一种配电网源网荷储态势感知控制方法及系统与流程

本发明属于配电网控制，特别涉及一种配电网源网荷储态势感知控制方法及系统。

背景技术：

1、随着可再生能源的应用越来越广泛，加入电网的比例也逐渐提高，会导致电网的不确定增加，增加了电网实时平衡调节的难度。为了保证电网的稳定性，电网中也会包含大量的储能站，配合电力负荷以及储能的灵活性，可以对电网进行更有效的能源分配和控制。

2、现有技术中，对包含储能的配电网的能源分配时，并没有充分调用储能站的调配性能，仍然存在一种预先设定或者是单纯追求效益的充分控制模式，且多个储能站的能源供应量无法根据负荷需求进行协调控制，使得电网出现不平衡状态，甚至出现不经济的调度，无法实现能源的经济利用。

技术实现思路

1、为解决现有技术中存在的不足，本发明提供一种配电网源网荷储态势感知控制方法及系统，能够根据负荷历史信息构建负荷预测模型，进而对负荷进行准确预测；再根据能源差，得到多个储能站的能源供应量，得到各储能站充、放电共识变量，进而对配电网各储能站进行工作控制，能够对配电网源网荷储态势进行有效的感知控制，通过提高配电网电能平衡调节能力，保证电能使用的经济性和可靠性。

2、本发明采用如下的技术方案。

3、本发明提出了一种配电网源网荷储态势感知控制方法，包括：

4、获取负荷预测值和负荷历史值；利用筛选后的负荷预测值计算负荷预测系数；利用负荷预测系数和负荷历史值计算负荷实时预测值；

5、采集储能站的能量实际值、能量最大限值、能量最小限值、以及负荷实时预测值与分布式电源实际输出功率的差值，计算储能站态势感知变量；

6、基于储能站态势感知变量，调度中心对配电网源网荷储进行控制。

7、获取负荷预测值和负荷历史值，包括：在相同的采样时刻获取负荷预测值和负荷历史值，其中，负荷历史值是负荷的历史实测数据。

8、利用筛选后的负荷预测值计算负荷预测系数，包括：

9、以如下关系式计算负荷预测值与负荷历史值的误差均值；

10、

11、式中，f(pa,pac)为误差均值；为第i个负荷历史值；为第i个负荷预测值；m为负荷历史值的总数，也是负荷预测值的总数；

12、将误差均值大于阈值的负荷预测值剔除，利用筛选后的负荷预测值计算负荷预测系数，满足如下关系式：

13、

14、式中，l(pac)为负荷预测系数，为筛选后的第j个负荷预测值，m为筛选后的负荷预测值的数量。

15、阈值为不大于0.4的正数。

16、利用负荷预测系数和负荷历史值计算负荷实时预测值，包括：

17、以如下关系式计算负荷实时预测值：

18、pac(t+1)＝[1+l(pac)]pa(t)

19、式中，pac(t+1)为t+1时刻的负荷实时预测值；pa(t)为t时刻的负荷历史值。

20、储能站态势感知变量包括：各储能站的放电共识变量、充电共识变量。

21、采集储能站的能量实际值、能量最大限值、能量最小限值、以及负荷实时预测值与分布式电源实际输出功率的差值，计算储能站态势感知变量，包括：

22、计算t时刻的负荷实时预测值和分布式电源实际输出功率之间的差值，作为电能差；

23、判断电能差是否大于零，若大于零则计算各储能站的放电共识变量，若小于零则计算各储能站的充电共识变量。

24、以如下关系式计算t时刻第i储能站的放电共识变量

25、

26、式中，δpt为t时刻的电能差，n为配电网内全部储能站的数量，wi,max为第i储能站的能量最大限值，wi,t为t时刻第i储能站的能量实际值。

27、以如下关系式计算t时刻第i储能站的充电共识变量

28、

29、其中，wi,min为第i储能站的能量最小限值。

30、基于储能站态势感知变量，调度中心对配电网源网荷储进行控制，包括：

31、电能差大于零时，假设全部储能站都能参与本次放电响应，将电能差平均分配给配电网内全部储能站，得到每个储能站对应的分配功率；基于放电共识变量，调度中心对配电网源网荷储进行控制，包括：

32、当放电共识变量不小于1，表示储能站能够提供的放电功率不小于分配功率，则配电网优先调度放电共识变量不小于1的储能站进行放电；

33、当放电共识变量小于1，表示储能站能够提供的放电功率小于分配功率，则配电网同时调度储能站进行放电和分布式电源加大出力；

34、当一部分储能站的放电共识变量不小于1、另一部分储能站的放电共识变量小于1时，配电网优先调度放电共识变量不小于1的储能站进行放电，然后再根据储能站放电后的电能差计算未调度的储能站的放电共识变量，并再次调度放电共识变量不小于1的储能站，迭代计算和调度直到所有储能站均被调度，此时若电能差仍然大于零，则调度分布式电源加大出力。

35、基于储能站态势感知变量，调度中心对配电网源网荷储进行控制，包括：

36、电能差小于零时，假设全部储能站都能参与本次充电响应，将电能差平均分配给配电网内全部储能站，得到每个储能站对应的分配功率；基于充电共识变量，调度中心对配电网源网荷储进行控制，包括：

