CN113141016A - 基于区域控制偏差的储能系统辅助传统机组调频的控制方法 - Google Patents
基于区域控制偏差的储能系统辅助传统机组调频的控制方法 Download PDFInfo
- Publication number
- CN113141016A CN113141016A CN202110464278.4A CN202110464278A CN113141016A CN 113141016 A CN113141016 A CN 113141016A CN 202110464278 A CN202110464278 A CN 202110464278A CN 113141016 A CN113141016 A CN 113141016A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage system
- frequency
- deviation
- frequency modulation
- 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.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 238000005192 partition Methods 0.000 claims abstract description 30
- 230000000739 chaotic effect Effects 0.000 claims abstract description 29
- 238000013507 mapping Methods 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 241000282806 Rhinoceros Species 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000013210 evaluation model Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 10
- 230000004044 response Effects 0.000 abstract description 9
- 244000144980 herd Species 0.000 abstract 1
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 8
- 210000002569 neuron Anatomy 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000002803 fossil fuel Substances 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 101150036841 minJ gene Proteins 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000003068 static effect Effects 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
- H02J3/24—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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
- 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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- H02J2300/40—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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于区域控制偏差的储能系统辅助传统机组调频的控制方法，首先，针对频率偏差系数的选取对系统频率的影响问题，本文提出了一种基于犀牛群多层向前网络实时评估算法的分段式频率偏差系数确定方法；其次，根据上述方法所确定的频率偏差系数，采用基于Logistic映射的LS混沌算法对区域控制偏差(ACE)进行动态分区并在各分区采取不同的储能系统参与传统机组调频的出力策略；最后据此分区结果并计及储能电站电池SOC状态，引入多变量专家经验整定控制器平滑储能电站出力，既发挥了储能系统响应速度快、短时吞吐能力强等优点，又可以提高储能系统辅助传统机组调频的经济性。
Description
技术领域
本发明涉及一种多区域联合电力系统的调频方法，尤其涉及一种基于区域控制偏差的储能系统辅助传统机组调频的控制方法。
背景技术
随着经济社会的发展，环境污染和能源紧张问题日益凸显，这也迫使传统火电机组的化石燃料供应面临着巨大压力。面对此危机，越来越多的可再生能源进入发电领域。然而，诸如风电和光伏等非传统能源具有可变性、间歇性等特点，功率输出变化剧烈，当装机容量增加至一定规模时，其功率波动或者因故整体退出运行，会导致系统有功出力和负荷之间的动态不平衡，造成系统频率偏差，引起电网的频率稳定性问题。如何保证电力系统频率稳定以及安全性、可靠性是当今电网亟待解决的问题之一。
目前，在我国的电力系统中，火电机组和大型水电是主要的调频电源，通过不断调整调频电源出力来响应系统频率变化，但是它们在调频方面却存在一定的局限性。例如，火电机组响应时间长、机组爬坡速率低，不能准确跟踪电网调度中心发出的调频指令，具有一定的调节时滞性，存在一定的调节偏差和调节反向等问题。除此之外，传统火电机组频繁变换功率运行，会增加机组的磨损，减少机组的使用寿命。大型水电机组虽然响应速度快，可以在短短几秒内达到满功率输出。然而，水电机组的建设受地理环境因素的影响较大，且其可提供的调频容量有限。此时亟需新的调频手段参与电网调频。
电池储能技术以其快速、精确的功率响应能力成为新型调频手段的关注热点。小规模储能系统可以有效的提升传统火电机组的调频能力；大规模储能系统具有响应速度快，短时功率吞吐能力强，且易改变调节方向等优点，可作为辅助传统机组调频的有效手段。电池储能系统的快速响应与精确跟踪能力使得其比常规调频方式高效，可显著减少电网所需旋转备用容量；由于电池储能系统参与调频而届生的旋转备用容量可用于电网调峰、事故备用等，因此能够进一步提高电网运行的可靠性和安全性。除此之外，电池储能系统参与电网调频，不仅能够减少电力系统的投资和运行费用，降低传统化石燃料的消耗，提高其静态效益；且由于储能系统具有响应速度快，运行灵活等优点，可以满足电力系统运行的调频需求而产生的动态效益。
发明内容
发明目的：针对以上问题，本发明提出一种基于区域控制偏差的储能系统辅助传统机组调频的控制方法，能够实现对系统频率偏差精准地跟随控制，有效地提高了储能系统辅助传统机组调频的调频质量。
技术方案：本发明所采用的技术方案是一种基于区域控制偏差的储能系统辅助传统机组调频的控制方法通过多层向前网络实时评估算法或者电力系统仿真实时计算各区域的频率偏差系数，根据频率偏差系数，采用基于Logistic映射的LS混沌算法对区域控制偏差进行动态分区，并在各分区采取不同的储能系统参与传统机组调频的出力策略，以所得动态分区以及该分区内储能电站电池SOC状态作为专家经验整定控制器的输入建立控制规则并修正储能系统出力。
其中，所述的通过多层向前网络实时评估算法实时计算频率偏差系数，包括以下步骤：
(1)通过多层向前网络实时评估算法实时计算区域自然频率偏差特性系数β；具体的，包括：步骤(11)建立BP多层向前网络，输入层的状态量包括：调速器死区的变化量、在线机组数量的变化量、发电机的反应特性和负荷的反应特性在某个时刻的状态数据，输出层的状态量包括：调速器死区的变化量、在线机组数量的变化量、发电机的反应特性、负荷的反应特性以及区域的频率变化在下一时刻的状态数据；
(12)根据某一时间段内的历史状态数据训练实时评估模型，所述历史状态数据包括调速器死区的变化量、在线机组数量的变化量、发电机的反应特性、负荷的反应特性和频率变化；
(13)基于当前的状态数据输入至实时评估模型实时计算下一个时刻的预估状态数据，根据预估的调速器死区、在线机组数量的变化量、发电机的反应特性和负荷的反应特性计算区域内系统的功率变化量，除以预估状态数据中的频率变化量可求得区域自然频率偏差特性系数β。
(2)分段计算频率偏差系数B，当系统的频率偏差小于调频阈值时，设置B＝β；当系统的频率偏差大于调频阈值时，设置B＞β。
针对多层向前网络算法可能会出现的陷入局部极小，影响全局优化的缺点，本文采用犀牛群算法对多层向前网络算法的权值参数进行优化，以提高算法的搜索能力，减少迭代次数。具体的，在第k次迭代中优化惯性权重c及加速因子s，优化计算式为：
式中，cmin、cmax和smin、smax分别为惯性权重和加速因子的最小值和最大值，T为总迭代次数，k代表迭代次数。
所述的采用基于Logistic映射的LS混沌算法对区域控制偏差进行动态分区，其中区域控制偏差ACE计算式为：
ACE＝ΔPT-10BΔf
式中，ΔPT功率偏差，Δf为频率偏差，B为频率偏差系数；
动态分区模型为：
采用基于Logistic映射的LS混沌算法求解动态分区模型，式中，i表示所分的各个区域，vi表示各分区的最优上限值，vij表示负荷曲线的ACE某分区i的最优定值确定，pj表示负荷曲线的时长占总统计时长的比例，j表示曲线的时长取值，m’表示总时长。
采用基于Logistic映射的LS混沌算法求解动态分区模型，包括以下步骤：
