CN113673809A - 面向共享储能系统的五级协调优化调度控制方法及系统 - Google Patents

面向共享储能系统的五级协调优化调度控制方法及系统 Download PDF

Info

Publication number
CN113673809A
CN113673809A CN202110683039.8A CN202110683039A CN113673809A CN 113673809 A CN113673809 A CN 113673809A CN 202110683039 A CN202110683039 A CN 202110683039A CN 113673809 A CN113673809 A CN 113673809A
Authority
CN
China
Prior art keywords
energy storage
constraint
optimization
storage system
error
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.)
Withdrawn
Application number
CN202110683039.8A
Other languages
English (en)
Inventor
但唐军
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.)
Nanjing Langyi Internet Of Things Technology Co ltd
Original Assignee
Nanjing Langyi Internet Of Things Technology 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 Nanjing Langyi Internet Of Things Technology Co ltd filed Critical Nanjing Langyi Internet Of Things Technology Co ltd
Priority to CN202110683039.8A priority Critical patent/CN113673809A/zh
Publication of CN113673809A publication Critical patent/CN113673809A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Development Economics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出一种面向共享储能系统的五级协调优化调度控制方法及系统，所述方法包括：获取目标数据；根据调控需求构建目标函数；选取约束条件；构建共享储能系统优化调度模型；利用优化调度模型获取协调优化策略；根据所述协调优化策略生成下一时刻的控制指令；执行所述控制指令并根据产生的控制结果生成优化调度模型相关系数；根据所述相关系数修正下一时刻协调控制指令；生成修正反馈指令，并结束本次优化调度控制。本发明通过构建的五级协调优化调度的模型，能够优化共享储能系统中各储能资源的充放电计划，共享储能平台的报价策略，风光等新能源协调平抑聚合服务，电网调频辅助服务，实现以最小的成本代价，实现储能成本的回收和重用的目的。

