一种混合储能系统及其调度方法与流程

1.本发明涉及储能系统调度技术领域，具体涉及一种混合储能系统及其调度方法。


背景技术：

2.随着储能技术的不断发展，通过配置混合储能系统来平抑功率电压电流波动是当前储能技术的一个重要解决方式，可将混合储能系统分为功率型储能和能量型储能。以超级电容器为代表的前者具有寿命长、功率密度大等优势，将其与具有寿命短、充放电周期长等劣势的蓄电池能量型储能进行互补，可实现储能能量的最优化利用。
3.但是现有技术出现的储能技术，前瞻性不够强，只等环境条件变化后才进行适应性调整，不能够进行提前预测，进行提前安排调整，可控性较差；且现有技术中虽然存在通过人工智能算法进行训练获取结果，但在人工智能算法训练原数据上比较粗糙，导致输出结果不准确；且调整方法比较落后，此外，环境气温对储能系统影响较大，导致储能系统寿命较短，没有相关技术延长储能系统寿命。


技术实现要素：

4.针对现有技术中提到的上述问题，为解决上述技术问题，本发明提供了一种混合储能系统调度方法，包括步骤：
5.s1：cpu实时检测是否收到调度指令，并检测获取功率型储能介质的最大功率；
6.s2：当调度指令要求的功率值大于功率型储能介质的最大功率时，开启容量型储能介质进行补充，否则使用功率型储能介质响应调度指令；
7.s3：执行步骤s2的同时，将当前调度指令要求参数、功率型储能介质的运行参数、容量型储能介质运行参数输入训练好的卷积神经网络，卷积神经网络输出预测下一条调度指令的幅值和时长；
8.s4：当卷积神经网络输出预测指令幅值小于功率型储能介质的最大功率，时长小于功率型储能介质的放电时长时，由功率型储能介质响应调度指令；当预测时长大于功率型储能介质的放电时长时，直接由容量型储能介质响应调度指令；
9.当预测幅值超过容量型或功率型储能介质单独响应的最大功率时，由两种储能介质共同响应调度指令。
10.优选地，所述功率型储能介质包括采用镍氢电池或钛酸锂电池或超级电容器；所述能量型储能介质包括采用磷酸铁锂电池或铅酸电池或铅碳电池。
11.优选地，所述调度指令要求参数、功率型储能介质的运行参数、容量型储能介质运行参数，其中调度指令要求参数包括调度指令要求的最大功率值、时长、指令下达时间、指令下达按键时长；功率型储能介质的运行参数包括功率型储能介质的最大功率、功率型储能介质的荷电容量、功率型储能介质的运行时长、功率型储能介质的最大电流值；容量型储能介质运行参数包括容量型储能介质的最大功率、容量型储能介质的荷电容量、容量型储能介质的运行时长、容量型储能介质的最大电流值。
12.优选地，所述训练好的卷积神经网络，由以下训练步骤训练完成：s21：将一天24小时划分成288个5分钟的时间段；s22：对每个时间段的功率指令进行fft变换；s23对每个时间段的功率指令幅频特性进行卷积神经网络训练；s24训练完成卷积神经网络。
13.优选地，所述功率指令进行fft频率变换包括：s221：由功率指令幅值确定混储系统总功率配置；
14.s222：统计低频指令的持续周期，由周期的统计数据确定容量型储能介质的储能时长；
15.s223：统计高频指令的周期特性，由高频指令周期统计数据确定功率型储能介质的储能时长；
16.s224：统计低频指令的幅值特性，确定容量型储能介质的功率配比；
17.s224：统计高频指令的幅值特性，确定功率型储能介质的功率配比。
18.优选地，所述卷积神经网络采用改进的损失函数为v：
[0019][0020]
ui＝yiln(pi)+(1-yi)(1-ln(pi))
[0021]
其中，pi表示第i个时间段样本在历史样本中出现的次数与所有历史样本的总次数比值，yi表示为调度指令要求参数组成的特征向量，调度指令要求参数包括调度指令要求的最大功率值、调度指令要求时长、指令下达时间、指令下达按键时长，n＝288表示将一天24小时划分成288个5分钟的时间段，s表示调度指令要求的最大功率值，m表示调度指令要求时长，tanθi表示第i个时间段样本向量与历史平均标准特征向量的正切值，ln是自然对数。
[0022]
本发明还提供了一种混合储能调度系统，包括：控制系统、功率变换系统、功率型储能介质、能量型储能介质；
[0023]
功率型储能介质、能量型储能介质分别通过独立功率变换系统与电网相连，功率型储能介质、能量型储能介质分别和控制系统连接；控制系统通过通讯连接和切换开关控制功率型储能介质、能量型储能介质和功率变换器；
[0024]
控制系统内有两套虚拟储能单元，分别存储功率型储能介质、能量型储能介质的保护参数和运行参数；
[0025]
存储功率型储能介质和功率变换系统相连接时，控制系统启用虚拟存储功率型储能介质的保护运行参数，实现对存储功率型储能介质的运行调度和保护；
[0026]
能量型储能介质和功率变换系统相连时，控制系统启用虚拟能量型储能介质的运行保护参数，实现对能量型储能介质的运行调度和保护；其中，所述控制系统被配置为由所述控制系统的处理器执行如权利要求1所述的方法。
[0027]
优选地，所述功率型储能介质包括采用镍氢电池或钛酸锂电池或超级电容器；所述能量型储能介质包括采用磷酸铁锂电池或铅酸电池或铅碳电池。
[0028]
优选地，所述功率型储能介质采用适合低温运行的高倍率镍氢电池，所述能量型储能介质包括采用磷酸铁锂电池构成混合储能系统。
[0029]
优选地，镍氢电池包和磷酸铁锂电池包安装在一个集装箱内密闭空间，间隔放置；
低温时先启动镍氢电池充放电，利用其充放电损耗产生的热量为密闭空间和磷酸铁锂电池加热；
[0030]
密闭空间内环境温度升高后再启动磷酸铁锂电池充放电。
[0031]
本发明提供了一种混合储能系统及其调度方法，所能实现的有益技术效果如下：
[0032]
1、基于历史数据的统计特性预测下一条调度功率指令的幅值和持续时长，大大增强了功率调度可控性，并对应用公开功率能够提前进行布置设置，提高了功率调度效率。
[0033]
2、通过构建训练数据，大大提供了算法精确的，具体的将一天24小时划分成288个5分钟的时间段，对每个时间段的功率指令进行fft分析，研究总结每个时间段的功率指令幅频特性，构建卷积神经网络算法，预测精准的大大提升。
[0034]
3、根据预测幅值与功率型储能介质的最大功率以及容量性储能介质的功率比较，以及预测时长与功率型储能介质的放电时长和容量性储能介质的放电时长的比较，动态的响应调度指令，大大增强了系统应当灵活性可扩展性。
[0035]
4、环境气温长期低于0度的应用工况，磷酸铁锂储能系统加热损耗大，并且低温环境影响电池循环寿命，采用适合低温运行的高倍率镍氢电池与磷酸铁锂电池构成混合储能系统。大大增大了电池寿命。
[0036]
5、采用改进的损失函数为v，改进的损失函数采用ln是自然对数，并通过对第i个时间段样本向量与历史平均标准特征向量的正切值对卷积神经网络进行调整，使得自学习能力大大增强，并大大增强了预测准确率。
附图说明
[0037]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0038]
图1是本发明的一种混合储能系统示意图；
[0039]
图2是本发明混合储能系统功率指令进行fft频率分析图。
具体实施方式
[0040]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0041]
实施例1：
[0042]
相比于传统的储能调度系统，本发明实施例提供了本发明提供了一种混合储能系统调度方法，基于历史数据的统计特性预测下一条调度功率指令的幅值和持续时长，进而提前进行调度安排提供了调度灵活度，包括步骤：
[0043]
s1：cpu实时检测是否收到调度指令，并检测获取功率型储能介质的最大功率；
[0044]
s2：当调度指令要求的功率值大于功率型储能介质的最大功率时，开启容量型储能介质进行补充，否则使用功率型储能介质响应调度指令；
[0045]
s3：执行步骤s2的同时，将当前调度指令要求参数、功率型储能介质的运行参数、容量型储能介质运行参数输入训练好的卷积神经网络，卷积神经网络输出预测下一条调度指令的幅值和时长；
[0046]
s4：当卷积神经网络输出预测指令幅值小于功率型储能介质的最大功率，时长小于功率型储能介质的放电时长时，由功率型储能介质响应调度指令；当预测时长大于功率型储能介质的放电时长时，直接由容量型储能介质响应调度指令；
[0047]
当预测幅值超过容量型或功率型储能介质单独响应的最大功率时，由两种储能介质共同响应调度指令。
[0048]
在一些实施例中，所述功率型储能介质包括采用镍氢电池或钛酸锂电池或超级电容器；所述能量型储能介质包括采用磷酸铁锂电池或铅酸电池或铅碳电池。
[0049]
在一些实施例中，所述调度指令要求参数、功率型储能介质的运行参数、容量型储能介质运行参数，其中调度指令要求参数包括调度指令要求的最大功率值、时长、指令下达时间、指令下达按键时长；功率型储能介质的运行参数包括功率型储能介质的最大功率、功率型储能介质的荷电容量、功率型储能介质的运行时长、功率型储能介质的最大电流值；容量型储能介质运行参数包括容量型储能介质的最大功率、容量型储能介质的荷电容量、容量型储能介质的运行时长、容量型储能介质的最大电流值。
[0050]
在一些实施例中，所述训练好的卷积神经网络，由以下训练步骤训练完成：s21：将一天24小时划分成288个5分钟的时间段；s22：对每个时间段的功率指令进行fft变换；s23对每个时间段的功率指令幅频特性进行卷积神经网络训练；s24训练完成卷积神经网络。
[0051]
在一些实施例中，如图2所示，所述功率指令进行fft频率变换包括：s221：由功率指令幅值确定混储系统总功率配置；
[0052]
在一些实施例中：统计低频指令的持续周期，由周期的统计数据确定容量型储能介质的储能时长；
[0053]
在一些实施例中：统计高频指令的周期特性，由高频指令周期统计数据确定功率型储能介质的储能时长；
[0054]
在一些实施例中：统计低频指令的幅值特性，确定容量型储能介质的功率配比；
[0055]
在一些实施例中：统计高频指令的幅值特性，确定功率型储能介质的功率配比。
[0056]
在一些实施例中，所述卷积神经网络采用改进的损失函数为v：
[0057][0058]
ui＝yiln(pi)+(1-yi)(1-ln(pi))
[0059]
其中，pi表示第i个时间段样本在历史样本中出现的次数与所有历史样本的总次数比值，yi表示为调度指令要求参数组成的特征向量，调度指令要求参数包括调度指令要求的最大功率值、调度指令要求时长、指令下达时间、指令下达按键时长，n＝288表示将一天24小时划分成288个5分钟的时间段，s表示调度指令要求的最大功率值，m表示调度指令要求时长，tanθi表示第i个时间段样本向量与历史平均标准特征向量的正切值。
[0060]
本发明还提供了一种混合储能调度系统，储能介质共享一套功率变换系统，不同储能介质由切换电路和控制保护系统实现对功率变换系统的分时共享。如图1所示，包括：
控制系统、功率变换系统、功率型储能介质、能量型储能介质；
[0061]
储能1和储能2分别由功率型和容量型储能介质构成，功率型储能介质主要采用镍氢电池、钛酸锂电池、超级电容器等，能量型储能介质主要采用磷酸铁锂电池、铅酸电池、铅碳电池等，功率变换系统为通用型功率变换器
[0062]
储能1和储能2直流母线和功率变换器的直流母线通过切换开关相连，储能1和储能2的直流电压范围在功率变换器的直流母线电压范围内，储能1和储能2分别和控制系统连接，其保护参数存储在控制系统内，控制系统通过切换开关控制储能和功率变换器的连接，控制系统内有两套虚拟储能单元，分别存储储能1和储能2的保护参数和运行参数，储能1和功率变换系统相连接时，控制系统启用虚拟储能单元1的保护运行参数，实现对储能1的运行调度和保护，储能2和功率变换系统相连时，控制系统启用虚拟储能单元2的运行保护参数，实现对储能2的运行调度和保护。
[0063]
功率型储能介质、能量型储能介质分别通过独立功率变换系统与电网相连，功率型储能介质、能量型储能介质分别和控制系统连接；控制系统通过通讯连接和切换开关控制功率型储能介质、能量型储能介质和功率变换器，功率型储能介质、能量型储能介质通过直流母线与功率变换器的直流母线通过切换开关相连；功率型储能介质、能量型储能介质的直流电压范围在功率变换器的直流母线电压范围内；功率型储能介质、能量型储能介质分别和控制系统连接；控制系统通过切换开关控制功率型储能介质、能量型储能介质和功率变换器；
[0064]
控制系统内有两套虚拟储能单元，分别存储功率型储能介质、能量型储能介质的保护参数和运行参数；
[0065]
存储功率型储能介质和功率变换系统相连接时，控制系统启用虚拟存储功率型储能介质的保护运行参数，实现对存储功率型储能介质的运行调度和保护；
[0066]
能量型储能介质和功率变换系统相连时，控制系统启用虚拟能量型储能介质的运行保护参数，实现对能量型储能介质的运行调度和保护；其中，所述控制系统被配置为由所述控制系统的处理器执行如权利要求1所述的方法。
[0067]
在一些实施例中，所述功率型储能介质包括采用镍氢电池或钛酸锂电池或超级电容器；所述能量型储能介质包括采用磷酸铁锂电池或铅酸电池或铅碳电池。
[0068]
在一些实施例中，所述功率型储能介质采用适合低温运行的高倍率镍氢电池，所述能量型储能介质包括采用磷酸铁锂电池构成混合储能系统。
[0069]
在一些实施例中，环境气温长期低于0度的应用工况，磷酸铁锂储能系统加热损耗大，并且低温环境影响电池循环寿命。采用适合低温运行的高倍率镍氢电池与磷酸铁锂电池构成混合储能系统。镍氢电池包和磷酸铁锂电池包安装在一个集装箱内密闭空间，间隔放置；低温时先启动镍氢电池充放电，利用其充放电损耗产生的热量为密闭空间和磷酸铁锂电池加热；
[0070]
密闭空间内环境温度升高后再启动磷酸铁锂电池充放电。
[0071]
本发明提供了一种混合储能系统及其调度方法，所能实现的有益技术效果如下：
[0072]
1、基于历史数据的统计特性预测下一条调度功率指令的幅值和持续时长，大大增强了功率调度可控性，并对应用公开功率能够提前进行布置设置，提高了功率调度效率。
[0073]
2、通过构建训练数据，大大提供了算法精确的，具体的将一天24小时划分成288个
5分钟的时间段，对每个时间段的功率指令进行fft分析，研究总结每个时间段的功率指令幅频特性，构建卷积神经网络算法，预测精准的大大提升。
[0074]
3、根据预测幅值与功率型储能介质的最大功率以及容量性储能介质的功率比较，以及预测时长与功率型储能介质的放电时长和容量性储能介质的放电时长的比较，动态的响应调度指令，大大增强了系统应当灵活性可扩展性。
[0075]
以上对一种电子数据固证关联方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的核心思想；同时，对于本领域的一般技术人员，依据本发明的思想和方法，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种混合储能系统调度方法，其特征在于，包括步骤：s1：cpu实时检测是否收到调度指令，并检测获取功率型储能介质的最大功率；s2：当调度指令要求的功率值大于功率型储能介质的最大功率时，开启容量型储能介质进行补充，否则使用功率型储能介质响应调度指令；s3：执行步骤s2的同时，将当前调度指令要求参数、功率型储能介质的运行参数、容量型储能介质运行参数输入训练好的卷积神经网络，卷积神经网络输出预测下一条调度指令的幅值和时长；s4：当卷积神经网络输出预测指令幅值小于功率型储能介质的最大功率，时长小于功率型储能介质的放电时长时，由功率型储能介质响应调度指令；当预测时长大于功率型储能介质的放电时长时，直接由容量型储能介质响应调度指令；当预测幅值超过容量型或功率型储能介质单独响应的最大功率时，由两种储能介质共同响应调度指令。2.如权利要求1所述的一种混合储能系统调度方法，其特征在于，所述功率型储能介质包括采用镍氢电池或钛酸锂电池或超级电容器；所述能量型储能介质包括采用磷酸铁锂电池或铅酸电池或铅碳电池。3.如权利要求2所述的一种混合储能系统调度方法，其特征在于，所述调度指令要求参数、功率型储能介质的运行参数、容量型储能介质运行参数，其中调度指令要求参数包括调度指令要求的最大功率值、时长、指令下达时间；功率型储能介质的运行参数包括功率型储能介质的最大功率、功率型储能介质的荷电容量、功率型储能介质的运行时长、功率型储能介质的最大电流值；容量型储能介质运行参数包括容量型储能介质的最大功率、容量型储能介质的荷电容量、容量型储能介质的运行时长、容量型储能介质的最大电流值。4.如权利要求2所述的一种混合储能系统调度方法，其特征在于，所述训练好的卷积神经网络，由以下训练步骤训练完成：s21：将一天24小时划分成288个5分钟的时间段；s22：对每个时间段的功率指令进行fft变换；s23对每个时间段的功率指令幅频特性进行卷积神经网络训练；s24训练完成卷积神经网络。5.如权利要求1所述的一种混合储能系统调度方法，其特征在于，所述卷积神经网络采用改进的损失函数为v：u
i
＝y
i
ln(p
i
)+(1-y
i
)(1-ln(p
i
))其中，p
i
表示第i个时间段样本在历史样本中出现的次数与所有历史样本的总次数比值，y
i
表示为调度指令要求参数组成的特征向量，调度指令要求参数包括调度指令要求的最大功率值、调度指令要求时长、指令下达时间、指令下达按键时长，n＝288表示将一天24小时划分成288个5分钟的时间段，s表示调度指令要求的最大功率值，m表示调度指令要求时长，tanθ
i
表示第i个时间段样本向量与历史平均标准特征向量的正切值。6.一种混合储能调度系统，其特征在于，包括：控制系统、功率变换系统、功率型储能介质、能量型储能介质；功率型储能介质、能量型储能介质分别通过独立功率变换系统与电网相连，功率型储
能介质、能量型储能介质分别和控制系统连接；控制系统通过通讯连接和切换开关控制功率型储能介质、能量型储能介质和功率变换器；控制系统内有两套虚拟储能单元，分别存储功率型储能介质、能量型储能介质的保护参数和运行参数；存储功率型储能介质和功率变换系统相连接时，控制系统启用虚拟存储功率型储能介质的保护运行参数，实现对存储功率型储能介质的运行调度和保护；能量型储能介质和功率变换系统相连时，控制系统启用虚拟能量型储能介质的运行保护参数，实现对能量型储能介质的运行调度和保护；其中，所述控制系统被配置为由所述控制系统的处理器执行如权利要求1所述的方法。7.如权利要求6所述的一种混合储能调度系统，其特征在于，所述功率型储能介质包括采用镍氢电池或钛酸锂电池或超级电容器；所述能量型储能介质包括采用磷酸铁锂电池或铅酸电池或铅碳电池。

技术总结
本发明公开了一种混合储能系统调度系统及方法，包括步骤S1：CPU实时检测是否收到调度指令，并检测获取功率型储能介质的最大功率；S2：当调度指令要求的功率值大于功率型储能介质的最大功率时，开启容量型储能介质进行补充，否则使用功率型储能介质响应调度指令；S3：执行步骤S2的同时卷积神经网络输出预测下一条调度指令的幅值和时长；S4：根据预测幅值和时长对两种储能介质进行协调响应调度指令。该混合储能系统调度方法基于历史数据的统计特性预测下一条调度功率指令的幅值和持续时长，大大增强了功率调度可控性，并对应用公开功率能够提前进行布置设置，提高了功率调度效率。提高了功率调度效率。提高了功率调度效率。


技术研发人员：钟发平 赵佩宏 周树良
受保护的技术使用者：深圳先进储能材料国家工程研究中心有限公司
技术研发日：2023.02.07
技术公布日：2023/7/19