基于预测配电台区储能多时间尺度协同控制方法与流程
本发明涉及电力系统配电网能量管理,具体涉及一种基于预测配电台区储能多时间尺度协同控制方法。
背景技术:
1、配电台区是电力系统面向终端用户的最后一级配电单元。随着分布式光伏大规模接入和电动汽车充电负荷的快速增长,配电台区面临着负荷峰谷差加大、三相不平衡加剧、电压越限等多重挑战。台区储能系统作为灵活调节资源,具有削峰填谷、需量管理、电能质量治理、应急备用等多重功能,是解决上述问题的关键手段。
2、然而,现有的台区储能需量管理及控制方法主要面向工商业大用户侧设计,在应对配电台区复杂运行工况时存在以下技术缺陷:
3、一、忽视预测不确定性影响:大多采用固定阈值或简单分时策略,未考虑超短期负荷预测的不确定性对控制效果的影响,在负荷突变场景下容易导致控制失效或储能过度响应。
4、二、缺乏多时间尺度协同:现有控制方法多采用单一时间尺度的控制策略,若优化周期过长则实时响应不足,若周期过短则难以实现全局最优,难以兼顾优化计算复杂度和实时控制精度。
5、三、需量控制策略僵化:缺乏对储能荷电状态(soc)的动态考量,且未将分布式光伏消纳与需量管理进行协同优化,可能导致关键时刻储能无电可用或弃光严重。
6、四、电能质量治理能力不足:未充分考虑配电台区特有的三相不平衡和电压越限约束,尤其是缺乏利用储能变流器进行双向无功调节以平抑电压波动的机制。
7、五、优化目标单一:大多采用单一经济性目标,未考虑月度最大需量、峰谷套利及不确定性风险的多目标协同优化。
技术实现思路
1、本发明主要解决现有技术中存在的不足,提供了一种基于预测配电台区储能多时间尺度协同控制方法,其将预测不确定性纳入控制决策,兼顾了优化性能与实时响应能力,有效提升系统鲁棒性,实现配电台区需量管理、峰谷套利、光伏消纳及电能质量治理的协同优化。
2、本发明的上述技术问题主要是通过下述技术方案得以解决的:
3、一种基于预测配电台区储能多时间尺度协同控制方法,包括如下操作步骤:
4、s1:采集台区配电网的实时运行数据与历史运行数据,所述数据包括台区变压器容量、各相负荷电流、各相电压、功率因数、储能系统soc和soh、历史负荷曲线、气象数据、分时电价信号以及分布式光伏出力数据。
5、s2:基于步骤s1采集的数据,建立台区多维需量预测模型,采用气象-负荷-光伏多源融合的超短期负荷预测方法,预测未来台区负荷曲线,并通过预测区间的统计方法量化预测不确定性σ(t)。
6、s3:构建双层模型预测控制mpc协同架构,所述架构包括上层慢优化层和下层快校正层;所述上层基于步骤s2的负荷预测和不确定性量化结果滚动求解生成储能充放电参考轨迹;所述下层实时校正跟踪误差,将上层参考轨迹转化为最终控制指令;上下层之间形成误差反馈在线学习回路,自适应修正预测模型参数。
7、s4:根据台区变压器容量、预测的负荷曲线和预测不确定性σ(t),动态计算需量控制阈值pth(t),所述动态需量控制阈值根据时段类型、季节因子、储能soc状态和预测不确定性进行自适应调整。
8、动态需量控制阈值pth(t)的计算公式为:
9、pth(t) = pcontract×kseason×ktime×f(soc(t))×g(σ(t));
10、其中,pcontract为台区变压器合同容量,kseason为季节调整因子,ktime为时段调整因子,f(soc(t))为基于储能soc状态的分段线性修正函数,g(σ(t))为基于预测不确定性的修正函数;当预测不确定性增大时,g(σ(t))相应增大以提高阈值裕度。
11、s5:实时监测台区负荷功率pload(t),当pload(t)大于需量控制阈值pth(t)时,触发储能系统放电进行削峰补偿,根据负荷功率超出阈值量、储能额定功率和储能可用容量动态计算储能放电功率。
12、储能放电功率pdis(t)的计算公式为:
13、pdis(t) = min{pload(t) - pth(t), prated, soc(t) × eb × eta / delta_t};
14、其中,prated为储能系统额定功率,soc(t)为t时刻储能荷电状态,eb为储能额定容量,eta为充放电效率,delta_t为控制周期。
15、s6:在储能运行过程中,实时监测台区各相电压,建立电压双向约束机制:当任意相电压高于电压上限时,储能系统吸收无功功率以降低电压;当任意相电压低于电压下限时,储能系统输出无功功率以抬升电压,确保台区电压满足配电网运行约束。
16、s7:根据台区三相负荷不平衡度γ(t),采用优化器动态调整储能各相放电功率分配,通过相间功率转移降低三相不平衡度,优化目标为最小化γ(t);
17、三相负荷不平衡度γ(t)的计算公式为:γ(t) = (imax(t) - imin(t)) / iavg(t) × 100%;其中,imax(t)、imin(t)、iavg(t)分别为三相电流的最大值、最小值和平均值。
18、s8:建立多目标优化函数,以台区月度最大需量最小化、储能峰谷套利收益最大化、预测不确定性加权风险最小化为优化目标,采用模型预测控制mpc方法滚动优化储能充放电计划。
19、s9:在电网异常或计划检修场景下,自动切换至孤岛运行模式,储能系统作为电压源为台区重要负荷提供不间断供电,并根据负荷优先级进行分级供电控制。
20、作为优选,步骤s2中所述气象-负荷-光伏多源融合的超短期负荷预测方法包括:
21、采用temporal fusion transformer模型,以历史负荷序列、气象预报数据、分布式光伏出力预测、日历特征为输入,输出未来15分钟至4小时的负荷预测值及预测区间。
22、所述预测不确定性σ(t)的计算采用蒙特卡洛dropout方法或分位数回归方法,通过在模型推理阶段保持dropout层激活,进行多次前向传播计算预测值的均值和标准差。
23、作为优选,步骤s3中所述双层mpc协同架构的具体运行逻辑为:
24、所述上层为15分钟慢优化层,每15分钟滚动求解一次未来4小时的优化问题,将优化结果的第一个控制指令作为参考轨迹传递至下层。
25、所述下层为1秒快校正层,通过pi控制器实时计算跟踪误差并输出校正量,将参考轨迹与校正量叠加作为最终控制指令,仅执行第一个周期的结果后,上层重新求解下一周期。
26、所述误差反馈在线学习回路包括:计算实际负荷与预测负荷的偏差序列,采用在线梯度下降法自适应更新tft模型的注意力权重参数,使预测模型适应台区负荷模式的时变特性。
27、作为优选,步骤s6中所述电压双向约束机制的具体控制策略为:
28、当相电压高于预警上限时,储能系统吸收感性无功功率。
29、当相电压低于预警下限时,储能系统输出容性无功功率。
30、当相电压越过硬约束上限或下限时,自动调节储能充放电功率或切换运行模式,且无功调节与有功控制解耦执行,优先级为电压安全高于需量管理。
31、作为优选,采用二次规划优化器进行相间功率优化分配,目标函数为min γ(t),约束条件包括:(1)三相功率平衡约束;(2)各相调整量不超过额定功率设定比例;(3)调整后soc在允许范围内;(4)各相电压约束。
32、作为优选,步骤s8中所述多目标优化函数的表达式为:j = alpha × dmax +beta × σ(price(t) ×pgrid(t)) + lambda × σ(σ(t) × r(t));其中,dmax为月度最大需量,alpha为需量惩罚系数,beta为电价权重系数,price(t)为t时刻电价,pgrid(t)为t时刻台区与电网的交换功率,lambda为不确定性风险权重系数,r(t)为t时刻的风险度量函数。
33、作为优选,步骤s9中所述孤岛运行切换及分级供电的具体流程为:
34、当检测到电网电压或频率异常持续超过设定时间时,触发静态开关切换至孤岛模式,储能变流器切换至v/f控制。
35、分级供电策略为:第一级为安防/通信/应急照明,第二级为办公/空调,第三级为一般插座;当soc低于第一阈值时切除第三级负荷,低于第二阈值时切除第二级负荷。
36、当电网恢复时,通过预同步控制实现平滑并网。
37、作为优选,还包括台区分布式光伏消纳优化步骤:当光伏出力大于台区负荷时,优先将余电存储至储能系统;当储能soc达到上限时,通过动态调整无功功率输出参与台区电压调节,提升光伏消纳率。
38、一种基于预测配电台区储能多时间尺度协同控制系统,包括:
39、数据采集模块,用于采集台区配电网的实时运行数据及历史运行数据。
40、负荷预测模块,用于建立台区多维需量预测模型,执行气象-负荷-光伏多源融合的超短期负荷预测。
41、预测不确定性量化模块,用于通过预测区间的统计方法量化预测不确定性σ(t)。
42、双层mpc协同控制模块,包括上层慢优化单元和下层快校正单元,用于生成参考轨迹并实时校正,且形成误差反馈在线学习回路。
43、需量阈值计算模块,用于根据时段类型、季节因子、储能soc状态和预测不确定性自适应计算动态需量控制阈值。
44、储能控制模块,用于在负荷功率大于所述阈值时计算并下发储能放电功率指令。
45、电压双向约束监测模块,用于实时监测各相电压并输出无功功率调节指令。
46、三相平衡优化模块,用于采用优化器动态调整储能各相放电功率分配以降低三相不平衡度。
47、多目标优化模块,用于基于需量最小化、套利最大化及风险最小化目标滚动优化储能计划。
48、孤岛切换模块,用于在电网异常时执行孤岛切换及分级供电。
49、作为优选,所述系统部署于台区储能一体机的ems能量管理单元中,采用linux嵌入式工控机平台,各模块通过zeromq消息总线进行数据交互,上层优化周期为15分钟,下层控制周期为1秒;通过can总线连接bms和pcs,通过rs485连接智能电表,通过以太网连接远程监控云平台。
50、本发明能够达到如下效果:
51、本发明提供了一种基于预测配电台区储能多时间尺度协同控制方法,与现有技术相比较,具有以下显著的有益效果:
52、一、显著提升系统鲁棒性:首次将基于蒙特卡洛dropout或分位数回归量化的负荷预测不确定性纳入控制决策,在负荷预测偏差较大时自动调整控制阈值,有效避免了因预测不准导致的控制失效,提升了系统在复杂场景下的鲁棒性。
53、二、兼顾全局最优与实时响应:采用双层mpc协同架构,上层15分钟慢优化实现全局最优规划,下层1秒快校正确保实时跟踪精度,成功解决了单一时间尺度控制难以兼顾优化性能与响应速度的矛盾。
54、三、实现模型自适应演进:引入误差反馈在线学习回路,通过在线梯度下降法自适应更新预测模型参数,使预测模型能够紧跟台区负荷模式的时变特性,持续提升长期预测精度。
55、四、优化储电量时空分配:采用融合季节、时段、soc状态及预测不确定性的动态需量控制阈值机制,实现储电量在时间维度上的精细化优化分配,避免储能过早放空或过充。
56、五、保障台区电压安全:建立电压双向约束机制,储能系统可主动吸收或输出无功功率,实现了有功与无功的解耦控制,确保储能充放电不会引起台区电压越限,提升了电压合格率。
57、六、有效治理三相不平衡:通过二次规划优化器实现相间功率优化分配,在不增加总充放电功率的前提下,将三相不平衡度有效降至安全范围内(如5%以内)。
58、七、提升综合经济收益:建立月度最大需量最小化、峰谷套利收益最大化和预测不确定性风险最小化的多目标优化函数,相比单一目标优化可显著提升台区综合收益。
59、八、提升光伏消纳能力:集成分布式光伏消纳优化功能,在储能充满时通过动态无功调节参与电压控制,避免了光伏因电压越限而停机,显著提升了台区光伏消纳率。
60、九、保障供电可靠性:具备毫秒级孤岛运行切换和分级供电能力,在电网异常时自动转为电压源模式,保障了台区重要负荷的不间断供电,极大提升了供电可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com