CN103633657B - 一种风储电站电网负荷调峰及风电波动抑制的方法及装置 - Google Patents

Abstract

本发明提供一种风储电站电网负荷调峰及风电波动抑制的方法及装置，应用于风储联合发电技术领域，该方法包括：计算电网负荷对风储电站的有功功率需求；建立用于电网负荷调峰的日前优化模型；将所述日前优化模型转换为二次规划问题，并求解得到日前优化的储能系统出力数据；计算日前优化的风储联合出力数据；对所述日前优化的风储联合出力数据进行一阶低通滤波，得到风储联合参考输出功率；计算储能系统额外出力数据；对所述储能系统额外出力数据进行优化；计算储能系统实时总出力数据。本发明可以有效改善风电的随机性和不可调度性；改善电网负荷峰谷差逐渐增大造成的一系列困难和为满足电网高峰负荷需求规划建设的电力设备资产利用率较低等问题。

Description

一种风储电站电网负荷调峰及风电波动抑制的方法及装置

技术领域

本发明涉及风储联合发电技术领域，具体地，涉及一种风储电站电网负荷调峰及风电波动抑制的方法及装置。

背景技术

近年来，为了应对能源危机和缓解日益严峻的环境压力，开发和利用可再生能源发电成为世界各国关注的焦点，风力发电以其无污染、一次能源可永久使用等诸多优点成为重要选择。然而，风力发电有着随机性、间歇性和不可准确预测性，将其并入现有电网达到一定比例时，这种不稳定因素可能会对局部电网造成很大的冲击，甚至酿成大规模恶性事故；同时，随着人民生活水平的提高和电力负荷的快速增长，电网负荷峰谷差逐渐增大，而风电的随机性和不可调度性会给电力调度造成一系列困难，为满足高峰负荷需求而规划建设的电力设备资产利用率较低。

对电网负荷的削峰填谷方面，在国外已有许多大规模储能项目正在运行，其中许多用途都是对电网负荷进行削峰填谷，在国内，南方电网开展了MW级电池储能示范项目，主要作用也是对电网负荷的削峰填谷。目前，还没有通过风电、储能联合发电对电网负荷进行削峰填谷的研究。

通过储能抑制风电输出功率波动方面，国内外已有许多深入的研究，国家电网公司在张北建立的风光储输示范工程中，储能系统可以有效平抑风电波动。但是，在考虑风储电站对电网负荷调峰的基础上，如何平抑风电波动，在在国内外还没有研究。

发明内容

本发明实施例的主要目的在于提供一种风储电站电网负荷调峰及风电波动抑制的方法及装置，以提供一种同时考虑电网负荷调峰和风电波动平抑的控制技术。

为了实现上述目的，本发明实施例提供一种风储电站电网负荷调峰及风电波动抑制的方法，包括：

根据电网负荷预测数据和风功率预测数据，计算电网负荷对风储电站的有功功率需求；

根据所述风功率预测数据、储能系统输出功率和电网负荷对风储电站的有功功率需求，建立用于电网负荷调峰的日前优化模型；

将所述日前优化模型转换为二次规划问题，并求解得到日前优化的储能系统出力数据；

根据所述日前优化的储能系统出力和实时风电有功功率数据，得到日前优化的风储联合出力数据；

对所述日前优化的风储联合出力数据进行一阶低通滤波，得到风储联合参考输出功率；

计算所述风储联合参考输出功率与所述日前优化的风储联合出力数据之差，得到储能系统额外出力数据；

根据储能系统剩余电量、储能系统最大充放电功率对所述储能系统额外出力数据进行优化，得到优化后的储能系统额外出力数据；

根据所述日前优化的储能系统出力数据和所述优化后的储能系统额外出力，得到储能系统实时总出力数据。

相应的，本发明还提供一种风储电站电网负荷调峰及风电波动抑制的装置，包括：

功率需求计算模块，用于根据电网负荷预测数据和风功率预测数据，计算电网负荷对风储电站的有功功率需求；

优化模型建立模块，用于根据所述风功率预测数据、储能系统输出功率和电网负荷对风储电站的有功功率需求，建立用于电网负荷调峰的日前优化模型；

二次规划模块，用于将所述日前优化模型转换为二次规划问题，并求解得到日前优化的储能系统出力数据；

联合出力数据模块，用于根据所述日前优化的储能系统出力和实时风电有功功率数据，得到日前优化的风储联合出力数据；

联合参考输出功率模块，用于对所述日前优化的风储联合出力数据进行一阶低通滤波，得到风储联合参考输出功率；

额外出力数据模块，用于计算所述风储联合参考输出功率与所述日前优化的风储联合出力数据之差，得到储能系统额外出力数据；

额外出力数据优化模块，用于根据储能系统剩余电量、储能系统最大充放电功率对所述储能系统额外出力数据进行优化，得到优化后的储能系统额外出力数据；

实时总出力数据计算模块，根据所述日前优化的储能系统出力数据和所述优化后的储能系统额外出力，得到储能系统实时总出力数据。

借助于上述技术方案，本发明在对电网负荷调峰的基础上，能够平抑风储电站输出功率的波动，可以有效改善风电的随机性和不可调度性，提升其电能质量，改善其电网适应性，减少对电网的冲击；可以改善因为电网负荷峰谷差逐渐增大给电力调度造成的一系列困难和为满足电网高峰负荷需求而规划建设的电力设备资产利用率较低等问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的风储电站电网负荷调峰及风电波动抑制的方法流程示意图；

图2是本发明提供的根据储能系统剩余电量对额外出力数据进行优化的规则示意图；

图3是本发明实施例提供的日前优化风储联合出力效果图；

图4是本发明实施例提供的日前优化储能出力效果图；

图5是本发明实施例提供的日前优化储能SOC变化曲线；

图6是本发明实施例提供的未进行储能额外出力优化的风储实时合成出力效果；

图7是本发明实施例提供的储能额外出力优化的风储实时合成出力效果；

图8是本发明实施例提供的实时优化储能系统SOC效果；

图9是本发明实施例提供的储能额外出力效果；

图10是本发明实施例提供的实时滤波后1min波动率变化效果；

图11是本发明提供的风储电站电网负荷调峰及风电波动抑制的装置结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供一种风储电站电网负荷调峰及风电波动抑制的方法，如图1所示，该方法包括：

步骤S11，根据电网负荷预测数据和风功率预测数据，计算电网负荷对风储电站的有功功率需求；

步骤S12，根据所述风功率预测数据、储能系统输出功率和电网负荷对风储电站的有功功率需求，建立用于电网负荷调峰的日前优化模型；

步骤S13，将所述日前优化模型转换为二次规划问题，并求解得到日前优化的储能系统出力数据；

步骤S14，根据所述日前优化的储能系统出力和实时风电有功功率数据，得到日前优化的风储联合出力数据；

步骤S15，对所述日前优化的风储联合出力数据进行一阶低通滤波，得到风储联合参考输出功率；

步骤S16，计算所述风储联合参考输出功率与所述日前优化的风储联合出力数据之差，得到储能系统额外出力数据；

步骤S17，根据储能系统剩余电量、储能系统最大充放电功率对所述储能系统额外出力数据进行优化，得到优化后的储能系统额外出力数据；

步骤S18，根据所述日前优化的储能系统出力数据和所述优化后的储能系统额外出力，得到储能系统实时总出力数据。

以下分别针对上述每一步骤进行详细说明:

针对步骤S11，根据电网负荷预测数据和风功率预测数据，计算电网负荷对风储电站的有功功率需求。

由于区域电网负荷远远大于一个风电场的输出功率，单个风电场对整个区域电网的调峰起到的作用很微弱，但如果多个风电场都对电网进行调峰，其效果将十分明显。

本步骤计算电网负荷对风储电站的有功功率需求，目的是使单个风场输出功率与电网负荷需求在数量级上匹配，相当于按比例将电网需求分配给风电场。

首先计算电网负荷日预测总量D_total和风功率日预测总量P_{w_p_total}，公式如下：

$D_{total}=\underset{i=1}{\overset{N}{\Σ}}D\left(i\right);$

$P_{w\_p\_total}=\underset{i=1}{\overset{N}{\Σ}}{P}_{w\_p}\left(i\right);$

然后计算电网负荷分配转换系数r，公式如下：

$r=\frac{D_{total}}{P_{w\_p\_total}};$

则电网负荷对风储电站的有功功率需求D_need(i)为：

$D_{need}\left(i\right)=\frac{1}{r}D\left(i\right)$

其中，N为一天中电网负荷预测/风功率预测的数据总量，N为自然数；

i为一天中电网负荷预测/风功率预测的时间序号，i为自然数且i＝1,2,…,N；

D(i)为电网负荷预测数据；

D_total为电网负荷日预测总量；

P_{w_p}(i)为风功率预测数据；

P_{w_p_total}为风功率日预测总量；

r为电网负荷分配转换系数；

D_need(i)为电网负荷对风储电站的有功功率需求；

即一天中电网负荷预测/风功率预测的次数共为N，根据时间早晚对每次预测进行排序，以i为时间序号进行标记，序号i对应的电网负荷预测得到的电网负荷预测数据为D(i)，序号i对应的风功率预测得到的风功率预测数据为P_{w_p}(i)。

针对步骤S12，根据所述风功率预测数据、储能系统输出功率和电网负荷对风储电站的有功功率需求，建立用于电网负荷调峰的日前优化模型。

建立风储电站对电网负荷调峰的日前优化模型的目的是计算储能系统如何出力才能使得风储电站对电网负荷的调峰效果最优。

该步骤建立的用于电网负荷调峰的日前优化模型包括：

目标函数 $\min f\left(b\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{(\[P_{w\_p}\left(i\right)+b\left(i\right)-D_{need}\left(i\right)\]-\frac{1}{N}\underset{j=1}{\overset{N}{\Σ}}\[P_{w\_p}\left(j\right)+b\left(j\right)-D_{need}\left(j\right)\])}^2;$

功率约束条件-P_max≤b(i)≤P_max；

容量约束条件S_low≤s(i)≤S_high；

其中，b(i)为储能系统输出功率，且为控制变量；

j为自然数且j＝1,2,…,N；

P_max为储能系统最大充放电功率；

s(i)为储能系统剩余电量，且为状态变量，s(i)＝s(i-1)-b(i)×Δt，s(0)＝S_initial；

Δt为电网负荷预测/风功率预测的时间间隔；

S_low为储能系统剩余电量下限；

S_high为储能系统剩余电量上限；

S_initial为储能系统剩余电量初始值。

针对步骤S13，将所述日前优化模型转换为二次规划问题，并求解得到日前优化的储能系统出力数据。

二次规划问题是指目标函数为二次函数，约束条件是线性不等式的最优化问题，其标准形式如下：

$\left\{\begin{array}{c}\min f\left(x\right)=\frac{1}{2}{x}^{T}Hx+c^{T}x\\ s.t.Ax\≤b\end{array}\right.$

其中，H∈R^n×n为n阶实对称矩阵，A为m×n维矩阵，c为n维列向量，b为m维列向量。

根据二次规划问题的定义，对步骤S12建立的日前优化模型进行变换，转换为标准的二次规划问题，具体步骤如下。

(1)将目标函数转化为二次函数：

令x(i)＝P_{w_p}(i)+b(i)-D_need(i)，即控制变量b(i)可表示为：b(i)＝x(i)-P_{w_p}(i)+D_need(i)；

则目标函数转化为公式： $\min f\left(x\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{\[x\left(i\right)-\frac{1}{N}\underset{j=1}{\overset{N}{\Σ}}x\left(j\right)\]}^2;$

对该公式进行分解可得以下二次函数：

$\begin{array}{c}\min f\left(x\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}^2\left(i\right)-\frac{2}{N^2}\underset{i=1}{\overset{N}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}x\left(i\right)\·x\left(j\right)+\frac{1}{N^2}\[{\underset{i=1}{\overset{N}{\Σ}}x\left(i\right)\]}^2\\ =\frac{1}{2}{x}^T(H_1+H_2+H_3)x\\ =\frac{1}{2}{x}^{T}Hx\end{array}$

可见该转换得到的二次函数没有一次项，即二次规划问题中的c项为零向量。

该二次函数中：

(2)将功率约束条件转换为功率约束不等式：

由-P_max≤b(i)≤P_max可得：-P_max≤x(i)-P_{w_p}(i)+D_need(i)≤P_max

进一步可以分解为以下两个不等式：

$\left\{\begin{array}{c}-x\left(t\right)\≤P_{max}-P_{w\_p}\left(i\right)+D_{need}\left(i\right)\\ x\left(t\right)\≤P_{max}+P_{w\_p}\left(i\right)-D_{need}\left(i\right)\end{array}\right.$

根据以上两不等式可以得到如下功率约束不等式：A₁x≤b₁

其中，A₁为2N×N阶矩阵：

b₁为2N×1阶矩阵：

$b_1=\left[\begin{array}{c}{P}_{\max }-P_{w\_p}\left(1\right)+D_{need}\left(1\right)\\ P_{\max }-P_{w\_p}\left(2\right)+D_{need}\left(2\right)\\ .\\ .\\ .\\ P_{\max }-P_{w\_p}\left(N\right)+D_{need}\left(N\right)\\ P_{\max }+P_{w\_p}\left(1\right)-D_{need}\left(1\right)\\ P_{\max }+P_{w\_p}\left(2\right)-D_{need}\left(2\right)\\ .\\ .\\ .\\ P_{\max }+P_{w\_p}\left(N\right)-D_{need}\left(N\right)\end{array}\right]$

(3)将容量约束条件转换为容量约束不等式：

由S_low≤s(i)≤S_high可得以下两个不等式：

$\left\{\begin{array}{c}-x\left(i\right)\≤\frac{1}{\mathrm{\Δ}t}\[S_{high}-S(i-1)\]-P_{w\_p}\left(i\right)+D_{need}\left(i\right)\\ x\left(i\right)\≤\frac{1}{\mathrm{\Δ}t}\[S(i-1)-S_{low}\]+P_{w\_p}\left(1\right)-D_{need}\left(i\right)\end{array}\right.$

根据以上两不等式可以得到如下容量约束不等式：A₂x≤b₂

则A₂为2N×N阶矩阵：

b₂为2N×1阶矩阵：

$b_2=\left[\begin{array}{c}\frac{1}{\mathrm{\Δ}t}\[S_{initial}-S_{low}\]-P_{w\_p}\left(1\right)+D_{need}\left(1\right)\\ \frac{1}{\mathrm{\Δ}t}\[S_{initial}-S_{low}\]-P_{w\_p}\left(1\right)+D_{need}\left(1\right)-P_{w\_p}\left(2\right)+D_{need}\left(2\right)\\ .\\ .\\ .\\ \frac{1}{\mathrm{\Δ}t}\[S_{initial}-S_{low}\]+\underset{i=1}{\overset{N}{\Σ}}\[-P_{w\_p}\left(i\right)+D_{need}\left(i\right)\]\\ \frac{1}{\mathrm{\Δ}t}\[S_{high}-S_{initial}\]+P_{w\_p}\left(1\right)-D_{need}\left(1\right)\\ \frac{1}{\mathrm{\Δ}t}\[S_{high}-S_{initial}\]+P_{w\_p}\left(1\right)-D_{need}\left(1\right)+P_{w\_p}\left(2\right)-D_{need}\left(2\right)\\ .\\ .\\ .\\ \frac{1}{\mathrm{\Δ}t}\[S_{high}-S_{initial}\]+\underset{i=1}{\overset{N}{\Σ}}\[P_{w\_p}\left(i\right)+D_{need}\left(i\right)\]\end{array}\right]$

(4)分别纵向连接A₁、A₂与b₁、b₂可得到参数矩阵A和b，其中A为4N×N阶矩阵，b为4N×1阶矩阵；根据上述参数矩阵A和b即可求出最优的x(例如通过matlab内置的quadprog函数)。

(5)再根据b(i)＝x(i)-P_{w_p}(i)+D_need(i)，可得到日前优化的储能系统出力数据，用于风储电站对电网负荷调峰可得到最优的效果。

针对步骤S14，根据所述日前优化的储能系统出力和实时风电有功功率数据，得到日前优化的风储联合出力数据。

基于一天中电网负荷预测/风功率预测的全部次数N，步骤S13计算得到的日前优化的储能系统出力数据总量也为N个；设一天中的实时风电有功功率测试次数为N₁，则可得到的实时风电有功功率数据总量也为N₁，一般情况下，N₁远远大于N。

步骤S14利用如下公式将日前优化的储能系统出力数据总量变换为与实时风电有功功率数据总量一致，即变换为N₁：

$\left\{\begin{array}{c}{b}_{ex}\left(k\right)=b\left(\[\frac{k}{n}\]\right)\\ n=\frac{N_1}{N}\end{array}\right.$

以上公式中，[]为高斯取整符号，表示括号内数字向下取整；b_ex(k)为转换后的日前优化的储能系统出力数据；k为实时风电有功功率测试的时间序号，k为自然数且k＝1,2,…,N₁。

设实时风电有功功率为P_w(k)，日前优化的风储联合出力数据为P₁(k)，则采用公式P₁(k)＝b_ex(k)+P_w(k)可计算日前优化的风储联合出力数据。

针对步骤S15，对所述日前优化的风储联合出力数据进行一阶低通滤波，得到风储联合参考输出功率。

该步骤对步骤S14得到的日前优化的风储联合出力数据进行一阶低通滤波，得到风储联合参考输出功率。

一阶低通滤波的频域表达式为：其中s为拉普拉斯算子，P_ref(s)为频域下的风储联合参考输出功率；T为滤波时间常数。

将以上频域表达式转化为离散时间形式如下：

$\begin{array}{c}{P}_{ref}\left(k\right)=\frac{T}{T+{\mathrm{\Δt}}_1}{P}_{ref}(k-1)+\frac{{\mathrm{\Δt}}_1}{T+{\mathrm{\Δt}}_1}{P}_1\left(k\right)\\ =\frac{T}{T+{\mathrm{\Δt}}_1}{P}_{ref}(k-1)+\frac{{\mathrm{\Δt}}_1}{T+{\mathrm{\Δt}}_1}\[P_w\left(k\right)+b_{ex}\left(k\right)\]\end{array}$

其中，P_ref(k)为离散时间形式下的风储联合参考输出功率。

针对步骤S16，计算所述风储联合参考输出功率与所述日前优化的风储联合出力数据之差，得到储能系统额外出力数据。

该步骤中，将风储联合参考输出功率与日前优化风储联合出力数据之差确定为储能系统额外出力数据，表达式如下：

$\begin{array}{c}\mathrm{\Δ}b\left(k\right)=P_{ref}\left(k\right)-P_1\left(k\right)\\ =\frac{T}{T+{\mathrm{\Δt}}_1}\[P_{ref}(k-1)+P_w\left(k\right)+b_{ex}\left(k\right)\]\end{array}$

上式中，Δb(k)为储能系统额外出力数据。

根据上式，令Δb(1)＝0，之后再根据实时风电有功功率数据，可以得到后续多个储能系统额外出力数据，实现了对风储电站输出功率波动的实时平抑。

针对步骤S17，根据储能系统剩余电量、储能系统最大充放电功率对所述储能系统额外出力数据进行优化，得到优化后的储能系统额外出力数据。

该步骤是得到更加合理的储能系统额外出力数据，即优化后的储能系统额外出力数据，具体过程如下。

(1)采用第一优化规则，根据储能系统剩余电量对额外出力数据进行优化，第一优化规则具体如下：

剩余电量s(k)大于报警电量上限S_{alarm_high}时，储能系统禁止额外充电，最大限度支持额外放电；

剩余电量s(k)大于正常电量上限S_{normal_high}，且小于等于报警电量上限S_{alarm_high}时，储能系统抑制额外充电，鼓励额外放电；

剩余电量s(k)大于等于正常电量下限S_{normal_low}，且小于等于正常电量上限S_{normal_high}时，储能系统额外充放电正常，不进行优化；

剩余电量s(k)大于等于报警电量下限S_{alarm_low}，且小于正常电量下限S_{normal_low}时，储能系统鼓励额外充电，抑制额外放电；

剩余电量s(k)小于报警电量下限S_{alarm_low}时，储能系统最大限度支持额外充电，禁止额外放电。

图2所示为第一优化规则的示意图，设根据第一优化规则得到的储能系统额外出力数据为初始优化后的储能系统额外出力数据Δb₁(k)，a₁、a₂、a₃为实时控制调整参数，并且a₁＜1＜a₂＜a₃，则以上优化规则对应的数学表达式具体如下(储能系统充电时Δb₁(k)＜0，储能系统充电时Δb₁(k)＞0)：

若s(k)＞S_{alarm_high}，则储能系统充电时Δb₁(k)＝0，储能系统放电时Δb₁(k)＝a₃×Δb(k)；

若S_{alarm_high}≥s(k)＞S_{normal_high}，则储能系统充电时Δb₁(k)＝a₁×Δb(k)，储能系统放电时Δb₁(k)＝a₂×Δb(k)；

若S_{normal_high}≥s(k)≥S_{normal_low}，则储能系统充电时Δb₁(k)＝Δb(k)，储能系统放电时Δb₁(k)＝Δb(k)；

若S_{normal_low}＞s(k)≥S_{alarm_low}，则储能系统充电时Δb₁(k)＝a₂×Δb(k)，储能系统放电时Δb₁(k)＝a₁×Δb(k)；

若s(k)＜S_{alarm_low}，则储能系统充电时Δb₁(k)＝a₃×Δb(k)，储能系统放电时Δb₁(k)＝0。

(2)采用第二优化规则，根据储能系统最大充放电功率和所述初始优化后的储能系统额外出力数据，得到优化后的储能系统额外出力数据。

该步骤根据储能系统最大充放电功率对储能系统额外出力数据进行功率限幅，设该步骤得到的储能系统额外出力数据为优化后的储能系统额外出力数据Δb₂(k)，则第二优化规则具体为：

若Δb₁(k)＞P_max-b_ex(k)，则Δb₂(k)＝P_max-b_ex(k)；

若P_max-b_ex(k)≥Δb₁(k)≥-P_max-b_ex(k)，则Δb₂(k)＝Δb₁(k)；

若Δb₁(k)＜-P_max-b_ex(k)，则Δb₂(k)＝-P_max-b_ex(k)。

针对步骤S18，根据所述日前优化的储能系统出力数据和所述优化后的储能系统额外出力，得到储能系统实时总出力数据。

设储能系统实时总出力数据为B(k)，该步骤采用公式B(k)＝b_ex(k)+Δb₂(k)，将日前优化的储能系统出力数据和优化后的储能系统额外出力之和，确定为储能系统实时总出力数据。

实施例一

本实施例以储能系统为20MW/MWh，风电场容量为100MW，取冬季某日电网负荷预测数据和风电场功率预测数据以及实际数据进行仿真验证本发明提供的风储电站电网负荷调峰及风电波动抑制方法。其中，风功率预测和电网负荷预测的时间间隔为15min，实时风电有功功率测试的时间间隔为1min。

图3所示为日前优化得到的风储联合出力效果图，可以看出，与风电预测出力相比，日前优化的风储联合出力已经接近电网负荷对风储电站的有功需求；图4为对应的日前优化储能出力；图5为对应的储能系统荷电状态(StateofCharge，SOC)变化曲线。

图6为对图5所示的14:00到18:00进行实时平滑波动的效果。图6为进行实时一阶低通滤波后，未进行储能额外出力优化的风储实时总出力效果图，可以看出，与储能日前优化出力加风电实时出力相比，经过一阶低通滤波后，风储实时出力更平滑；图7为经过储能额外出力优化的风储实时总出力效果图，可以看出，与额外出力未优化相比，在17:00左右，风储联合出力有急剧下降，主要是为了使储能系统SOC工作在更健康的状态；图8对比了是否经过储能额外出力优化的SOC效果，由图可见，经过优化后，可以有效减少SOC运行在较低的情况；图9为对应的储能额外出力效果，由于14:00-18:00时，储能系统工作在SOC较低的区域，图9可看出，此时尽量满足储能系统的充电(输出功率为负)要求，抑制放电(输出功率为正)要求；图10为1min波动率平抑效果，可以看出，实时风储合成输出1min波动率明显下降。

相应的，本发明还提供一种风储电站电网负荷调峰及风电波动抑制的装置，如图11所示，该装置包括：

功率需求计算模块111，用于根据电网负荷预测数据和风功率预测数据，计算电网负荷对风储电站的有功功率需求；

优化模型建立模块112，用于根据所述风功率预测数据、储能系统输出功率和电网负荷对风储电站的有功功率需求，建立用于电网负荷调峰的日前优化模型；

二次规划模块113，用于将所述日前优化模型转换为二次规划问题，并求解得到日前优化的储能系统出力数据；

联合出力数据模块114，用于根据所述日前优化的储能系统出力和实时风电有功功率数据，得到日前优化的风储联合出力数据；

联合参考输出功率模块115，用于对所述日前优化的风储联合出力数据进行一阶低通滤波，得到风储联合参考输出功率；

额外出力数据模块116，用于计算所述风储联合参考输出功率与所述日前优化的风储联合出力数据之差，得到储能系统额外出力数据；

额外出力数据优化模块117，用于根据储能系统剩余电量、储能系统最大充放电功率对所述储能系统额外出力数据进行优化，得到优化后的储能系统额外出力数据；

实时总出力数据计算模块118，根据所述日前优化的储能系统出力数据和所述优化后的储能系统额外出力，得到储能系统实时总出力数据。

上述装置中，功率需求计算模块111具体用于：

利用电网负荷预测数据，采用公式计算电网负荷日预测总量：

利用风功率预测数据，采用公式计算风功率日预测总量；

采用公式计算电网负荷分配转换系数；

采用公式计算电网负荷对风储电站的有功功率需求；

其中，N为一天中电网负荷预测/风功率预测的数据总量，N为自然数；

i为一天中电网负荷预测/风功率预测的时间序号，i为自然数且i＝1,2,…,N；

D(i)为电网负荷预测数据；

D_total为电网负荷日预测总量；

P_{w_p}(i)为风功率预测数据；

P_{w_p_total}为风功率日预测总量；

r为电网负荷分配转换系数；

D_need(i)为电网负荷对风储电站的有功功率需求。

上述装置中，用于电网负荷调峰的日前优化模型包括：

目标函数 $\min f\left(b\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{(\[P_{w\_p}\left(i\right)+b\left(i\right)-D_{need}\left(i\right)\]-\frac{1}{N}\underset{j=1}{\overset{N}{\Σ}}\[P_{w\_p}\left(j\right)+b\left(j\right)-D_{need}\left(j\right)\])}^2;$

功率约束条件-P_max≤b(i)≤P_max；

容量约束条件S_low≤s(i)≤S_high；

其中，b(i)为储能系统输出功率；

j为自然数且j＝1,2,…,N；

P_max为储能系统最大充放电功率；

s(i)为储能系统剩余电量，s(i)＝s(i-1)-b(i)×Δt，s(0)＝S_initial；

Δt为电网负荷预测/风功率预测的时间间隔；

S_low为储能系统剩余电量下限；

S_high为储能系统剩余电量上限；

S_initial为储能系统剩余电量初始值。

上述装置中，二次规划模块113具体用于：

将所述目标函数转换为如下二次函数：

将所述功率约束条件转换为如下的功率约束不等式：

将所述容量约束条件转换为如下的容量约束不等式：

利用所述功率约束不等式和容量约束不等式，求解所述二次函数，得到x；

采用公式b(i)＝x(i)-P_{w_p}(i)+D_need(i)，计算日前优化的储能系统出力数据。

上述装置中，联合出力数据模块114具体用于：

利用所述日前优化的储能系统出力数据总量和实时风电有功功率数据总量，采用公式 $\left\{\begin{array}{c}{b}_{ex}\left(k\right)=b\left(\[\frac{k}{n}\]\right)\\ n=\frac{N_1}{N}\end{array}\right.,$ 对所述日前优化的储能系统出力数据进行转换；

利用所述转换后的日前优化的储能系统出力数据和实时风电有功功率数据，采用公式P₁(k)＝b_ex(k)+P_w(k)，计算日前优化的风储联合出力数据；

其中，N₁为实时风电有功功率数据总量，N₁为自然数；

k为实时风电有功功率测试的时间序号，k为自然数且k＝1,2,…,N₁，

b_ex(k)为转换后的日前优化的储能系统出力数据；

[]为高斯取整符号；

P_w(k)为实时风电有功功率数据；

P₁(k)为日前优化的风储联合出力数据。

上述装置中，联合参考输出功率模块115对所述日前优化的风储联合出力数据进行一阶低通滤波，得到风储联合参考输出功率时，采用如下公式：

$P_{ref}\left(k\right)=\frac{T}{T+{\mathrm{\Δt}}_1}{P}_{ref}(k-1)+\frac{{\mathrm{\Δt}}_1}{T+{\mathrm{\Δt}}_1}{P}_1\left(k\right);$

其中，P_ref(k)为风储联合参考输出功率；

T为滤波时间常数；

Δt₁为实时风电有功功率测试的时间间隔。

上述装置中，额外出力数据优化模块117具体用于：

采用第一优化规则，根据储能系统剩余电量对所述储能系统额外出力数据进行优化，得到初始优化后的储能系统额外出力数据；

采用第二优化规则，根据储能系统最大充放电功率和所述初始优化后的储能系统额外出力数据，得到优化后的储能系统额外出力数据；

所述第一优化规则为：

若s(k)＞S_{alarm_high}，则储能系统充电时Δb₁(k)＝0，储能系统放电时Δb₁(k)＝a₃×Δb(k)；

若S_{alarm_high}≥s(k)＞S_{normal_high}，则储能系统充电时Δb₁(k)＝a₁×Δb(k)，储能系统放电时Δb₁(k)＝a₂×Δb(k)；

若S_{normal_high}≥s(k)≥S_{normal_low}，则储能系统充电时Δb₁(k)＝Δb(k)，储能系统放电时Δb₁(k)＝Δb(k)；

若S_{normal_low}＞s(k)≥S_{alarm_low}，则储能系统充电时Δb₁(k)＝a₂×Δb(k)，储能系统放电时Δb₁(k)＝a₁×Δb(k)；

若s(k)＜S_{alarm_low}，则储能系统充电时Δb₁(k)＝a₃×Δb(k)，储能系统放电时Δb₁(k)＝0；

所述第二优化规则为：

若Δb₁(k)＞P_max-b_ex(k)，则Δb₂(k)＝P_max-b_ex(k)；

若P_max-b_ex(k)≥Δb₁(k)≥-P_max-b_ex(k)，则Δb₂(k)＝Δb₁(k)；

若Δb₁(k)＜-P_max-b_ex(k)，则Δb₂(k)＝-P_max-b_ex(k)；

其中，s(k)为储能系统剩余电量；

Δb₁(k)为初始优化后的储能系统额外出力数据；

Δb(k)为储能系统额外出力数据；

a₁、a₂、a₃为实时控制调整参数，并且a₁＜1＜a₂＜a₃；

S_{alarm_high}为储能系统剩余电量报警上限；

S_{alarm_low}为储能系统剩余电量报警下限；

S_{normal_high}为储能系统剩余电量正常上限；

S_{normal_low}为储能系统剩余电量正常下限；

Δb₂(k)为优化后的储能系统额外出力数据。

上述装置中，实时总出力数据计算模块118根据所述日前优化的储能系统出力数据和所述优化后的储能系统额外出力，得到储能系统实时总出力数据时，采用如下公式：

B(k)＝b_ex(k)+Δb₂(k)，

其中，B(k)为储能系统实时总出力数据。

图11所示的风储电站电网负荷调峰及风电波动抑制的装置与图1所示的风储电站电网负荷调峰及风电波动抑制方法基于相同的发明思想实现，其具体实施方式可参照前述对风储电站电网负荷调峰及风电波动抑制方法的介绍，此处不再赘述。

本发明在对电网负荷调峰的基础上，能够平抑风储电站输出功率的波动，可以有效改善风电的随机性和不可调度性，提升其电能质量，改善其电网适应性，减少对电网的冲击；可以改善因为电网负荷峰谷差逐渐增大给电力调度造成的一系列困难和为满足电网高峰负荷需求而规划建设的电力设备资产利用率较低等问题。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (16)

1.一种风储电站电网负荷调峰及风电波动抑制的方法，其特征在于，包括：

根据电网负荷预测数据和风功率预测数据，计算电网负荷对风储电站的有功功率需求；

根据所述风功率预测数据、储能系统输出功率和电网负荷对风储电站的有功功率需求，建立用于电网负荷调峰的日前优化模型；

将所述日前优化模型转换为二次规划问题，并求解得到日前优化的储能系统出力数据；

根据所述日前优化的储能系统出力和实时风电有功功率数据，得到日前优化的风储联合出力数据；

对所述日前优化的风储联合出力数据进行一阶低通滤波，得到风储联合参考输出功率；

计算所述风储联合参考输出功率与所述日前优化的风储联合出力数据之差，得到储能系统额外出力数据；

根据储能系统剩余电量、储能系统最大充放电功率对所述储能系统额外出力数据进行优化，得到优化后的储能系统额外出力数据；

根据所述日前优化的储能系统出力数据和所述优化后的储能系统额外出力，得到储能系统实时总出力数据。

2.根据权利要求1所述的方法，其特征在于，所述的根据电网负荷预测数据和风功率预测数据，计算电网负荷对风储电站的有功功率需求，具体为：

利用电网负荷预测数据，采用公式计算电网负荷日预测总量：

利用风功率预测数据，采用公式计算风功率日预测总量；

采用公式计算电网负荷分配转换系数；

采用公式计算电网负荷对风储电站的有功功率需求；

其中，N为一天中电网负荷预测/风功率预测的数据总量，N为自然数；

i为一天中电网负荷预测/风功率预测的时间序号，i为自然数且i＝1,2,…,N；

D(i)为电网负荷预测数据；

D_total为电网负荷日预测总量；

P_{w_p}(i)为风功率预测数据；

P_{w_p_total}为风功率日预测总量；

r为电网负荷分配转换系数；

D_need(i)为电网负荷对风储电站的有功功率需求。

3.根据权利要求2所述的方法，其特征在于，所述的用于电网负荷调峰的日前优化模型包括：

目标函数 $\min f\left(b\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{(\[P_{w\_p}(i)+b(i)-D_{need}(i)\]-\frac{1}{N}\underset{j=1}{\overset{N}{\Σ}}\[P_{w\_p}(j)+b(j)-D_{need}(j)\])}^2;$

功率约束条件-P_max≤b(i)≤P_max；

容量约束条件S_low≤s(i)≤S_high；

其中，b(i)为储能系统输出功率；

j为自然数且j＝1,2,…,N；

P_max为储能系统最大充放电功率；

s(i)为储能系统剩余电量，s(i)＝s(i-1)-b(i)×Δt，s(0)＝S_initial；

Δt为电网负荷预测/风功率预测的时间间隔；

S_low为储能系统剩余电量下限；

S_high为储能系统剩余电量上限；

S_initial为储能系统剩余电量初始值。

4.根据权利要求3所述的方法，其特征在于，所述的将所述日前优化模型转换为二次规划问题，并求解得到日前优化的储能系统出力数据，具体为：

将所述目标函数转换为如下二次函数：

将所述功率约束条件转换为如下的功率约束不等式：

将所述容量约束条件转换为如下的容量约束不等式：

利用所述功率约束不等式和容量约束不等式，求解所述二次函数，得到x；

采用公式b(i)＝x(i)-P_{w_p}(i)+D_need(i)，计算日前优化的储能系统出力数据。

5.根据权利要求4所述的方法，其特征在于，所述的根据所述日前优化的储能系统出力和实时风电有功功率数据，得到日前优化的风储联合出力数据，具体为：

利用所述日前优化的储能系统出力数据总量和实时风电有功功率数据总量，采用公式 $\left\{\begin{array}{c}{b}_{ex}\left(k\right)=b(\[\frac{k}{n}\])\\ n=\frac{N_1}{N}\end{array}\right.,$ 对所述日前优化的储能系统出力数据进行转换；

利用所述转换后的日前优化的储能系统出力数据和实时风电有功功率数据，采用公式P₁(k)＝b_ex(k)+P_w(k)，计算日前优化的风储联合出力数据；

其中，N₁为实时风电有功功率数据总量，N₁为自然数；

k为实时风电有功功率测试的时间序号，k为自然数且k＝1,2,…,N₁；

b_ex(k)为转换后的日前优化的储能系统出力数据；

[]为高斯取整符号；

P_w(k)为实时风电有功功率数据；

P₁(k)为日前优化的风储联合出力数据。

6.根据权利要求5所述的方法，其特征在于，所述的对所述日前优化的风储联合出力数据进行一阶低通滤波，得到风储联合参考输出功率，采用如下公式：

$P_{ref}\left(k\right)=\frac{T}{T+{\mathrm{\Δt}}_1}{P}_{ref}(k-1)+\frac{{\mathrm{\Δt}}_1}{T+{\mathrm{\Δt}}_1}{P}_1\left(k\right);$

其中，P_ref(k)为风储联合参考输出功率；

T为滤波时间常数；

Δt₁为实时风电有功功率测试的时间间隔。

7.根据权利要求6所述的方法，其特征在于，所述的根据储能系统剩余电量、储能系统最大充放电功率对所述储能系统额外出力数据进行优化，得到优化后的储能系统额外出力数据，具体为：

采用第一优化规则，根据储能系统剩余电量对所述储能系统额外出力数据进行优化，得到初始优化后的储能系统额外出力数据；

采用第二优化规则，根据储能系统最大充放电功率和所述初始优化后的储能系统额外出力数据，得到优化后的储能系统额外出力数据；

所述第一优化规则为：

若s(k)＞S_{alarm_high}，则储能系统充电时Δb₁(k)＝0，储能系统放电时Δb₁(k)＝a₃×Δb(k)；

若S_{alarm_high}≥s(k)＞S_{normal_high}，则储能系统充电时Δb₁(k)＝a₁×Δb(k)，储能系统放电时Δb₁(k)＝a₂×Δb(k)；

若S_{normal_high}≥s(k)≥S_{normal_low}，则储能系统充电时Δb₁(k)＝Δb(k)，储能系统放电时Δb₁(k)＝Δb(k)；

若S_{normal_low}＞s(k)≥S_{alarm_low}，则储能系统充电时Δb₁(k)＝a₂×Δb(k)，储能系统放电时Δb₁(k)＝a₁×Δb(k)；

若s(k)＜S_{alarm_low}，则储能系统充电时Δb₁(k)＝a₃×Δb(k)，储能系统放电时Δb₁(k)＝0；

所述第二优化规则为：

若Δb₁(k)＞P_max-b_ex(k)，则Δb₂(k)＝P_max-b_ex(k)；

若P_max-b_ex(k)≥Δb₁(k)≥-P_max-b_ex(k)，则Δb₂(k)＝Δb₁(k)；

若Δb₁(k)＜-P_max-b_ex(k)，则Δb₂(k)＝-P_max-b_ex(k)；

其中，s(k)为储能系统剩余电量；

Δb₁(k)为初始优化后的储能系统额外出力数据；

Δb(k)为储能系统额外出力数据；

a₁、a₂、a₃为实时控制调整参数，并且a₁＜1＜a₂＜a₃；

S_{alarm_high}为储能系统剩余电量报警上限；

S_{alarm_low}为储能系统剩余电量报警下限；

S_{normal_high}为储能系统剩余电量正常上限；

S_{normal_low}为储能系统剩余电量正常下限；

Δb₂(k)为优化后的储能系统额外出力数据。

8.根据权利要求7所述的方法，其特征在于，所述的根据所述日前优化的储能系统出力数据和所述优化后的储能系统额外出力，得到储能系统实时总出力数据，采用如下公式：

B(k)＝b_ex(k)+Δb₂(k)；

其中，B(k)为储能系统实时总出力数据。

9.一种风储电站电网负荷调峰及风电波动抑制的装置，其特征在于，包括：

功率需求计算模块，用于根据电网负荷预测数据和风功率预测数据，计算电网负荷对风储电站的有功功率需求；

优化模型建立模块，用于根据所述风功率预测数据、储能系统输出功率和电网负荷对风储电站的有功功率需求，建立用于电网负荷调峰的日前优化模型；

二次规划模块，用于将所述日前优化模型转换为二次规划问题，并求解得到日前优化的储能系统出力数据；

联合出力数据模块，用于根据所述日前优化的储能系统出力和实时风电有功功率数据，得到日前优化的风储联合出力数据；

联合参考输出功率模块，用于对所述日前优化的风储联合出力数据进行一阶低通滤波，得到风储联合参考输出功率；

额外出力数据模块，用于计算所述风储联合参考输出功率与所述日前优化的风储联合出力数据之差，得到储能系统额外出力数据；

额外出力数据优化模块，用于根据储能系统剩余电量、储能系统最大充放电功率对所述储能系统额外出力数据进行优化，得到优化后的储能系统额外出力数据；

实时总出力数据计算模块，根据所述日前优化的储能系统出力数据和所述优化后的储能系统额外出力，得到储能系统实时总出力数据。

10.根据权利要求9所述的装置，其特征在于，所述功率需求计算模块具体用于：

利用电网负荷预测数据，采用公式计算电网负荷日预测总量：

利用风功率预测数据，采用公式计算风功率日预测总量；

采用公式计算电网负荷分配转换系数；

采用公式计算电网负荷对风储电站的有功功率需求；

其中，N为一天中电网负荷预测/风功率预测的数据总量，N为自然数；

i为一天中电网负荷预测/风功率预测的时间序号，i为自然数且i＝1,2,…,N；

D(i)为电网负荷预测数据；

D_total为电网负荷日预测总量；

P_{w_p}(i)为风功率预测数据；

P_{w_p_total}为风功率日预测总量；

r为电网负荷分配转换系数；

D_need(i)为电网负荷对风储电站的有功功率需求。

11.根据权利要求10所述的装置，其特征在于，所述的用于电网负荷调峰的日前优化模型包括：

目标函数 $\min f\left(b\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{(\[P_{w\_p}(i)+b(i)-D_{need}(i)\]-\frac{1}{N}\underset{j=1}{\overset{N}{\Σ}}\[P_{w\_p}(j)+b(j)-D_{need}(j)\])}^2;$

功率约束条件-P_max≤b(i)≤P_max；

容量约束条件S_low≤s(i)≤S_high；

其中，b(i)为储能系统输出功率；

j为自然数且j＝1,2,…,N；

P_max为储能系统最大充放电功率；

s(i)为储能系统剩余电量，s(i)＝s(i-1)-b(i)×Δt，s(0)＝S_initial；

Δt为电网负荷预测/风功率预测的时间间隔；

S_low为储能系统剩余电量下限；

S_high为储能系统剩余电量上限；

S_initial为储能系统剩余电量初始值。

12.根据权利要求11所述的装置，其特征在于，所述二次规划模块具体用于：

将所述目标函数转换为如下二次函数：

将所述功率约束条件转换为如下的功率约束不等式：

将所述容量约束条件转换为如下的容量约束不等式：

利用所述功率约束不等式和容量约束不等式，求解所述二次函数，得到x；

采用公式b(i)＝x(i)-P_{w_p}(i)+D_need(i)，计算日前优化的储能系统出力数据。

13.根据权利要求12所述的装置，其特征在于，所述联合出力数据模块具体用于：

利用所述日前优化的储能系统出力数据总量和实时风电有功功率数据总量，采用公式 $\left\{\begin{array}{c}{b}_{ex}\left(k\right)=b(\[\frac{k}{n}\])\\ n=\frac{N_1}{N}\end{array}\right.,$ 对所述日前优化的储能系统出力数据进行转换；

利用所述转换后的日前优化的储能系统出力数据和实时风电有功功率数据，采用公式P₁(k)＝b_ex(k)+P_w(k)，计算日前优化的风储联合出力数据；

其中，N₁为实时风电有功功率数据总量，N₁为自然数；

k为实时风电有功功率测试的时间序号，k为自然数且k＝1,2,…,N₁；

b_ex(k)为转换后的日前优化的储能系统出力数据；

[]为高斯取整符号；

P_w(k)为实时风电有功功率数据；

P₁(k)为日前优化的风储联合出力数据。

14.根据权利要求13所述的装置，其特征在于，所述联合参考输出功率模块对所述日前优化的风储联合出力数据进行一阶低通滤波，得到风储联合参考输出功率时，采用如下公式：

$P_{ref}\left(k\right)=\frac{T}{T+{\mathrm{\Δt}}_1}{P}_{ref}(k-1)+\frac{{\mathrm{\Δt}}_1}{T+{\mathrm{\Δt}}_1}{P}_1\left(k\right);$

其中，P_ref(k)为风储联合参考输出功率；

T为滤波时间常数；

Δt₁为实时风电有功功率测试的时间间隔。

15.根据权利要求14所述的装置，其特征在于，所述额外出力数据优化模块具体用于：

采用第一优化规则，根据储能系统剩余电量对所述储能系统额外出力数据进行优化，得到初始优化后的储能系统额外出力数据；

采用第二优化规则，根据储能系统最大充放电功率和所述初始优化后的储能系统额外出力数据，得到优化后的储能系统额外出力数据；

所述第一优化规则为：

若s(k)＞S_{alarm_high}，则储能系统充电时Δb₁(k)＝0，储能系统放电时Δb₁(k)＝a₃×Δb(k)；

若S_{alarm_high}≥s(k)＞S_{normal_high}，则储能系统充电时Δb₁(k)＝a₁×Δb(k)，储能系统放电时Δb₁(k)＝a₂×Δb(k)；

若S_{normal_high}≥s(k)≥S_{normal_low}，则储能系统充电时Δb₁(k)＝Δb(k)，储能系统放电时Δb₁(k)＝Δb(k)；

若S_{normal_low}＞s(k)≥S_{alarm_low}，则储能系统充电时Δb₁(k)＝a₂×Δb(k)，储能系统放电时Δb₁(k)＝a₁×Δb(k)；

若s(k)＜S_{alarm_low}，则储能系统充电时Δb₁(k)＝a₃×Δb(k)，储能系统放电时Δb₁(k)＝0；

所述第二优化规则为：

若Δb₁(k)＞P_max-b_ex(k)，则Δb₂(k)＝P_max-b_ex(k)；

若P_max-b_ex(k)≥Δb₁(k)≥-P_max-b_ex(k)，则Δb₂(k)＝Δb₁(k)；

若Δb₁(k)＜-P_max-b_ex(k)，则Δb₂(k)＝-P_max-b_ex(k)；

其中，s(k)为储能系统剩余电量；

Δb₁(k)为初始优化后的储能系统额外出力数据；

Δb(k)为储能系统额外出力数据；

a₁、a₂、a₃为实时控制调整参数，并且a₁＜1＜a₂＜a₃；

S_{alarm_high}为储能系统剩余电量报警上限；

S_{alarm_low}为储能系统剩余电量报警下限；

S_{normal_high}为储能系统剩余电量正常上限；

S_{normal_low}为储能系统剩余电量正常下限；

Δb₂(k)为优化后的储能系统额外出力数据。

16.根据权利要求15所述的装置，其特征在于，所述实时总出力数据计算模块根据所述日前优化的储能系统出力数据和所述优化后的储能系统额外出力，得到储能系统实时总出力数据时，采用如下公式：

B(k)＝b_ex(k)+Δb₂(k)；

其中，B(k)为储能系统实时总出力数据。