CN107104462B - 一种用于风电场储能调度的方法 - Google Patents
一种用于风电场储能调度的方法 Download PDFInfo
- Publication number
- CN107104462B CN107104462B CN201710352460.4A CN201710352460A CN107104462B CN 107104462 B CN107104462 B CN 107104462B CN 201710352460 A CN201710352460 A CN 201710352460A CN 107104462 B CN107104462 B CN 107104462B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- wind power
- storage device
- power plant
- electricity
- 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.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000005611 electricity Effects 0.000 claims abstract description 102
- 238000010248 power generation Methods 0.000 claims description 19
- 239000001257 hydrogen Substances 0.000 claims description 18
- 229910052739 hydrogen Inorganic materials 0.000 claims description 18
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000005684 electric field Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000005868 electrolysis reaction Methods 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 6
- 210000005036 nerve Anatomy 0.000 claims description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 3
- 229910052744 lithium Inorganic materials 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 9
- 238000013461 design Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101100136092 Drosophila melanogaster peng gene Proteins 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 206010036086 Polymenorrhoea Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种用于风电场储能调度的方法，结合历史风电功率出力数据和结算电价数据，进行相应的风电功率和电价的数据预测，并且依据历史结算电价规律，将一天分为尖峰时段和非尖峰时段，然后依据电力市场的运行方式及其参数要求，选用合适的两级储能装置并设计相适应的风电场两级储能调度的策略，以风电场经济效益和并网电量的平滑度为目标，完成对风电场并网功率的调度，从而维持电网的稳定性。
Description
技术领域
本发明属于风电信技术领域，更为具体地讲，涉及一种用于风电场储能调 度的方法。
背景技术
在化石能源日益枯竭的今天，新能源成为人们的研究热点。风能作为时下 典型的新能源，其低廉的成本、丰富的资源、清洁的运行使之拥有广阔的应用 前景。其中，风力发电在近些年发展尤为迅速，其在电力系统中渗透也日益增 加。仅在2014年一年之内，全球就新建了总容量超过50GW的风力发电装置。 然而，由于受到季节、气候、地理位置等诸多因素影响，风力发电具有随机性、 间歇性和不可控性的特点。这些特点导致风力发电的发电量在一天之内可以达 到满负荷最大值输出也可能会处于停机状态零功率输出，如此大范围的功率波 动会严重影响电力系统的安全稳定运行。风电的大幅波动如果直接并网会改变 电力系统瞬时平衡的电力供应模式，对电力系统生产计划编制和调度运行安排 提出了更高的要求，增大了配电网的复杂性和不确定性。
如何应对风力发电波动性带来的问题，成为时下研究的热点。国内外研究 针对该问题，主要提出了两种平滑控制策略，一种是在系统中加如储能装置， 如：抽水储能、燃料电池、超级电容器等；另一种是利用风机自身调整控制， 如利用桨距角控制调整风机的桨距角。
如何在新的国家形势、行业背景下，在保证电力系统安全稳定运行的前提 下，平滑风电场出力的同时提高风电厂经济效益成为本发明的重点。
