CN105680478A - 基于超短期预测的储能系统平滑新能源发电控制方法 - Google Patents

Abstract

本发明提供一种基于超短期预测的储能系统平滑新能源发电控制方法，所述方法包括：读取新能源及储能系统相关运行数据；基于超短期预测功率和储能系统荷电状态建立目标函数；根据目标函数，利用自适应混沌粒子群算法对控制策略中的6个控制变量进行寻优；基于控制变量的最优解，得到储能系统功率命令值，并对所述储能系统功率命令值进行功率限制；根据超短期预测每15min预报一次的特性，对控制变量滚动更新；将所述储能系统功能命令值输出到储能控制系统，来执行对储能系统的控制，实现新能源出力的平滑功能。本发明使储能系统荷电状态保持在适宜水平，提高储能系统持续充放电能力，实现储能系统平滑能力和性能指标的协同优化。

Description

基于超短期预测的储能系统平滑新能源发电控制方法

技术领域

本发明涉及一种平滑新能源发电控制方法，具体涉及一种基于超短期预测的储能系统平滑新能源发电控制方法。

背景技术

随着新能源不断发展，风电、光伏的大规模并网，其出力的波动问题日益严重。由于风电、光伏属于可再生能源，其出力的大小受到气候、地形、光照等因素的影响，导致其出力的不确定性，出力的大小不可能一直保持恒定，而且在很多程度上是随时变化，具有很强的波动性和间歇性。新能源接入电网后，其波动性会对电网运行的稳定性造成不利影响。随着新能源并网在电网中的比例不断增加，新能源输出功率的平滑控制越来越受到关注。

随着电池及其集成技术的不断发展，应用储能系统平滑风电输出逐渐成为了一种可行方案。通过合理控制连接在储能设备上的双向变流器，高效地实现储能系统充放电，能在很大程度上解决新能源随机性及波动性带来的新能源输出不稳定的问题，以满足新能源发电的平滑输出要求，并有效解决由于新能源波动给电网频率波动带来的电能质量等问题。

储能系统的容量和充放电功率有限，利用储能系统有效地平滑光伏电站功率波动，对平滑控制策略提出了很高的要求。由于电池储能系统存在充放电功率及储能容量的约束条件，并且过大的充、放电深度均会对储能电池的寿命造成影响，特别是在储能系统运行过程中，需要控制其荷电状态(stateofcharge，SOC)保持在适宜的范围内。现有控制策略在对储能系统的充放电进行控制的同时，并没有考虑储能系统的荷电状态，容易造成储能系统的过度充放电，减少储能系统的剩余可用容量，从而降低储能系统的控制效果。同时，现有控制策略主要侧重于对储能系统的实时控制，没有考虑储能系统是否满足未来时刻充放电的要求，缺乏对储能系统充放电的全局性考虑。

发明内容

为了克服上述现有技术的不足，本发明提供一种基于超短期预测的储能系统平滑新能源发电控制方法，本发明使储能系统荷电状态保持在适宜水平，提高储能系统持续充放电能力，实现储能系统平滑能力和性能指标的协同优化。

为了实现上述发明目的，本发明采取如下技术方案：

一种基于超短期预测的储能系统平滑新能源发电控制方法，所述方法包括如下步骤：

(1)读取新能源及储能系统相关运行数据；

(2)基于超短期预测功率和储能系统荷电状态建立目标函数；

(3)根据目标函数，利用自适应混沌粒子群算法对控制策略中的6个控制变量进行寻优；

(4)基于控制变量的最优解，得到储能系统功率命令值，并对所述储能系统功率命令值进行功率限制；

(5)根据超短期预测每15min预报一次的特性，对控制变量滚动更新；

(6)将所述储能系统功能命令值输出到储能控制系统，来执行对储能系统的控制，实现新能源出力的平滑功能。

优选的，所述步骤(1)中，所述相关运行数据包括：新能源的实际功率、储能功率、超短期预测功率和储能系统荷电状态。

优选的，所述步骤(2)中，建立所述目标函数的公式如下：

minJ＝min(F₁+F₂+F₃)(1)

$F_1=\underset{t=1}{\overset{N}{\Σ}}\[1+sign\left(\mathrm{\δ}\right(t)-{\mathrm{\δ}}_c)\]\·\mathrm{\δ}\left(t\right)---\left(2\right)$

$\begin{array}{c}{F}_2=\underset{t=1}{\overset{N}{\Σ}}\{\[1+sign({\mathrm{SOC}}_{low}-SOC(t\left)\right)\]+\\ \[1+sign\left(SOC\right(t)-{\mathrm{SOC}}_{high})\]\}\·SOC\left(t\right)\end{array}---\left(3\right)$

$F_3=\underset{t=1}{\overset{N}{\Σ}}|SOC\left(t\right)-0.5|---\left(4\right)$

式中：F₁为表征储能系统平抑波动能力的函数，F₂、F₃为表征储能系统荷电状态水平的函数，N为计入的预测功率时间点数，δ(t)为t时刻平滑后预测功率的波动率，SOC(t)为t时刻储能电池荷电状态，SOC_low为荷电状态下边界，SOC_high为上边界，δ_c为波动率阈值。

优选的，所述平滑后预测功率的波动率的计算公式如下：

$\mathrm{\δ}\left(t\right)=\frac{P_{max}-P_{\min }}{P_t}---\left(5\right)$

式中，δ(t)为十分钟波动率；P_max为十分钟内平滑最大出力；P_min为十分钟内平滑最小出力；P_t为装机容量；

所述储能电池荷电状态计算公式如下：

充电过程

放电过程

式中：σ为自放电率，为储能系统充电效率，为放电效率，E_t为储能系统容量，P_bess(t)为储能电池充放电功率，Δt为单位时长。

优选的，所述步骤(3)中，设置所述算法中粒子为6维向量，分别代表控制变量l、h、a、b、c、d，所述控制变量l和h为划定储能系统荷电状态区间的节点，其取值范围为：0＜SOC_low＜l＜h＜SOC_high＜1，SOC_low为荷电状态下边界；SOC_high为上边界；所述控制变量a，b，c，d为介于0至1之间的参数，能够对储能系统的充放电功率进行适时调整。

优选的，所述步骤(3)中，所述控制策略包括：

A、当0＜SOC(t)＜SOC_low时，储能系统不允许放电，当r_p(t)＜-k，其中r_p(t)为平滑前功率变化率，k为功率时间变化率的临界值，则储能系统不出力，不进行放电；否则以-k作为平滑后功率变化率的期望值，根据r_p(t)的不同执行相应充电控制策略，充电功率为Δt[-k-r_p(t)]，其中Δt为单位时长，1min；

B、当SOC_low≤SOC(t)＜l时，储能系统以-k作为平滑后功率变化率r_l(t)的期望值，根据r_p(t)的不同进行充放电；当r_p(t)＜-k时，储能系统放电，放电功率为：Δt[-k-r_p(t)]；当-k≤r_p(t)≤0时，储能系统充电，充电功率为：Δt[-k-r_p(t)]；当0＜r_p(t)≤k时，参数d与r_p(t)协同控制储能系统的充电功率，充电功率为：dΔt[-k-r_p(t)]，r_p(t)一定时，d值越大，储能系统充电功率越大；当r_p(t)＞k，参数b调整储能系统的充电控制策略，充电功率为：Δt[-(2b-1)k-r_p(t)]；

C、当l≤SOC(t)≤h时，光伏电站功率的波动率在阈值以内，即-k≤r_p(t)≤k，储能系统不出力，减少电池充放电次数；当r_p(t)＜-k时，储能系统以-k作为平滑后功率变化率r_l(t)的期望值进行放电，放电功率为：Δt[-k-r_p(t)]；当r_p(t)＞k时，储能系统以k作为r_l(t)的期望值进行充电，充电功率为：Δt[k-r_p(t)]；

