CN114662904A - 基于功率指令特征时段提取的电池储能调节性能评价方法 - Google Patents

基于功率指令特征时段提取的电池储能调节性能评价方法 Download PDF

Info

Publication number
CN114662904A
CN114662904A CN202210281070.3A CN202210281070A CN114662904A CN 114662904 A CN114662904 A CN 114662904A CN 202210281070 A CN202210281070 A CN 202210281070A CN 114662904 A CN114662904 A CN 114662904A
Authority
CN
China
Prior art keywords
energy storage
regulation
characteristic
algorithm
battery energy
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
CN202210281070.3A
Other languages
English (en)
Inventor
余洋
吴玉威
陈东阳
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 CN202210281070.3A priority Critical patent/CN114662904A/zh
Publication of CN114662904A publication Critical patent/CN114662904A/zh
Pending 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • H02J3/28—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

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

Abstract

本发明公开了基于功率指令特征时段提取的电池储能调节性能评价方法。它包括以下步骤：(1)设计自适应步长公式以加快天鹰算法的收敛速度；(2)利用改进天鹰算法寻找旋转门算法的全局最优压缩偏移量；(3)基于寻优结果，利用改进旋转门算法提取储能系统功率调节指令的特征趋势，进而将其划分为多个特征时段；(4)设计储能系统调节性能的评价方法，并将其用于BESS调节性能评价。本发明设计了改进天鹰算法优化的旋转门算法，可提取储能系统功率调节指令的特征趋势，进而可功率调节指令划分为多个特征时段。设计了储能系统调节性能的评价方法，能够对不同类型和不同规模的储能电站调节特性进行有效评价。

Description

基于功率指令特征时段提取的电池储能调节性能评价方法
技术领域
本发明涉及电力系统领域，具体涉及一种电池储能系统调节性能评价方法。
技术背景
电能具有难以存储的特点，而负荷又是随时变化的，当发电量无法满足负荷需求时，发电与负荷将失去平衡，进而导致较大的功率差额，影响电力系统的正常运行。所以，当负荷产生变化时，需要及时改变机组出力来满足负荷变化的要求。无论发电量大于或小于负荷需求，都会导致系统波动进而造成安全隐患与经济损失。
但是，由于负荷至发系统的反馈存在一定延迟，且容易受到爬坡速度、调节容量等因素的制约，因此很多区域引入了电池储能系统以提升调节性能。对于电池储能系统而言，由于机组的爬坡特性及规模不同，而且配备的电池储能系统的种类、规模也不一致，因而不同电池储能系统的调节性能差距较大，因此需要一个有效的方法，评价电池储能系统的调节性能是否满足要求以及计算调节收益。目前很多区域对于储能系统的评价体系较少，而且仅仅是对指标的直接计算，没有较为系统的评价流程。为此，本发明设计了基于功率指令特征时段提取的电池储能调节性能评价方法。
发明内容
本发明目的在于设计合理的储能系统调节性能评价方法，从而有效地评价不同储能系统的调节性能。本发明提供了一种基于改进旋转门(swing door trending，SDT)算法的储能系统调节性能评价方法，本发明使用改进天鹰算法优化的旋转门算法提取出储能系统功率调节指令的特征时刻，进而将功率调节指令划分为多个特征时段，然后设计了储能系统调节性能的评价方法，并使用该方法对BESS的调节性能进行评价。
本发明采用技术方案：基于功率指令特征时段提取的电池储能调节性能评价方法，其包括步骤：
(1)设计自适应步长公式，改进天鹰算法优化过程，得到改进天鹰优化算法；
(2)基于电池储能系统的功率调节指令，利用改进天鹰算法寻找旋转门算法的全局最优压缩偏移量E，得到改进旋转门算法；
(3)基于最优压缩偏移量E，利用改进旋转门算法提取电池储能系统功率调节指令的特征趋势，将功率调节指令划分为多个特征时段；
(4)设计电池储能系统调节性能的评价方法，并使用该方法对BESS的调节性能进行评价。
所述步骤(1)中，设计天鹰算法寻优过程的自适应步长公式如下：
Figure BSA0000269198350000021
其中，n为迭代次数，a1、a2、a3、a4、a5分别为步长参数，取值分别为1.1、0.2、30、1.5和1。
所述步骤(2)中，改进的天鹰算法寻找旋转门算法的全局最优压缩偏移量E的过程如下：天鹰算法参数初始化、步长因子计算、确定适应度函数、天鹰选择搜索空间、天鹰局部搜索、天鹰全局开采、天鹰缩小范围。
所述步骤(3)中，基于改进的天鹰算法寻找到的最优压缩偏移量E，利用SDT利用改进旋转门算法提取出储能系统功率调节指令的特征时刻，进而将功率调节指令划分为多个特征时段：
SDT算法计算步骤：
1)初始化
Figure BSA0000269198350000022
式中，t0和x0分别为初始时刻及对应的数据值；t1和x1分别为第1个时刻及对应的数据值；k1d和k2d分别为上、下支点门斜率的初始值；E为压缩偏移量；
2)计算斜率
Figure BSA0000269198350000023
式中：tj和xj分别为第j个时刻及对应的数据值；tk和xk分别为第R个时刻及对应的数据值；
3)斜率更新
Figure BSA0000269198350000031
4)数据提取
k1d≥k2d (5)
若满足式(5)，则将前一时刻tj-1的数据值xj-1作为特征数据进行记录，并返回步骤2)，否则返回步骤3)。
所述步骤(4)中，设计储能系统调节性能的评价方法，并使用该方法对BESS的调节性能进行评价过程如下：
对于每个特征时段，分别计算综合调节性能指标Rp i：
首先计算调节精度R2，其范围在0～2之间，越趋近于2，则调节精度越高。R2的计算公式如下：
Figure BSA0000269198350000032
式中，ΔP为每个特征时段最后时刻特征指令与BESS出力之间的偏差，ΔPN为调节允许的偏差量；
当调节精度R2为最大值2时，则该特征时段的调节速率R1和响应时间R3均取最大值2；否则，首先按照下式计算调节速率R1：
Figure BSA0000269198350000033
式中，PS为每个特征时段开始时刻的电池储能系统出力，PN为每个特征时段开始时刻4s后电池储能系统的出力，vN为电池储能系统标准调节速率。
响应时间R3的计算公式如下：
Figure BSA0000269198350000034
式中，Δt为每个特征时段达到调节允许的偏差量所需要的时间，ΔtN为标准响应时间。
第i个特征时段的综合调节性能指标Rp i值计算公式如下：
RP i＝R1×R2×R3 (9)
电池储能系统在一个调度周期内的调节效果Rp计算公式如下：
Figure BSA0000269198350000041
式中，N为特征时段的个数；
根据上述分析可得知，Rp的最小值为0，最大值为8，且平均综合性能指标Rp值越接近8表明调控策略的调节效果越好。
本发明提供的技术方案具有的有益效果：
设计天鹰算法寻优过程的自适应步长公式以加快其收敛速度，从而对天鹰算法进行改进；基于储能系统的功率调节指令，利用改进天鹰算法寻找旋转门算法的全局最优压缩偏移量；基于寻优结果，利用改进旋转门算法提取出BESS功率调节指令的特征时刻，进而将其划分为多个特征时段；设计了BESS调节性能的评价方法，并使用其对BESS的响应结果进行评价。本发明通过改进天鹰算法的步长公式以加快其收敛速度，利用改进天鹰算法寻找SDT算法的全局最优压缩偏移量，并使用改进天鹰算法优化的旋转门算法提取BESS功率调节指令的特征时刻，进而将其划分为多个特征时段。设计了储能系统调节性能的评价方法并使用其对BESS的调节结果进行评价，可实现对于不同种类、不同规模的电池储能系统的调节特性进行有效的评价，进一步可以辅助交易中心进行结算。
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为改进天鹰算法的寻优过程中的适应度函数变化；
图3为改进天鹰算法搜索全局最优压缩偏移量的过程；
图4为改进SDT算法提取特征时段；
图5为BESS调节性能评价流程；
图6为BESS响应其功率调节指令的结果；
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。
本发明提出了一种改进旋转门算法的储能系统调节性能评价法，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设计天鹰算法寻优过程的自适应步长公式如下：
Figure BSA0000269198350000042
其中，n为迭代次数，a1、a2、a3、a4、a5分别为步长参数，取值分别为1.1、0.2、30、1.5和1。
步骤2改进的天鹰算法寻找全局最优压缩偏移量E的过程如下：
1)天鹰算法参数初始化
设置初始步长(最大步长)、最大迭代次数；
2)步长因子计算
Figure BSA0000269198350000051
其中，n为迭代次数，a1、a2、a3、a4、a5分别为步长参数，取值分别为1.1、0.2、30、1.5和1。
3)确定适应度函数，如下式所示：
Figure BSA0000269198350000052
其中，fr和fcr分别表示特征时段的误差和压缩比，xi为t时刻BESS的功率调节指令，yi为提取出的t时刻特征趋势值，N1为BESS功率调节指令个数，N2为提取出的特征时刻个数，α1和α2为权重，其值分别为0.68和5；
4)天鹰选择搜索空间：
Figure BSA0000269198350000053
其中，其中，X1(n+1)是n的下一次迭代的解，由第一种搜索方法X1(n)生成，Xbest(n)是第n次迭代的最优解，(1-n/Nmax)用于通过控制迭代次数来控制搜索范围，XM(n)表示在第n次迭代时的当前解的平均值。rand是一个介于0和1之间的随机值。n和Nmax分别表示当前迭代和最大迭代次数。
Figure BSA0000269198350000054
其中，dim是指变量个数，N是指天鹰数量。
5)天鹰局部搜索：
X2(n+1)＝Xbest(n)×Levy(D)+XR(n)+(y-x)*rand (16)
其中，X2(n+1)是X2的下一次迭代的解，由第二种搜索方法X2生成。D为维度空间，Levy(D)为Levy飞行分布函数。XR(n)是在第n次迭代时取[1，N]范围内的随机解。
Figure BSA0000269198350000061
其中，参数s取0.01，u和v为介于0～1之间的随机数，σ使用(18)进行计算
Figure BSA0000269198350000062
其中，参数β取1.5。
6)天鹰全局开采：
X3(n+1)＝(Xbest(n)-XM(n))×α-rand+((UB-LB)×rand+LB)×δ (19)
其中：其中X3(n+1)是n的下一次迭代的解，由第三种搜索方法X3生成。Xbest(n)指猎物在第n次迭代前的大致位置(最优解)，XM(n)表示第n次迭代时当前解的平均值。rand是一个介于0和1之间的随机值。α和δ均取0.1，LB表示给定问题的下限，UB表示给定问题的上限。
7)天鹰缩小范围：
X4(n+1)＝QF×Xbest(n)-(G1×X(n)×rand)-μ×Levy(D)+rand×G1 (20)
Figure BSA0000269198350000063
其中：X4(n+1)是n的下一次迭代的解，由第四种搜索方法X4生成。QF表示用于平衡搜索策略的质量函数，G1表示天鹰在捕猎期间跟踪猎物的各种运动，G2是从2到0的递减函数，表示在从第一个位置1到最后一个位置n的天鹰用于跟随猎物飞行斜率，X(n)是第n次迭代的当前解，分别由(22)与(23)所示。
G1＝2×rand-1 (22)
Figure BSA0000269198350000064
其中，n为迭代次数，a1、a2、a3、a4、a5分别为步长参数，取值分别为1.1、0.2、30、1.5和1。
8)判断是否满足迭代终止条件，若满足，输出当前E值为SDT算法的全局最优压缩偏移量，若不满足，返回步骤4)。
以某电池储能系统一个小时内的功率调节指令及响应结果为研究对象，时间分辨率为4s，BESS装机容量为100MW/50MWh，采用自适应天牛须搜寻改进SDT的最优压缩偏移量，搜索过程及结果如附图2和附图3所示，。
步骤3基于改进的天鹰算法寻找到的最优压缩偏移量E，利用改进旋转门算法提取特征时刻，进而将功率调节指令划分为多个特征时段：
SDT算法计算步骤：
1)初始化
Figure BSA0000269198350000071
式中，t0和x0分别为初始时刻及对应的数据值；t1和x1分别为第1个时刻及对应的数据值；k1d和k2d分别为上、下支点门斜率的初始值；E为压缩偏移量；
2)计算斜率
Figure BSA0000269198350000072
式中：tj和xj分别为第j个时刻及对应的数据值；tk和xk分别为第R个时刻及对应的数据值；
3)斜率更新
Figure BSA0000269198350000073
4)数据提取
k1d≥k2d (27)
若满足式(23)，则将前一时刻tj-1的数据值xj-1作为特征数据进行记录，并返回步骤2)，否则返回步骤3)；
利用改进SDT提取出的特征时段如附图4所示。
步骤4设计储能系统调节性能的评价方法流程图如附图5所示，使用该方法对BESS的调节性能进行评价过程如下：
对于每个特征时段，分别计算综合调节性能指标Rp i：
首先计算调节精度R1，其范围在0～2之间，越趋近于2，则调节精度越高。R1的计算公式如下：
Figure BSA0000269198350000081
式中，ΔP为每个特征时段最后时刻特征指令与电池储能系统出力之间的偏差，ΔPN为调节允许的偏差量；
当调节精度R1为最大值2时，则该特征时段的调节速率R2和响应时间R3均取最大值2；否则，首先按照下式计算调节速率R2：
Figure BSA0000269198350000082
式中，PS为每个特征时段开始时刻的电池储能系统出力，PN为每个特征时段开始时刻4s后电池储能系统的出力，vN为电池储能系统标准调节速率，由于电池储能系统的标准调节速率为1.5％/min，因此对应于vN的取值为0.1MW/4s。
响应时间R3的计算公式如下：
Figure BSA0000269198350000083
式中，Δt为每个特征时段达到调节允许的偏差量所需要的时间，ΔtN为标准响应时间，其取值为1min。
第i个特征时段的综合调节性能指标Rp i值计算公式如下：
RP i＝R1×R2×R3 (31)
电池储能系统在一个调度周期内的调节效果Rp计算公式如下：
Figure BSA0000269198350000084
式中，N为特征时段的个数；
根据上述分析可得知，Rp的最小值为0，最大值为8，且平均综合性能指标Rp值越接近8表明调控策略的调节效果越好。
根据调节性能评价模型，以某电池储能系统一个小时内的功率调节指令及响应结果为研究对象，时间分辨率为4s，BESS装机容量为100MW/50MWh。储能系统响应功率调节指令如附图5所示，评价体系中调节精度R1、调节速率R2以及响应时间R3的计算结果如下表1所示。
调节精度R1在75％的特征时段计算结果为2，表明大多数时刻储能系统能够精准响应功率调节指令；调节精度R1在7％的特征时段计算结果为0，这是由于功率调节指令超过了储能系统的最大充放电功率限制导致的；调节精度R1在整个调度周期内的平均值为1.84，表明储能系统在整个调度周期内的调节精度较高。
调节速率R2在83％的特征时段计算结果为2，表明大多数时刻储能系统调节速度较快；调节速率R2在11％的特征时段计算结果为0，这是由于功率调节指令超过了储能系统的最大充放电功率限制，导致储能系统无法快速响应功率调节指令；调节速率R2在整个调度周期内的平均值为1.70，表明储能系统在整个调度周期内的调节速度比较快。
响应时间R3在96％的特征时段计算结果为2，表明大多数时刻储能系统能够快速响应功率调节指令；R3在0％的特征时段计算结果为0；响应时间R3在整个调度周期内的平均值为1.95，表明储能系统在整个调度周期内的响应时间较短，可以较为快速响应功率调节指令。
表1电池储能系统评价指标体系计算结果
Figure BSA0000269198350000091
Figure BSA0000269198350000101
每个功率调节特征时段的综合评价指标Rp i的计算结果下表2所示。
通过2可知，综合评价指标Rp i的计算结果在67％的特征时段为最大值8，表明在大部分时刻电池储能系统能够快速、精准地响应功率调节指令；Rp i的计算结果在12.5％的特征时段为最小值0，这是由于电网下发的功率调节指令突然增大或减小，超过了储能系统的最大充放电功率限制导致的；综合评价指标Rp i计算结果的平均值为6.51，比较接近最大值8，表明电池储能系统在整个调度周期内跟踪功率调节指令效果较好。
表2每个功率调节特征时段的综合评价指标Rp i的计算结果
Figure BSA0000269198350000102

Claims (6)

1.基于功率指令特征时段提取的电池储能调节性能评价方法，其特征在于，包括以下步骤：
(1)设计自适应步长公式，改进天鹰算法优化过程，得到改进天鹰优化算法；
(2)基于电池储能系统的功率调节指令，利用改进天鹰算法寻找旋转门算法的全局最优压缩偏移量E，得到改进旋转门算法；
(3)基于最优压缩偏移量E，利用改进旋转门算法提取电池储能系统功率调节指令的特征趋势，将功率调节指令划分为多个特征时段；
(4)设计电池储能系统调节性能的评价方法，并使用该方法对BESS的调节性能进行评价。
2.根据权利要求1所述的基于功率指令特征时段提取的电池储能调节性能评价方法，其特征在于，所述步骤(1)中改进天鹰算法的自适应步长通过以下公式获取：
Figure FSA0000269198340000011
其中，n为迭代次数，a1、a2、a3、a4、a5分别为分别为1.1、0.2、30、1.5和1。
3.根据权利要求1所述的基于功率指令特征时段提取的电池储能调节性能评价方法，其特征在于，所述步骤(2)中使用改进天鹰算法寻找SDT算法的全局最优压缩偏移量，其中，天鹰寻优的适应度函数为：
Figure FSA0000269198340000012
其中，fr和fcr分别表示特征时段的误差和压缩比，xi为t时刻BESS的功率调节指令，yi为提取出的t时刻特征趋势值，N1为BESS功率调节指令个数，N2为提取出的特征时刻个数，α1和α2为权重，其值分别为0.68和5。
4.根据权利要求1所述的基于功率指令特征时段提取的电池储能调节性能评价方法，其特征在于，所述步骤(3)中利用改进天鹰优化的旋转门算法提取出BESS功率调节指令的特征趋势，并对其进行分段处理。
5.根据权利要求1所述的基于功率指令特征时段提取的电池储能调节性能评价方法，其特征在于，所述步骤(4)中设计的BESS调节性能评价方法：对于每个特征时段，分别计算综合调节性能指标Rp i：
首先计算调节精度R1，其范围在0～2之间，越趋近于2，则调节精度越高。R1的计算公式如下：
Figure FSA0000269198340000021
式中，ΔP为每个特征时段最后时刻特征指令与电池储能系统出力之间的偏差，ΔPN为调节允许的偏差量；
当调节精度R1为最大值2时，则该特征时段的调节速率R2和响应时间R3均取最大值2；否则，首先按照下式计算调节速率R2：
Figure FSA0000269198340000022
式中，PS为每个特征时段开始时刻的电池储能系统出力，PN为每个特征时段开始时刻4s后电池储能系统的出力，vN为电池储能系统标准调节速率，由于电池储能系统的标准调节速率为1.5％/min，因此对应于vN的取值为0.1MW/4s；
响应时间R3的计算公式如下：
Figure FSA0000269198340000023
式中，Δt为每个特征时段达到调节允许的偏差量所需要的时间，ΔtN为标准响应时间，其取值为1min；
第i个特征时段的综合调节性能指标Rp i值计算公式如下：
RP i＝R1×R2×R3 (6)
电池储能系统在一个调度周期内的调节效果Rp计算公式如下：
Figure FSA0000269198340000024
式中，N为特征时段的个数；
根据上述分析可得知，Rp的最小值为0，最大值为8，且平均综合性能指标Rp值越接近8表明调控策略的调节效果越好。
6.根据权利要求1所述的基于功率指令特征时段提取的电池储能调节性能评价方法，其特征在于，所述步骤(4)中采用设计的BESS调节性能评价方法对BESS响应功率调节指令的结果进行评价，从而分析调节性能的优劣。
CN202210281070.3A 2022-03-12 2022-03-12 基于功率指令特征时段提取的电池储能调节性能评价方法 Pending CN114662904A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210281070.3A CN114662904A (zh) 2022-03-12 2022-03-12 基于功率指令特征时段提取的电池储能调节性能评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210281070.3A CN114662904A (zh) 2022-03-12 2022-03-12 基于功率指令特征时段提取的电池储能调节性能评价方法

Publications (1)

Publication Number Publication Date
CN114662904A true CN114662904A (zh) 2022-06-24

Family

ID=82031231

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210281070.3A Pending CN114662904A (zh) 2022-03-12 2022-03-12 基于功率指令特征时段提取的电池储能调节性能评价方法

Country Status (1)

Country Link
CN (1) CN114662904A (zh)

Similar Documents

Publication Publication Date Title
US11326579B2 (en) Adaptive dynamic planning control method and system for energy storage station, and storage medium
CN109447393A (zh) 一种电力系统经济负荷分配的改进的粒子群算法
CN105426954A (zh) 一种基于多策略协同作用的粒子群优化的方法
CN105573123B (zh) 一种基于改进的t-s模糊预测建模的火电机组机炉协调控制方法
CN112861362B (zh) 一种基于整车油耗的动力总成性能参数优化方法和装置
CN113852098B (zh) 一种基于多目标蜻蜓算法的自动发电控制调度方法
CN108167802B (zh) 低负荷下锅炉负荷的多模型智能寻优预测控制方法
CN112418496B (zh) 一种基于深度学习的配电台区储能配置方法
CN113486593B (zh) 一种基于风电功率爬坡预测的风-蓄-氢混合储能控制方法
CN112149883A (zh) 基于fwa-bp神经网络的光伏功率预测方法
CN116526473A (zh) 基于粒子群优化lstm的电热负荷预测方法
CN110866633A (zh) 一种基于svr支持向量回归的微电网超短期负荷预测方法
CN113468792A (zh) 电磁暂态仿真模型的参数校正方法、装置和电子设备
CN112186761A (zh) 一种基于概率分布的风电功率场景生成方法及系统
CN112381315A (zh) 一种基于pso优化的ls-svm智能台区负荷预测方法及系统
CN115098960A (zh) 设备剩余使用寿命预测方法和装置
CN108694475B (zh) 基于混合模型的短时间尺度光伏电池发电量预测方法
CN113762646A (zh) 一种光伏短期功率智能预测方法及系统
CN113591367A (zh) 电力系统暂态稳定智能评估模型的可靠性评估方法及系统
CN114662904A (zh) 基于功率指令特征时段提取的电池储能调节性能评价方法
CN112531735A (zh) 基于机器学习的自动发电控制系统的功率分配方法及装置
CN105207220B (zh) 一种基于渐进学习的分级电压调控方法
CN117094425A (zh) 一种基于改进svm的火电机组一次调频能力预测方法及装置
CN115528684A (zh) 一种超短期负荷预测方法、装置及电子设备
CN115333125A (zh) 基于深度q网络优化运行方式的次同步振荡抑制方法

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