CN110601254B - 一种考虑动态载流特性的风电场储能优化配置方法及系统 - Google Patents

一种考虑动态载流特性的风电场储能优化配置方法及系统 Download PDF

Info

Publication number
CN110601254B
CN110601254B CN201910782282.8A CN201910782282A CN110601254B CN 110601254 B CN110601254 B CN 110601254B CN 201910782282 A CN201910782282 A CN 201910782282A CN 110601254 B CN110601254 B CN 110601254B
Authority
CN
China
Prior art keywords
wind
power plant
wind power
energy storage
scene
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
CN201910782282.8A
Other languages
English (en)
Other versions
CN110601254A (zh
Inventor
张成炜
黄宇淇
彭传相
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.)
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian 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 State Grid Fujian Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd filed Critical State Grid Fujian Electric Power Co Ltd
Priority to CN201910782282.8A priority Critical patent/CN110601254B/zh
Publication of CN110601254A publication Critical patent/CN110601254A/zh
Application granted granted Critical
Publication of CN110601254B publication Critical patent/CN110601254B/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
    • H02J3/28—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
    • H02J3/28—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
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers

Abstract

本发明涉及一种考虑动态载流特性的风电场储能优化配置方法及系统，首先根据风电场地区的历史气象数据生成一个以上的风电场地区环境典型场景，并生成风电场内风力发电机组集群在各典型场景下的出力与各场景风电场满载情况下设计线路载流量需求；然后计算生成各典型场景下全线路走廊的动态载流能力；最后将动态载流特性考虑进约束条件，建立风电场储能系统优化配置模型，求解模型得到风电场储能系统的最优配置。本发明将线路动态输送容量纳入考虑，进一步挖掘风电场架空送出线路的输送能力，充分利用电力系统架空输电线路的输电能力，能够提高电网资产利用率和提高电力系统的清洁能源利用率水平。

Description

一种考虑动态载流特性的风电场储能优化配置方法及系统
技术领域
本发明涉及电力系统设计领域，特别是一种考虑动态载流特性的风电场储能优化配置方法及系统。
背景技术
随着风电装机容量的日益增加，风电接入也为电力系统带来了一系列的问题，其中风电消纳问题一直备受关注，而利用储能提高系统对风电的消纳，是实现风电等清洁能源大规模开发和利用的重要途径之一。
近年来，随着储能技术的发展，在风电场储能优化配置问题上已经取得了许多研究成果。例如用储能系统功率与容量配置优化方法用于平抑风电功率预测误差，基于模糊控制理论构建充放电策略抑制过度充放，并将其嵌入至所提出的风电场储能容量优化方法，又或者是依据风电场预测出力考虑配套储能容量最小化原则提出了一种调度策略，提出一种不同可调度性置信度水平下储能系统容量配置方法，又或者是在风电场储能容量优化配置方法中计及电池使用寿命和更换成本，以满足电网对风电场功率变化率的要求。现有技术方案从不同视角提出了风电场配套储能的优化配置方法，但作为影响风电场出力未被得到充分利用的关键因素之一的线路输送容量在目前多数相关研究中并未受到重点关注，这将导致风电场的输出能力没有被充分利用。
发明内容
有鉴于此，本发明的目的是提出一种考虑动态载流特性的风电场储能优化配置方法及系统，将线路输送容量纳入考虑，进一步挖掘风电场架空送出线路的输送能力，充分利用电力系统架空输电线路的输电能力，能够提高电网资产利用率和提高电力系统的清洁能源利用率水平。
本发明采用以下方案实现：一种考虑动态载流特性的风电场储能优化配置方法，具体包括但不限于以下步骤：
根据风电场地区的历史气象数据生成一个以上的风电场地区环境典型场景，并生成风电场内风力发电机组集群在各典型场景下的出力与各场景风电场满载情况下设计线路载流量需求；
计算生成各典型场景下全线路走廊的动态载流能力；
将动态载流特性考虑进约束条件，建立风电场储能系统优化配置模型，求解模型得到风电场储能系统的最优配置。
进一步地，所述根据风电场地区的历史气象数据生成一个以上的风电场地区环境典型场景具体为：基于风电场和相关输电线路所在气象网格点的包括历史温度、风速、风向、日照强度在内的数据生成同时考虑时间维度和空间维度的历史典型场景。
进一步地，所述生成风电场内风力发电机组集群在各典型场景下的出力与各场景风电场满载情况下设计线路载流量需求具体包括以下步骤：
步骤S11：计算风力发电机组集群在各典型场景下的出力：
Figure BDA0002176966390000021
式中，vs,t为场景s下时刻t的风速；vin为风力发电机的切入风速；vr风力发电机的额定功率风速；vout为风力发电机的切出风速；f(vs,t)为风速在vin到vr之间时，风力发电机输出功率与风速关系的函数；Pmax为风力发电机最大输出功率；
步骤S12：计算风电场外送功率所对应的载流量需求：
Figure BDA0002176966390000031
式中，Is,t为场景s下时刻t的风电场外送功率所对应的载流量需求；nwind为风电场风机数；vs,t为场景s下时刻t的风速；Un为风电场外送输电线路的额定电压。
进一步地，所述计算生成各典型场景下全线路走廊的动态载流能力采用下式：
Figure BDA0002176966390000032
式中，Qr为辐射散热；Qc为对流散热；Qs为日照辐射吸热；I为导线载流量，即动态载流能力；Rd为直流电阻；
Figure BDA0002176966390000033
υ均为与导线型号相关的常量。
进一步地，所述辐射散热Qr、对流散热Qc以及为日照辐射吸热Qs的计算分别采用下式：
Qr＝π·σ·D·ke((Tc+273)4-(Ta+273)4)；
Qc＝π·λf·Nu(Tc-Ta)；
Qs＝a·Js·D；
Figure BDA0002176966390000034
Re＝1.644×109v⊥·D[Ta+273+0.5(Tc-Ta)]-1.78；
式中，σ为斯特凡-玻尔兹曼常数，为5.67×10-8W/(m2K4)；D为导线外径；ke为导线表面的辐射散热系数；Tc为导线温度；Ta为环境温度；λf为导线表面空气层的传热系数；Nu为欧拉数；Re为雷诺数；v⊥为垂直导线的风速；a为吸热系数；Js为日照强度。
进一步地，所述建立风电场储能系统优化配置模型具体为，以最大化风电场年上网电量为目标，目标函数如下：
Figure BDA0002176966390000041
式中，s表示考虑的各种场景；T表示考虑的日内时段总数，
Figure BDA0002176966390000042
为风电场在场景s下t时刻的调度值。
进一步地，包括如下约束条件：
风电场有功功率变化限值约束：
Figure BDA0002176966390000043
Figure BDA0002176966390000044
式中，
Figure BDA0002176966390000045
和
Figure BDA0002176966390000046
分别表示风电场在1min和10min内有功功率变化限值；
Figure BDA0002176966390000047
和
Figure BDA0002176966390000048
分别表示风电场在1min和10min内调度有功功率变化量；ρ1min,min和ρ10min,min分别表示风电场在1min和10min内的有功功率变化满足限值概率的置信度水平，典型取值为90％，95％和99％；p(·)表示对括号内式子求概率的函数；
风力发电机调度运行约束：
Figure BDA0002176966390000049
式中，
Figure BDA0002176966390000051
为风电场在场景s下t时刻的出力值，
Figure BDA0002176966390000052
为风电场在场景s下t时刻的调度值；
风电场送出线路的输送容量约束：
Figure BDA0002176966390000053
式中，Is,t为场景s下时刻t的风电场外送功率需求；Ij,s,t为j型号的导线在场景s下t时刻的载流能力；Un为风电场外送输电线路的额定电压；ε为导线载流量裕度；
清洁能源利用率水平约束：
Figure BDA0002176966390000054
式中，β为要求的清洁能源利用率水平；
风电场储能系统运行约束：
Figure BDA0002176966390000055
Figure BDA0002176966390000056
Figure BDA0002176966390000057
Figure BDA0002176966390000058
Figure BDA0002176966390000059
Figure BDA0002176966390000061
Pmax≤η·Emax；
Es(t)为储能系统在场景s下t时刻的电能量SOC；
Figure BDA0002176966390000062
和
Figure BDA0002176966390000063
分别为储能系统在场景s下t时刻的充电、放电功率；δs为储能系统自放电情况下的损耗系数；ηch、ηdis分别为储能系统的充、放电效率；Emax和Pmax分别为储能系统的额定容量和额定功率；
Figure BDA0002176966390000064
γ分别为储能系统SOC上、下限系数；
Figure BDA0002176966390000065
分别为储能系统在场景s下t时刻的充、放电工作状态，是0-1变量；η为表示二者关系的系数，由储能电池的类型和制造水平决定。
本发明还提供了一种基于上文所述的考虑动态载流特性的风电场储能优化配置方法的系统，包括存储器、处理器，所述存储器中存储有计算机指令，使得所述处理器在运行存储器中的计算机指令时执行上文中所述的考虑动态载流特性的风电场储能优化配置方法。
与现有技术相比，本发明有以下有益效果：本发明综合考虑架空送出线路的动态增容效应和风电场出力特性的匹配，通过优化配置风电场储能系统容量和功率，进一步挖掘风电场架空送出线路的输送能力，能够提高电力系统的清洁能源利用率水平，同时提高了电网输电线路的利用率水平。
附图说明
图1为本发明实施例方法流程示意图。
图2为本发明实施例的风力发电机组典型出力特性曲线。
图3为本发明实施例的风电场外送载流量需求概率分布曲线。
图4为本发明实施例的风电场及送出线路位置示意图。
图5为本发明实施例的风电场所在区域典型风速曲线。
图6为本发明实施例的观测点1典型风速曲线。
图7为本发明实施例的观测点2典型风速曲线。
图8为本发明实施例的观测点1典型温度曲线。
图9为本发明实施例的观测点2典型温度曲线。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，本实施例提供了一种考虑动态载流特性的风电场储能优化配置方法，具体包括但不限于以下步骤：
根据风电场地区的历史气象数据生成一个以上的风电场地区环境典型场景，并生成风电场内风力发电机组集群在各典型场景下的出力与各场景风电场满载情况下设计线路载流量需求；
计算生成各典型场景下全线路走廊的动态载流能力；
将动态载流特性考虑进约束条件，建立风电场储能系统优化配置模型，求解模型得到风电场储能系统的最优配置。
在本实施例中，所述根据风电场地区的历史气象数据生成一个以上的风电场地区环境典型场景具体为：基于风电场和相关输电线路所在气象网格点(网格大小根据需要选取，如5km×5km)的包括历史温度、风速、风向、日照强度在内的数据生成同时考虑时间维度和空间维度的历史典型场景。
根据上述步骤生成的历史典型场景，对照风力发电机出力特性及计算公式，计算生成各典型场景下风电场中风力发电机的出力，生成各场景下风电场满载情况下设计线路载流量需求。图2是风力发电机组典型出力特性曲线，根据风电场地区气象数据的历史典型场景，对照风力发电机出力特性及计算公式，模拟生成各典型场景下风电场中风力发电机的出力，即可得到各场景下风电场外送功率的载流量需求。
在本实施例中，所述生成风电场内风力发电机组集群在各典型场景下的出力与各场景风电场满载情况下设计线路载流量需求具体包括以下步骤：
步骤S11：计算风力发电机组集群在各典型场景下的出力：
Figure BDA0002176966390000081
式中，vs,t为场景s下时刻t的风速；vin为风力发电机的切入风速；vr风力发电机的额定功率风速；vout为风力发电机的切出风速；f(vs,t)为风速在vin到vr之间时，风力发电机输出功率与风速关系的函数，即输出特性，，该特性可以用线性函数和冥函数表示；Pmax为风力发电机最大输出功率；
步骤S12：计算风电场外送功率所对应的载流量需求：
Figure BDA0002176966390000091
式中，Is,t为场景s下时刻t的风电场外送功率所对应的载流量需求；nwind为风电场风机数；vs,t为场景s下时刻t的风速；Un为风电场外送输电线路的额定电压。
较佳的，基于给定的线路导线型号参数、微气象条件、线路最高温度限制等参数，能够计算生成各典型场景下全线路走廊的动态载流能力。目前，国际上用于计算架空导线最大允许载流量的方法主要为IEEE标准(IEEE 738-2006)和CIGRE标准。结合我国线路运行的实际特点，根据《110kV～750kV架空输电线路设计规范》(GB 50545-2010)中所采用的Morgan公式计算导线载流量，在本实施例中，所述计算生成各典型场景下全线路走廊的动态载流能力采用下式：
Figure BDA0002176966390000092
式中，Qr为辐射散热；Qc为对流散热；Qs为日照辐射吸热；I为导线载流量，即动态载流能力；Rd为直流电阻；
Figure BDA0002176966390000093
υ均为与导线型号相关的常量。
在本实施例中，所述辐射散热Qr、对流散热Qc以及为日照辐射吸热Qs的计算分别采用下式：
Qr＝π·σ·D·ke((Tc+273)4-(Ta+273)4)；
Qc＝π·λf·Nu(Tc-Ta)；
Qs＝a·Js·D；
Figure BDA0002176966390000101
Re＝1.644×109v⊥·D[Ta+273+0.5(Tc-Ta)]-1.78；
式中，σ为斯特凡-玻尔兹曼常数，为5.67×10-8W/(m2K4)；D为导线外径；ke为导线表面的辐射散热系数，新线为0.23-0.43，旧线为0.9-0.95；Tc为导线温度；Ta为环境温度；λf为导线表面空气层的传热系数，通常取值为0.02585W/m·K；Nu为欧拉数；Re为雷诺数；v⊥为垂直导线的风速；a为吸热系数，新线为0.35-0.46，旧线为0.9-0.95；Js为日照强度。
较佳的，在设计过程中，为了简化计算过程，可以将导线允许温度、日照强度设为定值，如一般取导线允许温度为70℃或80℃，取日照强度为1000W/m2，也可以根据风电场和导线所在区域的历史气象数据生成的典型场景取动态数值。
在本实施例所提出模型中，风电场的调度出力为理论可挖掘的最大值，可以为电力调度指令的制定提供参考，并未考虑风电场出力与负荷的平衡以及储能参与电网调峰辅助服务的问题。所建立的模型模型表示如下：
以最大化风电场年上网电量为目标，目标函数如下：
Figure BDA0002176966390000102
式中，s表示考虑的各种场景；T表示考虑的日内时段总数，
Figure BDA0002176966390000103
为风电场在场景s下t时刻的调度值。
在本实施例中，包括如下约束条件：
风电场有功功率变化限值约束(随着风电渗透率的增加，风电波动性对电力系统运行可靠性和经济性的影响也越发突出，随着灵活可调度资源(如需求响应资源)渗透率的提高，可以认为电力系统有足够的调节能力应对小概率极端事件)：
Figure BDA0002176966390000111
Figure BDA0002176966390000112
式中，
Figure BDA0002176966390000113
和
Figure BDA0002176966390000114
分别表示风电场在1min和10min内有功功率变化限值；
Figure BDA0002176966390000115
和
Figure BDA0002176966390000116
分别表示风电场在1min和10min内调度有功功率变化量；ρ1min,min和ρ10min,min分别表示风电场在1min和10min内的有功功率变化满足限值概率的置信度水平，典型取值为90％，95％和99％；p(·)表示对括号内式子求概率的函数；
风力发电机调度运行约束：
Figure BDA0002176966390000117
式中，
Figure BDA0002176966390000118
为风电场在场景s下t时刻的出力值，可根据风电场地区风速和前述风力发电机出力特性计算得到；
Figure BDA0002176966390000119
为风电场在场景s下t时刻的调度值；
风电场送出线路的输送容量约束：
Figure BDA00021769663900001110
式中，Is,t为场景s下时刻t的风电场外送功率需求；Ij,s,t为j型号的导线在场景s下t时刻的载流能力，可通过前述部分介绍的载流量计算公式得到；Un为风电场外送输电线路的额定电压；ε为导线载流量裕度；该约束通过综合考虑风电场外送功率需求和架空线路的动态载流能力，反映了前述部分提及的线路动态增容效应与风电场出力特性的匹配问题；
清洁能源利用率水平约束：
Figure BDA0002176966390000121
式中，β为要求的清洁能源利用率水平，可以取90％、95％或者99％。；
风电场储能系统运行约束：
Figure BDA0002176966390000122
Figure BDA0002176966390000123
Figure BDA0002176966390000124
Figure BDA0002176966390000125
Figure BDA0002176966390000126
Figure BDA0002176966390000127
Pmax≤η·Emax；
其中，第一和第二个式子是储能系统的能量约束，第三和第四个式子是储能系统的充、放电功率约束，第五个式子是储能系统工作状态约束，第六个式子是储能系统在考虑自放电情况下的充放电平衡约束，最后一个式子是储能系统在额定容量和额定功率的关系。Es(t)为储能系统在场景s下t时刻的电能量SOC；
Figure BDA0002176966390000128
和
Figure BDA0002176966390000129
分别为储能系统在场景s下t时刻的充电、放电功率；δs为储能系统自放电情况下的损耗系数；ηch、ηdis分别为储能系统的充、放电效率；Emax和Pmax分别为储能系统的额定容量和额定功率；
Figure BDA0002176966390000131
γ分别为储能系统SOC上、下限系数；
Figure BDA0002176966390000132
Figure BDA0002176966390000133
分别为储能系统在场景s下t时刻的充、放电工作状态，是0-1变量；η为表示二者关系的系数，由储能电池的类型和制造水平决定。
上述目标函数与约束条件即构成了本实施例所建立的考虑动态载流特性的风电场储能系统优化配置模型。
本实施例还提供了一种基于上文所述的考虑动态载流特性的风电场储能优化配置方法的系统，包括存储器、处理器，所述存储器中存储有计算机指令，使得所述处理器在运行存储器中的计算机指令时执行上文中所述的考虑动态载流特性的风电场储能优化配置方法。
特别的，为了更好地说明本实施例的效果，以下以一具体风电场为例进行说明。
该风电场配置有150台单机额定容量为2000kW的风力发电机，假设风电场送出线路电压等级为220kV，线路全长为10km，采用双回路架空架设的方式接至变电站A，线路导线型号为LGJ-240/30，该型号导线能满足80％左右的风电外送载流量需求，如图3所示，其外径为21.6mm，20℃的直流电阻为0.1181Ω/km，ζ取值为0.8957，τ取值为0.01912，线路每5km分别为一段并配1个气象观测点，如图4所示。风电场配置型号风力发电机的切入风速vin为3m/s，额定功率风速vr为10.5m/s，切出风速vout为25m/s。假设风速在风力发电机切入风速到额定功率风速之间时，风力发电机输出有功功率与风速的函数关系是线性的。图5是风电场所在区域典型风速曲线，图6至图9是对观测点1和2一年四季的风速及温度数据聚类后各季节场景下的相关数据(场景1-4分别表示春、夏、秋、冬)。在本实施例中，辐射散热系数、吸热系数取值均为0.9，最大允许温度为70℃，日照强度取值为1000W/m2，导线载流量裕度取20％。储能系统的额定容量和额定功率关系系数η取值为0.5。
考虑一年四季的风速及温度数据聚类后各季节场景下的相关数据，虽然仅考虑4个场景具有随机性，对风速、负荷数据的全年的日间变化情况反应不足，但数据获取更容易且计算量小。值得说明的是，实施例数据的选择并不影响所提出风电场储能优化配置设计方法的有效性，故选择典型日数据分析以验证所提方法的有效性。
表1是优化配置结果对比，从表1可以看出，利用本实施例所提出的方法在配置更少额定容量和功率储能系统的情况下还可以令风电场获得更多地上网电量，实现更高的清洁能源消纳水平，说明本实施例所提出方法能够进一步挖掘风电场架空送出线路的输送能力，提高电力系统的清洁能源利用率水平。由于提高了风电年上网电量，因此说明本实施例所提出的方法提高了输电线路的利用率得以提高。
表1优化配置结果对比
Figure BDA0002176966390000141
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (6)

1.一种考虑动态载流特性的风电场储能优化配置方法，其特征在于，包括但不限于以下步骤：
根据风电场地区的历史气象数据生成一个以上的风电场地区环境典型场景，并生成风电场内风力发电机组集群在各典型场景下的出力与各场景风电场满载情况下设计线路载流量需求；
计算生成各典型场景下全线路走廊的动态载流能力；
将动态载流特性考虑进约束条件，建立风电场储能系统优化配置模型，求解模型得到风电场储能系统的最优配置；
其中，所述建立风电场储能系统优化配置模型具体为，以最大化风电场年上网电量为目标，目标函数如下：
Figure FDA0002897265310000011
式中，s表示考虑的各种场景；T表示考虑的日内时段总数，S表示场景数，
Figure FDA0002897265310000012
为风电场在场景s下t时刻的调度值；
其中包括如下约束条件：
风电场有功功率变化限值约束：
Figure FDA0002897265310000013
Figure FDA0002897265310000014
式中，
Figure FDA0002897265310000015
和
Figure FDA0002897265310000016
分别表示风电场在1min和10min内有功功率变化限值；
Figure FDA0002897265310000021
和
Figure FDA0002897265310000022
分别表示风电场在1min和10min内调度有功功率变化量；ρ1min,min和ρ10min,min分别表示风电场在1min和10min内的有功功率变化满足限值概率的置信度水平，典型取值为90％，95％和99％；p(·)表示对括号内式子求概率的函数；
风力发电机调度运行约束：
Figure FDA0002897265310000023
式中，
Figure FDA0002897265310000024
为风电场在场景s下t时刻的出力值，
Figure FDA0002897265310000025
为风电场在场景s下t时刻的调度值；
风电场送出线路的输送容量约束：
Figure FDA0002897265310000026
式中，Is,t为场景s下时刻t的风电场外送功率需求；Ij,s,t为j型号的导线在场景s下t时刻的载流能力；Un为风电场外送输电线路的额定电压；ε为导线载流量裕度；
清洁能源利用率水平约束：
Figure FDA0002897265310000027
式中，β为要求的清洁能源利用率水平；
风电场储能系统运行约束：
Figure FDA0002897265310000028
Figure FDA0002897265310000031
Figure FDA0002897265310000032
Figure FDA0002897265310000033
Figure FDA0002897265310000034
Figure FDA0002897265310000035
Pmax≤η·Emax；
Es(t)为储能系统在场景s下t时刻的电能量SOC；
Figure FDA0002897265310000036
和
Figure FDA0002897265310000037
分别为储能系统在场景s下t时刻的充电、放电功率；δs为储能系统自放电情况下的损耗系数；ηch、ηdis分别为储能系统的充、放电效率；Emax和Pmax分别为储能系统的额定容量和额定功率；
Figure FDA0002897265310000038
γ分别为储能系统SOC上、下限系数；
Figure FDA0002897265310000039
分别为储能系统在场景s下t时刻的充、放电工作状态，是0-1变量；η为表示二者关系的系数，由储能电池的类型和制造水平决定。
2.根据权利要求1所述的一种考虑动态载流特性的风电场储能优化配置方法，其特征在于，所述根据风电场地区的历史气象数据生成一个以上的风电场地区环境典型场景具体为：基于风电场和相关输电线路所在气象网格点的包括历史温度、风速、风向、日照强度在内的数据生成同时考虑时间维度和空间维度的历史典型场景。
3.根据权利要求1所述的一种考虑动态载流特性的风电场储能优化配置方法，其特征在于，所述生成风电场内风力发电机组集群在各典型场景下的出力与各场景风电场满载情况下设计线路载流量需求具体包括以下步骤：
步骤S11：计算风力发电机组集群在各典型场景下的出力：
Figure FDA0002897265310000041
式中，vs,t为场景s下时刻t的风速；vin为风力发电机的切入风速；vr风力发电机的额定功率风速；vout为风力发电机的切出风速；f(vs,t)为风速在vin到vr之间时，风力发电机输出功率与风速关系的函数；Pmax为风力发电机最大输出功率；
步骤S12：计算风电场外送功率所对应的载流量需求：
Figure FDA0002897265310000042
式中，Is,t为场景s下时刻t的风电场外送功率所对应的载流量需求；nwind为风电场风机数；vs,t为场景s下时刻t的风速；Un为风电场外送输电线路的额定电压。
4.根据权利要求1所述的一种考虑动态载流特性的风电场储能优化配置方法，其特征在于，所述计算生成各典型场景下全线路走廊的动态载流能力采用下式：
Figure FDA0002897265310000043
式中，Qr为辐射散热；Qc为对流散热；Qs为日照辐射吸热；I为导线载流量，即动态载流能力；Rd为直流电阻；
Figure FDA0002897265310000044
υ均为与导线型号相关的常量。
5.根据权利要求4所述的一种考虑动态载流特性的风电场储能优化配置方法，其特征在于，所述辐射散热Qr、对流散热Qc以及为日照辐射吸热Qs的计算分别采用下式：
Qr＝π·σ·D·ke((Tc+273)4-(Ta+273)4)；
Qc＝π·λf·Nu(Tc-Ta)；
Qs＝a·Js·D；
Figure FDA0002897265310000051
Re＝1.644×109v⊥·D[Ta+273+0.5(Tc-Ta)]-1.78；
式中，σ为斯特凡-玻尔兹曼常数，为5.67×10-8W/(m2K4)；D为导线外径；ke为导线表面的辐射散热系数；Tc为导线温度；Ta为环境温度；λf为导线表面空气层的传热系数；Nu为欧拉数；Re为雷诺数；v⊥为垂直导线的风速；a为吸热系数；Js为日照强度。
6.一种基于权利要求1-5任一项所述的考虑动态载流特性的风电场储能优化配置方法的系统，其特征在于，包括存储器、处理器，所述存储器中存储有计算机指令，使得所述处理器在运行存储器中的计算机指令时执行权利要求1-5任一项中所述的考虑动态载流特性的风电场储能优化配置方法。
CN201910782282.8A 2019-08-23 2019-08-23 一种考虑动态载流特性的风电场储能优化配置方法及系统 Active CN110601254B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910782282.8A CN110601254B (zh) 2019-08-23 2019-08-23 一种考虑动态载流特性的风电场储能优化配置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910782282.8A CN110601254B (zh) 2019-08-23 2019-08-23 一种考虑动态载流特性的风电场储能优化配置方法及系统

Publications (2)

Publication Number Publication Date
CN110601254A CN110601254A (zh) 2019-12-20
CN110601254B true CN110601254B (zh) 2021-06-01

Family

ID=68855219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910782282.8A Active CN110601254B (zh) 2019-08-23 2019-08-23 一种考虑动态载流特性的风电场储能优化配置方法及系统

Country Status (1)

Country Link
CN (1) CN110601254B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111342453B (zh) * 2020-03-16 2021-10-22 四川大学 计及多类型备用资源的电气综合能源系统备用决策方法
CN111709574B (zh) * 2020-06-16 2022-02-22 广东电网有限责任公司 一种分布式集群配置调度方法、计算机设备及存储介质
CN112132325B (zh) * 2020-08-27 2022-11-04 国电南瑞科技股份有限公司 考虑天气置信度的输电线路载流量限额评估方法及装置
CN112149294B (zh) * 2020-09-14 2023-06-20 南京信息工程大学 弹性气象栅格设计方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010054072A1 (en) * 2008-11-06 2010-05-14 Mark Lancaster Real-time power line rating
CN101609123B (zh) * 2009-07-30 2011-06-22 西安工程大学 输电线路动态增容在线监测系统
CN108460233B (zh) * 2018-03-28 2022-03-08 国网福建省电力有限公司 风电场架空软导线截面选择方法
CN109492824B (zh) * 2018-11-28 2022-04-26 国网山东省电力公司电力科学研究院 考虑源-网-荷多方利益的分散式风储系统优化方法

Also Published As

Publication number Publication date
CN110601254A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN110601254B (zh) 一种考虑动态载流特性的风电场储能优化配置方法及系统
Yang et al. Integrated size and energy management design of battery storage to enhance grid integration of large-scale PV power plants
CN102694391B (zh) 风光储联合发电系统日前优化调度方法
Venu et al. Battery storage system sizing in distribution feeders with distributed photovoltaic systems
WO2022100091A1 (zh) 一种广义源储系统调度的集中控制方法
CN103944175B (zh) 风光储联合发电系统出力特性优化方法
CN109767078B (zh) 一种基于混合整数规划的多类型电源检修安排方法
Taneja et al. Defining cps challenges in a sustainable electricity grid
CN106384176A (zh) 一种基于风光互补特性的风光储发电系统容量优化方法
CN105337415A (zh) 一种基于预测控制的地区电网调度系统及其方法
CN112072711A (zh) 基于动态优先级的配电网灵活性优化调度方法
CN106385048A (zh) 一种风光蓄一体化调度策略
Fan et al. Scheduling framework using dynamic optimal power flow for battery energy storage systems
CN112785065A (zh) 基于混合人工鱼群算法的综合能源系统规划方法及系统
CN107359611B (zh) 考虑多种随机因素的配电网等值方法
CN115333161A (zh) 一种绿色水厂供电系统的容量优化配置方法
CN113555908B (zh) 一种智能配电网储能优化配置方法
CN111049165A (zh) 一种用于新能源电力系统储能配置的方法及系统
Wu et al. Optimized capacity configuration of an integrated power system of wind, photovoltaic and energy storage device based on improved particle swarm optimizer
CN116562554A (zh) 一种考虑灵活性供需平衡的长短期储能联合规划方法
JP7180993B2 (ja) 発電システム
CN115983612A (zh) 一种基于虚拟电厂的分布式源网荷储调度优化方法
CN108022055A (zh) 一种基于粒子群模型的微电网经济调度方法
Saad et al. Minimizing the losses and cost of a radial network connected to dg, pv and batteries using firefly algorithm in al-bayda city, libya
CN105529728B (zh) 考虑多源信息融合和计划出力的储能可调度容量预测方法

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