CN115632416A - 储能系统分布式控制策略优化方法及装置 - Google Patents

储能系统分布式控制策略优化方法及装置 Download PDF

Info

Publication number
CN115632416A
CN115632416A CN202211255927.0A CN202211255927A CN115632416A CN 115632416 A CN115632416 A CN 115632416A CN 202211255927 A CN202211255927 A CN 202211255927A CN 115632416 A CN115632416 A CN 115632416A
Authority
CN
China
Prior art keywords
energy storage
storage unit
power
output power
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.)
Pending
Application number
CN202211255927.0A
Other languages
English (en)
Inventor
李星
彭晓涛
秦艳辉
高云超
梁树超
谭珺敉
杨琪
张玉莹
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.)
State Grid Corp of China SGCC
Wuhan University WHU
Electric Power Research Institute of State Grid Xinjiang Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Wuhan University WHU
Electric Power Research Institute of State Grid Xinjiang Electric Power Co Ltd
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 State Grid Corp of China SGCC, Wuhan University WHU, Electric Power Research Institute of State Grid Xinjiang Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202211255927.0A priority Critical patent/CN115632416A/zh
Publication of CN115632416A publication Critical patent/CN115632416A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in 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
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种储能系统控制技术领域，是一种储能系统分布式控制策略优化方法及装置，前者包括结合全局信息感知方法初始化储能单元的状态变量；一致性迭代更新各储能单元的状态变量，结合全局信息感知缩放修正各储能单元的状态变量；判断储能单元的荷电状态是否越限；更新边际成本的局部不平衡功率误差项，判断误差项是否小于收敛精度。本发明利用全局信息感知方法初始化储能单元的状态变量，并通过一致性迭代更新各储能单元的状态变量，依据全局信息感知的储能系统的输出总功率和调度总功率，修正储能单元迭代过程的输出功率和边际成本，保证储能系统供需平衡，优化储能单元荷电状态，降低储能系统调频成本，具有良好的经济性与鲁棒性。

Description

储能系统分布式控制策略优化方法及装置
技术领域
本发明涉及一种储能系统控制技术领域，是一种储能系统分布式控制策略优化方法及装置。
背景技术
风电机组大规模并网响应“双碳”目标的同时，由于其利用变频器控制并网并运行于最大功率跟踪方式，导致与系统频率解耦，无法为电网频率提供转动惯量和一次调频支撑，给高比例新能源并网系统的频率稳定带来严峻挑战。目前，大多数风电机组因控制策略而具有一定调频能力。随着储能技术的发展及成本降低，利用具有独特功率-频率特性、响应速度快、双向精准跟踪特点优势的储能系统，协助风电场参与系统调频的方法也成为当前研究热点。
现有研究围绕储能平滑风电功率，跟踪系统发电计划展开研究，如考虑风电不确定性，利用超短期功率预测技术，实现储能系统平抑风电功率的波动,显然该策略效果依赖于超短期预测精度；利用用模型预测控制和实时滚动优化求解，优化储能出力及运行状态，精准风储系统追踪发电计划。以上策略大多未考虑风电场不同风速下风电机组之间、不同状态储能单元之间协调对风储系统频率支撑能力以及系统经济运行的影响，而且储能系统采用集中式控制，难以适应储能单元故障退出运行等工况，通信成本较高，可靠性差。
基于一致性理论的分布式优化调度由于具有传输信息量少、计算效率高、可靠性高、“即插即用”特性等优点，成为多代理多源结构系统优化调度的有效方法。在以经济性为优化目标的功率调度中，常根据“等耗微增率原则”，完成功率最佳分配，现有研究根据储能运行成本函数，通过增量成本一致原则对储能单元运行成本进行优化，在分布式自治区域使用一致性算法时，需要对所有当前发电机输出功率进行求和计算获取总功率偏差，作为收敛条件。因此，现有多数分布式一致性控制策略，仍需要一个集中处理器收集所有或邻近智能体单元的功率信息并求和处理以满足系统全局供需功率平衡计算需要。
发明内容
本发明提供了一种储能系统分布式控制策略优化方法及装置，克服了上述现有技术之不足，其能有效解决现有储能系统分布式一致性控制策略存在的需要设置集中器收集所有或邻近智能体单元的功率信息并求和处理，以满足系统全局供需功率平衡需求的问题。
本发明的技术方案之一是通过以下措施来实现的：一种储能系统分布式控制策略优化方法，包括：
步骤S101，结合全局信息感知方法初始化各储能单元的状态变量，其中储能单元的各状态变量包括输出功率和边际成本；
步骤S102，判断当前迭代次数是否大于设置的最大迭代次数，响应于否，则一致性迭代更新各储能单元的状态变量，并利用全局信息感知方法获取各储能系统的输出总功率和调度总功率，缩放修正各储能单元的状态变量，执行步骤S103，响应于是，则根据上一次迭代后经步骤S103调节产生的储能单元输出功率，输出对应的储能单元输出指令；
步骤S103，判断各储能单元的荷电状态是否全部在阈值范围内，响应于是，则结合输出功率判别条件调节各储能单元的输出功率，执行步骤S104，响应于否，则越限的储能单元退出运行，且刷新储能系统的拓扑结构，返回步骤S101重新初始化；
步骤S104，更新边际成本的局部不平衡功率误差项，判断误差项是否小于收敛精度，响应于是，则迭代更新结束，输出储能单元功率指令，响应于否，则当前迭代次数加一，并返回步骤S102。
下面是对上述发明技术方案的进一步优化或/和改进：
上述一致性迭代更新储能单元的状态变量，并缩放修正储能单元的状态变量，包括：
建立考虑储能荷电状态运行的储能系统调频成本优化模型，获取储能单元输出功率与边际成本的关系；
结合储能单元输出功率与边际成本的关系更新储能单元的状态变量，其中状态变量包括边际成本和输出功率；
利用全局信息感知方法获取储能系统的输出总功率和调度总功率，获取二者的比例差异；
根据比例差异，缩放修正储能单元的输出功率；
引入边际成本误差项，修正储能单元的边际成本。
上述建立考虑储能荷电状态运行的储能系统调频成本优化模型，包括：
计及储能荷电状态的调频成本评估包括储能充放电功率运行成本和偏移最佳荷电状态容量成本；
Figure BDA0003889698460000021
其中，SSOC,j为t时刻第j个储能单元的荷电状态，SSOC-ref,j为第j个储能单元期待的SOC，通常为0.5；Sj为第j个储能单元的额定容量；τj为储能单元充放电功率的权重系数，ωj为储能单元荷电状态变化的权重系数，依据各储能单元的功率备用和额定容量分别赋值τj、ωj；
储能单元当前时刻的荷电状态与当前充放电实际功率的关联如下所示：
Figure BDA0003889698460000022
其中，Pj(t)<0，储能单元j充电，
Figure BDA0003889698460000023
为该单元充电效率系数；Pj(t)>0，储能单元j放电，
Figure BDA0003889698460000024
为该单元放电效率系数；T为采样时间间隔；
将式(2)代入式1)，得到如下所示的储能单元的调频成本函数：
Figure BDA0003889698460000025
其中，aj、bj和cj分别为调频成本函数的二次项、一次项和常数项系数，其具体表达式如下：
Figure BDA0003889698460000031
以储能系统总调频运行成本最小化为目标，结合储能单元功率备用和荷电状态限制的不等式约束以及储能系统供需功率平衡等式约束，建立如下所示的储能系统调频成本优化目标函数：
Figure BDA0003889698460000032
其中，
Figure BDA0003889698460000033
分别为储能单元j功率备用上、下限值，
Figure BDA0003889698460000034
分别为储能单元j荷电状态允许上、下限值。
利用增广拉格朗日法，当各储能单元调频成本函数Cj(t)对功率Pj(t)的偏导，即调频边际成本rj一致，该目标函数取得最优解，故建立如下所示的求解模型最优解的最优条件。
Figure BDA0003889698460000035
上述判断各储能单元的荷电状态是否全部在阈值范围内，响应于是，则结合输出功率判别条件调节各储能单元的输出功率，响应于否，则全部储能单元退出运行，且刷新储能系统的拓扑结构，重新初始化，包括：
判断各储能单元的荷电状态是否全部在阈值范围内；
响应于是，则设置下式所示的输出功率判别条件，将储能单元的输出功率与输出功率判别条件比较，确定各储能单元的输出功率；
Figure BDA0003889698460000036
其中，
Figure BDA0003889698460000037
分别为储能单元j的荷电状态允许上、下限值；
Figure BDA0003889698460000038
分别为储能单元j的功率备用上、下限值；
响应于否，则越限的储能单元退出运行，且刷新储能系统的拓扑结构，设置最大迭代次数，并结合全局信息感知方法初始化储能单元的状态变量。
上述结合全局信息感知方法初始化各储能单元的状态变量，包括：
系统初始化，t时刻，储能电站中为主导节点的储能单元j接收上层调度指令Psum_ref(t)后,令其信息矩阵M中
Figure BDA0003889698460000041
并设置最大迭代次数；
一致性控制初始化，根据全局信息感知方法，获取各储能单元的全局信息量Psum_ref(t)和储能总功率备用
Figure BDA0003889698460000042
并根据下式分别初始化各储能单元的输出功率和边际成本；
Figure BDA0003889698460000043
Figure BDA0003889698460000044
其中，hj为储能单元j的工作状态，由信息矩阵最终收敛矩阵对应第j行第1列元素是否大于0而分别赋值1或0。
上述全局信息感知方法的设计方法包括：
构造表示如下的储能单元信息矩阵M：
Figure BDA0003889698460000045
其中，Psum_ref为系统调度总功率指令，Pj为储能单元j输出功率指令；
以1号节点为主导节点，对所有储能单元信息矩阵同一位置元素进行一致性算法迭代，其中一致性算法迭代式如下所示：
Figure BDA0003889698460000046
其中，
Figure BDA0003889698460000047
分别为储能单元信息矩阵M中某一位置元素在第k次、第k+1次迭代后的值；dij为状态转移系数，根据储能系统单元拓扑结构生成，Ni为节点i的邻居节点集合，li和lj分别为节点i与j的邻居个数；
该位置元素将收敛至所有储能单元信息矩阵该位置元素初始值的平均值，最终各储能单元信息矩阵将收敛至同一矩阵：
Figure BDA0003889698460000051
其中，n'为储能系统中正常运行储能单元的个数；由第一列非零元素确定储能系统中正常运行储能单元的对应代号，以及正常运行储能单元个数，结合第二列对应输出功率元素累加，得到储能系统实时输出总功率Psum，由最后一列元素获取主导节点接收的储能系统调度总功率Psum_ref，实现储能系统全局信息的共享与感知。
本发明的技术方案之二是通过以下措施来实现的：一种储能系统分布式控制策略优化装置，包括：
始化单元，结合全局信息感知方法初始化各储能单元的状态变量，其中储能单元的各状态变量包括输出功率和边际成本；
迭代更新单元，判断当前迭代次数是否大于设置的最大迭代次数，响应于否，则一致性迭代更新各储能单元的状态变量，并利用全局信息感知方法获取各储能系统的输出总功率和调度总功率，缩放修正各储能单元的状态变量，响应于是，则根据上一次迭代后经调节产生的储能单元输出功率，输出对应的储能单元输出指令；
第一约束判断单元，判断各储能单元的荷电状态是否全部在阈值范围内，响应于是，则结合输出功率判别条件调节各储能单元的输出功率，响应于否，则越限的储能单元退出运行，且刷新储能系统的拓扑结构，重新初始化；
第二约束判断单元，更新边际成本的局部不平衡功率误差项，判断误差项是否小于收敛精度，响应于是，则迭代更新结束，输出储能单元功率指令，响应于否，则当前迭代次数加一，并继续一致性迭代更新储能单元的状态变量。
下面是对上述发明技术方案的进一步优化或/和改进：
上述初始化单元包括：
第一初始化模块：系统初始化，t时刻，储能电站中为主导节点的储能单元j接收上层调度指令Psum_ref(t)后,令其信息矩阵M中
Figure BDA0003889698460000055
并设置最大迭代次数；
第二初始化模块：一致性控制初始化，根据全局信息感知方法，获取各储能单元的全局信息量Psum_ref(t)和储能总功率备用
Figure BDA0003889698460000052
并根据下式分别初始化各储能单元的输出功率和边际成本；
Figure BDA0003889698460000053
Figure BDA0003889698460000054
其中，hj为储能单元j的工作状态，由信息矩阵最终收敛矩阵对应第j行第1列元素是否大于0而分别赋值1或。
上述迭代更新单元包括：
模型建立模块，建立考虑储能荷电状态运行的储能系统调频成本优化模型，获取储能单元输出功率与边际成本的关系；
迭代终止判断模块，判断当前迭代次数是否大于最大迭代次数，响应于否，则更新模块更新储能单元的状态变量，响应于是，则根据上一次迭代后经调节产生的储能单元输出功率，输出对应的储能单元输出指令；
更新模块，结合储能单元输出功率与边际成本的关系更新储能单元的状态变量，其中状态变量包括边际成本和输出功率；
修正模块，利用全局信息感知方法获取储能系统的输出总功率和调度总功率，获取二者的比例差异；根据比例差异，缩放修正储能单元的输出功率；引入边际成本误差项，修正储能单元的边际成本。
本发明的技术方案之三是通过以下措施
来实现的：一种存储介质，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行储能系统分布式控制策略优化方法。
本发明的技术方案之四是通过以下措施来实现的：一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现储能系统分布式控制策略优化方法。
本发明利用全局信息感知方法初始化储能单元的状态变量，并通过一致性迭代更新各储能单元的状态变量，依据全局信息感知的储能系统的输出总功率和调度总功率，修正储能单元迭代过程的输出功率和边际成本，保证储能系统供需平衡，优化储能单元荷电状态，降低储能系统调频成本，具有良好的经济性与鲁棒性。且本发明无需利用集中处理器收集所有或邻近智能体单元的功率信息并求和处理以满足储能系统的全局供需功率平衡需求，降低了通信成本，增加了可靠性，有效适应储能单元故障退出运行等工况。
附图说明
附图1为本发明的方法流程示意图。
附图2为本发明中缩放修正各储能单元的状态变量的方法流程示意图。
附图3为本发明中判断储能单元的荷电状态是否越限的方法流程示意图。
附图4为本发明实施例6中的改进WSCC-9风储并网系统模型示意图。
附图5为本发明实施例6中的分布式储能单元全局信息感知验证结果示意图。
附图6为本发明实施例6中的各储能单元相关量变化过程示意图。
附图7为本发明实施例6在不同控制方案下各储能单元的荷电状态SOC对比示意图。
附图8为本发明实施例6在不同控制方案下储能系统的总调频成本对比示意图。
附图9为本发明的装置结构示意图。
附图10为本发明中初始化单元的装置结构示意图。
附图11为本发明中迭代更新单元的装置结构示意图。
具体实施方式
本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体的实施方式。
下面结合实施例及附图对本发明作进一步描述：
实施例1：如附图1所示，本发明实施例公开了一种储能系统分布式控制策略优化方法，包括：
步骤S101，结合全局信息感知方法初始化各储能单元的状态变量，其中储能单元的各状态变量包括输出功率和边际成本；
步骤S102，判断当前迭代次数是否大于设置的最大迭代次数，响应于否，则一致性迭代更新各储能单元的状态变量，并利用全局信息感知方法获取各储能系统的输出总功率和调度总功率，缩放修正各储能单元的状态变量，执行步骤S103，响应于是，则根据上一次迭代后经步骤S103调节产生的储能单元输出功率，输出对应的储能单元输出指令；这里在当前迭代次数大于最大迭代次数时，停止一致性迭代更新，直接根据上一次迭代后，经由步骤S103调节获得的各储能单元的输出功率形成对应的储能单元功率指令；
步骤S103，判断各储能单元的荷电状态是否全部在阈值范围内，响应于是，则结合输出功率判别条件调节各储能单元的输出功率，执行步骤S104，响应于否，则越限的储能单元退出运行，且刷新储能系统的拓扑结构，返回步骤S101重新初始化；
步骤S104，更新边际成本的局部不平衡功率误差项，判断误差项是否小于收敛精度，响应于是，则迭代更新结束，输出储能单元功率指令，响应于是，则当前迭代次数加一，并返回步骤S102。这里响应于否，则根据步骤S103调节获得的各储能单元的输出功率形成对应的储能单元功率指令。
本发明公开了一种储能系统分布式控制策略优化方法，利用全局信息感知方法初始化储能单元的状态变量，并通过一致性迭代更新各储能单元的状态变量，依据全局信息感知的储能系统的输出总功率和调度总功率，修正储能单元迭代过程的输出功率和边际成本，保证储能系统供需平衡，优化储能单元荷电状态，降低储能系统调频成本，具有良好的经济性与鲁棒性。且本发明无需利用集中处理器收集所有或邻近智能体单元的功率信息并求和处理以满足储能系统的全局供需功率平衡需求，降低了通信成本，增加了可靠性，有效适应储能单元故障退出运行等工况。
实施例2：本发明实施例公开了一种储能系统分布式控制策略优化方法，其中全局信息感知方法的设计方法包括：
(1)构造表示如下的储能单元信息矩阵M：假设风电场附近配置一储能电站系统，其下有n个分布式储能单元装置。为节约通信线路成本，选择离并网母线最近的储能单元作为主导节点，负责接收上层调度下发的协助风电场频率支撑的储能电站附加总功率指令Psum_ref，其他节点仅与相邻节点互相通信。对各储能单元设置n*3维信息矩阵M，该矩阵元素赋值规则为：对于主导节点j，实际工程应保证一直正常运行，以接受系统调度总功率指令，其信息矩阵M第j行为[j、Pj、Psum_ref]，其他行元素为0；对于非主导节点储能单元j，若正常运行，M第j行为[j、Pj、0]，其他行元素全为0，否则故障脱机时，M为零矩阵。具体表示如下：
Figure BDA0003889698460000081
其中，Psum_ref为系统调度总功率指令，Pj为储能单元j输出功率指令；
(2)分布式储能全局信息感知：假设1号节点为主导节点，对所有储能单元信息矩阵同一位置元素进行一致性算法迭代，其中一致性算法迭代式如下所示：
Figure BDA0003889698460000082
其中，
Figure BDA0003889698460000083
分别为储能单元信息矩阵M中某一位置元素在第k次、第k+1次迭代后的值；dij为状态转移系数，根据储能系统单元拓扑结构生成，Ni为节点i的邻居节点集合，li和lj分别为节点i与j的邻居个数；
(3)根据步骤(2)可以看出该位置元素将收敛至所有储能单元信息矩阵该位置元素初始值的平均值，最终各储能单元信息矩阵将收敛至同一矩阵：
Figure BDA0003889698460000084
其中，n'为储能系统中正常运行储能单元的个数；由第一列非零元素确定储能系统中正常运行储能单元的对应代号，以及正常运行储能单元个数，结合第二列对应输出功率元素累加，得到储能系统实时输出总功率Psum，由最后一列元素获取主导节点接收的储能系统调度总功率Psum_ref，实现储能系统全局信息的共享与感知。
实施例3：如附图2所示，本发明实施例公开了一种储能系统分布式控制策略优化方法，其中一致性迭代更新储能单元的状态变量，并缩放修正储能单元的状态变量，包括：
步骤S201，建立考虑储能荷电状态运行的储能系统调频成本优化模型，获取储能单元输出功率与边际成本的关系；
这里建立考虑储能荷电状态运行的储能系统调频成本优化模型，包括：
(1)计及储能荷电状态的调频成本评估包括储能充放电功率运行成本和偏移最佳荷电状态容量成本；
Figure BDA0003889698460000091
其中，SSOC,j为t时刻第j个储能单元的荷电状态，SSOC-ref,j为第j个储能单元期待的SOC，通常为0.5；Sj为第j个储能单元的额定容量；τj为储能单元充放电功率的权重系数，ωj为储能单元荷电状态变化的权重系数，依据各储能单元的功率备用和额定容量分别赋值τj、ωj；
(2)储能单元当前时刻的荷电状态与当前充放电实际功率的关联如下所示：
Figure BDA0003889698460000092
其中，Pj(t)<0，储能单元j充电，
Figure BDA0003889698460000093
为该单元充电效率系数；Pj(t)>0，储能单元j放电，
Figure BDA0003889698460000094
为该单元放电效率系数；T为采样时间间隔；
(3)将式(2)代入式1)，得到如下所示的储能单元的调频成本函数：
Figure BDA0003889698460000095
其中，aj、bj和cj分别为调频成本函数的二次项、一次项和常数项系数，其具体表达式如下：
Figure BDA0003889698460000096
(4)以储能系统总调频运行成本最小化为目标，结合储能单元功率备用和荷电状态限制的不等式约束以及储能系统供需功率平衡等式约束，建立如下所示的考虑安全运行多约束的储能系统调频成本优化目标函数：
Figure BDA0003889698460000101
其中，
Figure BDA0003889698460000102
分别为储能单元j功率备用上、下限值，
Figure BDA0003889698460000103
分别为储能单元j荷电状态允许上、下限值。
(5)求解储能系统调频成本优化模型的最优解，式(5)所建立的模型为典型的含等式约束的非线性凸优化问题，利用增广拉格朗日法，当各储能单元调频成本函数Cj(t)对功率Pj(t)的偏导，即调频边际成本rj一致，该目标函数取得最优解，故建立如下所示的求解模型最优解的最优条件。
Figure BDA0003889698460000104
步骤S202，结合储能单元输出功率与边际成本的关系更新各储能单元的状态变量，其中状态变量包括边际成本
Figure BDA00038896984600001012
和输出功率
Figure BDA00038896984600001013
这里即依据步骤S201获得的储能单元输出功率与边际成本的关系更新各储能单元的状态变量；
步骤S203，利用全局信息感知方法获取储能系统的输出总功率Psum和调度总功率Psum_ref，获取二者的比例差异；
步骤S204，根据比例差异，缩放修正储能单元的输出功率；
步骤S205，引入边际成本误差项，修正储能单元的边际成本。
这里一致性迭代的具体迭代规则如下：
Figure BDA0003889698460000105
Figure BDA0003889698460000106
Figure BDA0003889698460000107
Figure BDA0003889698460000108
其中，k为迭代次数；
Figure BDA0003889698460000109
为一致性迭代更新储能单元的输出功率；
Figure BDA00038896984600001010
为输出总功率和调度总功率的比例差异，Psum_ref(t)为调度总功率，
Figure BDA00038896984600001011
为输出总功率。
本实施例中在周期内每迭代一次边际成本并计算出理论的输出功率后，利用全局信息感知方法获取的储能系统调度总功率和理论输出总功率，缩放修正储能单元的输出功率，以保证系统功率平衡。同时又考虑功率备用、荷电状态越限导致系统局部功率不平衡以及调频成本非最优，引入边际成本误差项，修正下一次边际成本，最终使边际成本趋于一致，实现储能系统最优经济运行
实施例4：如附图3所示，本发明实施例公开了一种储能系统分布式控制策略优化方法，其中判断各储能单元的荷电状态是否全部在阈值范围内，响应于是，则结合输出功率判别条件调节各储能单元的输出功率，响应于否，则全部储能单元退出运行，且刷新储能系统的拓扑结构，重新初始化，包括：
步骤S301，判断各储能单元的荷电状态是否全部在阈值范围内；
步骤S302，响应于是，则设置下式所示的输出功率判别条件，将储能单元的输出功率与输出功率判别条件比较，确定各储能单元的输出功率；；
Figure BDA0003889698460000111
其中，
Figure BDA0003889698460000112
分别为储能单元j的荷电状态允许上、下限值；
Figure BDA0003889698460000113
分别为储能单元j的功率备用上、下限值；
步骤S303，响应于否，则越限的储能单元退出运行，且刷新储能系统的拓扑结构，设置最大迭代次数，并结合全局信息感知方法初始化储能单元的状态变量。
这里响应于否，则储能单元退出运行，更新储能系统的拓扑结构，各分布式储能代理控制器与邻居节点信息交互，根据储能系统通信控制拓扑结构生成状态转移矩阵，主导节点储能单元接收上层调度总功率需求指令Psum_ref(t)，设置最大迭代次数，然后结合全局信息感知方法初始化储能系统的各状态变量。
实施例5：本发明实施例公开了一种储能系统分布式控制策略优化方法，其中结合全局信息感知方法初始化各储能单元的状态变量，包括：
(1)系统初始化，t时刻，储能电站中为主导节点的储能单元j接收上层调度指令Psum_ref(t)后,令其信息矩阵M中
Figure BDA0003889698460000114
并设置最大迭代次数；这里令信息矩阵M中
Figure BDA0003889698460000115
完成信息矩阵M初始化，由此再根据信息矩阵M设置全局信息感知，便于后续步骤使用。
(2)一致性控制初始化，根据全局信息感知方法，获取各储能单元的全局信息量Psum_ref(t)和储能总功率备用
Figure BDA0003889698460000116
并根据下式分别初始化各储能单元的输出功率和边际成本；
Figure BDA0003889698460000117
Figure BDA0003889698460000118
其中，hj为储能单元j的工作状态，由信息矩阵最终收敛矩阵对应第j行第1列元素是否大于0而分别赋值1或0。
实施例6：如附图4所示提供改进WSCC-9bus风储并网模型，其中，负荷L1、L2、L3分别为0.5+j0.15pu、0.3+j0.1pu和0.4+j0.2pu(基准容量为100MVA)，MPPT运行双馈风电机组采用单机表征法分别等值成不同风速的三台机组，储能系统由功率备用上限分别为40MW、30MW、20MW的三个分布式单元组成。本实施例讨论系统频率跌落下的储能放电功率协调，因此功率备用下限均取0，储能协调一致性迭代间隔为ΔtESS＝0.025s，控制周期为Tess＝0.5s,结合控制周期和迭代间隔确定迭代次数(可以是控制周期与迭代间隔做除法)，一致性收敛精度ε＝0.001。
根据本发明公开的技术方案，设附图4中所示储能系统中储能单元1为主导节点。赋值各储能单元初始信息矩阵如表1所示，且在信息感知一个周期后(每周期迭代20次)，储能单元BESS2因为SOC越限或者其他故障原因退出系统运行，相应信息矩阵变为零矩阵，其他储能信息矩阵保持初始正常运行状态，整个信息感知过程如附图5所示。由附图5可知，当迭代20次，BESS2退出运行时，由于系统拓扑结构重新更新，状态矩阵也刷新，导致正常运行的储能信息矩阵最终收敛平均值变为更大，其他单元信息矩阵在BESS2对应行的元素变为0，最终结果如表1中所示。由信息矩阵收敛第一列非零元素可知，正常运行的储能单元个数；由第二列非零元素功率累加，再乘以正常运行的储能单元个数，可推出储能系统实时输出总功率Psum；再由第三列主导节点代对应行元素乘以正常运行的储能单元个数，可知调度总功率指令Psum_ref。由此，验证了所提全局信息感知方法的有效性。
储能系统分别基于本发明一致性协调和直接按功率备用分配功率的两种控制策略下，各储能单元边际成本、输出功率以及储能系统总输出功率与调度总功率变化过程如图6所示。可以看出，在所提储能一致性控制策略下，各储能单元边际成本在每个控制周期内将迭代一致，并得出相应输出功率指令值，并严格保证储能系统总输出功率跟踪调度总功率指令，即维持系统功率供需匹配。同时由图7、8可知，储能系统在本发明协调控制策略下，优先让初始SOC状态更佳的储能单元3放电，优化了储能系统各储能单元充放电深度，有利于储能长期运行，降低了储能系统调频总成本，实现储能最优经济运行下的功率分配。
实施例7：如附图9所示，本发明实施例公开了一种储能系统分布式控制策略优化装置，包括：
初始化单元，结合全局信息感知方法初始化各储能单元的状态变量，其中储能单元的各状态变量包括输出功率和边际成本；
迭代更新单元，判断当前迭代次数是否大于设置的最大迭代次数，响应于否，则一致性迭代更新各储能单元的状态变量，并利用全局信息感知方法获取各储能系统的输出总功率和调度总功率，缩放修正各储能单元的状态变量，响应于是，则输出上一次迭代后经调节产生的储能单元功率指令；
第一约束判断单元，判断各储能单元的荷电状态是否全部在阈值范围内，响应于是，则结合输出功率判别条件调节各储能单元的输出功率，响应于否，则越限的储能单元退出运行，且刷新储能系统的拓扑结构，重新初始化；
第二约束判断单元，更新边际成本的局部不平衡功率误差项，判断误差项是否小于收敛精度，响应于是，则迭代更新结束，输出储能单元功率指令，响应于否，则当前迭代次数加一，并继续一致性迭代更新储能单元的状态变量。
实施例8：如附图10所示，本发明实施例公开了一种储能系统分布式控制策略优化装置，其中初始化单元包括：
第一初始化模块：系统初始化，t时刻，储能电站中为主导节点的储能单元j接收上层调度指令Psum_ref(t)后,令其信息矩阵M中
Figure BDA0003889698460000131
并设置最大迭代次数；
第二初始化模块：一致性控制初始化，根据全局信息感知方法，获取各储能单元的全局信息量Psum_ref(t)和储能总功率备用
Figure BDA0003889698460000132
并根据下式分别初始化各储能单元的输出功率和边际成本；
Figure BDA0003889698460000133
Figure BDA0003889698460000134
其中，hj为储能单元j的工作状态，由信息矩阵最终收敛矩阵对应第j行第1列元素是否大于0而分别赋值1或0。
实施例9：如附图11所示，本发明实施例公开了一种储能系统分布式控制策略优化装置，其中迭代更新单元包括：
模型建立模块，建立考虑储能荷电状态运行的储能系统调频成本优化模型，获取储能单元输出功率与边际成本的关系；
迭代终止判断模块，判断当前迭代次数是否大于最大迭代次数，响应于否，则更新模块更新储能单元的状态变量，响应于是，则根据上一次迭代后经调节产生的储能单元输出功率，输出对应的储能单元输出指令；
更新模块，在单个周期内，结合储能单元输出功率与边际成本的关系更新储能单元的状态变量，其中状态变量包括边际成本和输出功率；
修正模块，利用全局信息感知方法获取储能系统的输出总功率和调度总功率，获取二者的比例差异；根据比例差异，缩放修正储能单元的输出功率；引入边际成本误差项，修正储能单元的边际成本。
实施例10：本发明实施例公开了一种存储介质，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行储能系统分布式控制策略优化方法。
上述存储介质可以包括但不限于：U盘、只读存储器、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
实施例11：本发明实施例公开了一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现储能系统分布式控制策略优化方法。
处理器可以是中央处理器CPU，通用处理器，数字信号处理器DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。
存储模块可以是存储器，可以包括但不限于：U盘、只读存储器、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
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。本发明实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
表1 储能系统全局信息感知结果
Figure BDA0003889698460000161

Claims (10)

1.一种储能系统分布式控制策略优化方法，其特征在于，包括：
步骤S101，结合全局信息感知方法初始化各储能单元的状态变量，其中储能单元的各状态变量包括输出功率和边际成本；
步骤S102，判断当前迭代次数是否大于最大迭代次数，响应于否，则一致性迭代更新各储能单元的状态变量，并利用全局信息感知方法获取各储能系统的输出总功率和调度总功率，缩放修正各储能单元的状态变量，执行步骤S103，响应于是，则根据上一次迭代后经步骤S103调节产生的储能单元输出功率，输出对应的储能单元输出指令；
步骤S103，判断各储能单元的荷电状态是否全部在阈值范围内，响应于是，则结合输出功率判别条件调节各储能单元的输出功率，执行步骤S104，响应于否，则越限的储能单元退出运行，且刷新储能系统的拓扑结构，返回步骤S101重新初始化；
步骤S104，更新边际成本的局部不平衡功率误差项，判断误差项是否小于收敛精度，响应于是，则迭代更新结束，输出储能单元功率指令，响应于否，则当前迭代次数加一，并返回步骤S102。
2.根据权利要求1所述的储能系统分布式控制策略优化方法，其特征在于，所述一致性迭代更新储能单元的状态变量，并缩放修正储能单元的状态变量，包括：
建立考虑储能荷电状态运行的储能系统调频成本优化模型，获取储能单元输出功率与边际成本的关系；
结合储能单元输出功率与边际成本的关系更新储能单元的状态变量；
利用全局信息感知方法获取储能系统的输出总功率和调度总功率，获取二者的比例差异；
根据比例差异，缩放修正储能单元的输出功率；
引入边际成本误差项，修正储能单元的边际成本。
3.根据权利要求2所述的储能系统分布式控制策略优化方法，其特征在于，所述建立考虑储能荷电状态运行的储能系统调频成本优化模型，包括：
计及储能荷电状态的调频成本评估包括储能充放电功率运行成本和偏移最佳荷电状态容量成本；
Figure FDA0003889698450000011
其中，SSOC,j为t时刻第j个储能单元的荷电状态，SSOC-ref,j为第j个储能单元期待的SOC，通常为0.5；Sj为第j个储能单元的额定容量；τj为储能单元充放电功率的权重系数，ωj为储能单元荷电状态变化的权重系数，依据各储能单元的功率备用和额定容量分别赋值τj、ωj；
储能单元当前时刻的荷电状态与当前充放电实际功率的关联如下所示：
Figure FDA0003889698450000021
其中，Pj(t)<0，储能单元j充电，
Figure FDA0003889698450000022
为该单元充电效率系数；Pj(t)>0，储能单元j放电，
Figure FDA0003889698450000023
为该单元放电效率系数；T为采样时间间隔；
将式(2)代入式(1)，得到如下所示的储能单元的调频成本函数：
Figure FDA0003889698450000024
其中，aj、bj和cj分别为调频成本函数的二次项、一次项和常数项系数，其具体表达式如下：
Figure FDA0003889698450000025
以储能系统总调频运行成本最小化为目标，结合储能单元功率备用和荷电状态限制的不等式约束以及储能系统供需功率平衡等式约束，建立如下所示的储能系统调频成本优化目标函数：
Figure FDA0003889698450000026
其中，
Figure FDA0003889698450000027
分别为储能单元j功率备用上、下限值，
Figure FDA0003889698450000028
分别为储能单元j荷电状态允许上、下限值。
利用增广拉格朗日法，当各储能单元调频成本函数Cj(t)对功率Pj(t)的偏导，调频边际成本rj一致，该目标函数取得最优解，故建立如下所示的求解模型最优解的最优条件。
Figure FDA0003889698450000029
4.根据权利要求1或2或3所述的储能系统分布式控制策略优化方法，其特征在于，所述判断各储能单元的荷电状态是否全部在阈值范围内，响应于是，则结合输出功率判别条件调节各储能单元的输出功率，响应于否，则全部储能单元退出运行，且刷新储能系统的拓扑结构，重新初始化，包括：
判断各储能单元的荷电状态是否全部在阈值范围内；
响应于是，则设置下式所示的输出功率判别条件，将储能单元的输出功率与输出功率判别条件比较，确定各储能单元的输出功率；
Figure FDA0003889698450000031
其中，
Figure FDA0003889698450000032
分别为储能单元j的荷电状态允许上、下限值；
Figure FDA0003889698450000033
分别为储能单元j的功率备用上、下限值；
响应于否，则越限的储能单元退出运行，且刷新储能系统的拓扑结构，设置最大迭代次数，并结合全局信息感知方法初始化储能单元的状态变量。
5.根据权利要求1至4中任意一项所述的储能系统分布式控制策略优化方法，其特征在于，所述结合全局信息感知方法初始化各储能单元的状态变量，包括：
系统初始化，t时刻，储能电站中为主导节点的储能单元j接收上层调度指令Psum_ref(t)后,令其信息矩阵M中
Figure FDA0003889698450000034
并设置最大迭代次数；
一致性控制初始化，根据全局信息感知方法，获取各储能单元的全局信息量Psum_ref(t)和储能总功率备用
Figure FDA0003889698450000035
并根据下式分别初始化各储能单元的输出功率和边际成本；
Figure FDA0003889698450000036
Figure FDA0003889698450000037
其中，hj为储能单元j的工作状态，由信息矩阵最终收敛矩阵对应第j行第1列元素是否大于0而分别赋值1或0。
6.根据权利要求1至5中任意一项所述的储能系统分布式控制策略优化方法，其特征在于，所述全局信息感知方法的设计方法包括：
构造表示如下的储能单元信息矩阵M：
Figure FDA0003889698450000038
其中，Psum_ref为系统调度总功率指令，Pj为储能单元j输出功率指令；
以1号节点为主导节点，对所有储能单元信息矩阵同一位置元素进行一致性算法迭代，其中一致性算法迭代式如下所示：
Figure FDA0003889698450000041
其中，
Figure FDA0003889698450000042
分别为储能单元信息矩阵M中某一位置元素在第k次、第k+1次迭代后的值；dij为状态转移系数，根据储能系统单元拓扑结构生成，Ni为节点i的邻居节点集合，li和lj分别为节点i与j的邻居个数；
该位置元素将收敛至所有储能单元信息矩阵该位置元素初始值的平均值，最终各储能单元信息矩阵将收敛至同一矩阵：
Figure FDA0003889698450000043
其中，n'为储能系统中正常运行储能单元的个数；由第一列非零元素确定储能系统中正常运行储能单元的对应代号，以及正常运行储能单元个数，结合第二列对应输出功率元素累加，得到储能系统实时输出总功率Psum，由最后一列元素获取主导节点接收的储能系统调度总功率Psum_ref，实现储能系统全局信息的共享与感知。
7.一种储能系统分布式控制策略优化装置，其特征在于，包括：
初始化单元，结合全局信息感知方法初始化各储能单元的状态变量，其中储能单元的各状态变量包括输出功率和边际成本；
迭代更新单元，判断当前迭代次数是否大于设置的最大迭代次数，响应于否，则一致性迭代更新各储能单元的状态变量，并利用全局信息感知方法获取各储能系统的输出总功率和调度总功率，缩放修正各储能单元的状态变量，响应于是，则根据上一次迭代后经调节产生的储能单元输出功率，输出对应的储能单元输出指令；
第一约束判断单元，判断各储能单元的荷电状态是否全部在阈值范围内，响应于是，则结合输出功率判别条件调节各储能单元的输出功率，响应于否，则越限的储能单元退出运行，且刷新储能系统的拓扑结构，重新初始化；
第二约束判断单元，更新边际成本的局部不平衡功率误差项，判断误差项是否小于收敛精度，响应于是，则迭代更新结束，输出储能单元功率指令，响应于否，则当前迭代次数加一，并继续一致性迭代更新储能单元的状态变量。
8.根据权利要求7所述的储能系统分布式控制策略优化装置，其特征在于，所述初始化单元包括：
第一初始化模块：系统初始化，t时刻，储能电站中为主导节点的储能单元j接收上层调度指令Psum_ref(t)后,令其信息矩阵M中
Figure FDA0003889698450000051
并设置最大迭代次数；
第二初始化模块：一致性控制初始化，根据全局信息感知方法，获取各储能单元的全局信息量Psum_ref(t)和储能总功率备用
Figure FDA0003889698450000052
并根据下式分别初始化各储能单元的输出功率和边际成本；
Figure FDA0003889698450000053
Figure FDA0003889698450000054
其中，hj为储能单元j的工作状态，由信息矩阵最终收敛矩阵对应第j行第1列元素是否大于0而分别赋值1或0；
或/和，所述迭代更新单元包括：
模型建立模块，建立考虑储能荷电状态运行的储能系统调频成本优化模型，获取储能单元输出功率与边际成本的关系；
迭代终止判断模块，判断当前迭代次数是否大于最大迭代次数，响应于否，则更新模块更新储能单元的状态变量，响应于是，则根据上一次迭代后经调节产生的储能单元输出功率，输出对应的储能单元输出指令；
更新模块，结合储能单元输出功率与边际成本的关系更新储能单元的状态变量，其中状态变量包括边际成本和输出功率；
修正模块，利用全局信息感知方法获取储能系统的输出总功率和调度总功率，获取二者的比例差异；根据比例差异，缩放修正储能单元的输出功率；引入边际成本误差项，修正储能单元的边际成本。
9.一种存储介质，其特征在于，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行如权利要求1至7任一项所述的储能系统分布式控制策略优化方法。
10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现如权利要求1至7任一项所述的储能系统分布式控制策略优化方法。
CN202211255927.0A 2022-10-13 2022-10-13 储能系统分布式控制策略优化方法及装置 Pending CN115632416A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211255927.0A CN115632416A (zh) 2022-10-13 2022-10-13 储能系统分布式控制策略优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211255927.0A CN115632416A (zh) 2022-10-13 2022-10-13 储能系统分布式控制策略优化方法及装置

Publications (1)

Publication Number Publication Date
CN115632416A true CN115632416A (zh) 2023-01-20

Family

ID=84905631

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211255927.0A Pending CN115632416A (zh) 2022-10-13 2022-10-13 储能系统分布式控制策略优化方法及装置

Country Status (1)

Country Link
CN (1) CN115632416A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115995885A (zh) * 2023-02-10 2023-04-21 深圳库博能源科技有限公司 一种组串式储能系统满载运行自动测试方法
CN117200282A (zh) * 2023-11-07 2023-12-08 坎德拉(深圳)新能源科技有限公司 飞轮储能阵列的控制方法、系统、阵列及存储介质
CN117791662A (zh) * 2024-02-27 2024-03-29 华北电力大学 一种混合储能容量分配方法、系统、电子设备及介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115995885A (zh) * 2023-02-10 2023-04-21 深圳库博能源科技有限公司 一种组串式储能系统满载运行自动测试方法
CN115995885B (zh) * 2023-02-10 2023-10-27 深圳库博能源科技有限公司 一种组串式储能系统满载运行自动测试方法
CN117200282A (zh) * 2023-11-07 2023-12-08 坎德拉(深圳)新能源科技有限公司 飞轮储能阵列的控制方法、系统、阵列及存储介质
CN117200282B (zh) * 2023-11-07 2024-03-19 坎德拉(深圳)新能源科技有限公司 飞轮储能阵列的控制方法、系统、阵列及存储介质
CN117791662A (zh) * 2024-02-27 2024-03-29 华北电力大学 一种混合储能容量分配方法、系统、电子设备及介质
CN117791662B (zh) * 2024-02-27 2024-05-17 华北电力大学 一种混合储能容量分配方法、系统、电子设备及介质

Similar Documents

Publication Publication Date Title
CN115632416A (zh) 储能系统分布式控制策略优化方法及装置
CN105846461B (zh) 一种大规模储能电站自适应动态规划的控制方法和系统
CN105046395B (zh) 一种含多类型新能源的电力系统日内滚动计划编制方法
WO2017000853A1 (zh) 主动配电网多时间尺度协调优化调度方法和存储介质
CN110492531B (zh) 考虑同步旋转惯量水平的电力系统调度运行方法及系统
CN107689638B (zh) 一种基于相轨迹分析的含风电电力系统暂态协调控制方法
CN111900721B (zh) 一种基于风水协同发电模式下的智能电网频率控制方法
CN108448563B (zh) 一种直流微电网分布式协同控制系统及直流微电网
CN108321817B (zh) 一种计及储能的分布式二次调频控制方法
CN113131532B (zh) 一种新能源电站一次调频网络化控制方法
CN113054688B (zh) 考虑不确定性的可再生能源集群出力分布式协调控制方法
CN108494022B (zh) 一种基于微电网中分布式电源的精准调度方法
CN107800153B (zh) 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法
CN109886446B (zh) 基于改进混沌粒子群算法的电力系统动态经济调度方法
CN110137981B (zh) 一种基于一致性算法的分布式储能聚合器agc方法
CN110350589B (zh) 一种可再生能源和储能调度模型及调度方法
CN115528674A (zh) 基于减载运行的海上风电场虚拟惯量最优分配方法及系统
CN115549211A (zh) 一种新能源场站高置信度多时间尺度有功优化调控方法
CN115795992A (zh) 一种基于运行态势虚拟推演的园区能源互联网在线调度方法
CN110943463A (zh) 一种基于深度学习储能电池参与的电网快速调频控制方法
CN113890016A (zh) 数据驱动的配电网多时间尺度电压协调控制方法
Zhang et al. Wind farm level coordination for optimal inertial control with a second-order cone predictive model
CN109617141B (zh) 风电场有功输出平滑控制方法及装置
CN108306301B (zh) 转子角控制模式下适用的潮流计算方法
CN116316644A (zh) 一种新能源场站电压实时平抑方法及计算机可读介质

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