CN116388299B - 一种风光储场站群功率跟踪优化控制方法、系统及设备 - Google Patents

一种风光储场站群功率跟踪优化控制方法、系统及设备 Download PDF

Info

Publication number
CN116388299B
CN116388299B CN202310617610.5A CN202310617610A CN116388299B CN 116388299 B CN116388299 B CN 116388299B CN 202310617610 A CN202310617610 A CN 202310617610A CN 116388299 B CN116388299 B CN 116388299B
Authority
CN
China
Prior art keywords
wind
energy storage
power
storage station
light
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.)
Active
Application number
CN202310617610.5A
Other languages
English (en)
Other versions
CN116388299A (zh
Inventor
刘念
孙浩男
杜鹏
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 CN202310617610.5A priority Critical patent/CN116388299B/zh
Publication of CN116388299A publication Critical patent/CN116388299A/zh
Application granted granted Critical
Publication of CN116388299B publication Critical patent/CN116388299B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J2203/10—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
    • H02J2300/22—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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (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

本发明公开了一种风光储场站群功率跟踪优化控制方法、系统及设备，涉及风光储场站群功率跟踪控制技术领域。该方法包括：构建储能寿命衰减模型，并基于储能寿命衰减模型确定储能寿命衰减成本；构建风光储场站群网络损耗模型；基于当前时刻采集的风光储场站实发功率，通过训练好的风光储场站群网络损耗模型预测当前的风光储场站群网络损耗并进行线性化；构建风光储场站群实时优化调度模型；并通过数学规划求解器对风光储场站群实时优化调度模型进行求解，得到优化后的风光储场站群有功输出功率；基于储能寿命衰减成本和当前的风光储场站群网络损耗调整优化后的风光储场站群有功输出功率。本发明能实现大规模风光储场站群快速、精准的功率跟踪控制。

Description

一种风光储场站群功率跟踪优化控制方法、系统及设备
技术领域
本发明涉及风光储场站群功率跟踪控制技术领域，特别涉及一种风光储场站群功率跟踪优化控制方法、系统及设备。
背景技术
在构建新型电力系统的背景下，新能源迎来爆发式增长，大型集中式风电、光伏基地规划建设如火如荼。然而，常规风、光新能源电站并网友好性较差，其发电出力的随机性、间歇性和波动性为系统调度运行带来巨大挑战。储能是支撑新型电力系统的重要技术和基础装备，要大力推进电源侧储能项目建设，通过储能协同优化运行为电力系统提供容量支撑及一定的调峰能力。风光储场站集群将成为新型电力系统电源侧的典型形态。
功率跟踪是指发电主体通过控制策略使其并网点输出功率外特性跟踪上级调度下发的自动发电控制信号、调频功率指令或者调度人员给定的调节目标等，是发电主体并网的基本要求。风光储系统的功率跟踪一般通过储能系统的充放电去补偿风光输出功率与调度指令之间的偏差，使风光储联合发电输出功率根据发电计划功率稳定输出，最终得到很好的跟踪效果。现有的一些研究主要是通过以风光储调度出力曲线与计划出力曲线的相似度最大和优化末期储能电量最优为目标，在系统和设备的约束下，通过一些智能算法（如粒子群算法）进行求解，对储能的出力进行优化控制，进而实现功率跟踪。
随着大规模风光储场站群接入电网，由于风光的随机性、间歇性和波动性，对于风光储场站群的优化运行控制提出了较大的挑战。传统的优化运行控制手段已难以满足现阶段及未来风光储场站群功率跟踪控制的要求，主要表现在：
1）在功率跟踪控制阶段，储能系统发挥着巨大的作用。然而，此阶段对储能寿命衰减的研究一般比较简单，往往是通过储能的缓充缓放去保证储能较低的寿命损耗，而不会去考虑放电深度、电池健康状态、荷电状态、温度等因素对储能寿命损耗的影响。并且，大规模风光储场站群的储能系统的投资成本极高，为了使调度储能时的寿命损耗降到最低，需要对储能系统在充放电过程中的寿命损耗进行精细化考虑。
2）大规模风光储场站群并网点输出功率由分散在一定地理范围内的风电、光伏、储能子发电单元输出功率汇集聚合而成，其功率传输经长距离电缆、架空线路以及设备、场站等多级变压器会产生一定的功率损耗，且由于发电单元对象多、分布广，此部分功率损耗难以用准确的解析表达式表示，进而影响功率跟踪优化控制的速度和精度。
3）功率跟踪控制的对象较为广泛，从容量来看，主要为小容量的分布式微电网和大规模的“新能源+储能”场站；从电源形式看，主要为风+储能、光+储能、风+光+储能等形式。现有的研究大多针对的是容量较小的一些分布式风光储微电网或者容量较大的单个风光储、光储、风储场站，对于大规模风光储场站群的功率跟踪控制的研究少之又少。
发明内容
为了解决上述问题，本发明提供了一种风光储场站群功率跟踪优化控制方法、系统及设备，以实现大规模风光储场站群快速、精准的功率跟踪控制。
为实现上述目的，本发明提供了如下方案：
一种风光储场站群功率跟踪优化控制方法，包括：
基于储能的放电深度、荷电状态和健康度构建储能寿命衰减模型，并基于所述储能寿命衰减模型确定储能寿命衰减成本；
基于XGBoost构建风光储场站群网络损耗模型，并以风光储场站实发功率为输入，以风光储场站群网络损耗为输出对所述风光储场站群网络损耗模型进行训练；所述风光储场站实发功率包括：风电有功实发功率、风电无功实发功率、光伏有功实发功率、光伏无功实发功率、储能有功实发功率、储能无功实发功率、并网点有功实发功率以及并网点无功实发功率；
基于当前时刻采集的风光储场站实发功率，通过训练好的风光储场站群网络损耗模型预测当前的风光储场站群网络损耗，并计算当前的风光储场站群网络损耗微增率，对所述当前的风光储场站群网络损耗进行线性化；
以实时优化调度总成本最小为优化目标，构建风光储场站群实时优化调度模型；并通过数学规划求解器对所述风光储场站群实时优化调度模型进行求解，得到优化后的风光储场站群有功输出功率；所述风光储场站群实时优化调度模型的约束条件包括：线性化后的当前的风光储场站群网络损耗、功率平衡约束、风光储运行约束、弃风弃光约束、风光爬坡速率约束以及并网点爬坡速率约束；
基于所述储能寿命衰减成本和所述当前的风光储场站群网络损耗调整优化后的风光储场站群有功输出功率。
可选地，所述储能寿命衰减模型的表达式如下：
其中，为第k个风光储场站的储能寿命衰减成本，/>为第k个风光储场站储能的边际退化成本，/>为储能寿命损耗与健康度SOH之间的函数关系，/>为储能寿命损耗与放电深度DOD之间的函数关系，/>为储能寿命损耗与荷电状态SOC之间的函数关系，SOH为健康度，/>为第k个风光储场站储能实时采集的健康度；DOD为放电深度，、/>、/>、/>均为衡量第k个风光储场站储能寿命衰减的经验系数，SOC为荷电状态，为第k个风光储场站储能实时采集的荷电状态，/>为参考荷电状态。
可选地，所述风光储场站群实时优化调度模型的目标函数如下：
其中，C为实时优化调度总成本，为第k个风光储场站储能的弃风弃光的惩罚成本，/>为第k个风光储场站储能的日前/日内调度结果的偏差惩罚成本，M为第k个风光储场站储能的弃电惩罚因子，/>为优化后的第k个风光储场站储能的有功输出功率，/>为调度周期内第k个风光储场站储能的弃风量，/>为调度周期内第k个风光储场站储能的弃光量，/>为第k个风光储场站储能的偏差惩罚因子，/>为第k个风光储场站储能的参考充放电功率。
可选地，所述风光储场站群实时优化调度模型的约束条件如下：
其中，为当前的风光储场站群网络损耗，/>为当前的风光储场站群网络损耗相对于第k个风光储场站风电输出功率的微增率，/>为优化后的第k个风光储场站风电输出功率，/>为当前时刻采集的第k个风光储场站风电实发功率，/>为风光储场站群输出功率的网络损耗，/>为当前的风光储场站群网络损耗相对于第k个风光储场站光伏输出功率的微增率，/>为优化后的第k个风光储场站光伏输出功率，/>为当前时刻采集的第k个风光储场站光伏实发功率，/>为当前的风光储场站群网络损耗相对于第k个风光储场站储能输出功率的微增率，/>为当前时刻采集的第k个风光储场站储能实发功率，/>为实时AGC指令，K为风光储场站的数量，/>为风光储场站群并网点输出功率，/>为第k个风光储场站最大风电输出功率，/>为第k个风光储场站最大光伏输出功率，/>为第k个风光储场站实时采集的风电最大可发功率，/>为第k个风光储场站实时采集的光伏最大可发功率，/>为第k个风光储场站储能的充电功率，/>为第k个风光储场站储能的放电功率，/>为第k个风光储场站储能的充电状态，/>为第k个风光储场站储能的放电状态，/>为第k个风光储场站储能的最大充电功率，/>为第k个风光储场站储能的最大放电功率，/>为第k个风光储场站储能的额定容量，/>为第k个风光储场站储能的当前容量，/>为调度周期，/>为第k个风光储场站储能的SOC下限，为第k个风光储场站储能的SOC上限，/>为当前时刻采集的第k个风光储场站储能的SOC，/>为第k个风光储场站储能的充电效率，/>为第k个风光储场站储能的放电效率，为第k个风光储场站风电的上爬坡功率限值，/>为第k个风光储场站风电的下爬坡功率限值，/>为第k个风光储场站光伏的上爬坡功率限值，/>为第k个风光储场站光伏的下爬坡功率限值，/>为风光储场站群并网点的上爬坡功率限值，/>为风光储场站群并网点的下爬坡功率限值，/>为风光储场站群并网点的实发功率。
可选地，基于所述储能寿命衰减成本和所述当前的风光储场站群网络损耗调整优化后的风光储场站群有功输出功率，具体包括：
基于所述储能寿命衰减成本和所述当前的风光储场站群网络损耗，确定网损修正的等寿命退化微增率；
按照所述网损修正的等寿命退化微增率最小的原则进行功率偏差的分配，对优化后的风光储场站群有功输出功率的偏差进行动态控制。
可选地，所述网损修正的等寿命退化微增率的表达式如下：
其中，表示第k个风光储场站储能的寿命退化微增率，为网损修正因子，/>为各场站储能一致的网损修正的寿命退化微增率，/>为第k个风光储场站储能的网损修正的寿命退化微增率，/>表示风光储场站群功率跟踪偏差中由储能系统承担的部分，/>表示第k个风光储场站储能输出功率的调整量。
本发明还提供了一种风光储场站群功率跟踪优化控制系统，包括：
储能寿命衰减模型构建模块，用于基于储能的放电深度、荷电状态和健康度构建储能寿命衰减模型，并基于所述储能寿命衰减模型确定储能寿命衰减成本；
风光储场站群网络损耗模型构建模块，用于基于XGBoost构建风光储场站群网络损耗模型，并以风光储场站实发功率为输入，以风光储场站群网络损耗为输出对所述风光储场站群网络损耗模型进行训练；所述风光储场站实发功率包括：风电有功实发功率、风电无功实发功率、光伏有功实发功率、光伏无功实发功率、储能有功实发功率、储能无功实发功率、并网点有功实发功率以及并网点无功实发功率；
预测模块，用于基于当前时刻采集的风光储场站实发功率，通过训练好的风光储场站群网络损耗模型预测当前的风光储场站群网络损耗；
功率跟踪实时优化调度模块，用于以实时优化调度总成本最小为优化目标，构建风光储场站群实时优化调度模型；并通过数学规划求解器对所述风光储场站群实时优化调度模型进行求解，得到优化后的风光储场站群有功输出功率；所述风光储场站群实时优化调度模型的约束条件包括：线性化后的当前的风光储场站群网络损耗、功率平衡约束、风光储运行约束、弃风弃光约束、风光爬坡速率约束以及并网点爬坡速率约束；
调整模块，用于基于所述储能寿命衰减成本和所述当前的风光储场站群网络损耗调整优化后的风光储场站群有功输出功率。
本发明还提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的风光储场站群功率跟踪优化控制方法。
本发明还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的风光储场站群功率跟踪优化控制方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明首先，综合计及放电深度（Depth of discharge，DOD）、荷电状态（State ofcharge，SOC）、健康度（State of health，SOH）对储能寿命损耗的影响，建立精细化的储能寿命衰减模型；其次，基于XGBoost和风光储场站群的历史运行数据，构建了数据驱动的风光储场站群网络损耗模型，得到各场站风光储发电功率与网络损耗的映射关系；然后，进行考虑储能寿命衰减成本与风光储场站群网络损耗的风光储场站群的实时优化调度，得到优化后的风光储场站群有功输出功率；最后，基于储能寿命衰减成本和当前的风光储场站群网络损耗调整优化后的风光储场站群有功输出功率，实现大规模风光储场站群快速、精准的功率跟踪控制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的风光储场站群功率跟踪优化控制方法的流程图；
图2为本发明实施例一提供的风光储场站群功率跟踪优化控制方法的技术框架图；
图3为本发明实施例一提供的基于XGBoost构建的风光储场站群网络损耗模型示意图；
图4为本发明实施例一提供的风光储场站群实时优化调度模型示意图；
图5为本发明实施例一提供的风光储场站群功率跟踪偏差控制策略框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种风光储场站群功率跟踪优化控制方法、系统及设备，以实现大规模风光储场站群快速、精准的功率跟踪控制。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
本发明实施例一提供了一种风光储场站群功率跟踪优化控制方法，如图1-图2所示，该方法包括：
S1：基于储能的放电深度、荷电状态和健康度构建储能寿命衰减模型，并基于所述储能寿命衰减模型确定储能寿命衰减成本。
储能系统的寿命C和很多因素有关，其中DOD、SOC、SOH对储能寿命C的影响如下：
(1)一般而言，DOD对储能寿命C的影响是非线性的，且更高的循环DOD会导致储能电池更严重的寿命C，其对储能寿命衰减的影响如下：
（1）
式中，为储能寿命损耗与放电深度DOD之间的函数关系，/>为衡量第k个风光储场站储能寿命衰减的经验系数。
(2)高SOC水平下储能寿命衰减速率较高，低SOC水平下储能寿命衰减速率较低，储能寿命衰减速率与SOC水平符合塔菲尔关系，如下所示：
（2）
式中，为储能寿命损耗与荷电状态SOC之间的函数关系，/>为第k个风光储场站储能实时采集的SOC，/>为参考SOC水平，/>为衡量第k个风光储场站储能寿命衰减的经验系数。
(3)充放电循环早期的寿命衰减速率明显高于后期，储能电池的寿命衰减被认为与电池剩余活性锂离子的数量（可以用SOH数值描述）成正比，其对储能寿命衰减的影响如下：
（3）
式中，为储能寿命损耗与健康度SOH之间的函数关系，/>为第k个风光储场站储能实时采集的SOH。
综上，同时计及DOD、SOC和SOH对储能寿命衰减的影响，则储能寿命衰减成本可以表示为
（4）
式中，为第k个风光储场站储能的边际退化成本。
S2：基于XGBoost构建风光储场站群网络损耗模型，并以风光储场站实发功率为输入，以风光储场站群网络损耗为输出对所述风光储场站群网络损耗模型进行训练；所述风光储场站实发功率包括：风电有功实发功率、风电无功实发功率、光伏有功实发功率、光伏无功实发功率、储能有功实发功率、储能无功实发功率、并网点有功实发功率以及并网点无功实发功率。
XGBoost，即极度梯度提升，是可扩展的分布式梯度提升决策树机器学习库，支持回归、分类和排序等多种任务，通过并行计算、近似建树、对稀疏数据的有效处理以及内存使用优化等方法力争将算法的速度和效率发挥到极致。
S3：基于当前时刻采集的风光储场站实发功率，通过训练好的风光储场站群网络损耗模型预测当前的风光储场站群网络损耗，并计算当前的风光储场站群网络损耗微增率，对所述当前的风光储场站群网络损耗进行线性化。
基于XGBoost去训练学习，首先需要给定场站群历史实测数据集，包含D个输入输出数据样本对/>，其中，输入样本xd的输入向量/>，包括第k个风光储场站风电、光伏、储能及并网点的有功实发功率和无功实发功率，共8K维，K为风光储场站的数量；输出向量/>，为风光储场站群网络损耗，即风光储场站群并网点有功输出功率与各场站风光储发出有功功率之和的差值。含N个回归树的XGBoost模型结构如图3所示，可以表示如下：
（5）
式中，是XGBoost模型结构的预测输出（即输出向量/>），/>是回归树的集合空间，/>为第k棵回归树，/>表示回归树i关于样本d输入的预测值。
XGBoost模型采用增量训练的方式进行训练，即每一次在保留原有模型的基础上，添加一棵新树到XGBoost模型中去拟合上次预测的残差。XGBoost模型训练完成后，即可通过各风光储场站群的风光储发电功率直接估计出风光储场站群的网络损耗，并可根据式(6)计算出系统当前运行状态下的网损微增率：
（6）
式中，为基于XGBoost的风光储场站群网络损耗模型，/>为各场站风光储发电功率的实测值，/>为发电功率增量，可取为1MW。
并基于网损微增率线性化光储场站群网络损耗的表达式，如式(7)所示：
（7）
式中，为当前的风光储场站群网络损耗，/>、/>、/>、/>分别为当前的风光储场站群网络损耗和第k个风光储场站风电、光伏、储能的实发功率；/>、/>、分别为第k个风光储场站的风电、光伏、储能经优化调度后的输出功率；/>,, />分别为当前的风光储场站群网络损耗相对于第k个风光储场站风电、光伏、储能输出功率的微增率。
S4：以实时优化调度总成本最小为优化目标，构建风光储场站群实时优化调度模型；并通过数学规划求解器对所述风光储场站群实时优化调度模型进行求解，得到优化后的风光储场站群有功输出功率。所述风光储场站群实时优化调度模型的约束条件包括：线性化后的当前的风光储场站群网络损耗（即公式（7））、功率平衡约束、风光储运行约束、弃风弃光约束、风光爬坡速率约束以及并网点爬坡速率约束。
如图4所示，对风光储场站群进行在线优化调度时，以储能寿命衰减、弃风弃光惩罚、储能实时出力与上一时间尺度（日前或日内）出力偏差（即储能实时与日前/内）偏差三者之和最小为优化目标，以功率平衡约束、风光储运行约束、弃风弃光约束等为约束条件，构建考虑储能寿命衰减与光储场站群网络损耗的风光储场站群实时优化调度模型，利用数学规划求解器SCIP进行求解，得到各个风光储场站的风电、光伏、储能及并网点的有功输出功率。
实时优化调度的目标函数和约束条件如下所示：
1.目标函数
风光储场站群功率跟踪的在线优化目标是最小化储能的寿命衰减与弃风、弃光量。同时，考虑到储能的时段耦合特性，尽量减小实时在线优化调度结果与上一时间尺度（日前或者日内）调度结果的偏差，即：
（8）
（9）
（10）
式中，为实时优化调度总成本，分别为第k个风光储场站储能寿命 衰减成本、弃风弃光的惩罚成本以及上一时间尺度（日前或者日内）调度结果的偏差惩罚成 本；、M、分别为第k个风光储场站储能的边际退化成本、弃电惩罚因子和偏差惩罚因子；、、为风光储场站群在线优化调度的决策变量，分别表示调度周期内第k个 风光储场站储能的有功输出功率（即优化后的第k个风光储场站储能的有功输出功率）、弃 风量和弃光量；为第k个风光储场站储能的参考充放电功率，即日前或者日内阶段储能 k在该时段的调度结果；、分别为第k个风光储场站储能实时采集的SOH和SOC；、、、βk为衡量第k个风光储场站储能寿命衰减的经验系数；为参考SOC水 平；为第k个风光储场站储能的放电深度，考虑其在调度周期内的能量吞吐量，放电 深度可简化表示为：
（11）
式中，、分别为第k个风光储场站储能的充电功率和放电功率，为第k 个风光储场站储能的额定容量，为调度周期，这里取5min。
2.约束条件
（12）
（13）
（14）
（15）
（16）
（17）
（18）
（19）
（20）
（21）
（22）
（23）
（24）
（25）
约束条件还包括公式（7）：线性化后的当前的风光储场站群网络损耗。
式中，为当前的风光储场站群网络损耗，/>为当前的风光储场站群网络损耗相对于第k个风光储场站风电输出功率的微增率，/>为优化后的第k个风光储场站风电输出功率，/>为当前时刻采集的第k个风光储场站风电实发功率，/>为风光储场站群输出功率的网络损耗，/>为当前的风光储场站群网络损耗相对于第k个风光储场站光伏输出功率的微增率，/>为优化后的第k个风光储场站光伏输出功率，/>为当前时刻采集的第k个风光储场站光伏实发功率，/>为当前的风光储场站群网络损耗相对于第k个风光储场站储能输出功率的微增率，/>为当前时刻采集的第k个风光储场站储能实发功率，/>为实时AGC指令，K为风光储场站的数量，/>为风光储场站群并网点输出功率，/>为第k个风光储场站最大风电输出功率，/>为第k个风光储场站最大光伏输出功率，/>为第k个风光储场站实时采集的风电最大可发功率，/>为第k个风光储场站实时采集的光伏最大可发功率，/>为第k个风光储场站储能的充电功率，/>为第k个风光储场站储能的放电功率，/>为第k个风光储场站储能的充电状态，/>为第k个风光储场站储能的放电状态，/>为第k个风光储场站储能的最大充电功率，/>为第k个风光储场站储能的最大放电功率，/>为第k个风光储场站储能的额定容量，/>为第k个风光储场站储能的当前容量，/>为调度周期，这里取5min，/>为第k个风光储场站储能的SOC下限，/>为第k个风光储场站储能的SOC上限，/>为当前时刻采集的第k个风光储场站储能的SOC，/>为第k个风光储场站储能的充电效率，/>为第k个风光储场站储能的放电效率，/>为第k个风光储场站风电的上爬坡功率限值，/>为第k个风光储场站风电的下爬坡功率限值，/>为第k个风光储场站光伏的上爬坡功率限值，/>为第k个风光储场站光伏的下爬坡功率限值，/>为风光储场站群并网点的上爬坡功率限值，/>为风光储场站群并网点的下爬坡功率限值，/>为风光储场站群并网点的实发功率。/>、、/>和/>的数值取决于风电场和光伏电站的调节速率；/>和/>的数值一般由电网调度AGC主站直接下发。
约束(12)为功率平衡约束，即风光储场站群的总出力满足电网调度AGC主站下发的实时AGC指令；约束(13)~(15)分别为第k个风光储场站风、光、储输出功率的表达式；约束(16)~(17)分别为第k个风光储场站弃风、弃光量约束；约束(18)~(22)为第k个风光储场站储能的运行约束，包括储能充放电状态约束、最大充放电功率约束、容量约束以及表征储能系统容量与充放电功率关系的时段耦合约束；约束(22)~(24)分别为第k个风光储场站风电和光伏的爬坡速率约束，约束(25)为风光储场站群并网点的爬坡速率约束。
S5：基于所述储能寿命衰减成本和所述当前的风光储场站群网络损耗调整优化后的风光储场站群有功输出功率。
考虑储能的寿命衰减与网络损耗，定义网损修正的等寿命退化微增率，如式(28）所示：
（26）
式中，表示第k个风光储场站储能的寿命退化微增率；为网损修正因子；/>为各场站储能一致的网损修正的寿命退化微增率，/>为网损修正的寿命退化微增率；/>表示风光储场站群功率跟踪偏差中由储能系统承担的部分；/>表示第k个风光储场站储能输出功率的调整量。
并按照网损修正的等寿命退化微增率最小的原则进行功率偏差的分配。如图5所示，同时，提出风光储场站群实时功率偏差的动态控制策略，可分为场站群有功输出功率参考值计算、修正量计算、修正量优化分配和闭环反馈校正四个步骤，如下所示：
（1）风光储场站群有功输出功率参考值计算。调度AGC指令更新后，结合风光储场站群的当前运行状态，基于在线优化调度模型输出各场站风、光、储的最优参考运行点，即最优的风、光、储的有功输出功率。
（2）风光储场站群有功输出功率修正量计算。实时计算调度AGC指令与风光储场站群并网点有功输出功率量测值的偏差（图5中，ΔPmax为最大偏差，ΔPmin为最小偏差），经过低通滤波环节与PI控制环节/>后得到风光储场站群有功输出功率的修正量；其中，s为拉普拉斯变量；Td为惯性时间常数，Kp和KI分别为PI控制环节中的比例系数和积分系数。其中，低通滤波环节用以屏蔽微小的高频波动信号，PI控制环节用以实现闭环偏差控制并限制修正量的大小；
（3）风光储场站群有功输出功率修正量的优化分配。风光储场站群中央协调控制器结合各场站风、光、储的运行状态和参考运行点，向各场站协调控制器、风电能管平台、光伏数采以及储能EMS下发功率指令或参考值以修正场站群功率输出偏差。当修正量为正，即风光储场站群有功输出功率需要上调时，各场站风、光恢复到最大可发功率，各风光储场站储能基于网损修正的等寿命退化微增率的原则实时分配功率修正量；当修正量为负，即风光储场站群有功输出功率需要下调时，各风光储场站风、光维持最大可发功率，各风光储场站储能基于网损修正的等寿命退化微增率的原则实时分配功率修正量，若储能功率下调裕度不足，即达到最大充电功率或SOC达到上限，则按照各风光储场站风、光实发比例削减风、光的有功输出功率；
（4）风光储场站群有功输出功率闭环反馈校正。各风光储场站风、光、储单元实时响应功率指令，闭环反馈校正调度AGC指令与场站群并网点有功输出功率量测值的偏差，最终实现风光储场站群功率跟踪优化控制功能。
实施例二
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供了一种风光储场站群功率跟踪优化控制系统。
该系统包括：
储能寿命衰减模型构建模块，用于基于储能的放电深度、荷电状态和健康度构建储能寿命衰减模型，并基于所述储能寿命衰减模型确定储能寿命衰减成本；
风光储场站群网络损耗模型构建模块，用于基于XGBoost构建风光储场站群网络损耗模型，并以风光储场站实发功率为输入，以风光储场站群网络损耗为输出对所述风光储场站群网络损耗模型进行训练；所述风光储场站实发功率包括：风电有功实发功率、风电无功实发功率、光伏有功实发功率、光伏无功实发功率、储能有功实发功率、储能无功实发功率、并网点有功实发功率以及并网点无功实发功率；
预测模块，用于基于当前时刻采集的风光储场站实发功率，通过训练好的风光储场站群网络损耗模型预测当前的风光储场站群网络损耗；
功率跟踪实时优化调度模块，用于以实时优化调度总成本最小为优化目标，构建风光储场站群实时优化调度模型；并通过数学规划求解器对所述风光储场站群实时优化调度模型进行求解，得到优化后的风光储场站群有功输出功率；所述风光储场站群实时优化调度模型的约束条件包括：线性化后的当前的风光储场站群网络损耗、功率平衡约束、风光储运行约束、弃风弃光约束、风光爬坡速率约束以及并网点爬坡速率约束；
调整模块，用于基于所述储能寿命衰减成本和所述当前的风光储场站群网络损耗调整优化后的风光储场站群有功输出功率。
实施例三
本发明实施例三提供了一种电子设备，包括存储器及处理器，该存储器用于存储计算机程序，该处理器运行计算机程序以使电子设备执行实施例一的风光储场站群功率跟踪优化控制方法
上述电子设备可以是服务器。
实施例四
本发明实施例四提供了一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的风光储场站群功率跟踪优化控制方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种风光储场站群功率跟踪优化控制方法，其特征在于，包括：
基于储能的放电深度、荷电状态和健康度构建储能寿命衰减模型，并基于所述储能寿命衰减模型确定储能寿命衰减成本；
基于XGBoost构建风光储场站群网络损耗模型，并以风光储场站实发功率为输入，以风光储场站群网络损耗为输出对所述风光储场站群网络损耗模型进行训练；所述风光储场站实发功率包括：风电有功实发功率、风电无功实发功率、光伏有功实发功率、光伏无功实发功率、储能有功实发功率、储能无功实发功率、并网点有功实发功率以及并网点无功实发功率；
基于当前时刻采集的风光储场站实发功率，通过训练好的风光储场站群网络损耗模型预测当前的风光储场站群网络损耗，并计算当前的风光储场站群网络损耗微增率，对所述当前的风光储场站群网络损耗进行线性化；
以实时优化调度总成本最小为优化目标，构建风光储场站群实时优化调度模型；并通过数学规划求解器对所述风光储场站群实时优化调度模型进行求解，得到优化后的风光储场站群有功输出功率；所述风光储场站群实时优化调度模型的约束条件包括：线性化后的当前的风光储场站群网络损耗、功率平衡约束、风光储运行约束、弃风弃光约束、风光爬坡速率约束以及并网点爬坡速率约束；
基于所述储能寿命衰减成本和所述当前的风光储场站群网络损耗调整优化后的风光储场站群有功输出功率。
2.根据权利要求1所述的风光储场站群功率跟踪优化控制方法，其特征在于，所述储能寿命衰减模型的表达式如下：
其中，为第k个风光储场站的储能寿命衰减成本，/>为第k个风光储场站储能的边际退化成本，/>为储能寿命损耗与健康度SOH之间的函数关系，/>为储能寿命损耗与放电深度DOD之间的函数关系，/>为储能寿命损耗与荷电状态SOC之间的函数关系，SOH为健康度，/>为第k个风光储场站储能实时采集的健康度；DOD为放电深度，/>、、/>、/>均为衡量第k个风光储场站储能寿命衰减的经验系数，SOC为荷电状态，/>为第k个风光储场站储能实时采集的荷电状态，/>为参考荷电状态。
3.根据权利要求2所述的风光储场站群功率跟踪优化控制方法，其特征在于，所述风光储场站群实时优化调度模型的目标函数如下：
其中，C为实时优化调度总成本，为第k个风光储场站储能的弃风弃光的惩罚成本，为第k个风光储场站储能的日前/日内调度结果的偏差惩罚成本，M为第k个风光储场站储能的弃电惩罚因子，/>为优化后的第k个风光储场站储能的有功输出功率，/>为调度周期内第k个风光储场站储能的弃风量，/>为调度周期内第k个风光储场站储能的弃光量，/>为第k个风光储场站储能的偏差惩罚因子，/>为第k个风光储场站储能的参考充放电功率。
4.根据权利要求3所述的风光储场站群功率跟踪优化控制方法，其特征在于，所述风光储场站群实时优化调度模型的约束条件如下：
其中，为当前的风光储场站群网络损耗，/>为当前的风光储场站群网络损耗相对于第k个风光储场站风电输出功率的微增率，/>为优化后的第k个风光储场站风电输出功率，/>为当前时刻采集的第k个风光储场站风电实发功率，/>为风光储场站群输出功率的网络损耗，/>为当前的风光储场站群网络损耗相对于第k个风光储场站光伏输出功率的微增率，/>为优化后的第k个风光储场站光伏输出功率，/>为当前时刻采集的第k个风光储场站光伏实发功率，/>为当前的风光储场站群网络损耗相对于第k个风光储场站储能输出功率的微增率，/>为当前时刻采集的第k个风光储场站储能实发功率，/>为实时AGC指令，K为风光储场站的数量，/>为风光储场站群并网点输出功率，/>为第k个风光储场站最大风电输出功率，/>为第k个风光储场站最大光伏输出功率，/>为第k个风光储场站实时采集的风电最大可发功率，/>为第k个风光储场站实时采集的光伏最大可发功率，/>为第k个风光储场站储能的充电功率，/>为第k个风光储场站储能的放电功率，/>为第k个风光储场站储能的充电状态，/>为第k个风光储场站储能的放电状态，/>为第k个风光储场站储能的最大充电功率，/>为第k个风光储场站储能的最大放电功率，/>为第k个风光储场站储能的额定容量，/>为第k个风光储场站储能的当前容量，/>为调度周期，/>为第k个风光储场站储能的SOC下限，为第k个风光储场站储能的SOC上限，/>为当前时刻采集的第k个风光储场站储能的SOC，/>为第k个风光储场站储能的充电效率，/>为第k个风光储场站储能的放电效率，为第k个风光储场站风电的上爬坡功率限值，/>为第k个风光储场站风电的下爬坡功率限值，/>为第k个风光储场站光伏的上爬坡功率限值，/>为第k个风光储场站光伏的下爬坡功率限值，/>为风光储场站群并网点的上爬坡功率限值，/>为风光储场站群并网点的下爬坡功率限值，/>为风光储场站群并网点的实发功率。
5.根据权利要求4所述的风光储场站群功率跟踪优化控制方法，其特征在于，基于所述储能寿命衰减成本和所述当前的风光储场站群网络损耗调整优化后的风光储场站群有功输出功率，具体包括：
基于所述储能寿命衰减成本和所述当前的风光储场站群网络损耗，确定网损修正的等寿命退化微增率；
按照所述网损修正的等寿命退化微增率最小的原则进行功率偏差的分配，对优化后的风光储场站群有功输出功率的偏差进行动态控制。
6.根据权利要求5所述的风光储场站群功率跟踪优化控制方法，其特征在于，所述网损修正的等寿命退化微增率的表达式如下：
其中，表示第k个风光储场站储能的寿命退化微增率，/>为网损修正因子，/>为各场站储能一致的网损修正的寿命退化微增率，/>为第k个风光储场站储能的网损修正的寿命退化微增率，/>表示风光储场站群功率跟踪偏差中由储能系统承担的部分，/>表示第k个风光储场站储能输出功率的调整量。
7.一种风光储场站群功率跟踪优化控制系统，其特征在于，包括：
储能寿命衰减模型构建模块，用于基于储能的放电深度、荷电状态和健康度构建储能寿命衰减模型，并基于所述储能寿命衰减模型确定储能寿命衰减成本；
风光储场站群网络损耗模型构建模块，用于基于XGBoost构建风光储场站群网络损耗模型，并以风光储场站实发功率为输入，以风光储场站群网络损耗为输出对所述风光储场站群网络损耗模型进行训练；所述风光储场站实发功率包括：风电有功实发功率、风电无功实发功率、光伏有功实发功率、光伏无功实发功率、储能有功实发功率、储能无功实发功率、并网点有功实发功率以及并网点无功实发功率；
预测模块，用于基于当前时刻采集的风光储场站实发功率，通过训练好的风光储场站群网络损耗模型预测当前的风光储场站群网络损耗；
功率跟踪实时优化调度模块，用于以实时优化调度总成本最小为优化目标，构建风光储场站群实时优化调度模型；并通过数学规划求解器对所述风光储场站群实时优化调度模型进行求解，得到优化后的风光储场站群有功输出功率；所述风光储场站群实时优化调度模型的约束条件包括：线性化后的当前的风光储场站群网络损耗、功率平衡约束、风光储运行约束、弃风弃光约束、风光爬坡速率约束以及并网点爬坡速率约束；
调整模块，用于基于所述储能寿命衰减成本和所述当前的风光储场站群网络损耗调整优化后的风光储场站群有功输出功率。
8.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1-6中任一项所述的风光储场站群功率跟踪优化控制方法。
9.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的风光储场站群功率跟踪优化控制方法。
CN202310617610.5A 2023-05-30 2023-05-30 一种风光储场站群功率跟踪优化控制方法、系统及设备 Active CN116388299B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310617610.5A CN116388299B (zh) 2023-05-30 2023-05-30 一种风光储场站群功率跟踪优化控制方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310617610.5A CN116388299B (zh) 2023-05-30 2023-05-30 一种风光储场站群功率跟踪优化控制方法、系统及设备

Publications (2)

Publication Number Publication Date
CN116388299A CN116388299A (zh) 2023-07-04
CN116388299B true CN116388299B (zh) 2023-08-01

Family

ID=86969743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310617610.5A Active CN116388299B (zh) 2023-05-30 2023-05-30 一种风光储场站群功率跟踪优化控制方法、系统及设备

Country Status (1)

Country Link
CN (1) CN116388299B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107294122A (zh) * 2017-04-17 2017-10-24 国网浙江省电力公司电力科学研究院 一种混合储能系统分层动态控制方法
CN110266031A (zh) * 2019-07-03 2019-09-20 北京国能驭新科技有限公司 发电侧储能并网充放电量控制方法、装置、服务器及存储介质
CN113962446A (zh) * 2021-10-08 2022-01-21 国网安徽省电力有限公司电力科学研究院 一种微电网群协同调度方法、装置、电子设备和存储介质
CN115189406A (zh) * 2022-08-04 2022-10-14 中国长江三峡集团有限公司 一种风光储场站能量协同随机优化调控方法及系统
CN115549216A (zh) * 2022-08-31 2022-12-30 中国长江三峡集团有限公司 一种风光储场站有功-无功协调控制方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112072655B (zh) * 2020-09-10 2022-05-27 天津大学 一种并网风储发电系统混合储能优化配置方法
EP3993212A1 (en) * 2020-10-30 2022-05-04 ABB Schweiz AG Machine learning -based method for increasing lifetime of a battery energy storage system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107294122A (zh) * 2017-04-17 2017-10-24 国网浙江省电力公司电力科学研究院 一种混合储能系统分层动态控制方法
CN110266031A (zh) * 2019-07-03 2019-09-20 北京国能驭新科技有限公司 发电侧储能并网充放电量控制方法、装置、服务器及存储介质
CN113962446A (zh) * 2021-10-08 2022-01-21 国网安徽省电力有限公司电力科学研究院 一种微电网群协同调度方法、装置、电子设备和存储介质
CN115189406A (zh) * 2022-08-04 2022-10-14 中国长江三峡集团有限公司 一种风光储场站能量协同随机优化调控方法及系统
CN115549216A (zh) * 2022-08-31 2022-12-30 中国长江三峡集团有限公司 一种风光储场站有功-无功协调控制方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
含风光柴蓄的海岛独立微电网多目标优化调度方法;路欣怡 等;《现代电力》;第31卷(第5期);全文 *
基于mRMR-XGboost-IDM模型的两阶段可调鲁棒经济调度;滕家琛 等;《电力建设》;第43卷(第9期);全文 *

Also Published As

Publication number Publication date
CN116388299A (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
US9660450B2 (en) Monitoring system and method for megawatt level battery energy storage power plant
CN105162149B (zh) 基于模糊自适应调节的光储系统跟踪发电计划出力方法
CN112186811B (zh) 一种基于深度强化学习的agc机组动态优化方法
CN106786807A (zh) 一种基于模型预测控制的风电场有功功率控制方法
CN104993522A (zh) 一种基于mpc的主动配电网多时间尺度协调优化调度方法
AU2018101070A4 (en) Automatic voltage control method, device and system for wind farm
CN109345019A (zh) 一种基于改进粒子群算法的微电网经济调度优化策略
CN106887858B (zh) 一种接入新能源发电的储能系统跟踪计划出力方法及装置
CN108736509A (zh) 一种主动配电网多源协调优化控制方法及系统
CN113346555B (zh) 一种考虑电量协调的日内滚动调度方法
CN108462212B (zh) 一种新能源电力系统在多源多调控域运行方式下控制方法
CN109256810A (zh) 考虑风机出力不确定成本的多目标优化方法
CN108376990B (zh) 一种储能电站的控制方法及系统
CN105896575B (zh) 基于自适应动态规划的百兆瓦储能功率控制方法及系统
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
CN116231765B (zh) 一种虚拟电厂出力控制方法
CN114884049A (zh) 一种柔性直流配电网优化运行控制方法
CN117767349A (zh) 风光储新能源电站的优化调度与协调控制方法及系统
CN114336592A (zh) 一种基于模型预测控制的风电场agc控制方法
CN110932257A (zh) 一种微电网能量调度方法
CN117175632B (zh) 一种提高风光资源利用率和功率预测准确率的方法和装置
CN114069726A (zh) 考虑经济性与安全性的风电场功率协调控制方法和系统
CN109672216A (zh) 一种基于多因子的主动配电网分层控制方法及系统
CN116388299B (zh) 一种风光储场站群功率跟踪优化控制方法、系统及设备
CN108718093B (zh) 一种高载能负荷参与风电消纳的有功-无功协调控制方法

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
GR01 Patent grant
GR01 Patent grant