CN109274133B - 一种适用于分散式风电场的储能容量配置方法 - Google Patents

Abstract

本发明涉及一种储能容量配置方法，其首先，考虑分散式风电场接入配电网网络损耗，通过设置权重系数设置有功损耗无功损耗比重，确定储能系统的最优选址方案；其次，考虑风电出力随机性鲁棒优化模型修正风电出力不确定场景，用以约束储能系统配置容量值；最后，采用风电机组鲁棒自适应动态可调度功率输出代替风电机组短期发电预测值，并考虑每个风力发电机组最差出力场景，将储能系统的容量配置问题转成求取能源损失成本的最大‑最小问题，更为准确的确定储能系统的选址定容。

Description

一种适用于分散式风电场的储能容量配置方法

技术领域

本发明涉及种适用于分散式风电场的储能容量配置方法，属于分散式风电场规划设计领域。

背景技术

目前，随着风电渗透率不断的提高，电力系统中对风力发电系统并网功率变化特性作出一定的规范，越来越多的分散式风电场应运而生，为配电网提供调频调压、无功支撑，延缓电网升级等。但分散式风电场并网同样存在着功率波动，电能质量等问题，为了更有效的发挥分散式风电场的并网特性，在风电场中并入一定容量的储能装置，在保证分散式风电场就近消纳、自发自用的同时有效的增加并网容量。

发明内容

本发明就是针对现有技术存在的缺陷，提供一种适用于分散式风电场的储能容量配置方法，其有效提高调频调压、无功支撑能力的分散式风电场储能系统的容量配置规划方法，合理对储能系统进行选址定容，提高配电网对风电的接纳能力，并有效的改善了配电网带载能力，实现了配电网运行的经济性和可靠性，具有一定的工程应用价值。

为实现上述目的，本发明根据分散式风电场中风机排布的特点，在规划中提出一种适用于分散式风电场的储能容量配置方法，首先，考虑分散式风电场接入配电网网络损耗，通过设置权重系数设置有功损耗无功损耗比重，确定储能系统的最优选址方案；其次，考虑风电出力随机性鲁棒优化模型修正风电出力不确定场景，用以约束储能系统配置容量值；最后，采用风电机组鲁棒自适应动态可调度功率输出代替风电机组短期发电预测值，并考虑每个风力发电机组最差出力场景，将储能系统的容量配置问题转成求取能源损失成本的最大-最小问题，更为准确的确定储能系统的选址定容。

其采用如下技术方案，包括以下步骤：

步骤1、计算分散式风电场中并入储能系统后，并网点输出的有功功率P_bx及无功功率Q_bx为

其中，φ_x为第x条母线接入点的功率相位差值；P_{fx_i}为分散式风电场中第i个风电机组向第x条母线输出的有功功率；P_{ESx_i}为分散式电场中第i个储能系统向第x条母线输出的有功功率；P_{Mx_i}为第x条母线负荷输出的有功功率；Q_{fx_i}为分散式风电场向第x条母线输出的无功功率；Q_{ESx_i}为分散式电场中集中式储能第x条母线输出的无功功率；Q_{Mx_i}为第x条母线负荷输出的无功功率；

