一種混合儲能系統分層動態控制方法與流程
本發明屬于儲能控制領域，具體地說是一種混合儲能系統分層動態控制方法。
背景技術：
在網架結構薄弱的配電網末端，往往因負荷具有季節性和時段性的波動而導致電壓支撐能力不足、供電能力弱等問題。分布式新能源發電技術(如風電、光伏)作為優化能源結構、實現多能源融合的關鍵，可在配電網末端充分發揮優勢，為其提供必要的有功和無功支撐，提高電網末端節點的電壓水平。
分布式新能源發電處于配電網末端時能夠充分發揮其優勢，提高能源利用率，減少污染物的排放，降低配電網網損。但是分布式新能源出力的波動性有可能引發或惡化配電網末端的電能質量問題，同時其引起的配電網潮流雙向流動增加了運行管理與優化調度的復雜性。儲能系統能夠同時提供有功和無功支撐，穩定電網末端節點電壓水平，提高配電變壓器運行效率，增強配電網對新能源的接納能力，并可在電網故障或檢修時提供應急電源，是提高配電網末端供電能力和供電可靠性的有效技術手段。
在儲能系統的控制策略方面，有很多學者進行了相關研究。如文獻《雙鋰電池、電容器混合儲能系統控制策略設計》(作者：李軍徽，穆鋼，崔新振等.來源：高電壓技術,2015,10:3224-3232.)，根據分段均值方法確定儲能系統的參考功率，設計了鋰電池運行在最佳充放電深度內的運行控制策略。文獻《微網電池儲能系統通用綜合控制策略》(作者：董宜鵬，謝小榮，孫浩等.來源：電網技術,2013,12:3310-3316.)，設計了一種能夠兼具pq控制、v/f控制和下垂控制功能的儲能系統綜合控制策略。但這些儲能控制策略都是把儲能的實時控制和經濟調度割裂開來，只對某一個方面進行研究，提出的控制策略與儲能系統的實際需求不符。在有源配電網或微網中，儲能系統既要參與到經濟調度中和分布式發電、負荷需求響應協調控制，又需要本地的實時控制來實現平抑波動，改善電能的質量。
同時，儲能系統的購置與運維成本是制約其大規模推廣應用的瓶頸。量化評估儲能系統的壽命損耗，可對儲能系統的容量規劃和運行經濟性給出有益的參考。在量化儲能系統的壽命損耗方面，文獻《計及電池壽命和經濟運行的微電網儲能容量優化》(作者：肖浩,裴瑋,楊艷紅等.來源：高電壓技術,2015,10:3256-3265.)只考慮了蓄電池的放電過程，未計及儲能系統充電過程中造成的損傷；文獻《基于可變壽命模型的電池儲能容量優化配置》(作者：婁素華,易林,吳耀武等.來源：電工技術學報,2015,04:265-271.)考慮了電池的規則充放電過程，但未考慮實際工程中電池不規則充放電的工作狀況。以上模型對壽命的影響因素計量不夠精確，并不能滿足實際需求。
技術實現要素：
本發明所要解決的技術問題是克服上述現有技術存在的缺陷，提供一種混合儲能系統分層動態控制方法，該方法在分析儲能系統的長期運行特性上，在不同時間尺度上建立基于電池健康度和累計損傷兩個指標的日內調度模型；基于日內調度模型，在三個時間尺度相互協調，以實現新能源配電網的經濟運行、最大化新能源消納和平抑新能源功率波動等目標。
為了達到上述目的，本發明采用以下的技術方案：一種混合儲能系統分層動態控制方法，其實現在有風電和光伏發電接入的新能源配電網中，對包含鋰電池和超級電容器的混合儲能系統進行充放電優化控制，包括：
a、建立包括冷熱電聯產微燃機、儲能運行和負荷調度在內的新能源配電網運行成本模型及其約束模型，構建以經濟性最優為目標的日前調度模型；
b、以混合儲能系統的需求出力與實際出力偏差和累計壽命損傷兩項指標作為日內調度模型懲罰函數，建立計及新能源消納收益的日內調度模型，并基于日內調度模型求解結果，安排混合儲能系統未來4小時內soc變化曲線；
c、實時計算混合儲能系統的累計損傷，并構建實時成本函數，根據最優化結果對鋰電池和超級電容器器進行功率分配。
進一步地，步驟a中，
a1、日前調度模型如下：
maxf(p,sw,u)
其中，f(p,sw,u)為目標函數，為可調度型分布式微源發電成本、儲能運行成本和負荷調度成本之和；h(p,sw,u)和g(p,sw,u)分別為混合儲能系統的等式約束和不等式約束，g和
a2、依據光伏/風電出力短期預測數據和負荷短期預測數據，根據建立的日前調度模型，計算得到次日24小時內、以15分鐘為間隔的96個點的決策變量值；因超級電容器用于平抑新能源出力的實時波動，故得到的混合儲能系統運行功率曲線即為鋰電池的24小時功率曲線，由下式計算鋰電池24小時soc變化曲線：
上式中，t的取值范圍為0-24小時，soc(0)表示鋰電池在0時刻的soc值，soc24h(t)表示鋰電池在t時刻的soc值，p是鋰電池的充放電功率；將所述的soc24h(t)作為混合儲能系統未來4小時出力曲線的參考。
進一步地，步驟b的具體過程如下：
b1、為量化混合儲能系統日內充放電過程對電池壽命的累計損傷，將不充放電過程等效成規則充放電過程，再利用循環次數-放電深度曲線折算；
b2、建立日內調度模型懲罰函數，包括混合儲能系統的需求出力與實際出力的偏差，混合儲能系統的日內充放電過程對電池壽命的累計損傷；
b3、基于日內調度模型懲罰函數，構建日內調度模型：
s.t.max{20％,soc24h(t)·(1-15％)}≤soc(t)≤min{80％,soc24h(t)·(1+15％)}
其中，g(soc(t))是日內調度模型的目標函數，由混合儲能系統消納新能源出力產生的經濟收益、出力偏差懲罰函數與壽命損傷懲罰函數組成，新能源出力產生的經濟收益近似等于未來4小時內電池soc波動值之和，即∑δsoc；socreq(t)是鋰電池的soc需求函數；soc(t)表示未來4小時內安排鋰電池soc的變化曲線；k1和k2分別表示出力偏差懲罰函數和壽命損傷懲罰函數的懲罰因子，r4h表示某日內調度模型對電池壽命造成的損傷值。
更進一步地，基于鋰電池的需求功率曲線，得鋰電池的soc需求曲線socreq(t)，依據下式計算：
上式中，soc(0)表示鋰電池在0時刻的soc值，p是鋰電池的充放電功率，t的取值范圍為0-4小時。
更進一步地，將soc(t)離散化，每15分鐘時間點的soc值作為粒子的一維，采用粒子群算法求解全局最優解，該解即為滿足新能源消納最優的soc(t)安排變化曲線。
進一步地，步驟c的具體過程如下：
c1、在三分鐘時間尺度內，由下式計算鋰電池的實時累計損傷：
l2＝l1exp(ksoc(savg-0.5)/0.25)(1-lli)
lli＝∑δlli
上式中，l1和l2為計算δlli的中間變量，δlli表示時間τ內鋰電池的壽命損耗增量；tref和tli分別為參考環境溫度和鋰電池的實際溫度的攝氏溫度值，即tref＝25℃；trefa和tlia分別為參考環境溫度和鋰電池的實際溫度的絕對溫度值；τlife_li為容量衰減為80％標稱容量的日歷壽命估算值；kt代表溫度每升高10℃時，鋰電池壽命衰減率加倍；kco、kex和ksoc均為經驗常數，通過實驗和查出廠參數獲取；lli表示鋰電池的壽命損耗系數；savg和socdev分別表示在該時間段內soc的平均值和標準差；n表示鋰電池充放電吞吐量的標幺值；pout(t)是鋰電池實時充放電功率；rth是經驗常數；
c2、基于鋰電池的實時累計損傷，構建3分鐘尺度內實時成本函數：
其中，第一項表示儲能系統總體出力與實際需求出力的偏差，第二項表示壽命損耗折算的成本，第三項表示未來三分鐘內電池的荷電狀態與4小時規劃荷電狀態的偏差，該實時成本函數是濾波時間常數tf的函數；
上式中，p(t)和preq(t)分別表示混合儲能系統的總體出力和實際需求出力；socreq2(t)為4小時規劃中鋰電池的荷電狀態；k2和k3分別表示壽命損傷懲罰函數和荷電狀態偏差懲罰函數的懲罰因子；r3min為該實時調度方案對電池壽命造成的損傷值；
c3、為制定儲能系統中鋰電池/超級電容器器的功率分配計劃，對于儲能系統的功率指令phess，采用低通濾波器對其濾波，得到低頻分量plow和高頻分量phigh，并由下式計算：
上式是功率濾波的s域形式，其中，tf是濾波時間常數，plow是令鋰電池消納低頻分量，phigh是令超級電容器器消納高頻分量，求解令目標成本函數取得最小值的濾波時間常數tf，并用于實時的功率分配。
與現有技術相比，本發明具有的有益效果如下：
1、提出了在三個時間尺度相互協調的混合儲能系統分層動態優化控制方法，充分利用不同時間尺度的發電/負荷預測結果，在長時間尺度內，結合日前和日內對新能源、主動負荷和儲能協調經濟優化控制的結果，實現混合儲能系統參與全局的協調控制與經濟運行，以及新能源的最大化消納。在短時間尺度內對混合儲能系統進行精細的控制，更好實現平抑新能源/負荷功率波動和改善電能質量。
2、分別在15分鐘和3分鐘兩個時間尺度上，對充放電調度進行電池健康狀況評估，更準確計量儲能控制策略對儲能系統壽命的影響，延長儲能系統壽命，有效降低運行成本。
附圖說明
圖1是本發明的結構框圖；
圖2是國內某地區微電網風光儲混合系統結構圖；
圖3是鋰電池循環充放電次數與充放電深度關系曲線圖；
圖4是本發明日前和日內soc需求曲線圖；
圖5是本發明未來3min功率指令曲線圖。
具體實施方式
下面結合說明書附圖對本發明作進一步說明。
一種混合儲能系統分層動態控制方法，其實現在有風電和光伏發電接入的新能源配電網中，對包含鋰電池和超級電容器的混合儲能系統進行充放電優化控制，步驟如下：
a、建立包括冷熱電聯產微燃機、儲能運行和負荷調度在內的新能源配電網運行成本模型及其約束模型，構建以經濟性最優為目標的日前調度模型。
a1、日前調度模型如下：
maxf(p,sw,u)
其中，f(p,sw,u)為目標函數，為可調度型分布式微源發電成本、儲能運行成本和負荷調度成本之和；h(p,sw,u)和g(p,sw,u)分別為混合儲能系統的等式約束和不等式約束，g和
a2、依據光伏/風電出力短期預測數據和負荷短期預測數據，根據建立的日前調度模型，計算得到次日24小時內、以15分鐘為間隔的96個點的決策變量值；因超級電容器用于平抑新能源出力的實時波動，故得到的混合儲能系統運行功率曲線即為鋰電池的24小時功率曲線，由下式計算鋰電池24小時soc變化曲線：
上式中，t的取值范圍為0-24小時，soc(0)表示鋰電池在0時刻的soc值，soc24h(t)表示鋰電池在t時刻的soc值，p是鋰電池的充放電功率；將所述的soc24h(t)作為混合儲能系統未來4小時出力曲線的參考。
b、以混合儲能系統的需求出力與實際出力偏差和累計壽命損傷兩項指標作為日內調度模型懲罰函數，以不超過日前規劃soc變化的15％為約束條件，建立計及新能源消納收益的日內調度模型，并基于日內調度模型求解結果，安排混合儲能系統未來4小時內soc變化曲線。
b1、為量化混合儲能系統日內充放電過程對電池壽命的累計損傷，將不充放電過程等效成規則充放電過程，再利用循環次數-放電深度曲線折算；
b2、建立日內調度模型懲罰函數，包括混合儲能系統的需求出力與實際出力的偏差，混合儲能系統的日內充放電過程對電池壽命的累計損傷；
b3、基于日內調度模型懲罰函數，構建日內調度模型：
s.t.max{20％,soc24h(t)·(1-15％)}≤soc(t)≤min{80％,soc24h(t)·(1+15％)}
其中，g(soc(t))是日內調度模型的目標函數，由混合儲能系統消納新能源出力產生的經濟收益、出力偏差懲罰函數與壽命損傷懲罰函數組成，新能源出力產生的經濟收益近似等于未來4小時內電池soc波動值之和，即∑δsoc；socreq(t)是鋰電池的soc需求函數；soc(t)表示未來4小時內安排鋰電池soc的變化曲線。k1和k2分別表示出力偏差懲罰函數和壽命損傷懲罰函數的懲罰因子，r4h表示某日內調度模型對電池壽命造成的損傷值。
基于鋰電池的需求功率曲線，得鋰電池的soc需求曲線socreq(t)，依據下式計算：
上式中，soc(0)表示鋰電池在0時刻的soc值，p是鋰電池的充放電功率，t的取值范圍為0-4小時。
將soc(t)離散化，每15分鐘時間點的soc值作為粒子的一維，采用粒子群算法求解全局最優解，該解即為滿足新能源消納最優的soc(t)安排變化曲線。
c、實時計算混合儲能系統的累計損傷，并構建實時成本函數，根據最優化結果對鋰電池和超級電容器器進行功率分配。
c1、在三分鐘時間尺度內，由下式計算鋰電池的實時累計損傷：
l2＝l1exp(ksoc(savg-0.5)/0.25)(1-lli)
lli＝∑δlli
上式中，l1和l2為計算δlli的中間變量，δlli表示時間τ內鋰電池的壽命損耗增量；tref和tli分別為參考環境溫度和鋰電池的實際溫度的攝氏溫度值，即tref＝25℃；trefa和tlia分別為參考環境溫度和鋰電池的實際溫度的絕對溫度值；τlife_li為容量衰減為80％標稱容量的日歷壽命估算值；kt代表溫度每升高10℃時，鋰電池壽命衰減率加倍；kco、kex和ksoc均為經驗常數，通過實驗和查出廠參數獲取；lli表示鋰電池的壽命損耗系數；savg和socdev分別表示在該時間段內soc的平均值和標準差；n表示鋰電池充放電吞吐量的標幺值；pout(t)是鋰電池實時充放電功率；rth是經驗常數。
c2、基于鋰電池的實時累計損傷，構建3分鐘尺度內實時成本函數：
其中，第一項表示儲能系統總體出力與實際需求出力的偏差，第二項表示壽命損耗折算的成本，第三項表示未來三分鐘內電池的荷電狀態與4小時規劃荷電狀態的偏差，該實時成本函數是濾波時間常數tf的函數；
上式中，p(t)和preq(t)分別表示混合儲能系統的總體出力和實際需求出力；socreq2(t)為4小時規劃中鋰電池的荷電狀態；k2和k3分別表示壽命損傷懲罰函數和荷電狀態偏差懲罰函數的懲罰因子；r3min為該實時調度方案對電池壽命造成的損傷值。
c3、為制定儲能系統中鋰電池/超級電容器器的功率分配計劃，對于儲能系統的功率指令phess，采用低通濾波器對其濾波，得到低頻分量plow和高頻分量phigh，并由下式計算：
上式是功率濾波的s域形式，其中，tf是濾波時間常數，plow是令鋰電池消納低頻分量，phigh是令超級電容器器消納高頻分量，求解令目標成本函數取得最小值的濾波時間常數tf，并用于實時的功率分配。
應用例
本應用例結合國內某地區分布式新能源/儲能聯合發電系統的基本參數，考慮基于電池累計損傷建立的日內調度模型，構建平抑分布式新能源功率波動性、最大化消納分布式新能源的目標，優化各層的控制變量，同時對所提出的基于電池soc、soh狀態相結合的儲能系統分層動態優化控制方法進行驗證。
本應用例結合國內某地區微電網，微電網結構如附圖2所示，計算條件說明如下：
1)系統參數：同步發電機容量30kva，雙饋感應風力發電機容量15kva，混合儲能逆變器容量15kva(鋰電池容量100ah，額定電壓240v；超級電容器器電容15f，額定電壓360v)，負荷有功功率15kw、無功功率20kvar。
2)鋰電池的循環次數-放電深度曲線如附圖3所示，其擬合函數：
ncir(dod)＝-3278dod4-5dod3+12823dod2-14122dod+5112
在上述計算條件下，應用本發明方法的具體實施步驟如下：
1、構建有源配電網以經濟性最優為目標的日前調度模型，求解出可調度型微源及彈性負荷功率、啟停狀態集合等優化決策變量，并結合光伏/風電出力短期預測數據、負荷短期預測數據，得到鋰電池的24小時功率曲線。計算其24小時soc變化曲線：
為減少累計誤差，約定每周對電池的剩余容量值進行一次校正。將此作為儲能系統的未來4小時出力曲線的參考，記為soc24h(t)。
2、基于風電、光伏和負荷的超短期預測，得到未來4小時的儲能系統出力需求曲線，積分得到soc的需求變化曲線。按下式建立計及新能源消納收益的日內調度模型：
s.t.max{20％,soc24h(t)·(1-15％)}≤soc(t)≤min{80％,soc24h(t)·(1+15％)}
將不規則充放電過程等效為規則充放電過程，可用計算機程序或者專用的計數儀器上自動完成。利用循環次數-放電深度擬合函數，將規則充放電過程的吞吐電量折算成標況下的累計損傷：
將soc(t)離散化，用粒子群算法求解上述模型，得出滿足新能源消納的最優soc(t)調度曲線。兩條soc(t)調度曲線如附圖4所示。
3、考慮電池熱效應、放電深度、soc波動等因素造成的壽命損耗，依據如下公式計算三分鐘壽命評估模型中的累計損傷：
l2＝l1exp(ksoc(savg-0.5)/0.25)(1-l)
需要用到的經驗常數kco、kex、和ksoc分別為3.66×10-5、0.717和0.916。
該時間段內鋰電池的壽命損耗系數：
lli＝∑δlli
求解成本函數：
得到另目標成本函數取最小值的濾波時間常數tf。
依據下式對鋰電池和超級電容器器進行功率分配：
未來三分鐘內功率指令合成曲線如附圖5所示。
本發明不受具體電網以及結構和系統參數的限制。
本文中所描述的有關方法步驟和數據只是本發明的具體實施例，是對本發明精神作的總體闡釋和舉例說明，本發明所屬領域的技術人員還可意識到變型或可選的實施例的多種可能性，在本發明的精神和原理啟發下，作各種修改、補充、改進或類似替代，例如在計算條件中系統參數或是鋰電池特性的不同。可以理解的是，這些修改、補充、改進或替代將被認為是包括在本發明中，而并不會偏離本發明的精神或者超越所附權利要求書所定義的范圍。
- 還沒有人留言評論。精彩留言會獲得點贊！