一种基于超短期功率预测数据的储能优化控制方法及系统技术方案

技术编号:35307356 阅读:30 留言:0更新日期:2022-10-22 12:57
本申请提出一种基于超短期功率预测数据的储能优化控制方法及系统,其中,所述方法包括:获取修正后的超短期功率预测数据;构建储能优化控制模型,并将修正后的所述超短期功率预测数据代入所述储能优化控制模型中,然后利用灰狼优化算法对所述储能优化控制模型进行求解,得到优化后的预测时段内各时刻对应的储能充放电功率;基于优化后的所述储能充放电功率对储能预测时段内各时刻的充放电功率进行优化控制。本申请提出的技术方案,利用灰狼优化算法对所述储能优化控制模型进行求解,得到优化后的储能充放电功率;基于优化后的所述储能充放电功率对储能预测时段内各时刻的充放电功率进行优化控制,提高了储能充放电控制策略的精度。略的精度。略的精度。

【技术实现步骤摘要】
一种基于超短期功率预测数据的储能优化控制方法及系统


[0001]本申请涉及储能优化控制领域,尤其涉及一种基于超短期功率预测数据的储能优化控制方法及系统。

技术介绍

[0002]在“风储”场景下,风电场一般会采用超短期功率预测数据作为储能系统充放电控制的核心边界(即作为风电场实发功率),但是,由于风力的间隙性、随机性等自然属性,导致超短期功率预测精度普遍不高,进而影响到储能系统的充放电控制策略,间接影响到“风储”联合输出功率。
[0003]现有技术中根据天气预报数据建立对应的算法模型来实现对风电超短期功率的预测,并以一天或一段时间的准确率作为评价指标,在小时、分钟等更细时间粒度上的精度较低,并且未对超短期功率的预测结果的精确度进行进一步的提升处理,使得超短期功率预测数据的精度较低,进而导致储能对应的充放电控制策略精度较低。

技术实现思路

[0004]本申请提供的一种基于超短期功率预测数据的储能优化控制方法及系统,以至少解决储能对应的充放电控制策略精度较低的技术问题。
[0005]本申请第一方面实施例提出一种基于超短期功率预测数据的储能优化控制方法,所述方法包括:
[0006]获取预设时段内各时刻风电场对应的原始超短期功率预测数据,并对所述原始超短期功率预测数据进行修正,得到修正后的超短期功率预测数据;
[0007]构建储能优化控制模型,并将修正后的所述超短期功率预测数据代入所述储能优化控制模型中,然后利用灰狼优化算法对所述储能优化控制模型进行求解,得到优化后的预测时段内各时刻对应的储能充放电功率;
[0008]基于优化后的所述储能充放电功率对储能预测时段内各时刻的充放电功率进行优化控制。
[0009]优选的,所述获取预设时段内各时刻风电场对应的原始超短期功率预测数据,并对所述原始超短期功率预测数据进行修正,得到修正后的超短期功率预测数据,包括:
[0010]获取预设时段内各时刻风电场对应的原始超短期功率预测数据、实发功率数据及超短期功率预测数据修正模型;
[0011]利用蒙特卡洛法确定所述超短期功率预测数据修正模型对应的修正系数;
[0012]基于所述原始超短期功率预测数据、所述实发功率数据及所述修正系数求解所述超短期功率预测数据修正模型,得到所述原始超短期功率预测数据对应的修正后的超短期功率预测数据。
[0013]进一步的,所述超短期功率预测数据的修正模型的计算式如下:
[0014]P
adjust,t
=P
predict,t
+β1(P
real,t
‑1‑
P
predict,t
‑1)+β2(P
real,t
‑2‑
P
predict,t
‑2)
为第t

2个时刻的实发功率数据,P
predict,t
‑2为第t

2个时刻的原始超短期功率预测数据。
[0033]进一步的,所述确定单元用于:
[0034]获取所述预设时段内风电场对应的理想折扣率及投资回报率;
[0035]利用蒙特卡洛法确定在所述预设时段内风电场对应的投资回报率与理想折扣率之和最大时所述超短期功率预测数据修正模型对应的修正系数。
[0036]优选的,所述储能优化控制模型的构建包括:
[0037]以预设时段内风电场对应的投资回报率与理想折扣率之和最大为目标构建目标函数;
[0038]以风储联合输出功率约束、风储联合输出电量约束、储能充放电功率约束、储能SOC约束和储能末时段的SOC约束为约束条件,并结合所述目标函数构建储能优化控制模型。
[0039]本申请的实施例提供的技术方案至少带来以下有益效果:
[0040]本申请提出了一种基于超短期功率预测数据的储能优化控制方法及系统,其中,所述方法包括:获取预设时段内各时刻风电场对应的原始超短期功率预测数据,并对所述原始超短期功率预测数据进行修正,得到修正后的超短期功率预测数据;构建储能优化控制模型,并将修正后的所述超短期功率预测数据代入所述储能优化控制模型中,然后利用灰狼优化算法对所述储能优化控制模型进行求解,得到优化后的预测时段内各时刻对应的储能充放电功率;基于优化后的所述储能充放电功率对储能预测时段内各时刻的充放电功率进行优化控制。本申请提出的技术方案,利用灰狼优化算法对所述储能优化控制模型进行求解,得到优化后的储能充放电功率;基于优化后的所述储能充放电功率对储能预测时段内各时刻的充放电功率进行优化控制,提高了储能充放电控制策略的精度。
[0041]本申请附加的方面以及优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
[0042]本申请上述的和/或附加的方面以及优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
[0043]图1为根据本申请一个实施例提供的一种基于超短期功率预测数据的储能优化控制方法的流程图;
[0044]图2为根据本申请一个实施例提供的一种基于超短期功率预测数据的储能优化控制系统的流程图;
[0045]图3为根据本申请一个实施例提供的一种基于超短期功率预测数据的储能优化控制系统中修正模块的结构图。
具体实施方式
[0046]下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
[0047]本申请提出的一种基于超短期功率预测数据的储能优化控制方法及系统,其中,
所述方法包括:获取预设时段内各时刻风电场对应的原始超短期功率预测数据,并对所述原始超短期功率预测数据进行修正,得到修正后的超短期功率预测数据;构建储能优化控制模型,并将修正后的所述超短期功率预测数据代入所述储能优化控制模型中,然后利用灰狼优化算法对所述储能优化控制模型进行求解,得到优化后的预测时段内各时刻对应的储能充放电功率;基于优化后的所述储能充放电功率对储能预测时段内各时刻的充放电功率进行优化控制。本申请提出的技术方案,利用灰狼优化算法对所述储能优化控制模型进行求解,得到优化后的储能充放电功率;基于优化后的所述储能充放电功率对储能预测时段内各时刻的充放电功率进行优化控制,提高了储能充放电控制策略的精度。
[0048]下面参考附图描述本申请实施例的一种基于超短期功率预测数据的储能优化控制方法及系统。
[0049]实施例一
[0050]图1为根据本申请一个实施例提供的一种基于超短期功率预测数据的储能优化控制方法的流程图,如图1所示,所述方法包括:
[0051]步骤1:获取预设时段内各时刻风电场对应的原始超短期功率预测数据,并对所述原始超短期功率预测数据进行修正,得到修正后的超短期功率预本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于超短期功率预测数据的储能优化控制方法,其特征在于,所述方法包括:获取预设时段内各时刻风电场对应的原始超短期功率预测数据,并对所述原始超短期功率预测数据进行修正,得到修正后的超短期功率预测数据;构建储能优化控制模型,并将修正后的所述超短期功率预测数据代入所述储能优化控制模型中,然后利用灰狼优化算法对所述储能优化控制模型进行求解,得到优化后的预测时段内各时刻对应的储能充放电功率;基于优化后的所述储能充放电功率对储能预测时段内各时刻的充放电功率进行优化控制。2.如权利要求1所述的方法,其特征在于,所述获取预设时段内各时刻风电场对应的原始超短期功率预测数据,并对所述原始超短期功率预测数据进行修正,得到修正后的超短期功率预测数据,包括:获取预设时段内各时刻风电场对应的原始超短期功率预测数据、实发功率数据及超短期功率预测数据修正模型;利用蒙特卡洛法确定所述超短期功率预测数据修正模型对应的修正系数;基于所述原始超短期功率预测数据、所述实发功率数据及所述修正系数求解所述超短期功率预测数据修正模型,得到所述原始超短期功率预测数据对应的修正后的超短期功率预测数据。3.如权利要求2所述的方法,其特征在于,所述超短期功率预测数据的修正模型的计算式如下:P
adjust,t
=P
predict,t
+β1(P
real,t
‑1‑
P
predict,t
‑1)+β2(P
real,t
‑2‑
P
predict,t
‑2)式中,P
adjust,t
为第t个时刻修正后的超短期功率预测数据,P
predict,t
为第t个时刻的原始超短期功率预测数据,β1、β2∈[0,1],β1为第t

1个时刻的原始超短期功率预测数据对应的修正系数,P
real,t
‑1为第t

1个时刻的实发功率数据,P
predict,t
‑1为第t

1个时刻的原始超短期功率预测数据,β2为第t

2个时刻的原始超短期功率预测数据对应的修正系数,P
real,t
‑2为第t

2个时刻的实发功率数据,P
predict,t
‑2为第t

2个时刻的原始超短期功率预测数据。4.如权利要求3所述的方法,其特征在于,所述利用蒙特卡洛法确定所述超短期功率预测数据修正模型对应的修正系数,包括:获取所述预设时段内风电场对应的理想折扣率及投资回报率;利用蒙特卡洛法确定在所述预设时段内风电场对应的投资回报率与理想折扣率之和最大时所述超短期功率预测数据修正模型对应的修正系数。5.如权利要求1所述的方法,其特征在于,所述储能优化控制模型的构建包括:以预设时段内风电场对应的投资回报率与理想折扣率之和最大为目标构建目标函数;以风储联合输出功率约束、风储联合输出电量约束、储能充放电功率约束、储能SOC约束和储能末时段的SOC约束为约束条件,并结合所述目标函数构建储能优化控...

【专利技术属性】
技术研发人员:宋立涛孙财新易伟峰申旭辉闫耀潘霄峰王强关何格格
申请(专利权)人:中国华能集团清洁能源技术研究院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1