在文献“M.A.Chowdhury，N.Hosseinzadeh，W.Shen.Fuzzy logic systems forpitch angle controller for smoothing wind power fluctuations during belowrated wind incidents.IEEE Trondheim PowerTech.Energy Convers.,Vol.38,2011,pp.224–233.”中，提出了应用于桨距角控制器的模糊逻辑系统，根据当前风力事件， 通过模糊推理确定具有适当选择校正因子的EMA指令输出功率并且动态选择 目标输出功率。但是，这种利用桨距角控制来调整风电功率输出的方式不能在 风电频繁波动时做出相应的迅速改变，且如果做出不当的调整容易损坏相关电 力设备。文献“于芃，赵瑜，周玮，孙辉，等.基于混合储能系统的平抑风电波 动功率方法的研究.电力系统保护与控制，Vol.39(24),2011,pp.35-40”基于蓄电 池和超级电容器构成的新型混合储能系统，提出了一种基于混合储能系统的平 抑风电波动功率的方法，但并未结合市场，只以平抑功率波动作为唯一目标函 数，因此无明显经济效益。这些方法和系统均能在一定程度上较好的平滑风电 场出力，保证电网的安全稳定运行，然而它们依然存在一个普遍的问题，并未 结合电力市场大背景，经济效益不明显，经过调度调控之后风电的成本甚至可 能增加，使本身零成本的风力发电变得比传统能源发电还昂贵。在文献“Liu. Meng,L.Franklin,Lee Wei-Jen.Dispatch Scheduling for a Wind Farm With Hybrid Energy Storage Based onWind and LMP Forecasting.IEEE Transaction on Industry Applications,Vol.51,2015,pp.1970–1976.”中，虽然结合了电力市场的运行背景， 以节点边际电价为储能策略的判定条件，但并未对风电场实际并网电量的进行 平滑，这就在一定程度上影响了电力系统的稳定性，降低了并网电量的质量。
发明内容
本发明的目的在于克服现有技术的不足，提供一种用于风电场储能调度的 方法，以风电场经济效益和并网电量的平滑度为目标，完成对风电场并网功率 的调度。
为实现上述发明目的，本发明一种用于风电场储能调度的方法，其特征在于， 包括以下步骤：
(1)、结合历史风电功率出力数据和结算电价数据，进行相应的风电功率 和结算电价的预测，并且依据历史结算电价数据规律，将每天划为尖峰时段和 非尖峰时段；
(1.1)、风电功率预测
利用确定性预测方法对历史风电出力功率进行确定性预测，得到历史预测数 据；
将历史风电出力数据和历史预测数据进行对比，得到相对预测误差；
计算相对预测误差的概率密度函数：
其中，α1＞0，α2＞0；
利用区间预测理论求得风电功率预测区间值[Pmin,Pmax]：
Pmin＝max(P+f-1(α),Pw,min)
其中，β是置信度， α分别为置信区间上、下限，f(x)是相对预测误差 概率密度函数，P是历史预测数据，Pw,max、Pw,min分别是风电场总出力的固有 上、下限；
(1.2)、结算电价预测
将历史结算电价数据输入至人工神经网络模型，得到相应的结算电价预测 结果；
(2)、依据当前电力市场的运行方式及相应参数要求，选择合适的两级储 能装置；
(3)、根据预测的风电功率、结算电价和选择的多级储能装置，设计风电 场两级储能调度策略；
(3.1)、根据(1.1)中预测的风电功率上、下限区间值[Pmin,Pmax]，进行日前 储能调度安排；；
(3.1.1)、在非尖峰时段，风电场优先向第一级储能装置进行储能，其剩余 电量再用于并网；
风电场出力通过电解水方法将电能转化为氢能，存储在第一级储能装置中， 但每个单位段内的储能容量不能超过第一级储能装置允许的最大储能容量，再 将剩余电量用于并网；
(3.1.2)、在尖峰时段，风电场优先向电网输送功率；
风电场向电网输送功率包括风机出力功率和第一级储能装置释放的功率， 其中，第一级储能装置将存储的氢气通过燃料电池的反应，生成电能和水，再 将生成的电能送入电网，生成的水存储起来，用来进行下一非尖峰时段的电解 水反应，但每个单位段内的释放容量不能超过第一级储能装置允许的最大释放 容量；
(3.2)、根据实际的风电场出力，进行实时储能调度安排；
(3.2.1)、若风电场的实际发电量高于日前计划并网电量，且实际电价低于 临界电价时，在单位时间内最大波动范围为风电场总装机容量的±M％的波动允 许范围内，则优先将风电场的实际发电量存储在第二级储能装置中，但每个单 位段内的储能容量不能超过第二级储能装置允许的最大储能容量；
(3.2.2)、若风电场实际发电量高于日前计划并网电量，且实际电价高于临 界电价时，在单位时间内最大波动范围为风电场总装机容量的±M％的波动允许 范围内，将风电场的实际发电量和第二级储能装置释放的容量输送给电网，且 尽可能多的向电网输送电量，但每个单位段内的释放容量不能超过第二级储能 装置允许的最大释放容量；
(3.2.3)、若风电场实际发电量低于日前计划并网电量，则释放第二级储能 装置中的电量以满足电网的稳定需求，但每个单位段内的释放容量不能超过第 二级储能装置允许的最大释放容量。
本发明的发明目的是这样实现的：
本发明一种用于风电场储能调度的方法，结合历史风电功率出力数据和结 算电价数据，进行相应的风电功率和电价的数据预测，并且依据历史结算电价 规律，将一天分为尖峰时段和非尖峰时段，然后依据电力市场的运行方式及其 参数要求，选用合适的两级储能装置并设计相适应的风电场两级储能调度的策 略，完成对风电场并网功率的调度，从而维持电网的稳定性。
同时，本发明一种用于风电场储能调度的方法还具有以下有益效果：
通过使用本发明，针对电力市场的运行方式，进行不同的调度策略，从而 提高了风电场侧的经济效益，进一步提高了风电场的积极性，加大了风电的开 发意愿和力度；
(2)、根据对风力发电运行特性的分析，本发明在最大程度上保证风电的 并网容量，实现对绿色、无污染的新能源的应用，这对于环境保护方面来说， 也有一定的意义。
附图说明
图1是本发明一种用于风电场储能调度的方法流程图；
图2是基于确定性预测的风电功率结果；
图3是基于区间预测的风电功率结果；
图4是基于确定性预测的结算电价结果；
图5是日前市场下运行结果；
图6是实时市场下运行结果。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更 好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设 计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图1是本发明一种用于风电场储能调度的方法流程图。
在本实施例中，如图1所示，本发明一种用于风电场储能调度的方法，包 括以下步骤：
S1、结合历史风电功率出力数据和结算电价数据，进行相应的风电功率和 结算电价的预测，并且依据历史结算电价数据规律，将每天划为尖峰时段和非 尖峰时段；
S1.1、风电功率预测
风电功率出力波动较大且变化频繁，加大了预测难度，降低了预测的准确性， 因此，本实施例中采用确定性预测方法对历史风电出力功率进行确定性预测， 得到历史预测数据，如图2所示，实线为历史预测数据，虚线为实际的风电出 力数据；
结合图2，将历史风电出力数据和历史预测数据进行对比，得到相对预测误 差；由图2可看出，风电功率的波动频繁且波动值很大，甚至会从装机容量的 80％迅速降至0，在波动频繁的时间段内，确定性预测的准确性问题逐渐显现， 且预测误差过大，因此需要进行进一步的处理；
计算相对预测误差的概率密度函数，该概率密度函数服从βeta函数：
其中，α1＞0，α2＞0；在本实施例中，α1＝0.0448，α2＝1.6598；
利用区间预测理论求得风电功率预测区间值[Pmin,Pmax]：
Pmin＝max(P+f-1(α),Pw,min)
其中，β是置信度， α分别为置信区间上、下限，f(x)是相对预测误差 概率密度函数，P是历史预测数据，Pw,max、Pw,min分别是风电场总出力的固有 上、下限；
在本实施例中，通过区间预测理论可以求得如图3所示的预测区间值 [Pmin,Pmax]，其中，Pmax对应预测上限，Pmin对应预测下限，用于后续验证使用；
S1.2、结算电价预测
结算电价相较于风电功率变化相对平稳，因此选择人工神经网络算法进行 确定性预测；将历史结算电价数据输入至人工神经网络模型，得到相应的结算 电价预测结果；
其中，在进行结算电价预测时，选择3层4输入单输出的人工神经网络模 型，隐含层个数设定为7，输入数据是4月10日至17日中间隔为15min的历史 结算电价，测试数据是4月18日至20日间隔为15min的历史结算电价，对4 月21日一天中间隔为15min的96个点的结算电价进行预测；
基于图4所示的结算电价结果，由图可以看出，结算电价的波动范围相对 于风电出力要小很多，利用人工神经网络算法可以较为准确的预测出结算电价 的走向和数值。
S1.3、尖峰时段划分
对历史结算电价数据进行统计分析，设定每天13:00至20:00为尖峰时段， 其余时间为非尖峰时段。
S2、依据当前电力市场的运行方式及相应参数要求，在现有的储能技术中 选择合适的两级储能装置；
S2.1、根据电力市场运行方式将市场分为日前市场和实时市场两部分，日前 市场按小时进行调度安排，实时市场每15分钟为一个结算周期，相应的储能装 置依据不同的市场要求分别进行选择；
S2.2、日前市场和实时市场的参数要求应考虑储能系统的响应时间、运行效 率、系统容量、应用成熟情况以及建设环境等，日前市场应选择容量足够大， 易于建立在风电场周围的储能装置，综合考虑选择氢循环储能装置，抽水蓄能、 超级电容器储能等储能系统均满足日前市场下大容量储能和响应时间的要求， 但考虑到风电场的一般建设环境，不满足抽水蓄能对于建设环境具有地势差的 要求，因此综合考虑选择氢循环储能装置。该装置包括电解水装置，储氢、储 氧装置以及燃料电池系统；系统选取氢能为中间能量介质，在电量充足时或者 电价较低时将电能通过电解水装置将高温水电解成氢气和氧气，将电能转化为 氢能储存起来，这种能量转化方式清洁无污染，且容易调控；当电网负荷过重 或电价较高时，再将氢气通过氢氧联合循环发电系统将氢能转为电能供给大电 网，实现能量的传递；
S2.3、实时市场要求能快速响应以适应市场交易机制，响应时间至少为分钟 级别，储能容量相对于日前市场储能装置不必很大，满足要求的有飞轮储能、 超导储能和电池储能等，飞轮储能相较于电池储能能量密度低，自放电率高， 若停止充电则会将能量自行耗尽，超导储能相对于电池储能成本过高，尚处于 研究阶段，还未广泛应用，考虑以上因素以及储能技术的成熟状况，选择锂电 池储能系统；
S3、根据预测的风电功率、结算电价和选择的多级储能装置，设计风电场 两级储能调度策略；
S3.1、根据S1.1中预测的风电功率上、下限区间值[Pmin,Pmax]，进行日前储能 调度安排；
日前市场是以经济性为主要目标，根据历史结算电价将日前市场分为尖峰 时段和非尖峰时段，依据预测的风机发电状况，进行日前储能调度安排；
S3.1.1、在非尖峰时段，风电场优先向第一级储能装置进行储能，其剩余电 量再用于并网；
风电场出力通过电解水方法将电能转化为氢能，存储在第一级储能装置中， 但每个单位段内的储能容量不能超过第一级储能装置允许的最大储能容量，再 将剩余电量用于并网；
在非尖峰时段，储能装置存储尽可能多的电量：
其中，E(i)是i时段时储能装置容量，n总的时间段数，同时，风电和储能 装置受到功率平衡约束：
pg(i)＝fpw(i)-pch(i)
其中，pg是并网电量，fpw是预测的风电出力，pch是充电电量，考虑到储 能装置容量和系统每个时间段内最大放电电量，则充电电量的约束为：
其中，Emax、Emin是储能装置容量的上、下限，t是每个时间段长度，考虑到 储能装置效率和储能容量的影响，i时段时储能装置容量的约束如下：
Emin≤E(i)≤Emax
E(i)＝E(i-1)+ηpch(i)
其中，η是储能装置整体转换效率；
最后，考虑风电约束：
其中，是风电出力的最大、最小值；
S3.1.2、在尖峰时段，风电场优先向电网输送功率；
风电场向电网输送功率包括风机出力功率和第一级储能装置释放的功率， 其中，第一级储能装置将存储的氢气通过燃料电池的反应，生成电能和水，再 将生成的电能送入电网，生成的水存储起来，用来进行下一非尖峰时段的电解 水反应，但每个单位段内的释放容量不能超过第一级储能装置允许的最大释放 容量；
在尖峰时段，风电场向电网输送功率，则需要储能装置尽可能多的释放功 率：
同时，风电和储能装置受到功率平衡约束：
pg(i)＝fpw(i)+pdh(i)
充电约束：
i时段时储能装置容量的约束如下：
Emin≤E(i)≤Emax
E(i)＝E(i-1)-ηpdh(i)
风电约束为：
其中，E(i)是i时段时储能装置容量，n总的时间段数；Emax、Emin是储能装 置容量的上、下限；pg是并网电量；fpw是预测的风电出力；是风电 出力的最大、最小值；pdh是放电电量；是每个时间段内最大放电电量；prc是结算电价；η是储能系统整体转换效率；i是时间段数；n总的时间段数。
通过日前市场的储能策略，由图5(a)可以看出，在0:00到13:00，第一 级储能装置的储量处于连续增长状态，并于10:00左右到达储能最大值 300MWh，在13:00到20:00时，储能储量下降，而并网电量上升。在20:00之 后，继续进行充电工作，储能装置储电量继续上升。图5(b)显示了经过储能 调度后，日前市场下风电场的计划并网电量与第一级储能系统充放电量的关系； S3.2、根据实际的风电场出力，进行实时储能调度安排；
日前市场调度后，由于其是基于预测进行的一系列调度安排，而预测总是 不可避免存在一定的误差，为了消除预测误差带来的不利影响，进行实时市场 策略；
S3.2.1、若风电场的实际发电量高于日前计划并网电量，且实际电价低于临 界电价(预测电价的80％)时，在单位时间内最大波动范围为风电场总装机容 量的±3％的波动允许范围内，则优先将风电场的实际发电量存储在第二级储能 装置中，但每个单位段内的储能容量不能超过第二级储能装置允许的最大储能 容量；
S3.2.2、若风电场实际发电量高于日前计划并网电量，且实际电价高于临界 电价(预测电价的80％)时，在单位时间内最大波动范围为风电场总装机容量 的±3％的波动允许范围内，将风电场的实际发电量和第二级储能装置释放的容 量输送给电网，且尽可能多的向电网输送电量，但每个单位段内的释放容量不 能超过第二级储能装置允许的最大释放容量；
S3.2.3、若风电场实际发电量低于日前计划并网电量，则释放第二级储能装 置中的电量以满足电网的稳定需求，但每个单位段内的释放容量不能超过第二 级储能装置允许的最大释放容量。
图6(a)为依据风电区间预测上限按照储能策略进行调度安排后的结果， 可以看出风电并网功率较之前有了一定程度的平滑，且在尖峰时段提升了风电 场的并网电量；图6(b)为依据风电区间预测下限按照储能策略进行调度安排 后的结果，同样增加了在尖峰时段的风电场并网电量，且在一定程度上平滑了 实际并网电量。
实例
在本实施例中，选择总装机容量为350MW的德州某风电场为测试样本，根 据风电功率的预测值和结算电价预测值，进行日前市场和实时市场的储能调度 安排，通过对采用策略后的并网电量和未采用策略的并网电量进行所带来的经 济效益进行比较，验证采用该策略可以提高风电场的经济效益，并且平滑了实 际并网功率，减轻了因为并网功率波动对电网的稳定性影响。
其中，依据市场运行模式，储能装置设置为两级储能装置，第一级为最大 储能容量为300MWh的氢循环储能系统，储能系统整体效率为储氢效率×燃料电 池效率，即
ηe×ηf＝80％×69％＝55％
设定第一级储能系统最大存储电量为300MWh，最小存储电量为20MWh， 每小时充放电最大电量为60MW，储能系统中初始电量假设为60MWh；第二级 为最大储能容量70MWh的锂电池储能系统，考虑到电池深度放电对电池使用寿 命的不利影响，为了减少对储能系统的损害，防止储能系统过放电，设定第二 级储能系统最大存储电量为70MWh，每小时充放电最大电量为4MW，储能系 统中初始电量假设为50MWh。
经过本发明提出的优化策略进行调度安排后，其并网电量的平滑性较风电 出力有了一定的提升，且在原本风力发电为零的时刻提高了最终的并网电量。 根据功率平滑性能指标Plevel：
其中，pg是实际并网电量，pR是风电场的有效装机容量。
可得，未经过策略调度的并网电量Plevel＝3.96，经过本发明策略调度后，按 预测上限计算Plevel＝3.67，按预测下限计算Plevel＝3.63。经过策略调度之后，实际 的并网电量平滑性较之前更优良，提高了约10％。
经济性方面的结果，汇总如表1所示；
表一是经济结果对照表；
表1
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域 的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对 本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定 的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发 明创造均在保护之列。
Claims (3)
1.一种用于风电场储能调度的方法，其特征在于，包括以下步骤：
(1)、结合历史风电功率出力数据和结算电价数据，进行相应的风电功率和结算电价的预测，并且依据历史结算电价数据规律，将每天划为尖峰时段和非尖峰时段；
(1.1)、风电功率预测
利用确定性预测方法对历史风电出力功率进行确定性预测，得到历史预测数据；
将历史风电出力数据和历史预测数据进行对比，得到相对预测误差；
计算相对预测误差的概率密度函数：
其中，α1＞0，α2＞0；
利用区间预测理论求得风电功率预测区间值[Pmin,Pmax]：
Pmin＝max(P+f-1(α),Pw,min)
其中，β是置信度， α分别为置信区间上、下限，f(x)是相对预测误差概率密度函数，P是历史预测数据，Pw,max、Pw,min分别是风电场总出力的固有上、下限；
(1.2)、结算电价预测
将历史结算电价数据输入至人工神经网络模型，得到相应的结算电价预测结果；
(2)、依据当前电力市场的运行方式及相应参数要求，选择合适的两级储能装置；
(3)、根据预测的风电功率、结算电价和选择的多级储能装置，设计风电场两级储能调度策略；
(3.1)、根据(1.1)中预测的风电功率上、下限区间值[Pmin,Pmax]，进行日前储能调度安排；
(3.1.1)、在非尖峰时段，风电场优先向第一级储能装置进行储能，其剩余电量再用于并网；
风电场出力通过电解水方法将电能转化为氢能，存储在第一级储能装置中，但每个单位段内的储能容量不能超过第一级储能装置允许的最大储能容量，再将剩余电量用于并网；
(3.1.2)、在尖峰时段，风电场优先向电网输送功率；
风电场向电网输送功率包括风机出力功率和第一级储能装置释放的功率，其中，第一级储能装置将存储的氢气通过燃料电池的反应，生成电能和水，再将生成的电能送入电网，生成的水存储起来，用来进行下一非尖峰时段的电解水反应，但每个单位段内的释放容量不能超过第一级储能装置允许的最大释放容量；
(3.2)、根据实际的风电场出力，进行实时储能调度安排；
(3.2.1)、若风电场的实际发电量高于日前计划并网电量，且实际电价低于临界电价时，在单位时间内最大波动范围为风电场总装机容量的±M％的波动允许范围内，则优先将风电场的实际发电量存储在第二级储能装置中，但每个单位段内的储能容量不能超过第二级储能装置允许的最大储能容量；
(3.2.2)、若风电场实际发电量高于日前计划并网电量，且实际电价高于临界电价时，在单位时间内最大波动范围为风电场总装机容量的±M％的波动允许范围内，将风电场的实际发电量和第二级储能装置释放的容量输送给电网，且尽可能多的向电网输送电量，但每个单位段内的释放容量不能超过第二级储能装置允许的最大释放容量；
(3.2.3)、若风电场实际发电量低于日前计划并网电量，则释放第二级储能装置中的电量以满足电网的稳定需求，但每个单位段内的释放容量不能超过第二级储能装置允许的最大释放容量。
2.根据权利要求1所述的一种用于风电场储能调度的方法，其特征在于，所述的尖峰时段和非尖峰时段的划分方法为：
根据历史结算电价数据的统计分析，设定每天13:00至20:00为尖峰时段，其余时间为非尖峰时段。
3.根据权利要求1所述的一种用于风电场储能调度的方法，其特征在于，所述的第一级储能装置选用氢循环储能系统，第二级储能装置选用锂电池储能系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710352460.4A CN107104462B (zh) | 2017-05-18 | 2017-05-18 | 一种用于风电场储能调度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710352460.4A CN107104462B (zh) | 2017-05-18 | 2017-05-18 | 一种用于风电场储能调度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107104462A CN107104462A (zh) | 2017-08-29 |
| CN107104462B true CN107104462B (zh) | 2019-09-24 |
Family
ID=59669580
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710352460.4A Active CN107104462B (zh) | 2017-05-18 | 2017-05-18 | 一种用于风电场储能调度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107104462B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108460228B (zh) * | 2018-03-21 | 2021-06-04 | 电子科技大学 | 一种基于多目标优化算法进行风电场等值的方法 |
| CN109256802B (zh) * | 2018-10-08 | 2020-11-10 | 南京千智电气科技有限公司 | 一种调峰供电控制方法与装置 |
| CN112310988A (zh) * | 2020-10-20 | 2021-02-02 | 齐鲁工业大学 | 一种基于波动率裕度的混合储能容量优化配置方法 |
| CN112350350B (zh) * | 2020-10-26 | 2022-02-08 | 清华四川能源互联网研究院 | 电池储能和制氢设备的运营管控方法、装置和电子设备 |
| CN113471948B (zh) * | 2021-06-23 | 2022-11-08 | 国网吉林省电力有限公司电力科学研究院 | 风光储互补制氢交直流系统的自适应管控方法 |
| CN117239843B (zh) * | 2023-11-13 | 2024-01-26 | 国网山东省电力公司东营供电公司 | 一种考虑储能的风电场调峰优化调度方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104300585A (zh) * | 2014-10-13 | 2015-01-21 | 江苏大学 | 一种基于大规模风电并网的经济调度优化方法 |
| CN104617590A (zh) * | 2014-07-18 | 2015-05-13 | 国网上海市电力公司 | 不同时间尺度下基于混合储能调度的微网能量优化方法 |
| JP2015167439A (ja) * | 2014-03-03 | 2015-09-24 | 国立大学法人岐阜大学 | 太陽光発電装置の発電量予測システム及び発電量予測方法 |
| CN105006843A (zh) * | 2014-04-17 | 2015-10-28 | 国家电网公司 | 一种应对风电不确定性的多时间尺度柔性负荷调度方法 |
| CN106026164A (zh) * | 2016-06-16 | 2016-10-12 | 上海电机学院 | 一种具有储能装置的光伏发电系统 |
| CN106532769A (zh) * | 2016-11-25 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 基于光伏并网不确定性的需求侧分时电价的优化方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5101675B2 (ja) * | 2010-09-09 | 2012-12-19 | 株式会社東芝 | 需給バランス制御装置 |
-
2017
- 2017-05-18 CN CN201710352460.4A patent/CN107104462B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015167439A (ja) * | 2014-03-03 | 2015-09-24 | 国立大学法人岐阜大学 | 太陽光発電装置の発電量予測システム及び発電量予測方法 |
| CN105006843A (zh) * | 2014-04-17 | 2015-10-28 | 国家电网公司 | 一种应对风电不确定性的多时间尺度柔性负荷调度方法 |
| CN104617590A (zh) * | 2014-07-18 | 2015-05-13 | 国网上海市电力公司 | 不同时间尺度下基于混合储能调度的微网能量优化方法 |
| CN104300585A (zh) * | 2014-10-13 | 2015-01-21 | 江苏大学 | 一种基于大规模风电并网的经济调度优化方法 |
| CN106026164A (zh) * | 2016-06-16 | 2016-10-12 | 上海电机学院 | 一种具有储能装置的光伏发电系统 |
| CN106532769A (zh) * | 2016-11-25 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 基于光伏并网不确定性的需求侧分时电价的优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107104462A (zh) | 2017-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107104462B (zh) | 一种用于风电场储能调度的方法 | |
| CN107528341B (zh) | 一种用于高风电渗透率的大电网储能调度的方法 | |
| Acevedo-Arenas et al. | MPC for optimal dispatch of an AC-linked hybrid PV/wind/biomass/H2 system incorporating demand response | |
| CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
| CN107134815A (zh) | 一种可并网运行的风光储一体微电网及其监控装置 | |
| CN107404129B (zh) | 风-储混合电站运行策略及短期计划出力优化方法 | |
| Mladenov et al. | Characterisation and evaluation of flexibility of electrical power system | |
| CN110661301B (zh) | 一种水光蓄多能互补发电系统的容量配置优化方法 | |
| CN102593855B (zh) | 平抑电力系统中可再生能源电源输出功率波动的方法 | |
| CN110543966A (zh) | 一种电热气联供的微能源网的日前调度优化方法 | |
| Wang et al. | An improved min-max power dispatching method for integration of variable renewable energy | |
| Lipman et al. | An assessment of battery and hydrogen energy storage systems integrated with wind energy resources in California | |
| CN104659818A (zh) | 一种正负旋转备用容量在含风电系统中的最优分配方法 | |
| Chen et al. | Economic dispatch of hydro-thermal power system with large-scale wind power penetration | |
| Xv et al. | Day-ahead scheduling with renewable generation considering shared energy storage | |
| Yang et al. | Collaborative optimization of wind-solar-storage configuration in county distribution network considering near-zero carbon emission | |
| CN211183436U (zh) | 一种基于能量预测的光储微电网系统 | |
| CN110417002B (zh) | 一种孤岛微电网能量模型的优化方法 | |
| Ganesan et al. | Dynamic and intelligent load servicing strategy for a stand-alone solar PV-based microgrid | |
| Gong et al. | Research on scheduling of wind solar energy storage microgrid considering new energy consumption | |
| Herath et al. | Mitigation of solar intermittency using battery energy storage systems, as a case study for sri lanka | |
| Liang et al. | Allowable Capacity Analysis of Distributed Renewable Energy Resources in Active Distribution Network | |
| Zhou et al. | A Study on Source-Network-Demand Coordinated Expansion Planning of the Sending Power System Considering DC Transmission and Hydro-Solar Complementary | |
| CN108039733A (zh) | 一种适用于大功率风电消纳的微网组网系统 | |
| Li et al. | Lifetime cost optimized wind power control using hybrid energy storage system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |