CN114611957A - 一种用于供需预测偏差二次修正储能能量管理算法 - Google Patents

一种用于供需预测偏差二次修正储能能量管理算法 Download PDF

Info

Publication number
CN114611957A
CN114611957A CN202210265378.9A CN202210265378A CN114611957A CN 114611957 A CN114611957 A CN 114611957A CN 202210265378 A CN202210265378 A CN 202210265378A CN 114611957 A CN114611957 A CN 114611957A
Authority
CN
China
Prior art keywords
day
energy storage
power
wind
demand
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.)
Granted
Application number
CN202210265378.9A
Other languages
English (en)
Other versions
CN114611957B (zh
Inventor
朱建红
任浩锋
檀立昆
张新松
李俊红
张鹏坤
李鹏昊
张思续
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.)
Nantong University
Original Assignee
Nantong 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 Nantong University filed Critical Nantong University
Priority to CN202210265378.9A priority Critical patent/CN114611957B/zh
Publication of CN114611957A publication Critical patent/CN114611957A/zh
Application granted granted Critical
Publication of CN114611957B publication Critical patent/CN114611957B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/28—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
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution 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
    • 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]
    • 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
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management

Landscapes

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

Abstract

本发明涉及风力发电控制技术领域，具体涉及一种用于供需预测偏差二次修正储能能量管理算法。本发明通过在风光互补分布式发电系统中引入混合储能和备用储能，满足系统供需动态平衡的基础上设计算法，修正由风光出力以及负荷需求预测所产生的偏差，并提高分布式发电的经济收益。在日前调度阶段，基于日前风光出力预测数据以及负荷需求预测数据，考虑经济收益最大化，建立日前多目标约束经济调度模型，采用粒子群算法求解。在日内调度阶段，采用备用储能修正由于日前日内预测所产生的偏差，考虑对电池充放电行为的合理规划，设计了备用储能的日内调度算法。提高系统的经济效益，提升新能源利用率，提高风光储分布式发电系统独立可靠运行的能力。

Description

一种用于供需预测偏差二次修正储能能量管理算法
技术领域
本发明涉及风力发电控制技术领域，具体涉及一种用于供需预测偏差二次修正储能能量管理算法。
背景技术
随着社会经济的发展，能源需求随之增加。风光互补发电系统通过利用风能和太阳能，在缓解社会能源需求的同时降低了对环境的污染。然而，风能和太阳能与生俱来的波动性以及间歇性给电力系统的安全调度带来了不利的影响。为降低风力发电以及光伏发电波动性以及间歇性带来的影响，现有技术引入储能电池与风光互补发电系统组成风光储发电系统，利用储能电池实现对风光互补发电系统输出功率曲线削峰填谷，并通过设计调度算法实现风光储系统内的能量动态平衡，保证用户负荷端的稳定运行。然而，由于预测技术在日前调度阶段所得结果与日内调度阶段所得结果不一致，往往需要在对储能电池进行日前计划调度的基础上进一步对其进行日内的功率修正。
现有技术在日前调度阶段采用启发式算法进行各分布式电源计划出力的求解，在日内调度阶段基于实时预测到的风力发电、光伏发电、负荷需求数据进一步对日内调度阶段各分布式电源进行滚动修正。由于储能电池的特性对风光储系统运行成本以及可靠供电的影响，需要进一步设计储能电池的充放电行为以及充放电控制策略。此外，在调度过程中由于风力发电的反调峰特性和储能电池输出功率、荷电状态的限制，易出现在用电低谷时舍弃风能，在用电高峰时购电增加公共电网在用电高峰时的供电压力的现象。为提高系统的稳定性，独立性，经济性，提高新能源利用率，需要对风光储分布式发电系统进行设计，并对系统中储能设备的充放电控制策略进行设计。
发明内容
本发明所要解决的技术问题是针对上述背景技术的不足，提供了一种用于供需预测偏差二次修正储能能量管理算法。本发明的目的在于提供一种确保负荷稳定运行，提升新能源利用率以及经济收益、提高风光储分布式发电系统独立运行能力的储能能量管理算法。
本发明为实现上述发明目的，采取的技术方案如下：
一种用于供需预测偏差二次修正储能能量管理算法，包括以下步骤：
步骤1、基于日前阶段风光出力以及负荷需求预测值，考虑经济收益最大化，建立日前调度阶段经济调度模型，并采用粒子群算法进行求解；
步骤2、在日内调度阶段，基于日前阶段以及日内阶段风光出力以及负荷需求预测值，在本阶段内，将在日内各时段更新的风光出力以及负荷需求预测值与各自日前调度阶段风光出力以及负荷需求预测值进行比较，考虑备用储能容量约束，调整备用储能的出力，同时考虑并网需求；
步骤3、当系统日内调度阶段供需功率偏差值大于日前调度阶段供需功率偏差值时，风光互补发电系统以及混合储能系统大于用电需求，由备用储能充电修正功率偏差值，存储系统剩余产能；当备用储能荷电状态达到δmax时，并网向电网输送电能，如果处于电网用电低谷，则弃除多余风光出力产能，保持电网稳定运行；
当系统日内调度阶段供需功率偏差值小于日前调度阶段供需功率偏差值时，风光互补发电系统以及混合储能系统小于用电需求，由备用储能放电修正功率偏差值，释放能量，由风光互补发电系统、混合储能系统以及备用储能系统同时协同供电；当备用储能荷电状态降至δmin时，启动并网，由电网结合风光互补发电系统以及混合储能系统协同供电；
当系统日内调度阶段供需功率偏差值等于日前调度阶段供需功率偏差值时，系统按日前调度阶段定制的策略控制各模块出力。
作为本发明的优选技术方案：所述步骤1包括以下步骤：
步骤1.1、根据日前调度阶段的天气数据对风光出力以及负荷需求进行预测，获取风光出力、负荷需求预测数据；
步骤1.2、建立日前调度阶段经济调度模型，日前调度阶段经济调度模型如下所示：