步骤2、进一步整理出并网后整个网络的有功功率损耗P_Mf和无功网损Q_Mf分别为：

其中，P_by,Q_by分别为并网点y输出的有功功率、无功功率；α_xy、β_xy、γ_xy和ξ_xy分别为第x,y母线之间功率损耗系数，具体表达式为：

其中，R_xy为第x,y条母线节点之间馈线的阻抗；X_xy为第x,y条母线节点之间馈线的感抗，U_x为第x条母线的电压值；U_y为第y条母线的电压值；

为第x,y条母线的相位角；

步骤3、建立包括有功功率及无功功率在内的网络损耗数学模型，确定分散式风电场储能系统的预计安装位置，具体表达式为：

步骤4、根据分布式并网要求设置有功网损权重系数，计算总网络损耗最小时对应的线路的感抗和阻抗，进一步确定优化储能系统具体安装位置：

其中，σ_{P_i}为有功网损的权重系数，σ_{Px_i}∈[0,1]；σ_{Qx_i}为为有功网损的权重系数，σ_{Qx_i}∈[0,1]；满足

步骤5、建立分散式风电场基于出力不确定场景的鲁棒自适应数学模型，具体表达式为：

其中，

为第i个风力发电机组在t时刻功率输出的最大值；

为第i个风力发电机组在t时刻功率输出的最大值；

为第i个风力发电机组在t时刻出力预测值，

为第i个风力发电机组在t时刻出力预测值上下限，λ_{fx_i,t},θ_{fx_i,t}为风力发电机组状态限制，λ_{fx_i,t},θ_{fx_i,t}∈[0,1]；

步骤6、采用鲁棒自适应调度策略修正步骤5，将风力发电短期发电预测最大值

用可调度功率输出的最大值

修正，以能源损失成为优化目标，具体为：

其中，δ_{fx_i}为风力发电机组能源损失成本系数；

为第j个储能系统t时刻输出功率最大值；

步骤7、确定每个风力发电机组最差出力场景，将储能系统的容量配置问题转成求取能源损失成本的最大-最小问题，具体的目标函数如下：

步骤8、完成储能系统在一个调度周期内合理的容量优化配置。

作为本发明的一种优选方案，所述步骤8包括：

步骤8-1、根据步骤5-步骤7计算得出最优储能系统个数及各个储能系统的容量需求。具体的表达式为

其中，κ为储能系统容量配比度，单位％。

步骤8-2、根据步骤8-1计算各个储能系统的功率输出

及对应配置个数j。

作为本发明的另一种优选方案，考虑分散式风电场中各个储能容量配置时考虑的约束条件包括风力发电系统出力约束、节点电压幅值约束及储能系统出力约束；其中：

风力发电系统出力约束

其中，Q_{fx_i,t} ^min和Q_{fx_i,t} ^max分别是风力发电系统i在时段t的无功出力上下限。

节点电压幅值约束

其中，U_y,t ^min和U_y,t ^max分别是节点y在时段t的电压上下限；

储能系统出力约束

其中，P_{ESx_j,t} ^min和P_{ESx_j,t} ^max分别是第j个储能系统在时段t的出力上下限，P_{ESx_j,t}为储能系统实时功率值。

与现有技术相比本发明有益效果。

1)在对分散式风电场进行合理规划时，根据风电机组分区域排布的特点，分散式风电场中建立储能系统，改善整个风电场功率输出特性，有效的实现了能量及功率时间、空间上的转移。

2)本发明考虑风力发电机组在运行过程中存在风电出力突变等情况带来短期出力预测不准确，进而导致偏差修正不准备等问题，通过聚类的方式提取经典场景得出出力的极限，使得储能系统在优化配置中更为准确的满足并网要求。

附图说明

下面结合附图和具体实施方式对本发明做进一步说明。本发明保护范围不仅局限于以下内容的表述。

图1是分散式风电场架构图。

图2是分散式风电场储能系统选址定容流程图。

具体实施方式

如图1-2所示，下面结合附图对本发明作进一步详细描述。

如附图1所示，本发明提出一种适用于分散式风电场的储能容量配置方法：如附图2所示，通过设置权重系数设置有功损耗无功损耗比重，确定储能系统的最优选址方案，并采用风电机组鲁棒自适应动态可调度功率输出代替风电机组短期发电预测值，并考虑每个风力发电机组最差出力场景，将储能系统的容量配置问题转成求取能源损失成本的最大-最小问题，确定储能系统的选址定容。

一种适用于分散式风电场的储能容量配置方法，计算步骤如图2所示，具体为：

步骤1、计算分散式风电场中并入储能系统后，并网点输出的有功功率P_bx及无功功率Q_bx为：

其中，

为第x条母线接入点的功率相位差值；P_{fx_i}为分散式风电场中第i个风电机组向第x条母线输出的有功功率；P_{ESx_i}为分散式电场中第i个储能系统向第x条母线输出的有功功率；P_{Mx_i}为第x条母线负荷输出的有功功率；Q_{fx_i}为分散式风电场向第x条母线输出的无功功率；Q_{ESx_i}为分散式电场中集中式储能第x条母线输出的无功功率；Q_{Mx_i}为第x条母线负荷输出的无功功率。

步骤2、进一步整理出并网后整个网络的有功功率损耗P_Mf和无功网损Q_Mf分别为

其中，P_by,Q_by分别为并网点y输出的有功功率、无功功率；α_xy、β_xy、γ_xy和ξ_xy分别为第x,y母线之间功率损耗系数，具体表达式为：

其中，R_xy为第x,y条母线节点之间馈线的阻抗；X_xy为第x,y条母线节点之间馈线的感抗，U_x为第x条母线的电压值；U_y为第y条母线的电压值；

为第x,y条母线的相位角。

步骤3、建立包括有功功率及无功功率在内的网络损耗数学模型，确定分散式风电场储能系统的预计安装位置，具体表达式为：

步骤4、根据分布式并网要求设置有功网损权重系数，计算总网络损耗最小时对应的线路的感抗和阻抗，进一步确定优化储能系统具体安装位置：

其中，σ_{P_i}为有功网损的权重系数，σ_{Px_i}∈[0,1]；σ_{Qx_i}为为有功网损的权重系数，σ_{Qx_i}∈[0,1]；满足

步骤5、建立分散式风电场基于出力不确定场景的鲁棒自适应数学模型，具体表达式为：

其中，

为第i个风力发电机组在t时刻功率输出的最大值；

为第i个风力发电机组在t时刻功率输出的最大值；

为第i个风力发电机组在t时刻出力预测值，

为第i个风力发电机组在t时刻出力预测值上下限，λ_{fx_i,t},θ_{fx_i,t}为风力发电机组状态限制，λ_{fx_i,t},θ_{fx_i,t}∈[0,1]。

步骤6、采用鲁棒自适应调度策略修正步骤5，将风力发电短期发电预测最大值

用可调度功率输出的最大值

修正，以能源损失成为优化目标，具体为

其中，δ_{fx_i}为风力发电机组能源损失成本系数；

为第j个储能系统t时刻输出功率最大值；

步骤7、确定每个风力发电机组最差出力场景，将储能系统的容量配置问题转成求取能源损失成本的最大-最小问题，具体的目标函数如下：

步骤8、完成储能系统在一个调度周期内合理的容量优化配置。

步骤8-1、根据步骤5-步骤7计算得出最优储能系统个数及各个储能系统的容量需求。具体的表达式为

其中，κ为储能系统容量配比度，单位％。

步骤8-2、根据步骤8-1计算各个储能系统的功率输出

及对应配置个数j；

权利要求书1考虑分散式风电场中各个储能容量配置时考虑的约束条件如下：

(1)风力发电系统出力约束

其中，Q_{fx_i,t} ^min和Q_{fx_i,t} ^max分别是风力发电系统i在时段t的无功出力上下限。

(2)节点电压幅值约束

其中，U_y,t ^min和U_y,t ^max分别是节点y在时段t的电压上下限。

(3)储能系统出力约束

其中，P_{ESx_j,t} ^min和P_{ESx_j,t} ^max分别是第j个储能系统在时段t的出力上下限，P_{ESx_j,t}为储能系统实时功率值。

可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受限于本发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用需要，都在本发明的保护范围之内。

Claims (3)

1.一种适用于分散式风电场的储能容量配置方法，其特征在于，包括：

步骤1、计算分散式风电场中并入储能系统后，并网点x输出的有功功率P_bx及无功功率Q_bx为

其中，φ_x为第x条母线接入点的功率相位差值；P_{fx_i}为分散式风电场中第i个风电机组向第x条母线输出的有功功率；P_{ESx_i}为分散式电场中第i个储能系统向第x条母线输出的有功功率；P_{Mx_i}为第x条母线负荷输出的有功功率；Q_{fx_i}为分散式风电场向第x条母线输出的无功功率；Q_{ESx_i}为分散式电场中集中式储能第x条母线输出的无功功率；Q_{Mx_i}为第x条母线负荷输出的无功功率；

步骤2、进一步整理出并网后整个网络的有功功率损耗P_Mf和无功网损Q_Mf分别为：

其中，P_by,Q_by分别为并网点y输出的有功功率、无功功率；α_xy、β_xy、γ_xy和ξ_xy分别为第x,y母线之间功率损耗系数，具体表达式为：

其中，R_xy为第x,y条母线节点之间馈线的阻抗；X_xy为第x,y条母线节点之间馈线的感抗，U_x为第x条母线的电压值；U_y为第y条母线的电压值；

为第x,y条母线的相位角；

步骤3、建立包括有功功率及无功功率在内的网络损耗数学模型，确定分散式风电场储能系统的预计安装位置，具体表达式为：

步骤4、根据分布式并网要求设置有功网损权重系数，计算总网络损耗最小时对应的线路的感抗和阻抗，进一步确定优化储能系统具体安装位置：

其中，σ_{P_i}为有功网损的权重系数，σ_{Px_i}∈[0,1]；σ_{Qx_i}为为有功网损的权重系数，σ_{Qx_i}∈[0,1]；满足

步骤5、建立分散式风电场基于出力不确定场景的鲁棒自适应数学模型，具体表达式为：

其中，

为第i个风力发电机组在时段t功率输出的最大值；

为第i个风力发电机组在时段t功率输出的最大值；

为第i个风力发电机组在时段t出力预测值，

为第i个风力发电机组在时段t出力预测值上下限，λ_{fx_i,t}、θ_{fx_i,t}为风力发电机组状态限制，λ_{fx_i,t},θ_{fx_i,t}∈[0,1]；

步骤6、采用鲁棒自适应调度策略修正步骤5，将风力发电短期发电预测最大值

用可调度功率输出的最大值

修正，以能源损失成为优化目标，具体为：

其中，δ_{fx_i}为风力发电机组能源损失成本系数；

为第j个储能系统时段t输出功率最大值；

步骤7、确定每个风力发电机组最差出力场景，将储能系统的容量配置问题转成求取能源损失成本的最大-最小问题，具体的目标函数如下：

步骤8、完成储能系统在一个调度周期内合理的容量优化配置。

2.根据权利要求1所述的一种适用于分散式风电场的储能容量配置方法，其特征在于：所述步骤8包括：

步骤8-1、根据步骤5-步骤7计算得出最优储能系统个数及各个储能系统的容量需求；具体的表达式为：

步骤8-2、根据步骤8-1计算各个储能系统的功率输出

及对应配置个数j。

3.根据权利要求1所述的一种适用于分散式风电场的储能容量配置方法，其特征在于：考虑分散式风电场中各个储能容量配置时考虑的约束条件包括风力发电系统出力约束、节点电压幅值约束及储能系统出力约束；其中：

风力发电系统出力约束

其中，Q_{fx_i,t} ^min和Q_{fx_i,t} ^max分别是风力发电系统i在时段t的无功出力上下限；

节点电压幅值约束

其中，U_y,t ^min和U_y,t ^max分别是节点y在时段t的电压上下限；

储能系统出力约束

其中，P_{ESx_j,t} ^min和P_{ESx_j,t} ^max分别是第j个储能系统在时段t的出力上下限，P_{ESx_j,t}为储能系统实时功率值。

Images