WO2021174918A1 - 一种分布式储能系统二次调频控制方法及系统 - Google Patents

一种分布式储能系统二次调频控制方法及系统 Download PDF

Info

Publication number
WO2021174918A1
WO2021174918A1 PCT/CN2020/131558 CN2020131558W WO2021174918A1 WO 2021174918 A1 WO2021174918 A1 WO 2021174918A1 CN 2020131558 W CN2020131558 W CN 2020131558W WO 2021174918 A1 WO2021174918 A1 WO 2021174918A1
Authority
WO
WIPO (PCT)
Prior art keywords
reinforcement learning
learning matrix
matrix
energy storage
storage system
Prior art date
Application number
PCT/CN2020/131558
Other languages
English (en)
French (fr)
Inventor
李相俊
马锐
刘汉民
贾学翠
田云峰
郑宇清
秦源
王上行
杨水丽
马会萌
董文琦
毛海波
史学伟
王阳
Original Assignee
国网新源张家口风光储示范电站有限公司
中国电力科学研究院有限公司
国家电网有限公司
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 国网新源张家口风光储示范电站有限公司, 中国电力科学研究院有限公司, 国家电网有限公司 filed Critical 国网新源张家口风光储示范电站有限公司
Publication of WO2021174918A1 publication Critical patent/WO2021174918A1/zh

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
    • H02J3/38—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
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy

Landscapes

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

Abstract

一种分布式储能系统二次调频控制方法及系统，其中所述方法包括：根据电力系统允许频率偏差范围，确定所述电力系统的系统频率状态区间（101）；确定储能系统的状态区间（102）；根据所述系统频率状态区间和所述状态区间，建立强化学习矩阵，确定强化学习学习率（103）；对所述状态区间进行初始化（104）；根据所述强化学习矩阵的更新策略，计算下一时刻所有动作的奖励值，采取奖励值最大的策略对应的选择动作（105）；利用所述选择动作获取所述强化学习矩阵的某一元素的值，更新所述强化学习矩阵（106）；当所述强化学习矩阵满足收敛条件时，将所述强化学习矩阵进行保存；利用所述经过保存的强化学习矩阵，对分布式储能系统二次调频进行控制（107）。

Description

一种分布式储能系统二次调频控制方法及系统 技术领域
本发明涉及电力储能技术领域，更具体地，涉及一种分布式储能系统二次调频控制方法及系统。
背景技术
储能技术主要是指电能的储存。储存的能量可以用做应急能源，也可以用于在电网负荷低的时候储能，在电网高负荷的时候输出能量，用于削峰填谷，减轻电网波动。能量有多种形式，包括辐射，化学的，重力势能，电势能，电力，高温，潜热和动力。能量储存涉及将难以储存的形式的能量转换成更便利或经济可存储的形式。大量储能目前主要由发电水坝组成，无论是传统的还是水泵抽水的。
近年来，储能技术快速发展，在国家政策支持以及市场的引导下，储能成本明显降低。储能系统的快速发展给电力系统的安全稳定运行带来了新的生机，电池储能技术具有快速精确的响应能力，比传统调频手段更为高效。强化学习(reinforcement learning)是一种重要的机器学习方法，在智能控制及分析预测等领域有许多应用，将人工智能技术应用到电力系统中是未来电力系统的一种发展趋势。
因此，需要一种技术，以实现对分布式储能系统二次调频进行控制。
发明内容
本发明技术方案提供了一种分布式储能系统二次调频控制方法及系统，以解决如何对分布式储能系统进行二次调频控制的问题。
为了解决上述问题，本发明提供了一种分布式储能系统二次调频控制方法，所述方法包括：
根据电力系统允许频率偏差范围，确定所述电力系统的系统频率状态区间；
确定储能系统的状态区间；
根据所述系统频率状态区间和所述状态区间，建立强化学习矩阵，确定强化学习学习率；
对所述状态区间进行初始化；
根据所述强化学习矩阵的更新策略，计算下一时刻所有动作的奖励值，采取奖励值最大的策略对应的选择动作；
利用所述选择动作获取所述强化学习矩阵的某一元素的值，更新所述强化学习矩阵；
当所述强化学习矩阵满足收敛条件时，将所述强化学习矩阵进行保存；利用所述经过保存的强化学习矩阵，对分布式储能系统二次调频进行控制。
优选地，所述强化学习矩阵的收敛条件为：
当所述强化学习矩阵在k次循环中没有变化，即Q i＝Q i+1＝Q i+2＝...＝Q i+k-1＝Q i+k，其中Q i、Q i+1、Q i+2、Q i+k-1、Q i+k分别为第i、i+1、i+2、i+k-1、i+k次循环得到的强化学习矩阵，k值根据需要进行设定。
优选地，当所述强化学习矩阵在达到预设的时间后仍不满足收敛条件，则停止计算下一时刻所有动作的奖励值。
优选地，还包括，对所述强化学习矩阵Q进行归一化处理，归一化规则为：
Figure PCTCN2020131558-appb-000001
其中Q uni为归一化的强化学习矩阵Q，Q max为强化学习矩阵Q中的最大元素。
优选地，当奖励值最大的策略为多个时，任意采取其中一种选择动作。
基于本发明的另一方面，提供一种分布式储能系统二次调频控制系统，所述系统包括：
第一初始单元，用于根据电力系统允许频率偏差范围，确定所述电力系统的系统频率状态区间；
第二初始单元，用于确定储能系统的状态区间；
第三初始单元，用于根据所述系统频率状态区间和所述状态区间，建立强化学习矩阵，确定强化学习学习率；
第四初始单元，用于对所述状态区间进行初始化；
计算单元，用于根据所述强化学习矩阵的更新策略，计算下一时刻所有动作的奖励值，采取奖励值最大的策略对应的选择动作；
更新单元，用于利用所述选择动作获取所述强化学习矩阵的某一元素的值，更新所述强化学习矩阵；
控制单元，用于当所述强化学习矩阵满足收敛条件时，将所述强化学习矩阵进行保存；利用所述经过保存的强化学习矩阵，对分布式储能系统二次调频进行控制。
优选地，所述强化学习矩阵的收敛条件为：
当所述强化学习矩阵在k次循环中没有变化，即Q i＝Q i+1＝Q i+2＝...＝Q i+k-1＝Q i+k，其中Q i、Q i+1、Q i+2、Q i+k-1、Q i+k分别为第i、i+1、i+2、i+k-1、i+k次循环得到的强化学习矩阵，k值根据需要进行设定。
优选地，还包括终止单元，用于当所述强化学习矩阵在达到预设的时间后仍不满足收敛条件，则停止计算下一时刻所有动作的奖励值。
优选地，还包括归一单元，用于对所述强化学习矩阵Q进行归一化处理，归一化规则为：
Figure PCTCN2020131558-appb-000002
其中Q uni为归一化的强化学习矩阵Q，Q max为强化学习矩阵Q中的最大元素。
优选地，所述计算单元还用于：当奖励值最大的策略为多个时，任意采取其中一种选择动作。
本发明技术方案提供一种分布式储能系统二次调频控制方法及系统，用于实现对电力系统频率的无差调节。其中方法包括：根据电力系统允许频率偏差范围，确定电力系统的系统频率状态区间；确定储能系统的状态区间；根据系统频率状态区间和状态区间，建立强化学习矩阵，确定强化学习学习率；对状态区间进行初始化；根据强化学习矩阵的更新策略，计算下一时刻所有动作的奖励值，采取奖励值最大的策略对应的选择动作；利用选择动作获取强化学习矩阵的某一元素的值，更新强化学习矩阵；当强化学习矩阵满足收敛条件时，将强化学习矩阵进行保存；利用经过保存的强化学习矩阵，对分布式储能系统二次调频进行控制。本发明技术方案，实现了分布式储能系统更加精准的参与电力系统二次调频，使电力系统频率维持在额定频率，改善频率波动性，提高电力系统稳定性。同时延长电池储能系统寿命，降低成本。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1为根据本发明优选实施方式的分布式储能系统二次调频控制方法流程图；
图2为根据本发明优选实施方式的分布式储能系统二次调频控制方法流程图；
图3为根据本发明优选实施方式的分布式储能系统接入电网示意图；以及
图4为根据本发明优选实施方式的分布式储能系统二次调频控制系统结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分 传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明优选实施方式的分布式储能系统二次调频控制方法流程图。由于电网中的储能系统将逐步采用分布式接入方式，分布式储能系统参与系统的调频控制方法将更为复杂，本申请将强化学习理论引入到对分布式储能的控制上，以实现对多点接入的分布式储能系统参与电力系统二次调频的精准控制。本发明实施方式提供了一种分布式电储能系统二次调频控制方法及系统，主要针对当电力系统中因负荷变化导致系统频率波动，当系统一次调频完成有差调节后，系统频率仍存在的偏差，分布式储能系统参与系统二次调频的控制。本申请提供的一种分布式储能系统二次调频控制方法，包括：电力系统允许频率偏差范围，划分频率状态指标；根据分布式储能系统SOC状态，划分储能系统状态指标，从而确定强化学习状态空间集合。强化学习奖励函数是分布式储能系统选择动作的主要决定因素，系统通过不断学习，更新强化学习矩阵Q矩阵，从而得到最优控制策略。所得的Q矩阵可继续投入在线学习，学习时间越长，控制效果越好。具体由图1所示，一种分布式储能系统二次调频控制方法，方法包括：
优选地，在步骤101：根据电力系统允许频率偏差范围，确定电力系统的系统频率状态区间。本申请根据电力系统频率允许变化范围，划分电力系统频率状态指标。我国电力系统额定频率为50HZ，正常频率偏差允许值为±0.2HZ，当系统容量较小时，频率差值可以放宽到±0.5HZ。为达到对频率的精准控制，将系统频率状态划分为17个区间，分别为{(0，48.0)(48.0，49.0),(49.0,49.5],(49.5,49.6],(49.6,49.7],(49.7,49.8], (49.8,49.9],(49.9,49.95],(49.95,50.05],(50.05,50.1],(50.1,50.2],(50.2,50.3],(50.3,50.4],(50.4,50.5],(50.5,51.0],(51.0,52.0),(52.0,+∞)}，将这17个状态区间分别命名为
Figure PCTCN2020131558-appb-000003
可见，状态S f9为系统频率的最优状态。
优选地，在步骤102：确定储能系统的状态区间。本申请中，确定储能系统状态空间和动作状态集合。如图3所示，储能能在电力系统中分布式接入，假设一区域电力系统有N(N＝1,2,…)个点接入储能系统，每个储能系统额定容量为C N(N＝1,2,…)，t时刻SOC状态为SOC N(t)。根据每个储能系统的SOC状态，将每个储能系统划分为个11区间，分别为{(0，0.1]，(0.1，0.2),(0.2,0.3],(0.3,0.4],(0.4,0.45],(0.45,0.55],(0.55,0.6],(0.6,0.7],(0.7,0.8],(0.8,0.9],(0.9,1.0],}，将这11个区间分别命名为
Figure PCTCN2020131558-appb-000004
储能系统SOC越接近0.5，越有利于通过充放电对频率进行调整，可见，状态
Figure PCTCN2020131558-appb-000005
为储能系统最优状态。将每个储能系统的动作(吸收功率或输出功率)离散化为K个定值，分别为
Figure PCTCN2020131558-appb-000006
优选地，在步骤103：根据系统频率状态区间和状态区间，建立强化学习矩阵，确定强化学习学习率。本申请强化学习矩阵Q，确定强化学习学习率。本申请根据划分的系统频率状态区间17个以及分布式储能系统状态区间11 N个，一个区域分布式电储能系统二次调频控制状态空间共有17×11 N个状态，共有11 K种动作。因此，强化学习矩阵Q可表示为：
Figure PCTCN2020131558-appb-000007
将Q矩阵初始化为0矩阵，确定强化学习学习率Gamma。
优选地，在步骤104：对状态区间进行初始化；
优选地，在步骤105：根据强化学习矩阵的更新策略，计算下一时刻所有动作的奖励值，采取奖励值最大的策略对应的选择动作；
优选地，当奖励值最大的策略为多个时，任意采取其中一种选择动作。
如图2所示，本申请中，随机初始化强化学习系统系统状态空间。按照Q矩阵更新策略，计算下一时刻所有动作的奖励值，采取奖励值最大的策略选择动作，若多个动作奖励值相同，任意选择一种动作。根据步骤5的动作策略得到一个Q矩阵某一元素的值，更新Q矩阵。
本申请在学习过程中，Q矩阵的更新策略为：
Q(state,action)＝R(state,action)+Gamma×Max[Q(next state,all actions)]
其中R(state,action)为奖励函数，Gamma为学习率，Q(state,action)为更新的Q矩阵，Max[Q(nextstate,allactions)]为下一状态所有动作的最大值。
奖励函数R(state,action)由两部分组成，表示如下:
R(state,action)＝αR 1(f_state,action)+βR 2(e_state,action)
其中，R 1(f_state,action)为系统频率奖励函数，R 2(e_state,action)为分布式储能系统状态奖励函数，α，β分别为系统频率、分布式储能系统状态奖励权重系数，α+β＝1，由于储能系统为系统频率服务，因此学习过程中设置α＞β，具体大小可根据需要确定。
系统频率奖励函数R 1(f_state,action)规则可表示为：
Figure PCTCN2020131558-appb-000008
分布式储能系统状态奖励函数R 2(e_state,action)规则可表示为：
Figure PCTCN2020131558-appb-000009
其中，f_state t为状态t时刻的系统频率，f_state t+1为状态t+1时刻的系统频率，R 1(f_state t,action,f_state t+1)为系统频率从t时刻到t+1时刻的奖励值，e_state t为t时刻的动作，e_action t+1为t+1时刻的动作，R 2(e_state t,action,e_action t+1)为系统从t时刻到t+1时刻动作的奖励函数。
优选地，在步骤106：利用选择动作获取强化学习矩阵的某一元素的值，更新强化学习矩阵；
优选地，在步骤107：当强化学习矩阵满足收敛条件时，将强化学习矩阵进行保存；利用经过保存的强化学习矩阵，对分布式储能系统二次调频进行控制。
优选地，强化学习矩阵的收敛条件为：
当强化学习矩阵在k次循环中没有变化，即Q i＝Q i+1＝Q i+2＝...＝Q i+k-1＝Q i+k，其中Q i、Q i+1、Q i+2、Q i+k-1、Q i+k分别为第i、i+1、i+2、i+k-1、i+k次循环得到的强化学习矩阵，k值根据需要进行设定。
优选地，当强化学习矩阵在达到预设的时间后仍不满足收敛条件，则停止计算下一时刻所有动作的奖励值。
本申请的收敛条件有两种：一种为Q矩阵在k次循环中没有变化，即Q i＝Q i+1＝Q i+2＝...＝Q i+k-1＝Q i+k，k值可根据需要人为设定。另一种针对Q矩阵长时间不收敛的情况，可设置最大循环次数或最长循环。
优选地，方法还包括，在将所述强化学习矩阵进行保存之后，对强化学习矩阵Q进行归一化处理，归一化规则为：
Figure PCTCN2020131558-appb-000010
其中Q uni为归一化的强化学习矩阵Q，Q max为强化学习矩阵Q中的最大元素。
Q矩阵归一化规则为：
Figure PCTCN2020131558-appb-000011
其中Q uni为归一化的Q矩阵，Q max为Q矩阵中的最大元素。
图4为根据本发明优选实施方式的分布式储能系统二次调频控制系统结构图。如图4所示，一种分布式储能系统二次调频控制系统，系统包括：
第一初始单元401，用于根据电力系统允许频率偏差范围，确定电力系统的系统频率状态区间。
第二初始单元402，用于确定储能系统的状态区间。
第三初始单元403，用于根据系统频率状态区间和状态区间，建立强化学习矩阵，确定强化学习学习率。
第四初始单元404，用于对状态区间进行初始化。
计算单元405，用于根据强化学习矩阵的更新策略，计算下一时刻所有动作的奖励值，采取奖励值最大的策略对应的选择动作。优选地，系统计算单元405还用于：当奖励值最大的策略为多个时，任意采取其中一种选择动作。
更新单元406，用于利用选择动作获取强化学习矩阵的某一元素的值，更新强化学习矩阵。
控制单元407，用于当强化学习矩阵满足收敛条件时，将强化学习矩阵进行保存；利用经过保存的强化学习矩阵，对分布式储能系统二次调频进行控制。
优选地，强化学习矩阵的收敛条件为：
当强化学习矩阵在k次循环中没有变化，即Q i＝Q i+1＝Q i+2＝...＝Q i+k-1＝Q i+k，其中Q i、Q i+1、Q i+2、Q i+k-1、Q i+k分别为第i、i+1、i+2、i+k-1、i+k次循环得到的强化学习矩阵，k值根据需要进行设定。
优选地，系统还包括终止单元，用于当强化学习矩阵在达到预设的时间后仍不满足收敛条件，则停止计算下一时刻所有动作的奖励值。
优选地，系统还包括归一单元，用于对强化学习矩阵Q进行归一化处理，归一化规则为：
Figure PCTCN2020131558-appb-000012
其中Q uni为归一化的强化学习矩阵Q，Q max为强化学习矩阵Q中的最大元素。
本发明中分布式储能系统二次调频控制系统400中的各个单元可单独独立为一个或多个控制器或者处理器，或者根据需要将各个单元设置在一 个集成处理器或集成芯片上。
本发明优选实施方式的分布式储能系统二次调频控制系统400与本发明另一优选实施方式的分布式储能系统二次调频控制方法100相对应，在此不再进行赘述。
已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。

Claims (10)

  1. 一种分布式储能系统二次调频控制方法，所述方法包括：
    根据电力系统允许频率偏差范围，确定所述电力系统的系统频率状态区间；
    确定储能系统的状态区间；
    根据所述系统频率状态区间和所述状态区间，建立强化学习矩阵，确定强化学习学习率；
    对所述状态区间进行初始化；
    根据所述强化学习矩阵的更新策略，计算下一时刻所有动作的奖励值，采取奖励值最大的策略对应的选择动作；
    利用所述选择动作获取所述强化学习矩阵的某一元素的值，更新所述强化学习矩阵；
    当所述强化学习矩阵满足收敛条件时，将所述强化学习矩阵进行保存；利用所述经过保存的强化学习矩阵，对分布式储能系统二次调频进行控制。
  2. 根据权利要求1所述的方法，所述强化学习矩阵的收敛条件为：
    当所述强化学习矩阵在k次循环中没有变化，即Q i＝Q i+1＝Q i+2＝...＝Q i+k-1＝Q i+k，其中Q i、Q i+1、Q i+2、Q i+k-1、Q i+k分别为第i、i+1、i+2、i+k-1、i+k次循环得到的强化学习矩阵，值根据需要进行设定。
  3. 根据权利要求1所述的方法，当所述强化学习矩阵在达到预设的时间后仍不满足收敛条件，则停止计算下一时刻所有动作的奖励值。
  4. 根据权利要求1所述的方法，还包括，对所述强化学习矩阵Q进行归一化处理，归一化规则为：
    Figure PCTCN2020131558-appb-100001
    其中Q uni为归一化的强化学习矩阵Q，Q max为强化学习矩阵Q中的最大元素。
  5. 根据权利要求1所述的方法，当奖励值最大的策略为多个时，任意采取其中一种选择动作。
  6. 一种分布式储能系统二次调频控制系统，所述系统包括：
    第一初始单元，用于根据电力系统允许频率偏差范围，确定所述电力系统的系统频率状态区间；
    第二初始单元，用于确定储能系统的状态区间；
    第三初始单元，用于根据所述系统频率状态区间和所述状态区间，建立强化学习矩阵，确定强化学习学习率；
    第四初始单元，用于对所述状态区间进行初始化；
    计算单元，用于根据所述强化学习矩阵的更新策略，计算下一时刻所有动作的奖励值，采取奖励值最大的策略对应的选择动作；
    更新单元，用于利用所述选择动作获取所述强化学习矩阵的某一元素的值，更新所述强化学习矩阵；
    控制单元，用于当所述强化学习矩阵满足收敛条件时，将所述强化学习矩阵进行保存；利用所述经过保存的强化学习矩阵，对分布式储能系统二次调频进行控制。
  7. 根据权利要求6所述的系统，所述强化学习矩阵的收敛条件为：
    当所述强化学习矩阵在k次循环中没有变化，即Q i＝Q i+1＝Q i+2＝...＝Q i+k-1＝Q i+k，其中Q i、Q i+1、Q i+2、Q i+k-1、Q i+k分别为第i、i+1、i+2、i+k-1、i+k次循环得到的强化学习矩阵，k值根据需要进行设定。
  8. 根据权利要求6所述的系统，还包括终止单元，用于当所述强化学习矩阵在达到预设的时间后仍不满足收敛条件，则停止计算下一时刻所有动作的奖励值。
  9. 根据权利要求6所述的系统，还包括归一单元，用于对所述强化学习矩阵Q进行归一化处理，归一化规则为：
    Figure PCTCN2020131558-appb-100002
    其中Q uni为归一化的强化学习矩阵Q，Q max为强化学习矩阵Q中的最大元素。
  10. 根据权利要求6所述的方法，所述计算单元还用于：当奖励值最大的策略为多个时，任意采取其中一种选择动作。
PCT/CN2020/131558 2020-03-06 2020-11-25 一种分布式储能系统二次调频控制方法及系统 WO2021174918A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010151834.8 2020-03-06
CN202010151834.8A CN111224433A (zh) 2020-03-06 2020-03-06 一种分布式储能系统二次调频控制方法及系统

Publications (1)

Publication Number Publication Date
WO2021174918A1 true WO2021174918A1 (zh) 2021-09-10

Family

ID=70826271

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/131558 WO2021174918A1 (zh) 2020-03-06 2020-11-25 一种分布式储能系统二次调频控制方法及系统

Country Status (2)

Country Link
CN (1) CN111224433A (zh)
WO (1) WO2021174918A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113937790A (zh) * 2021-10-12 2022-01-14 云南电网有限责任公司电力科学研究院 一种用于电化学储能系统一次调频与二次调频的配合方法
CN114709857A (zh) * 2022-05-18 2022-07-05 华北电力大学 针对典型二次调频场景的独立储能电站调用方法及系统
CN116131289A (zh) * 2023-02-22 2023-05-16 上海采日能源科技有限公司 调频控制方法、装置和计算机可读存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111224433A (zh) * 2020-03-06 2020-06-02 中国电力科学研究院有限公司 一种分布式储能系统二次调频控制方法及系统
CN112103971B (zh) * 2020-09-01 2023-07-28 广西大学 一种电网调频型飞轮储能系统的矢量强化学习控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7536240B2 (en) * 2005-07-22 2009-05-19 Ut-Battelle, Llc Real power regulation for the utility power grid via responsive loads
CN103490413A (zh) * 2013-09-27 2014-01-01 华南理工大学 一种基于智能体均衡算法的智能发电控制方法
CN103904641A (zh) * 2014-03-14 2014-07-02 华南理工大学 基于相关均衡强化学习的孤岛微电网智能发电控制方法
CN109193721A (zh) * 2018-09-29 2019-01-11 华南理工大学 一种基于强化学习的电动汽车充放电策略优化方法
CN111224433A (zh) * 2020-03-06 2020-06-02 中国电力科学研究院有限公司 一种分布式储能系统二次调频控制方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105870942B (zh) * 2016-05-18 2022-04-29 中国电力科学研究院 一种基于近似动态规划算法的一次调频附加学习控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7536240B2 (en) * 2005-07-22 2009-05-19 Ut-Battelle, Llc Real power regulation for the utility power grid via responsive loads
CN103490413A (zh) * 2013-09-27 2014-01-01 华南理工大学 一种基于智能体均衡算法的智能发电控制方法
CN103904641A (zh) * 2014-03-14 2014-07-02 华南理工大学 基于相关均衡强化学习的孤岛微电网智能发电控制方法
CN109193721A (zh) * 2018-09-29 2019-01-11 华南理工大学 一种基于强化学习的电动汽车充放电策略优化方法
CN111224433A (zh) * 2020-03-06 2020-06-02 中国电力科学研究院有限公司 一种分布式储能系统二次调频控制方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MAO MEIQIN, XI YUAN YUAN, CHANG LIUCHEN, JIN PENG, XU HAIBA: "Q-learning Algorithm Based Secondary Frequency Adaptive Online Control in Real-time Operation for Microgrids", NEUROLOGY, LIPPINCOTT WILLIAMS & WILKINS , PHILADELPHIA, US, vol. 39, no. 20, 25 October 2015 (2015-10-25), US, pages 26 - 31, XP055842864, ISSN: 0028-3878, DOI: １０．７５００／ＡＥＰＳ２０１４１１３００１１ *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113937790A (zh) * 2021-10-12 2022-01-14 云南电网有限责任公司电力科学研究院 一种用于电化学储能系统一次调频与二次调频的配合方法
CN113937790B (zh) * 2021-10-12 2024-02-06 云南电网有限责任公司电力科学研究院 一种用于电化学储能系统一次调频与二次调频的配合方法
CN114709857A (zh) * 2022-05-18 2022-07-05 华北电力大学 针对典型二次调频场景的独立储能电站调用方法及系统
CN116131289A (zh) * 2023-02-22 2023-05-16 上海采日能源科技有限公司 调频控制方法、装置和计算机可读存储介质
CN116131289B (zh) * 2023-02-22 2023-12-15 上海采日能源科技有限公司 调频控制方法、装置和计算机可读存储介质

Also Published As

Publication number Publication date
CN111224433A (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
WO2021174918A1 (zh) 一种分布式储能系统二次调频控制方法及系统
US11326579B2 (en) Adaptive dynamic planning control method and system for energy storage station, and storage medium
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
WO2018196433A1 (zh) 多类型储能多级控制方法
CN103986190A (zh) 基于发电功率曲线的风光储联合发电系统平滑控制方法
CN106451508A (zh) 分布式混合储能系统配置、充放电方法及装置
US20230299585A1 (en) Coordinated optimization peak shaving method for plurality of power supplies based on fluctuation characteristics of renewable energy
CN107492901B (zh) 一种分布式储能系统实时优化方法及装置
CN112103980A (zh) 一种联合火电机组agc调频的混合储能系统能量管理方法
CN110518634A (zh) 基于改进指数平滑法的蓄电池储能系接入风电场控制方法
CN116094065A (zh) 电网承载能力评估方法、装置及电子设备
CN113113916B (zh) 一种舰船综合电力系统中多目标能量调控方法
WO2019165637A1 (zh) 风电场群有功功率的控制方法及装置
CN105119285A (zh) 基于动态赋权的风储协调多目标优化控制方法
CN111523947A (zh) 一种虚拟电厂发电成本生成方法
CN114400387A (zh) 基于多智能体博弈的电池均衡管理方法及系统
CN111311032B (zh) 一种基于扇形雷达图模型的微网系统容量优化配置方法
CN115549137A (zh) 分布式电网调控系统及调控方法
CN110266059B (zh) 一种基于三角综合评估的新型能源供给系统优化配置方法
CN110970939A (zh) 一种分布式能源集群优化方法及系统
CN117556969B (zh) 一种基于概率场景驱动的柔性配电网分布式无功优化方法
US11444476B1 (en) Lightning strike probability-based coordinated power control method for energy storage system and load
Wang et al. Impacts of lock-off time on virtual battery model from thermostatically controlled loads
CN117895587A (zh) 考虑新能源消纳能力的配电网源储荷协同控制方法
CN117154906A (zh) 一种具有制冷功能的无线充电调控方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20923015

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20923015

Country of ref document: EP

Kind code of ref document: A1