CN115207950A - 一种基于随机扰动的储能系统控制方法及装置 - Google Patents

一种基于随机扰动的储能系统控制方法及装置 Download PDF

Info

Publication number
CN115207950A
CN115207950A CN202210894209.1A CN202210894209A CN115207950A CN 115207950 A CN115207950 A CN 115207950A CN 202210894209 A CN202210894209 A CN 202210894209A CN 115207950 A CN115207950 A CN 115207950A
Authority
CN
China
Prior art keywords
energy storage
moment
storage system
power
wind
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
CN202210894209.1A
Other languages
English (en)
Other versions
CN115207950B (zh
Inventor
孙财新
李刚
郭小江
孔金良
潘霄峰
李建华
关何格格
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.)
Huaneng Clean Energy Research Institute
Huaneng New Energy Co Ltd Shanxi Branch
Original Assignee
Huaneng Clean Energy Research Institute
Huaneng New Energy Co Ltd Shanxi Branch
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 Huaneng Clean Energy Research Institute, Huaneng New Energy Co Ltd Shanxi Branch filed Critical Huaneng Clean Energy Research Institute
Priority to CN202210894209.1A priority Critical patent/CN115207950B/zh
Publication of CN115207950A publication Critical patent/CN115207950A/zh
Application granted granted Critical
Publication of CN115207950B publication Critical patent/CN115207950B/zh
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
    • 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
    • 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
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请提出一种基于随机扰动的储能系统控制方法及装置，所述方法包括：获取风电场待控制时段内各时刻原始超短期预测功率数据对应的N个风电发功率偏差值，并确定各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率；将所述概率代入预先建立的储能系统控制模型中，并利用CPLEX求解器进行求解，得到储能系统的充放电功率参考值；基于充放电功率参考值对储能系统进行控制；其中，所述储能系统控制模型基于待控制时段内风储联合发电量最大建立的。本申请提出的技术方案，将偏差值的概率代入预先建立的储能系统控制模型中,得到的充放电功率参考值，基于所述参考值对所述储能系统进行控制，提高了储能充放电控制策略的精度。

Description

一种基于随机扰动的储能系统控制方法及装置
技术领域
本申请涉及储能控制领域，尤其涉及一种基于随机扰动的储能系统控制方法及装置。
背景技术
在“风储”场景下，风电场一般会采用超短期功率预测数据作为储能系统充放电控制的核心边界(即作为风电场实发功率)，但是，由于风力的间隙性、随机性等自然属性，导致超短期功率预测精度普遍不高，进而影响到储能系统的充放电控制策略，间接影响到“风储”联合输出功率。
现有技术中根据天气预报数据建立对应的算法模型来实现对风电超短期功率的预测，并以一天或一段时间的准确率作为评价指标，在小时、分钟等更细时间粒度上的精度较低，并且未对超短期功率的预测结果的精确度进行进一步的提升处理，使得超短期功率预测数据的精度较低，进而导致储能对应的充放电控制策略精度较低。
发明内容
本申请提供的一种基于随机扰动的储能系统控制方法及装置，以至少解决储能对应的充放电控制策略精度较低的技术问题。
本申请第一方面实施例提出一种基于随机扰动的储能系统控制方法，所述方法包括：
获取风电场待控制时段内各时刻原始超短期预测功率数据对应的N个风电功率偏差值，并确定各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率；
将所述各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率代入预先建立的储能系统控制模型中，并利用CPLEX求解器进行求解，得到所述待控制时段内各时刻储能系统的充放电功率参考值；
基于所述待控制时段内各时刻储能系统的充放电功率参考值对储能系统进行控制；
其中，所述储能系统控制模型基于待控制时段内风储联合发电量最大建立的。
优选的，所述各时刻对应的N个风电发功率偏差值的获取过程包括：
获取风电场待控制时段内各时刻的原始超短期预测功率数据，并分别随机选取各时刻原始超短期预测功率数据对应的H组偏差值；
利用概率密度函数确定各时刻原始超短期预测功率数据对应的各组中各偏差值的概率；
根据所述各组中各偏差值的概率分别筛选出各时刻风电场发电量最大时对应的一组偏差值；
将筛选出的各时刻风电场发电量最大时对应的一组偏差值分别作为各时刻对应的N个风电发功率偏差值；
其中，所述H组偏差值中每组有N个风电发功率偏差值。
进一步的，所述随机选取的偏差值为满足预设约束的偏差值；
其中，所述预设约束包括：
Figure BDA0003768737480000021
式中，M为第一给定正数，P_bias，i为第i个偏差值，e为第二给定正数，N为一组中偏差值的总个数，f(P_bias，i)为第i个偏差值对应的概率，Var(P_bias，h)为第h组偏差值的方差，h∈H，H为一个时刻时刻的原始超短期预测功率数据对应的组偏差值的组数,S为第三给定正数。
进一步的，所述概率密度函数的计算式如下：
Figure BDA0003768737480000022
式中，f(P_bias，i)为第i个偏差值对应的概率。
优选的，所述储能系统控制模型的建立包括：
以待控制时段内风储联合发电量最大为目标构建目标函数；
以风储联合输出功率约束、风储联合输出电量约束、储能充放电功率约束、储能SOC约束和充放电功率波动性约束为约束条件，并结合所述目标函数构建储能灵活控制模型。
本申请第二方面实施例提出一种基于随机扰动的储能系统控制装置，包括：
获取模块，用于获取风电场待控制时段内各时刻原始超短期预测功率数据对应的N个风电发功率偏差值，并确定各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率；
求解模块，用于将所述各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率代入预先建立的储能系统控制模型中，并利用CPLEX求解器进行求解，得到所述待控制时段内各时刻储能系统的充放电功率参考值；
控制模块，用于基于所述待控制时段内各时刻储能系统的充放电功率参考值对储能系统进行控制；
其中，所述储能系统控制模型基于待控制时段内风储联合发电量最大建立的。
优选的，所述各时刻对应的N个风电发功率偏差值的获取过程包括：
获取风电场待控制时段内各时刻的原始超短期预测功率数据，并分别随机选取各时刻原始超短期预测功率数据对应的H组偏差值；
利用概率密度函数确定各时刻原始超短期预测功率数据对应的各组中各偏差值的概率；
根据所述各组中各偏差值的概率分别筛选出各时刻风电场发电量最大时对应的一组偏差值；
将筛选出的各时刻风电场发电量最大时对应的一组偏差值分别作为各时刻对应的N个风电发功率偏差值；
其中，所述H组偏差值中每组有N个风电发功率偏差值。
进一步的，所述随机选取的偏差值为满足预设约束的偏差值；
其中，所述预设约束包括：
Figure BDA0003768737480000031
式中，M为第一给定正数，P_bias，i为第i个偏差值，e为第二给定正数，N为一组中偏差值的总个数，f(P_bias，i)为第i个偏差值对应的概率，Var(P_bias，h)为第h组偏差值的方差，h∈H，H为一个时刻时刻的原始超短期预测功率数据对应的组偏差值的组数,S为第三给定正数。
进一步的，所述概率密度函数的计算式如下：
Figure BDA0003768737480000041
式中，f(P_bias，i)为第i个偏差值对应的概率。
优选的，所述储能系统控制模型的建立包括：
以待控制时段内风储联合发电量最大为目标构建目标函数；
以风储联合输出功率约束、风储联合输出电量约束、储能充放电功率约束、储能SOC约束和充放电功率波动性约束为约束条件，并结合所述目标函数构建储能灵活控制模型。
本申请第三方面实施例提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如第一方面实施例所述的方法。
本申请的实施例提供的技术方案至少带来以下有益效果：
本申请提出了一种基于随机扰动的储能系统控制方法及装置，所述方法包括：获取风电场待控制时段内各时刻原始超短期预测功率数据对应的N个风电发功率偏差值，并确定各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率；将所述各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率代入预先建立的储能系统控制模型中，并利用CPLEX求解器进行求解，得到所述待控制时段内各时刻储能系统的充放电功率参考值；基于所述待控制时段内各时刻储能系统的充放电功率参考值对储能系统进行控制；其中，所述储能系统控制模型基于待控制时段内风储联合发电量最大建立的。本申请提出的技术方案，将偏差值的概率代入预先建立的储能系统控制模型中,得到的充放电功率参考值，基于所述参考值对所述储能系统进行控制，提高了储能充放电控制策略的精度。
本申请附加的方面以及优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面以及优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请一个实施例提供的一种基于随机扰动的储能系统控制方法的流程图；
图2为根据本申请一个实施例提供的概率密度函数中偏差值与偏差值对应的概率的示意图；
图3为根据本申请一个实施例提供的一种基于随机扰动的储能系统控制装置的结构图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
本申请提出的一种基于随机扰动的储能系统控制方法及装置，所述方法包括：获取风电场待控制时段内各时刻原始超短期预测功率数据对应的N个风电发功率偏差值，并确定各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率；将所述各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率代入预先建立的储能系统控制模型中，并利用CPLEX求解器进行求解，得到所述待控制时段内各时刻储能系统的充放电功率参考值；基于所述待控制时段内各时刻储能系统的充放电功率参考值对储能系统进行控制；其中，所述储能系统控制模型基于待控制时段内风储联合发电量最大建立的。本申请提出的技术方案，将偏差值的概率代入预先建立的储能系统控制模型中,得到的充放电功率参考值，基于所述参考值对所述储能系统进行控制，提高了储能充放电控制策略的精度。
下面参考附图描述本申请实施例的一种基于随机扰动的储能系统控制方法及装置。
实施例一
图1为根据本申请一个实施例提供的一种基于随机扰动的储能系统控制方法的流程图，如图1所示，所述方法包括：
步骤1：获取风电场待控制时段内各时刻原始超短期预测功率数据对应的N个风电发功率偏差值，并确定各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率；
在本公开实施例中，所述各时刻对应的N个风电发功率偏差值的获取过程包括：
获取风电场待控制时段内各时刻的原始超短期预测功率数据，并分别随机选取各时刻原始超短期预测功率数据对应的H组偏差值；
利用概率密度函数确定各时刻原始超短期预测功率数据对应的各组中各偏差值的概率；
根据所述各组中各偏差值的概率分别筛选出各时刻风电场发电量最大时对应的一组偏差值；
将筛选出的各时刻风电场发电量最大时对应的一组偏差值分别作为各时刻对应的N个风电发功率偏差值；
其中，所述H组偏差值中每组有N个风电发功率偏差值。
需要说明的是，所述随机选取的偏差值为满足预设约束的偏差值；
其中，所述预设约束包括：
Figure BDA0003768737480000061
式中，M为第一给定正数，P_bias，i为第i个偏差值，e为第二给定正数，N为一组中偏差值的总个数，f(P_bias，i)为第i个偏差值对应的概率，Var(P_bias，h)为第h组偏差值的方差，h∈H，H为一个时刻时刻的原始超短期预测功率数据对应的组偏差值的组数,S为第三给定正数,N大于等于2，H大于等于2。
进一步的，所述概率密度函数的计算式如下：
Figure BDA0003768737480000062
式中，f(P_bias，i)为第i个偏差值对应的概率。
示例的，如图2所示为概率密度函数中偏差值与偏差值对应的概率，由图2可以得到M等于10时满足预设约束中的-M＜P_bias，i＜M。
步骤2：将所述各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率代入预先建立的储能系统控制模型中，并利用CPLEX求解器进行求解，得到所述待控制时段内各时刻储能系统的充放电功率参考值；
其中，所述储能系统控制模型基于待控制时段内风储联合发电量最大建立的。
在本公开实施例中，所述储能系统控制模型的建立包括：
以待控制时段内风储联合发电量最大为目标构建目标函数；
以风储联合输出功率约束、风储联合输出电量约束、储能充放电功率约束、储能SOC约束和充放电功率波动性约束为约束条件，并结合所述目标函数构建储能灵活控制模型。
其中，所述目标函数的计算式可以为：
Figure BDA0003768737480000071
式中，J(x)为待控制时段风储联合输出电量，jt，i(t)为在第t个时刻的第i个偏差值下风储联合输出电量，f(P_biast，i)为第t个时刻的第i个偏差值的概率，T为带控制时段内的时刻总数。
所述风储联合输出功率约束条件的计算式可以为：
Pg，t＝Padjust，t-Pes，t
式中，Pg，t为第t个时刻风储联合输出功率，Padjust，t为第t个时刻基于偏差值修正后的超短期功率预测数据，Pes，t为第t个时刻储能充放电功率，当Pes，t＞0时，表示储能充电，当Pes，t＜0时，表示储能放电；储能充电表示风电场的多余发电量被存储利用，风电场实际发电量减小；储能放电表示释放部分电池电量，使得风电场实际发电量增加。
所述风储联合输出电量约束条件的计算式可以为：
Qg，t＝Pg，tΔt
式中，Qg，t为第t个时刻风储联合输出电量，Δt为时长。
所述储能充放电功率约束条件的计算式可以为：
-Pes，max≤Pes，t≤Pes，max
式中，Pes，max为储能系统对应的额度功率。
所述储能SOC约束条件的计算式可以为：
Figure BDA0003768737480000072
式中，
Figure BDA0003768737480000073
为第t个时刻储能的最小荷电状态，
Figure BDA0003768737480000074
为第t个时刻储能的荷电状态，
Figure BDA0003768737480000075
为第t个时刻储能的最大荷电状态，其中，储能的荷电状态的转换可以由下式表示，即
Figure BDA0003768737480000081
Figure BDA0003768737480000082
为第t+1个时刻储能的荷电状态，
Figure BDA0003768737480000083
为第t个时刻储能的充电效率，
Figure BDA0003768737480000084
为第t个时刻储能的放电效率，Eini为储能对应的储能电池衰减前的最大容量。
所述储能末时段的SOC约束条件的计算式可以为：
Figure BDA0003768737480000085
式中，
Figure BDA0003768737480000086
为T末时段结束后一时刻的储能荷电状态，SSOC，G为预设的储能荷电状态。
步骤3：基于所述待控制时段内各时刻储能系统的充放电功率参考值对储能系统进行控制。
综上所述，本实施提供的一种基于随机扰动的储能系统控制方法，将偏差值的概率代入预先建立的储能系统控制模型中,得到的充放电功率参考值，基于所述参考值对所述储能系统进行控制，提高了储能充放电控制策略的精度。
实施例二
图3为根据本申请一个实施例提供的一种基于随机扰动的储能系统控制装置，如图3所示，包括：
获取模块100，用于获取风电场待控制时段内各时刻原始超短期预测功率数据对应的N个风电发功率偏差值，并确定各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率；
求解模块200，用于将所述各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率代入预先建立的储能系统控制模型中，并利用CPLEX求解器进行求解，得到所述待控制时段内各时刻储能系统的充放电功率参考值；
控制模块300，用于基于所述待控制时段内各时刻储能系统的充放电功率参考值对储能系统进行控制；
其中，所述储能系统控制模型基于待控制时段内风储联合发电量最大建立的。
在本公开实施例中，所述各时刻对应的N个风电发功率偏差值的获取过程包括：
获取风电场待控制时段内各时刻的原始超短期预测功率数据，并分别随机选取各时刻原始超短期预测功率数据对应的H组偏差值；
利用概率密度函数确定各时刻原始超短期预测功率数据对应的各组中各偏差值的概率；
根据所述各组中各偏差值的概率分别筛选出各时刻风电场发电量最大时对应的一组偏差值；
将筛选出的各时刻风电场发电量最大时对应的一组偏差值分别作为各时刻对应的N个风电发功率偏差值；
其中，所述H组偏差值中每组有N个风电发功率偏差值。
进一步的，所述随机选取的偏差值为满足预设约束的偏差值；
其中，所述预设约束包括：
Figure BDA0003768737480000091
式中，M为第一给定正数，P_bias，i为第i个偏差值，e为第二给定正数，N为一组中偏差值的总个数，f(P_bias，i)为第i个偏差值对应的概率，Var(P_bias，h)为第h组偏差值的方差，h∈H，H为一个时刻时刻的原始超短期预测功率数据对应的组偏差值的组数,S为第三给定正数。
进一步的，所述概率密度函数的计算式如下：
Figure BDA0003768737480000092
式中，f(P_bias，i)为第i个偏差值对应的概率。
在本公开实施例中，所述储能系统控制模型的建立包括：
以待控制时段内风储联合发电量最大为目标构建目标函数；
以风储联合输出功率约束、风储联合输出电量约束、储能充放电功率约束、储能SOC约束和充放电功率波动性约束为约束条件，并结合所述目标函数构建储能灵活控制模型。综上所述，本实施提供的一种基于随机扰动的超短期功率预测数据修正系统，所述系统，基于偏差值的概率进行风电场原始超短期预测功率数据进行修正，提高了风电场超短期预测功率数据的精度。
综上所述，本实施提供的一种基于随机扰动的储能系统控制装置，利用获取模块确定偏差值的概率，然后基于所述概率利用求解模块进行求解，得到充放电功率参考值，所述系统基于所述参考值对所述储能系统进行控制，提高了储能充放电控制策略的精度。
实施例三
为了实现上述实施例，本公开还提出一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现如实施例一所述的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于随机扰动的储能系统控制方法，其特征在于，所述方法包括：
获取风电场待控制时段内各时刻原始超短期预测功率数据对应的N个风电发功率偏差值，并确定各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率；
将所述各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率代入预先建立的储能系统控制模型中，并利用CPLEX求解器进行求解，得到所述待控制时段内各时刻储能系统的充放电功率参考值；
基于所述待控制时段内各时刻储能系统的充放电功率参考值对储能系统进行控制；
其中，所述储能系统控制模型基于待控制时段内风储联合发电量最大建立的。
2.如权利要求1所述的方法，其特征在于，所述各时刻对应的N个风电发功率偏差值的获取过程包括：
获取风电场待控制时段内各时刻的原始超短期预测功率数据，并分别随机选取各时刻原始超短期预测功率数据对应的H组偏差值；
利用概率密度函数确定各时刻原始超短期预测功率数据对应的各组中各偏差值的概率；
根据所述各组中各偏差值的概率分别筛选出各时刻风电场发电量最大时对应的一组偏差值；
将筛选出的各时刻风电场发电量最大时对应的一组偏差值分别作为各时刻对应的N个风电发功率偏差值；
其中，所述H组偏差值中每组有N个风电发功率偏差值。
3.如权利要求2所述的方法，其特征在于，所述随机选取的偏差值为满足预设约束的偏差值；
其中，所述预设约束包括：
Figure FDA0003768737470000011
式中，M为第一给定正数，P_bias，i为第i个偏差值，e为第二给定正数，N为一组中偏差值的总个数，f(P_bias，i)为第i个偏差值对应的概率，Var(P_bias，h)为第h组偏差值的方差，h∈H，H为一个时刻时刻的原始超短期预测功率数据对应的组偏差值的组数，S为第三给定正数。
4.如权利要求3所述的方法，其特征在于，所述概率密度函数的计算式如下：
Figure FDA0003768737470000021
式中，f(P_bias，i)为第i个偏差值对应的概率。
5.如权利要求1所述的方法，其特征在于，所述储能系统控制模型的建立包括：
以待控制时段内风储联合发电量最大为目标构建目标函数；
以风储联合输出功率约束、风储联合输出电量约束、储能充放电功率约束、储能SOC约束和充放电功率波动性约束为约束条件，并结合所述目标函数构建储能灵活控制模型。
6.一种基于随机扰动的储能系统控制装置，其特征在于，包括：
获取模块，用于获取风电场待控制时段内各时刻原始超短期预测功率数据对应的N个风电发功率偏差值，并确定各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率；
求解模块，用于将所述各时刻原始超短期预测功率数据对应的N个风电发功率偏差值的概率代入预先建立的储能系统控制模型中，并利用CPLEX求解器进行求解，得到所述待控制时段内各时刻储能系统的充放电功率参考值；
控制模块，用于基于所述待控制时段内各时刻储能系统的充放电功率参考值对储能系统进行控制；
其中，所述储能系统控制模型基于待控制时段内风储联合发电量最大建立的。
7.如权利要求6所述的储能系统控制装置，其特征在于，所述各时刻对应的N个风电发功率偏差值的获取过程包括：
获取风电场待控制时段内各时刻的原始超短期预测功率数据，并分别随机选取各时刻原始超短期预测功率数据对应的H组偏差值；
利用概率密度函数确定各时刻原始超短期预测功率数据对应的各组中各偏差值的概率；
根据所述各组中各偏差值的概率分别筛选出各时刻风电场发电量最大时对应的一组偏差值；
将筛选出的各时刻风电场发电量最大时对应的一组偏差值分别作为各时刻对应的N个风电发功率偏差值；
其中，所述H组偏差值中每组有N个风电发功率偏差值。
8.如权利要求7所述的储能系统控制装置，其特征在于，所述随机选取的偏差值为满足预设约束的偏差值；
其中，所述预设约束包括：
Figure FDA0003768737470000031
式中，M为第一给定正数，P_bias，i为第i个偏差值，e为第二给定正数，N为一组中偏差值的总个数，f(P_bias，i)为第i个偏差值对应的概率，Var(P_bias，h)为第h组偏差值的方差，h∈H，H为一个时刻时刻的原始超短期预测功率数据对应的组偏差值的组数，S为第三给定正数。
9.如权利要求6所述的储能系统控制装置，其特征在于，所述储能系统控制模型的建立包括：
以待控制时段内风储联合发电量最大为目标构建目标函数；
以风储联合输出功率约束、风储联合输出电量约束、储能充放电功率约束、储能SOC约束和充放电功率波动性约束为约束条件，并结合所述目标函数构建储能灵活控制模型。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5中任一项所述的方法。
CN202210894209.1A 2022-07-27 2022-07-27 一种基于随机扰动的储能系统控制方法及装置 Active CN115207950B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210894209.1A CN115207950B (zh) 2022-07-27 2022-07-27 一种基于随机扰动的储能系统控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210894209.1A CN115207950B (zh) 2022-07-27 2022-07-27 一种基于随机扰动的储能系统控制方法及装置

Publications (2)

Publication Number Publication Date
CN115207950A true CN115207950A (zh) 2022-10-18
CN115207950B CN115207950B (zh) 2024-02-06

Family

ID=83583168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210894209.1A Active CN115207950B (zh) 2022-07-27 2022-07-27 一种基于随机扰动的储能系统控制方法及装置

Country Status (1)

Country Link
CN (1) CN115207950B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496927A (zh) * 2011-12-16 2012-06-13 中国电力科学研究院 基于误差统计修正的风电场功率预测方法
CN104779631A (zh) * 2014-12-31 2015-07-15 国家电网公司 基于风电预测功率的储能跟踪风电出力计划方法及其系统
CN105205549A (zh) * 2015-09-07 2015-12-30 中国电力科学研究院 一种基于机会约束规划的光储系统跟踪日前计划调度方法
US20160169202A1 (en) * 2013-05-03 2016-06-16 State Grid Corporation Of China Short-term operation optimization method of electric power system including large-scale wind power
CN106786736A (zh) * 2016-12-20 2017-05-31 国家电网公司 基于经济调度的风电储能源功率与容量优化配置方法
CN109103898A (zh) * 2018-10-25 2018-12-28 国网湖南省电力有限公司 基于风电功率超短期预测误差的电力系统电压控制方法
CN109687522A (zh) * 2019-02-21 2019-04-26 南方电网科学研究院有限责任公司 一种含储能分散式风电场的分布式鲁棒控制方法及系统
CN111162551A (zh) * 2020-01-15 2020-05-15 国网内蒙古东部电力有限公司 一种基于风电功率超短期预测的蓄电池充放电控制方法
CN111555347A (zh) * 2020-05-14 2020-08-18 国家电网有限公司 基于风功率预测的风储联合运行控制方法
CN114418232A (zh) * 2022-01-26 2022-04-29 中国电力科学研究院有限公司 储能系统运行优化方法、系统、服务器及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496927A (zh) * 2011-12-16 2012-06-13 中国电力科学研究院 基于误差统计修正的风电场功率预测方法
US20160169202A1 (en) * 2013-05-03 2016-06-16 State Grid Corporation Of China Short-term operation optimization method of electric power system including large-scale wind power
CN104779631A (zh) * 2014-12-31 2015-07-15 国家电网公司 基于风电预测功率的储能跟踪风电出力计划方法及其系统
CN105205549A (zh) * 2015-09-07 2015-12-30 中国电力科学研究院 一种基于机会约束规划的光储系统跟踪日前计划调度方法
CN106786736A (zh) * 2016-12-20 2017-05-31 国家电网公司 基于经济调度的风电储能源功率与容量优化配置方法
CN109103898A (zh) * 2018-10-25 2018-12-28 国网湖南省电力有限公司 基于风电功率超短期预测误差的电力系统电压控制方法
CN109687522A (zh) * 2019-02-21 2019-04-26 南方电网科学研究院有限责任公司 一种含储能分散式风电场的分布式鲁棒控制方法及系统
CN111162551A (zh) * 2020-01-15 2020-05-15 国网内蒙古东部电力有限公司 一种基于风电功率超短期预测的蓄电池充放电控制方法
CN111555347A (zh) * 2020-05-14 2020-08-18 国家电网有限公司 基于风功率预测的风储联合运行控制方法
CN114418232A (zh) * 2022-01-26 2022-04-29 中国电力科学研究院有限公司 储能系统运行优化方法、系统、服务器及存储介质

Also Published As

Publication number Publication date
CN115207950B (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
US11326579B2 (en) Adaptive dynamic planning control method and system for energy storage station, and storage medium
CN110729770B (zh) 一种主动配电网负荷故障恢复策略优化算法
CN103779869B (zh) 考虑荷电状态动态调整的储能电站容量优化计算方法
JP6198894B2 (ja) 風力発電所の運転制御装置、運転制御方法及び風力発電システム
CN104779631B (zh) 基于风电预测功率的储能跟踪风电出力计划方法及其系统
CN111146820B (zh) 一种计及风电不确定性的混合储能系统优化配置方法
CN107359378A (zh) 电池充电方法、装置和设备
CN112103980A (zh) 一种联合火电机组agc调频的混合储能系统能量管理方法
CN107153163A (zh) 一种基于自适应ukf的锂电池soc估算方法
CN103248065B (zh) 一种风电场中电池储能系统的充放电控制方法
CN105244920B (zh) 考虑电池健康状态的储能系统多目标控制方法及其系统
CN107919683B (zh) 一种储能减少风电场弃风电量的优化决策方法
CN115207950A (zh) 一种基于随机扰动的储能系统控制方法及装置
CN116154969B (zh) 一种智能电网综合管理系统
CN116780587A (zh) 一种混合储能辅助机组调频容量优化方法及系统
WO2019193837A1 (ja) 発電システムおよびその制御方法
CN108631368B (zh) 计及储能运行损耗下风储系统联合调度的储能配置方法
CN115117886A (zh) 一种风电场的储能控制方法、装置及存储介质
CN105958479B (zh) 一种含钠硫电池的微电网能量管理优化方法
CN115271384A (zh) 基于蝠鲼觅食优化算法的配电网新能源承载力评估方法
CN114757548A (zh) 一种采用场景构建的风电储能设备调节性能评估方法
CN113935182A (zh) 基于混合整数规划模型的量化电池寿命衰减预测方法
CN109494707B (zh) 用于监视和控制电网的方法
CN114747111A (zh) 用于电网稳定性的可再生发电站中有功功率控制
CN115169148A (zh) 一种基于随机扰动的超短期功率预测数据修正方法及系统

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