CN113690918B - 基于动态分组技术的集中式电池储能电站调频控制策略 - Google Patents

基于动态分组技术的集中式电池储能电站调频控制策略 Download PDF

Info

Publication number
CN113690918B
CN113690918B CN202111096564.6A CN202111096564A CN113690918B CN 113690918 B CN113690918 B CN 113690918B CN 202111096564 A CN202111096564 A CN 202111096564A CN 113690918 B CN113690918 B CN 113690918B
Authority
CN
China
Prior art keywords
battery
energy storage
frequency modulation
dynamic grouping
power station
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
CN202111096564.6A
Other languages
English (en)
Other versions
CN113690918A (zh
Inventor
余洋
王卜潇
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
Original Assignee
North China Electric Power University
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 filed Critical North China Electric Power University
Priority to CN202111096564.6A priority Critical patent/CN113690918B/zh
Publication of CN113690918A publication Critical patent/CN113690918A/zh
Application granted granted Critical
Publication of CN113690918B publication Critical patent/CN113690918B/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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0029—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with safety or protection devices or circuits
    • H02J7/00302—Overcharge protection
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0029—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with safety or protection devices or circuits
    • H02J7/00306—Overdischarge protection
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries
    • 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

Abstract

本发明公开了基于动态分组技术的集中式电池储能电站调频控制策略。它包括以下步骤：构建动态分组技术的评价指标体系，并设计自适应天牛须算法的适应度函数；构建自适应天牛须优化算法的自适应步长公式；应用自适应天牛须算法，优化动态分组技术的强制更新阈值；确定动态分组技术的自动更新周期；对电池单元进行分组，应用动态分组技术确定储能电站中三个电池组的调频功率指令，进而确定每个电池单元的调频指令，并使电池单元响应。本发明使用自适应天牛须优化算法搜索强制更新阈值，降低了响应结束后电池单元的荷电状态极差，提升了下一调度时段储能电站的可调度潜力；降低了储能系统的动作次数，提高了其运行的经济性。

Description

基于动态分组技术的集中式电池储能电站调频控制策略
技术领域
本发明涉及电力系统领域，具体涉及一种集中式电池储能电站调频控制策略。
技术背景
截至2020年底，中国已投运储能项目累计装机规模35.6GW，占全球市场总规模的18.6％，同比增长9.8％，涨幅比2019年同期增长6.2个百分点。同时，风电、光伏等可再生能源大规模并网，其间歇性与不确定性的出力特性给电力系统的频率调节带来了极大地压力。
锂离子电池由于具有容量大、工作电压高、允许工作温度范围宽、循环使用寿命长等优点，被广泛的应用于电力系统调频。同时集中式储能电站由于集中布局、可控性强和调频效果好等优点被广泛应用。但是电池储能系统如果不采用合理的控制策略，会导致电池单元无规则动作，同时不利于完成调频任务。动态分组技术的出现明显降低了集中式电池储能电站电池单元的动作次数。为降低储能单元的动作次数的同时，提升储能单元的可调度潜力，需要设计合理的储能控制策略进一步提升动态分组技术工作效果。
发明内容
本发明的目的在于降低储能系统的动作次数，提高了其运行的经济性；同时降低响应结束后电池单元的荷电状态极差，提升了下一调度时段储能电站的可调度潜力。本发明提供了一种集中式电池储能电站调频控制策略，该策略设计了动态分组的评价指标，并在该评价指标的基础上应用自适应天牛须优化算法获得强制更新阈值，最后通过仿真验证了该策略的有效性。
本发明采用技术方案：基于动态分组技术的集中式电池储能电站调频控制策略，包括以下步骤：
(1)构建动态分组技术的评价指标体系，并依照此评价指标体系设计适应度函数；
(2)确定天牛须搜索算法的自适应步长；
(3)结合本发明设计的适应度函数，应用自适应天牛须搜索算法确定动态分组技术的强制更新阈值w；
(4)根据AGC更新周期，确定动态分组技术的自动更新周期；
(5)将集中式电池储能电站中电池单元分成为3个电池组，根据动态分组技术确定3个电池组的调频功率指令，进而确定每个电池单元的调频指令，并使电池单元响应各自指令，完成调频任务。
所述步骤(1)中，构建动态分组技术的评价指标体系及适应度函数的步骤如下：
1)构建评价指标体系由4部分构成，即储能电站出力与AGC指令差值的标准差、电池单元荷电状态极差平均值、响应结束时刻电池单元荷电状态极差和强制更新次数，其中，强制更新次数用于表征由于电池单元荷电状态极差大于设定强制更新阈值导致的动态分组次数增加量X；
2)依照此评价指标体系确定适应度函数：
Figure BSA0000253229910000021
其中，f1为储能系统出力与AGC指令差值的标准差，N1为AGC指令个数，st为每个AGC周期储能系统出力，yt为AGC指令期望出力值，f2为电池单元荷电状态极差平均值，ut为每个AGC周期末电池单元荷电状态极差，f3为末时刻电池单元荷电状态极差，f4为强制更新次数X；α1、α2、α3和α4为权重，适应度函数权重α1和α2取值分别为5和1500，α3和α4的确定方法如下：
Figure BSA0000253229910000022
Figure BSA0000253229910000023
其中，
Figure BSA0000253229910000024
为响应结束时刻电池单元荷电状态极差，X为强制更新次数，末时刻极差阈值E1与强制更新次数阈值E2分别为0.05和50。
所述步骤(2)中，天牛须搜索算法的自适应步长确定方法如下：
μn＝-arc tan[a(n+b)]+c (4)
其中，μn为自适应步长，n为迭代次数，步长参数a、b和c取值分别为0.16、1.5和1.361。
所述步骤(3)中，自适应天牛须搜索算法确定动态分组技术的强制更新阈值w的过程如下：
1)天牛须算法参数初始化：
设置初始步长(最大步长)、最大迭代次数、步长参数a、b和c；
2)确定天牛须朝向并归一化处理，即：
Figure BSA0000253229910000031
式中：rands为随机函数，k为空间维度；
3)天牛位置初始化，选取[-1，1]之间的随机数作为天牛算法的初始解集，及天牛初始位置，并将其保存在Xbest中；
4)根据式(1)计算天牛初始位置的适应度函数值，并保存在Ybest中；
5)根据下式(6)对天牛须左右位置更新：
Figure BSA0000253229910000032
式中：xln和xrn分别表示天牛左须和天牛右须在第n次迭代时的位置坐标，xn为天牛在第n次迭代时的质心坐标，dis为两须之间的距离；
6)天牛须算法解集更新：
根据天牛左右须位置，利用式(1)分别求取左右须的适应度函数值f(xln)和f(xrn)，比较其强度并根据下式(7)更新天牛位置，即调整动态分组技术的强制更新阈值w，并计算当前位置下的适应度函数值，若此时适应度函数值优于Ybest，则更新Xbest、Ybest；
Figure BSA0000253229910000033
式中：sign为符号函数；
7)判断是否满足迭代终止条件，若满足，输出当前w为动态分组技术的最优强制更新阈值，若不满足，返回步骤5)。
所述步骤(4)中，根据AGC更新周期，确定动态分组技术的自动更新周期。
所述步骤(5)中，将集中式电池储能电站中电池单元分成为3个电池组，根据动态分组技术确定3个电池组的调频功率指令，进而确定每个电池单元的调频指令，并使电池单元响应各自指令，步骤如下：
1)集中式电池储能电站控制中心首先将集中式电池储能电站的储能单元平均分为三组，并按照如下公式计算电池组i的平均荷电状态SOCi；并将三组分别命名为：优先充电组、备用组和优先放电组，hi为三个电池组的电池单元个数，即：
Figure BSA0000253229910000041
同时当集中式电池储能电站电池单元极差大于等于强制更新阈值w时，对集中式电池储能电站电池单元重新分组，即满足下式时重新分组：
Figure BSA0000253229910000042
其中，T为集中式电池储能电站运行时间，t为动态分组技术的自动更新周期，ut为每个AGC周期末电池单元荷电状态极差，w为动态分组技术的强制更新阈值；
2)接收下发的AGC指令Pc后，首先确定集中式储能电站的工作状态，方法如下：
(1)充电状态(Pc＞0)：令电池组平均荷电状态SOCi最低的组，即优先充电组优先动作，如果组内每个电池单元Pi，j均以最大充电功率运行的话高于AGC指令需求时，则只有该组动作，且组内功率平均分配，即：
Figure BSA0000253229910000043
如果低于AGC指令需求时，则该组内每个电池单元以最大充电功率运行，即：
Pi，j＝Pi，j max (11)
然后确定平均荷电状态SOCk第二低的组，即备用组也参与响应，如果组内每个电池单元均以最大充电功率运行的话高于功率差额时，则只有该组动作，且组内功率平均分配，即：
Figure BSA0000253229910000044
如果低于功率差额需求时，则该组内每个电池单元以最大充电功率运行，即：
Pk，j＝Pk，j max (13)
重复上述过程，直至所有动作组的充电功率满足AGC指令需求，从而确定出需要进行动作的电池组个数；
(2)放电状态(Pc＜0)：放电状态下确定需要进行动作的电池组个数与充电状态类似；
3)确定好需要动作的电池组个数后，对于最大充放电功率运行的电池组，组内每个电池单元直接以最大充放电功率运行即可，对于非最大充放电功率运行的电池组，采用功率平均分配的方法确定组内每个电池单元的充放电功率；
4)确定好每个电池单元的充放电功率后，电池单元进行响应，完成调频的任务。
本发明提供的技术方案具有的有益效果：
通过使用自适应天牛须搜索算法确定动态分组技术的最优强制更新阈值，在此基础上，将集中式电池储能电站的电池单元分为三组，利用动态分组技术确定三个电池组的调频指令，进而确定每个电池单元的调频指令，并使电池单元响应各自指令。对于电网而言，集中式电池储能系统的加入有效的跟踪了AGC指令，提升了电网的电能质量；对于储能系统而言，既避免了储能系统电池单元过充、过放，又减少储能系统电池单元总的动作次数，从而减少了电池的寿命损耗，提高了储能系统调频的经济性。
附图说明
下面结合附图对本发明作进一步说明：
图1为本发明的流程图；
图2为自适应天牛须寻优过程；
图3为三个电池组分配的功率；
图4为电池单元调频指令分配结果；
图5为电池单元的响应结果；
图6为三个电池组响应的功率；
图7为电池单元的SOC变化情况；
图8为储能系统的平均SOC变化；
图9为储能系统实际出力与AGC指令对比结果；
具体实施方案
为了更好地理解本发明的目的、技术方案及技术效果，以下结合附图对本发明进行进一步的讲解说明。
本发明提出了基于动态分组技术的集中式电池储能电站调频控制策略，附图1为本发明的流程图，其实施流程包括如下详细步骤。
步骤1确定动态分组技术的评价指标体系，并依照此评价指标体系确定适应度函数：
1)确定动态分组技术的评价指标体系：
评价指标体系由4部分构成，即储能电站出力与AGC指令差值的标准差、电池单元荷电状态极差平均值、响应结束时刻电池单元荷电状态极差和强制更新次数，其中，强制更新次数用于表征由于电池单元荷电状态极差大于设定强制更新阈值导致的动态分组次数增加量X；
2)确定适应度函数，如下式所示：
Figure BSA0000253229910000061
其中，f1为储能系统出力与AGC指令差值的标准差，N1为AGC指令个数，st为每个AGC周期储能系统出力，yi为AGC指令期望出力值，f2为电池单元荷电状态极差平均值，ui为每个AGC周期末电池单元荷电状态极差，f3为末时刻电池单元荷电状态极差，f4为强制更新次数X；α1、α2、α3和α4为权重，适应度函数权重α1和α2取值分别为5和1500，α3和α4的确定方法如下：
Figure BSA0000253229910000062
Figure BSA0000253229910000063
其中，
Figure BSA0000253229910000064
为响应结束时刻电池单元荷电状态极差，X为强制更新次数，末时刻极差阈值E1与强制更新次数阈值E2分别为0.05和50。
步骤2确定天牛须搜索算法的自适应步长：
自适应天牛须搜索算法的步长因子通过以下公式获取：
μn＝-arc tan[a(n+b)]+c (17)
其中，μn为自适应步长，n为迭代次数，步长参数a、b和c取值分别为0.16、1.5和1.361。
步骤3结合本发明提出的适应度函数，应用自适应天牛须搜索算法确定动态分组技术的强制更新阈值w：
1)天牛须算法参数初始化：
设置初始步长(最大步长)、最大迭代次数、步长参数a、b和c；
2)确定天牛须朝向并归一化处理，即：
Figure BSA0000253229910000065
式中：rands为随机函数，k为空间维度；
3)步长因子计算：
μn＝-arc tan[a(n+b)]+c (19)
其中，n为迭代次数，步长参数a、b和c分别为0.16、1.5和1.361；
4)天牛位置初始化，选取[-1，1]之间的随机数作为天牛算法的初始解集，及天牛初始位置，并将其保存在Xbest中；
5)根据式(13)计算天牛初始位置的适应度函数值，并保存在Ybest中；
6)根据下式(19)对天牛须左右位置更新：
Figure BSA0000253229910000071
式中：xln和xrn分别表示天牛左须和天牛右须在第n次迭代时的位置坐标，xn为天牛在第n次迭代时的质心坐标，dis为两须之间的距离；
7)天牛须算法解集更新：
根据天牛左右须位置，利用式(13)分别求取左右须的适应度函数值f(xln)和f(xrn)，比较其强度并根据下式(20)更新天牛位置，即调整动态分组技术的强制更新阈值w，并计算当前位置下的适应度函数值，若此时适应度函数值优于Ybest，则更新Xbest、Ybest；
Figure BSA0000253229910000072
式中：sign为符号函数；
8)判断是否满足迭代终止条件，若满足，输出当前w为动态分组技术的最优强制更新阈值，若不满足，返回步骤6)。经自适应天牛须算法输出的动态分组技术得出的最优强制更新阈值为0.0899。
以某地一年中典型的1小时AGC指令数据为研究对象，AGC指令的周期为4s，集中式储能电站装机容量为100MW，采用自适应天牛须确定动态分组技术的强制更新阈值w，搜索过程如附图2所示。
步骤4动态分组技术的自动更新周期为13min。
步骤5将集中式电池储能电站中电池单元分成为3个电池组，根据动态分组技术确定3个电池组的调频功率指令，进而确定每个电池单元的调频指令，并使电池单元响应各自指令，完成调频任务：
1)按照如下公式计算电池单元v的荷电状态SOCv，t；
SOC表征了电池的剩余电量，准确的SOC估计对于描述电池状态极为重要。SOC的估算方法主要有开路电压法、安时积分法、神经网络和卡尔曼滤波等。由于安时积分法原理简单，易于计算，故采用安时积分法对储能系统SOC进行估计：
Figure BSA0000253229910000081
其中：SOCv，t为t时刻第v个电池单元的SOC；Pbv，t为t时刻第v个电池单元的充放电功率，充电时取正值，放电时取负值；Cv为第v个电池单元的最大储能容量；
电池单元在参与调频运行时，一般不采用高倍率的充放电方式，故电池单元的出力可表示为：
Figure BSA0000253229910000082
式中：Pr·bv为第v个电池单元下层分配的调频功率；Pb max v和Pb min v分别为第v个电池单元的最大充电功率和最大放电功率；
电池单元运行中还应尽量避免过充、过放导致电池寿命受损，以SOC表征储能系统运行的容量限制，相应约束条件为：
Figure BSA0000253229910000083
其中：SOCmax v和SOCmin v分别表示第v个电池单元SOC的上限和下限。
1)按照如下公式计算电池组i的平均荷电状态SOCi；按照荷电状态的大小关系将储能单元分为三组，并将这三组分别命名为：优先充电组、备用组和优先放电组，即：
Figure BSA0000253229910000084
同时当集中式电池储能电站电池单元极差大于等于强制更新阈值w时，对集中式电池储能电站电池单元重新分组，即满足下式时重新分组：
Figure BSA0000253229910000085
其中，T为集中式电池储能电站运行时间，t为动态分组技术的自动更新周期，ut为每个AGC周期末电池单元荷电状态极差，w为动态分组技术的强制更新阈值；
2)接收下发的AGC指令Pc后，首先确定集中式储能电站的工作状态，方法如下：
(1)充电状态(Pc＞0)：令电池组平均荷电状态SOCi最低的组，即优先充电组优先动作，如果组内每个电池单元Pi，j均以最大充电功率运行的话高于AGC指令需求时，则只有该组动作，且组内功率平均分配，即：
Figure BSA0000253229910000091
如果低于AGC指令需求时，则该组内每个电池单元以最大充电功率运行，即：
Pi，j＝Pi，j max (28)
然后确定平均荷电状态SOCk第二低的组，即备用组也参与响应，如果组内每个电池单元均以最大充电功率运行的话高于功率差额时，则只有该组动作，且组内功率平均分配，即：
Figure BSA0000253229910000092
如果低于功率差额需求时，则该组内每个电池单元以最大充电功率运行，即：
Pk，j＝Pk，j max (30)
重复上述过程，直至所有动作组的充电功率满足AGC指令需求，进而确定需要进行动作的电池组个数；
(2)放电状态(Pc＜0)：放电状态下确定需要进行动作的电池组个数与充电状态类似；
3)确定好需要动作的电池组个数后，对于最大充放电功率运行的电池组，组内每个电池单元直接以最大充放电功率运行即可，对于非最大充放电功率运行的电池组，采用功率平均分配的方法确定组内每个电池单元的充放电功率。
由于电池组内电池单元的SOC差异可能较大，故在参与调频时，希望SOC较低的电池单元多充少放，而SOC较高的电池单元多放少充，进而实现组内每个电池单元的SOC相对均衡。为此，采用Sigmoid函数描述电池单元的充放电过程，以表征电池单元的充放电能力。
电池单元的充电函数为：
Figure BSA0000253229910000093
电池单元的放电函数为：
Figure BSA0000253229910000094
其中：SOCv，t-1为电池组内第v个电池单元在t-1时刻的荷电状态。
SOC均衡的功率分配方案如下：
电池组充电时：
Figure BSA0000253229910000101
电池组放电时：
Figure BSA0000253229910000102
式中：Pr·bj，t为t时刻电池组j的分配功率。
在调频过程中，三个组别具体分配的功率如图3所示，各个电池单元分配的调频功率指令如图4所示，根据图4可知由于AGC指令过大导致超越电池单元最大充放电功率的情况时有发生；但是由于充电单元本身的限制，电池单元输出的实际功率应小于电池单元的最大充放电功率。
4)确定好每个电池单元的充放电功率后，电池单元进行响应，完成调频的任务。
图5为电池单元的实际响应功率，对比图4，十个电池单元响应功率均维持在最大充放电功率以下；图6为三个电池组实际响应的功率，对比图6与图3，由于个别时间段分配给电池单元的功率略大于电池单元的充放电功率，三个电池组实际输出功率在部分时刻略小于分配功率。相较于初始荷电状态极差0.1，十个电池单元在运行过程中的极差平均值为0.05，较好的降低了运行过程中电池单元极差；图7为十个电池单元的荷电状态变化情况，末时刻荷电状态差极差为0.026，相较于初始荷电状态极差0.1，有相对明显的提升，提升了集中式储能电站的可调度潜力；图9为储能电站实际出力与AGC指令之间的关系，储能系统出力与AGC指令差值的标准差为2.07，储能电站的出力跟踪AGC指令较好，调频效果相对较好。
将本研究基于动态分组技术的集中式电池储能电站调频控制策略与传统功率直接分配方法中储能系统电池单元的动作次数进行对比，结果如表1所示。由于传统方法未考虑储能系统分组，故储能电池单元的动作次数高达9000次。而本研究方案下储能电池单元的动作次数仅为5896次.本文策略有效地减少了电池单元的动作次数，减缓了储能资源的寿命损失。
表1两种方法下储能电池单元动作次数
Figure BSA0000253229910000103
综上所述，本控制策略在降低动态分组技术的分组次数的同时，降低响应结束后电池单元的荷电状态极差，提升了下一调度时段储能电站的可调度潜力；同时降低了储能系统的动作次数，提高了储能电站运行的经济性。

Claims (3)

1.基于动态分组技术的集中式电池储能电站调频控制策略，其特征在于，包括以下步骤：
(1)构建动态分组技术的评价指标体系，并依照此评价指标体系设计适应度函数；
(2)确定天牛须搜索算法的自适应步长；
(3)结合所述的适应度函数，应用自适应天牛须搜索算法确定动态分组技术的强制更新阈值w；
(4)根据AGC更新周期，确定动态分组技术的自动更新周期t；
(5)将集中式电池储能电站中电池单元分成为3个电池组，根据动态分组技术确定3个电池组的调频功率指令，进而确定每个电池单元的调频指令，并使电池单元响应各自指令，完成调频任务；
其中，步骤(1)所述的评价指标体系由4部分构成，即储能电站出力与AGC指令差值的标准差、电池单元荷电状态极差平均值、响应结束时刻电池单元荷电状态极差和强制更新次数；其中，强制更新次数用于表征由于电池单元荷电状态极差大于等于设定强制更新阈值导致的动态分组次数增加量X；
设计的适应度函数为：
Figure FSB0000201244300000011
其中，f1为储能系统出力与AGC指令差值的标准差，N1为AGC指令个数，si为每个AGC周期储能系统出力，yi为AGC指令期望出力值，f2为电池单元荷电状态极差平均值，ui为每个AGC周期末电池单元荷电状态极差，f3为末时刻电池单元荷电状态极差，f4为强制更新次数X；α1、α2、α3和α4为权重，适应度函数权重α1和α2取值分别为5和1500，α3和α4的确定方法如下：
Figure FSB0000201244300000012
Figure FSB0000201244300000013
其中，
Figure FSB0000201244300000014
为响应结束时刻电池单元荷电状态极差，X为强制更新次数，末时刻极差阈值E1与强制更新次数阈值E2分别为0.05和50。
2.根据权利要求1所述的基于动态分组技术的集中式电池储能电站调频控制策略，其特征在于，所述步骤(2)中自适应天牛须搜索算法的自适应步长通过以下公式获取：
μn＝-arc tan[a(n+b)]+c (4)
其中，μn为自适应步长，n为迭代次数，步长参数a、b和c取值分别为0.16、1.5和1.361。
3.根据权利要求1所述的基于动态分组技术的集中式电池储能电站调频控制策略，其特征在于，所述步骤(5)中采用基于自适应天牛须搜索算法的动态分组技术对储能电站中的电池单元进行分组，结合得到的强制更新阈值w，确定集中式储能电站中3个电池组的调频功率指令，进而确定每个电池单元的调频指令，并使电池单元响应各自指令；电池单元响应过程中满足下式立即重新分组：
Figure FSB0000201244300000021
其中，T为集中式电池储能电站运行时间，t为动态分组技术的自动更新周期，ui为每个AGC周期末电池单元荷电状态极差，w为强制更新阈值。
CN202111096564.6A 2021-09-14 2021-09-14 基于动态分组技术的集中式电池储能电站调频控制策略 Active CN113690918B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111096564.6A CN113690918B (zh) 2021-09-14 2021-09-14 基于动态分组技术的集中式电池储能电站调频控制策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111096564.6A CN113690918B (zh) 2021-09-14 2021-09-14 基于动态分组技术的集中式电池储能电站调频控制策略

Publications (2)

Publication Number Publication Date
CN113690918A CN113690918A (zh) 2021-11-23
CN113690918B true CN113690918B (zh) 2023-04-07

Family

ID=78586909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111096564.6A Active CN113690918B (zh) 2021-09-14 2021-09-14 基于动态分组技术的集中式电池储能电站调频控制策略

Country Status (1)

Country Link
CN (1) CN113690918B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114285095B (zh) * 2021-11-26 2023-07-07 华北电力大学（保定） 基于二次分组的集中式电池储能电站调频控制策略

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013097489A1 (zh) * 2011-12-31 2013-07-04 中国电力科学研究院 兆瓦级电池储能电站实时功率控制方法及其系统
CN112615399A (zh) * 2020-11-24 2021-04-06 国网江苏省电力有限公司 一种储能系统参与电网调频优化控制方法、系统及存储介质
CN113111579A (zh) * 2021-04-02 2021-07-13 华北电力大学（保定） 一种自适应天牛须优化神经网络的锂电池等效电路模型参数辨识方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013097489A1 (zh) * 2011-12-31 2013-07-04 中国电力科学研究院 兆瓦级电池储能电站实时功率控制方法及其系统
CN112615399A (zh) * 2020-11-24 2021-04-06 国网江苏省电力有限公司 一种储能系统参与电网调频优化控制方法、系统及存储介质
CN113111579A (zh) * 2021-04-02 2021-07-13 华北电力大学（保定） 一种自适应天牛须优化神经网络的锂电池等效电路模型参数辨识方法

Also Published As

Publication number Publication date
CN113690918A (zh) 2021-11-23

Similar Documents

Publication Publication Date Title
CN107994595B (zh) 一种削峰填谷控制方法和系统以及应用该控制方法的系统
CN109345019B (zh) 一种基于改进粒子群算法的微电网经济调度优化策略
CN105680474B (zh) 一种储能抑制光伏电站快速功率变化的控制方法
CN110086180B (zh) 一种基于深充浅放原则的储能调频均衡控制方法
CN111244991B (zh) 一种考虑电池寿命的储能电站运行控制方法及系统
WO2022252426A1 (zh) 一种电动汽车集群可调控能力确定方法、调度方法及系统
CN109167347B (zh) 基于云自适应粒子群多目标电动汽车充放电优化调度方法
CN111064214A (zh) 基于电动汽车两阶段滚动式策略的配电网优化调度方法
CN109193718A (zh) 一种适应于v2g的选择电动汽车入网调控方法
CN107681695A (zh) 一种储能辅助火电机组调频的容量配置方法
CN105226695A (zh) 含梯次利用电池的多类型储能系统能量管理方法和系统
CN103997052A (zh) 一种多储能电站的有功功率控制的方法
CN112086975B (zh) 一种协调多储能单元参与二次调频的优化调度方法
CN112186802A (zh) 一种动态经济调度的多时间尺度滚动调度方法及其系统
CN113690918B (zh) 基于动态分组技术的集中式电池储能电站调频控制策略
CN112952862A (zh) 平抑风电功率波动的混合储能分频协调控制器及实现方法
CN112510723A (zh) 储能集群调控方法、装置、计算机设备和存储介质
CN113394840A (zh) 一种储能电池电量智能均衡控制方法及系统
CN103915851B (zh) 一种递进步长和期望输出均可变的储能系统优化控制方法
CN115021295A (zh) 针对一次调频的风电场混合储能容量优化配置方法及系统
CN114865747A (zh) 一种储能电池簇荷电状态功率调度在线均衡方法
CN113131502B (zh) 一种集中式储能电站的双层功率协调分配方法及装置
CN110932300B (zh) 一种考虑梯次利用储能的配电网优化调度方法
CN111509750B (zh) 电网侧储能系统容量配置优化方法
CN114552669B (zh) 考虑灵活性的含高渗透率分布式电源配电网络分区方法

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