CN114583716A - 一种自治微网风储联合调频方法及系统 - Google Patents

一种自治微网风储联合调频方法及系统 Download PDF

Info

Publication number
CN114583716A
CN114583716A CN202111483481.2A CN202111483481A CN114583716A CN 114583716 A CN114583716 A CN 114583716A CN 202111483481 A CN202111483481 A CN 202111483481A CN 114583716 A CN114583716 A CN 114583716A
Authority
CN
China
Prior art keywords
energy storage
wind
fan
frequency modulation
microgrid
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
Application number
CN202111483481.2A
Other languages
English (en)
Inventor
李勇
张靖
胡斯佳
张志文
林锦杰
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.)
Hunan University
Original Assignee
Hunan 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 Hunan University filed Critical Hunan University
Priority to CN202111483481.2A priority Critical patent/CN114583716A/zh
Publication of CN114583716A publication Critical patent/CN114583716A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—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
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明提供了一种自治微网风储联合调频方法及系统。该方案包括建立风机与储能设备参与微网系统调频的状态空间模型；建立基于频率偏差最小和弃风率最低设计风储参与调频时的优化目标函数；设置所述优化目标函数中的自适应权重系数；设置第k采样时刻的风机约束条件和储能设备约束条件；开展自治微网风储联合调频。该方案结合风机与储能设备的运行特性建立状态空间模型，并以频率偏差最小和弃风率最低为优化指标，并设计能够根据频率变化进行自适应调整的权重系数，根据风速和荷电状态动态调整的约束条件，可以更充分的将风能转化为电能参与调频，解决含风储的自治微网中频率不稳定与弃风率较高的问题，减少能源浪费。

Description

一种自治微网风储联合调频方法及系统
技术领域
本发明涉及微网协调控制技术领域，更具体地，涉及一种自治微网风储联 合调频方法及系统。
背景技术
高渗透率可再生能源的接入使得电力系统的规划与运行面临着巨大挑战。 而微网作为一种能有效整合各种分布式电源(Distributed Generations，DGs) 的小型电力系统，近年来受到了极大的关注。然而，微网在自治运行时，由于 失去大电网的支撑，再加上风电、光伏等新能源发电的随机性，使得自治微网 的频率控制对于系统的稳定运行显得尤为重要；同时可再生能源在参与调频时， 如何减少能源浪费，对于推进我国双碳目标的实现也具有重要的意义。
本发明技术之前，风机和储能已成为微网中重要的组成部分，二者参与微 网调频时的策略以风储联合响应频率变化为主。但是现有方法如下垂控制、虚 拟同步发电机控制等，多集中于对频率控制性能的改善，忽略了风速时变特性 对风机有功备用功率的影响，以及储能装置的荷电状态(State of Charge，SoC) 对充放电功率的影响，没有基于此对二者参与调频时的有功出力增量进行动态 约束，一方面不能充分发挥他们的调频优势，另一方面则无法保证风机与储 能设备的运行安全，可能难以获得理想的调频性能；此外，尚未提出以能效 为目标考虑风储联合调频时功率的动态分配技术，因此无法达到对风能的最大 化利用和充分发挥储能吸收有功剩余从而降低弃风率，提高系统能效的优势。
发明内容
鉴于上述问题，本发明提出了一种自治微网风储联合调频方法及系统，结 合风机与储能设备的运行特性建立状态空间模型，并以频率偏差最小和弃风率 最低为优化指标，并设计能够根据频率变化进行自适应调整的权重系数，根据 风速和荷电状态动态调整的约束条件，可以更充分的将风能转化为电能参与调 频，解决含风储的自治微网中频率不稳定与弃风率较高的问题，减少能源浪费。
根据本发明实施例第一方面，提供一种自治微网风储联合调频方法。
在一个或多个实施例中，优选地，所述一种自治微网风储联合调频方法包 括一种约束边界柔性变化的权重自调整模型预测控制策略，该控制策略用于使 风机和储能装置参与自治微网调频过程中的功率柔性分配，具体包括：
建立风机与储能设备参与微网系统调频的状态空间模型；
建立基于频率偏差最小和弃风率最低设计风储参与调频时的优化目标函 数；
设置所述优化目标函数中的自适应权重系数；
设置第k采样时刻的风机约束条件和储能设备约束条件；
开展自治微网风储联合调频。
在一个或多个实施例中，优选地，所述建立风机与储能设备参与微网系统 调频的状态空间模型，具体包括：
根据交流微电网发生扰动后的初始化频率变化率与初始化功率偏差的比 例关系，建立微网系统的所述状态空间模型；
根据所述状态空间模型通过协调风机和储能产生与频率波动相反的有功 功率，使风机与储能设备参与微网系统调频；
其中，所述微网系统的状态空间模型为：
Figure BDA0003396425790000021
其中，k为离散系统第k个采样时刻，xk为第k采样时刻的状态变量，xk+1为第k+1采样时刻的状态变量，uk为第k采样时刻的控制输入变量，yk为第k 采样时刻的交流微电网输出变量，Ac为系统矩阵、Bc为输入矩阵、Cc为输出 矩阵、Dc为直接传递矩阵，xk、uk和yk的表达式为：
Figure BDA0003396425790000031
Ac、Bc、Cc、Dc的表达式为：
Figure BDA0003396425790000032
其中，fk、P1,k和P2,k依次为第k时刻微网频率、风机有功出力、储能有功 出力，ΔP1,k和ΔP2,k依次为第k时刻风机承担的有功出力增量、储能系统承担 的有功出力增量，Ts为采样时间，f0为额定频率，H为惯性系数。
在一个或多个实施例中，优选地，所述建立基于频率偏差最小和弃风率最 低设计风储参与调频时的优化目标函数，具体包括：
设置控制时域和预测时域；
设置第一惩罚系数对应所述控制时域；
设置第二惩罚系数对应所述预测时域，其中，所述第二惩罚系数小于第一 惩罚系数；
设置所述优化目标函数；
其中，所述优化目标函数为：
Figure BDA0003396425790000033
其中，J为目标函数，P为控制时域，N为预测时域，fk+i|k为控制算法在k 时刻对k+i时刻频率的预测值，△P1(k+i|k)为控制算法在k时刻对k+i时刻风机 承担的有功出力增量预测值，△P2(k+i|k)为控制算法在k时刻对k+i时刻储能设 备承担的有功出力增量预测值，α、β依次为所述第一惩罚系数和所述第二惩罚 系数，γ、δ依次为第一权重系数和第二权重系数。
在一个或多个实施例中，优选地，设置所述优化目标函数中的自适应权重 系数，具体包括：
将目标函数中的权重系数设置为关于频率的分段函数，其中，所述分段函 数为：
Figure BDA0003396425790000041
其中，γ为所述第一权重系数，δ为所述第二权重系数，a1、a2、a3、a4、 a5、a6、b1、b2均为所述第一权重系数的取值系数，且a1＝a2＝a3＝a4＝a5＝a6，b1＝b2均为γ取值系数，c1、c2、c3、c4、c5、c6均为所述第二权重系数的取值系数， 且c1＝c2＝c3，c4＝c5＝c6，f1、f2分别为预先设定的频率偏差临界值。
在一个或多个实施例中，优选地，所述设置第k采样时刻的风机约束条件 和储能设备约束条件，具体包括：
所述风机约束条件为：
Figure RE-GDA0003628233310000042
其中，PMPPT(vk)为第k采样时刻的风机最大有功输出，Ts为采样时间， △P1,k+i|k为k时刻对k+i时刻风机承担的有功出力增量预测值，P1,k+i|k为k时刻 对k+i时刻风机承担的有功出力预测值，Ts为采样时间，r1为每个采样间隔内 风机功率增量的上限爬坡率，△P1,min为每个采样间隔内风机功率增量的下限；
所述储能设备约束条件为：
Figure RE-GDA0003628233310000051
其中，Pch ES(SoCk)和Pdisch ES(SoCk)分别为第k时刻依据储能荷电状态SoCk计算出的储能充电功率和放电功率安全阈值，r2为每个采样间隔内储能设备充 放电功率增量的上下限爬坡率，Ts为采样时间，△P2,k+i|k为第k时刻对k+i时刻 储能设备承担的有功出力增量预测值，P2,k+i|k为第k时刻对k+i时刻储能设备承 担的有功出力预测值。
在一个或多个实施例中，优选地，所述开展自治微网风储联合调频，具体 包括：
获取第k个采样时刻的微网频率测量数据，获取预设的调频需求，判断所 述微网频率测量数据是否满足所述调频需求，若不满足所述调频需求，则启用 约束边界柔性变化的权重自调整模型预测控制器；
若检测到所述约束边界柔性变化的权重自调整模型预测控制器启用，获取 第k个采样时刻的微网系统状态量，根据第k个采样时刻的频率测量数据调整 权重系数，确定所述优化目标函数，并根据风速的vk、储能设备的SoCk更新 所述风机约束条件和所述储能设备约束条件；
利用所述约束边界柔性变化的权重自调整模型预测控制器根据所述状态 空间模型计算获得控制输入的解序列，将所述解序列作为风机与储能设备有功 出力增量的指令值；
获得风机与储能设备的最优出力指令，其中，所述最优出力指令包括风机 释放有功备用或减小出力，储能设备调整充放电功率；
根据预设的频率范围判断微网运行状态是否正常，直到微网频率恢复到正 常值或正常运行范围。
在一个或多个实施例中，优选地，所述第k时刻依据储能荷电状态SoCk计算出的储能充电功率和放电功率安全阈值，具体包括：
在进行储能设备的充放电过程中，通过控制瞬时功率不超过预设的充放电 最大功率。
在一个或多个实施例中，优选地，所述约束边界柔性变化的权重自调整模 型预测控制器，具体包括：
状态空间模型模块，用于根据微网系统的特征量录入所述状态空间模型， 其中，所述特征量包括惯性系数和额定频率；
目标函数模块，用于将目标函数写入，并根据接收到的微网系统状态量对 权重系数进行调整；
约束条件生成器模块，用于根据每个时间断面的风速和储能荷电状态对约 束条件进行在线修正，并生成新的约束条件；
控制输入生成模块，用于在每个采样时刻根据采集获得的状态量，利用状 态空间和目标函数生成控制输入序列；
优化求解模块，用于求解出风机与储能设备的最优出力值，并将所述风机 与储能设备的最优出力值分别发送至风机控制器和储能设备控制器。
根据本发明实施例第二方面，提供一种自治微网风储联合调频系统。
在一个或多个实施例中，优选地，所述一种自治微网风储联合调频系统包 括：
