CN111525607A - 用于光储联合发电系统的光伏发电计划跟踪方法及装置 - Google Patents

用于光储联合发电系统的光伏发电计划跟踪方法及装置 Download PDF

Info

Publication number
CN111525607A
CN111525607A CN202010306989.4A CN202010306989A CN111525607A CN 111525607 A CN111525607 A CN 111525607A CN 202010306989 A CN202010306989 A CN 202010306989A CN 111525607 A CN111525607 A CN 111525607A
Authority
CN
China
Prior art keywords
energy storage
power generation
storage system
photovoltaic
power
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.)
Pending
Application number
CN202010306989.4A
Other languages
English (en)
Inventor
李相俊
祁希
何山
贾学翠
王上行
马会萌
杨水丽
边立
郭维君
马玉芳
周雨霖
蒋雪
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
Qinghai Contemporary Amperex Technology Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Qinghai Contemporary Amperex Technology 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, Qinghai Contemporary Amperex Technology Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010306989.4A priority Critical patent/CN111525607A/zh
Publication of CN111525607A publication Critical patent/CN111525607A/zh
Pending legal-status Critical Current

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • 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)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明提供了用于光储联合发电系统的光伏发电计划跟踪方法及装置。该方法包括：基于预测控制优化目标函数，采用向前预测N步的预测控制时，确定光储联合发电系统中储能系统的出力增量控制指令序列；根据获取的光储联合发电系统中储能系统的当前出力功率和所述出力增量控制指令序列中的第一个出力增量值，生成所述储能系统在下一时刻的出力功率；将所述储能系统在下一时刻的出力功率发送至所述储能系统，以使得所述储能系统响应所述出力功率，并与目标光储联合发电系统中的光伏系统跟踪下一时刻的光伏发电计划功率。实施有该方法的光储联合发电系统能够高精度地跟踪光伏发电计划，且储能系统的荷电状态保持在稳定安全状态。

Description

用于光储联合发电系统的光伏发电计划跟踪方法及装置
技术领域
本发明涉及电气工程技术领域，并且更具体地，涉及一种用于光储联合发电系统的光伏发电计划跟踪方法及装置。
背景技术
光伏已成为中国电力供应的重要组成部分。然而，光伏实际发电功率与日前预测仍存在较大偏差，这种光伏发电功率的波动性和间歇性，给电网运行带来不利影响。
另一方面，大规模储能技术日趋成熟。光伏系统与储能系统联合组成光储联合发电系统，可以利用储能系统弥补光伏发电的弊端，提高对光伏发电计划的跟踪精度，提升光伏发电并网的稳定性和安全性。
发明内容
本发明提供了一种用于光储联合发电系统的光伏发电计划跟踪方法及系统，以克服目前光伏发电并网的稳定性和安全性不足的问题。
第一方面，本发明提供了一种用于光储联合发电系统的光伏发电计划跟踪方法，包括：
基于预测控制优化目标函数，采用向前预测N步的预测控制时，确定光储联合发电系统中储能系统的出力增量控制指令序列：
ΔuT(k+i|k)＝[Δu(k+1),Δu(k+2),…Δu(k+N)]，其中，i＝1,2,…,N，N为大于1的正整数，k为当前时刻；
根据获取的光储联合发电系统中储能系统的当前出力功率PESS(k)和所述出力增量控制指令序列中的第一个出力增量值Δu(k+1|k)，生成所述储能系统在下一时刻的出力功率PESS(k+1|k)；
将所述储能系统在下一时刻的出力功率PESS(k+1|k)发送至所述储能系统，以使得所述储能系统响应所述出力功率PESS(k+1|k)，并与目标光储联合发电系统中的光伏系统跟踪下一时刻的光伏发电计划功率Pplan(k+1|k)；
其中，所述下一时刻的光伏发电计划功率Pplan(k+1|k)是根据短时预测确定的。
第二方面，本发明提供了一种用于光储联合发电系统的光伏发电计划跟踪装置。
与现有技术相比，本发明提供的用于光储联合发电系统的光伏发电计划跟踪方法及装置，应用模型预测控制和模糊控制理论，通过实时控制电池储能系统的出力，使得光储联合发电系统能够高精度地跟踪光伏发电计划，且有利于电池储能系统的荷电状态保持在稳定安全状态。
本发明提供的用于光储联合发电系统的光伏发电计划跟踪方法及装置，基于实时采集的超短期光伏发电功率，利用模型预测控制策略实时计算储能系统的最优出力值，抗干扰性能力强，鲁棒性好；并考虑了在未来时刻储能系统的荷电状态及电网对光伏跟踪偏差的约束，基于模型预测控制来实时地调整储能系统的出力，能够高精度地跟踪光伏发电计划，提高光伏发电并网的稳定性和安全性。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1是本发明优选实施方式的用于光储联合发电系统的光伏发电计划跟踪方法的流程示意图；
图2是本发明优选实施方式的用于光储联合发电系统的光伏发电计划跟踪装置的组成示意图；
图3是本发明优选实施方式的光储联合发电系统的组成示意图；
图4是本发明优选实施方式的用于光储联合发电系统的光伏发电计划跟踪方法的模糊控制逻辑图；
图5是本发明另一种优选实施方式的用于光储联合发电系统的光伏发电计划跟踪方法的流程示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
基于日前光伏预测功率制定发电计划可在一定程度上降低光伏发电对电网正常运行的冲击，但是光伏实际发电功率与日前光伏预测功率或发电计划仍存在较大偏差。因此，出现了根据当前时刻光伏实际出力与光伏发电计划的偏差来控制储能系统进行充放电的光储联合发电系统。这种控制方法对光伏发电计划的跟踪精度较低，不能满足电网稳定安全运行的需求。
如图3所示，光储联合发电系统由光伏系统10、电池储能系统20(包括储能电池、储能变流器)和实施光储联合发电控制的数据及控制中心组成。储能系统20与光伏系统10分别连接至电网30上的并网节点处，由储能系统20与光伏系统10共同跟踪由数据及控制中心下发的光伏发电计划Pplan(k)。
该光储联合发电系统中，光伏系统的额定功率为PVrated，储能系统的储能总能量为CESS、储能系统的额定功率为Prated。
具体实施例时，该数据及控制中心包括：
参数初始化模块，用于初始化发电计划跟踪允许偏差带，光储联合发电系统的优化目标函数的惩罚系数组的初始值；
数据获取模块，用于获取未来多个时段的光伏超短期预测功率和储能系统的初始荷电状态；
模型预测控制模块，用于根据从参数初始化模块获取的各初始值、从数据获取模块获取的多个光伏超短期预测功率和储能系统的初始荷电状态，生成储能系统下一时刻的储能出力功率指令PESS(k+1|k)；
执行模块，用于根据从模型预测控制模块获取的储能系统下一时刻的储能出力功率指令，使得储能系统与光储联合发电系统中的光伏系统共同跟踪下一时刻的光伏发电计划功率Pplan(k+1|k)。
模型预测控制(Model Predictive Control，简称MPC)是一种基于滚动优化和反馈控制思想的先进的控制策略，具有滚动预测、提前控制的优势。其通过在当前时刻考虑未来几步内的约束条件，能够提前优化控制，实时性强。另外，模型预测控制还可以较好地解决含多种不确定性因素的优化控制问题，具有极强的抗干扰性能力和鲁棒性。
目前，针对光伏系统的发电功率预测时，超短期预测功率的时间尺度一般为30min-2h；短期预测功率的时间尺度一般为一天；这里应用的发电计划通常指时间尺度为一天这个量级水平上的短期预测功率曲线。
将短期预测功率划分为多个超短期预测功率分别覆盖的时间间隔；在每一个超短期预测功率覆盖的时间间隔内，分别采用MPC优化控制，利用储能装置来更高精度地跟踪光伏发电计划。
可选地，在应用MPC优化控制时，控制周期可以灵活地选择为1min～5min中的任一数值。
如图1所示，一个实施例的用于光储联合发电系统的光伏发电计划跟踪方法，包括：
步骤S10：基于预测控制优化目标函数，采用向前预测N步的预测控制时，确定光储联合发电系统中储能系统的出力增量控制指令序列：
ΔuT(k+i|k)＝[Δu(k+1),Δu(k+2),…Δu(k+N)]，其中，i＝1,2,…,N，N为大于1的正整数，k为当前时刻；
步骤S20：根据获取的光储联合发电系统中储能系统的当前出力功率PESS(k)和出力增量控制指令序列中的第一个出力增量值Δu(k+1|k)，生成储能系统在下一时刻的出力功率PESS(k+1|k)；
步骤S30：将储能系统在下一时刻的出力功率PESS(k+1|k)发送至储能系统，以使得储能系统响应出力功率PESS(k+1|k)，并与目标光储联合发电系统中的光伏系统跟踪下一时刻的光伏发电计划功率Pplan(k+1|k)；
其中，下一时刻的光伏发电计划功率Pplan(k+1|k)是根据短时预测确定的。
具体地，目标光储联合发电系统中，光伏系统的额定功率为PVrated；
在当前时刻k，根据下式确定光伏系统的发电目标功率Paim(k)：
Figure BDA0002456131010000051
其中，Ppv(k)为当前时刻光伏系统的超短期预测功率；
Pup(k)为光伏跟踪允许偏差带的上限，为：
Pup(k)＝Pplan(k)+Plimit；
Pdown(k)为光伏跟踪允许偏差带的下限，为：
Pdown(k)＝Pplan(k)-Plimit；
光伏跟踪允许偏差Plimit，为：
Plimit＝PVrated·ε(k)；
ε(k)为预先设定的光伏跟踪误差系数，0＜ε(k)＜1；
Pplan(k)为当前时刻光伏系统的光伏发电计划功率。
具体地，目标光储联合发电系统中，储能系统的额定功率为Prated；
当前时刻，储能系统的荷电状态为SOCESS(k)；
SOCideal为储能系统的荷电状态的理想值；
SOCmid为储能系统的荷电状态的中值；
CESS为储能系统的储能总容量；
η为储能系统的储能转换效率；
PESS_mid为储能系统的额定功率的中值。
具体地，在基于预测控制优化目标函数确定光储联合发电系统中储能系统的出力增量控制指令序列之前，还包括：
确定目标光储联合发电系统的状态空间模型：
Figure BDA0002456131010000061
其中，
Figure BDA0002456131010000062
Figure BDA0002456131010000063
其中，
输入变量Δr(k)包括：当前时刻光伏系统的超短期预测功率Ppv(k)，
控制变量包括：下一时刻储能系统的出力增量值Δu(k+1|k)，
状态变量x(k)或输出变量y(k)包括：目标光储联合发电系统当前时刻的并网功率Pgrid(k)、储能系统在当前时刻的荷电状态SOCESS(k)；
TS为控制周期。
具体地，采用向前预测N步的预测控制时，根据下式确定目标光储联合发电系统在第i步的输出变量：
Figure BDA0002456131010000064
其中，Pgrid(k+i|k)为时刻k+i时目标光储联合发电系统的并网功率；
ΔPpv(k+t|k)为光伏系统在时段[k+(t-1),k+t]内的出力功率增量；
SOCESS(k+i|k)为时刻k+i时储能系统的荷电状态；
SOCESS(k+i-1|k)为时刻k+i的前一个时刻储能系统的荷电状态；
PESS(k+i|k)为时刻k+i时储能系统的出力功率；
ΔuT(k+t|k)为基于预测控制优化目标函数确定的储能系统在第t步之前各最优出力增量值构成的序列。
具体地，预测控制优化目标函数，基于N步预测控制，包括第一惩罚型二次型目标函数：
Figure BDA0002456131010000071
或第二惩罚型二次型目标函数：
Figure BDA0002456131010000072
其中，α、β、γ分别为惩罚系数，且满足：α+β+γ＝1；或γ＝2β；
Paim(k+i|k)为时刻k+i时光伏系统的发电目标功率。
具体地，预测控制优化目标函数基于N步预测控制，满足以下约束条件：
SOCmin≤SOCESS(k+i|k)≤SOCmax；
-Prated≤PESS(k+i|k)≤Prated；
0≤Pgrid(k+i|k)≤PVrated；
其中，SOCmin为储能系统的荷电状态的上限；
SOCmax分别为储能系统的荷电状态的下限；
PESS(k+i|k)为时刻k+i时储能系统的出力功率。
具体地，基于预测控制优化目标函数，采用向前预测N步的预测控制时，确定光储联合发电系统中储能系统的出力增量控制指令序列，包括：
确定时刻k+1的跟踪发电计划偏差d(k+1)：
d(k+1|k)＝|Paim(k+1|k))-PPV(k+1|k)|；
在确定时刻k+1的跟踪发电计划偏差d(k+1)小于光伏跟踪偏差幅值Plimit时，确定α为0；
基于第二惩罚型二次型目标函数，确定光储联合发电系统中储能系统的出力增量控制指令序列；或
在确定时刻k+1的跟踪发电计划偏差d(k+1)不小于光伏跟踪偏差幅值Plimit时，根据预先确定的模糊控制器确定惩罚系数α，并更新惩罚系数γ和β；基于第一惩罚型二次型目标函数，确定光储联合发电系统中储能系统的出力增量控制指令序列。
具体地，根据预先确定的模糊控制器确定惩罚系数α，并更新惩罚系数γ和β，包括：
将当前时刻k时储能系统的荷电状态SOCESS(k)和储能系统的出力功率PESS(k)作为预先确定的模糊控制器的输入，
其中，预先确定的模糊控制器包括：
至少5级的荷电状态SOCESS(k)的模糊集论域；
确定至少5级的出力功率PESS(k)的模糊集论域；
确定至少5级的惩罚系数α的模糊集论域；
采用加权平均法对模糊控制器的输出进行解模糊，得到惩罚系数α。
如图2所示，一个实施例的用于光储联合发电系统的光伏发电计划跟踪装置，包括：
出力增量控制指令序列确定模块1000，用于：
基于预测控制优化目标函数，采用向前预测N步的预测控制时，确定光储联合发电系统中储能系统的出力增量控制指令序列：
ΔuT(k+i|k)＝[Δu(k+1),Δu(k+2),…Δu(k+N)]，其中，i＝1,2,…,N，N为大于1的正整数，k为当前时刻；
出力功率确定模块2000，用于：
根据获取的光储联合发电系统中储能系统的当前出力功率PESS(k)和所述出力增量控制指令序列中的第一个出力增量值Δu(k+1|k)，生成所述储能系统在下一时刻的出力功率PESS(k+1|k)；
出力功率发送模块3000，用于：
将所述储能系统在下一时刻的出力功率PESS(k+1|k)发送至所述储能系统，以使得所述储能系统响应所述出力功率PESS(k+1|k)，并与目标光储联合发电系统中的光伏系统跟踪下一时刻的光伏发电计划功率Pplan(k+1|k)；
其中，所述下一时刻的光伏发电计划功率Pplan(k+1|k)是根据短时预测确定的。
具体实施时，该装置设置在光储联合发电系统中的数据及控制中心，分别与光伏系统和储能系统通信或电气连接。
该装置对应地与上述方法具有相同的执行步骤，因此，具有相同技术效果，这里不再赘述。
如图5所示，将上述的光伏发电计划跟踪方法应用到大规模电池储能参与跟踪光伏发电计划的控制中时，包括如下步骤：
步骤1：根据日前光伏预测功率建立发电计划跟踪允许偏差带，并进行参数初始化。
需要说明的是，这里的参数初始化，是指获取并确定储能系统各时不变参数的值及各时变参数的初始值、光伏系统各时不变参数的值和各时变参数的初始值、和优化函数的权重系数组(为α、β、γ)的初始值。
具体地，跟踪允许偏差带的上限Pup和下限Pdown的计算公式如下：
Plimit(k)＝PVrated·ε(k) (1)
Pdown(k)＝Pplan(k)-Plimit(k) (2)
Pup(k)＝Pplan(k)+Plimit(k) (3)
其中，PVrated为光伏系统的额定功率；
ε(k)为预先设定的发电计划跟踪允许误差系数，为大于0小于1的无量纲值；
Pplan(k)为日前光伏发电计划中当前时刻对应的光伏预测功率。
步骤2：以当前时刻光伏超短期预测功率作为输入变量，以未来有限时域内(如N个连续的控制周期内)储能系统的出力功率增量Δu(k+i|k)作为控制变量，以储能系统的出力功率为初始值，以光储联合发电系统的并网功率和储能系统的荷电状态分别作为第一输出变量和第二输出变量或第一状态变量和第二状态变量，建立状态空间形式的光储联合发电系统的模型预测控制(Model Predictive Control，简称MPC)模型。
具体地，建立的光储联合发电系统的MPC模型如下：
Figure BDA0002456131010000091
其中，
Figure BDA0002456131010000092
Figure BDA0002456131010000101
其中，k表示当前时刻；
Pgrid(k)为当前时刻光储联合发电系统的并网功率，为光伏超短期预测功率Ppv(k)与储能系统的出力功率PESS(k)的和值；
SOCESS(k)为当前时刻储能系统的荷电状态；
η为储能系统的储能转换效率；
CESS为储能系统的储能总能量；
TS为该模型预测控制模型的控制周期；
Δu(k)为当前时刻储能系统的出力功率的增量；
Δr(k)为当前时刻光伏系统的超短期预测功率Ppv(k)。
另外，还具有如下初始值：
储能系统当前时刻的出力功率PESS(k)；
储能系统上一时刻的剩余容量，其可以根据前一时刻储能系统的荷电状态SOCESS(k-1|k)来计算得到；如，根据前一时刻的荷电状态、储能效率和储能系统的总容量，计算得到剩余容量。
则，在未来的第i步，也即k+i时刻，该光储联合发电系统的输出变量为：
Figure BDA0002456131010000102
其中，i＝1,2,…,N
Pgrid(k+i|k)为k+i时刻光储联合发电系统的并网功率；
Pgrid(k)为时刻当前时刻时，光储联合发电系统的并网功率；
ΔPpv(k+t|k)为光伏功率在时段[k+(t-1),k+t]内的出力功率的增量，可根据超短期预测功率确定，或实时地测量光伏系统的出力功率来确定；
SOCESS(k+i|k)为k+i时刻的储能系统的荷电状态；
PESS(k+i|k)为k+i时刻的储能系统出力功率，当PESS(k+i|k)为正值时，表示储能系统工作在放电状态；当PESS(k+i|k)为负值时，表示储能系统工作在充电状态；
ΔuT(k+i|k)为利用优化目标函数求解得到的储能出力功率增量的最优控制序列：
ΔuT(k+i|k)＝[Δu(k+1),Δu(k+2),…Δu(k+N)] (6)
应该理解为，MPC控制中，每次滚动优化控制时只取最优控制序列中的首项Δu(k+1)。
应该理解为，该储能出力功率增量的值可以为正(表示在下一个控制周期内，储能系统的放电量增加或充电量增加)，或为负(表示在下一个控制周期内，储能系统的放电量减少或充电量减少)。
步骤3：以储能系统的剩余容量(也即，储能系统当前的荷电状态)与容量理想值(也即，荷电状态理想值)的偏差最小、并网功率与发电计划偏差最小为目标建立二次型优化目标函数，并设定约束条件；或
以储能系统荷电状态与理想值的偏差最小、储能出力增量最小、并网功率与发电计划的偏差最小为目标建立二次型优化目标函数，并设定约束条件。
具体地，采用式(7.1)或(7.2)的二次型优化目标函数：
Figure BDA0002456131010000111
Figure BDA0002456131010000112
其中，式(7.1)中的3个惩罚项分别表示对储能系统的荷电状态偏离理想值、储能出力增量、储能系统出力占比这三项的优化，α、β、γ为权重系数且满足以下关系：α+β+γ＝1；
优选地，γ＝2β；
具体地，α的值由模糊控制器按照模糊规则求得。
式(7.2)中的2个惩罚项分别表示对储能出力增量、储能系统出力占比这两项的优化，其中，β、γ为权重系数；
优选地，γ＝2β。
上式中，SOCideal、SOCmid分别为储能系统荷电状态的理想值和中值，优选地，均取0.5；
PESS_mid为储能系统额定功率的中值，优选地，为PESS_mid＝0.5Prated。
具体地，以k+1时刻为例，说明储能系统的荷电状态计算方法：
SOCESS(k+1|k)＝SOCESS(k)-η·Ts·PESS(k)/CESS (15)
上式中，PESS(k)为k时刻的储能系统的出力功率；
SOCESS(k)为在k时刻的储能系统的荷电状态；
CESS为储能系统的储能总容量；
η为储能系统的储能转换效率；
式(7.1)或(7.2)中，根据超短期光伏预测功率和光伏发电计划(也即，短期光伏预测功率)，确定当前时刻的光伏发电目标功率值Paim(k)：
Figure BDA0002456131010000121
这里，根据光伏发电计划和计划允许偏差确定光伏发电功率目标值Paim(k)，该目标值用于建立优化目标函数，使得储能系统的出力符合并网要求但又不至于使得储能系统的出力负担太重。
以上两个二次型优化目标函数，均满足以下约束条件：
(1)储能系统的荷电状态约束
SOCmin≤SOCESS(k)≤SOCmax (9)
上式中，SOCmin、SOCmax分别为储能系统荷电状态的上限、下限。
(2)充放电功率约束
-Prated≤PESS(k)≤Prated (10)
(3)光储联合发电系统的并网功率约束
0≤Pgrid(k)≤PVrated (11)
也即，光储联合发电系统的并网功率不大于光伏系统的额定功率；在光伏系统中加入储能系统，构成光储联合发电系统的目标是为了提高光伏并网的友好性。
下一步，利用上述优化目标函数，即可求解得到储能出力功率增量的最优控制序列：
ΔuT(k+i|k)＝[Δu(k+1),Δu(k+2),…Δu(k+N)](6)
及取最优控制序列中的首项Δu(k+1)，作为最优控制出力增量。
步骤4：比较k+1时刻发电计划跟踪偏差d(k+1)与光伏跟踪允许偏差Plimit之间的大小关系，确定是否调整储能系统的出力功率；
其中，d(k+1)＝|Paim(k+1)-Ppv(k+1)|
具体地，若d(k+1)≤Plimit，则使得α＝0，并执行步骤6；
反之，执行步骤5，以求得α的值；
也即，如果光伏系统的跟踪偏差在偏差带以内，则认为光伏系统对发电计划跟踪较好，可以不引入储能系统；若光伏系统的跟踪偏差在偏差带以外，需要引入储能系统，改善电网的稳定性和对发电计划的跟踪精度。
步骤5：模糊控制器根据当前时刻储能系统的荷电状态SOCESS(k)和出力功率值PESS(k)，计算目标函数中的权重系数α，并根据新的权重系数α，更新β、γ，得到更新后的权重系数组；
并执行步骤6；
步骤6：在未来连续N个时段(k+i|k，i＝1,2,…,N)，在上述约束条件的约束下，利用CPLEX求解器，对式(7.1)或(7.2)的二次型优化目标函数进行求解，确定最优控制变量序列ΔuT(k+i|k)或Δu(k+i|k)；
具体地，根据更新后的权重系数组，求解优化目标函数，确定更新后的储能系统出力增量最优控制序列：
ΔuT(k+i|k)＝[Δu(k+1),Δu(k+2),…Δu(k+N)]；
至此，完成一次滚动优化。
转到步骤7；
步骤7：取更新后的最优控制序列中的首项Δu(k+1)，计算下一个时刻(k+1|k)时刻储能系统出力功率PESS(k+1|k)；
具体地，k+1时刻储能系统出力PESS(k+1|k)按照下式计算：
PESS(k+1|k)＝PESS(k)+Δu(k+1|k)；
在确定储能系统出力PESS(k+1|k)满足储能系统最大出力功率约束(即，小于储能系统的额定功率Prated)时，将最优储能出力功率PESS(k+1|k)下发给储能系统，由储能变流器控制储能电池充电或放电，实现对储能系统的出力控制。
步骤8：将k+1时刻储能系统出力及荷电状态作为k+1时刻的预测控制模型的初始值，
返回步骤4，重复上述滚动优化过程，直至跟踪光伏发电计划结束。
步骤5中，模糊控制器的输入量为：k时刻储能系统荷电状态SOCESS(k)和储能系统出力功率PESS(k)，输出量为权重系数α。
输入量与输出量所对应的隶属函数如图4所示。
其中，SOCESS(k)的模糊集论域为{0.2,0.35,0.5,0.65,0.8}，选用的词集为{VS,S,M,B,VB}，依次表示“很小”，“小”，“中等”，“大”，“很大”；
PESS(k)的模糊集论域为{-Prated,-0.5Prated,0,0.5Prated,Prated}，选用的词集为{NB,NS,Z,PS,PB}，依次表示“负大”，“负小”，“零”，“正小”，“正大”；
α的模糊集论域为{0,0.25.0.5,0.75,1}，选用的词集与SOCESS(k)一致。模糊控制规则如表1所示。
表1模糊控制器的控制规则表
Figure BDA0002456131010000141
具体实施时，采用加权平均法对该模糊控制器进行实时解模糊，得到k时刻对应的权重系数α。
综上，该方法具有滚动预测、提前控制的优势，利用模型预测控制方法在线决定储能系统的实时充放电功率。由于可以在当前时刻考虑未来几步内的约束条件，能够提前优化控制，实时性强。
此外，模型预测控制基于滚动优化和反馈控制的思想可以较好解决含多种不确定性因素的优化控制问题，具有极强的抗干扰性能力和鲁棒性。
以上已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/该/该[装置、组件等]”都被开放地解释为该装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。

Claims (10)

1.一种用于光储联合发电系统的光伏发电计划跟踪方法，其特征在于，包括以下步骤：
基于预测控制优化目标函数，采用向前预测N步的预测控制，确定光储联合发电系统中储能系统的出力增量控制指令序列：
ΔuT(k+i|k)＝[Δu(k+1),Δu(k+2),…Δu(k+N)]，其中，i＝1,2,…,N，N为大于1的正整数，k为当前时刻；
根据获取的光储联合发电系统中储能系统的当前出力功率PESS(k)和所述出力增量控制指令序列中的第一个出力增量值Δu(k+1|k)，生成所述储能系统在下一时刻的出力功率PESS(k+1|k)；
将所述储能系统在下一时刻的出力功率PESS(k+1|k)发送至所述储能系统，以使得所述储能系统响应所述出力功率PESS(k+1|k)，并与目标光储联合发电系统中的光伏系统跟踪下一时刻的光伏发电计划功率Pplan(k+1|k)；
其中，所述下一时刻的光伏发电计划功率Pplan(k+1|k)是根据短时预测确定的。
2.根据权利要求1所述的方法，其特征在于，
所述目标光储联合发电系统中，光伏系统的额定功率为PVrated；
在当前时刻k，根据下式确定所述光伏系统的发电目标功率Paim(k)：
Figure FDA0002456129000000011
其中，Ppv(k)为当前时刻所述光伏系统的超短期预测功率；
Pup(k)为光伏跟踪允许偏差带的上限，为：
Pup(k)＝Pplan(k)+Plimit；
Pdown(k)为光伏跟踪允许偏差带的下限，为：
Pdown(k)＝Pplan(k)-Plimit；
光伏跟踪允许偏差Plimit，为：
Plimit＝PVrated·ε(k)；
ε(k)为预先设定的光伏跟踪误差系数，0＜ε(k)＜1；
Pplan(k)为当前时刻所述光伏系统的光伏发电计划功率。
3.根据权利要求2所述的方法，其特征在于，
所述目标光储联合发电系统中，储能系统的额定功率为Prated；
当前时刻，所述储能系统的荷电状态为SOCESS(k)；
SOCideal为所述储能系统的荷电状态的理想值；
SOCmid为所述储能系统的荷电状态的中值；
CESS为所述储能系统的储能总容量；
η为所述储能系统的储能转换效率；
PESS_mid为所述储能系统的额定功率的中值。
4.根据权利要求3所述的方法，其特征在于，
在所述基于预测控制优化目标函数确定光储联合发电系统中储能系统的出力增量控制指令序列之前，还包括：
确定所述目标光储联合发电系统的状态空间模型：
Figure FDA0002456129000000021
其中，
Figure FDA0002456129000000022
Figure FDA0002456129000000023
其中，
输入变量Δr(k)包括：当前时刻所述光伏系统的超短期预测功率Ppv(k)，
控制变量包括：下一时刻所述储能系统的出力增量值Δu(k+1|k)，
状态变量x(k)或输出变量y(k)包括：所述目标光储联合发电系统当前时刻的并网功率Pgrid(k)、所述储能系统在当前时刻的荷电状态SOCESS(k)；
TS为控制周期。
5.根据权利要求4所述的方法，其特征在于，
采用向前预测N步的预测控制时，根据下式确定所述目标光储联合发电系统在第i步的输出变量：
Figure FDA0002456129000000031
其中，Pgrid(k+i|k)为时刻k+i时所述目标光储联合发电系统的并网功率；
ΔPpv(k+t|k)为所述光伏系统在时段[k+(t-1),k+t]内的出力功率增量；
SOCESS(k+i|k)为时刻k+i时所述储能系统的荷电状态；
SOCESS(k+i-1|k)为时刻k+i的前一个时刻所述储能系统的荷电状态；
PESS(k+i|k)为时刻k+i时所述储能系统的出力功率；
ΔuT(k+t|k)为基于预测控制优化目标函数确定的所述储能系统在第t步之前各最优出力增量值构成的序列。
6.根据权利要求5所述的方法，其特征在于，
所述预测控制优化目标函数基于N步预测控制，包括第一惩罚型二次型目标函数：
Figure FDA0002456129000000032
或第二惩罚型二次型目标函数：
Figure FDA0002456129000000033
其中，α、β、γ分别为惩罚系数，且满足：α+β+γ＝1；或γ＝2β；
Paim(k+i|k)为时刻k+i时所述光伏系统的发电目标功率。
7.根据权利要求6所述的方法，其特征在于，
所述预测控制优化目标函数基于N步预测控制，满足以下约束条件：
SOCmin≤SOCESS(k+i|k)≤SOCmax；
-Prated≤PESS(k+i|k)≤Prated；
0≤Pgrid(k+i|k)≤PVrated；
其中，SOCmin为所述储能系统的荷电状态的上限；
SOCmax分别为所述储能系统的荷电状态的下限；
PESS(k+i|k)为时刻k+i时所述储能系统的出力功率。
8.根据权利要求7所述的方法，其特征在于，
所述基于预测控制优化目标函数，采用向前预测N步的预测控制时，确定光储联合发电系统中储能系统的出力增量控制指令序列，包括：
确定时刻k+1的跟踪发电计划偏差d(k+1)：
d(k+1|k)＝|Paim(k+1|k))-PPV(k+1|k)|；
在确定时刻k+1的跟踪发电计划偏差d(k+1)小于所述光伏跟踪偏差幅值Plimit时，确定α为0；
基于所述第二惩罚型二次型目标函数，确定光储联合发电系统中储能系统的出力增量控制指令序列；或
在确定时刻k+1的跟踪发电计划偏差d(k+1)不小于所述光伏跟踪偏差幅值Plimit时，根据预先确定的模糊控制器确定所述惩罚系数α，并更新惩罚系数γ和β；基于所述第一惩罚型二次型目标函数，确定光储联合发电系统中储能系统的出力增量控制指令序列。
9.根据权利要求7所述的方法，其特征在于，
所述根据预先确定的模糊控制器确定惩罚系数α，并更新惩罚系数γ和β，包括：
将当前时刻k时储能系统的荷电状态SOCESS(k)和储能系统的出力功率PESS(k)作为所述预先确定的模糊控制器的输入，
其中，所述预先确定的模糊控制器包括：
至少5级的荷电状态SOCESS(k)的模糊集论域；
确定至少5级的出力功率PESS(k)的模糊集论域；
确定至少5级的惩罚系数α的模糊集论域；
采用加权平均法对所述模糊控制器的输出进行解模糊，得到惩罚系数α。
10.一种用于光储联合发电系统的光伏发电计划跟踪装置，其特征在于，包括：
出力增量控制指令序列确定模块，用于：
基于预测控制优化目标函数，采用向前预测N步的预测控制时，确定光储联合发电系统中储能系统的出力增量控制指令序列：
ΔuT(k+i|k)＝[Δu(k+1),Δu(k+2),…Δu(k+N)]，其中，i＝1,2,…,N，N为大于1的正整数，k为当前时刻；
出力功率确定模块，用于：
根据获取的光储联合发电系统中储能系统的当前出力功率PESS(k)和所述出力增量控制指令序列中的第一个出力增量值Δu(k+1|k)，生成所述储能系统在下一时刻的出力功率PESS(k+1|k)；
出力功率发送模块，用于：
将所述储能系统在下一时刻的出力功率PESS(k+1|k)发送至所述储能系统，以使得所述储能系统响应所述出力功率PESS(k+1|k)，并与目标光储联合发电系统中的光伏系统跟踪下一时刻的光伏发电计划功率Pplan(k+1|k)；
其中，所述下一时刻的光伏发电计划功率Pplan(k+1|k)是根据短时预测确定的。
CN202010306989.4A 2020-04-17 2020-04-17 用于光储联合发电系统的光伏发电计划跟踪方法及装置 Pending CN111525607A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010306989.4A CN111525607A (zh) 2020-04-17 2020-04-17 用于光储联合发电系统的光伏发电计划跟踪方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010306989.4A CN111525607A (zh) 2020-04-17 2020-04-17 用于光储联合发电系统的光伏发电计划跟踪方法及装置

Publications (1)

Publication Number Publication Date
CN111525607A true CN111525607A (zh) 2020-08-11

Family

ID=71901868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010306989.4A Pending CN111525607A (zh) 2020-04-17 2020-04-17 用于光储联合发电系统的光伏发电计划跟踪方法及装置

Country Status (1)

Country Link
CN (1) CN111525607A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113285451A (zh) * 2021-05-27 2021-08-20 江苏大学 一种基于光伏储能系统的黑启动协调控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150148973A1 (en) * 2013-11-26 2015-05-28 Nec Laboratories America, Inc. Fuzzy logic based integrated power coordination system for hybrid energy storage system
CN104795830A (zh) * 2015-04-29 2015-07-22 中国电力科学研究院 一种利用多类型储能系统跟踪发电计划出力的控制方法
CN105162149A (zh) * 2015-09-07 2015-12-16 中国电力科学研究院 基于模糊自适应调节的光储系统跟踪发电计划出力方法
WO2017024583A1 (zh) * 2015-08-13 2017-02-16 华为技术有限公司 模型预测控制的方法和装置
CN106887858A (zh) * 2017-02-27 2017-06-23 中国电力科学研究院 一种接入新能源发电的储能系统跟踪计划出力方法及装置
CN109120003A (zh) * 2018-09-07 2019-01-01 中国南方电网有限责任公司 一种基于mpc算法的分布式光伏储能系统优化控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150148973A1 (en) * 2013-11-26 2015-05-28 Nec Laboratories America, Inc. Fuzzy logic based integrated power coordination system for hybrid energy storage system
CN104795830A (zh) * 2015-04-29 2015-07-22 中国电力科学研究院 一种利用多类型储能系统跟踪发电计划出力的控制方法
WO2017024583A1 (zh) * 2015-08-13 2017-02-16 华为技术有限公司 模型预测控制的方法和装置
CN105162149A (zh) * 2015-09-07 2015-12-16 中国电力科学研究院 基于模糊自适应调节的光储系统跟踪发电计划出力方法
CN106887858A (zh) * 2017-02-27 2017-06-23 中国电力科学研究院 一种接入新能源发电的储能系统跟踪计划出力方法及装置
CN109120003A (zh) * 2018-09-07 2019-01-01 中国南方电网有限责任公司 一种基于mpc算法的分布式光伏储能系统优化控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
戴瑞海等: "基于模型预测控制平抑光伏输出功率波动的储能充放电策略", 《智慧电力》, no. 04, 20 April 2019 (2019-04-20) *
田春光等: "基于混合储能系统跟踪光伏发电输出功率的控制策略", 《电工技术学报》, no. 14, 25 July 2016 (2016-07-25) *
祁希 等: "基于FMPC的储能系统跟踪光伏发电计划控制策略", 《可再生能源》, vol. 37, no. 3, 31 March 2019 (2019-03-31), pages 354 - 360 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113285451A (zh) * 2021-05-27 2021-08-20 江苏大学 一种基于光伏储能系统的黑启动协调控制方法
CN113285451B (zh) * 2021-05-27 2023-09-22 江苏大学 一种基于光伏储能系统的黑启动协调控制方法

Similar Documents

Publication Publication Date Title
US11326579B2 (en) Adaptive dynamic planning control method and system for energy storage station, and storage medium
WO2020143104A1 (zh) 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
WO2017000853A1 (zh) 主动配电网多时间尺度协调优化调度方法和存储介质
CN110581571A (zh) 一种主动配电网动态优化调度方法
CN109765787B (zh) 一种基于日内-实时滚动控制的配电网源荷快速跟踪方法
CN111697597B (zh) 一种基于粒子群算法的火储联合agc调频控制方法
CN113285485B (zh) 长、短及多时间尺度下配电网源网荷储多端协同调压方法
CN110635518B (zh) 一种基于光伏高渗透率的源网荷储优化方法
CN110994683B (zh) 一种风光储发电系统黑启动过程中的能量协调方法
CN108054771A (zh) 一种储能系统充放电控制方法及系统
CN104795830A (zh) 一种利用多类型储能系统跟踪发电计划出力的控制方法
CN111697578A (zh) 多目标含储能区域电网运行控制方法
CN113408962A (zh) 一种电网多时间尺度多目标能量优化调度方法
CN110571850A (zh) 一种风电场功率波动轨迹预测和校正控制方法
CN113516278A (zh) 有源配电网多时间尺度有功无功协调优化调度方法及系统
CN111525607A (zh) 用于光储联合发电系统的光伏发电计划跟踪方法及装置
CN114820046A (zh) 一种区域电网混合储能辅助调频经济优化与补偿定价方法
CN107947246A (zh) 一种考虑调频增发的风电发电指标分配及增发评估方法
CN116645089A (zh) 一种考虑退役电池容量退化的储能系统双层优化配置方法
CN105207220A (zh) 一种基于渐进学习的分级电压调控方法
CN113346474B (zh) 一种直流微电网双储能协调控制方法及存储介质
CN115021336A (zh) 一种面向高比例新能源电力系统惯量不足场景的优化方法
CN115036931A (zh) 一种有源电网无功电压仿射可调鲁棒优化方法和装置
CN110311424B (zh) 一种基于双时间尺度净负荷预测的储能调峰控制方法
CN114172180A (zh) 考虑退化成本的电池储能参与调峰双层滚动优化控制方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200811