CN113629744A - 一种大容量电池储能系统自适应分区状态协调估计方法 - Google Patents
一种大容量电池储能系统自适应分区状态协调估计方法 Download PDFInfo
- Publication number
- CN113629744A CN113629744A CN202110923545.XA CN202110923545A CN113629744A CN 113629744 A CN113629744 A CN 113629744A CN 202110923545 A CN202110923545 A CN 202110923545A CN 113629744 A CN113629744 A CN 113629744A
- Authority
- CN
- China
- Prior art keywords
- partition
- state
- node
- energy storage
- storage system
- 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.)
- Pending
Links
- 238000005192 partition Methods 0.000 title claims abstract description 176
- 238000004146 energy storage Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000003044 adaptive effect Effects 0.000 title claims description 17
- 238000000638 solvent extraction Methods 0.000 claims abstract description 53
- 238000012544 monitoring process Methods 0.000 claims abstract description 50
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 238000012937 correction Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000005855 radiation Effects 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 150000001875 compounds Chemical class 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000009413 insulation Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000036632 reaction speed Effects 0.000 abstract description 3
- 238000006467 substitution reaction Methods 0.000 abstract 1
- 238000012546 transfer Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003442 weekly 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
- H02J3/28—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- 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]
-
- 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
- Y02E40/10—Flexible AC transmission systems [FACTS]
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Power Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
Abstract
本发明公开了一种大容量电池储能系统自适应分区状态协调估计方法，首先对系统中相同功能的电池箱进行等效替代，形成最简单元拓扑图；再根据分区原则，在最简单元拓扑上的电池储能系统进行分区；针对不同分区的电池管理系统在线监测数据，基于加权最小二乘法克服不同分区的随机误差项，开展状态估计；遍历最简单元拓扑图各分区，迭代计算得到系统各分区状态估计值；基于分区公共边界的偏差度，对每个分区的监测数据进行动态归整，计算输出功率修正值；基于偏差系数矩阵和输出功率修正值迭代计算，实现全系统的协调状态估计。本发明解决现有分区状态估计技术冗余度大、反应速度慢的问题，避免传统方法可能造成的系统功率调度失衡和状态误判。
Description
技术领域
本发明涉及电池储能系统技术领域，具体为一种大容量电池储能系统自适应分区状态协调估计方法。
