CN112928769B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112928769B CN112928769B CN202010919556.6A CN202010919556A CN112928769B CN 112928769 B CN112928769 B CN 112928769B CN 202010919556 A CN202010919556 A CN 202010919556A CN 112928769 B CN112928769 B CN 112928769B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- photovoltaic
- power
- prediction error
- fluctuation
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 159
- 230000000087 stabilizing effect Effects 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000006641 stabilisation Effects 0.000 claims abstract description 25
- 238000011105 stabilization Methods 0.000 claims abstract description 25
- 238000007599 discharging Methods 0.000 claims description 53
- 239000003990 capacitor Substances 0.000 claims description 32
- 238000001914 filtration Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 10
- 238000010183 spectrum analysis Methods 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 13
- 210000004027 cell Anatomy 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000011217 control strategy Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 238000007619 statistical method Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 238000012795 verification Methods 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- 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
- 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
本发明公开了一种兼顾补偿预测误差和平抑波动的光伏混合储能控制方法，将光伏输出实际有功功率Ppv(t)与输出光伏预测误差允许范围E比较，满足并网要求时进行并网，否则进行补偿预测误差初级控制和平抑波动次级控制后并网；本方法利用混合储能实现补偿预测误差和平抑波动的分级控制，使得混合储能系统分工明确，既防止了储能系统过充过放，又减少了储能容量配置使经济最优，而且达到了补偿预测误差和平抑波动效果，满足了并网要求；能够有效降低大规模的光伏并网不确定性、波动性、随机性，提高电网的电能品质和稳定性。
Description
技术领域
本发明涉及新能源管理技术领域，尤其涉及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。
背景技术
近年来，随着光伏产业的飞速发展，全国光伏装机容量增长迅速，到2020年底，累计光伏装机容量预计可达239.3GW，连续八年全球第一。然而随着光伏规模的扩大，大规模的光伏并网其不确定性、波动性、随机性的特点容易影响电网的电能品质和稳定性，而且光伏出力预测性较差，容易产生预测误差。提高预测精度和平抑光伏功率波动是解决光伏并网稳定性和可靠性的关键因素,而加入储能装置是有效补偿预测误差，解决光伏功率波动的重要途径之一。
发明内容
为了解决上述相关领域中光伏发电存在光伏并网其不确定性、波动性、随机性的问题，本发明提供一种兼顾补偿预测误差和平抑波动的光伏混合储能协调控制策略。
为了达到上述目的，本发明所采用的技术方案为：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,包括以下步骤：
步骤1，根据光伏实际有功功率Ppv(t)和预测有功功率Pref(t)建立输出光伏补偿预测误差允许范围E；
步骤2,将光伏输出实际有功功率Ppv(t)与输出光伏预测误差允许范围E比较；
步骤3，当光伏输出实际有功功率Ppv(t)不在输出光伏预测误差允许范围E范围内时，进行补偿预测误差初级控制；否则判断光伏输出实际有功功率Ppv(t)波动是否满足光伏并网标准，是则并网，否则进行平抑波动次级控制后并网；
优选的，所述建立输出光伏预测误差允许范围为E：
E＝∫Pup-Pdowndt
