一种储能系统参与多应用领域优化调度方法技术方案

本发明专利技术涉及一种储能系统参与多应用领域优化调度方法，首先，用户自定义要考虑的经济技术指标以及各指标间的相对重要程度，建立AHP综合评价指标，其次，建立以经济效益最优为决策目标的日前优化模型和以风电出力误差最小决策为目标的日内优化模型，再建立以AHP综合评价指标最优为决策目标的上层优化模型；根据历史数据模拟运行确定储能在不同应用领域的出力分配，最大限度避免了储能设备使用率不足的问题、有效利用了各应用之间的协同作用；采用层次分析法进行综合效益评价，根据所在电网的实际情况和用户的主观需求选取指标并设定其重要程度，使得本发明专利技术具有广泛适用性；本发明专利技术对于制定储能系统运行方案、保障储能投资厂商的合理效益、提升电网对新能源的消纳能力和安全稳定运行具有重要的参考价值，是很有前景的一种储能系统优化调度方法。景的一种储能系统优化调度方法。景的一种储能系统优化调度方法。

【技术实现步骤摘要】
一种储能系统参与多应用领域优化调度方法


[0001]本专利技术涉及一种储能系统的优化调度方法，具体为一种 储能系统参与多应用领域优化调度方法。

技术介绍

[0002]可再生能源发电的大规模开发及高比例并网对电力系 统的灵活调节能力提出了更高要求，推动了储能产业的发展。 储能已成为现代能源系统的重要环节，是智能电网的关键支 撑技术之一，充分发挥储能对电网的主动支撑能力，并保证 储能投资厂商的合理效益，对于推动储能产业发展，提升电 网对新能源的消纳能力和安全稳定运行具有非常重要的意 义。
[0003]美国桑迪亚国家实验室将储能的价值收益划为五大领 域十七种类型。五大领域分别是发电、辅助服务、输配电、 可再生能源以及用户领域，十七种应用类型分别是辅助动态 运行、取代或延缓新建机组、调频、电压支持、调峰、备用 容量、无功支持、缓解线路阻塞、延缓输配电网升级、备用 电源、可再生能源平滑输出/削峰填谷、爬坡率控制、用户 分时电价管理、容量费用管理、电能质量、紧急备用、需求 侧管理等。我国新增电化学储能在集中式可再生能源并网领 域的规模最大，有关储能系统应用及其效益的研究主要集中 在平抑可再生能源波动、减少弃风弃光领域，但储能在辅助 服务领域拥有巨大潜力，探索储能在调频、调峰等应用途径 中的作用也逐渐成为新的研究热点。
[0004]然而，当前的文献大多只针对储能系统参与单一用途的 控制策略进行研究，或在储能系统参与多应用领域时，仅按 照时段划分参与的用途，同一时段下的多应用协调控制研究 较少。随着风电短期/超短期预测技术的进步，实际风功率 大幅度偏离预测值的情况罕有发生，风电预测误差大于装机 容量10％的情况占20％左右，但大于装机容量30％的极端情 况仅为1％。若过多的容量和运行时段投入风电波动平抑将 导致储能系统利用率低下，难以保证储能投资商效益，不利 于储能产业长远发展；然而若储能机组以参与收益较高的调 频和能量市场为主而投入风电平抑领域的容量过少，电网的 新能源接纳能力将受到影响，造成弃风现象频繁发生。由此 可见，随着储能并网容量增大以及市场交易规则的逐步完善， 亟需开展储能参与多种应用领域的协调控制策略研究。

技术实现思路

[0005]为了克服上述现有技术存在的缺陷，本专利技术的目的在于 提供一种储能系统参与多应用领域优化调度方法，本专利技术通 过层次分析法建立储能在电网运行、经济和环境等领域的效 益评价指标，以不同应用的出力上限为决策变量，以该评价 指标最优为决策目标并依据历史数据进行模拟运行，最终得 出适宜的出力分配方案；由于储能系统在每个调度时段均可 参与多项电力交易，最大限度的避免了储能容量的浪费；利 用层次分析法可构建出充分反映储能用户需求的综合评价 指标，使得本专利技术具有广泛适用性，可根据所在电网的实际 情况和用户的主观需求合理设计出力分配方案，解决了储能 系统在同时参与调
频、调峰和减少风电预测误差领域时，其 自身出力在各应用之间的分配比例如何划定的问题。
[0006]本专利技术采用的优化调度方法如下：
[0007]1.一种储能系统参与多应用领域优化调度方法，其特征 在于：包括以下步骤：
[0008]步骤1、用户自定义要考虑的经济技术指标以及各指标 间的相对重要程度，通过AHP将相对重要程度量化为对应的 数值，将量化后的相对重要性数值填入层次分析法所用的判 断矩阵中，建立AHP综合评价指标；
[0009]步骤2、建立以经济效益最优为决策目标的日前优化模 型：
[0010]在削峰时段，储能系统按照申报的调峰容量即调峰分配 的功率上限，持续放电；深度调峰时段则按照申报的调峰容 量持续充电；在其它时段，储能系统依据峰谷电价被动参与 调峰，即峰电价时段储能系统尽可能放电，谷电价时段储能 系统尽可能充电；添加SOC为偏离中值惩罚项，电量过高时 抑制充电，电量过低时抑制放电，避免储能系统接近极限影 响其它应用调用；具体如下，
[0011]通过线性求解器求解储能出力曲线：
[0012]削峰时段：P
dis
＝P
pmax
；
[0013]深度调峰时段：P
ch
＝P
pmax
；
[0014]其它时段：
[0015]式中：P
dis
为放电功率kW；P
ch
为充电功率kW；P
pmax
为分 配的最大调峰功率kW；SOC为储能荷电状态；n
D
为削峰调峰 时段以外的时段数；d为峰谷电价，元/kW
·
h；β为平衡系 数，用于使各式之间数量级一致；Δt(h)为每个时段的持续 时间；
[0016]步骤3、建立风电出力误差最小决策为目标的日内MPC 滚动优化模型：
[0017]调峰分配功率与平抑波动分配功率合并，在满足调峰调 用的基础上，剩余容量均响应平抑波动调用，响应的深度由 以下优化取得：将前述日前优化模型求得的储能系统出力曲 线与风电出力日前预测曲线合成为风储日前预测，在每一个 调度时段，以风储日前预测误差最小为目标函数，根据当前 风电场出力、储能系统SOC状态和超短期预测信息求解后续 数个时段储能系统出力，将控制序列第一个元素输出作为储 能系统出力，不断循环此过程，其传递方程如下：
[0018][0019]其中，风电出力日前预测曲线为根据国家规定，风电场 需在运行日前上报的出力预测信息；超短期预测信息是风电 场在日内运行时必须实时上报的，风电接下来4小时以内的 出力预测信息；状态变量x1(k)为风储实际功率与风储日前预 测值之差，状态变量x2(k)为储能系统当前电量；控制变量 u1(k)和u2(k)为储能系统调峰和平抑波动的放电/充电功率； 扰动变量r1(k)为风电实际功率与预测值的误差，r2(k)为调频 消耗的电量，扰动变量的值可以通过风电场自身的超短期预 测和调度中心的指令获得；η
ch
、η
dis
分别为储能系统充电、放 电时的能量转化效率；日内优化目标为最小，每一步优 化中的u1(1)、u2(1)输出为储能系统实际出力曲线；
[0020]步骤4、建立以AHP综合评价指标最优为决策目标的上 层优化模型，模型的决策变量为储能系统在不同应用之间的 功率分配比例，目标函数为AHP综合评价指标最优；具体方 法为，通过人工智能算法生成若干调频、调峰和平抑波动领 域各自的分配功率的分配方案，各领域分配功率作为日前、 日内优化模型中各应用领域可调用出力上限，日内MPC滚动 优化模型采用mpt工具箱求解出该分配方案下的储能系统 实际出力曲线；根据储能系统实际出力曲线，得出步骤1中 自定义的各指标值，通过步骤1中的判断矩阵将各指标值合 成为各分配方案的AHP综合指标值，选取AHP综合指标最优 的分配方案，用于储能调度。
[0021]所述步骤1中通过AHP将相对重要程度量化为对应的数 值采用指数型标度法。
[0022]所述步骤1中层次分析法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种储能系统参与多应用领域优化调度方法，其特征在于：包括以下步骤：步骤1、用户自定义要考虑的经济技术指标以及各指标间的相对重要程度，通过AHP将相对重要程度量化为对应的数值，将量化后的相对重要性数值填入层次分析法所用的判断矩阵中，建立AHP综合评价指标；步骤2、建立以经济效益最优为决策目标的日前优化模型：在削峰时段，储能系统按照申报的调峰容量即调峰分配的功率上限，持续放电；深度调峰时段则按照申报的调峰容量持续充电；在其它时段，储能系统依据峰谷电价被动参与调峰，即峰电价时段储能系统尽可能放电，谷电价时段尽可能充电；添加SOC为偏离中值惩罚项，电量过高时抑制充电，电量过低时抑制放电，避免储能系统接近极限影响其它应用调用；具体如下，通过线性求解器求解储能出力曲线：削峰时段：P
dis
＝P
pmax
；深度调峰时段：P
ch
＝P
pmax
；其它时段：式中：P
dis
为放电功率kW；P
ch
为充电功率kW；P
pmax
为分配的最大调峰功率kW；SOC为储能荷电状态；n
D
为削峰调峰时段以外的时段数；d为峰谷电价，元/kW
·
h；β为平衡系数，用于使各式之间数量级一致；Δt(h)为每个时段的持续时间；步骤3、建立风电出力误差最小决策为目标的日内MPC滚动优化模型：调峰分配功率与平抑波动分配功率合并，在满足调峰调用的基础上，剩余容量均响应平抑波动调用，响应的深度由以下优化取得：将前述日前优化模型求得的储能系统出力曲线与风电出力日前预测曲线合成为风储日前预测，在每一个调度时段，以风储日前预测误差最小为目标函数，根据当前风电场出力、储能系统SOC状态和超短期预测信息求解后续数个时段储能系统出力，将控制序列第一个元素输出作为储能出力，不断循环此过程，其传递方程如下：其中，风电出力日前预测曲线为根据国家规定，风电场需在运行日前上报的出力预测信息；超短期预测信息是风电场在日内运行时必须实时上报的，风电接下来4小时以内的出力预测信息；状态变量x1(k)为风储实际功率与风储日前预测值之差，状态变量x2(k)为储能系统当前电量；控制变量u1(k)和u2(k)为储能系...

【专利技术属性】
技术研发人员：翟灏，刘韬，黄浪，郝翔，贾燕冰，曹家瑞，
申请(专利权)人：特变电工新疆新能源股份有限公司，
类型：发明
国别省市：