一种储能集群的分层协同控制方法及系统、存储介质技术方案

本发明专利技术公开了一种储能集群的分层协同控制方法及系统、存储介质，属于电气工程领域。包括：通过对功率参考值的补偿修正，获取恢复频率偏差的功率指令进行底层协同控制；建立多储能单元的聚合模型，并分别利用分布式状态观测器和总和型状态观测器对聚合模型中的平均型统计参数和总和型统计参数进行估计；基于聚合模型统计参数，构建最小化分布式储能和发电机增量发电成本的优化模型；将模型优化结果作为系统中发电机功率修正值。本发明专利技术对多储能聚合系统实现频率调节和精准出力分配，同时提出多储能单元的聚合模型并建立优化模型，降低了系统的运行成本，解决了大量分布式储能接入系统后面临的优化问题复杂变量维度高的难题。后面临的优化问题复杂变量维度高的难题。后面临的优化问题复杂变量维度高的难题。

【技术实现步骤摘要】
一种储能集群的分层协同控制方法及系统、存储介质


[0001]本专利技术属于电气工程领域，更具体地，涉及一种储能集群的分层协同控制方法及系统、存储介质。

技术介绍

[0002]随着分布式电源(DER)数量的逐渐增加，微电网的研究逐渐引起人们的注意。微电网是包含负荷、储能、分布式电源等具有特定边界的自主系统，微电网可以以并网模式或孤网模式运行。没有大电网的支撑，孤网运行的微电网稳定性大大降低，间歇性可再生能源的波动性和随机性对系统稳定运行带来的影响不可忽视。储能系统被认为是微电网中保持功率平衡和调节频率/电压的有效装置，近年来分布式储能的兴起更是大大增加小容量储能装置的数目。但大量小容量储能系统(ESS)接入独立运行的微电网后，系统能量管理的计算和通信成本显著增大，对微电网的管理构成挑战。
[0003]为了解决这一难题，现有技术引入了ESS控制和聚合方法。ESS控制对大量ESS之间的功率进行分配，ESS聚合方法从单个储能单元运行状态中得到聚合储能模型运行状态。储能聚合商无需监视所有的储能系统即可得到储能单元的整体信息，减轻了控制和通信系统的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种储能集群的分层协同控制方法，其特征在于，包括：S1.根据储能集群中每个储能单元的运行工况，对储能单元的下垂控制器功率参考指令值进行补偿修正，获取恢复频率偏差的功率指令值；S2.建立多储能单元的聚合模型，并分别对多储能单元聚合模型中的平均型统计参数和总和型统计参数进行估计；S3.基于平均型统计参数、总和型统计参数及储能集群中储能单元的功率指令值，构建最小化分布式储能和发电机增量发电成本的优化模型，构建优化模型的约束条件；S4.求解优化模型得到优化结果，并将优化结果作为储能集群中发电机的功率修正值。2.根据权利要求1所述的一种储能集群的分层协同控制方法，其特征在于，所述S1包括：储能单元通过有功及频率之间的下垂关系对本地频率响应得到的功率参考指令值；并引入由储能单元的能量容量、当前SoC、输出功率以及功率状态变量计算得到的功率补偿偏正指令；根据功率补偿偏正指令，得到使得储能单元能够按照比例分配有功出力的功率指令值指令定义如下式所示：δ
i
＝E
bi
f
SoCi
(SoC
bi
,P
bi
)x
bpi
其中，r
pi
、ω
i
、δ
i
分别为第i个储能单元的下垂系数、角频率、功率补偿偏正指令，ω
ref
为电力系统参考角频率，E
bi
、x
bpi
分别为第i个储能单元的能量容量、功率状态变量，f
SoCi
为分段函数，SoC
bi
为第i个储能单元的荷电状态SoC值，P
bi
为第i个储能集群的输出功率；f
SoCi
(SoC
bi
,P
bi
)通过如下表达式得到：其中，SoC
bi
为第i个储能单元的荷电状态SoC值，SoC
bmaxi
和SoC
bmini
为第i个储能单元允许的荷电状态SoC值的上、下限，P
bi
为第i个储能集群的输出功率；状态变量x
bpi
通过如下表达式得到：其中，g
ω
为频率调制系数，a
ij
为第i个储能单元和第j个储能单元之间的交流权重，ω
ref
、ω
i
为储能单元i的参考频率和实际频率，x
bpj
为第j个储能单元的功率状态变量，为第i个储能单元的功率状态变量的微分值。3.根据权利要求1所述的一种储能集群的分层协同控制方法，其特征在于，所述S2包括：S2.1.多个储能单元的聚合模型中的参数包括荷电状态SoC
bci
、额定能量容量E
bci
、输出功率P
bci
、功率上限P
bcmini
、功率下限P
bcmaxi
，并由以下计算式表示：
其中，n
b
表示储能单元的数目，SoC
bi
、E
bi
、P
bi
、P
bmaxi
、P
bmini
分别为第i个储能单元的荷电状态值、能量容量、输出功率、以及功率上下限；S2.2.对于平均型参数x
ai
，其表达式为：其中，u
i
为第i个储能单元的输入状态，b
ij
为储能单元i和j之间的通信权重，x
ai
和x
aj
分别为储能单元i和j的平均型参数；对于总和型统计参数x
si
，其表达式为：x
si
＝∫g
oi
ε
i
dt其中，ε
i
、ε
j
为第i、j个储能单元的辅助状态变量，g
oi
为比例系数，对于与三次控制连接的储能单元，g
oi
＞0，其余储能单元则有g
oi
＝0；将平均型参数和总和型统计参数的表达式中的输入状态u
i
替换为多个储能单元的聚合模型中储能单元的荷电状态、额定能量容量、输出功率以及功率上下限等参数，根据替换后的平均型参数和总和型统计参数的表达式，得到平均型统计参数的实时估计值和总和型统计参数的实时估计值；其中，平均型统计参数的实时估计值和和总和型统计参数的实时估计值均包括聚合模型的总额定能量容量、总输出功率以及总功率上下限的实时估计值。4.根据权利要求1所述的一种储能集群的分层协同控制方法，其特征在于，所述S3，优化模型包括发电机的发电增量成本、储能单元的发电增量成本及储能集群的SoC的偏移成本：S3.1.发电机的发电增量成本J
sgi
为：其中，P
sgbi
为第i台微型燃气轮发电机的基线功率，a
sgi
、b
sgi
分别为第i台发电机的发电成本系数，k为迭代步数，ΔP
sgi
＝P
sgi
‑
P
sgbi
为第i台微型燃气轮发电机实际输出功率与基线功率之间的偏移量；储能单元的发电增量成本J
bc1i
为：J
bc1i
＝C
bi
f
bi
(P
bci
,SoC
i
)其中，C
bi
为储能单位容量的替换成本，f
bi
函数为第i台发电机的容量退化函数，容量退化函数和储能类型相关；
储能集群的SoC的偏移成本J
bc2i
为：其中，g
s
为SoC偏移权重系数；系统优化运行的目标为发电机的发电边际成本J
sgi
、储能集群的发电增量成本J
bc1i
以及储能集群的SoC偏移成本J
bc2i
的总和：其中，n
sg
为系统中微型燃气轮发电机的数目，n
bc
为系统中分布式储能集群的数目；S3.2.对于发电机运行时，发电机输出功率偏移量的约束为：P
sgmini
‑
P
sgbi
≤ΔP
sgi
(k)≤P
sgmaxi
‑
P
sgbi
其中，P
sgbi
、P
sgmini
、P
sgmaxi
分别为第i台发电机的基线功率、最小输出功率和最大输出功率；同时发电机受到自身动态响应速度和限制，存在功率爬坡约束：|ΔP
sgi
(k
‑
1)
‑
ΔP
sgi
(k)|≤P
sgrampi
其中，P
sgrampi
为发电机组在[t
k
‑
,t
k
)时间段内允许的最大功率变化值；储能集群单元的功率容量约束表示为：P
bcmini
≤P
bci
(k)≤P
bcmaxi
其中，P
bcmaxi
、P
bcmini
分别为第i个聚合储能集群的最大输出功率以及最小输出功率；储能单元的SoC约束表示为：SoC
min
≤SoC
bc,i
(k)≤SoC
max
其中，SoC
max
、SoC
min
分别为第i个聚合储能集群的最大SoC以及最小SoC；分布式储能的输出功率P
bci
(k)与微型燃气轮发电机的输出功率ΔP
sgi
(k)之间满足：其中，n
sg
、n
bc
表示微型燃气轮机数目和分布式储能集群数目。5.根据权利要求4所述的一种储能集群的分层协同控制方法，其特征在于，所述S4包括：引入基于神经动力学的分布式优化算法，以优化微型轮发电机的功率指令值ΔP
sgi
，使得系统优...

【专利技术属性】
技术研发人员：陈霞，杨丘帆，杨波，陈香羽，孙树敏，程艳，王士柏，周光奇，王成龙，陈殷，文劲宇，桑丙玉，李克成，朱少杰，
申请(专利权)人：国网山东省电力公司电力科学研究院中国电力科学研究院有限公司，
类型：发明
国别省市：