CN113193553B - 一种结合储能控制系统的新能源发电侧功率预测方法及系统 - Google Patents

一种结合储能控制系统的新能源发电侧功率预测方法及系统 Download PDF

Info

Publication number
CN113193553B
CN113193553B CN202110477922.1A CN202110477922A CN113193553B CN 113193553 B CN113193553 B CN 113193553B CN 202110477922 A CN202110477922 A CN 202110477922A CN 113193553 B CN113193553 B CN 113193553B
Authority
CN
China
Prior art keywords
energy storage
power
power station
cloud
photovoltaic power
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
CN202110477922.1A
Other languages
English (en)
Other versions
CN113193553A (zh
Inventor
朱连峻
刘大为
刘明义
朱耿锋
孙超
李海建
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.)
Huaneng Clean Energy Research Institute
Huaneng Group Technology Innovation Center Co Ltd
New Energy Branch of Huaneng Qinghai Power Generation Co Ltd
Original Assignee
Huaneng Clean Energy Research Institute
Huaneng Group Technology Innovation Center Co Ltd
New Energy Branch of Huaneng Qinghai Power Generation 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 Huaneng Clean Energy Research Institute, Huaneng Group Technology Innovation Center Co Ltd, New Energy Branch of Huaneng Qinghai Power Generation Co Ltd filed Critical Huaneng Clean Energy Research Institute
Priority to CN202110477922.1A priority Critical patent/CN113193553B/zh
Publication of CN113193553A publication Critical patent/CN113193553A/zh
Application granted granted Critical
Publication of CN113193553B publication Critical patent/CN113193553B/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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/381—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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2300/20—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
    • 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)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开一种结合储能系统的新能源发电侧功率预测方法及系统，方法为根据实时卫星云图、气象雷达以及地面成像对天空中云的信息进行观测，得到未来设定时间段光伏电站所在区域云的变化趋势；结合所述云的变化趋势和光伏电站发电模型分析出光伏电站的未来设定时间段的运行状态，通过比较光伏电站短期功率预测值和实时预测值，得到储能系统的期望出力；对储能系统建立储能模型，将光伏电站的收益、挽回弃电收益和减少考核收益作为目标函数，将所述储能模型作为约束条件，使目标函数得到最优解的储能充放电判定结果，即得到联合电站的发电侧功率；提高预测以及辐照度预报的精准程度，确保光伏电站超短期功率预测的可靠性。

Description

一种结合储能控制系统的新能源发电侧功率预测方法及系统
技术领域
本发明属于新能源电站及储能技术领域，具体涉及一种结合储能控制系统的新能源发电侧功率预测方法及系统。
背景技术
研究并实现基于天气数据的可再生能源发电精确预测。研发并推广增强可再生能源并网能力的储能、多能源互补运行与控制、微电网、可再生能源热电联产等技术。发挥电力大数据和电力交易平台在促进可再生能源并网和消纳中的作用。实现电网和可再生能源电源之间的高度融合，促进可再生能源高效、大容量的分布式接入及消纳。
电储能本质上只有“充电/放电”两种操作，但是这两种操作在不同的场景下，具有不同的价值与价格。参与何种场景，如何参与，参与幅度是多少，目前以经验和人工分析为主，需要进行大量的经验知识关联，重复性“人脑劳动”较多，自动化和智能化程度相对较低，影响了新能源电站经济效益的提升，如果有一套电储能收益辅助决策系统的帮助，单个场站的收益将会持续提升。
储能电站与光伏电站联合并网，其主要功能包括挽回弃电、减少考核、增加发电量，所以储能的运行与功率预测需要相互配合；目前高精度光伏功率预测已经实现功率预测精度的大幅提升，利用实时卫星云图，对影响或即将影响预测目标电站区域的云的状态进行监测，结合邻近历史时刻卫星云图对云的运行轨迹及变化进行外推；利用数学模型对云的走势、变化进行计算，实现光伏功率预测准确预测。
但是预测具有一定不确定性，加入储能可以弥补不确定性，进一步提高功率预测精度；当预测第二天光照充足的时候，通过计算光伏电站限电的概率，当概率大于阈值时，储能需要在第二天限电前将电放出留出容量存入弃电；当预测第二天光照不足时，储能需要预留一定的电量用于优化出力曲线；当出现乌云遮挡光伏板导致预测偏高时，储能需要放电减少考核；而储能反过来也会影响功率预测的结果，功率预测需要将储能放电计划叠加到预测结果中避免储能造成功率预测精度降低。
对于发电效果受天气的影响较大的光伏电站来说，地区性质的阴晴天预报已无法满足以其功率预测的高时间分辨率需求。目前功率预测技术仍然主要以数值天气预报为基础，利用数值天气预报的结果，基于数学建模，实现气象-功率的转化。虽然普通的光伏电站占地面积可以达到数平方公里，但是对于数值天气预报来说，仍然是一个单点。
发明内容
为了解决现有技术中存在的问题，本发明提供一种结合储能系统的新能源发电侧功率预测方法，应用于区域内新能源储能电站，通过优化新能源场站的发电控制，辅助新能源场站进行决策。
为了实现上述目的，本发明采用的技术方案是：一种结合储能系统的新能源发电侧功率预测方法，过程如下：
根据实时卫星云图、气象雷达以及地面成像数据对天空中云的信息进行观测，结合邻近历史时刻卫星云图对云的运行轨迹及变化进行外推，对未来设定时间段内目标电站上云量进行推算，同时对数值天气预报结果进行订正释用，得到未来设定时间段光伏电站所在区域云的变化趋势；
对光伏电站历史数据线性拟合的方法获得光伏电站合理的功率区间，结合所述云的变化趋势和光伏电站发电模型分析出光伏电站的未来设定时间段的运行状态，通过比较光伏电站短期功率预测值和实时预测值，得到得光伏电站的预测发电功率和储能系统的期望出力；
实时获取储能系统的荷电状态和储能充放电效率，依据储能系统的荷电状态约束、储能充放电效率、能量守恒、储能物理参数和经济参数对储能系统建立储能模型，将光伏电站的收益、挽回弃电收益和减少考核收益作为目标函数，将所述储能模型作为约束条件，通过多目标优化算法全局搜索使目标函数得到最优解的储能充放电判定结果，即得到联合电站的发电侧功率。
对光伏电站历史数据拟合之前先对其进行筛选，剔除无效数据。
根据卫星云图、气象雷达或地面成像对天空中云的信息进行观测，对数值天气预报结果进行订正释用时：通过对比相邻两个时刻光伏电站区域云的变化，对该区域的云列出状态矩阵和观测矩阵
Figure BDA0003047753010000031
其中X(k)为云的状态矩阵，A为状态转移矩阵，U(k)为状态增量矩阵，W(k)和V(k)分别为白噪声矩阵，Z(k)为观测矩阵，建立光伏电站发电模型时引入所述状态矩阵和观测矩阵。
所述光伏电站历史数据包括实发功率、预测功率、实际辐照度以及预测辐照度。
建立储能模型时考虑：
荷电状态约束：避免储能系统出现过度充电或过度放电造成储能寿命缩减，对储能荷电状态(State of Charge，SOC)进行约束：SOClow≤SOC≤SOCup，其中，SOClow为最小电量百分比，SOCup为最大电量百分比；
储能充放电效率：储能在充放电时经过线路损耗和储能自身用电损耗，充入的电量和最终储能增加的电量不是相等的，其计算公式如下：
ΔQT＝Ef∫P(t)dt
其中，ΔQT为储能系统中电量在T时段内的变化值，Ef为储能充放电效率，取值在[0,1]区间，P(t)为储能的瞬时充电功率t＝[0,T]；
能量守恒：储能系统与光伏电站看成一个整体，需要满足能量守恒定律：
Figure BDA0003047753010000032
其中，Pt为集电线路并网功率，Ps为光伏电站发电功率，Pe为储能充放电功率，充电时为负，放电为正。
使用BP神经网络以历史实时电价作为训练目标训练神经网络模型，用来预测储能充放电判定结果：是否参与双边交易，全部储能容量参加还是部分储能容量参加；是否参与辅助服务申报与竞价，全部储能容量参加还是部分储能容量参加；是否参与电网直调，全部储能容量参加还是部分储能容量参加；是否分配储能容量参与提高功率预测的决定。
本发明还提供一种结合储能系统的新能源发电侧功率预测系统，包括区域云的变化趋势预测模块、储能系统的输出预测模块以及最终功率预测模块；
区域云的变化趋势预测模块用于根据实时卫星云图、气象雷达以及地面成像对天空中云的信息进行观测，结合邻近历史时刻卫星云图对云的运行轨迹及变化进行外推，对未来设定时间段内目标电站上云量进行推算，同时对数值天气预报结果进行订正释用，得到未来设定时间段光伏电站所在区域云的变化趋势；
储能系统的输出预测模块用于对光伏电站历史数据线性拟合的方法获得光伏电站合理的功率区间，结合所述云的变化趋势和光伏电站发电模型分析出光伏电站的未来设定时间段的运行状态，通过比较光伏电站短期功率预测值和实时预测值，得到储能系统的期望出力；
最终功率预测模块用于实时获取储能系统的荷电状态和储能充放电效率，依据储能系统的荷电状态约束、储能充放电效率、能量守恒、储能物理参数和经济参数对储能系统建立储能模型，将光伏电站的收益、挽回弃电收益和减少考核收益作为目标函数，将所述储能模型作为约束条件，通过多目标优化算法全局搜索使目标函数得到最优解的储能充放电判定结果，得到联合电站的发电侧功率。
一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述结合储能系统的新能源发电侧功率预测方法。
一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的结合储能系统的新能源发电侧功率预测方法。
与现有技术相比，本发明至少具有以下有益效果：
基于本发明所述方法能提高云的预测以及辐照度预报的精准程度，确保光伏电站超短期功率预测的可靠性；同时结合光伏电站未来的预测功率、实时电价以及综合储能电站系统的效益对储能系统工作充放电功率进行准确预测，可应用于区域内新能源储能电站，通过优化新能源场站的发电控制，辅助新能源场站进行决策，实现经济效益的增长，保障电网安全稳定运行，能够推广到电力系统大量储能电站，更多的电储能项目，能够带动更多的新能源消纳，更最终能够带动更多新能源投资，为电网的节能减排做出重大贡献，具有良好的社会效益。
附图说明
图1为现有技术中光伏系统和储能系统。
图2为本发明所述一种光伏系统和储能系统示意图。
具体实施方式
下面结合附图对本发明进行详细阐述。
基于本发明所述方法新增高精度光功率预测，实现“储能控制系统-AGC/AVC-功率预测”协同功能工作。
根据实时卫星云图、气象雷达以及地面成像数据对天空中云的信息进行观测，结合邻近历史时刻卫星云图对云的运行轨迹及变化进行外推，对未来设定时间段内目标电站上云量进行推算，同时对数值天气预报结果进行订正释用，得到未来设定时间段光伏电站所在区域云的变化趋势；基于卫星云图的光功率短期预测：当云量的预报需要精确到局地或站点级别时，无法单纯依靠传统的数值天气预报，利用实时卫星云图，对影响或即将影响预测目标电站区域的云的状态进行监测，结合邻近历史时刻卫星云图对云的运行轨迹及变化进行外推；同时以数值天气预报结果加以辅助，对未来4小时至日落前目标电站上云量进行推算；利用数学模型对云的走势、变化进行计算，实现光伏功率预测准确预测。
进一步的，本发明借助卫星云图、气象雷达或地面成像手段对天空中云的信息进行观测，通过对比两个时刻光伏电站区域云的变化，对该区域的云列出状态矩阵和观测矩阵
Figure BDA0003047753010000061