背景技术
随着大容量电池储能系统的广泛应用，系统内部各个分区的负载统一调度与各个电池分区的运行状态估计结果密切相关，但目前电池管理系统的监测与数据管理功能存在限制，针对全系统的运行状态监测存在很大冗余量，监测速度与精确度都很难满足负载统一调度需求，因此，大容量电池储能系统的分区状态估计问题是当下研究热点。
以往关于大容量电池储能系统的分区方法一般认为储能系统运行方式与负载转移过程恒定，电池拓扑结构固定，但是随着大容量储能电站更广泛地应用于电力系统中，储能系统的运行方式、负载转移模式也在发生根本性变化。以某地12000kWh储能电站为例，共设有72个电池柜、1008个电池箱及配套监测单元，由1套电池管理系统进行统一调度管理，承担网侧谐波补偿、调峰填谷、电能质量治理等多类型任务，内部电池组分区随着运行与负载分配方式不断变化，不同分区的导致传统固定分区的状态估计方法计算精度很低。
现有大容量电池储能系统的分区方法将储能系统运行方式与负载转移过程视为恒定，泛用性差，无法满足电池储能系统实时监测控制的要求。现有的大容量电池储能系统分区方法一般为利用储能电站原始拓扑结构直接确定电池分区的方法，如文献1：[孙玮泽.基于大规模储能电站的控制研究[D]；东北电力大学,2019]；文献2：[李建林,徐少华,靳文涛.我国电网侧典型兆瓦级大型储能电站概况综述[J].电器与能效管理技术,2017,13):1-7]；文献3：[牛萌,刘璐,李蓓,et al.大规模储能电站串容等效模型的建模与仿真方法及系统,CN112836457A[P/OL].2021-05-25]，其技术方案如下：
基于储能电站原始拓扑结构，认为储能电站的拓扑结构或者结构变化不大，考虑固定的运行策略，建立储能系统各节点的关联度矩阵，把电池储能系统分为互不重叠的内部、外部与边界的网络拓扑，根据储能电站的未来调度计划与公共母线功率限制将各个电池箱配组，形成固定出力的各类分区。
为了实现分区状态估计，文献4：[Engineering-Power Systems；Researchersfrom Tsinghua University Discuss Findings in Power Systems(Distributed RobustBilinear State Estimation for Power Systems with Nonlinear Measurements)[J].Energy Weekly News,2017]和文献5：[陈艳波,马进.一种双线性抗差状态估计方法[J].电力系统自动化,2015,39(06):41-7]提出了双线性WLAV状态估计技术，通过非线性变换和二次规划来改进WLAV状态估计速度，但这种技术的状态估计冗余度较低，从而影响股级精度。文献6：[Energy-Smart Grids；Researchers from University of Hong Kong ReportDetails of New Studies and Findings in the Area of Smart Grids(A RobustStatistical Approach To Distributed Power System State Estimation With BadData)[J].Energy&Ecology,2020]、文献7：[马健,唐巍,徐升,et al.基于多准则分区和WLS-PDIPM算法的有源配电网状态估计[J].电力系统自动化,2016,40(12):28-36]，以及文献8：[陈胜,卫志农,郭晓敏,et al.基于交替方向乘子法的分布式双线性状态估计[J].电力系统自动化,2015,39(20):84-90]基于分区解耦协调方法提出了分布式状态估计技术，部分解决了固定拓扑计算方法时间复杂度高，收敛困难的问题，但是该方法要求电池储能系统分区恒定，并且要求量测误差分布已知，虽然适用于配电网分区状态估计，但是对于储能系统不断变化的运行策略缺少自适应能力。
但上述方案存在以下不足：
1)现有大容量电池储能系统的分区方法将储能系统运行方式与负载转移过程视为恒定，电池拓扑结构保持不变，但是大容量储能电站的运行方式、负载转移模式与传统小容量电池组存在根本性变化，在承担网侧谐波补偿、调峰填谷和电能质量治理等多类型任务时，内部的电池箱连接与出力方式可以随着运行与负载分配方式不断变化，导致传统固定分区的状态估计方法泛用性差，在系统层面存在大量监测数据冗余、反应速度慢，无法满足电池储能系统实时监测控制的要求。
2)现有分区状态估计技术的冗余度较低，往往将电池储能系统视为全系统参数恒定且运行同步，而忽略分区间的不平衡与偏差程度，直接利用局部状态估计结果进行全系统的功率调度或状态评估。但是实际运行中不同电池分区的运行模式往往具有很大差异，不同区间的出力不同、时间轴不匹配，电池循环周期也存在不断变化，现有分区状态估计技术对于储能系统不断变化的运行模式缺少自适应能力，很容易造成电池储能系统的功率调度失衡或状态误判，使得全系统状态估计结果不能真实反映出系统运行状态。
术语解释：
电池储能系统(battery energu storage system,BESS)：一种由成百上千个电池箱组合而成，存储电能、调度电能和供应电能的储能系统，面向不同功能需求具有不同的运行模式与拓扑结构。
电池管理系统(battery management system,BMS)：电池管理系统是一套监控与控制储能电池安全及运行状态的系统，电池管理系统存储、处理并实时反馈在线监测信息，根据采集的监测数据调控各项参数，保护电池安全稳定运行。
自适应分区：将电池储能系统复杂拓扑结构分解成为几类较小规模典型拓扑结构的过程称为系统分区，而对于拓扑结构不断变化的系统而言，还需要根据不同运行模式进行自适应分区。
状态估计(state estimation)：根据可获取的监测数据估算动态系统内部状态的方法。电池储能系统系统的输入和输出反映出系统的外部特性，而其内在动态规律需要用内部(一般无法直接测量)的状态变量来描述。因此状态估计在复杂系统的控制中具有重要意义。
发明内容
针对上述问题，本发明的目的在于提供一种大容量电池储能系统自适应分区状态协调估计方法，基于电池储能系统运行架构，通过区间合并方法简化系统拓扑结构，形成电池自适应分区，使得全系统状态估计结果能够真实反映出系统运行状态，解决现有分区状态估计技术冗余度大、反应速度慢的问题，避免传统方法可能造成的系统功率调度失衡和状态误判。
技术方案如下：
一种大容量电池储能系统自适应分区状态协调估计方法，包括以下步骤：
步骤1：电池储能系统自适应分区
步骤1.1：对于电池组成方案已知的大容量电池储能系统，合并功能相同的的电池箱，将多路检测值进行等效，形成最简单元拓扑图：
步骤1.2：根据分区原则，在最简单元拓扑上的电池储能系统进行分区：
所述分区原则为：某一运行模式下，相同出力的关联电池箱成为最小子分区，若两个最小子分区之间有唯一的连接线L，则将连接线两端某一节点视为最小分区边界点D；
基于该原则，将最简单元拓扑图分为三种区间：最大辐射分区、单连接分区和单节点分区；
步骤2：电池储能系统分区状态估计：针对不同分区的电池管理系统在线监测数据，基于加权最小二乘法克服不同分区的随机误差项，开展状态估计；遍历电池储能系统最简单元拓扑图各分区，迭代计算得到系统各分区状态估计值；
步骤3：全系统协调状态估计：基于分区公共边界的偏差度，对每个分区的监测数据进行动态归整，计算输出功率修正值；基于偏差系数矩阵和输出功率修正值迭代计算，实现全系统的协调状态估计。
进一步的，所述步骤1.1中，形成最简单元拓扑图具体步骤为：
步骤A：根据不同运行模式，将相同出力的电池箱合并，并将对应支路电流、输出功率与电池容量线性叠加，端电压取平均值，绝缘电阻按并联方式取等效值；
步骤B：根据不同运行模式，将同一节点的多路监测值取平均值，所述监测值包括电流、功率线性叠加、电压幅值及相位；
步骤C：设最简单元拓扑图包含N个节点，用N阶节点关联方阵B来描述其拓扑结构，其内部元素Bij表示节点i、j之间的连接关系，i,j＝0,1,…,N；若二者相邻或有回路直接相连，则Bij＝1，否则为0；而对角线元素Bii则设为i节点相连节点个数，亦称为节点i最简关联度，记作bi。
更进一步的，所述步骤1.2中，将最简单元拓扑图分为三种区间具体步骤为：
步骤a：对于辐射状连接多支路的电池箱节点，将支路两侧节点中关联度较大的一侧设为最小分区边界点，并以此为基础划分出最大辐射分区；
步骤b：将最大辐射分区去除后，若剩余节点之间以单支路连接，则将该支路作为单连接边界线路L，将L两端节点关联度较大的一侧作为最小分区边界点D，并在此节点上划分剩余网络，以此查出唯一支路弱连接的单连接分区；
步骤c：去除最大辐射分区和单连接分区，若剩余区域存在多条支路连接的公共节点，则将其作为最小分区边界点D，并在D点上划分剩余区域，以找到剩余网络中仅有唯一连接节点的单节点分区。
更进一步的，所述步骤a的具体过程为：
步骤a1：检索最简单元拓扑中所有关联度为1的节点，将其作为末端节点放入相连接的待定分区中；
步骤a2：检索最小分区边界点D，若D节点属于两个及以上待定分区，则将这些待定分区合并；
步骤a3：若末端节点对应的电池箱已经完成一轮自适应区间划分，则将关联矩阵B中的末端节点行、列值置零，再次计算对角各元素，并重置关联矩阵B；
步骤a4：重复步骤a1-a3，直到所有电池箱节点关联度不等于1，得到的待定分区即为最大辐射分区。
更进一步的，所述步骤b的具体过程为：
步骤b1：去除最大辐射分区，取两个剩余节点，列举这两个节点的任意连接通道；
步骤b2：若存在所有通道的共有支路，则记为单连接线路L，选择L上关联度大的端节点作为最小分区边界点D，将剩余网络在D上进行分区；若无共有支路，则回到步骤b1，选取下一组节点；
步骤b3：分区之后重复步骤b1-b2，遍历所有节点，直到不再存在共有支路，最终得到单连接分区。
更进一步的，所述步骤c的具体过程为：
步骤c1：在剩余分区中选中一个节点，断开该节点的所有连接支路；
步骤c2：若剩余分区形成多个独立子区域，则将该节点作为最小分区边界点D，并在D点上进行分区；若不形成独立子区域，则回到步骤c1，选取下一个节点；
步骤c3：分区之后重复步骤c1-c2，遍历所有剩余节点，直到不存在单个节点，最终得到单节点分区。
更进一步的，所述步骤2中状态估计具体过程为：
步骤2.1：对分区排序，取第n个分区目标函数Jn(Xn)为：
式中：Xn为第n个分区中需要估计的m维状态变量，Zn为监测装置获取的m维监测数据序列；Hn(Xn)为第n个分区监测装置的非线性监测函数；Rn为m’阶监测误差协方差方阵；
