[发明专利]考虑退化成本的电池储能参与调峰双层滚动优化控制方法

说明书

本发明提出考虑退化成本的电池储能参与调峰双层滚动优化控制方法，首先，考虑到调峰目标和经济成本属于不同维度，引入经济折算系数，将调峰目标映射到经济维度。而后，由于电池储能参与调峰过程中会频繁充放电，加速电池储能退化过程，因此，建立了考虑放电深度和循环寿命的电池储能退化成本模型。最后，为了进一步应对风电的间歇性和不确定性，提出一种双层滚动优化控制方法，上层长时间尺度滚动优化层以最小化系统综合运行成本为目标，通过多步滚动优化制定调度计划，下层短时间尺度实时滚动调整层则基于短时间尺度的风电和负荷预测数据，跟踪和修正上层的调度计划。本发明增强了电网应对不确定性的能力，实现了经济有效调峰。

技术领域

本发明涉及电网运行控制技术领域，尤其是考虑退化成本的电池储能参与调峰双层滚动优化控制方法。

背景技术

大规模并网的风电(WindTurbine，WT)具有反调峰特性，导致电力系统的负荷峰谷差大幅增加，采用具有灵活运行特性的电池储能(Battery Energy Storage，BES)参与调峰引起了的广泛关注。然而，风电的不确定性和间歇性以及负荷预测误差，会影响BES参与调峰的性能，因此，需要制定合理有效的BES 参与调峰的优化控制策略，在最小化系统经济成本的同时，实现有效调峰。此外， BES参与调峰过程中的频繁充放电，会加速BES退化过程，缩短BES循环寿命。因此，在制定BES参与调峰的优化控制策略时，需要建立既能准确反映BES退化过程，又易于求解的退化成本模型。

目前，针对电池储能参与调峰的优化控制方法主要包括日前优化调度方法和基于模型预测控制(Model Predictive Control，MPC)的优化控制方法，其中基于MPC的优化控制方法又包括单时间尺度滚动优化控制方法和日前优化调度与日内MPC滚动优化相结合的多时间尺度优化控制方法。

日前优化调度是一次离线全时段优化，其调度计划的准确性在很大程度上取决于不确定性因素的预测精度。如果风电和负荷的预测精度较低，将导致日前优化调度计划与实际运行存在较大偏差，不利于电力系统的经济安全运行。

单时间尺度的滚动优化控制方法，包括短时间尺度或长时间尺度的滚动优化控制方法。单时间尺度的滚动优化控制方法虽然在不确定环境下具有较强的鲁棒性，但存在一定的局限性，具体表现为：当采用短时间尺度的滚动优化控制方法时，由于较短的预测时域包含较少的信息量，为保证系统做出更符合实际运行情况的计划，需选取较长的预测时域使滚动优化模型包含更丰富的未来信息量，然而当预测时域较长时，滚动优化模型难以获取未来所有调度时段内较为精确的预测数据；当采用长时间尺度的滚动优化控制方法时，由于预测精度会随着时间尺度的增大而逐渐降低，因此长时间尺度滚动优化所获取到的预测数据精度较低，从而会导致优化控制结果的准确度降低，难以保证系统运行经济性。

基于日前调度与日内MPC滚动优化相结合的多时间尺度优化控制方法，通过多时间尺度的形式削弱了不确定性因素的影响。然而，日前优化调度计划与实际运行情况存在较大偏差，不利于日内滚动优化根据短期预测数据对其进行跟踪与修正。

针对风电的不确定性和间歇性，以上三种方法均存在过度依赖预测信息精度的不足。此外，当前关于电池储能参与调峰的研究存在忽略BES退化成本的不足。

基于上述分析，本发明提出一种考虑退化成本的电池储能参与调峰的双层滚动优化控制方法。

发明内容

本发明提出考虑退化成本的电池储能参与调峰双层滚动优化控制方法，能够增强电网应对不确定性的能力，实现电网经济有效调峰。

本发明采用以下技术方案。

考虑退化成本的电池储能参与调峰双层滚动优化控制方法，用于制定电池储能BES(Battery Energy Storage的简写)参与的电网调峰控制策略，所述方法包括以下步骤：