CN107919683A - 一种储能减少风电场弃风电量的优化决策方法 - Google Patents

一种储能减少风电场弃风电量的优化决策方法 Download PDF

Info

Publication number
CN107919683A
CN107919683A CN201711216614.3A CN201711216614A CN107919683A CN 107919683 A CN107919683 A CN 107919683A CN 201711216614 A CN201711216614 A CN 201711216614A CN 107919683 A CN107919683 A CN 107919683A
Authority
CN
China
Prior art keywords
mrow
msubsup
energy storage
msub
wind
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
Application number
CN201711216614.3A
Other languages
English (en)
Other versions
CN107919683B (zh
Inventor
周识远
汪宁渤
丁坤
李勇
李津
谭洪斌
张珍珍
何世恩
战鹏
王定美
黄蓉
王明松
陈钊
张金平
张中伟
车帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gansu New Spring Wind Power Generation Co Ltd
State Grid Corp of China SGCC
State Grid Gansu Electric Power Co Ltd
Wind Power Technology Center of Gansu Electric Power Co Ltd
Original Assignee
Gansu New Spring Wind Power Generation Co Ltd
State Grid Corp of China SGCC
State Grid Gansu Electric Power Co Ltd
Wind Power Technology Center of Gansu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gansu New Spring Wind Power Generation Co Ltd, State Grid Corp of China SGCC, State Grid Gansu Electric Power Co Ltd, Wind Power Technology Center of Gansu Electric Power Co Ltd filed Critical Gansu New Spring Wind Power Generation Co Ltd
Priority to CN201711216614.3A priority Critical patent/CN107919683B/zh
Publication of CN107919683A publication Critical patent/CN107919683A/zh
Application granted granted Critical
Publication of CN107919683B publication Critical patent/CN107919683B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • 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
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Secondary Cells (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

考虑风电场的弃风来源于上级调度对风电场的功率限制，当风电场的实时出力大于功率限制时，需要减少当前风电场的出力，即出现弃风，此时需要利用储能吸收当前的剩余功率，并在适当的时段将存储电力回馈至电网，以保持一定的储能能力。在储能容量受限的情况下，风电场将在储能与弃风之间进行平衡，此时，可以经济性为目标对储能的充放电过程进行决策。此处建立了考虑储能容量限制和寿命折损的经济性优化模型。具体为一种储能减少风电场弃风电量的优化决策方法，其特征在于，步骤为：1、建立包含风电场弃风电量损失，储能的充放电费用，储能充电或放电时寿命折损费用的最优目标函数；2、设置优化求解的边界条件；3、对模型求解。

