一种考虑储能退化成本的光储直流微电网能量调度方法

1.本发明属于微电网运行控制技术领域，更具体地，涉及一种考虑储能退化成本的光储直流微电网能量调度方法。


背景技术：

2.随着太阳能等清洁能源的快速发展以及微电网规模的增大，国家正在对微电网的管理进行加强，在推进并网型微电网的相关标准中有要求微电网的并网运行和电力交互应接受电网的统一调度，并及时上报次日的联络线调度计划。并且微电网运行过程中发用电的平衡，运行成本，以及对源荷预测的结果等因素需要在调度计划中进行考虑。
3.然而太阳能等清洁能源发电具有间接性和不稳定性等特点，使得实际的处理情况与预测结果往往存在偏差，导致实时联络线功率与调度计划之间可能出现较大的偏差。储能系统的应用在一定程度上可以提高光储系统的可调度性，但是储能系统频繁的充放电会很大程度上影响蓄电池的寿命，并且可再生能源的功率预测误差会随着时间的延长而增大，从而导致储能的优化控制策略与实际需求偏差较大，使系统的安全性与经济性大大降低。
4.因此，如何采用合理的控制策略在考虑储能系统衰退成本的情况下保证调度计划被有效的执行尤为重要。


技术实现要素：

5.1.发明要解决的技术问题
6.针对微电网中储能系统的经济性调度问题。本发明提出一种考虑储能退化成本的光储直流微电网能量调度方法，在光伏与负载的预测值的基础上，考虑储能衰退成本，建立目标函数，上层快速模型以微电网最小成本为目标调度储能系统，并将优化策略信号传给下层模型，下层慢速模型以平衡可再生能源发电为目标调度储能。并通过不同的定价方案、预测时间长度和预测精度三个案例表明了蓄电池、超级电容器协同配合，提高了微电网可再生能源的使用率，在抑制预测误差的同时降低了运营成本。
7.2.技术方案
8.为达到上述目的，本发明提供的技术方案为：
9.本发明的一种考虑储能退化成本的光储直流微电网能量调度方法，其步骤为：
10.步骤一、根据光储微网系统能量流动图，以光伏、负荷和蓄电池及超级电容器组成的混合储能系统所构成的并网型微电网作为研究对象，建立混合储能系统的退化成本模型，得到蓄电池及超级电容器的退化成本函数；
11.步骤二、根据超级电容器和蓄电池不同的储能特性以及不同的运行目标，设计考虑储能退化成本的系统分层动态响应模型；
12.步骤三、采用模型预测控制方法对所述步骤二中的储能系统分层动态响应模型进行滚动优化，得出调度计划。
13.更进一步地，所述的步骤二中，通过时间步长不同的算法结构设计两层能量调度模型，上层模型用于长时间的调度控制，主要考虑蓄电池的动态变化，输入参数为光伏和负荷的预测值，通过优化求解将所得的结果作为参数输送给下层模型；下层模型将输入预测误差作为参数求解优化模型，考虑超级电容器的动态变化进行调度，将所得的结果作为调度策略，经过微电网出力测量将结果进行反馈，再由上层重新优化求解。
14.更进一步地，所述步骤三中，建立的双层模型进行模型预测控制的滚动优化求解上下层模型，上层滚动优化目的是在满足约束条件的情况下使得目标函数值最小，通过决策每个时刻储能的充放电和与大电网的功率交互值，从而来达到在预期时间段内的最优能量分配，下层的滚动优化目标是为了减少超级电容器运行成本和平衡可再生能源的预测误差，通过超级电容器的充放电去平衡预测误差引起的能量变化，从而得到各发电部分的最优功率分配，同时可以得到储能系统的最优荷电状态。
15.3.有益效果
16.采用本发明提供的技术方案，与已有的公知技术相比，具有如下显著效果：
17.本发明的一种考虑储能退化成本的光储直流微电网能量调度方法，有效的解决了分布式电源波动性及发电预测有误差性使并网后调度性变差等问题。根据超级电容器和蓄电池不同的储能特性，提出了一种基于分层调度思想与模型预测控制理论相结合的混合储能分层优化策略，同时在此基础上考虑了储能的退化成本提高经济效益。最后通过不同定价方案、预测时间长度和预测精度的算例仿真结果对所提出的控制策略进行分析，验证了所提调度模型及策略的有效性。
附图说明
18.为了更清楚地说明本发明实施例或现优技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见，下面描述中的附图仅仅是本发明的一些事实例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
