[发明专利]一种考虑系统效率的电池储能电站能量管理方法

说明书

本发明属于智能电网以及能量存储与转换技术领域，具体涉及一种考虑系统效率的电池储能电站能量管理方法。包括，首先，获取电网的功率指令后；然后，计算PCS动作个数并进行充放电优先级的排序；最后，使用贪心算法模型，以荷电状态一致性为目标，进行寻优。本发明是一种具有良好的SOC均衡效果以及系统效率较高的考虑系统效率的电池储能电站能量管理方法。

技术领域

本发明属于智能电网以及能量存储与转换技术领域，具体涉及一种考虑系统效率的电池储能电站能量管理方法。

背景技术

化石能源枯竭和环境恶化的问题越来越严重，人类对清洁和可再生能源的需求越来越大。近年来，随着光伏电池(PV)制造成本的不断降低和国家对分布式新能源并网发电的支持力度不断加大，光伏发电发展迅速。目前，大规模分布式光伏并网和用电仍存在弃光问题。在光伏微电网中配置合理容量的储能是促进分布式光伏本地消费、提高光伏系统效率的有效途径。在众多的储能方式中，电池储能是一种灵活、快速的储能方式，在解决间歇性可再生能源发电、负荷波动、改善电能质量等方面发挥着非常重要的作用。它已成为新一代智能电网的关键技术，并日趋成熟。储能系统电池状态受到制作工艺和随着电池组电池充放电循环次数的增加的影响，难以保证一致性，而由于“短板效应”电池储能系统的可用容量会下降，以至发生故障，所以针对单体电池的不一致性，对BESS的均衡控制策略至关重要。

目前关于SOC均衡一致性准则的选取大多以端电压为主，以电池端电压作为平衡目标，将电池组中的电池端电压差异降低到一定标准，也有利用SOC的比例分配储能变流器(Power Conversion System，PCS)功率的策略。且目前主要是利用SOC的比例分配储能变流器功率，这种方式的电池状态由SOC(充电状态)和SOH(健康状态)表示。SOC表示电池的剩余容量。目前，SOC估计的主要方法有安培-小时积分法、开路电压法、神经网络法和扩展卡尔曼滤波(EKF)法等。SOH是电池可充电的最大能量与额定容量的比率。现有的电池SOH估算方法主要包括直接放电、测量内阻和化学分析等。利用SOC的比例分配储能变流器功率的策略的PCS单元动作个数多，这样就会导致单个PCS单元功率低，从而导致效率较低。

发明内容

本发明的目的在于提出了一种考虑系统效率的电池储能电站能量管理方法，建立以SOC一致性为目标的贪心算法求解模型，每次求解一时段数据为基准进行贪心寻优；避免了PCS单元动作个数多，单个PCS单元功率低导致效率低的问题。

为实现上述目的，本发明提供如下技术方案：

一种考虑系统效率的电池储能电站能量管理方法，首先，获取电网的功率指令后；然后，计算PCS动作个数并进行充放电优先级的排序；最后，使用贪心算法模型，以荷电状态一致性为目标，进行寻优。

进一步地，所述使用贪心算法模型，以荷电状态一致性为目标，进行寻优的步骤包括：

S1：读取电网指令功率然后确定其是充电或放电；当时，BESS是放电模式；当时，BESS是充电模式；

S2：读取各个电池组和储能变流器PCS各参数，包括电池组初始SOC、容量和PCS额定功率；

S3：计算每时段PCS动作个数，并进行充放电优先级排序；

S4：计算每一时段的PCS功率；

S5：当所有时段SOC和PCS功率计算完成后，根据PCS效率与功率的关系，计算PCS效率。

进一步地，所述步骤S4中，以电池初始SOC为T＝1时段基准，调用规划模型，计算得到T＝2时段的SOC，再以此SOC为基准，计算下一时段数据，以此类推重复该步骤，并在每一时段计算PCS功率。

进一步地，所述步骤3中，对BESS调度功率指令进行处理的步骤包括：