CN117977637B - 一种熔盐耦合火电机组的调频方法和系统 - Google Patents
一种熔盐耦合火电机组的调频方法和系统 Download PDFInfo
- Publication number
- CN117977637B CN117977637B CN202410362789.9A CN202410362789A CN117977637B CN 117977637 B CN117977637 B CN 117977637B CN 202410362789 A CN202410362789 A CN 202410362789A CN 117977637 B CN117977637 B CN 117977637B
- Authority
- CN
- China
- Prior art keywords
- component
- modal
- degree
- energy storage
- frequency
- 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
Links
- 150000003839 salts Chemical class 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000008878 coupling Effects 0.000 title claims description 10
- 238000010168 coupling process Methods 0.000 title claims description 10
- 238000005859 coupling reaction Methods 0.000 title claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 107
- 238000004146 energy storage Methods 0.000 claims abstract description 88
- 238000011156 evaluation Methods 0.000 claims abstract description 53
- 230000004044 response Effects 0.000 claims abstract description 36
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims abstract description 20
- 229910052744 lithium Inorganic materials 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 16
- 238000003062 neural network model Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 12
- 125000004122 cyclic group Chemical group 0.000 claims description 11
- 230000007812 deficiency Effects 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims 2
- 230000008901 benefit Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 3
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F28—HEAT EXCHANGE IN GENERAL
- F28D—HEAT-EXCHANGE APPARATUS, NOT PROVIDED FOR IN ANOTHER SUBCLASS, IN WHICH THE HEAT-EXCHANGE MEDIA DO NOT COME INTO DIRECT CONTACT
- F28D20/00—Heat storage plants or apparatus in general; Regenerative heat-exchange apparatus not covered by groups F28D17/00 or F28D19/00
- F28D20/0034—Heat storage plants or apparatus in general; Regenerative heat-exchange apparatus not covered by groups F28D17/00 or F28D19/00 using liquid heat storage material
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F28—HEAT EXCHANGE IN GENERAL
- F28F—DETAILS OF HEAT-EXCHANGE AND HEAT-TRANSFER APPARATUS, OF GENERAL APPLICATION
- F28F27/00—Control arrangements or safety devices specially adapted for heat-exchange or heat-transfer apparatus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- H02J15/00—Systems for storing electric 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
- H02J3/241—The oscillation concerning frequency
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—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
- H02J3/28—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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F28—HEAT EXCHANGE IN GENERAL
- F28D—HEAT-EXCHANGE APPARATUS, NOT PROVIDED FOR IN ANOTHER SUBCLASS, IN WHICH THE HEAT-EXCHANGE MEDIA DO NOT COME INTO DIRECT CONTACT
- F28D20/00—Heat storage plants or apparatus in general; Regenerative heat-exchange apparatus not covered by groups F28D17/00 or F28D19/00
- F28D20/0034—Heat storage plants or apparatus in general; Regenerative heat-exchange apparatus not covered by groups F28D17/00 or F28D19/00 using liquid heat storage material
- F28D2020/0047—Heat storage plants or apparatus in general; Regenerative heat-exchange apparatus not covered by groups F28D17/00 or F28D19/00 using liquid heat storage material using molten salts or liquid metals
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本申请涉及电网调频技术领域，具体提出一种熔盐耦合火电机组的调频方法和系统，该方法包括基于接收的调频指令确定混合储能响应需求；基于分解层数利用VMD算法对混合储能响应需求进行分解得到残余分量和多个模态分量；基于残余分量和多个模态分量获得总混叠程度、非线性度和信号缺失度，进而得到综合评价指标；更新分解层数以获得新的综合评价指标直至分解层数达到设定分解层数范围上限，基于最小综合评价指标得到分解层数目标值；基于分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量；控制熔盐储能设备按照高频分量进行响应并控制锂电池按照低频分量进行响应。
Description
技术领域
本申请涉及电网调频技术领域，尤其涉及一种熔盐耦合火电机组的调频方法和系统。
背景技术
火储联合调频能够显著改善火电机组的调频性能,可以快速、有效地减小系统调频容量缺额。目前，火储联合调频技术有电池储能、超级电容储能、飞轮储能、熔盐储能和多种形式构成的混合储能等，火电池储能的循环寿命低、并且存在一定的安全隐患,超级电容储能和飞轮储能作为功率型储能器件的代表，火具有成本高、能量密度低等缺陷,熔盐储能以硝酸盐等原料作为蓄热介质,通过传热工质的热能与熔盐的内能转化来存储、释放能量,具有低成本、高安全、大容量和长寿命等优点。
现有技术中有利用熔盐储能结合变分模态分解(variational modedecomposition，VMD)技术辅助调频，然而VMD分解后的模态分量的非线性程度影响调频性能指标，进而影响电厂的效益，此外VMD分解存在原始信号频率丢失和模态混叠的问题。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请的第一个目的在于提出一种熔盐耦合火电机组的调频方法，以更好地平衡非线性程度、频率丢失和模态混叠，从而降低对电厂的效益的影响。
本申请的第二个目的在于提出一种熔盐耦合火电机组的调频系统。
本申请的第三个目的在于提出一种电子设备。
本申请的第四个目的在于提出一种计算机可读存储介质。
为达上述目的，本申请第一方面实施例提出了一种熔盐耦合火电机组的调频方法，火电厂配置的混合储能装置包括熔盐储能设备和锂电池，调频方法包括以下步骤：
基于接收的调频指令确定混合储能响应需求；
基于分解层数利用VMD算法对所述混合储能响应需求进行分解得到残余分量和多个模态分量；
基于残余分量和多个模态分量获得总混叠程度、非线性度和信号缺失度，进而得到综合评价指标；
更新分解层数以获得新的综合评价指标直至分解层数达到设定分解层数范围上限，基于最小综合评价指标得到分解层数目标值；
基于所述分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量；
控制所述熔盐储能设备按照所述高频分量进行响应并控制所述锂电池按照所述低频分量进行响应。
在本申请的第一方面的方法中，所述综合评价指标满足：Z=a*D+b*S，其中Z为综合评价指标，D为总混叠程度，S为非线性度，a为总混叠程度权重，b为总混叠程度权重，，H为信号缺失度，e为自然常数。
在本申请的第一方面的方法中，所述混合储能响应需求包括设定数量的子混合序列，所述残余分量包括设定数量的子残余序列，基于子残余序列的均值和子混合序列的均值获得信号缺失度。
在本申请的第一方面的方法中，各模态分量包括设定数量的子模态序列，设置循环神经网络模型的参数，以使循环神经网络模型输出预设数量的子模态序列预测值，预设数量等于设定数量与预设比例的积，模型输出的预设数量的子模态序列预测值对应的实际值为输入的模态分量中当前采样点及之前的预设数量的子模态序列，所述非线性度的获取方法包括：对任一个模态分量，将该模态分量输入循环神经网络模型获得预设数量的子模态序列预测值，基于预设数量的子模态序列预测值和对应的实际值获得该模态分量的平均绝对百分比误差，从而获得各模态分量对应的平均绝对百分比误差，对所有平均绝对百分比误差求和获得非线性度。
在本申请的第一方面的方法中，基于相邻模态分量所在的频率区间和交叉区间获得总混叠程度。
在本申请的第一方面的方法中，所述基于所述分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量，包括：将分解层数目标值的一半进行取整得到滤波阶数；基于所述滤波阶数对所述分解层数目标值对应的残余分量和模态分量进行高低频重构，其中小于等于所述滤波阶数的模态分量之和为高频分量，残余分量与大于所述滤波阶数的模态分量之和为低频分量。
为达上述目的，本申请第二方面实施例提出了一种熔盐耦合火电机组的调频系统，火电厂配置的混合储能装置包括熔盐储能设备和锂电池，调频系统包括以下步骤：
获取模块，用于基于接收的调频指令确定混合储能响应需求；
分解模块，用于基于分解层数利用VMD算法对所述混合储能响应需求进行分解得到残余分量和多个模态分量；
计算模块，用于基于残余分量和多个模态分量获得总混叠程度、非线性度和信号缺失度，进而得到综合评价指标；
选择模块，用于更新分解层数以获得新的综合评价指标直至分解层数达到设定分解层数范围上限，基于最小综合评价指标得到分解层数目标值；
划分模块，用于基于所述分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量；
控制模块，用于控制所述熔盐储能设备按照所述高频分量进行响应并控制所述锂电池按照所述低频分量进行响应。
在本申请的第二方面的系统中，所述综合评价指标满足：Z=a*D+b*S，其中Z为综合评价指标，D为总混叠程度，S为非线性度，a为总混叠程度权重，b为总混叠程度权重，，H为信号缺失度，e为自然常数。
为达上述目的，本申请第三方面实施例提出了一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现本申请第一方面提出的方法。
为达上述目的，本申请第四方面实施例提出了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现本申请第一方面提出的方法。
本申请提供的熔盐耦合火电机组的调频方法、系统、电子设备及存储介质，通过基于接收的调频指令确定混合储能响应需求；基于分解层数利用VMD算法对混合储能响应需求进行分解得到残余分量和多个模态分量；基于残余分量和多个模态分量获得总混叠程度、非线性度和信号缺失度，进而得到综合评价指标；更新分解层数以获得新的综合评价指标直至分解层数达到设定分解层数范围上限，基于最小综合评价指标得到分解层数目标值；基于分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量；控制熔盐储能设备按照高频分量进行响应并控制锂电池按照低频分量进行响应。在这种情况下，综合评价指标中综合考虑了总混叠程度、非线性度和信号缺失度，计算各分解层数下的综合评价指标，选择最小综合评价指标对应的分解层数作为分解层数目标值，基于分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量控制混合储能装置进行响应，此时综合评价指标最小，总混叠程度、非线性度和信号缺失度对电厂的效益的影响最小，故实现了更好地平衡非线性程度、频率丢失和模态混叠，降低了对电厂的效益的影响。
本申请附加的方面和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/或附加的方面和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为本申请实施例所提供的一种熔盐耦合火电机组的调频方法的流程示意图；
图2为本申请实施例所提供的分解层数目标值对应的残余分量和模态分量的获得方法的具体流程示意图；
图3为本申请实施例所提供的一种熔盐耦合火电机组的调频系统的框图。
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。
下面参考附图描述本申请实施例的熔盐耦合火电机组的调频方法和系统。
本申请实施例提供了熔盐耦合火电机组的调频方法，以更好地平衡非线性程度、频率丢失和模态混叠，从而降低对电厂的效益的影响。
在本申请中，火电厂配置的混合储能装置包括熔盐储能设备和锂电池，混合储能装置协助火电机组参与调频。其中，熔盐储能设备经火电机组连接至电网，锂电池经变流器连接至电网。在接收到调频指令之前，熔盐储能设备与火电机组之间的连接线断路，若接收到调频指令，则熔盐储能设备与火电机组之间的连接线导通，并通过火电机组向熔盐储能设备供电以将电能转化为热能或通过熔盐储能设备释放热能以在发电机处转化成电能送至电网这两种方式来进行调频响应。
其中，进行调频响应时熔盐储能设备的熔盐储能出力PC基于调频指令和连接线断路时火电机组的火电机组负荷PG确定，具体地，在电网下发调频指令时，调频指令携带有负荷响应需求PT，此时火电机组以火电机组负荷PG进行响应，剩余的由混合储能装置响应，故计算得到混合储能装置将以PJ(PT-PG=PJ)的储能出力进行响应，其中锂电池将以电池功率PL进行响应，熔盐储能设备将以熔盐储能出力PC参与响应。在计算得到电池功率PL和熔盐储能出力PC后，控制熔盐储能设备与火电机组之间的连接线导通，控制熔盐储能设备以计算得到的熔盐储能出力PC的值进行响应，控制锂电池以计算得到的电池功率PL的值进行响应，从而完成调频。利用本申请的调频方法能够更加准确地确定混合储能装置中电池功率PL和熔盐储能出力PC的值。
图1为本申请实施例所提供的一种熔盐耦合火电机组的调频方法的流程示意图。
如图1所示，该熔盐耦合火电机组的调频方法包括以下步骤：
步骤S101，基于接收的调频指令确定混合储能响应需求。
具体地，在步骤S101中，由于调频指令携带有负荷响应需求PT，故基于接收的调频指令可以获得负荷响应需求PT，获取火电机组负荷PG，计算负荷响应需求PT与火电机组负荷PG的差值得到混合储能响应需求PJ（也称储能出力），即PT-PG=PJ。
在步骤S101中，混合储能响应需求（即混合储能需要补偿的总功率）是离散信号，每个离散点（即采样点）的响应需求值可以看作为一个子混合序列，混合储能响应需求PJ包括设定数量的子混合序列。设定数量例如为N，则混合储能响应需求包括的N个子混合序列为当前采样点及之前的N-1个历史采样点处采样的子混合序列。
步骤S102，基于分解层数利用VMD算法对混合储能响应需求进行分解得到残余分量和多个模态分量。
易于理解地，步骤S102中VMD算法是一种完全非递归的模态变分方法，其将原始信号（即混合储能响应需求）X(t)分解为具有一定稀疏性质的多个模态分量（Intrinsic ModeFunction，IMF）和一个残余分量。分解得到的模态分量的数量等于分解层数K。
步骤S103，基于残余分量和多个模态分量获得总混叠程度、非线性度和信号缺失度，进而得到综合评价指标。
具体地，在步骤S103中，由于混合储能响应需求包括设定数量的子混合序列，对混合储能响应需求进行分解，即对各子混合序列分解，每个子混合序列被分解成多个子模态序列，每个子混合序列分解的子模态序列的数量等于分解层数。每一个模态分量包括设定数量的子模态序列，该设定数量的子模态序列由设定数量的子混合序列分解得到。每个残余分量包括设定数量的子残余序列，每个子残余序列是对应采样点的子混合序列与其分解出所有子模态序列（数量为分解层数）和的差值。
在步骤S103中，基于子残余序列的均值和子混合序列的均值获得信号缺失度。信号缺失度满足：
式中，H为信号缺失度，N为设定数量，X j为第j个子混合序列，RIMF j为第j个子残余序列。
在步骤S103中，将分解得到的各模态分量映射到频域，基于相邻模态分量所在的频率区间和交叉区间获得总混叠程度。总混叠程度满足：
其中，D为总混叠程度，K为分解层数，表示相邻模态分量的频率重叠区间（即交叉区间），/>表示相邻模态分量所在频率区间，/>是相邻模态分量中后一个（即第i+1个模态分量）的频率最大值，/>是相邻模态分量中前一个（即第i个模态分量）的频率最小值。
在步骤S103中，设置循环神经网络模型的参数，以使循环神经网络模型输出预设数量的子模态序列预测值，预设数量等于设定数量与预设比例的积，模型输出的预设数量的子模态序列预测值对应的实际值为输入的模态分量中当前采样点及之前的预设数量的子模态序列，非线性度的获取方法包括：对任一个模态分量，将该模态分量输入循环神经网络模型获得预设数量的子模态序列预测值，基于预设数量的子模态序列预测值和对应的实际值获得该模态分量的平均绝对百分比误差（Mean absolute percentage error,MAPE），从而获得各模态分量对应的平均绝对百分比误差，对所有平均绝对百分比误差求和获得非线性度。
以第一个模态分量IMF1、模态分量的序列长度（即子模态序列的数量）等于N，预设比例为20%为例，预设数量为20%N。模型输入为第一个模态分量IMF1，第一个模态分量IMF1包括当前采样点和N-1个历史采样点下的N个子模态序列，将该模态分量输入循环神经网络模型获得第一个模态分量IMF1的子模态序列预测值集，该子模态序列预测值集包括20%N个子模态序列预测值，20%N个子模态序列预测值对应的实际值为第一个模态分量IMF1中当前采样点及之前的20%N-1个历史采样点下的子模态序列，基于20%N个子模态序列预测值和对应的20%N个子模态序列获得第一个模态分量IMF1的平均绝对百分比误差MAPE1。
非线性度满足：，其中，S为非线性度，MAPEi为第i个模态分量的平均绝对百分比误差。
