一种大规模储能集群系统的双层频率控制系统的制作方法

1.本发明属于储能集群控制技术领域，更具体地，涉及一种大规模储能集群系统的双层频率控制系统。


背景技术：

2.可再生能源的间歇性和随机性给电力系统带来了难以确定的瞬时功率波动，其产生的频率偏差对爬坡速率低的传统的常规发电机来说很难及时响应，有可能会造成很大的频率偏移甚至系统失稳。为了应对高可再生能源渗透的电力系统的频率调节，调节灵活、响应速度快的储能是一个很好的选择。
3.目前已有储能协助频率调节的形式主要有两种：大规模集中储能系统和小规模分布式储能系统。大规模储能系统通常由电网公司所属，受其管理，容量可达数十兆瓦时。它们被广泛用于减缓光伏与风电波动和提升电力系统稳定性。除此之外，小规模分布式储能系统由于其高效率，在电力系统中得到了越来越广泛的应用。因此，这些小规模分布式储能系统有望在频率辅助业务中发挥重要作用。
4.对于小规模分布式储能系统的控制方式，目前已有的技术主要关注对象是储能数量较少的储能系统。当接入的储能数量变得比较庞大时，集中控制与分布式控制都会遇到其局限性。对于集中控制方法，被控对象数量大将导致优化计算负担巨大与中央控制器与被控设备之间的通信负担沉重。对于分布式控制方法，储能数量大将会带来稀疏通信网络复杂，且收敛速度变慢的问题。


技术实现要素：

5.针对现有技术的缺陷和改进需求，本发明提供了一种大规模储能集群系统的双层频率控制系统，其目的在于将降阶模型应用在频率控制中，以降低系统阶数。下层只需要相邻储能之间进行通信，在分布式的控制框架下完成储能集群内的经济调度；上层利用下层提供的降阶模型进行频率调节，将产生的频率控制信号发送至储能集群，计算负担大大减小。采用这种控制方案，频率调节与经济调度可以被综合考虑。
6.为实现上述目的，按照本发明的一个方面，提供了一种大规模储能集群系统的双层频率控制系统，包括：
7.储能集群间频率调节系统；
8.与储能集群一一对应的多个储能集群内分布式经济调度系统，每个储能集群内分布式经济调度系统包括与储能一一对应的多个储能控制器；
9.储能集群内分布式经济调度系统，用于相同储能集群内的各储能控制器相互通信，生成该储能集群的降阶聚合模型，上传至储能集群间频率调节系统；接收到调频控制信号后，相同储能集群内的各储能控制器相互通信，以整个储能集群经济最优为目标，分配该调频控制信号，将分配结果发送至各储能；
10.储能集群间频率调节系统，用于接收各储能集群发送的降阶聚合模型，建立储能
参与调频的预测模型；以接收到的电力系统频率偏移为自变量构建代价函数，以储能参与调频的预测模型为约束，求解该代价函数，得到各储能集群的调频控制信号，下发至储能集群内分布式经济调度系统。
11.优选地，所述储能参与调频的预测模型如下：
12.x(k 1)＝sax(k) sbu(k)
13.y(k)＝scx(k)
14.其中，
[0015][0016]ut
(k)＝[u
t
(k),u
t
(k 1),
…
,u
t
(k n
cc-1)]
[0017][0018]
其中，k表示离散时步，x(k)表示第k步时的电力系统状态变量序列，u(k)表示第k步时电力系统的控制变量序列，y(k)表示第k步时的电力系统输出变量序列，sa表示电力系统的系统矩阵，sb表示电力系统的控制矩阵，sc表示电力系统的输出矩阵，x
dt
(k)表示第k步时的状态变量，n
pc
表示预测时步，n表示电力系统的系统阶数，u
t
(k)表示第k步时的控制变量，n
cc
表示控制时步，y
dt
(k)表示第k步时的输出变量。
[0019]
有益效果：针对现有比例-积分控制、自适应控制等难以添加约束条件的问题，本发明通过建立预测模型，根据控制对象的历史信息和未来输入预测系统未来的输出，由于输出变量的约束可以由数学运算转化为输入变量的约束，实现了对输出变量的有效约束。
[0020]
优选地，所述代价函数为：
[0021][0022]
其中，k表示离散时步，qu表示与频率偏移有关的权重，n
pc
表示预测步长，δf(k)表示频率偏移，ru表示与控制变量有关的权重，n
cc
表示控制步长，u(k)表示第k步时的控制变量。
[0023]
有益效果：如果只将频率偏移作为代价函数的状态量，那么当频率控制完成时，会出现控制变量无法回到0的问题，针对该问题，本发明通过加入控制变量的状态量，由于优化计算的结果使得代价函数最小，实现了当代价函数其他项为0时，保证控制变量也为0。
[0024]
优选地，得到最优控制序列u
t
(k)＝[u
ut
(k),u
ut
(k 1),
…
,u
ut
(k n
cc-1)]后，取第一项将发送给对应的第i个储能集群；
[0025]
其中，u
t
(k)表示第k步时的控制信号序列，u
ut
(k)表示第k步时的控制信号，表示第i个储能集群的调频控制信号，m表示储能集群的个数，i＝1,2,
…
m。
[0026]
有益效果：针对预测模型精确度有限的问题，本发明通过只取最优控制序列的第一项为控制信号，进行滚动优化，由于向前每一步的误差都将逐步累加，只有向前一步的预测误差是最小的，实现了最大程度降低控制误差的目的。
[0027]
优选地，基于储能的一阶惯性模型，按储能容量加权平均得到储能集群的降阶聚
合模型。
[0028]
有益效果：针对现有的未考虑储能惯性而制定控制策略所产生的与工程实际不符合的问题，本发明通过考虑储能惯性作用，由于储能本身功率响应具有时间延迟、控制器也具有相应时延，实现了与工程实际更加接近的储能模型建立。
[0029]
优选地，所述以整个储能集群经济最优为目标具体如下：
[0030][0031]
其中，ui(pi)表示储能i的成本，pi表示储能i的输出功率，u
clu
表示该储能集群的调频控制信号，n
clu
表示该储能集群的储能集合，分别表示储能i的输出功率下限、上限。
[0032]
有益效果：针对现有功率分配方式未考虑经济性而导致的系统运营成本增高问题，本发明通过以经济最优为目标进行功率分配，由于经济性较好的储能能够以此补偿经济性较差的储能功率，实现了降低系统运营成本的效果。
[0033]
优选地，储能集群内部，利用等微增率准则完成控制信号在集群内各储能单体间的经济分配。
[0034]
有益效果：针对现有集中式调度方式通信成本高、可靠性差、无法即插即用的问题，本发明利用等微增率准则建立分布式经济调度策略，由于分布式控制只需要邻间通信，无需中央控制器，实现了降低通信成本、增强可靠性、即插即用的效果。
[0035]
总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：
[0036]
针对电力系统中现有调频电源主要为火电机组，其具有响应时滞长、机组爬坡速率低，存在调节延迟、调节偏差和调节反向等问题。储能系统响应速度快，短时功率吞吐能力强，调节灵活，储能系统与火电机组相结合，可以有效提升电力系统调频能力。但通常区域内包含众多储能单元，其容量、响应速度、经济性指标各异、布局分散，如果任由其分散接入电网，将产生出力分散、调控困难的问题。只有将其聚合为一个储能群统一调控，才能形成储能规模协同效应、提高能源利用率并方便调控。本发明通过建立储能集群的降阶聚合模型，提出了一种电力系统频率双层控制方案，由于降低了调频优化问题的阶数，实现了大大减少计算负担、促进集群内各储能互补的效果。
附图说明
[0037]
图1是传统储能参与agc的集中控制架构；
[0038]
图2是双层频率控制方案示意图；
[0039]
图3是降阶聚合模型示意图；
[0040]
图4是各储能集群控制信号图；
[0041]
图5是各储能集群输出有功功率图；
[0042]
图6是各储能集群1内各储能控制信号图；
[0043]
图7是各储能集群1内各储能输出有功功率图；
[0044]
图8是各储能集群1内各储能边际成本图。
具体实施方式
[0045]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0046]
如图1所示，一个传统火电机组与储能集群共同参与系统调频的场景作为实施例，传统储能参与agc(automatic generation control，自动发电控制)的集中控制。
[0047]
如图2所示，本发明提供了一种包含大规模储能集群系统的双层频率控制方法，该方法包含以下步骤：
[0048]
步骤s1.基于储能的一阶惯性模型，按储能容量加权平均得到储能集群的降阶聚合模型。
[0049]
按下式得到基于储能一阶惯性模型的降阶聚合模型：
[0050][0051]
其中，n
clu
表示属于该集群的储能集合。为储能i的额定容量，t
clu
为储能集群的等效惯性系数，ti为储能i的惯性系数。
[0052]
步骤s2.以储能降阶聚合模型为基础，建立储能参与调频的预测模型，以频率偏移为代价函数，求解最优控制序列，发送给每一个储能集群。
[0053]
以降阶聚合模型为基础按下式建立预测模型：
[0054][0055]yu
＝cuxuꢀꢀ
(3)
[0056]
其中，xu为系统状态变量，uu为系统控制变量，du为系统扰动变量，yu为系统输出变量。au，bu，fu，cu为相应的状态空间矩阵。
[0057]
实施例中，δf为系统频率偏移量，p
t
为传统机组输出功率，p
g,1
和p
g,2
为传统机组输出功率的中间变量，pi为agc控制信号，到为储能集群1至m的输出功率，为储能集群1至m的输入控制信号。au，bu，fu，cu为相应的状态空间矩阵。
[0058]
离散化后得到：
[0059]
xd(k 1)＝adxd(k) bdud(k) fddd(k)
ꢀꢀ
(4)
[0060]
yd(k)＝cdxd(k)
ꢀꢀ
(5)
[0061]
其中，xd(k)为第k步时的状态变量，ud(k)为第k步时的控制变量，dd(k)为第k步时的扰动变量，yd(k)为第k步时的输出变量。离散状态空间矩阵分别表示为：
[0062]
[0063][0064]cd
＝cu[0065][0066]
其中，td为离散化采样时间。
[0067]
根据离散化的状态空间方程，控制步长为n
cc
，系统未来n
pc
步内的状态预测方程为：
[0068]
x(k 1)＝sax(k) sbu(k)(6)
[0069]
y(k)＝scx(k)(7)
[0070]
其中，其中，
[0071][0072][0073][0074]
其中，ad表示离散系统矩阵，in表示单位矩阵，bd表示离散控制矩阵，cd表示离散输出矩阵。
[0075]
代价函数为：
[0076][0077]
在约束条件下，式(8)的最小化作为一个常规的二次型优化问题，可以方便地用matlab求解。在得到最优控制序列u
t
(k)＝[u
t
(k),u
t
(k 1)
…
,u
t
(k n
cc-1)]后，只取第一项发送给每一个储能集群，直到该控制周期结束。
[0078]
步骤s3.储能集群内部，利用等微增率准则完成控制信号在集群内各储能单体间
的经济分配。
[0079]
储能集群收到的控制信号后，对其进行如(9)所示的经济分配：
[0080][0081]
其中，pi为储能i的输出功率，u
clu
为储能集群的控制信号，n
clu
表示属于该集群的储能集合，与表示储能i的输出功率下限、上限。储能的成本函数ui(pi)由一个线性二次型凸函数表示：
[0082][0083]
其中，ai与bi为储能i的成本系数。
[0084]
根据经济调度的等微增率准则，集群内的集群经济调度的标准是集群内储能边际成本λ的一致。
[0085][0086]
其中，λ
*
和为储能集群内边际成本稳态值及其对应的储能i的输出功率。
[0087]
对此，为达到集群内的经济运行，一致性控制策略如下式所示：
[0088][0089][0090][0091]
p
i,k
(0)是第k个控制步长内储能i的控制信号初始值。λi(k)，λj(k)为储能i、j在第k个控制步长内的边际效益。
[0092]
本发明中，上层基于储能集群的降阶聚合模型对二次调频信号进行集群间分配，下层提供了储能集群的聚合降阶模型，并对上层提供的控制信号进行集群内的经济调度，将频率调节与经济调度综合考虑，避免了对多目标代价函数的权重系数取值问题；有效降低了预测模型的维数，缓解了上层mpc的计算与通信负担，适用于数量巨大的小容量多种类储能控制。
[0093]
本实施例通过设置一个150mw的负荷阶跃变化，观察系统的响应以说明本发明所提控制策略的适用性与优越性。
[0094]
从图4可以看出，每一储能集群的控制信号差异较大，这是由于每个集群间的储能特性参数差异很大，所以求解上层mpc(model predictive control，模型预测控制)的优化问题得到的控制信号也差异较大，具有较小等效时间常数系数的集群由于具有较快的动态响应，而具有较高的频率控制优先级。
[0095]
本发明在分布式迭代算法中应用了mpc方法以加快其收敛速度。mpc利用预测智能，可以对通信网络中的拉普拉斯矩阵进行修正，使其收敛性能得到改善。
[0096]
另外由图5可以看出，集群的控制信号与输出功率几乎可以保持同步。也就是说，
储能的惯性延迟效应几乎被消除了。这是由于：
[0097]
1)上层mpc的滚动优化。由于mpc的优化机制是在线启发式的，所以可以实时地对下层降阶模型的不准确性进行修正。
[0098]
2)下层储能集群的聚合效应。聚合效应是指同一集群中的储能单元用各自的优势对其他储能单元的劣势进行相互补充，这是分散接入的储能单元难以做到的。在集群内，储能单元在各自功率约束、爬坡速率约束下进行经济调度，爬坡速率快、响应时间短的储能可以对爬坡速率较慢、响应时间较长的储能单元进行补充，最后在稳态时，达到储能集群的经济运行。
[0099]
以集群1为例，如图6所示，上层的每一控制周期内，下层均完成收敛，上下层的时间尺度配合比较合适。由图6至图8可以看出当储能单元达到功率约束值时，本发明所提控制策略的有效性。当t＝1s时，群1的控制信号突增，群1的各储能按照边际成本一致分配控制信号。然而储能1-4达到了其有功功率上限，信号s1由1变为0。储能1-4暂停参与一致性算法迭代，由经济运行模式转为固定输出模式。由图7和图8可以看出，其他未饱和的储能继续进行边际成本的一致性收敛，而储能1-4的输出功率固定在上限值。这证明了储能单元的功率约束不会对集群整体的经济运行造成影响。
[0100]
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。