一種平抑微網功率波動的方法及系統與流程
本發明涉及電力領域，特別是涉及一種平抑微網功率波動的方法及系統。
背景技術：
微電網也稱為微網，是指由分布式電源、儲能裝置、能量轉換裝置、負荷、監控和保護裝置等組成的小型發配電系統。聯絡線是指在發電廠(發配電系統)和電網之間起聯接作用的專用導線，也就是說通過它可以將發電廠(發配電系統)發出的電能傳送到電網當中，也可以將電網上的電能傳回到發電廠(發配電系統)。
隨著新能源技術的發展，風能及太陽能等大量分布式可再生能源可以通過并網逆變器轉換成滿足要求的電能接入微網中。然而分布式可再生能源由于有功出力間歇性，容易導致微網功率不穩定，進而導致聯絡線節點功率產生波動。為了維持微網內負荷與可再生能源變化時微網功率平衡，需要增加儲能單元來提供能量緩沖。既并網逆變器能夠成功模擬同步發電機的關鍵在于是否配置可持續調控能力的儲能單元。由鋰電池和超級電容器組成的混合儲能系統(hybridenergystoragesystem，簡稱hess)具有響應快速、短時吞吐功率能力強的優點，可以很好的作為微網中具有可持續調控能力的儲能單元，提供能量緩沖，平抑微網功率波動。但是，目前混合儲能系統未能充分考慮到鋰電池荷電狀態的實時更新，導致無法準確預測混合儲能系統實際充放電能量的大小，進而無法準確有效的平抑微網中的功率波動。
技術實現要素：
本發明的目的是提供一種平抑微網功率波動的方法及系統，能夠實時更新混合儲能系統中鋰電池荷電狀態，準確預測混合儲能系統實際充放電能量的大小，進而準確有效的平抑微網中的功率波動。
為實現上述目的，本發明提供了如下方案：
一種平抑微網功率波動的方法，所述方法包括：
獲取分布式可再生能源發電功率和聯絡線節點功率；
獲取每塊電池的充放電時間以及每塊所述電池的充放電流；
獲取電池電荷量的補償量；所述補償量包括效率補償量和自放電補償量；
根據所述充放電時間、所述充放電流以及所述補償量，計算當前時刻每塊電池的電荷量；
根據所述當前時刻每塊電池的電荷量、所述聯絡線節點功率、所述分布式可再生能源發電功率，計算每塊電池實際輸出/輸入功率和超級電容實際輸出/輸入功率。
可選的，所述方法還包括：
根據所述每塊電池實際輸出/輸入功率和所述超級電容實際輸出/輸入功率，計算混合儲能系統實際輸出/輸入功率；
根據所述混合儲能系統實際輸出/輸入功率，對微網功率波動進行平抑。
可選的，所述獲取電池電荷量的補償量，具體包括：
獲取影響電池電荷量的因子；所述因子包括環境溫度值、充放電電流倍率以及自放電電量；
根據所述因子，獲取電池電荷量的補償量。
可選的，所述根據所述因子，獲取電池電荷量的補償量，具體包括：
獲取多組因子數據；每組所述因子數據包括同一時刻的所述環境溫度值、所述充放電電流倍率以及所述自放電電量；
對各組所述因子數據中的所述環境溫度值、所述充放電電流倍率進行函數擬合，獲取關于所述環境溫度、所述充放電電流倍率與所述充放電效率的關系式；
根據所述關系式、上一時刻環境溫度值、上一時刻充放電電流倍率，預測當前時刻充放電效率補償量；
根據各組所述因子數據中的自放電電量和公式q自放電＝λ·h(1)，
獲取電池電荷量的自放電補償量；其中公式(1)中的q自放電表示電池自放電電荷量；λ表示電池靜置單位時間自放電量；h表示電池靜置時間。
可選的，所述根據所述充放電時間、所述充放電流以及所述補償量，計算當前時刻每塊電池的電荷量，具體包括：根據以下公式確定當前時刻每塊電池的電荷量：
其中，q表示當前時刻電池電荷量，q0表示上一時刻電池電荷量，η表示當前時刻充放電效率補償量，i表示電池充放電流，t表示電池充放電時間，λ表示電池靜置單位時間自放電量；h表示電池靜置時間，+、-分別表示電池對應充電和放電過程。
