一种高压箱储能方法及系统与流程

1.本发明涉及电网调控技术领域，更具体地说，它涉及一种高压箱储能方法及系统。


背景技术：

2.实现风电机组参与电网一次调频主要通过虚拟惯量控制来实现，模拟惯量控制方法容易引起二次频率跌落，另一种方式是采用大规模布置高压箱超级电容作为储能器快速响应频率调节，但是超级电容价格较高，大规模布置的成本高。


技术实现要素：

3.本发明提供一种高压箱储能系统，解决相关技术中为了快速响应频率调节，大规模布置高压箱超级电容作为储能器的成本高的技术问题。
4.本发明提供了一种高压箱储能系统，包括：
5.数据采集模块，其用于采集微电网的运行数据；
6.初始特征生成模块，其基于微电网的运行数据来生成微电网的初始特征；
7.训练集生成模块，其用于生成稳态训练集，稳态训练集中只包括稳态训练样本，一个稳态训练样本来源于微电网一次调频过程中的运行数据，一个稳态训练样本包括一个原始特征序列和一个调频参数序列，其中原始特征序列表示为，其中表示一次调频开始前的一个时间节点的微电网的初始特征，表示一次调频开始时的一个时间节点的微电网的初始特征，表示一次调频结束前的一个时间节点的微电网的初始特征；
8.调频参数序列表示，其中表示一次调频的第一个时间节点的控制参数，和分别表示一次调频的第二个和第t个时间节点的控制参数；
9.矩阵构建模块，其用于构建表示微电网连接关系的邻接矩阵；
10.模型训练模块，其通过稳态训练集来训练储能控制模型，储能控制模型包括线性映射层、第一隐藏层、拼接层和长短期记忆网络层，其中线性映射层用于将输入的节点的初始特征映射到同一维度后输入第一隐藏层，第一隐藏层输入节点的初始特征和邻接矩阵，输出节点的中间特征，拼接层对所有节点的中间特征进行拼接获得拼接特征，长短期记忆网络层输出调频参数序列；
11.预测模块，其用于生成当前微电网的原始特征序列，如果当前微电网属于一次调频控制的第h个时间节点，h≥1，则原始特征序列的第h-1至第t-1个序列单元进行插补处理；将原始特征序列输入训练好的储能控制模型，储能控制模型输出的调频参数序列的第h个序列单元作为当前时间节点所需要使用的控制参数。
12.进一步地，微电网的初始特征包括微电网的节点的初始特征，微电网的节点包括发电机组节点、超级电容节点和全局节点，其中发电机组节点的初始特征表示发电机组的运行参数，超级电容节点的初始特征表示超级电容节点的运行参数，全局节点的初始特征
表示微电网的运行参数。
13.进一步地，发电机组节点的初始特征表示为：
14.，其中表示转子转速、表示额定转速、表示发电机额定功率、表示转子有功功率、表示定子有功功率、表示发电机定子电抗、表示定转子互抗、表示转差率、表示转子电阻、表示转子电流在d轴的分量、表示转子电流在q轴的分量；
15.超级电容节点的初始特征表示为：
16.，其中表示超级电容节点的容值，表示超级电容节点的电容并联数，表示超级电容储存的电荷量，表示超级电容节点的最小充放电电压，表示超级电容节点的最大充放电电压；
17.全局节点的初始特征表示为，其中表示微电网频率的频率，表示微电网电压的幅值、表示微电网电压的相位角。
18.进一步地，邻接矩阵的第i行第j列的元素表示微电网的第i个和第j个节点的连接关系，如果第i个和第j个节点在微电网的线路图上存在直接的连接，则第i行第j列的元素的值为1，否则为0。
19.进一步地，长短期记忆网络层包括t个串联的长短期记忆网络单元，第t个长短期记忆网络输入第t-1个时间节点的微电网的初始特征所生成的拼接特征，输出调频参数序列的第t个序列单元。
20.进一步地，第一隐藏层的计算公式如下：
21.，其中表示所有节点的中间特征的张量化矩阵，所有节点的初始特征的张量化矩阵，表示邻接矩阵与单位矩阵的和，表示的度矩阵，表示第一隐藏层的权重矩阵，表示relu激活函数。
22.进一步地，，其中表示第t个时间节点的超级电容节点等效输出功率，表示第t个时间节点的发电机组节点的等效虚拟惯量转换的输出功率。超级电容节点等效输出功率等于所有超级电容节点的输出功率的和，发电机组节点的等效虚拟惯量转换的输出功率等于所有发电机组节点的虚拟惯量转换的输出功率的和。
23.进一步地，，其中和表示第t个时间节点的第1个和第n个超级电容节点输出功率，和表示第t个时间节点的第1个和第m个发电机组节点的虚拟惯量转换的输出功率，n为超级电容节点的总数，m为发电机组节点的总数。
24.进一步地，训练储能控制模型的损失函数为：
，其中loss为损失值，表示训练样本的调频参数序列的第r个序列单元的第s个分量，表示储能控制模型输出的调频参数序列的第r个序列单元的第s个分量，m和n分别表示超级电容节点的总数和发电机组节点的总数。
25.本发明提供一种高压箱储能控制方法，使用上述的高压箱储能系统执行以下步骤：
26.步骤101，生成当前微电网的原始特征序列，并采集当前微电网所属一次调频控制的时间节点；
27.步骤102，将原始特征序列输入训练好的储能控制模型，储能控制模型输出调频参数序列；
28.步骤103，从储能控制模型输出调频参数序列中选择与当前微电网所属一次调频控制的时间节点对应的序列单元作为当前时间节点所需要使用的控制参数。
29.本发明的有益效果在于：本发明的储能控制系统和方法基于超级电容和虚拟惯量控制协同来对新能源微电网进行调频，能够降低超级电容的布置数量，并且依旧能够快速响应电网调频，保留了稳定微电网频率稳定的效果。
附图说明
30.图1是本发明的一种高压箱储能系统的模块示意图；
31.图2是本发明的微电网调频过程中频率波动图；
32.图3是本发明的一种高压箱储能方法的流程图。
33.图中：数据采集模块101，初始特征生成模块102，训练集生成模块103，矩阵构建模块104，模型训练模块105，预测模块106。
具体实施方式
34.现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。
35.如图1所示，一种高压箱储能系统，包括：
36.数据采集模块101，其用于采集微电网的运行数据；
37.初始特征生成模块102，其基于微电网的运行数据来生成微电网的初始特征；
38.微电网的初始特征包括微电网的节点的初始特征，微电网的节点包括发电机组节点、超级电容节点和全局节点，其中发电机组节点的初始特征表示发电机组的运行参数，超级电容节点的初始特征表示超级电容节点的运行参数，全局节点的初始特征表示微电网的运行参数。
39.其中发电机组节点的初始特征表示为：
40.，其中表示
转子转速、表示额定转速、表示发电机额定功率、表示转子有功功率、表示定子有功功率、表示发电机定子电抗、表示定转子互抗、表示转差率、表示转子电阻、表示转子电流在d轴的分量、表示转子电流在q轴的分量；
41.超级电容节点的初始特征表示为：
42.，其中表示超级电容节点的容值，表示超级电容节点的电容并联数，表示超级电容储存的电荷量，表示超级电容节点的最小充放电电压，表示超级电容节点的最大充放电电压；
43.全局节点的初始特征表示为，其中表示微电网频率的频率，表示微电网电压的幅值、表示微电网电压的相位角。
44.训练集生成模块103，其用于生成稳态训练集，稳态训练集中只包括稳态训练样本，一个稳态训练样本来源于微电网一次调频过程中的运行数据，一个稳态训练样本包括一个原始特征序列和一个调频参数序列，其中原始特征序列表示为，其中表示一次调频开始前的一个时间节点的微电网的初始特征，表示一次调频开始时的一个时间节点的微电网的初始特征，表示一次调频结束前的一个时间节点的微电网的初始特征；
45.作为稳态训练样本来源的微电网调频过程中的动态频率最大偏差小于设定的第一偏差阈值，稳态频率最大偏差小于设定的第二偏差阈值；其中动态频率最大偏差为图2中的，稳态频率最大偏差为图2中的。
46.在本发明的一个实施例中，一次调频过程中需要进行t次虚拟惯量控制和超级电容控制，最后一次执行虚拟惯量控制和超级电容控制的时间点即为一次调频结束。
47.调频参数序列表示，其中表示一次调频的第一个时间节点的控制参数，和分别表示一次调频的第二个和第t个时间节点的控制参数。
48.矩阵构建模块104，其用于构建表示微电网连接关系的邻接矩阵，邻接矩阵的第i行第j列的元素表示微电网的第i个和第j个节点的连接关系，如果第i个和第j个节点在微电网的线路图上存在直接的连接，则第i行第j列的元素的值为1，否则为0；
49.模型训练模块105，其通过稳态训练集来训练储能控制模型，储能控制模型包括线性映射层、第一隐藏层、拼接层和长短期记忆网络层，其中线性映射层用于将输入的节点的初始特征映射到同一维度后输入第一隐藏层，第一隐藏层输入节点的初始特征和邻接矩阵，输出节点的中间特征，拼接层对所有节点的中间特征进行拼接获得拼接特征，长短期记忆网络层输出调频参数序列。
50.长短期记忆网络层包括t个串联的长短期记忆网络单元，第t个长短期记忆网络输入第t-1个时间节点的微电网的初始特征所生成的拼接特征，输出调频参数序列的第t个序列单元。
51.在本发明的一个实施例中，长短期记忆网络单元为lstm单元。
52.第一隐藏层的计算公式如下：
53.，其中表示所有节点的中间特征的张量化矩阵，所有节点的初始特征的张量化矩阵，表示邻接矩阵与单位矩阵的和，表示的度矩阵，表示第一隐藏层的权重矩阵，表示relu激活函数。
54.节点的初始特征的张量化矩阵的第u行对应于第u个节点的初始特征，对于节点的中间特征的张量化矩阵的第u行对应于第u个节点的中间特征。
55.在本发明的一个实施例中，，其中表示第t个时间节点的超级电容节点等效输出功率，表示第t个时间节点的发电机组节点的等效虚拟惯量转换的输出功率。超级电容节点等效输出功率等于所有超级电容节点的输出功率的和，发电机组节点的等效虚拟惯量转换的输出功率等于所有发电机组节点的虚拟惯量转换的输出功率的和。
56.对于该实施例，提供一种训练储能控制模型的损失函数，损失函数为，其中loss为损失值，表示训练样本的第r个时间节点的超级电容节点等效输出功率，表示训练样本的第r个时间节点的发电机组节点的等效虚拟惯量转换的输出功率，表示储能控制模型输出的第r个时间节点的超级电容节点等效输出功率，表示储能控制模型输出的第r个时间节点的发电机组节点的等效虚拟惯量转换的输出功率。
57.在本发明的一个实施例中，发电机组为风电机组，一个风电机组虚拟惯量控制后的虚拟惯量转换的输出功率，其中为风电机组的发电机的额定容量，为发电机的额定转速，表示虚拟惯量控制所调节的转速变化，h表示发电机的惯性常数。
58.在本发明的一个实施例中，，其中和表示第t个时间节点的第1个和第n个超级电容节点输出功率，和表示第t个时间节点的第1个和第m个发电机组节点的虚拟惯量转换的输出功率，n为超级电容节点的总数，m为发电机组节点的总数。
59.对于该实施例，提供一种训练储能控制模型的损失函数，损失函数为，其中loss为损失值，表示训练样本的调频参数序列的第r个序列单元的第s个分量，表示储能控制模型输出的调频参数序列的第r个序
列单元的第s个分量，m和n分别表示超级电容节点的总数和发电机组节点的总数。
60.预测模块106，其用于生成当前微电网的原始特征序列，如果当前微电网属于一次调频控制的第h个时间节点，h≥1，则原始特征序列的第h-1至第t-1个序列单元进行插补处理；将原始特征序列输入训练好的储能控制模型，储能控制模型输出的调频参数序列的第h个序列单元作为当前时间节点所需要使用的控制参数。
61.插补的方式是插补一个维数相同但分量均为0的序列单元。
62.本发明提供一种基于前述的一种高压箱储能系统的高压箱储能控制方法，包括以下步骤：
63.步骤101，生成当前微电网的原始特征序列，并采集当前微电网所属一次调频控制的时间节点；
64.步骤102，将原始特征序列输入训练好的储能控制模型，储能控制模型输出调频参数序列；
65.步骤103，从储能控制模型输出调频参数序列中选择与当前微电网所属一次调频控制的时间节点对应的序列单元作为当前时间节点所需要使用的控制参数。
66.上面对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，还可做出很多形式，均属于本实施例的保护之内。