Description

面向共享储能系统的五级协调优化调度控制方法及系统
技术领域
本发明涉及一种面向共享储能系统的五级协调优化调度控制方法及系统，特别是涉及共享储能系统调度控制技术领域。
背景技术
随着计算机技术与自动化技术的大力发展，新能源产业得到了快速发展，同时大众对储能领域的关注度也越来越高。
现有技术中，在面对共享储能系统时，往往面临投入成本高，存在系统安全投资预测偏差等问题。
发明内容
发明目的：提出一种面向共享储能系统的五级协调优化调度控制方法及系统，以解决现有技术存在的上述问题。
技术方案：第一方面，提出了一种面向共享储能系统的五级协调优化调度控制方法，其特征在于，包括：
步骤一、获取目标数据；
步骤二、根据调控需求构建目标函数；
步骤三、选取约束条件；
步骤四、构建共享储能系统优化调度模型；
步骤五、利用优化调度模型获取协调优化策略；
步骤六、根据所述协调优化策略生成下一时刻的控制指令；
步骤七、执行所述控制指令并根据产生的控制结果生成优化调度模型相关系数；
步骤八、根据所述相关系数修正下一时刻协调控制指令；
步骤九、生成修正反馈指令，并结束本次优化调度控制。
在第一方面的一些可实现方式中，目标函数包括：经济性函数，调节效率函数，速率目标函数，调节精度目标函数。
所述约束条件包括：发电效益最大约束，效率优先约束，速度约束、精度与响应时间约束。
所述共享储能系统优化调度模型包括：发电竞价模型、发电成本优化模型、协调优化控制模型、就地优化控制模型和就地优化跟踪模型。
在第一方面的一些可实现方式中，实现修正下一时刻协调控制指令的过程进一步为：
步骤1、获取统计区域内每个储能电站的气象信息；
步骤2、统计待进行分析属性的预测值与实际值的差值；
步骤3、分析储能电站待进行分析属性与气象之间的时空相关性；
步骤4、根据所述时空相关性建立预测误差分布时序图；
步骤5、通过误差分布时序图，搜索匹配出储能误差移动的前后位置，并估计下一时候的预测误差；
步骤6、结合地理坐标和气象信息获取储能电站预测误差的相关系数；
步骤7、根据误差的相关系数修正步骤5中获取到的预测误差。
在第一方面的一些可实现方式中，在待进行分析属性为功率时，用于修正步骤5中预测值的误差数值计算表达式为：
Figure BDA0003121788620000021
式中，S1(t)表示相关系数较低，表现为弱相关时的修正误差；S2(t)表示强相关时的修正误差；α表示从1到0减小的变量，且α＝-2.5ρ+2；ρ表示相关系数。
所述步骤7中下一时刻的预测值误差的修正值为：
P′pre(t+Δt)＝Ppre(t+Δt)+P′xrr(t+Δt)·PN
式中，PN表示当前电站的额定功率；P′err(t+Δt)表示用于修正的误差数值；Ppre(t+Δt)表示预测。
在第一方面的一些可实现方式中，在面向共享储能系统优化调度的过程中，针对约束条件的选取可为机组约束条件、电网约束条件、储能系统出力约束条件和节点功率平衡约束条件时，对应的约束表达式如下所示。其中，储能系统出力约束条件进一步包括充放电功率约束和容量约束；节点功率平衡约束条件用于保证电网中的任意节点的线路流入净功率与节点注入之和等于该节点所连接的负荷。
面对共享储能系统中各个分散式的储能单元，为了克服地理位置分散导致的获取全局信息困难问题，采用建立一致性分析模型的方式，对分布式储能单元的调度进行优化，从而实现电网功率的平衡控制。
在修正下一时刻的调控指令实现的过程中，为了减少预测误差，从而提高调度效率，采用预测模型自学习的方式，对待进行分析的属性进行预测。
第二方面，提出一种面向共享储能系统的五级协调优化调度控制系统，该系统具体包括：
数据获取模块，被设置为获取区域电网内每个储能电站对应的目标数据；
目标函数模块，被设置为根据需求设定目标函数，用于分析所述数据获取模块获取到的数据；
约束模块，被设置为根据设定选取数据分析约束条件；
共享储能系统优化调度模型，被设置为根据不同的需求生成对应的优化调度策略；
指令生成模块，被设置为根据所述共享储能系统优化调度模型生成的优化调度策略，生成对应的调控指令；
误差模块，被设置为根据实际值与预测值，生成误差值；
指令修正模块，被设置为根据所述误差模块生成的误差值获取误差系数，并根据误差系数修正所述指令生成模块生成的指令。
在第二方面的一些可实现方式中，所述数据获取模块根据分析需求包括至少一种传感器；约束模块，被设置为根据设定选取数据分析约束条件；所述约束条件包括：发电效益最大约束，效率优先约束、速度约束、精度与响应时间约束、功率平衡约束、弃风弃光约束、储能容量约束、储能充放电约束、指令偏差约束。
根据需求所述共享储能系统优化调度模型进一步划分为：发电竞价模型、发电成本优化模型、协调优化控制模型、就地优化控制模型和就地优化跟踪模型。
对应的模型生成的调度策略，通过综合分析生成协调优化综合调控策略并输出至所述指令生成模块。
有益效果：本发明提出了一种面向共享储能系统的五级协调优化调度控制方法及系统，通过建立由目标函数和约束条件构成的共享储能系统优化调度模型，并对该模型进行分解，形成发电竞价模型、发电成本优化模型、协调优化控制模型、就地优化控制模型和就地优化跟踪模型等五级模型。依次将计划层到就地控制层的约束条件和控制目标代入至各自的数学模型中，将求解的结果代入共享储能系统优化调度模型，对共享储能系统优化调度模型进行求解，最终得到共享储能系统优化调度方案。
