CN107370169B - 基于anfis短期负荷预测的大规模储能电站调峰控制器及方法 - Google Patents

Abstract

基于ANFIS短期负荷预测的大规模储能电站调峰控制器及方法，该控制器包括调峰控制主站模块和与之连接的储能子站模块，调峰控制主站模块包括浮点运算处理器、FPGA处理器、CAN通讯接口、电源模块、显示模块、RAM存储器、调度网口和按键，浮点运算处理器连接FPGA处理器，CAN通讯接口和按键连接浮点运算处理器，电源模块连接浮点运算处理器和FPGA处理器，显示模块、RAM存储器和调度网口均连接至FPGA处理器；其能实时评估储能电站综合荷电水平，对区域电网负荷进行预测，协调控制电站内多组储能电池充放电功率，充分发挥大规模储能电站快速、灵活功率吞吐能力，参与电网负荷削峰填谷，有效缓解调峰压力。同时优化储能电池荷电水平，避免过充、过放，延长电池寿命。

Description

基于ANFIS短期负荷预测的大规模储能电站调峰控制器及 方法

技术领域:

本发明涉及一种基于ANFIS短期负荷预测的大规模储能电站调峰控制器及其控制方法。

背景技术

迫于环境压力，近年来光伏、风电等间歇性、波动性新能源发电装机容量不断扩大，电网面临空前的调峰压力。为了保证电力供需平衡，提高供电稳定性和可靠性，必须采取更加有效的调峰措施。传统的调峰一般采用火电调峰和水电调峰等，这些供给侧调节成本高、实施难度大，大规模电池储能***可实现快速、灵活的功率吞吐，能满足电网削峰填谷需求，有效缓解调峰压力。但充放电平衡是储能***参与调峰控制必须解决的问题。

发明内容

发明目的：

本发明提出一种基于ANFIS(自适应网络模糊推理)短期负荷预测的大规模储能电站调峰控制器及其控制方法，其目的是解决调峰过程中的储能***充放电不平衡问题。

技术方案：

基于ANFIS短期负荷预测的大规模储能电站调峰控制器，其特征在于：该控制器包括调峰控制主站模块和与之连接的储能子站模块，调峰控制主站模块包括浮点运算处理器、FPGA处理器、CAN通讯接口、电源模块、显示模块、RAM存储器、调度网口和按键，浮点运算处理器连接FPGA处理器，CAN通讯接口和按键连接浮点运算处理器，电源模块连接浮点运算处理器和FPGA处理器，显示模块、RAM存储器和调度网口均连接至FPGA处理器；

储能子站模块包括浮点运算处理器、CAN通讯接口、电源模块、显示模块、调试网口、瞬时直流电压测量、隔离电路、滤波电路、信号调理和瞬时直流电流测量，隔离电路、滤波电路和信号调理为两组，其中一组为瞬时直流电压测量连接隔离电路，隔离电路连接滤波电路，滤波电路连接信号调理，信号调理连接浮点运算处理器，另一组为瞬时直流电流测量连接隔离电路，隔离电路连接滤波电路，滤波电路连接信号调理，信号调理连接浮点运算处理器，电源模块连接浮点运算处理器和两个隔离电路，CAN通讯接口、显示模块和调试网口均连接至浮点运算处理器；其中储能子站模块中的CAN通讯接口与调峰控制主站模块中的CAN通讯接口通讯连接。

本发明提出了一种大规模储能电站的调峰控制器及其功率控制方法，大规模储能电站的调峰控制器由调峰控制主站模块、储能子站模块组成，主站模块负责负荷预测、输出功率计算与分配，配备以太网接口用于获取区域电网负载历史数据，主站模块集成后置于机架式外壳内，采用无风扇方式通过外壳散热，各电缆接口采用机械自锁式插针结构。子站模块负责电量信号采集、SOC(储能充电状态)评估、功率指令转发等，安装在每组储能电池输出质量母线，并从母线获取供电，子站模块采用绝缘外壳封装，并通过绝缘柱安装在电池组出口直流母线。主站和子站采用CAN协议进行实时数据交换，由主站轮询方式获取各子站数据，无法获得数据时以上一次循环获得数据替代，并作标记。通讯采用光纤介质，一个主站可链接32个子站。

调峰控制器内运行控制软件实现基于ANFIS短期负荷预测的大规模储能电站调峰方法。该方法由ANFIS负荷预测、储能***SOC计算、储能功率参考值计算、储能功率加权调整四个环节组成，储能***SOC计算在子站模块运行，其余三个环节在主站模块运行。

储能电站调峰的效果受很多方面影响，其中负荷预测在其中起到了基石性的作用，负荷预测越精确，调峰效果越佳，负荷预测偏差越大，调峰效果越差，甚至于会出现调峰失败的情况。因此精确的负荷预测不仅能够实现更精确的调峰效果，而且对储能电站正常运行十分重要。本发明提出一种基于ANFIS的负荷预测方法，只需区域电网三日内小时级负荷历史数据，综合神经网络的学习算法和模糊推理的算法进行电网短期负荷预测，预测过程分为小时级负荷数据模糊化、激励强度计算、负荷预测规则适用度的归一化计算、负荷预测规则的计算、负荷预测值计算五层。

第一层：负荷历史数据输入并模糊化，是建立模糊规则的第一步；

第二层：模糊规则激励强度的计算，将输入信号的隶属度相乘；

第三层：本层节点进行各条规则适用度的归一化计算；

第四层：该层节点为自适应节点，计算每条规则的贡献；

第五层：该层的单节点是一个固定节点，计算所有输入信号的总输出。

获取预测日前两个月的日负荷数据，每组数据有24个采样点，采用减法聚类生成学习训练样本、测试样本和查验样本，单个样本由6个输入和1个输出组成，输入分别为预测日前两日j-1、j、j+1和预测日前一日j-1、j、j+1时刻负荷，输出为预测日j时刻负荷；当遇到首尾负荷点时采用如下规则:预测日零时负荷输入采用预测日前三日23:00负荷、预测日前两天0:00、1:00负荷、23:00负荷预测日前一日0:00、1:00负荷；预测日23:00时负荷输入采用预测日前两日22:00、23:00负荷、预测日前一日0:00、22:00、23:00负荷预测日0:00。

电池SOC的影响因素有电池端电压、电流、电池内阻以及电池温度等。由于电池SOC不可直接测量，本发明通过测定某时刻的SOC值，结合影响因子通过可测数据进行计算。储能***总的SOC值由各电池组SOC值加权平均计算，加权系数由该组电池近三日内充放电频度决定。各电池组SOC值采基于所测量的电池出口直流电压、电流计算，其算法如下：

SOC(t)＝SOC(t-1)+ΔSOC

SOC(t)为t时刻电池SOC值，SOC(t-1)为t-1时刻的电池SOC值(其中初始SOC值用电位滴定法确定)，ΔSOC为SOC变化值，充电时为正，放电为负，其计算规则为

其中E为电池总容量，ΔE为电量变化值，Δt为计算步长。U、I分别为测量到的直流电压、电流。

考虑储能电站最大容量约束，通过迭代得到削峰目标负荷和填谷目标负荷，然后通过计算实际负荷与目标负荷的差值作为储能电站功率指令参考值。其具体计算过程如下：

设充电容量安全限值为

放电容量安全限值为γE，

和γ为分别为充放电安全系数，由于电池存在一定消耗，一般

全天的负荷平均值为P_ave，设削峰目标负荷为P_H，填谷目标负荷为P_L，对于高于P_H的负荷点定义为高点P_j(1≤j≤m)，低于P_L的负荷点定义为低点P_k(1≤k≤n)，当P_H和P_L的值变动时，m、n的个数和P_j、P_k的值随着P_H和P_L的调整而变化。

首先通过放电容量约束求取削峰目标负荷P_H，填谷目标负荷P_L。令P_H＝P_ave，然后求出相应的高点P_j(1≤j≤m)，进而可得全天放电电量

如果满足E₁＜γE则认为削峰目标负荷满足容量约束。否则，将P_H代入P_H＝P_H+ΔP，参加新一轮计算，如此迭代，直到E₁＜γE为止。同理，令P_L＝P_ave，求取相应的负荷低点P_k(1≤k≤n)，进而可得全天充电电量

