CN110165698A - 一种实现前瞻性误差资产转换的风电场平滑并网方法 - Google Patents
一种实现前瞻性误差资产转换的风电场平滑并网方法 Download PDFInfo
- Publication number
- CN110165698A CN110165698A CN201910256779.6A CN201910256779A CN110165698A CN 110165698 A CN110165698 A CN 110165698A CN 201910256779 A CN201910256779 A CN 201910256779A CN 110165698 A CN110165698 A CN 110165698A
- Authority
- CN
- China
- Prior art keywords
- wind power
- power plant
- power
- moment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 20
- 238000004146 energy storage Methods 0.000 claims abstract description 36
- 239000001257 hydrogen Substances 0.000 claims abstract description 32
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 31
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 29
- 238000009826 distribution Methods 0.000 claims abstract description 13
- 238000013139 quantization Methods 0.000 claims abstract description 7
- 239000000446 fuel Substances 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 2
- 238000005868 electrolysis reaction Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 230000005611 electricity Effects 0.000 abstract description 9
- 230000013011 mating Effects 0.000 abstract description 6
- 238000009499 grossing Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 6
- 238000005096 rolling process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- -1 hydrogen Chemical class 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
-
- H02J3/386—
-
- H02J3/387—
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/36—Hydrogen production from non-carbon containing sources, e.g. by water electrolysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及风电场并网场景下风电出力平滑性控制领域,具体涉及一种实现前瞻性误差资产转换的风电场平滑并网方法,具体步骤包括S1:建立误差分布模型;S2:确定蓄电池以及氢储能系统的充放电特性模型;S3:借鉴资产定价模型,对同一时间窗内的不同时刻风电场运行成本进行经济性量化折算;S4:以前瞻周期内综合成本最小为目标函数,建立模型预测控制调度模型:通过该方法,可在风电场并网的模型预测控制方法中,关注前瞻周期不同时间窗断面带来的不同成本等效折现量,由此指导风电场配套储能设备的调度运行,减少风电场柔性并网的运行成本。
Description
技术领域
本发明涉及风电场并网场景下风电出力平滑性控制领域,具体涉及一种实现前瞻性误差资产转换的风电场平滑并网方法。
背景技术
为响应建设绿色能源系统的号召,近年来风力等新能源发电的规模日益增加。同时,随着风力发电技术的成熟,风电已成为目前应对化石能源枯竭以及环境恶化等问题的重要举措。至上世纪90年代中期以来,我国逐步增加对风电市场的投入,截至2017年风电总装机达18800万kW。
然而,风力发电的固有特性对风电并网会带来一系列技术问题,且随着各网区内风电场数目容量的持续增加而日益突出。各国皆针对风电并网的有功输出波动问题公布了相关政策规定。为了在风电并网期间保持风电功率的平滑性,目前针对风电场配套储能装置的控制方式一般结合模型预测控制方法,其中涉及到风电功率的超短期预测。因此,有必要精确分析超短期功率预测的预测误差分布模式,并利用经济学指标对预测误差进行量化,以此为依据设计风电场配套混合储能设备的控制方法。
发明内容
本发明的目的是提供一种实现前瞻性误差资产转换的风电场平滑并网方法,参照经济学的资产定价理论,对预测误差对应的资本投资额进行量化折算,以减小风电场在并网时带来的成本,实现风电场柔性并网,具体技术方案如下:
一种实现前瞻性误差资产转换的风电场平滑并网方法,包括以下步骤:
S1:分析风电功率超短期预测在分钟级时间尺度上的误差特性,利用t分布概率密度函数对误差进行拟合,建立误差分布模型;
风电功率超短期预测误差值与预测前瞻时间长短有较大影响,呈t概率分布:
其中,u为位置系数;σ为尺度系数;ν为形状系数。
S2:风电场配套的混合储能系统包括蓄电池、氢储能系统,所述氢储能系统包括电解水、储氢装置、燃料电池;根据风电场配套的混合储能系统的相关特性,确定蓄电池以及氢储能系统的充放电特性模型;
不计蓄电池的自放电过程,其充放电数学模型可表示为:
EB(t)=EB(t-1)+PBc(t)ηB-PBd(t)/ηB;
式中,EB(t)为t时刻蓄电池的剩余能量;PBc(t)、PBd(t)为t时刻充电功率、t时刻放电功率;ηB为充放电效率,一般可达90%。
储氢装置的储氢量变化为WH(t)=WH(t-1)+PHc(t)·ηHc,其中PHc(t)为t时刻输入功率;ηHc为对应的转化效率,与PHc(t)有关。而在燃料电池放电过程中,一般认为放电效率ηHd不变,则储氢装置的储氢量变化为:WH(t)=WH(t-1)-PHd(t)/ηHd,其中PHd(t)为t时刻放电功率。
S3:针对S1中风电功率超短期预测误差的时变特点,借鉴资产定价模型:其中,K为单位投资成本所产生的收益;Rf分别为不计风险情况下收益率,通常取1;Rm为不计风险下资本溢价,为常量;β为与时间t成正比的风险系数,对同一时间窗内的不同时刻风电场运行成本进行经济性量化折算,即对不同时刻运行成本进行差异化折现,折现系数为其中,r为折现率;显然,在同一时间窗内,时间越长,λt对应的值越小,此时运行状况对整体的作用就越小。
S4:建立模型预测控制调度模型:以前瞻周期内综合成本最小为目标函数,由于氢储能系统的运行成本为0,不再考虑,具体如下:
式中:cf为调峰成本;cB为蓄电池储能单位折损成本;Pf(t)为电网t时刻提供的调峰功率;PBc(t)、PBd(t)分别为蓄电池t时刻充电功率与放电功率;T为滚动周期。
蓄电池容量及功率约束:
SOCmin≤SOC(t)≤SOCmax;
0≤PBc(t)≤PBcm;
0≤PBd(t)≤PBdm;
式中:SOC(t)为蓄电池剩余能量百分比;EBm为蓄电池额定容量;SOCmin、SOCmax分别为SOC上下限,取0.1和1.0。PBcm、PBdm分别为最大充电功率、最大放电功率。
氢燃料电池容量及功率约束:
0≤WH(t)≤WHmax;
-PHcm≤PH(t)≤PHdm;
式中,WHmax为储氢容量;PHcm、PHdm分别为氢燃料电池最大充、放电功率。
风电并网功率约束:
Pr(t)=Pw(t)+PBd(t)-PBc(t)+PHd(t)-PHc(t)-Paban(t);
0.9Ppro(t)≤Pr(t)+Pf(t)≤1.1Ppro(t);
式中,Pr(t)为t时刻风电场实际并网功率;Pw(t)为t时刻风电场实际发电功率;Paban(t)为t时刻风电场弃风功率;Pf(t)为t时刻调峰功率;Ppro(t)为风电场日前协议上网功率。
本发明的有益效果为:通过该方法,可在风电场并网的模型预测控制方法中,关注前瞻周期不同时间窗断面带来的不同成本等效折现量,由此指导风电场配套储能设备的调度运行,减少风电场柔性并网的运行成本。
附图说明
图1为超短期预测误差图;
图2为混合储能系统模型图;
图3实现前瞻性误差资产转换的风电场平滑并网方案流程图。
具体实施方式
为了更好的理解本发明,下面结合附图和具体实施例对本发明作进一步说明:
在并网时为保证功率波动在标准允许范围内,需要调用配套储能设备平抑发电功率波动,以提升风电场整体出力的平滑性,完成柔性并网目标。但是,对于采用模型预测控制方法的控制系统来说,因模型预测控制迭代过程中存在前瞻周期,需要调用风电功率预测数据,而预测误差将会随时间窗延长而增加,这种变化情况需要在控制策略中予以考虑。因此,本发明的目的是针对风电场输出功率波动平抑过程的预测环节,精确拟合未来场景的误差胖尾效应,并根据经济学原理,提出了风电场运行的经济性转换系数,从而改进目标函数,提高滚动优化的控制效果。
本发明通过平移和变换后的t分布对超短期预测的误差分布模型进行表征分析,将不同长短的时间窗对应的运行成本量化进行表征并归进目标函数,且考虑时间窗前瞻周期长短对发电不确定性影响同样经过量化进行表征,由此建立风电场柔性并网的目标函数,并基于模型预测控制方法进行滚动优化。
一种实现前瞻性误差资产转换的风电场平滑并网方法,包括以下步骤:
S1:分析风电功率超短期预测在分钟级时间尺度上的误差特性,利用t分布概率密度函数对误差进行拟合,建立误差分布模型;
风功率超短期预测误差值与预测前瞻时间窗长短有较大影响,呈t概率分布:
其中,u为位置系数;σ为尺度系数;ν为形状系数。从附图1中可以看出,预测前瞻时间窗较短时,图形较为集中,功率偏差较小的概率大;预测前瞻时间窗较长时,图形较为分散。采用公式(1)对应的模型可较为精确的模拟预测误差。
S2:如图2所示,风电场配套的混合储能系统包括蓄电池、氢储能系统,所述氢储能系统包括电解水、储氢装置、燃料电池;根据风电场配套的混合储能系统的相关特性,确定蓄电池以及氢储能系统的充放电特性模型。
不计蓄电池的自放电过程,其充放电数学模型可表示为:
EB(t)=EB(t-1)+PBc(t)ηB-PBd(t)/ηB;
式中,EB(t)为t时刻蓄电池的剩余能量;PBc(t)、PBd(t)为t时刻充电功率、t时刻放电功率;ηB为充放电效率,一般可达90%。
储氢装置的储氢量变化为WH(t)=WH(t-1)+PHc(t)·ηHc,其中PHc(t)为t时刻输入功率;ηHc为对应的转化效率,与PHc(t)有关。而在燃料电池放电过程中,一般认为放电效率ηHd不变,则储氢装置的储氢量变化为:WH(t)=WH(t-1)-PHd(t)/ηHd,其中PHd(t)为t时刻放电功率。
风电场配套储能设备中,由于制氢装置的效率与输入功率呈正相关,在控制过程中应该尽量提高生产效率,因此在电解水制氢装置处设置最小启动功率限制,即PHc(t)≥PHc,min,其中PHc,min为最小启动功率。
S3:针对S1中风电功率超短期预测误差的时变特点,借鉴资产定价模型:
其中,K为单位投资成本所产生的收益;Rf分别为不计风险情况下收益率,通常取1;Rm为不计风险下资本溢价,为常量;β为与时间t成正比的风险系数,根据超短期预测时间长短对不同时刻t风电场运行成本进行经济性量化折算,即对不同时刻运行成本进行差异化折现,折现因子为其中,r为折现率。显然,在同一时间窗内,时间越长,λt对应的值越小,此时运行状况对整体的作用就越小。折现率r要根据实际预测误差来确定,一般在0-0.1之间。
S4:建立模型预测控制调度模型,以前瞻周期内整体成本最小为目标函数:
式中:cf为调峰成本;cB为蓄电池储能单位折损成本;Pf(t)为电网t时刻提供的调峰功率;PBc(t)、PBd(t)分别为蓄电池t时刻充电与放电功率;T为滚动周期。
蓄电池容量及功率约束:
SOCmin≤SOC(t)≤SOCmax;
0≤PBc(t)≤PBcm;
0≤PBd(t)≤PBdm;
式中,SOCmin、SOCmax分别为蓄电池剩余能量百分比的上下限,一般取值为0.1和1.0。PBcm、PBdm分别为最大充电功率、最大放电功率。
氢燃料电池容量及功率约束:
0≤WH(t)≤WHmax;
-PHcm≤PH(t)≤PHdm;
式中,WHmax为储氢容量;PHcm、PHdm分别为氢燃料电池最大充、放电功率。
风电并网功率约束;
Pr(t)=Pw(t)+PBd(t)-PBc(t)+PHd(t)-PHc(t)-Paban(t);
0.9Ppro(t)≤Pr(t)+Pf(t)≤1.1Ppro(t);
式中,Pr(t)为t时刻风电场实际并网功率;Pw(t)为t时刻风电场实际发电功率;Paban(t)为t时刻风电场弃风功率;Pf(t)为t时刻调峰功率;Ppro(t)为风电场日前协议上网功率。
S5:根据工程运行实际确定超短期预测误差步骤(1)中的位置系数u、尺度系数σ、形状系数ν,代入预测模型中,得到决策变量,在前瞻周期时间窗之内对储能执行后,统计该周期内折现系数对应的总成本。如图3所示,具体包括以下步骤:
1)输入风电场容量等参数及日前并网功率运行范围、混合储能系统运行参数;
2)根据工程运行实际确定位置系数u、尺度系数σ、形状系数ν,以及折现率r,并令k=1;
3)更新前瞻周期[k,T+k]内风电超短期功率预测数据,T为滚动周期;
4)根据模型预测控制调度模型,对混合储能系统的功率进行优化;
5)根据优化结果,更新当前时刻储能系统出力状态,然后k=k+1,转到步骤3),开始新一轮计算,直至k=N,N为全天优化时段总数;
6)输出风电场综合运行成本。
为验证本发明的可行性,以装机容量为100MW并配置有20MWh蓄电池和60MWh氢储能系统的风电场为例,蓄电池最大充放电功率为5MW,氢储能系统的最大充放电功率为12MW。t分布对应参数为u=0,ν=1.47,σ=27.18-26.22e-0.22t(t/h),前瞻周期为2h,滚动时间单位为15min,折现率r为0.2。假设风电调峰服务费率为2¥/kWh(当前风电标杆电价的4倍),蓄电池损耗成本为0.8¥/kWh,且初始时蓄电池SOC为0.5,氢气储量WHmax为30MWh。基于MATLAB 2016a平台进行编程,并利用Yalmip调用CPLEX求解。
采用以下三种方案对比验证本发明的可行性与优越性:
1)方案1:风电场配有蓄-氢储能系统,采用误差折现滚动优化。
2)方案2:风电场不配置任何储能系统,采用误差折现滚动优化。
3)方案3:风电场配有蓄-氢储能系统,但不采用误差折现滚动优化。
各方案运行成本对比如表1所示。方案2由于缺乏储能系统,无法实现柔性并网,风电场自身承担了极高的调峰成本,导致日运行成本高达284,000元,经济性最差。方案3因为配置了储能系统,运行成本大幅减少,但由于优化处理不够精准,导致储能系统的调节能力未能充分发挥,整体经济性居中。方案1即采用本发明所提风电场平滑并网方法的日运行成本仅为173,830元,经济性最优。由此足见,本发明具有显著的优越性。
表1
配置方案 | 储能损耗/¥ | 调峰服务/¥ | 日运行成本/¥ |
方案1 | 17,830 | 156,000 | 173,830 |
方案2 | 0 | 284,000 | 284,000 |
方案3 | 16,601 | 180,000 | 196,601 |
本发明不局限于以上所述的具体实施方式,以上所述仅为本发明的较佳实施案例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种实现前瞻性误差资产转换的风电场平滑并网方法,其特征在于:包括以下步骤:
S1:分析风电功率超短期预测在分钟级时间尺度上的误差特性,利用t分布概率密度函数对误差进行拟合,建立误差分布模型;
S2:风电场配套的混合储能系统包括蓄电池、氢储能系统,所述氢储能系统包括电解水、储氢装置、燃料电池;根据风电场配套的混合储能系统的相关特性,确定蓄电池以及氢储能系统的充放电特性模型;
S3:针对S1中风电功率超短期预测误差的时变特点,借鉴资产定价模型,对同一时间窗内的不同时刻风电场运行成本进行经济性量化折算,即对不同时刻运行成本进行差异化折现,折现系数为其中,r为折现率;
S4:以前瞻周期内综合成本最小为目标函数,建立模型预测控制调度模型:
其中,式中:cf为调峰成本;cB为蓄电池储能单位折损成本;Pf(t)为电网t时刻提供的调峰功率;PBc(t)、PBd(t)分别为蓄电池t时刻充电功率与放电功率;T为滚动周期。
2.根据权利要求1所述的一种实现前瞻性误差资产转换的风电场平滑并网方法,其特征在于:所述步骤S1中误差分布模型如下:
其中,u为位置系数;σ为尺度系数;ν为形状系数。
3.根据权利要求1所述的一种实现前瞻性误差资产转换的风电场平滑并网方法,其特征在于:所述步骤S2中蓄电池以及氢储能系统的充放电特性模型如下:
不计蓄电池的自放电过程,其充放电数学模型可表示为:
EB(t)=EB(t-1)+PBc(t)ηB-PBd(t)/ηB;
式中,EB(t)为t时刻蓄电池的剩余能量;PBc(t)、PBd(t)分别为t时刻充电功率、t时刻放电功率;ηB为充放电效率;
储氢装置的储氢量变化为WH(t)=WH(t-1)+PHc(t)·ηHc,其中PHc(t)为t时刻输入功率;ηHc为对应的转化效率,与PHc(t)有关,而在燃料电池放电过程中,一般认为放电效率ηHd不变,则储氢装置的储氢量变化为:WH(t)=WH(t-1)-PHd(t)/ηHd,其中PHd(t)为t时刻放电功率。
4.根据权利要求3所述的一种实现前瞻性误差资产转换的风电场平滑并网方法,其特征在于:所述步骤S2中蓄电池容量及功率约束如下:
SOCmin≤SOC(t)≤SOCmax;
0≤PBc(t)≤PBcm;
0≤PBd(t)≤PBdm;
式中:SOC(t)为蓄电池剩余能量百分比;EBm为蓄电池额定容量;SOCmin、SOCmax分别为SOC上下限,PBcm、PBdm分别为最大电功率充、最大放电功率。
5.根据权利要求3所述的一种实现前瞻性误差资产转换的风电场平滑并网方法,其特征在于:所述步骤S2中燃料电池容量及功率约束:
0≤WH(t)≤WHmax;
-PHcm≤PH(t)≤PHdm;
式中,WHmax为储氢容量上限;PHcm、PHdm分别为燃料电池最大充电功率、放电功率。
6.根据权利要求1所述的一种实现前瞻性误差资产转换的风电场平滑并网方法,其特征在于:所述步骤S4中风电并网功率约束:
Pr(t)=Pw(t)+PBd(t)-PBc(t)+PHd(t)-PHc(t)-Paban(t);
0.9Ppro(t)≤Pr(t)+Pf(t)≤1.1Ppro(t);
式中,Pr(t)为t时刻风电场实际并网功率;Pw(t)为t时刻风电场实际发电功率;Paban(t)为t时刻风电场弃风功率;Pf(t)为t时刻调峰功率;Ppro(t)为风电场日前协议上网功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910256779.6A CN110165698B (zh) | 2019-04-01 | 2019-04-01 | 一种实现前瞻性误差资产转换的风电场平滑并网方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910256779.6A CN110165698B (zh) | 2019-04-01 | 2019-04-01 | 一种实现前瞻性误差资产转换的风电场平滑并网方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110165698A true CN110165698A (zh) | 2019-08-23 |
CN110165698B CN110165698B (zh) | 2022-05-24 |
Family
ID=67638908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910256779.6A Active CN110165698B (zh) | 2019-04-01 | 2019-04-01 | 一种实现前瞻性误差资产转换的风电场平滑并网方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110165698B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110649638A (zh) * | 2019-10-17 | 2020-01-03 | 齐鲁工业大学 | 一种弥补风电功率预测误差的储能系统的优化方法 |
CN111614089A (zh) * | 2020-06-15 | 2020-09-01 | 东北电力大学 | 一种基于模型预测控制的电氢耦合系统功率调控方法 |
CN112086960A (zh) * | 2020-09-03 | 2020-12-15 | 东北电力大学 | 基于模型预测控制的电氢耦合系统灵活裕度计算方法 |
CN113471948A (zh) * | 2021-06-23 | 2021-10-01 | 国网吉林省电力有限公司电力科学研究院 | 风光储互补制氢交直流系统的自适应管控方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102664423A (zh) * | 2012-05-30 | 2012-09-12 | 山东大学 | 基于粒子群算法的风电场储能容量控制方法 |
WO2012145563A1 (en) * | 2011-04-19 | 2012-10-26 | Viridity Energy, Inc. | Methods, apparatus and systems for managing energy assets |
CN103606913A (zh) * | 2013-10-22 | 2014-02-26 | 清华大学 | 分布式混合发电系统电源规划方法 |
US20140163756A1 (en) * | 2012-12-11 | 2014-06-12 | Chevron Usa Inc. | Systems and methods for minimizing energy costs for a power consumption system that has access to off-grid resources |
US20140330695A1 (en) * | 2013-05-06 | 2014-11-06 | Viridity Energy, Inc. | Facilitating revenue generation from wholesale electricity markets based on a self-tuning energy asset model |
CN105305419A (zh) * | 2015-10-12 | 2016-02-03 | 山东大学 | 一种含有压缩空气储能的独立微网容量优化配置方法 |
CN107276121A (zh) * | 2017-06-23 | 2017-10-20 | 广东工业大学 | 一种计及不确定性因素的家庭并网协同经济调度优化方法 |
CN109103914A (zh) * | 2018-10-17 | 2018-12-28 | 上海电力设计院有限公司 | 考虑源荷储协同运行的微电网储能优化配置方法 |
CN109510224A (zh) * | 2018-11-16 | 2019-03-22 | 上海交通大学 | 光伏储能与分布式能源联合的容量配置与运行优化方法 |
-
2019
- 2019-04-01 CN CN201910256779.6A patent/CN110165698B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012145563A1 (en) * | 2011-04-19 | 2012-10-26 | Viridity Energy, Inc. | Methods, apparatus and systems for managing energy assets |
CN102664423A (zh) * | 2012-05-30 | 2012-09-12 | 山东大学 | 基于粒子群算法的风电场储能容量控制方法 |
US20140163756A1 (en) * | 2012-12-11 | 2014-06-12 | Chevron Usa Inc. | Systems and methods for minimizing energy costs for a power consumption system that has access to off-grid resources |
US20140330695A1 (en) * | 2013-05-06 | 2014-11-06 | Viridity Energy, Inc. | Facilitating revenue generation from wholesale electricity markets based on a self-tuning energy asset model |
CN103606913A (zh) * | 2013-10-22 | 2014-02-26 | 清华大学 | 分布式混合发电系统电源规划方法 |
CN105305419A (zh) * | 2015-10-12 | 2016-02-03 | 山东大学 | 一种含有压缩空气储能的独立微网容量优化配置方法 |
CN107276121A (zh) * | 2017-06-23 | 2017-10-20 | 广东工业大学 | 一种计及不确定性因素的家庭并网协同经济调度优化方法 |
CN109103914A (zh) * | 2018-10-17 | 2018-12-28 | 上海电力设计院有限公司 | 考虑源荷储协同运行的微电网储能优化配置方法 |
CN109510224A (zh) * | 2018-11-16 | 2019-03-22 | 上海交通大学 | 光伏储能与分布式能源联合的容量配置与运行优化方法 |
Non-Patent Citations (1)
Title |
---|
叶一达等: "非参数条件概率预测提高风电消纳的优化方法", 《电网技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110649638A (zh) * | 2019-10-17 | 2020-01-03 | 齐鲁工业大学 | 一种弥补风电功率预测误差的储能系统的优化方法 |
CN111614089A (zh) * | 2020-06-15 | 2020-09-01 | 东北电力大学 | 一种基于模型预测控制的电氢耦合系统功率调控方法 |
CN111614089B (zh) * | 2020-06-15 | 2021-10-01 | 东北电力大学 | 一种基于模型预测控制的电氢耦合系统功率调控方法 |
CN112086960A (zh) * | 2020-09-03 | 2020-12-15 | 东北电力大学 | 基于模型预测控制的电氢耦合系统灵活裕度计算方法 |
CN113471948A (zh) * | 2021-06-23 | 2021-10-01 | 国网吉林省电力有限公司电力科学研究院 | 风光储互补制氢交直流系统的自适应管控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110165698B (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110165698A (zh) | 一种实现前瞻性误差资产转换的风电场平滑并网方法 | |
Liu et al. | Optimal sizing of a wind-energy storage system considering battery life | |
CN111064210B (zh) | 增加新能源发电波动的海岛电网储能系统分层控制方法 | |
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 | |
Yang et al. | Optimal sizing and placement of energy storage system in power grids: A state-of-the-art one-stop handbook | |
Saboori et al. | Multistage distribution network expansion planning considering the emerging energy storage systems | |
CN109787261B (zh) | 电网侧及用户侧储能系统容量优化配置方法 | |
CN110676870B (zh) | 一种适用于风电并网的混合储能容量配置方法 | |
CN105140942B (zh) | 考虑荷电状态偏差的混合储能优化功率分配方法 | |
CN111244985B (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 | |
CN112053035B (zh) | 考虑经济性与灵活性的输电通道与储能联合规划方法 | |
CN109948849A (zh) | 一种计及储能接入的配电网网架规划方法 | |
CN107171367A (zh) | 风电与储能系统互补下的火电机组组合优化决策方法 | |
CN109560574A (zh) | 一种考虑不确定因素的智能配电网网架规划方法 | |
CN109193754B (zh) | 一种分布式光伏规划方法及系统 | |
CN111009914A (zh) | 一种面向主动配电网的储能装置选址定容方法 | |
CN103915851B (zh) | 一种递进步长和期望输出均可变的储能系统优化控制方法 | |
CN109325636A (zh) | 一种虚拟电厂中电动汽车换电站的容量优化配置方法 | |
CN104979850B (zh) | 一种储能参与备用的含风电的电力系统调度方法 | |
CN115842354A (zh) | 用于提高风功率预测相关性系数的风电储能配置方法 | |
Chang et al. | A dual-layer cooperative control strategy of battery energy storage units for smoothing wind power fluctuations | |
CN106230010B (zh) | 一种百兆瓦电池储能系统容量优化配置方法和系统 | |
CN107919683A (zh) | 一种储能减少风电场弃风电量的优化决策方法 | |
CN110932301B (zh) | 一种基于电池储能参与的提高风电接纳能力方法 | |
CN112861376A (zh) | 一种基于单元调度模型的评估方法及装置 |
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 |