D、当h＜SOC(t)≤SOC_high时，储能系统以k作为r_l(t)的期望值，根据r_p(t)的不同进行充放电；当r_p(t)＜-k时，参数a与r_p(t)协同控制储能系统的放电功率，放电功率为：Δt[(2a-1)k-r_p(t)]，r_p(t)一定时，a值越大，储能系统放电功率越大；当-k≤r_p(t)≤0时，参数c调整储能系统的放电控制策略，放电功率为：cΔt[k-r_p(t)]；当0＜r_p(t)≤k时，储能系统放电，放电功率为：Δt[k-r_p(t)]；当r_p(t)＞k时，储能系统充电，充电功率为：Δt[k-r_p(t)]；

E、当SOC_high＜SOC(t)＜1时，储能系统不允许充电；当r_p(t)＞k时，储能系统不出力，不进行充电；否则以k作为平滑后功率变化率的期望值，根据r_p(t)的不同执行相应放电控制策略，放电功率为：Δt[k-r_p(t)]；

所述平滑前功率变化率r_p(t)的计算公式为：

$r_p\left(t\right)=\frac{P_w\left(t\right)-P_r(t-\mathrm{\Δ}t)}{\mathrm{\Δ}t}---\left(8\right)$

式中，P_w(t)为t时刻原始功率；P_r(t)为t时刻平滑功率；

所述平滑后功率变化率r_l(t)的计算公式为：

$r_l\left(t\right)=\frac{P_r\left(t\right)-P_r(t-\mathrm{\Δ}t)}{\mathrm{\Δ}t}---\left(9\right)$

所述功率时间变化率的临界值k的计算公式为：

$k=\frac{P_t\×{\mathrm{\δ}}_c}{T}---\left(10\right)$

式中，P_t为装机容量，δ_c为波动率阈值，T为波动率计算时长，10min。

优选的，所述步骤(4)中，根据所述平滑前功率变化率和所述储能系统荷电状态，确定相应的控制策略，从而确定储能系统不同情形下的充放电功率，得到储能系统功率命令值，当所述储能系统功率命令值超过了储能电池的最大充放电功率时，储能电池停止工作，所述储能系统充放电功率约束条件为：

P_d≤P_bess(t)≤P_u(11)

式中：P_bess(t)为储能系统t时刻的充放电功率；P_d为负值，表示储能系统最大允许充电功率；P_u为正值，表示最大放电功率。

与现有技术相比，本发明的有益效果在于：

本发明在斜率控制的基础上，通过引入6个控制变量，建立了变参数优化斜率控制策略，增加储能系统出力的灵活性。本发明利用超短期预测精度高的特点，基于预测数据和储能系统荷电状态建立了提高储能系统平滑能力的目标函数，采用自适应混沌粒子群算法对控制变量进行实时优化，解决粒子群算法易陷入局部最优的问题，提高算法的收敛速度和寻优能力。该控制策略在对光伏电站功率波动进行有效平抑的基础上，能够减少储能系统充放电次数，同时使储能系统荷电状态保持在适宜水平，提高储能系统持续充放电能力，实现储能系统平滑能力和性能指标的协同优化。

附图说明

图1是本发明提供的基于超短期预测的储能系统平滑新能源发电控制系统框架图

图2是本发明提供的基于超短期预测的储能系统平滑新能源发电控制方法流程图

图3是本发明提供的光伏电站原始功率和平滑功率曲线图

图4是本发明提供的平滑前、后光伏电站功率的波动率曲线图

图5是本发明提供的平滑过程中储能系统SOC的变化曲线图

具体实施方式

下面结合附图对本发明作进一步详细说明。

如图1所示，本发明是通过设置在工控机的通讯模块10、数据存储与管理模块20、自适应控制器模块30、一次平滑模块40、功率限制模块50及平滑控制器模块60实现的。

通讯模块10负责接收新能源及储能电池相关运行数据，以及向监控平台发送新能源出力平滑值和储能单元的功率命令值。监控平台设置在通讯模块左侧，与通讯模块连接，实时控制和监测和控制通讯模块作用。

数据存储与管理模块20用于存储和管理新能源发电相关数据及储能电池运行时的实时数据和历史数据；而且负责将新能源平滑值和储能电池功率命令值按事先设定的协议赋给相关接口变量，供电池储能系统接口平台使用，将新能源发电功率值信号发送到平滑控制器模块和一次平滑模块，将新能源超短期预测功率值信号、储能电池SOC值信号发送到自适应控制器模块。

自适应控制器模块30，该模块根据输入的超短期预测功率值信号和储能系统SOC值信号建立目标函数，采用自适应混沌粒子群算法寻优，输出控制变量的最优解到一次平滑模块。

一次平滑模块40，该模块基于变参数斜率控制策略，根据输入的控制变量最优值和新能源发电功率值信号，得到储能电池一次功率命令值信号，并将其发送到功率限制模块。

功率限制模块50，该模块根据储能电池的最大充放电功率，对输入的一次功率命令值信号进行功率限制，输出储能系统功率命令值信号到平滑控制器模块。

平滑控制器模块60，该模块根据输入的储能系统功率命令值信号和新能源发电功率值信号，得到新能源出力的平滑值，并输出到数据管理与存储模块、自适应控制器模块和一次平滑模块。

图2为基于超短期预测的储能系统平滑新能源发电控制方法流程图。

本发明提供的基于超短期预测的储能系统平滑新能源发电控制方法，该方法包括下述步骤：

步骤1、读取新能源及储能电池相关运行数据；

所述相关数据包括新能源实际功率、储能功率、超短期预测功率和储能电池荷电状态。

步骤2、基于超短期预测数据和储能系统荷电状态建立目标函数；

根据所述新能源超短期预测功率和储能系统荷电状态，建立对控制变量进行寻优的目标函数。

步骤3、根据目标函数，利用自适应混沌粒子群算法对控制策略中的6个控制变量进行寻优；

利用自适应混沌粒子群算法控制策略中的6个控制变量进行寻优。设置算法中粒子为6维向量，分别代表控制变量l、h、a、b、c、d，算法中评价每个粒子适应度的适应函数为步骤3中建立的目标函数。

步骤4、获得储能系统功率命令值，并对所述储能系统功率命令值进行功率限制；

基于控制变量的最优解确定储能系统充放电控制策略，得到储能系统功率命令值，并对所述储能系统功率命令值进行功率限制，当所述储能系统功率命令值超过了储能电池的最大充放电功率时，储能电池停止工作。所述储能系统充放电功率约束条件为：

P_d≤P_bess(t)≤P_u

式中：P_bess(t)为储能系统t时刻的充放电功率；P_d为负值，表示储能系统最大允许充电功率；P_u为正值，表示最大放电功率。

步骤5、根据超短期预测每15min预报一次的特性，对控制变量滚动更新；

所述控制变量的滚动更新是根据超短期预测每15min预报一次的特性，每隔15min重复步骤(2)、步骤(3)，获得控制变量的最新优化值。

步骤6、将所述新能源出力平滑值和所述储能系统功能命令值输出到储能控制系统，来执行对储能系统的控制，实现新能源处理的平滑功能。

以装机容量为30MW的光伏电站某日实际运行数据为例，采样间隔为1min，采样总个数为1440，设定的波动率最大波动率变化值为10％。储能电池SOC为50％的条件下进行本发明的试验测试验证。按照5:1的比例配置储能系统的容量，额定功率/额定容量为6MW/6MW·h。设定σ＝0，δ_c＝10％，SOC_low＝0.2，SOC_high＝0.8，T＝10min，Δt＝1min，k＝0.3MW/min。设定自适应混沌粒子群算法的粒子总数n＝50，最大迭代次数m＝300，混沌优化的粒子数S＝20，加速因子c₁＝2,c₂＝2。

图3为光伏电站原始功率和平滑功率曲线，图4为平滑前、后光伏电站功率的波动率，图5为平滑过程中储能系统SOC的变化曲线。图3表明，本文提出的控制策略在平抑光伏电站功率波动的同时，能够跟踪原始功率的变化趋势。由图4可知，平滑后光伏电站功率的波动率控制在10％以内，表明该平滑策略能够实现平滑波动的目的，平滑效果比较理想。由图4、图5可知，当光伏电站原始功率波动率在10％以内时，储能系统SOC保持不变，储能系统不出力，可有效减少储能系统充放电次数；当波动率大于10％时，储能系统SOC值改变，且在大部分时间内均保持在0.4-0.6之间，储能系统具有良好的持续充放电能力，同时可避免充放电深度过大而对储能系统寿命产生影响。这表明本专利提出的控制策略,将储能系统的荷电状态作为寻优目标之一，基于超短期预测滚动优化斜率控制的参数，能够对储能系统的充放电功率进行实时调整，使荷电状态保持在适宜水平。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，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：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于超短期预测的储能系统平滑新能源发电控制方法，其特征在于，所述方法包括如下步骤：

(1)读取新能源及储能系统相关运行数据；

(2)基于超短期预测功率和储能系统荷电状态建立目标函数；

(3)根据目标函数，利用自适应混沌粒子群算法对控制策略中的6个控制变量进行寻优；

(4)基于控制变量的最优解，得到储能系统功率命令值，并对所述储能系统功率命令值进行功率限制；

(5)根据超短期预测每15min预报一次的特性，对控制变量滚动更新；

(6)将所述储能系统功能命令值输出到储能控制系统，来执行对储能系统的控制，实现新能源出力的平滑功能。

2.根据权利要求1所述控制方法，其特征在于，所述步骤(1)中，所述相关运行数据包括：新能源的实际功率、储能功率、超短期预测功率和储能系统荷电状态。

3.根据权利要求1所述控制方法，其特征在于，所述步骤(2)中，建立所述目标函数的公式如下：

minJ＝min(F₁+F₂+F₃)(1)

$F_1=\underset{t=1}{\overset{N}{\Σ}}\[1+sign\left(\mathrm{\δ}\right(t)-{\mathrm{\δ}}_c)\]\·\mathrm{\δ}\left(t\right)---\left(2\right)$

$\begin{array}{c}{F}_2=\underset{t=1}{\overset{N}{\mathrm{\Σ}}}\{\[1+sign\left({\mathrm{SOC}}_{low}-SOC\left(t\right)\right)\]+\\ \[1+sign\left(SOC\left(t\right)-{\mathrm{SOC}}_{high}\right)\]\}\·SOC\left(t\right)\end{array}---\left(3\right)$

$F_3=\underset{t=1}{\overset{N}{\Σ}}|SOC\left(t\right)-0.5|---\left(4\right)$

式中：F₁为表征储能系统平抑波动能力的函数，F₂、F₃为表征储能系统荷电状态水平的函数，N为计入的预测功率时间点数，δ(t)为t时刻平滑后预测功率的波动率，SOC(t)为t时刻储能电池荷电状态，SOC_low为荷电状态下边界，SOC_high为上边界，δ_c为波动率阈值。

4.根据权利要求3所述控制方法，其特征在于，所述平滑后预测功率的波动率的计算公式如下：

$\mathrm{\δ}\left(t\right)=\frac{P_{\max }-P_{\min }}{P_t}---\left(5\right)$

式中，δ(t)为十分钟波动率；P_max为十分钟内平滑最大出力；P_min为十分钟内平滑最小出力；P_t为装机容量；

所述储能电池荷电状态计算公式如下：

充电过程

放电过程

式中：σ为自放电率，为储能系统充电效率，为放电效率，E_t为储能系统容量，P_bess(t)为储能电池充放电功率，Δt为单位时长。

5.根据权利要求1所述控制方法，其特征在于，所述步骤(3)中，设置所述算法中粒子为6维向量，分别代表控制变量l、h、a、b、c、d，所述控制变量l和h为划定储能系统荷电状态区间的节点，其取值范围为：0＜SOC_low＜l＜h＜SOC_high＜1，SOC_low为荷电状态下边界；SOC_high为上边界；所述控制变量a，b，c，d为介于0至1之间的参数，能够对储能系统的充放电功率进行适时调整。

6.根据权利要求5所述控制方法，其特征在于，所述步骤(3)中，所述控制策略包括：

A、当0＜SOC(t)＜SOC_low时，储能系统不允许放电，当r_p(t)＜-k，其中r_p(t)为平滑前功率变化率，k为功率时间变化率的临界值，则储能系统不出力，不进行放电；否则以-k作为平滑后功率变化率的期望值，根据r_p(t)的不同执行相应充电控制策略，充电功率为Δt[-k-r_p(t)]，其中Δt为单位时长，1min；

B、当SOC_low≤SOC(t)＜l时，储能系统以-k作为平滑后功率变化率r_l(t)的期望值，根据r_p(t)的不同进行充放电；当r_p(t)＜-k时，储能系统放电，放电功率为：Δt[-k-r_p(t)]；当-k≤r_p(t)≤0时，储能系统充电，充电功率为：Δt[-k-r_p(t)]；当0＜r_p(t)≤k时，参数d与r_p(t)协同控制储能系统的充电功率，充电功率为：dΔt[-k-r_p(t)]，r_p(t)一定时，d值越大，储能系统充电功率越大；当r_p(t)＞k，参数b调整储能系统的充电控制策略，充电功率为：Δt[-(2b-1)k-r_p(t)]；

C、当l≤SOC(t)≤h时，光伏电站功率的波动率在阈值以内，即-k≤r_p(t)≤k，储能系统不出力，减少电池充放电次数；当r_p(t)＜-k时，储能系统以-k作为平滑后功率变化率r_l(t)的期望值进行放电，放电功率为：Δt[-k-r_p(t)]；当r_p(t)＞k时，储能系统以k作为r_l(t)的期望值进行充电，充电功率为：Δt[k-r_p(t)]；

D、当h＜SOC(t)≤SOC_high时，储能系统以k作为r_l(t)的期望值，根据r_p(t)的不同进行充放电；当r_p(t)＜-k时，参数a与r_p(t)协同控制储能系统的放电功率，放电功率为：Δt[(2a-1)k-r_p(t)]，r_p(t)一定时，a值越大，储能系统放电功率越大；当-k≤r_p(t)≤0时，参数c调整储能系统的放电控制策略，放电功率为：cΔt[k-r_p(t)]；当0＜r_p(t)≤k时，储能系统放电，放电功率为：Δt[k-r_p(t)]；当r_p(t)＞k时，储能系统充电，充电功率为：Δt[k-r_p(t)]；

E、当SOC_high＜SOC(t)＜1时，储能系统不允许充电；当r_p(t)＞k时，储能系统不出力，不进行充电；否则以k作为平滑后功率变化率的期望值，根据r_p(t)的不同执行相应放电控制策略，放电功率为：Δt[k-r_p(t)]；

所述平滑前功率变化率r_p(t)的计算公式为：

$r_p\left(t\right)=\frac{P_w\left(t\right)-P_r(t-\mathrm{\Δ}t)}{\mathrm{\Δ}t}---\left(8\right)$

式中，P_w(t)为t时刻原始功率；P_r(t)为t时刻平滑功率；

所述平滑后功率变化率r_l(t)的计算公式为：

$r_l\left(t\right)=\frac{P_r\left(t\right)-P_r(t-\mathrm{\Δ}t)}{\mathrm{\Δ}t}---\left(9\right)$

所述功率时间变化率的临界值k的计算公式为：

$k=\frac{P_t\×{\mathrm{\δ}}_c}{T}---\left(10\right)$

式中，P_t为装机容量，δ_c为波动率阈值，T为波动率计算时长，10min。

7.根据权利要求6所述控制方法，其特征在于，所述步骤(4)中，根据所述平滑前功率变化率和所述储能系统荷电状态，确定相应的控制策略，从而确定储能系统不同情形下的充放电功率，得到储能系统功率命令值，当所述储能系统功率命令值超过了储能电池的最大充放电功率时，储能电池停止工作，所述储能系统充放电功率约束条件为：

P_d≤P_bess(t)≤P_u(11)

式中：P_bess(t)为储能系统t时刻的充放电功率；P_d为负值，表示储能系统最大允许充电功率；P_u为正值，表示最大放电功率。