CN109347100A - 提升风电场综合性能的混合储能系统优化配置方法 - Google Patents

提升风电场综合性能的混合储能系统优化配置方法 Download PDF

Info

Publication number
CN109347100A
CN109347100A CN201811417480.6A CN201811417480A CN109347100A CN 109347100 A CN109347100 A CN 109347100A CN 201811417480 A CN201811417480 A CN 201811417480A CN 109347100 A CN109347100 A CN 109347100A
Authority
CN
China
Prior art keywords
storage system
energy storage
hybrid energy
power plant
wind 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.)
Pending
Application number
CN201811417480.6A
Other languages
English (en)
Inventor
曾鉴
胥威汀
苟竞
杨新婷
苏韵掣
李奥
雷云凯
刘方
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.)
Economic and Technological Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Sichuan 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 Economic and Technological Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority to CN201811417480.6A priority Critical patent/CN109347100A/zh
Publication of CN109347100A publication Critical patent/CN109347100A/zh
Pending legal-status Critical Current

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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/386—
    • 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
    • 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

Landscapes

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

Abstract

本发明公开了提升风电场综合性能的混合储能系统优化配置方法，其应用时提供一种根据储能系统的成本模型、风电场AGC服务收益及增加有效上网电量收益，通过风电场分时段参与AGC辅助服务市场，并需要改善风电场出力波动大小提升有效发电上网率，考虑加装混合储能系统后整个风电场综合效益最大，从而对混合储能系统的额定功率及容量进行优化配置。本发明结合电力系统AGC辅助服务考核奖励规则、风电场接入电网上网考核规则、阶梯电价及混合储能系统自身特点，构建出风电场加装混合储能系统的综合性能提升及综合效益模型，然后采用混沌蚁群优化算法，最终实现了对混合储能系统的最优经济配置。

Description

提升风电场综合性能的混合储能系统优化配置方法
技术领域
本发明涉及新能源发电领域，具体涉及提升风电场综合性能的混合储能系统优化配置方法。
背景技术
我国致力于改善长期依赖煤炭的能源结构，持续大力发展可再生清洁能源发电形式，而风力发电作为一种主要的新能源发电形式，占比也越来越大。但是，风电机组大规模并网的同时，增加了系统调频的负担而且也对整个电网的安全稳定运行带来较大的影响。主要原因在于风力发电的出力很大程度上受限于风电场所在地的气象条件，导致其呈现出随机性、间歇性及波动性等不可控的特点。为保证电网的安全，虽然大部分风电场装备了自动发电控制(Automatic Generation Control，AGC)功能，但长期以来并不直接参与系统调频，此外，风力发电企业也从自身的收益出发，多以最大功率点模式运行。
随着国家政策调整导致风力发电补贴逐渐减少甚至取消，风电场整体收益会受到较大影响，然而我国电力体制改革进程迅速推进，目前多个网省公司已经颁布了包含AGC辅助服务的电力市场交易规则，并在逐步完善，参与辅助市场有助于提升风电场的综合经济效益。另一方面，电网公司为应对风电场出力的不可控性，出台了风电场出力波动超过规定的部分不予计量的考核办法，对风电场的整体收益造成更大的影响。
目前的相关文献主要对风电场的AGC模型、风电场中加装储能系统抑制功率波动进行了研究，能够减少风电场并网后的出力波动。
文献“沈运帷，李扬，高赐威，等.需求响应在电力辅助服务市场中的应用[J].电力系统自动化，2017，41(22)：151-161.”细致研究了风电场的AGC模型，提出了将其分为能量管理、风电场调度及风力发电机控制三层的模型，文献主要实现了风电机组跟踪AGC目标曲线控制要求。文献“乔颖，鲁宗相.考虑电网约束的风电场自动有功控制[J].电力系统自动化，2009，33(22)：88-93.”则以国家电网山东省公司对风力发电并网出力波动的考核方法为基础，结合储能系统“控高放低”的思路构建了以风电场收益最大为目标的最优控制策略，提升了整体的收益水平。该文献仅考虑了风电场加入储能系统后风电场输出功率的优化控制，没有结合目前的电力市场政策现状，考虑辅助服务市场的收益。中国专利“CN105337294协调风电场参与电力系统一次调频的储能配置方法”提供了一种风电场参与系统一次调频的储能系统配置方法，此专利通过建立风电场一次调频备用容量、弃风利用率评价指标、风电场参与电力系统一次调频储能系统的控制策略等模型，考虑储能系统成本及减少弃风量带来的收益提升，合理确定储能系统配置容量及额定功率，来达到提升风电场整体经济效益。该专利从风电场参与电力系统一次调频入手，其构建的储能系统优化配置模型没有涉及电力市场中的辅助调频服务，也没有将风电场出力波动引起的上网电量考核纳入配置模型之中，难以适应当前新形势与新环境的要求。
发明内容
针对上述问题，提供提升风电场综合性能的混合储能系统优化配置方法，其应用时提供一种根据储能系统的成本模型、风电场AGC服务收益及增加有效上网电量收益，通过构建以日收益最大为目标的优化配置模型，采用混沌蚁群优化算法，对风电场中加入储能系统的额定功率和容量进行最优经济配置的方法，风电场分时段参与AGC辅助服务市场，并需要改善风电场出力波动大小提升有效发电上网率，考虑加装混合储能系统后整个风电场综合效益最大，从而对混合储能系统的额定功率及容量进行优化配置。本发明结合电力系统AGC辅助服务考核奖励规则、风电场接入电网上网考核规则、阶梯电价及混合储能系统自身特点，构建出风电场加装混合储能系统的综合性能提升及综合效益模型，然后采用混沌蚁群优化算法，最终实现了对混合储能系统的最优经济配置。
本发明通过下述技术方案实现：
提升风电场综合性能的混合储能系统优化配置方法，包括以下步骤：
S1、根据调节速率指标K1、调节精度指标K2及响应时间指标K3确定风电场参与AGC的整体服务性能指标Kpd；
S2、根据整体服务性能指标Kpd和风电机组有效上网电量占总发电量的比重确定风电场加入混合储能系统后整体响应效果的评价指标KD；
S3、确定风电机组与混合储能系统的出力分配策略，包括在混合储能系统中进行充放电时，先对主电池进行充放电，在主电池充放电容量不足时再利用次电池进行充放电的策略；
S4、确定混合储能系统的剩余电量状态归位策略，包括对混合储能系统的剩余电量状态进行限制，具体为设定储能系统的剩余电量初始状态值为SOCO，设定储能系统的主电池和次电池充放电上限均为St，下限均为Sb；
S5、根据建设投资成本Ci、每年的运维成本CO、额外损耗成本CL、电池过充过放出现的寿命损失成本确定混合储能系统的投资总成本Cf；
S6、根据整体服务性能指标Kpd和自动发电控制的调频深度确定自动发电控制的调频收益INCK；
S7、根据售电单价Prse和加装储能系统后风电机组增加的单位时间上网电量ΔSse确定风电场的上网电费收益INCse；
S8、根据自动发电控制的调频收益INCK、风电场的上网电费收益INCse、混合储能系统的投资总成本Cf确定风电场整体经济效益最大的储能系统配置max INC；
S9、根据混合储能系统中主电池与次电池的容量E及功率P，经过混沌蚁群算法的优化计算，最终得到满足约束条件的最优化目标函数值f及对应的最优化控制变量x。
进一步的，提升风电场综合性能的混合储能系统优化配置方法，所述步骤S1包括：根据调节速率指标K1、调节精度指标K2及响应时间指标K3确定风电场参与AGC的整体服务性能指标Kpd，具体为：
Kpd＝K1K2K3
其中：K1为调节速率指标，是发电机组响应AGC功率指令的速率；K2为调节精度指标，是指参与AGC服务的机组在响应指令稳定后，实际出力和指令目标功率之间的偏差大小；K3为响应时间指标，指的是能量管理系统发出指令之后，机组在原出力大小P0的基础之上跨出调节死区所用的时间。混合储能系统具有快速响应与充足的出力补偿能力，可从调节速率K1、调节精度K2及响应时间K3等指标提升风电场参与AGC的整体性能Kpd，进而获得更高收益。
进一步的，提升风电场综合性能的混合储能系统优化配置方法，所述步骤S2包括：根据整体服务性能指标Kpd和风电机组有效上网电量占总发电量的比重确定风电场加入混合储能系统后整体响应效果的评价指标KD，具体为：
KD＝[Kpd×ηW]95％max；ηW＝Wava/Wall
其中，95％max表示95％概率大值，具体计算方法为将一个时段内的计算值从大到小排序，去除前5％的数据后，剩余数据的最大值即为95％概率大值；ηw表示上网电量有效率，Wall表示风电场总发电量，Wava表示有效上网电量。风电场中加装混合储能系统目的是提升风电机组的出力性能并获取额外收益，但尚无量化风电场加入储能系统后整体响应效果的评价指标。为了便于更加直观地评价风电场加装储能系统后的整体效果，本发明提出了结合AGC服务性能指标Kpd与风电机组有效上网电量占总发电量的比分比的乘积作为事后评价的响应效能指标，即KD。同时为了能反应普遍的情况，采用一天内的95％概率大值作为该风电场典型KD值。
进一步的，提升风电场综合性能的混合储能系统优化配置方法，所述步骤S3包括：确定风电机组与混合储能系统的出力分配策略，包括在混合储能系统中进行充放电时，先对主电池进行充放电，在主电池充放电容量不足时再利用次电池进行充放电的策略，具体为：
充电策略：
放电策略：
其中，PAGC表示t时刻AGC指令功率；P(t)表示t时刻机组实际功率；Ppri_ch和Psub_ch分别表示主电池和次电池在t时刻的充电功率；和分别表示主电池和次电池的最大充电功率；Ppri_dch和Psub_dch分别表示主电池和次电池在t时刻的放电功率；和分别表示主电池和次电池的最大放电功率。主电池具备的充放电次数限制小，次电池虽受充放电次数限制较多但成本较低、容量较大，在混合储能系统中进行充放电时，对先对主电池进行充放电，在主电池充放电容量不足时再利用次电池进行充放电的策略。
进一步的，提升风电场综合性能的混合储能系统优化配置方法，所述步骤S4包括：所述混合储能系统的主电池和次电池的充放电上限均为St，St取0.8，下限均为Sb，Sb取0.2；在电池系统的剩余电量大于0.8时，混合储能系统只允许放电，设定放电至0.7；在电池系统的剩余电量小于0.2时，混合储能系统只允许充电，设定充电至0.3；及时保证电池状态介于0.8和0.2之间，设定混合储能系统的剩余电量的初始状态值SOCO为0.5。
储能系统SOC状态归位策略，SOC全称是State of Charge，荷电状态，也叫剩余电量，储能系统加入风电场辅助完成AGC服务，一方面可以改善风电机组由于自身出力的较大不确定性导致的无法满足系统AGC的要求，提升AGC服务的收益；另一方面储能系统加入风电场之后，可以一定程度的改善风电场的弃风问题，并且近年来随着电网峰谷电价差的增大，这种利差的盈利模式也存在一定的额外收益。但是，由于储能系统的容量存在限制，为避免对混合储能系统的电池寿命产生不良影响，需要对储能系统的SOC状态进行一定的限制。本发明设定在混合储能系统的主电池和次电池的电池充放电上下限均为St(本发明取0.8)和Sb(本发明取0.2)。也就是，在电池系统的SOC>0.8时，储能系统只允许放电，本文设定此时放电至0.7即可；在电池系统SOC<0.2时只允许充电，充电至0.3即可；这样及时保证电池状态介于0.8和0.2之间，同时本发明设定储能系统的SOC初始状态值SOCO为0.5。
进一步的，提升风电场综合性能的混合储能系统优化配置方法，所述步骤S5包括：根据建设投资成本Ci、每年的运维成本CO、额外损耗成本CL、电池过充过放出现的寿命损失成本确定混合储能系统的投资总成本Cf，具体为：
其中，Cf表示储能系统的总成本，包含建设投资成本Ci、运维成本CO及额外损耗成本CL；αEpri与αEsub分别表示主电池与次电池的单位容量投资成本系数；αPpri与αPsub分别表示主电池与次电池的单位功率投资成本系数；Epri与Esub分别表示主电池与次电池的容量；Ppri与Psub分别表示主电池与次电池的充放电功率；βpri与βsub分别表示主电池与次电池的单位运维损耗成本系数；ωpri与ωsub分别表示主电池与次电池的单位额外损耗成本系数；Numpri与Numsub分别表示主电池与次电池导致额外损耗的过充放次数。风电场加装储能装置需要一定的建设费用，主要包含购买及安装两个部分。而且随着储能系统使用次数的增加，其自身会产生损耗，并伴随着每年的运维成本，电池过充过放出现的寿命损失成本，这些均属于储能系统投资成本部分。
进一步的，提升风电场综合性能的混合储能系统优化配置方法，所述步骤S6包括：根据整体服务性能指标Kpd和自动发电控制的调频深度确定自动发电控制的调频收益INCK，具体为：
INCK＝YAGCKpdDn
其中，YAGC表示AGC服务性能补偿标准；Dn表示AGC服务的日调节深度的总和；Di表示第i次AGC调频深度，即机组在调频服务中所做的贡献。Pn表示机组额定功率。λi表示第i台机组的调频折返系数。风电机组在加入储能系统之后，使得风电机组具备了更多的自主能力，可以在风电机组的出力不足时补偿一定的输出。同时，根据两个细则的规定，AGC服务的经济补偿INCK由性能指标Kpd确定，同等条件下Kpd越大获取经济补偿越高，更多的，储能系统的加入可以提升由K1、K2及K3指标组成的AGC服务的考核指标Kpd。
进一步的，提升风电场综合性能的混合储能系统优化配置方法，所述步骤S7包括：根据售电单价Prse和加装储能系统后风电机组增加的单位时间上网电量ΔSse确定风电场的上网电费收益INCse，具体为：
INCse＝∑PrseΔSse
其中，INCse表示风电场月度上网电费收益；Prse表示售电单价；ΔSse表示加装储能系统后，风电机组增加的单位时间上网电量。随着风电场并网运营逐渐完善，需对风电场输出功率波动进行考核，将风电场发电功率波动值与电费计量系统关联起来，以分钟为考核时间标准，一旦出力波动超过允许的阈值δw就使计量无效。在风电场加入储能系统之后，可以一定程度上抑制风电场出力波动，增加风电场的上网电量。
进一步的，提升风电场综合性能的混合储能系统优化配置方法，所述步骤S8包括：根据自动发电控制的调频收益INCK、风电场的上网电费收益INCse、混合储能系统的投资总成本Cf确定风电场整体经济效益最大的储能系统配置，具体为：
max INC＝INCK+INCse-Cf
其中，INC表示风电场计算时间段内总收益，INCK表示AGC服务的经济补偿，INCse表示风电场的上网电费收益，Cf表示混合储能系统的投资总成本。在考虑新加混合储能系统的前期投资成本、运行中的维护成本与额外损失成本，以及减少风电机组无效上网量收益，与考虑AGC服务性能指标的收益等多方面的因素确定以收益最大的目标函数。
进一步的，提升风电场综合性能的混合储能系统优化配置方法，所述步骤S9包括四个步骤：起始位置、迭代计算、蚁群信息交换和迭代结束条件，具体为：控制变量为混合储能系统中主电池与次电池的容量E及功率P，先将其离散化，视为蚁群中的蚂蚁变量个体，经过混沌蚁群算法的优化计算，最终得到满足约束条件的最优化目标函数值f及对应的最优化控制变量x。混沌蚁群算法是基于蚂蚁搜寻食物的混沌行为中总结提炼的一种智能优化算法，其计算效率高、全局收敛性较高，特别的对解决离散优化问题具有很好的效果，其主要包含四个步骤：起始位置、迭代计算、蚁群信息交换和迭代结束条件。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明通过建立涵盖储能系统的成本、风电场AGC服务收益及增加有效上网电量收益的模型，构建了以日收益最大为目标的储能系统优化配置模型。
2、本发明一方面通过高质的风电场参AGC辅助服务性能指标，获得市场化收益提升；另一方面，通过主电池与次电池组成的混合储能系统，有效改善风电场出力波动，使其减少被考核的上网电量，增加风电场有效发电上网量。从这上述两个方面综合提升风电场的整体经济效益。具有科学合理、实用性强与适用性广的特点。
3、本发明通过对风电场分时段参与AGC辅助服务市场，并需要改善风电场出力波动大小提升有效发电上网率，考虑加装混合储能系统后整个风电场综合效益最大，从而对混合储能系统的额定功率及容量进行优化配置。本发明结合电力系统AGC辅助服务考核奖励规则、风电场接入电网上网考核规则、阶梯电价及混合储能系统自身特点，构建出风电场加装混合储能系统的综合性能提升及综合效益模型，然后采用混沌蚁群优化算法，最终实现了对混合储能系统的最优经济配置。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明中AGC指令周期示意图；
图2为混合储能系统最优配置计算流程原理框图；
图3为电网结构示意图；
图4为不同储能系统配置收益曲线图。
附图中标记及对应的零部件名称：
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
如图1所示，提升风电场综合性能的混合储能系统优化配置方法，包括以下步骤：
S1、根据调节速率指标K1、调节精度指标K2及响应时间指标K3确定风电场参与AGC的整体服务性能指标Kpd；具体为：
Kpd＝K1K2K3
其中：K1为调节速率指标，是发电机组响应AGC功率指令的速率；K2为调节精度指标，是指参与AGC服务的机组在响应指令稳定后，实际出力和指令目标功率之间的偏差大小；K3为响应时间指标，指的是能量管理系统发出指令之后，机组在原出力大小P0的基础之上跨出调节死区所用的时间。