如果满足

则认为填谷目标负荷满足容量约束。否则，将P_L代入P_L＝P_L-ΔP参加新一轮计算，直到

为止。

在削峰目标负荷P_H和填谷目标负荷P_L确定后，如果实际负荷点在两个目标负荷之间，即P_L≤P_i≤P_H(1≤i≤N)，那么储能电站功率指令参考值为零；如果P_i＜P_L或P_i＞P_H(1≤i≤N)，则储能电站功率指令参考值为P_i-P_L或P_i-P_H，储能电站功率指令参考值如下

大于0表示储能电站放电，

小于0表示储能电站充电。

在负荷预测准确的情况下上述储能***功率参考可以直接作为储能电站功率最终指令，但在实际中，预测值与实际值往往会存在一定的偏差，这就需要对功率指令参考值作出合理调整。本发明通过在电池SOC平衡度指标乘以一个比例系数，动态调节储能参与深度，可优化储能电池SOC，避免过充、过放。

用δ(t)表示储能电池SOC偏离最佳值SOC_ref的程度，根据δ(t)调整储能功率参考值

1)当δ(t)＝0时，表示储能电站电池SOC状态处于最佳状态，对指令调整幅度为0；

2)当δ(t)∈(0,1]，表示储能电站电池SOC＞SOC_ref，如果此时储能电站正在充电，即

时，需要适当减小充电功率。如果此时

则不作调整。

3)当δ(t)∈[-1,0)时，表示储能电站电池SOC＜SOC_ref，如果此时电站正在放电，即

时，则减小放电功率。如果此时

则不作调整。

4)当δ(t)大于1或者小于-1时，超出电站调节范围，应当及时介入调整控制策略。

根据上述调整策略，在上一时段δ(t-1)的基础上引入一个比例系数μ，对现时段储能电站功率指令参考值作如下调整：

式中，

是储能电站最终的功率吞吐指令。最后，根据储能电站有最大充电功率P_Cmax与最大放电功率P_Dmax限制，需要对指令中超出限制的值做出调整，即

优点效果：本发明主要基于ANFIS进行短期负荷预测，并以此为基础实现大规模储能电站调峰控制中的储能***荷电水平优化。其能实时评估储能电站综合荷电水平，对区域电网负荷进行预测，协调控制电站内多组储能电池充放电功率，充分发挥大规模储能电站快速、灵活功率吞吐能力，参与电网负荷削峰填谷，有效缓解调峰压力。同时优化储能电池荷电水平，避免过充、过放，延长电池寿命。

附图说明

图1主站模板结构图

图2子站模板结构图

图3主站封装结构

图4 ANFIS***结构图

图5 P_H计算流程图

图6 P_L计算流程图

具体实施方式

下面结合附图对本发明做进一步的说明:

电站调峰控制器主站模块、储能子站模块组成，主站模块负责负荷预测、输出功率计算与分配，配备以太网接口用于获取区域电网负载历史数据。

该控制器包括调峰控制主站模块和与之连接的储能子站模块，调峰控制主站模块包括浮点运算处理器、FPGA处理器、CAN通讯接口、电源模块、显示模块、RAM存储器、调度网口和按键，浮点运算处理器连接FPGA处理器，CAN通讯接口和按键连接浮点运算处理器，电源模块连接浮点运算处理器和FPGA处理器，显示模块、RAM存储器和调度网口均连接至FPGA处理器；调峰控制主站模块负责负荷预测、输出功率计算与分配，配备以太网接口用于获取区域电网负载历史数据，调峰控制主站模块集成后置于机架式外壳内，采用无风扇方式通过外壳散热，各电缆接口采用机械自锁式插针结构。

储能子站模块包括浮点运算处理器、CAN通讯接口、电源模块、显示模块、调试网口、瞬时直流电压测量、隔离电路、滤波电路、信号调理和瞬时直流电流测量，隔离电路、滤波电路和信号调理为两组，其中一组为瞬时直流电压测量连接隔离电路，隔离电路连接滤波电路，滤波电路连接信号调理，信号调理连接浮点运算处理器，另一组为瞬时直流电流测量连接隔离电路，隔离电路连接滤波电路，滤波电路连接信号调理，信号调理连接浮点运算处理器，电源模块连接浮点运算处理器和两个隔离电路，CAN通讯接口、显示模块和调试网口均连接至浮点运算处理器；其中储能子站模块中的CAN通讯接口与调峰控制主站模块中的CAN通讯接口通讯连接。储能子站模块负责电量信号采集、SOC评估、功率指令转发，安装在每组储能电池输出质量母线，并从母线获取供电，子站模块采用绝缘外壳封装，并通过绝缘柱安装在电池组出口直流母线，调峰控制主站模块和储能子站模块采用CAN协议进行实时数据交换，由主站轮询方式获取各子站数据，无法获得数据时以上一次循环获得数据替代，并作标记，通讯采用光纤介质，一个主站可链接32个子站。

结合附图：如图1所示，主站模块中的浮点运算处理器用于负荷预测、输出功率计算与分配中复杂控制算法。FPGA、CAN通讯等模块负责控制器状态和对外接口的处理，并于浮点运算处理器保持实时数据交换。主站模块集成后置于机架式外壳内，外形如图3所示，采用无风扇方式通过外壳散热，各电缆接口采用机械自锁式插针结构。

如图2所示，子站模块中的测量、隔离、滤波、数据预处理模块主要完成储能模块直流电压、电流信号的测量；浮点运算处理器主要基于电流、电压信号计算各模块的实时SOC值。显示、调试网口主要用于该模块的调试、监测和软件更新。子站模块安装在每组储能电池输出质量母线，并从母线获取供电，子站模块采用绝缘外壳封装，并通过绝缘柱安装在电池组出口直流母线。

主站和子站采用CAN协议进行实时数据交换，由主站轮询方式获取各子站数据，无法获得数据时以上一次循环获得数据替代，并作标记。通讯采用光纤介质，一个主站可链接32个子站。

基于ANFIS短期负荷预测的大规模储能电站调峰控制方法由ANFIS负荷预测、储能***SOC计算、储能功率参考值计算、储能功率加权调整四个环节组成，储能***SOC计算在子站模块运行，其余三个环节在主站模块运行。

负荷预测首先要了解电网负荷的波动因素。影响电网负荷波动的因素有很多，比如温度、湿度、风力等等，而这些因素与负荷之间的关系往往是不精确的、模糊的，而且涉及的数据测量往往误差较大，难以用一种线性的函数来表示，适合用模糊理论中的隶属度函数来衡量各种因素对负荷的影响，但是纯粹的模糊推理缺乏学习能力。本发明采用了自适应网络模糊推理***(Adaptive Network-based Fuzzy Inference System，ANFIS)来进行负荷预测，ANFIS是基于数据的建模和预测方法，它综合了神经网络的学习算法和模糊推理的算法，因此它既有神经网络学习机制，又具有模糊推理的语言推理能力。

如图4所示，ANFIS负荷预测，其特征在于只需区域电网三日内小时级负荷历史数据，综合神经网络的学习算法和模糊推理的算法进行电网短期负荷预测，预测过程分为小时级负荷数据模糊化、激励强度计算、负荷预测规则适用度的归一化计算、负荷预测规则的计算、负荷预测值计算五层。

第一层：负荷历史数据输入并模糊化，是建立模糊规则的第一步。

第二层：模糊规则激励强度的计算，将输入信号的隶属度相乘；

第三层：本层节点进行各条规则适用度的归一化计算；

第四层：该层节点为自适应节点，计算每条规则的贡献；

第五层：该层的单节点是一个固定节点，计算所有输入信号的总输出。

获取预测日前两个月的日负荷数据，每组数据有24个采样点，采用减法聚类生成学习训练样本、测试样本和查验样本，单个样本由6个输入和1个输出组成，输入分别为预测日前两日j-1、j、j+1和预测日前一日j-1、j、j+1时刻负荷，输出为预测日j时刻负荷。当遇到首尾负荷点时采用如下规则:预测日零时负荷输入采用预测日前三日23:00负荷、预测日前两天0:00、1:00负荷、23:00负荷预测日前一日0:00、1:00负荷；预测日23:00时负荷输入采用预测日前两日22:00、23:00负荷、预测日前一日0:00、22:00、23:00负荷预测日0:00。

电池SOC的影响因素有电池端电压、电流、电池内阻以及电池温度等。由于电池SOC不可直接测量，本发明通过测定某时刻的SOC值，结合影响因子通过可测数据进行计算。储能***总的SOC值由各电池组SOC值加权平均计算，加权系数由该组电池近三日内充放电频度决定。各电池组SOC值采基于所测量的电池出口直流电压、电流计算，其算法如下：

SOC(t)＝SOC(t-1)+ΔSOC

SOC(t)为t时刻电池SOC值，SOC(t-1)为t-1时刻的电池SOC值(其中初始SOC值用电位滴定法确定)，ΔSOC为SOC变化值，充电时为正，放电为负，其计算规则为

其中E为电池总容量，ΔE为电量变化值，Δt为计算步长。U、I分别为测量到的直流电压、电流。

考虑储能电站最大容量约束，通过迭代得到削峰目标负荷和填谷目标负荷，然后通过计算实际负荷与目标负荷的差值作为储能电站功率指令参考值。其具体计算过程如下：

设充电容量安全限值为

放电容量安全限值为γE，

和γ为分别为充放电安全系数，由于电池存在一定消耗，一般

全天的负荷平均值为P_ave，设削峰目标负荷为P_H，填谷目标负荷为P_L，对于高于P_H的负荷点定义为高点P_j(1≤j≤m)，低于P_L的负荷点定义为低点P_k(1≤k≤n)，当P_H和P_L的值变动时，m、n的个数和P_j、P_k的值随着P_H和P_L的调整而变化。

如图5、6所示，通过放电容量约束求取削峰目标负荷P_H，填谷目标负荷P_L。令P_H＝P_ave，然后求出相应的高点P_j(1≤j≤m)，进而可得全天放电电量

如果满足E₁＜γE则认为削峰目标负荷满足容量约束。否则，将P_H代入P_H＝P_H+ΔP，参加新一轮计算，如此迭代，直到E₁＜γE为止。同理，令P_L＝P_ave，求取相应的负荷低点P_k(1≤k≤n)，进而可得全天充电电量

如果满足

则认为填谷目标负荷满足容量约束。否则，将P_L代入P_L＝P_L-ΔP参加新一轮计算，直到

为止。

在削峰目标负荷P_H和填谷目标负荷P_L确定后，如果实际负荷点在两个目标负荷之间，即P_L≤P_i≤P_H(1≤i≤N)，那么储能电站功率指令参考值为零；如果P_i＜P_L或P_i＞P_H(1≤i≤N)，则储能电站功率指令参考值为P_i-P_L或P_i-P_H，储能电站功率指令参考值如下

大于0表示储能电站放电，

小于0表示储能电站充电。

在负荷预测准确的情况下上述储能***功率参考可以直接作为储能电站功率最终指令，但在实际中，预测值与实际值往往会存在一定的偏差，这就需要对功率指令参考值作出合理调整。本发明通过在电池SOC平衡度指标乘以一个比例系数，动态调节储能参与深度，可优化储能电池SOC，避免过充、过放。

用δ(t)表示储能电池SOC偏离最佳值SOC_ref的程度，根据δ(t)调整储能功率参考值

1)当δ(t)＝0时，表示储能电站电池SOC状态处于最佳状态，对指令调整幅度为0；

2)当δ(t)∈(0,1]，表示储能电站电池SOC＞SOC_ref，如果此时储能电站正在充电，即

时，需要适当减小充电功率。如果此时

则不作调整。

3)当δ(t)∈[-1,0)时，表示储能电站电池SOC＜SOC_ref，如果此时电站正在放电，即

时，则减小放电功率。如果此时

则不作调整。

4)当δ(t)大于1或者小于-1时，超出电站调节范围，应当及时介入调整控制策略。

根据上述调整策略，在上一时段δ(t-1)的基础上引入一个比例系数μ，对现时段储能电站功率指令参考值作如下调整：

式中，

是储能电站最终的功率吞吐指令。最后，根据储能电站有最大充电功率P_Cmax与最大放电功率P_Dmax限制，需要对指令中超出限制的值做出调整，即

随着μ取值的增大SOC优化的效果更加明显，但取值太大会影响调峰效果。通加权系数动态调整储能***的输出功率旨在于优化SOC，防止过充、过放，延长电池寿命，降低设备更新成本，提高综合收益。

Claims (8)

1.基于ANFIS短期负荷预测的大规模储能电站调峰控制器，其特征在于：该控制器包括调峰控制主站模块和与之连接的储能子站模块，调峰控制主站模块包括浮点运算处理器、FPGA处理器、CAN通讯接口、电源模块、显示模块、RAM存储器、调度网口和按键，浮点运算处理器连接FPGA处理器，CAN通讯接口和按键连接浮点运算处理器，电源模块连接浮点运算处理器和FPGA处理器，显示模块、RAM存储器和调度网口均连接至FPGA处理器；

储能子站模块包括浮点运算处理器、CAN通讯接口、电源模块、显示模块、调试网口、瞬时直流电压测量、隔离电路、滤波电路、信号调理和瞬时直流电流测量，隔离电路、滤波电路和信号调理为两组，其中一组为瞬时直流电压测量连接隔离电路，隔离电路连接滤波电路，滤波电路连接信号调理，信号调理连接浮点运算处理器，另一组为瞬时直流电流测量连接隔离电路，隔离电路连接滤波电路，滤波电路连接信号调理，信号调理连接浮点运算处理器，电源模块连接浮点运算处理器和两个隔离电路，CAN通讯接口、显示模块和调试网口均连接至浮点运算处理器；其中储能子站模块中的CAN通讯接口与调峰控制主站模块中的CAN通讯接口通讯连接；

调峰控制主站模块负责负荷预测、输出功率计算与分配，配备以太网接口用于获取区域电网负载历史数据，调峰控制主站模块集成后置于机架式外壳内，采用无风扇方式通过外壳散热，各电缆接口采用机械自锁式插针结构；储能子站模块负责电量信号采集、SOC评估、功率指令转发，安装在每组储能电池输出直流母线上，并从母线获取供电，储能子站模块采用绝缘外壳封装，并通过绝缘柱安装在储能电池组出口直流母线，调峰控制主站模块和储能子站模块采用CAN协议进行实时数据交换，由调峰控制主站模块轮询方式获取各储能子站模块数据，无法获得数据时以上一次循环获得数据替代，并作标记，通讯采用光纤介质，一个调峰控制主站模块能链接32个储能子站模块。

2.利用权利要求1所述的基于ANFIS短期负荷预测的大规模储能电站调峰控制器所实施的调峰方法，其特征在于：该调峰方法由ANFIS短期负荷预测、储能***SOC计算、储能功率参考值计算、储能功率加权调整四个环节组成，储能***SOC计算在储能子站模块运行，其余三个环节在调峰控制主站模块运行。

3.根据权利要求2所述的调峰方法，其特征在于：ANFIS短期负荷预测方法：只需区域电网三日内小时级负荷历史数据，综合神经网络的学习算法和模糊推理的算法进行电网短期负荷预测，预测过程分为小时级负荷数据模糊化、激励强度计算、负荷预测规则适用度的归一化计算、负荷预测规则的计算、负荷预测值计算五层。

4.根据权利要求3所述的调峰方法，其特征在于：五层如下：

第一层：负荷历史数据输入并模糊化，是建立模糊规则的第一步；

第二层：模糊规则激励强度的计算，将输入信号的隶属度相乘；

第三层：本层节点进行各条规则适用度的归一化计算；

第四层：该层节点为自适应节点，计算每条规则的贡献；

第五层：该层的单节点是一个固定节点，计算所有输入信号的总输出。

5.根据权利要求2所述的调峰方法，其特征在于：ANFIS短期负荷预测方法中，获取预测日前两个月的日负荷数据，每组数据有24个采样点，采用减法聚类生成学习训练样本、测试样本和查验样本；单个样本由6个输入和1个输出组成，预测日j时刻输入分别为预测日前两日j-1、j、j+1和预测日前一日j-1、j、j+1时刻负荷，输出为预测日j时刻负荷；当遇到首尾负荷点时采用如下规则:预测日零时负荷输入采用预测日前三日23:00负荷、预测日前两天0:00、1:00负荷、23:00负荷，预测日前一日0:00、1:00负荷；预测日23:00时负荷输入采用预测日前两日22:00、23:00负荷、预测日前一日0:00、22:00、23:00负荷预测日0:00。

6.根据权利要求2所述的调峰方法，其特征在于：储能***SOC计算方法中，该方法通过测定某时刻的储能SOC值，结合影响因子通过可测数据进行计算，储能***总的SOC值由各储能电池组SOC值加权平均计算，加权系数由该组储能电池近三日内充放电频度决定，各储能电池组SOC值基于所测量的储能电池出口直流电压、电流计算，其算法如下：

SOC(t)＝SOC(t-1)+ΔSOC

SOC(t)为t时刻储能电池SOC值，SOC(t-1)为t-1时刻的储能电池SOC值，其中初始SOC值用电位滴定法确定，ΔSOC为SOC变化值，充电时为正，放电为负，其计算规则为

其中E为储能电池总容量，ΔE为电量变化值，Δt为计算步长；U、I分别为测量到的直流电压、电流。

7.根据权利要求2所述的调峰方法，其特征在于：储能功率参考值计算方法中，考虑储能电站最大容量约束，通过迭代得到削峰目标负荷和填谷目标负荷，然后通过计算实际负荷与目标负荷的差值作为储能电站功率指令参考值，其具体计算过程如下：

设充电容量安全限值为

放电容量安全限值为γE，

和γ分别为充放电安全系数，由于储能电池存在一定消耗，

全天的负荷平均值为P_ave，设削峰目标负荷为P_H，填谷目标负荷为P_L，对于高于P_H的负荷点定义为高点P_j,1≤j≤m，低于P_L的负荷点定义为低点P_k，1≤k≤n，当P_H和P_L的值变动时，m、n的个数和P_j、P_k的值随着P_H和P_L的调整而变化；

通过放电容量约束求取削峰目标负荷P_H，填谷目标负荷P_L；令P_H＝P_ave，然后求出相应的高点P_j,1≤j≤m，进而得全天放电电量

如果满足E₁＜γE则认为削峰目标负荷满足容量约束；否则，将P_H代入P_H＝P_H+ΔP，参加新一轮计算，如此迭代，直到E₁＜γE为止；同理，令P_L＝P_ave，求取相应的负荷低点P_k，1≤k≤n，进而得全天充电电量

如果满足

则认为填谷目标负荷满足容量约束；否则，将P_L代入P_L＝P_L-ΔP参加新一轮计算，直到

为止；

在削峰目标负荷P_H和填谷目标负荷P_L确定后，如果实际负荷点在两个目标负荷之间，即P_L≤P_i≤P_H，1≤i≤N，那么储能电站功率指令参考值为零；如果P_i＜P_L或P_i＞P_H，1≤i≤N，则储能电站功率指令参考值为P_i-P_L或P_i-P_H，储能电站功率指令参考值如下

大于0表示储能电站放电，

小于0表示储能电站充电。

8.根据权利要求2所述的调峰方法，其特征在于：储能功率加权调整方法中：本方法通过在储能电池SOC平衡度指标乘以一个比例系数，动态调节储能参与深度，可优化储能电池SOC，避免过充、过放：

用δ(t)表示储能电池SOC偏离最佳值SOC_ref的程度，根据δ(t)调整储能功率参考值

1)当δ(t)＝0时，表示储能电池SOC状态处于最佳状态，对指令调整幅度为0；

2)当δ(t)∈(0,1]，表示储能电池SOC＞SOC_ref，如果此时储能电站正在充电，即

时，需要适当减小充电功率；如果此时

则不作调整；

3)当δ(t)∈[-1,0)时，表示储能电池SOC＜SOC_ref，如果此时储能电站正在放电，即

时，则减小放电功率；如果此时

则不作调整；

4)当δ(t)大于1或者小于-1时，超出储能电站调节范围，应当及时介入调整控制策略；

根据上述调整控制策略，在上一时段δ(t-1)的基础上引入一个比例系数μ，对现时段储能电站功率指令参考值作如下调整：

式中，

是储能电站最终的功率吞吐指令；最后，根据储能电站有最大充电功率P_Cmax与最大放电功率P_Dmax限制，需要对指令中超出限制的值做出调整，即

Images