一种面向多联供系统的混合储能系统容量规划设计方法与流程

本发明涉及储能技术领域，具体涉及一种面向多联供系统的混合储能系统容量规划设计方法。

背景技术：

能源是现代社会经济与发展的根本。能源环境问题的相继出现促使人类逐渐意识到化石燃料的过渡开采和无节制使用所带来的严重危害。在能源危机逐步加深的背景下，世界各国纷纷提出促进新能源发展、提高能源利用率的战略目标。我国能源分布不均、人均占有量低，能源形势逐渐恶化。分布式新能源联合供能系统(distributedco-generationsystem)是对各种一次能源转换技术的集成运用，在一个区域内能够同时满足用户对冷、热、电等多种用能需求，从而实现能源的阶梯利用和高效利用。它作为一种能源高效利用的方式，于上世纪70年代在发达国家发展起来，近年来各国逐渐加大对其发展力度。我国在分布式能源联供系统方面的研究起步较晚，与发达国家差距较大。因此，对分布式能源联供系统的研究有非常重要的意义。

技术实现要素：

本发明的目的是针对现有技术存在的问题，提供一种面向多联供系统的混合储能系统容量规划设计方法，该方法能够应用于园区综合能源、电网调度等场景。

为实现上述目的，本发明采用的技术方案是：

一种面向多联供系统的混合储能系统容量规划设计方法，包括：

建立概率规划模型，对所述模型的输入数据进行概率统计分析，为蒙特卡洛仿真计算提供基础数据；

由蒙特卡洛仿真计算生成不同场景，通过时域仿真法确定混合储能系统在不同控制策略下输出功率的时域仿真曲线；

基于前述的概率统计分析及时域仿真曲线，通过基于面积准则的容量规划算法，确定混合储能系统容量的最优分布。

优选地，所述模型的输入数据包括风速、光照强度、负荷。

优选地，对所述模型的输入数据进行概率统计分析进一步包括：对风速、光照强度的历史数据进行概率统计分析，获取风机和光伏系统输出功率的概率统计结果，确定多联供内间歇性分布式电源功率输出的精确分布。

优选地，所述风速符合威布尔分布；所述光照强度符合正态分布。

优选地，所述混合储能系统容量包括储能装置的额定功率和容量。

优选地，基于概率规划模型的多联供内混合储能系统容量规划流程进一步包括：

通过msc获得风速、光照强度的一组随机分布参数，对应生成一组环境数据；

通过多联供系统时域仿真获得合储能系统功率曲线；

根据面积准则法计算生成一组合储能系统容量规划结果；

根据概率分析，利用蒙特卡洛仿真生成大量随机场景，在此基础上获取合储能系统容量规划结果的概率分布；

整个容量规划过程直到迭代次数到达蒙特卡洛仿真的最大循环次数时结束。

优选地，所述容量规划包括：蓄电池的容量规划、超级电容器的容量规划。

与现有技术相比，本发明的有益效果是：本发明公开的容量规划设计方法，利用概率规划模型、面积准则法等对多联供系统内混合储能系统的容量进行规划，获得混合储能系统容量的最优分布，实现了多联供系统内能量的高效利用，该方法可应用于园区综合能源、电网调度等场景。

附图说明

图1为根据实施例的多联供系统内混合储能系统容量规划模型的基本框架。

图2为根据实施例的bess(电池储能系统)参与多联供系统频率调节的功率曲线。

图3为根据实施例的sc(超级电容器)参与多联供系统频率调节的功率曲线。

图4为根据实施例的基于概率模型的多联供系统混合储能系统容量规划方法流程图。

图5为根据实施例的含混合储能系统的benchmark低压多联供系统。

图6为根据实施例的风速及光照强度分布区间(99％置信水平)。

图7为根据实施例的典型负荷曲线。

图8(a)-(d)为根据实施例的不同控制策略下hess容量规划最优分布。

图9(a)-(d)为根据实施例的不同控制策略下hess容量的累积概率密度。

具体实施方式

下面将结合本发明中的附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动条件下所获得的所有其它实施例，都属于本发明保护的范围。

本发明提供一种面向多联供系统的混合储能系统容量规划设计方法，属于储能技术领域，该方法能够应用于园区综合能源、电网调度等场景。该容量规划设计方法分为三个步骤：(1)建立概率规划模型，模型的输入数据为多联供系统内间歇性分布式电源的外部环境历史数据，包括风速、光照强度以及负荷等，将上述数据利用概率统计方法进行分析，可有效获取相应概率密度函数的相关参数，为蒙特卡洛仿真(mcs)计算提供基础数据；(2)由mcs生成不同场景，通过时域仿真法确定hess在不同控制策略下输出功率的时域仿真曲线；(3)根据上述信息，通过基于面积准则的容量优化算法确定hess容量的最优分布。

作为一种实施方案，所述方法的实施具体包括：

1.容量规划设计基本框架

面向多联供系统内由蓄电池和超级电容器组成的混合储能系统hess(hybridenergystoragesystem)容量规划方法的基本框架如图1所示。容量规划过程大致分为三个步骤：

(1)模型的输入数据为多联供系统内间歇性分布式电源的外部环境历史数据，包括风速、光照强度以及负荷，将上述数据利用概率统计方法进行分析，可有效获取相应概率密度函数的相关参数，为蒙特卡洛仿真(mcs)计算提供基础数据；

(2)由mcs生成不同场景，通过时域仿真法确定hess在不同控制策略下输出功率的时域仿真曲线；

(3)根据上述信息，通过基于面积准则的容量优化算法确定hess容量的最优分布。

上述算法及时域仿真过程是在matlab、digsilent平台及其之间的接口程序的支持下完成的。

下面就各部分功能及实现方法进行逐项说明。

2.概率统计分析

进行mcs计算前，首先需要确定多联供内间歇性分布式电源功率输出的精确分布，因此，需要对风速及光照强度等历史数据进行概率统计分析。我国某地区风速符合威布尔(weibull)分布，其概率密度函数如式(1)所示：

其中，k,c分别为weibull分布的形状参数及尺度参数，v表示风速。

通过概率统计分析可以获得上述参数在一定置信水平下的分布区间。针对威布尔参数的分布区间，可以通过mcs随机生成不同时刻的风速数据并获得其在预设置信水平下的分布。然后通过式(2)所示的简化风机出力模型可将风速数据转换为风机的输出功率pwt。

其中，pr为风机输出额定功率；vcin、vcou分别为风机的切入风速与切除风速。

采用同样方法，可获得光伏发电系统输出功率的概率统计结果。我国某地区光照强度在某一特定时刻服从正态分布，其概率密度函数如式(3)所示：

其中，μ为正态分布的期望值；σ为标准差；s表示光照强度。

同样，通过概率统计分析可获得上述正态分布参数在一定置信水平下的分布区间。通过mcs随机生成不同时刻的光照数据并获得其在预设置信水平下的分布。然后通过式(4)所示的光伏阵列功率输出隐性方程计算其输出功率ppv。

式中，isc是光伏模块的短路电流[a]；i0是二极管的饱和电流[a]；n为二极管的常数；vt[v]；m是串联光伏cell的个数；rs为光伏阵列等效电阻；ns为串联光伏模块的数量；np为并联光伏模块的数量。

3.基于面积准则的混合储能系统容量规划算法

基于上述概率统计分析和多联供系统时域仿真，并考虑到多联供系统内间歇性分布式电源、负荷所产生的大量不确定性因素，本实施例提出一种基于面积准则的容量规划算法，用于确定hess容量的概率分布。这里的hess容量包括储能装置的额定功率和容量，其中额定功率指ess所能接受的最大瞬时功率，单位为kw；容量即为ess可持续释放的最大电能，单位为kwh。

1)蓄电池的容量规划

■蓄电池额定功率

假设bess用于多联供系统的频率调节，不考虑蓄电池容量限制，其充放电功率曲线如图2所示，时间轴上方的功率表示多联供系统功率缺失，蓄电池需要放电以补充多联供系统的功率缺额；反之，时间轴下方的功率表示多联供系统功率供大于求，蓄电池需要吸收多余功率以维持频率的稳定。为保证蓄电池在每一个充放电周期中不会因为容量限制而出现调控不足的情况，应选取仿真过程中对应的最大功率值为蓄电池的额定功率，对其输出功率数据进行采样，可得到蓄电池的额定功率pb,rate如式(5)所示：

pb,rate＝max[pb(t)](5)

式中，pb(t)表示蓄电池在时刻t的采样功率，t＝1～t，t为仿真时间。

■蓄电池额定容量

图2所示，负面积a表明bess在对应时间段x1内通过存储电能实现多联供系统频率调节所需的最小蓄电池能量，记为|a|；正面积b表示bess在对应时间段x2内通过放电释放电能，实现多联供系统频率调节所需最小的蓄电池能量，记为|b|。图中面积c、d与a、b的含义相似。为保证蓄电池在整个调频过程中有充足的电能，蓄电池的最小容量应为充放电过程中的最大能量变化差值，在不考虑蓄电池soc限制时，其最小容量eb,min如式(6)所示：

通常，考虑到蓄电池深度充放电对其使用寿命的影响，蓄电池soc应维持在一定的范围[socmin,socmax]内。因此，考虑soc约束的蓄电池额定容量应表示为：

eb,rate＝eb,min/(socmax-socmin)(7)

2)超级电容器的容量规划

超级电容器用于平衡多联供系统中所需补偿功率的高频分量。图3给出了超级电容器频率调节时功率的时域仿真曲线，与图2中bess的充放电功率相比，超级电容器承担了更加频繁的充放电过程。超级电容器的容量确定原则与蓄电池相同，即保证其在频率调节过程中不会因容量限制而影响多联供系统频率控制效果，因此，超级电容器的额定功率pc,rate与最小容量ec,min的计算方法与bess的pb,rate及eb,min计算方法相同，此处不再赘述。

对于超级电容器而言，可根据其能量交换式确定其额定容量所对应的电容值。超级电容器在频率控制过程中的能量交换与其电容值之间的数学关系如式(8)所示：

式中，vsc1、vsc2分别为超级电容器能量交换前后的端电压。

假设超级电容器的端电压可以在vmax和vmin之间变化，则与额定容量ec,min对应的超级电容器电容值的计算式由(9)给出：

4.基于概率模型的多联供系统混合储能系统容量规划流程

基于概率模型的多联供系统混合储能系统容量规划流程如图4所示，首先通过msc获得风速、光照强度的一组随机分布参数[c,k,μ,σ]，对应生成一组环境数据，通过多联供系统时域仿真获得hess功率曲线后，根据面积准则法计算生成一组hess容量规划结果[pb,rate,eb,rate,pc,rate,cc,rate]。根据概率分析，利用mcs生成大量随机场景，在此基础上获取hess容量规划结果的概率分布。整个容量规划过程直到迭代次数iter到达mcs的最大循环次数nmax时结束。

本申请结合mcs来获取hess应用于多联供系统频率调节时的最优容量分布，可充分计及规划过程中所面临的大量不确定性因素，具有一定的灵活性，同时在规划过程中考虑了控制策略差异对hess容量规划结果的影响。

采用图5所示benchmark低压多联供系统系统来验证本申请所提方法的正确性。为分析不同控制策略对储能系统容量配置的影响，混合储能系统参与多联供系统频率控制所采用的控制策略为传统的hess控制策略(chc)和频率滞环hess控制i(hlci)两种控制策略以便于进行对比。

1)hess容量概率分布

在进行mcs和时域仿真之前，首先要确定仿真所需风速、光照以及负荷的分布。通过对风速、光照历史数据进行概率统计分析可以得到在99％置信水平下风速及光照强度的分布区间如图6所示，负荷以典型特性负荷数据曲线为基础通过正态分布随机生成，如图7所示。图8(a)-(d)、图9(a)-(d)给出了两种控制策略下hess的容量概率分布。

表1给出了频率时滞控制i(hlci)方式下三种不同累积概率值(50％，75％与90％)下hess容量规划结果的对比。可以看出，bess的容量eb,rate在90％的累积概率水平下为641.6552kwh，在75％的累积概率水平下为600.2094kwh，因此，若采用75％的累积概率水平规划蓄电池容量，相同控制策略下可节约bess规划容量41.4458kwh。

2)不同频率控制策略对hess规划容量的影响

分析不同控制策略对hess容量规划结果的影响，两种控制方式下hess容量分布的期望、标准差如表2所示。

表1不同累积概率水平下hess容量规划结果对比

表2不同控制方式下hess容量规划参数

由对比可知，hlci控制下90％概率值对应的bess的容量期望值与chc控制相比减少了40.9854kwh，其标准差也相应较小。同时，由图9所示的蓄电池累积概率密度可以看出，在相同累积概率值下，hlci对应的蓄电池容量明显小于chc对应的蓄电池容量，这是由于hlci控制可有效避免蓄电池的小电流充放电循环。例如表2中，当蓄电池累积概率取值为90％时，hlci控制所对应的蓄电池容量比chc控制所对应的蓄电池容量减小44.8638kwh。

对于超级电容器而言，表2所示hlci策略对应的sc容量与chc对应的sc容量相比，略有增加，这是因为蓄电池处于非工作状态时，多联供系统频率误差增大，经过下垂和滤波环节后得出的超级电容器的输出功率相应增大，进而导致其额定容量略有增加。

两种控制策略下的额定功率基本相同，这主要是hlci主要可以减少对bess小电流充放电次数，最大充放电功率不会受到影响。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。