CN109617103B - 一种储能机组的梯次利用储能电池能量控制方法和系统 - Google Patents

一种储能机组的梯次利用储能电池能量控制方法和系统 Download PDF

Info

Publication number
CN109617103B
CN109617103B CN201811458292.8A CN201811458292A CN109617103B CN 109617103 B CN109617103 B CN 109617103B CN 201811458292 A CN201811458292 A CN 201811458292A CN 109617103 B CN109617103 B CN 109617103B
Authority
CN
China
Prior art keywords
energy storage
storage unit
storage battery
echelon
command value
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
CN201811458292.8A
Other languages
English (en)
Other versions
CN109617103A (zh
Inventor
李相俊
许格健
刘汉民
贾学翠
臧鹏
惠东
王上行
李建林
毛海波
史学伟
杨俊丰
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 Xinyuan Zhangjiakou Scenery Storage Demonstration Power Plant Co ltd
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
State Grid Xinyuan Zhangjiakou Scenery Storage Demonstration Power Plant Co ltd
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
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 Xinyuan Zhangjiakou Scenery Storage Demonstration Power Plant Co ltd, State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI filed Critical State Grid Xinyuan Zhangjiakou Scenery Storage Demonstration Power Plant Co ltd
Priority to CN201811458292.8A priority Critical patent/CN109617103B/zh
Priority to PCT/CN2018/121091 priority patent/WO2020107542A1/zh
Publication of CN109617103A publication Critical patent/CN109617103A/zh
Application granted granted Critical
Publication of CN109617103B publication Critical patent/CN109617103B/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
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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

Abstract

本发明涉及一种储能机组的梯次利用储能电池能量控制方法和系统，所述方法包括：获取各储能机组的梯次利用储能电池当前时刻的功率命令值；根据所述各储能机组的梯次利用储能电池当前时刻的功率命令值，利用预先建立的循环神经网络模型获取各储能机组的梯次利用储能电池下一时刻的功率命令值；根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率，本发明提供的技术方案，通过循环神经网络对功率命令值进行预测，从而避免了功率变化过大时梯次利用电池出力的激增，可以提前做好响应，使梯次利用电池的使用更加稳定，该方法优化了储能系统能量控制方法，提高了储能系统能量管理效率。

Description

一种储能机组的梯次利用储能电池能量控制方法和系统
技术领域
本发明涉及智能电网以及能量存储与转换技术领域，具体涉及一种储能机组的梯次利用储能电池能量控制方法和系统。
背景技术
随着锂电池及其集成技术的不断发展，应用电池储能电站实现平滑风光功率输出、跟踪计划发电、参与系统调频、削峰填谷、暂态有功出力紧急响应、暂态电压紧急支撑等多种应用，不仅能提高电力设备运行效率，降低供电成本，还能促进可再生能源的应用，提高运行稳定性和可靠性。
在梯次利用储能电池领域中，由于梯次利用电池已经经过多次充放电使用，电池容量和性能发生衰减，造成储能系统能量管理效率低。同时，由于功率变化过大容易导致梯次利用电池激增，使梯次利用电池不稳定，降低了梯次利用电池的使用寿命和系统的发电效率。
发明内容
针对现有技术的不足，本发明的目的是避免由于功率变化过大时梯次利用电池出力的激增，可以提前做好响应，使梯次利用电池的使用更加稳定，优化储能系统能量控制方法，提高储能系统能量管理效率。
本发明的目的是采用下述技术方案实现的：
一种储能机组的梯次利用储能电池能量控制方法，其改进之处在于，包括：
获取各储能机组的梯次利用储能电池当前时刻的功率命令值；
根据所述各储能机组的梯次利用储能电池当前时刻的功率命令值，利用预先建立的循环神经网络模型获取各储能机组的梯次利用储能电池下一时刻的功率命令值；
根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率。
优选的，所述获取各储能机组的梯次利用储能电池当前时刻的功率命令值，包括：
根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数；
根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储能电池当前时刻的功率命令值；
利用各储能机组的梯次利用储能电池的最大允许充放电功率修正所述各储能机组的梯次利用储能电池当前时刻的功率命令值，获取修正后的功率命令值。
进一步的，所述根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数，包括：
当储能机组的梯次利用储能电池总功率需求值为正值时，按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
Figure BDA0001888150890000021
Figure BDA0001888150890000022
当储能机组的梯次利用储能电池总功率需求值为负值时，按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
Figure BDA0001888150890000023
Figure BDA0001888150890000024
当储能机组的梯次利用储能电池总功率需求值为0时，第i个储能机组的梯次利用储能电池的功率分配系数
Figure BDA0001888150890000025
其中，SOCi为第i个储能机组的梯次利用储能电池的荷电状态，SOHi为第i个储能机组的梯次利用储能电池的健康状态，τi为第i个储能机组的梯次利用储能电池的类型系数，n为储能机组的梯次利用储能电池的数量，controli为第i个储能机组的梯次利用储能电池的可执行状态，SODi为第i个储能机组的梯次利用储能电池的放电状态。
进一步的，若第i个储能机组的梯次利用储能电池的运行状态处于并网运行状态且储能机组的梯次利用储能电池的控制模式为远程控制模式，则第i个储能机组的梯次利用储能电池的可执行状态controil＝1，否则，第i个储能机组的梯次利用储能电池的可执行状态controli＝0。
进一步的，当储能机组的梯次利用储能电池所处储能电站内电池类型为1时，
Figure BDA0001888150890000026
其中，a为第i个储能机组的梯次利用储能电池的数量，m为储能机组的梯次利用储能电池的总数量；
其中，a为第i个储能机组的梯次利用储能电池的数量，n为储能机组的梯次利用储能电池的总数量。
进一步的，所述根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储能电池当前时刻的功率命令值，包括：
按下式确定第i个储能机组的梯次利用储能电池当前时刻的功率命令值Pi：
Figure BDA0001888150890000031
其中，P′[i]为第i个储能机组的梯次利用储能电池总功率需求值，
Figure BDA0001888150890000032
为第i个储能机组的梯次利用储能电池的功率分配系数。
进一步的，所述利用各储能机组的梯次利用储能电池的最大允许充放电功率修正所述各储能机组的梯次利用储能电池当前时刻的功率命令值，获取修正后的功率命令值，包括：
判断所述当前时刻的功率命令值是否超过各储能机组的梯次利用储能电池的最大允许充放电功率，若是，则以各储能机组的梯次利用储能电池的最大允许充放电功率作为各储能机组储能电池功率命令值；若否，则以所述当前时刻的功率命令值作为各储能机组的梯次利用储能电池的功率命令值。
优选的，所述预先建立的循环神经网络模型的建立过程，包括：
以历史采样周期内采样时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输入训练样本，历史采样周期内采样时刻的下一时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输出训练样本，训练并获取循环神经网络模型。
优选的，所述根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率，包括：
