一种储能系统参与多应用领域优化调度方法与流程

1.本发明涉及一种储能系统的优化调度方法，具体为一种 储能系统参与多应用领域优化调度方法。


背景技术：

2.可再生能源发电的大规模开发及高比例并网对电力系 统的灵活调节能力提出了更高要求，推动了储能产业的发展。 储能已成为现代能源系统的重要环节，是智能电网的关键支 撑技术之一，充分发挥储能对电网的主动支撑能力，并保证 储能投资厂商的合理效益，对于推动储能产业发展，提升电 网对新能源的消纳能力和安全稳定运行具有非常重要的意 义。
3.美国桑迪亚国家实验室将储能的价值收益划为五大领 域十七种类型。五大领域分别是发电、辅助服务、输配电、 可再生能源以及用户领域，十七种应用类型分别是辅助动态 运行、取代或延缓新建机组、调频、电压支持、调峰、备用 容量、无功支持、缓解线路阻塞、延缓输配电网升级、备用 电源、可再生能源平滑输出/削峰填谷、爬坡率控制、用户 分时电价管理、容量费用管理、电能质量、紧急备用、需求 侧管理等。我国新增电化学储能在集中式可再生能源并网领 域的规模最大，有关储能系统应用及其效益的研究主要集中 在平抑可再生能源波动、减少弃风弃光领域，但储能在辅助 服务领域拥有巨大潜力，探索储能在调频、调峰等应用途径 中的作用也逐渐成为新的研究热点。
4.然而，当前的文献大多只针对储能系统参与单一用途的 控制策略进行研究，或在储能系统参与多应用领域时，仅按 照时段划分参与的用途，同一时段下的多应用协调控制研究 较少。随着风电短期/超短期预测技术的进步，实际风功率 大幅度偏离预测值的情况罕有发生，风电预测误差大于装机 容量10％的情况占20％左右，但大于装机容量30％的极端情 况仅为1％。若过多的容量和运行时段投入风电波动平抑将 导致储能系统利用率低下，难以保证储能投资商效益，不利 于储能产业长远发展；然而若储能机组以参与收益较高的调 频和能量市场为主而投入风电平抑领域的容量过少，电网的 新能源接纳能力将受到影响，造成弃风现象频繁发生。由此 可见，随着储能并网容量增大以及市场交易规则的逐步完善， 亟需开展储能参与多种应用领域的协调控制策略研究。


技术实现要素：

5.为了克服上述现有技术存在的缺陷，本发明的目的在于 提供一种储能系统参与多应用领域优化调度方法，本发明通 过层次分析法建立储能在电网运行、经济和环境等领域的效 益评价指标，以不同应用的出力上限为决策变量，以该评价 指标最优为决策目标并依据历史数据进行模拟运行，最终得 出适宜的出力分配方案；由于储能系统在每个调度时段均可 参与多项电力交易，最大限度的避免了储能容量的浪费；利 用层次分析法可构建出充分反映储能用户需求的综合评价 指标，使得本发明具有广泛适用性，可根据所在电网的实际 情况和用户的主观需求合理设计出力分配方案，解决了储能 系统在同时参与调
频、调峰和减少风电预测误差领域时，其 自身出力在各应用之间的分配比例如何划定的问题。
6.本发明采用的优化调度方法如下：
7.1.一种储能系统参与多应用领域优化调度方法，其特征 在于：包括以下步骤：
8.步骤1、用户自定义要考虑的经济技术指标以及各指标 间的相对重要程度，通过ahp将相对重要程度量化为对应的 数值，将量化后的相对重要性数值填入层次分析法所用的判 断矩阵中，建立ahp综合评价指标；
9.步骤2、建立以经济效益最优为决策目标的日前优化模 型：
10.在削峰时段，储能系统按照申报的调峰容量即调峰分配 的功率上限，持续放电；深度调峰时段则按照申报的调峰容 量持续充电；在其它时段，储能系统依据峰谷电价被动参与 调峰，即峰电价时段储能系统尽可能放电，谷电价时段储能 系统尽可能充电；添加soc为偏离中值惩罚项，电量过高时 抑制充电，电量过低时抑制放电，避免储能系统接近极限影 响其它应用调用；具体如下，
11.通过线性求解器求解储能出力曲线：
12.削峰时段：p
dis
＝p
pmax
；
13.深度调峰时段：p
ch
＝p
pmax
；
14.其它时段：
15.式中：p
dis
为放电功率kw；p
ch
为充电功率kw；p
pmax
为分 配的最大调峰功率kw；soc为储能荷电状态；nd为削峰调峰 时段以外的时段数；d为峰谷电价，元/kw
·
h；β为平衡系 数，用于使各式之间数量级一致；δt(h)为每个时段的持续 时间；
16.步骤3、建立风电出力误差最小决策为目标的日内mpc 滚动优化模型：
17.调峰分配功率与平抑波动分配功率合并，在满足调峰调 用的基础上，剩余容量均响应平抑波动调用，响应的深度由 以下优化取得：将前述日前优化模型求得的储能系统出力曲 线与风电出力日前预测曲线合成为风储日前预测，在每一个 调度时段，以风储日前预测误差最小为目标函数，根据当前 风电场出力、储能系统soc状态和超短期预测信息求解后续 数个时段储能系统出力，将控制序列第一个元素输出作为储 能系统出力，不断循环此过程，其传递方程如下：
[0018][0019]
其中，风电出力日前预测曲线为根据国家规定，风电场 需在运行日前上报的出力预测信息；超短期预测信息是风电 场在日内运行时必须实时上报的，风电接下来4小时以内的 出力预测信息；状态变量x1(k)为风储实际功率与风储日前预 测值之差，状态变量x2(k)为储能系统当前电量；控制变量 u1(k)和u2(k)为储能系统调峰和平抑波动的放电/充电功率； 扰动变量r1(k)为风电实际功率与预测值的误差，r2(k)为调频 消耗的电量，扰动变量的值可以通过风电场自身的超短期预 测和调度中心的指令获得；η
ch
、η
dis
分别为储能系统充电、放 电时的能量转化效率；日内优化目标为最小，每一步优 化中的u1(1)、u2(1)输出为储能系统实际出力曲线；
[0020]
步骤4、建立以ahp综合评价指标最优为决策目标的上 层优化模型，模型的决策变量为储能系统在不同应用之间的 功率分配比例，目标函数为ahp综合评价指标最优；具体方 法为，通过人工智能算法生成若干调频、调峰和平抑波动领 域各自的分配功率的分配方案，各领域分配功率作为日前、 日内优化模型中各应用领域可调用出力上限，日内mpc滚动 优化模型采用mpt工具箱求解出该分配方案下的储能系统 实际出力曲线；根据储能系统实际出力曲线，得出步骤1中 自定义的各指标值，通过步骤1中的判断矩阵将各指标值合 成为各分配方案的ahp综合指标值，选取ahp综合指标最优 的分配方案，用于储能调度。
[0021]
所述步骤1中通过ahp将相对重要程度量化为对应的数 值采用指数型标度法。
[0022]
所述步骤1中层次分析法所用的判断矩阵为：
[0023]
选择指标为n个，构建的判断矩阵a为：
[0024][0025]
其中，a
ij
表示指标i对比指标j的重要程度，a
ji
＝1/a
ij
。
[0026]
所述步骤2中线性求解器采用cplex商用求解器。
[0027]
所述步骤2中日前优化模型形成储能系统的预测出力 曲线，上报调度中心，步骤3中日内mpc滚动优化模型形成 储能系统出力曲线，平抑风电波动和响应调频指令。
[0028]
所述步骤4中决策变量包含调频、调峰和平抑波动领域 各自的功率分配比例。
[0029]
所述步骤4中人工智能算法采用粒子群算法。
[0030]
本发明提供了一种基于综合效益评价的储能系统参与 多应用领域优化调度方法，该发明有以下优势：
[0031]
1、储能系统可在同一时段下参与不同的应用领域，最 大限度避免了储能设备参与单一应用时设备使用率不足的 问题，且可以有效利用各应用之间的协同作用，尤其是减小 风电预测误差与调峰应用间可能出现需求出力相反互相抵 消的情况，储能系统同时参与多应用领域可以避免该情况下 调用储能系统造成能量的浪费。
[0032]
2、利用层次分析法可构建出充分反映储能用户需求的 综合评价指标，可根据所在电网的实际情况和用户的主观需 求选取指标和设定其重要程度，使得本发明在具有广泛适用 性。由于层次分析法自身特性，各方案之间通过比值的形式 比较某一指标优劣程度，因此形成综合指标时不会因指标的 单位和数量级不同而影响其精度。
[0033]
3、日内模拟运行中使用模型预测法进行滚动优化，将 优化建立在当前实际数据和未来数个时段的超短期预测上， 在不使用未来实际出力数据的情况下优化储能系统出力，以 保证模拟日内优化与确定分配方案后实际进行日内优化的 结果不出现较大的偏差。
附图说明
[0034]
图1为本发明储能系统参与多应用领域优化调度策略 图。
[0035]
图2为本发明日前、日内优化模型示意图。
具体实施方式
[0036]
下面结合附图对本发明进一步详细描述。
[0037]
一种储能系统参与多应用领域优化调度方法，具体包括 以下步骤：
[0038]
步骤1、用户自定义要考虑的经济技术指标以及各指标 间的相对重要程度，对照ahp中的标度表将相对重要程度量 化为具体的数值，将量化后的相对重要性值填入层次分析法 所用的判断矩阵中，建立ahp综合评价指标；层次分析法中 采用指数型标度法可使得判断矩阵均匀性与一致性较好，故 本发明采用如下标度：
[0039][0040]
若选择了n个指标，则构建的判断矩阵a为：
[0041][0042]
其中，a
ij
表示指标i对比指标j的重要程度，a
ji
＝1/a
ij
； 例如若指标1为风电预测准确率，指标2为收益，投资者认 为风电预测准确率指标相较于收益明显重要，则查表可知量 化的标度2.226，即a
12
＝2.226，a
21
＝1/a
12
＝0.4492；
[0043]
步骤2、建立日前优化模型和日内优化模型；
[0044]
日前优化调度策略为：在削峰时段，由于储能系统优先 调用的优惠政策，可以认为储能系统在该时段可按照分配的 调峰功率持续放电；深度调峰时段则按照分配的调峰功率持 续充电；在其它时段，储能系统依据峰谷电价被动参与调峰， 即峰电价时段储能尽可能放电，谷电价时段储能系统尽可能 充电；储能系统接近极限将影响其它应用调用，添加soc偏 离中值惩罚项，电量过高时抑制充电，电量过低时抑制放电； 该模型为线性优化问题，采用cplex商用求解器求解储能出 力曲线：
[0045]
削峰时段：p
dis
＝p
pmax
；
[0046]
深度调峰时段：p
ch
＝p
pmax
；
[0047]
其它时段：
[0048]
式中：p
dis
为放电功率(kw)；p
ch
为充电功率(kw)；p
pmax
为 分配的最大调峰功率(kw)；soc为储能荷电状态；nd为削峰 调峰时段以外的时段数；d为峰谷电价(元/kw
·
h)；β为平 衡系数，用于使各式之间数量级一致；δt(h)为每个时段的 持续时间；日前优化模型形成储能系统的预测出力曲线，上 报调度中心；
[0049]
步骤3、日内采用模型预测法(model predictive
ꢀꢀ
control，mpc)滚动优化：
[0050]
储能系统全部功率中，调频领域分配的功率随时接受 agc调频指令；调峰分配功
率与平抑波动分配功率合并，在 满足调峰调用的基础上，剩余容量均可响应平抑波动调用， 响应的深度由以下优化取得：日前优化模型求得的储能系统 出力曲线与风电日前预测曲线合成为风储日前预测，在每一 个调度时段，以风储预测误差最小为目标函数，根据当前风 电场出力、储能系统soc状态和风电场实时上报的超短期预 测信息求解后续数个时段储能出力，将控制序列第一个元素 输出作为储能出力，不断循环此过程，其传递方程如下：
[0051][0052]
其中风电出力日前预测曲线为根据国家规定，风电场需 在运行日前上报的出力预测信息；超短期预测信息是风电场 在日内运行时必须实时上报的，风电接下来4小时以内的出 力预测信息；状态变量x1(k)为风储实际功率与风储日前预测 值之差，状态变量x2(k)为储能系统当前电量；控制变量u1(k) 和u2(k)为储能调峰和平抑波动的放电/充电功率；扰动变量 r1(k)为风电实际功率与预测值的误差，r2(k)为调频消耗的电 量，扰动变量的值可以通过风电场自身的超短期预测和调度 中心的指令获得；η
ch
、η
dis
分别为储能系统充电、放电时的能 量转化效率；日内优化目标为最小，每一步优化中的u1(1)、 u2(1)输出为储能实际出力曲线；日内mpc滚动优化模型形成 储能系统出力曲线，平抑风电波动和响应调频指令；
[0053]
步骤4、建立以ahp综合评价指标最优为决策目标的上 层优化模型，模型的决策变量为储能在不同应用之间的功率 分配比例，目标函数为ahp综合评价指标最优；具体方法为， 使用粒子群算法生成若干调频、调峰和平抑波动领域各自的 分配功率的分配方案，各领域分配功率作为步骤2中日前、 日内优化模型中各应用领域可调用出力上限，日内mpc滚动 优化模型采用mpt工具箱求解出该分配方案下的储能系统 实际出力曲线；根据储能系统实际出力曲线，得出步骤1中 自定义的各指标值，通过步骤1中的判断矩阵将各指标值合 成为各分配方案的ahp综合指标值，选取ahp综合指标最优 的分配方案，用于储能系统调度。

技术特征：
1.一种储能系统参与多应用领域优化调度方法，其特征在于：包括以下步骤：步骤1、用户自定义要考虑的经济技术指标以及各指标间的相对重要程度，通过ahp将相对重要程度量化为对应的数值，将量化后的相对重要性数值填入层次分析法所用的判断矩阵中，建立ahp综合评价指标；步骤2、建立以经济效益最优为决策目标的日前优化模型：在削峰时段，储能系统按照申报的调峰容量即调峰分配的功率上限，持续放电；深度调峰时段则按照申报的调峰容量持续充电；在其它时段，储能系统依据峰谷电价被动参与调峰，即峰电价时段储能系统尽可能放电，谷电价时段尽可能充电；添加soc为偏离中值惩罚项，电量过高时抑制充电，电量过低时抑制放电，避免储能系统接近极限影响其它应用调用；具体如下，通过线性求解器求解储能出力曲线：削峰时段：p
dis
＝p
pmax
；深度调峰时段：p
ch
＝p
pmax
；其它时段：式中：p
dis
为放电功率kw；p
ch
为充电功率kw；p
pmax
为分配的最大调峰功率kw；soc为储能荷电状态；n
d
为削峰调峰时段以外的时段数；d为峰谷电价，元/kw
·
h；β为平衡系数，用于使各式之间数量级一致；δt(h)为每个时段的持续时间；步骤3、建立风电出力误差最小决策为目标的日内mpc滚动优化模型：调峰分配功率与平抑波动分配功率合并，在满足调峰调用的基础上，剩余容量均响应平抑波动调用，响应的深度由以下优化取得：将前述日前优化模型求得的储能系统出力曲线与风电出力日前预测曲线合成为风储日前预测，在每一个调度时段，以风储日前预测误差最小为目标函数，根据当前风电场出力、储能系统soc状态和超短期预测信息求解后续数个时段储能系统出力，将控制序列第一个元素输出作为储能出力，不断循环此过程，其传递方程如下：其中，风电出力日前预测曲线为根据国家规定，风电场需在运行日前上报的出力预测信息；超短期预测信息是风电场在日内运行时必须实时上报的，风电接下来4小时以内的出力预测信息；状态变量x1(k)为风储实际功率与风储日前预测值之差，状态变量x2(k)为储能系统当前电量；控制变量u1(k)和u2(k)为储能系统调峰和平抑波动的放电/充电功率；扰动变量r1(k)为风电实际功率与预测值的误差，r2(k)为调频消耗的电量，扰动变量的值可以通过风电场自身的超短期预测和调度中心的指令获得；η
ch
、η
dis
分别为储能系统充电、放电时的能量转化效率；日内优化目标为最小，每一步优化中的u1(1)、u2(1)输出为储能实际出力曲线；步骤4、建立以ahp综合评价指标最优为决策目标的上层优化模型，模型的决策变量为储能系统在不同应用之间的功率分配比例，目标函数为ahp综合评价指标最优；具体方法为，通过人工智能算法生成若干调频、调峰和平抑波动领域各自的分配功率的分配方案，各
领域分配功率作为日前、日内优化模型中各应用领域可调用出力上限，日内mpc滚动优化模型采用mpt工具箱求解出该分配方案下的储能系统实际出力曲线；根据储能系统实际出力曲线，得出步骤1中自定义的各指标值，通过步骤1中的判断矩阵将各指标值合成为各分配方案的ahp综合指标值，选取ahp综合指标最优的分配方案，用于储能系统调度。2.根据权利要求1所述的一种储能系统参与多应用领域优化调度方法，其特征在于：所述步骤1中通过ahp将相对重要程度量化为对应的数值采用指数型标度法。3.根据权利要求1所述的一种储能系统参与多应用领域优化调度方法，其特征在于：所述步骤1中层次分析法所用的判断矩阵为：选择指标为n个，构建的判断矩阵a为：其中，a
ij
表示指标i对比指标j的重要程度，a
ji
＝1/a
ij
。4.根据权利要求1所述的一种储能系统参与多应用领域优化调度方法，其特征在于：所述步骤2中线性求解器采用cplex商用求解器。5.根据权利要求1所述的一种储能系统参与多应用领域优化调度方法，其特征在于：所述步骤2中日前优化模型形成储能系统的预测出力曲线，上报调度中心，步骤3中日内mpc滚动优化模型形成储能系统出力曲线，平抑风电波动和响应调频指令。6.根据权利要求1所述的一种储能系统参与多应用领域优化调度方法，其特征在于：所述步骤4中决策变量包含调频、调峰和平抑波动领域各自的功率分配比例。7.根据权利要求1所述的一种储能系统参与多应用领域优化调度方法，其特征在于：所述步骤4中人工智能算法采用粒子群算法。

技术总结
本发明涉及一种储能系统参与多应用领域优化调度方法，首先，用户自定义要考虑的经济技术指标以及各指标间的相对重要程度，建立AHP综合评价指标，其次，建立以经济效益最优为决策目标的日前优化模型和以风电出力误差最小决策为目标的日内优化模型，再建立以AHP综合评价指标最优为决策目标的上层优化模型；根据历史数据模拟运行确定储能在不同应用领域的出力分配，最大限度避免了储能设备使用率不足的问题、有效利用了各应用之间的协同作用；采用层次分析法进行综合效益评价，根据所在电网的实际情况和用户的主观需求选取指标并设定其重要程度，使得本发明具有广泛适用性；本发明对于制定储能系统运行方案、保障储能投资厂商的合理效益、提升电网对新能源的消纳能力和安全稳定运行具有重要的参考价值，是很有前景的一种储能系统优化调度方法。景的一种储能系统优化调度方法。景的一种储能系统优化调度方法。


技术研发人员：翟灏 刘韬 黄浪 郝翔 贾燕冰 曹家瑞
受保护的技术使用者：特变电工新疆新能源股份有限公司
技术研发日：2021.11.23
技术公布日：2022/3/7