CN107124002B - 基于双模糊控制的独立微网能量优化控制方法 - Google Patents
基于双模糊控制的独立微网能量优化控制方法 Download PDFInfo
- Publication number
- CN107124002B CN107124002B CN201710291448.7A CN201710291448A CN107124002B CN 107124002 B CN107124002 B CN 107124002B CN 201710291448 A CN201710291448 A CN 201710291448A CN 107124002 B CN107124002 B CN 107124002B
- Authority
- CN
- China
- Prior art keywords
- power
- load
- energy
- wind
- energy storage
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004146 energy storage Methods 0.000 claims abstract description 124
- 238000009826 distribution Methods 0.000 claims abstract description 18
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 230000000087 stabilizing effect Effects 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 16
- 238000010521 absorption reaction Methods 0.000 claims description 7
- 238000012905 input function Methods 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000001629 suppression Effects 0.000 claims description 4
- 240000002853 Nelumbo nucifera Species 0.000 claims description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 3
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000012886 linear function Methods 0.000 claims description 2
- 239000004744 fabric Substances 0.000 claims 1
- 238000002271 resection Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000010248 power generation Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002401 inhibitory effect Effects 0.000 description 2
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Classifications
-
- H02J3/386—
-
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- 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]
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
- Y02P80/14—District level solutions, i.e. local energy networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于双模糊控制的独立微网能量优化控制方法，通过对储能单元与各类负荷进行成本建模，并针对微网峰谷特性设置日前启停计划；然后通过风‑储以及弹性负荷间的相互配合采用第一层模糊控制进行功率优化分配；再使用低通滤波算法滤除波动功率的高频成分，通过第二层模糊控制进行二次功率分配，保证微网实时功率平衡，同时减少储能装置用于平抑功率波动的容量。本发明能够保证独立微网的功率平衡，实现微网削峰填谷，并对瞬时功率波动进行了抑制，体现出能量管控的有效性与正确性，实现了独立微网的经济运行。
Description
技术领域