状态空间子系统，用于建立风机与储能设备参与微网系统调频的状态空间 模型；
目标优化子系统，用于建立基于频率偏差最小和弃风率最低设计风储参与 调频时的优化目标函数；
有功分配子系统，用于设置所述优化目标函数中的自适应权重系数；
实时修正子系统，用于设置第k采样时刻的风机约束条件和储能设备约束 条件；
功率出力子系统，用于开展自治微网风储联合调频。
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计 算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第 一方面中任一项所述的方法。
根据本发明实施例第四方面，提供一种电子设备，包括存储器和处理器， 所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算 机程序指令被所述处理器执行以实现本发明实施例第一方面中任一项所述的 步骤。
本发明的实施例提供的技术方案可以包括以下有益效果：
1)本发明实施例中，针对含风储的自治微网中频率不稳定与弃风率较高 的问题，设计了约束边界柔性变化的权重自调整模型预测控制策略，并基于此 提出了一种自治微网风储联合调频方法。该方法结合风机与储能设备的运行特 性建立状态空间模型，并以频率偏差最小和弃风率最低为优化指标，兼顾频率 控制与能效优化功能。
2)本发明实施例中，在目标函数中设计了能够根据频率变化进行自适应 调整的权重系数，实现了风机与储能设备在参与自治微网调频时有功出力的柔 性分配，保证调频性能的同时提高了风能资源的利用率。
3)本发明实施例中，设计了能够基于风机风速与储能荷电状态进行在线 修正的柔性约束边界，提高了自治微网中风储联合调频时的安全运行水平。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明 书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可 通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获 得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所 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，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还 可以根据这些附图获得其他的附图。
图1是本发明一个实施例的一种自治微网风储联合调频方法的流程图。
图2为本发明实施例提供一种自治微网风储联合调频方法的可应用场景。
图3为发明实施例中的自治微网风储联合调频系统图。
图4是本发明一个实施例的一种自治微网风储联合调频方法中的建立风机 与储能设备参与微网系统调频的状态空间模型的流程图。
图5为本发明实施例的权重系数-频率关系图。
图6为本发明实施例的自治微网风储联合调频执行流程图。
图7为本发明实施例的约束边界柔性变化的权重自调整模型预测控制器结 构示意图。
图8是本发明一个实施例的一种自治微网风储联合调频系统的结构图。
图9是本发明一个实施例中一种电子设备的结构图。
具体实施方式
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含 了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其 在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是 用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流 程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需 要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、 模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
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，本领域技术人员在没有作出创造性劳 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。
高渗透率可再生能源的接入使得电力系统的规划与运行面临着巨大挑战。 而微网作为一种能有效整合各种分布式电源(Distributed Generations，DGs) 的小型电力系统，近年来受到了极大的关注。然而，微网在自治运行时，由于 失去大电网的支撑，再加上风电、光伏等新能源发电的随机性，使得自治微网 的频率控制对于系统的稳定运行显得尤为重要；同时可再生能源在参与调频时， 如何减少能源浪费，对于推进我国双碳目标的实现也具有重要的意义。
本发明技术之前，风机和储能已成为微网中重要的组成部分，二者参与微 网调频时的策略以风储联合响应频率变化为主。但是现有方法如下垂控制、虚 拟同步发电机控制等，多集中于对频率控制性能的改善，忽略了风速时变特性 对风机有功备用功率的影响，以及储能装置的荷电状态(State of Charge，SoC) 对充放电功率的影响，没有基于此对二者参与调频时的有功出力增量进行动态 约束，一方面不能充分发挥他们的调频优势，另一方面则无法保证风机与储 能设备的运行安全，可能难以获得理想的调频性能；此外，尚未提出以能效 为目标考虑风储联合调频时功率的动态分配技术，因此无法达到对风能的最大 化利用和充分发挥储能吸收有功剩余从而降低弃风率，提高系统能效的优势。
本发明实施例中，提供了一种自治微网风储联合调频方法及系统。该方案 结合风机与储能设备的运行特性建立状态空间模型，并以频率偏差最小和弃风 率最低为优化指标，并设计能够根据频率变化进行自适应调整的权重系数，根 据风速和荷电状态动态调整的约束条件，可以更充分的将风能转化为电能参与 调频，解决含风储的自治微网中频率不稳定与弃风率较高的问题，减少能源浪 费。
具体的，例如风速增大，通过动态调整约束条件，可以更充分的将风能转 化为电能参与调频，减少能源浪费。例如风速减小，风机能参与调频的功率肯 定小于风速较大的时候，如果此时的约束条件不变，风机强行通过降低转子转 速来提供有功出力，可能会造成频率二次跌落，对风机自身的安全也有影响， 在SoC即将越限时，如果不对其有功出力的约束条件进行改变，储能继续进行 充放电行为，SoC一旦越限对储能设备的寿命有很大的损害。所提的根据时变 性对约束条件进行动态调整的核心技术，可以解决这个问题。在此基础上，本 方案增加了以能效为目标考虑风储联合调频时功率的动态分配技术，因此，可以达到对风能的最大化利用和充分发挥储能吸收有功剩余从而降低弃风率，提 高系统能效，降低新能源浪费。
根据本发明实施例第一方面，提供一种自治微网风储联合调频方法。
图1是本发明一个实施例的一种自治微网风储联合调频方法的流程图。
如图1所示，在一个或多个实施例中，优选地，所述一种自治微网风储联 合调频方法包括一种约束边界柔性变化的权重自调整模型预测控制策略，该控 制策略用于使风机和储能装置参与自治微网调频过程中的功率柔性分配，具体 包括：
S101、建立风机与储能设备参与微网系统调频的状态空间模型；
S102、建立基于频率偏差最小和弃风率最低设计风储参与调频时的优化目 标函数；
S103、设置所述优化目标函数中的自适应权重系数；
S104、设置第k采样时刻的风机约束条件和储能设备约束条件；
S105、开展自治微网风储联合调频。
在本发明实施例中，设计了一种约束边界柔性变化的权重自调整模型预测 控制(Flexible boundary&weight adjustive model predictive control,FBWA-MPC) 策略，图2为本发明实施例提供一种自治微网风储联合调频方法的可应用场景， 图3为发明实施例中的自治微网风储联合调频系统图。并基于此实现对风机和 储能装置在参与自治微网调频过程中的功率柔性分配。其具有两个重要特征： 1)可根据频率对优化目标的权重系数进行自适应调整，实现不同情况下风机 和储能装置有功出力的合理分配，在确保调频效果的同时优化系统能效，降低 弃风率；2)可根据风机风速与储能荷电状态在线修正约束条件，提高二者在 参与自治微网调频时的安全运行水平。
图4是本发明一个实施例的一种自治微网风储联合调频方法中的建立风机 与储能设备参与微网系统调频的状态空间模型的流程图。
如图4所示，在一个或多个实施例中，优选地，所述建立风机与储能设备 参与微网系统调频的状态空间模型，具体包括：
S401、根据交流微电网发生扰动后的初始化频率变化率与初始化功率偏差 的比例关系，建立微网系统的所述状态空间模型；
S402、根据所述状态空间模型通过协调风机和储能产生与频率波动相反的 有功功率，使风机与储能设备参与微网系统调频；
其中，所述微网系统的状态空间模型为：
Figure BDA0003396425790000111
其中，k为离散系统第k个采样时刻，xk为第k采样时刻的状态变量，xk+1为第k+1采样时刻的状态变量，uk为第k采样时刻的控制输入变量，yk为第k 采样时刻的交流微电网输出变量，Ac为系统矩阵、Bc为输入矩阵、Cc为输出 矩阵、Dc为直接传递矩阵，xk、uk和yk的表达式为：
Figure BDA0003396425790000112
Ac、Bc、Cc、Dc的表达式为：
Figure BDA0003396425790000121
其中，fk、P1,k和P2,k依次为第k时刻微网频率、风机有功出力、储能有功 出力，ΔP1,k和ΔP2,k依次为第k时刻风机承担的有功出力增量、储能系统承担 的有功出力增量，Ts为采样时间，f0为额定频率，H为惯性系数。
在本发明实施例中，根据交流微网发生扰动后初始频率变化率与初始功率 偏差成正比，建立功率动态模型；将有功不平衡造成的频率波动，通过协调风 机与储能系统的出力来消除，基于上述准则，建立的微网系统状态空间模型表 达式。
在一个或多个实施例中，优选地，所述建立基于频率偏差最小和弃风率最 低设计风储参与调频时的优化目标函数，具体包括：
设置控制时域和预测时域；
设置第一惩罚系数对应所述控制时域；
设置第二惩罚系数对应所述预测时域，其中，所述第二惩罚系数小于第一 惩罚系数；
设置所述优化目标函数；
其中，所述优化目标函数为：
Figure BDA0003396425790000122
其中，J为目标函数，P为控制时域，N为预测时域，fk+i|k为控制算法在k 时刻对k+i时刻频率的预测值，△P1(k+i|k)为控制算法在k时刻对k+i时刻风机 承担的有功出力增量预测值，△P2(k+i|k)为控制算法在k时刻对k+i时刻储能设 备承担的有功出力增量预测值，α、β依次为所述第一惩罚系数和所述第二惩罚 系数，γ、δ依次为第一权重系数和第二权重系数。
在本发明实施例中，目标函数需满足以下要求：1)寻找最优控制输入使微 网在发生功率不平衡时，频率能尽快恢复至额定值；2)当微网功率缺失导致频 率跌落时，优先由风机的有功备用提供出力，若通过预测计算无法满足需求， 再由储能放电提供有功出力，实现微网内的功率平衡同时提高风能的利用率； 3)当微网功率剩余导致频率升高时，优先由储能充电储存多余电能，若通过预 测计算无法满足需求，再由风机减小出力，实现微网内的功率平衡，减小弃风 率。因此，设置了上述形式的目标函数。
具体的，权重系数的设计方法在下面实施例中介绍。
在一个或多个实施例中，优选地，设置所述优化目标函数中的自适应权重 系数，具体包括：
将目标函数中的权重系数设置为关于频率的分段函数，其中，所述分段函 数为：
Figure BDA0003396425790000131
其中，γ为所述第一权重系数，δ为所述第二权重系数，a1、a2、a3、a4、 a5、a6、b1、b2均为所述第一权重系数的取值系数，且a1＝a2＝a3＝a4＝a5＝a6，b1＝b2均为γ取值系数，c1、c2、c3、c4、c5、c6均为所述第二权重系数的取值系数， 且c1＝c2＝c3，c4＝c5＝c6，f1、f2分别为预先设定的频率偏差临界值。
图5为本发明实施例的权重系数-频率关系图。如图5所示，在一个或多 个实施例中，优选地，对应了所述第一权重系数按照如下方式取值a1＝a2＝a3＝a4＝a5＝a6＝500，b1＝b2＝500；第二权重系数按照如下方式取值c1＝c2＝c3＝2， c4＝c5＝c6＝0.5；f1＝0.02与f2＝0.3代表频率偏差临界值，以此为基础，可根据系统 具体参数对取值进行自适应的调整，能够产生相应的频率与权重系统的曲线。
在本发明实施例中，将目标函数中的权重系数设计为关于频率的函数：当 fk<f0时，取0<γ<δ，当fk>f0时，取0<δ<γ；同时，为了防止在频率恢复后期， 频率超调量过大，造成能源浪费，γ与δ随着频率偏差Δf(即fk-f0)的减小而 增大，使风机与储能设备有功增量相应项的目标值减小。
在一个或多个实施例中，优选地，所述设置第k采样时刻的风机约束条件 和储能设备约束条件，具体包括：
所述风机约束条件为：
Figure RE-GDA0003628233310000141
其中，PMPPT(vk)为第k采样时刻的风机最大有功输出，Ts为采样时间， △P1,k+i|k为k时刻对k+i时刻风机承担的有功出力增量预测值，P1,k+i|k为k时刻 对k+i时刻风机承担的有功出力预测值，Ts为采样时间，r1为每个采样间隔内 风机功率增量的上限爬坡率，△P1,min为每个采样间隔内风机功率增量的下限；
所述储能设备约束条件为：
Figure RE-GDA0003628233310000142
其中，Pch ES(SoCk)和Pdisch ES(SoCk)分别为第k时刻依据储能荷电状态SoCk计算出的储能充电功率和放电功率安全阈值，r2为每个采样间隔内储能设备充 放电功率增量的上下限爬坡率，Ts为采样时间，△P2,k+i|k为第k时刻对k+i时刻 储能设备承担的有功出力增量预测值，P2,k+i|k为第k时刻对k+i时刻储能设备承 担的有功出力预测值。
在本发明实施例中，分别考虑了风机和储能设备的约束条件。在风机有功 功率约束方面：在k时刻，其总输出有功P1不能大于最大有功输出PMPPT(vk)， 每个采样间隔内的有功增量需满足风机爬坡率r1限制，当需要减少有功输出时， 其有功减小量也不能超出规定值ΔP1,min(ΔP1,min＜0)，因而，k时刻风机需满足 的对应的约束条件公式。在储能设备方面，为保护储能元件的运行安全，实际 储能系统对其充放电功率有着严格的要求，其功率爬坡率设定为有限值。因此 在约束条件的设计中，每个采样间隔内储能设备充放电功率增量的上下限爬坡 率r2的限制。当功率响应需求的变化率超过一定数值时，储能不响应，否则将 给电池本体造成物理损伤，带来极大的安全隐患。
图6为本发明实施例的自治微网风储联合调频执行流程图。
如图6所示，在一个或多个实施例中，优选地，所述开展自治微网风储联 合调频，具体包括：
获取第k个采样时刻的微网频率测量数据，获取预设的调频需求，判断所 述微网频率测量数据是否满足所述调频需求，若不满足所述调频需求，则启用 FBWA-MPC控制器；
若检测到所述FBWA-MPC控制器启用，获取第k个采样时刻的微网系统 状态量，根据第k个采样时刻的频率测量数据调整权重系数，确定所述优化目 标函数，并根据风速的vk、储能设备的SoCk更新所述风机约束条件和所述储 能设备约束条件；
利用所述FBWA-MPC控制器根据所述状态空间模型计算获得控制输入的 解序列，将所述解序列作为风机与储能设备有功出力增量的指令值；
获得风机与储能设备的最优出力指令，其中，所述最优出力指令包括风机 释放有功备用或减小出力，储能设备调整充放电功率；
根据预设的频率范围判断微网运行状态是否正常，直到微网频率恢复到正 常值或正常运行范围。
本发明实施例中，具体的提供了，风机进行自治微网风储联合调频的流程。
在一个或多个实施例中，优选地，所述第k时刻依据储能荷电状态SoCk计算出的储能充电功率和放电功率安全阈值，具体包括：
在进行储能设备的充放电过程中，通过控制瞬时功率不超过预设的充放电 最大功率。
图7为本发明实施例的FBWA-MPC控制器结构示意图。
如图7所示，在一个或多个实施例中，优选地，所述FBWA-MPC控制器， 具体包括：
状态空间模型模块，用于根据微网系统的特征量录入所述状态空间模型， 其中，所述特征量包括惯性系数和额定频率；
目标函数模块，用于将目标函数写入，并根据接收到的微网系统状态量对 权重系数进行调整；
约束条件生成器模块，用于根据每个时间断面的风速和储能荷电状态对约 束条件进行在线修正，并生成新的约束条件；
控制输入生成模块，用于在每个采样时刻根据采集获得的状态量，利用状 态空间和目标函数生成控制输入序列；
优化求解模块，用于求解出风机与储能设备的最优出力值，并将所述风机 与储能设备的最优出力值分别发送至风机控制器和储能设备控制器。
根据本发明实施例第二方面，提供一种自治微网风储联合调频系统。
图8是本发明一个实施例的一种自治微网风储联合调频系统的结构图。
如图8所示，在一个或多个实施例中，优选地，所述一种自治微网风储联 合调频系统包括：
状态空间子系统801，用于建立风机与储能设备参与微网系统调频的状态 空间模型；
目标优化子系统802，用于建立基于频率偏差最小和弃风率最低设计风储 参与调频时的优化目标函数；
有功分配子系统803，用于设置所述优化目标函数中的自适应权重系数；
实时修正子系统804，用于设置第k采样时刻的风机约束条件和储能设备 约束条件；
功率出力子系统805，用于开展自治微网风储联合调频。
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计 算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第 一方面中任一项所述的方法。
根据本发明实施例第四方面，提供一种电子设备。图9是本发明一个实施 例中一种电子设备的结构图。图9所示的电子设备为通用自治联合调频装置， 其包括通用的计算机硬件结构，其至少包括处理器901和存储器902。处理器 901和存储器902通过总线903连接。存储器902适于存储处理器901可执行 的指令或程序。处理器901可以是独立的微处理器，也可以是一个或者多个微 处理器集合。由此，处理器901通过执行存储器902所存储的指令，从而执行 如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的 控制。总线903将上述多个组件连接在一起，同时将上述组件连接到显示控制 器904和显示装置以及输入/输出(I/O)装置905。输入/输出(I/O)装置 905可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装 置、打印机以及本领域公知的其他装置。典型地，输入/输出装置905通过输 入/输出(I/O)控制器906与系统相连。
本发明的实施例提供的技术方案可以包括以下有益效果：
1)本发明实施例中，针对含风储的自治微网中频率不稳定与弃风率较高 的问题，设计了约束边界柔性变化的权重自调整模型预测控制策略，并基于此 提出了一种自治微网风储联合调频方法。该方法结合风机与储能设备的运行特 性建立状态空间模型，并以频率偏差最小和弃风率最低为优化指标，兼顾频率 控制与能效优化功能。
2)本发明实施例中，在目标函数中设计了能够根据频率变化进行自适应 调整的权重系数，实现了风机与储能设备在参与自治微网调频时有功出力的柔 性分配，保证调频性能的同时提高了风能资源的利用率。
3)本发明实施例中，设计了能够基于风机风速与储能荷电状态进行在线 修正的柔性约束边界，提高了自治微网中风储联合调频时的安全运行水平。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计 算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结 合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包 含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和 光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产 品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入 式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算 机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一 个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设 备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中 的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使 得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处 理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个 流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发 明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及 其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种自治微网风储联合调频方法，其特征在于，该方法包括一种约束边界柔性变化的权重自调整模型预测控制策略，该控制策略用于使风机和储能装置参与自治微网调频过程中的功率柔性分配，具体包括：
建立风机与储能设备参与微网系统调频的状态空间模型；
建立基于频率偏差最小和弃风率最低设计风储参与调频时的优化目标函数；
设置所述优化目标函数中的自适应权重系数；
设置第k采样时刻的风机约束条件和储能设备约束条件；
开展自治微网风储联合调频。
2.如权利要求1所述的一种自治微网风储联合调频方法，其特征在于，所述建立风机与储能设备参与微网系统调频的状态空间模型，具体包括：
根据交流微电网发生扰动后的初始化频率变化率与初始化功率偏差的比例关系，建立微网系统的所述状态空间模型；
根据所述状态空间模型通过协调风机和储能产生与频率波动相反的有功功率，通过风机与储能设备参与微网系统调频；
其中，所述微网系统的状态空间模型为：
Figure RE-FDA0003628233300000011
其中，k为离散系统第k个采样时刻，xk为第k采样时刻的状态变量，xk+1为第k+1采样时刻的状态变量，uk为第k采样时刻的控制输入变量，yk为第k采样时刻的交流微电网输出变量，Ac为系统矩阵、Bc为输入矩阵、Cc为输出矩阵、Dc为直接传递矩阵，xk、uk和yk的表达式为：
Figure RE-FDA0003628233300000021
Ac、Bc、Cc、Dc的表达式为：
Figure RE-FDA0003628233300000022
其中，fk、P1,k和P2,k依次为第k时刻微网频率、风机有功出力、储能有功出力，ΔP1,k和ΔP2,k依次为第k时刻风机承担的有功出力增量、储能系统承担的有功出力增量，Ts为采样时间，f0为额定频率，H为惯性系数。
3.如权利要求1所述的一种自治微网风储联合调频方法，其特征在于，所述建立基于频率偏差最小和弃风率最低设计风储参与调频时的优化目标函数，具体包括：
设置控制时域和预测时域；
设置第一惩罚系数对应所述控制时域；
设置第二惩罚系数对应所述预测时域，其中，所述第二惩罚系数小于第一惩罚系数；
设置所述优化目标函数；
其中，所述优化目标函数为：
Figure RE-FDA0003628233300000023
其中，J为目标函数，P为控制时域，N为预测时域，fk+i|k为控制算法在k 时刻对k+i时刻频率的预测值，△P1(k+i|k)为控制算法在k时刻对k+i时刻风机承担的有功出力增量预测值，△P2(k+i|k)为控制算法在k时刻对k+i时刻储能设备承担的有功出力增量预测值，α、β依次为所述第一惩罚系数和所述第二惩罚系数，γ、δ依次为第一权重系数和第二权重系数。
4.如权利要求3所述的一种自治微网风储联合调频方法，其特征在于，设置所述优化目标函数中的自适应权重系数，具体包括：
将目标函数中的权重系数设置为关于频率的分段函数，其中，所述分段函数为：
Figure RE-FDA0003628233300000031
其中，γ为所述第一权重系数，δ为所述第二权重系数，a1、a2、a3、a4、a5、a6、b1、b2均为所述第一权重系数的取值系数，且a1＝a2＝a3＝a4＝a5＝a6，b1＝b2均为γ取值系数，c1、c2、c3、c4、c5、c6均为所述第二权重系数的取值系数，且c1＝c2＝c3，c4＝c5＝c6，f1、f2分别为预先设定的频率偏差临界值。
5.如权利要求1所述的一种自治微网风储联合调频方法，其特征在于，所述设置第k采样时刻的风机约束条件和储能设备约束条件，具体包括：
所述风机约束条件为：
Figure RE-FDA0003628233300000032
其中，PMPPT(vk)为第k采样时刻的风机最大有功输出，Ts为采样时间，△P1,k+i|k为k时刻对k+i时刻风机承担的有功出力增量预测值，P1,k+i|k为k时刻对k+i时刻风机承担的有功出力预测值，Ts为采样时间，r1为每个采样间隔内风机功率增量的上限爬坡率，△P1,min为每个采样间隔内风机功率增量的下限；
所述储能设备约束条件为：
Figure RE-FDA0003628233300000041
其中，Pch ES(SoCk)和Pdisch ES(SoCk)分别为第k时刻依据储能荷电状态SoCk计算出的储能充电功率和放电功率安全阈值，r2为每个采样间隔内储能设备充放电功率增量的上下限爬坡率，Ts为采样时间，△P2,k+i|k为第k时刻对k+i时刻储能设备承担的有功出力增量预测值，P2,k+i|k为第k时刻对k+i时刻储能设备承担的有功出力预测值。
6.如权利要求1所述的一种自治微网风储联合调频方法，其特征在于，所述开展自治微网风储联合调频，具体包括：
获取第k个采样时刻的微网频率测量数据，获取预设的调频需求，判断所述微网频率测量数据是否满足所述调频需求，若不满足所述调频需求，则启用约束边界柔性变化的权重自调整模型预测控制器；
若检测到所述约束边界柔性变化的权重自调整模型预测控制器启用，获取第k个采样时刻的微网系统状态量，根据第k个采样时刻的频率测量数据调整权重系数，确定所述优化目标函数，并根据风速的vk、储能设备的SoCk更新所述风机约束条件和所述储能设备约束条件；
利用所述约束边界柔性变化的权重自调整模型预测控制器根据所述状态空间模型计算获得控制输入的解序列，将所述解序列作为风机与储能设备有功出力增量的指令值；
获得风机与储能设备的最优出力指令，其中，所述最优出力指令包括风机释放有功备用或减小出力，储能设备调整充放电功率；
根据预设的频率范围判断微网运行状态是否正常，直到微网频率恢复到正常值或正常运行范围。
7.如权利要求5所述的一种自治微网风储联合调频方法，其特征在于，所述第k时刻依据储能荷电状态SoCk计算出的储能充电功率和放电功率安全阈值，具体包括：
在进行储能设备的充放电过程中，通过控制瞬时功率不超过预设的充放电最大功率。
8.如权利要求6所述的一种自治微网风储联合调频方法，其特征在于，所述约束边界柔性变化的权重自调整模型预测控制器，具体包括：
状态空间模型模块，用于根据微网系统的特征量录入所述状态空间模型，其中，所述特征量包括惯性系数和额定频率；
目标函数模块，用于将目标函数写入，并根据接收到的微网系统状态量对权重系数进行调整；
约束条件生成器模块，用于根据每个时间断面的风速和储能荷电状态对约束条件进行在线修正，并生成新的约束条件；
控制输入生成模块，用于在每个采样时刻根据采集获得的状态量，利用状态空间和目标函数生成控制输入序列；
优化求解模块，用于求解出风机与储能设备的最优出力值，并将所述风机与储能设备的最优出力值分别发送至风机控制器和储能设备控制器。
9.一种自治微网风储联合调频系统，其特征在于，该系统包括：
状态空间子系统，用于建立风机与储能设备参与微网系统调频的状态空间模型；
目标优化子系统，用于建立基于频率偏差最小和弃风率最低设计风储参与调频时的优化目标函数；
有功分配子系统，用于设置所述优化目标函数中的自适应权重系数；
实时修正子系统，用于设置第k采样时刻的风机约束条件和储能设备约束条件；
功率出力子系统，用于开展自治微网风储联合调频。
10.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-8中任一项所述的方法。
CN202111483481.2A 2021-12-07 2021-12-07 一种自治微网风储联合调频方法及系统 Pending CN114583716A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111483481.2A CN114583716A (zh) 2021-12-07 2021-12-07 一种自治微网风储联合调频方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111483481.2A CN114583716A (zh) 2021-12-07 2021-12-07 一种自治微网风储联合调频方法及系统

Publications (1)

Publication Number Publication Date
CN114583716A true CN114583716A (zh) 2022-06-03

Family

ID=81772499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111483481.2A Pending CN114583716A (zh) 2021-12-07 2021-12-07 一种自治微网风储联合调频方法及系统

Country Status (1)

Country Link
CN (1) CN114583716A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115313430A (zh) * 2022-08-26 2022-11-08 中国长江三峡集团有限公司 风储协同的电网调频优化方法、装置、设备及介质
CN117375027A (zh) * 2023-12-08 2024-01-09 华控泰思(北京)储能技术有限公司 一种风储联合调频频率控制方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115313430A (zh) * 2022-08-26 2022-11-08 中国长江三峡集团有限公司 风储协同的电网调频优化方法、装置、设备及介质
CN115313430B (zh) * 2022-08-26 2023-07-25 中国长江三峡集团有限公司 风储协同的电网调频优化方法、装置、设备及介质
CN117375027A (zh) * 2023-12-08 2024-01-09 华控泰思(北京)储能技术有限公司 一种风储联合调频频率控制方法
CN117375027B (zh) * 2023-12-08 2024-02-27 华控泰思(北京)储能技术有限公司 一种风储联合调频频率控制方法

Similar Documents

Publication Publication Date Title
CN107565607B (zh) 一种基于实时电价机制的微电网多时间尺度能量调度方法
CN103986190A (zh) 基于发电功率曲线的风光储联合发电系统平滑控制方法
CN114583716A (zh) 一种自治微网风储联合调频方法及系统
CN111555281B (zh) 一种电力系统灵活性资源配置仿真方法及装置
CN112152242A (zh) 一种风电机组与储能协同参与系统频率调节的方法和系统
CN105207259A (zh) 基于能量管理的并网状态下的微电网系统调度方法
CN110323979B (zh) 一种考虑电压稳定的发电机励磁调差系数优化整定方法
JPWO2013038482A1 (ja) ピークカット制御装置
CN113659620A (zh) 基于动态频率约束的水风互补发电系统日前调度方法
CN110994589B (zh) 电力电子接入电力系统调频能力在线评价方法及系统
CN114336694B (zh) 一种混合储能电站能量优化控制方法
CN114123246B (zh) 基于轨迹灵敏度的多光伏电站调频参数自适应更新方法
CN112865192A (zh) 主动配电网多时段优化调度方法及系统
CN110994639B (zh) 一种电厂储能辅助调频的仿真定容方法、装置及设备
CN112928780B (zh) 一种配电网灾后供电恢复方法及系统
CN115238992B (zh) 一种电力系统源荷储的协调优化方法、装置及电子设备
CN113410900B (zh) 基于自适应差分鲸鱼优化的微电网hess优化配置方法及系统
CN115619153A (zh) 动态聚合下考虑分布式资源运行特性的响应方法和装置
CN108879764B (zh) 一种抑制风电光伏不确定性鲁棒优化方法及系统
CN107886197A (zh) 一种负荷响应对系统消耗可再生电力能力的优化方法
CN113065682B (zh) 一种气电综合能源系统调度方法及装置
Zhang et al. A novel approach of energy and reserve scheduling for hybrid power systems: Frequency security constraints
CN113346514B (zh) 一种基于agc的发电机组最优里程调度方法
CN117424267B (zh) 一种储能容量优化配置的电力系统调峰方法及装置
WO2023145069A1 (ja) 分散電源制御システム

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