19.图1为本发明的光储微网能量流动图；
20.图2为本发明的微电网分层控制结构框图；
21.图3为本发明优化算法流程图；
22.图4为本发明的光伏负荷的输出功率和实时电价图；
23.图5为本发明的实时电价下能量最优调度图；
24.图6为本发明的不同范围下蓄电池的soc值图；
25.图7为本发明的四种预测误差下蓄电池和超级电容器的soc值图。
具体实施方式
26.为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。
27.本发明的一种考虑储能退化成本的光储直流微电网能量调度方法，目前已有针对微网系统优化调度提出相应的解决方案，即通过对各发电单元进行建模，微网系统的功率预测以及建立最优的经济调度模型，而求出调度策略，然而这些解决方案中并没有将储能的退化成本考虑进微网的优化调度方案中。为此，本发明提出了一种考虑储能退化成本的
光储直流微电网能量调度方法，用于优化调度和决策，提高经济效益。
28.本发明以光伏、负荷和蓄电池及超级电容器组成的混合储能系统所构成的并网型微电网作为研究对象。结合光储微电网的能量流动图，(即图1)，其中，pg为与大电网交互的功率，pb,p
sc
分别为蓄电池和超级电容器的充放电功率，p
pv
为光伏发电功率，p
l
为负载所需功率。从能量流动图可知，光伏侧是整个微电网主要的能量输入单元，负载侧为主要的输出单元，大电网和混合储能单元可进行能量的双向流动，以保证在输入单元和输出单元功率不平衡时进行调度。
29.实施例
30.本实施例的具体步骤为：
31.步骤一、建立储能成本的退化模型：
32.由于电池充放电越频繁，其使用寿命越短，因此需要考虑电池的放电深度(dod)，避免对蓄电池的完全放电。蓄电池从时间t在时间间隔内以δt平均功率pb(t)开始放电，每个时间间隔内的放电深度dod表示为：
[0033][0034]
一般情况下，电池寿命与深度放电(dod＝db)具有最佳拟合为：
[0035][0036]
其中，a、b、c》0是曲线拟合系数，分别取值为4980，1.98，0.016,pb(t)为蓄电池充放电平均功率，放电时间为δt，eb(t)为蓄电池的容量。
[0037]
同时，蓄电池在t时刻充放电结束后，电池在t+1时刻实际容量的损耗计算方式如式(3)，
[0038][0039]
其中，e
rate
为蓄电池的额定容量，lb为循环次数；
[0040]
蓄电池的退化成本模型为实际容量和寿命的折旧，根据式(1)、(2)以及(3)可得蓄电池循环寿命的运行成本函数表达式为，
[0041][0042]
其中，rb表示蓄电池的投资成本，η
bc
，η
bd
分别表示蓄电池的充放电效率。；在实际应用中超级电容器采用静电势能储存能量，其寿命主要取决于电解液的蒸发速率，则超级电容器的退化成本如式(5)，
[0043][0044]
式中，c
sc
表示电容器的投资成本，t0表示预设的温度，l0表示超级电容器在预设温度下的使用寿命，t
x
表示实际工作温度。
[0045]
步骤二、通过光伏发电模块历史运行数据以及气象历史数据和负载的历史耗能数
据建立光伏发电功率预测模型和负荷预测模型，再获取调度时刻的时间值、气象预测信息，根据光伏发电功率预测模型及负荷预测模型，获得未来48小时内预测的光伏发电输出功率p
pv
和负荷预测功率p
load
，参见图4。
[0046]
结合图2的分层控制结构框图，根据所述光伏、负荷预测数据再结合电价信息构建目标函数，求解最优决策数列，所述最优数列包括蓄电池充放电功率、超级电容器充放电功率以及电网购售电决策，根据所得的最优决策数列执行能量调度。
[0047]
其中具体分层模型如下所示，
[0048]
(1)以微电网能量优化调度中蓄电池的退化成本以及微电网向大电网购电或售电的成本建立上层目标函数：
[0049][0050]
式中，表示微电网与大电网的交易成本，表示蓄电池生命周期退化成本，如式(3)，δtu表示上层模型的时间步长，c
gird
(tu)表示当前时刻的实时电价。
[0051]
