CN112803464B - 一种储能系统充放电控制方法、系统、设备和存储介质 - Google Patents

Abstract

一种储能系统充放电控制方法、系统、设备和存储介质，根据光伏发电预测功率和快充电站负荷日前预测功率，计算光储快充电站日前预测的等效负荷功率；在快充电站成本最小且快充电站整体负荷峰谷差率最小时，求解充放电控制目标函数，得到储能充放电功率根据光储快充电站日前预测的等效负荷功率和实际等效负荷功率的误差，对储能充放电功率优化，得到优化后的储能充放电功率。本发明考虑了光伏、负荷功率预测的不确定性，基于预测误差对储能充放电功率进行实时修正与优化，使修正和优化后的储能充放电功率更加符合实际。本发明实时优化储能系统的充放电功率，满足快充电站负荷需求。

Description

一种储能系统充放电控制方法、系统、设备和存储介质

技术领域

本发明属于储能系统控制领域，主要涉及一种储能系统充放电控制方法、系统、设备和存储介质。

背景技术

随着新能源汽车保有量逐年增加，电动汽车产业飞速发展的同时，电动汽车配套基础设施的建设也在加速发展。电动汽车及其配套充电基础设施的大规模接入给配电网的运行和带来了一系列的影响。尤其是快充电站采用非车载直流充电模式实现，充电功率更大。在快充电站中配置储能系统，是应对未来大规模快充电站接入对配电网影响的有效手段。首先，在快充电站内增加储能系统可使充电站整体对配电网呈现“柔性”负荷特性，一方面减小对配电网的冲击，另一方面，可在电网用电低谷时从电网吸收部分电能为储能系统充电，而在充电负荷或电网负荷高峰时释放储存的电能，起到削峰填谷作用；其次，配置储能单元可减小或避免配电网额外的容量投资；再次，设计光储充一体化的充电站，充分利用光伏和储能系统特性，快充电站优先利用光伏发电，当光伏发电有剩余时，储能系统进行充电，快充电站负荷高峰时储能系统放电，从而节省快充电站从电网的购电费用。

在光储快充电站中，应对储能系统的充放电进行优化控制，否则容易导致快充电站负荷低谷时光伏电站电能溢出，负荷高峰时储备不足购买高价电。同时由于光伏、负荷日前预测与实际出力会有一定的误差，在预测误差较大的情况下，如何控制好电池储能系统的荷电状态，实时优化控制储能系统的出力对于快充电站整体的优化控制有着重要意义。

发明内容

为克服现有技术中的问题，本发明的目的在于提供一种储能系统充放电控制方法、系统、设备和存储介质。

为实现上述目的，本发明采用的技术方案如下：

一种储能系统充放电控制方法，包括以下步骤：

求解快充电站成本最小且快充电站整体负荷峰谷差率最小时的充放电控制目标函数，得到储能充放电功率；

根据光储快充电站日前预测的等效负荷功率和实际等效负荷功率的误差，对储能充放电功率优化，得到优化后的储能充放电功率。

本发明进一步的改进在于，光储快充电站日前预测的等效负荷功率通过下式计算：

P_REF ^yc(t)＝P_EV ^yc(t)-P_PV ^yc(t)

其中，P_REF ^yc(t)为光储快充电站日前预测的等效负荷功率，P_EV ^yc(t)为快充电站充电负荷预测功率，P_PV ^yc(t)为光伏发电预测功率，t表示时刻。

本发明进一步的改进在于，光储快充电站日前预测的等效负荷功率和实际等效负荷功率的误差通过下式计算：

式中，

表示实际等效负荷功率，P_REF ^yc(t)表示光储快充电站日前预测的等效负荷功率。

本发明进一步的改进在于，充放电控制目标函数如下：

f＝min(θ₁f₁+θ₂f₂)

式中，f为目标函数，θ₁为成本的权重系数，θ₂为峰谷差率的权重系数，C为光储快充电站日运行成本，

为峰谷差率，f₁为光储快充电站日运行成本C的归一化指标，f₂为峰谷差率

的归一化指标；

充放电控制目标函数的约束条件包括：

储能充放电功率约束：

PB_min≤PB(t)≤PB_max (8)

其中，PB_min为储能充放电功率最小值，PB_max分别为储能充放电功率最大值；

储能SOC约束：

SOC_min≤SOC(t)≤SOC_max

其中，SOC_max和SOC_min分别为储能系统的SOC上下限；η_charge和η_discharge分别为储能系统的充放电效率；E_rate为储能系统的额定容量；

P_A(t)＝P_REF(t)-PB(t) (10)。

本发明进一步的改进在于，光储快充电站日运行成本C通过下式计算：

C＝C₁+C₂

其中，C₁为电网购电成本，C₂为储能系统使用成本；

电网购电成本C₁通过下式计算：

其中，k_p(t)为电网实时电价，P_A(t)表示向电网购电时的功率，Δt为时间间隔，T为从电网购电的总时间，t为时刻；

储能系统使用成本C₂通过下式计算：

C₂＝C₃-C₄

其中，C₄为储能系统的电价套利，C₃为储能系统日运行成本；

式中，k_b为折算后的储能单位放电量成本，PB(t)为储能系统功率，k_p(t)为电网实时电价。

本发明进一步的改进在于，快充电站整体负荷峰谷差率通过下式计算：

P_up＝max(P_REF(t)+PB(t))

P_low＝min(P_REF(t)+PB(t))

其中，

为快充电站整体负荷峰谷差率，P_up为上限功率，P_REF(t)为等效负荷功率，PB为储能系统功率；P_low为下限功率。

本发明进一步的改进在于，根据光储快充电站日前预测的等效负荷功率和实际等效负荷功率的误差，对储能充放电功率优化，得到优化后的储能充放电功率，包括如下步骤：

当P_REF ^yc(t)>0，λ>0时，储能充放电功率为

λ＝0时，储能充放电功率为PB(t)，λ<0时，储能充放电功率为

当P_REF ^yc(t)<0时，λ>0时，储能充放电功率为

λ＝0时，储能充放电功率为PB(t)，λ<0时，储能充放电功率为

一种储能系统充放电控制系统，包括：

储能充放电功率计算模块，用于求解快充电站成本最小且快充电站整体负荷峰谷差率最小时的充放电控制目标函数，得到储能充放电功率；

储能充放电功率优化模块，用于根据光储快充电站日前预测的等效负荷功率和实际等效负荷功率的误差，对储能充放电功率优化，得到优化后的储能充放电功率。

一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器上存储有能在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的储能系统充放电控制方法。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如上所述的储能系统充放电控制方法。

与现有技术相比，本发明具有的有益效果：

本发明在光储快充电站中，为了实现充电站收益最大化和峰谷差率最小化的目的，通过求解充放电控制目标函数，得到储能充放电功率，再进行优化，得到优化后的储能充放电功率，实现对储能系统充放电的控制。本发明考虑了光伏、负荷功率预测的不确定性，基于预测误差对储能充放电功率进行实时修正与优化，使修正和优化后的储能充放电功率更加符合实际，克服了现有技术中快充电站的储能充放电控制多基于快充电站负荷预测值，在实时控制中往往存在较大误差的问题。该控制方法不仅考虑到快充电站的收益，而且减少了快充电站负荷波动对电网的影响。

进一步的，本发明基于光伏、负荷预测曲线以及分时电价信息，建立以提高快充电站收益为目标的储能系统充放电控制方法，并根据光伏、负荷预测误差，实时优化储能系统的充放电功率，满足快充电站负荷需求。

附图说明

图1为基于光伏、快充电站负荷预测误差的光储快充电站储能系统控制流程图。

图2为场景P_REF大于0时的储能系统控制策略。

图3为场景P_REF小于0时的储能系统控制策略。

具体实施方式

下面结合附图对本发明进行详细描述。

参见图1，本发明一种储能系统充放电控制方法，包括以下步骤：

步骤A：采集光储快充电站数据，包括：光伏发电预测功率、快充电站负荷日前预测功率、储能容量、SOC值以及储能最大充放电功率。

步骤B：根据采集的光伏发电预测功率和快充电站负荷日前预测功率，计算光储快充电站的等效负荷功率和储能充放电功率。

t时刻等效负荷功率P_REF(t)计算公式如下式所示：

P_REF(t)＝P_EV(t)-P_PV(t)

P_EV(t)为快充电站充电负荷功率，P_PV(t)为光伏发电功率。

该步骤根据步骤A采集的光伏发电预测功率和快充电站充电负荷预测功率，通过下式计算t时刻光储快充电站日前预测的等效负荷功率P_REF ^yc：

P_REF ^yc(t)＝P_EV ^yc(t)-P_PV ^yc(t)

其中，P_EV ^yc(t)为快充电站充电负荷预测功率，P_PV ^yc(t)为光伏发电预测功率。

储能系统充放电原则如下：

参见图2和图3，白天，当光伏电站发出电能，充电站优先使用光伏发电为电动汽车充电，当等效负荷功率P_REF大于0时，由电网或者储能系统为充电站提供电能；当等效负荷功率P_REF小于0时，光伏电站多余的电能储存到储能中或者弃光。

晚上，当光伏电站没有电能发出，储能系统或者电网为充电站提供电能。

根据分时电价(即成本)以及光储快充电站日前预测的等效负荷功率，对储能进行优化控制，令快充电站成本最小的同时快充电站整体负荷峰谷差率最小，设置充放电控制目标函数，用遗传算法对其进行求解，得到储能充放电功率。

具体的充放电控制目标函数计算方法如下：

目标函数f：

f＝min(θ₁f₁+θ₂f₂)

式中，θ₁为成本的权重系数，θ₂为峰谷差率的权重系数，C为成本，

为峰谷差率。f₁为成本C的归一化指标。f₂为峰谷差率

的归一化指标。

可根据两个指标的相对重要性选取，此处假设两者分别为0.5，实际实施中可根据需求设置，满足两者之和为1即可。

光储快充电站日运行成本C＝电网购电成本C₁+储能系统使用成本C₂

(1)电网购电成本C₁

电网购电成本C₁为：

其中，k_p(t)为电网实时电价，P_A(t)表示向电网购电时的功率，Δt为时间间隔，T为从电网购电的总时间，t为时刻。

(2)储能系统使用成本C₂

储能成本计算：

C₂＝C₃-C₄

其中，C₄为储能系统的电价套利，即收益。C₃为储能系统日运行成本。

其中，k_b为折算后的储能单位放电量成本，PB(t)为储能系统功率，k_p(t)为电网实时电价。

(3)峰谷差率

峰谷差率表示储能对负荷削峰填谷作用的大小，由等效负荷上下限功率差值与上限功率的比值确定；

P_up＝max(P_REF(t)+PB(t))

P_low＝min(P_REF(t)+PB(t))

其中，P_up为上限功率，P_REF(t)为等效负荷功率，PB为储能系统功率；P_low为下限功率。

约束条件：

储能充放电功率约束：

PB_min≤PB(t)≤PB_max (8)

其中，PB_min为储能系统的充放电功率最小值，PB_max分别为储能系统的充放电功率最大值。

储能SOC约束：

SOC_min≤SOC(t)≤SOC_max

其中，SOC_max和SOC_min分别为储能系统的SOC上下限；η_charge和η_discharge分别为储能系统的充放电效率；E_rate为储能系统的额定容量。

P_A(t)＝P_REF(t)-PB(t) (10)

目标函数求解：

选取遗传算法以目标函数作为适应度函数，对适应度函数求取最大值，对储能充放电功率进行优化，迭代求解从而得到目标函数最小值，以期实现光储快速充电站成本和峰谷差率最小化，最后通过遗传算法求解得到PB充放电功率。

遗传算法的主要步骤如下：

(1)初始群体的生成

随机产生一定个体数目的初始种群，每个个体表示为染色体的基因编码。

(2)选择

通过适应度评估表征解的优劣性，计算个体的适应度，判断个体是否负荷优化准则，若负荷，则输出最佳个体和其代表的最优解并结束，若不符合则依据适应度选择适应度高的个体，淘汰适应度低的个体，从而实现优胜劣汰。

(3)交叉

将选中的最佳个体代表的最优解随机搭配成为一对，以一定交换概率交换两个解的部分“基因”，产生新的解。

(4)变异

设定一定的变异概率改变个体解中的“基因”形成新个体，防止发生局部收敛，实现全局搜索。

步骤C：计算等效负荷P_REF日前预测功率值和实际功率的误差λ。

式中，

表示步骤B中用光伏预测功率和快充电站负荷日前预测功率计算出的日前预测的等效负荷功率，

表示实时控制过程中用实时光伏功率和快充电站负荷计算出的等效负荷功率。

首先当P_REF(t)为正值时，表示光伏发电量不能完全为此时的充电站提供全部充电负荷，此时，P_REF由储能系统或者电网提供。当P_REF(t)为负值时，表示光伏发电大于快充电站负荷，此时光伏发电可向储能系统充电或者弃光处理。

步骤D，由于光伏和负荷的预测功率和实际功率存在误差，所以步骤D中基于预测误差对日前储能充放电功率进行修正与优化。将步骤B得到的储能充放电功率进行优化，参见表1，具体过程如下：

当P_REF ^yc(t)>0，λ>0时，储能充放电功率为

λ＝0时，储能充放电功率为PB(t)，λ<0时，储能充放电功率为

当P_REF ^yc(t)<0时，λ>0时，储能充放电功率为

λ＝0时，储能充放电功率为PB(t)，λ<0时，储能充放电功率为

表1根据λ的优化过程

一种储能系统充放电控制系统，包括：

储能充放电功率计算模块，用于

求解快充电站成本最小且快充电站整体负荷峰谷差率最小时的充放电控制目标函数，得到储能充放电功率；

储能充放电功率优化模块，用于根据光储快充电站日前预测的等效负荷功率和实际等效负荷功率的误差，对储能充放电功率优化，得到优化后的储能充放电功率。

一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器上存储有能在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的储能系统充放电控制方法。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如上所述的储能系统充放电控制方法。

本发明采用以快充电站成本最小以及快充电站负荷峰谷差率最小为目标函数的储能系统充放电控制策略，基于预测误差的储能系统实时优化计算。

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，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，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

在本发明中，“模块”、“装置”、“系统”等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (6)

1.一种储能系统充放电控制方法，其特征在于，包括以下步骤：

求解快充电站成本最小且快充电站整体负荷峰谷差率最小时的充放电控制目标函数，得到储能充放电功率；

根据光储快充电站日前预测的等效负荷功率和实际等效负荷功率的误差，对储能充放电功率优化，得到优化后的储能充放电功率；

其中，光储快充电站日前预测的等效负荷功率和实际等效负荷功率的误差通过下式计算：

式中，

表示实际等效负荷功率，P_REF ^yc(t)表示光储快充电站日前预测的等效负荷功率；

充放电控制目标函数如下：

f＝min(θ₁f₁+θ₂f₂)

式中，f为目标函数，θ₁为成本的权重系数，θ₂为峰谷差率的权重系数，C为光储快充电站日运行成本，

为峰谷差率，f₁为光储快充电站日运行成本C的归一化指标，f₂为峰谷差率

的归一化指标；

充放电控制目标函数的约束条件包括：

储能充放电功率约束：

PB_min≤PB(t)≤PB_max (8)

其中，PB_min为储能充放电功率最小值，PB_max分别为储能充放电功率最大值；

储能SOC约束：

其中，SOC_max和SOC_min分别为储能系统的SOC上下限；η_charge和η_discharge分别为储能系统的充放电效率；E_rate为储能系统的额定容量；

P_A(t)＝P_REF(t)-PB(t) (10)

快充电站整体负荷峰谷差率通过下式计算：

P_up＝max(P_REF(t)+PB(t))

P_low＝min(P_REF(t)+PB(t))

其中，

为快充电站整体负荷峰谷差率，P_up为上限功率，P_REF(t)为等效负荷功率，PB(t)为储能充放电功率；P_low为下限功率。

2.根据权利要求1所述的一种储能系统充放电控制方法，其特征在于，光储快充电站日前预测的等效负荷功率通过下式计算：

P_REF ^yc(t)＝P_EV ^yc(t)-P_PV ^yc(t)

其中，P_REF ^yc(t)为光储快充电站日前预测的等效负荷功率，P_EV ^yc(t)为快充电站充电负荷预测功率，P_PV ^yc(t)为光伏发电预测功率，t表示时刻。

3.根据权利要求1所述的一种储能系统充放电控制方法，其特征在于，光储快充电站日运行成本C通过下式计算：

C＝C₁+C₂

其中，C₁为电网购电成本，C₂为储能系统使用成本；

电网购电成本C₁通过下式计算：

其中，k_p(t)为电网实时电价，P_A(t)表示向电网购电时的功率，Δt为时间间隔，T为从电网购电的总时间，t为时刻；

储能系统使用成本C₂通过下式计算：

C₂＝C₃-C₄

其中，C₄为储能系统的电价套利，C₃为储能系统日运行成本；

式中，k_b为折算后的储能单位放电量成本，PB(t)为储能充放电功率，k_p(t)为电网实时电价。

4.一种储能系统充放电控制系统，其特征在于，包括：

储能充放电功率计算模块，用于求解快充电站成本最小且快充电站整体负荷峰谷差率最小时的充放电控制目标函数，得到储能充放电功率；

储能充放电功率优化模块，用于根据光储快充电站日前预测的等效负荷功率和实际等效负荷功率的误差，对储能充放电功率优化，得到优化后的储能充放电功率；

其中，光储快充电站日前预测的等效负荷功率和实际等效负荷功率的误差通过下式计算：

式中，

表示实际等效负荷功率，P_REF ^yc(t)表示光储快充电站日前预测的等效负荷功率；

充放电控制目标函数如下：

f＝min(θ₁f₁+θ₂f₂)

式中，f为目标函数，θ₁为成本的权重系数，θ₂为峰谷差率的权重系数，C为光储快充电站日运行成本，

为峰谷差率，f₁为光储快充电站日运行成本C的归一化指标，f₂为峰谷差率

的归一化指标；

充放电控制目标函数的约束条件包括：

储能充放电功率约束：

PB_min≤PB(t)≤PB_max (8)

其中，PB_min为储能充放电功率最小值，PB_max分别为储能充放电功率最大值；

储能SOC约束：

其中，SOC_max和SOC_min分别为储能系统的SOC上下限；η_charge和η_discharge分别为储能系统的充放电效率；E_rate为储能系统的额定容量；

P_A(t)＝P_REF(t)-PB(t) (10)

快充电站整体负荷峰谷差率通过下式计算：

P_up＝max(P_REF(t)+PB(t))

P_low＝min(P_REF(t)+PB(t))

其中，

为快充电站整体负荷峰谷差率，P_up为上限功率，P_REF(t)为等效负荷功率，PB(t)为储能充放电功率；P_low为下限功率。

5.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器上存储有能在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至3中任一项所述的储能系统充放电控制方法。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至3中任一项所述的储能系统充放电控制方法。

Images