步骤2.2：为准确估计给定区间的状态变量Xn，基于监测数据Zn找到一个状态变量估计值
来使得目标函数Jn(Xn)最小；故将Jn(Xn)泰勒展开，得到各区独立状态估计算法的k阶迭代公式：
式中，
为m’×m阶监测数据的雅可比矩阵；
为第k步迭代的状态变量估计值；
基于以上两式进行各区状态估计的迭代计算直到满足收敛判据：
式中，
为
在第k步迭代中的修正量；εn则为预先设定的状态估计精度；
步骤2.3：当第k次迭代满足收敛判据时，认为此时
已经是状态变量最准确的估计值，此时相对应的监测数据估计值为
根据电池管理系统的监测数据，基于各区独立状态估计算法，遍历电池储能系统最简单元拓扑的n个自适应分区，得到系统某个状态变量对应的各个分区状态估计值。
更进一步的，由式(2)可得，状态估计第k轮迭代的修正量
为：
定义各分区监测数据与公共边界点的偏差系数矩阵Kn：
列出自适应分区过程中划分的公共边界点D，将两个相邻分区n1与n2的公共边界支路电流、电池容量线性叠加，节点电压幅值与相位取平均，也即第k轮迭代后公共边界点的状态估计值为：
设公共边界点b在分区n1与n2中有分区相位估计值为θb.n1与θb.n2，记两分区相位差δn2.n1＝θb.n2-θb.n1，同理，可由参考零相位节点计算得到全系统的电压相位估计值；
更新公共边界点状态估计值并反馈给相邻分区n1与n2，以同样方式遍历所有分区，则所有分区的状态估计值由
变为
从而计算第n个分区的输出功率修正值
在计算得到所有公共边界点及分区的状态估计修正值后，进一步引入偏差系数矩阵Kn来实现全系统的状态协调估计，其修正公式为
当
时，认为全系统状态协调估计已经收敛，迭代过程结束；式中
为第n个分区第k轮迭代的状态估计目标函数，ε为收敛精度。
本发明的有益效果是：
1、本发明针对大容量电池储能系统，提出一种自适应分区状态协调估计算法，基于电池储能系统运行架构，通过区间合并方法简化系统拓扑结构，形成电池自适应分区，使得全系统状态估计结果能够真实反映出系统运行状态。
2、对于电池储能系统自适应分区，本发明基于加权最小二乘法进行分区状态估计，根据分区公共边界偏差度对各分区的监测数据进行动态归整，利用偏差系数矩阵与输出功率修正值实现全系统的状态协调估计，从而能够在系统层面准确、客观地评估电池储能系统运行状态；解决了现有分区状态估计技术冗余度大、反应速度慢的问题，避免了传统方法可能造成的系统功率调度失衡和状态误判。
3、本发明提出了基于最简单元拓扑图的电池储能系统自适应分区方法，客观、准确地将不同运行模式的电池储能系统划分为三类典型拓扑结构，填补了电池储能系统自适应分区方法的空白。
附图说明
图1为大容量电池储能系统自适应分区状态估计流程。
图2为某储能电站部分最简单元拓扑及自适应分区示意图。
图3为各区独立状态估计步骤流程图。
图4为全系统协调状态估计步骤流程图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细说明。
本发明针对大容量电池储能系统，提出一种自适应分区状态协调估计算法，基于电池储能系统运行架构，通过区间合并方法简化系统拓扑结构，形成满足匹配储能系统运行策略的电池自适应分区，基于加权最小二乘法进行分区状态估计，根据分区公共边界偏差度对各分区的监测数据进行动态归整，利用偏差系数矩阵与输出功率修正值实现全系统的状态协调估计。
本发明技术方案可分为三个大步骤，分别是储能系统自适应分区、电池储能系统分区状态估计和全系统协调状态估计，具体步骤流程如图1所示，其中每个大步骤及其小步骤的详细阐述如下：
步骤1：电池储能系统自适应分区
步骤1.1：对于电池组成方案已知的大容量电池储能系统，合并功能相同的的电池箱，将多路检测值进行等效，形成最简单元拓扑图。具体步骤为：
A：根据不同运行模式，将相同出力的电池箱合并，并将对应支路电流、输出功率与电池容量线性叠加，端电压取平均值，绝缘电阻按并联方式取等效值。
B：根据不同运行模式，将同一节点的多路监测值，如电流、功率线性叠加，电压幅值及相位取平均值。
C：不妨设经过以上处理形成的最简单元拓扑图包含N个节点，可用N阶节点关联方阵B来描述其拓扑结构，其内部元素Bij(I,j＝0,1,…,N)表示节点i、j之间的连接关系，若二者相邻或有回路直接相连则Bij＝1，否则为0。而对角线元素Bii则设为i节点相连节点个数，亦称为节点i最简关联度，记作bi，在最简单元拓扑上对电池储能系统进行分区。
步骤1.2：根据分区原则，在最简单元拓扑上的电池储能系统进行分区。
储能系统自适应分区原则为：
某一运行模式下，相同出力的关联电池箱成为最小子分区，若两个最小子分区之间有唯一的连接线L，则可将连接线两端某一节点视为最小分区边界点D。基于该原则，最简单元拓扑图可以分为三种区间：最大辐射分区，单连接分区和单节点分区
1)最大辐射分区
对于辐射状连接多支路的电池箱节点，将支路两侧节点中关联度较大的一侧设为最小分区边界点，并以此为基础划分出最大辐射分区。具体步骤为：
a)检索最简单元拓扑中所有关联度为1的节点，将其作为末端节点放入相连接的待定分区中；
b)检索最小分区边界点D，若D节点属于两个及以上待定分区，则将这些待定分区合并；
c)认为末端节点对应的电池箱已经完成一轮自适应区间划分，将关联矩阵B中的末端节点行、列值置零，再次计算对角各元素，并重置关联矩阵B；
