一種基于云模型的儲能系統(tǒng)典型曲線挖掘方法
【技術領域】
[0001] 本發(fā)明屬于電力系統(tǒng)儲能系統(tǒng)技術領域，尤其涉及一種基于云模型的儲能系統(tǒng)典 型曲線挖掘方法。
【背景技術】
[0002] 可再生能源發(fā)電的波動性、間歇性和不可預知性會給現有電力系統(tǒng)的運行帶來一 定沖擊。儲能系統(tǒng)具有快速響應和動態(tài)調節(jié)能力，可以有效提高新能源電力系統(tǒng)的友好性。 [0003]目前對于儲能系統(tǒng)充放功率的研究都集中于優(yōu)化控制與容量配置等方面，對于典 型運行曲線的挖掘工作關注較少，存在著對儲能系統(tǒng)充放功率整體認知不夠清楚，且計算 量巨大等問題。挖掘確定應用場景下的儲能系統(tǒng)典型運行曲線是對儲能系統(tǒng)運行特征的提 取與概括，可以實現對于儲能系統(tǒng)充放功率情況的整體認知，進而輔助解決容量配置的問 題。利用所提取的典型運行曲線可以壓縮數據量，節(jié)省計算量。

【發(fā)明內容】

[0004] 針對目前儲能系統(tǒng)充放功率研究存在的問題，本發(fā)明提出了一種基于云模型的儲 能系統(tǒng)典型曲線挖掘方法，包括：
[0005] 步驟1、確定儲能系統(tǒng)的應用場景與控制策略，對儲能系統(tǒng)的充放功率進行數據 采集，記第j日k時刻儲能系統(tǒng)充放功率值為P jk，j = 1，2,…，η，η為統(tǒng)計總天數，k = 1，2,…，s，s為每日采樣點個數，η天內k時刻充放功率最大值為Pkniax，則儲能系統(tǒng)充放功 率在 k 時刻的標么值為：P]k pu= P ]k/Pk_，P]k pue [0, 1];
[0006] 步驟2、統(tǒng)計η天的不同時刻的標幺充放功率值并存入矩陣Mstin= [P1, p2,…，pk,… ，PS]T，P k是儲能系統(tǒng)η天內k時刻的標幺充放功率向量，p k= [P lk_pu, P2kjm,…，Pnkjm];
[0007] 步驟3、統(tǒng)計標么充放功率向量pk的頻率分布，得到p亦頻率分布曲線f (X) k，并 根據頻率分布曲線f (X)k的峰值F k]所對應的橫坐標得到云模型的期望E xkl，即云的重心位 置；i = 1，2, "'m,初始值 i = 1 ;
[0008] 步驟4、以云模型的期望Exkl為中心，找出左右兩邊出現的第一個波谷所在位置， 分別記為X lf3f^ X hght，則確定第一個云模型的云滴范圍山=min (E Xki-x1(；ft，Xl4ght-Exki);利 用無需確定度信息的逆向云算法計算出熵E Tki與超熵He ki，繼而計算云模型的數據分布函 fcloud ki，
[0009] 步驟5、從頻率分布曲線f (X)1^減去云模型分布函數Llciud kl，得到新的頻率分布 曲線f'（X)k，并尋找f'（X)k的峰值F ki+1;計算峰值Fki與峰值F ki+1的差值Distance ki = Fk「Fki+1;
[0010] 步驟6、若Distancekl大于等于閾值ε，則找出峰值F kl+1對應的橫坐標E xkl+1，則i =i+Ι并重復步驟4~步驟5,直到Distancekn/J、于閾值ε，并獲得所對應的橫坐標E xki;g Distancek/j、于閾值ε，則k = k+1，即進入尋找下一時刻的正態(tài)云模型組；
[0011] 步驟7、根據步驟4~步驟6得到k時刻的代表充放功率值向量：(Exkl，E xk2，… ，Exkl，…，ExkJ ;儲能系統(tǒng)在k時刻的典型充放功率值的計算方法如下：
[0013] 步驟8、依次計算k+l，k+2,…，s時刻的儲能系統(tǒng)典型充放功率值，得到儲能系統(tǒng) 典型運行曲線P =IiP1, P2，…，Ps]。
[0014] 所述步驟4中的逆向云算法為：
[0015] 步驟401、將范圍在（Exkl山，Exku(I 1)內的功率數據記為xkll，i = 1，2,…，T ;根據 樣本Xkli計算樣本期望：
[0016] 步驟402、計算樣本方差：
[0017] 步驟403、計算熵：
[0018] 步驟404、計算超熵：
[0019] 所述步驟4中的云模型的數據分布函數計算方法為：
[0021] 本發(fā)明的有益效果如下：應用于削峰填谷，跟蹤風電計劃出力，平抑風電或者光伏 發(fā)電的功率波動等應用場景，能大大減少計算量，能對儲能系統(tǒng)充放功率整體有清楚認知； 云模型中的逆向云發(fā)生器可以將精確數據轉換為以數字特征C(Ex，En He)表示的云模型， 實現數值到概念的提取與轉換，即實現儲能系統(tǒng)充放功率數據挖掘出儲能系統(tǒng)典型運行曲 線。
【附圖說明】
[0022] 圖1是基于云模型的儲能系統(tǒng)典型曲線挖掘算法流程圖；
[0023] 圖2是平抑光伏電站的功率波動時的儲能系統(tǒng)控制策略圖；
[0024] 圖3是實施例中所挖掘的儲能系統(tǒng)典型運行曲線圖；
[0025] 圖4是實施例中儲能系統(tǒng)功率分布及非參數核密度估計圖。
【具體實施方式】
[0026] 下面結合附圖，對實施例作詳細說明。
[0027] 本發(fā)明提出了一種基于云模型的儲能系統(tǒng)典型曲線挖掘方法，如圖1所示，包括：
[0028] 步驟1、設定儲能系統(tǒng)的應用場景為平抑光伏電站的功率波動。設定時間跨度為1 年。選取控制策略為一階低通濾波。如圖2所示，該光儲聯合系統(tǒng)主要由光伏電站、儲能系 統(tǒng)和控制系統(tǒng)組成。匕為光伏電站輸出功率，Pb是儲能系統(tǒng)輸出功率，P?是光儲聯合系統(tǒng) 總輸出功率。它們存在的關系如下式所不（尚散化后）：
[0032] 其中，k為離散化時間步，對應時刻為tk= t Q+k · Δ t，t。為初始時刻，Δ t為采樣 時間間隔。τ為低通濾波器的時間常數，α為與τ有關的常數，稱為濾波常數。
[0033] 根據上述控制策略及等式，計算得出1年的儲能系統(tǒng)充放功率。
[0034] 對儲能系統(tǒng)的充放功率進行數據采集，記第j日k時刻儲能系統(tǒng)充放功率值為Pjk， j = 1，2,…，η，η為統(tǒng)計總天數，k = 1，2,…，s，s為每日采樣點個數，η天內k時刻充放功率 最大值為Pkniax，則儲能系統(tǒng)充放功率在k時刻的標幺值為：P jk pu= P jk/Pk_，Pjk pue [0, 1];
[0035] 步驟2、統(tǒng)計η天的不同時刻的標幺充放功率值并存入矩陣Mstin= [P1, p2,…，pk,… ，PS]T，Pk是儲能系統(tǒng)η天內k時刻的標幺充放功率向量，ρ k= [Ρ lk_pu, P2kjm,…，Pnkjm];
[0036] 步驟3、統(tǒng)計標么充放功率向量pk的頻率分布，得到p』勺頻率分布曲線f (X) k，并 根據頻率分布曲線f (X)k的峰值F k]所對應的橫坐標得到云模型的期望E xkl，即云的重心位 置；i = 1，2, "'m,初始值 i = 1 ;
[0037] 步驟4