同时，上层模型的约束条件如下所示：
[0052]
功率平衡约束：
[0053]
p
l
(t)＝pg(t)+pb(t)+p
sc
(t)+p
pv
(t)
ꢀꢀꢀ
(7)
[0054]
储能系统约束：
[0055][0056][0057]
与大电网交互上下限约束：
[0058][0059]
(2)以减少超级电容器运行成本和平衡可再生能源的预测误差建立下层目标函数：
[0060][0061]
式中，为超级电容器的退化降解成本，为与上层参考偏差值,为超级电容器的复位成本函数，为代价权重比例系数。
[0062]
同时，下层模型的约束条件为在上层系统的约束条件基础上加入了超级电容器的荷电状态以及功率的上下限约束，如下式所示；
[0063][0064]
式中，分别为超级电容器soc的上下限，分别为超级电容最大功率交互的上下限。
[0065]
步骤三、依据步骤二得到的考虑储能退化成本的分层动态响应模型以及得到的光伏负荷输出功率信息，采用模型预测控制方法进行滚动优化，得出调度计划。结合图3，首先设置上层模型的优化时间序列、优化时间步长以及滚动时间域tu、δtu和tu，输入负荷和光伏板在tu时刻的预测值，将其作为输入向量使用matlab自带的优化工具箱fmincon求解上层模型得出决策向量同时将其作为下层模型的输入；设置下层模型的优化时间序列、优化时间步长以及滚动时间域t
l
、δt
l
和t
l
，输入有关负荷、光伏电板预测导致的误差数据求解下层模型得出决策向量并将其作为微电网在时段tu+t
l
内的调配计划；在得出时段tu+t
l
内的调配计划后，令t
l
＝t
l
+1，继续对下层模型进行滚动优化，直到t
l
等于上层模型的滚动时间域t
l
,将下层计算得到的[eb(t
l
),e
sc
(t
l
)]返回给上层模型作为输入量，令tu＝tu+1，对上层模型进行滚动优化，直到tu等于上层模型的滚动时间域tu，结束程序。
[0066]
本实施例的一种考虑储能退化成本的光储直流微电网能量调度方法的设计过程在数学软件matlab上完成。使用matlab自带的优化工具箱fmincon求解，fmincon可以求解非线性规划带约束的极小值问题，且运行速度快，可作为求解优化模型的工具。
[0067]
本实施例的系统以48小时为一个调度周期，上下两层各自的时间间隔设置分别为1h和5min,蓄电池设定的容量为12kwh，最大功率为4kwh，充放电效率均为95％，soc运行范围为[10％,90％]，超级电容器的额定容量设置为1kwh，最大功率为10kwh，充放电效率均为92％。通过不同定价方案、预测时间长度和预测精度的算例得出的实时电价下最优调度、不同预测范围蓄电池的soc值以及四种预测误差下蓄电池和超级电容器的soc值的仿真结果。
[0068]
由图5可知，可再生能源在11至13小时产生的过剩的能量卖给电网，另外，可以观察到在16、20、37小时蓄电池快速放电，其对高电价的响应较为敏感。从结果分析可得出，不同储能类型根据不同的目标进行调度，并且可以通过滚动优化方法使储能系统在成本最低的要求下进行功率分配。
[0069]
由图6可知，蓄电池的soc值在6小时内的调度和12小时的预测范围内的产生的调度误差较大，但在24小时以后的预测范围调度误差不是那么显著。预测范围越小，导致系统不能更好的了解当前时段与未来时段的优化关系，从而会增加储能系统出力次数。
[0070]
由图7(a)和(b)可知，随着预测误差的增大，对蓄电池的运行影响很小，而对超级电容器的的输出造成影响较大，且从图7(b)可知，白天光伏处于频繁工作状态，会造成光伏预测误差值增大，而随着预测误差的增大会导致超级电容器的波动也随之变大。
[0071]
相比于一般的储能系统实现可再生能源微电网灵活安全运行控制方法，本实施例在其控制方法的基础上，设计了根据不同储能介质特性混合储能进行了分层调度的控制策略，提高了系统跟踪调度的能力。同时，本实例针对储能频繁充放电影响电池寿命的问题，
建立了储能退化成本的模型，提高了系统的经济性。
[0072]
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。