技术领域
[0001] 本发明实施例涉及电力技术领域，尤其涉及一种储能系统参与一次调频的控制方法、设备及介质。
相关背景技术
[0002] 电池储能参与一次调频的常用方法有虚拟惯性控制和下垂控制。负荷扰动初期频率变化率较大，同时频率偏差又较小，仅靠下垂控制的出力无法满足调频需求，频率恶化速度较快。虚拟惯性控制可模拟传统同步发电机的惯性响应，对应发电机转子转速随频率变化而释放或吸收动能的过程，可减小扰动初期的频率变化速率和最大频率偏差。但是，在频率偏差达到最大值并开始逐渐恢复至稳态偏差值的过程中，频率变化率极性改变，惯性响应出力的极性也随之改变，与调频需求方向相反，不利于电网频率的恢复。
[0003] 现有技术中，频率下降阶段采用虚拟惯性控制，而在随后的频率恢复阶段则采用虚拟下垂控制，二者以最大频率偏差为切换边界。这种综合控制模式一定程度地协调了稳态频率偏差与暂态频率下降速度和最大频率偏差变化率之间的矛盾，但是在出力控制模式切换时造成储能电池从零出力到最大出力的跃变，不仅给电网造成附加的功率和频率变化冲击，而且将缩短储能电池的使用寿命。
具体实施方式
[0038] 下面将结合附图对本发明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他实施例，都属于本发明保护的范围。
[0039] 此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
[0040] 为实现调频模式的平滑切换，避免储能系统过充过放，本发明提出了一种储能系统参与一次调频的控制方法、设备及介质。
[0041] 图1是根据一示例性实施例提出的一种储能系统参与一次调频的控制方法的流程图。如图1所示，该方法包括如下步骤S101至S106。
[0042] 在步骤S101中，获取电网当前频率。
[0043] 在步骤S102中，当电网当前频率与电网额定频率的差值大于预设频率偏差时，根据储能系统的电池容量、电网当前频率与电网额定频率的差值，确定储能系统的惯性出力和下垂出力。
[0044] 在一可选实施例中，电网额定频率为50Hz，预设频率偏差根据电网实际情况确定，在此不做具体限制。
[0045] 在一可选实施例中，当储能系统处于惯性控制时，储能系统的出力为惯性出力；储能系统处于下垂控制时，储能系统的出力为下垂出力。惯性控制对电网当前频率与电网额定频率的差值的变化率抑制效果较好，而下垂控制对电网当前频率与电网额定频率的差值的抑制效果较好。
[0046] 在一可选实施例中，根据储能系统的电池容量确定当前下垂系数，通过当前下垂系数、电网当前频率与电网额定频率的差值确定储能系统的下垂出力。
[0047] 在一可选实施例中，当电网当前频率与电网额定频率的差值小于等于预设频率偏差时，储能系统不对电网进行调频。
[0048] 在步骤S103中，根据电网当前频率与电网额定频率的差值，确定惯性分配系数和下垂分配系数。
[0049] 在一可选实施例中，储能系统的惯性出力等于下垂出力，惯性分配系数的大小代表惯性出力对电力系统的影响程度；下垂分配系数的大小代表下垂出力对电力系统的影响程度。分配系数越大，代表对应的出力对电力系统的影响程度越大。
[0050] 在一可选实施例中，电网当前频率与电网额定频率的差值不同时，惯性分配系数和下垂分配系数的相对大小不同。
[0051] 在步骤S104中，根据惯性出力和惯性分配系数，确定储能系统的实际惯性出力。
[0052] 在步骤S105中，根据下垂出力和下垂分配系数，确定储能系统的实际下垂出力。
[0053] 在步骤S106中，根据实际惯性出力和实际下垂出力，控制储能系统对电网进行调频。
[0054] 通过上述方法，当电网当前频率与电网额定频率的差值大于预设频率偏差时，储能系统同时采用惯性控制和下垂控制对电网进行调频，实现两种调频模式(惯性控制和下垂控制)的平滑切换，避免储能系统从惯性控制切换到下垂控制时造成储能系统从零出力到最大出力的跃变，给电网带来功率和频率变化的冲击，同时结合储能系统的电池容量，对储能系统的出力进行控制，避免储能系统过充过放导致频率二次跌落，延长储能系统的使用寿命。
[0055] 在储能系统调频过程中，为防止储能系统的电池容量越限时触发闭锁装置，使储能系统有功出力发生阶跃性变化，进而导致频率二次跌落及振荡。因此，在储能系统调频过程中，根据电池充放电状态和电池容量，分别设置不同的当前下垂系数和当前惯性系数。
[0056] 在本发明实施例中，采用loglog激活函数进行当前惯性系数和当前下垂系数的计算。该函数与常用的sigmoid函数相比，除了同样具有单调性及凹凸性的特点，符合当前下垂系数和当前惯性系数随电池电量变化的自适应性(即在电池电量较高时系数当前下垂系数和当前惯性系数较大，在电池电量较低时当前下垂系数和当前惯性系数较小)，并且关于点对称，无需采用分段的形式，在自适应区间内仅需要一个函数，坐标变换与参数设置简单，而且该函数还具有饱和及收敛速度快的优点。
[0057] 在一示例中，上述步骤S102通过如下步骤确定储能系统的惯性出力和下垂出力：
[0058] 首先，当储能系统处于放电状态，且，储能系统的电池容量处于第一预设范围时，选择下垂系数的最大值作为储能系统的当前下垂系数。
[0059] 在一可选实施例中，当储能系统处于放电状态时，当前下垂系数通过如下公式实现：
[0060]
[0061] 其中，KD_dis为当前下垂系数，KD_max为下垂系数的最大值，n为自适应系数，SSOC为储能系统的电池容量，(Sdis_bound，Sdis_max]为第一预设范围。当SSOC∈[Sdis_bound，Sdis_max]时，电池容量充足，下垂系数取最大值以优先保证调频效果；当SSOC∈[Sdis_min，Sdis_bound]时，储能系统应该兼顾电池容量和调频的效果。
[0062] 然后，根据当前下垂系数、电网当前频率与电网额定频率的差值，确定储能系统的惯性出力和下垂出力。
[0063] 在一可选实施例中，储能系统的下垂出力可以通过如下公式获得：
[0064] ΔPD＝‑KDΔf
[0065] 其中，ΔPD为下垂出力，KD为当前下垂系数，Δf为电网当前频率与电网额定频率的差值。
[0066] 惯性出力的计算公式为：
[0067]
[0068] 其中，ΔPI为惯性出力，KI为当前惯性系数。在本发明实施例中，可以根据得到的下垂出力确定当前惯性系数以使惯性出力等于下垂出力。
[0069] 在一示例中，上述步骤S102还可以通过如下步骤确定储能系统的惯性出力和下垂出力，包括：
[0070] 首先，当储能系统处于充电状态，且，储能系统的电池容量处于第二预设范围时，选择下垂系数的最大值作为储能系统的当前下垂系数。
[0071] 在一可选实施例中，当储能系统处于充电状态，当前下垂系数通过如下公式实现：
[0072]
[0073] 其中，KD_cha为当前下垂系数，KD_max为下垂系数的最大值，n为自适应系数，SSOC为储能系统的电池容量，[Scha_min，Scha_bound]为第二预设范围。当SSOc∈[Scha_min，Scha_bound]时，电池容量不足，下垂系数取最大值以保证储能系统的电池容量快速恢复；当SSOC∈[Scha_bound，Scha_max]，储能系统应该兼顾电池容量和调频效果。
[0074] 然后，根据当前下垂系数、电网当前频率与电网额定频率的差值，确定储能系统的惯性出力和下垂出力。
[0075] 如图2所示，在上述步骤S103中，当电网当前频率与电网额定频率的差值未达到最大频率偏差时，电力系统频率调节要求以抑制电网当前频率与电网额定频率的差值的变化率为主，因此，实际惯性出力应大于实际下垂出力，即惯性分配系数大于下垂分配系数。此时，根据电网当前频率与电网额定频率的差值，确定惯性分配系数和下垂分配系数，具体公式如下：
[0076]
[0077] 其中，a1为惯性分配系数，b1为下垂分配系数，N为分配调节系数，Δf为电网当前频率与电网额定频率的差值，Δfmin为预设频率偏差，Δfmax为最大频率偏差。
[0078] 如图2所示，在上述步骤S103中，当电网当前频率与电网额定频率的差值等于最大频率偏差时，根据电网当前频率与电网额定频率的差值，确定惯性分配系数和下垂分配系数，惯性分配系数等于下垂分配系数，此时实际惯性出力等于实际下垂出力。
[0079] 如图2所示，在上述步骤S103中，当电网当前频率与电网额定频率的差值达到最大频率偏差后，电力系统频率调节要求以抑制电网当前频率与电网额定频率的差值为主，因此，实际惯性出力应小于实际下垂出力，即惯性分配系数小于下垂分配系数。此时，根据电网当前频率与电网额定频率的差值，确定惯性分配系数和下垂分配系数，具体公式如下：
[0080]
[0081] 其中，a2为惯性分配系数，b2为下垂分配系数，N为分配调节系数，Δf为电网当前频率与电网额定频率的差值，Δfmin为预设频率偏差，Δfmax为最大频率偏差。
[0082] 惯性分配系数和下垂分配系数的具体取值及其变化速度与分配调节系数N有关。当前下垂系数和当前惯性系数与自适应系数n有关。在一示例中，通过建立混合优化目标函数对N、n进行计算。具体实现步骤如下：
[0083] 首先，建立混合优化目标函数，具体公式如下：
[0084] I＝I1+I2+I3+I4
[0085] I1＝k1[n(t)‑n(t‑1)]
[0086] I2＝k2[N(t)‑N(t‑1)]
[0087]
[0088]
[0089] 其中，I为由I1、I2、I3、I4构成的混合优化目标函数，I1为自适应系数n在允许范围内波动为目标的目标函数，I2为分配调节系数N在允许范围内波动为目标的目标函数，I3为以惯性分配系数a的变化率为目标的目标函数，I4为下垂分配系数b的变化率为目标的目标函数。k1、k2、k3、k4为计算参数。
[0090] 然后，确定该混合优化目标函数的约束条件。示例性的，约束条件为当前下垂系数和当前惯性系数的变化范围为均小于各自的最大允许值。
[0091] 最后，采用食肉植物算法(Carnivorous Plant Algorithm，CPA)对混合优化目标函数进行优化求解，得到自适应系数和分配调节系数。
[0092] 图3是采用CPA对混合优化目标函数进行求解的流程图，具体步骤如下：
[0093] 在步骤S301中，定义组内迭代次数group_iter、最大迭代次数max_iter、吸引率attraction_rate、生长率growth_rate、繁殖率reproduction_rate、食肉植物数量nC Plant和猎物数量n Prey。
[0094] 在步骤S302中，初始化种群。随机生成大小为n、维度为d的种群。每个个体的位置由以下矩阵表示。
[0095]
[0096] 其中，Pop为种群，n为食肉植物数量nC Plant和猎物数量n Prey的总和，d为维度，即变量个数，在本发明实施例中，d等于2，individualn，1为分配调节系数，individualn，2为自适应系数。每个个体使用如下公式进行随机初始化。
[0097] individuali，j＝Lbj+(Ubj‑Lbj)×rand
[0098] 其中，Lbj和Ubj分别为搜索域的下界和上界，即自变量的最小值和最大值，m∈[1，2，...，n]，j∈[1，2，...，d]，rand为[1，0]之间的随机数。
[0099] 在步骤S303中，根据混合优化目标函数计算评估每个个体的适应度值。对于第m个个体，通过将每一行(即所有维度)作为适应度函数的输入来评估适应度值，计算得到的适应度值存储在下述矩阵中。
[0100]
[0101] 其中，Fit为适应度值矩阵，f为适应度函数值，即混合优化目标函数值。
[0102] 在步骤S304中，将食肉植物和猎物进行分类：将种群中每个个体按照适应度值升序排序，找到最优个体g*作为排名第一的食肉植物，将排名前nC Plant的个体分类为食肉植物，将剩余的n Prey个个体分类为猎物。排序后的适应度值和种群分别如下所示。
[0103]
[0104] 其中，Sorted_Fit为排序后的适应度值矩阵，fCP为食肉植物的适应度函数值，fPrey为猎物的适应度函数值。
[0105]
[0106] 其中，SortedPop为排序后的种群矩阵。
[0107] 在步骤S305中，将食肉植物和猎物进行分组：在分组过程中，将适应度值最高的猎物分配给排名第一的食肉植物，以此类推，第二名和第三名猎物分别属于第二和第三名食肉植物。重复该过程，直到排名第nC Plant的猎物分配给排名第n Prey的食肉植物，第nC Plant+1名猎物分配给第1名食肉植物为止。最终每个种群中只有1个食肉植物，猎物数量多于2个。
[0108] 在步骤S306中，模拟食肉食物和猎物的生长过程：CPi，j为排名在第i位的食肉植物，在每一个种群中随机选择一个猎物Preyv，j，randi，j为随机生成的0‑1之间的数字。分别比较各个种群的吸引率和随机数大小直至达到组内迭代次数group_iter。
[0109] 如果吸引率大于随机数，则按照如下公式形成新的食肉植物。
[0110] NewCPi，j＝growth×CPi，j+(1‑growth)×Preyv，j
[0111] growth＝growth_rate×randi，j
[0112] 其中，growth为食肉植物CPi，j的吸引率，growth_rate为吸引率预先设定的值，randi，j为随机数。
[0113] 如果吸引率小于随机数randi，j，则按照如下公式形成新的猎物，其中Preyu，j为第m个种群中随机选择的另一个猎物。
[0114] NewPreyi，j＝growth×Preyu，j+(1‑growth)×Preyv，j，u≠v
[0115]
[0116] 其中，NewPreyi，j为新的猎物。
[0117] 在步骤S307中，模拟最优食肉植物的繁殖过程：只有排名第一的食肉植物，即种群中最好的解，才能允许繁殖。在繁殖过程中，为每个维度j都随机选择一个食肉植物v，采用最优食肉植物的繁殖模型如下所示，根据该式，为每个种群基于最优食肉植物生成新的食肉植物。
[0118] NewCPi，j＝CP1，j+Reproduction_rate×randi，j×matei，j
[0119]
[0120] 其中，CP1，j为最优解，CPv，j为随机选择的食肉植物，Reproduction_rate为繁殖率，matei，j为交配值。
[0121] 在步骤S308中，对新生成的每个食肉植物和猎物进行适应度评估，适应度函数为混合优化目标函数。
[0122] 在步骤S309中，将新生成的食肉植物和猎物与初始种群进行合并，得到一个新的维度为[n+nC Plant×(group_iter+nC Plant)]×d维的新种群，即新种群有n个原始个体，2
(nC Plant×group_iter)个新生产个体和(nC Plant) 个新繁殖个体。
[0123] 在步骤S310中，将新种群中每个个体按照适应度值升序排序，并选择排名前n个个体进入下一代，即选择排名前n的个体作为新的候选解，保证种群大小不变。
[0124] 在步骤S311中，确定当前最优个体g*为排名第一的食肉植物，转至S304步骤，重复模拟食肉植物的分类分组、生长和繁殖过程，直到达到最大迭代次数max_iter。
[0125] 在步骤S312中，达到最大迭代次数后，输出当前最优解g*，即输出自适应系数和调节参数的最佳值。
[0126] 图4是根据一示例性实施例提出的一种计算机设备的硬件结构示意图。如图4所示，该设备包括一个或多个处理器410以及存储器420，存储器420包括持久内存、易失内存和硬盘，图4中以一个处理器410为例。该设备还可以包括：输入装置430和输出装置440。
[0127] 处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接，图4中以通过总线连接为例。
[0128] 处理器410可以为中央处理器(Central Processing Unit，CPU)。处理器410还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field‑Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0129] 存储器420作为一种非暂态计算机可读存储介质，包括持久内存、易失内存和硬盘，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中储能系统参与一次调频的控制方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述任意一种储能系统参与一次调频的控制方法。
[0130] 存储器420可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据、需要使用的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器420可选包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至数据处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0131] 输入装置430可接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的信号输入。输出装置440可包括显示屏等显示设备。
[0132] 一个或者多个模块存储在存储器420中，当被一个或者多个处理器410执行时，执行如图1所示的方法。
[0133] 上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，具体可参见如图1所示的实施例中的相关描述。
[0134] 本发明实施例还提供了一种非暂态计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的控制方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read‑Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid‑State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
[0135] 需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0136] 以上仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
