公开/公告号CN104201705A
专利类型发明专利
公开/公告日2014-12-10
原文格式PDF
申请/专利权人 中国科学院自动化研究所;
申请/专利号CN201410440567.0
申请日2014-09-01
分类号H02J3/28;
代理机构中科专利商标代理有限责任公司;
代理人宋焰琴
地址 100190 北京市海淀区中关村东路95号
入库时间 2023-12-17 03:40:54
法律状态公告日
法律状态信息
法律状态
2016-10-05
授权
授权
2015-01-07
实质审查的生效 IPC(主分类):H02J3/28 申请日:20140901
实质审查的生效
2014-12-10
公开
公开
技术领域
本发明属于智能电网电能优化技术领域,具体涉及一种智能微电网分 布式储能设备控制优化方法。
背景技术
随着全球资源环境压力的不断增大,社会对环境保护、节能减排和可 持续性发展的要求日益提高。同时,电力市场化进程的不断推进以及用户 对电能可靠性和质量要求的不断提升,要求未来的电网必须能够提供更加 安全、可靠、清洁、优质的电力供应,能够适应多种能源类型发电方式的 需要,能够更加适应高度市场化的电力交易的需要,能够更加适应客户的 自主选择需要,进一步提高庞大的电网资产利用效率和效益,提供更加优 质的服务。因此,具有灵活、清洁、安全、经济、友好等性能的智能电网 是未来电网的发展方向。
储能技术在智能电网中具有重要意义,能够为电力系统调峰填谷,解 决供用电矛盾;保障系统稳定运行,提高系统的稳定性和安全性;作为用 户端辅助电源,提高用电质量和供电可靠性;优化可再生能源的配置利用, 促进可再生能源开发。
发明内容
(一)要解决的技术问题
本发明所要解决的技术问题是当前的电网峰谷载荷差值高使得用电 成本增加。
(二)技术方案
本发明提出了一种智能微电网分布式储能设备控制优化方法,基于智 能电网日常周期性用户负载数据与实时电价信息,采用多块电池作为储能 设备,利用基于线性二次型的分布式控制优化算法,构建智能微电网分布 式储能设备控制优化方法,实现多电池的分布式优化控制。
本发明提出的智能微电网分布式储能设备控制优化方法包括:
S1、为智能微电网系统建立模型,获取该智能微电网系统的初始化参 数;
S2、对于所述智能微电网系统模型,将各所述电池的参数统一为其中 性能最差的电池的参数,设定该智能微电网系统模型的性能指标函数,以 该性能指标函数计算所述智能微电网系统的各电池的统一控制策略;
S3、将所述智能微电网系统模型的各电池的参数依次还原为初始参数, 每还原一个电池的参数,获得该电池的最优控制策略;
S4、根据所述性能指标函数再次计算所述智能微电网系统的各电池的 统一控制策略。
根据本发明的具体实施方式,在步骤S1中,所述初始化参数包括实 时电价、用户负载、电池数量、各电池性能参数、收敛精度中的至少一种。
根据本发明的具体实施方式,在步骤S1中,所述收敛精度为1.0×10-5。
根据本发明的具体实施方式,在步骤S1中,记x1(t)表示电网供电功 率Pg(t),x2i(t),i=1,2,…N表示各电池归一化电量Ebi(t)-0.5,i=1,2,…,N, ui(t),u=1,2,…,N表示各电池充放电功率,其中N为电池数量,则所建立 的智能微电网系统的效用函数计算公式为:
其中,m1、m2和γ为常数。
根据本发明的具体实施方式,在步骤S2中,采用基于线性二次型的 最优控制算法计算所述统一控制策略。
根据本发明的具体实施方式,步骤S2中,令 x(t)=[x1(t),x21(t),x22(t),…,x2N(t)]T,u(t)=[u1(t),u2(t),…,uN(t)]T,记J*(x(t)) 表示最优性能指标函数,则根据贝尔曼最优性原则,可以得到如下离散时 间HJB方程
