CN113452057A - 一种基于风光储联合电站的储能系统优化方法及系统 - Google Patents

一种基于风光储联合电站的储能系统优化方法及系统 Download PDF

Info

Publication number
CN113452057A
CN113452057A CN202110895995.2A CN202110895995A CN113452057A CN 113452057 A CN113452057 A CN 113452057A CN 202110895995 A CN202110895995 A CN 202110895995A CN 113452057 A CN113452057 A CN 113452057A
Authority
CN
China
Prior art keywords
energy storage
storage system
wind
determining
moment
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
Application number
CN202110895995.2A
Other languages
English (en)
Other versions
CN113452057B (zh
Inventor
林忠伟
张子涵
赵泽
邹祖冰
刘瑞阔
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.)
North China Electric Power University
China Three Gorges Corp
Original Assignee
North China Electric Power University
China Three Gorges Corp
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 North China Electric Power University, China Three Gorges Corp filed Critical North China Electric Power University
Priority to CN202110895995.2A priority Critical patent/CN113452057B/zh
Publication of CN113452057A publication Critical patent/CN113452057A/zh
Application granted granted Critical
Publication of CN113452057B publication Critical patent/CN113452057B/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
    • H02J3/28—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
    • 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
    • H02J3/24—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
    • H02J3/38—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
    • 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
    • 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
    • H02J2300/28—The renewable source being wind energy
    • 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
    • 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
    • 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
    • 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)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Power Engineering (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)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种基于风光储联合电站的储能系统优化方法及系统，包括：获取风光储联合电站的相关数据；根据相关数据确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值和储能系统在跟踪出力计划控制模式下每一时刻的理想出力值；在将两种模式下每一时刻的理想出力值进行融合，确定不同权重下的储能系统的实际出力值；根据不同权重下的储能系统的实际出力值确定不同权重下的平均波动率和平均相对跟踪误差；根据平均波动率和平均相对跟踪误差确定帕累托前沿；以储能系统充放电次数为优化目标，在帕累托前沿上确定储能系统的权重满意解。本发明能够实现同时满足波动率与相对跟踪误差的需求，并且延长储能寿命。