Description

一种储能减少风电场弃风电量的优化决策方法
技术领域
本发明属于风力发电技术领域，涉及储能减少风电场弃风电量的优化决策方法。
背景技术
风电场需具有将有功出力降低到一定水平的能力，即弃风。一般情况下，风电场通过切除机组或调整风电机组桨距角的方式达到电网的要求。当电网发出弃风命令时，风电场应按照一定速率降低出力，直到满足电网要求，如德国标准规定，风电场应按照不小于10％的速率降低到给定值。
弃风命令通常限制风电场的最大出力制，也有要求风电场按照一定数值提供备用容量，如邦纳维尔电力局(BPA)规定当系统90％以上的备用容量被占用时，包括风电机组在内的可调机组都需要提供一定备用容量
发明内容
考虑风电场的弃风来源于上级调度对风电场的功率限制，当风电场的实时出力大于功率限制时，需要减少当前风电场的出力，即出现弃风，此时需要利用储能吸收当前的剩余功率，并在适当的时段将存储电力回馈至电网，以保持一定的储能能力。在储能容量受限的情况下，风电场将在储能与弃风之间进行平衡，此时，可以经济性为目标对储能的充放电过程进行决策。此处建立了考虑储能容量限制和寿命折损的经济性优化模型。具体为一种储能减少风电场弃风电量的优化决策方法，其特征在于，步骤为：
1、建立包含风电场弃风电量损失，储能的充放电费用，储能充电或放电时寿命折损费用的最优目标函数；
2、设置优化求解的边界条件；
3、对模型求解；
具体算法为：在功率受限时，风电场损失费用最小的优化目标函数如下：
其中风电场损失包括三个部分：第一部分为风电场的弃风电量损失，第二部分为储能的充放电费用，第三部分为储能充电或放电时寿命折损费用；
对于电池储能寿命折损，此处忽略充放电倍率、温度变化过程等因素对电池寿命的影响，将电池寿命折损近似为：单位：元/kWh，其中CB为单位容量的电池储能价格；Cyc为电池储能全寿命循环次数；同时，为了避免过度充电和放电，整个过程电池的SOC设为[SOCmin，SOCmax]；其中，
模型中涉及的参数如下：
Δt——计算时段长度，单位：h；
N——计算时段数量；
——储能系统在计算时段i的充放电功率，单位：kW(为负时表示充电，为正时表示放电)，i＝1……N；
——风电场在计算时段i的预期出力(即不弃风时的出力)；
——风电场在计算时段i的实际出力；
Tstart——储能参与动作的起始时刻；
Tend——储能结束动作的时刻；
SOC0——储能系统的初始荷电状态；
SOCi——第i个计算时段结束时的储能系统的荷电状态，i＝1……N；
SOCend——计算结束时储能系统的目标荷电状态；
Ppcs——储能系统的最大充放电功率限制，单位：kW；
ζi——各计算时段的风电并网电价，单位：元/kWh；
C——单位电量价格；
eff——储能充放电循环效率；
——i时段的风电场的弃风功率
——i时段的馈入系统的功率
Ppcs——储能系统逆变器pcs并网点功率值
B——单位容量的电池功率
上述模型为混合整数规划模型，此处以电池储能系统的SOC为状态转移变量，建立了动态规划算法对上述模型进行求解；
将规划问题可描述为求解一个最优控制系列u*(k)，k＝0，1，…，N-1，使得性能指标最小：
从周期N-1开始，按时间反向递推到周期0；
动态方程为：
X(k+1)＝f[X(k)，u(k)，k] (3)
式中，k＝0，1，…，N-1
式(2)可表示为，
其中，k＝0，1，…，N-1
求解步骤为：
(1)求第N级最优控制:
解得u*(N-1)＝u*[x(N-1)]，
(2)求得N-1级最优控制:
解得u*(N-2)＝u*[x(N-2)]，
(3)依次类推，求得第k+1级的最优控制:
解得u*(k)＝u*[x(k)]，
(4)求得第1级的最优控制：
解得u*(0)＝u*[x(0)]，
(5)由初态x(0)和约束函数，顺序求出各级控制策略和状态，以及代价；
将储能系统的充放电过程划分为若干个阶段，将每个阶段结束时的SOC作为该级状态，设在各阶段，储能系统在该阶段的充放电功率即为决策量，风电场的损失为则成为相应代价函数，而动态方程为：
由储能充放电功率限制，以及电网对风电场的出力限制，建立储能充放电功率的决策集；依据储能运行的SOC范围，建立储能的状态集。
附图说明
图1储能减少风电场预测误差的控制策略
图2阶段状态转移示意图
图3阶段状态转移示意图
图4风电场功率限制及弃风案例(不考虑储能)
图5储能充放电功率
图6储能系统SOC变化
图7风电场整体损失的敏感性分析
具体实施方式
考虑风电场的弃风来源于上级调度对风电场的功率限制，当风电场的实时出力大于功率限制时，需要减少当前风电场的出力，即出现弃风，此时需要利用储能吸收当前的剩余功率，并在适当的时段将存储电力回馈至电网，以保持一定的储能能力。在储能容量受限的情况下，风电场将在储能与弃风之间进行平衡，此时，可以经济性为目标对储能的充放电过程进行决策。此处建立了考虑储能容量限制和寿命折损的经济性优化模型。
在功率受限时，风电场损失费用最小的优化目标函数如下：
其中风电场损失包括三个部分：第一部分为风电场的弃风电量损失，第二部分为储能的充放电费用，第三部分为储能充电或放电时寿命折损费用。
对于电池储能寿命折损，此处忽略充放电倍率、温度变化过程等因素对电池寿命的影响，将电池寿命折损近似为：单位：元/kWh，其中CB为单位容量的电池储能价格；Cyc为电池储能全寿命循环次数。同时，为了避免过度充电和放电，整个过程电池的SOC应保持在一定范围之内，此处设为[SOCmin，SOCmax]。其中，
模型中涉及的参数如下：
Δt——计算时段长度，单位：h；
N——计算时段数量；
——储能系统在计算时段i的充放电功率，单位：kW(为负时表示充电，为正时表示放电)，i＝1……N；
——风电场在计算时段i的预期出力(即不弃风时的出力)；
——风电场在计算时段i的实际出力；
Tstart——储能参与动作的起始时刻；
Tend——储能结束动作的时刻；
SOC0——储能系统的初始荷电状态；
SOCi——第i个计算时段结束时的储能系统的荷电状态，i＝1……N；
SOCend——计算结束时储能系统的目标荷电状态；
Ppcs——储能系统的最大充放电功率限制，单位：kW；
ζi——各计算时段的风电并网电价，单位：元/kWh；
C——单位电量价格；
eff——储能充放电循环效率；
——i时段的风电场的弃风功率
——i时段的馈入系统的功率
Ppcs——储能系统逆变器pcs并网点功率值
B——单位容量的电池功率
上述模型为混合整数规划模型，此处以电池储能系统的SOC为状态转移变量，建立了动态规划算法对上述模型进行了求解。
动态规划是一种求解决策过程最优化的数学方法。动态规划将一个多阶段决策问题转化为一系列单阶段决策问题，每个阶段都做出决策，以使整个过程取得最优效果。
多阶段决策过程的最优策略具有这样的性质：不论初始状态和初始决策如何，当把其中的任何一级和状态再作为初始级和初始状态时，其余的决策对此必定也是一个最优策略。即若有一个初始状态为X(0)的N级决策过程，其最优策略为{u(0)，u(1)，…，u(n-1)}。那么，对于以X(1为初始状态的N-1级决策过程来说，决策集合{u(0)，u(1)，…，u(n-1)}必定是最优策略。
一个N级决策过程的动态方程可描述为：
X(k+1)＝f[X(k)，u(k)，k]，X(0)＝X0
式中状态约束为：
控制(决策)约束为：
此时，规划问题可描述为求解一个最优控制(决策)系列u*(k)，k＝0，1，…，N-1，使得性能指标最小：
动态规划问题的求解可分为前向和后向两种方法。所谓前向是指从起点出发，层层递推直到终点；后向即从终点倒推，逆向求解。在实际问题中，后向动态规划更为常用。
后向动态规划算法可表示为，从周期N-1开始，按时间反向递推到周期0。
动态方程为：
X(k+1)＝f[X(k)，u(k)，k] (3)
式中，k＝0，1，…，N-1
式(2)可表示为，
其中，k＝0，1，…，N-1
求解步骤为：
(1)求第N级最优控制:
解得u*(N-1)＝u*[x(N-1)]，
(2)求得N-1级最优控制:
解得u*(N-2)＝u*[x(N-2)]，
(3)依次类推，求得第k+1级的最优控制:
解得u*(k)＝u*[x(k)]，
(4)求得第1级的最优控制：
解得u*(0)＝u*[x(0)]，
(5)由初态x(0)和约束函数，顺序求出各级控制策略和状态，以及代价。
如图3所示，将储能系统的充放电过程划分为若干个阶段，将每个阶段结束时的SOC作为该级状态，假设在各阶段，储能系统在该阶段的充放电功率即为决策量，风电场的损失为则成为相应代价函数，而动态方程为：
由储能充放电功率限制，以及电网对风电场的出力限制，建立储能充放电功率的决策集。依据储能运行的SOC范围，建立储能的状态集。按照式(2)至(5)进行储能最优充放电过程的求解。
以示范风电场某日的数据记录为基础，对所提出的减少弃风损失的储能充放电控制方法进行验证。当日平均风速为4.93m/s，该馈线的最大出力为16.4MW。假设：该馈线的功率限制为8MW；该馈线安装有3MW/6MWh的储能系统，储能系统的初始SOC为0.5，结束时SOC也为0.5；风电的并网电价固定为0.54元/kWh；储能系统的寿命折损为0.1元/kWh；储能系统充放电循环效率0.95；允许SOC范围为0.1至1.0。
计算采用的时间周期为10min，风电场的原始出力和功率限制如图4所示。
不考虑储能系统时，风电场通过降低风电机组出力满足电网的功率限制要求，在风电出力较高时段出现弃风。对图4的弃风功率进行统计，当日弃风电量为7736kWh，占预期发电量的8.5％，损失售电收入4177元。
考虑储能系统动作时，利用优化控制模型对储能全天的充放电功率进行求解，可得储能的充放电功率(充电为负，放电为正)和SOC变化如图5、6所示。
储能系统在当日的SOC运行范围为0.32至0.98，最大充放电功率为2880kW。
按照式1，求得考虑储能寿命折损的风电场总体损失为2372元；若不考虑储能寿命折损和充放电效率损失，弃风电量为1811kWh，售电费用损失仅为978元。
可见，储能寿命和效率折损是风电场损失的重要部分，此处分析风电场整体损失对储能寿命折损单位电量价格C和储能充放电循环效率eff的敏感性，如图7所示。
可见，在当前风电上网电价下(0.54元/kWh)，当储能效率低于0.60或寿命折损高于0.2元/kWh时，储能系统几乎不能减少风电场的弃风损失。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的内容和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种储能减少风电场弃风电量的优化决策方法，其特征在于，步骤为：
(1)建立包含风电场弃风电量损失，储能的充放电费用，储能充电或放电时寿命折损费用的最优目标函数；
(2)设置优化求解的边界条件；
(3)对模型求解；
具体算法为：在功率受限时，风电场损失费用最小的优化目标函数如下：
<mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mo>{</mo> <mi>z</mi> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mo>&amp;lsqb;</mo> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>c</mi> <mi>u</mi> <mi>r</mi> </mrow> </msubsup> <msub> <mi>&amp;zeta;</mi> <mi>i</mi> </msub> <mo>-</mo> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>E</mi> <mi>S</mi> </mrow> </msubsup> <mrow> <mo>(</mo> <msup> <mi>eff</mi> <msub> <mi>k</mi> <mi>i</mi> </msub> </msup> <mo>)</mo> </mrow> <msub> <mi>&amp;zeta;</mi> <mi>i</mi> </msub> <mo>+</mo> <mi>c</mi> <mo>|</mo> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>E</mi> <mi>S</mi> </mrow> </msubsup> <mo>|</mo> <mo>&amp;rsqb;</mo> <mi>&amp;Delta;</mi> <mi>t</mi> <mo>}</mo> </mrow>
<mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>c</mi> <mi>u</mi> <mi>r</mi> </mrow> </msubsup> <mo>=</mo> <msubsup> <mover> <mi>P</mi> <mo>^</mo> </mover> <mi>i</mi> <mrow> <mi>W</mi> <mi>F</mi> </mrow> </msubsup> <mo>+</mo> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>E</mi> <mi>S</mi> </mrow> </msubsup> <mo>-</mo> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>S</mi> <mi>Y</mi> <mi>S</mi> </mrow> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>|</mo> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>E</mi> <mi>S</mi> </mrow> </msubsup> <mo>|</mo> <mo>&amp;le;</mo> <msub> <mi>P</mi> <mrow> <mi>p</mi> <mi>c</mi> <mi>s</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>E</mi> <mi>S</mi> </mrow> </msubsup> <mo>+</mo> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>W</mi> <mi>F</mi> </mrow> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>S</mi> <mi>Y</mi> <mi>S</mi> </mrow> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>SOC</mi> <mi>min</mi> </msub> <mo>&amp;le;</mo> <msub> <mi>SOC</mi> <mi>i</mi> </msub> <mo>&amp;le;</mo> <msub> <mi>SOC</mi> <mi>max</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>SOC</mi> <mi>i</mi> </msub> <mo>=</mo> <msub> <mi>SOC</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>+</mo> <mfrac> <mrow> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>E</mi> <mi>S</mi> </mrow> </msubsup> <mi>&amp;Delta;</mi> <mi>t</mi> </mrow> <mi>B</mi> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>E</mi> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <mfrac> <mrow> <mi>N</mi> <mrow> <mo>(</mo> <msub> <mi>SOC</mi> <mrow> <mi>e</mi> <mi>n</mi> <mi>d</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>SOC</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mi>B</mi> </mrow> <mrow> <msub> <mi>T</mi> <mrow> <mi>e</mi> <mi>n</mi> <mi>d</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>T</mi> <mrow> <mi>s</mi> <mi>t</mi> <mi>a</mi> <mi>r</mi> <mi>t</mi> </mrow> </msub> </mrow> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1....</mn> <mi>N</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
其中风电场损失包括三个部分：第一部分为风电场的弃风电量损失，第二部分为储能的充放电费用，第三部分为储能充电或放电时寿命折损费用；
对于电池储能寿命折损，此处忽略充放电倍率、温度变化过程等因素对电池寿命的影响，将电池寿命折损近似为：单位：元/kWh，其中CB为单位容量的电池储能价格；Cyc为电池储能全寿命循环次数；同时，为了避免过度充电和放电，整个过程电池的SOC设为[SOCmin，SOCmax]；其中，
<mrow> <msub> <mi>k</mi> <mi>i</mi> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mn>1</mn> <mo>,</mo> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>E</mi> <mi>S</mi> </mrow> </msubsup> <mo>&gt;</mo> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mo>-</mo> <mn>1</mn> <mo>,</mo> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>E</mi> <mi>S</mi> </mrow> </msubsup> <mo>&lt;</mo> <mn>0</mn> </mtd> </mtr> </mtable> </mfenced> </mrow>
模型中涉及的参数如下：
Δt——计算时段长度，单位：h；
N——计算时段数量；
——储能系统在计算时段i的充放电功率，单位：kW(为负时表示充电，为正时表示放电)，i＝1……N；
——风电场在计算时段i的预期出力(即不弃风时的出力)；
——风电场在计算时段i的实际出力；
Tstart——储能参与动作的起始时刻；
Tend——储能结束动作的时刻；
SOC0——储能系统的初始荷电状态；
SOCi——第i个计算时段结束时的储能系统的荷电状态，i＝1……N；
SOCend——计算结束时储能系统的目标荷电状态；
Ppcs——储能系统的最大充放电功率限制，单位：kW；
ζi——各计算时段的风电并网电价，单位：元/kWh；
C——单位电量价格；
eff——储能充放电循环效率；
——i时段的风电场的弃风功率；
——i时段的馈入系统的功率；
Ppcs——储能系统逆变器pcs并网点功率值；
B——单位容量的电池功率；
上述模型为混合整数规划模型，此处以电池储能系统的SOC为状态转移变量，建立了动态规划算法对上述模型进行求解；
将规划问题可描述为求解一个最优控制系列u*(k)，k＝0，1，…，N-1，使得性能指标最小：
从周期N-1开始，按时间反向递推到周期0；
动态方程为：
X(k+1)＝f[X(k)，u(k)，k] (3)
式中，
式(2)可表示为，
<mrow> <msubsup> <mi>J</mi> <mrow> <mi>N</mi> <mo>-</mo> <mi>k</mi> </mrow> <mo>*</mo> </msubsup> <mo>&amp;lsqb;</mo> <mi>X</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>=</mo> <msub> <mi>min</mi> <mrow> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mi>&amp;Omega;</mi> </mrow> </msub> <mo>{</mo> <mi>L</mi> <mo>&amp;lsqb;</mo> <mi>X</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>k</mi> <mo>&amp;rsqb;</mo> <mo>+</mo> <msubsup> <mi>J</mi> <mrow> <mi>N</mi> <mo>-</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>*</mo> </msubsup> <mo>&amp;lsqb;</mo> <mrow> <mo>(</mo> <mi>X</mi> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
其中，k＝0，1，…，N-1
求解步骤为：
(1)求第N级最优控制:
<mrow> <msubsup> <mi>J</mi> <mn>1</mn> <mo>*</mo> </msubsup> <mo>&amp;lsqb;</mo> <mi>x</mi> <mrow> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>=</mo> <msub> <mi>min</mi> <mrow> <mi>u</mi> <mrow> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mi>&amp;Omega;</mi> </mrow> </msub> <mo>{</mo> <mi>L</mi> <mo>&amp;lsqb;</mo> <mi>x</mi> <mrow> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>,</mo> <mi>u</mi> <mrow> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>,</mo> <mi>N</mi> <mo>-</mo> <mn>1</mn> <mo>&amp;rsqb;</mo> <mo>+</mo> <msubsup> <mi>J</mi> <mn>0</mn> <mo>*</mo> </msubsup> <mo>&amp;lsqb;</mo> <mi>x</mi> <mrow> <mo>(</mo> <mi>N</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>,</mo> </mrow>
解得u*(N-1)＝u*[x(N-1)]，
(2)求得N-1级最优控制:
<mrow> <msubsup> <mi>J</mi> <mn>2</mn> <mo>*</mo> </msubsup> <mo>&amp;lsqb;</mo> <mi>x</mi> <mrow> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>=</mo> <munder> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> <mrow> <mi>u</mi> <mrow> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mi>&amp;Omega;</mi> </mrow> </munder> <mo>{</mo> <mi>L</mi> <mo>&amp;lsqb;</mo> <mi>x</mi> <mrow> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>,</mo> <mi>u</mi> <mrow> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>,</mo> <mi>N</mi> <mo>-</mo> <mn>2</mn> <mo>&amp;rsqb;</mo> <mo>+</mo> <msubsup> <mi>J</mi> <mn>1</mn> <mo>*</mo> </msubsup> <mo>&amp;lsqb;</mo> <mi>x</mi> <mrow> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow>
解得u*(N-2)＝u*[x(N-2)]，
(3)依次类推，求得第k+1级的最优控制:
<mrow> <msubsup> <mi>J</mi> <mrow> <mi>N</mi> <mo>-</mo> <mi>k</mi> </mrow> <mo>*</mo> </msubsup> <mo>&amp;lsqb;</mo> <mi>x</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>=</mo> <munder> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> <mrow> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mi>&amp;Omega;</mi> </mrow> </munder> <mo>{</mo> <mi>L</mi> <mo>&amp;lsqb;</mo> <mi>x</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>k</mi> <mo>&amp;rsqb;</mo> <mo>+</mo> <msubsup> <mi>J</mi> <mrow> <mi>N</mi> <mo>-</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>*</mo> </msubsup> <mo>&amp;lsqb;</mo> <mi>x</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow>
解得u*(k)＝u*[x(k)]，
(4)求得第1级的最优控制：
<mrow> <msubsup> <mi>J</mi> <mi>N</mi> <mo>*</mo> </msubsup> <mo>&amp;lsqb;</mo> <mi>x</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>=</mo> <munder> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> <mrow> <mi>u</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mi>&amp;Omega;</mi> </mrow> </munder> <mo>{</mo> <mi>L</mi> <mo>&amp;lsqb;</mo> <mi>x</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> <mo>,</mo> <mi>u</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> <mo>,</mo> <mn>0</mn> <mo>&amp;rsqb;</mo> <mo>+</mo> <msubsup> <mi>J</mi> <mrow> <mi>N</mi> <mo>-</mo> <mn>2</mn> </mrow> <mo>*</mo> </msubsup> <mo>&amp;lsqb;</mo> <mi>x</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow>
解得u*(0)＝u*[x(0)]，
(5)由初态x(0)和约束函数，顺序求出各级控制策略和状态，以及代价；
将储能系统的充放电过程划分为若干个阶段，将每个阶段结束时的SOC作为该级状态，设在各阶段，储能系统在该阶段的充放电功率即为决策量，风电场的损失为则成为相应代价函数，而动态方程为：
<mrow> <msub> <mi>SOC</mi> <mi>i</mi> </msub> <mo>=</mo> <msub> <mi>SOC</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mi>E</mi> <mi>S</mi> </mrow> </msubsup> <mi>&amp;Delta;</mi> <mi>T</mi> <mo>/</mo> <mi>B</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
由储能充放电功率限制，以及电网对风电场的出力限制，建立储能充放电功率的决策集；依据储能运行的SOC范围，建立储能的状态集。
CN201711216614.3A 2017-11-28 2017-11-28 一种储能减少风电场弃风电量的优化决策方法 Active CN107919683B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711216614.3A CN107919683B (zh) 2017-11-28 2017-11-28 一种储能减少风电场弃风电量的优化决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711216614.3A CN107919683B (zh) 2017-11-28 2017-11-28 一种储能减少风电场弃风电量的优化决策方法

Publications (2)

Publication Number Publication Date
CN107919683A true CN107919683A (zh) 2018-04-17
CN107919683B CN107919683B (zh) 2021-07-23

Family

ID=61897907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711216614.3A Active CN107919683B (zh) 2017-11-28 2017-11-28 一种储能减少风电场弃风电量的优化决策方法

Country Status (1)

Country Link
CN (1) CN107919683B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109617100A (zh) * 2018-12-27 2019-04-12 国网青海省电力公司电力科学研究院 一种数据驱动的风电场储能容量规划方法
CN111181197A (zh) * 2020-01-08 2020-05-19 中国电建集团华东勘测设计研究院有限公司 一种多弃风区域风储容量配置方法
CN117709689A (zh) * 2024-02-05 2024-03-15 浙江浙能技术研究院有限公司 一种计及整体效能与能量阻抗的风电场功率分配优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090194995A1 (en) * 2008-01-31 2009-08-06 General Electric Company Power generation stabilization control systems and methods
CN103023157A (zh) * 2012-11-13 2013-04-03 中国电力科学研究院 降低弃风率及跟踪风电计划出力的混合储能系统控制方法
CN103715707A (zh) * 2014-01-15 2014-04-09 国家电网公司 考虑电池寿命和过放现象的风电场储能容量优化方法
CN104253470A (zh) * 2014-09-25 2014-12-31 许继电气股份有限公司 电动汽车与电网互动协调的有序充电控制方法
CN107294122A (zh) * 2017-04-17 2017-10-24 国网浙江省电力公司电力科学研究院 一种混合储能系统分层动态控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090194995A1 (en) * 2008-01-31 2009-08-06 General Electric Company Power generation stabilization control systems and methods
CN103023157A (zh) * 2012-11-13 2013-04-03 中国电力科学研究院 降低弃风率及跟踪风电计划出力的混合储能系统控制方法
CN103715707A (zh) * 2014-01-15 2014-04-09 国家电网公司 考虑电池寿命和过放现象的风电场储能容量优化方法
CN104253470A (zh) * 2014-09-25 2014-12-31 许继电气股份有限公司 电动汽车与电网互动协调的有序充电控制方法
CN107294122A (zh) * 2017-04-17 2017-10-24 国网浙江省电力公司电力科学研究院 一种混合储能系统分层动态控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡泽春 等: "考虑储能参与调频的风储联合运行优化策略", 《电网技术》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109617100A (zh) * 2018-12-27 2019-04-12 国网青海省电力公司电力科学研究院 一种数据驱动的风电场储能容量规划方法
CN109617100B (zh) * 2018-12-27 2022-08-02 国网青海省电力公司电力科学研究院 一种数据驱动的风电场储能容量规划方法
CN111181197A (zh) * 2020-01-08 2020-05-19 中国电建集团华东勘测设计研究院有限公司 一种多弃风区域风储容量配置方法
CN117709689A (zh) * 2024-02-05 2024-03-15 浙江浙能技术研究院有限公司 一种计及整体效能与能量阻抗的风电场功率分配优化方法
CN117709689B (zh) * 2024-02-05 2024-05-28 浙江浙能技术研究院有限公司 一种计及整体效能与能量阻抗的风电场功率分配优化方法

Also Published As

Publication number Publication date
CN107919683B (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
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
CN105207259B (zh) 基于能量管理的并网状态下的微电网系统调度方法
CN106953316B (zh) 微电网变时间尺度优化调度方法
CN107994595A (zh) 一种削峰填谷控制方法和系统以及应用该控制方法的系统
CN101232192A (zh) 风力发电装置和蓄电装置的混合系统、风力发电系统、功率控制装置
CN105139147A (zh) 微电网系统的经济调度方法
CN110633854A (zh) 一种考虑储能电池多重分段服务全生命周期优化规划方法
CN107492901B (zh) 一种分布式储能系统实时优化方法及装置
CN110245794B (zh) 考虑灵活性的多能源汇集中心火储容量双层优化方法
CN103248065B (zh) 一种风电场中电池储能系统的充放电控制方法
CN107919683B (zh) 一种储能减少风电场弃风电量的优化决策方法
Chen et al. Energy storage sizing for dispatchability of wind farm
CN109787221B (zh) 一种微电网电能安全经济调度方法和系统
CN111244985A (zh) 基于节点综合灵敏度系数的分布式储能序次优化配置方法
CN114629139A (zh) 一种考虑储能容量优化的风-储联合系统调频控制方法
CN113315168A (zh) 基于序贯蒙特卡洛模拟的风-储混合电站运行模拟方法
CN115102239A (zh) 一种考虑soc均衡的储能电站一次调频控制方法及系统
CN105207207A (zh) 基于能量管理的孤网状态下的微电网系统调度方法
CN116247698A (zh) 面向削峰填谷和平抑风电波动风电场储能调度方法及装置
CN108418212A (zh) 一种考虑柔性负荷的电力系统两阶段随机优化调度模型
CN114676921A (zh) 一种考虑源荷储协调优化的系统风电可接纳能力计算方法
WO2019193837A1 (ja) 発電システムおよびその制御方法
Daud et al. An optimal state of charge feedback control strategy for battery energy storage in hourly dispatch of PV sources
CN116131318A (zh) 面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置

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