其中,α表示折扣因子;
最优控制律可以表示为
令J(x(t))表示迭代性能指标函数,则最优控制算法依据下式进行迭代:
J(x(t))=U(x(t),u(t))+αJ(x(t+1))。
根据本发明的具体实施方式,在步骤S4中,采用基于线性二次型的 最优控制算法进行循环优化,直到性能指标函数满足收敛精度。
根据本发明的具体实施方式,步骤S4还包括计算各时刻电网供电功 率以及各电池的电量变化,进而根据相应的结果以及实时电价计算用户的 成本。
(三)有益效果
本发明基于智能电网中日常周期性用户负载数据与实时电价信息,构 建一种智能微电网分布式储能设备控制优化方法,采用基于线性二次型的 分布式控制优化算法,确定多电池的分布式优化控制策略,降低电网的峰 谷载荷差值,提高电网的灵活性与兼容性,并降低用户的用电成本。
附图说明
图1是本发明中智能微电网系统的结构示意图;
图2是本发明中一种智能微电网分布式储能设备控制优化方法的流程 图。
具体实施方式
在智能用电管理控制中,为了有效地平衡电网负荷、降低负荷峰谷差, 本发明以电网供电作为电能来源,以多块电池作为储能设备,根据输入的 分时电价、电池的初始容量以及负载的变化信息,利用基于线性二次型的 分布式控制优化算法,确定各电池的优化控制策略,以促进电网负载均衡, 降低用户的经济成本,适应新时代的智能电网发展。
为了更清楚地说明本发明的目的、技术方案和优点,以下结合具体实 施例,并参照附图,对本发明作进一步的详细说明。
图1是本发明中智能微电网系统结构示意图。如图1所示,智能微电 网系统由电网、用户负载、多电池系统(包括多块电池以及相应的转换器) 以及功率管理单元(控制器)组成。电池通过转换器与功率管理单元相连。
在该智能微电网系统中,各电池采取不同的控制策略满足用户负载的 需求。电池运行具有三种模式。1、充电模式:当用户负载较低且电价较 低时,电网直接满足用户负载需求,并同时对电池进行充电。2、挂起模 式:电网在某些时刻直接满足用户负载需求,而电池能量保持恒定。3、 放电模式:当用户负载较高且电价较高时,电池满足用户负载需求。
需要说明的是,该图1只是示意性的简图,实际的智能微电网以及用 户微电网系统还包括其他组成部分,但其皆为本领域的技术人员熟知,并 且不影响本发明的控制方法,因此在此不加赘述。
图2表示本发明提出的一种智能微电网分布式储能设备控制优化方法 的流程图。如图2所示,该方法包括依次执行的如下步骤:
S1、为智能微电网系统建立模型,获取该智能微电网系统的初始化参 数,所述智能微电网系统包括多个分布式的电池;
S2、对于所述智能微电网系统模型,将各所述电池的参数统一为其中 性能最差的电池的参数,设定该智能微电网系统模型的性能指标函数,以 该性能指标函数计算所述智能微电网系统的各电池的统一控制策略;
S3、将所述智能微电网系统模型的各电池的参数依次还原为初始参数, 每还原一个电池的参数,获得该电池的最优控制策略;
S4、根据所述性能指标函数再次计算所述智能微电网系统的各电池的 统一控制策略。
下面分别介绍上述各个步骤。
S1、为智能微电网系统建立模型,获取该智能微电网系统的初始化参 数。
本发明的智能微电网分布式储能设备控制优化方法基于线性二次型 的最优控制算法进行构建,建立智能微电网系统的数学模型,根据分布式 控制算法调整优化微电网用户端多块电池的充放电控制策略。
根据本发明的一种实施方式,对于任意时间t,记C(t)为所述智能微 电网系统的电价,x1(t)表示供电功率Pg(t),PL(t)为用户负载, x2i(t),i=1,2,…N表示该系统中各分布式储能设备(电池)的电量 Ebi(t)-0.5,i=1,2,…,N,ui(t),u=1,2,…,N表示各分布式储能设备的充放电 功率,ηi,i=1,2,…,N为各分布式储能设备的充放电的效率,其中N为分布 式储能设备的数量。
