Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020107542 - ENERGY CONTROL METHOD AND SYSTEM FOR CASCADE UTILIZATION ENERGY STORAGE BATTERY OF ENERGY STORAGE UNIT

Document

说明书

发明名称 0001   0002   0003   0004   0005   0006   0007   0008   0009   0010   0011   0012   0013   0014   0015   0016   0017   0018   0019   0020   0021   0022   0023   0024   0025   0026   0027   0028   0029   0030   0031   0032   0033   0034   0035   0036   0037   0038   0039   0040   0041   0042   0043   0044   0045   0046   0047   0048   0049   0050   0051   0052   0053   0054   0055   0056   0057   0058   0059   0060   0061   0062   0063   0064   0065   0066   0067   0068   0069   0070   0071   0072   0073   0074   0075   0076   0077   0078   0079   0080   0081   0082   0083   0084   0085   0086   0087   0088   0089   0090   0091   0092   0093   0094   0095   0096   0097   0098   0099   0100   0101   0102   0103   0104   0105   0106   0107   0108   0109   0110   0111   0112   0113   0114   0115   0116   0117   0118   0119   0120   0121   0122   0123   0124   0125   0126   0127   0128   0129  

权利要求书

1   2   3   4   5   6   7   8   9   10   11   12   13  

附图

1   2   3  

说明书

发明名称 : 一种储能机组的梯次利用储能电池能量控制方法和系统

技术领域

[0001]
本发明涉及智能电网以及能量存储与转换技术领域,具体涉及一种储能机组的梯次利用储能电池能量控制方法和系统。

背景技术

[0002]
随着锂电池及其集成技术的不断发展,应用电池储能电站实现平滑风光功率输出、跟踪计划发电、参与系统调频、削峰填谷、暂态有功出力紧急响应、暂态电压紧急支撑等多种应用,不仅能提高电力设备运行效率,降低供电成本,还能促进可再生能源的应用,提高运行稳定性和可靠性。
[0003]
在梯次利用储能电池领域中,由于梯次利用电池已经经过多次充放电使用,电池容量和性能发生衰减,造成储能系统能量管理效率低。同时,由于功率变化过大容易导致梯次利用电池激增,使梯次利用电池不稳定,降低了梯次利用电池的使用寿命和系统的发电效率。
[0004]
发明内容
[0005]
针对现有技术的不足,本发明的目的是避免由于功率变化过大时梯次利用电池出力的激增,可以提前做好响应,使梯次利用电池的使用更加稳定,优化储能系统能量控制方法,提高储能系统能量管理效率。
[0006]
本发明的目的是采用下述技术方案实现的:
[0007]
一种储能机组的梯次利用储能电池能量控制方法,其改进之处在于,包括:
[0008]
获取各储能机组的梯次利用储能电池当前时刻的功率命令值;
[0009]
根据所述各储能机组的梯次利用储能电池当前时刻的功率命令值,利用预先建立的循环神经网络模型获取各储能机组的梯次利用储能电池下一时刻的功率命令值;
[0010]
根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率。
[0011]
优选的,所述获取各储能机组的梯次利用储能电池当前时刻的功率命令值,包括:
[0012]
根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数;
[0013]
根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储 能电池当前时刻的功率命令值;
[0014]
利用各储能机组的梯次利用储能电池的最大允许充放电功率修正所述各储能机组的梯次利用储能电池当前时刻的功率命令值,获取修正后的功率命令值。
[0015]
进一步的,所述根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数,包括:
[0016]
当储能机组的梯次利用储能电池总功率需求值为正值时,按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
[0017]
[0018]
当储能机组的梯次利用储能电池总功率需求值为负值时,按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
[0019]
[0020]
当储能机组的梯次利用储能电池总功率需求值为0时,第i个储能机组的梯次利用储能电池的功率分配系数
