基于动态规划的电池储能系统削峰填谷实时优化

《基于动态规划的电池储能系统削峰填谷实时优化》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３６卷第１２期Ｖｏｌ．３６Ｎｏ．１２２０１２年６月２５日Ｊｕｎｅ２５，２０１２ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００－１０２６．２０１２．１２．００３基于动态规划的电池储能系统削峰填谷实时优化鲍冠南，陆超，袁志昌，韩英铎（电力系统国家重点实验室，清华大学电机系，北京市１０００８４）摘要：削峰填谷是电池储能系统的基本功能之一。为了更好地发挥储能系统作用、延长电池使用寿命，削峰填谷优化需综合考虑电池容量和充放电次数、变流器出力、实时负荷曲线、与储能系统其他控制功能相配合等因素。文中提出一种基于动态规划的实时修正优化控制策略，可在优化模

2、型中引入充放电次数限制和放电深度限制等非连续约束条件，并通过将电池电量离散化等方法解决含有非连续约束的优化问题。同时，针对电网扰动等因素引起的储能系统其他控制功能动作导致的电池可用容量不确定变化，通过在线修正的方法加以解决。上述控制算法已成功应用于南方电网兆瓦级锂离子电池储能示范工程。以该系统所在的深圳碧岭站负荷实测数据为基础，对所设计控制策略进行了验证，说明了其良好的优化效果。关键词：电池储能；削峰填谷；实时优化；动态规划０引言采用动态规划算法则可以在模型中考虑不连续、非线性的约束，且方便使用计算机求解。大规模电池储能系统（ｂａｔｔｅｒｙ

3、ｅｎｅｒｇｙｓｔｏｒａｇｅ文献［１１－１２］中提出用动态规划方法求解ＢＥＳＳｓｙｓｔｅｍ，ＢＥＳＳ）通过在负荷高峰时放电，在负荷低谷削峰填谷离线优化问题，以电池剩余电量或荷电状时充电，可以实现对负荷的削峰填谷功能。电网公态（ＳＯＣ）为状态变量。本文进一步提出了基于动态司利用ＢＥＳＳ削峰填谷，能够推迟设备容量升级，提规划的削峰填谷实时控制方法，能够在线修正优化高设备利用率，节省设备更新的费用；电力用户利用结果，并且考虑到了充放电次数和放电深度对电池ＢＥＳＳ削峰填谷，可以利用峰谷电价差获得经济效寿命的影响。益。在国外已有许多大规模ＢＥＳＳ在运行

4、；在国内，南方电网开展了兆瓦级ＢＥＳＳ示范项目。本文的研１削峰填谷实时优化建模究基于南方电网兆瓦级电池储能项目，并应用于监ＢＥＳＳ的充放电功率可以快速、灵活地改变，不控系统的高级应用控制部分。需要考虑爬坡速率约束。忽略电池组的内部损耗，如何利用有限的电池容量达到最优的削峰填谷可以将电池看做恒压源模型。效果，并满足一组约束条件的限制，需要借助于优化若储能系统的拥有者为电力用户，在市场电价算法来实现。求解储能系统充放电策略的优化算法体系下，用户的目标为最大化储能系统给用户带来可分为智能优化算法和经典优化算法２类。文［１－５］的经济利益；若储能系

5、统的拥有者为电网，为了减少献［１－７］中采用智能算法来求解，包括遗传算法、［６］［７］常规发电机组的开停机次数以及旋转备用的容量，粒子群算法和模拟退火算法。智能算法的优点电网的目标为负荷曲线尽量平坦。在数学上，方差是模型中可以包含不连续、非线性的约束；其缺点是可以反映随机变量偏离其均值的程度。负荷的方差对于含有多个局部最优解的问题，智能算法无法保可以反映负荷曲线的平坦程度。在本文中选取最小证收敛到全局最优解，且参数选取困难。化负荷曲线的方差作为目标函数：求解储能系统充放电策略的经典优化算法包括Ｎ［８－１０］［１１－１２］１梯度类算法和动态规

6、划算法。梯度类算法ｍｉｎｆ（ｂ）＝∑［（Ｄ（ｉ）＋ｂ（ｉ））－无法处理不连续的约束条件，对初值的依赖性强。Ｎｉ＝１Ｎ１２∑（Ｄ（ｊ）＋ｂ（ｊ））］（１）收稿日期：２０１２－０２－２７。Ｎｊ＝１国家高技术研究发展计划（８６３计划）资助项目式中：Ｎ为一日中负荷数据点的个数，由预测负荷数（２０１１ＡＡ０５Ａ１１１）；国家重点基础研究发展计划（９７３计划）据决定，设当前时刻对应于第ｎ个负荷数据（１≤ｎ≤资助项目（２０１２ＣＢ２１５２０６）。Ｎ）；Ｄ（ｉ）为时刻ｉ的负荷，为已知量，且１≤ｉ≤ｎ时—１１—２０１２，３６（１２）为实际负荷，ｉ＞ｎ时为预测

7、负荷；ｂ（ｉ）为时刻ｉ到时电池组总容量；ＤＯＤ（ｊ）为已知的第ｊ次放电时的放刻ｉ＋１之间ＢＥＳＳ的输出功率，电池充电为正，放电深度限制值，０≤ＤＯＤ（ｊ）＜１，ＤＯＤ（ｊ）＝０表示在第电为负，且１≤ｉ＜ｎ时为已知量，ｉ≥ｎ时为控制ｊ次放电时可以将电池电量全部放出。变量。如果优化模型中只包含容量约束和功率约束，实时优化模型中包含以下几类约束条件。则约束为线性约束，目标函数为二次函数，优化模型１）电池容量约束。各时刻的电池电量不超出电符合二次规划的模型要求，可以采用有效集算法进池容量的上下限：行求解。加入充放电次数约束和放电深度约束后，Ｓｌｏｗ

8、≤ｓ（ｉ）≤Ｓｈｉｇｈｉ＝０，１，…，Ｎ（２）由于约束条件不连续，无法采用基于连续模型的优式中：Ｓｌｏｗ和Ｓｈｉｇｈ分别为电池剩余电量的下限和上化算法。本文提出的基于动态规划的实