CN106712060B - 一种基于多代理的百兆瓦级电池储能系统控制方法及系统 - Google Patents

一种基于多代理的百兆瓦级电池储能系统控制方法及系统 Download PDF

Info

Publication number
CN106712060B
CN106712060B CN201611247846.0A CN201611247846A CN106712060B CN 106712060 B CN106712060 B CN 106712060B CN 201611247846 A CN201611247846 A CN 201611247846A CN 106712060 B CN106712060 B CN 106712060B
Authority
CN
China
Prior art keywords
energy storage
power
wind
agent
storage system
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.)
Active
Application number
CN201611247846.0A
Other languages
English (en)
Other versions
CN106712060A (zh
Inventor
李相俊
张栋
贾学翠
惠东
周建华
稽建飞
张迎呈
崔林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201611247846.0A priority Critical patent/CN106712060B/zh
Publication of CN106712060A publication Critical patent/CN106712060A/zh
Application granted granted Critical
Publication of CN106712060B publication Critical patent/CN106712060B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/10—Flexible AC transmission systems [FACTS]
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明提供一种基于多代理的百兆瓦级电池储能系统控制方法及系统，所述方法包括：风电Agent采集风力发电组件发电功率信息，光伏Agent采集光伏发电组件发电功率，储能Agent采集储能系统参数；风光储Agent向所述储能Agent发送实时平滑波动率控制要求的通信请求；所述储能Agent根据风电、光伏发电功率和平滑波动率控制要求制定平滑控制目标函数，并对风电、光伏、风光输出功率进行划分区间；对储能系统输出功率进行寻优计算；储能Agent根据所述储能系统最优输出功率控制储能系统输出功率；风光储Agent统计风电、光伏、储能输出功率信息，判断联合输出功率是否超出波动率要求。本发明结合多代理技术，完成风光储系统输出功率波动率要求，降低了整个系统的控制难度。