[0021]
其中,SOC i为第i个储能机组的梯次利用储能电池的荷电状态,SOH i为第i个储能机组的梯次利用储能电池的健康状态,τ i为第i个储能机组的梯次利用储能电池的类型系数,n为储能机组的梯次利用储能电池的数量,control i为第i个储能机组的梯次利用储能电池的可执行状态,SOD i为第i个储能机组的梯次利用储能电池的放电状态。
[0022]
进一步的,若第i个储能机组的梯次利用储能电池的运行状态处于并网运行状态且储能机组的梯次利用储能电池的控制模式为远程控制模式,则第i个储能机组的梯次利用储能电池的可执行状态contro il=1,否则,第i个储能机组的梯次利用储能电池的可执行状态control i=0。
[0023]
进一步的,当储能机组的梯次利用储能电池所处储能电站内电池类型为1时,
[0024]
其中,a为第i个储能机组的梯次利用储能电池的数量,m为储能机组的梯次利用储能电池的总数量;
[0025]
其中,a为第i个储能机组的梯次利用储能电池的数量,n为储能机组的梯次利用储能电 池的总数量。
[0026]
进一步的,所述根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储能电池当前时刻的功率命令值,包括:
[0027]
按下式确定第i个储能机组的梯次利用储能电池当前时刻的功率命令值P i
[0028]
[0029]
其中,P′[i]为第i个储能机组的梯次利用储能电池总功率需求值, 为第i个储能机组的梯次利用储能电池的功率分配系数。
[0030]
进一步的,所述利用各储能机组的梯次利用储能电池的最大允许充放电功率修正所述各储能机组的梯次利用储能电池当前时刻的功率命令值,获取修正后的功率命令值,包括:
[0031]
判断所述当前时刻的功率命令值是否超过各储能机组的梯次利用储能电池的最大允许充放电功率,若是,则以各储能机组的梯次利用储能电池的最大允许充放电功率作为各储能机组储能电池功率命令值;若否,则以所述当前时刻的功率命令值作为各储能机组的梯次利用储能电池的功率命令值。
[0032]
优选的,所述预先建立的循环神经网络模型的建立过程,包括:
[0033]
以历史采样周期内采样时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输入训练样本,历史采样周期内采样时刻的下一时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输出训练样本,训练并获取循环神经网络模型。
[0034]
优选的,所述根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率,包括:
[0035]
若储能机组的梯次利用储能电池下一时刻的功率命令值小于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值,则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀减缓放电速率;
[0036]
若储能机组的梯次利用储能电池下一时刻的功率命令值大于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值且小于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值,则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池维持此时的储能机组的梯次利用储能电池放电速率;
[0037]
若储能机组的梯次利用储能电池下一时刻的功率命令值大于等于历史采样周期内各采样 时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值,则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀增加储能机组的梯次利用储能电池放电速率。
[0038]
一种计算机存储介质,其改进之处在于,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令用于执行如上任一项所述的储能机组的梯次利用储能电池能量控制方法。
[0039]
一种电子设备,其改进之处在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如上任一项所述的储能机组的梯次利用储能电池能量控制方法。
[0040]
进一步的,所述电子设备还包括:用于获取各储能机组中梯次利用储能电池参数的至少一个通信接口。
[0041]
进一步的,所述电子设备为控制器、PC机或控制平台所在设备。
[0042]
与最接近的现有技术相比,本发明具有的有益效果:
[0043]
本发明提供的技术方案,获取各储能机组的梯次利用储能电池当前时刻的功率命令值;根据所述各储能机组的梯次利用储能电池当前时刻的功率命令值,利用预先建立的循环神经网络模型获取各储能机组的梯次利用储能电池下一时刻的功率命令值;根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率。基于本发明提供的技术方案,通过循环神经网络对功率命令值进行预测,从而避免了功率变化过大时梯次利用电池出力的激增,可以提前做好响应,使梯次利用电池的使用更加稳定,该方法优化了储能系统能量控制方法,提高了储能系统能量管理效率;
[0044]
本发明还将储能机组的梯次利用储能电池的健康状态、储能机组的梯次利用储能电池的荷电状态和储能机组的梯次利用储能电池的充放电状态纳入储能系统能量控制方法中,从而优化了储能系统能量控制方法,提高了储能系统能量管理效率,同时有效的防止了储能设备过度充放电。

附图说明

[0045]
图1是本发明提供的一种储能机组的梯次利用储能电池能量控制方法;
[0046]
图2是本发明实施例提供的储能电站结构示意图;
[0047]
图3是本发明提供的一种储能机组的梯次利用储能电池能量管理系统的结构示意图。

具体实施方式

[0048]
下面结合附图对本发明的具体实施方式作进一步的详细说明。
[0049]
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
[0050]
本发明提供了一种储能机组的梯次利用储能电池能量控制方法,如图1所示,包括:
[0051]
101.获取各储能机组的梯次利用储能电池当前时刻的功率命令值;
[0052]
102.根据所述各储能机组的梯次利用储能电池当前时刻的功率命令值,利用预先建立的循环神经网络模型获取各储能机组的梯次利用储能电池下一时刻的功率命令值;
[0053]
103.根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率。
[0054]
例如:如图2所示,储能电站中包括变压器、双向变流器和储能机组,其中储能机组中包括梯次利用储能电池,通过双向变流器可执行对储能机组的启停控制和充放电功率指令。
[0055]
所述获取各储能机组的梯次利用储能电池当前时刻的功率命令值,包括:
[0056]
根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数;
[0057]
根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储能电池当前时刻的功率命令值;
[0058]
利用各储能机组的梯次利用储能电池的最大允许充放电功率修正所述各储能机组的梯次利用储能电池当前时刻的功率命令值,获取修正后的功率命令值。
[0059]
所述根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数,包括:
[0060]
当储能机组的梯次利用储能电池总功率需求值为正值时,按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
[0061]
[0062]
当储能机组的梯次利用储能电池总功率需求值为负值时,按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
[0063]
[0064]
当储能机组的梯次利用储能电池总功率需求值为0时,第i个储能机组的梯次利用储能电池的功率分配系数
[0065]
其中,SOC i为第i个储能机组的梯次利用储能电池的荷电状态,SOH i(state of health)为第i个储能机组的梯次利用储能电池的健康状态,τ i为第i个储能机组的梯次利用储能电池的类型系数,n为储能机组的梯次利用储能电池的数量,control i为第i个储能机组的梯次利用储能电池的可执行状态,SOD i为第i个储能机组的梯次利用储能电池的放电状态。
[0066]
例如,SOD i=1-SOC i
[0067]
若第i个储能机组的梯次利用储能电池的运行状态处于并网运行状态且储能机组的梯次利用储能电池的控制模式为远程控制模式,则第i个储能机组的梯次利用储能电池的可执行状态control i=1,否则,第i个储能机组的梯次利用储能电池的可执行状态control i=0。
[0068]
当储能机组的梯次利用储能电池所处储能电站内电池类型为1时,
[0069]
其中,a为第i个储能机组的梯次利用储能电池的数量,m为储能机组的梯次利用储能电池的总数量;
[0070]
其中,a为第i个储能机组的梯次利用储能电池的数量,n为储能机组的梯次利用储能电池的总数量。
[0071]
所述根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储能电池当前时刻的功率命令值,包括:
[0072]
按下式确定第i个储能机组的梯次利用储能电池当前时刻的功率命令值P i
[0073]
[0074]
其中,P′[i]为第i个储能机组的梯次利用储能电池总功率需求值, 为第i个储能机组的梯次利用储能电池的功率分配系数。
[0075]
所述利用各储能机组的梯次利用储能电池的最大允许充放电功率对所述各储能机组的梯次利用储能电池当前时刻的功率命令值修正,获取修正后的功率命令值,包括:
[0076]
判断所述当前时刻的功率命令值是否超过各储能机组的梯次利用储能电池的最大允许充 放电功率,若是,则以各储能机组的梯次利用储能电池的最大允许充放电功率作为各储能机组储能电池功率命令值;若否,则以所述当前时刻的功率命令值作为各储能机组的梯次利用储能电池的功率命令值。
[0077]
例如,当前时刻的功率命令值超过各储能机组的梯次利用储能电池的最大允许充放电功率,以各储能机组的梯次利用储能电池的最大允许充放电功率作为各储能机组储能电池功率命令值,剩余冗余功率由功率型储能元件消纳。
[0078]
例如,所述储能机组的梯次利用储能电池的荷电状态、所述储能机组的梯次利用储能电池的健康状态、所述储能机组的梯次利用储能电池的运行状态、所述储能机组的梯次利用储能电池的控制模式、所述储能机组的梯次利用储能电池总功率需求值由监控平台实时采集获取。
[0079]
所述储能机组的梯次利用储能电池的运行状态包括并网运行、冷备(停机)、检修、调试、热备;所述储能机组的梯次利用储能电池的控制模式包括远程控制模式和就地控制模式。
[0080]
所述根据所述各储能机组的梯次利用储能电池当前时刻的功率命令值,利用预先建立的循环神经网络模型获取各储能机组的梯次利用储能电池下一时刻的功率命令值,包括:
[0081]
以所述各储能机组的梯次利用储能电池当前时刻的功率命令值作为预先建立的循环神经网络模型的输入,获取各储能机组的梯次利用储能电池下一时刻的功率命令值。
[0082]
所述预先建立的循环神经网络模型的建立过程,包括:
[0083]
以历史采样周期内采样时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输入训练样本,历史采样周期内采样时刻的下一时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输出训练样本,训练并获取循环神经网络模型。
[0084]
所述根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率,包括:
[0085]
若储能机组的梯次利用储能电池下一时刻的功率命令值小于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值,则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀减缓放电速率;
[0086]
若储能机组的梯次利用储能电池下一时刻的功率命令值大于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值且小于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值,则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池维持此时的储能机组的梯次利用储能电池放电速 率;
[0087]
若储能机组的梯次利用储能电池下一时刻的功率命令值大于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值,则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀增加储能机组的梯次利用储能电池放电速率。
[0088]
基于上述方法同一构思,本发明还提供一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令用于执行如上任一项所述储能机组的梯次利用储能电池能量控制方法。
[0089]
基于上述方法同一构思,本发明还提供一种电子设备,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如上任一项所述储能机组的梯次利用储能电池能量控制方法。
[0090]
所述电子设备还包括:用于获取各储能机组中梯次利用储能电池参数的至少一个通信接口。
[0091]
所述电子设备为控制器、PC机或控制平台所在设备。
[0092]
基于上述方法同一构思,本发明还提供一种储能机组的梯次利用储能电池能量管理系统,如图3所示,所述系统包括:
[0093]
第一获取单元,用于获取各储能机组的梯次利用储能电池当前时刻的功率命令值;
[0094]
第二获取单元,用于根据所述各储能机组的梯次利用储能电池当前时刻的功率命令值,利用预先建立的循环神经网络模型获取各储能机组的梯次利用储能电池下一时刻的功率命令值;
[0095]
调整单元,用于根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率。
[0096]
所述第一获取单元,包括:
[0097]
第一确定模块,用于根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数;
[0098]
第二确定模块,用于根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储能电池当前时刻的功率命令值;
[0099]
修正模块,用于利用各储能机组的梯次利用储能电池的最大允许充放电功率对所述各储能机组的梯次利用储能电池当前时刻的功率命令值修正,获取修正后的功率命令值。
[0100]
所述第一确定模块,包括:
[0101]
第一确定子模块,用于当储能机组的梯次利用储能电池总功率需求值为正值时,按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
[0102]
[0103]
第二确定子模块,用于当储能机组的梯次利用储能电池总功率需求值为负值时,按下式确定第i个储能机组的梯次利用储能电池的功率分配系数
[0104]
[0105]
第三确定子模块,用于当储能机组的梯次利用储能电池总功率需求值为0时,第i个储能机组的梯次利用储能电池的功率分配系数
[0106]
其中,SOC i为第i个储能机组的梯次利用储能电池的荷电状态,SOH i为第i个储能机组的梯次利用储能电池的健康状态,τ i为第i个储能机组的梯次利用储能电池的类型系数,n为储能机组的梯次利用储能电池的数量,control i为第i个储能机组的梯次利用储能电池的可执行状态,SOD i为第i个储能机组的梯次利用储能电池的放电状态。
[0107]
若第i个储能机组的梯次利用储能电池的运行状态处于并网运行状态且储能机组的梯次利用储能电池的控制模式为远程控制模式,则第i个储能机组的梯次利用储能电池的可执行状态control i=1,否则,第i个储能机组的梯次利用储能电池的可执行状态control i=0。
[0108]
当储能机组的梯次利用储能电池所处储能电站内电池类型为1时,τ i=1;
[0109]
当储能机组的梯次利用储能电池所处储能电站内电池类型大于1时,
[0110]
其中,a为第i个储能机组的梯次利用储能电池的数量,m为储能机组的梯次利用储能电池的总数量。
[0111]
所述第二确定模块,用于:
[0112]
按下式确定第i个储能机组的梯次利用储能电池当前时刻的功率命令值P i
[0113]
[0114]
其中,P′[i]为第i个储能机组的梯次利用储能电池总功率需求值, 为第i个储能机组的梯次利用储能电池的功率分配系数。
[0115]
所述修正模块,用于:
[0116]
判断所述当前时刻的功率命令值是否超过各储能机组的梯次利用储能电池的最大允许充放电功率,若是,则以各储能机组的梯次利用储能电池的最大允许充放电功率作为各储能机组储能电池功率命令值;若否,则以所述当前时刻的功率命令值作为各储能机组的梯次利用储能电池的功率命令值。
[0117]
所述第二获取单元,用于:
[0118]
以所述各储能机组的梯次利用储能电池当前时刻的功率命令值作为预先建立的循环神经网络模型的输入,获取各储能机组的梯次利用储能电池下一时刻的功率命令值。
[0119]
所述预先建立的循环神经网络模型的建立过程,包括:
[0120]
以历史采样周期内采样时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输入训练样本,历史采样周期内采样时刻的下一时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输出训练样本,训练获取所述预先建立的循环神经网络模型。
[0121]
所述调整单元,包括:
[0122]
第一调整模块,用于若储能机组的梯次利用储能电池下一时刻的功率命令值小于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值,则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀减缓放电速率;
[0123]
第二调整模块,用于若储能机组的梯次利用储能电池下一时刻的功率命令值大于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值且小于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值,则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池维持此时的储能机组的梯次利用储能电池放电速率;
[0124]
第三调整模块,用于若储能机组的梯次利用储能电池下一时刻的功率命令值大于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值,则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀增加储能机组的梯次利用储能电池放电速率。
[0125]
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形 式。
[0126]
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0127]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0128]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0129]
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。

权利要求书

[权利要求 1]
一种储能机组的梯次利用储能电池能量控制方法,其特征在于,所述方法包括: 获取各储能机组的梯次利用储能电池当前时刻的功率命令值; 根据所述各储能机组的梯次利用储能电池当前时刻的功率命令值,利用预先建立的循环神经网络模型获取各储能机组的梯次利用储能电池下一时刻的功率命令值; 根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率。
[权利要求 2]
如权利要求1所述的方法,其特征在于,所述获取各储能机组的梯次利用储能电池当前时刻的功率命令值,包括: 根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数; 根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储能电池当前时刻的功率命令值; 利用各储能机组的梯次利用储能电池的最大允许充放电功率修正所述各储能机组的梯次利用储能电池当前时刻的功率命令值,获取修正后的功率命令值。
[权利要求 3]
如权利要求2所述的方法,其特征在于,所述根据各储能机组的梯次利用储能电池的健康状态确定各储能机组的梯次利用储能电池的功率分配系数,包括: 当储能机组的梯次利用储能电池总功率需求值为正值时,按下式确定第i个储能机组的梯次利用储能电池的功率分配系数 当储能机组的梯次利用储能电池总功率需求值为负值时,按下式确定第i个储能机组的梯次利用储能电池的功率分配系数 当储能机组的梯次利用储能电池总功率需求值为0时,第i个储能机组的梯次利用储能电池的功率分配系数 其中,SOC i为第i个储能机组的梯次利用储能电池的荷电状态,SOH i为第i个储能机组的梯次利用储能电池的健康状态,τ i为第i个储能机组的梯次利用储能电池的类型系数,n为储能机组的梯次利用储能电池的数量,control i为第i个储能机组的梯次利用储能电池的可执行状态,SOD i为第i个储能机组的梯次利用储能电池的放电状态。
[权利要求 4]
如权利要求3所述的方法,其特征在于,若第i个储能机组的梯次利用储能电池的运行状态处于并网运行状态且储能机组的梯次利用储能电池的控制模式为远程控制模式,则第i个储能机组的梯次利用储能电池的可执行状态control i=1,否则,第i个储能机组的梯次利用储能电池的可执行状态control i=0。
[权利要求 5]
如权利要求3所述的方法,其特征在于,当储能机组的梯次利用储能电池所处储能电站内电池类型为1时,τ i=1; 当储能机组的梯次利用储能电池所处储能电站内电池类型大于1时, 其中,a为第i个储能机组的梯次利用储能电池的数量,m为储能机组的梯次利用储能电池的总数量。
[权利要求 6]
如权利要求2所述的方法,其特征在于,所述根据所述各储能机组的梯次利用储能电池的功率分配系数确定各储能机组的梯次利用储能电池当前时刻的功率命令值,包括: 按下式确定第i个储能机组的梯次利用储能电池当前时刻的功率命令值P i 其中,P′[i]为第i个储能机组的梯次利用储能电池总功率需求值, 为第i个储能机组的梯次利用储能电池的功率分配系数。
[权利要求 7]
如权利要求2所述的方法,其特征在于,所述利用各储能机组的梯次利用储能电池的最大允许充放电功率修正所述各储能机组的梯次利用储能电池当前时刻的功率命令值,获取修正后的功率命令值,包括: 判断所述当前时刻的功率命令值是否超过各储能机组的梯次利用储能电池的最大允许充放电功率,若是,则以各储能机组的梯次利用储能电池的最大允许充放电功率作为各储能机组储能电池功率命令值;若否,则以所述当前时刻的功率命令值作为各储能机组的梯次利用储能电池的功率命令值。
[权利要求 8]
如权利要求1所述的方法,其特征在于,所述预先建立的循环神经网络模型的建立过程,包括: 以历史采样周期内采样时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输入训练样本,历史采样周期内采样时刻的下一时刻对应的各储能机组的梯次利用储能电池的功率命令值作为循环神经网络模型初始模型的输出训练样本,训练并获取循环神经网络模型。
[权利要求 9]
如权利要求1所述的方法,其特征在于,所述根据各储能机组的梯次利用储能电池下一时刻的功率命令值调整所述各储能机组的梯次利用储能电池的当前放电速率,包括: 若储能机组的梯次利用储能电池下一时刻的功率命令值小于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值,则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀减缓放电速率; 若储能机组的梯次利用储能电池下一时刻的功率命令值大于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最小值且小于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值,则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池维持此时的储能机组的梯次利用储能电池放电速率; 若储能机组的梯次利用储能电池下一时刻的功率命令值大于等于历史采样周期内各采样时刻对应的储能机组的梯次利用储能电池的功率命令值的最大值,则在当前时刻至当前时刻的下一时刻内该储能机组的梯次利用储能电池均匀增加储能机组的梯次利用储能电池放电速率。
[权利要求 10]
一种计算机存储介质,其特征在于,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1至9任一项所述的一种储能机组的梯次利用储能电池能量控制方法。
[权利要求 11]
一种电子设备,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-9任一项所述的方法。
[权利要求 12]
根据权利要求11所述电子设备,其特征在于,所述电子设备还包括:用于获取各储能机组中梯次利用储能电池参数的至少一个通信接口。
[权利要求 13]
根据权利要求11或12所述的电子设备,其特征在于,所述电子设备为控制器、PC机或控制平台所在设备。

附图

[ 图 1]  
[ 图 2]  
[ 图 3]