基于分布式记账的储能型风机调度响应方法

权利要求书： 1.一种基于分布式记账的储能型风机调度响应方法，其特征在于，包括以下步骤：S1、时间离散化，为每个风力发电机组建立节点；

将连续时间进行离散化，全天24小时均分为k个时段，其中k∈{1,2,3，…,k}，每个时段的时长为Δt；

每台储能型风机作为独立节点i＝1,2,3,…,N，N是风电场中储能型风机的数量，其中，所述储能型风机为带储能装置的风力发电机组；

S2、建立节点群储能系统发电计划响应模型；

+

将风电场作为能源局域网统一考虑，所有节点的储能装置作为节点群N统一考虑，建立节点群的总体发电计划响应模型；

S3、确定各节点内部调度规则；

建立每个节点的储能损耗程度模型、负荷响应能力模型和充放电损耗成本模型，根据多目标寻优结果，确定在发电计划响应模型下的每个节点的充放电优先度排序和调度次序；

S4、建立各节点的分布式记账区块，确定区块需要记录的信息和传递机制，同时建立主信息数据库，如下：

建立每个节点的分布式记账区块，为每个节点分配独立的IP地址，通过计算生成各节点的公钥和私钥；确定每个区块所需要记录的节点信息，包括节点状态信息以及所需要记录的响应信息；建立区块的主信息数据库，用于记录节点信息，并做实时调度过程中的区块信息的备份储存；

S5、节点入网，开始接受调度指令，确定节点群的总体响应策略以及各节点的响应优先次序和响应策略，如下：

节点入网后，将所需的各项参数、公钥上传到主信息数据库，并向全网广播，同时从节点网络的其它节点下载区块链，从主信息数据库下载节点基本信息数据；

根据发电调度计划，按照步骤S2中确定k时段节点群作为整体储能系统的充放电响应策略；在总体响应策略下，按照步骤S3综合评价体系下确定的节点优先级排序，确定每个节点的响应策略，记录每个节点的状态及响应策略和响应结果信息；

S6、每个节点按照固定的时间间隔Δt将节点信息和响应结果上传到区块中，供全网节点共享，同时上传到主信息数据库，如下：在第k时段结束时，每个节点生成一个新的区块Bi(k)，将该时段节点的状态信息、响应策略和响应结果记录在新的区块中，供全网节点共享，实现节点之间通过区块来相互传递信息，同时，每个节点的区块信息同步上传到主信息数据库，用于备份储存。

2.根据权利要求1所述的一种基于分布式记账的储能型风机调度响应方法，其特征在于，所述步骤S2包括以下步骤：S21、根据风功率预测模型获取风电场日前发电功率预测曲线；

S22、根据风电场实际发电功率和预测曲线之间最近的m个预测误差值的集合，确定其经验分布函数，根据其反函数确定α概率预测区间，则：Pup(k)＝(1+α)Pp(k)Pdown(k)＝(1?α)Pp(k)其中，Pp(k)是k时刻风电场的发电计划，Pup(k)和Pdown(k)为偏差上限和下限，α是允许跟踪误差；

S23、根据实际发电出力Pw(k)和发电偏差上、下限Pup(k)、Pdown(k)的关系以及节点群的总储能容量的荷电状态，确定节点群的储能功率Pb(k)优化区间；

所述Pb(k)优化区间的确定要考虑实际风电场出力是否在上下限之内以及储能荷电状态是否在允许范围之内，具体如下：+

如果节点群N的SOC(k)范围在SOCmin＜SOC(k)＜SOCmax，则Pb(k)∈[Pdwon(k)?Pw(k)，Pup(k)?Pw(k)]；

+

如果节点群N的SOC(k)≤SOCmin且Pdwon(k)≤Pw(k)≤Pup(k)，则Pb(k)∈[Pdwon(k)?Pw(k)，

0]；

+

如果节点群N的SOC(k)≤SOCmin且Pw(k)＜Pdown(k)，则Pb(k)＝0；

+

如果节点群N的SOC(k)≤SOCmin且Pw(k)＞Pup(k)，则Pb(k)∈[Pdwon(k)?Pw(k)，Pw(k)?Pup(k)]；

+

如果节点群N的SOC(k)≥SOCmax且Pdwon(k)≤Pw(k)≤Pup(k)，则Pb(k)∈[0，Pup(k)?Pw(k)]；

+

如果节点群N的SOC(k)≥SOCmax且Pw(k)＜Pdown(k)，则Pb(k)∈[Pdwon(k)?Pw(k)，Pup(k)?Pw(k)]；

+

如果节点群N的SOC(k)≥SOCmax且Pw(k)＞Pup(k)，则Pb(k)∈[Pdwon(k)?Pw(k)，Pup(k)?Pw(k)]；

S24、确定节点群的储能系统电量和充放电控制策略：SOC(k)＝S(k)/Eb

S(k)＝(1?ρ)·S(k?1)?Pb(k)·ΔtPb(k)＝?fc·Pc(k)·ηc+fd·Pd(k)/ηd其中，SOC(k)表示节点群的时刻k的荷电状态SOC，S(k)、S(k?1)分别为k时刻、k?1时刻的电量，ρ为自放电率，Pc(k)、Pd(k)为k时刻的输入、输出功率，ηc、ηd是k时刻的充电效率、放电效率，fc、fd根据充放电状态为0或1；当储能充电时，fc＝1，fd＝0；当储能放电时，fc＝0，fd＝1；不充不放时，fc＝0，fd＝0；

节点群的整体储能参数在k时刻的各项参数来自于各节点的加权平均，如下：其中，Cpower,i是各节点的储能容量，SOCi是各节点的荷电状态。

3.根据权利要求1所述的一种基于分布式记账的储能型风机调度响应方法，其特征在于，在步骤S3中，实现每个节点的调度策略包括以下步骤：S31、为每个节点建立储能损耗程度模型ESLi(Eref,μT,μSOC0,μDEPTH,μLOOP)、负荷响应能力模型LRi(p,Ωi(p),dci)和充放电损耗成本模型FCi；

其中，Eref是标准条件下的参考系数，μT是温度衰减系数，μSOC0是初始SOC的容量衰减加速因素，μDEPTH是放电深度影响因素，μLOOP是充放电循环次数影响因素；p是当前时刻k前p个时刻集合的一个滚动时间窗口，Ωi(p)是调度策略和响应结果偏差集合，dci是响应能力置信度，FCi是预调度策略下的充电或放电损耗成本；

第i个节点的储能损耗程度模型ESLi表示为：ESLi＝?Eref×μT×μSOC0×μDEPTH×μLOOP第i个节点的负荷响应能力模型LRi表示为：即LRi是当前时刻k前p个时段的响应能力指标之后在置信度区间内的可信程度；

第i个节点k时刻预调度策略下的充放电损耗成本模型FCi表示为：FCi(k)＝Fdisch,i+Fch,i，其中，Fdisch,i是放电造成的电池退化成本，Fch,i是充电造成的电池退化成本；

*

S32、根据节点群的总体优化目标，确定k时刻的每个节点调度策略ui(k)；

根据每个节点的损耗程度、负荷响应能力确定每个节点参与调度的优先级，并确定包*

含充放电功率、充放电时间、充放电量在内的调度策略ui (k)，保证节点群的总体负荷响应能力最优且k时刻下的充放电成本损耗最小；

*

第i个节点的调度策略ui(k)表示为：* T

ui(k)＝[fc,i(k),fd,i(k),Pc,i(k),Pd,i(k),Sc,i(k),Sd,i(k),tc,i(k),td,i(k)]其中，Pc,i(k)是充电功率，Pd,i(k)是放电功率，Sc,i(k)是充电电量，Sd,i(k)是放电电量，tc,i(k)是充电时长，td,i(k)是放电时长，fc,i(k)是充电响应参数，fd,i(k)是放电响应参数；

多目标寻优的总体约束为：

S33、经过多目标寻优的迭代过程，确定k时刻的各节点的最终调度策略ui(k)，确定参与调度的节点、各节点的优先顺序和节点参与调度的内容；

各节点的优先顺序表示为：

Pr(k)＝[Pr1(k),Pr2(k),…,PrN(k)]，其中Pr(k)是k时刻各节点的优先度向量，Pri(k)是第i节点k时刻的优先性参数；

各节点的调度策略表示为：

u(k)＝[u1(k),u2(k),…,uN(k)]，其中u(k)是k时刻各节点的调度策略向量，ui(k)是第i节点k时刻的调度策略；

S34、根据k时刻对应时段的调度策略ui(k)，计算确定该节点参与调度获得的电量效益Ri(S)，其中，S为充放电量；

Ri(S)表示为：

Ri(S)＝CwindEwind+CenEen其中，Cwind是风电入网电价，Cen是储能入网电价，Ewind是因配置储能而多接纳的风电电量，Een是储能的充电电量。

4.根据权利要求1所述的一种基于分布式记账的储能型风机调度响应方法，其特征在于，在步骤S4中，每个节点的分布式记账区块和主信息数据库的建立包括以下步骤：S41、每个入网的风力发电机组入网形成独立的节点，并且拥有自己的IP地址和公、私钥密钥对；

S42：确定每个节点区块体的记录信息，包括节点对应的风机基础和参考参数及调度响应数据；其中，调度响应数据包括：充放电策略参数fc、fd，充放电功率Pc、Pd，充放电量Sc、Sd，充放电时长tc、td，充放电损耗FC，调度响应指数LR，调度优先度Pr，计划发电Pp，实际发电量Pw，出力偏差ΔP，荷电状态SOC，电量收益R，储能损耗程度ESL；

S43、建立主信息数据库，采用区块集中的方式存储各节点的IP、公钥信息，并建立面向各节点区块数据备份存储的数据库，在每个节点产生新的区块时，除了由各节点存储和传递之外，还由主信息数据库集做备份存储。

5.根据权利要求1所述的一种基于分布式记账的储能型风机调度响应方法，其特征在于，在步骤S5中，基于步骤S2的模型进行实时调度，在由k时刻到k+1时刻时，产生新的总体调度策略和分节点调度策略，所需要的k时刻及之前的数据来自于k时刻及之前的该节点区块体内记录的数据。

6.根据权利要求1所述的一种基于分布式记账的储能型风机调度响应方法，其特征在于，在步骤S6中，第i节点k时刻的区块Bi(k)，其区块头等于k?1时刻区块的Hash值，其区块体内所有记录的数据根据Hash算法自动生成存储数据Hash值的默克尔树，防止在交易过程中出现篡改的问题；第i节点k+1时刻的区块Bi(k+1)，其区块头存有区块Bi(k)的Hash值，其区块体内根据k+1时刻存储数据Hash值的默克尔树，实现邻区块首尾Hash值单向连接的链式存储；其中，所述区块中均包含时间戳。

说明书： 一种基于分布式记账的储能型风机调度响应方法技术领域[0001] 本发明涉及能源的技术领域，尤其是指一种基于分布式记账的储能型风机调度响应方法。

背景技术[0002] 集成了储能装置的储能型风机是风力发电机组的发展趋势。风机配备的储能装置可以更快地响应负荷跟随和频率调整指令，更好地平滑风力发电机组出力。同时，在风电超

发时，储能装置可以储存多余电力，起到削峰填谷的作用，提高风力发电机组的整体经济

性。

[0003] 在未来能源互联网的生态格局中，可再生能源实现可测、可控是必要前提。在实际运行中，储能型风机如何更好地响应电网和集控中心的功率和频率调整指令，并实现安全、

可信的记录，是影响储能型风机运行稳定性和安全性的重要因素。风力发电场中储能型风

机如何进行各节点的充放电优化分配以实现最佳的发电计划跟随和总体经济效益最优，各

节点的状态和调度情况如何被可靠记录和传递以支持对各风电场以及各发电机组的运营

效率评价，是运行中需要解决的问题。

[0004] 分布式记账技术为储能型风机的负荷提供了一种可行的记录方法。在能源局域网中，储能型风机的分布式管理能够更好地跟随负荷的变化，分布式记账则提供了去中心化、

高可信度、高透明度、不可篡改的数据记录和流动手段。分布式记账不依赖于高度集中的中

心化机构，能够支撑起分布式节点的直接数据记录，且所有节点权利和义务对等，能保证数

据的一致存储和无法篡改。在储能型风机的调度响应中引入分布式记账技术是实现去中心

化高度自治分布式管理的关键技术之一。

发明内容[0005] 本发明的目的在于克服现有技术的缺点与不足，提出了一种基于分布式记账的储能型风机调度响应方法，可以有效解决储能型风机对中心调度指令的快速、经济响应，并实

现响应过程数据的去中心化的可信记录。

[0006] 为实现上述目的，本发明所提供的技术方案为：一种基于分布式记账的储能型风机调度响应方法，包括以下步骤：

[0007] S1、时间离散化，为每个风力发电机组建立节点；[0008] 将连续时间进行离散化，全天24小时均分为k个时段，其中k∈{1,2,3，…,k}，每个时段的时长为Δt；

[0009] 每台储能型风机作为独立节点i＝1,2,3,…,N，N是风电场中储能型风机的数量，其中，所述储能型风机为带储能装置的风力发电机组；

[0010] S2、建立节点群储能系统发电计划响应模型；[0011] 将风电场作为能源局域网统一考虑，所有节点的储能装置作为节点群N+统一考虑，建立节点群的总体发电计划响应模型；

[0012] S3、确定各节点内部调度规则；[0013] 建立每个节点的储能损耗程度模型、负荷响应能力模型和充放电损耗成本模型，根据多目标寻优结果，确定在发电计划响应模型下的每个节点的充放电优先度排序和调度

次序；

[0014] S4、建立各节点的分布式记账区块，确定区块需要记录的信息和传递机制，同时建立主信息数据库，如下：

[0015] 建立每个节点的分布式记账区块，为每个节点分配独立的IP地址，通过计算生成各节点的公钥和私钥；确定每个区块所需要记录的节点信息，包括节点状态信息以及所需

要记录的响应信息；建立区块的主信息数据库，用于记录节点信息，并做实时调度过程中的

区块信息的备份储存；

[0016] S5、节点入网，开始接受调度指令，确定节点群的总体响应策略以及各节点的响应优先次序和响应策略，如下：

[0017] 节点入网后，将所需的各项参数、公钥上传到主信息数据库，并向全网广播，同时从节点网络的其它节点下载区块链，从主信息数据库下载节点基本信息数据；

[0018] 根据发电调度计划，按照步骤S2中确定k时段节点群作为整体储能系统的充放电响应策略；在总体响应策略下，按照步骤S3综合评价体系下确定的节点优先级排序，确定每

个节点的响应策略，记录每个节点的状态及响应策略和响应结果信息；

[0019] S6、每个节点按照固定的时间间隔Δt将节点信息和响应结果上传到区块中，供全网节点共享，同时上传到主信息数据库，如下：

[0020] 在第k时段结束时，每个节点生成一个新的区块Bi(k)，将该时段节点的状态信息、响应策略和响应结果记录在新的区块中，供全网节点共享，实现节点之间通过区块来相互

传递信息，同时，每个节点的区块信息同步上传到主信息数据库，用于备份储存。

[0021] 所述步骤S2包括以下步骤：[0022] S21、根据风功率预测模型获取风电场日前发电功率预测曲线；[0023] S22、根据风电场实际发电功率和预测曲线之间最近的m个预测误差值的集合，确定其经验分布函数，根据其反函数确定α概率预测区间，则：

[0024] Pup(k)＝(1+α)Pp(k)[0025] Pdown(k)＝(1?α)Pp(k)[0026] 其中，Pp(k)是k时刻风电场的发电计划，Pup(k)和Pdown(k)为偏差上限和下限，α是允许跟踪误差；

[0027] S23、根据实际发电出力Pw(k)和发电偏差上、下限Pup(k)、Pdown(k)的关系以及节点群的总储能容量的荷电状态，确定节点群的储能功率Pb(k)优化区间；

[0028] 所述Pb(k)优化区间的确定要考虑实际风电场出力是否在上下限之内以及储能荷电状态是否在允许范围之内，具体如下：

[0029] 如果节点群N+的SOC(k)范围在SOCmin＜SOC(k)＜SOCmax，则Pb(k)∈[Pdwon(k)?Pw(k)，Pup(k)?Pw(k)]；

[0030] 如果节点群N+的SOC(k)≤SOCmin且Pdwon(k)≤Pw(k)≤Pup(k)，则Pb(k)∈[Pdwon(k)?Pw(k)，0]；

[0031] 如果节点群N+的SOC(k)≤SOCmin且Pw(k)＜Pdown(k)，则Pb(k)＝0；[0032] 如果节点群N+的SOC(k)≤SOCmin且Pw(k)＞Pup(k)，则Pb(k)∈[Pdwon(k)?Pw(k)，Pw(k)?Pup(k)]；

[0033] 如果节点群N+的SOC(k)≥SOCmax且Pdwon(k)≤Pw(k)≤Pup(k)，则Pb(k)∈[0，Pup(k)?Pw(k)]；

[0034] 如果节点群N+的SOC(k)≥SOCmax且Pw(k)＜Pdown(k)，则Pb(k)∈[Pdwon(k)?Pw(k)，Pup(k)?Pw(k)]；

[0035] 如果节点群N+的SOC(k)≥SOCmax且Pw(k)＞Pup(k)，则Pb(k)∈[Pdwon(k)?Pw(k)，Pup(k)?Pw(k)]；

[0036] S24、确定节点群的储能系统电量和充放电控制策略：[0037] SOC(k)＝S(k)/Eb[0038] S(k)＝(1?ρ)·S(k?1)?Pb(k)·Δt[0039] Pb(k)＝?fc·Pc(k)·ηc+fd·Pd(k)/ηd[0040] 其中，SOC(k)表示节点群的时刻k的荷电状态SOC，S(k)、S(k?1)分别为k时刻、k?1时刻的电量，ρ为自放电率，Pc(k)、Pd(k)为k时刻的输入、输出功率，ηc、ηd是k时刻的充电效

率、放电效率，fc、fd根据充放电状态为0或1；当储能充电时，fc＝1，fd＝0；当储能放电时，fc

＝0，fd＝1；不充不放时，fc＝0，fd＝0；

[0041] 节点群的整体储能参数在k时刻的各项参数来自于各节点的加权平均，如下：[0042][0043] 其中，Cpower,i是各节点的储能容量，SOCi是各节点的荷电状态。[0044] 在步骤S3中，实现每个节点的调度策略包括以下步骤：[0045] S31、为每个节点建立储能损耗程度模型ESLi(Eref,μT,μSOC0,μDEPTH,μLOOP)、负荷响应能力模型LRi(p,Ωi(p),dci)和充放电损耗成本模型FCi；

[0046] 其中，Eref是标准条件下的参考系数，μT是温度衰减系数，μSOC0是初始SOC的容量衰减加速因素，μDEPTH是放电深度影响因素，μLOOP是充放电循环次数影响因素；p是当前时刻k前

p个时刻集合的一个滚动时间窗口，Ωi(p)是调度策略和响应结果偏差集合，dci是响应能力

置信度，FCi是预调度策略下的充电或放电损耗成本；

[0047] 第i个节点的储能损耗程度模型ESLi表示为：[0048] ESLi＝?Eref×μT×μSOC0×μDEPTH×μLOOP[0049] 第i个节点的负荷响应能力模型LRi表示为：[0050] 即LRi是当前时刻k前p个时段的响应能力指标之后在置信度区间内的可信程度；

[0051] 第i个节点k时刻预调度策略下的充放电损耗成本模型FCi表示为：[0052] FCi(k)＝Fdisch,i+Fch,i，其中，Fdisch,i是放电造成的电池退化成本，Fch,i是充电造成的电池退化成本；

[0053] S32、根据节点群的总体优化目标，确定k时刻的每个节点调度策略ui*(k)；[0054] 根据每个节点的损耗程度、负荷响应能力确定每个节点参与调度的优先级，并确*

定包含充放电功率、充放电时间、充放电量在内的调度策略ui (k)，保证节点群的总体负荷

响应能力最优且k时刻下的充放电成本损耗最小；

[0055] 第i个节点的调度策略ui*(k)表示为：[0056] ui*(k)＝[fc,i(k),fd,i(k),Pc,i(k),Pd,i(k),Sc,i(k),Sd,i(k),tc,i(k),td,i(k)]T[0057] 其中，Pc,i(k)是充电功率，Pd,i(k)是放电功率，Sc,i(k)是充电电量，Sd,i(k)是放电电量，tc,i(k)是充电时长，td,i(k)是放电时长，fc,i(k)是充电响应参数，fd,i(k)是放电响应

参数；

[0058] 多目标寻优的总体约束为：[0059][0060] S33、经过多目标寻优的迭代过程，确定k时刻的各节点的最终调度策略ui(k)，确定参与调度的节点、各节点的优先顺序和节点参与调度的内容；

[0061] 各节点的优先顺序表示为：[0062] Pr(k)＝[Pr1(k),Pr2(k),…,PrN(k)]，其中Pr(k)是k时刻各节点的优先度向量，Pri(k)是第i节点k时刻的优先性参数；

[0063] 各节点的调度策略表示为：[0064] u(k)＝[u1(k),u2(k),…,uN(k)]，其中u(k)是k时刻各节点的调度策略向量，ui(k)是第i节点k时刻的调度策略；

[0065] S34、根据k时刻对应时段的调度策略ui(k)，计算确定该节点参与调度获得的电量效益Ri(S)，其中，S为充放电量；

[0066] Ri(S)表示为：[0067] Ri(S)＝CwindEwind+CenEen[0068] 其中，Cwind是风电入网电价，Cen是储能入网电价，Ewind是配置储能系统而多接纳的风电电量，Een是储能的充电电量。

[0069] 在步骤S4中，每个节点的分布式记账区块和主信息数据库的建立包括以下步骤：[0070] S41、每个入网的风力发电机组入网形成独立的节点，并且拥有自己的IP地址和公、私钥密钥对；

[0071] S42：确定每个节点区块体的记录信息，包括节点对应的风机基础和参考参数及调度响应数据；其中，调度响应数据包括：充放电策略参数fc、fd，充放电功率Pc、Pd，充放电量

Sc、Sd，充放电时长tc、td，充放电损耗FC，调度响应指数LR，调度优先度Pr，计划发电Pp，实际

发电量Pw，出力偏差ΔP，荷电状态SOC，电量收益R，储能损耗程度ESL；

[0072] S43、建立主信息数据库，采用区块集中的方式存储各节点的IP、公钥信息，并建立面向各节点区块数据备份存储的数据库，在每个节点产生新的区块时，除了由各节点存储

和传递之外，还由主信息数据库集做备份存储。

[0073] 在步骤S5中，基于步骤S2的模型进行实时调度，在由k时刻到k+1时刻时，产生新的总体调度策略和分节点调度策略，所需要的k时刻及之前的数据来自于k时刻及之前的该节

点区块体内记录的数据。

[0074] 在步骤S6中，第i节点k时刻的区块Bi(k)，其区块头等于k?1时刻区块的Hash值，其区块体内所有记录的数据根据Hash算法自动生成存储数据Hash值的默克尔树，防止在交易

过程中出现篡改的问题；第i节点k+1时刻的区块Bi(k+1)，其区块头存有区块Bi(k)的Hash

值，其区块体内根据k+1时刻存储数据Hash值的默克尔树，实现邻区块首尾Hash值单向连接

的链式存储；其中，所述区块中均包含时间戳。

[0075] 本发明与现有技术相比，具有如下优点与有益效果：[0076] 1、实现了储能型风机群的总体发电计划跟随及各风机的优化调度顺序和调度策略，从而实现总体最优的电网调度响应。

[0077] 2、结合分布式记账，实现每个风机节点数据的可靠存储和管理，保证了传递信息的实时性、数据的可信性和不可篡改性。

[0078] 3、本发明方法可以为风电的就地消纳和需求响应提供有效的控制和数据记录手段，支持区域能源交易多元化和市场化。

附图说明[0079] 图1是本发明方法逻辑流程图。[0080] 图2是典型调度日的风电场发电负荷预测曲线和发电功率偏差的典型实施例。[0081] 图3是各节点基于分布式记账的区块内容和生成过程示意图。具体实施方式[0082] 下面结合具体实施例对本发明作进一步说明。[0083] 如图1至图3所示，本实施例所提供的基于分布式记账的储能型风机调度响应方法，其具体情况如下：

[0084] S1、时间离散化，为每个风力发电机组建立节点；[0085] 将连续时间进行离散化，全天24小时均分为k个时段，其中k∈{1,2,3，…,k}，每个时段的时长为Δt，典型的案例是全天24小时均分为288个时段，即k＝288，每个时段的时长

为Δt＝5min，在多个调度日中，均执行响应的时段划分方式。

[0086] 每台储能型风机作为独立节点i＝1,2,3,…,N，N是风电场中储能型风机的数量，当有新的风机入网后，相应地，N随之增加；其中，所述储能型风机为带储能装置的风力发电

机组。

[0087] S2、建立节点群储能系统发电计划响应模型；[0088] 将风电场作为能源局域网统一考虑，所有节点(N个节点)的储能装置作为节点群N+

统一考虑，建立节点群的总体发电计划响应模型，其包括以下步骤：

[0089] S21、根据风功率预测模型获取风电场日前发电功率预测曲线，图2是典型调度日的风电场发电负荷预测曲线和发电功率偏差的典型实施例。

[0090] S22、根据风电场实际发电功率和预测曲线之间最近的m个预测误差值的集合，确定其经验分布函数，根据其反函数确定α概率预测区间，则：

[0091] Pup(k)＝(1+α)Pp(k)[0092] Pdown(k)＝(1?α)Pp(k)[0093] 其中，Pp(k)是k时刻风电场的发电计划，Pup(k)和Pdown(k)为偏差上限和下限，α是允许跟踪误差。

[0094] S23、根据实际发电出力Pw(k)和发电偏差上、下限Pup(k)、Pdown(k)的关系以及节点群的总储能容量的荷电状态，确定节点群的储能功率Pb(k)优化区间。

[0095] 所述Pb(k)优化区间的典型实施例是要考虑实际风电场出力是否在上下限之内以及储能荷电状态是否在允许范围之内，具体如下：

[0096] 如果节点群N+的SOC(k)范围在SOCmin＜SOC(k)＜SOCmax，则Pb(k)∈[Pdwon(k)?Pw(k)，Pup(k)?Pw(k)]；

[0097] 如果节点群N+的SOC(k)≤SOCmin且Pdwon(k)≤Pw(k)≤Pup(k)，则Pb(k)∈[Pdwon(k)?Pw(k)，0]；

[0098] 如果节点群N+的SOC(k)≤SOCmin且Pw(k)＜Pdown(k)，则Pb(k)＝0；[0099] 如果节点群N+的SOC(k)≤SOCmin且Pw(k)＞Pup(k)，则Pb(k)∈[Pdwon(k)?Pw(k)，Pw(k)?Pup(k)]；

[0100] 如果节点群N+的SOC(k)≥SOCmax且Pdwon(k)≤Pw(k)≤Pup(k)，则Pb(k)∈[0，Pup(k)?Pw(k)]；

[0101] 如果节点群N+的SOC(k)≥SOCmax且Pw(k)＜Pdown(k)，则Pb(k)∈[Pdwon(k)?Pw(k)，Pup(k)?Pw(k)]；

[0102] 如果节点群N+的SOC(k)≥SOCmax且Pw(k)＞Pup(k)，则Pb(k)∈[Pdwon(k)?Pw(k)，Pup(k)?Pw(k)]；

[0103] S24、确定节点群的储能系统电量和充放电控制策略：[0104] SOC(k)＝S(k)/Eb[0105] S(k)＝(1?ρ)·S(k?1)?Pb(k)·Δt[0106] Pb(k)＝?fc·Pc(k)·ηc+fd·Pd(k)/ηd[0107] 其中，SOC(k)表示节点群的时刻k的荷电状态SOC，S(k)、S(k?1)分别为k时刻、k?1时刻的电量，ρ为自放电率，Pc(k)、Pd(k)为k时刻的输入、输出功率，ηc、ηd是k时刻的充电效

率、放电效率，fc、fd根据充放电状态为0或1；当储能充电时，fc＝1，fd＝0；当储能放电时，fc

＝0，fd＝1；不充不放时，fc＝0，fd＝0。

[0108] 节点群的整体储能参数在k时刻的各项参数来自于各节点的加权平均，如下：[0109][0110] 其中，Cpower,i是各节点的储能容量，SOCi是各节点的荷电状态。[0111] S3、确定各节点内部调度规则；[0112] 建立每个节点的储能损耗程度模型、负荷响应能力模型和充放电损耗成本模型，根据多目标寻优结果，确定在发电计划响应模型下的每个节点的充放电优先度排序和调度

次序。其中，实现每个节点的调度策略包括以下步骤：

[0113] S31、为每个节点建立储能损耗程度模型ESLi(Eref,μT,μSOC0,μDEPTH,μLOOP)、负荷响应能力模型LRi(p,Ωi(p),dci)和充放电损耗成本模型FCi；

[0114] 其中，Eref是标准条件下的参考系数，μT是温度衰减系数，μSOC0是初始SOC的容量衰减加速因素，μDEPTH是放电深度影响因素，μLOOP是充放电循环次数影响因素；p是当前时刻k前

p个时刻集合的一个滚动时间窗口，Ωi(p)是调度策略和响应结果偏差集合，dci是响应能力

置信度，FCi是预调度策略下的充电或放电损耗成本；

[0115] 第i个节点的储能损耗程度模型ESLi的典型实施例是：[0116] ESLi＝?Eref×μT×μSOC0×μDEPTH×μLOOP[0117] 第i个节点的负荷响应能力模型LRi的典型实施例是：[0118] 即LRi是当前时刻k前p个时段的响应能力指标之后在置信度区间内的可信程度，一般置信区间为95％。

[0119] 第i个节点k时刻预调度策略下的充放电损耗成本模型FCi的典型实施例是：[0120] FCi(k)＝Fdisch,i+Fch,i，其中，Fdisch,i是放电造成的电池退化成本，Fch,i是充电造成的电池退化成本。

[0121] S32、根据节点群的总体优化目标，确定k时刻的每个节点调度策略ui*(k)。[0122] 根据每个节点的损耗程度、负荷响应能力确定每个节点参与调度的优先级，并确*

定包含充放电功率、充放电时间、充放电量等在内的调度策略ui (k)，保证节点群的总体负

荷响应能力最优且k时刻下的充放电成本损耗最小。

[0123] 第i个节点的调度策略ui*(k)的典型实施例表示为：[0124] ui*(k)＝[fc,i(k),fd,i(k),Pc,i(k),Pd,i(k),Sc,i(k),Sd,i(k),tc,i(k),td,i(k)]T[0125] 其中，Pc,i(k)是充电功率，Pd,i(k)是放电功率，Sc,i(k)是充电电量，Sd,i(k)是放电电量，tc,i(k)是充电时长，td,i(k)是放电时长，fc,i(k)是充电响应参数，fd,i(k)是放电响应

参数。

[0126] 多目标寻优的总体约束典型实施例为：[0127][0128] S33、经过多目标寻优的迭代过程，确定k时刻的各节点的最终调度策略ui(k)，确定参与调度的节点、各节点的优先顺序和节点参与调度的内容。

[0129] 各节点的优先顺序的典型实施例表示为：[0130] Pr(k)＝[Pr1(k),Pr2(k),…,PrN(k)]，其中Pr(k)是k时刻各节点的优先度向量，Pri(k)是第i节点k时刻的优先性参数；

[0131] 各节点的调度策略表示为：[0132] u(k)＝[u1(k),u2(k),…,uN(k)]，其中u(k)是k时刻各节点的调度策略向量，ui(k)是第i节点k时刻的调度策略；

[0133] S34、根据k时刻对应时段的调度策略ui(k)，计算确定该节点参与调度获得的电量效益Ri(S)，其中，S为充放电量。

[0134] Ri(S)的典型实施例表示为：[0135] Ri(S)＝CwindEwind+CenEen[0136] 其中，Cwind是风电入网电价，Cen是储能入网电价，Ewind是因配置储能而多接纳的风电电量，Een是储能的充电电量。

[0137] S4、建立各节点的分布式记账区块，确定区块需要记录的信息和传递机制，同时建立主信息数据库，如下：

[0138] 建立每个节点的分布式记账区块，为每个节点分配独立的IP地址，通过计算生成各节点的公钥和私钥；确定每个区块所需要记录的节点信息，包括节点状态信息以及所需

要记录的响应信息；建立区块的主信息数据库，用于记录节点信息，并做实时调度过程中的

区块信息的备份储存。其中，每个节点的分布式记账区块和主信息数据库的建立包括以下

步骤：

[0139] S41、每个入网的风力发电机组入网形成独立的节点，并且拥有自己的IP地址和公、私钥密钥对。

[0140] S42：确定每个节点区块体的记录信息，包括节点对应的风机基础和参考参数及调度响应数据；其中，调度响应数据包括：充放电策略参数fc、fd，充放电功率Pc、Pd，充放电量

Sc、Sd，充放电时长tc、td，充放电损耗FC，调度响应指数LR，调度优先度Pr，计划发电Pp，实际

发电量Pw，出力偏差ΔP，荷电状态SOC，电量收益R，储能损耗程度ESL；

[0141] S43、建立主信息数据库，采用区块集中的方式存储各节点的IP、公钥信息，并建立面向各节点区块数据备份存储的数据库，在每个节点产生新的区块时，除了由各节点存储

和传递之外，还由主信息数据库集做备份存储。

[0142] S5、节点入网，开始接受调度指令，确定节点群的总体响应策略以及各节点的响应优先次序和响应策略，如下：

[0143] 节点入网后，将所需的各项参数、公钥上传到主信息数据库，并向全网广播，同时从节点网络的其它节点下载区块链，从主信息数据库下载节点基本信息数据。

[0144] 根据发电调度计划，按照步骤S2中确定k时段节点群作为整体储能系统的充放电响应策略；在总体响应策略下，按照步骤S3综合评价体系下确定的节点优先级排序，确定每

个节点的响应策略，记录每个节点的状态及响应策略和响应结果信息。

[0145] 基于步骤S2的模型进行实时调度，在由k时刻到k+1时刻时，产生新的总体调度策略和分节点调度策略，所需要的k时刻及之前的数据来自于k时刻及之前的该节点区块体内

记录的数据。

[0146] S6、每个节点按照固定的时间间隔Δt将节点信息和响应结果上传到区块中，供全网节点共享，同时上传到主信息数据库，如下：

[0147] 在第k时段结束时，每个节点生成一个新的区块Bi(k)，将该时段节点的状态信息、响应策略和响应结果记录在新的区块中，供全网节点共享，实现节点之间通过区块来相互

传递信息，同时，每个节点的区块信息同步上传到主信息数据库，用于备份储存。

[0148] 第i节点k时刻的区块Bi(k)，其区块头等于k?1时刻区块的Hash值，其区块体内所有记录的数据根据Hash算法自动生成存储数据Hash值的默克尔树(MerkleTree)，防止在

交易过程中出现篡改的问题；第i节点k+1时刻的区块Bi(k+1)，其区块头存有区块Bi(k)的

Hash值，其区块体内根据k+1时刻存储数据Hash值的默克尔树，实现邻区块首尾Hash值单向

连接的链式存储；其中，所述区块中均包含时间戳。

[0149] 以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。