[发明专利]一种基于负荷预测的电池储能系统削峰填谷实时控制方法

说明书

技术领域

本发明涉及一种基于负荷预测的电池储能系统削峰填谷实时控制方法，属于电力系统自动控制领域。

背景技术

大规模电池储能系统(Battery Energy Storage System，以下简称BESS)通过在负荷高峰时放电，在负荷低谷时充电，可以实现对负荷的削峰填谷功能。对电网来说，利用电池储能系统削峰填谷能够推迟设备容量升级，提高设备利用率，节省设备更新的费用；对用户来说，利用电池储能系统削峰填谷可以利用峰谷电价差获得经济效益。在国外已有许多大规模BESS在运行；在国内，南方电网开展了兆瓦级电池储能系统示范项目。

BESS削峰填谷效果依赖于预测负荷曲线的准确性。短期负荷预测方法可以分为两大类——传统预测方法和人工智能预测方法。传统预测方法包括时间序列法、回归分析法、趋势外插法、弹性系数法等等；人工智能方法包括专家系统法、模糊推理法、人工神经网络法等等。将需要进行负荷预测的一天称为预测日。传统的短期负荷预测往往只依赖于预测日以前的历史负荷数据，提前对预测日负荷进行预测。扩展短期负荷预测的概念是利用历史信息和当前可获得的最新信息预测当日当前时刻以后未知的负荷以用于对当日负荷计划的调整。从预测周期上看扩展短期负荷预测介于超短期、短期负荷预测之间。

从时间长短来看，削峰填谷是BESS在“小时级”的应用。传统的BESS实时控制有两种模式，一种是固定模式，按照事先定好的曲线来运行，这种模式的缺点是不够灵活，无法适应实时负荷曲线的变化；另一种是负荷跟踪控制模式，使负荷跟踪计算出的目标功率，这种模式的缺点是电池有可能因为电量不足或电量已满而无法继续跟踪目标值。如何利用有限的电池容量达到最优的削峰填谷效果，并满足一组约束条件的限制，需要实时地借助于优化算法来实现。

目前的优化算法包括梯度类算法、智能算法和动态规划算法。随着时间步长的减小，梯度类算法的迭代时间大大增加，并且梯度类算法无法处理非连续的约束条件。智能算法包括遗传算法、粒子群算法、模拟退火算法等。在智能算法中，选取合适的参数非常困难且智能算法无法保证每次都能求得全局最优解。动态规划算法可以处理非连续、非线性的约束。

对电池的充放电次数和放电深度加以限制，可以起到延长电池寿命的作用，也可以用来研究电池寿命和充放电次数、放电深度的关系。以往求解电池充放电策略的算法中，没有考虑电池充放电次数约束和放电深度约束。这两个约束是非连续约束，无法用基于连续约束的优化方法来求解。

发明内容

本发明的目的是提出一种电池储能系统削峰填谷实时控制方法，在每次控制时求解出电池储能系统充电或放电指令，经过平滑处理后下发给电力电子变流器进行充放电，使负荷曲线变得平坦，充放电策略满足电池的充放电次数限制和放电深度限制，以延长电池的使用寿命。

本发明提出的基于负荷预测的电池储能系统削峰填谷实时控制方法，包括以下各步骤：

(1)在历史负荷数据库中寻找n条与预测日的日类型相同、天气相同的日期的负荷数据，称为历史相似日负荷数据，由历史相似日负荷数据分别得到n条历史相似日负荷曲线；将预测日的一天划分为N个阶段，相邻两个阶段的预测负荷数据的时间间隔为Δt；

(2)采用线性回归分析法进行扩展短期负荷预测，预测方法如下：

(2-1)设测量时刻是在预测日的第m个阶段，预测日的实时负荷曲线r(j)(j＝1，2，……，N)中有m个已知的负荷数据和N-m个未知的负荷数据，并设预测负荷曲线(j＝1，2，……，N)为n条历史相似日负荷曲线h₁(j)，h₂(j)，…h_n(j)(j＝1，2，……，N)的线性组合，则预测负荷曲线为：

其中α_i为历史相似日负荷曲线h_i(j)的拟合参数；

(2-2)根据“近大远小”原则，即距离预测点近的时刻的已知负荷值对预测值的影响大于距离预测点远的时刻的负荷值，第一个阶段到第N个阶段的负荷点的权重w_j取值如下：