CN110247397B - 一种储能配置方法、系统、装置及可读存储介质 - Google Patents

一种储能配置方法、系统、装置及可读存储介质 Download PDF

Info

Publication number
CN110247397B
CN110247397B CN201910695032.0A CN201910695032A CN110247397B CN 110247397 B CN110247397 B CN 110247397B CN 201910695032 A CN201910695032 A CN 201910695032A CN 110247397 B CN110247397 B CN 110247397B
Authority
CN
China
Prior art keywords
branch
energy storage
generator set
determining
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.)
Active
Application number
CN201910695032.0A
Other languages
English (en)
Other versions
CN110247397A (zh
Inventor
程鑫
周姝灿
许亮
刘正超
林勇
黄伟杰
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.)
Guangdong Power Grid Co Ltd
Grid Planning Research Center of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Grid Planning Research Center of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Grid Planning Research Center of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN201910695032.0A priority Critical patent/CN110247397B/zh
Publication of CN110247397A publication Critical patent/CN110247397A/zh
Application granted granted Critical
Publication of CN110247397B publication Critical patent/CN110247397B/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
    • 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
    • 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
    • H02J3/382—
    • H02J3/383—
    • 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
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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

本申请公开了一种储能配置方法、系统、装置及可读存储介质，包括：获取目标电网中各节点、各支路和各发电机组的系统参数和历史运行数据；确定不同保证率下每项历史运行数据对应的日内最大运行数据；根据日内最大运行数据和系统参数，计算不同保证率下各支路的日内有功潮流，并确定对应的日内潮流越限曲线；根据各支路在不同保证率下的日内潮流越限曲线确定轨迹灵敏度曲线和对应的绝对值均值；选择目标范围内的绝对值均值对应的支路作为带支配支路，并在待配置支路上确定储能节点；计算储能节点的储能功率和最大充放电电量，以使对应的待配置支路在预设保证率下不发生潮流越限。本申请保证了电网运行同时具有较好的新能源接纳能力和经济性。

Description

一种储能配置方法、系统、装置及可读存储介质
技术领域
本发明涉及电网规划运行领域，特别涉及一种储能配置方法、系统、装置及可读存储介质。
背景技术
面对持续增长的能源需求和日益突出的环保压力，我国提出了高比例可再生能源供应的目标，大力发展以风电、光伏为代表的的新能源。但同时，新能源出力的不确定性对电力系统安全稳定运行提出了挑战。由于储能技术可实现将新能源的生产和负荷需求从时间和空间上进行转移，成为解决新能源出力不确定性问题的重要手段。
因此，在包含大规模新能源电力系统的电网规划运行中，如何实现储能装置的最优配置，以保证新能源合理消纳，是本领域技术人员亟待解决的问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于灵敏度分析的储能配置方法、系统、装置及可读存储介质，以促进电网的安全稳定运行。其具体方案如下：
