CN116667402A - 电化学储能***并网暂态仿真模型参数辨识方法及*** - Google Patents
电化学储能***并网暂态仿真模型参数辨识方法及*** Download PDFInfo
- Publication number
- CN116667402A CN116667402A CN202310373977.7A CN202310373977A CN116667402A CN 116667402 A CN116667402 A CN 116667402A CN 202310373977 A CN202310373977 A CN 202310373977A CN 116667402 A CN116667402 A CN 116667402A
- Authority
- CN
- China
- Prior art keywords
- model
- simulation
- parameters
- energy storage
- data
- 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.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 183
- 238000012983 electrochemical energy storage Methods 0.000 title claims abstract description 61
- 230000001052 transient effect Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000002068 genetic effect Effects 0.000 claims abstract description 49
- 238000011217 control strategy Methods 0.000 claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 42
- 230000004044 response Effects 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 56
- 238000004146 energy storage Methods 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 10
- 230000035772 mutation Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000010353 genetic engineering Methods 0.000 claims description 6
- 230000005518 electrochemistry Effects 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 27
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种电化学储能***并网暂态仿真模型参数辨识方法及***,首先根据电化学储能***并网暂态仿真模型的控制策略确定模型的结构,并随机设置模型中的参数;其次根据参数对模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到预先设立的目标函数中,通过遗传算法修正参数直至目标函数输出小于预设的阈值;最后输出参数以及对应的仿真数据。本发明根据模型的控制策略确定模型的结构以及模型中参数的位置,通过计算确认参数以及对应的仿真数据,从而利用现代测试和智能辨识算法来获取模型参数、验证模型的有效性,在此基础上提高电化学储能***并网暂态仿真模型参数的精度。
Description
技术领域
本发明属于电力***运行控制领域,具体涉及一种电化学储能***并网暂态仿真模型参数辨识方法及***。
背景技术
近年来,随着新能源发电迅猛发展,装机容量逐年递增,新能源的消纳问题也逐渐凸显,某些地区受电网外送能力和***灵活调节能力的影响,弃风/弃光限电现象频发。为此,我们从电网建设、调度运行、市场交易等各个方面采取了众多举措,有效解决新能源消纳问题。在提高电网灵活调节能力方面,除新建大型抽水蓄能电站外,还开展电网侧储能示范电站的建设和示范运行。上述储能电站的投运为提高电网灵活调节能力,促进电化学储能技术在电网侧的应用进行了积极的探索。
与此同时,在电化学储能***接入电网的规划、设计、运行和控制决策中需要进行大量分析计算,这就需要适用于电力***仿真计算的电化学储能***模型参数支撑。但目前一方面尚没有标准化定义的电化学储能***并网暂态仿真模型;另一方面也缺少实际参数,在利用自定义模型的计算过程中只能引用出厂铭牌数据或厂家手册的典型数据,或不得已采用简化模型,严重影响计算的准确度和可信度。因此,利用现代测试和参数辨识技术来获取模型参数、验证模型的有效性,在此基础上提高模型参数的精度已成为电化学储能***并网暂态仿真计算的一项迫切需求。
发明内容
为克服上述现有技术的不足,本发明提出一种电化学储能***并网暂态仿真模型参数辨识方法及***。
本发明提供的技术方案如下:
本发明提出了一种电化学储能***并网暂态仿真模型参数辨识方法,包括:
根据电化学储能***并网暂态仿真模型的控制策略确定所述模型的结构,并随机设置所述模型中的参数;
根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到预先设立的目标函数中,通过遗传算法修正所述参数直至所述目标函数输出小于预设的阈值;
输出所述参数以及对应的仿真数据;
其中,所述目标函数是以仿真数据与实际数据作为输入,得到目标差作为输出。
作为优选的,所述通过遗传算法修正所述参数直至所述目标函数输出小于预设的阈值,包括:
S1:将所述参数以遗传个体的形式表示;
S2:判断所述目标函数的输出值是否小于预设的阈值;
若是,则将当前的所述参数作为完成修正的所述参数并结束;
否则,对所述遗传个体进行遗传操作得到新一代的遗传个体作为当前的所述参数,根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到所述目标函数中,转入步骤S2。
作为优选的,所述遗传操作包括以下的一种或多种:选择算法、交叉算法以及变异算法。
作为优选的,所述模型包括:电池、储能变流器以及电力设备元件;
所述电池、储能变流器以及电力设备元件依次连接,用于仿真的仿真点分别设置在所述储能变流器的输出侧和输入侧。
作为优选的,所述根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,包括:
将预先根据工况设置的所述模型进行校核;
根据所述参数对完成校核的所述模型进行扰动响应特性仿真,并选取对应的仿真数据。
作为优选的,所述根据工况设置至少包括以下的其中一种:根据交流小扰动设置和根据交流大扰动设置。
作为优选的,所述模型的控制策略包括以下的一种或多种:PQ控制策略、下垂控制策略、虚拟同步控制策略、高/低电压穿越控制策略以及过流过压控制策略。
作为优选的,所述目标函数为如下计算式:
其中,F为目标函数的输出;Mi为第i个实际数据;Si为第i个仿真数据;ωi为第i个实际数据和仿真数据的误差的权重;p为实际数据和仿真数据的误差的指数;n为实际数据或仿真数据的个数。
基于同一发明构思,本发明还提出了一种电化学储能***并网暂态仿真模型参数辨识***,包括:
模型结构确定模块,用于根据电化学储能***并网暂态仿真模型的控制策略确定所述模型的结构,并随机设置所述模型中的参数;
模型参数确定模块,用于根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到预先设立的目标函数中,通过遗传算法修正所述参数直至所述目标函数输出小于预设的阈值;
参数和仿真数据输出模块,用于输出所述参数以及对应的仿真数据;
其中,所述目标函数是以仿真数据与实际数据作为输入,得到目标差作为输出。
作为优选的,所述模型参数确定模块通过遗传算法修正所述参数直至所述目标函数输出小于预设的阈值,包括:
S1:将所述参数以遗传个体的形式表示;
S2:判断所述目标函数的输出值是否小于预设的阈值;
若是,则将当前的所述参数作为完成修正的所述参数并结束;