Description

一种基于多代理的百兆瓦级电池储能系统控制方法及系统
技术领域
本发明涉及一种电池储能系统控制方法，具体涉及一种基于多代理的百兆瓦级电池储能系统控制方法及系统。
背景技术
随着全球经济的不断发展，对能源的消耗不断增加。煤炭、石油、天然气等一次能源储备不断减少，面临枯竭。因此新能源的开发利用受到了广泛关注和支持。其中太阳能、风能以其清洁、无污染、可再生等优点成为了新型能源中的代表，更是受到了国家重视。光伏发电和风力发电成为近年来发展最快的新能源发电技术。由于太阳能和风能在时间上和空间上具有一定的互补特性，因此风光联合发电成为了新型发电系统的主要形式。储能系统的出现，更是推动了光伏、风力发电的发展。储能系统能够配合光伏、风电机组实现平滑输出、削峰填谷、跟踪计划出力等功能，增加了发电的可控性，降低了发电系统的随机性和波动性，提高了风光发电并网能力。
我国已建成多个千万千瓦级新能源发电基地，在新能源发电富集区域电网中，对电池储能的容量要求通常达数十MW以上，甚至达百MW以上。百MW级电池储能参与新能源发电集群控制及系统调度运行，对破解新能源发电的送出和消纳瓶颈有重要意义。
目前，全球范围内尚未有百MW以上电池储能系统建成。随着新能源发电的快速增长，电网对大容量电池储能的需求日益迫切。对于百MW级电池储能电站，电池单体数量将达到百万级，亟需从百MW级电池储能电站的集成、控制与能量管理等方面提出解决方案，为百MW级大规模电池储能技术示范提供理论基础和关键技术支撑。
随着风光储联合发电系统的不断发展，装机规模不断扩大，整个风光储联合发电系统的规模和复杂性不断增加，控制难度变大。同时太阳能和风能发电功率受环境因素影响，具有很强的随机性和波动性，即使有储能系统的配合也使整个发电系统的控制有很大难度。现有风光储联合的发电系统的发展又对现有控制方法要求进一步提高。原有的控制方法在大规模风光储系统，特别是百兆瓦级大规模电池储能电站优化控制方面将难以满足实际应用要求，迫切需要一个更加灵活、稳定、高效、可靠的大规模百兆瓦级电池储能电站级的控制系统及控制方法，以保证整个发电系统的安全、高效和稳定，因此，在百兆瓦级大规模电池储能电站、大规模风光储电站优化控制方面，引入多代理技术是非常有必要的。
目前多代理系统(MAS，Multi-Agent System)技术已在负荷预测、电力市场仿真、微型电网、故障定位、主动配电网等领域得到了应用。但是与其他领域相比,应用MAS技术构建大规模电池储能电站协调控制的研究未见报道。百兆瓦级电池储能电站运行控制时，网络结构系统复杂，将存在集中式优化控制难以展开的问题。多代理系统技术匹配了分布式约束优化问题求解机制的大部分特征，可采用多求解器的分布策略，求解过程中，分布式求解器可以自治运行，只需要了解所求解问题的局部知识，就可以开展局部区域自主控制。但是，目前未见基于多代理技术的大规模电池储能电站协调控制方法相关报告或相关专利申请，急需解决上述问题。
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多代理的百兆瓦级电池储能系统控制方法及系统，本发明结合多代理技术，完成风光储系统输出功率波动率要求，降低了整个系统的控制难度。
为了实现上述发明目的，本发明采取如下技术方案：
一种基于多代理的百兆瓦级电池储能系统控制方法，所述方法包括如下步骤：
(1)风电Agent采集风力发电组件发电功率信息，光伏Agent采集光伏发电组件发电功率，储能Agent采集储能系统参数；
(2)所述储能Agent从所述风电Agent和光伏Agent获取风电功率、光伏发电功率；同时风光储Agent向所述储能Agent发送实时平滑波动率控制要求的通信请求；
(3)所述储能Agent根据风电、光伏发电功率和平滑波动率控制要求制定平滑控制目标函数，并对风电、光伏、风光输出功率进行划分区间，给出风电、光伏、风光功率对应储能系统输出功率区间；
(4)对所述风电、光伏、风光功率对应储能系统输出功率进行寻优计算，确定储能系统最优输出功率；
(5)储能Agent根据所述储能系统最优输出功率控制储能系统输出功率，并把储能系统最优输出功率发送给风光储Agent；
(6)风光储Agent统计风电、光伏、储能输出功率信息，判断联合输出功率是否超出波动率要求，若是，则进行报警提示确认，返回步骤(2)；否则进行下一时刻控制。
优选的，所述步骤(2)中，所述平滑波动率控制要求的公式如下：
Figure BDA0001197480120000021
Pa＝Pc*Δm
Δm<δ
式中，m为计算时间长度，Δm为计算时间长度下的波动率，Pmax、Pmin分别为计算时间长度内风光储系统发电功率的最大值、最小值，Pc为风光储系统中风电与光伏电站的装机容量，δ为风光储系统输出功率控制要求波动率上限值，Pa表示波动量。
优选的，所述步骤(3)中，所述平滑控制目标函数的公式如下：
min G＝α1F1+α2F2+α3F3
F1＝abs(Ssoc(t)-Ssoc_ref)*2
Figure BDA0001197480120000033
Figure BDA0001197480120000031
Ssoc(t)＝Ssoc(t-Δt)-Pbess(t)Δt/Ebess
式中，G为目标函数，F1、F2、F3分别代表SOC偏离程度影响因子、放电深度影响因子、弃风弃光因素影响因子；α1、α2、α3分别为SOC偏离程度、放电深度、弃风弃光因素的权重系数，Ssoc(t)为t时刻储能系统的荷电状态，Ssoc_ref为储能系统SOC参考值，
Figure BDA0001197480120000032
为储能系统所能允许的最大充电/放电功率，Pbess(t)为时刻t储能系统输出功率，Pp(t)表示t时刻风电、光伏、储能系统输出功率的总和，Pzmax为计算时间长度m内光储联合发电功率最小值所对应的最大值，Δt为数据采样间隔，Ebess为储能系统总容量。
优选的，所述步骤(3)中，对所述风电、光伏、风光输出功率进行划分区间包括如下步骤：
步骤3-1、通过风光储联合发电历史数据，得出时间长度m内风光储联合发电功率的最大值和最小值Ppmax、Ppmin；
步骤3-2、判断Ppmax与Ppmin之间的差值，若差值小于波动量Pa时，则直接计算弃光区间与正常发电区间；若Ppmax与Ppmin之间的差值大于波动量Pa时，则进行区间修正，区间修正的公式如下：
Ppmax＝Ppmax
Ppmin＝Ppmax-Pa
步骤3-3、确定正常发电区间A；弃光区间B、C、D、E，区间划分及各区间上下限如下：
A上限：Pzmax＝Ppmin+Pa
A下限：Pzmin＝Ppmax-Pa
B上限：Pmax＝Pzmax-Pch
B下限：Pzmax
C上限：Pzmin
C下限：Pmin＝Pzmin+Pdisch
D上限：Pc
D下限：Pmax
E上限：Pmin
E下限：0
式中，Pch为储能系统最大充电功率，Pdisch为储能系统最大放电功率，Pzmax为计算时间长度m内光储联合发电功率最小值所对应的最大值，Pzmin为计算时间长度m内光储联合发电功率最小值所对应的最小值；
优选的，所述步骤3-3中，各区间对应的储能系统输出功率为：
A：Pch至Pdisch
B：Pwp-Pzmin至Pwp-Pzmax
C：Pwp-Pzmin至Pwp-Pzmax
D：Pch至0
E：Pdisch
式中，Pwp为风电与光伏输出功率和。
优选的，所述区间B、D参照弃风/光规则的标准1，考虑弃光电量；所述区间C、E参照弃风/光规则的标准2，通过储能降低光储联合电站波动率，所述弃风/光规则包括：
标准1、当风电和光伏联合发电功率不满足波动率要求，超过波动率要求的上限时，让储能系统充电，把超出储能系统SOC限制和输出功率限制的功率通过调节风/光并网逆变器作为弃风/光功率，按照波动率要求上限来发电；
标准2、当风电和光伏联合发电功率不满足波动率要求，且低于波动率要求下限时，调节风/光并网逆变器以MPPT方式工作，以最大功率输出，此时储能系统放电，降低风光储联合电站的波动率。
优选的，所述步骤(4)中，采用遗传算法进行寻优计算，包括如下步骤：
步骤4-1、确定遗传算法参数，包括解空间、迭代次数和交叉变异概率，其中解空间即为风电Agent、光伏Agent对应的各自储能系统输出功率区间，所述风电Agent、光伏Agent对应的各自储能系统输出功率区间由步骤(3)求得；
步骤4-2、使用二进制编码将储能系统输出功率区间即自变量区间，映射到二进制区间之内，根据需要选择二进制位数；
步骤4-3、初始化种群，在自变量二进制区间内，随机生成一组二进制数，即在储能系统输出功率区间内任意几个功率值；
步骤4-4、选取适应度函数即目标函数，评价自变量二进制区间内种群优劣程度；
步骤4-5、对种群按适应度函数进行评价，采用轮盘赌注方法进行选择，并将选择出来的种群进行交叉变异；
步骤4-6、进行迭代，直到迭代次数完成，得到解空间的最优的二进制数值；
步骤4-7、进行解码，将选择出来的二进制数码映射回解空间。
优选的，所述步骤(4)中，确定储能系统输出功率遵循以下约束条件：
Ssoc_low≤Ssoc(t)≤Ssoc_hi
Figure BDA0001197480120000052
Ssoc(t)＝Ssoc(t-Δt)-Pbess(t)Δt/Ebess
式中，Ssoc_hi、Ssoc_low分别为储能系统能量存储SOC限制最大值与最小值，Pbess(t)为时刻t储能系统输出功率，
Figure BDA0001197480120000051
为时刻t储能系统最大输出功率。
优选的，一种基于多代理的百兆瓦级电池储能系统控制系统，所述系统包含：
(1)风光储Agent，主要负责接收上层调度中心下发的控制要求，并能够与储能Agent双向通信，能够接收储能Agent发送的风光储联合输出功率进行存储，并判断波动率是否符合要求，如果不符合要求则进行报警；
(2)风电Agent，主要负责采集并存储风力发电组件的发电信息，与储能Agent进行通信，根据储能Agent发送的风力发电要求，控制风力发电组件发电；
(3)光伏Agent，主要负责采集并存储光伏发电组件的发电信息，与储能Agent进行通信，根据储能Agent发送的光伏发电要求，控制光伏发电组件发电；
(4)储能Agent，主要负责对应的储能系统进行发电信息的采集及发电功率的控制；同时根据本发明确定的方法，实时确定风力发电功率、光伏发电功率、储能输出功率，并存储所有发电信息。
与最接近的现有技术比，本发明提供的技术方案具有以下优异效果：
本发明结合多代理技术，建立的多个风电Agent、光伏Agent、储能Agent通过通信，协作完成风光储系统输出功率波动率要求，不仅降低了整个系统的控制难度，而且本控制方法具有可扩充性，适应了经济的发展。
本发明中控制方法采用遗传算法针对储能系统出力区间进行实时循环优化，在充分考虑储能系统SOC、放电深度基础之上，充分考虑了弃风弃光标准，提高了风光储系统的运行经济性。
附图说明
图1一种基于多代理的百兆瓦电池储能系统拓扑图，
图2一种基于多代理的百兆瓦电池储能系统控制方法流程图，
图3一种基于多代理的百兆瓦电池储能系统控制方法寻优流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
图1示出了一种基于多代理的百兆瓦储能系统拓扑图。从图可以看出系统主要包含：
(1)风光储Agent，主要负责接收上层调度中心下发的实时平滑波动率控制要求，并能够与储能Agent双向通信。
(2)风电Agent，主要负责采集并存储风力发电组件的发电信息，与储能Agent进行通信，根据储能Agent发送的风力发电要求，控制风力发电组件发电。
(3)光伏Agent，主要负责采集并存储光伏发电组件的发电信息，与储能Agent进行通信，根据储能Agent发送的光伏发电要求，控制光伏发电组件发电。
(4)储能Agent，主要负责对应的储能系统进行发电信息的采集及发电功率的控制。同时根据本发明确定的方法，实时确定风力发电功率、光伏发电功率、储能输出功率，并存储所有发电信息。
所述储能Agent主要包含通信模块、风光储能量管理模块、数据存储模块、控制模块。其中
通信模块：负责与风光储Agent、风电Agent、光伏Agent及代理内各个模块进行通信交互。
风光储能量管理模块：负责与风光储Agent通信模块进行通信，获取所需数据，根据本专利的方法，确定风电、光伏、储能的输出功率。通过储能Agent通信模块，将功率信息发送给风光储Agent、风电Agent、光伏Agent。
数据存储模块：负责存储、读取光风电、光伏、储能发电信息及波动率控制要求。
采集控制模块：主要负责对储能系统进行发电信息的采集与控制。将发电信息通过通信模块发送给风光储Agent和储能Agent数据存储模块进行存储。
例如，十兆瓦或百兆瓦级的大规模储能系统由多个、数十或数百个500kW储能机组组成。这些储能机组可能通过集中式或广域分布式或者集中和广域分布相结合的不同方式接入电网。例如，上述十兆瓦或百兆瓦级的大规模储能系统中，X个分布式500kW储能机组通过M个分布式储能变压器接入电网，而Y个集中式500kW储能机组通过N个变压器集中接入电网。
图2示出一种基于多代理的百兆瓦电池储能系统控制方法流程图，控制步骤如下：
步骤1、风电Agent采集风力发电组件发电功率信息；光伏Agent采集光伏发电组件发电功率；储能Agent采集储能系统参数。
步骤2、储能Agent向风电Agent、光伏Agent发出通信请求，获取风电和光伏发电功率。同时风光储Agent向储能系统发送通信请求，发送实时平滑波动率控制要求。
步骤3、储能Agent根据风电、光伏发电功率、平滑波动率控制要求制定控制方法平滑目标函数，针对风电、光伏、风光输出功率进行划分区间。
步骤4、针对光风电、光伏、风光输出功率区间内的储能系统输出功率进行寻优计算。确定储能系统最优输出功率。
步骤5、储能Agent根据储能系统最优输出功率控制储能系统输出功率，并把储能系统最优输出功率发送给风光储Agent。
步骤6、风光储Agent统计风电、光伏、储能输出功率信息，判断联合输出功率是否超出波动率要求。
图3示出了一种基于多代理的百兆瓦电池储能系统控制方法寻优流程图及其详细描述。
1)确定遗传算法参数，包括解空间、迭代次数、交叉变异概率。其中解空间即为风电Agent、光伏Agent对应的储能系统输出功率区间，即步骤3风电、光伏、风光输出功率划分区间是区间ABCDE对应的储能系统输出功率区间。
2)使用二进制编码将储能系统输出功率区间即自变量区间映射到二进制区间之内，根据需要选择二进制位数。其中二进制区间内任意二进制数字对应相应精度内自变量区间的一个解。
3)初始化种群，在自变量二进制区间内，随机生成一组二进制数，即在储能系统输出功率区间内任意几个功率值。
3)选取适应度函数，评价自变量二进制区间内种群优劣程度。此处选取的适应度函数，为风储Agent目标函数、光伏Agent目标函数为适应度函数。使用适应度函数即目标函数来评价选出来的种群的优劣。风电Agent目标函数，对应式5-式9；光伏目标函数对应式12-式16。
4)对种群按适应度函数进行评价，采用轮盘赌注方法进行选择，并将选择出来的种群进行交叉变异。其中适应度函数评价高的个体，被选择的几率大，对应风电Agent、光伏Agent中能使目标函数取值越小，评价越高，被选择的几率越大。
5)进行迭代，直到迭代次数完成。经过多次迭代以后，此时当代种群中最优个体，即能在对应精度内，逼近解空间最优值。
6)进行解码，将选择出来的二进制数码映射回解空间。
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 (8)

