CN106208122A - 一种基于hsmm的储能系统控制方法 - Google Patents

Abstract

本发明公开了一种基于HSMM(Hidden semi‑Markov Model)的储能系统控制方法，包括：步骤1，基于历史需量数据，初始化HSMM参数，划分HSMM隐含状态空间为Z，其中包含n个需量状态，分别为z₁，z₂，…，z_n，代表由低到高不同等级的需量水平；步骤2，基于历史数据对HSMM进行训练，修正得到最优参数；步骤3，在每个计费周期开始时，设置初始控制目标需量为d_g；步骤4，实时输入用电需量数据，储能系统运行数据，重建原始需量数据；步骤5，HSMM解码重建的原始需量数据，得到当前需量状态z；步骤6，根据目标需量d_g，当前需量状态z，储能系统运行数据输出储能系统功率控制参数；步骤7，更新目标需量d_g。本发明可用于实现电力储能系统的需量控制和削峰填谷功能。

Description

一种基于HSMM的储能系统控制方法

技术领域

本发明涉及电力技术领域，更具体地说涉及一种基于HSMM的储能系统控制方法。

背景技术

储能技术在电力系统中有着非常广泛的应用，涵盖发电、输电、配电和用电的各个方面。当前，储能系统主要用于削峰填谷，平抑负荷波动。

HSMM(Hideen semi-Markov Model)即隐半马尔可夫模型，是考虑状态驻留概率分布的一种隐马尔可夫扩展模型，有更好的建模能力，可以提高分类分析精度。

本发明主要针对储能系统的控制方法，所提出的基于HSMM的方法，可完成储能系统的功率自适应控制，实现储能系统的需量控制和削峰填谷功能。

发明内容

本发明提供一种基于HSMM的储能系统控制方法,可根据历史数据建模，完成储能系统的功率自适应控制，实现储能系统的需量控制和削峰填谷功能。

本发明提供一种基于HSMM的储能系统控制方法，包括如下步骤：

步骤1，基于历史需量数据，初始化HSMM参数，将HSMM隐含状态空间Z划分为包含n个需量状态，分别为z₁,z₂，…,z_n，代表由低到高不同等级的需量水平；

步骤2，基于历史需量数据对HSMM模型进行训练，修正得到最优参数；

步骤3，在每个计费周期开始时，设置初始控制目标需量为d_g；

步骤4，实时输入用电需量数据，储能系统运行数据，重建原始需量数据；

步骤5，利用步骤2的HSMM模型解码重建的原始需量数据，得到当前需量状态z；

步骤6，根据目标需量d_g，当前需量状态z，储能系统运行数据输出储能系统功率控制参数；

步骤7，更新目标需量d_g。

本发明的有益效果是：

基于HSMM对历史数据进行建模，实时自适应地输出储能系统的功率控制参数，为实现储能系统的需量控制和削峰填谷功能提供一个有效的技术方案。

下面结合附图对本发明作进一步的详细描述。

附图说明

为了更清楚地说明本发明的技术方案，下面将对本发明描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一种基于HSMM的储能系统控制方法的流程示意图，

图2为储能系统状态转换示意图。

具体实施方式

参考图1详细描述本发明提供的一种基于HSMM的储能系统控制方法一个实施例，包括：

步骤1，基于历史需量数据，初始化HSMM参数，将HSMM隐含状态空间Z划分为包含n个需量状态，分别为z₁,z₂,…,z_n，代表由低到高不同等级的需量水平，观测概率采用一维高斯分布,对应于状态z_i，均值为μ_i，方差为其中i＝1,2,3…n。初始化HSMM参数A＝[A_ij]_n×n为状态转移概率矩阵，D＝[D_ij]_n×l为状态驻留分布矩阵；

步骤2，基于历史需量数据对HSMM模型进行训练，得到最优参数A和D，并根据需要对HSMM进行重新训练，修正已有模型参数；

步骤3，在每个计费周期开始时，设置初始控制目标需量为d_g。使d_g＝max(d₀,d_m)，其中d₀可以是合同约定需量或者根据HSMM状态z_n均值等数据确定，d_m为当前计费周期内最大需量；

步骤4，实时输入用电需量数据，储能系统运行数据，重建原始需量数据。若需量计算周期为T(min)，用电需量为d(kW),储能系统剩余放电量为Q(kWh)，则t时刻重建原始需量为 其中d_t为实时输入的用电需量，Q_t-T是t-T时刻储能系统的剩余放电量,Q_t是t时刻储能系统的剩余放电量；

步骤5，采用步骤2的训练修正的HSMM解码重建的原始需量数据，得到当前需量状态z，即HSMM输出状态；

步骤6，根据目标需量d_g，当前需量状态z，储能系统运行数据输出储能系统功率控制参数，具体参考图2及说明；

步骤7，根据步骤3规则更新目标需量d_g。

参考图2详细描述本发明储能系统状态转换方式，包括：

若储能系统当前状态为待机态，则

①:当HSMM输出状态为z_i(1≤i＜n)时，若Q_可放＞0且当天剩余峰期时间(t_f0为放电冗余时间)，则转为放电态；当HSMM输出状态为为z_n时，若Q_可放＞0，则转为放电态；其中Q_可放为储能系统可放电电量，Q_可充为储能系统可充电电量，t_f为当日剩余峰期时间，t_g为剩余谷期时间，P₀为储能系统额定充放电功率；

②:当HSMM输出状态为z_i(1≤i＜n)时，若Q_可充＞0且当天剩余谷期时间(t_g0为充电冗余时间)，则转为充电态，其中t_g为当日剩余谷期时间；

③：其他情况，则维持待机态。

若储能系统当前状态为充电态，则

④:当HSMM输出状态为为z_i(1≤i＜n)时，若Q_可充＝0，则转为待机态

⑤:当HSMM输出状态为为z_i(1≤i＜n)时，若Q_可充＞0，则维持充电态；

⑥:当HSMM输出状态为为z_n时，则转为放电态；

若储能系统当前状态为放电态，则

⑦:当HSMM输出状态为为z_n时，若Q_可放＞0，则维持放电态；当HSMM输出状态为z_i(1≤i＜n)时，若Q_可放＞0且当天剩余峰期时间则维持放电态；

⑧:其他情况，则转为待机态。

放电态功率计算方法如下：

若d_t≤d_g，则其中d_t为实时需量，d_g为目标需量，P₀为储能系统额定充放电功率，P_max为储能系统最大放电功率；若d_t＞d_g，则P_ES＝max(P₀,min(P_max,P₁,P₂)),其中为应输出功率，Δ_t为实时数据采样周期，T为需量计算周期，为可输出功率，为状态z_n期望驻留时间。考虑z_n一次连续驻留，则

充电态功率计算方法如下：

负号表示充电。

本发明所提出的基于HSMM的储能系统控制方法，可以自适应调节，不需要人工干预，可实现需量控制和削峰填谷功能。

本领域技术人员应能理解，以上所描述的实施方式是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取介质中，该程序在执行时，可包括如上述实施方式的流程。其中所述的存储介质可谓磁盘，光盘，只读存储记忆体或随机存储记忆体等。

以上所述仅是本发明的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于HSMM的储能系统控制方法，其特征在于，该方法包括有以下步骤：

步骤1，基于历史需量数据，初始化HSMM参数，将HSMM隐含状态空间Z划分为包含n个需量状态，分别为z₁,z₂,…,z_n，代表由低到高不同等级的需量水平；

步骤2，基于历史需量数据对HSMM模型进行训练，修正得到最优参数；

步骤3，在每个计费周期开始时，设置初始控制目标需量为d_g；

步骤4，实时输入用电需量数据，储能系统运行数据，重建原始需量数据；

步骤5，利用步骤2的HSMM模型解码重建的原始需量数据，得到当前需量状态z；

步骤6，根据目标需量d_g，当前需量状态z，储能系统运行数据输出储能系统功率控制参数；

步骤7，更新目标需量d_g。

2.如权利要求1所述的基于HSMM的储能系统控制方法，其特征在于，所述步骤1包括：

对于HSMM模型来说，观测概率采用一维高斯分布,对应于状态z_i，均值为μ_i，方差为其中i＝1,2,3…n，初始化HSMM参数A＝[A_ij]_n×n为状态转移概率矩阵，D＝[D_ij]_n×l为状态驻留分布矩阵。

3.如权利要求1所述的基于HSMM的储能系统控制方法，其特征在于，所述步骤2还包括：

根据需要对HSMM进行重新训练，修正已有模型参数。

4.如权利要求1所述的基于HSMM的储能系统控制方法，其特征在于，所述步骤3还包括：

初始化d_g＝max(d₀,d_m)，其中d₀是合同约定需量或者根据HSMM状态z_n均值等数据确定，d_m为当前计费周期内最大需量。

5.如权利要求1所述的基于HSMM的储能系统控制方法，其特征在于，所述步骤4还包括：

若需量计算周期为T(min)，用电需量为d(kW),储能系统剩余放电量为Q(kWh)，则t时刻重建原始用电需量d′_t＝d_t+60(Q_t-T-Q_t)/T，其中d_t为实时输入的用电需量，Q_t-T是t-T时刻储能系统的剩余放电量,Q_t是t时刻储能系统的剩余放电量。

6.如权利要求1所述的基于HSMM的储能系统控制方法，其特征在于，所述步骤6还包括：

记储能系统额定充放电功率为P₀，最大充放电功率为P_max，可放电电量为Q_可放，可充电电量为Q_可充，当日剩余峰期时间为t_f，剩余谷期时间为t_g，实时数据采样周期为Δ_t，运行的储能系统共有充电、放电、待机三种状态；

(1)若储能系统当前状态为待机态，则

(a)当HSMM输出状态为z_i(1≤i＜n)时，若Q_可放＞0且当天剩余峰期时间其中t_f0为放电冗余时间，则转为放电态；

(b)当HSMM输出状态为z_i(1≤i＜n)时，若Q_可充＞0且当天剩余谷期时间其中t_g0为充电冗余时间，则转为充电态；

(c)当HSMM输出状态为为z_n时，若Q_可放＞0，则转为放电态；

(d)其他情况，则维持待机态；

(2)若储能系统当前状态为充电态，则

(a)当HSMM输出状态为为z_i(1≤i＜n)时，若Q_可充＞0，则维持充电态；

(b)当HSMM输出状态为为z_i(1≤i＜n)时，若Q_可充＝0，则转为待机态；

(c)当HSMM输出状态为为z_n时，则转为放电态；

(3)若储能系统当前状态为放电态，则

(a)当HSMM输出状态为z_n时，若Q_可放＞0，则维持放电态；

(b)当HSMM输出状态为z_i(1≤i＜n)时，若Q_可放＞0且当天剩余峰期时间则维持放电态；

(c)其他情况，则转为待机态。

放电态功率P_ES计算方法如下：

若d_t≤d_g，则若d_t＞d_g，则P_ES＝max(P₀,min(P_max,P₁,P₂)),其中为应输出功率，为可输出功率，为状态z_n期望驻留时间。考虑z_n一次连续驻留，则

充电态功率P_ES′计算方法如下：

负号表示充电。

7.如权利要求1所述的基于HSMM的储能系统控制方法，其特征在于，所述步骤7还包括：

根据步骤3所设规则，实时更新d_g。