CN107994595B - 一种削峰填谷控制方法和系统以及应用该控制方法的系统 - Google Patents

Abstract

本发明提供了一种削峰填谷控制方法和系统以及应用该控制方法的系统，包括基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解；将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能系统充放电功率。相对现有技术，本发明提供了一种变参数功率差控策略，该控制策略协调考虑了储能对负荷侧的削峰填谷效果以及荷电状态的影响，对储能系统正常工作上限荷电状态和储能系统正常工作下限荷电状态，及储能系统在不同负荷区间和不同荷电状态SOC区间的充电或放电功率因数进行变化寻优，能够保持储能系统的充放电特性，延长储能系统的使用寿命。

Description

一种削峰填谷控制方法和系统以及应用该控制方法的系统

技术领域

本发明属于大规模储能、新能源发电技术领域，具体涉及一种削峰填谷控制方法和系统以及应用该控制方法的系统。

背景技术

近年来，随着经济水平的快速发展，电力系统负荷呈现出峰谷差日益增大的特点，这会降低电力系统的经济性，并造成社会资源浪费，而这种现象在商业园区尤为严重。在商业园区中加入储能系统，利用储能电池蓄能特性能够在用电低谷时储存电能，在用电高峰释放电能，实现削峰填谷。储能通过自身的充放电特性，能够延缓园区电网的容量升级改造，提高设备利用率和供电可靠性，同时对部分实行峰谷电价地区，能够通过减小负荷的峰谷差而受益。因此，储能系统的使用在给电网的安全运行带来保障的同时，也给用户侧带来经济收益。在配备了一定规模的分布式光伏阵列的商业园区中，园区所配备的光伏容量往往无法满足负荷。因此，引入城市电网以满足商业园区的负荷需求。储能系统的加入能够对负荷的峰谷进行调节，用电低谷时储存电能，在用电高峰释放电能，给商业园区用户带来一定的经济收益。

商业园区能源中心主要实现对商业园区电力系统各部分的信息采集与监控管理。商业园区的电力系统按物理作用可分为源-储-荷三部分。能源中心采集用电负荷、储能系统出力、光伏系统出力，对园区各部分运行状态与出力进行决策。目前，关于求解储能系统削峰填谷策略的算法主要包括动态规划算法、智能算法等。在现有的一些控制策略中，包括基于动态规划的削峰填谷控制策略，同时考虑了充放电深度对电池寿命的影响，但其限制了每日的充放电次数，部分场景下由于负荷变化较大，储能系统可能需要多次变化充放电状态。对比储能系统恒功率控制方式与功率差控制方式的控制效果，可以发现与功率差控制方式相比，恒功率控制较简单，但其控制效果不如功率差的控制方式，并且恒功率控制对负荷预测精度要求较高。

发明内容

为克服上述现有技术的不足，本发明提出一种削峰填谷控制方法和系统以及应用该控制方法的系统，结合动态自适应粒子群算法，提出对商业园区储能系统削峰填谷输出功率的控制策略。

实现上述目的所采用的解决方案为：

一种削峰填谷控制方法，其改进之处在于：

基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解；

将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能系统充放电功率；

其中，所述可变控制参数包括：储能系统正常工作上限荷电状态和储能系统正常工作下限荷电状态以及储能系统在不同负荷区间和不同荷电状态区间的充电或放电功率因数。

本发明提供的第一优选技术方案，其改进之处在于，所述变参数功率差控制策略包括，包括：

基于储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率，划分负荷区间；

基于储能系统正常工作上限荷电状态、储能系统正常工作下限荷电状态、储能系统荷电状态所允许的最大值和最小值划分SOC工作区间；

基于所述负荷区间和SOC工作区间划分储能系统充放电区间并设定充放电策略及充放电功率。

本发明提供的第二优选技术方案，其改进之处在于，所述基于储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率，划分负荷区间，包括：

基于与当前日对应的典型日负荷曲线计算储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率；

基于所述上下限功率将负荷区间划分为多个负荷区，分区方法如下式：

当P_t≤P2时，划分为负荷I区；

当P2<P_t<P1时，划分为负荷II区；

当P_t≥P1时，划分为负荷III区；

其中，P_t为t时刻的负荷功率，P2为储能系统参与充电时负荷上限功率，P1为储能系统参与放电时负荷的下限功率。

本发明提供的第三优选技术方案，其改进之处在于，基于储能系统正常工作上限荷电状态、储能系统正常工作下限荷电状态、储能系统荷电状态所允许的最大值和最小值划分SOC 工作区间，包括：

当SOC_max≤SOC(t)<1时，划分为SOC越上限区；

当SOC_up≤SOC(t)<SOC_max时，划分为SOC高限值区；

当SOC_down≤SOC(t)<SOC_up时，划分为SOC正常工作区；

当SOC_min≤SOC(t)<SOC_down时，划分为SOC低限值区；

当0<SOC(t)<SOC_min时，划分为SOC越下限区；

其中，SOC(t)为t时刻的SOC值，SOC_max为储能系统荷电状态所允许的最大值，SOC_min为储能系统荷电状态所允许的最小值，SOC_up为储能系统正常工作上限荷电状态，SOC_down为储能系统正常工作下限荷电状态。

本发明提供的第四优选技术方案，其改进之处在于，所述基于所述负荷区间和SOC工作区间划分储能系统充放电区间并设定充放电策略及充放电功率，包括：

第一区间，所述第一区间为SOC工作区间为SOC越上限区且负荷区间为负荷I区，所述储能系统静置；

第二区间，所述第二区间为SOC工作区间为SOC越上限区且负荷区间为负荷Ⅱ区，所述储能系统放电；

第三区间，所述第三区间为SOC工作区间为SOC越上限区且负荷区间为负荷Ⅲ区，所述储能系统放电；

所述第二区间和第三区间，储能系统的充放电功率计算式如下：

P_d＝min(P_e,P_t-P2) (1)

第四区间，所述第四区间为SOC工作区间为SOC高限值区且负荷区间为负荷I区，所述储能系统充电，储能系统的充放电功率计算式如下：

P_c＝k₁(P2-P_t) (2)