Description

一种基于风光储联合电站的储能系统优化方法及系统
技术领域
本发明涉及新能源发电领域，特别是涉及一种基于风光储联合电站的储能系统优化方法及系统。
背景技术
当前现状是各个风光储场站缺少支撑多能交互的调度平台和控制策略，风光储场站无法同时处理跟踪发电计划、风光功率波动等问题，系统运行效率低下，难以挖掘储能的主动支撑能力，严重制约了新能源并网消纳能力和电能质量水平。
风速由于受到天气与地理等因素的影响，其大小与风向会经常性变化，而光伏出力也与天气变化密切相关，光照强度和气温的变化会影响到出力的大小，从而导致风电和光伏出力具有很大的随机性、波动性和间歇性。随着风光接入电网容量的不断增大，随机性、波动性和间歇性等风光出力特性对电力系统的安全与稳定运行影响越来越大，大大降低了原有的电能质量。在平抑风光功率波动控制方面，国内外已进行了研究，其基本原理是设计储能自动平滑程序控制储能吞吐风光功率，将功率波动控制在设计范围内，实现多时间尺度平滑风光发电出力。
在风光储联合电站跟踪出力计划控制策略方面，根据检索结果，相关研究较少。跟踪出力计划即根据所计划的电站出力曲线，控制储能电池的充放电过程，使得电站的实际功率输出尽可能的接近计划出力，从而增加可再生能源输出的确定性。
在如上背景下，储能系统参与的平抑风光功率波动控制与跟踪出力计划控制两模式融合方法是当前风光储联合电站所需的控制策略，能够在保证波动率指标与相对跟踪误差指标的前提下，考虑储能寿命，选择最优的两模式的参与权重，同时处理跟踪发电计划与风光波动率的问题，提高并网友好性与系统准确性。但是目前并未有将两模式进行融合的控制策略。
发明内容
本发明的目的是提供一种基于风光储联合电站的储能系统优化方法及系统，以实现同时满足波动率与相对跟踪误差的需求，并且延长储能寿命。
为实现上述目的，本发明提供了如下方案：
一种基于风光储联合电站的储能系统优化方法，包括：
获取风光储联合电站的相关数据；所述相关数据包括风力发电系统的实时出力值、风力发电系统的额定装置容量、光伏发电系统实时出力值、光伏发电系统的额定装置容量、电网下发的风光储联合电站指令值、储能系统指令下发时间和储能系统电池荷电状态；
将所述相关数据进行波动率限值和储能电池荷电状态约束，确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值；
将所述相关数据进行偏差补偿，确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值；
将所述储能系统在平抑风光功率波动模式下每一时刻的理想出力值和所述储能系统在跟踪出力计划控制模式下每一时刻的理想出力值进行融合，确定不同权重下的储能系统的实际出力值；
根据所述不同权重下的储能系统的实际出力值确定不同权重下的平均波动率和平均相对跟踪误差；
根据所述平均波动率和所述平均相对跟踪误差确定帕累托前沿；
以储能系统充放电次数为优化目标，在所述帕累托前沿上确定所述储能系统的权重满意解。
可选的，所述将所述相关数据进行波动率限值和储能电池荷电状态约束，确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值，具体包括：
根据所述相关数据确定每一时刻的风光储联合电站总输出功率和风光出力波动率；
比较所述风光出力波动率和设定波动率阈值；
当所述风光出力波动率的绝对值大于所述设定波动率阈值时，根据所述设定波动率阈值和所述每一时刻的风光储联合电站总输出功率确定储能系统出力值；
根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。
可选的，所述根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值，具体包括：
根据所述相关数据的储能电池的额定电量和所述相关数据的储能系统的实际出力值确定当前时刻储能系统电池荷电状态；
判断所述当前时刻储能系统电池荷电状态是否超过设定储能系统电池荷电状态阈值；若所述当前时刻储能系统电池荷电状态超过设定储能系统电池荷电状态阈值，则当前时刻的储能系统出力值为0，若所述当前时刻储能系统电池荷电状态未超过设定储能系统电池荷电状态阈值，则根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。
可选的，所述将所述相关数据进行偏差补偿，确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值，具体包括：
将所述电网下发的风光储联合电站指令值和所述每一时刻的风光储联合电站总输出功率作差，确定偏差；
根据所述偏差确定储能系统的充放电状态；所述储能系统的充放电状态包括所述储能系统的充电状态和所述储能系统的放电状态；
根据所述储能系统的充放电状态、设定储能系统动作阈值和所述设定储能系统电池荷电状态阈值确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值。
可选的，所述根据所述储能系统的充放电状态、设定储能系统动作阈值和所述设定储能系统电池荷电状态阈值确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值，具体包括：
判断所述偏差的绝对值是否超过设定储能系统动作阈值；若偏差的绝对值为超过设定储能系统动作阈值，则判断所述当前时刻储能系统电池荷电状态是否超过设定储能系统电池荷电状态阈值；
若所述当前时刻储能系统电池荷电状态超过设定储能系统电池荷电状态阈值，则当前时刻的储能系统出力值为0，若所述当前时刻储能系统电池荷电状态未超过设定储能系统电池荷电状态阈值，则确定所述偏差为储能系统在跟踪出力计划控制模式下每一时刻的理想出力值。
可选的，所述根据所述平均波动率和所述平均相对跟踪误差确定帕累托前沿，具体包括：
根据所述平均波动率和所述平均相对跟踪误差确定平均波动率-平均相对跟踪误差散点图；
确定所述平均波动率-平均相对跟踪误差散点图的斜率曲线；
将所述斜率曲线为负的区间作为所述平均波动率和所述平均相对跟踪误差的帕累托前沿。
一种基于风光储联合电站的储能系统优化系统，包括：
获取模块，用于获取风光储联合电站的相关数据；所述相关数据包括风力发电系统的实时出力值、风力发电系统的额定装置容量、光伏发电系统实时出力值、光伏发电系统的额定装置容量、电网下发的风光储联合电站指令值、储能系统指令下发时间和储能系统电池荷电状态；
限制和约束模块，用于将所述相关数据进行波动率限值和储能电池荷电状态约束，确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值；
偏差补偿模块，用于将所述相关数据进行偏差补偿，确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值；
融合模块，用于将所述储能系统在平抑风光功率波动模式下每一时刻的理想出力值和所述储能系统在跟踪出力计划控制模式下每一时刻的理想出力值进行融合，确定不同权重下的储能系统的实际出力值；
平均波动率和平均相对跟踪误差确定模块，用于根据所述不同权重下的储能系统的实际出力值确定不同权重下的平均波动率和平均相对跟踪误差；
帕累托前沿确定模块，用于根据所述平均波动率和所述平均相对跟踪误差确定帕累托前沿；
权重满意解确定模块，用于以储能系统充放电次数为优化目标，在所述帕累托前沿上确定所述储能系统的权重满意解。
可选的，所述限制和约束模块，具体包括：
总输出功率和风光出力波动率确定单元，用于根据所述相关数据确定每一时刻的风光储联合电站总输出功率和风光出力波动率；
比较单元，用于比较所述风光出力波动率和设定波动率阈值；
储能系统出力值单元，用于当所述风光出力波动率的绝对值大于所述设定波动率阈值时，根据所述设定波动率阈值和所述每一时刻的风光储联合电站总输出功率确定储能系统出力值；
储能系统在平抑风光功率波动模式下每一时刻的理想出力值确定单元，用于根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。
可选的，所述储能系统在平抑风光功率波动模式下每一时刻的理想出力值确定单元，具体包括：
当前时刻储能系统电池荷电状态确定子单元，用于根据所述相关数据的储能电池的额定电量和所述相关数据的储能系统的实际出力值确定当前时刻储能系统电池荷电状态；
判断子单元，用于判断所述当前时刻储能系统电池荷电状态是否超过设定储能系统电池荷电状态阈值；若所述当前时刻储能系统电池荷电状态超过设定储能系统电池荷电状态阈值，则当前时刻的储能系统出力值为0，若所述当前时刻储能系统电池荷电状态未超过设定储能系统电池荷电状态阈值，则根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。
可选的，所述偏差补偿模块，具体包括：
偏差确定单元，用于将所述电网下发的风光储联合电站指令值和所述每一时刻的风光储联合电站总输出功率作差，确定偏差；
充放电状态确定单元，用于根据所述偏差确定储能系统的充放电状态；所述储能系统的充放电状态包括所述储能系统的充电状态和所述储能系统的放电状态；
储能系统在跟踪出力计划控制模式下每一时刻的理想出力值确定单元，用于根据所述储能系统的充放电状态、设定储能系统动作阈值和所述设定储能系统电池荷电状态阈值确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的基于风光储联合电站的储能系统优化方法及系统，通过对相关数据进行波动率限值和储能电池荷电状态约束确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值，对相关数据进行偏差补偿确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值，在对两种模式下的理想出力值进行融合，确定不同权重下的储能系统的实际出力值进而确定平均波动率和平均相对跟踪误差，在同时考虑波动率和平均相对跟踪误差的前提下，以储能系统充放电次数为优化目标，不仅有效减少储能使用次数，避免储能系统深充深放，还延长储能系统的寿命。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的基于风光储联合电站的储能系统优化方法的流程图；
图2为本发明提供的基于风光储联合电站的储能系统优化方法的具体流程图；
图3为平抑风光功率波动模式效果图；
图4为跟踪出力计划控制模式效果图；
图5为双模式融合的风光储联合电站总出力效果图；
图6为双模式融合场景下的储能出力对比曲线图；
图7为双模式融合场景下的SOC状态曲线图；
图8为本发明提供的基于风光储联合电站的储能系统优化系统的框图。
具体实施方式
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。
本发明的目的是提供一种基于风光储联合电站的储能系统优化方法及系统，以实现同时满足波动率与相对跟踪误差的需求，并且延长储能寿命。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供的一种基于风光储联合电站的储能系统优化方法，包括：
步骤101：获取风光储联合电站的相关数据；所述相关数据包括风力发电系统的实时出力值、风力发电系统的额定装置容量、光伏发电系统实时出力值、光伏发电系统的额定装置容量、电网下发的风光储联合电站指令值、储能系统指令下发时间和储能系统电池荷电状态。
步骤102：将所述相关数据进行波动率限值和储能电池荷电状态约束，确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。
步骤102，具体包括：
根据所述相关数据确定每一时刻的风光储联合电站总输出功率和风光出力波动率。
比较所述风光出力波动率和设定波动率阈值。
当所述风光出力波动率的绝对值大于所述设定波动率阈值时，根据所述设定波动率阈值和所述每一时刻的风光储联合电站总输出功率确定储能系统出力值。
根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。
其中，根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值具体包括：根据所述相关数据的储能电池的额定电量和所述相关数据的储能系统的实际出力值确定当前时刻储能系统电池荷电状态。判断所述当前时刻储能系统电池荷电状态是否超过设定储能系统电池荷电状态阈值；若所述当前时刻储能系统电池荷电状态超过设定储能系统电池荷电状态阈值，则当前时刻的储能系统出力值为0，若所述当前时刻储能系统电池荷电状态未超过设定储能系统电池荷电状态阈值，则根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。
