风储集群中储能站优化调度方法、系统及存储介质与流程

1.本发明涉及储能的综合应用技术领域，尤其涉及一种应用于风储集群中储能站参与网-源协同应用的优化调度方法、系统及存储介质。


背景技术：

2.大规模风、光等分布式可再生能源在电网中的接入增加了能源供给，在一定程度上改善了能源结构，对环境污染问题也有一定的缓解。但是大量具有间歇性、随机性的分布式发电系统接入电网，极大地增加了电网复杂性和管控难度，对电网的安全、可靠和经济运行产生重大影响。储能技术，特别是以电化学储能为代表的新型储能技术，具有功率双向调节、响应速率快、充放电灵活等优势，既可以辅助风、光等分布式发电系统的有功控制，平滑潮流曲线，改善系统频率特性，又可以利用储能变流器的无功容量，提供无功补偿功能，改善系统的电压分布，在实现大规模分布式发电的友好接入与消纳，稳定电网电压频率等方面获得了越来越多的重视。但是由于储能自身功率和能量有限，现有的调度方法中在同一时段只能提供单一功能，如何在能力范围内，同一时间尽可能多的提供不同的服务，以实现储能的综合高效利用是一个极具经济和技术研究价值的问题。


技术实现要素：

3.本发明的目的在于提供了一种风储集群中储能站优化调度方法、系统及存储介质，使得储能可以同时提供削峰填谷、二次调频和平抑风电的功能，又可以在不同时间分别提供前述功能，克服了传统调度方法中在同一时段只能提供单一功能的不足。
4.第一方面，提供了一种风储集群中储能站优化调度方法，包括：获取储能站运行当日的基本充放电功率计划曲线；在实时运行阶段，按照预设步长滚动预测未来一个调度时段对应时长内的风电功率，以储能站累计充放电能量最小为目标建立平抑风电波动的优化模型，求解得到储能站用于平抑风电波动的功率；在实时运行阶段，获取来自电网调度的agc（automatic generation control）指令；在实时运行过程中的每个时刻，基于基本充放电功率计划曲线、储能站用于平抑风电波动的功率、agc指令计算得到储能站的功率指令值，并根据储能站的功率指令值进行调度。
5.进一步地，储能站运行当日的基本充放电功率计划曲线通过如下方法得到：在日前通过对比风电场出力预测曲线和系统负荷预测曲线的特征，以净负荷峰谷差最小为目标，建立削峰填谷优化模型，确定储能站参与削峰填谷的时段和容量，得到储能站在运行当日的基本充放电功率计划曲线和剩余soc基准曲线 ()，表示第个调度时段的编号。
6.进一步地，所述以净负荷峰谷差最小为目标，建立削峰填谷优化模型，确定储能站
参与削峰填谷的时段和容量，包括：计算净负荷，即将系统负荷预测曲线减去风电场出力预测曲线：式中，表示第个调度时段，一天24小时共计有个调度时段，为正整数；计算净负荷的波动曲线，计算方法为：式中，表示的均值；建立以峰谷差最小为目标，以储能功率限制、能量限制和充放电功率平衡为约束条件的优化模型，表示如下：条件的优化模型，表示如下：式中，表示第个调度时段，表示调度时段总数，和分别表示储能站对应调度时段的放电和充电状态，为0-1变量，和分别表示储能站对应调度时段的放电和充电功率，表示储能站的额定功率，和分别表示储能站的充电和放电效率，表示储能站的额定容量，soc (0)表示储能站的初始soc，表示储能站在对应调度时段的soc，和分别表示储能站soc的上下限值，表示每个调度时段的时长；求解得到储能站在运行当日的基本充放电功率计划曲线为：。
7.进一步地，所述按照预设步长滚动预测未来一个调度时段对应时长内的风电功率，包括：利用emd算法对历史风电功率数据进行分解；对分解后的各分量分别按照预设步长滚动预测未来一个调度时段对应时长内的值；将各分量的预测结果进行叠加，得到未来一个调度时段对应时长内的风电功率。
8.进一步地，以储能站累计充放电能量最小为目标建立的平抑风电波动的优化模型表示如下：表示如下：其中，表示第个调度时段中的第个步长，γ表示一个调度时段中总步长数量，表示对应步长中风电的功率，表示对应步长中储能站用于平抑风电波动的功率，表示风电波动限值，表示储能站对应调度时段的基本充放电功率计划，soc (0) 表示储能站的初始soc，soc ()表示储能站在滚动优化调度中第个调度时段中的第个步长下的soc，表示滚动优化调度中的时间步长，表示储能站的额定功率，表示储能站的额定容量。
9.进一步地，储能站的功率指令值计算公式如下：式中，表示基本充放电功率计划曲线，表示储能站用于平抑风电波动的功率，表示agc指令；参数和的取值原则为：如果、和的代数和小于等于储能站的功率容量，则取值均为1，否则以储能收益最大为目标，建立线性优化模型确定和的值。
10.进一步地，所述以储能收益最大为目标，建立线性优化模型确定和的值，包括：建立线性优化模型如下：建立线性优化模型如下：其中，p1和p2分别表示储能站完全响应指令值+和)时对
应的收益，表示第个调度时段中的第个步长，γ表示一个调度时段中总步长数量，表示对应步长中风电的功率，表示对应步长中储能站用于平抑风电波动的功率，表示风电波动限值，表示储能站对应调度时段的基本充放电功率计划，soc (0) 表示储能站的初始soc，soc ()表示储能在滚动优化调度中第个调度时段中的第个步长下的soc，表示滚动优化调度中的时间步长，表示储能站的额定功率，表示储能站的额定容量；对线性优化模型进行求解，得到和的值。
