CN104077664A - 一种风电储能发电系统的置信容量评估方法 - Google Patents

Abstract

本发明公开了一种风电储能发电系统的置信容量评估方法。本发明应用于包含风电以及储能的输电网规划中，不仅能够通过弦截法简便地计算特定输入的风电的置信容量，而且能够从置信容量的角度出发考虑储能与风电捆绑的策略，从而较为准确地估计特定配置的风电储能系统的置信容量，该方法能够解决输电网规划中风电储能发电系统的容量配置问题，能够在满足负荷需求的条件下尽可能精简风电场的建设，对输电网规划具有重要的借鉴意义。

Description

一种风电储能发电系统的置信容量评估方法

技术领域

本发明涉及一种风电储能发电系统的置信容量评估方法，属于风力发电领域。

背景技术

随着能源危机和环境保护压力的日益增大，新能源的开发与利用受到越来越多的重视。在目前应用较多的可再生能源中，作为发展最为迅速，应用最为成熟的可再生能源发电技术之一，风电具有无污染，投资周期短等优点。目前，我国风电装机容量已达4200万KW，居世界首位。预计装机容量于2015年达到9000万KW，2020年达到1.5亿KW的目标。因此，风电对于改善我国的能源结构，保护环境具有重要的意义。

然而，风电的开发利用在带来巨大环境效益的同时，间歇性与随机性的特点使其大规模的推广面临着严峻的挑战。通常在实际使用中，认为风电只有电量价值，而忽略其容量价值，随着风电在电网中渗透率的不断加大，会造成严重的过度投资和资源浪费，因此如何挖掘与提高风力发电的容量价值成为风电大规模推广需要解决的问题。

如图1所示，现有的风电机组和储能系统与常规机组平行的接入输电网络，并经由输电网络输送至负荷侧。

目前一般采用有效载荷量来衡量系统的置信容量，ELCC为风电接入前后，系统负荷可以增加的容量。目前，随机生产模拟是评估风电置信容量的主流方法，一般在蒙特卡洛仿真中使用序列化的方法描述常规机组、风电机组以及负荷的随机性。但是对于捆绑储能后的风电系统的容量却没有很好的方法可以评估以使其列入输电网规划中，造成了风电发电容量的浪费。

发明内容

发明目的：本发明提出一种风电储能发电系统的置信容量评估方法，解决了输电网规划中风电储能系统容量的估算与配置问题。

技术方案：本发明采用的技术方案为一种风电储能发电系统的置信容量评估方法，包括以下步骤：

1)计算未加入风电机组和储能系统之前的发电可靠性指标，即考虑常规机组停运率的供电可靠性指标，在蒙特卡洛仿真中进行随机模拟；

2)在电网出力中加入风电机组的年出力曲线，计算在此基础上负荷侧能够额外增加的容量，再等效到网侧为风电机组在等供电可靠性下可以替代的常规机组容量，即风电机组的置信容量；

3)加入储能系统后计算风电储能系统置信容量。

优选地，所述步骤3)还包括以下步骤：

首先以步骤2)中计算得出的置信容量数值加入到负荷侧中，形成以拉近出力曲线与负荷曲线为目的的目标函数，目标函数表述如下：

$\min \underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(P_{\mathrm{dyn}}\left(t\right)-P_{\mathrm{plan}}\left(t\right))}^2$

P_dyn(t)＝P_wind(t)+P_con(t)+P_i ⁺(t)-P_i ^-(t)

P_plan(t)＝P_load(t)+P_cre(t)

其中，P_i ⁺(t)表示储能放出的电量，P_i ^-(t)表示储能所充的电量，P_wind(t)为风电功率，P_con(t)为常规机组出力，P_load(t)为负荷值，P_cre(t)为在当前置信容量估算下负荷侧增加的值。P_dyn(t)表示电网侧的总出力，P_plan(t)表示负荷侧总的负荷量；

运用例子群算法对该目标函数进行寻优，选择每个时间充放电量P_i ⁺(t)与P_i ^-(t)为粒子中的参数，计算得到储能周期内的控制策略，将该策略作用于风电出力曲线后运用步骤3中的方法进行置信容量计算，得到该步中风系统的置信容量值。检验相邻两次计算出的容量值的差距是否满足收敛条件，若满足，则停止迭代，不满足则带入下一步形成新的目标函数，不断循环，直到收敛，所得到的容量值即为该风电储能系统的置信容量。

优选地，所述步骤2)还包括：

在步骤1)中的网侧加入风电机组，计算系统发电可靠性指标，负荷侧加入与风电装机容量相同的容量再计算发电可靠性指标，其中负荷曲线按照与原负荷容量大小的对比同比例缩放，得到的值在坐标系中分别用B与A表示；

确定A点与B点在直角坐标系中相连形成的直线，记为l₁，l₁与y＝X(X为系统原发电可靠性水平)的直线交于点C；

以C点的横坐标作为新的负荷侧的值，依据步骤1)带入到系统中计算得到新的发电可靠性指标，记为点D；

不断按照上一步骤进行迭代计算，不断逼近曲线与y＝X的交点Z,Z点对应的增加的负荷侧的容量值即为风电的置信容量值。

优选地，所述步骤1)还包括：

穷举常规机组的工作状态，形成状态空间，每一个状态空间对应相应的网侧出力值；

常规机组的双状态模型表述如下:

t₁＝-t_MTTFlnγ₁

t₂＝-t_MTTRlnγ₂

其中,γ₁与γ₂为[0,1]之间的随机采样,可以由程序随机产生，t_MTTF和t_MTTR分别为平均正常工作时间和平均故障时间，可从步骤1中输入的数据采集获得；

将得到的最大故障时间确定为系统该周期的故障时间，最小工作时间确定该周期的工作时间，根据形成的状态空间在设定的运行周期内形成常规机组出力的时序序列；

LOLE计算公式表述如下：

$L_{\mathrm{ole}}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}P(C_i<L_i)$

将电网侧的出力值C_i小于负荷值L_i的概率相加，计算年平均LOLE。

有益效果：本发明应用于包含风电以及储能的输电网规划中，不仅能够通过弦截法简便地计算特定输入的风电的置信容量，而且能够从置信容量的角度出发考虑储能与风电捆绑的策略，从而较为准确地估计特定配置的风电储能系统的置信容量，该方法能够解决输电网规划中风电储能发电系统的容量配置问题，能够在满足负荷需求的条件下尽可能精简风电场的建设，对输电网规划具有重要的借鉴意义。

附图说明

图1为风电储能发电系统并网示意图；

图2为弦截法的原理示意图；

图3为储能策略以及储能加入后置信容量计算方法流程图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等同形式的修改均落于本申请所附权利要求所限定的范围。

图1中横坐标为负荷侧容量的值，纵坐标为发电可靠性指标LOLE(缺电时间期望值)，图中弧线AB为模拟出加入风电后LOLE随负荷容量变化的曲线。纵坐标轴上的点X为原系统的可靠性水平，此计算方法通过不断迭代寻找原可靠性水平与曲线的交点，具体步骤如下：

1)输入目标区域电力系统的常规发电机组停运率，风电场出力曲线，负荷出力曲线，风电储能系统中所配置的储能容量和储能功率等参数。

2)计算系统未加入风电机组和储能系统之前的发电可靠性指标，即考虑常规机组停运率的供电可靠性指标，在蒙特卡洛仿真中进行随机模拟，步骤如下：

2.1)穷举常规机组的工作状态，形成状态空间，每一个状态空间对应相应的网侧出力值。

2.2)常规机组的双状态模型表述如下:

t₁＝-t_MTTFlnγ₁

t₂＝-t_MTTRlnγ₂

其中,γ₁与γ₂为[0,1]之间的随机采样,可以由程序随机产生。t_MTTF和t_MTTR分别为平均正常工作时间和平均故障时间，可从步骤1中输入的数据采集获得，t₁与t₂为采样后形成的工作时间与故障时间。

2.3)对系统中每一个常规机组的状态进行采样，计算其故障时间与工作时间，将得到的最大故障时间确定为系统该周期的故障时间，最小工作时间确定该周期的工作时间，根据形成的状态空间在设定的一个仿真步长(8760h)内形成常规机组出力的时序序列。

2.4)LOLE计算公式表述如下：

$L_{\mathrm{ole}}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}P(C_i<L_i)$

将电网侧的出力值C_i小于负荷值L_i的总的小时数相加后除以仿真中设定的年限，计算年平均LOLE。

3)在电网出力中加入风电机组的年出力曲线，计算在此基础上负荷侧能够额外增加的容量，等效到网侧为风电机组在等供电可靠性下可以替代的常规机组容量，即风电机组的置信容量，具体步骤如下：

3.1)，在步骤2)中的网侧加入风电，计算系统发电可靠性指标，负荷侧加入与风电装机容量相同的容量再计算发电可靠性指标，实际计算中增加的负荷值按照增加的负荷容量与原负荷容量大小的比例在原实际负荷值基础上增加，得到的两个值在坐标系中分别用B与A表示。

3.2)，确定A点与B点在直角坐标系中相连形成的直线，记为l₁，l₁与y＝X(X为系统原发电可靠性水平)的直线交于点C。

3.3)，以C点的横坐标作为新的负荷侧的值，依据步骤2)带入到系统中计算得到新的发电可靠性指标，记为点D。

3.4)，如图2所示，不断按照步骤3.3进行迭代计算，不断逼近曲线与y＝X的交点Z,Z点对应的增加的负荷侧的容量值即为风电的置信容量值。

4)加入储能后的风电储能系统置信容量计算如图3所示，首先以步骤3中计算得出的置信容量数值加入到负荷侧中，形成以拉近出力曲线与负荷曲线为目的的目标函数，目标函数表述如下：

$\min \underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(P_{\mathrm{dyn}}\left(t\right)-P_{\mathrm{plan}}\left(t\right))}^2$

P_dyn(t)＝P_wind(t)+P_con(t)+P_i ⁺(t)-P_i ^-(t)

P_plan(t)＝P_load(t)+P_cre(t)

其中，P_i ⁺(t)表示储能放出的电量，P_i ^-(t)表示储能所充的电量，P_wind(t)为风电功率，P_con(t)为常规机组出力，P_load(t)为负荷值，P_cre(t)为在当前置信容量估算下负荷侧增加的值。P_dyn(t)表示电网侧的总出力，P_plan(t)表示负荷侧总的负荷量。

运用例子群算法对该目标函数进行寻优，选择每个时间充放电量P_i ⁺(t)与P_i ^-(t)为粒子中的参数，计算得到储能周期内的控制策略，将该策略作用于风电出力曲线后运用步骤3中的方法进行置信容量计算，得到该步中风系统的置信容量值。检验相邻两次计算出的容量值的差距是否满足收敛条件，若满足，则停止迭代，不满足则带入下一步形成新的目标函数，不断循环，直到收敛，所得到的容量值即为该风电储能系统的置信容量。

Claims (4)

1.一种风电储能发电系统的置信容量评估方法，其特征在于，包括以下步骤：

1)计算未加入风电机组和储能系统之前的发电可靠性指标，即考虑常规机组停运率的供电可靠性指标，在蒙特卡洛仿真中进行随机模拟；

2)在电网出力中加入风电机组的年出力曲线，计算在此基础上负荷侧能够额外增加的容量，再等效到网侧为风电机组在等供电可靠性下可以替代的常规机组容量，即风电机组的置信容量；

3)加入储能系统后计算风电储能系统置信容量。

2.根据权利要求1所述风电储能发电系统的置信容量评估方法，其特征在于，所述步骤3)还包括以下步骤：

首先以步骤2)中计算得出的置信容量数值加入到负荷侧中，形成以拉近出力曲线与负荷曲线为目的的目标函数，目标函数表述如下：

$\min \underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(P_{\mathrm{dyn}}\left(t\right)-P_{\mathrm{plan}}\left(t\right))}^2$

P_dyn(t)＝P_wind(t)+P_con(t)+P_i ⁺(t)-P_i ^-(t)

P_plan(t)＝P_load(t)+P_cre(t)

其中，P_i ⁺(t)表示储能放出的电量，P_i ^-(t)表示储能所充的电量，P_wind(t)为风电功率，P_con(t)为常规机组出力，P_load(t)为负荷值，P_cre(t)为在当前置信容量估算下负荷侧增加的值。P_dyn(t)表示电网侧的总出力，P_plan(t)表示负荷侧总的负荷量；

运用例子群算法对该目标函数进行寻优，选择每个时间充放电量P_i ⁺(t)与P_i ^-(t)为粒子中的参数，计算得到储能周期内的控制策略，将该策略作用于风电出力曲线后运用步骤3中的方法进行置信容量计算，得到该步中风系统的置信容量值。检验相邻两次计算出的容量值的差距是否满足收敛条件，若满足，则停止迭代，不满足则带入下一步形成新的目标函数，不断循环，直到收敛，所得到的容量值即为该风电储能系统的置信容量。

3.根据权利要求1所述的风电储能发电系统的置信容量评估方法，其特征在于，所述步骤2)还包括：

在步骤1)中的网侧加入风电机组，计算系统发电可靠性指标，负荷侧加入与风电装机容量相同的容量再计算发电可靠性指标，其中负荷曲线按照与原负荷容量大小的对比同比例缩放，得到的值在坐标系中分别用B与A表示；

确定A点与B点在直角坐标系中相连形成的直线，记为l₁，l₁与y＝X(X为系统原发电可靠性水平)的直线交于点C；

以C点的横坐标作为新的负荷侧的值，依据步骤1)带入到系统中计算得到新的发电可靠性指标，记为点D；

不断按照上一步骤进行迭代计算，不断逼近曲线与y＝X的交点Z,Z点对应的增加的负荷侧的容量值即为风电的置信容量值。

4.根据权利要求1所述的风电储能发电系统的置信容量评估方法，其特征在于，所述步骤1)还包括：

穷举常规机组的工作状态，形成状态空间，每一个状态空间对应相应的网侧出力值；

常规机组的双状态模型表述如下:

t₁＝-t_MTTFlnγ₁

t₂＝-t_MTTRlnγ₂

其中,γ₁与γ₂为[0,1]之间的随机采样,可以由程序随机产生，t_MTTF和t_MTTR分别为平均正常工作时间和平均故障时间，可从步骤1中输入的数据采集获得；

将得到的最大故障时间确定为系统该周期的故障时间，最小工作时间确定该周期的工作时间，根据形成的状态空间在设定的运行周期内形成常规机组出力的时序序列；

LOLE计算公式表述如下：

$L_{\mathrm{ole}}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}P(C_i<L_i)$

将电网侧的出力值C_i小于负荷值L_i的概率相加，计算年平均LOLE。