元i的荷电状态值；ENi为储能单元i的容量；M为储能单元总数；
所述步骤(3)包括如下步骤：
步骤3-1、基于当前时刻的风电超短期预测功率以及风电日前预测功率数据确定当前的风电状态；
设置三个发电功率预测特征值，包括：发电功率预测上限特征值Pfb(t)、当前发电功率预测值Pf(t)、发电功率预测下限特征值Pfs(t)，
预测功率上限值：Pfb(t)＝Pf(t)+Plimit
预测功率下限值：Pfs(t)＝Pf(t)-Plimit
其中：Plimit＝α×Cap，α取0.25，Cap为新能源发电机组的装机容量；
上述三个发电功率预测特征值将(0,∞)划分为三个区间：Puf(t)＜Pfs(t)、Pfs(t)≤Puf(t)≤Pfb(t)、Puf(t)＞Pfb(t)，每个区间对应一种发电状态，分别命名为发电状态A、B、C，其中Puf(t)为t时刻的风电超短期预测功率值；
步骤3-2、设置四个控制系数SOClow、a1、a2、和SOChigh，且满足SOClow＜a1＜a2＜SOChigh，根据四个控制系数将储能***的当前荷电状态值SOC在[0,1]之间依次划分为五个区间，0≤SOC(t)＜SOClow、SOClow≤SOC(t)＜a1、a1≤SOC(t)＜a2、a2≤SOC(t)＜SOChigh、SOChigh≤SOC(t)＜1，分别命名为区间Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ；
步骤3-3、基于当前时刻发电状态以及荷电状态区间，根据计算规则，确定当前时刻储能***的出力值；
所述步骤3-3中，所述计算规则为：
当发电状态为A且SOC处于区间Ⅰ时，储能***的出力值为0；
当发电状态为A且SOC处于区间Ⅱ、Ⅲ时，储能***的出力值为Pfs(t)-Puf(t)；
当发电状态为A且SOC处于区间Ⅳ、Ⅴ时，储能***的出力值为(Pfs(t)-Puf(t),Pfb(t)-Puf(t))；
当发电状态为B且SOC处于区间Ⅰ时，储能***的出力值为-(Puf(t)-Pfs(t))；
当发电状态为B且SOC处于区间Ⅱ时，储能***的出力值为-(0,Puf(t)-Pfs(t))；
当发电状态为B且SOC处于区间Ⅲ时，储能***的出力值为0；
当发电状态为B且SOC处于区间Ⅳ时，储能***的出力值为(0,Pfb(t)-Puf(t))；
当发电状态为B且SOC处于区间Ⅴ时，储能***的出力值为Pfb(t)-Puf(t)；
当发电状态为C且SOC处于区间Ⅰ、Ⅱ时，储能***的出力值为-(Puf(t)-Pfb(t),Puf(t)-Pfs(t))；
当发电状态为C且SOC处于区间Ⅲ、Ⅳ时，储能***的出力值为-(Puf(t)-Pfb(t))；
当发电状态为C且SOC处于区间Ⅳ时，储能***的出力值为0；
以上储能***出力值的确定要同时满足以下约束条件：
-Pmax≤PES≤Pmax
SOClow≤SOC(t)≤SOChigh
其中PES是储能***的出力值；Pmax是储能***最大输出功率。
2.根据权利要求1所述预测方法，其特征在于，所述步骤(1)中，所述实时数据包括：从新能源发电场监控***获取当前时刻各风力机组的实时数据，从风功率预测***获取风电日前预测功率、超短期预测功率，从储能电站监控***中获取各储能单元当前的相关数据。
3.根据权利要求1所述预测方法，其特征在于，所述步骤(4)包括如下步骤：
步骤4-1、将储能***出力值分配给各储能单元，
如果PES＞0：
Figure FDF0000013683370000041
其中Pbati为储能单元i的出力值；
验证Pbati是否在[0,Pmaxi]范围内，其中Pmaxi为储能单元i的最大出力限制，由储能单元的本身特性所决定；若不满足，设定Pbati＝Pmaxi，将其余在范围内的点作如下更新：
Figure FDF0000013683370000042
式中W为Pbati满足[0,Pmaxi]范围内的点数；
如果PES＜0：
Figure FDF0000013683370000051
验证Pbati是否在[-Pmaxi,0]范围内，若不满足，设定Pbati＝-Pmaxi，将其余在范围内的点作如下更新：
Figure FDF0000013683370000052
式中H为Pbati满足[-Pmaxi,0]范围内的点数；
步骤4-2、计算当前时刻末各储能单元的荷电状态值，
用以下递推关系计算t时刻末SOC值：当Pbati(t)≤0时：
SOCi(t)＝(1-σsdr)SOCi(t-1)-Pbati(t)ΔtηC/ENi
当Pbati(t)＞0时：
SOCi(t)＝(1-σsdr)SOCi(t-1)-Pbati(t)Δt/ηDENi
式中：SOCi(t)为储能单元t时刻结束时的荷电状态值；σsdr为储能***的自放电率；ηC和ηD分别为储能***的充电和放电效率；Δt为计算窗口时长，min；ENi为储能单元i的容量。
4.根据权利要求1所述预测方法，其特征在于，所述步骤(5)包括如下步骤：
步骤5-1、计算储能***在当前时刻的荷电状态值：
Figure FDF0000013683370000053
式中SOC(t)为储能***在t时刻的荷电状态值；SOCi(t)为储能单元i在t时刻的荷电状态值；ENi为储能单元i的容量；
步骤5-2、t＝t+1,按照以上步骤循环计算未来四小时的储能***出力值以各时刻末储能***的荷电状态值，并最终计算出在当前时刻未来四小时末的荷电状态值。
5.根据权利要求1所述预测方法，其特征在于，所述步骤(6)中，所述计算未来四小时所述储能***可调度充电容量的公式如下：
EdisC(t)＝SOCaf(t)*EN
所述计算未来四小时所述储能***可调度放电容量的公式如下：
EdisD(t)＝(1-SOCaf(t))*EN
式中EdisC(t)为该时刻未来四小时储能***可调度的充电容量，单位：MW；EdisD(t)为该时刻未来四小时储能***可调度的放电容量，单位：MW；SOCaf(t)为该时刻未来四小时末储能***的荷电状态值，EN为储能***的容量值。
CN201610031833.3A 2016-01-18 2016-01-18 考虑多源信息融合和计划出力的储能可调度容量预测方法 Active CN105529728B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610031833.3A CN105529728B (zh) 2016-01-18 2016-01-18 考虑多源信息融合和计划出力的储能可调度容量预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610031833.3A CN105529728B (zh) 2016-01-18 2016-01-18 考虑多源信息融合和计划出力的储能可调度容量预测方法

Publications (2)

Publication Number Publication Date
CN105529728A CN105529728A (zh) 2016-04-27
CN105529728B true CN105529728B (zh) 2022-03-18

Family

ID=55771795

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610031833.3A Active CN105529728B (zh) 2016-01-18 2016-01-18 考虑多源信息融合和计划出力的储能可调度容量预测方法

Country Status (1)

Country Link
CN (1) CN105529728B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112821385B (zh) * 2021-01-04 2024-06-25 阳光慧碳科技有限公司 储能***的控制方法、装置以及计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103560532A (zh) * 2012-03-30 2014-02-05 中国电力科学研究院 一种兆瓦级电池储能电站的监控***及其方法
CN104600755A (zh) * 2015-01-05 2015-05-06 国家电网公司 风电、水电和火电机组优化协调的方法和***

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011055229A1 (de) * 2011-11-10 2013-05-16 Evonik Degussa Gmbh Verfahren zur Bereitstellung von Regelleistung mit einem Energiespeicher unter Ausnutzung von Toleranzen bei der Bestimmung der Frequenzabweichung
CN102522776B (zh) * 2011-12-23 2014-01-29 中国电力科学研究院 储能***提升风电跟踪计划出力能力的方法
CN104283236B (zh) * 2014-10-25 2016-06-08 国网重庆武隆县供电有限责任公司 一种风光储能并网发电智能优化调度方法
CN105244920B (zh) * 2014-11-28 2018-07-20 国家电网公司 考虑电池健康状态的储能***多目标控制方法及其***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103560532A (zh) * 2012-03-30 2014-02-05 中国电力科学研究院 一种兆瓦级电池储能电站的监控***及其方法
CN104600755A (zh) * 2015-01-05 2015-05-06 国家电网公司 风电、水电和火电机组优化协调的方法和***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于超短期风电预测功率的储能***跟踪风电计划出力控制方法";闫鹤鸣等;《电网技术》;20150228;第39卷(第2期);第432-439页 *

Also Published As

Publication number Publication date
CN105529728A (zh) 2016-04-27

Similar Documents

Publication Publication Date Title
CN112103946B (zh) 一种基于粒子群算法的微电网储能优化配置方法
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能***规划配置方法及***
Li et al. On the determination of battery energy storage capacity and short-term power dispatch of a wind farm
CN108599206B (zh) 高比例不确定电源场景下的配电网混合储能配置方法
CN106253315B (zh) 一种考虑电动汽车充电站可调度性的储能容量配置方法
CN109767078B (zh) 一种基于混合整数规划的多类型电源检修安排方法
CN107069776B (zh) 一种平滑微网联络线功率的储能前瞻分布式控制方法
CN105244920B (zh) 考虑电池健康状态的储能***多目标控制方法及其***
CN110601254B (zh) 一种考虑动态载流特性的风电场储能优化配置方法及***
Zheng et al. Optimal short-term power dispatch scheduling for a wind farm with battery energy storage system
CN113241803B (zh) 一种基于新能源消纳的储能调度方法及计算机介质
CN111626527A (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
CN113315144A (zh) 一种新能源电厂共享储能参与调频的储能***运行方法
CN109378856B (zh) 基于滚动优化的风-储混合电站功率波动平抑方法
Chen et al. Energy storage sizing for dispatchability of wind farm
CN111786417A (zh) 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法
CN114301089B (zh) 一种风光联合发电***储能容量配置优化方法
CN115510677A (zh) 一种风电场发电能力评估方法及***
CN111049165A (zh) 一种用于新能源电力***储能配置的方法及***
CN107919683B (zh) 一种储能减少风电场弃风电量的优化决策方法
CN117526435A (zh) 一种可考虑新能源极端出力特性的多能源外送基地规划方法
CN105529728B (zh) 考虑多源信息融合和计划出力的储能可调度容量预测方法
CN110336308B (zh) 一种基于机会约束的主动配电网经济调度方法
CN109617100B (zh) 一种数据驱动的风电场储能容量规划方法
CN112016186A (zh) 一种基于随机场景构建的年度弃风、弃光率计算方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160525

Address after: 100192 Beijing city Haidian District Qinghe small Camp Road No. 15

Applicant after: China Electric Power Research Institute

Applicant after: State Grid Corporation of China

Applicant after: State Grid Shanghai Municipal Electric Power Company

Address before: 100192 Beijing city Haidian District Qinghe small Camp Road No. 15

Applicant before: China Electric Power Research Institute

Applicant before: State Grid Corporation of China

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant