一种风电场的储能控制方法、装置及存储介质与流程

发电;变电;配电装置的制造技术1.本技术涉及风电场储能技术领域，尤其涉及一种风电场的储能控制方法、装置及存储介质。背景技术：2.在“风储”场景下，风电场一般会采用功率预测数据作为储能系统充放电控制的核心边界(即作为风电场实发功率)，但是，由于风力的间隙性、随机性等自然属性，导致功率预测精度普遍不高，从而影响到储能系统的充放电控制策略，进而可能导致资源的浪费。3.相关技术中，风电场采用持久化方法对功率进行预测，但是持久化方法仅适用于极短时间内的预测，准确性会随着时间的增加而迅速下降，预测功率精度较低，进而导致储能对应的充放电控制策略精度较低。技术实现要素：4.本技术提供一种风电场的储能控制方法、装置及存储介质，以解决上述相关技术中出现的技术问题。5.本技术第一方面实施例提出一种风电场的储能控制方法，包括：6.获取风电场第一预设时间段内各时刻修正后的功率预测数据；7.将所述修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值；8.基于所述储能充放电功率参考值对各时刻的充放电功率进行优化控制。9.可选的，所述储能控制模型包括：以所述风电场对应的投资回报率与理想折扣率之和最大为目标的目标函数，及适用于所述目标函数的多个约束条件。10.可选的，在所述获取风电场第一预设时间段内各时刻修正后的功率预测数据之前，还包括：11.获取风电场第一预设时间段内各时刻的原始功率预测数据；12.确定所述各时刻原始功率预测数据的所属分区；13.根据所述各时刻原始预测功率数据的所属分区，确定所述各时刻所属分区对应的修正系数；14.将所述各时刻原始功率预测数据及所述修正系数代入功率预测修正模型，利用所述功率预测修正模型对所述原始功率预测数据进行修正，得到各时刻修正后的功率预测数据。15.可选的，所述根据所述各时刻原始功率预测数据的所属分区，确定所述各时刻所属分区对应的修正系数，包括：16.获取所述各时刻所属分区过去第二预设时间段内的预测功率数据和实际功率数据；17.对所述各时刻第二预设时间段内的历史数据进行统计分析，确定所述各时刻所属分区对应的修正系数。18.本技术第二方面实施例提出一种风电场的储能控制装置，包括：19.获取模块，用于获取风电场第一预设时间段内各时刻修正后的功率预测数据；20.计算模块，用于将所述修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值；21.控制模块，用于基于所述储能充放电功率参考值对各时刻的充放电功率进行优化控制。22.可选的，所述储能控制模型包括：以所述风电场对应的投资回报率与理想折扣率之和最大为目标的目标函数，及适用于所述目标函数的多个约束条件。23.可选的，所述装置还用于：24.获取风电场第一预设时间段内各时刻的原始功率预测数据；25.确定所述各时刻原始功率预测数据的所属分区；26.根据所述各时刻原始预测功率数据的所属分区，确定所述各时刻所属分区对应的修正系数；27.将所述各时刻原始功率预测数据及所述修正系数代入功率预测修正模型，利用所述功率预测修正模型对所述原始功率预测数据进行修正，得到各时刻修正后的功率预测数据。28.可选的，所述装置还用于：29.获取所述各时刻所属分区过去第二预设时间段内的预测功率数据和实际功率数据；30.对所述各时刻第二预设时间段内的历史数据进行统计分析，确定所述各时刻所属分区对应的修正系数。31.本技术第三方面实施例提出的计算机存储介质，其中，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行后，能够实现如上第一方面所述的方法。32.本技术第四方面实施例提出的计算机设备，其中，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述程序时，能够实现如上第一方面所述的方法。33.本技术的实施例提供的技术方案至少带来以下有益效果：34.本技术提出的风电场的储能控制方法、装置及存储介质中，获取第一预设时间段内各时刻修正后的功率预测数据，将修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值，基于储能充放电功率参考值对各时刻的充放电功率进行优化控制。其中，本技术中的储能控制模型是利用修正后的功率预测数据得到各时刻储能充放电功率的，提高了功率预测数据的精度，进而提高了储能充放电控制策略的精度。35.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。附图说明36.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：37.图1为根据本技术一个实施例提供的风电场的储能控制方法的流程示意图；38.图2为根据本技术一个实施例提供的风电场的储能控制装置的结构示意图。具体实施方式39.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。40.下面参考附图描述本技术实施例的风电场的储能控制方法及装置。41.实施例一42.图1为根据本技术一个实施例提供的一种风电场的储能控制方法的流程示意图，如图1所示，可以包括：43.步骤101、获取风电场第一预设时间段内各时刻修正后的功率预测数据。44.其中，在本技术的一个实施例之中，上述第一预设时间段可以是未来4个小时或者未来1天。45.以及，在本技术的一个实施例之中，在获取风电场第一预设时间段内各时刻修正后的功率预测数据之前，还可以包括以下步骤：46.步骤a、获取风电场第一预设时间段内各时刻的原始功率预测数据。47.其中，在本技术的一个实施例之中，可以通过现有计算量一般的功率预测方法得到风电场第一预设时间段内各时刻的原始预测功率数据。48.步骤b、确定各时刻原始功率预测数据的所属分区。49.其中，在本技术的一个实施例之中，确定原始预测功率数据的所属分区之前，还包括：根据风电场容量和过去第三预设时间段内的实际功率数据，对风电场的功率数据进行分区。在本技术的一个实施例之中，上述第三预设时间段内可以是过去一年的时间。50.以及，在本技术的一个实施例之中，风电场可以根据自身的情况将风电场的功率数据分为m个区，不同的区间内，预测功率数据与实际功率的偏差具有各自不同的特征，且每个区都对应的序号(例如，s1、s2)，其中m大于等于2，m为正整数。51.示例的，在本技术的一个实施例之中，风电场根据自身的情况将风电场的功率数据间隔相同功率分为m个区，例如功率间隔20进行分区，将风电场分为[0,20w)，[20w,40w)，[40w,60w]，3个区。[0052]需要说明的是，在本技术的一个实施例之中，对风电场的功率数据进行分区之后，可以将每个区的序号和区间存在的映射关系进行存储，然后当获取原始预测功率数据之后，可以先确定该原始预测功率数据所属的区间，然后再根据每个区的序号和区间的映射关系确定原始预测功率数据的所属分区。[0053]步骤c、根据各时刻原始预测功率数据的所属分区，确定各时刻所属分区对应的修正系数。[0054]其中，在本技术的一个实施例之中，上述根据各时刻原始预测功率数据的所属分区，确定各时刻所属分区对应的修正系数的方法可以包括以下步骤：[0055]步骤1、获取各时刻所属分区过去第二预设时间段内的预测功率数据和实际功率数据。[0056]需要说明的是，在本技术的一个实施例之中，若预测功率数据的时刻与当前时刻相隔时间跨度较大时，初始预测功率数据的准确度较差，基于此基于历史数据对当前预测值调整时，选取的过去第二预设时间段不能与预测功率数据对应的时刻太远。[0057]示例的，在本技术的一个实施例之中，第二预设时间段可以是当前时刻过去1天。[0058]步骤2、对第二预设时间段内的历史数据进行统计分析，确定各时刻所属分区对应的修正系数。[0059]其中，在本技术的一个实施例之中，对第一预设时间段内的一个时刻所属分区对应的第二预设时间段内的历史数据进行统计分析，确定所属分区对应的修正系数的方法可以包括：获取上述该时刻过去第二预设时间段内的所有时刻对应的历史修正系数，基于该历史修正系数得到该时刻所属分区对应的修正系数。[0060]具体的，在本技术的一个实施例之中，上述方法的计算公式如下：[0061][0062]其中，在本技术的一个实施例之中，βt是t时刻的修正系数，上述n为当前t时刻之前第二预设时间段内对应的时刻数量，βi为t时刻之前第二预设时间段内第i个时刻的修正系数，βi∈[0,1]。[0063]以及，在本技术的一个实施例之中，上述第一预设时间段内的各个时刻的修正系数均可以通过上述方法得到。[0064]步骤d、将各时刻原始功率预测数据及修正系数代入功率预测修正模型，利用功率预测修正模型对各时刻原始功率预测数据进行修正，得到各时刻修正后的功率预测数据。[0065]在本技术的一个实施例之中，上述预测功率修正模型的计算公式如下：[0066][0067]其中，p_adjustt为t时刻修正后的预测功率数据，p_predictt为t时刻的原始预测功率数据，n为t时刻之前第二预设时间段内对应的时刻值，p_reali为t时刻之前第二预设时间段内第i个时刻真实的功率数据，p_predicti为t时刻之前第二预设时间段内第i个时刻预测的功率数据，βt为t时刻的修正系数。[0068]其中，上述功率预测修正模型利用同一分区的历史功率数据对预测功率数据进行修正，使得修正后的预测功率数据更加精确，从而提高了预测精度。同时，本技术中将功率数据进行分区，各分区采用不同的修正系数，并通过所属分区确定对应的修正系数，考虑的粒度更加细致，提高了稳定性与可靠性。[0069]步骤102、将修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值。[0070]其中，在本技术的一个实施例之中，上述储能控制模型可以包括：以风电场对应的投资回报率与理想折扣率之和最大为目标的目标函数，及适用于目标函数的多个约束条件。[0071]其中，在本技术的一个实施例之中，以风电场对应的投资回报率与理想折扣率之和最大为目标的目标函数为：[0072]j＝max(roi+idr)[0073]其中，idr为预设时段内风电场对应的理想折扣率，roi表示所预设时间段内的投资回报率预设时段内风电场对应的理想折扣率的计算式如下：[0074][0075]式中，idr为预设时段内风电场对应的理想折扣率，actual为基于原始超短期功率预测数据计算得到的预设时段的总收益，ideal为基于实发功率数据计算得到的预设时段的总收益。[0076]其中，投资回报率的获取方法可以为：获取风电站在预设时段内的总收益及投资总成本，将总收益及投资总成本的比值作为预设时段内风电场对应的投资回报率。[0077]需要说明的是，预设时段内的总收益的计算式可以为：其中，benefit为预设时段内的总收益，benefitt为第t个时刻对应的收益，pjishu,t为第t个时刻对应的基数电价，qjishu,t为第t个时刻对应的基数电量，pzhong,t为第t个时刻对应的中长期电价，qzhong,t为第t个时刻对应的中长期电量，priqian,t为第t个时刻对应的日前出清电价，qriqian,t为第t个时刻对应的日前出清电量，pshishi,t为第t个时刻对应的实时出清电价，padjust,t为第t个时刻修正后的超短期功率预测数据。[0078]预设时段内的投资总成本的计算式可以为：cost＝h1*s+h2*w+h3，其中，cost为预设时段内的投资总成本，h1为储能系统的单位容量造价，s为储能系统的额定容量，h2为储能系统的单位功率造价，w为储能系统的额定功率，h3为储能系统的固定成本投资金额。[0079]以及，在本技术的一个实施例之中，适用于目标函数的多个约束条件包括：储能soc约束、储能末时段的soc约束。[0080]在本技术的一个实施例之中，上述储能soc约束为：[0081][0082]其中，为t时段储能的soc，分别为t时段储能的最大、最小soc。[0083]以及，上述储能电池的soc转换可如下所示：[0084][0085]其中：eini为储能电池衰减前的最大容量，和分别为t时段储能电池的充电和放电效率。[0086]在本技术的一个实施例之中，储能末时段的soc约束为：[0087][0088]其中，为保证储能能够在下一个控制周期正常工作，应使得末时段储能动作之后的soc为给定值。[0089]以及，在本公开的一个实施例之中，将各时刻修正后的功率预测数据代入至上述储能控制模型中，可以通过现有计算方法(例如，粒子群优化算法)得出各时刻对应的储能充放电功率参考值。[0090]步骤103、基于各时刻储能充放电功率参考值对各时刻的充放电功率进行优化控制。[0091]其中，在本技术的一个实施例之中，可以基于各时刻储能充放电功率参考值以及各时刻的电量需求，对各时刻的充放电功率进行优化控制。[0092]综上所述，本技术提出的风电场的储能控制方法中，获取第一预设时间段内各时刻修正后的功率预测数据，将修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值，基于储能充放电功率参考值对各时刻的充放电功率进行优化控制。其中，本技术中的储能控制模型是利用修正后的功率预测数据得到各时刻储能充放电功率的，提高了功率预测数据的精度，进而提高了储能充放电控制策略的精度。[0093]实施例二[0094]图2为根据本技术一个实施例提供的风电场的储能控制装置的结构示意图，如图2所示，所述装置可以包括：[0095]获取模块201，用于获取风电场第一预设时间段内各时刻修正后的功率预测数据；[0096]计算模块202，用于将各时刻修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值；[0097]控制模块203，用于基于各时刻储能充放电功率参考值对各时刻的充放电功率进行优化控制。[0098]可选的，储能控制模型包括：以风电场对应的投资回报率与理想折扣率之和最大为目标的目标函数，及适用于目标函数的多个约束条件。[0099]可选的，上述装置还用于：[0100]获取风电场第一预设时间段内各时刻的原始功率预测数据；[0101]确定所述各时刻原始功率预测数据的所属分区；[0102]根据所述各时刻原始预测功率数据的所属分区，确定所述各时刻所属分区对应的修正系数；[0103]将所述各时刻原始功率预测数据及所述修正系数代入功率预测修正模型，利用所述功率预测修正模型对所述各时刻原始功率预测数据进行修正，得到各时刻修正后的功率预测数据。[0104]可选的，上述装置还用于：[0105]获取所述各时刻所属分区过去第二预设时间段内的预测功率数据和实际功率数据；[0106]对所述第二预设时间段内的历史数据进行统计分析，确定所述各时刻所属分区对应的修正系数。[0107]综上所述，本技术提出的风电场的储能控制装置中，获取第一预设时间段内各时刻修正后的功率预测数据，将修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值，基于储能充放电功率参考值对各时刻的充放电功率进行优化控制。其中，本技术中的储能控制模型是利用修正后的功率预测数据得到各时刻储能充放电功率的，提高了功率预测数据的精度，进而提高了储能充放电控制策略的精度。[0108]为了实现上述实施例，本公开还提出一种计算机存储介质。[0109]本公开实施例提供的计算机存储介质，存储有可执行程序；所述可执行程序被处理器执行后，能够实现如图1所示的方法。[0110]为了实现上述实施例，本公开还提出一种计算机设备。[0111]本公开实施例提供的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序；所述处理器执行所述程序时，能够实现如图1任一所示的方法。[0112]在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。[0113]流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。[0114]尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!