37、当充电共识变量不小于1，表示储能站能够提供的充电容量不小于分配功率，则配电网优先调度充电共识变量不小于1的储能站进行充电；

38、当充电共识变量小于1，表示储能站能够提供的充电容量小于分配功率，则配电网同时调度储能站进行充电和分布式电源减小出力；

39、当一部分储能站的充电共识变量不小于1、另一部分储能站的充电共识变量小于1时，配电网优先调度充电共识变量不小于1的储能站进行充电，然后再根据储能站充电后的电能差计算未调度的储能站的充电共识变量，并再次调度充电共识变量不小于1的储能站，迭代计算和调度直到所有储能站均被调度，此时若电能差仍然大于零，则调度分布式电源减小出力。

40、基于储能站态势感知变量，调度中心对配电网源网荷储进行控制，还包括：

41、根据t时刻各储能站的放电共识变量进行放电调度时，以储能站的t时刻放电功率指令与t时刻的放电共识变量的乘积作为储能电站的t时刻放电响应功率，利用调度范围内的各储能站的t时刻放电响应功率之和与电能差的比值修正负荷预测系数。

42、根据t时刻各储能站的充电共识变量进行充电调度时，以储能站的t时刻充电功率指令与t时刻的充电共识变量的乘积作为储能电站的t时刻充电响应功率，利用调度范围内的各储能站的t时刻充电响应功率之和与电能差的比值修正负荷预测系数。

43、本发明还提出了一种配电网源网荷储态势感知控制系统，包括：采集模块、态势感知变量计算模块、控制模块；

44、采集模块，用于获取负荷预测值和负荷历史值；利用筛选后的负荷预测值计算负荷预测系数；利用负荷预测系数和负荷历史值计算负荷实时预测值；

45、态势感知变量计算模块，用于采集储能站的能量实际值、能量最大限值、能量最小限值、以及负荷实时预测值与分布式电源实际输出功率的差值，计算储能站态势感知变量；

46、控制模块，用于基于储能站态势感知变量，调度中心对配电网源网荷储进行控制。

47、控制模块包括：调度单元；

48、调度单元，用于电能差大于零时，假设全部储能站都能参与本次放电响应，将电能差平均分配给配电网内全部储能站，得到每个储能站对应的分配功率；基于放电共识变量，调度中心对配电网源网荷储进行控制，包括：当放电共识变量不小于1，表示储能站能够提供的放电功率不小于分配功率，则配电网优先调度放电共识变量不小于1的储能站进行放电；当放电共识变量小于1，表示储能站能够提供的放电功率小于分配功率，则配电网同时调度储能站进行放电和分布式电源加大出力；当一部分储能站的放电共识变量不小于1、另一部分储能站的放电共识变量小于1时，配电网优先调度放电共识变量不小于1的储能站进行放电，然后再根据储能站放电后的电能差计算未调度的储能站的放电共识变量，并再次调度放电共识变量不小于1的储能站，迭代计算和调度直到所有储能站均被调度，此时若电能差仍然大于零，则调度分布式电源加大出力；

49、调度单元，还用于电能差小于零时，假设全部储能站都能参与本次充电响应，将电能差平均分配给配电网内全部储能站，得到每个储能站对应的分配功率；基于充电共识变量，调度中心对配电网源网荷储进行控制，包括：当充电共识变量不小于1，表示储能站能够提供的充电容量不小于分配功率，则配电网优先调度充电共识变量不小于1的储能站进行充电；当充电共识变量小于1，表示储能站能够提供的充电容量小于分配功率，则配电网同时调度储能站进行充电和分布式电源减小出力；当一部分储能站的充电共识变量不小于1、另一部分储能站的充电共识变量小于1时，配电网优先调度充电共识变量不小于1的储能站进行充电，然后再根据储能站充电后的电能差计算未调度的储能站的充电共识变量，并再次调度充电共识变量不小于1的储能站，迭代计算和调度直到所有储能站均被调度，此时若电能差仍然大于零，则调度分布式电源减小出力；

50、控制模块包括：负荷预测修正单元；

51、负荷预测修正单元，用于根据t时刻各储能站的放电共识变量进行放电调度时，以储能站的t时刻放电功率指令与t时刻的放电共识变量的乘积作为储能电站的t时刻放电响应功率，利用调度范围内的各储能站的t时刻放电响应功率之和与电能差的比值修正负荷预测系数；还用于根据t时刻各储能站的充电共识变量进行充电调度时，以储能站的t时刻充电功率指令与t时刻的充电共识变量的乘积作为储能电站的t时刻充电响应功率，利用调度范围内的各储能站的t时刻充电响应功率之和与电能差的比值修正负荷预测系数。

52、本发明的有益效果在于，与现有技术相比至少包括，本发明提出的方法首先根据负荷历史信息构建负荷预测模型，进而对负荷进行准确预测；再根据能源差，得到多个储能站的能源供应量，得到各储能站充、放电共识变量，进而对配电网各储能站进行工作控制，提高配电网电能平衡调节能力，保证电能使用的经济性和可靠性。