一种基于PSO优化双层云控制器的风电场储能控制方法技术

本发明专利技术涉及新能源、储能技术领域，公开了一种基于PSO优化双层云控制器的风电场储能控制方法，涉及新能源、储能技术领域，其特征在于，包括以下步骤：P1：采用第一层云控制器对风电储能出力进行控制，减少储能工作于过充与过放状态的时间，P2：将第一层控制器修正后的风电功率波动进行统计，将实时的风电波动作为第二层云控制器的输入，根据波动要求对风电功率进行第二次修正，其中，为了降低第二层控制对第一层控制的影响，防止多余储能出力，使用PSO算法优化云控制器的后件熵值，在保证二次储能修正功率最小的情况下满足并网要求。本发明专利技术非线性拟合能力更强，可以有效降低储能的工作死区时间，提高储能的使用寿命。提高储能的使用寿命。提高储能的使用寿命。

【技术实现步骤摘要】
一种基于PSO优化双层云控制器的风电场储能控制方法


[0001]本专利技术涉及新能源、储能
，尤其是一种基于PSO优化双层云控制器的风电场储能控制方法。

技术介绍

[0002]目前，环境问题是现阶段全球关注的重要问题。风电能源凭借其可再生性与清洁性在改善全球环境问题上发挥着至关重要的作用。在风电能源的并网过程中，由于其波动性与随机性会对电网产生各类影响，因此，往往会结合储能设备使其按照预估出力进行并网，传统的储能出力只会根据预测误差值直接补偿风电功率。然而，对于储能这一高成本的装置，这种方式容易导致储能装置的使用寿命减少，从而增大储能的使用成本。因此，对于储能出力的控制方法随之产生。
[0003]目前，对风电功率进行平抑的方法有很多种，例如，首先使用滤波器或小波包分解对并网风电进行平抑，再通过模糊控制对储能的出力进行合理地控制，降低其工作死区时间；其次，还有通过双层模糊控制对储能的出力进行控制，在保证储能SOC状态处于0.2
‑
0.8的基础上，使风电功率达到波动要求后并网。
[0004]由于储能系统建模的复杂性，对储能控制采用的方法最多是建立基于模糊控制器的控制模型，该模型通过自然规则与经验建立储能设备的控制规则。但是该种控制方式需要建立线性的隶属函数，通过概念之间的关系实现映射。对于风电这种本身存在模糊性与随机性的资源，这种方式往往不能合理地表达概念本身的不确定性，从而使得非线性的映射不能无限逼近；为了解决上述问题，提出了一种基于双层云控制器的风电场储能控制方法。首先，采用第一层云控制器对风电储能出力进行控制，减少储能工作于过充与过放状态的时间。然后，将第一层控制器修正后的风电功率波动进行统计，将实时的风电波动作为第二层云控制器的输入，根据波动要求对风电功率进行第二次修正，其中，为了降低第二层控制对第一层控制的影响，防止多余储能出力，使用PSO算法优化云控制器的后件熵值，在保证二次储能修正功率最小的情况下满足并网要求。

技术实现思路

[0005]本专利技术要解决的技术问题是提供一种基于PSO优化双层云控制器的风电场储能控制方法。
[0006]本专利技术采样如下技术方案实现专利技术目的：一种基于PSO优化双层云控制器的风电场储能控制方法，其特征在于，包括以下步骤：P1：采用第一层云控制器对风电储能出力进行控制，减少储能工作于过充与过放状态的时间；P2：将第一层控制器修正后的风电功率波动进行统计，将实时的风电波动作为第
二层云控制器的输入，根据波动要求对风电功率进行第二次修正，其中，为了降低第二层控制对第一层控制的影响，防止多余储能出力，使用PSO算法优化云控制器的后件熵值，在保证二次储能修正功率最小的情况下满足并网要求。
[0007]具体地：所述P1的具体步骤为：步骤1：根据风电场的实际功率P
a
与预测功率P
r
计算出风电功率的预测误差P
e
；其中，所述预测误差P
e
即为储能的初始实际出力，根据储能SOC与实际出力的关系计算出当前时刻储能的SOC变化值与SOC，SOC变化值表示为；步骤2：对于步骤1中得到的初始实际出力P
e
，将当前时刻t储能的SOC状态与风电场储能的初始实际出力P
e
作为云控制器的前件输入，根据云控制规则表输出平抑系数K1，对储能的初始实际出力进行修正，得到储能的第一次修正出力P
w
，保证储能的SOC处于SOC
down
至SOC
up
之间；其中，SOC
down
为保证储能使用寿命而规定的储能荷电状态下限，SOC
up
为保证储能使用寿命而规定的储能荷电状态上限；步骤3：对于步骤2中得到的储能的第一次修正出力P
w
，与风电场的实际功率P
a
相加得到第一层修正后的风电功率P
h
；步骤4：对于步骤3中得到的修正风电功率P
h
，计算实时风电功率波动P
f
；所述P2的具体步骤为：步骤5：将P1中得到的风电功率波动P
f
作为第二层云控制器的前件输入，根据风电场并网的波动要求，利用PSO算法建立云控制规则表，根据控制规则表输出平抑系数K2，得到储能的第二次修正出力P
w'
；步骤6：对于P2的步骤1中得到的储能修正出力P
w'
，与风电场的实际功率P
a
相加得到最终并网风电功率P
h'
。
[0008]具体地，步骤1中的预测误差P
e
计算公式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）当前时刻t储能的SOC变化值与SOC为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）
ꢀꢀꢀ
（3）其中，Ec为储能的容量值，为采样周期，为当前时刻t的储能的SOC变化值，为当前时刻预测误差。
[0009]具体地，对于步骤2中所述的云控制器是由不同参数的云模型所构建的，其中使用Ex表征云模型的期望，En表征云模型的熵，He表征云模型的超熵。云模型的隶属函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）
其中，x为输入的概念值，Norm(En,He2)为产生以En为期望，He2为方差的随机数。
[0010]具体地，对于步骤2中云控制规则的建立依照以下原则，当储能的SOC低于设定的阈值，但是需要储能继续输出能量时，云控制器会输出K1对储能进行修正，减小储能的输出；反之，当储能的SOC超过设定值时，需要储能继续存储能量，云控制器会输出K1对储能出力进行修正，减小储能的输入。使用云控制器的规则表进行非线性的映射，计算K1的公式即： （6）其中，（x1,
µ1)、(x2,
µ2) 为SOC与P
e
激活的云控制器后件中最外侧的两个云概念值及其隶属度。
[0011]对于储能的第一次修正出力P
w
，计算公式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（7）其中，P
b
为储能设备的额定功率。
[0012]具体地，步骤3中第一层修正后的风电功率P
h
计算公式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（8）具体地，步骤4中当前时刻风电功率波动P
f
的计算公式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（9）其中，是t时刻的第一层修正后的风电功率，是t前一时刻的第一层修正后的风电功率。
[0013]具体地，步骤5中的风电功率波动要求为不超过装机容量的1/3。当风电功率超过波动要求时，云控制器会输出K2对储能出力进行修正。
[0014]具体地，步骤5所述的PSO算法的优化目标函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
...

【技术保护点】

【技术特征摘要】
1.一种基于PSO优化双层云控制器的风电场储能控制方法，其特征在于，包括以下步骤：P1：采用第一层云控制器对风电储能出力进行控制，减少储能工作于过充与过放状态的时间；P2：将第一层控制器修正后的风电功率波动进行统计，将实时的风电波动作为第二层云控制器的输入，根据波动要求对风电功率进行第二次修正，其中，为了降低第二层控制对第一层控制的影响，防止多余储能出力，使用PSO算法优化云控制器的后件熵值，在保证二次储能修正功率最小的情况下满足并网要求。2.根据权利要求1所述的一种基于PSO优化双层云控制器的风电场储能控制方法，其特征是：所述P1的具体步骤为：步骤1：根据风电场的实际功率P
a
与预测功率P
r
计算出风电功率的预测误差P
e
；其中，所述预测误差P
e
即为储能的初始实际出力，根据储能SOC与实际出力的关系计算出当前时刻储能的SOC变化值与SOC，SOC变化值表示为；步骤2：对于步骤1中得到的初始实际出力P
e
，将当前时刻t储能的SOC状态与风电场储能的初始实际出力P
e
作为云控制器的前件输入，根据云控制规则表输出平抑系数K1，对储能的初始实际出力进行修正，得到储能的第一次修正出力P
w
，保证储能的SOC处于SOC
down
至SOC
up
之间；其中，SOC
down
为保证储能使用寿命而规定的储能荷电状态下限，SOC
up
为保证储能使用寿命而规定的储能荷电状态上限；步骤3：对于步骤2中得到的储能的第一次修正出力P
w
，与风电场的实际功率P
a
相加得到第一层修正后的风电功率P
h
；步骤4：对于步骤3中得到的修正风电功率P
h
，计算实时风电功率波动P
f
；所述P2的具体步骤为：步骤5：将P1中得到的风电功率波动P
f
作为第二层云控制器的前件输入，根据风电场并网的波动要求，利用PSO算法建立云控制规则表，根据控制规则表输出平抑系数K2，得到储能的第二次修正出力P
w
'；步骤6：对于P2的步骤1中得到的储能修正出力P
w
'，与风电场的实际功率P
a
相加得到最终并网风电功率P
h
'。3.根据权利要求2所述的一种基于PSO优化双层云控制器的风电场储能控制方法，其特征是：步骤1中所述的预测误差P
e
计算公式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)。4.根据权利要求2所述的一种基于PSO优化双层云控制器的风电场储能控制方法，其特征是：步骤2中当前时刻t储能的SOC变化值与SOC为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
ꢀꢀ
(3)其中，Ec为储能的容量值，为采样周期，为当前时刻t的储能的SOC变化
值，为当前时刻预测误差。5.根据权利要求2所述的一种基于PSO优化双层云控制器的风电场储能控制方法，其特征是：其中，对于步骤2中所述的云控制器是由不同参数的云模型所构建的，其中使用Ex表征云模型的期望，En表征云模型的熵，He表征云模型的超熵；所述云模型的隶属函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）其中，x为输入的概念值，Norm(En, He2)为产生以En为期望，He2为方差的随机数，其中，
µ
为概念值x对应的隶属度。6.根据权利要求2所述的一种基于PSO优化双层云控制器的风电场储能控制方法，其特征是：具体地，对于步骤2中所述云控制规则的建立依照以下原则，当储能的SOC低于设定的阈值，但是...

【专利技术属性】
技术研发人员：俞晓冬，张凯，王衡，李道清，郝玲艳，张金烽，于轩舟，姜钊，宋尚庆，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：