1.一种基于多代理的百兆瓦级电池储能系统控制方法，其特征在于，所述方法包括如下步骤：
(1)风电Agent采集风力发电组件发电功率信息，光伏Agent采集光伏发电组件发电功率，储能Agent采集储能系统参数；
(2)所述储能Agent从所述风电Agent和光伏Agent获取风电功率、光伏发电功率；同时风光储Agent向所述储能Agent发送实时平滑波动率控制要求的通信请求；
(3)所述储能Agent根据风电、光伏发电功率和平滑波动率控制要求制定平滑控制目标函数，并对风电、光伏、风光输出功率进行划分区间，给出风电、光伏、风光功率对应储能系统输出功率区间；
(4)对所述风电、光伏、风光功率对应储能系统输出功率进行寻优计算，确定储能系统最优输出功率；
(5)储能Agent根据所述储能系统最优输出功率控制储能系统输出功率，并把储能系统最优输出功率发送给风光储Agent；
(6)风光储Agent统计风电、光伏、储能输出功率信息，判断联合输出功率是否超出波动率要求，若是，则进行报警提示确认，返回步骤(2)；否则进行下一时刻控制；
所述步骤(3)中，所述平滑控制目标函数的公式如下：
min G＝α1F1+α2F2+α3F3
F1＝abs(Ssoc(t)-Ssoc_ref)*2
Figure FDA0003896201080000011
Figure FDA0003896201080000012
Ssoc(t)＝Ssoc(t-Δt)-Pbess(t)Δt/Ebess
式中，G为目标函数，F1、F2、F3分别代表SOC偏离程度影响因子、放电深度影响因子、弃风弃光因素影响因子；α1、α2、α3分别为SOC偏离程度、放电深度、弃风弃光因素的权重系数，Ssoc(t)为t时刻储能系统的荷电状态，Ssoc_ref为储能系统SOC参考值，
Figure FDA0003896201080000013
为储能系统所能允许的最大充电/放电功率，Pbess(t) 为时刻t储能系统输出功率，Pp(t)表示t时刻风电、光伏、储能系统输出功率的总和，Pzmax为计算时间长度m内光储联合发电功率最小值所对应的最大值，Δt为数据采样间隔，Ebess为储能系统总容量。
2.根据权利要求1所述方法，其特征在于，所述步骤(2)中，所述平滑波动率控制要求的公式如下：
Figure FDA0003896201080000021
Pa＝Pc*Δm
Δm＜δ
式中，m为计算时间长度，Δm为计算时间长度下的波动率，Pmax、Pmin分别为计算时间长度内风光储系统发电功率的最大值、最小值，Pc为风光储系统中风电与光伏电站的装机容量，δ为风光储系统输出功率控制要求波动率上限值，Pa表示波动量。
3.根据权利要求1所述方法，其特征在于，所述步骤(3)中，对所述风电、光伏、风光输出功率进行划分区间包括如下步骤：
步骤3-1、通过风光储联合发电历史数据，得出时间长度m内风光储联合发电功率的最大值和最小值Ppmax、Ppmin；
步骤3-2、判断Ppmax与Ppmin之间的差值，若差值小于波动量Pa时，则直接计算弃光区间与正常发电区间；若Ppmax与Ppmin之间的差值大于波动量Pa时，则进行区间修正，区间修正的公式如下：
Pp max＝Pp max
Ppmin＝Ppmax-Pa
步骤3-3、确定正常发电区间A；弃光区间B、C、D、E，区间划分及各区间上下限如下：
A上限：Pzmax＝Ppmin+Pa
A下限：Pzmin＝Ppmax-Pa
B上限：Pmax＝Pzmax-Pch
B下限：Pzmax
C上限：Pzmin
C下限：Pmin＝Pzmin+Pdisch
D上限：Pc
D下限：Pmax
E上限：Pmin
E下限：0
式中，Pch为储能系统最大充电功率，Pdisch为储能系统最大放电功率，Pzmax为计算时间长度m内光储联合发电功率最小值所对应的最大值，Pzmin为计算时间长度m内光储联合发电功率最小值所对应的最小值。
4.根据权利要求3所述方法，其特征在于，所述步骤3-3中，各区间对应的储能系统输出功率为：
A：Pch至Pdisch
B：Pwp-Pzmin至Pwp-Pzmax
C：Pwp-Pzmin至Pwp-Pzmax
D：Pch至0
E：Pdisch
式中，Pwp为风电与光伏输出功率和。
5.根据权利要求3所述方法，其特征在于，所述区间B、D参照弃风/光规则的标准1，考虑弃光电量；所述区间C、E参照弃风/光规则的标准2，通过储能降低光储联合电站波动率，所述弃风/光规则包括：
标准1、当风电和光伏联合发电功率不满足波动率要求，超过波动率要求的上限时，让储能系统充电，把超出储能系统SOC限制和输出功率限制的功率通过调节风/光并网逆变器作为弃风/光功率，按照波动率要求上限来发电；
标准2、当风电和光伏联合发电功率不满足波动率要求，且低于波动率要求下限时，调节风/光并网逆变器以MPPT方式工作，以最大功率输出，此时储能系统放电，降低风光储联合电站的波动率。
6.根据权利要求1所述方法，其特征在于，所述步骤(4)中，采用遗传算法进行寻优计算，包括如下步骤：
步骤4-1、确定遗传算法参数，包括解空间、迭代次数和交叉变异概率，其中解空间即为风电Agent、光伏Agent对应的各自储能系统输出功率区间，所述风电Agent、光伏Agent对应的各自储能系统输出功率区间由步骤(3)求得；
步骤4-2、使用二进制编码将储能系统输出功率区间即自变量区间，映射到二进制区间之内，根据需要选择二进制位数；
步骤4-3、初始化种群，在自变量二进制区间内，随机生成一组二进制数，即在储能系统输出功率区间内任意几个功率值；
步骤4-4、选取适应度函数即目标函数，评价自变量二进制区间内种群优劣程度；
步骤4-5、对种群按适应度函数进行评价，采用轮盘赌注方法进行选择，并将选择出来的种群进行交叉变异；
步骤4-6、进行迭代，直到迭代次数完成，得到解空间的最优的二进制数值；
步骤4-7、进行解码，将选择出来的二进制数码映射回解空间。
7.根据权利要求1所述方法，其特征在于，所述步骤(4)中，确定储能系统输出功率遵循以下约束条件：
Ssoc_low≤Ssoc(t)≤Ssoc_hi
Figure FDA0003896201080000041
Ssoc(t)＝Ssoc(t-Δt)-Pbess(t)Δt/Ebess
式中，Ssoc_hi、Ssoc_low分别为储能系统能量存储SOC限制最大值与最小值，Pbess(t)为时刻t储能系统输出功率，
Figure FDA0003896201080000042
为时刻t储能系统最大输出功率。
8.一种应用于如权利要求 1-7任一项所述基于多代理的百兆瓦级电池储能系统控制方法的系统,其特征在于，所述系统包含：
(1)风光储Agent，负责接收上层调度中心下发的控制要求，并能够与储能Agent双向通信，能够接收储能Agent发送的风光储联合输出功率进行存储，并判断波动率是否符合要求，如果不符合要求则进行报警；
(2)风电Agent，负责采集并存储风力发电组件的发电信息，与储能Agent进行通信，根据储能Agent发送的风力发电要求，控制风力发电组件发电；
(3)光伏Agent，负责采集并存储光伏发电组件的发电信息，与储能Agent进行通信，根据储能Agent发送的光伏发电要求，控制光伏发电组件发电；
(4)储能Agent，负责对应的储能系统进行发电信息的采集及发电功率的控制；实时确定风力发电功率、光伏发电功率、储能输出功率，并存储所有发电信息。
CN201611247846.0A 2016-12-29 2016-12-29 一种基于多代理的百兆瓦级电池储能系统控制方法及系统 Active CN106712060B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611247846.0A CN106712060B (zh) 2016-12-29 2016-12-29 一种基于多代理的百兆瓦级电池储能系统控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611247846.0A CN106712060B (zh) 2016-12-29 2016-12-29 一种基于多代理的百兆瓦级电池储能系统控制方法及系统