第五区间，所述第五区间为SOC工作区间为SOC高限值区且负荷区间为负荷Ⅱ区，所述储能系统静置，

第六区间，所述第六区间为SOC工作区间为SOC高限值区且负荷区间为负荷Ⅲ区，所述储能系统放电，储能系统的充放电功率计算式如下：

P_d＝k₂(P_t-P1)+(1-k₂)min(P_e,P_t-P2) (3)

第七区间，所述第七区间为SOC工作区间为SOC正常工作区且负荷区间为负荷I区，所述储能系统充电，储能系统的充放电功率计算式如下：

P_c＝P2-P_t (4)

第八区间，所述第八区间为SOC工作区间为SOC正常工作区且负荷区间为负荷Ⅱ区，所述储能系统静置；

第九区间，所述第九区间为SOC工作区间为SOC正常工作区且负荷区间为负荷Ⅲ区，所述储能系统放电，储能系统的充放电功率计算式如下：

P_d＝P_t-P1 (5)

第十区间，所述第十区间为SOC工作区间为SOC低限值区且负荷区间为负荷I区，所述储能系统充电，储能系统的充放电功率计算式如下：

P_c＝k₃(P2-P_t)+(1-k₃)min(P_e,P1-P_t) (6)

第十一区间，所述第十一区间为SOC工作区间为SOC低限值区且负荷区间为负荷Ⅱ区，所述储能系统静置；

第十二区间，所述第十二区间为SOC工作区间为SOC低限值区且负荷区间为负荷Ⅲ区，所述储能系统放电，储能系统的充放电功率计算式如下：

P_d＝k₄(P_t-P1) (7)

第十三区间，所述第十三区间为SOC工作区间为SOC越下限区且负荷区间为负荷I区，所述储能系统充电；

第十四区间，所述第十四区间为SOC工作区间为SOC越下限区且负荷区间为负荷Ⅱ区，所述储能系统充电；

所述第十三区间和第十四区间，储能系统的充放电功率计算式如下：

P_c＝min(P_e,P1-P_t) (8)

第十五区间，所述第十五区间为SOC工作区间为SOC越下限区且负荷区间为负荷Ⅲ区，所述储能系统静置；

其中，P_d为储能系统放电功率，P_c为储能系统充电功率，P_e为储能系统额定功率，k₁和k₃为设置的充电功率因数，k₂和k₄为设置的放电功率因数。

本发明提供的第五优选技术方案，其改进之处在于， (9)

其中F1为负荷侧削峰填谷效果目标函数，λ₁为F1的权重：

其中，P_nload(t)表示t时刻的负荷侧功率，为负荷与储能系统的总功率；P_nload_avg(T)为 [T,T+Δt]时段内负荷侧的平均功率，P_nload_max(T)为该时段内负荷侧功率最大值，Δt为时段长度；

F2为SOC越限率目标函数，λ₂为F2的权重：

为[T,T+Δt]时段内SOC值进入SOC越上限区时长，/>为该时段内 SOC值进入SOC越下限区时长；

F3为SOC波动评价指标，λ₃为F3的权重：

其中SOC_avg(T)为[T,T+Δt]时段内SOC平均值，SOC(t)为该时段内时刻t时的SOC值， SOC_max(T)为该时段内SOC最大值。

本发明提供的第六优选技术方案，其改进之处在于，所述权重系数λ₁、λ₂和λ₃计算方法为

分别算出F1、F2和F3三个子目标函数的最优解minF_i(x)，记为x_i，i＝1,2,3；

对各子目标函数的最优解进行交互迭代，分别计算出对应的目标函数值F_j(x_i)，其中F_j(x_i) 表示将第i个子目标函数最优解代入第j个子目标函数算出的值；

采用下式计算各子目标函数的变差系数l_i：

采用下式计算权系数b(λ_i)：

对权系数和变差系数进行大小排序，变差系数最大的子目标函数以最小的权系数为权重，变差系数最小的子目标函数以最大的权系数为权重，变差系数中间的子目标函数以中间的权系数为权重。

本发明提供的第七优选技术方案，其改进之处在于，所述预先建立的削峰填谷模型的约束条件包括：

电网功率平衡约束

P_grid+P_pv＝P_load-P_ess (15)

其中，P_grid为城市电网对园区的输出功率，P_pv为园区分布式光伏阵列输出功率，P_load为园区负荷功率，P_ess为储能系统出力；

储能系统自身约束

SOC_min≤SOC(t)≤SOC_max (16)

0≤P_c≤P_e (17)

0≤P_d≤P_e (18)

其中，α为储能系统的自放电率，E为储能系统容量，k_d为储能系统的放电效率，k_c为储能系统的充电效率，SOC(t-1)为t-1时刻的SOC值，t时刻和t-1时刻间的时间间隔为Δt；

控制参数约束

0<{k₁，k₂，k₃，k₄}<1 (21)

0<SOC_min<SOC_down<SOC_up<SOC_max<1 (22)。

一种削峰填谷控制系统，其改进之处在于，包括参数求解模块和功率控制执行模块；

所述参数求解模块用于基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解；

所述功率控制执行模块用于将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能系统充放电功率；

其中，所述可变控制参数包括：储能系统正常工作上限荷电状态和储能系统正常工作下限荷电状态以及储能系统在不同负荷区间和不同荷电状态区间的充电或放电功率因数。

本发明提供的第八优选技术方案，其改进之处在于，还包括变参数功率差控制策略模块；

所述变参数功率差控制策略模块包括负荷区间划分子单元、SOC工作区间划分子单元和策略设定子单元；

所述负荷区间划分子单元用于基于储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率，划分负荷区间；

所述SOC工作区间划分子单元用于基于储能系统正常工作上限荷电状态、储能系统正常工作下限荷电状态、储能系统荷电状态所允许的最大值和最小值划分SOC工作区间；

所述策略设定子单元用于基于所述负荷区间和SOC工作区间划分储能系统充放电区间并设定充放电策略及充放电功率。

一种应用削峰填谷控制方法的系统，其改进之处在于，包括通信模块、系统决策计算模块、数据存储模块、动态自适应粒子群计算模块和功率控制执行模块；

所述通信模块用于实时接收外部信息，并将所述外部信息反馈给所述系统决策计算模块，所述外部信息包括调度信息、新能源功率信息、负荷信息以及储能系统SOC状态信息；

所述系统决策计算模块根据所述外部信息，按照预设的参数筛选策略实时计算出储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率并发送至所述动态自适应粒子群计算模块；

所述动态自适应粒子群计算模块根据所述系统决策计算模块的计算结果，以负荷侧削峰填谷效果、SOC越限率和SOC波动评价指标为目标函数，以电网功率平衡约束、储能系统自身约束和控制参数约束为约束条件，采用动态自适应粒子群算法对所述储能系统的控制参数进行滚动寻优，并将所述控制参数发送给所述功率控制执行模块；其中，所述控制参数包括储能系统正常工作上限荷电状态和储能系统正常工作下限荷电状态，及储能系统在不同负荷区间和不同SOC区间的充电或放电功率因数；

所述功率控制执行模块根据所述控制参数，控制储能系统的充放电功率；

所述数据储存模块用于实时存所述外部信息、所述储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率和所述控制参数。

与最接近的现有技术相比，本发明具有的有益效果如下：

本发明提出的一种削峰填谷控制方法和系统以及应用该控制方法的系统，提供了一种变参数功率差控策略，该控制策略协调考虑了储能对负荷侧的削峰填谷效果以及荷电状态的影响，对储能系统正常工作上限荷电状态和储能系统正常工作下限荷电状态，及储能系统在不同负荷区间和不同荷电状态SOC区间的充电或放电功率因数进行变化寻优，能够保持储能系统的充放电特性，延长储能系统的使用寿命。同时变参数功率差控策略相比现有的储能系统恒功率控制方式与功率差控制方式，其控制效果更好。

附图说明

图1为本发明提供的一种削峰填谷控制方法流程示意图；

图2为本发明提供的一种削峰填谷控制方法的变参数功率差控制策略流程图；

图3为本发明提供的一种削峰填谷控制方法的P1和P2计算方法流程示意图；

图4为负荷区间划分示意图；

图5为SOC区间划分示意图；

图6为控制策略作用下负荷侧功率曲线示意图；

图7为不同控制策略作用下SOC曲线示意图；

图8为SOC_up与SOC_down变化曲线示意图；

图9为k₁、k₂、k₃和k₄变化曲线示意图；

图10为本发明提供的一种应用源储荷系统削峰填谷控制方法的系统的构成示意图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的详细说明。

本发明提供的一种削峰填谷控制方法的流程示意图如图1所示，包括：

基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解；

将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能系统充放电功率；

其中，可变控制参数包括：储能系统正常工作上限荷电状态和储能系统正常工作下限荷电状态以及储能系统在不同负荷区间和不同荷电状态区间的充电或放电功率因数。

具体的，一种削峰填谷控制方法包括：

1根据日负荷预测曲线，综合考虑储能系统容量约束以及功率约束，计算得出储能系统参与充电的上限功率P2与储能系统参与放电的下限功率P1，具体流程与常参数功率差控制策略中的计算P1和P2的方法相同，如图3所示，包括：

1-1获取日负荷预测曲线；

1-2确定预设的迭代步长ΔP，根据日负荷预测曲线计算日平均负荷P_av，负荷峰值功率P_f和负荷谷值功率P_g；

1-3设置储能系统参与充电时负荷上限功率P2＝P_av-ΔP，储能系统参与放电时负荷的下限功率P1＝P_av+ΔP；转入1-4和1-5；

1-4判断充电电量E_c是否小于电池容量E，若是，转入1-8，否则转入1-6；

1-5判断放电电量E_d是否小于电池容量E，若是，转入1-8，否则转入1-7；

1-6更新P2值，具体为P2＝P2-ΔP，转入步骤1-4；

1-7更新P1值，具体为P1＝P1+ΔP，转入步骤1-5；

1-8判断0≤E_c-E_d<∈是否满足,若是，转入1-9；否则，当E_c-E_d<0时，转入1-7，当E_c-E_d≥∈时，转入1-6；∈为预设的接近0的正值；

1-9确定P1和P2的值，结束。

2根据P1和P2，将负荷状态划分为3个区间，如图4所示：

当P_t≤P2时，为负荷I区；常参数功率差控制策略控制下储能系统充电以增大负荷谷值，充电功率P′_c为：P′_c＝P2-P_t；

当P2<P_t<P1时，为负荷II区；常参数功率差控制策略控制下储能系统静置；

当P_t≥P1时，为负荷III区；常参数功率差控制策略控制下储能系统放电以减小负荷峰值，放电功率P′_d为：P′_d＝P_t-P1；

其中，P_t为t时刻的负荷功率。

3引入SOC_up和SOC_down两个控制参数，将SOC状态区间进行如图5所示的划分，其中SOC_up为储能系统正常工作上限荷电状态，SOC_down为储能系统正常工作下限荷电状态：

SOC越上限区：

SOC_max≤SOC(t)<1；

SOC高限值区：

SOC_up≤SOC(t)<SOC_max；

SOC正常工作区：

SOC_down≤SOC(t)<SOC_up；

SOC低限值区：

SOC_min≤SOC(t)<SOC_down；

SOC越下限区：

0<SOC(t)<SOC_min；

上式中SOC(t)为t时刻的SOC值，SOC_max为储能系统所允许的SOC最大值，SOC_min为储能系统所允许的SOC最小值。引入的SOC_up和SOC_down需满足约束：

0<SOC_min<SOC_down<SOC_up<SOC_max<1

4基于上述内容，提出变参数功率差控制策略。本策略原则之一是通过调节SOC高低限值区的充放电功率，尽量避免或缩短SOC处于越上下限区。为此，结合所划分的SOC状态和负荷状态区间，划分十五个储能系统充放电区间，引入控制参数k₁、k₂、k₃和k₄，其控制原则如下：

