CN114583733A - 一种梯次利用储能系统控制方法、系统、设备和存储介质 - Google Patents

Abstract

一种梯次利用储能系统控制方法、系统、设备和存储介质，根据新能源电站预设时间预测功率误差函数以及荷电状态相关的目标函数，获得当前时刻新能源计划出力的梯次利用储能系统充放电控制系数；根据所述当前时刻新能源计划出力的梯次利用储能系统充放电控制系数、所述当前新能源电站发电实际功率以及预测未来预设时间段功率，确定当前时刻储能电池的充放电功率；根据当前时刻储能电池的充放电功率，对梯次利用储能系统进行控制。通过确定提高新能源电站跟踪计划出力能力的目标函数，有效地利用电站功率日前预测数据和实时出力数据的差额，对梯次利用动力电池储能系统充放电控制系数进行实时优化控制。

Description

一种梯次利用储能系统控制方法、系统、设备和存储介质

技术领域

本发明属于风力光伏发电、储能技术、新能源汽车领域，具体涉及一种梯次利用储能系统控制方法、系统、设备和存储介质。

背景技术

以风力、太阳能等可再生能源作为发电基础的新能源电站是实现了传统火力发电厂低耗能、清洁度高和对环境友好的目标，新能源电站是未来作为能源消费的主要提供来源之一，同时新能源电站通过统一安排可再生能源发电功率，能够降低其接入电网对电力系统的影响，提高电能质量，提高电网稳定性及安全性。

新能源电站配合储能电池能够更加有效地将不稳定发电模式转变为稳定的可靠能源，在一定程度上帮助电网系统调度部门统一安排新能源电站之间协调配合，制定新能源发电系统调度计划，使新能源发电系统在调度可控范围内安全运行，并配合储能电池发电联合出力安排合适的并网运行方式，在一定程度上使新能源发电按调度计划稳定运行，降低新能源发电接入电网对电力系统的影响，提高电能质量，提高电网稳定性及安全性。

在以梯次利用动力电池为基础的储能电池的新能源电站中，如何进行由不同健康状态组成的多类型储能系统的能量管理，达到满足计划出力范围的目标，使得新能源电站获得最大收益是核心问题。目前缺少了梯次利用动力电池联合储能系统的新能源电站控制的技术，如何在梯次利用动力电池的基础上实现新能源电站收益的最大化是其关键问题。

目前分布式电源实际出力与计划出力存在偏差，导致供需可靠性下降等问题。

发明内容

本发明的目的是提供一种梯次利用储能系统控制方法、系统、设备和存储介质，该方法既能够有效利用退役储能电池充当新能源电站的储能系统，又保障了新能源满足计划出力的要求达到最大化收益，从而实现了基于新能源计划出力的梯次利用储能系统控制的目的。

为了实现上述发明目的，本发明采用如下技术方案：

一种梯次利用储能系统控制方法，包括如下步骤：

获取当前新能源电站发电实际功率以及预测未来预设时间段功率；

根据新能源电站预设时间预测功率误差函数以及荷电状态相关的目标函数，获得当前时刻新能源计划出力的梯次利用储能系统充放电控制系数；

根据所述当前时刻新能源计划出力的梯次利用储能系统充放电控制系数、所述当前新能源电站发电实际功率以及预测未来预设时间段功率，确定当前时刻储能电池的充放电功率；

根据当前时刻储能电池的充放电功率，对梯次利用储能系统进行控制。

进一步的，所述新能源电站预设时间段预测功率误差函数为：

式中，f₁为跟踪效果评价指标值，P_w(k)为k时刻新能源电站发电实际功率，i为预测跟踪次数，m为控制预测跟踪总次数，P_BESS(k)为k时刻电池储能系统经过自适应处理后的出力值，P_{f_mid}(k)为k时刻的风力范围控制功率。

进一步的，荷电状态相关的目标函数为：

式中，f₂为平滑电池出力的SOC波动评价指标值，SOC(k)为k时刻储能电池荷电状态，soc_max为储能电池荷电状态上限值，soc_min为储能电池荷电状态下限值，Δk为跟踪计划出力采集时段差。

进一步的，当前时刻储能电池荷电状态为：

式中，SOC(k)为k时刻的荷电状态值，SOC(k-1)为k-1时刻的荷电状态值，λ为充放电效率，P_BESS为k时刻储能电池经过自适应出力后的出力值，Δk为两状态相隔时刻，C_BESS为储能电池的容量。

进一步的，采用粒子群优化算法根据新能源电站短期预测功率误差函数以及荷电状态相关的目标函数，获得当前时刻新能源计划出力的梯次利用储能系统充放电控制系数。

进一步的，所述预设时间段为4小时。

一种梯次利用储能系统控制系统，包括：

功率获取模块，用于获取当前新能源电站发电实际功率以及预测未来预设时间段功率；

充放电控制系数获得模块，用于根据新能源电站预设时间预测功率误差函数以及荷电状态相关的目标函数，获得当前时刻新能源计划出力的梯次利用储能系统充放电控制系数；

充放电功率确定模块，用于根据所述当前时刻新能源计划出力的梯次利用储能系统充放电控制系数、所述当前新能源电站发电实际功率以及预测未来预设时间段功率，确定当前时刻储能电池的充放电功率；

控制模块，用于根据当前时刻储能电池的充放电功率，对梯次利用储能系统进行控制。

一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器上存储有能在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的梯次利用储能系统控制方法。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如上所述的梯次利用储能系统控制方法。

与现有技术相比，本发明的有益效果在于：

本发明提出了提高新能源电站跟踪计划出力的梯次利用动力电池储能系统能量优化控制方法，在梯次利用动力电池储能系统控制中，通过确定提高新能源电站跟踪计划出力能力的目标函数，有效地利用电站功率日前预测数据和实时出力数据的差额，对梯次利用动力电池储能系统充放电控制系数进行实时优化控制。本发明相对于一般的固定系数的控制思路，能够使梯次利用动力电池储能系统更好地发挥其灵活性，达到了预想的控制效果，并在配备梯次利用动力电池储能系统的新能源电站在实用领域，提高经济效益。

进一步的，本发明基于粒子群优化算法，并通过粒子群算法控制实时优化新能源电站计划出力和梯次利用动力电池储能系统，协同优化控制梯次利用动力电池实时充放电以满足跟踪处理计划要求，从而达到既防止动力电池储能系统的过充和过放，使得梯次利用动力电池稳定地工作在合适的电荷状态中，同时又能够实现新能源电站经济收益最大化，从而实现基于新能源计划出力的梯次利用储能系统控制目的。

附图说明

图1是本发明的一种梯次利用储能系统控制方法的流程图。

图2是本发明的系统的示意图。

具体实施方式

下面结合附图对本发明做进一步说明。

本发明提出一种基于粒子群优化算法的梯次利用动力电池联合储能系统的新能源电站的能量管理方法，并增加5个控制系数合理控制梯次利用动力电池联合储能系统，对新能源电站发电计划出力实时跟踪，减少实际出力与计划出力的差额。

针对梯次利用退役动力电池初始寿命存在缺陷，供能可靠性相对较弱，但存在投资成本较低等现象，本发明以新能源电站收益的最大为目标，目标函数包括新能源电站收益，梯次利用动力电池回收成本以及电站出力误差的惩罚成本，加以自适应功率控制策略和权重系数，同时兼顾梯次利用动力电池联合储能系统的SOC(super capacitor state ofcharge，荷电状态)，使之处于健康的空间，延长其使寿命。

本发明中储能电池为梯次利用动力电池。

一种基于新能源计划出力的梯次利用储能系统控制方法，包括如下步骤：

获取当前时刻(k时刻)新能源电站发电实际功率P_w(k)、预测未来预设时间段(4小时)功率、日前预测的新能源发电功率以及当前时刻(初始时刻)储能电池荷电状态；

根据获取的k时刻新能源电站发电实际功率P_w(k)、预测未来预设时间段(4小时)功率、日前预测的新能源发电功率以及当前时刻(初始时刻)储能电池荷电状态，建立新能源电站短期预测功率误差函数以及荷电状态相关的目标函数；

其中，所述的新能源电站短期预测功率误差函数如下：

式中，f₁为跟踪效果评价指标值，P_w(k)为k时刻新能源电站发电实际功率，i为预测跟踪次数，m为控制预测跟踪总次数，P_BESS(k)为k时刻电池储能系统经过自适应处理后的出力值，P_{f_mid}(k)为k时刻的风力范围控制功率。

荷电状态相关的目标函数如下：

式中，f₂为平滑电池出力的SOC波动评价指标值，SOC(k)为k时刻储能电池荷电状态，soc_max为储能电池荷电状态上限值，soc_min为储能电池荷电状态下限值，Δk为跟踪计划出力采集时段差。

利用粒子群优化算法求解新能源电站预设时间段预测功率误差函数以及荷电状态相关的目标函数，获得k时刻新能源计划出力的梯次利用储能系统充放电控制系数，即第一充放电控制系数m、第二充放电控制系数n、第三充放电控制系数z、第四充放电控制系数s和第五充放电控制系数l；

根据k时刻新能源计划出力的梯次利用储能系统充放电控制系数、k时刻新能源电站发电实际功率P_w(k)以及预测未来4小时功率，确定k时刻(即当前时刻)储能电池的充放电功率。

实施例1

参见图1，新能源计划出力的梯次利用储能系统控制方法的具体步骤如下：

步骤1：初始化迭代系统时间k_i＝1；

步骤2：输入k时刻新能源电站发电实际功率P_w(k)、预测未来4小时功率、日前预测的新能源发电功率以及当前时刻(初始时刻)储能电池荷电状态；

新能源电站日前预测的新能源发电功率涉及的4个功率参数，公式如下：

P_limit＝εC_cap (1)

P_{f_max}(k)＝P_f(k)+P_limit (2)

P_{f_min}(k)＝P_f(k)-P_limit (3)

P_{f_mid}(k)＝P_{f_min}(k)+s(P_{f_max}-P_{f_min}) (4)

式中，P_limit为新能源电站发电日前预测功率下限值，P_{f_max}为发电日前预测功率上限值，P_{f_min}为发电日前预测功率下限值，P_f(k)为发电日前预测功率，P_BESS(k)为k时刻所对应新能源发电日前预测功率，P_{f_mid}为自适应功率值，ε为允许新能源电站发电日前预测误差的允许百分值，C_cap为新能源电站装机容量，s为第四充放电控制系数。

所述当前时刻(初始时刻)储能电池荷电状态SOC(k)如下：

式中，SOC(k)为k时刻的荷电状态值，SOC(k-1)为k-1时刻的荷电状态值，λ为充放电效率，本发明选取0.7，P_BESS为k时刻储能电池经过自适应出力后的出力值，Δk为两状态相隔时刻，C_BESS为储能电池的容量。

步骤3：建立新能源电站短期预测功率误差函数以及荷电状态相关的目标函数，利用粒子群优化算法对新能源电站短期预测功率误差函数、荷电状态相关的目标函数求解，获得k时刻系统充放电控制系数，系统充放电控制系数包括第一充放电控制系数m、第二充放电控制系数n、第三充放电控制系数z、第四充放电控制系数s和第五充放电控制系数l。

本发明所采用的粒子群优化算法求解新能源电站预设时间段(4小时)预测功率误差函数、荷电状态相关的目标函数的具体过程如下：

步骤3-1：读取短期新能源电站的预测计划出力数据，制定调度计划出力上下限范围，模拟当日实际新能源电站发电出力，并设定当日跟踪新能源电站发电控制目标值；

设定PSO控制参数值，粒子群总数为M，惯性常数为α，算法学习因子包括第一算法学习因子β₁和第二算法学习因子β₂。

步骤3-2：将粒子群中的各个粒子的位置和速度进行初始化。设定迭代次数a＝0；(粒子包括对应第一充放电控制系数m、第二充放电控制系数n、第三充放电控制系数z、第四充放电控制系数s、第五充放电控制系数l的粒子，其中，位置为x_k，第一充放电控制系数m、第二充放电控制系数n、第三充放电控制系数z、第四充放电控制系数s、第五充放电控制系数l的初始位置设置为0.5；粒子速度为v_k，对应相应充放电系数的5个粒子的初始速度均为随机数选取。

步骤3-3：记录并评价每个粒子的适应度。

步骤3-4：记录极值。记录如下极值：P_BESTK为该粒子在当前迭代次数下所对应的个体极值；J(P_BESTK)为该极值所对应的目标函数；G_BEST为个体极值中所确定的整体极值；J(G_BEST)为整体极值所对应的目标函数值。

如果

成立，则

否则

则

成立，

和P_BESTK分别为迭代次数为k时的粒子的位置和个体极值。

步骤3-5：迭代次数k＝k+1，更新各个粒子的速度和位置。

式中，

——迭代次数为k时的粒子速度。

步骤3-6：再次计算出每个粒子该时刻所对应的目标值，并且通过和上一次迭代的目标值进行比较，最终判断出是否需要更新个体极值或者整体极值。

步骤3-7：判断目标函数是否收敛。当满足全局最好位置连续100次无变化或达到预先规定的最大迭代次数，迭代停止；否则转步骤3-8。

步骤3-8：输出结果。

第一充放电控制系数m、第二充放电控制系数n为了控制电池储能系统的SOC的活动区域来优化电池储能系统对风力发电出力的合理跟踪，能更好地适应电池储能系统的荷电状态变化，第三充放电控制系数z为控制计划出力上下限的系数，第四充放电控制系数s决定介于t时刻功率下限和功率上限的之间的一个自适应功率限值，第三充放电控制系数z、第五充放电控制系数l两者均为介于0到1之间的随机数。

步骤4：根据k_i时刻储能电池充放电控制系数、新能源短期预测功率(即新能源预设时间段预测功率)和k_i时刻新能源电站发电实际功率，确定k_i时刻储能电池的充放电功率，求解k_i时刻新能源电站短期预测功率误差函数和荷电状态相关的目标函数；

步骤5：迭代时间k＝k_i+1；

步骤6：读取k时刻新能源实际功率；

步骤7：根据k时刻新能源电站短期预测功率、k时刻新能源电站发电实际功率和k_i时刻储能电池充放电控制系数，确定k时刻动力电池的充放电功率，求解k时刻新能源电站短期预测功率误差函数和荷电状态相关的目标函数；

步骤8：判断数值k是否大于k_i与粒子群总数M的和，若否，则返回步骤5，若是，则进入下一步；

步骤9：赋值系统时刻k_i＝k+1；

步骤10：判断k_i是否达到最大，若否，则返回步骤2，若是则结束。

实施例2

参见图2，一种梯次利用储能系统控制系统，包括：

功率获取模块，用于获取当前新能源电站发电实际功率以及预测未来预设时间段功率；

充放电控制系数获得模块，用于根据新能源电站预设时间预测功率误差函数以及荷电状态相关的目标函数，获得当前时刻新能源计划出力的梯次利用储能系统充放电控制系数；

充放电功率确定模块，用于根据所述当前时刻新能源计划出力的梯次利用储能系统充放电控制系数、所述当前新能源电站发电实际功率以及预测未来预设时间段功率，确定当前时刻储能电池的充放电功率；

控制模块，用于根据当前时刻储能电池的充放电功率，对梯次利用储能系统进行控制。

实施例3

一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器上存储有能在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的梯次利用储能系统控制发方法的步骤。

实施例4

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如上所述的梯次利用储能系统控制方法的步骤。

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、CD-ROM、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。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解；依然可以对本发明的具体实施方式进行了修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种梯次利用储能系统控制方法，其特征在于，包括如下步骤：

获取当前新能源电站发电实际功率以及预测未来预设时间段功率；

根据新能源电站预设时间预测功率误差函数以及荷电状态相关的目标函数，获得当前时刻新能源计划出力的梯次利用储能系统充放电控制系数；

根据所述当前时刻新能源计划出力的梯次利用储能系统充放电控制系数、所述当前新能源电站发电实际功率以及预测未来预设时间段功率，确定当前时刻储能电池的充放电功率；

根据当前时刻储能电池的充放电功率，对梯次利用储能系统进行控制。

2.根据权利要求1所述的一种梯次利用储能系统控制方法，其特征在于，所述新能源电站预设时间段预测功率误差函数为：

式中，f₁为跟踪效果评价指标值，P_w(k)为k时刻新能源电站发电实际功率，i为预测跟踪次数，m为控制预测跟踪总次数，P_BESS(k)为k时刻电池储能系统经过自适应处理后的出力值，P_{f_mid}(k)为k时刻的风力范围控制功率。

3.根据权利要求1所述的一种梯次利用储能系统控制方法，其特征在于，荷电状态相关的目标函数为：

式中，f₂为平滑电池出力的SOC波动评价指标值，SOC(k)为k时刻储能电池荷电状态，soc_max为储能电池荷电状态上限值，soc_min为储能电池荷电状态下限值，Δk为跟踪计划出力采集时段差。

4.根据权利要求3所述的一种梯次利用储能系统控制方法，其特征在于，当前时刻储能电池荷电状态为：

式中，SOC(k)为k时刻的荷电状态值，SOC(k-1)为k-1时刻的荷电状态值，λ为充放电效率，P_BESS为k时刻储能电池经过自适应出力后的出力值，Δk为两状态相隔时刻，C_BESS为储能电池的容量。

5.根据权利要求1所述的一种梯次利用储能系统控制方法，其特征在于，采用粒子群优化算法根据新能源电站短期预测功率误差函数以及荷电状态相关的目标函数，获得当前时刻新能源计划出力的梯次利用储能系统充放电控制系数。

6.根据权利要求1所述的一种梯次利用储能系统控制方法，其特征在于，所述预设时间段为4小时。

7.一种梯次利用储能系统控制系统，其特征在于，包括：

功率获取模块，用于获取当前新能源电站发电实际功率以及预测未来预设时间段功率；

充放电控制系数获得模块，用于根据新能源电站预设时间预测功率误差函数以及荷电状态相关的目标函数，获得当前时刻新能源计划出力的梯次利用储能系统充放电控制系数；

充放电功率确定模块，用于根据所述当前时刻新能源计划出力的梯次利用储能系统充放电控制系数、所述当前新能源电站发电实际功率以及预测未来预设时间段功率，确定当前时刻储能电池的充放电功率；

控制模块，用于根据当前时刻储能电池的充放电功率，对梯次利用储能系统进行控制。

8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器上存储有能在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现权利要求1-6中任意一项所述的梯次利用储能系统控制方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行权利要求1-6中任意一项所述的梯次利用储能系统控制方法。

Images