一种用于追踪风功率预测的蓄电池容量配置系统的制作方法

本发明涉及蓄电池容量预测技术领域，具体是一种用于追踪风功率预测的蓄电池容量配置系统。

背景技术：

研究表明，如果需要风场的有功功率输出与24h风功率预测输出达到零误差，则1-MW风机需要配备24MWh的储能系统。对于风场主而言，意味着巨大的投资，且不现实。但是，当风场输出与预测输出之间允许存在一定的误差时，所需ESS容量将显著下降。风功率预测的时间尺度不同，风场所在位置的风功率波动情况不同，控制目标不同，均会影响所需的蓄电池储能系统的容量。需要根据具体风场的风功率波动情况以及需要达到的控制目标具体研究其最优配置，而不是简单的按照风场装机容量的某一个比例配置。

当蓄电池由于蓄电池配备容量较小或长期风功率预测误差较大，受荷电容量SOC限制而无法满足充/放电命令，则会导致某一时刻风场的输出波动超出电网允许范围。

技术实现要素：

本发明的目的在于提供一种有效利用多尺度预测数据，实现风场输出追踪24小时风功率预测的蓄电池容量配置系统，以解决上述背景技术中提出的问题，实现未来电网对大规模风电的主动调度。

为实现上述目的，本发明提供如下技术方案：

一种用于追踪风功率预测的蓄电池容量配置系统，以实现风电场输出追踪24小时风功率预测数据为目标对蓄电池容量进行配置，利用4小时超短期预测数据进行预测控制，以满足未来一段时间风电场输出满足电网最大允许1分钟以及10分钟波动确定蓄电池的最低配置容量，同时利用跟踪允许误差即滞环控制阈值与最大允许1分钟以及10分钟波动之间的蓄电池容量调节裕度对蓄电池充放电容量进行优化，进行上述计算的过程中，蓄电池的充放电功率满足下述三个条件限制，分别为1分钟风场输出有功功率最大变化率的限制、蓄电池SOC上下限的限制和蓄电池充放电功率极限限制。

作为本发明再进一步的技术方案：所述蓄电池充放电控制量修正时，利用4小时超短期风功率预测数据代替未来4小时实际风机输出功率，模拟未来一段时间蓄电池的充放电行为，计算未来一定时段，满足风机出力波动允许、电网允许风场输出波动的最大值以及蓄电池充放电能力限制的风场出力性能最优即24小时风功率预测曲线跟踪的蓄电池最低配置容量；利用跟踪允许误差即滞环控制阈值和最大允许1分钟以及10分钟波动的差值实现蓄电池荷电电容恢复控制，使得蓄电池荷电容量尽量接近50％。

与现有技术相比，本发明的有益效果是：

本发明利用4小时超短期预测数据的精度远高于24小时长期风功率预测精度，通过对短期预测数据预测的未来一定时段的风机出力波动、电网允许风场输出波动的最大值以及蓄电池充放电能力进行综合考虑，确定保证未来一定时段的风场出力性能最优的蓄电池最低配置容量。利用跟踪允许误差和允许最大1分钟以及10分钟波动的差值实现蓄电池荷电电容恢复控制，使得蓄电池荷电容量尽量接近50％的荷电容量，降低未来发生SOC受限而不能满足电网要求的情况的概率，可以使风场能够在市场环境下被纳入调度制定的调度计划。

附图说明

图1为本发明超短期风功率预测的数据扩展示意图。

图2为本发明本系统功能示意图。

图3为本发明的主系统程序流程图。

图4为本发明的预测修正控制图。

图5为本发明的容量修正控制图。

图6为本发明的容量恢复控制图。

图7为本发明的函数流程示意图之一。

图8为本发明的函数流程示意图之二。

具体实施方式

下面结合具体实施方式对本专利的技术方案作进一步详细地说明。

请参阅图1至图8，一种用于实现风场输出追踪24小时风功率预测的风电场蓄电池容量配置系统。

滞环控制：以24小时风功率预测数据为风场有功功率输出目标，通过下述公式(1)计算蓄电池在t时刻的控制量：

a＝(P₂₄(t)-P_w(t))÷|P₂₄(t)-P_w(t)|

P_E(t)＝a×Max{|P₂₄(t)-P_w(t)|-ΔX,0} (公式1)

其中：P_E(t)为蓄电池t时刻的控制量，正值表示放电；P₂₄(t)为24小时短期风功率预测t时刻的数值；P_w(t)为t时刻的风机风功率输出值；t分辨率为分钟级；△X为滞环控制阈值，即每分钟计算一次，滚动进行。当P_w(t)与P₂₄(t)的差值绝对值大小超过阈值才进行蓄电池充放电控制。

预测修正：

首先按每分钟允许最大波动，计算存在的可调节裕度，即滞环控制裕度允许的追踪误差与允许最大1分钟波动之间的差值。

其次根据4小时超短期风功率预测，利用超短期预测数据，采用公式(2)对当前蓄电池充放电控制量进行修正，降低未来发生SOC受限而不能满足电网要求的情况的概率。在计算过程中，以未来一定可设定时段内，不发生SOC受限导致的风电场出力波动超过电网要求限值，则可以确定最小的蓄电池容量。

P_E(t)＝P_E(t)+ΔP_SOC (公式2)

计算修正量ΔP_soc的具体思路：利用4小时超短期风功率预测数据，代替未来T_f小时实际风机输出功率，模拟未来一段时间蓄电池的充放电行为，预测蓄电池的荷电状态；由于预测数据的分辨率是15分钟，而本算法的分辨率是1分钟，为了数据和算法匹配，所以这段时间设计最长为45分钟至3小时，此时段可根据需要设定。如果在未来T_f时间内，某一时刻由于蓄电池荷电容量SOC限制，无法满足充/放电命令，而导致未来某一点的输出波动超出电网允许范围。与上一步计算的可调节裕度比较，如需要充电，而当前点在满 足最大波动限值的前提下仍然具有可充电裕度，且满足当前充电需要(所需要的soc平均到预测的每一个点数)，则维持当前蓄电池容量配置，继续预测计算。如调节裕度不够用，则增加蓄电池配置容量，至满足充放电要求，直至Tf预测时段的数据计算完毕。

本发明以未来T_f时段的风场出力性能最优(满足追踪24小时风功率预测精度要求及电网规定风场输出1分钟/10分钟最大波动限值)为目标，对蓄电池当前充放电控制量进行优化。使其在满足电网的波动要求的前提下，降低未来发生SOC受限而不能满足电网要求的情况的概率。记录当前点可充/放电的剩余裕度。

优化蓄电池荷电容量：如果需要蓄电池充电，且蓄电池的荷电容量在10％≤SOC≤30％之间，则需要将蓄电池的容量恢复到50％左右，则按照最大变化率多充电。如果需要蓄电池放电，且蓄电池的荷电容量在70％≤SOC≤90％之间，则需要尽快将蓄电池的容量恢复到50％左右，则按照最大变化率多放电。其他情况，按照第二步计算出的P_E(t)进行。

蓄电池的充放电功率限制条件校核：蓄电池的充放电功率存在一定的限制。分别是以下三个条件，三个条件为“与”关系。

1)1分钟风场输出有功功率最大变化率的限制，即电网对风场输出波动的限制：

P_d(t-1)-ΔP_thres-P_w(t)≤P_E(t)≤P_d(t-1)+ΔP_thres-P_w(t) (公式3)

2)蓄电池SOC上下限的限制：

(SOC_min-SOC_t)×S_bessN/dt≤P_E(t)≤(SOC_max-SOC_t)×S_bessN/dt (公式4)

3)蓄电池充放电功率极限限制：

P_Emin≤P_E(t)≤P_Emax (公式5)

综合电网规定的1分钟风场输出有功功率最大变化率的限制、蓄电池SOC上下限的限制和蓄电池充放电功率极限限制，得到蓄电池的控制限制为：

A＝MAX{P_d(t-1)-ΔP_thres-P_w(t),(SOC_min-SOC_t)×S_bessN/dt,P_Emin}

B＝MIN{P_d(t-1)+ΔP_thres-P_w(t),(SOC_max-SOC_t)×S_bessN/dt,P_Emax}

A≤P_E(t)≤B (公式6)

其中，S_bessN是蓄电池的额定容量；SOC_max、SOC_min、SOC_t分别为蓄电池荷电状态的最大值、最小值和当前时刻；dt是时间间隔，取1分钟；P_Emax、P_Emin分别是蓄电池放电和充电的功率极限。P_d(t)为t时刻的储能型风场实际输出值；ΔP_soc为根据短期风功率预测信息计算出来的未来控制修正量；ΔP_thres为电网规定的风功率波动允许阈值，正值。

根据公式(2)和公式(6)得到最终的蓄电池控制量：

if P_E(t)＜A P_E(t)＝A

if A≤P_E(t)≤B P_E(t)＝P_E(t)

if P_E(t)＞B P_E(t)＝B (公式7)

由于短期风功率预测和超短期风功率预测数据分辨率均为15分钟，而实时风功率输出数据分辨率至少为分钟级，为了简化计算，将预测数据15分钟间隔内的数据通过差值计算得到，将15分钟分辨率的预测数据扩展成1分钟分辨率的数据。

本发明利用4小时超短期预测数据的精度远高于24小时长期风功率预测精度，通过对短期预测数据预测的未来一定时段的风机出力波动、电网允许风场输出波动的最大值以及蓄电池充放电能力进行综合考虑，确定保证未来一定时段的风场出力性能最优的蓄电池最低配置容量。利用跟踪允许误差和允许最大1分钟以及10分钟波动的差值实现蓄电池荷电电容恢复控制，使得蓄电池荷电容量尽量接近50％的荷电容量，降低未来发生SOC受限而不能满足电网要求的情况的概率，可以使风场能够在市场环境下被纳入调度制定的调度计划。

上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。