[发明专利]自适应式微网储能系统能量优化管理方法

说明书

技术领域

本发明涉及电力系统控制技术领域，特别是涉及到分布式电压系统匹配的储能技术。

背景技术

大规模使用以可再生能源(RES-E)为主的分布式电源(DG)可以降低对化石能源的依赖，有效减少大气污染排放，促进电力市场优化。然而，由于RES-E出力特性与负荷逆向分布，难以被当地负荷充分利用，规模化RES-E(风能和光伏)会导致大量过剩功率入网，影响系统稳定性同时限制可再生能源入网数量的增长。因此，利用分布式电源与储能元件组成的微网对就近负荷供电可以减小对大系统扰动，保证供电的安全性、可靠性和能量分配的有效性，同时提高用电经济性以及RES-E的使用效率。

但是，目前大多数对于分布式电源的控制方案是利用预测数据实现储能元件充放电控制算法，如果预测值足够精确则能较好地削减负荷峰值。但分布式能源在空间上较为分散且数目众多，大多数情况下，预测值和实际值之间存在着较大的误差，同时在小范围内很难实现对于负荷的精确预测，这使得已有算法在实际应用过程中无法很好达到提出的“削峰填谷”效果，能源的就地利用效率也大打折扣。

发明内容

鉴于此，本发明的目的在于克服现有技术的缺点，提供一种用于消除预测数据的不确定性对储能系统控制策略的影响，由此考虑采用不需要预测数据的储能系统控制策略。

为了实现此目的，本发明采取的技术方案为如下。

一种自适应式微网储能系统能量优化管理方法，所述方法包括以下步骤：

A、确定微网储能系统中电池比前一天可多用于调峰的能量；

B、根据所述电池比前一天可多用于调峰的能量与电池储能容量的下限的比值，调整微网储能系统中电池的放电阈值，其中，

当所述比值大于1时，减小所述放电阈值，

当所述比值小于1时，增大所述放电阈值。

其中所述减小放电阈值为：

其中，P_CDthr(i)为第i采样点的放电阈值，T为每日的采样点数，

P_Bref(i-T)为前一天电池的功率调度参考值，

E′_load(d+1)为电池比前一天可多用于调峰的能量，

Δ_Eload(d)为前一天的电池能量调度总量。

另外，减小所述电池的放电阈值后，进一步包括，根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值，其中，

其中E′_load(d+1)_new和E′_load(d+1)_old分别为校准后和校准前的电池比前一天可多用于调峰的能量；

并根据校准后的电池比前一天可多用于调峰的能量，重新确定与电池储能容量的下限的比值。

另一方面，所述增大放电阈值为：

其中，P_CDthr(i)为第i采样点的放电阈值，T为每日的采样点数，

P_Bref(i-T)为前一天电池的功率调度参考值，

E′_load(d+1)为电池比前一天可多用于调峰的能量，

Δ_Eload(d)为前一天的电池能量调度总量。

增大所述放电阈值后，进一步包括，根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值，其中，

其中E′_load(d+1)_new和E′_load(d+1)_old分别为校准后和校准前的电池比前一天可多用于调峰的能量；

并根据校准后的电池比前一天可多用于调峰的能量，重新确定与电池储能容量的下限的比值。

另外，所述步骤A之前，进一步包括：

A0、确定与电价相关的微网储能系统剩余功率，来判定电池是处于充电模式还是放电模式；

A1、当电池处于放电模式时，根据前一天的负荷功率、新能源发电功率、电池充放电功率以及电池的实时储能状态确定微网储能系统中电池比前一天可多用于调峰的能量。

所述减小放电阈值的条件还进一步包括：电池前一秒的储能状态大于电池储能下限，且当前时刻系统剩余功率值大于前一天同时刻的值；所述增大放电阈值的条件还进一步包括：电池前一秒的储能状态大于电池储能下限，且当前时刻系统剩余功率值小于前一天同时刻的值。