(41)运用LS法对动态分区模型进行参数估计，得到n个参数的粗估值v# i(i＝1，2，...，n)；
(42)选择搜索半径δ＞0，参数
则优化问题为：
minJ(v1，v2，…vn)
s.t：vi∈[di，ei]
i＝1，2，…，n
混沌变量迭代标志k＝0，细搜索标志r＝0；初次迭代的混沌变量vk i＝vi(0)，当前得到的最优混沌变量v* i＝vi(0)；dri＝di，eri＝ei；vi(0)为[0，1]区间内两个相异的初值，且vi(0)≠0，0.25，0.5，0.75，1，i＝1，2，...，n；设置当前最优解J*；
(43)将vk i映射到优化变量取值区间：
其中m为可调参数，保证映射得到的vk i始终处于[0，1]内，若
则令
(44)运用Logistic映射对混沌变量进行优化搜索：
k＝k+1；
(45)重复步骤(42)、(43)、(44)，直到J*保持不变为止；
(46)尺度变换：
其中η为固定系数，η∈(0，0.5)，
为当前的最优解；
(47)v* i作如下还原处理：
(48)形成新的混沌变量再映射进行迭代优化，直至迭代优化结束，包括以下步骤：
(481)将v* i与vk i的线性组合作为新的混沌变量：
(482)将vk i映射到优化变量取值区间：
(483)若
则
(484)k＝k+1；
(49)重复步骤(48)直到J*保持不变为止；
(410)r＝r+1，减小δ的值，重复第(46)至(49)步直到J*保持不变为止，此时得到的mv* i即为最优变量。
以所得动态分区以及该分区内储能电站电池SOC状态作为专家经验整定控制器的输入建立控制规则并修正储能系统出力，使得储能系统能发挥其响应速度快的优势，迅速响应因负荷急剧扰动而造成的系统频率偏差问题。包括以下步骤：
(51)对输入量动态区域控制偏差和储能系统电池SOC进行归一化处理，动态区域控制偏差和储能系统电池SOC的论域均为[0，1]，输出量储能系统出力Pout的论域为[-1，1]；
(52)设置输入量动态区域控制偏差、储能系统电池SOC和输出量储能系统出力的专家经验整定均集均为按照数值从小到大的顺序分为若干区域；
(53)设置输入量动态区域控制偏差、储能系统电池SOC和输出量储能系统出力的隶属度函数；
(54)制定输入量动态区域控制偏差、储能系统电池SOC和输出量储能系统出力的专家经验整定控制器控制规则表；
(55)采用面积重心法对储能系统出力Pout的模糊集进行修正。
步骤(55)中所述修正储能系统出力是，计算式为：
式中，c1、c2分别为动态区域控制偏差和储能系统电池SOC量化后的论域，Ac1和Ac2分别为动态区域控制偏差和储能系统电池SOC的隶属度函数。
本发明所述方法可作为软体程序存储在计算机可读存储介质中，由计算机执行完成。还可以用于控制系统中，所述控制系统包括处理器和频率控制装置，处理器加载并执行上述步骤，并将执行后所得储能系统出力指令发送至储能系统控制装置执行。
有益效果：相比于现有技术，本发明具有以下优点：本发明所述的储能系统辅助传统机组调频的控制方法，引入多变量专家经验整定控制器平滑储能电站出力，既发挥了储能系统响应速度快、短时吞吐能力强等优点，又可以提高储能系统辅助传统机组调频的经济性。本发明将多层向前网络实时评估算法、基于Logistic映射的LS混沌算法和多变量专家经验整定控制器相结合，实现了对系统频率偏差精准地跟随控制，有效地提高了储能系统辅助传统机组调频的调频质量，较现有的固定或分段式频率偏差系数调频方法效果更好，为储能系统辅助传统机组调频提供参考。
附图说明
图1是本发明所述的对区域自然频率偏差特性系数β的实时评估模型；
图2是本发明所述的储能系统经专家经验整定控制器修正后输出功率图；
图3是本发明所述的输入量动态ACE的隶属度函数图；
图4是本发明所述的输入量储能系统电池SOC的隶属度函数图；
图5是本发明所述的输出量Pout的隶属度函数图；
图6是本发明所述的控制策略流程图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明所述的储能系统辅助传统机组调频的控制方法，通过多层向前网络实时评估算法实时计算各区域的频率偏差系数，并据此系数采用基于Logistic映射的LS(leastsquare最小二乘)混沌算法对ACE进行动态分区，最后以动态分区结果以及该分区内的储能电站SOC作为专家经验整定控制器的输入平滑储能系统出力，提高储能系统参与传统机组调频的效果和经济性。该控制方法结合以下几个部分的技术改进实现了对系统频率偏差精准地跟随控制：
一、通过多层向前网络实时评估算法实时计算区域自然频率偏差特性系数β。
引入区域自然频率偏差特性系数β，区域自然频率偏差特性系数β的表达式为：
β＝KG+KL (1)
式中，KG为发电机的单位调节功率；KL为负荷的单位调节功率。
计算包括以下步骤：
(11)利用多层向前网络算法建立实时评估模型
实时评估模型如图1所示。首先构建BP多层向前网络模型，BP多层向前网络由输入层N、隐含层H和输出层O组成，并确定多层向前网络模型的各参数，包括训练次数、初始权值、初始阈值和训练误差等参数。
确定BP多层向前网络的输入层N的状态量：
由式(1)可知，区域的自然频率特性系数β由发电机的单位调节功率和负荷的单位调节功率决定，因此，区域的自然频率特性系数β受调速器死区变化、在线机组数量的改变及负荷波动的影响不断变化，故将调速器死区的变化量、在线机组数量的变化量、发电机的反应特性和负荷的反应特性的历史状态值作为多层向前网络模型的输入。
确定BP多层向前网络的输出层O的状态量：输出层是调速器死区的变化量、在线机组数量的变化量、发电机的反应特性、负荷的反应特性及区域的频率变化在下一个时刻的状态数据。
(12)训练实时评估模型：根据某一时间段内的历史状态数据(包括调速器死区的变化量、在线机组数量的变化量、发电机的反应特性、负荷的反应特性和频率变化)训练实时评估模型。具体的，以某一时刻的状态数据(包括调速器死区的变化量、在线机组数量的变化量、发电机的反应特性、负荷的反应特性)输入网络模型得到下一时刻的预估状态数据(包括调速器死区的变化量、在线机组数量的变化量、发电机的反应特性、负荷的反应特性和频率变化)，根据下一时刻的真实历史状态数据对预估状态数据进行评估。根据评估结果对多层向前网络参数进行优化，完成对BP多层向前网络模型的训练。一般常采用误差分析方法进行评估。
(13)计算区域自然频率偏差特性系数β：
基于当前的状态数据(包括调速器死区的变化量、在线机组数量的变化量、发电机的反应特性、负荷的反应特性)输入至实时评估模型实时计算下一个时刻的预估状态数据(包括调速器死区的变化量、在线机组数量的变化量、发电机的反应特性、负荷的反应特性和频率变化)，根据预估的调速器死区、在线机组数量的变化量、发电机的反应特性和负荷的反应特性计算区域内系统的功率变化量，除以预估状态数据中的频率变化量可求得区域自然频率偏差特性系数β。
现有技术中，自然频率偏差特性系数β也可以通过电力系统仿真，在线计算区域自然频率偏差特性系数β，见中国专利CN201110386688，一种电力系统频率特性系数的计算方法。用上述系统仿真的方法计算频率偏差系数来替代通过多层向前网络实时评估算法实时计算区域自然频率偏差特性系数β，并继续执行本申请提出的第三和四部分的改进步骤，也可以在一定程度上提高储能系统参与传统机组调频的效果和经济性。只是由于系统仿真效率和实时性有所欠缺，因此其对调频的跟随性不及通过多层向前网络实时评估算法实时计算区域自然频率偏差特性系数β。
二、针对多层向前网络算法可能会出现的陷入局部极小，影响全局优化的缺点，本实施例采用犀牛群对多层向前网络算法的权值参数进行优化，以提高算法的搜索能力，减少迭代次数。具体包括以下步骤：
(21)编码设置
对步骤1中的调速器死区的变化量、在线机组数量的变化量、发电机的反应特性和负荷的反应特性的历史状态值进行编码作为犀牛群个体形成训练集。
首先对隐含层神经元数目进行初始化，如式(4)所示。
式中，hiden为隐含层节点数目，L为输入层神经元数目，M为输出层神经元数目，λ为取值范围为1至10的一个整数。在式(4)的基础上，可设计出隐含层神经元对应的最小规模(Nmin)和最大规模(Nmax)如式(5)和式(6)所示。
每个犀牛群个体对应的隐含层神经元个数在[Nmin，Nmax]范围内随机产生一个整数Integer，再从Amax个隐含层节点中，任意选取Integer个节点作为参与连接的隐含层节点。
(22)适应度函数计算
计算犀牛群个体的适应度，即各状态输入量的适应度值。f(a)为隐含层的激励函数，a为输入的犀牛个体的适应度。
(23)位置更新
根据犀牛个体间的适应度值，进行位置移动更新。输出层的激励函数为g(b)，其中b为式(7)中的f(a)的值。
(24)条件判断
迭代次数达到最大或训练误差收敛，结束，否则返回上一步。
(25)确定权重和阈值
将犀牛群个体最优位置向量映射给BP多层向前网络，作为BP多层向前网络的初始权值和阈值，以提高算法的搜索能力，减少迭代次数。其在第k次迭代中的惯性权重c及加速因子s，由式(2)确定。
式中，emin、cmax和smin、smax分别为惯性权重和加速因子的最小值和最大值，T为总迭代次数。
三、确定频率偏差系数，采用分段式频率偏差系数确定方法，具体包括以下内容：
首先确定区域自然频率偏差特性系数。根据第一部分中经多层向前网络模型计算所得的实时调速器死区的变化量、在线机组数量的变化量、发电机的反应特性、负荷的反应特性和频率变化量的状态数据可得出区域自然频率偏差特性系数。
然后确定各区间的频率偏差系数：
根据中华人民共和国颁发的GB/T15945《电能质量电力系统频率允许偏差》标准中规定：“我国电网频率正常为50Hz，对电网容量在300万千瓦及以上者，频率偏差不超过±0.2Hz”，因此设定Δf＝0.2Hz为分段式频率偏差系数确定方法的阈值。当系统的频率偏差Δf在正常调节区时(即Δf＜0.2Hz)，B＝β；当系统的频率偏差Δf在紧急调节区时(即Δf＞0.2Hz)，B＞β。
