交储融合场景下多类型储能联合削峰填谷优化运行方法与流程
本技术涉及储能优化,尤其涉及交储融合场景下多类型储能联合削峰填谷优化运行方法。
背景技术:
1、随着交通电气化进程的加速推进,高速公路服务区、公交枢纽场站及铁路牵引供电站等交通运输基础设施大规模接入电动汽车充换电设施和分布式新能源发电设备,形成了交通流与电力流深度耦合的交储融合场景;在交储融合场景下,电动汽车的无序充电行为和新能源发电出力的随机波动相互叠加,导致局部配电网的负荷曲线呈现峰值功率急剧攀升、谷值功率显著下探的双向极端化特征,对电网的安全稳定运行构成了直接威胁。
2、目前,现有的削峰填谷调度方法通常将锂离子电池储能、超级电容器储能、液流电池储能等多种类型的储能设备等效为一个统一的储能整体,以整体的总容量约束和总功率约束作为调度边界,按照统一的充放电效率参数和统一的响应时间参数对所有储能设备进行无差别的功率指令分配;上述同质化处理方法忽视了不同类型储能在能量密度、功率密度、循环寿命和响应速度等物理特性上的本质差异,导致能量型储能在频繁的短时功率波动调节中加速容量衰减,功率型储能在长时间的持续充放电过程中因容量不足而频繁深度充放,两类储能的固有优势均无法得到有效发挥。
3、综上所述,现有技术中存在由于缺乏一种能够区分能量型储能与功率型储能各自物理特性并据此进行差异化联合调度的削峰填谷运行方法,导致多类型储能在削峰填谷过程中无法按照各自的最优工作区间进行功率分配,进一步影响交储融合场景下多类型储能联合削峰填谷的整体调节效果和储能设备全生命周期综合效益的技术问题。
技术实现思路
1、本技术的目的是提供交储融合场景下多类型储能联合削峰填谷优化运行方法,用以解决现有技术中存在由于缺乏一种能够区分能量型储能与功率型储能各自物理特性并据此进行差异化联合调度的削峰填谷运行方法,导致多类型储能在削峰填谷过程中无法按照各自的最优工作区间进行功率分配,进一步影响交储融合场景下多类型储能联合削峰填谷的整体调节效果和储能设备全生命周期综合效益的技术问题。
2、鉴于上述问题,本技术提供了交储融合场景下多类型储能联合削峰填谷优化运行方法,包括:获取交储融合场景的基础数据集;根据所述基础数据集,获取多类型储能设备的性能差异信息,并根据所述基础数据集,构建静态运行边界约束集合;将所述基础数据集输入变系数微分-谐波-非线性自回归耦合预测器进行源荷时序分解预测,生成初始预测结果;将所述初始预测结果输入改进蝴蝶优化算法,以所述性能差异信息作为功率分配的依据、以所述静态运行边界约束集合作为搜索空间的限界,进行迭代搜索求解,生成多类型储能设备的初始调度决策指令;下发所述初始调度决策指令至多类型储能设备执行,将采集的实际执行数据与所述初始调度决策指令进行比较,获得执行偏差信号;所述变系数微分-谐波-非线性自回归耦合预测器根据收到的所述执行偏差信号调整预测参数,以调整后的预测参数重新进行分解预测,生成修正预测结果;所述改进蝴蝶优化算法根据收到的所述执行偏差信号,调整搜索空间的限界和优化搜索方向,以调整后的搜索空间限界和优化搜索方向,加载所述修正预测结果重新进行迭代搜索求解,生成修正调度决策指令;按照预设滚动周期,将所述修正调度决策指令作为下一周期的初始调度决策指令执行,输出滚动周期的调度决策指令。
3、优选地,所述交储融合场景下多类型储能联合削峰填谷优化运行方法还包括:识别所述基础数据集中所述多类型储能设备的类型标识;根据所述类型标识,将所述多类型储能设备划分为能量型储能设备和功率型储能设备;针对所述能量型储能设备,提取容量衰减速率参数和荷电状态变化一致性参数;针对所述功率型储能设备,提取功率响应延迟参数和功率爬坡速率上限参数;将所述容量衰减速率参数、所述荷电状态变化一致性参数、所述功率响应延迟参数和所述功率爬坡速率上限参数共同作为所述性能差异信息输出。
4、优选地,所述交储融合场景下多类型储能联合削峰填谷优化运行方法还包括:从所述基础数据集中提取多类型储能设备的额定容量、额定功率、荷电状态允许上限值和荷电状态允许下限值;根据所述额定容量、所述荷电状态允许上限值和所述荷电状态允许下限值,生成荷电状态边界约束;根据所述额定功率,生成充放电功率边界约束;根据所述额定容量,生成多类型储能设备在起始时刻的荷电状态数值与终止时刻的荷电状态数值相等的能量平衡约束;将所述荷电状态边界约束、所述充放电功率边界约束和所述能量平衡约束共同作为所述静态运行边界约束集合输出。
5、优选地,所述交储融合场景下多类型储能联合削峰填谷优化运行方法还包括:使用所述基础数据集中的历史源荷时序数据作为训练样本,对所述变系数微分-谐波-非线性自回归耦合预测器执行离线预训练,使所述变系数微分-谐波-非线性自回归耦合预测器的动态权重矩阵中微分分量、谐波分量和非线性自回归分量获得初始权重值;所述变系数微分-谐波-非线性自回归耦合预测器以所述初始权重值执行首次分解预测。
6、优选地,所述交储融合场景下多类型储能联合削峰填谷优化运行方法还包括:所述变系数微分-谐波-非线性自回归耦合预测器从所述基础数据集中提取源荷时序数据,分别输入微分分量、谐波分量和非线性自回归分量;所述微分分量对所述源荷时序数据执行差分运算,获得瞬态变化趋势特征;所述谐波分量对所述源荷时序数据执行傅里叶分解,获得周期性波动特征;所述非线性自回归分量对所述源荷时序数据执行自回归拟合,获得长期依赖特征;读取与所述微分分量、所述谐波分量和所述非线性自回归分量对应的动态权重矩阵的权重值;将所述瞬态变化趋势特征、所述周期性波动特征和所述长期依赖特征,按照对应的权重值进行加权叠加,获得所述初始预测结果。
7、优选地,所述交储融合场景下多类型储能联合削峰填谷优化运行方法还包括:根据所述充放电功率边界约束中的功率上限值和功率下限值,在以充放电功率为搜索空间的坐标轴上划定功率边界线;根据所述荷电状态边界约束中的荷电状态上限值和荷电状态下限值,在以荷电状态为搜索空间的辅助维度上划定荷电状态边界平面;根据所述能量平衡约束中的起始荷电状态与终止荷电状态相等的条件,在搜索空间中划定连接起始点与终止点的等式边界平面;将所述功率边界线、所述荷电状态边界平面和所述等式边界平面围成的区域,作为所述改进蝴蝶优化算法进行迭代搜索时的搜索空间限界。
8、优选地,所述交储融合场景下多类型储能联合削峰填谷优化运行方法还包括:根据所述容量衰减速率参数确定所述能量型储能设备承担长时充放电任务的优先顺序,并根据所述荷电状态变化一致性参数强制同类型能量型储能设备在同一时段的荷电状态数值保持一致;根据所述功率响应延迟参数将瞬时功率波动的平抑任务分配给延迟最低的功率型储能设备,并根据所述功率爬坡速率上限参数限定功率型储能设备在单位时间内的功率变化量。
9、优选地,所述交储融合场景下多类型储能联合削峰填谷优化运行方法还包括:所述变系数微分-谐波-非线性自回归耦合预测器将收到的所述执行偏差信号转换为权重修正量;读取所述变系数微分-谐波-非线性自回归耦合预测器动态权重矩阵中所述微分分量的第一权重值、所述谐波分量的第二权重值和所述非线性自回归分量的第三权重值;将所述第一权重值加上所述权重修正量,作为更新后的微分分量权重值;将所述第三权重值减去所述权重修正量,作为更新后的非线性自回归分量权重值;保持所述第二权重值不变;以更新后的微分分量权重值、更新后的非线性自回归分量权重值以及保持不变的谐波分量权重值,构成更新后的动态权重矩阵。
10、优选地,所述交储融合场景下多类型储能联合削峰填谷优化运行方法还包括:所述改进蝴蝶优化算法判断收到的所述执行偏差信号的正负;当所述执行偏差信号为负值时,表征实际执行功率低于计划功率,所述改进蝴蝶优化算法将当前搜索空间的功率边界线中的功率下限值下移;当所述执行偏差信号为正值时,表示实际执行功率高于计划功率,所述改进蝴蝶优化算法将当前搜索空间的功率边界线中的功率上限值上移;所述改进蝴蝶优化算法同时对所述执行偏差信号进行时间积分处理,获得偏差积累量;当所述偏差积累量超出预设积累阈值时,所述改进蝴蝶优化算法将优化目标中削峰填谷效果指标的权重值上调,同时将储能寿命损耗指标的权重值下调。
11、优选地,所述交储融合场景下多类型储能联合削峰填谷优化运行方法还包括:所述预设滚动周期为以当前时刻为起点、以当天结束时刻为终点的滚动时域。
12、本技术中提供的技术方案,至少具有如下技术效果或优点:通过实现使能量型储能设备在容量衰减速率最小的功率区间内承担长时充放电任务、使功率型储能设备在响应延迟最短的功率区间内承担瞬时波动平抑任务的分工明确的多类型储能差异化联合调度的技术目标,达到在提升交储融合场景下削峰填谷整体调节效果的同时延长多类型储能设备整体使用寿命、降低储能系统全生命周期综合成本的技术效果。
13、上述说明仅是本技术技术方案的概述,为了能够更清楚地了解本技术的技术手段,而可依照说明书的内容予以实施,并且为了让本技术的上述和其他目的、特征和优点能够更明显易懂,以下特举本技术的具体实施方式。应当理解,本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征,也不用于限制本技术的范围。本技术的其他特征将通过以下的说明书而变得容易理解。
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