若储能机组的梯次利用储能电池下一时刻的功率命令值小于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值，则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀减缓放电速率；
若储能机组的梯次利用储能电池下一时刻的功率命令值大于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值且小于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值，则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池维持此时的储能机组的梯次利用储能电池放电速率；
若储能机组的梯次利用储能电池下一时刻的功率命令值大于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值，则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀增加储能机组的梯次利用储能电池放电速率。
一种计算机存储介质，其改进之处在于，所述计算机存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行如上任一项所述的储能机组的梯次利用储能电池能量控制方法。
一种电子设备，其改进之处在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如上任一项所述的储能机组的梯次利用储能电池能量控制方法。
进一步的，所述电子设备还包括：用于获取各储能机组中梯次利用储能电池参数的至少一个通信接口。
进一步的，所述电子设备为控制器、PC机或控制平台所在设备。
与最接近的现有技术相比，本发明具有的有益效果：
本发明提供的技术方案，获取各储能机组的梯次利用储能电池当前时刻的功率命令值；根据所述各储能机组的梯次利用储能电池当前时刻的功率命令值，利用预先建立的循环神经网络模型获取各储能机组的梯次利用储能电池下一时刻的功率命令值；根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率。基于本发明提供的技术方案，通过循环神经网络对功率命令值进行预测，从而避免了功率变化过大时梯次利用电池出力的激增，可以提前做好响应，使梯次利用电池的使用更加稳定，该方法优化了储能系统能量控制方法，提高了储能系统能量管理效率；
本发明还将储能机组的梯次利用储能电池的健康状态、储能机组的梯次利用储能电池的荷电状态和储能机组的梯次利用储能电池的充放电状态纳入储能系统能量控制方法中，从而优化了储能系统能量控制方法，提高了储能系统能量管理效率，同时有效的防止了储能设备过度充放电。
附图说明
图1是本发明提供的一种储能机组的梯次利用储能电池能量控制方法；
图2是本发明实施例提供的储能电站结构示意图；
图3是本发明提供的一种储能机组的梯次利用储能电池能量管理系统的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明提供了一种储能机组的梯次利用储能电池能量控制方法，如图1所示，包括：
101.获取各储能机组的梯次利用储能电池当前时刻的功率命令值；
102.根据所述各储能机组的梯次利用储能电池当前时刻的功率命令值，利用预先建立的循环神经网络模型获取各储能机组的梯次利用储能电池下一时刻的功率命令值；
103.根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率。
例如：如图2所示，储能电站中包括变压器、双向变流器和储能机组，其中储能机组中包括梯次利用储能电池，通过双向变流器可执行对储能机组的启停控制和充放电功率指令。
所述获取各储能机组的梯次利用储能电池当前时刻的功率命令值，包括：
根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数；
根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储能电池当前时刻的功率命令值；
利用各储能机组的梯次利用储能电池的最大允许充放电功率修正所述各储能机组的梯次利用储能电池当前时刻的功率命令值，获取修正后的功率命令值。
所述根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数，包括：
当储能机组的梯次利用储能电池总功率需求值为正值时，按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
Figure BDA0001888150890000051
Figure BDA0001888150890000052
当储能机组的梯次利用储能电池总功率需求值为负值时，按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
Figure BDA0001888150890000053
Figure BDA0001888150890000061
当储能机组的梯次利用储能电池总功率需求值为0时，第i个储能机组的梯次利用储能电池的功率分配系数
Figure BDA0001888150890000062
其中，SOCi为第i个储能机组的梯次利用储能电池的荷电状态，SOHi(state ofhealth)为第i个储能机组的梯次利用储能电池的健康状态，τi为第i个储能机组的梯次利用储能电池的类型系数，n为储能机组的梯次利用储能电池的数量，controli为第i个储能机组的梯次利用储能电池的可执行状态，SODi为第i个储能机组的梯次利用储能电池的放电状态。
例如，SODi＝1-SOCi。
若第i个储能机组的梯次利用储能电池的运行状态处于并网运行状态且储能机组的梯次利用储能电池的控制模式为远程控制模式，则第i个储能机组的梯次利用储能电池的可执行状态controli＝1，否则，第i个储能机组的梯次利用储能电池的可执行状态controli＝0。
当储能机组的梯次利用储能电池所处储能电站内电池类型为1时，
Figure BDA0001888150890000063
其中，a为第i个储能机组的梯次利用储能电池的数量，m为储能机组的梯次利用储能电池的总数量；
其中，a为第i个储能机组的梯次利用储能电池的数量，n为储能机组的梯次利用储能电池的总数量。
所述根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储能电池当前时刻的功率命令值，包括：
按下式确定第i个储能机组的梯次利用储能电池当前时刻的功率命令值Pi：
Figure BDA0001888150890000064
其中，P′[i]为第i个储能机组的梯次利用储能电池总功率需求值，
Figure BDA0001888150890000065
为第i个储能机组的梯次利用储能电池的功率分配系数。
所述利用各储能机组的梯次利用储能电池的最大允许充放电功率对所述各储能机组的梯次利用储能电池当前时刻的功率命令值修正，获取修正后的功率命令值，包括：
判断所述当前时刻的功率命令值是否超过各储能机组的梯次利用储能电池的最大允许充放电功率，若是，则以各储能机组的梯次利用储能电池的最大允许充放电功率作为各储能机组储能电池功率命令值；若否，则以所述当前时刻的功率命令值作为各储能机组的梯次利用储能电池的功率命令值。
例如，当前时刻的功率命令值超过各储能机组的梯次利用储能电池的最大允许充放电功率，以各储能机组的梯次利用储能电池的最大允许充放电功率作为各储能机组储能电池功率命令值，剩余冗余功率由功率型储能元件消纳。
例如，所述储能机组的梯次利用储能电池的荷电状态、所述储能机组的梯次利用储能电池的健康状态、所述储能机组的梯次利用储能电池的运行状态、所述储能机组的梯次利用储能电池的控制模式、所述储能机组的梯次利用储能电池总功率需求值由监控平台实时采集获取。
所述储能机组的梯次利用储能电池的运行状态包括并网运行、冷备(停机)、检修、调试、热备；所述储能机组的梯次利用储能电池的控制模式包括远程控制模式和就地控制模式。
所述根据所述各储能机组的梯次利用储能电池当前时刻的功率命令值，利用预先建立的循环神经网络模型获取各储能机组的梯次利用储能电池下一时刻的功率命令值，包括：
以所述各储能机组的梯次利用储能电池当前时刻的功率命令值作为预先建立的循环神经网络模型的输入，获取各储能机组的梯次利用储能电池下一时刻的功率命令值。
所述预先建立的循环神经网络模型的建立过程，包括：
以历史采样周期内采样时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输入训练样本，历史采样周期内采样时刻的下一时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输出训练样本，训练并获取循环神经网络模型。
所述根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率，包括：
若储能机组的梯次利用储能电池下一时刻的功率命令值小于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值，则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀减缓放电速率；
若储能机组的梯次利用储能电池下一时刻的功率命令值大于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值且小于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值，则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池维持此时的储能机组的梯次利用储能电池放电速率；
若储能机组的梯次利用储能电池下一时刻的功率命令值大于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值，则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀增加储能机组的梯次利用储能电池放电速率。
基于上述方法同一构思，本发明还提供一种计算机存储介质，所述计算机存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行如上任一项所述储能机组的梯次利用储能电池能量控制方法。
基于上述方法同一构思，本发明还提供一种电子设备，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如上任一项所述储能机组的梯次利用储能电池能量控制方法。
所述电子设备还包括：用于获取各储能机组中梯次利用储能电池参数的至少一个通信接口。
所述电子设备为控制器、PC机或控制平台所在设备。
基于上述方法同一构思，本发明还提供一种储能机组的梯次利用储能电池能量管理系统，如图3所示，所述系统包括：
第一获取单元，用于获取各储能机组的梯次利用储能电池当前时刻的功率命令值；
第二获取单元，用于根据所述各储能机组的梯次利用储能电池当前时刻的功率命令值，利用预先建立的循环神经网络模型获取各储能机组的梯次利用储能电池下一时刻的功率命令值；
调整单元，用于根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率。
所述第一获取单元，包括：
第一确定模块，用于根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数；
第二确定模块，用于根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储能电池当前时刻的功率命令值；
修正模块，用于利用各储能机组的梯次利用储能电池的最大允许充放电功率对所述各储能机组的梯次利用储能电池当前时刻的功率命令值修正，获取修正后的功率命令值。
所述第一确定模块，包括：
第一确定子模块，用于当储能机组的梯次利用储能电池总功率需求值为正值时，按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
Figure BDA0001888150890000091
Figure BDA0001888150890000092
第二确定子模块，用于当储能机组的梯次利用储能电池总功率需求值为负值时，按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
Figure BDA0001888150890000093
Figure BDA0001888150890000094
第三确定子模块，用于当储能机组的梯次利用储能电池总功率需求值为0时，第i个储能机组的梯次利用储能电池的功率分配系数
Figure BDA0001888150890000095
其中，SOCi为第i个储能机组的梯次利用储能电池的荷电状态，SOHi为第i个储能机组的梯次利用储能电池的健康状态，τi为第i个储能机组的梯次利用储能电池的类型系数，n为储能机组的梯次利用储能电池的数量，controli为第i个储能机组的梯次利用储能电池的可执行状态，SODi为第i个储能机组的梯次利用储能电池的放电状态。
若第i个储能机组的梯次利用储能电池的运行状态处于并网运行状态且储能机组的梯次利用储能电池的控制模式为远程控制模式，则第i个储能机组的梯次利用储能电池的可执行状态controli＝1，否则，第i个储能机组的梯次利用储能电池的可执行状态controli＝0。
当储能机组的梯次利用储能电池所处储能电站内电池类型为1时，τi＝1；
当储能机组的梯次利用储能电池所处储能电站内电池类型大于1时，
Figure BDA0001888150890000096
其中，a为第i个储能机组的梯次利用储能电池的数量，m为储能机组的梯次利用储能电池的总数量。
所述第二确定模块，用于：
按下式确定第i个储能机组的梯次利用储能电池当前时刻的功率命令值Pi：
Figure BDA0001888150890000097
其中，P′[i]为第i个储能机组的梯次利用储能电池总功率需求值，
Figure BDA0001888150890000098
为第i个储能机组的梯次利用储能电池的功率分配系数。
所述修正模块，用于：
判断所述当前时刻的功率命令值是否超过各储能机组的梯次利用储能电池的最大允许充放电功率，若是，则以各储能机组的梯次利用储能电池的最大允许充放电功率作为各储能机组储能电池功率命令值；若否，则以所述当前时刻的功率命令值作为各储能机组的梯次利用储能电池的功率命令值。
所述第二获取单元，用于：
以所述各储能机组的梯次利用储能电池当前时刻的功率命令值作为预先建立的循环神经网络模型的输入，获取各储能机组的梯次利用储能电池下一时刻的功率命令值。
所述预先建立的循环神经网络模型的建立过程，包括：
以历史采样周期内采样时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输入训练样本，历史采样周期内采样时刻的下一时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输出训练样本，训练获取所述预先建立的循环神经网络模型。
所述调整单元，包括：
第一调整模块，用于若储能机组的梯次利用储能电池下一时刻的功率命令值小于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值，则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀减缓放电速率；
第二调整模块，用于若储能机组的梯次利用储能电池下一时刻的功率命令值大于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值且小于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值，则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池维持此时的储能机组的梯次利用储能电池放电速率；
第三调整模块，用于若储能机组的梯次利用储能电池下一时刻的功率命令值大于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值，则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀增加储能机组的梯次利用储能电池放电速率。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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保护范围之内。

Claims (11)

1.一种储能机组的梯次利用储能电池能量控制方法，其特征在于，所述方法包括：
获取各储能机组的梯次利用储能电池当前时刻的功率命令值；
根据所述各储能机组的梯次利用储能电池当前时刻的功率命令值，利用预先建立的循环神经网络模型获取各储能机组的梯次利用储能电池下一时刻的功率命令值；
根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率；
所述获取各储能机组的梯次利用储能电池当前时刻的功率命令值，包括：
根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数；
根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储能电池当前时刻的功率命令值；
利用各储能机组的梯次利用储能电池的最大允许充放电功率修正所述各储能机组的梯次利用储能电池当前时刻的功率命令值，获取修正后的功率命令值；
所述根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数，包括：
当储能机组的梯次利用储能电池总功率需求值为正值时，按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
Figure FDA0003659384520000011
Figure FDA0003659384520000012
当储能机组的梯次利用储能电池总功率需求值为负值时，按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
Figure FDA0003659384520000013
Figure FDA0003659384520000014
当储能机组的梯次利用储能电池总功率需求值为0时，第i个储能机组的梯次利用储能电池的功率分配系数
Figure FDA0003659384520000015
其中，SOCi为第i个储能机组的梯次利用储能电池的荷电状态，SOHi为第i个储能机组的梯次利用储能电池的健康状态，τi为第i个储能机组的梯次利用储能电池的类型系数，n为储能机组的梯次利用储能电池的数量，controli为第i个储能机组的梯次利用储能电池的可执行状态，SODi为第i个储能机组的梯次利用储能电池的放电状态。
2.如权利要求1所述的方法，其特征在于，若第i个储能机组的梯次利用储能电池的运行状态处于并网运行状态且储能机组的梯次利用储能电池的控制模式为远程控制模式，则第i个储能机组的梯次利用储能电池的可执行状态controli＝1，否则，第i个储能机组的梯次利用储能电池的可执行状态controli＝0。
3.如权利要求1所述的方法，其特征在于，当储能机组的梯次利用储能电池所处储能电站内电池类型为1时，τi＝1；
当储能机组的梯次利用储能电池所处储能电站内电池类型大于1时，
Figure FDA0003659384520000021
其中，a为第i个储能机组的梯次利用储能电池的数量，m为储能机组的梯次利用储能电池的总数量。
4.如权利要求1所述的方法，其特征在于，所述根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储能电池当前时刻的功率命令值，包括：
按下式确定第i个储能机组的梯次利用储能电池当前时刻的功率命令值Pi：
Figure FDA0003659384520000022
其中，P′[i]为第i个储能机组的梯次利用储能电池总功率需求值，
Figure FDA0003659384520000023
为第i个储能机组的梯次利用储能电池的功率分配系数。
5.如权利要求1所述的方法，其特征在于，所述利用各储能机组的梯次利用储能电池的最大允许充放电功率修正所述各储能机组的梯次利用储能电池当前时刻的功率命令值，获取修正后的功率命令值，包括：
判断所述当前时刻的功率命令值是否超过各储能机组的梯次利用储能电池的最大允许充放电功率，若是，则以各储能机组的梯次利用储能电池的最大允许充放电功率作为各储能机组储能电池功率命令值；若否，则以所述当前时刻的功率命令值作为各储能机组的梯次利用储能电池的功率命令值。
6.如权利要求1所述的方法，其特征在于，所述预先建立的循环神经网络模型的建立过程，包括：
以历史采样周期内采样时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输入训练样本，历史采样周期内采样时刻的下一时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输出训练样本，训练并获取循环神经网络模型。
7.如权利要求1所述的方法，其特征在于，所述根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率，包括：
若储能机组的梯次利用储能电池下一时刻的功率命令值小于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值，则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀减缓放电速率；
若储能机组的梯次利用储能电池下一时刻的功率命令值大于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值且小于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值，则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池维持此时的储能机组的梯次利用储能电池放电速率；
若储能机组的梯次利用储能电池下一时刻的功率命令值大于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值，则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀增加储能机组的梯次利用储能电池放电速率。
8.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1至7任一项所述的一种储能机组的梯次利用储能电池能量控制方法。
9.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-7任一项所述的方法。
10.根据权利要求9所述电子设备，其特征在于，所述电子设备还包括：用于获取各储能机组中梯次利用储能电池参数的至少一个通信接口。
11.根据权利要求9或10所述的电子设备，其特征在于，所述电子设备为控制器、PC机或控制平台所在设备。
CN201811458292.8A 2018-11-30 2018-11-30 一种储能机组的梯次利用储能电池能量控制方法和系统 Active CN109617103B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811458292.8A CN109617103B (zh) 2018-11-30 2018-11-30 一种储能机组的梯次利用储能电池能量控制方法和系统
PCT/CN2018/121091 WO2020107542A1 (zh) 2018-11-30 2018-12-14 一种储能机组的梯次利用储能电池能量控制方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811458292.8A CN109617103B (zh) 2018-11-30 2018-11-30 一种储能机组的梯次利用储能电池能量控制方法和系统

Publications (2)

Publication Number Publication Date
CN109617103A CN109617103A (zh) 2019-04-12
CN109617103B true CN109617103B (zh) 2022-09-02

Family

ID=66006206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811458292.8A Active CN109617103B (zh) 2018-11-30 2018-11-30 一种储能机组的梯次利用储能电池能量控制方法和系统

Country Status (2)

Country Link
CN (1) CN109617103B (zh)
WO (1) WO2020107542A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110034576A (zh) * 2019-04-15 2019-07-19 云南电网有限责任公司丽江供电局 一种电池模组储能与循环测试的综合示范运行与实验装置
CN110460079A (zh) * 2019-07-29 2019-11-15 南京理工大学 一种梯次利用储能系统降功率运行方法
CN112865139B (zh) * 2021-02-02 2022-07-08 长沙理工大学 储能电站安全参与电网一次调频的优化控制策略
CN113688347A (zh) * 2021-07-02 2021-11-23 国电南瑞科技股份有限公司 多个能源综合服务站多目标运行控制系统、方法及装置
CN113972660B (zh) * 2021-11-16 2024-02-06 国网江苏省电力有限公司常州供电分公司 交直流混合配电网的日前调度方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103368192A (zh) * 2012-03-30 2013-10-23 中国电力科学研究院 基于贪心策略的电池储能电站功率控制方法及其系统
CN104993513A (zh) * 2015-06-30 2015-10-21 华北电力科学研究院有限责任公司 支撑光储发电系统黑启动的电池储能电站控制方法及系统
CN105226695A (zh) * 2015-10-16 2016-01-06 中国电力科学研究院 含梯次利用电池的多类型储能系统能量管理方法和系统
CN106803680A (zh) * 2016-09-22 2017-06-06 蔚来汽车有限公司 梯次电池组储能电站的能量管理方法和系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103187750B (zh) * 2011-12-31 2014-12-31 中国电力科学研究院 兆瓦级电池储能电站实时功率控制方法及其系统
CN104348256B (zh) * 2013-07-30 2016-09-21 国家电网公司 考虑充放电倍率的多类型电池储能电站能量管理方法
US10183590B2 (en) * 2016-09-23 2019-01-22 Faraday&Future Inc. Electric vehicle battery monitoring system
CN206323146U (zh) * 2016-12-08 2017-07-11 珠海清英加德智能装备有限公司 一种电池储能系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103368192A (zh) * 2012-03-30 2013-10-23 中国电力科学研究院 基于贪心策略的电池储能电站功率控制方法及其系统
CN104993513A (zh) * 2015-06-30 2015-10-21 华北电力科学研究院有限责任公司 支撑光储发电系统黑启动的电池储能电站控制方法及系统
CN105226695A (zh) * 2015-10-16 2016-01-06 中国电力科学研究院 含梯次利用电池的多类型储能系统能量管理方法和系统
CN106803680A (zh) * 2016-09-22 2017-06-06 蔚来汽车有限公司 梯次电池组储能电站的能量管理方法和系统

Also Published As

Publication number Publication date
WO2020107542A1 (zh) 2020-06-04
CN109617103A (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
CN109617103B (zh) 一种储能机组的梯次利用储能电池能量控制方法和系统
CN109301849B (zh) 一种用户侧电池储能电站的能量管理组合控制策略
US10211665B2 (en) Energy management method of multi-type battery energy storage power station considering charge and discharge rates
US20160233679A1 (en) A method and system for control of smoothing the energy storage in wind phtovolatic power fluctuation based on changing rate
CN108832646B (zh) 一种适用于可动态重构电池储能系统的管理系统及其方法
CN109378846B (zh) 储能电站中储能变流器的电池模块充放电控制方法与装置
CN111049168B (zh) 电池储能系统能量管控方法及系统
CN103986190A (zh) 基于发电功率曲线的风光储联合发电系统平滑控制方法
WO2015070480A1 (zh) 基于风功率预测的电池储能电站能量管理方法
CN102214934A (zh) 基于兆瓦级电池储能电站的风光发电出力平滑控制方法
WO2013097489A1 (zh) 兆瓦级电池储能电站实时功率控制方法及其系统
CN105226694B (zh) 基于模糊经验模态分解的储能平滑新能源发电控制方法
CN110867873A (zh) 一种远洋孤岛微电网频率控制方法
CN111276987A (zh) 一种储能系统的电储能控制方法及装置
CN110752598B (zh) 多点分布式储能系统灵活性评价方法和装置
CN202651806U (zh) 一种电池储能电站平滑风光发电控制系统
CN103560533B (zh) 基于变化率控制储能电站平滑风光发电波动的方法及系统
CN107482657A (zh) 风电爬坡率实时平抑方法和系统
CN114336694B (zh) 一种混合储能电站能量优化控制方法
CN110854916A (zh) 一种基于用户储能的能量平衡控制方法及装置
CN114899854A (zh) 一种分布式储能提升台区新能源消纳运行控制方法和系统
CN110829474B (zh) 用大数据智能储能支撑电网动态安全的方法与系统
CN109066797B (zh) 含光伏发电的电力系统运行控制方法及装置
CN112736948A (zh) 一种充电站中储能系统的功率调节方法及装置
CN117175646B (zh) 用于混合储能系统的储能参与一次调频控制方法及系统

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