一种基于聚类算法和系统辨识的储能电站等值建模方法

本发明涉及电力系统，尤其涉及一种基于聚类算法和系统辨识的储能电站等值建模方法。

背景技术：

1、随着技术的进步，电池储能技术在风储、光储以及风光储联合应用等领域逐渐受到了广泛的关注，储能电站并网规模也在不断扩大。

2、目前国内外对大规模储能电站等值仿真方法的研究多针对储能电站的某一组成部分，而少有对储能电站的整体等值仿真进行总体介绍和研究。

3、经检索，公布号cn117709189a的中国专利，公开了一种基于聚类算法的吉瓦级电池储能电站动态建模方法，其提出针对大规模电池储能电站的等值建模方法以及面向电池储能电站的储能系统等值方法缺少相关研究方案，难以产生良好仿真效果的问题，并提出通过采用采用聚类算法使等值效果达到最佳的技术方案；

4、公告号cn102541621b的中国专利，公开了风光储联合发电系统的仿真等值方法，其提出潮流计算和机电暂态仿真中采用详细模型的联合发电系统(即每台风、光、储单机建模)，存在模型复杂、规模庞大，而且计算时间长的问题，并提出构建用于大型大力系统仿真的风光储联合发电系统的等值模型的技术方案；

5、此外，根据文献：陈树勇,王聪,申洪,等.基于聚类算法的风电场动态等值[j].中国电机工程学报,2012,32(04):11-19+24.chen shuyong，wang cong，shen hong，etal.dynamic equivalence for wind farms based on clustering algorithm[j].proceedings of the csee,2012,32(04):11-19+24.

6、提出适用于于双馈式风力发电机组的动态等值建模方法，采用风电机组仿真过程中的状态变量矩阵作为分群指标，使用聚类算法进行分类，该方法在风速波动和系统侧故障时，能准确地描述风电场的实际情况，目前有关文献较少将此类方法应用到储能电站相关的等值建模中。

7、然而，对于大规模储能电站机组台数多，模型维度高，仿真运算量大的情况，如何应对大规模系统，可以达到等值和降阶，实现快速时域仿真，是亟需解决的问题。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的缺陷，而提出的基于聚类算法和系统辨识的储能电站等值建模方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种基于聚类算法和系统辨识的储能电站等值建模方法，包括以下步骤：

4、s1：收集储能电站中储能机组的运行参数，并进行预处理；

5、s2：采用k-means聚类算法进行等值，选择能综合反映储能机组静态和动态特性作为分群指标，通过k-means方法将具有相近运行点的储能机组划分到同一机群，整合等值机组数据；

6、s3：将等值后的机组数据进行参数辨识得到系统输出功率的传递函数，确定传递函数的结构和参数，完成建模。

7、进一步地，在步骤2中，等值模型参数整合方法如下公式：

8、

9、式中：k为等值聚类组数；l为等值储能单元内储能机组的个数；soc为等值电池组soc；p为等值充放电功率；td为等值延迟时间；tr为等值上升时间；ts为等值调节时间；σ为等值超调量。

10、进一步地，在步骤2的聚类等值模型中，通过数据拟合的方法求得系统实时输出功率，其中，拟合中使用的模型为

11、f(x)＝ a1*sin(b1*x+c1)                    (2)

12、式中：a1为电压电流的幅值，b1为角频率，c1为相位差。

13、数据通过以下方式描述

14、data＝ a1*sin(b1*x+c1)+error                 (3)

15、其中，

16、对系统暂态时间域进行分段，用正弦模型对电压电流曲线进行参数拟合，通过以下公式描述：

17、

18、进一步地，在步骤s2的等值模型构建中，使用系统辨识工具中已有的辨识函数arx()；

19、选取适合的模型阶次后，当拟合率符合设定要求，不再选取更高阶系统；

20、采用系统辨识工具中transfer function models，得到系统传递函数，并对传递函数模型系数进行修正。

21、相比于现有技术，本发明的有益效果在于：

22、将储能电站等值为少量机组，能够用于由同类型机组构成的各种组成结构储能电站，具备实用性和可行性，相比于传统单机等值方法，具有更高的计算精度，同时保持了较高的计算效率，能够应对大规模系统，可以达到等值和降阶，实现快速时域仿真。

技术特征：

1.一种基于聚类算法和系统辨识的储能电站等值建模方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于聚类算法和系统辨识的储能电站等值建模方法，其特征在于，在步骤2中，等值模型参数整合方法如下公式：

3.根据权利要求2所述的基于聚类算法和系统辨识的储能电站等值建模方法，其特征在于，在步骤3的聚类等值模型中，通过数据拟合的方法求得系统实时输出功率，其中，拟合中使用的模型为

4.根据权利要求3所述的基于聚类算法和系统辨识的储能电站等值建模方法，其特征在于，在步骤s3的等值模型构建中，使用系统辨识工具中已有的辨识函数arx()；

技术总结
本发明公开了一种基于聚类算法和系统辨识的储能电站等值建模方法，包括以下步骤：S1：收集储能电站中储能机组的运行参数，并进行预处理；S2：采用K‑means聚类算法进行等值，选择能综合反映储能机组静态和动态特性作为分群指标，通过K‑means方法将具有相近运行点的储能机组划分到同一机群，整合等值机组数据；S3：将等值后的机组数据进行参数辨识得到系统输出功率的传递函数，确定传递函数的结构和参数，完成建模。将储能电站等值为少量机组，能够用于由同类型机组构成的各种组成结构储能电站，具备实用性和可行性，具有更高的计算精度，同时保持了较高的计算效率，能够应对大规模系统，可以达到等值和降阶，实现快速时域仿真。

技术研发人员：杨农,潘三博,凌志斌
受保护的技术使用者：上海电机学院
技术研发日：
技术公布日：2024/9/23