CN106602591A - 一种多目标优化控制的海水抽蓄风电联合控制方法 - Google Patents

Abstract

一种多目标优化控制的海水抽蓄风电联合控制方法，该控制方法针对海上风电输出的功率波动过大造成电网功率不平衡问题，通过对海水抽蓄出力与海上风电出力进行联合调节，减少海上风电的波动。本发明可以充分发挥海水抽蓄的功能，一方面可以优化海水抽蓄与风电运行成本，另一方面对经济性、风电渗透率、弃风率、弃荷率进行了多目标综合优化。本发明的多目标优化控制，有效地解决了海上风电输出功率的波动与海水抽蓄电站经济性问题。

Description

一种多目标优化控制的海水抽蓄风电联合控制方法

技术领域

本发明涉及海水抽蓄领域，特别是与海上风电相关的领域，具体是一种多目标优化控制的海水抽蓄风电联合控制方法。

背景技术

为了解决化石类资源的短缺以及燃煤等带来的环境污染问题，大力发展清洁环保的风电等可再生能源是我国乃至世界其他国家的必然选择。

为实现低碳、环保、绿色以及可持续发展的能源战略，我国近几年大力发展可再生能源，针对可再生能源出台了一系列的标准和政策，可再生能源得到了长足发展，尤其是风电能源的开发与利用领域，至2014年底，风电并网装机容量已达到9637万千瓦，占全部发电装机容量的7％，占全球风电装机的27％。我国陆上风能储量约2.5亿kW，海上风能储量约7.5亿kW，为陆上风能资源的三倍。我国海岸线长，海域面积辽阔，具备开发建设海上风电的良好条件。虽然我国有丰富的海上风能资源。从我国已建成的风电场分布情况来看，一半左右在沿海地区的陆地上。

我国海上风电起步较晚，2009年以前没有一座风电场建设在海上。直到2010年，我国海上风电产业才取得实质性的发展。根据截止2012年的统计数据，我国已建成海上风电总装机容量为142MW，包括：1)上海东海大桥风电项目，总装机102MW；2)江苏如东潮间带海上试验风电场，总装机3.2万kW；3)其他海域安装的海上试验风电机组，总装机为0.8万kW。我国已开展前期工作和拟建的海上风电项目约有24个，主要分布于江苏、浙江、上海、山东、福建和广东等地，规模较大的项目主要有：1)江苏如东海上潮间带示范风电场；2)江苏大风潮间带风电示范项目；3)江苏大丰海上风电项目示范工程；4)江苏响水近海风电场；5)广东湛江徐闻海上风电项目。

但是，由于风电的随机波动性，大容量集中接入并网会对电网运行产生较大影响，且这种影响具有不同于常规电源的特殊性。随着风电接入容量的增加与接入电压等级的提高使得电网受风电的影响范围更广，影响程度更大。目前，为了确保电网的安全稳定运行，造成大量弃风现象，据统计，我国全国风电平均弃风比例2013年为12％，2014年虽然有所降低，但仍然高达8％。

造成接纳困难的因素很多，其中一个主要问题是电网的调峰能力不足，抽水蓄能电站具有很好的调峰能力，但很多电网缺少水资源，我国海岸线长，建立海水抽蓄电站自然资源丰富，因此，发展海水抽蓄储能是一个重要的方向之一。由于海水抽蓄电站运行成本高，如何合理优化运行，既能减少风电波动引起的电网功率波动，又能实现海水抽蓄电站与风电的经济运行，具有很重要的意义。

发明内容

针对上述问题，本发明的目的是提供一种多目标优化控制的海水抽蓄风电联合控制方法，针对风电波动与海水抽蓄储能电站运行成本高的特点，进行多目标优化控制，可以充分发挥海水抽蓄的功能，一方面可以优化海水抽蓄与风电运行成本，另一方面对经济性、风电渗透率、弃风率、弃荷率进行了多目标综合优化。可以有效解决上述问题。

本发明的技术解决方案如下：

一种多目标优化控制的海水抽蓄风电联合控制方法，其特点在于，包括具有第一通讯口、第二通信口、第三通讯口和控制单元的控制器；

所述的第一通信口的风电信号输入端与风电场的调度通信输出端相连，该第一通信口的风电信号输出端与所述的控制单元的风电信号输入端相连；

所述的第二通信口的风电控制信号输出端与风电场的调度通信控制信号输入端相连，该第二通信口的风电控制信号输入端与所述的控制单元的风电控制信号输出端相连；

所述的第三通信口的海水抽蓄电站控制信号输出端与海水抽蓄电站的调度通信的控制信号输入端相连，该第三通信口的海水抽蓄电站控制信号输入端与所述的控制单元的海水抽蓄电站控制信号输出端相连；

所述的控制单元由下列步骤实现海水抽蓄风电联合多目标优化控制：

步骤1、计算海水抽蓄电站与风电场运行的年度总成本C_total，公式如下：

C_total＝C_wf+C_p+C_ht

其中C_totalmin≤C_total≤C_totalmax，C_totalmin、C_totalmax分别为海水抽蓄电站运行的年度总成本的最小值与最大值；C_wf、C_p、C_ht分别为风电场、水泵机组、海水抽蓄电站的年度总成本，皆为预设值；

步骤2、根据全天各时段的系统平均负荷和平均弃荷功率，计算全天的负荷失电率LPSP：

其中，n_max表示将全天等分成n_max个时间段；P_lp(n)表示该天第n个时段内的平均弃荷功率，表示第n个时段内的弃荷量；P_LS(n)表示该天第n个时段内的平均负荷，表示第n个时段的负荷量，；

步骤3、根据全天实际供给负荷的风电、水电以及系统的全天总负荷，计算全天系统负荷中的风电的渗透率β：

其中，P_w(n)表示第n个时段内的风电场的平均输出功率，表示第n个时段的风电场发电量；P_a(n)表示第n个时段内的系统平均弃风功率，表示第n个时段的弃风电量；P_ps(n)表示第n个时段内的水泵站的平均输入功率；P_ht(n)表示第n个时段内的海水抽蓄电站的平均输出功率，表示第n个时段的海水抽蓄电站发电量；皆为通过风电场和海水抽蓄电站的通讯口获得；

步骤4、根据全天各时段内的平均弃风功率P_a(n)、风电场的平均输出功率P_w(n)，计算全天的弃风率A:

步骤5、计算单个满意度，具体包括：

步骤51、计算年度总成本C_total满意度μ₁(C_total)：

步骤52、计算全天的负荷失电率LPSP满意度μ₂(LPSP)；

LPSP_min≤LPSP≤LPSP_max；

步骤53、计算风电渗透率β的满意度μ₃(β)：

β_min≤β≤β_max；

步骤54、计算全天的弃风率A满意度μ₄(A)：

A_min≤A≤A_max；

步骤6联合满意度单目标优化，建立海水抽蓄风电联合满意度μ的单目标函数形式：

μ＝α₁μ₁(C_total)+α₂μ₂(LPSP)+α₃μ₃(β)+α₄μ₄(A)

其中α₁，α₂，α₃和α₄分别是μ₁(C_total)，μ₂(LPSP)，μ₃(β)和μ₄(A)这些满意度各自的权重值；

步骤7多目标优化模型：

根据上述的多目标函数的计算模型，构建如下多目标函数计算模型函数：

[C_total,LPSP,β,A]＝MultiObjects(n_w,n_p,n_t)

其中，n_w，n_p，n_t分别表示风力发电机的数量，水泵的数量，水轮机的数量；

步骤8控制器输出：

根据上述多目标优化模型，输出风电功率P_w(n)与海水抽蓄电站功率P_ht(n)。与现有技术相比，本发明的特点如下：

1.提出了海水抽蓄与风电场的联合发电控制优化模型。

2.综合考虑了海水抽蓄电站与风电场运行成本、风电渗透率、弃风率、弃荷率的多目标优化。

3.充分发挥海水抽蓄的功能，优化海水抽蓄与风电运行成本。

4.对经济性、风电渗透率、弃风率、弃荷率进行了多目标综合优化。本发明的多目标优化控制，有效地解决了海上风电输出功率的波动与海水抽蓄电站经济性问题。

附图说明

图1是本发明多目标优化控制的海水抽蓄风电联合控制方器运行环境的示意图。

图2是本发明中控制单元实现海水抽蓄风电联合多目标优化控制的流程图。

具体实施方式

下面结合实施例和附图对本发明作进一步说明，但不应以此限制本发明的保护范围。

请参阅图1，图1是本发明多目标优化控制的海水抽蓄风电联合控制方器运行环境的示意图，如图所示，包括具有第一通讯口1、第二通信口2、第三通讯口3和控制单元4的控制器；所述的第一通信口1的风电信号输入端与风电场的调度通信输出端相连，该第一通信口1的风电信号输出端与所述的控制单元5的风电信号输入端相连；所述的第二通信口2的风电控制信号输出端与风电场的调度通信控制信号输入端相连，该第二通信口2的风电控制信号输入端与所述的控制单元5的风电控制信号输出端相连；

所述的第三通信口3的海水抽蓄电站控制信号输出端与海水抽蓄电站的调度通信的控制信号输入端相连，该第三通信口3的海水抽蓄电站控制信号输入端与所述的控制单元5的海水抽蓄电站控制信号输出端相连；

所述的控制单元(5)由下列步骤实现海水抽蓄风电联合多目标优化控制，如图2所示：

步骤1、计算海水抽蓄电站与风电场运行的年度总成本C_total，公式如下：

C_total＝C_wf+C_p+C_ht

其中C_totalmin≤C_total≤C_totalmax，C_totalmin、C_totalmax分别为海水抽蓄电站运行的年度总成本的最小值与最大值；C_wf、C_p、C_ht分别为风电场、水泵机组、海水抽蓄电站的年度总成本，皆为预设值；

步骤2、根据全天各时段的系统平均负荷和平均弃荷功率，计算全天的负荷失电率LPSP：

其中，n_max表示将全天等分成n_max个时间段；P_lp(n)表示该天第n个时段内的平均弃荷功率，表示第n个时段内的弃荷量；P_LS(n)表示该天第n个时段内的平均负荷，表示第n个时段的负荷量，；

步骤3、根据全天实际供给负荷的风电、水电以及系统的全天总负荷，计算全天系统负荷中的风电的渗透率β：

其中，P_w(n)表示第n个时段内的风电场的平均输出功率，表示第n个时段的风电场发电量；P_a(n)表示第n个时段内的系统平均弃风功率，表示第n个时段的弃风电量；P_ps(n)表示第n个时段内的水泵站的平均输入功率；P_ht(n)表示第n个时段内的海水抽蓄电站的平均输出功率，表示第n个时段的海水抽蓄电站发电量；皆为通过风电场和海水抽蓄电站的通讯口获得；

步骤4、根据全天各时段内的平均弃风功率P_a(n)、风电场的平均输出功率P_w(n)，计算全天的弃风率A:

步骤5、计算单个满意度，具体包括：

步骤51、计算年度总成本C_total满意度μ₁(C_total)：

步骤52、计算全天的负荷失电率LPSP满意度μ₂(LPSP)；

LPSP_min≤LPSP≤LPSP_max；

步骤53、计算风电渗透率β的满意度μ₃(β):

β_min≤β≤β_max；

步骤54、计算全天的弃风率A满意度μ₄(A)：

A_min≤A≤A_max；

步骤6联合满意度单目标优化，建立海水抽蓄风电联合满意度μ的单目标函数形式：

μ＝α₁μ₁(C_total)+α₂μ₂(LPSP)+α₃μ₃(β)+α₄μ₄(A)

其中α₁，α₂，α₃和α₄分别是μ₁(C_total)，μ₂(LPSP)，μ₃(β)和μ₄(A)这些满意度各自的权重值；

步骤7多目标优化模型：

根据上述的多目标函数的计算模型，构建如下多目标函数计算模型函数：

[C_total,LPSP,β,A]＝MultiObjects(n_w,n_p,n_t)

其中，n_w，n_p，n_t分别表示风力发电机的数量，水泵的数量，水轮机的数量；

步骤8控制器输出：

根据上述多目标优化模型，输出风电功率P_w(n)与海水抽蓄电站功率P_ht(n)。

Claims (1)

1.一种多目标优化控制的海水抽蓄风电联合控制方法，其特征在于，包括具有第一通讯口(1)、第二通信口(2)、第三通讯口(3)和控制单元(4)的控制器；

所述的第一通信口(1)的风电信号输入端与风电场的调度通信输出端相连，该第一通信口(1)的风电信号输出端与所述的控制单元(5)的风电信号输入端相连；

所述的第二通信口(2)的风电控制信号输出端与风电场的调度通信控制信号输入端相连，该第二通信口(2)的风电控制信号输入端与所述的控制单元(5)的风电控制信号输出端相连；

所述的第三通信口(3)的海水抽蓄电站控制信号输出端与海水抽蓄电站的调度通信的控制信号输入端相连，该第三通信口(3)的海水抽蓄电站控制信号输入端与所述的控制单元(5)的海水抽蓄电站控制信号输出端相连；

所述的控制单元(5)由下列步骤实现海水抽蓄风电联合多目标优化控制：

步骤1、计算海水抽蓄电站与风电场运行的年度总成本C_total，公式如下：

C_total＝C_wf+C_p+C_ht

其中C_totalmin≤C_total≤C_totalmax，C_totalmin、C_totalmax分别为海水抽蓄电站运行的年度总成本的最小值与最大值；C_wf、C_p、C_ht分别为风电场、水泵机组、海水抽蓄电站的年度总成本，皆为预设值；

步骤2、根据全天各时段的系统平均负荷和平均弃荷功率，计算全天的负荷失电率LPSP：

$LPSP=\frac{{\mathrm{\Σ}}_{n=1}^{n_{\max }}{P}_{lp}\left(n\right)\×\frac{24}{n_{\max }}}{{\mathrm{\Σ}}_{n=1}^{n_{\max }}{P}_{LS}\left(n\right)\×\frac{24}{n_{max}}}$

其中，n_max表示将全天等分成n_max个时间段；P_lp(n)表示该天第n个时段内的平均弃荷功率，表示第n个时段内的弃荷量；P_LS(n)表示该天第n个时段内的平均负荷，表示第n个时段的负荷量，；

步骤3、根据全天实际供给负荷的风电、水电以及系统的全天总负荷，计算全天系统负荷中的风电的渗透率β：

$\mathrm{\β}=\frac{{\mathrm{\Σ}}_{n=1}^{n_{\max }}\[P_w\left(n\right)-P_a\left(n\right)-P_{ps}\left(n\right)+P_{ht}\left(n\right)\]\×\frac{24}{n_{\max }}}{{\mathrm{\Σ}}_{n=1}^{n_{\max }}{P}_{LS}\left(n\right)\×\frac{24}{n_{max}}}$

其中，P_w(n)表示第n个时段内的风电场的平均输出功率，表示第n个时段的风电场发电量；P_a(n)表示第n个时段内的系统平均弃风功率，表示第n个时段的弃风电量；P_ps(n)表示第n个时段内的水泵站的平均输入功率；P_ht(n)表示第n个时段内的海水抽蓄电站的平均输出功率，表示第n个时段的海水抽蓄电站发电量；皆为通过风电场和海水抽蓄电站的通讯口获得；

步骤4、根据全天各时段内的平均弃风功率P_a(n)、风电场的平均输出功率P_w(n)，计算全天的弃风率A:

$A=\frac{{\mathrm{\Σ}}_{n=1}^{n_{\max }}{P}_a\left(n\right)\×\frac{24}{n_{\max }}}{{\mathrm{\Σ}}_{n=1}^{n_{\max }}\[P_w\left(n\right)\×\frac{24}{n_{max}}\]}$

步骤5、计算单个满意度，具体包括：

步骤51、计算年度总成本C_total满意度μ₁(C_total)：

${\mathrm{\μ}}_1\left(C_{total}\right)=\frac{C_{totalmax}-C_{total}}{C_{totalmax}-C_{totalmin}}$

步骤52、计算全天的负荷失电率LPSP满意度μ₂(LPSP)；

${\mathrm{\μ}}_2\left(LPSP\right)=\frac{{\mathrm{LPSP}}_{max}-LPSP}{{\mathrm{LPSP}}_{max}-{\mathrm{LPSP}}_{min}},{\mathrm{LPSP}}_{min}\≤LPSP\≤{\mathrm{LPSP}}_{max};$

步骤53、计算风电渗透率β的满意度μ₃(β):

${\mathrm{\μ}}_3\left(\mathrm{\β}\right)=\frac{\mathrm{\β}-{\mathrm{\β}}_{min}}{{\mathrm{\β}}_{\max }-{\mathrm{\β}}_{min}},{\mathrm{\β}}_{min}\≤\mathrm{\β}\≤{\mathrm{\β}}_{max};$

步骤54、计算全天的弃风率A满意度μ₄(A)：

${\mathrm{\μ}}_4\left(A\right)=\frac{A_{max}-A}{A_{max}-A_{min}},A_{min}\≤A\≤A_{max};$

步骤6联合满意度单目标优化，建立海水抽蓄风电联合满意度μ的单目标函数形式：

μ＝α₁μ₁(C_total)+α₂μ₂(LPSP)+α₃μ₃(β)+α₄μ₄(A)

其中α₁，α₂，α₃和α₄分别是μ₁(C_total)，μ₂(LPSP)，μ₃(β)和μ₄(A)这些满意度各自的权重值；

步骤7多目标优化模型：

根据上述的多目标函数的计算模型，构建如下多目标函数计算模型函数：

[C_total,LPSP,β,A]＝MultiObjects(n_w,n_p,n_t)

其中，n_w，n_p，n_t分别表示风力发电机的数量，水泵的数量，水轮机的数量；

步骤8控制器输出：

根据上述多目标优化模型，输出风电功率P_w(n)与海水抽蓄电站功率P_ht(n)。