4-1SOC越上限区：此区间储能不进行充电操作。在此SOC工作区间，还进一步根据负荷区间共划分三个储能系统充放电区间。

第一区间，在负荷Ⅰ区，储能系统静置，由电网及光伏对园区负荷进行供电；

第二区间，在负荷Ⅱ区；第三区间，在负荷Ⅲ区。

第二区间和第三区间，储能系统放电，且以充电上限值为目标放电，考虑储能系统功率约束，故放电功率：

P_d＝min(P_e,P_t-P2) (1)

其中，P_e为储能系统额定功率，P_t为负荷功率，P_d为储能系统放电功率。

4-2SOC高限值区：此区间根据所处负荷区间不同，储能系统进行不同充放电操作。在此SOC工作区间，还进一步根据负荷区间共划分三个储能系统充放电区间。

第四区间，在负荷Ⅰ区，储能系统进行充电，但由于该区间内SOC值已经较大，过大的充电功率会使SOC进入越上限区，此区间内储能系统充电功率P_c为：

P_c＝k₁(P2-P_t) (2)

其中：0<k₁<1，这样能够使其在负荷Ⅰ区进行填谷的同时，兼顾SOC的状态；

第五区间，在负荷Ⅱ区，储能系统静置；

第六区间，在负荷Ⅲ区，储能系统进行放电操作，由于此刻的SOC值较高，很容易进入越上限区，需尽可能增大放电功率，同时放电还应受到功率约束与负荷区间约束，故此时的放电功率为：

P_d＝k₂(P_t-P1)+(1-k₂)min(P_e,P_t-P2) (3)

其中：0<k₂<1，鉴于P1和P2确定时的功率约束：P_t-P1<P_e，故此区间的放电功率范围为：[P_t-P1,min(P_e,P_t-P2)]。

4-3SOC正常工作区：在此SOC工作区间，还进一步根据负荷区间共划分三个储能系统充放电区间。

第七区间，在负荷Ⅰ区，储能系统充电，充电功率：

P_c＝P2-P_t (4)

第八区间，在负荷Ⅱ区，储能系统静置；

第九区间，在负荷Ⅲ区，储能系统放电，

P_d＝P_t-P1 (5)

4-4SOC低限值区：此区间内储能动作与SOC高限值区相反。在此SOC工作区间，还进一步根据负荷区间共划分三个储能系统充放电区间。

第十区间，在负荷Ⅰ区，储能系统进行充电操作，充电功率：

P_c＝k₃(P2-P_t)+(1-k₃)min(P_e,P1-P_t) (6)

第十一区间，在负荷Ⅱ区，储能系统静置；

第十二区间，在负荷Ⅲ区，储能系统放电，放电功率：

P_d＝k₄(P_t-P1) (7)

其中，0<k₄<1。

4-5SOC越下限区：与SOC越上限区相反。在此SOC工作区间，还进一步根据负荷区间共划分三个储能系统充放电区间。

第十三区间，在负荷Ⅰ区；第十四区间在负荷Ⅱ区。第十三区间和第十四区间，储能系统充电：

P_c＝min(P_e,P1-P_t) (8)

第十五区间，在负荷Ⅲ区，储能系统静置。

变参数功率差控制策略总体设置如表1所示，其中表中公式不带负号时，表示放电功率，带负号时，表示充电功率。

5通过SOC_up和SOC_down两个控制参数能够对荷电状态区间进行划分，通过控制参数k₁、k₂、k₃和k₄对每个区间充放电功率进行控制。协调考虑SOC状态与负荷区间，共生成了 15个充放电区间，每个区间对应不同的充放电规则。通过对 SOC_up、SOC_down、k₁、k₂、k₃和k₄等6个变量进行滚动优化，可实现协调考虑SOC状态的变参数功率差控制策略。

考虑到负荷有一定波动性，基于与当前日对应的典型日负荷预测曲线，对这6个控制变量的滚动更新应考虑包括未来时段的控制效果，从而使控制策略有一定前瞻性和全局性。因此，本发明的控制目标将协调未来一段时间内的负荷侧削峰填谷效果与SOC状态。

5-1为对负荷侧削峰填谷效果进行评价，本发明定义目标函数F1：

其中，P_nload(t)表示t时刻的负荷侧功率；P_nload_avg(T)为[T,T+Δt]时段内负荷侧的平均功率，P_nload_max(T)为该时段内负荷侧功率最大值，Δt为时段长度；

式(9)中负荷侧功率为负荷与储能系统的总功率，即：

P_nload(t)＝P_load(t)-P_ess(t) (10)

其中，P_load(t)为t时刻负荷功率，P_ess(t)为t时刻储能系统出力，当储能系统放电时，取为正值，充电时，取为负值。

为协调考虑SOC状态，本发明引入F2和F3两个目标函数。

5-2定义[T,T+Δt]时段内SOC越限率为F2，则

为[T,T+Δt]时段内SOC值进入SOC越上限区时长，/>为该时段内 SOC值进入SOC越下限区时长；

5-3定义SOC波动评价指标为F3：

其中SOC_avg(T)为[T,T+Δt]时段内SOC平均值，SOC(t)为该时段内时刻t时的SOC值， SOC_max(T)为该时段内SOC最大值。

5-4本发明的控制策略的目标函数由F1、F2和F3联合构成，由于F1、F2和F3分别代表目标函数的不同特征，对以上3个目标函数赋予一组权重系数λ_i(i＝1,2,3)，即为：

minF＝min{λ₁F1+λ₂F2+λ₃F3} (13)

为确定各子目标函数的权重λ_i，本发明采用适应度函数变差系数排序法。具体步骤如下：

(1)分别算出F1、F2和F3三个子目标函数的最优解minF_i(x)，记为x_i，i＝1,2,3；

(2)对各子目标函数的最优解进行交互迭代，分别计算出对应的目标函数值F_j(x_i)，其中F_j(x_i)表示将第i个子目标函数最优解代入第j个子目标函数算出的值；

(3)计算各子目标函数的不同解下的变差系数，即：

(4)计算权系数

对权系数和变差系数进行大小排序，变差系数最大的子目标函数以最小的权系数为权重，变差系数最小的子目标函数以最大的权系数为权重，变差系数中间的子目标函数以中间的权系数为权重，以更好的均衡有效解的范围。

6本发明所提出的控制策略主要考虑了电网功率平衡约束、储能系统自身约束以及6个控制参数的约束，提出相应的约束条件如下：

6-1电网功率平衡约束

为保证园区内用电设备的正常工作，需满足电网的功率平衡，即：

P_grid+P_pv＝P_load-P_ess (16)

其中，P_grid为城市电网对园区的输出功率，P_pv为园区分布式光伏阵列输出功率，P_load为园区负荷功率，P_ess为储能系统出力；

6-2储能系统自身约束

SOC_min≤SOC(t)≤SOC_max (17)

0≤P_c≤P_e (18)

0≤P_d≤P_e (19)

其中，SOC(t)为t时刻的SOC值，SOC_max为储能系统所允许的SOC最大值，一般取80％～100％，SOC_min为储能系统所允许的SOC最小值，一般取20％～30％，P_d为储能系统放电功率，P_c为储能系统充电功率，P_e为储能系统额定功率。

储能系统SOC、容量与充放电功率之间还应满足如下关系：

其中，α为储能系统的自放电率，E为储能系统容量，k_d为储能系统的放电效率，k_c为储能系统的充电效率，SOC(t-1)为t-1时刻的SOC值，Δt为t时刻和t-1时刻间的时间间隔。

6-3控制参数约束

除以上电网功率平衡约束与储能系统自身约束外，还应满足对所引入6个参数的约束，即为：

0<{k₁，k₂，k₃，k₄}<1 (21)

0<SOC_min<SOC_down<SOC_up<SOC_max<1 (22)。

7根据上述目标函数和约束条件，本发明所提供的述控制策略采用动态自适应粒子群算法对所引入SOC_up、SOC_down、k₁、k₂、k₃和k₄等6个参数进行滚动寻优。

粒子群算法PSO是一种随机搜索、并行的优化算法，具有收敛速度快、简单易行等优点。粒子群优化算法通过群体中个体之间的协作和信息共享来寻找最优解。PSO中，粒子按下式进行位置与速度更新：

其中，i为粒子数，j为维数，ω为惯性权因子，c₁和c₂为学习因子，r₁和r₂为0与1之间的随机数，为第i个粒子的第j维第k代速度，/>为第i个粒子的第j维第k代位置，为当前粒子的个体最优解，/>为全局最优解，即粒子群当前最优位置。

然而，由于快速的收敛算法，使得粒子群算法易早熟，从而陷入局部最优中。粒子群算法中较大的惯性权因子有利于全局探索,但会使算法收敛速度降低；而较小的惯性权因子有利于算法的局部开发,加速算法的收敛，但会使算法的全局性变差。动态自适应粒子群算法考虑了惯性权因子ω对算法的影响，对惯性权因子进行动态自适应调整，令：

上式中，是第i个粒子个体第k次迭代最优解的目标值，F_kavg为第k次迭代的目标值平均值，F_kbest为第k次迭代的最优目标值，ω₀为惯性权因子预设的初始值，/>为第i个粒子第k次迭代时的惯性权因子，α、β为[0,1]之间的随机数，/>和S为中间变量。算法具体步骤如下：

7-1设置粒子个数，迭代次数以及学习因子c₁和c₂，并对粒子位置与速度进行初始化，使粒子初始位置位于限制范围内。

7-2根据目标函数，计算每个个体的适应度进行评价，并对个体最优解与全局最优解进行保存。

7-3初次更新粒子位置与速度。

7-4计算位置和速度更新后的适应度值。

7-5进行迭代运算，通过首次的个体最优解与全局最优解对惯性权因子进行更新。之后带入式28和29，更新粒子位置与速度。

7-6判断迭代结果是否满足终止条件，即迭代次数达到设定迭代次数或适用值满足条件，若满足，结束迭代并输出结果。否则返回7-5,再次进行迭代运算。

本发明提供的一种削峰填谷控制方法的变参数功率差控制策略流程图如图2所示。

下面结合附图，对优选实例进行说明。应该强调的是，下述说明仅仅是实例性的，而不是为了限制本发明的范围及应用。

以上海某商业园区为例，对专利控制策略的有效性进行分析。仿真所用日负荷预测曲线基于支持向量机算法得出，同时基于商业园区工作日的日负荷曲线整体相似的特点，得到该商业园区的1月工作日典型超短期日负荷预测曲线。采用的变参数控制策略整理为表1。表1 中的公式，若式首带负号，表示充电，否则表示放电。

1)变参数功率差控制策略仿真

该商业园区源/储/荷各部分配置如下：光伏系统装机容量为3MW；储能系统为锂电池，额定功率为1MW，额定容量为2MW·h；1月最大负荷6.5MW。该商业园区1月典型日负荷预测曲线如图6中虚线所示，即储能系统不作用的热电负荷曲线：

可以看出，商业园区负荷有两个用电高峰时段，分别在上午10:30左右与下午14:30左右达到用电峰值，且峰值均会持续2～3小时左右。11:30～13:00，负荷会出现短时的下降，在晚上22:00～凌晨5：00左右，负荷出现低谷。

基于该典型日负荷预测曲线，按照常参数功率差控制策略的计算流程，得出典型日的 P_av＝2.5786MW，P1＝5.9578MW，P2＝0.5164MW。

以某一天的数据(00:00～24:00)为样本进行仿真。考虑采样数据的分辨率，每隔10min对 SOC_up、SOC_down、k₁、k₂、k₃和k₄等6个参数进行更新一次。基于负荷预测曲线，考虑未来 30min的目标函数最优作为本区间的最优解，这样使本控制策略有了预见性和一定的全局性。

设置动态自适应粒子群算法粒子数n＝50，最大迭代次数k＝300，学习因子c1＝c2＝1.5； SOC上下限SOC_min＝0.2，SOC_max＝0.8，储能系统自放电率为0，充放电效率均为100％。依图 2流程进行仿真，仿真结果如图6中实线所示，即控制策略作用下的负荷曲线：

由图6中的实线可见，该控制策略下，储能系统确实起到了削峰填谷的作用，储能系统在22:00～6:00间进行充电操作，增大了原始负荷曲线的的谷段负荷；储能系统在9:00～12:00, 13:00～15:00进行放电操作，减小了原始负荷曲线峰段负荷。

2)与常参数功率差控制效果对比

本发明引入6个控制参数，通过优化6个控制参数，而优化储能系统SOC区间与充放电功率，同时考虑未来30min内的控制效果，实现对当前10min内6个变量的滚动更新。

将本发明中变参数功率差控制策略与常参数功率差控制策略的控制效果进行对比，如图 7所示，实线为常参数功率差控制策略下SOC随时间变化曲线，虚线为变参数功率差控制策略下SOC随时间变化曲线：

为对两种控制策略进行评价，基于控制策略所引入的3个子目标函数F1、F2和F3，以负荷曲线标准差和峰谷差作为削峰填谷评价指标，得到不同控制策略下的结果，如表2所示。

表2

	负荷曲线标准差	最大峰谷差
			原始负荷曲线	2.4×106	6.151×106
常参数功率差控制策略	2.3054×106	5.79×106
			变参数功率差控制策略	2.3039×106	5.91×106

经对比可得到结论是，常参数与变参数功率差控制策略都能有效降低负荷标准差，相较常参数功率差控制策略，变参数功率差控制策略作用下的负荷曲线更为平滑，但由于其对SOC 的协调考虑，使得负荷曲线会出现短时的凹凸点，也加大了负荷的峰谷差。但相较原始负荷曲线，变参数功率差控制策略还是能够有效减小负荷曲线的峰谷差和提高负荷侧曲线的平滑度。因此，常参数功率差控制策略与变参数功率差控制策略都起到了削峰填谷的作用。

如图7所示，随着充电的进行，常参数功率差控制策略确实能够实现侧削峰填谷的效果，但同时也出现了SOC值在大于0.8的情况。从原始负荷曲线中可以发现，商业园区的原始负荷曲线存在峰谷区持续时间较长的特点，而常参数功率差控制策略在确定储能动作边界值之后，以负荷与边界值P1和P2的功率差进行充放电，园区负荷谷值区最初在凌晨00：00～06： 00出现，由于长时间以最大功率差进行充电而使SOC进入越上限区。作为对比，变参数功率差控制策略能有效降低负荷侧的波动，减小峰谷差，起到了削峰填谷的作用；同时，还能够有效调节SOC波动，将SOC一直控制在合理范围内。

考虑到常参数功率差控制进行充放电功率调节时所依据的仅仅是边界值P1和P2，并未考虑SOC状态，无法根据SOC状态调节储能系统自身充放电功率，而本发明所提出的方法通过引入并动态更新SOC_up、SOC_down、k₁、k₂、k₃和k₄等6个控制参数，使得其能够有效预见SOC变化，并根据SOC的状态调节储能系统出力，实现对SOC的自适应调节。由图7可见，变参数功率差控制策略能够有效将SOC控制在[0.3,0.75]之内。SOC_up和SOC_down变化情况如图8所示，k₁、k₂、k₃和k₄的变化情况如图9所示：

在上午00:00～6:00，两种控制策略作用下，储能系统均进行了充电操作；其中00：00～02： 00左右，SOC一直处于正常工作区，与此同时，SOC_up和SOC_down参数一直处于动态更新之中，此时段内两条SOC曲线非常接近。在02：00左右开始，储能系统SOC达到0.6左右，而SOC_up也更新至0.6左右，进入SOC越上限区，k₁动作，有效减小了储能系统出力。表现在图7中则是负荷侧曲线在00:00～06:00间会有凹点。同理可见k₂、k₃和k₄出力时刻，对应负荷侧曲线均会间歇性出现小的凹凸点。由于本控制策略预估了未来30min内SOC的状态，故而k₁、k₂、k₃和k₄的变化有一定的波动性。SOC_up和SOC_down又与当前时刻k₁、k₂、k₃和k₄相关，因此，这两组参数相互协调。变参数控制策略由于SOC区间限制，会在SOC高限值区间内降低充电速率，SOC曲线上升速率较常参数控制策略作用下的SOC曲线上升速率变慢。在上午9:00～12:00，出现负荷高峰，由于此时SOC均处于高限值区，k₂动作，有效增大了放电功率，表现在该段区间内初始一段时间内的SOC曲线下降速率大于常参数控制策略下的 SOC曲线，而SOC_up也随之滚动跟新，11：00左右，SOC从高限值区进入正常工作区，两种控制策略下的曲线下降速率相同。同理，13:00～16:00及22:00～24:00区间内的SOC曲线速率也会不同，但由于此时经过一次放电或者第二次放电一段时间之后，SOC进入低限值区，故而此时出现与之前时刻相反的情形。

基于同一发明构思，本发明还提供了一种削峰填谷控制系统，由于这些设备解决技术问题的原理与削峰填谷控制方法相似，重复之处不再赘述。

该控制系统包括参数求解模块和功率控制执行模块；

参数求解模块用于基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解；

功率控制执行模块用于将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能系统充放电功率；

其中，可变控制参数包括：储能系统正常工作上限荷电状态和储能系统正常工作下限荷电状态以及储能系统在不同负荷区间和不同荷电状态区间的充电或放电功率因数。

进一步，该系统还包括变参数功率差控制策略模块；

变参数功率差控制策略模块包括负荷区间划分子单元、SOC工作区间划分子单元和策略设定子单元；

负荷区间划分子单元用于基于储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率，划分负荷区间；

SOC工作区间划分子单元用于基于储能系统正常工作上限荷电状态、储能系统正常工作下限荷电状态、储能系统荷电状态所允许的最大值和最小值划分SOC工作区间；

策略设定子单元用于基于负荷区间和SOC工作区间划分储能系统充放电区间并设定充放电策略及充放电功率。

本发明还提供了一种应用削峰填谷控制方法的系统，如图10所示，包括通信模块、系统决策计算模块、数据存储模块、动态自适应粒子群计算模块和功率控制执行模块；

通信模块用于实时接收外部信息，并将外部信息反馈给系统决策计算模块，其中外部信息包括调度信息、新能源功率信息、负荷信息以及储能系统SOC状态信息；同时将相关数据发送至数据储存模块进行储存。

系统决策计算模块根据外部信息，按照预设的参数筛选策略实时计算出储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率并发送至动态自适应粒子群计算模块；

动态自适应粒子群计算模块根据系统决策计算模块的计算结果，以负荷侧削峰填谷效果、 SOC越限率和SOC波动评价指标为目标函数，以电网功率平衡约束、储能系统自身约束和控制参数约束为约束条件，采用动态自适应粒子群算法对储能系统的控制参数进行滚动寻优，并将控制参数发送给功率控制执行模块；其中，控制参数包括储能系统正常工作上限荷电状态和储能系统正常工作下限荷电状态，及储能系统在不同负荷区间和不同SOC区间的充电或放电功率因数；

功率控制执行模块根据控制参数，控制储能系统的充放电功率；

数据储存模块用于实时存外部信息、储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率和控制参数，以备下一控制间隔读取和调用。

最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制, 尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。

Claims (9)

1.一种削峰填谷控制方法，其特征在于：

基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解；

将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能系统充放电功率；

其中，所述可变控制参数包括：储能系统正常工作上限荷电状态和储能系统正常工作下限荷电状态以及储能系统在不同负荷区间和不同荷电状态区间的充电或放电功率因数；

所述变参数功率差控制策略，包括：

基于储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率，划分负荷区间；

基于储能系统正常工作上限荷电状态、储能系统正常工作下限荷电状态、储能系统荷电状态所允许的最大值和最小值划分SOC工作区间；

基于所述负荷区间和SOC工作区间划分储能系统充放电区间并设定充放电策略及充放电功率。

2.如权利要求1所述的方法，其特征在于，所述基于储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率，划分负荷区间，包括：

基于与当前日对应的典型日负荷曲线计算储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率；

基于所述上下限功率将负荷区间划分为多个负荷区，分区方法如下式：

当P_t≤P2时，划分为负荷I区；

当P2＜P_t＜P1时，划分为负荷II区；

当P_t≥P1时，划分为负荷III区；

其中，P_t为t时刻的负荷功率，P2为储能系统参与充电时负荷上限功率，P1为储能系统参与放电时负荷的下限功率。

3.如权利要求1所述的方法，其特征在于，基于储能系统正常工作上限荷电状态、储能系统正常工作下限荷电状态、储能系统荷电状态所允许的最大值和最小值划分SOC工作区间，包括：

当 SOC_max≤SOC(t)＜1时，划分为SOC越上限区；

当 SOC_up≤SOC(t)＜SOC_max时，划分为SOC高限值区；

当SOC_down≤SOC(t)＜SOC_up时，划分为SOC正常工作区；

当SOC_min≤SOC(t)＜SOC_down时，划分为SOC低限值区；

当0＜SOC(t)＜SOC_min时，划分为SOC越下限区；

其中，SOC(t)为t时刻的SOC值，SOC_max为储能系统荷电状态所允许的最大值，SOC_min为储能系统荷电状态所允许的最小值，SOC_up为储能系统正常工作上限荷电状态，SOC_down为储能系统正常工作下限荷电状态。

4.如权利要求1-3任一项所述的方法，其特征在于，所述基于所述负荷区间和SOC工作区间划分储能系统充放电区间并设定充放电策略及充放电功率，包括：

第一区间，所述第一区间为SOC工作区间为SOC越上限区且负荷区间为负荷I区，所述储能系统静置；

第二区间，所述第二区间为SOC工作区间为SOC越上限区且负荷区间为负荷Ⅱ区，所述储能系统放电；

第三区间，所述第三区间为SOC工作区间为SOC越上限区且负荷区间为负荷Ⅲ区，所述储能系统放电；

所述第二区间和第三区间，储能系统的充放电功率计算式如下：

P_d＝min(P_e,P_t-P2) (1)

第四区间，所述第四区间为SOC工作区间为SOC高限值区且负荷区间为负荷I区，所述储能系统充电，储能系统的充放电功率计算式如下：

P_c＝k₁(P2-P_t) (2)

第五区间，所述第五区间为SOC工作区间为SOC高限值区且负荷区间为负荷Ⅱ区，所述储能系统静置，

第六区间，所述第六区间为SOC工作区间为SOC高限值区且负荷区间为负荷Ⅲ区，所述储能系统放电，储能系统的充放电功率计算式如下：

P_d＝k₂(P_t-P1)+(1-k₂)min(P_e,P_t-P2) (3)

第七区间，所述第七区间为SOC工作区间为SOC正常工作区且负荷区间为负荷I区，所述储能系统充电，储能系统的充放电功率计算式如下：

P_c＝P2-P_t (4)

第八区间，所述第八区间为SOC工作区间为SOC正常工作区且负荷区间为负荷Ⅱ区，所述储能系统静置；

第九区间，所述第九区间为SOC工作区间为SOC正常工作区且负荷区间为负荷Ⅲ区，所述储能系统放电，储能系统的充放电功率计算式如下：

P_d＝P_t-P1 (5)

第十区间，所述第十区间为SOC工作区间为SOC低限值区且负荷区间为负荷I区，所述储能系统充电，储能系统的充放电功率计算式如下：

P_c＝k₃(P2-P_t)+(1-k₃)min(P_e,P1-P_t) (6)

第十一区间，所述第十一区间为SOC工作区间为SOC低限值区且负荷区间为负荷Ⅱ区，所述储能系统静置；

第十二区间，所述第十二区间为SOC工作区间为SOC低限值区且负荷区间为负荷Ⅲ区，所述储能系统放电，储能系统的充放电功率计算式如下：

P_d＝k₄(P_t-P1) (7)

第十三区间，所述第十三区间为SOC工作区间为SOC越下限区且负荷区间为负荷I区，所述储能系统充电；

第十四区间，所述第十四区间为SOC工作区间为SOC越下限区且负荷区间为负荷Ⅱ区，所述储能系统充电；

所述第十三区间和第十四区间，储能系统的充放电功率计算式如下：

P_c＝min(P_e,P1-P_t) (8)

第十五区间，所述第十五区间为SOC工作区间为SOC越下限区且负荷区间为负荷Ⅲ区，所述储能系统静置；

其中，P_d为储能系统放电功率，P_c为储能系统充电功率，P_e为储能系统额定功率，k₁和k₃为设置的充电功率因数，k₂和k₄为设置的放电功率因数。

5.如权利要求4所述的方法，其特征在于，所述预先建立的削峰填谷模型的目标函数为：

minF＝min{λ₁F1+λ₂F2+λ₃F3} (9)

其中F1为负荷侧削峰填谷效果目标函数，λ₁为F1的权重：

其中，P_nload(t)表示t时刻的负荷侧功率，为负荷与储能系统的总功率；P_nload_avg(T)为[T,T+Δt]时段内负荷侧的平均功率，P_nload_max(T)为该时段内负荷侧功率最大值，Δt为时段长度；

F2为SOC越限率目标函数，λ₂为F2的权重：

为[T,T+Δt]时段内SOC值进入SOC越上限区时长，/>为该时段内SOC值进入SOC越下限区时长；

F3为SOC波动评价指标，λ₃为F3的权重：

其中SOC_avg(T)为[T,T+Δt]时段内SOC平均值，SOC(t)为该时段内时刻t时的SOC值，SOC_max(T)为该时段内SOC最大值。

6.如权利要求5所述的方法，其特征在于，所述权重系数λ₁、λ₂和λ₃计算方法为：

分别算出F1、F2和F3三个子目标函数的最优解minF_i(x)，记为x_i，i＝1,2,3；

对各子目标函数的最优解进行交互迭代，分别计算出对应的子目标函数值F_j(x_i)，其中F_j(x_i)表示将第i个子目标函数最优解代入第j个子目标函数算出的值；

采用下式计算各子目标函数的变差系数l_i：

采用下式计算权系数b(λ_i)：

对权系数和变差系数进行大小排序，变差系数最大的子目标函数以最小的权系数为权重，变差系数最小的子目标函数以最大的权系数为权重，变差系数中间的子目标函数以中间的权系数为权重。

7.如权利要求5所述的方法，其特征在于，所述预先建立的削峰填谷模型的约束条件包括：

电网功率平衡约束

P_grid+P_pv＝P_load-P_ess (15)

其中，P_grid为城市电网对园区的输出功率，P_pv为园区分布式光伏阵列输出功率，P_load为园区负荷功率，P_ess为储能系统出力；

储能系统自身约束

SOC_min≤SOC(t)≤SOC_max (16)

0≤P_c≤P_e (17)

0≤P_d≤P_e (18)

其中，α为储能系统的自放电率，E为储能系统容量，k_d为储能系统的放电效率，k_c为储能系统的充电效率，SOC(t-1)为t-1时刻的SOC值，t时刻和t-1时刻间的时间间隔为Δt；

控制参数约束

0＜{k₁，k₂，k₃，k₄}＜1 (21)

0＜SOC_min＜SOC_down＜SOC_up＜SOC_max＜1 (22)。

8.一种削峰填谷控制系统，其特征在于，包括参数求解模块和功率控制执行模块；

所述参数求解模块用于基于预先建立的削峰填谷模型和与当前日对应的典型日负荷预测对预先设定变参数功率差控制策略中的可变控制参数求解；

所述功率控制执行模块用于将获得的可变控制参数带入预先设定的变参数功率差控制策略中协调控制储能系统充放电功率；

其中，所述可变控制参数包括：储能系统正常工作上限荷电状态和储能系统正常工作下限荷电状态以及储能系统在不同负荷区间和不同荷电状态区间的充电或放电功率因数；

还包括变参数功率差控制策略模块；

所述变参数功率差控制策略模块包括负荷区间划分子单元、SOC工作区间划分子单元和策略设定子单元；

所述负荷区间划分子单元用于基于储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率，划分负荷区间；

所述SOC工作区间划分子单元用于基于储能系统正常工作上限荷电状态、储能系统正常工作下限荷电状态、储能系统荷电状态所允许的最大值和最小值划分SOC工作区间；

所述策略设定子单元用于基于所述负荷区间和SOC工作区间划分储能系统充放电区间并设定充放电策略及充放电功率。

9.一种应用削峰填谷控制方法的系统，其特征在于，包括通信模块、系统决策计算模块、数据存储模块、动态自适应粒子群计算模块和功率控制执行模块；

所述通信模块用于实时接收外部信息，并将所述外部信息反馈给所述系统决策计算模块，所述外部信息包括调度信息、新能源功率信息、负荷信息以及储能系统SOC状态信息；

所述系统决策计算模块根据所述外部信息，按照预设的参数筛选策略实时计算出储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率并发送至所述动态自适应粒子群计算模块；

所述动态自适应粒子群计算模块根据所述系统决策计算模块的计算结果，以负荷侧削峰填谷效果、SOC越限率和SOC波动评价指标为目标函数，以电网功率平衡约束、储能系统自身约束和控制参数约束为约束条件，采用动态自适应粒子群算法对所述储能系统的控制参数进行滚动寻优，并将所述控制参数发送给所述功率控制执行模块；其中，所述控制参数包括储能系统正常工作上限荷电状态和储能系统正常工作下限荷电状态，及储能系统在不同负荷区间和不同SOC区间的充电或放电功率因数；

所述功率控制执行模块根据所述控制参数，控制储能系统的充放电功率；

所述数据存储模块用于实时存所述外部信息、所述储能系统参与充电时负荷上限功率和储能系统参与放电时负荷的下限功率和所述控制参数。