11.第二方面，提供了一种风储集群中储能站优化调度系统，包括：基本充放电功率计划曲线获取模块，用于获取储能站运行当日的基本充放电功率计划曲线；平抑风电波动功率获取模块，用于在实时运行阶段，按照预设步长滚动预测未来一个调度时段对应时长内的风电功率，以储能站累计充放电能量最小为目标建立平抑风电波动的优化模型，求解得到储能站用于平抑风电波动的功率；agc指令获取模块，用于在实时运行阶段，获取来自电网调度的agc指令；优化调度模块，用于在实时运行过程中的每个时刻，基于基本充放电功率计划曲线、储能站用于平抑风电波动的功率、agc指令计算得到储能站的功率指令值，并根据储能站的功率指令值进行调度。
12.第三方面，提供了一种风储集群中储能站优化调度系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的风储集群中储能站优化调度方法的步骤。
13.第四方面，提供了一种计算机可读存储介质，其存储有计算机程序，该计算机程序还处理器执行时实现如上所述的风储集群中储能站优化调度方法的步骤。
14.本发明提出了一种风储集群中储能站优化调度方法、系统及存储介质，针对时间尺度和应用目的不同采取了不同的策略。首先在时间尺度上，本发明设计了日前调度和日内滚动调度两种优化模型，其中日前调度中，主要用于削峰填谷，减小系统的峰谷差；日内滚动调度中，主要针对二次调频和平抑波动等快速变化的需求。其次，由于削峰填谷和二次调频主要为电网的需求，而平抑波动为风电场的需求，在有限的储能容量下，为了兼顾不同需求方的利益，实现储能的多目标应用，以储能经济效益最大为目标，优化不同目标之间的权重系数，确定储能站最终的功率指令值进行出力控制。其优点在于：1）可以利用储能提供削峰填谷、二次调频和平抑风电等多种功能，充分利用了储能在经济和技术方面的价值；2）不同功能之间得到了有效的协同和优化，使得储能既可以同时提供前述三种功能，又可以在不同时间分别提供前述功能，克服了传统方法中在同一时段只能提供其中一种功能的不足。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案，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，显而易见地，下面描述中的附图仅仅是本
发明的一些实施例，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。
16.图1是本发明实施例提供的风储集群中储能站优化调度方法流程图。
具体实施方式
17.为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
18.实施例1如图1所示，本实施例提供了一种风储集群中储能站优化调度方法，包括：s1：获取储能站运行当日的基本充放电功率计划曲线。
19.具体地，在日前（即运行当日的前一日）通过对比风电场出力预测曲线和系统负荷预测曲线的特征，以净负荷峰谷差最小为目标，建立削峰填谷优化模型，确定储能站参与削峰填谷的时段和容量，得到储能站在次日（即运行当日）的基本充放电功率计划曲线和剩余soc基准曲线 ()，表示第个调度时段的编号，每个调度时段的时长为，共有t个调度时段。
20.其中，所述以净负荷峰谷差最小为目标，建立削峰填谷优化模型，确定储能站参与削峰填谷的时段和容量，包括：s11：计算净负荷，即将系统负荷预测曲线减去风电场出力预测曲线：式中，表示第个调度时段，一天24小时共计有个调度时段，为正整数，取值通常为24、48或96，对应的每个调度时段时长为1h、30min或15min。
21.s12：计算净负荷的波动曲线，计算方法为：式中，表示的均值。
22.s13：建立以峰谷差最小为目标，以储能功率限制、能量限制和充放电功率平衡为约束条件的优化模型，表示如下：
式中，表示第个调度时段，表示调度时段总数，和分别表示储能站对应调度时段的放电和充电状态，和分别表示储能站对应调度时段的放电和充电功率，表示储能站的额定功率，和分别表示储能站的充电和放电效率，表示储能站的额定容量，soc (0)表示储能站的初始soc，表示储能站在对应调度时段的soc，和分别表示储能站soc的上下限值，表示每个调度时段的时长；模型中决策变量为：，，()，()和 ()。
23.s14：该模型为混合整数二次规划模型可以利用成熟的商用求解器快速求解，求解得到储能站在运行当日的基本充放电功率计划曲线为：。
24.s2：在实时运行阶段，按照预设步长滚动预测未来一个调度时段对应时长内的风电功率()，以储能站累计充放电能量最小为目标建立平抑风电波动的优化模型，求解得到储能站用于平抑风电波动的功率()，表示第个调度时段中第个步长，总步长数量为γ。
25.具体地，所述未来一个调度时段对应时长内的风电功率通过如下方法得到：s21：利用emd（经验模态分解）算法对历史风电功率数据进行分解；s22：对分解后的各分量分别按照预设步长滚动预测未来一个调度时段对应时长内的值；s23：将各分量的预测结果进行叠加，得到未来一个调度时段对应时长内的风电功率()。
26.其中，以储能站累计充放电能量最小为目标建立的平抑风电波动的优化模型中，约束条件包括：1）基本充放电功率与平抑风电波动的功率代数和在储能站额定功率范围内；2）储能soc在相邻两个步长之间的状态转移关系；3）储能soc的最大和最小值限制；4）储能soc在第个调度时段的起始值和终末值与基本soc曲线相等。平抑风电波动的优化模型表示如下：
其中，表示第个调度时段中的第个步长，γ表示一个调度时段中总步长数量，表示对应步长中风电的功率，表示对应步长中储能站用于平抑风电波动的功率，表示风电波动限值，表示储能站对应调度时段的基本充放电功率计划，soc (0) 表示储能站的初始soc，soc ()表示储能站在滚动优化调度中第个调度时段中的第个步长下的soc，表示滚动优化调度中的时间步长，表示储能站的额定功率，表示储能站的额定容量。由于平抑波动的时间尺度相对较短，因此忽略储能效率的影响，该模型为基本的二次规划模型，可以利用成熟的商用求解器求解得到储能站用于平抑风电波动的功率()。
27.s3：在实时运行阶段，获取来自电网调度的agc指令。
28.s4：在实时运行过程中的每个时刻，基于基本充放电功率预测曲线、储能站用于平抑风电波动的功率、agc指令计算得到储能站的功率指令值，并根据储能站的功率指令值进行调度。
29.具体地，储能站的功率指令值计算公式如下：式中，表示基本充放电功率计划曲线，表示储能站用于平抑风电波动的功率，表示agc指令；参数和的取值原则为：如果、和的代数和小于等于储能站的功率容量，则取值均为1，否则以储能收益最大为目标，建立线性优化模型确定和的值。
30.更具体地，所述以储能收益最大为目标，建立线性优化模型确定和的值，包括：建立线性优化模型如下：
其中，p1和p2分别表示储能站完全响应指令值+和时对应的收益，表示第个调度时段中的第个步长，γ表示一个调度时段中总步长数量，表示对应步长中风电的功率，表示对应步长中储能站用于平抑风电波动的功率，表示风电波动限值，表示储能站对应调度时段的基本充放电功率计划，soc (0) 表示储能站的初始soc，soc ()表示储能在滚动优化调度中第个调度时段中的第个步长下的soc，表示滚动优化调度中的时间步长，表示储能站的额定功率，表示储能站的额定容量；对线性优化模型进行求解，得到和的值。该模型是一个线性优化模型，而且优化变量只有两个，所以在实时控制中也能够满足对求解速度的要求。
31.实施例2本实施例提供了一种风储集群中储能站优化调度系统，包括：基本充放电功率计划曲线获取模块，用于获取储能站运行当日的基本充放电功率计划曲线；平抑风电波动功率获取模块，用于在实时运行阶段，按照预设步长滚动预测未来一个调度时段对应时长内的风电功率，以储能站累计充放电能量最小为目标建立平抑风电波动的优化模型，求解得到储能站用于平抑风电波动的功率；agc指令获取模块，用于在实时运行阶段，获取来自电网调度的agc指令；优化调度模块，用于在实时运行过程中的每个时刻，基于基本充放电功率计划曲线、储能站用于平抑风电波动的功率、agc指令计算得到储能站的功率指令值，并根据储能站的功率指令值进行调度。
32.应当理解，本发明各个实施例中的功能单元模块可以集中在一个处理单元中，也可以是各个单元模块单独物理存在，也可以是两个或两个以上的单元模块集成在一个单元模块中，可以采用硬件或软件的形式来实现。
33.实施例3本实施例提供了一种风储集群中储能站优化调度系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如实施例1所述的风储集群中储能站优化调度方法的步骤。
34.其中，存储器可能包含高速ram存储器，也可能还包括非易失性除颤器，例如至少一个磁盘存储器。
35.如果存储器、处理器和通信接口独立实现，则存储器、处理器和通信接口可以通过
总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构总线，外部设备互联总线或扩展工业标准体系结构总线等。所述总线可以分为地址总线、数据总线、控制总线等。
36.可选的，在具体实现上，如果存储器、处理器和通信接口集成在一块芯片上，则存储器、处理器即通信接口可以通过内部接口完成相互之间的通信。
37.各个步骤的具体实现过程请参照前述方法的阐述。
38.应当理解，在本发明实施例中，所称处理器可以是中央处理单元(central processing unit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。
39.实施例4本实施例一种计算机可读存储介质，其存储有计算机程序，该计算机程序还处理器执行时实现如实施例1所述的风储集群中储能站优化调度方法的步骤。
40.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。
41.本技术是参照根据本技术实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
42.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
43.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
44.可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
45.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括
一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
46.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。