否则,对所述遗传个体进行遗传操作得到新一代的遗传个体作为当前的所述参数,根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到所述目标函数中,转入步骤S2。
作为优选的,所述遗传操作包括以下的一种或多种:选择算法、交叉算法以及变异算法。
作为优选的,所述模型包括:电池、储能变流器以及电力设备元件;
所述电池、储能变流器以及电力设备元件依次连接,用于仿真的仿真点分别设置在所述储能变流器的输出侧和输入侧。
作为优选的,所述模型参数确定模块根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,包括:
模型校验模块,用于将预先根据工况设置的所述模型进行校核;
仿真数据获取模块,根据所述参数对完成校核的所述模型进行扰动响应特性仿真,并选取对应的仿真数据。
作为优选的,所述根据工况设置至少包括以下的其中一种:根据交流小扰动设置和根据交流大扰动设置。
作为优选的,所述模型的控制策略包括以下的一种或多种:PQ控制策略、下垂控制策略、虚拟同步控制策略、高/低电压穿越控制策略以及过流过压控制策略。
作为优选的,所述目标函数为如下计算式:
其中,F为目标函数的输出;Mi为第i个实际数据;Si为第i个仿真数据;ω为第i个实际数据和仿真数据的误差的权重;p为实际数据和仿真数据的误差的指数;n为实际数据或仿真数据的个数。
基于同一发明构思,本发明又提出了一种计算机设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,实现上述的一种电化学储能***并网暂态仿真模型参数辨识方法。
基于同一发明构思,本发明再提出了一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现上述的一种电化学储能***并网暂态仿真模型参数辨识方法。
与最接近的现有技术相比,本发明具有的有益效果如下:
本发明提供了一种电化学储能***并网暂态仿真模型参数辨识方法及***,首先根据电化学储能***并网暂态仿真模型的控制策略确定所述模型的结构,并随机设置所述模型中的参数;其次,根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到预先设立的目标函数中,通过遗传算法修正所述参数直至所述目标函数输出小于预设的阈值;最后输出所述参数以及对应的仿真数据,本发明根据模型的控制策略确定模型的结构以及模型中参数的位置,在根据模型中的仿真数据对参数进行计算,最终确认参数以及对应的仿真数据,实现了利用现代测试和智能辨识算法来获取模型参数、验证模型的有效性,在此基础上提高电化学储能***并网暂态仿真模型参数的精度。
附图说明
图1为本发明提出的一种电化学储能***并网暂态仿真模型参数辨识方法的流程示意图;
图2为本发明的电化学储能变流器暂态模型结构示意图;
图3为本发明的电化学储能***扰动响应特性测试原理示意图;
图4为本发明的基于遗传算法电化学储能变流器暂态模型参数辨识流程图;
图5为本发明的参数辨识流程图;
图6为本发明的电化学储能***并网暂态仿真***示意图;
图7为本发明所采用的PWM储能变流器有功功率实测与仿真数据对比图;
图8为本发明所采用的PWM储能变流器无功功率实测与仿真数据对比图;
图9为本发明提供的一种电化学储能***并网暂态仿真模型参数辨识***的连接示意图。
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。
实施例1:
本发明提供了一种电化学储能***并网暂态仿真模型参数辨识方法,如图1所示,包括以下步骤:
步骤1:根据电化学储能***并网暂态仿真模型的控制策略确定所述模型的结构,并随机设置所述模型中的参数;
步骤2:根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到预先设立的目标函数中,通过遗传算法修正所述参数直至所述目标函数输出小于预设的阈值;
步骤3:输出所述参数以及对应的仿真数据。
其中,所述目标函数是以仿真数据与实际数据作为输入,得到目标差作为输出。
本发明提出一种电化学储能***并网暂态仿真模型参数辨识方法。该方法主要针对电力***安全稳定分析需求,利用现代测试和智能辨识算法来获取模型结构对应的参数,实现了基于扰动试验和遗传算法的参数辨识功能,为开展电化学储能***并网暂态仿真提供满足精度要求的模型参数,该方法利用现代测试和智能辨识算法来获取模型参数、验证模型的有效性,在此基础上提高电化学储能***并网暂态仿真模型参数的精度。
在上述的步骤1中,所述模型的控制策略包括以下的一种或多种:PQ控制策略、下垂控制策略、虚拟同步控制策略、高/低电压穿越控制策略以及过流过压控制策略。实际变流器控制策略包含PQ控制,下垂控制,虚拟同步控制,高/低电压穿越控制,过流过压控制.....除了常规的PQ控制策略,其他策略视储能变流器的应用场景和厂商的配置而定,因种类繁多且实现方法各有不同,此处不一一叙述。
电化学储能***并网暂态仿真模型由电池本体、储能变流器以及常规电力设备元件模型构成,其中储能变流器模型是电池储能***并网暂态特性仿真的核心。典型的电化学储能变流器暂态仿真模型包括:稳态运行控制模块、故障穿越及保护控制模块、控制判断模块等,如图2所示。在实际应用中,需根据储能变流器的工作原理和实际采用的控制策略,确定其待辨识参数所对应的模型结构。模型结构确定好之后,就知道需要辨识那些模型参数。类似于已知输入输出的模型结构为y=ax+b,a,b为系数。则需要通过辨识获取a和b的具体值。
本发明中,所述模型包括:电池、储能变流器以及电力设备元件;所述电池、储能变流器以及电力设备元件依次连接,用于仿真的仿真点分别设置在所述储能变流器的输出侧和输入侧。
在得到了模型结构之后,对电化学储能***扰动响应特性进行测试。测试的原理如图3所示,图3中的储能单元即是电化学储能***,一方面可以通过电网故障模拟装置模拟各种电网故障条件,并测试电化学储能***的动态响应特性;另一方面也可以控制电化学储能***指令的变化,测试电化学储能***在不同调节控制指令下的动态响应特性。另外,电力***安全稳定暂态仿真步长为1~10ms,模型验证试验数据为三相瞬时测量数据,为保证数据的可比性和模型验证的有效性,需对试验数据进行处理。
储能电站是由一个个储能单元组成的;这里以一个典型的储能单元代表电化学储能***。单元升压变压器的作用是抬高储能变流器的出口电压,使其与电网侧电压一致。下面测试中的电压跌落(或升高)都是利用电压跌落装置来实现和模拟的。测试的目的是获得电化学储能***实际的输入-输出数据,然后将这些数据代入到辨识算法中,进而推导出模型的参数。
在上述的步骤2中,所述根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,包括:
◆将预先根据工况设置的所述模型进行校核;
◆根据所述参数对完成校核的所述模型进行扰动响应特性仿真,并选取对应的仿真数据。
其中,所述根据工况设置至少包括以下的其中一种:根据交流小扰动设置和根据交流大扰动设置。工况指的是***处于某种特定的运行状态,下面的测试数据是该种工况下对应的具体的物理量。
电化学储能***扰动响应试验的测试工况包括:(1)功率范围:大功率输出状态,P≥0.8Prate,P为储能变流器的输出有功功率,即图3中测量点2输出的有功功率,Prate为变流器额定功率;中间功率等级输出状态,0.5Prate≤P≤0.7Prate;小功率输出状态,0.1Prate≤P≤0.3Prate。(2)故障类型:电化学储能***参数测试的工况包括三相对称故障和两相不对称故障。(3)测试数据:同步测量变流器直流侧、交流侧的电压、电流瞬时值。
在不考虑变压器损耗的情况下,储能变流器输出有功功率等于单元变压器的输出有功功率,由于变压器的模型比较成熟,所以建模时更多的关注储能变流器的输出特性。
电化学储能***交流小扰动测试的设置为:(1)测试应选择变流器在大功率输出范围内时进行;(2)分别设置变流器交流侧电压跌落(或升高)至0.95p.u.、0.9p.u.(或1.05p.u.、1.1p.u.),至变流器稳定运行持续2s;(3)恢复变流器交流侧电压为1p.u.至变流器稳定运行。
电化学储能***交流大扰动测试的设置为:(1)测试应选择变流器出力在大功率输出范围内时进行;(2)设置变流器交流侧电压跌落至0.85p.u.至变流器稳定运行,分别设置变流器交流侧电压继续跌落至0.6p.u.、0.4p.u.、0.2p.u.、0,至变流器稳定运行;(3)恢复变流器交流侧电压为0.85p.u至变流器稳定运行;(4)恢复变流器交流侧电压为1p.u.至变流器稳定运行。
同时,本发明的步骤2中,所述通过遗传算法修正所述参数直至所述目标函数输出小于预设的阈值,包括:
S1:将所述参数以遗传个体的形式表示;
S2:判断所述目标函数的输出值是否小于预设的阈值;
若是,则将当前的所述参数作为完成修正的所述参数并结束;
否则,对所述遗传个体进行遗传操作得到新一代的遗传个体作为当前的所述参数,根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到所述目标函数中,转入步骤S2。
其中,所述遗传操作包括以下的一种或多种:选择算法、交叉算法以及变异算法。
基于电力***仿真软件建立被测电化学储能***并网模型及其对应的仿真***。模型验证前校核仿真***的电网参数包括电压、等效阻抗和短路容量。按照步骤分别设置相同的仿真条件,并对应试验测试数据预处理结果选取对应的仿真数据。保证模型仿真数据与试验预处理数据采用相同的量纲、时标和分辨率,保证两组数据的时间序列同步。
基于遗传算法,不断地修改变流器控制参数,使目标函数达到最小,从而使仿真结果与实际数据的偏差达到最小,从而得到参数的最优结果,如图4所示。
基于遗传算法的储能***参数辨识步骤:
(1)设计编码(此处以二进制编码的形式描述待辨识参数的数值,方便后续步骤里的遗传操作)。首先要将待辨识参数进行遗传编码,待辨识的模型参数以遗传个体的形式表示,例如[KpvTivKpq Tiq](Kpv为有功功率控制环节比例系数;Tiv为有功功率控制环节积分系数;Kpq为无功功率控制环节比例系数;;Tiq有无功功率控制环节积分系数;每个变量均用实数表示,组成个体表示串。
(2)产生初始种群。根据电化学储能***特性,确定待辨识参数的近似取值范围,在参数取值范围内,随机产生数量为Popsize的一组参数族,作为遗传算法迭代的初始种群,其中Popsize为种群个数。
(3)遗传操作。对初始种群进行选择、交叉、变异等遗传操作。其中选择方法采用基于排序的随机遍历抽样选择,交叉操作采用单点交叉算子,变异操作采用离散变异算子。
(4)迭代判断。将通过遗传操作获得的新的一组参数值,代入储能***模型,判断模型输出与实测数据的偏差是否满足要求。若满足,则该组参数即为获得的模型参数;若不满足,则对该组参数重新进行步骤(3)的遗传操作,直至获得满足偏差要求的模型参数。
最后,本发明中所述目标函数为如下计算式:
其中,F为目标函数的输出;Mi为第i个实际数据;Si为第i个仿真数据;ωi为第i个实际数据和仿真数据的误差的权重;p为实际数据和仿真数据的误差的指数(一般取2);n为实际数据或仿真数据的个数。
综上,在具体的实施中,本发明使用图5所示的流程,使用图6所示的电化学储能***并网暂态仿真***。
基于上述方法,考虑到电池储能***机电暂态仿真时间尺度较短,一般取0.01s,电池的荷电状态(SOC)在此时间尺度下几乎不发生变化,故采用受控电压源代替蓄电池模型,忽略电池的充放电动态过程。蓄电池电压恒定,可以看作恒压充电和控制电压放电。电化学储能***暂态仿真***结构如附图6所示,该模型主要由电网、储能变流器及电池本体模拟电源构成。储能变流器具体参数见表1。
表1本发明所采用的储能变流器实际参数
t=0.4s时在电网侧母线处设置一个三相接地短路故障,持续时间为0.15s。由仿真结果分析可知,PWM储能变流器交流侧电压在发生短路故障前的线电压为0.4kV,受控电压源仿真过程中电压为1kV,与设计值一致。短路故障期间,PWM交流侧电压跌落至0.365kV,0.15s后迅速恢复到0.4kV,与理论一致。在控制策略的作用下,储能***会在0.1s后输出约1.5MW的有功功率以及0.25Mvar的无功功率。当***发生故障时,PWM会根据调制因子Pm调整储能***的有功及无功输出,从而给电网提供备用功率,对电压跌落的母线进行电压支撑来抑制电压波动,提高***的暂态稳定性。
以PWM储能变流器的有功功率和无功功率为分析对象,试验测试数据如表2所示。
表2本发明所采用的实验数据(储能变流器输出的有功和无功功率)(p.u.)