可選的，所述根據所述當前時刻每塊電池的電荷量、所述聯絡線節點功率、所述分布式可再生能源發電功率，計算每塊電池實際輸出/輸入功率和超級電容實際輸出/輸入功率，具體包括：
根據所述聯絡線節點功率和所述分布式可再生能源發電功率，確定超級電容濾波時間；
根據所述分布式可再生能源發電功率和所述超級電容濾波時間，采用一階巴特沃茲低通濾波器，計算聯絡線節點功率一次目標值；所述一階巴特沃茲低通濾波器的表達式為
將所述聯絡線節點功率一次目標值與所述分布式可再生能源發電功率做差，得到所述超級電容實際輸出/輸入功率；所述超級電容實際輸出/輸入功率的表達式為
根據所述超級電容實際輸出/輸入功率，確定電池濾波時間；
根據所述聯絡線節點功率一次目標值和所述電池濾波時間，采用一階巴特沃茲低通濾波器，計算聯絡線節點功率二次目標值；所述聯絡線節點功率二次目標值的計算公式為
根據所述聯絡線節點功率二次目標值和所述當前時刻每塊電池的電荷量，計算每塊電池實際輸出/輸入功率。
可選的，所述根據所述聯絡線節點功率二次目標值和所述當前時刻每塊電池的電荷量，計算每塊電池實際輸出/輸入功率，具體包括：
將所述聯絡線節點功率一次目標值與所述聯絡線節點功率二次目標值做差，獲取所述電池實際輸出/輸入功率；所述電池實際輸出/輸入功率的表達式為
根據所述實際電池輸出/輸入功率和所述當前時刻每塊電池的電荷量，獲取每塊電池的實際充放電時間；
根據每塊電池的實際充放電時間，計算每塊電池實際輸出/輸入功率。
本發明還提供了一種平抑微網功率波動的系統，所述系統包括：
第一獲取模塊，用于獲取分布式可再生能源發電功率和聯絡線節點功率；
第二獲取模塊，用于獲取每塊電池的充放電時間以及每塊所述電池的充放電流；
第三獲取模塊，用于獲取電池電荷量的補償量；所述補償量包括效率補償量和自放電補償量；
第一計算模塊，用于根據所述充放電時間、所述充放電流以及所述補償量，計算當前時刻每塊電池的電荷量；
第二計算模塊，用于根據所述當前時刻每塊電池的電荷量、所述聯絡線節點功率、所述分布式可再生能源發電功率，計算每塊電池實際輸出/輸入功率和超級電容實際輸出/輸入功率。
可選的，所述系統還包括：
第三計算模塊，用于根據所述每塊電池實際輸出/輸入功率和所述超級電容實際輸出/輸入功率，計算混合儲能系統實際輸出/輸入功率；
平抑模塊，用于根據所述混合儲能系統實際輸出/輸入功率，對微網功率波動進行平抑。
可選的，所述第三獲取模塊，具體包括：
第一獲取單元，用于獲取影響電池電荷量的因子；所述因子包括環境溫度值、充放電電流倍率以及自放電電量；
第二獲取單元，用于根據所述因子，獲取電池電荷量的補償量。
根據本發明提供的具體實施例，本發明公開了以下技術效果：本發明提供了一種平抑微網功率波動的方法及系統，所述方法首先獲取分布式可再生能源發電功率、聯絡線節點功率、每塊電池的充放電時間、每塊所述電池的充放電流以及電池電荷量的補償量；所述補償量包括效率補償量和自放電補償量；然后根據所述充放電時間、所述充放電流以及所述補償量，計算當前時刻每塊電池的電荷量，再者根據所述當前時刻每塊電池的電荷量、所述聯絡線節點功率、所述分布式可再生能源發電功率，計算每塊電池輸出/輸入功率和超級電容輸出/輸入功率，準確獲取混合儲能系統實際輸出/輸入功率。因此采用本發明提供的方法或者系統，能夠實時獲取混合儲能系統中鋰電池電荷量，準確預測混合儲能系統實際充放電能量的大小，進而準確有效的平抑微網中的功率波動。
附圖說明
為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。
圖1為本發明實施例平抑微網功率波動方法的流程示意圖；
圖2為本發明實施例電池soc值與電池充放電時間關系圖；
圖3為平抑微網功率波動方法的結構圖；
圖4為本發明實施例平抑微網功率波動系統的結構示意圖。
具體實施方式
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
本發明的目的是提供一種平抑微網功率波動的方法及系統，能夠實時更新混合儲能系統中鋰電池荷電狀態，準確預測混合儲能系統實際充放電能量的大小，進而準確有效的平抑微網中的功率波動。
為使本發明的上述目的、特征和優點能夠更加明顯易懂，下面結合附圖和具體實施方式對本發明作進一步詳細的說明。
為了實現上述目的，本發明的解決方案是：首先采用一階巴特沃茲低通濾波器，將變化的分布式發電有功功率信號pdg經過不同的濾波時間常數和一系列運算后分離得到鋰電池和超級電容器輸出功率參考值，依據功率波動大小選擇儲能方式。鋰電池的儲能容量和充放電速度決定了其適合平抑小功率波動，超級電容由于高功率密度和響應速度，能更好的應對大功率波動。
本發明在傳統平滑控制的基礎上，引入自學習人工智能方法提高荷電狀態的計算精度，增減鋰電池輸入輸出功率，利用電池的荷電狀態反饋值調節平滑控制參數，實時調節混合儲能系統的輸入輸出功率。
自主學習人工智能方法是一種迭代學習的機器學習方法，基于荷電狀態反饋的自學習平滑儲能控制考慮了電池使用次數增加之后電池老化、轉換效率和自放電問題。
實施例一
圖1為本發明實施例平抑微網功率波動方法的流程示意圖，如圖1所示，本發明提供的平抑微網功率波動方法具體包括以下步驟：
步驟101：獲取分布式可再生能源發電功率和聯絡線節點功率；
步驟102：獲取每塊電池的充放電時間以及每塊所述電池的充放電流；
步驟103：獲取電池電荷量的補償量；所述補償量包括效率補償量和自放電補償量；
步驟104：根據所述充放電時間、所述充放電流以及所述補償量，計算當前時刻每塊電池的電荷量；
步驟105：根據所述當前時刻每塊電池的電荷量、所述聯絡線節點功率、所述分布式可再生能源發電功率，計算每塊電池實際輸出/輸入功率和超級電容實際輸出/輸入功率；
步驟106：根據所述每塊電池實際輸出/輸入功率和所述超級電容實際輸出/輸入功率，計算混合儲能系統實際輸出/輸入功率；
步驟107：根據所述混合儲能系統實際輸出/輸入功率，對微網功率波動進行平抑。
其中，步驟102具體包括：
在暫時不考慮電池充放電效率以及電池老化等特性的情況下，采用安時積分算法，計算電池使用過程中消耗的容量。此時電池在使用過程中消耗的容量為電池的充放電流和電池的充放電時間的累積。因此，需要獲取每塊電池的充放電時間以及每塊所述電池的充放電流，進而獲取電池在使用過程中消耗的容量。
考慮到電池在充放電過程中，電量會隨著周圍環境溫度以及充放電流倍率而變化，當充放電次數增多時，電池老化也會減小存儲的電量等因素，本發明采用自主學習人工智能方法，將影響電池電量計算的因子(環境溫度、充放電流倍率、自放電電量)轉化為補償量，用函數擬合因子與電量的曲線關系，不斷對比前一次學習時刻的影響因素，歸納調整當前時刻的電池充放電電量值。在傳統安時積分方法上引入自學習補償量后，得到改進后的自學習預測soc方法，完善電池體系的控制規則。
soc，全稱是stateofcharge，荷電狀態，也叫剩余電量，代表的是電池使用一段時間或長期擱置不用后的剩余容量與其完全充電狀態的容量的比值，常用百分數表示。其取值范圍為0～1，當soc＝0時表示電池放電完全，當soc＝1時表示電池完全充滿。
自學習補償量包括自放電補償量、效率補償量。自放電補償量是補償電池靜置一段時間自動減少的電量。效率補償量是補償環境溫度、充放電電流倍率引起的轉換效率改變的電能損失。
步驟103具體包括：
步驟1031：獲取影響電池電荷量的因子；所述因子包括環境溫度值、充放電電流倍率以及自放電電量；
步驟1032：根據所述因子，獲取電池電荷量的補償量；具體包括：
獲取多組因子數據；每組所述因子數據包括同一時刻的所述環境溫度值、所述充放電電流倍率以及所述自放電電量；
對各組所述因子數據中的所述環境溫度值、所述充放電電流倍率進行函數擬合，獲取關于所述環境溫度、所述充放電電流倍率與所述充放電效率的關系式；
根據所述關系式、上一時刻環境溫度值、上一時刻充放電電流倍率，預測當前時刻充放電效率補償量。
下面通過一個具體實施例來說明采用自主學習人工智能方法預測當前時刻充放電效率補償量的過程。
選取一塊2600mah、3.7v的鋰電池在不同溫度和不同充放電倍率下進行實驗，得出環境溫度值、充放電倍率和充放電效率之間的數據如表1。依據表1中的數據，選取[0,0.2,0.9313]、[0,0.5,0.8635]、[0,1,0.8318]、[20,0.2,0.9464]、[20,0.5,0.9156]、[20,1,0.8865]、[40,0.2,0.9590]、[40,0.5,0.9231]、[40,1,0.8987]九組數據，在matlab中用函數實現三維曲線的擬合。令z表示充放電效率，x表示環境溫度值，y表示充放電電流倍率，則函數表示為：
z＝-3.733e-5*x^2+0.001137*x*y+0.002134*x+0.1158*y^2-0.2533*y+0.9692(9)
表1為不同環境溫度值和不同充放電電流倍率下的電池充放電效率
當環境溫度值和充放電電流倍率改變時，電池充放電效率也相應變化，匯總新的數據組后重新擬合出新的函數關系。在以上的過程中，環境溫度值和充放電電流倍率的變化引起的效率補償量則可以不斷的自我更新和完善，即自學習運算的過程。
根據各組所述因子數據中的自放電電量和公式q自放電＝λ·h(1)，獲取電池電荷量的自放電補償量；其中公式(1)中的q自放電表示電池自放電電荷量；λ表示電池靜置單位時間自放電量；h表示電池靜置時間。
步驟104具體包括：
根據公式(2)確定當前時刻每塊電池的電荷量：
根據鋰電池與超級電容器的濾波時間常數的不同可以達到分頻平抑功率波動的作用，濾波時間常數越大，混合儲能所能補償的頻率范圍越大，下一時刻混合儲能輸出功率也就越大。鋰電池的儲能容量和充放電速度決定了其適合平抑小功率波動，超級電容由于高功率密度和響應速度能更好的應對大功率波動。本發明采用的混合儲能系統為直流側接入含分布式新能源的系統，根據直流母線上功率的改變調整混合儲能系統功率的輸出，將虛擬同步發電機中變化的分布式發電有功功率信號pdg經過低通濾波和一系列運算后得到鋰電池和超級電容器的輸出功率參考值。控制鋰電池和超級電容的濾波時間常數，經濾波器輸出平滑的功率信號，達到鋰電池平抑低頻功率和超級電容平抑高頻功率的效果。由于兩者的儲能特性差異，一般鋰電池的濾波時間常數大于超級電容的濾波時間常數。
步驟105具體包括：
步驟1051：根據所述聯絡線節點功率和所述分布式可再生能源發電功率，確定超級電容濾波時間。
步驟1052：根據所述分布式可再生能源發電功率和所述超級電容濾波時間，采用一階巴特沃茲低通濾波器，計算聯絡線節點功率一次目標值。所述一階巴特沃茲低通濾波器的表達式為
步驟1053：將所述聯絡線節點功率一次目標值與所述分布式可再生能源發電功率做差，得到所述超級電容實際輸出/輸入功率；所述超級電容實際輸出/輸入功率的表達式為
步驟1054：根據所述超級電容實際輸出/輸入功率，確定電池濾波時間。
根據所述聯絡線節點功率一次目標值和所述電池濾波時間，采用一階巴特沃茲低通濾波器，計算聯絡線節點功率二次目標值；所述聯絡線節點功率二次目標值的計算公式為
步驟1055：根據所述聯絡線節點功率二次目標值和所述當前時刻每塊電池的電荷量，計算每塊電池實際輸出/輸入功率；具體包括：
將所述聯絡線節點功率一次目標值與所述聯絡線節點功率二次目標值做差，獲取所述電池實際輸出/輸入功率；所述電池實際輸出/輸入功率的表達式為
根據所述實際電池輸出/輸入功率和所述當前時刻每塊電池的電荷量，獲取每塊電池的實際充放電時間；
根據每塊電池的實際充放電時間，計算每塊電池實際輸出/輸入功率。
為了防止電池因過充過放減少壽命，需要根據不同電池soc值，調整每塊電池的實際充放電時間。
圖2為本發明實施例電池soc值與電池充放電時間關系圖，如圖2所示，當電池soc值在(socmin，socmax)電池位于正常區域，既可以充電又可以放電。當電池soc值在(0，socmin)電池位于多充少放區域，電池盡量只是充電。當電池soc值在(socmax，1)電池位于少充多放區域，電池盡量只是放電。
實施例二
圖3為平抑微網功率波動方法的結構圖，如圖3所示，本發明實施例提供的平抑微網功率波動的方法包括安時積分環節301、自學習補償量環節302、自學習運算環節303、平滑控制環節304、低通濾波環節305以及混合儲能系統輸入輸出環節306。其中，圖3中的pdg表示分布式發電有功功率信號，τ表示時間常數，pdg_ref表示分布式發電有功功率信號經過低通濾波器后的輸出信號；phess_ref表示混合儲能系統輸入輸出的有功功率信號。
所述安時積分環節301，用于累計電流和負載作用時間，計算電池使用過程中消耗的容量，與自學習運算環節相連。
所述自學習補償量環節302，將影響電池電量計算的因子轉化為補償量，包括自放電補償量、效率補償量。
所述自學習運算環節303，分別與所述安時積分環節301、所述自學習補償量環節302相連，用于采用迭代學習的機器學習方法，不斷對比前一次學習時刻的影響因子歸納調整，預測當前一時刻的電量值，自主歸納更新電池信息。
所述平滑控制環節304，與所述自學習運算環節303相連，用于根據自學習運算環節準確預測出鋰電池的soc，控制時間常數分離出鋰電池與超級電容器功率波動頻段。
所述低通濾波環節305，與所述平滑控制環節304相連，用于將虛擬同步發電機中變化的分布式發電有功功率信號pdg經過低通濾波器后得到電池輸入輸出功率參考值和超級電容輸入輸出功率參考值。
所述混合儲能系統輸入輸出環節306，與所述低通濾波環節305相連，用于將電池輸入輸出功率參考值和超級電容輸入輸出功率參考值相加，得到混合儲能系統的輸出功率參考值，最終達到鋰電池平抑低頻功率和超級電容平抑高頻功率的最佳效果。
其中，采用一階巴特沃茲低通濾波器，將虛擬同步發電機中變化的分布式發電有功功率信號pdg經過低通濾波和一系列運算后時間常數τsc后得到超級電容輸出功率目標值，與pdg相減后得到超級電容輸出功率參考值psc_ref，pdg與psc_ref之和經過低通濾波時間常數τbat后得到鋰電池輸出功率目標值，再與濾波之前的值做減法得到鋰電池輸出功率參考值pbat_ref，具體關系如下：
自主學習人工智能機制是一種迭代學習的機器學習方法，自學習運算就是將對電池電量計算的因子轉化為補償量，反應到計算中則可以綜合表現為充放電效率η的準確計算。假設uk為系統參數第k次學習值，sk為第k次學習時與uk關聯的狀態量，那么經過一次迭代后第k+1次系統參數如公式(10)。充放電效率就是上述的uk參量，環境溫度值和充放電倍率是上述的sk狀態量。
用函數擬合環境溫度值和充放電倍率與充放電效率的曲線關系，從而不斷的對比前一次學習時刻的影響因子歸納調整當前一時刻的充放電效率，完善電池體系的控制規則，提高電池管理系統的控制精度。同時電池靜置一段時間會發生自放電現象造成電量的損失，在計算式中也需要考慮這一部分電能。綜上充放電情況下自學習安時積分soc運算表達式如公式(2)，其中確定充放電效率是影響計算準確度的關鍵。
uk+1＝f(uk,sk)(10)
其中，q表示當前時刻電池電荷量，q0表示上一時刻電池電荷量，η表示前時刻充放電效率補償量，i表示電池充放電流，t表示電池充放電時間，λ表示電池靜置單位時間自放電量；h表示電池靜置時間，+、-分別表示電池對應充電和放電過程。
實施例三
為了實現上述目的，本發明還提供了一種平抑微網功率波動的系統。
圖4為本發明實施例平抑微網功率波動系統的結構示意圖，如圖4所示，所述系統包括：
第一獲取模塊401，用于獲取分布式可再生能源發電功率和聯絡線節點功率；
第二獲取模塊402，用于獲取每塊電池的充放電時間以及每塊所述電池的充放電流；
第三獲取模塊403，用于獲取電池電荷量的補償量；所述補償量包括效率補償量和自放電補償量；
第一計算模塊404，用于根據所述充放電時間、所述充放電流以及所述補償量，計算當前時刻每塊電池的電荷量；
第二計算模塊405，用于根據所述當前時刻每塊電池的電荷量、所述聯絡線節點功率、所述分布式可再生能源發電功率，計算每塊電池實際輸出/輸入功率和超級電容實際輸出/輸入功率。
第三計算模塊406，用于根據所述每塊電池實際輸出/輸入功率和所述超級電容實際輸出/輸入功率，計算混合儲能系統實際輸出/輸入功率；
平抑模塊407，用于根據所述混合儲能系統實際輸出/輸入功率，對微網功率波動進行平抑。
其中，所述第三獲取模塊403，具體包括：
第一獲取單元，用于獲取影響電池電荷量的因子；所述因子包括環境溫度值、充放電電流倍率以及自放電電量；
第二獲取單元，用于根據所述因子，獲取電池電荷量的補償量。
通過本發明提供了一種平抑微網功率波動的方法及系統，首先獲取分布式可再生能源發電功率、聯絡線節點功率、每塊電池的充放電時間、每塊所述電池的充放電流以及電池電荷量的補償量；所述補償量包括效率補償量和自放電補償量；然后根據所述充放電時間、所述充放電流以及所述補償量，計算當前時刻每塊電池的電荷量，再者根據所述當前時刻每塊電池的電荷量、所述聯絡線節點功率、所述分布式可再生能源發電功率，計算每塊電池輸出/輸入功率和超級電容輸出/輸入功率，準確獲取混合儲能系統實際輸出/輸入功率。因此采用本發明提供的方法或者系統，能夠實時獲取混合儲能系統中鋰電池電荷量，準確預測混合儲能系統實際充放電能量的大小，進而準確有效的平抑微網中的功率波動。
其中，依據功率波動大小選擇儲能方式，鋰電池的儲能容量和充放電速度決定了其適合平抑小功率波動，超級電容由于高功率密度和響應速度,能更好的應對大功率波動；
本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的系統而言，由于其與實施例公開的方法相對應，所以描述的比較簡單，相關之處參見方法部分說明即可。
本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發明的方法及其核心思想；同時，對于本領域的一般技術人員，依據本發明的思想，在具體實施方式及應用范圍上均會有改變之處。綜上所述，本說明書內容不應理解為對本發明的限制。
- 還沒有人留言評論。精彩留言會獲得點贊！