本发明能够优化共享储能系统中各储能资源的充放电计划，共享储能平台的报价策略，风光等新能源协调平抑聚合服务，电网调频辅助服务，以最小的成本代价，实现储能成本的回收和重用，在实现对新能源出力预测的基础上，融合区域电网的负荷及电网频率等信息，提出共享储能系统优化调度方案，在实际应用中具有很高的应用价值。
附图说明
图1为本发明实施例的数据处理流程图。
图2为本发明实施例生成区域电网储能电站的坐标分布图。
图3为本发明实施例五级协调优化调度控制系统框架示意图。
图4为本发明实施例五级协调优化调度控制系统分析条件示意图。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
实施例一
为了能够简单且准确有效地实现共享储能系统最佳经济调度，提升共享储能系统的运行经济性，提出一种面向共享储能系统的五级协调优化调度控制方法，如图1所示，该方法具体包括以下步骤：
步骤一、获取目标数据；
步骤二、根据调控需求构建目标函数；
步骤三、选取约束条件；
步骤四、构建共享储能系统优化调度模型；
步骤五、利用优化调度模型获取协调优化策略；
步骤六、根据所述协调优化策略生成下一时刻的控制指令；
步骤七、执行所述控制指令并根据产生的控制结果生成优化调度模型相关系数；
步骤八、根据所述相关系数修正下一时刻协调控制指令；
步骤九、生成修正反馈指令，并结束本次优化调度控制。
实施例二
在面向共享储能系统的五级协调优化调度控制过程中，修正下一时刻的调控指令实现过程如下：
步骤1、获取统计区域内每个储能电站的气象信息；
步骤2、统计待进行分析属性的预测值与实际值的差值；
步骤3、分析储能电站待进行分析属性与气象之间的时空相关性；
步骤4、根据所述时空相关性建立预测误差分布时序图；
步骤5、通过误差分布时序图，搜索匹配出储能误差移动的前后位置，并估计下一时候的预测误差；
步骤6、结合地理坐标和气象信息获取储能电站预测误差的相关系数；
步骤7、根据误差的相关系数修正步骤5中获取到的预测误差。
实施例三
在本事实例中，对针对待进行分析属性为功率时的误差调度做进一步分析。在面向共享储能系统的五级协调优化调度控制过程中，功率修正下一时刻的调控指令实现过程如下：
步骤1、将区域电网内每个储能电站的单个功率预测结果进行数值累加，得到区域电网储能发电温度全局预测值。
步骤2、获取区域电网内每个储能电站的经纬度坐标信息，生成区域电网储能电站的坐标分布图，如图2所示。
步骤3、获取区域电网内每个储能电站的气象信息，比如太阳辐照度、风速、云层大小、云层风向等信息。
步骤4、根据区域电网内的每个储能电站的预测温度与实际温度之差，计算区域电网内储能电站温度之间的时空相关性，建立了预测误差分布时序图。
将储能电站的预测误差标准化处理后，标记在各自的经纬度坐标上。预测误差Perr，其表达式如下：
Figure BDA0003121788620000051
式中，Ppre表示预测功率；Preal表示实测功率；PN为该电站的额定功率。
步骤5、根据误差时间序列的相关性，搜索匹配出储能温度误差移动的前后位置，计算出误差的来源方向与距离，并估计出下一时候的预测误差。
其中，下一时刻的预测误差为：
P′err(x，y，t+Δt)＝Perr(x-vxΔt，y-vyΔt，t)
式中，Perr(x，y，t+Δt)表示t时刻的误差分布图中(x，y)位置处的误差值；vx表示风速在x方向上的分量；vy表示风速在y方向上的分量。
步骤6、结合地理坐标信息及各储能电站所在区域的气象信息，比如云层的风向和风速测量数据计算出储能电站预测误差的相关系数。
Figure BDA0003121788620000061
式中，S1(t)表示相关系数较低，表现为弱相关时的修正误差，此时修正误差保持不变，即S1(t)＝Perr(x，y，t)，其中x，y表示待修正电站的位置；S2(t)表示强相关时的修正误差，此时根据误差来源地点此时刻的误差作为修正误差，即S2(t)＝Perr(x1，y1，t-Δt)，其中x1、y1表示误差时间序列相关性最高点的位置；α表示从1到0减小的变量，且α＝-2.5ρ+2，当相关系数介于弱相关与强相关之间时，则通过当前的线性融合的方式来修正，其中，ρ表示相关系数，当ρ＜0.4时，则通过S1计算修正误差；随着相关系数提高，误差移动模式逐渐清晰，则提高S2分量的权重；当ρ＞0.8时，完全采用S2方法计算修正误差。。
步骤7、根据计算出的相关系数，修正步骤5所计算出的误差；
下一时刻的预测值误差的修正值为：
P′pre(t+Δt)＝Ppre(t+Δt)+P′err(t+Δt)·PN
式中，PN表示当前电站的额定功率；P′err(t+Δt)表示用于修正的误差数值；Ppre(t+Δt)表示预测值。
实施例四
在面向共享储能系统优化调度的过程中，针对目标函数的建立，当寻优的目标为最低煤耗成本、弃风惩罚费用和线路有功损耗惩罚费用时，所构建出的目标函数表达式为：
Figure BDA0003121788620000062
式中，ci，0、ci，1、ci，2表火电机组的煤耗曲线参数；gt，i表示机组i在t时刻出力的大小；FW表示弃风惩罚；wt，b表示t时刻连接节点b的弃风功率；FL表示线损惩罚因数；lt，l表示线路有损功耗；T表示所有时段的集合；B表示共享储能系统中所有节点的集合；L表示共享储能系统内所有线路的集合；I表示共享储能系统中所有火电机组集合。
在面向共享储能系统优化调度的过程中，针对约束条件的选取为机组约束条件、电网约束条件、储能系统出力约束条件和节点功率平衡约束条件时，对应的约束表达式如下所示。其中，储能系统出力约束条件进一步包括充放电功率约束和容量约束；节点功率平衡约束条件用于保证电网中的任意节点的线路流入净功率与节点注入之和等于该节点所连接的负荷。
实施例五
面对共享储能系统中各个分散式的储能单元，为了克服地理位置分散导致的获取全局信息困难问题，采用建立一致性分析模型的方式，对分布式储能单元的调度进行优化，从而实现电网功率的平衡控制。
在进一步的实施例中，采用构建加权有向图的方式连接多个分布式的储能单元。当加权有向图的表达方式为G＝(V，E，A)时，其中利用V＝{1，2，…，N}表示顶点集合，即分散的储能单元。加权有向图表达式中E表示边集，且满足
Figure BDA0003121788620000071
A表示邻接矩阵。
在加权有向图中为表示一个储能单元能收到来自另一个储能单元的信息，采用表达式Ni＝{j∈V|(j，i)∈E}进行表达，进一步的采用
Figure BDA0003121788620000072
表示第i个储能单元的入邻居，
Figure BDA0003121788620000073
表示第i个储能单元的出邻居。每个储能单元可以从其入邻居得到信息并将对应信息传送至其出邻居。
在储能单元分散配置的共享储能系统中，预设一个命令节点用于向顶点集合V的子集分配总的功率偏差，命令节点为虚拟节点，实际应用中并不参与储能单元间的信息交互。令顶点a为命令节点，其出邻居集合为
Figure BDA0003121788620000074
则命令节点a在其出邻居集合内平均分配需要调整的总输出功率为ΔP∑。
令预设的加权有向图在通信拓扑关系中为强连通图，所以系统中的每个储能单元都能够通过与邻居单元的信息交互得到其他储能单元的信息，并将其整合为全局信息，然后根据此全局信息来调整各储能单元的功率输出，以此达到平抑可再生资源发电功率波动的目的。
实施例六
面对分布式的储能单元，为降低云端中心对于数据运算的处理压力，采用构建边缘网络的方式对数据进行初步的数据预处理。最终的调度策略通过汇集分析所需数据至云端服务器中，由云端中共享储能系统优化调度模型，分析得出协调优化策略。
实施例七
在修正下一时刻的调控指令实现的过程中，为了减少预测误差，从而提高调度效率，采用预测模型自学习的方式，对待进行分析的属性进行预测。
具体的，采用由输入层、隐藏层、输出层构建的深度神经网络进行数据预测。在数据训练的过程中，令训练目标接近输入数据，并采用自编码器进行预训练。其中自编码器包括编码器和解码器，编码器利用隐藏层将输入重新表达并输出，解码器将编码器的隐藏层输出作为输入，并重新将样本数据从隐藏层维度映射回原始输入维度，从而提取原始输入数据的高纬度特征。其学习过程为：
h＝f(x)
y＝g(h)
y≈x
式中，x表示输入数据；y表示输出数据；f表示编码变换；g表示解码变换。
实施例八
针对共享储能系统，提出一种面向共享储能系统的五级协调优化调度控制系统，该系统具体包括：数据获取模块、目标函数模块、约束模块、共享储能系统优化调度模型、指令生成模块、误差模块、指令修正模块。
数据获取模块根据需求获取多种历史数据和实测数据，并将其输入共享储能系统优化调度模型中进行分析，从而获取针对共享储能系统的优化调度策略。根据生成的优化调度策略，指令生成模块生成对应的调控指令。在指令执行后利用误差模块对比生成的控制结果和指令之间的反馈偏差，从而获取对应的误差系数。指令修正模块根据生成的误差系数修正下一时刻的调控指令，并完成当前的调度优化控制。
在进一步的实施例中，数据获取模块，被设置为获取区域电网内每个储能电站对应的目标数据。目标函数模块，被设置为根据需求设定目标函数，用于分析所述数据获取模块获取到的数据。约束模块，被设置为根据设定选取数据分析约束条件。共享储能系统优化调度模型，被设置为根据不同的需求生成对应的优化调度策略。指令生成模块，被设置为根据所述共享储能系统优化调度模型生成的优化调度策略，生成对应的调控指令。误差模块，被设置为根据实际值与预测值，生成误差值。指令修正模块，被设置为根据所述误差模块生成的误差值获取误差系数，并根据误差系数修正所述指令生成模块生成的指令。
其中，所述数据获取模块根据分析需求包括至少一种传感器。
约束模块，被设置为根据设定选取数据分析约束条件。约束条件包括但不限于：发电效益最大约束，效率优先约束、速度约束、精度与响应时间约束、功率平衡约束、弃风弃光约束、储能容量约束、储能充放电约束、指令偏差约束。
根据需求所述共享储能系统优化调度模型进一步划分为：发电竞价模型、发电成本优化模型、协调优化控制模型、就地优化控制模型和就地优化跟踪模型。对应的模型生成的调度策略，通过综合分析生成协调优化综合调控策略并输出至所述指令生成模块。
如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。

Claims (10)

1.一种面向共享储能系统的五级协调优化调度控制方法，其特征在于，包括：
步骤一、获取目标数据；
步骤二、根据调控需求构建目标函数；
步骤三、选取约束条件；
步骤四、构建共享储能系统优化调度模型；
步骤五、利用优化调度模型获取协调优化策略；
步骤六、根据所述协调优化策略生成下一时刻的控制指令；
步骤七、执行所述控制指令并根据产生的控制结果生成优化调度模型相关系数；
步骤八、根据所述相关系数修正下一时刻协调控制指令；
步骤九、生成修正反馈指令，并结束本次优化调度控制。
2.根据权利要求1所述的一种面向共享储能系统的五级协调优化调度控制方法，其特征在于，
所述目标函数包括：经济性函数，调节效率函数，速率目标函数，调节精度目标函数。
3.根据权利要求1所述的一种面向共享储能系统的五级协调优化调度控制方法，其特征在于，
所述约束条件包括：发电效益最大约束，效率优先约束，速度约束、精度与响应时间约束。
4.根据权利要求1所述的一种面向共享储能系统的五级协调优化调度控制方法，其特征在于，
所述共享储能系统优化调度模型包括：发电竞价模型、发电成本优化模型、协调优化控制模型、就地优化控制模型和就地优化跟踪模型。
5.根据权利要求1所述的一种面向共享储能系统的五级协调优化调度控制方法，其特征在于，实现修正下一时刻协调控制指令的过程进一步为：
步骤1、获取统计区域内每个储能电站的气象信息；
步骤2、统计待进行分析属性的预测值与实际值的差值；
步骤3、分析储能电站待进行分析属性与气象之间的时空相关性；
步骤4、根据所述时空相关性建立预测误差分布时序图；
步骤5、通过误差分布时序图，搜索匹配出储能误差移动的前后位置，并估计下一时候的预测误差；
步骤6、结合地理坐标和气象信息获取储能电站预测误差的相关系数；
步骤7、根据误差的相关系数修正步骤5中获取到的预测误差。
6.根据权利要求5所述的一种面向共享储能系统的五级协调优化调度控制方法，其特征在于，
在待进行分析属性为功率时，用于修正步骤5中预测值的误差数值计算表达式为：
Figure FDA0003121788610000021
式中，S1(t)表示相关系数较低，表现为弱相关时的修正误差；S2(t)表示强相关时的修正误差；α表示从1到0减小的变量，且α＝-2.5ρ+2；ρ表示相关系数。
7.根据权利要求5所述的一种面向共享储能系统的五级协调优化调度控制方法，其特征在于，
所述步骤7中下一时刻的预测值误差的修正值为：
P′pre(t+Δt)＝Ppre(t+Δt)+P′err(t+Δt)·PN
式中，PN表示当前电站的额定功率；P′err(t+Δt)表示用于修正的误差数值；Ppre(t+Δt)表示预测。
8.一种面向共享储能系统的五级协调优化调度控制系统，用于实现权利要求1～7任意一项方法，其特征在于，具体包括：
数据获取模块，被设置为获取区域电网内每个储能电站对应的目标数据；
目标函数模块，被设置为根据需求设定目标函数，用于分析所述数据获取模块获取到的数据；
约束模块，被设置为根据设定选取数据分析约束条件；
共享储能系统优化调度模型，被设置为根据不同的需求生成对应的优化调度策略；
指令生成模块，被设置为根据所述共享储能系统优化调度模型生成的优化调度策略，生成对应的调控指令；
误差模块，被设置为根据实际值与预测值，生成误差值；
指令修正模块，被设置为根据所述误差模块生成的误差值获取误差系数，并根据误差系数修正所述指令生成模块生成的指令。
9.根据权利要求8所述的一种面向共享储能系统的五级协调优化调度控制系统，其特征在于，
所述数据获取模块根据分析需求包括至少一种传感器；
约束模块，被设置为根据设定选取数据分析约束条件；所述约束条件包括：发电效益最大约束，效率优先约束、速度约束、精度与响应时间约束、功率平衡约束、弃风弃光约束、储能容量约束、储能充放电约束、指令偏差约束。
10.根据权利要求8所述的一种面向共享储能系统的五级协调优化调度控制系统，其特征在于，
根据需求所述共享储能系统优化调度模型进一步划分为：发电竞价模型、发电成本优化模型、协调优化控制模型、就地优化控制模型和就地优化跟踪模型；
对应的模型生成的调度策略，通过综合分析生成协调优化综合调控策略并输出至所述指令生成模块。
CN202110683039.8A 2021-06-18 2021-06-18 面向共享储能系统的五级协调优化调度控制方法及系统 Withdrawn CN113673809A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110683039.8A CN113673809A (zh) 2021-06-18 2021-06-18 面向共享储能系统的五级协调优化调度控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110683039.8A CN113673809A (zh) 2021-06-18 2021-06-18 面向共享储能系统的五级协调优化调度控制方法及系统

Publications (1)

Publication Number Publication Date
CN113673809A true CN113673809A (zh) 2021-11-19

Family

ID=78538244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110683039.8A Withdrawn CN113673809A (zh) 2021-06-18 2021-06-18 面向共享储能系统的五级协调优化调度控制方法及系统

Country Status (1)

Country Link
CN (1) CN113673809A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114327839A (zh) * 2022-03-11 2022-04-12 阿里巴巴达摩院(杭州)科技有限公司 任务优化方法以及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114327839A (zh) * 2022-03-11 2022-04-12 阿里巴巴达摩院(杭州)科技有限公司 任务优化方法以及系统

Similar Documents

Publication Publication Date Title
Behera et al. Solar photovoltaic power forecasting using optimized modified extreme learning machine technique
Yona et al. Determination method of insolation prediction with fuzzy and applying neural network for long-term ahead PV power output correction
CN111478312A (zh) 一种提升电网稳定性的综合能源集群协调控制方法
EP3576029B1 (en) Method and device for determining energy system operating scenarios
CN107204615B (zh) 一种实现功率预测的方法及系统
CN110298138A (zh) 一种综合能源系统优化方法、装置、设备及可读存储介质
CN103489038A (zh) 基于lm-bp神经网络的光伏超短期功率预测方法
CN111191854A (zh) 一种基于线性回归及神经网络的光伏发电预测模型和方法
CN113128786B (zh) 一种基于空间网格搜索的风光水互补容量与选址优化方法
Manzano et al. Economic predictive control for isolated microgrids based on real world demand/renewable energy data and forecast errors
Karabiber et al. Short term PV power estimation by means of extreme learning machine and support vector machine
CN115733191A (zh) 一种源网荷储系统互动协调优化方法、系统及存储介质
CN113673809A (zh) 面向共享储能系统的五级协调优化调度控制方法及系统
Deng et al. A survey of the researches on grid-connected solar power generation systems and power forecasting methods based on ground-based cloud atlas
Gupta et al. The impact of artificial intelligence on renewable energy systems
Patnaik et al. An experimental investigation of CO2 Concentration on Solar PV performance using SVM
CN118074093A (zh) 云边协同台区功率预测方法、装置、设备和介质
Belmahdi et al. Forecasting solar radiation using machine learning method: new optimization algorithm
Sammar et al. Illuminating the Future: A Comprehensive Review of AI-Based Solar Irradiance Prediction Models
Kousounadis-Knousen et al. A New Co-Optimized Hybrid Model Based on Multi-Objective Optimization for Probabilistic Wind Power Forecasting in a Spatiotemporal Framework
Alet et al. Forecasting and observability: Critical technologies for system operations with high PV penetration
Yan et al. Matching theory aided federated learning method for load forecasting of virtual power plant
Ghiassi et al. On the use of AI as a requirement for improved insolation forecasting accuracy to achieve optimized PV utilization
Shendryk et al. Short-term Solar Power Generation Forecasting for Microgrid
Zhao et al. Research on Distributed Renewable Energy Power Measurement and Operation Control Based on Cloud-Edge Collaboration

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20211119