CN103259279B - 基于风电功率min级分量波动的风电场储能容量优化方法 - Google Patents
基于风电功率min级分量波动的风电场储能容量优化方法 Download PDFInfo
- Publication number
- CN103259279B CN103259279B CN201310231351.9A CN201310231351A CN103259279B CN 103259279 B CN103259279 B CN 103259279B CN 201310231351 A CN201310231351 A CN 201310231351A CN 103259279 B CN103259279 B CN 103259279B
- Authority
- CN
- China
- Prior art keywords
- wind power
- energy
- power
- wind
- storage system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 title claims abstract description 15
- 230000000694 effects Effects 0.000 claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000003860 storage Methods 0.000 claims description 28
- 238000009826 distribution Methods 0.000 claims description 20
- 230000005611 electricity Effects 0.000 claims description 19
- 238000009499 grossing Methods 0.000 claims description 8
- 238000005096 rolling process Methods 0.000 claims description 8
- 230000002045 lasting effect Effects 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000007115 recruitment Effects 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000005684 electric field Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000036962 time dependent Effects 0.000 claims description 3
- 230000002411 adverse Effects 0.000 abstract 1
- 238000007599 discharging Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 229910052720 vanadium Inorganic materials 0.000 description 5
- LEONUFNNVUYDNQ-UHFFFAOYSA-N vanadium atom Chemical compound [V] LEONUFNNVUYDNQ-UHFFFAOYSA-N 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000004513 sizing Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 235000009027 Amelanchier alnifolia Nutrition 0.000 description 1
- 244000068687 Amelanchier alnifolia Species 0.000 description 1
- 241001070941 Castanea Species 0.000 description 1
- 235000014036 Castanea Nutrition 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241001028048 Nicola Species 0.000 description 1
- 241001062233 Salmonella enterica subsp. enterica serovar Texas Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Wind Motors (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了基于风电功率min级分量波动的风电场储能容量优化方法,步骤如下:建立风电场储能容量优化配置模型,确定储能系统的最大充放电功率;利用风电场输出功率min级分量占有比例,得到储能平滑风电场功率的效果评估;利用风电场参考出力与经储能系统作用后的出力间的相关系数分析参考出力曲线和经储能系统作用后的风电场出力曲线的逼近程度,进而得到不同时间级下平滑风电场输出功率的效果评估,最终实现风电功率平滑输出。该模型在把握风电功率min级分量波动特性的基础上,以概率统计的区间估计理论确定储能系统的容量配置和最大充放电功率。以较小容量的储能设备改善风电功率的平滑输出,减小风电功率随机波动性对电力系统的不利影响。
Description
技术领域
本发明涉及一种基于风电功率min级分量波动的风电场储能容量优化方法。
背景技术
风力发电并网给电力系统的电能质量、电压稳定等带来巨大挑战[Rajesh Karki,Po Hu,Roy Billinton,et al.A simplified wind power generation model for reliability evaluation[J].IEEETransactions on Energy Conversion,2006,21(2):533-540.栗文义,张保会,巴根,等.风能大规模利用对电力系统可靠性的影响[J].中国电机工程学报,2008,28(1):100-105.Shinichi Nomura,Yoshihiro Ohata,Takushi Hagita,et al.Wind farms linked by SMES systems[J].IEEE Transactionson Applied Superconductivity,2005,15(2):1951-1954.],究其原因,主要是因为风电本身的随机波动性与间歇性[林卫星,文劲宇,艾小猛,等.风电功率波动特性的概率分布研究[J].中国电机工程学报,2012,32(1):38-46.]。由于风电自身特性,风电功率的预测精度比较低,尤其是随机波动比较频繁的min级分量难以准确预测,进而使得相关调度部门对风电的调度存在困难,并且为应对风电给电力系统带来的影响,需加大旋转备用容量[于晗,钟志勇,黄杰波,等.考虑负荷和风电出力不确定性的输电系统机会约束规划[J].电力系统自动化,2009,33(2):20-24.陈海炎,陈金富,段献忠.含风电场电力系统经济调度的模糊建模及优化算法[J].电力系统自动化,2006,30(2):22-26.张宁,周天睿,段长刚等.大规模风电场接入对电力系统调峰的影响[J].电网技术,2010,34(1):153-158.],以维持电力系统的安全、稳定运行。因此,如何平滑风电功率,减少风电场输出功率的随机波动性,直接关系到风电场并网系统的安全、经济运行。
目前,应对风电功率随机波动的方式有两种[王成福,梁军,张利,等.基于机会约束规划的风电预测功率分级处理[J].电力系统自动化,2011,35(17):14-19.]。一是计及风电的优化调度;二是控制风电输出,或实施储能。由于风电的随机波动较大,因此计及风电优化调度时需要有足够的备用电源用于调控风电的波动功率,这样调频电厂的容量需要足够大,对于整个电网来说不经济。因此,风电场配置合适容量的储能系统平滑其输出功率,对平滑后的风电功率进行优化调度,可减少调频电厂容量,进而实现风电接入电网的经济运行。
现阶段,国内外学者对于储能系统应用于风电场平滑功率波动的研究众多,多集中于协调控制及定性分析其平滑效果,但对于风电场储能容量优化配置的研究甚少[韩涛,卢继平,乔梁,等.大型并网风电场储能容量优化方案[J].电网技术,2010,34(1):169-173.Tomoki Asao,Rion Takahashi,Toshiaki Murata,et al.Evaluation method of power rating and energy capacity ofsuperconducting magnetic energy storage system for output smoothing control of wind farm[C].Proceedings of the2008International Conference on Electrical Machines.2008,page:1-6.孔飞飞,晁勤,袁铁江,等.用于短期电网调度的风电场储能容量估算法[J].电力自动化设备,2012,32(7):21-24.Xu Daming,Kang Longyun,Chang Liuchen,et al.Optimal sizing of standalonehybrid wind/pv power systems using genetic algorithms[C].18th Annual Canadian Conference onElectrical and Computer Engineering.Saskatoon,Saskatchewan,Canada:IEEE,2005,page:1722-1725.毕大强,葛宝明,王文亮,等.基于钒电池储能系统的风电场并网功率控制[J].电力系统自动化,2010,34(13):72-78.汪德兴.电力系统运行中AGC调节需求的分析[J].电力系统自动化,2004,28(8):6-9.Daniele Menniti,Anna Pinnarelli,Nicola Sorrention,et al.A methodto improve microgrid reliability by optimal sizing pv/wind plants and storage systems[C].20thInternational Conference on Electricity Distribution,2009,page:1-4.]。
目前,储能容量的优化配置为长时间尺度下的容量配置,其目标为平滑较长时间内的风电功率波动,使其在该段时间内输出功率为一定值,使得储能容量较大;如何对波动较为频繁的min级风电功率分量进行平滑,与其匹配的储能容量与前者相比会有较大减小,储能配置成本将大幅下降。
风电功率包含持续分量和min级分量,其中持续分量较为平滑,预测精度高,而min级分量虽然波动幅度较小但波动频繁,使得风电功率预测准确度下降。为减小风电随机波动性对功率预测精度的影响,可以使用储能设备平滑预测不精确的min级分量部分,经过平滑之后的预测功率预测精度会有大幅度提高,可以向相关调度部门提供更有效的风电预测功率。由此,极有必要针对平滑min级风电功率波动的风电场储能容量优化问题进行深入研究。
综上,本领域技术人员急需解决的技术问题是平滑风电功率随机波动频繁的min级分量,并通过储能设备提高风电功率预测精度。
发明内容
本发明的目的就是为了解决上述问题,提供一种基于风电功率min级分量波动的风电场储能容量优化方法,该方法首先充分把握风电功率min级分量的分布规律,并综合考虑平滑效果和储能容量投资成本,以概率统计的区间估计理论为基础,以满足某一置信度的充放电需求为目标,确定储能系统的容量配置。考虑到蓄电池是能量型储能设备,其最大充放电功率对造价成本有较大影响,本发明同样以概率统计的区间估计理论法确定储能系统的最大充放电功率。这一研究可以较小容量的储能设备改善风电功率的平滑输出,并有利于减少风电功率间歇性与随机性对电力系统的影响。
为了实现上述目的,本发明采用如下技术方案:
基于风电功率min级分量波动的风电场储能容量优化方法,主要包括如下步骤:
步骤(1):建立储能容量优化配置模型;
步骤(2):确定储能系统的最大充放电功率;
步骤(3):利用风电场输出功率min级分量占有比例,得到储能平滑风电场功率的效果评估;利用风电场参考出力与经储能系统作用后的出力间的相关系数分析参考出力曲线和经储能系统作用后的风电场出力曲线的逼近程度,进而得到不同时间级下平滑风电场输出功率的效果评估,最终实现风电功率平滑输出。
所述步骤(1)的详细步骤为:
步骤(1-1):应用滑动平均法分离风电功率min级分量;
步骤(1-2):利用储能系统充放电量公式计算min级风电功率分量的连续上调量或连续下调量;
步骤(1-3):利用储能系统充放电量的概率分布函数统计储能系统充放电量的分布规律;
步骤(1-4):利用概率统计的区间估计公式,确定风电场储能容量的大小。
所述步骤(1-1)的详细步骤为:以每个风电功率值前、后两段功率值滚动求平均,以此得到风电功率的持续分量,该分量与风电功率间的差值即为风电功率min级分量。如式(1)~(2)所示:
Pm(t)=P(t)-Pf(t) (1)
P(t)+P(t+1)+...P(t+M))
上式中,P(t)是风电功率t时刻的功率值;Pf(t)是经滚动平均法平滑处理后t时刻的持续分量;Pm(t)是叠加在持续分量上的变化量,即min级风电功分量;2M是滚动平均时段长度。
M的取值与风电功率幅值的采样和存储周期有关。长度太小,则风电功率的短时波动会反应在持续分量上;反之,则风电功率随时间变化的趋势会反应在min级分量上,使得min级分量不再是随机变量。依据min级负荷分量分离的经验,该值取为15min~30min较为合适。
所述步骤(1-2)的储能系统充放电量公式为:
上式中,Cj是第j个连续上调或下调时间段内的充放电量,该值大于0,则为充电状态,反之,为放电状态;分别对连续上调量和连续下调量时间段(tj1~tj2)内的Pm(t)进行积分,该积分量称为储能系统充电或放电能量,统称为储能系统充放电量。
所述步骤(1-2)的连续上调量是指某一段时间内Pm(t)均大于0,蓄电池处于充电状态;连续下调量是指某一段时间内Pm(t)均小于0,蓄电池处于放电状态。
所述步骤(1-3)的储能系统充放电量的概率分布函数为:
其中N(C)为C∈{C,C+ΔC}的总次数;表示储能系统充放电量C出现的概率。
所述步骤(1-4)的概率统计的区间估计公式为:
P(-Cbat≤C≤Cbat)≥1-α (6)
其中,C是蓄电池充电量;Cbat是最佳储能容量;1-α是置信度。
所述步骤(2)的详细步骤为:
步骤(2-1):计算储能系统的充放电功率;
步骤(2-2):通过概率统计的区间估计公式计算风电场储能系统的最大充放电功率。
所述步骤(2-1)的计算公式为:
Pbat(t)=Pm(t)(7);
Pbat(t)是蓄电池的充放电功率。
所述步骤(2-2)的计算公式为:
上式中,是蓄电池的最大充放电功率;1-β是置信度。
所述步骤(3)的风电场输出功率min级分量占有比例η的计算步骤为:
其中Σ|Pm(t)Δt|,是研究时间内min级分量的总和;ΣP(t)Δt是风电场的输出电能总和。
所述步骤(3)风电场参考出力与经储能系统作用后的出力间的相关系数计算公式如下:
其中,Pd为经储能作用后风电场输出功率;为经储能作用后风电场输出功率的平均值;Pref为风电场参考出力,即为风电功率持续分量Pf;为参考出力的平均值。
本发明的有益效果:
为减小风电功率随机波动性对电力系统的影响,实现风电功率平滑输出,本发明提出用储能设备平滑风电功率min级分量,并建立基于风电功率波动特性的储能容量优化配置模型。该模型在充分把握风电功率min级分量波动的基础上,以概率统计的区间估计理论确定储能系统的容量配置及其最大充放电功率。该优化模型使得经过储能系统作用输出的风电功率实现平滑输出,减少了风电功率随机波动性对电力系统的影响,同时达到最佳经济效益。
附图说明
图1为不同平滑时间常数的平滑效果示意图;
图2为风电功率min级分量分布特性曲线示意图;
图3为蓄电池储能工作示意图;
图4为储能系统充放电量概率分布特性曲线示意图;
图5为储能充放电量概率分布示意图;
图6为蓄电池充放电功率概率分布示意图;
图7为储能平滑后的风电场输出功率示意图;
图8为蓄电池充放电功率示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
1风电功率min级分量波动特性分析
风电功率包含持续分量和min级分量。其中持续分量波动周期较长,波动性较小,对于电力系统和功率预测的影响较小;而min级分量波动周期较短,波动性较大,如果并网风电容量大到一定程度,该分量对于电力系统的电能质量会造成较大影响。
参考文献[张浩,马爱军,李文斌,等.风电场日出力曲线和储能容量关系研究[J].中国电力,2012,45(6):77-81.]中分离min级负荷分量的算法,采用滚动平均法分离min级风电功率分量。滑动平均法是在选定的时间窗口内,对该窗口内的所有数值求平均,将所求得的平均值作为窗口中心点的数值。按点距或线距平行移动窗口,重复前述方法,直到完成整组数据的平均过程。本节用滑动平均法分离风电功率min级分量,具体做法是以每个风电功率值前、后两段功率值滚动求平均,以此得到风电功率的持续分量,该分量与风电功率间的差值即为风电功率min级分量。如式(1)~(2)所示:
Pm(t)=P(t)-Pf(t) (1)
P(t)+P(t+1)+...P(t+M))
上式中,P(t)是风电功率t时刻的功率值;Pf(t)是经滚动平均法平滑处理后t时刻的持续分量;Pm(t)是叠加在持续分量上的变化量,即min级风电功分量;2M是滚动平均时段长度。
M的取值与风电功率幅值的采样和存储周期有关。长度太小,则风电功率的短时波动会反应在持续分量上;反之,则风电功率随时间变化的趋势会反应在min级分量上,使得min级分量不再是随机变量。依据min级负荷分量分离的经验,该值取为15min~30min较为合适。
以15min、30min和60min为例,其平滑程度如图1所示。
由图1所示,平滑时间常数越大,风电功率平滑效果越明显,含有min级分量越少。然而,如果平滑时间常数足够大的话,经过滑动平均法平滑的风电功率即成为研究时间范围内的平均值,此时无法反应风电功率min级分量的波动特性。因此,滑动平均时间常数不是越大越好,要选择合适的平滑时间常数才能很好的反应风电功率持续分量与min级分量间的区别。
为描述风电功率min级分量波动特性,提取风电功率min级分量的分布规律,定义风电功率min级分量的概率分布函数,如式(3)所式。
其中N(Pm)为Pm∈{Pm,Pm+ΔPm}的总次数;表示风电功率min级分量Pm出现的概率。
在历史数据充分的条件下,可通过多年度数据加权求均值,以提高分布规律统计的精度。由于数据限制,仅对美国的Arkansas和Michigan地区进行风电功率min级分量的概率分布统计,如图2所示。
由图2所示,风电功率min级分量的概率统计规律基本一致,并且近似以Pm=0处为左右对称。由此分析,风电功率min级分量的概率分布曲线可近似看成以0为对称的左右对称图形。
为减小大规模风电接入对电网的影响,提高风电功率预测精度,同时减少应对风电功率随机波动的一次调频备用电厂容量,本发明拟采用蓄电池储能系统平滑min级风电功率分量,其储能策略是:min级分量大于0时,蓄电池充电;min级分量小于0时,蓄电池放电。如图3所示。
2基于风电功率波动特性的储能容量估算法
2.1储能容量优化配置
风电功率min级分量的大小决定了蓄电池储能系统充放电状态及其充放电功率。为了描述风电场需配置的最佳储能容量,将所研究时间段内的风电功率min级分量分为连续上调量和连续下调量。其中连续上调量是指某一段时间内Pm(t)均大于0,蓄电池处于充电状态;连续下调量是指某一段时间内Pm(t)均小于0,蓄电池处于放电状态。分别对连续上调量和连续下调量时间段(tj1~tj2)内的Pm(t)进行积分,该积分量称为储能系统充电或放电能量,统称为储能系统充放电量。如式(4)所示:
上式中,Cj是第j个连续上调或下调时间段内的充放电量,该值大于0,则为充电状态,反之,为放电状态。
为描述储能系统充放电量的分布特性,定义储能系统充放电量的概率分布函数如式(5)所示。
其中N(C)为C∈{C,C+ΔC}的总次数;表示储能系统充放电量C出现的概率。
在历史数据充分的条件下,可以用多年的风电功率数据平滑处理后用式(4)~(5)获取蓄电池充放电量的分布规律,以此提高统计精度。
由图4可见,蓄电池的充放电量分布规律大体一致,其分布特性曲线近似为左右对称图形,以C=0处为左右对称点。对于特定的风电场配置储能容量越大,其平滑效果越好,储能投资成本随之增大。综合考虑风电场储能系统的经济效益及其平滑效果,风电场的储能系统容量满足绝大多数充放电需求时的综合经济效益最佳。本发明依据概率统计的区间估计理论,以式(6)确定风电场储能容量的大小。
P(-Cbat≤C≤Cbat)≥1-α (6)
其中,C是蓄电池充电量;Cbat是最佳储能容量;1-α是置信度。
2.2储能系统的最大充放电功率的确定
储能系统的充放电状态由风电功率min级分量决定,若没有最大充放电功率及容量的限制,则储能系统的充放电功率为:
Pbat(t)=Pm(t) (7)
若储能系统的充放电功率依据式(7)所示,在风电功率波动较大处,储能系统的充放电功率会较大,此时对储能系统的运行会有一定影响。
储能系统充放电功率的概率分布规律与风电功率min级分量的分布规律一致,如式(3)所示。现阶段的储能设备分为功率型和能量型。功率型设备比功率大,比能量低,如超级电容;能量型设备与之相反,如蓄电池。风电场所需的储能容量偏大,所以功率型储能设备不能满足其需求。考虑到最大充放电功率会影响能量型储能设备的造价成本,本发明风电场储能系统的最大充放电功率的确定亦用概率统计的区间估计理论获取,如式(8)所示。
上式中,Pbat max是蓄电池的最大充放电功率;1-β是置信度。
2.3储能系统平滑效果的评价标准
为了定性分析储能系统平滑风电场输出功率的效果,本发明提出2个评估指标,一是为分析储能平滑风电功率的效果,提出风电场输出功率min级分量占有比例;另外,为分析从不同时间级考虑平滑风电场输出功率的效果,提出用相关系数分析参考出力曲线和经储能系统作用后的风电场出力曲线的逼近程度。
风电功率min级分量占有比例可以衡量风电场输出功率经储能平滑作用的效果。通过比较平滑前后风电场输出功率的min级分量占有比例,及其变化大小,可以有效评价风电场储能容量配置的合理性及其有效性。其计算公式如式(9)所示。
其中,Σ|Pm(t)Δt|是研究时间内min级分量的总和;ΣP(t)Δt是风电场的输出电能总和。
文献[毕大强,葛宝明,王文亮,等.基于钒电池储能系统的风电场并网功率控制[J].电力系统自动化,2010,34(13):72-78.]考虑风电场储能容量与现有调度计划的适应性,建立风电场储能容量优化模型,从小时级考虑了风电场储能容量优化配置。其算例分析证明,该优化模型可以实现风电场输出功率的分时段平滑输出。为分析本发明所提模型与文献[毕大强,葛宝明,王文亮,等.基于钒电池储能系统的风电场并网功率控制[J].电力系统自动化,2010,34(13):72-78.]所提模型对风电场输出功率具有等同的平滑效果,定义了风电场参考出力与经储能系统作用后的出力间的相关系数,其值越大,说明两曲线越逼近,达到的预期平滑效果愈好。其计算公式如下式所示:
其中,Pd为经储能作用后风电场输出功率;为经储能作用后风电场输出功率的平均值;Pref为风电场参考出力,即为风电功率持续分量Pf;为参考出力的平均值。
本发明以美国Texas地区的Sweetwater风电场的功率数据为基础,因风电输出功率具有年度周期性,以某年的数据为例,以蓄电池作为储能设备,其模型参考文献[冯江霞,梁军,张峰,等.考虑调度计划和运行经济性的风电场储能容量优化计算[J].电力系统自动化,2013,37(1):90-95.],对上文所提储能容量优化方法的正确性与有效性进行仿真分析。
3.1储能容量优化配置
Sweetwater风电场的装机容量585MW,应用滚动平均法分离风电功率min级分量。为适应min级短时调度需求,分离风电功率min级分量的平滑时间常数取为15min。
按式(4)计算min级风电功率分量的连续上调量或连续下调量,并按照式(5)统计储能系统充放电量的分布规律,如图5所示(图中只截取概率相对较大的蓄电池充放电量)。
综合考虑风电场储能系统的经济效益及其平滑效果,风电场的储能系统容量按式(6)为目标计算而得,其中取α=0.10,即置信度为0.90。依据式(6)求取Sweetwater风电场的储能容量为0.633MWh,此时能够满足90.18%储能系统充放电量的需求。
3.2蓄电池最大充放电功率的确定
蓄电池的最大充放电功率是蓄电池自身特性的约束条件之一,其大小影响蓄电池的造价成本。风电功率min级分量是蓄电池的充放电功率,其概率分布规律如图6所示。
蓄电池的最大充放电功率依据本发明所提的区间估计理论确定,以式(8)为目标函数计算得最大充放电功率,其中β=0.10,即置信度为0.90。依据式(8)求取Sweetwater风电场储能系统的最大充放电功率为5MW,此时能够满足92.36%储能系统充放电功率的需求。
3.3平滑效果评估
依据本发明所提风电场储能容量配置模型,满足Sweetwater风电场平滑min级风电功率分量需要配置的储能容量是0.633MWh,其最大充放电功率是5MW。以蓄电池作为储能设备,其平滑效果如图7所示,蓄电池充放电功率与风电场输出功率min级分量的对比图如图8所示。
由图7可见,经储能平滑的风电场输出功率与滑动平滑而得的理想输出功率曲线基本一致,某些时刻会出现尖波。由图8可见,蓄电池的充放电功率与风电场输出功率min级分量在大部分时刻是相一致的,某些时刻存在差异。出现上述现象的原因是:①当蓄电池容量超过其最大容量限制时,下一时刻蓄电池不再充电,蓄电池在此时间段内的充电功率用平均值表示。同理,当蓄电池容量小于其最低容量限制时,下一时刻蓄电池不再放电,该时刻风电场输出功率为原始风电机组输出功率,蓄电池在此段时间内的放电功率用平均值表示。②当风电功率min级分量大于蓄电池最大充电功率或小于最大放电功率时,蓄电池充放电功率是蓄电池充放电功率的上下限。
依据式(9)计算储能容量平滑效果的风电功率min级分量占有比例如表1所示。
表1储能容量评估指标
由表1可见,储能平滑前后风电场输出功率的min级风电功率分量占有比例相差较大。原因是,本章所提储能容量模型是平滑min级风电功率分量,风电功率min级分量占有比例的减小进一步验证了本章的目的是平滑min级分量。平滑后风电场输出功率min级分量占有比例不为0,是因为储能设备容量及最大充放电功率的限制,少数情况不能满足滑动平均平滑风电场输出功率的需求,尚有风电功率min级分量。
本发明是从分钟级的时间级来考虑如何配置风电场储能容量,文献[毕大强,葛宝明,王文亮,等.基于钒电池储能系统的风电场并网功率控制[J].电力系统自动化,2010,34(13):72-78.]是从小时级的时间级来考虑如何配置风电场储能容量。对比该文献所提模型,依据式(10)计算两个模型的相关系数,其储能容量大小及相关系数的比较如表2所示。
表2储能容量及相关系数的比较
表2中分钟级模型是指本章所提的基于风电功率min级分量的储能容量优化模型,小时级模型是文献[[毕大强,葛宝明,王文亮,等.基于钒电池储能系统的风电场并网功率控制[J].电力系统自动化,2010,34(13):72-78.]中所提的考虑调度计划的风电场储能容量优化模型。分钟级模型的优化储能容量是0.633MWh,小时级模型的优化储能容量是153.68MWh,两者相差近250倍。然而,两种模型的参考出力与经储能作用后风电场输出功率间的相关系数均在0.99左右,说明本发明所提模型可以较小容量的储能设备达到与小时级模型相同的预期效果。区别在于两种模型平滑风电场输出功率实现的效果不同,小时级模型是实现风电场输出功率的分段平滑输出,而分钟级模型是为平滑风电场输出功率中波动频繁的min级分量。
结论:
为减小风电功率随机波动性对电力系统的影响,实现风电功率平滑输出,本发明提出用储能设备平滑风电功率min级分量,并建立基于风电功率波动特性的储能容量优化配置模型。该模型在充分把握风电功率min级分量波动的基础上,以概率统计的区间估计理论确定储能系统的容量配置及其最大充放电功率。该优化模型使得经过储能系统作用输出的风电功率实现平滑输出,减少了风电功率随机波动性对电力系统的影响,同时达到最佳经济效益。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (3)
1.基于风电功率min级分量波动的风电场储能容量优化方法,其特征是,主要包括如下步骤:
步骤(1):建立风电场储能容量优化配置模型;
所述步骤(1)的详细步骤为:
步骤(1-1):应用滑动平均法分离风电功率min级分量;
所述步骤(1-1)的详细步骤为:以每个风电功率值前、后两段功率值滚动求平均,以此得到风电功率的持续分量,该分量与风电功率间的差值即为风电功率min级分量;如式(1)~(2)所示:
Pm(t)=P(t)-Pf(t) (1)
上式中,P(t)是风电功率t时刻的功率值;Pf(t)是经滚动平均法平滑处理后t时刻的持续分量;Pm(t)是叠加在持续分量上的变化量,即min级风电功分量;2M是滚动平均时段长度;
M的取值与风电功率幅值的采样和存储周期有关;长度太小,则风电功率的短时波动会反应在持续分量上;反之,则风电功率随时间变化的趋势会反应在min级分量上,使得min级分量不再是随机变量;依据min级负荷分量分离的经验,该值取为15min~30min较为合适;
步骤(1-2):利用储能系统充放电量公式计算min级风电功率分量的连续上调量或连续下调量;
所述步骤(1-2)的储能系统充放电量公式为:
上式中,Cj是第j个连续上调或下调时间段内的充放电量,该值大于0,则为充电状态,反之,为放电状态;分别对连续上调量和连续下调量时间段(tj1~tj2)内的Pm(t)进行积分,该积分量称为储能系统充电或放电能量,统称为储能系统充放电量;
所述步骤(1-2)的连续上调量是指某一段时间内Pm(t)均大于0,蓄电池处于充电状态;连续下调量是指某一段时间内Pm(t)均小于0,蓄电池处于放电状态;
步骤(1-3):利用储能系统充放电量的概率分布函数统计储能系统充放电量的分布规律;
所述步骤(1-3)的储能系统充放电量的概率分布函数为:
其中N(C)为C∈{C,C+ΔC}的总次数;表示储能系统充放电量C出现的概率;
步骤(1-4):利用概率统计的区间估计公式,确定风电场储能容量的大小;
所述步骤(1-4)的概率统计的区间估计公式为:
P(-Cbat≤C≤Cbat)≥1-α (6)
其中,C是蓄电池充电量;Cbat是最佳储能容量;1-α是置信度;
步骤(2):确定储能系统的最大充放电功率;所述步骤(2)的详细步骤为:
步骤(2-1):计算储能系统的充放电功率;
所述步骤(2-1)的计算公式为:
Pbat(t)=Pm(t) (7);
步骤(2-2):通过概率统计的区间估计公式计算风电场储能系统的最大充放电功率;
所述步骤(2-2)的计算公式为:
上式中,Pbat max是蓄电池的最大充放电功率;1-β是置信度;
步骤(3):利用风电场输出功率min级分量占有比例,得到储能平滑风电场功率的效果评估;利用风电场参考出力与经储能系统作用后的出力间的相关系数分析参考出力曲线和经储能系统作用后的风电场出力曲线的逼近程度,进而得到不同时间级下平滑风电场输出功率的效果评估,最终实现风电功率平滑输出。
2.如权利要求1所述的基于风电功率min级分量波动的风电场储能容量优化方法,其特征是,所述步骤(3)的风电场输出功率min级分量占有比例的计算步骤为:
其中,Σ|Pm(t)Δt|是研究时间内min级分量的总和;ΣP(t)Δt是风电场的输出电能总和。
3.如权利要求1所述的基于风电功率min级分量波动的风电场储能容量优化方法,其特征是,
所述步骤(3)风电场参考出力与经储能系统作用后的出力间的相关系数计算公式如下:
其中,Pd为经储能作用后风电场输出功率;为经储能作用后风电场输出功率的平均值;Pref为风电场参考出力,即为风电功率持续分量Pf;为参考出力的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310231351.9A CN103259279B (zh) | 2013-06-09 | 2013-06-09 | 基于风电功率min级分量波动的风电场储能容量优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310231351.9A CN103259279B (zh) | 2013-06-09 | 2013-06-09 | 基于风电功率min级分量波动的风电场储能容量优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103259279A CN103259279A (zh) | 2013-08-21 |
CN103259279B true CN103259279B (zh) | 2014-11-05 |
Family
ID=48963053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310231351.9A Active CN103259279B (zh) | 2013-06-09 | 2013-06-09 | 基于风电功率min级分量波动的风电场储能容量优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103259279B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103489043B (zh) * | 2013-09-25 | 2016-03-30 | 上海电力学院 | 一种风电装机与储能电池容量比例的优化方法 |
CN103701143A (zh) * | 2013-11-04 | 2014-04-02 | 国家电网公司 | 平滑风光储系统功率波动的储能配置方法 |
CN105680485B (zh) * | 2014-11-18 | 2017-10-13 | 国家电网公司 | 一种风电场平滑出力方法 |
CN106300400B (zh) * | 2015-06-03 | 2021-05-14 | 国网河北省电力公司保定供电分公司 | 一种用于追踪风功率预测的蓄电池容量配置系统 |
CN105576686A (zh) * | 2016-02-23 | 2016-05-11 | 北京慧峰聚能科技有限公司 | 利用储能系统平滑微网并网点功率波动的能量管理方法 |
CN106340898B (zh) * | 2016-09-19 | 2018-09-14 | 北京双登慧峰聚能科技有限公司 | 一种风电场输出功率并网分量的分离方法 |
CN107256450B (zh) * | 2017-05-22 | 2020-10-13 | 武汉大学 | 考虑长-短嵌套决策的水光电互补调度容量配置方法 |
CN109728607B (zh) * | 2019-03-07 | 2022-06-17 | 云南电网有限责任公司 | 一种风电消纳评估方法及装置 |
CN110289631B (zh) * | 2019-04-12 | 2021-01-15 | 国网青海省电力公司 | 一种风电场储能装置容量的计算方法及系统 |
CN112398151B (zh) * | 2020-11-30 | 2022-11-08 | 广东电网有限责任公司电力调度控制中心 | 海上风电储能配置方法、装置、电子设备及存储介质 |
CN113013904B (zh) * | 2021-03-23 | 2022-09-30 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种海上风电储能容量配置的优化方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011103736A (ja) * | 2009-11-11 | 2011-05-26 | Mitsubishi Heavy Ind Ltd | 風力発電システム |
CN102664423A (zh) * | 2012-05-30 | 2012-09-12 | 山东大学 | 基于粒子群算法的风电场储能容量控制方法 |
CN103023066A (zh) * | 2012-11-21 | 2013-04-03 | 华中科技大学 | 一种适合于含风电电力系统储能功率的优化配置方法 |
-
2013
- 2013-06-09 CN CN201310231351.9A patent/CN103259279B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011103736A (ja) * | 2009-11-11 | 2011-05-26 | Mitsubishi Heavy Ind Ltd | 風力発電システム |
CN102664423A (zh) * | 2012-05-30 | 2012-09-12 | 山东大学 | 基于粒子群算法的风电场储能容量控制方法 |
CN103023066A (zh) * | 2012-11-21 | 2013-04-03 | 华中科技大学 | 一种适合于含风电电力系统储能功率的优化配置方法 |
Non-Patent Citations (4)
Title |
---|
冯江霞等.考虑调度计划和运行经济性的风电场储能容量优化计算.《电力系统自动化》.2013,第37卷(第1期), * |
林卫星等.风电功率波动特性的概率分布研究.《中国电机工程学报》.2012,第32卷(第1期), * |
考虑调度计划和运行经济性的风电场储能容量优化计算;冯江霞等;《电力系统自动化》;20130110;第37卷(第1期);90-96 * |
风电功率波动特性的概率分布研究;林卫星等;《中国电机工程学报》;20120105;第32卷(第1期);38-46 * |
Also Published As
Publication number | Publication date |
---|---|
CN103259279A (zh) | 2013-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103259279B (zh) | 基于风电功率min级分量波动的风电场储能容量优化方法 | |
CN102664423B (zh) | 基于粒子群算法的风电场储能容量控制方法 | |
CN103580041B (zh) | 一种平抑风电功率波动的混合储能系统容量配置方法 | |
CN104734166B (zh) | 混合储能系统及风力发电功率平滑控制方法 | |
CN104779630A (zh) | 一种平抑风电输出功率波动的混合储能系统容量配置方法 | |
CN110135662B (zh) | 一种考虑减小峰谷差的储能选址定容多目标优化方法 | |
CN104600727A (zh) | 一种基于数理统计和小波分解算法的微电网中混合储能的容量配置方法 | |
CN105071423B (zh) | 计及限风特性与经济性的储能系统容量配置方法 | |
CN109378864B (zh) | 基于新能源消纳的“源-网-荷”协调优化的控制方法 | |
CN111626527A (zh) | 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法 | |
CN103944177A (zh) | 混合储能微网系统截止频率确定方法及输出功率控制方法 | |
CN115036920A (zh) | 一种混合储能参与调频辅助服务市场的容量投标方法 | |
CN112736973A (zh) | 平抑风电、光伏电站出力波动的电池储能容量配置方法及系统 | |
CN116470513A (zh) | 一种响应电网需求的多类型光热电站协调调度运行方法 | |
CN106096807A (zh) | 一种考虑小水电的互补微网经济运行评价方法 | |
CN103915851B (zh) | 一种递进步长和期望输出均可变的储能系统优化控制方法 | |
CN114204562B (zh) | 一种考虑电动汽车与光伏的混合储能优化方法及系统 | |
CN117154778A (zh) | 一种配电网分布式储能优化配置方法及系统 | |
Liqun et al. | Capacity optimization of hybrid energy storage in wind/PV complementary power generation system based on improved particle swarm optimization | |
Wang et al. | Capacity specification for hybrid energy storage system to accommodate fast PV fluctuations | |
CN114709852A (zh) | 一种微能源网能量管理响应特性快速计算分析方法及系统 | |
CN113013909A (zh) | 一种基于平抑牵引的储能容量改进方法 | |
Haiyun et al. | Optimal Capacity Allocation Method of Multi-types of Energy Storage for Wind Power Plant | |
CN112838605A (zh) | 一种基于多智能体粒子群优化的储能电站协调控制与能量管理与运行方法 | |
CN111313478A (zh) | 一种基于功率平滑的可再生能源储能优化配置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |