CN111817329A - 光伏电站优化运行方法及装置 - Google Patents
光伏电站优化运行方法及装置 Download PDFInfo
- Publication number
- CN111817329A CN111817329A CN202010712367.1A CN202010712367A CN111817329A CN 111817329 A CN111817329 A CN 111817329A CN 202010712367 A CN202010712367 A CN 202010712367A CN 111817329 A CN111817329 A CN 111817329A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- photovoltaic power
- power station
- power
- photovoltaic
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004146 energy storage Methods 0.000 claims abstract description 262
- 238000010248 power generation Methods 0.000 claims abstract description 53
- 230000008859 change Effects 0.000 claims abstract description 13
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 10
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims description 57
- 239000002245 particle Substances 0.000 claims description 43
- 238000003860 storage Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 description 31
- 230000008569 process Effects 0.000 description 14
- 230000000750 progressive effect Effects 0.000 description 14
- 238000012937 correction Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 10
- 230000001276 controlling effect Effects 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000000087 stabilizing effect Effects 0.000 description 8
- 238000011217 control strategy Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 230000000295 complement effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000009499 grossing Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000009194 climbing Effects 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 229910052720 vanadium Inorganic materials 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- LEONUFNNVUYDNQ-UHFFFAOYSA-N vanadium atom Chemical compound [V] LEONUFNNVUYDNQ-UHFFFAOYSA-N 0.000 description 1
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
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
- H02S40/30—Electrical components
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
- H02S40/30—Electrical components
- H02S40/38—Energy storage means, e.g. batteries, structurally associated with PV modules
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种光伏电站优化运行方法及装置。其中，该方法包括：获取光伏电站发电数据，其中，所述发电数据包括：发电站中随环境变化而变化的运行状态特征数据；根据频谱分析方法对所述发电数据进行分析，得到所述光伏电站的储能配置策略，该储能配置策略用于对含有多种类型的储能设备的储能系统的容量进行调整；根据所述储能配置策略，构建混合储能有序放电策略，其中，所述混合储能有序放电策略用于指示含有多种类型的储能设备的储能系统的充放电操作；根据所述混合储能有序放电策略，对所述光伏电站的运行状态进行优化。本发明解决了目前高海拔地区光伏发电站运行特性无法得到优化的技术问题。
Description
技术领域
本发明涉及光伏发电领域，具体而言，涉及一种光伏电站优化运行方法及装置。
背景技术
目前国际上光伏发电技术发展迅猛，为了研究这些光伏电站的运行性能，提高光伏电站的运行寿命，其运行控制技术也随着光伏发电技术的发展而深入开展起来。国内外在光储互补电站的电池储能优化控制技术方面已提出了多种利用储能系统抑制可再生能源功率波动的控制方法，包括低通滤波、傅里叶变换、饱和控制理论等。通过电池储能可平抑风力/光伏的短期发电功率波动，输出功率曲线与原曲线基本一致，所要求配置的储能电池功率和容量较小；抑制风力/光伏发电的长期功率波动可以将风电场/光伏电站的每小时输出功率控制为某一定值，需要的储能容量很大，成本过高，且要求储能具有较快的充放电响应速度和较强的充放电频繁切换能力。这两种优化目标都必须考虑电池的SOC和充放电倍率限制，防止储能电池的过充过放和输出功率越限。
光储互补发电系统的运行方式具有可变性，使得光储互补协调控制技术具有较高的复杂性。为了保障光储互补发电系统在不同模式下的正常运行，需要制定合适可靠的光储互补协调控制策略，掌握高海拔地区离网独立光伏电站的优化运行控制策略，提高农牧区的供电能力、供电质量与供电可靠性。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种光伏电站优化运行方法及装置，以至少解决目前高海拔地区光伏发电站运行特性无法得到优化的技术问题。
根据本发明实施例的一个方面，提供了一种光伏电站优化运行方法，包括：获取光伏电站发电数据，其中，所述发电数据包括：发电站中随环境变化而变化的运行状态特征数据；根据频谱分析方法对所述发电数据进行分析，得到所述光伏电站的储能配置策略，该储能配置策略用于对含有多种类型的储能设备的储能系统的容量进行调整；根据所述储能配置策略，构建混合储能有序放电策略，其中，所述混合储能有序放电策略用于指示含有多种类型的储能设备的储能系统的充放电操作；根据所述混合储能有序放电策略，对所述光伏电站的运行状态进行优化。
可选的，所述储能配置策略包括：当所述光伏电站的光伏输出功率大于并网功率参考值时，控制所述储能系统充电以平抑输出功率波动；当所述光伏输出功率小于并网功率参考值时，控制储能系统放电以对光伏输出功率进行补偿。
可选的，所述根据所述储能配置策略，构建混合储能有序放电策略包括：获取光伏功率预测信息；根据所述光伏功率预测信息，构建所述混合储能有序放电策略。
可选的，所述根据所述储能配置策略，构建混合储能有序放电策略之后，所述方法还包括：根据所述混合储能有序放电策略，构建优化控制模型；根据所述优化控制模型，确定所述光伏电站的光伏功率波动程度。
可选的，根据所述优化控制模型，获取所述光伏电站的光伏功率波动程度之前，所述方法还包括：采用粒子群优化算法对所述优化控制模型进行优化。
根据本发明实施例的另一方面，还提供了一种光伏电站优化运行装置，包括：获取模块，用于获取光伏电站发电数据，其中，所述发电数据包括：发电站中随环境变化而变化的运行状态特征数据；分析模块，用于根据频谱分析方法对所述发电数据进行分析，得到所述光伏电站的储能配置策略，该储能配置策略用于对含有多种类型的储能设备的储能系统的容量进行调整；第一构建模块，用于根据所述储能配置策略，构建混合储能有序放电策略，其中，所述混合储能有序放电策略用于指示含有多种类型的储能设备的储能系统的充放电操作；优化模块，用于根据所述混合储能有序放电策略，对所述光伏电站的运行状态进行优化。
可选的，所述储能配置策略包括：当所述光伏电站的光伏输出功率大于并网功率参考值时，控制所述储能系统充电以平抑输出功率波动；当所述光伏输出功率小于并网功率参考值时，控制储能系统放电以对光伏输出功率进行补偿。
可选的，所述第一构建模块包括：获取单元，用于获取光伏功率预测信息；构建单元，用于根据所述光伏功率预测信息，构建所述混合储能有序放电策略。
可选的，所述装置还包括：构建单元，还用于根据所述混合储能有序放电策略，构建优化控制模型；确定单元，用于根据所述优化控制模型，确定所述光伏电站的光伏功率波动程度。
可选的，所述构建单元还包括：第二构建模块，用于以所述光伏电站的荷电偏移量最小为目标，充放电功率和容量为约束条件，构建优化控制模型。
可选的，所述装置还包括：优化计算模块，用于采用粒子群优化算法对所述优化控制模型进行优化。
根据本发明实施例的另一方面，还提供了一种包括指令的计算机程序产品，当所述指令在计算机上运行时，使得所述计算机机执行光伏电站优化运行方法。
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行光伏电站优化运行方法。
根据本发明实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行光伏电站优化运行方法。
在本发明实施例中，采用获取光伏电站发电数据；根据预设算法分析所述发电数据的储能配置；根据所述储能配置，构建混合储能有序放电策略；根据所述混合储能有序放电策略，对所述光伏电站进行优化的方式，通过光储能控制策略，解决了目前高海拔地区光伏发电站运行特性无法得到优化的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种光伏电站优化运行方法的流程图；
图2是根据本发明实施例的一种光伏电站优化运行装置的结构框图；
图3是根据本发明实施例某天时间内光伏功率的平抑偏移量；
图4是根据本发明实施例选定时间截面期望输出；
图5是根据本发明实施例选定时间截面平抑效果示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例，提供了一种光伏电站优化运行方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
图1是根据本发明实施例的一种光伏电站优化运行方法的流程图，如图1所示，方法包括如下步骤：
步骤S102，获取光伏电站发电数据，其中，所述发电数据包括：发电站中随环境变化而变化的运行状态特征数据。
具体的，为了获取光伏电站的发电数据，需要通过光伏电站的运行机器中的传感器获取机器运行参数，以及通过收集光伏电站所在地区天气、电功率、输电线路等信息数据，作为光伏电站的发电数据。
可选的，所述储能配置策略包括：当所述光伏电站的光伏输出功率大于并网功率参考值时，控制所述储能系统充电以平抑输出功率波动；当所述光伏输出功率小于并网功率参考值时，控制储能系统放电以对光伏输出功率进行补偿。
具体的，上述发电数据是一种统计数据，其包括了光伏发电设备本身的参数和数据，也包括了影响光伏发电因素的环境数据。例如，在进行优化高海拔地区离网独立光伏电站运行特性，首先要分析光伏电站运行特性，即获取光伏电站在运行中的发电数据并加以分析和统计。以高原地区30MW光伏电站发电数据为例分析光伏电站运行特性，光伏电站的日发电量与季节、天气都具有非常紧密的关系，日发电量主要受太阳辐射、天气、环境等因素的影响比较大，具有很强的波动性，对电网的影响比较大，其中，春天日发电量最大，夏天波动性最强；光伏电站发电功率主要分布在0-20MW之间，概率分布比较均匀，而且波动较大；从发电功率爬坡率分析结果来看，天气对光伏电站的发电功率爬坡率影响非常大，在进行光伏电站的优化运行和并网输出的时候要特别注意多云、阴雨等天气。
步骤S104，根据预设算法分析所述发电数据的储能配置。
可选的，所述根据所述储能配置策略，构建混合储能有序放电策略包括：获取光伏功率预测信息；根据所述光伏功率预测信息，构建所述混合储能有序放电策略。
具体的，储能系统在光伏电站离网时充当主电源，为离网运行提供电压和频率支撑，同时平滑光伏发电输出功率波动，使光伏发电输出功率平滑可控。基于频谱分析方法分析离网独立光伏电站的储能系统优化配置，以光伏电站输出功率的典型样本数据为基础，根据频谱分析法进行数据采样；然后对样本进行数据分析，对每个样本数据片段进行功率和容量的优化设计计算，得到若干个设计结果，选取最大值；或对若干个设计结果进行概率统计分析，选取使波动率满足要求的情况达到某一概率水平的容量值作为配置容量，对于概率较小的值，则认为该值对应的光资源情况出现较少，可忽略。
例如，当以储能系统以平滑出力为目标，其配置根据不同时间尺度平滑需求使电源功率波动率限制在设定范围内。并网输出有功功率波动满足一定要求，在某时间段内功率波动率小于设定值或在某时间段内功率最大变化量小于设定值。
其中：Ft为在t时间段内的功率波动率，Pn为额定功率(kW)，ΔPt为t时间段内最大功率变化量，Pt max、Pt min分别为t时间段内最大与最小输出功率(kW)。
判断目标功率输出是否满足要求，需保证波动率不超过设定值Ft up，即
F≤Ft up
或功率最大变化量不超过设定值，即
ΔPt≤ΔPt up
根据波动约束条件，求每一个连续时间段t内的最大与最小输出功率：
Pt max(i)＝max(P(i:i+t/Ts))
Pt min(i)＝min(P(i:i+t/Ts))
根据下式，计算每一个连续时间段t内的功率波动率，从而得到整个数据周期内的最大功率波动率。
ΔP(t)＝P(t)-P(t-Δt)
最后以风光波动率必须满足一确定指标为优化目标，以风光最大出力、联络线交换功率、储能的充放电区间约束、储能的容量变化等式、储能的充放电量平衡、储能的总投资额限制等为边界约束条件进行求解，得到光储最优配置。
步骤S106，根据所述储能配置策略，构建混合储能有序放电策略，其中，所述混合储能有序放电策略用于指示含有多种类型的储能设备的储能系统的充放电操作。
可选的，所述根据所述储能配置策略，构建混合储能有序放电策略之后，所述方法还包括：根据所述混合储能有序放电策略，构建优化控制模型；根据所述优化控制模型，确定所述光伏电站的光伏功率波动程度。
可选的，根据所述优化控制模型，获取所述光伏电站的光伏功率波动程度之前，所述方法还包括：采用粒子群优化算法对所述优化控制模型进行优化。
具体的，构建混合储能有序充放电模型，可以是通过全钒液流电池(VRB)和LiB构建混合储能系统，功率型储能VRB具备频繁充放电切换响应能力，可充放电次数高，能量型LiB储能设备具有储能能量密度大、储能时间长的优势。混合储能电站的运行应充分发挥VRB可频繁充放电的特性同时限定荷电状态(SOC)区间，LiB运行需在限定SOC区间，且避免频繁充放电切换的同时适当提升其相对容量，形成协调互补的有效充放电模式。
混合储能电站预测控制步长选取与光伏功率预测精度相互关联，同时光伏功率预测精度与预测尺度关系紧密，实际光伏电站年度运行数据，采样步长为5min，根据平抑目标确定储能电站所需平抑的功率波动如图3所示，选定两个充放区间作为递进控制步长，进一步统计分析单次充放区间的采样点数分布，得到递进控制步长将以[5，35]min为主要聚集区间，由此确定本文充放电动态控制的步长，同时发现该步长与超短期光伏功率预测时间尺度完全符合。
根据储能电站介质的运行特性构建有序控制策略，具体充放电模型为：
1)VRB主要动作，LiB在限定条件下启动。递进控制步长内的单次充或放区间能量低于限值Emin，VRB优先动作并在其SOC不越限、充放功率在限值范围的前提下独立平抑波动。当充放电功率越限时，LiB动作辅助协作；不越限时则不动作。该充放电模型对应具体运行模式为：
其中，Emin代表充放电过程中的电动势能，SOC代表特性同时限定荷电状态。
2)LiB优先启动，VRB在满足限定条件下动作。对于非VRB优先动作状况，发挥LiB能量密度高的优势，由其启动并承担主要平抑任务；对于VRB的启动，取决于LiB充放电功率的变化速率及其SOC，其目标在于辅助Lib平抑目标或调整自身SOC以处于较优运行状态。VRB辅助启动条件为：
其中：Ft为在t时间段内的功率波动率，Pn为额定功率(kW)，ΔPt为t时间段内最大功率变化量，Pt max、Pt min分别为t时间段内最大与最小输出功率(kW)。根据充放模型，构建以储能电站SOC运行状态最优为目标的优化控制模型。已知递进控制步长区间的各介质初始SOCint-LiB、SOCint-Uc，基于充放电策略，使得区间内各介质偏移最佳SOC的方差和最小。目标函数主要解决递进控制步长区间内充放能量在各介质间的协调分配问题。
约束条件主要包括充放电功率约束、SOC约束。
1)充放电功率约束
Pmax-discha-LiB<P(t)<Pmax-cha-LiB
Pmax-discha-VRB<P(t)<Pmax-cha-VRB
P(t)＝PVRB(t)+PLiB(t)
2)SOC约束
SOCmin-LiB<SOCLiB(t)<SOCmax-LiB
SOCmin-VRB<SOCVRB(t)<SOCmax-VRB
采用粒子群优化算法(PSO)对算例进行求解，并对其进行适度改进，以克服动态边界问题，同时递进优化的区间计算量相对较小，利于发挥PSO搜索精度高和收敛效果好的优势。具体模型求解步骤为：
1)根据递进协调控制算法和本步长数据确定优化目标函数；
2)设置粒子群维数D，最大迭代次数Mmax，收敛精度σthresh，同时初始化粒子群位置x和速度v，并给定初始SOCint-LiB、SOCint-VRB数值；
3)根据既定充放电策略和目标函数计算各粒子适应度值M；
4)将各粒子适应度值与自身粒子极值及全局粒子极值比较，若适应度值较小，则更新各粒子个体极值ebest及全局例子适应度极值gbest；
5)判断当前计算是否满足收敛条件，若是则提取当前PLiB、PVRB即为最优充放电功率；若否则更新各粒子位置x及速度v，并重复步骤3-5.
其中n为当前循环次数；c1、c2为粒子权重系数；w为惯性权重；r1、r2为(0,1)内均匀分布随机数；xi、vi为第i维粒子的位置与速度；g为约束因子。
步骤S108，根据所述混合储能有序放电策略，对所述光伏电站的运行状态进行优化。
具体的，在本发明实施例上述构建过程的基础上通过调整储能充放电系统来调整储能装置始终工作在正常工作范围，同时考虑储能荷电状态和光伏功率输出稳定性，能够同时有效平抑并网功率波动与精确调整储能系统荷电状态。光伏电站储能系统的储能策略是：当光伏功率输出功率大于并网功率参考值时，储能系统充电以平抑输出功率波动；当光伏功率输出功率小于并网功率参考值时，储能系统放电以弥补输出功率的不足，以此平滑光伏功率的输出功率，实现光伏功率并网功率的稳定性。
t时刻光伏功率输出功率PP(t)与并网目标功率Pref(t)的差值ΔCP(t)为：
ΔCP(t)＝PP(t)-Pref(t)
则储能系统处于充电状态时：
储能系统处于放电状态时：
式中：
为t时刻储能系统充放电功率；当
时，储能系统充电，
时，储能系统放电；ηC为储能系统的充电效率，一般取0.65ˉ0.85。
基于功率修正系数的控制策略，储能系统荷电状态运行区间的改变将引发功率修正系数的对应调整，通过功率修正系数改变储能系统的充放电功率，以达到预先控制储能系统的运行，避免其达到过充过放的状态。
当储能系统荷电状态偏高，即位于预过充区域时，表示储能趋于饱和。若处在充电状态下
需对
进行预先控制，通过下式调整功率修正系数，修正
使其减小，以缓解其荷电状态升高的速度，防止储能系统出现过度充电的状态；
若处在放电状态
通过调整功率修正系数，修正
使其减小，以减缓其荷电状态降低的速度，防止储能系统出现深度放电的状态。
式中，δi(t)为t时刻充放电功率修正系数，当储能系统位于正常区域时取值为1；SOC(t)为t时刻储能系统的荷电状态。
调整后储能系统处于充电状态时：
PESS(t)＝δi(t)ΔCP(t)ηC
调整后储能系统处于放电状态时：
PESS(t)＝δi(t)ΔCP(t)/ηD
光伏电站储能容量优化的目标在于保证减少光伏功率输出功率波动的前提下，调节投入成本与运行成本之间的相互制约关系，在保证平滑输出功率的前提下，以最低储能的投入成本和运行成本实现光伏电站储能系统的运行效益最优化。
储能的综合效益达到最优为目标，目标函数为：
CC＝CM+CR+CB
CB＝Nb essρ1WO+Nb essρ2WOm
式中，储能系统的投入成本CC包括储能系统的维护成本CM，储能系统各储能单元的置换成本CR和储能系统的基本投资成本CB；Y为工作时间；Nb ess为储能系统中蓄电池的数量；为储能容量单位容量维护价格；ρ1为储能容量单位容量安装价格；WO为光伏电站最优储能容量的额定值；ρ2为储能容量单位容量价格；m为折旧系数。
光伏电站输出功率具有年度周期性，以年度光伏电站输出功率作为储能容量优化的研究对象，其光伏电站弃光损失能量、平滑功率短缺损失能量和储能系统越线运行的折算能量分别如下：
式中：Ny为研究对象的时间年度；g、h为Ny年度中充放电过程持续δi＜1调整运行区间的总次数；p、q分别为g区间的初始和结束时间；u、v分别为h区间的初始和结束时间；k为Ny年度中储能系统运行状态位于超出最大荷电状态的总次数；l为Ny年度中储能系统运行状态位于低于最小荷电状态的总次数；x、y分别为k区间的初始和结束时间；z、a分别为l区间的初始和结束时间。
光伏电站储能容量优化的目标是：
min C＝KLρLLLOST+KSρSLSHORT+KEρELESS+CC
式中：ρL、ρS、ρE分别为光伏电站弃光损失能量、平滑功率短缺损失能量以及储能系统越线运行的折算能量的对应单价；ρLLLOST为光伏电站弃光能量成本；ρSLSHORT为光伏电站平滑功率短缺损失能量成本；ρELESS为储能系统越线运行的折算损失能量成本；KL、KS和KE为运行成本的惩罚系数；CC储能系统的投入成本。
充放电功率约束：
-PDηD≤PW(t)-Pref(t)≤PC
PD和PC分别为储能系统的极限充放电功率，将放电看作负充电过程，其大小以其绝对值为准。
约束条件包括光伏电站输出功率波动水平约束：
P{|ΔPd(t)|≤ΔPd max}≥Λ
式中：ΔPd(t)为光伏电站输出功率经储能系统平抑后的波动值；ΔPd max为波动值的最大允许范围上限；Λ为对应的可信度水平。
基于青海某光伏电站实际运行数据计算储能最优容量。考虑PSO算法以解决包含动态边界条件且含有多个随机变量的随机优化问题，具体模型求解步骤为：
步骤1：选定研究对象时间截面窗口长度Ny及其运行数据P(t)；
步骤2：基于最佳功率输出模型确定期望输出目标值PG，并给定初始SOC值；
步骤3：设置粒子群维数D，最大迭代次数Mmax，收敛精度Cσ，同时初始化粒子群位置x和速度v；
步骤4：根据充放电策略，计算各粒子的适应度值F，并将其自身粒子极值ebest及全局粒子极值gbest比较，若适应度值较小，则更新ebest及gbest，若否更新粒子速度x及位置v；
步骤5：计算Δσ2判断是否满足收敛条件，搜索收敛条件为：
式中，Δσ2为粒子群的群体或全局适应度方差的变化量，Cσ为接近于零的定常数。若是，则获取最佳储能容量V；若否，重新释放例子组建新的族群，并重复步骤4。
光伏电站装机容量9MW，采集频率为5min，平抑目标值如图4所示。依据本专利充放电功率调整策略及储能容量优化计算模型，得到平抑波动输出曲线如图5所示。容量优化计算模型综合考虑了储能电站配置及运行过程中的总体经济性，有利于与现场的有效结合，实现了光伏电站储能系统的运行效益最优化。
通过上述步骤，可以实现对光伏发电站进行进一步优化的技术效果。
实施例二
图2是根据本发明实施例的一种光伏电站优化运行装置的结构框图，如图2所示，该装置包括：
获取模块20，用于获取光伏电站发电数据，其中，所述发电数据包括：发电站中随环境变化而变化的运行状态特征数据。
具体的，为了获取光伏电站的发电数据，需要通过光伏电站的运行机器中的传感器获取机器运行参数，以及通过收集光伏电站所在地区天气、电功率、输电线路等信息数据，作为光伏电站的发电数据。
可选的，所述储能配置策略包括：当所述光伏电站的光伏输出功率大于并网功率参考值时，控制所述储能系统充电以平抑输出功率波动；当所述光伏输出功率小于并网功率参考值时，控制储能系统放电以对光伏输出功率进行补偿。
具体的，上述发电数据是一种统计数据，其包括了光伏发电设备本身的参数和数据，也包括了影响光伏发电因素的环境数据。例如，在进行优化高海拔地区离网独立光伏电站运行特性，首先要分析光伏电站运行特性，即获取光伏电站在运行中的发电数据并加以分析和统计。以青海地区柴达木铜普30MW光伏电站发电数据为例分析光伏电站运行特性，光伏电站的日发电量与季节、天气都具有非常紧密的关系，日发电量主要受太阳辐射、天气、环境等因素的影响比较大，具有很强的波动性，对电网的影响比较大，其中，春天日发电量最大，夏天波动性最强；光伏电站发电功率主要分布在0-20MW之间，概率分布比较均匀，而且波动较大；从发电功率爬坡率分析结果来看，天气对光伏电站的发电功率爬坡率影响非常大，在进行光伏电站的优化运行和并网输出的时候要特别注意多云、阴雨等天气。
分析模块22，用于根据频谱分析方法对所述发电数据进行分析，得到所述光伏电站的储能配置策略，该储能配置策略用于对含有多种类型的储能设备的储能系统的容量进行调整。
可选的，所述第一构建模块包括：获取单元，用于获取光伏功率预测信息；构建单元，用于根据所述光伏功率预测信息，构建所述混合储能有序放电策略。
具体的，储能系统在光伏电站离网时充当主电源，为离网运行提供电压和频率支撑，同时平滑光伏发电输出功率波动，使光伏发电输出功率平滑可控。基于频谱分析方法分析离网独立光伏电站的储能系统优化配置，以光伏电站输出功率的典型样本数据为基础，根据频谱分析法进行数据采样；然后对样本进行数据分析，对每个样本数据片段进行功率和容量的优化设计计算，得到若干个设计结果，选取最大值；或对若干个设计结果进行概率统计分析，选取使波动率满足要求的情况达到某一概率水平的容量值作为配置容量，对于概率较小的值，则认为该值对应的光资源情况出现较少，可忽略。
例如，当以储能系统以平滑出力为目标，其配置根据不同时间尺度平滑需求使电源功率波动率限制在设定范围内。并网输出有功功率波动满足一定要求，在某时间段内功率波动率小于设定值或在某时间段内功率最大变化量小于设定值。
其中：Ft为在t时间段内的功率波动率，Pn为额定功率(kW)，ΔPt为t时间段内最大功率变化量，Pt max、Pt min分别为t时间段内最大与最小输出功率(kW)。
判断目标功率输出是否满足要求，需保证波动率不超过设定值Ft up，即
F≤Ft up
或功率最大变化量不超过设定值，即
ΔPt≤ΔPt up
根据波动约束条件，求每一个连续时间段t内的最大与最小输出功率：
Pt max(i)＝max(P(i:i+t/Ts))
Pt min(i)＝min(P(i:i+t/Ts))
根据下式，计算每一个连续时间段t内的功率波动率，从而得到整个数据周期内的最大功率波动率。
ΔP(t)＝P(t)-P(t-Δt)
最后以风光波动率必须满足一确定指标为优化目标，以风光最大出力、联络线交换功率、储能的充放电区间约束、储能的容量变化等式、储能的充放电量平衡、储能的总投资额限制等为边界约束条件进行求解，得到光储最优配置。
第一构建模块24，用于根据所述储能配置策略，构建混合储能有序放电策略，其中，所述混合储能有序放电策略用于指示含有多种类型的储能设备的储能系统的充放电操作。
可选的，所述装置还包括：构建单元，还用于根据所述混合储能有序放电策略，构建优化控制模型；确定单元，用于根据所述优化控制模型，确定所述光伏电站的光伏功率波动程度。
可选的，所述装置还包括：优化计算模块，用于采用粒子群优化算法对所述优化控制模型进行优化。
具体的，构建混合储能有序充放电模型，以全钒液流电池(VRB)和LiB构建混合储能系统，功率型储能VRB具备频繁充放电切换响应能力，可充放电次数高，能量型LiB储能设备具有储能能量密度大、储能时间长的优势。混合储能电站的运行应充分发挥VRB可频繁充放电的特性同时限定荷电状态(SOC)区间，LiB运行需在限定SOC区间，且避免频繁充放电切换的同时适当提升其相对容量，形成协调互补的有效充放电模式。
混合储能电站预测控制步长选取与光伏功率预测精度相互关联，同时光伏功率预测精度与预测尺度关系紧密，实际光伏电站年度运行数据，采样步长为5min，根据平抑目标确定储能电站所需平抑的功率波动如图3所示，选定两个充放区间作为递进控制步长，进一步统计分析单次充放区间的采样点数分布，得到递进控制步长将以[5，35]min为主要聚集区间，由此确定本文充放电动态控制的步长，同时发现该步长与超短期光伏功率预测时间尺度完全符合。
根据储能电站介质的运行特性构建有序控制策略，具体充放电模型为：
1)VRB主要动作，LiB在限定条件下启动。递进控制步长内的单次充或放区间能量低于限值Emin，VRB优先动作并在其SOC不越限、充放功率在限值范围的前提下独立平抑波动。当充放电功率越限时，LiB动作辅助协作；不越限时则不动作。该充放电模型对应具体运行模式为：
2)LiB优先启动，VRB在满足限定条件下动作。对于非VRB优先动作状况，发挥LiB能量密度高的优势，由其启动并承担主要平抑任务；对于VRB的启动，取决于LiB充放电功率的变化速率及其SOC，其目标在于辅助Lib平抑目标或调整自身SOC以处于较优运行状态。VRB辅助启动条件为：
根据充放模型，构建以储能电站SOC运行状态最优为目标的优化控制模型。已知递进控制步长区间的各介质初始SOCint-LiB、SOCint-Uc，基于充放电策略，使得区间内各介质偏移最佳SOC的方差和最小。目标函数主要解决递进控制步长区间内充放能量在各介质间的协调分配问题。
约束条件主要包括充放电功率约束、SOC约束。
1)充放电功率约束
Pmax-discha-LiB<P(t)<Pmax-cha-LiB
Pmax-discha-VRB<P(t)<Pmax-cha-VRB
P(t)＝PVRB(t)+PLiB(t)
2)SOC约束
SOCmin-LiB<SOCLiB(t)<SOCmax-LiB
SOCmin-VRB<SOCVRB(t)<SOCmax-VRB
采用粒子群优化算法(PSO)对算例进行求解，并对其进行适度改进，以克服动态边界问题，同时递进优化的区间计算量相对较小，利于发挥PSO搜索精度高和收敛效果好的优势。具体模型求解步骤为：
1)根据递进协调控制算法和本步长数据确定优化目标函数；
2)设置粒子群维数D，最大迭代次数Mmax，收敛精度σthresh，同时初始化粒子群位置x和速度v，并给定初始SOCint-LiB、SOCint-VRB数值；
3)根据既定充放电策略和目标函数计算各粒子适应度值M；
4)将各粒子适应度值与自身粒子极值及全局粒子极值比较，若适应度值较小，则更新各粒子个体极值ebest及全局例子适应度极值gbest；
5)判断当前计算是否满足收敛条件，若是则提取当前PLiB、PVRB即为最优充放电功率；若否则更新各粒子位置x及速度v，并重复步骤3-5.
其中n为当前循环次数；c1、c2为粒子权重系数；w为惯性权重；r1、r2为(0,1)内均匀分布随机数；xi、vi为第i维粒子的位置与速度；g为约束因子。
优化模块26，用于根据所述混合储能有序放电策略，对所述光伏电站的运行状态进行优化。
具体的，在本发明实施例上述构建过程的基础上通过调整储能充放电系统来调整储能装置始终工作在正常工作范围，同时考虑储能荷电状态和光伏功率输出稳定性，能够同时有效平抑并网功率波动与精确调整储能系统荷电状态。光伏电站储能系统的储能策略是：当光伏功率输出功率大于并网功率参考值时，储能系统充电以平抑输出功率波动；当光伏功率输出功率小于并网功率参考值时，储能系统放电以弥补输出功率的不足，以此平滑光伏功率的输出功率，实现光伏功率并网功率的稳定性。
t时刻光伏功率输出功率PP(t)与并网目标功率Pref(t)的差值ΔCP(t)为：
ΔCP(t)＝PP(t)-Pref(t)
则储能系统处于充电状态时：
储能系统处于放电状态时：
式中：
为t时刻储能系统充放电功率；当
时，储能系统充电，
时，储能系统放电；ηC为储能系统的充电效率，一般取0.65ˉ0.85。
基于功率修正系数的控制策略，储能系统荷电状态运行区间的改变将引发功率修正系数的对应调整，通过功率修正系数改变储能系统的充放电功率，以达到预先控制储能系统的运行，避免其达到过充过放的状态。
当储能系统荷电状态偏高，即位于预过充区域时，表示储能趋于饱和。若处在充电状态下
需对
进行预先控制，通过下式调整功率修正系数，修正
使其减小，以缓解其荷电状态升高的速度，防止储能系统出现过度充电的状态；
若处在放电状态
通过调整功率修正系数，修正
使其减小，以减缓其荷电状态降低的速度，防止储能系统出现深度放电的状态。
式中，δi(t)为t时刻充放电功率修正系数，当储能系统位于正常区域时取值为1；SOC(t)为t时刻储能系统的荷电状态。
调整后储能系统处于充电状态时：
PESS(t)＝δi(t)ΔCP(t)ηC
调整后储能系统处于放电状态时：
PESS(t)＝δi(t)ΔCP(t)/ηD
光伏电站储能容量优化的目标在于保证减少光伏功率输出功率波动的前提下，调节投入成本与运行成本之间的相互制约关系，在保证平滑输出功率的前提下，以最低储能的投入成本和运行成本实现光伏电站储能系统的运行效益最优化。
储能的综合效益达到最优为目标，目标函数为：
CC＝CM+CR+CB
CB＝Nb essρ1WO+Nb essρ2WOm
式中，储能系统的投入成本CC包括储能系统的维护成本CM，储能系统各储能单元的置换成本CR和储能系统的基本投资成本CB；Y为工作时间；Nb ess为储能系统中蓄电池的数量；为储能容量单位容量维护价格；ρ1为储能容量单位容量安装价格；WO为光伏电站最优储能容量的额定值；ρ2为储能容量单位容量价格；m为折旧系数。
光伏电站输出功率具有年度周期性，以年度光伏电站输出功率作为储能容量优化的研究对象，其光伏电站弃光损失能量、平滑功率短缺损失能量和储能系统越线运行的折算能量分别如下：
式中：Ny为研究对象的时间年度；g、h为Ny年度中充放电过程持续δi＜1调整运行区间的总次数；p、q分别为g区间的初始和结束时间；u、v分别为h区间的初始和结束时间；k为Ny年度中储能系统运行状态位于超出最大荷电状态的总次数；l为Ny年度中储能系统运行状态位于低于最小荷电状态的总次数；x、y分别为k区间的初始和结束时间；z、a分别为l区间的初始和结束时间。
光伏电站储能容量优化的目标是：
min C＝KLρLLLOST+KSρSLSHORT+KEρELESS+CC
式中：ρL、ρS、ρE分别为光伏电站弃光损失能量、平滑功率短缺损失能量以及储能系统越线运行的折算能量的对应单价；ρLLLOST为光伏电站弃光能量成本；ρSLSHORT为光伏电站平滑功率短缺损失能量成本；ρELESS为储能系统越线运行的折算损失能量成本；KL、KS和KE为运行成本的惩罚系数；CC储能系统的投入成本。
充放电功率约束：
-PDηD≤PW(t)-Pref(t)≤PC
PD和PC分别为储能系统的极限充放电功率，将放电看作负充电过程，其大小以其绝对值为准。
约束条件包括光伏电站输出功率波动水平约束：
P{|ΔPd(t)|≤ΔPd max}≥Λ
式中：ΔPd(t)为光伏电站输出功率经储能系统平抑后的波动值；ΔPd max为波动值的最大允许范围上限；Λ为对应的可信度水平。
基于青海某光伏电站实际运行数据计算储能最优容量。考虑PSO算法以解决包含动态边界条件且含有多个随机变量的随机优化问题，具体模型求解步骤为：
步骤1：选定研究对象时间截面窗口长度Ny及其运行数据P(t)；
步骤2：基于最佳功率输出模型确定期望输出目标值PG，并给定初始SOC值；
步骤3：设置粒子群维数D，最大迭代次数Mmax，收敛精度Cσ，同时初始化粒子群位置x和速度v；
步骤4：根据充放电策略，计算各粒子的适应度值F，并将其自身粒子极值ebest及全局粒子极值gbest比较，若适应度值较小，则更新ebest及gbest，若否更新粒子速度x及位置v；
步骤5：计算Δσ2判断是否满足收敛条件，搜索收敛条件为：
式中，Δσ2为粒子群的群体或全局适应度方差的变化量，Cσ为接近于零的定常数。若是，则获取最佳储能容量V；若否，重新释放例子组建新的族群，并重复步骤4。
光伏电站装机容量9MW，采集频率为5min，平抑目标值如图4所示。依据本专利充放电功率调整策略及储能容量优化计算模型，得到平抑波动输出曲线如图5所示。容量优化计算模型综合考虑了储能电站配置及运行过程中的总体经济性，有利于与现场的有效结合，实现了光伏电站储能系统的运行效益最优化。
根据本发明实施例的另一方面，还提供了一种包括指令的计算机程序产品，当所述指令在计算机上运行时，使得所述计算机机执行光伏电站优化运行方法。
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行光伏电站优化运行方法。
根据本发明实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行光伏电站优化运行方法。
通过上述步骤，可以实现对光伏发电站进行进一步优化的技术效果。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (15)
1.一种光伏电站优化运行方法，其特征在于，包括：
获取光伏电站发电数据，其中，所述发电数据包括：发电站中随环境变化而变化的运行状态特征数据；
根据频谱分析方法对所述发电数据进行分析，得到所述光伏电站的储能配置策略，该储能配置策略用于对含有多种类型的储能设备的储能系统的容量进行调整；
根据所述储能配置策略，构建混合储能有序放电策略，其中，所述混合储能有序放电策略用于指示含有多种类型的储能设备的储能系统的充放电操作；
根据所述混合储能有序放电策略，对所述光伏电站的运行状态进行优化。
2.根据权利要求1所述的方法，其特征在于，所述储能配置策略包括：当所述光伏电站的光伏输出功率大于并网功率参考值时，控制所述储能系统充电以平抑输出功率波动；当所述光伏输出功率小于并网功率参考值时，控制储能系统放电以对光伏输出功率进行补偿。
3.根据权利要求1所述的方法，其特征在于，所述根据所述储能配置策略，构建混合储能有序放电策略包括：
获取光伏功率预测信息；
根据所述光伏功率预测信息，构建所述混合储能有序放电策略。
4.根据权利要求1所述的方法，其特征在于，所述根据所述储能配置策略，构建混合储能有序放电策略之后，所述方法还包括：
根据所述混合储能有序放电策略，构建优化控制模型；
根据所述优化控制模型，确定所述光伏电站的光伏功率波动程度。
5.根据权利要求4所述的方法，其特征在于，根据所述混合储能有序放电策略，构建优化控制模型，包括：
以所述光伏电站的荷电偏移量最小为目标，充放电功率和容量为约束条件，构建优化控制模型。
6.根据权利要求5所述的方法，其特征在于，根据所述优化控制模型，获取所述光伏电站的光伏功率波动程度之前，所述方法还包括：
采用粒子群优化算法对所述优化控制模型进行优化。
7.一种光伏电站优化运行装置，其特征在于，包括：
获取模块，用于获取光伏电站发电数据，其中，所述发电数据包括：发电站中随环境变化而变化的运行状态特征数据；
分析模块，用于根据频谱分析方法对所述发电数据进行分析，得到所述光伏电站的储能配置策略，该储能配置策略用于对含有多种类型的储能设备的储能系统的容量进行调整；
第一构建模块，用于根据所述储能配置策略，构建混合储能有序放电策略，其中，所述混合储能有序放电策略用于指示含有多种类型的储能设备的储能系统的充放电操作；
优化模块，用于根据所述混合储能有序放电策略，对所述光伏电站的运行状态进行优化。
8.根据权利要求7所述的装置，其特征在于，所述储能配置策略包括：当所述光伏电站的光伏输出功率大于并网功率参考值时，控制所述储能系统充电以平抑输出功率波动；当所述光伏输出功率小于并网功率参考值时，控制储能系统放电以对光伏输出功率进行补偿。
9.根据权利要求7所述的装置，其特征在于，所述第一构建模块包括：
获取单元，用于获取光伏功率预测信息；
构建单元，用于根据所述光伏功率预测信息，构建所述混合储能有序放电策略。
10.根据权利要求7所述的装置，其特征在于，所述装置还包括：
构建单元，还用于根据所述混合储能有序放电策略，构建优化控制模型；
确定单元，用于根据所述优化控制模型，确定所述光伏电站的光伏功率波动程度。
11.根据权利要求10所述的装置，其特征在于，所述构建单元还包括：
第二构建模块，用于以所述光伏电站的荷电偏移量最小为目标，充放电功率和容量为约束条件，构建优化控制模型。
12.根据权利要求11所述的装置，其特征在于，所述装置还包括：
优化计算模块，用于采用粒子群优化算法对所述优化控制模型进行优化。
13.一种包括指令的计算机程序产品，其特征在于，当所述指令在计算机上运行时，使得所述计算机机执行权利要求1至6中任意一项所述的方法。
14.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行权利要求1至6中任意一项所述的方法。
15.一种电子装置，其特征在于，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行权利要求1至6中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010712367.1A CN111817329A (zh) | 2020-07-22 | 2020-07-22 | 光伏电站优化运行方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010712367.1A CN111817329A (zh) | 2020-07-22 | 2020-07-22 | 光伏电站优化运行方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111817329A true CN111817329A (zh) | 2020-10-23 |
Family
ID=72861976
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010712367.1A Pending CN111817329A (zh) | 2020-07-22 | 2020-07-22 | 光伏电站优化运行方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111817329A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112446145A (zh) * | 2020-11-20 | 2021-03-05 | 国网山西省电力公司经济技术研究院 | 一种基于kl散度的储能电站分布鲁棒规划方法 |
| CN117439128A (zh) * | 2023-10-26 | 2024-01-23 | 国网青海省电力公司清洁能源发展研究院 | 一种多元储能与新能源协同规划配置方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105140942A (zh) * | 2015-10-09 | 2015-12-09 | 国家电网公司 | 考虑核电状态偏差的混合储能优化功率分配方法 |
-
2020
- 2020-07-22 CN CN202010712367.1A patent/CN111817329A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105140942A (zh) * | 2015-10-09 | 2015-12-09 | 国家电网公司 | 考虑核电状态偏差的混合储能优化功率分配方法 |
Non-Patent Citations (3)
| Title |
|---|
| 张熙等: "基于荷电状态动态调整的储能电站容量规划", 《电力自动化设备》 * |
| 潘杰等: "基于频谱分析的储能容量配置方法", 《电力与能源》 * |
| 袁弘等: "考虑功率预测的储能电站动态优化控制方法", 《电子技术应用》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112446145A (zh) * | 2020-11-20 | 2021-03-05 | 国网山西省电力公司经济技术研究院 | 一种基于kl散度的储能电站分布鲁棒规划方法 |
| CN112446145B (zh) * | 2020-11-20 | 2022-11-08 | 国网山西省电力公司经济技术研究院 | 一种基于kl散度的储能电站分布鲁棒规划方法 |
| CN117439128A (zh) * | 2023-10-26 | 2024-01-23 | 国网青海省电力公司清洁能源发展研究院 | 一种多元储能与新能源协同规划配置方法 |
| CN117439128B (zh) * | 2023-10-26 | 2024-03-26 | 国网青海省电力公司清洁能源发展研究院 | 一种多元储能与新能源协同规划配置方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200191117A1 (en) | Adaptive dynamic planning control method and system for energy storage station, and storage medium | |
| CN103779869B (zh) | 考虑荷电状态动态调整的储能电站容量优化计算方法 | |
| CN105162149B (zh) | 基于模糊自适应调节的光储系统跟踪发电计划出力方法 | |
| CN108667052A (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 | |
| CN107230974A (zh) | 基于储能运行状态的光伏功率稳定输出控制方法 | |
| CN110581571A (zh) | 一种主动配电网动态优化调度方法 | |
| CN107994595A (zh) | 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 | |
| CN116470513A (zh) | 一种响应电网需求的多类型光热电站协调调度运行方法 | |
| CN111009895B (zh) | 一种微网优化调度方法、系统以及设备 | |
| CN111082446B (zh) | 一种考虑电池自消耗的储能优化配置方法 | |
| CN111817329A (zh) | 光伏电站优化运行方法及装置 | |
| CN112928769B (zh) | 一种兼顾补偿预测误差和平抑波动的光伏混合储能控制方法 | |
| CN114154790A (zh) | 基于需量管理和柔性负荷的工业园区光储容量配置方法 | |
| Tahir et al. | Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days | |
| CN111049170B (zh) | 考虑温度损耗的调峰储能系统、运行优化方法和装置 | |
| CN103248065A (zh) | 一种风电场中电池储能系统的充放电控制方法 | |
| CN110661250B (zh) | 含风光储发输电系统的可靠性评估方法及系统 | |
| CN114498690B (zh) | 支持大规模可再生能源消纳的多元复合储能优化配置方法 | |
| CN117713068A (zh) | 考虑应用场景变化的用户侧储能日前优化调度方法与系统 | |
| CN111932025A (zh) | 考虑光伏随机性的综合能源系统建设多阶段规划方法 | |
| CN118136906A (zh) | 一种全钒液流储能的控制系统及方法 | |
| Pippi et al. | Assessing the provision of ancillary services considering BES capacity degradation | |
| CN114204599B (zh) | 一种抑制配电网电压波动的分布式储能布点运行控制方法 | |
| CN108183498B (zh) | 一种含风光储配电网背景下的车储混合配置方法 | |
| CN108183496A (zh) | 一种光伏储能系统的能量管理方法 |
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 |
Application publication date: 20201023 |
|
| RJ01 | Rejection of invention patent application after publication |