CN112510723B - 储能集群调控方法、装置、计算机设备和存储介质 - Google Patents

储能集群调控方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112510723B
CN112510723B CN202011145829.2A CN202011145829A CN112510723B CN 112510723 B CN112510723 B CN 112510723B CN 202011145829 A CN202011145829 A CN 202011145829A CN 112510723 B CN112510723 B CN 112510723B
Authority
CN
China
Prior art keywords
energy storage
output
sub
power
storage cluster
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
CN202011145829.2A
Other languages
English (en)
Other versions
CN112510723A (zh
Inventor
陈满
彭鹏
李勇琦
胡振恺
李毓烜
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.)
Peak and Frequency Regulation Power Generation Co of China Southern Power Grid Co Ltd
Original Assignee
Peak and Frequency Regulation Power Generation Co of China Southern Power Grid 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 Peak and Frequency Regulation Power Generation Co of China Southern Power Grid Co Ltd filed Critical Peak and Frequency Regulation Power Generation Co of China Southern Power Grid Co Ltd
Priority to CN202011145829.2A priority Critical patent/CN112510723B/zh
Publication of CN112510723A publication Critical patent/CN112510723A/zh
Application granted granted Critical
Publication of CN112510723B publication Critical patent/CN112510723B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Operations Research (AREA)
  • Geometry (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及一种储能集群调控方法、装置、计算机设备和存储介质。通过在检测到电力系统频率干扰时，获取电力系统的电网频率信息以及电力系统中各个储能集群的第一运行信息；根据第一运行信息，将各个储能集群聚类为多个子储能集群，再将电网频率信息以及多个子储能集群的第二运行信息输入目标函数中，得各个储能设备的功耗最小的目标出力值，从而调整各个储能设备的出力值。相较于传统的通过针对下垂控制和虚拟惯性控制等进行调控策略的制定，本方案通过根据储能集群运行信息以及电力系统的电网频率信息，求解目标函数，从而得到各个储能设备的功耗最小的目标出力值，并基于目标出力值调整各个储能设备，从而实现提高出储能集群的调控效率的效果。

Description

储能集群调控方法、装置、计算机设备和存储介质
技术领域
本申请涉及电网调频技术领域，特别是涉及一种储能集群调控方法、装置、计算机设备和存储介质。
背景技术
电力是维持人们正常工作和生活的重要能源之一，在电网运行过程中，通常需要对电网进行调频，当前阶段，电网调频主要依赖传统的火电机组和水电机组，二者在参与频率调节时都存在一定不足。如火电机组受限于其响应速度慢，爬坡率低等因素常常出现调节量不足现象，而水电机组虽响应速度快，容量储备充足，但受地域和季节的限制。由此可见，仅仅依靠传统的调频机组来参与电网频率调节已经无法满足当今大规模间歇式新能源接入电网的需求，因此引入一种新的调频辅助手段显得尤为必要。
近年来，分布式储能技术迅速发展，其快速的响应特性和精确的功率跟踪能力使其在参与电网辅助调频方面具有显著优势。目前，针对分布式储能参与电网辅助调频，已有国内外相关学者在这方面做了大量研究。例如针对下垂控制和虚拟惯性控制进行调控策略的制定，然而，目前对分布式储能集群在参与电网辅助调频的策略制定方法，不能有效降低系统频率偏差。
因此，目前针对储能集群的调控方法存在调控效率不足的缺陷。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高调控效率的储能集群调控方法、装置、计算机设备和存储介质。
一种储能集群调控方法，所述方法包括：
当检测到电力系统的频率干扰时，获取所述电力系统的电网频率信息以及所述电力系统中的各个储能集群的第一运行信息；
根据所述第一运行信息，按照调频能力将所述各个储能集群进行聚类分组，得到多个子储能集群；
将所述电网频率信息以及所述多个子储能集群的第二运行信息输入目标函数，获取所述目标函数的输出结果，根据所述输出结果，得到使所述多个子储能集群中各个储能设备的功耗最小的目标出力值；
根据所述目标出力值，调整所述多个储能集群中各个储能设备的出力值。
在其中一个实施例中，所述当检测到电力系统的频率干扰时，获取所述电力系统的电网频率信息以及所述电力系统中的各个储能集群的第一运行信息，包括：
当检测到电力系统的频率干扰时，获取所述电力系统的电网频率信息；
获取各个所述储能集群对应的功率、可用容量以及荷电状态，作为所述第一运行信息。
在其中一个实施例中，所述根据所述第一运行信息，按照调频能力将所述各个储能集群进行聚类分组，得到多个子储能集群，包括：
根据各个所述储能集群对应的功率、可用容量以及荷电状态，通过K-means算法将分布在根据所述功率、可用容量以及荷电状态形成的空间坐标系中的各个所述储能集群分为多个子储能集群。
在其中一个实施例中，所述根据各个所述储能集群对应的功率、可用容量以及荷电状态，通过K-means算法将分布在根据所述功率、可用容量以及荷电状态形成的空间坐标系中的各个所述储能集群分为预设数量的子储能集群，包括：
根据各个所述储能集群对应的功率、可用容量以及荷电状态，将各个所述储能集群以离散形式分布在所述空间坐标系；
获取所述空间坐标系中的多个储能设备，作为多个初始样本中心；
根据剩余的各个所述储能设备距离各个所述初始样本中心的距离，将剩余的各个所述储能设备分配至距离最近的初始样本中心对应的分组中，得到多个第一储能集群子分组；
获取各个所述第一储能集群子分组中，所述功率、可用容量以及荷电状态分别对应的平均值；
将各个所述第一储能集群子分组中的储能设备重新分配至所述平均值与所述储能设备对应的功率、可用容量以及荷电状态最接近的第一储能集群子分组中，得到多个第二储能集群子分组；
判断所述多个第二储能集群子分组对应的聚类准则函数是否收敛，若是，则将各个所述第二储能集群子分组作为所述子储能集群。
在其中一个实施例中，所述将所述电网频率信息以及所述多个子储能集群的第二运行信息输入目标函数，获取所述目标函数的输出结果，包括：
获取各个所述子储能集群的扰动平衡约束、充放电功率约束以及能量转换器功率约束；所述扰动平衡约束根据所述电网频率信息得到，所述充放电功率约束根据各个所述子储能集群的出力上限以及出力下限得到，所述能量转换器功率约束根据各个所述子储能集群对应的能量转换器实际输出功率以及各个所述子储能集群对应的额定输出功率得到；
基于所述扰动平衡约束、充放电功率约束以及能量转换器功率约束，求解所述目标函数，得到各个所述子储能集群对应的出力分配系数，作为所述目标函数的输出结果；所述目标函数根据待获取出力分配系数以及各个所述子储能集群的放电功率损耗和充电功率损耗得到。
在其中一个实施例中，所述根据所述输出结果，得到使所述多个子储能集群中各个储能设备的功耗最小的目标出力值，包括：
根据所述出力分配系数以及所述电力系统中所有储能集群对应的总出力值，得到各个所述子储能集群的出力设定值；
根据各个所述子储能集群中各个储能设备的额定充放电功率、各个储能设备的预设荷电状态运行上限、预设荷电状态运行下限、第一预设高运行状态值、第二预设高运行状态值、第一预设低运行状态值以及第二预设低运行状态值，得到各个所述储能设备的出力基准值；所述第一预设高运行状态值大于所述第二预设高运行状态值；所述第一预设低运行状态值小于所述第二预设低运行状态值；
根据所述出力基准值、所述储能设备对应的出力上限以及所述出力设定值，得到所述多个子储能集群中各个储能设备的目标出力值。
在其中一个实施例中，所述根据所述出力基准值、所述储能设备对应的出力上限以及所述出力设定值，得到所述多个子储能集群中各个储能设备的目标出力值，包括：
获取各个所述子储能集群中各个储能设备的出力基准值的和，得到各个所述子储能集群对应的集群出力基准值；
根据各个所述子储能集群的出力设定值与所述子储能集群的集群出力基准值的差，得到出力偏差值；
获取各个所述储能设备的出力上限占所有储能设备的出力上限的和的比重；
根据所述比重以及所述出力偏差值，得到所述储能设备对应的出力修正值；
获取各个所述储能设备的出力基准值与对应的所述出力修正值的和，得到各个所述储能设备对应的目标出力值。
一种储能集群调控装置，所述装置包括：
第一获取模块，用于当检测到电力系统的频率干扰时，获取所述电力系统的电网频率信息以及所述电力系统中的各个储能集群的第一运行信息；
聚类模块，用于根据所述第一运行信息，按照调频能力将所述各个储能集群进行聚类分组，得到多个子储能集群；
第二获取模块，用于将所述电网频率信息以及所述多个子储能集群的第二运行信息输入目标函数，获取所述目标函数的输出结果，根据所述输出结果，得到使所述多个子储能集群中各个储能设备的功耗最小的目标出力值；
调整模块，用于根据所述目标出力值，调整所述多个储能集群中各个储能设备的出力值。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
上述储能集群调控方法、装置、计算机设备和存储介质，通过在检测到电力系统频率干扰时，获取电力系统的电网频率信息以及电力系统中各个储能集群的第一运行信息；并根据第一运行信息，按照调频能力将各个储能集群进行聚类分组，得到多个子储能集群，再将电网频率信息以及多个子储能集群的第二运行信息输入目标函数中，根据目标函数的输出结果，得到多个子储能集群中各个储能设备的功耗最小的目标出力值，并根据目标出力值，调整多个储能集群中各个储能设备的出力值。相较于传统的通过针对下垂控制和虚拟惯性控制等进行调控策略的制定，本方案通过根据储能集群运行信息以及电力系统的电网频率信息，求解目标函数，从而得到各个储能设备的功耗最小的目标出力值，并基于目标出力值，调整各个储能设备，从而实现提高出储能集群的调控效率的效果。
附图说明
图1为一个实施例中储能集群调控方法的应用环境图；
图2为一个实施例中储能集群调控方法的流程示意图；
图3为一个实施例中储能集群调控步骤的结果示意图；
图4为一个实施例中储能集群调控装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的储能集群调控方法，可以应用于如图1所示的应用环境中。其中，控制器102可以与分布式储能集群(GB(s))104进行通信。控制器102可以检测电力系统的频率干扰，在检测到频率干扰时，获取电力系统的电网频率信息以及电力系统中各个储能集群的第一运行信息，并按照调频能力将各个储能集群进行聚类分组，得到多个子储能集群，再将电网频率信息以及多个子储能集群的第二运行信息输入目标函数，得到目标函数的输出结果，从而根据输出结果，得到各个储能设备的功耗最小的目标出力值，控制器102可以根据得到的目标出力值调整电力系统中分布式储能集群104中的各个储能设备的出力值。另外，在一个实施例中，电力系统中还可以包括发电机组调速器模型106以及汽轮机模型108，ΔPc(s)表示电网二次频率调节时所输入的功率；kg为发电机组的单位调节功率；M和D分别对应系统惯性时间常数和负荷频率特性系数；ΔPG(s)为经汽轮机发出的调频功率；Δf(s)表示电网频率波动量；ΔPL(s)表示负荷功率扰动量。
在一个实施例中，如图2所示，提供了一种储能集群调控方法，以该方法应用于图1中的控制器为例进行说明，包括以下步骤：
步骤S202，当检测到电力系统的频率干扰时，获取电力系统的电网频率信息以及电力系统中的各个储能集群的第一运行信息。
其中，电力系统可以是如上述图1所示的区域电力系统，包括控制器102、分布式储能集群104、电机组调速器模型106以及汽轮机模型108等设备。电力系统的频率干扰可以是针对电网负荷功率扰动的干扰，例如出现断崖式上升的负荷功率等，第一运行信息可以是针对储能集群的运行信息，储能集群可以是用于在电力系统中进行放电和充电的，由储能设备组成的群体，其中，储能集群可以包括多个，多个储能集群可以是以分布式配置在电力系统中，储能设备可以是蓄电池等设备。若控制器102检测到上述电力系统中出现频率干扰时，例如电网频率收到一个10KW的阶跃扰动，控制器102可以获取电力系统中电网频率信息以及电力系统中各个储能集群的第一运行信息，具体地，第一运行信息可以包括各个储能集群对应的功率、可用容量以及荷电状态；还可以获取造成频率干扰的电网频率信息，例如负荷扰动量等。其中，储能集群对应的功率可以是该储能集群的整体功率，储能集群对应的可用容量可以是该储能集群的整体可用容量，荷电状态可以是储能设备使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值，常用百分数表示，其取值范围为0～1。
步骤S204，根据第一运行信息，按照调频能力将各个储能集群进行聚类分组，得到多个子储能集群。
其中，第一运行信息可以是储能集群对应的运行信息，包括各个储能集群对应的功率、可用容量以及荷电状态等信息。控制器102可以根据上述获取的第一运行信息，按照调频能力将各个储能集群进行聚类分组，例如将相似调频能力的分布式储能集群进行聚合，从而得到多个子储能集群，即控制器102可以根据各个储能集群对应的功率、可用容量以及荷电状态等信息对储能集群进行聚类分组。其中，控制器102可以根据预设聚类算法对储能集群进行聚类分组。
步骤S206，将电网频率信息以及多个子储能集群的第二运行信息输入目标函数，获取目标函数的输出结果，根据输出结果，得到使多个子储能集群中各个储能设备的功耗最小的目标出力值。
其中，电网频率信息可以是电力系统受到的阶跃扰动，包括负荷扰动量等，子储能集群可以是对上述多个储能集群进行聚类后的多个集群，第二运行信息可以是针对上述子储能集群的运行信息，例如子储能集群的功率、可用容量以及荷电状态等信息。控制器102可以将上述各个子储能集群的第二运行信息，输入目标函数，并获取目标函数的输出结果，根据输出结果，得到各个子储能集群中各个储能设备的功耗最小的目标出力值。其中，目标函数根据各个子储能集群的放电功率损耗、充电功率损耗以及待求解的分配系数得到，控制器102可以基于上述第二运行信息以及电网频率信息得到多个基于目标函数的约束条件，并根据这些约束条件对目标函数进行求解，得到目标函数的输出结果。控制器102还可以根据该输出结果，得到各个子储能集群中各个储能设备的功耗最小的目标出力值，具体地，可以基于储能设备的功率，通过多个函数进行基准值和修正值的求解，从而得到各个储能设备的目标出力值。
步骤S208，根据目标出力值，调整多个储能集群中各个储能设备的出力值。
其中，目标出力值可以是针对电力系统中各个储能设备的功耗最小的出力值。控制器102可以根据目标出力值，调整各个子储能集群中的储能设备的出力值，从而使电力系统可以在受到频率干扰后快速恢复到稳态。具体地，控制器102调整后储能设备的出力值后，电力系统中各项数据的结果示意图可以如图3所示，图3为一个实施例中储能集群调控步骤的结果示意图。由图3(a)可知，电力系统在1时受到一个10KW的阶跃扰动，此时频率偏差发生大幅下降，放电功率BESS和机组出力会开始上升，如图3(b)所示，若不通过储能设备对频率干扰进行调控，则频率偏差将较大，且恢复至稳态的时间会更长，若通过储能设备进行调控，则可以减少频率干扰发生时出现的频率偏差，并且能更快恢复至稳态；如图3(c)所示，若没有储能设备进行出力，则通过传统调频机出力的方式将不能达到较大的出力，若通过储能出力，则可以达到较大的出力值；再如图3(d)所示，当需要储能设备出力时，储能设备的SOC(state of charge，荷电状态)会不断下降。
上述储能集群调控方法中，通过在检测到电力系统频率干扰时，获取电力系统的电网频率信息以及电力系统中各个储能集群的第一运行信息；并根据第一运行信息，按照调频能力将各个储能集群进行聚类分组，得到多个子储能集群，再将电网频率信息以及多个子储能集群的第二运行信息输入目标函数中，根据目标函数的输出结果，得到多个子储能集群中各个储能设备的功耗最小的目标出力值，并根据目标出力值，调整多个储能集群中各个储能设备的出力值。相较于传统的通过针对下垂控制和虚拟惯性控制等进行调控策略的制定，本方案通过根据储能集群运行信息以及电力系统的电网频率信息，求解目标函数，从而得到各个储能设备的功耗最小的目标出力值，并基于目标出力值，调整各个储能设备，从而实现提高出储能集群的调控效率的效果。
在一个实施例中，根据第一运行信息，按照调频能力将各个储能集群进行聚类分组，得到多个子储能集群，包括：根据各个储能集群对应的功率、可用容量以及荷电状态，通过K-means算法将分布在根据功率、可用容量以及荷电状态形成的空间坐标系中的各个储能集群分为多个子储能集群。
本实施例中，储能集群可以是上述电力系统中的多个储能集群，各个储能集群可以包括第一运行信息，例如功率、可用容量和荷电状态等。控制器102可以将各个储能集群的功率、可用状态以及荷电状态，通过预设聚类算法，将储能集群聚类为多个子储能集群。具体地，控制器102可以利用功率、可用状态以及荷电状态形成空间坐标系，并将各个储能集群按照各自的功率、可用状态以及荷电状态，离散分布在上述空间坐标系中，从而控制器102可以根据预设的聚类算法，例如K-means算法，将分布在上述空间坐标系中的各个储能集群进行聚类，例如根据各自的距离以及各个储能集群的第一运行信息的平均值进行聚类，得到多个分组，作为上述多个子储能集群。
通过本实施例，控制器102可以根据第一运行信息以及预设聚类算法，对多个储能集群进行聚类，从而控制器102可以根据聚类后的子储能集群进行目标出力值的获取，提高了储能集群的调控效率。
在一个实施例中，根据各个储能集群对应的功率、可用容量以及荷电状态，通过K-means算法将分布在根据所述功率、可用容量以及荷电状态形成的空间坐标系中的各个储能集群分为预设数量的子储能集群，包括：根据各个储能集群对应的功率、可用容量以及荷电状态，将各个储能集群以离散形式分布在空间坐标系；获取空间坐标系中的多个储能设备，作为多个初始样本中心；根据剩余的各个储能集群距离各个初始样本中心的距离，将剩余的各个储能集群分配至距离最近的初始样本中心对应的分组中，得到多个第一储能集群子分组；获取各个第一储能集群子分组中，功率、可用容量以及荷电状态分别对应的平均值；将各个第一储能集群子分组中的储能设备重新分配至平均值与储能设备对应的功率、可用容量以及荷电状态最接近的第一储能集群子分组中，得到多个第二储能集群子分组；判断多个第二储能集群子分组对应的聚类准则函数是否收敛，若是，则将各个第二储能集群子分组作为子储能集群。
本实施例中，控制器102可以通过预设的聚类算法，例如K-means算法，对多个储能集群进行聚类。控制器102可以获取各个储能集群中各个分布式储能系统的功率、可用容量以及荷电状态等特征量，还可以获取分组数目K，控制器102可以获取所述空间坐标系中的多个储能设备，作为多个初始样本中心，该初始样本中心可以是随机选取，控制器102可以根据剩余的储能设备举例各个初始样本中心的距离，将剩余的各个储能设备分配至距离最近的初始样本中心对应的分组中，得到第一储能集群子分组，即按照距离最近原则进行第一次聚类。
控制器102还可以获取在第一储能集群子分组中，功率对应的平均值、可用容量对应的平均值以及荷电状态对应的平均值，从而得到各个第一储能集群子分组的平均值，控制器102可以将各个第一储能集群子分组中的各个储能设备，按照与上述各个第一储能集群子分组的平均值最接近的方式，分配至各个第一储能集群子分组中，从而得到多个第二储能集群子分组。控制器102还可以对各个第二储能集群子分组对应的聚类准则函数是否收敛，若是，则可以将各个第二储能集群子分组，作为子储能集群，例如得到分组G1、G2、G3、G4、G5、G6等。若否，则继续根据上述平均值最接近的方式，对第二储能集群子分组进行再次划分，直到上述预设准则函数收敛。
通过本实施例，控制器102根据第一运行信息以及预设聚类算法，对多个储能集群进行多次聚类，从而控制器102可以根据聚类后的子储能集群进行目标出力值的获取，提高了储能集群的调控效率。
在一个实施例中，将电网频率信息以及多个子储能集群的第二运行信息输入目标函数，获取目标函数的输出结果，包括：获取各个子储能集群的扰动平衡约束、充放电功率约束以及能量转换器功率约束；扰动平衡约束根据电网频率信息得到，充放电功率约束根据各个子储能集群的出力上限以及出力下限得到，能量转换器功率约束根据各个子储能集群对应的能量转换器实际输出功率以及各个子储能集群对应的额定输出功率得到；基于扰动平衡约束、充放电功率约束以及能量转换器功率约束，求解目标函数，得到各个子储能集群对应的出力分配系数，作为目标函数的输出结果；目标函数根据待获取出力分配系数以及各个子储能集群的放电功率损耗和充电功率损耗得到。
本实施例中，电网频率信息可以包括负荷扰动量等信息，第二运行信息可以是上述多个子储能集群的运行信息，目标函数可以是基于待获取出力分配系数以及各个子储能集群的放电功率损耗和充电功率损耗得到的目标函数，控制器102可以根据多个约束条件，对目标函数进行求解，得到输出结果，即上述出力分配系数。其中约束条件可以包括扰动平衡约束、充放电功率约束以及能量转换器功率约束。具体地，目标函数可以如下式所示：
其中，Pall表示分布式储能整体集群出力值(放电为正，充电为负)，即控制器102可以根据储能整体集群出力值的正负，使用不同的目标函数，和/>分别为第i个子储能集群的放电功率损耗和充电功率损耗，可以由各储能设备效率数据按容量权值求和得出，α可以是待获取的出力分配系数，即上述目标函数的输出值为上述待获取的出力分配系数。
控制器102还可以为目标函数设定多个约束条件，并基于多个约束条件对目标函数进行求解，其中，扰动平衡约束可以如下式所示：
ΔPL＝Pall；
其中，ΔPL表示负荷的扰动量，PGi为各组子储能集群的出力值总和。由上式可知，负荷扰动量应与各组子储能集群的出力值总和相等，以使受到干扰的电网频率恢复正常。
充放电功率约束可以如下式所示：
PGi，min≤PGi≤PGi，max；
其中，Pbess，j，max表示各个子储能集群中各个储能单元的出力上限；Pbess，j，min表示各个子储能集群中各个储能设备的出力下限；PGi,max和PGi,min表示各组的出力上限和出力下限，N为组内分布式储能数量。由上式可知，各组子储能集群的整体出力值不能低于上述各组的出力上限和出力下限。
能量转换器功率约束可以如下式所示：
PGi，PCS≤PGi，PCS，N；
其中，PGi，PCS为各分组中储能设备能量转换器输出功率总和，PGi，PCS，N为各分组中储能设备能量转换器额定输出功率总和。由上式可知，各个子储能集群的能量转换器输出功率应小于等于其额定输出功率总和。
控制器102可以基于上述扰动平衡约束、充放电功率约束以及能量转换器功率约束，求解目标函数，得到各个子储能集群对应的出力分配系数，例如α1、α2、α3…αk等。
通过本实施例，控制器102可以基于多种约束条件，对根据待获取出力分配系数以及各个子储能集群的放电功率损耗和充电功率损耗得到的目标函数进行分配系数的求解，从而可以根据分配系数得到上述功耗最小的目标出力值，提高了储能集群的调控效率。
在一个实施例中，根据输出结果，得到使多个子储能集群中各个储能设备的功耗最小的目标出力值，包括：根据出力分配系数以及电力系统中所有储能集群对应的总出力值，得到各个子储能集群的出力设定值；根据各个子储能集群中各个储能设备的额定充放电功率、各个储能设备的预设荷电状态运行上限、预设荷电状态运行下限、第一预设高运行状态值、第二预设高运行状态值、第一预设低运行状态值以及第二预设低运行状态值，得到各个储能设备的出力基准值；第一预设高运行状态值大于所述第二预设高运行状态值；第一预设低运行状态值小于所述第二预设低运行状态值；根据出力基准值、储能设备对应的出力上限以及所述出力设定值，得到多个子储能集群中各个储能设备的目标出力值。
本实施例中，控制器102可以根据上述目标函数得到针对各子储能集群的出力分配系数，控制器102可以根据上述各子储能集群的出力分配系数，计算得到各个子储能集群的出力设定值，控制器102可以根据出力分配系数以及电力系统中所有储能集群对应的总出力值，得到各个子储能集群的出力设定值。具体地，出力设定值的公式可以如下所示：
PGi＝αi×Pall(i＝1，2，3，L，k)；
其中，PGi为各组子储能集群的出力设定值，Pall表示分布式储能整体集群出力值(放电为正，充电为负)，αi为出力分配系数。由上式可知，控制器102可以根据各个子储能集群的出力分配系数，将储能整体集群的出力设定值按照各个子储能集群的处理分配系数，得到各组子储能集群的出力设定值。
控制器102还可以根据预设的公式得到子储能集群中，各个储能设备的出力基准值，控制器102可以获取子储能集群中各个储能设备的额定充放电功率、各个储能设备的预设荷电状态运行上限SOCmax以及预设荷电状态运行下限SOCmin、储能设备的第一预设高运行状态值，即较高值SOChigh、第二预设高运行状态值，即适高值SOC2、第一预设低运行状态值，即较低值SOClow、以及第二预设低运行状态值，即适低值SOC1，即控制器102可以在各个子储能集群中，以SOChigh、SOClow、SOC2、SOC1、SOCmax、SOCmin为分界线，将储能设备放电时的荷电状态，分为较高值、较低值、适高值、适低值、运行上限和运行下限。其中，第一预设高运行状态值大于所述第二预设高运行状态值；第一预设低运行状态值小于所述第二预设低运行状态值。具体地，上述出力基准值的计算公式可以如下所示：
其中，Pbess_ref表示储能设备的放电功率，即出力基准值，Prated表示储能设备额定充放电功率，n为方程的幂指数，可以取为1。由上式可知，控制器102可以根据储能设备的荷电状态，采用不同的公式确定储能设备的出力基准值，即放电功率。
控制器102还可以根据上述出力基准值、上述储能设备对应的出力上限和上述出力设定值，确定多个子储能集群中各个储能设备的目标出力值，例如，可以通过预设偏差计算公式，得到出力基准值的偏差，根据预设修正量计算公式，得到各储能设备的修正量，再基于上述出力基准值、出力设定值以及上述修正量，得到各储能设备的目标出力值。
通过本实施例，控制器102可以利用出力分配系数得到子储能集群的出力设定值，并基于多个荷电状态分界线，对储能设备的出力基准值进行求解，从而可以根据出力基准值、储能设备对应的出力上限和子储能集群的出力设定值，得到储能设备的目标出力值，提高了储能集群的调控效率。
在一个实施例中，根据出力基准值、储能设备对应的出力上限以及出力设定值，得到多个子储能集群中各个储能设备的目标出力值，包括：获取各个子储能集群中各个储能设备的出力基准值的和，得到各个子储能集群对应的集群出力基准值；根据各个子储能集群的出力设定值与子储能集群的集群出力基准值的差，得到出力偏差值；获取各个储能设备的出力上限占所有储能设备的出力上限的和的比重；根据比重以及所述出力偏差值，得到储能设备对应的出力修正值；获取各个储能设备的出力基准值与对应的出力修正值的和，得到各个储能设备对应的目标出力值。
本实施例中，控制器102可以根据各个子储能集群的出力设定值、由各个子储能集群中的各个储能设备的出力基准值汇总得到的该子储能集群的出力基准值，通过预设的公式得到各个储能设备对应的出力设定值，即目标出力值。具体地，控制器102可以获取子储能集群中各个储能设备的出力基准值的和，从而得到各个子储能集群对应的集群出力基准值，控制器102还可以获取各个子储能集群的出力设定值和上述集群出力基准值的差，得到出力偏差值，具体地，出力偏差值的计算公式可以如下所示：
其中，ΔPGi可以是上述出力偏差值，Pbess_ref表示储能设备的放电功率，即出力基准值，PGi为各组子储能集群的出力设定值。控制器102可以通过上式得到出力偏差值，从而可以提高储能设备的目标出力值的准确度。
控制器102可以基于上述得到的出力偏差值，以及各个储能设备的出力上限占所有储能设备的出力上限的总和的比重，得到各个储能设备对应的出力修正量，具体地，出力修正量的计算公式可以如下所示：
ΔPbess，j＝ΔPGi·βj；
其中，βj可以是第j个储能设备的出力上限占所有储能设备的出力上限的总和的比重，各个储能设备对应的比重的和可以为1；Pbess，j，max可以是第j个储能设备的出力上限；ΔPbess，j可以是第j个储能设备的出力修正量。
控制器102还可以获取各个储能设备的出力基准值以及各个储能设备的出力修正量的和，得到各个储能设备的目标出力值。具体地，目标出力值的公式可以如下所示：
Pbess，j＝Pbess_ref+ΔPbess，j；
其中，ΔPbess，j可以是第j个储能设备的出力修正量，Pbess_ref表示储能设备的放电功率，即出力基准值，Pbess，j可以是第j个储能设备的目标出力值。
通过本实施例，控制器102可以根据子储能集群的出力设定值、子储能集群的出力基准值、储能设备的出力上限、储能设备的出力修正量以及储能设备的出力基准值，利用多个公式得到电力系统中各个储能设备的功耗最小的目标出力值，从而提高了储能集群的调控效率。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种储能集群调控装置，包括：第一获取模块500、聚类模块502、第二获取模块504和调整模块506，其中：
第一获取模块500，用于当检测到电力系统的频率干扰时，获取电力系统的电网频率信息以及电力系统中的各个储能集群的第一运行信息。
聚类模块502，用于根据第一运行信息，按照调频能力将各个储能集群进行聚类分组，得到多个子储能集群。
第二获取模块504，用于将电网频率信息以及多个子储能集群的第二运行信息输入目标函数，获取目标函数的输出结果，根据输出结果，得到使多个子储能集群中各个储能设备的功耗最小的目标出力值。
调整模块506，用于根据目标出力值，调整多个储能集群中各个储能设备的出力值。
在一个实施例中，上述第一获取模块500，具体用于当检测到电力系统的频率干扰时，获取电力系统的电网频率信息；获取各个储能集群对应的功率、可用容量以及荷电状态，作为第一运行信息。
在一个实施例中，上述聚类模块502，具体用于根据各个储能集群对应的功率、可用容量以及荷电状态，通过K-means算法将分布在根据功率、可用容量以及荷电状态形成的空间坐标系中的各个储能集群分为多个子储能集群。
在一个实施例中，上述聚类模块502，具体用于根据各个储能集群对应的功率、可用容量以及荷电状态，将各个储能集群以离散形式分布在空间坐标系；获取空间坐标系中的多个储能设备，作为多个初始样本中心；根据剩余的各个储能集群距离各个初始样本中心的距离，将剩余的各个储能集群分配至距离最近的初始样本中心对应的分组中，得到多个第一储能集群子分组；获取各个第一储能集群子分组中，功率、可用容量以及荷电状态分别对应的平均值；将各个第一储能集群子分组中的储能设备重新分配至平均值与储能设备对应的功率、可用容量以及荷电状态最接近的第一储能集群子分组中，得到多个第二储能集群子分组；判断多个第二储能集群子分组对应的聚类准则函数是否收敛，若是，则将各个第二储能集群子分组作为子储能集群。
在一个实施例中，上述第二获取模块504，具体用于获取各个子储能集群的扰动平衡约束、充放电功率约束以及能量转换器功率约束；扰动平衡约束根据电网频率信息得到，充放电功率约束根据各个子储能集群的出力上限以及出力下限得到，能量转换器功率约束根据各个子储能集群对应的能量转换器实际输出功率以及各个子储能集群对应的额定输出功率得到；基于扰动平衡约束、充放电功率约束以及能量转换器功率约束，求解目标函数，得到各个子储能集群对应的出力分配系数，作为目标函数的输出结果；目标函数根据待获取出力分配系数以及各个子储能集群的放电功率损耗和充电功率损耗得到。
在一个实施例中，上述第二获取模块504，具体用于根据出力分配系数以及电力系统中所有储能集群对应的总出力值，得到各个子储能集群的出力设定值；根据各个子储能集群中各个储能设备的额定充放电功率、各个储能设备的预设荷电状态运行上限、预设荷电状态运行下限、第一预设高运行状态值、第二预设高运行状态值、第一预设低运行状态值以及第二预设低运行状态值，得到各个储能设备的出力基准值；第一预设高运行状态值大于所述第二预设高运行状态值；第一预设低运行状态值小于所述第二预设低运行状态值；根据出力基准值、储能设备对应的出力上限以及所述出力设定值，得到多个子储能集群中各个储能设备的目标出力值。
在一个实施例中，上述第二获取模块504，具体用于获取各个子储能集群中各个储能设备的出力基准值的和，得到各个子储能集群对应的集群出力基准值；根据各个子储能集群的出力设定值与子储能集群的集群出力基准值的差，得到出力偏差值；获取各个储能设备的出力上限占所有储能设备的出力上限的和的比重；根据比重以及所述出力偏差值，得到储能设备对应的出力修正值；获取各个储能设备的出力基准值与对应的出力修正值的和，得到各个储能设备对应的目标出力值。
关于储能集群调控装置的具体限定可以参见上文中对于储能集群调控方法的限定，在此不再赘述。上述储能集群调控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是控制器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储储能集群运行信息和配置数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种储能集群调控方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述的储能集群调控方法。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的储能集群调控方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种储能集群调控方法，其特征在于，所述方法包括：
当检测到电力系统的频率干扰时，获取所述电力系统的电网频率信息以及所述电力系统中的各个储能集群的第一运行信息；所述第一运行信息包括所述各个储能集群对应的功率、可用容量以及荷电状态；
根据各个所述储能集群对应的功率、可用容量以及荷电状态，通过K-means算法将分布在根据所述功率、可用容量以及荷电状态形成的空间坐标系中的各个所述储能集群分为多个子储能集群，包括：根据各个所述储能集群对应的功率、可用容量以及荷电状态，将各个所述储能集群以离散形式分布在所述空间坐标系；获取所述空间坐标系中的多个储能设备，作为多个初始样本中心；根据剩余的各个所述储能设备距离各个所述初始样本中心的距离，将剩余的各个所述储能设备分配至距离最近的初始样本中心对应的分组中，得到多个第一储能集群子分组；获取各个所述第一储能集群子分组中，所述功率、可用容量以及荷电状态分别对应的平均值；将各个所述第一储能集群子分组中的储能设备重新分配至所述平均值与所述储能设备对应的功率、可用容量以及荷电状态最接近的第一储能集群子分组中，得到多个第二储能集群子分组；判断所述多个第二储能集群子分组对应的聚类准则函数是否收敛，若是，则将各个所述第二储能集群子分组作为所述子储能集群；
获取各个所述子储能集群的扰动平衡约束、充放电功率约束以及能量转换器功率约束；所述扰动平衡约束根据所述电网频率信息得到，所述充放电功率约束根据各个所述子储能集群的出力上限以及出力下限得到，所述能量转换器功率约束根据各个所述子储能集群对应的能量转换器实际输出功率以及各个所述子储能集群对应的额定输出功率得到；
基于所述扰动平衡约束、充放电功率约束以及能量转换器功率约束，求解目标函数，得到各个所述子储能集群对应的出力分配系数，作为所述目标函数的输出结果；所述目标函数根据待获取出力分配系数以及各个所述子储能集群的放电功率损耗和充电功率损耗得到，根据所述输出结果，得到使所述多个子储能集群中各个储能设备的功耗最小的目标出力值；
根据所述目标出力值，调整所述多个储能集群中各个储能设备的出力值。
2.根据权利要求1所述的方法，其特征在于，所述当检测到电力系统的频率干扰时，获取所述电力系统的电网频率信息以及所述电力系统中的各个储能集群的第一运行信息，包括：
当检测到电力系统的频率干扰时，获取所述电力系统的电网频率信息；
获取各个所述储能集群对应的功率、可用容量以及荷电状态，作为所述第一运行信息。
3.根据权利要求1所述的方法，其特征在于，所述根据所述输出结果，得到使所述多个子储能集群中各个储能设备的功耗最小的目标出力值，还包括：
根据所述出力分配系数以及所述电力系统中所有储能集群对应的总出力值，得到各个所述子储能集群的出力设定值；
根据各个所述子储能集群中各个储能设备的额定充放电功率、各个储能设备的预设荷电状态运行上限、预设荷电状态运行下限、第一预设高运行状态值、第二预设高运行状态值、第一预设低运行状态值以及第二预设低运行状态值，得到各个所述储能设备的出力基准值；所述第一预设高运行状态值大于所述第二预设高运行状态值；所述第一预设低运行状态值小于所述第二预设低运行状态值；
根据所述出力基准值、所述储能设备对应的出力上限以及所述出力设定值，得到所述多个子储能集群中各个储能设备的目标出力值。
4.根据权利要求3所述的方法，其特征在于，所述根据所述出力基准值、所述储能设备对应的出力上限以及所述出力设定值，得到所述多个子储能集群中各个储能设备的目标出力值，还包括：
获取各个所述子储能集群中各个储能设备的出力基准值的和，得到各个所述子储能集群对应的集群出力基准值；
根据各个所述子储能集群的出力设定值与所述子储能集群的集群出力基准值的差，得到出力偏差值；
获取各个所述储能设备的出力上限占所有储能设备的出力上限的和的比重；
根据所述比重以及所述出力偏差值，得到所述储能设备对应的出力修正值；
获取各个所述储能设备的出力基准值与对应的所述出力修正值的和，得到各个所述储能设备对应的目标出力值。
5.一种储能集群调控装置，其特征在于，所述装置包括：
第一获取模块，用于当检测到电力系统的频率干扰时，获取所述电力系统的电网频率信息以及所述电力系统中的各个储能集群的第一运行信息；所述第一运行信息包括所述各个储能集群对应的功率、可用容量以及荷电状态；
聚类模块，用于根据各个所述储能集群对应的功率、可用容量以及荷电状态，通过K-means算法将分布在根据所述功率、可用容量以及荷电状态形成的空间坐标系中的各个所述储能集群分为多个子储能集群，具体用于根据各个所述储能集群对应的功率、可用容量以及荷电状态，将各个所述储能集群以离散形式分布在所述空间坐标系；获取所述空间坐标系中的多个储能设备，作为多个初始样本中心；根据剩余的各个所述储能设备距离各个所述初始样本中心的距离，将剩余的各个所述储能设备分配至距离最近的初始样本中心对应的分组中，得到多个第一储能集群子分组；获取各个所述第一储能集群子分组中，所述功率、可用容量以及荷电状态分别对应的平均值；将各个所述第一储能集群子分组中的储能设备重新分配至所述平均值与所述储能设备对应的功率、可用容量以及荷电状态最接近的第一储能集群子分组中，得到多个第二储能集群子分组；判断所述多个第二储能集群子分组对应的聚类准则函数是否收敛，若是，则将各个所述第二储能集群子分组作为所述子储能集群；
第二获取模块，用于获取各个所述子储能集群的扰动平衡约束、充放电功率约束以及能量转换器功率约束；所述扰动平衡约束根据所述电网频率信息得到，所述充放电功率约束根据各个所述子储能集群的出力上限以及出力下限得到，所述能量转换器功率约束根据各个所述子储能集群对应的能量转换器实际输出功率以及各个所述子储能集群对应的额定输出功率得到；基于所述扰动平衡约束、充放电功率约束以及能量转换器功率约束，求解目标函数，得到各个所述子储能集群对应的出力分配系数，作为所述目标函数的输出结果；所述目标函数根据待获取出力分配系数以及各个所述子储能集群的放电功率损耗和充电功率损耗得到，根据所述输出结果，得到使所述多个子储能集群中各个储能设备的功耗最小的目标出力值；
调整模块，用于根据所述目标出力值，调整所述多个储能集群中各个储能设备的出力值。
6.根据权利要求5所述的装置，其特征在于，所述第二获取模块，还用于：
根据所述出力分配系数以及所述电力系统中所有储能集群对应的总出力值，得到各个所述子储能集群的出力设定值；
根据各个所述子储能集群中各个储能设备的额定充放电功率、各个储能设备的预设荷电状态运行上限、预设荷电状态运行下限、第一预设高运行状态值、第二预设高运行状态值、第一预设低运行状态值以及第二预设低运行状态值，得到各个所述储能设备的出力基准值；所述第一预设高运行状态值大于所述第二预设高运行状态值；所述第一预设低运行状态值小于所述第二预设低运行状态值；
根据所述出力基准值、所述储能设备对应的出力上限以及所述出力设定值，得到所述多个子储能集群中各个储能设备的目标出力值。
7.根据权利要求5所述的装置，其特征在于，所述聚类模块，具体用于：
根据各个所述储能集群对应的功率、可用容量以及荷电状态，将各个所述储能集群以离散形式分布在所述空间坐标系；
获取所述空间坐标系中的多个储能设备，作为多个初始样本中心；
根据剩余的各个所述储能设备距离各个所述初始样本中心的距离，将剩余的各个所述储能设备分配至距离最近的初始样本中心对应的分组中，得到多个第一储能集群子分组；
获取各个所述第一储能集群子分组中，所述功率、可用容量以及荷电状态分别对应的平均值；
将各个所述第一储能集群子分组中的储能设备重新分配至所述平均值与所述储能设备对应的功率、可用容量以及荷电状态最接近的第一储能集群子分组中，得到多个第二储能集群子分组；
判断所述多个第二储能集群子分组对应的聚类准则函数是否收敛，若是，则将各个所述第二储能集群子分组作为所述子储能集群。
8.根据权利要求7所述的装置，其特征在于，所述第二获取模块，还用于：
获取各个所述子储能集群中各个储能设备的出力基准值的和，得到各个所述子储能集群对应的集群出力基准值；
根据各个所述子储能集群的出力设定值与所述子储能集群的集群出力基准值的差，得到出力偏差值；
获取各个所述储能设备的出力上限占所有储能设备的出力上限的和的比重；
根据所述比重以及所述出力偏差值，得到所述储能设备对应的出力修正值；
获取各个所述储能设备的出力基准值与对应的所述出力修正值的和，得到各个所述储能设备对应的目标出力值。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
CN202011145829.2A 2020-10-23 2020-10-23 储能集群调控方法、装置、计算机设备和存储介质 Active CN112510723B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011145829.2A CN112510723B (zh) 2020-10-23 2020-10-23 储能集群调控方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011145829.2A CN112510723B (zh) 2020-10-23 2020-10-23 储能集群调控方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN112510723A CN112510723A (zh) 2021-03-16
CN112510723B true CN112510723B (zh) 2023-09-15

Family

ID=74954892

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011145829.2A Active CN112510723B (zh) 2020-10-23 2020-10-23 储能集群调控方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN112510723B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114362201B (zh) * 2021-12-29 2024-03-12 华北电力科学研究院有限责任公司 电网功率平衡控制方法、装置及储能电站集群
CN115498661B (zh) * 2022-11-18 2023-01-17 中国电力科学研究院有限公司 一种计及新能源的电力系统调频参数聚合方法及系统
CN117060597B (zh) * 2023-08-23 2024-05-07 嘉兴正弦电气有限公司 一种储能电站的储能协调控制方法及系统
CN117728498B (zh) * 2023-12-19 2024-06-07 国网青海省电力公司清洁能源发展研究院 一种应用储能装置的电网稳定性的控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108599194A (zh) * 2018-04-27 2018-09-28 东南大学 一种计及储能浅充浅放需求的调频控制方法
CN109193719A (zh) * 2018-08-03 2019-01-11 中国电力科学研究院有限公司 一种评估分布式储能系统聚合调频性能的建模方法和系统
CN111697597A (zh) * 2020-07-27 2020-09-22 国网江苏省电力有限公司 一种基于粒子群算法的火储联合agc调频控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108599194A (zh) * 2018-04-27 2018-09-28 东南大学 一种计及储能浅充浅放需求的调频控制方法
CN109193719A (zh) * 2018-08-03 2019-01-11 中国电力科学研究院有限公司 一种评估分布式储能系统聚合调频性能的建模方法和系统
CN111697597A (zh) * 2020-07-27 2020-09-22 国网江苏省电力有限公司 一种基于粒子群算法的火储联合agc调频控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
规模化分布式储能聚合建模及其协同优化调控策略研究;尹渠凯;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20200115;正文第31页 *

Also Published As

Publication number Publication date
CN112510723A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN112510723B (zh) 储能集群调控方法、装置、计算机设备和存储介质
WO2021164112A1 (zh) 风电场优化配置储能作为黑启动电源的频率控制方法及系统
CN109787282B (zh) 一种规模化储能参与新能源场站无功协调控制方法和系统
CN107465204B (zh) 一种储能电站中多电池组功率优化分配方法和装置
CN109345019B (zh) 一种基于改进粒子群算法的微电网经济调度优化策略
CN112152242A (zh) 一种风电机组与储能协同参与系统频率调节的方法和系统
CN111697578B (zh) 多目标含储能区域电网运行控制方法
CN103986190A (zh) 基于发电功率曲线的风光储联合发电系统平滑控制方法
CN115102239B (zh) 一种考虑soc均衡的储能电站一次调频控制方法及系统
CN112952862B (zh) 平抑风电功率波动的混合储能分频协调控制器及实现方法
WO2019165637A1 (zh) 风电场群有功功率的控制方法及装置
CN117175616A (zh) 基于二维动态减载与双层mpc的风储联合调频方法
CN114156912B (zh) 一种混合储能用于一次调频的能量管理方法及系统
CN110752598A (zh) 多点分布式储能系统灵活性评价方法和装置
CN115882527B (zh) 考虑储能的新能源站下垂特性一次调频协调控制方法
CN113113916A (zh) 一种舰船综合电力系统中多目标能量调控方法
CN115238992B (zh) 一种电力系统源荷储的协调优化方法、装置及电子设备
CN110970939A (zh) 一种分布式能源集群优化方法及系统
CN112884316B (zh) 电力调控方法、装置、计算机设备和存储介质
CN112186794A (zh) 一种光伏电站无功功率控制方法和装置
CN114447953A (zh) 一种风电场惯量调频协调控制方法和系统
CN113852093A (zh) 一种储能装置与多晶硅负荷聚合调频方法及系统
CN109066797B (zh) 含光伏发电的电力系统运行控制方法及装置
CN116345583B (zh) 一种电网供电功率调节方法及系统
CN110061513B (zh) 动态分段投入混合储能装置的爬坡控制方法、系统和装置

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