d)重复步骤a)-c)，直到所有电池箱节点关联度不等于1，得到的待定分区即为最大辐射分区，如图2分区1-3、5所示。
2)单连接分区
将最大辐射分区去除后，若剩余节点之间以单支路连接，则将该支路作为单连接边界线路L，将L两端节点关联度较大的一侧作为最小分区边界点D，并在此节点上划分剩余网络，以此查出唯一支路弱连接的单连接分区。具体步骤为：
a)去除最大辐射分区，取两个剩余节点，列举这两个节点的任意连接通道(可以为跨节点的间接连接)；
b)若存在所有通道的共有支路，则记为单连接线路L，选择L上关联度大的端节点作为最小分区边界点D，将剩余网络在D上进行分区；若无共有支路，则回到a)，选取下一组节点；
c)分区之后重复步骤a)-b)，直到不再存在共有支路；
d)以此方式遍历所有节点，最终得到单连接分区，如图2分区8所示。
3)单节点分区
去除最大辐射分区和单连接分区，若剩余区域存在多条支路连接的公共节点，则将其作为最小分区边界点D，并在D点上划分剩余区域，以找到剩余网络中仅有唯一连接节点的单节点分区。具体步骤为：
a)在剩余分区中选中一个节点，断开该节点的所有连接支路；
b)若剩余分区形成多个独立子区域，则将该节点作为最小分区边界点D，并在D点上进行分区；若不形成独立子区域，则回到a)，选取下一个节点
c)分区之后重复步骤a)-b)，直到不存在单个节点；
d)遍历所有剩余节点，最终得到单节点分区。如图2分区4、6、7所示。
该最简单元拓扑有关联度矩阵为：
步骤2：电池储能系统分区状态估计
将大规模电池储能系统进行自适应分区以完整划分为最大辐射分区，单连接分区和单节点分区等三类区域，每个分区内部各电池箱可认为有相同的运行模式与工作状态，针对不同分区的BMS在线监测数据，基于加权最小二乘法克服不同分区的随机误差项，开展状态估计，首先对分区排序，取第n个分区目标函数Jn(Xn)为：
式中，Xn为第n个分区中需要估计的的m维状态变量，Zn为监测装置获取的m维监测数据序列；Hn(Xn)第n个分区监测装置的非线性监测函数；Rn为m’阶监测误差协方差方阵。
为了准确估计给定区间的状态变量Xn，需要基于监测数据Zn找到一个状态变量估计值
来使得目标函数Jn(Xn)最小。为此，将Jn(Xn)泰勒展开，可得到各区独立状态估计算法的k阶迭代公式：
式中，
为m’×m阶监测数据的雅可比矩阵。
基于式(2)(3)区状态估计的迭代计算直到满足收敛判据：
式中，
为
在第k步迭代中的修正量；εn则为预先设定的状态估计精度。
当第k次迭代满足收敛判据时，可认为此时
已经是状态变量最准确的估计值，此时相对应的监测数据估计值为
根据BMS的监测数据，基于各区独立状态估计算法，遍历电池储能系统最简单元拓扑的n个自适应分区，即可得到系统某个状态变量对应的各个分区状态估计值，计算步骤如图3所示。
步骤3：全系统协调状态估计
a)协调状态估计算法
自适应分区所得到的电池储能系统分区运行模式往往具有很大差异，以正常储能电站功能需求为例，部分电池分区可能工作于深充深放模式以实现电网调峰填谷，而其余分区则工作于浅充浅放模式以辅助治理电网电能质量问题，不同区间的出力不同、时间轴不匹配，电池循环周期也存在差异，但全系统的功率调度或者安全状态在线监测都需要对这不同分区做统一的状态估计，基于分区公共边界的偏差度，来针对性地对每个分区的监测数据进行动态归整，以保证不同区域具有相同的状态估计偏差度，实现全系统的协调状态估计。
由式(3)可得，状态估计第k轮迭代的修正量
为：
式(5)反映的实际上是监测数据值与状态估计值的偏离程度，利用各个分区的公共分界点处偏离程度来动态归整不同分区状态估计值，定义各分区监测数据与公共边界点的偏差系数矩阵Kn。
列出自适应分区过程中划分的公共边界点D，以两个相邻分区n1与n2为例，将他们的公共边界支路电流、电池容量线性叠加，节点电压幅值与相位取平均，也即第k轮迭代后状态估计值：
应该注意的是，各个电池分区经功率变换系统输出的交流侧电压相位都是基于各自分区内的初始参考点，而全系统状态估计应当单独设置一个全系统的参考节点，进一步计算，设公共边界点b在分区n1与n2中有分区相位估计值θb.n1与θb.n2，记两分区相位差δn2.n1＝θb.n2-θb.n1，采用同样的方法可以由参考零相位节点计算得到全系统的电压相位估计值。
更新公共边界点状态估计值并反馈给相邻分区n1与n2，以同样方式遍历所有分区，则所有分区的状态估计值由
变为
即可计算第n个分区的输出功率修正值
在计算得到所有公共边界点及分区的状态估计修正值后，进一步引入偏差系数矩阵Kn来实现全系统的状态协调估计，其修正公式为
当
时，认为全系统状态协调估计已经收敛，迭代过程结束，式中
为第n个分区第k轮迭代的状态估计目标函数，ε为收敛精度。
b)大容量电池储能系统自适应分区状态估计算例验证
针对图2所示某储能电站最简单元拓扑的自适应分区进行全系统的协调状态估计，应用步骤2.1提出的的加权最小二乘法对各分区进行状态估计，实现各区独立状态估计，如表1左侧各区独立状态估计所示。
表1储能系统自适应分区协调状态估计结果