式中：Pup为预测允许误差上限值，Pdown为预测允许误差下限值。
优选的，所述补偿预测误差初级控制为：
判断光伏输出实际有功功率Ppv(t)是否超出光伏预测误差允许范围E上限值Pup(t)，是则由储能电池充电，否则判断光伏输出实际有功功率Ppv(t)是否超出光伏预测误差允许范围E下限值Pdown(t)，是则由储能电池放电，否则进行平抑波动判断。
优选的，所述平抑波动次级控制为：
以Po(t)为充/放电参考功率，比较充/放电参考功率Po(t)与输出功率Ppv(t)：
式中：Po(t)为Ppv(t)经过一阶低通滤波器的输出，s为拉普拉斯算子，Tf为时间常数；
Phess(t)为混合储能的充放电参考功率值，Phess(t)为正，储能电池充电，Phess(t)为负，储能电池放电，Phess(t)为0进行并网。
优选的，所述储能电池包括补偿A、B组和平抑A、B组，补偿A、B组和平抑A、B组分别工作在补偿预测误差目标域和平抑波动目标域，储能电池均以蓄电池为代表的能量型储能和超级电容为代表的功率型储能进行混合储能。
优选的，所述储能电池的运行过程包括：
(1)补偿预测误差目标域内，光伏输出功率大于储能充电参考功率，由补偿A、B组进行储能补偿充电，工作区域为：
(2)光伏输出功率小于储能放电参考功率，由补偿A、B组进行储能补偿放电，工作区域为：
(3)平抑波动目标域内，光伏输出功率大于一阶低通滤波平滑曲线，由平抑A、B组进行储能平抑充电，工作区域为：
(4)光伏输出功率小于一阶低通滤波平滑曲线，由平抑A、B组进行储能平抑放电，工作区域为：
优选的，所述补偿A、B组和平抑A、B组设有4种工况，A、B组储能电池之间进行充/放电状态切换。
优选的，所述4种工况为：
工况1：既补偿预测误差，又平抑功率波动。
工况2：只补偿预测误差，不平抑功率波动。
工况3：不补偿预测误差，不平抑功率波动。
工况4：不补偿预测误差，只平抑功率波动。
优选的，所述充/放电状态切换包括：
(1)判断为充电状态或放电状态，先由A组进行充/放电，B组处于满充/满放状态。
(2)如果A组为充电状态，则B组即为放电状态，直到A组充满，B组放满，转换A、B两组状态。
(3)状态转换完成，即A组为放电状态，B组为充电状态，两组电池交替进行，直到结束。
优选的，所述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用于光伏并网控制。
与现有技术相比本发明的有益效果为：
1、本方法利用混合储能实现补偿预测误差和平抑波动的分级控制，使得混合储能系统分工明确，既防止了储能系统过充过放，又减少了储能容量配置使经济最优，而且达到了补偿预测误差和平抑波动效果，满足了并网要求；
2、本方法能够有效降低大规模的光伏并网不确定性、波动性、随机性，提高电网的电能品质和稳定性；
3、本方法对混合储能电池实施分组管理，根据不同工况进行补偿预测误差的初级控制和平抑波动次级控制，并根据充/放电参考功率进行分组电池充/放电状态切换，能够有效解决混合储能系统过充过放问题，延长电池使用寿命。
附图说明
图1为光伏混合储能控制方法流程图；
图2为tlocation-scale拟合曲线图；
图3为概率统计散点分布图；
图4为补偿预测误差和平抑波动目标域示意图；
图5为一阶低通滤波充/放电功率示意图；
图6为混合储能电池分组工作示意图；
图7为充/放电状态切换示意图；
图8为光伏出力曲线图；
图9为预测误差和功率波动概率统计分布图；
图10为频谱分析结果图(a为频谱分析结果曲线图，b为频谱分析结果点密度图)；
图11为补偿预测误差前后对比图；
图12为补偿A、B组电池充/放电功率图；
图13为一阶低通滤波时间常数对比图；
图14为平抑波动前后对比图；
图15为平抑A、B组电池充/放电功率图；
图16为混合储能充/放电功率对比图；
图17为补偿A、B电池组混合储能SOC变化图；
图18为补偿预测误差和平抑波动前后概率统计对比图(a为补偿预测误差前后，b为平抑波动前后)；
图19为3种方法平抑波动效果图；
图20为3种方法波动率变化情况；
图21为预测误差和功率波动拟合曲线图(a为预测误差拟合曲线，b为功率波动拟合曲线)；
图22为单组电池补偿方式充放电功率图；
图23为单组电池平抑方式充放电功率图；
图24为平抑A、B电池组混合储能SOC变化图；
具体实施方式
下面将结合本发明实施例及说明书附图，对本发明中的相关技术进行清楚、完整的描述，显然，所描述的实施例仅仅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。
如图1所示，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,包括以下步骤：
步骤1，根据光伏实际有功功率Ppv(t)和预测有功功率Pref(t)建立输出光伏补偿预测误差允许范围E；
步骤2,将光伏输出实际有功功率Ppv(t)与输出光伏预测误差允许范围E比较；
步骤3，当光伏输出实际有功功率Ppv(t)不在输出光伏预测误差允许范围E范围内时，进行补偿预测误差初级控制；否则判断光伏输出实际有功功率Ppv(t)波动是否满足光伏并网标准，是则并网，否则进行平抑波动次级控制后并网。
优选的，所述建立输出光伏预测误差允许范围为E：
E＝∫Pup-Pdowndt
式中：Pup为预测允许误差上限值，Pdown为预测允许误差下限值。
优选的，所述补偿预测误差初级控制为：
判断光伏输出实际有功功率Ppv(t)是否超出光伏预测误差允许范围E上限值Pup，是则由储能电池充电，否则判断光伏输出实际有功功率Ppv(t)是否超出光伏预测误差允许范围E下限值Pdown，是则由储能电池放电，否则进行平抑波动判断。
优选的，所述平抑波动次级控制为：
以Po(t)为充/放电参考功率，比较充/放电参考功率Po(t)与输出功率Ppv(t)：
式中：Po(t)为Ppv(t)经过一阶低通滤波器的输出，s为拉普拉斯算子，Tf为时间常数；
Phess(t)为混合储能的充放电参考功率值，Phess(t)为正，储能电池充电，Phess(t)为负，储能电池放电，Phess(t)为0进行并网。
优选的，所述储能电池包括补偿A、B组和平抑A、B组，补偿A、B组和平抑A、B组分别工作在补偿预测误差目标域和平抑波动目标域，储能电池均以蓄电池为代表的能量型储能和超级电容为代表的功率型储能进行混合储能。
优选的，所述储能电池的运行过程包括：
(1)补偿预测误差目标域内，光伏输出功率大于储能充电参考功率，由补偿A、B组进行储能补偿充电，工作区域为：
(2)光伏输出功率小于储能放电参考功率，由补偿A、B组进行储能补偿放电，工作区域为：
(3)平抑波动目标域内，光伏输出功率大于一阶低通滤波平滑曲线，由平抑A、B组进行储能平抑充电，工作区域为：
(4)光伏输出功率小于一阶低通滤波平滑曲线，由平抑A、B组进行储能平抑放电，工作区域为：
优选的，所述补偿A、B组和平抑A、B组设有4种工况，A、B组储能电池之间进行充/放电状态切换。
优选的，所述4种工况为：
工况1：既补偿预测误差，又平抑功率波动。
工况2：只补偿预测误差，不平抑功率波动。
工况3：不补偿预测误差，不平抑功率波动。
工况4：不补偿预测误差，只平抑功率波动。
优选的，所述充/放电状态切换包括：
(1)判断为充电状态或放电状态，先由A组进行充/放电，B组处于满充/满放状态。
(2)如果A组为充电状态，则B组即为放电状态，直到A组充满，B组放满，转换A、B两组状态。
(3)状态转换完成，即A组为放电状态，B组为充电状态，两组电池交替进行，直到结束。
优选的，所述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用于光伏并网控制。
实施例1
1制定补偿预测误差和平抑波动目标域
1.1基于概率统计分布的预测误差和功率波动分析
描述光伏预测误差和功率波动分布主要集中在单一分布模型，选取光伏电站某一典型日数据对预测误差和功率波动进行分析。图2为光伏功率预测误差和功率波动的toocation-scale分布拟合曲线图，t oocation-scale分布的概率密度函数表达式为：
式中：Γ(x)为伽马函数，σ为尺度参数，v为自由度，若记
则y服从自由度为v的t分布。
由图2可知，预测误差和功率波动概率分布主要集中在0值附近，都满足toocation-scale分布的特性，随着预测误差和功率波动的增大，其概率也逐渐呈现厚尾的特性，由于光伏出力预测误差和功率波动范围较大，有时误差和波动范围较大，存在正态分布描述不准确的情况，如附录A中图21所示。为分析预测误差和功率波动在时间尺度上的相关性，对一天中的光伏数据离散点数进行统计分析，如图3所示。
由图3可知，从时间尺度上分析，0到t1时刻和t2到t时刻的光伏预测误差值和功率波动量较小，趋于一条直线，此刻为光伏出力开始和结束时段，出力值较小，受光照、温度等因素影响较小，不存在功率波动大的情况。而在t1到t2时间段，受光照、温度等因素影响较大，导致光伏预测精度下降，功率波动增加，难以达到并网要求。此外，由图2、图3可知，无论是toocation-scale还是散点分布，预测正负误差和功率正负波动基本呈对称分布，表1统计了某光伏电站典型日预测误差和功率波动正负概率情况。
表1预测误差和功率波动正负概率统计
Tab.1 Probability statistics of prediction error and powerfluctuation
2.2制定补偿预测误差和平抑波动目标域
如图4所示为补偿预测误差和平抑波动示意图，预测功率曲线为光伏短期预测功率，实际功率曲线为光伏电站实测功率。由图4可知，预测功率和实际功率之间存在着某时间段内误差较大的情况，实际功率之间也存在着较大波动。国家电网光伏并网标准规定，光伏安全并网，光伏有功功率变化1min时间尺度不超出装机容量的±10％，国家能源并网发电厂辅助服务管理实施细则规定，光伏功率日预测曲线1min时间尺度预测单点偏差(实际预测误差允许范围)不超出偏差的±20％，超出预测误差和功率波动范围的功率不仅会受到罚款，而且会降低电网的安全稳定运行。
兼顾补偿预测误差和平抑波动，根据预测误差允许范围上下限制定补偿预测误差和平抑波动目标域。
预测误差允许范围模型如下：
光伏预测误差允许范围设置为：
式中：E为光伏预测误差允许范围，Epk为光伏实际预测误差。
光伏功率波动允许范围设置为：
式中：Pp为光伏波动量，Ppv(t)为光伏实际输出功率，Cpv为光伏装机容量。
式中：Bpy为光伏平抑波动目标域，Eup为光伏预测允许误差上限，Edown为光伏预测允许误差下限。
式中：Bbc为光伏补偿预测误差域。
2.3选取混合储能充/放电参考功率
2.3.1选取补偿预测误差目标域的充/放电参考功率
如图4所示，选取预测允许误差上下限值为混合储能补偿预测误差目标域充/放电参考功率，其中，预测允许误差上限值为储能充电参考功率，超出预测允许误差上限值的光伏功率，储能充电；预测允许误差下限值为储能放电参考功率，超出预测允许误差下限值的光伏功率，储能放电。补偿预测误差充/放电区域如下：
式中：Ppv为光伏输出功率，Pup为补偿预测误差目标域充电参考功率，Pdown为补偿预测误差目标域放电参考功率。
2.3.2选取平抑波动目标域的充/放电参考功率
如图4所示，选取一阶低通滤波平滑曲线为混合储能平抑波动目标域的充放电参考功率，其中，大于储能充放电参考功率，储能充电；小于充放电参考功率，储能放电。一阶低通滤波模型选取如下：
式中：Ppv(t)为光伏功率，Po(t)为Ppv(t)经过一阶低通滤波器的输出，s为拉普拉斯算子，Tf为时间常数，Phess(t)为混合储能的充放电参考功率值，Phess(t)为正，储能充电，Phess(t)为负，储能放电。
对式(12)进行离散化处理，分别得到Po(t)和Phess(t)的递推公式：
式中：Po(t)为Ppv(t)经过一阶低通滤波器的输出，Tf为时间常数，Ppv(t)为光伏功率，Phess(t)为混合储能的充放电参考功率值，Δt为光伏功率时间序列间隔。
一阶低通滤波充/放电功率如图5所示：
2制定混合储能协调控制策略
储能系统按类型可以分为两类：一类是能量型储能，存储容量大但寿命短；一类是功率型储能，响应速度快，但存储容量小。目前将两种性能互补性强的储能技术组成混合储能系统(Hybrid Energy Storage System,HESS)进行补偿预测误差和平抑功率波动是国内外学者的研究热点。本文选用以蓄电池为代表的能量型储能和以超级电容为代表的功率型储能作为混合储能，实现混合储能协调控制策略。
2.1频谱分析功率分配
采用频谱分析(Spectrum Analysis,SA)对补偿预测误差和平抑波动目标域的充/放电功率信号进行分解并进行分配，分配后分别得到蓄电池和超级电容的充/放电功率指令，将功率分配为为高频和低频，高频由超级电容充/放电，低频由蓄电池充/放电。频谱分析分解过程如下：
对充/放电功率进行离散傅里叶变换得到频谱分布：
式中：Pvol为净负荷功率，Svol为Pvol离散傅里叶变换后的幅值，DFT为对Pvol进行傅里叶变换，fvol为Pvol离散傅里叶变换后的频率，n为第n个采样频率，采样周期为1min，N为采样频率对应的采样数量。
确定蓄电池与超级电容的充/放电功率频段，其中高频对应超级充/放电，低频对应蓄电池充/放电，并将各自的充/放电功率频段利用离散傅里叶变换转换到时域上，得到各自的充/放电功率指令：
Sb＝[Sb 1，Sb 2，...,Sb n,...,Sb N]T (10)
Sc＝[Sc 1，Sc 2，...,Sc n,...,Sc N]T (11)
式中：Sb为蓄电池功率幅值，Sc为超级电容功率幅值。
分别对Sb和Sc进行傅里叶变换的结果转到时域：
Pb(t)＝IDFT(Sb)＝[Pb 1,...,Pb n,...,Pb N]T (12)
Pc(t)＝IDFT(Sc)＝[Pc 1,...,Pc n,...,Pc N]T (13)
式中：Pb(t)为蓄电池的充/放电功率指令，Pc(t)为超级电容的充/放电功率指令，IDFT为反傅里叶变换。
2.2制定混合储能协调控制策略
2.2.1设计混合储能电池组
兼顾补偿预测误差和平抑波动，混合储能协调控制运行过程中容易产生充/放电状态的频繁切换，造成储能系统的寿命减短，为防止混合储能系统工作过程中过充过放，兼顾补偿预测误差和平抑波动目标域设计了4组混合储能电池组，分别为补偿A组、补偿B组、平抑A组和平抑B组，A、B两组分别为充/放电组。4组储能电池的运行过程如下：
1)补偿预测误差目标域内，光伏输出功率大于储能充电参考功率，由补偿充电组进行储能补偿充电，工作区域为：
2)光伏输出功率小于储能放电参考功率，由补偿放电组进行储能补偿放电，工作区域为：
3)平抑波动目标域内，光伏输出功率大于一阶低通滤波平滑曲线，由平抑充电组进行储能平抑充电，工作区域为：
4)光伏输出功率小于一阶低通滤波平滑曲线，由平抑放电组进行储能平抑放电，工作区域为：
混合储能电池分组工作示意图如图6所示：
2.2.2选择混合储能充/放电池组状态切换
为有效解决混合储能在充/放电过程中可能出现充/放电交替频繁进行,储能充/放电池组不能有效分配的情况，需设置同一目标域内A、B两组在任意时刻始终处于不同充/放电状态，即A组电池处于充电状态为充电组，B组电池就会处于放电状态为放电组，两电池组之间进行充/放电交替切换。充/放电状态切换步骤为：
1)判断为充电状态或放电状态，先由A组进行充/放电，B组处于满充/满放状态。
2)如果A组为充电状态，则B组即为放电状态，直到A组充满，B组放满，转换A、B两组状态。
3)状态转换完成，即A组为放电状态，B组为充电状态，两组电池交替进行，直到结束。
A、B两组充/放电状态切换如图7所示：
2.2.3制定混合储能优先级控制策略
兼顾补偿预测误差和平抑波动实现混合储能优先级控制，根据不同工况实现不同储能电池组的分配，完成对补偿预测误差的初级控制和平抑波动的次级控制，分别对补偿预测误差和平抑波动目标域2块区域内的功率波动是否满足并网标准设定4种工况。工况设定标准如下：
工况1：预测误差不满足，功率波动不满足，即：
先进行补偿预测误差初级控制，由补偿A、B组工作，超出预测允许误差上限值，补偿充电组工作，超出预测允许误差下限值，补偿放电组工作，两组电池充/放电交替进行，补偿预测误差完成后再进行平抑波动次级控制，由平抑A、B组工作，功率大于一阶低通滤波平滑曲线，平抑充电组工作，功率小于一阶低通滤波平滑曲线，平抑放电组工作，两组电池充/放电交替进行。
工况2：预测误差不满足，功率波动满足，即：
直接进行补偿预测误差初级控制，平抑波动次级控制不动作。补偿A、B组工作，两组电池充/放电交替进行，平抑A、B组待机。
工况3：预测误差满足，功率波动满足，即：
Epk∈E,0＜Pp＜10％Cpv (20)
直接进行并网，补偿预测误差初级控制和平抑波动次级控制均不动作，补偿A、B组和平抑A、B组待机。
工况4：预测误差满足，功率波动不满足，即：
Epk∈E,Pp＞10％Cpv (21)
直接跳过补偿预测误差初级控制，进行平抑波动次级控制，补偿A、B组待机，平抑A、B组工作，两组电池充/放电交替进行。
考虑混合储能系统超级电容与蓄电池SOC不同，超级电容SOC范围为[0.1,0.9]，蓄电池SOC范围为[0.2,0.8]，需要对每一组电池的混合储能SOC设定工作范围，具体设定如下：
1)0.1<SOC<0.2，由超级电容工作，Pc(t)>0，超级电容充电，Pc(t)<0，超级电容放电。
2)0.2<SOC<0.8，由蓄电池和超级电容共同工作，超级电容进行高频功率的充/放电，蓄电池进行低频功率的充/放电，Pc(t)>0，超级电容充电，Pc(t)<0，超级电容放电，Pb(t)>0，蓄电池充电，Pb(t)<0，蓄电池放电。
3)0.8<SOC<0.9，由超级电容工作，Pc(t)>0，超级电容充电，Pc(t)<0，超级电容放电。
混合储能系统协调控制策略流程图如图8所示。
3算例分析
本文以新疆某20MW光伏电站8月份某典型日的数据。如图8所示，为光伏电站的出力曲线图，采样间隔为1min，共采样600个数据，通过对日前预测功率曲线和实测功率曲线进行分析(预测功率采用BP神经网络)，得到预测误差曲线。储能额定功率/额定容量为2MW/2MWh，对超出预测误差允许范围的功率进行补偿预测误差，对预测误差允许范围内的功率进行平抑波动，采用混合储能进行容量配置优化研究，并采用MAToAB进行仿真验证分析。
3.1预测误差和功率波动概率统计分析
按照2.1节中的概率统计分析方法对预测功率误差和功率波动的置信区间概率范围进行统计分析，统计结果如图9所示。
由图10可知，预测误差允许范围置信区间[0,20％]的统计概率为0.635，超过允许范围20％的置信区间的统计概率为0.365，按照光伏并网标准规定，实际的功率波动不超出装机容量的10％，以20MW光伏电站为例，功率波动在2MW以内属于正常波动区间。置信区间[0,2MW]的统计概率为0.543，超出2MW的功率波动置信区间统计概率为0.457，由图分析可知，超出预测误差允许范围置信区间概率为0.405，超出功率波动允许范围置信区间概率为0.465，无论是预测误差还是功率波动，超出范围概率均达到0.40以上，结合上文2.2节制定的补偿预测误差域和平抑波动目标域，因此需要减小对超出预测误差允许范围和功率波动允许范围置信区间的概率，并增加预测误差允许范围和功率波动置信区间的概率，实现补偿预测误差和平抑波动的目的。
3.2频谱分析功率分配结果分析
采用频谱分析分别对补偿预测误差和平抑波动目标域的目标功率进行功率分配，频谱分析结果如图10所示，其中图10(a)为频谱分析结果曲线图，图10(b)为频谱分析结果点密度分布图。选择采样时间为1min时，由图10(a)可知，频率范围在[0,0.35×10-3HZ]时，功率的频谱幅值变化较大，为低频区域，频率范围在大于0.35×10-3HZ时，功率的频谱幅值变化较小，为高频区域，由图10(b)可知，频率在[0.35×10-3HZ,1HZ]区域，功率波动变化较为频繁，符合超级电容快速充放电的特性，频率在[0,0.35×10-3HZ]区域，功率波动变化较为缓慢，功率波动量较大，符合蓄电池响应速度较为缓慢且容量大的特性。因此，频谱分析结果为：蓄电池的工作频段在[0,0.35×10-3HZ]低频区域，超级电容的工作频段在[0.35×10-3HZ,1HZ]高频区域，实现了混合储能功率分配的效果。
3.3混合储能系统协调控制策略分析
3.3.1初级控制补偿预测误差结果分析
以预测允许误差上下限值为充/放电功率完成对补偿预测误差的初级控制，由补偿A、B组工作，并根据充/放电参考功率进行充/放电状态切换，采用频谱分析对补偿预测误差目标域的充/放电目标功率进行分配，将频谱分析的低频部分由蓄电池承担充/放电，频谱分析的高频部分由超级电容承担充/放电，对超出预测允许误差的功率进行补偿，得到最终的补偿预测误差目标域，如图11所示。
如图12所示，为补偿预测误差目标域内混合储能电池补偿A、B两组的充放电功率图。由图12可知，早上10点以前和晚上18点以后混合储能充/放电功率为0，没有任何动作，说明这时间段内预测误差并未超出预测误差允许范围，光伏输出功率并网，储能不动作。随着预测误差的增大，储能开始工作，由补偿A、B两组进行交替充/放电，两组电池充放电状态共切换了7次，就达到了补偿预测误差的效果。如图22所示，为单组电池补偿方式充/放电功率图，由图22可知，单组电池补偿方式的充电次数为42次，放电次数为38次。
由图12、图22可知，A组电池的充/放电次数共计41次，B组电池的充放电次数共计38次，单组电池的充/放电次数共计80次。由于单组电池补偿方式其频繁的进行充/放电，而补偿A、B双组电池始终处于不同充放电状态并进行切换，大大减少了单组电池补偿方式频繁充/放电状态，所以无论是充电还是放电，其充/放电次数要大于补偿A、B双组电池中任一组的充放电次数。而且单组电池补偿方式容易受充/放电功率约束和SOC约束，其充/放电功率要小于双组电池补偿方式的充/放电功率，采用双组电池补偿方式能有效解决系统过充过放问题。
3.3.2次级控制平抑波动结果分析
以一阶低通滤波平滑功率曲线为充/放电参考功率完成对补偿预测误差后平抑波动的次级控制。一阶低通滤波中滤波时间常数的选取较为重要，滤波时间常数越大，平滑功率曲线越平滑，但相应储能充放电次数也会增加。本文选取4个滤波时间常数分别与平抑波动目标功率进行对比，取对比结果较好的滤波时间常数作为平抑波动的充/放电参考功率，滤波时间常数选取结果对比如图13所示：
由图13可知，滤波时间常数选取过程中，选取滤波时间常数为10，1min最大功率波动量为5.12MW，选取滤波时间常数为50，1min最大功率波动量为3.87MW，选取滤波时间常数为100，1min最大功率波动量为1.89MW，选取滤波时间常数为500，1min最大功率波动量为0.36MW。由图可知，滤波时间常数为500，平抑效果最好，但储能充/放电次数也是最多的。因此考虑储能使用寿命，滤波时间常数选取100较为合适，而且波动量在置信区间1.5-2MW的概率为93.64％，既能满足并网要求，还减少储能充/放电次数，延长使用寿命。
滤波时间常数选取完成后进行储能充/放电，得到最终的平抑波动目标区域，如图14所示。
如图15所示，为平抑波动目标域内混合储能电池平抑A、B两组的充/放电功率图。由图15可知，平抑波动目标域内，平抑A、B两组电池的充/放电状态切换共进行了4次，平抑A组电池的充电次数为9次，放电次数为6次，平抑B组电池的充电次数为6次，放电次数为9次，就达到了平抑波动的效果。如图23所示，为单组电池平抑方式充放电功率图，由图23可知，其充放次数为15次，放电次数为15次。
由图15、图23可知，A组电池的充放电次数共计15次，B组电池的充放电次数共计15次，单组电池的充放电次数共计30次，所以无论是充电还是放电，单组电池平抑方式的充放电次数要大于平抑A、B双组电池方式中任一组的充放电次数，因此平抑A、B双组电池在充放电次数方面同样优于单组平抑电池组的充放电次数。
3.3.3兼顾补偿预测误差和平抑波动控制策略分析
对补偿预测误差和平抑波动目标域2块区域的功率波动设定4种工况，分别对4种工况进行讨论，分别为：
工况1：既补偿预测误差，又平抑功率波动。
优先进行补偿预测误差初级控制，再进行平抑波动次级控制。
工况2：只补偿预测误差，不平抑功率波动。
直接进行补偿预测误差初级控制，次级控制不动作。
工况3：既不补偿预测误差，也不平抑功率波动。2块区域均满足并网要求，直接并网，初级控制与次级控制均不动作。
工况4：只平抑功率波动，不补偿预测误差。
不需要考虑预测误差，直接跳过初级级控制，进行平抑波动次级控制。
兼顾补偿预测误差和平抑波动，分别采用混合储能分组电池对补偿预测误差和平抑波动目标区域内4种工况混合储能的充/放电功率和SOC进行对比分析，分析结果如下：
如图16所示，为混合储能系统超级电容和蓄电池总的充/放电功率对比图。由图16可知，超级电容的充放电次数明显多于蓄电池的充放电次数，而且充放电功率要大于蓄电池，符合超级电容快速充放电的特性，也符合基于频谱分析后超级电容承担高频功率的分配，蓄电池的充放电速度虽然慢于超级电容，但充放电区域存储的容量要远远大于超级电容。
图中6:00-10:00、18:00-22:00时间段为工况3工作场景，既不补偿预测误差，也不平抑波动，储能待机不动作；10:00-11:00、17:00-18:00时间段为工况2、工况4工作场景，只补偿预测误差或只平抑波动，储能充放电功率小；11:00-17:00时间段为工况1工作场景，既补偿预测误差，又平抑波动，储能充/放电功率大。
考虑超级电容与蓄电池充/放电工作于同一时段，以混合储能SOC反映电池工作状态，如图17所示，为补偿A、B电池组SOC变化情况，补偿A组电池SOC起止变化状态为0.22和0.81，补偿B组电池SOC起止变化状态为0.72和0.24，Δt2为储能的工作时段，(平抑A、B电池组SOC变化情况如图24所示)。
由图17可知，由于设置的补偿A、B电池组始终处于不同的充放电状态，其中A组电池处于充电状态，B组电池就处于放电状态，相同时段内其SOC变化也始终处于不同的变化状态，A组电池SOC呈现上升状态，表示储能充电，B组SOC就会呈现下降状态，表示储能放电，且两组电池SOC交替进行。
4.4混合储能电池组兼顾补偿预测误差和平抑波动结果分析
如图18所示，为补偿预测误差和平抑波动前后概率统计对比图，与图15对比分析后由图18可知，超出预测误差允许范围的概率由0.365减小到0.046，累计减小了0.319，超出功率波动允许范围的概率由0.457减小到0.025，累计减小了0.432，较好的实现了补偿预测误差和平抑波动的效果。
为充分表达混合储能电池组兼顾补偿预测误差和平抑波动效果，分别设计了2种方法与本文方法进行对比。
方法1：混合储能采用单电池组，储能容量为2MW。
方法2：混合储能采用容量相同的双电池组，两组电池储能容量分别为1MW。
本文方法：混合储能采用容量相同的两组双电池组，四组电池储能容量分别为0.5MW。
3种方法分别进行混合储能协调控制策略后得到最终的平抑波动效果，如图19所示。波动率变化情况如图20所示。
由图19、20可知，从平抑波动效果和波动率变化情况分析，方法2要优于方法1，本文方法要优于方法2。尤其在工况2条件下，单组电池很难满足既补偿预测误差又平抑波动，而利用两组双电池组能够同时进行补偿预测误差和平抑波动，最终达到补偿预测误差和平抑波动的效果。
Claims (5)
1.一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,其特征在于，包括以下步骤：
步骤1，根据光伏实际有功功率Ppv(t)和预测有功功率Pref(t)建立输出光伏补偿预测误差允许范围E；
步骤2,将光伏输出实际有功功率Ppv(t)与输出光伏预测误差允许范围E比较；
步骤3，当光伏输出实际有功功率Ppv(t)不在输出光伏预测误差允许范围E范围内时，进行补偿预测误差初级控制；否则判断光伏输出实际有功功率Ppv(t)波动是否满足光伏并网标准，是则并网，否则进行平抑波动次级控制后并网；
所述建立输出光伏预测误差允许范围为E：
E＝∫Pup-Pdowndt
式中：Pup为预测允许误差上限值，Pdown为预测允许误差下限值；
所述补偿预测误差初级控制为：
判断光伏输出实际有功功率Ppv(t)是否超出光伏预测误差允许范围E上限值Pup(t)，是则由储能电池充电，否则判断光伏输出实际有功功率Ppv(t)是否超出光伏预测误差允许范围E下限值Pdown(t)，是则由储能电池放电，否则进行平抑波动判断；
所述平抑波动次级控制为：
以Po(t)为充/放电参考功率，比较充/放电参考功率Po(t)与输出功率Ppv(t)：
式中：Po(t)为Ppv(t)经过一阶低通滤波器的输出，s为拉普拉斯算子，Tf为时间常数；
Phess(t)为混合储能的充放电参考功率值，Phess(t)为正，储能电池充电，Phess(t)为负，储能电池放电，Phess(t)为0进行并网；
所述储能电池包括补偿A、B组和平抑A、B组，补偿A、B组和平抑A、B组分别工作在补偿预测误差目标域和平抑波动目标域，储能电池均以蓄电池为代表的能量型储能和超级电容为代表的功率型储能进行混合储能；
所述储能电池的运行过程包括：
(1)补偿预测误差目标域内，光伏输出功率大于储能充电参考功率，由补偿A、B组进行储能补偿充电，工作区域为：
∫i j(Ppv-Pup)dt，Ppv＞Pup
(2)光伏输出功率小于储能放电参考功率，由补偿A、B组进行储能补偿放电，工作区域为：
∫i j(Pdown-Ppv)dt，Pdown＞Ppv
(3)平抑波动目标域内，光伏输出功率大于一阶低通滤波平滑曲线，由平抑A、B组进行储能平抑充电，工作区域为：
∫i j(Ppv-Po)dt，Ppv＞Po
(4)光伏输出功率小于一阶低通滤波平滑曲线，由平抑A、B组进行储能平抑放电，工作区域为：
∫i j(Po-Ppv)dt，Po＞Ppv。
2.根据权利要求1所述的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,其特征在于，所述补偿A、B组和平抑A、B组设有4种工况，A、B组储能电池之间进行充/放电状态切换。
3.根据权利要求2所述的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,其特征在于，所述4种工况为：
工况1：既补偿预测误差，又平抑功率波动；
工况2：只补偿预测误差，不平抑功率波动；
工况3：不补偿预测误差，不平抑功率波动；
工况4：不补偿预测误差，只平抑功率波动。
4.根据权利要求3所述的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,其特征在于，所述充/放电状态切换包括：
(1)判断为充电状态或放电状态，先由A组进行充/放电，B组处于满充/满放状态；
(2)如果A组为充电状态，则B组即为放电状态，直到A组充满，B组放满，转换A、B两组状态；
(3)状态转换完成，即A组为放电状态，B组为充电状态，两组电池交替进行，直到结束。
5.如权利要求1-4任一所述的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，其特征在于，所述方法用于光伏并网控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010919556.6A CN112928769B (zh) | 2020-09-04 | 2020-09-04 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010919556.6A CN112928769B (zh) | 2020-09-04 | 2020-09-04 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112928769A CN112928769A (zh) | 2021-06-08 |
| CN112928769B true CN112928769B (zh) | 2023-05-02 |
Family
ID=76163275
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010919556.6A Active CN112928769B (zh) | 2020-09-04 | 2020-09-04 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112928769B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114024339B (zh) * | 2021-11-26 | 2023-08-01 | 国网四川省电力公司电力科学研究院 | 一种利用梯级水电扩建全功率变速抽水蓄能机组的方法 |
| CN115473268B (zh) * | 2022-09-16 | 2024-09-10 | 三峡大学 | 基于分段补偿控制策略的光伏功率波动平抑方法 |
| CN116436059B (zh) * | 2023-02-07 | 2023-12-12 | 深圳先进储能材料国家工程研究中心有限公司 | 一种混合储能系统及其调度方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109301853A (zh) * | 2018-12-17 | 2019-02-01 | 国网江苏省电力公司经济技术研究院 | 一种平抑功率波动的微电网多时间尺度能量管理方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107370176A (zh) * | 2017-06-28 | 2017-11-21 | 国电南瑞科技股份有限公司 | 一种平抑随机性电源出力波动的方法 |
| CN109995076B (zh) * | 2018-12-12 | 2023-05-23 | 云南电网有限责任公司电力科学研究院 | 一种基于储能的光伏汇集系统功率稳定输出协同控制方法 |
| CN111555320A (zh) * | 2019-02-12 | 2020-08-18 | 周锡卫 | 一种优化配置的安全高效调频电池储能系统 |
-
2020
- 2020-09-04 CN CN202010919556.6A patent/CN112928769B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109301853A (zh) * | 2018-12-17 | 2019-02-01 | 国网江苏省电力公司经济技术研究院 | 一种平抑功率波动的微电网多时间尺度能量管理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 胡续坤 ; 王筱 ; 晁勤 ; .提高风电功率短期预报精度的储能控制策略优化及效益评估.可再生能源.2014,(第12期),第1821-1827页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112928769A (zh) | 2021-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN107947231B (zh) | 一种面向配电网优化运行的混合储能系统控制方法 | |
| CN105207242B (zh) | 储能装置参与机组调频的优化控制与容量规划系统及方法 | |
| Ma et al. | Optimal allocation of hybrid energy storage systems for smoothing photovoltaic power fluctuations considering the active power curtailment of photovoltaic | |
| CN104167750B (zh) | 一种配网削峰填谷的分布式储能功率分配及协调控制方法 | |
| 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 | |
| CN110429693B (zh) | 一种基于电池组一致性的储能电池组功率控制方法 | |
| CN106972516A (zh) | 一种适用于微网的多类型储能多级控制方法 | |
| CN109378846B (zh) | 储能电站中储能变流器的电池模块充放电控制方法与装置 | |
| CN111244988B (zh) | 考虑分布式电源的电动汽车和储能优化调度方法 | |
| CN105162147A (zh) | 一种平抑风电功率波动的混合储能控制系统及控制方法 | |
| CN112086975B (zh) | 一种协调多储能单元参与二次调频的优化调度方法 | |
| CN111900745A (zh) | 一种用于平抑风电功率波动的混合储能分频协调控制系统 | |
| CN112736973A (zh) | 平抑风电、光伏电站出力波动的电池储能容量配置方法及系统 | |
| CN109494771B (zh) | 基于超级电容器荷电状态预测的新能源功率平滑控制方法 | |
| CN105244920A (zh) | 考虑电池健康状态的储能系统多目标控制方法及其系统 | |
| CN106877432B (zh) | 用于平抑风电波动的混合储能系统 | |
| CN105226694A (zh) | 基于模糊经验模态分解的储能平滑新能源发电控制方法 | |
| CN107240925B (zh) | 一种微电网中储能电池系统的控制方法 | |
| CN111725827A (zh) | 一种基于荷电状态自调节的储能平滑风电波动的控制方法 | |
| CN107482657A (zh) | 风电爬坡率实时平抑方法和系统 | |
| CN110429626B (zh) | 一种适用于并网型储能系统的能量管理系统及管理方法 | |
| CN109004642B (zh) | 用于平抑分布式电源功率波动的配网分布式储能评价方法 | |
| Liqun et al. | Capacity optimization of hybrid energy storage in wind/PV complementary power generation system based on improved particle swarm optimization | |
| CN113555901B (zh) | 基于改进s型函数粒子群优化算法的混合储能容量优化方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |