CN119482346A 一种基于概率预测的混合储能系统分级和控制方法 （华北电力大学）

号一种基于概率预测的混合储能系统分级和特别涉及一种基于概率预测的混合储能系统分建风电混合储能两阶段随机控制优化运行模实际风力数据的算例验证了本发明所提出的模2步骤A：基于概率预测获得具有时间相关性的风电情景，量化风电系统控制的不确定所述基于概率预测获得具有时间相关性的风使用预测分位数近似估计风力发电的概率分布，获得与预测分位数相匹配的风电累计概率分布函数Ft，使用直接分位数回归法得到风电预测分位数序列基于风电预率特征的时间序列。所述预测分位数a"为：t为时刻t的随机风电功率；α为分位数的标称比例；r'为t时所述预测分位数序列为：基于概率预测得到具有时间相关性的风电情景，采用聚类方法构建典型风电场景集，32)第二阶段HESS控制：第二阶段优化HESS的化充放电功率P",获得HESS的优化充放电功率控制动作，以及预定功率与电池储能系统的优化充放电功率偏差预定功率与超级电容的优化充4所述风电混合储能两阶段随机控制优化运行模型应用于HESS系统的控制目标函数如punc储能功率日摊销成本；和分别是与BESS和SC总储能相关的单位运行成本；C为punTSSO确定的最优并网风电功率与目标预定值偏差的单位功率惩罚；和为时间t时式中N*为实验所需的样本数量；πn为实验nn5t为BESS的充放电状态变化符号，若其等于1则在t时刻从放电状态转为充电状67的风电累计概率分布函数Ft，使用直接分位数回归法得到风电预测分位数序列基于风和概率特征的时间序列。8根据预设置的风电波动规定重构IMF，根据高频率波动分配储能需要平抑的功率，获得风pp9统的优化充放电功率偏差预定功率与超级电容的优化[0029]在所述风电混合储能两阶段随机控制优化运行模型中，HESS系统的固有储能成[0032]所述风电混合储能两阶段随机控制优化运行模型应用于HESS系统的控制目标函πn＝nn/N；为特定样本n时刻t的设定目标功率值；为特定样本n在时刻t的实际功率[0041]式中：和分别为BESS和SC预先计划和优化的充放电功率的功率偏差；"和in分别为[0058]本发明提出了一种基于概率预测的混合储能系统(hybridenergystorage[0070]如图1所示的本发明实施例公开一种基于概率预测的混合储能系统分级和控制方的风电累计概率分布函数Ft，使用直接分位数回归法得到风电预测分位数序列基于风和概率特征的时间序列；[0080]在本实施例中，根据直接分位数回归法得到预测分位数序列序,序与CDF曲线上根据预设置的风电波动规定重构IMF，根据高频率波动分配储能需要平抑的功率，获得风pp[0106]在本实施例中，第一阶段的容量和功率分配考虑近乎全部风电情景下的频率情统的优化充放电功率偏差预定功率与超级电容的优化[0109]在所述风电混合储能两阶段随机控制优化运行模型中，HESS系统的固有储能成[0112]所述风电混合储能两阶段随机控制优化运行模型应用于HESS系统的控制目标函额定容量和额定功率；SC和PSC为SC的额定容量和额定功率；和分别为BESS和πn＝nn/N；为特定样本n时刻t的设定目标功率值；为特定样本n在时刻t的实际功率[0118]在本实施例中控制目标函数包括储能的投资成本、储能运维成本和风电波动惩[0122]式中：和分别为BESS和SC预先计划和优化的充放电功率的功率偏差；为样本i在时刻t时BESS的预功率；为样本i在时刻t时SC的预[0138]以风电_混合储能两阶段随机控制优化运行模型控制的HESS系统的控制目标函[0143]通过K_means对风电365天5min的数据进行聚类为8簇后，进行第一阶段预确定为本发明提出的风电一混合储能两阶段随机控制优化运行模型所得配置；方案2为随机优于方案2中的并网风电恰好被设定为预定值，因此严格的功率波动平滑要求会使BESS的周[0147]方案3采用无时间相关性的典型风电场景，其安装成本和风电波动罚则分别比方法，风电波动的惩罚仅为总成本的30验证了HESS充放电控制行动在缓解风电波动方面