CN116780588A - 控制具有高动态负载的电力系统的电池储能系统的方法 - Google Patents
控制具有高动态负载的电力系统的电池储能系统的方法 Download PDFInfo
- Publication number
- CN116780588A CN116780588A CN202310261748.6A CN202310261748A CN116780588A CN 116780588 A CN116780588 A CN 116780588A CN 202310261748 A CN202310261748 A CN 202310261748A CN 116780588 A CN116780588 A CN 116780588A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage system
- active power
- battery energy
- load
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000003068 static effect Effects 0.000 claims abstract description 24
- 230000008878 coupling Effects 0.000 claims abstract description 13
- 238000010168 coupling process Methods 0.000 claims abstract description 13
- 238000005859 coupling reaction Methods 0.000 claims abstract description 13
- 238000010248 power generation Methods 0.000 claims description 42
- 238000007599 discharging Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 239000002028 Biomass Substances 0.000 description 19
- 238000005457 optimization Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/66—Data transfer between charging stations and vehicles
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00004—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the power network being locally controlled
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/38—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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
-
- 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
- H02J2207/00—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J2207/20—Charging or discharging characterised by the power electronics converter
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/10—Flexible AC transmission systems [FACTS]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种控制具有高动态负载的电力系统的电池储能系统的方法。所述电力系统包括至少一个可再生有功电源PR、电池储能系统BESS、至少一个静态负载PLoad和至少一个高动态负载PH.LOAD。该系统在公共耦合点中的有功功率需求处于准恒定水平。控制电池储能BESS系统的所述方法包括以下步骤:●从外部电网PGRID采集恒定有功功率极限并且采集有功功率分布的历史数据;●预测第+1天的以下有功功率分布;●计算电池储能系统BESS所需的有功功率;●设置电池储能系统BESS的充电状态SoC的每日峰值和最小充电状态SoC;●验证所设置的充电状态SoC的每日峰值和最小充电状态SoC是否确保通过电池储能系统BESS的全天的充电状态SoC的瞬时值在20%至80%的范围内。
Description
技术领域
本发明涉及一种控制具有高动态负载的电力系统的电池储能系统的方法。该方法适合于包含能源的配电网和微电网,包括可再生能源以及动态和静态负载以及电池储能系统。在这种电网中,电池储能系统被指定为支持电力系统的能量分配或能量流。
背景技术
在现有技术中,已知有包含传统和可再生能源的配电网。在这种配电网中,储能系统的使用变得越来越频繁。配电网中的功率需求必须覆盖静态负载和动态负载,因此,在现实中短期内需要高功率值的负载。电动汽车充电器、加热设备、通风设备和冷却或空调设备是在相对较短的时间段内以高峰值功率操作的高动态负载的示例,如今这在电网中尤其常见。
US9954368B2公开了一种用于管理电池储能系统的电池储能系统管理设备和方法。在本公开中,配电系统被配备有电池储能系统。通过将风能转换为电能的光伏器件或涡轮机来供电。此外,系统被配备有不间断电力供应。通常,电池储能系统被用于灵活地供电。当配电系统中需要电力时,它正在对充电的电力放电。详细地,当系统过载或系统对电力有高需求时,电池储能系统对储存的电能进行放电。当配电系统中的负载不满足仅通过太阳能或风能供应的电能时,电池储能系统被使用。而当配电系统负载较轻时,电池储能系统从发电设备或从系统接收电力并且充电。电池储能系统包括并联连接的多个电池架。电池架包括串联连接的多个模块,并且多个模块中的每个模块包括串联连接的多个单元。用于管理的系统具有测量单元,该测量单元被配置为测量电池储能系统中的多个串联连接的模块或单元的充电状态。充电状态的测量可以包括电压或电流的测量。还存在电力供应单元,它被配置为基于多个模块或单元的充电状态向多个模块中的一个模块或多个单元中的一个单元供电。在充电状态的测量中,确定多个模块中的每个模块中所包括的多个模块或多个单元是否在参考范围内。可以确定多个模块或单元中的一个模块或单元相对于多个其他模块或单元是否示出大于参考范围大小的电压或电流差。当多个模块中的每个模块中所包括的多个单元的充电状态超出参考范围时,电力供应单元向电池储能系统供电。即使可再生能源不操作,也会供电。在这种情况下,从不间断电力供应向电池储能系统供电。这种操作方法允许有效地管理电池储能系统并且延长其寿命周期。
WO2017/06299A1公开了一种具有电池储能系统的电力供应系统,该电池储能系统包括考虑电池寿命模型并且被指定用于大学校园的操作方法。其主要目的是维持电网频率的稳定性,特别是在美国,频率为60Hz。电力供应系统包括公共互连点。它是校园电网、能源网、光伏板电力和电池储能系统被连接的点。在交叉点处组合的光伏板电力和电池储能系统的功率输出形成提供给电力供应系统的电力。校园电网也被连接至交叉点,然而,它消耗一部分组合电力以满足校园的能量要求。这些部分中的每个部分可以包括被配置为执行适当功能的各种必要的电路组件。此外,电力供应系统包括控制器,它被配置为生成光伏设定点和电池储能系统设定点。电池储能系统还具有功率逆变器,它使用电池功率设置点来控制电池的充电功率或放电功率量。控制器取决于各种不同的变量而工作,包括来自光伏板的功率信号、电池储能系统的当前充电状态、最大电池功率极限、互连点处的最大功率极限、斜坡速率极限、电网频率和可以由控制器用于执行斜坡速率控制和/或频率调节的其他变量。此外,控制器使用电池寿命模型来确定最优电池功率设定点。控制器可以包括电池劣化估计器,它被配置为估计将由所使用的电池功率设定点导致的电池劣化量。控制器还可以使用电池寿命模型来估计将由计划的或实际的控制输出集合导致的电池储能系统容量的减少。电池储能系统功率设定点也可以基于估计的电池劣化量来调整。此外,控制器可以使用电池来执行斜坡速率控制。在这种情况下,控制器可以使用来自电池储能系统的能量来平滑功率输出的突然下降,使得斜坡速率的绝对值小于阈值。当太阳强度扰动发生时,诸如云层遮挡阳光照射到光伏板,可能会发生这种情况。控制器可以使用来自电池储能系统的能量来弥补光伏板提供的功率和最小所需功率输出之间的差异,以维持所需的斜坡速率。来自电池储能系统的能量允许控制器逐渐减小功率输出,使得斜坡速率的绝对值不超过阈值。在突然下降后,来自光伏板的功率输出返回到先前的值。因此,来自光伏板的能量可以被储存在电池储能系统中。作为附加特征,控制器可以被配置为使用来自云检测器的输入来预测太阳强度扰动。
US9618914B2公开了一种微电网的能量资源-电网-负载自动控制系统及其控制方法。该能量资源-电网-负载自动控制系统包括具有分布式可再生能量发电模块、分布式可再生能量逆变器模块、包含微型燃气涡轮机的常规发电模块、用户负载模块、双向电网连接的控制模块、分布式可再生能量智能优化发电控制模块、电池储能系统的微电网,其中分布式可再生能量发电模块被用于将太阳能、风能和生物质能转换为电能,并且向负载或电网供电。分布式可再生能量逆变器模块将从光伏板、风力涡轮机和生物质能发电设备放电的直流电转换为交流电。常规的发电模块被用于控制微型燃气涡轮机以向用户负载或电网供电。用户负载模块是微电网中的本地负载。双向电网连接的控制模块被用于控制微电网和电网之间的连接或断开以及能量传递。储能模块被用于控制蓄电池架的充电和放电,以确保每个蓄电池的平均充电和放电时间。
分布式可再生能量智能优化发电控制模块实现控制方法,并且被用于:
-获取光伏板、风力涡轮机和生物质能发电设备的节点电压和电流,通过不确定性估计在4到5个采样周期内估计光伏板、风能涡轮机和生物质能发电设备的发电容量,绘制发电容量的预报波动曲线,分别计算光伏板、风力涡轮机和生物质能发电设备的鲁棒性,并且选择具有最佳鲁棒性的一个来向用户负载或电网供电;
-当光伏板、风力涡轮机和生物质能发电设备的实际发电容量与供应给用户负载和电网的总电能之间存在差异时,向智能储能单元调整器发送控制信号;以及
-当光伏板、风力涡轮机和生物质能发电设备的发电容量以及从储能模块释放的电能不同于用户负载和电网所需的总电能时,向微型燃气涡轮机发电控制器发送控制信号。
储能模块还包括智能储能单元调整器和蓄电池架,其中如果光伏板、风力涡轮机和生物质能发电设备的剩余电能被接收到,则智能储能单元调整器计算每个蓄电池的总充电和放电时间,然后将结果与所有蓄电池的总充电和放电时间的平均值进行比较,并且选择差异最大的蓄电池进行充电。如果光伏板、风力涡轮机和生物质能发电设备的发电容量无法满足用户负载或电网的需要,则智能储能单元调整器接收由分布式可再生能量智能优化发电控制器发送的发电控制信号以控制蓄电池架放电,计算每个蓄电池的总充电和放电时间,将结果与所有蓄电池的总充电和放电时间的平均值进行比较,并且选择差异最大的蓄电池进行放电;蓄电池架被用于储存或释放光伏板、风力涡轮机和生物质能发电设备的剩余电能。微型燃气涡轮机被用于当光伏板、风力涡轮机和生物质能发电设备的发电容量以及从储能模块释放的电能无法满足用户负载或电网的需要时,用微型燃气涡轮机生成的电能补充用户负载或电网。微型燃气涡轮机发电单元被用于向用户负载或电网供电。在该系统中,微电网的控制方法被使用,并且它包括以下步骤:
-获取光伏板、风力涡轮机和生物质能发电设备的节点电压和电流;
-通过不确定性估计(包括电阻、电抗和光伏节点电压)来估计光伏板、风力涡轮机和生物质能发电设备的发电容量;
-根据早前获得的光伏节点电压,以时间为横坐标并且以光伏节点电压为纵坐标,绘制发电容量的预报波动曲线;
-计算光伏板、风力涡轮机和生物质能发电设备的发电容量的鲁棒性,并且选择具有最佳鲁棒性的一个来向用户负载或电网供电;
-计算由光伏板、风力涡轮机和生物质能发电设备供应给用户负载和电网的总电能;
-计算光伏板、风力涡轮机和生物质能发电设备的实际发电容量与供应给用户负载和电网的总电能之间的差异;
-直接向用户负载和电网供电,或者将光伏板、风力涡轮机和生物质能发电设备的剩余电能储存到储能模块中,或者通过储能模块的放电来补充用户负载和电网;
-计算光伏板、风力涡轮机和生物质能发电设备的实际发电容量与用户负载和电网实际需要的总电能之间的差风能,并且在这种需要的情况下,由微型燃气涡轮机补充用户负载和电网。
附加地,在该解决方案中,还提供了一种用于储能器的充电和放电的控制方法。它包括以下步骤:
-根据在用户负载处获取的节点电压和电流的历史数据建立神经网络模型,以预测用户负载的功耗规律;
-由状态收集器实时获取用户负载处的节点电压和电流,并且持续校正神经网络模型;以及
-根据校正的电能将用户负载实际所需的总电能从智能优化功耗控制器释放到分布式可再生能量智能优化发电控制器,并且启动光伏板、风力涡轮机、生物质能发电设备、储能模块和常规发电模块中的对应部分来供电。
技术问题
电网节点中的瞬时有功功率的平衡是一个众所周知的问题。由负载消耗并且由不同能源生成的功率值必须始终相等。经典方法包括由公用事业控制的主电源。控制器对功率需求变化做出反应,将一天、一周、一个月或一个季节期间的负载分布变化制成表格。
如今,与数量动态增加的高功率负载(如电动汽车充电器)相比,配电系统的发展在相对较短的时间段内消耗高水平的能量,这需要电网运营商对电力线进行现代化改造,通常是通过简单的尺寸扩大。通常,其他可再生分布式能源被连接至标准负载和大量高动态负载(如电动汽车充电站)旁边的电气网络。动态高功率负载和可再生能源使得电网电力的控制成为一项复杂的任务。
如果高功率负载以间歇性操作为特征,则设备关于空闲时间的操作时间相对较短,特别是在一天时间范围内。馈线、开关设备、变压器和其他设备的尺寸必须适合负载峰值,这会由于使用过大的组件而增加安装成本。因此,为了确保由同一线路供电的其他设备的正确操作条件,电网在公共耦合点处的短路水平必须足够高。
然而,现有技术众所周知的是,从技术、经济或气候角度来看,高估整个电力系统的组件并不是一个好的解决方案。因此,还可以将储能系统,特别是小功率规模的电池储能系统投入使用。这些设备负责本地电网平衡,通过向系统注入电力或从系统接收电力来确保公共耦合点的正确操作条件,以避免超出电网极限。电池储能系统的附加功能也可以与补偿由风力或太阳能发电引起的功率波动相关。一个经济方面也可以被考虑—电池储能系统可以在kWh价格最高时向电网注入电力,并且在kWh价格最低时自行充电。
当前,市场正在关注电动交通的增长。具有专用于电动汽车充电的储能模块的具体基础设施获得市场关注。该基础设施能够为电动汽车充电提供所需的峰值功率容量以及备用功率。电池储能系统为电网提供了重要支持。而且,电池储能系统可以被用于多种应用中,诸如负载校平、负载转移、调峰和旋转储备等,这是目前最先进的解决方案。
因此,电池储能系统对电网具有非常重要的意义。为了防止系统过大和电池寿命下降,电池储能系统使用的优化应该被提供,同时重点关注可再生分布式能源和高动态负载。
发明内容
本发明的本质
本发明提出了一种控制具有高动态负载的电力系统的电池储能系统的方法,其中所述电力系统包括至少一个可再生有功电源、电池储能系统、至少一个静态负载和至少一个高动态负载,其中所述系统在单个公共耦合点中被连接至外部电网,并且该方法包括以下步骤:基于历史数据,预测至少一个可再生有功电源的发电容量并且预测所述系统中的负载,以优化电池储能系统的电力供应和寿命的步骤。本发明的本质在于系统在公共耦合点中的有功功率需求处于准恒定水平,并且控制电池储能系统的所述方法包括以下步骤:
·从外部电网(PGRID)采集恒定有功功率极限并且采集以下有功功率分布的历史数据:
-PR(day)—24小时周期期间来自可再生有功电源的有功功率,
-PH.LOAD(day)—24小时周期期间来自高动态负载的有功功率需求,
-PLoad(day)—24小时周期期间来自静态负载的有功功率需求,
·预测第+1天的以下有功功率分布:
-PR(day+1)—未来24小时周期期间来自可再生有功电源的有功功率,
-PH.LOAD(day+1)—未来24小时周期期间来自高动态负载的有功功率需求,
-PLoad(day+1)—未来24小时周期期间来自静态负载的有功功率需求,
·根据以下公式计算电池储能系统(BESS)所需的有功功率:
PBESS=PR(day+1)+PGRID-PLOAD(day+1)-PH.LOAD(day+1)
其中:
PBESS—电池储能系统所需的有功功率,
PR(day+1)—所预测的来自可再生有功电源的有功功率,
PGRID—来自外部电网的恒定有功功率极限,
PLOAD(day+1)—所预测的来自静态负载的有功功率需求,
PH.LOAD(day+1)—所预测的来自高动态负载的有功功率需求,
·设置与电池储能系统的容量相对应的电池储能系统的充电状态的每日峰值和最小充电状态,以确保在前一步骤中计算的电池储能系统所需的有功功率,
·验证所设置的充电状态的每日峰值和最小充电状态是否确保通过电池储能系统的全天的充电状态的瞬时值在20%至80%的范围内,具有电池储能系统额定值以及PLOAD(day+1)、PH.LOAD(day+1)、PR(day+1)的分布,
-如果是,则电池储能系统(BESS)的充电状态的每日峰值和最小充电状态被正确设置,
-如果否,则充电状态的每日峰值和最小充电状态必须被提高或降低,然后电池储能系统(BESS)所需的有功功率的计算和后续步骤必须被重复。
当电池储能系统的放电深度对应于所计算的电池储能系统所需的有功功率时,这也是有益的。
优选地,电池储能系统的平均充电状态在20%至60%的范围内。
有益地,电池储能系统充电和放电会话是在预测第+1天的有功功率分布的步骤中预测的。
优选地,当缺少负载时,电池储能系统用可再生电源生成的剩余能量充电。
有用的是,当一天期间能量的价格高时,电池储能系统支持至少一个高动态负载的操作,并且当一天期间能量的价格低时,自行充电以储存能量。
优选地,至少一个高动态负载是电动汽车充电器。
有用的是,该方法的步骤借助于使用人工智能和/或机器学习技术和/或至少一种训练算法的处理来执行。
本发明的目的还在于一种计算机程序,包括程序代码部件,用于当所述程序在计算机上运行时执行方法的所有步骤。
本发明的目的还在于一种存储计算机实施的指令的计算机可读介质,该计算机实施的指令执行在计算机上实施的根据本发明的方法的所有步骤。
本发明的目的还在于一种被配置为执行该方法的步骤的控制单元。
本发明的目的还在于一种具有高动态负载的电力系统,用于在一个公共耦合点中连接至外部电网,该电力系统包括至少一个可再生有功电源、电池储能系统、至少一个静态负载、至少一个高动态负载和控制单元。
优选地,当微电网被构建或正在开发时,涉及以下项的机器学习和历史数据被使用和/或被先前测量以确定微电网组件的容量:
-电池储能系统(BESS)充电和放电分布,
-24小时周期期间来自可再生有功电源的有功功率,
-来自高动态负载的有功功率需求,
-24小时周期期间来自静态负载的有功功率需求。
本发明的优点
这些发明的主要优点是防止电力系统组件的过度过大以及延长电池储能系统的寿命。电池储能系统的适当充电水平允许定义最优充电水平状态,并且提供足够的有功功率以满足静态和高动态负载的全天能量需求。可以避免与极端充电状态相关联的缺点,即,当电池被放电或在0%至20%之间的充电状态下工作时,以及当电池被过度充电时,以及当电池被充电超过80%并且超过预测需求时。这种极端充电状态导致电池寿命的劣化。
附加地,适当大小的额定值的可再生有功电源以及电池储能系统允许以从外部电网接收的准恒定有功功率运行电力系统。电力系统是指微电网。由于这一点,电力系统也是来自外部电网的稳定能量消耗者。这一点尤为重要,因为在外部电网中,能量通常来自常规能源。在准恒定水平下,从外部电网到电力系统所需的功率可以显著低于负载需求。因此,电力系统从电网以不超过最大功率的准恒定低功率充电。
由可再生有功电源生成的功率在电力系统中由电池储能系统平衡。因此,不需要建立双向公共耦合点。来自电力系统的能量不被引导到电网。
此外,所有电力系统组件的大小和利用都可以达到最优。本发明中使用的历史数据以及机器学习和人工智能的使用提供了对所有系统的更好利用。电池储能系统的典型操作附加地通过预测操作间隔(充电和放电会话)来提高。
由于在电池储能系统中使用的电池的寿命延长,本发明允许减少安装成本,特别是从长期角度来看。附加地,该解决方案满足了电动汽车日益普及的要求,因为电动汽车充电器是电力系统的一部分,并且来自它们的高动态负载在该电力系统中得到满足。在这种应用中,电力系统组件不需要过大以承受高有功功率瞬时峰值。此外,可以使用高动态负载的全功率,例如电动汽车充电器的全充电可能性。生成高动态负载的设备的功率不受公共耦合点中可用的最大功率的限制。电池储能系统满足了来自高动态负载的过大功率需求。
由于减小了组件大小并且拉长了寿命,本发明也是一种环保解决方案。它还允许能量成本优化,因为当一天期间的价格高时,电池储能系统支持高动态负载的操作,特别是电动汽车充电器,否则电池储能系统将开始充电以储存能量。
附图说明
本发明的主题的实施例已在附图中呈现,其中:
图1呈现了具有有功功率流的可能方向的电网系统;
图2示意性地呈现了根据本发明的方法;
图3呈现了24小时有功功率流和电池储能系统充电状态的图表,其中电池处于最优充电状态;
图4呈现了电池储能系统工作的图表。
具体实施方式
控制电池储能系统的方法
第一实施例
电力系统包括微电网,该微电网通过单个公共耦合点PCC与外部电网隔离和连接。微电网包括两个可再生有功电源PR,即,光伏板PV和风力涡轮机WF。可再生有功电源的发电取决于快速变化的环境条件,即,光伏板PV的太阳辐照度和风力涡轮机WF的风速。因此,它们的特点是难以预测高动态源。
在微电网中,还有电池储能系统BESS、静态负载和高动态负载。静态负载被理解为微电网用户的典型负载,就像家庭中的负载。这些静态负载是非常可预测的,并且在现有技术中是公认的。而高动态负载的特点是间歇性操作。在一天的时间范围内,涵盖24小时,设备关于空闲时间的操作时间相对较短。电动汽车充电器EVC是高动态负载的非常好的示例,但这种高动态负载也可能由加热、通风和空调设备或照明生成。在商用车辆的情况下,电动汽车充电器EVC在相对较短的时间段内以接近甚至350kW的峰值功率操作。例如,保时捷Taycan或奥迪eTron GT从最小充电到80%,峰值功率高达270kW,并且大约需要23分钟。然而,等于270kW的高功率仅被用于约10分钟。从80%到100%的充电需要另一个小时,并且在该时间期间功率低于50kW。
此外,很明显,电力系统被配备有电器,取决于目的、转向设备和/或电气安全设备,该电器负责DC到AC和AC到DC的功率转换。电力系统还被配备有与电力系统的所有组件连接的控制单元CU。控制单元CU被配置为执行控制电池储能系统BESS的方法的所有步骤。
在电力系统中,假设储存在电池储能系统BESS中的能量足以覆盖来自任何动态负载(如电动汽车充电器EVC)的过量有功功率需求。因此,导致这种情况的以下等式可以被指出:
瞬时功率相等条件:
PPV+PWF-PLOAD-PEVC±PBESS=PGRID
该等式也可以被表示为:
PR-PLOAD-PH.LOAD±PBESS=PGRID
能量相等条件:
EPV+EWF+EGRID-ELOAD-EEVC=0
EPV+EWF+EGRID=ΔEBESS+
ELOAD+EEVC=ΔEBESS-
ΔEBESS+=ΔEBESS-
该等式也可以被表示为:
ER+EGRID-ELOAD-EH.LOAD=0
ER+EGRID=ΔEBESS+
ELOAD+EH.LOAD=ΔEBESS-
ΔEBESS+=ΔEBESS-
其中:
PGRID—来自外部电网的有功功率,
PR—来自可再生有功电源的有功功率,
PPV—来自光伏发电厂的有功功率,
PWF—来自风力涡轮机的有功功率,
PBESS—向BESS充电并且从BESS放电的有功功率,
PEVC—来自电动汽车充电器EVC的有功功率需求,
PLOAD—来自静态负载的有功功率需求,
PH.LOAD—来自高动态负载的有功功率需求,
在电力系统的微电网中,系统在单个公共耦合点功率下的有功功率需求已被建立在准恒定水平,并且以下步骤已被用于控制电力系统的电池储能系统BESS:
·从外部电网PGRID采集10恒定有功功率极限并且采集以下有功功率分布的历史数据:
-PR(day)—24小时周期期间来自可再生有功电源的有功功率,
-PH.LOAD(day)—24小时周期期间来自高动态负载的有功功率需求,
-PLoad(day)—24小时周期期间来自静态负载的有功功率需求,
·预测20第+1天的以下有功功率分布:
-PR(day+1)—未来24小时周期期间来自可再生有功电源的有功功率,
-PH.LOAD(day+1)—未来24小时周期期间来自高动态负载的有功功率需求,
-PLoad(day+1)—未来24小时周期期间来自静态负载的有功功率需求,
·根据以下公式计算30电池储能系统BESS所需的有功功率:
PBESS=PR(day+1)+PGRID-PLOAD(day+1)-PH.LOAD(day+1)
其中:
PBESS—电池储能系统所需的有功功率,
PR(day+1)—所预测的来自可再生有功电源的有功功率,
PGRID—来自外部电网的有功功率极限,
PLOAD(day+1)—所预测的来自静态负载的有功功率需求,
PH.LOAD(day+1)—所预测的来自高动态负载的有功功率需求,
·设置40与电池储能系统BESS的容量相对应的电池储能系统BESS的充电状态SoC的每日峰值和最小充电状态SoC,以确保在前一步骤中计算的电池储能系统BESS所需的有功功率,
·验证50所设置的充电状态SoC的每日峰值和最小充电状态SoC是否确保通过电池储能系统BESS的全天的充电状态SoC的瞬时值在20%至80%的范围内,具有电池储能系统BESS额定值以及PLOAD(day+1)、PH.LOAD(day+1)、PR(day+1)的分布,
-如果是,则电池储能系统BESS的充电状态SoC的每日峰值和最小充电状态SoC被正确设置,
-如果否,则充电状态SoC的每日峰值和最小充电状态SoC必须被提高或降低,然后电池储能系统BESS所需的有功功率的计算和后续步骤必须被重复。
考虑到DoD的电池放电深度,电池储能系统BESS的以下充电状态SoC已针对后续几天建立。电池储能系统BESS连续几天的充电状态SoC的每日峰值和最小充电状态SoC的调度可能看起来如下:
*n-整数连续数字
因此,电池储能系统BESS中的充电状态SoC的每日峰值和最小充电状态SoC根据该方法来设置。最小充电状态SoC可能在24小时周期开始时作为电池储能系统BESS的初始充电状态SoC出现。最小充电状态SoC也可能在24小时周期结束时或者当来自电动汽车充电器EVC的功率需求已经停止时出现。电池储能系统BESS的充电状态SoC的每日峰值是24小时周期期间的最大充电状态水平SoC,例如它可能恰好在高动态负载的使用被预测之前发生。
设定水平的充电状态SoC的每日峰值和最小充电状态SoC也被验证50,以确保通过电池储能系统BESS的全天的充电状态SoC的瞬时值在20%至80%的范围内。有必要避免对电池寿命有害的不利情况,例如当电池储能系统BESS的最小充电状态SoC由于异常情况而在电动汽车充电器EVC的连续使用期间发生时。在这种情况下,电池储能系统BESS性能迅速恶化。因此,验证50允许排除这些情况。
此外,如上所述,所提供的方法已被用于控制微电网。
24小时功率流流程图已被绘制(图3)。它呈现了来自可再生有功电源PR的有功功率曲线、来自电动汽车充电器EVC的有功功率需求以及电池储能系统BESS递送的最终有功功率。来自电动汽车充电器EVC的有功功率需求超过可再生有功电源PR的可用有功功率,因此电池储能系统BESS必须覆盖缺失的需求。在这种情况下:
·电池储能系统BESS在白天被充电至80%的充电状态;
·该充电状态水平允许完全覆盖电动汽车充电器EVC有功功率需求;
·在一天结束时,剩余电池储能系统BESS的充电状态仍为20%;
·并且从寿命角度来看,电池储能系统BESS的最优充电状态在20%和80%之间,并且该充电状态被维持。
进一步图示的图表可能会被绘制。在全天期间,电池储能系统BESS仅使用部分可用功率工作,以实现20%至80%之间的充电状态(图4)。
优选地,电池储能系统BESS在整个周期24小时期间的平均充电状态SoC在20%至60%的范围内。
也优选地,当缺少负载时,电池储能系统BESS用可再生电源生成的剩余能量充电。
在控制电池储能系统BESS的方法中,历史数据已被使用。如能量相等条件所示,能量流的预测已被使用。该预测是基于历史数据和早前对负载和电源的预测进行的。此外,在历史数据中还考虑了天气预报。该方法的步骤已经借助于使用人工智能的处理来执行。机器学习技术和/或至少一种训练算法的进一步使用是可能的。采集或分析历史数据的范围没有限制。历史数据可能覆盖任何时间段,其中24小时周期被视为一个周期基础。因此,历史数据可能由100个24小时周期或365个24小时周期组成。历史数据也可以包括任何数量的24小时周期,这些24小时周期可以进行登记。它有利于人工智能和/或机器学习,因为更大范围的历史数据可以实现更好的预测。
第二实施例
控制电池储能系统BESS的方法的第二实施例与第一实施例相同,除了电池储能系统BESS的放电深度DoD对应于所计算的电池储能系统BESS所需的有功功率之外。
第三实施例
控制电池储能系统BESS的方法的第三实施例与第一实施例相同,除了电池储能系统BESS充电和放电会话也是在预测20第+1天的有功功率分布的步骤中预测的为止。电池储能系统BESS的典型操作附加地通过预测操作间隔(充电和放电会话)来提高。
在该实施例中,为了考虑电力系统的财务方面,电池储能系统BESS支持至少一个高动态负载的操作,即,当一天期间能量的价格高时的电动汽车充电器EVC。而当一天期间能量的价格低时,实现电池储能系统BESS的充电以储存能量。因此,电池储能系统BESS在kWh价格最高时向微电网注入电力,并且在kWh价格最低时自行充电。
第四实施例
控制电池储能系统BESS的方法的第四实施例与第一实施例相同。然而,在该实施例中,该方法已被用于开发电力系统。涉及以下项的机器学习和历史数据已被用于确定微电网组件的容量:
·电池储能系统BESS充电和放电分布,
·一天24小时周期期间来自可再生有功电源的有功功率,
·来自高动态负载的有功功率需求,
·一天24小时周期期间来自静态负载的有功功率需求。
用于执行方法的所有步骤的计算机程序
计算机程序已被用于执行控制电池储能系统BESS的方法的所有步骤。计算机程序在计算机上运行,并且包括用于执行该方法的所有步骤的程序代码部件。
存储计算机实施的指令的计算机可读介质
存储计算机实施的指令的计算机可读介质已被实施在计算机上,该计算机实施的指令执行控制电池储能系统BESS的方法的所有步骤。
Claims (13)
1.一种控制具有高动态负载的电力系统的电池储能系统的方法,其中所述电力系统包括至少一个可再生有功电源、电池储能系统(BESS)、至少一个静态负载和至少一个高动态负载,其中所述系统在单个公共耦合点中被连接至所述外部电网,并且所述方法包括以下步骤:基于历史数据,预测至少一个可再生有功电源的所述发电容量并且预测所述系统中的负载,以优化所述电池储能系统的电力供应和寿命,
其特征在于,
所述系统在所述公共耦合点中的有功功率需求处于准恒定水平,并且控制电池储能系统的所述方法包括以下步骤:
●从所述外部电网(PGRID)采集(10)恒定有功功率极限并且采集以下有功功率分布的历史数据:
-PR(day)—24小时周期期间来自可再生有功电源的有功功率,
-PH.LOAD(day)—24小时周期期间来自高动态负载的有功功率需求,
-PLoad(day)—24小时周期期间来自静态负载的有功功率需求,●预测(20)第+1天的以下有功功率分布:
-PR(day+1)—未来24小时周期期间来自可再生有功电源的有功功率,
-PH.LOAD(day+1)—未来24小时周期期间来自高动态负载的有功功率需求,
-PLoad(day+1)—未来24小时周期期间来自静态负载的有功功率需求,
●根据以下公式计算(30)所述电池储能系统(BESS)所需的有功功率:
PBESS=PR(day+1)+PGRID-PLOAD(day+1)-PH.LOAD(day+1)
其中:
PBESS—所述电池储能系统所需的有功功率,
PR(day+1)—所预测的来自可再生有功电源的有功功率,
PGRID—来自所述外部电网的恒定有功功率极限,
PLOAD(day+1)—所预测的来自静态负载的有功功率需求,
PH.LOAD(day+1)—所预测的来自高动态负载的有功功率需求,
●设置(40)与所述电池储能系统的容量相对应的所述电池储能系统(BESS)的充电状态(SoC)的每日峰值和最小充电状态(SoC),以确保在前一步骤中计算的所述电池储能系统(BESS)所需的有功功率,
●验证(50)所设置的充电状态(SoC)的每日峰值和最小充电状态(SoC)是否确保通过所述电池储能系统(BESS)的全天的充电状态(SoC)的瞬时值在20%至80%的范围内,具有所述电池储能系统(BESS)额定值以及PLOAD(day+1)、PH.LOAD(day+1)、PR(day+1)的分布,
-如果是,则所述电池储能系统(BESS)的所述充电状态(SoC)的每日峰值和所述最小充电状态(SoC)被正确设置,
-如果否,则所述充电状态(SoC)的每日峰值和所述最小充电状态(SoC)必须被提高或降低,然后所述电池储能系统(BESS)所需的有功功率的所述计算和后续步骤必须被重复。
2.根据权利要求1所述的方法,其特征在于,所述电池储能系统(BESS)的放电深度(DoD)对应于所计算的、所述电池储能系统(BESS)所需的有功功率。
3.根据权利要求1或2所述的方法,其特征在于,所述电池储能系统(BESS)的平均充电状态(SoC)在20%至60%的范围内。
4.根据权利要求1至3中任一项所述的方法,其特征在于,电池储能系统(BESS)充电和放电会话是在预测(20)第+1天的所述有功功率分布的步骤中预测的。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述电池储能系统(BESS)是利用在缺少负载时由可再生电源生成的剩余能量充电的。
6.根据权利要求4所述的方法,其特征在于,当一天期间能量的价格高时,电池储能系统(BESS)支持至少一个高动态负载的操作,并且当一天期间所述能量的价格低时,所述电池储能系统(BESS)自行充电以储存能量。
7.根据权利要求1至6中任一项所述的方法,其中所述至少一个高动态负载是电动汽车充电器。
8.根据权利要求1至7中任一项所述的方法,其中所述方法的所述步骤借助于采用人工智能和/或机器学习技术和/或至少一种经训练的算法的处理来执行。
9.一种计算机程序,包括程序代码的部件,用于当所述程序在所述计算机上运行时,执行根据权利要求1至7中任一项所述的方法的所有步骤。
10.一种计算机可读介质,存储计算机实施的指令,所述计算机实施的指令执行在所述计算机上实施的根据权利要求1至7中任一项所述的方法的所有步骤。
11.一种控制单元(CU),被配置为执行根据权利要求1至8中任一项所述的方法的所述步骤。
12.一种具有高动态负载的电力系统,用于在单个公共耦合点中连接至外部电网,所述电力系统包括至少一个可再生有功电源、电池储能系统(BESS)、至少一个静态负载、至少一个高动态负载和根据权利要求11所述的控制单元。
13.根据权利要求1所述的方法,其特征在于,当微电网被构建或者正在开发时,涉及以下项的机器学习和历史数据被使用和/或被先前测量以确定微电网组件的容量:
●电池储能系统(BESS)充电和放电分布,
●一天24小时周期期间来自可再生有功电源的有功功率,
●来自高动态负载的有功功率需求,
●一天24小时周期期间来自静态负载的有功功率需求。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP22163112.0 | 2022-03-18 | ||
EP22163112.0A EP4246751A1 (en) | 2022-03-18 | 2022-03-18 | Method of controlling of battery energy storage system of power system with high dynamic loads |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116780588A true CN116780588A (zh) | 2023-09-19 |
Family
ID=80928871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310261748.6A Pending CN116780588A (zh) | 2022-03-18 | 2023-03-17 | 控制具有高动态负载的电力系统的电池储能系统的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230294544A1 (zh) |
EP (1) | EP4246751A1 (zh) |
JP (1) | JP2023138478A (zh) |
CN (1) | CN116780588A (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117200354B (zh) * | 2023-11-01 | 2024-01-30 | 佛山电力设计院有限公司 | 一种分布式能源接入微电网的控制方法及系统 |
CN117559563B (zh) * | 2023-11-23 | 2024-03-29 | 国网湖北省电力有限公司经济技术研究院 | 一种风光储充一体化微网运行方案的优化方法及系统 |
CN117613981B (zh) * | 2023-12-11 | 2024-04-26 | 国网青海省电力公司清洁能源发展研究院 | 一种新能源储能系统的电压稳定性控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236718B (zh) | 2013-03-26 | 2014-12-31 | 东北大学 | 一种智能微网的源-网-荷自动控制系统及控制方法 |
KR101622511B1 (ko) | 2015-02-11 | 2016-05-18 | 엘에스산전 주식회사 | 배터리 에너지 저장 시스템을 포함하는 전력 공급 시스템 |
US10554048B2 (en) * | 2015-05-18 | 2020-02-04 | University Of North Carolina At Charlotte | Battery energy storage system controller systems and methods |
US10250039B2 (en) | 2015-10-08 | 2019-04-02 | Con Edison Battery Storage, Llc | Energy storage controller with battery life model |
US10634725B2 (en) * | 2017-08-18 | 2020-04-28 | Nec Corporation | System and method for model predictive energy storage system control |
US10615610B1 (en) * | 2019-05-28 | 2020-04-07 | Ekergy Llc | System and method for efficient charging of multiple battery cassettes |
-
2022
- 2022-03-18 EP EP22163112.0A patent/EP4246751A1/en active Pending
-
2023
- 2023-03-17 US US18/185,469 patent/US20230294544A1/en active Pending
- 2023-03-17 JP JP2023042558A patent/JP2023138478A/ja active Pending
- 2023-03-17 CN CN202310261748.6A patent/CN116780588A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4246751A1 (en) | 2023-09-20 |
JP2023138478A (ja) | 2023-10-02 |
US20230294544A1 (en) | 2023-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10923919B2 (en) | Method and apparatus for controlling power flow in a hybrid power system | |
Tran et al. | An efficient energy management approach for a solar-powered EV battery charging facility to support distribution grids | |
Garcia et al. | Optimal energy management system for stand-alone wind turbine/photovoltaic/hydrogen/battery hybrid system with supervisory control based on fuzzy logic | |
US9343926B2 (en) | Power controller | |
US10871795B2 (en) | Electric power system | |
CN116780588A (zh) | 控制具有高动态负载的电力系统的电池储能系统的方法 | |
CN102130464A (zh) | 电力存储装置、操作电力存储装置的方法和电力存储系统 | |
US11411400B2 (en) | DC power supply system | |
JP6821904B2 (ja) | 電力システム | |
KR101644522B1 (ko) | Ac 마이크로그리드 3상부하에서의 전력 공급 시스템 | |
CN109120012B (zh) | 单相混合储能逆变器的多机并行系统及控制方法 | |
Nakamura et al. | Green base station using robust solar system and high performance lithium ion battery for next generation wireless network (5G) and against mega disaster | |
US11929621B2 (en) | Power control apparatus, control method for power control apparatus, and distributed power generating system | |
CN117013617A (zh) | 一种5g基站的光储直柔型微电网控制系统 | |
JP2019165552A (ja) | 集中管理装置 | |
CN110768274B (zh) | 一种孤立微电网的功率控制方法和装置 | |
CN110417002B (zh) | 一种孤岛微电网能量模型的优化方法 | |
Hamidi et al. | Decentralized control framework for mitigation of the power-flow fluctuations at the integration point of smart grids | |
Bampoulas et al. | A novel dynamic demand control of an electric vehicle integrated in a solar nanogrid with energy storage | |
Sharma et al. | Optimized Electric vehicle Charging and discharging with sporadic Renewable energy source | |
Kumar et al. | Electric Vehicles as Energy Storage: V2G Capacity Estimation | |
CN112039057B (zh) | 一种基于两阶段调度的低电压治理方法 | |
Hamidi et al. | Reducing smart microgrid dependency on the main grid using electric vehicles and decentralized control systems | |
CN115459334B (zh) | 农村光伏柔性直流配电网系统及方法 | |
Chakraborty et al. | Coordinated Frequency Based Demand Side Management Scheme with Active Power Curtailment of Solar PV in a Battery Hybrid Stand-Alone Microgrid |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |