基于风电预测功率的储能跟踪风电出力计划方法及其系统的制作方法
【技术领域】
[0001] 本发明属于智能电网中能量存储与转换技术领域，具体涉及一种应用储能电站考 虑短期风电功率预测、超短期风电功率预测以提高风电跟踪计划出力能力的控制方法。
【背景技术】
[0002] 近年来，随着风电场规模的不断扩大，其本身所具有的随机性和间歇性对电网的 安全性、稳定性和电能质量等都造成了巨大的冲击和影响，其中风电功率预测是保证电网 安全、提高风电效益的重要工具，风功率预测误差的大小影响系统所需的上调/下调备用 容量，对电网运行的安全性和经济性有着重要的意义，建立严格的间歇式电源并网标准具 有重要意义。我国在2011年制定了《风电场功率预测预报管理暂行办法》（简称《办法》）， 《办法》规定风电场功率预测系统提供的日预测曲线最大误差不超过25%，实时预测误差不 超过 15%。具有风电功率预测系统的风电场需向电网调度部门提供发电功率预报信息，并 用于电力系统实时调度[5]，提高风力发电上网小时数额。由于风电功率预测主要依赖数值 天气预报，受其影响，目前风电功率预测技术特别是日前预测仍存在预测误差较大的问题， 单纯通过风电场的自我调节大大降低了风电场有功功率的利用率。如今风储联合应用是当 前研宄的热点，将储能系统与风电电源相结合，能够提高风储联合出力的跟踪计划出力能 力，降低对电网的冲击，提高风电功率的利用率，提升电网对风电功率的接纳能力。
[0003] 目前，国内外均已有了多项关于风光储联合应用的示范工程，但对储能系统的控 制与分析更多的是关于平滑风电输出以及削峰填谷两方面，基于风储联合应用以提高风电 跟踪计划出力能力的研宄成果还较少。由于电池储能系统存在充放电功率及储能容量的约 束条件，并且过大的充、放电深度均会对储能电池的寿命造成影响，特别是在储能系统运行 过程中，需要控制其荷电状态（state of charge，SOC)保持在适宜的范围内，荷电状态过高 或者过低都会减少储能系统的剩余可用容量，降低储能系统的充放电功率最大允许值，从 而降低储能系统的控制效果；同时又由于风电日前预测误差经常会出现在一个时间段内持 续不满足预测误差要求的情况，对储能系统在一时段的持续出力有了更严格的要求，故控 制好电池储能系统的荷电状态，实时优化控制储能系统的出力对于改善风电跟踪计划出力 具有重要的意义。现有技术中有提出应用于风电场中跟踪短期计划出力问题中的储能系统 运行策略，但均是仅考虑当前时刻的出力控制，并不能保证此时刻之后的储能系统可以满 足出力要求，对储能系统的充放电缺乏全局考虑。因此，迫切地需要开发出一种能够提高风 储联合系统的跟踪计划出力能力及储能系统控制能力的充放电控制方法。
【发明内容】
[0004] 针对现有技术的上述缺陷，本发明的目的之一在于提出一种基于风电预测功率的 储能跟踪风电出力计划方法，该方法利用超短期及短期风电功率预测能够实时优化并修正 各时刻储能电站的充放电控制系数，以提高储能系统的容量利用率同时确保电池储能的荷 电状态处于适宜的范围，防止过充和过放的发生从而对储能系统的寿命和性能造成不利的 影响。
[0005] 为了实现上述发明目的，本发明是通过如下技术方案实现的：
[0006] -种基于风电预测功率的储能跟踪风电出力计划方法，包括以下步骤：
[0007] 读取风电场和储能系统的相关数据，包括：风电场的风电功率实际值、短期风电功 率预测值、超短期风电功率预测值以及储能系统的荷电状态值；
[0008] 建立包含充放电控制系数的储能系统充放电控制策略；
[0009] 基于短期风电功率预测值、超短期风电功率预测值和荷电状态值确定目标函数；
[0010] 通过粒子群优化算法确定充放电控制系数；
[0011] 根据充放电控制系数确定储能系统充放电功率。
[0012] 本发明的另一目的在于提出一种基于风电预测功率的储能跟踪风电出力计划系 统，包括：
[0013] 数据获取单元，用于读取风电场和储能系统的相关数据；
[0014] 控制单元，用于建立包含充放电控制系数的储能系统充放电控制策略，所述充放 电控制系数包括：荷电状态控制系数a、b，风电状态控制系数c以及充放电功率调整系数d、 e ；；
[0015] 计算模块，用于基于短期风电功率预测值、超短期风电功率预测值和荷电状态值 确定目标函数；
[0016] 优化单元，用于通过粒子群优化算法确定充放电控制系数；
[0017] 结果输出单元，用于根据充放电控制系数确定储能系统充放电功率。
[0018] 与现有技术相比，本发明达到的有益效果是：
[0019] 本发明提供了一种基于风电预测功率的储能跟踪风电出力计划方法及其系统，该 方法及系统通过每个预报点轮询一次，并通过粒子群优化算法以达到实时优化储能电站充 放电控制系数的目的，从而能够充分利用储能系统有限的容量；此外，通过对目标函数的设 定，使得储能系统的荷电状态尽可能的保持在适宜的范围从而提高其充电、放电的能力，最 终达到提尚风储联合系统跟踪计划出力的能力。
【附图说明】
[0020] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实 施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0021] 图1为本发明实施例中基于风电预测功率的储能跟踪风电出力计划方法流程图；
[0022] 图2为本发明实施例中风电实际功率以及日前短期预测功率曲线图；
[0023] 图3为本发明实施例中风电场实际功率日预测误差概率分布直方图；
[0024] 图4为本发明实施例中三种情境（即情境1、情境2和情境3)下SOC状态对比曲 线图；
[0025] 图5为本发明实施例中情境3下充放电控制系数a和b在一天内的变化曲线图；
[0026] 图6为本发明实施例中情境3下充放电控制系数c在一天内的变化曲线图；
[0027] 图7为本发明实施例中情境3下充放电控制系数d在一天内的变化曲线图；
[0028] 图8为本发明实施例中情境3下充放电控制系数e在一天内的变化曲线图；
[0029] 图9为本发明实施例中三种情境下风储联合功率日预测误差概率分布直方对比 图；
[0030] 图10为本发明实施例中预测精度较低和较高时超短期预测功率与实际功率对比 图；
[0031] 图11为本发明实施例中预测精度较低和较高时SOC状态对比曲线图；
[0032] 图12为本发明实施例中预测精度较低时充放电控制系数a和b在一天内的变化 曲线图；
[0033] 图13为本发明实施例中预测精度较低时充放电控制系数c在一天内的变化曲线 图；
[0034] 图14为本发明实施例中预测精度较低时充放电控制系数d在一天内的变化曲线 图；
[0035] 图15为本发明实施例中预测精度较低时充放电控制系数e在一天内的变化曲线 图；
[0036] 图16为本发明实施例中预测精度较低和较高时累计误差概率对比图；
【具体实施方式】
[0037] 以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够 实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施 例仅代表可能的变化。除非明确要求，否则单独的组件和功能是可选的，并且操作的顺序可 以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本 发明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同 物。在本文中，本发明的这些实施方案可以被单独地或总地用术语"发明"来表示，这仅仅 是为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为 任何单个发明或发明构思。
[0038] 为了解决现有技术中对储能系统的充放电缺乏全局性考虑的问题，本发明实施例 提出了一种基于风电预测功率的储能跟踪风电出力计划方法，该方法通过先建立5个充放 电控制系数，再基于粒子群优化算法利用超短期风电预测功率实时优化并修正各时刻储能 系统的充放电控制系数的改进，进而提高风储联合系统的跟踪计划出力能力及储能系统控 制能力。该方法所提及的储能系统可以是电磁储能、机械储能或电化学储能，本实施例中以 电池储能系统为例进行说明，该方法的流程如图1所示，包括如下步骤：
[0039] 步骤1、读取风电场和储能系统的相关数据，包括：风电场的风电功率实际值、短 期风电功率预测值、超短期风电功率预测值以及储能系统的荷电状态值；
[0040] 短期风电功率预测值的预测时间尺度为24h，预测时间分辨率为15min，即：是对 未来24小时的风电场并网功率预测值，每15分钟一个预报点，每天滚动预报一次；
[0041] 超短期风电功率预测值的预测时间尺度为4h，预测时间分辨率为15min，即：是从 预报时刻至未来4小时风电场并网功率预测值，每15分钟一个预报点，每15分钟滚动预报 一次。
[0042] 步骤2、建立包含充放电控制系数的储能系统充放电控制策略；
[0043] 现有技术中建立的储能系统充放电控