CN107994595A - 一种削峰填谷控制方法和***以及应用该控制方法的*** - Google Patents
一种削峰填谷控制方法和***以及应用该控制方法的*** Download PDFInfo
- Publication number
- CN107994595A CN107994595A CN201711127123.1A CN201711127123A CN107994595A CN 107994595 A CN107994595 A CN 107994595A CN 201711127123 A CN201711127123 A CN 201711127123A CN 107994595 A CN107994595 A CN 107994595A
- Authority
- CN
- China
- Prior art keywords
- soc
- load
- storage system
- energy storage
- interval
- 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.)
- Granted
Links
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
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种削峰填谷控制方法和***以及应用该控制方法的***,包括基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解;将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能***充放电功率。相对现有技术,本发明提供了一种变参数功率差控策略,该控制策略协调考虑了储能对负荷侧的削峰填谷效果以及荷电状态的影响,对储能***正常工作上限荷电状态和储能***正常工作下限荷电状态,及储能***在不同负荷区间和不同荷电状态SOC区间的充电或放电功率因数进行变化寻优,能够保持储能***的充放电特性,延长储能***的使用寿命。
Description
技术领域
本发明属于大规模储能、新能源发电技术领域,具体涉及一种削峰填谷控制方法和***以及应用该控制方法的***。
背景技术
近年来,随着经济水平的快速发展,电力***负荷呈现出峰谷差日益增大的特点,这会降低电力***的经济性,并造成社会资源浪费,而这种现象在商业园区尤为严重。在商业园区中加入储能***,利用储能电池蓄能特性能够在用电低谷时储存电能,在用电高峰释放电能,实现削峰填谷。储能通过自身的充放电特性,能够延缓园区电网的容量升级改造,提高设备利用率和供电可靠性,同时对部分实行峰谷电价地区,能够通过减小负荷的峰谷差而受益。因此,储能***的使用在给电网的安全运行带来保障的同时,也给用户侧带来经济收益。在配备了一定规模的分布式光伏阵列的商业园区中,园区所配备的光伏容量往往无法满足负荷。因此,引入城市电网以满足商业园区的负荷需求。储能***的加入能够对负荷的峰谷进行调节,用电低谷时储存电能,在用电高峰释放电能,给商业园区用户带来一定的经济收益。
商业园区能源中心主要实现对商业园区电力***各部分的信息采集与监控管理。商业园区的电力***按物理作用可分为源-储-荷三部分。能源中心采集用电负荷、储能***出力、光伏***出力,对园区各部分运行状态与出力进行决策。目前,关于求解储能***削峰填谷策略的算法主要包括动态规划算法、智能算法等。在现有的一些控制策略中,包括基于动态规划的削峰填谷控制策略,同时考虑了充放电深度对电池寿命的影响,但其限制了每日的充放电次数,部分场景下由于负荷变化较大,储能***可能需要多次变化充放电状态。对比储能***恒功率控制方式与功率差控制方式的控制效果,可以发现与功率差控制方式相比,恒功率控制较简单,但其控制效果不如功率差的控制方式,并且恒功率控制对负荷预测精度要求较高。
发明内容
为克服上述现有技术的不足,本发明提出一种削峰填谷控制方法和***以及应用该控制方法的***,结合动态自适应粒子群算法,提出对商业园区储能***削峰填谷输出功率的控制策略。
实现上述目的所采用的解决方案为:
一种削峰填谷控制方法,其改进之处在于:
基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解;
将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能***充放电功率;
其中,所述可变控制参数包括:储能***正常工作上限荷电状态和储能***正常工作下限荷电状态以及储能***在不同负荷区间和不同荷电状态区间的充电或放电功率因数。
本发明提供的第一优选技术方案,其改进之处在于,所述变参数功率差控制策略包括,包括:
基于储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率,划分负荷区间;
基于储能***正常工作上限荷电状态、储能***正常工作下限荷电状态、储能***荷电状态所允许的最大值和最小值划分SOC工作区间;
基于所述负荷区间和SOC工作区间划分储能***充放电区间并设定充放电策略及充放电功率。
本发明提供的第二优选技术方案,其改进之处在于,所述基于储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率,划分负荷区间,包括:
基于与当前日对应的典型日负荷曲线计算储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率;
基于所述上下限功率将负荷区间划分为多个负荷区,分区方法如下式:
当Pt≤P2时,划分为负荷I区;
当P2<Pt<P1时,划分为负荷II区;
当Pt≥P1时,划分为负荷III区;
其中,Pt为t时刻的负荷功率,P2为储能***参与充电时负荷上限功率,P1为储能***参与放电时负荷的下限功率。
本发明提供的第三优选技术方案,其改进之处在于,基于储能***正常工作上限荷电状态、储能***正常工作下限荷电状态、储能***荷电状态所允许的最大值和最小值划分SOC 工作区间,包括:
当SOCmax≤SOC(t)<1时,划分为SOC越上限区;
当SOCup≤SOC(t)<SOCmax时,划分为SOC高限值区;
当SOCdown≤SOC(t)<SOCup时,划分为SOC正常工作区;
当SOCmin≤SOC(t)<SOCdown时,划分为SOC低限值区;
当0<SOC(t)<SOCmin时,划分为SOC越下限区;
其中,SOC(t)为t时刻的SOC值,SOCmax为储能***荷电状态所允许的最大值,SOCmin为储能***荷电状态所允许的最小值,SOCup为储能***正常工作上限荷电状态,SOCdown为储能***正常工作下限荷电状态。
本发明提供的第四优选技术方案,其改进之处在于,所述基于所述负荷区间和SOC工作区间划分储能***充放电区间并设定充放电策略及充放电功率,包括:
第一区间,所述第一区间为SOC工作区间为SOC越上限区且负荷区间为负荷I区,所述储能***静置;
第二区间,所述第二区间为SOC工作区间为SOC越上限区且负荷区间为负荷Ⅱ区,所述储能***放电;
第三区间,所述第三区间为SOC工作区间为SOC越上限区且负荷区间为负荷Ⅲ区,所述储能***放电;
所述第二区间和第三区间,储能***的充放电功率计算式如下:
Pd=min(Pe,Pt-P2) (1)
第四区间,所述第四区间为SOC工作区间为SOC高限值区且负荷区间为负荷I区,所述储能***充电,储能***的充放电功率计算式如下:
Pc=k1(P2-Pt) (2)
第五区间,所述第五区间为SOC工作区间为SOC高限值区且负荷区间为负荷Ⅱ区,所述储能***静置,
第六区间,所述第六区间为SOC工作区间为SOC高限值区且负荷区间为负荷Ⅲ区,所述储能***放电,储能***的充放电功率计算式如下:
Pd=k2(Pt-P1)+(1-k2)min(Pe,Pt-P2) (3)
第七区间,所述第七区间为SOC工作区间为SOC正常工作区且负荷区间为负荷I区,所述储能***充电,储能***的充放电功率计算式如下:
Pc=P2-Pt (4)
第八区间,所述第八区间为SOC工作区间为SOC正常工作区且负荷区间为负荷Ⅱ区,所述储能***静置;
第九区间,所述第九区间为SOC工作区间为SOC正常工作区且负荷区间为负荷Ⅲ区,所述储能***放电,储能***的充放电功率计算式如下:
Pd=Pt-P1 (5)
第十区间,所述第十区间为SOC工作区间为SOC低限值区且负荷区间为负荷I区,所述储能***充电,储能***的充放电功率计算式如下:
Pc=k3(P2-Pt)+(1-k3)min(Pe,P1-Pt) (6)
第十一区间,所述第十一区间为SOC工作区间为SOC低限值区且负荷区间为负荷Ⅱ区,所述储能***静置;
第十二区间,所述第十二区间为SOC工作区间为SOC低限值区且负荷区间为负荷Ⅲ区,所述储能***放电,储能***的充放电功率计算式如下:
Pd=k4(Pt-P1) (7)
第十三区间,所述第十三区间为SOC工作区间为SOC越下限区且负荷区间为负荷I区,所述储能***充电;
第十四区间,所述第十四区间为SOC工作区间为SOC越下限区且负荷区间为负荷Ⅱ区,所述储能***充电;
所述第十三区间和第十四区间,储能***的充放电功率计算式如下:
Pc=min(Pe,P1-Pt) (8)
第十五区间,所述第十五区间为SOC工作区间为SOC越下限区且负荷区间为负荷Ⅲ区,所述储能***静置;
其中,Pd为储能***放电功率,Pc为储能***充电功率,Pe为储能***额定功率,k1和k3为设置的充电功率因数,k2和k4为设置的放电功率因数。
本发明提供的第五优选技术方案,其改进之处在于, (9)
其中F1为负荷侧削峰填谷效果目标函数,λ1为F1的权重:
其中,Pnload(t)表示t时刻的负荷侧功率,为负荷与储能***的总功率;P_nloadavg(T)为 [T,T+Δt]时段内负荷侧的平均功率,P_nloadmax(T)为该时段内负荷侧功率最大值,Δt为时段长度;
F2为SOC越限率目标函数,λ2为F2的权重:
为[T,T+Δt]时段内SOC值进入SOC越上限区时长,为该时段内 SOC值进入SOC越下限区时长;
F3为SOC波动评价指标,λ3为F3的权重:
其中SOCavg(T)为[T,T+Δt]时段内SOC平均值,SOC(t)为该时段内时刻t时的SOC值, SOCmax(T)为该时段内SOC最大值。
本发明提供的第六优选技术方案,其改进之处在于,所述权重系数λ1、λ2和λ3计算方法为
分别算出F1、F2和F3三个子目标函数的最优解minFi(x),记为xi,i=1,2,3;
对各子目标函数的最优解进行交互迭代,分别计算出对应的目标函数值Fj(xi),其中Fj(xi) 表示将第i个子目标函数最优解代入第j个子目标函数算出的值;
采用下式计算各子目标函数的变差系数li:
采用下式计算权系数b(λi):
对权系数和变差系数进行大小排序,变差系数最大的子目标函数以最小的权系数为权重,变差系数最小的子目标函数以最大的权系数为权重,变差系数中间的子目标函数以中间的权系数为权重。
本发明提供的第七优选技术方案,其改进之处在于,所述预先建立的削峰填谷模型的约束条件包括:
电网功率平衡约束
Pgrid+Ppv=Pload-Pess (15)
其中,Pgrid为城市电网对园区的输出功率,Ppv为园区分布式光伏阵列输出功率,Pload为园区负荷功率,Pess为储能***出力;
储能***自身约束
SOCmin≤SOC(t)≤SOCmax (16)
0≤Pc≤Pe (17)
0≤Pd≤Pe (18)
其中,α为储能***的自放电率,E为储能***容量,kd为储能***的放电效率,kc为储能***的充电效率,SOC(t-1)为t-1时刻的SOC值,t时刻和t-1时刻间的时间间隔为Δt;
控制参数约束
0<{k1,k2,k3,k4}<1 (21)
0<SOCmin<SOCdown<SOCup<SOCmax<1 (22)。
一种削峰填谷控制***,其改进之处在于,包括参数求解模块和功率控制执行模块;
所述参数求解模块用于基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解;
所述功率控制执行模块用于将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能***充放电功率;
其中,所述可变控制参数包括:储能***正常工作上限荷电状态和储能***正常工作下限荷电状态以及储能***在不同负荷区间和不同荷电状态区间的充电或放电功率因数。
本发明提供的第八优选技术方案,其改进之处在于,还包括变参数功率差控制策略模块;
所述变参数功率差控制策略模块包括负荷区间划分子单元、SOC工作区间划分子单元和策略设定子单元;
所述负荷区间划分子单元用于基于储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率,划分负荷区间;
所述SOC工作区间划分子单元用于基于储能***正常工作上限荷电状态、储能***正常工作下限荷电状态、储能***荷电状态所允许的最大值和最小值划分SOC工作区间;
所述策略设定子单元用于基于所述负荷区间和SOC工作区间划分储能***充放电区间并设定充放电策略及充放电功率。
一种应用削峰填谷控制方法的***,其改进之处在于,包括通信模块、***决策计算模块、数据存储模块、动态自适应粒子群计算模块和功率控制执行模块;
所述通信模块用于实时接收外部信息,并将所述外部信息反馈给所述***决策计算模块,所述外部信息包括调度信息、新能源功率信息、负荷信息以及储能***SOC状态信息;
所述***决策计算模块根据所述外部信息,按照预设的参数筛选策略实时计算出储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率并发送至所述动态自适应粒子群计算模块;
所述动态自适应粒子群计算模块根据所述***决策计算模块的计算结果,以负荷侧削峰填谷效果、SOC越限率和SOC波动评价指标为目标函数,以电网功率平衡约束、储能***自身约束和控制参数约束为约束条件,采用动态自适应粒子群算法对所述储能***的控制参数进行滚动寻优,并将所述控制参数发送给所述功率控制执行模块;其中,所述控制参数包括储能***正常工作上限荷电状态和储能***正常工作下限荷电状态,及储能***在不同负荷区间和不同SOC区间的充电或放电功率因数;
所述功率控制执行模块根据所述控制参数,控制储能***的充放电功率;
所述数据储存模块用于实时存所述外部信息、所述储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率和所述控制参数。
与最接近的现有技术相比,本发明具有的有益效果如下:
本发明提出的一种削峰填谷控制方法和***以及应用该控制方法的***,提供了一种变参数功率差控策略,该控制策略协调考虑了储能对负荷侧的削峰填谷效果以及荷电状态的影响,对储能***正常工作上限荷电状态和储能***正常工作下限荷电状态,及储能***在不同负荷区间和不同荷电状态SOC区间的充电或放电功率因数进行变化寻优,能够保持储能***的充放电特性,延长储能***的使用寿命。同时变参数功率差控策略相比现有的储能***恒功率控制方式与功率差控制方式,其控制效果更好。
附图说明
图1为本发明提供的一种削峰填谷控制方法流程示意图;
图2为本发明提供的一种削峰填谷控制方法的变参数功率差控制策略流程图;
图3为本发明提供的一种削峰填谷控制方法的P1和P2计算方法流程示意图;
图4为负荷区间划分示意图;
图5为SOC区间划分示意图;
图6为控制策略作用下负荷侧功率曲线示意图;
图7为不同控制策略作用下SOC曲线示意图;
图8为SOCup与SOCdown变化曲线示意图;
图9为k1、k2、k3和k4变化曲线示意图;
图10为本发明提供的一种应用源储荷***削峰填谷控制方法的***的构成示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
本发明提供的一种削峰填谷控制方法的流程示意图如图1所示,包括:
基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解;
将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能***充放电功率;
其中,可变控制参数包括:储能***正常工作上限荷电状态和储能***正常工作下限荷电状态以及储能***在不同负荷区间和不同荷电状态区间的充电或放电功率因数。
具体的,一种削峰填谷控制方法包括:
1根据日负荷预测曲线,综合考虑储能***容量约束以及功率约束,计算得出储能***参与充电的上限功率P2与储能***参与放电的下限功率P1,具体流程与常参数功率差控制策略中的计算P1和P2的方法相同,如图3所示,包括:
1-1获取日负荷预测曲线;
1-2确定预设的迭代步长ΔP,根据日负荷预测曲线计算日平均负荷Pav,负荷峰值功率Pf和负荷谷值功率Pg;
1-3设置储能***参与充电时负荷上限功率P2=Pav-ΔP,储能***参与放电时负荷的下限功率P1=Pav+ΔP;转入1-4和1-5;
1-4判断充电电量Ec是否小于电池容量E,若是,转入1-8,否则转入1-6;
1-5判断放电电量Ed是否小于电池容量E,若是,转入1-8,否则转入1-7;
1-6更新P2值,具体为P2=P2-ΔP,转入步骤1-4;
1-7更新P1值,具体为P1=P1+ΔP,转入步骤1-5;
1-8判断0≤Ec-Ed<∈是否满足,若是,转入1-9;否则,当Ec-Ed<0时,转入1-7,当Ec-Ed≥∈时,转入1-6;∈为预设的接近0的正值;
1-9确定P1和P2的值,结束。
2根据P1和P2,将负荷状态划分为3个区间,如图4所示:
当Pt≤P2时,为负荷I区;常参数功率差控制策略控制下储能***充电以增大负荷谷值,充电功率P′c为:P′c=P2-Pt;
当P2<Pt<P1时,为负荷II区;常参数功率差控制策略控制下储能***静置;
当Pt≥P1时,为负荷III区;常参数功率差控制策略控制下储能***放电以减小负荷峰值,放电功率P′d为:P′d=Pt-P1;
其中,Pt为t时刻的负荷功率。
3引入SOCup和SOCdown两个控制参数,将SOC状态区间进行如图5所示的划分,其中SOCup为储能***正常工作上限荷电状态,SOCdown为储能***正常工作下限荷电状态:
SOC越上限区:
SOCmax≤SOC(t)<1;
SOC高限值区:
SOCup≤SOC(t)<SOCmax;
SOC正常工作区:
SOCdown≤SOC(t)<SOCup;
SOC低限值区:
SOCmin≤SOC(t)<SOCdown;
SOC越下限区:
0<SOC(t)<SOCmin;
上式中SOC(t)为t时刻的SOC值,SOCmax为储能***所允许的SOC最大值,SOCmin为储能***所允许的SOC最小值。引入的SOCup和SOCdown需满足约束:
0<SOCmin<SOCdown<SOCup<SOCmax<1
4基于上述内容,提出变参数功率差控制策略。本策略原则之一是通过调节SOC高低限值区的充放电功率,尽量避免或缩短SOC处于越上下限区。为此,结合所划分的SOC状态和负荷状态区间,划分十五个储能***充放电区间,引入控制参数k1、k2、k3和k4,其控制原则如下:
4-1SOC越上限区:此区间储能不进行充电操作。在此SOC工作区间,还进一步根据负荷区间共划分三个储能***充放电区间。
第一区间,在负荷Ⅰ区,储能***静置,由电网及光伏对园区负荷进行供电;
第二区间,在负荷Ⅱ区;第三区间,在负荷Ⅲ区。
第二区间和第三区间,储能***放电,且以充电上限值为目标放电,考虑储能***功率约束,故放电功率:
Pd=min(Pe,Pt-P2) (1)
其中,Pe为储能***额定功率,Pt为负荷功率,Pd为储能***放电功率。
4-2SOC高限值区:此区间根据所处负荷区间不同,储能***进行不同充放电操作。在此SOC工作区间,还进一步根据负荷区间共划分三个储能***充放电区间。
第四区间,在负荷Ⅰ区,储能***进行充电,但由于该区间内SOC值已经较大,过大的充电功率会使SOC进入越上限区,此区间内储能***充电功率Pc为:
Pc=k1(P2-Pt) (2)
其中:0<k1<1,这样能够使其在负荷Ⅰ区进行填谷的同时,兼顾SOC的状态;
第五区间,在负荷Ⅱ区,储能***静置;
第六区间,在负荷Ⅲ区,储能***进行放电操作,由于此刻的SOC值较高,很容易进入越上限区,需尽可能增大放电功率,同时放电还应受到功率约束与负荷区间约束,故此时的放电功率为:
Pd=k2(Pt-P1)+(1-k2)min(Pe,Pt-P2) (3)
其中:0<k2<1,鉴于P1和P2确定时的功率约束:Pt-P1<Pe,故此区间的放电功率范围为:[Pt-P1,min(Pe,Pt-P2)]。
4-3SOC正常工作区:在此SOC工作区间,还进一步根据负荷区间共划分三个储能***充放电区间。
第七区间,在负荷Ⅰ区,储能***充电,充电功率:
Pc=P2-Pt (4)
第八区间,在负荷Ⅱ区,储能***静置;
第九区间,在负荷Ⅲ区,储能***放电,
Pd=Pt-P1 (5)
4-4SOC低限值区:此区间内储能动作与SOC高限值区相反。在此SOC工作区间,还进一步根据负荷区间共划分三个储能***充放电区间。
第十区间,在负荷Ⅰ区,储能***进行充电操作,充电功率:
Pc=k3(P2-Pt)+(1-k3)min(Pe,P1-Pt) (6)
第十一区间,在负荷Ⅱ区,储能***静置;
第十二区间,在负荷Ⅲ区,储能***放电,放电功率:
Pd=k4(Pt-P1) (7)
其中,0<k4<1。
4-5SOC越下限区:与SOC越上限区相反。在此SOC工作区间,还进一步根据负荷区间共划分三个储能***充放电区间。
第十三区间,在负荷Ⅰ区;第十四区间在负荷Ⅱ区。第十三区间和第十四区间,储能***充电:
Pc=min(Pe,P1-Pt) (8)
第十五区间,在负荷Ⅲ区,储能***静置。
变参数功率差控制策略总体设置如表1所示,其中表中公式不带负号时,表示放电功率,带负号时,表示充电功率。
5通过SOCup和SOCdown两个控制参数能够对荷电状态区间进行划分,通过控制参数k1、k2、k3和k4对每个区间充放电功率进行控制。协调考虑SOC状态与负荷区间,共生成了 15个充放电区间,每个区间对应不同的充放电规则。通过对 SOCup、SOCdown、k1、k2、k3和k4等6个变量进行滚动优化,可实现协调考虑SOC状态的变参数功率差控制策略。
考虑到负荷有一定波动性,基于与当前日对应的典型日负荷预测曲线,对这6个控制变量的滚动更新应考虑包括未来时段的控制效果,从而使控制策略有一定前瞻性和全局性。因此,本发明的控制目标将协调未来一段时间内的负荷侧削峰填谷效果与SOC状态。
5-1为对负荷侧削峰填谷效果进行评价,本发明定义目标函数F1:
其中,Pnload(t)表示t时刻的负荷侧功率;P_nloadavg(T)为[T,T+Δt]时段内负荷侧的平均功率,P_nloadmax(T)为该时段内负荷侧功率最大值,Δt为时段长度;
式(9)中负荷侧功率为负荷与储能***的总功率,即:
Pnload(t)=Pload(t)-Pess(t) (10)
其中,Pload(t)为t时刻负荷功率,Pess(t)为t时刻储能***出力,当储能***放电时,取为正值,充电时,取为负值。
为协调考虑SOC状态,本发明引入F2和F3两个目标函数。
5-2定义[T,T+Δt]时段内SOC越限率为F2,则
为[T,T+Δt]时段内SOC值进入SOC越上限区时长,为该时段内 SOC值进入SOC越下限区时长;
5-3定义SOC波动评价指标为F3:
其中SOCavg(T)为[T,T+Δt]时段内SOC平均值,SOC(t)为该时段内时刻t时的SOC值, SOCmax(T)为该时段内SOC最大值。
5-4本发明的控制策略的目标函数由F1、F2和F3联合构成,由于F1、F2和F3分别代表目标函数的不同特征,对以上3个目标函数赋予一组权重系数λi(i=1,2,3),即为:
minF=min{λ1F1+λ2F2+λ3F3} (13)
为确定各子目标函数的权重λi,本发明采用适应度函数变差系数排序法。具体步骤如下:
(1)分别算出F1、F2和F3三个子目标函数的最优解minFi(x),记为xi,i=1,2,3;
(2)对各子目标函数的最优解进行交互迭代,分别计算出对应的目标函数值Fj(xi),其中Fj(xi)表示将第i个子目标函数最优解代入第j个子目标函数算出的值;
(3)计算各子目标函数的不同解下的变差系数,即:
(4)计算权系数
对权系数和变差系数进行大小排序,变差系数最大的子目标函数以最小的权系数为权重,变差系数最小的子目标函数以最大的权系数为权重,变差系数中间的子目标函数以中间的权系数为权重,以更好的均衡有效解的范围。
6本发明所提出的控制策略主要考虑了电网功率平衡约束、储能***自身约束以及6个控制参数的约束,提出相应的约束条件如下:
6-1电网功率平衡约束
为保证园区内用电设备的正常工作,需满足电网的功率平衡,即:
Pgrid+Ppv=Pload-Pess (16)
其中,Pgrid为城市电网对园区的输出功率,Ppv为园区分布式光伏阵列输出功率,Pload为园区负荷功率,Pess为储能***出力;
6-2储能***自身约束
SOCmin≤SOC(t)≤SOCmax (17)
0≤Pc≤Pe (18)
0≤Pd≤Pe (19)
其中,SOC(t)为t时刻的SOC值,SOCmax为储能***所允许的SOC最大值,一般取80%~100%,SOCmin为储能***所允许的SOC最小值,一般取20%~30%,Pd为储能***放电功率,Pc为储能***充电功率,Pe为储能***额定功率。
储能***SOC、容量与充放电功率之间还应满足如下关系:
其中,α为储能***的自放电率,E为储能***容量,kd为储能***的放电效率,kc为储能***的充电效率,SOC(t-1)为t-1时刻的SOC值,Δt为t时刻和t-1时刻间的时间间隔。
6-3控制参数约束
除以上电网功率平衡约束与储能***自身约束外,还应满足对所引入6个参数的约束,即为:
0<{k1,k2,k3,k4}<1 (21)
0<SOCmin<SOCdown<SOCup<SOCmax<1 (22)。
7根据上述目标函数和约束条件,本发明所提供的述控制策略采用动态自适应粒子群算法对所引入SOCup、SOCdown、k1、k2、k3和k4等6个参数进行滚动寻优。
粒子群算法PSO是一种随机搜索、并行的优化算法,具有收敛速度快、简单易行等优点。粒子群优化算法通过群体中个体之间的协作和信息共享来寻找最优解。PSO中,粒子按下式进行位置与速度更新:
其中,i为粒子数,j为维数,ω为惯性权因子,c1和c2为学习因子,r1和r2为0与1之间的随机数,为第i个粒子的第j维第k代速度,为第i个粒子的第j维第k代位置,为当前粒子的个体最优解,为全局最优解,即粒子群当前最优位置。
然而,由于快速的收敛算法,使得粒子群算法易早熟,从而陷入局部最优中。粒子群算法中较大的惯性权因子有利于全局探索,但会使算法收敛速度降低;而较小的惯性权因子有利于算法的局部开发,加速算法的收敛,但会使算法的全局性变差。动态自适应粒子群算法考虑了惯性权因子ω对算法的影响,对惯性权因子进行动态自适应调整,令:
上式中,是第i个粒子个体第k次迭代最优解的目标值,Fkavg为第k次迭代的目标值平均值,Fkbest为第k次迭代的最优目标值,ω0为惯性权因子预设的初始值,为第i个粒子第k次迭代时的惯性权因子,α、β为[0,1]之间的随机数,和S为中间变量。算法具体步骤如下:
7-1设置粒子个数,迭代次数以及学习因子c1和c2,并对粒子位置与速度进行初始化,使粒子初始位置位于限制范围内。
7-2根据目标函数,计算每个个体的适应度进行评价,并对个体最优解与全局最优解进行保存。
7-3初次更新粒子位置与速度。
7-4计算位置和速度更新后的适应度值。
7-5进行迭代运算,通过首次的个体最优解与全局最优解对惯性权因子进行更新。之后带入式28和29,更新粒子位置与速度。
7-6判断迭代结果是否满足终止条件,即迭代次数达到设定迭代次数或适用值满足条件,若满足,结束迭代并输出结果。否则返回7-5,再次进行迭代运算。
本发明提供的一种削峰填谷控制方法的变参数功率差控制策略流程图如图2所示。
下面结合附图,对优选实例进行说明。应该强调的是,下述说明仅仅是实例性的,而不是为了限制本发明的范围及应用。
以上海某商业园区为例,对专利控制策略的有效性进行分析。仿真所用日负荷预测曲线基于支持向量机算法得出,同时基于商业园区工作日的日负荷曲线整体相似的特点,得到该商业园区的1月工作日典型超短期日负荷预测曲线。采用的变参数控制策略整理为表1。表1 中的公式,若式首带负号,表示充电,否则表示放电。
1)变参数功率差控制策略仿真
该商业园区源/储/荷各部分配置如下:光伏***装机容量为3MW;储能***为锂电池,额定功率为1MW,额定容量为2MW·h;1月最大负荷6.5MW。该商业园区1月典型日负荷预测曲线如图6中虚线所示,即储能***不作用的热电负荷曲线:
可以看出,商业园区负荷有两个用电高峰时段,分别在上午10:30左右与下午14:30左右达到用电峰值,且峰值均会持续2~3小时左右。11:30~13:00,负荷会出现短时的下降,在晚上22:00~凌晨5:00左右,负荷出现低谷。
基于该典型日负荷预测曲线,按照常参数功率差控制策略的计算流程,得出典型日的 Pav=2.5786MW,P1=5.9578MW,P2=0.5164MW。
以某一天的数据(00:00~24:00)为样本进行仿真。考虑采样数据的分辨率,每隔10min对 SOCup、SOCdown、k1、k2、k3和k4等6个参数进行更新一次。基于负荷预测曲线,考虑未来 30min的目标函数最优作为本区间的最优解,这样使本控制策略有了预见性和一定的全局性。
设置动态自适应粒子群算法粒子数n=50,最大迭代次数k=300,学习因子c1=c2=1.5; SOC上下限SOCmin=0.2,SOCmax=0.8,储能***自放电率为0,充放电效率均为100%。依图 2流程进行仿真,仿真结果如图6中实线所示,即控制策略作用下的负荷曲线:
由图6中的实线可见,该控制策略下,储能***确实起到了削峰填谷的作用,储能***在22:00~6:00间进行充电操作,增大了原始负荷曲线的的谷段负荷;储能***在9:00~12:00, 13:00~15:00进行放电操作,减小了原始负荷曲线峰段负荷。
2)与常参数功率差控制效果对比
本发明引入6个控制参数,通过优化6个控制参数,而优化储能***SOC区间与充放电功率,同时考虑未来30min内的控制效果,实现对当前10min内6个变量的滚动更新。
将本发明中变参数功率差控制策略与常参数功率差控制策略的控制效果进行对比,如图 7所示,实线为常参数功率差控制策略下SOC随时间变化曲线,虚线为变参数功率差控制策略下SOC随时间变化曲线:
为对两种控制策略进行评价,基于控制策略所引入的3个子目标函数F1、F2和F3,以负荷曲线标准差和峰谷差作为削峰填谷评价指标,得到不同控制策略下的结果,如表2所示。
表2
负荷曲线标准差 | 最大峰谷差 | |
原始负荷曲线 | 2.4×106 | 6.151×106 |
常参数功率差控制策略 | 2.3054×106 | 5.79×106 |
变参数功率差控制策略 | 2.3039×106 | 5.91×106 |
经对比可得到结论是,常参数与变参数功率差控制策略都能有效降低负荷标准差,相较常参数功率差控制策略,变参数功率差控制策略作用下的负荷曲线更为平滑,但由于其对SOC 的协调考虑,使得负荷曲线会出现短时的凹凸点,也加大了负荷的峰谷差。但相较原始负荷曲线,变参数功率差控制策略还是能够有效减小负荷曲线的峰谷差和提高负荷侧曲线的平滑度。因此,常参数功率差控制策略与变参数功率差控制策略都起到了削峰填谷的作用。
如图7所示,随着充电的进行,常参数功率差控制策略确实能够实现侧削峰填谷的效果,但同时也出现了SOC值在大于0.8的情况。从原始负荷曲线中可以发现,商业园区的原始负荷曲线存在峰谷区持续时间较长的特点,而常参数功率差控制策略在确定储能动作边界值之后,以负荷与边界值P1和P2的功率差进行充放电,园区负荷谷值区最初在凌晨00:00~06: 00出现,由于长时间以最大功率差进行充电而使SOC进入越上限区。作为对比,变参数功率差控制策略能有效降低负荷侧的波动,减小峰谷差,起到了削峰填谷的作用;同时,还能够有效调节SOC波动,将SOC一直控制在合理范围内。
考虑到常参数功率差控制进行充放电功率调节时所依据的仅仅是边界值P1和P2,并未考虑SOC状态,无法根据SOC状态调节储能***自身充放电功率,而本发明所提出的方法通过引入并动态更新SOCup、SOCdown、k1、k2、k3和k4等6个控制参数,使得其能够有效预见SOC变化,并根据SOC的状态调节储能***出力,实现对SOC的自适应调节。由图7可见,变参数功率差控制策略能够有效将SOC控制在[0.3,0.75]之内。SOCup和SOCdown变化情况如图8所示,k1、k2、k3和k4的变化情况如图9所示:
在上午00:00~6:00,两种控制策略作用下,储能***均进行了充电操作;其中00:00~02: 00左右,SOC一直处于正常工作区,与此同时,SOCup和SOCdown参数一直处于动态更新之中,此时段内两条SOC曲线非常接近。在02:00左右开始,储能***SOC达到0.6左右,而SOCup也更新至0.6左右,进入SOC越上限区,k1动作,有效减小了储能***出力。表现在图7中则是负荷侧曲线在00:00~06:00间会有凹点。同理可见k2、k3和k4出力时刻,对应负荷侧曲线均会间歇性出现小的凹凸点。由于本控制策略预估了未来30min内SOC的状态,故而k1、k2、k3和k4的变化有一定的波动性。SOCup和SOCdown又与当前时刻k1、k2、k3和k4相关,因此,这两组参数相互协调。变参数控制策略由于SOC区间限制,会在SOC高限值区间内降低充电速率,SOC曲线上升速率较常参数控制策略作用下的SOC曲线上升速率变慢。在上午9:00~12:00,出现负荷高峰,由于此时SOC均处于高限值区,k2动作,有效增大了放电功率,表现在该段区间内初始一段时间内的SOC曲线下降速率大于常参数控制策略下的 SOC曲线,而SOCup也随之滚动跟新,11:00左右,SOC从高限值区进入正常工作区,两种控制策略下的曲线下降速率相同。同理,13:00~16:00及22:00~24:00区间内的SOC曲线速率也会不同,但由于此时经过一次放电或者第二次放电一段时间之后,SOC进入低限值区,故而此时出现与之前时刻相反的情形。
基于同一发明构思,本发明还提供了一种削峰填谷控制***,由于这些设备解决技术问题的原理与削峰填谷控制方法相似,重复之处不再赘述。
该控制***包括参数求解模块和功率控制执行模块;
参数求解模块用于基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解;
功率控制执行模块用于将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能***充放电功率;
其中,可变控制参数包括:储能***正常工作上限荷电状态和储能***正常工作下限荷电状态以及储能***在不同负荷区间和不同荷电状态区间的充电或放电功率因数。
进一步,该***还包括变参数功率差控制策略模块;
变参数功率差控制策略模块包括负荷区间划分子单元、SOC工作区间划分子单元和策略设定子单元;
负荷区间划分子单元用于基于储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率,划分负荷区间;
SOC工作区间划分子单元用于基于储能***正常工作上限荷电状态、储能***正常工作下限荷电状态、储能***荷电状态所允许的最大值和最小值划分SOC工作区间;
策略设定子单元用于基于负荷区间和SOC工作区间划分储能***充放电区间并设定充放电策略及充放电功率。
本发明还提供了一种应用削峰填谷控制方法的***,如图10所示,包括通信模块、***决策计算模块、数据存储模块、动态自适应粒子群计算模块和功率控制执行模块;
通信模块用于实时接收外部信息,并将外部信息反馈给***决策计算模块,其中外部信息包括调度信息、新能源功率信息、负荷信息以及储能***SOC状态信息;同时将相关数据发送至数据储存模块进行储存。
***决策计算模块根据外部信息,按照预设的参数筛选策略实时计算出储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率并发送至动态自适应粒子群计算模块;
动态自适应粒子群计算模块根据***决策计算模块的计算结果,以负荷侧削峰填谷效果、 SOC越限率和SOC波动评价指标为目标函数,以电网功率平衡约束、储能***自身约束和控制参数约束为约束条件,采用动态自适应粒子群算法对储能***的控制参数进行滚动寻优,并将控制参数发送给功率控制执行模块;其中,控制参数包括储能***正常工作上限荷电状态和储能***正常工作下限荷电状态,及储能***在不同负荷区间和不同SOC区间的充电或放电功率因数;
功率控制执行模块根据控制参数,控制储能***的充放电功率;
数据储存模块用于实时存外部信息、储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率和控制参数,以备下一控制间隔读取和调用。
最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制, 尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换,但这些变更、修改或者等同替换,均在申请待批的权利要求保护范围之内。
Claims (11)
1.一种削峰填谷控制方法,其特征在于:
基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解;
将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能***充放电功率;
其中,所述可变控制参数包括:储能***正常工作上限荷电状态和储能***正常工作下限荷电状态以及储能***在不同负荷区间和不同荷电状态区间的充电或放电功率因数。
2.如权利要求1所述的方法,其特征在于,所述变参数功率差控制策略包括,包括:
基于储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率,划分负荷区间;
基于储能***正常工作上限荷电状态、储能***正常工作下限荷电状态、储能***荷电状态所允许的最大值和最小值划分SOC工作区间;
基于所述负荷区间和SOC工作区间划分储能***充放电区间并设定充放电策略及充放电功率。
3.如权利要求2所述的方法,其特征在于,所述基于储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率,划分负荷区间,包括:
基于与当前日对应的典型日负荷曲线计算储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率;
基于所述上下限功率将负荷区间划分为多个负荷区,分区方法如下式:
当Pt≤P2时,划分为负荷I区;
当P2<Pt<P1时,划分为负荷II区;
当Pt≥P1时,划分为负荷III区;
其中,Pt为t时刻的负荷功率,P2为储能***参与充电时负荷上限功率,P1为储能***参与放电时负荷的下限功率。
4.如权利要求2所述的方法,其特征在于,基于储能***正常工作上限荷电状态、储能***正常工作下限荷电状态、储能***荷电状态所允许的最大值和最小值划分SOC工作区间,包括:
当SOCmax≤SOC(t)<1时,划分为SOC越上限区;
当SOCup≤SOC(t)<SOCmax时,划分为SOC高限值区;
当SOCdown≤SOC(t)<SOCup时,划分为SOC正常工作区;
当SOCmin≤SOC(t)<SOCdown时,划分为SOC低限值区;
当0<SOC(t)<SOCmin时,划分为SOC越下限区;
其中,SOC(t)为t时刻的SOC值,SOCmax为储能***荷电状态所允许的最大值,SOCmin为储能***荷电状态所允许的最小值,SOCup为储能***正常工作上限荷电状态,SOCdown为储能***正常工作下限荷电状态。
5.如权利要求2-4任一项所述的方法,其特征在于,所述基于所述负荷区间和SOC工作区间划分储能***充放电区间并设定充放电策略及充放电功率,包括:
第一区间,所述第一区间为SOC工作区间为SOC越上限区且负荷区间为负荷I区,所述储能***静置;
第二区间,所述第二区间为SOC工作区间为SOC越上限区且负荷区间为负荷Ⅱ区,所述储能***放电;
第三区间,所述第三区间为SOC工作区间为SOC越上限区且负荷区间为负荷Ⅲ区,所述储能***放电;
所述第二区间和第三区间,储能***的充放电功率计算式如下:
Pd=min(Pe,Pt-P2) (1)
第四区间,所述第四区间为SOC工作区间为SOC高限值区且负荷区间为负荷I区,所述储能***充电,储能***的充放电功率计算式如下:
Pc=k1(P2-Pt) (2)
第五区间,所述第五区间为SOC工作区间为SOC高限值区且负荷区间为负荷Ⅱ区,所述储能***静置,
第六区间,所述第六区间为SOC工作区间为SOC高限值区且负荷区间为负荷Ⅲ区,所述储能***放电,储能***的充放电功率计算式如下:
Pd=k2(Pt-P1)+(1-k2)min(Pe,Pt-P2) (3)
第七区间,所述第七区间为SOC工作区间为SOC正常工作区且负荷区间为负荷I区,所述储能***充电,储能***的充放电功率计算式如下:
Pc=P2-Pt (4)
第八区间,所述第八区间为SOC工作区间为SOC正常工作区且负荷区间为负荷Ⅱ区,所述储能***静置;
第九区间,所述第九区间为SOC工作区间为SOC正常工作区且负荷区间为负荷Ⅲ区,所述储能***放电,储能***的充放电功率计算式如下:
Pd=Pt-P1 (5)
第十区间,所述第十区间为SOC工作区间为SOC低限值区且负荷区间为负荷I区,所述储能***充电,储能***的充放电功率计算式如下:
Pc=k3(P2-Pt)+(1-k3)min(Pe,P1-Pt) (6)
第十一区间,所述第十一区间为SOC工作区间为SOC低限值区且负荷区间为负荷Ⅱ区,所述储能***静置;
第十二区间,所述第十二区间为SOC工作区间为SOC低限值区且负荷区间为负荷Ⅲ区,所述储能***放电,储能***的充放电功率计算式如下:
Pd=k4(Pt-P1) (7)
第十三区间,所述第十三区间为SOC工作区间为SOC越下限区且负荷区间为负荷I区,所述储能***充电;
第十四区间,所述第十四区间为SOC工作区间为SOC越下限区且负荷区间为负荷Ⅱ区,所述储能***充电;
所述第十三区间和第十四区间,储能***的充放电功率计算式如下:
Pc=min(Pe,P1-Pt) (8)
第十五区间,所述第十五区间为SOC工作区间为SOC越下限区且负荷区间为负荷Ⅲ区,所述储能***静置;
其中,Pd为储能***放电功率,Pc为储能***充电功率,Pe为储能***额定功率,k1和k3为设置的充电功率因数,k2和k4为设置的放电功率因数。
6.如权利要求5所述的方法,其特征在于,所述预先建立的削峰填谷模型的目标函数为:
minF=min{λ1F1+λ2F2+λ3F3} (9)
其中F1为负荷侧削峰填谷效果目标函数,λ1为F1的权重:
<mrow>
<mi>F</mi>
<mn>1</mn>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>P</mi>
<mo>_</mo>
<msub>
<mi>nload</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<msqrt>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mi>T</mi>
</mrow>
<mrow>
<mi>T</mi>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>n</mi>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>-</mo>
<mi>P</mi>
<mo>_</mo>
<msub>
<mi>nload</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mfrac>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Pnload(t)表示t时刻的负荷侧功率,为负荷与储能***的总功率;P_nloadavg(T)为[T,T+Δt]时段内负荷侧的平均功率,P_nloadmax(T)为该时段内负荷侧功率最大值,Δt为时段长度;
F2为SOC越限率目标函数,λ2为F2的权重:
<mrow>
<mi>F</mi>
<mn>2</mn>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>t</mi>
<mrow>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>></mo>
<msub>
<mi>SOC</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo><</mo>
<msub>
<mi>SOC</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</msub>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>&times;</mo>
<mn>100</mn>
<mi>%</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
为[T,T+Δt]时段内SOC值进入SOC越上限区时长,为该时段内SOC值进入SOC越下限区时长;
F3为SOC波动评价指标,λ3为F3的权重:
<mrow>
<mi>F</mi>
<mn>3</mn>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mi>SOC</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<msqrt>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mi>T</mi>
</mrow>
<mrow>
<mi>T</mi>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>SOC</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mfrac>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
其中SOCavg(T)为[T,T+Δt]时段内SOC平均值,SOC(t)为该时段内时刻t时的SOC值,SOCmax(T)为该时段内SOC最大值。
7.如权利要求6所述的方法,其特征在于,所述权重系数λ1、λ2和λ3计算方法为:
分别算出F1、F2和F3三个子目标函数的最优解minFi(x),记为xi,i=1,2,3;
对各子目标函数的最优解进行交互迭代,分别计算出对应的子目标函数值Fj(xi),其中Fj(xi)表示将第i个子目标函数最优解代入第j个子目标函数算出的值;
采用下式计算各子目标函数的变差系数li:
<mrow>
<msub>
<mi>l</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mi>F</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<msqrt>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mn>3</mn>
<mo>,</mo>
<mi>j</mi>
<mo>&NotEqual;</mo>
<mi>i</mi>
</mrow>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>F</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>F</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mn>3</mn>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
采用下式计算权系数b(λi):
<mrow>
<mi>b</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<msub>
<mi>l</mi>
<mi>i</mi>
</msub>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>3</mn>
</msubsup>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
</mrow>
对权系数和变差系数进行大小排序,变差系数最大的子目标函数以最小的权系数为权重,变差系数最小的子目标函数以最大的权系数为权重,变差系数中间的子目标函数以中间的权系数为权重。
8.如权利要求6所述的方法,其特征在于,所述预先建立的削峰填谷模型的约束条件包括:
电网功率平衡约束
Pgrid+Ppv=Pload-Pess (15)
其中,Pgrid为城市电网对园区的输出功率,Ppv为园区分布式光伏阵列输出功率,Pload为园区负荷功率,Pess为储能***出力;
储能***自身约束
SOCmin≤SOC(t)≤SOCmax (16)
0≤Pc≤Pe (17)
0≤Pd≤Pe (18)
<mrow>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
<mo>)</mo>
</mrow>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>P</mi>
<mi>d</mi>
</msub>
<msub>
<mi>&Delta;tk</mi>
<mi>c</mi>
</msub>
</mrow>
<mi>E</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>19</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
<mo>)</mo>
</mrow>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>P</mi>
<mi>c</mi>
</msub>
<msub>
<mi>&Delta;tk</mi>
<mi>d</mi>
</msub>
</mrow>
<mi>E</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>20</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,α为储能***的自放电率,E为储能***容量,kd为储能***的放电效率,kc为储能***的充电效率,SOC(t-1)为t-1时刻的SOC值,t时刻和t-1时刻间的时间间隔为Δt;
控制参数约束
0<{k1,k2,k3,k4}<1 (21)
0<SOCmin<SOCdown<SOCup<SOCmax<1 (22)。
9.一种削峰填谷控制***,其特征在于,包括参数求解模块和功率控制执行模块;
所述参数求解模块用于基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解;
所述功率控制执行模块用于将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能***充放电功率;
其中,所述可变控制参数包括:储能***正常工作上限荷电状态和储能***正常工作下限荷电状态以及储能***在不同负荷区间和不同荷电状态区间的充电或放电功率因数。
10.如权利要求9所述的***,其特征在于,还包括变参数功率差控制策略模块;
所述变参数功率差控制策略模块包括负荷区间划分子单元、SOC工作区间划分子单元和策略设定子单元;
所述负荷区间划分子单元用于基于储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率,划分负荷区间;
所述SOC工作区间划分子单元用于基于储能***正常工作上限荷电状态、储能***正常工作下限荷电状态、储能***荷电状态所允许的最大值和最小值划分SOC工作区间;
所述策略设定子单元用于基于所述负荷区间和SOC工作区间划分储能***充放电区间并设定充放电策略及充放电功率。
11.一种应用削峰填谷控制方法的***,其特征在于,包括通信模块、***决策计算模块、数据存储模块、动态自适应粒子群计算模块和功率控制执行模块;
所述通信模块用于实时接收外部信息,并将所述外部信息反馈给所述***决策计算模块,所述外部信息包括调度信息、新能源功率信息、负荷信息以及储能***SOC状态信息;
所述***决策计算模块根据所述外部信息,按照预设的参数筛选策略实时计算出储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率并发送至所述动态自适应粒子群计算模块;
所述动态自适应粒子群计算模块根据所述***决策计算模块的计算结果,以负荷侧削峰填谷效果、SOC越限率和SOC波动评价指标为目标函数,以电网功率平衡约束、储能***自身约束和控制参数约束为约束条件,采用动态自适应粒子群算法对所述储能***的控制参数进行滚动寻优,并将所述控制参数发送给所述功率控制执行模块;其中,所述控制参数包括储能***正常工作上限荷电状态和储能***正常工作下限荷电状态,及储能***在不同负荷区间和不同SOC区间的充电或放电功率因数;
所述功率控制执行模块根据所述控制参数,控制储能***的充放电功率;
所述数据储存模块用于实时存所述外部信息、所述储能***参与充电时负荷上限功率和储能***参与放电时负荷的下限功率和所述控制参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711127123.1A CN107994595B (zh) | 2017-11-15 | 2017-11-15 | 一种削峰填谷控制方法和***以及应用该控制方法的*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711127123.1A CN107994595B (zh) | 2017-11-15 | 2017-11-15 | 一种削峰填谷控制方法和***以及应用该控制方法的*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107994595A true CN107994595A (zh) | 2018-05-04 |
CN107994595B CN107994595B (zh) | 2023-09-22 |
Family
ID=62030987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711127123.1A Active CN107994595B (zh) | 2017-11-15 | 2017-11-15 | 一种削峰填谷控制方法和***以及应用该控制方法的*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107994595B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109245135A (zh) * | 2018-08-15 | 2019-01-18 | 国网河南节能服务有限公司 | 电池储能参与电网削峰填谷调度的方法及装置 |
CN109378843A (zh) * | 2018-11-01 | 2019-02-22 | 国网辽宁省电力有限公司电力科学研究院 | 基于电池储能的削峰填谷杠杆控制方法 |
CN110086187A (zh) * | 2019-05-30 | 2019-08-02 | 东北电力大学 | 计及负荷特性的储能调峰日前优化调度方法 |
CN110429627A (zh) * | 2019-08-08 | 2019-11-08 | 南方电网科学研究院有限责任公司 | 一种基于负荷自适应的储能晚高峰负荷削减方法 |
CN110571838A (zh) * | 2019-09-05 | 2019-12-13 | 南方电网科学研究院有限责任公司 | 一种储能电池早高峰负荷削减控制方法和装置 |
CN110601232A (zh) * | 2019-09-27 | 2019-12-20 | 北京鑫泰能源股份有限公司 | 一种储能设备及其调度方法 |
CN110745030A (zh) * | 2018-07-20 | 2020-02-04 | 国网电动汽车服务有限公司 | 一种广域分布的电动汽车充电方法及*** |
CN110969294A (zh) * | 2019-11-25 | 2020-04-07 | 合肥阳光新能源科技有限公司 | 虚拟电厂分段出力计划确定和储能***配置方法及装置 |
CN112002121A (zh) * | 2020-08-24 | 2020-11-27 | 上海能辉科技股份有限公司 | 储能微电网dlt-645非接触式智能抄表*** |
CN112224082A (zh) * | 2020-09-30 | 2021-01-15 | 合肥阳光新能源科技有限公司 | 一种充电控制方法及储能充电站 |
CN113131574A (zh) * | 2021-04-16 | 2021-07-16 | 阳光新能源开发有限公司 | 一种储能***的充电控制方法及装置 |
CN113285463A (zh) * | 2021-04-25 | 2021-08-20 | 国网江苏省电力有限公司常州供电分公司 | 一种基于排序的可控负荷多目标控制方法 |
CN113872180A (zh) * | 2020-06-30 | 2021-12-31 | 华为技术有限公司 | 设备供电的方法、***及相关设备 |
CN114243857A (zh) * | 2021-12-28 | 2022-03-25 | 长兴太湖能谷科技有限公司 | 一种基站储能***模糊pid充放电方法 |
CN114566988A (zh) * | 2022-01-07 | 2022-05-31 | 湘潭大学 | 一种储能接入牵引供电***双重应用能量控制策略 |
CN115062878A (zh) * | 2022-08-19 | 2022-09-16 | 东方电子股份有限公司 | 一种用于综合能源***的优化调度*** |
CN118054424A (zh) * | 2024-04-15 | 2024-05-17 | 国网浙江省电力有限公司金华供电公司 | 基于用户端协同的台区一体化管理方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102624017A (zh) * | 2012-03-22 | 2012-08-01 | 清华大学 | 一种基于负荷预测的电池储能***削峰填谷实时控制方法 |
CN104167750A (zh) * | 2014-08-18 | 2014-11-26 | 国家电网公司 | 一种配网削峰填谷的分布式储能功率分配及协调控制方法 |
CN104795829A (zh) * | 2015-04-29 | 2015-07-22 | 中国电力科学研究院 | 一种基于削峰填谷的储能***调度方法 |
CN105680478A (zh) * | 2016-03-14 | 2016-06-15 | 中国电力科学研究院 | 基于超短期预测的储能***平滑新能源发电控制方法 |
CN106329568A (zh) * | 2016-08-31 | 2017-01-11 | 湖北大学 | 户商型光伏发电经济调度控制*** |
CN106845838A (zh) * | 2017-01-23 | 2017-06-13 | 沈阳工业大学 | 考虑全寿命周期成本的风电场储能***经济效益评估方法 |
WO2017161785A1 (zh) * | 2016-03-23 | 2017-09-28 | 严利容 | 基于储能运行状态的光伏功率稳定输出控制方法 |
-
2017
- 2017-11-15 CN CN201711127123.1A patent/CN107994595B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102624017A (zh) * | 2012-03-22 | 2012-08-01 | 清华大学 | 一种基于负荷预测的电池储能***削峰填谷实时控制方法 |
CN104167750A (zh) * | 2014-08-18 | 2014-11-26 | 国家电网公司 | 一种配网削峰填谷的分布式储能功率分配及协调控制方法 |
CN104795829A (zh) * | 2015-04-29 | 2015-07-22 | 中国电力科学研究院 | 一种基于削峰填谷的储能***调度方法 |
CN105680478A (zh) * | 2016-03-14 | 2016-06-15 | 中国电力科学研究院 | 基于超短期预测的储能***平滑新能源发电控制方法 |
WO2017161785A1 (zh) * | 2016-03-23 | 2017-09-28 | 严利容 | 基于储能运行状态的光伏功率稳定输出控制方法 |
CN106329568A (zh) * | 2016-08-31 | 2017-01-11 | 湖北大学 | 户商型光伏发电经济调度控制*** |
CN106845838A (zh) * | 2017-01-23 | 2017-06-13 | 沈阳工业大学 | 考虑全寿命周期成本的风电场储能***经济效益评估方法 |
Non-Patent Citations (1)
Title |
---|
杨锡运;任杰;李相俊;肖运启;: "储能***平滑光伏电站功率波动的变参数斜率控制方法" * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110745030A (zh) * | 2018-07-20 | 2020-02-04 | 国网电动汽车服务有限公司 | 一种广域分布的电动汽车充电方法及*** |
CN110745030B (zh) * | 2018-07-20 | 2021-09-21 | 国网电动汽车服务有限公司 | 一种广域分布的电动汽车充电方法及*** |
CN109245135B (zh) * | 2018-08-15 | 2022-01-28 | 国网河南综合能源服务有限公司 | 电池储能参与电网削峰填谷调度的方法及装置 |
CN109245135A (zh) * | 2018-08-15 | 2019-01-18 | 国网河南节能服务有限公司 | 电池储能参与电网削峰填谷调度的方法及装置 |
CN109378843A (zh) * | 2018-11-01 | 2019-02-22 | 国网辽宁省电力有限公司电力科学研究院 | 基于电池储能的削峰填谷杠杆控制方法 |
CN110086187A (zh) * | 2019-05-30 | 2019-08-02 | 东北电力大学 | 计及负荷特性的储能调峰日前优化调度方法 |
CN110086187B (zh) * | 2019-05-30 | 2022-03-18 | 东北电力大学 | 计及负荷特性的储能调峰日前优化调度方法 |
CN110429627B (zh) * | 2019-08-08 | 2021-03-23 | 南方电网科学研究院有限责任公司 | 一种基于负荷自适应的储能晚高峰负荷削减方法 |
CN110429627A (zh) * | 2019-08-08 | 2019-11-08 | 南方电网科学研究院有限责任公司 | 一种基于负荷自适应的储能晚高峰负荷削减方法 |
CN110571838B (zh) * | 2019-09-05 | 2021-07-30 | 南方电网科学研究院有限责任公司 | 一种储能电池早高峰负荷削减控制方法和装置 |
CN110571838A (zh) * | 2019-09-05 | 2019-12-13 | 南方电网科学研究院有限责任公司 | 一种储能电池早高峰负荷削减控制方法和装置 |
CN110601232B (zh) * | 2019-09-27 | 2021-06-01 | 北京鑫泰能源股份有限公司 | 一种储能设备及其调度方法 |
CN110601232A (zh) * | 2019-09-27 | 2019-12-20 | 北京鑫泰能源股份有限公司 | 一种储能设备及其调度方法 |
CN110969294B (zh) * | 2019-11-25 | 2023-09-19 | 阳光新能源开发股份有限公司 | 虚拟电厂分段出力计划确定和储能***配置方法及装置 |
CN110969294A (zh) * | 2019-11-25 | 2020-04-07 | 合肥阳光新能源科技有限公司 | 虚拟电厂分段出力计划确定和储能***配置方法及装置 |
WO2022001304A1 (zh) * | 2020-06-30 | 2022-01-06 | 华为技术有限公司 | 设备供电的方法、***及相关设备 |
CN113872180A (zh) * | 2020-06-30 | 2021-12-31 | 华为技术有限公司 | 设备供电的方法、***及相关设备 |
CN112002121A (zh) * | 2020-08-24 | 2020-11-27 | 上海能辉科技股份有限公司 | 储能微电网dlt-645非接触式智能抄表*** |
CN112224082A (zh) * | 2020-09-30 | 2021-01-15 | 合肥阳光新能源科技有限公司 | 一种充电控制方法及储能充电站 |
CN113131574A (zh) * | 2021-04-16 | 2021-07-16 | 阳光新能源开发有限公司 | 一种储能***的充电控制方法及装置 |
CN113285463A (zh) * | 2021-04-25 | 2021-08-20 | 国网江苏省电力有限公司常州供电分公司 | 一种基于排序的可控负荷多目标控制方法 |
CN114243857A (zh) * | 2021-12-28 | 2022-03-25 | 长兴太湖能谷科技有限公司 | 一种基站储能***模糊pid充放电方法 |
CN114566988A (zh) * | 2022-01-07 | 2022-05-31 | 湘潭大学 | 一种储能接入牵引供电***双重应用能量控制策略 |
CN115062878B (zh) * | 2022-08-19 | 2022-12-06 | 东方电子股份有限公司 | 一种用于综合能源***的优化调度*** |
CN115062878A (zh) * | 2022-08-19 | 2022-09-16 | 东方电子股份有限公司 | 一种用于综合能源***的优化调度*** |
CN118054424A (zh) * | 2024-04-15 | 2024-05-17 | 国网浙江省电力有限公司金华供电公司 | 基于用户端协同的台区一体化管理方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN107994595B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107994595A (zh) | 一种削峰填谷控制方法和***以及应用该控制方法的*** | |
CN108470239B (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
CN105846461B (zh) | 一种大规模储能电站自适应动态规划的控制方法和*** | |
CN110502814B (zh) | 考虑储能和负荷管理技术的主动配电网多目标规划方法 | |
CN109325608B (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
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*** | |
CN107301472B (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
CN110247438B (zh) | 基于天牛须算法的主动配电网资源优化配置 | |
CN110826880B (zh) | 一种大规模电动汽车接入的主动配电网优化调度方法 | |
CN106099965B (zh) | 交流微电网并网状态下复杂混合储能***的协调控制方法 | |
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 | |
CN111244985B (zh) | 基于节点综合灵敏度系数的分布式储能序次优化配置方法 | |
CN111244988B (zh) | 考虑分布式电源的电动汽车和储能优化调度方法 | |
CN108551176B (zh) | 一种结合储能均衡技术的储能电池***容量配置方法 | |
CN113378100B (zh) | 考虑碳排放的配电网源网荷储协同优化调度模型和方法 | |
CN109167347A (zh) | 基于云自适应粒子群多目标电动汽车充放电优化调度方法 | |
CN111614110B (zh) | 一种基于改进多目标粒子群算法的受端电网储能优化配置方法 | |
CN106961125B (zh) | 风水火电力***动态经济调度的等式约束处理方法 | |
CN116090739A (zh) | 一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法 | |
CN110098623B (zh) | 一种基于智能负载的Prosumer单元控制方法 | |
CN103580051B (zh) | 考虑负荷特性的风储***电池荷电状态优化控制*** | |
CN111160618A (zh) | 一种结合电动汽车充电场站的建筑能量优化调度方法 | |
CN113054671A (zh) | 一种基于计及储能无功调节模型的配电网日前-实时优化控制方法 | |
CN105470947A (zh) | 一种基于量子行为粒子群算法的微电网调度方法 | |
CN108022055A (zh) | 一种基于粒子群模型的微电网经济调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |