CN111884262B - 一种基于应用工况性能的广域分布式储能系统调控方法 - Google Patents

一种基于应用工况性能的广域分布式储能系统调控方法 Download PDF

Info

Publication number
CN111884262B
CN111884262B CN202010580730.9A CN202010580730A CN111884262B CN 111884262 B CN111884262 B CN 111884262B CN 202010580730 A CN202010580730 A CN 202010580730A CN 111884262 B CN111884262 B CN 111884262B
Authority
CN
China
Prior art keywords
energy storage
storage system
distributed energy
power
mode
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
CN202010580730.9A
Other languages
English (en)
Other versions
CN111884262A (zh
Inventor
李秉宇
杜旭浩
贾伯岩
杨鹏
任汉涛
马延强
陈二松
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.)
HEBEI CHUANGKE ELECTRONIC TECHNOLOGY CO LTD
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd
Original Assignee
HEBEI CHUANGKE ELECTRONIC TECHNOLOGY CO LTD
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hebei Electric Power 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 HEBEI CHUANGKE ELECTRONIC TECHNOLOGY CO LTD, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd filed Critical HEBEI CHUANGKE ELECTRONIC TECHNOLOGY CO LTD
Priority to CN202010580730.9A priority Critical patent/CN111884262B/zh
Publication of CN111884262A publication Critical patent/CN111884262A/zh
Application granted granted Critical
Publication of CN111884262B publication Critical patent/CN111884262B/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
    • H02J3/38—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
    • 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
    • H02J3/28—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
    • 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]

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

本发明公开了一种基于应用工况性能的广域分布式储能系统调控方法，涉及电力储能技术领域；其包括步骤一:获取广域目标区域分布式储能系统出力数据，将分布式储能系统分类并优先级排序；步骤二：获取广域目标区域分布式能源发电和负荷数据，判别调控模式，若是功率模式执行步骤三，若是能量模式执行步骤四，若是收益模式执行步骤五；步骤三：按照跟踪能力优先级依次调度每一分布式储能系统；步骤四：按照能量优先级依次调度每一分布式储能系统；步骤五：按照效率优先级依次调度每一分布式储能系统；其通过步骤一至步骤五等，实现了调控分布式储能系统。

Description

一种基于应用工况性能的广域分布式储能系统调控方法
技术领域
本发明涉及电力储能技术领域，尤其涉及一种基于应用工况性能的广域分布式储能系统调控方法。
背景技术
近年来，电力储能技术为公认的未来电力系统中重要组成成分。分布式储能被广泛地应用在电力系统当中，以应对可再生能源的高度渗透，改善电网电能质量。
专利公开号为CN107769234A，名称为一种多点储能协调分布式电源的调频能力评价方法，该技术方案通过计算区域电网的负荷偏差、分布式电源功率偏差，首先基于负荷和分布式电源的超短期功率预测计算区域配电网的净负荷最大偏差，继而计算多点储能调节容量上限及功率调节速率限值和区域电网与外部电网功率交换容量限值，最后计算区域电网的调频容量充裕度，即区域电网调频能力评估结果。该方法对点储能协调分布式电源的调频能力进行评价，无法对多点储能系统的性能开展测试与评价。
专利公开号为CN104111388B，名称为一种风电场储能测试系统及评估方法，该技术方案可有效检测储能装置的性能，验证其对风电场稳定性的改善效果。储能装置性能测试包括:储能装置容量测试，储能装置充电和放电响应时间测试，储能装置充电和放电转换响应时间等基本性能。该方法对风电场配备储能装置的性能测试分析，无法针对分布式储能系统不同的应用工况性能开展测试与评价。
专利公开号为CN110053508A，名称为基于车联网平台的能源、互联网集群运行调度方法及系统，该技术方案通过车联网平台调度控制层预测当日负荷，根据预测结果制定电能供需方案；车联网平台协调层根据电能供需方案制定区域间以及区域内的电能调度方案，并执行电能的调度；充电用户在充电桩确定充电价格，充电桩集群控制根据充电价格确定充电优先级排序，进行有序充放电。上述方案以价格信号促进分布式电源自行优化其生产行为，有利于提高系统的可靠性、稳定性、经济性，降低系统调度控制的难度。但未提供针对分布式储能系统不同的应用工况性能开展优化调度方案。
SOC：State of Charge，指电池的荷电状态。
系统输入、输出能量的时间：系统输入能量的时间、系统输出能量的时间或者系统既有输入能量也有输出能量的时间。
电能质量时段：电网处于调控电能质量为主的的时间段。
现有技术问题及思考：
如何解决调控分布式储能系统的技术问题。
发明内容
本发明所要解决的技术问题是提供一种基于应用工况性能的广域分布式储能系统调控方法，其通过步骤一至步骤五等，实现了调控分布式储能系统。
为解决上述技术问题，本发明所采取的技术方案是：一种基于应用工况性能的广域分布式储能系统调控方法包括如下步骤，步骤一:获取广域目标区域分布式储能系统出力数据，将分布式储能系统分类并优先级排序；步骤二：获取广域目标区域分布式能源发电和负荷数据，判别调控模式，若是功率模式执行步骤三，若是能量模式执行步骤四，若是收益模式执行步骤五；步骤三：按照跟踪能力优先级依次调度每一分布式储能系统；步骤四：按照能量优先级依次调度每一分布式储能系统；步骤五：按照效率优先级依次调度每一分布式储能系统。
进一步的技术方案在于：在步骤一中，获取广域分布式储能系统出力数据；采用k-means聚类算法对广域分布式储能系统出力数据进行聚类；根据聚类结果选取工况性能参考测试模式；依据工况性能参考测试曲线开展测试，记录基本参数；计算广域分布式储能系统评价指标；依据评价指标对广域分布式储能系统按优先级排序。
进一步的技术方案在于：在步骤一根据聚类结果选取工况性能参考测试模式的步骤中，当恒功率，且容量满充满放的聚类结果，分布式储能系统，判定选取容量模式；当变功率，且容量浅充浅放的聚类结果，分布式储能系统，判定选取功率模式；当变功率，且容量满充满放的聚类结果，分布式储能系统，判定选取混合模式。
进一步的技术方案在于：在步骤一依据工况性能参考测试曲线开展测试的步骤中，容量模式下的测试方法如下，在1个连续24小时的时间段内，在充电窗口中，分布式储能系统采用0.5倍的额定功率P0持续充电由0％SOC至100％SOC；浮动窗口期间，分布式储能系统采用涓流充电以维持100％SOC；在放电窗口中，分布式储能系统采用1倍的额定功率持续放电由100％SOC至0％SOC，将储能系统在待机状态下搁置10分钟；循环3次；
功率模式下的测试方法如下，分布式储能系统采用锯齿波功率持续充放电，功率变化率ΔP＝P0/min，充放电功率范围：-P0～P0，初始SOC＝50％，将储能系统在待机状态下搁置1分钟；循环次数100次；
混合模式下的测试方法如下，在充电窗口中，分布式储能系统采用锯齿波功率持续充电，功率变化率ΔP＝P0/min，充放电功率范围：0～0.5P0，初始SOC＝0％，持续充电至100％SOC；浮动窗口期间，分布式储能系统采用锯齿波功率持续充放电，功率变化率ΔP＝P0/min，充放电功率范围：-P0～P0，循环至充放电窗口开始端；在放电窗口中，分布式储能系统采用锯齿波功率持续放电，功率变化率ΔP＝P0/min，放电功率范围：-P0～0，初始SOC＝100％，持续放电至0％SOC，将储能系统在待机状态下搁置1分钟；循环次数3次。
进一步的技术方案在于：在步骤一计算广域分布式储能系统评价指标的步骤中，分布式储能系统评价指标包括工况循环效率、能量响应能力和参考信号跟踪能力。
进一步的技术方案在于：在步骤一计算广域分布式储能系统评价指标的步骤中，工况循环效率为分布式储能系统单次循环的输出工况容量与输入工况容量的比值，
Figure GDA0003213895720000031
式3中，ηDT为工况循环效率，
Figure GDA0003213895720000032
为分布式储能系统单次循环的输出工况容量EDT-D，
Figure GDA0003213895720000033
为分布式储能系统单次循环的输入工况容量EDT-C；
能量响应能力为分布式储能系统单次循环的输出工况容量和输入工况容量与参考测试曲线指令给出的测试能量的差值，
Figure GDA0003213895720000041
式4中，ΔEDT为能量响应能力；
参考信号跟踪能力为分布式储能系统单次循环的输出功率和输入功率与相应的参考测试曲线指令给出的测试功率的差值，
Figure GDA0003213895720000042
式5中，ΔPDT为参考信号跟踪能力。
进一步的技术方案在于：在步骤二中，获取分布式能源发电和负荷数据；依广域目标区域调度信息，利用功率和时间分布判别调控模式，调控模式包括功率模式、能量模式和收益模式。
进一步的技术方案在于：在步骤二利用功率和时间分布判别调控模式的步骤中，在电网处于电能质量时段，调控模式为功率模式；依参考信号跟踪能力优先级调度分布式储能系统。
进一步的技术方案在于：在步骤二利用功率和时间分布判别调控模式的步骤中，在电网处于用电峰谷时段，调控模式为能量模式；依能量响应能力优先级调度分布式储能系统。
进一步的技术方案在于：在步骤二利用功率和时间分布判别调控模式的步骤中，在电网处于用电量平段，调控模式为收益模式；依工况循环效率优先级调度分布式储能系统。
采用上述技术方案所产生的有益效果在于：
一种基于应用工况性能的广域分布式储能系统调控方法包括如下步骤，步骤一:获取广域目标区域分布式储能系统出力数据，将分布式储能系统分类并优先级排序；步骤二：获取广域目标区域分布式能源发电和负荷数据，判别调控模式，若是功率模式执行步骤三，若是能量模式执行步骤四，若是收益模式执行步骤五；步骤三：按照跟踪能力优先级依次调度每一分布式储能系统；步骤四：按照能量优先级依次调度每一分布式储能系统；步骤五：按照效率优先级依次调度每一分布式储能系统。其通过步骤一至步骤五等，实现了调控分布式储能系统。
详见具体实施方式部分描述。
附图说明
图1是本发明的流程图；
图2是本发明中容量模式测试的曲线图；
图3是本发明中功率模式测试的曲线图；
图4是本发明中混合模式测试的曲线图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。基于本申请中的实施例，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，都属于本申请保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，但是本申请还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施例的限制。
如图1所示，本发明公开了一种基于应用工况性能的广域分布式储能系统调控方法包括如下步骤：
步骤一:获取广域目标区域分布式储能系统出力数据，将分布式储能系统分类并优先级排序。
获取广域分布式储能系统出力数据；采用k-means聚类算法对广域分布式储能系统出力数据进行聚类；根据聚类结果选取工况性能参考测试模式；依据工况性能参考测试曲线开展测试，记录基本参数；计算广域分布式储能系统评价指标；依据评价指标对广域分布式储能系统按优先级排序。
在步骤一根据聚类结果选取工况性能参考测试模式的步骤中，当恒功率，且容量满充满放的聚类结果，分布式储能系统，判定选取容量模式；当变功率，且容量浅充浅放的聚类结果，分布式储能系统，判定选取功率模式；当变功率，且容量满充满放的聚类结果，分布式储能系统，判定选取混合模式。
在步骤一依据工况性能参考测试曲线开展测试的步骤中，容量模式下的测试方法如下，在1个连续24小时的时间段内，在充电窗口中，分布式储能系统采用0.5倍的额定功率P0持续充电由0％SOC至100％SOC；浮动窗口期间，分布式储能系统采用涓流充电以维持100％SOC；在放电窗口中，分布式储能系统采用1倍的额定功率持续放电由100％SOC至0％SOC，将储能系统在待机状态下搁置10分钟；循环3次；
功率模式下的测试方法如下，分布式储能系统采用锯齿波功率持续充放电，功率变化率ΔP＝P0/min，充放电功率范围：-P0～P0，初始SOC＝50％，将储能系统在待机状态下搁置1分钟；循环次数100次；
混合模式下的测试方法如下，在充电窗口中，分布式储能系统采用锯齿波功率持续充电，功率变化率ΔP＝P0/min，充放电功率范围：0～0.5P0，初始SOC＝0％，持续充电至100％SOC；浮动窗口期间，分布式储能系统采用锯齿波功率持续充放电，功率变化率ΔP＝P0/min，充放电功率范围：-P0～P0，循环至充放电窗口开始端；在放电窗口中，分布式储能系统采用锯齿波功率持续放电，功率变化率ΔP＝P0/min，放电功率范围：-P0～0，初始SOC＝100％，持续放电至0％SOC，将储能系统在待机状态下搁置1分钟；循环次数3次。
在步骤一计算广域分布式储能系统评价指标的步骤中，分布式储能系统评价指标包括工况循环效率、能量响应能力和参考信号跟踪能力。
在步骤一计算广域分布式储能系统评价指标的步骤中，工况循环效率为分布式储能系统单次循环的输出工况容量与输入工况容量的比值，
Figure GDA0003213895720000071
式3中，ηDT为工况循环效率，
Figure GDA0003213895720000072
为分布式储能系统单次循环的输出工况容量EDT-D，
Figure GDA0003213895720000073
为分布式储能系统单次循环的输入工况容量EDT-C；
能量响应能力为分布式储能系统单次循环的输出工况容量和输入工况容量与参考测试曲线指令给出的测试能量的差值，
Figure GDA0003213895720000074
式4中，ΔEDT为能量响应能力；
参考信号跟踪能力为分布式储能系统单次循环的输出功率和输入功率与相应的参考测试曲线指令给出的测试功率的差值，
Figure GDA0003213895720000075
式5中，ΔPDT为参考信号跟踪能力。
步骤二：获取广域目标区域分布式能源发电和负荷数据，判别调控模式，若是功率模式执行步骤三，若是能量模式执行步骤四，若是收益模式执行步骤五。
获取分布式能源发电和负荷数据；依广域目标区域调度信息，利用功率和时间分布判别调控模式，调控模式包括功率模式、能量模式和收益模式。在电网处于电能质量时段，调控模式为功率模式；在电网处于用电峰谷时段，调控模式为能量模式；在电网处于用电量平段，调控模式为收益模式。
步骤三：按照跟踪能力优先级依次调度每一分布式储能系统。
步骤四：按照能量优先级依次调度每一分布式储能系统。
步骤五：按照效率优先级依次调度每一分布式储能系统。
本申请的发明构思：
基于理论性和实践性的评判标准，将分布式储能的无序、自主运行整合成接受统一调度，变成电网的潜在优势资源，通过对分布式储能系统的性能评价，制定不同层次的调度方案，实现调度的最优化，将促进分布式能源发展，对实现智能电网具有重要的理论意义和工程实践价值。
因此，有必要引入基于不同的应用工况性能的广域分布式储能系统调控方法。
本申请的目的：
本发明的目的在于克服现有技术的缺点，提供了一种基于应用工况性能的广域分布式储能系统调控方法。目的是考虑到分布式储能系统在电力用户侧中的应用日益广泛，且应用场景多样化，为了调控分布式储能系统，尤其是分布式储能汇聚应用后的优化调控，提出了一种基于应用工况性能的广域分布式储能系统调控方法。
本申请的技术贡献：
获取广域目标区域多点分布式储能系统出力数据、分布式能源发电和负荷数据，将分布式储能系统分类、优先级排序，判别分布式储能系统调控模式，若是功率模式，按照跟踪能力优先级依次调度各分布式储能系统；若是能量模式，按照能量优先级依次调度各分布式储能系统；若是收益模式，按照效率优先级依次调度各分布式储能系统。
所述的获取广域目标区域多点分布式储能系统出力数据，将分布式储能系统分类、优先级排序：获取广域分布式储能系统出力数据；采用k-means聚类算法对广域分布式储能系统出力数据进行聚类；根据聚类结果选取工况性能参考测试模式；依据工况性能参考测试曲线开展测试，记录基本参数；计算广域分布式储能系统各项评价指标；依据评价指标对广域分布式储能系统进行评价分析，按优先级排序。
所述的获取广域目标区域分布式能源发电和负荷数据，判别调控模式:获取分布式能源发电和负荷数据；依广域目标区域调度信息，利用功率、时间分布等判别调控模式。
所述的根据聚类结果选取工况性能参考测试模式方法：
1)当恒功率，且容量满充满放的聚类结果，分布式储能系统，判定选取容量模式。
2)当变功率，且容量浅充浅放的聚类结果，分布式储能系统，判定选取功率模式。
3)当变功率，且容量满充满放的聚类结果，分布式储能系统，判定选取混合模式。
所述的分布式储能系统应用工况性能参考测试模式分为三类：容量模式、功率模式和混合模式。
如图2所示，容量模式：在1个连续24小时的时间段内，在充电窗口中，分布式储能系统应采用0.5倍的额定功率P0持续充电由0％SOC至100％SOC；浮动窗口期间，分布式储能系统采用涓流充电以维持100％SOC；在放电窗口中，分布式储能系统应采用1倍的额定功率持续放电由100％SOC至0％SOC，将储能系统在待机状态下搁置10分钟。循环3次。
如图3所示，功率模式：分布式储能系统应采用锯齿波功率持续充放电，功率变化率ΔP＝P0/min，充放电功率范围：-P0～P0，初始SOC＝50％，将储能系统在待机状态下搁置1分钟。循环次数100次。
如图4所示，混合模式：在充电窗口中，分布式储能系统应采用锯齿波功率持续充电，功率变化率ΔP＝P0/min，充放电功率范围：0～0.5P0，初始SOC＝0％，持续充电至100％SOC；浮动窗口期间，分布式储能系统应采用锯齿波功率持续充放电，功率变化率ΔP＝P0/min，充放电功率范围：-P0～P0，循环至充放电窗口开始端；在放电窗口中，分布式储能系统应采用锯齿波功率持续放电，功率变化率ΔP＝P0/min，放电功率范围：-P0～0，初始SOC＝100％，持续放电至0％SOC，将储能系统在待机状态下搁置1分钟。循环次数3次。
所述的分布式储能系统基本参数包括:输入能量、输出能量、充电功率、放电功率、测试参考功率和系统输入、输出能量的时间。
系统充电中输入的能量表示为EDT-C包括各种附加损失都应被计量。
Figure GDA0003213895720000091
式1中，EDT-C为分布式储能系统n次测试循环的总输入能量，单位：kWh或MWh；i为第几次测试循环，单位：次；n为测试循环的累计次数，单位：次；EDT-Ci为第i次循环时分布式储能系统的输入能量，单位：kWh或MWh。
放电过程中系统输出能量表示为EDT-Di检测并计量。
Figure GDA0003213895720000101
式2中，EDT-D为分布式储能系统n次测试循环的总输出能量，单位：kWh或MWh；EDT-Di为第i次循环时分布式储能系统的输出能量，单位：kWh或MWh。
充电功率：PDT-C，是分布式储能系统响应依照测试指令实际充电功率。
放电功率：PDT-D，是分布式储能系统响应依照测试指令实际放电功率。
测试参考功率：PREF，是参考测试曲线指令给出的测试功率。
所述的分布式储能系统性能评估包括:分布式储能系统工况循环效率、能量响应能力和参考信号跟踪能力评估指标。
工况循环效率：ηDT，是分布式储能系统单次循环中的输出工况容量EDT-D与输入工况容量EDT-C的比值。
Figure GDA0003213895720000102
式3中，ηDT为分布式储能系统n次测试循环的工况循环效率，单位：％。
n：循环次数。
能量响应能力：ΔEDT，是分布式储能系统单次循环中的输出工况容量EDT-D和输入工况容量EDT-C与参考测试曲线指令给出的测试能量的差值。
Figure GDA0003213895720000111
式4中，ΔEDT为分布式储能系统n次测试循环的能量响应能力，单位：kWh或MWh；PREFi为分布式储能系统第i次测试循环的测试参考功率，单位：kW或MW；t为分布式储能系统输入、输出能量的时间，单位：h。
参考信号跟踪能力：ΔPDT，是分布式储能系统单次循环中的输出功率PDT-D和输入功率PDT-C与相应的参考测试曲线指令给出的测试功率的差值。
Figure GDA0003213895720000112
式5中，ΔPDT为分布式储能系统n次测试循环的参考信号跟踪能力，单位：kW或MW；PDT-Di为分布式储能系统第i次测试循环中的输出功率，单位：kW或MW；PDT-Ci为分布式储能系统第i次测试循环中的输入功率，单位：kW或MW。
所述的针对广域目标区域目标调度功率信息，分布式储能系统判别调控模式:
在电网处于电能质量时段，依参考信号跟踪能力优先级调度分布式储能系统；
在电网处于用电峰谷时段，依能量响应能力优先级调度分布式储能系统；
在电网处于用电量平段，依工况循环效率优先级调度分布式储能系统。
技术方案说明：
如图1所示，一种基于应用工况性能的广域分布式储能系统调控方法。
获取广域目标区域多点分布式储能系统出力数据、分布式能源发电和负荷数据,针对广域目标区域目标调度功率信息，分布式储能系统判别调控模式:功率模式、能量模式和收益模式。
在电网处于电能质量时段，分布式储能系统执行功率模式；
在电网处于用电峰谷时段，分布式储能系统执行能量模式；
在电网处于用电量平段，分布式储能系统执行收益模式。
采用k-means聚类算法对广域分布式储能系统出力数据进行聚类。
根据聚类结果选取工况性能参考测试模式方法：
1)当连续80～100％额定功率充电，功率的波动率不大于10％，SOC由0～20％充电至80％～100％；连续80～100％额定功率放电，功率的波动率不大于20％，SOC由80％～100％放电至0～20％，24小时连续上述充放电循环不少于1次的聚类结果，该分布式储能系统选取容量模式。
如图2所示，依据工况性能参考测试曲线开展测试。
容量模式：在1个连续24小时的时间段内，在充电窗口中，分布式储能系统应采用0.5倍的额定功率P0持续充电由0％SOC至100％SOC；浮动窗口期间，分布式储能系统采用涓流充电以维持100％SOC；在放电窗口中，分布式储能系统应采用1倍的额定功率持续放电由100％SOC至0％SOC，将储能系统在待机状态下搁置10分钟。循环3次。
2)当充放电功率连续在-P0～P0范围内变化，每小时ΔSOC＝±20％内的聚类结果，该分布式储能系统选取功率模式。
如图3所示，依据工况性能参考测试曲线开展测试。
功率模式：分布式储能系统应采用锯齿波功率持续充放电，功率变化率ΔP＝P0/min，充放电功率范围：-P0～P0，初始SOC＝50％，将储能系统在待机状态下搁置1分钟。循环次数100次。
3)当充电功率连续在0～P0范围内变化，SOC由0～20％充电至80％～100％；放电功率连续在-P0～0范围内变化，SOC由80％～100％放电至0～20％，24小时连续上述充放电循环不少于1次的聚类结果，该分布式储能系统选取混合模式。
如图4所示，依据工况性能参考测试曲线开展测试。
混合模式：在充电窗口中，分布式储能系统应采用锯齿波功率持续充电，功率变化率ΔP＝P0/min，充放电功率范围：0～0.5P0，初始SOC＝0％，持续充电至100％SOC；浮动窗口期间，分布式储能系统应采用锯齿波功率持续充放电，功率变化率ΔP＝P0/min，充放电功率范围：-P0～P0，循环至充放电窗口开始端；在放电窗口中，分布式储能系统应采用锯齿波功率持续放电，功率变化率ΔP＝P0/min，放电功率范围：-P0～0，初始SOC＝100％，持续放电至0％SOC，将储能系统在待机状态下搁置1分钟。循环次数3次。
分布式储能系统应用工况性能参考测试模式分为三类：容量模式、功率模式和混合模式。
记录分布式储能系统基本参数:输入能量、输出能量、充电功率、放电功率、测试参考功率和系统输入、输出能量的时间。
计算分布式储能系统工况循环效率ηDT、能量响应能力ΔEDT、参考信号跟踪能力ΔPDT。
依照广域分布式储能系统各项评价指标分析如下：
广域分布式储能系统的工况循环效率ηDT越高越接近100％，系统的按照度电成本核算分布式储能系统的经济性就越好。
广域分布式储能系统的能量响应能力ΔEDT越小越接近0，系统响应能量需求的能力越强，分布式储能系统的能量可调度性就越好。
广域分布式储能系统的参考信号跟踪能力ΔPDT越小越接近0，系统响应功率需求的能力越强，分布式储能系统的功率可调度性就越好。
在电网处于电能质量时段，依参考信号跟踪能力优先级调度分布式储能系统；在电网处于用电峰谷时段，依能量响应能力优先级调度分布式储能系统；在电网处于用电量平段，依工况循环效率优先级调度分布式储能系统。
本申请保密运行一段时间后，现场技术人员反馈的有益之处在于：
与现有技术相比，以基于应用工况性能开展广域分布式储能系统优化调度，有利于提高系统的可靠性、稳定性、经济性，分布式储能系统在多样化应用场景中的工况适用性，针对工况特征，增强广域分布式储能系统间的互补性，形成分布式储能汇聚应用，促进分布式能源发展。

Claims (7)

1.一种基于应用工况性能的广域分布式储能系统调控方法，其特征在于：包括如下步骤，步骤一:获取广域目标区域分布式储能系统出力数据，将分布式储能系统分类并优先级排序；步骤二：获取广域目标区域分布式能源发电和负荷数据，判别调控模式，若是功率模式执行步骤三，若是能量模式执行步骤四，若是收益模式执行步骤五；步骤三：按照跟踪能力优先级依次调度每一分布式储能系统；步骤四：按照能量优先级依次调度每一分布式储能系统；步骤五：按照效率优先级依次调度每一分布式储能系统；
在步骤一中，获取广域分布式储能系统出力数据；采用k-means聚类算法对广域分布式储能系统出力数据进行聚类；根据聚类结果选取工况性能参考测试模式；依据工况性能参考测试曲线开展测试，记录基本参数；计算广域分布式储能系统评价指标；依据评价指标对广域分布式储能系统按优先级排序；
在步骤一根据聚类结果选取工况性能参考测试模式的步骤中，当恒功率，且容量满充满放的聚类结果，分布式储能系统，判定选取容量模式；当变功率，且容量浅充浅放的聚类结果，分布式储能系统，判定选取功率模式；当变功率，且容量满充满放的聚类结果，分布式储能系统，判定选取混合模式；
在步骤一依据工况性能参考测试曲线开展测试的步骤中，容量模式下的测试方法如下，在1个连续24小时的时间段内，在充电窗口中，分布式储能系统采用0.5倍的额定功率P0持续充电由0％SOC至100％SOC；浮动窗口期间，分布式储能系统采用涓流充电以维持100％SOC；在放电窗口中，分布式储能系统采用1倍的额定功率持续放电由100％SOC至0％SOC，将储能系统在待机状态下搁置10分钟；循环3次；
功率模式下的测试方法如下，分布式储能系统采用锯齿波功率持续充放电，功率变化率ΔP＝P0/min，充放电功率范围：-P0～P0，初始SOC＝50％，将储能系统在待机状态下搁置1分钟；循环次数100次；
混合模式下的测试方法如下，在充电窗口中，分布式储能系统采用锯齿波功率持续充电，功率变化率ΔP＝P0/min，充放电功率范围：0～0.5P0，初始SOC＝0％，持续充电至100％SOC；浮动窗口期间，分布式储能系统采用锯齿波功率持续充放电，功率变化率ΔP＝P0/min，充放电功率范围：-P0～P0，循环至充放电窗口开始端；在放电窗口中，分布式储能系统采用锯齿波功率持续放电，功率变化率ΔP＝P0/min，放电功率范围：-P0～0，初始SOC＝100％，持续放电至0％SOC，将储能系统在待机状态下搁置1分钟；循环次数3次。
2.根据权利要求1所述的一种基于应用工况性能的广域分布式储能系统调控方法，其特征在于：在步骤一计算广域分布式储能系统评价指标的步骤中，分布式储能系统评价指标包括工况循环效率、能量响应能力和参考信号跟踪能力。
3.根据权利要求2所述的一种基于应用工况性能的广域分布式储能系统调控方法，其特征在于：在步骤一计算广域分布式储能系统评价指标的步骤中，工况循环效率为分布式储能系统单次循环的输出工况容量与输入工况容量的比值，
Figure FDA0003213895710000021
式3中，ηDT为工况循环效率，
Figure FDA0003213895710000022
为分布式储能系统单次循环的输出工况容量EDT-D，
Figure FDA0003213895710000023
为分布式储能系统单次循环的输入工况容量EDT-C；
能量响应能力为分布式储能系统单次循环的输出工况容量和输入工况容量与参考测试曲线指令给出的测试能量的差值，
Figure FDA0003213895710000024
式4中，ΔEDT为能量响应能力；
参考信号跟踪能力为分布式储能系统单次循环的输出功率和输入功率与相应的参考测试曲线指令给出的测试功率的差值，
Figure FDA0003213895710000031
式5中，ΔPDT为参考信号跟踪能力。
4.根据权利要求1所述的一种基于应用工况性能的广域分布式储能系统调控方法，其特征在于：在步骤二中，获取分布式能源发电和负荷数据；依广域目标区域调度信息，利用功率和时间分布判别调控模式，调控模式包括功率模式、能量模式和收益模式。
5.根据权利要求4所述的一种基于应用工况性能的广域分布式储能系统调控方法，其特征在于：在步骤二利用功率和时间分布判别调控模式的步骤中，在电网处于电能质量时段，调控模式为功率模式；依参考信号跟踪能力优先级调度分布式储能系统。
6.根据权利要求4所述的一种基于应用工况性能的广域分布式储能系统调控方法，其特征在于：在步骤二利用功率和时间分布判别调控模式的步骤中，在电网处于用电峰谷时段，调控模式为能量模式；依能量响应能力优先级调度分布式储能系统。
7.根据权利要求4所述的一种基于应用工况性能的广域分布式储能系统调控方法，其特征在于：在步骤二利用功率和时间分布判别调控模式的步骤中，在电网处于用电量平段，调控模式为收益模式；依工况循环效率优先级调度分布式储能系统。
CN202010580730.9A 2020-06-23 2020-06-23 一种基于应用工况性能的广域分布式储能系统调控方法 Active CN111884262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010580730.9A CN111884262B (zh) 2020-06-23 2020-06-23 一种基于应用工况性能的广域分布式储能系统调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010580730.9A CN111884262B (zh) 2020-06-23 2020-06-23 一种基于应用工况性能的广域分布式储能系统调控方法

Publications (2)

Publication Number Publication Date
CN111884262A CN111884262A (zh) 2020-11-03
CN111884262B true CN111884262B (zh) 2021-12-31

Family

ID=73156583

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010580730.9A Active CN111884262B (zh) 2020-06-23 2020-06-23 一种基于应用工况性能的广域分布式储能系统调控方法

Country Status (1)

Country Link
CN (1) CN111884262B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190812A (zh) * 2018-08-21 2019-01-11 中国电力科学研究院有限公司 一种基于电动汽车的虚拟储能可用容量预测方法及系统
CN111244919A (zh) * 2020-04-26 2020-06-05 国网河北省电力有限公司电力科学研究院 一种适用于智能分布式fa的配网拓扑自适应识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9960637B2 (en) * 2015-07-04 2018-05-01 Sunverge Energy, Inc. Renewable energy integrated storage and generation systems, apparatus, and methods with cloud distributed energy management services

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190812A (zh) * 2018-08-21 2019-01-11 中国电力科学研究院有限公司 一种基于电动汽车的虚拟储能可用容量预测方法及系统
CN111244919A (zh) * 2020-04-26 2020-06-05 国网河北省电力有限公司电力科学研究院 一种适用于智能分布式fa的配网拓扑自适应识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Enabling High-Density Energy Storage: Design Characteristics of Thermal Matrix Energy Storage and a Highly Conductive Gas Mixture;Anton Pietsch;《2012 International Conference on Smart Grid (SGE)》;20120829;全文 *
基于变功率点跟踪和超级电容器储能调控制的双馈风电机组一次调频策略;颜湘武;《电工技术学报》;20200210;全文 *

Also Published As

Publication number Publication date
CN111884262A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
Brivio et al. Battery energy storage system for primary control reserve and energy arbitrage
CN107565607B (zh) 一种基于实时电价机制的微电网多时间尺度能量调度方法
CN113688567B (zh) 一种考虑冲击负荷的虚拟电厂两阶段优化调度方法
CN111340274A (zh) 一种基于虚拟电厂参与的综合能源系统优化方法和系统
CN111697578B (zh) 多目标含储能区域电网运行控制方法
CN111626527B (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
CN104376385A (zh) 一种微电网电价优化方法
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
Zheng et al. Optimal short-term power dispatch scheduling for a wind farm with battery energy storage system
CN111641233A (zh) 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法
CN112928767B (zh) 一种分布式储能协同控制方法
He et al. Stochastic model predictive control of hybrid energy storage for improving AGC performance of thermal generators
CN110350512A (zh) 一种智能园区新能源发电站调度优化方法及系统
Dong et al. Optimal scheduling framework of electricity-gas-heat integrated energy system based on asynchronous advantage actor-critic algorithm
CN114285093B (zh) 一种源网荷储互动调度方法及系统
CN115187018A (zh) 一种园区综合能源系统双层优化调度方法及装置
CN112510690B (zh) 考虑风火储联合和需求响应奖惩的优化调度方法及系统
CN118017573A (zh) 一种考虑灵活性供需平衡的源网荷储资源规划方法
CN107910866A (zh) 一种考虑需求侧响应不确定性的电力系统日前优化调度方法
CN111884262B (zh) 一种基于应用工况性能的广域分布式储能系统调控方法
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN115577549B (zh) 一种包含多类型资源的虚拟电厂闭环直控方法
CN115115145B (zh) 分布式光伏智能住宅的需求响应调度方法及系统
CN111882155B (zh) 一种分布式储能系统的测试与评价方法
CN115619153A (zh) 动态聚合下考虑分布式资源运行特性的响应方法和装置

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