CN104184141A - 可再生能源发电控制方法及装置 - Google Patents

Abstract

本发明提供一种可再生能源发电控制方法及装置，其中，利用时间序列预测法得到可再生能源发电功率输出预测值，从而生成发电场在给定时间段内的发电功率计划曲线；根据实时观测得到的可再生能源发电功率数据，结合该发电场发电功率的历史数据，对所述给定时间段内的剩余时间的发电功率进行预测，从而生成发电场在所述给定时间段内的实时发电功率预测曲线；生成所述实时发电功率预测曲线和所述发电功率计划曲线之间的误差曲线；并且在基于所述误差曲线的误差值低于电池储能系统的可输出功率下限或者超出所述电池储能系统的可输出功率上限、且所述电池储能系统的荷电状态的值不在规定范围之内的情况下，根据所述误差曲线调整所述发电功率计划曲线。

Description

可再生能源发电控制方法及装置

技术领域

本发明涉及可再生能源发电优化调度及储能系统优化控制领域，尤其涉及一种基于短期发电预测及储能电池剩余容量限制条件下的可再生能源发电控制方法及装置。

背景技术

风力发电是实现我国能源和电力可持续发展战略的重要组成之一，随着我国风电大规模发展，风力发电在电力系统中所占的比重将会越来越大。由于风电输出功率具有很强的波动性、随机性，且风速及发电功率预测存在一定的误差，因此大规模的风电并网会给电力系统的安全稳定运行带来一系列技术难题。研究表明，如果风电装机容量占电网总容量的比例达到20％以上，电网的调峰能力和安全运行将面临巨大挑战。风电场输出功率的波动严重时可能导致电网系统崩溃。

电池储能技术作为一种可实现的、灵活的能量转换、存储技术，可以在很大程度上解决风力发电的随机性、波动性问题，平滑风电输出功率，提高风电的可控性，保证风力发电连续性和稳定性，减小风电输出功率波动性对电网的影响，使大规模风电能够方便可靠地并入常规电网，很好解除风电场难并网运行的瓶颈；通过合理配置还能有效增强风电机组的低电压穿越(LVRT)能力，增大风电穿透功率(WPP)；同时可以用于电网的“削峰填谷”，降低电网调峰负担，增加风电的经济效益和使用价值。

根据当前电网调度部门风电调度运行管理规范，风电场应该进行风电功率预测并制定发电计划，并向电网调度机构上报发电计划曲线。电网调度机构根据风电场的发电计划曲线即预测功率曲线，综合考虑电网运行情况，编制并下达风电场发电计划曲线。电网调度机构可根据超短期功率预测结果和实际运行情况对风电场发电计划曲线做出调整。对于风电场而言，常规做法一般是直接以风电功率预测值作为其计划输出上报上级调度单位作为发电计划曲线基础。因此，实际风电功率输出曲线与发电计划曲线可能会有较大偏差，从而导致电力系统运行备用容量过多或者不足，对电力系统稳定性带来一定影响，并降低电网的经济性。

中国专利CN102522763A公开了一种储能系统平抑风电功率波动的控制方法，该方法通过采集风电功率数据、风储合成输出、储能系统的荷电状态等数据，以单位时间内风电最大有功功率变化限值为控制目标，首先计算风电功率与风储输出的差值，并分别比较该差值与控制目标风电分钟级有功功率变化限值和电池储能系统最大输出限值，来判断电池储能系统是否参与风电输出调控；该方法的缺点是没有考虑到利用风电功率超短期预测技术，实时性较差。

中国专利CN102570505A公开了一种用于风电部分削峰填谷的电池储能系统控制方法，该方法利用了风电功率超短期预测技术，实时采集风电功率数据，并计算加权平均值，通过对比实时风电功率数据与加权平均值来判断是否启动电池储能系统进行充放电；该方法的缺点是，在判断是否启动电池储能系统进行充放电时只考虑基于预测值与实际值的比较是否出现“峰谷”特征，并未考虑储能电池的荷电状态。如果不考虑储能电池的荷电状态可能会对电池带来一定的危害，缩短电池寿命。

发明内容

为了克服现有技术的上述缺陷，提出了本发明。本发明的目的在于提供一种利用超短期预测技术及电池储能系统优化发电场发电计划曲线的控制方法及其控制装置，能够缓和由于可再生能源发电功率输出波动性带来的并网电压、频率稳定性问题。

根据本发明，提出了一种利用电池储能系统的可再生能源发电控制方法，包括：发电功率计划曲线生成步骤，根据预测出的表示可用于发电的可再生能源的自然属性的数据，利用时间序列预测法得到可再生能源发电功率输出预测值，从而生成发电场在给定时间段内的发电功率计划曲线；实时发电功率预测曲线生成步骤，根据实时观测得到的可再生能源发电功率数据，结合该发电场的发电功率的历史数据，对所述给定时间段内的剩余时间的发电功率进行预测，从而生成发电场在所述给定时间段内的实时发电功率预测曲线；误差曲线生成步骤，生成所述实时发电功率预测曲线和所述发电功率计划曲线之间的误差曲线；以及发电功率计划曲线调整步骤，在基于所述误差曲线的误差值低于电池储能系统的可输出功率下限或者超出所述电池储能系统的可输出功率上限、且所述电池储能系统的荷电状态的值不在规定范围之内的情况下，根据所述误差曲线调整所述发电功率计划曲线。

优选地，所述可再生能源是风能，在所述发电功率计划曲线生成步骤中，基于发电场所处地区的风速的观测值，利用时间序列预测法对风速进行预测得到第一风速预测值的序列，并且根据所述第一风速预测值，计算风电功率输出预测值即所述可再生能源发电功率输出预测值。

优选地，在所述发电功率计划曲线生成步骤中，对所述第一风速预测值的序列添加符合威布尔分布的随机扰动从而得到第二风速预测值的序列，并且根据所述第二风速预测值，计算所述风电功率输出预测值。

优选地，在所述实时发电功率预测曲线生成步骤中，利用时间序列预测法对所述给定时间段内的剩余时间的发电功率进行预测。

优选地，所述规定范围是0.3＜所述荷电状态的值＜0.9。

优选地，还包括：电池储能系统充放电控制步骤，在所述误差值落在所述可输出功率下限与所述可输出功率上限的范围内的情况下，根据所述误差值对所述电池储能系统进行充放电控制，在所述误差值低于所述可输出功率下限、且所述荷电状态的值在所述规定范围之内的情况下，根据所述可输出功率下限对所述电池储能系统进行充放电控制，在所述误差值超出所述可输出功率上限、且所述荷电状态的值在所述规定范围之内的情况下，根据所述可输出功率上限对所述电池储能系统进行充放电控制。

另外，本发明提出了一种利用电池储能系统的可再生能源发电控制装置，包括：发电功率计划曲线生成部，根据预测出的表示可用于发电的可再生能源的自然属性的数据，利用时间序列预测法得到可再生能源发电功率输出预测值，从而生成发电场在给定时间段内的发电功率计划曲线；实时发电功率预测曲线生成部，根据实时观测得到的可再生能源发电功率数据，结合该发电场的发电功率的历史数据，对所述给定时间段内的剩余时间的发电功率进行预测，从而生成发电场在所述给定时间段内的实时发电功率预测曲线；误差曲线生成部，生成所述实时发电功率预测曲线和所述发电功率计划曲线之间的误差曲线；以及发电功率计划曲线调整部，在基于所述误差曲线的误差值低于电池储能系统的可输出功率下限或者超出所述电池储能系统的可输出功率上限、且所述电池储能系统的荷电状态的值不在规定范围之内的情况下，根据所述误差曲线调整所述发电功率计划曲线。

在本发明的可再生能源发电控制方法，根据实时观测得到的可再生能源发电功率数据，结合发电场发电功率的历史数据，预测剩余时间的发电功率，从而生成发电场在给定时间段内的实时发电功率预测曲线，并且与发电场的用于报告给上级调度机构的给定时间段内的发电功率计划曲线相比较，生成误差曲线，在基于误差曲线的误差值低于电池储能系统的可输出功率下限或者超出所述电池储能系统的可输出功率上限、且电池储能系统的荷电状态的值不在规定范围之内的情况下，根据误差曲线调整发电功率计划曲线。据此，能够缓和由于可再生能源发电功率输出波动性带来的并网电压、频率稳定性问题。

附图说明

通过参考以下组合附图对所采用的优选实施方式的详细描述，本发明的上述目的、优点和特征将变得更显而易见，其中：

图1是可再生能源及电池储能系统调度控制示意图。

图2是优化控制装置示意图。

图3是发电计划优化控制方法过程说明示意图。

图4是日发电计划曲线、日实时预测曲线、误差曲线、日发电计划调整曲线示意图。

具体实施方式

在本发明中，通过超短期风速及风电功率预测技术得到实时预测曲线，并与给定时间段的(例如，日。以下，以给定时间段为“日”为例进行说明)上报发电计划曲线相比较，计算得到实时误差曲线(每15分钟可以计算得到一条误差曲线)。根据电池储能系统可输出功率上下限及荷电状态(SOC，stage of charge，即储能系统的能量余量占总量的百分比)判断是否能够利用电池储能系统“弥补”误差部分，如果能，则控制电池储能系统进行充放电，如果无法通过电池储能系统“弥补”误差部分，则需要调整发电计划曲线。最终实现风电场风电输出与发电计划误差最小化，本发明提出的储能优化控制策略能够缓和由于风力输出波动性带来的并网电压、频率稳定性问题，同时可以根据日发电计划曲线以及实时预测曲线计算得出电网的可优化备用容量，有利于合理安排风电并网后用于弥补风电功率预测误差造成的系统供用电不平衡；减少由于运行时刻的储能备用容量不合理利用带来的费用，提高电网经济性。

此外，基于该地区历史时期采集得到的实际风速数据，并对风速数据进行数据预处理，利用时间序列法进行风速(表示可用于发电的可再生能源的自然属性的数据)预测。将得到的风速预测序列，添加随机扰动后可以得到新的风速预测序列，由于风速分布属于威布尔分布，因此此处随机扰动也需要符合威布尔分布。

此外，根据预测得到的风速数据，获取的当地气象数据(空气密度)，风电场风机的相关数据(风轮扫风面积)及当地风能利用系数，利用以下风速与功率关系公式计算风电功率输出预测值，该预测曲线即为风电场日发电计划曲线(用于上报调度机构)；根据调度运行管理规范，发电日计划曲线需要在固定时间上报调度机构，因此，当发电日计划曲线上报后，可以认为是固定不变的；

$P=\frac{1}{2}{c}_{p}F{\mathrm{Sv}}^3$

式中P是风机实际获得的功率，单位是W；ρ是指空气密度，单位是kg/m³；S是风轮扫风面积，单位是m²；V是风速，单位是m/s；C_p是风能利用系数，极限值为0.593。

此外，利用风电场历史风电功率数据P_ij，以及当日采集到的实时风电功率数据P_reali，利用时间序列预测法预测当天剩余时间点数的风电功率P_forecaati，可以得出当日实时输出预测曲线。

将风电场当日实时输出预测曲线与风电场日发电计划曲线(上报调度机构)作比较，可以得到误差曲线_i；如果每15分钟计算一次当日实时输出预测曲线，则每15分钟可对误差曲线进行更新。

从电力监视控制装置中获取储能电池的实时可输出功率P_b，荷电状态SOC，可输出功率上下限P_limit0、P_limit1，判断误差是否落在电池储能系统的可输出功率上下限范围内及荷电状态区间：

如果落在上下限范围内，即P_limit0＜|ε|＜P_limit1，且SOC值在合理范围(0.3＜SOC＜0.9)之内则根据误差曲线值ε向电池管理系统下发控制指令；

如果超出上限，即P_limit1＜|ε|，且SOC值在合理范围(0.3＜SOC＜0.9)之内，则将上限值P_limit1发送给电池管理系统进行充放电控制；

如果低于下限，即|ε|＜P_limit0，且SOC值在合理范围(0.3＜SOC＜0.9)之内，则将下限值P_limit0发送给电池管理系统进行充放电控制；

如果超出上限，即P_limit1＜|ε|，且SOC值不在合理范围(0.3＜SOC＜0.9)之内，则电池储能系统不进行充放电；并根据误差曲线值ε对发电计划曲线进行调整；

如果低于下限，即|ε|＜P_limit0，且SOC值不在合理范围(0.3＜SOC＜0.9)之内，则电池储能系统不进行充放电；并根据误差曲线值ε对发电计划曲线进行调整。

当实时预测曲线与日发电计划曲线误差值超出电池储能系统的调控范围，为了减少由于误差太大导致电力系统运行的储能备用容量过多或者不足而对电力系统稳定性带来的影响，需要对日发电计划曲线进行调整，如果超出上限，即|ε|＞P_limit1，或者低于下限，即|ε|＜P_limit0，且SOC值不在合理范围(0.3＜SOC＜0.9)之内，则电池储能系统不参与发电计划优化控制及风电场功率波动控制；并根据误差曲线值ε及上下限对发电计划曲线进行调整，超出上限部分|ε|-P_limit1，低于下限部分P_limit0-|ε|，得到发电计划调整曲线。

可优化备用容量计算：由于风电功率预测值和实际值的偏差服从正态分布，基于此结论可以统计与计划日相似的历史时间范围内，各相似时段风电输出功率预测总量和实际输出总量的误差。如果将一天分为若干个时段，统计每个时段的预测输出误差分布。假设对于时段T，时间范围内共有N个时间点(间隔为15min)，历史数据时间长度为M天，则对于时段T，共有MN个输出误差数据，利用概率统计方法，可得到预测输出功率误差分布的期望和方差。由于风电并网情形下的新能源备用容量主要是指用于弥补风电功率预测误差造成的系统供用电不平衡的备用容量。因此风电输出误差对备用的需求的概率密度函数应该与风电功率预测误差概率分布函数相同。基于此结论，结合电力系统的可靠性指标，可以得出T时段的新能源备用容量T1；此外，还可以得到基于实时风电输出功率预测曲线的新能源备用容量T2，可优化备用容量可根据两者之差得出。

下面结合附图和具体实施方式做进一步说明。

图1所示为可再生能源与电池储能系统调度控制示意图，主要包括调度中心、可再生能源、电池储能系统及相应的控制系统等组成。

1)101表示可再生能源及电池储能系统的上级调度部门

2)102表示可再生能源及电池储能系统与电力系统的接口

3)103表示电能升压装置

4)104表示电路开断单元

5)108表示可再生能源与电池储能系统的监视及优化控制系统

6)114表示电池储能系统

7)113表示可再生能源，如大型风电场、光伏电站等

8)115表示电池储能系统能量控制系统，具有通信功能

9)105、106、107、109、110、111、112表示从其他装置或者系统获取信息所需要的信息传输载体及传输流向。

图2所示为可再生能源与电池储能系统的监视及优化控制系统示意图，可再生能源发电预测装置202从气象数据信息共享系统201中获取实时天气数据(风速、温度、风向、气压等数据)、从电力监控装置203中获取风机控制装置204采集的风机205的发电数据(风机功率、风轮面积等)进行发电量预测，并反馈给电力监控装置203；同时电力监控装置203通过PCS控制装置208，PCS控制装置208通过蓄电池控制装置209来获取电池储能单元(例如，蓄电池)210的输出功率、电池荷电状态、剩余容量等数据，将相关信息传送给发电计划运算装置207；发电计划运算装置207根据从电力监控装置203获取到的风机功率预测数据、电池相关数据，计算是否需要调整发电计划，如果需要则计算发电计划调整曲线，并将相关数据发送给电力系统侧206。

图3所示为发电计划优化控制方法过程说明图，本发明首先利用时间序列法进行超短期风速预测，风速时间序列预测是指已知一个时间序列现在和过去的观测值(图3所示301环节)，并对该时刻将来的风速进行估计，一个时间序列的m步预测是指根据已知的{x_t，t＝1，2，...n}取值代入建立好的预测模型之后，对t+m时刻的风速x_t+m(m＞0)做出估计，并且m步的预测值要用到t+(m-1)时刻风速的预测值，以此类推；利用时间序列法进行预测，主要的预测模型为ARMA模型，利用风速观测数据序列建立的ARMA(n，m)模型如下：

$X_t=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\φ}}_i{x}_{t-1}+{\mathrm{\α}}_i-\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\θ}}_i{\mathrm{\α}}_{t-j}$

其中，φ_i(i＝1，2....n)为自回归参数；θ_j(j=1，2....m)为滑动平均参数；α_t是零均值、方差为的正太白噪声过程，即对于原始风速序列，当其值过大或者过小时，为了保证计算精度，需要对原始的风速序列做如下标准化处理(图3所示302环节)：

$x_t=\frac{{x_t}^{\left(0\right)}-{\mathrm{\μ}}_x}{{\mathrm{\σ}}_x}$

式中，μ_x与分别为{x_t ⁽⁰⁾}的均值和方差的估值；得到标准化的风速序列之后，再利用Yule-Walker法估计及极大似然估计和AIC准则函数分别对时间序列预测模型进行模型参数估计与定阶；计算得出模型参数和阶数之后，则可以利用已有的风速序列进行预测，得出风速预测值序列

由于风速分布一般均为正偏态分布，用于拟合风速风布的线型很多，威布尔分布双参数曲线比较适用于描述风速分布特性，威布尔分布是一种单峰，两参数的分布函数簇，其概率密度函数为：

$P\left(x\right)=\frac{k}{c}{\left(\frac{x}{c}\right)}^{k-1}\exp [-{\left(\frac{x}{c}\right)}^k]$

式中，k和c为威布尔分布的两个参数，k为形状系数，取值范围1.8-2.3，一般取k＝2，c为尺度系数，反映所描述地区的年平均风速。对得到的风速预测值序列添加符合威布尔分布的一个随机扰动rand(ε)(图3所示304环节)后可以得到新的风速预测值序列(图3所示304环节)，由于风速分布属于威布尔分布，因此此处随机扰动也需要符合威布尔分布。

根据得到的风速预测值序列按照如下计算公式得到风电功率预测值序列(图3所示305、306环节)作为当日发电计划曲线 $\left\{P_t^{\mathrm{pian}}\right\}:$

式中P是风机实际获得的功率，单位是W；ρ是指空气密度，单位是kg/m³；S是风轮扫风面积，单位是m²；V是风速，单位是m/s；C_p是风能利用系数，极限值为0.593。

根据实时观测得到的风电功率数据，结合该风电场风机发电功率的历史数据，对当天剩余时间的风电功率进行预测，例如，已知2007年5月1日至2008年9月1日时间段内若干台风电机组输出功率数据，以及各机组2008年9月2日0:00-6:00的当日实时输出功率，将历史风电机组输出功率数据和当日实时输出功率数据作为参数，利用时间序列法预测当日6:15-24:00各机组的输出功率；得到当日实时风电功率预测曲线

将得到的日实时风电功率预测曲线以及当日发电计划曲线作比较可得到误差曲线(图3所示307环节)：

${\{\mathrm{\ϵ}}_t=P_t^{\mathrm{Real}\mathrm{timeforecast}}-P_t^{\mathrm{plan}}\}$

如图2所示的电池控制装置可以通过采集电池的实时充放电电压、电流、温度、内阻等参数，实时预测电池的荷电状态SOC(图3所示308环节)；电力监控装置可以实时监测储能电池的充放电状态，并可以从电池管理系统BMS中获取到实时预测的SOC值，根据SOC可以计算得到输出功率；发电计划运算装置根据获取到的实时SOC值确定的储能电池输出功率上下限P_limit0，P_limit1，利用SOC确定电池输出功能的上下限方法有很多种，本实施例中采用经验数据进行确定，根据得到的P_limit0，P_limit1以及误差曲线ε_t进行如下判断(图3所示309环节)：

1)如果ε_t＞0，且P_limit0＜|ε_t|＜P_limit1，0.3＜SOC＜0.9，则发电计划运算装置将ε_t发送给电力监控装置，再由电力监控装置发给电池控制装置控制储能电池进行充电；

2)如果ε_t＜0，且P_limit0＜|ε_t|＜P_limit1，0.3＜SOC＜0.9，则发电计划运算装置将ε_t发送给电力监控装置，再由电力监控装置发给电池控制装置控制储能电池进行放电；

3)如果ε_t＞0，且P_limit1＜|ε_t|，0.3＜SOC＜0.9，则发电计划运算装置将P_limit1发送给电力监控装置，再由电力监控装置发给电池控制装置控制储能电池进行充电；

4)如果ε_t＜0，且P_limit1＜|ε_t|，0.3＜SOC＜0.9，则发电计划运算装置将P_limit1发送给电力监控装置，再由电力监控装置发给电池控制装置控制储能电池进行放电；

5)如果ε_t＞0，且|ε_t|＜P_limit0，0.3＜SOC＜0.9，则发电计划运算装置将P_limit0发送给电力监控装置，再由电力监控装置发给电池控制装置控制储能电池进行充电；

6)如果ε_t＜0，且|ε_t|＜P_limit0，0.3＜SOC＜0.9，则发电计划运算装置将P_limit0发送给电力监控装置，再由电力监控装置发给电池控制装置控制储能电池进行放电；

7)如果超出上限，即|ε_t|＞P_limit1，且SOC值不在合理范围之内(0.3＜SOC＜0.9)，则电池储能系统不进行充放电；并根据误差曲线值ε对发电计划曲线中超出合理范围之内的发电量进行自动调整(弃电)。

8)如果低于下限，即|ε_t|＜P_limit0，且SOC值不在合理范围之内(0.3＜SOC＜0.9)，则电池储能系统不进行充放电；并根据误差曲线值ε对发电计划曲线中超出合理范围之内的发电量进行自动调整(弃电)。

误差曲线ε_t超出上限部分为|ε_t|-P_limit1，低于下限部分为P_limit0-|ε_t|，(图3所示310环节)得到发电计划调整曲线。

日发电计划曲线、日实时预测曲线、误差曲线、日发电计划调整曲线如图4所示。

可优化储能备用容量计算：

根据日计划曲线所在日期的天气数据确定与计划日相似的过去n年内的历史时间范围T，并从电力调度部门或风电场调度中心获取得到过去n年该历史时间范围T内每一日的风电输出功率实际数据；

针对历史范围T的任何一天，将其分为若干个时段。假设对于时段T有N个时间点(间隔为15min)，如果该历史时间范围T的天数为M的话，则对于时段T，可得到MN个输出误差数据，由于预测值和实际值的误差服从正态分布，因此利用正态分布的概率密度函数以及似然函数可计算得到误差分布的期望μ_h以及误差分布的方差σ_h：

$f_{{\mathrm{\μ}}_h,{\mathrm{\σ}}_h}\left(\mathrm{\δ}\right)=\frac{1}{{\mathrm{\σ}}_h\sqrt{2\mathrm{\π}}}\exp [-\frac{{(\mathrm{\δ}-{\mathrm{\μ}}_h)}^2}{2{{\mathrm{\σ}}_h}^2}]$

$\ln L({\mathrm{\μ}}_h,{{\mathrm{\σ}}_h}^2)=\underset{i=1}{\overset{\mathrm{MN}}{\mathrm{\Π}}}\ln \left(\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_h}\right)-\frac{1}{2{{\mathrm{\σ}}_h}^2}{(\mathrm{\δ}-{\mathrm{\μ}}_h)}^2$

由于风电并网情形下的新能源备用容量主要是指用于弥补风电功率预测误差造成的系统供用电不平衡的备用容量。因此风电输出误差对备用的需求的概率密度函数应该与风电功率预测误差概率分布函数相同。因此对于给定的电力系统可靠性指标α，误差分布的期望μ_h以及误差分布的方差σ_h，根据如下公式可以计算得到T时段的新能源备用容量R_h ^T

${\∫}_0^{{R_h}^T}\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_h}\exp (-\frac{{(\mathrm{\δ}-{\mathrm{\μ}}_h)}^2}{2{{\mathrm{\σ}}_h}^2})\mathrm{d\δ}=\mathrm{\α}$

对于当日的实时预测曲线，也可以计算得到当日T时段的所需要实时新能源备用容量R’_h ^T。因此T时段的可优化备用容量为：

${{R^{\′}}_h}^{T_{\mathrm{Optimal}}}={{R^{\′}}_h}^T-{R_h}^T$

虽然，在上述的具体实施例中，以可再生能源为风电为例进行了说明，但是本发明所涉及的可再生能源发电控制方法及其装置也能够适用于其他可再生能源发电的情况，例如，光伏发电具有波动性和间歇性，根据对光伏输出功率可以产生影响的自然条件的分析和预测，本发明提及到的优化控制方法和新能源备用容量也同样适用。

尽管以上已经结合本发明的优选实施例示出了本发明，但是本领域的技术人员将会理解，在不脱离本发明的精神和范围的情况下，可以对本发明进行各种修改、替换和改变。因此，本发明不应由上述实施例来限定，而应由所附权利要求及其等价物来限定。

Claims (8)

1.一种利用电池储能系统的可再生能源发电控制方法，包括：

发电功率计划曲线生成步骤，根据预测出的表示可用于发电的可再生能源的自然属性的数据，利用时间序列预测法得到可再生能源发电功率输出预测值，从而生成发电场在给定时间段内的发电功率计划曲线；

实时发电功率预测曲线生成步骤，根据实时观测得到的可再生能源发电功率数据，结合该发电场的发电功率的历史数据，对所述给定时间段内的剩余时间的发电功率进行预测，从而生成发电场在所述给定时间段内的实时发电功率预测曲线；

误差曲线生成步骤，生成所述实时发电功率预测曲线和所述发电功率计划曲线之间的误差曲线；以及

发电功率计划曲线调整步骤，在基于所述误差曲线的误差值低于电池储能系统的可输出功率下限或者超出所述电池储能系统的可输出功率上限、且所述电池储能系统的荷电状态的值不在规定范围之内的情况下，根据所述误差曲线调整所述发电功率计划曲线。

2.根据权利要求1所述的可再生能源发电控制方法，其中，

在所述发电功率计划曲线调整步骤中，调整所述发电功率计划曲线，使得修正后的所述误差曲线落在所述可输出功率下限与所述可输出功率上限的范围内、且所述荷电状态的值处于规定范围之内。

3.根据权利要求1所述的可再生能源发电控制方法，其中，

所述可再生能源是风能，

在所述发电功率计划曲线生成步骤中，基于发电场所处地区的风速的观测值，利用时间序列预测法对风速进行预测得到第一风速预测值的序列，并且根据所述第一风速预测值，计算风电功率输出预测值即所述可再生能源发电功率输出预测值。

4.根据权利要求1所述的可再生能源发电控制方法，其中，

所述可再生能源是风能，

在所述发电功率计划曲线生成步骤中，基于发电场所处地区的风速的观测值，利用时间序列预测法对风速进行预测得到第一风速预测值的序列，并且对所述第一风速预测值的序列添加符合威布尔分布的随机扰动从而得到第二风速预测值的序列，根据所述第二风速预测值，计算所述风电功率输出预测值。

5.根据权利要求1所述的可再生能源发电控制方法，其中，

在所述实时发电功率预测曲线生成步骤中，利用时间序列预测法对所述给定时间段内的剩余时间的发电功率进行预测。

6.根据权利要求1所述的可再生能源发电控制方法，其中，

所述规定范围是0.3＜所述荷电状态的值＜0.9。

7.根据权利要求1所述的可再生能源发电控制方法，其中，还包括：

电池储能系统充放电控制步骤，在所述误差值落在所述可输出功率下限与所述可输出功率上限的范围内的情况下，根据所述误差值对所述电池储能系统进行充放电控制，在所述误差值低于所述可输出功率下限、且所述荷电状态的值在所述规定范围之内的情况下，根据所述可输出功率下限对所述电池储能系统进行充放电控制，在所述误差值超出所述可输出功率上限、且所述荷电状态的值在所述规定范围之内的情况下，根据所述可输出功率上限对所述电池储能系统进行充放电控制。

8.一种利用电池储能系统的可再生能源发电控制装置，包括：

发电功率计划曲线生成部，根据预测出的表示可用于发电的可再生能源的自然属性的数据，利用时间序列预测法得到可再生能源发电功率输出预测值，从而生成发电场在给定时间段内的发电功率计划曲线；

实时发电功率预测曲线生成部，根据实时观测得到的可再生能源发电功率数据，结合该发电场的发电功率的历史数据，对所述给定时间段内的剩余时间的发电功率进行预测，从而生成发电场在所述给定时间段内的实时发电功率预测曲线；

误差曲线生成部，生成所述实时发电功率预测曲线和所述发电功率计划曲线之间的误差曲线；以及

发电功率计划曲线调整部，在基于所述误差曲线的误差值低于电池储能系统的可输出功率下限或者超出所述电池储能系统的可输出功率上限、且所述电池储能系统的荷电状态的值不在规定范围之内的情况下，根据所述误差曲线调整所述发电功率计划曲线。