Publications (2)

Publication Number Publication Date
CN106712060A CN106712060A (zh) 2017-05-24
CN106712060B true CN106712060B (zh) 2023-01-24

Family

ID=58906128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611247846.0A Active CN106712060B (zh) 2016-12-29 2016-12-29 一种基于多代理的百兆瓦级电池储能系统控制方法及系统

Country Status (1)

Country Link
CN (1) CN106712060B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108376990B (zh) * 2018-02-13 2023-01-24 中国电力科学研究院有限公司 一种储能电站的控制方法及系统
CN109787260B (zh) * 2019-01-31 2022-03-04 中国电力科学研究院有限公司 一种平滑分布式光伏发电短期波动的储能系统控制方法及系统
CN111092449A (zh) * 2019-11-21 2020-05-01 上海交通大学 高压体系百兆瓦级电池储能系统
CN116454983B (zh) * 2023-02-11 2024-03-26 奈曼旗广星配售电有限责任公司 一种风光储联合最优控制管理方法、系统及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104037791A (zh) * 2014-06-12 2014-09-10 华北电力大学 基于多智能体技术的风光储发电协调控制方法
CN104092303A (zh) * 2014-07-03 2014-10-08 内蒙古大学 风光分布式发电独立微网能量管理协调控制系统及方法
CN105305480A (zh) * 2015-07-13 2016-02-03 陕西省地方电力（集团）有限公司 混合储能直流微网分层控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104037791A (zh) * 2014-06-12 2014-09-10 华北电力大学 基于多智能体技术的风光储发电协调控制方法
CN104092303A (zh) * 2014-07-03 2014-10-08 内蒙古大学 风光分布式发电独立微网能量管理协调控制系统及方法
CN105305480A (zh) * 2015-07-13 2016-02-03 陕西省地方电力（集团）有限公司 混合储能直流微网分层控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A MAS based energy-coordination by contract net protocol for connecting the production units of energy renewable based wind-photovoltaic energy storage system to Grid;Zaid Bari 等;《2016 International Conference on Information Technology for Organizations Development (IT4OD)》;20160401;1-8 *
A multi-agent system for energy management in smart microgrids with distributed energy storage and demand response;H S V S Kumar Nunna 等;《2016 IEEE International Conference on Power Electronics, Drives and Energy Systems (PEDES)》;20161217;1-5 *
Exploiting distributed energy storage to increase network hosting capacity with a Multi-Agent control system;Susanna Mocci 等;《2016 AEIT International Annual Conference (AEIT)》;20161007;1-6 *

Also Published As

Publication number Publication date
CN106712060A (zh) 2017-05-24

Similar Documents

Publication Publication Date Title
Wang et al. Energy management and optimization of vehicle-to-grid systems for wind power integration
Sharma et al. A critical and comparative review of energy management strategies for microgrids
CN102694391B (zh) 风光储联合发电系统日前优化调度方法
CN106712060B (zh) 一种基于多代理的百兆瓦级电池储能系统控制方法及系统
CN106684913B (zh) 一种基于多代理的储能电站跟踪发电计划控制系统和方法
CN106849097A (zh) 一种主动配电网潮流计算方法
CN110247428B (zh) 一种基于源网荷协同优化的配电网光储联合配置方法
CN113988384A (zh) 一种提高配电网可靠性的储能容量优化配置方法
CN111064192A (zh) 一种计及源荷不确定性的独立型微网容量优化配置方法
CN109066741A (zh) 一种用于区域电网削峰填谷的分布式储能规划方法及系统
CN115622101A (zh) 一种促进可再生能源消纳的储能优化配置双层规划方法
CN115114854A (zh) 一种虚拟电厂分布式资源两级自组织优化聚合方法及系统
CN113536581B (zh) 一种计及运行策略的储能系统多状态可靠性建模方法
Aeggegn et al. Optimal sizing of grid connected multi-microgrid system using grey wolf optimization
CN112396304A (zh) 一种主动配电网中区域自治电网的划分策略研究方法
Sun et al. Hierarchical Scheduling Control Method for Cascade Hydro‐PV‐Pumped Storage Generation System
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN116885840A (zh) 一种基于实时数据的分布式新能源在线监测方法及系统
CN114759616B (zh) 一种考虑电力电子器件特性的微电网鲁棒优化调度方法
CN116979611A (zh) 一种源网荷储分层优化调度方法
CN115378004A (zh) 一种含分布式储能系统的分布式能源集群配置方法和系统
Tutkun et al. Design of a PV Powered Charging Station for PHEVs
CN113344316A (zh) 一种电网与气网协调运行调度策略确定方法和系统
Klaimi et al. An energy management approach for smart-grids using intelligent storage systems
Trigkas et al. Supervisory control of energy distribution at autonomous RES-powered smart-grids using a finite state machine approach

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant