CN107453409A - 一种基于短周期均值方差的新能源储能配置优化方法 - Google Patents
一种基于短周期均值方差的新能源储能配置优化方法 Download PDFInfo
- Publication number
- CN107453409A CN107453409A CN201710621336.3A CN201710621336A CN107453409A CN 107453409 A CN107453409 A CN 107453409A CN 201710621336 A CN201710621336 A CN 201710621336A CN 107453409 A CN107453409 A CN 107453409A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msubsup
- new energy
- munderover
- 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.)
- Granted
Links
Classifications
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于短周期均值方差的新能源储能配置优化方法,以15min为一个周期,采集前一运行周期的风、光均值与方差数据;以均值数据为基础,再通过对方差数据进行合理加权来决定减载比例,以此决定下一运行周期能向市场供应的投标值;在运行过程中,通过互补控制实现新能源有功平滑输出,达到最终优化储能容量的目的。本发明所述方法相较于传统的新能源固定比例减载,可明显减小新能源所需配置的储能容量并保证新能源有功输出稳定,相较于其他减载计算方法,本发明算法所需数据量小、易于实现,有利于新能源在实时电力市场中盈利,具有很好的可行性和实用价值。
Description
技术领域
本发明涉及电力系统控制领域,尤其是一种基于短周期均值方差的新能源储能配置优化方法。
背景技术
分布式发电是目前世界广泛采用的消纳新能源发电的方式之一。然而在现有电网中,消纳分布式新能源主要面临两大挑战。(1)新能源输出功率的波动难以避免;随着分布式新能源接入配电网的数量逐渐增加,有功波动会导致系统频率稳定问题,影响运行安全。(2)新能源发电预测误差大;在日前市场模式下,新能源实际输出与预测相差很大,限制了新能源发电参与电力市场的可能。为解决以上问题,配备储能单元成为了不可或缺的手段。以张北国家风光储输示范工程为例,考虑到安全裕度,配备储能的容量高达总装机容量的14.4%。而在实际运行中,新能源发电一般低于总装机容量,风光总功率最小约2.4MW,最大约为10MW,储能最大放电功率约为4.5MW,最大充电功率约为-6MW,可见储能出力所占比例之大。因此,为优化储能容量、增强新能源的经济性和竞争力,需从自身控制和市场制度两方面着手研究。
对新能源自身来说,随着新能源发电技术的不断发展完善,很多新能源分布式发电机本身已经具有一定平滑有功输出功率的能力。目前常采用减载运行策略,将最大功率的5%~10%留作功率备用。然而,这种固定比例的减载造成了能源的浪费,对有功输出波动的抑制作用有限,仍需配备相当容量的储能来确保平滑输出。除利用功率备用外,新能源发电机联合运行控制也成为减少储能容量的重要手段之一。
从市场制度方面来说,实时电力市场制度有利于实现新能源市场化、减少储能配置。日前市场不利于新能源的市场竞争,主要因为风电日前预测的平均误差高达风电容量的8%~10%,所需配备的储能很大。而实时电力市场的短时性有利于新能源与市场的对接:随着新能源预测周期的缩短,准确性明显提高,可以有效降低储能容量。2015年初,电改9号文件表明,我国将推进电力市化,包括15~30分钟的实时电力市场。但随着分布式新能源接入配电网的数量逐渐增加,新能源输出有功波动增大,为平滑输出,配备储能必不可少。同时,为符合日前市场规则,导致“新能源预测时间长、输出与预测相差大”问题,为解决该问题,也必须配备储能。然而成本随容量增多而迅速增长。为降低新能源发电配备储能的成本,缩短预测时间,实现新能源的准确预测与互补控制具有十分重要的研究意义与实用价值。
发明内容
本发明所要解决的技术问题在于,提供一种基于短周期均值方差的新能源储能配置优化方法,能够显著减小所需的储能配置容量,有利于降低新能源发电成本。
为解决上述技术问题,本发明提供一种基于短周期均值方差的新能源储能配置优化方法,包括如下步骤:
(1)载入风力发电机组及光伏发电机组上一运行周期15min的历史运行数据;
(2)分别计算上一周期15min风机和光伏历史运行数据的均值和方差;
其中,Ini(T-1,tn)和Wsj(T-1,tn)是T-1周期前14min的光强和风速数据,Ini(T-2,tn)和Wsj(T-2,tn)是T-2周期最后1min光强和风速数据,总量N=225;hi1是前一预测周期1min内光强的和,hi2是前一运行周期14min内光强的和,即为该预测周期前15min光照强度的均值,风机同理;
(3)根据计算出的均值和方差计算风机和光伏的减载比例和投标值;
其中,DPV.i是第i台屋顶光伏随时间变化的减载比例;DWG.j是第j台风机随时间变化的减载比例;aPV、bPV、aWG、bWG是权重系数;是由均值决定的预期输出功率,PPV.i(T)、PWG.j(T)即为第i台屋顶光伏和第j台风机对T时间段的投标值,PSREG(T)为总投标值;
(4)计算每个电池的SOC,其中t=4s为检测间隔,η+=0.65和η-=0.95分别为电池充电和放电效率;
(5)计算每个电池能提供的最大功率和电池能提供的总功率;
其中,PS.k(T)是第k个电池Tth时间间隔内输出的有功(充电时为正,放电时为负),Ps(T)是电池总输出;按照工程实际,设定SOC值控制在[0.2,0.8];
(6)进入运行周期,通过实时的天气数据得到所辖新能源分布式发电的所能输出的最大功率和相加得到总最大输出功率
(7)实时输出值与投标值的差别首先由自身的剩余出力进行补充,如果不足再通过其他新能源增加输出进行互补,仍不足则通过电池进行补充,最终达到实际输出值与投标值相等的目标。
优选的,步骤(5)中,为了保证电池在电力市场每个投标周期内能持续工作,如果SoC低于0.25,电池将不再以额定功率为最大输出功率运行,而是根据SoC计算电池输出值。
优选的,步骤(7)中,根据实时输出值与投标值的差别对所处情况进行判断,分为情况一、情况二、情况三进行应对;情况一,新能源分布式电源完全可以依靠相互协调满足集成服务商承诺的投标值,不需要储能出力,当有一台或者多台新能源分布式发电机已经运行到最大运行点,仍然不能提供足够的功率时,由其他分布式发电机根据自己的能力,按照比例提供补偿功率;情况二,通过一定比例的储能可以应对新能源发电的输出波动,当一台或者多台新能源分布式发电机运行到最大运行点,仍然不能满足应该提供的功率,而其他新能源发电机已经用尽减载备用,这时候需要利用电池储能来满足集成服务商对市场的承诺;情况三,新能源分布式发电受到了无法预料的极端天气影响,所有分布式发电机都运行于其最大运行点,储能也达到额定功率,但仍然无法达到向系统的承诺值。一旦出现这种情况,集成服务商将支付辅助服务费用。
本发明的有益效果为:(1)本发明所述的基于短周期均值方差的新能源储能配置优化方法,符合我国未来很可能推行的实时电力市场制度,能够保证新能源的稳定输出,提高电能质量,解决新能源目前面对的弃风弃光问题;(2)相比较于传统的预测与控制方法,本方法显著减小了所需的储能配置容量,有利于降低新能源发电成本。
附图说明
图1为本发明的结构示意图。
图2为本发明基于短周期均值方差的新能源储能配置优化方法下,针对实际可能发生的三种情况,不配置储能与配置储能的总输出波动情况对比示意图。
图3为本发明若不采用联合减载,仅采用分别固定10%减载策略时,选取其中一台新能源发电机WG2为例的示意图。
图4为本发明若采取联合运行措施,但仍采用固定10%减载时,在配备储能进行平滑前后输出示意图。
具体实施方式
下面结合几种运行中可能出现的实际情况对本发明作更进一步的说明。
如图1所示,本发明主要包括有功预测单元和有功控制单元。有功预测单元包括风机均值方差计算模块、光伏均值方差计算模块和电池状态计算模块。有功控制单元包括风机实时出力采集模块、光伏实时采集模块及差值监控模块。其中:所示风机均值方差计算模块和光伏均值方差计算模块,分别用于采集并计算前一周期15min中的风机、光伏输出有功功率的均值和方差;所述电池状态计算模块,用于计算电池的SOC及计算其所能提供的功率;所述风机实时出力采集模块和光伏实时采集模块,用于实时采集该运行周期15min内的风电机组和光伏功率实测值,传递给差值监控模块;所述差值监控模块,用于将实测值与有功预测单元预测出的投标值进行比较,将差值传输给新能源及储能协调控制单元;所述新能源及储能协调控制单元,根据所面临的不同情况,首先通过新能源自身的出力调整对不足进行补充,若不足以达到投标值,再增加其他新能源的输出,若仍不足,再根据电池的SOC情况增加电池出力进行补充。
本发明的方法按如下步骤进行:
(1)载入风力发电机组及光伏发电机组上一运行周期15min的历史运行数据;
(2)计算上一周期15min光伏历史运行数据的均值和方差计算上一周期15min风机历史运行数据的均值和方差
(3)根据步骤(2)计算出的均值和方差计算每台光伏的减载比例DPV.i和投标值PPV.i(T),风机的减载比例DWG.j和投标值PWG.j(T),相加得出总投标值PSREG(T);
(4)计算每个电池的SOC;
(5)根据步骤(4)计算出的SOC计算每个电池能提供的最大功率PS.k(T)和电池能提供的总功率Ps(T);
(6)进入运行周期,通过实时的天气数据得到所辖新能源分布式发电的所能输出的最大功率和相加得到总最大输出功率
在实际运行中,基于新能源集成服务商的储能优化控制可分为三种情况。
情况1:理想运行状态,新能源分布式电源完全可以依靠相互协调满足集成服务商承诺的投标值,不需要储能出力,(即各台新能源发电机能够输出的最大功率和当有一台或者多台新能源分布式发电机已经运行到最大运行点,仍然不能提供足够的功率时,由其他分布式发电机根据自己的能力,按照比例提供补偿功率。
情况2:通过一定比例的储能可以应对新能源发电的输出波动,(即当一台或者多台新能源分布式发电机运行到最大运行点,仍然不能满足应该提供的功率,而其他新能源发电机已经用尽减载备用。这时候需要利用电池储能来满足集成服务商对市场的承诺。储能出力比例按照储能最大输出功率的比例来弥补不足。
情况3:新能源分布式发电受到了无法预料的极端天气影响。所有分布式发电机都运行于其最大运行点,储能也达到额定功率,但仍然无法达到向系统的承诺值(即)。一旦出现这种情况,集成服务商将接受电网的惩罚,或者支付辅助服务费用。但是考虑到对新能源的鼓励政策,一般以低一级惩罚进行处罚。
在三种不同的实际情况下,考虑到实际工程裕度,所述方法为达到实际输出值与投标值差距在2%以下,所需配备储能的容量为10kW。在进行电池补充的情况下,除情况3极端天气外均可达到输出值与投标值相等,如图2所示。
图3为本发明若不采用联合减载,仅采用分别固定10%减载策略时,为使实际输出与投标值差值控制在2%以下,选取其中一台新能源发电机WG2为例的示意图,单台风机需配备的储能为14.2kW。
图4为本发明若采取联合运行措施,但仍采用固定10%减载时,为使实际输出与投标值差值控制在2%以下,需配备的储能容量为13.1kW,在配备储能进行平滑前后输出示意图。
表1为所提基于短周期均值方差的新能源储能配置优化方法所需配备储能与固定比例分别减载和固定比例联合减载所需配备储能容量的对比。可以看出所提方法所需储能容量明显小于其他两种传统方法。
表1
PSREG/(kW) | S/(kW) | |
固定分别减载 | 137.1 | 45.9 |
固定联合减载 | 137.1 | 13.1 |
集成服务商 | 146.4 | 10 |
尽管本发明就优选实施方式进行了示意和描述,但本领域的技术人员应当理解,只要不超出本发明的权利要求所限定的范围,可以对本发明进行各种变化和修改。
Claims (3)
1.一种基于短周期均值方差的新能源储能配置优化方法,其特征在于,包括如下步骤:
(1)载入风力发电机组及光伏发电机组上一运行周期15min的历史运行数据;
(2)分别计算上一周期15min风机和光伏历史运行数据的均值和方差;
<mrow>
<msubsup>
<mi>In</mi>
<mi>i</mi>
<mi>&mu;</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>In</mi>
<mi>i</mi>
<mi>&sigma;</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<mo>{</mo>
<mrow>
<mo>{</mo>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>15</mn>
</mrow>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>In</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>T</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>In</mi>
<mi>i</mi>
<mi>&mu;</mi>
</msubsup>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mi>N</mi>
<mo>-</mo>
<mn>14</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>In</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>T</mi>
<mo>-</mo>
<mn>2</mn>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>In</mi>
<mi>i</mi>
<mi>&mu;</mi>
</msubsup>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mo>}</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>Ws</mi>
<mi>j</mi>
<mi>&mu;</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>h</mi>
<mrow>
<mi>j</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>h</mi>
<mrow>
<mi>j</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>Ws</mi>
<mi>j</mi>
<mi>&sigma;</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<mrow>
<mo>{</mo>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mi>N</mi>
<mo>-</mo>
<mn>14</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>Ws</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>T</mi>
<mo>-</mo>
<mn>2</mn>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>Ws</mi>
<mi>j</mi>
<mi>&mu;</mi>
</msubsup>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>15</mn>
</mrow>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>Ws</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>T</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>Ws</mi>
<mi>j</mi>
<mi>&mu;</mi>
</msubsup>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mo>}</mo>
</mrow>
</mrow>
其中,Ini(T-1,tn)和Wsj(T-1,tn)是T-1周期前14min的光强和风速数据,Ini(T-2,tn)和Wsj(T-2,tn)是T-2周期最后1min光强和风速数据,总量N=225;hi1是前一预测周期1min内光强的和,hi2是前一运行周期14min内光强的和,即为该预测周期前15min光照强度的均值,风机同理;
(3)根据计算出的均值和方差计算风机和光伏的减载比例和投标值;
<mrow>
<msub>
<mi>D</mi>
<mrow>
<mi>P</mi>
<mi>V</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>P</mi>
<mi>V</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>In</mi>
<mi>i</mi>
<mi>&sigma;</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>P</mi>
<mi>V</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>P</mi>
<mi>V</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>D</mi>
<mrow>
<mi>P</mi>
<mi>V</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>PV</mi>
<mrow>
<mi>M</mi>
<mi>P</mi>
<mi>P</mi>
<mi>T</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>In</mi>
<mi>i</mi>
<mi>&mu;</mi>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>D</mi>
<mrow>
<mi>W</mi>
<mi>G</mi>
<mo>.</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>W</mi>
<mi>G</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>Ws</mi>
<mi>j</mi>
<mi>&sigma;</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>W</mi>
<mi>G</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>W</mi>
<mi>G</mi>
<mo>.</mo>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>D</mi>
<mrow>
<mi>W</mi>
<mi>G</mi>
<mo>.</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>WG</mi>
<mrow>
<mi>M</mi>
<mi>P</mi>
<mi>P</mi>
<mi>T</mi>
</mrow>
</msub>
<mo>(</mo>
<mrow>
<msubsup>
<mi>Ws</mi>
<mi>j</mi>
<mi>&mu;</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>S</mi>
<mi>R</mi>
<mi>E</mi>
<mi>G</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>I</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>P</mi>
<mi>V</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>J</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>W</mi>
<mi>G</mi>
<mo>.</mo>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,DPV.i是第i台屋顶光伏随时间变化的减载比例;DWG.j是第j台风机随时间变化的减载比例;aPV、bPV、aWG、bWG是权重系数;是由均值决定的预期输出功率,PPV.i(T)、PWG.j(T)即为第i台屋顶光伏和第j台风机对T时间段的投标值,PSREG(T)为总投标值;
(4)计算每个电池的SOC,其中t=4s为检测间隔,η+=0.65和η-=0.95分别为电池充电和放电效率;
<mrow>
<msub>
<mi>C</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>C</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&eta;</mi>
<mo>+</mo>
</msub>
<msubsup>
<mi>P</mi>
<mrow>
<mi>S</mi>
<mo>.</mo>
<mi>k</mi>
</mrow>
<mo>+</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>t</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>C</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>&eta;</mi>
<mo>-</mo>
</msub>
</mfrac>
<mi>&beta;</mi>
<mo>(</mo>
<mrow>
<mi>T</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
</mrow>
<mo>)</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>S</mi>
<mo>.</mo>
<mi>k</mi>
</mrow>
<mo>-</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mi>t</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<msubsup>
<mi>SoC</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>SoC</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<msubsup>
<mi>C</mi>
<mi>k</mi>
<mrow>
<mi>r</mi>
<mi>a</mi>
<mi>t</mi>
<mi>e</mi>
</mrow>
</msubsup>
</mfrac>
<mfrac>
<mn>1</mn>
<msub>
<mi>&eta;</mi>
<mi>d</mi>
</msub>
</mfrac>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<mrow>
<mn>0.25</mn>
<mi>T</mi>
</mrow>
</msubsup>
<msubsup>
<mi>P</mi>
<mrow>
<mi>S</mi>
<mo>.</mo>
<mi>k</mi>
</mrow>
<mrow>
<mi>r</mi>
<mi>a</mi>
<mi>t</mi>
<mi>e</mi>
</mrow>
</msubsup>
<mi>d</mi>
<mi>t</mi>
</mrow>
(5)计算每个电池能提供的最大功率和电池能提供的总功率;
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>S</mi>
<mo>.</mo>
<mi>k</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>S</mi>
<mo>.</mo>
<mi>k</mi>
</mrow>
<mrow>
<mi>r</mi>
<mi>a</mi>
<mi>t</mi>
<mi>e</mi>
</mrow>
</msubsup>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>SoC</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mn>0.25</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msubsup>
<mi>SoC</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
</mrow>
<mn>0.25</mn>
</mfrac>
<msubsup>
<mi>P</mi>
<mrow>
<mi>S</mi>
<mo>.</mo>
<mi>k</mi>
</mrow>
<mrow>
<mi>r</mi>
<mi>a</mi>
<mi>t</mi>
<mi>e</mi>
</mrow>
</msubsup>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>SoC</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo><</mo>
<mn>0.25</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>S</mi>
<mo>.</mo>
<mi>k</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,PS.k(T)是第k个电池Tth时间间隔内输出的有功(充电时为正,放电时为负),Ps(T)是电池总输出;按照工程实际,设定SOC值控制在[0.2,0.8];
(6)进入运行周期,通过实时的天气数据得到所辖新能源分布式发电的所能输出的最大功率和相加得到总最大输出功率
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>P</mi>
<mi>V</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>PV</mi>
<mrow>
<mi>M</mi>
<mi>P</mi>
<mi>P</mi>
<mi>T</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<msub>
<mi>In</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>W</mi>
<mi>G</mi>
<mo>.</mo>
<mi>j</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>WG</mi>
<mrow>
<mi>M</mi>
<mi>P</mi>
<mi>P</mi>
<mi>T</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<msub>
<mi>Ws</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>S</mi>
<mi>R</mi>
<mi>E</mi>
<mi>G</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>I</mi>
</munderover>
<msubsup>
<mi>P</mi>
<mrow>
<mi>P</mi>
<mi>V</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mrow>
<mi>T</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>J</mi>
</munderover>
<msubsup>
<mi>P</mi>
<mrow>
<mi>W</mi>
<mi>G</mi>
<mo>.</mo>
<mi>j</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
(7)实时输出值与投标值的差别首先由自身的剩余出力进行补充,如果不足再通过其他新能源增加输出进行互补,仍不足则通过电池进行补充,最终达到实际输出值与投标值相等的目标。
2.如权利要求1所述的基于短周期均值方差的新能源储能配置优化方法,其特征在于,步骤(5)中,为了保证电池在电力市场每个投标周期内能持续工作,如果SoC低于0.25,电池将不再以额定功率为最大输出功率运行,而是根据SoC计算电池输出值。
3.如权利要求1所述的基于短周期均值方差的新能源储能配置优化方法,其特征在于,步骤(7)中,根据实时输出值与投标值的差别对所处情况进行判断,分为情况一、情况二、情况三进行应对;情况一,新能源分布式电源完全可以依靠相互协调满足集成服务商承诺的投标值,不需要储能出力,当有一台或者多台新能源分布式发电机已经运行到最大运行点,仍然不能提供足够的功率时,由其他分布式发电机根据自己的能力,按照比例提供补偿功率;情况二,通过一定比例的储能可以应对新能源发电的输出波动,当一台或者多台新能源分布式发电机运行到最大运行点,仍然不能满足应该提供的功率,而其他新能源发电机已经用尽减载备用,这时候需要利用电池储能来满足集成服务商对市场的承诺;情况三,新能源分布式发电受到了无法预料的极端天气影响,所有分布式发电机都运行于其最大运行点,储能也达到额定功率,但仍然无法达到向系统的承诺值;一旦出现这种情况,集成服务商将支付辅助服务费用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710621336.3A CN107453409B (zh) | 2017-07-27 | 2017-07-27 | 一种基于短周期均值方差的新能源储能配置优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710621336.3A CN107453409B (zh) | 2017-07-27 | 2017-07-27 | 一种基于短周期均值方差的新能源储能配置优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107453409A true CN107453409A (zh) | 2017-12-08 |
CN107453409B CN107453409B (zh) | 2020-08-25 |
Family
ID=60489603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710621336.3A Active CN107453409B (zh) | 2017-07-27 | 2017-07-27 | 一种基于短周期均值方差的新能源储能配置优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107453409B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116683546A (zh) * | 2023-08-03 | 2023-09-01 | 中国电建集团华东勘测设计研究院有限公司 | 不依赖于风速测量的风力发电机组功率备用控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102214932A (zh) * | 2011-06-09 | 2011-10-12 | 电子科技大学 | 一种风光储输综合发电站有功功率分配方法 |
CN102709954A (zh) * | 2012-05-25 | 2012-10-03 | 国电南瑞科技股份有限公司 | 风光储联合发电系统有功协调控制方法 |
CN104184141A (zh) * | 2013-05-24 | 2014-12-03 | 株式会社日立制作所 | 可再生能源发电控制方法及装置 |
CN105405072A (zh) * | 2015-12-21 | 2016-03-16 | 国家电网公司 | 面向有源配电网的孤岛内启发式负荷削减模型的构建方法 |
EP3054550A1 (en) * | 2013-09-30 | 2016-08-10 | Acciona Energía, S.A. | Method for controlling power fluctuation ramps having energy storage systems in plants for intermittent energy generation |
-
2017
- 2017-07-27 CN CN201710621336.3A patent/CN107453409B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102214932A (zh) * | 2011-06-09 | 2011-10-12 | 电子科技大学 | 一种风光储输综合发电站有功功率分配方法 |
CN102709954A (zh) * | 2012-05-25 | 2012-10-03 | 国电南瑞科技股份有限公司 | 风光储联合发电系统有功协调控制方法 |
CN104184141A (zh) * | 2013-05-24 | 2014-12-03 | 株式会社日立制作所 | 可再生能源发电控制方法及装置 |
EP3054550A1 (en) * | 2013-09-30 | 2016-08-10 | Acciona Energía, S.A. | Method for controlling power fluctuation ramps having energy storage systems in plants for intermittent energy generation |
CN105405072A (zh) * | 2015-12-21 | 2016-03-16 | 国家电网公司 | 面向有源配电网的孤岛内启发式负荷削减模型的构建方法 |
Non-Patent Citations (2)
Title |
---|
戚永志,刘玉田: "风光储联合系统输出功率滚动优化与实时控制", 《电工技术学报》 * |
江全元,石庆均,等: "风光储独立供电系统电源优化配置", 《电力自动化设备》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116683546A (zh) * | 2023-08-03 | 2023-09-01 | 中国电建集团华东勘测设计研究院有限公司 | 不依赖于风速测量的风力发电机组功率备用控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107453409B (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651026B (zh) | 多时间尺度微电网能量管理优化调度方法 | |
CN108470239A (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
CN109149651B (zh) | 一种计及调压辅助服务收益的光储系统优化运行方法 | |
CN108695868B (zh) | 基于电力电子变压器的配电网储能选址定容方法 | |
CN103986190B (zh) | 基于发电功率曲线的风光储联合发电系统平滑控制方法 | |
CN113792953B (zh) | 一种虚拟电厂优化调度方法及系统 | |
CN112084652B (zh) | 一种风光储互补发电系统容量配置计算方法及系统 | |
CN106505579A (zh) | 一种电动汽车参与配电网电压调节的调度控制方法 | |
CN109586325A (zh) | 一种新能源储能优化配置方法 | |
CN110311396A (zh) | 一种交直流混合微电网混合储能容量优化配置方法 | |
CN107492901B (zh) | 一种分布式储能系统实时优化方法及装置 | |
CN107769235A (zh) | 一种基于混合储能与电动汽车的微网能量管理方法 | |
CN109376970B (zh) | 适用于能源互联网的动态实时电价机制形成方法及系统 | |
CN110880759A (zh) | 一种基于实时电价机制的光储微网的能量管理方法和系统 | |
CN112310990B (zh) | 一种基于荷电状态的直流微电网多储能系统均衡控制方法 | |
CN107846043A (zh) | 一种考虑电动汽车充电影响的微网能量管理方法 | |
CN116526452A (zh) | 一种电能预测计量监测市电负荷光储一体控制系统 | |
CN114926254A (zh) | 储能电站参与调频辅助服务市场的竞价方法 | |
CN114977299A (zh) | 一种风光水火储多能互补发电系统选址定容的优化方法 | |
Wang et al. | Optimal modeling and analysis of microgrid lithium iron phosphate battery energy storage system under different power supply states | |
CN107453409A (zh) | 一种基于短周期均值方差的新能源储能配置优化方法 | |
CN107846035A (zh) | 一种考虑电动汽车充电特性的风光储并网型微网 | |
CN103679292A (zh) | 一种智能微电网双电池电能协同优化方法 | |
CN109840621A (zh) | 考虑储能系统影响的并网型微电网日前多目标优化方法 | |
CN115473229A (zh) | 一种储能潮流控制方法及系统 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20171208 Assignee: JIANGSU HUAPENG INTELLIGENT INSTRUMENT TECHNOLOGY Co.,Ltd. Assignor: SOUTHEAST University Contract record no.: X2021980000280 Denomination of invention: A new energy storage allocation optimization method based on short period mean variance Granted publication date: 20200825 License type: Common License Record date: 20210112 |