CN104135037A - 一种风光储优化运行方法 - Google Patents

Abstract

本发明公开了一种风光储优化运行方法，通过挖掘机组运行历史数据，得到工况条件与最优机组组合之间的推理规则集，并将该规则集存储在数据库中；考虑负荷变化等因素，利用均衡函数的变权综合模式，计算潜在目标机组组态模式的变权重系数，结合既有的综合性能评估方法，选择最优风光储机组组态模式。本发明提供的风光储优化运行方法更加客观，准确；同时能够实时对风光储的机组组态进行调整，使风光储实时工作在最优的状态下，从而有效的提高了风光储的工作效率。

Description

一种风光储优化运行方法

技术领域

本发明属于系统优化方法，特别涉及一种风光储优化运行方法。

背景技术

随着风电、光电等清洁能源的发展，越来越多的国内外专家开始研究风光储联合发电运行优化。目前国内外有关多种可再生能源联合发电的研究主要集中在容量优化配置、可靠性评估、经济运行调度方面。但现在的优化调度策略并未考虑机组组态模式之间切换的代价，并且随着机组运行时间延长，传统的智能优化算法在气象条件负荷需求多变的情况下，很难建立一个精确的数学模型计算出机组最优组态模式，来动态调整其运行策略，因此使用传统优化模型和算法推导出来的理念目标在实际运行中很难达到，算法应用受到很大的局限。

发明内容

发明目的：本发明的目的在于针对现有技术的不足，提供一种能够实时对风光储的机组组态进行调整，使风光储实时工作在最优的状态下的风光储优化运行方法。

技术方案：本发明提供一种风光储优化运行方法，包括以下步骤：

步骤1：建立风光储优化运行模型；

步骤2：采集风光储实时运行数据、经济参数、负荷需求数据、气象监测数据，并将采集的数据输入到步骤1建立的风光储优化运行模型中数据库里；

步骤3：依据气象监测数据判断风光储所处工况；并对工况进行划分；根据风光储实时运行数据和经济参数计算指标评分值；

步骤4：根据约束条件优先原则和经济最优原则确定均衡函数α，根据公式计算获得每个指标的变权重系数，其中，w_i′为第i个性能指标的变权重系数，x_i为第i个性能指标权重的评分值，n为风光储机组中性能指标的总数，w_i为第i个性能指标的常权重；

步骤5：根据步骤4中计算的每个指标的变权重系数结合公式得到风光储机组组态模式综合性能指标值I_k；其中，I_k表示第k个风光储机组组态模式综合性能指标值，v_i为第i个性能指标分值；

步骤6：根据不同工况将步骤5中获得的风光储机组组态模式综合性能指标值高的风光储机组组态模式存储到风光储优化运行模型中的数据库中；

步骤7：重复步骤2～5计算当前风光储机组组态模式综合性能指标值，将计算的值域数据库中的值进行比较，判断当前风光储机组组态模式是否需要切换，如果当前风光储机组组态模式综合性能指标值小于数据库中的值，则需要切换，在数据库中搜索在当前工况下最优的风光储机组组态模式并进行切换；如果当前风光储机组组态模式综合性能指标值大于数据库中的值，则不需要切换，直接将当前工况下的风光储机组组态模式存储到数据库中。

进一步，所述步骤4中的约束条件包括供电可靠性约束、风光互补约束、蓄电池容量约束和蓄电池失效周期约束。

进一步，所述步骤4中的经济最优原则为在满足系统性能指标的前提下，使系统周期内单位发电成本最低。

进一步，所述步骤2中对工况进行划分的方法为：首先对气象数据进行标准化处理，然后使用三角形分布隶属函数计算模型对标准化后的数据进行模糊化处理。

进一步，所述步骤7中风光储机组组态模式在进行切换时遵循先风电机组，再光伏组件，最后储能装置的顺序。

工作原理：本发明通过挖掘机组运行历史数据，得到工况条件与最优机组组合之间的推理规则集，并将该规则集存储在数据库中；考虑负荷变化等因素，利用均衡函数的变权综合模式，计算潜在目标机组组态模式的变权重系数，结合既有的综合性能评估方法，选择最优风光储机组组态模式。

有益效果：与现有技术相比，本发明提供的风光储优化运行方法更加客观，准确；同时能够实时对风光储的机组组态进行调整，使风光储实时工作在最优的状态下，从而有效的提高了风光储的工作效率。

附图说明

图1为本发明的流程图；

图2为三角形分布隶属函数计算模型结果图。

具体实施方式

下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

如图1所示，一种风光储优化运行方法，包括以下步骤：

步骤1：建立风光储优化运行模型；

步骤2：采集风光储实时运行数据、经济参数、负荷需求数据、气象监测数据，并将采集的数据输入到步骤1建立的风光储优化运行模型中的数据库里；

步骤3：依据气象监测数据判断风光储所处工况；并对工况进行划分；根据风光储实时运行数据和经济参数计算指标评分值；

在对工况进行划分之前，先对工况条件如风速、光照强度、温度等数据采用极值标准化法进行标准化处理，根据公式X_j＝X_j′-X_min/X_max-X_min将工况条件标准化到[0，1]区间，式中，X_j′为数据库中第j个原始采集数据，X_j为第j个标准化之后的数据，X_max和X_min分别表示原始数据的上下阈值。上下阈值可以根据历史数据集自动计算或者领域专家直接指定。为使属性域划分更加平滑，将标准化之后的数据进行模糊化处理，建立三角形分布隶属函数计算模型，如图2所示，模糊子集语言变量为“极低”、“低”、“一般”、“高”、“极高”。

步骤4：根据约束条件优先原则和经济最优原则确定均衡函数α，根据公式计算获得每个指标的变权重系数，其中，w_i′为第i个性能指标的变权重系数，x_i为第i个性能指标权重的评分值，n为风光储机组中性能指标的总数，w_i为第i个性能指标的常权重；

其中，经济最优原则为在满足风光储联合发电系统性能指标的前提下，在所研究的周期内，合理安排系统发电装置的投入和切出，使风光储联合发电系统在单位周期内发电成本F为最低。建立目标函数如下：

$\min F=\min [\frac{C_{\mathrm{op}}\left(P\right)}{{\∫}_t\mathrm{Pdt}}+C_{\mathrm{pum}}\left(P\right])$

式中：P为风光储总体出力，风光储联合发电系统中风电机组、光伏组件和储能在当前时刻的总出力值；C_pun(P)为其总出力波动惩罚费用；C_op为机组总体运行费用，主要由机组启停成本、发电成本、运行维护成本和停机维护成本组成：

C_op(P)＝[C_s(P)+C_o(P)+C_om(P)+C_m(P)]f_r

式中：C_s、C_o、C_om、C_m分别为风光储联合发电系统总体启停成本、发电成本、运行维护成本和停机维护成本，f_r为机组折旧系数r₀是折旧年限，r为折旧率。

C_pun(P)计算公式为：

C_pun(P)＝ω∫_t|P-P_load|dt   (3)

P_load为负荷需求，ω为惩罚系数，惩罚系数是根据总出力波动对电力系统的影响，人为设定的一个参数，本发明中惩罚系数取值区间为0～1。

约束条件包括：供电可靠性约束、风光互补约束、蓄电池容量约束和蓄电池失效周期约束。

(1)供电可靠性约束。

风光储联合发电系统应确保在研究周期内任一时刻满足调度预期需求：

$\underset{t=1}{\overset{N}{\mathrm{\Σ}}}[P_{\mathrm{wd}}\left(t\right)+P_{\mathrm{pv}}\left(t\right)+P_{\mathrm{bat}}\left(t\right)]\≥\underset{t=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\exp }\left(t\right)$

式中：P_wd(t)、P_pv(t)、P_bat(t)分别为t时刻风电机组、光伏阵列、蓄电池装置出力大小；P_exp(t)为t时刻调度预期需求，即为电力系统对风光储总体出力的预期值；N为研究周期长度，即为优化周期的长度。

(2)风光互补约束。风光联合出力相对调度预期出力的波动率D_wp来表征风光互补特性，即

$D_{\mathrm{wp}}=\frac{1}{P_{\exp }\left(t\right)}\sqrt{\frac{1}{T}\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}{(P_{\mathrm{wd}\_\mathrm{pv}}\left(t\right)-P_{\exp }\left(t\right))}^2}<\mathrm{\&lambda;}$

式中：P_{wd_pv}(t)为t时刻风光储中电机组和光伏组件联合出力值，λ为风光互补的参考最大波动率。

(3)蓄电池容量约束。蓄电池的荷电状态需控制在最大放电深度状态和满电量状态之间：

SOC_min≤SOC(t)≤SOC_max

式中：SOC(t)为t时刻蓄电池容量；SOC_max、SOC_min分别表示蓄电池满荷电容量和最大放电深度容量。

(4)蓄电池失效周期约束

计算蓄电池寿命周期对于算法的精确性有着重要的意义，本发明中采用“rainflow”蓄电池预期寿命计算方法，通过统计蓄电池在不同放电深度区间的充放电次数，得到蓄电池失效周期：

${\mathrm{Life}}_{\mathrm{bat}}=\frac{1}{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}(N_m/C{F}_m)}$

式中Life_bat为蓄电池年失效周期；M为放电深度区间间隔数；N_m、CF_m分别为第m个放电深度区间充放电次数和总失效循环次数。

由此得到蓄电池失效周期CTF_bat约束为：

CTF_bat≤min{Life_bat，Life_float}

式中Life_float为蓄电池浮充周期，由厂家提供。

均衡函数α的取值范围是0≤α≤1，α的取值遵循约束条件优先原则和经济最优原则，首先，如果目标机组组态模式不满足式任意一条约束条件，则说明目标机组组合模式不能应对当前负荷需求。令机组可靠性指标的均衡函数α＝1，其他指标的均衡函数α为α＜1/2中的任意数。

其次，若满足“约束”原则的目标机组组态模式多于一种，则采用经济最优原则进行判定。令经济性指标的均衡函数α＝1，其他指标的均衡函数α为α＞1/2。

需要说明的是，α的取值取决于该指标相对重要程度。根据以上两个原则，使用变权重系数动态调整经济性指标和可靠性指标权重。这样风光储联合发电系统能够实时依据负荷的动态需求，正确选择最优机组组态模式，从而判断下一步投切动作。

如表1所示，本发明中每个性能指标的常权重是基于模糊层次分析法确定的，这里主要依据是各类设备在组态发电模式中发挥的不同作用。

表1

每个性能指标权重的评分值x_i采用归一化欧式距离法进行计算：

$x_i=\frac{y_{\mathrm{opt}}-y^{\&prime;}}{y_{\mathrm{opt}}-y_{\mathrm{wor}}}\&times;100$

式中：y′为数据库中存储的某一时刻对应指标的采集数据；y_opt、y_wor分别为当前指标下采集数据的最优值和最劣值，表示两个极端情况，这两值是根据静态算法得到的。

步骤5：根据步骤4中计算的每个指标的变权重系数结合公式得到风光储机组组态模式综合性能指标值I_k；其中，I_k表示第k个风光储机组组态模式综合性能指标值；

步骤6：根据不同工况将步骤5中获得的风光储机组组态模式综合性能指标值高的风光储机组组态模式存储到风光储优化运行模型中的数据库中；

步骤7：重复步骤2～5计算当前风光储机组组态模式综合性能指标值，将计算的值域数据库中的值进行比较，判断当前风光储机组组态模式是否需要切换，如果当前风光储机组组态模式综合性能指标值小于数据库中的值，则需要切换，在数据库中搜索在当前工况下最优的风光储机组组态模式并进行切换；如果当前风光储机组组态模式综合性能指标值大于数据库中的值，则不需要切换，直接将当前工况下的风光储机组组态模式存储到数据库中。

Claims (5)

1.一种风光储优化运行方法，其特征在于：包括以下步骤：

步骤1：建立风光储优化运行模型；

步骤2：采集风光储实时运行数据、经济参数、负荷需求数据、气象监测数据，并将采集的数据输入到步骤1建立的风光储优化运行模型中数据库里；

步骤3：依据气象监测数据判断风光储所处工况；并对工况进行划分；根据风光储实时运行数据和经济参数计算指标评分值；

步骤4：根据约束条件优先原则和经济最优原则确定均衡函数α，根据公式计算获得每个指标的变权重系数，其中，w_i′为第i个性能指标的变权重系数，x_i为第i个性能指标权重的评分值，n为风光储机组中性能指标的总数，w_i为第i个性能指标的常权重；

步骤5：根据步骤4中计算的每个指标的变权重系数结合公式得到风光储机组组态模式综合性能指标值I_k；其中，I_k表示第k个风光储机组组态模式综合性能指标值；

步骤6：根据不同工况将步骤5中获得的风光储机组组态模式综合性能指标值高的风光储机组组态模式存储到风光储优化运行模型中的数据库中；

步骤7：重复步骤2～5计算当前风光储机组组态模式综合性能指标值，将计算的值域数据库中的值进行比较，判断当前风光储机组组态模式是否需要切换，如果当前风光储机组组态模式综合性能指标值小于数据库中的值，则需要切换，在数据库中搜索在当前工况下最优的风光储机组组态模式并进行切换；如果当前风光储机组组态模式综合性能指标值大于数据库中的值，则不需要切换，直接将当前工况下的风光储机组组态模式存储到数据库中。

2.根据权利要求1所述的风光储优化运行方法，其特征在于：所述步骤4中的约束条件包括供电可靠性约束、风光互补约束、蓄电池容量约束和蓄电池失效周期约束。

3.根据权利要求1所述的风光储优化运行方法，其特征在于：所述步骤4中的经济最优原则为在满足系统性能指标的前提下，使系统周期内单位发电成本最低。

4.根据权利要求1所述的风光储优化运行方法，其特征在于：所述步骤2中对工况进行划分的方法为：首先对气象数据进行标准化处理，然后使用三角形分布隶属函数计算模型对标准化后的数据进行模糊化处理。

5.根据权利要求1所述的风光储优化运行方法，其特征在于：所述步骤7中风光储机组组态模式在进行切换时遵循先风电机组，再光伏组件，最后储能装置的顺序。