一种综合因果数据驱动的储能功率集中式控制方法及系统与流程

本发明涉及电力系统自动化，尤其涉及一种综合因果数据驱动的储能功率集中式控制方法及系统。

背景技术：

1、随着新能源占比不断提高，电网充裕性不足导致频率缓慢下降，大功率短时功率冲击造成的频率快速下降、恢复，传统固定策略的频率校正控制方法难以适应。

2、电网常规电源逐步被替代，调频资源分散、不足，新能源波动性导致频率出现缓慢下降现象，整体频率特性显著恶化。目前频率校正控制的轮次设置无法有效动作，只能调度拉闸。亟需将灵活控制资源提前动作，防范电力供需失衡场景下频率进一步下降。由于电力电子元器件规模的不断增加，其切换控制特性易在电网高概率的单一故障将有可能引发新能源低穿、直流换相失败等短时冲击，电网发生故障和故障消失后，大功率变化两次冲击电网频率，固定的频率校正控制无法找到折中的控制方案。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明解决的技术问题是：如何设置灵活的控制策略，在频率恢复期间降低输出功率，在频率超调时吸收功率，来保证电网频率安全。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了一种综合因果数据驱动的储能功率集中式控制方法，包括：

5、获取电网运行方式数据，形成电网运行方式仿真数据，基于所述仿真数据进行功率缺额的故障仿真，得到电网频率曲线，进行参数拟合得到sfr模型；

6、将电网历史数据、故障后初始时间频率与所述sfr模型预测值的误差作为输入，所述sfr模型参数的修正量作为神经网络预测模型的输出；

7、当实时电网频率小于定值时，收集所述神经网络预测模型输入量信息，得到所述sfr模型参数的修正量，对当前sfr模型进行修正；

8、基于修正后的sfr模型，添加储能下垂控制环节，计算调整下垂控制系数使得电网频率稳定裕度最大，将所述控制系数下发各储能单元执行，根据电网频率跌落情况进行功率调整。

9、作为综合因果数据驱动的储能功率集中式控制方法的一种优选方案，其中：

10、所述获取电网运行方式数据，形成电网运行方式仿真数据，基于所述仿真数据进行功率缺额的故障仿真，得到电网频率曲线，进行参数拟合得到sfr模型包括：

11、根据电网调度系统下发的状态估计数据，生成在线仿真计算方式数据；

12、对所述方式数据进行功率缺额仿真，根据电网规模，采用直流双极闭锁故障、发电厂机组掉机的方法模拟电网功率缺额，得出电网在所模拟的电网功率缺额下的频率仿真曲线；

13、采用最小二乘法对电网sfr模型进行拟合，得出当前功率缺额下的sfr模型，表示为：

14、

15、其中，δf为电网频率偏差，δpd为电网功率缺额，a0，a1，a2，a3，b0，b1为sfr模型的待拟合系数，s为拉普拉斯算子。

16、作为综合因果数据驱动的储能功率集中式控制方法的一种优选方案，其中：

17、所述将电网历史数据、故障后初始时间频率与所述sfr模型预测值的误差作为输入，所述sfr模型参数的修正量作为神经网络预测模型的输出包括：

18、以历史数据中电网等效惯量、发电机阻尼系数、故障后0.5s的实测频率与sfr模型预测值的误差作为输入，sfr模型参数修正量作为输出，构建神经网络预测模型。

19、作为综合因果数据驱动的储能功率集中式控制方法的一种优选方案，其中：

20、所述将电网历史数据、故障后初始时间频率与所述sfr模型预测值的误差作为输入，所述sfr模型参数的修正量作为神经网络预测模型的输出还包括：

21、神经网络的初始训练参数包括神经网络隐含层级数、隐含层神经元个数、训练次数、学习速率、各层权值及阈值，激活函数采用tanh函数；采用误差梯度下降法依次修正输出层权值及阈值、各隐含层权值及阈值，与仿真结果对比，获取模型预测结果与仿真结果误差的标准差值。

22、作为综合因果数据驱动的储能功率集中式控制方法的一种优选方案，其中：

23、所述当实时电网频率小于定值时，收集所述神经网络预测模型输入量信息，得到所述sfr模型参数的修正量，对当前sfr模型进行修正包括：

24、根据当前电网的电网等效惯量、发电机阻尼系数以及实际频率跌落后0.5s的实测频率与sfr模型预测值的误差，采用所述神经网络预测模型，得到当前电网sfr模型的参数修正量，修改sfr模型参数，对当前sfr模型进行修正。

25、作为综合因果数据驱动的储能功率集中式控制方法的一种优选方案，其中：

26、所述基于修正后的sfr模型，添加储能下垂控制环节包括：

27、设置频率偏移门槛值fcr和偏出此给定值的频率异常持续时间tcr构成的二元表[fcr,tcr]，采用梯度法调整储能下垂控制系数kdroop，使得电网频率安全稳定裕度最高；

28、将kdroop下发至各储能单元执行，根据电网频率跌落情况进行功率调整。

29、所述根据电网频率跌落情况进行功率调整包括：

30、具体功率调整计算公式为：

31、δpes＝kdroop×(f0-freal)

32、其中，δpes为储能功率上调量，若为负值则为下调量，f0为频率额定值，freal为储能单元并网点频率实测值。

33、第二方面，本发明实施例提供了一种综合因果数据驱动的储能功率集中式控制系统，包括：

34、sfr模型建立模块，用于获取电网运行方式数据，形成电网运行方式仿真数据，基于所述仿真数据进行功率缺额的故障仿真，得到电网频率曲线，进行参数拟合得到sfr模型；

35、神经网络预测模型建立模块，用于将电网历史数据、故障后初始时间频率与所述sfr模型预测值的误差作为输入，所述sfr模型参数的修正量作为神经网络预测模型的输出；

36、修正模块，用于当实时电网频率小于定值时，收集所述神经网络预测模型输入量信息，得到所述sfr模型参数的修正量，对当前sfr模型进行修正；

37、功率调整模块，用于添加储能下垂控制环节，计算调整下垂控制系数使得电网频率稳定裕度最大，将所述控制系数下发各储能单元执行，根据电网频率跌落情况进行功率调整。

38、作为综合因果数据驱动的储能功率集中式控制系统的一种优选方案，其中：

39、所述sfr模型建立模块根据电网调度系统下发的状态估计数据，生成在线仿真计算方式数据；

40、对所述方式数据进行功率缺额仿真，根据电网规模，采用直流双极闭锁故障、发电厂机组掉机的方法模拟电网功率缺额，得出电网在所模拟的电网功率缺额下的频率仿真曲线；

41、采用最小二乘法对电网sfr模型进行拟合，得出当前功率缺额下的sfr模型，表示为：

42、

43、其中，δf为电网频率偏差，δpd为电网功率缺额，a0，a1，a2，a3，b0，b1为sfr模型的待拟合系数，s为拉普拉斯算子；

44、所述神经网络预测模型建立模块以历史数据中电网等效惯量、发电机阻尼系数、故障后0.5s的实测频率与sfr模型预测值的误差作为输入，sfr模型参数修正量作为输出，构建神经网络预测模型；

45、神经网络的初始训练参数包括神经网络隐含层级数、隐含层神经元个数、训练次数、学习速率、各层权值及阈值，激活函数采用tanh函数；采用误差梯度下降法依次修正输出层权值及阈值、各隐含层权值及阈值，与仿真结果对比，获取模型预测结果与仿真结果误差的标准差值；

46、所述修正模块根据当前电网的电网等效惯量、发电机阻尼系数以及实际频率跌落后0.5s的实测频率与sfr模型预测值的误差，采用所述神经网络预测模型，得到当前电网sfr模型的参数修正量，修改sfr模型参数，对当前sfr模型进行修正；

47、所述功率调整模块设置频率偏移门槛值fcr和偏出此给定值的频率异常持续时间tcr构成的二元表[fcr,tcr]，采用梯度法调整储能下垂控制系数kdroop，使得电网频率安全稳定裕度最高；

48、将kdroop下发至各储能单元执行，根据电网频率跌落情况进行功率调整；

49、所述根据电网频率跌落情况进行功率调整包括：

50、具体功率调整计算公式为：

51、δpes＝kdroop×(f0-freal)

52、其中，δpes为储能功率上调量，若为负值则为下调量，f0为频率额定值，freal为储能单元并网点频率实测值。

53、第三方面，本发明实施例提供了一种计算设备，包括：

54、存储器和处理器；

55、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的综合因果数据驱动的储能功率集中式控制方法。

56、第四方面，本发明实施例提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述的综合因果数据驱动的储能功率集中式控制方法。

57、本发明的有益效果：目前对频率的控制均采用事先制定好的控制策略，根据频率跌落情况进行离散控制；本发明采用实时制定控制策略的方法，当系统频率出现跌落后，利用开始跌落至策略门槛值之间的实测数据，预测后续频率曲线，从而更加精准的保证频率控制的有效性；传统的方法均采用离散控制，但本发明对储能采用连续控制的方法，保证了控制策略对多变电网方式的适应性，在短时功率冲击场景下，可以在频率恢复期间降低输出功率，在频率超调时吸收功率，来保证电网频率安全。