(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111396061.0 (22)申请日 2021.11.23 (71)申请人 特变电工西安电气科技有限公司 地址 710119 陕西省西安市高新区上林苑 四路70号 申请人 特变电工新疆新能源股份有限公司 (72)发明人 翟灏　刘韬　黄浪　郝翔　贾燕冰　 曹家瑞　 (74)专利代理 机构 西安智大知识产权代理事务 所 61215 代理人 季海菊 (51)Int.Cl. H02J 3/00(2006.01) H02J 3/32(2006.01) H02J 3/38(2006.01)H02J 3/24(2006.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种储能系统参与多应用领域优化调度方 法 (57)摘要 本发明涉及一种储能系统参与多应用领域 优化调度方法， 首先， 用户自定义要考虑的经济 技术指标以及各指标间的相对重要程度， 建立 AHP综合评价指标， 其次， 建立以经济效益最优为 决策目标的日前优化模型和以风电出力误差最 小决策为目标的日内优化模型， 再建立以AHP综 合评价指标最优为决策目标的上层优化模型； 根 据历史数据模拟运行确定储能在不同应用领域 的出力分配， 最大限度避免了储能设备使用率不 足的问题、 有效利用了各应用之间的协同作用； 采用层次分析法进行综合效益评价， 根据所在电 网的实际情况和用户的主观需求选取指标并设 定其重要程度， 使得本发明具有广泛适用性； 本 发明对于制定储能系统运行方案、 保障储能投资 厂商的合理效益、 提升电网对新能源的消纳能力 和安全稳定运行具有重要的参考价值， 是很有前 景的一种储能系统优化调度方法。 权利要求书2页 说明书5页 附图1页 CN 114156870 A 2022.03.08 CN 114156870 A 1.一种储能系统参与多应用领域优化调度方法， 其特 征在于： 包括以下步骤： 步骤1、 用户自定义要考虑的经济技术指标以及各指标间的相对重要程度， 通过AHP将 相对重要程度量化为对应的数值， 将量化后的相对重要性数值填入层次分析法所用的判断 矩阵中， 建立AHP综合评价指标； 步骤2、 建立以经济效益 最优为决策目标的日前优化模型： 在削峰时段， 储能系统按照申报的调峰容量即调峰分配的功率上限， 持续放电； 深度调 峰时段则按照申报的调峰容量持续充电； 在其它时段， 储能系统依据峰谷电价被动参与调 峰， 即峰电价时段储能系统尽可能放电， 谷电价时段尽可能充电； 添加SOC为偏离中值惩罚 项， 电量过高时抑制充电， 电量过低时抑制放电， 避免储能系统接近极限影响其它应用调 用； 具体如下， 通过线性 求解器求解储能出力曲线： 削峰时段： Pdis＝Ppmax； 深度调峰时段： Pch＝Ppmax； 其它时段： 式中： Pdis为放电功率kW； Pch为充电功率kW； Ppmax为分配的最大调峰功率kW； SOC为储能 荷电状态； nD为削峰调峰时段以外的时段数； d为峰谷电价， 元/kW ·h； β 为平衡系数， 用于使 各式之间数量级一 致； Δt(h)为每 个时段的持续时间； 步骤3、 建立 风电出力误差最小决策为目标的日内MPC滚动优化模型： 调峰分配功率与平抑波动分配功率合并， 在满足调峰调用的基础上， 剩余容量均响应 平抑波动调用， 响应的深度由以下优化取得： 将前述日前优化模型求得的储能系统出力曲 线与风电出力日前预测曲线合成为风储日前预测， 在每一个调度时段， 以风储 日前预测误 差最小为目标函数， 根据当前风电场出力、 储能系统SOC状态和超短期预测信息求解后续数 个时段储能系统出力， 将控制序列第一个元素输出作为储能出力， 不断循环此过程， 其传递 方程如下： 其中， 风电出力日前预测曲线为根据国家规定， 风电场需在运行日前上报的出力预测 信息； 超短期预测信息是风电场在日内运行时必须实时上报的， 风电接下来4小时以内的出 力预测信息； 状态变 量x1(k)为风储实际功率与风储日前预测值之差， 状态变 量x2(k)为储能 系统当前电量； 控制变量u1(k)和u2(k)为储能系统调峰和平抑波动的放电/充电功率； 扰动 变量r1(k)为风电实际功率与预测值的误差， r2(k)为调频消耗的电量， 扰动变 量的值可以通 过风电场自身的超短期预测和调度中心的指令获得； ηch、 ηdis分别为储能系统充电、 放电时 的能量转化效率； 日内优化目标为 最小， 每一步优化中的u1(1)、 u2(1)输出为储能实际 出力曲线； 步骤4、 建立以AHP综合评价指标最优为决策目标的上层优化模型， 模型的决策变量为 储能系统在不同应用之间的功率分配比例， 目标函数为AHP综合评价指标最优； 具体方法 为， 通过人工智能算法生成若干调频、 调峰和平抑波动领域各自的分配功率的分配方案， 各权　利　要　求　书 1/2 页 2 CN 114156870 A 2领域分配功 率作为日前、 日内优化模型中各应用领域可调用出力上限， 日内MP C滚动优化模 型采用mpt工具箱求解出该分配方案下的储能系统实际出力曲线； 根据储能系统实际出力 曲线， 得出步骤1中自定义的各指标值， 通过步骤1中的判断矩阵将各指标值合成为各分配 方案的AHP综合指标值， 选取AHP综合指标最优的分配方案， 用于储能系统调度。 2.根据权利要求1所述的一种 储能系统参与多应用领域优化调度方法， 其特征在于： 所 述步骤1中通过AHP将相对重要程度量 化为对应的数值采用指数 型标度法。 3.根据权利要求1所述的一种 储能系统参与多应用领域优化调度方法， 其特征在于： 所 述步骤1中层次分析法所用的判断矩阵为： 选择指标为 n个， 构建的判断矩阵A为： 其中， aij表示指标i对比指标j的重要程度， aji＝1/aij。 4.根据权利要求1所述的一种 储能系统参与多应用领域优化调度方法， 其特征在于： 所 述步骤2中线性 求解器采用cplex商用求 解器。 5.根据权利要求1所述的一种 储能系统参与多应用领域优化调度方法， 其特征在于： 所 述步骤2中日前优化模 型形成储能系统的预测出力曲线， 上报调度中心， 步骤3中日内MP C滚 动优化模型 形成储能系统出力曲线， 平抑风电波动和响应调频指令 。 6.根据权利要求1所述的一种 储能系统参与多应用领域优化调度方法， 其特征在于： 所 述步骤4中决策变量包 含调频、 调峰和平抑波动领域各自的功率分配比例。 7.根据权利要求1所述的一种 储能系统参与多应用领域优化调度方法， 其特征在于： 所 述步骤4中人工智能算法采用粒子群算法。权　利　要　求　书 2/2 页 3 CN 114156870 A 3