进一步地，基于分区公共边界的偏差度，来针对性地对每个分区的监测数据进行动态归整。对各公共边界点电压幅值取均值，设置电池箱1为相位参考点，调整全系统的电压相位，更新公共边界点状态估计值并反馈给各个分区，基于输出功率修正值与偏差系数矩阵Kn来进行迭代计算，实现全系统的状态协调估计，将收敛精度ε设为10－4，全系统协调状态估计第一次迭代与最终收敛的结果如表1右侧所示。算例验证表明本发明提出的大容量电池储能系统自适应分区状态估计方法满足实际工作需求，具有较强的实际应用价值。
Claims (8)
1.一种大容量电池储能系统自适应分区状态协调估计方法，其特征在于，包括以下步骤：
步骤1：电池储能系统自适应分区
步骤1.1：对于电池组成方案已知的大容量电池储能系统，合并功能相同的的电池箱，将多路检测值进行等效，形成最简单元拓扑图：
步骤1.2：根据分区原则，在最简单元拓扑上的电池储能系统进行分区：
所述分区原则为：某一运行模式下，相同出力的关联电池箱成为最小子分区，若两个最小子分区之间有唯一的连接线L，则将连接线两端某一节点视为最小分区边界点D；
基于该原则，将最简单元拓扑图分为三种区间：最大辐射分区、单连接分区和单节点分区；
步骤2：电池储能系统分区状态估计：针对不同分区的电池管理系统在线监测数据，基于加权最小二乘法克服不同分区的随机误差项，开展状态估计；遍历电池储能系统最简单元拓扑图各分区，迭代计算得到系统各分区状态估计值；
步骤3：全系统协调状态估计：基于分区公共边界的偏差度，对每个分区的监测数据进行动态归整，计算输出功率修正值；基于偏差系数矩阵和输出功率修正值迭代计算，实现全系统的协调状态估计。
2.根据权利要求1所述的大容量电池储能系统自适应分区状态协调估计方法，其特征在于，所述步骤1.1中形成最简单元拓扑图具体步骤为：
步骤A：根据不同运行模式，将相同出力的电池箱合并，并将对应支路电流、输出功率与电池容量线性叠加，端电压取平均值，绝缘电阻按并联方式取等效值；
步骤B：根据不同运行模式，将同一节点的多路监测值取平均值，所述监测值包括电流、功率线性叠加、电压幅值及相位；
步骤C：设最简单元拓扑图包含N个节点，用N阶节点关联方阵B来描述其拓扑结构，其内部元素Bij表示节点i、j之间的连接关系，i,j＝0,1,…,N；若二者相邻或有回路直接相连，则Bij＝1，否则为0；而对角线元素Bii则设为i节点相连节点个数，亦称为节点i最简关联度，记作bi。
3.根据权利要求2所述的大容量电池储能系统自适应分区状态协调估计方法，其特征在于，所述所述步骤1.2中将最简单元拓扑图分为三种区间具体步骤为：
步骤a：对于辐射状连接多支路的电池箱节点，将支路两侧节点中关联度较大的一侧设为最小分区边界点，并以此为基础划分出最大辐射分区；
步骤b：将最大辐射分区去除后，若剩余节点之间以单支路连接，则将该支路作为单连接边界线路L，将L两端节点关联度较大的一侧作为最小分区边界点D，并在此节点上划分剩余网络，以此查出唯一支路弱连接的单连接分区；
步骤c：去除最大辐射分区和单连接分区，若剩余区域存在多条支路连接的公共节点，则将其作为最小分区边界点D，并在D点上划分剩余区域，以找到剩余网络中仅有唯一连接节点的单节点分区。
4.根据权利要求3所述的大容量电池储能系统自适应分区状态协调估计方法，其特征在于，所述步骤a的具体过程为：
步骤a1：检索最简单元拓扑中所有关联度为1的节点，将其作为末端节点放入相连接的待定分区中；
步骤a2：检索最小分区边界点D，若D节点属于两个及以上待定分区，则将这些待定分区合并；
步骤a3：若末端节点对应的电池箱已经完成一轮自适应区间划分，则将关联矩阵B中的末端节点行、列值置零，再次计算对角各元素，并重置关联矩阵B；
步骤a4：重复步骤a1-a3，直到所有电池箱节点关联度不等于1，得到的待定分区即为最大辐射分区。
5.根据权利要求3所述的大容量电池储能系统自适应分区状态协调估计方法，其特征在于，所述步骤b的具体过程为：
步骤b1：去除最大辐射分区，取两个剩余节点，列举这两个节点的任意连接通道；
步骤b2：若存在所有通道的共有支路，则记为单连接线路L，选择L上关联度大的端节点作为最小分区边界点D，将剩余网络在D上进行分区；若无共有支路，则回到步骤b1，选取下一组节点；
步骤b3：分区之后重复步骤b1-b2，遍历所有节点，直到不再存在共有支路，最终得到单连接分区。
6.根据权利要求3所述的大容量电池储能系统自适应分区状态协调估计方法，其特征在于，所述步骤c的具体过程为：
步骤c1：在剩余分区中选中一个节点，断开该节点的所有连接支路；
步骤c2：若剩余分区形成多个独立子区域，则将该节点作为最小分区边界点D，并在D点上进行分区；若不形成独立子区域，则回到步骤c1，选取下一个节点；
步骤c3：分区之后重复步骤c1-c2，遍历所有剩余节点，直到不存在单个节点，最终得到单节点分区。
7.根据权利要求1所述的大容量电池储能系统自适应分区状态协调估计方法，其特征在于，所述步骤2中状态估计具体过程为：
步骤2.1：对分区排序，取第n个分区目标函数Jn(Xn)为：
式中：Xn为第n个分区中需要估计的m维状态变量，Zn为监测装置获取的m维监测数据序列；Hn(Xn)为第n个分区监测装置的非线性监测函数；Rn为m’阶监测误差协方差方阵；
步骤2.2：为准确估计给定区间的状态变量Xn，基于监测数据Zn找到一个状态变量估计值
来使得目标函数Jn(Xn)最小；故将Jn(Xn)泰勒展开，得到各区独立状态估计算法的k阶迭代公式：
式中，
为m’×m阶监测数据的雅可比矩阵；
为第k步迭代的状态变量估计值；
基于以上两式进行各区状态估计的迭代计算直到满足收敛判据：
式中，
为
在第k步迭代中的修正量；εn则为预先设定的状态估计精度；
步骤2.3：当第k次迭代满足收敛判据时，认为此时
已经是状态变量最准确的估计值，此时相对应的监测数据估计值为
根据电池管理系统的监测数据，基于各区独立状态估计算法，遍历电池储能系统最简单元拓扑的n个自适应分区，得到系统某个状态变量对应的各个分区状态估计值。
8.根据权利要求7所述的大容量电池储能系统自适应分区状态协调估计方法，其特征在于，所述步骤3的具体过程为：
由式(2)可得，状态估计第k轮迭代的修正量
为：
定义各分区监测数据与公共边界点的偏差系数矩阵Kn：
列出自适应分区过程中划分的公共边界点D，将两个相邻分区n1与n2的公共边界支路电流、电池容量线性叠加，节点电压幅值与相位取平均，也即第k轮迭代后公共边界点的状态估计值为：
设公共边界点b在分区n1与n2中有分区相位估计值为θb.n1与θb.n2，记两分区相位差δn2.n1＝θb.n2-θb.n1，同理，可由参考零相位节点计算得到全系统的电压相位估计值；
更新公共边界点状态估计值并反馈给相邻分区n1与n2，以同样方式遍历所有分区，则所有分区的状态估计值由
变为
从而计算第n个分区的输出功率修正值
在计算得到所有公共边界点及分区的状态估计修正值后，进一步引入偏差系数矩阵Kn来实现全系统的状态协调估计，其修正公式为
当
时，认为全系统状态协调估计已经收敛，迭代过程结束；式中
为第n个分区第k轮迭代的状态估计目标函数，ε为收敛精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110923545.XA CN113629744A (zh) | 2021-08-12 | 2021-08-12 | 一种大容量电池储能系统自适应分区状态协调估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110923545.XA CN113629744A (zh) | 2021-08-12 | 2021-08-12 | 一种大容量电池储能系统自适应分区状态协调估计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113629744A true CN113629744A (zh) | 2021-11-09 |
Family
ID=78384922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110923545.XA Pending CN113629744A (zh) | 2021-08-12 | 2021-08-12 | 一种大容量电池储能系统自适应分区状态协调估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113629744A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116885849A (zh) * | 2023-06-28 | 2023-10-13 | 广东粤水电勘测设计有限公司 | 一种储能电站监控系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103902814A (zh) * | 2014-03-10 | 2014-07-02 | 中国南方电网有限责任公司 | 基于动态分区的电力系统运行状态检测方法 |
| US20150066402A1 (en) * | 2013-09-04 | 2015-03-05 | Abb Technology Ag | Power System State Estimation Using A Two-Level Solution |
| CN110277805A (zh) * | 2019-07-03 | 2019-09-24 | 广东电网有限责任公司 | 一种电力系统储能容量配置方法 |
| CN111008471A (zh) * | 2019-12-01 | 2020-04-14 | 国网辽宁省电力有限公司电力科学研究院 | 一种直流电源蓄电池组的动态优化方法及装置 |
| CN111695623A (zh) * | 2020-06-09 | 2020-09-22 | 中国电力科学研究院有限公司 | 基于模糊聚类的大规模电池储能系统成组建模方法、系统、设备及可读存储介质 |
-
2021
- 2021-08-12 CN CN202110923545.XA patent/CN113629744A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150066402A1 (en) * | 2013-09-04 | 2015-03-05 | Abb Technology Ag | Power System State Estimation Using A Two-Level Solution |
| CN103902814A (zh) * | 2014-03-10 | 2014-07-02 | 中国南方电网有限责任公司 | 基于动态分区的电力系统运行状态检测方法 |
