CN105207243A - 一种用于风电场实时功率预报修正的电池能量管理方法 - Google Patents
一种用于风电场实时功率预报修正的电池能量管理方法 Download PDFInfo
- Publication number
- CN105207243A CN105207243A CN201510651416.4A CN201510651416A CN105207243A CN 105207243 A CN105207243 A CN 105207243A CN 201510651416 A CN201510651416 A CN 201510651416A CN 105207243 A CN105207243 A CN 105207243A
- Authority
- CN
- China
- Prior art keywords
- battery
- discharge
- charge
- energy
- actual
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Wind Motors (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种用于风电场实时功率预报修正的电池能量管理方法,所述方法不仅从功率预报误差修正的主动需求出发,在考虑变换器效率及自放电因素下,对基本处于连续不完全充放电交替工作复杂状态的电池荷电状态进行动态预测与管理。而且结合电池实际充放电电流时间积分监测量,进一步修正实际SOC变化,同时修正输入输出电能与电池荷电量当量关系参数,修正变换器效率及自放电效率,判断电池健康使用情况,统计使用周期数,方便后续的SOC预测。本发明带来的有益效果是:用电池充放电过程外围电路输入输出参数来估计电池SOC动态变化,解决了电池模型构建难的问题,实现电池科学管理,有效延长电池寿命,达到风电场预报精准要求。
Description
技术领域
本发明公开了一种用于风电场实时功率预报修正的电池能量管理方法,属于风力发电系统控制的技术领域。
背景技术
风能为代表的清洁能源在近年来快速发展,当今世界环境污染加重和传统能源枯竭,二次能源替代传统燃料迫在眉睫,风电以其使用清洁,成本较低,取用不尽的优点已经成为最具商业潜力、最具活力的可再生能源之一。
我国早在2011年国家能源局便下发通知,明确要求各风场开展功率预测,根据预测情况进行风电的有效调控及并网消纳。风电场每5分钟需更新一次未来4小时的风电功率预报,每天更新一次或两次未来24小时的风电功率预报。风功率预报目前仍是一个难题,制约着风能资源发挥更大作用,而弃用风电和并网等问题也困扰着相关行业。
从技术方面来说,风电场风电功率预报对于风电的稳定发展至关重要,由预报结果实时对电网调度计划进行相应调整,可以有效减轻风电对电网的不利影响,提高风电穿透功率极限,减少电力系统运行成本,提高风电场运行效益,使风能由劣质能源转化为优质能源。
风的预报在气象预报中本就是有一定挑战性的,不可能做到100%准确。造成风力发电功率动态输出偏离功率预报数值。而电池具有灵活的充放电特性和相对成熟的技术,正好可以用来动态吸纳或补充风电场预测过程中所无法预见的冗余功率或积欠功率,可以将其应用于平滑风电功率预制误差,提高风电功率预报的精度。这样就可以利用较小的储能电池容量,通过快速的电能动态存取,实现较大功率的调节,提高风力发电系统运行的稳定性和供电的可靠性,从而应用于工程实际。
其中,储能作为核心技术,荷电状态的在线管理一直是该领域的难题,为进一步提高电池利用效率,提高使用寿命,降低经济成本,保护环境,大量科研人员已经投入了大量的人力和物力,在该领域开展进一步开发和研究,聚焦于电池荷电状态SOC的预测、能量的有效管理和利用。
由于电池SOC不能直接测量,所以只能通过其它参数和方法间接获得。国内比较早的研究有最小二乘法来进行电池模型的参数识别,该种方法无法SOC做出最小方差意义上的最优估计。利用充放电电流积分实时计算电池电量变化,再根据SOC的初始值计算电池可用电量,这种方法在简单的试验工作条件下比较实用,但是初始值很难精确测定。随着SOC算法研究的深入,新的智能算法不断涌现,如神经网络法和模糊推理法、容量衰减法、电化学阻抗谱法及粒子群算法。将模糊逻辑与神经网络结合起来用于估算SOC,模糊系统的输入量为电池电流、温度、初始容量,通过模糊推理,求出电池的电压降,把电压降和端电压作为估计的电池开路电压,然后通过神经网络实现由开路电压到剩余容量的估计,这类方法和整个网络模型的速度与算法有关,一般都要耗费较长的时间,需要确立算法函数。2011年之后,有学者引进阻抗谱概念,从阻抗角度,对电池等效模型进行参数求解,利用电池的阻抗谱与电荷状态规律,通过电路模型预测出电池的SOC。但是为了表现电池的动态特性,电化学模型需要建立多组复杂的、时变的偏微分方程,求解这些方程通常耗费大量的时间。同样,使用容量衰减法从容量衰减的角度研究锂离子电池,其研究思路就是利用等效电路模型结合数据驱动的方法。
虽然新进文献提到利用自适应预测(PAEP)预测电动车辆电池SOC,依托于基本模型,控制能量预测误差在2%以下。但由于应用场合有别,电动汽车基本处于连续的充电或连续放电过程,红绿灯或刹车时,可以测量其外部开路电压,也可测试其内阻抗变化,基本以充放电完整循环周期计量循环次数。能获取更多参数。用于风力发电系统实时风功率预报修正的电池工作模式基本处于连续不完全充放电交替工作状态,因此能量管理要复杂多。研究一种能对不完全充放电能量进行有效管理的策略显得尤有必要。
发明内容
为解决现有技术的不足,本发明的目的在于提供一种用于风电场实时功率预报修正的电池能量管理方法,通过用电池充放电过程外围电路输入输出参数来估计电池SOC动态变化,解决电池模型构建难的问题,实现电池科学管理,有效延长电池寿命,达到风电场预报精准要求。
为了实现上述目标,本发明采用如下的技术方案:
一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,包括如下步骤:
1)通过实际风电功率采样周期内功率预报误差修正所需消纳的电能值来预测此采样周期T内电池所需充放的荷电量,估计本采样周期T末的电池荷电状态,并结合监测的电能及荷电量变化实际值,动态修正电池的荷电状态;
1.1)离线对新进电池参数检测,根据新电池出产时的数据,在正式投入使用前通过1到2次完整充放电实验获取;
1.2)系统实际投入运行时,由风功率预报采样周期T点的预测值与实际采样值的误差数据,对采样周期T内需输入输出做功电能值进行计算;We(nT)表示预报功率与实际功率差值在第n个预报周期内的做功情况;Pe(nT)为第n个预报采样点预报功率与实际功率的误差;
每个预报采样点内有m个实际功率采样周期,实际采样周期l为m个采样周期的任一点,表示T周期内的第l点的预报功率;每两个预报点之间的功率采用直线拟合,用两点直线拟合P(n-1)T到PnT的变化轨迹,并求取两预报点之间的动态预报数据;
1.2.1)由预报误差预测输入输出电能变化,为正,表示实际风力发电功率小于预报设定值,需要储能系统提供的能量,此时 为负,表示实际风力发电功率大于预报设定值,需要储能系统储存的能量,此时
对采样周期T内电池荷电情况变化进行预测,并根据实际电流时间积分,修正当量系数k;如果为正,则充电电流ic为零,储能系统需要放电,存在放电电流id,按放电过程荷电量变化量Qd=kdWout估计荷电状态变化量如果为负,则放电电流id为零,储能系统需要充电,存在充电电流ic,按充电过程荷电量变化量Qc=kcWin估计荷电状态变化量 荷电状态预测值
1.2.2)按实际监测数值修正相关参数:第n个预报采样周期内实际监测该周期间隔内第l个内的电池荷电变化量 对照先前荷电变化量预测由ΔQ-ΔQ′来进一步修正当量常数kd或kc;当|Wint-Woutt/(ηbc1*ηbd1*σ1)|≈0.5Win1时,修正 Qkt的修正在风电场故障检修时经过一次完整的充放电循环进行,k为完成循环的次数;
1.3)对充放电累计值ΔQzong进行过充过放管理:储能系统平繁充放电过程中,对应充放电电量累加统计,充电为正,放电为负,充电或放电累计值始终不能超越值Qkt,控制
当电池充电过程剩余可充荷电量Qcs或放电过程剩余可放荷电量Qds小于采样周期T内风电预报误差修正要求对应荷电量时,以电池的荷电状态SOC的充放电保护极限对应的可用荷电量作为标准,提前调整修正量,通过输入输出电能限制调整充放电量;
2)对电池生命周期进行预测:
2.1)根据风电输出每次采样得到的周期T内的数据,如果为正,修正误差输出的电能累计入Woutm;如果为负,修正误差输入的电能累计入Winn;
2.2)当满足|Woutm-0.5Wout1|≤γ且Winm≥0.5Win1;或且Woutm≥0.5Wout1时,符合条件的m或n值即为半个循环周期数;
2.3)根据系统修正需求,输出总和与输入总和分别与基准值0.5Win1,0.5Wout1相比,其中较小值就是目前完成半个循环的次数;
3)电池健康状态的诊断:根据上述步骤所得的效率系数及相关修正参数,利用循环计量法,采用如下办法进行电池健康状态监测:
用某时间段输入输出储能装置过程的电能及电池本身的荷电量变化绝对损耗或此过程的相对损耗来监测;
或在计及电池自放电效率及充放电变换器效率情况下,对于同等的充放荷电量,监测输入输出电能的实际数量,由电能损耗在多次循环中的数值变化趋势,判断电池健康状态;
或对于计及传输效率的同等的输入输出电能,监测充放电的实际荷电量变化,由荷电量自放电损耗在多次循环中的数值变化趋势,判断电池健康状态;
或根据充放电传输效率与自放电效率变化趋势来判断电池健康状态;
选定上述某一循环计量过程,对某一时间段t,当时,利用此过程中Woutt与Wint关系修正如果ηbk<30%,表明电池寿命已到。
前述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤1.1)中涉及到的字母含义如下:其中,直交变换器DC/AC与DC/DC变换器与总效率为η,DC/AC变流器效率为ηa,DC/DC变换器效率为ηb,由电池自放电造成的电池充放电效率为σ;电池充电效率为ηbc,放电效率为ηbd,充电过程输入电能与电池荷电量对应当量系数为kc,电池放电过程输出电能与荷电量对应当量系数为kd,损耗的电荷量为ΔQsh,损耗的电能ΔWsh,输入电能为Win,输出电能为Wout;参数ηk、ηbk、σk、ηbck、ηbdk、kck、kdk、ΔQshk、ΔWshk、Wink、Woutk、Qck,Qdk分别表示对应的参数在第k次充放电循环时的值。
前述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤1.1)具体采用如下方法:放空电池剩余荷电量至红灯亮,第一次充电至绿灯亮,在充电同时监测充电器供电电能数值,记下此次完整充电过程的电流时间积分值,积分电流采样取自电池端,供电电压电流监测取自充电变流器的输入端;此过程的荷电量变化与充电供电量的对应关系:Qc1=kc1Win1;同样,由输出的负荷侧获得的电能监测来获取放电过程荷电量变化与负载端获得的电能之间的关系: Qd1=kd1Wout1;
第一次从完整充放电电能输入与输出角度,计及变流器损耗及自放电,由双向DC控制器与电池构成的储能系统总效率η1=ηa*ηb1,自放电效率电池充满再放空过程中损耗的电能ΔWsh1=Win1-Wout1,自放电损耗的荷电量ΔQsh1=Qc1-Qd1;Qcref为充电过程的电流时间积分,Qdref为放电过程的电流时间积分。
前述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤1.2)中动态预报数据如下:
电池能量管理划分为每个预报采样周期内的m个点计算所需储能:为第n个预报采样周期内第l点预报误差,对应的误差修正所需储能为:
前述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤1.2)中的采样周期T为10分钟。
前述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤1.2.1)中初值Q0取0.5Qc1,电量荷电状态SOC值在0到1之间变化;σk是k次完整充放电循环统计修正后的蓄电池容量自放电引起的效率,表示存储的荷电量与放出的荷电量的实际监测值动态关系,表现为放电量与充电量的比值;充放电过程中自放电效率实际动态过程按0.5Qkt修正电池初始荷电量。
前述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤2.2)中γ,ζ为相当小数值的功率值,根据经验值选取。
前述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤3)中:用某时间段输入输出储能装置过程的电能及电池本身的荷电量变化绝对损耗或此过程的相对损耗来监测的步骤如下:由式监测t0到t1实际充电所需电能,由式监测对应时段电池储存的电荷量,根据实际当量kc监测变化趋势判断电池健康状况;或及对应时段实际放电量根据实际当量kd监测变化趋势判断电池健康状况;
在计及电池自放电效率及充放电变换器效率情况下,对于同等的充放荷电量,监测输入输出电能的实际数量,由电能损耗在多次循环中的数值变化趋势,判断电池健康状态的步骤如下:对于给定的充放电电荷量,统计对应的输入输出电能,统计ΔW与效率,ΔW=Win-Wout,Win≥ΔW+Wout,判断电池使用健康情况;
对于计及传输效率的同等的输入输出电能,监测充放电的实际荷电量变化,由荷电量自放电损耗在多次循环中的数值变化趋势,判断电池健康状态的步骤如下:在每次循环统计期内,对于与Wint1,Wout2同样数量的输入输出电能,比较ΔQshk变化,如果损耗数量突然增加幅值增大,表示电池健康状况出现问题,或者使用生命周期即将结束,接近报废;
根据充放电传输效率与自放电效率变化趋势来判断电池健康状态的步骤如下:由计算实际损耗,进而计算自放电效率监测电池的使用健康情况。
本发明所达到的有益效果:(1)通过对风电功率预报与10分钟实际采样功率误差,预估该周期内电池需要存储或释放的电能,通过当量系数,进而对电池的荷电状态变化量进行估计,从而控制电池的过充过放。有效利用电池寿命;(2)在预报修正过程中,动态监测输入或输出电能及存储或释放电荷量,及时修正容量初值,修正充放电效率、当量系数及其他参数,提高荷电状态预测误差;(3)电池动态修正预报误差过程中,针对连续不完全交替充放电情况,提出利用实时动态统计方法,进行电池充放电循环周期数的统计,便于估计电池的剩余寿命;(4)利用不同的电池健康状态判别方法,便于多角度监测电池使用过程的健康状态,及时尽早维护,减少预报修正工作的不利影响。
附图说明
图1是储能电池能量管理策略示意图;
图2是风电功率储能嵌入实时修正硬件连接图;
图3是某风场风电功率监控曲线;
图4是功率预报误差与电池修正时所需电能对应示意图;
图5是储能系统实时修正双闭环控制示意框图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
图1所示,一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,包括如下步骤:
1)通过实际风电功率采样周期内功率预报误差修正所需消纳的电能值来预测此采样周期T内电池所需充放的荷电量,估计本采样周期T末的电池荷电状态,并结合监测的电能及荷电量变化实际值,动态修正电池的荷电状态;
1.1)离线对新进电池参数检测,根据新电池出产时的数据,在正式投入使用前通过1到2次完整充放电实验获取;放空电池剩余荷电量至红灯亮,第一次充电至绿灯亮,在充电同时监测充电器供电电能数值,记下此次完整充电过程的电流时间积分值,积分电流采样取自电池端,供电电压电流监测取自充电变流器的输入端;此过程的荷电量变化与充电供电量的对应关系:Qc1=kc1Win1;同样,由输出的负荷侧获得的电能监测来获取放电过程荷电量变化与负载端获得的电能之间的关系:
kck和kdk的取值均是按照上述步骤得到的。
第一次从完整充放电电能输入与输出角度,计及变流器损耗及自放电,由双向DC控制器与电池构成的储能系统总效率η1=ηa*ηb1,自放电效率电池充满再放空过程中损耗的电能ΔWsh1=Win1-Wout1,自放电损耗的荷电量ΔQsh1=Qc1-Qd1;Qcref为充电过程的电流时间积分,Qdref为放电过程的电流时间积分。
其中,涉及的字母含义如下,直交变换器DC/AC与DC/DC变换器与总效率为η,DC/AC变流器效率为ηa,DC/DC变换器效率为ηb,由电池自放电造成的电池充放电效率为σ;电池充电效率为ηbc,放电效率为ηbd,充电过程输入电能与电池荷电量对应当量系数为kc,电池放电过程输出电能与荷电量对应当量系数为kd,损耗的电荷量为ΔQsh,损耗的电能ΔWsh,输入电能为Win,输出电能为Wout;参数ηk、ηbk、σk、ηbck、ηbdk、kck、kdk、ΔQshk、ΔWshk、Wink、Woutk、Qck,Qdk分别表示对应的参数在第k次充放电循环时的值。
1.2)系统实际投入运行时,由风功率预报采样周期T点的预测值与实际采样值的误差数据,对采样周期T内需输入输出做功电能值进行计算;We(nT)表示预报功率与实际功率差值在第n个预报周期内的做功情况;Pe(nT)为第n个预报采样点预报功率与实际功率的误差;
每个预报采样点内有m个实际功率采样周期,实际采样周期l为m个采样周期的任一点,表示T周期内的第l点的预报功率;每两个预报点之间的功率采用直线拟合,用两点直线拟合P(n-1)T到PnT的变化轨迹,并求取两预报点之间的动态预报数据;动态预报数据如下:
电池能量管理划分为每个预报采样周期内的m个点计算所需储能:为第n个预报采样周期内第l点预报误差,对应的误差修正所需储能为: 一般采样周期T为10分钟。
1.2.1)由预报误差预测输入输出电能变化,为正,表示实际风力发电功率小于预报设定值,需要储能系统提供的能量,此时 为负,表示实际风力发电功率大于预报设定值,需要储能系统储存的能量,此时
对采样周期T内电池荷电情况变化进行预测,并根据实际电流时间积分,修正当量系数k;如果为正,则充电电流ic为零,储能系统需要放电,存在放电电流id,按放电过程荷电量变化量Qd=kdWout估计荷电状态变化量如果为负,则放电电流id为零,储能系统需要充电,存在充电电流ic,按充电过程荷电量变化量Qc=kcWin估计荷电状态变化量 荷电状态预测值
σk是k次完整充放电循环统计修正后的蓄电池容量自放电引起的效率,表示存储的荷电量与放出的荷电量的实际监测值动态关系,表现为放电量与充电量的比值;充放电过程中自放电效率实际动态过程按0.5Qkt修正电池初始荷电量。
1.2.2)按实际监测数值修正相关参数:第n个预报采样周期内实际监测该周期间隔内第l个内的电池荷电变化量 对照先前荷电变化量预测由ΔQ-ΔQ′来进一步修正当量常数kd或kc;当|Wint-Woutt/(ηbc1*ηbd1*σ1)|≈0.5Win1时,修正 Qkt的修正在风电场故障检修时经过一次完整的充放电循环进行,k为完成循环的次数;这里处于动态充放电需要,及国外电池工作经验,SOC工作在0.5上下范围,有利于电池寿命的延长,动态工作过程从电池荷电状态初始值0.5开始,由于开始时已经有实验数据实验,相当于从荷电状态从0到0.5过程中充电所消耗电能已知,所以对应动态的充放电累计,只要充的耗能减去放的达到开始纯积累半个电池容量对应电能,或者放的减去充的达到半个容量对应电能,就认为完成半个周期的充放电。
1.3)对充放电累计值ΔQzong进行过充过放管理:储能系统平繁充放电过程中,对应充放电电量累加统计,充电为正,放电为负,充电或放电累计值始终不能超越值Qkt,控制当电池充电过程剩余可充荷电量Qcs或放电过程剩余可放荷电量Qds小于采样周期T内风电预报误差修正要求对应荷电量时,以电池的荷电状态SOC的充放电保护极限对应的可用荷电量作为标准,提前调整修正量,通过输入输出电能限制调整充放电量;
2)对电池生命周期进行预测:
2.1)根据风电输出每次采样得到的周期T内的数据,如果为正,修正误差输出的电能累计入Woutm;如果为负,修正误差输入的电能累计入Winn;
2.2)当满足|Woutm-0.5Wout1|≤γ且Winm≥0.5Win1;或且Woutm≥0.5Wout1时,符合条件的m或n值即为半个循环周期数;γ,ζ为相当小数值的功率值,根据经验值选取。
2.3)根据系统修正需求,输出总和与输入总和分别与基准值0.5Win1,0.5Wout1相比,其中较小值就是目前完成半个循环的次数;
3)电池健康状态的诊断:根据上述步骤所得的效率系数及相关修正参数,利用循环计量法,采用如下办法进行电池健康状态监测:
用某时间段输入输出储能装置过程的电能及电池本身的荷电量变化绝对损耗或此过程的相对损耗来监测的步骤如下:由式监测t0到t1实际充电所需电能,由式监测对应时段电池储存的电荷量,根据实际当量kc监测变化趋势判断电池健康状况;或及对应时段实际放电量根据实际当量kd监测变化趋势判断电池健康状况。
在计及电池自放电效率及充放电变换器效率情况下,对于同等的充放荷电量,监测输入输出电能的实际数量,由电能损耗在多次循环中的数值变化趋势,判断电池健康状态的步骤如下:对于给定的充放电电荷量,统计对应的输入输出电能,统计ΔW与效率,ΔW=Win-Wout,Win≥ΔW+Wout,判断电池使用健康情况。
对于计及传输效率的同等的输入输出电能,监测充放电的实际荷电量变化,由荷电量自放电损耗在多次循环中的数值变化趋势,判断电池健康状态的步骤如下:在每次循环统计期内,对于与Wint1,Wout2同样数量的输入输出电能,比较ΔQshk变化,如果损耗数量突然增加幅值增大,表示电池健康状况出现问题,或者使用生命周期即将结束,接近报废。
根据充放电传输效率与自放电效率变化趋势来判断电池健康状态的步骤如下:由计算实际损耗,进而计算自放电效率监测电池的使用健康情况。
选定上述某一循环计量过程,对某一时间段t,当时,利用此过程中Woutt与Wint关系修正如果ηbk<30%,表明电池寿命已到。
图2中的风电功率预报与实际功率采集监测如图3所示,本发明就是为实现其中功率预报与实际功率误差而配置的风电场储能电池的管理。
Ps(t)风力发电定子边输出功率,Pp(t)是预报功率,Pb(t)是电池存储或放出的功率,Pout(t)是风储系统输出电能,一旦实际输出大于预报功率Ps(t)>Pp(t),电池充电保证系统输出等于预报功率Pd(t)≈Pp(t),Pb(t)设置为负值。相反,当Ps(t)<Pp(t),Pb(t)设置为正值,充电。当Ps(t)=Pp(t)时,Pd(t)=Pp(t),Pb(t)设置为0,电池保持原状态。Pe(t)=Pp(t)-Pout(t),Pe(t)通过图5所示的双闭环控制储能电池输入输出电流,从而实现预报准确度的提高。
图4表示系统实际投入运行时,由风功率预报采样周期T点的预测值与实际采样值的误差数据,对采样周期T内需输入输出做功电能值进行计算。
本发明采用上述技术方案,具有以下有益效果:
(1)通过对风电功率预报与10分钟实际采样功率误差,预估该周期内电池需要存储或释放的电能,通过当量系数,进而对电池的荷电状态变化量进行估计,从而控制电池的过充过放。有效利用电池寿命;
(2)在预报修正过程中,动态监测输入或输出电能及存储或释放电荷量,及时修正容量初值,修正充放电效率、当量系数及其他参数,提高荷电状态预测误差;
(3)电池动态修正预报误差过程中,针对连续不完全交替充放电情况,提出利用实时动态统计方法,进行电池充放电循环周期数的统计,便于估计电池的剩余寿命;
(4)利用不同的电池健康状态判别方法,便于多角度监测电池使用过程的健康状态,及时尽早维护,减少预报修正工作的不利影响。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,包括如下步骤:
1)通过实际风电功率采样周期内功率预报误差修正所需消纳的电能值来预测此采样周期T内电池所需充放的荷电量,估计本采样周期T末的电池荷电状态,并结合监测的电能及荷电量变化实际值,动态修正电池的荷电状态;
1.1)离线对新进电池参数检测,根据新电池出产时的数据,在正式投入使用前通过1到2次完整充放电实验获取;
1.2)系统实际投入运行时,由风功率预报采样周期T点的预测值与实际采样值的误差数据,对采样周期T内需输入输出做功电能值进行计算;We(nT)表示预报功率与实际功率差值在第n个预报周期内的做功情况;Pe(nT)为第n个预报采样点预报功率与实际功率的误差;
每个预报采样点内有m个实际功率采样周期,实际采样周期l为m个采样周期的任一点,表示T周期内的第l点的预报功率;每两个预报点之间的功率采用直线拟合,用两点直线拟合P(n-1)T到PnT的变化轨迹,并求取两预报点之间的动态预报数据;
1.2.1)由预报误差预测输入输出电能变化,为正,表示实际风力发电功率小于预报设定值,需要储能系统提供的能量,此时 为负,表示实际风力发电功率大于预报设定值,需要储能系统储存的能量,此时
对采样周期T内电池荷电情况变化进行预测,并根据实际电流时间积分,修正当量系数k;如果为正,则充电电流ic为零,储能系统需要放电,存在放电电流id,按放电过程荷电量变化量Qd=kdWout估计荷电状态变化量 如果为负,则放电电流id为零,储能系统需要充电,存在充电电流ic,按充电过程荷电量变化量Qc=kcWin估计荷电状态变化量 荷电状态预测值
1.2.2)按实际监测数值修正相关参数:第n个预报采样周期内实际监测该周期间隔内第l个内的电池荷电变化量 对照先前荷电变化量预测由ΔQ-ΔQ′来进一步修正当量常数kd或kc;当|Wint-Woutt/(ηbc1*ηbd1*σ1)|≈0.5Win1时,修正 Qkt的修正在风电场故障检修时经过一次完整的充放电循环进行,k为完成循环的次数;
1.3)对充放电累计值ΔQzong进行过充过放管理:储能系统平繁充放电过程中,对应充放电电量累加统计,充电为正,放电为负,充电或放电累计值始终不能超越值Qkt,控制
当电池充电过程剩余可充荷电量Qcs或放电过程剩余可放荷电量Qds小于采样周期T内风电预报误差修正要求对应荷电量时,以电池的荷电状态SOC的充放电保护极限对应的可用荷电量作为标准,提前调整修正量,通过输入输出电能限制调整充放电量;
2)对电池生命周期进行预测:
2.1)根据风电输出每次采样得到的周期T内的数据,如果为正,修正误差输出的电能累计入Woutm;如果为负,修正误差输入的电能累计入Winn;
2.2)当满足|Woutm-0.5Wout1|≤γ且Winm≥0.5Win1;或且Woutm≥0.5Wout1时,符合条件的m或n值即为半个循环周期数;
2.3)根据系统修正需求,输出总和与输入总和分别与基准值0.5Win1,0.5Wout1相比,其中较小值就是目前完成半个循环的次数;
3)电池健康状态的诊断:根据上述步骤所得的效率系数及相关修正参数,利用循环计量法,采用如下办法进行电池健康状态监测:
用某时间段输入输出储能装置过程的电能及电池本身的荷电量变化绝对损耗或此过程的相对损耗来监测;
或在计及电池自放电效率及充放电变换器效率情况下,对于同等的充放荷电量,监测输入输出电能的实际数量,由电能损耗在多次循环中的数值变化趋势,判断电池健康状态;
或对于计及传输效率的同等的输入输出电能,监测充放电的实际荷电量变化,由荷电量自放电损耗在多次循环中的数值变化趋势,判断电池健康状态;
或根据充放电传输效率与自放电效率变化趋势来判断电池健康状态;
选定上述某一循环计量过程,对某一时间段t,当时,利用此过程中Woutt与Wint关系修正如果ηbk<30%,表明电池寿命已到。
2.根据权利要求1所述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤1.1)中涉及到的字母含义如下:
其中,直交变换器DC/AC与DC/DC变换器与总效率为η,DC/AC变流器效率为ηa,DC/DC变换器效率为ηb,由电池自放电造成的电池充放电效率为σ;电池充电效率为ηbc,放电效率为ηbd,充电过程输入电能与电池荷电量对应当量系数为kc,电池放电过程输出电能与荷电量对应当量系数为kd,损耗的电荷量为ΔQsh,损耗的电能ΔWsh,输入电能为Win,输出电能为Wout;参数ηk、ηbk、σk、ηbck、ηbdk、kck、kdk、ΔQshk、ΔWshk、Wink、Woutk、Qck,Qdk分别表示对应的参数在第k次充放电循环时的值。
3.根据权利要求2所述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤1.1)具体采用如下方法:放空电池剩余荷电量至红灯亮,第一次充电至绿灯亮,在充电同时监测充电器供电电能数值,记下此次完整充电过程的电流时间积分值,积分电流采样取自电池端,供电电压电流监测取自充电变流器的输入端;此过程的荷电量变化与充电供电量的对应关系: Qc1=kc1Win1;同样,由输出的负荷侧获得的电能监测来获取放电过程荷电量变化与负载端获得的电能之间的关系: Qd1=kd1Wout1;
第一次从完整充放电电能输入与输出角度,计及变流器损耗及自放电,由双向DC控制器与电池构成的储能系统总效率η1=ηa*ηb1,自放电效率电池充满再放空过程中损耗的电能ΔWsh1=Win1-Wout1,自放电损耗的荷电量ΔQsh1=Qc1-Qd1;Qcref为充电过程的电流时间积分,Qdref为放电过程的电流时间积分。
4.根据权利要求3所述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤1.2)中动态预报数据如下:
电池能量管理划分为每个预报采样周期内的m个点计算所需储能:为第n个预报采样周期内第l点预报误差,对应的误差修正所需储能为:
5.根据权利要求4所述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤1.2)中的采样周期T为10分钟。
6.根据权利要求5所述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤1.2.1)中初值Q0取0.5Qc1,电量荷电状态SOC值在0到1之间变化;σk是k次完整充放电循环统计修正后的蓄电池容量自放电引起的效率,表示存储的荷电量与放出的荷电量的实际监测值动态关系,表现为放电量与充电量的比值;充放电过程中自放电效率实际动态过程按0.5Qkt修正电池初始荷电量。
7.根据权利要求6所述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤2.2)中γ,ζ为相当小数值的功率值,根据经验值选取。
8.根据权利要求7所述的一种用于风电场实时功率预报修正的电池能量管理方法,其特征在于,所述步骤3)中:
用某时间段输入输出储能装置过程的电能及电池本身的荷电量变化绝对损耗或此过程的相对损耗来监测的步骤如下:由式监测t0到t1实际充电所需电能,由式监测对应时段电池储存的电荷量,根据实际当量kc监测变化趋势判断电池健康状况;或及对应时段实际放电量根据实际当量kd监测变化趋势判断电池健康状况;
在计及电池自放电效率及充放电变换器效率情况下,对于同等的充放荷电量,监测输入输出电能的实际数量,由电能损耗在多次循环中的数值变化趋势,判断电池健康状态的步骤如下:对于给定的充放电电荷量,统计对应的输入输出电能,统计ΔW与效率,ΔW=Win-Wout,Win≥ΔW+Wout,判断电池使用健康情况;
对于计及传输效率的同等的输入输出电能,监测充放电的实际荷电量变化,由荷电量自放电损耗在多次循环中的数值变化趋势,判断电池健康状态的步骤如下:在每次循环统计期内,对于与Wint1,Wout2同样数量的输入输出电能,比较ΔQshk变化,如果损耗数量突然增加幅值增大,表示电池健康状况出现问题,或者使用生命周期即将结束,接近报废;
根据充放电传输效率与自放电效率变化趋势来判断电池健康状态的步骤如下:由计算实际损耗,进而计算自放电效率监测电池的使用健康情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510651416.4A CN105207243B (zh) | 2015-10-10 | 2015-10-10 | 一种用于风电场实时功率预报修正的电池能量管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510651416.4A CN105207243B (zh) | 2015-10-10 | 2015-10-10 | 一种用于风电场实时功率预报修正的电池能量管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105207243A true CN105207243A (zh) | 2015-12-30 |
CN105207243B CN105207243B (zh) | 2018-02-02 |
Family
ID=54954753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510651416.4A Expired - Fee Related CN105207243B (zh) | 2015-10-10 | 2015-10-10 | 一种用于风电场实时功率预报修正的电池能量管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105207243B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106532768A (zh) * | 2016-11-22 | 2017-03-22 | 安徽工程大学 | 一种动态光伏微网能量管理方法 |
CN111525597A (zh) * | 2020-05-07 | 2020-08-11 | 南京工程学院 | 一种风储联合系统中双电池不平衡状态优化方法 |
CN111864798A (zh) * | 2020-07-23 | 2020-10-30 | 南通大学 | 风电并网预报偏差实时补偿中的储能能量吞吐实现方法 |
CN112152257A (zh) * | 2020-09-04 | 2020-12-29 | 摩氢科技有限公司 | 一种分布式能源系统及其控制方法 |
CN114583221A (zh) * | 2022-03-16 | 2022-06-03 | 中国核能电力股份有限公司 | 一种电堆衰减寿命的测算方法 |
CN116683500A (zh) * | 2023-04-24 | 2023-09-01 | 中广核新能源安徽有限公司固镇分公司 | 一种电化学储能电站有功功率调度方法和系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103485977A (zh) * | 2013-09-06 | 2014-01-01 | 河海大学 | 风力发电系统实时功率预测的修正方法 |
-
2015
- 2015-10-10 CN CN201510651416.4A patent/CN105207243B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103485977A (zh) * | 2013-09-06 | 2014-01-01 | 河海大学 | 风力发电系统实时功率预测的修正方法 |
Non-Patent Citations (1)
Title |
---|
柯联锦等: "一种基于风功率预测修正的储能电池容量需求分析", 《电工电能新技术》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106532768A (zh) * | 2016-11-22 | 2017-03-22 | 安徽工程大学 | 一种动态光伏微网能量管理方法 |
CN106532768B (zh) * | 2016-11-22 | 2019-04-19 | 安徽工程大学 | 一种动态光伏微网能量管理方法 |
CN111525597A (zh) * | 2020-05-07 | 2020-08-11 | 南京工程学院 | 一种风储联合系统中双电池不平衡状态优化方法 |
CN111864798A (zh) * | 2020-07-23 | 2020-10-30 | 南通大学 | 风电并网预报偏差实时补偿中的储能能量吞吐实现方法 |
CN112152257A (zh) * | 2020-09-04 | 2020-12-29 | 摩氢科技有限公司 | 一种分布式能源系统及其控制方法 |
CN112152257B (zh) * | 2020-09-04 | 2022-06-14 | 摩氢科技有限公司 | 一种分布式能源系统及其控制方法 |
CN114583221A (zh) * | 2022-03-16 | 2022-06-03 | 中国核能电力股份有限公司 | 一种电堆衰减寿命的测算方法 |
CN114583221B (zh) * | 2022-03-16 | 2024-01-05 | 中国核能电力股份有限公司 | 一种电堆衰减寿命的测算方法 |
CN116683500A (zh) * | 2023-04-24 | 2023-09-01 | 中广核新能源安徽有限公司固镇分公司 | 一种电化学储能电站有功功率调度方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105207243B (zh) | 2018-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | A review of second-life lithium-ion batteries for stationary energy storage applications | |
Xu et al. | The control of lithium‐ion batteries and supercapacitors in hybrid energy storage systems for electric vehicles: a review | |
CN105207243A (zh) | 一种用于风电场实时功率预报修正的电池能量管理方法 | |
CN104538999B (zh) | 一种光伏发电储能系统及其能量调度方法 | |
Chen et al. | Model predictive control based real-time energy management for hybrid energy storage system | |
CN105548901B (zh) | 一种轨道交通用钛酸锂电池功率状态预测方法 | |
CN105048484B (zh) | 模块化多电平电池储能系统的电池健康状态优化控制方法 | |
Wang et al. | A power distribution strategy for hybrid energy storage system using adaptive model predictive control | |
CN103762624B (zh) | 一种电池管理方法及装置 | |
CN103337001B (zh) | 考虑最佳期望输出与荷电状态的风电场储能容量优化方法 | |
CN104218875B (zh) | 独立式光伏发电铁路供电控制系统及其控制方法 | |
Capizzi et al. | Recurrent neural network-based control strategy for battery energy storage in generation systems with intermittent renewable energy sources | |
CN105974327A (zh) | 一种基于神经网络和ukf的锂电池组soc预测方法 | |
CN107576918A (zh) | 锂电池的剩余电量的估算方法及系统 | |
CN102540096A (zh) | 一种用于磷酸铁锂动力电池剩余容量估算自修正的方法 | |
CN105552969A (zh) | 基于功率预测的分布式光伏发电输出功率平滑方法和系统 | |
CN103983833B (zh) | 基于gm(1,1)灰色模型的电池开路电压预测方法 | |
CN107370169A (zh) | 基于anfis短期负荷预测的大规模储能电站调峰控制器及方法 | |
Qiu et al. | Charging-rate-based battery energy storage system in wind farm and battery storage cooperation bidding problem | |
Li et al. | Increasing energy utilization of battery energy storage via active multivariable fusion-driven balancing | |
Li et al. | Research on retired battery equalization system based on multi-objective adaptive fuzzy control algorithm | |
CN105932762A (zh) | 一种基于太阳能发电的电池组的应用系统 | |
CN107765187A (zh) | 一种锂电池荷电状态估算方法 | |
CN112467717A (zh) | 一种基于模糊控制的混合能源系统实时负荷分配方法 | |
Li et al. | Evaluation and analysis of circuit model for lithium batteries |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180202 Termination date: 20201010 |
|
CF01 | Termination of patent right due to non-payment of annual fee |