【技术实现步骤摘要】
一种储能调度支撑评估方法
[0001]本专利技术涉及储能电站能量管理与调度领域,尤其是涉及一种基于机器学习的 储能调度支撑评估方法。
技术介绍
[0002]近年来,光伏、风电等可再生能源发电技术得到迅速发展。但新能源发电具 有间歇性、随机性、可调度性差等特点,大规模并网会对电力系统造成严重冲击, 影响大电网安全。储能作为更优质的灵活性资源,在提升电力系统灵活性、促进 新能源消纳、保证电网安全等方面具有独特的优势。
[0003]储能电站能量管理系统(EMS)是储能电站的关键设备,能够根据电网调度 指令和本地控制目标控制储能电站写的经济运行和能量的合理调度,具有数据采 集与分析、运行优化、负荷预测、诊断预警等功能。但传统EMS平台只能采集 电池组BMS、PCS等单体设备信息,不具备储能电站全局信息的分析能力,容易 造成数据信息缺失,无法有效支撑调度需求。
技术实现思路
[0004]针对现有技术的缺陷,本专利技术提供一种储能调度支撑评估方法,用于解决现 有储能电站能量管理系统只能采集电池组、储能变流器PCS ...
【技术保护点】
【技术特征摘要】
1.一种储能调度支撑评估方法,其特征在于:包括以下步骤:S01)、基于储能电站采集设备的实时数据计算单个电池组累计充放电量、整站累计充放电量以及整站小时级最大充放电功率;S02)、根据步骤S01)的计算结果进一步计算得出整站可充放电电量和整站当前功率可持续工作时间,并建立神经网络模型,神经网络模型输入储能电站采集设备采集的实时数据,输出预测的整站可充放电电量和整站当前功率可持续工作时间,采用预测值对计算值进行修正;S03)、根据步骤S02)的计算结果,对储能电站的运行状态评价。2.根据权利要求1所述的储能调度支撑评估方法,其特征在于:步骤S01)具体为:S11)、采集储能电池簇、BMS、PCS的单体电池、单个电池组的实时数据,实时数据包括电压、电流;S12)、根据步骤S11)采集的实时数据计算储能电站单个电池组的功率P
t
=UI、单个电池组累计充电电量单个电池组累计放电电量整站累计充电电量整站累计放电电量其中,N1和N2分别为充电时间和放电时间,M为电池组个数;S13)、根据储能电站单个电池组的功率,计算小时级最大充放电功率其中P
n
为电池组额定功率。3.根据权利要求1所述的储能调度支撑评估方法,其特征在于:根据步骤S01)的计算结果进一步计算得出整站可充放电电量和整站当前功率可持续工作时间的具体过程为:S21)、采集储能电池簇、BMS、PCS的实时数据,实时数据包括电压、电流;S22)、根据步骤S01)计算得出的整站累计充放电电量结合剩余容量Q
r
计算综合充放电次数n=(C
总
+DC
总
)/Q
n
,其中Q
n
为全站储能额定容量,C
总
为整站累计充电电量,DC
总
为整站累计放电电量;S23)、根据剩余容量Q
r
计算整站电池荷电状态SOC值:SOC=Q
r
/Q
n
×
100%,并根据SOC值计算当前可达到的最大充电容量Q
a
;S24)、根据当前可达到的最大充电容量Q
a
结合额定容量Q
n
,计算整站电池健康状态SOH:SOH=Q
a
/Q
n
×
100%;S25)、根据SOH、SOC值,计算整站可充放电量,具体如下:综合考虑储能电站装机容量及SOC、SOH、储能电站功率和容量限制情况,实时分析储能电站可充放电量信息;可充电电量:C
Q
=(min(SOH,SOC
high
)
‑
SOC)
×
Q
n
,其中,C
Q
为可充电电量,Q
n
为全站储能额定容量,SOC
high
为设置好的整站SOC的上限值;可放电电量:DC
Q
=(SOC
‑
SOC
low
)
×
Q
n
,其中,DC
Q
为可放电电量,SOC
low
为设置好的整站SOC的下限值;S26)、根据整站可充放电量计算整站当前功率可持续工作时间;综合考虑储能电站装机容量及SOC、SOH、储能电站功率和容量限制情况,实时分析储能
电站以当前功率进行充放电时的可持续工作的时间:其中,T为当前功率可持续工作时间,P
′
t
为整站当前功率。4.根据权利要求3所述的储能调度支撑评估方法,其特征在于:步骤S23)计算当前可达到的最大充电容量Q
a
的...
【专利技术属性】
技术研发人员:王永军,张栋,李相俊,刘振雷,李军,王新刚,傅春明,李建,
申请(专利权)人:中国电力科学研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。