其中X(k)为云的状态矩阵，A为状态转移矩阵，U(k)为状态增量矩阵，W(k)和V(k)分别为白噪声矩阵，Z(k)为观测矩阵；对数值天气预报结果进行订正释用，提高云的预测以及辐照度预报的精准程度，结合光伏电站发电特征，提高光伏电站超短期功率预测的可靠性。
对光伏电站历史数据筛选，剔除无效数据：
光伏电站历史数据包括实发功率、预测功率、实际辐照度以及预测辐照度，模拟光伏电站加入储能后的运行状态就需要从光伏电站的历史数据，对光伏电站的历史数据通过线性拟合方法获得光伏电站合理的功率区间，分析光伏电站的运行状态，如是否限电以及限电量，若实际功率低于光伏电站合理功率区间，则判定为限电，限电量为区间下限与实际功率差值。
储能系统建模：依据储能系统的荷电状态约束、储能充放电效率、能量守恒、储能物理参数和经济参数对储能系统建立储能模型，
荷电状态约束：为了避免储能系统出现过度充电或过度放电造成储能寿命缩减，需要对储能荷电状态(State of Charge，SOC)进行约束：SOClow≤SOC≤SOCup，其中，SOClow为最小电量百分比，SOCup为最大电量百分比。
储能充放电效率：储能在充放电时经过线路损耗和储能自身用电损耗，充入的电量和最终储能增加的电量不是相等的，其计算公式如下：
ΔQT＝Ef∫P(t)dt
其中，ΔQT为储能系统中电量在T时段内的变化值，Ef为储能充放电效率，取值在[0,1]区间，P(t)为储能的瞬时充电功率t＝[0,T]；
能量守恒：储能系统与光伏电站看成一个整体，需要满足能量守恒定律：
Figure BDA0003047753010000071
其中，Pt为集电线路并网功率，Ps为光伏电站发电功率，Pe为储能充放电功率，充电时为负，放电为正；
结合储能生命周期的收益、光伏电站的收益，储能收益分为挽回弃电收益和减少考核收益，将光伏电站的收益、挽回弃电收益和减少考核收益作为目标函数，将所述储能模型作为约束条件，通过多目标优化算法全局搜索使目标函数得到最优解的储能充放电判定条件阈值。具体的，基于所有可能参与电力辅助服务场站的数据，包括区域内气象条件、当前并网功率、可用功率以及实时电价，以及辅助服务的电价规则，将这些数据经过剃数操作后，使用马尔科夫概率模型对未来限电概率进行预测，当然使用常用概率模型均可；采用BP神经网络，以历史实时电价作为训练目标训练神经网络模型，用来预测实时电价，预测结果用于做出以下类似的策略决定：是否参与双边交易，全部储能容量参加还是部分储能容量参加；是否参与辅助服务申报与竞价，全部储能容量参加还是部分储能容量参加；是否参与电网直调，全部储能容量参加还是部分储能容量参加；是否分配储能容量参与提高功率预测的决定。
本发明一种可能的实施方式，提供结合储能系统的新能源发电侧功率预测系统，包括区域云的变化趋势预测模块、储能系统的输出预测模块以及最终功率预测模块；
区域云的变化趋势预测模块用于根据实时卫星云图、气象雷达以及地面成像对天空中云的信息进行观测，结合邻近历史时刻卫星云图对云的运行轨迹及变化进行外推，对未来设定时间段内目标电站上云量进行推算，同时对数值天气预报结果进行订正释用，得到未来设定时间段光伏电站所在区域云的变化趋势；
储能系统的输出预测模块用于对光伏电站历史数据线性拟合的方法获得光伏电站合理的功率区间，结合所述云的变化趋势和光伏电站发电模型分析出光伏电站的未来设定时间段的运行状态，通过比较光伏电站短期功率预测值和实时预测值，得到储能系统的期望出力；
最终功率预测模块用于实时获取储能系统的荷电状态和储能充放电效率，依据储能系统的荷电状态约束、储能充放电效率、能量守恒、储能物理参数和经济参数对储能系统建立储能模型，将光伏电站的收益、挽回弃电收益和减少考核收益作为目标函数，将所述储能模型作为约束条件，通过多目标优化算法全局搜索使目标函数得到最优解的储能充放电判定结果，得到联合电站的发电侧功率。
本发明还可以提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述结合储能系统的新能源发电侧功率预测方法。
另一方面，本发明提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的结合储能系统的新能源发电侧功率预测方法。
所述计算机设备可以采用车载计算机、笔记本电脑、平板电脑、桌面型计算机或工作站。
处理器可以是中央处理器(CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)或现成可编程门阵列(FPGA)。
对于本发明所述存储器，可以是车载计算机、笔记本电脑、平板电脑、桌面型计算机或工作站的内部存储单元，如内存、硬盘；也可以采用外部存储单元，如移动硬盘、闪存卡。
计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD，Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance Random Access Memory)和动态随机存取存储器(DRAM，Dynamic Random Access Memory)。
参考图1和图2，本发明还提供一种结合储能和光伏发电站的控制系统，光伏系统设置光伏子站AGC系统，储能系统设置有储能子站AGC系统，储能子站AGC系统与光伏子站AGC系统通信连接，实现光伏系统和储能系统之间通信，光伏系统和储能系统均连接储能管理系统，储能管理系统与功率预测系统通信连接，储能管理系统根据电网调度指令及光储电站系统运行状态向光伏系统和储能系统发送指令，储能管理系统对光伏系统下达弃电和发电指令，储能管理系统对储能电站下达充电和放电指令；电网调度指令执行优先级最高，指令相悖时，能量管理系统指令作为建议指令。
作为一个示例，一种结合储能和光伏发电站的控制系统在运行时，具体如下：
功率预测系统每天产生第二天的短期预测数据发送至储能管理系统，储能管理系统接收数据，所述数据包括15分钟的短期预测功率和时间戳，并将所述数据存储在存储单元中；
功率预测系统每15分钟发送超短期可用功率数据至储能管理系统，储能管理系统接收数据，数据包括15,30,45,60,120分钟超短期预测数据和时间戳；
储能管理系统每1分钟向功率预测系统发送储能子站的SOC数据，功率预测系统接收SOC数据，SOC数据包括电池电量，充放电状态等信息和时间戳；
储能管理系统的数据处理单元将SOC数据、短期预测数据、超短期预测数据、实发功率数据和可用功率数据根据时间戳拼接，发送至逻辑控制单元；
储能管理系统首先判断实发功率和可用功率差值，当差值超过阈值时，判定为限电，计算15分钟的差值积分电量并与SOC值比较，如果储能容量-SOC>积分电量：将差值的15分钟积分电量和充电指令通过串口发送至EMS；如果储能容量-SOC<积分电量：将(储能容量-SOC)和充电指令通过串口发送至EMS；具体的，若差值不超过阈值，计算短期预测与实发功率差值K1和超短期预测和实发功率差值K2，若有一个差值大于考核阈值，则判断K1、K2正负符号，若相同，将大于阈值的差值和充放电指令通过串口发送至EMS；若不同，将没有大于阈值的差值和充放电指令通过串口发送至EMS；若两个差值均大于考核阈值，则判断K1、K2正负号，若相同，判断K1、K2绝对值大小，将绝对值较大的差值和充放电指令通过串口发送至EMS；若不同，不执行。
将储能系统的SOC和充放电指令反馈给功率预测系统，具体如下：
接收第二天的短期预测数据，第二天的短期预测数据包括15分钟的短期预测功率和时间戳，并将第二天的短期预测数据保存；
接收每15分钟发送超短期可用功率数据，超短期可用功率数据包括15,30,45,60,120分钟超短期预测数据和时间戳；
接收间隔1分钟的储能系统的SOC数据，储能系统的SOC数据包括电池电量、充放电状态信息和时间戳；储能能量管理系统每1分钟向功率预测系统发送SOC数据；
将储能系统的SOC数据、短期预测数据、超短期预测数据、实发功率数据和可用功率数据根据时间戳拼接；
判断实发功率和可用功率差值，当差值超过阈值时，判定为限电，计算15分钟的差值积分电量并与SOC值比较，如果储能容量-SOC>积分电量：将差值的15分钟积分电量和充电指令发送至EMS；如果储能容量-SOC<积分电量：将储能容量-SOC和充电指令发送至EMS；具体的：若差值不超过阈值，计算短期预测与实发功率差值K1和超短期预测和实发功率差值K2，
若有一个差值大于考核阈值，则判断K1、K2正负符号，若相同，将大于阈值的差值和充放电指令通过串口发送至EMS；若不同，将没有大于阈值的差值和充放电指令发送至EMS；
若两个差值均大于考核阈值，判断K1、K2正负号，若相同，判断K1、K2绝对值大小，将绝对值较大的差值和充放电指令发送至EMS；若不同，不执行。
将储能系统的SOC和充放电指令反馈给功率预测系统。

Claims (7)

1.一种结合储能系统的新能源发电侧功率预测方法，其特征在于，过程如下：
根据实时卫星云图、气象雷达以及地面成像数据对天空中云的信息进行观测，结合邻近历史时刻卫星云图对云的运行轨迹及变化进行外推，对未来设定时间段内目标电站上云量进行推算，同时对数值天气预报结果进行订正释用，得到未来设定时间段光伏电站所在区域云的变化趋势；
对光伏电站历史数据线性拟合的方法获得光伏电站合理的功率区间，结合所述云的变化趋势和光伏电站发电模型分析出光伏电站的未来设定时间段的运行状态，通过比较光伏电站短期功率预测值和实时预测值，得到储能系统的期望出力；
实时获取储能系统的荷电状态和储能充放电效率，依据储能系统的荷电状态约束、储能充放电效率、能量守恒、储能物理参数和经济参数对储能系统建立储能模型，将光伏电站的收益、挽回弃电收益和减少考核收益作为目标函数，将所述储能模型作为约束条件，通过多目标优化算法全局搜索使目标函数得到最优解的储能充放电判定结果，即得到联合电站的发电侧功率；根据卫星云图、气象雷达或地面成像对天空中云的信息进行观测，对数值天气预报结果进行订正释用时：通过对比相邻两个时刻光伏电站区域云的变化，对该区域的云列出状态矩阵和观测矩阵
Figure FDA0003681640510000011
其中X(k)为云的状态矩阵，A为状态转移矩阵，U(k)为状态增量矩阵，W(k)和V(k)分别为白噪声矩阵，Z(k)为观测矩阵，建立光伏电站发电模型时引入所述状态矩阵和观测矩阵；使用BP神经网络，以历史实时电价作为训练目标训练神经网络模型，用来预测储能充放电判定结果：是否参与双边交易，全部储能容量参加还是部分储能容量参加；是否参与辅助服务申报与竞价，全部储能容量参加还是部分储能容量参加；是否参与电网直调，全部储能容量参加还是部分储能容量参加；是否分配储能容量参与提高功率预测的决定。
2.根据权利要求1所述的结合储能系统的新能源发电侧功率预测方法，其特征在于，对光伏电站历史数据拟合之前先对其进行筛选，剔除无效数据。
3.根据权利要求1所述的结合储能系统的新能源发电侧功率预测方法，其特征在于，所述光伏电站历史数据包括实发功率、预测功率、实际辐照度以及预测辐照度。
4.根据权利要求1所述的结合储能系统的新能源发电侧功率预测方法，其特征在于，建立储能模型时考虑：
荷电状态约束：避免储能系统出现过度充电或过度放电造成储能寿命缩减，对储能荷电状态SOC进行约束：SOClow≤SOC≤SOCup，其中，SOClow为最小电量百分比，SOCup为最大电量百分比；
储能充放电效率：储能在充放电时经过线路损耗和储能自身用电损耗，充入的电量和最终储能增加的电量不是相等的，其计算公式如下：
ΔQT＝Ef∫P(t)dt
其中，ΔQT为储能系统中电量在T时段内的变化值，Ef为储能充放电效率，取值在[0,1]区间，P(t)为储能的瞬时充电功率t＝[0,T]；
能量守恒：储能系统与光伏电站看成一个整体，需要满足能量守恒定律：
Figure FDA0003681640510000021
其中，Pt为集电线路并网功率，Ps为光伏电站发电功率，Pe为储能充放电功率，充电时为负，放电为正。
5.一种结合储能系统的新能源发电侧功率预测系统，其特征在于，包括区域云的变化趋势预测模块、储能系统的输出预测模块以及最终功率预测模块；
区域云的变化趋势预测模块用于根据实时卫星云图、气象雷达以及地面成像对天空中云的信息进行观测，结合邻近历史时刻卫星云图对云的运行轨迹及变化进行外推，对未来设定时间段内目标电站上云量进行推算，同时对数值天气预报结果进行订正释用，得到未来设定时间段光伏电站所在区域云的变化趋势；根据卫星云图、气象雷达或地面成像对天空中云的信息进行观测，对数值天气预报结果进行订正释用时：通过对比相邻两个时刻光伏电站区域云的变化，对该区域的云列出状态矩阵和观测矩阵
Figure FDA0003681640510000031
其中X(k)为云的状态矩阵，A为状态转移矩阵，U(k)为状态增量矩阵，W(k)和V(k)分别为白噪声矩阵，Z(k)为观测矩阵，建立光伏电站发电模型时引入所述状态矩阵和观测矩阵；
储能系统的输出预测模块用于对光伏电站历史数据线性拟合的方法获得光伏电站合理的功率区间，结合所述云的变化趋势和光伏电站发电模型分析出光伏电站的未来设定时间段的运行状态，通过比较光伏电站短期功率预测值和实时预测值，得到储能系统的期望出力；
最终功率预测模块用于实时获取储能系统的荷电状态和储能充放电效率，依据储能系统的荷电状态约束、储能充放电效率、能量守恒、储能物理参数和经济参数对储能系统建立储能模型，将光伏电站的收益、挽回弃电收益和减少考核收益作为目标函数，将所述储能模型作为约束条件，通过多目标优化算法全局搜索使目标函数得到最优解的储能充放电判定结果，得到联合电站的发电侧功率；其中，使用BP神经网络，以历史实时电价作为训练目标训练神经网络模型，用来预测储能充放电判定结果：是否参与双边交易，全部储能容量参加还是部分储能容量参加；是否参与辅助服务申报与竞价，全部储能容量参加还是部分储能容量参加；是否参与电网直调，全部储能容量参加还是部分储能容量参加；是否分配储能容量参与提高功率预测的决定。
6.一种计算机设备，其特征在于，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现权利要求1～4中任一项所述结合储能系统的新能源发电侧功率预测方法。
7.一种计算机可读存储介质，其特征在于，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现如权利要求1～4中任一项所述的结合储能系统的新能源发电侧功率预测方法。
CN202110477922.1A 2021-04-29 2021-04-29 一种结合储能控制系统的新能源发电侧功率预测方法及系统 Active CN113193553B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110477922.1A CN113193553B (zh) 2021-04-29 2021-04-29 一种结合储能控制系统的新能源发电侧功率预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110477922.1A CN113193553B (zh) 2021-04-29 2021-04-29 一种结合储能控制系统的新能源发电侧功率预测方法及系统

Publications (2)

Publication Number Publication Date
CN113193553A CN113193553A (zh) 2021-07-30
CN113193553B true CN113193553B (zh) 2022-07-29

Family

ID=76982900

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110477922.1A Active CN113193553B (zh) 2021-04-29 2021-04-29 一种结合储能控制系统的新能源发电侧功率预测方法及系统

Country Status (1)

Country Link
CN (1) CN113193553B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115659595B (zh) * 2022-09-26 2024-02-06 中国华能集团清洁能源技术研究院有限公司 基于人工智能的新能源场站的储能控制方法及装置
CN117175632A (zh) * 2023-06-26 2023-12-05 南京国电南自电网自动化有限公司 一种提高风光资源利用率和功率预测准确率的方法和装置
CN117200280B (zh) * 2023-11-08 2024-02-09 国网信息通信产业集团有限公司 光伏电站功率控制方法及相关设备
CN117807402A (zh) * 2024-02-27 2024-04-02 阿里巴巴（中国）有限公司 功率预测方法、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104967149A (zh) * 2015-06-29 2015-10-07 山东电力研究院 一种微电网风光储模型预测控制方法
CN105680474A (zh) * 2016-02-22 2016-06-15 中国电力科学研究院 一种储能抑制光伏电站快速功率变化的控制方法
CN107423852A (zh) * 2017-07-24 2017-12-01 华北电力大学（保定） 一种计及典型场景的光储联合电站优化运营方法
CN107422180A (zh) * 2017-02-28 2017-12-01 张家口安智科为新能源有限公司 一种基于云监控的光伏电站的功率预测系统
CN107910884A (zh) * 2017-12-06 2018-04-13 国网山东省电力公司济南供电公司 电池储能平抑光伏发电大爬坡事件的在线控制方法
AU2020102245A4 (en) * 2019-01-08 2020-10-29 Nanjing Institute Of Technology A grid hybrid rolling dispatching method considering congestion and energy storage tou price

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10389136B2 (en) * 2015-10-08 2019-08-20 Con Edison Battery Storage, Llc Photovoltaic energy system with value function optimization

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104967149A (zh) * 2015-06-29 2015-10-07 山东电力研究院 一种微电网风光储模型预测控制方法
CN105680474A (zh) * 2016-02-22 2016-06-15 中国电力科学研究院 一种储能抑制光伏电站快速功率变化的控制方法
CN107422180A (zh) * 2017-02-28 2017-12-01 张家口安智科为新能源有限公司 一种基于云监控的光伏电站的功率预测系统
CN107423852A (zh) * 2017-07-24 2017-12-01 华北电力大学（保定） 一种计及典型场景的光储联合电站优化运营方法
CN107910884A (zh) * 2017-12-06 2018-04-13 国网山东省电力公司济南供电公司 电池储能平抑光伏发电大爬坡事件的在线控制方法
AU2020102245A4 (en) * 2019-01-08 2020-10-29 Nanjing Institute Of Technology A grid hybrid rolling dispatching method considering congestion and energy storage tou price

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
电化学储能在新能源发电侧的应用分析;张宝锋等;《热力发电》;20200831;第49卷(第08期);全文 *

Also Published As

Publication number Publication date
CN113193553A (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
CN113193553B (zh) 一种结合储能控制系统的新能源发电侧功率预测方法及系统
Mirzapour et al. A new prediction model of battery and wind-solar output in hybrid power system
CN109816171B (zh) 一种电动汽车区域微网群双层分布式优化调度方法
CN112488362A (zh) 一种协调电动汽车参与辅助服务市场的储能优化配置方法
CN104701873A (zh) 一种用于跟踪风电计划出力的电池储能系统优化控制方法
CN105576699A (zh) 一种独立微电网储能裕度检测方法
CN113435730B (zh) 一种变电站储能容量的协同配置方法、装置及系统
CN111244991A (zh) 一种考虑电池寿命的储能电站运行控制方法及系统
WO2023208019A1 (zh) 一种雷雨风光储一体化电动车充电站响应系统及方法
CN114036451A (zh) 一种并网式光储充装置的储能控制方法及系统
CN115514005A (zh) 一种光伏电站储能系统配置的经济性评估方法及装置
CN117060474A (zh) 一种新能源充电站的调度方法、系统、设备及存储介质
CN114493743B (zh) 基于agc调频分区控制光储联合系统参与市场投标方法
CN114944661A (zh) 一种基于储能系统滚动优化的微电网三阶段优化控制方法
CN109726416B (zh) 一种基于新能源集群预测及潮流计算的调度决策方法
CN110808600A (zh) 一种计算变电站内接入电池储能站的方法及系统
CN112016186B (zh) 一种基于随机场景构建的年度弃风、弃光率计算方法
CN117767445A (zh) 一种海上风电及储能参与的有功功率协调控制方法及系统
CN117081041A (zh) 一种港区多能源融合协调优化控制方法及系统
Yang et al. An economic optimization for BESS sizing in a hybrid PV and wind power plant
CN113364019B (zh) 车载储能资源参与电力调峰的方法及系统
CN112886624B (zh) 一种三站合一变电站储能装置规划设计系统及方法
CN114530848A (zh) 一种光储虚拟电厂多时间尺度动态划分方法
CN108183498B (zh) 一种含风光储配电网背景下的车储混合配置方法
CN115000999B (zh) 一种电动汽车日前响应能力评估方法

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210730

Assignee: Northern shangduzheng Lanqi new energy Co.,Ltd.

Assignor: HUANENG CLEAN ENERGY Research Institute

Contract record no.: X2023110000091

Denomination of invention: A New Energy Generation Side Power Prediction Method and System Combining Energy Storage Control System

Granted publication date: 20220729

License type: Common License

Record date: 20230809

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210730

Assignee: Wushi County Huaneng New Energy Co.,Ltd.

Assignor: HUANENG CLEAN ENERGY Research Institute

Contract record no.: X2023110000097

Denomination of invention: A New Energy Generation Side Power Prediction Method and System Combining Energy Storage Control System

Granted publication date: 20220729

License type: Common License

Record date: 20230821