发明内容
为了解决上述问题存在的不足问题,本发明的提出了一种基于多智能体粒子群的储能电站控制方法及***,
本发明的技术方案是:一种基于多智能体粒子群的储能电站控制方法,包括:
储能电站主智能体接收储能电站总功率需求,确定各储能单元区智能体的充放电功率参考值;并
将所述充放电功率参考值下发至各储能单元区智能体;
储能电站主智能体根据储能单元区智能体上传的充放电功率目标值和所述充放电功率参考值计算额外充放电功率;并
将所述额外充放电功率下发至相应的储能单元区智能体。
优选地,所述储能电站主智能体接收储能电站总功率需求,确定各储能单元区智能体的充放电功率参考值,包括:
储能电站主智能体根据新能源功率信息和调度需求的功率信息计算储能电站总功率需求;并
根据储能电站总功率需求和储能单元状态信息计算各储能单元区智能体的充放电功率参考值。优选地,所述储能电站主智能体根据储能单元区智能体上传的充放电功率目标值和所述充放电功率参考值计算额外充放电功率,,包括:
所述储能电站主智能体根据所述储能充放电功率参考值功率参考值和储能单元区智能体上传的充放电功率目标值,统计所有储能单元区智能体的充放电功率偏差和可充放电功率余量,并计算储能电站总功率偏差;
所述储能电站主智能体根据所述储能电站总功率偏差,下发至有能力额外的充放电功率的储能单元区智能体。
优选地,所述储能电站总功率偏差按下式计算:
式中,表示储能单元区智能体的充放电功率偏差,n表示储能能单元区智能体数目。
本发明还提出一种基于多智能体粒子群的储能电站控制方法,包括:
储能单元区智能体根据储能电站主智能体下发的充放电功率参考值和储能单元状态信息计算充放电功率目标值并上传至储能电站主智能体;
接收储能单元区智能体在所述储能功率参考值的基础上,增加再次分配的额外充放电功率;
储能单元区智能体根据储能单元状态信息,计算多智能体粒子群算法微调区间,通过寻优计算将充放电功率值下发至储能单元,控制所述储能单元进行充放电。
优选地,还包括:
储能单元区智能体根据所述充放电功率目标值和所述储能电站主智能体下发的充放电功率参考值计算充放电功率余量,并上传至所述储能电站主智能体。
优选地,储能单元区智能体根据储能电站主智能体下发的充放电功率参考值和储能单元状态信息计算充放电功率目标值,包括:
储能单元区智能体根据所管辖的各储能变流器单元的电池SOC状态信息确定充放电功率需求参考值;
所述储能单元区智能体根据充放电功率参考值以及充放电功率需求参考值计算功率偏差值;
所述储能单元区智能体根据所述功率偏差值与预设偏差值确定上传至储能电站主智能体的充放电功率目标值。
优选地,所述功率偏差值按下式计算:
式中,表示:充放电功率参考值;表示:充放电功率需求参考值;表示:功率偏差值。
优选地,储能单元区智能体根据储能单元状态信息,计算多智能体粒子群算法微调区间,通过寻优计算将充放电功率值下发至储能单元,控制所述储能单元进行充放电,包括:
各储能单元区智能体根据管辖的各个PCS的最大充放电功率、容量及电池组SOC计算多智能体粒子群算法微调区间,并采用多智能体粒子群算法寻优计算各储能单元的充放电功率,确定下发给储能单元的控制指令。
本发明还提出一种基于多智能体粒子群的储能电站控制***,包括:储能电站主智能体、储能单元区智能体和储能单元;
所述储能电站主智能体,用于根据调度总需求计算并下发储能单元区智能体的充放电功率参考值;根据所述储能单元区智能体上传的充放电功率信息将功率差额值分配至相应的储能单元区智能体;
所述储能单元区智能体,用于根据所述充放电功率参考值计算充放电功率需求参考值;并通过预设功率偏差参考值比较出应下发至储能单元的充放电功率目标值,并将充放电功率信息上传至储能电站主智能体;并根据所述功率差额值和所述储充放电功率目标值下发控制指令至所述储能单元;
所述储能单元,用于根据接收到的所述控制指令进行充放电。
优选地,所述储能电站主智能体,包括:电站主决策模块、第一通信模块、计算模块和第一数据存储模块;
所述电站主决策模块,用于接收总调度需求和储能单元区储能信息确定计算方法;
所述计算模块,用于根据所述计算方法确定储能单元区充放电功率参考值以及根据储能单元区智能体上传的充放电功率信息计算储能单元区智能体功率差额值;
所述第一通信模块,用于储能电站主智能体与各储能单元区智能体进行通信;接收储能单元区智能体上传的充放电功率信息以及将功率差额值分配至相应的储能单元区智能体。
优选地,所述储能单元区智能体,包括:第二通信模块、单元区子决策模块、多智能体粒子群计算模块和PCS控制模块;
所述第二通信模块,用于储能单元区智能体上传充放电功率信息以及接收储能电站主智能体分配单元区充放电功率参考值和相应的储能单元区的功率差额值;
所述单元区子决策模块,用于与所述电站主决策模块确定相关储能信息;
所述多智能体粒子群计算模块,用于根据功率差额值、充放电功率目标值以及充放电单元的状态信息寻优计算下发给充放电单元控制指令;
所述PCS控制模块,用于根据所述控制指令控制PCS进行充放电。
与最接近的现有技术相比,本发明提供的技术方案具有以下有益效果:
本发明提供的技术方案通过储能电站主智能体和储能单元区智能体对多个储能区域实现对储能***的协调控制,能够对网络结构复杂的储能区域实现智能控制,实现了集中式优化控制和各分区独立自治的问题,同时,本发明提出的控制方法具有可扩充性强,控制精度高等特点,且充分降低了新能源与调度指令之间的误差,提高了包含储能***的新能源发电的跟踪发电计划能力。
本发明提供的技术方案结合多智能体技术,以变压器为储能单元建立多个储能单元智能体,将发电或储能工作通过多智能体粒子群算法,利用各个代理之间竞争及自学习等原则分配给各个储能单元区智能体以完成任务。
本发明提供的技术方案在各个储能单元SOC可以在满足发电计划的前提下,逐渐向预设的SOC接近,并同时完成对储能电站的控制。
具体实施方式
为了更好地理解本发明,下面结合说明书附图和实例对本发明的内容做进一步的说明。
在大规模电池储能***中,储能单元间结构复杂,电池组及PCS数量多,影响控制方法的变量多,针对储能电站这一特点,采用如下方案:
基于多智能体粒子群技术的大规模储能电站控制***,以变压器为单位设置储能单元区智能体,各变压器低压侧相连的每一台PCS和电池组作为储能单元中的一个粒子,多个PCS形成一个粒子群。由于有多个储能单元区智能体,所以整个储能***总体上可以形成多个代理的粒子群,即多智能体粒子群。***中各代理之间协调合作,共同完成发电和储能任务。所述储能单元区智能体输入为功率调度指令信息、储能***提供的储能参数。所述储能参数包括:储能***充放电限制功率、储能***SOC、储能***限制SOC、储能***输出功率。所述储能单元区智能体输出为功率控制信号,包含各变压器下PCS的功率控制信号,以及电池组SOC等。所述储能单元区智能体的功率控制信号,均作用于电站发电控制器件,且都为一个独立的智能体,且可以通过储能单元区智能体间的配合独立完成发电***发电任务。
从图3可以看出,一种基于多智能体粒子群的储能电站控制方法,包括:
步骤S11、储能电站主智能体接收储能电站总功率需求,确定各储能单元区智能体的充放电功率参考值;
步骤S12、并将所述充放电功率参考值下发至各储能单元区智能体;
具体的,储能电站主智能体根据新能源功率信息和调度需求的功率信息计算储能电站总功率需求;并
根据储能电站总功率需求和储能单元状态信息计算各储能单元区智能体的充放电功率参考值。
步骤S13、储能电站主智能体根据储能单元区智能体上传的充放电功率目标值和所述充放电功率参考值计算额外充放电功率;
步骤S14、并将所述额外充放电功率下发至相应的储能单元区智能体;
具体的,所述储能电站主智能体根据所述储能充放电功率参考值功率参考值和储能单元区智能体上传的充放电功率目标值,统计所有储能单元区智能体的充放电功率偏差和可充放电功率余量,并计算储能电站总功率偏差;
所述储能电站主智能体根据所述储能电站总功率偏差,下发至有能力额外的充放电功率的储能单元区智能体。
所述储能电站总功率偏差按下式计算:
式中,表示储能单元区智能体的充放电功率偏差,n表示储能能单元区智能体数目。
从图4可以看出,一种基于多智能体粒子群的储能电站控制方法,包括:
步骤S21、储能单元区智能体根据储能电站主智能体下发的充放电功率参考值和储能单元状态信息计算充放电功率目标值并上传至储能电站主智能体;
具体的,储能单元区智能体根据所管辖的各储能变流器单元的电池SOC状态信息确定充放电功率需求参考值;
所述储能单元区智能体根据充放电功率参考值以及充放电功率需求参考值计算功率偏差值;
所述储能单元区智能体根据所述功率偏差值与预设偏差值确定上传至储能电站主智能体的充放电功率目标值;
所述功率偏差值按下式计算:
式中,表示:充放电功率参考值;表示:充放电功率需求参考值;表示:功率偏差值。
步骤S22、接收储能单元区智能体在所述储能功率参考值的基础上,增加再次分配的额外充放电功率。
步骤S23、储能单元区智能体根据储能单元状态信息,计算多智能体粒子群算法微调区间,通过寻优计算将充放电功率值下发至储能单元,控制所述储能单元进行充放电;
具体的,各储能单元区智能体根据管辖的各个PCS的最大充放电功率、容量及电池组SOC计算多智能体粒子群算法微调区间,并采用多智能体粒子群算法寻优计算各储能单元的充放电功率,确定下发给储能单元的控制指令。
进一步,还包括:
储能单元区智能体根据所述充放电功率目标值和所述储能电站主智能体下发的充放电功率参考值计算充放电功率余量,并上传至所述储能电站主智能体。
从图5可以看出,一种基于多智能体粒子群的储能电站控制方法流程图,包括:
步骤S31、储能电站主智能体根据调度总需求计算储能单元区智能体的充放电功率参考值,并下发至所有的储能单元区智能体;
步骤S32、所述储能单元区智能体根据所述充放电功率参考值计算充放电功率需求参考值;
步骤S33、储能单元区智能体通过预设功率偏差参考值比较出应下发至储能单元的充放电功率目标值,并将充放电功率信息上传至储能电站主智能体;
步骤S34、储能电站主智能体根据所述充放电功率信息将功率差额值分配至相应的储能单元区智能体;
步骤S35、相应的储能单元区智能体根据所述功率差额值和所述充放电功率目标值通过下发控制指令至储能单元,控制所述储能单元进行充放电。
具体的,基于多智能体粒子群算法,提出大规模储能电站控制方法流程如下:
(1)大规模电池储能电站主智能体从上级调度接收储能电站总功率需求。储能电站充放电功率按照以下方法确定为:
其中,P0为新能源实时充放电功率(光伏、风电),Pplan为调度总需求,PAgent-bess为需要储能电站输出的功率。
根据各储能单元区智能体上一时刻(t-1)的各储能单元区PCS最大允许充放电功率及容量、电池组SOC的实时情况,计算各储能单元区智能体的储能功率需求参考值并发送给各储能单元区智能体。
当储能电站总功率需求为正(将处于放电状态)时,各储能单元区智能体计算其充放电功率参考值的方法如下式:
其中,i为储能单元区个数i=1,2,3…n,SOCAgent_i(t-1)为第i个储能单元区智能体的(t-1)时刻储能变流器SOC的平均值,μAgent_i为第i个储能单元区的运行工况参数。
当储能电站总功率需求为负(将处于充电状态)时,各储能单元区智能体计算各其充放电功率参考值的方法如下式:
(2)储能单元区智能体结合其所管辖的各储能变流器单元的电池SOC等状态信息,自主计算当前时刻的充放电功率参考值计算公式如下式:
其中,为第i个储能单元区智能体中第j个PCS内储能电池组上一时刻SOC平均值,为第i个储能单元智能体中第j个PCS最大允许充放电功率,为第i个储能单元区智能体的充放电功率命令值。
当储能单元区处于放电状态时,计算方法如下式:
上述充放电功率参考值计算公式中,α、β为储能单元区智能体的功率调整系数,用于判断储能单元区智能体充放电功率参考值的计算方式。α、β的确定方式为:
当储能单元区智能体将处于放电状态时,储能单元区智能体根据下式对其控制范围内的各PCS进行功率分配:
其中,为各PCS的运行工况参数。此时,储能单元智能体将计算得到的各PCS充放电功率参考值与最大允许放电功率做对比,当则令α=1、β=0,否则α=0、β=1
当第i个储能单元区智能体将处于充电状态时,第i个储能单元区智能体根据储能电站主代理计算得到的单元功率参考值,按下式对其控制范围内的各PCS进行功率分配:
此时与上述放电状态类似,储能单元智能体将计算得到的各PCS充放电功率参考值与最大允许充电功率做对比,当时,则令α=1、β=0,否则α=0、β=1。
(3)储能单元区智能体计算充放电功率参考值的差具体如下式:
将计算得到的功率参考值差值与预先设定的功率偏差参考值对比,若则若则
同时,子代理将功率值上传给储能电站主代理。主代理接收到各子代理发送的后,统计各子代理充放电功率偏差和可充放电功率余量计算储能电站总功率偏差计算方法如下所示:
其中,当储能单元区处于充电状态时处于放电状态时
储能电站主智能体将功率差额分配给仍有能力额外的充放电功率的储能单元区智能体,接受额外发电任务的子代理在原本确定的充放电功率参考值的基础上,增加再次分配的额外充放电功率,并按式上述步骤更新充放电功率参考值
(4)各储能单元区,根据所管辖的各PCS的最大允许充放电功率及容量、电池组SOC的实时情况,计算多智能体粒子群算法微调区间。在计算微调区间时,首先预设一个SOC参考值SOCref,用以调整各储能单元的电池组等效SOC,使经过一定时间运行后,在各储能单元区智能体的控制范围内,各PCS的SOC平均值SOCAgent_i(t-1)能够逐渐接近并基本保持一致。功率微调区间将按照下式计算:
其中,KAgnet_i为根据SOCAgent_i(t-1)而确定的系数,当SOCAgent_i(t-1)>SOCref时KAgnet_i=1,否则KAgnet_i=-1;为预设的储能单元调整功率。当系数KAgnet_i全为正或负时,微调区间按照下式确定为:
其中,根据第i个储能单元区智能体的SOCAgent_i(t-1)按大小排序后,通过取中间值得出的新的SOC参考值确定。
最终,多智能体粒子群算法功率微调区间的上下限按照以下方法确定:
(5)各储能单元区智能体在多智能体粒子群算法微调区间内,采用多智能体粒子群算法寻优计算各储能单元区对应的储能子***的充放电功率。在多智能体粒子群算法中,将第i个储能单元区的充放电功率参考值储能电池组容量CAgent_i、储能电池组SOCAgent_i、微调区间上下限以及第i个储能单元区控制范围内各PCS的SOC和最大允许充放电的功率限制代入多智能体粒子群算法中,即可得到第i个储能单元智能体控制范围内各PCS在当前时刻需要充放电功率。同时储能单元区智能体生成各PCS的控制指令,并下发到该代理下的每个PCS的控制模块中,控制PCS完成发电或储能任务。采用多智能体粒子群算法的目标函数及约束条件如下:
GAgent_bess=min(ω1FAgent1+ω2FAgent2) (14)
其中:i为储能单元区的智能体个数,且i=1,2,3…n,j为各储能单元智能体控制范围内PCS数量j=1,2,3…m。m表示PCS数量。PAgent_i(t-1)为第i个储能单元智能体上一t时刻的功率需求值;为第i个储能单元智能体中第j个PCS上一时刻功率命令值;SOCAgent_i(t-1)为第i个储能单元智能体上一时刻总体SOC的平均值;为第i个储能单元智能体中第j个PCS上一时刻SOC平均值;CAgent_i为第i个储能单元智能体中储能容量总和;为第i个储能单元智能体中第j个PCS的储能容量总和;为第i个储能单元智能体中第j个PCS的运行工况参数。
上述公式中,Gbess为多智能体粒子群算法目标函数,F智能体1为储能电站上一时刻充放电功率与主代理计算得到的当前时刻储能电站应发功率的差,F智能体2为储能电站整体SOC平均值与预设SOC参考值(例如SOCref=0.5)的差,ω为权重系数,用于衡量储能电站偏向于对SOC进行调整或者偏向于跟踪调度。这样经过粒子群算法迭代后随着仿真的运行可得到各个储能单元SOC接近为同一值,而且同时尽量与参考值靠近。与此同时,各个储能单元出力与光伏出力总和在允许的范围内靠近上级储能主智能体发出的调度指令值。
本发明的另一目的在于提出一种基于多智能体粒子群的储能电站控制***,如图7所述的***结构组成示意图,包括:储能电站主智能体、储能区单元区智能体和储能单元;
储能电站主智能体,用于根据调度总需求计算并下发储能单元区智能体的充放电功率参考值;根据所述储能单元区智能体上传的充放电功率信息将功率差额值分配至相应的储能单元区智能体;
储能单元区智能体,用于根据所述充放电功率参考值计算充放电功率需求参考值;并通过预设功率偏差参考值比较出应下发至储能单元的充放电功率目标值,并将充放电功率信息上传至储能电站主智能体;并根据所述功率差额值和所述储充放电功率目标值下发控制指令至所述储能单元;
储能单元,用于根据接收到的所述控制指令进行充放电。
储能电站主智能体,包括:电站主决策模块、第一通信模块、计算模块和第一数据存储模块;
电站主决策模块,用于接收总调度需求和储能单元区储能信息确定计算方法;
计算模块,用于根据所述计算方法确定储能单元区充放电功率参考值以及根据储能单元区智能体上传的充放电功率信息计算储能单元区智能体功率差额值;
第一通信模块,用于储能电站主智能体与各储能单元区智能体进行通信;接收储能单元区智能体上传的充放电功率信息以及将功率差额值分配至相应的储能单元区智能体。
储能电站主智能体,还包括:第一数据存储模块;
第一数据存储模块;用于储存各储能单元区储能信息。
储能单元区智能体,包括:第二通信模块、单元区子决策模块、多智能体粒子群计算模块和PCS控制模块;
第二通信模块,用于储能单元区智能体上传充放电功率信息以及接收储能电站主智能体分配单元区充放电功率参考值和相应的储能单元区的功率差额值;
单元区子决策模块,用于与所述电站主决策模块确定相关储能信息;
多智能体粒子群计算模块,用于根据功率差额值、充放电功率目标值以及充放电单元的状态信息寻优计算下发给充放电单元控制指令;
PCS控制模块,用于根据所述控制指令控制PCS进行充放电。
储能单元区智能体,还包括:第二数据存储模块;
第二数据存储模块,用于储存储能单元区储能信息;
储能单元,包括:PCS和电池组。
具体的,从图1、图2分别为一种基于多智能体粒子群的大规模电池储能电站控制结构图及控制***关系图。储能电站首先设置一个储能电站主智能体,再以变压器为单位将储能***划分为N个储能单元区智能体,各储能单元区分别包含数量不等的PCS及电池组,由图所示可以看出各储能单元区智能体属于并列结构,整个***包含:储能电站主智能体,储能单元区智能体及智能体内部的各类型模块,数个PCS及电池组,
(1)储能电站主智能体通信模块负责接收各储能单元区智能体的通信模块的储能信息;新能源(光伏/风电)与调度需求的功率信息;将信息发送至电站主决策模块并通过计算模块计算个单元功率分配结果。并将结果发送至各个储能单元区智能体。数据储存模块负责将这些信息按一定的时间精度进行储存管理,以备计算时及未来检测或其他情况时调用。
(2)储能单元区智能体内通讯模块负责接收主智能体分配的功率信息,发送至单元区子决策模块,单元区子决策模块与电站主决策模块通过通讯模块确定多代理粒子群算法相关参数,将参数发送至各单元多智能体计算模块。多智能体计算模块负责计算单元区内PCS当前时刻充放电功率并发送至控制模块。储能数据储存模块负责实时储存储能单元内PCS的功率、电池组SOC等信息,同时还为多智能体粒子群计算模块提供历史数据信息。控制模块负责根据多智能体粒子群计算模块计算的功率目标值下达的控制指令,控制各PCS的充放电功率以完成发电计划。
(3)储能电站主智能体负责接收新能源(光伏/风电)与调度需求的功率信息,计算储能***应该发出的总功率,通过通讯模块接收各储能单元区提供的储能***状态信息,计算并分配各储能单元区智能体的发电任务。储能单元区智能体负责接受储能电站主智能体的功率控制指令,结合储能单元区内各储能原件实际工作状态参数,自主计算储能单元区充放电功率参考值及充放电功率余量,将可充放电余量发送给储能电站主智能体以进行二次分配,最终确定储能单元区充放电功率目标值。通过多智能体粒子群计算模块计算储能单元区控制范围内PCS的充放电功率并生成控制指令。同时将计算所得的功率信息发送给储能数据储存模块以进行保存。
(4)多智能体粒子群的大规模电池储能电站控制***中各储能单元区智能体内的PCS数量可以不同,每个PCS间的电池组当前SOC值可以不同。各PCS及电池组均由储能监控单元进行实时监测及控制。在本算法中可以根据储能电站内储能元件之间的差异进行区别对待,单独控制,随着控制效果的进行使各储能元件之间差距减小。
图6示出一种基于多智能体粒子群的大规模电池储能电站控制流程图,控制具体步骤如下所示:
步骤S41、储能电站主智能体读取调度需求与光伏数据,历史信息计算储能电站总功率;
进一步的,根据调度需求及光伏/风电实时数据,计算储能电站当前时刻应该发出的总功率。并初步分配储能单元区智能体的充放电功率。
步骤S4201~步骤S4203、各储能单元智能体根据各区智能体根据各区域SOC等储能单元输出功率参考值初步分配;各储能单元区智能体根据其控制范围内PCS最大充放电限制,分别计算本单元输出功率参考值;将储能单元智能体计算的功率参考值与初步分配的参考值进行比较并最终确定各储能单元输出功率目标值;
进一步的,各储能单元区智能体自主计算充放电功率,并结合储能单元区实际情况,计算储能单元区剩余可充放电功率余量,将储能单元区智能体自主计算的充放电功率与主代理分配的功率进行比较,并根据剩余可充放电功率余量最终确定储能单元区充放电功率目标值。
步骤S43、各储能单元智能体计算多智能体粒子群算法输出功率微调区间;
进一步的,储能单元区智能体与多智能体粒子群计算控制单元通信,计算并分配储能单元区智能体内各PCS的充放电功率,同时将分配后的信息发送给储能单元区智能体。
步骤S4401~步骤S4402、经过多带算法计算各储能单元内各台PCS输出功率;各储能单元区智能体储存SOC,输出功率等信息并发送给储能电站主智能进一步,储能单元区智能体通过储能监控单元控制储能单元区中各PCS发出的功率,同时将功率及电池组状态信息发送给数据储存单元。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。