F1＝Fb+Fo-Fgs+Fgp
Figure BDA0003551550730000021
Figure BDA0003551550730000022
Figure BDA0003551550730000023
Figure BDA0003551550730000024
Figure BDA0003551550730000025
其中F1、Fl、Fb、Fo、Fgs、Fgp分别为系统日前调度阶段的总利润、负荷利润、储能系统的运行及维护成本、风光互补发电系统的运行及维护成本、从电网赚取的收益以及从电网购电成本；Pla，t、Ppva，t、Pwa，t、Pb，t、Pg，t分别为在t时段的负荷预测需求、光伏发电预测功率、风力发电预测功率、储能出力以及并网交换功率；Cl，t、Cpv、Cw、Cb、Cgh，t、Cgp，t分别为t时段用户负荷侧的购电单位成本、光伏单位运行成本、风力发电单位运行成本、储能电池单位运行成本、并网售电单位收益以及并网购电单位成本；Δt为时间间隔；
约束条件如下所示：
Pb，min≤Pb，t≤Pb，max
SOCb，min≤SOCb，t≤SOCb，max
SOCb，0＝SOCb，24
Pb，t+Pg，t+Pl，t＝Ppva，t+Pwa，t
其中Pb，min、Pb，max、SOCb，min、SOCb，max分别为储能电池的最大充电功率、最大放电功率、荷电状态最小值以及荷电状态最大值；SOCb，0、SOCb，24分别为储能电池的0点以及24点的荷电状态值；
荷电状态计算公式如下所示；
Figure BDA0003551550730000031
其中，St为一个小时内储能电池荷电状态采样频次，Qb为储能电池容量；
步骤1.3、采用粒子群算法求解日前调度阶段经济调度模型。
作为本发明的优选技术方案：所述步骤2包括以下步骤：
步骤2.1、根据日前调度中负荷预测数据确定本地负荷和电网负荷峰谷时段，设本地负荷和电网负荷低谷时段位于0-t1之间；
步骤2.2、在t时段，根据日内天气数据实时更新风光出力以及负荷需求预测数据，并计算修正功率偏差值Δerror，计算方法如下所示；
Δerror＝(Ppvi，t+Pwi，t+Pli，t)-(Ppva，t+Pwa，t+Pla，t)
其中Ppvi，t、Pwi，t、Pli，t分别为日内调度阶段在t时段的光伏发电预测数据、风力发电预测数据以及负荷需求预测数据；
步骤2.3、根据Δerror的正负情况，为满足本地负荷的正常运行，提高系统新能源利用率、经济收益；如果Δerror大于0，说明系统内产能剩余，此时由备用储能充电吸收部分能量，当产能剩余而备用储能达到约束条件时，为降低用电低谷时段并网输送电能对电网产生诸如频率升高等影响，将该部分产能舍弃；如果Δerror等于0，系统按日前调度计划控制各分布式电源出力；如果Δerror小于0，说明系统内产能不足，此时由备用储能放电，弥补不足的能量缺额；
步骤2.4、进入下一24小时阶段性电池行为规划，重复步骤2.2与步骤2.3至调度周期结束。
本发明所述的一种用于供需预测偏差二次修正储能能量管理算法，采用以上技术方案与现有技术相比，具有以下技术效果：
(1)风光储分布式发电系统采用双储能结构，在确保负荷稳定运行，提升经济收益的同时，提高了风光储分布式发电系统独立运行能力。
(2)结合电网以及本地负荷预测，考虑负荷峰谷时段，降低负荷低谷时段风光储分布式发电系统对电网的影响。
(3)日前日内调度策略密切结合电池以及备用储能的荷电状态，防止过充过放，延长了电池和备用储能的使用寿命。
附图说明
图1是风光储分布式发电系统结构图；
图2是风光储分布式发电系统日前日内调度算法框图；
图3是风光储分布式发电系统日内调度算法图；
图4是日前调度算法结果图；
图5是本地负荷与公共电网负荷分布图；
图6是粒子群算法优化结果图；
图7是储能系统荷电状态图；
图8是日内调度算法结果图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，为提高风光储分布式发电系统的新能源利用率、独立运行能力以及经济收益，确保负荷的稳定运行，风光储分布式发电系统由六大模块组成，分别为风力发电模块、光伏发电模块、储能系统模块、备用储能模块、用户负荷侧模块以及电网模块。各模块协调调度，在实现系统稳定运行的基础上，提高系统的经济收益以及系统独立运行能力。
如图2-3所示，一种用于供需预测偏差二次修正储能能量管理算法，包括以下步骤：
步骤1、基于日前阶段风光出力以及负荷需求预测值，考虑经济收益最大化，建立日前调度阶段经济调度模型，并采用粒子群算法进行求解；
步骤2、在日内调度阶段，基于日前阶段以及日内阶段风光出力以及负荷需求预测值，在本阶段内，将在日内各时段更新的风光出力以及负荷需求预测值与各自日前调度阶段风光出力以及负荷需求预测值进行比较，考虑备用储能容量约束，调整备用储能的出力，同时考虑并网需求；
步骤3、当系统日内调度阶段供需功率偏差值大于日前调度阶段供需功率偏差值时，风光互补发电系统以及混合储能系统大于用电需求，由备用储能充电修正功率偏差值，存储系统剩余产能；当备用储能荷电状态达到δmax时，并网向电网输送电能，如果处于电网用电低谷，则弃除多余风光出力产能，保持电网稳定运行；
当系统日内调度阶段供需功率偏差值小于日前调度阶段供需功率偏差值时，风光互补发电系统以及混合储能系统小于用电需求，由备用储能放电修正功率偏差值，释放能量，由风光互补发电系统、混合储能系统以及备用储能系统同时协同供电；当备用储能荷电状态降至δmin时，启动并网，由电网结合风光互补发电系统以及混合储能系统协同供电；
备用储能类型 δ<sub>max</sub> δ<sub>min</sub>
电池 0.8 0.2
超级电容 0.9 0.1
当系统日内调度阶段供需功率偏差值等于日前调度阶段供需功率偏差值时，系统按日前调度阶段定制的策略控制各模块出力。
风光储分布式发电系统正常条件下可以离网运行，满足当地负荷运行。在日前调度阶段通过规划储能电池的经济调度行为实现日前经济调度。在日内调度阶段，为降低预测偏差对系统调度的影响，采用备用储能修正功率预测偏差值。当功率偏差值为正，系统内产能存在剩余，此时备用储能充电，当备用储能充至最大值，考虑负荷峰谷时段，确定是否并网。当功率偏差值为负，系统中产能不足，备用储能放电弥补功率缺额，当备用储能荷电状态较低时，风光储分布式发电系统并网取电。
步骤1包括以下步骤：步骤1.1、根据日前调度阶段的天气数据对风光出力以及负荷需求进行预测，获取风光出力、负荷需求预测数据；
步骤1.2、建立日前调度阶段经济调度模型，日前调度阶段经济调度模型如下所示：
F1＝Fb+Fo-Fgs+Fgp
Figure BDA0003551550730000051
Figure BDA0003551550730000052
Figure BDA0003551550730000061
Figure BDA0003551550730000062
Figure BDA0003551550730000063
其中F1、Fl、Fb、Fo、Fgs、Fgp分别为系统日前调度阶段的总利润、负荷利润、储能系统的运行及维护成本、风光互补发电系统的运行及维护成本、从电网赚取的收益以及从电网购电成本；Pla，t、Ppva，t、Pwa，t、Pb，t、Pg，t分别为在t时段的负荷预测需求、光伏发电预测功率、风力发电预测功率、储能出力以及并网交换功率；Cl，t、Cpv、Cw、Cb、Cgh，t、Cgp，t分别为t时段用户负荷侧的购电单位成本、光伏单位运行成本、风力发电单位运行成本、储能电池单位运行成本、并网售电单位收益以及并网购电单位成本；Δt为时间间隔；
约束条件如下所示：
Pb，min≤Pb，t≤Pb，max
SOCb，min≤SOCb，t≤SOCb，max
SOCb，0＝SOCb，24
Pb，t+Pg，t+Pl，t＝Ppva，t+Pwa，t
其中Pb，min、Pb，max、SOCb，min、SOCb，max分别为储能电池的最大充电功率、最大放电功率、荷电状态最小值以及荷电状态最大值；SOCb，0、SOCb，24分别为储能电池的0点以及24点的荷电状态值；
荷电状态计算公式如下所示；
Figure BDA0003551550730000064
其中，St为一个小时内储能电池荷电状态采样频次，Qb为储能电池容量；
步骤1.3、采用粒子群算法求解日前调度阶段经济调度模型。最终输出结果如图4-7所示。
步骤2包括以下步骤：步骤2.1、根据日前调度中负荷预测数据确定本地负荷和电网负荷峰谷时段，设本地负荷和电网负荷低谷时段位于0-t1之间；
步骤2.2、在t时段，根据日内天气数据实时更新风光出力以及负荷需求预测数据，并计算修正功率偏差值Δerror，计算方法如下所示；
Δerror＝(Ppvi，t+Pwi，t+Pli，t)-(Ppva，t+Pwa，t+Pla，t)
其中Ppvi，t、Pwi，t、Pli，t分别为日内调度阶段在t时段的光伏发电预测数据、风力发电预测数据以及负荷需求预测数据；
步骤2.3、根据Δerror的正负情况，为满足本地负荷的正常运行，提高系统新能源利用率、经济收益；如果Δerror大于0，说明系统内产能剩余，此时由备用储能充电吸收部分能量，当产能剩余而备用储能达到约束条件时，为降低用电低谷时段并网输送电能对电网产生诸如频率升高等影响，将该部分产能舍弃；如果Δerror等于0，系统按日前调度计划控制各分布式电源出力；如果Δerror小于0，说明系统内产能不足，此时由备用储能放电，弥补不足的能量缺额；
步骤2.4、进入下一24小时阶段性电池行为规划，重复步骤2.2与步骤2.3至调度周期结束。
如图8所示，本发明通过在风光互补分布式发电系统中引入混合储能和备用储能，满足系统供需动态平衡的基础上设计算法，修正由风光出力以及负荷需求预测所产生的偏差，并提高分布式发电的经济收益。算法主要包含两阶段：在日前调度阶段，基于日前风光出力预测数据以及负荷需求预测数据，考虑经济收益最大化，建立日前多目标约束经济调度模型，采用粒子群算法求解。在日内调度阶段，采用备用储能修正由于日前日内预测所产生的偏差，考虑对电池充放电行为的合理规划，设计了备用储能的日内调度算法。本发明可以在确保负荷可靠供电的基础上，提高系统的经济效益，提升新能源利用率，提高风光储分布式发电系统独立可靠运行的能力。
以上所述的具体实施方案，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，所应理解的是，以上所述仅为本发明的具体实施方案而已，并非用以限定本发明的范围，任何本领域的技术人员，在不脱离本发明的构思和原则的前提下所做出的等同变化与修改，均应属于本发明保护的范围。

Claims (3)

1.一种用于供需预测偏差二次修正储能能量管理算法，其特征在于，包括以下步骤：
步骤1、基于日前阶段风光出力以及负荷需求预测值，考虑经济收益最大化，建立日前调度阶段经济调度模型，并采用粒子群算法进行求解；
步骤2、在日内调度阶段，基于日前阶段以及日内阶段风光出力以及负荷需求预测值，在本阶段内，将在日内各时段更新的风光出力以及负荷需求预测值与各自日前调度阶段风光出力以及负荷需求预测值进行比较，考虑备用储能容量约束，调整备用储能的出力，同时考虑并网需求；
步骤3、当系统日内调度阶段供需功率偏差值大于日前调度阶段供需功率偏差值时，风光互补发电系统以及混合储能系统大于用电需求，由备用储能充电修正功率偏差值，存储系统剩余产能；当备用储能荷电状态达到δmax时，并网向电网输送电能，如果处于电网用电低谷，则弃除多余风光出力产能，保持电网稳定运行；
当系统日内调度阶段供需功率偏差值小于日前调度阶段供需功率偏差值时，风光互补发电系统以及混合储能系统小于用电需求，由备用储能放电修正功率偏差值，释放能量，由风光互补发电系统、混合储能系统以及备用储能系统同时协同供电；当备用储能荷电状态降至δmin时，启动并网，由电网结合风光互补发电系统以及混合储能系统协同供电；
当系统日内调度阶段供需功率偏差值等于日前调度阶段供需功率偏差值时，系统按日前调度阶段定制的策略控制各模块出力。
2.根据权利要求1所述的一种用于供需预测偏差二次修正储能能量管理算法，其特征在于，所述步骤1包括以下步骤：
步骤1.1、根据日前调度阶段的天气数据对风光出力以及负荷需求进行预测，获取风光出力、负荷需求预测数据；
步骤1.2、建立日前调度阶段经济调度模型，日前调度阶段经济调度模型如下所示:
F1＝Fb+Fo-Fgs+Fgp
Figure FDA0003551550720000011
Figure FDA0003551550720000012
Figure FDA0003551550720000013
Figure FDA0003551550720000014
Figure FDA0003551550720000015
其中F1、Fl、Fb、Fo、Fgs、Fgp分别为系统日前调度阶段的总利润、负荷利润、储能系统的运行及维护成本、风光互补发电系统的运行及维护成本、从电网赚取的收益以及从电网购电成本；Pla，t、Ppva，t、Pwa，t、Pb，t、Pg，t分别为在t时段的负荷预测需求、光伏发电预测功率、风力发电预测功率、储能出力以及并网交换功率；Cl，t、Cpv、Cw、Cb、Cgh，t、Cgp，t分别为t时段用户负荷侧的购电单位成本、光伏单位运行成本、风力发电单位运行成本、储能电池单位运行成本、并网售电单位收益以及并网购电单位成本；Δt为时间间隔；
约束条件如下所示：
Pb，min≤Pb，t≤Pb，max
SOCb，min≤SOCb，t≤SOCb，max
SOCb，0＝SOCb，24
Pb，t+Pg，t+Pl，t＝Ppva，t+Pwa，t
其中Pb，min、Pb，max、SOCb，min、SOCb，max分别为储能电池的最大充电功率、最大放电功率、荷电状态最小值以及荷电状态最大值；SOCb，0、SOCb，24分别为储能电池的0点以及24点的荷电状态值；
荷电状态计算公式如下所示；
Figure FDA0003551550720000021
其中，St为一个小时内储能电池荷电状态采样频次，Qb为储能电池容量；
步骤1.3、采用粒子群算法求解日前调度阶段经济调度模型。
3.根据权利要求1所述的一种用于供需预测偏差二次修正储能能量管理算法，其特征在于，所述步骤2包括以下步骤：
步骤2.1、根据日前调度中负荷预测数据确定本地负荷和电网负荷峰谷时段，设本地负荷和电网负荷低谷时段位于0-t1之间；
步骤2.2、在t时段，根据日内天气数据实时更新风光出力以及负荷需求预测数据，并计算修正功率偏差值Δerror，计算方法如下所示；
Δerror＝(Ppvi，t+Pwi，t+Pli，t)-(Ppva，t+Pwa，t+Pla，t)
其中Ppvi，t、Pwi，t、Pli，t分别为日内调度阶段在t时段的光伏发电预测数据、风力发电预测数据以及负荷需求预测数据；
步骤2.3、根据Δerror的正负情况，为满足本地负荷的正常运行，提高系统新能源利用率、经济收益；如果Δerror大于0，说明系统内产能剩余，此时由备用储能充电吸收部分能量，当产能剩余而备用储能达到约束条件时，为降低用电低谷时段并网输送电能对电网产生诸如频率升高等影响，将该部分产能舍弃；如果Δerror等于0，系统按日前调度计划控制各分布式电源出力；如果Δerror小于0，说明系统内产能不足，此时由备用储能放电，弥补不足的能量缺额；
步骤2.4、进入下一24小时阶段性电池行为规划，重复步骤2.2与步骤2.3至调度周期结束。
CN202210265378.9A 2022-03-17 2022-03-17 一种用于供需预测偏差二次修正储能能量管理方法 Active CN114611957B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210265378.9A CN114611957B (zh) 2022-03-17 2022-03-17 一种用于供需预测偏差二次修正储能能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210265378.9A CN114611957B (zh) 2022-03-17 2022-03-17 一种用于供需预测偏差二次修正储能能量管理方法

Publications (2)

Publication Number Publication Date
CN114611957A true CN114611957A (zh) 2022-06-10
CN114611957B CN114611957B (zh) 2024-06-14

Family

ID=81865470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210265378.9A Active CN114611957B (zh) 2022-03-17 2022-03-17 一种用于供需预测偏差二次修正储能能量管理方法

Country Status (1)

Country Link
CN (1) CN114611957B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115275976A (zh) * 2022-06-24 2022-11-01 河北邯峰发电有限责任公司 一种基于既有负荷完成率偏差的煤耗修正算法
CN117394423A (zh) * 2023-10-12 2024-01-12 南通大学 一种联合双储能调度的风储功率计划方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2846722A1 (en) * 2013-03-15 2014-09-15 Sasan Mokhtari Systems and methods of determining optimal scheduling and dispatch of power resources
WO2020143104A1 (zh) * 2019-01-08 2020-07-16 南京工程学院 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
CN113610374A (zh) * 2021-07-29 2021-11-05 南通大学 一种风光互补功率计划偏差动态补偿储能能量管理方法
WO2021244000A1 (zh) * 2020-06-03 2021-12-09 国网上海市电力公司 一种区域能源综合体虚拟聚合系统及方法
CN113919620A (zh) * 2021-12-06 2022-01-11 南通大学 一种风光储微电网日前能量调度算法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2846722A1 (en) * 2013-03-15 2014-09-15 Sasan Mokhtari Systems and methods of determining optimal scheduling and dispatch of power resources
WO2020143104A1 (zh) * 2019-01-08 2020-07-16 南京工程学院 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
WO2021244000A1 (zh) * 2020-06-03 2021-12-09 国网上海市电力公司 一种区域能源综合体虚拟聚合系统及方法
CN113610374A (zh) * 2021-07-29 2021-11-05 南通大学 一种风光互补功率计划偏差动态补偿储能能量管理方法
CN113919620A (zh) * 2021-12-06 2022-01-11 南通大学 一种风光储微电网日前能量调度算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈科彬;邱晓燕;赵劲帅;: "基于双蓄电池组的微电网两阶段调度优化模型及控制策略", 现代电力, no. 03, 25 December 2017 (2017-12-25) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115275976A (zh) * 2022-06-24 2022-11-01 河北邯峰发电有限责任公司 一种基于既有负荷完成率偏差的煤耗修正算法
CN117394423A (zh) * 2023-10-12 2024-01-12 南通大学 一种联合双储能调度的风储功率计划方法

Also Published As

Publication number Publication date
CN114611957B (zh) 2024-06-14

Similar Documents

Publication Publication Date Title
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN111293691A (zh) 基于模型预测控制的微电网多时间尺度优化调度方法
CN108110795B (zh) 风电场群外送输电容量及储能配置联合优化方法
CN113919620B (zh) 一种风光储微电网日前能量调度算法
CN111244988B (zh) 考虑分布式电源的电动汽车和储能优化调度方法
CN114611957B (zh) 一种用于供需预测偏差二次修正储能能量管理方法
CN102214934A (zh) 基于兆瓦级电池储能电站的风光发电出力平滑控制方法
CN109950900B (zh) 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法
Deng et al. Hierarchical distributed frequency regulation strategy of electric vehicle cluster considering demand charging load optimization
CN111313444A (zh) 一种面向高密度光伏配网台区侧的储能系统优化配置方法
CN111762057B (zh) 一种区域微网中v2g电动汽车智能充放电管理方法
CN116667406A (zh) 基于非线性规划的储能充放电策略优化方法
CN115498698A (zh) 一种基于调频服务的新型光-储电站容量规划方法
Mohamed et al. Domestic battery power management strategies to maximize the profitability and support the network
Huang et al. A multi-time scale scheduling method for wind-PV-pumped storage-electrochemical energy storage integrated generation system
CN109245143B (zh) 一种考虑锂离子电池寿命的储能调峰电站优化运行方法
CN108183498B (zh) 一种含风光储配电网背景下的车储混合配置方法
CN114884133B (zh) 一种计及电动汽车的微电网经济调度优化方法及系统
CN116054250A (zh) 一种储能分组的风光储耦合制氢系统调度方法
CN114188980B (zh) 一种考虑储能装置的透明微网群经济运行域生成方法
CN114123257A (zh) 考虑储能功率约束的日前调度方法
CN110417002B (zh) 一种孤岛微电网能量模型的优化方法
CN111062532A (zh) 一种考虑v2g的增量配电园区内电网容量配置优化方法
Wang et al. Bi-level Optimization Model for Coordinated Operation of Wind Power and Energy Storage System
Hongli et al. Day-ahead optimal dispatch of regional power grid based on electric vehicle participation in peak shaving pricing strategy

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