[发明专利]一种基于统计学模型的混合储能系统容量优化配置方法

摘要

一种基于统计学模型的混合储能系统容量优化配置方法，属于储能技术领域。本发明的目的是对风光储联合发电系统的储能容量配置问题，提出一种基于统计学模型的配置方法。本发明首先对风速及光照强度等历史数据进行概率统计分析，从而确定风光系统功率输出的精确分布；其次，该发明探索了超级电容器、蓄电池的容量配置子算法。此外，该发明还提出一种能量控制策略来改善蓄电池运行环境以延长蓄电池寿命周期；通过对统计模型进行蒙特卡洛模拟获得混合储能系统容量概率分布。这种统计学分析方法确定了不同累计概率水平下的混合储能系统的容量，有助于规划人员根据发电系统运行情况和需求对混合储能系统容量进行合理配置。相较于传统容量配置方法，统计学分析计及了配置过程中大量不确定性因素，改善了传统确定性算法的保守性，提高了配置方法的经济性和可靠性。

主权项

一种基于统计学模型的混合储能系统容量优化配置方法，其特征在于：（1）使用蓄电池与超级电容混合的储能系统来维持瞬时功率平衡，实现频率调节，利用频谱分析确定蓄电池和超级电容器之间的功率分配，来实现对联合发电系统输出功率波动的平抑；混合储能系统功率Phess为负荷功率与系统发出功率的差值，关系定义如下：（5）对Phess样本数据PJ=[PJ(1),…, PJ(n),…, PJ(N)]进行离散傅里叶变换，得到幅值SJ和频率fJ结果为：（6）式中：DFT(PJ)表示Phess样本数据PJ进行离散傅里叶变换；SJ(n)为进行DFT后第n个频率fJ(n)对应的幅值；频谱分解后得到不同时间尺度分量，最后利用傅里叶反变换将蓄电池和超级电容器补偿频段的幅频结果转换到时域上，便可得到每个储能装置的功率指令；（2）蓄电池储能系统容量配置过程首先把蓄电池能量初始化到初始荷电状态，并对功率进行积分；在每个计算步骤，所交换的能量e均被计算；蓄电池对应的储存能量计算如下：（7）衡量蓄电池的首要因素是有用能量，计算公式如下：（8）配置过程中定义了三个参数：分别为蓄电池储能容量Cbss，最小充电功率Pchbss和最大放电功率Pdchbss；（9）其中：DODbss是电池放电深度；蓄电池单元的数量Nbss由下式给出：（10）式中：E0bss是蓄电池总存储能量，C4、V0分别是蓄电池的额定容量和额定电压；（3）超级电容器储能系统的储存能量ESCSS和有用能量EUSCSS与蓄电池的计算方法相同；超级电容器组的几个基本参数储能容量CSCSS和最大功率PSCSSmax表达如下：（11）式中：DODSCSS是超级电容器的放电深度，所需的超级电容器单元数目由下式给出：（12）其中：E0SCSS是单个超级电容器的储能容量，P0SCSS是电容能提供的功率，表达如下：(13)其中：Cr是额定容量，Vr是额定电压，ESRDC是串联电阻；（4）利用在一定置信水平上的蒙特卡洛仿真生成大量随机场景，并以此获取混合储能系统容量配置的概率分布；容量配置过程直到迭代次数iter=Nmax时结束；根据权利要求1所述的基于统计学模型的混合储能系统容量优化配置方法，其特征在于：优化配置的流程：首先置初始迭代次数为0，然后执行iter=iter+1，通过蒙特卡洛仿真获得一组随机分布参数[c, k, μ, σ, μT, σT, μL, σL]，经统计分析生成风速、光照强度、温度和负载的数据；接着进行时域仿真，通过基于频谱分析的频率控制策略对混合储能系统功率进行频谱分解，得到蓄电池和超级电容器功率；然后根据额定功率和能量容量的计算方法，分别计算蓄电池和超级电容器的功率和容量；接着判断iter是否等于Nmax，等于则表明容量配置过程达到最大迭代次数，迭代结束并得出混合储能系统容量配置的概率分布，不成立则返回iter=iter+1重新循环；最后得到蓄电池和超级电容器的容量配置结果。