CN103746396B - 一种提高电力系统调度经济性的风电场储能容量配置方法 - Google Patents

一种提高电力系统调度经济性的风电场储能容量配置方法 Download PDF

Info

Publication number
CN103746396B
CN103746396B CN201410020236.1A CN201410020236A CN103746396B CN 103746396 B CN103746396 B CN 103746396B CN 201410020236 A CN201410020236 A CN 201410020236A CN 103746396 B CN103746396 B CN 103746396B
Authority
CN
China
Prior art keywords
energy storage
wind power
power
capacity
prediction error
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.)
Expired - Fee Related
Application number
CN201410020236.1A
Other languages
English (en)
Other versions
CN103746396A (zh
Inventor
戴武昌
李军徽
严干贵
赵新飞
葛维春
王芝茗
崔新振
冯爽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Electric Power University
Original Assignee
Northeast Dianli University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeast Dianli University filed Critical Northeast Dianli University
Priority to CN201410020236.1A priority Critical patent/CN103746396B/zh
Publication of CN103746396A publication Critical patent/CN103746396A/zh
Application granted granted Critical
Publication of CN103746396B publication Critical patent/CN103746396B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/70Wind energy
    • Y02E10/76Power conversion electric or electronic aspects
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70Smart grids as climate change mitigation technology in the energy generation sector
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30Systems combining energy storage with energy generation of non-fossil origin
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明是一种提高电力系统调度经济性的风电场储能容量配置方法,其特点是,包括预测误差和误差率的定义,系统风电备用容量、储能系统容量和风电功率预测误差三者的关系,确定风电备用容量,确定储能容量和置信度定义等内容。利用储能系统对功率、能量的时间转移特性和其快速响应能力来弥补风电功率预测误差较大的时段功率缺额,建立以系统备用容量成本和配置的储能容量成本之和最小的目标函数,利用matlab编程对目标函数中储能系统容量进行求解,能够实现以较少的储能容量配置来换取系统风电备用容量大幅降低的目的,可提高系统运行经济性。

Description

一种提高电力系统调度经济性的风电场储能容量配置方法
技术领域
本发明涉及风电控制领域,是一种提高电力系统调度经济性的风电场储能容量配置方法。
背景技术
近年来,大规模开发利用化石能源带来的能源危机、环境危机凸显,可再生能源的开发利用越来越受到各国的高度重视,风能作为一种取之不尽、用之不竭的清洁能源,是最具大规模商业化应用的可再生能源;随着风电规模的不断增加,风电并网对系统的影响越来越大,将风电纳入电力系统调度已成为不可回避的问题;调度部门根据负荷预测曲线和风电预测曲线安排机组出力,但风电预测精度仅能达到80%左右,以此精度的预测曲线安排机组出力。由于风电场提供给调度部门风电功率预测曲线与实际的风电出力曲线存在较大的误差,为保证系统的安全稳定运行,需要增加系统的备用容量来应对因预测误差所引起的功率差额,大大增加的系统的运行成本,因此,利用储能对能量的时空转移特性,控制储能系统的功率输出,弥补风电功率预测误差,减少因预测误差过大引起的调度成本的增加,对系统经济运行具有重要意义。目前,储能价格昂贵,配置容量过大,将势必会使调度和储能系统总成本变高,因此寻求配置最优储能容量是本领域技术人员一直想要解决,但迄今,尚未解决的技术难题。
发明内容
本发明所要解决的技术问题是,对现有技术进行实质性改进和创新,提供一种科学合理,能够利用储能系统对功率、能量的时间转移特性和其快速响应能力来弥补风电功率预测误差较大的时段功率缺额,在满足系统安全的条件下,可大大减少系统备用容量,提高系统运行的经济性的提高电力系统调度经济性的风电场储能容量配置方法。
解决其技术问题所采取的技术方案是:一种提高电力系统调度经济性的风电场储能容量配置方法,其特征是,它包括以下内容:
1)预测误差和误差率的定义
预测误差由风电场预测值与实测值逐个时段比较求得,第n个时间段的预测误差为:
ΔPw(n)=Pw(n)-Pf(n)(1)
其中,为n时段风电出力的实测值,Pf(n)为n时段风电出力的预测值;为正值时表示风电功率实测值比预测值大,为负值时表示风电功率实测值比预测值小;
误差率η定义为:
η = ( ΔP u - / cap ) × 100 % - - - ( 2 )
其中,cap为风电场装机容量;
2)系统风电备用容量、储能系统容量和风电功率预测误差三者的关系
未配置储能装置的电力系统,风电功率预测误差由电力系统的风电备用独自承担;当时,系统中承担风电备用的调频机组需要压出力,当时,调频机组需要增加出力来弥补由于预测误差造成的系统功率缺额;调频机组压出力的能力定义为向下备用;调频机组增发出力的能力定义为向上备用;即:
P unit _ down = &Delta;P u - ( n ) &Delta;P u - ( n ) > 0 P unit _ on = - &Delta;P u - ( n ) &Delta;P u - ( n ) < 0 - - - ( 3 )
其中,Punit_down为调频机组减发的功率,Punit_on为调频机组增发的功率;
配置储能装置的电力系统,风电功率预测误差由储能装置和电力系统的风电备用共同承担,即:
P unit _ down + P BESS _ down = &Delta;P u - ( n ) &Delta;P u - ( n ) > 0 P unit _ on + P BESS _ on = - &Delta;P u - ( n ) &Delta;P u - ( n ) < 0 - - - ( 4 )
其中,PBESS_down为储能吸收的功率,PBESS_on为储能释放的功率;
3)确定风电备用容量
为保证系统的安全与稳定,确保系统功率的供需平衡,要求在任意时刻都有足够的风电备用容量来弥补由于风电预测误差造成的系统功率差额;未配置储能的电力系统,当向上的风电备用等于预测误差的最小值,或者向下的风电备用等于预测误差的最大值时,能够满足系统的稳定性需求,即:
P re _ down = max ( &Delta;P u - ) P re _ on = - min ( &Delta;P u - ) - - - ( 5 )
其中,Pre_down为向下的风电备用容量,Pre_on为向上的风电备用容量;
配置储能装置的电力系统,风电功率预测误差可由储能装置和电力系统的风电备用共同承担,当向上的风电备用与储能系统输出功率之和等于预测误差的最小值,或者向下的风电备用与储能系统输出功率之和等于预测误差的最大值时,能够满足系统的稳定性需求,即:
P re _ down + P BESS = max ( &Delta;P u - ) P re _ on + P BESS = - min ( &Delta;P u - ) - - - ( 6 )
其中,PBESS为储能系统的输出功率;
4)确定储能容量
由统计学可知,样本数量越大,用样本特性来表征总体特性的可信度越高,故预测的时间越长,以此确定的最大、最小预测误差越接近长时间运行过程中可能出现的最大、最小预测误差;
当系统配置储能输出功率为PBESS时,根据公式(6),可确定风电向上、向下的备用容量Pre_on和Pre_down;预测误差在[-Pre_on,Pre_down]内时,储能系统不动作,超过[-Pre_on,Pre_down]范围时,储能系统动作;当△Pw(n)>Pre_down时,t1~t2、t5~t6时段,储能系统处于充电状态;当△Pw(n)<-Pre_on时,t3~t4时段,储能处于放电状态;
假设系统配置的储能容量能够满足运行过程中的充放电需求,阴影部分的面积为:
储能系统充放了第k个阴影面积后,储能系统的能量Ek
E k = E 0 + &Sigma; i = 1 k E i - - - ( 8 )
式中E0为储能系统的初始能量;
测定时间段内,出现n次充放电,储能系统需要配置的最小容量E由下式确定:
E=maxEn-minEn(9)
5)置信度定义
为了保障电网安全,通常按风电功率的预测值加上最大预测误差得到一个风电功率置信度为100%的预测区间,并据此来确定风电备用的大小;不同预测误差区间的置信度α为:
&alpha; = P ( | &Delta;P u - | < &Delta; P u - &OverBar; ) - - - ( 10 )
其中,为置信区间的置信上下限;
研究统计发现,预测误差较大时段在整个预测区间内占的比重较少,若以最大预测误差确定风电备用容量,会造成风电备用容量的极大浪费;配置一定容量的储能,在预测误差较大的时段吞吐风电,能够有效减少风电备用容量;
6)目标函数的确定
以单位时间内储能系统成本和备用容量成本最小为目标,其目标函数:
min((F1(Pv)+F2(Pv)/h))(11)
其中,Pv为储能系统配置的最大输出功率;F1(Pv)为储能系统配置最大输出功率为Pv时,储能系统全生命周期的成本,F2(Pv)为储能系统配置最大输出功率为Pv时,备用容量成本;h为全钒液流电池全生命周期运行时间;
F1(Pv)=C1×E(Pv)+C2×h(12)
其中,E(Pv)为配置最大输出功率为Pv的全钒液流电池储能系统的容量;C1为全钒液流电池单价;C2为单位时间运行维护成本;
F 2 ( P v ) = ( C r 1 &times; ( &Delta;P u - - max - P v ) + C r 2 &times; ( &Delta;P u - - min - P v ) ) &times; h - - - ( 13 )
其中,Cr1为向上备用容量成本系数,△Pw-max为△Pw的最大值,Cr2为向下备用容量成本系数,△Pw-min为△Pw最小值的绝对值。
本发明的一种提高电力系统调度经济性的风电场储能容量配置方法,科学合理,能够利用储能系统对功率、能量的时间转移特性和其快速响应能力来弥补风电功率预测误差较大的时段功率缺额,在满足系统安全的条件下,可大大减少系统备用容量,提高系统运行的经济性。
附图说明
图1预测误差曲线示意图;
图2计算储能容量的流程示意图;
图3风电功率实测曲线和预测曲线图;
图4预测误差曲线图;
图5储能系统容量与Pv关系曲线图;
图6配置不同Pv时储能系统和风电备用总成本变化曲线图。
具体实施方式
下面利用附图和实施例对本发明一种提高电力系统调度经济性的风电场储能容量配置方法作进一步说明。
一种提高电力系统调度经济性的风电场储能容量配置方法,包括的具体内容如下:
1)预测误差和误差率的定义
预测误差可由风电场预测值与实测值逐个时段比较求得,第n个时间段的预测误差为:
ΔPw(n)=Pw(n)-Pf(n)(1)
其中,为n时段风电出力的实测值,Pf(n)为n时段风电出力的预测值;为正值时表示风电功率实测值比预测值大,为负值时表示风电功率实测值比预测值小;
误差率叩定义为:
&eta; = ( &Delta;P u - / cap ) &times; 100 % - - - ( 2 )
其中,cap为风电场装机容量;
2)系统风电备用容量、储能系统容量和风电功率预测误差三者的关系
未配置储能装置的电力系统,风电功率预测误差由电力系统的风电备用独自承担;当时,系统中承担风电备用的调频机组需要压出力,当时,调频机组需要增加出力来弥补由于预测误差造成的系统功率缺额;调频机组压出力的能力定义为向下备用;调频机组增发出力的能力定义为向上备用;即:
P unit _ down = &Delta;P u - ( n ) &Delta;P u - ( n ) > 0 P unit _ on = - &Delta;P u - ( n ) &Delta;P u - ( n ) < 0 - - - ( 3 )
其中,Punit_down为调频机组减发的功率,Punit_on为调频机组增发的功率;
配置储能装置的电力系统,风电功率预测误差由储能装置和电力系统的风电备用共同承担,即:
P unit _ down + P BESS _ down = &Delta;P u - ( n ) &Delta;P u - ( n ) > 0 P unit _ on + P BESS _ on = - &Delta;P u - ( n ) &Delta;P u - ( n ) < 0 - - - ( 4 )
其中,PBESS_down为储能吸收的功率,PBESS_on为储能释放的功率;
3)确定风电备用容量
为保证系统的安全与稳定,确保系统功率的供需平衡,要求在任意时刻都有足够的风电备用容量来弥补由于风电预测误差造成的系统功率差额;未配置储能的电力系统,当向上的风电备用等于预测误差的最小值,或者向下的风电备用等于预测误差的最大值时,可以满足系统的稳定性需求,即:
P re _ down = max ( &Delta;P u - ) P re _ on = - min ( &Delta;P u - ) - - - ( 5 )
其中,Pre_down为向下的风电备用容量,Pre_on为向上的风电备用容量;
配置储能装置的电力系统,风电功率预测误差可由储能装置和电力系统的风电备用共同承担,当向上的风电备用与储能系统输出功率之和等于预测误差的最小值,或者向下的风电备用与储能系统输出功率之和等于预测误差的最大值时,可以满足系统的稳定性需求,即:
P re _ down + P BESS = max ( &Delta;P u - ) P re _ on + P BESS = - min ( &Delta;P u - ) - - - ( 6 )
4)确定储能容量
由统计学可知,样本数量越大,用样本特性来表征总体特性的可信度越高,故预测的时间越长,以此确定的最大、最小预测误差越接近长时间运行过程中可能出现的最大、最小预测误差;
某时间段的风电功率预测误差曲线如图1所示,当系统配置储能输出功率为PBESS时,根据公式6,能够确定风电向上、向下的备用容量Pre_on和Pre_down;预测误差在[-Pre_on,Pre_down]内时,储能系统不动作,超过[-Pre_on,Pre_down]范围时,储能系统动作;当△Pw(n)>Pre_down时,如图1中t1~t2、t5~t6时段,储能系统处于充电状态,吸收能量的大小为图中E1和E3阴影部分的面积;当△Pw(n)<-Pre_on时,如图中t3~t4时段,储能处于放电状态,释放能量的大小如图中E2阴影部分的面积;
假设系统配置的储能容量可以满足运行过程中的充放电需求,阴影部分的面积为:
储能系统充放了第k个阴影面积后,储能系统的能量Ek:
E k = E 0 + &Sigma; i = 1 k E i - - - ( 8 )
式中E0为储能系统的初始能量;
测定时间段内,出现n次充放电,储能系统需要配置的最小容量E由下式确定:
E=maxEn-minEn(9)
计算储能容量方法的流程图如图3所示;
5)置信度定义
为了保障电网安全,通常按风电功率的预测值加上最大预测误差得到一个风电功率置信度为100%的预测区间,并据此来确定风电备用的大小;不同预测误差区间的置信度α为:
&alpha; = P ( | &Delta;P u - | < &Delta; P u - &OverBar; ) - - - ( 10 )
其中,为置信区间的置信上下限;
研究统计发现,预测误差较大时段在整个预测区间内占的比重较少,若以最大预测误差确定风电备用容量,会造成风电备用容量的极大浪费;配置一定容量的储能,在预测误差较大的时段吞吐风电,可有效减少风电备用容量;
6)目标函数的确定
以单位时间内储能系统成本和备用容量成本最小为目标,其目标函数:
min((F1(Pv)+F2(Pv)/h))(11)
其中,Pv为储能系统配置的最大输出功率;F1(Pv)为储能系统配置最大输出功率为Pv时,储能系统全生命周期的成本,F2(Pv)为储能系统配置最大输出功率为Pv时,备用容量成本;h为全钒液流电池全生命周期运行时间;
F1(Pv)=C1×E(Pv)+C2×h(12)
其中,E(Pv)为配置最大输出功率为Pv的全钒液流电池储能系统的容量;C1为全钒液流电池单价;C2为单位时间运行维护成本;
F 2 ( P v ) = ( C r 1 &times; ( &Delta;P u - - max - P v ) + C r 2 &times; ( &Delta;P u - - min - P v ) ) &times; h - - - ( 13 )
其中,Cr1为向上备用容量成本系数,△Pw-max为△Pw的最大值,Cr2为向下备用容量成本系数,△Pw-min为△Pw最小值的绝对值。
采用matlab编程,以辽宁省某风电场实测风速和功率数据为基础,进行算例分析;全钒液流电池成本1640$/kWh,全生命周期中可循环次数12000次,备用容量电价一般取基本电价的10%-15%,本文取12%,火电上网电价取0.46元/kWh;
用2012年1-8月风电场实测风速和功率数据对小波神经网络进行训练,多次尝试发现隐含层数目在22时预测效果较好,利用训练好的网络进行风速和功率曲线的预测,图3、4分别为某天风电功率实测曲线和预测曲线图与预测误曲线;
由图4可知,预测误差最大值为8360kW,此时的误差率为16.9%,系统需配置向下备用为8360kW;预测误差最小值为-11230kW,此时的误差率为22.8%,系统需配置向上备用为11230kW;当配置储能系统的额定功率为2800kW时,假设其容量不受限制,则通过储能系统的动作,可将误差值超过[-8430,5560]范围的时段用储能系统进行相应的动作,使其100%的落在[-8430,5560]范围内,图4中阴影部分表示储能系统需要吞吐的能量;以预测误差绝对值的最大值为基准,分别求出预测误差小于其10%、20%、30%、40%、50%、60%、70%、80%、90%、100%的置信度,如表1;
表1不同区间内预测误差置信度
由表1可以得到预测误差较大时段在整个预测区间内占的比重较少;
根据本文目标函数、储能系统和备用容量成本计算方法,在配置不同最大输出功率的储能系统时,计算需要配置的储能容量和单位时间储能系统和备用容量的总成本,如图5、6所示;
由图5可以看出储能系统随着配置最大输出功率的值的增加,需要配置的储能系统容量逐渐增加,且增加速率越来越快,这表明随着最大输出功率的增加,储能系统需要吞吐能量剧增,即图5中阴影的面积急剧增加;
由图6可以看出,在未配置储能时,此时的成本中只含有风电备用成本,一天为2.57万元;随着配置储能系统可输出功率的增加储能系统和风电备用总成本呈下降趋势;当储能系统配置可输出功率2.62MW、容量为3.12MWh时,总成本最低为2.13万元,相比于未配储能,每天节约成本0.44万元,成本下降17.1%,效果显著;当储能系统配置的可输出功率继续增加时,总成本将迅速上升,主要是因为随着误差带范围的减小,预测误差超过误差带的比率增大,储能系统需要配置更多的容量来弥补功率差额;
本发明实施例中的计算条件、图例、表等仅用于对本发明作进一步的说明,并非穷举,并不构成对权利要求保护范围的限定,本领域技术人员根据本发明实施例获得的启示,不经过创造性劳动就能够想到其它实质上等同的替代,均在本发明保护范围内。

Claims (1)

1.一种提高电力系统调度经济性的风电场储能容量配置方法,其特征是,它包括以下内容:
1)预测误差和误差率的定义
预测误差由风电场预测值与实测值逐个时段比较求得,第n个时间段的预测误差为:
ΔPw(n)=Pw(n)-Pf(n)(1)
其中,为n时段风电出力的实测值,Pf(n)为n时段风电出力的预测值;为正值时表示风电功率实测值比预测值大,为负值时表示风电功率实测值比预测值小;
误差率η定义为:
η=(ΔPw/cap)×100%(2)
其中,cap为风电场装机容量;
2)系统风电备用容量、储能系统容量和风电功率预测误差三者的关系
未配置储能装置的电力系统,风电功率预测误差由电力系统的风电备用独自承担;当时,系统中承担风电备用的调频机组需要压出力,当时,调频机组需要增发出力来弥补由于预测误差造成的系统功率缺额;调频机组压出力的能力定义为向下备用;调频机组增发出力的能力定义为向上备用;即:
P u n i t _ d o w n = &Delta;P w ( n ) &Delta;P w ( n ) > 0 P u n i t _ o n = - &Delta;P w ( n ) &Delta;P w ( n ) < 0 - - - ( 3 )
其中,Punit_down为调频机组减发的功率,Punit_on为调频机组增发的功率;
配置储能装置的电力系统,风电功率预测误差由储能装置和电力系统的风电备用共同承担,即:
P u n i t _ d o w n + P B E S S _ d o w n = &Delta;P w ( n ) &Delta;P w ( n ) > 0 P u n i t _ o n + P B E S S _ o n = - &Delta;P w ( n ) &Delta;P w ( n ) < 0 - - - ( 4 )
其中,PBESS_down为储能吸收的功率,PBESS_on为储能释放的功率;
3)确定风电备用容量
为保证系统的安全与稳定,确保系统功率的供需平衡,要求在任意时刻都有足够的风电备用容量来弥补由于风电预测误差造成的系统功率差额;未配置储能的电力系统,当向上的风电备用等于预测误差的最小值,或者向下的风电备用等于预测误差的最大值时,能够满足系统的稳定性需求,即:
P r e _ d o w n = m a x ( &Delta;P w ) P r e _ o n = - m i n ( &Delta;P w ) - - - ( 5 )
其中,Pre_down为向下的风电备用容量,Pre_on为向上的风电备用容量;
配置储能装置的电力系统,风电功率预测误差可由储能装置和电力系统的风电备用共同承担,当向上的风电备用与储能系统输出功率之和等于预测误差的最小值,或者向下的风电备用与储能系统输出功率之和等于预测误差的最大值时,能够满足系统的稳定性需求,即:
P r e _ d o w n + P B E S S = m a x ( &Delta;P w ) P r e _ o n + P B E S S = - m i n ( &Delta;P w ) - - - ( 6 )
其中,PBESS为储能系统的输出功率;
4)确定储能容量
由统计学可知,样本数量越大,用样本特性来表征总体特性的可信度越高,故预测的时间越长,以此确定的最大、最小预测误差越接近长时间运行过程中出现的最大、最小预测误差;
当系统配置储能输出功率为PBESS时,根据公式(6)确定风电向上、向下的备用容量Pre_on和Pre_down;预测误差在[-Pre_on,Pre_down]内时,储能系统不动作,超过[-Pre_on,Pre_down]范围时,储能系统动作;当△Pw(n)>Pre_down时,t1~t2、t5~t6时段,储能系统处于充电状态;当△Pw(n)<-Pre_on时,t3~t4时段,储能处于放电状态;
假设系统配置的储能容量能够满足运行过程中的充放电需求,阴影部分的面积为:
E i = &Integral; t 2 i - 1 t 2 i &Delta;P w d t - - - ( 7 )
储能系统充放了第k个阴影面积后,储能系统的能量Ek
E k = E 0 + &Sigma; i = 1 k E i - - - ( 8 )
式中E0为储能系统的初始能量;
测定时间段内,出现n次充放电,储能系统需要配置的最小容量E由下式确定:
E=maxEn-minEn(9)
5)置信度定义
为了保障电网安全,按风电功率的预测值加上最大预测误差得到一个风电功率置信度为100%的预测区间,并据此来确定风电备用的大小;不同预测误差区间的置信度α为:
&alpha; = P ( | &Delta;P w | < &Delta; P w &OverBar; ) - - - ( 10 )
其中,为置信区间的置信上下限;
6)目标函数的确定
以单位时间内储能系统成本和备用容量成本最小为目标,其目标函数:
min((F1(Pv)+F2(Pv)/h))(11)
其中,Pv为储能系统配置的最大输出功率;F1(Pv)为储能系统配置最大输出功率为Pv时,储能系统全生命周期的成本,F2(Pv)为储能系统配置最大输出功率为Pv时,备用容量成本;h为全钒液流电池全生命周期运行时间;
F1(Pv)=C1×E1(Pv)+C2×h(12)
其中,E(Pv)为配置最大输出功率为Pv的全钒液流电池储能系统的容量;C1为全钒液流电池单价;C2为单位时间运行维护成本;
F2(Pv)=(Cr1×(ΔPw-max-Pv)+Cr2×(ΔPw-min-Pv))×h(13)
其中,Cr1为向上备用容量成本系数,△Pw-max为△Pw的最大值,Cr2为向下备用容量成本系数,△Pw-min为△Pw最小值的绝对值。
CN201410020236.1A 2014-01-16 2014-01-16 一种提高电力系统调度经济性的风电场储能容量配置方法 Expired - Fee Related CN103746396B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410020236.1A CN103746396B (zh) 2014-01-16 2014-01-16 一种提高电力系统调度经济性的风电场储能容量配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410020236.1A CN103746396B (zh) 2014-01-16 2014-01-16 一种提高电力系统调度经济性的风电场储能容量配置方法

Publications (2)

Publication Number Publication Date
CN103746396A CN103746396A (zh) 2014-04-23
CN103746396B true CN103746396B (zh) 2016-03-30

Family

ID=50503400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410020236.1A Expired - Fee Related CN103746396B (zh) 2014-01-16 2014-01-16 一种提高电力系统调度经济性的风电场储能容量配置方法

Country Status (1)

Country Link
CN (1) CN103746396B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103972926B (zh) * 2014-05-20 2015-10-28 东北电力大学 一种基于调整电池荷电状态的储能系统容量配置方法
CN104103020B (zh) * 2014-07-01 2017-08-01 华中科技大学 考虑可变寿命特性的确定电力系统调峰用电池储能容量的方法
CN104283226B (zh) * 2014-10-13 2016-05-18 东北电力大学 一种基于储能的光伏电站群外送输电容量静态优化方法
CN104701889B (zh) * 2015-03-16 2017-03-29 东北电力大学 风电场群风能时空分布差异性定量评价方法
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
CN105226678B (zh) * 2015-09-21 2018-04-27 华北电力科学研究院有限责任公司 系统调频容量分析方法及装置
CN105518723B (zh) * 2015-09-21 2020-11-03 南京南瑞集团公司 一种基于备用对象代价性能比的旋转备用容量优化方法
CN106096285B (zh) * 2016-06-16 2018-06-19 东北电力大学 一种储能系统应对高风电渗透率系统调频需求效用评估方法
CN107528341B (zh) * 2017-08-25 2019-08-20 电子科技大学 一种用于高风电渗透率的大电网储能调度的方法
CN110009244B (zh) * 2019-04-12 2021-04-20 西安交通大学 一种考虑抗灾恢复的区域综合能源系统优化调度方法
CN110112761B (zh) * 2019-04-16 2022-10-04 中国能源建设集团广东省电力设计研究院有限公司 适用于电厂储能辅助调频的储能定容方法、装置及设备
CN110649638B (zh) * 2019-10-17 2022-09-02 齐鲁工业大学 一种弥补风电功率预测误差的储能系统的优化方法
CN110676879B (zh) * 2019-10-17 2022-09-02 齐鲁工业大学 弥补风电功率预测误差下实现风电厂收益最大化的方法
CN111181197B (zh) * 2020-01-08 2021-08-03 中国电建集团华东勘测设计研究院有限公司 一种多弃风区域风储容量配置方法
CN114462712B (zh) * 2022-02-15 2024-09-20 华润电力技术研究院有限公司 一种风机发电功率的超短期预测方法、装置及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101592538A (zh) * 2009-06-18 2009-12-02 东北电力大学 一种基于实测数据风电场稳态输出功率的计算方法
CN103326389A (zh) * 2013-07-04 2013-09-25 中国能源建设集团广东省电力设计研究院 基于功率预测的微电网储能系统及容量配置方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007048001A2 (en) * 2005-10-20 2007-04-26 Reidy Michael T Wind energy harnessing apparatuses, systems, methods, and improvements

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101592538A (zh) * 2009-06-18 2009-12-02 东北电力大学 一种基于实测数据风电场稳态输出功率的计算方法
CN103326389A (zh) * 2013-07-04 2013-09-25 中国能源建设集团广东省电力设计研究院 基于功率预测的微电网储能系统及容量配置方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
考虑风电场可调度性的储能容量配置方法;施琳等;《电工技术学报》;20130531;第28卷(第5期);第120-126页 *

Also Published As

Publication number Publication date
CN103746396A (zh) 2014-04-23

Similar Documents

Publication Publication Date Title
CN103746396B (zh) 一种提高电力系统调度经济性的风电场储能容量配置方法
Eltamaly et al. A novel smart grid theory for optimal sizing of hybrid renewable energy systems
Spyrou et al. Design study of a stand-alone desalination system powered by renewable energy sources and a pumped storage unit
CN102694391B (zh) 风光储联合发电系统日前优化调度方法
CN108711892B (zh) 一种多能互补发电系统的优化调度方法
GB2594034A (en) Optimal control technology for distributed energy resources
CN104158203B (zh) 一种微电网电源容量优化配置方法
CN106532764A (zh) 一种就地消纳光伏发电的电动汽车充电负荷调控方法
CN104795846A (zh) 一种抽水蓄能电站与风电的联合系统的优化运行方法
CN103475020B (zh) 一种微电网负荷跟随运行控制方法
CN105279707B (zh) 一种综合考虑负荷与风电时序特性的随机生产模拟方法
CN104993523A (zh) 使含风电电网系统优化运行的抽水蓄能电站特性精确模拟方法
CN107104462B (zh) 一种用于风电场储能调度的方法
CN116667395B (zh) 基于梯级水电改造的水风光蓄互补泵站容量配置方法
CN104300585A (zh) 一种基于大规模风电并网的经济调度优化方法
CN103996075A (zh) 考虑柴蓄协调增效的微电网多目标优化调度方法
CN102904289A (zh) 基于果蝇优化算法的海岛新能源系统最优容量配置方法
CN108090666A (zh) 一种含aa-caes的电网电能与备用容量的协同调度方法
CN103326388A (zh) 基于功率预测的微电网储能系统及容量配置方法
Chen et al. Scheduling strategy of hybrid wind-photovoltaic-hydro power generation system
CN107528344A (zh) 一种光储一体化发电装置并网运行控制方法及系统
Zhang et al. Mid-long term optimal dispatching method of power system with large-scale wind-photovoltaic-hydro power generation
CN103326389A (zh) 基于功率预测的微电网储能系统及容量配置方法
CN109861292B (zh) 一种基于多能源储能系统提高清洁能源消纳方法
CN104268403A (zh) 一种考虑大容量燃煤机组深度调峰和可中断负荷的风电场优化调度模型

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160330

Termination date: 20200116

CF01 Termination of patent right due to non-payment of annual fee