一种储能配置方法，包括：
获取目标电网中各节点、各支路和各发电机组的系统参数，并获取各所述发电机组的历史运行数据；各所述发电机组包括常规发电机组和新能源发电机组；
根据所述新能源发电机组的历史运行数据确定不同保证率下每项所述历史运行数据对应的日内最大运行数据；
根据所述日内最大运行数据和所述系统参数，计算不同保证率下各所述支路的日内有功潮流，并根据各所述支路的热稳定极限和不同保证率下的日内有功潮流，确定各所述支路在不同保证率下的日内潮流越限曲线；
根据各所述支路在不同保证率下的日内潮流越限曲线，确定各所述支路的轨迹灵敏度曲线，并确定该轨迹灵敏度曲线对应的绝对值均值；
对所有所述绝对值均值进行排列，选择目标范围内的所述绝对值均值对应的所述支路作为待配置支路，并在所述待配置支路上确定储能节点；
计算所述储能节点的储能功率和最大充放电电量，以使对应的所述待配置支路在预设保证率下不发生潮流越限。
优选的，所述常规发电机组具体包括火电机组和/或水电机组和/或核电机组，所述新能源发电机组具体包括风力发电机组和/或光能发电机组。
优选的，所述根据所述日内最大运行数据和所述系统参数，计算不同保证率下各所述支路的日内有功潮流的过程，具体包括：
根据第一公式计算不同保证率下各所述支路的日内有功潮流；所述第一公式具体为：
Figure BDA0002149094790000021
其中，所述系统参数包括：所述新能源发电机组的个数Nn，所述常规发电机组的个数Nc，第i个所述新能源发电机组的装机规模
Figure BDA0002149094790000022
第i个所述常规发电机组输出的有功功率Pi c(t)，系统负荷需求PL(t)，系统网损Ploss(t)；所述日内最大运行数据包括保证率α下t时刻第i个所述新能源发电机组的出力系数
Figure BDA0002149094790000023
该支路的日内有功潮流具体为保证率α下t时刻时该支路上的有功潮流Pα(t)。
优选的，所述根据各所述支路的热稳定极限和不同保证率下的日内有功潮流，确定各所述支路在不同保证率下的日内潮流越限曲线的过程，具体包括：
对不同保证率下的各所述支路的日内有功潮流和热稳定极限分别作差，得到各所述支路在不同保证率下的日内潮流越限曲线。
优选的，所述计算所述储能节点的储能功率和最大充放电电量，以使对应的所述待配置支路在预设保证率下不发生潮流越限的过程，具体包括：
通过潮流计算，确定所述储能节点上的储能功率，以使对应的待配置支路在预设保证率下不发生潮流越限；
根据所述系统参数，确定所述储能节点上的最大充放电电量。
优选的，所述通过潮流计算，确定所述储能节点上的储能功率，以使对应的待配置支路在预设保证率下不发生潮流越限的过程，具体包括：
通过潮流计算，得到对应的待配置支路在预设保证率下不发生潮流越限的储能功率曲线；
根据第二公式确定所述储能节点上的储能功率，所述第二公式具体为：
PES＝k1·maxh{λt(αε)≤0}；
其中PES为所述储能功率，k1为不小于1的第一裕度系数，h{λt(αε)≤0}为预设保证率αε下所述储能功率曲线。
优选的，所述根据所述系统参数，确定所述储能节点上的最大充放电电量的过程，具体包括：
根据第三公式确定所述储能节点上的最大充放电电量，所述第三公式具体为：
Figure BDA0002149094790000031
其中，EES为所述最大充放电电量，k2为不小于1的第二裕度系数，ηc、ηd分别为储能节点在充电状态下的效率和放电状态下的效率，T为计算时段，SOCM、SOC0分别为储能节点的最大允许荷电状态和初始荷电状态，pc,t为t时刻的实际充电功率，pd,t为t时刻的实际放电功率，uc,t为t时刻的充电标记码，λt(α)＞0时取1，非工作时间段取0，ud,t为t时刻的放电标记码，当λt(α)≤0取1，非工作时间段取0。
相应的，本发明还公开了一种储能配置系统，包括：
数据获取模块，用于获取目标电网中各节点、各支路和各发电机组的系统参数，并获取各所述发电机组的历史运行数据；各所述发电机组包括常规发电机组和新能源发电机组；
预处理模块，用于根据所述新能源发电机组的历史运行数据确定不同保证率下每项所述历史运行数据对应的日内最大运行数据；
第一计算模块，用于根据所述日内最大运行数据和所述系统参数，计算不同保证率下各所述支路的日内有功潮流，并根据各所述支路的热稳定极限和不同保证率下的日内有功潮流，确定各所述支路在不同保证率下的日内潮流越限曲线；
第二计算模块，用于根据各所述支路在不同保证率下的日内潮流越限曲线，确定各所述支路的轨迹灵敏度曲线，并确定该轨迹灵敏度曲线对应的绝对值均值；
位置确定模块，用于对所有所述绝对值均值进行排列，选择目标范围内的所述绝对值均值对应的所述支路作为待配置支路，并在所述待配置支路上确定储能节点；
配置计算模块，用于计算所述储能节点的储能功率和最大充放电电量，以使对应的所述待配置支路在预设保证率下不发生潮流越限。
相应的，本发明还公开了一种储能配置装置，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上文任一项所述储能配置方法的步骤。
相应的，本发明还公开了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文任一项所述储能配置方法的步骤。
本发明公开了一种储能配置方法，包括：数据获取模块，用于获取目标电网中各节点、各支路和各发电机组的系统参数，并获取各所述发电机组的历史运行数据；各所述发电机组包括常规发电机组和新能源发电机组；预处理模块，用于根据所述新能源发电机组的历史运行数据确定不同保证率下每项所述历史运行数据对应的日内最大运行数据；第一计算模块，用于根据所述日内最大运行数据和所述系统参数，计算不同保证率下各所述支路的日内有功潮流，并根据各所述支路的热稳定极限和不同保证率下的日内有功潮流，确定各所述支路在不同保证率下的日内潮流越限曲线；第二计算模块，用于根据各所述支路在不同保证率下的日内潮流越限曲线，确定各所述支路的轨迹灵敏度曲线，并确定该轨迹灵敏度曲线对应的绝对值均值；位置确定模块，用于对所有所述绝对值均值进行排列，选择目标范围内的所述绝对值均值对应的所述支路作为待配置支路，并在所述待配置支路上确定储能节点；配置计算模块，用于计算所述储能节点的储能功率和最大充放电电量，以使对应的所述待配置支路在预设保证率下不发生潮流越限。本发明中轨迹灵敏度曲线体现了潮流越限与保证率的变化关系，保证率在计算中贯穿始终，保证了电网运行具有较好的新能源接纳能力，同时也具有较高的经济性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例中一种储能配置方法的步骤流程图；
图2为本发明实施例中一种目标电网的拓扑结构示意图；
图3a为本发明实施例中一风力发电机组出力系数的曲线示意图；
图3b为本发明实施例中一光能发电机组出力系数的曲线示意图；
图4为本发明实施例中一条支路的日内潮流越限曲线的示意图；
图5为本发明实施例中多条支路的轨迹灵敏度曲线的示意图；
图6为本发明实施例中一种储能配置系统的结构分布图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种储能配置方法，参见图1所示，包括：
S1：获取目标电网中各节点、各支路和各发电机组的系统参数，并获取各所述发电机组的历史运行数据；
具体的，所述目标电网中的发电机组包括：常规发电机组和新能源发电机组，其中所述常规发电机组具体包括火电机组和/或水电机组和/或核电机组，所述新能源发电机组具体包括风力发电机组和/或光能发电机组。
进一步的，系统参数包括各发电机组的装机规模、系统节点数据、支路数据、负荷需求数据。具体的，系统节点数据和支路数据主要指目标电网的拓扑结构以及系统网损、每个支路的热稳定极限等；负荷需求数据通常选择电力系统典型日的历史负荷需求数据或规划负荷需求数据，电力系统典型日是指，负荷需求低而电源出力大的时期，结合电力系统特征可选择春节期间、五一期间或十一期间。
S2：根据所述新能源发电机组的历史运行数据确定不同保证率下每项所述历史运行数据对应的日内最大运行数据；
可以理解的是，历史运行数据一般取一年的历史运行数据，以天为单位，将同一时刻下所有的数据从小到大依次排列，取对应某一保证率的数据作为该保证率下的最大运行数据，将同一保证率下一整天的最大运行数据集合起来，作为该保证率下的日内最大运行数据。
进一步的，对于每个新能源发电机组，还可以根据其装机规模和日内最大运行数据，确定该发电机组在不同保证率下的出力系数。
S3：根据所述日内最大运行数据和所述系统参数，计算不同保证率下各所述支路的日内有功潮流，并根据各所述支路的热稳定极限和不同保证率下的日内有功潮流，确定各所述支路在不同保证率下的日内潮流越限曲线；
其中，所述根据所述日内最大运行数据和所述系统参数，计算不同保证率下各所述支路的日内有功潮流的过程，具体包括：
根据第一公式计算不同保证率下各所述支路的日内有功潮流；所述第一公式具体为：
Figure BDA0002149094790000061
其中，所述系统参数包括：所述新能源发电机组的个数Nn，所述常规发电机组的个数Nc，第i个所述新能源发电机组的装机规模
Figure BDA0002149094790000062
第i个所述常规发电机组输出的有功功率Pi c(t)，系统负荷需求PL(t)，系统网损Ploss(t)；所述日内最大运行数据包括保证率α下t时刻第i个所述新能源发电机组的出力系数
Figure BDA0002149094790000071
该支路的日内有功潮流具体为保证率α下t时刻时该支路上的有功潮流Pα(t)。
可见第一公式中，除了恒定的系统参数：所述新能源发电机组的个数Nn，所述常规发电机组的个数Nc，第i个所述新能源发电机组的装机规模
Figure BDA0002149094790000072
外，支路上的有功潮流Pα(t)、新能源发电机组的出力系数
Figure BDA0002149094790000073
常规发电机组输出的有功功率
Figure BDA0002149094790000074
系统负荷需求
Figure BDA0002149094790000075
系统网损
Figure BDA0002149094790000076
均是以同一保证率α和同一时刻t下的量。
对不同保证率下的各所述支路的日内有功潮流和热稳定极限分别作差，得到各所述支路在不同保证率下的日内潮流越限曲线。
可以理解的是，各支路的热稳定极限属于恒定的系统参数，不会随着保证率和时刻的变化发生变化。因此日内潮流越限曲线λα(t)具体为：
Figure BDA0002149094790000077
其中λα(t)为保证率α下的日内潮流越限曲线，Plim为该支路的热稳定极限。
进一步的，由于日内潮流越界曲线λα(t)以保证率α和时刻t两个参数决定，因此上式可以改写为：
Figure BDA0002149094790000078
其中
Figure BDA0002149094790000079
g(t)不会受到保证率α的影响。
当λ(t,α)＞0时，表示在保证率α下该支路发生潮流越限；
当λ(t,α)≤0时，表示在保证率α下该支路潮流不越限。
S4：根据各所述支路在不同保证率下的日内潮流越限曲线，确定各所述支路的轨迹灵敏度曲线，并确定该轨迹灵敏度曲线对应的绝对值均值；
具体的，对某一支路的日内潮流越限曲线求保证率偏导，得到轨迹灵敏度曲线s(t)如下：
Figure BDA00021490947900000710
接着取该轨迹灵敏度曲线的绝对值均值，得到对应该轨迹灵敏度曲线s(t)的绝对值均值S为
Figure BDA0002149094790000081
其中，k为时间采样点，K为时间采样点的总数；α0表示保证率的基准值，Δα为保证率的变化量，λ0为该支路在基准保证率下的潮流越限轨迹。
可以理解的是，步骤S4的主要目的，是为了获取该支路的潮流越限对新能源机组的保证率表现是否灵敏，也即λ(t,α)随保证率α的变化是否敏感，如果不敏感，也就是说在保证率α变化的较大区间内，该支路始终处于潮流越限状态，则说明该支路对保证率α不敏感，该支路潮流越限的现象持续稳定。
可见，本实施例对日内潮流越限曲线求偏导和绝对值均值，其结果能够很直观体现出某一支路的潮流越限与保证率之间的灵敏相关性，除了绝对值均值外，还可对轨迹灵敏度曲线作其他处理，例如求导、计算方差或标准差等，以体现潮流越限现象的稳定程度，本实施例不作限制。
进一步的，上式中将原来连续曲线中的t时刻替换为离散时间采样点序号k，以及利用基准值进行归一化等手段，是确定主要目的后的数据处理，以便简化数据计算过程。除了这些处理方法外，还可以选择其他的数据处理手段，本实施例的必要步骤是求保证率偏导和求绝对值均值，至于具体计算中选择何种数据简化、采样方法并非本实施例重点。
S5：对所有所述绝对值均值进行排列，选择目标范围内的所述绝对值均值对应的所述支路作为待配置支路，并在所述待配置支路上确定储能节点；
可以理解的是，绝对值均值越小，说明该支路上潮流越限的现象越稳定。整个目标电网应当优先在绝对值均值更小的支路上配置储能，在投资能力有限的情况下，这样的优先原则能同时提高目标电网中新能源接纳水平和经济性。
具体的，优先原则中的目标范围，一般指从小到大排列的所有绝对值均值中前N个，这里的N可根据实际情况自由选择，也可以为绝对值均值小于某一预设数值，预设数值由实际情况进行设置。
S6：计算所述储能节点的储能功率和最大充放电电量，以使对应的所述待配置支路在预设保证率下不发生潮流越限。
其中，步骤S6具体包括：
S61：通过潮流计算，确定所述储能节点上的储能功率，以使对应的待配置支路在预设保证率下不发生潮流越限；
S62：根据所述系统参数，确定所述储能节点上的最大充放电电量。
其中，步骤S61具体包括：
通过潮流计算，得到对应的待配置支路在预设保证率下不发生潮流越限的储能功率曲线；
根据第二公式确定所述储能节点上的储能功率，所述第二公式具体为：
PES＝k1·max h{λt(αε)≤0}；
其中PES为所述储能功率，k1为不小于1的第一裕度系数，h{λt(αε)≤0}为预设保证率αε下所述储能功率曲线。
类似的，步骤S62具体包括：
根据第三公式确定所述储能节点上的最大充放电电量，所述第三公式具体为：
Figure BDA0002149094790000091
其中，EES为所述最大充放电电量，k2为不小于1的第二裕度系数，ηc、ηd分别为储能节点在充电状态下的效率和放电状态下的效率，T为计算时段，SOCM、SOC0分别为储能节点的最大允许荷电状态和初始荷电状态，pc,t为t时刻的实际充电功率，pd,t为t时刻的实际放电功率，uc,t为t时刻的充电标记码，λt(α)＞0时取1，非工作时间段取0，ud,t为t时刻的放电标记码，当λt(α)≤0取1，非工作时间段取0。
本发明公开了一种储能配置方法，包括：数据获取模块，用于获取目标电网中各节点、各支路和各发电机组的系统参数，并获取各所述发电机组的历史运行数据；各所述发电机组包括常规发电机组和新能源发电机组；预处理模块，用于根据所述新能源发电机组的历史运行数据确定不同保证率下每项所述历史运行数据对应的日内最大运行数据；第一计算模块，用于根据所述日内最大运行数据和所述系统参数，计算不同保证率下各所述支路的日内有功潮流，并根据各所述支路的热稳定极限和不同保证率下的日内有功潮流，确定各所述支路在不同保证率下的日内潮流越限曲线；第二计算模块，用于根据各所述支路在不同保证率下的日内潮流越限曲线，确定各所述支路的轨迹灵敏度曲线，并确定该轨迹灵敏度曲线对应的绝对值均值；位置确定模块，用于对所有所述绝对值均值进行排列，选择目标范围内的所述绝对值均值对应的所述支路作为待配置支路，并在所述待配置支路上确定储能节点；配置计算模块，用于计算所述储能节点的储能功率和最大充放电电量，以使对应的所述待配置支路在预设保证率下不发生潮流越限。本发明实施例中轨迹灵敏度曲线体现了潮流越限与保证率的变化关系，保证率在计算中贯穿始终，保证了电网运行具有较好的新能源接纳能力，同时也具有较高的经济性。
本发明实施例公开了一种具体的储能配置方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的，以图2的目标电网作为应用示例，实施本申请中的储能配置方法：
S1：获取目标电网中各支路和各发电机组的系统参数和历史运行数据；
S2：根据所述历史运行数据确定不同保证率下每项所述历史运行数据对应的日内最大运行数据；
例如，取以风电场在11:00的20个出力系数如下：
0.5 0.6 0.7 0.8 0.7 0.5 0.55 0.45 0.35 0.3
0.35 0.45 0.55 0.6 0.65 0.6 0.5 0.4 0.45 0.5
将其从小到大排列如下：
0.3 0.35 0.35 0.4 0.45 0.45 0.45 0.5 0.5 0.5
0.5 0.55 0.55 0.6 0.6 0.6 0.65 0.7 0.7 0.8
假设在保证率α＝95％时，即取能够满足95％的出力场景下的最大值，95％*20＝19，查上表中第19个数此时f0.95(11)＝0.7。
参见图3a和图3b所示，分别为某以风力发电机组和某一光能发电机组在不同保证率下的出力系数对应的曲线。
S3：根据所述日内最大运行数据和所述系统参数，计算不同保证率下各所述支路的日内有功潮流，并根据各所述支路的热稳定极限和不同保证率下的日内有功潮流，确定各所述支路在不同保证率下的日内潮流越限曲线；
具体的，以支路C9-B1为例，当保证率α在92％-98％之间取值时，各保证率对应的日内潮流越限曲线的结果可以参考图4所示，一般情况下，保证率越大，对应潮流越限情况越严重，越限时间段越长。
遍历本实施例中的所有电器元件，出现潮流越限情况的支路汇总如下表：
新能源出力保证率 潮流越限支路
α＝100％ C4-B1、C9-B1、C13-B2
α＝98％ C4-B1、C9-B1、C13-B2
α＝96％ C4-B1、C9-B1、C13-B2
α＝94％ C4-B1、C9-B1、C13-B2
α＝92％ C4-B1、C13-B2
α＝90％ C13-B2
α＝88％ /
可以理解的是，储能配置的主要目的是避免支路潮流越限，保证新能源发电机组的合理消纳，因此继续步骤以确定储能节点的位置及相关参数：
S4：根据各所述支路在不同保证率下的日内潮流越限曲线，确定各所述支路的轨迹灵敏度曲线，并确定该轨迹灵敏度曲线对应的绝对值均值；
在本实施例的目标电网中，以保证率α0＝94％为例，针对支路C4-B1、C9-B1、C13-B2确定其轨迹灵敏度曲线，如图5所示，支路C13-B2潮流越限的轨迹灵敏度曲线在不同时间点表现相对稳定，而支路C4-B1、C9-B1潮流越限的轨迹灵敏度曲线波动相对较大。
进一步计算其绝对值均值，计算结果如下表所示：
保证率 支路C4-B1 支路C9-B1 支路C13-B2
α<sub>0</sub>＝93％ 4.9％ 8.3％ 1.3％
α<sub>0</sub>＝94％ 4.8％ 8.2％ 1.3％
α<sub>0</sub>＝95％ 2.7％ 2.0％ 0.5％
α<sub>0</sub>＝96％ 2.3％ 2.3％ 0.4％
α<sub>0</sub>＝97％ 1.1％ 1.0％ 0.6％
α<sub>0</sub>＝98％ 0.8％ 0.8％ 0.5％
其中，支路C13-B2潮流越限的轨迹灵敏度平均值较小，总体维持在1％左右；而支路C4-B1、C9-B1潮流越限的轨迹灵敏度平均值较大，且随着保证率降低，其增大趋势明显。
S5：将绝对值均值小于预设均值的所述支路确定为待配置支路，并在所述待配置支路上确定储能节点；
结合轨迹灵敏度曲线和轨迹灵敏度曲线的绝对值均值，应将支路C13-B2作为待配置支路，由于本实施例中新能源机组的接入节点主要为C13，因此确定储能节点为节点C13，在该节点配置储能。
S6：计算所述储能节点的储能功率和最大充放电电量，以使对应的所述待配置支路在预设保证率下不发生潮流越限。
本实施例中，储能节点的参数，也就是配置于该储能节点的储能系统的参数如下表所示：
参数 数值 参数 数值
η<sub>c</sub> 0.85 η<sub>d</sub> 0.85
SOC<sub>M</sub> 1 SOC<sub>0</sub> 0.2
为使支路C13-B2潮流不越限，不同保证率下在节点C13处需要配置的储能容量为：
1)预设保证率取92％时，需配置的储能容量为8.6MW/8.2MWh即可满足新能源送出需求；
2)预设保证率取94％～96％时，配置的储能容量为13.3MW/26.3MWh～15.3MW/46.8MWh可满足新能源送出需求；
3)预设保证率取98％时，需配置的储能容量达到23.4MW/82.1MWh。
实际上，通过潮流计算可知，当保证率进一步提高时，储能功率配置需求和储能能量配置需求均快速增加。因此建议实际运行中保证率在94％～96％之间取值，一方面保证电力系统具备较高的新能源接纳水平，另一方面也不必付出过高的经济代价。
相应的，本发明实施例还公开了一种储能配置系统，参见图6所示，包括：
数据获取模块1，用于获取目标电网中各节点、各支路和各发电机组的系统参数，并获取各所述发电机组的历史运行数据；各所述发电机组包括常规发电机组和新能源发电机组；
预处理模块2，用于根据所述新能源发电机组的历史运行数据确定不同保证率下每项所述历史运行数据对应的日内最大运行数据；
第一计算模块3，用于根据所述日内最大运行数据和所述系统参数，计算不同保证率下各所述支路的日内有功潮流，并根据各所述支路的热稳定极限和不同保证率下的日内有功潮流，确定各所述支路在不同保证率下的日内潮流越限曲线；
第二计算模块4，用于根据各所述支路在不同保证率下的日内潮流越限曲线，确定各所述支路的轨迹灵敏度曲线，并确定该轨迹灵敏度曲线对应的绝对值均值；
位置确定模块5，用于对所有所述绝对值均值进行排列，选择目标范围内的所述绝对值均值对应的所述支路作为待配置支路，并在所述待配置支路上确定储能节点；
配置计算模块6，用于计算所述储能节点的储能功率和最大充放电电量，以使对应的所述待配置支路在预设保证率下不发生潮流越限。
本实施例中轨迹灵敏度曲线体现了潮流越限与保证率的变化关系，保证率在计算中贯穿始终，保证了电网运行具有较好的新能源接纳能力，同时也具有较高的经济性。
相应的，本发明实施例还公开了一种储能配置装置，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上文任一项所述储能配置方法的步骤。
相应的，本发明实施例还公开了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文任一项所述储能配置方法的步骤。
其中，具体有关储能配置方法的细节，可参照上文实施例中有关储能配置方法的相关描述，此处不再赘述。
其中，储能配置装置和可读存储介质均具有与储能配置方法相同的有益效果，此处不再赘述。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种储能配置方法、系统、装置及可读存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种储能配置方法，其特征在于，包括：
获取目标电网中各节点、各支路和各发电机组的系统参数，并获取各所述发电机组的历史运行数据；各所述发电机组包括常规发电机组和新能源发电机组；
根据所述新能源发电机组的历史运行数据确定不同保证率下每项所述历史运行数据对应的日内最大运行数据；
根据所述日内最大运行数据和所述系统参数，计算不同保证率下各所述支路的日内有功潮流，并根据各所述支路的热稳定极限和不同保证率下的日内有功潮流，确定各所述支路在不同保证率下的日内潮流越限曲线；
根据各所述支路在不同保证率下的日内潮流越限曲线，确定各所述支路基于保证率的轨迹灵敏度曲线，并确定该轨迹灵敏度曲线对应的绝对值均值；
对所有所述绝对值均值进行排列，选择目标范围内的所述绝对值均值对应的所述支路作为待配置支路，并在所述待配置支路上确定储能节点；
计算所述储能节点的储能功率和最大充放电电量，以使对应的所述待配置支路在预设保证率下不发生潮流越限。
2.根据权利要求1所述储能配置方法，其特征在于，所述常规发电机组具体包括火电机组和/或水电机组和/或核电机组，所述新能源发电机组具体包括风力发电机组和/或光能发电机组。
3.根据权利要求2所述储能配置方法，其特征在于，所述根据所述日内最大运行数据和所述系统参数，计算不同保证率下各所述支路的日内有功潮流的过程，具体包括：
根据第一公式计算不同保证率下各所述支路的日内有功潮流；所述第一公式具体为：
Figure FDA0002625491530000011
其中，所述系统参数包括：所述新能源发电机组的个数Nn，所述常规发电机组的个数Nc，第i个所述新能源发电机组的装机规模
Figure FDA0002625491530000012
第i个所述常规发电机组输出的有功功率Pi c(t)，系统负荷需求PL(t)，系统网损Ploss(t)；所述日内最大运行数据包括保证率α下t时刻第i个所述新能源发电机组的出力系数
Figure FDA0002625491530000013
该支路的日内有功潮流具体为保证率α下t时刻时该支路上的有功潮流Pα(t)。
4.根据权利要求3所述储能配置方法，其特征在于，所述根据各所述支路的热稳定极限和不同保证率下的日内有功潮流，确定各所述支路在不同保证率下的日内潮流越限曲线的过程，具体包括：
对不同保证率下的各所述支路的日内有功潮流和热稳定极限分别作差，得到各所述支路在不同保证率下的日内潮流越限曲线。
5.根据权利要求1至4任一项所述储能配置方法，其特征在于，所述计算所述储能节点的储能功率和最大充放电电量，以使对应的所述待配置支路在预设保证率下不发生潮流越限的过程，具体包括：
通过潮流计算，确定所述储能节点上的储能功率，以使对应的待配置支路在预设保证率下不发生潮流越限；
根据所述系统参数，确定所述储能节点上的最大充放电电量。
6.根据权利要求5所述储能配置方法，其特征在于，所述通过潮流计算，确定所述储能节点上的储能功率，以使对应的待配置支路在预设保证率下不发生潮流越限的过程，具体包括：
通过潮流计算，得到对应的待配置支路在预设保证率下不发生潮流越限的储能功率曲线；
根据第二公式确定所述储能节点上的储能功率，所述第二公式具体为：
PES＝k1·maxh{λt(αε)≤0}；
其中PES为所述储能功率，k1为不小于1的第一裕度系数，h{λt(αε)≤0}为预设保证率αε下所述储能功率曲线。
7.根据权利要求6所述储能配置方法，其特征在于，所述根据所述系统参数，确定所述储能节点上的最大充放电电量的过程，具体包括：
根据第三公式确定所述储能节点上的最大充放电电量，所述第三公式具体为：
Figure FDA0002625491530000021
其中，EES为所述最大充放电电量，k2为不小于1的第二裕度系数，ηc、ηd分别为储能节点在充电状态下的效率和放电状态下的效率，T为计算时段，SOCM、SOC0分别为储能节点的最大允许荷电状态和初始荷电状态，pc,t为t时刻的实际充电功率，pd,t为t时刻的实际放电功率，uc,t为t时刻的充电标记码，λt(α)＞0时取1，非工作时间段取0，ud,t为t时刻的放电标记码，当λt(α)≤0取1，非工作时间段取0。
8.一种储能配置系统，其特征在于，包括：
数据获取模块，用于获取目标电网中各节点、各支路和各发电机组的系统参数，并获取各所述发电机组的历史运行数据；各所述发电机组包括常规发电机组和新能源发电机组；
预处理模块，用于根据所述新能源发电机组的历史运行数据确定不同保证率下每项所述历史运行数据对应的日内最大运行数据；
第一计算模块，用于根据所述日内最大运行数据和所述系统参数，计算不同保证率下各所述支路的日内有功潮流，并根据各所述支路的热稳定极限和不同保证率下的日内有功潮流，确定各所述支路在不同保证率下的日内潮流越限曲线；
第二计算模块，用于根据各所述支路在不同保证率下的日内潮流越限曲线，确定各所述支路基于保证率的轨迹灵敏度曲线，并确定该轨迹灵敏度曲线对应的绝对值均值；
位置确定模块，用于对所有所述绝对值均值进行排列，选择目标范围内的所述绝对值均值对应的所述支路作为待配置支路，并在所述待配置支路上确定储能节点；
配置计算模块，用于计算所述储能节点的储能功率和最大充放电电量，以使对应的所述待配置支路在预设保证率下不发生潮流越限。
9.一种储能配置装置，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述储能配置方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述储能配置方法的步骤。
CN201910695032.0A 2019-07-30 2019-07-30 一种储能配置方法、系统、装置及可读存储介质 Active CN110247397B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910695032.0A CN110247397B (zh) 2019-07-30 2019-07-30 一种储能配置方法、系统、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910695032.0A CN110247397B (zh) 2019-07-30 2019-07-30 一种储能配置方法、系统、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN110247397A CN110247397A (zh) 2019-09-17
CN110247397B true CN110247397B (zh) 2020-11-17

Family

ID=67893732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910695032.0A Active CN110247397B (zh) 2019-07-30 2019-07-30 一种储能配置方法、系统、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN110247397B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110797889B (zh) * 2019-11-18 2021-02-23 国电南瑞科技股份有限公司 一种解决潮流拥塞问题的储能电站布置方法
CN111049165A (zh) * 2019-11-28 2020-04-21 国网新疆电力有限公司经济技术研究院 一种用于新能源电力系统储能配置的方法及系统
CN112039129B (zh) * 2020-09-22 2022-06-14 广东电网有限责任公司 一种基于储能优化配置的风电出力保证率确定方法与系统
CN112906200B (zh) * 2021-01-25 2022-12-30 国网山西省电力公司电力科学研究院 电力系统储能配置方法、装置、计算机设备和存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104092230B (zh) * 2014-07-02 2017-01-11 中国南方电网有限责任公司 含dg区域电网孤岛模式下储能设备容量的优化配置方法
US10770899B2 (en) * 2014-09-11 2020-09-08 Gerald Bernard Sheble Resource control by probability tree convolution production cost valuation by iterative equivalent demand duration curve expansion (aka. tree convolution)
CN107590744B (zh) * 2016-07-08 2021-06-01 华北电力大学（保定） 考虑储能和无功补偿的主动配电网分布式电源规划方法
CN106786735B (zh) * 2016-12-16 2019-07-23 国网浙江省电力有限公司经济技术研究院 一种基于随机鲁棒优化的风场系统储能配置方法
CN106972523B (zh) * 2016-12-27 2019-06-25 国网浙江省电力公司嘉兴供电公司 有源配电网内储能电站的优化选址定容方法
CN106911140A (zh) * 2017-04-14 2017-06-30 新奥科技发展有限公司 一种储能规划方法

Also Published As

Publication number Publication date
CN110247397A (zh) 2019-09-17

Similar Documents

Publication Publication Date Title
CN110247397B (zh) 一种储能配置方法、系统、装置及可读存储介质
Wang et al. Power management for improved dispatch of utility-scale PV plants
CN105790265A (zh) 一种考虑交流潮流约束的不确定性机组组合模型及求解方法
Hartmann et al. Methodologies for storage size determination for the integration of wind power
Wang et al. Two-stage full-data processing for microgrid planning with high penetrations of renewable energy sources
CN107359611B (zh) 考虑多种随机因素的配电网等值方法
Wang et al. A hierarchical control algorithm for managing electrical energy storage systems in homes equipped with PV power generation
Tahir et al. Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days
CN112186744A (zh) 一种适用于含分布式电源配电网的供电恢复方法及应用
CN114447964A (zh) 储能充放电方案的确定方法、装置、设备及存储介质
Saleh et al. Selecting locations and sizes of battery storage systems based on the frequency of the center of inertia and principle component analysis
CN111523204A (zh) 一种并网型综合能源网电-气储能系统优化配置求解方法
CN105262146A (zh) 含风电的电力系统备用容量计算方法和系统
Zhu et al. Energy optimal dispatch of the data center microgrid based on stochastic model predictive control
CN113488995B (zh) 基于储能成本的共享储能容量优化配置方法和装置
CN111835003A (zh) 多电源供电下中压配电网理论线损实时计算方法及系统
CN109492809B (zh) 一种基于节点电价的风电场价值评估方法
CN115130842B (zh) 风光火一体化基地配置方法及装置
CN109066797B (zh) 含光伏发电的电力系统运行控制方法及装置
CN109447456B (zh) 计及短期需求响应的风电并网电力系统规划方法
Wang et al. Rapid Evaluation Technology of Grid Planning Scheme for Power Systems with High Proportion Renewable Energy Based on Plant Commitment
CN112054553A (zh) 电热气互联系统协调优化运行方法、系统、介质及设备
Liu et al. Micro grid energy management based on two-stage robust optimization
CN110688725A (zh) 一种计及运行风险和需求响应的鲁棒机组组合方法
CN116976060B (zh) 分布式新能源集群-负荷-网络动态重构的灵活组网方法

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