| CN110277805A (zh) * | 2019-07-03 | 2019-09-24 | 广东电网有限责任公司 | 一种电力系统储能容量配置方法 |
| CN111008471A (zh) * | 2019-12-01 | 2020-04-14 | 国网辽宁省电力有限公司电力科学研究院 | 一种直流电源蓄电池组的动态优化方法及装置 |
| CN111695623A (zh) * | 2020-06-09 | 2020-09-22 | 中国电力科学研究院有限公司 | 基于模糊聚类的大规模电池储能系统成组建模方法、系统、设备及可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 周华锋 等: "基于动态分区的电网状态估计方法", 《广东电力》 * |
| 郭伟 等: "基于改进分布式一致性算法的电池储能阵列分组控制策略", 《电工技术学报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116885849A (zh) * | 2023-06-28 | 2023-10-13 | 广东粤水电勘测设计有限公司 | 一种储能电站监控系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hidalgo-Reyes et al. | Classical and fractional-order modeling of equivalent electrical circuits for supercapacitors and batteries, energy management strategies for hybrid systems and methods for the state of charge estimation: A state of the art review | |
| Bocklisch | Hybrid energy storage approach for renewable energy applications | |
| CN108988316B (zh) | 一种交直流混合配电系统网架结构优化配置方法 | |
| CN110417015A (zh) | 基于模型预测控制的微电网多目标优化调度方法及系统 | |
| CN109861202B (zh) | 一种柔性互联配电网动态优化调度方法及系统 | |
| CN108400595B (zh) | 一种考虑新能源出力相关性的电压暂降随机预估方法 | |
| CN105826944B (zh) | 一种微电网群的功率预测方法和系统 | |
| CN111756050B (zh) | 一种风电场群分布式电压协调控制方法及系统 | |
| CN106712035B (zh) | 一种电力系统经济调度方法 | |
| CN109633473A (zh) | 一种分布式电池组荷电状态估计算法 | |
| CN108830451A (zh) | 一种用户侧分布式储能的汇聚潜力评估方法及系统 | |
| CN113629744A (zh) | 一种大容量电池储能系统自适应分区状态协调估计方法 | |
| CN115133538A (zh) | 一种配电网重要负荷电压模型预测控制方法 | |
| CN114583710B (zh) | 基于数据驱动建模的风电场无功电压优化控制方法 | |
| CN114389312B (zh) | 一种配电网分布式状态估计方法 | |
| Rampazzo et al. | Modelling and simulation of a Li-ion energy storage system: Case study from the island of Ventotene in the Tyrrhenian Sea | |
| CN112103950B (zh) | 一种基于改进gn分裂算法的电网分区方法 | |
| Duong et al. | Combination of K-Mean clustering and elbow technique in mitigating losses of distribution network | |
| CN116826728A (zh) | 一种少测量样本条件下的配电网状态结构估计方法及系统 | |
| CN107508318B (zh) | 一种基于电压灵敏度分区的有功控制方法及系统 | |
| CN115498694A (zh) | 多微电网组群规划方法、装置及电子设备 | |
| CN113988578A (zh) | 计及可靠性的微电网群源网荷储协同优化调度方法及系统 | |
| CN104699950B (zh) | 一种包含随机功率单元相关性问题的随机潮流计算方法 | |
| CN111146782A (zh) | 一种主动配电网分层的时变优化追踪方法 | |
| CN106295915B (zh) | 具有最大容量准则约束的含清洁能源电网优化调度方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211109 |