CN114865676A - 一种混合储能系统控制方法、装置和电子设备 - Google Patents

一种混合储能系统控制方法、装置和电子设备 Download PDF

Info

Publication number
CN114865676A
CN114865676A CN202210794962.3A CN202210794962A CN114865676A CN 114865676 A CN114865676 A CN 114865676A CN 202210794962 A CN202210794962 A CN 202210794962A CN 114865676 A CN114865676 A CN 114865676A
Authority
CN
China
Prior art keywords
output power
energy storage
power
grid
storage system
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
CN202210794962.3A
Other languages
English (en)
Other versions
CN114865676B (zh
Inventor
李乐颖
邹祖冰
刘瑞阔
谷昱君
李伟
姚维为
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.)
China Three Gorges Corp
Original Assignee
China Three Gorges Corp
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 China Three Gorges Corp filed Critical China Three Gorges Corp
Priority to CN202210794962.3A priority Critical patent/CN114865676B/zh
Publication of CN114865676A publication Critical patent/CN114865676A/zh
Application granted granted Critical
Publication of CN114865676B publication Critical patent/CN114865676B/zh
Priority to JP2022182942A priority patent/JP7407894B1/ja
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
    • 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]
    • 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
    • H02J3/241—The oscillation concerning frequency
    • 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
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种混合储能系统控制方法、装置和电子设备，方法包括：获取当前时刻的风光输出功率，并基于风光输出功率计算混合储能系统用于平抑风光输出功率波动的平抑出力功率；获取当前时刻的电网频率变化量，并基于电网频率变化量计算混合储能系统的调频出力功率；将平抑出力功率和调频出力功率融合，得到储能总出力功率；将储能总出力功率按照混合储能系统中不同储能单元的特性进行分解，并将分解后的出力功率分配给对应的储能单元，以使不同的储能元件按照分配的出力功率在当前时刻进行出力。本发明提供的技术方案，实现了综合进行风光输出功率的平抑和电网的一次调频的功能。

Description

一种混合储能系统控制方法、装置和电子设备
技术领域
本发明涉及风光发电领域，具体涉及一种混合储能系统控制方法、装置和电子设备。
背景技术
随着风光发电的新能源电站进步，为解决风光发电带来的并网影响，混合储能系统在风光发电领域应用广泛。由于风速、阳光具有不确定性，从而导致风电和光伏出力具有很大的随机性、波动性和间歇性。最初，风光装机容量占全网总容量较小时，风光出力的波动不会对电网造成不良影响，但随着风光接入电网容量的不断增大，随机性、波动性和间歇性等风光出力特性对电力系统的安全与稳定运行影响越来越大，大大降低了原有的电能质量，从而风光波动会导致风光输出功率波动，并且功率的波动进而会带来电网的频率波动。之后，基于混合储能系统（一种由多种不同的储能单元组合而成的储能系统）进行风光功率波动平抑和一次调频的技术发展起来。但是，现有技术仅仅借助混合储能系统单独进行风光发电出力功率的平抑，或者借助混合储能系统单独参与电网的一次调频，没有能够综合解决上述两种问题的混合储能系统控制方法。
发明内容
有鉴于此，本发明实施方式提供了一种混合储能系统控制方法、装置和电子设备，从而实现了综合进行风光输出功率的平抑和电网的一次调频的功能。
根据第一方面，本发明实施例提供了一种混合储能系统控制方法，所述方法包括：获取当前时刻的风光输出功率，并基于所述风光输出功率计算混合储能系统用于平抑风光输出功率波动的平抑出力功率；获取当前时刻的电网频率变化量，并基于所述电网频率变化量计算混合储能系统的调频出力功率；将所述平抑出力功率和所述调频出力功率融合，得到储能总出力功率；将所述储能总出力功率按照所述混合储能系统中不同储能单元的特性进行分解，并将分解后的出力功率分配给对应的储能单元，以使不同的储能元件按照分配的出力功率在当前时刻进行出力。
可选地，所述基于所述风光输出功率计算混合储能系统用于平抑风光输出功率波动的平抑出力功率，包括：对所述风光输出功率进行低通滤波，得到表征并网点实际需要的并网功率；对所述并网功率进行优化；计算所述风光输出功率和优化后的并网功率的差值，并将得到的差值作为所述平抑出力功率。
可选地，所述对所述并网功率进行优化，包括：基于当前时刻并网功率波动范围创建目标函数；基于所述目标函数对所述并网功率进行优化。
可选地，所述基于当前时刻并网功率波动范围创建目标函数，包括：分别对当前时刻并网功率波动范围、混合储能系统出力大小、混合储能系统响应电力系统频率偏移量、混合储能系统响应电力系统频率变化率和下一时刻风光输出功率波动范围创建子目标函数；将各个子目标函数组合为所述目标函数。
可选地，所述基于所述目标函数对所述并网功率进行优化，包括：基于所述并网功率初始化若干候选并网功率；以所述目标函数作为食肉植物算法中的适应度函数，对所述若干候选并网功率进行食肉植物算法寻优，从所述若干候选并网功率中找出最优并网功率。
可选地，所述混合储能系统的储能单元包括锂离子电池和超级电容。
可选地，所述将所述储能总出力功率按照所述混合储能系统中不同储能单元的特性进行分解，并将分解后的出力功率分配给对应的储能单元，包括：将所述储能总出力功率分解为低频分量和高频分量；将所述低频分量分配给所述锂离子电池，并将所述高频分量分配给所述超级电容。
根据第二方面，本发明实施例提供了一种混合储能系统控制装置，所述装置包括：平抑出力模块，用于获取当前时刻的风光输出功率，并基于所述风光输出功率计算混合储能系统用于平抑风光输出功率波动的平抑出力功率；一次调频出力模块，用于获取当前时刻的电网频率变化量，并基于所述电网频率变化量计算混合储能系统的调频出力功率；储能系统总出力模块，用于将所述平抑出力功率和所述调频出力功率融合，得到储能总出力功率；出力分配模块，用于将所述储能总出力功率按照所述混合储能系统中不同储能单元的特性进行分解，并将分解后的出力功率分配给对应的储能单元，以使不同的储能元件按照分配的出力功率在当前时刻进行出力。
根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面，或者第一方面任意一种可选实施方式中所述的方法。
根据第四方面，本发明实施例提供了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指令，所述计算机指令用于使所述计算机从而执行第一方面，或者第一方面任意一种可选实施方式中所述的方法。
本申请提供的技术方案，具有如下优点：
本申请提供的技术方案，先获取当前时刻风电和光电总的风光输出功率，然后基于风光输出功率计算出混合储能系统用于平抑风光输出功率波动的平抑出力功率；之后根据当前时刻的电网频率变化量计算出混合储能系统的调频出力功率。得到了上述混合储能系统的两部分出力之后，为了同时解决风光输出平抑和一次调频的问题，本发明实施例将平抑出力功率和调频出力功率融合到一起，得到储能系统的储能总出力功率。再按照混合储能系统中不同储能单元（例如蓄电池和超级电容）的特性将储能总出力功率分解成多个部分，最后将分解后的多份出力功率分配给对应的储能单元，使不同的储能元件按照分配的出力功率在当前时刻进行出力，就实现了兼顾风光输出功率平抑和一次调频的目的。
此外，在计算平抑出力功率时涉及到中间量“并网功率”，本发明实施例还通过并网功率波动范围、混合储能系统出力大小、混合储能系统响应电力系统频率偏移量、混合储能系统响应电力系统频率变化率和下一时刻风光输出功率波动范围创建的目标函数对并网功率进行优化，从而提高平抑出力功率的准确率，进而使混合储能系统控制各个储能单元被分配到的出力功率的准确率进一步提高。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1示出了本发明一个实施方式中一种混合储能系统控制方法的步骤示意图；
图2示出了本发明一个实施方式中一种混合储能系统控制方法的流程示意图；
图3示出了本发明一个实施方式中优化并网功率的流程示意图；
图4示出了本发明一个实施方式中一种混合储能系统控制装置的结构示意图；
图5示出了本发明一个实施方式中一种电子设备的结构示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
请参阅图1和图2，在一个实施方式中，一种混合储能系统控制方法，该方法具体包括以下步骤：
步骤S101：获取当前时刻的风光输出功率，并基于风光输出功率计算混合储能系统用于平抑风光输出功率波动的平抑出力功率。
步骤S102：获取当前时刻的电网频率变化量，并基于电网频率变化量计算混合储能系统的调频出力功率。
步骤S103：将平抑出力功率和调频出力功率融合，得到储能总出力功率。
步骤S104：将储能总出力功率按照混合储能系统中不同储能单元的特性进行分解，并将分解后的出力功率分配给对应的储能单元，以使不同的储能元件按照分配的出力功率在当前时刻进行出力。
具体地，在本实施例中，先获取风电和光电一起实际输出的风光输出功率，即风电和光电输出功率的和，如下式：
Figure 657574DEST_PATH_IMAGE002
式中
Figure 168190DEST_PATH_IMAGE003
为风光输出功率变化量，风光输出功率
Figure 213506DEST_PATH_IMAGE004
由风电输出功率
Figure 156185DEST_PATH_IMAGE005
和光伏输出功率
Figure 439399DEST_PATH_IMAGE006
组成，
Figure 120916DEST_PATH_IMAGE007
和
Figure 856791DEST_PATH_IMAGE008
分别为
Figure 603161DEST_PATH_IMAGE009
时刻和
Figure 537619DEST_PATH_IMAGE010
时刻的 风光输出功率。
由于电网实际所需的功率（并网功率）与风光输出功率并不完全相等，为了平抑风 光输出功率的波动，从而借助混合储能系统补充不足的功率或者吸收多余的功率，即根据 风光输出功率计算出混合储能系统的平抑出力功率
Figure 124458DEST_PATH_IMAGE011
。之后，再根据电网的频率变 化量，计算出储能系统用于使电网频率稳定的调频出力功率，计算公式如下：
Figure 82050DEST_PATH_IMAGE013
式中
Figure 163270DEST_PATH_IMAGE014
为需要承担风光系统中一次调频功能的调频出力功率，
Figure 952234DEST_PATH_IMAGE015
为调差 系数，
Figure 850920DEST_PATH_IMAGE016
是当前时刻与上一时刻的频率变化量，
Figure 420442DEST_PATH_IMAGE017
是当前时刻频率关于时间t的导数。
在本实施例中，为了实现混合储能系统同时解决风光输出平抑和一次调频的问题。将上述平抑出力功率和调频出力功率先融合为总的储能总出力功率，再按照混合储能系统的原件特性将储能总出力功率分解为多个部分，分配给混合储能系统中的各个储能单元，从而实现了对混合储能系统的控制。混合储能系统有多种形式，常见的混合储能系统有锂电池、液流电池、飞轮储能、超级电容等原件的多种组合，不同的类型有各自的特性，其成本和能解决的问题也不一样。
在本发明实施例中，混合储能系统选择锂离子电池和超级电容的组合，锂电池的优点是高能量密度，循环性能好，充电时间短，但是锂电池的高性能是以安全性为代价的，性能越高，化学稳定性越低，安全性越差。超级电容器在概念上与电池/电池的混合储能系统类似，可用于提供快速响应的电力突发，为放电强度较低、持续时间较长的电池进行补充，超级电容器具有更长的工作寿命周期，并且具有更快的充电时间。基于此，本实施例通过低通滤波法将储能总出力功率分解为高频分量和低频分量，然后将低频分量分配给锂离子电池，并将高频分量分配给超级电容。从而实现了平抑出力功率和调频处理功率综合的合理分配，控制混合储能系统综合解决了风光输出功率的平抑和一次调频的问题。具体分配公式如下：
Figure 164407DEST_PATH_IMAGE019
式中，储能总出力功率
Figure 73457DEST_PATH_IMAGE020
。低频分量为锂离子电池 出力目标值
Figure 741112DEST_PATH_IMAGE021
，高频分量为超级电容出力目标值
Figure 938875DEST_PATH_IMAGE022
，
Figure 611165DEST_PATH_IMAGE023
是滤波时间常数。
具体地，在一实施例中，上述步骤S101，具体包括如下步骤：
步骤一：对风光输出功率进行低通滤波，得到表征并网点实际需要的并网功率。
步骤二：对并网功率进行优化；
步骤三：计算风光输出功率和优化后的并网功率的差值，并将得到的差值作为平抑出力功率。
具体地，现有技术通常在计算混合储能系统的平抑出力功率时，也会采用低通滤 波法，将风光输出功率分解为低频分量和高频分量，其中低频分量为电网实际需要的并网 功率，高频分量作为平抑出力功率。低通滤波算法的滤波函数为下式，式中
Figure 656613DEST_PATH_IMAGE024
为本 次平抑出力功率的采样输出值；
Figure 897101DEST_PATH_IMAGE025
为上一次平抑出力功率的采样输出值，
Figure 441215DEST_PATH_IMAGE026
为风光输出功率本次采样值，
Figure 792562DEST_PATH_IMAGE027
为滤波系数。
Figure 410625DEST_PATH_IMAGE028
但是单纯使用低通滤波算法计算出的并网功率，在实际应用时的准确性还有待提高，因此本实施例还通过创建目标函数对并网功率进行优化，从而在通过并网功率计算平抑出力功率时，能够进一步提高平抑出力功率的准确性。
在本发明实施例中，创建目标函数的具体步骤如下：
1.分别对当前时刻并网功率波动范围、混合储能系统出力大小、混合储能系统响应电力系统频率偏移量、混合储能系统响应电力系统频率变化率和下一时刻风光输出功率波动范围创建子目标函数。
2.将各个子目标函数组合为目标函数。
具体地，通过上述5个表达式（子目标函数）综合创建目标函数，从而保证并网功率波动尽可能小，混合储能系统出力也尽可能小，混合储能系统响应电力系统频率偏移量、混合储能系统响应电力系统频率变化率和下一时刻风光输出功率波动范围均尽可能的小，当上述各个子目标函数达到一个稳态时，即可计算出最佳的并网功率。创建的目标函数表达式如下：
建立并网功率波动在允许范围内为目标的目标函数
Figure 431802DEST_PATH_IMAGE029
Figure 338578DEST_PATH_IMAGE031
建立以混合储能出力最小化为目标的目标函数
Figure 24774DEST_PATH_IMAGE032
Figure 90819DEST_PATH_IMAGE034
建立以混合储能响应电力系统频率偏移量为目标的目标函数
Figure 673110DEST_PATH_IMAGE035
Figure 942549DEST_PATH_IMAGE037
建立以混合储能相应电力系统频率变化率为目标的目标函数
Figure 963594DEST_PATH_IMAGE038
Figure 290671DEST_PATH_IMAGE040
建立下一时刻风光输出功率波动范围的目标函数
Figure 43863DEST_PATH_IMAGE041
Figure 800597DEST_PATH_IMAGE043
目标函数
Figure 31859DEST_PATH_IMAGE044
为上述子目标函数的和：
Figure 806917DEST_PATH_IMAGE046
其中，
Figure 262169DEST_PATH_IMAGE047
分别为各改变量的计算参数，
Figure 630833DEST_PATH_IMAGE048
为预测的 风光输出功率，
Figure 541152DEST_PATH_IMAGE049
是当前并网功率，
Figure 46082DEST_PATH_IMAGE050
是预测的并网功率，
Figure 132DEST_PATH_IMAGE051
为调差系数。
之后，基于上述目标函数可采用梯度下降法、最小二乘法等优化算法对并网功率进行寻优，计算出最佳的并网功率。
具体地，如图3所示，在一实施例中，通过目标函数对并网功率进行优化的具体步骤如下：
步骤四：基于并网功率初始化若干候选并网功率。
步骤五：以目标函数作为食肉植物算法中的适应度函数，对若干候选并网功率进行食肉植物算法寻优，从若干候选并网功率中找出最优并网功率。
具体地，在本实施例中，采用2020年新提出的食肉植物算法结合上述目标函数
Figure 652830DEST_PATH_IMAGE052
求解最佳并网功率，该方法相比传统的梯度下降法等寻优算法采用更少的评估次数，提高 了全局寻优能力，解决了以往算法可能会产生易于陷入局部最优、收敛速度慢、搜索精度差 的问题，从而进一步提高了并网功率的准确性。其具体步骤如下：
1.定义组内迭代次数
Figure 491473DEST_PATH_IMAGE053
、最大迭代次数
Figure 460697DEST_PATH_IMAGE054
、吸引率
Figure 726593DEST_PATH_IMAGE055
、生长率
Figure 601008DEST_PATH_IMAGE056
、繁殖率
Figure 367976DEST_PATH_IMAGE057
、食肉 植物数量
Figure 581920DEST_PATH_IMAGE058
和猎物数量
Figure 894084DEST_PATH_IMAGE059
。
2.基于低通滤波计算出并网功率，初始化随机生成个体数量为
Figure 255795DEST_PATH_IMAGE060
、维度为
Figure 436240DEST_PATH_IMAGE061
的种 群。每个个体（随机初始化的并网功率）的位置由以下矩阵表示。
Figure 629324DEST_PATH_IMAGE063
其中
Figure 237023DEST_PATH_IMAGE060
为食肉植物数量
Figure 86031DEST_PATH_IMAGE058
和猎物数量
Figure 679954DEST_PATH_IMAGE059
的总和，
Figure 868490DEST_PATH_IMAGE061
为维度，即 每个个体中的变量个数，每个个体使用下式进行随机初始化（本实施例即从初始化的所有 个体中循环迭代找到最佳个体，即最佳的并网功率）。
Figure 771724DEST_PATH_IMAGE065
其中，
Figure 108027DEST_PATH_IMAGE066
和
Figure 630275DEST_PATH_IMAGE067
分别为搜索域的下界和上界，即自变量的最小值和最大值，
Figure 548684DEST_PATH_IMAGE068
，
Figure 498186DEST_PATH_IMAGE069
，
Figure 384102DEST_PATH_IMAGE070
为
Figure 506779DEST_PATH_IMAGE071
之间的随机数。
3.利用上述目标函数I计算评估每个个体的适应度值。对于第
Figure 669907DEST_PATH_IMAGE072
个个体，通过将每 一行（即所有维度）作为适应度函数的输入来评估适应度值，计算得到的适应度值存储在下 述矩阵中。
Figure 665676DEST_PATH_IMAGE074
4.将食肉植物和猎物进行分类：
将种群中每个个体按照适应度值升序排序，找到最优个体
Figure 914254DEST_PATH_IMAGE075
作为排名第一的食 肉植物，将排名前
Figure 902939DEST_PATH_IMAGE076
的个体分类为食肉植物，将剩余的
Figure 717311DEST_PATH_IMAGE077
个个体分类为 猎物。排序之后的矩阵如
Figure 274195DEST_PATH_IMAGE078
和
Figure 619856DEST_PATH_IMAGE079
所示
Figure 287598DEST_PATH_IMAGE081
Figure 956477DEST_PATH_IMAGE082
5.将食肉植物和猎物进行分组：在分组过程中，将适应度值最高的猎物分配给排 名第一的食肉植物，以此类推，第二名和第三名猎物分别属于第二和第三名食肉植物。（需 要注意的是食肉植物的数量小于猎物的数量）重复该过程，直到排名第
Figure 808895DEST_PATH_IMAGE083
的猎 物分配给排名第
Figure 766487DEST_PATH_IMAGE084
的食肉植物，此使还有多余的猎物，然后再将第
Figure 847707DEST_PATH_IMAGE085
名猎物分配给第1名食肉植物，第
Figure 636671DEST_PATH_IMAGE086
名猎物分配给第2 名食肉植物，直至所有猎物分配完毕为止。最终每个组内只有1个食肉植物，猎物数量大于 等于2个。
6.模拟食肉食物和猎物的生长过程：
Figure 535357DEST_PATH_IMAGE087
为排名在第i位的食肉植物，在每一个 组中随机选择一个猎物
Figure 839299DEST_PATH_IMAGE088
，
Figure 848844DEST_PATH_IMAGE089
为随机生成的0-1之间的数字。分别比较各 个组对应的吸引率（吸引率为预设值，通常设为0.8）和随机数大小直至达到组内迭代次数
Figure 757894DEST_PATH_IMAGE090
。如果吸引率大于随机数
Figure 437268DEST_PATH_IMAGE091
，则按照式（1）形成新的食肉植物；如 果吸引率小于随机数
Figure 369452DEST_PATH_IMAGE091
，则按照式(2)形成新的猎物，其中
Figure 41742DEST_PATH_IMAGE092
为第
Figure 805298DEST_PATH_IMAGE093
个种 群中随机选择的另一个猎物。
Figure 780208DEST_PATH_IMAGE095
Figure 75054DEST_PATH_IMAGE097
Figure 426401DEST_PATH_IMAGE099
Figure 44464DEST_PATH_IMAGE101
式中
Figure 580487DEST_PATH_IMAGE102
为预设值，
Figure 487264DEST_PATH_IMAGE103
是目标函数I。
7.模拟最优食肉植物的繁殖过程：只有排名第一的食肉植物，即种群中最好的解， 才能允许繁殖。在繁殖过程中，为每个维度
Figure 986509DEST_PATH_IMAGE104
都随机选择一个食肉植物
Figure 927920DEST_PATH_IMAGE105
，采用最优食肉植 物的繁殖模型为式(3)，为每个种群基于最优食肉植物生成新的食肉植物，其中，
Figure 41370DEST_PATH_IMAGE106
为 最优解，
Figure 294497DEST_PATH_IMAGE107
为随机选择的食肉植物。
Figure 987646DEST_PATH_IMAGE109
Figure 580301DEST_PATH_IMAGE111
8.对新生成的每个食肉植物和猎物利用目标函数I进行适应度评估。
9.将新生成的食肉植物和猎物与初始种群进行合并，得到一个新的维度为
Figure 220579DEST_PATH_IMAGE112
维的新种群，即新种群有
Figure 101947DEST_PATH_IMAGE113
个原始个体，
Figure 192263DEST_PATH_IMAGE114
个新生产个体和
Figure 842687DEST_PATH_IMAGE115
个新 繁殖个体。
10.将新种群中每个个体按照适应度值升序排序，并选择排名前
Figure 563518DEST_PATH_IMAGE116
个个体进入下 一代，即选择排名前
Figure 541970DEST_PATH_IMAGE116
的个体作为新的候选解，保证种群大小不变。
11.返回步骤4开始迭代计算，直到达到最大迭代次数
Figure 576922DEST_PATH_IMAGE117
。达到最大迭 代次数后，输出当前最优解
Figure 206486DEST_PATH_IMAGE118
，即输出t时刻的最佳并网功率，并结合风光输出功率，获得 混合储能最佳运行方案。
通过上述步骤，本申请提供的技术方案，先获取当前时刻风电和光电总的风光输出功率，然后基于风光输出功率计算出混合储能系统用于平抑风光输出功率波动的平抑出力功率；之后根据当前时刻的电网频率变化量计算出混合储能系统的调频出力功率。得到了上述混合储能系统的两部分出力之后，为了同时解决风光输出平抑和一次调频的问题，本发明实施例将平抑出力功率和调频出力功率融合到一起，得到储能系统的储能总出力功率。再按照混合储能系统中不同储能单元（例如蓄电池和超级电容）的特性将储能总出力功率分解成多个部分，最后将分解后的多份出力功率分配给对应的储能单元，使不同的储能元件按照分配的出力功率在当前时刻进行出力，从而兼顾风光输出功率平抑和一次调频。本申请提供的技术方案基于混合储能设备，将平抑风光功率波动与辅助系统调频协调控制，不仅降低了风光功率波动对电力系统的影响，而且在一定程度上具有一次调频能力，为维持电力系统稳定，保障电力系统的电量供需平衡提供了新思路。
此外，在计算平抑出力功率时涉及到中间量“并网功率”，本发明实施例还通过并网功率波动范围、混合储能系统出力大小、混合储能系统响应电力系统频率偏移量、混合储能系统响应电力系统频率变化率和下一时刻风光输出功率波动范围创建的目标函数对并网功率进行优化，从而提高平抑出力功率的准确率，进而使混合储能系统控制各个储能单元被分配到的出力功率的准确率进一步提高。
如图4所示，本实施例还提供了一种混合储能系统控制装置，该装置包括：
平抑出力模块101，用于获取当前时刻的风光输出功率，并基于风光输出功率计算混合储能系统用于平抑风光输出功率波动的平抑出力功率. 详细内容参见上述方法实施例中步骤S101的相关描述，在此不再进行赘述。
一次调频出力模块102，用于获取当前时刻的电网频率变化量，并基于电网频率变化量计算混合储能系统的调频出力功率。详细内容参见上述方法实施例中步骤S102的相关描述，在此不再进行赘述。
储能系统总出力模块103，用于将平抑出力功率和调频出力功率融合，得到储能总出力功率。详细内容参见上述方法实施例中步骤S103的相关描述，在此不再进行赘述。
出力分配模块104，用于将储能总出力功率按照混合储能系统中不同储能单元的特性进行分解，并将分解后的出力功率分配给对应的储能单元，以使不同的储能元件按照分配的出力功率在当前时刻进行出力。详细内容参见上述方法实施例中步骤S104的相关描述，在此不再进行赘述。
本发明实施例提供的混合储能系统控制装置，用于执行上述实施例提供的混合储能系统控制方法，其实现方式与原理相同，详细内容参见上述方法实施例的相关描述，不再赘述。
通过上述各个组成部分的协同合作，本申请提供的技术方案，先获取当前时刻风电和光电总的风光输出功率，然后基于风光输出功率计算出混合储能系统用于平抑风光输出功率波动的平抑出力功率；之后根据当前时刻的电网频率变化量计算出混合储能系统的调频出力功率。得到了上述混合储能系统的两部分出力之后，为了同时解决风光输出平抑和一次调频的问题，本发明实施例将平抑出力功率和调频出力功率融合到一起，得到储能系统的储能总出力功率。再按照混合储能系统中不同储能单元（例如蓄电池和超级电容）的特性将储能总出力功率分解成多个部分，最后将分解后的多份出力功率分配给对应的储能单元，使不同的储能元件按照分配的出力功率在当前时刻进行出力，就实现了兼顾风光输出功率平抑和一次调频的目的。
此外，在计算平抑出力功率时涉及到中间量“并网功率”，本发明实施例还通过并网功率波动范围、混合储能系统出力大小、混合储能系统响应电力系统频率偏移量、混合储能系统响应电力系统频率变化率和下一时刻风光输出功率波动范围创建的目标函数对并网功率进行优化，从而提高平抑出力功率的准确率，进而使混合储能系统控制各个储能单元被分配到的出力功率的准确率进一步提高。
图5示出了本发明实施例的一种电子设备，该设备包括处理器901和存储器902，可以通过总线或者其他方式连接，图5中以通过总线连接为例。
处理器901可以为中央处理器（Central Processing Unit，CPU）。处理器901还可以为其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器902作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如上述方法实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的方法。
存储器902可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器901所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器902中，当被处理器901执行时，执行上述方法实施例中的方法。
上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，实现的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（Random Access Memory，RAM）、快闪存储器（Flash Memory）、硬盘（Hard Disk Drive，缩写：HDD）或固态硬盘（Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种混合储能系统控制方法，其特征在于，所述方法包括：
获取当前时刻的风光输出功率，并基于所述风光输出功率计算混合储能系统用于平抑风光输出功率波动的平抑出力功率；
获取当前时刻的电网频率变化量，并基于所述电网频率变化量计算混合储能系统的调频出力功率；
将所述平抑出力功率和所述调频出力功率融合，得到储能总出力功率；
将所述储能总出力功率按照所述混合储能系统中不同储能单元的特性进行分解，并将分解后的出力功率分配给对应的储能单元，以使不同的储能元件按照分配的出力功率在当前时刻进行出力。
2.根据权利要求1所述的方法，其特征在于，所述基于所述风光输出功率计算混合储能系统用于平抑风光输出功率波动的平抑出力功率，包括：
对所述风光输出功率进行低通滤波，得到表征并网点实际需要的并网功率；
对所述并网功率进行优化；
计算所述风光输出功率和优化后的并网功率的差值，并将得到的差值作为所述平抑出力功率。
3.根据权利要求2所述的方法，其特征在于，所述对所述并网功率进行优化，包括：
基于当前时刻并网功率波动范围创建目标函数；
基于所述目标函数对所述并网功率进行优化。
4.根据权利要求3所述的方法，其特征在于，所述基于当前时刻并网功率波动范围创建目标函数，包括：
分别对当前时刻并网功率波动范围、混合储能系统出力大小、混合储能系统响应电力系统频率偏移量、混合储能系统响应电力系统频率变化率和下一时刻风光输出功率波动范围创建子目标函数；
将各个子目标函数组合为所述目标函数。
5.根据权利要求4所述的方法，其特征在于，所述基于所述目标函数对所述并网功率进行优化，包括：
基于所述并网功率初始化若干候选并网功率；
以所述目标函数作为食肉植物算法中的适应度函数，对所述若干候选并网功率进行食肉植物算法寻优，从所述若干候选并网功率中找出最优并网功率。
6.根据权利要求1所述的方法，其特征在于，所述混合储能系统的储能单元包括锂离子电池和超级电容。
7.根据权利要求6所述的方法，其特征在于，所述将所述储能总出力功率按照所述混合储能系统中不同储能单元的特性进行分解，并将分解后的出力功率分配给对应的储能单元，包括：
将所述储能总出力功率分解为低频分量和高频分量；
将所述低频分量分配给所述锂离子电池，并将所述高频分量分配给所述超级电容。
8.一种混合储能系统控制装置，其特征在于，所述装置包括：
平抑出力模块，用于获取当前时刻的风光输出功率，并基于所述风光输出功率计算混合储能系统用于平抑风光输出功率波动的平抑出力功率；
一次调频出力模块，用于获取当前时刻的电网频率变化量，并基于所述电网频率变化量计算混合储能系统的调频出力功率；
储能系统总出力模块，用于将所述平抑出力功率和所述调频出力功率融合，得到储能总出力功率；
出力分配模块，用于将所述储能总出力功率按照所述混合储能系统中不同储能单元的特性进行分解，并将分解后的出力功率分配给对应的储能单元，以使不同的储能元件按照分配的出力功率在当前时刻进行出力。
9.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-7任一项所述的方法。
10.一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指令，所述计算机指令用于使所述计算机从而执行如权利要求1-7任一项所述的方法。
CN202210794962.3A 2022-07-07 2022-07-07 一种混合储能系统控制方法、装置和电子设备 Active CN114865676B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210794962.3A CN114865676B (zh) 2022-07-07 2022-07-07 一种混合储能系统控制方法、装置和电子设备
JP2022182942A JP7407894B1 (ja) 2022-07-07 2022-11-15 ハイブリッドエネルギー貯蔵システムの制御方法、装置及び電子機器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210794962.3A CN114865676B (zh) 2022-07-07 2022-07-07 一种混合储能系统控制方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN114865676A true CN114865676A (zh) 2022-08-05
CN114865676B CN114865676B (zh) 2022-09-20

Family

ID=82626438

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210794962.3A Active CN114865676B (zh) 2022-07-07 2022-07-07 一种混合储能系统控制方法、装置和电子设备

Country Status (2)

Country Link
JP (1) JP7407894B1 (zh)
CN (1) CN114865676B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115514007A (zh) * 2022-10-21 2022-12-23 淮阴工学院 一种基于cpa算法的民居综合光储设备运行调节器
CN115752059A (zh) * 2022-09-26 2023-03-07 淮阴工学院 一种基于cpa算法的化工过程余热利用调节设备

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117674199B (zh) * 2024-02-01 2024-04-23 西安热工研究院有限公司 一种超级电容耦合锂电池的电力系统调频方法和系统
CN117713144B (zh) * 2024-02-06 2024-04-30 西安热工研究院有限公司 一种基于熔盐储能的火电机组的调频方法和系统
CN117892884A (zh) * 2024-03-08 2024-04-16 国网北京市电力公司 一种综合能源系统优化设计方法、装置、设备及介质
CN117996786A (zh) * 2024-04-03 2024-05-07 西安热工研究院有限公司 一种基于二次修正的熔盐耦合火电机组的调频方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103595068A (zh) * 2013-11-13 2014-02-19 国家电网公司 混合储能系统平抑风光输出功率波动的控制方法
US20140236883A1 (en) * 2013-01-24 2014-08-21 Nec Laboratories America, Inc. Adaptive control of hybrid ultracapacitor-battery storage system for photovoltaic output smoothing
US20160233679A1 (en) * 2013-10-18 2016-08-11 State Grid Corporation Of China A method and system for control of smoothing the energy storage in wind phtovolatic power fluctuation based on changing rate
CN108429287A (zh) * 2018-04-08 2018-08-21 国网江苏省电力有限公司宿迁供电分公司 一种基于混合储能系统的风光功率平滑控制方法及系统
CN110535177A (zh) * 2019-08-27 2019-12-03 华北电力大学 一种电网友好型风电场储能容量优化配置方法
CN114548607A (zh) * 2022-04-26 2022-05-27 中国长江三峡集团有限公司 基于食肉植物算法的混合储能容量配置优化方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015080378A (ja) 2013-10-18 2015-04-23 三菱重工業株式会社 電力安定化装置及びそれを備えた発電システム並びに電力安定化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140236883A1 (en) * 2013-01-24 2014-08-21 Nec Laboratories America, Inc. Adaptive control of hybrid ultracapacitor-battery storage system for photovoltaic output smoothing
US20160233679A1 (en) * 2013-10-18 2016-08-11 State Grid Corporation Of China A method and system for control of smoothing the energy storage in wind phtovolatic power fluctuation based on changing rate
CN103595068A (zh) * 2013-11-13 2014-02-19 国家电网公司 混合储能系统平抑风光输出功率波动的控制方法
CN108429287A (zh) * 2018-04-08 2018-08-21 国网江苏省电力有限公司宿迁供电分公司 一种基于混合储能系统的风光功率平滑控制方法及系统
CN110535177A (zh) * 2019-08-27 2019-12-03 华北电力大学 一种电网友好型风电场储能容量优化配置方法
CN114548607A (zh) * 2022-04-26 2022-05-27 中国长江三峡集团有限公司 基于食肉植物算法的混合储能容量配置优化方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MING FANG 等: "A control strategy for centralized grid connection of new energy based on fluctuation-suppressing algorithm", 《2013 2ND INTERNATIONAL SYMPOSIUM ON INSTRUMENTATION AND MEASUREMENT, SENSOR NETWORK AND AUTOMATION (IMSNA)》 *
袁桂丽等: "基于动态波动系数的风电功率平滑控制策略", 《新能源进展》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115752059A (zh) * 2022-09-26 2023-03-07 淮阴工学院 一种基于cpa算法的化工过程余热利用调节设备
CN115752059B (zh) * 2022-09-26 2023-09-22 淮阴工学院 一种基于cpa算法的化工过程余热利用调节设备
CN115514007A (zh) * 2022-10-21 2022-12-23 淮阴工学院 一种基于cpa算法的民居综合光储设备运行调节器

Also Published As

Publication number Publication date
JP2024008787A (ja) 2024-01-19
JP7407894B1 (ja) 2024-01-04
CN114865676B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN114865676B (zh) 一种混合储能系统控制方法、装置和电子设备
Maleki et al. Optimal sizing of autonomous hybrid photovoltaic/wind/battery power system with LPSP technology by using evolutionary algorithms
CN108365608B (zh) 一种区域能源互联网不确定优化调度方法及系统
CN106549396B (zh) 一种配电网多目标概率无功优化方法
CN110929964A (zh) 一种基于近似动态规划算法的含储能配电网优化调度方法
CN114204547B (zh) 考虑源网荷储协同优化的配电网多措施组合降损优化方法
CN112803434A (zh) 有源配电网的无功优化方法、装置、设备和存储介质
CN114548607A (zh) 基于食肉植物算法的混合储能容量配置优化方法及装置
CN108964099B (zh) 一种分布式储能系统布局方法及系统
CN108879691B (zh) 一种大规模连续潮流计算的方法及装置
CN112564160A (zh) 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质
CN114995579B (zh) 融入记忆和自然选择的改进蝴蝶算法实现z源光伏mppt方法
CN106208118B (zh) 一种储能系统多目标优化规划方法
CN114024330A (zh) 有源配电网电池储能系统的调度方法、装置及设备
Zakka et al. Optimal capacitor placement using fuzzy and artificial bee colony algorithm for maximum loss reduction
Zhao et al. Multi-step depth model predictive control for photovoltaic maximum power point tracking under partial shading conditions
Yu et al. Research on scene generation method of wind and solar active power output based on k-medoids clustering and generative adversarial networks
CN110556868A (zh) 一种考虑电压稳定性的风电接入系统储能充放电控制方法
CN106295915B (zh) 具有最大容量准则约束的含清洁能源电网优化调度方法
CN113098075B (zh) 光伏消纳能力的分析方法、装置、电子设备及存储介质
CN109586384B (zh) 一种电网中高可再生能源渗透的最优调节方法及装置
CN115833208B (zh) 获取电池储能系统运行调度策略的方法及电子设备
CN117833241B (zh) 分布式智能配电网自愈控制方法及系统
CN116976060B (zh) 分布式新能源集群-负荷-网络动态重构的灵活组网方法
CN115085221A (zh) 二次调频控制方法、装置、设备及存储介质

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