技术新讯 > 发电变电,配电装置的制造技术 > 基于模型预测控制的储能参与第二道防线控制方法、装置与流程  >  正文

基于模型预测控制的储能参与第二道防线控制方法、装置与流程

  • 国知局
  • 2024-07-31 17:27:53

本发明涉及一种电力控制,是一种基于模型预测控制的储能参与第二道防线控制方法、装置。

背景技术:

1、新能源的快速发展使系统频率安全问题凸显,对电力系统第二三道防线提出了进一步的要求。储能在保障新型电力系统安全稳定运行的第二、三道防线方面具有较大的应用前景。在二道防线中,储能作为一种灵活的功率调节资源,可以按照稳定控制要求实现储能充、放电状态的快速切换,以及充、放电功率的快速调节。在三道防线中,储能参与频率校正控制时,利用就地的频率信号实现储能充、放电状态或功率的调节,减小电网的不平衡功率,使频率恢复至长期允许运行范围内。

2、但目前缺乏对送端电网中高比例直流送出和可再生能源接入的特点考虑,不能结合结合频率安全约束条件以及第二道防线要求,从影响系统功率平衡和安全运行多维度约束条件出发寻找电网运行薄弱点,从而为储能控制提供参考,由此不能在第二道防线稳控切机过程中能按照稳定控制要求实现储能充、放电状态的快速切换,以及充、放电功率的快速调节,从而影响电力网络安全稳定的运行。

技术实现思路

1、本发明提供了一种基于模型预测控制的储能参与第二道防线控制方法、装置,克服了上述现有技术之不足,其能有效解决现有技术不能在第二道防线进行储能优化调节的问题。

2、本发明的技术方案之一是通过以下措施来实现的:一种方法基于模型预测控制的储能参与第二道防线控制方法,包括:

3、在电力系统对应的各类场景下,筛选出惯量严重缺失的一个或多个场景;

4、基于遗传算法求解各个场景下电力系统所需的最小惯量;

5、确定各个场景下电力系统的优储能出力,包括对实测系统频率曲线通过滚动时间窗模型进行频率偏差预测,得到系统频率预测曲线,将系统频率预测曲线输入策略预测控制模型,得到最优储能出力,其中策略预测控制模型基于使得系统频率预测曲线与系统频率参考曲线的接近度满足设置阈值的条件构建。

6、下面是对上述发明技术方案的进一步优化或/和改进:

7、上述基于遗传算法求解各个场景下电力系统所需的最小惯量,包括:

8、在筛选出惯量严重缺失的一个场景下,建立如下所示的惯量评估模型;

9、min h

10、

11、

12、

13、其中,分别为机组i的最小技术出力与最大功率限制;分别为机组所装储能允许的额外功率大小;rocofmin、rocofmax为系统所允许的最小、最大频率偏差率;kd为负荷频率响应系数;ui,t为第i台机组在第t时刻的启停状态;tgi为发电机调速器和原动机综合时间常数;kgi为第i台机组的功频特性系数;δpl为系统功率缺额;tm为系统到达频率最值点的时间,δfm为系统所允许的最大频率偏差值;h为系统最小惯量;

14、利用遗传算法求解惯量评估模型,得到该场景下电力系统所需的最小惯量。

15、上述对实测系统频率曲线通过滚动时间窗模型进行频率偏差预测,得到系统频率预测曲线,包括:

16、获取实测系统频率曲线,确定对应的实际系统频率偏差;

17、基于实际系统频率偏差,通过滚动时间窗模型进行频率偏差预测,得到系统频率预测曲线,其中滚动时间窗模型如下所示:

18、优化目标函数:

19、

20、其中,δfi为实际系统频率偏差;为预测系统频率偏差;

21、约束条件:

22、δfδp≥0

23、其中,δf为系统频率偏差;δp为系统功率缺额。

24、上述将系统频率预测曲线输入策略预测控制模型,得到最优储能出力,包括:

25、构建策略预测控制模型,其中策略预测控制模型包括:

26、目标函数:

27、

28、其中,k+h丨k为在k时刻对k+h时刻参数的估计值;α,β为加权系数;与分别为储能的充电功率与放电功率;f为系统预测频率;f0为系统标准频率;h为预测时域和控制时域;

29、约束条件,包括:

30、统频率约束:当预测时域h内系统频率偏差大于二三道防线动作阈值的时间点数大于n个时,不设置频率约束条件,反之,设置频率约束条件如下:

31、δft+k·δt≥δfhfgt+δ

32、其中,δft+k·δt是系统在第t+k·δt时刻的频率偏差;δfhfgt是系统高频切机允许上限;δ为死区范围;

33、储能系统约束包括储能系统功率约束、不同时充放电约束、soc约束等,具体如下:

34、

35、

36、smin≤eb,k+h丨k≤smax h=1,2,…,h

37、其中,pb,max为储能系统最大充放电功率;smin为设定的soc下限;smax为设定的soc上限;k+h丨k为在k时刻对k+h时刻参数的估计值;与分别为储能的充电功率与放电功率;

38、将系统频率预测曲线和系统标准频率曲线输入策略预测控制模型,输出最优储能出力。

39、上述在电力系统对应的各类场景下,筛选出惯量严重缺失的一个或多个场景,包括:

40、获取电力系统数据,其中电力系统数据包括电网各机组和负荷的参数、负荷调节系数储能装机容量和运行数据,运行数据包括每日负荷量、风电光伏出力量;

41、基于惯量评估模型,评估电力系统对应的各类场景的最大惯量需求,其中惯量评估模型如下所示:

42、

43、其中,hsys为系统惯性时间;esys为系统中火电机组、水电机组、风电机组的旋转动能;ssys为系统总额定容量;

44、将各类场景的最大惯量需求与各类场景的实际系统惯量比较,比较差值不满足设定阈值的场景为惯量严重缺失的场景。

45、本发明的技术方案之二是通过以下措施来实现的:一种基于模型预测控制的储能参与第二道防线控制装置,包括:

46、筛选单元,在电力系统对应的各类场景下,筛选出惯量严重缺失的一个或多个场景;

47、惯量求解单元,基于遗传算法求解各个场景下电力系统所需的最小惯量;

48、出力优化单元,确定各个场景下电力系统的优储能出力,包括对实测系统频率曲线通过滚动时间窗模型进行频率偏差预测,得到系统频率预测曲线,将系统频率预测曲线输入策略预测控制模型,得到最优储能出力,其中策略预测控制模型基于使得系统频率预测曲线与系统频率参考曲线的接近度满足设置阈值的条件构建。

49、下面是对上述发明技术方案的进一步优化或/和改进:

50、上述惯量求解单元包括:

51、惯量评估模型构建模块,在筛选出惯量严重缺失的一个场景下,建立如下所示的惯量评估模型;

52、min h

53、

54、

55、

56、其中,分别为机组i的最小技术出力与最大功率限制;分别为机组所装储能允许的额外功率大小;rocofmin、rocofmax为系统所允许的最小、最大频率偏差率;kd为负荷频率响应系数;ui,t为第i台机组在第t时刻的启停状态;tgi为发电机调速器和原动机综合时间常数;kgi为第i台机组的功频特性系数;δpl为系统功率缺额;tm为系统到达频率最值点的时间,δfm为系统所允许的最大频率偏差值;h为系统最小惯量;

57、求解模块,利用遗传算法求解惯量评估模型,得到该场景下电力系统所需的最小惯量。

58、上述出力优化单元,包括:

59、第一优化模块,包括:

60、获取实测系统频率曲线,确定对应的实际系统频率偏差;

61、基于实际系统频率偏差,通过滚动时间窗模型进行频率偏差预测,得到系统频率预测曲线,其中滚动时间窗模型如下所示:

62、优化目标函数:

63、

64、其中,δfi为实际系统频率偏差;为预测系统频率偏差;

65、约束条件:

66、δfδp≥0

67、其中,δf为系统频率偏差;δp为系统功率缺额;

68、第二优化模块,包括:

69、构建策略预测控制模型,其中策略预测控制模型包括:

70、目标函数:

71、

72、其中,k+h丨k为在k时刻对k+h时刻参数的估计值;α,β为加权系数;与分别为储能的充电功率与放电功率;f为系统预测频率;f0为系统标准频率;h为预测时域和控制时域;

73、约束条件,包括:

74、统频率约束:当预测时域h内系统频率偏差大于二三道防线动作阈值的时间点数大于n个时,不设置频率约束条件,反之,设置频率约束条件如下:

75、δft+k·δt≥δfhfgt+δ

76、其中,δft+k·δt是系统在第t+k·δt时刻的频率偏差;δfhfgt是系统高频切机允许上限;δ为死区范围;

77、储能系统约束包括储能系统功率约束、不同时充放电约束、soc约束等,具体如下:

78、

79、

80、smin≤eb,k+h丨k≤smax h=1,2,…,h

81、其中,pb,max为储能系统最大充放电功率;smin为设定的soc下限;smax为设定的soc上限;k+h丨k为在k时刻对k+h时刻参数的估计值;与分别为储能的充电功率与放电功率;

82、将系统频率预测曲线和系统标准频率曲线输入策略预测控制模型,输出最优储能出力。

83、上述筛选单元,包括:

84、数据获取模块,获取电力系统数据,其中电力系统数据包括电网各机组和负荷的参数、负荷调节系数储能装机容量和运行数据,运行数据包括每日负荷量、风电光伏出力量;

85、惯量需求计算模块,基于惯量评估模型,评估电力系统对应的各类场景的最大惯量需求,其中惯量评估模型如下所示:

86、

87、其中,hsys为系统惯性时间;esys为系统中火电机组、水电机组、风电机组的旋转动能;ssys为系统总额定容量;

88、比较筛选模块,将各类场景的最大惯量需求与各类场景的实际系统惯量比较,比较差值不满足设定阈值的场景为惯量严重缺失的场景。

89、本发明筛选得出惯量缺失最严重的场景,再基于遗传算法求解各个场景下电力系统所需的最小惯量,进一步的结合实测系统频率曲线,利用滚动时间窗模型和策略预测控制模型对储能在稳控切机过程中的储能出力进行优化,在第二道防线稳控切机过程中能按照稳定控制要求实现储能充、放电状态的快速切换,以及充、放电功率的快速调节。

本文地址:https://www.jishuxx.com/zhuanli/20240731/175650.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。