步骤103：将所述相关数据进行偏差补偿，确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值。
步骤103，具体包括：
将所述电网下发的风光储联合电站指令值和所述每一时刻的风光储联合电站总输出功率作差，确定偏差。
根据所述偏差确定储能系统的充放电状态；所述储能系统的充放电状态包括所述储能系统的充电状态和所述储能系统的放电状态。
根据所述储能系统的充放电状态、设定储能系统动作阈值和所述设定储能系统电池荷电状态阈值确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值。
其中，所述根据所述储能系统的充放电状态、设定储能系统动作阈值和所述设定储能系统电池荷电状态阈值确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值，具体包括：
判断所述偏差的绝对值是否超过设定储能系统动作阈值；若偏差的绝对值为超过设定储能系统动作阈值，则判断所述当前时刻储能系统电池荷电状态是否超过设定储能系统电池荷电状态阈值。
若所述当前时刻储能系统电池荷电状态超过设定储能系统电池荷电状态阈值，则当前时刻的储能系统出力值为0，若所述当前时刻储能系统电池荷电状态未超过设定储能系统电池荷电状态阈值，则确定所述偏差为储能系统在跟踪出力计划控制模式下每一时刻的理想出力值。
步骤104：将所述储能系统在平抑风光功率波动模式下每一时刻的理想出力值和所述储能系统在跟踪出力计划控制模式下每一时刻的理想出力值进行融合，确定不同权重下的储能系统的实际出力值。
步骤105：根据所述不同权重下的储能系统的实际出力值确定不同权重下的平均波动率和平均相对跟踪误差。
步骤106：根据所述平均波动率和所述平均相对跟踪误差确定帕累托前沿。
步骤106，具体包括：
根据所述平均波动率和所述平均相对跟踪误差确定平均波动率-平均相对跟踪误差散点图。
确定所述平均波动率-平均相对跟踪误差散点图的斜率曲线。
将所述斜率曲线为负的区间作为所述平均波动率和所述平均相对跟踪误差的帕累托前沿。
步骤107：以储能系统充放电次数为优化目标，在所述帕累托前沿上确定所述储能系统的权重满意解。
如图2所示，本发明还提供了一种基于风光储联合电站的储能系统优化方法在实际应用中的工作流程，该方法所适用的对象为风光储联合电站。最终寻求的权重满意解可以同时满足当地波动率与相对跟踪误差需求，并且延长储能寿命。
步骤1：计算储能系统在平抑风光功率波动模式下的理想出力值，使储能系统在风力发电系统和光伏发电系统的总实时出力值尖峰时充电，在风力发电系统和光伏发电系统的总实时出力值低谷时放电，最终实现风光储联合电站的总输出功率曲线的波动率达到预期范围内。
步骤1.1：实时读取风光储联合电站的相关数据，包括风力发电系统和光伏发电系统的实发值、风光储各子站的额定容量、储能系统指令下发时间间隔、电池储能系统的初始SOC(SOC全称为电池荷电状态——state of charge，定义为电池剩余电量与额定电量之比，表示电池所剩电量的相对度量。其中，SOC＝0表示电池放完电，SOC＝1表示电池充满电)。
步骤1.2：计算每一时刻的风光储联合电站总输出功率Pall，计算公式见式(1)，计算每一时刻的风光出力波动率δ，波动率δ的计算公式见式(2)：
Pall(k)＝Ptur(k)+Ppv(k)+Pess(k) (1)
Figure BDA0003197900490000101
其中，Pall(k)为k时刻的风光储联合电站总输出功率，Ptur(k)为k时刻风力发电系统的实时出力值，Ppv(k)为k时刻光伏发电系统的实时出力值，Pess(k)为k时刻储能系统的实际出力值，δ为风光出力波动率，Pall(k-1)为(k-1)时刻的风光储联合电站总输出功率，Pr_tur为风力发电系统的额定装机容量，Pr_pv为光伏发电系统的额定装机容量。
步骤1.3：根据当地实际情况或者电网需求设置波动率限值α(一般取值在5％～10％范围内)即设定波动率阈值，在每个指令周期内比较当前波动率与设置的波动率限值α，若当前的波动率大于设置的波动率限值，则进入储能出力计算单元。
步骤1.4：在综合考虑储能SOC与波动率限值的情景下，计算储能系统在平抑风光功率波动模式下每一时刻的理想出力值，通过设置合适的波动率限值与储能SOC约束，可以实现保护储能系统，减少储能系统动作次数，从而延长储能系统寿命。
步骤1.4.1：在当前波动率的绝对值大于限值α的情况下，按照式(3)计算风光储联合电站在平抑风光功率波动模式下的总理想出力值
Figure BDA0003197900490000112
Figure BDA0003197900490000113
其中，
Figure BDA0003197900490000114
为k时刻风光储联合电站在平抑风光功率波动模式下的总理想出力值，
Figure BDA0003197900490000115
为k-1时刻风光储联合电站在平抑风光功率波动模式下的总理想出力值，正负号分别对应需要充/放电的场景。
步骤1.4.2：根据风光储联合电站在平抑风光功率波动控制模式下的总理想出力值计算得到储能系统出力值
Figure BDA0003197900490000116
Figure BDA0003197900490000117
其中
Figure BDA0003197900490000118
为k时刻储能系统在平抑风光功率波动模式下的理想出力值。
步骤1.4.3：提前预设储能系统SOC上限SOCup和储能系统下限SOCdown，设定储能系统电池荷电状态阈值包括预设储能系统SOC上限SOCup和储能系统下限SOCdown，计算当前时刻的储能系统SOC，判断当前的SOC是否超过设定的储能系统SOC上限SOCup和储能系统SOC下限SOCdown，如果超过上下限值，当前时刻的储能系统出力值为0。如果不超过上下限值，则根据公式(7)确定理想出力值。储能系统SOC的计算公式见式(5)：
Figure BDA0003197900490000111
也可以变换为下式(6)：
Figure BDA0003197900490000121
综上可得，
Figure BDA0003197900490000122
其中，SOC(k)为k时刻储能系统的电池荷电状态，SOC(k0)为初始时刻储能系统的电池荷电状态，Emax为储能电池额定电量，Pess(k)为k时刻储能系统的实际出力值，k0为储能系统投入的初始时刻。
针对步骤1的平抑风光功率波动模式，图3为其效果图。从图3中的局部放大图可以看出，此算法可以达到平滑风光输出功率的目的，很大程度上减小了风光储联合电站的并网波动率。
步骤2：计算储能系统在跟踪出力计划控制模式下的理想出力值，通过储能系统的参与，对当前的偏差进行实时补偿，使风光储联合电站依据电网指令稳定输出，此外考虑储能寿命，减少储能系统动作频率，降低储能系统充放电深度。
步骤2.1：实时读取风光储联合电站的相关数据，包括电网下发的风光储联合电站指令值、风力发电系统和光伏发电系统的实发值、风光储各子站的额定容量、储能系统指令下发时间间隔、电池储能系统的初始SOC。
步骤2.2：计算每一时刻的风光储联合电站总输出功率与电网下发的风光储联合电站指令值的偏差Per，计算公式见式(8)：
Per(k)＝Pplan(k)-Pall(k) (8)
其中，Pplan(k)为电网下发的风光储联合电站指令值。
步骤2.3：根据当前场景与储能系统状态，计算储能系统在跟踪出力计划控制模式下的理想出力值。
步骤2.3.1：将偏差Per与零进行比较，若偏差大于零，则当前储能系统处于放电状态，若当前偏差小于零，则储能系统处于充电状态，对应储能系统的充电状态和放电状态。
步骤2.3.2：提前预设储能系统动作上限βup和储能系统动作下限βdown，设定储能系统动作阈值包括预设储能系统动作上限βup和储能系统动作下限βdown，将偏差Per的绝对值与储能系统动作上限βup和储能系统动作下限βdown对比。通过储能系统动作上限βup的约束，可以防止储能系统深充深放，降低放电深度；通过储能系统动作下限βdown的约束，可以防止储能系统以小功率值充放电，减少储能动作次数。
步骤2.3.3：提前预设储能系统SOC上限SOCup和储能系统下限SOCdown，计算当前时刻的储能系统SOC，判断当前的SOC是否超过设定的储能系统SOC上限SOCup和储能系统SOC下限SOCdown，如果超过上下限值，当前时刻的储能系统出力值为0。如果未超过，则利用公式(9)确定理想出力值。
Figure BDA0003197900490000131
其中，
Figure BDA0003197900490000132
为当前时刻储能系统在跟踪出力计划控制模式下的理想出力值。
针对步骤2的跟踪出力计划控制模式，图4为其效果图。从图4中的局部放大图可以看出，此算法可以通过储能系统的参与对当前偏差进行实时补偿，保证风光储联合电站根据计划值稳定输出。
步骤3：平抑风光功率波动模式与跟踪出力计划控制模式融合，获得不同权重下的储能系统的实际出力值。
步骤3.1：根据当前时刻的储能系统在平抑风光功率波动模式下的理想出力值
Figure BDA0003197900490000133
和在跟踪出力计划控制模式下的理想出力值
Figure BDA0003197900490000134
按照式(10)，计算得到储能系统实际出力值Pess(k)。
Figure BDA0003197900490000141
其中，γ为平抑风光功率波动模式所占权重。
步骤3.2：权重γ从0起步，以0.001为步长，末项为1，循环计算储能系统的实际出力值Pess(k)，记录以方便后续步骤的分析。
步骤4：根据步骤3.2计算得到的多组储能系统实际出力值，计算对应不同权重γ下的平均波动率δave与平均相对跟踪误差εave，波动率δ的计算公式见式(2)，平均波动率的计算公式见式(11)，相对跟踪误差的计算公式见式(12)，平均相对跟踪误差的计算公式见式(13)。
Figure BDA0003197900490000142
Figure BDA0003197900490000143
Figure BDA0003197900490000144
其中，n为采集样点数量。
步骤5：根据多组平均波动率δave与平均相对跟踪误差εave的数据画出平均波动率-平均相对跟踪误差散点图。
步骤6：画出平均波动率-平均相对跟踪误差散点图的斜率曲线。按照斜率的正负，将平均波动率-平均相对跟踪误差散点图划分区间，在斜率为负的区间上取满意解。
步骤7：同时考虑电池的循环寿命，这里选取电池满充满放次数，以此为依据，量化储能寿命。
步骤7.1：计算整体运行时间内，电池总充电/放电电量。
Echarge＝∑echarge(kcha) (14)
Edischarge＝∑edischarge(kdischa) (15)
其中，Echarge为整体运行时间内电池的总充电电量，echarge为每一运行时刻电池的充电电量，kcha为充电时刻，Edischarge为整体运行时间内电池的总放电电量，edischarge为每一运行时刻电池的放电电量，kdischa为放电时刻。
步骤7.2：计算对应不同权重下的电池满充满放的次数。
Tcha＝Echarge÷Emax
Pdischa＝Edischarge÷Emax
其中，Tcha为整体运行时间内电池的满充次数，Tdischa为整体运行时间内电池的满放次数。
步骤7.3：画出对应不同权重下的电池充放电次数散点图。
步骤8：将平均波动率-平均相对跟踪误差的斜率为负的区间作为平均波动率与平均相对跟踪误差的帕累托前沿，且此区间上的每一个解都为弱帕累托最优解；引入新的决策变量-储能系统充/放电次数，根据新的决策变量，在帕累托前沿上选取权重的满意解。
针对步骤3-步骤8中的双模式融合场景，图5、图6、图7为其效果图。可以观察到，在双模式融合场景下，观察图6可发现，储能的出力既不会和跟踪出力计划控制模式下的储能出力一样深充深放，也不会像平抑风光功率波动控制模式下的储能出力一样非常平滑但达不到跟踪电网计划的目的；观察图7可发现，SOC状态在融合模式下，没有超出预设的SOCup和SOCdown限值，并且规避了跟踪出力计划控制模式下的储能深充深放，降低了放电深度；观察图5可以发现，双模式融合场景下的风光储联合场站的总出力既达到了在可允许相对跟踪误差下的跟踪电网计划值的目的，又实现了功率平滑的功能。
如图8所示，本发明提供的一种基于风光储联合电站的储能系统优化系统，包括：
获取模块801，用于获取风光储联合电站的相关数据；所述相关数据包括风力发电系统的实时出力值、风力发电系统的额定装置容量、光伏发电系统实时出力值、光伏发电系统的额定装置容量、电网下发的风光储联合电站指令值、储能系统指令下发时间和储能系统电池荷电状态。
限制和约束模块802，用于将所述相关数据进行波动率限值和储能电池荷电状态约束，确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。
偏差补偿模块803，用于将所述相关数据进行偏差补偿，确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值。
融合模块804，用于将所述储能系统在平抑风光功率波动模式下每一时刻的理想出力值和所述储能系统在跟踪出力计划控制模式下每一时刻的理想出力值进行融合，确定不同权重下的储能系统的实际出力值。
平均波动率和平均相对跟踪误差确定模块805，用于根据所述不同权重下的储能系统的实际出力值确定不同权重下的平均波动率和平均相对跟踪误差。
帕累托前沿确定模块806，用于根据所述平均波动率和所述平均相对跟踪误差确定帕累托前沿。
权重满意解确定模块807，用于以储能系统充放电次数为优化目标，在所述帕累托前沿上确定所述储能系统的权重满意解。
其中，所述限制和约束模块802，具体包括：
总输出功率和风光出力波动率确定单元，用于根据所述相关数据确定每一时刻的风光储联合电站总输出功率和风光出力波动率。
比较单元，用于比较所述风光出力波动率和设定波动率阈值。
储能系统出力值单元，用于当所述风光出力波动率的绝对值大于所述设定波动率阈值时，根据所述设定波动率阈值和所述每一时刻的风光储联合电站总输出功率确定储能系统出力值。
储能系统在平抑风光功率波动模式下每一时刻的理想出力值确定单元，用于根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。所述储能系统在平抑风光功率波动模式下每一时刻的理想出力值确定单元，具体包括：当前时刻储能系统电池荷电状态确定子单元，用于根据所述相关数据的储能电池的额定电量和所述相关数据的储能系统的实际出力值确定当前时刻储能系统电池荷电状态；判断子单元，用于判断所述当前时刻储能系统电池荷电状态是否超过设定储能系统电池荷电状态阈值；若所述当前时刻储能系统电池荷电状态超过设定储能系统电池荷电状态阈值，则当前时刻的储能系统出力值为0，若所述当前时刻储能系统电池荷电状态未超过设定储能系统电池荷电状态阈值，则根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。
其中，所述偏差补偿模块803，具体包括：
偏差确定单元，用于将所述电网下发的风光储联合电站指令值和所述每一时刻的风光储联合电站总输出功率作差，确定偏差。
充放电状态确定单元，用于根据所述偏差确定储能系统的充放电状态；所述储能系统的充放电状态包括所述储能系统的充电状态和所述储能系统的放电状态。
储能系统在跟踪出力计划控制模式下每一时刻的理想出力值确定单元，用于根据所述储能系统的充放电状态、设定储能系统动作阈值和所述设定储能系统电池荷电状态阈值确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值。
本方法在同时满足当地波动率与相对跟踪误差需求的前提下，考虑了影响储能寿命的多种因素，不仅有效减少储能使用次数，避免储能系统深充深放，还延长储能系统的寿命。在综合考虑波动率、相对跟踪误差和储能寿命多种因素的情况下，寻找权重的帕累托前沿，最终在权重的满意解集中找到满意解。能够在保证波动率指标与相对跟踪误差指标的前提下，考虑储能寿命，选择最优的两模式的参与权重，同时处理跟踪发电计划与风光波动率的问题，提高并网友好性与系统准确性。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于风光储联合电站的储能系统优化方法，其特征在于，包括：
获取风光储联合电站的相关数据；所述相关数据包括风力发电系统的实时出力值、风力发电系统的额定装置容量、光伏发电系统实时出力值、光伏发电系统的额定装置容量、电网下发的风光储联合电站指令值、储能系统指令下发时间和储能系统电池荷电状态；
将所述相关数据进行波动率限值和储能电池荷电状态约束，确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值；
将所述相关数据进行偏差补偿，确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值；
将所述储能系统在平抑风光功率波动模式下每一时刻的理想出力值和所述储能系统在跟踪出力计划控制模式下每一时刻的理想出力值进行融合，确定不同权重下的储能系统的实际出力值；
根据所述不同权重下的储能系统的实际出力值确定不同权重下的平均波动率和平均相对跟踪误差；
根据所述平均波动率和所述平均相对跟踪误差确定帕累托前沿；
以储能系统充放电次数为优化目标，在所述帕累托前沿上确定所述储能系统的权重满意解。
2.根据权利要求1所述的基于风光储联取合电站的储能系统优化方法，其特征在于，所述将所述相关数据进行波动率限值和储能电池荷电状态约束，确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值，具体包括：
根据所述相关数据确定每一时刻的风光储联合电站总输出功率和风光出力波动率；
比较所述风光出力波动率和设定波动率阈值；
当所述风光出力波动率的绝对值大于所述设定波动率阈值时，根据所述设定波动率阈值和所述每一时刻的风光储联合电站总输出功率确定储能系统出力值；
根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。
3.根据权利要求2所述的基于风光储联取合电站的储能系统优化方法，其特征在于，所述根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值，具体包括：
根据所述相关数据的储能电池的额定电量和所述相关数据的储能系统的实际出力值确定当前时刻储能系统电池荷电状态；
判断所述当前时刻储能系统电池荷电状态是否超过设定储能系统电池荷电状态阈值；若所述当前时刻储能系统电池荷电状态超过设定储能系统电池荷电状态阈值，则当前时刻的储能系统出力值为0，若所述当前时刻储能系统电池荷电状态未超过设定储能系统电池荷电状态阈值，则根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。
