CN109378856B - 基于滚动优化的风-储混合电站功率波动平抑方法 - Google Patents

基于滚动优化的风-储混合电站功率波动平抑方法 Download PDF

Info

Publication number
CN109378856B
CN109378856B CN201811171637.1A CN201811171637A CN109378856B CN 109378856 B CN109378856 B CN 109378856B CN 201811171637 A CN201811171637 A CN 201811171637A CN 109378856 B CN109378856 B CN 109378856B
Authority
CN
China
Prior art keywords
energy storage
storage system
battery energy
power
charging
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.)
Active
Application number
CN201811171637.1A
Other languages
English (en)
Other versions
CN109378856A (zh
Inventor
张新松
李智
陆胜男
徐扬扬
顾菊平
华亮
郭晓丽
徐一鸣
李俊红
朱建红
张齐
高宁宇
曹书秀
凌玲
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.)
Nantong University
Original Assignee
Nantong University
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 Nantong University filed Critical Nantong University
Priority to CN202110720233.9A priority Critical patent/CN113315168A/zh
Priority to CN201811171637.1A priority patent/CN109378856B/zh
Publication of CN109378856A publication Critical patent/CN109378856A/zh
Application granted granted Critical
Publication of CN109378856B publication Critical patent/CN109378856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/10—Flexible AC transmission systems [FACTS]
    • 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)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种基于滚动优化的风‑储混合电站功率波动平抑方法，提出了一种电池储能系统运行计划优化模型，优化目标为风‑储混合电站发电功率中的波动能量最小。运行中，在历史风功率、电池储能系统历史充放电功率与超短期风功率预测的基础上，对该优化模型进行滚动求解，给出电池储能系统的最优运行计划，并以此为依据生成充放电功率指令。其次，为避免电池储能系统在执行充放电功率指令时频繁切换充放电状态，延长使用寿命，将其分为容量相等的两部分独立运行。本发明使用方便、效果好。

Description

基于滚动优化的风-储混合电站功率波动平抑方法
技术领域
本发明涉及一种风功率波动平抑技术，具体涉及一种基于电池储能系统运行计划在线滚动优化的风-储混合电站发电功率波动平抑策略及基于序贯蒙特卡洛模拟技术的运行模拟方法。
背景技术
近年来，随着化石能源的逐渐枯竭与环境污染的日益加剧，以风电为代表的可再生能源在世界范围内得到了飞速发展。截至2017年底，我国累计风电装机容量1.64亿千瓦，占全部发电装机容量的9.2％，年发电量3057亿千瓦时，占全部发电量的4.8％，是我国电力系统第3大主力电源。然而，与常规能源机组不同，受一次能源自然特性与风电机组技术特性(主要指塔影效应和风剪切效应)的影响，风功率具备与身俱来的随机波动特性。其大规模并网将显著增加电网运行困难，如导致频率波动、线路潮流波动以及并网点电能质量恶化等一系列问题。因此，有必要对风功率波动进行平抑，使风电场成为电网友好型电源。
文献一《Smoothing wind power fluctuations by fuzzy logic pitch anglecontroller》(Renewable Energy，2012年，第38卷，第1期，第113页至233页)采用模糊控制方法对叶片桨矩角进行控制，通过改变风机气动特性调节风电机组输出功率，进而实现对风功率波动的平抑。文献二《Smoothing of wind power fluctuations for permanentmagnet synchronous generator-based wind energy conversion system and faultride through consideration》(Electric Power Components and Systems，2015年，第41卷，第3期，第271-281页)提出了面向永磁直驱风电机组的风功率波动平抑方法，即采用模糊控制方法控制风机转速，进而调节风功率大小、实现风功率波动平抑。尽管可有效平抑风功率波动，但文献一、二提出的控制策略将导致风电机组偏离最大功率跟踪点，降低能量转换效率，进而导致“弃风”。
近年来，电池储能技术的飞速进步为风功率波动平抑提供了全新的解决方案。电池储能系统可模块化安装、集成，易于接入风电场并构成风-储混合电站运行。电池储能系统具备快速响应功率指令的能力，当风功率随机波动时，可通过对其充放电功率的快速调节平抑风功率波动。文献三《基于电池储能系统的风功率波动平抑策略》(中国电机工程学报，2014年，第34卷，第28期，第4752页至4760页)将电池储能系统接入风电场，构成风-储混合电站运行。在超短期风功率预测的基础上，该文献在线提取当前时刻的风功率波动分量，并实时调节电池储能系统充放电功率，使其尽可能抵消波动，实现对风功率波动的平抑。文献四《Coordinated control of wind turbine and energy systems for reducing windpower fluctuation》(Energies，2018年，第11卷，第1期，第1页至19页)同样关注风-储混合电站中的风功率波动平抑问题，提出了风电机组与电池储能系统的协调控制策略，在延长电池储能系统使用寿命的前提下，获得了更好的波动平抑效果。
显然，对风-储混合电站来说，给出合理的电池储能系统充放电功率是提高发电功率波动平抑性能的关键。然而，现有技术方法中，均未考虑对电池储能系统的充放电行为进行优化，在一定程度上影响了风-储混合电站的发电功率波动平抑性能，具有一定的局限性。
发明内容
针对现有技术存在的不足，本发明的目的是提供一种基于电池储能系统运行计划在线滚动优化的风-储混合电站发电功率波动平抑策略及其运行模拟方法。
技术方案：为实现上述发明目的，本发明采取的技术方案如下：
为平抑风功率波动，并避免电池储能系统在充放电状态间的频繁切换，将电池储能系统分为容量相等的两部分接入风电场并网公共联接点(Point of common coupling，PCC)，构成风-储混合电站运行，具体如图3所示。
Pw,t为第t分钟的风功率，PbI,t与PbII,t分别为两部分储能系统在第t分钟的充放电功率，取正值表示对应部分的电池储能系统处于放电状态，负值则表示对应部分的电池储能系统处于充电状态。Pb,t为整个电池储能系统在第t分钟的输出功率，其与风功率Pw,t之和为整个风-储混合电站的发电功率Pw-B,t。
对风-储混合电站来说，提高发电功率波动平抑性能的关键是给出合理的电池储能系统充放电功率，使其能更好的抵消风功率波动。为此，本发明提出了一种电池储能系统运行计划在线优化模型，优化目标为风-储混合电站在给定优化区间内的总波动能量最小。运行中，假定在第t-1分钟对电池储能系统在未来某时段内的运行计划进行优化，确保优化区间[t，t+M-1]内的总波动能量Eh,t最小，此时，目标函数为：
Figure GDA0002957671380000031
上式中，M为优化区间长度(单位：分钟)；绝对值符号内为风-储混合电站发电功率在第t+j分钟的波动功率，可采用滑动平均法从风-储混合电站发电功率中分离；N为滑动平均时段的长度(单位：分钟)。
为便于描述，将上述目标函数改写成如下抽象形式：
minEh,t＝f(Pb,t+k,Pfw,t+k,Pb,t+l,Pw,t+l)
上式中，k＝0，2，3，…，M+N/2-1，Pb,t+k表示电池储能系统在区间[t，t+M+N/2-1]内每分钟的充放电功率。电池储能系统在此时段内的充放电功率将影响优化区间[t，t+M-1]内的总波动能量，因此，Pb,t+k为储能系统运行计划优化模型中的优化变量。Pfw,t+k为区间[t，t+M+N/2-1]内每分钟的超短期风功率预测结果，是电池储能系统运行计划在线优化的数据基础。l＝-N/2+1，-N/2+2，-N/2+3，…，-1，Pb,t+l与Pw,t+l分别为区间[t-N/2+1，t-1]内每分钟的历史风功率与电池储能系统历史充放电功率，同样也是电池储能系统运行计划在线优化的数据基础。
电池储能系统运行计划优化模型的约束如下：
充、放电速率约束：
-EcPchm≤Pb,t≤EcPdism
上式中，Pchm与Pdism分别为单位容量电池储能系统的最大充、放电功率；Ec为电池储能系统容量。本发明中，电池储能系统分为容量相等的两部分运行，分别用于执行充电与放电功率指令，也就是说，任何时刻仅有一半电池储能系统处于工作状态，因此，上式中的Ec取为电池储能系统总容量的一半。
荷电状态约束：
Vmins≤Vsoc,t≤Vmaxs
上式中，Vmaxs、Vmins分别为电池储能系统的最大、最小允许荷电状态；Vsoc,t为电池储能系统在第t分钟的荷电状态。由于任何时刻仅有一半电池储能系统处于工作状态，执行充放电功率指令，因此，Vsoc,t为虚拟荷电状态，由下式计算：
Figure GDA0002957671380000041
上式中，ηch与ηdis分别为电池储能系统的充放电效率。
由于目标函数为绝对值累加求和的形式，因此，电池储能系统运行计划优化模型是非线性优化模型，为便于求解，可通过引入新的0-1变量将其转换为混合整数规划模型。
运行中，可在历史风功率、储能系统历史充放电功率以及超短期风功率预测的基础上，利用商业优化软件对电池储能系统运行计划优化模型进行在线滚动求解，给出电池储能系统的最优运行计划，并以此为依据生成电池储能系统的充放电功率指令。假定在第t-1分钟对电池储能系统运行计划优化模型进行求解，虽然可给出电池储能系统在区间[t，t+M+N/2-1]内的充放电功率，然而，当前时刻仅提取区间[t，t+M-1]内的充、放电功率作为电池储能系统的最优运行计划。至于区间[t+M，t+M+N/2-1]内的电池储能系统运行计划，将在下一次求解电池储能系统运行计划优化模型时给出。
在最优运行计划的基础上，可按下式生成电池储能系统的充放电功率指令：
Pdb,t＝Psb,t+Pfw,t-Pw,t
上式中，Pdb,t为第t分钟的电池储能系统充放电功率指令；Psb,t为最优运行计划中给定的电池储能系统充放电功率。从上式可看出，为获得理想的风-储混合电站发电功率波动平抑性能，除按最优运行计划运行外，电池储能系统还需弥补随机风功率预测误差。
在执行充放电功率指令Pdb,t时，为避免电池储能系统在充、放电状态间的频繁切换、延长使用寿命，将电池储能系统分为容量相等的两部分独立运行。两部分电池储能系统中，一部分处于充电状态，用于执行充电功率指令；另一部分处于放电状态，用于执行放电功率指令，一旦任一部分电池储能系统到达满充或满放状态，则立即切换其充、放电状态，避免过充或过放损伤电池。与此同时，为严格保证两部分电池储能系统处于不同的工作状态，应同步切换另一部分电池储能系统的充放电状态。下文将对上述策略进行详细描述，为便于描述，假定电池储能系统I、II在第t分钟处于充电与放电状态。
假定第t分钟的功率指令为充电指令，则由处于充电状态的电池储能系统I执行该功率指令，此时，电池储能系统I的充电功率为：
PbI,t＝-min[-Pdb,t,PcmaxI,t]
上式中，PcmaxI,t为电池储能系统I在当前时刻可提供的最大充电功率，由下式确定：
PcmaxI,t＝min[EcPchm,60Ec(Vmaxs-VsocI,t-1)/ηch]
上式中，VsocI,t-1为电池储能系统I在第t-1分钟末的荷电状态。两部分电池储能系统在第t分钟末的荷电状态分别为：
Figure GDA0002957671380000051
上式中，VsocII,t-1为电池储能系统II在第t-1分钟末的荷电状态，VsocI,t与VsocII,t分别电池储能系统I、II在第t分钟的荷电状态。
反之，若第t分钟的功率指令为放电指令，则由处于放电状态的电池储能II执行该放电指令，此时，电池储能系统II的放电功率为：
PbII,t＝min[Pdb,t,PdmaxII,t]
上式中，PdmaxII,t为电池储能系统II在当前时刻可提供的最大放电功率，由下式确定：
PdmaxII,t＝min[EcPdism,60Ec(VsocII,t-1-Vmins)ηdis]
电池储能系统II放电后，两部分电池储能系统在第t分钟末的荷电状态分别为：
Figure GDA0002957671380000052
本发明从波动能量与波动幅值两个角度提出了一组用于衡量发电功率波动平抑性能的评价指标，分别为：波动能量平抑百分比(Percentage of mitigated fluctuatingenergy,PMFE)与波动幅值越限概率(Probability of fluctuating exceeding athreshold,PFET)。指标PMFE量化待评估调度日内经电池储能系统平抑的波动能量占原始波动能量的百分比，由下式计算：
Figure GDA0002957671380000061
上式中，VPMFE为评价指标PMFE的取值；Pwm,t与Pm,t分别为原始风功率与风-储混合电站发电功率在第t分钟的波动功率。指标PFET量化待评估调度日内波动幅值在超过给定限值Pthr的概率，由下式计算：
VPFET＝Pr{|Pm,t|>Pthr}t＝1,2,…,1440
上式中，VPFET为评价指标PFET的取值；Pr{}表示括号内事件发生的概率。
显然，风功率随机预测误差将显著影响风-储混合电站发电功率波动平抑性能。此外，电池储能系统的运行工况具有时序耦合特性，也就是说，电池储能系统在任何时刻的充、放电功率均与前后若干时段内的电池储能系统运行工况有关。因此，本发明提出了一种基于序贯蒙特卡洛模拟的风-储混合电站运行模拟方法，对电池储能系统在待评估调度日内的运行工况进行模拟，并基于模拟结果计算评价指标PMFE与PFET，实现对风-储混合电站发电功率波动平抑性能的评价。上述模拟方法的具体步骤如下：
步骤0：仿真次数索引n设置为1，指标PMFE与PFET初始化为零。
步骤1：仿真时段索引t初始化为0，电池储能系统I与II的初始状态设为充电状态与放电状态，对应的荷电状态分别为Vmins与Vmaxs。采用商业优化软件对电池储能系统运行计划优化模型进行求解，给出区间[1，M]内的电池储能系统运行计划。模拟中，每隔M分钟滚动求解一次电池储能系统运行计划优化模型，给出未来M分钟内的电池储能系统运行计划。
步骤2：令t＝t+1，假定可用均值为Pfw,t、标准差为σt的正态分布描述风功率在第t分钟的随机波动特性。此时，按下式随机生成当前时刻的风功率Pw,t：
Figure GDA0002957671380000062
上式中，c1与c2均为区间[0,1]上服从均匀分布的随机数。
步骤3：根据运行计划生成电池储能系统在当前时刻的充放电功率指令，在此基础上，根据电池储能系统在上一分钟末的运行状态确定两部分电池储能系统在当前时刻的充放电功率。
步骤4：计算两部分电池储能系统在第t分钟末的荷电状态，若某部分电池储能系统到达满充或满放状态，则同时切换两部分电池储能系统的充放电状态。若仿真时段索引t等于M，2M，…，([1440/M]-1)M，则立即求解电池储能系统运行计划优化模型，给出未来M分钟内的电池储能系统运行计划。
步骤5：重复执行步骤2至4，直至完成整个待评估调度日内的风-储混合电站运行模拟。计算第n次模拟对应的标价指标VPMFE,n与VPFET,n，并按下式更新评价指标PMFE与PFET。
Figure GDA0002957671380000071
Figure GDA0002957671380000072
上式中，nmax为预先设定的模拟次数。
步骤6：令n＝n+1，重复执行步骤1至5，直至到达预先设定的模拟次数。
步骤7：结束运行模拟，给出评价指标PMFE与PFET。
本发明提出了一种用于在线优化电池储能系统运行计划的优化模型，优化目标为风-储混合电站输出功率中的波动能量最小。该模型为非线性优化模型，为便于求解，通过引入新的0、1变量将其转换为混合整数规划模型。运行中，在历史风功率、电池储能系统历史充放电功率与超短期风功率预测的基础上，采用商业优化软件对该优化模型进行滚动求解，给出电池储能系统的最优运行计划，并以此为依据生成电池储能系统的充放电功率指令。为避免电池储能系统在执行充放电功率指令时出现频繁的充放电状态切换、延长使用寿命，将电池储能系统分为容量相等的两部分独立运行。运行中，两部分电池储能系统处于不同的充放电状态，分别用于执行充电与放电功率指令，一旦任一部分电池储能系统到达满充或满放状态，则同时切换两部分电池储能系统的充放电状态。从波动功率与波动能量两个角度，提出了两个用于衡量发电功率波动平抑性能的技术指标，分别为：波动能量平抑百分比(Percentage of mitigated fluctuating energy,PMFE)与波动幅值越限概率(Probability of fluctuating exceeding a threshold,PFET)。最后，提出了基于序贯蒙特卡洛模拟的风-储混合电站运行模拟方法，对本发明提出的风-储混合电站发电功率波动平抑策略进行验证。本发明使用方便、效果好。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是基于电池储能系统运行计划在线滚动优化的风-储混合电站发电功率波动平抑策略示意图。
图2是对风-储混合电站在待评估调度日内的运行工况进行模拟示意图。
图3是将电池储能系统分为容量相等的两部分接入风电场并网公共联接点，构成风-储混合电站运行的示意图。
具体实施方式
为平抑风功率波动，本发明将电池储能系统接入风电场，构成风-储混合电站运行。为提高风-储混合电站发电功率波动平抑性能，本发明提出了一种基于电池储能系统运行计划在线滚动优化的风-储混合电站发电功率波动平抑策略，如说明书附图1所示。此外，从波动能量与波动幅值两个角度，本发明提出了两个用于衡量发电功率波动平抑性能的技术指标，分别为：波动能量平抑百分比(Percentage of mitigated fluctuating energy,PMFE)与波动幅值越限概率(Probability of fluctuating exceeding a threshold,PFET)。最后，提出了基于序贯蒙特卡洛模拟的风-储混合电站运行模拟方法，对风-储混合电站在待评估调度日内的运行工况进行模拟，并基于模拟结果计算评价指标PMFE与PFET，如说明书附图2所示。
为平抑风功率波动，并避免电池储能系统在充放电状态间频繁切换，将电池储能系统分为容量相等的两部分接入风电场并网公共联接点(Point of common coupling，PCC)，构成风-储混合电站运行，具体如图3所示。
图3中，Pw,t为第t分钟的风功率，PbI,t与PbII,t分别为两部分储能系统在第t分钟充、放电功率，取正值表示对应部分的电池储能系统处于放电状态，负值则表示对应部分的电池储能系统处于充电状态。Pb,t为整个电池储能系统在第t分钟的输出功率，其与风功率Pw,t之和为整个风-储混合电站的发电功率Pw-B,t。
对风-储混合电站来说，提高发电功率波动平抑性能的关键是给出合理的电池储能系统充放电功率，使其能更好的抵消风功率波动。为此，本发明提出了一种电池储能系统运行计划在线优化模型，优化目标为风-储混合电站在给定优化区间内的总波动能量最小。运行中，假定在第t-1分钟对未来某时段内电池储能系统的充放电功率进行优化，确保优化区间[t，t+M-1]内的总波动能量Eh,t最小，此时，目标函数为：
Figure GDA0002957671380000091
上式中，M为优化区间的长度(单位：分钟)；绝对值符号内为风-储混合电站发电功率在第t+j分钟的波动功率，可采用滑动平均法从风-储混合电站发电功率中分离；N为滑动平均时段的长度(单位：分钟)。
为便于描述，将上述目标函数改写成如下抽象形式：
minEh,t＝f(Pb,t+k,Pfw,t+k,Pb,t+l,Pw,t+l)
上式中，k＝0，2，3，…，M+N/2-1，Pb,t+k表示区间[t，t+M+N/2-1]内电池储能系统在每分钟的充放电功率。此时段内的电池储能系统充放电功率将影响优化区间[t，t+M-1]内的总波动能量，因此，Pb,t+k为电池储能系统运行计划优化模型中的优化变量。Pfw,t+k为区间[t，t+M+N/2-1]内每分钟的超短期风功率预测结果，是电池储能系统运行计划在线优化的数据基础。l＝-N/2+1，-N/2+2，-N/2+3，…，-1，Pb,t+l与Pw,t+l分别为区间[t-N/2+1，t-1]内每分钟的历史风功率与电池储能系统历史充放电功率，同样也是电池储能系统运行计划在线优化的数据基础。
电池储能系统运行计划优化模型的约束如下：
充、放电速率约束：
-EcPchm≤Pb,t≤EcPdism
上式中，Pchm与Pdism分别为单位容量电池储能系统的最大充、放电功率；Ec为电池储能系统容量。本发明中，电池储能系统分为容量相等的两部分运行，分别用于执行充电与放电功率指令，也就是说，任何时刻仅有一半电池储能系统处于工作状态，因此，上式中的Ec取为电池储能系统总容量的一半。
荷电状态约束：
Vmins≤Vsoc,t≤Vmaxs
上式中，Vmaxs、Vmins分别为电池储能系统的最大、最小允许荷电状态；Vsoc,t为电池储能系统在第t分钟的荷电状态。由于任何时刻仅有一半电池储能系统处于工作状态，执行充放电功率指令，因此，Vsoc,t为虚拟荷电状态，由下式计算：
Figure GDA0002957671380000101
上式中，ηch与ηdis分别为电池储能系统的充放电效率。
由于目标函数是绝对值累加求和的形式，因此，电池储能系统运行计划优化模型是非线性优化模型，为便于求解，可通过引入新的0-1变量将其转换为混合整数规划模型。
运行中，可在历史风功率、储能系统历史充放电功率以及超短期风功率预测的基础上，利用商业优化软件对电池储能系统运行计划优化模型进行在线滚动求解，给出电池储能系统的最优运行计划，并以此为依据生成电池储能系统的充放电功率指令。假定在第t-1分钟对电池储能系统运行计划优化模型进行求解，虽然可给出电池储能系统在区间[t，t+M+N/2-1]内的充放电功率，然而，当前时刻仅提取区间[t，t+M-1]内的充放电功率作为电池储能系统的最优运行计划。至于区间[t+M，t+M+N/2-1]内的电池储能系统运行计划，将在下一次求解电池储能系统运行计划优化模型时给出。
在最优运行计划的基础上，可按下式生成电池储能系统的充放电功率指令：
Pdb,t＝Psb,t+Pfw,t-Pw,t
上式中，Pdb,t为第t分钟的电池储能系统充放电功率指令；Psb,t为最优运行计划中给定的电池储能系统充放电功率。从上式可看出，为获得理想的风-储混合电站发电功率波动平抑性能，除按最优运行计划运行外，电池储能系统还需弥补随机风功率预测误差。
在执行充放电功率指令Pdb,t时，为避免电池储能系统在充、放电状态间的频繁切换、延长使用寿命，将电池储能系统分为容量相等的两部分独立运行。两部分电池储能系统中，一部分处于充电状态，用于执行充电功率指令；另一部分处于放电状态，用于执行放电功率指令，一旦任一部分电池储能系统到达满充或满放状态，则立即切换其充、放电状态，避免过充或过放损伤电池。与此同时，为严格保证两部分电池储能系统处于不同的工作状态，应同步切换另一部分电池储能系统的充放电状态。下文将对上述策略进行详细描述，为便于描述，假定电池储能系统I、II在第t分钟处于充电与放电状态。
假定第t分钟的功率指令为充电指令，则由处于充电状态的电池储能系统I执行该功率指令，此时，电池储能系统I的充电功率为：
PbI,t＝-min[-Pdb,t,PcmaxI,t]
上式中，PcmaxI,t为电池储能系统I在当前时刻可提供的最大充电功率，由下式确定：
PcmaxI,t＝min[EcPchm,60Ec(Vmaxs-VsocI,t-1)/ηch]
上式中，VsocI,t-1为电池储能系统I在第t-1分钟末的荷电状态。两部分电池储能系统在第t分钟末的荷电状态分别为：
Figure GDA0002957671380000111
上式中，VsocII,t-1为电池储能系统II在第t-1分钟末的荷电状态，VsocI,t与VsocII,t分别电池储能系统I、II在第t分钟的荷电状态。
反之，若第t分钟的功率指令为放电指令，则由处于放电状态的电池储能II执行该放电指令，此时，电池储能系统II的放电功率为：
PbII,t＝min[Pdb,t,PdmaxII,t]
上式中，PdmaxII,t为电池储能系统II在当前时刻可提供的最大放电功率，由下式确定：
PdmaxII,t＝min[EcPdism,60Ec(VsocII,t-1-Vmins)ηdis]
电池储能系统II放电后，两部分电池储能系统在第t分钟末的荷电状态分别为：
Figure GDA0002957671380000112
本发明从波动能量与波动幅值两个角度提出了一组用于衡量发电功率波动平抑性能的评价指标，分别为：波动能量平抑百分比(Percentage of mitigated fluctuatingenergy,PMFE)与波动幅值越限概率(Probability of fluctuating exceeding athreshold,PFET)。指标PMFE量化待评估调度日内经电池储能系统平抑的波动能量占原始波动能量的百分比，由下式计算：
Figure GDA0002957671380000121
上式中，VPMFE为评价指标PMFE的取值；Pwm,t与Pm,t分别为原始风功率与风-储混合电站发电功率在第t分钟的波动功率。指标PFET量化待评估调度日内波动幅值在超过给定限值Pthr的概率，由下式计算：
VPFET＝Pr{|Pm,t|>Pthr}t＝1,2,…,1440
上式中，VPFET为评价指标PFET的取值；Pr{}表示括号内事件发生的概率。
显然，风功率随机预测误差将显著影响风-储混合电站发电功率波动平抑性能。此外，电池储能系统的运行工况具有时序耦合特性，也就是说，电池储能系统在任何时刻的充、放电功率均与前后若干时段内的电池储能系统运行工况有关。因此，本发明提出了一种基于序贯蒙特卡洛模拟的风-储混合电站运行模拟方法，对电池储能系统在待评估调度日内的运行工况进行模拟，并基于模拟结果计算评价指标PMFE与PFET，实现对风-储混合电站发电功率波动平抑性能的评价。上述模拟方法的具体步骤如下：
步骤0：仿真次数索引n设置为1，指标PMFE与PFET初始化为零。
步骤1：仿真时段索引t初始化为0，电池储能系统I与II的初始状态设为充电状态与放电状态，对应的荷电状态分别为Vmins与Vmaxs。采用商业优化软件对电池储能系统运行计划优化模型进行求解，给出区间[1，M]内的电池储能系统运行计划。模拟中，每隔M分钟滚动求解一次电池储能系统运行计划优化模型，给出未来M分钟内的电池储能系统运行计划。
步骤2：令t＝t+1，假定可用均值为Pfw,t、标准差为σt的正态分布描述风功率在第t分钟的随机波动特性。此时，按下式随机生成当前时刻的风功率Pw,t：
Figure GDA0002957671380000122
上式中，c1与c2均为区间[0,1]上服从均匀分布的随机数。
步骤3：根据运行计划生成电池储能系统在当前时刻的充放电功率指令，在此基础上，根据电池储能系统在上一分钟末的运行状态确定两部分电池储能系统在当前时刻的充放电功率。
步骤4：计算两部分电池储能系统在第t分钟末的荷电状态，若某部分电池储能系统到达满充或满放状态，则同时切换两部分电池储能系统的充放电状态。若仿真时段索引t等于M，2M，…，([1440/M]-1)M，则立即求解电池储能系统运行计划优化模型，给出未来M分钟内的电池储能系统运行计划。
步骤5：重复执行步骤2至4，直至完成整个待评估调度日内的风-储混合电站运行模拟。计算第n次模拟对应的标价指标VPMFE,n与VPFET,n，并按下式更新评价指标PMFE与PFET。
Figure GDA0002957671380000131
Figure GDA0002957671380000132
上式中，nmax为预先设定的模拟次数。
步骤6：令n＝n+1，重复执行步骤1至5，直至到达预先设定的模拟次数。
步骤7：结束运行模拟，给出评价指标PMFE与PFET。

Claims (4)

1.一种基于滚动优化的风-储混合电站功率波动平抑方法，其特征是：包括建立电池储能系统运行计划优化模型，优化目标为风-储混合电站发电功率在给定优化区间内的总波动能量最小；
假定在第t-1分钟对电池储能系统运行计划进行优化，确保优化区间[t，t+M-1]内的总波动能量Eh,t最小，此时，目标函数为：
Figure FDA0003094148650000011
上式中，Pw,t+j与Pb,t+j分别为第t+j分钟的风功率与电池储能系统充放电功率，j＝0，1，2，…，M-1；Pw,t+j-N/2+i与Pb,t+j-N/2+i分别为第t+j-N/2+i分钟的风功率与电池储能系统充放电功率，j＝0，1，2，…，M-1；i＝1，2，3，…，N；M为优化区间的长度，单位：分钟；绝对值符号内为风-储混合电站发电功率在第t+j分钟的波动功率，采用滑动平均法从风-储混合电站发电功率中分离；N为滑动平均时段的长度，单位：分钟；
将上述目标函数改写成如下抽象形式：
minEh,t＝f(Pb,t+k,Pfw,t+k,Pb,t+l,Pw,t+l)
上式中，k＝0，1，2，3，…，M+N/2-1，Pb,t+k表示电池储能系统在区间[t，t+M+N/2-1]内每分钟的充放电功率；电池储能系统在此时段内的充放电功率将影响优化区间[t，t+M-1]内的总波动能量，因此，Pb,t+k为电池储能系统运行计划优化模型中的优化变量；Pfw,t+k为区间[t，t+M+N/2-1]内每分钟的超短期风功率预测结果，是电池储能系统运行计划在线优化的数据基础；l＝-N/2+1，-N/2+2，-N/2+3，…，-1，Pb,t+l与Pw,t+l分别为区间[t-N/2+1，t-1]内每分钟的历史风功率与电池储能系统历史充放电功率，同样也是电池储能系统运行计划在线优化的数据基础；
模型约束如下：
充、放电速率约束：
-EcPchm≤Pb,t≤EcPdism
上式中，Pchm与Pdism分别为单位容量电池储能系统的最大充、放电功率；Ec为电池储能系统容量；电池储能系统分为容量相等的两部分运行，分别用于执行充电与放电功率指令，也就是说，任何时刻仅有一半的电池储能系统处于工作状态，因此，上式中的Ec取为电池储能系统总容量的一半；
荷电状态约束：
Vmins≤Vsoc,t≤Vmaxs
上式中，Vmaxs、Vmins分别为电池储能系统的最大、最小允许荷电状态；Vsoc,t为电池储能系统在第t分钟的荷电状态；由于任何时刻仅有一半电池储能系统处于工作状态、执行充放电功率指令，因此，此处的Vsoc,t为虚拟荷电状态，可由下式计算：
Figure FDA0003094148650000021
上式中，ηch与ηdis分别为电池储能系统的充放电效率；
由于目标函数是绝对值累加求和的形式，因此，电池储能系统运行计划优化模型是非线性优化模型，通过引入新的0-1变量将其转换为混合整数规划模型；
运行中，在历史风功率、电池储能系统历史充放电功率以及超短期风功率预测的基础上，利用商业优化软件对电池储能系统运行计划优化模型进行在线滚动求解，给出电池储能系统的最优运行计划，并以此为基础生成电池储能系统的充放电功率指令；假定在第t-1分钟对电池储能系统运行计划优化模型进行求解，虽然可给出电池储能系统在区间[t，t+M+N/2-1]内的最优充放电功率序列，然而，当前时刻仅提取区间[t，t+M-1]内的充、放电功率序列作为电池储能系统的最优运行计划；至于电池储能系统在区间[t+M，t+M+N/2-1]内的运行计划，将在下一次求解电池储能系统运行计划优化模型时给出。
2.根据权利要求1所述的基于滚动优化的风-储混合电站功率波动平抑方法，其特征是：在最优运行计划的基础上，按下式生成电池储能系统的充放电功率指令：
Pdb,t＝Psb,t+Pfw,t-Pw,t
上式中，Pdb,t为第t分钟的电池储能系统充放电功率指令；Psb,t为最优运行计划中给定的电池储能系统充放电功率。
3.根据权利要求2所述的基于滚动优化的风-储混合电站功率波动平抑方法，其特征是：执行充放电功率指令Pdb,t时，为避免电池储能系统在充、放电状态间频繁切换、延长使用寿命，将电池储能系统分为容量相等的两部分独立运行；两部分电池储能系统中，一部分处于充电状态，用于执行充电功率指令；另一部分处于放电状态，用于执行放电功率指令；一旦任一部分电池储能系统到达满充或满放状态，则立即切换其充、放电状态，以避免过充或过放损伤电池；与此同时，为严格保证两部分电池储能系统处于不同的工作状态，同步切换另一部分电池储能系统的充放电状态；
假定电池储能系统I、II在第t分钟分别处于充电与放电状态；
假定第t分钟的功率指令为充电指令，则由处于充电状态的电池储能系统I执行该功率指令，此时，电池储能系统I的充电功率PbI,t为：
PbI,t＝-min[-Pdb,t,PcmaxI,t]
上式中，PcmaxI,t为电池储能系统I在当前时刻可提供的最大充电功率，由下式确定：
PcmaxI,t＝min[EcPchm,60Ec(Vmaxs-VsocI,t-1)/ηch]
上式中，VsocI,t-1为电池储能系统I在第t-1分钟末的荷电状态；两部分电池储能系统在第t分钟末的荷电状态分别为：
Figure FDA0003094148650000031
上式中，VsocII,t-1为电池储能系统II在第t-1分钟末的荷电状态，VsocI,t与VsocII,t分别电池储能系统I、II在第t分钟的荷电状态；
反之，若第t分钟的功率指令为放电指令，则由处于放电状态的电池储能系统II执行该放电指令，此时，电池储能系统II的放电功率PbII,t为：
PbII,t＝min[Pdb,t,PdmaxII,t]
上式中，PdmaxII,t为电池储能系统II在当前时刻可提供的最大放电功率，由下式确定：
PdmaxII,t＝min[EcPdism,60Ec(VsocII,t-1-Vmins)ηdis]
电池储能系统II放电后，两部分电池储能系统在第t分钟末的荷电状态分别为：
Figure FDA0003094148650000041
4.根据权利要求2所述的基于滚动优化的风-储混合电站功率波动平抑方法，其特征是：从波动能量与波动幅值两个角度，采用用于衡量发电功率波动平抑性能的评价指标，分别为：波动能量平抑百分比与波动幅值越限概率；指标波动能量平抑百分比量化待评估调度日内经电池储能系统平抑的波动能量占原始波动能量的百分比，由下式计算：
Figure FDA0003094148650000042
上式中，VPMFE为评价指标波动能量平抑百分比的取值；Pwm,t与Pm,t分别为原始风功率与风-储混合电站发电功率在第t分钟的波动功率；指标波动幅值越限概率量化待评估调度日内波动幅值超过给定限值Pthr的概率，由下式计算：
VPFET＝Pr{|Pm,t|>Pthr}，t＝1,2,…,1440
上式中，VPFET为评价指标波动幅值越限概率的取值；Pr{}表示括号内事件发生的概率。
CN201811171637.1A 2018-10-09 2018-10-09 基于滚动优化的风-储混合电站功率波动平抑方法 Active CN109378856B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110720233.9A CN113315168A (zh) 2018-10-09 2018-10-09 基于序贯蒙特卡洛模拟的风-储混合电站运行模拟方法
CN201811171637.1A CN109378856B (zh) 2018-10-09 2018-10-09 基于滚动优化的风-储混合电站功率波动平抑方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811171637.1A CN109378856B (zh) 2018-10-09 2018-10-09 基于滚动优化的风-储混合电站功率波动平抑方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202110720233.9A Division CN113315168A (zh) 2018-10-09 2018-10-09 基于序贯蒙特卡洛模拟的风-储混合电站运行模拟方法

Publications (2)

Publication Number Publication Date
CN109378856A CN109378856A (zh) 2019-02-22
CN109378856B true CN109378856B (zh) 2021-07-27

Family

ID=65403272

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202110720233.9A Withdrawn CN113315168A (zh) 2018-10-09 2018-10-09 基于序贯蒙特卡洛模拟的风-储混合电站运行模拟方法
CN201811171637.1A Active CN109378856B (zh) 2018-10-09 2018-10-09 基于滚动优化的风-储混合电站功率波动平抑方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202110720233.9A Withdrawn CN113315168A (zh) 2018-10-09 2018-10-09 基于序贯蒙特卡洛模拟的风-储混合电站运行模拟方法

Country Status (1)

Country Link
CN (2) CN113315168A (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110970913B (zh) * 2019-11-13 2021-09-28 国网内蒙古东部电力有限公司经济技术研究院 一种基于云计算的电池储能系统动态控制方法
CN111952999A (zh) * 2020-07-30 2020-11-17 浙江浙能技术研究院有限公司 一种考虑充放电持续时间的储能系统内部功率分配方法
CN114172275B (zh) * 2021-11-30 2024-04-09 中国华能集团清洁能源技术研究院有限公司 一种基于里程寿命管理的储能系统能量优化方法及系统
CN116454943B (zh) * 2023-04-13 2023-10-20 南通大学 考虑agc指令随机特性的火-储混合电站模拟方法及装置
CN116454946B (zh) * 2023-04-13 2023-10-10 南通大学 考虑储能损耗成本的火-储混合电站容量优化方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103401262A (zh) * 2013-08-20 2013-11-20 南通大学 风储混合电站及储能系统定容、离线仿真与在线运行方法
CN103595068A (zh) * 2013-11-13 2014-02-19 国家电网公司 混合储能系统平抑风光输出功率波动的控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016103900A (ja) * 2014-11-28 2016-06-02 株式会社日立製作所 蓄電池システム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103401262A (zh) * 2013-08-20 2013-11-20 南通大学 风储混合电站及储能系统定容、离线仿真与在线运行方法
CN103595068A (zh) * 2013-11-13 2014-02-19 国家电网公司 混合储能系统平抑风光输出功率波动的控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于电池储能系统的风功率波动平抑策略;张新松等;《中国电机工程学报》;20141005;第34卷(第28期);第4752-4760页 *

Also Published As

Publication number Publication date
CN109378856A (zh) 2019-02-22
CN113315168A (zh) 2021-08-27

Similar Documents

Publication Publication Date Title
CN109378856B (zh) 基于滚动优化的风-储混合电站功率波动平抑方法
Roslan et al. Scheduling controller for microgrids energy management system using optimization algorithm in achieving cost saving and emission reduction
Li et al. Stratified optimization strategy used for restoration with photovoltaic-battery energy storage systems as black-start resources
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
CN109767078B (zh) 一种基于混合整数规划的多类型电源检修安排方法
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
CN109412158B (zh) 一种考虑弃能成本约束的送端电网机组组合运行控制方法
CN109066744B (zh) 一种含储能配电网协调调度方法和系统
Zheng et al. Optimal short-term power dispatch scheduling for a wind farm with battery energy storage system
CN114676991B (zh) 基于源荷双侧不确定的多能互补系统优化调度方法
Wang et al. An improved min-max power dispatching method for integration of variable renewable energy
CN108767855B (zh) 一种时序持续混合的电力系统随机生产模拟方法
Zeng et al. Model predictive control for energy storage systems in a network with high penetration of renewable energy and limited export capacity
CN115115130A (zh) 一种基于模拟退火算法的风光储制氢系统日前调度方法
CN107732945A (zh) 一种基于模拟退火粒子群算法的储能单元优化方法
CN110098623B (zh) 一种基于智能负载的Prosumer单元控制方法
CN116914821A (zh) 一种基于改进粒子群算法的微电网低碳优化调度方法
CN105930919A (zh) 基于两阶段随机规划的虚拟电厂风险规避优化运行方法
CN108022055A (zh) 一种基于粒子群模型的微电网经济调度方法
CN109617100B (zh) 一种数据驱动的风电场储能容量规划方法
CN116562542A (zh) 考虑社区电动汽车有序充电的配电网优化运行方法和系统
Tianqi et al. Optimal scheduling of virtual power plants that ignore the cost of battery loss
om Bade et al. Battery Uses for Regulating Active Power in Utility-scale Wind-based Hybrid Power Plant
Lin et al. An optimal capacity configuration method of wind/PV and energy storage co-generation system
CN114398777A (zh) 一种基于巴什博弈理论的电力系统灵活性资源配置方法

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