CN118300145A - 用于储能***的统一底层控制*** - Google Patents
用于储能***的统一底层控制*** Download PDFInfo
- Publication number
- CN118300145A CN118300145A CN202410478134.8A CN202410478134A CN118300145A CN 118300145 A CN118300145 A CN 118300145A CN 202410478134 A CN202410478134 A CN 202410478134A CN 118300145 A CN118300145 A CN 118300145A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power generation
- data
- grid
- power
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 198
- 238000010248 power generation Methods 0.000 claims abstract description 196
- 238000004364 calculation method Methods 0.000 claims abstract description 57
- 230000008859 change Effects 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 238000007599 discharging Methods 0.000 claims description 13
- 230000017525 heat dissipation Effects 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 229910052744 lithium Inorganic materials 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000003247 decreasing effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了用于储能***的统一底层控制***,涉及储能管理技术领域,包括数据获取模块、分析预测模块、调度计算模块、储能调用模块和动态调整模块:数据获取模块,获取储能装置的工作数据、电网需求负荷数据、稳定发电***发电数据以及新能源发电***的发电数据,并将新能源发电***的发电数据按照其输电方式分为并网发电数据和离网发电数据;其技术要点为:获取以往周期内发电侧和用电侧的数据,并且根据以往数据预测出未来周期内发电侧和用电侧的数据,从而获得需要调度的量,提前制定相应的调整计划,且能够预判用电负荷急剧增加的时间段,并且提前做好准备,能够有效降低用电负荷变化对电网运行的影响,提高了电网运行时的稳定性。
Description
技术领域
本发明涉及储能管理技术领域,具体为用于储能***的统一底层控制***。
背景技术
智能电网就是电网的智能化,也被称为“电网2.0”,是建立在集成的、高速双向通信网络的基础上,通过先进的传感和测量技术、先进的设备技术、先进的控制方法以及先进的决策支持***技术的应用,实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标,其主要特征包括自愈、激励和保护用户、抵御攻击、提供满足用户需求的电能质量、容许各种不同发电形式的接入、启动电力市场以及资产的优化高效运行。
电力***中电能的生产是连续进行的,发电、输电、变电、配电和用电时刻保持着平衡;电力***负荷存在峰谷差,必然会留有很大的备用容量,造成***设备运行效率低。应用储能技术可以对负荷进行削峰填谷,提高***供电的可靠性和稳定性,减少***备用需求和停电损失。同时,随着新能源发电规模的日益扩大和分布式发电技术的不断发展,电力储能***的重要性也日益凸显。储能***的应用是在传统电力***生产模式的基础上增加一个存储电能的环节,使得原来几乎“刚性”的***变得“柔性”起来,电网的安全性、可靠性、经济性和灵活性也得到大幅度提高,电力储能技术的前景也非常的广阔。
现有授权公告号为CN111030195B,名称为一种储能***参与电网电力调频的控制方法的中国发明专利中指出方法包括:采集当前电网频率和储能***的当前SOC值;判断所述当前电网频率是否超出死区、且所述储能***的当前SOC值是否满足预设启动条件;若是,控制所述储能***进入一次调频状态,并判断所述储能***响应一次调频的动作方向与响应机组AGC指令的动作方向是否相同,所述机组AGC指令为所述储能***进入所述一次调频状态前接收到的最新的机组AGC指令;若是,控制所述储能***执行预设的第一响应动作;否则,控制所述储能***执行预设的第二响应动作。通过上述方式,使得储能***即参与了机组AGC指令,同时也能够快速响应一次调频。
然而,根据上述内容结合现有技术而言,上述的对比文件主要是通过实时接收数据,然后进行调频处理,其方案基于信息传递的快速性,其主要是应用于高精度的调控,但是在实时使用时,很容易出现尖峰特性(用电负荷需求突然增加)的情况,而在收到讯息后该时间紧急进行处理,也需要一段时间,在该段时间内,容易出现用电负荷超出需求的情况,容易出现用电设备错误运行或者损坏的情况,造成大量的经济损失,无法满足电网运行的要求,为此,我们研发了用于储能***的统一底层控制***。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了用于储能***的统一底层控制***,其获取以往周期内发电侧和用电侧的数据,并且根据以往周期内发电侧和用电侧的数据预测出未来周期内发电侧和用电侧的数据,从而获得需要调度的电量,提前制定相应的调整计划,能够预判用电负荷急剧增加的时间段,并且提前做好准备,能够有效降低用电负荷变化对电网运行的影响,进一步提高了电网运行时的稳定性,使用效果好,具有良好的使用前景,解决了背景技术中提出的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
用于储能***的统一底层控制***,包括数据获取模块、分析预测模块、调度计算模块、储能调用模块和动态调整模块:
数据获取模块,获取储能装置的工作数据、电网需求负荷数据、稳定发电***发电数据以及新能源发电***的发电数据,并将新能源发电***的发电数据按照其输电方式分为并网发电数据和离网发电数据;
分析预测模块,分析影响电网需求负荷的因素和影响新能源发电***发电的因素,根据获取的数据对未来周期内的电网需求负荷数据、并网发电数据和离网发电数据进行预测;
调度计算模块,计算未来周期内的电网需求负荷数据、稳定发电***发电数据以及并网发电数据的差值,生成电力调度曲线图;
储能调用模块,构建储能预测模型,获取电力调度曲线图的数据并输入储能预测模型,模拟储能装置运行状态,并输出储能装置的分配计划;
动态调整模块,实时获取数据获取模块采集的数据,将获取的储能装置温度数据与设定的工作温度进行比对,当储能装置温度数据不在正常工作状态阈值范围内时,调整储能预测模型,并结合实时获取的数据进行验证,验证后重新制定并输出分配计划。
优选的,对未来周期的电网需求负荷、并网发电数据和离网发电数据进行预测时,对周期进行分段,按照等比例分成m个时间段120≤m≤240。
优选的,对未来周期内的电网需求负荷数据进行预测的步骤如下:
对获取的前一个周期内的电网需求负荷数据处理,将异常数据前后时间点的均值数据代替尖峰特性数据;
依据时间序列构建电网需求负荷预测模型,通过电网需求负荷预测模型预测未来周期内的电网需求负荷,具体的预测公式如下:
式中,Pt为预测的未来周期的电网需求负荷,Pt-1为上个周期的电网需求负荷,n为影响电网需求负荷的因素数量,λi为预测周期第i个影响电网需求负荷因子的影响比例,λi-1为上个周期第i个影响负荷的影响比例;
优选的,对未来周期内的并网发电数据进行预测的计算公式如下:
式中,P′t为并网发电数据的预测值,O为风力发电设备的数量,O′为光伏发电设备的数量,PA t-1为第A个风力发电设备上个周期的发电量,PB t-1为第B个光伏发电设备上个周期的发电量,k为影响风力发电的因素数量,k′为影响光伏发电的因素数量,λA i为预测周期第i个影响风力发电因子的影响比例,λA i-1为上个周期第i个影响风力发电因子的影响比例,λB i为预测周期第i个影响光伏发电的影响比例,λB i-1为上个周期第i个影响光伏发电因子的影响比例。
优选的,电力调度差值的计算公式如下:
σ=Pt-P′t-PC+PD
式中,PC为所有稳定发电***在m时间段的发电量,PD为调度的损耗量;
当Pt-P′t-PC>0时,σ为储能装置向电网中供入的实时电量;
当Pt-P′t-PC<0时,σ为电网向储能装置中供入的实时电量,PD取0。
优选的,储能装置采用锂电池,当Pt-P′t-PC<0时,储能预测模型的计算公式如下:
式中,W为充电状态需要的储能装置台数,I为电池充电产生热量叠加环境热量之和与电池散热速度相同时对应的电流,P′e为离网发电预测量,U为充电电压;
当σ逐渐增大时,实时调整至W台需要的储能装置台数;
当σ逐渐减小时,保持储能装置台数不变,计算每台储能装置充电电流大小,具体的计算公式为:
判断I′与设定阈值Iz之间的大小,当I1≤Iz时,按照储能预测模型输出储能装置的计算公式调整至对应的台数;
当Iz≤I1≤I时,保持W台储能装置。
其中,0.8I≤Iz≤0.9I。
优选的,当Pt-P′t-PC>0时,储能预测模型的计算公式如下:
式中,W′为放电状态需要的储能装置台数,I′为电池放电产生热量叠加环境热量之和与电池散热速度相同时对应的电流,U′为放电电压;
当σ逐渐增大时,实时调整至W′台需要的储能装置台数;
当σ逐渐减小时,保持储能装置台数不变,计算每台储能装置放电电流大小,具体的计算公式为:
判断I′1与设定阈值I′z之间的大小,当I′1≤I′z时,按照储能预测模型输出储能装置的计算公式调整至对应的台数;
当I′z≤I′1≤I时,保持W′台储能装置。
其中,0.8I≤I′z≤0.9I。
优选的,动态调整模块还将预测的电网需求负荷数据与实际的电网需求负荷数据对比,将预测的新能源发电***发电数据与实际的并网新能源发电***发电数据进行比对,判断变化幅度是否处于设定阈值范围内,电网需求负荷变化幅度的计算公式如下:
式中,&为电网需求负荷变化幅度,P实为实际的电网需求负荷数据,设定阈值范围为[0,0.03];
当电网需求负荷变化幅度不在阈值范围内时,重新分析影响电网需求负荷的因素以及因素对应的影响比例;
并网新能源发电***发电变化幅度的计算公式如下:
式中,&′为新能源发电***发电变化幅度,P′实为实际的并网新能源发电***发电数据,设定阈值范围为[0,0.10];
当新能源发电***发电变化幅度不在阈值范围内时,重新分析影响新能源发电***发电的因素以及因素对应的影响比例。
优选的,电网向储能装置中充电时,当获取的储能装置温度数据大于设定的工作温度时,此时增加储能装置台数,同时降低储能装置的充电电流,每台储能装置的降低比例不同,在此基础上获取数据,直至储能装置温度数据稳定的保持在设定的工作温度,获取此时对应的电流I实数据,并且计算出调整的比例,计算公式如下:
然后计算出外界不同环境温度下对应的充电电流I调,I调=I×(1-ε),以该充电电流I调代替原有的充电电流I重新进行计算预测。
优选的,储能装置向电网向储能装置中放电时,当获取的储能装置温度数据大于设定的工作温度时,此时增加储能装置台数,同时降低储能装置的放电电流,每台储能装置的降低比例不同,在此基础上获取数据,直至储能装置温度数据稳定的保持在设定的工作温度,获取此时对应的电流I′实数据,并且计算出调整的比例,计算公式如下:
然后计算出外界不同环境温度下对应的放电电流I′调,I′调=I′×(1-ε′),该放电电流I′调代替原有的放电电流I′重新进行计算预测。
(三)有益效果
本发明提供了用于储能***的统一底层控制***,具备以下有益效果:
1、本发明记载了用于储能***的统一底层控制***,其获取以往周期内发电侧和用电侧的数据,并且根据以往周期内发电侧和用电侧的数据预测出未来周期内发电侧和用电侧的数据,从而获得需要调度的电量,提前制定相应的调整计划,能够预判用电负荷急剧增加的时间段,并且提前做好准备,能够有效降低用电负荷变化对电网运行的影响,进一步提高了电网运行时的稳定性,使用效果好,具有良好的使用前景。
2、本发明记载了用于储能***的统一底层控制***,其在运行过程中按照计划运行,而且制定了相应的调整策略,能够使得储能装置以合理的状态运行,具备一定的缓冲空间,有效避免因出现尖峰特性导致储能装置出现过度运行而损伤或者损坏的情况,能够有效延长储能装置的使用寿命,并且实时监测储能装置的运行,兼顾在不同环境和使用不同时间时间电池的损耗,调整相应的策略,使用更加的灵活,使用效果好,具有良好的使用前景。
附图说明
图1为本发明用于储能***的统一底层控制***使用状态模块化结构图;
图2为本发明用于储能***的统一底层控制***的模块化结构图;
图3为本发明用于储能***的统一底层控制方法的步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:请参阅图1和图2,用于储能***的统一底层控制***,包括数据获取模块、分析预测模块、调度计算模块、储能调用模块和动态调整模块。
设计用于储能***的统一底层控制***主要是原因是,现有的***主要是通过高速度的通信实现储能装置的快速调整,在通信出现故障或者通信延迟以及尖峰特性是往往出现调节速度过慢,导致局部区域电压不够出现电器损坏以及储能装置智能调节导致过度运行而损坏情况,使得相应的成本非常高。
数据获取
数据获取是设计本***的基础,任何的操控和预测均需要来源于精准的数据,本***中数据获取基于数据获取模块,其主要用于采集储能装置的工作数据、电网需求负荷数据、稳定发电***发电数据以及新能源发电***的发电数据,并将新能源发电***的发电数据按照其输电方式分为并网发电数据和离网发电数据。
在采集时主要是通过安装在储能装置上的传感器或者相应线路上的传感器实现,例如电压传感器、电流传感器、温湿度传感器等,稳定发电***发电数据通常固定设置,电网可以直接获取,新能源发电***的发电数据为安装在新能源发电***上的实时采集的数据,本专利中新能源发电***为光伏和风能,其他新能源例如水力发电,由于水力发电焦文稳定,因此归纳到稳定发电***中。
数据获取时获取相邻周期的电力数据,相邻周期的电力数据之间基础数据较为接近,能够消除一些其他因素的干扰,例如政策因素,从而能够提高后续预测的精度,从而提高整个***的使用效果。
分析预测
数据获取之后需要对数据进行处理,分析数据的特性,根据数据的特性在前一个周期的基础上获得未来周期的数据。
分析预测基于分析预测模块,其主要时通过计算机进行模拟运行。
分析影响电网需求负荷的因素和影响新能源发电***发电的因素,根据获取的数据对未来周期内的电网需求负荷数据、并网发电数据和离网发电数据进行预测;
对未来周期的电网需求负荷、并网发电数据和离网发电数据进行预测时,对周期进行分段,按照等比例分成m个时间段120≤m≤240。
正常周期取一体,为了提高精度,还可以进一步增加时间段,例如分割成720个时间段。
由于周末与上班之间数据存在较大差异,因此可以将周末所处的上个周期设定为上个周末。
对未来周期内的电网需求负荷数据进行预测的步骤如下:
对获取的前一个周期内的电网需求负荷数据处理,将异常数据前后时间点的均值数据代替尖峰特性数据,由于大部分的尖峰特性时突然产生的,因此尖峰特性需要进行处理,而补入均值数据使得电力波动更加的平稳,预测效果好;
依据时间序列构建电网需求负荷预测模型,通过电网需求负荷预测模型预测未来周期内的电网需求负荷,具体的预测公式如下:
式中,Pt为预测的未来周期的电网需求负荷,Pt-1为上个周期的电网需求负荷,n为影响电网需求负荷的因素数量,λi为预测周期第i个影响电网需求负荷因子的影响比例,λi-1为上个周期第i个影响负荷的影响比例;
在不同条件下的影响程度不同,为了提高预测的精准度,采用影响比例,例如,影响因素为温度和湿度(数据为方便理解调整),上一天某个时刻的温度为28℃,此时对应的影响因素为0.113,湿度为78%,此时对应的影响因素为0.016,该区域该时刻的用电负荷为1MW;而当天同样的时刻温度为34℃,此时对应的影响因素为0.248,湿度为52%,此时对应的影响因素为0.007,经过计算,该周期该时刻的用电负荷为1.26MW。
而本数据基于前一天,因此需要将前一天已经算过的影响因素对应的比例清除掉。
因为存在多项影响因素,因此需要将每种影响负荷的影响比例进行叠加,影响用电负荷的影响因素主要为温度、湿度的等,社会因素以及节假日由于和日常存在较大的差异,因此需要单独进行计算。
本发明主要提供的方案为常规工作日的预测方案,其不适用于特殊节假日的预测。
对未来周期内的并网发电数据进行预测的计算公式如下:
式中,P′t为并网发电数据的预测值,O为风力发电设备的数量,O′为光伏发电设备的数量,PA t-1为第A个风力发电设备上个周期的发电量,PB t-1为第B个光伏发电设备上个周期的发电量,k为影响风力发电的因素数量,k′为影响光伏发电的因素数量,λA i为预测周期第i个影响风力发电因子的影响比例,λA i-1为上个周期第i个影响风力发电因子的影响比例,λB i为预测周期第i个影响光伏发电的影响比例,λB i-1为上个周期第i个影响光伏发电因子的影响比例。
由于光伏发电和风力发电的影响因素和影响比例完全不同,因此需要单独计算。
并网发电能够直接接入到电网,因此在使用时并网发电直接直接输送给电网,当电力过量时才会输入给储能设备中进行储存。
本专利中主要用于计算风力和光伏发电,该计算方式也是基于上一天的数据,其与电网需求负荷的计算原理相同。
调度计算
调度计划根据调度量生成,因此需要对预测的结果进行计算。
调度计算基于调度计算模块,调度计算模块计算未来周期内的电网需求负荷数据、稳定发电***发电数据以及并网发电数据的差值,生成电力调度曲线图;
电力调度差值的计算公式如下:
σ=Pt-P′t-PC+PD
式中,PC为所有稳定发电***在m时间段的发电量,PD为调度的损耗量;
当Pt-P′t-PC>0时,σ为储能装置向电网中供入的实时电量;
当Pt-P′t-PC<0时,σ为电网向储能装置中供入的实时电量,PD取0。
由于还存在离网型的发电设备,因此在充电时需要单独将离网型发电设备的发电量考虑进去,离网型的发电设备直接与储能装置连接,不经过电网,因此在放电时无需考虑该部分电量的调度,默认该部分电量为电池中储存的电量。
另一个原因是电池边冲边放产生的热效应大,而且难以精准进行管控和预测,因此放电和充电的电池组分开,所以在放电时不考虑该方面。
储能调用
当需要调度的量预测出后,需要根据预测合理的分配。
储能调用依靠储能调用模块,储能调用模块构建储能预测模型,获取电力调度曲线图的数据并输入储能预测模型,模拟储能装置运行状态,并输出储能装置的分配计划;
储能装置采用锂电池,当Pt-P′t-PC<0时,储能预测模型的计算公式如下:
式中,W为充电状态需要的储能装置台数,I为电池充电产生热量叠加环境热量之和与电池散热速度相同时对应的电流,P′e为离网发电预测量,U为充电电压;
接入电网,因此充电电压是稳定的。
电池充电产生热量叠加环境热量之和与电池散热速度相同时距离满负荷运行存在一定的调度空间,该电流通常为满负荷运行时电流的70%-85%,因此,尖峰状态平均分配到各个电池组上不会造成电池损坏,而且保持该电流无需反复调整,降低温度因素的干扰,稳定性比较高。
当σ逐渐增大时,实时调整至W台需要的储能装置台数,用电负荷呈波段性,因此存在上行或者下行阶段,上行阶段时逐渐调整即可;
例如计算出的W从12.5上行到13.2,在12.5-13.0对应的时间段内采用13组储能装置,在13.0-13.2对应的时间段内采用14组储能装置。
当σ逐渐减小时,保持储能装置台数不变,计算每台储能装置充电电流大小,具体的计算公式为:
判断I′与设定阈值Iz之间的大小,当I1≤Iz时,按照储能预测模型输出储能装置的计算公式调整至对应的台数;
当Iz≤I1≤I时,保持W台储能装置。
由于收到用电侧和发电侧双方影响,用电负荷存在一会下行,一会上行的情况,为了减少储能装置反复启动,因此在下行阶段会加以限制,避免出现储能装置反复启动。
其中,0.8I≤Iz≤0.9I。
例如,正常充电I1为10A,下行时,由于台数和电压不变,因此I1逐步下降,当降低到8A以下时才会降低一组电池组的数量。
当Pt-P′t-PC>0时,储能预测模型的计算公式如下:
式中,W′为放电状态需要的储能装置台数,I′为电池放电产生热量叠加环境热量之和与电池散热速度相同时对应的电流,U′为放电电压;
接入电网,因此放电电压是稳定的。
当σ逐渐增大时,实时调整至W′台需要的储能装置台数;
例如计算出的W′从13.1上行到14.2,在13.1-14.0对应的时间段内采用14组储能装置,在14.0-14.2对应的时间段内采用15组储能装置
当σ逐渐减小时,保持储能装置台数不变,计算每台储能装置放电电流大小,具体的计算公式为:
判断I′1与设定阈值I′z之间的大小,当I′1≤I′z时,按照储能预测模型输出储能装置的计算公式调整至对应的台数;
当I′z≤I′1≤I时,保持W′台储能装置。
其中,0.8I≤I′z≤0.9I。
例如,正常放电时I1为20A,下行时,由于台数和电压不变,因此I1逐步下降,当降低到16A以下时才会降低一组电池组的数量,因此,短暂的下行不会造成影响。
动态调整
由于所有的数据均是通过预测得出,而电池在使用时存在损耗,而且其受环境的影响较大,因此模型需要不断的调整,动态调整依靠动态调整模型。
动态调整模型实时获取数据获取模块采集的数据,将获取的储能装置温度数据与设定的工作温度进行比对,当储能装置温度数据不在正常工作状态阈值范围内时,调整储能预测模型,并结合实时获取的数据进行验证,验证后重新制定并输出分配计划。
动态调整模块还将预测的电网需求负荷数据与实际的电网需求负荷数据对比,将预测的新能源发电***发电数据与实际的并网新能源发电***发电数据进行比对,判断变化幅度是否处于设定阈值范围内,电网需求负荷变化幅度的计算公式如下:
式中,&为电网需求负荷变化幅度,P实为实际的电网需求负荷数据,设定阈值范围为[0,0.03];
日全食等环境突然变化造成的影响数据剔除,并且采用与前后周期内的平均数依次填补。
当电网需求负荷变化幅度不在阈值范围内时,重新分析影响电网需求负荷的因素以及因素对应的影响比例;
&越大,说明预测越不准确,当预测不准确时制定的计算将毫无用处。
并网新能源发电***发电变化幅度的计算公式如下:
式中,&′为新能源发电***发电变化幅度,P′实为实际的并网新能源发电***发电数据,设定阈值范围为[0,0.10];
并网新能源发电***发电数据与离网新能源发电***发电数据的计算公式完全相同,因此不做过多的描述。
由于新能源发电***的波动过大,因此对此的要求稍微降低。
当新能源发电***发电变化幅度不在阈值范围内时,重新分析影响新能源发电***发电的因素以及因素对应的影响比例。
电网向储能装置中充电时,当获取的储能装置温度数据大于设定的工作温度时,此时增加储能装置台数,同时降低储能装置的充电电流,每台储能装置的降低比例不同,在此基础上获取数据,直至储能装置温度数据稳定的保持在设定的工作温度,获取此时对应的电流I实数据,并且计算出调整的比例,计算公式如下:
然后计算出外界不同环境温度下对应的充电电流I调,I调=I×(1-ε),以该充电电流I调代替原有的充电电流I重新进行计算预测。
电池出现损耗后,其发热量会增加,因此随着使用时长的增加,充电电流I调会不断的减小。
储能装置向电网向储能装置中放电时,当获取的储能装置温度数据大于设定的工作温度时,此时增加储能装置台数,同时降低储能装置的放电电流,每台储能装置的降低比例不同,在此基础上获取数据,直至储能装置温度数据稳定的保持在设定的工作温度,获取此时对应的电流I′实数据,并且计算出调整的比例,计算公式如下:
然后计算出外界不同环境温度下对应的放电电流I′调,I′调=I′×(1-ε′),以该放电电流I′调代替原有的放电电流I′重新进行计算预测。
电池出现损耗后,其发热量会增加,因此随着使用时长的增加,放电电流I′调会不断的减小。
当充电电流I调和放电电流I′调降低到设定的阈值时需要更换电池组。
实施例2:如图3所示,用于储能***的统一底层控制方法,该方法基于实施例1的***,包括如下步骤:
获取储能装置的工作数据、电网需求负荷数据、稳定发电***发电数据以及新能源发电***的发电数据,并将新能源发电***的发电数据按照其输电方式分为并网发电数据和离网发电数据。
分析影响电网需求负荷的因素和影响新能源发电***发电的因素以及各个因素对应的影响比例,根据获取的数据对未来周期内的电网需求负荷数据、并网发电数据和离网发电数据进行预测。
计算未来周期内的电网需求负荷数据、稳定发电***发电数据以及并网发电数据的差值,生成电力调度曲线图;
构建储能预测模型,获取电力调度曲线图的数据并输入储能预测模型,模拟储能装置运行状态,并输出储能装置的分配计划。
实时获取数据获取模块采集的数据,将获取的储能装置温度数据与设定的工作温度进行比对,当储能装置温度数据不在正常工作状态阈值范围内时,调整储能预测模型,并结合实时获取的数据进行验证,验证后重新制定并输出分配计划。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.用于储能***的统一底层控制***,其特征在于,包括:
数据获取模块,获取储能装置的工作数据、电网需求负荷数据、稳定发电***发电数据以及新能源发电***的发电数据,并将新能源发电***的发电数据按照其输电方式分为并网发电数据和离网发电数据;
分析预测模块,分析影响电网需求负荷的因素和影响新能源发电***发电的因素,根据获取的数据对未来周期内的电网需求负荷数据、并网发电数据和离网发电数据进行预测;
调度计算模块,计算未来周期内的电网需求负荷数据、稳定发电***发电数据以及并网发电数据的差值,生成电力调度曲线图;
储能调用模块,构建储能预测模型,获取电力调度曲线图的数据并输入储能预测模型,模拟储能装置运行状态,并输出储能装置的分配计划;
动态调整模块,实时获取数据获取模块采集的数据,将获取的储能装置温度数据与设定的工作温度进行比对,当储能装置温度数据不在正常工作状态阈值范围内时,调整储能预测模型,并结合实时获取的数据进行验证,验证后重新制定并输出分配计划。
2.根据权利要求1所述的用于储能***的统一底层控制***,其特征在于:对未来周期的电网需求负荷、并网发电数据和离网发电数据进行预测时,对周期进行分段,按照等比例分成m个时间段120≤m≤240。
3.根据权利要求2所述的用于储能***的统一底层控制***,其特征在于:对未来周期内的电网需求负荷数据进行预测的步骤如下:
对获取的前一个周期内的电网需求负荷数据处理,将异常数据前后时间点的均值数据代替尖峰特性数据;
依据时间序列构建电网需求负荷预测模型,通过电网需求负荷预测模型预测未来周期内的电网需求负荷,具体的预测公式如下:
式中,Pt为预测的未来周期的电网需求负荷,Pt-1为上个周期的电网需求负荷,n为影响电网需求负荷的因素数量,λi为预测周期第i个影响电网需求负荷因子的影响比例,λi-1为上个周期第i个影响负荷的影响比例。
4.根据权利要求3所述的用于储能***的统一底层控制***,其特征在于:对未来周期内的并网发电数据进行预测的计算公式如下:
式中,P′t为并网发电数据的预测值,O为风力发电设备的数量,O′为光伏发电设备的数量,PA t-1为第A个风力发电设备上个周期的发电量,PB t-1为第B个光伏发电设备上个周期的发电量,k为影响风力发电的因素数量,k′为影响光伏发电的因素数量,λA i为预测周期第i个影响风力发电因子的影响比例,λA i-1为上个周期第i个影响风力发电因子的影响比例,λB i为预测周期第i个影响光伏发电的影响比例,λB i-1为上个周期第i个影响光伏发电因子的影响比例。
5.根据权利要求4所述的用于储能***的统一底层控制***,其特征在于:电力调度差值的计算公式如下:
σ=Pt-P′t-PC+PD
式中,PC为所有稳定发电***在m时间段的发电量,PD为调度的损耗量;
当Pt-P′t-PC>0时,σ为储能装置向电网中供入的实时电量;
当Pt-P′t-PC<0时,σ为电网向储能装置中供入的实时电量,PD取0。
6.根据权利要求5所述的用于储能***的统一底层控制***,其特征在于:储能装置采用锂电池,当Pt-P′t-PC<0时,储能预测模型的计算公式如下:
式中,W为充电状态需要的储能装置台数,I为电池充电产生热量叠加环境热量之和与电池散热速度相同时对应的电流,P′e为离网发电预测量,U为充电电压;
当σ逐渐增大时,实时调整至W台需要的储能装置台数;
当σ逐渐减小时,保持储能装置台数不变,计算每台储能装置充电电流大小,具体的计算公式为:
判断I′与设定阈值Iz之间的大小,当I1≤Iz时,按照储能预测模型输出储能装置的计算公式调整至对应的台数;
当Iz≤I1≤I时,保持W台储能装置。
其中,0.8I≤Iz≤0.9I。
7.根据权利要求6所述的用于储能***的统一底层控制***,其特征在于:当Pt-P′t-PC>0时,储能预测模型的计算公式如下:
式中,W′为放电状态需要的储能装置台数,I′为电池放电产生热量叠加环境热量之和与电池散热速度相同时对应的电流,U′为放电电压;
当σ逐渐增大时,实时调整至W′台需要的储能装置台数;
当σ逐渐减小时,保持储能装置台数不变,计算每台储能装置放电电流大小,具体的计算公式为:
判断I′1与设定阈值I′z之间的大小,当I′1≤I′z时,按照储能预测模型输出储能装置的计算公式调整至对应的台数;
当I′z≤I′1≤I时,保持W′台储能装置。
其中,0.8I≤I′z≤0.9I。
8.根据权利要求7所述的用于储能***的统一底层控制***,其特征在于:动态调整模块还将预测的电网需求负荷数据与实际的电网需求负荷数据对比,将预测的新能源发电***发电数据与实际的并网新能源发电***发电数据进行比对,判断变化幅度是否处于设定阈值范围内,电网需求负荷变化幅度的计算公式如下:
式中,&为电网需求负荷变化幅度,P实为实际的电网需求负荷数据,设定阈值范围为[0,0.03];
当电网需求负荷变化幅度不在阈值范围内时,重新分析影响电网需求负荷的因素以及因素对应的影响比例;
并网新能源发电***发电变化幅度的计算公式如下:
式中,&′为新能源发电***发电变化幅度,P′实为实际的并网新能源发电***发电数据,设定阈值范围为[0,0.10];
当新能源发电***发电变化幅度不在阈值范围内时,重新分析影响新能源发电***发电的因素以及因素对应的影响比例。
9.根据权利要求8所述的用于储能***的统一底层控制***,其特征在于:电网向储能装置中充电时,当获取的储能装置温度数据大于设定的工作温度时,此时增加储能装置台数,同时降低储能装置的充电电流,每台储能装置的降低比例不同,在此基础上获取数据,直至储能装置温度数据稳定的保持在设定的工作温度,获取此时对应的电流I实数据,并且计算出调整的比例ε,计算公式如下:
然后计算出外界不同环境温度下对应的充电电流I调,I调=I×(1-ε),以该充电电流I调代替原有的充电电流I重新进行计算预测。
10.根据权利要求9所述的用于储能***的统一底层控制***,其特征在于:储能装置向电网向储能装置中放电时,当获取的储能装置温度数据大于设定的工作温度时,此时增加储能装置台数,同时降低储能装置的放电电流,每台储能装置的降低比例不同,在此基础上获取数据,直至储能装置温度数据稳定的保持在设定的工作温度,获取此时对应的电流I′实数据,并且计算出调整的比例,计算公式如下:
然后计算出外界不同环境温度下对应的放电电流I′调,I′调=I′×(1-ε′),以该放电电流I′调代替原有的放电电流I′重新进行计算预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410478134.8A CN118300145A (zh) | 2024-04-19 | 2024-04-19 | 用于储能***的统一底层控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410478134.8A CN118300145A (zh) | 2024-04-19 | 2024-04-19 | 用于储能***的统一底层控制*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118300145A true CN118300145A (zh) | 2024-07-05 |
Family
ID=91685934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410478134.8A Pending CN118300145A (zh) | 2024-04-19 | 2024-04-19 | 用于储能***的统一底层控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118300145A (zh) |
-
2024
- 2024-04-19 CN CN202410478134.8A patent/CN118300145A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | Optimal allocation of hybrid energy storage systems for smoothing photovoltaic power fluctuations considering the active power curtailment of photovoltaic | |
US8571720B2 (en) | Supply-demand balance controller | |
CN110350518B (zh) | 一种用于调峰的电网储能容量需求评估方法及*** | |
CN111697578B (zh) | 多目标含储能区域电网运行控制方法 | |
CN110783959B (zh) | 一种新能源发电***的稳定状态控制*** | |
KR20190023791A (ko) | 신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법 | |
Xu et al. | Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation | |
CN108009681B (zh) | 一种基于电网负荷尖峰时段曲线提高风电消纳方法 | |
CN107017625B (zh) | 用于独立微电网的能量动态调度的方法和设备 | |
CN114036451A (zh) | 一种并网式光储充装置的储能控制方法及*** | |
Fan et al. | Scheduling framework using dynamic optimal power flow for battery energy storage systems | |
CN111641233A (zh) | 一种考虑新能源及负荷不确定性的电力***日内灵活调峰方法 | |
Yuan et al. | Bess aided renewable energy supply using deep reinforcement learning for 5g and beyond | |
Yin et al. | Health-aware energy management strategy toward Internet of Storage | |
CN118300145A (zh) | 用于储能***的统一底层控制*** | |
CN115663791A (zh) | 基于运行环境时变性的智能配电网多目标自适应调度方法 | |
CN112634076B (zh) | 一种计及灵活性储备的含风电多微网***分布式调控方法 | |
Li et al. | Development of control strategy to increase the lifetime of grid-connected Li-ion battery | |
Yu et al. | A Two-stage Model Predictive Control Strategy for Economical Operation of Microgrid | |
CN117748622B (zh) | 一种微电网多态协调控制方法及*** | |
Liu et al. | Innovative Energy Management System for Energy Storage Systems of Multiple-Type with Cascade Utilization Battery | |
CN114723236B (zh) | 一种电网边缘计算分界方法 | |
Li et al. | Energy Storage Capacity Allocation and Economic Evaluation for Improving PV Short-term Forecast Accuracy | |
CN117977655A (zh) | 海上风电储能配置方法及装置、存储介质、终端 | |
Wang et al. | Multi-level Optimization and Scheduling Strategy for Power Grid Considering Adjustable Resource Participation in Real-time Regulation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |