CN111327076A - 一种基于分布式记账的储能型风机调度响应方法 - Google Patents

一种基于分布式记账的储能型风机调度响应方法 Download PDF

Info

Publication number
CN111327076A
CN111327076A CN202010181451.5A CN202010181451A CN111327076A CN 111327076 A CN111327076 A CN 111327076A CN 202010181451 A CN202010181451 A CN 202010181451A CN 111327076 A CN111327076 A CN 111327076A
Authority
CN
China
Prior art keywords
node
response
scheduling
time
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.)
Granted
Application number
CN202010181451.5A
Other languages
English (en)
Other versions
CN111327076B (zh
Inventor
梁海文
黄彬
霍存锋
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.)
MingYang Smart Energy Group Co Ltd
Original Assignee
MingYang Smart Energy Group 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 MingYang Smart Energy Group Co Ltd filed Critical MingYang Smart Energy Group Co Ltd
Priority to CN202010181451.5A priority Critical patent/CN111327076B/zh
Publication of CN111327076A publication Critical patent/CN111327076A/zh
Application granted granted Critical
Publication of CN111327076B publication Critical patent/CN111327076B/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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于分布式记账的储能型风机调度响应方法，首先时间离散化并为每个储能型风机建立节点，建立节点群储能系统的发电计划响应模型，确定各节点的调度规则，建立各节点的分布式记账区块，确定区块需要记录的信息和传递机制，同时建立主信息数据库。节点入网后，开始接受调度指令，根据实时计划确定节点群的总体响应策略和各节点的响应优先次序和响应策略，每个节点将时段内的节点信息和响应结果上传到区块全网共享，同时上传到主信息数据库备份存储。本发明实现了储能型风机群的发电计划响应以及各节点的优化响应策略，结合分布式记账技术保证数据的可靠、可信存储和传递。

Description

一种基于分布式记账的储能型风机调度响应方法
技术领域
本发明涉及能源的技术领域，尤其是指一种基于分布式记账的储能型风机调度响应方法。
背景技术
集成了储能装置的储能型风机是风力发电机组的发展趋势。风机配备的储能装置可以更快地响应负荷跟随和频率调整指令，更好地平滑风力发电机组出力。同时，在风电超发时，储能装置可以储存多余电力，起到削峰填谷的作用，提高风力发电机组的整体经济性。
在未来能源互联网的生态格局中，可再生能源实现可测、可控是必要前提。在实际运行中，储能型风机如何更好地响应电网和集控中心的功率和频率调整指令，并实现安全、可信的记录，是影响储能型风机运行稳定性和安全性的重要因素。风力发电场中储能型风机如何进行各节点的充放电优化分配以实现最佳的发电计划跟随和总体经济效益最优，各节点的状态和调度情况如何被可靠记录和传递以支持对各风电场以及各发电机组的运营效率评价，是运行中需要解决的问题。
分布式记账技术为储能型风机的负荷提供了一种可行的记录方法。在能源局域网中，储能型风机的分布式管理能够更好地跟随负荷的变化，分布式记账则提供了去中心化、高可信度、高透明度、不可篡改的数据记录和流动手段。分布式记账不依赖于高度集中的中心化机构，能够支撑起分布式节点的直接数据记录，且所有节点权利和义务对等，能保证数据的一致存储和无法篡改。在储能型风机的调度响应中引入分布式记账技术是实现去中心化高度自治分布式管理的关键技术之一。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提出了一种基于分布式记账的储能型风机调度响应方法，可以有效解决储能型风机对中心调度指令的快速、经济响应，并实现响应过程数据的去中心化的可信记录。
为实现上述目的，本发明所提供的技术方案为：一种基于分布式记账的储能型风机调度响应方法，包括以下步骤：
S1、时间离散化，为每个风力发电机组建立节点；
将连续时间进行离散化，全天24小时均分为K个时段，其中K∈{1,2,3，…,K}，每个时段的时长为Δt；
每台储能型风机作为独立节点i＝1,2,3,…,N，N是风电场中储能型风机的数量，其中，所述储能型风机为带储能装置的风力发电机组；
S2、建立节点群储能系统发电计划响应模型；
将风电场作为能源局域网统一考虑，所有节点的储能装置作为节点群N+统一考虑，建立节点群的总体发电计划响应模型；
S3、确定各节点内部调度规则；
建立每个节点的储能损耗程度模型、负荷响应能力模型和充放电损耗成本模型，根据多目标寻优结果，确定在发电计划响应模型下的每个节点的充放电优先度排序和调度次序；
S4、建立各节点的分布式记账区块，确定区块需要记录的信息和传递机制，同时建立主信息数据库，如下：
建立每个节点的分布式记账区块，为每个节点分配独立的IP地址，通过计算生成各节点的公钥和私钥；确定每个区块所需要记录的节点信息，包括节点状态信息以及所需要记录的响应信息；建立区域的主信息数据库，用于记录节点信息，并做实时调度过程中的区块信息的备份储存；
S5、节点入网，开始接受调度指令，确定节点群的总体响应策略以及各节点的响应优先次序和响应策略，如下：
节点入网后，将所需的各项参数、公钥上传到主信息数据库，并向全网广播，同时从节点网络的其它节点下载区块链，从主信息数据库下载节点基本信息数据；
根据发电调度计划，按照步骤S2中确定k时段节点群作为整体储能系统的充放电响应策略；在总体响应策略下，按照步骤S3综合评价体系下确定的节点优先级排序，确定每个节点的响应策略，记录每个节点的状态及响应策略和响应结果信息；
S6、每个节点按照固定的时间间隔Δt将节点信息和响应结果上传到区块中，供全网节点共享，同时上传到主信息数据库，如下：
在第k时段结束时，每个节点生成一个新的区块Bi(k)，将该时段节点的状态信息、响应策略和响应结果记录在新的区块中，供全网节点共享，实现节点之间通过区块来相互传递信息，同时，每个节点的区块信息同步上传到主信息数据库，用于备份储存。
所述步骤S2包括以下步骤：
S21、根据风功率预测模型获取风电场日前发电功率预测曲线；
S22、根据风电场实际发电功率和预测曲线之间最近的m个预测误差值的集合，确定其经验分布函数，根据其反函数确定α概率预测区间，则：
Pup(k)＝(1+α)Pp(k)
Pdown(k)＝(1-α)Pp(k)
其中，Pp(k)是k时刻风电场的发电计划，Pup(k)和Pdown(k)为偏差上限和下限，α是允许跟踪误差；
S23、根据实际发电出力Pw(k)和发电偏差上、下限Pup(k)、Pdown(k)的关系以及节点群的总储能容量的荷电状态，确定节点群的储能功率Pb(k)优化区间；
所述Pb(k)优化区间的确定要考虑实际风电场出力是否在上下限之内以及储能荷电状态是否在允许范围之内，具体如下：
如果节点群N+的SOC(k)范围在SOCmin＜SOC(k)＜SOCmax，则Pb(k)∈[Pdwon(k)-Pw(k)，Pup(k)-Pw(k)]；
如果节点群N+的SOC(k)≤SOCmin且Pdwon(k)≤Pw(k)≤Pup(k)，则Pb(k)∈[Pdwon(k)-Pw(k)，0]；
如果节点群N+的SOC(k)≤SOCmin且Pw(k)＜Pdown(k)，则Pb(k)＝0；
如果节点群N+的SOC(k)≤SOCmin且Pw(k)＞Pup(k)，则Pb(k)∈[Pdwon(k)-Pw(k)，Pw(k)-Pup(k)]；
如果节点群N+的SOC(k)≥SOCmax且Pdwon(k)≤Pw(k)≤Pup(k)，则Pb(k)∈[0，Pup(k)-Pw(k)]；
如果节点群N+的SOC(k)≥SOCmax且Pw(k)＜Pdown(k)，则Pb(k)∈[Pdwon(k)-Pw(k)，Pup(k)-Pw(k)]；
如果节点群N+的SOC(k)≥SOCmax且Pw(k)＞Pup(k)，则Pb(k)∈[Pdwon(k)-Pw(k)，Pup(k)-Pw(k)]；
S24、确定节点群的储能系统电量和充放电控制策略：
SOC(k)＝S(k)/Eb
S(t)＝(1-ρ)·S(k-1)-Pb(k)·Δt
Pb(k)＝-fc·Pc(k)·ηc+fd·Pd(k)/ηd
其中，SOC(k)表示节点群的时刻k的荷电状态SOC，S(k)、S(k-1)分别为k时刻、k-1时刻的电量，ρ为自放电率，Pc(k)、Pd(k)为k时刻的输入、输出功率，ηc、ηd是k时刻的充电效率、放电效率，fc、fd根据充放电状态为0或1；当储能充电时，fc,＝1，fd＝0；当储能放电时，fc,＝0，fd＝1；不充不放时，fc,＝0，fd＝0；
节点群的整体储能参数在k时刻的各项参数来自于各节点的加和或加权平均，如下：
Figure BDA0002412706700000051
其中，Cpower,i是各节点的储能容量，SOCi是各节点的荷电状态。
在步骤S3中，实现每个节点的调度策略包括以下步骤：
S31、为每个节点建立储能损耗程度模型ESLi(Eref,μT,μSOC0,μDEPTH,μLOOP)、负荷响应能力模型LRi(p,Ωi(p),dci)和充放电损耗成本模型FCi；
其中，Eref是标准条件下的参考系数，μT是温度衰减系数，μSOC0是初始SOC的容量衰减加速因素，μDEPTH是放电深度影响因素，μLOOP是充放电循环次数影响因素；p是当前时刻前p个时刻集合的一个滚动时间窗口，Ωi(p)是调度策略和响应结果偏差集合，dci是响应能力置信度，FCi是预调度策略下的充电或放电损耗成本；
第i个节点的储能损耗程度模型ESLi表示为：
ESLi＝-Eref×μT×μSOC0×μDEPTH×μLOOP
第i个节点的负荷响应能力模型LRi表示为：
Figure BDA0002412706700000061
即LRi是k前p个时段的响应能力指标之后在置信度区间内的可信程度；
第i个节点k时刻预调度策略下的充放电损耗成本模型FCi表示为：
FCi(k)＝Fdisch,i+Fch,i，其中，Fdisch,i是放电造成的电池退化成本，Fch,i是充电造成的电池退化成本；
S32、根据节点群的总体优化目标，确定k时刻的每个节点调度策略ui *(k)；
根据每个节点的损耗程度、负荷响应能力确定每个节点参与调度的优先级，并确定包含充放电功率、充放电时间、充放电量在内的调度策略ui *(k)，保证节点群的总体负荷响应能力最优且k时刻下的充放电成本损耗最小；
第i个节点的调度策略ui *(k)表示为：
ui *(k)＝[fc,i(k),fd,i(k),Pc,i(k),Pd,i(k),Sc,i(k),Sd,i(k),tc,i(k),td,i(k)]T
其中，Pc,i(k)是充电功率，Pd,i(k)是放电功率，Sc,i(k)是充电电量，Sd,i(k)是放电电量，tc,i(k)是充电时长，td,i(k)是放电时长，fc,i(k)是充电响应参数，fd,i(k)是放电响应参数；
多目标寻优的总体约束为：
Figure BDA0002412706700000062
S33、经过多目标寻优的迭代过程，确定k时刻的各节点的最终调度策略ui(k)，确定参与调度的节点、各节点的优先顺序和节点参与调度的内容；
各节点的优先顺序表示为：
Pr(k)＝[Pr1(k),Pr2(k),…,PrN(k)]，其中Pr(k)是k时刻各节点的优先度向量，Pri(k)是第i节点k时刻的优先性参数；
各节点的调度策略表示为：
u(k)＝[u1(k),u2(k),…,uN(k)]，其中u(k)是k时刻各节点的调度策略向量，ui(k)是第i节点k时刻的调度策略；
S34、根据k时刻对应时段的调度策略ui(k)，计算确定该节点参与调度获得的电量效益Ri(S)，其中，S为充放电量；
Ri(S)表示为：
Ri(S)＝CwindEwind+CenEen
其中，Cwind是风电入网电价，Cen是储能入网电价，Ewind是配置储能系统而多接纳的风电电量，Een是储能的充电电量。
在步骤S4中，每个节点的分布式记账区块和主信息数据库的建立包括以下步骤：
S41、每个入网的风力发电机组入网形成独立的节点，并且拥有自己的IP地址和公、私钥密钥对；
S42：确定每个节点区块体的记录信息，包括节点对应的风机基础和参考参数及调度响应数据；其中，调度响应数据包括：充放电策略参数fc、fd，充放电功率Pc、Pd，充放电量Sc、Sd，充放电时长tc、td，充放电损耗FC，调度响应指数LR，调度优先度Pr，计划发电Pp，实际发电量Pw，出力偏差ΔP，荷电状态SOC，电量收益R，储能损耗程度ESL；
S43、建立主信息数据库，采用区域集中的方式存储各节点的IP、公钥信息，并建立面向各节点区块数据备份存储的数据库，在每个节点产生新的区块时，除了由各节点存储和传递之外，还由主信息数据库集做备份存储。
在步骤S5中，基于步骤S2的模型进行实时调度，在由k时刻到k+1时刻时，产生新的总体调度策略和分节点调度策略，所需要的k时刻及之前的数据来自于k时刻及之前的该节点区块体内记录的数据。
在步骤S6中，第i节点k时刻的区块Bi(k)，其区块头等于k-1时刻区块的Hash值，其区块体内所有记录的数据根据Hash算法自动生成存储数据Hash值的默克尔树，防止在交易过程中出现篡改的问题；第i节点k+1时刻的区块Bi(k+1)，其区块头存有区块Bi(k)的Hash值，其区块体内根据k+1时刻存储数据Hash值的默克尔树，实现邻区块首尾Hash值单向连接的链式存储；其中，所述区块中均包含时间戳。
本发明与现有技术相比，具有如下优点与有益效果：
1、实现了储能型风机群的总体发电计划跟随及各风机的优化调度顺序和调度策略，从而实现总体最优的电网调度响应。
2、结合分布式记账，实现每个风机节点数据的可靠存储和管理，保证了传递信息的实时性、数据的可信性和不可篡改性。
3、本发明方法可以为风电的就地消纳和需求响应提供有效的控制和数据记录手段，支持区域能源交易多元化和市场化。
附图说明
图1是本发明方法逻辑流程图。
图2是典型调度日的风电场发电负荷预测曲线和发电功率偏差的典型实施例。
图3是各节点基于分布式记账的区块内容和生成过程示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
如图1至图3所示，本实施例所提供的基于分布式记账的储能型风机调度响应方法，其具体情况如下：
S1、时间离散化，为每个风力发电机组建立节点；
将连续时间进行离散化，全天24小时均分为K个时段，其中K∈{1,2,3，…,K}，每个时段的时长为Δt，典型的案例是全天24小时均分为288个时段，即K＝288，每个时段的时长为Δt＝5min，在多个调度日中，均执行响应的时段划分方式。
每台储能型风机作为独立节点i＝1,2,3,…,N，N是风电场中储能型风机的数量，当有新的风机入网后，相应地，N随之增加；其中，所述储能型风机为带储能装置的风力发电机组。
S2、建立节点群储能系统发电计划响应模型；
将风电场作为能源局域网统一考虑，所有节点(N个节点)的储能装置作为节点群N+统一考虑，建立节点群的总体发电计划响应模型，其包括以下步骤：
S21、根据风功率预测模型获取风电场日前发电功率预测曲线，图2是典型调度日的风电场发电负荷预测曲线和发电功率偏差的典型实施例。
S22、根据风电场实际发电功率和预测曲线之间最近的m个预测误差值的集合，确定其经验分布函数，根据其反函数确定α概率预测区间，则：
Pup(k)＝(1+α)Pp(k)
Pdown(k)＝(1-α)Pp(k)
其中，Pp(k)是k时刻风电场的发电计划，Pup(k)和Pdown(k)为偏差上限和下限，α是允许跟踪误差。
S23、根据实际发电出力Pw(k)和发电偏差上、下限Pup(k)、Pdown(k)的关系以及节点群的总储能容量的荷电状态，确定节点群的储能功率Pb(k)优化区间。
所述Pb(k)优化区间的典型实施例是要考虑实际风电场出力是否在上下限之内以及储能荷电状态是否在允许范围之内，具体如下：
如果节点群N+的SOC(k)范围在SOCmin＜SOC(k)＜SOCmax，则Pb(k)∈[Pdwon(k)-Pw(k)，Pup(k)-Pw(k)]；
如果节点群N+的SOC(k)≤SOCmin且Pdwon(k)≤Pw(k)≤Pup(k)，则Pb(k)∈[Pdwon(k)-Pw(k)，0]；
如果节点群N+的SOC(k)≤SOCmin且Pw(k)＜Pdown(k)，则Pb(k)＝0；
如果节点群N+的SOC(k)≤SOCmin且Pw(k)＞Pup(k)，则Pb(k)∈[Pdwon(k)-Pw(k)，Pw(k)-Pup(k)]；
如果节点群N+的SOC(k)≥SOCmax且Pdwon(k)≤Pw(k)≤Pup(k)，则Pb(k)∈[0，Pup(k)-Pw(k)]；
如果节点群N+的SOC(k)≥SOCmax且Pw(k)＜Pdown(k)，则Pb(k)∈[Pdwon(k)-Pw(k)，Pup(k)-Pw(k)]；
如果节点群N+的SOC(k)≥SOCmax且Pw(k)＞Pup(k)，则Pb(k)∈[Pdwon(k)-Pw(k)，Pup(k)-Pw(k)]；
S24、确定节点群的储能系统电量和充放电控制策略：
SOC(k)＝S(k)/Eb
S(t)＝(1-ρ)·S(k-1)-Pb(k)·Δt
Pb(k)＝-fc·Pc(k)·ηc+fd·Pd(k)/ηd
其中，SOC(k)表示节点群的时刻k的荷电状态SOC，S(k)、S(k-1)分别为k时刻、k-1时刻的电量，ρ为自放电率，Pc(k)、Pd(k)为k时刻的输入、输出功率，ηc、ηd是k时刻的充电效率、放电效率，fc、fd根据充放电状态为0或1；当储能充电时，fc,＝1，fd＝0；当储能放电时，fc,＝0，fd＝1；不充不放时，fc,＝0，fd＝0。
节点群的整体储能参数在k时刻的各项参数来自于各节点的加和或加权平均，如下：
Figure BDA0002412706700000111
其中，Cpower,i是各节点的储能容量，SOCi是各节点的荷电状态。
S3、确定各节点内部调度规则；
建立每个节点的储能损耗程度模型、负荷响应能力模型和充放电损耗成本模型，根据多目标寻优结果，确定在发电计划响应模型下的每个节点的充放电优先度排序和调度次序。其中，实现每个节点的调度策略包括以下步骤：
S31、为每个节点建立储能损耗程度模型ESLi(Eref,μT,μSOC0,μDEPTH,μLOOP)、负荷响应能力模型LRi(p,Ωi(p),dci)和充放电损耗成本模型FCi；
其中，Eref是标准条件下的参考系数，μT是温度衰减系数，μSOC0是初始SOC的容量衰减加速因素，μDEPTH是放电深度影响因素，μLOOP是充放电循环次数影响因素；p是当前时刻前p个时刻集合的一个滚动时间窗口，Ωi(p)是调度策略和响应结果偏差集合，dci是响应能力置信度，FCi是预调度策略下的充电或放电损耗成本；
第i个节点的储能损耗程度模型ESLi的典型实施例是：
ESLi＝-Eref×μT×μSOC0×μDEPTH×μLOOP
第i个节点的负荷响应能力模型LRi的典型实施例是：
Figure BDA0002412706700000121
即LRi是k前p个时段的响应能力指标之后在置信度区间内的可信程度，一般置信区间为95％。
第i个节点k时刻预调度策略下的充放电损耗成本模型FCi的典型实施例是：
FCi(k)＝Fdisch,i+Fch,i，其中，Fdisch,i是放电造成的电池退化成本，Fch,i是充电造成的电池退化成本。
S32、根据节点群的总体优化目标，确定k时刻的每个节点调度策略ui *(k)。
根据每个节点的损耗程度、负荷响应能力确定每个节点参与调度的优先级，并确定包含充放电功率、充放电时间、充放电量等在内的调度策略ui *(k)，保证节点群的总体负荷响应能力最优且k时刻下的充放电成本损耗最小。
第i个节点的调度策略ui *(k)的典型实施例表示为：
ui *(k)＝[fc,i(k),fd,i(k),Pc,i(k),Pd,i(k),Sc,i(k),Sd,i(k),tc,i(k),td,i(k)]T
其中，Pc,i(k)是充电功率，Pd,i(k)是放电功率，Sc,i(k)是充电电量，Sd,i(k)是放电电量，tc,i(k)是充电时长，td,i(k)是放电时长，fc,i(k)是充电响应参数，fd,i(k)是放电响应参数。
多目标寻优的总体约束典型实施例为：
Figure BDA0002412706700000122
S33、经过多目标寻优的迭代过程，确定k时刻的各节点的最终调度策略ui(k)，确定参与调度的节点、各节点的优先顺序和节点参与调度的内容。
各节点的优先顺序的典型实施例表示为：
Pr(k)＝[Pr1(k),Pr2(k),…,PrN(k)]，其中Pr(k)是k时刻各节点的优先度向量，Pri(k)是第i节点k时刻的优先性参数；
各节点的调度策略表示为：
u(k)＝[u1(k),u2(k),…,uN(k)]，其中u(k)是k时刻各节点的调度策略向量，ui(k)是第i节点k时刻的调度策略；
S34、根据k时刻对应时段的调度策略ui(k)，计算确定该节点参与调度获得的电量效益Ri(S)，其中，S为充放电量。
Ri(S)的典型实施例表示为：
Ri(S)＝CwindEwind+CenEen
其中，Cwind是风电入网电价，Cen是储能入网电价，Ewind是因配置储能而多接纳的风电电量，Een是储能的充电电量。
S4、建立各节点的分布式记账区块，确定区块需要记录的信息和传递机制，同时建立主信息数据库，如下：
建立每个节点的分布式记账区块，为每个节点分配独立的IP地址，通过计算生成各节点的公钥和私钥；确定每个区块所需要记录的节点信息，包括节点状态信息以及所需要记录的响应信息；建立区域的主信息数据库，用于记录节点信息，并做实时调度过程中的区块信息的备份储存。其中，每个节点的分布式记账区块和主信息数据库的建立包括以下步骤：
S41、每个入网的风力发电机组入网形成独立的节点，并且拥有自己的IP地址和公、私钥密钥对。
S42：确定每个节点区块体的记录信息，包括节点对应的风机基础和参考参数及调度响应数据；其中，调度响应数据包括：充放电策略参数fc、fd，充放电功率Pc、Pd，充放电量Sc、Sd，充放电时长tc、td，充放电损耗FC，调度响应指数LR，调度优先度Pr，计划发电Pp，实际发电量Pw，出力偏差ΔP，荷电状态SOC，电量收益R，储能损耗程度ESL；
S43、建立主信息数据库，采用区域集中的方式存储各节点的IP、公钥信息，并建立面向各节点区块数据备份存储的数据库，在每个节点产生新的区块时，除了由各节点存储和传递之外，还由主信息数据库集做备份存储。
S5、节点入网，开始接受调度指令，确定节点群的总体响应策略以及各节点的响应优先次序和响应策略，如下：
节点入网后，将所需的各项参数、公钥上传到主信息数据库，并向全网广播，同时从节点网络的其它节点下载区块链，从主信息数据库下载节点基本信息数据。
根据发电调度计划，按照步骤S2中确定k时段节点群作为整体储能系统的充放电响应策略；在总体响应策略下，按照步骤S3综合评价体系下确定的节点优先级排序，确定每个节点的响应策略，记录每个节点的状态及响应策略和响应结果信息。
基于步骤S2的模型进行实时调度，在由k时刻到k+1时刻时，产生新的总体调度策略和分节点调度策略，所需要的k时刻及之前的数据来自于k时刻及之前的该节点区块体内记录的数据。
S6、每个节点按照固定的时间间隔Δt将节点信息和响应结果上传到区块中，供全网节点共享，同时上传到主信息数据库，如下：
在第k时段结束时，每个节点生成一个新的区块Bi(k)，将该时段节点的状态信息、响应策略和响应结果记录在新的区块中，供全网节点共享，实现节点之间通过区块来相互传递信息，同时，每个节点的区块信息同步上传到主信息数据库，用于备份储存。
第i节点k时刻的区块Bi(k)，其区块头等于k-1时刻区块的Hash值，其区块体内所有记录的数据根据Hash算法自动生成存储数据Hash值的默克尔树(Merkle Tree)，防止在交易过程中出现篡改的问题；第i节点k+1时刻的区块Bi(k+1)，其区块头存有区块Bi(k)的Hash值，其区块体内根据k+1时刻存储数据Hash值的默克尔树，实现邻区块首尾Hash值单向连接的链式存储；其中，所述区块中均包含时间戳。
以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (6)

1.一种基于分布式记账的储能型风机调度响应方法，其特征在于，包括以下步骤：
S1、时间离散化，为每个风力发电机组建立节点；
将连续时间进行离散化，全天24小时均分为K个时段，其中K∈{1,2,3，…,K}，每个时段的时长为Δt；
每台储能型风机作为独立节点i＝1,2,3,…,N，N是风电场中储能型风机的数量，其中，所述储能型风机为带储能装置的风力发电机组；
S2、建立节点群储能系统发电计划响应模型；
将风电场作为能源局域网统一考虑，所有节点的储能装置作为节点群N+统一考虑，建立节点群的总体发电计划响应模型；
S3、确定各节点内部调度规则；
建立每个节点的储能损耗程度模型、负荷响应能力模型和充放电损耗成本模型，根据多目标寻优结果，确定在发电计划响应模型下的每个节点的充放电优先度排序和调度次序；
S4、建立各节点的分布式记账区块，确定区块需要记录的信息和传递机制，同时建立主信息数据库，如下：
建立每个节点的分布式记账区块，为每个节点分配独立的IP地址，通过计算生成各节点的公钥和私钥；确定每个区块所需要记录的节点信息，包括节点状态信息以及所需要记录的响应信息；建立区域的主信息数据库，用于记录节点信息，并做实时调度过程中的区块信息的备份储存；
S5、节点入网，开始接受调度指令，确定节点群的总体响应策略以及各节点的响应优先次序和响应策略，如下：
节点入网后，将所需的各项参数、公钥上传到主信息数据库，并向全网广播，同时从节点网络的其它节点下载区块链，从主信息数据库下载节点基本信息数据；
根据发电调度计划，按照步骤S2中确定k时段节点群作为整体储能系统的充放电响应策略；在总体响应策略下，按照步骤S3综合评价体系下确定的节点优先级排序，确定每个节点的响应策略，记录每个节点的状态及响应策略和响应结果信息；
S6、每个节点按照固定的时间间隔Δt将节点信息和响应结果上传到区块中，供全网节点共享，同时上传到主信息数据库，如下：
在第k时段结束时，每个节点生成一个新的区块Bi(k)，将该时段节点的状态信息、响应策略和响应结果记录在新的区块中，供全网节点共享，实现节点之间通过区块来相互传递信息，同时，每个节点的区块信息同步上传到主信息数据库，用于备份储存。
2.根据权利要求1所述的一种基于分布式记账的储能型风机调度响应方法，其特征在于，所述步骤S2包括以下步骤：
S21、根据风功率预测模型获取风电场日前发电功率预测曲线；
S22、根据风电场实际发电功率和预测曲线之间最近的m个预测误差值的集合，确定其经验分布函数，根据其反函数确定α概率预测区间，则：
Pup(k)＝(1+α)Pp(k)
Pdown(k)＝(1-α)Pp(k)
其中，Pp(k)是k时刻风电场的发电计划，Pup(k)和Pdown(k)为偏差上限和下限α是允许跟踪误差；
S23、根据实际发电出力Pw(k)和发电偏差上、下限Pup(k)、Pdown(k)的关系以及节点群的总储能容量的荷电状态，确定节点群的储能功率Pb(k)优化区间；
所述Pb(k)优化区间的确定要考虑实际风电场出力是否在上下限之内以及储能荷电状态是否在允许范围之内，具体如下：
如果节点群N+的SOC(k)范围在SOCmin＜SOC(k)＜SOCmax，则Pb(k)∈[Pdwon(k)-Pw(k)，Pup(k)-Pw(k)]；
如果节点群N+的SOC(k)≤SOCmin且Pdwon(k)≤Pw(k)≤Pup(k)，则Pb(k)∈[Pdwon(k)-Pw(k)，0]；
如果节点群N+的SOC(k)≤SOCmin且Pw(k)＜Pdown(k)，则Pb(k)＝0；
如果节点群N+的SOC(k)≤SOCmin且Pw(k)＞Pup(k)，则Pb(k)∈[Pdwon(k)-Pw(k)，Pw(k)-Pup(k)]；
如果节点群N+的SOC(k)≥SOCmax且Pdwon(k)≤Pw(k)≤Pup(k)，则Pb(k)∈[0，Pup(k)-Pw(k)]；
如果节点群N+的SOC(k)≥SOCmax且Pw(k)＜Pdown(k)，则Pb(k)∈[Pdwon(k)-Pw(k)，Pup(k)-Pw(k)]；
如果节点群N+的SOC(k)≥SOCmax且Pw(k)＞Pup(k)，则Pb(k)∈[Pdwon(k)-Pw(k)，Pup(k)-Pw(k)]；
S24、确定节点群的储能系统电量和充放电控制策略：
SOC(k)＝S(k)/Eb
S(t)＝(1-ρ)·S(k-1)-Pb(k)·Δt
Pb(k)＝-fc·Pc(k)·ηc+fd·Pd(k)/ηd
其中，SOC(k)表示节点群的时刻k的荷电状态SOC，S(k)、S(k-1)分别为k时刻、k-1时刻的电量，ρ为自放电率，Pc(k)、Pd(k)为k时刻的输入、输出功率，ηc、ηd是k时刻的充电效率、放电效率，fc、fd根据充放电状态为0或1；当储能充电时，fc,＝1，fd＝0；当储能放电时，fc,＝0，fd＝1；不充不放时，fc,＝0，fd＝0；
节点群的整体储能参数在k时刻的各项参数来自于各节点的加和或加权平均，如下：
Figure FDA0002412706690000041
其中，Cpower,i是各节点的储能容量，SOCi是各节点的荷电状态。
3.根据权利要求1所述的一种基于分布式记账的储能型风机调度响应方法，其特征在于，在步骤S3中，实现每个节点的调度策略包括以下步骤：
S31、为每个节点建立储能损耗程度模型ESLi(Eref,μT,μSOC0,μDEPTH,μLOOP)、负荷响应能力模型LRi(p,Ωi(p),dci)和充放电损耗成本模型FCi；
其中，Eref是标准条件下的参考系数，μT是温度衰减系数，μSOC0是初始SOC的容量衰减加速因素，μDEPTH是放电深度影响因素，μLOOP是充放电循环次数影响因素；p是当前时刻前p个时刻集合的一个滚动时间窗口，Ωi(p)是调度策略和响应结果偏差集合，dci是响应能力置信度，FCi是预调度策略下的充电或放电损耗成本；
第i个节点的储能损耗程度模型ESLi表示为：
ESLi＝-Eref×μT×μSOC0×μDEPTH×μLOOP
第i个节点的负荷响应能力模型LRi表示为：
Figure FDA0002412706690000042
即LRi是k前p个时段的响应能力指标之后在置信度区间内的可信程度；
第i个节点k时刻预调度策略下的充放电损耗成本模型FCi表示为：
FCi(k)＝Fdisch,i+Fch,i，其中，Fdisch,i是放电造成的电池退化成本，Fch,i是充电造成的电池退化成本；
S32、根据节点群的总体优化目标，确定k时刻的每个节点调度策略ui *(k)；
根据每个节点的损耗程度、负荷响应能力确定每个节点参与调度的优先级，并确定包含充放电功率、充放电时间、充放电量在内的调度策略ui *(k)，保证节点群的总体负荷响应能力最优且k时刻下的充放电成本损耗最小；
第i个节点的调度策略ui *(k)表示为：
ui *(k)＝[fc,i(k),fd,i(k),Pc,i(k),Pd,i(k),Sc,i(k),Sd,i(k),tc,i(k),td,i(k)]T
其中，Pc,i(k)是充电功率，Pd,i(k)是放电功率，Sc,i(k)是充电电量，Sd,i(k)是放电电量，tc,i(k)是充电时长，td,i(k)是放电时长，fc,i(k)是充电响应参数，fd,i(k)是放电响应参数；
多目标寻优的总体约束为：
Figure FDA0002412706690000051
S33、经过多目标寻优的迭代过程，确定k时刻的各节点的最终调度策略ui(k)，确定参与调度的节点、各节点的优先顺序和节点参与调度的内容；
各节点的优先顺序表示为：
Pr(k)＝[Pr1(k),Pr2(k),…,PrN(k)]，其中Pr(k)是k时刻各节点的优先度向量，Pri(k)是第i节点k时刻的优先性参数；
各节点的调度策略表示为：
u(k)＝[u1(k),u2(k),…,uN(k)]，其中u(k)是k时刻各节点的调度策略向量，ui(k)是第i节点k时刻的调度策略；
S34、根据k时刻对应时段的调度策略ui(k)，计算确定该节点参与调度获得的电量效益Ri(S)，其中，S为充放电量；
Ri(S)表示为：
Ri(S)＝CwindEwind+CenEen
其中，Cwind是风电入网电价，Cen是储能入网电价，Ewind是因配置储能而多接纳的风电电量，Een是储能的充电电量。
4.根据权利要求1所述的一种基于分布式记账的储能型风机调度响应方法，其特征在于，在步骤S4中，每个节点的分布式记账区块和主信息数据库的建立包括以下步骤：
S41、每个入网的风力发电机组入网形成独立的节点，并且拥有自己的IP地址和公、私钥密钥对；
S42：确定每个节点区块体的记录信息，包括节点对应的风机基础和参考参数及调度响应数据；其中，调度响应数据包括：充放电策略参数fc、fd，充放电功率Pc、Pd，充放电量Sc、Sd，充放电时长tc、td，充放电损耗FC，调度响应指数LR，调度优先度Pr，计划发电Pp，实际发电量Pw，出力偏差ΔP，荷电状态SOC，电量收益R，储能损耗程度ESL；
S43、建立主信息数据库，采用区域集中的方式存储各节点的IP、公钥信息，并建立面向各节点区块数据备份存储的数据库，在每个节点产生新的区块时，除了由各节点存储和传递之外，还由主信息数据库集做备份存储。
5.根据权利要求1所述的一种基于分布式记账的储能型风机调度响应方法，其特征在于，在步骤S5中，基于步骤S2的模型进行实时调度，在由k时刻到k+1时刻时，产生新的总体调度策略和分节点调度策略，所需要的k时刻及之前的数据来自于k时刻及之前的该节点区块体内记录的数据。
6.根据权利要求1所述的一种基于分布式记账的储能型风机调度响应方法，其特征在于，在步骤S6中，第i节点k时刻的区块Bi(k)，其区块头等于k-1时刻区块的Hash值，其区块体内所有记录的数据根据Hash算法自动生成存储数据Hash值的默克尔树，防止在交易过程中出现篡改的问题；第i节点k+1时刻的区块Bi(k+1)，其区块头存有区块Bi(k)的Hash值，其区块体内根据k+1时刻存储数据Hash值的默克尔树，实现邻区块首尾Hash值单向连接的链式存储；其中，所述区块中均包含时间戳。
CN202010181451.5A 2020-03-16 2020-03-16 一种基于分布式记账的储能型风机调度响应方法 Active CN111327076B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010181451.5A CN111327076B (zh) 2020-03-16 2020-03-16 一种基于分布式记账的储能型风机调度响应方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010181451.5A CN111327076B (zh) 2020-03-16 2020-03-16 一种基于分布式记账的储能型风机调度响应方法

Publications (2)

Publication Number Publication Date
CN111327076A true CN111327076A (zh) 2020-06-23
CN111327076B CN111327076B (zh) 2021-08-27

Family

ID=71171500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010181451.5A Active CN111327076B (zh) 2020-03-16 2020-03-16 一种基于分布式记账的储能型风机调度响应方法

Country Status (1)

Country Link
CN (1) CN111327076B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114899849A (zh) * 2022-05-23 2022-08-12 东旭蓝天智慧能源科技有限公司 一种储能设备的负荷调度方法、装置、设备及存储介质
WO2023186002A1 (zh) * 2022-04-01 2023-10-05 中国移动通信有限公司研究院 一种资源调度方法、装置及设备
CN114899849B (zh) * 2022-05-23 2024-10-22 东旭蓝天智慧能源科技有限公司 一种储能设备的负荷调度方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108830110A (zh) * 2018-09-10 2018-11-16 珠海格力电器股份有限公司 基于区块链的能源交互装置、能源互联网系统和交互方法
CN109256813A (zh) * 2018-11-28 2019-01-22 杨胜杰 一种基于区块链的分布式电能储存系统及运行方法
CN109524962A (zh) * 2018-11-23 2019-03-26 贵州电网有限责任公司 一种基于区块链技术的能源互联网微网能量调度方法
CN109672202A (zh) * 2018-12-24 2019-04-23 浙江工业大学 一种基于区块链技术的储能系统自动需求响应方法
US20190356164A1 (en) * 2018-05-18 2019-11-21 General Electric Company Distributed ledger based control of large-scale, power grid energy resources
CN110728589A (zh) * 2019-10-21 2020-01-24 合肥阳光新能源科技有限公司 一种基于区块链的能源调度方法、装置及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190356164A1 (en) * 2018-05-18 2019-11-21 General Electric Company Distributed ledger based control of large-scale, power grid energy resources
CN108830110A (zh) * 2018-09-10 2018-11-16 珠海格力电器股份有限公司 基于区块链的能源交互装置、能源互联网系统和交互方法
CN109524962A (zh) * 2018-11-23 2019-03-26 贵州电网有限责任公司 一种基于区块链技术的能源互联网微网能量调度方法
CN109256813A (zh) * 2018-11-28 2019-01-22 杨胜杰 一种基于区块链的分布式电能储存系统及运行方法
CN109672202A (zh) * 2018-12-24 2019-04-23 浙江工业大学 一种基于区块链技术的储能系统自动需求响应方法
CN110728589A (zh) * 2019-10-21 2020-01-24 合肥阳光新能源科技有限公司 一种基于区块链的能源调度方法、装置及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIAN SHEN: "Intelligent Energy Scheduling Model Based on Block Chain Technology", 《2018 5TH INTERNATIONAL CONFERENCE ON INFORMATION SCIENCE AND CONTROL ENGINEERING (ICISCE)》 *
朱兴雄: "基于区块链的微电网系统", 《电子技术与软件工程》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023186002A1 (zh) * 2022-04-01 2023-10-05 中国移动通信有限公司研究院 一种资源调度方法、装置及设备
CN114899849A (zh) * 2022-05-23 2022-08-12 东旭蓝天智慧能源科技有限公司 一种储能设备的负荷调度方法、装置、设备及存储介质
CN114899849B (zh) * 2022-05-23 2024-10-22 东旭蓝天智慧能源科技有限公司 一种储能设备的负荷调度方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111327076B (zh) 2021-08-27

Similar Documents

Publication Publication Date Title
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
Yao et al. Determination of short-term power dispatch schedule for a wind farm incorporated with dual-battery energy storage scheme
CN114362212B (zh) 一种多类型电网负荷资源数据处理与调节方法及系统
CN109325608A (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN111342490B (zh) 一种基于区块链的虚拟电厂可编程控制方法
CN110137981B (zh) 一种基于一致性算法的分布式储能聚合器agc方法
CN112381375B (zh) 一种基于潮流分配矩阵的电网经济运行域快速生成方法
Xiang et al. Automatic demand response strategy of local pure electric vehicle with battery energy storage system based on blockchain technology
CN110867907B (zh) 一种基于多类型发电资源同质化的电力系统调度方法
CN111327076B (zh) 一种基于分布式记账的储能型风机调度响应方法
CN109657898A (zh) 一种基于凸松弛的可再生能源随机动态经济调度方法
CN109268685A (zh) 输配网及其控制方法
CN113554511B (zh) 一种基于区块链与粒子群优化的有源配电网电力交易方法
Wu et al. Research on optimal storage capacity of DC micro‐grid system in PV station
CN114398777A (zh) 一种基于巴什博弈理论的电力系统灵活性资源配置方法
Conte et al. Frequency regulation services by a bess-generator system using predictive control
CN113222529A (zh) 一种基于区块链的碳中和管理方法
Zhang et al. Two‐Stage Optimization Model of Centralized Energy Storage Participating in Peak Shaving with Maximum Reserve Capacity and Minimum Carbon Emission of the System
Yan et al. Real Time Command System for Power Network Scheduling Based on Blockchain Technology
CN113608486B (zh) 利用现有电网的分布式负荷设备集中控制系统及方法
Wang et al. Optimal Scheduling Strategy of Park Microgrid based on Blockchain Technology
Chen et al. Self-Recovery Capability of Power System and Its Application in Active Power Optimal Scheduling
CN118174362B (zh) 计及不同故障区域分布式电源差异化的孤岛运行调度方法
Xin et al. A Robust Planning Considering Multiple Uncertainties of Distributed Generation
CN114154279B (zh) 含蓄热式电采暖接入的配网承载能力的机会约束评估方法

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