4.根据权利要求3所述的基于风光储联合电站的储能系统优化方法，其特征在于，所述将所述相关数据进行偏差补偿，确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值，具体包括：
将所述电网下发的风光储联合电站指令值和所述每一时刻的风光储联合电站总输出功率作差，确定偏差；
根据所述偏差确定储能系统的充放电状态；所述储能系统的充放电状态包括所述储能系统的充电状态和所述储能系统的放电状态；
根据所述储能系统的充放电状态、设定储能系统动作阈值和所述设定储能系统电池荷电状态阈值确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值。
5.根据权利要求4所述的基于风光储联合电站的储能系统优化方法，其特征在于，所述根据所述储能系统的充放电状态、设定储能系统动作阈值和所述设定储能系统电池荷电状态阈值确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值，具体包括：
判断所述偏差的绝对值是否超过设定储能系统动作阈值；若偏差的绝对值为超过设定储能系统动作阈值，则判断所述当前时刻储能系统电池荷电状态是否超过设定储能系统电池荷电状态阈值；
若所述当前时刻储能系统电池荷电状态超过设定储能系统电池荷电状态阈值，则当前时刻的储能系统出力值为0，若所述当前时刻储能系统电池荷电状态未超过设定储能系统电池荷电状态阈值，则确定所述偏差为储能系统在跟踪出力计划控制模式下每一时刻的理想出力值。
6.根据权利要求1所述的基于风光储联合电站的储能系统优化方法，其特征在于，所述根据所述平均波动率和所述平均相对跟踪误差确定帕累托前沿，具体包括：
根据所述平均波动率和所述平均相对跟踪误差确定平均波动率-平均相对跟踪误差散点图；
确定所述平均波动率-平均相对跟踪误差散点图的斜率曲线；
将所述斜率曲线为负的区间作为所述平均波动率和所述平均相对跟踪误差的帕累托前沿。
7.一种基于风光储联合电站的储能系统优化系统，其特征在于，包括：
获取模块，用于获取风光储联合电站的相关数据；所述相关数据包括风力发电系统的实时出力值、风力发电系统的额定装置容量、光伏发电系统实时出力值、光伏发电系统的额定装置容量、电网下发的风光储联合电站指令值、储能系统指令下发时间和储能系统电池荷电状态；
限制和约束模块，用于将所述相关数据进行波动率限值和储能电池荷电状态约束，确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值；
偏差补偿模块，用于将所述相关数据进行偏差补偿，确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值；
融合模块，用于将所述储能系统在平抑风光功率波动模式下每一时刻的理想出力值和所述储能系统在跟踪出力计划控制模式下每一时刻的理想出力值进行融合，确定不同权重下的储能系统的实际出力值；
平均波动率和平均相对跟踪误差确定模块，用于根据所述不同权重下的储能系统的实际出力值确定不同权重下的平均波动率和平均相对跟踪误差；
帕累托前沿确定模块，用于根据所述平均波动率和所述平均相对跟踪误差确定帕累托前沿；
权重满意解确定模块，用于以储能系统充放电次数为优化目标，在所述帕累托前沿上确定所述储能系统的权重满意解。
8.根据权利要求7所述的基于风光储联取合电站的储能系统优化系统，其特征在于，所述限制和约束模块，具体包括：
总输出功率和风光出力波动率确定单元，用于根据所述相关数据确定每一时刻的风光储联合电站总输出功率和风光出力波动率；
比较单元，用于比较所述风光出力波动率和设定波动率阈值；
储能系统出力值单元，用于当所述风光出力波动率的绝对值大于所述设定波动率阈值时，根据所述设定波动率阈值和所述每一时刻的风光储联合电站总输出功率确定储能系统出力值；
储能系统在平抑风光功率波动模式下每一时刻的理想出力值确定单元，用于根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。
9.根据权利要求8所述的基于风光储联取合电站的储能系统优化系统，其特征在于，所述储能系统在平抑风光功率波动模式下每一时刻的理想出力值确定单元，具体包括：
当前时刻储能系统电池荷电状态确定子单元，用于根据所述相关数据的储能电池的额定电量和所述相关数据的储能系统的实际出力值确定当前时刻储能系统电池荷电状态；
判断子单元，用于判断所述当前时刻储能系统电池荷电状态是否超过设定储能系统电池荷电状态阈值；若所述当前时刻储能系统电池荷电状态超过设定储能系统电池荷电状态阈值，则当前时刻的储能系统出力值为0，若所述当前时刻储能系统电池荷电状态未超过设定储能系统电池荷电状态阈值，则根据设定储能系统电池荷电状态阈值和储能系统出力值确定储能系统在平抑风光功率波动模式下每一时刻的理想出力值。
10.根据权利要求9所述的基于风光储联合电站的储能系统优化系统，其特征在于，所述偏差补偿模块，具体包括：
偏差确定单元，用于将所述电网下发的风光储联合电站指令值和所述每一时刻的风光储联合电站总输出功率作差，确定偏差；
充放电状态确定单元，用于根据所述偏差确定储能系统的充放电状态；所述储能系统的充放电状态包括所述储能系统的充电状态和所述储能系统的放电状态；
储能系统在跟踪出力计划控制模式下每一时刻的理想出力值确定单元，用于根据所述储能系统的充放电状态、设定储能系统动作阈值和所述设定储能系统电池荷电状态阈值确定储能系统在跟踪出力计划控制模式下每一时刻的理想出力值。
CN202110895995.2A 2021-08-05 2021-08-05 一种基于风光储联合电站的储能系统优化方法及系统 Active CN113452057B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110895995.2A CN113452057B (zh) 2021-08-05 2021-08-05 一种基于风光储联合电站的储能系统优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110895995.2A CN113452057B (zh) 2021-08-05 2021-08-05 一种基于风光储联合电站的储能系统优化方法及系统

Publications (2)

Publication Number Publication Date
CN113452057A true CN113452057A (zh) 2021-09-28
CN113452057B CN113452057B (zh) 2022-02-15

Family

ID=77818167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110895995.2A Active CN113452057B (zh) 2021-08-05 2021-08-05 一种基于风光储联合电站的储能系统优化方法及系统

Country Status (1)

Country Link
CN (1) CN113452057B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114118579A (zh) * 2021-11-26 2022-03-01 南方电网调峰调频发电有限公司 一种新能源场站储能配置规划方法、装置及计算机设备
CN114336703A (zh) * 2021-12-17 2022-04-12 中国长江三峡集团有限公司 一种大规模风光储电站自动协同控制方法
CN117614033A (zh) * 2023-12-04 2024-02-27 电力规划总院有限公司 一种运行在常规功率跟踪状态下的电网智能调度方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106026145A (zh) * 2016-05-30 2016-10-12 上海电力设计院有限公司 基于跟踪计划出力的储能配置优化方法
CN106887858A (zh) * 2017-02-27 2017-06-23 中国电力科学研究院 一种接入新能源发电的储能系统跟踪计划出力方法及装置
CN108054771A (zh) * 2017-11-21 2018-05-18 中国电力科学研究院有限公司 一种储能系统充放电控制方法及系统
CN108376991A (zh) * 2018-02-09 2018-08-07 中国电力科学研究院有限公司 一种新能源电站储能系统的综合能量管理方法及系统
KR20200062492A (ko) * 2018-11-27 2020-06-04 원광전력주식회사 태양광 발전 시스템의 출력 안정화를 위한 에너지 저장 시스템의 제어 방법
CN112909930A (zh) * 2021-01-29 2021-06-04 国网河南省电力公司经济技术研究院 一种平抑混联配电网波动的储能系统优化配置方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106026145A (zh) * 2016-05-30 2016-10-12 上海电力设计院有限公司 基于跟踪计划出力的储能配置优化方法
CN106887858A (zh) * 2017-02-27 2017-06-23 中国电力科学研究院 一种接入新能源发电的储能系统跟踪计划出力方法及装置
CN108054771A (zh) * 2017-11-21 2018-05-18 中国电力科学研究院有限公司 一种储能系统充放电控制方法及系统
CN108376991A (zh) * 2018-02-09 2018-08-07 中国电力科学研究院有限公司 一种新能源电站储能系统的综合能量管理方法及系统
KR20200062492A (ko) * 2018-11-27 2020-06-04 원광전력주식회사 태양광 발전 시스템의 출력 안정화를 위한 에너지 저장 시스템의 제어 방법
CN112909930A (zh) * 2021-01-29 2021-06-04 国网河南省电力公司经济技术研究院 一种平抑混联配电网波动的储能系统优化配置方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YUJIA ZHAI等: "Research On the Application of Superconducting Magnetic Energy Storage in the Wind Power Generation System For Smoothing Wind Power Fluctuations", 《IEEE TRANSACTIONS ON APPLIED SUPERCONDUCTIVITY》 *
王裕奎: "我国典型风储示范工程运行效果分析", 《电器与能效管理技术》 *
祁希等: "基于FMPC的储能系统跟踪光伏发电计划控制策略", 《可再生能源》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114118579A (zh) * 2021-11-26 2022-03-01 南方电网调峰调频发电有限公司 一种新能源场站储能配置规划方法、装置及计算机设备
CN114336703A (zh) * 2021-12-17 2022-04-12 中国长江三峡集团有限公司 一种大规模风光储电站自动协同控制方法
CN114336703B (zh) * 2021-12-17 2023-10-13 中国长江三峡集团有限公司 一种大规模风光储电站自动协同控制方法
CN117614033A (zh) * 2023-12-04 2024-02-27 电力规划总院有限公司 一种运行在常规功率跟踪状态下的电网智能调度方法及装置

Also Published As

Publication number Publication date
CN113452057B (zh) 2022-02-15

Similar Documents

Publication Publication Date Title
CN113452057B (zh) 一种基于风光储联合电站的储能系统优化方法及系统
CN109888834B (zh) 一种基于改进mppt方法与蓄电池自平衡快速充电耦合控制的光伏发电系统
CN110581571A (zh) 一种主动配电网动态优化调度方法
CN110429693B (zh) 一种基于电池组一致性的储能电池组功率控制方法
CN102780236B (zh) 一种风光储联合发电系统的有功优化控制系统及方法
CN104218875B (zh) 独立式光伏发电铁路供电控制系统及其控制方法
CN113919620B (zh) 一种风光储微电网日前能量调度算法
CN110768273A (zh) 一种储能联合火电参与电网二次调频的控制方法
Nguyen et al. Power management approach to minimize battery capacity in wind energy conversion systems
CN105356514A (zh) 一种可自动实现电压平衡的风光一体发电系统的监控方法
CN114336599B (zh) 一种独立型微电网动态优化调度方法
Chen et al. Energy storage sizing for dispatchability of wind farm
CN111786417A (zh) 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法
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
CN111009914A (zh) 一种面向主动配电网的储能装置选址定容方法
Dahmane et al. Power management strategy based on weather prediction for hybrid stand-alone system
CN107240925B (zh) 一种微电网中储能电池系统的控制方法
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
Sun et al. A Hybrid renewable DC microgrid voltage control
Boyouk et al. Peak shaving of a grid connected-photovoltaic battery system at helmholtz institute ulm (hiu)
CN114069774A (zh) 一种光伏电池发电最大功率跟踪的光伏储能系统及基于该系统的光伏发电系统
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
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
Layadi et al. Dimensioning a hybrid electrification system (PV/WT/DG+ battery) using a dynamic simulation
CN105322564A (zh) 一种可自动实现电压平衡的风光一体发电系统

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