本发明涉及的是一种电力系统控制领域的技术，具体是一种基于双模糊控制的独立微网能量优化控制方法。
背景技术
目前，针对独立模式下的微网经济运行、发电和储能的控制运行与优化配置策略已经展开了较多研究。当前研究主要通过对发电控制与储能充放电管理，保证微网的经济运行并减少了储能容量。然而，对于独立微网，单一任务背景下能量优化技术的研究较多，例如以上研究仅考虑了削峰填谷或者功率波动抑制的其中一个方面，而对于削峰填谷与功率波动相互配合的研究较少，即如何通过发电、储能与需求侧负荷在削峰填谷以及功率波动抑制两种任务背景下进行协调与配合，这对于独立微网的运行更为实用和重要。
随着分布式可再生发电的应用越来越广泛，对独立微网进行能量管理的要求也相应越来越高。在不同时间尺度下，能量管理的任务与目标不同，在长时间尺度下，对独立微网进行“削峰填谷”、保证独立微网电能的供需平衡是能量管理的主要目标；而在短时间尺度下，对微网瞬时功率波动进行抑制、保证微网的电能质量则成为了该条件下能量管理的主要目标。
发明内容
本发明针对现有技术存在的上述不足，提出一种基于双模糊控制的独立微网能量优化控制方法，针对含风-储系统的独立微网，基于双层模糊控制方式，通过对风电机组、蓄电池以及需求侧负荷进行运行与出力控制，实现微网的削峰填谷，同时对微网功率波动进行抑制。
本发明是通过以下技术方案实现的：
本发明涉及一种基于双模糊控制的独立微网能量优化控制方法，包括以下步骤：
步骤1)对储能单元与各类负荷进行成本建模，并针对微网峰谷特性设置日前启停计划，通过风电机组以及负荷投切等方式，综合考虑经济性目标及相应约束条件，将微网的整体运行成本优化到最低。
步骤2)实时能量调度，即：根据日前启停计划确定风力发电机投切状态与负荷运行状态后，实时能量调度阶段以超短期功率预测技术为基础，通过风-储以及弹性负荷间的相互配合采用第一层模糊控制进行功率优化分配。
步骤3)使用低通滤波算法滤除波动功率的高频成分，高频成分波动较快，需通过储能-需求侧负荷混合系统进行吸收，剩下的中低频成分则由储能设备与需求侧负荷共同承担，并通过第二层模糊控制进行二次功率分配，保证微网实时功率平衡，同时减少储能装置用于平抑功率波动的容量。
本发明涉及一种实现上述方法的系统，包括：功率预测模块、日前启停模块、实时能量调度模块以及功率波动抑制模块，其中：功率预测模块输出微网中分布式电源与负荷的短期预测功率值以及超短期预测功率值，基于功率预测模块输出的短期预测功率，并将该值输入日前启停模块，输出微网相关元件的启停状态，基于功率预测模块输出的超短期预测功率，并将该值输入实时能量调度模块，得到微网相关元件的功率优化值，通过向功率波动抑制模块输入实时功率信号，得到需平抑的微网瞬时功率波动，该模块将波动功率在蓄电池与热泵类负荷间进行分配，输出最终的功率出力信号。
技术效果
与现有技术相比，本发明能够协同实现长时间尺度下的微网削峰填谷以及短时间尺度下的微网功率波动抑制。该技术划分为日前启停计划与实时能量调度两个阶段。风力发电机与负荷的运行投切状态由日前计划确定；在实时阶段，采用双层模糊控制方式，对储能、风力发电机以及负荷进行功率分配，利用储能-需求侧负荷混合系统平抑微网瞬时功率波动。
附图说明
图1为独立微网拓扑结构示意图；
图2独立微网能量管理系统结构示意图；
图3模糊控制输入隶属函数示意图；
图中：a为输入隶属函数X1、b为输入隶属函数X2；
图4混合系统模糊控制模型示意图；
图中：a为模糊控制模型、b为FuzzyA输入隶属函数X1、c为FuzzyA输入隶属函数X2；
图5为日前启停计划优化结果示意图；
图中：a.风电、负荷功率预测结果、b.不同类型负荷的日前优化结果；
图6为实时能量调度优化结果示意图；
图中：a.微网元件实时功率分配、b.储能系统实时荷电状态；
图7为风力发电日出力曲线示意图；
图8为有/无负荷需求侧管理下的储能荷电状态示意图。
具体实施方式
本实施例包括以下步骤：
步骤1)对储能单元与各类负荷进行成本建模，并针对微网峰谷特性设置日前启停计划，通过风电机组以及负荷投切等方式，综合考虑经济性目标及相应约束条件，将微网的整体运行成本优化到最低。
所述的模型包括：
①风电机组的运行成本其中：α为弃用1MW功率输出所需的补偿成本，Nx(t)为t时刻风机切除台数，N为风机总台数，Pwind(t)为所有风机均有最大功率输出时有功出力预测值，单位为MW。
②储能设备的运行成本其中：为充放电维护成本，为系统寿命损耗成本，Mbess为微网中所有的储能装置，二进制参数定义为储能装置i在t时段的工作状态，定义为储能装置i在时刻t的具体出力，定义为储能装置i在时刻t的充放电维护成本，简化为功率出力的线性函数，为减少储能装置频繁充放电的变化次数，将储能装置的寿命损耗成本加入目标函数。
③微电网负荷需求侧管理在t时刻的运行成本以及总功率其中：为t时段内重要负荷的预测功率，表示可中断负荷的预测功率，使用表示弹性负荷的功率出力，dint、和dcon表示可中断负荷、可平移负荷与弹性负荷所的补偿成本，二进制参数分别为可中断负荷启停状态、可平移负荷的用户意愿启停状态以及可平移负荷优化后的实际启停结果。
所述的日前启停计划，由风-储单元组成的独立微网依靠短期风电、负荷功率预测，优化结果是风力发电机、储能设备以及负荷的投切状态，该日前启停计划的目标函数为：其中：T为风电、负荷预测周期，FES(t,P,u)为储能运行成本，FL(t,P,u)为微网负荷的运行成本，P为风力发电机、储能设备与负荷的计划运行功率，u为风力发电机、储能与负荷的投切状态，u为0-1变量，1表示投入运行，0表示切除运行。
优选地，连续变量P以及离散变量u是优化变量，在约束条件下对目标函数进行最优化求解，确定u的状态并计算P的具体数值。不等式约束有储能充放电限制以及容量限制，等式约束为微网的功率平衡，具体的约束条件包括：
i)
ii)SOCminEmax≤Ei(t)≤SOCmaxEmax，
iii)
其中：为第i台储能装置的功率极限，SOCmin为储能荷电百分数极小值，SOCmax为储能荷电百分数极大值，Emax为储能电量极限值，Ei(t)为第i台储能装置t时段储能电量，Pbess,i(t)为第i台储能装置t时段的运行功率，为第i台储能装置t时段的启停状态，为需求侧负荷j在t时段的启停状态，Pload,j(t)为需求侧负荷j在t时段的功率。
步骤2)实时能量调度，即：根据日前启停计划确定风力发电机投切状态与负荷运行状态后，实时能量调度阶段以超短期功率预测技术为基础，通过风-储以及弹性负荷间的相互配合采用第一层模糊控制进行功率优化分配，具体步骤包括：
2.1)当风电出力大于总负荷需求且储能荷电状态接近最大值时，通过风力发电机卸荷与增加弹性负荷需求相互协调，同时减小储能充电功率；
2.2)当风电出力小于总负荷需求且储能荷电状态接近最小值时，通过切除部分弹性负荷同时减小储能放电功率；
2.3)当风电出力与总负荷需求的差值由储能系统平衡且荷电状态不会越限时，则微网仅通过储能进行能量调度。
优选地，所述的实时能量调度考虑风电出力与需求侧负荷的功率差值以及储能系统的实时荷电状态，将t时刻经过切机操作后的风电出力Pwind,out(t)与需求侧负荷总功率Pload(t)的差值作为模糊控制的输入函数X1(t)；选取t时刻储能荷电状态SOC(t)作为另一个输入函数X2(t)，输入隶属函数如图3所示；X2(t)＝SOC(t)；由于采用储能系统充放电、风力发电机卸荷以及控制弹性负荷功率输出的协调控制策略，因此Pbess(t)+ΔPwind(t)+ΔPcon(t)＝Pwind,out(t)-Pload(t)，其中：Pbess(t)为t时刻储能系统的总充放电功率，充电功率取正，放电功率取负，ΔPwind(t)为t时刻风电卸荷功率，取正，ΔPcon(t)为弹性负荷投切量，切除量取负，新投入量取正。根据模糊控制理论，使用b(t)作为加权平均法得到的t时段微网功率分配系数，由此可得：
其中：为风电卸荷功率极限；为弹性负荷投切量极限。
2.4)当风电出力大于负荷需求且储能系统仍有很大的能量吸收空间，则由其独立承担Pbess(t)，由此消除了卸荷功率，提高发电效益的同时减少了风机频繁变桨造成的严重磨损；当储能系统荷电状态接近最大值或者系统的净输出功率接近甚至超过储能系统限制功率时，此时仅依靠储能系统进行功率吸收，荷电状态很快会达到最大值SOCmax，缩减储能系统寿命同时影响下一时刻的功率分配，因此由储能系统吸收功率、增加弹性负荷与风力发电机卸荷共同实现微网实时功率的平衡。
2.5)当风电出力小于负荷需求且储能系统仍有很大的能量吸收空间，则由其独立承担Pbess(t)；当储能系统荷电状态接近最小值或者系统的净输出功率接近甚至超过储能系统限制功率时，则由储能系统释放功率与切除部分弹性负荷功率相互协调实现微网实时功率的平衡。
所述的微网实时功率的计算并未判断储能系统实时电量是否符合要求，因此在得出相应计算结果的情况下对约束条件进行判定。
步骤3)为平抑微网瞬时功率波动，使用低通滤波算法滤除波动功率的高频成分，高频成分波动较快，需通过储能-需求侧负荷混合系统进行吸收，剩下的中低频成分则由储能设备与需求侧负荷共同承担，并通过第二层模糊控制进行二次功率分配，保证微网实时功率平衡，同时减少储能装置用于平抑功率波动的容量。
所述的储能-需求侧负荷混合系统中设有蓄电池，通过步骤1确定蓄电池的启停状态，通过步骤2对微网功率进一步优化，同时在步骤3中对功率波动进行抑制；需求侧负荷包括可中断负荷、可平移负荷、弹性负荷以及热泵类负荷。可中断负荷与可平移负荷仅参与步骤1，弹性负荷参与步骤1与步骤2，热泵类负荷仅参与步骤3。蓄电池通过自身充放电，一方面对微网功率进行削峰填谷，另一方面对微网功率波动进行抑制。对于需求侧负荷，微网能够对可中断负荷进行投切，若中断则需给予成本补偿；可平移负荷含有用户意愿启停区间，可依照实时状况改变运行时间区间，此时需进行对应赔偿；弹性负荷可根据需要进行投切，常用作微电网实时功率的平衡负荷。