S2、根据整体服务性能指标Kpd和风电机组有效上网电量占总发电量的比重确定风电场加入混合储能系统后整体响应效果的评价指标KD；具体为：
KD＝[Kpd×ηW]95％max；ηW＝Wava/Wall
其中，95％max表示95％概率大值，具体计算方法为将一个时段内的计算值从大到小排序，去除前5％的数据后，剩余数据的最大值即为95％概率大值；ηw表示上网电量有效率，Wall表示风电场总发电量，Wava表示有效上网电量。
S3、确定风电机组与混合储能系统的出力分配策略，包括在混合储能系统中进行充放电时，由于全钒液电池(VRB)具备的充放电次数限制小，铅酸电池(VRLA)虽受充放电次数限制较多但成本较低、容量较大的特点。将VRB作为主电池而VRLA作为次电池，先对主电池进行充放电，在主电池充放电容量不足时再利用次电池进行充放电的策略；具体为：
充电策略：
放电策略：
其中，PAGC表示t时刻AGC指令功率；P(t)表示t时刻机组实际功率；Ppri_ch和Psub_ch分别表示主电池和次电池在t时刻的充电功率；和分别表示主电池和次电池的最大充电功率；Ppri_dch和Psub_dch分别表示主电池和次电池在t时刻的放电功率；和分别表示主电池和次电池的最大放电功率。
S4、确定混合储能系统的剩余电量状态归位策略，包括对混合储能系统的剩余电量状态进行限制，具体为设定储能系统的剩余电量初始状态值为SOCO，设定储能系统的主电池和次电池充放电上限均为St，下限均为Sb；所述混合储能系统的主电池和次电池的充放电上限均为St，St取0.8，下限均为Sb，Sb取0.2；在电池系统的剩余电量大于0.8时，混合储能系统只允许放电，设定放电至0.7；在电池系统的剩余电量小于0.2时，混合储能系统只允许充电，设定充电至0.3；及时保证电池状态介于0.8和0.2之间，设定混合储能系统的剩余电量的初始状态值SOCO为0.5。
S5、根据建设投资成本Ci、每年的运维成本CO、额外损耗成本CL、电池过充过放出现的寿命损失成本确定混合储能系统的投资总成本Cf；具体为：
其中，Cf表示储能系统的总成本，包含建设投资成本Ci、运维成本CO及额外损耗成本CL；αEpri与αEsub分别表示主电池与次电池的单位容量投资成本系数；αPpri与αPsub分别表示主电池与次电池的单位功率投资成本系数；Epri与Esub分别表示主电池与次电池的容量；Ppri与Psub分别表示主电池与次电池的充放电功率；βpri与βsub分别表示主电池与次电池的单位运维损耗成本系数；ωpri与ωsub分别表示主电池与次电池的单位额外损耗成本系数；Numpri与Numsub分别表示主电池与次电池导致额外损耗的过充放次数。
S6、根据整体服务性能指标Kpd和自动发电控制的调频深度确定自动发电控制的调频收益INCK；具体为：
INCK＝YAGCKpdDn
其中，YAGC表示AGC服务性能补偿标准；Dn表示AGC服务的日调节深度的总和；Di表示第i次AGC调频深度，即机组在调频服务中所做的贡献。Pn表示机组额定功率。λi表示第i台机组的调频折返系数。
S7、根据售电单价Prse和加装储能系统后风电机组增加的单位时间上网电量ΔSse确定风电场的上网电费收益INCse；具体为：
INCse＝∑PrseΔSse
其中，INCse表示风电场月度上网电费收益；Prse表示售电单价；ΔSse表示加装储能系统后，风电机组增加的单位时间上网电量。
S8、根据自动发电控制的调频收益INCK、风电场的上网电费收益INCse、混合储能系统的投资总成本Cf确定风电场整体经济效益最大的储能系统配置max INC；具体为：
max INC＝INCK+INCse-Cf
其中，INC表示风电场计算时间段内总收益，INCK表示AGC服务的经济补偿，INCse表示风电场的上网电费收益，Cf表示混合储能系统的投资总成本。
S9、根据混合储能系统中主电池与次电池的容量E及功率P，经过混沌蚁群算法的优化计算，最终得到满足约束条件的最优化目标函数值f及对应的最优化控制变量x。如图2所示，包括四个步骤：起始位置、迭代计算、蚁群信息交换和迭代结束条件，具体为：控制变量为混合储能系统中主电池与次电池的容量E及功率P，先将其离散化，视为蚁群中的蚂蚁变量个体，经过混沌蚁群算法的优化计算，最终得到满足约束条件的最优化目标函数值f及对应的最优化控制变量x。
实施例2
基于实施例1，选取国内某地区风电场进行建模仿真，该风电场装有50台2MW的风电机组，总装机容量为100MW，在其35kV母线处接入混合储能系统，整体算例仿真系统的电网结构如图3所示。为保证成果适用性，随机选取该风电场1年中任意5天的历史出力曲线，作为风电机组的最大出力限制。按照文件规定得到出力波动阈值δw<3.3％Pn，AGC需求数据则采用典型日的电网AGC系统中的实际数据，采样间隔均为5s，混合储能系统的基本信息如表1所列。此外，为使整个系统运行的经济效益更大，本算例暂以非用电高峰时段(10：00—15:00和18：00—21：00之外的时段)参与AGC辅助服务，高峰时段按最大功率模式运行，储能系统以功率波动阈值为限制，以提升上网电量有效率，最终计算得到满足AGC考核要求与日常运行波动阈值要求的整体收益最大的混合储能系统配置结果，如表2—表4所列。
表1储能系统相关参数
表2加入储能系统前的各指标计算结果
表3加入储能系统后最优配置及收益情况
表4加入储能系统后的各指标计算结果
从表2中看出，在储能系统加入前，该风电场在AGC服务响应的各项性能指标不高，特别受到风电功率波动影响较为严重的K2指标在较低的范围，进而影响到了整个性能指标Kpd，介于3.8至4.5之间；而且，在高峰时段该风电场以最大功率方式运行，但是其发电量的有效上网率为70％左右，使得响应效能指标在3左右，有较大提升空间。
表3为这几天的储能系统最优配置计算结果，其中VRB容量介于0.98至1.23MW之间，功率介于2.09至2.51MWh之间，VRLA容量介于2.37至2.61MW之间，功率介于3.96至4.43MWh之间，VRB作为功率型电池且价格较高，而VRLA作为能量型电池且综合成本较低，配置结果较为合理，且日最大收益均为20多万元，最高为25.78万元。表4结果为加入储能系统后的各项指标情况，易看出在储能系统加入后，这几天内该风电场整体性能指标都有较大的提升，Kpd介于5.5至6.4之间，非AGC时段的发电量有效上网率达到80％以上，最高达到了87.39％，响应效能也提升至4.4以上，使得该风电场的整体性能及收益都有较大的提升。
然而，以上表中结果也可以看出，由于系统每天的AGC指令及风电机组出力等不同，储能系统的配置结果及对风电场综合效能提升效果也不一样。为了使配置结果更为准确，将上述5个典型日数据一起计算进行优化计算，得到最优配置为VRB(E：1.08MWh；P：2.80MW)和VRLA(E：2.95MWh；P：4.15MW)，最大收益为26.12万元。为更细致的研究不同配置储能系统对风电场改善效果及最终收益的影响，对不同储能配置方案的收益进行计算分析，结果如下所示。
表5不同储能系统配置的收益影响
从图4结果中可看出，在加入储能装置后净收益随着储能系统配置的容量及功率的增大而增加，但是当储能系统的配置容量达到了VRB(E：1.1MWh；P：2.8MW)和VRLA(E：3.0MWh；P：4.2MW)以后，随着储能系统配置容量及功率的增加其总收益反而降低了，这是因为更大的储能容量及功率，带来的收益增加反而无法覆盖投入的成本，导致整体的收益下降，也说明算例的最优经济配置结果较为合理。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.提升风电场综合性能的混合储能系统优化配置方法，其特征在于，包括以下步骤：
S1、根据调节速率指标K1、调节精度指标K2及响应时间指标K3确定风电场参与AGC的整体服务性能指标Kpd；
S2、根据整体服务性能指标Kpd和风电机组有效上网电量占总发电量的比重确定风电场加入混合储能系统后整体响应效果的评价指标KD；
S3、确定风电机组与混合储能系统的出力分配策略，包括在混合储能系统中进行充放电时，先对主电池进行充放电，在主电池充放电容量不足时再利用次电池进行充放电的策略；
S4、确定混合储能系统的剩余电量状态归位策略，包括对混合储能系统的剩余电量状态进行限制，具体为设定储能系统的剩余电量初始状态值为SOCO，设定储能系统的主电池和次电池充放电上限均为St，下限均为Sb；
S5、根据建设投资成本Ci、每年的运维成本CO、额外损耗成本CL、电池过充过放出现的寿命损失成本确定混合储能系统的投资总成本Cf；
S6、根据整体服务性能指标Kpd和自动发电控制的调频深度确定自动发电控制的调频收益INCK；
S7、根据售电单价Prse和加装储能系统后风电机组增加的单位时间上网电量ΔSse确定风电场的上网电费收益INCse；
S8、根据自动发电控制的调频收益INCK、风电场的上网电费收益INCse、混合储能系统的投资总成本Cf确定风电场整体经济效益最大的储能系统配置max INC；
S9、根据混合储能系统中主电池与次电池的容量E及功率P，经过混沌蚁群算法的优化计算，最终得到满足约束条件的最优化目标函数值f及对应的最优化控制变量x。
2.根据权利要求1所述的提升风电场综合性能的混合储能系统优化配置方法，其特征在于，所述步骤S1包括：根据调节速率指标K1、调节精度指标K2及响应时间指标K3确定风电场参与AGC的整体服务性能指标Kpd，具体为：
Kpd＝K1K2K3
其中：K1为调节速率指标，是发电机组响应AGC功率指令的速率；K2为调节精度指标，是指参与AGC服务的机组在响应指令稳定后，实际出力和指令目标功率之间的偏差大小；K3为响应时间指标，指的是能量管理系统发出指令之后，机组在原出力大小P0的基础之上跨出调节死区所用的时间。
3.根据权利要求1所述的提升风电场综合性能的混合储能系统优化配置方法，其特征在于，所述步骤S2包括：根据整体服务性能指标Kpd和风电机组有效上网电量占总发电量的比重确定风电场加入混合储能系统后整体响应效果的评价指标KD，具体为：
KD＝[Kpd×ηW]95％max；ηW＝Wava/Wall
其中，95％max表示95％概率大值，具体计算方法为将一个时段内的计算值从大到小排序，去除前5％的数据后，剩余数据的最大值即为95％概率大值；ηw表示上网电量有效率，Wall表示风电场总发电量，Wava表示有效上网电量。
4.根据权利要求1所述的提升风电场综合性能的混合储能系统优化配置方法，其特征在于，所述步骤S3包括：确定风电机组与混合储能系统的出力分配策略，包括在混合储能系统中进行充放电时，先对主电池进行充放电，在主电池充放电容量不足时再利用次电池进行充放电的策略，具体为：
充电策略：
放电策略：
其中，PAGC表示t时刻AGC指令功率；P(t)表示t时刻机组实际功率；Ppri_ch和Psub_ch分别表示主电池和次电池在t时刻的充电功率；和分别表示主电池和次电池的最大充电功率；Ppri_dch和Psub_dch分别表示主电池和次电池在t时刻的放电功率；和分别表示主电池和次电池的最大放电功率。
5.根据权利要求1所述的提升风电场综合性能的混合储能系统优化配置方法，其特征在于，所述步骤S4包括：所述混合储能系统的主电池和次电池的充放电上限均为St，St取0.8，下限均为Sb，Sb取0.2；在电池系统的剩余电量大于0.8时，混合储能系统只允许放电，设定放电至0.7；在电池系统的剩余电量小于0.2时，混合储能系统只允许充电，设定充电至0.3；及时保证电池状态介于0.8和0.2之间，设定混合储能系统的剩余电量的初始状态值SOCO为0.5。
6.根据权利要求1所述的提升风电场综合性能的混合储能系统优化配置方法，其特征在于，所述步骤S5包括：根据建设投资成本Ci、每年的运维成本CO、额外损耗成本CL、电池过充过放出现的寿命损失成本确定混合储能系统的投资总成本Cf，具体为：
其中，Cf表示储能系统的总成本，包含建设投资成本Ci、运维成本CO及额外损耗成本CL；αEpri与αEsub分别表示主电池与次电池的单位容量投资成本系数；αPpri与αPsub分别表示主电池与次电池的单位功率投资成本系数；Epri与Esub分别表示主电池与次电池的容量；Ppri与Psub分别表示主电池与次电池的充放电功率；βpri与βsub分别表示主电池与次电池的单位运维损耗成本系数；ωpri与ωsub分别表示主电池与次电池的单位额外损耗成本系数；Numpri与Numsub分别表示主电池与次电池导致额外损耗的过充放次数。
7.根据权利要求1所述的提升风电场综合性能的混合储能系统优化配置方法，其特征在于，所述步骤S6包括：根据整体服务性能指标Kpd和自动发电控制的调频深度确定自动发电控制的调频收益INCK，具体为：
INCK＝YAGCKpdDn
其中，YAGC表示AGC服务性能补偿标准；Dn表示AGC服务的日调节深度的总和；Di表示第i次AGC调频深度，即机组在调频服务中所做的贡献，Pn表示机组额定功率，λi表示第i台机组的调频折返系数。
8.根据权利要求1所述的提升风电场综合性能的混合储能系统优化配置方法，其特征在于，所述步骤S7包括：根据售电单价Prse和加装储能系统后风电机组增加的单位时间上网电量ΔSse确定风电场的上网电费收益INCse，具体为：
INCse＝∑PrseΔSse
其中，INCse表示风电场月度上网电费收益；Prse表示售电单价；ΔSse表示加装储能系统后，
风电机组增加的单位时间上网电量。
9.根据权利要求1所述的提升风电场综合性能的混合储能系统优化配置方法，其特征在于，所述步骤S8包括：根据自动发电控制的调频收益INCK、风电场的上网电费收益INCse、混合储能系统的投资总成本Cf确定风电场整体经济效益最大的储能系统配置，具体为：
max INC＝INCK+INCse-Cf
其中，INC表示风电场计算时间段内总收益，INCK表示AGC服务的经济补偿，INCse表示风电场的上网电费收益，Cf表示混合储能系统的投资总成本。
10.根据权利要求1所述的提升风电场综合性能的混合储能系统优化配置方法，其特征在于，所述步骤S9包括四个步骤：起始位置、迭代计算、蚁群信息交换和迭代结束条件，具体为：控制变量为混合储能系统中主电池与次电池的容量E及功率P，先将其离散化，视为蚁群中的蚂蚁变量个体，经过混沌蚁群算法的优化计算，最终得到满足约束条件的最优化目标函数值f及对应的最优化控制变量x。
CN201811417480.6A 2018-11-26 2018-11-26 提升风电场综合性能的混合储能系统优化配置方法 Pending CN109347100A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811417480.6A CN109347100A (zh) 2018-11-26 2018-11-26 提升风电场综合性能的混合储能系统优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811417480.6A CN109347100A (zh) 2018-11-26 2018-11-26 提升风电场综合性能的混合储能系统优化配置方法

Publications (1)

Publication Number Publication Date
CN109347100A true CN109347100A (zh) 2019-02-15

Family

ID=65317877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811417480.6A Pending CN109347100A (zh) 2018-11-26 2018-11-26 提升风电场综合性能的混合储能系统优化配置方法

Country Status (1)

Country Link
CN (1) CN109347100A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110414725A (zh) * 2019-07-11 2019-11-05 山东大学 预测决策一体化的风电场储能系统调度方法及装置
CN110867888A (zh) * 2019-10-22 2020-03-06 中国科学院电工研究所 基于发电机集群和储能微网的脉冲电源系统及放电方法
CN110994646A (zh) * 2019-12-11 2020-04-10 国网河南省电力公司电力科学研究院 电网agc调节的运行效果评估方法、系统及存储介质
CN111009927A (zh) * 2019-12-17 2020-04-14 葛洲坝中科储能技术有限公司 一种风电配合压缩空气储能容量优化方法及系统
CN111682529A (zh) * 2020-06-10 2020-09-18 广西大学 一种基于节点电价信息的移动储能车灵活调度方法
CN112084639A (zh) * 2020-08-28 2020-12-15 华能澜沧江水电股份有限公司 一种调频市场水电站参与调频市场竞标最佳申报容量的辅助决策方法
CN113315148A (zh) * 2021-07-08 2021-08-27 傲普(上海)新能源有限公司 机组系统调频中储能系统的容量配置方法和系统
CN114115006A (zh) * 2021-11-17 2022-03-01 南方电网科学研究院有限责任公司 一种储能控制系统
CN114123241A (zh) * 2021-11-15 2022-03-01 吉林省电力科学研究院有限公司 减少火电机组调频动作的储能-机组协调调频控制方法
CN114336773A (zh) * 2021-11-18 2022-04-12 华能新能源股份有限公司 一种考虑功率预测的风电场功率型储能配置方法
CN117375049A (zh) * 2023-10-13 2024-01-09 华能山东发电有限公司 用于风电场多维考核标准的混合储能优化配置方法和系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488631A (zh) * 2015-12-04 2016-04-13 国家电网公司 一种基于wams动态数据的网源协调在线监测与评估系统
CN107294120A (zh) * 2017-08-25 2017-10-24 广东电网有限责任公司电力科学研究院 一种主动配电网混合储能容量优化配置方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488631A (zh) * 2015-12-04 2016-04-13 国家电网公司 一种基于wams动态数据的网源协调在线监测与评估系统
CN107294120A (zh) * 2017-08-25 2017-10-24 广东电网有限责任公司电力科学研究院 一种主动配电网混合储能容量优化配置方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曾鉴等: ""提升风电场响应效能的混合储能最优经济配置"", 《水利水电技术》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110414725A (zh) * 2019-07-11 2019-11-05 山东大学 预测决策一体化的风电场储能系统调度方法及装置
CN110867888A (zh) * 2019-10-22 2020-03-06 中国科学院电工研究所 基于发电机集群和储能微网的脉冲电源系统及放电方法
CN110994646A (zh) * 2019-12-11 2020-04-10 国网河南省电力公司电力科学研究院 电网agc调节的运行效果评估方法、系统及存储介质
CN110994646B (zh) * 2019-12-11 2024-02-09 国网河南省电力公司电力科学研究院 电网agc调节的运行效果评估方法、系统及存储介质
CN111009927B (zh) * 2019-12-17 2021-10-08 葛洲坝中科储能技术有限公司 一种风电配合压缩空气储能容量优化方法及系统
CN111009927A (zh) * 2019-12-17 2020-04-14 葛洲坝中科储能技术有限公司 一种风电配合压缩空气储能容量优化方法及系统
CN111682529B (zh) * 2020-06-10 2023-10-27 广西大学 一种基于节点电价信息的移动储能车灵活调度方法
CN111682529A (zh) * 2020-06-10 2020-09-18 广西大学 一种基于节点电价信息的移动储能车灵活调度方法
CN112084639B (zh) * 2020-08-28 2022-08-05 华能澜沧江水电股份有限公司 一种调频市场水电站参与调频市场竞标最佳申报容量的辅助决策方法
CN112084639A (zh) * 2020-08-28 2020-12-15 华能澜沧江水电股份有限公司 一种调频市场水电站参与调频市场竞标最佳申报容量的辅助决策方法
CN113315148A (zh) * 2021-07-08 2021-08-27 傲普(上海)新能源有限公司 机组系统调频中储能系统的容量配置方法和系统
CN114123241A (zh) * 2021-11-15 2022-03-01 吉林省电力科学研究院有限公司 减少火电机组调频动作的储能-机组协调调频控制方法
CN114115006A (zh) * 2021-11-17 2022-03-01 南方电网科学研究院有限责任公司 一种储能控制系统
CN114336773A (zh) * 2021-11-18 2022-04-12 华能新能源股份有限公司 一种考虑功率预测的风电场功率型储能配置方法
CN114336773B (zh) * 2021-11-18 2024-04-23 华能新能源股份有限公司 一种考虑功率预测的风电场功率型储能配置方法
CN117375049A (zh) * 2023-10-13 2024-01-09 华能山东发电有限公司 用于风电场多维考核标准的混合储能优化配置方法和系统
CN117375049B (zh) * 2023-10-13 2024-04-09 华能山东发电有限公司 用于风电场多维考核标准的混合储能优化配置方法和系统

Similar Documents

Publication Publication Date Title
CN109347100A (zh) 提升风电场综合性能的混合储能系统优化配置方法
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
CN108960510B (zh) 一种基于两阶段随机规划的虚拟电厂优化交易策略装置
Zhang et al. Battery ESS planning for wind smoothing via variable-interval reference modulation and self-adaptive SOC control strategy
WO2020143104A1 (zh) 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN107565607B (zh) 一种基于实时电价机制的微电网多时间尺度能量调度方法
CN102208818B (zh) 基于小波滤波的兆瓦级风光储发电系统出力平滑控制方法
CN106953316B (zh) 微电网变时间尺度优化调度方法
CN111404206B (zh) 考虑投资回报约束的风光储发电系统容量双层规划方法
CN111049198A (zh) 考虑储能寿命和调频性能的风储联合运行优化方法及系统
CN112736952A (zh) 考虑日历寿命的海上风电配置储能系统容量优化方法
Zheng et al. Optimal short-term power dispatch scheduling for a wind farm with battery energy storage system
CN113659623B (zh) 一种基于布林线理论的风储联合系统的优化方法及系统
CN114819373A (zh) 一种基于合作博弈的共享混合储能电站的储能规划方法
Benini et al. Participation of battery energy storage systems in the Italian Balancing Market: management strategies and economic results
CN112886624A (zh) 一种三站合一变电站储能装置规划设计系统及方法
CN114820046A (zh) 一种区域电网混合储能辅助调频经济优化与补偿定价方法
CN112865146A (zh) 一种用户侧储能系统协调化运行策略的生成方法
Han et al. Optimization control and economic evaluation of energy storage combined thermal power participating in frequency regulation based on multivariable fuzzy double-layer optimization
CN109829624B (zh) 一种风电合作博弈爬坡控制方法和装置
CN111008463A (zh) 一种考虑发电侧储能的容量配置优化方法、装置及设备
CN117767349A (zh) 风光储新能源电站的优化调度与协调控制方法及系统
CN117394404A (zh) 考虑碳效益和辅助调频的风电场储能容量配置方法
CN110994639B (zh) 一种电厂储能辅助调频的仿真定容方法、装置及设备

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190215

RJ01 Rejection of invention patent application after publication