用于频率调节的混合储能系统微能源网优化方法及系统技术方案

本发明专利技术涉及一种用于频率调节的混合储能系统微能源网优化方法及系统，包括下述步骤：确定输入到概率模型的历史数据；对包括风速、光照强度的历史数据进行概率统计分析；通过时域仿真法确定微能源网在不同控制策略下输出功率的时域仿真曲线；通过基于面积准则的混合储能系统容量配置确定微能源网容量的最优分布。本发明专利技术的方法将概率分析法与时域仿真法相结合，通过蒙特卡洛仿真(Monte Carlo Simulation,MCS)求解孤立微能源网频率调节所需HESS容量的最优概率分布，可充分计及孤立微能源网运行过程中的高维不确定性因素与控制方法的差异性，为规划人员根据微能源网运行需求配置最优的HESS容量提供了一种规划工具。

【技术实现步骤摘要】
用于频率调节的混合储能系统微能源网优化方法及系统
本专利技术涉及微能源网优化配置领域的配制方法，具体涉及一种用于频率调节的混合储能系统微能源网优化配置方法及系统。
技术介绍
风力、光伏等间歇性分布式电源输出功率具有随机波动特点，给微能源网特别是孤立微能源网的频率调节带来了一定的困难。储能系统(energystoragesystem,ESS)凭借其快速响应、可充放电的特性成为解决上述问题的一种有效手段。ESS与微能源网内间歇性分布式电源配合使用，主要有如下两种情形：1)用于平滑间歇性分布式电源(DistributedGeneration,DG)的功率输出，维持微能源网功率供需平衡，保证系统频率稳定；2)与间歇性DG构成系统可调度单元，实现削峰填谷、计划发电与优化运行等。鉴于ESS的投资成本较高，目前研究大多集中于第一种情形。目前多数ESS研究并没有充分计及其规划容量大小对频率调节效果的影响：过小的ESS规划容量无法满足孤立微能源网频率调节的需求；而过大的规划容量又会造成投资成本的激增，导致其经济性的降低。目前，在ESS的容量配置领域，已有一些前期研究：有文献以经济性最优为目标构建孤立微能源网调频所需蓄电池容量的规划模型，并采用迭代优化算法进行求解；有文献采用饱和控制理论求解保持微能源网稳定运行的ESS最小容量配置方法，构建了以ESS容量最小为优化目标，以总体收敛速度指标和稳定域为约束条件的优化模型，但该模型构建过程中忽略了ESS与间歇性分布式电源之间的协调关系；有文献在频率量测历史信息的基础上，利用数值仿真法来确定BESS调频所需的最小容量，同时考虑了其SOC约束的影响；有文献利用离散傅里叶变换(DiscreteFourierTransform，DFT)对间歇性分布式电源输出功率进行频谱分析，基于频谱分析结果，考虑ESS充放电效率、SOC及间歇性分布式电源目标功率输出波动率等约束，确定所需ESS最小容量。然而，已有研究方法存在如下问题：上述研究大多基于确定性的分析理论，没有充分计及ESS容量配置过程中的大量不确定性因素，如外界环境变化所导致的间歇性分布式电源输出功率的随机波动、储能系统参数的不确定性、需求侧响应负荷参数以及状态的不确定性等因素；忽略了ESS辅助微能源网运行时控制策略的差异性对容量配置的影响。
技术实现思路
为解决上述现有技术中的不足，本专利技术的目的是提供一种用于频率调节的混合储能系统微能源网优化配置方法，该方法将概率分析法与时域仿真法相结合，通过蒙特卡洛仿真(MonteCarloSimulation,MCS)求解孤立微能源网频率调节所需HESS容量的最优概率分布。本专利技术的目的是采用下述技术方案实现的：本专利技术提供一种用于频率调节的混合储能系统微能源网优化方法，其改进之处在于，所述方法包括下述步骤：确定输入到混合储能系统微能源网的历史数据；对包括风速、光照强度的历史数据进行概率统计分析；根据所述概率统计分析结果，并通过基于面积准则的混合储能系统容量配置确定微能源网容量的最优分布。进一步地，所述历史数据是微能源网内间歇性分布式电源的外部环境历史数据，包括风速和光照强度；所述对风速历史数据进行概率统计分析包括：任意时刻的风速符合威布尔分布，其概率密度函数如公式1)所示：针对威布尔参数的分布区间，通过蒙特卡洛仿真MCS随机生成不同时刻的风速数据并获得其在预设置信水平下的分布，通过公式2)所示的简化风机出力模型将风速数据转换为风机的输出功率PWT(v)：其中，k，c分别为威布尔分布的形状参数及尺度参数；v为风速；p(v)为风速的概率密度函数；PWT(v)为风机的输出功率；Pr为风机输出额定功率；vcin、vcou分别为风机的切入风速与切除风速；vrat表示额定风速；所述对光照强度历史数据进行概率统计分析包括：光照强度在任意时刻服从正态分布，其概率密度函数如公式3)所示：通过概率统计分析获得上述正态分布在99％置信水平下的分布区间；通过蒙特卡洛仿真MCS随机生成不同时刻的光照数据并获得其在预设置信水平下的分布，通过公式4)所示的光伏阵列功率输出隐形方程计算光伏阵列输出功率Ppv；其中，光伏阵列包括光伏模块，光伏模块包括光伏电池；μ为正态分布的期望值；σ为标准差；p(s)为光照强度的概率密度函数；s为光照强度；ISC是光伏模块的短路电流，单位为A；I0是二极管的饱和电流，单位为A；n为二极管的常数；k为玻尔兹曼常数；m是串联光伏电池的个数；RS为光伏阵列等效电阻；NS为串联光伏模块的数量；NP为并联光伏模块的数量；Ipv为光伏阵列端电流、Upv为光伏阵列端电压、T为实际测试温度。进一步地，所述微能源网中包括蓄电池，蓄电池的容量配置包括：①确定蓄电池额定功率：蓄电池的额定功率Pb,rate用下式表示：Pb,rate＝max[Pb(t)]5)②确定蓄电池额定容量：在不考虑蓄电池荷电状态SOC限制时，其最小容量Eb,min用下式表示：蓄电池荷电状态SOC维持在范围[SOCmin,SOCmax]内，考虑蓄电池荷电状态SOC约束的蓄电池额定容量表示为：Eb,rate＝Eb,min/(SOCmaxSOCmin)7)其中，Eb,min不考虑蓄电池荷电状态SOC限制时的蓄电池的最小容量；Pb(t)表示蓄电池在时刻t的采样功率，t＝1～T，T为仿真时间；Ti＝0,……T；Eb,rate为考虑蓄电池荷电状态SOC约束的蓄电池额定容量；SOCmin、SOCmax分别为蓄电池最小荷电状态和最大荷电状态。进一步地，所述微能源网中包括超级电容器，所述超级电容器的容量配置包括：超级电容器在频率控制过程中的能量交换与其超级电容器电容值之间的数学关系如公式8)所示：假设超级电容器能量交换前、能量交换后的端电压在Vmax和Vmin之间变化，则与额定容量Ec,min对应的超级电容器电容值的计算公式由式9)得出：其中，Vsc1、Vsc2分别为超级电容器能量交换前、能量交换后的端电压；Ec频率控制过程中的能量；Cc为超级电容器电容值；Vmax、Vmin分别为超级电容器能量交换前、能量交换后的端电压的最大值和最小值。本专利技术还提供一种用于频率调节的混合储能系统微能源网优化系统，其改进之处在于，所述系统包括依次进行数据传递的历史数据确定模块、概率统计分析模块和最优分布确定模块，其中：历史数据确定模块：用于确定输入到混合储能系统微能源网的历史数据；概率统计分析模块：用于对包括风速、光-照强度的历史数据进行概率统计分析；最优分布确定模块：用于根据所述概率统计分析结果，并通过基于面积准则的混合储能系统容量配置确定微能源网容量的最优分布。进一步地，所述概率统计分析模块还包括：风速概率统计模块：用于对风速历史数据进行概率统计分析；光照强度概率统计模块：用于对光照强度历史数据进行概率统计分析。进一步地，所述风速概率统计模块，还用于：确定任意时刻的风速符合威布尔分布，其概率密度函数如公式1)所示：针对威布尔参数的分布区间，通过蒙特卡洛仿真MCS随机生成不同时刻的风速数据并获得其在预设置信水平下的分布，通过公式2)所示的简化风机出力模型将风速数据转换为风机的输出功率PWT(v)：其中，k，c分别为威布尔分布的形状参数及尺度参数；v为风速；p(v)为风速的概率密度本文档来自技高网...

【技术保护点】
1.一种用于频率调节的混合储能系统微能源网优化方法，其特征在于，所述方法包括下述步骤：确定输入到混合储能系统微能源网的历史数据；对包括风速、光照强度的历史数据进行概率统计分析；根据所述概率统计分析结果，并通过基于面积准则的混合储能系统容量配置确定微能源网容量的最优分布。

【技术特征摘要】
1.一种用于频率调节的混合储能系统微能源网优化方法，其特征在于，所述方法包括下述步骤：确定输入到混合储能系统微能源网的历史数据；对包括风速、光照强度的历史数据进行概率统计分析；根据所述概率统计分析结果，并通过基于面积准则的混合储能系统容量配置确定微能源网容量的最优分布。2.如权利要求1所述的优化方法，其特征在于，所述历史数据是微能源网内间歇性分布式电源的外部环境历史数据，包括风速和光照强度；所述对风速历史数据进行概率统计分析包括：任意时刻的风速符合威布尔分布，其概率密度函数如公式1)所示：针对威布尔参数的分布区间，通过蒙特卡洛仿真MCS随机生成不同时刻的风速数据并获得其在预设置信水平下的分布，通过公式2)所示的简化风机出力模型将风速数据转换为风机的输出功率PWT(v)：其中，k，c分别为威布尔分布的形状参数及尺度参数；v为风速；p(v)为风速的概率密度函数；PWT(v)为风机的输出功率；Pr为风机输出额定功率；vcin、vcou分别为风机的切入风速与切除风速；vrat表示额定风速；所述对光照强度历史数据进行概率统计分析包括：光照强度在任意时刻服从正态分布，其概率密度函数如公式3)所示：通过概率统计分析获得上述正态分布在99％置信水平下的分布区间；通过蒙特卡洛仿真MCS随机生成不同时刻的光照数据并获得其在预设置信水平下的分布，通过公式4)所示的光伏阵列功率输出隐形方程计算光伏阵列输出功率Ppv；其中，光伏阵列包括光伏模块，光伏模块包括光伏电池；μ为正态分布的期望值；σ为标准差；p(s)为光照强度的概率密度函数；s为光照强度；ISC是光伏模块的短路电流，单位为A；I0是二极管的饱和电流，单位为A；n为二极管的常数；k为玻尔兹曼常数；m是串联光伏电池的个数；RS为光伏阵列等效电阻；NS为串联光伏模块的数量；NP为并联光伏模块的数量；Ipv为光伏阵列端电流、Upv为光伏阵列端电压、T为实际测试温度。3.如权利要求1所述的优化方法，其特征在于，所述微能源网中包括蓄电池，蓄电池的容量配置包括：①确定蓄电池额定功率：蓄电池的额定功率Pb,rate用下式表示：Pb,rate＝max[Pb(t)]5)②确定蓄电池额定容量：在不考虑蓄电池荷电状态SOC限制时，其最小容量Eb,min用下式表示：蓄电池荷电状态SOC维持在范围[SOCmin,SOCmax]内，考虑蓄电池荷电状态SOC约束的蓄电池额定容量表示为：Eb,rate＝Eb,min/(SOCmaxSOCmin)7)其中，Eb,min不考虑蓄电池荷电状态SOC限制时的蓄电池的最小容量；Pb(t)表示蓄电池在时刻t的采样功率，t＝1～T，T为仿真时间；Ti＝0,……T；Eb,rate为考虑蓄电池荷电状态SOC约束的蓄电池额定容量；SOCmin、SOCmax分别为蓄电池最小荷电状态和最大荷电状态。4.如权利要求1所述的优化方法，...

【专利技术属性】
技术研发人员：田世明，刘剑宁，卜凡鹏，李德智，宫志寰，王鹏程，
申请(专利权)人：中国电力科学研究院，国家电网公司，国网山东省电力公司东营供电公司，
类型：发明
国别省市：北京,11