CN107968430A - 考虑风-储联合系统概率模型的储输协同随机规划方法 - Google Patents

考虑风-储联合系统概率模型的储输协同随机规划方法 Download PDF

Info

Publication number
CN107968430A
CN107968430A CN201711224533.8A CN201711224533A CN107968430A CN 107968430 A CN107968430 A CN 107968430A CN 201711224533 A CN201711224533 A CN 201711224533A CN 107968430 A CN107968430 A CN 107968430A
Authority
CN
China
Prior art keywords
storage
wind
defeated
association system
power
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.)
Withdrawn
Application number
CN201711224533.8A
Other languages
English (en)
Inventor
杨佳俊
魏延彬
刘洋
王寿星
刘涛
马骁旭
张洪帅
李季
李岩
苏将涛
韩涛
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.)
State Grid Corp of China SGCC
Laiwu Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Laiwu Power Supply Co of State Grid Shandong 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 State Grid Corp of China SGCC, Laiwu Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201711224533.8A priority Critical patent/CN107968430A/zh
Publication of CN107968430A publication Critical patent/CN107968430A/zh
Withdrawn legal-status Critical Current

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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure
    • 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)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了考虑风‑储联合系统概率模型的储输协同随机规划方法，包含如下步骤：建立含风储联合系统的储输概率模型；对概率分布模型及注入节点功率进行随机性描述；求解得到含风储联合系统的储输随机规划模型。该方法综合考虑储能配置及其充放电策略对输电网规划的影响，生成风‑储联合出力概率模型，进行概率潮流计算，建立同时考虑储能容量配置和输电网规划的随机规划模型。模型中引入了风‑储联合出力范围约束和过负荷约束，实现储能平抑风电波动水平与储能配置成本、系统抵御风险能力与线路成本的合理折中，能够全面把握系统薄弱环节，有助于建设兼具灵活性、经济性与强适应性的坚强网架结构。

Description

考虑风-储联合系统概率模型的储输协同随机规划方法
技术领域
本发明涉及电力系统储能输电线路协同规划技术领域，尤其涉及一种考虑风-储联合系统 概率模型的储输协同随机规划方法。
背景技术
输电网规划涉及大量不确定因素，特别是现代电网中风-储联合系统的渗透率不断提高， 风电的随机性和储能系统充放电行为给电网注入新的不确定性因素，这些因素对输电网规划 结果影响很大。因此，使用概率风险方法合理有效地处理这些不确定因素是求解现代输电网 规划问题的关键。
近年来，考虑风电并网的输电网随机规划研究成果众多，按其对不确定因素的处理方式 主要分为两类：一类基于多场景技术，该类研究通常都是采用聚类分析、场景削减等技术得 到研究周期内风电出力典型场景集，或者根据预测划分不同风电出力等级形成多种未来场景 集，以此来分析风能资源的变化特征，然后采用传统确定性规划方法进行求解。该方法本质 上仍属于确定性规划方法，计算结果缺乏灵活性与适应性。当需要全面评估系统性能时，规 划人员往往需要对多种运行场景和运行工况进行大量潮流计算，这样不仅计算量很大而且难 以反映全局情况，具有一定的局限性。另一类基于不确定理论，该类研究通常都是建立适当 的风速概率模型来描述风速随机性，继而根据风速与风电出力的关系得到风电出力概率模型。 该方法采用不确定性理论直接建模，具有理论严密、对不确定性因素处理精确及能宏观把握 系统性能的优点。目前该方法已经取得比较理想的研究成果，但均未考虑风电场侧配置储能 系统的情形。目前，储能系统广泛应用于风电场侧以平滑风电波动，其配置容量及充放电行 为显然会对风电场并网点出力波动产生一定的影响，不容忽略。
此外，在已有基于不确定理论的输电网随机规划研究中，均未能充分考虑风电场侧配置 储能系统时储能充放电行为对风储并网点注入功率概率模型的影响，继而忽略这种行为对输 电网规划的影响。
发明内容
本发明的目的就是为了解决上述问题，公开了一种考虑风-储联合系统概率模型的储输协 同随机规划方法，该方法综合考虑储能配置及其充放电策略对输电网规划的影响，生成风- 储联合出力概率模型，采用半不变量结合Gram-Charlier级数进行概率潮流计算，建立同时考 虑储能容量配置和输电网规划的随机规划模型。模型中引入了风-储联合出力范围约束和过负 荷约束，实现储能平抑风电波动水平与储能配置成本、系统抵御风险能力与线路成本的合理 折中，能够全面把握系统薄弱环节，有助于建设兼具灵活性、经济性与强适应性的坚强网架 结构。
为了实现上述目的，本发明采用如下技术方案：
一种考虑风-储联合系统概率模型的储输协同随机规划方法，包含如下步骤：
(1)建立含风储联合系统的储输概率模型；
(2)对概率分布模型及注入节点功率进行随机性描述；
(3)求解得到含风储联合系统的储输随机规划模型。
进一步的，步骤(1)中，建立含风储联合系统的储输概率模型的具体方法为：
以模型总成本最小为目标，依据约束条件，建立目标函数。
进一步的，所述成本包括：线路投资成本，储能系统投资成本，风-储联合出力越限惩罚 以及支路功率越限惩罚，具体的目标函数表达式如下：
式中：ij表示首尾节点编号分别为i、j的支路，Ωl和Ωw分别为新建线路集、允许配置 储能节点集，cline,ij和xline,ij为在支路ij新建一条线路的投资成本和新建线路数，cess,k和xess,k分 别为在风电场节点k处配置一个储能单元的投资成本和配置储能单元个数，cess,k满足 和分别为在节点k配置储能单元的额定功率、额定容量，cp和ce分 别为其单位功率成本、单位容量成本；fpl,1和fpl,2为风-储联合出力越限惩罚、支路功率越限 惩罚。
进一步的，上述目标函数模型的约束条件包括：潮流约束、风-储联合出力范围约束、线 路过负荷约束、决策变量约束及储能充放电约束等。
(1-1)潮流约束
式中：Pld、Pg、Pws分别为负荷、常规电源及风-储联合出力列向量，Pld,i、Pg,j、Pws,k分别为负荷节点i、常规电源节点j、风-储联合系统节点k的有功出力，上标max、min表示上 下限值。
(1-2)风-储联合出力范围约束
为实现储能在满足平抑风电波动要求的前提下配置最少，结合前文所述的风-储联合系统 概率模型，可以考虑将任一典型日下风-储联合出力Pwsi,k,s落在区间[Pex,k,s-γPwr,k,Pex,k,s+γPwr,k] 内的概率控制在某一置信水平α下，即：
Pr{Pwsi,k,s∈[Pex,k,s-γPwr,k,Pex,k,s+γPwr,k]}≥α (3)
式中：Pr{·}表示事件发生概率，γ为灵敏度系数，其取值越小，区间宽度越小，储能平抑 风电波动能力越强。Pex,k,s为典型日s下风电场k的出力期望，Pwr,k为风电场k的额定功率。当 式(3)成立时，fpl,1＝0，否则fpl,1＝cpl,1，cpl,1为风-储联合出力越限惩罚因子。
(1-3)过负荷约束
当在储输协同随机规划模型中考虑源荷储的不确定时，若严格保证所有情况下任何线路 都不过负荷，可能会造成线路过度投资。为此可以考虑将支路功率Pij的越限概率控制在某一 置信水平β下，即：
式中：为支路ij功率最大限值。当式(4)成立时，fpl,2＝0，否则fpl,2＝cpl,2，cpl,2为支 路功率越限惩罚因子。
(1-4)决策变量约束
式中：为支路ij允许新建线路最大数目，为风电场节点k处允许配置储能单元最 大个数。
步骤(2)中，所述的概率分布模型包括负荷、常规电源及风储联合系统有功出力，三者 的概率分布模型分别如下：
(2-1-1)负荷的概率分布模型
长期规划负荷预测不准确，需求侧管理、新型负荷的出现及生产生活方式变化等都会对 计划期内负荷产生影响，使实际负荷与预测负荷产生偏差。因此，本文选用正态分布来描述 负荷的波动性。
(2-1-2)常规电源出力的概率分布模型
常规电源会由于设备检修、随机故障而退出运行，加之装机容量及发电计划发生变动， 这些因素都会使常规电源实际出力偏离预测值。因此，本发明假设常规电源有功出力服从正 态分布。
(2-1-3)风-储联合系统出力的概率分布模型
风-储联合系统出力概率模型的总体生成机制：在充分考虑电网规划对风电波动水平要求 的前提下，以实际风电出力时序数据为基础制定合理的储能系统充放电策略，得到规划周期 内风-储联合系统出力的时序数据，继而基于统计学理论转换时间尺度，将风-储联合系统出 力的时序数据转换为离散概率分布模型。
所述步骤(2)中注入节点功率的随机性描述包含4个方面，分别描述如下：
(2-2-1)原始风电出力期望
设风电场额定功率为Prw，则风电出力值都在区间[0,Prw]内波动，将此区间等距离划分为 N个不重合的小区间，设第i个小区间为[Pwi-ΔPw,Pwi+ΔPw]，其中值为Pwi，以此值代表该区 间内任意风电出力值。对于每个时序风电出力典型日s都有T个风电出力值，将其逐个按大小 分到相应小区间内，并统计落在各区间的个数nwi,s和频率Prob,wi,s＝nwi,s/T，即认为在典型日s下 风电出力为Pwi,s时概率为Prob,wi,s。至此，可由式(6)求得典型日s下原始风电出力期望Pex,s。
(2-2-2)储能系统运行参数
设风电场侧配置储能系统的总功率和总容量分别为和则依据式(7)求得日内最 大可充电电量
式中：nd为日内循环充放电次数，考虑到储能寿命周期内充放电次数有限，应尽量避免 储能系统频繁启动，nd本文取为分别为储能当前电量占总电量比例的上下限值。
(2-2-3)储能充放电策略
在风电场侧配置储能，充分利用储能，使得风储并网点出力尽可能趋于风电出力期望值， 以期实现功率平稳输出。本文以典型日s下原始风电时序出力曲线为基础制定如下储能充放 电策略：
①对典型日s各时段原始风电出力从大到小排序得到集合设定初始最大充电电量
②充电过程：第k次充电判断(k＝1,2,…)。记当前集合中最大风电出力值为若且则该风电出力值对应的时段进入充电操作，依据式(8)计算充电功率 根据式(9)更新最大可充电电量并在集合中去掉已进行充电操作的风电出 力值得到集合执行k+1返回步骤②进行第k+1次充电判断，直至或结束 充电过程转入步骤③。
式中：ε1、ε2为充放电缩放系数，Δt为时段间隔，本文取1h。需要强调的是，在最后一 次充电操作结束后可能会出现即过度充电的情况，则需要依据式(10)重新调整最后一 次充电功率。
③将此时中剩余的风电出力值进行倒序排列得到集合设定初始最大可放电电 量η为储能系统效率，取为1。
④放电过程：第k次放电判断(k＝1,2,…)。记当前集合中最小风电出力值为若且则该风电出力值对应的时段进入放电操作，依据式(11)计算放电功 率根据式(12)更新最大可放电电量并在集合中去掉已进行放电操作的风电 出力值得到集合执行k+1返回步骤④进行第k+1次放电判断，直至或结 束放电过程转入步骤⑤。
需要注意的是，若放电结束后集合仍非空，则此时中剩余的各风电出力值对应 的时段既不充电也不放电，相应设为零。此外，在最后一次放电操作结束后可能会出现 即过度放电的情况，则需要依据式(13)重新调整最后一次放电功率。
⑤荷电状态校验
根据式(14)计算出荷电状态Soc,t,s，依次判断Soc,t,s是否在区间内，若不在此 区间内则根据式(15)修正充放电功率，每修正一次功率都要根据式(16)更新一次t及以后 全部时段的荷电状态。至此，可以得到各典型日各时段下完整的储能充放电功率。
(2-2-4)时间尺度转换
由各典型日原始风电出力时序数据和储能充放电策略即可得到风-储联合系统出力的时 序数据。统计出典型日s下风-储联合出力处于Pwsi所代表区间的个数nwsi,s，若研究周期内典 型日s所包含样本数为ds，则可计算出整个规划周期内风-储联合出力处于Pwsi所代表区间的 个数继而由式(17)求得风-储联合出力处于Pwsi的概率Prob,wsi。即可得到风储联合 出力概率分布模型，概率模型生成流程图如图1。
进一步的，步骤(3)中，采用遗传算法求解模型，具体的：
(3-1)参数设置：遗传算法基本参数，算例系统网络参数，风电场时序出力典型日数据， 节点注入量的随机分布数据，各类成本参数及惩罚因子等。
(3-2)编码及初始种群生成：对决策变量编码，建立区域描述器，随机生成初始种群。
(3-3)方案连通性判别：对种群中的每个个体进行图的连通性校验，确保每一个随机规划 方案都不存在孤立节点；若出现不满足连通性个体则返回步骤(3)，直至种群中所有的个体均 通过连通性校验。
(3-4)潮流计算：由风-储联合出力概率模型，进行半不变量结合Gram-Charlier级数的 概率潮流计算，得到线路功率不越限概率。
(3-5)迭代计算和结果输出：计算适应度值，选择、交叉、变异操作得到下一代种群返回 步骤(4)，直至满足终止判别条件，得到规划结果终止运算。
进一步的，所述步骤(3-4)中，对潮流计算的具体方法为：
(3-4-1)输入原始数据。
除算例系统网络数据外，还包括节点注入功率的随机分布数据。如，对负荷和常规电源 出力需给出期望值和方差；对风-储联合系统并网点，求出各离散点出力及相应概率。
(3-4-2)计算各节点负荷、常规电源及风-储联合出力的v阶半不变量Kl,v、Kg,v和Kws,v。
对于各节点负荷和常规电源出力，满足正态分布，其一阶半不变量等于期望值，二阶半 不变量为其方差，三至八阶半不变量为零；进一步地，对于风-储联合出力为离散分布，其求 取半不变量的方法见求取离散分布半不变量的方法如下：
若x是离散随机变量，设x取值xi的概率为pi，则其期望值为的计算方法为：
其v阶中心矩Mv可由下式求得：
当已经求得各随机变量的各阶中心矩，则可根据下式求得相应的各阶半不变量。
在电网规划中八阶半不变量即可满足要求，因此在求中心矩时也只需算到八阶。
(3-4-3)计算各节点注入功率和各支路功率的v阶半不变量KPn,v和KPl,v。
半不变量重要性质：①独立随机变量之和的各阶半不变量等于各半不变量的各阶半不变 量之和；②随机变量α倍的k阶半不变量等于该变量的k阶半不变量的αk倍。本发明假设负 荷、常规电源及风-储联合出力相互独立，则由性质①可得式(21)，由性质①和②可得式(22)。
KPn,v＝(-1)vKl,v+Kg,v+Kws,v (21)
KPl,v＝S(v)KPn,v (22)
式中，S(v)为S中元素的v次幂所构成的矩阵，即对任意元素S(v)(m,n)有S(v)(m,n)＝[S(m,n)]v。 分别由式(21)和(22)求出各节点注入功率和各支路功率的v阶半不变量KPn,v和KPl,v。
(3-4-4)结合Gram-Charlier级数获取各支路功率的概率密度函数、分布函数，其中随机 变量概率密度函数和分布函数的Gram-Charlier展开式如下：
定义随机变量x的v阶规格化半不变量为gv，则
概率密度函数f(x)
分布函数F(x)
式中：为规格化随机变量，μ、σ分别为随机分布的期望值和标准方差；N(x) 为标准正态密度函数：
Hγ(x)为Hermite多项式，前8项为：
与现有技术相比，本发明的有益效果为：
本发明充分考虑了储能配置及其充放电策略对输电网规划的影响，生成风-储联合出力概 率模型，采用半不变量结合Gram-Charlier级数进行概率潮流计算，建立同时考虑储能容量配 置和输电网规划的随机规划模型。模型中引入了风-储联合出力范围约束和过负荷约束，实现 储能平抑风电波动水平与储能配置成本、系统抵御风险能力与线路成本的合理折中，能够全 面把握系统薄弱环节，有助于建设兼具灵活性、经济性与强适应性的坚强网架结构。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实 施例及其说明用于解释本申请，并不构成对本申请的限定。
图1是本发明对应概率模型的流程图；
图2是本发明的算法流程图；
图3是本发明实施例中所有典型日的时序图；
图4是本发明实施例中某一典型日下风-储并网出力的概率分布图；
图5是本发明实施例IEEE RTS-24节点系统中风出力的时序数据变化趋势图。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指 明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的 相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申 请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图 包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其 指明存在特征、步骤、操作、器件、组件和/或它们的组合。
下述实施例为本申请的一种典型的实施方式，
一种考虑风储联合系统概论模型的储输协同随机规划方法，包括以下步骤：
(1)建立含风-储联合系统的储输概率模型。
该步骤中目标函数表示：
模型以总成本最小为目标，成本包括：线路投资成本，储能系统投资成本，风-储联合出 力越限惩罚以及支路功率越限惩罚。
式中：ij表示首尾节点编号分别为i、j的支路，Ωl和Ωw分别为新建线路集、允许配置 储能节点集，cline,ij和xline,ij为在支路ij新建一条线路的投资成本和新建线路数，cess,k和xess,k分 别为在风电场节点k处配置一个储能单元的投资成本和配置储能单元个数，cess,k满足 和分别为在节点k配置储能单元的额定功率、额定容量，cp和ce分 别为其单位功率成本、单位容量成本；fpl,1和fpl,2为风-储联合出力越限惩罚、支路功率越限 惩罚。
约束条件表示如下：
模型的约束条件主要包括潮流约束、风-储联合出力范围约束、线路过负荷约束、决策变 量约束及储能充放电约束等。
(1-1)潮流约束
式中：Pld、Pg、Pws分别为负荷、常规电源及风-储联合出力列向量，Pld,i、Pg,j、Pws,k分别为负荷节点i、常规电源节点j、风-储联合系统节点k的有功出力，上标max、min表示上 下限值。
(1-2)风-储联合出力范围约束
为实现储能在满足平抑风电波动要求的前提下配置最少，结合前文所述的风-储联合系统 概率模型，可以考虑将任一典型日下风-储联合出力Pwsi,k,s落在区间[Pex,k,s-γPwr,k,Pex,k,s+γPwr,k] 内的概率控制在某一置信水平α下，即
Pr{Pwsi,k,s∈[Pex,k,s-γPwr,k,Pex,k,s+γPwr,k]}≥α (3)
式中：Pr{·}表示事件发生概率，γ为灵敏度系数，其取值越小，区间宽度越小，储能平抑 风电波动能力越强。Pex,k,s为典型日s下风电场k的出力期望，Pwr,k为风电场k的额定功率。当 式(3)成立时，fpl,1＝0，否则fpl,1＝cpl,1，cpl,1为风-储联合出力越限惩罚因子。
(1-3)过负荷约束
当在储输协同随机规划模型中考虑源荷储的不确定时，若严格保证所有情况下任何线路 都不过负荷，可能会造成线路过度投资。为此可以考虑将支路功率Pij的越限概率控制在某一 置信水平β下，即
式中：为支路ij功率最大限值。当式(4)成立时，fpl,2＝0，否则fpl,2＝cpl,2，cpl,2为支 路功率越限惩罚因子。
(1-4)决策变量约束
式中：为支路ij允许新建线路最大数目，为风电场节点k处允许配置储能单元最 大个数。
(2)概率分布模型及注入节点功率随机性描述。
该步骤中概率分布模型包含负荷、常规电源及风-储联合系统有功出力，三者的概率分布 模型分别如下：
(2-1-1)负荷的概率分布模型
长期规划负荷预测不准确，需求侧管理、新型负荷的出现及生产生活方式变化等都会对 计划期内负荷产生影响，使实际负荷与预测负荷产生偏差。因此，本文选用正态分布来描述 负荷的波动性。
(2-1-2)常规电源出力的概率分布模型
常规电源会由于设备检修、随机故障而退出运行，加之装机容量及发电计划发生变动， 这些因素都会使常规电源实际出力偏离预测值。因此，本发明假设常规电源有功出力服从正 态分布。
(2-1-3)风-储联合系统出力的概率分布模型
风-储联合系统出力概率模型的总体生成机制：在充分考虑电网规划对风电波动水平要求 的前提下，以实际风电出力时序数据为基础制定合理的储能系统充放电策略，得到规划周期 内风-储联合系统出力的时序数据，继而基于统计学理论转换时间尺度，将风-储联合系统出 力的时序数据转换为离散概率分布模型。
所述步骤中注入节点功率的随机性描述包含4个方面，分别描述如下：
(2-2-1)原始风电出力期望
设风电场额定功率为Prw，则风电出力值都在区间[0,Prw]内波动，将此区间等距离划分为 N个不重合的小区间，设第i个小区间为[Pwi-ΔPw,Pwi+ΔPw]，其中值为Pwi，以此值代表该区 间内任意风电出力值。对于每个时序风电出力典型日s都有T个风电出力值，将其逐个按大小 分到相应小区间内，并统计落在各区间的个数nwi,s和频率Prob,wi,s＝nwi,s/T，即认为在典型日s下 风电出力为Pwi,s时概率为Prob,wi,s。至此，可由式(6)求得典型日s下原始风电出力期望Pex,s。
(2-2-2)储能系统运行参数
设风电场侧配置储能系统的总功率和总容量分别为和则依据式(7)求得日内最 大可充电电量
式中：nd为日内循环充放电次数，考虑到储能寿命周期内充放电次数有限，应尽量避免 储能系统频繁启动，nd本文取为分别为储能当前电量占总电量比例的上下限值。
(2-2-3)储能充放电策略
在风电场侧配置储能，充分利用储能，使得风储并网点出力尽可能趋于风电出力期望值， 以期实现功率平稳输出。本文以典型日s下原始风电时序出力曲线为基础制定如下储能充放 电策略：
①对典型日s各时段原始风电出力从大到小排序得到集合设定初始最大充电电量
②充电过程：第k次充电判断(k＝1,2,…)。记当前集合中最大风电出力值为若且则该风电出力值对应的时段进入充电操作，依据式(8)计算充电功率 根据式(9)更新最大可充电电量并在集合中去掉已进行充电操作的风电出 力值得到集合执行k+1返回步骤②进行第k+1次充电判断，直至或结束 充电过程转入步骤③。
式中：ε1、ε2为充放电缩放系数，Δt为时段间隔，本文取1h。需要强调的是，在最后一 次充电操作结束后可能会出现即过度充电的情况，则需要依据式(10)重新调整最后一 次充电功率。
③将此时中剩余的风电出力值进行倒序排列得到集合设定初始最大可放电电 量η为储能系统效率，取为1。
④放电过程：第k次放电判断(k＝1,2,…)。记当前集合中最小风电出力值为若且则该风电出力值对应的时段进入放电操作，依据式(11)计算放电功 率根据式(12)更新最大可放电电量并在集合中去掉已进行放电操作的风电 出力值得到集合执行k+1返回步骤④进行第k+1次放电判断，直至或结 束放电过程转入步骤⑤。
需要注意的是，若放电结束后集合仍非空，则此时中剩余的各风电出力值对应 的时段既不充电也不放电，相应设为零。此外，在最后一次放电操作结束后可能会出现 即过度放电的情况，则需要依据式(13)重新调整最后一次放电功率。
⑤荷电状态校验
根据式(14)计算出荷电状态Soc,t,s，依次判断Soc,t,s是否在区间内，若不在此 区间内则根据式(15)修正充放电功率，每修正一次功率都要根据式(16)更新一次t及以后 全部时段的荷电状态。至此，可以得到各典型日各时段下完整的储能充放电功率。
(2-2-4)时间尺度转换
由各典型日原始风电出力时序数据和储能充放电策略即可得到风-储联合系统出力的时 序数据。统计出典型日s下风-储联合出力处于Pwsi所代表区间的个数nwsi,s，若研究周期内典 型日s所包含样本数为ds，则可计算出整个规划周期内风-储联合出力处于Pwsi所代表区间的 个数继而由式(17)求得风-储联合出力处于Pwsi的概率Prob,wsi。即可得到风储联合 出力概率分布模型，概率模型生成的流程图如图1。
(3)求解含风-储联合系统的储输随机规划模型。
如图2所示，基于遗传算法求解模型，该步骤包含如下详细步骤：
(3-1)参数设置：遗传算法基本参数，算例系统网络参数，风电场时序出力典型日数据， 节点注入量的随机分布数据，各类成本参数及惩罚因子等。
(3-2)编码及初始种群生成：对决策变量编码，建立区域描述器，随机生成初始种群。
(3-3)方案连通性判别：对种群中的每个个体进行图的连通性校验，确保每一个随机规划 方案都不存在孤立节点；若出现不满足连通性个体则返回步骤(3)，直至种群中所有的个体均 通过连通性校验。
(3-4)潮流计算：由风-储联合出力概率模型，进行半不变量结合Gram-Charlier级数的 概率潮流计算，得到线路功率不越限概率。
(3-5)迭代计算和结果输出：计算适应度值，选择、交叉、变异操作得到下一代种群返回 步骤(4)，直至满足终止判别条件，得到规划结果终止运算。
进一步地，步骤(3-4)中，潮流计算分为如下4步：
(3-4-1)输入原始数据。
除算例系统网络数据外，还包括节点注入功率的随机分布数据。如，对负荷和常规电源 出力需给出期望值和方差；对风-储联合系统并网点，求出各离散点出力及相应概率。
(3-4-2)计算各节点负荷、常规电源及风-储联合出力的v阶半不变量Kl,v、Kg,v和Kws,v。
对于各节点负荷和常规电源出力，满足正态分布，其一阶半不变量等于期望值，二阶半 不变量为其方差，三至八阶半不变量为零；进一步地，对于风-储联合出力为离散分布，其求 取半不变量的方法见求取离散分布半不变量的方法如下：
若x是离散随机变量，设x取值xi的概率为pi，则其期望值为
其v阶中心矩Mv可由下式求得
当已经求得各随机变量的各阶中心矩，则可根据下式求得相应的各阶半不变量。
在电网规划中八阶半不变量即可满足要求，因此在求中心矩时也只需算到八阶。
(3-4-3)计算各节点注入功率和各支路功率的v阶半不变量KPn,v和KPl,v。
半不变量重要性质：①独立随机变量之和的各阶半不变量等于各半不变量的各阶半不变 量之和；②随机变量α倍的k阶半不变量等于该变量的k阶半不变量的αk倍。本文假设负荷、 常规电源及风-储联合出力相互独立，则由性质①可得式(21)，由性质①和②可得式(22)。
KPn,v＝(-1)vKl,v+Kg,v+Kws,v (21)
KPl,v＝S(v)KPn,v (22)
式中，S(v)为S中元素的v次幂所构成的矩阵，即对任意元素S(v)(m,n)有S(v)(m,n)＝[S(m,n)]v。 分别由式(21)和(22)求出各节点注入功率和各支路功率的v阶半不变量KPn,v和KPl,v。
(3-4-4)结合Gram-Charlier级数获取各支路功率的概率密度函数、分布函数，其中随机 变量概率密度函数和分布函数的Gram-Charlier展开式如下：
定义随机变量x的v阶规格化半不变量为gv，则
概率密度函数f(x)
分布函数F(x)
式中：为规格化随机变量，μ、σ分别为随机分布的期望值和标准方差；N(x) 为标准正态密度函数
Hγ(x)为Hermite多项式，前8项为
节点系统的应用案例：
采用IEEE RTS-24节点系统对本发明模型加以验证。该系统在未来规划水平年总负荷为 8550MW，共有41条可行扩建输电走廊，每条走廊最多可新建3条线路。在节点3、23分别接入功率为240MW、500MW的风电场。参数设置：α＝0.85，β＝0.85，γ＝0.15。本发明模 型得到规划方案：配置13条线路：n1-2＝1、n1-5＝1、n3-24＝1、n6-10＝1、n7-8＝2、n10-12＝1、n12-23＝1、n14-16＝1、n16-17＝1、n21-22＝1、n6-7＝1、n14-23＝1，线路成本为425百万元；在节点3和节 点23分别配置22、52个储能单元，总配置功率分别为110MW和260MW，总储能成本为 1776百万元。说明书附图中给出了节点23处风-储联合系统出力对比，其中，图3是所有典 型日时序图，图4给出某典型日下风-储并网点出力概率分布，图5为该几点系统中风出力时 序数据，由此可知，储能平抑风电波动作用明显，风-储联合出力范围显著减小；在随机规划 中引入风-储联合出力概率模型，可以充分考虑储能充放电行为对规划结果的影响，具有通用 性。
表1为IEEE RTS-24节点系统数据：
表2 IEEE RTS-24节点系统输电线路数据：
本实施例考虑储能配置及其充放电策略对输电网规划的影响，生成风-储联合出力概率模 型，采用半不变量结合Gram-Charlier级数进行概率潮流计算，建立同时考虑储能容量配置和 输电网规划的随机规划模型。模型中引入了风-储联合出力范围约束和过负荷约束，实现储能 平抑风电波动水平与储能配置成本、系统抵御风险能力与线路成本的合理折中，能够全面把 握系统薄弱环节，有助于建设兼具灵活性、经济性与强适应性的坚强网架结构。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员 来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等 同替换、改进等，均应包含在本申请的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限 制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付 出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种考虑风-储联合系统概率模型的储输协同随机规划方法，其特征在于：包括如下步骤：
(1)建立含风储联合系统的储输概率模型；
(2)对概率分布模型及注入节点功率进行随机性描述；
(3)求解得到含风储联合系统的储输随机规划模型。
2.根据权利要求1所述的一种考虑风-储联合系统概率模型的储输协同随机规划方法，其特征在于：步骤(1)中，建立含风储联合系统的储输概率模型的具体方法为：以模型总成本最小为目标，依据约束条件，建立目标函数。
3.根据权利要求2所述的一种考虑风-储联合系统概率模型的储输协同随机规划方法，其特征在于：所述成本包括：线路投资成本，储能系统投资成本，风-储联合出力越限惩罚以及支路功率越限惩罚。
4.根据权利要求2所述的一种考虑风-储联合系统概率模型的储输协同随机规划方法，其特征在于：模型的约束条件包括潮流约束、风-储联合出力范围约束、线路过负荷约束、决策变量约束及储能充放电约束。
5.根据权利要求1所述的一种考虑风-储联合系统概论模型的储输协同随机规划方法，其特征在于：步骤(2)中，概论分布模型包含符合、常规电源及风储联合系统有功出力。
6.根据权利要求1所述的一种考虑风储联合系统概论模型的储输协同随机规划方法，其特征在于：所述注入节点功率的描述内容包括原始风电出力期望、储能系统运行参数、储能充放电策略及时间尺度转换四个方面。
7.根据权利要求1所述的一种考虑风-储联合系统概论模型的储输协同随机规划方法，其特征在于：步骤(3)中，基于遗传算法求解含风储联合系统的储输随机规划模型。
8.根据权利要求7所述的一种考虑风-储联合系统概论模型的储输协同随机规划方法，其特征在于：求解储输随机规划模型的具体方法包括以下步骤：
(3-1)设置参数；
(3-2)编码及生成初始种群；
(3-3)对方案进行连通性判别；
(3-4)潮流计算；
(3-5)输出迭代计算和结果。
9.根据权利要求8所述的一种考虑风-储联合系统概论模型的储输协同随机规划方法，其特征在于：步骤(3-1)中，所述参数包括遗传算法基本参数，算例系统网络参数，风电场时序出力典型日数据，节点注入量的随机分布数据及各类成本参数及惩罚因子。
10.根据权利要求8所述的一种考虑风-储联合系统概论模型的储输协同随机规划方法，其特征在于：步骤(3-4)中，进行潮流计算的具体方法为：
(3-4-1)输入原始数据；
(3-4-2)计算各个节点负荷、常规电源及风储联合出力的v阶半不变量Kl,v、Kg,v和Kws,v；
(3-4-3)计算各节点注入功率和各支路功率的v阶半不变量KPn,v和KPl,v；
(3-4-4)结合Gram-Charlier级数获取各支路功率的概率密度函数和分布函数。
CN201711224533.8A 2017-11-29 2017-11-29 考虑风-储联合系统概率模型的储输协同随机规划方法 Withdrawn CN107968430A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711224533.8A CN107968430A (zh) 2017-11-29 2017-11-29 考虑风-储联合系统概率模型的储输协同随机规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711224533.8A CN107968430A (zh) 2017-11-29 2017-11-29 考虑风-储联合系统概率模型的储输协同随机规划方法

Publications (1)

Publication Number Publication Date
CN107968430A true CN107968430A (zh) 2018-04-27

Family

ID=61999145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711224533.8A Withdrawn CN107968430A (zh) 2017-11-29 2017-11-29 考虑风-储联合系统概率模型的储输协同随机规划方法

Country Status (1)

Country Link
CN (1) CN107968430A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110401185A (zh) * 2019-06-28 2019-11-01 特变电工西安电气科技有限公司 一种基于源荷储的协同能源管理系统控制方法
CN112564109A (zh) * 2020-12-22 2021-03-26 国网福建省电力有限公司 一种基于储能系统参与含大规模海上风电的调频优化运行方法
CN112564187A (zh) * 2020-12-15 2021-03-26 深圳供电局有限公司 一种电力系统风储联合规划方法
CN112751336A (zh) * 2020-12-28 2021-05-04 浙江大学 一种计及源荷波动的综合能源系统风险评估方法
CN112952869A (zh) * 2021-03-02 2021-06-11 华北电力大学 一种计及风电接入的交直流混联系统扩展规划方法及系统
CN113972659A (zh) * 2021-11-04 2022-01-25 国网冀北电力有限公司经济技术研究院 一种考虑随机潮流的储能配置方法及系统
CN114498611A (zh) * 2021-11-24 2022-05-13 华能新能源股份有限公司 一种考虑风电场运行多目标的风储协调控制方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110401185A (zh) * 2019-06-28 2019-11-01 特变电工西安电气科技有限公司 一种基于源荷储的协同能源管理系统控制方法
CN110401185B (zh) * 2019-06-28 2021-02-19 特变电工西安电气科技有限公司 一种基于源荷储的协同能源管理系统控制方法
CN112564187A (zh) * 2020-12-15 2021-03-26 深圳供电局有限公司 一种电力系统风储联合规划方法
CN112564109A (zh) * 2020-12-22 2021-03-26 国网福建省电力有限公司 一种基于储能系统参与含大规模海上风电的调频优化运行方法
CN112564109B (zh) * 2020-12-22 2022-08-23 国网福建省电力有限公司 一种基于储能系统参与含大规模海上风电的调频优化运行方法
CN112751336A (zh) * 2020-12-28 2021-05-04 浙江大学 一种计及源荷波动的综合能源系统风险评估方法
CN112751336B (zh) * 2020-12-28 2022-05-03 浙江大学 一种计及源荷波动的综合能源系统风险评估方法
CN112952869A (zh) * 2021-03-02 2021-06-11 华北电力大学 一种计及风电接入的交直流混联系统扩展规划方法及系统
CN112952869B (zh) * 2021-03-02 2022-11-11 华北电力大学 一种计及风电接入的交直流混联系统扩展规划方法及系统
CN113972659A (zh) * 2021-11-04 2022-01-25 国网冀北电力有限公司经济技术研究院 一种考虑随机潮流的储能配置方法及系统
CN113972659B (zh) * 2021-11-04 2024-02-02 国网冀北电力有限公司经济技术研究院 一种考虑随机潮流的储能配置方法及系统
CN114498611A (zh) * 2021-11-24 2022-05-13 华能新能源股份有限公司 一种考虑风电场运行多目标的风储协调控制方法

Similar Documents

Publication Publication Date Title
CN107968430A (zh) 考虑风-储联合系统概率模型的储输协同随机规划方法
Tian et al. A hierarchical energy management system based on hierarchical optimization for microgrid community economic operation
CN109980685B (zh) 一种考虑不确定性的主动配电网分布式优化运行方法
Kou et al. Stochastic coordination of plug-in electric vehicles and wind turbines in microgrid: A model predictive control approach
CN110266038B (zh) 一种多虚拟电厂分布式协调调控方法
CN103840457B (zh) 考虑电动汽车充放电影响的配电网内dg优化配置方法
CN105244869B (zh) 一种含微网的配电网动态随机调度控制方法
CN107069814B (zh) 配网分布式电源容量布点的模糊机会约束规划方法与系统
CN110826880B (zh) 一种大规模电动汽车接入的主动配电网优化调度方法
CN114139780B (zh) 含分布式电源的虚拟电厂与配电网协调优化方法及系统
CN110460036A (zh) 一种考虑风电不确定性的交直流配电网分布式优化方法
CN109886446B (zh) 基于改进混沌粒子群算法的电力系统动态经济调度方法
CN109560574A (zh) 一种考虑不确定因素的智能配电网网架规划方法
CN111049132B (zh) 主动配电网大面积断电动态孤岛恢复方法
Rathor et al. Decentralized energy management system for LV microgrid using stochastic dynamic programming with game theory approach under stochastic environment
CN109034587A (zh) 一种协调多种可控单元的主动配电系统优化调度方法
Roy et al. Probabilistic optimal power dispatch in a droop controlled islanded microgrid in presence of renewable energy sources and PHEV load demand
Singh et al. Energy management of an active distribution network considering correlation between uncertain input variables
CN114050609A (zh) 一种高比例新能源电力系统自适应鲁棒日前优化调度方法
Rastgou et al. Probabilistic power distribution planning using multi-objective harmony search algorithm
CN107104429B (zh) 一种计及分布式储能系统的电力系统负荷调度方法
CN106253348B (zh) 一种电力网络及其控制方法、装置和系统
CN110729759B (zh) 一种微电网中分布式电源配置方案的确定方法及装置
Krishna et al. Optimal planning of hybrid microgrid-a validation
Zhao et al. Distributed energy management for hybrid AC/DC microgrid parks

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 271100 21 Lu West Street, Laiwu, Shandong.

Applicant after: Laiwu Power Supply Company of State Grid Shandong Electric Power Company

Applicant after: State Grid Corporation of China

Address before: 271100 21 Lu West Street, Laiwu, Shandong.

Applicant before: Laiwu Power Supply Company of State Grid Shandong Electric Power Company

Applicant before: State Grid Corporation of China

WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20180427