四、根据实时计算所得的区域自然频率偏差特性系数，采用基于Logistic映射的LS混沌算法进行动态ACE分区，主要包括以下步骤：
(41)建立动态ACE分区模型。首先根据某类型负荷曲线的时长占总统计时长的比例及此负荷曲线的ACE某分区i的最优定值确定的最优上限值为
式中，i分别可取S、Z、C和J时分别表示死区、正常调节区、次紧急调节区和紧急调节区，j表示曲线的时长取值，m表示总时长。vi表示各ACE分区的最优上限值，vij表示负荷曲线的ACE某分区i的最优定值确定，pj表示负荷曲线的时长占总统计时长的比例。随后采用基于Logistic映射的LS混沌算法求解出最优ACE分区上限值vi。
定义区域控制偏差，
ACE＝ΔPT-10BΔf (9)
式中，APT＝PTa-PTs为实际交换功率PTa与计划功率PTs的差值；Δf为实际频率fa和额定频率fs的差值；B为频率偏差系数(MW/0.1Hz)。
(42)初始化
运用LS法对步骤(41)所建待拟合模型(如式(8))进行参数估计，得到n个参数的粗估值v# i(i＝1，2，...，n)；选择搜索半径δ＞0，以v# i为中心，δ为半径确定参数vi的范围为v# i-δ≤vi≤v# i+δ，即参数
优化问题为：
混沌变量迭代标志k＝0，细搜索标志r＝0；初次迭代的混沌变量vk i＝vi(0)，当前得到的最优混沌变量v* i＝vi(0)；dri＝di，eri＝ei；vi(0)为[0，1]区间两个相异的初值，且vi(0)≠0，0.25，0.5，0.75，1，i＝1，2，…，n；当前最优解J*设为一个较小的数。
(43)将vk i映射到优化变量取值区间：
其中m为可调参数，保证映射得到的vk i始终处于[0，1]内。若
则
(44)运用Logistic映射对混沌变量进行优化搜索：
k＝k+1；
(45)重复步骤(42)、(43)、(44)，直到J*保持不变为止。
(46)尺度变换：
η∈(0，0.5)，
为当前的最优解。
(47)v* i作如下还原处理：
(48)形成新的混沌变量再映射进行迭代优化，直至迭代优化结束。
(481)将v* i与vk i的线性组合作为新的混沌变量：
(482)将vk i映射到优化变量取值区间：
(483)若
则
(484)k＝k+1；
(49)重复步骤(48)直到J*保持不变为止。
(410)r＝r+1，减小δ的值，重复第(46)至(49)步若干次后结束寻优计算，结束迭代的条件是直到J*保持不变为止。此时得到的mv* i即为算法得到的最优变量，J*为问题的最优解。
(5)计及动态ACE分区和储能系统电池SOC的专家经验整定控制方法，流程图如图6所示，主要包括以下步骤：
(51)根据步骤(4)中的动态ACE分区分别采用如下控制策略：
(511)电网处于调节死区，此时储能系统不动作，储能系统和传统火电机组均保持出力不变，避免储能系统频繁动作影响其寿命。
(512)电网处于正常调节区，此时储能系统辅助传统火电机组参与电网调频。由储能机组优先出力，发挥储能系统出力迅速，调节速度快的优势，对电网频率进行调节；随后火电机组出力逐渐增加，储能机组出力逐渐减小，待电网频率恢复稳定后，储能系统退出调频。
(513)电网处于次紧急调节区，此时恢复电网频率为最高优先级，储能系统以最大出力对电网频率进行调节，直至电网频率恢复稳定。
(514)电网处于紧急调节区，此时储能系统和传统火电机组已经无法使电网频率恢复稳定，故储能系统不动作，采用切除负荷的方式直至电网频率恢复稳定。
(52)输入输出数据归一化处理
对输入量动态ACE和储能系统电池SOC进行归一化处理，动态ACE和储能系统电池SOC的论域均为[0，1]，输出量Pout的论域由输入量动态ACE和储能系统电池SOC决定，其论域为[-1，1]。
(53)专家经验整定均集设置
输入量动态ACE和储能系统电池SOC专家经验整定均集按照数值从小到大的顺序均为{负大，负中，负小，零，正小，正中，正大}，输出量Pout的专家经验整定均集也为{负大，负中，负小，零，正小，正中，正大}。
(54)隶属度函数设置
输入量动态ACE、储能系统电池SOC和输出量Pout的隶属度函数分别如图3、图4和图5所示。
(55)专家经验整定控制器控制规则表制定
根据输入量动态ACE、储能系统电池SOC和输出量Pout制定的控制规则表如表1所示。
表1专家经验整定控制器控制规则表
(56)实时功率修正
采用面积重心法对Pout的模糊集进行清晰化处理，修正后的实时功率为
式中，c1、c2分别为动态ACE和SOC量化后的论域，Ac1和Ac2分别为动态ACE和SOC的隶属度函数。经修正后的实时输出功率Pout如图2所示。
本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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。
Claims (10)
1.一种基于区域控制偏差的储能系统辅助传统机组调频的控制方法，其特征在于：通过多层向前网络实时评估算法或者电力系统仿真实时计算各区域的频率偏差系数，根据频率偏差系数，采用基于Logistic映射的LS混沌算法对区域控制偏差进行动态分区，并在各分区采取不同的储能系统参与传统机组调频的出力策略，以所得动态分区以及该分区内储能电站电池SOC状态作为专家经验整定控制器的输入建立控制规则并修正储能系统出力。
2.根据权利要求1所述的基于区域控制偏差的储能系统辅助传统机组调频的控制方法，其特征在于，所述的通过多层向前网络实时评估算法实时计算频率偏差系数，包括以下步骤：
(1)通过多层向前网络实时评估算法实时计算区域自然频率偏差特性系数β；
(2)分段计算频率偏差系数B，当系统的频率偏差小于调频阈值时，设置B＝β；当系统的频率偏差大于调频阈值时，设置B＞β。
3.根据权利要求2所述的基于区域控制偏差的储能系统辅助传统机组调频的控制方法，其特征在于，所述步骤(1)包括以下内容：
(11)建立BP多层向前网络，输入层的状态量包括：调速器死区的变化量、在线机组数量的变化量、发电机的反应特性和负荷的反应特性在某个时刻的状态数据，输出层的状态量包括：调速器死区的变化量、在线机组数量的变化量、发电机的反应特性、负荷的反应特性以及区域的频率变化在下一时刻的状态数据；
(12)根据某一时间段内的历史状态数据训练实时评估模型，所述历史状态数据包括调速器死区的变化量、在线机组数量的变化量、发电机的反应特性、负荷的反应特性和频率变化；
(13)基于当前的状态数据输入至实时评估模型实时计算下一个时刻的预估状态数据，根据预估的调速器死区、在线机组数量的变化量、发电机的反应特性和负荷的反应特性计算区域内系统的功率变化量，除以预估状态数据中的频率变化量可求得区域自然频率偏差特性系数β。
4.根据权利要求2所述的基于区域控制偏差的储能系统辅助传统机组调频的控制方法，其特征在于：所述多层向前网络实时评估算法采用犀牛群算法对多层向前网络算法的权值参数进行优化，在第k次迭代中优化惯性权重c及加速因子s，优化计算式为：
式中，cmin、cmax和smin、smax分别为惯性权重和加速因子的最小值和最大值，T为总迭代次数，k代表迭代次数。
5.根据权利要求1所述的基于区域控制偏差的储能系统辅助传统机组调频的控制方法，其特征在于，所述的采用基于Logistic映射的LS混沌算法对区域控制偏差进行动态分区，其中区域控制偏差ACE计算式为：
ACE＝ΔPT-10BΔf
式中，ΔPT功率偏差，Δf为频率偏差，B为频率偏差系数；
动态分区模型为：
采用基于Logistic映射的LS混沌算法求解动态分区模型，式中，i表示所分的各个区域，vi表示各分区的最优上限值，vij表示负荷曲线的ACE某分区i的最优定值确定，pj表示负荷曲线的时长占总统计时长的比例，j表示曲线的时长取值，m’表示总时长。
6.根据权利要求5所述的基于区域控制偏差的储能系统辅助传统机组调频的控制方法，其特征在于，所述的采用基于Logistic映射的LS混沌算法求解动态分区模型，包括以下步骤：
(41)运用LS法对动态分区模型进行参数估计，得到n个参数的粗估值v# i(i＝1，2，…，n)；
(42)选择搜索半径δ＞0，参数
则优化问题为：
min J(v1，v2，…vn)
s.t：vi∈[di，ei]
i＝1，2，…，n
混沌变量迭代标志k＝0，细搜索标志r＝0；初次迭代的混沌变量vk i＝vi(0)，当前得到的最优混沌变量v* i＝vi(0)；dri＝di，eri＝ei；vi(0)为[0，1]区间内两个相异的初值，且vi(0)≠0，0.25，0.5，0.75，1，i＝1，2，...，n；设置当前最优解J*；
(43)将vk i映射到优化变量取值区间：
其中m为可调参数，k为混沌变量迭代标志，r为细搜索标志，保证映射得到的vk i始终处于[0，1]内，若
则令
(44)运用Logistic映射对混沌变量进行优化搜索：
(45)重复步骤(42)、(43)、(44)，直到J*保持不变为止；
(46)尺度变换：
其中η为固定系数，η∈(0，0.5)，
为当前的最优解；
(47)v* i作如下还原处理：
(48)形成新的混沌变量再映射进行迭代优化，直至迭代优化结束，包括以下步骤：
(481)将v* i与vk i的线性组合作为新的混沌变量：
(482)将vk i映射到优化变量取值区间：
(483)若
则
(484)k＝k+1；
(49)重复步骤(48)直到J*保持不变为止；
(410)r＝r+1，减小δ的值，重复第(46)至(49)步直到J*保持不变为止，此时得到的mv* i即为最优变量。
7.根据权利要求1所述的基于区域控制偏差的储能系统辅助传统机组调频的控制方法，其特征在于：所述的以所得动态分区以及该分区内储能电站电池SOC状态作为专家经验整定控制器的输入建立控制规则并修正储能系统出力，包括以下步骤：
(51)对输入量动态区域控制偏差和储能系统电池SOC进行归一化处理，动态区域控制偏差和储能系统电池SOC的论域均为[0，1]，输出量储能系统出力Pout的论域为[-1，1]；
(52)设置输入量动态区域控制偏差、储能系统电池SOC和输出量储能系统出力的专家经验整定均集均为按照数值从小到大的顺序分为若干区域；
(53)设置输入量动态区域控制偏差、储能系统电池SOC和输出量储能系统出力的隶属度函数；
(54)制定输入量动态区域控制偏差、储能系统电池SOC和输出量储能系统出力的专家经验整定控制器控制规则表；
(55)采用面积重心法对储能系统出力Pout的模糊集进行修正。
8.根据权利要求7所述的基于区域控制偏差的储能系统辅助传统机组调频的控制方法，其特征在于：步骤(55)中所述修正储能系统出力是，计算式为：
式中，c1、c2分别为动态区域控制偏差和储能系统电池SOC量化后的论域，Ac1和Ac2分别为动态区域控制偏差和储能系统电池SOC的隶属度函数。
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，该程序使计算机执行如权利要求1-8任一项所述的基于区域控制偏差的储能系统辅助传统机组调频的控制方法中的步骤。
10.一种基于区域控制偏差的储能系统辅助传统机组调频的控制系统，其特征在于：包括处理器和频率控制装置，处理器加载并执行如权利要求1-8任一项所述的基于区域控制偏差的储能系统辅助传统机组调频的控制方法中的步骤，并将执行后所得储能系统出力指令发送至储能系统控制装置执行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110464278.4A CN113141016B (zh) | 2021-04-27 | 2021-04-27 | 基于区域控制偏差的储能系统辅助传统机组调频的控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110464278.4A CN113141016B (zh) | 2021-04-27 | 2021-04-27 | 基于区域控制偏差的储能系统辅助传统机组调频的控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113141016A true CN113141016A (zh) | 2021-07-20 |
| CN113141016B CN113141016B (zh) | 2024-08-16 |
Family
ID=76816184
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110464278.4A Active CN113141016B (zh) | 2021-04-27 | 2021-04-27 | 基于区域控制偏差的储能系统辅助传统机组调频的控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113141016B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114597916A (zh) * | 2022-03-18 | 2022-06-07 | 浙江工业大学 | 一种基于知识-数据混合驱动算法的电网频率协同控制方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107294116A (zh) * | 2017-07-18 | 2017-10-24 | 上海电力学院 | 一种多域电力系统负荷频率控制方法 |
| CN111740432A (zh) * | 2020-06-23 | 2020-10-02 | 上海电力大学 | 基于混合储能调节的新能源电力系统负荷频率控制方法 |
| CN112086975A (zh) * | 2020-09-01 | 2020-12-15 | 东南大学 | 一种协调多储能单元参与二次调频的优化调度方法 |
| CN112615399A (zh) * | 2020-11-24 | 2021-04-06 | 国网江苏省电力有限公司 | 一种储能系统参与电网调频优化控制方法、系统及存储介质 |
-
2021
- 2021-04-27 CN CN202110464278.4A patent/CN113141016B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107294116A (zh) * | 2017-07-18 | 2017-10-24 | 上海电力学院 | 一种多域电力系统负荷频率控制方法 |
| CN111740432A (zh) * | 2020-06-23 | 2020-10-02 | 上海电力大学 | 基于混合储能调节的新能源电力系统负荷频率控制方法 |
| CN112086975A (zh) * | 2020-09-01 | 2020-12-15 | 东南大学 | 一种协调多储能单元参与二次调频的优化调度方法 |
| CN112615399A (zh) * | 2020-11-24 | 2021-04-06 | 国网江苏省电力有限公司 | 一种储能系统参与电网调频优化控制方法、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| GAOJUN MENG等: ""Energy Storage Auxiliary Frequency Modulation Control Strategy Considering ACE and SOC of Energy Storage"", 《IEEE ACCESS》, vol. 9, 9 February 2021 (2021-02-09), pages 26271 - 26277, XP011838046, DOI: 10.1109/ACCESS.2021.3058146 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114597916A (zh) * | 2022-03-18 | 2022-06-07 | 浙江工业大学 | 一种基于知识-数据混合驱动算法的电网频率协同控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113141016B (zh) | 2024-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106992556B (zh) | 一种基于混合电源多时间尺度互补的优化调度方法 | |
| 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 | |
| CN106786807B (zh) | 一种基于模型预测控制的风电场有功功率控制方法 | |
| CN105846461B (zh) | 一种大规模储能电站自适应动态规划的控制方法和系统 | |
| CN109447405B (zh) | 一种承担调峰任务的一库多级式梯级库群短期计划制定方法 | |
| CN112186811B (zh) | 一种基于深度强化学习的agc机组动态优化方法 | |
| WO2017000853A1 (zh) | 主动配电网多时间尺度协调优化调度方法和存储介质 | |
| CN110148956B (zh) | 一种基于mpc的电池储能系统辅助agc控制方法 | |
| CN109256810A (zh) | 考虑风机出力不确定成本的多目标优化方法 | |
| CN112381424A (zh) | 新能源及负荷不确定性的多时间尺度有功优化决策方法 | |
| CN109376426B (zh) | 一种风电并网功率调度方法及装置 | |
| CN116667389B (zh) | 一种新型电力系统惯量提升的风储联合预测校正控制方法 | |
| CN111654054A (zh) | 一种储能基于自适应神经网络(ann)平抑短期风电波动的控制方法 | |
| CN113448248A (zh) | 一种火电机组灵活性及深度调峰智能控制方法 | |
| CN115940292A (zh) | 基于圆圈搜索算法的含风储电力系统优化调度方法及系统 | |
| CN113141016B (zh) | 基于区域控制偏差的储能系统辅助传统机组调频的控制方法 | |
| CN104216383B (zh) | 一种小水电站机组运行效率优化方法 | |
| CN115051388A (zh) | 一种基于分布鲁棒的“源-网-荷-储”两阶段调度优化方法 | |
| CN115795992A (zh) | 一种基于运行态势虚拟推演的园区能源互联网在线调度方法 | |
| CN113629775B (zh) | 一种基于模糊逻辑的氢储能系统集群出力决策方法 | |
| CN114722693A (zh) | 一种水轮机调节系统二型模糊控制参数的优化方法 | |
| CN117791643A (zh) | 风光水火储协同博弈的电网智能调频方法及系统 | |
| Yujie et al. | Optimal operation of new coastal power systems with seawater desalination based on grey wolf optimization | |
| CN114336592A (zh) | 一种基于模型预测控制的风电场agc控制方法 | |
| CN117638939A (zh) | 一种基于Adam算法考虑的水光互补优化调度方法 |
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 |