一种含储能分散式风电场的分布式鲁棒控制方法及系统技术方案

本申请公开了一种含储能分散式风电场的分布式鲁棒控制方法及系统，通过将无法准确记录的风电数据，转换为理论弃风功率模糊概率分布集，能够更加准确的得到贴近实际情况的理论弃风功率，同时理论弃风功率的计算无需大量不准确的基础数据，仅需历史理论弃风功率的均值和方差，同时，均值和方差能够进一步的弥补数据的误差，最后基于分布式鲁棒控制方法，利用惩罚函数和储能设备运行成本，得到控制函数，利用控制函数求解出理论弃风功率对应的目标充放电能量变化量，利用目标充放电能量变化量控制储能设备充放电，以实现利用风电场的储能设备更为精准的控制风电场的输出功率。

A Distributed Robust Control Method and System for Decentralized Wind Farm with Energy Storage

This application discloses a distributed robust control method and system for decentralized wind farms with energy storage. By transforming the inaccurate recorded wind power data into a fuzzy probability distribution set of theoretical abandoned wind power, the theoretical abandoned wind power can be obtained more accurately, which is close to the actual situation. At the same time, the calculation of theoretical abandoned wind power does not need a large number of inaccurate basic data, and only needs historical theory. Mean and variance of abandoned wind power, meanwhile, mean and variance can further compensate for data errors. Finally, based on distributed robust control method, the control function is obtained by using penalty function and operating cost of energy storage equipment. The control function is used to solve the target charge and discharge energy variation corresponding to theoretical abandoned wind power, and the target charge and discharge energy variation is used to control the energy storage device. In order to control the output power of the wind farm more accurately, the energy storage equipment of the wind farm is equipped with charge and discharge equipment.

【技术实现步骤摘要】
一种含储能分散式风电场的分布式鲁棒控制方法及系统
本专利技术涉及新能源发电领域，特别涉及一种含储能分散式风电场的分布式鲁棒控制方法及系统。
技术介绍
为降低电网碳排放，提高清洁可再生能源的利用效率，清洁能源利用方式广受关注。由于受到自然特性、地理环境、风电场自身条件等因素影响，风电出力具有随机波动性。而这正是风电接入电网产生影响的根本原因。风电功率不可掌控的波动将对电网的有功及无功功率平衡带来了不利影响。这些影响包括风电接入点局部地区电压水平、全网旋转备用容量安排、系统调频等方面。一种解决方案就是通过储能设备，将某时多余出力储存，用于后续的不可预期的短缺补偿。储能设备成本的下降也让其成为有吸引力的柔性调节方案。然而储能设备的控制方案又是一项亟需解决的难题。以往的一些工作主要使用随机最优控制方式来进行储能设备的最优控制以应对风力发电的多变性。例如一种动态控制方法，需要确切地知道风力出力分布的真实波形。实际运行中很难满足这些条件，难以获得准确的分布模型。特别是当历史风电数据稀缺时，根据历史数据估计可能不准确。即使实际出力数据可用，尝试从数据推断真实分布通常也具有挑战性。有时可以定义完全符合数据的离散概率密度函数，但会导致过度拟合进而不够准确。为此，提出一种能够有效应对风力发电的多变性问题，通过控制分散式风电场中的储能充放电功率，达到风电场整场出力精准控制的方法。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种含储能分散式风电场的分布式鲁棒控制方法及系统，提高对储能设备控制的精准度。其具体方案如下：一种含储能的分散式风电场的分布式鲁棒控制系统，包括：数据获取接口，用于获取储能设备的储能能力上限、储能能力下限、能量变化上限、能量变化下限、充电效率和放电效率，获取历史负荷、储能设备运行成本、历史理论弃风功率的均值和方差；接收能量计算模块，用于利用所述储能能力上限、所述储能能力下限、所述能量变化上限、所述能量变化下限、所述充电效率和所述放电效率，得到储能接收能量；风电功率计算模块，用于利用包括所述历史理论弃风功率的均值和方差的理论弃风功率模糊概率分布集，得到理论弃风功率；惩罚函数建立模块，用于利用所述历史负荷、所述理论弃风功率和所述储能接收能量，得到惩罚函数；控制函数建立模块，用于基于分布式鲁棒控制方法，利用所述惩罚函数和所述储能设备运行成本，得到控制函数；变量计算模块，用于利用所述控制函数，得到所述理论弃风功率对应的目标充放电能量变化量；储能控制模块，用于利用所述目标充放电能量变化量控制储能设备充放电。可选的，所述接收能量计算模块，包括：储能模型建立单元，用于利用储能设备的可用能量、充放电能量变化量、所述充电效率和所述放电效率，建立所述储能设备的储能模型；约束条件建立单元，用于利用所述储能模型、所述储能能力上限、所述储能能力下限、所述能量变化上限和所述能量变化下限，得到约束条件；接收能量计算单元，用于在满足所述约束条件下，利用包括充放电能量变化量、所述充电效率和所述放电效率的储能接收能量表达式，得到所述储能接收能量。可选的，所述惩罚函数建立模块，包括：需求电量计算单元，用于利用所述历史负荷、所述理论弃风功率和所述储能接收能量，得到总需求电量；惩罚函数建立单元，用于利用所述总需求电量，得到所述惩罚函数。可选的，所述变量计算模块，包括：动态方程建立单元，用于利用所述控制函数，以储能设备成本最低为目标，得到储能动态规划方程；变量计算单元，用于利用所述储能动态规划方程，得到所述目标充放电能量变化量。可选的，所述储能接收能量表达式为：其中，h(ut)表示所述储能接收能量，充电效率αc<1，放电效率αd<1，xt表示t时刻的状态，xt>0表示充电，xt<0表示放电。可选的，所述理论弃风功率模糊概率分布集为：其中，Dt表示分布集，P(R)表示R上的Borel概率测量集合，μt(Wt)表示t时刻的理论弃风功率分布集合，Wt表示t时刻的所述理论弃风功率，mt表示所述历史理论弃风功率的均值，表示所述历史理论弃风功率的方差，bt表示均值置信度参数，ct表示方差置信度参数。可选的，所述惩罚函数为：式中，rt(ut,wt)表示惩罚成本，δt(ut,wt)表示总需求电量，和均为不平衡状态惩罚系数。可选的，所述控制函数为：式中，π∈Π为储能设备的可用能量集合，γ∈Γ为所述理论弃风功率具有随机性的第二变量集合，q(xT)表示储能成本。可选的，所述储能动态规划方程为：式中，系统从t时刻状态(xt,wt)＝(x,w)开始，从时间t到T-1，即为在初值(x,w)条件下，T时刻q(xT)与此前各时刻的惩罚函数的总惩罚成本。本专利技术还公开了一种含储能的分散式风电场的分布式鲁棒控制方法，包括：获取储能设备的储能能力上限、储能能力下限、能量变化上限、能量变化下限、充电效率和放电效率，获取历史负荷、储能设备运行成本、历史理论弃风功率的均值和方差；利用所述储能能力上限、所述储能能力下限、所述能量变化上限、所述能量变化下限、所述充电效率和所述放电效率，得到储能接收能量；利用包括所述历史理论弃风功率的均值和方差的理论弃风功率模糊概率分布集，得到理论弃风功率；利用所述历史负荷、所述理论弃风功率和所述储能接收能量，得到惩罚函数；基于分布式鲁棒控制方法，利用所述惩罚函数和所述储能设备运行成本，得到控制函数；利用所述控制函数，得到所述理论弃风功率对应的目标充放电能量变化量；利用所述目标充放电能量变化量控制储能设备充放电。本专利技术中，含储能的分散式风电场的分布式鲁棒控制系统，包括：数据获取接口，用于获取储能设备的储能能力上限、储能能力下限、能量变化上限、能量变化下限、充电效率和放电效率，获取历史负荷、储能设备运行成本、历史理论弃风功率的均值和方差；接收能量计算模块，用于利用储能能力上限、储能能力下限、能量变化上限、能量变化下限、充电效率和放电效率，得到储能接收能量；风电功率计算模块，用于利用包括历史理论弃风功率的均值和方差的理论弃风功率模糊概率分布集，得到理论弃风功率；惩罚函数建立模块，用于利用历史负荷、理论弃风功率和储能接收能量，得到惩罚函数；控制函数建立模块，用于基于分布式鲁棒控制方法，利用惩罚函数和储能设备运行成本，得到控制函数；变量计算模块，用于利用控制函数，得到理论弃风功率对应的目标充放电能量变化量；储能控制模块，用于利用目标充放电能量变化量控制储能设备充放电。本专利技术通过将无法准确记录的风电数据，转换为理论弃风功率模糊概率分布集，能够更加准确的得到贴近实际情况的理论弃风功率，同时无需大量不准确的基础数据，仅需历史理论弃风功率的均值和方差，同时，均值和方差能够进一步的弥补数据的误差，最后基于分布式鲁棒控制方法，利用惩罚函数和储能设备运行成本，得到控制函数，利用控制函数求解出理论弃风功率对应的目标充放电能量变化量，利用目标充放电能量变化量控制储能设备充放电，以实现利用风电场的储能设备更为精准的控制风电场的输出功率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可本文档来自技高网...

【技术保护点】
1.一种含储能的分散式风电场的分布式鲁棒控制系统，其特征在于，包括：数据获取接口，用于获取储能设备的储能能力上限、储能能力下限、能量变化上限、能量变化下限、充电效率和放电效率，获取历史负荷、储能设备运行成本、历史理论弃风功率的均值和方差；接收能量计算模块，用于利用所述储能能力上限、所述储能能力下限、所述能量变化上限、所述能量变化下限、所述充电效率和所述放电效率，得到储能接收能量；风电功率计算模块，用于利用包括所述历史理论弃风功率的均值和方差的理论弃风功率模糊概率分布集，得到理论弃风功率；惩罚函数建立模块，用于利用所述历史负荷、所述理论弃风功率和所述储能接收能量，得到惩罚函数；控制函数建立模块，用于基于分布式鲁棒控制方法，利用所述惩罚函数和所述储能设备运行成本，得到控制函数；变量计算模块，用于利用所述控制函数，得到所述理论弃风功率对应的目标充放电能量变化量；储能控制模块，用于利用所述目标充放电能量变化量控制储能设备充放电。

【技术特征摘要】
1.一种含储能的分散式风电场的分布式鲁棒控制系统，其特征在于，包括：数据获取接口，用于获取储能设备的储能能力上限、储能能力下限、能量变化上限、能量变化下限、充电效率和放电效率，获取历史负荷、储能设备运行成本、历史理论弃风功率的均值和方差；接收能量计算模块，用于利用所述储能能力上限、所述储能能力下限、所述能量变化上限、所述能量变化下限、所述充电效率和所述放电效率，得到储能接收能量；风电功率计算模块，用于利用包括所述历史理论弃风功率的均值和方差的理论弃风功率模糊概率分布集，得到理论弃风功率；惩罚函数建立模块，用于利用所述历史负荷、所述理论弃风功率和所述储能接收能量，得到惩罚函数；控制函数建立模块，用于基于分布式鲁棒控制方法，利用所述惩罚函数和所述储能设备运行成本，得到控制函数；变量计算模块，用于利用所述控制函数，得到所述理论弃风功率对应的目标充放电能量变化量；储能控制模块，用于利用所述目标充放电能量变化量控制储能设备充放电。2.根据权利要求1所述的含储能的分散式风电场的分布式鲁棒控制系统，其特征在于，所述接收能量计算模块，包括：储能模型建立单元，用于利用储能设备的可用能量、充放电能量变化量、所述充电效率和所述放电效率，建立所述储能设备的储能模型；约束条件建立单元，用于利用所述储能模型、所述储能能力上限、所述储能能力下限、所述能量变化上限和所述能量变化下限，得到约束条件；接收能量计算单元，用于在满足所述约束条件下，利用包括充放电能量变化量、所述充电效率和所述放电效率的储能接收能量表达式，得到所述储能接收能量。3.根据权利要求2所述的含储能的分散式风电场的分布式鲁棒控制系统，其特征在于，所述惩罚函数建立模块，包括：需求电量计算单元，用于利用所述历史负荷、所述理论弃风功率和所述储能接收能量，得到总需求电量；惩罚函数建立单元，用于利用所述总需求电量，得到所述惩罚函数。4.根据权利要求3所述的含储能的分散式风电场的分布式鲁棒控制系统，其特征在于，所述变量计算模块，包括：动态方程建立单元，用于利用所述控制函数，以储能设备成本最低为目标，得到储能动态规划方程；变量计算单元，用于利用所述储能动态规划方程，得到所述目标充放电能量变化量。5.根据权利要求4所述的含储能的分散式风电场的分布式鲁棒控制系统...

【专利技术属性】
技术研发人员：李鹏，杨雄平，袁智勇，胡飞雄，雷金勇，杨振纲，马溪原，周长城，喻磊，胡洋，
申请(专利权)人：南方电网科学研究院有限责任公司，中国南方电网有限责任公司，
类型：发明
国别省市：广东,44