在步骤S103中，综合评价指标满足：Z=a*D+b*S，其中Z为综合评价指标，D为总混叠程度，S为非线性度，a为总混叠程度权重，b为总混叠程度权重，，H为信号缺失度，e为自然常数。
步骤S104，更新分解层数以获得新的综合评价指标直至分解层数达到设定分解层数范围上限，基于最小综合评价指标得到分解层数目标值。
具体地，在步骤S104中，基于设定分解层数范围更新分解层数直至分解层数达到设定分解层数范围上限，以获得不同分解层数对应的综合评价指标，从所有综合评价指标筛选出最小综合评价指标，该最小综合评价指标对应的分解层数即为分解层数目标值。
以设定分解层数范围为[5,13]为例，图2为本申请实施例所提供的分解层数目标值对应的残余分量和模态分量的获得方法的具体流程示意图。如图2所示，分解层数目标值对应的残余分量和模态分量的获得方法的具体流程包括：
输入信号X(t)（即混合储能响应需求），设置分解层数K，令K的初始值为设定分解层数范围下限5，对输入信号进行VMD分解得到5个模态分量和一个残余分量，基于5个模态分量和一个残余分量计算总混叠程度D、非线性度S和信号缺失度H，进而得到综合评价指标Z，判断分解层数K是否达到设定分解层数范围上限13，若否则更新分解层数（即K=K+1）直至分解层数K达到设定分解层数范围上限13，输出最小综合评价指标（Zmin）对应的残余分量和模态分量（即分解层数目标值对应的残余分量和模态分量）。
步骤S105，基于分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量。
具体地，在步骤S105中，基于分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量，包括：将分解层数目标值的一半进行取整得到滤波阶数；基于滤波阶数对分解层数目标值对应的残余分量和模态分量进行高低频重构，其中小于等于滤波阶数的模态分量之和为高频分量，残余分量与大于滤波阶数的模态分量之和为低频分量。
步骤S106，控制熔盐储能设备按照高频分量进行响应并控制锂电池按照低频分量进行响应。
具体地，在步骤S106中，考虑到高频分量由熔盐平抑，低频分量由锂电池平抑，具体地，控制熔盐储能设备按照高频分量进行响应并控制锂电池按照低频分量进行响应。即熔盐储能设备的熔盐储能出力PC等于高频分量，电池功率PL等于低频分量。
为了进一步验证本申请所提算法的优势，采用本申请的算法和依据经验参数选择的VMD（即传统算法）分别对调频指令进行分解，各项指标如表1。
表1 总混叠程度、非线性度和信号缺失度表
基于表1可知，本申请所提出的模型在总混叠程度、非线性度和信号缺失度对电厂的效益的影响最小，故实现了更好地平衡非线性程度、频率丢失和模态混叠，降低了对电厂的效益的影响。
为了实现上述实施例，本申请还提出一种熔盐耦合火电机组的调频系统火电厂配置的混合储能装置包括熔盐储能设备和锂电池。
图3为本申请实施例所提供的一种熔盐耦合火电机组的调频系统的框图。
如图3所示，该熔盐耦合火电机组的调频系统包括获取模块11、分解模块12、计算模块13、选择模块14、划分模块15和控制模块16，其中：
获取模块11，用于基于接收的调频指令确定混合储能响应需求；
分解模块12，用于基于分解层数利用VMD算法对混合储能响应需求进行分解得到残余分量和多个模态分量；
计算模块13，用于基于残余分量和多个模态分量获得总混叠程度、非线性度和信号缺失度，进而得到综合评价指标；
选择模块14，用于更新分解层数以获得新的综合评价指标直至分解层数达到设定分解层数范围上限，基于最小综合评价指标得到分解层数目标值；
划分模块15，用于基于分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量；
控制模块16，用于控制熔盐储能设备按照高频分量进行响应并控制锂电池按照低频分量进行响应。
进一步地，在本申请实施例的一种可能的实现方式中，综合评价指标满足：Z=a*D+b*S，其中Z为综合评价指标，D为总混叠程度，S为非线性度，a为总混叠程度权重，b为总混叠程度权重，，H为信号缺失度，e为自然常数。
进一步地，在本申请实施例的一种可能的实现方式中，计算模块13中，混合储能响应需求包括设定数量的子混合序列，残余分量包括设定数量的子残余序列，基于子残余序列的均值和子混合序列的均值获得信号缺失度。
进一步地，在本申请实施例的一种可能的实现方式中，计算模块13中，各模态分量包括设定数量的子模态序列，设置循环神经网络模型的参数，以使循环神经网络模型输出预设数量的子模态序列预测值，预设数量等于设定数量与预设比例的积，模型输出的预设数量的子模态序列预测值对应的实际值为输入的模态分量中当前采样点及之前的预设数量的子模态序列，非线性度的获取方法包括：对任一个模态分量，将该模态分量输入循环神经网络模型获得预设数量的子模态序列预测值，基于预设数量的子模态序列预测值和对应的实际值获得该模态分量的平均绝对百分比误差，从而获得各模态分量对应的平均绝对百分比误差，对所有平均绝对百分比误差求和获得非线性度。
进一步地，在本申请实施例的一种可能的实现方式中，计算模块13中，基于相邻模态分量所在的频率区间和交叉区间获得总混叠程度。
进一步地，在本申请实施例的一种可能的实现方式中，划分模块15，具体用于：将分解层数目标值的一半进行取整得到滤波阶数；基于滤波阶数对分解层数目标值对应的残余分量和模态分量进行高低频重构，其中小于等于滤波阶数的模态分量之和为高频分量，残余分量与大于滤波阶数的模态分量之和为低频分量。
需要说明的是，前述对熔盐耦合火电机组的调频方法实施例的解释说明也适用于该实施例的熔盐耦合火电机组的调频系统，此处不再赘述。
本申请实施例中，通过基于接收的调频指令确定混合储能响应需求；基于分解层数利用VMD算法对混合储能响应需求进行分解得到残余分量和多个模态分量；基于残余分量和多个模态分量获得总混叠程度、非线性度和信号缺失度，进而得到综合评价指标；更新分解层数以获得新的综合评价指标直至分解层数达到设定分解层数范围上限，基于最小综合评价指标得到分解层数目标值；基于分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量；控制熔盐储能设备按照高频分量进行响应并控制锂电池按照低频分量进行响应。在这种情况下，综合评价指标中综合考虑了总混叠程度、非线性度和信号缺失度，计算各分解层数下的综合评价指标，选择最小综合评价指标对应的分解层数作为分解层数目标值，基于分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量控制混合储能装置进行响应，此时综合评价指标最小，总混叠程度、非线性度和信号缺失度对电厂的效益的影响最小，故实现了更好地平衡非线性程度、频率丢失和模态混叠，降低了对电厂的效益的影响。
为了实现上述实施例，本申请还提出一种电子设备，包括：处理器，以及与处理器通信连接的存储器；存储器存储计算机执行指令；处理器执行存储器存储的计算机执行指令，以实现执行前述实施例所提供的方法。
为了实现上述实施例，本申请还提出一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现前述实施例所提供的方法。
为了实现上述实施例，本申请还提出一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现前述实施例所提供的方法。
在前述各实施例描述中，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。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
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。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。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)
1.一种熔盐耦合火电机组的调频方法，其特征在于，火电厂配置的混合储能装置包括熔盐储能设备和锂电池，调频方法包括以下步骤：
基于接收的调频指令确定混合储能响应需求；
基于分解层数利用VMD算法对所述混合储能响应需求进行分解得到残余分量和多个模态分量；
基于残余分量和多个模态分量获得总混叠程度、非线性度和信号缺失度，进而得到综合评价指标；
更新分解层数以获得新的综合评价指标直至分解层数达到设定分解层数范围上限，基于最小综合评价指标得到分解层数目标值；
基于所述分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量；
控制所述熔盐储能设备按照所述高频分量进行响应并控制所述锂电池按照所述低频分量进行响应。
2.根据权利要求1所述的熔盐耦合火电机组的调频方法，其特征在于，所述综合评价指标满足：Z=a*D+b*S，其中Z为综合评价指标，D为总混叠程度，S为非线性度，a为总混叠程度权重，b为非线性度权重，，H为信号缺失度，e为自然常数。
3.根据权利要求1所述的熔盐耦合火电机组的调频方法，其特征在于，所述混合储能响应需求包括设定数量的子混合序列，所述残余分量包括设定数量的子残余序列，基于子残余序列的均值和子混合序列的均值获得信号缺失度。
4.根据权利要求1所述的熔盐耦合火电机组的调频方法，其特征在于，各模态分量包括设定数量的子模态序列，设置循环神经网络模型的参数，以使循环神经网络模型输出预设数量的子模态序列预测值，预设数量等于设定数量与预设比例的积，模型输出的预设数量的子模态序列预测值对应的实际值为输入的模态分量中当前采样点及之前的预设数量的子模态序列，所述非线性度的获取方法包括：
对任一个模态分量，将该模态分量输入循环神经网络模型获得预设数量的子模态序列预测值，基于预设数量的子模态序列预测值和对应的实际值获得该模态分量的平均绝对百分比误差，从而获得各模态分量对应的平均绝对百分比误差，对所有平均绝对百分比误差求和获得非线性度。
5.根据权利要求1所述的熔盐耦合火电机组的调频方法，其特征在于，基于相邻模态分量所在的频率区间和交叉区间获得总混叠程度。
6.根据权利要求1所述的熔盐耦合火电机组的调频方法，其特征在于，所述基于所述分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量，包括：
将分解层数目标值的一半进行取整得到滤波阶数；
基于所述滤波阶数对所述分解层数目标值对应的残余分量和模态分量进行高低频重构，其中小于等于所述滤波阶数的模态分量之和为高频分量，残余分量与大于所述滤波阶数的模态分量之和为低频分量。
7.一种熔盐耦合火电机组的调频系统，其特征在于，火电厂配置的混合储能装置包括熔盐储能设备和锂电池，调频系统包括以下步骤：
获取模块，用于基于接收的调频指令确定混合储能响应需求；
分解模块，用于基于分解层数利用VMD算法对所述混合储能响应需求进行分解得到残余分量和多个模态分量；
计算模块，用于基于残余分量和多个模态分量获得总混叠程度、非线性度和信号缺失度，进而得到综合评价指标；
选择模块，用于更新分解层数以获得新的综合评价指标直至分解层数达到设定分解层数范围上限，基于最小综合评价指标得到分解层数目标值；
划分模块，用于基于所述分解层数目标值对应的残余分量和模态分量划分得到高频分量和低频分量；
控制模块，用于控制所述熔盐储能设备按照所述高频分量进行响应并控制所述锂电池按照所述低频分量进行响应。
8.根据权利要求7所述的熔盐耦合火电机组的调频系统，其特征在于，所述综合评价指标满足：Z=a*D+b*S，其中Z为综合评价指标，D为总混叠程度，S为非线性度，a为总混叠程度权重，b为非线性度权重，，H为信号缺失度，e为自然常数。
9.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-6中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410362789.9A CN117977637B (zh) | 2024-03-28 | 2024-03-28 | 一种熔盐耦合火电机组的调频方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410362789.9A CN117977637B (zh) | 2024-03-28 | 2024-03-28 | 一种熔盐耦合火电机组的调频方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117977637A CN117977637A (zh) | 2024-05-03 |
| CN117977637B true CN117977637B (zh) | 2024-06-11 |
Family
ID=90855711
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410362789.9A Active CN117977637B (zh) | 2024-03-28 | 2024-03-28 | 一种熔盐耦合火电机组的调频方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117977637B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118659411A (zh) * | 2024-08-21 | 2024-09-17 | 西安热工研究院有限公司 | 一种基于超容储能的调频方法、系统及设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN217681875U (zh) * | 2022-05-31 | 2022-10-28 | 西安热工研究院有限公司 | 基于熔融盐和蓄电池的火力发电储能系统 |
| CN217818304U (zh) * | 2022-05-31 | 2022-11-15 | 西安热工研究院有限公司 | 一种熔盐蓄电池耦合储能系统 |
| CN115589002A (zh) * | 2022-10-12 | 2023-01-10 | 浙江中光新能源科技有限公司 | 一种电池储能辅助蓄热型储能电站辅助调频系统和方法 |
| CN115589006A (zh) * | 2022-09-22 | 2023-01-10 | 济宁华源热电有限公司 | 一种基于储热的电网削峰填谷调节系统 |
| JP3241488U (ja) * | 2022-04-08 | 2023-04-05 | 西安熱工研究院有限公司 | 蒸気蓄熱システム |
| CN116599080A (zh) * | 2023-05-08 | 2023-08-15 | 西安热工研究院有限公司 | 基于熔盐储能系统辅助火电机组调频的方法及装置 |
| CN117674198A (zh) * | 2024-02-01 | 2024-03-08 | 西安热工研究院有限公司 | 一种新型超级电容耦合锂电池的调频方法和系统 |
| CN117691631A (zh) * | 2024-02-04 | 2024-03-12 | 西安热工研究院有限公司 | 一种基于混合储能装置的电力调频方法和系统 |
| CN117744307A (zh) * | 2023-08-29 | 2024-03-22 | 华北电力大学 | 耦合熔盐储热燃煤机组在电力现货市场中运行优化方法 |
-
2024
- 2024-03-28 CN CN202410362789.9A patent/CN117977637B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3241488U (ja) * | 2022-04-08 | 2023-04-05 | 西安熱工研究院有限公司 | 蒸気蓄熱システム |
| CN217681875U (zh) * | 2022-05-31 | 2022-10-28 | 西安热工研究院有限公司 | 基于熔融盐和蓄电池的火力发电储能系统 |
| CN217818304U (zh) * | 2022-05-31 | 2022-11-15 | 西安热工研究院有限公司 | 一种熔盐蓄电池耦合储能系统 |
| CN115589006A (zh) * | 2022-09-22 | 2023-01-10 | 济宁华源热电有限公司 | 一种基于储热的电网削峰填谷调节系统 |
| CN115589002A (zh) * | 2022-10-12 | 2023-01-10 | 浙江中光新能源科技有限公司 | 一种电池储能辅助蓄热型储能电站辅助调频系统和方法 |
| CN116599080A (zh) * | 2023-05-08 | 2023-08-15 | 西安热工研究院有限公司 | 基于熔盐储能系统辅助火电机组调频的方法及装置 |
| CN117744307A (zh) * | 2023-08-29 | 2024-03-22 | 华北电力大学 | 耦合熔盐储热燃煤机组在电力现货市场中运行优化方法 |
| CN117674198A (zh) * | 2024-02-01 | 2024-03-08 | 西安热工研究院有限公司 | 一种新型超级电容耦合锂电池的调频方法和系统 |
| CN117691631A (zh) * | 2024-02-04 | 2024-03-12 | 西安热工研究院有限公司 | 一种基于混合储能装置的电力调频方法和系统 |
Non-Patent Citations (3)
| Title |
|---|
| Interval Prediction Method for Wind Power Based on VMD-ELM/ARIMA-ADKDE;TIANQI XU et al.;《IEEE ACCESS》;20220715;第10卷;第72590-72602页 * |
| 基于变分模态分解的卷积长短时记忆网络短期电力负荷预测方法;黄睿等;《现代电力》;20240229;第41卷(第1期);第97-105页 * |
| 基于熔盐储热辅助煤电机组深度调峰的系统设计及容量计算方法研究;马汀山等;《热力发电》;20230731;第52卷(第7期);第113-118页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117977637A (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117977637B (zh) | 一种熔盐耦合火电机组的调频方法和系统 | |
| CN117691629B (zh) | 一种熔盐耦合火电机组的调频方法和系统 | |
| CN117674198B (zh) | 一种超级电容耦合锂电池的调频方法和系统 | |
| CN117713144B (zh) | 一种基于熔盐储能的火电机组的调频方法和系统 | |
| CN117691630B (zh) | 一种基于vmd-ceemd的电力系统调频方法和系统 | |
| CN117691631B (zh) | 一种基于混合储能装置的电力调频方法和系统 | |
| CN117811023B (zh) | 一种熔盐储能耦合火电机组的调频方法和系统 | |
| CN117977636B (zh) | 一种基于样本熵的熔盐耦合火电机组的调频方法和系统 | |
| CN117277357B (zh) | 采用液流电池的新型火电储能调频方法、系统及电子设备 | |
| CN117674199A (zh) | 一种超级电容耦合锂电池的新型电力系统调频方法和系统 | |
| CN118174321A (zh) | 基于vmd算法的熔盐储能耦合火电机组的调频方法和系统 | |
| CN105207243A (zh) | 一种用于风电场实时功率预报修正的电池能量管理方法 | |
| CN117744893B (zh) | 一种储能辅助黑启动的风速预测方法和系统 | |
| Li et al. | An adaptive multi-objective joint optimization framework for marine hybrid energy storage system design considering energy management strategy | |
| CN113850481A (zh) | 电力系统调度业务辅助决策方法、系统、装置和存储介质 | |
| CN117996788B (zh) | 一种基于双维预测反馈的熔盐耦合火电机组的调频方法 | |
| CN117996787B (zh) | 一种基于双向预测的熔盐耦合火电机组的调频方法 | |
| CN117996786B (zh) | 一种基于二次修正的熔盐耦合火电机组的调频方法 | |
| CN117878973B (zh) | 一种熔盐耦合火电机组的调频方法和系统 | |
| CN117878971B (zh) | 一种熔盐储能耦合火电机组的调频方法和系统 | |
| CN117977634B (zh) | 一种基于双分解的熔盐耦合火电机组的调频方法和系统 | |
| CN117996789B (zh) | 基于双向预测反馈调节的熔盐耦合火电机组的调频方法 | |
| CN115360768A (zh) | 基于muzero和深度强化学习的电力调度方法、装置及存储介质 | |
| CN114781266A (zh) | 基于低通滤波的混合储能系统的容量优化方法及装置 | |
| CN117878975B (zh) | 基于预测聚类的熔盐储能耦合火电机组的调频方法和系统 |
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 |