一种电池储能系统跟踪风光计划出力的控制方法技术方案

本发明专利技术对风电场、光伏电站所具有的随机性和间歇性的特点，电场实际发电功率不能跟踪计划发电功率，从而导致对电网安全性、稳定性以及电能质量等造成巨大的冲击和影响，以及出现弃风弃光现象的问题。发明专利技术提出了一种基于模型预测控制的电池储能系统跟踪风光计划出力的控制方法，提高风光储联合发电系统中储能系统跟踪计划出力能力，平滑风光联合发电输出、削峰填谷，提高风光发电利用率。该方法根据采集风电场、光伏电站日前功率计划出力数据、建立储能系统功率出力模型，制定出参考模型轨迹，建立储能系统出力闭环预测模型以及控制算法的滚动优化，求出满足跟踪期望轨迹优化目标函数最小的控制量，实现对储能系统跟踪风光计划出力精确的控制。

A control method for tracking the wind and wind power of the battery energy storage system

【技术实现步骤摘要】
一种电池储能系统跟踪风光计划出力的控制方法
本专利技术属于新能源发电控制
，涉及一种基于模型预测控制的电池储能系统跟踪风光计划出力的控制方法。
技术介绍
近年来，由于在风光储联合发电中应用储能系统跟踪计划出力以提高风光发电效率的应用价值极高，不但可以平滑风光联合发电输出、削峰填谷，而且可以减少弃风弃光的现象，提高风光发电利用率，因此风光储联合发电中应用储能系统跟踪计划出力以提高风光发电效率的控制问题近几年来成为一个热点问题。目前，国内外均已有了多项关于风光储联合应用的示范项目工程，但对储能系统的控制与分析更多的是关于平滑风电输出、削峰填谷以及系统调频几方面，基于风光储联合应用以提高跟踪风光发电计划出力能力的研究成果还相对较少。由于蓄电池储能系统有着充放电功率及储能容量的约束条件，并且过大的充、放电深度均会对储能电池的寿命造成影响，特别是在储能系统运行过程中，需要控制其荷电状态保持在适宜的范围内，荷电状态过高或者过低都会减少储能系统的剩余可用容量，降低储能系统的充放电功率最大允许值，从而降低储能系统的控制效果；同时又由于风光发电日前预测误差经常会出现在一个时间段内，出现持续不满足预测误差要求的情况，对储能系统在某一时段的持续出力有了更严格的要求，故控制好电池储能系统的荷电状态，实时优化控制储能系统的出力对于改善风电跟踪计划出力具有重要的意义。
技术实现思路
针对风电场、光伏电站所具有的随机性和间歇性的特点，电场实际发电功率不能跟踪计划发电功率，从而导致对电网安全性、稳定性以及电能质量等造成巨大的冲击和影响，以及出现弃风弃光现象的问题。为实现对储能系统出力精确的控制，提出了一种基于模型预测控制的电池储能系统跟踪风光计划出力的控制方法，进而提高风光储联合发电系统中储能系统跟踪计划出力能力，平滑风光联合发电输出、削峰填谷，也提高了风光发电利用率。该方法根据采集风电场、光伏电站日前功率计划出力数据、建立储能系统功率出力模型，制定出参考模型轨迹，通过建立储能系统出力闭环预测模型以及控制算法的滚动优化，求出满足跟踪期望轨迹优化目标函数最小的控制量，从而实现对储能系统跟踪风光计划出力精确的控制。具体步骤为：步骤一，采集风电场、光伏电站的功率计划出力数据；步骤二，基于第一步采集风电场、光伏电站的功率计划出力数据，建立电池储能系统的功率出力模型；步骤三，基于第二步建立电池储能系统的功率出力模型，建立参考轨迹模型；步骤四，基于第三步建立参考轨迹模型，建立闭环预测模型；步骤五，基于第四步建立闭环预测模型，根据模型预测控制算法计算得出最优控制量。进一步的，步骤一中采集数据，求出系统设定值ys(k)＝yf(k)-yw(k)(3)式中，yf(k)为k时刻系统风电场、光伏电站的计划功率出力值；yw(k)为k时刻系统风电场、光伏电站的实际功率出力值；ys(k)为系统k时刻系统的设定值，它是由电池系统的计划功率出力值与实际功率出力值做差所得。进一步的，步骤二中电池储能系统的功率出力模型采用对电池储能系统的电量进行逐时刻积累的方式，进而来表示电池储能系统的充、放电的过程，用电池储能系统的充、放电过程中的效率近似的等效充、放电过程中的电能损耗；电池储能系统不断变化的剩余电量与任意时刻的充放电功率、充放电效率和自放电率相关，剩余电量递推关系如下：充电过程E(k)＝(1-σsdr)E(k-1)-y(k)ΔtηC(4)放电过程E(k)＝(1-σsdr)E(k-1)-y(k)Δt/ηD(5)式中，E(k)为k时刻末该电池储能系统的剩余电池容量，MW·min；y(k)为k时刻电池储能系统的充、放电功率值；σsdr为电池储能系统的自放电率，min；ηC为该电池储能系统的充电效率；ηD为该电池储能系统的放电效率；Δt为计算窗口时长，min；在电池储能系统充、放电过程中，其允许的最大充电功率和最大放电功率以及剩余容量的边界分别如下：充电过程、放电过程对于电池储能系统最大出力的限制分别为：电池储能系统剩余容量的限制为：Emin≤E(k)≤Emax(8)电池储能系统k时刻充放电功率限制由该时刻电池储能系统的剩余电量和电池储能系统自身特性共同决定，具体表达式如下：电池储能系统k时刻，充电过程对于充电功率限制值为：电池储能系统k时刻，放电过程对于放电功率限制值为：式中，为电池储能系统最大允许充电功率值(MW)，由电池储能系统自身特性决定；为电池储能系统最大允许放电功率值(MW)，由电池储能系统自身特性决定；ymin为电池储能系统最小容量限制(MW·h)；ymax为电池储能最大；容量限制(MW·h)；ylimit(k)为电池储能介质充、放电功率限制值。进一步的，步骤三中在线校正建立电池储能系统的闭环预测模型方法为：将第k步的实际对象的输出测量值与预测模型输出之间的误差附加到模型的预测输出ym(k+i)上，得到闭环预测模型，用yp(k+1)表示，即:yp(k+1)＝ym(k+1)+h0[y(k)-ym(k)](11)式中：yp(k+1)＝[yp(k+1),yp(k+2),…,yp(k+P)]T,h0＝[1,1,…,1]T(12)如果以i时刻为预测模型的起点，可以列出其闭环预测模型为：已知脉冲响应和阶跃响应系数之间有如下关系：展开式稍加整理，然后将后两式代入，可以得到闭环预测模型为：yp(k+1)＝h0y(k)+p+AΔu(k+1)(16)式中，ys为采集到的风电场、光伏电站出力计划值作为系统的设定值；P为预测步长；ym(k)为电池储能系统的预测模型输出；p＝[P1,P2,…,PP]T；h0＝[1,1,…,1]T；yp(k+1)＝[yp(k+1),yp(k+2),…,yp(k+P)]T；Δu(k+1)＝[Δu(k),Δu(k+1),…,Δu(k+P-1)]T；进一步的，步骤四中参考轨迹模型预测控制的目标是使电池储能系统的输出y(t)沿着一条预先规定的轨迹逐渐达到设定值ysp；这条预先规定的轨迹称为参考轨迹yr；参考轨迹采用从现在时刻实际值出发的一阶指数形式；它在未来P个时刻的值为：式中，yr(k+i)为参考模型轨迹函数；T为采用周期；α为柔化系数，且0＜α＝exp(-T/τ)＜1；τ为参考轨迹的时间常数。进一步的，步骤五中滚动优化步骤为：首先，假设被控对象实际脉冲相应及其预测模型的脉冲响应分别为：h＝[h1,h2,…,hN]T(18)可以得到闭环预测模型为：yp(k+1)＝ym(k+1)+h0[y(k)-ym(k)](20)可以得到闭环预测控制模型的单步控制输出为：已知电池储能系统的预测模型和闭环校正预测模型分别为：yp(k+1)＝ym(k+1)+h0[y(k)-ym(k)](23)并且已知电池储能系统输出的参考轨迹为yr(k+1)，设系统误差方程为：e(k+1)＝yr(k+1)-yp(k+1)(24)优化性能函数为：式中，Q1为非负定加权对称矩阵；Q2为正定控制加权对称矩阵；由使得上式优化性能目标函数最小，可以求得最优控制量Δu2为：式中，e'为参考轨迹与零输入响应下闭环预测输入之差，即为：本专利技术的优点在于，采用模型预测控制的电池储能系统跟踪风光计划出力的控制方法时，提高风光储联合发电系统中储能系统跟踪计划出力能力，并且平滑风光联合发电输出、削峰填谷，提高本文档来自技高网...

【技术保护点】
一种基于模型预测控制的电池储能系统跟踪风光计划出力的控制方法，其特征在于，步骤为：步骤一，采集风电场、光伏电站的功率计划出力数据；步骤二，基于第一步采集风电场、光伏电站的功率计划出力数据，建立电池储能系统的功率出力模型；步骤三，基于第二步建立电池储能系统的功率出力模型，建立参考轨迹模型；步骤四，基于第三步建立参考轨迹模型，建立闭环预测模型；步骤五，基于第四步建立闭环预测模型，根据模型预测控制算法计算得出最优控制量。

【技术特征摘要】
1.一种基于模型预测控制的电池储能系统跟踪风光计划出力的控制方法，其特征在于，步骤为：步骤一，采集风电场、光伏电站的功率计划出力数据；步骤二，基于第一步采集风电场、光伏电站的功率计划出力数据，建立电池储能系统的功率出力模型；步骤三，基于第二步建立电池储能系统的功率出力模型，建立参考轨迹模型；步骤四，基于第三步建立参考轨迹模型，建立闭环预测模型；步骤五，基于第四步建立闭环预测模型，根据模型预测控制算法计算得出最优控制量。2.根据权利要求1所述的一种基于模型预测控制的电池储能系统跟踪风光计划出力的控制方法，其特征在于，步骤一中采集数据，求出系统设定值ys(k)＝yf(k)-yw(k)(3)式中，yf(k)为k时刻系统风电场、光伏电站的计划功率出力值；yw(k)为k时刻系统风电场、光伏电站的实际功率出力值；ys(k)为系统k时刻系统的设定值，它是由电池系统的计划功率出力值与实际功率出力值做差所得。3.根据权利要求1所述的一种基于模型预测控制的电池储能系统跟踪风光计划出力的控制方法，其特征在于，步骤二中电池储能系统的功率出力模型采用对电池储能系统的电量进行逐时刻积累的方式，进而来表示电池储能系统的充、放电的过程，用电池储能系统的充、放电过程中的效率近似的等效充、放电过程中的电能损耗；电池储能系统不断变化的剩余电量与任意时刻的充放电功率、充放电效率和自放电率相关，剩余电量递推关系如下：充电过程E(k)＝(1-σsdr)E(k-1)-y(k)ΔtηC(4)放电过程E(k)＝(1-σsdr)E(k-1)-y(k)Δt/ηD(5)式中，E(k)为k时刻末该电池储能系统的剩余电池容量，MW·min；y(k)为k时刻电池储能系统的充、放电功率值；σsdr为电池储能系统的自放电率，min；ηC为该电池储能系统的充电效率；ηD为该电池储能系统的放电效率；Δt为计算窗口时长，min；在电池储能系统充、放电过程中，其允许的最大充电功率和最大放电功率以及剩余容量的边界分别如下：充电过程、放电过程对于电池储能系统最大出力的限制分别为：电池储能系统剩余容量的限制为：Emin≤E(k)≤Emax(8)电池储能系统k时刻充放电功率限制由该时刻电池储能系统的剩余电量和电池储能系统自身特性共同决定，具体表达式如下：电池储能系统k时刻，充电过程对于充电功率限制值为：电池储能系统k时刻，放电过程对于放电功率限制值为：式中，为电池储能系统最大允许充电功率值(MW)，由电池储能系统自身特性决定；为电池储能系统最大允许放电功率值(MW)，由电池储能系统自身特性决定；ymin为电池储能系统最小容量限制(MW·h)；ymax为电池储能最大；容量限制(MW·h)；ylimit(k)为电池储能介质充、放电功率限制值。4.根据权利要求1所述的一种基于模型预测控制的电池储能系统跟踪风光计划出力的控制方法，其特征在于，步骤三中在线校正建立电池储能系统的闭环预测模型方法为：将第k步的实际对象的输出测量值与预测模型输出之间的误差附加到模型的预测输出ym(k+i)上，得到闭环预测模型，用yp(k+1)表示，即:yp(k+1)＝ym(k+1)+h0[y(k)-ym(k)](11)式中：yp(k+1)＝[yp(k+1),yp(k+2),…,yp(k+P)]T,h0＝[1,1,…,1]T(12)如果以i时刻为预测模型的起点，可以列出其闭环预测模型为：

【专利技术属性】
技术研发人员：马喜平，刘德顺，董开松，沈渭程，董海鹰，胡殿刚，李韶瑜，杨俊，赵炜，甄文喜，闵占奎，刘秀良，李志敏，魏博，同焕珍，张光儒，梁有珍，刘丽娟，张赛，朱宏毅，姜梅，王斌，杨勇，陈明忠，陈柏旭，李炜，李小娟，
申请(专利权)人：国网甘肃省电力公司电力科学研究院，国网甘肃省电力公司，国家电网公司，兰州交通大学，
类型：发明
国别省市：甘肃,62