[發明專利]基于最小二乘支持向量機的微電網儲能SOC估算方法和系統

在審

• 申請號: 201611066845.6
• 申請日: 2016-11-25
• 公開（公告）號: CN106772065A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 孫國城;張曉燕;劉澄;李哲;葛成余;張敏;楊文;王輝;洪濤
• 申請（專利權）人: 國電南瑞科技股份有限公司;國家電網公司;國電南瑞南京控制系統有限公司;國網江蘇省電力公司;國網江蘇省電力公司電力科學研究院;南京南瑞集團公司
• 主分類號: G01R31/36
• 分類號: G01R31/36;G06K9/62
• 代理公司: 南京縱橫知識產權代理有限公司32224
• 代理人: 董建林

技術領域

本發明涉及微電網儲能技術領域，特別是一種適用于多能源微電網的基于最小二乘支持向量機的微電網儲能SOC估算方法和系統。

背景技術

隨著新一輪電改方案的逐步落實，售電側市場將放開，將大大拓展微電網的發展空間。微電網是通過控制系統、儲能系統協調平衡多種分布式能源，平時與大電網并聯，富余電力輸入大電網或儲能系統，發電不足時從大電網購入電力或使用存儲的電力，當遇到大電網發生故障時則快速解列，孤網運行，保障主要負荷。微電網系統中儲能的成本較高，考慮到微網運行的經濟成本，應在保證微網系統安全運行的情況下，盡量延長儲能的壽命。蓄電池是目前微網系統中最常用的儲能形式，電池荷電狀態(SOC)是儲能系統充放電控制中的一個重要參考量，影響著儲能系統的安全運行及使用壽命。

由于儲能SOC和很多因素相關且具有很強的非線性，儲能SOC實時估算具有很大的困難。目前，蓄電池SOC的測量方法有放電實驗法、安時法、開路電壓法、內阻測量法、線性模型法及神經網絡法等。其中放電實驗法及內阻測量法在實際工程中不適用；安時法應用廣泛，但需要知道初始SOC大小，且隨著時間的積累，誤差會越來越大；開路電壓法精度高、簡單，但是需要靜置較長時間后才能得到穩定的開路電壓值；內阻測量法只考慮蓄電池的放電電流和內阻兩個基本的因素，計算精度有限，難以對蓄電池容量進行準確的估計；線性模型法適用于低電流、SOC緩變的情況，變電流情況的估計效果要進一步研究；神經網絡法基于經驗風險最小化，有時會陷入局部最小值，結構參數難以確定，缺少適當的理論指導。

發明內容

本發明要解決的技術問題為：利用最小二乘支持向量機，通過挖掘已知數據的規律，實現對未知儲能SOC的估算確定，減小計算誤差，同時可提高蓄電池的壽命和微電網運行的安全性。

本發明采取的技術方案具體為：基于最小二乘支持向量機的微電網儲能SOC估算方法，包括以下步驟：

利用微電網儲能實驗平臺獲取儲能系統在充放電過程中產生的實驗數據；

基于獲取的實驗數據，得到最小二乘支持向量機訓練模型的訓練集樣本和測試集樣本；

基于所述訓練集樣本，獲得最小二乘支持向量機的最優訓練參數；

基于得到的最優參數，利用訓練集樣本對最小二乘支持向量機進行訓練，得到最小二乘支持向量機的訓練模型；

利用測試集樣本對得到的訓練模型進行測試，評價利用上述訓練模型計算SOC是否有效；

若訓練模型測試有效，則利用得到的最小二乘支持向量機訓練模型對微電網中相應類型儲能系統的SOC進行計算，以確定微電網儲能SOC。

利用本發明方法估算得到的微電網蓄電池SOC值，可以為后續微電網中的蓄電池控制提供依據，防止蓄電池深度充放電，從而提高蓄電池壽命及微電網運行的安全性。在對實際微電網儲能SOC進行估算時，可參考儲能實驗平臺獲取數據的方法，獲取微電網中儲能系統在實際充放電過程中包括電壓、電流、溫度的相關數據，作為最小二乘支持向量機訓練模型的輸入量，然后通過最小二乘支持向量機訓練模型得到輸出量，即SOC計算結果。儲能實驗平臺中的實驗對象儲能系統類型與實際需要進行估算的微電網儲能系統類型一致。

進一步的，本發明中，儲能系統的充放電過程包括恒流充電狀態過程、恒流放電狀態過程和交替恒流充放電狀態過程；充放電過程中產生的實驗數據包括上述各過程中分別產生的電壓、電流、溫度及SOC數據。

具體的，利用微電網儲能實驗平臺，獲取儲能系統在充放電過程中的實驗數據，包括步驟：

將充滿電的蓄電池靜止第一設定時長后，使蓄電池工作在恒定電流放電運行狀態，以采樣周期t1，采樣獲得蓄電池在當前狀態下的電壓數據序列、電流數據序列、溫度數據序列及SOC數據序列；

將蓄電池靜止第二設定時長后，使蓄電池工作在恒定電流充電運行狀態，以采樣周期t2，采樣獲得蓄電池在當前狀態下的電壓數據序列、電流數據序列、溫度數據序列及SOC數據序列；

將待蓄電池充滿電后靜止第三設定時長，使蓄電池工作在恒定電流交替充電、放電的運行狀態，以采樣周期為t3，獲得蓄電池在當前狀態下的電壓數據序列、電流數據序列、溫度數據序列及SOC數據序列。