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 PDFInfo
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 title claims abstract description 15
- 230000005611 electricity Effects 0.000 title claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000007599 discharging Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000011217 control strategy Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000002250 progressing effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 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]
-
- 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
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>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mrow>
<mi>c</mi>
<mi>u</mi>
<mi>r</mi>
</mrow>
</msubsup>
<msub>
<mi>&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>&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>&rsqb;</mo>
<mi>&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>&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>&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>&le;</mo>
<msub>
<mi>SOC</mi>
<mi>i</mi>
</msub>
<mo>&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>&Delta;</mi>
<mi>t</mi>
</mrow>
<mi>B</mi>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>&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>></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><</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>&lsqb;</mo>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>=</mo>
<msub>
<mi>min</mi>
<mrow>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<mi>&Omega;</mi>
</mrow>
</msub>
<mo>{</mo>
<mi>L</mi>
<mo>&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>&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>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&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>&lsqb;</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&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>&Element;</mo>
<mi>&Omega;</mi>
</mrow>
</msub>
<mo>{</mo>
<mi>L</mi>
<mo>&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>&rsqb;</mo>
<mo>+</mo>
<msubsup>
<mi>J</mi>
<mn>0</mn>
<mo>*</mo>
</msubsup>
<mo>&lsqb;</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>)</mo>
</mrow>
<mo>&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>&lsqb;</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>-</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>&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>&Element;</mo>
<mi>&Omega;</mi>
</mrow>
</munder>
<mo>{</mo>
<mi>L</mi>
<mo>&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>&rsqb;</mo>
<mo>+</mo>
<msubsup>
<mi>J</mi>
<mn>1</mn>
<mo>*</mo>
</msubsup>
<mo>&lsqb;</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&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>&lsqb;</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&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>&Element;</mo>
<mi>&Omega;</mi>
</mrow>
</munder>
<mo>{</mo>
<mi>L</mi>
<mo>&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>&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>&lsqb;</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&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>&lsqb;</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>&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>&Element;</mo>
<mi>&Omega;</mi>
</mrow>
</munder>
<mo>{</mo>
<mi>L</mi>
<mo>&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>&rsqb;</mo>
<mo>+</mo>
<msubsup>
<mi>J</mi>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
<mo>*</mo>
</msubsup>
<mo>&lsqb;</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&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>&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。
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)
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)
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 |
-
2017
- 2017-11-28 CN CN201711216614.3A patent/CN107919683B/zh active Active
Patent Citations (5)
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)
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)
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 |