CN110852631A - 基于负荷预测误差的多能源系统储能容量指标计算方法 - Google Patents

基于负荷预测误差的多能源系统储能容量指标计算方法 Download PDF

Info

Publication number
CN110852631A
CN110852631A CN201911110554.6A CN201911110554A CN110852631A CN 110852631 A CN110852631 A CN 110852631A CN 201911110554 A CN201911110554 A CN 201911110554A CN 110852631 A CN110852631 A CN 110852631A
Authority
CN
China
Prior art keywords
load
storage device
electric
period
gas
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
Application number
CN201911110554.6A
Other languages
English (en)
Other versions
CN110852631B (zh
Inventor
滕云
弓玮
王泽镝
左浩
金红洋
孙鹏
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.)
Shenyang University of Technology
Original Assignee
Shenyang University of Technology
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 Shenyang University of Technology filed Critical Shenyang University of Technology
Priority to CN201911110554.6A priority Critical patent/CN110852631B/zh
Publication of CN110852631A publication Critical patent/CN110852631A/zh
Application granted granted Critical
Publication of CN110852631B publication Critical patent/CN110852631B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出了一种基于负荷预测误差的多能源系统储能容量指标计算方法，首先计算出多能源系统中电、热、气负荷预测误差比值估计，然后计算出多能源系统储能装置的实际运行容量，最后计算出基于负荷预测误差的多能源系统储能装置运行指标，本发明通过计算电池储能、电转气、电储热装置运行容量指标，量化多能源系统储能装置的运行程度，减小了多能源系统中负荷预测误差导致的系统运行不稳定性。

Description

基于负荷预测误差的多能源系统储能容量指标计算方法
技术领域
本技术涉及多能源系统领域，具体涉及一种基于负荷预测误差的多能源系统储能容量指标计算方法。
背景技术
多能源系统负荷预测误差是影响多能源系统安全稳定的重要因素，当多源负荷预测误差较大时，多能源系统中储能装置将无法有效的平抑系统功率波动、提高系统运行质量，使多能源系统稳定运行能力的减弱。因此，需充分考虑多源负荷预测误差与多能源系统储能装置之间的制约关系，计算多能源系统储能装置运行容量指标，为多能源系统安全运行提供合理的依据。
发明内容
针对现有多能源系统储能装置运行容量量化指标的不足，基于对多源负荷预测误差的估计，进行多能源系统储能装置容量指标计算，提出一种基于负荷预测误差的多能源系统储能容量指标计算方法。
为实现上述技术目的，本发明的技术方案为：
一种基于负荷预测误差的多能源系统储能容量指标计算方法，包括如下步骤：
步骤1：计算多能源系统中电、热、气负荷预测误差比值估计，具体包括如下步骤：
步骤1.1：首先根据第t时段的电负荷预测值以及第t时段任意选取的m个电负荷预测值的均值构建第t时段的电负荷预测误差概率函数如公式(1)所示，然后联合公式(1)～公式(3)计算出第t时段电负荷预测误差最大比值
Figure BDA0002272586600000011
考虑到电负荷波动较为频繁，用第t时段电负荷预测误差最大比值
Figure BDA0002272586600000012
表征第t时段电负荷预测误差比值
Figure BDA0002272586600000014
式中，为第t时段的电负荷预测值，
Figure BDA0002272586600000016
为第t时段任意选取的m个电负荷预测值的均值，m为任意选取的第t时段的电负荷预测值的个数，其中电负荷预测的标准差
Figure BDA0002272586600000017
为
Figure BDA0002272586600000018
式中，
Figure BDA0002272586600000019
为第t时段电负荷预测误差比值，利用公式(3)计算出第t时段电负荷预测误差最大比值
Figure BDA0002272586600000021
来表征第t时段电负荷预测误差比值
Figure BDA0002272586600000022
Figure BDA0002272586600000023
式中，
Figure BDA0002272586600000024
为第t时段的第i次电负荷预测值，i满足i＝1,2,3,…,m，
Figure BDA0002272586600000025
为第t时段的电负荷实际值，根据正态分布原则，当
Figure BDA0002272586600000026
的范围为时，电负荷预测值置信度为95.4％，误差比值为0.046；当
Figure BDA0002272586600000029
的范围为
Figure BDA00022725866000000210
时，电负荷预测值置信度为99.7％，误差比值
Figure BDA00022725866000000211
为0.003；
步骤1.2：根据公式(4)计算第D1天第t时段的热负荷预测误差比值
Figure BDA00022725866000000212
考虑到热负荷整体波动较小，取N1天热负荷预测误差总和的平均值与多能源系统中热负荷装机容量的比值为第D1天第t时段热负荷预测误差比值
Figure BDA00022725866000000213
Figure BDA00022725866000000214
式中，
Figure BDA00022725866000000215
为第D1天第t时段的热负荷预测值，D1满足D1＝1,2,...,N1，N1为计算热负荷预测误差比值或后续电储热装置的实际运行容量所选取的天数，
Figure BDA00022725866000000216
为第D1天第t时段热负荷的实际运行值，LH表示多能源系统中热负荷装机容量；
步骤1.3：根据公式(5)计算第D2天第t时段的气负荷预测误差比值
Figure BDA00022725866000000217
取N2天气负荷预测误差总和的平均值与多能源系统中气负荷装机容量的比值为第D2天第t时段气负荷预测误差比值
Figure BDA00022725866000000218
Figure BDA00022725866000000219
式中，
Figure BDA00022725866000000220
为第D2天第t时段的气负荷预测值，D2满足D2＝1,2,...,N2，N2为计算气负荷预测误差比值或后续电转气-储气装置的实际运行容量所选取的天数，
Figure BDA00022725866000000221
为第D2天第t时段内气负荷实际运行值，LG表示多能源系统中气负荷装机容量；
步骤2：计算多能源系统储能装置的实际运行容量，具体步骤如下：
步骤2.1：根据公式(6)计算电储能装置的实际运行容量
Figure BDA0002272586600000032
式中，
Figure BDA0002272586600000033
为电储能装置的实际运行容量，为电储能装置在第t时段的实际运行功率，
Figure BDA0002272586600000035
为电储能装置在第t时段的最大运行功率，SOCt为电储能装置在第t时段运行时的实际荷电比，SOCt,max为电储能装置在第t时段运行时的最大荷电比，SOCt,max取100％，N3为电储能装置运行的天数，ω为电储能装置的储能效率，为多能源系统中的电池储能最大容量；
步骤2.2：根据公式(7)计算电储热装置的实际运行容量
Figure BDA0002272586600000037
Figure BDA0002272586600000038
式中，
Figure BDA0002272586600000039
为电储热装置的实际运行容量，
Figure BDA00022725866000000310
为电储热装置在第t时段的实际运行功率，
Figure BDA00022725866000000311
为电储热装置在第t时段的最大运行功率，Tt为电储热装置运行时的实际温度，Tmax为电储热装置运行时的最高温度，γ为电储热装置的电热转换效率，
Figure BDA00022725866000000312
为多能源系统中电储热装置最大容量；
步骤2.3：根据公式(8)计算电转气-储气装置实际运行容量
Figure BDA00022725866000000313
Figure BDA00022725866000000314
式中，
Figure BDA00022725866000000315
为电转气-储气装置的实际运行容量，电转气-储气装置在第t时段的实际运行功率，
Figure BDA00022725866000000317
为电转气-储气装置在第t时段的最大运行功率，VG,t为电转气-储气装置在第t时段的输出氢气体积，VG,max为电转气-储气装置最大输出体积，μ为电转气-储气装置的能量转化效率，
Figure BDA00022725866000000318
为电转气-储气装置最大容量；
步骤3：计算基于负荷预测误差的多能源系统储能装置运行指标，具体步骤如下：
步骤3.1：根据步骤1得出的电负荷预测误差比值
Figure BDA0002272586600000041
热负荷预测误差比值
Figure BDA0002272586600000042
气负荷预测误差比值
Figure BDA0002272586600000043
结合同一置信度下的不同热负荷预测值的权重因子以及同一置信度下的不同气负荷预测值的权重因子，通过公式(9)计算出多源负荷聚类误差比值δ(t)：
Figure BDA0002272586600000044
式中，β0,β1,β2为同一置信度下的不同热负荷预测误差比值的权重因子，κ0,κ1,κ2为同一置信度下的不同气负荷预测误差比值的权重因子，
Figure BDA0002272586600000045
为热负荷预测比值的修正值，当不同时段的热负荷预测误差比值
Figure BDA0002272586600000046
的差值的绝对值大于等于5％时，令
Figure BDA0002272586600000047
Figure BDA0002272586600000048
为气负荷预测比值的修正值，当不同时段的气负荷预测误差比值
Figure BDA0002272586600000049
的差值的绝对值大于等于2％时，令
Figure BDA00022725866000000410
δ(t)在[0,1]区间分布；
步骤3.2：结合电储热装置的实际运行功率、电储能装置的实际运行功率以及电转气-储气装置的实际运行功率，通过公式(10)计算出多能源系统储能装置运行容量聚类值υ(t)：
Figure BDA00022725866000000411
步骤3.3：以多源负荷聚类误差比值δ(t)与多能源系统储能装置运行容量聚类值υ(t)为基础，根据步骤2得出的电储能装置的实际运行容量
Figure BDA00022725866000000412
电储热装置的实际运行容量
Figure BDA00022725866000000413
以及电转气-储气装置实际运行容量
Figure BDA00022725866000000414
通过公式(11)计算出多能源系统储能装置运行指标φ(t)：
Figure BDA0002272586600000051
式中，
Figure BDA0002272586600000052
为热负荷预测比值的修正值，当不同时段的热负荷预测误差比值
Figure BDA0002272586600000053
的差值的绝对值大于等于5％时，令
Figure BDA0002272586600000054
为气负荷预测比值的修正值，当不同时段的气负荷预测误差比值
Figure BDA0002272586600000056
的差值的绝对值大于等于2％时，令
Figure BDA0002272586600000057
φ(t)在[0,1]区间分布。
所述的步骤1.2中考虑到热负荷具有较大时间惯性，当不同时段的热负荷预测误差比值的差值的绝对值小于5％时，热负荷预测误差比值需要通过公式(12)给出的多元二项式线性回归方程对热负荷预测误差比值进行修正；
Figure BDA00022725866000000510
式中，
Figure BDA00022725866000000511
为热负荷预测误差比值的修正值。
所述的步骤1.3中考虑到气负荷具有易储存，易传输，时间惯性大的特点，当不同时段的气负荷预测误差比值
Figure BDA00022725866000000512
的差值的绝对值小于2％时，气负荷预测误差比值通过公式(13)给出的多元二项式线性回归方程对气负荷预测误差比值
Figure BDA00022725866000000513
进行修正：
Figure BDA00022725866000000514
式中，
Figure BDA00022725866000000515
为气负荷预测误差比值的修正值。
本发明的有益效果：
本文提出的多能源系统储能指标计算方法，通过对多能源系统中的电、热、气负荷预测误差和多能源系统储能装置的实际运行容量进行量化，对一定负荷预测误差下的多能源储能装置运行指标进行计算，量化多能源系统储能装置的运行程度，解决负荷误差较大时电力系统的功率平衡问题，保证电力系统的稳定运行，当系统中负荷误差较大时，通过量化电池储能、储热、电转气-储气设备的运行容量，可以为电力调度人员的决策提供参考。通过此种方法可以提高电力系统的稳定运行能力，保证电力系统的稳定性。
附图说明
图1所示为基于负荷预测误差的多能源系统储能容量指标计算方法流程图。
具体实施方式
以下结合附图和具体实施例对本发明的技术方案进行详细的描述，以使本发明的技术特征和优点更为明显。
实施例1
如图1所示，一种基于负荷预测误差的多能源系统储能容量指标计算方法，包括如下步骤：
步骤1：计算多能源系统中电、热、气负荷预测误差比值估计，具体包括如下步骤：
步骤1.1：多能源系统中一般来为使预测结果更符合客观需求，将预测电负荷视为随机变量，其中电负荷预测误差因时段不同而产生不同误差，即在电力负荷峰平谷三个时间段，峰值谷值时段误差较大，平值时段预测误差较小，将日前的短期电负荷预测作为一个随机变量，以其多次预测值为中心，首先根据第t时段的电负荷预测值以及第t时段任意选取的m个电负荷预测值的均值构建第t时段的电负荷预测误差概率函数如公式(1)所示，然后联合公式(1)～公式(3)计算出第t时段电负荷预测误差最大比值
Figure BDA0002272586600000061
考虑到电负荷波动较为频繁，用第t时段电负荷预测误差最大比值
Figure BDA0002272586600000062
表征第t时段电负荷预测误差比值
Figure BDA0002272586600000064
式中，
Figure BDA0002272586600000065
为第t时段的电负荷预测值，
Figure BDA0002272586600000066
为第t时段任意选取的m个电负荷预测值的均值，m为任意选取的第t时段的电负荷预测值的个数，其中电负荷预测的标准差
Figure BDA0002272586600000067
为
Figure BDA0002272586600000068
式中，
Figure BDA0002272586600000069
为第t时段电负荷预测误差比值，利用公式(3)计算出第t时段电负荷预测误差最大比值
Figure BDA00022725866000000610
来表征第t时段电负荷预测误差比值
Figure BDA00022725866000000611
Figure BDA00022725866000000612
式中，
Figure BDA00022725866000000613
为第t时段的第i次电负荷预测值，i满足i＝1,2,3,…,m，
Figure BDA00022725866000000614
为第t时段的电负荷实际值，根据正态分布原则，当
Figure BDA0002272586600000071
的范围为
Figure BDA0002272586600000072
时，电负荷预测值置信度为95.4％，误差比值
Figure BDA0002272586600000073
为0.046；当
Figure BDA0002272586600000074
的范围为
Figure BDA0002272586600000075
时，电负荷预测值置信度为99.7％，误差比值为0.003；
本实施例1中任意选取t＝1时段内的6个电负荷预测值，分别为5881.9MW、6203.8MW、6174.0MW、5881.9MW、6289.0MW、6145.0MW，则第1时段内的电负荷预测值的均值
Figure BDA0002272586600000077
为6095.33MW，第t＝1时段的电负荷实际值
Figure BDA0002272586600000078
为6186MW，利用公式(3)计算出第t＝1时段电负荷预测误差最大比值
Figure BDA0002272586600000079
并用第t＝1时段电负荷预测误差最大比值
Figure BDA00022725866000000710
表征第t＝1时段电负荷预测误差比值
Figure BDA00022725866000000712
其中电负荷预测的标准差
Figure BDA00022725866000000713
为
Figure BDA00022725866000000714
构建t＝1时段的电负荷预测误差概率函数为：
Figure BDA00022725866000000715
根据正态分布原则，的范围为[6003.9,6186.97]，则电负荷预测误差比值
Figure BDA00022725866000000717
为0.5％。
步骤1.2：根据公式(4)计算第D1天第t时段的热负荷预测误差比值
Figure BDA00022725866000000718
考虑到热负荷整体波动较小，取N1天热负荷预测误差总和的平均值与多能源系统中热负荷装机容量的比值为第D1天第t时段热负荷预测误差比值
Figure BDA00022725866000000719
Figure BDA00022725866000000720
式中，
Figure BDA00022725866000000721
为第D1天第t时段的热负荷预测值，D1满足D1＝1,2,...,N1，N1为计算热负荷预测误差比值或后续电储热装置的实际运行容量所选取的天数，
Figure BDA00022725866000000722
为第D1天第t时段热负荷的实际运行值，LH表示多能源系统中热负荷装机容量；
本实施例1中选取5天内每天第t＝1时段的热负荷预测值
Figure BDA00022725866000000723
分别为4872MW、4753MW、4732MW、4722MW、4695MW作为采样数据，
Figure BDA0002272586600000081
为4754.8MW，多能源系统中热负荷装机容量LH为4900MW，则第t＝1时段的热负荷预测误差比值
Figure BDA0002272586600000082
为：
Figure BDA0002272586600000083
步骤1.3：根据公式(5)计算第D2天第t时段的气负荷预测误差比值
Figure BDA0002272586600000084
取N2天气负荷预测误差总和的平均值与多能源系统中气负荷装机容量的比值为第D2天第t时段气负荷预测误差比值
Figure BDA0002272586600000085
Figure BDA0002272586600000086
式中，
Figure BDA0002272586600000087
为第D2天第t时段的气负荷预测值，D2满足D2＝1,2,...,N2，N2为计算气负荷预测误差比值或后续电转气-储气装置的实际运行容量所选取的天数，
Figure BDA0002272586600000088
为第D2天第t时段内气负荷实际运行值，LG表示多能源系统中气负荷装机容量；
本实施例1中选取5天内每天第t＝1时段的气负荷预测值
Figure BDA0002272586600000089
分别为4568MW、4185MW、4320MW、4262MW、4232MW作为采样数据，
Figure BDA00022725866000000810
为4313.4MW，多能源系统中气负荷LG为4700MW，则第t＝1时段的气负荷预测误差比值
Figure BDA00022725866000000811
Figure BDA00022725866000000812
步骤2：计算多能源系统储能装置的实际运行容量，具体步骤如下：
步骤2.1：本实施例1中选取电储能装置在第t时段的最大运行功率
Figure BDA00022725866000000813
为103.7kW，电储能装置在第t＝1时段的运行荷电比SOCt为0.8，SOC为取100％，电储能装置运行的天数N3为5天，电储能装置的储能效率ω为0.85，多能源系统中的电池储能最大容量
Figure BDA00022725866000000814
为200MW，电储能装置在第t＝1时段的最大运行功率
Figure BDA00022725866000000815
根据公式(6)计算电储能装置的实际运行容量
Figure BDA0002272586600000091
式中，
Figure BDA0002272586600000092
为电储能装置的运行容量，
Figure BDA0002272586600000093
为电储能装置在第t时段的实际运行功率，
Figure BDA0002272586600000094
为电储能装置在第t时段的最大运行功率，SOCt＝1为电储能装置在第t＝1时段运行时的实际荷电比，SOCt＝1,max为电储能装置在第t＝1时段运行时的最大荷电比，SOCt＝1,max取100％，N3为电储能装置运行的天数，ω为电储能装置的储能效率，
Figure BDA0002272586600000095
为多能源系统中的电池储能最大容量；
步骤2.2：本实施例1中选取电储热装置在第t＝1时段的最大运行功率
Figure BDA0002272586600000096
为124.7kW，电储热装置运行温度Tt＝1为240℃，电储热装置运行时的最高温度Tmax为300℃，电储能装置运行的天数N1为5天，电储热装置的电热转换效率γ为0.80，多能源系统中电储热装置最大容量
Figure BDA0002272586600000097
为400MW，电储热装置在第t＝1时段的最大运行功率根据公式(7)计算电储热装置的实际运行容量
Figure BDA0002272586600000099
Figure BDA00022725866000000910
式中，
Figure BDA00022725866000000911
为电储热装置的运行容量，
Figure BDA00022725866000000912
为电储热装置在第t时段的实际运行功率，
Figure BDA00022725866000000913
为电储热装置在第t＝1时段的最大运行功率，Tt＝1为电储热装置运行时的实际温度，Tmax为电储热装置运行时的最高温度，γ为电储热装置的电热转换效率，
Figure BDA00022725866000000914
为多能源系统中电储热装置最大容量；
步骤2.3：本实施例1中选取电转气装置在第t＝1时段的最大运行功率
Figure BDA00022725866000000915
为73.5kW，电转气-储气装置在第t时段的输出氢气体积VG,t＝1为160m3，电转气-储气装置最大输出体积VG,max为300m3，电转气-储气装置运行的天数N2为5天，电转气-储气装置的能量转化效率μ为0.70，电转气-储气装置最大容量为200MW，电转气-储气装置在第t＝1时段的最大运行功率
Figure BDA00022725866000000917
根据公式(8)计算电转气-储气装置实际运行容量
Figure BDA00022725866000000918
Figure BDA0002272586600000101
式中，
Figure BDA0002272586600000102
为电转气-储气装置的运行容量，电转气-储气装置在第t时段的实际运行功率，
Figure BDA0002272586600000104
为电转气-储气装置在第t＝1时段的最大运行功率，VG,t＝1为电转气-储气装置在第t＝1时段的输出氢气体积，VG,max为电转气-储气装置最大输出体积，μ为电转气-储气装置的能量转化效率，
Figure BDA0002272586600000105
为电转气-储气装置最大容量；
步骤3：基于负荷预测误差的多能源系统储能装置运行指标计算，具体步骤如下：
步骤3.1：根据步骤1得出的电负荷预测误差比值
Figure BDA0002272586600000106
热负荷预测误差比值
Figure BDA0002272586600000107
气负荷预测误差比值
Figure BDA0002272586600000108
结合同一置信度下的不同热负荷预测值的权重因子以及同一置信度下的不同气负荷预测值的权重因子，通过公式(9)计算出多源负荷聚类误差比值δ(t＝1)：
Figure BDA0002272586600000109
式中，β0,β1,β2为同一置信度下的不同热负荷预测误差比值的权重因子，κ0,κ1,κ2为同一置信度下的不同气负荷预测误差比值的权重因子，
Figure BDA00022725866000001010
为热负荷预测比值的修正值，当不同时段的热负荷预测误差比值
Figure BDA00022725866000001011
的差值的绝对值大于等于5％时，令
Figure BDA00022725866000001012
Figure BDA00022725866000001013
为气负荷预测比值的修正值，当不同时段的气负荷预测误差比值
Figure BDA00022725866000001014
的差值的绝对值大于等于2％时，令δ(t)在[0,1]区间分布；
步骤3.2：结合电储热装置的实际运行功率、电储能装置的实际运行功率以及电转气-储气装置的实际运行功率，通过公式(10)计算出多能源系统储能装置运行容量聚类值υ(t＝1)：
Figure BDA0002272586600000111
步骤3.3：根据步骤1得出的当不同时段的热负荷预测误差比值
Figure BDA0002272586600000113
的差值的绝对值大于等于5％时，以及当不同时段的气负荷预测误差比值的差值的绝对值大于等于2％时，以多源负荷聚类误差比值δ(t＝1)＝0.117与多能源系统储能装置运行容量聚类值υ(t＝1)＝0.225为基础，根据步骤2得出的电储能装置的实际运行容量
Figure BDA0002272586600000115
电储热装置的实际运行容量
Figure BDA0002272586600000116
以及电转气-储气装置实际运行容量通过公式(11)计算出多能源系统储能装置运行指标φ(t＝1)：
式中，
Figure BDA0002272586600000119
φ(t＝1)在[0,1]区间分布。
实施例2
参数取值以及计算过程同实施例1，区别在于：
在步骤1.2中，考虑到热负荷具有较大时间惯性，当不同时段的热负荷预测误差比值
Figure BDA00022725866000001110
的差值的绝对值小于5％时，热负荷预测误差比值需要通过公式(12)给出的多元二项式线性回归方程对热负荷预测误差比值
Figure BDA00022725866000001111
进行修正；
式中，
Figure BDA00022725866000001113
为热负荷预测误差比值的修正值，β0,β1,β2为同一置信度下的不同热负荷预测误差比值的权重因子，当置信度为95％时，β0＝0.0308,β1＝0.0307,β2＝0.0031。
本实施例2中假定t＝1时段的
Figure BDA00022725866000001114
为0.97％，当热负荷预测置信度为95％时，选取下列参数β0＝0.0308,β1＝0.0307,β2＝0.0031，使用多元二项式线性回归方程求取一天内的热负荷预测误差比值的修正值
Figure BDA0002272586600000121
为：
Figure BDA0002272586600000122
在步骤1.3中，考虑到气负荷具有易储存，易传输，时间惯性大的特点，当不同时段的气负荷预测误差比值
Figure BDA0002272586600000123
的差值的绝对值小于2％时，气负荷预测误差比值通过公式(13)给出的多元二项式线性回归方程对气负荷预测误差比值
Figure BDA0002272586600000124
进行修正：
Figure BDA0002272586600000125
式中，
Figure BDA0002272586600000126
为气负荷预测误差比值的修正值，κ0,κ1,κ2为同一置信度下的不同气负荷预测误差比值的权重因子，当置信度为95％时，κ0＝0.0109,κ1＝0.0177,κ2＝0.0031。
本实施例2中假定t＝1时段的
Figure BDA0002272586600000127
为2.2％，当气负荷预测置信度为95％时，选取下列参数κ0＝0.0109,κ1＝0.0177,κ2＝0.0031，使用多元二项式线性回归方程求取一天内的热负荷预测误差比值的修正值
Figure BDA0002272586600000128
为：
Figure BDA0002272586600000129
在步骤3.3中，由于步骤1.2假定t＝1时段的为0.97％，所以这里在热负荷预测误差比值的基础上增加热负荷预测误差比值的修正值
Figure BDA00022725866000001212
由于步骤1.3假定t＝1的
Figure BDA00022725866000001213
均2.2％，所以这里在气负荷预测误差比值的基础上增加气负荷预测误差比值的修正值以多源负荷聚类误差比值δ(t＝1)＝0.117与多能源系统储能装置运行容量聚类值υ(t＝1)＝0.225为基础，根据步骤2得出的电储能装置的实际运行容量
Figure BDA00022725866000001216
电储热装置的实际运行容量以及电转气-储气装置实际运行容量
Figure BDA0002272586600000131
通过公式(11)计算出多能源系统储能装置运行指标φ(t)：
Figure BDA0002272586600000132
式中，φ(t)在[0,1]区间分布。

Claims (3)

1.一种基于负荷预测误差的多能源系统储能容量指标计算方法，其特征在于，包括如下步骤：
步骤1：计算多能源系统中电、热、气负荷预测误差比值估计，具体包括如下步骤：
步骤1.1：首先根据第t时段的电负荷预测值以及第t时段任意选取的m个电负荷预测值的均值构建第t时段的电负荷预测误差概率函数如公式(1)所示，然后联合公式(1)～公式(3)计算出第t时段电负荷预测误差最大比值考虑到电负荷波动较为频繁，用第t时段电负荷预测误差最大比值
Figure FDA0002272586590000012
表征第t时段电负荷预测误差比值
Figure FDA0002272586590000013
Figure FDA0002272586590000014
式中，为第t时段的电负荷预测值，
Figure FDA0002272586590000016
为第t时段任意选取的m个电负荷预测值的均值，m为任意选取的第t时段的电负荷预测值的个数，其中电负荷预测的标准差为
Figure FDA0002272586590000018
式中，
Figure FDA0002272586590000019
为第t时段电负荷预测误差比值，利用公式(3)计算出第t时段电负荷预测误差最大比值
Figure FDA00022725865900000110
来表征第t时段电负荷预测误差比值
Figure FDA00022725865900000111
式中，为第t时段的第i次电负荷预测值，i满足i＝1,2,3,…,m，
Figure FDA00022725865900000114
为第t时段的电负荷实际值；
步骤1.2：根据公式(4)计算第D1天第t时段的热负荷预测误差比值
Figure FDA00022725865900000115
考虑到热负荷整体波动较小，取N1天热负荷预测误差总和的平均值与多能源系统中热负荷装机容量的比值为第D1天第t时段热负荷预测误差比值
Figure FDA00022725865900000117
式中，
Figure FDA00022725865900000118
为第D1天第t时段的热负荷预测值，D1满足D1＝1,2,...,N1，N1为计算热负荷预测误差比值或后续电储热装置的实际运行容量所选取的天数，
Figure FDA00022725865900000119
为第D1天第t时段热负荷的实际运行值，LH表示多能源系统中热负荷装机容量；
步骤1.3：根据公式(5)计算第D2天第t时段的气负荷预测误差比值
Figure FDA0002272586590000021
取N2天气负荷预测误差总和的平均值与多能源系统中气负荷装机容量的比值为第D2天第t时段气负荷预测误差比值
Figure FDA0002272586590000022
Figure FDA0002272586590000023
式中，
Figure FDA0002272586590000024
为第D2天第t时段的气负荷预测值，D2满足D2＝1,2,...,N2，N2为计算气负荷预测误差比值或后续电转气-储气装置的实际运行容量所选取的天数，
Figure FDA0002272586590000025
为第D2天第t时段内气负荷实际运行值，LG表示多能源系统中气负荷装机容量；
步骤2：计算多能源系统储能装置的实际运行容量，具体步骤如下：
步骤2.1：根据公式(6)计算电储能装置的实际运行容量
Figure FDA0002272586590000026
Figure FDA0002272586590000027
式中，
Figure FDA0002272586590000028
为电储能装置的实际运行容量，Pt E为电储能装置在第t时段的实际运行功率，为电储能装置在第t时段的最大运行功率，SOCt为电储能装置在第t时段运行时的实际荷电比，SOCt,max为电储能装置在第t时段运行时的最大荷电比，SOCt,max取100％，N3为电储能装置运行的天数，ω为电储能装置的储能效率，
Figure FDA00022725865900000210
为多能源系统中的电池储能最大容量；
步骤2.2：根据公式(7)计算电储热装置的实际运行容量
Figure FDA00022725865900000211
Figure FDA00022725865900000212
式中，
Figure FDA00022725865900000213
为电储热装置的实际运行容量，Pt H为电储热装置在第t时段的实际运行功率，
Figure FDA00022725865900000214
为电储热装置在第t时段的最大运行功率，Tt为电储热装置运行时的实际温度，Tmax为电储热装置运行时的最高温度，γ为电储热装置的电热转换效率，
Figure FDA0002272586590000031
为多能源系统中电储热装置最大容量；
步骤2.3：根据公式(8)计算电转气-储气装置实际运行容量
Figure FDA0002272586590000032
Figure FDA0002272586590000033
式中，
Figure FDA0002272586590000034
为电转气-储气装置的实际运行容量，Pt G电转气-储气装置在第t时段的实际运行功率，
Figure FDA0002272586590000035
为电转气-储气装置在第t时段的最大运行功率，VG,t为电转气-储气装置在第t时段的输出氢气体积，VG,max为电转气-储气装置最大输出体积，μ为电转气-储气装置的能量转化效率，
Figure FDA0002272586590000036
为电转气-储气装置最大容量；
步骤3：计算基于负荷预测误差的多能源系统储能装置运行指标，具体步骤如下：
步骤3.1：根据步骤1得出的电负荷预测误差比值
Figure FDA0002272586590000037
热负荷预测误差比值
Figure FDA0002272586590000038
气负荷预测误差比值
Figure FDA0002272586590000039
结合同一置信度下的不同热负荷预测值的权重因子以及同一置信度下的不同气负荷预测值的权重因子，通过公式(9)计算出多源负荷聚类误差比值δ(t)：
Figure FDA00022725865900000310
式中，β0,β1,β2为同一置信度下的不同热负荷预测误差比值的权重因子，κ0,κ1,κ2为同一置信度下的不同气负荷预测误差比值的权重因子，为热负荷预测比值的修正值，当不同时段的热负荷预测误差比值
Figure FDA00022725865900000312
的差值的绝对值大于等于5％时，令
Figure FDA00022725865900000313
为气负荷预测比值的修正值，当不同时段的气负荷预测误差比值的差值的绝对值大于等于2％时，令
Figure FDA00022725865900000315
δ(t)在[0,1]区间分布；
步骤3.2：结合电储热装置的实际运行功率、电储能装置的实际运行功率以及电转气-储气装置的实际运行功率，通过公式(10)计算出多能源系统储能装置运行容量聚类值υ(t)：
Figure FDA0002272586590000041
步骤3.3：以多源负荷聚类误差比值δ(t)与多能源系统储能装置运行容量聚类值υ(t)为基础，根据步骤2得出的电储能装置的实际运行容量
Figure FDA0002272586590000042
电储热装置的实际运行容量
Figure FDA0002272586590000043
以及电转气-储气装置实际运行容量
Figure FDA0002272586590000044
通过公式(11)计算出多能源系统储能装置运行指标φ(t)：
Figure FDA0002272586590000045
式中，
Figure FDA0002272586590000046
为热负荷预测比值的修正值，当不同时段的热负荷预测误差比值的差值的绝对值大于等于5％时，令
Figure FDA0002272586590000048
为气负荷预测比值的修正值，当不同时段的气负荷预测误差比值
Figure FDA0002272586590000049
的差值的绝对值大于等于2％时，令
Figure FDA00022725865900000410
φ(t)在[0,1]区间分布。
2.根据权利要求1所述的一种基于负荷预测误差的多能源系统储能容量指标计算方法，其特征在于，所述的步骤1.2中考虑到热负荷具有较大时间惯性，当不同时段的热负荷预测误差比值
Figure FDA00022725865900000411
的差值的绝对值小于5％时，热负荷预测误差比值需要通过公式(12)给出的多元二项式线性回归方程对热负荷预测误差比值
Figure FDA00022725865900000412
进行修正：
Figure FDA00022725865900000413
式中，为热负荷预测误差比值的修正值。
3.根据权利要求1所述的一种基于负荷预测误差的多能源系统储能容量指标计算方法，其特征在于，所述的步骤1.3中考虑到气负荷具有易储存，易传输，时间惯性大的特点，当不同时段的气负荷预测误差比值的差值的绝对值小于2％时，气负荷预测误差比值通过公式(13)给出的多元二项式线性回归方程对气负荷预测误差比值
Figure FDA0002272586590000052
进行修正：
Figure FDA0002272586590000053
式中，
Figure FDA0002272586590000054
为气负荷预测误差比值的修正值。
CN201911110554.6A 2019-11-14 2019-11-14 基于负荷预测误差的多能源系统储能容量指标计算方法 Active CN110852631B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911110554.6A CN110852631B (zh) 2019-11-14 2019-11-14 基于负荷预测误差的多能源系统储能容量指标计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911110554.6A CN110852631B (zh) 2019-11-14 2019-11-14 基于负荷预测误差的多能源系统储能容量指标计算方法

Publications (2)

Publication Number Publication Date
CN110852631A true CN110852631A (zh) 2020-02-28
CN110852631B CN110852631B (zh) 2022-05-24

Family

ID=69600369

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911110554.6A Active CN110852631B (zh) 2019-11-14 2019-11-14 基于负荷预测误差的多能源系统储能容量指标计算方法

Country Status (1)

Country Link
CN (1) CN110852631B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112383074A (zh) * 2020-10-28 2021-02-19 国网四川省电力公司经济技术研究院 一种能量型与功率型混合储能系统及储能方法
CN112927098A (zh) * 2021-01-29 2021-06-08 国网内蒙古东部电力有限公司 一种考虑源荷不确定性的电网经济调度综合性评估方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109286208A (zh) * 2018-10-09 2019-01-29 中国电力科学研究院有限公司 一种综合能源系统调度方法和系统
CN109993445A (zh) * 2019-04-04 2019-07-09 国家电网有限公司 一种考虑光伏预测误差的综合能源系统脆弱性评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109286208A (zh) * 2018-10-09 2019-01-29 中国电力科学研究院有限公司 一种综合能源系统调度方法和系统
CN109993445A (zh) * 2019-04-04 2019-07-09 国家电网有限公司 一种考虑光伏预测误差的综合能源系统脆弱性评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
TENG Y, WANG ZD: "Multi-energy Storage System Model Based on Electricity Heat and Hydrogen Coordinated Optimization for Power Grid Flexibility", 《CSEE JOURNAL OF POWER AND ENERGY SYSTEMS》 *
翟晶晶,吴晓蓓,王力立: "基于径向基函数神经网络的综合能源系统多元负荷短期预测", 《电力需求侧管理》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112383074A (zh) * 2020-10-28 2021-02-19 国网四川省电力公司经济技术研究院 一种能量型与功率型混合储能系统及储能方法
CN112927098A (zh) * 2021-01-29 2021-06-08 国网内蒙古东部电力有限公司 一种考虑源荷不确定性的电网经济调度综合性评估方法
CN112927098B (zh) * 2021-01-29 2023-10-27 国网内蒙古东部电力有限公司 一种考虑源荷不确定性的电网经济调度综合性评估方法

Also Published As

Publication number Publication date
CN110852631B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
Petrollese et al. Real-time integration of optimal generation scheduling with MPC for the energy management of a renewable hydrogen-based microgrid
CN105680474B (zh) 一种储能抑制光伏电站快速功率变化的控制方法
CN111242806A (zh) 一种考虑不确定性的电-热-氢多能量系统的规划方法
CN110852631B (zh) 基于负荷预测误差的多能源系统储能容量指标计算方法
US10819248B2 (en) Technologies for provisioning power controllers for grid services
Gbadega et al. Impact of incorporating disturbance prediction on the performance of energy management systems in micro-grid
CN111950900B (zh) 一种电力系统源网荷储本质安全风险评估方法
CN113241803A (zh) 一种基于新能源消纳的储能调度方法及计算机介质
CN109474007B (zh) 一种基于大数据云技术的能源互联网调度方法
CN112531689B (zh) 受端电力系统的源网荷储协调控制能力评估方法和设备
CN114421459A (zh) 一种分布式电源规模化并网的集群划分评估方法及系统
CN111049170B (zh) 考虑温度损耗的调峰储能系统、运行优化方法和装置
CN111293718A (zh) 基于场景分析的交直流混合微网分区二层优化运行方法
CN117498555A (zh) 一种基于云边融合的储能电站智能运维系统
Gonzalez et al. Model predictive control for the energy management of a hybrid PV/battery/fuel cell power plant
CN111931982A (zh) 考虑径流不确定性的水电站水调电调协调优化方法及系统
CN113507111B (zh) 基于盲数理论的规划目标年电力盈亏评估方法
CN115841211A (zh) 一种计及储能寿命变化的经济调度结果快速求解方法
Li et al. A chance-constrained programming based energy storage system sizing model considering uncertainty of wind power
CN112436510B (zh) 一种风-光-火特高压直流外送调度方法及系统
CN115333085A (zh) 考虑灵活性约束的含分布式新能源配电网双层优化调度方法
Xue et al. Evaluation of Frequency Regulation Performance of Energy Storage Power Plants Based on Correlation Analysis and Combined Weighting Method
CN115425671B (zh) 一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法
Tang et al. A Two-layer Receding-horizon Optimal Control Strategy for Battery Energy Storage System Participating in Peak Load Shifting Considering Degradation Cost
Ghosh Effective Energy Management Scheme by IMPC.

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