电池能量存储系统的控制方法及电子装置制造方法及图纸

一种电池能量存储系统的控制方法及电子装置，其中，该电池能量存储系统的控制方法包括：构建供电网络中各个网络节点的能源采集模型以及电池能量存储系统的控制参考因素的不确定模型；建立日前最优报价模型，所述日前最优报价模型用于表示在交易日前一天，在满足网络需求下最小化电池能量存储系统的总运行成本；根据所述能源采集模型，所述控制参考因素的不确定模型以及所述日前最优报价模型建立实时电池能量存储系统控制模型；根据所述实时电池能量存储系统控制模型得到所述电池能量存储系统的最优控制策略。

【技术实现步骤摘要】
电池能量存储系统的控制方法及电子装置
本申请涉及电力系统领域，尤其涉及一种电池能量存储系统的控制方法及电子装置。
技术介绍
随着可再生能源比例和分布式发电的提高，能源分销公司正面临新的挑战。作为供电网络系统的所有者和运营者，能源分销公司能够从市场购买能源或者通过双边合同满足未来电力需求。配备了可再生能源设备和电池能量存储系统，分销公司有更多的选择来获取能量，通过竞价和存储系统提高对市场的反映能力。在供电网络系统中，配置电池能量存储系统的主要目的在于调频调峰。一方面，存储释放能量能够降低可再生能源的不稳定性对系统的影响；另一方面，通过参与电力市场，电池能量存储系统能够进一步降低供电网络的运行成本。目前，关于通过电力市场降低运行成本还没有相关的解决方案。
技术实现思路
本申请实施例提供一种电池能量存储系统的控制方法电子装置，用于通过确定的分布式电池控制方法以减少能源分销公司的能源成本和交易风险。本申请实施例第一方面提供一种电池能量存储系统的控制方法，包括：构建供电网络中各个网络节点的能源采集模型以及电池能量存储系统的控制参考因素的不确定模型；所述网络节点包括：负荷节点和发电节点；所述控制参考因素包括负荷、风能、太阳能和电价；建立日前最优报价模型，所述日前最优报价模型用于表示在交易日前一天，在满足网络需求下最小化电池能量存储系统的总运行成本；根据所述能源采集模型，所述控制参考因素的不确定模型以及所述日前最优报价模型建立实时电池能量存储系统控制模型，所述实时电池能量存储系统控制模型用于表示最小化实时能量差和电池操作成本；根据所述实时电池能量存储系统控制模型得到所述电池能量存储系统的最优控制策略。本申请实施例第二方面提供一种电子装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述本申请实施例第一方面提供的电池能量存储系统的控制方法。由上可见，本申请方案通过能源采集模型，控制参考因素的不确定模型以及日前最优报价模型建立实时电池能量存储系统控制模型，再根据所述实时电池能量存储系统控制模型得到所述电池能量存储系统的最优控制策略，减少了供电网络中预计能量需求和实际能量需求的网络需求差，有效的减少能源分销公司的能源成本和交易风险。附图说明图1-a为本申请实施例提供的电池能量存储系统的控制方法的一个流程示意图；图1-b为本申请实施例提供的电池能量存储系统的控制方法的流程框架示意图；图1-c为本申请实施例提供的电池能量存储系统的控制方法的应用示例的网络结构图；图2为本申请实施例提供的电池能量存储系统的控制方法的应用示例的算法图；图3为本申请一实施例提供的电子装置硬件结构示意图。具体实施方式为使得本申请的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。实施例一本申请实施例提供一种电池能量存储系统的控制方法，请参阅图1-a(方法流程图)和图1-b(方法架构图)，该电池能量存储系统的控制方法主要包括以下步骤：101、构建供电网络中各个网络节点的能源采集模型以及电池能量存储系统的控制参考因素的不确定模型；构建供电网络中各个网络节点的能源采集模型以及电池能量存储系统的控制参考因素的不确定模型；所述网络节点包括：负荷节点和发电节点；所述控制参考因素包括负荷、风能、太阳能和电价。示例性的，所述能源采集模型包括以下表达式一和表达式二；其中，式中t表示时间，i表示节点i，表示在时间t节点i上所述供电网络的能量需求，表示在时间t节点i上的负荷，表示在时间t节点i上的太阳能输出，表示在时间t节点i上的风能输出，表示在时间t节点i上的电池能量存储系统的充放能量，表示在时间t节点i上的所述供电网络的总能量消耗。分布式的可再生能源包括风能太阳能会导致实际中供电网络的负荷曲线与需求曲线的不一致。通过将标准的需求曲线加入风能太阳能得到网络需求，最后通过合并电池能量存储系统，得到实际网络的总消耗。示例性的，所述控制参考因素分别对应的不确定模型，包括：基于威布尔分布的风速和风力模型的表达式三和表达式四:其中，fv(v)和fw(v)分别表示风速和风能的预测误差概率密度函数，w是风力，v是风速，kv,cv,aw和bw是概率函数的参数；研究表明威布尔概率分布负荷风速(表达式三)的随机特征，而风力的概率分布(表达式四)可以根据风速的概率分布经过线性转换得到。基于贝塔分布的太阳能输出模型的表达式五：其中，fcl(kt)是晴朗指数的概率密度函数，kt是明亮度，ak和bk是贝塔参数；太阳能主要由天气条件中的云量对太阳遮挡程度决定，因此通过晴朗指数(表达式五)表示太阳能出力的概率分布。基于高斯分布的负荷预测误差模型的表达式六：其中，μl和σl是负荷需求的统计均值和标准差；基于高斯分布的电价预测误差模型的表达式七：其中，μp和σp是电价的统计均值和标准差。表达式三至表达式七的不确定性模型中的参数都是通过电池能量存储系统中各个节点的历史数据统计得到。102、建立日前最优报价模型；建立日前最优报价模型，所述日前最优报价模型用于表示在交易日前一天，在满足网络需求下最小化电池能量存储系统的总运行成本。示例性的，所述日前最优报价模型通过以下表达式八表示：其中，表示在市场中的竞价成本，价格λt乘以量乘以时间间隔表示电池能量存储系统运行成本，用以下表达式九表示。为场景预测误差的补偿成本，用于约束波动和传输损失；在所述表达式八中，决策变量分别是报价量和电池能量存储系统操作计划总体的优化时间T为24小时，优化时间间隔Δtd为1小时；.s表示变量场景s，所有场景的集合为ns；H表示电池能量存储系统所在节点的集合；每个场景是通过不确定性模型和蒙特卡洛模拟方法得到的24小时的可再生能源输出、需求、电价样本。电池能量存储系统运行成本：在所述表达式九中，λfix表示电池运行的固定成本系数，单位为美元每小时，λcha表示电池充放电的操作成本系数，单位为美元每千瓦时，ηc表示系统的充电效率。示例性的，所述日前最优报价模型的优化满足以下表达式十至十八所描述的约束条件，对于所有的i∈H,t∈T；电池能量存储系统约束：其中ηloss是漏泄损耗系数，是充入能量，是存储能量；荷电状态表示约束：表示电池能量存储系统的电量状态，表示系统的存储能力；每日运行约束：功率限制：和分别表示充电和放电功率上限；电量约束：对于所有的i∈N\{1},t∈T：功率平衡约束：式中*表示共轭，表示母线i在时间t时的电压；电压约束：电流约束：电源限制约束：表示配电所的调度能力。日前最优报价模型是一个非线性混合整数约束的优化问题，通过进化算法中的一种，自然聚合算法求解。103、根据所述能源采集模型，所述控制参考因素的不确定模型以及所述日前最优报价模型建立实时电池能量存储系统控制模型；根据所述能源采集模型，所述控制参考因素的不确定模型以及所述日前最优报价模型建立实时电池能量存储系统控制模型，所述实时电池能量存储系统控制模型用于表本文档来自技高网...

【技术保护点】
1.一种电池能量存储系统的控制方法，其特征在于，包括：构建供电网络中各个网络节点的能源采集模型以及电池能量存储系统的控制参考因素的不确定模型；所述网络节点包括：负荷节点和发电节点；所述控制参考因素包括负荷、风能、太阳能和电价；建立日前最优报价模型，所述日前最优报价模型用于表示在交易日前一天，在满足网络需求下最小化电池能量存储系统的总运行成本；根据所述能源采集模型，所述控制参考因素的不确定模型以及所述日前最优报价模型建立实时电池能量存储系统控制模型，所述实时电池能量存储系统控制模型用于表示最小化实时能量差和电池操作成本；根据所述实时电池能量存储系统控制模型得到所述电池能量存储系统的最优控制策略。

【技术特征摘要】
1.一种电池能量存储系统的控制方法，其特征在于，包括：构建供电网络中各个网络节点的能源采集模型以及电池能量存储系统的控制参考因素的不确定模型；所述网络节点包括：负荷节点和发电节点；所述控制参考因素包括负荷、风能、太阳能和电价；建立日前最优报价模型，所述日前最优报价模型用于表示在交易日前一天，在满足网络需求下最小化电池能量存储系统的总运行成本；根据所述能源采集模型，所述控制参考因素的不确定模型以及所述日前最优报价模型建立实时电池能量存储系统控制模型，所述实时电池能量存储系统控制模型用于表示最小化实时能量差和电池操作成本；根据所述实时电池能量存储系统控制模型得到所述电池能量存储系统的最优控制策略。2.根据权利要求1所述的方法，其特征在于，所述能源采集模型包括以下表达式一和表达式二；其中，式中t表示时间，i表示节点i，表示在时间t节点i上所述供电网络的能量需求，表示在时间t节点i上的负荷，表示在时间t节点i上的太阳能输出，表示在时间t节点i上的风能输出，表示在时间t节点i上的电池能量存储系统的充放能量，表示在时间t节点i上的所述供电网络的总能量消耗。3.根据权利要求1所述的方法，其特征在于，所述控制参考因素分别对应的不确定模型，包括：基于威布尔分布的风速和风力模型的表达式三和表达式四:其中，fv(v)和fw(v)分别表示风速和风能的预测误差概率密度函数，w是风力，v是风速，kv,cv,aw和bw是概率函数的参数；基于贝塔分布的太阳能输出模型的表达式五：其中，fcl(kt)是晴朗指数的概率密度函数，kt是明亮度，ak和bk是贝塔参数；基于高斯分布的负荷预测误差模型的表达式六：其中，μl和σl是负荷需求的统计均值和标准差；基于高斯分布的电价预测误差模型的表达式七：其中，μp和σp是电价的统计均值和标准差。4.根据权利要求1所述的方法，其特征在于，所述日前最优报价模型通过以下表达式八表示：其中，表示在市场中的竞价成本，价格λt乘以量乘以时间间隔Δtd,表示电池能量存储系统运行成本，用以下表达式九表示。为场景预测误差的补偿成本，用于约束波动和传输损失；在所述表达式八中，决策变量分别是报价量和电池能量存储系统操作计划总体的优化时间T为24小时，优化时间间隔Δtd为1小时；.s表示变量场景s，所有场景的集合为ns；H表示电池能量存储系统所在节点的集合；电池能量存储系统运行成本：在所述表达式九中，λfix表示电池运行的固定成本系数，单位为美元每小时，λcha表示电...

【专利技术属性】
技术研发人员：赵俊华，赵焕，
申请(专利权)人：香港中文大学深圳，
类型：发明
国别省市：广东,44