买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:沈阳工程学院
摘要:本发明提供了一种基于改良的pick‑KX算法的分布式储能控制的优化方法,提高分布式储能模块的效率并保证供电质量及电网安全。是以分布式储能模块为单元的动态负载均衡算法,以分析负荷侧的需求和储能侧的负载能力、当前负载情况等数据来动态调节功率分配方案,使得各分布式储能模块均衡的分担负荷,提高分布式储能模块的效率并保证供电质量及电网安全,具有理论价值和现实意义。
主权项:一种基于改良的pick‑KX算法的分布式储能控制的优化方法,其特征在于,包括如下步骤:步骤1:建立分布式储能模块模型;步骤2:建立优化函数;步骤3:计算、查找单个模块当前负荷Em和单个模块负载能力Nm以及单个模块可利用时间Tm等参数;步骤4:设置基于改良的pick‑KX算法的参数;步骤5:设置任务的负荷需求功率Q、负荷需求时间T;步骤6:计算单个模块当前负载占比Qm;步骤7:设置总负荷任务数X1、未完成负荷任务数X2;步骤8:计算限制条件的失败率Fm;步骤9:计算负载的分配概率Pm;步骤10:对负载进行最有优分配。
全文数据:基于改良的PiCk-KX算法的分布式储能控制的优化方法技术领域[0001]本发明属于分布式储能控制领域,尤其是指基于改良的Pick-KX算法的分布式储能控制的优化方法。背景技术[0002]分布式储能是从根本上解决可再生能源发电接入问题的最有效途径,通过储能系统来弥补可再生能源发电的间歇性和不稳定性缺陷,从而实现可再生能源电力平滑并入电网。但是分布式储能使得配电系统发生根本性的变化,整个分布式储能模块和配电网之间的控制和调度必须协调。[0003]Pick-KX算法是一种能够根据系统当前的状况实时调节分配策略,保证各部分负载平衡,避免出现无法处理用户请求的现象的动态负载均衡算法。发明内容[0004]针对分布式储能模块在电网连接、电网安全、供电质量等方面存在较多问题,本发明提出了基于改良的Pick-KX算法的分布式储能控制的优化方法,算法简洁、易于实现,使得各分布式储能模块均衡的分担负荷,提高分布式储能模块的效率并保证供电质量及电网安全,具有理论价值和现实意义。[0005]本发明实现的技术思路是:首先建立分布式储能模块的模型,获得算法所需要的参数,如当前负荷、系统总负载能力、单个模块负载能力、单个模块的当前负载占比、条件限制的失败率等,根据负荷需求功率、负荷需求时间,带入算法,计算出模块的负载分配概率,根据负载分配概率将负载均衡的分配到各个分布式储能模块上,提高分布式储能模块的效率并保证供电质量及电网安全。[0006]为了实现上述的目标,下面进一步描述本发明的具体技术方案。[0007]基于改良的pick-KX算法的分布式储能控制的优化方法,包括以下步骤。[0008]步骤1:建立分布式储能模块模型。[0009]步骤2:建立优化函数。[0010]步骤3:计算、查找单个模块当前负荷Em和单个模块负载能力Nm以及单个模块可利用时间等参Tm数。[0011]步骤4:设置基于改良的pick-KX算法的参数。[0012]步骤5:设置任务的负荷需求功率Q、负荷需求时间T。[0013]步骤6:计算单个模块当前负载占比Q»。[0014]步骤7:设置总负荷任务数X1、未完成负荷任务数X2。[0015]步骤8:计算限制条件的失败率Fm。[0016]步骤9:计算负载的分配概率Pm。[0017]步骤10:对负载进行最有优分配。[0018]进一步,所述步骤1中,建立分布式储能模块模型包括抽水储能、飞轮储能、电池储能等分布式储能模块。[0019]进一步,所述步骤2中,建立的优化函数为。[0021]其中,η为分布式储能模块的数量。[0022]进一步,所述步骤3中,单个模块当前负荷。[0024]其中,Gi为有功功率,G2为线损功率,G3为厂用功率,ki、k2、k3为权值且ki+k2+k3=l。[0025]单个模块负载能力Nm,即装机容量。[0026]由于分布式储能各个模块可利用时间不同,设置单个模块可利用时间Tm。[0027]进一步,所述步骤5中,先设置任务的负荷需求功率Q,并和单个模块负载能力〜比较,将任务分配给单个模块负载能力Nm任务的负荷需求功率Q的这些模块中,再通过设置负荷需求时间T,使之与单个模块可利用时间Tm相比较,将任务分配给单个模块可利用时间Tm^负荷需求时间T的这些模块中。[0028]进一步,所述步骤6中,单个模块当前负载占比:[0029]如果单个模块当前负载占比Qm90%,则该模块的负载分配概率为0,即这次负荷任务不会分配给该模块。[0030]进一步,所述步骤8中,限制条件的失败率。[0032]如果未完成负荷任务数X2=O,会导致计算出的FmSO,所以设定当X2=O时,令Fm=I。[0033]进一步,所述步骤9中,负载的分配概率。[0035]进一步,所述步骤10中,根据各个模块的负载分配概率,进行负荷任务的分发。[0036]附图说明。[0037]图1是本发明的总体流程图。具体实施方案[0038]本发明的核心思想是通过改良的pick-KX算法实现对分布式储能功率分配的优化控制。[0039]图1是本发明的总体流程图,本发明实现步骤如下。[0040]1.建立分布式储能模块模型,包括包括抽水储能、飞轮储能、电池储能等分布式储能模块,并知晓其基本参数,如工作温度,最大电流等。[0041]2.本发明的目的是实现对分布式储能功率分配的优化控制,建立的优化函数如下。[0043]其中,η为分布式储能模块的数量。计算负载的分配概率?》,根据?》大小分配负荷任务。[0044]3.计算、查找单个模块当前负荷Em和单个模块负载能力〜以及单个模块可利用时间Tm等参数。[0045]1单个模块当前负荷。[0047]其中,G1为有功功率,G2为线损功率,G3为厂用功率,h、k2、k3为权值且h+k2+k3=l。[0048]2单个模块负载能力Nm即为该模块的装机容量。[0049]3查找单个模块可利用时间Tm,不同类型的分布式储能模块可利用时间不同,其中飞轮储能模块一般为lms-15min,超级电容器储能模块一般为Ims-Ih,抽蓄电站储能模块一般为数百小时。[0050]4.设置基于改良的pick-KX算法的参数。[0051]本发明基于改良的pick-KX算法,将单个模块当前负荷Em和单个模块负载能力〜以及单个模块可利用时间1„等参数设置到算法里,用于后续判断及计算。[0052]5.设置任务的负荷需求功率Q、负荷需求时间T。[0053]1先设置任务的负荷需求功率Q,并和单个模块负载能力仏比较,将任务分配给单个模块负载能力Nm任务的负荷需求功率Q的这些模块中。[0054]2再通过设置负荷需求时间T,使之与单个模块可利用时间Tm相比较,将任务分配给单个模块可利用时间Tm负荷需求时间T的这些模块中。[0055]6.计算单个模块当前负载占比Q»。[0056]1单个模块当前负载占比:。[0058]2如果单个模块当前负载占比Qm90%,则该模块的负载分配概率为0,即这次负荷任务不会分配给该模块。[0059]7.设置总负荷任务数X1、未完成负荷任务数X2。[0060]每一次负荷任务及筛选过程均计次数,用于优化功率分配概率。[0061]8.计算限制条件的失败率Fm。。[0062]1限制条件的失败率。[0064]2如果未完成负荷任务数X2=0,会导致计算出的Fm为0,所以设定当X2=O时,令Fm=1〇[0065]9.计算负载的分配概率Pm。[0066]将计算和查找的各类数据带入优化函数。[0068]得到负载的分配概率Pm。[0069]10.对负载进行最有优分配。[0070]根据各个模块的负载分配概率,进行负荷任务的分发。
权利要求:1.一种基于改良的pick-KX算法的分布式储能控制的优化方法,其特征在于,包括如下步骤:步骤1:建立分布式储能模块模型;步骤2:建立优化函数;步骤3:计算、查找单个模块当前负荷Em和单个模块负载能力仏以及单个模块可利用时间Tm等参数;步骤4:设置基于改良的pick-KX算法的参数;步骤5:设置任务的负荷需求功率Q、负荷需求时间T;步骤6:计算单个模块当前负载占比Qm;步骤7:设置总负荷任务数X1、未完成负荷任务数X2;步骤8:计算限制条件的失败率Fm;步骤9:计算负载的分配概率Pm;步骤10:对负载进行最有优分配。2.根据权利要求所述的基于改良的pick-KX算法的分布式储能控制的优化方法,其特征在于,所述步骤1中,建立分布式储能模块模型时应根据不同类型的储能方式设置各部分的参数。3.根据权利要求所述的基于改良的pick-KX算法的分布式储能控制的优化方法,其特征在于,所述步骤2中,建立的优化函数为:其中,η为分布式储能模块的数量。4.根据权利要求所述的基于改良的ρick-KX算法的分布式储能控制的优化方法,其特征在于,所述步骤3中,单个模块当前负荷:其中,Gi为有功功率,G2为线损功率,G3为厂用功率,ki、k2、k3为权值且ki+k2+k3=l,并设置单个模块负载能力Nm,即装机容量,由于分布式储能各个模块可利用时间不同,设置单个模块可利用时间Tm。5.根据权利要求所述的基于改良的pick-KX算法的分布式储能控制的优化方法,其特征在于,所述步骤5中,先设置任务的负荷需求功率Q,并和单个模块负载能力仏比较,将任务分配给单个模块负载能力Nm任务的负荷需求功率Q的这些模块中,再通过设置负荷需求时间T,使之与单个负载可利用时间Tm相比较,将任务分配给单个负载可利用时间1„多负荷需求时间T的这些模块中。6.根据权利要求所述的基于改良的pick-KX算法的分布式储能控制的优化方法,其特征在于,所述步骤5中,单个模块当前负载占比:如果单个模块当前负载占比Qm90%,则该模块的负载分配概率为0,即这次负荷任务不会分配给该模块。7.根据权利要求所述的基于改良的pick-KX算法的分布式储能控制的优化方法,其特征在于,所述步骤7中,限制条件的失败率8.如果未完成负荷任务数X2=0,会导致计算出的Fm为0,所以设定当X2=0时,令Fm=I。
百度查询: 沈阳工程学院 基于改良的pick‑KX算法的分布式储能控制的优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。