时刻 | 有功功率 | 无功功率 |
0.000 | 0.3500 | 0.1000 |
0.010 | -0.0115 | 0.1440 |
0.025 | -0.2100 | 0.1950 |
0.050 | -0.4850 | 0.2280 |
0.100 | -1.3250 | 0.2443 |
0.120 | -1.3900 | 0.2512 |
0.130 | -1.4000 | 0.2522 |
0.150 | -1.4000 | 0.2506 |
0.200 | -1.4000 | 0.2500 |
0.400 | -1.4000 | 0.2500 |
0.405 | -1.2570 | 0.2394 |
0.410 | -1.2710 | 0.2416 |
0.450 | -1.3020 | 0.2472 |
0.500 | -1.3020 | 0.2496 |
0.550 | -1.3020 | 0.2500 |
0.555 | -1.4750 | 0.2609 |
0.570 | -1.4000 | 0.2597 |
0.580 | -1.4000 | 0.2535 |
0.600 | -1.4000 | 0.2520 |
0.700 | -1.4000 | 0.2500 |
0.800 | -1.4000 | 0.2500 |
2.000 | -1.4000 | 0.2500 |
辨识后的参数及误差如表3所示:
表3本发明所采用的参数辨识结果及其误差
图7和8为参数辨识后PWM有功功率及无功功率仿真对比图,其中,图中深色曲线代表仿真数据,浅色曲线代表实测数据。
选取22组实验数据,通过仿真结果可知,根据辨识后的参数仿真出的功率曲线与实验数据绘制出的曲线拟合度较高,能较好的反映出储能***运行时功率变化情况,参数的误差均控制在±5%以内,具有良好的辨识效果,验证了该辨识策略的准确性与有效性。
本发明提出一种电化学储能***并网暂态仿真模型参数辨识方法。该方法主要针对电力***安全稳定分析需求,利用现代测试和智能辨识算法来获取模型结构对应的参数,实现了基于扰动试验和遗传算法的参数辨识功能,为开展电化学储能***并网暂态仿真提供满足精度要求的模型参数,该方法利用现代测试和智能辨识算法来获取模型参数、验证模型的有效性,在此基础上提高电化学储能***并网暂态仿真模型参数的精度。
实施例2:
基于同一发明构思,本发明提供了一种电化学储能***并网暂态仿真模型参数辨识***,如图9所示,包括:模型结构确定模块、模型参数确定模块以及参数和仿真数据输出模块。
模型结构确定模块,用于根据电化学储能***并网暂态仿真模型的控制策略确定所述模型的结构,并随机设置所述模型中的参数;
模型参数确定模块,用于根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到预先设立的目标函数中,通过遗传算法修正所述参数直至所述目标函数输出小于预设的阈值;
参数和仿真数据输出模块,用于输出所述参数以及对应的仿真数据。
其中,所述目标函数是以仿真数据与实际数据作为输入,得到目标差作为输出。
所述模型参数确定模块通过遗传算法修正所述参数直至所述目标函数输出小于预设的阈值,包括:
S1:将所述参数以遗传个体的形式表示;
S2:判断所述目标函数的输出值是否小于预设的阈值;
若是,则将当前的所述参数作为完成修正的所述参数并结束;
否则,对所述遗传个体进行遗传操作得到新一代的遗传个体作为当前的所述参数,根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到所述目标函数中,转入步骤S2。
其中所述遗传操作包括以下的一种或多种:选择算法、交叉算法以及变异算法。
本发明中所述模型包括:电池、储能变流器以及电力设备元件;
所述电池、储能变流器以及电力设备元件依次连接,用于仿真的仿真点分别设置在所述储能变流器的输出侧和输入侧。
所述模型参数确定模块根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,包括:模型校验模块和仿真数据获取模块。
模型校验模块,用于将预先根据工况设置的所述模型进行校核;
仿真数据获取模块,根据所述参数对完成校核的所述模型进行扰动响应特性仿真,并选取对应的仿真数据。
其中,所述根据工况设置至少包括以下的其中一种:根据交流小扰动设置和根据交流大扰动设置。
所述模型的控制策略包括以下的一种或多种:PQ控制策略、下垂控制策略、虚拟同步控制策略、高/低电压穿越控制策略以及过流过压控制策略。
本发明中,所述目标函数为如下计算式:
其中,F为目标函数的输出;Mi为第i个实际数据;Si为第i个仿真数据;ω为第i个实际数据和仿真数据的误差的权重;p为实际数据和仿真数据的误差的指数;n为实际数据或仿真数据的个数。
实施例3:
基于同一种发明构思,本发明还提供了一种计算机设备,该计算机设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能,以实现上述实施例中一种电化学储能***并网暂态仿真模型参数辨识方法的步骤。
实施例4:
基于同一种发明构思,本发明还提供了一种存储介质,具体为计算机可读存储介质(Memory),所述计算机可读存储介质是计算机设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质,当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作***。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中一种电化学储能***并网暂态仿真模型参数辨识方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、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。
最后应当说明的是:以上实施例仅用于说明本发明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:本领域技术人员阅读本发明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 (13)
1.一种电化学储能***并网暂态仿真模型参数辨识方法,其特征在于,包括:
根据电化学储能***并网暂态仿真模型的控制策略确定所述模型的结构,并随机设置所述模型中的参数;
根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到预先设立的目标函数中,通过遗传算法修正所述参数直至所述目标函数输出小于预设的阈值;
输出所述参数以及对应的仿真数据;
其中,所述目标函数是以仿真数据与实际数据作为输入,得到目标差作为输出。
2.如权利要求1所述的方法,其特征在于,所述通过遗传算法修正所述参数直至所述目标函数输出小于预设的阈值,包括:
S1:将所述参数以遗传个体的形式表示;
S2:判断所述目标函数的输出值是否小于预设的阈值;
若是,则将当前的所述参数作为完成修正的所述参数并结束;
否则,对所述遗传个体进行遗传操作得到新一代的遗传个体作为当前的所述参数,根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到所述目标函数中,转入步骤S2。
3.如权利要求2所述的方法,其特征在于,所述遗传操作包括以下的一种或多种:选择算法、交叉算法以及变异算法。
4.如权利要求1所述的方法,其特征在于,所述模型包括:电池、储能变流器以及电力设备元件;
所述电池、储能变流器以及电力设备元件依次连接,用于仿真的仿真点分别设置在所述储能变流器的输出侧和输入侧。
5.如权利要求1所述的方法,其特征在于,所述根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,包括:
将预先根据工况设置的所述模型进行校核;
根据所述参数对完成校核的所述模型进行扰动响应特性仿真,并选取对应的仿真数据。
6.如权利要求5所述的方法,其特征在于,所述根据工况设置至少包括以下的其中一种:根据交流小扰动设置和根据交流大扰动设置。
7.如权利要求1所述的方法,其特征在于,所述模型的控制策略包括以下的一种或多种:PQ控制策略、下垂控制策略、虚拟同步控制策略、高/低电压穿越控制策略以及过流过压控制策略。
8.如权利要求1所述的方法,其特征在于,所述目标函数为如下计算式:
其中,F为目标函数的输出;Mi为第i个实际数据;Si为第i个仿真数据;ωi为第i个实际数据和仿真数据的误差的权重;p为实际数据和仿真数据的误差的指数;n为实际数据或仿真数据的个数。
9.一种电化学储能***并网暂态仿真模型参数辨识***,其特征在于,包括:
模型结构确定模块,用于根据电化学储能***并网暂态仿真模型的控制策略确定所述模型的结构,并随机设置所述模型中的参数;
模型参数确定模块,用于根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到预先设立的目标函数中,通过遗传算法修正所述参数直至所述目标函数输出小于预设的阈值;
参数和仿真数据输出模块,用于输出所述参数以及对应的仿真数据;
其中,所述目标函数是以仿真数据与实际数据作为输入,得到目标差作为输出。
10.如权利要求9所述的***,其特征在于,所述模型参数确定模块通过遗传算法修正所述参数直至所述目标函数输出小于预设的阈值,包括:
S1:将所述参数以遗传个体的形式表示;
S2:判断所述目标函数的输出值是否小于预设的阈值;
若是,则将当前的所述参数作为完成修正的所述参数并结束;
否则,对所述遗传个体进行遗传操作得到新一代的遗传个体作为当前的所述参数,根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,并将仿真数据与该模型对应的真实***运行得到的实际数据共同输入到所述目标函数中,转入步骤S2。
11.如权利要求9所述的***,其特征在于,所述模型参数确定模块根据所述参数对所述模型进行扰动响应特性仿真得到对应的仿真数据,包括:
模型校验模块,用于将预先根据工况设置的所述模型进行校核;
仿真数据获取模块,根据所述参数对完成校核的所述模型进行扰动响应特性仿真,并选取对应的仿真数据。
12.一种计算机设备,其特征在于,包括:一个或多个处理器;存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,实现权利要求1至8中任一项所述的一种电化学储能***并网暂态仿真模型参数辨识方法。
13.一种计算机可读存储介质,其特征在于,其上存有计算机程序,所述计算机程序被执行时,实现权利要求1至8中任一项所述的一种电化学储能***并网暂态仿真模型参数辨识方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310373977.7A CN116667402A (zh) | 2023-04-10 | 2023-04-10 | 电化学储能***并网暂态仿真模型参数辨识方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310373977.7A CN116667402A (zh) | 2023-04-10 | 2023-04-10 | 电化学储能***并网暂态仿真模型参数辨识方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116667402A true CN116667402A (zh) | 2023-08-29 |
Family
ID=87710661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310373977.7A Pending CN116667402A (zh) | 2023-04-10 | 2023-04-10 | 电化学储能***并网暂态仿真模型参数辨识方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116667402A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117289683A (zh) * | 2023-11-21 | 2023-12-26 | 晶科储能科技有限公司 | 储能电池管理***测试方法、***、电子设备及存储介质 |
-
2023
- 2023-04-10 CN CN202310373977.7A patent/CN116667402A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117289683A (zh) * | 2023-11-21 | 2023-12-26 | 晶科储能科技有限公司 | 储能电池管理***测试方法、***、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110970906B (zh) | 一种协调控制风电场无功电压的方法和*** | |
CN108448635B (zh) | 光伏发电***不对称电压跌落下故障穿越全过程建模方法 | |
CN111224404B (zh) | 含可控移相器的电力***潮流快速控制方法 | |
CN115622053B (zh) | 一种用于考虑分布式电源的自动负荷建模方法及装置 | |
CN116667402A (zh) | 电化学储能***并网暂态仿真模型参数辨识方法及*** | |
CN105548781A (zh) | 母线短路容量测试方法、装置及*** | |
CN112649642A (zh) | 一种窃电位置判断方法、装置、设备和存储介质 | |
CN114676569B (zh) | 电网仿真分析算例及其生成方法、生成***、设备、介质 | |
CN113241736A (zh) | 一种用于新能源送出线路保护适应性分析的方法及*** | |
CN110336322A (zh) | 基于日最小负荷置信区间的光伏发电准入容量确定方法 | |
CN113742907B (zh) | 一种光伏电站短路电流统一计算方法 | |
CN114726090A (zh) | 基于潮流调整的中低压网络数据在线拼接方法和*** | |
CN106599337B (zh) | 一种基于单纯形法的电网频率仿真参数辨识方法 | |
CN113346553A (zh) | 一种可再生能源发电站出力占比的评估方法和装置 | |
CN111884234B (zh) | 精准切机紧急控制方法、装置、电子设备和存储介质 | |
CN109407543B (zh) | 一种风电机组电气模型电压响应特性的验证方法和装置 | |
Yang et al. | Simplified Prediction Model of Frequency Nadir for Power Systems Penetrated With Renewable Energy | |
Yang et al. | Dynamic Equivalent Research Based on Fuzzy C-means | |
CN110661268A (zh) | 一种新能源汇集站点的动态无功补偿需求确定方法及*** | |
CN111835017A (zh) | 一种新能源电站无功电压协调控制方法和装置 | |
CN116470522B (zh) | 一种svg通用电磁暂态模型的控制参数识别方法及装置 | |
CN111797496B (zh) | 一种新能源场站发电出力时间序列构建方法和装置 | |
CN110880767B (zh) | 一种优化光伏电站电压控制能力的多电源无功配合方法及*** | |
CN116937696B (zh) | 一种基于光伏发电***的自适应等效建模方法 | |
CN114329968A (zh) | 光伏电站仿真模型的验证方法、装置、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |