CN105680486B - 一种风光储联合发电系统的平滑出力方法 - Google Patents

Abstract

本发明提供一种风光储联合发电系统的平滑出力方法，包括：分别获取风力发电功率预测值和光伏发电功率预测值，将风力发电功率预测值与光伏发电功率预测值相加后得到风光总发电功率预测值，并组成综合数据集合；利用多项式拟合算法对综合数据集合进行拟合，得到平滑出力公式；根据平滑出力公式计算平滑出力输出值；根据平滑出力输出值与风光总发电功率预测值的大小关系及差值绝对值，确定储能系统的出力方式及功率输出值。本发明通过多项式拟合风光总发电功率预测值得到的平滑出力公式能够兼顾整个计划出力区间，使优化后的平滑出力值更加适中，减少了一阶低通滤波方法的惯性时长，相比于现有技术，本发明实施例具有更优化的平滑出力效果。

Description

一种风光储联合发电系统的平滑出力方法

技术领域

本发明涉及电力技术领域，具体地，涉及一种风光储联合发电系统的平滑出力方法。

背景技术

风能和太阳能资源是清洁的可再生能源，但存在着随机性和波动性的问题，给电网带来一系列的影响。功率的波动性程度直接影响电网原有的潮流分布，当风力发电和光伏发电的渗透率处于较高水平时，波动性和随机性会给电网的原有运行方式带来巨大的冲击。为了减少这种冲击，可以在风电机组和光伏电站联合发电的系统中配置大规模储能系统联合运行。图1为风光储联合发电系统的示意图，多台光伏发电单元、风电机组与储能系统共同接在同一条母线，再通过光伏电站主变压器接入电力系统。

东北电力大学宇航、严干贵等人利用一阶低通滤波算法实现风电功率波动平抑的控制策略。该控制策略主要对风电场运行中的高频分量进行滤除，减小风电功率的变化率，为电力系统提供较为稳定的功率输出，而储能系统则是通过其充放电来改变输出功率的幅值，使注入电网的电能更加平稳。

由于太阳能与风能均是具有随机性和波动性的可再生能源，在电力技术领域，这种利用一阶低通滤波算法进行风电功率波动平抑的控制策略也可以应用于风力和光伏联合发电的功率波动平抑中，即利用一阶低通滤波算法对风力和光伏联合发电的功率波动进行平抑。

但在实际应用中发现利用一阶低通滤波算法得到的出力平滑曲线存在一定的延时作用，如图2所示，较细的线为风电单独出力曲线，较粗的线为利用这种控制策略得到的风储联合发电平滑出力曲线，从图2可明显看出，风储联合发电平滑出力曲线滞后于风电单独出力曲线。这是因为这种利用一阶低通滤波算法实现风电功率波动平抑的控制策略是采用本次采样值与上次滤波输出值进行加权得到本次滤波输出值，具体公式为：

Y(n)＝αX(n)+(1-α)Y(n-1)

以上公式中，α为滤波系数；X(n)为本次采样值；Y(n-1)为上次滤波输出值；Y(n)为本次滤波输出值。

可见，这种利用一阶低通滤波算法实现风电功率波动平抑的控制策略还存在不足之处。

同理，当利用一阶低通滤波算法对风力和光伏联合发电的功率波动进行平抑时，也不可避免会出现得到的平滑出力曲线滞后于风电机组与光伏电站单独出力曲线的问题。

发明内容

本发明实施例的主要目的在于提供一种风光储联合发电系统的平滑出力方法，以解决现有技术利用一阶低通滤波算法对风力和光伏联合发电的功率波动进行平抑所得到的平滑出力曲线存在延时现象的问题。

为了实现上述目的，本发明实施例提供一种风光储联合发电系统的平滑出力方法，包括：

步骤A，分别获取由风力发电功率预测值组成的第一数据集合以及由光伏发电功率预测值组成的第二数据集合，将所述第一数据集合中的风力发电功率预测值与所述第二数据集合中的光伏发电功率预测值相加后得到由风光总发电功率预测值组成的综合数据集合；

步骤B，利用多项式拟合算法对所述综合数据集合进行拟合，得到平滑出力公式；

步骤C，根据所述平滑出力公式计算平滑出力输出值；

步骤D，根据所述平滑出力输出值与所述风光总发电功率预测值的大小关系及差值绝对值，确定储能系统的出力方式及功率输出值；

所述步骤A具体包括：

获取由风力发电功率预测值组成的第一数据集合P₁：

P₁＝{(p_1i,t_i)|i＝1,2...,m}；

获取由光伏发电功率预测值组成的第二数据集合P₂：

P₂＝{(p_2i,t_i)|i＝1,2...,m}；

将所述第一数据集合P₁中的风力发电功率预测值与所述第二数据集合P₂中的光伏发电功率预测值相加后得到由风光总发电功率预测值组成的综合数据集合P：

P＝{(p_i,t_i)|i＝1,2...,m}；其中，p_i＝p_1i+p_2i；

其中，P₁为第一数据集合，p_1i为风力发电功率预测值，P₂为第二数据集合，p_2i为风力发电功率预测值，P为综合数据集合，p_i为风光总发电功率预测值，m为第一数据集合、第二数据集合、第三数据集合的样本个数，m为自然数，i为样本序列号，t_i为p_1i、p_2i、p_i对应的时间；

所述步骤B具体包括：

步骤B1，根据所述综合数据集合P中风光总发电功率预测值p_i的波动趋势，确定所述平滑出力公式的阶数n，其中n为自然数；

步骤B2，拟合具有所述阶数n的多项式：

a_nt_i ⁿ+a_n-1t_i ^n-1+…+a₁t_i+a₀；

其中，a₀～a_n为多项式系数；

步骤B3，计算所述多项式a_nt_i ⁿ+a_n-1t_i ^n-1+…+a₁t_i+a₀与所述风光总发电功率预测值p_i的差值平方和Err：

步骤B4，利用最小二乘法计算所述差值平方和Err为最小值时，多项式系数a₀～a_n对应的具体值α₀～α_n；

步骤B5，利用所述具体值α₀～α_n构建平滑出力公式X(t)：

X(t)＝α_ntⁿ+α_n-1t^n-1+…+α₁t+α₀；

其中，t为时间；

所述步骤C具体为：

计算当t＝t_i时，所述平滑出力公式X(t)的值X(t_i)：

X(t_i)＝α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀

其中，X(t_i)为平滑出力输出值；

所述步骤D具体包括：

当所述平滑出力输出值X(t_i)大于所述风光总发电功率预测值p_i时，储能系统释放电能，且功率输出值为：

p′_i＝X(t_i)-p_i＝(α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀)-p_i

其中，p′_i为t_i时刻储能系统的功率输出值；

当所述平滑出力输出值X(t_i)小于所述风光总发电功率预测值p_i时，储能系统吸收电能，且功率输出值为：

p′_i＝p_i-X(t_i)＝p_i-(α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀)；

当所述平滑出力输出值X(t_i)等于所述风光总发电功率预测值p_i时，储能系统功率输出值为零。

借助于上述技术方案，本发明通过多项式拟合风光总发电功率预测值得到的平滑出力公式能够兼顾整个计划出力区间，使优化后的平滑出力值更加适中，减少了一阶低通滤波方法的惯性时长，相比于现有技术，本发明实施例具有更优化的平滑出力效果。

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是本发明背景技术提供的风光储联合发电系统的示意图；

图2是本发明背景技术提供的利用一阶低通滤波算法进行风电功率波动平抑前后的功率曲线对比示意图；

图3是本发明提供的风光储联合发电系统的平滑出力方法流程示意图；

图4是本发明提供的风光总发电功率预测值组成的数据集合所对应的曲线示意图；

图5是本发明提供的利用本发明提供的方法进行平滑出力前后功率曲线对比示意图。

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。

本发明提供一种风光储联合发电系统的平滑出力方法，如图3所示，该方法包括：

步骤S1，分别获取由风力发电功率预测值组成的第一数据集合以及由光伏发电功率预测值组成的第二数据集合，将第一数据集合中的风力发电功率预测值与第二数据集合中的光伏发电功率预测值相加后得到由风光总发电功率预测值组成的综合数据集合。

具体的，该步骤可从风电机组的功率预测系统SCADA中获风力发电功率预测值，即预测未来一段时间内风电机组单独出力的功率值，从光伏电站的功率预测系统SCADA中获取光伏发电功率预测值，即预测未来一段时间内光伏电站单独出力的功率值。将相同时刻的风力发电功率预测值与光伏发电功率预测值相加，得到该时刻的风光总发电功率预测值，如图4所示为某风光储联合发电系统中，由风光总发电功率预测值组成的综合数据集合所对应的曲线。

步骤S2，利用多项式拟合算法对综合数据集合进行拟合，得到平滑出力公式。

具体的，该步骤利用多项式拟合算法对整个计划出力区间的风光总发电功率预测值进行拟合，所得到的平滑出力曲线不仅更加匹配风力和光伏联合发电的功率之和，而且，由于不是如现有的利用一阶低通滤波算法那样采用相邻滤波输出值来计算当前的滤波输出值，因此本发明得到的平滑出力曲线不会存在延时现象，平滑效果更加优化。

步骤S3，根据平滑出力公式计算平滑出力输出值。

步骤S4，根据平滑出力输出值与风光总发电功率预测值的大小关系及差值绝对值，确定储能系统的出力方式及功率输出值。

具体的，当风力发电与光伏发电的功率之和大于整个风光储系统的最终出力功率，即风光总发电功率预测值大于平滑出力值时，储能系统吸收电能；当风力发电与光伏发电的功率之和小于整个风光储系统的最终出力功率，即风光总发电功率预测值小于平滑出力值时，储能系统对电网释放电能；当风力发电与光伏发电的功率之和等于整个风光储系统的最终出力功率，即风光总发电功率预测值等于平滑出力值时，储能系统的输出功率为零。

下面对以上各步骤的具体过程进行说明：

步骤S1具体包括：

获取由风力发电功率预测值组成的第一数据集合P₁：

P₁＝{(p_1i,t_i)|i＝1,2...,m}；

获取由光伏发电功率预测值组成的第二数据集合P₂：

P₂＝{(p_2i,t_i)|i＝1,2...,m}；

将第一数据集合P₁中的风力发电功率预测值与第二数据集合P₂中的光伏发电功率预测值相加后得到由风光总发电功率预测值组成的综合数据集合P：

P＝{(p_i,t_i)|i＝1,2...,m}；其中，p_i＝p_1i+p_2i；

其中，P₁为第一数据集合，p_1i为风力发电功率预测值，P₂为第二数据集合，p_2i为风力发电功率预测值，P为综合数据集合，p_i为风光总发电功率预测值，m为第一数据集合、第二数据集合、第三数据集合的样本个数，i为样本序列号，t_i为p_1i、p_2i、p_i对应的时间；

步骤S2具体包括：

步骤S21，根据综合数据集合P中风光总发电功率预测值p_i的波动趋势，确定平滑出力公式的阶数n，其中n为自然数。

较佳的，步骤S21可以具体包括：

根据综合数据集合P中风光总发电功率预测值p_i的波动趋势，确定平滑出力曲线波形；

根据所述平滑出力曲线波形，确定所述平滑出力公式的阶数n。

例如，当所述平滑出力曲线波形为直线时，确定所述平滑出力公式的阶数n＝1；当所述平滑出力曲线波形为抛物线时，确定所述平滑出力公式的阶数n＝2。

步骤S22，拟合具有阶数n的多项式：

a_nt_i ⁿ+a_n-1t_i ^n-1+…+a₁t_i+a₀；

其中，a₀～a_n为多项式系数。

步骤S23，计算多项式a_nt_i ⁿ+a_n-1t_i ^n-1+…+a₁t_i+a₀与风光总发电功率预测值p_i的差值平方和Err：

步骤S24，利用最小二乘法计算差值平方和Err为最小值时，多项式系数a₀～a_n对应的具体值α₀～α_n。

该步骤可采用如下计算方式：

分别对多项式系数a₀～a_n求偏导数，得到如下方程组：

求解以上方程组，得到多项式系数a₀～a_n对应的具体值α₀～α_n。

步骤S25，利用具体值α₀～α_n构建平滑出力公式X(t)：

X(t)＝α_ntⁿ+α_n-1t^n-1+…+α₁t+α₀；

其中，t为时间。

步骤S3具体为：

计算当t＝t_i时，平滑出力公式X(t)的值X(t_i)：

X(t_i)＝α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀

其中，X(t_i)为平滑出力输出值。

步骤S4具体为：

当平滑出力输出值X(t_i)大于风光总发电功率预测值p_i时，储能系统释放电能，且功率输出值为：

p′_i＝X(t_i)-p_i＝(α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀)-p_i

其中，p′_i为t_i时刻储能系统的功率输出值；

当平滑出力输出值X(t_i)小于风光总发电功率预测值p_i时，储能系统吸收电能，且功率输出值为：

p′_i＝p_i-X(t_i)＝p_i-(α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀)；

当平滑出力输出值X(t_i)等于风光总发电功率预测值p_i时，储能系统功率输出值为零。

图5分别显示了平滑出力前风光总发电功率预测值对应的曲线(虚线所示)以及利用本发明提供的方法进行平滑出力后得到的平滑出力曲线(实线所示)，通过对比可知，与风力发电单独出力功率曲线和光伏电站单独出力功率曲线相比，平滑出力后得到的平滑出力曲线减小了功率波动，且不存在延时现象。

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 (3)

1.一种风光储联合发电系统的平滑出力方法，其特征在于，包括：

步骤A，分别获取由风力发电功率预测值组成的第一数据集合以及由光伏发电功率预测值组成的第二数据集合，将所述第一数据集合中的风力发电功率预测值与所述第二数据集合中的光伏发电功率预测值相加后得到由风光总发电功率预测值组成的综合数据集合；

步骤B，利用多项式拟合算法对所述综合数据集合进行拟合，得到平滑出力公式；

步骤C，根据所述平滑出力公式计算平滑出力输出值；

步骤D，根据所述平滑出力输出值与所述风光总发电功率预测值的大小关系及差值绝对值，确定储能系统的出力方式及功率输出值；

所述步骤A具体包括：

获取由风力发电功率预测值组成的第一数据集合P₁：

P₁＝{(p_1i,t_i)|i＝1,2...,m}；

获取由光伏发电功率预测值组成的第二数据集合P₂：

P₂＝{(p_2i,t_i)|i＝1,2...,m}；

将所述第一数据集合P₁中的风力发电功率预测值与所述第二数据集合P₂中的光伏发电功率预测值相加后得到由风光总发电功率预测值组成的综合数据集合P：

P＝{(p_i,t_i)|i＝1,2...,m}；其中，p_i＝p_1i+p_2i；

其中，P₁为第一数据集合，p_1i为风力发电功率预测值，P₂为第二数据集合，p_2i为风力发电功率预测值，P为综合数据集合，p_i为风光总发电功率预测值，m为第一数据集合、第二数据集合、第三数据集合的样本个数，且m为自然数，i为样本序列号，t_i为p_1i、p_2i、p_i对应的时间；

所述步骤B具体包括：

步骤B1，根据所述综合数据集合P中风光总发电功率预测值p_i的波动趋势，确定平滑出力曲线波形；根据所述平滑出力曲线波形确定所述平滑出力公式的阶数n，其中n为自然数；

步骤B2，拟合具有所述阶数n的多项式：

a_nt_i ⁿ+a_n-1t_i ^n-1+…+a₁t_i+a₀；

其中，a₀～a_n为多项式系数；

步骤B3，计算所述多项式a_nt_i ⁿ+a_n-1t_i ^n-1+…+a₁t_i+a₀与所述风光总发电功率预测值p_i的差值平方和Err：

步骤B4，利用最小二乘法计算所述差值平方和Err为最小值时，多项式系数a₀～a_n对应的具体值α₀～α_n；

该步骤可采用如下计算方式：

分别对多项式系数a₀～a_n求偏导数，得到如下方程组：

求解以上方程组，得到多项式系数a₀～a_n对应的具体值α₀～α_n；

步骤B5，利用所述具体值α₀～α_n构建平滑出力公式X(t)：

X(t)＝α_ntⁿ+α_n-1t^n-1+…+α₁t+α₀；

其中，t为时间；

所述步骤C具体为：

计算当t＝t_i时，所述平滑出力公式X(t)的值X(t_i)：

X(t_i)＝α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀

其中，X(t_i)为平滑出力输出值；

所述步骤D具体包括：

当所述平滑出力输出值X(t_i)大于所述风光总发电功率预测值p_i时，储能系统释放电能，且功率输出值为：

p′_i＝X(t_i)-p_i＝(α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀)-p_i

其中，p′_i为t_i时刻储能系统的功率输出值；

当所述平滑出力输出值X(t_i)小于所述风光总发电功率预测值p_i时，储能系统吸收电能，且功率输出值为：

p′_i＝p_i-X(t_i)＝p_i-(α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀)；

当所述平滑出力输出值X(t_i)等于所述风光总发电功率预测值p_i时，储能系统功率输出值为零。

2.根据权利要求1所述的方法，其特征在于，当所述平滑出力曲线波形为直线时，确定所述平滑出力公式的阶数n＝1。

3.根据权利要求1所述的方法，其特征在于，当所述平滑出力曲线波形为抛物线时，确定所述平滑出力公式的阶数n＝2。