该储能-需求侧负荷混合系统通过步骤1确定蓄电池的启停状态，通过步骤2对微网功率进一步优化，同时在步骤3中对功率波动进行抑制；需求侧负荷包括可中断负荷、可平移负荷、弹性负荷以及热泵类负荷。可中断负荷与可平移负荷仅参与步骤1，弹性负荷参与步骤1与步骤2，热泵类负荷仅参与步骤3。
如图4所示，所述的第二层模糊控制进行功率分配的模型包括：控制模块Fuzzy A和模糊控制模块Fuzzy B，其中：输入信号X1与X2经过模糊控制模块Fuzzy A，得到输出系数K1；输入信号X3与X4经过模糊控制模块Fuzzy B，得到输出系数K2；最终通过权值系数λ(0<λ<1)对K1和K2进行加权平均，得到模糊控制的最终输出系数K。
所述的加权平均具体是指：使用加权法对输出隶属函数值进行求解，经模糊过程求解获得t时刻的输出系数其中：μ1i(X1(t))和μ2j(X2(t))为输入函数X1(t)的第i个和输入函数X2(t)的第j个隶属度值，i的状态集合为{NL，NM，ZO，PM，PL}，j的状态集合为{NB，NM，NS，ZO，PS，PM，PB}；Δkij是与输入量X1i(t)和X2j(t)相对应的隶属函数输出量；X1(t)＝SOC(t)，X2(t)＝PF(t)，X4(t)＝PF(t)-ΔPload'(t-1)，为负荷t时刻的负载系数；PN为负荷额定运行功率；Pload'(t)为用于功率波动平抑的负荷实时功率，这里指微网热泵类负荷的实际功率。负载系数的大小反映负荷的运行状态，对于用在平抑微网波动功率的负荷，系数小于1表示轻载，大于1表示重载；PF(t)为微网波动功率变化量，PF(t)-ΔPload'(t-1)表示t时刻微网功率波动变化对需求侧负荷的影响；ΔPload'(t)为t时刻需求侧负荷用于抑制微网波动的功率分量。
所述的模糊控制模块Fuzzy A的输入隶属函数如图4所示，模糊控制规则如表1所示。模糊控制模块Fuzzy B的隶属函数以及模糊规则与模糊控制模块Fuzzy A类似，不做赘述。
表1Fuzzy A模糊规则设计
所述的模糊控制模块Fuzzy A中：当波动功率远大于0且储能系统有很大的能量吸收空间，则通过模糊规则降低输出系数K1，增加蓄电池充电功率同时减少需求侧负荷平抑波动功率的负担；当储能荷电状态接近最大值，则尽量由需求侧负荷实现实时波动功率的平衡，通过模糊规则增大输出系数K1；波动功率小于0的情况类似。
所述的模糊控制模块Fuzzy B：当t时刻需求侧负荷重载，若此时微网功率波动变化率为负，则通过模糊规则增大输出系数K2，增加需求侧负荷平抑波动功率的比例；若此时微网功率波动变化率为正，则通过模糊规则减小输出系数K2，防止需求侧负荷过分重载；需求侧负荷轻载的情况类似。
优选地，采用储能充放电与改变需求侧负荷功率相互协调的模糊控制策略，因此上述微网波动功率变化量PF(t)＝ΔPbess(t)+ΔPload'(t)，其中：ΔPbess(t)为t时刻储能用于平抑功率波动的充放电功率，充电取正，放电取负；PF(t)为微电网瞬时波动功率，等于平抑功率波动的储能充放电功率ΔPbess(t)与需求侧负荷功率分量ΔPload'(t)之和。根据模糊规则，优先使用需求侧负荷进行功率波动平抑，储能-需求侧负荷功率分配结果，即t时刻需求侧负荷用于抑制微网波动的功率分量和t时刻储能用于平抑功率波动的充放电功率分别为：
ΔPload'(t)＝ΔPload'(t-1)+(PF(t)-ΔPload'(t-1))*K(t)，
ΔPbess(t)＝(PF(t)-ΔPload'(t-1))*(1-K(t))。
上述模糊控制满足平抑功率波动的实际需求：既考虑了蓄电池与需求侧负荷的自身工作特性，同时考虑了外部功率波动大小及变化率的特性对储能-需求侧负荷功率分配所造成的影响。Fuzzy A侧重于储能系统的荷电状态，Fuzzy B侧重于需求侧负荷的负载状态，权值系数λ(0<λ<1)对K1和K2进行加权平均，得到模糊控制的最终输出系数K，最终求出具体的功率分配数值。λ取值不宜过大，以避免蓄电池参与波动抑制的比例过低；λ也不宜取过小值，以避免需求侧负荷参与波动抑制的比例过低。综合考虑需求侧负荷与蓄电池参与微网功率波动平抑的运行特性。
实施测试
如图1所示，对某独立微网进行算例分析，该微网包含四台装机容量为18kW的风机，1个容量为170kWh的蓄电池储能电站，其充放电极限为34kW，初始荷电状态为70％。
微网负荷分类参见表2，负荷容量由尖峰负荷功率确定。图1中的负荷10、11、12均为6kW的热泵类负荷，参与平抑微网功率波动，在削峰填谷任务中作为固定负荷。固定负荷不能切除，作为日前启停计划的固定部分，成本不予考虑；可中断负荷存在运行和停运两种状态，运行状态下可中断负荷数值给定；对于可平移负荷，其用户意愿时段是10:00～11:00；为简化算例复杂度，假设弹性负荷可以随时启停并且功率需求可在小于8kW的任何数值内变化。
表2微电网负荷分类
测试1)日前启停计划优化结果
优化微网内各类负荷日前调度运行状态，根据表2微网负荷的容量比配置，由于不同时段负荷计划功率不同，日前启停计划优化结果如图5所示。
对结果进行分析可知：
i)在风电出力与负荷需求差值较大时如2:00～3:00)，微网会停止部分风机的运行；在负荷需求远大于风电出力时，微网会切除可中断负荷3和7保证功率平衡；可平移负荷的用户意愿时段为10:00～11:00，由于此时负荷需求较大，将其转移到风电出力较高的19:00～20:00，分摊储能系统的功率压力；
ii)如果用户处于用电低谷期，此时段风电输出相对很大，储能装置需要吸收电能，同时可以投入部分可控负荷。若风电出力远高于负荷需求，为保证微网实时功率平衡须切除部分风机；
iii)如果用户处于用电高峰期，储能系统会给负荷供电，若风电出力远低于负荷需求，为防止负荷高峰期固定负荷的供电受到影响，须切除一定数量的可中断负荷。
测试2)实时能量调度优化结果
经过微网实时调度后，实时能量调度优化结果如图6所示。
针对微电网实时调度策略，分析结果如下：
1)在日内调度的大部分时段，一般均由储能系统充放电独自进行实时调度；
2)储能装置的充放电功率极限为34kW，当净负荷功率大于34kW或者小于-34kW时，储能电站处于极限功率充放状态，缺少的功率通过对风力发电机卸荷以及投入弹性负荷进行平衡，由于卸荷成本高于投入弹性负荷，因此首先投入弹性负荷，最后进行卸荷以保持实时功率的平衡；
3)实时调度采取模糊控制策略，当风电功率大于负荷功率且储能系统荷电状态接近最大值时，通过风力发电机卸荷与增加弹性负荷需求相互协调，同时减小储能系统充电功率协调完成实时功率的平衡，图6中2:00时刻由于储能电站荷电状态接近最大值，故减小储能充电功率，配合弹性负荷投入以及卸荷实现功率平衡，此时刻的储能、负荷、风力发电机的协调可以真实地反映模糊控制策略的正确性；
4)5:00时段，净负荷功率本身并不大，但是蓄电池荷电状态已达到90％，此时根据模糊控制规则必须将储能电站的充电功率限制到更小的范围内，配合弹性负荷投入以及卸荷实现功率平衡，此时刻的储能、负荷、风力发电机的协调同样反映了模糊控制规则的正确性；
5)比较4:00和5:00两个时段的净负荷功率分配结果，可以看出，这两个时间段储能装置荷电状态超过85％，但是4:00的储能装置明显分配了更高比例的功率，这体现了模糊控制的作用：当风电出力与负荷需求的差值较高时，如果此时仅依靠储能系统进行功率吸收，则储能系统荷电状态很快会达到最大荷电状态，影响下一时刻储能系统的功率分配，故在此情况下也由储能电站与风力发电机、负荷共同实现微网实时功率的平衡。
测试3)功率波动抑制优化结果
采用前文所述的模糊控制理论对储能-需求侧管理负荷混合系统进行功率分配。风力发电功率曲线参见图7，可以看出风力发电输出功率的瞬时波动效果明显。
需求侧管理负荷参与/不参与能量管理时储能系统的荷电状态如图8所示，此时在缺少需求侧管理负荷的条件下需要119.2kWh容量的储能系统参与微网能量管理；若由需求侧负荷配合储能系统削峰填谷，仅需要90.5kWh的储能容量便可参与微网能量管理，从而可减少28.7kWh的容量。由图8可知，由于需求侧管理负荷配合储能系统进行功率波动抑制，需求侧负荷参与下的储能系统用于平抑微网波动的功率比无需求侧负荷时更为平滑，提高电能质量的同时达到了减少储能容量、延长储能装置运行寿命的目的。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。
Claims (6)
1.一种基于双模糊控制的独立微网能量优化控制方法，其特征在于，包括以下步骤：
步骤1)对储能单元与各类负荷进行成本建模，并针对微网峰谷特性设置日前启停计划；
步骤2)根据日前启停计划确定风力发电机投切状态与负荷运行状态后，通过风-储以及弹性负荷间的相互配合采用第一层模糊控制进行功率优化分配；
步骤3)使用低通滤波算法滤除波动功率的高频成分，通过第二层模糊控制进行二次功率分配，保证微网实时功率平衡，同时减少储能装置用于平抑功率波动的容量；
所述的第一层模糊控制具体包括：
2.1)当风电出力大于总负荷需求且储能荷电状态接近最大值时，通过风力发电机卸荷与增加弹性负荷需求相互协调，同时减小储能充电功率；
2.2)当风电出力小于总负荷需求且储能荷电状态接近最小值时，通过切除部分弹性负荷同时减小储能放电功率；
2.3)当风电出力与总负荷需求的差值由储能系统平衡且荷电状态不会越限时，则微网仅通过储能进行能量调度；
2.4)当风电出力大于负荷需求且储能系统仍有很大的能量吸收空间，则由储能系统独立承担Pbess(t)，由此消除了卸荷功率，提高发电效益的同时减少了风机频繁变桨造成的严重磨损；当储能系统荷电状态接近最大值或者系统的净输出功率接近甚至超过储能系统限制功率时，此时仅依靠储能系统进行功率吸收，荷电状态很快会达到最大值SOCmax，缩减储能系统寿命同时影响下一时刻的功率分配，因此由储能系统吸收功率、增加弹性负荷与风力发电机卸荷共同实现微网实时功率的平衡；
2.5)当风电出力小于负荷需求且储能系统仍有很大的能量吸收空间，则由储能系统独立承担t时刻储能系统的总充放电功率Pbess(t)；当储能系统荷电状态接近最小值或者系统的净输出功率接近甚至超过储能系统限制功率时，则由储能系统释放功率与切除部分弹性负荷功率相互协调实现微网实时功率的平衡；
所述的实时能量调度考虑风电出力与需求侧负荷的功率差值以及储能系统的实时荷电状态，将t时刻经过切机操作后的风电出力Pwind,out(t)与需求侧负荷总功率Pload(t)的差值作为模糊控制的输入函数X1(t)；选取t时刻储能荷电状态SOC(t)作为另一个输入函数X2(t)，X2(t)＝SOC(t)；由于采用储能系统充放电、风力发电机卸荷以及控制弹性负荷功率输出的协调控制策略，因此Pbess(t)+ΔPwind(t)+ΔPcon(t)＝Pwind,out(t)-Pload(t)，其中：Pbess(t)为t时刻储能系统的总充放电功率，充电功率取正，放电功率取负，ΔPwind(t)为t时刻风电卸荷功率，取正，ΔPcon(t)为弹性负荷投切量，切除量取负，新投入量取正；根据模糊控制理论，使用b(t)作为加权平均法得到的t时段微网功率分配系数，由此可得：
其中：为风电卸荷功率极限；为弹性负荷投切量极限。
2.根据权利要求1所述的优化控制方法，其特征是，所述的模型包括：
①风电机组的运行成本其中：α为弃用1MW功率输出所需的补偿成本，Nx(t)为t时刻风机切除台数，N为风机总台数，Pwind(t)为所有风机均有最大功率输出时有功出力预测值，单位为MW；
②储能设备的运行成本其中：为充放电维护成本，为系统寿命损耗成本，Mbess为微网中所有的储能装置，二进制参数定义为储能装置i在t时段的工作状态，定义为储能装置i在时刻t的具体出力，定义为储能装置i在时刻t的充放电维护成本，简化为功率出力的线性函数，为减少储能装置频繁充放电的变化次数，将储能装置的寿命损耗成本加入目标函数；
③微电网负荷需求侧管理在t时刻的运行成本以及总功率其中：为t时段内重要负荷的预测功率，表示可中断负荷的预测功率，使用表示弹性负荷的功率出力，dint、和dcon表示可中断负荷、可平移负荷与弹性负荷所的补偿成本，二进制参数分别为可中断负荷启停状态、可平移负荷的用户意愿启停状态以及可平移负荷优化后的实际启停结果。
3.根据权利要求1所述的优化控制方法，其特征是，所述的日前启停计划，由风-储单元组成的独立微网依靠短期风电、负荷功率预测，优化结果是风力发电机、储能设备以及负荷的投切状态，该日前启停计划的目标函数为：其中：T为风电、负荷预测周期，FES(t,P,u)为储能运行成本，FL(t,P,u)为微网负荷的运行成本，FW(t,P,u)为风电机组的运行成本，P为风力发电机、储能设备与负荷的计划运行功率，u为风力发电机、储能与负荷的投切状态，u为0-1变量，1表示投入运行，0表示切除运行。
4.根据权利要求3所述的优化控制方法，其特征是，连续变量P以及离散变量u是优化变量，在约束条件下对目标函数进行最优化求解，确定u的状态并计算P的具体数值，不等式约束有储能充放电限制以及容量限制，等式约束为微网的功率平衡，具体的约束条件包括：
i)
ii)SOCminEmax≤Ei(t)≤SOCmaxEmax，
iii)
其中：为第i台储能装置的功率极限，SOCmin为储能荷电百分数极小值，SOCmax为储能荷电百分数极大值，Emax为储能电量极限值，Ei(t)为第i台储能装置t时段储能电量，Pbess,i(t)为第i台储能装置t时段的运行功率，为第i台储能装置t时段的启停状态，为需求侧负荷j在t时段的启停状态，Pload,j(t)为需求侧负荷j在t时段的功率，Nx(t)为t时刻风机切除台数，N为风机总台数。
5.根据权利要求1所述的优化控制方法，其特征是，所述的第二层模糊控制进行功率分配的模型包括：控制模块Fuzzy A和模糊控制模块Fuzzy B，其中：输入信号X1与X2经过模糊控制模块Fuzzy A，得到输出系数K1；输入信号X3与X4经过模糊控制模块Fuzzy B，得到输出系数K2；最终通过权值系数λ，0<λ<1，对K1和K2进行加权平均，得到模糊控制的最终输出系数K。
6.一种实现上述任一权利要求所述方法的系统，其特征在于，包括：功率预测模块、日前启停模块、实时能量调度模块以及功率波动抑制模块，其中：功率预测模块输出微网中分布式电源与负荷的短期预测功率值以及超短期预测功率值，基于功率预测模块输出的短期预测功率，并将该值输入日前启停模块，输出微网相关元件的启停状态，基于功率预测模块输出的超短期预测功率，并将该值输入实时能量调度模块，得到微网相关元件的功率优化值，通过向功率波动抑制模块输入实时功率信号，得到需平抑的微网瞬时功率波动，该模块将波动功率在蓄电池与热泵类负荷间进行分配，输出最终的功率出力信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710291448.7A CN107124002B (zh) | 2017-04-28 | 2017-04-28 | 基于双模糊控制的独立微网能量优化控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710291448.7A CN107124002B (zh) | 2017-04-28 | 2017-04-28 | 基于双模糊控制的独立微网能量优化控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107124002A CN107124002A (zh) | 2017-09-01 |
| CN107124002B true CN107124002B (zh) | 2019-09-24 |
Family
ID=59726171
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710291448.7A Active CN107124002B (zh) | 2017-04-28 | 2017-04-28 | 基于双模糊控制的独立微网能量优化控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107124002B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107887933A (zh) * | 2017-11-17 | 2018-04-06 | 燕山大学 | 一种多时间尺度滚动优化微电网能量优化管理方法 |
| CN108110790B (zh) * | 2017-12-15 | 2021-09-10 | 国网江苏省电力有限公司南京供电分公司 | 基于多源数据阶梯式的主动配电网运行状态评估方法 |
| CN108767872B (zh) * | 2018-05-18 | 2021-12-21 | 江苏大学 | 一种应用于风光混合储能微网系统的模糊控制方法 |
| CN109245134B (zh) * | 2018-11-14 | 2021-06-18 | 上海交通大学 | 基于虚拟模糊自适应调控算法的混合储能调度方法及系统 |
| CN110429626B (zh) * | 2019-06-28 | 2021-08-17 | 特变电工西安电气科技有限公司 | 一种适用于并网型储能系统的能量管理系统及管理方法 |
| CN110797884B (zh) * | 2019-11-06 | 2023-02-17 | 国网河南省电力公司电力科学研究院 | 模拟agc调频确定储能容量方法和装置 |
| CN111313446B (zh) * | 2020-03-25 | 2023-08-29 | 上海电机学院 | 一种风电场储能控制方法 |
| CN112032809B (zh) * | 2020-08-27 | 2022-04-22 | 华中科技大学 | 一种基于可再生能源的混合热电站系统及其动态控制方法 |
| CN112308303B (zh) * | 2020-10-22 | 2024-03-08 | 新奥数能科技有限公司 | 基于偏差分配的高容错供能群组负荷调度方法、装置及终端设备 |
| CN113011654A (zh) * | 2021-03-19 | 2021-06-22 | 浙江财经大学 | 一种再制造调度方法及装置 |
| CN117096923B (zh) * | 2023-10-20 | 2023-12-22 | 南京中电科能技术有限公司 | 一种基于峰谷套利的储能运行控制方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103107558A (zh) * | 2013-01-31 | 2013-05-15 | 东南大学 | 多模态可定制绿色能量集线器及其方法 |
| CN104617590A (zh) * | 2014-07-18 | 2015-05-13 | 国网上海市电力公司 | 不同时间尺度下基于混合储能调度的微网能量优化方法 |
-
2017
- 2017-04-28 CN CN201710291448.7A patent/CN107124002B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103107558A (zh) * | 2013-01-31 | 2013-05-15 | 东南大学 | 多模态可定制绿色能量集线器及其方法 |
| CN104617590A (zh) * | 2014-07-18 | 2015-05-13 | 国网上海市电力公司 | 不同时间尺度下基于混合储能调度的微网能量优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107124002A (zh) | 2017-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107124002B (zh) | 基于双模糊控制的独立微网能量优化控制方法 | |
| CN110224444B (zh) | 一种海岛微电网多时间尺度协调控制方法 | |
| Tan et al. | Coordinated control and energy management of distributed generation inverters in a microgrid | |
| CN107301472A (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
| CN114336702B (zh) | 基于双层随机规划的风光储场站群功率分配协同优化方法 | |
| CN108695871B (zh) | 含有电力弹簧的孤岛微电网降低储能容量需求的配置方法 | |
| CN107947211A (zh) | 采用小波包分解并计及频率响应的孤岛型微电网储能优化配置方法 | |
| Kumar et al. | Energy management strategy for integration of fuel cell-electrolyzer technologies in microgrid | |
| Tran et al. | Energy management and dynamic control in composite energy storage system for micro-grid applications | |
| CN110460075B (zh) | 一种用于平抑电网峰谷差的混合储能出力控制方法及系统 | |
| CN107370171A (zh) | 一种独立微网中大规模储能优化配置与协调控制方法 | |
| CN111817296B (zh) | 一种微电网用电能调度方法及系统 | |
| CN116191505A (zh) | 一种低压台区源荷储充全局动态互动的调节方法及装置 | |
| CN108446967A (zh) | 虚拟电厂竞价方法 | |
| Liu et al. | Multi-objective optimal peak load shaving strategy using coordinated scheduling of EVs and BESS with adoption of MORBHPSO | |
| Choi et al. | Application of vanadium redox flow battery to grid connected microgrid energy management | |
| Zhu et al. | Cooperative game-based energy storage planning for wind power cluster aggregation station | |
| Unamuno et al. | An interoperable ems for the provision of grid services with hybrid energy storage systems | |
| Ullah et al. | Feasibility study of energy storage technologies for remote microgrid's energy management systems | |
| CN114418453B (zh) | 一种基于电力市场的微电网多时间尺度能量管理系统 | |
| CN110661277A (zh) | 一种基于敏感负荷接入的虚拟电厂日前调度方法 | |
| EP4231477A1 (en) | Method of power management of a power plant | |
| Paliwal et al. | Short-term optimal energy management in stand-alone microgrid with battery energy storage | |
| CN116131297A (zh) | 一种面向新能源消纳的源网荷储省地协同调控方法及系统 | |
| CN115619153A (zh) | 动态聚合下考虑分布式资源运行特性的响应方法和装置 |
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 |