则智能微电网系统函数可以写成
x0(t+1)=F(x0(t),u(t)),
其中,x0(t)=[x1(t),x21(t),x22(t),…,x2N(t)]T,
u(t)=[u1(t),u2(t),…,uN(t)]T
令
则智能微电网系统函数可进一步表示为
x0(t+1)=A0·x0(t)+B0·u(t)+C0·PL(t)
为了计算方便,引入x3(t)表示用户负载项PL(t)。
记x(t)=[x1(t),x21(t),x22(t),…,x2N(t),x3(t)]T,
其中l(t)=PL(t+1)/PL(t),则系统函数转化为
x(t+1)=A·x(t)+B·u(t)
接下来,定义效用函数如下:
效用函数的物理意义为t时刻用电花费、各分布式储能设备电量变化 功率以及充放电功率的消耗总和。
令
则效用函数可以写成u[x(t),u(t)]=xT(t)Q(t)x(t)+uT(t)Ru(t)。
本发明的智能微电网系统以电网供电作为电能来源,以多块电池作为 储能设备,根据输入的实时电价、电池的初始容量以及负载的变化信息, 利用线性二次型最优控制算法确定各电池的优化控制策略,促进电网负载 均衡,降低用户的经济成本。
根据线性二次型最优控制算法以及智能微电网的需求,智能微电网分 布式储能设备控制优化方法的初始阶段需要进行参数的初始化工作,为算 法运行做好基础数据储备工作。
算法的参数初始化工作包括实时电价、用户负载、电池数量、各电池 性能参数、收敛精度等。
实时电价:采用峰谷定价策略,即用电高峰时段用电价格高,用电低 谷时段用电价格低,以鼓励用户避开高峰用电时段。实时电价信息数据参 考我国部分地区的实时电价数据获得,电价每小时改变一次,并对电价数 据进行归一化处理。所述收敛精度可为1.0×10-5。
微电网用户负载:参照供电部门采集积累的微电网用户历史用电数据, 进行分析处理获得小区楼房某一时间段内普通住宅的用户负载数据,并对 负载数据进行归一化处理,便于控制算法使用。
参数初始化:在算法开始阶段需要对算法进行电池参数初始化、迭代 次数初始化以及收敛精度初始化工作。
在实际应用过程中,实时电价信息可以通过电力部门发布的实时数据 获得,用户负载的历史数据积累可以用来对每个时间段的智能微电网分布 式储能设备控制优化方法进行重新运算规划调整,使之更加贴近当前实际 情况,算法会自动进行调整优化。因此,本发明的方法中实时电价以及微 电网用户负载数据接近实际情况即可。
S2、对于所述智能微电网系统模型,将各电池的参数统一为其中性能 最差的电池的参数,设定智能微电网系统模型的性能指标函数,以该性能 指标函数计算所述智能微电网系统的各电池的统一控制策略。
统一控制策略即各电池的控制策略相同。
该步骤即为最坏情况优化。具体来说,选取性能最差的电池,并将其 他电池的参数统一为与其参数相同,并且定义该电池为电池ρ,此时系统 状态及电池控制改变为
记x(t)=[x1(t),x2ρ(t),x2ρ(t),…,x2ρ(t)]T,
u(t)=[uρ(t),uρ(t),…,uρ(t)]T,
此时,
则智能微电微系统模型函数为x(t+1)=A·x(t)+B·u(t)。
记J*(x(t))表示最优性能指标函数,根据贝尔曼最优性原则,可以得 到如下离散时间HJB方程
其中,α表示折扣因子。
最优控制律可以表示为
令J(x(t))表示迭代性能指标函数,则最优控制算法依据下式进行迭代:
J(x(t))=U(x(t),u(t))+αJ(x(t+1))
记迭代性能指标函数为J(x(t))=Vi(x(t))=xT(t)Pix(t),其中i表示迭代 指数,则
Vi+1(x(t))=U(x(t),u(t))+αVi(x(t+1))
根据线性二次型最小值原理,令
可以得到最优控制律为u(t)=-α(R+αBTPiB)-1BTPiAx(t)。
记Ki=-α(R+αBTPiB)-1BTPiA,则u(t)=Kix(t)
进而将Vi+1(x(t))=U(x(t),u(t))+αVi(x(t+1))化为
xTPi+1x=xTQx+(Kix)TR(Kix)+α(Ax+B(Kix))TPi(Ax+B(Kix))
即Pi+1=Q+KiTRKi+α(A+BKi)TPi(A+BKi)
最坏情况优化中,利用上式进行迭代,直至Pi收敛,即性能指标函数 满足收敛精度,迭代结束。
S3、将所述智能微电网系统模型的各电池的参数依次还原为初始参数, 每还原一个电池的参数,获得该电池的最优控制策略。
最坏情况优化结束后,开始进行逐次优化,即依次改变各电池性能参 数,直至还原成初始的智能微电网系统。优化算法依然采用基于线性二次 型的最优控制算法。每次优化过程只改变一块电池的性能参数,同时只获 得该电池的最优控制策略。
下面以还原第1块电池为例进行说明。
还原第1块电池后,只调节该电池的控制律,其他电池的控制律保持 不变。
其中,记最坏情况优化中
类似地,性能指标函数可以写成
Vi+1(x)=xTPi+1x=xTQx+u1TRu1+α[(A+BK′)x+B′u1]TPi[(A+BK′)x+B′u1]
根据线性二次型最小值原理,令
贝最优控制u1=-α(R+αB′TPiB′)-1B′TPi(A+BK′)x
记K1′=-α(R+αB′TPiB′)-1B′TPi(A+BK′)
则u1=K1′x,从而更新
进而仍根据Pi+1=Q+KiTRKi+α(A+BKi)TPi(A+BKi)进行迭代,直至 Pi收敛,即性能指标函数满足收敛精度,迭代结束。
接下来,对其他电池进行相同的处理,直至将所有电池还原成初始状 态,从而逐次优化过程结束。
S4、再次根据所述性能指标函数计算所述智能微电网系统的各电池的 统一控制策略。
与步骤S2类似,所有电池还原为初始参数后,再次采用基于线性二 次型的最优控制算法进行循环优化。
如果性能指标函数满足收敛精度,则结束循环优化,并可根据最优性 能指标函数获得各电池的最优统一控制策略,并计算用电成本;如果性能 指标函数未满足收敛精度,则继续进行循环优化。
在步骤S4的基础上,根据最优性能指标函数,得到各电池的最优控 制策略,实现各电池的分布式优化控制,进而计算各时刻电网供电功率以 及各电池的电量变化,并根据相应的结果以及实时电价计算用户的成本。
可见,本发明通过不断寻找最优的电池控制策略并保存用户成本最小 时性能指标函数对应的矩阵Pi,直到迭代结束。
本发明采用基于线性二次型的最优控制算法,最大的优点是实现稳定、 准确、快速的最优控制。采用线性系统模拟实际智能微电网,克服了理论 模型与实际应用之间的矛盾,获取各电池最优的控制策略,具有较好的分 布式控制效果。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行 了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已, 并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、 等同替换、改进等,均应包含在本发明的保护范围之内。
机译: 一种用于油藏装载系统的装载周期优化方法,包括根据为装载系统提供的参数由控制器控制压力供应源,从而将相应数量的物料提供给装载
机译: 一种过程优化方法,包括分析过程定义以发现控制序列依赖性,然后将控制序列逐步转换为相应的Petri网络,然后在另一步骤中分析Petri网络
机译: 控制数据传输方法,一种受控设备,一种远程控制中介设备,一种通用远程控制设备,一种服务器及其远程控制系统,能够为该受控设备设置控制代码